CN112309233A - 一种道路边界的确定、道路切分方法及装置 - Google Patents
一种道路边界的确定、道路切分方法及装置 Download PDFInfo
- Publication number
- CN112309233A CN112309233A CN202011159399.XA CN202011159399A CN112309233A CN 112309233 A CN112309233 A CN 112309233A CN 202011159399 A CN202011159399 A CN 202011159399A CN 112309233 A CN112309233 A CN 112309233A
- Authority
- CN
- China
- Prior art keywords
- road
- determining
- information
- area
- traffic marking
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
Abstract
本说明书公开了一种道路边界的确定、道路切分方法及装置,可确定道路区域,获取车辆在道路区域的行驶过程中通过传感器采集的传感数据以及车辆的行驶轨迹,根据传感数据确定位于道路区域中的各道路交通标线的信息,根据行驶轨迹、各道路交通标线的信息,确定道路区域对应的参考线,根据各道路交通标线的信息以及参考线,确定道路区域的道路边界。通过上述内容,本说明书可通过位于道路区域中的道路交通标线、车辆行驶轨迹等信息确定道路区域对应的参考线,基于参考线与道路交通标线等信息确定道路边界,本说明书无需人工参与,从而解决了由于人工设置的宽度阈值缺乏准确性导致确定出的道路边界的准确性较低的问题。
Description
技术领域
本说明书涉及无人驾驶技术领域,尤其涉及一种道路边界的确定、道路切分方法及装置。
背景技术
道路边界,为机动车辆可行驶区域的边界。电子地图,尤其是高精地图,需要确定道路边界,以便于无人设备规划路径信息。
常用的道路边界确定方法,是在点云数据中确定出道路区域,根据预设的宽度阈值,将道路区域划分出若干个车道,基于各车道,提取出道路对应的最左、最右两侧的车道线,根据最左右两侧的车道线,在每侧确定出至少一个参考线,根据各参考线与最左右两侧的车道线确定道路边界。
由于在上述方法中需要依赖于预设的宽度阈值,而实际道路环境中,道路宽度经常发生变化,导致宽度阈值的设置缺乏准确性,从而使得确定出的道路边界的准确性较低。
发明内容
本说明书实施例提供一种道路边界的确定、道路切分方法及装置,以部分解决现有技术存在的上述问题。
本说明书实施例采用下述技术方案:
本说明书提供的一种道路边界的确定方法,所述方法包括:
根据道路路口的信息,确定道路区域;
获取车辆在所述道路区域的行驶过程中,通过安装在所述车辆上的传感器采集的传感数据以及所述车辆的行驶轨迹;
根据所述传感数据,确定位于所述道路区域中的各道路交通标线的信息;
根据所述行驶轨迹、各道路交通标线的信息中的至少一种,确定所述道路区域对应的参考线;
根据各道路交通标线的信息以及所述参考线,确定所述道路区域的道路边界。
可选地,根据道路路口的信息,确定道路区域,具体包括:
根据所述车辆的行驶轨迹的信息,确定各道路路口;
根据各道路路口的位置信息,确定任意相邻的两个道路路口之间的区域作为道路区域。
可选地,根据所述传感数据,确定位于所述道路区域中的各道路交通标线的信息,具体包括:
将所述传感数据输入预先训练的分类模型,得到所述分类模型输出的每个道路交通标线的信息。
可选地,道路交通标线包括车道线;
确定位于所述道路区域中的各道路交通标线的信息,具体包括:
根据位于所述道路区域中的各车道线的类型信息,选择实线类型的车道线;
在各实线类型的车道线中,若存在两个车道线,满足所述两个车道线在所述道路区域中的延长线的夹角小于预设的夹角阈值,则将所述两个车道线进行连接,得到位于所述道路区域中的实线类型的车道线。
可选地,根据所述行驶轨迹、各道路交通标线的信息中的至少一种,确定所述道路区域对应的参考线,具体包括:
根据所述行驶轨迹的行驶方向和/或各道路交通标线的位置信息,确定所述道路区域的道路延伸方向;
沿所述道路延伸方向的垂直方向,在所述道路区域中,确定所述参考线。
可选地,根据各道路交通标线的信息以及所述参考线,确定所述道路区域的道路边界,具体包括:
针对各道路交通标线,确定所述参考线与该道路交通标线的交点;
根据每个交点的位置信息,对各交点进行排序;
根据排序结果,确定指定交点;
根据所述指定交点所在的道路交通标线的信息,确定所述道路区域的道路边界。
本说明书提供的一种道路切分方法,所述方法包括:
根据道路区域的道路边界,确定所述道路区域的道路宽度;
沿所述道路区域的道路延伸方向,监控所述道路宽度的取值状态,所述取值状态包括发生变化状态以及保持不变状态;
若监控到所述取值状态在两个状态之间进行切换,对所述道路区域进行切分,得到所述道路区域的切分结果。
本说明书提供一种道路边界的确定装置,所述装置包括:
确定道路区域模块,用于根据道路路口的信息,确定道路区域;
获取行驶轨迹模块,用于获取车辆在所述道路区域的行驶过程中,通过安装在所述车辆上的传感器采集的传感数据以及所述车辆的行驶轨迹;
确定道路交通标线模块,用于根据所述传感数据,确定位于所述道路区域中的各道路交通标线的信息;
确定参考线模块,用于根据所述行驶轨迹、各道路交通标线的信息中的至少一种,确定所述道路区域对应的参考线;
确定道路边界模块,用于根据各道路交通标线的信息以及所述参考线,确定所述道路区域的道路边界。
本说明书提供一种道路切分装置,所述装置包括:
确定道路宽度模块,用于根据道路区域的道路边界,确定所述道路区域的道路宽度;
监控模块,用于沿所述道路区域的道路延伸方向,监控所述道路宽度的取值状态,所述取值状态包括发生变化状态以及保持不变状态;
切分模块,用于若监控到所述取值状态在两个状态之间进行切换,对所述道路区域进行切分,得到所述道路区域的切分结果。
本说明书提供的一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述内容提供的道路边界的确定方法以及道路切分方法。
本说明书提供的一种电子设备,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上述内容提供的道路边界的确定方法以及道路切分方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书可根据道路路口的信息,确定道路区域,获取车辆在道路区域的行驶过程中,通过安装在车辆上的传感器采集的传感数据以及车辆的行驶轨迹,根据传感数据,确定位于道路区域中的各道路交通标线的信息,根据行驶轨迹、各道路交通标线的信息中的至少一种,确定道路区域对应的参考线,根据各道路交通标线的信息以及参考线,确定道路区域的道路边界。通过上述内容,本说明书可通过位于道路区域中的道路交通标线、车辆行驶轨迹等信息确定道路区域对应的参考线,基于参考线与道路交通标线等信息确定道路边界,相对于现有技术,本说明书无需人工参与,解决了现有技术中由于人工设置的宽度阈值缺乏准确性导致的确定出的道路边界的准确性较低的问题,达到了提高道路边界的精度的效果。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书实施例提供的一种道路边界的确定方法流程图;
图2为本说明书实施例提供的一种确定道路区域的示意图;
图3为本说明书实施例提供的一种连接实线类型的车道线的示意图;
图4为本说明书实施例提供的一种确定参考线的示意图;
图5为本说明书实施例提供的一种道路切分方法流程图;
图6为本说明书实施例提供的一种道路切分结果示意图;
图7为本说明书实施例提供的一种道路边界的确定装置的结构示意图;
图8为本说明书实施例提供的一种道路切装置的结构示意图
图9为本说明书实施例提供的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
道路边界,为道路的边界,对于机动车辆而言,道路边界即为机动车辆可行驶区域的边界,对于非机动车辆而言,道路边界即为非机动车辆可行驶区域的边界。由于本说明书中提及的道路边界主要用于电子地图,尤其是包含很多细节信息的高精地图,以便于无人设备基于高精地图的信息为无人设备的运行做出规划,因此,本说明书中的道路边界可指无人设备可行驶区域的边界。
在本说明书中,无人设备主要包括无人驾驶车辆、无人机等智能无人驾驶设备,主要用于代替人工配送物品(例如在大型货物仓储中心运输分拣后的货物),或将货物从某一地点运输到另一地点,为了便于说明,本说明书中将无人设备划分为机动车辆。
现有的确定道路边界的方法中,是通过点云数据确定出道路区域,根据预设的宽度阈值,将道路区域划分出至少一个车道区域,在点云数据中提取出每个车道区域中的车道线,选择最左侧车道线以及最右侧车道线,分别根据最左侧车道线以及最右侧车道线,获取至少一个对象线,根据各对象线以及最左侧车道线、最右侧车道线,在各对象线中确定出至少一个参考边界,最后根据各参考边界以及最左侧车道线、最右侧车道线确定出道路边界。
考虑到实际的道路环境中,道路宽度经常发生变化,若根据人工经验设置宽度阈值,根据宽度阈值将道路区域划分出若干个车道区域,可能导致划分出的车道区域的位置以及数量均不准确的情况,从而使得确定出的道路边界的精度较低。
因此,本说明书提供一种道路边界的确定方法,可部分解决现有的方法存在的上述问题。
本说明书提供的道路边界的确定方法以及道路切分方法,可应用于电子设备上,例如,服务器,并且可以是单独的一台设备或者是多台设备组成的分布式服务器,又如,其他包括处理器、存储器等元器件的设备,电子设备可位于车辆等载体上也可以单独存在,本说明书对此不做限制。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种道路边界的确定方法流程图,具体可包括以下步骤:
S100:根据道路路口的信息,确定道路区域。
在本说明书中,道路路口为道路的一端,或者道路与道路汇合的位置,可包括道路交叉口。一条完整的道路是由道路边界围成的区域,因此,两个相邻的道路路口即可确定一条道路所在的区域(即,道路区域)。
首先确定道路路口的信息。
在本说明书中,可获取车辆的行驶轨迹的信息,根据行驶轨迹的信息,确定各道路路口。其中,车辆可包括普通车辆、无人驾驶车辆,获取的行驶轨迹可作为专家数据。行驶轨迹可包括若干个轨迹点,轨迹点的信息可包括轨迹点的位置信息、车辆行驶至轨迹点处的时间信息、车辆在轨迹点处的行驶方向等信息。
具体的,可监控行驶轨迹中车辆在各轨迹点处的行驶方向(即,行驶轨迹的行驶方向),若监控到车辆在预设的时间长度内或者预设的距离内行驶方向发生变化,例如,确定行驶轨迹在两个轨迹点处的切线的切线夹角大于预设的切线夹角阈值,则可确定车辆所处的位置为道路路口区域,则根据行驶轨迹中各轨迹点的位置信息,即可确定道路路口的位置信息。
一般情况下,道路路口均设置有标识,例如,人行横道线(又称为斑马线)、停止线等。因此,可获取传感器采集的传感数据,确定传感数据中包含的道路交通标线的信息,若传感数据中包含诸如斑马线、停止线等道路路口的标识,则可根据道路路口的标识的位置信息,确定道路路口。
另外,除了通过行驶轨迹确定道路路口信息之外,本说明书还可通过其他方式确定道路路口的信息,例如,可获取用于车辆导航的导航地图,根据导航地图中的标注信息,确定道路路口的位置信息。
然后根据各道路路口的位置信息,可确定任意相邻的两个道路路口之间的区域作为道路区域。
在本说明书中,通过相邻两个道路路口确定出的道路区域,实际上是一个开放区域,即,道路区域的两端为道路路口,如图2所示,图2为本说明书实施例提供的一种确定道路区域的示意图。在图2中,道路路口的外侧为斑马线,即,道路区域的一端为斑马线的远离道路路口的一端。
参考图2,对于任意两个相邻的道路路口,均可确定一个道路区域。也即,只要确定出道路路口的信息,便可根据各道路路口的位置信息,确定出若干个道路区域。
由于两个道路路口即可确定出道路区域,因此,本说明书以对其中一个道路区域的道路边界的确定为例进行说明。
S102:获取车辆在所述道路区域的行驶过程中,通过安装在所述车辆上的传感器采集的传感数据以及所述车辆的行驶轨迹。
本说明书中,车辆上可安装有传感器,传感器的数量可以有多个,传感器可包括图像传感器、激光雷达等,因此传感数据可包括图像数据、点云数据等,此外,传感数据还可包括由图像数据、点云数据等经过处理后得到的数据,例如,获取点云数据中各点云点的反射率,根据各点云点的反射率确定激光反射率底图,其中,针对激光反射率底图中各点,该点的信息可包括与该点对应的点云点的反射率、位置信息等。
在通过上述内容确定出道路区域后,可根据车辆的位置信息等,确定车辆在道路区域中行驶时的行驶轨迹以及在道路区域中行驶时通过传感器采集得到的传感数据。
进一步地,本说明书中,可实时获取车辆在当前道路区域中的行驶轨迹以及通过传感器采集得到的传感数据,也可以从数据库中获取历史上车辆在当前道路区域中的行驶轨迹以及传感数据,也即,本说明书可在采集道路信息时,实时获取行驶轨迹等信息从而实时确定当前道路区域的道路边界,也可以在采集完道路信息之后,获取历史上存储的行驶轨迹等信息以确定道路边界。
S104:根据所述传感数据,确定位于所述道路区域中的各道路交通标线的信息。
在获取传感数据后,对传感数据进行处理,可得到传感数据中包含的位于道路区域中的若干个道路交通标线的信息。其中,道路交通标线可包括车道线、斑马线、停止线以及其他诸如车道行驶方向等地面标线,因此,道路交通标线的信息可包括道路交通标线的类型、位置、方向等信息。在一种实施例中,道路交通标线还可包括路沿,也即,将路沿作为一种特殊的道路交通标线。
在一种优选的实施例中,可将传感数据输入预先训练的分类模型,得到分类模型输出的每个道路交通标线的信息。
具体的,本说明书中可预先训练分类模型,获取带有标注信息的传感数据作为训练样本,其中标注信息可包括训练样本包含的各道路交通标线的信息,将训练样本输入待训练的分类模型,得到待训练的分类模型输出的预测信息,其中,预测信息可包括待训练的分类模型预测训练样本包含的各道路交通标线的信息,确定预测信息与标注信息的差异作为损失,以最小化损失为训练目标,对待训练的分类模型进行训练。
在训练完成分类模型后,将获取的车辆在当前道路区域的行驶过程中通过传感器采集得的传感数据输入分类模型中,得的分类模型输出的传感数据包含的各道路交通标线的信息,也即,得到位于当前道路区域中的各道路交通标线的信息。
其中,输入分类模型的传感数据可包括图像数据或者点云数据,也可以是激光反射率底图。分类模型可以是机器学习模型,例如,神经网络模型等。
另外,除了上述方式之外,还可采用其他方式确定传感数据中包含的各道路交通标线的信息,例如,当传感数据为图像数据时,可将图像数据进行语义分割,得到图像中包含的各道路交通标线的信息等。又如,当道路交通标线为路沿,传感数据为点云数据时,可根据各点云点的空间位置信息,确定点云数据中在高度维度出现梯度变化的点云点,根据确定出的点云点,确定路沿的信息。
上述内容可确定传感数据中的各道路交通标线的类型、位置等信息,在本说明书中,道路交通标线的信息还可包括道路交通标线的方向,一般情况下,可将道路交通标线的方向作为车辆的可行驶方向。
在确定出传感数据中包含的各道路交通标线之后,可能存在实际道路上的一条道路交通标线在传感数据中由两条道路交通标线线段表示,即,传感数据中未采集到实际道路区域中完整的道路交通标线的情况,则本说明书可将原本属于同一道路交通标线的若干个道路交通标线的线段进行连接。
具体的,以道路交通标线为车道线为例,根据位于道路区域中的各车道线的类型信息,可选择实线类型的车道线,在各实线类型的车道线中,若存在两个车道线,满足两个车道线在道路区域中的延长线的夹角小于预设的夹角阈值,则将两个车道线进行连接,得到位于道路区域中的实线类型的车道线。
图3为本说明书实施例提供的一种连接实线类型的车道线的示意图。在图3中,两段实线类型的车道线的延长线进行相交,夹角可表示为角A,若角A的值小于夹角阈值,则可将两段实线类型的车道线进行连接,例如,可直接将两段实线类型的车道线的端点进行连接。当然,图3表示的是一种两个延长线相交的情况,在本说明书中,可能存在一个实线类型的车道线的延长线与另一个实线类型的车道线相交的情况,可参考图3中表示的内容,本说明书不再一一赘述。
在本说明书中,可将各道路交通标线的方向统一设置为同一个方向,然后根据车辆在当前道路区域的行驶轨迹,确定各道路交通标线的最终方向。
具体的,针对各道路交通标线,根据预设的采样距离,沿该道路交通标线的方向,对该道路交通标线进行采样,得到若干个第一采样点,并且,沿行驶轨迹的行驶方向对行驶轨迹进行采样,得到若干个第二采样点,即,每隔采样距离对该道路交通标线以及行驶轨迹进行一次采样,根据各采样点的位置信息,分别对各第一采样点以及各第二各采样点进行排序,根据排序结果,确定排序相同的第一采样点与第二采样点之间的距离作为该第一采样点对应的距离,对比任意两个第一采样点对应的距离,根据对比结果,确定该道路交通标线的最终方向,例如,若对比结果为一致,则该道路交通标线的最终方向无需更改,即为统一设置的方向,若对比结果为不一致,则该道路交通标线的最终方向需要更改,即将统一设置的方向的反方向作为最终方向。
S106:根据所述行驶轨迹、各道路交通标线的信息中的至少一种,确定所述道路区域对应的参考线。
在获取行驶轨迹以及确定各道路交通标线的信息之后,可根据行驶轨迹的方向和/或各道路交通标线的位置信息,确定道路区域的道路延伸方向,沿道路延伸方向的垂直方向,在道路区域中,确定参考线。
具体的,根据行驶轨迹的轨迹点的位置信息,由轨迹点的位置向行驶轨迹的行驶方向的垂直方向画一条参考线,行驶轨迹的行驶方向即为道路区域的道路延伸方向,行驶轨迹的行驶方向的垂直方向,即为道路区域的道路中心指向道路边界的方向。同样的,根据各道路交通标线的位置信息以及最终方向信息等,可确定出道路延伸方向,即,道路交通标线的最终方向即为道路延伸方向,通过道路交通标线,沿道路延伸方向的垂直方向,可画出一条参考线。由于车辆行驶轨迹中可能存在变道等信息,为避免由于车辆行驶的因素导致参考线的准确性降低,可同时参考行驶轨迹的信息以及各道路交通标线的信息,确定参考线。
此外,除了根据行驶轨迹、各道路交通标线等信息可确定参考线之外,本说明书中,在确定道路区域时,还可确定道路区域的最小外接矩形,根据确定出的道路区域的最小外接矩形的中心线,确定参考线,例如,可确定道路区域的最小外接矩形的中心线的垂直线作为参考线。
在确定参考线之后,还可确定参考线的移动方向,即可将道路延伸方向作为参考线移动方向,通过移动参考线以确定道路区域中整个道路的道路边界。
图4为本说明书实施例提供的一种确定参考线的示意图,在图4中,参考线以虚线表示,在道路交通标线的最终方向的垂直方向画出一条参考线,并将道路交通标线的最终方向作为参考线移动方向。
S108:根据各道路交通标线的信息以及所述参考线,确定所述道路区域的道路边界。
在确定参考线之后,本说明书中,可根据参考线以及各道路交通标线的信息,在各道路交通标线中,选择道路交通标线作为道路区域的道路边界。
具体的,针对各道路交通标线,确定参考线与该道路交通标线的交点,根据每个交点的位置信息,对各交点进行排序,根据排序结果,确定指定交点,根据指定交点所在的道路交通标线的信息,确定道路区域的道路边界。
在图4中,参考线与各道路交通标线的交点用黑色圆点表示,根据各道路交通标线的位置信息以及参考线的位置信息,可确定参考线与每个道路交通标线的交点,根据各交点的位置信息,将各交点进行排序。根据排序结果,选择第一个交点以及最后一个交点作为指定交点(即,选择图4中最外侧的交点),若指定交点所在的道路交通标线为实线类型的车道线,则可将指定交点所在的车道线作为道路边界,若指定交点所在的道路交通标线为虚线类型的车道线,则可将路沿作为道路边界。
基于上述内容,在一种优选的实施例中,可选择实线类型的车道线,确定参考线与各实线类型的车道线的交点,若确定出多个交点,可分别确定每个交点所在的实线类型的车道线的长度,若实现类型的车道线的长度满足条件,则可选择距离最小外接矩形中心线最近的车道线作为道路边界,其中,实线类型的车道线需要满足的条件可包括车道线的长度大于预设的长度阈值、车道线的长度与道路区域的长度的比值大于预设的比值阈值等中的至少一种。当然,在该实施例中,可能存在不存在实现类型的车道线的情况,因此,在该种情况中,可直接将路沿作为道路边界。
另外,在本说明书中,道路区域包括单向车道的道路区域以及双向车道的道路区域,针对单向车道的道路区域,则可根据上述内容,确定两个道路边界。针对双向车道的道路区域,若实际环境中,道路区域中间不存在树木等遮挡物,则可根据上述内容,直接确定两个道路边界(也可确定四个道路边界,即,每个方向确定出两个道路边界),若实际环境中道路区域中间存在树木等遮挡物,则可按照确定单向车道的道路区域的内容,先确定其中一个方向对应的道路边界,然后再确定另一个方向对应的道路边界。
本说明书还提供一种道路切分方法,图5为本说明书实施例提供的一种道路切分方法流程图,具体可包括以下步骤:
S200:根据道路区域的道路边界,确定所述道路区域的道路宽度。
S202:沿所述道路区域的道路延伸方向,监控所述道路宽度的取值状态,所述取值状态包括发生变化状态以及保持不变状态。
S204:若监控到所述取值状态在两个状态之间进行切换,对所述道路区域进行切分,得到所述道路区域的切分结果。
在本说明书中,若确定出道路区域的道路边界,便可根据道路边界,确定道路区域的道路宽度,具体的,可确定道路区域的两个道路边界的直线距离,作为道路宽度。其中,确定道路区域的道路边界的方式,可参考上述步骤S100-步骤S108。
另外,在本说明书中,在步骤S108中确定出指定交点后,可确定两个指定交点之间的距离作为道路区域的道路宽度。
当然,除了通过道路边界、确定道路边界的指定交点等信息可确定道路宽度之外,还可根据车道线的数量来确定(也即,通过车道数量)道路宽度,例如,可预设车道的标准宽度,根据车道的标准宽度以及车道线的数量等信息,确定道路宽度。
在确定出道路宽度后,可根据监控道路区域的道路宽度变化情况,即,监控道路区域的道路宽度的取值状态,具体的,可沿道路延伸方向,对道路边界进行采样,确定每个采样点处的道路宽度的取值,若相邻两个采样点的道路宽度取值的差值小于预设的差值阈值,则可认为道路宽度的取值状态为保持不变状态,若相邻两个采样点的道路宽度取值的差值大于预设的差值阈值,则可认为道路宽度的取值状态为发生变化状态。
当监控到道路宽度的取值状态发生了改变,即道路宽度的取值状态由保持不变状态切换到发生变化状态,或者,道路宽度的取值状态由发生变化状态切换到保持不变状态,则对道路区域进行切分,从而将道路区域切分为若干个道路段落。
或者,在本说明书中,可监控道路区域中包含的车道数量的取值状态,车道数量的取值状态可包括发生变化状态以及保持不变状态,同样,若监控到车道数量的取值状态在两个状态之间切换,则可对道路区域进行切分,得到道路区域的切分结果。
图6为本说明书实施例提供的一种道路切分结果示意图,在图6中,将道路区域进行切分后,不同的道路段落采用不同的填充内容表示。
这里需要说明的是,本说明书之所以对道路进行切分,得到若干个道路段落,是因为无人设备在通过电子地图对无人设备自身的路径以及行驶轨迹进行规划时,需要获取道路中的车道信息,而考虑到目前实际的道路环境中,涉及到车道数量发生变化的区域,即,本说明书中道路切分得到的若干个道路段落(图6中位于中间的道路段落),没有实际的车道线,对于驾驶员而言,由于具有道路交通相关知识,可直接通过该区域,而对于无人设备而言,由于无人设备需要在车道中运行,而车道是由两个车道线确定的,该区域没有实际的车道线,则无人设备无法确定车道,从而无法规划自身轨迹,也即,本说明书对道路区域进行道路切分得到各道路段落,以便于后续在各道路段落中,选择道路段落,对选择的道路段落确定车道线以及车道之间的连接关系。
本说明书提供的上述内容提供的道路边界的确定方法以及道路切分方法,具体可应用于使用无人设备进行配送的领域,例如,使用无人设备进行快递、外卖等配送的场景。具体的,在上述的场景中,可使用多个无人设备所构成的无人驾驶车队进行配送。
基于图1所示的一种道路边界的确定方法,本说明书实施例还对应提供一种道路边界的确定装置的结构示意图,如图7所示。
图7为本说明书实施例提供的一种道路边界的确定装置的结构示意图,所述装置包括:
确定道路区域模块701,用于根据道路路口的信息,确定道路区域;
获取行驶轨迹模块702,用于获取车辆在所述道路区域的行驶过程中,通过安装在所述车辆上的传感器采集的传感数据以及所述车辆的行驶轨迹;
确定道路交通标线模块703,用于根据所述传感数据,确定位于所述道路区域中的各道路交通标线的信息;
确定参考线模块704,用于根据所述行驶轨迹、各道路交通标线的信息中的至少一种,确定所述道路区域对应的参考线;
确定道路边界模块705,用于根据各道路交通标线的信息以及所述参考线,确定所述道路区域的道路边界。
可选地,所述确定道路区域模块701具体用于,根据所述车辆的行驶轨迹的信息,确定各道路路口;根据各道路路口的位置信息,确定任意相邻的两个道路路口之间的区域作为道路区域。
可选地,所述确定道路交通标线模块703具体用于,将所述传感数据输入预先训练的分类模型,得到所述分类模型输出的每个道路交通标线的信息。
可选地,道路交通标线包括车道线;
所述确定道路交通标线模块703具体用于,根据位于所述道路区域中的各车道线的类型信息,选择实线类型的车道线;在各实线类型的车道线中,若存在两个车道线,满足所述两个车道线在所述道路区域中的延长线的夹角小于预设的夹角阈值,则将所述两个车道线进行连接,得到位于所述道路区域中的实线类型的车道线。
可选地,所述确定参考线模块704具体用于,根据所述行驶轨迹的行驶方向和/或各道路交通标线的位置信息,确定所述道路区域的道路延伸方向;沿所述道路延伸方向的垂直方向,在所述道路区域中,确定所述参考线。
可选地,所述确定道路边界模块705具体用于,针对各道路交通标线,确定所述参考线与该道路交通标线的交点;根据每个交点的位置信息,对各交点进行排序;根据排序结果,确定指定交点;根据所述指定交点所在的道路交通标线的信息,确定所述道路区域的道路边界。
基于图5所示的一种道路切分方法,本说明书实施例还对应提供一种道路切分装置的结构示意图,如图8所示。
图8为本说明书实施例提供的一种道路切装置的结构示意图,所述装置包括:
确定道路宽度模块706,用于根据道路区域的道路边界,确定所述道路区域的道路宽度;
监控模块707,用于沿所述道路区域的道路延伸方向,监控所述道路宽度的取值状态,所述取值状态包括发生变化状态以及保持不变状态;
切分模块708,用于若监控到所述取值状态在两个状态之间进行切换,对所述道路区域进行切分,得到所述道路区域的切分结果。
本说明书实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述内容提供的道路边界的确定方法以及道路切分方法。
基于上述内容提供的道路边界的确定方法以及道路切分方法,本说明书实施例还提出了图9所示的电子设备的示意结构图。如图9,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述内容提供的道路边界的确定方法以及道路切分方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (11)
1.一种道路边界的确定方法,其特征在于,所述方法包括:
根据道路路口的信息,确定道路区域;
获取车辆在所述道路区域的行驶过程中,通过安装在所述车辆上的传感器采集的传感数据以及所述车辆的行驶轨迹;
根据所述传感数据,确定位于所述道路区域中的各道路交通标线的信息;
根据所述行驶轨迹、各道路交通标线的信息中的至少一种,确定所述道路区域对应的参考线;
根据各道路交通标线的信息以及所述参考线,确定所述道路区域的道路边界。
2.如权利要求1所述的方法,其特征在于,根据道路路口的信息,确定道路区域,具体包括:
根据所述车辆的行驶轨迹的信息,确定各道路路口;
根据各道路路口的位置信息,确定任意相邻的两个道路路口之间的区域作为道路区域。
3.如权利要求1所述的方法,其特征在于,根据所述传感数据,确定位于所述道路区域中的各道路交通标线的信息,具体包括:
将所述传感数据输入预先训练的分类模型,得到所述分类模型输出的每个道路交通标线的信息。
4.如权利要求3所述的方法,其特征在于,道路交通标线包括车道线;
确定位于所述道路区域中的各道路交通标线的信息,具体包括:
根据位于所述道路区域中的各车道线的类型信息,选择实线类型的车道线;
在各实线类型的车道线中,若存在两个车道线,满足所述两个车道线在所述道路区域中的延长线的夹角小于预设的夹角阈值,则将所述两个车道线进行连接,得到位于所述道路区域中的实线类型的车道线。
5.如权利要求1所述的方法,其特征在于,根据所述行驶轨迹、各道路交通标线的信息中的至少一种,确定所述道路区域对应的参考线,具体包括:
根据所述行驶轨迹的行驶方向和/或各道路交通标线的位置信息,确定所述道路区域的道路延伸方向;
沿所述道路延伸方向的垂直方向,在所述道路区域中,确定所述参考线。
6.如权利要求1所述的方法,其特征在于,根据各道路交通标线的信息以及所述参考线,确定所述道路区域的道路边界,具体包括:
针对各道路交通标线,确定所述参考线与该道路交通标线的交点;
根据每个交点的位置信息,对各交点进行排序;
根据排序结果,确定指定交点;
根据所述指定交点所在的道路交通标线的信息,确定所述道路区域的道路边界。
7.一种道路切分方法,其特征在于,所述方法包括:
根据道路区域的道路边界,确定所述道路区域的道路宽度;
沿所述道路区域的道路延伸方向,监控所述道路宽度的取值状态,所述取值状态包括发生变化状态以及保持不变状态;
若监控到所述取值状态在两个状态之间进行切换,对所述道路区域进行切分,得到所述道路区域的切分结果。
8.一种道路边界的确定装置,其特征在于,所述装置包括:
确定道路区域模块,用于根据道路路口的信息,确定道路区域;
获取行驶轨迹模块,用于获取车辆在所述道路区域的行驶过程中,通过安装在所述车辆上的传感器采集的传感数据以及所述车辆的行驶轨迹;
确定道路交通标线模块,用于根据所述传感数据,确定位于所述道路区域中的各道路交通标线的信息;
确定参考线模块,用于根据所述行驶轨迹、各道路交通标线的信息中的至少一种,确定所述道路区域对应的参考线;
确定道路边界模块,用于根据各道路交通标线的信息以及所述参考线,确定所述道路区域的道路边界。
9.一种道路切分装置,其特征在于,所述装置包括:
确定道路宽度模块,用于根据道路区域的道路边界,确定所述道路区域的道路宽度;
监控模块,用于沿所述道路区域的道路延伸方向,监控所述道路宽度的取值状态,所述取值状态包括发生变化状态以及保持不变状态;
切分模块,用于若监控到所述取值状态在两个状态之间进行切换,对所述道路区域进行切分,得到所述道路区域的切分结果。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1-6或7任一所述的方法。
11.一种电子设备,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上述权利要求1-6或7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011159399.XA CN112309233B (zh) | 2020-10-26 | 2020-10-26 | 一种道路边界的确定、道路切分方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011159399.XA CN112309233B (zh) | 2020-10-26 | 2020-10-26 | 一种道路边界的确定、道路切分方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112309233A true CN112309233A (zh) | 2021-02-02 |
CN112309233B CN112309233B (zh) | 2022-09-30 |
Family
ID=74330682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011159399.XA Active CN112309233B (zh) | 2020-10-26 | 2020-10-26 | 一种道路边界的确定、道路切分方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112309233B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801075A (zh) * | 2021-04-15 | 2021-05-14 | 速度时空信息科技股份有限公司 | 基于航摄影像的农村道路边界线的自动提取方法 |
CN113721602A (zh) * | 2021-07-28 | 2021-11-30 | 广州小鹏自动驾驶科技有限公司 | 参考线处理方法、装置、设备及存储介质 |
CN115114312A (zh) * | 2022-07-15 | 2022-09-27 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置及电子设备 |
WO2023179030A1 (zh) * | 2022-03-24 | 2023-09-28 | 商汤集团有限公司 | 一种道路边界检测方法、装置、电子设备、存储介质和计算机程序产品 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002340603A (ja) * | 2001-03-16 | 2002-11-27 | Fujitsu Ten Ltd | ナビゲーション装置、及び道路データ記憶媒体 |
JP2013168057A (ja) * | 2012-02-16 | 2013-08-29 | Toyota Motor Corp | 道路境界判定装置及び道路境界判定方法 |
JP2015153162A (ja) * | 2014-02-14 | 2015-08-24 | 株式会社日本自動車部品総合研究所 | 境界線認識装置 |
CN106767853A (zh) * | 2016-12-30 | 2017-05-31 | 中国科学院合肥物质科学研究院 | 一种基于多信息融合的无人驾驶车辆高精度定位方法 |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
CN107798855A (zh) * | 2016-09-07 | 2018-03-13 | 高德软件有限公司 | 一种车道宽度计算方法和装置 |
CN108830165A (zh) * | 2018-05-22 | 2018-11-16 | 南通职业大学 | 一种考虑前车干扰的车道线检测方法 |
CN108957475A (zh) * | 2018-06-26 | 2018-12-07 | 东软集团股份有限公司 | 一种道路边界检测方法及装置 |
CN109470254A (zh) * | 2018-10-31 | 2019-03-15 | 百度在线网络技术(北京)有限公司 | 地图车道线的生成方法、装置、系统及存储介质 |
CN109584706A (zh) * | 2018-10-31 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 电子地图车道线处理方法、设备及计算机可读存储介质 |
WO2019071212A1 (en) * | 2017-10-06 | 2019-04-11 | Netradyne Inc. | SYSTEM AND METHOD FOR DETERMINING A CURVE |
CN110135216A (zh) * | 2018-02-02 | 2019-08-16 | 北京四维图新科技股份有限公司 | 电子地图中车道数变化区域检测方法、装置及存储设备 |
CN110174113A (zh) * | 2019-04-28 | 2019-08-27 | 福瑞泰克智能系统有限公司 | 一种车辆行驶车道的定位方法、装置及终端 |
CN110415330A (zh) * | 2019-04-29 | 2019-11-05 | 当家移动绿色互联网技术集团有限公司 | 道路生成方法、装置、存储介质及电子设备 |
CN110598541A (zh) * | 2019-08-05 | 2019-12-20 | 香港理工大学深圳研究院 | 一种提取道路边缘信息的方法及设备 |
CN111190427A (zh) * | 2020-04-10 | 2020-05-22 | 北京三快在线科技有限公司 | 一种轨迹规划的方法及装置 |
CN111311709A (zh) * | 2020-02-05 | 2020-06-19 | 北京三快在线科技有限公司 | 一种生成高精地图的方法及装置 |
CN111460986A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市凯立德科技股份有限公司 | 一种车道线处理方法和装置 |
CN111488762A (zh) * | 2019-01-25 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 一种车道级定位方法、装置及定位设备 |
CN111578964A (zh) * | 2020-04-13 | 2020-08-25 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构高精地图道路信息快速生成系统及方法 |
CN111782751A (zh) * | 2020-06-28 | 2020-10-16 | 北京四维图新科技股份有限公司 | 地图中交叉路口道路生成方法、装置及电子设备 |
CN111811530A (zh) * | 2020-06-16 | 2020-10-23 | 当家移动绿色互联网技术集团有限公司 | 车道线生成方法、装置、存储介质及电子设备 |
-
2020
- 2020-10-26 CN CN202011159399.XA patent/CN112309233B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002340603A (ja) * | 2001-03-16 | 2002-11-27 | Fujitsu Ten Ltd | ナビゲーション装置、及び道路データ記憶媒体 |
JP2013168057A (ja) * | 2012-02-16 | 2013-08-29 | Toyota Motor Corp | 道路境界判定装置及び道路境界判定方法 |
JP2015153162A (ja) * | 2014-02-14 | 2015-08-24 | 株式会社日本自動車部品総合研究所 | 境界線認識装置 |
CN107798855A (zh) * | 2016-09-07 | 2018-03-13 | 高德软件有限公司 | 一种车道宽度计算方法和装置 |
CN106767853A (zh) * | 2016-12-30 | 2017-05-31 | 中国科学院合肥物质科学研究院 | 一种基于多信息融合的无人驾驶车辆高精度定位方法 |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
WO2019071212A1 (en) * | 2017-10-06 | 2019-04-11 | Netradyne Inc. | SYSTEM AND METHOD FOR DETERMINING A CURVE |
CN110135216A (zh) * | 2018-02-02 | 2019-08-16 | 北京四维图新科技股份有限公司 | 电子地图中车道数变化区域检测方法、装置及存储设备 |
CN108830165A (zh) * | 2018-05-22 | 2018-11-16 | 南通职业大学 | 一种考虑前车干扰的车道线检测方法 |
CN108957475A (zh) * | 2018-06-26 | 2018-12-07 | 东软集团股份有限公司 | 一种道路边界检测方法及装置 |
CN109470254A (zh) * | 2018-10-31 | 2019-03-15 | 百度在线网络技术(北京)有限公司 | 地图车道线的生成方法、装置、系统及存储介质 |
CN109584706A (zh) * | 2018-10-31 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 电子地图车道线处理方法、设备及计算机可读存储介质 |
CN111488762A (zh) * | 2019-01-25 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 一种车道级定位方法、装置及定位设备 |
CN110174113A (zh) * | 2019-04-28 | 2019-08-27 | 福瑞泰克智能系统有限公司 | 一种车辆行驶车道的定位方法、装置及终端 |
CN110415330A (zh) * | 2019-04-29 | 2019-11-05 | 当家移动绿色互联网技术集团有限公司 | 道路生成方法、装置、存储介质及电子设备 |
CN110598541A (zh) * | 2019-08-05 | 2019-12-20 | 香港理工大学深圳研究院 | 一种提取道路边缘信息的方法及设备 |
CN111311709A (zh) * | 2020-02-05 | 2020-06-19 | 北京三快在线科技有限公司 | 一种生成高精地图的方法及装置 |
CN111460986A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市凯立德科技股份有限公司 | 一种车道线处理方法和装置 |
CN111190427A (zh) * | 2020-04-10 | 2020-05-22 | 北京三快在线科技有限公司 | 一种轨迹规划的方法及装置 |
CN111578964A (zh) * | 2020-04-13 | 2020-08-25 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构高精地图道路信息快速生成系统及方法 |
CN111811530A (zh) * | 2020-06-16 | 2020-10-23 | 当家移动绿色互联网技术集团有限公司 | 车道线生成方法、装置、存储介质及电子设备 |
CN111782751A (zh) * | 2020-06-28 | 2020-10-16 | 北京四维图新科技股份有限公司 | 地图中交叉路口道路生成方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
文少波等: "《新能源汽车及其智能化技术》", 30 September 2017, 东南大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801075A (zh) * | 2021-04-15 | 2021-05-14 | 速度时空信息科技股份有限公司 | 基于航摄影像的农村道路边界线的自动提取方法 |
CN112801075B (zh) * | 2021-04-15 | 2021-07-27 | 速度时空信息科技股份有限公司 | 基于航摄影像的农村道路边界线的自动提取方法 |
CN113721602A (zh) * | 2021-07-28 | 2021-11-30 | 广州小鹏自动驾驶科技有限公司 | 参考线处理方法、装置、设备及存储介质 |
CN113721602B (zh) * | 2021-07-28 | 2024-04-05 | 广州小鹏汽车科技有限公司 | 参考线处理方法、装置、设备及存储介质 |
WO2023179030A1 (zh) * | 2022-03-24 | 2023-09-28 | 商汤集团有限公司 | 一种道路边界检测方法、装置、电子设备、存储介质和计算机程序产品 |
CN115114312A (zh) * | 2022-07-15 | 2022-09-27 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112309233B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112309233B (zh) | 一种道路边界的确定、道路切分方法及装置 | |
CN109584578B (zh) | 用于识别行驶车道的方法和装置 | |
CN110674723B (zh) | 一种确定无人驾驶车辆行驶轨迹的方法及装置 | |
CN111190427B (zh) | 一种轨迹规划的方法及装置 | |
CN111508258B (zh) | 一种定位方法及装置 | |
CN112614365B (zh) | 一种电子地图处理方法及装置 | |
CN111582189B (zh) | 交通信号灯识别方法、装置、车载控制终端及机动车 | |
CN111208838B (zh) | 一种无人驾驶设备的控制方法及装置 | |
CN112033421B (zh) | 一种检测电子地图中车道的方法及装置 | |
CN111076739A (zh) | 一种路径规划的方法及装置 | |
CN112036462A (zh) | 一种模型训练以及目标检测的方法及装置 | |
CN112629550A (zh) | 一种预测障碍物轨迹以及模型训练的方法及装置 | |
CN113032261A (zh) | 一种仿真测试的方法及装置 | |
CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
CN114332808A (zh) | 一种预测转向意图的方法及装置 | |
CN113448337A (zh) | 一种无人驾驶设备的速度控制方法及装置 | |
CN112990099B (zh) | 一种车道线检测的方法以及装置 | |
CN114763999A (zh) | 地图生成装置、地图生成方法以及地图生成用计算机程序 | |
CN114485706A (zh) | 一种路线规划方法、装置、存储介质及电子设备 | |
CN113074748A (zh) | 一种无人驾驶设备的路径规划方法及装置 | |
CN111797722A (zh) | 车道线绘制的方法及装置 | |
CN113945222B (zh) | 道路信息的识别方法、装置、电子设备、车辆及介质 | |
CN113033527A (zh) | 一种场景识别方法、装置、存储介质及无人设备 | |
CN112163478A (zh) | 一种目标检测的方法及装置 | |
CN114019971A (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 |
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 |