CN113624245A - 导航方法及装置、计算机存储介质、电子设备 - Google Patents
导航方法及装置、计算机存储介质、电子设备 Download PDFInfo
- Publication number
- CN113624245A CN113624245A CN202010383841.0A CN202010383841A CN113624245A CN 113624245 A CN113624245 A CN 113624245A CN 202010383841 A CN202010383841 A CN 202010383841A CN 113624245 A CN113624245 A CN 113624245A
- Authority
- CN
- China
- Prior art keywords
- point
- road
- composite intersection
- candidate
- candidate composite
- 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 69
- 239000002131 composite material Substances 0.000 claims abstract description 197
- 238000013459 approach Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 18
- 230000009191 jumping Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001629 suppression 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
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special 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
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)
Abstract
本公开涉及导航技术领域,提供了一种导航方法、导航装置、计算机存储介质、电子设备,其中,导航方法包括:根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点;获取所述候选复合路口交叉点的第一临近点,所述第一临近点为与所述候选复合路口交叉点距离最近的道路特征点;当所述第一临近点与所述候选复合路口交叉点的距离小于预设距离阈值时,确定所述候选复合路口交叉点与所述第一临近点为复合路口交叉点。本公开中的方法能够智能的识别出复合路口及路径拐点,解决相关技术中人工采集导航拐点信息导致成本较高、数据准确性较低的技术问题,保证数据准确性和无人驾驶车的配送效率。
Description
技术领域
本公开涉及导航技术领域,特别涉及一种导航方法、导航装置、计算机存储介质及电子设备。
背景技术
随着科技的进步和全球定位系统(Global Positioning System,GPS)的运用,无人驾驶技术逐渐进入到我们的生活。利用无人车代替配送员进行配送能够大幅提高配送效率、减少人力成本,而智能的导航算法将决定无人小车能否将客户的商品安全、便捷、高效的送达到客户手中。因此,如何为无人驾驶车提供精准的路径成为相关技术人员关注的焦点问题。
目前,一般是通过人工采集导航拐点的方式组织路径,但这种方法不利于大范围无人车配送运营,一方面人工采集的成本比较高、效率比较低下,另一方面人工采集的方式可能会导致误操作以及产生错误数据,导航准确性无法得到保障。
鉴于此,本领域亟需开发一种新的导航方法及装置。
需要说明的是,上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开的目的在于提供一种导航方法、导航装置、计算机存储介质及电子设备,进而至少在一定程度上避免了相关技术中导航准确度较低的缺陷。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供一种导航方法,包括:根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点;获取所述候选复合路口交叉点的第一临近点,所述第一临近点为与所述候选复合路口交叉点距离最近的道路特征点;当所述第一临近点与所述候选复合路口交叉点的距离小于预设距离阈值时,确定所述候选复合路口交叉点与所述第一临近点为复合路口交叉点。
在本公开的示例性实施例中,在确定所述候选复合路口交叉点与所述第一临近点为复合路口交叉点之后,所述方法还包括:步骤A:确定初始的i值为1;步骤B:获取第i+1临近点,所述第i+1临近点为与所述第i临近点距离最近的道路特征点;步骤C:当所述第i+1临近点与所述候选复合路口交叉点的距离小于所述预设距离阈值时,确定所述第一临近点至所述第i+1临近点、所述候选复合路口交叉点为所述复合路口交叉点;步骤D:当所述第i+1临近点与所述候选复合路口交叉点为同一点时,将以所述候选复合路口交叉点为起点,经过所述第一临近点……第i临近点,至所述候选复合路口交叉点的路径确定为复合路口的路径;步骤E:当所述第i+1临近点与所述候选复合路口交叉点不是同一点时,将i值加1,并跳转至步骤B;其中,i为正整数。
在本公开的示例性实施例中,所述方法还包括:当在目标车辆的当前行驶路线上检测到所述复合路口时,预先获取所述复合路口的路况信息;根据所述路况信息确定与所述当前行驶路线对应的所述复合路口的进入点和出口点。
在本公开的示例性实施例中,所述根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点,包括:当与各道路特征点相连接的道路中心线的数量大于预设数量阈值时,确定道路特征点为所述候选复合路口交叉点。
在本公开的示例性实施例中,在根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点之前,所述方法还包括:获取所述道路中心线的端点坐标,并对所述端点坐标进行去重处理;根据去重处理之后的端点坐标生成道路图层数据;基于所述道路图层数据,确定与各所述道路特征点相连接的道路中心线的数量。
在本公开的示例性实施例中,所述方法还包括:当所述第一临近点与所述候选复合路口交叉点的距离大于所述预设距离阈值时,确定所述候选复合路口交叉点不是所述复合路口交叉点。
在本公开的示例性实施例中,基于道路测绘技术或点云识别技术获取所述道路中心线。
根据本公开的第二方面,提供一种导航装置,包括:第一确定模块,用于根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点;获取模块,用于获取所述候选复合路口交叉点的第一临近点,所述第一临近点为与所述候选复合路口交叉点距离最近的道路特征点;第二确定模块,用于当所述第一临近点与所述候选复合路口交叉点的距离小于预设距离阈值时,确定所述候选复合路口交叉点与所述第一临近点为复合路口交叉点。
根据本公开的第三方面,提供一种计算机存储介质,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上述第一方面所述的导航方法。
根据本公开的第四方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述第一方面所述的导航方法。
由上述技术方案可知,本公开示例性实施例中的导航方法、导航装置、计算机存储介质及电子设备至少具备以下优点和积极效果:
在本公开的一些实施例所提供的技术方案中,一方面,根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点,能够初步确定出路况较复杂的候选复合路口交叉点。另一方面,获取候选复合路口交叉点的第一临近点,第一临近点为与候选复合路口交叉点距离最近的道路特征点,当第一临近点与候选复合路口交叉点的距离小于预设距离阈值时,确定候选复合路口交叉点与第一临近点为复合路口交叉点,从而,能够智能的识别出复合路口及路径拐点,解决相关技术中人工采集导航拐点信息导致成本较高、数据准确性较低的技术问题,保证导航准确性和无人驾驶车的配送效率。
本公开应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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示出本公开一示例性实施例中导航方法的流程示意图;
图2A示出本公开一示例性实施例中导航方法的示意图;
图2B示出本公开另一示例性实施例中导航方法的示意图;
图3示出本公开一示例性实施例中导航方法的子流程示意图;
图4示出本公开一示例性实施例中导航方法的整体流程示意图;
图5示出本公开示例性实施例中导航装置的结构示意图;
图6示出本公开示例性实施例中计算机存储介质的结构示意图;
图7示出本公开示例性实施例中电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”和“第二”等仅作为标记使用,不是对其对象的数量限制。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
目前,一般是通过人工采集导航拐点的方式生成路径,这种方法不利用大范围运营。一方面,人工采集的成本较高,效率较低;另一方面,在人工误操作的情况下可能导致错误数据的产生,导致生成的路径的精度较低。
在本公开的实施例中,首先提供了一种导航方法,至少在一定程度上克服现有技术中提供的导航方法精度较低的缺陷。
图1示出本公开一示例性实施例中导航方法的流程示意图,该导航方法的执行主体可以是对无人配送车进行导航的服务器。
参考图1,根据本公开的一个实施例的导航方法包括以下步骤:
步骤S110,根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点;
步骤S120,获取候选复合路口交叉点的第一临近点,第一临近点为与候选复合路口交叉点距离最近的道路特征点;
步骤S130,当第一临近点与候选复合路口交叉点的距离小于预设距离阈值时,确定候选复合路口交叉点与第一临近点为复合路口交叉点。
在图1所示实施例所提供的技术方案中,一方面,根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点,能够初步确定出路况较复杂的候选复合路口交叉点。另一方面,获取候选复合路口交叉点的第一临近点,第一临近点为与候选复合路口交叉点距离最近的道路特征点,当第一临近点与候选复合路口交叉点的距离小于预设距离阈值时,确定候选复合路口交叉点与第一临近点为复合路口交叉点,从而,能够智能的识别出复合路口及路径拐点,解决相关技术中人工采集导航拐点信息导致成本较高、数据准确性较低的技术问题,保证导航准确性和无人驾驶车的配送效率。
以下对图1中的各个步骤的具体实现过程进行详细阐述:
在本公开的示例性实施例中,道路中心线是道路路线几何设计中的重要特征线,从空间几何关系角度看,它是指从道路起点到终点,由道路路幅各中心点依次连接而成的特征线,能反映道路的平面位置和曲直变化;在交通管理中,一般是用来区分往返双向车辆行驶空间的标志线。需要说明的是,当无人配送车为机动车时,上述道路中心线可以是机动车道的道路中心线,而当无人配送车为非机动车时,上述道路中心线可以是非机动车道的道路中心线。
具体的,可以通过测绘技术或者点云识别技术获取道路中心线。或者,可以利用卷积神经网络训练和预测遥感影像中每个像素与道路中心线的距离和道路像素所在的道路宽度;用非极小值抑制算法结合影像中像素距离道路中线的距离提取道路中心线。从而,能够解决现有技术中人工采集数据所导致的成本较高、效率低下且数据精度无法保障的技术问题,提高获取到的数据精度和准确性。
示例性的,可以获取道路中心线的坐标(即组成道路中心线的多个点的坐标),并将起止坐标提取出来作为道路中心线的端点坐标。进而,可以对得到的端点坐标中重复的端点坐标进行去重处理,并将去重处理之后的端点坐标作为道路特征点,从而,能够去除冗余数据,减小数据处理量。
进而,可以根据去重处理之后的端点坐标生成道路图层数据(道路图层数据是用于描述道路特征点和道路中心线的挂接关系,例如:A点与3条道路中心线挂接,分别为LineA、LineB、LineC)。其中,图层就是按某种属性对数据分为若干文件,示例性的,当上述道路图层包含三层时,则第一层可以存储区域S的公路,第二层可以存储区域S的城市道路,第三层可以存储区域S的乡村道路。从而,使得数据具有很强的可修改性,举例而言,当公路数据有误时,则只需要对公路数据所在的图层进行修改,极大的提高了后期修改的便利度,避免重复劳动。
从而,基于上述道路图层数据,可以确定出与各道路特征点相连接的道路中心线的数量。
在步骤S110中,根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点。
在本公开的示例性实施例中,在确定出与各道路特征点相连接的道路中心线的数量之后,可以根据道路中心线的数量,从多个道路特征点中确定出候选复合路口交叉点。其中,候选复合路口交叉点即初步确定出来的,有较大概率是复合路口交叉点的道路特征点。
具体的,当与各道路特征点相连接的道路中心线的数量大于预设数量阈值(例如:2,可以根据实际情况自行设定)时,可以确定道路特征点为候选复合路口交叉点。而当与各道路特征点相连接的道路中心线的数量小于或等于预设数量阈值(例如:2,可以根据实际情况自行设定)时,可以确定道路特征点不是候选复合路口交叉点(即简单路口的道路特征点,示例性的,可以是十字路口的交叉点,或者单行道的拐弯点等)。
示例性的,可以参考图2A,图2A示出本公开一示例性实施例中导航方法的示意图,具体示出复合路口(例如:“井字形”路口)的示意图,参考图2A可知,复合路口包含四个复合路口交叉点N1、N2、N3、N4。图2B示出本公开一示例性实施例中简单路口(非复合路口,例如“十字交叉”路口)的示意图,参考图2B可知,简单路口仅包含一个简单道路特征点N。
在步骤S120中,获取候选复合路口交叉点的第一临近点,第一临近点为与候选复合路口交叉点距离最近的道路特征点。
在本公开的示例性实施例中,在确定出道路特征点为候选复合路口交叉点之后,可以获取候选复合路口交叉点的第一临近点,其中,第一临近点为与候选复合路口交叉点距离最近的道路特征点。
在步骤S130中,当第一临近点与候选复合路口交叉点的距离小于预设距离阈值时,确定候选复合路口交叉点与第一临近点为复合路口交叉点。
在本公开的示例性实施例中,在获取到上述第一临近点之后,可以计算第一临近点与上述候选复合路口交叉点的距离,当第一临近点与候选复合路口交叉点的距离大于或等于上述预设距离阈值时,可以确定上述候选复合路口交叉点不是复合路口交叉点。当第一临近点与候选复合路口交叉点的距离小于预设距离阈值(例如:15米,可以根据实际情况自行设定)时,可以确定候选复合路口交叉点与第一临近点均为复合路口交叉点。从而,能够对候选复合路口交叉点进行更进一步的筛选,保证得到的复合路口交叉点的准确度。
进而,可以参考图3,图3示出本公开一示例性实施例中导航方法的子流程示意图,具体示出在确定出候选复合路口交叉点与第一临近点为复合路口交叉点之后的子流程示意图,包括步骤S301-步骤S305,以下结合图3对具体的实施方式进行解释。
在步骤S301(即步骤A)中,确定初始的i值为1,i为正整数。
在步骤S302(步骤B)中,获取第i+1临近点,第i+1临近点为与第i临近点距离最近的道路特征点。
在本公开的示例性实施例中,可以获取第二临近点,第二临近点为与上述第一临近点距离最近的道路特征点。
在步骤S303(步骤C)中,当第i+1临近点与候选复合路口交叉点的距离小于预设距离阈值时,确定第一临近点至第i+1临近点、候选复合路口交叉点为复合路口交叉点。
示例性的,当第二临近点与上述候选复合路口交叉点的距离小于上述预设距离阈值时,可以确定第一临近点至第二临近点、候选复合路口交叉点为复合路口交叉点。
而若i+1临近点与候选复合路口交叉点的距离大于预设距离阈值时,可以确定第一临近点至第i临近点、候选复合路口交叉点为复合路口交叉点。示例性的,当第二临近点与上述候选复合路口交叉点的距离大于上述预设距离阈值时,可以确定第一临近点和候选复合路口交叉点为复合路口交叉点。
在步骤S304(步骤D)中,当第i+1临近点与候选复合路口交叉点为同一点时,将以候选复合路口交叉点为起点,经过第一临近点……第i临近点,至候选复合路口交叉点的路径确定为复合路口的路径。
示例性的,当第二临近点与候选复合路口为同一点时,可以将以候选复合路口为起点,经过第一临近点的路径确定为复合路口的路径。
在步骤S305(步骤E)中,当第i+1临近点与候选复合路口交叉点不是同一点时,将i值加1,并跳转至步骤B。
示例性的,当第二临近点与候选复合路口交叉点不是同一点时,可以获取第三临近点,第三临近点为与第二临近点距离最近的道路特征点,当第三临近点与候选复合路口交叉点的距离小于预设距离阈值时,可以确定第一临近点、第二临近点、第三临近点与候选复合路口交叉点为复合路口交叉点。
进而,当第三临近点与候选复合路口交叉点为同一点时,可以将以候选复合路口交叉点为起点,经过第一临近点、第二临近点至候选复合路口交叉点的路径确定为复合路口的路径。从而,当无人配送车为非机动车,上述道路中心线为非机动车道中心线的情况下,能够得到非机动车道各个交叉点的拓扑数据,保证无人配送车在非机动车道上的安全行驶。
而当第三临近点与候选复合路口交叉点不是同一点时,可以将i值加1(即获取第四临近点,第四临近点为与第三临近点距离最近的道路特征点),并跳转至步骤B,不断循环,以确定出各个复合路口。
在确定出复合路口之后,当在目标车辆(例如:无人配送车)的当前行驶路线上检测到上述复合路口时,可以预先获取复合路口的路况信息(例如:在目标车辆到达该复合路口的前5分钟,可以预先获取每个路口的交通拥堵情况等),进而,可以根据路况信息确定与当前行驶路线对应的复合路口的进入点和出口点,从而,能够提前为目标车辆指示最省时的可行路线,避免存在多条路线的情况下,因其中个别路线的拥堵情况较严重,导致车辆长时间等候的问题,保证车辆的运行效率。
从而,本公开能够智能的识别出复合路口及路径拐点,解决相关技术中人工采集导航拐点信息导致成本较高、数据准确性较低的技术问题,保证导航准确性和无人驾驶车的配送效率。
在本公开的示例性实施例中,示例性的,可以参考图4,图4示出本公开一示例性实施例中导航方法的整体流程图,包括步骤S401-S409,以下结合图4对具体的实施方式进行解释。
在步骤S401中,开始;
在步骤S402中,获取道路中心线的端点坐标,根据去重处理之后的端点坐标生成道路图层数据;
在步骤S403中,根据道路图层数据,确定与各道路特征点相连接的道路中心线的数量;
在步骤S404中,判断与各道路特征点相连接的道路中心线的数量是否大于预设数量阈值;
若否,则跳转至步骤S405中,确定道路特征点为简单道路特征点;并跳转至步骤S411,写入属性信息(即道路特征点为简单道路特征点);
若是,则确定道路特征点为候选复合路口交叉点,并跳转至步骤S406中,获取候选复合路口交叉点的第一临近点;
在步骤S407中,判断候选复合路口交叉点与第一临近点的距离是否大于预设距离阈值;
若是,则跳转至步骤S405中,确定候选复合路口交叉点为简单道路特征点,并跳转至步骤S411,写入属性信息(即候选复合路口交叉点为简单道路特征点);
若否,则跳转至步骤S408中,获取第二临近点,并判断第二临近点与候选复合路口交叉点的距离是否大于上述预设距离阈值,不断循环;
在步骤S409中,判断是否回到开始的候选复合路口交叉点(第i+1临近点与候选复合路口交叉点是否为同一点);
若是,则跳转至在步骤S410中,将以候选复合路口交叉点为起点,经过第一临近点……第i临近点,至候选复合路口交叉点的路径确定为复合路口的路径;
在步骤S411中,写入属性信息(即候选复合路口交叉点为复合路口交叉点);
在步骤S412中,结束。
本公开还提供了一种导航装置,图5示出本公开示例性实施例中导航装置的结构示意图;如图5所示,导航装置500可以包括第一确定模块501、获取模块502和第二确定模块503。其中:
第一确定模块501,用于根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点。
在本公开的示例性实施例中,第一确定模块用于当与各道路特征点相连接的道路中心线的数量大于预设数量阈值时,确定道路特征点为候选复合路口交叉点。
在本公开的示例性实施例中,第一确定模块用于获取道路中心线的端点坐标,并对端点坐标进行去重处理;根据去重处理之后的端点坐标生成道路图层数据;基于道路图层数据,确定与各道路特征点相连接的道路中心线的数量。
在本公开的示例性实施例中,第一确定模块用于当第一临近点与候选复合路口交叉点的距离大于预设距离阈值时,确定候选复合路口交叉点不是复合路口交叉点。
在本公开的示例性实施例中,第一确定模块用于基于道路测绘技术或点云识别技术获取道路中心线。
获取模块502,用于获取候选复合路口交叉点的第一临近点,第一临近点为与候选复合路口交叉点距离最近的道路特征点。
在本公开的示例性实施例中,获取模块用于获取候选复合路口交叉点的第一临近点,第一临近点为与候选复合路口交叉点距离最近的道路特征点。
第二确定模块503,用于当第一临近点与候选复合路口交叉点的距离小于预设距离阈值时,确定候选复合路口交叉点与第一临近点为复合路口交叉点。
在本公开的示例性实施例中,第二确定模块用于步骤A:确定初始的i值为1;步骤B:获取第i+1临近点,第i+1临近点为与第i临近点距离最近的道路特征点;步骤C:当第i+1临近点与候选复合路口交叉点的距离小于预设距离阈值时,确定第一临近点至第i+1临近点、候选复合路口交叉点为复合路口交叉点;步骤D:当第i+1临近点与候选复合路口交叉点为同一点时,将以候选复合路口交叉点为起点,经过第一临近点……第i临近点,至候选复合路口交叉点的路径确定为复合路口的路径;步骤E:当第i+1临近点与候选复合路口交叉点不是同一点时,将i值加1,并跳转至步骤B;其中,i为正整数。
在本公开的示例性实施例中,第二确定模块用于当在目标车辆的当前行驶路线上检测到复合路口时,预先获取复合路口的路况信息;根据路况信息确定与当前行驶路线对应的复合路口的进入点和出口点。
上述导航装置中各模块的具体细节已经在对应的导航方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开示例性实施方式中,还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
参考图6所示,描述了根据本公开的实施方式的用于实现上述方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于:上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730以及显示单元740。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元710执行,使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元710可以执行如图1中所示的:步骤S110,根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点;步骤S120,获取候选复合路口交叉点的第一临近点,第一临近点为与候选复合路口交叉点距离最近的道路特征点;步骤S130,当第一临近点与候选复合路口交叉点的距离小于预设距离阈值时,确定候选复合路口交叉点与第一临近点为复合路口交叉点。
存储单元720可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202,还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204,这样的程序模块7205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备700交互的设备通信,和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且,电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器760通过总线730与电子设备700的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种导航方法,其特征在于,包括:
根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点;
获取所述候选复合路口交叉点的第一临近点,所述第一临近点为与所述候选复合路口交叉点距离最近的道路特征点;
当所述第一临近点与所述候选复合路口交叉点的距离小于预设距离阈值时,确定所述候选复合路口交叉点与所述第一临近点为复合路口交叉点。
2.根据权利要求1所述的方法,其特征在于,在确定所述候选复合路口交叉点与所述第一临近点为复合路口交叉点之后,所述方法还包括:
步骤A:确定初始的i值为1;
步骤B:获取第i+1临近点,所述第i+1临近点为与所述第i临近点距离最近的道路特征点;
步骤C:当所述第i+1临近点与所述候选复合路口交叉点的距离小于所述预设距离阈值时,确定所述第一临近点至所述第i+1临近点、所述候选复合路口交叉点为所述复合路口交叉点;
步骤D:当所述第i+1临近点与所述候选复合路口交叉点为同一点时,将以所述候选复合路口交叉点为起点,经过所述第一临近点……第i临近点,至所述候选复合路口交叉点的路径确定为复合路口的路径;
步骤E:当所述第i+1临近点与所述候选复合路口交叉点不是同一点时,将i值加1,并跳转至步骤B;
其中,i为正整数。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当在目标车辆的当前行驶路线上检测到所述复合路口时,预先获取所述复合路口的路况信息;
根据所述路况信息确定与所述当前行驶路线对应的所述复合路口的进入点和出口点。
4.根据权利要求1所述的方法,其特征在于,所述根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点,包括:
当与各道路特征点相连接的道路中心线的数量大于预设数量阈值时,确定道路特征点为所述候选复合路口交叉点。
5.根据权利要求1所述的方法,其特征在于,在根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点之前,所述方法还包括:
获取所述道路中心线的端点坐标,并对所述端点坐标进行去重处理;
根据去重处理之后的端点坐标生成道路图层数据;
基于所述道路图层数据,确定与各所述道路特征点相连接的道路中心线的数量。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
当所述第一临近点与所述候选复合路口交叉点的距离大于所述预设距离阈值时,确定所述候选复合路口交叉点不是所述复合路口交叉点。
7.根据权利要求1-5任一项所述的方法,其特征在于,基于道路测绘技术或点云识别技术获取所述道路中心线。
8.一种导航装置,其特征在于,包括:
第一确定模块,用于根据与各道路特征点相连接的道路中心线的数量,从多个道路特征点中确定候选复合路口交叉点;
获取模块,用于获取所述候选复合路口交叉点的第一临近点,所述第一临近点为与所述候选复合路口交叉点距离最近的道路特征点;
第二确定模块,用于当所述第一临近点与所述候选复合路口交叉点的距离小于预设距离阈值时,确定所述候选复合路口交叉点与所述第一临近点为复合路口交叉点。
9.一种计算机存储介质,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1~7中任意一项所述的导航方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~7中任意一项所述的导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010383841.0A CN113624245B (zh) | 2020-05-08 | 2020-05-08 | 导航方法及装置、计算机存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010383841.0A CN113624245B (zh) | 2020-05-08 | 2020-05-08 | 导航方法及装置、计算机存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113624245A true CN113624245A (zh) | 2021-11-09 |
CN113624245B CN113624245B (zh) | 2024-04-16 |
Family
ID=78377410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010383841.0A Active CN113624245B (zh) | 2020-05-08 | 2020-05-08 | 导航方法及装置、计算机存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113624245B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116543356A (zh) * | 2023-07-05 | 2023-08-04 | 青岛国际机场集团有限公司 | 一种轨迹确定方法、设备及介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03150699A (ja) * | 1989-11-07 | 1991-06-27 | Aisin Aw Co Ltd | ナビゲーション装置 |
US5067082A (en) * | 1988-08-11 | 1991-11-19 | Aisin Aw Co., Ltd. | Navigation apparatus |
JPH112537A (ja) * | 1998-05-14 | 1999-01-06 | Aisin Aw Co Ltd | ナビゲーション装置 |
CN101329181A (zh) * | 2008-07-28 | 2008-12-24 | 江苏华科导航科技有限公司 | 可对复杂路口进行语音导航的导航装置及其工作方法 |
CN101825473A (zh) * | 2010-04-02 | 2010-09-08 | 北京四维图新科技股份有限公司 | 一种导航方法及导航系统 |
CN102519476A (zh) * | 2011-12-21 | 2012-06-27 | 光庭导航数据(武汉)有限公司 | 基于复合路口的交通规制的处理方法 |
KR101362706B1 (ko) * | 2012-11-23 | 2014-02-24 | 현대엠엔소프트 주식회사 | 차량의 직진 주행성 확보 시스템 및 그 방법 |
CN105277199A (zh) * | 2014-05-30 | 2016-01-27 | 北京四维图新科技股份有限公司 | 一种为导航地图添加顺行的方法和导航装置 |
US20180329418A1 (en) * | 2016-11-22 | 2018-11-15 | Dispatch Inc. | Methods for autonomously navigating across uncontrolled and controlled intersections |
CN110688958A (zh) * | 2019-09-28 | 2020-01-14 | 中国测绘科学研究院 | 基于GoogLeNet神经网络的交叉路口识别方法 |
-
2020
- 2020-05-08 CN CN202010383841.0A patent/CN113624245B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5067082A (en) * | 1988-08-11 | 1991-11-19 | Aisin Aw Co., Ltd. | Navigation apparatus |
JPH03150699A (ja) * | 1989-11-07 | 1991-06-27 | Aisin Aw Co Ltd | ナビゲーション装置 |
JPH112537A (ja) * | 1998-05-14 | 1999-01-06 | Aisin Aw Co Ltd | ナビゲーション装置 |
CN101329181A (zh) * | 2008-07-28 | 2008-12-24 | 江苏华科导航科技有限公司 | 可对复杂路口进行语音导航的导航装置及其工作方法 |
CN101825473A (zh) * | 2010-04-02 | 2010-09-08 | 北京四维图新科技股份有限公司 | 一种导航方法及导航系统 |
CN102519476A (zh) * | 2011-12-21 | 2012-06-27 | 光庭导航数据(武汉)有限公司 | 基于复合路口的交通规制的处理方法 |
KR101362706B1 (ko) * | 2012-11-23 | 2014-02-24 | 현대엠엔소프트 주식회사 | 차량의 직진 주행성 확보 시스템 및 그 방법 |
CN105277199A (zh) * | 2014-05-30 | 2016-01-27 | 北京四维图新科技股份有限公司 | 一种为导航地图添加顺行的方法和导航装置 |
US20180329418A1 (en) * | 2016-11-22 | 2018-11-15 | Dispatch Inc. | Methods for autonomously navigating across uncontrolled and controlled intersections |
CN110688958A (zh) * | 2019-09-28 | 2020-01-14 | 中国测绘科学研究院 | 基于GoogLeNet神经网络的交叉路口识别方法 |
Non-Patent Citations (2)
Title |
---|
MARIA F. S. ANDRADE等: "A Fuzzy-Adaptive Approach to Segment Metaphase Chromosome Images", 《2018 7TH BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS)》, 16 December 2018 (2018-12-16) * |
吴亮;胡云安;: "参考道路交叉点的飞行器视觉辅助导航", 北京航空航天大学学报, no. 08, 15 August 2010 (2010-08-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116543356A (zh) * | 2023-07-05 | 2023-08-04 | 青岛国际机场集团有限公司 | 一种轨迹确定方法、设备及介质 |
CN116543356B (zh) * | 2023-07-05 | 2023-10-27 | 青岛国际机场集团有限公司 | 一种轨迹确定方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113624245B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108253975B (zh) | 一种建立地图信息及车辆定位的方法与设备 | |
US20230138650A1 (en) | Test method for automatic driving, and electronic device | |
CN107389085B (zh) | 一种道路通行属性的确定方法、装置、计算机及存储介质 | |
CN111680362A (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
CN109781132B (zh) | 一种经验路线替换方法、装置、电子设备及存储介质 | |
US20230103040A1 (en) | Vehicle travel control method and apparatus | |
CN109558854B (zh) | 障碍物感知方法、装置、电子设备及存储介质 | |
CN111380546A (zh) | 基于平行道路的车辆定位方法、装置、电子设备和介质 | |
CN110647675B (zh) | 停留点识别及预测模型训练方法、装置及存储介质 | |
US20200082039A1 (en) | Obstacle distribution simulation method, device and terminal based on a probability graph | |
CN115410410B (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN113804204A (zh) | 应用于车辆中的驾驶方法、装置、电子设备和存储介质 | |
CN111354217A (zh) | 停车路线确定方法、装置、设备及介质 | |
CN112798004A (zh) | 一种车辆的定位方法、装置、设备及存储介质 | |
CN110516564A (zh) | 路面检测方法和装置 | |
CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
CN113624245A (zh) | 导航方法及装置、计算机存储介质、电子设备 | |
CN111581471B (zh) | 区域查车的方法、装置、服务器及介质 | |
CN108204818B (zh) | 一种道路间直行关系确定方法及装置、以及混合导航系统 | |
CN109934496B (zh) | 区域间通行影响确定方法、装置、设备和介质 | |
CN110440788B (zh) | 跨越单线道路的导航提示方法、服务器及计算机可读介质 | |
CN111047107A (zh) | 公路通行时间预测方法、装置、电子设备和存储介质 | |
CN113276888B (zh) | 基于自动驾驶的乘车方法、装置、设备和存储介质 | |
CN113449798A (zh) | 港口无人驾驶地图生成方法、装置、电子设备、存储介质 | |
CN113483770A (zh) | 封闭场景下的路径规划方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |