CN113029171A - 车辆路径匹配方法、装置、计算机设备和存储介质 - Google Patents
车辆路径匹配方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113029171A CN113029171A CN201911357801.2A CN201911357801A CN113029171A CN 113029171 A CN113029171 A CN 113029171A CN 201911357801 A CN201911357801 A CN 201911357801A CN 113029171 A CN113029171 A CN 113029171A
- Authority
- CN
- China
- Prior art keywords
- path
- vehicle
- candidate
- angle change
- matching degree
- 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 62
- 238000005070 sampling Methods 0.000 claims abstract description 68
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 101100257127 Caenorhabditis elegans sma-2 gene Proteins 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 5
- 101100018717 Mus musculus Il1rl1 gene Proteins 0.000 description 3
- 101100096884 Rattus norvegicus Sult1e1 gene Proteins 0.000 description 3
- 101150006985 STE2 gene Proteins 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 101100220283 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fta2 gene Proteins 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static 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
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车辆路径匹配方法、装置、计算机设备和存储介质。方法包括:获取车辆所在位置的方位点;根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径;通过传感器获取车辆在采样周期内的第一角度变化值;获取各个候选路径形状点之间的第二角度变化值;根据第一角度变化值、第二角度变化值和候选路径的经验系数,确定候选路径的第一路径匹配度;从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径。采用本方法能够提高车辆路径匹配的准确性。
Description
技术领域
本申请涉及汽车导航技术领域,特别是涉及一种车辆路径匹配方法、装置、计算机设备和存储介质。
背景技术
随着电子技术的发展及在汽车导航技术领域的大量应用,车辆导航定位技术给人们的生活带来很大的便捷,人们在自行驾驶车辆出行过程中,可以通过车辆导航定位技术获取规划的行驶路线和检测车辆的行驶轨迹,避免因对道路不熟悉导致走弯路或走错路等情况。
然而,在路况简单的情况下,目前的车辆导航定位技术可以准确的检测到车辆的实际行驶轨迹;在路况复杂的情况下,目前的导航定位技术不能准确的检测到车辆的实际行驶轨迹。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高车辆路径匹配准确性的车辆路径匹配方法、装置、计算机设备和存储介质。
一种车辆路径匹配方法,所述方法包括:
获取车辆所在位置的方位点;
根据所述方位点获取车辆所在路径以及所述路径的接续路径的形状点,得到候选路径;
通过传感器获取车辆在采样周期内的第一角度变化值;
获取各个所述候选路径形状点之间的第二角度变化值;
根据所述第一角度变化值和所述第二角度变化值,确定所述候选路径的第一路径匹配度;
从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径。
在其中一个实施例中,所述根据所述第一角度变化值和所述第二角度变化值,确定所述候选路径的第一路径匹配度,包括:
获取所述候选路径的经验系数;
根据所述第一角度变化值、所述第二角度变化值和所述经验系数,确定所述候选路径的第一路径匹配度。
在一个实施例里中,所述根据所述第一角度变化值、所述第二角度变化值和所述候选路径的经验系数,确定所述候选路径的第一路径匹配度包括:
根据所述第一角度变化值、所述第二角度变化值和所述经验系数,按照第一目标计算式计算所述候选路径的第一路径匹配度;;
所述第一目标计算式为:
Rsws=Radi+(Sma1-Rma1)+(Sma2-Rma2)
其中,Rsws为所述候选路径的第一路径匹配度,Radi为所述候选路径的经验系数,Sma1为车辆在采样周期内第一运动趋势对应的累计角度变化最大值,Sma2为车辆在采样周期内第二运动趋势对应的累计角度变化最大值,Rma1为候选路径第一运动趋势对应的累计角度变化最大值,Rma2为候选路径第二运动趋势对应的累计角度变化最大值。
在其中一个实施例中,所述路径的经验系数Radi计算方式至少包括以下一种情况:
当所述车辆在采样周期内运动趋势与候选路径运动趋势相同,经验系数Radi通过固定经验系数除以系数因子获取;
当所述车辆在采样周期内运动趋势与候选路径运动趋势不相同,经验系数Radi通过固定经验系数乘以系数因子获取。
在其中一个实施例中,在所述从所述候选路径中,根据所述第一三路径匹配度确定所述车辆所在的第一目标路径之前,所述方法还包括:
计算所述车辆在采样周期内整体运动趋势和各个所述候选路径的运动趋势;
当判断所述车辆在采样周期内整体运动趋势与各个所述候选路径的运动趋势相同时,执行所述从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径步骤。
在其中一个实施例中,从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径,包括:
从所述第一路径匹配度中获取数值最小的第一路径匹配度;
将所述数值最小的第一路径匹配度对应的候选路径,作为所述车辆所在的第一目标路径。
在其中一个实施例中,在所述将所述数值最小的第一路径匹配度对应的候选路径,作为所述车辆所在的第一目标路径之前,所述方法还包括:
获取所述车辆在采样周期内对应的行驶距离和对应的候选路径的路径条数;
当所述行驶距离大于行驶距离阈值且所述路径条数小于路径条数阈值时,将所述数值最小的第一路径匹配度对应的候选路径,作为所述车辆所在的第一目标路径。
在其中一个实施例中,所述方法还包括:
通过导航从所述候选路径中获取所述车辆所在的第二目标路径;
从所述第一路径匹配度中获取所述第二目标路径对应的第一路径匹配度;
当所述第一目标路径的第一路径匹配度与所述第二目标路径对应的第一路径匹配度之间的差值达到阈值、所述第一目标路径与所述第二目标路径之间的间距与固定经验系数的乘积小于实际车辆偏移距离且所述车辆的方位点的投影点在所述第一目标路径上时,将所述第一目标路径作为所述车辆最终所在目标路径。
一种车辆路径匹配装置,所述装置包括:
第一获取模块,用于获取车辆所在位置的方位点;
路径获取模块,用于根据所述方位点获取车辆所在路径以及所述路径的接续路径的形状点,得到候选路径;
第二获取模块,用于通过传感器获取车辆在采样周期内的第一角度变化值;
第三获取模块,用于获取各个所述候选路径形状点之间的第二角度变化值;
第一确定模块,用于根据所述第一角度变化值和所述第二角度变化值和所述候选路径的经验系数,确定所述候选路径的第一路径匹配度;
第二确定模块,用于从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取车辆所在位置的方位点;
根据所述方位点获取车辆所在路径以及所述路径的接续路径的形状点,得到候选路径;
通过传感器获取车辆在采样周期内的第一角度变化值;
获取各个所述候选路径形状点之间的第二角度变化值;
根据所述第一角度变化值、所述第二角度变化值和所述候选路径的经验系数,确定所述候选路径的第一路径匹配度;
从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取车辆所在位置的方位点;
根据所述方位点获取车辆所在路径以及所述路径的接续路径的形状点,得到候选路径;
通过传感器获取车辆在采样周期内的第一角度变化值;
获取各个所述候选路径形状点之间的第二角度变化值;
根据所述第一角度变化值、所述第二角度变化值和所述候选路径的经验系数,确定所述候选路径的第一路径匹配度;
从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径。
上述车辆路径匹配方法、装置、计算机设备和存储介质,通过获取车辆所在位置的方位点;根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径;通过传感器获取车辆在采样周期内的第一角度变化值;获取各个候选路径形状点之间的第二角度变化值;根据第一角度变化值、第二角度变化值和候选路径的经验系数,确定候选路径的第一路径匹配度;从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径。通过获取车辆的方位点的相关数据、车辆在采样周期内的第一角度变化值、候选路径形状点之间的第二角度变化值,根据多组数据确定候选路径的匹配度,从获取的候选路径中准确确定车辆的第一目标路径,提高车辆路径匹配的准确性。
附图说明
图1为一个实施例中车辆路径匹配方法的应用环境图;
图2为一个实施例中车辆路径匹配方法的流程示意图;
图3为一个实施例中车辆的运动趋势示意图;
图4为一个实施例中候选路径的运动趋势示意图;
图5为一个实施例中确定车辆目标路径方法的流程示意图;
图6为另一个实施例中车辆路径匹配方法的流程示意图;
图7为一个实施例中车辆在采集周期内整体运动趋势的判断方式;
图8为一个实施例中车辆路径匹配装置的结构框图;
图9为另一个实施例中车辆路径匹配装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的车辆路径匹配方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。通过获取车辆所在位置的方位点;根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径;通过传感器获取车辆在采样周期内的第一角度变化值;获取各个候选路径形状点之间的第二角度变化值;根据第一角度变化值、第二角度变化值,确定候选路径的第一路径匹配度;从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种车辆路径匹配方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤202,获取车辆所在位置的方位点。
其中,方位点是具有方向的坐标点。例如,在地心大地坐标系中,以子午面与赤道面的交点为原点,建立坐标系,由子午面为X轴,向东为正,称为东经(0~180),向西为负,称为西经(0~180);由赤道面为Y轴,向北为正,称为北纬(0~90),向南为负,称为南纬(0~90)。
车辆在行驶过程位置的方位点可以通过全球导航卫星系统(Global NavigationSatellite System,GNSS)芯片通过接收卫星信息后计算出来的车辆当前所在的方位点。其中,方位点对应的具体位置可以用车辆所在的经度和纬度来表示;例如,获取车辆的方位点是(116,39),116代表的是东经116度,北纬39度。
具体地,通过GNSS芯片通过接收卫星信息计算出来的车辆在行驶过程的实时方位点,可以把获取的方位点按照时间先后顺序存储在队列中。其中,GNSS芯片计算车辆的方位点可以是根据匹配周期进行计算,例如,匹配周期为1s,即每隔1s计算车辆在行驶过程中的方位点。
在一个实施例中,获取方位点在候选路径上的投影点,包括:获取车辆所在位置的方位点在候选路径上所对应的路段,通过方位点做路段的垂直线;将垂直线与路段的交点确定为投影点。
具体地,通过获取车辆所在位置的方位点在候选路径上所对应的路段,通过方位点做路段的垂直线,将垂直线与路段的交点确定为投影点;根据投影点可以方位点到候选路径的最近距离,提高路径匹配度计算的准确度。
步骤204,根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径。
具体地,根据车辆所在位置的方位点,确定车辆当前所在的路径;根据方位点从地图数据中获取与车辆当前所在的路径以及与当前路径接续路径的形状点,每个形状点都具有坐标和方向,把相邻的形状点依次相连绘制,得到候选路径的路径形状。
在一个实施例中,通过定位导航技术检测到车辆当前所在方位点对应的路径存在至少两条接续路径时,从地图数据中获取与当前路径接续路径的每条接续路径的形状点,根据形状点得到对应的候选路径。
步骤206,通过传感器获取车辆在采样周期内的第一角度变化值。
其中,采样周期是传感器中预先设置的固定的采样周期,例如采样周期可以设置为1s。传感器是一个基于自由空间移动和手势的定位和控制系统,例如,陀螺仪传感器。第一角度变化值是车辆在行驶过程中距离上一个位置点的角度变化。获取的第一角度变化值可包括正数和负数,其中,正、负符号用于表示角度变化的方向,例如,计左为正,右为负,-2代表车辆行驶当前角度相对于上一个行驶角度向右变化2度;也可以是计右为正,左为负,在这里对车辆角度值变化方向不做限定。
具体地,终端在采样周期内间隔采集车辆行驶的角度,计算相邻采集的角度变化值,把采集的第一角度变化值存储在传感器角度变化序列中。
步骤208,获取各个候选路径形状点之间的第二角度变化值。
其中,第二角度变化值是候选路径上相邻形状点的角度变化;候选路径形状点数据是从地图数据中获取,地图数据更新的频率可以自定义设置,如更新频率可设置为500ms,即500ms更新一次地图数据;获取的第二角度变化值可包括正数和负数,其中,正、负符号用于表示角度变化的方向,例如,计左为正,右为负,3代表候选路径当前形状点相对于上一个形状点的角度向左变化3度;也可以是计右为正,左为负,在这里对候选路径运动变化方向不做限定。
具体地,通过全球定位系统(Global Positioning System,GPS)定位获取车辆的方位点,根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径;计算相邻形状点的第二角度变化值,把第二角度变化值存储在分歧道路角度变化序列中。获取与车辆在采样周期内的第一角度变化值对应的第二角度变化值。
步骤210,根据第一角度变化值和第二角度变化值,确定候选路径的第一路径匹配度。
具体地,从存储到传感器角度变化序列中正序获取第一角度变化值,根据对第一角度变化值累加求和获取车辆运动趋势及对应的累计角度变化最大值;从分歧道路角度变化序列中正序获取第二角度变化值,通过对第二角度变化值累加求和获取候选路径形状趋势及对应的累计角度变化最大值;当车辆运动趋势对应的累计角度变化最大值达到阈值和候选路径形状趋势对应的累计角度变化最大值达到阈值时,根据车辆运动趋势对应的累计角度变化最大值、候选路径形状趋势对应的累计角度变化最大值,确定候选路径的第一路径匹配度。
其中,车辆的运动趋势可包括向左、向右两种情况,车辆在行驶过程中可包括直行运动趋势、向左或向右、先向左后向右或先向右后向左等变向趋势。候选路径的运动趋势可包括向左、向右两种情况。
步骤212,从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径。
具体地,通过比较第一路径匹配度的数值大小,从候选路径中,根据第一一路径匹配度确定车辆所在的第一目标路径;可以是第一路径匹配度的数值最大或最小对应的候选路径确定为车辆所在的第一目标路径,第一目标路径可以是确定车辆所在的目标路径。
上述车辆路径匹配方法中,终端通过导航获取车辆所在位置的方位点,根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径;通过传感器获取车辆在采样周期内的第一角度变化值;获取各个候选路径形状点之间的第二角度变化值;根据第一角度变化值和第二角度变化值,确定候选路径的第一路径匹配度;从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径。根据传感器获取车辆的第一角度变化值、地图数据获取候选路径的第二角度变化值准确计算候选路径的第一路径匹配度,根据第一路径匹配度确定车辆所在的第一目标路径,传感器数据抗干扰能力强且数据发送频率高,获取的数据准确性高,提高车辆路径匹配的准确性。
在一个实施例中,根据第一角度变化值和第二角度变化值,确定候选路径的第一路径匹配度,包括:
获取候选路径的经验系数;根据第一角度变化值、第二角度变化值和经验系数,确定候选路径的第一路径匹配度。
其中,根据第一角度变化值、第二角度变化值和经验系数,按照第一目标计算式计算候选路径的第一路径匹配度;
第一目标计算式为:
Rsws=Radi+(Sma1-Rma1)+(Sma2-Rma2)
其中,Rsws为候选路径的第一路径匹配度,Radi为候选路径的经验系数,Sma1为车辆在采样周期内根据第一角度变化值确定的第一运动趋势对应的累计角度变化最大值,Rma1为候选路径根据第二角度变化值确定的第一运动趋势对应的累计角度变化最大值。
Sma2为车辆在采样周期内根据第一角度变化值确定的第二运动趋势对应的累计角度变化最大值,Rma2为候选路径根据第二角度变化值确定的第二运动趋势对应的累计角度变化最大值。
其中,车辆在采样周期内第一运动趋势对应的累计角度变化最大值和第二运动趋势对应的累计角度变化最大值的可通过以下方式实现:
传感器获取车辆在采样周期内当前角度为0度,走了几秒变成2度,计左为正,右为负,则该累计角度变化2度,之后角度变化值为1度,累计角度变化值为3,若下一个角度变化值为3度,则该累计角度变化最大值6度,若再一个角度变化值为-2,则该累计角度变化值4,若下一个角度变化值为4,则该累计角度变化最大值为8。当累计角度变化最大值达到阈值(例如+7度或-7度)、且累计向左或向右的角度变化次数达到次数阈值时(如次数阈值为5,先向左变3次,向右变化1次,又向左变化3次,则向左变化的累计角度变化次数为3-1+3=5,达到次数阈值,则判定为向左运动趋势),同理可用于判定向右运动趋势。
若累计角度变化最大值未达到向左的阈值(+7度)或累计向左变化次数未达到阈值(例如,次数阈值为5),并且累计角度变化最大值未达到向右的阈值(例如,阈值为-7度)或累计向右变化次数未达到阈值(例如,次数阈值为5),则判定车辆运行轨迹为直行趋势,计算前的变化趋势定义为未识别,将此运动趋势(未识别、直行、向左运动、向右运动)保存为车辆第一运动趋势Ste1或第二运动趋势Ste2,保存当前第一运动趋势Ste1累计角度变化最大值Sma1或第二运动趋势Ste2累计角度变化最大值Sma2。继续计算角度变化,若当前累计角度变化最大值达到阈值后继续累加变大,则继续更新计算累计角度变化最大值Sma1或Sma2;若当前累计角度变化最大值达到阈值以后,减小时重置累计角度如图3所示,为第一运动趋势Ste1为向右、第二运动趋势Ste2为向左,向右运动对应的累计角度变化最大值Sma1、向左运动对应的累计角度变化最大值Sma2的行驶轨迹图。
其中,候选路径第一运动趋势对应的累计角度变化最大值和候选路径第二运动趋势对应的累计角度变化最大值可通过以下方式实现:
在采样周期开始时刻,候选路径中的起始形状点样角度为0度,如,接近分歧点时,距离分歧点一个固定距离处,比如设定为10m处)该处的路径的起始角度为0度;第二形状点变成2度,计左为正,右为负,则该累计角度变化最大值2度,若下一个角度变化值为3度,则该累计角度变化最大值5度,若再一个角度变化值为-2,则该累计角度变化值3,若下一个角度变化值为4,则该累计角度变化最大值为7;当累计角度变化最大值达到阈值(例如+7度和-7度)且累计向左或向右的角度变化次数达到次数阈值时(如次数阈值为5,此处若向左变3次,向右变化1次,又向左变化3次,则向左变化的累计角度变化次数为3-1+3=5,达到次数阈值5,则判定为向左运动趋势),同理得到向右运动趋势。
若累计角度变化最大值未达到向左的阈值(例如,+7度)或累计向左变化次数未达到阈值(例如,次数阈值为5),并且累计角度变化最大值未达到向右的阈值(例如,-7度)或累计向右变化次数未达到阈值(例如,次数阈值为5),则判定候选路径运动趋势为直线,计算前的变化趋势定义为未识别,将此运动趋势(未识别、直行、向左运动、向右运动)保存为候选路径的第一运动趋势Rte1或候选路径的第二运动趋势Rte2,保存当前累计角度变化最大值为第一运动趋势Rte1对应最大值Rma1或第二运动趋势Rte2对应最大值Rma2。继续计算角度变化,若当前累计角度变化最大值达到阈值后继续累加变大,则继续更新计算累计角度变化最大值;若当前累计角度变化最大值达到阈值以后,减小时重置累计角度。如图4所示,为第一运动趋势Rte1为向右、第二运动趋势Rte2为向左,向右运动对应的累计角度变化最大值Rma1、向左运动对应的累计角度变化最大值Rma2的候选路径运动趋势图。
具体地,基于传感器数据和地图数据,计算车辆第一运动趋势对应的角度变化最大值与候选路径第一运动趋势对应角度变化最大值的差值、计算车辆第二运动趋势对应的角度变化最大值与候选路径第二运动趋势对应的角度变化最大值的差值和候选路径的经验系数计算候选路径的路径匹配度,传感器数据采集频率高且抗干扰性高,提高路径匹配度的准确性,可以准确判断车辆实际行驶轨迹。
在一个实施例中,如图5所示,提供了一种车辆路径匹配方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤502,通过导航从候选路径中获取车辆所在的第二目标路径。
具体地,根据车辆的初始位置和车辆对应的目标位置获取导航引导路线,当终端检测到车辆在分歧点时,根据导航引导路线从候选路径中获取车辆所在的第二目标路径,第二目标路径在第一目标路径之前获取。
步骤504,从所述第一路径匹配度中获取所述第二目标路径对应的第一路径匹配度。
具体地,终端获取到车辆位置的方位点时,获取该方位点对应的候选路径,根据第一目标计算式,获取所有候选路径的第一路径匹配度;车辆的候选路径中包括第二目标路径,当获取第二目标路径时,获取第二目标路径对应的第一路径匹配度。例如,车辆的候选路径中候选路径A对应第一路劲匹配度为80%、候选路径B对应第一路劲匹配度为90%、候选路径C对应第一路劲匹配度为85%,通过导航引导路线获取的第二目标路径为候选路径A,可以获取第二目标路径对应第一路劲匹配度为80%。
步骤506,当第一目标路径的第一路径匹配度与第二目标路径对应的第一路径匹配度之间的差值达到阈值、第一目标路径与第二目标路径之间的间距与固定经验系数的乘积小于实际车辆偏移距离,且车辆的方位点的投影点在第一目标路径上时,将第一目标路径作为车辆最终所在目标路径。
其中,所述第一目标路径与所述第二目标路径之间的间距与固定经验系数的乘积小于实际车辆偏移距离对应的关系式可表示为Rsd×Ksd<Sma,其中,Rsd为两条路径间距,Sma为实际车辆偏移距离,Ksd为固定经验值,间距越大则需角度变化峰值越大;例如,Ksd为1.5,Rsd为10米,则角度变化峰值需要大于7度;当Rsd为20米,则角度变化峰值需要大于11度。
具体地,从第一路径匹配度中获取数值最小的第一路径匹配度,将数值最小的第一路径匹配度对应的候选路径,作为车辆所在的目标路径;当数值最小的第一路径匹配度与第二目标路径对应的第一路径匹配度的差值达到阈值、数值最小的第一路径匹配度对应的候选路径与车辆当前所在第二目标路径的间距满足关系式Rsd×Ksd<Sma时,车辆所在位置的方位点的投影点在数值最小的第一路径匹配度对应的第一目标路径上时,将数值最小的第一路径匹配度对应的候选路径,作为车辆所在的第一目标路径,即第一目标路径作为车辆最终所在的目标路径。
上述车辆路径匹配方法,终端根据导航引导路线从候选路径中获取车辆所在的第二目标路径,从第一目标路径匹配度中获取第二目标路径对应的第一路径匹配度,当所述第一目标路径的第一路径匹配度与所述第二目标路径对应的第一路径匹配度之间的差值达到阈值、所述第一目标路径与所述第二目标路径之间的间距与固定经验系数的乘积小于实际车辆偏移距离,且所述车辆的方位点的投影点在所述第一目标路径上时,将所述第一目标路径作为所述车辆最终所在目标路径;避免车辆在行驶过程中因速度等因素的影响,通过比较导航确定的第二目标路径和传感器确定的第一目标路径,确定车辆最终所在的目标路径,提高了目标路径检测的准确性。
在另一个实施例中,如图6所示,提供了一种基于传感器数据实现车辆路径匹配方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤602,获取车辆所在位置的方位点。
步骤604,根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径。
步骤606,通过传感器获取车辆在采样周期内的第一角度变化值。
步骤608,获取各个候选路径形状点之间的第二角度变化值。
步骤610,获取候选路径的经验系数,根据第一角度变化值和第二角度变化值和候选路径的经验系数,确定候选路径的第一路径匹配度。
步骤612,计算车辆在采样周期内整体运动趋势和各个候选路径的运动趋势。
步骤614,当判断车辆在采样周期内整体运动趋势与各个候选路径的运动趋势相同时,执行在从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径步骤。
其中,车辆在采样周期内整体运动趋势根据传感器角度变化序列中的第一角度变化值对应的位置点计算判断,实现方式可以是:将传感器角度变化序列中的第一个第一角度变化值对应的方位点作为基准点(base),正序判断选取具有转向趋势的点(例如,即车辆第一角度变化值大于阈值(如,3度)的点)第一个起始点(stand)点,将传感器角度变化序列中最后一个数据,即当前车车辆所在位置的方位点作为目标点(target)点,通过target点做x轴垂线,计算target点到x轴之间的垂直距离,可以确定车辆的实际偏移距离。以base点与stand点连线作为x轴,base点为原点建立直角坐标系,计算base点与target点连线斜率,正值为整体向左运动,负值为整体向右运动;如图7所示,根据斜率判断车辆在采样周期内整体运动趋势。
其中,候选路径的运动趋势在采样周期内整体运动趋势根据分歧道路角度变化序列中的第二角度变化值对应的形状点计算判断,实现方式可以是:将分歧道路角度变化序列中第一个数据(接近分歧点时的形状点数据)作为基准base点,正序判断选取转向趋势(具有转向趋势的点,即形状点的第二角度变化值大于阈值(如,4度)的点)第一个起始点stand点,将分歧道路角度变化序列中最后一个数据(候选路径末端的形状点)作为target点。以base点与stand点连线作为x轴,base点为原点建立直角坐标系,计算base点与target点连线斜率,正值为整体向左运动,负值为整体向右运动。根据斜率判断候选路径在采样周期内整体运动趋势与图7所示的原理相似。
当车辆在采样周期内整体运动趋势与各个候选路径的运动趋势相同时,即车辆在采样周期内整体运动趋势与选路径在采样周期内整体运动趋势对应的斜率同时都为正值或负值,从候选路径中,根据第一路径匹配度确定车辆所在的第三目标路径。若车辆在采样周期内整体运动趋势与各个候选路径的运动趋势不相同,则无法从候选路径中,根据第一路径匹配度确定车辆所在的第三目标路径。
步骤616,从第一路径匹配度中获取数值最小的第一路径匹配度。
步骤618,获取车辆在采样周期内对应的行驶距离和对应的候选路径的路径条数,当行驶距离大于行驶距离阈值且路径条数小于路径条数阈值时,将数值最小的第一路径匹配度对应的候选路径,作为车辆所在的第一目标路径。
其中,车辆的行驶距离为传感器采集车辆行驶的速度与采样周期的乘积所得。候选路径的条数可以从地图数据中获取。
具体地,先通过判断车辆在采样周期内,行驶距离大于行驶距离阈值且路径条数小于路径条数阈值时,将数值最小的第一路径匹配度对应的候选路径,作为车辆所在的第一目标路径。
上述车辆路径匹配方法中,通过导航获取车辆所在位置的方位点,根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径,通过传感器获取车辆在采样周期内的第一角度变化值;获取各个候选路径形状点之间的第二角度变化值;根据第一角度变化值和第二角度变化值和候选路径的经验系数,确定候选路径的第一路径匹配度;从第一路径匹配度中获取数值最小的第一路径匹配度,获取车辆在采样周期内对应的行驶距离和对应的候选路径的路径条数,当行驶距离大于行驶距离阈值且路径条数小于路径条数阈值时,将数值最小的第一路径匹配度对应的候选路径,作为车辆所在的第一目标路径。即,通过传感器获取车辆的第一角度变化值、地图数据获取候选路径的第二角度变化值和候选路径的经验系数准确计算候选路径的第一路径匹配度,通过获取数值最小的第一路径匹配度和获取车辆在采样周期内对应的行驶距离和对应的候选路径的路径条数确定车辆所在的第一目标路径为车辆所在的目标路径,传感器数据抗干扰能力强且数据发送频率高,获取的数据准确性高,提高车辆路径匹配的准确性。
在一个实施例中,路径的经验系数Radi计算方式至少包括以下一种情况:
当车辆在采样周期内运动趋势与候选路径运动趋势相同,经验系数Radi通过固定经验系数除以系数因子获取;
当车辆在采样周期内运动趋势与候选路径运动趋势不相同,经验系数Radi通过固定经验系数乘以系数因子获取。
具体地,当车辆在采样周期内运动趋势与候选路径运动趋势相同,可以是车辆存在一种运动趋势时(向左或向右),与候选路径运动趋势相同;也可以是车辆存在两种运动趋势时(先向左后向右或先向右后向左),与候选路径运动趋势相同,经验系数Radi0为固定经验系数除以系数因子;可以表示为:Radi=Radi0÷tim(缩小tim倍)。
当车辆在采样周期内运动趋势与候选路径运动趋势不相同,当车辆存在一种运动趋势时(例如,向左运动或向右运动)与候选路径运动趋势不相同,也可以是车辆存在两种运动趋势时(例如,车辆先向左运动后向右运动或先向右运动后向左运动)与候选路径运动趋势相同,经验系数Radi为固定经验系数乘以系数因子;可以表示为:Radi=Radi0×tim(扩大tim倍)。
通过准确判断车辆的运动趋势是否与候选路径的运动趋势是否完全相同确定候选路径的经验系数,保证了候选路径的路径匹配度的准确性,从而提高了车辆路径匹配的准确性。
在一个实施例中,车辆在采样周期内运动趋势与候选路径运动趋势不存在变化趋势,则经验系数Radi为固定经验系数。例如,车辆运动趋势和候选路径运动趋势都为直行且转弯基础系数都相同,固定经验系数为100,则Radi的值保持100不变。
在一个实施例中,从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径,包括:
从第一路径匹配度中获取数值最小的第一路径匹配度;
将数值最小的第一路径匹配度对应的候选路径,作为车辆所在的第一目标路径。
应该理解的是,虽然图2、图5、图6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2、图5、图6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种车辆路径匹配装置800,包括:第一获取模块802、路径获取模块804、第二获取模块806、第三获取模块808、第一确定模块810和第二确定模块812,其中:
第一获取模块802,用于获取车辆所在位置的方位点。
路径获取模块804,用于根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径。
第二获取模块806,用于通过传感器获取车辆在采样周期内的第一角度变化值。
第三获取模块808,用于获取各个候选路径形状点之间的第二角度变化值。
第一确定模块810,用于根据第一角度变化值和第二角度变化值,确定候选路径的第一路径匹配度。
在一个实施例中,第一确定模块810还用于获取候选路径的经验系数;根据第一角度变化值、第二角度变化值和经验系数,确定候选路径的第一路径匹配度。
第二确定模块812,用于从候选路径中,根据第一路径匹配度从候选路径中确定车辆所在的第一目标路径。
上述车辆路径匹配装置,通过获取车辆所在位置的方位点;根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径;通过传感器获取车辆在采样周期内的第一角度变化值;获取各个候选路径形状点之间的第二角度变化值;根据第一角度变化值、第二角度变化值和候选路径的经验系数,确定候选路径的第一路径匹配度;从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径。通过获取车辆的方位点的相关数据、车辆在采样周期内的第一角度变化值、候选路径形状点之间的第二角度变化值,根据多组数据确定候选路径的匹配度,从获取的候选路径中准确确定车辆的第一目标路径,提高车辆路径匹配的准确性。
在另一个实施例中,如图9所示,提供了一种车辆路径匹配装置800,除包括第一获取模块802、路径获取模块804、第二获取模块806、第三获取模块808、第一确定模块810和第二确定模块812之外,还包括:第一计算模块814、第二计算模块816、获取模块818和判断模块820,其中:
第一计算模块814,用于获取候选路径的经验系数,根据第一角度变化值和第二角度变化值和经验系数,按照第一目标计算式计算候选路径的第一路径匹配度;
第一目标计算式为:
Rsws=Radi+(Sma1-Rma1)+(Sma2-Rma2)
其中,Rsws为候选路径的第一路径匹配度,Radi为候选路径的经验系数,Sma1为车辆在采样周期内根据第一角度变化值确定的第一运动趋势对应的累计角度变化最大值,Rma1为候选路径根据第二角度变化值确定的第一运动趋势对应的累计角度变化最大值;Sma2为车辆在采样周期内根据第一角度变化值确定的第二运动趋势对应的累计角度变化最大值,Rma2为候选路径根据第二角度变化值确定的第二运动趋势对应的累计角度变化最大值。
第二计算模块816,用于当车辆在采样周期内存在一种运动趋势且保持不变,经验系数Radi通过固定经验系数除以系数因子获取;当车辆在采样周期内存在两种运动趋势且保持不变,经验系数Radi通过固定经验系数乘以系数因子获取。
在一个实施例中,第二计算模块816还用于计算车辆在采样周期内整体运动趋势和各个候选路径的运动趋势;当判断车辆在采样周期内整体运动趋势与各个候选路径的运动趋势相同时,执行在从候选路径中,根据第一路径匹配度确定车辆所在的第一目标路径步骤。
获取模块818,用于从所述第一路径匹配度中获取数值最小的第一路径匹配度;将所述数值最小的第一路径匹配度对应的候选路径,作为所述车辆所在的第一目标路径。
在一个实施例中,获取模块818还用于获取车辆在采样周期内对应的行驶距离和对应的候选路径的路径条数。
在一个实施例中,获取模块818还用于通过导航技术从候选路径中获取车辆所在的第二目标路径;从第一路径匹配度中获取第二目标路径对应的第一路径匹配度;当所述第一目标路径的第一路径匹配度与所述第二目标路径对应的第一路径匹配度之间的差值达到阈值、所述第一目标路径与所述第二目标路径之间的间距与固定经验系数的乘积小于实际车辆偏移距离且所述车辆的方位点的投影点在所述第一目标路径上时,将所述第一目标路径作为所述车辆最终所在目标路径。
判断模块820,用于当行驶距离等于行驶距离阈值且路径条数小于路径条数阈值时,将数值最小的第一路径匹配度对应的候选路径,作为车辆所在的第一目标路径。
通过导航获取车辆所在位置的方位点,根据方位点获取车辆所在路径以及路径的接续路径的形状点,得到候选路径,通过传感器获取车辆在采样周期内的第一角度变化值;获取各个候选路径形状点之间的第二角度变化值;根据第一角度变化值和第二角度变化值和候选路径的经验系数,确定候选路径的第一路径匹配度;从第一路径匹配度中获取数值最小的第一路径匹配度,获取车辆在采样周期内对应的行驶距离和对应的候选路径的路径条数,当行驶距离大于行驶距离阈值且路径条数小于路径条数阈值时,将数值最小的第一路径匹配度对应的候选路径,作为车辆所在的第一目标路径。根据传感器获取车辆的第一角度变化值、地图数据获取候选路径的第二角度变化值和候选路径的经验系数准确计算候选路径的第一路径匹配度,通过获取数值最小的第一路径匹配度和获取车辆在采样周期内对应的行驶距离和对应的候选路径的路径条数确定车辆所在的第一目标路径为车俩所在的目标路径,传感器数据抗干扰能力强且数据发送频率高,获取的数据准确性高,提高车辆路径匹配的准确性。
关于车辆路径匹配装置的具体限定可以参见上文中对于车辆路径匹配方法的限定,在此不再赘述。上述车辆路径匹配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆路径匹配方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供一种计算机存储介质,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上述车辆路径匹配方法的步骤。
在一个实施例中,提供一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述车辆路径匹配方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种车辆路径匹配方法,其特征在于,所述方法包括:
获取车辆所在位置的方位点;
根据所述方位点获取车辆所在路径以及所述路径的接续路径的形状点,得到候选路径;
通过传感器获取车辆在采样周期内的第一角度变化值;
获取各个所述候选路径形状点之间的第二角度变化值;
根据所述第一角度变化值和所述第二角度变化值,确定所述候选路径的第一路径匹配度;
从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一角度变化值和所述第二角度变化值,确定所述候选路径的第一路径匹配度,包括:
获取所述候选路径的经验系数;
根据所述第一角度变化值、所述第二角度变化值和所述经验系数,确定所述候选路径的第一路径匹配度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一角度变化值、所述第二角度变化值和所述候选路径的经验系数,确定所述候选路径的第一路径匹配度包括:
根据所述第一角度变化值、所述第二角度变化值和所述经验系数,按照第一目标计算式计算所述候选路径的第一路径匹配度;
所述第一目标计算式为:
Rsws=Radi+(Sma1-Rma1)+(Sma2-Rma2)
其中,Rsws为所述候选路径的第一路径匹配度,Radi为所述候选路径的经验系数,Sma1为车辆在采样周期内第一运动趋势对应的累计角度变化最大值,Sma2为车辆在采样周期内第二运动趋势对应的累计角度变化最大值,Rma1为候选路径第一运动趋势对应的累计角度变化最大值,Rma2为候选路径第二运动趋势对应的累计角度变化最大值。
4.根据权利要求3所述的方法,其特征在于,所述路径的经验系数Radi计算方式至少包括以下一种情况:
当所述车辆在采样周期内运动趋势与候选路径运动趋势相同,经验系数Radi通过固定经验系数除以系数因子获取;
当所述车辆在采样周期内运动趋势与候选路径运动趋势不相同,经验系数Radi通过固定经验系数乘以系数因子获取。
5.根据权利要求1所述的方法,其特征在于,在所述从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径之前,所述方法还包括:
计算所述车辆在采样周期内整体运动趋势和各个所述候选路径的运动趋势;
当判断所述车辆在采样周期内整体运动趋势与各个所述候选路径的运动趋势相同时,执行所述从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径步骤。
6.根据权利要求1所述的方法,其特征在于,所述从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径,包括:
从所述第一路径匹配度中获取数值最小的第一路径匹配度;
将所述数值最小的第一路径匹配度对应的候选路径,作为所述车辆所在的第一目标路径。
7.根据权利要求6所述的方法,其特征在于,在所述将所述数值最小的第一路径匹配度对应的候选路径,作为所述车辆所在的第一目标路径之前,所述方法还包括:
获取所述车辆在采样周期内对应的行驶距离和对应的候选路径的路径条数;
当所述行驶距离大于行驶距离阈值且所述路径条数小于路径条数阈值时,将所述数值最小的第一路径匹配度对应的候选路径,作为所述车辆所在的第一目标路径。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过导航从所述候选路径中获取所述车辆所在的第二目标路径;
从所述第一路径匹配度中获取所述第二目标路径对应的第一路径匹配度;
当所述第一目标路径的第一路径匹配度与所述第二目标路径对应的第一路径匹配度之间的差值达到阈值、所述第一目标路径与所述第二目标路径之间的间距与固定经验系数的乘积小于实际车辆偏移距离且所述车辆的方位点的投影点在所述第一目标路径上时,将所述第一目标路径作为所述车辆最终所在目标路径。
9.一种车辆路径匹配装置,其特征在于,所述装置包括:
第一获取模块,用于获取车辆所在位置的方位点;
路径获取模块,用于根据所述方位点获取车辆所在路径以及所述路径的接续路径的形状点,得到候选路径;
第二获取模块,用于通过传感器获取车辆在采样周期内的第一角度变化值;
第三获取模块,用于获取各个所述候选路径形状点之间的第二角度变化值;
第一确定模块,用于根据所述第一角度变化值和所述第二角度变化值和所述候选路径的经验系数,确定所述候选路径的第一路径匹配度;
第二确定模块,用于从所述候选路径中,根据所述第一路径匹配度确定所述车辆所在的第一目标路径。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911357801.2A CN113029171A (zh) | 2019-12-25 | 2019-12-25 | 车辆路径匹配方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911357801.2A CN113029171A (zh) | 2019-12-25 | 2019-12-25 | 车辆路径匹配方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113029171A true CN113029171A (zh) | 2021-06-25 |
Family
ID=76458259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911357801.2A Pending CN113029171A (zh) | 2019-12-25 | 2019-12-25 | 车辆路径匹配方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113029171A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116879499A (zh) * | 2023-06-21 | 2023-10-13 | 清华大学 | 道路传感器布设位置的确定方法、装置及计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6317683B1 (en) * | 2000-10-05 | 2001-11-13 | Navigation Technologies Corp. | Vehicle positioning using three metrics |
US20080316060A1 (en) * | 2007-06-25 | 2008-12-25 | Koji Sewaki | Navigation Device |
KR20140132959A (ko) * | 2013-05-09 | 2014-11-19 | 현대모비스 주식회사 | 누적 헤딩 변화량을 이용한 맵매칭 시스템 및 방법 |
US20150362326A1 (en) * | 2013-03-01 | 2015-12-17 | Mitsubishi Electric Corporation | Vehicle position display controller and vehicle position specifying method |
JP2018044879A (ja) * | 2016-09-15 | 2018-03-22 | 株式会社Subaru | 車両位置推定装置 |
CN110060493A (zh) * | 2019-05-16 | 2019-07-26 | 维智汽车电子(天津)有限公司 | 车道定位方法、装置及电子设备 |
CN110375753A (zh) * | 2019-07-04 | 2019-10-25 | 丰图科技(深圳)有限公司 | 地图匹配方法、装置、服务器及存储介质 |
-
2019
- 2019-12-25 CN CN201911357801.2A patent/CN113029171A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6317683B1 (en) * | 2000-10-05 | 2001-11-13 | Navigation Technologies Corp. | Vehicle positioning using three metrics |
US20080316060A1 (en) * | 2007-06-25 | 2008-12-25 | Koji Sewaki | Navigation Device |
US20150362326A1 (en) * | 2013-03-01 | 2015-12-17 | Mitsubishi Electric Corporation | Vehicle position display controller and vehicle position specifying method |
KR20140132959A (ko) * | 2013-05-09 | 2014-11-19 | 현대모비스 주식회사 | 누적 헤딩 변화량을 이용한 맵매칭 시스템 및 방법 |
JP2018044879A (ja) * | 2016-09-15 | 2018-03-22 | 株式会社Subaru | 車両位置推定装置 |
CN110060493A (zh) * | 2019-05-16 | 2019-07-26 | 维智汽车电子(天津)有限公司 | 车道定位方法、装置及电子设备 |
CN110375753A (zh) * | 2019-07-04 | 2019-10-25 | 丰图科技(深圳)有限公司 | 地图匹配方法、装置、服务器及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116879499A (zh) * | 2023-06-21 | 2023-10-13 | 清华大学 | 道路传感器布设位置的确定方法、装置及计算机设备 |
CN116879499B (zh) * | 2023-06-21 | 2024-02-13 | 清华大学 | 道路传感器布设位置的确定方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11320836B2 (en) | Algorithm and infrastructure for robust and efficient vehicle localization | |
CN110146909B (zh) | 一种定位数据处理方法 | |
CN110686686B (zh) | 用于地图匹配的系统和方法 | |
CN108318043A (zh) | 用于更新电子地图的方法、装置和计算机可读存储介质 | |
CN111959495B (zh) | 车辆的控制方法、装置及车辆 | |
CN110873888A (zh) | 定位方法、定位装置、定位设备和计算机存储介质 | |
CN112304330B (zh) | 展示车辆的行驶状态的方法以及电子设备 | |
CN109059907B (zh) | 轨迹数据处理方法、装置、计算机设备和存储介质 | |
CN112907678B (zh) | 车载相机外参姿态动态估计方法、装置、计算机设备 | |
KR102226846B1 (ko) | Imu 센서와 카메라를 이용한 하이브리드 실내 측위 시스템 | |
CN111241224B (zh) | 目标距离估计的方法、系统、计算机设备和存储介质 | |
JP7481534B2 (ja) | 車両位置決定方法及びシステム | |
CN111562603B (zh) | 基于航位推算的导航定位方法、设备及存储介质 | |
EP3023740B1 (en) | Method, apparatus and computer program product for route matching | |
CN110579211B (zh) | 一种步行定位方法及系统 | |
CN111707294B (zh) | 基于最优区间估计的行人导航零速区间检测方法和装置 | |
CN111856521A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN114061611A (zh) | 目标对象定位方法、装置、存储介质和计算机程序产品 | |
CN112945227A (zh) | 定位方法和装置 | |
CN113029163A (zh) | 车辆路径匹配方法、装置、计算机设备和存储介质 | |
CN115326084A (zh) | 车辆定位方法、装置、计算机设备、存储介质 | |
CN111383324B (zh) | 点云地图的构建方法、装置、计算机设备和存储介质 | |
CN114563005A (zh) | 道路定位方法、装置、设备、车辆及存储介质 | |
CN113029171A (zh) | 车辆路径匹配方法、装置、计算机设备和存储介质 | |
CN113965646A (zh) | 定位控制方法及装置、电子设备、存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 110000 No. 861-6, shangshengou village, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Meihang Technology Co.,Ltd. Address before: 110179 12th and 13th floors of Debao building, No.1 Jinhui street, Hunnan New District, Shenyang City, Liaoning Province Applicant before: SHENYANG MXNAVI Co.,Ltd. |