CN112100565A - 一种道路曲率确定方法、装置、设备及存储介质 - Google Patents
一种道路曲率确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112100565A CN112100565A CN202010900534.5A CN202010900534A CN112100565A CN 112100565 A CN112100565 A CN 112100565A CN 202010900534 A CN202010900534 A CN 202010900534A CN 112100565 A CN112100565 A CN 112100565A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- curvature
- road
- road curvature
- longitudinal position
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/072—Curvature of the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Computational Mathematics (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Transportation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Automation & Control Theory (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路曲率确定方法、装置、设备及存储介质。该方法包括：根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；根据车辆横向位置和车辆纵向位置预估第二道路曲率；根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率，通过本发明的技术方案，以实现以低成本的自动驾驶传感器来快速，并且及时的获得道路曲率，以满足自动驾驶功能的需求。
Description
技术领域
本发明实施例涉及车辆技术，尤其涉及一种道路曲率确定方法、装置、设备及存储介质。
背景技术
自动驾驶功能对于获取到的道路几何特征具有精准性和实时性的需求特性。高精度图是获得道路几何特征最直接的手段，但目前为止用于自动驾驶的高精度地图在成熟度和成本上都还有很大提升空间，距离商用化还需要完善技术等条件。以自适应巡航控制系统为例，准确的提取道路的几何特征有助于正确的区分前方目标和本车在行驶车道上的相对关系。以车道居中系统为例，当摄像头因某种特殊情况无法准确获取车道线位置，进而无法获得道路的几何特征时，系统会出现功能失效。
现有技术中：一、是以图像传感器为基础，利用噪声预处理、主成分分析(PCA)以及霍夫变换(HOUGH)等方法提出道路特征，但霍夫变化在道路曲率较大时不能够准确反应道路的特征形态。二、是利用激光雷达进行路面特征提取，以最小二乘拟合为依据输出道路曲率中心，但该方法对传感器精度需求极高，不能够满足大规模量产的技术和成本需求。三、应用车辆信息对高精度地图进行了补偿和修正，但前提仍是需要高精度地图才能提取道路曲率，增加自动驾驶功能的成本。
发明内容
本发明实施例提供一种道路曲率确定方法、装置、设备及存储介质，以实现以低成本的自动驾驶传感器来快速，并且及时的获得道路曲率，以满足自动驾驶功能的需求。
第一方面，本发明实施例提供了一种道路曲率确定方法，包括：根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；
根据车辆横向位置和车辆纵向位置预估第二道路曲率；
根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率。
进一步的，根据车辆恒摆角速度、车速、车辆轴距和/或前轮转角预估第一道路曲率包括：
当车速小于或者等于第一车速阈值时，根据前轮转角和车辆轴距预估第一道路曲率；
当车速大于或者等于第二车速阈值时，根据车辆恒摆角速度和车速预估第一道路曲率；
当车速大于第一车速阈值，且小于第二车速阈值时，根据车辆恒摆角速度、车速、车辆轴距和前轮转角预估第一道路曲率，其中，所述第一车速阈值小于所述第二车速阈值。
进一步的，根据车辆横向位置和车辆纵向位置预估第二道路曲率包括：
根据如下公式计算得到第二道路曲率：
其中，x为车辆横向位置，y为车辆纵向位置，κ为第二道路曲率，b为车辆位置与障碍物拟合曲线的垂直距离。
进一步的，根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率包括：
根据至少两个第二道路曲率建立曲率统计直方图，其中，所述曲率统计直方图的横轴为道路曲率，纵轴为处于道路曲率对应的轨迹上的静止障碍物的数量；
获取所述曲率统计直方图中满足预设条件的第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围内的道路曲率数量，作为第一数量；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围外的道路曲率数量，作为第二数量；
若所述第一数量与所述第二数量的比值大于或者等于比值阈值，则确定所述第三道路曲率有效；
若所述第一数量与所述第二数量的比值小于比值阈值，则确定所述第三道路曲率无效。
进一步的，获取所述曲率统计直方图中满足预设条件的第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率，包括：
获取所述曲率统计直方图中纵轴数值最大的道路曲率，作为第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率。
进一步的，根据车辆横向位置和车辆纵向位置预估第二道路曲率包括：
获取车载传感器采集的车辆相对于第一静止障碍物的第一车辆横向位置和第一车辆纵向位置；
获取车载传感器采集的车辆相对于第二静止障碍物的第二车辆横向位置和第二车辆纵向位置；
根据第一车辆横向位置、第一车辆纵向位置、第二车辆横向位置和第二车辆纵向位置预估第二道路曲率。
进一步的，根据车辆横向位置和车辆纵向位置预估第二道路曲率之后，还包括：
对所述第一道路曲率和所述第二道路曲率进行一级卡尔曼滤波。
第二方面，本发明实施例还提供了一种道路曲率确定装置，该装置包括：
第一预估模块，用于根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；
第二预估模块，用于根据车辆横向位置和车辆纵向位置预估第二道路曲率；
确定模块，用于根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率。
进一步的，第一预估模块具体用于：
当车速小于或者等于第一车速阈值时，根据前轮转角和车辆轴距预估第一道路曲率；
当车速大于或者等于第二车速阈值时，根据车辆恒摆角速度和车速预估第一道路曲率；
当车速大于第一车速阈值，且小于第二车速阈值时，根据车辆恒摆角速度、车速、车辆轴距和前轮转角预估第一道路曲率，其中，所述第一车速阈值小于所述第二车速阈值。
进一步的，第二预估模块具体用于：
根据如下公式计算得到第二道路曲率：
其中，x为车辆横向位置，y为车辆纵向位置，κ为第二道路曲率，b为车辆位置与障碍物拟合曲线的垂直距离。
进一步的，确定模块具体用于：
根据至少两个第二道路曲率建立曲率统计直方图，其中，所述曲率统计直方图的横轴为道路曲率，纵轴为处于道路曲率对应的轨迹上的静止障碍物的数量；
获取所述曲率统计直方图中满足预设条件的第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围内的道路曲率数量，作为第一数量；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围外的道路曲率数量，作为第二数量；
若所述第一数量与所述第二数量的比值大于或者等于比值阈值，则确定所述第三道路曲率有效；
若所述第一数量与所述第二数量的比值小于比值阈值，则确定所述第三道路曲率无效。
进一步的，确定模块具体用于：
获取所述曲率统计直方图中纵轴数值最大的道路曲率，作为第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率。
进一步的，第二预估模块具体用于：
获取车载传感器采集的车辆相对于第一静止障碍物的第一车辆横向位置和第一车辆纵向位置；
获取车载传感器采集的车辆相对于第二静止障碍物的第二车辆横向位置和第二车辆纵向位置；
根据第一车辆横向位置、第一车辆纵向位置、第二车辆横向位置和第二车辆纵向位置预估第二道路曲率。
进一步的，还包括：
滤波模块，用于在根据车辆横向位置和车辆纵向位置预估第二道路曲率之后，对所述第一道路曲率和所述第二道路曲率进行一级卡尔曼滤波。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的道路曲率确定方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的道路曲率确定方法。
本发明实施例通过根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；根据车辆横向位置和车辆纵向位置预估第二道路曲率；根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率，以实现以低成本的自动驾驶传感器来快速，并且及时的获得道路曲率，以满足自动驾驶功能的需求，也可以起到冗余备份并且提供精度的作用。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种道路曲率确定方法的流程图；
图1a是本发明实施例一中的差值计算图示；
图1b是本发明实施例一中的应用场景图；
图2是本发明实施例二中的一种道路曲率确定装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种道路曲率确定方法的流程图，本实施例可适用于道路曲率确定的情况，该方法可以由本发明实施例中的道路曲率确定装置来执行，该道路曲率确定装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
S110，根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率。
其中，所述车辆恒摆角速度、车速、车辆轴距以及前轮转角可以根据车载传感器采集得到，本发明实施例对车辆恒摆角速度、车速、车辆轴距以及前轮转角的获取方式不进行限制。
具体的，根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率的方式为根据车辆横摆角速度和车速预估第一道路曲率，还可以为根据前轮转角和车辆轴距预估第一道路曲率，或者可以为根据车辆恒摆角速度、车速、车辆轴距以及前轮转角预估第一道路曲率，本发明实施例对此不进行限制。
S120，根据车辆横向位置和车辆纵向位置预估第二道路曲率。
其中，所述车辆横向位置和车辆纵向位置为车载传感器采集到的相对于静止障碍物的车辆横向位置和车辆纵向位置，例如可以是，车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，相对于静止障碍物B的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，相对于静止障碍物D的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物E的车辆横向位置和车辆纵向位置，相对于静止障碍物F的车辆横向位置和车辆纵向位置。
其中，所述第二道路曲率为至少两个，为了提升本方案最终确定的道路曲率的准确度，可以预估多个道路曲率。
其中，所述车辆横向位置和车辆纵向位置为对应关系，例如可以是，车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置。
具体的，根据车辆横向位置和车辆纵向位置预估第二道路曲率的方式可以为：预先设定关于车辆横向位置和车辆纵向位置预估第二道路曲率的公式，将两对车辆横向位置和车辆纵向位置输入公式即可得到第二道路曲率；还可以为根据其他方式获取，本发明实施例对此不进行限制。
例如可以是，将车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，相对于静止障碍物B的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率；将车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率；将车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物D的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率；将车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物E的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率；将车载传感器采集相对于静止障碍物B的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率；将车载传感器采集相对于静止障碍物B的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物D的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率；将车载传感器采集相对于静止障碍物B的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物E的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率；将车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物D的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率；将车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物E的车辆横向位置和车辆纵向位置，带入公式，计算得到一个第二道路曲率，依次类推，计算得到多个第二道路曲率。
S130，根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率。
具体的，根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率的方式可以为根据第二道路曲率建立曲率统计直方图，根据曲率统计直方图确定第三道路曲率，根据第一道路曲率验证第三道路曲率是否有效；或者可以为根据第二道路曲率建立曲率统计直方图，根据曲率统计直方图确定道路曲率，根据第一道路曲率修正所述道路曲率，得到目标道路曲率，本发明实施例对此不进行限制。
可选的，根据车辆恒摆角速度、车速、车辆轴距和/或前轮转角预估第一道路曲率包括：
当车速小于或者等于第一车速阈值时，根据前轮转角和车辆轴距预估第一道路曲率；
当车速大于或者等于第二车速阈值时，根据车辆恒摆角速度和车速预估第一道路曲率；
当车速大于第一车速阈值，且小于第二车速阈值时，根据车辆恒摆角速度、车速、车辆轴距和前轮转角预估第一道路曲率。
其中，所述第二车速阈值大于所述第一车速阈值。所述第一车速阈值和所述第二车速阈值可以根据需要进行设定，本发明实施例对此不进行限制。
具体的，当车速小于或者等于第一车速阈值时，根据前轮转角和车辆轴距预估第一道路曲率；当车速大于或者等于第二车速阈值时，根据车辆恒摆角速度和车速预估第一道路曲率；当车速大于第一车速阈值，且小于第二车速阈值时，根据车辆恒摆角速度、车速、车辆轴距和前轮转角预估第一道路曲率，其中，所述第一车速阈值小于所述第二车速阈值。
在一个具体的例子中，如图1a所示，横坐标表示车速，纵坐标表示道路曲率，若车速小于或者等于1m/s，则道路曲率为κs，利用前轮转角估计道路曲率公式如下：
其中，κs为道路曲率，δ为车辆的前轮转角，l为车辆轴距。
若车速大于或者等于1.5m/s，则利用车辆横摆角速度估计道路特征的公式如下：
其中，κψ为道路曲率，
为横摆角速度变化率，vh为车速。
若车速大于1m/s且小于1.5m/s，则根据图1a计算得到当前车速下的道路曲率。
可选的，根据车辆横向位置和车辆纵向位置预估第二道路曲率包括：
根据如下公式计算得到第二道路曲率：
其中，x为车辆横向位置，y为车辆纵向位置，κ为第二道路曲率，b为车辆位置与障碍物拟合曲线的垂直距离。
例如可以是，若当前车辆车速为2m/s，则根据
计算得到第一道路曲率，若当前车辆车速为3m/s，则根据
计算得到第一道路曲率，若当前车辆车速为1m/s，则根据
计算得到第一道路曲率。
可选的，根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率包括：
根据至少两个第二道路曲率建立曲率统计直方图，其中，所述曲率统计直方图的横轴为道路曲率，纵轴为处于道路曲率对应的轨迹上的静止障碍物的数量；
获取所述曲率统计直方图中满足预设条件的第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围内的道路曲率数量，作为第一数量；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围外的道路曲率数量，作为第二数量；
若所述第一数量与所述第二数量的比值大于或者等于比值阈值，则确定所述第三道路曲率有效；
若所述第一数量与所述第二数量的比值小于比值阈值，则确定所述第三道路曲率无效。
其中，所述预设范围可以根据需要进行设定，例如可以设定为有效范围，本发明实施例对此不进行限制。
可选的，获取所述曲率统计直方图中满足预设条件的第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率，包括：
获取所述曲率统计直方图中纵轴数值最大的道路曲率，作为第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率。
可选的，根据车辆横向位置和车辆纵向位置预估第二道路曲率包括：
获取车载传感器采集的车辆相对于第一静止障碍物的第一车辆横向位置和第一车辆纵向位置；
获取车载传感器采集的车辆相对于第二静止障碍物的第二车辆横向位置和第二车辆纵向位置；
根据第一车辆横向位置、第一车辆纵向位置、第二车辆横向位置和第二车辆纵向位置预估第二道路曲率。
可选的，根据车辆横向位置和车辆纵向位置预估第二道路曲率之后，还包括：
对所述第一道路曲率和所述第二道路曲率进行一级卡尔曼滤波。
在一个具体的例子中，如图1b所示，图中车辆为自动驾驶车辆，所述自动驾驶车辆至少配备一种传感器，所述传感器可以为图像采集传感器，也可以为毫米波雷达，本发明实施例对此不进行限制。图中的黑圈圈代表传感器提取到的路边静止障碍物，所述路边静止障碍物可以为路灯杆、围栏等类似静止障碍物，本发明实施例对静止障碍物的具体形态不进行限制。
在一个具体的例子中，步骤1：预估道路特征(曲率)：
a)预估曲率融合：
假设车辆运动在恒定的道路特征上(固定曲率)。当车速大于或者等于1.5m/s时，利用车辆横摆角速度估计道路特征公式如下：
其中，κψ为道路曲率，
为横摆角速度变化率，vh为车速。
当车速小于或者等于1m/s时，利用前轮转角估计道路曲率公式如下：
其中，κs为道路曲率，δ为车辆的前轮转角，l为车辆轴距。
当车速在1m/s到1.5m/s之间时曲率利用图1a进行插值计算。
步骤2：静止障碍物位置拟合：
由步骤1预估的车辆行驶曲率可以初步构建出道路几何特征，以车辆当前点为位置零点，则静止障碍物拟合后的曲线方程用二次多项式表示如下：
其中，x为车辆横向位置，y为车辆纵向位置，κ为第二道路曲率，b为车辆位置与障碍物拟合曲线的垂直距离。
步骤3：无效目标提出：
根据当前时刻传感器观测到路边静止障碍物的返回属性(置信度，位置跳动方差等)设定阈值将可靠性不高的目标不列入统计分析范畴。
步骤4：静止障碍物精准道路关系求解：
将列入统计范畴的静止障碍物任意取出两点的位置信息，带入步骤2的位置方程能够求解得到一组对应的(κ，b)。
a)求解曲率直方图
建立曲率统计直方图，横轴为道路曲率，纵轴为处于道路曲率对应的轨迹上的静止障碍物的数量,可以看出直方图的最大值对应的曲率就是通过静止障碍物估算的道路特征。
b)曲率有效性判断
首先检查求得曲率与步骤1预估的曲率关系，统计偏差在有效范围内的曲率数为m，偏差在有效范围外的曲率为n。如果m/n>>1则为有效，反之则为无效。
然后评估直方图的跳动趋势，利用直方图的均值与最大值计算直方图方差，如果直方图方差过小，表明没有突出的道路曲率特征存在，为无效估计，反之则为有效估计。
必须同时满足曲率关系和方差校验后才能稳定输出静止障碍物估计的道路特征(曲率)。
步骤5：道路特征修正
将步骤4求得的静止障碍物估计曲率与步骤1的预估曲率进行一级卡尔曼滤波可得到抗干扰性强且准确度高的道路特征(曲率)。
在另一个具体的例子中，若车速为0.5m/s，因为0.5m/s小于1m/s，则利用前轮转角估计道路曲率公式如下：
其中，κs为道路曲率，δ为车辆的前轮转角，l为车辆轴距。预估得到第一道路曲率。
将车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，相对于静止障碍物B的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)；将车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)；将车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物D的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)；将车载传感器采集相对于静止障碍物A的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物E的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)；将车载传感器采集相对于静止障碍物B的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)；将车载传感器采集相对于静止障碍物B的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物D的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)；将车载传感器采集相对于静止障碍物B的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物E的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)；将车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物D的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)；将车载传感器采集相对于静止障碍物C的车辆横向位置和车辆纵向位置，车载传感器采集相对于静止障碍物E的车辆横向位置和车辆纵向位置，带入
计算得到一组对应的(κ，b)，依次类推，计算得到多组(κ，b)，根据多个κ建立曲率直方图。横轴为道路曲率，纵轴为处于道路曲率对应的轨迹上的静止障碍物的数量，可以看出直方图的最大值对应的道路曲率就是通过静止障碍物估算的道路曲率，首先检查直方图的最大值对应的道路曲率与第一道路曲率的关系，统计直方图的最大值对应的道路曲率与第一道路曲率的差值在有效范围内的曲率数为m，直方图的最大值对应的道路曲率与第一道路曲率的差值在有效范围外的曲率为n。如果m/n>>1则为有效，反之则为无效。
本发明实施例提出了一种利用低成本传感器(毫米波雷达，图像)估计道路曲率的方法；详细描述曲率估计和融合流程，提出利用直方图进行曲率分析，用直方图方差作为有效性判定条件。
本实施例的技术方案，通过根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；根据车辆横向位置和车辆纵向位置预估第二道路曲率；根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率，以实现以低成本的自动驾驶传感器来快速，并且及时的获得道路曲率，以满足自动驾驶功能的需求，也可以起到冗余备份并且提供精度的作用。
实施例二
图2为本发明实施例二提供的一种道路曲率确定装置的结构示意图。本实施例可适用于道路曲率确定的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供道路曲率确定的功能的设备中，如图2所示，所述道路曲率确定装置具体包括：第一预估模块210、第二预估模块220和确定模块230。
其中，第一预估模块210，用于根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；
第二预估模块220，用于根据车辆横向位置和车辆纵向位置预估第二道路曲率；
确定模块230，用于根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率。
可选的，第一预估模块具体用于：
当车速小于或者等于第一车速阈值时，根据前轮转角和车辆轴距预估第一道路曲率；
当车速大于或者等于第二车速阈值时，根据车辆恒摆角速度和车速预估第一道路曲率；
当车速大于第一车速阈值，且小于第二车速阈值时，根据车辆恒摆角速度、车速、车辆轴距和前轮转角预估第一道路曲率。
可选的，第二预估模块具体用于：
根据如下公式计算得到第二道路曲率：
其中，x为车辆横向位置，y为车辆纵向位置，κ为第二道路曲率，b为车辆位置与障碍物拟合曲线的垂直距离。
可选的，确定模块具体用于：
根据至少两个第二道路曲率建立曲率统计直方图，其中，所述曲率统计直方图的横轴为道路曲率，纵轴为处于道路曲率对应的轨迹上的静止障碍物的数量；
获取所述曲率统计直方图中满足预设条件的第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围内的道路曲率数量，作为第一数量；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围外的道路曲率数量，作为第二数量；
若所述第一数量与所述第二数量的比值大于或者等于比值阈值，则确定所述第三道路曲率有效；
若所述第一数量与所述第二数量的比值小于比值阈值，则确定所述第三道路曲率无效。
可选的，确定模块具体用于：
获取所述曲率统计直方图中纵轴数值最大的道路曲率，作为第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率。
可选的，第二预估模块具体用于：
获取车载传感器采集的车辆相对于第一静止障碍物的第一车辆横向位置和第一车辆纵向位置；
获取车载传感器采集的车辆相对于第二静止障碍物的第二车辆横向位置和第二车辆纵向位置；
根据第一车辆横向位置、第一车辆纵向位置、第二车辆横向位置和第二车辆纵向位置预估第二道路曲率。
可选的，还包括：
滤波模块，用于在根据车辆横向位置和车辆纵向位置预估第二道路曲率之后，对所述第一道路曲率和所述第二道路曲率进行一级卡尔曼滤波。
在一个具体的例子中，步骤1：预估道路特征(曲率)：
a)预估曲率融合：
假设车辆运动在恒定的道路特征上(固定曲率)。当车速大于或者等于1.5m/s时，利用车辆横摆角速度估计道路特征公式如下：
其中，κψ为道路曲率，
为横摆角速度变化率，vh为车速。
当车速小于或者等于1m/s时，利用前轮转角估计道路曲率公式如下：
其中，κs为道路曲率，δ为车辆的前轮转角，l为车辆轴距。
当车速在1m/s到1.5m/s之间时曲率利用图1a进行插值计算。
步骤2：静止障碍物位置拟合：
由步骤1预估的车辆行驶曲率可以初步构建出道路几何特征，以车辆当前点为位置零点，则静止障碍物拟合后的曲线方程用二次多项式表示如下：
其中，x为车辆横向位置，y为车辆纵向位置，κ为第二道路曲率，b为车辆位置与障碍物拟合曲线的垂直距离。
步骤3：无效目标提出：
根据当前时刻传感器观测到路边静止障碍物的返回属性(置信度，位置跳动方差等)设定阈值将可靠性不高的目标不列入统计分析范畴。
步骤4：静止障碍物精准道路关系求解：
将列入统计范畴的静止障碍物任意取出两点的位置信息，带入步骤2的位置方程能够求解得到一组对应的(κ，b)。
a)求解曲率直方图
建立曲率统计直方图，横轴为道路曲率，纵轴为处于道路曲率对应的轨迹上的静止障碍物的数量,可以看出直方图的最大值对应的曲率就是通过静止障碍物估算的道路特征。
b)曲率有效性判断
首先检查求得曲率与步骤1预估的曲率关系，统计偏差在有效范围内的曲率数为m，偏差在有效范围外的曲率为n。如果m/n>>1则为有效，反之则为无效。
然后评估直方图的跳动趋势，利用直方图的均值与最大值计算直方图方差，如果直方图方差过小，表明没有突出的道路曲率特征存在，为无效估计，反之则为有效估计。
必须同时满足曲率关系和方差校验后才能稳定输出静止障碍物估计的道路特征(曲率)。
步骤5：道路特征修正
将步骤4求得的静止障碍物估计曲率与步骤1的预估曲率进行一级卡尔曼滤波可得到抗干扰性强且准确度高的道路特征(曲率)。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；根据车辆横向位置和车辆纵向位置预估第二道路曲率；根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率，以实现以低成本的自动驾驶传感器来快速，并且及时的获得道路曲率，以满足自动驾驶功能的需求，也可以起到冗余备份并且提供精度的作用。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的道路曲率确定方法：
根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；
根据车辆横向位置和车辆纵向位置预估第二道路曲率；
根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率。
实施例四
本发明实施例四提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的道路曲率确定方法：
根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；
根据车辆横向位置和车辆纵向位置预估第二道路曲率；
根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种道路曲率确定方法，其特征在于，包括：
根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；
根据车辆横向位置和车辆纵向位置预估第二道路曲率；
根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率。
2.根据权利要求1所述的方法，其特征在于，根据车辆恒摆角速度、车速、车辆轴距和/或前轮转角预估第一道路曲率包括：
当车速小于或者等于第一车速阈值时，根据前轮转角和车辆轴距预估第一道路曲率；
当车速大于或者等于第二车速阈值时，根据车辆恒摆角速度和车速预估第一道路曲率；
当车速大于第一车速阈值，且小于第二车速阈值时，根据车辆恒摆角速度、车速、车辆轴距和前轮转角预估第一道路曲率，其中，所述第一车速阈值小于所述第二车速阈值。
3.根据权利要求1所述的方法，其特征在于，根据车辆横向位置和车辆纵向位置预估第二道路曲率包括：
根据如下公式计算得到第二道路曲率：
其中，x为车辆横向位置，y为车辆纵向位置，κ为第二道路曲率，b为车辆位置与障碍物拟合曲线的垂直距离。
4.根据权利要求3所述的方法，其特征在于，根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率包括：
根据至少两个第二道路曲率建立曲率统计直方图，其中，所述曲率统计直方图的横轴为道路曲率，纵轴为处于道路曲率对应的轨迹上的静止障碍物的数量；
获取所述曲率统计直方图中满足预设条件的第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围内的道路曲率数量，作为第一数量；
获取所述第三道路曲率与所述第一道路曲率的差值处于预设范围外的道路曲率数量，作为第二数量；
若所述第一数量与所述第二数量的比值大于或者等于比值阈值，则确定所述第三道路曲率有效；
若所述第一数量与所述第二数量的比值小于比值阈值，则确定所述第三道路曲率无效。
5.根据权利要求4所述的方法，其特征在于，获取所述曲率统计直方图中满足预设条件的第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率，包括：
获取所述曲率统计直方图中纵轴数值最大的道路曲率，作为第三道路曲率，其中，所述第二道路曲率包括所述第三道路曲率。
6.根据权利要求3所述的方法，其特征在于，根据车辆横向位置和车辆纵向位置预估第二道路曲率包括：
获取车载传感器采集的车辆相对于第一静止障碍物的第一车辆横向位置和第一车辆纵向位置；
获取车载传感器采集的车辆相对于第二静止障碍物的第二车辆横向位置和第二车辆纵向位置；
根据第一车辆横向位置、第一车辆纵向位置、第二车辆横向位置和第二车辆纵向位置预估第二道路曲率。
7.根据权利要求1所述的方法，其特征在于，根据车辆横向位置和车辆纵向位置预估第二道路曲率之后，还包括：
对所述第一道路曲率和所述第二道路曲率进行一级卡尔曼滤波。
8.一种道路曲率确定装置，其特征在于，包括：
第一预估模块，用于根据车辆恒摆角速度、车速、车辆轴距以及前轮转角中的至少一种预估第一道路曲率；
第二预估模块，用于根据车辆横向位置和车辆纵向位置预估第二道路曲率；
确定模块，用于根据所述第一道路曲率和所述第二道路曲率确定目标道路曲率。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010900534.5A CN112100565B (zh) | 2020-08-31 | 2020-08-31 | 一种道路曲率确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010900534.5A CN112100565B (zh) | 2020-08-31 | 2020-08-31 | 一种道路曲率确定方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112100565A true CN112100565A (zh) | 2020-12-18 |
| CN112100565B CN112100565B (zh) | 2022-09-06 |
Family
ID=73756936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010900534.5A Active CN112100565B (zh) | 2020-08-31 | 2020-08-31 | 一种道路曲率确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112100565B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112925323A (zh) * | 2021-01-28 | 2021-06-08 | 北京科技大学 | 一种基于规则的移动机器人速度调节方法及系统 |
| CN113428144A (zh) * | 2021-08-03 | 2021-09-24 | 启迪云控(北京)科技有限公司 | 一种电动汽车的自动控制方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102991505A (zh) * | 2012-12-07 | 2013-03-27 | 长安大学 | 一种前方道路曲率估计装置及其估计方法 |
| JP2015016799A (ja) * | 2013-07-11 | 2015-01-29 | 株式会社日本自動車部品総合研究所 | 走行経路生成装置 |
| EP2853458A1 (en) * | 2013-09-30 | 2015-04-01 | Hitachi Ltd. | Method and apparatus for performing driving assistance |
| CN107415951A (zh) * | 2017-02-28 | 2017-12-01 | 苏州安智汽车零部件有限公司 | 一种基于本车运动状态和环境信息的道路曲率估计方法 |
| CN107963126A (zh) * | 2016-10-19 | 2018-04-27 | 中车株洲电力机车研究所有限公司 | 一种多轴转向车辆大曲率自动驾驶转向控制方法 |
| CN109033176A (zh) * | 2018-06-25 | 2018-12-18 | 腾讯科技（深圳）有限公司 | 道路曲率的确定方法、装置、存储介质和计算机设备 |
| CN110262509A (zh) * | 2019-07-10 | 2019-09-20 | 百度在线网络技术（北京）有限公司 | 车辆自动驾驶方法和装置 |
| CN110596694A (zh) * | 2019-09-20 | 2019-12-20 | 吉林大学 | 一种复杂环境雷达多目标跟踪和道路行驶环境预测方法 |
| CN110614998A (zh) * | 2019-08-21 | 2019-12-27 | 南京航空航天大学 | 一种激进型辅助驾驶弯道避障换道路径规划系统及方法 |
| CN110712680A (zh) * | 2018-07-12 | 2020-01-21 | 广州小鹏汽车科技有限公司 | 一种车辆的自动换道方法及装置 |
| CN111381268A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆定位方法、装置、电子设备、计算机可读存储介质 |
-
2020
- 2020-08-31 CN CN202010900534.5A patent/CN112100565B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102991505A (zh) * | 2012-12-07 | 2013-03-27 | 长安大学 | 一种前方道路曲率估计装置及其估计方法 |
| JP2015016799A (ja) * | 2013-07-11 | 2015-01-29 | 株式会社日本自動車部品総合研究所 | 走行経路生成装置 |
| EP2853458A1 (en) * | 2013-09-30 | 2015-04-01 | Hitachi Ltd. | Method and apparatus for performing driving assistance |
| CN107963126A (zh) * | 2016-10-19 | 2018-04-27 | 中车株洲电力机车研究所有限公司 | 一种多轴转向车辆大曲率自动驾驶转向控制方法 |
| CN107415951A (zh) * | 2017-02-28 | 2017-12-01 | 苏州安智汽车零部件有限公司 | 一种基于本车运动状态和环境信息的道路曲率估计方法 |
| CN109033176A (zh) * | 2018-06-25 | 2018-12-18 | 腾讯科技（深圳）有限公司 | 道路曲率的确定方法、装置、存储介质和计算机设备 |
| CN110712680A (zh) * | 2018-07-12 | 2020-01-21 | 广州小鹏汽车科技有限公司 | 一种车辆的自动换道方法及装置 |
| CN111381268A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆定位方法、装置、电子设备、计算机可读存储介质 |
| CN110262509A (zh) * | 2019-07-10 | 2019-09-20 | 百度在线网络技术（北京）有限公司 | 车辆自动驾驶方法和装置 |
| CN110614998A (zh) * | 2019-08-21 | 2019-12-27 | 南京航空航天大学 | 一种激进型辅助驾驶弯道避障换道路径规划系统及方法 |
| CN110596694A (zh) * | 2019-09-20 | 2019-12-20 | 吉林大学 | 一种复杂环境雷达多目标跟踪和道路行驶环境预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张金旺 等: "基于概率统计的车辆运动轨迹预测方法", 《军事交通学院学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112925323A (zh) * | 2021-01-28 | 2021-06-08 | 北京科技大学 | 一种基于规则的移动机器人速度调节方法及系统 |
| CN112925323B (zh) * | 2021-01-28 | 2022-03-15 | 北京科技大学 | 一种基于规则的移动机器人速度调节方法及系统 |
| CN113428144A (zh) * | 2021-08-03 | 2021-09-24 | 启迪云控(北京)科技有限公司 | 一种电动汽车的自动控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112100565B (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110260870B (zh) | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 | |
| CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
| CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
| CN109931944B (zh) | 一种ar导航方法、装置、车端设备、服务端及介质 | |
| CN110095752B (zh) | 定位方法、装置、设备和介质 | |
| EP3627180A1 (en) | Sensor calibration method and device, computer device, medium, and vehicle | |
| CN109444932B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
| CN109435955B (zh) | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 | |
| CN110134126B (zh) | 轨迹匹配方法、装置、设备和介质 | |
| CN110567475B (zh) | 导航方法、装置、计算机可读存储介质及电子设备 | |
| US11703332B2 (en) | Vehicle positioning method, apparatus, electronic device, vehicle and storage medium | |
| CN112100565B (zh) | 一种道路曲率确定方法、装置、设备及存储介质 | |
| CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
| CN109635861B (zh) | 一种数据融合方法、装置、电子设备及存储介质 | |
| CN113537362A (zh) | 一种基于车路协同的感知融合方法、装置、设备及介质 | |
| WO2023142813A1 (zh) | 基于多传感器的数据融合方法、装置、设备及介质 | |
| CN109635868B (zh) | 障碍物类别的确定方法、装置、电子设备及存储介质 | |
| CN110109165B (zh) | 行驶轨迹中异常点的检测方法及装置 | |
| CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
| US11226350B2 (en) | Method and device for detecting obstacle speed, computer device, and storage medium | |
| CN115908498B (zh) | 一种基于类别最优匹配的多目标跟踪方法及装置 | |
| CN114895274A (zh) | 一种护栏识别方法 | |
| CN114662600B (zh) | 一种车道线的检测方法、装置和存储介质 | |
| CN110133624B (zh) | 无人驾驶异常检测方法、装置、设备和介质 | |
| CN114194201A (zh) | 一种车辆控制方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |