CN113759938B - 一种无人车路径规划质量测评方法和系统 - Google Patents
一种无人车路径规划质量测评方法和系统 Download PDFInfo
- Publication number
- CN113759938B CN113759938B CN202111323005.4A CN202111323005A CN113759938B CN 113759938 B CN113759938 B CN 113759938B CN 202111323005 A CN202111323005 A CN 202111323005A CN 113759938 B CN113759938 B CN 113759938B
- Authority
- CN
- China
- Prior art keywords
- path planning
- file
- time
- task
- score
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 230000000903 blocking effect Effects 0.000 claims description 33
- 238000005070 sampling Methods 0.000 claims description 20
- 230000008447 perception Effects 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims description 2
- 238000011158 quantitative evaluation Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种无人车路径规划质量测评方法和系统。该无人车路径规划质量测评方法根据获取的数据文件和标定文件,在任务文件的导引下生成真值文件后,采用待测评路径规划算法以数据文件和标定文件为输入,以任务文件为牵引得到路径规划结果,然后,依据预设评分准则将路径规划结果和真值文件中的数据进行对比,得到测评报告,进而能够从算法效率、生成路径质量、任务完成度等多个方面,完成对全局和局部规划算法的定量评价,为无人车路径规划质量测评提供了技术保障。
Description
技术领域
本发明涉及车辆路径规划技术领域,特别是涉及一种无人车路径规划质量测评方法和系统。
背景技术
路径规划是无人驾驶系统的重要组成部分,该技术可以被进一步细分为全局路径规划和局部路径规划。以路网地图数据为输入,全局路径规划根据无人车自身的定位信息与路网进行匹配,并在此基础上规划出一条从起点位置到终点位置的最短全局路径;以感知传感器数据为输入,局部路径规划是在全局路径规划的引导下,在局部环境地图中得到从起始位姿到终止位姿的无碰撞轨迹,并且生成的轨迹需要满足车辆的运动学约束。
目前存在大量的规划方法能够完成相应的规划任务,但尚没有专门用于评价越野场景中路径规划质量的测评方法,难以定量的评价不同全局或局部路径规划算法的性能。
发明内容
本发明的目的是提供一种无人车路径规划质量测评方法和系统,能够定量的评价不同全局或局部路径规划算法的性能。
为实现上述目的,本发明提供了如下方案:
一种无人车路径规划质量测评方法,包括:
获取数据文件、标定文件和任务文件;所述数据文件包括:路网地图数据和环境感知传感器数据;所述标定文件包括:相机内外参标定文件、雷达内外参标定文件和组合导航定位数据;所述任务文件包括:全局路径规划任务文件和局部路径规划任务文件;所述路网地图数据由多个独立的路径分割段数据组成,每一个独立的路径分割段数据包含:路径分割段起始的端点信息、路径分割段所包含的路径点的标号以及每一个路径点所对应的经纬度坐标和相应的航向角;所述环境感知传感器数据包含:视觉传感器图像数据、激光雷达点云数据、组合导航定位数据和时间戳;所述全局路径规划任务文件包括:最终的目标点经纬度和多个途径的任务点;所述局部路径规划任务文件包含典型场景的抽测点时间戳;
根据所述数据文件和所述标定文件,在所述任务文件的导引下生成真值文件;所述真值文件包括全局路径规划真值表和局部环境语义地图;
采用待测评路径规划算法以所述数据文件和所述标定文件为输入,以所述任务文件为牵引得到路径规划结果;
依据预设评分准则将所述路径规划结果和所述真值文件中的数据进行对比,得到测评报告。
优选地,所述根据所述数据文件和所述标定文件,在所述任务文件的导引下生成真值文件,具体包括:
根据所述路网地图数据和所述全局路径规划任务文件生成评分查找表和阻断道路表;
根据所述评分查找表和所述阻断道路表生成所述全局路径规划真值表;
根据所述环境感知传感器数据得到局部栅格环境地图;
根据所述局部栅格环境地图和所述抽测点时间戳为依据,得到局部环境语义地图。
优选地,所述根据所述路网地图数据和所述全局路径规划任务文件生成评分查找表和阻断道路表,具体包括:
以数据文件中的统一时间戳为依据,得到所述抽测点时间戳下,从当前位置到终点位置所有的全局路径规划结果,并以路径长度为依据得到所述全局路径规划结果中每条路径的得分,生成以路径编号序列为索引的评分查找表;其中,路径长度越短得分越高;
当处于任务文件中指定的时间戳时,以路网地图数据和任务文件中的目标点以及途经点为依据,结合车辆自身与路网地图数据的匹配结果,得到从车辆当前位置途径多个任务点到目标点的路径段编号序列;
当检测到道路阻断后,反馈被阻断道路的道路编号和与所述道路编号对应的阻断时刻;
根据所述道路编号以及与所述道路编号对应的阻断时刻生成所述阻断道路表。
优选地,所述根据所述环境感知传感器数据得到局部栅格环境地图,具体包括:
以所述数据文件中的统一时间戳为依据,得到所述抽测点时间戳下的局部栅格地图,并对所述局部栅格地图中每一栅格标注语义标签生成局部栅格环境地图;所述语义标签包括:可通行区域、风险区域、正负障碍和动态障碍。
优选地,所述采用待测评路径规划算法以所述数据文件和所述标定文件为输入,以所述任务文件为牵引得到路径规划结果,具体包括:
待测评的局部路径规划算法,以环境感知传感器数据为输入,结合全局路径规划生成的参考点结果,生成在当前局部环境语义地图中的轨迹点坐标值;其中,局部环境语义地图的原点为车体坐标系的原点。
优选地,所述预设评分准则包括:局部路径规划评分准则和全局路径规划评分准则;所述局部路径规划评分准则包括:可通行性评分准则、平滑度评分准则、跟随能力评分准则、第一时间评分准则、稳定性评分准则和第一任务评分准则;所述全局路径规划评分准则包括:正确率评分准则、第二时间评分准则、第三时间评分准则、完成评分准则和第二任务评分准则。
优选地,所述可通行性评分准则为:
当收到所述路径规划结果时,确定与收到所述路径规划结果时刻对应的所述局部环境语义地图;
利用六覆盖圆近似车体得到规划生成轨迹所占据局部环境语义地图的栅格;当占据的栅格与语义标签为障碍物的栅格距离大于第一预设阈值时,则认为规划失败,可通行性评分为0;当轨迹无障碍物时,采用公式计算可通行性评分;其中,A为可通行性评分,G1为可通行语义栅格的数目,G2为风险语义栅格的数目,ω1和ω2为相应的权重系数,N为轨迹占据栅格的总数目,当N的总数目低于阈值时,可通行性评分为0;
所述平滑度评分准则为:
计算相邻轨迹时序点之间的速度偏差与位置偏差,当所述速度偏差与位置偏差小于第二预设阈值时,则认为轨迹不存在突变,平滑度评分为1分,否则平滑度评分为0分;
所述跟随能力评分准则为:
确定所述路径规划结果中规划轨迹点与参考线对应点间的定位误差和定向误差;
根据所述定位误差和定向误差确定跟随能力评分;
所述第一时间评分准则为:
当第一次得到无碰撞规划结果的时刻与传感器数据刷新的起始时刻的差值大于等于指定帧数传感器数据之间的时间间隔时,第一时间评分为0分,此时,稳定性评分也为0;
当第一次得到无碰撞规划结果的时刻与传感器数据刷新的起始时刻的差值小于指定帧数传感器数据之间的时间间隔时,第一时间评分为1-(t-t s)/Δt分;其中,t为第一次得到无碰撞规划结果的时刻,t s为传感器数据刷新的起始时刻,Δt指定帧数传感器数据之间的时间间隔;
所述稳定性评分准则为:
沿给定全局路网的法线方向设置若干抽测断面,记录路径规划结果中多帧规划结果在所述抽测断面上的位置信息和位置信息的标准差;
根据所述位置信息的标准差得到稳定性评分;
所述第一任务评分准则为:
对路径规划结果中抽测的每一个局部运动规划任务,如果可通行性评分、平滑度评分、跟随能力评分、第一时间评分、稳定性评分均不为0,则根据总任务数和完成任务数确定任务评分。
优选地,所述全局路径规划评分准则的实施流程为:
所述正确率评分准则为:
当收到待测评路径规划算法返回的阻断道路编号时,与所述全局路径规划真值表中阻断道路的编号进行对比,当编号一致时,则为判定为正确,正确率评分为1分;当编号不一致时,则为判定为错误,正确率评分为0分;
当没有收到待测评路径规划算法返回的阻断道路编号时,则正确率评分为0分;
所述第二时间评分准则为:
当第一次正确判别道路阻断的时刻大于等于车辆在阻断道路处停车的时刻时,第二时间评分为0分;
当第一次正确判别道路阻断的时刻小于车辆在阻断道路处停车的时刻时,采用公式1-(t-t s )/(t e -t s )确定第二时间评分;其中,t为第一次正确判别道路阻断的时刻,t s 为最早一帧出现阻断道路物体的时刻,t e 为车辆在阻断道路处停车的时刻;
所述完成评分准则:
将所述路径规划结果与所述全局路径规划真值表进行对照,如所述路径规划结果不在所述全局路径规划真值表中,则完成评分为0分,所述路径规划结果在所述全局路径规划真值表中,则按所述真值文件中路径的得分计分;当完成评分为0分时,第三时间评分也为0分;
所述第三时间评分准则为:
当第一次得到正确规划结果的时刻和第一次辨识到道路阻断的时刻的差值大于等于全局规划算法处理上限时,第三时间评分为0分;
当第一次得到正确规划结果的时刻和第一次辨识到道路阻断的时刻的差值小于全局规划算法处理上限时,采用公式1-(t-t f )/t limit 确定第三时间评分;其中,t f 为第一次辨识到道路阻断的时刻,t limit 为全局规划算法处理上限;
所述第二任务评分准则为:
对一个阻断道路下的全局路径规划任务,如果正确率评分,第二时间评分,完成评分,第三时间评分均有得分,则根据总任务数和完成任务数确定第二任务评分。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的无人车路径规划质量测评方法,根据获取的数据文件和标定文件,在任务文件的导引下生成真值文件后,采用待测评路径规划算法以数据文件和标定文件为输入,以任务文件为牵引得到路径规划结果,然后,依据预设评分准则将路径规划结果和真值文件中的数据进行对比,得到测评报告,进而能够从算法效率、生成路径质量、任务完成度等多个方面,完成对全局和局部规划算法的定量评价,为无人车路径规划质量测评提供了技术保障。
对应于上述提供的无人车路径规划质量测评方法,本发明还提供了一种无人车路径规划质量测评系统,该系统包括:
文件获取模块,用于获取数据文件、标定文件和任务文件;所述数据文件包括:路网地图数据和环境感知传感器数据;所述标定文件包括:相机内外参标定文件、雷达内外参标定文件和组合导航定位数据;所述任务文件包括:全局路径规划任务文件和局部路径规划任务文件;所述路网地图数据由多个独立的路径分割段数据组成,每一个独立的路径分割段数据包含:路径分割段起始的端点信息、路径分割段所包含的路径点的标号以及每一个路径点所对应的经纬度坐标和相应的航向角;所述环境感知传感器数据包含:视觉传感器图像数据、激光雷达点云数据、组合导航定位数据和时间戳;所述全局路径规划任务文件包括:最终的目标点经纬度和多个途径的任务点;所述局部路径规划任务文件包含典型场景的抽测点时间戳;
真值文件生成模块,用于根据所述数据文件和所述标定文件,在所述任务文件的导引下生成真值文件;所述真值文件包括全局路径规划真值表和局部环境语义地图;
路径规划结果确定模块,用于采用待测评路径规划算法以所述数据文件和所述标定文件为输入,以所述任务文件为牵引得到路径规划结果;
测评报告生成模块,用于依据预设评分准则将所述路径规划结果和所述真值文件中的数据进行对比,得到测评报告。
因本发明提供的无人车路径规划质量测评系统实现的技术效果与上述提供的无人车路径规划质量测评方法实现的技术效果相同,故在此不再进行赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的无人车路径规划质量测评方法的流程图;
图2为本发明提供的实施无人车路径规划质量测评方法的整体框架图;
图3为本发明实施例提供的路网地图数据示意图;
图4为本发明实施例提供的局部环境地图语义标注示例图;
图5为本发明实施例提供的单一抽测点全局路径规划的评分流程图;
图6为本发明实施例提供的单一抽测点局路径规划的评分流程图;
图7为本发明实施例提供的抽测断面设置示例图;
图8为本发明提供的无人车路径规划质量测评系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
本发明的目的是提供一种无人车路径规划质量测评方法和系统,能够定量的评价不同全局或局部路径规划算法的性能。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1和图2所示,本发明提供的无人车路径规划质量测评方法,包括:
S1、获取数据文件、任务文件和标定文件。数据文件、任务文件和标定文件作为真值文件制作和待测评路径规划算法的共同输入。其中,数据文件包括路网地图数据以及环境感知传感器数据,描述了路径规划算法所需的环境信息。路网地图数据如图3所示,路网地图数据由多个独立的路径分割段组成,每一个独立的路径分割段数据包含:路径分割段起始的端点信息,路径分割段所包含的路径点标号,以及每一个路径点所对应的经纬度坐标和相应的航向角。环境感知传感器数据包含:视觉传感器图像数据,激光雷达点云数据,组合导航定位数据,并且上述数据都被赋予了统一的时间戳,实现了各数据之间的时间同步。标定文件包括相机内外参标定文件、雷达内外参标定文件、以及组合导航标定文件,用于将环境感知的传感器数据转换至车体坐标系中。其中车体坐标系是指以车体为基准,用来描述车辆周围物体和环境的相对位置关系的坐标系,该坐标系是车辆路径规划的重要基准。任务文件包括全局和局部路径规划任务文件,描述了相应数据文件中,路径规划测评方法想要考核的规划任务要点。其中全局路径规划任务文件包含最终的目标点经纬度,以及多个途径的任务点,用于引导车辆的全局规划任务,以及抽测点的时间戳,用于明确全局路径结果回传的具体时刻。局部路径规划任务文件包含典型越野场景抽测点的时间戳,用于明确局部路径规划结果回传的具体时刻。
S2、根据数据文件和标定文件,在任务文件的导引下生成真值文件。真值文件包括全局路径规划真值和局部环境语义地图,描述了经由人工标注的全局和局部路径规划测评结果真值答案。其中全局路径规划的真值文件包含一个全局规划真值表(例如表1所示)和一个阻断道路表(例如表2所示),局部环境语义地图为带有语义标签的局部环境栅格地图。
S21、以数据文件中的路网地图数据,以及全局路径规划任务文件中包含的目标点、任务引导点、抽测点时间戳为输入,制作全局规划真值表以及道路阻断表。
以数据文件中的统一时间戳为依据,得到抽测点时间戳下,从当前位置到终点位置所有可能的全局路径规划结果,并以路径的长度为依据得到每一条路径的得分,路径的长度越短得分越高,生成以路径编号序列为索引的评分查找表。阻断道路表包含了阻断道路编号以及对应的阻断时刻。
待测评的全局路径规划根据以时间戳顺序播放的数据文件,当处于任务文件中指定的时间戳时,以路网地图数据和任务文件中的目标点以及途经点为依据,结合车辆自身与路网地图的匹配结果,得到从车辆当前位置,途径多个任务点到目标点的路径段编号序列。此外,当检测到道路阻断后,需要在有检测结果的第一时刻,反馈被阻断道路的道路编号,以及第一次探测到道路阻断的时间。
S22、以环境感知传感器数据处理后得到的局部栅格环境地图,以及局部路径规划任务文件中包含的抽测点时间戳为依据,得到局部环境语义地图。
以数据文件中的统一时间戳为依据,得到抽测点时间戳下的局部栅格地图。并以人工标注的形式,赋予每一个栅格明确的语义标签。其中场景语义标签包括:可通行区域、风险区域、正负障碍、动态障碍。局部环境语义地图的示意如图4所示。
S3、采用待测评路径规划算法以数据文件和标定文件为输入,以任务文件为牵引得到路径规划结果。路径规划结果包括:当前位置途径多个任务点到目标点的路径段编号序列、被阻断道路的道路编号和与道路编号对应的阻断时刻、局部环境语义地图中的时序轨迹点坐标值。
待测评的局部路径规划算法,以环境感知传感器数据为输入,结合全局路径规划生成的参考点结果,生成在当前局部栅格地图中的轨迹点坐标值,其中局部地图的原点为车体坐标系的原点。
S4、依据预设评分准则将路径规划结果和真值文件中的数据进行对比,得到测评报告。
全局路径规划的评分由单任务评分和总任务评分两个部分组成,其中单任务评分着重于评价全局规划算法的各单项指标,总任务评分则是反映整个数据文件中多个任务抽测点的整体完成情况,如表3所示。具体地,当测试数据中包含多个全局规划抽测点时,每个抽测点为一个任务,每个任务的满分为400/N。评分中包含单任务评分和总任务评分,单任务和总任务评分的和Q为全局路径规划算法的得分。
局部路径规划的评分也由单任务评分和总任务评分两个部分组成,其中单任务评分着重于评价局部路径规划算法的各单项指标,总任务评分则是反映整个数据文件中多个任务抽测点的整体完成情况,如表4所示。具体地,当局部规划任务文件中包含多个局部规划抽测点时,当测试数据中包含多个全局规划抽测点时,每个抽测点为一个任务,每个任务的满分为500/N。评分中包含单任务评分和总任务评分,单任务和总任务评分的和Q为全局路径规划算法的得分。
S41、全局路径规划的评分
单一抽测点全局路径规划的评分流程如图5所示。
S411、正确率评分P的计算准则:
当收到待测评路径规划算法返回的阻断道路编号后,与全局路径规划真值中阻断道路的编号进行比照,当编号完全一致时,则为判定正确,得1分,否则为错误,得0分。当没有正确判别阻断道路时,其余各项都为0分。
S412、第二时间评分Tg的计算准则:
第二时间评分Tg的计算准则为:记录第一次正确判别道路阻断的时刻t,时间评分为1-(t-t s )/(t e -t s ),其中t s 为最早一帧出现阻断道路物体的时刻,车辆在阻断道路处停车的时刻计为t e 。t≥t e 时,该项为0分。
S413、完成评分C的计算准则:
将待测评路径规划算法返回的全局路径规划结果,与真值文件中的可行全局路径的查找表进行比照,如不在真值文件中,则该项得0分,否则按真值文件中路径的得分计分。当该项为0分时,时间评分Tp也为0分。
S414、第三时间评分Tp的计算准则:
记录第一次得到正确规划结果的时刻t,第三时间评分为1-(t-t f )/t limit ,其中t f 为第一次辨识到道路阻断的时刻,t limit 为容许的全局规划算法处理上限500ms。当t-t f≥ t limit ,该项为0分。
S415、第二任务评分S的计算准则:
对一个阻断道路下的全局路径规划任务,如果正确率评分P,第二时间评分Tg,完成评分C,第三时间评分Tp均有得分,则认为完成任务。总任务数N,完成任务数M,第二任务评分M/N*50。
S416、计算总得分Q:
其中W p 、W Tg 、W c 、W Tp 为不同评分的权重,取值范围[80,120],总和为450分。
S42、局部路径规划的评分
单一抽测点局部路径规划的评分流程如图6所示。
S421、可通行性评分A的计算准则:
当收到测试软件返回的规划结果,找到对应时刻带有语义标注信息的局部地图,利用六覆盖圆近似车体,得到规划生成轨迹所占据的栅格。当占据的栅格与语义标签为障碍物的栅格距离未大于阈值,则认为规划失败,该项为0分。该项为0分时,其余各项全部计0分。当轨迹无碰撞时,通过下式计算该项的得分:
其中,A为可通行性评分,G1为可通行语义栅格的数目,G2为风险语义栅格的数目,ω1和ω2为相应的权重系数,ω1=1,ω2通过专家给不同风险区域赋予不同的权重系数,N为轨迹占据栅格的总数目,当N的总数目低于阈值时,可通行性评分为0。
S422、平滑度评分S的计算准则:
计算相邻轨迹时序点之间的速度偏差与位置偏差,当偏差小于阈值时(阈值的设定与速度相关),则认为轨迹不存在突变,计1分,否则计该项为0分。
S423、跟随能力评分F的计算准则:
其中,d p_min、d p_max、d a_min、d a_max为定位、定向误差容许上下界。
S424、第一时间评分T的计算准则:
计第一次得到无碰撞规划结果的时刻为t,第一时间评分为1-(t-t s)/Δt,t s为传感器数据刷新的起始时刻,Δt为指定帧数传感器数据之间的时间间隔。当t-t s≥Δt时(当式子t-t s≥Δt不成立时,按照1-(t-t s)/Δt计算得分。),该项计0分。当该项为0分时,稳定性评分D也归零。
S245、稳定性评分D的计算准则:
沿给定全局路网的法线方向设置若干抽测断面,如图7所示,记录多帧规划结果在抽测断面上的位置信息L i ,计算L i 的标准差σ L ,稳定性评分为f(σ L )。
其中σ L-min 、σ L-max 为标准差容许的上下界。
S426、第一任务评分S的计算准则:
对每一个抽测的局部运动规划任务,如果可通行性评分A、平滑度评分S、跟随能力评分F、第一时间评分T、稳定性评分D均有得分,则认为完成任务。总任务数N,完成任务数M,第一任务评分为M/N*50。
S427、总得分Q的计算准则:
其中W A 、W S 、W F 、W T 、W D 为不同评分的权重,取值范围[80,120],总和为550分。
对应于上述提供的无人车路径规划质量测评方法,本发明还提供了一种无人车路径规划质量测评系统,如图8所示,该系统包括:文件获取模块1真值文件生成模块2路径规划结果确定模块3测评报告生成模块4。
其中,文件获取模块1用于获取数据文件、标定文件和任务文件。数据文件包括:路网地图数据和环境感知传感器数据。标定文件包括:相机内外参标定文件、雷达内外参标定文件和组合导航定位数据。任务文件包括:全局路径规划任务文件和局部路径规划任务文件。路网地图数据由多个独立的路径分割段数据组成,每一个独立的路径分割段数据包含:路径分割段起始的端点信息、路径分割段所包含的路径点的标号以及每一个路径点所对应的经纬度坐标和相应的航向角。环境感知传感器数据包含:视觉传感器图像数据、激光雷达点云数据、组合导航定位数据和时间戳。全局路径规划任务文件包括:最终的目标点经纬度和多个途径的任务点。局部路径规划任务文件包含典型场景的抽测点时间戳。
真值文件生成模块2用于根据数据文件和标定文件,在任务文件的导引下生成真值文件。真值文件包括全局路径规划真值表和局部环境语义地图。
路径规划结果确定模块3用于采用待测评路径规划算法以数据文件和标定文件为输入,以任务文件为牵引得到路径规划结果。
测评报告生成模块4用于依据预设评分准则将路径规划结果和真值文件中的数据进行对比,得到测评报告。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种无人车路径规划质量测评方法,其特征在于,包括:
S1、获取数据文件、标定文件和任务文件;所述数据文件包括:路网地图数据和环境感知传感器数据;所述标定文件包括:相机内外参标定文件、雷达内外参标定文件和组合导航定位数据;所述任务文件包括:全局路径规划任务文件和局部路径规划任务文件;所述路网地图数据由多个独立的路径分割段数据组成,每一个独立的路径分割段数据包含:路径分割段起始的端点信息、路径分割段所包含的路径点的标号以及每一个路径点所对应的经纬度坐标和相应的航向角;所述环境感知传感器数据包含:视觉传感器图像数据、激光雷达点云数据、组合导航定位数据和时间戳;所述全局路径规划任务文件包括:最终的目标点经纬度和多个途径的任务点;所述局部路径规划任务文件包含典型场景的抽测点时间戳;
S2、根据所述数据文件和所述标定文件,在所述任务文件的导引下生成真值文件;所述真值文件包括全局路径规划真值表和局部环境语义地图;该步骤具体包括:
根据所述路网地图数据和 所述全局路径规划任务文件生成评分查找表和阻断道路表;
根据所述评分查找表和所述阻断道路表生成所述全局路径规划真值表;
根据所述环境感知传感器数据得到局部栅格环境地图;
根据所述局部栅格环境地图和所述抽测点时间戳为依据,得到局部环境语义地图;
S3、采用待测评路径规划算法以所述数据文件和所述标定文件为输入,以所述任务文件为牵引得到路径规划结果,具体包括:
待测评的局部路径规划算法,以环境感知传感器数据为输入,结合全局路径规划生成的参考点结果,生成在当前局部环境语义地图中的轨迹点坐标值;其中,局部环境语义地图的原点为车体坐标系的原点;
S4、依据预设评分准则将所述路径规划结果和所述真值文件中的数据进行对比,得到测评报告。
2.根据权利要求1所述的无人车路径规划质量测评方法,其特征在于,根据所述路网地图数据和所述全局路径规划任务文件生成评分查找表和阻断道路表,具体包括:
以数据文件中的统一时间戳为依据,得到所述抽测点时间戳下,从当前位置到终点位置所有的全局路径规划结果,并以路径长度为依据得到所述全局路径规划结果中每条路径的得分,生成以路径编号序列为索引的评分查找表;其中,路径长度越短得分越高;
当处于任务文件中指定的时间戳时,以路网地图数据和任务文件中的目标点以及途经点为依据,结合车辆自身与路网地图数据的匹配结果,得到从车辆当前位置途径多个任务点到目标点的路径段编号序列;
当检测到道路阻断后,反馈被阻断道路的道路编号和与所述道路编号对应的阻断时刻;
根据所述道路编号以及与所述道路编号对应的阻断时刻生成所述阻断道路表。
3.根据权利要求1所述的无人车路径规划质量测评方法,其特征在于,所述根据所述环境感知传感器数据得到局部栅格环境地图,具体包括:
以所述数据文件中的统一时间戳为依据,得到所述抽测点时间戳下的局部栅格地图,并对所述局部栅格地图中每一栅格标注语义标签生成局部栅格环境地图;所述语义标签包括:可通行区域、风险区域、正负障碍和动态障碍。
4.根据权利要求2所述的无人车路径规划质量测评方法,其特征在于,所述预设评分准则包括:局部路径规划评分准则和全局路径规划评分准则;所述局部路径规划评分准则包括:可通行性评分准则、平滑度评分准则、跟随能力评分准则、第一时间评分准则、稳定性评分准则和第一任务评分准则;所述全局路径规划评分准则包括:正确率评分准则、第二时间评分准则、第三时间评分准则、完成评分准则和第二任务评分准则。
5.根据权利要求 4所述的无人车路径规划质量测评方法,其特征在于,所述可通行性评分准则为:
当收到所述路径规划结果时,确定与收到所述路径规划结果时刻对应的所述局部环境语义地图;
利用六覆盖圆近似车体得到规划生成轨迹所占据局部环境语义地图的栅格;当占据的栅格与语义标签为障碍物的栅格距离大于第一预设阈值时,则认为规划失败,可通行性评分为0;当轨迹无障碍物时,采用公式计算可通行性评分;其中,A为可通行性评分,G1为可通行语义栅格的数目,G2为风险语义栅格的数目,ω1和ω2为相应的权重系数,N为轨迹占据栅格的总数目,当N的总数目低于阈值时,可通行性评分为0;
所述平滑度评分准则为:
计算相邻轨迹时序点之间的速度偏差与位置偏差,当所述速度偏差与位置偏差小于第二预设阈值时,则认为轨迹不存在突变,平滑度评分为1分,否则平滑度评分为0分;
所述跟随能力评分准则为:
确定所述路径规划结果中规划轨迹点与参考线对应点间的定位误差和定向误差;
根据所述定位误差和定向误差确定跟随能力评分;
所述第一时间评分准则为:
当第一次得到无碰撞规划结果的时刻与传感器数据刷新的起始时刻的差值大于等于指定帧数传感器数据之间的时间间隔时,第一时间评分为0分,此时,稳定性评分也为0;
当第一次得到无碰撞规划结果的时刻与传感器数据刷新的起始时刻的差值小于指定帧数传感器数据之间的时间间隔时,第一时间评分为1-(t-t s)/Δt分;其中,t为第一次得到无碰撞规划结果的时刻,t s为传感器数据刷新的起始时刻,Δt指定帧数传感器数据之间的时间间隔;
所述稳定性评分准则为:
沿给定全局路网的法线方向设置若干抽测断面,记录路径规划结果中多帧规划结果在所述抽测断面上的位置信息和位置信息的标准差;
根据所述位置信息的标准差得到稳定性评分;
所述第一任务评分准则为:
对路径规划结果中抽测的每一个局部运动规划任务,如果可通行性评分、平滑度评分、跟随能力评分、第一时间评分、稳定性评分均不为0,则根据总任务数和完成任务数确定任务评分。
6.根据权利要求4所述的无人车路径规划质量测评方法,其特征在于,所述全局路径规划评分准则的实施流程为:
所述正确率评分准则为:
当收到待测评路径规划算法返回的阻断道路编号时,与所述全局路径规划真值表中阻断道路的编号进行对比,当编号一致时,则为判定为正确,正确率评分为1分;当编号不一致时,则为判定为错误,正确率评分为0分;
当没有收到待测评路径规划算法返回的阻断道路编号时,则正确率评分为0分;
所述第二时间评分准则为:
当第一次正确判别道路阻断的时刻大于等于车辆在阻断道路处停车的时刻时,第二时间评分为0分;
当第一次正确判别道路阻断的时刻小于车辆在阻断道路处停车的时刻时,采用公式1-(t-t s )/(t e -t s )确定第二时间评分;其中,t为第一次正确判别道路阻断的时刻,t s 为最早一帧出现阻断道路物体的时刻,t e 为车辆在阻断道路处停车的时刻;
所述完成评分准则:
将所述路径规划结果与所述全局路径规划真值表进行对照,如所述路径规划结果不在所述全局路径规划真值表中,则完成评分为0分,所述路径规划结果在所述全局路径规划真值表中,则按所述真值文件中路径的得分计分;当完成评分为0分时,第三时间评分也为0分;
所述第三时间评分准则为:
当第一次得到正确规划结果的时刻和第一次辨识到道路阻断的时刻的差值大于等于全局规划算法处理上限时,第三时间评分为0分;
当第一次得到正确规划结果的时刻和第一次辨识到道路阻断的时刻的差值小于全局规划算法处理上限时,采用公式1-(t-t f )/t limit 确定第三时间评分;其中,t f 为第一次辨识到道路阻断的时刻,t limit 为全局规划算法处理上限;
所述第二任务评分准则为:
对一个阻断道路下的全局路径规划任务,如果正确率评分,第二时间评分,完成评分,第三时间评分均有得分,则根据总任务数和完成任务数确定第二任务评分。
7.一种无人车路径规划质量测评系统,其特征在于,包括:
文件获取模块,用于获取数据文件、标定文件和任务文件;所述数据文件包括:路网地图数据和环境感知传感器数据;所述标定文件包括:相机内外参标定文件、雷达内外参标定文件和组合导航定位数据;所述任务文件包括:全局路径规划任务文件和局部路径规划任务文件;所述路网地图数据由多个独立的路径分割段数据组成,每一个独立的路径分割段数据包含:路径分割段起始的端点信息、路径分割段所包含的路径点的标号以及每一个路径点所对应的经纬度坐标和相应的航向角;所述环境感知传感器数据包含:视觉传感器图像数据、激光雷达点云数据、组合导航定位数据和时间戳;所述全局路径规划任务文件包括:最终的目标点经纬度和多个途径的任务点;所述局部路径规划任务文件包含典型场景的抽测点时间戳;
真值文件生成模块,用于根据所述数据文件和所述标定文件,在所述任务文件的导引下生成真值文件;所述真值文件包括全局路径规划真值表和局部环境语义地图;其中,根据所述数据文件和所述标定文件,在所述任务文件的导引下生成真值文件,具体包括:
根据所述路网地图数据所述全局路径规划任务文件生成评分查找表和阻断道路表;
根据所述评分查找表和所述阻断道路表生成所述全局路径规划真值表;
根据所述环境感知传感器数据得到局部栅格环境地图;
根据所述局部栅格环境地图和所述抽测点时间戳为依据,得到局部环境语义地图;
路径规划结果确定模块,用于采用待测评路径规划算法以所述数据文件和所述标定文件为输入,以所述任务文件为牵引得到路径规划结果;其中,采用待测评路径规划算法以所述数据文件和所述标定文件为输入,以所述任务文件为牵引得到路径规划结果具体包括:
待测评的局部路径规划算法,以环境感知传感器数据为输入,结合全局路径规划生成的参考点结果,生成在当前局部环境语义地图中的轨迹点坐标值;其中,局部环境语义地图的原点为车体坐标系的原点;
测评报告生成模块,用于依据预设评分准则将所述路径规划结果和所述真值文件中的数据进行对比,得到测评报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111323005.4A CN113759938B (zh) | 2021-11-10 | 2021-11-10 | 一种无人车路径规划质量测评方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111323005.4A CN113759938B (zh) | 2021-11-10 | 2021-11-10 | 一种无人车路径规划质量测评方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113759938A CN113759938A (zh) | 2021-12-07 |
CN113759938B true CN113759938B (zh) | 2022-03-25 |
Family
ID=78784816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111323005.4A Active CN113759938B (zh) | 2021-11-10 | 2021-11-10 | 一种无人车路径规划质量测评方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759938B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115965682B (zh) * | 2022-12-16 | 2023-09-01 | 镁佳(北京)科技有限公司 | 一种车辆可通行区域确定方法、装置及计算机设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080088830A (ko) * | 2007-03-30 | 2008-10-06 | 엔에이치엔(주) | 네비게이션 지도 상의 경로 정보를 공유하는 방법 |
CN109557928A (zh) * | 2019-01-17 | 2019-04-02 | 湖北亿咖通科技有限公司 | 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法 |
CN109814557A (zh) * | 2019-01-23 | 2019-05-28 | 西北工业大学 | 一种全局规划器主导的机器人路径规划方法 |
CN111765901B (zh) * | 2019-04-02 | 2022-05-31 | 北京三快在线科技有限公司 | 路径规划质量评估方法和装置,存储介质和电子设备 |
CN112673234B (zh) * | 2020-01-17 | 2022-01-14 | 华为技术有限公司 | 路径规划方法和路径规划装置 |
CN113126618B (zh) * | 2021-03-17 | 2022-03-11 | 中国科学院合肥物质科学研究院 | 一种越野环境下的无人驾驶全局路径规划及重规划方法 |
-
2021
- 2021-11-10 CN CN202111323005.4A patent/CN113759938B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113759938A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111983935B (zh) | 一种性能评测方法和装置 | |
CN106296814B (zh) | 公路养护检测与可视化交互方法和系统 | |
JP7275280B2 (ja) | 教師あり機械学習のための画像の自動ラベリングのためのシステムおよび方法 | |
CN106574975A (zh) | 使用外围信号的轨迹匹配 | |
CN107621263B (zh) | 一种基于道路磁场特征的地磁定位方法 | |
EP3842735B1 (en) | Position coordinates estimation device, position coordinates estimation method, and program | |
US10645668B2 (en) | Indoor positioning system and method based on geomagnetic signals in combination with computer vision | |
CN110617821A (zh) | 定位方法、装置及存储介质 | |
CN111912416A (zh) | 用于设备定位的方法、装置及设备 | |
CN114170448A (zh) | 一种视觉感知算法的评测方法及装置 | |
CN113759938B (zh) | 一种无人车路径规划质量测评方法和系统 | |
EP2482036A2 (en) | Course guidance system, course guidance method, and course guidance program | |
WO2023072055A1 (zh) | 一种点云数据处理方法及系统 | |
CN113255578B (zh) | 交通标识的识别方法及装置、电子设备和存储介质 | |
JP6828448B2 (ja) | 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム | |
CN114758504A (zh) | 一种基于滤波校正的网联车超速预警方法及系统 | |
KR102463698B1 (ko) | 도로표지판의 위치정보 데이터베이스 구축 시스템 및 그 방법과 이를 이용한 차량의 위치 추정 장치 및 그 방법 | |
CN110135216A (zh) | 电子地图中车道数变化区域检测方法、装置及存储设备 | |
Carson et al. | Predicting to improve: Integrity measures for assessing visual localization performance | |
CN110426034B (zh) | 基于地图信息辅助惯导阵列的室内定位方法 | |
CN113640760B (zh) | 基于空情数据的雷达发现概率评估方法及设备 | |
CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
US11256930B2 (en) | Road surface management system and road surface management method thereof | |
CN114791282A (zh) | 一种基于车辆高精度定位的路政设施坐标标定方法及装置 | |
Welte et al. | HD map errors detection using smoothing and multiple drives |
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 |