CN113291322A

CN113291322A - 自动驾驶轨迹偏差检测方法、系统及自动驾驶车辆

Info

Publication number: CN113291322A
Application number: CN202110679173.0A
Authority: CN
Inventors: 罗尤春; 李世尉; 周讷达
Original assignee: Shanghai Huaxing Digital Technology Co Ltd
Current assignee: Shanghai Huaxing Digital Technology Co Ltd
Priority date: 2021-06-18
Filing date: 2021-06-18
Publication date: 2021-08-24
Anticipated expiration: 2041-06-18
Also published as: CN113291322B

Abstract

本发明提供一种自动驾驶轨迹偏差检测方法、系统及自动驾驶车辆，该检测方法不需要引入卫星定位测量等间接测量方式，可以直接实现自动、实时、直接测量。而且，通过轨迹点坐标识别并结合各参考轨迹点的坐标信息以及各当前轨迹点的坐标信息的方式，对自动驾驶车辆的姿态变化不敏感，可以提高检测精度。另外，不需要引入人工操作，可以大大降低人工成本，减少人工工作量，可以完成全程检测。

Description

自动驾驶轨迹偏差检测方法、系统及自动驾驶车辆

技术领域

本发明涉及偏差检测技术领域，尤其涉及一种自动驾驶轨迹偏差检测方法、系统及自动驾驶车辆。

背景技术

目前，在农业机械、矿用卡车、商用货车、物流车辆、作业机械等各类车辆上均逐步配置有自动驾驶功能。在车辆自动驾驶领域，横向控制是重要的研究课题，主要研究不同车速、载荷下，车辆沿预定的参考线行驶的控制算法，例如：纯跟踪算法、Stanley法、LQR、MPC等。横向控制主要是对车辆方向盘的转向角进行控制，以减小车辆与参考线轨迹的横向距离e。因此，检测轨迹偏差是判断控制算法、参数优劣的最重要依据。

对于自动驾驶车辆，最常见的检测轨迹偏差的方法是采用卫星定位测量方法，尤以实时动态定位(Real-Time Kinematic，RTK)应用最多。基于RTK卫星定位的自动驾驶车辆，在行驶道路遇颠簸、坑洼等情况时，RTK卫星定位的原始数据会产生航向偏移、横滚偏移以及俯仰偏移等，使轨迹偏差检测结果产生较大的误差。

发明内容

本发明提供一种自动驾驶轨迹偏差检测方法、系统及自动驾驶车辆，用以解决现有技术中存在的缺陷。

本发明提供一种自动驾驶轨迹偏差检测方法，包括：

获取自动驾驶车辆在目标地面上行驶时的轨迹图像，所述轨迹图像中包括所述目标地面上的参考驾驶轨迹以及基于安装在所述自动驾驶车辆上的轨迹标记装置在所述目标地面上生成的当前驾驶轨迹；

对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；

基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。

根据本发明提供的一种自动驾驶轨迹偏差检测方法，所述获取自动驾驶车辆在目标地面上行驶时的轨迹图像，具体包括：基于所述自动驾驶车辆的底板上安装的摄像装置，获取自动驾驶车辆在目标地面上行驶时的轨迹图像。

根据本发明提供的一种自动驾驶轨迹偏差检测方法，所述对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息，具体包括：

基于边缘检测算法，确定所述轨迹图像中各参考轨迹点的像素坐标信息以及各当前轨迹点的像素坐标信息；

将所述各参考轨迹点的像素坐标信息以及所述各当前轨迹点的像素坐标信息分别转换为轨迹图像坐标系下的图像坐标信息；

将所述各参考轨迹点的图像坐标信息以及所述各当前轨迹点的图像坐标信息分别转换为摄像装置坐标系下的坐标信息。

根据本发明提供的一种自动驾驶轨迹偏差检测方法，所述基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息，具体包括：

对于任一当前轨迹点，计算所述任一当前轨迹点与所述各参考轨迹点的距离，并从所有距离中选取最小距离；

基于所述各当前轨迹点对应的最小距离，确定所述偏差信息。

根据本发明提供的一种自动驾驶轨迹偏差检测方法，所述基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息，之后还包括：

基于所述偏差信息，对所述自动驾驶车辆的自动驾驶控制算法进行测试。

根据本发明提供的一种自动驾驶轨迹偏差检测方法，所述轨迹标记装置包括颜料装置、弹簧以及中空导杆，所述颜料装置内装载有颜料标记物；

所述颜料装置与所述中空导杆连通，所述弹簧套设于所述中空导杆外侧，所述弹簧用于使所述中空导杆持续与所述目标地面接触。

本发明还提供一种自动驾驶轨迹偏差检测系统，包括：

获取模块，用于获取自动驾驶车辆在目标地面上行驶时的轨迹图像，所述轨迹图像中包括所述目标地面上的参考驾驶轨迹以及基于安装在所述自动驾驶车辆上的轨迹标记装置在所述目标地面上生成的当前驾驶轨迹；

识别模块，用于对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；

检测模块，用于基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。

本发明还提供一种自动驾驶车辆，包括：上述所述的自动驾驶轨迹偏差检测系统。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述自动驾驶轨迹偏差检测方法的步骤。

本发明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如上述任一种所述自动驾驶轨迹偏差检测方法的步骤。

本发明提供的自动驾驶轨迹偏差检测方法、系统及自动驾驶车辆，首先获取自动驾驶车辆在目标地面上行驶时的轨迹图像，然后对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；最后基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。该检测方法不需要引入卫星定位测量等间接测量方式，可以直接实现自动、实时、直接测量。而且，通过轨迹点坐标识别并结合各参考轨迹点的坐标信息以及各当前轨迹点的坐标信息的方式，对自动驾驶车辆的姿态变化不敏感，可以提高检测精度。另外，不需要引入人工操作，可以大大降低人工成本，减少人工工作量，可以完成全程检测。

附图说明

为了更清楚地说明本发明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，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的自动驾驶轨迹偏差检测方法的流程示意图；

图2是本发明提供的轨迹图像坐标系以及摄像装置坐标系下的坐标示意图；

图3是本发明提供的偏差信息示意图；

图4是本发明提供的轨迹标记装置的结构示意图；

图5是本发明提供的自动驾驶轨迹偏差检测系统的结构示意图；

图6是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

目前，在基于RTK卫星定位的自动驾驶车辆中，RTK卫星定位起到自动驾驶系统的引导功能，在行驶道路遇颠簸、坑洼等情况时，RTK卫星定位的原始数据会产生航向偏移、横滚偏移以及俯仰偏移等，使轨迹偏差检测结果产生较大的误差。而采用标记法的缺点在于无法做到实时自动的检测轨迹偏差，需要后续人工用测量工具沿轨迹逐点测量，而且人工的工作量大，如果线路过长，甚至无法全程检测。

为此，本发明实施例中提供了一种自动驾驶轨迹偏差检测方法，以解决现有技术中存在的技术问题，已达到如下技术效果：

1)在轨迹精度检测中不引入卫星定位测量这类间接测量方式；

2)测量方法应做到自动、实时、直接测量；

3)检测精度要高。

图1为本发明实施例中提供的一种自动驾驶轨迹偏差检测方法的流程示意图，如图1所示，该方法包括：

S1，获取自动驾驶车辆在目标地面上行驶时的轨迹图像，所述轨迹图像中包括所述目标地面上的参考驾驶轨迹以及基于安装在所述自动驾驶车辆上的轨迹标记装置在所述目标地面上生成的当前驾驶轨迹；

S2，对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；

S3，基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。

具体地，本发明实施例中提供的自动驾驶轨迹偏差检测方法，针对于自动驾驶车辆，其执行主体为自动驾驶车辆的控制器，该控制器可以车载控制器，也可以是远程控制器，本发明实施例中对此不作具体限定。

首先执行步骤S1，获取自动驾驶车辆在目标地面上行驶时的轨迹图像，该轨迹图像中包括参考驾驶轨迹以及当前驾驶轨迹。其中，目标地面是指自动驾驶车辆行驶的地面。参考驾驶轨迹以及当前驾驶轨迹均是目标地面上的行车轨迹。参考驾驶轨迹是目标地面上已存在的行车轨迹，可以是车辆样本在此之前在目标地面驾驶时生成的。车辆样本的驾驶模式既可以是人工驾驶模式，也可以是自动驾驶模式。相应地，参考驾驶轨迹既可以是人工驾驶模式下车辆样本在目标地面上行驶时生成的行车轨迹，也可以是自动驾驶模式下车辆样本在目标地面上行驶时生成的行车轨迹。

当前驾驶轨迹是自动驾驶车辆在目标地面驾驶时生成的行车轨迹。本发明实施例中，车辆样本以及自动驾驶车辆可以是同一车辆，相应地，参考驾驶轨迹为在先生成的行车轨迹，当前驾驶轨迹为在后生成的行车轨迹。

在车辆样本以及自动驾驶车辆上均可以安装有轨迹标记装置，轨迹标记装置可以安装在车辆样本以及自动驾驶车辆的中轴线上，也可以安装在其他位置，本发明实施例中对此不作具体限定。在轨迹标记装置内可以装载有颜料标记物，颜料标记物可以是液体颜料或荧光粉末等，在车辆样本以及自动驾驶车辆在目标地面上行驶的过程中，可以通过轨迹标记装置实时向目标地面滴落颜料标记物，以分别形成参考驾驶轨迹以及当前驾驶轨迹。

本发明实施例中，轨迹图像可以通过安装在自动驾驶车辆上的摄像装置采集得到，摄像装置可以是相机等设备。相机可以是单目相机，例如鱼眼相机、TOF相机等，也可以是双目、多目相机，摄像装置可以与控制器通信连接，例如可以通过百兆以太网实现通信连接，用以将采集到的轨迹图像传输至控制器。

然后执行步骤S2，对轨迹图像进行轨迹点坐标识别，本发明实施例中，参考驾驶轨迹由多个参考轨迹点构成，当前驾驶轨迹由多个当前轨迹点构成，因此通过轨迹点坐标识别，可以确定出参考驾驶轨迹上各参考轨迹点的坐标信息以及当前驾驶轨迹上各当前轨迹点的坐标信息。本发明实施例中各参考轨迹点的坐标信息以及各当前轨迹点的坐标信息可以是摄像装置坐标系下的坐标信息，摄像装置坐标系可以是以摄像装置的光心为坐标原点O、以垂直于目标地面向下为Z轴正方向，以轨迹图像的长度方向为X轴、以轨迹坐标的高度方向为Y轴构建的右手坐标系。

最后执行步骤S3，根据各参考轨迹点的坐标信息以及各当前轨迹点的坐标信息，确定当前驾驶轨迹与参考驾驶轨迹之间的偏差信息。本发明实施例中，可以先根据各参考轨迹点的坐标信息以及各当前轨迹点的坐标信息，确定每一当前轨迹点与所有参考轨迹点之间的最短距离，由于所有当前轨迹点按时间排列，因此所有最短距离也是按时间排列，所有最短距离按时间排列即构成当前驾驶轨迹与参考驾驶轨迹之间的偏差信息。

本发明实施例中提供的自动驾驶轨迹偏差检测方法，首先获取自动驾驶车辆在目标地面上行驶时的轨迹图像，然后对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；最后基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。该检测方法不需要引入卫星定位测量等间接测量方式，可以直接实现自动、实时、直接测量。而且，通过轨迹点坐标识别并结合各参考轨迹点的坐标信息以及各当前轨迹点的坐标信息的方式，对自动驾驶车辆的姿态变化不敏感，可以提高检测精度。另外，不需要引入人工操作，可以大大降低人工成本，减少人工工作量，可以完成全程检测。

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测方法，所述获取自动驾驶车辆在目标地面上行驶时的轨迹图像，具体包括：基于所述自动驾驶车辆的底板上安装的摄像装置，获取自动驾驶车辆在目标地面上行驶时的轨迹图像。

具体地，本发明实施例中的轨迹图像可以通过摄像装置获取，摄像装置可以与控制器通信连接，用以将采集到的轨迹图像传输至控制器。该摄像装置可以设置在自动驾驶车辆的底板上，可以设置在轨迹标记装置伸出底板位置的预设范围内，预设范围可以根据实际需要进行设置。

本发明实施例中，通过设置在自动驾驶车辆上的摄像装置，可以近距离采集轨迹图像，使采集到的轨迹图像更加清晰，便于轨迹偏差的检测。

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测方法，所述对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息，具体包括：

具体地，本发明实施例中，在确定各参考轨迹点的坐标信息以及各当前轨迹点的坐标信息时，可以先通过边缘检测算法，确定轨迹图像中各参考轨迹点的像素坐标信息以及各当前轨迹点的像素坐标信息。在进行边缘检测之前，可以对轨迹图像进行畸变矫正，然后通过边缘检测算法对轨迹图像进行边缘检测、边缘生长等步骤，即可得到各参考轨迹点的像素坐标信息以及各当前轨迹点的像素坐标信息。畸变矫正可以使用摄像装置的一阶径向畸变系数k₁以及二阶径向畸变系数k₂实现。边缘检测算法可以包括Roberts、Sobel、Prewitt、Kirsch、Canny等。像素坐标信息是指各轨迹点在轨迹图像中的投影点的像素坐标，坐标单位为像素。

然后将各参考轨迹点的像素坐标信息以及各当前轨迹点的像素坐标信息分别转换为轨迹图像坐标系下的图像坐标信息，轨迹图像坐标系是指以轨迹图像的中心点为坐标原点o，以轨迹图像的长度方向为x轴、以轨迹图像的高度方向为y轴构建的坐标系，轨迹图像的中心点为摄像装置的光心在轨迹图像上的投影点。图像坐标信息是指各轨迹点在轨迹图像中的投影点的图像坐标，坐标单位为长度单位。

设P在轨迹图像中的投影点p的像素坐标为(u_p,v_p)，参考驾驶轨迹上第i个当前轨迹点Q_i在轨迹图像中的投影点q_i的像素坐标为(u_qi,v_qi)，i的取值范围为1～n，n为参考驾驶轨迹上包含的轨迹点数量。以P为例，可以通过如下公式将像素坐标(u_p,v_p)转换为图像坐标(x_p,y_p)。

x_p＝(u_p-u₀)*dx

y_p＝(v_p-v₀)*dy

其中，(x₀,y₀)为摄像装置的光心在轨迹图像中的投影点，即轨迹图像的主点的像素坐标，dx、dy分别是u、v方向的像素尺寸。

本发明实施例中，可以采用张正友棋盘格标定法取得u₀、v₀、f/dx、f/dy、k₁以及k₂等。

最后，可以将各参考轨迹点的图像坐标信息以及各当前轨迹点的图像坐标信息分别转换为摄像装置坐标系下的坐标信息。本发明实施例中，设P在摄像装置坐标系下的坐标为(X_p,Y_p,Z_p)，由于摄像装置坐标系的坐标原点O以及轨迹图像坐标系的坐标原点o均在垂直于目标地面的方向上，且二者之间的距离为摄像装置的焦距f，因此有：

X_p＝x_p，Y_p＝y_p，Z_p＝f。

如图2所示，为轨迹图像坐标系以及摄像装置坐标系下的坐标示意图，I为轨迹图像，Ω为目标地面，P与Q_i之间的距离为e。射线Op方程为：X＝t*X_p，Y＝t*Y_p，Z＝t*f。

射线Op交目标地面Ω：Z＝H+f于点P，可求出：

t＝(H+f)/f

进而求得P在摄像装置坐标系下的坐标：

(((H+f)/f)*(u_p-u₀)*dx，((H+f)/f)*(v_p-v₀)*dy，H+f)。

同样的计算过程，可以得到Q_i在摄像装置坐标系下的坐标：

(((H+f)/f)*(u_qi-u₀)*dx，((H+f)/f)*(v_qi-v₀)*dy，H+f)。

本发明实施例中，通过对轨迹图像进行轨迹点坐标识别，确定出摄像装置坐标系下的坐标信息，可以便于确定当前驾驶轨迹与参考驾驶轨迹之间的偏差信息。

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测方法，所述基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息，具体包括：

具体地，本发明实施例中，在确定偏差信息时，可以先对于P，计算P与Q_i之间的距离e，然后从所有距离e中选取最小距离，该最小距离即为当前驾驶轨迹与所述参考驾驶轨迹之间的横向偏差。

将所有当前轨迹点对应的最小轨迹在时间维度进行排列，可以得到横向偏差随时间的变化曲线，即当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。该变化曲线可以如图3所示。

本发明实施例中，通过确定每个当前轨迹点与所有参考轨迹点之间的最小距离，确定出当前驾驶轨迹与参考驾驶轨迹之间的偏差信息，可以使得到的偏差信息更精确。

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测方法，所述基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息，之后还包括：基于所述偏差信息，对所述自动驾驶车辆的自动驾驶控制算法进行测试。

具体地，本发明实施例中，在确定出偏差信息之后，可以根据该偏差信息对自动驾驶车辆的自动驾驶控制算法进行测试。例如，可以确定出偏差信息的均值、方差或最大值等统计数据，然后根据该统计数据的大小判断自动驾驶控制算法的优劣。例如，可以计算得到的统计数据与预设统计数据阈值进行比较，如果统计数据大于预设统计数据阈值，则确定自动驾驶控制算法的控制效果不好，如果统计数据小于等于预设统计数据阈值，则确定自动驾驶控制算法的控制效果良好。

本发明实施例中，给出了偏差信息的应用场景，可以为自动驾驶控制算法的优化提供帮助。而且，由于可以采用轨迹图像识别的方法进行实时计算偏差信息，可以提高测试效率。

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测方法，所述轨迹标记装置包括颜料装置、弹簧以及中空导杆，所述颜料装置内装载有颜料标记物；

具体地，如图4所示，本发明实施例中，安装在自动驾驶车辆的中轴线上的轨迹标记装置41可以包括颜料装置411、弹簧412以及中空导杆413。颜料装置411与所述中空导杆413连通，所述弹簧412套设于所述中空导杆413外侧，所述弹簧412用于使中空导杆413持续与目标地面接触，在目标地面生成当前驾驶轨迹42。通过安装在自动驾驶车辆的底座43的上的摄像装置44采集包含有当前驾驶轨迹42以及参考驾驶轨迹的轨迹图像。

弹簧412可以处于轻微压缩状态，中空导杆413可以在弹簧力、重力作用下与目标地面轻微接触，弹簧412的压力可调节，以避免破目标地面。在中空导杆上部是颜料装置，颜料标记物可以是液体颜料或荧光粉末，颜料标记物从中空导杆内部均匀下流到地面，从而在地面形成连续、规整的轨迹标记。颜色标记物可以是遇水降解的物质，无污染、不损坏目标路面。

本发明实施例中，给出了轨迹标记装置的具体结构，可以保证当前驾驶轨迹的顺利生成。

如图5所示，在上述实施例的基础上，本发明实施例中提供了一种自动驾驶轨迹偏差检测系统，包括：

获取模块51，用于获取自动驾驶车辆在目标地面上行驶时的轨迹图像，所述轨迹图像中包括所述目标地面上的参考驾驶轨迹以及基于安装在所述自动驾驶车辆上的轨迹标记装置在所述目标地面上生成的当前驾驶轨迹；

识别模块52，用于对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；

检测模块53，用于基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测系统，所述获取模块，具体用于：

基于所述自动驾驶车辆的底板上安装的摄像装置，获取自动驾驶车辆在目标地面上行驶时的轨迹图像。

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测系统，所述识别模块，具体用于：

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测系统，所述检测模块，具体用于：

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测系统，还包括测试模块，用于：

在上述实施例的基础上，本发明实施例中提供的自动驾驶轨迹偏差检测系统，所述轨迹标记装置包括颜料装置、弹簧以及中空导杆，所述颜料装置内装载有颜料标记物；

在上述实施例的基础上，本发明实施例中提供了一种自动驾驶车辆，包括：上述所述的自动驾驶轨迹偏差检测系统，可以使自动驾驶车辆具有自动驾驶轨迹偏差检测的功能。

图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行上述各实施例中提供的自动驾驶轨迹偏差检测方法，该方法包括：获取自动驾驶车辆在目标地面上行驶时的轨迹图像，所述轨迹图像中包括所述目标地面上的参考驾驶轨迹以及基于安装在所述自动驾驶车辆上的轨迹标记装置在所述目标地面上生成的当前驾驶轨迹；对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。

此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各实施例中提供的自动驾驶轨迹偏差检测方法，该方法包括：获取自动驾驶车辆在目标地面上行驶时的轨迹图像，所述轨迹图像中包括所述目标地面上的参考驾驶轨迹以及基于安装在所述自动驾驶车辆上的轨迹标记装置在所述目标地面上生成的当前驾驶轨迹；对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。

又一方面，本发明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中提供的自动驾驶轨迹偏差检测方法，该方法包括：获取自动驾驶车辆在目标地面上行驶时的轨迹图像，所述轨迹图像中包括所述目标地面上的参考驾驶轨迹以及基于安装在所述自动驾驶车辆上的轨迹标记装置在所述目标地面上生成的当前驾驶轨迹；对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息；基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims

1.一种自动驾驶轨迹偏差检测方法，其特征在于，包括：

2.根据权利要求1所述的自动驾驶轨迹偏差检测方法，其特征在于，所述获取自动驾驶车辆在目标地面上行驶时的轨迹图像，具体包括：基于所述自动驾驶车辆的底板上安装的摄像装置，获取自动驾驶车辆在目标地面上行驶时的轨迹图像。

3.根据权利要求2所述的自动驾驶轨迹偏差检测方法，其特征在于，所述对所述轨迹图像进行轨迹点坐标识别，确定所述参考驾驶轨迹上各参考轨迹点的坐标信息以及所述当前驾驶轨迹上各当前轨迹点的坐标信息，具体包括：

4.根据权利要求1-3中任一项所述的自动驾驶轨迹偏差检测方法，其特征在于，所述基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息，具体包括：

5.根据权利要求1-3中任一项所述的自动驾驶轨迹偏差检测方法，其特征在于，所述基于所述各参考轨迹点的坐标信息以及所述各当前轨迹点的坐标信息，确定所述当前驾驶轨迹与所述参考驾驶轨迹之间的偏差信息，之后还包括：基于所述偏差信息，对所述自动驾驶车辆的自动驾驶控制算法进行测试。

6.根据权利要求1-3中任一项所述的自动驾驶轨迹偏差检测方法，其特征在于，所述轨迹标记装置包括颜料装置、弹簧以及中空导杆，所述颜料装置内装载有颜料标记物；

7.一种自动驾驶轨迹偏差检测系统，其特征在于，包括：

8.一种自动驾驶车辆，其特征在于，包括：如权利要求7所述的自动驾驶轨迹偏差检测系统。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述自动驾驶轨迹偏差检测方法的步骤。

10.一种非暂态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如权利要求1至6任一项所述自动驾驶轨迹偏差检测方法的步骤。