CN113155144B - 一种基于高精地图实时路况建模的自动驾驶方法 - Google Patents

一种基于高精地图实时路况建模的自动驾驶方法 Download PDF

Info

Publication number
CN113155144B
CN113155144B CN202110148672.7A CN202110148672A CN113155144B CN 113155144 B CN113155144 B CN 113155144B CN 202110148672 A CN202110148672 A CN 202110148672A CN 113155144 B CN113155144 B CN 113155144B
Authority
CN
China
Prior art keywords
real
road condition
time road
lane
corrected
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.)
Active
Application number
CN202110148672.7A
Other languages
English (en)
Other versions
CN113155144A (zh
Inventor
李乂
别韦苇
翁明
边宁
赖锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Motor Group Co Ltd
Original Assignee
Dongfeng Motor Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongfeng Motor Group Co Ltd filed Critical Dongfeng Motor Group Co Ltd
Priority to CN202110148672.7A priority Critical patent/CN113155144B/zh
Publication of CN113155144A publication Critical patent/CN113155144A/zh
Application granted granted Critical
Publication of CN113155144B publication Critical patent/CN113155144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

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

本发明公开了一种基于高精地图实时路况建模的自动驾驶方法。它获取高精度地图数据,根据高精度地图数据及起点和终点信息生成目标路段的实时路况模型,车辆在驶入所述目标路段前一定距离时,采集所述目标路段的实时路段信息;根据所述实时路段信息判断是否需要对所述实时路况模型进行修正,若需要修正且修正后的路况模型至少包含一条行驶路径,则以修正后的路况模型中的其中一条行驶路径为基准自动驾驶;若不需要修正,则以所述实时路况模型中的其中一条行驶路径为基准自动驾驶。本发明采用高精度地图数据与路段的实时路况信息两者相结合构建的实时道路模型,得到的模型更接近真实的道路情况,能够提高自动驾驶的行驶效率,进而提高用户体验。

Description

一种基于高精地图实时路况建模的自动驾驶方法
技术领域
本发明属于汽车技术领域,具体涉及一种基于高精地图实时路况 建模的自动驾驶方法。
背景技术
当前自动驾驶技术正在向L3,甚至L4阶段发展,而这也对规划 控制算法提出了更高的要求。全车用于感知环境状况与障碍物的传感 器多达数十个,但每一个单独的传感器都有探测的范围局限性,识别 准确率,如何正确利用这些传感器传回的数据,获取更加真实的道路 状况,进行行驶路径规划,需要一套完善的算法与判断逻辑。
目前一种方式是使用摄像头、高精度地图两套系统进行定位判断。 当某一时刻,定位系统判定车辆行驶在高精地图标识的车道线ID123 内,而摄像头检测到车辆当前正压线行驶,故而舍弃高精度地图的结 果输出,而使用摄像头的检测结果进行车辆行驶的修正。在舍弃高精 地图之后,只采用摄像头判断过于单一,即使在结构化道路上,稍微 复杂的路况,也会出现判断失误。比如在上下匝道的过程中,或者图 中的道路合并路段,若摄像头检测到车轮压线而强行给车辆转向则可 能引发危险,若采取制动措施,则车辆陷入了决策困境中。
目前还有一种判断逻辑是采用分配不同权重比例的方式。例如高 精地图权重20%,激光雷达权重40%,摄像头数据权重40%,这样在 做行驶决策时,依然会出现争夺决策权的情况。此方案是依靠权重比 例来给规控单元提供决策依据,并非真实还原道路状况。当摄像头被 “欺骗”,或者某一个存在故障,依然会出现权重过低,在争夺决策权 的过程中被舍弃,只有当其他判断足以改变最后的权重结果,才能迫 使规控单元改变计算结果。所以依靠权重决策的方法,极容易出现一 个介于所有传感数据之间的一个非真实状态。
发明内容
本发明的目的就是为了解决上述背景技术存在的不足,提供一种 基于高精地图实时路况建模的自动驾驶方法。
本发明采用的技术方案是:一种基于高精地图实时路况建模的自 动驾驶方法,获取高精度地图数据,根据高精度地图数据及起点和终 点信息生成目标路段的实时路况模型,车辆在驶入所述目标路段前一 定距离时,采集所述目标路段的实时路段信息;根据所述实时路段信 息判断是否需要对所述实时路况模型进行修正,若需要修正且修正后 的路况模型至少包含一条行驶路径,则以修正后的路况模型中的其中 一条行驶路径为基准自动驾驶;若不需要修正,则以所述实时路况模 型中的其中一条行驶路径为基准自动驾驶。
进一步地,所述目标路段为当前车辆在高精地图中定位前后一定 距离范围内的区间路段。
进一步地,通过车辆上设置的摄像头、雷达采集所述目标路段的 实时路段信息。
进一步地,所述实时路况模型包括一条或多条行驶路径。
进一步地,当所述实时路段信息中存在障碍物时,判断需要对所 述实时路况模型进行修正。
进一步地,对所述实时路况模型进行修正过程为:将障碍物所在 的车道作为待修正车道,在实时路况模型中将与待修正车道相关的所 有行驶路径删除,得到修正后的路况模型。
进一步地,当所述实时路段信息中的车道属性与实时路况模型中 的车道属性不相同时,判断需要对所述实时路况模型进行修正。
进一步地,对所述实时路况模型进行修正过程为:将车道属性不 同的车道作为待修正车道,在实时路况模型中将与待修正车道相关的 所有行驶路径删除,得到修正后的路况模型。
进一步地,所述车道属性为目标路段中的车道参数,包括车道类 型、车道宽度、车道标线、车道限速、车道分割、车道合并以及车道 的曲率、坡度、航向、横坡参数。
进一步地,若需要修正且修正后的路况模型中不存在任意一条行 驶路径,则以所述目标路段的实时路段信息为基准构建新的实时路况 模型,以新的实时路况模型中的其中一条行驶路径为基准自动驾驶。
本发明的有益效果是:
本发明采用高精度地图数据与路段的实时路况信息两者相结合构 建的实时道路模型,不直接采用某一个传感器获取或者判断的数据和 结论,得到的模型更接近真实的道路情况,能够提高自动驾驶的行驶 效率,进而提高用户体验。
本发明从高精地图数据中获取完整的道路拓扑关系,确定目标路 段所有可同行路径的排列组合,在车载传感器获取道路的实时路况后, 对建立的道路模型进行减法,并快速选择最优路径,能最大程度减少 计算时间,优化算法,进一步提高效率。
当已建立的道路模型无法满足自动驾驶条件时(即可通行路径减 到0时),不再依赖传统的置信度方式判别是否可同行,造成驾驶的危 险性,而是直接放弃依靠高精地图建立的道路模型,进入实时重新建 立道路模型的新状态中,驾驶可靠性更高;进入到下一个目标路段后, 重新启动依据高精地图生成道路模型的流程,提升控制单元的建模效 率,优化全局规划。
附图说明
图1为本发明的流程图。
图2为本发明实施例1的路段实际路况图。
图3为本发明实施例1基于高精地图数据构建的简化路况模型图。
图4为本发明实施例1根据实际路况修正后的简化路况模型图。
图5为本发明实施例2的路段实际路况图。
图6为本发明实施例2高精地图中的路况图。
图7为本发明实施例2基于高精地图数据构建的简化路况模型图。
图8为本发明实施例2根据实际路况修正后的简化路况模型图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需 要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并 不构成对本发明的限定。此外,下面所描述的本发明各个实施方式 中所涉及到的技术特征只要彼此之间未构成冲突就可以互相结合。
如图1所示,本发明提供一种基于高精地图实时路况建模的自动 驾驶方法,包括以下步骤:
1、从车辆的高精度地图中获取高精度地图数据,包括车道类型、 车道连通性、车道线类型、交通标注/交通灯、人行横道、道路几何特 征、其他语义信息等,根据高精度地图数据及行驶的起点和终点信息 生成目标路段的实时路况模型,该实时路况模型包括一条或多条行驶 路径。目标路段为当前车辆在高精地图全局规划中(A点至B点)的 区间路段,具体目标路段可由定位场景确定,依据车载的高精度定位 系统,确定所属的道路场景类型,高速场景下目标路段为车辆定位前 后距离为S1的范围(根据经验可选2km作为参考);城区道路场景下 目标路段为车辆定位前后距离为S2的范围(根据经验可选500m作为 参考)。
2、车辆在即将驶入该目标路段时,一般以距离为基准,距离大小 根据实际需要设置,即车辆行驶至离目标路段一定距离范围内时,根 据车辆上设置的传感器(如摄像头,激光雷达等)采集所述目标路段 的实时路段信息(该实时路段信息包括车道数、车道线、障碍物、车 道属性等)。
3、根据所述实时路段信息判断是否需要对所述实时路况模型进行 修正,其中,可以通过判断实时路段信息中是否发现障碍物来确定是 否需要修正路况模型,还可以通过判断实时路段信息中的车道属性与 路况模型中的车道属性是否相同来确定是否修正路况模型。
4、在判断所述实时路况模型需要修正时,若存在障碍物,确定该 障碍物所在的车道为待修正车道,将多条行驶路线中与待修正车道相 关的行驶路径删除,得到修正后的路况模型;若实时路段信息中的车 道属性与路况模型中的车道属性不同,则将车道属性不同的车道作为 待修正车道,将多条行驶路线中与待修正车道相关的行驶路径删除, 得到修正后的路况模型。所述车道属性为为车道类型,车道宽度,车 道标线,车道限速,车道分割,车道合并;以及车道的曲率、坡度、 航向、横坡等数学参数。
5、若需要修正且修正后的路况模型至少包含一条行驶路径,则以 修正后的路况模型中的其中一条行驶路径为基准自动驾驶;若不需要 修正,则以所述实时路况模型中的其中一条行驶路径为基准自动驾驶。
6、若经过修正后的路况模型中不存在任意一条行驶路径,则进入 模型重建流程,重新生成路况模型,此时舍弃原本高精地图输出的道 路信息(车道数、车道属性、车道线类型、车道连通性等),而基于车 辆上设置的传感器(如摄像头,激光雷达)获取该目标路段的实时路 段信息(该实时路段信息包括车道数,车道线,障碍物等),构建新的 实时路况模型,该路况模型包含检测到的所有可行驶路径,以新的实 时路况模型中的其中一条行驶路径为基准自动驾驶。
实施例1:
1.如图2所示,当车辆行驶到该路段时,传感器检测到最右侧道 路存在障碍物。
2.基于高精地图数据建立的实时路况模型,可以简化为图3所示。
3.刚进入路段,摄像头识别到车道线为虚线,满足拓扑模型的条 件,模型无需修改。
4.当激光雷达检测到最右侧车道有障碍物,无法通行,则判断实 时构建的模型需要修改,即需要删除障碍物所在的线路,则得到图4 所示的模型。
6.自动驾驶系统根据自车所在车道与前方道路模型,决策行驶路 线与方案。
图2-4中,①、②、③分别表示车道,线条箭头指行驶方向,折 线表示可以变道。
实施例2:
1.如图5所示,当车辆行驶到该路段时,最左侧车道属性发生改 变(由于临时交通调整,最左车道改为仅能左转行驶,不能直行)。
2.高精地图中存储的依然为改变前的数据,车道属性未做更新, 如图6所示。
3.当车辆行驶到该路段时,高精地图引擎发送道路的拓扑模型, 可以简化为图7所示。
4.当摄像头检测到所有车道属性信息(车道类型、通行方向、车 道线类型等),并发送信息到自动驾驶系统。
5.自动驾驶系统得到实时路况信息,对比发现最左侧车道属性需 要修正,将其标注为待修正车道。
6.在判断实时构建的模型需要修改后,删除与待修正车道相关的 通行路线,则得到图8所示的更新后的实时道路模型。
7.自动驾驶系统根据自车所在车道与前方道路模型,决策一条最 佳行驶路线。
图2-4、7-8中,①、②、③分别表示车道,线条箭头指行驶方向, 折线表示可以变道。
以上仅为本发明的具体实施方式,但本发明的保护范围并不局限 于此,任何熟悉本领域的技术人员在本发明所揭露的技术范围内,可 轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。本说明 书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (8)

1.一种基于高精地图实时路况建模的自动驾驶方法,其特征在于:获取高精度地图数据,根据高精度地图数据及起点和终点信息生成目标路段的实时路况模型,车辆在驶入所述目标路段前一定距离时,采集所述目标路段的实时路段信息;根据所述实时路段信息中是否发现障碍物或车道属性与路况模型中的车道属性是否相同来判断是否需要对所述实时路况模型进行修正,若需要修正且修正后的路况模型至少包含一条行驶路径,则以修正后的路况模型中的其中一条行驶路径为基准自动驾驶;若不需要修正,则以所述实时路况模型中的其中一条行驶路径为基准自动驾驶;
当所述实时路段信息中的车道属性与实时路况模型中的车道属性不相同时,判断需要对所述实时路况模型进行修正;
对所述实时路况模型进行修正过程为:将车道属性不同的车道作为待修正车道,在实时路况模型中将与待修正车道相关的所有行驶路径删除,得到修正后的路况模型。
2.根据权利要求1所述的基于高精地图实时路况建模的自动驾驶方法,其特征在于:所述目标路段为当前车辆在高精地图中定位前后一定距离范围内的区间路段。
3.根据权利要求1所述的基于高精地图实时路况建模的自动驾驶方法,其特征在于:通过车辆上设置的摄像头、雷达采集所述目标路段的实时路段信息。
4.根据权利要求1所述的基于高精地图实时路况建模的自动驾驶方法,其特征在于:所述实时路况模型包括一条或多条行驶路径。
5.根据权利要求1所述的基于高精地图实时路况建模的自动驾驶方法,其特征在于:当所述实时路段信息中存在障碍物时,判断需要对所述实时路况模型进行修正。
6.根据权利要求5所述的基于高精地图实时路况建模的自动驾驶方法,其特征在于:对所述实时路况模型进行修正过程为:将障碍物所在的车道作为待修正车道,在实时路况模型中将与待修正车道相关的所有行驶路径删除,得到修正后的路况模型。
7.根据权利要求1所述的基于高精地图实时路况建模的自动驾驶方法,其特征在于:所述车道属性为目标路段中的车道参数,包括车道类型、车道宽度、车道标线、车道限速、车道分割、车道合并以及车道的曲率、坡度、航向、横坡参数。
8.根据权利要求1所述的基于高精地图实时路况建模的自动驾驶方法,其特征在于:若需要修正且修正后的路况模型中不存在任意一条行驶路径,则以所述目标路段的实时路段信息为基准构建新的实时路况模型,以新的实时路况模型中的其中一条行驶路径为基准自动驾驶。
CN202110148672.7A 2021-02-03 2021-02-03 一种基于高精地图实时路况建模的自动驾驶方法 Active CN113155144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110148672.7A CN113155144B (zh) 2021-02-03 2021-02-03 一种基于高精地图实时路况建模的自动驾驶方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110148672.7A CN113155144B (zh) 2021-02-03 2021-02-03 一种基于高精地图实时路况建模的自动驾驶方法

Publications (2)

Publication Number Publication Date
CN113155144A CN113155144A (zh) 2021-07-23
CN113155144B true CN113155144B (zh) 2023-05-16

Family

ID=76882941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110148672.7A Active CN113155144B (zh) 2021-02-03 2021-02-03 一种基于高精地图实时路况建模的自动驾驶方法

Country Status (1)

Country Link
CN (1) CN113155144B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114111757A (zh) * 2021-10-26 2022-03-01 北京百度网讯科技有限公司 地图数据的修复方法、装置、电子设备和可读存储介质
CN115223118B (zh) * 2022-06-09 2024-03-01 广东省智能网联汽车创新中心有限公司 一种高精地图置信度判断方法、系统及车辆

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017117079A (ja) * 2015-12-22 2017-06-29 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
CN109556615A (zh) * 2018-10-10 2019-04-02 吉林大学 基于自动驾驶的多传感器融合认知的驾驶地图生成方法
CN111947678A (zh) * 2020-08-27 2020-11-17 重庆智行者信息科技有限公司 一种针对结构化道路的自动驾驶导航方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106441319B (zh) * 2016-09-23 2019-07-16 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
KR102267563B1 (ko) * 2018-11-29 2021-06-23 한국전자통신연구원 자율주행 방법 및 그 시스템
CN110544376B (zh) * 2019-08-19 2021-06-22 新奇点智能科技集团有限公司 一种自动驾驶辅助方法和装置
CN111583630B (zh) * 2020-04-10 2022-01-07 河北德冠隆电子科技有限公司 基于时空轨迹重构全新道路高精地图快速生成系统与方法
CN111578964B (zh) * 2020-04-13 2022-01-07 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
CN111873995B (zh) * 2020-08-04 2021-07-23 禾多科技(北京)有限公司 高速公路自动驾驶上下匝道的系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017117079A (ja) * 2015-12-22 2017-06-29 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
CN109556615A (zh) * 2018-10-10 2019-04-02 吉林大学 基于自动驾驶的多传感器融合认知的驾驶地图生成方法
CN111947678A (zh) * 2020-08-27 2020-11-17 重庆智行者信息科技有限公司 一种针对结构化道路的自动驾驶导航方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
祖似杰 ; 张攀 ; 罗跃军 ; .基于车道驾驶态势的拓扑构建与路径规划.地理空间信息.2018,(第05期),1-5. *

Also Published As

Publication number Publication date
CN113155144A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN112964271B (zh) 一种面向多场景的自动驾驶规划方法及系统
CN112512890B (zh) 一种异常驾驶行为识别方法
US11854212B2 (en) Traffic light detection system for vehicle
EP3647735A1 (en) Adjusting lateral clearance for a vehicle using a multi-dimensional envelope
US20210309231A1 (en) Driving Environment Information Generation Method, Driving Control Method, Driving Environment Information Generation Device
US10239539B2 (en) Vehicle travel control method and vehicle travel control device
US8385600B2 (en) Vehicle driving assistance apparatus
CN110304074B (zh) 一种基于分层状态机的混合式驾驶方法
US8085984B2 (en) Image recognizing apparatus and method, and position determining apparatus, vehicle controlling apparatus and navigation apparatus using the image recognizing apparatus or method
JP5288423B2 (ja) データ配信システム、及びデータ配信方法
DK201970128A1 (en) AUTOMATIC ANNOTATION OF ENVIRONMENTAL FEATURES IN A MAP DURING NAVIGATION OF A VEHICLE
US20230073897A1 (en) Aligning road information for navigation
CN113155144B (zh) 一种基于高精地图实时路况建模的自动驾驶方法
EP3211374B1 (en) Travel route calculation device
CN108171967B (zh) 一种交通控制方法及装置
CN107992829A (zh) 一种交通信号灯车道级控制关系提取方法及装置
CN109886215A (zh) 基于机器视觉的低速园区无人车巡航及紧急制动系统
RU2766038C1 (ru) Способ и устройство для генерирования информации о среде передвижения для транспортного средства, а также способ управления движением для транспортного средства
EP4163595A1 (en) Automatic annotation of environmental features in a map during navigation of a vehicle
CN111033589A (zh) 车道信息管理方法、行驶控制方法及车道信息管理装置
CN115140096A (zh) 一种基于样条曲线与多项式曲线的自动驾驶轨迹规划方法
CN118235180A (zh) 预测可行驶车道的方法和装置
CN117612127B (zh) 场景生成方法、装置和存储介质及电子设备
CN111103882A (zh) 一种无人驾驶电动汽车的自主跟车控制方法
CN115454085B (zh) 基于导航地图的自动驾驶控制方法及自动驾驶控制装置

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