CN112580744A - 众包数据道路片段中同一车道线测量数据的优化融合方法 - Google Patents

Abstract

本发明涉及一种众包数据道路片段中同一车道线测量数据的优化融合方法及装置，该方法包括：获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i,y_i,z_i,dx_i,dy_i,dz_i)|i＝1,2,…,N}，其中x_i,y_i,z_i为三维坐标位置，dx_i,dy_i,dz_i为输入观测线在该点处的切线向量；确定融合自变量和因变量；确定融合输出的起始点P_s和终止点P_e位置；建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果；根据起始点P_s、终止点P_e以及所述优化结果输出融合线。实现了对分道路片段进行车道线分类的众包车道线形点数据的融合方法，利用了线点的切线向量及其本身的位置信息，得到了符合真实的车道线片段特征的融合结果。

Description

众包数据道路片段中同一车道线测量数据的优化融合方法

技术领域

本发明涉及自动驾驶领域，尤其涉及一种众包数据道路片段中同一车道线测量数据的优化融合方法。

背景技术

在高精度地图生产过程中，希望使用成本更低，可部署在一般的自动驾驶车上的众包采集设备进行道路中各个地图要素的采集，其中，车道边线或称车道线是规范车辆行驶区间的重要地图要素，也是众包采集车所采集到的主要地图要素之一，当使用众包车道线数据进行城区道路的车道线采集数据的融合时，执行了道路划分，道路片段划分、高程处理以及分片段分类和融合。

当得到了各个分段中的数据点的分类后，使用众包车道线数据进行城区道路的车道线采集数据的融合时，常规的形点拟合方法没有利用曲线上连续形点的切线方向信息，从而对较为分散的，且长度较短的区间内的曲线形点进行拟合时，常常得不到与真实输入线类似方向和位置的曲线。

发明内容

本发明针对现有技术中存在的技术问题，提供一种众包数据道路片段中同一车道线测量数据的优化融合方法，解决现有技术中问题。

本发明解决上述技术问题的技术方案如下：一种众包数据道路片段中同一车道线测量数据的优化融合方法，包括：

步骤1，获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i,y_i,z_i,dx_i,dy_i,dz_i)|i＝1，2,…,N}，其中x_i，y_i，z_i为三维坐标位置，dx_i，dy_i，dz_i为输入观测线在该点处的切线向量；

步骤2，确定融合自变量和因变量；

步骤3，确定融合输出的起始点P_s和终止点P_e位置；

步骤4，建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果；

步骤5，根据起始点P_s、终止点P_e以及所述优化结果输出融合线。

一种众包数据道路片段中同一车道线测量数据的优化融合装置，包括：数据获取模块、自变量/因变量确定模块、起始终止位置确定模块、优化结果确定模块和融合线输出模块；

所述数据获取模块，用于获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i，y_i,z_i,dx_i，dy_i,dz_i)|i＝1，2，…，N}，其中x_i，y_i，z_i为三维坐标位置，dx_i，dy_i，dz_i为输入观测线在该点处的切线向量；

所述自变量/因变量确定模块，用于确定融合自变量和因变量；

所述起始终止位置确定模块，用于确定融合输出的起始点P_s和终止点P_e位置；

所述优化结果确定模块，用于建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果；

所述融合线输出模块，用于根据起始点P_s、终止点P_e以及所述优化结果输出融合线。

本发明的有益效果是：实现了对分道路片段进行车道线分类的众包车道线形点数据的融合方法，利用了线点的切线向量及其本身的位置信息，得到了符合真实的车道线片段特征的融合结果。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述步骤2包括：

分别求所述点集P中所有点x坐标值的极差以及y坐标值的极差，以极差较小的那一个作为自变量，另一个为因变量；

若极差不小于d₁，则执行后续步骤进行2D线拟合；

若极差小于d₁，则不再执行后续步骤：

若自变量为x，则求对所有点的平均y值k1，得到直线y＝k1作为融合输出的2D线；

若自变量为Y，则求所有点的平均x值k2，得到直线x＝k2作为融合输出的2D线。

进一步，所述步骤3中得到起始点P_s(x_s，y_s，z_s)及终止点P_e(x_e，y_e，z_e)的过程包括：

对于分段无起始线和终止线输出的情况，确定所有点的最小外接矩形R，沿待拟合的线的方向，得到矩形的中心线的起点P_s和终点P_e，并将2D坐标离起点P_s和终点P_e最近的点的高程分别设置为点P_s，P_e的高程；

对于分段有起始线和终止线输出的情况，求所有线点位置及其方向向量形成的2D直线与起始线的交点P_s和终止线的交点P_e，并将交点P_s和交点P_e的高程坐标设置为起始线和终止线的高程坐标。

进一步，所述步骤4中，自变量为x，因变量为y时，所述损失函数F_loss为：

其中，所有点自变量所组成的集合为{x_i|i＝1，2，…，N}，所有点因变量组成的集合为{y_i|i＝1，2，…，N}，方向向量的对应两个维度为{dx_i|i＝1，2，…，N}，{dy_i|i＝1，2，…，N}；

为待优化变量，

为正则参数，

表示向量的对应元素相乘组成新的向量。

进一步，所述步骤4得到优化结果的过程中还包括：建立损失函数F_loss雅克比函数；

对一组待优化变量

需最小化的损失函数F_loss，得到函数值的损失项向量为

导数值的损失项向量

则雅克比函数值为

其中

使用minimize函数中的BFGS方法求解所述损失函数F_loss，并对应地输入所述雅克比函数，最终得到优化结果

进一步，所述步骤5包括：

步骤501，根据起始点P_s、终止点P_e以及所述优化结果输出2D融合线L_o2；

步骤502，对所述2D融合线L_o2进行高程处理后得到3D融合线L_o3。

进一步，所述步骤501包括：根据起始点P_s、终止点P_e以及给定的输出点数量n，通过起始点和终止点对应的自变量的起始值和终止值，均匀取n个值，然后将这n个值，将所述优化结果

代入到函数f(·)中，得到了2D融合线L_o2。

进一步，所述步骤502包括：

对所述2D融合线L_o2进行截断或延伸处理后，分别使所述起始点P_s高程为分段起始线的平均高程，所述终止点P_e高程为分段终止线的平均高程，并从两个高程中线性均匀取n-2个值作为所述2D融合线L_o2中除起始点P_s与终止点P_e以外的其余点的高程值，得到3D融合线L_o3。

采用上述进一步方案的有益效果是:考虑形点的位置及其切线方向，给出需要求解的优化问题，通过建立对形点位置及其所在位置观测曲线的导数所建立的优化问题，并使用成型的优化问题求解方法来求解最佳多项式拟合曲线，得到融合结果。

附图说明

图1为本发明实施例提供的一种众包数据道路片段中同一车道线测量数据的优化融合方法的流程图；

图2为本发明本发明实施例提供的一种众包数据道路片段中同一车道线测量数据的优化融合方法的实施例的流程图；

图3为本发明提供的一种众包数据道路片段中同一车道线测量数据的优化融合装置的实施例的结构框图；

图4为本发明实施例提供的一种电子设备的实体结构示意图。

附图中，各标号所代表的部件列表如下：

101、数据获取模块，102、自变量/因变量确定模块，103、起始终止位置确定模块，104、优化结果确定模块,105、融合线输出模块，201、处理器，202、通信接口，203、存储器，204、通信总线。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

为了得到输入的多条同一个车道线的多次观测线上形点的融合结果，避免直接对形点位置进行拟合带来的问题，本发明实施例提供了一种方法通过建立对形点位置及其所在位置观测曲线的导数所建立的优化问题，来求解最佳多项式拟合曲线的方法。

如图1所示为本发明实施例提供的一种众包数据道路片段中同一车道线测量数据的优化融合方法的流程图，由图1可知，该方法包括：

步骤1，获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i，y_i，z_i，dx_i，dy_i，dz_i)|i＝1，2，…，N}，其中x_i，y_i，z_i为三维坐标位置，dx_i，dy_i，dz_i为输入观测线在该点处的切线向量，由形点位置坐标序列的中心差分近似。

步骤2，确定融合自变量和因变量。

步骤3，确定融合输出的起始点P_s和终止点P_e位置。

步骤4，建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果。

步骤5，根据起始点P_s、终止点P_e以及优化结果输出融合线。

本发明实施例提供的一种众包数据道路片段中同一车道线测量数据的优化融合方法，实现了对分道路片段进行车道线分类的众包车道线形点数据的融合方法，利用了线点的切线向量及其本身的位置信息，得到了符合真实的车道线片段特征的融合结果。

实施例1

本发明提供的实施例1为本发明提供的一种众包数据道路片段中同一车道线测量数据的优化融合方法的实施例，如图2所示为本发明提供的一种众包数据道路片段中同一车道线测量数据的优化融合方法的实施例的流程图，由图2可知，该实施例包括：

步骤1，获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i，y_i，z_i，dx_i，dy_i，dz_i)|i＝1，2，…，N}，其中x_i，y_i，z_i为三维坐标位置，dx_i，dy_i，dz_i为输入观测线在该点处的切线向量。

步骤2，确定融合自变量和因变量。

优选的，步骤2包括：

分别求点集P中所有点x坐标值的极差以及y坐标值的极差，以极差较小的那一个作为自变量，另一个为因变量。

若极差不小于d₁，则执行后续步骤进行2D线拟合。

若极差小于d₁，则不再执行后续步骤：

若自变量为x，则求对所有点的平均y值k1，得到直线y＝k1作为融合输出的2D线。

若自变量为Y，则求所有点的平均x值k2，得到直线x＝k2作为融合输出的2D线，得到2D线后，再执行对高程进行拟合的步骤。

数据准备：假设融合自变量为x，因变量为y。所有点自变量所组成的集合为{x_i|i＝1，2，…，N}，所有点因变量组成的集合为{y_i|i＝1，2，…，N}，且方向向量的对应两个维度为{dx_i|i＝1,2,…,N}，{dy_i|i＝1,2,…,N}。

步骤3，确定融合输出的起始点P_s和终止点P_e位置。

优选的，步骤3中得到起始点P_s(x_s,y_s,z_s)及终止点P_e(x_e,y_e,z_e)的过程包括：

对于分段无起始线和终止线输出的情况，确定所有点的最小外接矩形R，沿待拟合的线的方向，得到矩形的中心线的起点P_s和终点P_e，并将2D坐标离起点P_s和终点P_e最近的点的高程分别设置为点P_s,P_e的高程。

对于分段有起始线和终止线输出的情况，求所有线点位置及其方向向量形成的2D直线与起始线的交点P_s和终止线的交点P_e，并将交点P_s和交点P_e的高程坐标设置为起始线和终止线的高程坐标。

步骤4，建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果。

优选的，自变量为x，因变量为y时，损失函数F_loss为：

其中，所有点自变量所组成的集合为{x_i|i＝1，2,…,N}，所有x值组成的向量为

所有点因变量组成的集合为{y_i|i＝1,2,…,N}，所有y值组成的向量为

方向向量的对应两个维度为{dx_i|i＝1,2,…,N}，{dy_i|i＝1,2,…,N},对应的向量分别为

为待优化变量，

为正则参数,

表示向量的对应元素相乘组成新的向量。

进一步的，得到优化结果的过程中还包括：建立损失函数F_loss雅克比函数。

对一组待优化变量

需最小化的损失函数F_loss，得到函数值的损失项向量为

导数值的损失项向量

则雅克比函数值为

其中

使用scipy工具包中的minimize函数中的BFGS方法求解损失函数F_loss，并对应地输入雅克比函数，最终得到优化结果

在求

的四个公式中，符号

表示对向量

中的所有元素进行求和。

步骤5，根据起始点P_s、终止点P_e以及优化结果输出融合线。

优选的，步骤501，根据起始点P_s、终止点P_e以及优化结果输出2D融合线L_o2。

具体的，步骤501包括：根据起始点P_s、终止点P_e以及给定的输出点数量n，通过起始点和终止点对应的自变量的起始值和终止值，均匀取n个值，然后将这n个值，将优化结果

代入到函数f(·)中，得到了2D融合线L_o2。

步骤502，对2D融合线L_o2进行高程处理后得到3D融合线L_o3。

具体的，步骤502包括：

对2D融合线L_o2进行截断或延伸处理后，分别使起始点P_s高程为分段起始线的平均高程，终止点P_e高程为分段终止线的平均高程，并从两个高程中线性均匀取n-2个值作为2D融合线L_o2中除起始点P_s与终止点P_e以外的其余点的高程值，得到3D融合线L_o3。

上述步骤2中，若极差不小于d₁，则执行后续步骤3-步骤501进行2D线拟合；若极差小于d₁，则不再执行后续步骤后续步骤3-步骤501，步骤2得到得到2D线后，再执行步骤502对高程进行拟合的步骤。

具体的，上述过程中包含了参数d₁，参数n，参数

可分别取值为10，10，(10,10,10,10)，根据实际数据情况参数可进行调整。

应用于众包数据成图的基于视觉感知得到的道路片段的车道线数据进行道路片段划分，对道路片段进行分类后的每个单一分类的融合过程中，经过选定融合自变量过程选定需要进行融合的数据点的自变量以及因变量，数据准备过程规定了进行融合时的数据定义，确定输出起始点和终止点过程计算了输出线的起始位置和终止位置，建立需最小化的损失函数以及建立损失函数的雅克比函数过程构建了最小化问题，求解最小化问题过程对建立的最小化问题进行了求解并得到了输出线的方程，通过起始点和终止点坐标以及输出线方程经过计算融合输出过程得到了融合输出的形点坐标，并在高程处理过程中对所有形点赋予了高程值，参数选择部分则定义了计算过程中所用到的参数的参考值。

实施例2

本发明提供的实施例2为本发明提供的一种众包数据道路片段中同一车道线测量数据的优化融合装置的实施例，如图3所示为本发明提供的一种众包数据道路片段中同一车道线测量数据的优化融合装置的实施例的结构框图，由图3可知，该装置包括：数据获取模块101、自变量/因变量确定模块102、起始终止位置确定模块103、优化结果确定模块104和融合线输出模块105。

数据获取模块101，用于获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i，y_i，z_i，dx_i，dy_i，dz_i)|i＝1，2，…，N}，其中x_i,y_i，z_i为三维坐标位置，dx_i，dy_i,dz_i为输入观测线在该点处的切线向量。

自变量/因变量确定模块102，用于确定融合自变量和因变量。

起始终止位置确定模块103，用于确定融合输出的起始点P_s和终止点P_e位置。

优化结果确定模块104，用于建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果。

融合线输出模块105，用于根据起始点P_s、终止点P_e以及优化结果输出融合线。

图4为本发明实施例提供的一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器201、通信接口202、存储器203和通信总线204，其中，处理器201，通信接口202，存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储在存储器203上并可在处理器201上运行的计算机程序，以执行上述各实施例提供的众包数据道路片段中同一车道线测量数据的优化融合方法，例如包括：步骤1，获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i,y_i,z_i,dx_i,dy_i,dz_i)|i＝1,2,…,N}，其中x_i,y_i,z_i为三维坐标位置，dx_i，dy_i，dz_i为输入观测线在该点处的切线向量；步骤2，确定融合自变量和因变量；步骤3，确定融合输出的起始点P_s和终止点P_e位置；步骤4，建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果；步骤5，根据起始点P_s、终止点P_e以及优化结果输出融合线。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的众包数据道路片段中同一车道线测量数据的优化融合方法，例如包括：步骤1，获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i，y_i，z_i，dx_i，dy_i，dz_i)|i＝1，2，…，N}，其中x_i,y_i,z_i为三维坐标位置，dx_i,dy_i,dz_i为输入观测线在该点处的切线向量；步骤2，确定融合自变量和因变量；步骤3，确定融合输出的起始点P_s和终止点P_e位置；步骤4，建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果；步骤5，根据起始点P_s、终止点P_e以及优化结果输出融合线。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种众包数据道路片段中同一车道线测量数据的优化融合方法，其特征在于，所述方法包括：

步骤1，获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i，y_i，z_i，dx_i，dy_i，dz_i)|i＝1，2，…，N}，其中x_i，y_i，z_i为三维坐标位置，dx_i，dy_i，dz_i为输入观测线在该点处的切线向量；

步骤2，确定融合自变量和因变量；

步骤3，确定融合输出的起始点P_s和终止点P_e位置；

步骤4，建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果；

步骤5，根据起始点P_s、终止点P_e以及所述优化结果输出融合线。

2.根据权利要求1所述的方法，其特征在于，所述步骤2包括：

分别求所述点集P中所有点x坐标值的极差以及y坐标值的极差，以极差较小的那一个作为自变量，另一个为因变量；

若极差不小于d₁，则执行后续步骤进行2D线拟合；

若极差小于d₁，则不再执行后续步骤：

若自变量为x，则求对所有点的平均y值k1，得到直线y＝k1作为融合输出的2D线；

若自变量为Y，则求所有点的平均x值k2，得到直线x＝k2作为融合输出的2D线。

3.根据权利要求1所述的方法，其特征在于，所述步骤3中得到起始点P_s(x_s，y_s，z_s)及终止点P_e(x_e，y_e，z_e)的过程包括：

对于分段无起始线和终止线输出的情况，确定所有点的最小外接矩形R，沿待拟合的线的方向，得到矩形的中心线的起点P_s和终点P_e，并将2D坐标离起点P_s和终点P_e最近的点的高程分别设置为点P_s，P_e的高程；

对于分段有起始线和终止线输出的情况，求所有线点位置及其方向向量形成的2D直线与起始线的交点P_s和终止线的交点P_e，并将交点P_s和交点P_e的高程坐标设置为起始线和终止线的高程坐标。

4.根据权利要求1所述的方法，其特征在于，所述步骤4中，自变量为x，因变量为y时，所述损失函数F_loss为：

其中，所有点自变量所组成的集合为{x_i|i＝1，2，…，N}，所有点因变量组成的集合为{y_i|i＝1，2，…，N}，方向向量的对应两个维度为{dx_i|i＝1，2，…，N}，{dy_i|i＝1，2，…，N}；

为待优化变量，

为正则参数，

表示向量的对应元素相乘组成新的向量。

5.根据权利要求4所述的方法，其特征在于，所述步骤4得到优化结果的过程中还包括：建立损失函数F_loss雅克比函数；

对一组待优化变量

需最小化的损失函数F_loss，得到函数值的损失项向量为

导数值的损失项向量

则雅克比函数值为

其中

使用minimize函数中的BFGS方法求解所述损失函数F_loss，并对应地输入所述雅克比函数，最终得到优化结果

6.根据权利要求4所述的方法，其特征在于，所述步骤5包括：

步骤501，根据起始点P_s、终止点P_e以及所述优化结果输出2D融合线L_o2；

步骤502，对所述2D融合线L_o2进行高程处理后得到3D融合线L_o3。

7.根据权利要求6所述的方法，其特征在于，所述步骤501包括：根据起始点P_s、终止点P_e以及给定的输出点数量n，通过起始点和终止点对应的自变量的起始值和终止值，均匀取n个值，然后将这n个值，将所述优化结果

代入到函数f(·)中，得到了2D融合线L_o2。

8.根据权利要求6所述的方法，其特征在于，所述步骤502包括：

对所述2D融合线L_o2进行截断或延伸处理后，分别使所述起始点P_s高程为分段起始线的平均高程，所述终止点P_e高程为分段终止线的平均高程，并从两个高程中线性均匀取n-2个值作为所述2D融合线L_o2中除起始点P_s与终止点P_e以外的其余点的高程值，得到3D融合线L_o3。

9.一种众包数据道路片段中同一车道线测量数据的优化融合装置，其特征在于，所述装置包括：数据获取模块、自变量/因变量确定模块、起始终止位置确定模块、优化结果确定模块和融合线输出模块；

所述数据获取模块，用于获取分类后的众包数据道路片段中车道边线数据，一个道路片段内标记为同类的点集P＝{P_i(x_i，y_i，z_i，dx_i，dy_i，dz_i)|i＝1，2，…，N}，其中x_i，y_i，z_i为三维坐标位置，dx_i，dy_i，dz_i为输入观测线在该点处的切线向量；

所述自变量/因变量确定模块，用于确定融合自变量和因变量；

所述起始终止位置确定模块，用于确定融合输出的起始点P_s和终止点P_e位置；

所述优化结果确定模块，用于建立并求解与自变量和因变量相关的需最小化的损失函数F_loss，得到优化结果；

所述融合线输出模块，用于根据起始点P_s、终止点P_e以及所述优化结果输出融合线。

10.一种电子设备，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如权利要求1至8任一项所述众包数据道路片段中同一车道线测量数据的优化融合方法的步骤。

Images