CN113701781B - 一种基于高精地图和视觉车道线的匹配车道搜索方法 - Google Patents
一种基于高精地图和视觉车道线的匹配车道搜索方法 Download PDFInfo
- Publication number
- CN113701781B CN113701781B CN202111162891.7A CN202111162891A CN113701781B CN 113701781 B CN113701781 B CN 113701781B CN 202111162891 A CN202111162891 A CN 202111162891A CN 113701781 B CN113701781 B CN 113701781B
- Authority
- CN
- China
- Prior art keywords
- lane
- searching
- precision map
- vehicle
- visual
- 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
Links
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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
本发明提供一种基于高精地图和视觉车道线的匹配车道搜索方法、系统及计算机可读存储介质,包括获取输入信息、定位连续性检测、车道搜索、属性匹配检测和距离匹配检测等步骤。本发明考结合视觉信息获得更准的自车匹配车道,同时合理使用阈值,尽可能进行准确计算,避免因阈值设置影响结果的准确性,并提高搜索效率,同时考虑了各种视觉失效情况,并采取了一定冗余措施。
Description
技术领域
本发明属于车辆辅助驾驶技术领域,具体涉及用于自动驾驶中的自车车道级定位技术,更具体涉及包括IACC(Integrated Adapted Cruise Control,集成式自适应巡航)、TJP(Traffic Jam Pilot,交通拥堵自动驾驶)等自动驾驶功能中自车行驶车道确定,以及用于融合定位中粗定位部分。
背景技术
专利文献CN106918342B公开了一种无人驾驶车辆行驶路径定位方法及定位系统,其根据行车感知单元采集到的信息建立二维栅格点阵模型,然后根据二维栅格点阵模型中各车道边线的位置、车道中线的位置及车辆自身的位置判断车辆在道路中所处的当前车道。利用该方法确定自车当前车道需要感知单元能感知当前道路的所有车道边线,而在实际应用中,受传感器自身探测视场角、车道线边线清晰度、遮挡等条件限制,感知单元通常难以实时感知到所有车道边线。
专利文献CN110110029A公开了一种用于匹配车道的方法和装置,该方法设定一个距离阈值,对当前采样时刻与历史采样时刻定位位置间的距离与该阈值的关系进行判断。若位置距离小于阈值,则历史匹配车道即为当前匹配车道;若位置距离大于阈值,则根据预设地图获取与当前采样时刻位置距离小于预设距离的候选车道信息集合,通过距离和相关参数值确定匹配车道。该方法能正确判断当前匹配车道的前提是从GPS获取的定位有较高的精度,总是能准确定位在自车当前车道内,显然这点是较难保证的。同时该方法使用了阈值,阈值的设置对正确匹配是有风险的。
发明内容
针对现有技术存在的不足,本发明提供一种基于高精地图和视觉车道线的匹配车道搜索方法,提高车道匹配的准确性。
本发明的技术方案如下:
一种基于高精地图和视觉车道线的匹配车道搜索方法,包括如下步骤:
步骤1、获取输入信息,包括:从智能摄像头获取从前方道路图像中检测到的车道线及路沿信息;从定位设备获取自车的经纬度及航向信息;从高精地图获取车道线及路沿的经纬度形点以及车道线类型等属性信息。
步骤2、定位连续性检测:判断当前时刻定位设备给出的自车位置是否与上一时刻的自车位置在同一车道内,若在同一车道则当前车道编号与上一时刻车道编号相同,输出车道编号;若不在同一车道,则执行步骤3。
步骤3、车道搜索:对高精地图中当前道路的车道进行搜索得到初始车道,或者进一步搜索直至得到真实车道。
步骤4、属性匹配检测:通过视觉车道线与高精地图车道线的属性匹配来判断自车所处车道,若匹配,则输出车道编号,否则,执行步骤5。
步骤5、距离匹配检测:比较视觉车道线计算的距离和通过高精地图及定位计算的距离,若二者的距离差小于阈值,则距离匹配,定位位置在高精地图上确定车道即为准确的当前时刻自车车道,否则,返回步骤3,直到找到匹配车道或搜索结束。
进一步,所述步骤2的判断方法是:判断当前自车位置在前一时刻自车坐标系下是否在前一时刻自车车道左右车道线之间,即判断在自车纵向位置处,自车横向位置是否在前一时刻自车车道左右车道线点的横向坐标之间。
进一步,所述步骤4判断当前车道为基准判断视觉车道线与高精地图车道线是否对应匹配有如下特殊场景:当属性匹配的车道线数量小于2时,认为不匹配;当所有车道线的属性都相同无法区分且视觉检测到的车道数量小于道路实际数量时,即使所有车道线的属性都匹配也无法确认当前车道,此时认为不匹配。
所述步骤3车道搜索包括,根据当前时刻定位设备输出的自车位置,结合步骤2高精地图提供的车道线经纬度形点数据,判断该位置在高精地图中的车道,即得到搜索的起始车道,输出给步骤4。
进一步,所述步骤3的搜索还包括经过步骤4和5判断搜索的起始车道不匹配时,进行进一步车道搜索,搜索方式包括:(1)确定优先搜索方向:根据步骤4根据计算的视觉和高精地图车道线到路沿的距离,根据两者的距离关系确定能更快搜索到匹配车道的方向;(2)概率搜索:当步骤4无法明确搜索方向时,采用从定位位置车道开始向两边更远车道搜索的方式。
另一方面,本发明还提供一种基于高精地图和视觉车道线的匹配车道搜索系统,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现以上技术方案所述的基于高精地图和视觉车道线的匹配车道搜索方法。
另一方面,本发明还提供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,所述计算机该程序被处理器执行时,实现如上的技术方案所述的基于高精地图和视觉车道线的匹配车道搜索方法。
本发明与现有技术相比具有以下优点:
1、考虑到定位设备的定位误差,比如GPS失锁、惯导零偏等,给出的自车位置可能偏出自车车道,本发明结合视觉信息获得更准的自车匹配车道,同时合理使用阈值,尽可能进行准确计算,避免因阈值设置影响结果的准确性。
2、考虑视觉传感器的特性,视场角有限且易受环境的影响,在本发明中考虑了各种视觉失效情况,并采取了一定冗余措施。
3、本发明考虑了提高计算效率,首先通过定位连续性判断避免每个周期都进行搜索匹配,然后利用参考特征提高搜索效率。
附图说明
图1为本发明中计算基于的自车坐标系。
图2为本发明的匹配车道搜索算法流程图。
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,本发明的实施方式包括但不限于下列实施方式。
本发明中涉及的计算都基于自车坐标系,参见图1所示。
本实施例公开了一种基于高精地图和视觉车道线的匹配车道搜索方法,流程图如图2所示,所述方法具体包括以下步骤:
1、获取输入信息
从智能摄像头获取从前方道路图像中检测到的车道线及路沿信息。从定位设备(如GPS等)获取自车的经纬度及航向信息。地图模块根据从定位设备获取的自车定位信息提取周围一定范围内的高精地图数据,该局部高精地图数据作为本方法的输入。高精地图数据中包含车道线、路沿的经纬度形点,车道线类型等属性信息。
本实施例中,视觉车道线和路沿的形状用三次曲线的形式表征:y=C0+C1x+C2x2+C3x3,每条车道线包含各自的属性信息,如颜色、线型等,即每条车道都可用[id,y(x),color,type]来表示。由于车道线表示为自车坐标系(如图1所示)下的三次曲线,因此很容易判断每条车道线与本车的位置关系。同时根据定位设备给出的自车坐标,可以判断该坐标在高精地图中的位置。
2、定位连续性检测
该步骤判断当前时刻定位设备给出的自车位置是否与上一时刻的自车位置在同一车道内,若在同一车道则当前车道编号与上一时刻车道编号相同,若不在同一车道,则需执行下一步骤的判断。要判断当前自车位置是否与前一时刻在同一车道内,本方法判断当前自车位置在前一时刻自车坐标系下是否在前一时刻自车车道左右车道线之间,即判断在自车纵向位置处,自车横向位置是否在前一时刻自车车道左右车道线点的横向坐标之间。
本实施例中,以上一时刻定位设备给出的自车位置为原点,将上一时刻高精地图车道线形点经纬度坐标转换为该坐标系下的相对坐标。同时将当前时刻的自车位置也转换到以上一时刻自车坐标为原点的坐标系下,转换后的相对坐标为Phv_rel(xhv,yhv)。由于高精地图车道线形点间有一定间隔,因此在当前自车的相对纵向位置xhv处,对高精地图车道线进行线性插值(也可采用其他插值方法,因位置判断对插值精度不敏感故可采用简单的线性插值)。以左车道线为例,设在xhv处的插值点坐标为(xhv,yl(xhv))。首先搜索离xhv处最近的两个形点(xl1,yl1)、(xl2,yl2),进行线性插值计算可得yl(xhv)=[(yl1-yl2)·xhv+xl1·yl2-xl2·yl1]/(xl1-xl2)。同理得到右车道线在xhv处的插值坐标(xhv,yr(xhv))。若xl(xhv)<xhv<xr(xhv),则认为当前时刻与前一时刻在同一车道内,否则认为定位不连续需进一步判断匹配车道。
3、车道搜索:
本步骤一方面,根据当前时刻定位设备输出的自车位置,结合高精地图提供的车道线经纬度形点数据,可以判断该位置在高精地图中的车道,即为搜索的起始车道,将该该车道输出给步骤4。
另一方面,由于定位设备的定位误差,输出的自车位置可能会偏离自车的真实位置数个车道,由该定位结果在高精地图上确定的自车当前车道可能是不准确的。因此,需要在步骤4和5进一步判断该车道是否为真实的当前自车车道后。若搜索的起始车道不是真实车道,本步骤将进行进一步车道搜索结合视觉车道线来进一步确定本车的真实车道。
4、属性匹配检测
通过视觉车道线与高精地图车道线的属性匹配来判断自车所处车道,若匹配,则输出车道编号,否则,执行步骤5。
当通过定位的连续性无法判断车道时,本方法通过道路的其他特征进行判断。一条道路的车道线可能有实线、虚线、双线等各种类型以及白色、黄色等多种颜色,该步骤利用车道线的属性特征是否匹配来判断自车所处车道。具体的步骤1中提到通过视觉检测的车道线可以判断各条车道线与自车的位置关系,那么我们有很大概率能获取本车道车道线及临近车道线的属性信息。同时高精地图数据包含了所有车道线准确的属性信息,因此可通过视觉车道线与高精地图车道线的属性匹配来判断自车车道。当然视觉检测可能无效,也可能不完全准确,步骤5将通过距离匹配作为一种冗余判断方法。
具体地,判断当前车道为基准判断视觉车道线与高精地图车道线是否对应匹配。这里需注意几种特殊场景:当属性匹配的车道线数量小于2时认为不匹配;当所有车道线的属性都相同无法区分且视觉检测到的车道数量小于道路实际数量时,即使所有车道线的属性都匹配也无法确认当前车道,此时认为不匹配。
5、距离匹配检测
比较视觉车道线计算的距离和通过高精地图及定位计算的距离,若二者的距离差小于阈值,则距离匹配,定位位置在高精地图上确定车道即为准确的当前时刻自车车道,否则,返回步骤3,直到找到匹配车道或搜索结束。
在智能摄像头的视场范围内有时可检测到路沿信息,路沿是道路的边界,通过边界信息可判断自车所处车道。为排除自车在车道内位置的影响,本方法判断自车所在车道左右车道线到路沿的距离。通过比较视觉车道线计算出的距离和通过高精地图及定位计算出的距离,若二者的距离差小于一个阈值,则认为距离是匹配的,定位位置在高精地图上确定车道即为准确的当前时刻自车车道。否则,将返回步骤3对高精地图车道进行搜索,判断其他车道的匹配情况。
在本实施例中,对视觉检测的车道线计算本车道左右车道线到左右路沿的距离可得到四个值dv_l2l,dv_l2r,dv_r2l,dv_r2l(l2l表示左车道线到左路沿,以此类推)。同样,若认为从定位设备获取的自车位置为准确位置,在高精地图中也可计算得到这四个值dm_l2l,dm_l2r,dm_r2l,dm_r2l。因为由视觉获得的四个距离值可能不都是有效的,选择其中有效的距离值与对应的高精地图获得的对应值进行比较,比如视觉的左车道线及右路沿是有效的,则dv_l2r和dm_l2r有效。由于视觉检测误差,这里设置一个阈值dthreshold用来判断距离差是否超过一个车道,例如可取dthreshold=1.5。若|dv_l2r-dm_l2r|<dthreshold,则认为定位位置在高精地图上确定车道即为准确的当前时刻自车车道。
以上步骤4和步骤5通过属性和距离匹配说明了如何确定一个车道是否为自车车道,当返回步骤3对高精地图中当前道路的车道进行搜索时,考虑到减少计算量提高搜索效率,遍历显然不是最优的方案。
因此,本方法提出两种车道搜索方式来提高搜索效率:
(1)确定优先搜索方向。步骤4中计算了视觉和高精地图车道线到路沿的距离,根据两者的距离关系可确定能更快搜索到匹配车道的方向。
在本实施例中,具体地,首先判断定位位置是否为匹配车道。若不是则以此车道为基准车道,当满足dv_l2l<dm_l2l或dv_l2r>dm_l2r时,首先向左进行搜索,当满足dv_l2l>dm_l2l或dv_l2r<dm_l2r时,首先向右进行搜索。
(2)概率搜索。本方法认为正确匹配的车道在定位位置附近的概率更高,并逐渐向两边降低。因此,当步骤4无法明确搜索方向时,可采用从定位位置车道开始向两边更远车道交替搜索的方式。
在本实施例中,具体地,定位位置确定的当前车道为lanebase,count为搜索次数,factor(初值为1)为交替搜索的控制因子,令搜索到的当前车道laneNo的初值laneNo(0)=lanebase,则laneNo(i)=laneNo(i-1)+factor*count,factor*=-1,i=1,2,3...。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (7)
1.一种基于高精地图和视觉车道线的匹配车道搜索方法,包括如下步骤:
步骤1、获取输入信息,包括:从智能摄像头获取从前方道路图像中检测到的车道线及路沿信息;从定位设备获取自车的经纬度及航向信息;从高精地图获取车道线及路沿的经纬度形点以及车道线类型等属性信息;
步骤2、定位连续性检测:判断当前时刻定位设备给出的自车位置是否与上一时刻的自车位置在同一车道内,若在同一车道则当前车道编号与上一时刻车道编号相同,输出车道编号;若不在同一车道,则执行步骤3;
步骤3、车道搜索:对高精地图中当前道路的车道进行搜索;
步骤4、属性匹配检测:通过视觉车道线与高精地图车道线的属性匹配来判断自车所处车道,若匹配,则输出车道编号,否则,执行步骤5;
步骤5、距离匹配检测:比较视觉车道线计算的距离和通过高精地图及定位计算的距离,若二者的距离差小于阈值,则距离匹配,定位位置在高精地图上确定车道即为准确的当前时刻自车车道,否则,返回步骤3,直到找到匹配车道或搜索结束;
所述步骤3车道搜索还包括,在经过步骤4和5判断搜索的起始车道部匹配时,进行进一步车道搜索,搜索方式包括:(1)确定优先搜索方向:根据步骤4根据计算的视觉和高精地图车道线到路沿的距离,根据两者的距离关系确定能更快搜索到匹配车道的方向;(2)概率搜索:当步骤4无法明确搜索方向时,采用从定位位置车道开始向两边更远车道搜索的方式;
所述确定优先搜索方向具体地:首先判断定位位置是否为匹配车道;若不是则以此车道为基准车道,当满足dv_l2l<dm_l2l或dv_l2r>dm_l2r时,首先向左进行搜索,当满足dv_l2l>dm_l2l或dv_l2r<dm_l2r时,首先向右进行搜索;其中,dv_l2l,dv_l2r,dv_r2l,dv_r2l是本车道左右车道线到左右路沿的距离可得到四个值,l2l表示左车道线到左路沿,以此类推。
2.根据权利要求1所述的基于高精地图和视觉车道线的匹配车道搜索方法其特征在于,所述步骤2的判断方法是:判断当前自车位置在前一时刻自车坐标系下是否在前一时刻自车车道左右车道线之间,即判断在自车纵向位置处,自车横向位置是否在前一时刻自车车道左右车道线点的横向坐标之间。
3.根据权利要求1所述的基于高精地图和视觉车道线的匹配车道搜索方法,其特征在于,所述步骤3车道搜索包括,根据当前时刻定位设备输出的自车位置,结合步骤2高精地图提供的车道线经纬度形点数据,判断该位置在高精地图中的车道,即得到搜索的起始车道,输出给步骤4。
4.根据权利要求1所述的基于高精地图和视觉车道线的匹配车道搜索方法,其特征在于,所述步骤4判断当前车道为基准判断视觉车道线与高精地图车道线是否对应匹配有如下特殊场景:当属性匹配的车道线数量小于2时,认为不匹配;当所有车道线的属性都相同无法区分且视觉检测到的车道数量小于道路实际数量时,即使所有车道线的属性都匹配也无法确认当前车道,此时认为不匹配。
5.根据权利要求1所述的基于高精地图和视觉车道线的匹配车道搜索方法,其特征在于,所述概率搜索具体是:定位位置确定的当前车道为lanebase,count为搜索次数,factor为交替搜索的控制因子,初值为1,令搜索到的当前车道laneNo的初值laneNo(0)=lanebase,则laneNo(i)=laneNo(i-1)+factor*count,factor*=-1,i=1,2,3...。
6.一种基于高精地图和视觉车道线的匹配车道搜索系统,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-5任一所述的基于高精地图和视觉车道线的匹配车道搜索方法。
7.一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,所述计算机该程序被处理器执行时,实现如权利要求1-5任一所述的基于高精地图和视觉车道线的匹配车道搜索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162891.7A CN113701781B (zh) | 2021-09-30 | 2021-09-30 | 一种基于高精地图和视觉车道线的匹配车道搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162891.7A CN113701781B (zh) | 2021-09-30 | 2021-09-30 | 一种基于高精地图和视觉车道线的匹配车道搜索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113701781A CN113701781A (zh) | 2021-11-26 |
CN113701781B true CN113701781B (zh) | 2023-07-18 |
Family
ID=78662585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111162891.7A Active CN113701781B (zh) | 2021-09-30 | 2021-09-30 | 一种基于高精地图和视觉车道线的匹配车道搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113701781B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114162140B (zh) * | 2021-12-08 | 2023-08-01 | 武汉中海庭数据技术有限公司 | 一种最优车道匹配方法及系统 |
CN114493026A (zh) * | 2022-02-08 | 2022-05-13 | 云控智行(上海)汽车科技有限公司 | 一种基于精准定位和路径预测的区域风险提示方法及系统 |
CN114396957B (zh) * | 2022-02-28 | 2023-10-13 | 重庆长安汽车股份有限公司 | 基于视觉与地图车道线匹配的定位位姿校准方法及汽车 |
CN115143996B (zh) * | 2022-09-05 | 2023-01-17 | 北京智行者科技股份有限公司 | 定位信息修正方法及电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110979346A (zh) * | 2019-11-29 | 2020-04-10 | 北京百度网讯科技有限公司 | 确定车辆所处车道的方法、装置及设备 |
CN111507130A (zh) * | 2019-01-31 | 2020-08-07 | 广州汽车集团股份有限公司 | 车道级定位方法及系统、计算机设备、车辆、存储介质 |
CN111507129A (zh) * | 2019-01-31 | 2020-08-07 | 广州汽车集团股份有限公司 | 车道级定位方法及系统、计算机设备、车辆、存储介质 |
CN111814114A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 车道定位校验的方法、设备、电子设备、车辆及存储介质 |
CN112964260A (zh) * | 2021-02-01 | 2021-06-15 | 东风商用车有限公司 | 自动驾驶定位方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11093761B2 (en) * | 2019-03-06 | 2021-08-17 | GM Global Technology Operations LLC | Lane position sensing and tracking in a vehicle |
-
2021
- 2021-09-30 CN CN202111162891.7A patent/CN113701781B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507130A (zh) * | 2019-01-31 | 2020-08-07 | 广州汽车集团股份有限公司 | 车道级定位方法及系统、计算机设备、车辆、存储介质 |
CN111507129A (zh) * | 2019-01-31 | 2020-08-07 | 广州汽车集团股份有限公司 | 车道级定位方法及系统、计算机设备、车辆、存储介质 |
CN110979346A (zh) * | 2019-11-29 | 2020-04-10 | 北京百度网讯科技有限公司 | 确定车辆所处车道的方法、装置及设备 |
CN111814114A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 车道定位校验的方法、设备、电子设备、车辆及存储介质 |
CN112964260A (zh) * | 2021-02-01 | 2021-06-15 | 东风商用车有限公司 | 自动驾驶定位方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113701781A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113701781B (zh) | 一种基于高精地图和视觉车道线的匹配车道搜索方法 | |
CN113538919B (zh) | 车道偏离识别方法、装置、设备和存储介质 | |
KR102128851B1 (ko) | 제1 랜드마크의 글로벌 위치를 결정하는 방법 및 시스템 | |
US10240934B2 (en) | Method and system for determining a position relative to a digital map | |
JP5152677B2 (ja) | ナビゲーション装置及びナビゲーション用プログラム | |
US6640188B2 (en) | Car navigation apparatus capable of determining entry into parking area | |
CN111380539A (zh) | 车辆定位、导航方法和装置及相关系统 | |
CN109477728B (zh) | 用于确定车辆相对于路面行车道的横向位置的方法和装置 | |
CN108627175A (zh) | 用于识别车辆位置的系统和方法 | |
EP3748300A1 (en) | Lane-level map matching | |
KR20220033477A (ko) | 자동 발렛 파킹 시스템의 위치 추정 장치 및 방법 | |
WO2020189079A1 (ja) | 自己位置推定装置、それを備えた自動運転システム、および、自己生成地図共有装置 | |
CN102208012A (zh) | 风景匹配参考数据生成系统及位置测量系统 | |
CN109154505B (zh) | 用于确定车辆相对于马路的车道的横向位置的方法、设备和具有指令的计算机可读存储介质 | |
EP2482036B1 (en) | Course guidance system, course guidance method, and course guidance program | |
CN110608746A (zh) | 用于确定机动车的位置的方法和装置 | |
CN113566817B (zh) | 一种车辆定位方法及装置 | |
JP2023078138A (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
Flade et al. | Lane detection based camera to map alignment using open-source map data | |
US11287281B2 (en) | Analysis of localization errors in a mobile object | |
US11812342B2 (en) | Cellular-based navigation method | |
KR20200002257A (ko) | 꼭지점 검출 기반의 도로 표지판 검출 방법 및 장치 | |
KR102674613B1 (ko) | 차로 결정 방법 및 차로 결정 장치 | |
US20240200977A1 (en) | Map data generation device, map data generation system, and storage medium | |
CN116499463A (zh) | 基于感知结果的车道级定位方法、装置、车辆及存储介质 |
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 |