CN112183157A

CN112183157A - 道路几何识别方法及装置

Info

Publication number: CN112183157A
Application number: CN201910591331.XA
Authority: CN
Inventors: 罗竞雄; 万广南; 王建国
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2019-07-02
Filing date: 2019-07-02
Publication date: 2021-01-05
Also published as: WO2021000787A1

Abstract

本申请提供了一种道路几何识别方法及装置，涉及辅助驾驶或者无人驾驶领域，用于根据传感器测量数据确定道路几何，减少非道路因素的影响，以提高确定道路几何的准确性，更好地辅助车辆确定驾驶策略。该方法包括：根据传感器的测量数据生成至少一个第一聚类，第一聚类中包括至少一个第一测量数据，测量数据中至少包括目标物体的位置信息。然后确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，根据第一聚类中的所有第一测量数据，确定第一网格单元的累计权重值，位置网格包括至少一个网格单元，每个网格单元对应至少一个第一参数。最后根据第一网格单元的累计权重值确定第一聚类包含的第一测量数据对应的目标物体为道路几何。

Description

道路几何识别方法及装置

技术领域

本申请涉及自动驾驶(包括辅助驾驶和无人驾驶)技术领域，尤其涉及一种道路几何识别方法及装置。

背景技术

自动驾驶(包含辅助驾驶和无人驾驶)是智能汽车发展的重要方向，并且越来越多的车辆中开始应用自动驾驶系统来实现车辆的自动驾驶功能。通常地，自动驾驶系统能需要随时地确定车辆的可行驶区域，在确定可行驶区域的过程中，一个重要的方面是需要确定出当前行驶道路的道路几何。

目前现有的道路几何检测技术是，利用摄像头采集道路图像，经图像识别系统进行提取分析后，确定道路几何，但是摄像头采集到的图像易受环境，天气，光照等多重因素的干扰，且车辆行驶过程中，道路几何易被其他车辆遮挡。因此，在天气、光照或遮挡等因素的影响下，采用现有技术对同一道路采集到的图像中的颜色、道路边缘等信息可能会与实际情况存在较大差异，从而降低确定道路几何的准确性。

发明内容

本申请提供一种道路几何识别方法及装置，提高确定道路几何的准确性，以减少非道路因素的影响，更好的辅助车辆确定驾驶策略。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请实施例提供一种道路几何识别方法，该方法应用于具有自动驾驶(包含辅助驾驶)功能的装置中，如车辆，车辆中的芯片系统，以及处理器上运行的操作系统和驱动，该方法包括：根据传感器的测量数据生成至少一个第一聚类，第一聚类中包括至少一个第一测量数据，测量数据中至少包括目标物体的位置信息。然后确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，进而根据第一聚类中的所有第一测量数据，确定第一网格单元的累计权重值，位置网格中包括至少一个网格单元，每个网格单元对应至少一个第一参数。最后根据第一网格单元的累计权重值，确定第一聚类包含的第一测量数据对应的目标物体为道路几何。

在本申请实施例所描述的道路几何识别方法中，首先，本申请对测量数据进行聚类处理，可以滤除部分不相关的杂波信号和其他物体的测量数据，因此可以降低确定道路几何的工作量和复杂度，并提高根据测量数据来确定道路几何的准确性。其次，根据测量数据确定第一网格单元的累计权重值，再根据累计权重值来确定测量数据对应的目标物体是否为道路几何，可以进一步滤除非道路信息的干扰，提高确定道路几何的准确性，从而更好地辅助车辆确定驾驶策略。

在一种可能的设计中，道路几何包括道路边沿、护栏和车道线中的至少一种。

在一种可能的设计中，根据传感器的探测范围和/或传感器的分辨单元大小，确定位置网格。

在一种可能的设计中，在确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值之前，还包括：根据第一预设条件|x_kcosθ_i+y_ksinθ_i-ρ_j|≤d_Thresh，确定第一测量数据在位置网格中对应的至少一个第一网格单元，其中(x_k，y_k)为第k个第一测量数据的位置坐标，(θ_i，ρ_j)为第一网格单元(i，j)对应的至少一个第一参数，d_Thresh为第一预设数值，k为大于0的整数。在一种可能的设计中，测量数据还包括目标物体的回波强度(echointensity，EI)。

在一种可能的设计中，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，包括：根据第一测量数据中的回波强度EI，或者第一测量数据中的回波强度EI和位置信息，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

在一种可能的设计中，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，包括：根据第一预设算法确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。其中，第一预设算法可以为指数函数形式：

或者第一预设算法可以为对数函数形式：

或

或者第一预设算法可以为常数形式：△w_i,j＝λ/N。

其中，△w_i,j为第k个第一测量数据在位置网格中对应的至少一个第一网格单元(i，j)的权重值，(θ_i，ρ_j)是第一网格单元(i，j)对应的至少一个第一参数，EI_k为第k个第一测量数据中的回波强度EI，N为第k个第一测量数据所在的第一聚类中的第一测量数据的个数，σ_EI和EI_RB/GR为道路几何的自带属性，σ_EI为道路几何的EI的标准差，EI_RB/GR是道路几何的EI平均值，σ为第二预设数值，λ为第五预设数值。

在一种可能的设计中，先确定累计权重值大于预定义门限的所有第一网格单元，再根据累计权重值大于预定义门限的所有第一网格单元确定用于表示道路几何的第一形状的第一表达式

第一表达式中的

根据累计权重值大于预定义门限的所有第一网格单元对应的第一参数确定，(x，y)为道路几何的位置坐标。需要说明的是，预定义门限可以根据需要进行自定义，在一种可能设计中，可以直接选择累计权重最大的M个第一网络单元，其等价于设定预定义门限，使其仅小于累计权重值最大的M个第一网格单元，根据这M个第一网格单元对应的第一参数确定用于表示道路几何的第一形状的第一表达式。

在本申请实施例所描述的道路几何识别方法中，确定第一网格单元的权重值时综合考虑到了测量数据中的回波强度EI以及位置信息。因此，利用第一网格单元的累计权重值对目标物体对应的测量数据进行过滤，确定道路几何的第一形状的技术方案，可以很好的减少非道路因素的影响，提高确定道路几何的第一形状的准确性。其次，根据第一网格单元的累计权重值确定的道路几何的第一形状为至少一条短线段(可比较容易地表示直线道路和均匀弯道)，因此，该方法更适用于确定直线道路和均匀弯道上的道路几何的形状，从而更好地辅助车辆确定在直线道路和均匀弯道上的驾驶策略。

在一种可能的设计中，根据测量数据生成至少一个第二聚类，第二聚类包括至少一个第二测量数据。然后确定第二测量数据在位置网格中对应的至少一个第二网格单元的权重值，进而根据第二聚类中的所有第二测量数据，确定第二网格单元的累计权重值。最后根据第二网格单元的累计权重值确定第二聚类包含的第二测量数据对应的道路几何。

在一种可能的设计中，先确定累计权重值大于预定义门限的所有第二网格单元，若累计权重值大于预定义门限的所有第一网格单元以及累计权重值大于预定义门限的所有第二网格单元满足第二预设条件，则根据累计权重值大于预定义门限的所有第一网格单元以及累计权重值大于预定义门限的第二网格单元确定第二表达式，第二表达式用于表示道路几何的第二形状。其中，第二预设条件为

或者

根据累计权重值大于预定义门限的所有第一网格单元对应的第一参数确定，

根据累计权重值大于预定义门限的所有第二网格单元对应的第一参数确定，Thresh为第二预设数值，p为第三预设数值，q为第四预设数值。第二表达式为

根据累计权重值大于预定义门限的所有第一网格单元对应的第一参数以及累计权重值大于预定义门限的所有第二网格单元对应的第一参数确定，(x，y)为道路几何的位置坐标。

在一种可能的设计中，对预定义门限的值进行自定义，以确定M个累计权重值最大的第二网格单元和M个累计权重值最大的第一网格单元。若累计权重值最大的M个第一网格单元以及累计权重值最大的M个第二网格单元满足第二预设条件，则根据累计权重值最大的M个第一网格单元以及累计权重值最大的M个第二网格单元确定第二表达式，第二表达式用于表示道路几何的第二形状。其中，第二预设条件为

或者

根据累计权重值最大的M个第一网格单元对应的第一参数确定，

根据累计权重值最大的M个第二网格单元对应的第一参数确定，Thresh为第二预设数值，p为第三预设数值，q为第四预设数值。第二表达式为

根据累计权重值最大的M个第一网格单元对应的第一参数以及累计权重值最大的M个第二网格单元对应的第一参数确定，(x，y)为道路几何的位置坐标。

在本申请实施例所描述的道路几何识别方法中，首先，累计权重值的确定综合考虑到了目标物体的位置以及目标物体的回波强度EI，因此利用累计权重值确定用于表示道路几何的第二形状的第二表达式，可以减少非道路因素的影响，提高确定道路几何的第二形状的准确性。其次，根据所有选出的第一网格单元和第二网格单元确定的道路几何的第二形状为至少一条长线段，因此，该方法可以很好的确定长直道路上的道路几何的形状，从而更好地辅助车辆确定在长直道路上的驾驶策略。

在一种可能的设计中，先确定累计权重值大于预定义门限的所有第二网格单元，若累计权重值大于预定义门限的所有第一网格单元(或者累计权重值最大的M个第一网格单元)和累计权重值大于预定义门限的所有第二网格单元(或者累计权重值最大的M个第二网格单元)满足第二预设条件，则将第一聚类和第二聚类进行合并，得到第三聚类，第三聚类包括至少一个第三测量数据。根据第三聚类中的第三测量数据以及第二预设算法进行运算，确定多个第二参数，其中，第二预设算法可以为最小二乘法或梯度下降法。根据多个第二参数，确定回旋螺线，回旋螺线用于表示道路几何的第三形状。其中，第二预设条件为

或者

根据累计权重值大于预定义门限的所有第二网格单元对应的第一参数确定，Thresh为第二预设数值，p为第三预设数值，q为第四预设数值，回旋螺线的表达形式为y＝c₀+c₁x+c₂x²+c₃x³，c₀、c₁、c₂和c₃为多个第二参数，(x，y)为道路几何的位置坐标。

在本申请的实施例所描述的道路几何识别方法中，根据第一聚类和第二聚类合并后得到的第三聚类中的测量数据确定道路几何的第三形状，可以认为第三聚类中的数据属于同一道路几何，排除噪声和其他物体或其他道路几何的干扰，因此采用上述道路几何识别方法所确定的道路几何的第三形状更完整。另外，利用回旋螺线来表示道路几何的第三形状更加贴合实际，可以较为准确的确定转弯处以及各种直线/非直道路的道路几何的形状，从而更好地辅助车辆确定在弯道、直道等各种道路情况下的驾驶策略。

在一种可能的实现方式中，测量数据还包括目标物体的径向速度，目标物体的位置信息：包括目标物体与传感器的距离以及目标物体相对于传感器的角度信息。根据道路几何对应的所有测量数据，以及传感器速度估计算法进行计算，确定传感器速度估计值。其中，传感器速度估计算法为

，v为传感器速度估计值，H为道路几何的径向速度观测矩阵，H根据道路几何对应的测量数据中的道路几何相对于传感器的角度信息确定，H^T为H的转置矩阵，

为道路几何对应的测量数据中的径向速度矩阵。

采用上述道路几何识别方法，根据道路几何对应的测量数据以及传感器速度估计算法，确定传感器的速度，一般也对应于自动驾驶车辆自车速度，使得自动驾驶车辆能够根据传感器速度以及道路几何更好地确定驾驶策略，以调整其自身的速度、位置和/或方向。

第二方面，本申请实施例提供一种道路几何识别装置，该装置具有实现上述第一方面中任一项的道路几何识别方法的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件来实现。该硬件或软件包括一个或多个与上述功能相对应的模块。

第三方面，本申请提供一种道路几何识别装置，该装置可以为车辆，也可以是能够支持车辆实现自动驾驶功能的装置，可以和车辆匹配使用，例如车辆中的装置(比如车辆中的传感器，或者车辆的计算机系统上运行的操作系统和/或驱动等)。该装置包括生成模块、确定模块，这些模块可以执行上述第一方面任一种设计示例中的道路几何识别装置执行的相应功能，具体的：

生成模块，用于根据测量数据生成至少一个第一聚类，第一聚类包含至少一个第一测量数据，测量数据至少包括目标物体的位置信息。

确定模块，用于确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，位置网格包括至少一个网格单元，其中每个网格单元对应至少一个第一参数。

确定模块，用于根据第一聚类中的所有第一测量数据，确定第一网格单元的累计权重值。根据第一网格单元的累计权重值确定第一聚类包含的第一测量数据对应的目标物体为道路几何。

在一种可能的设计中，生成模块，还用于根据传感器的探测范围和/或传感器的分辨单元大小，确定位置网格。

在一种可能的设计中，确定模块，还用于根据第一预设条件，确定第一测量数据在位置网格中对应的至少一个第一网格单元。其中，第一预设条件为|x_kcosθ_i+y_ksinθ_i-ρ_j|≤d_Thresh，(x_k，y_k)为第k个第一测量数据的位置坐标，(θ_i，ρ_j)为第一网格单元(i，j)对应的至少一个第一参数，d_Thresh为第一预设数值，k为大于0的整数。

在一种可能的设计中，测量数据还包括目标物体的回波强度EI。

在一种可能的设计中，确定模块，具体用于根据第一测量数据中的回波强度EI，或者第一测量数据中的回波强度EI和位置信息，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

在一种可能的设计中，确定模块，具体用于根据第一预设算法，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

其中，第一预设算法可以为指数函数形式：

或

或者第一预设算法可以为对数函数形式：

或者第一预设算法可以为常数形式：△w_i,j＝λ/N。

在一种可能的设计中，确定模块，还用于确定累计权重值大于预定义门限的所有第一网格单元。然后由确定模块根据累计权重值大于预定义门限的所有第一网格单元确定用于表示道路几何的第一形状的第一表达式。其中，第一表达式为

根据累计权重值大于预定义门限的所有第一网格单元对应的第一参数确定，(x，y)为道路几何的位置坐标。

在一种可能的设计中，生成模块，还用于根据测量数据生成至少一个第二聚类；第二聚类包括至少一个第二测量数据。

确定模块，还用于确定第二测量数据在位置网格中对应的第二网格单元的权重值。然后由确定模块根据第二聚类中的所有第二测量数据，确定第二网格单元的累计权重值。最后根据第二网格单元的累计权重值确定第二聚类包含的第二测量数据对应的目标物体为道路几何。

在一种可能的设计中，确定模块，还用于确定累计权重值大于预定义门限的所有第二网格单元。然后由确定模块在累计权重值大于预定义门限的所有第一网格单元以及累计权重值大于预定义门限的所有第二网格单元满足第二预设条件时，根据累计权重值大于预定义门限的所有第一网格单元以及累计权重值大于预定义门限的第二网格单元确定第二表达式，第二表达式用于表示道路几何的第二形状。其中，第二预设条件为

或者

在一种可能的设计中，对预定义门限的值进行自定义，确定模块，还用于确定累计权重值最大的M个第二网格单元以及M个累计权重值最大的第一网格单元。确定模块用于在累计权重值累计权重值最大的M个第一网格单元以及累计权重值最大的M个第二网格单元满足第二预设条件时，根据累计权重值最大的M个第一网格单元以及累计权重值最大的M个第二网格单元确定第二表达式，第二表达式用于表示道路几何的第二形状。其中，第二预设条件为

或者

在一种可能的设计中，确定模块，用于在确定累计权重值大于预定义门限的所有第二网格单元(或者累计权重值最大的M个第二网格单元)后，由确定模块在累计权重值大于预定义门限的所有第一网格单元和累计权重值大于预定义门限的所有第二网格单元(或者累计权重值最大的M个第二网格单元)满足第二预设条件时，将第一聚类和第二聚类进行合并，得到第三聚类，第三聚类包括至少一个第三测量数据。根据第三聚类中的第三测量数据以及第二预设算法进行运算，确定多个第二参数，其中，第二预设算法为最小二乘法或梯度下降法。确定模块再根据多个第二参数，确定用于表示道路几何的第三形状的回旋螺线，其中，第二预设条件为

或者

根据累计权重值大于预定义门限的所有第二网格单元对应的第一参数确定，Thresh为第二预设数值，p为第三预设数值，q为第四预设数值。回旋螺线为y＝c₀+c₁x+c₂x²+c₃x³，c₀、c₁、c₂和c₃为多个第二参数，(x，y)为道路几何的位置坐标。

在一种可能的设计中，确定模块，还用于根据道路几何对应的所有测量数据，以及传感器速度估计算法进行计算，确定传感器速度估计值。其中，传感器速度估计算法为

v为传感器速度估计值，H为道路几何的径向速度观测矩阵，H根据道路几何对应的测量数据中的道路几何相对于传感器的角度信息确定，H^T为H的转置矩阵，

为道路几何对应的测量数据中的径向速度矩阵。

第四方面，提供一种道路几何识别装置，包括：处理器和存储器；该存储器用于存储计算机执行指令，当该道路几何识别装置运行时，该处理器执行该存储器存储的该计算机执行指令，以使该道路几何识别装置执行如上述第一方面以及第一方面中任一项的道路几何识别方法。

第五方面，提供一种道路几何识别装置，包括：处理器；处理器用于与存储器耦合，并读取存储器中的指令之后，根据指令执行如上述第一方面以及第一方面中任一项的道路几何识别方法。

第六方面，本申请实施例中还提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上述第一方面以及第一方面中任一项的道路几何识别方法。

第七方面，本申请实施例中还提供一种计算机程序产品，包括指令，当其在计算机上运行时，使得计算机执行如上述第一方面以及第一方面中任一项的道路几何识别方法。

第八方面，本申请实施例提供一种道路几何识别装置，该装置可以为芯片系统，该芯片系统包括处理器，还可以包括存储器，用于实现上述方法的功能。该芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。

第九方面，提供一种道路几何识别装置，该装置可以为电路系统，电路系统包括处理电路，处理电路被配置为执行如上述第一方面以及第一方面中任一项的道路几何识别方法。

第十方面，本申请实施例提供了一种系统，系统包括第二至第五方面以及第八、九方面中的任一方面的装置和/或第六方面的可读存储介质和/或第七方面中的计算机程序产品。

附图说明

图1为本申请实施例提供的一种自动驾驶车辆的结构示意图一；

图2为本申请实施例提供的一种自动驾驶车辆的结构示意图二；

图3为本申请实施例提供的一种计算机系统的结构示意图；

图4为本申请实施例提供的一种云侧指令自动驾驶车辆的应用示意图；

图5为本申请实施例提供的一种计算机程序产品的结构示意图；

图6为本申请实施例提供的道路几何识别方法流程示意图一；

图6a为本申请实施例提供的一种对目标物体进行测量的示意图；

图6b为本申请实施例提供的一种二维第一聚类的示意图；

图6c为本申请实施例提供的一种三维第一聚类的示意图；

图6d为本申请实施例提供的一种位置网格的示意图；

图6e为本申请实施例提供的一种第一测量数据在位置网格中对应的至少一个第一网格单元的示意图一；

图6f为本申请实施例提供的一种第一测量数据在位置网格中对应的至少一个第一网格单元的示意图二；

图7为本申请实施例提供的道路几何识别方法示意图二；

图8为本申请实施例提供的道路几何识别方法示意图三；

图9为本申请实施例提供的道路几何识别方法示意图四；

图10为本申请实施例提供的道路几何识别装置的结构示意图一；

图11为本申请实施例提供的道路几何识别装置的结构示意图二。

具体实施方式

为了便于理解，对本申请实施例中涉及到的相关术语进行说明，如下所示：

自动驾驶：自动驾驶技术是依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆的技术。根据美国汽车工程师协会(society of automotive engineers，SAE)的分类标准，自动驾驶技术分为：无自动化(L0)、驾驶支援(L1)、部分自动化(L2)、有条件自动化(L3)、高度自动化(L4)和完全自动化(L5)。

径向速度：物理学名词，一般指物体运动速度在观察者视线方向的速度分量，即速矢量在视线方向的投影。

雷达散射截面积(radar cross section，RCS)：RCS是一个等效面积，当这个面积所截获的雷达照射能量各同性地向周围散射时，在单位立体角内散射的功率恰好等于目标向接收天线方向单位立体角内散射的功率。对于某雷达数据点，雷达散射截面积反应了该点对应的目标物体的反射强度。

声纳目标强度(sonar target strength,sonar TS)：目标强度(targetstrength，TS)定量描述目标反射本领的大小，从回声强度角度描述目标的声学特性。

欧氏距离：欧几里得度量(euclidean metric)(也称欧氏距离)是一个通常采用的距离定义，指在n维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。在n维空间中，两点的坐标分别为(x₁，x₂，…，x_n)和(y₁，y₂，…，y_n)，则这两点之间的欧氏距离为

本申请实施例提供的道路几何识别方法应用在具有自动驾驶或者辅助驾驶功能的车辆上，或者应用于具有控制自动驾驶功能的其他设备(比如云端服务器)中。车辆可通过其包含的组件(包括硬件和软件)实施本申请实施例提供的道路几何识别方法，识别道路几何。或者，其他设备(比如服务器)用于实施本申请实施例的道路几何识别方法，识别道路几何，并确定车辆速度(即传感器速度)，以制定驾驶策略。

图1是本申请实施例提供的车辆100的功能框图。在一个实施例中，将车辆100配置为辅助驾驶或者完全的自动驾驶模式。例如，车辆100可以在处于辅助驾驶或完全的自动驾驶模式的同时识别道路几何，并且基于所识别的道路几何来制定驾驶策略，进而控制车辆100进行自动化驾驶。车辆100还可以在识别道路几何后，将道路几何与已存储的地图信息进行匹配，得到更准确的环境信息，从而确定更好的驾驶策略。在车辆100处于自动驾驶模式时，车辆100不与驾驶员发生交互，自主完成避障、跟车、车道保持、自动泊车等动作。在车辆100处于辅助驾驶模式时，车辆100根据驾驶策略对驾驶员进行提示，驾驶员根据提示完成避障、跟车、车道保持、自动泊车等动作。

车辆100可包括各种子系统，例如行进系统110、传感器系统120、控制系统130、一个或多个外围设备140以及电源150、计算机系统160和用户接口170。可选地，车辆100可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。

行进系统110可包括为车辆110提供动力的组件，例如引擎、传动装置等。

传感器系统120可包括感测关于车辆100周边的环境的信息的若干个传感器。例如，传感器系统120可包括定位系统121(定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)122、雷达传感器123、激光雷达124、视觉传感器125、超声波传感器126以及声纳传感器127中的至少一个。可选地，传感器系统120还可包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。

定位系统121可用于估计车辆100的地理位置。IMU 122用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，IMU 122可以是加速度计和陀螺仪的组合。

雷达传感器123可利用电磁波信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体的位置以外，雷达传感器123还可用于感测物体的径向速度和/或该物体的雷达散射截面积RCS。

超声波传感器126可利用超声波来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体的位置外，超声波传感器126还可用于感测物体的径向速度和/或该物体的回波幅度。

声纳传感器127可利用声波来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体的位置以外，声纳传感器127还可用于感测物体的径向速度和/或该物体的声纳目标强度sonar TS。

激光雷达124可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光雷达124可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

视觉传感器125可用于捕捉车辆100的周边环境的多个图像。视觉传感器125可以是静态相机或视频相机。

控制系统130可控制车辆100及其组件的操作。控制系统130可包括各种元件，例如计算机视觉系统131、路线控制系统132以及障碍规避系统133等系统中的至少一个。

计算机视觉系统131可以操作来处理和分析由视觉传感器125捕捉的图像以及由雷达传感器123得到的测量数据，以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统131可使用物体识别算法、运动中恢复结构(structure from motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统131可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

路线控制系统132用于确定车辆100的行驶路线。在一些实施例中，路线控制系统132可结合来自雷达传感器123、定位系统121和一个或多个预定地图的数据以为车辆100确定行驶路线。

障碍规避系统133用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。

当然，在一个实例中，控制系统130可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

车辆100可利用无线通信系统140获取所需信息，其中，无线通信系统140可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统140可使用3G蜂窝通信，例如CDMA、EVD0、GSM/GPRS，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信系统140可利用WiFi与无线局域网(wireless local area network，WLAN)通信。在一些实施例中，无线通信系统140可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信系统，例如，无线通信系统140可包括一个或多个专用短程通信(dedicatedshort range communications，DSRC)设备。

车辆100的部分或所有功能受计算机系统160控制。计算机系统160可包括至少一个处理器161，处理器161执行存储在例如数据存储装置162这样的非暂态计算机可读介质中的指令1621。计算机系统160还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。

处理器161可以是任何常规的处理器，诸如商业可获得的中央处理单元(centralprocessing unit，CPU)。替选地，该处理器可以是诸如专用集成电路(applicationspecific integrated circuit，ASIC)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同物理外壳中的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机系统、或存储器实际上可以包括可以存储在相同的物理外壳内的多个处理器、计算机系统、或存储器，或者包括可以不存储在相同的物理外壳内的多个处理器、计算机系统、或存储器。例如，存储器可以是硬盘驱动器，或位于不同于物理外壳内的其它存储介质。因此，对处理器或计算机系统的引用将被理解为包括对可以并行操作的处理器或计算机系统或存储器的集合的引用，或者可以不并行操作的处理器或计算机系统或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1不应理解为对本申请实施例的限制。

在道路行进的自动驾驶或带有辅助驾驶系统的汽车，如上面的车辆100，可以识别其周围环境内的道路几何以确定其驾驶策略或作出相应辅助警告。道路几何可以是车道线、护栏、绿化带、道路边沿或者其它物体。在一些示例中，可以独立地考虑每个识别的道路几何，并且基于道路几何的各自的特性，诸如它的位置、与车辆的间距等以及本车的行驶速度、接下来的路线规划，可以用来确定自动驾驶汽车的驾驶策略。

可选地，自动驾驶汽车车辆100或者与自动驾驶车辆100相关联的计算设备(如图1的计算机系统160、计算机视觉系统131、数据存储装置162)可以基于所识别的测量数据来预测所述和识别道路几何。可选地，每一个所识别的道路几何都依赖于彼此，因此，还可以将所获取的所有测量数据全部一起考虑来预测和识别单个道路几何。车辆100能够基于预测的所述识别的道路几何来调整它的驾驶策略。换句话说，自动驾驶汽车能够基于所预测的道路几何来确定车辆将需要调整到什么位置。在这个过程中，也可以考虑其它因素来确定车辆100的位置，诸如，车辆100在行驶过程中周围车辆的状态、天气状况等等。

除了提供用于识别道路几何，以调整自动驾驶汽车的驾驶策略之外，计算设备还可以提供调整车辆100的速度的指令，以使得自动驾驶汽车在遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离的同时，调整其速度(例如，加速、减速、转向或者停止)为安全速度，达到稳定状态，或者在辅助驾驶模式下，驾驶员根据显示器上的转向、加速、制动指示，做出相应的操作，使车辆达到稳定状态。

上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等，本申请实施例不做特别的限定。

在本申请的另一些实施例中，自动驾驶车辆还可以包括硬件结构和/或软件模块，以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行，取决于技术方案的特定应用和设计约束条件。

参见图2，示例性的，车辆中可以包括以下模块：

环境感知模块201，用于获取路侧传感器与车载传感器探测的目标物体的测量数据信息。路侧传感器与车载传感器可以是激光雷达、毫米波雷达、超声波传感器、声纳传感器等，环境感知模块获取到的数据可以是雷达探测到的点云数据，环境感知模块可以将这些数据处理成可识别的目标物体的位置、径向速度、角度、尺寸大小等测量数据，并向规则控制模块传递这些数据，以便于这两个控制模块生成驾驶策略。

规则控制模块202：该模块是自动驾驶车辆所具备的传统控制模块，用于从环境感知模块接收车辆自身的状态信息(比如速度、位置等)和环境信息(比如道路几何、路面条件、天气条件等)，并基于这些信息识别出道路几何，并生成相应的驾驶策略，输出驾驶策略对应的动作指令，并向车辆控制模块203发送该动作指令，该动作指令用于指示车辆控制模块203对车辆进行自动驾驶控制。

车辆控制模块203：用于从规则控制模块202接收动作指令，以控制车辆完成自动驾驶的操作。

车载通信模块204(图2中并未示出)：用于自车和其他车之间的信息交互。

存储组件205(图2中并未示出)，用于存储上述各个模块的可执行代码。运行这些可执行代码可实现本申请实施例的部分或全部方法流程。

在本申请实施例的一种可能的实现方式中，如图3所示，图1所示的计算机系统160包括处理器301，处理器301和系统总线302耦合。处理器301可以是一个或者多个处理器，其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)303，显示适配器303可以驱动显示器309，显示器309和系统总线302耦合。系统总线302通过总线桥304和输入输出(I/O)总线(BUS)305耦合。I/O接口306和I/O总线305耦合。I/O接口306和多种I/O设备进行通信，比如输入设备307(如：键盘，鼠标，触摸屏等)，多媒体盘(media tray)308,(例如，CD-ROM，多媒体接口等)。收发器315(可以发送和/或接收无线电通信信号)，摄像头310(可以捕捉静态和动态数字视频图像)和外部通用串行总线(universal serial bus，USB)接口311。其中，可选地，和I/O接口306相连接的接口可以是USB接口。

其中，处理器301可以是任何传统处理器，包括精简指令集计算(reducedinstruction set computer，RISC)处理器、复杂指令集计算(complex instruction setcomputer，CISC)处理器或上述的组合。可选地，处理器可以是诸如专用集成电路(ASIC)的专用装置。可选地，处理器301可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。

可选地，在本文所述的各种实施例中，计算机系统160可位于远离自动驾驶车辆的地方，并且可与自动驾驶车辆100无线通信。在其它方面，本文所述的一些过程可设置在自动驾驶车辆内的处理器上执行，其它一些过程由远程处理器执行，包括采取执行单个操纵所需的动作。

计算机系统160可以通过网络接口312和软件部署服务器(deploying server)313通信。网络接口312是硬件网络接口，比如，网卡。网络(network)314可以是外部网络，比如因特网，也可以是内部网络，比如以太网或者虚拟私人网络(VPN)。可选地，网络314还可以为无线网络，比如WiFi网络，蜂窝网络等。

在本申请的另一些实施例中，本申请实施例的道路几何识别方法还可以由芯片系统执行。本申请实施例提供了一种芯片系统。由主CPU(Host CPU)和神经网络处理器(neural processing unit，NPU)共同配合，可实现图1中车辆100所需功能的相应算法，也可实现图2所示车辆所需功能的相应算法，也可以实现图3所示计算机系统160所需功能的相应算法。

在本申请的另一些实施例中，计算机系统160还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者，从车辆100的传感器系统120收集的传感器数据可以被转移到另一个计算机，由另一计算机对此数据进行处理。来自计算机系统160的数据可以经由网络被传送到云侧的计算机系统用于进一步的处理。网络以及中间节点可以包括各种配置和协议，包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有通信协议的专用网络、以太网、WiFi和HTTP、以及前述的各种组合。这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备执行，诸如调制解调器和无线接口。

参见图4，为自主驾驶车辆和云服务中心(云服务器)交互的示例。云服务中心可以经诸如无线通信网络的网络411，从其环境400内的自动驾驶车辆413、412接收信息(诸如车辆传感器收集到的数据或者其它信息)。

云服务中心420根据接收到的数据，运行其存储的道路几何识别的相关的程序，对自动驾驶车辆413、412行驶的道路几何进行识别。根据测量数据识别道路几何的相关的程序可以为：对测量数据进行聚类的程序，或者确定道路几何的形状的程序，或者确定传感器速度的程序。

示例性的，云服务中心420通过网络411可将地图的部分提供给车辆413、412。在其它示例中，可以在不同位置之间划分操作。例如，多个云服务中心可以接收、证实、组合和/或发送信息报告。在一些示例中还可以在车辆之间发送信息报告和/传感器数据。其它配置也是可能的。

如图5所示，在一些示例中，信号承载介质501可以包含计算机可读介质503，诸如但不限于，硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等等。在一些实施方式中，信号承载介质501可以包含计算机可记录介质504，诸如但不限于，存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中，信号承载介质501可以包含通信介质505，诸如但不限于，数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此，例如，信号承载介质501可以由无线形式的通信介质505(例如，遵守IEEE802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令502可以是，例如，计算机可执行指令或者逻辑实施指令。在一些示例中，诸如针对图1至图4描述的计算设备可以被配置为，响应于通过计算机可读介质503、和/或计算机可记录介质504、和/或通信介质505中的一个或多个传达到计算设备的程序指令502，提供各种操作、功能、或者动作。应该理解，这里描述的布置仅仅是用于示例的目的。因而，本领域技术人员将理解，其它布置和其它元素(例如，机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用，并且一些元素可以根据所期望的结果而一并省略。另外，所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。

本申请实施例提供的道路几何识别方法均应用在自动/半自动驾驶场景中，可以由图1-图4所示的处理器161和处理器301执行。下面结合各个附图详细描述本申请实施例的道路几何识别方法。

本申请实施例提供一种道路几何识别方法，如图6所示，该方法包括如下步骤，下面结合图6，对本申请的实施例进行描述：

S101、根据传感器的测量数据生成至少一个第一聚类。

其中，第一聚类中的测量数据为第一测量数据，第一聚类中包括至少一个第一测量数据，测量数据至少包括目标物体的位置信息，目标物体为道路几何或者其他车辆等非道路几何的物体。

值得说明的是，在进行步骤S101之前，还需要先获取传感器探测目标物体的测量数据。其中，测量数据至少包括目标物体的位置信息，目标物体的位置信息包括目标物体与传感器的距离和/或目标物体相对于传感器的角度信息(角度信息包括方位角和/或俯仰角)。

可选的，本申请实施例中的传感器为雷达传感器、超声波传感器或者声纳传感器，也可以为其他传感器，例如激光雷达等。此时，测量数据中还包括目标物体的回波强度EI和/或目标物体相对于传感器的径向速度。当传感器为雷达传感器或者激光雷达时，测量数据中的EI为雷达散射截面积RCS，当传感器为声纳传感器时，测量数据中的EI为声纳目标强度sonar TS，当传感器为超声波传感器时，测量数据中的EI为回波幅度。其中，回波强度是电磁波或者声波等发送到不同媒质界面上后，从相应的媒质界面反射回来的电磁波或声波的强度。

示例性的，以传感器为雷达传感器，测量数据包括目标物体的位置信息、目标物体的RCS，以及目标物体相对于雷达传感器的径向速度，且目标物体的位置信息中的角度信息为方位角为例。对目标物体进行测量的示意图如图6a所示，以雷达传感器所在位置(即车辆所在位置)为原点O建立坐标系，x轴方向为雷达传感器的运动方向，y轴方向垂直于雷达传感器的运动方向，垂直于x轴和y轴建立z轴。x轴和y轴的坐标分别表示目标物体相对于雷达传感器的正对距离和横向距离，z轴的坐标表示目标物体的径向速度，其中，x轴和y轴的坐标可以由雷达传感器收集到的距离测量和方位角测量求得，则对于目标物体进行测量所得到的测量数据可以用向量(x，y，z)表示。若A为目标物体，传感器对A进行测量得到的测量数据为(x_A，y_A，z_A)，其中，x_A和y_A分别表示A相对于雷达传感器的正对距离和横向距离，α表示A相对于雷达传感器的方位角，线段OA的长度即从雷达传感器到A的距离，z_A表示A的径向速度。若用A的体积(或面积)大小表示A的RCS大小，此时测量数据可以用向量(x_A，y_A，z_A，RCS_A)表示，若再加上目标物体的俯仰角信息，则可将原向量扩展为(x_A，y_A，z_A，v_A，RCS_A)。

在一种可能的实现方式中，在获取传感器的测量数据之后，通过聚类算法，对测量数据进行聚类，得到至少一个第一聚类。

示例性的，聚类算法可以为基于密度的噪声应用空间聚类(density-basedspatial clustering of applications with noise，DBSCAN)方法、基于点排序的聚类结构识别(ordering points to identify the clustering structure，OPTICS)方法、或者基于层次密度的噪声应用空间聚类(hierarchical density-based spatial clusteringof applications with noise，HDBSCAN)方法。值得说明的是，聚类算法还可以为基于模型的聚类(model-based methods)方法，并不局限于本申请实施例中提及到的聚类算法。

示例性的，以测量数据包括目标物体的位置信息(包括目标物体与传感器的距离和方位角)，聚类算法为DBSCAN为例。测量数据可以用向量(x，y)表示，x表示目标物体相对于传感器的正对距离，y表示目标物体相对于传感器的横向距离，x和y可以由传感器收集到的距离测量和方位角测量求得。测量数据有9个，分别为A、B、C、D、E、F、G、H、I，这9个测量数据分别用向量(x_A，y_A)、(x_B，y_B)、(x_C，y_C)、(x_D，y_D)、(x_E，y_E)、(x_F，y_F)、(x_G，y_G)、(x_H，y_H)、(x_I，y_I)表示。计算这9个测量数据之间的欧氏距离，并根据这9个测量数据之间的欧式距离的大小，将欧式距离较小且不大于预设阈值的测量数据划入同一聚类，得到多个聚类，如图6b所示。其中，第一聚类为包含A、B、C的聚类，或者包含D、E、F的聚类，或者包含G、H、I的聚类。

示例性的，以测量数据包括目标物体的位置信息和目标物体的径向速度，聚类算法为DBSCAN为例。测量数据可以用向量(x，y，z)表示，x表示目标物体相对于传感器的正对距离，y表示目标物体相对于传感器的横向距离，z表示目标物体的径向速度，x和y可以由传感器收集到的距离测量和方位角测量求得。测量数据有6个，分别为A、B、C、D、E、F，这6个测量数据分别用(x_A，y_A，z_A)、(x_B，y_B，z_B)、(x_C，y_C，z_C)、(x_D，y_D，z_D)、(x_E，y_E，z_E)、(x_F，y_F，z_F)表示。计算这6个测量数据之间的欧氏距离，根据这6个测量数据之间的欧氏距离的大小，将欧氏距离较小且不大于预设阈值的测量数据划入同一聚类，得到多个聚类，如图6c所示。其中，第一聚类为包含A、B、C的聚类或者包含D、E、F的聚类。

示例性的，以测量数据包括目标物体的位置信息(包括目标物体与传感器的距离、目标物体相对于传感器的方位角和俯仰角)，聚类算法为DBSCAN为例。测量数据用向量(x，y，v)表示，其中，x表示目标物体相对于传感器的正对距离，y表示目标物体相对于传感器的横向距离，v表示目标物体相对于传感器的高度，x、y和v可以由传感器收集到的距离测量、方位角测量和俯仰角测量求得。测量数据有6个，分别为A、B、C、D、E、F，这6个测量数据分别用(x_A，y_A，v_A)、(x_B，y_B，v_B)、(x_C，y_C，v_C)、(x_D，y_D，v_D)、(x_E，y_E，v_E)、(x_F，y_F，v_F)表示。计算这6个测量数据之间的欧氏距离，根据将这6个测量数据之间的欧氏距离的大小，将欧氏距离较小且不大于预设阈值)的测量数据划入同一聚类，得到多个聚类。其中，第一聚类为包含A、B、C的聚类或者包含D、E、F的聚类。

示例性的，以测量数据包括目标物体的位置信息(包括目标物体与传感器的距离、目标物体相对于传感器的方位角)，聚类算法为DBSCAN为例。测量数据用向量(d，

)表示，d表示目标物体与传感器的距离，

表示目标物体相对于传感器的方位角。测量数据有3个，分别为A、B、C，这3个测量数据分别用(d_A，

)、(d_B，

)和(d_C，

)表示。计算这3个测量数据之间的欧氏距离，并根据这3个测量数据之间的欧氏距离的大小进行聚类，将欧氏距离较小且不大于预设阈值的测量数据划分到同一聚类中，得到第一聚类为包含A、B、C的聚类。

示例性的，以测量数据包括目标物体的位置信息(包括目标物体与传感器的距离、目标物体相对于传感器的方位角)、目标物体相对于传感器的径向速度，聚类算法为DBSCAN为例。测量数据用向量(d，

z)表示，d表示目标物体与传感器的距离，

表示目标物体相对于传感器的方位角，z表示物体的径向速度。测量数据有3个，分别为A、B和C，用(d_A，

z_A)、(d_B，

z_B)和(d_C，

z_C)表示。计算这3个测量数据之间的欧氏距离，并根据将这3个测量数据之间的欧氏距离的大小进行聚类，将欧氏距离较小且不大于预设阈值的测量数据划分到同一聚类中，得到第一聚类为包含A、B、C的聚类。

可选的，当测量数据包括目标物体的回波强度EI时，可以在聚类时可以加上该参数。例如，测量数据包含目标物体的三维位置信息，可以表示为向量(x，y，v)，x表示目标物体相对于传感器的正对距离，y表示目标物体相对于传感器的切向距离，v表示目标物体相对于传感器的高度，x、y和v可以由传感器收集到的距离测量、方位角测量和俯仰角测量求得。若测量数据中还包括目标物体的回波强度EI，则测量数据则可表示为向量(x，y，v，e)，e表示目标物体的回波强度EI，同样根据各个测量数据向量之间的欧式距离，确定聚类结果。

需要说明的是，首先，相对于利用摄像头采集到的图像确定道路边沿的方案来说，本申请实施例中所用到的雷达传感器、声纳传感器或者超声波传感器等传感器，采集到的测量数据的准确度和稳定性更高，不易受到光照等因素的影响，因此根据测量数据确定道路几何，可以提高确定道路几何的准确率。另外，通过上述过程，对传感器收集到的测量数据进行聚类处理，可以有效滤除测量数据中的干扰信息，例如不相关的杂波信号和其他物体的测量数据，降低数据处理的工作量和复杂度，提高确定道路几何的准确性，从而更好的辅助车辆确定驾驶策略。

S102、确定第一测量数据在位置网格中对应的至少一个第一网格单元。

其中，第一聚类中的测量数据为第一测量数据，每个第一聚类中包括至少一个第一测量数据，位置网格包括至少一个网格单元，每个网格单元对应至少一个第一参数。

可选的，在步骤S102之前，还需要根据传感器的探测范围和传感器的分辨单元大小，确定位置网格，其中，传感器的探测范围用于确定位置网格的大小，传感器的分辨单元大小用于确定预设网格分辨单元大小，进而根据位置网格的大小和预设网格分辨单元大小确定位置网格，预设网格分辨单元的大小也可以根据实际情况确定。

示例性的，如图6d所示，位置网格中的每个网格单元对应的至少一个第一参数(即该网格单元左下角的坐标)为(ρ，θ)。若传感器的最大探测距离为Rm，分辨单元大小为0.1m，则ρ的取值范围为[0，2R]或[-R，R]，θ的取值范围为[0，π]或[-π/2，π/2]，ρ的分辨单元大小ρ_res大小可以为0.1m，θ的分辨单元大小θ_res大小可以为0.1°。

在一种可能的实现方式中，根据第一预设条件，确定第一测量数据在位置网格中对应的至少一个第一网格单元。第一预设条件用于根据第一测量数据确定位置网格中的一个区域，该区域中的网格单元为该第一测量数据在位置网格中对应的至少一个第一网格单元。其中，第一预设条件为|x_kcosθ_i+y_ksinθ_i-ρ_j|≤d_Thresh，(x_k，y_k)为第k个第一测量数据的位置坐标，(θ_i，ρ_j)为第一网格单元(i，j)对应的至少一个第一参数，d_Thresh为第一预设数值，k为大于0的整数。

示例性的，第一预设数值d_Thresh＝0，第一预设条件为|x_kcosθ_i+y_ksinθ_i-ρ_j|＝0。若包含测量数据A、B的聚类为第一聚类，则对于该第一聚类来说，k的取值为1和2，根据第一聚类中的第一测量数据A，B以及第一预设条件可以得到位置网格中的2条直线，分别为直线1、直线2，如图6e所示，每条直线经过至少一个第一网格单元，第一聚类中的第一测量数据与第一网格单元的对应关系如下表1所示。若包含测量数据C、D和E的聚类为第一聚类，则对于第一聚类来说，k的取值为1、2和3，根据第一聚类中的第一测量数据C、D、E以及第一预设条件可以得到位置网格中的3条直线，分别为直线3、直线4和直线5，如图6f所示，每条直线经过至少一个第一网格单元，第一聚类中的第一测量数据与第一网格单元的对应关系如下表2所示。

表1

表2

需要说明的是，第一预设条件中的第一预设数值d_Thresh并不局限于上述实施例中提到的0，还可以为2ρ_res等预设值，具体的，第一预设数值d_Thresh可以根据实际情况来确定。

S103、确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

可选的，在一种可能的实现方式中，在利用步骤S102确定第一测量数据在位置网格中对应的至少一个第一网格单元后，再根据第一测量数据中的回波强度EI，或者第一测量数据中的回波强度EI和位置信息，以及第一预设算法确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

第一预设算法可以为指数函数形式：

或

或者第一预设算法可以为对数函数形式：

或者第一预设算法可以为常数形式：△w_i,j＝λ/N。

示例性的，如上表1所示，若第一聚类为包含测量数据A、B的聚类，则第一聚类中的第一测量数据有两个，即N＝2，第一聚类中的第1个第一测量数据在位置网格中对应的至少一个第一网格单元为网格单元a，若σ＝2ρ_res，EI_RB/GR＝0.1，σ_EI＝0.1，第五预设数值λ＝1，则第一网格单元a的权重值为

或者

或者

或者

或者

若第一聚类为包含测量数据C、D、E的聚类，则第一聚类中的第一测量数据有三个，即N＝3，第一聚类中的第2个第一测量数据在位置网格中对应的至少一个第一网格单元为网格单元b、c、d、e和f，若σ＝2ρ_res，EI_RB/GR＝0.1，σ_EI＝0.1，第五预设数值λ＝1，σ＝2ρ_res，第一网格单元d的权重值

或者

或者

或者

或者

需要说明的是，σ的值可以根据实际情况确定，并不局限于本申请实施例中涉及到的σ＝2ρ_res。

示例性的，当传感器为雷达传感器时，第一预设算法为

或者

或者

或者

△w_i,j为第k个第一测量数据在位置网格中对应的至少一个第一网格单元(i，j)的权重值，RCS_k为第k个第一测量数据中的雷达散射截面积RCS，N为第k个第一测量数据所在的第一聚类中所有第一测量数据的个数，σ_RCS和RCS_RB/GR为道路几何的自带属性，σ_RCS为道路几何的RCS的标准差，RCS_RB/GR是道路几何的RCS平均值，σ为第二预设数值。

S104、根据第一聚类中的所有第一测量数据，确定第一网格单元的累计权重值。

第一网格单元的累计权重值由第一网格单元对应的至少一个权重值累加得到。

示例性的，第一聚类对应的第一测量数据有两个，因此N＝2，k的取值为1或2。在该第一聚类中，第1个第一测量数据在位置网格中对应的至少一个第一网格单元为网格单元a，其权重值为

第2个第一测量数据的对应的第一网格单元为网格单元a和c，第一网格单元a的权重值为

第一网格单元c的权重值为

因此，第一聚类对应的第一网格单元a的累计权重值为

第一网格单元c的累计权重值为

其余网格单元累计权重为零。

示例性的，若第一聚类对应的第一测量数据有3个，则N＝3，k的取值为1、2或3。在该第一聚类中，第1个第一测量数据在位置网格中对应的至少一个第一网格单元为网格单元s、b、c和e，对应的权重值分别为1、2、3和4，第2个第一测量数据在位置网格中对应的至少一个第一网格单元为网格单元b、d、c、e和f，对应的权重值分别为1、2、3、4和5，第3个第一测量数据在位置网格中对应的至少一个第一网格单元为网格单元b、d、c、e、f、g和h，对应的权重值分别为1、2、3、4、5、6和7。因此第一聚类在位置网格中对应的第一网格单元s、b、c、e、f、g和h的累计权重值分别为1、4、9、12、10、6和7。若第一聚类对应的第一测量数据有2个，则N＝2，k的取值为1、2。在该第一聚类中，第1个第一测量数据在位置网格中对应的至少一个第一网格单元为网格单元a，对应的权重值为6，第2个第一测量数据在位置网格中对应的至少一个第一网格单元为网格单元a和c，对应的权重值分别为5和9。因此第一聚类在位置网格中对应的第一网格单元a和c对应的累计权重值分别为11和9。

需要说明的是，在确定第一网格单元的累计权重值的过程中，考虑到了传感器所收集到的目标物体的位置信息、目标物体的回波强度EI和/或目标物体相对于传感器的径向速度，考虑因素全面，使得累计权重值更能够反应目标物体的特性，减少非道路信息的影响，从而提高确定道路几何的准确性。

S105、根据第一网格单元的累计权重值确定第一聚类包含的第一测量数据对应的目标物体为道路几何。

其中，道路几何包括道路边沿、护栏和车道线中的至少一种。

可选的，在一种可能的实现方式中，若第一聚类中的所有第一测量数据在位置网格中对应的至少一个第一网格单元中，存在累计权重值大于预定义门限的第一网格单元，则该第一聚类中包含的第一测量数据对应的目标物体为道路几何。

示例性的，以预定义门限为11为例。若第一聚类在位置网格中对应的第一网格单元s、b、c、e、f、g和h的累计权重值分别为1、4、9、12、10、6和7，该第一聚类对应的第一网格单元e的累计权重值大于预定义门限，则该第一聚类中的第一测量数据对应的目标物体为道路几何。若第一聚类在位置网格中对应的第一网格单元a和c的累计权重值分别为11和9，该第一聚类对应的第一网格单元的累计权重值均未超过预定义门限，则该第一聚类中的第一测量数据对应的目标物体不是道路几何。

可选的，在一种可能的实现方式中，若第一聚类中的所有第一测量数据在位置网格中对应的至少一个第一网格单元中，存在累计权重值大于预定义门限的第一网格单元，则确定累计权重值大于预定义门限的第一网格单元对应的第一测量数据所对应的目标物体为道路几何。

在另一种可能的实现方式中，首先确定第一聚类对应的第一网格单元中累计权重值最大的第一网格单元p，然后判断该第一网格单元p的累计权重值是否大于预定义门限，若大于，确定该第一聚类中的第一测量数据对应的目标物体为道路几何。

示例性的，以预定义门限为9为例。若第一聚类在位置网格中对应的第一网格单元s、b、c、e、f、g和h的累计权重值分别为1、4、9、12、10、6和7，该第一聚类对应的第一网格单元中，累计权重值最大的第一网格单元为第一网格单元e，12>9，则该第一聚类中的第一测量数据对应的目标物体为道路几何。若第一聚类在位置网格中对应的第一网格单元a和c的累计权重值为11和9，在该第一聚类对应的第一网格单元中，累计权重值最大的第一网格单元为第一网格单元a，11>9，则该第一聚类中的第一测量数据对应的目标物体为道路几何。

可选的，在另一种可能的实现方式中，认为第一聚类中的第一测量数据必定对应道路几何，可直接根据M的取值，从第一聚类对应的第一网格单元中筛选出M个第一网格单元，确定与这M个第一网格单元相对应的第一测量数据对应的目标物体为道路几何。

示例性的，设定M＝1，若第一聚类在位置网格中对应的第一网格单元a和c，对应的累计权重值为11和9，则可以根据M的取值，从第一聚类中筛选出1个累计权重值较大的第一网格单元a，确定与该第一聚类相对应的第一测量数据对应的目标物体为道路几何。

可选的，在另一种可能的实现方式中，需要说明的是，S102确定每个第一测量数据对应的第一网格单元为可选步骤，若跳过此步骤直接执行S103，则每个第一测量数据位置网格中对应的第一网格单元为该位置网格中的所有网格单元，在计算权重值时，初始化所有的网格单元权重值为0。S102可以有效减少确定后续第一网格单元的权重值的计算复杂度。另外，若跳过步骤S102直接执行步骤S103时，第一预设算法为

或者

在一种可能的实现中，先根据第一预设条件，确定传感器收集到的所有的测量数据(未聚类)在位置网格中对应的第一网格单元。根据测量数据，确定第一网格单元的权重值。之后根据所有测量数据，确定第一网格单元的累计权重值。确定所有累计权重值大于预定义门限的第一网格单元(或选取累计权重值最大的M个第一网格单元)，在位置网格空间中，根据坐标向量(θ_i，ρ_j)对这些第一网格单元进行聚类处理，将距离相近(不超过预设阈值)的第一网格单元划分到同一聚类中，同一聚类中的第一网格单元所对应的测量数据可以认为是同一个道路几何的测量数据。

示例性的，测量数据有5个，根据这5个测量数据中的位置信息以及第一预设条件|x_kcosθ_i+y_ksinθ_i-ρ_j|＝0，可以确定这5个测量数据在位置网格中对应的五条直线。根据这5条直线经过的网格单元，可以确定每个测量数据对应的第一网格单元，例如，测量数据1对应的第一网格单元为a，测量数据2对应的第一网格单元为a、b，测量数据3对应的第一网格单元为a、b、c，测量数据4对应的第一网格单元为a、b、c、d，测量数据5对应的第一网格单元为a、b、c、d、e。再根据第一预设算法和测量数据确定第一网格单元的权重值，测量数据1对应的第一网格单元a的权重值为1，测量数据2对应的第一网格单元a、b的权重值分别为1、2，测量数据3对应的第一网格单元a、b、c的权重值为1、2、3，测量数据4对应的第一网格单元a、b、c、d的权重值分别为1、2、3、4，测量数据5对应的第一网格单元a、b、c、d、e的权重值分别为1、2、3、4、5。根据所有测量数据，确定第一网格单元的累计权重值，第一网格单元a的累计权重值为5，第一网格单元b的累计权重值为8，第一网格单元c的累计权重值为6，第二网格单元d的累计权重值为8，第一网格单元e的累计权重值为5。若预定义门限为7，则超过预定门限的第一网格单元有两个，分别为第一网格单元b和第一网格单元d，这两个第一网格单元的坐标分别为(θ₁，ρ₁)和(θ₂，ρ₂)。对这2个网络单元进行聚类，若第一网格单元b、d的欧式距离不超过预设阈值，则这两个网格单元位于同一聚类，且这两个网格单元对应的测量数据为测量数据2-5，则确定测量数据2-5所对应的目标物体为同一道路几何。

示例性的，测量数据有5个，根据第一预设条件分别确定这5个测量数据对应的直线如图6e和图6f所示，进而确定这5个测量数据在位置网格中分别对应的第一网格单元，以及各个测量数据对应的第一网格单元的权重值，再根据所有测量数据确定这些第一网格单元各自的累计权重值。以超过预定义门限的第一网格单元为第一网格单元a和d为例，若第一网格单元a、d的欧式距离超过预设阈值，则第一网格单元a和d位于不同聚类中，包含第一网格单元a的聚类对应的测量数据为测量数据1-2，确定测量数据1-2对应的目标物体为同一道路几何，包含第一网格单元d的聚类对应的测量数据为测量数据3-5，确定测量数据3-5对应的目标物体为另一道路几何。

需要说明的是，测量数据中包含目标物体的位置信息，以及回波强度EI和/或目标物体相对于传感器的径向速度，因此根据测量数据确定位置网格中每个网格单元的累计权重值，再通过累计权重值确定道路几何，可以有效滤除非道路信息，即无关物体(如车辆等)的测量数据的干扰，提高确定道路几何的准确性，从而更好的辅助车辆确定驾驶策略。

本申请实施例提供了一种道路几何识别方法，根据传感器的测量数据生成至少一个第一聚类，第一聚类中包含至少一个第一测量数据，测量数据中至少包括目标物体的位置信息。然后确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，进而根据第一聚类中的所有第一测量数据，确定第一网格单元的累计权重值。最后根据第一网格单元的累计权重值确定第一聚类包含的第一测量数据对应的目标物体为道路几何。在本申请实施例所描述的道路几何识别方法中，对测量数据进行聚类处理，可以滤除部分不相关的杂波信号和其他物体的测量数据，另外，权重值的确定考虑到了目标物体的位置信息以及目标物体的回波强度，可以进一步滤除非道路信息的干扰。因此，通过上述过程，可以减少非道路信息的干扰，降低确定道路几何的工作量和复杂度，并提高确定道路几何的准确性，从而更好地辅助车辆确定驾驶策略。

基于图6所示的道路几何识别方法确定道路几何后，本申请实施例还提供了一种道路几何识别方法，可以进一步确定道路几何的第一形状。如图7所示，在图6所示的步骤S105之后，还包括步骤S201-S202，下面结合图7，对本申请实施例进行描述：

S201、确定累计权重值大于预定义门限的所有第一网格单元。

对于对应道路几何的第一聚类，根据预定义门限，来确定该第一聚类对应的第一网格单元中累计权重值大于预定义门限的第一网格单元。

示例性的，若第一聚类中的第一测量数据对应的目标物体为道路几何，且该第一聚类在位置网格中对应的第一网格单元a和c的累计权重值为9和11，预定义门限为8，则对于该第一聚类来说，累计权重值大于预定义门限的第一网格单元为第一网格单元a和c。

可选的，在对应道路几何的第一聚类对应的第一网格单元中，直接选取累计权重值最大的M个第一网格单元。

S202、根据累计权重值大于预定义门限的所有第一网格单元确定第一表达式。

其中，第一表达式用于表示道路几何的第一形状。第一表达式为

其中

在一种可能的实现方式中，根据步骤S201中确定的累计权重值超过预定义门限的第一网格单元对应的第一参数来确定第一表达式。

当累计权重值大于预定义门限的第一网格单元仅有一个，即累计权重值最大的第一网格单元，将累计权重值最大的第一网格单元(i^*，j^*)对应的至少一个参数

用来确定第一表达式。

示例性的，第一聚类中的第一测量数据对应的目标物体为道路几何。第一聚类在位置网格中对应第一网格单元a和c，其中累计权重值大于预定义门限的第一网格单元仅有一个，即累计权重值最大的第一网格单元a。对于该第一聚类，根据第一网格单元a对应的至少一个第一参数

确定第一表达式为

可选的，当累计权重值大于预定义门限的第一网格单元有多个时，根据累计权重值最大的第一网格单元(i^*，j^*)对应的至少一个参数

确定第一表达式，或者对累计权重大于预定义门限的多个第一网格单元对应的至少一个第一参数取均值，根据这多个第一网格单元对应的第一参数的均值，确定第一表达式。

示例性的，第一聚类对应的目标物体为道路几何，第一聚类在位置网格中对应第一网格单元d、f、g和h，其中累计权重值大于预定义门限的第一网格单元有2个，即累计权重值最大的第一网格单元g以及另一第一网格单元f。则可以根据累计权重值最大的第一网格单元g对应的至少一个第一参数

确定第一表达式为

或者对第一网格单元g对应的第一参数

和第一网格单元f对应的第一参数

取均值，得到

其中，

确定第一表达式为

可选的，对于对应道路几何的第一聚类，也可以根据各个第一网格单元对应的第一测量数据的个数，对超过预定义门限的第一网格单元对应的第一参数进行加权运算并求均值，最后根据计算结果确定该第一聚类中的第一测量数据对应的道路几何的第一形状的表达式。

示例性的，第一聚类对应的目标物体为道路几何2，第一聚类在位置网格中对应第一网格单元d、f、g和h，其中累计权重值大于预定义门限的第一网格单元有2个，即累计权重值最大的第一网格单元g以及另一第一网格单元f。第一网格单元g对应的第一测量数据有3个，第一网格单元f对应的第一测量数据有1个。对第一网格单元g对应的第一参数

和第一网格单元f对应的第一参数

取加权平均值，得到

其中，

确定第一表达式为

在一种可能的实现中，先利用传感器收集到的所有的测量数据(未聚类)，结合第一预设条件，确定测量数据在位置网格中对应的第一网格单元。根据测量数据，确定第一网格单元的权重值。之后根据所有测量数据，确定第一网格单元的累计权重值。确定所有累计权重值大于预定义门限的第一网格单元，对这些累计权重值大于预定义门限的第一网格单元进行聚类处理，将距离相近(不超过预设阈值)的第一网格单元划分到同一聚类中，同一聚类中的第一网格单元所对应的测量数据可以认为是同一个道路几何的测量数据。对同一聚类中的第一网格单元对应的至少一个第一参数求均值，根据该聚类根据所得道路几何的第一形状的第一表达式。

示例性的，若聚类中仅包含一个第一网格单元为(θ_p，ρ_q)，则确定该聚类对应的道路几何的第一形状的第一表达式为x*cosθ_p+y*sinθ_p＝ρ_q。若聚类中包含两个第一网格单元分别为(θ_m1，ρ_n1)和(θ_m2，ρ_n2)，则确定该聚类对应的道路几何的第一形状的第一表达式为x*cosθ_m3+y*sinθ_m3＝ρ_n3，其中，θ_m3＝(θ_m1+θ_m2)/2，ρ_n3＝(ρ_n1+ρ_n2)/2。

在本申请实施例所描述的道路几何识别方法中，对于对应道路几何的第一聚类，先确定累计权重值大于预定义门限的所有第一网格单元，再根据累计权重值大于预定义门限的所有第一网格单元确定用于表示道路几何的第一形状的第一表达式。首先，确定第一网格单元的累计权重值时综合考虑到了测量数据中的回波强度EI以及位置信息。因此，利用第一网格单元的累计权重值对目标物体对应的测量数据进行过滤，确定道路几何的第一形状的技术方案，可以很好的减少非道路因素的影响，提高确定道路几何的第一形状的准确性。其次，根据第一网格单元的累计权重值确定的道路几何的第一形状为多条短线段(多条短线段可组合成均匀弯道)，因此，该方法更适用于确定直线道路、均匀弯道路上的道路几何的形状，从而更好地辅助车辆确定在直线道路、均匀弯道上的驾驶策略，以调整该车辆的速度、位置和/或方向。

基于图6所示的道路几何识别方法确定道路几何后，本申请实施例还提供了另一种道路几何识别方法，可以进一步确定道路几何的第二形状。如图8所示，在图6所示的步骤S105之后，还包括步骤S301-S307，下面结合图8，对本申请的实施例进行描述：

S301、根据测量数据生成至少一个第二聚类。

其中，第二聚类包括至少一个第二测量数据。

S302、确定第二测量数据在位置网格中对应的至少一个第二网格单元。

S303、确定第二测量数据在位置网格中对应的至少一个第二网格单元的权重值。

S304、根据第二聚类中的所有第二测量数据，确定第二网格单元的累计权重值。

S305、根据第二网格单元的累计权重值确定第二聚类包含的第二测量数据对应的目标物体为道路几何。

上述步骤S301-S305的具体实现可以参照步骤S101-S105中的实施例，同样步骤S302是可选的。

S306、确定累计权重值大于预定义门限的所有第二网格单元。

上述步骤S306的具体实现过程参照步骤S201中的实施例。

S307、确定第二表达式。

其中，第二表达式用于表示道路几何的第二形状。

若累计权重值大于预定义门限的所有第一网格单元以及累计权重值大于预定义门限的所有第二网格单元满足第二预设条件，则根据累计权重值大于预定义门限的所有第一网格单元以及累计权重值大于预定义门限的第二网格单元确定第二表达式。其中，第二预设条件为

或者

示例性的，第一聚类对应的目标物体为道路几何1。第一聚类在位置网格中对应第一网格单元a和c，其中累计权重值大于预定义门限的第一网格单元仅有一个，即累计权重值最大的第一网格单元a，第一网格单元a对应的至少一个第一参数为

则用以表示道路几何1的形状的第一表达式为

第二聚类对应的目标物体为道路几何2，第二聚类在位置网格中对应第二网格单元d、f、g和h，其中累计权重值大于预定义门限的第二网格单元有2个，即累计权重值最大的第二网格单元g以及另一第二网格单元f，这两个第二网格单元对应的至少一个第一参数为

和

对这两个第二网格单元对应的至少一个第一参数求均值得

其中

若

和

满足第二预设条件，即

或者

则确定第二表达式为

其中，

或者

需要说明的是，第二表达式的参数不仅可以通过网格单元加权平均，也可以通过网格单元所对应的测量数据数量加权平均，比如，网格单元g对应的测量数据有3个，网格单元f对应的测量数据有5个，网格单元a对应的测量数据有4个，则

需要说明的是，Thresh、p和q为预设数值，可以根据实际情况确定，并不局限于本申请实施例中给出的数值。

示例性的，Thresh＝2ρ_res，p＝0，q＝0.1。

在一种可能的实现中，获取测量数据后，先利用传感器收集到的所有的测量数据(未聚类)，结合第一预设条件，确定测量数据在位置网格中对应的第一网格单元，或者直接根据测量数据，确定第一网格单元的权重值。之后根据所有测量数据，确定第一网格单元的累计权重值。确定所有累计权重值大于预定义门限的第一网格单元，对这些累计权重值大于预定义门限的第一网格单元进行聚类处理，将距离相近(不超过预设阈值)的第一网格单元划分到同一聚类中，同一聚类中的第一网格单元所对应的测量数据可以认为是同一个道路几何的测量数据。对同一聚类中的第一网格单元对应的至少一个第一参数求均值，若不同聚类中的第一网格单元对应的至少一个第一参数的均值满足第二预设条件，则根据满足第二预设条件的不同聚类中的第一网格单元对应的至少一个第一参数的均值确定第二表达式。

示例性的，若聚类中包含一个第一网格单元为(θ_p，ρ_q)，则确定该聚类对应的道路几何的第一形状的第一表达式为x*cosθ_p+y*sinθ_p＝ρ_q。若聚类中包含两个第一网格单元分别为(θ_m1，ρ_n1)和(θ_m2，ρ_n2)，则确定该聚类对应的道路几何的第一形状的第一表达式为x*cosθ_m3+y*sinθ_m3＝ρ_n3，其中，θ_m3＝(θ_m1+θ_m2)/2，ρ_n3＝(ρ_n1+ρ_n2)/2。若(θ_p，ρ_q)和(θ_m3，ρ_n3)满足第二预设条件，则用于表示道路几何的第二形状的第二表达式为x*cosθ_m4+y*sinθ_m4＝ρ_n4，其中，θ_m4＝(θ_m3+θ_p)/2，ρ_n4＝(ρ_n3+ρ_q)/2。

通过上述过程，可以得到用于表示道路几何的第二形状的第二表达式，相对于第一表达式，第二表达式所表示的道路几何的形状更贴近于实际，融合了多条相似小线段，去除了多余的干扰，准确性更高，可以更好地辅助车辆确定驾驶策略。

在本申请实施例所描述的道路几何识别方法中，累计权重值的确定综合考虑到了目标物体的位置以及目标物体的回波强度，因此利用累计权重值确定用于表示道路几何的第二形状的第二表达式，可以减少非道路因素的影响，提高确定道路几何的第二形状的准确性。根据累计权重值大于预定义门限的所有第一网格单元和累计权重值大于预定义门限的所有第二网格单元确定的道路几何的第二形状为至少一条长线段或较均匀曲线，因此，该方法可以很好的确定长直道路上的道路几何的形状，从而更好地辅助车辆确定在长直或均匀转弯道路上的驾驶策略，以调整该车辆的速度、位置和/或方向。

基于图8所示的道路几何识别方法确定道路几何后，本申请实施例还提供了另一种道路几何识别方法，可以进一步用于表示道路几何的第三形状为回旋螺线。如图9所示，在图8所示的步骤S305之后，还包括步骤S308-S310，下面结合附图9对本申请实施例进行描述：

S308、将第一聚类和第二聚类进行合并，得到第三聚类。

其中，第三聚类包括至少一个第三测量数据，该第三测量数据包括第一聚类中的第一测量数据和第二聚类中的第二测量数据。

若累计权重值大于预定义门限的所有第一网格单元和累计权重值大于预定义门限的所有第二网格单元满足第二预设条件，则将第一聚类和第二聚类进行合并，得到第三聚类，所述第三聚类包括至少一个第三测量数据。

其中，第二预设条件为

或者

根据累计权重值大于预定义门限的所有第二网格单元对应的第一参数确定，Thresh为第二预设数值，p为第三预设数值，q为第四预设数值。

示例性的，将满足第二预设条件的累计权重值大于预定义门限的所有第一网格单元对应的第一聚类和累计权重值大于预定义门限的所有第二网格单元对应的第二聚类进行合并，得到第三聚类。第一聚类中包含2个第一测量数据，分别为A和B，第二聚类中包含3个第二测量数据，分别为C、D和E，将第一聚类和第二聚类进行合并，得到一个第三聚类，则这个第三聚类中包含多个第三测量数据，这多个第三测量数据分别为A、B、C、D和E。

S309、根据第三聚类中的第三测量数据以及第二预设算法进行运算，确定多个第二参数。

其中，第二预设算法可以为最小二乘法或梯度下降法，同一第三聚类中的第三测量数据对应同一个道路几何。

示例性的，根据最小二乘法或者梯度下降法，对第三聚类中的第三测量数据进行计算，确定一组第二参数为c₀、c₁、c₂、c₃。

S310、根据多个第二参数，确定回旋螺线。

其中，回旋螺线用于表示道路几何的第三形状，回旋螺线的表达式为y＝c₀+c₁x+c₂x²+c₃x³，c₀、c₁、c₂和c₃为第二参数，(x，y)为道路几何的位置坐标。

示例性的，若利用最小二乘法对第三聚类中的第三测量数据进行计算，得到第二参数为c₀＝c₁＝0、c₂＝1、c₃＝2，则用于该第三聚类对应的道路几何的第三形状的回旋螺线的表达式为y＝x²+2x³.若利用最小二乘法对第三聚类中的第三测量数据进行计算，得到的第二参数为c₀＝1、c₁＝3、c₂＝1、c₃＝2，则用于表示该第三聚类对应的道路几何的第三形状的回旋螺线的表达式为为y＝1+3x+x²+2x³。

在一种可能的实现中，获取测量数据后，先利用传感器收集到的所有的测量数据(未聚类)，结合第一预设条件，确定测量数据在位置网格中对应的第一网格单元，或者直接根据测量数据，确定第一网格单元的权重值。之后根据所有测量数据，确定第一网格单元的累计权重值。确定所有累计权重值大于预定义门限的第一网格单元，对这些累计权重值大于预定义门限的第一网格单元进行聚类处理，将距离相近(不超过预设阈值)的第一网格单元划分到同一聚类中。对不同聚类中的第一网格单元对应的至少一个第一参数分别求均值，将满足第二预设条件的均值对应的聚类进行合并，根据合并后的测量数据以及第二预设算法确定多个第二参数，进而根据这多个第二参数确定用于表示道路几何的第三形状的回旋螺线。

示例性的，若存在两个聚类，对这两个聚类中的第一网格单元对应的至少一个第一参数分别求均值。一个聚类中的第一网格单元对应的至少一个第一参数的均值为

另一聚类中的第一网格单元对应的至少一个参数的均值为

若

和

满足第二预设条件，将这两个均值对应的聚类进行合并，根据合并后的聚类中两个第一网格单元对应的测量数据和第二预设算法，即最小二乘法或者梯度下降法，确定多个第二参数c₀、c₁、c₂和c₃，得到用于表示道路几何的第三形状的回旋螺线的表达式为y＝c₀+c₁x+c₂x²+c₃x³。

需要说明的是，通过上述过程，可以得到用于表示道路几何的第三形状的回旋螺线，相对于第二表达式，回旋螺线所表示的道路几何的形状更贴近于实际，准确性更高，可以更好地辅助车辆确定驾驶策略。

在本申请的实施例所描述的道路几何识别方法中，根据第一聚类和第二聚类合并后得到的第三聚类中的测量数据确定道路几何的第三形状，第三聚类中的测量数据较多，并可以认为同一第三聚类中的数据都属于同一道路几何，能够更完整和准确地表示该道路几何，因此采用上述道路几何识别方法所确定的道路几何的第三形状更准确。另外，利用回旋螺线来表示道路几何的第三形状更加贴合实际，可以较为准确的确定转弯处以及其他非直道路的道路几何的形状，从而更好地辅助车辆确定在转弯处或其他非直道路处的自动驾驶策略，以调整该车辆的速度、位置和/或方向。

基于图6所示的道路几何识别方法确定道路几何后，本申请实施例还提供了另一种道路几何识别方法，可以进一步确定传感器的速度。本申请实施例还提供了一种道路几何识别方法，还包括步骤S401(未在附图中示出)，下面对步骤S401进行描述：

S401、根据道路几何对应的所有测量数据，以及传感器速度估计算法进行计算，确定传感器速度估计值。

其中，测量数据还包括目标物体的径向速度，目标物体的位置信息包括目标物体与传感器的距离以及目标物体相对于传感器的角度信息。传感器速度估计算法为

v为传感器速度估计值，H为道路几何的径向速度观测矩阵，H根据道路几何对应的测量数据中道路几何相对于传感器的角度信息确定，H^T为H的转置矩阵，

为道路几何对应的测量数据中的径向速度矩阵。

示例性的，

其中，

为目标物体的径向速度矩阵，H为道路几何的径向速度观测矩阵，H^T为H的转置矩阵。

在另一种可能的实现方式中，传感器速度估计算法为

R为径向速度观测噪声矩阵，

为第i个测量数据中的径向速度的观测噪声标准差，即第i个测量数据中的径向速度与其对应的实际径向速度的差值。

采用上述道路几何识别方法，根据道路几何对应的测量数据以及传感器速度估计算法，确定传感器的速度，以提高确定传感器的速度的准确性，使得自动驾驶车辆能够根据传感器速度以及道路几何更好地确定自动驾驶策略，以调整其自身的速度、位置和/或方向。

本申请实施例可以根据上述方法示例对道路几何识别装置进行功能模块的划分，在采用对应各个功能划分各个功能模块的情况下，图10示出上述实施例中所涉及的道路几何识别装置的一种可能的结构示意图。如图10所示，道路几何识别装置包括生成模块401、确定模块402。当然，道路几何识别装置还可以包括其他功能模块，或者道路几何识别装置可以包括更少的功能模块。

生成模块401，用于根据传感器的测量数据生成至少一个第一聚类。其中，第一聚类包含至少一个第一测量数据，测量数据中至少包括目标物体的位置信息。

可选的，测量数据中还包括目标物体的回波强度EI。

确定模块402，用于确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

具体的，确定模块402，用于根据第一测量数据中的回波强度EI，或者第一测量数据中的回波强度EI和位置信息，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

示例性的，确定模块402，用于根据第一预设算法，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。其中，测量数据还包括目标物体的回波强度EI。第一预设算法为指数形式：

或者

或者第一预设算法为对数函数形式：

或

或者第一预设算法为常数形式：△w_i,j＝λ/N。其中，△w_i,j为第k个第一测量数据在位置网格中对应的至少一个第一网格单元(i，j)的权重值，EI_k为第k个第一测量数据中的回波强度EI，N为第k个第一测量数据所在的第一聚类中的第一测量数据的个数，σ_EI和EI_RB/GR为道路几何的自带属性，σ_EI为道路几何的EI标准差，EI_RB/GR是道路几何的EI平均值，σ为第二预设数值，λ为第五预设数值。

可选的，在确定模块402确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值之前，生成模块401还用于根据传感器的探测范围和传感器的分辨单元大小，确定位置网格。其中，位置网格包括至少一个网格单元，每个网格单元对应至少一个第一参数。

可选的，在确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值之前，确定模块402还用于确定第一测量数据在位置网格中对应的至少一个第一网格单元。

具体的，确定模块402用于根据第一预设条件，确定第一测量数据在位置网格中对应的至少一个第一网格单元。其中，第一预设条件为|x_kcosθ_i+y_ksinθ_i-ρ_j|≤d_Thresh，(x_k，y_k)为第k个第一测量数据的位置坐标，(θ_i，ρ_j)为第一网格单元(i，j)对应的至少一个第一参数，d_Thresh为第一预设数值，k为大于0的整数。

确定模块402，还用于根据第一聚类中的所有第一测量数据，确定第一网格单元的累计权重值。根据第一网格单元的累计权重值确定第一聚类包含的第一测量数据对应的目标物体为道路几何。其中，道路几何包括道路边沿、护栏和车道线中的至少一种。

在一种可能的设计中，确定模块402，还用于确定累计权重值大于预定义门限的所有第一网格单元。确定模块402，还用于根据累计权重值大于预定义门限的所有第一网格单元确定第一表达式。其中，第一表达式用于表示道路几何的第一形状，第一表达式为

在一种可能的设计中，生成模块401，还用于根据测量数据生成至少一个第二聚类，第二聚类包括至少一个第二测量数据。确定模块402，还用于直接确定第二测量数据在位置网格中对应的第二网格单元的权重值，或者在确定第二测量数据在位置网格中对应的第二网格单元之后，再确定第二测量数据在位置网格中对应的第二网格单元的权重值。然后确定模块402还用于根据第二聚类中的所有第二测量数据，确定第二网格单元的累计权重值，根据第二网格单元的累计权重值确定第二聚类包含的第二测量数据对应的道路几何。

在一种可能的设计中，确定模块402，还用于确定累计权重值大于预定义门限的所有第二网格单元。然后由确定模块402在累计权重值大于预定义门限的所有第一网格单元以及累计权重值大于预定义门限的所有第二网格单元满足第二预设条件时，根据累计权重值大于预定义门限的所有第一网格单元以及累计权重值大于预定义门限的第二网格单元确定第二表达式，第二表达式用于表示道路几何的第二形状。其中，第二预设条件为

或者

在一种可能的设计中，确定模块402，还用于确定累计权重值大于预定义门限的所有第二网格单元。然后由确定模块402在累计权重值大于预定义门限的所有第一网格单元和累计权重值大于预定义门限的所有第二网格单元满足第二预设条件时，将第一聚类和第二聚类进行合并，得到第三聚类，第三聚类包括至少一个第三测量数据。根据第三聚类中的第三测量数据以及第二预设算法进行运算，确定多个第二参数，其中，第二预设算法为最小二乘法或梯度下降法。最后确定模块402根据多个第二参数，确定回旋螺线，回旋螺线用于表示道路几何的第三形状。其中，第二预设条件为

或者

在一种可能的设计中，测量数据还包括目标物体的径向速度，目标物体的位置信息包括目标物体与传感器的距离以及所述目标物体相对于传感器的角度信息。确定模块402，还用于根据道路几何对应的所有测量数据，以及传感器速度估计算法进行计算，确定传感器速度估计值。其中，传感器速度估计算法为

为道路几何对应的测量数据中的径向速度矩阵。

参见图11，本申请还提供一种道路几何识别装置，包括处理器510以及存储器520。处理器510与存储器520相连接(如通过总线540相互连接)。

可选的，道路几何识别装置还可包括收发器530，收发器530连接处理器510和存储器520，收发器用于接收/发送数据。

处理器510，可以执行图6-图9所对应的任意一个实施方案及其各种可行的实施方式的操作。比如，用于执行生成模块401、确定模块402的操作，和/或本申请实施例中所描述的其他操作。

上述处理器510(或者描述为控制器)可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，单元模块和电路。该处理器或控制器可以是中央处理器，通用处理器，数字信号处理器，专用集成电路，现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，单元模块和电路。该处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线540可以是扩展工业标准结构(extended industry standardarchitecture，EISA)总线等。总线540可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

关于处理器、存储器、总线和收发器的具体工作过程，可参见上文，这里不再赘述。

本申请还提供一种道路几何识别装置，包括非易失性存储介质，以及中央处理器，非易失性存储介质存储有可执行程序，中央处理器与非易失性存储介质连接，并执行可执行程序以实现本申请实施例如图6-图9所示的道路几何识别方法。

本申请另一实施例还提供一种计算机可读存储介质，该计算机可读存储介质包括一个或多个程序代码，该一个或多个程序包括指令，当处理器在执行该程序代码时，该道路几何识别装置执行如图6-图9所示的道路几何识别方法。

在本申请的另一实施例中，还提供一种计算机程序产品，该计算机程序产品包括计算机执行指令，该计算机执行指令存储在计算机可读存储介质中。道路几何识别装置的至少一个处理器可以从计算机可读存储介质读取该计算机执行指令，至少一个处理器执行该计算机执行指令使得道路几何识别装置实施执行图6-图9所示的道路几何识别方法中相应步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，可以全部或部分的通过软件，硬件，固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式出现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。

计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL0))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质，(例如，软盘，硬盘、磁带)、光介质(例如，DVD)或者半导体介质(例如固态硬盘solid state disk，SSD)等。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种道路几何识别方法，其特征在于，包括：

根据传感器的测量数据生成至少一个第一聚类，所述第一聚类包含至少一个第一测量数据，所述测量数据至少包括目标物体的位置信息；

确定所述第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，所述位置网格包括至少一个网格单元，其中每个网格单元对应至少一个第一参数；

根据第一聚类中的所有第一测量数据，确定第一网格单元的累计权重值；

根据第一网格单元的累计权重值确定所述第一聚类包含的第一测量数据对应的目标物体为道路几何。

2.根据权利要求1所述的道路几何识别方法，其特征在于，

所述道路几何包括道路边沿、护栏和车道线中的至少一种。

3.根据权利要求1或2所述的道路几何识别方法，其特征在于，在所述确定所述第一测量数据在位置网格中对应的至少一个第一网格单元的权重值之前，所述方法还包括：

根据所述传感器的探测范围和/或传感器的分辨单元大小，确定所述位置网格。

4.根据权利要求1-3任一项所述的道路几何识别方法，其特征在于，在所述确定所述第一测量数据在位置网格中对应的至少一个第一网格单元的权重值之前，所述方法还包括：

根据第一预设条件，确定第一测量数据在位置网格中对应的至少一个第一网格单元；

其中，所述第一预设条件为|x_kcosθ_i+y_ksinθ_i-ρ_j|≤d_Thresh，(x_k，y_k)为第k个第一测量数据的位置坐标，(θ_i，ρ_j)为第一网格单元(i，j)对应的至少一个第一参数，d_Thresh为第一预设数值，k为大于0的整数。

5.根据权利要求1-4任一项所述的道路几何识别方法，其特征在于，所述测量数据还包括所述目标物体的回波强度EI。

6.根据权利要求5所述的道路几何识别方法，其特征在于，所述确定所述第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，具体包括：

根据第一测量数据中的回波强度EI，或者第一测量数据中的回波强度EI和位置信息，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

7.根据权利要求1-6任一项所述的道路几何识别方法，其特征在于，所述方法还包括：

确定累计权重值大于预定义门限的所有第一网格单元；

根据所述累计权重值大于预定义门限的所有第一网格单元确定第一表达式，所述第一表达式用于表示道路几何的第一形状；

其中，所述第一表达式为

8.根据权利要求1-7任一项所述的道路几何识别方法，其特征在于，所述方法还包括：

根据所述测量数据生成至少一个第二聚类，所述第二聚类包括至少一个第二测量数据；

确定所述第二测量数据在位置网格中对应的第二网格单元的权重值；

根据第二聚类中的所有第二测量数据，确定第二网格单元的累计权重值；

根据第二网格单元的累计权重值确定所述第二聚类包含的第二测量数据对应的道路几何。

9.根据权利要求8所述的道路几何识别方法，其特征在于，所述方法还包括：

确定累计权重值大于预定义门限的所有第二网格单元；

若累计权重值大于预定义门限的所有第一网格单元以及所述累计权重值大于预定义门限的所有第二网格单元满足第二预设条件，则根据所述累计权重值大于预定义门限的所有第一网格单元以及所述累计权重值大于预定义门限的所有第二网格单元确定第二表达式，所述第二表达式用于表示道路几何的第二形状；

其中，所述第二预设条件为

或者

根据累计权重值大于预定义门限的所有第二网格单元对应的第一参数确定，Thresh为第二预设数值，p为第三预设数值，q为第四预设数值；

所述第二表达式为

10.根据权利要求8所述的道路几何识别方法，其特征在于，所述方法还包括：

确定累计权重值大于预定义门限的所有第二网格单元；

若累计权重值大于预定义门限的所有第一网格单元和累计权重值大于预定义门限的所有第二网格单元满足第二预设条件，则将第一聚类和第二聚类进行合并，得到第三聚类，所述第三聚类包括至少一个第三测量数据；

根据所述第三聚类中的第三测量数据以及第二预设算法进行运算，确定多个第二参数，其中，所述第二预设算法为最小二乘法或梯度下降法；

根据所述多个第二参数，确定回旋螺线，所述回旋螺线用于表示道路几何的第三形状；

其中，所述第二预设条件为

或者

所述回旋螺线为y＝c₀+c₁x+c₂x²+c₃x³，c₀、c₁、c₂和c₃为所述多个第二参数，(x，y)为道路几何的位置坐标。

11.根据权利要求1-10任一项所述的道路几何识别方法，其特征在于，

所述测量数据还包括所述目标物体的径向速度，所述目标物体的位置信息包括所述目标物体与传感器的距离以及所述目标物体相对于传感器的角度信息；

根据道路几何对应的所有测量数据，以及传感器速度估计算法进行计算，确定传感器速度估计值；

其中，所述传感器速度估计算法为

v为所述传感器速度估计值，H为所述道路几何的径向速度观测矩阵，H根据所述道路几何相对于传感器的角度信息确定，H^T为H的转置矩阵，

为所述目标物体的径向速度矩阵。

12.一种道路几何识别装置，其特征在于，包括：

生成模块，用于根据传感器的测量数据生成至少一个第一聚类，所述第一聚类包含至少一个第一测量数据，所述测量数据至少包括目标物体的位置信息；

确定模块，用于确定所述第一测量数据在位置网格中对应的至少一个第一网格单元的权重值，所述位置网格包括至少一个网格单元，其中每个网格单元对应至少一个第一参数；

确定模块，用于根据第一聚类中的所有第一测量数据，确定第一网格单元的累计权重值；

所述确定模块，还用于根据第一网格单元的累计权重值确定所述第一聚类包含的第一测量数据对应的目标物体为道路几何。

13.根据权利要求12所述的道路几何识别装置，其特征在于，

所述道路几何包括道路边沿、护栏和车道线中的至少一种。

14.根据权利要求12或13所述的道路几何识别装置，其特征在于，

所述生成模块，还用于根据所述传感器的探测范围和/或传感器的分辨单元大小，确定所述位置网格。

15.根据权利要求12-14任一项所述的道路几何识别装置，其特征在于，

所述确定模块，还用于根据第一预设条件，确定第一测量数据在位置网格中对应的至少一个第一网格单元；

其中，所述第一预设条件为|x_kcosθ_i+y_ksinθ_i-ρ_j|≤d_Thresh；(x_k，y_k)为第k个第一测量数据的位置坐标，(θ_i，ρ_j)为第一网格单元(i，j)对应的至少一个第一参数，d_Thresh为第一预设数值，k为大于0的整数。

16.根据权利要求12-15任一项所述的道路几何识别装置，其特征在于，所述测量数据还包括所述目标物体的回波强度EI。

17.根据权利要求16所述的道路几何识别装置，其特征在于，

所述确定模块，具体用于根据第一测量数据中的回波强度EI，或者第一测量数据中的回波强度EI和位置信息，确定第一测量数据在位置网格中对应的至少一个第一网格单元的权重值。

18.根据权利要求12-17任一项所述的道路几何识别装置，其特征在于，

所述确定模块，还用于确定累计权重值大于预定义门限的所有第一网格单元；

所述确定模块，还用于根据累计权重值大于预定义门限的所有第一网格单元确定第一表达式，所述第一表达式用于表示道路几何的第一形状；

其中，所述第一表达式为

19.根据权利要求12-18任一项所述的道路几何识别装置，其特征在于，

所述生成模块，还用于根据所述测量数据生成至少一个第二聚类，所述第二聚类包括至少一个第二测量数据；

所述确定模块，还用于确定所述第二测量数据在位置网格中对应的第二网格单元的权重值；

所述确定模块，还用于根据第二聚类中的所有第二测量数据，确定第二网格单元的累计权重值；

所述确定模块，还用于根据第二网格单元的累计权重值确定所述第二聚类包含的第二测量数据对应的道路几何。

20.根据权利要求19所述的道路几何识别装置，其特征在于，

所述确定模块，还用于确定累计权重值大于预定义门限的所有第二网格单元；

所述确定模块，还用于在累计权重值大于预定义门限的所有第一网格单元以及所述累计权重值大于预定义门限的所有第二网格单元满足第二预设条件时，根据所述累计权重值大于预定义门限的所有第一网格单元以及所述累计权重值大于预定义门限的第二网格单元确定第二表达式，所述第二表达式用于表示道路几何的第二形状；

其中，所述第二预设条件为

或者

所述第二表达式为

21.根据权利要求19所述的道路几何识别装置，其特征在于，

所述确定模块，还用于在累计权重值大于预定义门限的所有第一网格单元和累计权重值大于预定义门限的所有第二网格单元满足第二预设条件时，将第一聚类和第二聚类进行合并，得到第三聚类，所述第三聚类包括至少一个第三测量数据；

所述确定模块，还用于根据所述第三聚类中的第三测量数据以及第二预设算法进行运算，确定多个第二参数，其中，所述第二预设算法为最小二乘法或梯度下降法；

所述确定模块，还用于根据所述多个第二参数，确定回旋螺线，所述回旋螺线用于表示道路几何的第三形状；

其中，所述第二预设条件为

或者

22.根据权利要求12-21任一项所述的道路几何识别装置，其特征在于，所述测量数据还包括所述目标物体的径向速度，所述目标物体的位置信息包括所述目标物体与传感器的距离以及所述目标物体相对于传感器的角度信息；

所述确定模块，还用于根据道路几何对应的所有测量数据，以及传感器速度估计算法进行计算，确定传感器速度估计值；

其中，所述传感器速度估计算法为

为所述目标物体的径向速度矩阵。

23.一种道路几何识别装置，其特征在于，包括：处理器、存储器和通信接口；其中，通信接口用于与其他设备或通信网络通信，存储器用于存储一个或多个程序，所述一个或多个程序包括计算机执行指令，当该装置运行时，处理器执行存储器存储的所述计算机执行指令以使该装置执行如权利要求1-11任一项所述的道路几何识别方法。

24.一种计算机可读存储介质，其特征在于，包括程序和指令，当所述程序或指令在计算机上运行时，如权利要求1-11任一项所述的道路几何识别方法被实现。

25.一种包含指令的计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如权利要求1-11任一项所述的道路几何识别方法。

26.一种芯片系统，其特征在于，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现权利要求1-11任一项所述的道路几何方法。