CN112729316A - 自动驾驶车辆的定位方法、装置、车载设备、系统及车辆 - Google Patents
自动驾驶车辆的定位方法、装置、车载设备、系统及车辆 Download PDFInfo
- Publication number
- CN112729316A CN112729316A CN201910973413.0A CN201910973413A CN112729316A CN 112729316 A CN112729316 A CN 112729316A CN 201910973413 A CN201910973413 A CN 201910973413A CN 112729316 A CN112729316 A CN 112729316A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- automatic driving
- equipment
- roadside
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000006854 communication Effects 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
Abstract
本申请提供了一种自动驾驶车辆的定位方法、装置、车载设备、系统及车辆,涉及自动驾驶技术领域。方法包括:接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;根据路侧设备信息在预先存储在车载设备中的电子地图中获得路侧设备对应的局部地图;局部地图中记录有预先采集的道路各位置处的目标道路特征数据;通过自动驾驶车辆上的传感器采集获得当前道路特征数据;将当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。本申请能够在卫星信号差的地区为自动驾驶车辆提供厘米级的精确定位,从而为自动驾驶车辆的精确行驶提供了基础。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种自动驾驶车辆的定位方法、装置、车载设备、系统及车辆。
背景技术
目前,随着人工智能、计算机视觉、传感器等技术的发展,自动驾驶技术已经逐渐发展起来。在自动驾驶技术中,自动驾驶车辆依靠人工智能、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。
为了使得自动驾驶车辆更精确的行驶,不同于传统的导航技术,自动驾驶车辆需要厘米级的定位精度。然后目前,在一些卫星信号差的地区,如无人区、隧道等处,全球定位系统的定位很不准确,难以为自动驾驶车辆提供厘米级的定位,使得自动驾驶车辆在这些卫星信号差的地区难以精确行驶。
发明内容
本申请的实施例提供一种自动驾驶车辆的定位方法、装置、车载设备、系统及车辆,能够在卫星信号差的地区为自动驾驶车辆提供厘米级的精确定位,从而为自动驾驶车辆的精确行驶提供了基础。
为达到上述目的,本申请的实施例采用如下技术方案:
本申请实施例的第一方面,提供一种自动驾驶车辆的定位方法,包括:
接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;
根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图;所述局部地图中记录有预先采集的道路各位置处的目标道路特征数据;
通过自动驾驶车辆上的传感器采集获得当前道路特征数据;
将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;
确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
本申请实施例的第二方面,提供一种自动驾驶车辆的定位装置,包括:
接收单元,用于接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;
局部地图获得单元,用于根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图;所述局部地图中记录有预先采集的道路各位置处的目标道路特征数据;
当前道路特征数据获得单元,用于通过自动驾驶车辆上的传感器采集获得当前道路特征数据;
匹配单元,用于将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;
位置确定单元,用于确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
本申请实施例的第三方面,提供一种车载设备,应用于一种自动驾驶车辆的定位系统,所述系统包括自动驾驶车辆上设置的车载设备、自动驾驶车辆行驶道路处的路侧设备和自动驾驶车辆上的传感器;所述车载设备能够与所述路侧设备通信连接,所述车载设备与所述传感器连接;
所述车载设备,用于接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图;所述局部地图中记录有预先采集的道路各位置处的目标道路特征数据;通过自动驾驶车辆上的传感器采集获得当前道路特征数据;将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
本申请实施例的第四方面,提供一种自动驾驶车辆的定位系统,所述系统包括自动驾驶车辆上设置的车载设备、自动驾驶车辆行驶道路处的路侧设备和自动驾驶车辆上的传感器;所述车载设备能够与所述路侧设备通信连接,所述车载设备与所述传感器连接;
所述车载设备,用于接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图;所述局部地图中记录有预先采集的道路各位置处的目标道路特征数据;通过自动驾驶车辆上的传感器采集获得当前道路特征数据;将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
本申请实施例的第五方面,提供一种自动驾驶车辆,包括上述第三方面所述的车载设备。
本申请实施例的第六方面,提供一种计算机可读存储介质,包括程序或指令,当所述程序或指令在计算机上运行时,实现上述的自动驾驶车辆的定位方法。
本申请实施例的第七方面,提供一种包含指令的计算机程序产品,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上述的自动驾驶车辆的定位方法。
本申请实施例的第八方面,提供一种芯片系统,包括处理器,所述处理器与存储器的耦合,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上述的自动驾驶车辆的定位方法。
本申请实施例的第九方面,提供一种电路系统,所述电路系统包括处理电路,所述处理电路配置为执行如上述的自动驾驶车辆的定位方法。
本申请实施例的第十方面,提供一种计算机服务器,包括存储器,以及与所述存储器通信连接的一个或多个处理器;
所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器实现如上述的自动驾驶车辆的定位方法。
本申请实施例提供一种自动驾驶车辆的定位方法、装置、车载设备、系统及车辆,能够根据自动驾驶车辆行驶道路处的路侧设备的路侧设备信息,在预先存储在车载设备中的电子地图中获得路侧设备对应的局部地图;该局部地图中记录有预先采集的道路各位置处的目标道路特征数据;这样,通过自动驾驶车辆上的传感器采集获得当前道路特征数据,并将当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;从而确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。可见,本申请实施例可以在卫星信号差的地区为自动驾驶车辆提供厘米级的精确定位,从而为自动驾驶车辆的精确行驶提供了基础。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种自动驾驶车辆的定位系统的结构示意图一;
图2为本申请实施例中的电子地图及局部地图的示意图;
图3为本申请实施例提供的一种自动驾驶车辆的定位方法的流程图一;
图4为本申请实施例提供的一种自动驾驶车辆的定位方法的流程图二;
图5为本申请实施例提供的一种自动驾驶车辆的定位装置的结构示意图;
图6为本申请实施例提供的一种车载设备在自动驾驶车辆的定位系统中的示意图;
图7为本申请实施例提供的一种自动驾驶车辆的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了使本领域的技术人员更好的了解本申请,下面先对本申请实施例中出现的部分技术术语进行解释如下:
V2X:Vehicle to X,是未来智能交通运输系统的关键技术。它使得车与车、车与基站、基站与基站之间能够通信。从而获得实时路况、道路信息、行人信息等一系列交通信息,从而提高驾驶安全性、减少拥堵、提高交通效率、提供车载娱乐信息等。
RSU:Road Side Unit,路侧单元或称为路侧设备,安装在路侧,与车载单元OBU进行通讯的设备。
GNSS:Global Navigation Satellite System,全球导航卫星系统。
GPS:Global Positioning System,全球定位系统。
高精度地图:不同于传统的导航地图,高精度地图包含大量的驾驶辅助信息,最重要的信息是依托道路网的精确三维表征,例如交叉路口布局和路标位置等。另外,高精度地图还包含很多语义信息,地图上可能会报告通信交通灯上不同颜色的含义,它可能指示道路的速度限制,以及左转车道开始的位置等。高精地图最重要的特征之一是精度,高精度地图能使车辆达到厘米级的精度,这对确保无人驾驶汽车的安全至关重要。
在本申请的一些实施例中,术语“车辆”广泛地解释为包括任何移动物体,包括例如飞行器、船只、航天器、汽车、卡车、厢式货车、半挂车、摩托车、高尔夫球车、越野车辆、仓库运输车辆或农用车以及行驶在轨道上的运输工具,例如电车或火车以及其它有轨车辆。本申请中的“车辆”通常可以包括:动力系统、传感器系统、控制系统、外围设备和计算机系统。在其它实施例中,车辆可以包括更多、更少或者不同的系统。
其中,动力系统是为车辆提供动力运动的系统,包括:引擎/马达、变速器和车轮/轮胎、能源单元。
控制系统可以包括控制车辆及其组件的装置的组合,例如转向单元、节气门、制动单元。
外围设备可以是允许车辆与外部传感器、其它车辆、外部计算设备和/或用户进行交互的设备,例如无线通信系统、触摸屏、麦克风和/或扬声器。
基于上述描述的车辆,无人驾驶车辆中还配置有传感器系统和无人驾驶控制装置。
传感器系统可以包括用于感测车辆所处环境的信息的多个传感器,以及改变传感器的位置和/或方向的一个或多个致动器。传感器系统可以包括全球定位系统传感器、惯性测量单元、无线电检测和测距(RADAR)单元、相机、激光测距仪、光检测和测距(LIDAR)单元和/或声学传感器等传感器的任何组合;传感器系统还可以包括监视车辆内部系统的传感器(例如O2监视器、燃油表、引擎温度计等)。
无人驾驶控制装置可以包括一个处理器和存储器,存储器中存储有至少一条机器可执行指令,处理器执行至少一条机器可执行指令实现包括地图引擎、定位模块、感知模块、导航或路径模块、以及自动控制模块等的功能。地图引擎和定位模块用于提供地图信息和定位信息。感知模块用于根据传感器系统获取到的信息和地图引擎提供的地图信息感知车辆所处环境中的事物。导航或路径模块用于根据地图引擎、定位模块和感知模块的处理结果,为车辆规划行驶路径。自动控制模块将导航或路径模块等模块的决策信息输入解析转换成对车辆控制系统的控制命令输出,并通过车载网(例如通过CAN总线、局域互联网络、多媒体定向系统传输等方式实现的车辆内部电子网络系统)将控制命令发送给车辆控制系统中的对应部件,实现对车辆的自动控制;自动控制模块还可以通过车载网来获取车辆中各部件的信息。
目前,在自动驾驶领域,自动驾驶车辆行驶经常有在卫星信号差的地区行驶的情况,例如行驶在长度较大的隧道(一千米到几千米长),自动驾驶车辆已经无法通过GNSS(例如GPS和北斗卫星导航系统等)来进行定位。在这种情况下,自动驾驶车辆一般可以借助惯性导航设备来进行定位,然而惯性导航设备的精度一般以时间为单位,即使用惯性导航设备来进行定位的时间越长,精度会逐渐下降。一般的惯性导航设备仅能够维持几十秒的定位精度,当在隧道等区域行驶时间较长时,或者在隧道中停车时间较长,惯性导航设备将会丢失车辆的位置信息。因此,实际上惯性导航设备定位只适用于隧道较短的情形。当前,在自动驾驶领域,如何实现在卫星信号差的地区为自动驾驶车辆提供厘米级的精确定位成为了一个亟待解决的问题。
为了克服上述问题,如图1所示,本申请实施例提供一种自动驾驶车辆的定位系统,包括自动驾驶车辆10上设置的车载设备101、自动驾驶车辆行驶道路20处的路侧设备201和自动驾驶车辆10上的传感器102(例如可以为激光雷达或者车载相机);其中,车载设备101能够与路侧设备201通信连接,车载设备101与传感器102连接。此处,该车载设备101可以为具有计算能力的车载计算机或车载服务器;该路侧设备201可以为具有双向通信能力的基站,但不仅局限于此,例如该路侧设备201还可以设置有激光雷达、相机、V2X设备等,以进行路侧设备的感知,并且可以将感知数据通过V2X设备发送至车载设备101,具体的路侧设备的感知过程并非本申请的重点,此处不再赘述。
此处,如图1所示,该路侧设备201可以为一至多个,一般情况下该一至多个路侧设备201沿着目标路段(例如隧道、无人区路段)分布设置;其中,在预先分布设置路侧设备201时,该路侧设备201的数量可以是根据目标路段的长度和路侧设备201的通信范围预先设置的,例如目标路段的长度为5km,而路侧设备201的通信范围为半径500m,则在目标路段可以设置至少5个路侧设备201即可覆盖整个5km的范围。另外,在车载设备101中预先设置有电子地图(此处,例如为用于自动驾驶的高精度地图),如图2所示,在该电子地图中,可以预先标定有各路侧设备201的位置,并记录各路侧设备身份标识(例如每个路侧设备201可以具有自己的身份标识,如采用L001、L002、L003等字符串表示),且电子地图在该目标路段的部分可以被根据各路侧设备201的位置划分为多个局部地图202;每个路侧设备201对应了一个局部地图202(此处,局部地图202也可以以路侧设备身份标识来命名)。
此处,如图1所示,自动驾驶车辆10上还可以设置有车载V2X设备103,从而车载设备101能够通过自动驾驶车辆10的车载V2X设备103与各路侧设备201通信连接。
本申请实施例提供一种自动驾驶车辆的定位系统中,车载设备101可以执行如下过程:
S1、车载设备101接收自动驾驶车辆行驶道路处的路侧设备201发送的路侧设备信息。
此处,车载设备101若需要接收某一路侧设备201发送的路侧设备信息,首先需要与该路侧设备201进行通信连接,因此车载设备101可以实时监测自动驾驶车辆10的车载V2X设备103与路侧设备201的通信连接情况;在监测到车载V2X设备103与一个第一路侧设备(即路侧设备201中的一个或多个)通信连接后,接收该第一路侧设备发送的路侧设备信息,即表示自动驾驶车辆10进入到了第一路测设备对应的匹配区域(即对应于第一路测设备对应的局部地图)。之后,在监测到车载V2X设备103与一个第一路侧设备通信连接后,又与一个第二路侧设备通信连接,则将接收第一路侧设备发送的路侧设备信息更改为接收第二路侧设备发送的路侧设备信息,从而表示自动驾驶车辆10进入到了第二路测设备对应的匹配区域(即对应于第二路测设备对应的局部地图)。这样,当车载设备101监测到车载V2X设备103与新的路测设备通信连接后,可以确定进入到了一个新的匹配区域,避免自动驾驶车辆10同时处于两个匹配区域,造成后续定位不准确的问题。
其中,该路侧设备信息可以包括路侧设备的位置或者路侧设备身份标识。该路侧设备的位置可以是路侧设备的经纬度坐标,也可以是在预先设置的地图坐标系下的坐标。该路侧设备身份标识采用字符串表示,每个路侧设备具有唯一的字符串来表示其路侧设备身份标识。
S2、车载设备101根据路侧设备信息在预先存储在车载设备中的电子地图中获得路侧设备对应的局部地图。
其中,局部地图中记录有预先采集的道路各位置处的目标道路特征数据。该目标道路特征数据可以是目标道路特征点云数据,或者目标道路特征图像数据。
此处,车载设备101可以根据路侧设备的位置或者路侧设备身份标识,在预先存储在车载设备中的电子地图中匹配确定路侧设备的位置或者路侧设备身份标识对应的局部地图。
例如,在车载设备101的电子地图中,可以设置有各路侧设备201对应的局部地图与路侧设备的位置的对应关系,如下表1所示:
表1:
编号 | 局部地图 | 路侧设备的位置 |
1 | L001 | (X1,Y1) |
2 | L002 | (X2,Y2) |
3 | L003 | (X3,Y3) |
又例如,在车载设备101的电子地图中,可以设置有各路侧设备201对应的局部地图与路侧设备身份标识的对应关系,如下表2所示:
表2:
编号 | 局部地图 | 路侧设备身份标识 |
1 | L001 | L001 |
2 | L002 | L002 |
3 | L003 | L003 |
又例如,在车载设备101的电子地图中,可以设置有各路侧设备201对应的局部地图与路侧设备身份标识和路侧设备的位置的对应关系,如下表3所示:
表3:
编号 | 局部地图 | 路侧设备身份标识 | 路侧设备的位置 |
1 | L001 | L001 | (X1,Y1) |
2 | L002 | L002 | (X2,Y2) |
3 | L003 | L003 | (X3,Y3) |
这样,根据上述表1至表3所示的对应关系,即可容易确定路侧设备的位置或者路侧设备身份标识对应的局部地图。这样,在自动驾驶车辆获得到路侧设备信息(路侧设备的位置或者路侧设备身份标识)时,即可确定相应的局部地图,从而将自动驾驶车辆先定位在局部地图的范围内,完成百米级的大致定位。
S3、车载设备101通过自动驾驶车辆上的传感器采集获得当前道路特征数据。
S4、车载设备101将当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果。
S5、车载设备101确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
对于此处的步骤S3至S5,在传感器102为激光雷达,目标道路特征数据为目标道路特征点云数据时,可采用如下方式:
车载设备101通过自动驾驶车辆上的激光雷达采集获得当前道路特征点云数据。
车载设备101将当前道路特征点云数据与局部地图中记录的目标道路特征点云数据进行匹配,在目标道路特征点云数据中确定匹配度大于等于预先设置的匹配度阈值的第一目标道路特征点云数据,并获得第一目标道路特征点云数据对应的道路位置。此处,在架设路侧设备201时,可以考虑到路侧设备201所对应的局部地图以及局部地图中的各位置处的目标道路特征数据(此处为目标道路特征点云数据),使得在同一局部地图中,不同道路位置处的目标道路特征数据不同,从而使得同一局部地图中,各道路位置处的目标道路特征数据具有唯一性,避免在同一局部地图中存在两个或更多的道路位置处存在相同的目标道路特征数据,造成后续确定自动驾驶车辆的当前位置不准确的问题。为了克服该问题,例如可以在为不同路侧设备201划分对应的局部地图时,将包含相同目标道路特征数据的电子地图分开,使得包含相同目标道路特征数据的两个道路位置处于不同的局部地图中;另外,还可以在目标路段两侧分布设置形状、反射率等不相同的标识牌、标志块等,以便于不同道路位置处的目标道路特征点云数据不同。
车载设备101确定第一目标道路特征点云数据对应的道路位置作为自动驾驶车辆的当前位置。
另外,对于此处的步骤S3至S5,在传感器102为车载相机,目标道路特征数据为目标道路特征图像数据时,可采用如下方式:
车载设备101通过自动驾驶车辆上的车载相机采集获得当前道路特征图像数据。
车载设备101将当前道路特征图像数据与局部地图中记录的目标道路特征图像数据进行匹配,在目标道路特征图像数据中确定匹配度大于等于预先设置的匹配度阈值的第一目标道路特征图像数据,并获得第一目标道路特征图像数据对应的道路位置。此处,在架设路侧设备201时,可以考虑到路侧设备201所对应的局部地图以及局部地图中的各位置处的目标道路特征数据(此处为目标道路特征图像数据),使得在同一局部地图中,不同道路位置处的目标道路特征数据不同,从而使得同一局部地图中,各道路位置处的目标道路特征数据具有唯一性,避免在同一局部地图中存在两个或更多的道路位置处存在相同的目标道路特征数据,造成后续确定自动驾驶车辆的当前位置不准确的问题。为了克服该问题,例如可以在为不同路侧设备201划分对应的局部地图时,将包含相同目标道路特征数据的电子地图分开,使得包含相同目标道路特征数据的两个道路位置处于不同的局部地图中;另外,还可以在目标路段两侧分布设置形状、图案等不相同的标识牌等,以便于不同道路位置处的目标道路特征图像数据不同。例如,在目标道路上设置标识图案(例如,标识图案包括条形码图案、二维码图案、广告图案中的一种或多种)和道路设施(例如,道路设施包括路肩、车道线、道路交通指示牌、墙壁、隧道顶部风机、照明灯中的一种或多种),则车载设备可以通过自动驾驶车辆上的车载相机拍摄采集标识图案和道路设施,形成当前道路特征图像数据。
车载设备101确定第一目标道路特征图像数据对应的道路位置作为自动驾驶车辆的当前位置。
另外,如图3所示,本申请实施例还提供一种自动驾驶车辆的定位方法,包括:
步骤301、接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息。
步骤302、根据路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图。
其中,局部地图中记录有预先采集的道路各位置处的目标道路特征数据。
步骤303、通过自动驾驶车辆上的传感器采集获得当前道路特征数据。
步骤304、将当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果。
步骤305、确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
为了使本领域的技术人员更好的了解本申请,下面对上述步骤301至步骤305进行具体说明,如图4所示,本申请实施例还提供一种自动驾驶车辆的定位方法,包括:
步骤401、实时监测自动驾驶车辆的车载V2X设备与路侧设备的通信连接情况。
其中,路侧设备可以为一至多个,一至多个路侧设备沿着目标路段分布设置;路侧设备的数量是根据目标路段的长度和路侧设备的通信范围预先设置的;电子地图中预先标定有各路侧设备的位置,并记录各路侧设备身份标识,且电子地图在目标路段的部分被根据所述各路侧设备的位置划分为多个局部地图;每个路侧设备对应了一个局部地图。
步骤402、在监测到车载V2X设备与一个第一路侧设备通信连接后,接收该第一路侧设备发送的路侧设备信息。
步骤403、在监测到所述车载V2X设备与一个第一路侧设备通信连接后,又与一个第二路侧设备通信连接,将接收第一路侧设备发送的路侧设备信息更改为接收第二路侧设备发送的路侧设备信息。
其中,路侧设备信息可以包括路侧设备的位置或者路侧设备身份标识。
在步骤402或者步骤403之后执行步骤404。
步骤404、根据路侧设备的位置或者路侧设备身份标识,在预先存储在车载设备中的电子地图中匹配确定路侧设备的位置或者路侧设备身份标识对应的局部地图。
其中,局部地图中记录有预先采集的道路各位置处的目标道路特征数据,例如目标道路特征点云数据或者目标道路特征图像数据。
在步骤404之后,可以执行步骤405至步骤407,或者执行步骤408至步骤410。
例如,在传感器包括激光雷达;目标道路特征数据包括目标道路特征点云数据时,可以执行:
步骤405、通过自动驾驶车辆上的激光雷达采集获得当前道路特征点云数据。
步骤406、将当前道路特征点云数据与局部地图中记录的目标道路特征点云数据进行匹配,在目标道路特征点云数据中确定匹配度大于等于预先设置的匹配度阈值的第一目标道路特征点云数据,并获得第一目标道路特征点云数据对应的道路位置。
步骤407、确定第一目标道路特征点云数据对应的道路位置作为自动驾驶车辆的当前位置。
又例如,在传感器包括车载相机,目标道路特征数据包括目标道路特征图像数据时,可以执行:
步骤408、通过自动驾驶车辆上的车载相机采集获得当前道路特征图像数据。
例如在目标道路上可以设置有标识图案和道路设施,则可以通过自动驾驶车辆上的车载相机拍摄采集标识图案和道路设施,形成当前道路特征图像数据。其中,标识图案包括条形码图案、二维码图案、广告图案中的一种或多种;道路设施包括路肩、车道线、道路交通指示牌、墙壁、隧道顶部风机、照明灯中的一种或多种。
步骤409、将当前道路特征图像数据与局部地图中记录的目标道路特征图像数据进行匹配,在目标道路特征图像数据中确定匹配度大于等于预先设置的匹配度阈值的第一目标道路特征图像数据,并获得第一目标道路特征图像数据对应的道路位置。
步骤410、确定第一目标道路特征图像数据对应的道路位置作为自动驾驶车辆的当前位置。
另外,在本申请实施例中,在同一局部地图中,不同道路位置处的目标道路特征数据应不同,以使得同一局部地图中,各道路位置处的目标道路特征数据具有唯一性,避免在同一局部地图中存在两个或更多的道路位置处存在相同的目标道路特征数据,造成后续确定自动驾驶车辆的当前位置不准确的问题。
另外,如图5所示,本申请实施例提供一种自动驾驶车辆的定位装置,包括:
接收单元501,用于接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息。
局部地图获得单元502,用于根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得路侧设备对应的局部地图;局部地图中记录有预先采集的道路各位置处的目标道路特征数据。
当前道路特征数据获得单元503,用于通过自动驾驶车辆上的传感器采集获得当前道路特征数据。
匹配单元504,用于将当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果。
位置确定单元505,用于确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
另外,如图6所示,本申请实施例还提供一种车载设备101,应用于一种自动驾驶车辆的定位系统,该系统包括自动驾驶车辆10上设置的车载设备101、自动驾驶车辆行驶道路20处的路侧设备201和自动驾驶车辆10上的传感器102;车载设备101能够与路侧设备201通信连接,车载设备101与传感器102连接。
车载设备101,可以接收自动驾驶车辆行驶道路处的路侧设备201发送的路侧设备信息;根据路侧设备信息在预先存储在车载设备中的电子地图中获得路侧设备201对应的局部地图;其中,局部地图中记录有预先采集的道路各位置处的目标道路特征数据;通过自动驾驶车辆10上的传感器102采集获得当前道路特征数据;将当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;确定匹配结果对应的道路位置作为自动驾驶车辆10的当前位置。
另外,如图7所示,本申请实施例还提供一种自动驾驶车辆10,该自动驾驶车辆10包括上述图6中所示的车载设备101。例如该车载设备101可以是车载计算机、车载服务器等具有计算功能的设备,可以设置在自动驾驶车辆的车内,例如在自动驾驶车辆为牵引车和挂车组成的自动驾驶卡车时,该车载设备101可以设置在牵引车内部,但不仅局限于此。另外,该自动驾驶车辆10上还设置有传感器102(如激光雷达和车载相机)和车载V2X设备103,车载设备101与传感器102以及车载V2X设备103分别连接。
另外,本申请实施例还提供一种计算机可读存储介质,包括程序或指令,当程序或指令在计算机上运行时,实现上述图3或图4所述的自动驾驶车辆的定位方法。
另外,本申请实施例还提供一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如上述图3或图4所述的自动驾驶车辆的定位方法。
另外,本申请实施例还提供一种芯片系统,包括处理器,处理器与存储器的耦合,存储器存储有程序指令,当存储器存储的程序指令被所述处理器执行时实现上述图3或图4所述的自动驾驶车辆的定位方法。
另外,本申请实施例还提供一种电路系统,电路系统包括处理电路,处理电路配置为执行如上述图3或图4的自动驾驶车辆的定位方法。
另外,本申请实施例还提供一种计算机服务器,包括存储器,以及与存储器通信连接的一个或多个处理器;
存储器中存储有可被一个或多个处理器执行的指令,所述指令被一个或多个处理器执行,以使一个或多个处理器实现如上述图3或图4所述的自动驾驶车辆的定位方法。
本申请实施例提供一种自动驾驶车辆的定位方法、装置、车载设备、系统及车辆,能够根据自动驾驶车辆行驶道路处的路侧设备的路侧设备信息,在预先存储在车载设备中的电子地图中获得路侧设备对应的局部地图;该局部地图中记录有预先采集的道路各位置处的目标道路特征数据;这样,通过自动驾驶车辆上的传感器采集获得当前道路特征数据,并将当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;从而确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。可见,本申请实施例可以在卫星信号差的地区为自动驾驶车辆提供厘米级的精确定位,从而为自动驾驶车辆的精确行驶提供了基础。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (26)
1.一种自动驾驶车辆的定位方法,其特征在于,包括:
接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;
根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图;所述局部地图中记录有预先采集的道路各位置处的目标道路特征数据;
通过自动驾驶车辆上的传感器采集获得当前道路特征数据;
将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;
确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
2.根据权利要求1所述的自动驾驶车辆的定位方法,其特征在于,所述路侧设备为一至多个,一至多个路侧设备沿着目标路段分布设置;路侧设备的数量是根据目标路段的长度和路侧设备的通信范围预先设置的;所述电子地图中预先标定有各路侧设备的位置,并记录各路侧设备身份标识,且所述电子地图在所述目标路段的部分被根据所述各路侧设备的位置划分为多个局部地图;每个路侧设备对应了一个局部地图。
3.根据权利要求2所述的自动驾驶车辆的定位方法,其特征在于,所述接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息,包括:
实时监测自动驾驶车辆的车载V2X设备与路侧设备的通信连接情况;
在监测到所述车载V2X设备与一个第一路侧设备通信连接后,接收该第一路侧设备发送的路侧设备信息;
在监测到所述车载V2X设备与一个第一路侧设备通信连接后,又与一个第二路侧设备通信连接,将接收第一路侧设备发送的路侧设备信息更改为接收第二路侧设备发送的路侧设备信息。
4.根据权利要求2所述的自动驾驶车辆的定位方法,其特征在于,所述路侧设备信息包括路侧设备的位置或者路侧设备身份标识;
所述根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图,包括:
根据所述路侧设备的位置或者路侧设备身份标识,在预先存储在车载设备中的电子地图中匹配确定所述路侧设备的位置或者路侧设备身份标识对应的局部地图。
5.根据权利要求2所述的自动驾驶车辆的定位方法,其特征在于,所述传感器包括激光雷达;所述目标道路特征数据包括目标道路特征点云数据;
所述通过自动驾驶车辆上的传感器采集获得当前道路特征数据,包括:
通过自动驾驶车辆上的激光雷达采集获得当前道路特征点云数据;
所述将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果,包括:
将当前道路特征点云数据与局部地图中记录的目标道路特征点云数据进行匹配,在所述目标道路特征点云数据中确定匹配度大于等于预先设置的匹配度阈值的第一目标道路特征点云数据,并获得第一目标道路特征点云数据对应的道路位置;
所述确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置,包括:
确定第一目标道路特征点云数据对应的道路位置作为自动驾驶车辆的当前位置。
6.根据权利要求2所述的自动驾驶车辆的定位方法,其特征在于,所述传感器包括车载相机;所述目标道路特征数据包括目标道路特征图像数据;
所述通过自动驾驶车辆上的传感器采集获得当前道路特征数据,包括:
通过自动驾驶车辆上的车载相机采集获得当前道路特征图像数据;
所述将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果,包括:
将当前道路特征图像数据与局部地图中记录的目标道路特征图像数据进行匹配,在所述目标道路特征图像数据中确定匹配度大于等于预先设置的匹配度阈值的第一目标道路特征图像数据,并获得第一目标道路特征图像数据对应的道路位置;
所述确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置,包括:
确定第一目标道路特征图像数据对应的道路位置作为自动驾驶车辆的当前位置。
7.根据权利要求6所述的自动驾驶车辆的定位方法,其特征在于,在目标道路上设置有标识图案和道路设施;
所述通过自动驾驶车辆上的车载相机采集获得当前道路特征图像数据,包括:
通过自动驾驶车辆上的车载相机拍摄采集标识图案和道路设施,形成当前道路特征图像数据。
8.根据权利要求7所述的自动驾驶车辆的定位方法,其特征在于,所述标识图案包括条形码图案、二维码图案、广告图案中的一种或多种;所述道路设施包括路肩、车道线、道路交通指示牌、墙壁、隧道顶部风机、照明灯中的一种或多种。
9.根据权利要求2所述的自动驾驶车辆的定位方法,其特征在于,在同一局部地图中,不同道路位置处的目标道路特征数据不同。
10.一种自动驾驶车辆的定位装置,其特征在于,包括:
接收单元,用于接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;
局部地图获得单元,用于根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图;所述局部地图中记录有预先采集的道路各位置处的目标道路特征数据;
当前道路特征数据获得单元,用于通过自动驾驶车辆上的传感器采集获得当前道路特征数据;
匹配单元,用于将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;
位置确定单元,用于确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
11.一种车载设备,其特征在于,应用于一种自动驾驶车辆的定位系统,所述系统包括自动驾驶车辆上设置的车载设备、自动驾驶车辆行驶道路处的路侧设备和自动驾驶车辆上的传感器;所述车载设备能够与所述路侧设备通信连接,所述车载设备与所述传感器连接;
所述车载设备,用于接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图;所述局部地图中记录有预先采集的道路各位置处的目标道路特征数据;通过自动驾驶车辆上的传感器采集获得当前道路特征数据;将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
12.一种自动驾驶车辆的定位系统,其特征在于,所述系统包括自动驾驶车辆上设置的车载设备、自动驾驶车辆行驶道路处的路侧设备和自动驾驶车辆上的传感器;所述车载设备能够与所述路侧设备通信连接,所述车载设备与所述传感器连接;
所述车载设备,用于接收自动驾驶车辆行驶道路处的路侧设备发送的路侧设备信息;根据所述路侧设备信息在预先存储在车载设备中的电子地图中获得所述路侧设备对应的局部地图;所述局部地图中记录有预先采集的道路各位置处的目标道路特征数据;通过自动驾驶车辆上的传感器采集获得当前道路特征数据;将所述当前道路特征数据与局部地图中记录的目标道路特征数据进行匹配,获得匹配结果;确定匹配结果对应的道路位置作为自动驾驶车辆的当前位置。
13.根据权利要求12所述的自动驾驶车辆的定位系统,其特征在于,所述路侧设备为一至多个,一至多个路侧设备沿着目标路段分布设置;路侧设备的数量是根据目标路段的长度和路侧设备的通信范围预先设置的;所述电子地图中预先标定有各路侧设备的位置,并记录各路侧设备身份标识,且所述电子地图在所述目标路段的部分被根据所述各路侧设备的位置划分为多个局部地图;每个路侧设备对应了一个局部地图。
14.根据权利要求13所述的自动驾驶车辆的定位系统,其特征在于,所述车载设备能够通过自动驾驶车辆的车载V2X设备与所述路侧设备通信连接;
所述车载设备,具体用于:
实时监测自动驾驶车辆的车载V2X设备与路侧设备的通信连接情况;
在监测到所述车载V2X设备与一个第一路侧设备通信连接后,接收该第一路侧设备发送的路侧设备信息;
在监测到所述车载V2X设备与一个第一路侧设备通信连接后,又与一个第二路侧设备通信连接,将接收第一路侧设备发送的路侧设备信息更改为接收第二路侧设备发送的路侧设备信息。
15.根据权利要求13所述的自动驾驶车辆的定位系统,其特征在于,所述路侧设备信息包括路侧设备的位置或者路侧设备身份标识;
所述车载设备,具体用于:
根据所述路侧设备的位置或者路侧设备身份标识,在预先存储在车载设备中的电子地图中匹配确定所述路侧设备的位置或者路侧设备身份标识对应的局部地图。
16.根据权利要求13所述的自动驾驶车辆的定位系统,其特征在于,所述传感器包括激光雷达;所述目标道路特征数据包括目标道路特征点云数据;
所述车载设备,具体用于:
通过自动驾驶车辆上的激光雷达采集获得当前道路特征点云数据;
所述车载设备,具体还用于:
将当前道路特征点云数据与局部地图中记录的目标道路特征点云数据进行匹配,在所述目标道路特征点云数据中确定匹配度大于等于预先设置的匹配度阈值的第一目标道路特征点云数据,并获得第一目标道路特征点云数据对应的道路位置;
所述车载设备,具体还用于:
确定第一目标道路特征点云数据对应的道路位置作为自动驾驶车辆的当前位置。
17.根据权利要求13所述的自动驾驶车辆的定位系统,其特征在于,所述传感器包括车载相机;所述目标道路特征数据包括目标道路特征图像数据;
所述车载设备,具体用于:
通过自动驾驶车辆上的车载相机采集获得当前道路特征图像数据;
所述车载设备,具体还用于:
将当前道路特征图像数据与局部地图中记录的目标道路特征图像数据进行匹配,在所述目标道路特征图像数据中确定匹配度大于等于预先设置的匹配度阈值的第一目标道路特征图像数据,并获得第一目标道路特征图像数据对应的道路位置;
所述车载设备,具体还用于:
确定第一目标道路特征图像数据对应的道路位置作为自动驾驶车辆的当前位置。
18.根据权利要求17所述的自动驾驶车辆的定位系统,其特征在于,在目标道路上设置有标识图案和道路设施;
所述车载设备,具体用于:
通过自动驾驶车辆上的车载相机拍摄采集标识图案和道路设施,形成当前道路特征图像数据。
19.根据权利要求18所述的自动驾驶车辆的定位系统,其特征在于,所述标识图案包括条形码图案、二维码图案、广告图案中的一种或多种;所述道路设施包括路肩、车道线、道路交通指示牌、墙壁、隧道顶部风机、照明灯中的一种或多种。
20.根据权利要求13所述的自动驾驶车辆的定位系统,其特征在于,在同一局部地图中,不同道路位置处的目标道路特征数据不同。
21.一种自动驾驶车辆,其特征在于,包括权利要求11所述的车载设备。
22.一种计算机可读存储介质,其特征在于,包括程序或指令,当所述程序或指令在计算机上运行时,实现权利要求1至9任一项所述的自动驾驶车辆的定位方法。
23.一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至9任一项所述的自动驾驶车辆的定位方法。
24.一种芯片系统,其特征在于,包括处理器,所述处理器与存储器的耦合,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至9任一项所述的自动驾驶车辆的定位方法。
25.一种电路系统,其特征在于,所述电路系统包括处理电路,所述处理电路配置为执行如权利要求1至9任一项所述的自动驾驶车辆的定位方法。
26.一种计算机服务器,其特征在于,包括存储器,以及与所述存储器通信连接的一个或多个处理器;
所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器实现如权利要求1至9任一项所述的自动驾驶车辆的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973413.0A CN112729316A (zh) | 2019-10-14 | 2019-10-14 | 自动驾驶车辆的定位方法、装置、车载设备、系统及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973413.0A CN112729316A (zh) | 2019-10-14 | 2019-10-14 | 自动驾驶车辆的定位方法、装置、车载设备、系统及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112729316A true CN112729316A (zh) | 2021-04-30 |
Family
ID=75588454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910973413.0A Pending CN112729316A (zh) | 2019-10-14 | 2019-10-14 | 自动驾驶车辆的定位方法、装置、车载设备、系统及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112729316A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113178091A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 安全行驶区域方法、装置和网络设备 |
CN113282090A (zh) * | 2021-05-31 | 2021-08-20 | 三一专用汽车有限责任公司 | 工程车辆无人驾驶控制方法、装置、工程车辆及电子设备 |
CN113525453A (zh) * | 2021-07-20 | 2021-10-22 | 浙江众合科技股份有限公司 | 一种具有车前障碍物检测功能的无人驾驶车地协同系统 |
CN113701776A (zh) * | 2021-08-27 | 2021-11-26 | 中国第一汽车股份有限公司 | 自动驾驶引导系统及方法 |
CN114076601A (zh) * | 2021-11-16 | 2022-02-22 | 北京经纬恒润科技股份有限公司 | 辅助定位方法及装置 |
CN114234986A (zh) * | 2021-10-29 | 2022-03-25 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
CN114413914A (zh) * | 2022-01-18 | 2022-04-29 | 上汽通用五菱汽车股份有限公司 | 高精度地图的精度提升方法、系统和计算机可读存储介质 |
CN114999198A (zh) * | 2022-04-14 | 2022-09-02 | 广州都市圈网络科技有限公司 | 基于高精度地图相对位置的混合交通流融合控制方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008039687A (ja) * | 2006-08-09 | 2008-02-21 | Denso Corp | 道路地図更新システムおよびその道路地図更新システムに用いる車両側装置 |
KR100976964B1 (ko) * | 2010-05-12 | 2010-08-23 | 한국항공우주연구원 | 네비게이션 시스템 및 이의 주행 차선 구분 방법 |
JP2012068095A (ja) * | 2010-09-22 | 2012-04-05 | Denso Corp | 車両用ナビゲーション装置 |
CN105976631A (zh) * | 2015-11-06 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种车辆数据处理方法及车辆终端 |
GB201615783D0 (en) * | 2015-09-16 | 2016-11-02 | Ford Global Tech Llc | Vehicle radar perception and localization |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
US20170122751A1 (en) * | 2015-10-29 | 2017-05-04 | Leauto Intelligent Technology (Beijing) Co. Ltd | Method for acquiring map information, navigation method and equipment |
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 |
CN107063275A (zh) * | 2017-03-24 | 2017-08-18 | 重庆邮电大学 | 基于路侧设备的智能车辆地图融合系统及方法 |
WO2017180382A1 (en) * | 2016-04-12 | 2017-10-19 | Pcms Holdings, Inc. | System and method for data validation in a decentralized sensor network |
WO2018017793A1 (en) * | 2016-07-21 | 2018-01-25 | Intelligent Technologies International, Inc. | System and method for creating, updating, and using maps generated by probe vehicles |
KR20180080828A (ko) * | 2017-01-05 | 2018-07-13 | 서울대학교산학협력단 | 라이더 맵 매칭 기반 차선레벨 차량 위치정보 인지 방법, 이를 수행하기 위한 기록 매체 및 장치 |
JP2019079169A (ja) * | 2017-10-23 | 2019-05-23 | 株式会社豊田中央研究所 | 車両経路生成装置、車両経路生成方法及び車両経路生成プログラム |
KR20190085247A (ko) * | 2018-01-10 | 2019-07-18 | 주식회사 파토스 | 정밀지도 서비스 제공 시스템 및 정밀지도 서비스 시스템의 정밀지도 서비스 제공을 위한 데이터 처리방법 |
CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
CN110296713A (zh) * | 2019-06-17 | 2019-10-01 | 深圳数翔科技有限公司 | 路侧自动驾驶车辆定位导航系统及单个、多个车辆定位导航方法 |
-
2019
- 2019-10-14 CN CN201910973413.0A patent/CN112729316A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008039687A (ja) * | 2006-08-09 | 2008-02-21 | Denso Corp | 道路地図更新システムおよびその道路地図更新システムに用いる車両側装置 |
KR100976964B1 (ko) * | 2010-05-12 | 2010-08-23 | 한국항공우주연구원 | 네비게이션 시스템 및 이의 주행 차선 구분 방법 |
US20110282577A1 (en) * | 2010-05-12 | 2011-11-17 | Korea Aerospace Research Institute | Navigation system and method of recognizing traffic lane using the same |
JP2012068095A (ja) * | 2010-09-22 | 2012-04-05 | Denso Corp | 車両用ナビゲーション装置 |
GB201615783D0 (en) * | 2015-09-16 | 2016-11-02 | Ford Global Tech Llc | Vehicle radar perception and localization |
US20170122751A1 (en) * | 2015-10-29 | 2017-05-04 | Leauto Intelligent Technology (Beijing) Co. Ltd | Method for acquiring map information, navigation method and equipment |
CN105976631A (zh) * | 2015-11-06 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种车辆数据处理方法及车辆终端 |
WO2017180382A1 (en) * | 2016-04-12 | 2017-10-19 | Pcms Holdings, Inc. | System and method for data validation in a decentralized sensor network |
WO2018017793A1 (en) * | 2016-07-21 | 2018-01-25 | Intelligent Technologies International, Inc. | System and method for creating, updating, and using maps generated by probe vehicles |
US20190271550A1 (en) * | 2016-07-21 | 2019-09-05 | Intelligent Technologies International, Inc. | System and Method for Creating, Updating, and Using Maps Generated by Probe Vehicles |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
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 |
KR20180080828A (ko) * | 2017-01-05 | 2018-07-13 | 서울대학교산학협력단 | 라이더 맵 매칭 기반 차선레벨 차량 위치정보 인지 방법, 이를 수행하기 위한 기록 매체 및 장치 |
CN107063275A (zh) * | 2017-03-24 | 2017-08-18 | 重庆邮电大学 | 基于路侧设备的智能车辆地图融合系统及方法 |
JP2019079169A (ja) * | 2017-10-23 | 2019-05-23 | 株式会社豊田中央研究所 | 車両経路生成装置、車両経路生成方法及び車両経路生成プログラム |
KR20190085247A (ko) * | 2018-01-10 | 2019-07-18 | 주식회사 파토스 | 정밀지도 서비스 제공 시스템 및 정밀지도 서비스 시스템의 정밀지도 서비스 제공을 위한 데이터 처리방법 |
CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
CN110296713A (zh) * | 2019-06-17 | 2019-10-01 | 深圳数翔科技有限公司 | 路侧自动驾驶车辆定位导航系统及单个、多个车辆定位导航方法 |
Non-Patent Citations (2)
Title |
---|
ZHAO, XM等: "A cooperative vehicle-infrastructure based urban driving environment perception method using a D-S theory-based credibility map", OPTIK, vol. 138, 31 December 2017 (2017-12-31), pages 407 - 415, XP085032177, DOI: 10.1016/j.ijleo.2017.03.102 * |
肖百龙, 郭伟, 刘军等: "移动自组网路由局部修复算法的研究", 计算机研究与发展, no. 8, 31 December 2007 (2007-12-31), pages 1383 - 1389 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113178091A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 安全行驶区域方法、装置和网络设备 |
CN113282090A (zh) * | 2021-05-31 | 2021-08-20 | 三一专用汽车有限责任公司 | 工程车辆无人驾驶控制方法、装置、工程车辆及电子设备 |
CN113525453A (zh) * | 2021-07-20 | 2021-10-22 | 浙江众合科技股份有限公司 | 一种具有车前障碍物检测功能的无人驾驶车地协同系统 |
CN113525453B (zh) * | 2021-07-20 | 2023-11-14 | 浙江众合科技股份有限公司 | 一种具有车前障碍物检测功能的无人驾驶车地协同系统 |
CN113701776A (zh) * | 2021-08-27 | 2021-11-26 | 中国第一汽车股份有限公司 | 自动驾驶引导系统及方法 |
CN113701776B (zh) * | 2021-08-27 | 2024-03-15 | 中国第一汽车股份有限公司 | 自动驾驶引导系统及方法 |
CN114234986A (zh) * | 2021-10-29 | 2022-03-25 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
CN114076601A (zh) * | 2021-11-16 | 2022-02-22 | 北京经纬恒润科技股份有限公司 | 辅助定位方法及装置 |
CN114076601B (zh) * | 2021-11-16 | 2024-03-19 | 北京经纬恒润科技股份有限公司 | 辅助定位方法及装置 |
CN114413914A (zh) * | 2022-01-18 | 2022-04-29 | 上汽通用五菱汽车股份有限公司 | 高精度地图的精度提升方法、系统和计算机可读存储介质 |
CN114999198A (zh) * | 2022-04-14 | 2022-09-02 | 广州都市圈网络科技有限公司 | 基于高精度地图相对位置的混合交通流融合控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112729316A (zh) | 自动驾驶车辆的定位方法、装置、车载设备、系统及车辆 | |
CN110873568B (zh) | 高精度地图的生成方法、装置以及计算机设备 | |
CN110928284B (zh) | 辅助控制车辆的自动驾驶的方法、设备、介质和系统 | |
US10431094B2 (en) | Object detection method and object detection apparatus | |
US11248925B2 (en) | Augmented road line detection and display system | |
CN110928286B (zh) | 用于控制车辆的自动驾驶的方法、设备、介质和系统 | |
CN107826104A (zh) | 用于提供关于运输工具的预计行驶意图的信息的方法 | |
CN110940347B (zh) | 一种辅助车辆导航方法和系统 | |
US20230204386A1 (en) | Map server and map distribution method | |
WO2015129175A1 (ja) | 自動運転装置 | |
CN115552200A (zh) | 用于生成重要性占据栅格地图的方法和系统 | |
CN110530377B (zh) | 用于实施用于车辆的至少一个提高安全性的措施的方法和装置 | |
CN111354214B (zh) | 一种辅助停车方法和系统 | |
CN111768642A (zh) | 车辆的道路环境感知和车辆控制方法、系统、设备及车辆 | |
US11928871B2 (en) | Vehicle position estimation device and traveling position estimation method | |
CN110329253B (zh) | 车道偏离预警系统、方法及车辆 | |
US20230115708A1 (en) | Automatic driving device and vehicle control method | |
CN112829753B (zh) | 基于毫米波雷达的护栏估计方法、车载设备和存储介质 | |
CN116171464A (zh) | 信号灯识别装置、信号灯识别方法、车辆控制装置 | |
CN110562269A (zh) | 一种智能驾驶车辆故障处理的方法、车载设备和存储介质 | |
CN113252022A (zh) | 一种地图数据处理方法及装置 | |
CN111583697A (zh) | 驾驶支持系统和服务器装置 | |
JP2023504604A (ja) | 車両を選択的に減速させるシステムおよび方法 | |
CN110375786B (zh) | 一种传感器外参的标定方法、车载设备及存储介质 | |
CN110544389A (zh) | 一种自动驾驶管控方法、装置及系统 |
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 |