CN113706704A - 基于高精地图规划路线的方法、设备以及自动驾驶车辆 - Google Patents
基于高精地图规划路线的方法、设备以及自动驾驶车辆 Download PDFInfo
- Publication number
- CN113706704A CN113706704A CN202111031765.8A CN202111031765A CN113706704A CN 113706704 A CN113706704 A CN 113706704A CN 202111031765 A CN202111031765 A CN 202111031765A CN 113706704 A CN113706704 A CN 113706704A
- Authority
- CN
- China
- Prior art keywords
- target image
- map
- determining
- target
- traffic
- 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 39
- 230000008859 change Effects 0.000 claims abstract description 51
- 239000003550 marker Substances 0.000 claims abstract description 42
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 230000004075 alteration Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Abstract
本公开提供了一种基于高精地图规划路线的方法、设备以及自动驾驶车辆,涉及计算机技术领域,尤其涉及自动驾驶领域。具体实现方案为:确定交通标志物的变更信息;基于所述交通标志物的变更信息,构建目标区域的地图;根据所述地图规划目标车辆的行驶路线。根据本公开的技术可以自动识别交通标志物的变更信息并自动规划路线,取消设置车辆内的安全员,进一步提高自动驾驶的智能化水平,提升用户体验。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及自动驾驶领域。
背景技术
当前L4级自动驾驶技术领域,车辆需要配备安全员来人工识别当前道路是否存在交通指示物变更,以及在出现交通指示物变更的情况时通过安全员的人工接管,保证自动驾驶的安全性。
在无人驾驶场景(取消配备安全员)下,如何自动识别交通指示物的变更信息,以及如何自动规划路线成为需要解决的问题。
发明内容
本公开提供了一种基于高精地图规划路线的方法、设备以及自动驾驶车辆。
根据本公开的一方面,提供了一种基于高精地图规划路线的方法,该方法可以包括以下步骤:
确定交通标志物的变更信息;
基于所述交通标志物的变更信息,构建目标区域的地图;
根据所述地图规划目标车辆的行驶路线。
根据本公开的另一方面,提供了一种基于高精地图规划路线的装置,包括:
确定模块,用于确定交通标志物的变更信息;
构建模块,用于基于所述交通标志物的变更信息,构建目标区域的地图;
规划模块,用于根据所述地图规划目标车辆的行驶路线。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种自动驾驶车辆,包括本公开实施例中的电子设备。
通过上述过程,可以实现在交通标志物变更场景下的无人驾驶,提升了自动驾驶的智能化水平。另外,可以摆脱自动驾驶对车辆安全员的依赖,提升自动驾驶过程的用户体验。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开规划路线的方法的流程图;
图2是根据本公开确定交通标志物变更信息的流程图;
图3是根据本公开构建目标区域的地图的流程图一;
图4是根据本公开构建目标区域的地图的流程图二;
图5是根据本公开确定交通标志物3D位置坐标的流程图;
图6是根据本公开规划路线的装置的示意图;
图7是用来实现本公开实施例的规划路线方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,本公开涉及一种基于高精地图规划路线的方法,该方法可以包括以下步骤:
S101:确定交通标志物的变更信息;
S102:基于交通标志物的变更信息,构建目标区域的地图;
S103:根据地图规划目标车辆的行驶路线。
本公开的上述规划路线的过程的执行主体可以是目标车辆的PNC模块(PlanningAnd Control,规划和控制),PNC模块可以与目标车辆的感知模块及执行模块进行数据传输,其中,感知模块例如,车载摄像头,三维激光雷达、全局位姿测量系统等。执行模块例如,发动机传动系统,制动系统,转向系统等。
上述交通标志物可以包括但不限于以下至少一项:交通信号灯,车道实线,交通标牌等,其中,车道线可以包括实线、虚线、停止线、斑马线等,此处不做穷举。
交通标志物的变更信息可以通过判断目标区域的图像数据相对于高精地图而言是否具有差异信息来确定。其中,高精地图可以是预先存储在目标车辆中的地图数据,目标区域的图像数据可以是目标车辆在当前环境下采集到的图像数据。变更信息可以是目标区域的图像数据相对于高精地图新增、更改以及删减的数据信息。比如,交通标志物的变更信息可以是目标区域新增交通信号灯的信息,或者可以是目标区域所在道路的车道虚线变更为车道实线的信息等,此处不做穷举。
确定交通标志物的变更信息后,可以生成变更信息的预警信号。响应于预警信号,上述执行主体开始构建目标区域的地图。其中,重新构建的目标区域地图中包含交通标志物的变更信息。
根据地图规划目标车辆的行驶路线,可以是响应于预警信号,由云端安全员根据地图规划当前的行驶路线;也可以是目标车辆的PNC模块进行局部路线规划。在目标车辆离开交通标志物发生变更的位置后,车辆切换回到自动驾驶状态。
具体来说,由云端安全员进行远程协助的方式可以是通过车云联动技术,将目标区域的地图数据发送至云端。由此,在交通标志物发生变更的场景下,由云端安全员进行远程协助。
通过上述过程,实现在交通标志物变更场景下的无人驾驶,提升了自动驾驶的智能化水平。另外,可以摆脱自动驾驶对车辆安全员的依赖,提升自动驾驶过程的用户体验。
如图2所示,在一种实施方式中,步骤S101可以包括以下子步骤:
S201:获取包含有交通标志物的第一目标图像;
S202:将与第一目标图像匹配的高精地图投影至第一目标图像所在平面,生成投影图像;
S203:根据第一目标图像和投影图像的差异,确定交通标志物的变更信息。
上述第一目标图像可以是车载摄像头中获取的实时图像,随着目标车辆的移动,第一目标图像不断发生变化。车载摄像头的数量可以根据需要进行设置,可以是1个,2个,3个等,此处不做限定。车载摄像头的安装位置也可以根据需要进行设定,例如,安装在车辆前端、后端、侧面等。
同一时刻,目标车辆可以通过不同的车载摄像头采集到多个第一目标图像。其中,有些第一目标图像中包括有交通标志物图像,有些则不包括。在第一目标图像中选取包含有交通标志物的第一目标图像。具体地,可以将第一目标图像输入至预先训练的道路图像识别模型,得到至少一个第一目标图像的识别结果。其中,道路图像识别模型可以包括基于空洞可分离卷积的编码网络和解码网络,获取道路图像的交通标志物在多个尺度上的卷积特征,从而能够对第一目标图像进行识别。
然后本实施例的执行主体获取包含有交通标志物的第一目标图像,将与第一目标图像匹配的高精地图投影至第一目标图像所在平面,生成投影图像。其中,上述匹配的高精地图可以包括交通标志物的三维数据。第一目标图像和高精地图的匹配可以根据目标车辆的实时坐标来确定,目标车辆的实时坐标可以通过多种方式获取,例如,可以基于车辆定位系统获取。
高精地图中包含有对应于激光点云的三维数据,本实施例执行主体可以根据当前摄像头姿态信息所指示的坐标变换矩阵,将上述与第一目标图像匹配的高精地图向第一目标图像所在的平面进行投影,从而生成投影图像。其中,第一目标图像所在的平面参数可以根据采集第一目标图像的车载摄像头的位姿信息确定。
在一种实施方式中,生成投影图像后可以进一步包含对投影图像进行后处理步骤。后处理可以包括但不限于:重复线的删除,不规则轮廓线的修正等。
根据第一目标图像和投影图像的差异,确定交通标志物的变更信息。其中,变更信息包括是否发生变更、变更位置以及变更要素等。
在一种实施方式中,执行主体可以通过网格搜索法来确定第一目标图像与高精地图之间的差异。例如,将第一目标图像和投影图像均分割为N个网格。依次提取第一目标图像网格和相应位置的投影图像网格并进行比较,确定对应的网格之间是否存在区别信息,并得到N个比较结果。基于N个比较结果来确定第一目标图像与高精地图之间的差异。
作为示例,当存在区别信息的网格数量大于预设阈值的情况下,确定交通标志物的变更信息为:发生变更;相反,当存在差异信息的网格数量不大于预设阈值的情况下,确定交通标志物的变更信息为:未发生变更。其中,预设阈值可以根据需要进行设定,比如可以设定为1,2,3等,此处不予限定。
通过上述过程,通过网格搜索方式可以快速识别出第一目标图像和投影图像的差异,从而能够快速、准确地确定交通标志物的变更信息。
如图3所示,在一种实施方式中,步骤S102可以包括以下子步骤:
S301:响应于交通标志物的变更信息,调整图像采集设备的姿态信息,以使图像采集设备朝向发生变更的交通标志物所在方位。
S302:基于调整后的姿态信息,获取第二目标图像;
S303:根据第二目标图像,构建目标区域的地图。
其中,图像采集设备可以是单目车载摄像头,也可以是双目车载摄像头等,此处不予限定。
响应于交通标志物的变更信息,调整车载摄像头的姿态信息,可以是在交通标志物发生变更的情况下,通过调整姿态信息将车载摄像头从第一姿态调整为第二姿态。
可选地,姿态信息可以是车载摄像头的角度信息。第一姿态可以是目标车辆在自动驾驶状态下的车载摄像头对应的姿态。基于第一姿态采集得到的第一目标图像中,交通标志物图像可能存在标志物不完整,或者位于第一目标图像的边缘位置等问题。响应于交通标志物的变更信息,调整车载摄像头的姿态信息,以使车载摄像头朝向发生变更的交通标志物所在方位。其中,姿态信息可以是指车载摄像头的旋转角度、俯仰角度等。
举例来说,在目标车辆的前视车载摄像头于第一姿态采集得到的第一目标图像中包含有新增的交通信号灯,此时响应于交通标志物的变更信息,调整前视车载摄像头的角度信息以使车载摄像头朝向新增的交通信号灯所在的方位。具体而言,当新增的交通信号灯处于第一目标图像的顶部边缘位置,可以将前视车载摄像头向上调整相应的角度,即进行俯仰角度的调整。当新增的交通信号灯处于第一目标图像的其它边缘位置时,同理可以做出适应性调整,此处不再赘述。
基于调整后的姿态信息,通过车载摄像头采集第二目标图像。其中,相比第一目标图像而言,第二目标图像中的交通标志物位于其中间位置,由此便于构建目标区域的地图。
通过上述过程,基于调整后的姿态信息,可以提升包含有交通标志物的第二目标图像的清晰度和完整度,由此可以提高目标区域地图的精确性。
如图4所示,在一种实施方式中,步骤S303可以包括以下子步骤:
S401:确定第二目标图像中的交通标志物;
S402:利用获取到的点云数据,确定第二目标图像中的交通标志物的3D位置坐标;
S403:根据3D位置坐标生成第二目标图像对应的深度图,将深度图作为目标区域的地图。
其中,确定第二目标图像中的交通标志物,可以是确定第二目标图像中交通标志物的位置、名称等要素信息。可选地,交通标志物的位置可以是其在第二目标图像中的2D坐标。
交通标志物的名称同样可以基于上述图像识别模型获得,例如,将第二目标图像输入至预先训练的道路图像识别模型,得到至少一个第二目标图像识别结果。具体执行步骤可以参照对于第一目标图像的处理,此处不再赘述。
点云数据可以是基于目标车辆的三维激光传感器实时获取的。利用点云数据,可以交通标志物的3D位置坐标。其中,3D位置坐标可以是交通标志物中某一关键点的位置坐标,比如可以是交通标牌的中心点位置坐标或者交通标牌的检测框顶点的位置坐标。当然,根据需要可以将交通标志物的其他点(例如轮廓点)作为关键点,此处不予限定。
根据3D位置坐标生成第二目标图像对应的深度图。在获取交通标志物变更信息的情况下,利用深度图替换高精地图并作为目标区域的地图,用以完成目标区域的路线规划。
如图5所示,在一种实施方式中,步骤S402可以包括以下子步骤:
S501:确定第二目标图像与点云数据之间的相对位姿关系。
S502:利用相对位姿关系,确定第二目标图像中的2D点和点云数据中的3D点之间的投影关系。
S503:根据投影关系确定交通标志物的3D位置坐标。
首先确定调整姿态信息之后的车载摄像头与三维激光传感器之间的硬件位姿关系,对硬件位姿关系进行矩阵转换,标定出第二目标图像与点云数据之间的相对位姿关系。
第二目标图像中的2D点与点云数据中的3D点之间存在一一对应关系,利用相对位姿可以将点云数据中的3D点投影到第二目标图像的2D点中。
利用点云数据在深度感知方面的检测优势以及图像数据在纹理感知方面的检测优势,可以在第二目标图像的2D像素点上叠加与其具有投影关系的3D像素点的深度信息,以得到第二目标图像中各个2D像素点的3D坐标。其中,包括交通标志物对应的3D位置坐标。
在一种实施方式中,执行主体可以将目标区域的地图与高精地图进行对比展示,还可以在目标区域的地图以及高精地图中的对应位置,对交通标志物变更信息进行突出显示等。其中,突出显示的方式可以是高亮显示、闪烁显示等,此处不予限定。
通过将目标区域的地图与高精地图进行对比展示,可以辅助云端安全员或者是PNC模块准确定位交通指示物的变更信息,提升目标车辆的安全性。
如图6所示,本公开涉及一种基于高精地图规划路线的装置,包括:
确定模块601,用于确定交通标志物的变更信息;
构建模块602,用于基于交通标志物的变更信息,构建目标区域的地图;
规划模块603,用于根据地图规划目标车辆的行驶路线。
在一种实施方式中,确定模块601可以进一步包括:
第一目标图像获取子模块,用于获取包含有交通标志物的第一目标图像;
投影子模块,用于将与第一目标图像匹配的高精地图投影至第一目标图像所在平面,生成投影图像;
变更信息确定子模块,用于根据第一目标图像和投影图像的差异,确定交通标志物的变更信息。
在一种实施方式中,构建模块602可以进一步包括:
姿态调整子模块,用于响应于交通标志物的变更信息,调整图像采集设备的姿态信息,以使图像采集设备朝向发生变更的交通标志物所在方位;
第二目标图像获取子模块,用于基于调整后的姿态信息,获取第二目标图像;
构建子模块,用于根据第二目标图像,构建目标区域的地图。
在一种实施方式中,构建子模块可以进一步包括:
第二目标图像确定子模块,用于确定第二目标图像中的交通标志物;
3D位置坐标确定子模块,用于利用获取到的点云数据,确定第二目标图像中的交通标志物的3D位置坐标;
地图确定执行子模块,用于根据3D位置坐标生成第二目标图像对应的深度图数据,将深度图数据作为目标区域的地图。
在一种实施方式中,3D位置坐标确定子模块可以进一步包括:
位姿确定子模块,用于确定第二目标图像与点云数据之间的相对位姿关系;
投影关系确定子模块,用于利用相对位姿关系,确定第二目标图像中的2D像素点和点云数据中的3D像素点之间的投影关系;
根据投影关系确定交通标志物的3D位置坐标。
在一种实施方式中,装置还包括:
展示子模块,用于将目标区域的地图与高精地图进行对比展示。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
另外,本公开还提供了一种包括本公开提供的电子设备的自动驾驶车辆。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如规划路线的方法。例如,在一些实施例中,规划路线的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的规划路线的方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行规划路线的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (16)
1.一种基于高精地图规划路线的方法,包括:
确定交通标志物的变更信息;
基于所述交通标志物的变更信息,构建目标区域的地图;
根据所述地图规划目标车辆的行驶路线。
2.根据权利要求1所述的方法,其中,所述确定交通标志物的变更信息,包括:
获取包含有交通标志物的第一目标图像;
将与所述第一目标图像匹配的高精地图投影至所述第一目标图像所在平面,生成投影图像;
根据所述第一目标图像和所述投影图像的差异,确定所述交通标志物的变更信息。
3.根据权利要求1或2所述的方法,其中,所述基于所述交通标志物的变更信息,构建目标区域的地图,包括:
响应于所述交通标志物的变更信息,调整图像采集设备的姿态信息,以使所述图像采集设备朝向发生变更的交通标志物所在方位;
基于调整后的所述姿态信息,获取第二目标图像;
根据所述第二目标图像,构建所述目标区域的地图。
4.根据权利要求3所述的方法,其中,所述根据所述第二目标图像,构建所述目标区域的地图,包括:
确定所述第二目标图像中的交通标志物;
利用获取到的点云数据,确定所述第二目标图像中的交通标志物的3D位置坐标;
根据所述3D位置坐标生成所述第二目标图像对应的深度图数据,将所述深度图数据作为所述目标区域的地图。
5.根据权利要求4所述的方法,其中,所述利用获取到的点云数据,确定所述第二目标图像中的交通标志物的3D位置坐标,包括:
确定所述第二目标图像与所述点云数据之间的相对位姿关系;
利用所述相对位姿关系,确定所述第二目标图像中的2D像素点和所述点云数据中的3D像素点之间的投影关系;
根据所述投影关系确定所述交通标志物的3D位置坐标。
6.根据权利要求1、2、4或5任一所述的方法,还包括:将所述目标区域的地图与所述高精地图进行对比展示。
7.一种基于高精地图规划路线的装置,包括:
确定模块,用于确定交通标志物的变更信息;
构建模块,用于基于所述交通标志物的变更信息,构建目标区域的地图;
规划模块,用于根据所述地图规划目标车辆的行驶路线。
8.根据权利要求7所述的装置,其中,所述确定模块,包括:
第一目标图像获取子模块,用于获取包含有交通标志物的第一目标图像;
投影子模块,用于将与所述第一目标图像匹配的高精地图投影至所述第一目标图像所在平面,生成投影图像;
变更信息确定子模块,用于根据所述第一目标图像和所述投影图像的差异,确定所述交通标志物的变更信息。
9.根据权利要求7或8所述的装置,其中,所述构建模块,包括:
姿态调整子模块,用于响应于所述交通标志物的变更信息,调整图像采集设备的姿态信息,以使所述图像采集设备朝向发生变更的交通标志物所在方位;
第二目标图像获取子模块,用于基于调整后的所述姿态信息,获取第二目标图像;
构建子模块,用于根据所述第二目标图像,构建所述目标区域的地图。
10.根据权利要求9所述的装置,其中,所述构建子模块,包括:
第二目标图像确定子模块,用于确定所述第二目标图像中的交通标志物;
3D位置坐标确定子模块,用于利用获取到的点云数据,确定所述第二目标图像中的交通标志物的3D位置坐标;
地图确定执行子模块,用于根据所述3D位置坐标生成所述第二目标图像对应的深度图数据,将所述深度图数据作为所述目标区域的地图。
11.根据权利要求10所述的装置,其中,所述3D位置坐标确定子模块,包括:
位姿确定子模块,用于确定所述第二目标图像与所述点云数据之间的相对位姿关系;
投影关系确定子模块,用于利用所述相对位姿关系,确定所述第二目标图像中的2D像素点和所述点云数据中的3D像素点之间的投影关系;
根据所述投影关系确定所述交通标志物的3D位置坐标。
12.根据权利要求7、8、10或11任一所述的装置,还包括:
展示子模块,用于将所述目标区域的地图与所述高精地图进行对比展示。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
16.一种自动驾驶车辆,包括如权利要求13所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111031765.8A CN113706704A (zh) | 2021-09-03 | 2021-09-03 | 基于高精地图规划路线的方法、设备以及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111031765.8A CN113706704A (zh) | 2021-09-03 | 2021-09-03 | 基于高精地图规划路线的方法、设备以及自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113706704A true CN113706704A (zh) | 2021-11-26 |
Family
ID=78659304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111031765.8A Pending CN113706704A (zh) | 2021-09-03 | 2021-09-03 | 基于高精地图规划路线的方法、设备以及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113706704A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114427876A (zh) * | 2021-12-15 | 2022-05-03 | 武汉中海庭数据技术有限公司 | 一种交通看板关联关系的自动化检查方法及系统 |
CN115114312A (zh) * | 2022-07-15 | 2022-09-27 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110763246A (zh) * | 2019-08-06 | 2020-02-07 | 中国第一汽车股份有限公司 | 自动驾驶车辆路径规划方法、装置、车辆及存储介质 |
CN111597987A (zh) * | 2020-05-15 | 2020-08-28 | 北京百度网讯科技有限公司 | 用于生成信息的方法、装置、设备和存储介质 |
CN111597986A (zh) * | 2020-05-15 | 2020-08-28 | 北京百度网讯科技有限公司 | 用于生成信息的方法、装置、设备和存储介质 |
CN111784837A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 高精地图生成方法和装置 |
CN112347206A (zh) * | 2019-08-06 | 2021-02-09 | 华为技术有限公司 | 地图更新方法、装置及存储介质 |
KR20210018681A (ko) * | 2019-08-08 | 2021-02-18 | 주식회사 스프링클라우드 | 자율주행차량의 주행차로 변경 시스템 |
CN112960000A (zh) * | 2021-03-15 | 2021-06-15 | 新石器慧义知行智驰(北京)科技有限公司 | 高精地图更新方法、装置、电子设备和存储介质 |
-
2021
- 2021-09-03 CN CN202111031765.8A patent/CN113706704A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110763246A (zh) * | 2019-08-06 | 2020-02-07 | 中国第一汽车股份有限公司 | 自动驾驶车辆路径规划方法、装置、车辆及存储介质 |
CN112347206A (zh) * | 2019-08-06 | 2021-02-09 | 华为技术有限公司 | 地图更新方法、装置及存储介质 |
KR20210018681A (ko) * | 2019-08-08 | 2021-02-18 | 주식회사 스프링클라우드 | 자율주행차량의 주행차로 변경 시스템 |
CN111597987A (zh) * | 2020-05-15 | 2020-08-28 | 北京百度网讯科技有限公司 | 用于生成信息的方法、装置、设备和存储介质 |
CN111597986A (zh) * | 2020-05-15 | 2020-08-28 | 北京百度网讯科技有限公司 | 用于生成信息的方法、装置、设备和存储介质 |
CN111784837A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 高精地图生成方法和装置 |
CN112960000A (zh) * | 2021-03-15 | 2021-06-15 | 新石器慧义知行智驰(北京)科技有限公司 | 高精地图更新方法、装置、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
余卓渊;闾国年;张夕宁;贾远信;周成虎;葛咏;吕可晶;: "全息高精度导航地图:概念及理论模型", 地球信息科学学报, no. 04, 25 April 2020 (2020-04-25) * |
吴代晖;张建平;: "基于双目视觉的车道级高精地图制作", 北京测绘, no. 07, 25 July 2020 (2020-07-25) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114427876A (zh) * | 2021-12-15 | 2022-05-03 | 武汉中海庭数据技术有限公司 | 一种交通看板关联关系的自动化检查方法及系统 |
CN114427876B (zh) * | 2021-12-15 | 2023-11-28 | 武汉中海庭数据技术有限公司 | 一种交通看板关联关系的自动化检查方法及系统 |
CN115114312A (zh) * | 2022-07-15 | 2022-09-27 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置及电子设备 |
CN115114312B (zh) * | 2022-07-15 | 2023-06-27 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734780B (zh) | 用于生成地图的方法、装置和设备 | |
CN111324115A (zh) | 障碍物位置检测融合方法、装置、电子设备和存储介质 | |
CN113706704A (zh) | 基于高精地图规划路线的方法、设备以及自动驾驶车辆 | |
CN113989450A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN113887400B (zh) | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 | |
CN113688935A (zh) | 高精地图的检测方法、装置、设备以及存储介质 | |
CN114829971A (zh) | 一种激光雷达的标定方法、装置及存储介质 | |
CN112967344A (zh) | 相机外参标定的方法、设备、存储介质及程序产品 | |
CN114140759A (zh) | 高精地图车道线位置确定方法、装置及自动驾驶车辆 | |
CN111784837A (zh) | 高精地图生成方法和装置 | |
CN114663529B (zh) | 一种外参确定方法、装置、电子设备及存储介质 | |
CN116188893A (zh) | 基于bev的图像检测模型训练及目标检测方法和装置 | |
CN114815851A (zh) | 机器人跟随方法、装置、电子设备以及存储介质 | |
CN114528941A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
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 | |
CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 | |
CN113119999A (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN113126120A (zh) | 数据标注方法、装置、设备、存储介质以及计算机程序产品 | |
CN112906946A (zh) | 道路信息提示方法、装置、设备、存储介质和程序产品 | |
CN115790621A (zh) | 高精地图更新方法、装置及电子设备 | |
CN112823353A (zh) | 使用机器学习进行对象定位 | |
CN115937449A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN113469045B (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 | |
CN114443679A (zh) | 一种地图数据更新方法、装置、设备以及存储介质 |
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 |