CN112835363A - 控制大范围众包地图车道线数据融合的流程的方法及装置 - Google Patents
控制大范围众包地图车道线数据融合的流程的方法及装置 Download PDFInfo
- Publication number
- CN112835363A CN112835363A CN202011600108.6A CN202011600108A CN112835363A CN 112835363 A CN112835363 A CN 112835363A CN 202011600108 A CN202011600108 A CN 202011600108A CN 112835363 A CN112835363 A CN 112835363A
- Authority
- CN
- China
- Prior art keywords
- road
- segment
- fusion
- classification
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 136
- 230000004927 fusion Effects 0.000 title claims abstract description 89
- 230000011218 segmentation Effects 0.000 claims abstract description 75
- 238000009499 grossing Methods 0.000 claims abstract description 15
- 238000007499 fusion processing Methods 0.000 claims abstract description 13
- 230000000750 progressive effect Effects 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004886 process control Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 101100243022 Mus musculus Pcnt gene Proteins 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种控制大范围众包地图车道线数据融合的流程的方法及装置,该方法包括:设置进行多条道路融合的流程;设置多/单道路分段流程,所述单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程;设置单道路多片段的分类和融合流程;基于先进先出原则设置单道路多片段连接和平滑流程;通过协调控制整个融合流程与机制,使道路划分、道路片段划分、高程处理以及分段分类、融合以及片段与片段之间的直接连接以及平滑方法进行合理地组织,以得到符合真实世界、高精度且与测量数据相适应的车道线地图,使整个车道线众包数据融合工程高效便捷的进行。
Description
技术领域
本发明涉及自动驾驶领域,尤其涉及一种控制大范围众包地图车道线数据融合的流程的方法及装置。
背景技术
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、融合,片段与片段之间进行直接连接以及平滑连接的方法,而这些过程如何进行组织,以实现对任意道路组合,任意不完整度下的众包车道线输入数据的融合,得到与采集数据、与真实世界相匹配的完整的车道线地图,仍然不明确,因此需要一种车道线数据融合的流程控制,来解决如何协调控制整个融合流程与机制,以得到符合真实世界、高精度且与测量数据相适应的车道线地图。
发明内容
本发明针对现有技术中存在的技术问题,提供一种控制大范围众包地图车道线数据融合的流程的方法及装置,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:一种控制大范围众包地图车道线数据融合的流程的方法,包括:
设置进行多条道路融合的流程;
设置多/单道路分段流程,所述单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程;
设置单道路多片段的分类和融合流程;
基于先进先出原则设置单道路多片段连接和平滑流程。
一种控制大范围众包地图车道线数据融合的流程的装置,包括:多条道路融合控制流程模块、多/单道路分段流程控制模块、分类及融合流程控制模块和连接及平滑流程控制模块;
多条道路融合流程控制模块,用于设置进行多条道路融合的流程;
多/单道路分段流程控制模块,用于设置多/单道路分段流程,所述单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程;
分类及融合流程控制模块,用于设置单道路多片段的分类和融合流程;
连接及平滑流程控制模块,用于基于先进先出原则设置单道路多片段连接和平滑流程。
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1包括:在分段期间进行的控制及在融合期间进行的控制:
所述分段期间进行的控制包括:设所有待处理的线点数据组成的集合为P={Pi(xi,yi,zi,dxi,dyi,dzi)|i=1,2,…,N},所述线点为所述集合P中的含有自身三维坐标值以及所属曲线在该坐标处的方向向量,所述方向向量通过曲线上线点三维坐标经过中心差分进行近似或在有曲线方程的情况下通过曲线方程计算得到,下标i为点编号,N为点数;每当获得一个分段Sj,则将位于Sj中的点从整个数据集中移除,直至满足分段停止条件;
所述融合期间进行的控制包括:当一个单道路分段流程进行完毕后,开始下一段的单道路分段流程,当所有道路的单道路分段流程进行完毕后,整个多道路融合流程控制过程完毕。
进一步,所述单道路分段流程包括:
对众包数据多道路片段进行连续划分获得第一个道路片段后,将该道路片段放到缓存中;
基于该道路片段正向搜索下一个道路片段:
如果能够找到下一个道路片段,则将下一个道路片段作为第一个道路片段记录下来,沿着该道路片段的方向持续进行到正向搜索停止条件,再从所记录的第一个道路片段进行反向搜索,直至达到反向搜索停止条件;
如果不能找到下一个道路片段,则直接以所述缓存内的道路片段作为第一个道路片段,直接从所述缓存中的道路片段进行反向搜索,直至达到反向搜索停止条件;
达成所述反向搜索停止条件后,认为这个单道路分段流程完成。
进一步,所述多道路分段流程包括:
单道路分段流程完毕后,将这个道路分段上的所有形点从完整数据集中移除,然后从剩余的形点中继续进行单道路分段流程,直至满足分段流程停止条件后,将各个单道路分段结果加入到多道路分段结果,完成多道路分段。
进一步,所述单道路多片段的分类和融合流程包括:
使用并行分类计算方法对所有片段均执行第一道路面渐进式分类及融合,或使用串行分类计算方法对片段进行第一道路面渐进式分类与后续道路面渐进式分类及融合。
进一步,所述使用串行分类计算方法对片段进行第一道路面渐进式分类与后续道路面渐进式分类及融合的过程包括:
步骤A,当使用第一道路面渐进式分类方法得到第一道路面的分类结果后,对每个类别进行线点融合,将第一道路面渐进式分类以及融合结果加入缓存;
步骤B,得到下一个分段的输入起始分类点后,使用该起始分类点做后续渐进式分类及融合,若存在后续道路面,记该道路面为第二道路面,将第二道路面记录下来作为这个片段的融合结果;
步骤C,持续使用前序道路面结果作为输入进行后续道路面渐进式分类及融合,并对融合结果进行保存,不存在所述后续道路面时执行步骤D;
步骤D,将所有道路面序列反序,并将融合结果线上线点反序,对后续到路面进行分类和融合流程,直至反序的道路面中无后续道路面后执行步骤E;
步骤E,当所有道路面均已分类和融合完毕后,对单道路多片段分类和融合的结果,进行道路面反序以及融合线的线点反序。
进一步,得到下一个分段的输入起始分类点的方法包括:
所述步骤1中得到第一道路面的分类结果后,得到了属于不同类别的曲线,将所述曲线与下一个待分段道路面较近的一端作为下一个分段的输入分类起始点;
从第二道路面开始,后续道路面基于前序的道路面的分类和融合结果线的尾点作为分类起始点输入继续进行,直至进行到无后续道路面为止。
进一步,所述单道路多片段连接和平滑流程包括:
步骤a,建立一个长度2的先进先出队列,m表示道路片段序号数,初始化m=0,输出线集合为So=Sm;判断m+1<Ns时,执行步骤b;判断m=Ns或m+1=Ns时,执行步骤c;
所有连续的片段及其内线所组成的集合为:
S={Sj({Ljk|k=1,2,…,Nj})|j=1,2,…,Ns},其中Sj为第j个道路片段,Ns为道路片段数目,Ljk为Sj中的第k条线,Nj为第j个片段中线的数目,Sj({Ljk|k=1,2,…,Nj})表示Sj由Nj条线组成的集合{Ljk|k=1,2,…,Nj}组成;
步骤b,将所述集合S中道路片段Sm与道路片段Sm+1一次压入所述队列,对队列中的两个道路片段进行直接平滑连接方法,更新所述队列中两个道路片段中的线点数据;若所述集合So中有被连接的线,则将这些被连接的线删除,并将连接后的线加入到所述集合So中后,对m加2后执行步骤a;
步骤c,将所述集合So作为结果返回。
采用上述方案的有益效果是:本发明提供的一种控制大范围众包地图车道线数据融合的流程的方法及装置,通过协调控制整个融合流程与机制,使道路划分、道路片段划分、高程处理以及分段分类、融合以及片段与片段之间的直接连接以及平滑方法进行合理地组织,以得到符合真实世界、高精度且与测量数据相适应的车道线地图,使整个车道线众包数据融合工程高效便捷的进行。
附图说明
图1为本发明实施例提供的一种控制大范围众包地图车道线数据融合的流程的方法的流程图;
图2为本发明本发明实施例提供的一种多道路融合的实施例的流程图;
图3为本发明本发明实施例提供的一种多/单道路分段的实施例的流程图;
图4为本发明本发明实施例提供的一种单道路多片段分类及融合的实施例的流程图;
图5为本发明提供的一种控制大范围众包地图车道线数据融合的流程的装置的实施例的结构框图;
图6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、多条道路融合流程控制模块,102、多/单道路分段流程控制模块,103、分类及融合流程控制模块,104、连接及平滑流程控制模块,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。
如图1所示为本发明实施例提供的一种控制大范围众包地图车道线数据融合的流程的方法,包括:
设置进行多条道路融合的流程;设置多/单道路分段流程,单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程;设置单道路多片段的分类和融合流程;基于先进先出原则设置单道路多片段连接和平滑流程。
本发明提供的一种控制大范围众包地图车道线数据融合的流程的方法,通过协调控制整个融合流程与机制,使道路划分、道路片段划分、高程处理以及分段分类、融合以及片段与片段之间的直接连接以及平滑方法进行合理地组织,以得到符合真实世界、高精度且与测量数据相适应的车道线地图,使整个车道线众包数据融合工程高效便捷的进行。
实施例1
本发明提供的实施例1为本发明提供的一种控制大范围众包地图车道线数据融合的流程的方法的实施例,该实施例包括:
设置进行多条道路融合的流程。
优选的,在分段期间进行的控制及在融合期间进行的控制:
分段期间进行的控制包括:设所有待处理的线点数据组成的集合为P={Pi(xi,yi,zi,dxi,dyi,dzi)|i=1,2,…,N},线点为集合P中的含有自身三维坐标值以及所属曲线在该坐标处的方向向量,方向向量通过曲线上线点三维坐标经过中心差分进行近似或在有曲线方程的情况下通过曲线方程计算得到,下标i为点编号,N为点数;每当获得一个分段Sj,则将位于Sj中的点从整个数据集中移除,直至满足分段停止条件。
融合期间进行的控制包括:当一个单道路分段流程进行完毕后,开始下一段的单道路分段流程,当所有道路的单道路分段流程进行完毕后,整个多道路融合流程控制过程完毕。
设置多/单道路分段流程,单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程。
如图2所示为本发明提供的一种控实施例的流程图,结合图1和图2可知,优选的,单道路分段流程包括:
对众包数据多道路片段进行连续划分获得第一个道路片段后,将该道路片段放到缓存中。
基于该道路片段正向搜索下一个道路片段:
如果能够找到下一个道路片段,则将下一个道路片段作为第一个道路片段记录下来,沿着该道路片段的方向持续进行到正向搜索停止条件,再从所记录的第一个道路片段进行反向搜索,直至达到反向搜索停止条件。
如果不能找到下一个道路片段,则直接以缓存内的道路片段作为第一个道路片段,直接从缓存中的道路片段进行反向搜索,直至达到反向搜索停止条件。
达成反向搜索停止条件后,认为这个单道路分段流程完成。
多道路分段流程包括:
单道路分段流程完毕后,将这个道路分段上的所有形点从完整数据集中移除,然后从剩余的形点中继续进行单道路分段流程,直至满足分段流程停止条件后,将各个单道路分段结果加入到多道路分段结果,完成多道路分段。
设置单道路多片段的分类和融合流程。
具体实施中,进行正向搜索的过程包括:
步骤201,任意选择数据集中的点Pk,往前作一个2D四边形Rk,该四边形Rk为矩形或平行四边形,点Pk位于四边形Rk一条长边上Rlk,边Rlk方向与向量(dxk,dyk)垂直,且该边长度为Width,该边Rlk中点指向其平行边Rlk+1中点的向量Rvk与向量(dxk,dyk)平行。
其中,四边形Rk长宽分别设定为Length和Width。
步骤203,求四边形Rk内的点的所有曲线与向量Rvk相同朝向时的平均方向,该的方向向量为Rvk+1。
具体的,该平均方向可通过求PCA主成分方向、线拟合方法或将所有区域内曲线的首尾两点所成的单位方向向量求平均得到。
步骤204,以Rlk+1的中点为起点,方向向量Rvk+1为平移方向,移动边Rlk+1,移动距离Length得到Rlk+2,由边Rlk+1与边Rlk+2组成平行四边形Rk+1,点集D中位于Rk+1内的点组成点集DRk+1。
步骤205,重复步骤201-204,依次得到边Rlk+i及边Rlk+i+1所组成的平行四边形Rk+i、点集DRk+i及其均值点其中i=0,1,2,…,N;当i=0时,得到步骤201中的四边形Rk;当i≥1时,将平行四边形Rk+i内部的点所组成的点集DRk+i从数据集D中移除,并添加到已处理的数据集中,同时更新数据集D与直至四边形Rk+i中的点数值小于给定数量Pcnt或数据集D内数据点的XY坐标值的极差小于MinR时停止该正向搜索阶段。
优选的,组成点集DRk+i后需要根据异常高程线剔除方法剔除异常高程。具体的,计算由边Rlk+1及Rlk+2所组成的平行四边形Rk+1内部的点,且与点的高程差小于给定范围的点组成点集DRk+1,再得到点集的均值点
进行反向搜索的过程包括:
步骤206,使边Rlk+1朝向量-Rvk的方向平移距离Length,得到线段Rlk-1,线段Rlk+1与线段Rlk-1组成了平行四边形Rk-1。
步骤207,重复步骤202-204,得到平行四边形Rk-i、点集DRk-i及其均值点Pk-i(xk-i,yk-i,zk-i),其中i=1,2,…,M;将点集DRk-i中的点从数据集D中移除并添加到已处理的数据集中,同时更新数据集D与直至四边形Rk-i中的点数值小于给定数量Pcnt或数据集D内中数据点的XY坐标值的极差小于MinR时停止该反向搜索阶段。
具体操作过程中,使用与正向搜索阶段相同的方法,计算四边形Rk-1中所有线点的平均方向Rvk-1,该平均方向与从Rlk+1中点指向Rlk-1中点的向量相同。重复执行上述过程得到平行四边形Rk-i,计算每个平行四边形Rk-i内的与该搜索之前的一个点集内的平均点的高程差在给定范围内的点集DRk-i,并将其中的点从数据集D中移除并添加到已处理的数据集合中,同时更新数据集D与反向搜索满足反向搜索停止条件时,集合中添加了本次反向搜索得到的多个子集DRk-i,及其均值点Pk-i(xk-i,yk-i,zk-i),其中i=1,2,…,M。M为反向搜索停止时,所得到的子集的个数。
如图3所示为本发明提供的一种控实施例的流程图,结合图1和图3可知,优选的,单道路多片段的分类和融合流程包括:
使用并行分类计算方法对所有片段均执行第一道路面渐进式分类及融合,或使用串行分类计算方法对片段进行第一道路面渐进式分类与后续道路面渐进式分类及融合。
使用串行分类计算方法对片段进行第一道路面渐进式分类与后续道路面渐进式分类及融合的过程包括:
步骤A,当使用第一道路面渐进式分类方法得到第一道路面的分类结果后,对每个类别进行线点融合,将第一道路面渐进式分类以及融合结果加入缓存。
步骤B,得到下一个分段的输入起始分类点后,使用该起始分类点做后续渐进式分类及融合,若存在后续道路面,记该道路面为第二道路面,将第二道路面记录下来作为这个片段的融合结果;而将缓存中的第一道路面融合结果丢弃。
步骤C,持续使用前序道路面结果作为输入进行后续道路面渐进式分类及融合,并对融合结果进行保存,不存在后续道路面时执行步骤D。
步骤D,将所有道路面序列反序,并将融合结果线上线点反序,对后续到路面进行分类和融合流程,直至反序的道路面中无后续道路面后执行步骤E。
步骤E,当所有道路面均已分类和融合完毕后,对单道路多片段分类和融合的结果,进行道路面反序以及融合线的线点反序。
进一步的,得到下一个分段的输入起始分类点的方法包括:
步骤A中得到第一道路面的分类结果后,得到了属于不同类别的曲线,将曲线与下一个待分段道路面较近的一端作为下一个分段的输入分类起始点。
从第二道路面开始,后续道路面基于前序的道路面的分类和融合结果线的尾点作为分类起始点输入继续进行,直至进行到无后续道路面为止。
具体实施中,进行第一道路面渐进式分类的流程包括:
步骤301,在第一个道路片段中,以其中的点集P0中的点P00作为起始点,从P00(x00,y00,z00,dx00,dy00,dz00)确定一条2D直线直线过点(x00,y00),方向向量为(dx00,dy00);
步骤303,从点集Ω00中选择与直线距离小于d2且与向量(dx00,dy00,dz00)夹角小于θ的点组成点集Ω01,判断点集Ω01中点数小于n或相距最远的两点之间距离小于d3时,将点集Ω01从点集P0中移除后执行步骤301,否则执行步骤304。
步骤304,计算点集Ω01与点集Ω00中点数的比值r0,判断比值r0小于参数f时,则从点集P0中去除该点P00后执行步骤301;否则认为点集Ω01中的点以及点P00为同类点并标记为一个类别并存储下来,执行步骤305。
步骤305,从点集P0中去除点集Ω00中的所有点,重复执行步骤301-305直至点集P0中点数不足n个,则分类过程停止并得到了一组标记了类别编号的点。
进一步,进行后续道路面渐进式分类的过程包括:
步骤306,根据分段Sk-1中标记好的分类点确定车道线尾点Pki的坐标位置及方向向量。
步骤307,判断点集Pk中点数小于n或相距最远的两点之间距离小于d3时,停止分类并将存储的分类标记输出;否则进一步判断所有车道线尾点均已用作分类起始点时,是则对剩余点执行第一道路面渐进式分类,否则执行步骤308。
步骤308,以尾点Pki(xki,yki,zki,dxki,dyki,dzki)形成2D直线计算点集Pk中到直线距离小于d1的所有点组成的点集Ωk0;判断点集Ωk0中点数小于n或相距最远的两点之间距离小于d3时,将点集Ωk0从点集Pk中移除后执行步骤307,否则执行步骤309。
步骤309,从点集Ωk0中选择与距离小于d2,且与向量(dxki,dyki,dzki)夹角小于θ的点组成点集Ωk1;判断点集Ωk1中点数小于n或相距最远的两点之间距离小于d3时,将点集Ωk1从点集Pk中移除后执行步骤307,否则执行步骤310。
步骤310,计算点集Ωk1与点集Ωk0中点数的比值rk,判断比值rk小于参数f时,执行步骤306,否则执行步骤311。
步骤311,认为点集Ωk1中的点有同类点并与输入的车道线尾点所属的前一段具有相同的类别标记,将同类点标记为一个类别并存储下来,从点集Pk中删除点集Ωk0中的所有点,重复执行步骤307-310直至点集Pk中点数不足n个,则分类过程停止并得到了一组标记了类别编号的点。
基于先进先出原则设置单道路多片段连接和平滑流程。
如图4所示为本发明提供的一种控实施例的流程图,结合图1和图4可知,优选的,单道路多片段连接和平滑流程包括:
步骤a,建立一个长度2的先进先出队列,m表示道路片段序号数,初始化m=0,输出线集合为So=Sm;判断m+1<Ns时,执行步骤b;判断m=Ns或m+1=Ns时,执行步骤c。
所有连续的片段及其内线所组成的集合为:
S={Sj({Ljk|k=1,2,…,Nj})|j=1,2,…,Ns},其中Sj为第j个道路片段,Ns为道路片段数目,Ljk为Sj中的第k条线,Nj为第j个片段中线的数目,Sj({Ljk|k=1,2,…,Nj})表示Sj由Nj条线组成的集合{Ljk|k=1,2,…,Nj}组成。
步骤b,将集合S中道路片段Sm与道路片段Sm+1一次压入队列,对队列中的两个道路片段进行直接平滑连接方法,更新队列中两个道路片段中的线点数据;若集合So中有被连接的线,则将这些被连接的线删除,并将连接后的线加入到集合So中后,对m加2后执行步骤a。
步骤c,将集合So作为结果返回。
以上流程为当先得到分段,对每个分段执行分类和融合,片段间不作直接连接和平滑连接,而当所有片段均得到融合结果线后的多片段连接、平滑的流程控制方法。亦可在多片段分类的流程中,当前序面进行了渐进式分类和融合后,基于前序面的融合结果进行后续面渐进式分类时,直接对两个片段进行直接连接和平滑连接,使本步骤所述的多个流程在单道路多片段分类及融合流程控制步骤的进行过程中完成。这两种方法根据实际需求进行选择。
本发明提供的一种控制大范围众包地图车道线数据融合的流程的方法的实施例中,多道路融合流程控制说明了整个执行流程,多/单道路分段流程控制,说明了对整体数据集进行道路片段划分的流程,经过该步骤后,得到了单道路的道路片段划分结果,以及由单道路片段划分结果组成的多道路片段划分结果。步骤单道路多片段分类及融合流程控制,则说明对已得到的一条连续道路中的多个道路片段进行分类及融合的流程,在此流程中可直接实行连续两段道路的直接连接、平滑连接操作,或在所有片段均分类及融合完毕后,使用但带上多片段连接、平滑流程控制方法实施单道路多片段融合结果的直接连接和平滑连接流程。该步骤的结果即为这条道路的车道线融合结果。对所有划分好片段的道路实行上述步骤后,即可得到由所有车道线输入数据融合得到符合真实世界、高精度且与测量数据相适应的车道线地图。
实施例2
本发明提供的实施例2为本发明提供的一种控制大范围众包地图车道线数据融合的流程的装置的实施例,如图5所示为本发明提供的一种控制大范围众包地图车道线数据融合的流程的装置的实施例的结构框图,由图5可知,该装置包括:多条道路融合控制流程模块101、多/单道路分段流程控制模块102、分类及融合流程控制模块103和连接及平滑流程控制模块104。
多条道路融合流程控制模块,用于设置进行多条道路融合的流程。
多/单道路分段流程控制模块,用于设置多/单道路分段流程,单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程。
分类及融合流程控制模块,用于设置单道路多片段的分类和融合流程。
连接及平滑流程控制模块,用于基于先进先出原则设置单道路多片段连接和平滑流程。
图3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3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控制大范围众包地图车道线数据融合的流程的方法,例如包括:设置进行多条道路融合的流程;设置多/单道路分段流程,单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程;设置单道路多片段的分类和融合流程;基于先进先出原则设置单道路多片段连接和平滑流程。
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控制大范围众包地图车道线数据融合的流程的方法,例如包括:设置进行多条道路融合的流程;设置多/单道路分段流程,单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程;设置单道路多片段的分类和融合流程;基于先进先出原则设置单道路多片段连接和平滑流程。
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 (9)
1.一种控制大范围众包地图车道线数据融合的流程的方法,其特征在于,所述方法包括:
设置进行多条道路融合的流程;
设置多/单道路分段流程,所述单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程;
设置单道路多片段的分类和融合流程;
基于先进先出原则设置单道路多片段连接和平滑流程。
2.根据权利要求1所述的方法,其特征在于,所述步骤1包括:在分段期间进行的控制及在融合期间进行的控制:
所述分段期间进行的控制包括:设所有待处理的线点数据组成的集合为P={Pi(xi,yi,zi,dxi,dyi,dzi)|i=1,2,…,N},所述线点为所述集合P中的含有自身三维坐标值以及所属曲线在该坐标处的方向向量,所述方向向量通过曲线上线点三维坐标经过中心差分进行近似或在有曲线方程的情况下通过曲线方程计算得到,下标i为点编号,N为点数;每当获得一个分段Sj,则将位于Sj中的点从整个数据集中移除,直至满足分段停止条件;
所述融合期间进行的控制包括:当一个单道路分段流程进行完毕后,开始下一段的单道路分段流程,当所有道路的单道路分段流程进行完毕后,整个多道路融合流程控制过程完毕。
3.根据权利要求1所述的方法,其特征在于,所述单道路分段流程包括:
对众包数据多道路片段进行连续划分获得第一个道路片段后,将该道路片段放到缓存中;
基于该道路片段正向搜索下一个道路片段:
如果能够找到下一个道路片段,则将下一个道路片段作为第一个道路片段记录下来,沿着该道路片段的方向持续进行到正向搜索停止条件,再从所记录的第一个道路片段进行反向搜索,直至达到反向搜索停止条件;
如果不能找到下一个道路片段,则直接以所述缓存内的道路片段作为第一个道路片段,直接从所述缓存中的道路片段进行反向搜索,直至达到反向搜索停止条件;
达成所述反向搜索停止条件后,认为这个单道路分段流程完成。
4.根据权利要求1所述的方法,其特征在于,所述多道路分段流程包括:
单道路分段流程完毕后,将这个道路分段上的所有形点从完整数据集中移除,然后从剩余的形点中继续进行单道路分段流程,直至满足分段流程停止条件后,将各个单道路分段结果加入到多道路分段结果,完成多道路分段。
5.根据权利要求1所述的方法,其特征在于,所述单道路多片段的分类和融合流程包括:
使用并行分类计算方法对所有片段均执行第一道路面渐进式分类及融合,或使用串行分类计算方法对片段进行第一道路面渐进式分类与后续道路面渐进式分类及融合。
6.根据权利要求5所述的方法,其特征在于,所述使用串行分类计算方法对片段进行第一道路面渐进式分类与后续道路面渐进式分类及融合的过程包括:
步骤A,当使用第一道路面渐进式分类方法得到第一道路面的分类结果后,对每个类别进行线点融合,将第一道路面渐进式分类以及融合结果加入缓存;
步骤B,得到下一个分段的输入起始分类点后,使用该起始分类点做后续渐进式分类及融合,若存在后续道路面,记该道路面为第二道路面,将第二道路面记录下来作为这个片段的融合结果;
步骤C,持续使用前序道路面结果作为输入进行后续道路面渐进式分类及融合,并对融合结果进行保存,不存在所述后续道路面时执行步骤D;
步骤D,将所有道路面序列反序,并将融合结果线上线点反序,对后续到路面进行分类和融合流程,直至反序的道路面中无后续道路面后执行步骤E;
步骤E,当所有道路面均已分类和融合完毕后,对单道路多片段分类和融合的结果,进行道路面反序以及融合线的线点反序。
7.根据权利要求6所述的方法,其特征在于,得到下一个分段的输入起始分类点的方法包括:
所述步骤1中得到第一道路面的分类结果后,得到了属于不同类别的曲线,将所述曲线与下一个待分段道路面较近的一端作为下一个分段的输入分类起始点;
从第二道路面开始,后续道路面基于前序的道路面的分类和融合结果线的尾点作为分类起始点输入继续进行,直至进行到无后续道路面为止。
8.根据权利要求1所述的方法,其特征在于,所述单道路多片段连接和平滑流程包括:
步骤a,建立一个长度2的先进先出队列,m表示道路片段序号数,初始化m=0,输出线集合为So=Sm;判断m+1<Ns时,执行步骤b;判断m=Ns或m+1=Ns时,执行步骤c;
所有连续的片段及其内线所组成的集合为:
S={Sj({Ljk|k=1,2,…,Nj})|j=1,2,…,Ns},其中Sj为第j个道路片段,Ns为道路片段数目,Ljk为Sj中的第k条线,Nj为第j个片段中线的数目,Sj({Ljk|k=1,2,…,Nj})表示Sj由Nj条线组成的集合{Ljk|k=1,2,…,Nj}组成;
步骤b,将所述集合S中道路片段Sm与道路片段Sm+1一次压入所述队列,对队列中的两个道路片段进行直接平滑连接方法,更新所述队列中两个道路片段中的线点数据;若所述集合So中有被连接的线,则将这些被连接的线删除,并将连接后的线加入到所述集合So中后,对m加2后执行步骤a;
步骤c,将所述集合So作为结果返回。
9.一种控制大范围众包地图车道线数据融合的流程的装置,其特征在于,所述装置包括:多条道路融合控制流程模块、多/单道路分段流程控制模块、分类及融合流程控制模块和连接及平滑流程控制模块;
多条道路融合流程控制模块,用于设置进行多条道路融合的流程;
多/单道路分段流程控制模块,用于设置多/单道路分段流程,所述单道路分段流程基于正向搜索和反向搜索的终止条件设置,基于单道路分段流程以及分段流程停止条件设置多道路分段流程;
分类及融合流程控制模块,用于设置单道路多片段的分类和融合流程;
连接及平滑流程控制模块,用于基于先进先出原则设置单道路多片段连接和平滑流程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011600108.6A CN112835363B (zh) | 2020-12-29 | 2020-12-29 | 控制大范围众包地图车道线数据融合的流程的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011600108.6A CN112835363B (zh) | 2020-12-29 | 2020-12-29 | 控制大范围众包地图车道线数据融合的流程的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112835363A true CN112835363A (zh) | 2021-05-25 |
CN112835363B CN112835363B (zh) | 2023-08-01 |
Family
ID=75925140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011600108.6A Active CN112835363B (zh) | 2020-12-29 | 2020-12-29 | 控制大范围众包地图车道线数据融合的流程的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112835363B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359870A (zh) * | 2021-12-27 | 2022-04-15 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107621624A (zh) * | 2013-02-07 | 2018-01-23 | 高通股份有限公司 | 地面定位系统校准 |
CN108981741A (zh) * | 2018-08-23 | 2018-12-11 | 武汉中海庭数据技术有限公司 | 基于高精度地图的路径规划装置及方法 |
CN111209805A (zh) * | 2019-12-24 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种车道线众包数据的多道路片段数据的快速融合优化方法 |
CN111222418A (zh) * | 2019-12-24 | 2020-06-02 | 武汉中海庭数据技术有限公司 | 一种车道线的多道路片段的众包数据快速融合优化方法 |
US20200234582A1 (en) * | 2016-01-03 | 2020-07-23 | Yosef Mintz | Integrative system and methods to apply predictive dynamic city-traffic load balancing and perdictive parking control that may further contribute to cooperative safe driving |
US20200284591A1 (en) * | 2019-03-07 | 2020-09-10 | Mobileye Vision Technologies Ltd. | Aligning road information for navigation |
CN111708856A (zh) * | 2020-06-03 | 2020-09-25 | 武汉中海庭数据技术有限公司 | 一种基于强化学习的车道线的众包数据分段融合方法 |
CN111930872A (zh) * | 2020-08-17 | 2020-11-13 | 武汉中海庭数据技术有限公司 | 一种高精度地图更新方法、服务器及可读存储介质 |
-
2020
- 2020-12-29 CN CN202011600108.6A patent/CN112835363B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107621624A (zh) * | 2013-02-07 | 2018-01-23 | 高通股份有限公司 | 地面定位系统校准 |
US20200234582A1 (en) * | 2016-01-03 | 2020-07-23 | Yosef Mintz | Integrative system and methods to apply predictive dynamic city-traffic load balancing and perdictive parking control that may further contribute to cooperative safe driving |
CN108981741A (zh) * | 2018-08-23 | 2018-12-11 | 武汉中海庭数据技术有限公司 | 基于高精度地图的路径规划装置及方法 |
US20200284591A1 (en) * | 2019-03-07 | 2020-09-10 | Mobileye Vision Technologies Ltd. | Aligning road information for navigation |
CN111209805A (zh) * | 2019-12-24 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种车道线众包数据的多道路片段数据的快速融合优化方法 |
CN111222418A (zh) * | 2019-12-24 | 2020-06-02 | 武汉中海庭数据技术有限公司 | 一种车道线的多道路片段的众包数据快速融合优化方法 |
CN111708856A (zh) * | 2020-06-03 | 2020-09-25 | 武汉中海庭数据技术有限公司 | 一种基于强化学习的车道线的众包数据分段融合方法 |
CN111930872A (zh) * | 2020-08-17 | 2020-11-13 | 武汉中海庭数据技术有限公司 | 一种高精度地图更新方法、服务器及可读存储介质 |
Non-Patent Citations (6)
Title |
---|
ALEXIS STOVEN-DUBOIS MOBILITY DEPARTMENT, VEDECOM, VERSAILLES, FRANCE ; AZIZ DZIRI; BERTRAND LEROY; ROLAND CHAPUIS: "Graph Optimization Methods for Large-Scale Crowdsourced Mapping", 《2020 IEEE 23RD INTERNATIONAL CONFERENCE ON INFORMATION FUSION (FUSION)》 * |
SI CHEN; MUYUAN LI; KUI REN: "The power of indoor crowd: Indoor 3D maps from the crowd", 《2014 IEEE CONFERENCE ON COMPUTER COMMUNICATIONS WORKSHOPS (INFOCOM WKSHPS)》 * |
XIN WU,JIFU GUO,XUESONG ZHOU: "Hierarchical travel demand estimation using multiple data sources: A forward and backward propagation algorithmic framework on a layered computational graph", 《TRANSPORTATION RESEARCH PART C: EMERGING TECHNOLOGIES》 * |
崔倩倩: "一种基于众包地图的智能交通诱导数据模型及方案研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
杨明珠: "基于边缘计算的自动驾驶高精地图建图与定位方法", 《自动化博览》 * |
陈世峰: "动态车辆路径问题建模与优化算法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359870A (zh) * | 2021-12-27 | 2022-04-15 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112835363B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110942000B (zh) | 一种基于深度学习的无人驾驶车辆目标检测方法 | |
CN108122027A (zh) | 一种神经网络模型的训练方法、装置及芯片 | |
CN108582073B (zh) | 一种基于改进的随机路标地图法的机械臂快速避障方法 | |
CN109359603A (zh) | 一种基于级联卷积神经网络的车辆驾驶员人脸检测方法 | |
CN109376586B (zh) | 基于激光点云的道路边界线交互式自动提取方法 | |
CN112835363A (zh) | 控制大范围众包地图车道线数据融合的流程的方法及装置 | |
CN111798447B (zh) | 一种基于Faster RCNN的深度学习塑化材料缺陷检测方法 | |
CN105652833A (zh) | 基于双向智能搜索的制造企业车间调度优化方法 | |
CN108469263B (zh) | 一种基于曲率进行形点优化的方法及系统 | |
CN114323051A (zh) | 路口行驶轨迹的规划方法、装置和电子设备 | |
CN108072385A (zh) | 移动目标的空间坐标定位方法、装置及电子设备 | |
CN109496286B (zh) | 数控系统及其路径规划方法和计算机可读存储介质 | |
WO2022148441A1 (zh) | 车辆泊车规划方法、装置、设备及计算机存储介质 | |
CN112415999B (zh) | 自动驾驶路径点的处理方法、装置、设备及存储介质 | |
CN111737379A (zh) | 道路采集任务的生成、装置、电子设备及可读存储介质 | |
CN111198562A (zh) | 一种众包碎片地图的空间线特征的预处理优化方法 | |
CN110717141A (zh) | 一种车道线优化方法、装置及存储介质 | |
CN112580743B (zh) | 一种众包数据道路片段中车道边线数据的分类方法与装置 | |
CN112580744B (zh) | 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 | |
CN116552537A (zh) | 参考线确定方法、装置、设备、介质及产品 | |
CN116545856A (zh) | 基于强化学习的服务功能链部署方法、系统及装置 | |
CN112580746B (zh) | 一种众包数据多道路片段的连续划分方法与装置 | |
CN114511590A (zh) | 基于单目视觉3d车辆检测与跟踪的路口多引导线构建方法 | |
CN113160351A (zh) | 一种车道线分段方法、装置和电子设备 | |
CN103761744A (zh) | 通用型二维点云分组方法 |
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 |