CN113776548A - 路径导航的方法、装置、设备、存储介质及程序产品 - Google Patents
路径导航的方法、装置、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN113776548A CN113776548A CN202110396128.4A CN202110396128A CN113776548A CN 113776548 A CN113776548 A CN 113776548A CN 202110396128 A CN202110396128 A CN 202110396128A CN 113776548 A CN113776548 A CN 113776548A
- Authority
- CN
- China
- Prior art keywords
- road
- weight
- lane
- unit
- road unit
- 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 60
- 238000004590 computer program Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 11
- 230000006978 adaptation Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005303 weighing Methods 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
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
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)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种路径导航的方法、装置、设备、存储介质及程序产品。本发明的方法,通过针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个道路特征,在进行导航时,根据配置的道路特征,获取路网数据中道路单元的道路特征数据;根据所述道路单元的道路特征数据,确定所述道路单元的搜索权重;根据所述道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径,能够搜索得到更加适合无人配送车的行驶路径,提高无人配送车的导航路径的精准性,提高无人配送车行驶的安全性和高效性。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种路径导航的方法、装置、设备、存储介质及程序产品。
背景技术
目前,自动驾驶汽车的导航方法是基于里程长度搜索方法,针对不同道路单元根据里程计算代价,搜索出里程最短的导航路径。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:无人配送车与常规的无人驾驶汽车的行驶场景不同,无人配送车的行驶速度较低、体积较小,需要尽可能地行驶在非机动车道上,必要时也可行驶在机动车道上;无人配送车的转弯半径大于普通的非机动车,在红绿灯路口和无红绿灯路口左转、调头的危险性比较大,传统的导航方法无法针对无人配送车提供精准地的导航路径,无人配送车沿现有导航路径行驶存在较大的安全隐患。
发明内容
本发明提供一种路径导航的方法、装置、设备、存储介质及程序产品,用以解决传统的导航方法无法针对无人配送车提供精准地的导航路径,无人配送车沿现有导航路径行驶存在较大的安全隐患的问题。
本发明的一个方面是提供一种路径导航的方法,包括:
根据配置的道路特征,获取路网数据中道路单元的道路特征数据;
根据所述道路单元的道路特征数据,确定所述道路单元的搜索权重;
根据所述道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径。
本发明的另一个方面是提供一种路径导航的装置,包括:
道路特征提取模块,用于根据配置的道路特征,获取路网数据中道路单元的道路特征数据;
搜索权重确定模块,用于根据所述道路单元的道路特征数据,确定所述道路单元的搜索权重;
路径导航模块,用于根据所述道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径。
本发明的另一个方面是提供一种导航设备,包括:
处理器,存储器,以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;其中,所述处理器运行所述计算机程序时实现上述所述的方法。
本发明的另一个方面是提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的方法。
本发明的另一个方面是提供一种计算机程序产品,所述程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,导航设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得导航设备执行上述所述的方法。
本发明提供的路径导航的方法、装置、设备、存储介质及程序产品,通过针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个道路特征,在进行导航时,根据配置的道路特征,获取路网数据中道路单元的道路特征数据;根据所述道路单元的道路特征数据,确定所述道路单元的搜索权重;根据所述道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径,能够搜索得到更加适合无人配送车的行驶路径,提高无人配送车的导航路径的精准性,提高无人配送车行驶的安全性和高效性。
附图说明
图1为本发明实施例一提供的行驶路径导航的方法流程图;
图2为本发明实施例二提供的行驶路径导航的方法流程图;
图3为本发明实施例二提供的基础道路特征的示例图;
图4为本发明实施例二提供的道路特征的示例图;
图5为本发明实施例二提供的搜索权重的计算方式的示例图;
图6为本发明实施例三提供的路径导航的装置的结构示意图;
图7为本发明实施例五提供的导航设备的结构示意图。
通过上述附图,已示出本发明明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
首先对本发明所涉及的名词进行解释:
车道(也称为lane):代表电子地图中的一条车道,是构成行驶路径的最小单位。
道路单元:也称为车道组、或lane group,代表由一条或多条lane构成的有明确转向类型的一组车道,是路径搜索时的基本单位。
道路(也称为Road)是由多条车道组成的路,多条并列的车道一般在同一个道路内,前后连接的车道可能在同一条道路或者不同道路内。
车道顺序(也称为Keep right):是指从最右侧开始,道路上各个车道的顺序。本实施例中,从道路最右端的车道开始,最右端车道的车道顺序记为0,往左一个车道的车道顺序记为1,再往左一个车道的车道顺序记为2,以此类推。
此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在现有技术中针对自动驾驶汽车的导航策略是基于里程长度搜索的,对不同道路根据里程计算代价,搜索出总里程最短的导航路径。无人配送车与无人机动车的差别主要是,无人配送车需要尽可能的行驶在非机动车道,且由于无人配送车的转弯半径大于普通的非机动车,无人配送车在路口面临很大挑战,因而对导航路径的要求也更高。传统的导航方法无法针对无人配送车提供精准地的导航路径,无人配送车沿现有导航路径行驶存在较大的安全隐患。
本发明具体的应用场景为,针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个道路特征,并且为各个道路特征配置初始权重,初始权重的大小体现了具有对应道路特征的道路对无人配送车的适配程度,以及无人配送车行驶在对应道路上的危险性和高效性,权重越小的道路特征对应道路对无人配送车的适配度越高,表明无人配送车行驶通过该道路的代价越小。在进行导航时,根据配置的道路特征,获取路网数据中道路单元的道路特征数据;根据道路单元的道路特征数据,确定道路单元的搜索权重;根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径,能够搜索得到更加适合无人配送车的行驶路径,提高无人配送车的导航路径的精准性,提高无人配送车行驶的安全性和高效性。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
实施例一
图1为本发明实施例一提供的行驶路径导航的方法流程图。本实施例中的方法应用于导航设备,该导航设备可以是智能手机、平板等移动终端,也可以是车载导航设备、或者服务器等,在其他实施例中,该方法还可应用于其他设备,本实施例以导航设备为例进行示意性说明。
如图1所示,该方法具体步骤如下:
步骤S101、根据配置的道路特征,获取路网数据中道路单元的道路特征数据。
本实施例中,针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个道路特征,并且为各个道路特征配置初始权重,初始权重的大小体现了具有对应道路特征的道路对无人配送车的适配程度,以及无人配送车行驶在对应道路上的危险性和高效性,权重越小的道路特征对应道路对无人配送车的适配度越高,表明无人配送车行驶通过该道路的代价越小。
在进行行驶路径导航时,获取路网数据,并根据配置的道路特征,提取路网数据中各道路单元的道路特征数据。
其中,路网数据可以是根据本次导航的起点和终点确定的一个区域范围内的路网数据,获取的路网数据与现有的导航方法中获取的路网数据一致,此处步骤赘述。
步骤S102、根据道路单元的道路特征数据,确定道路单元的搜索权重。
在获取到路网数据中各个道路单元的道路特征数据之后,根据道路单元的道路特征数据,基于搜索权重的计算规则,计算得到各个道路单元的搜索权重。
道路单元的搜索权重能够体现无人配送车行驶通过该道路单元的代价,搜索权重越高,表示无人配送车行驶通过该道路单元的代价越大,该道路单元对无人配送车的适配度越低,说明无人配送车行驶在该道路单元上的安全性和/或高效性越差。
步骤S103、根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径。
在确定路网数据中各个道路单元的搜索权重之后,基于道路单元的搜索权重进行路径搜索,并搜索得到权重最小的导航路径,作为无人配送车的行驶路径。
该步骤中,进行路径搜索可以采用现有技术中任意一种路径搜索算法实现,例如,迪克斯特拉(Dijkstra)算法、A*(A-Star)算法等,此处不做具体限定。
本发明实施例针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个道路特征,在进行导航时,根据配置的道路特征,获取路网数据中道路单元的道路特征数据;根据道路单元的道路特征数据,确定道路单元的搜索权重;根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径,能够搜索得到更加适合无人配送车的行驶路径,提高无人配送车的导航路径的精准性,提高无人配送车行驶的安全性和高效性。
实施例二
图2为本发明实施例二提供的行驶路径导航的方法流程图。在上述实施例一的基础上,本实施例中,根据配置的道路特征,获取路网数据中道路单元的道路特征数据,包括:响应于导航请求,获取路网数据;根据预先配置的道路特征,对路网数据进行特征提取,确定路网数据中各道路单元的道路特征数据。根据道路单元的道路特征数据,确定道路单元的搜索权重,包括:根据道路单元的道路特征数据,确定道路单元命中的道路特征;根据各个道路特征的初始权重、道路单元命中的道路特征和道路单元中车道的里程数,确定道路单元的搜索权重。
如图2所示,该方法具体步骤如下:
步骤S201、响应于导航请求,获取路网数据。
本实施例中,响应于对无人配送车从起点至终点的行驶路径的导航请求,导航设备首先获取对应的路网数据。
该步骤中,获取的路网数据可以是根据本次导航的起点和终点确定的一个区域范围内的路网数据,获取的路网数据与现有的导航方法中获取的路网数据一致,此处步骤赘述。
其中,路网数据可以是高精地图的地图数据,以提高数据的精准度。
步骤S202、根据预先配置的道路特征,对路网数据进行特征提取,确定路网数据中各道路单元的道路特征数据。
本实施例中,针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个道路特征,并且为各个道路特征配置初始权重,初始权重的大小体现了具有对应道路特征的道路对无人配送车的适配程度,以及无人配送车行驶在对应道路上的危险性和高效性,权重越小的道路特征对应道路对无人配送车的适配度越高,表明无人配送车行驶通过该道路的代价越小。
其中,配置的道路特征包括以下几种类型的基础道路特征,基础道路特征包括以下一种或多种:车道类型、是否位于路口、所在路口类型、转向类型、车道顺序、里程。
示例性地,针对无人配送车的行驶场景,基础道路特征可以配置为包括如图3所示的道路特征。如图3所示,车道类型包括机动车道、非机动车道、人行道。若位于路口,所在路口类型可以包括有交通信号灯的路口和无交通信号灯的路口。转向类型包括:直行、左转、左前、左后、调头、右转、右前、右后。车道顺序包括车道顺序值和是否内侧车道。本实施例中,将道路上除最右侧的两个车道之外的车道为内侧车道(或称为偏内侧车道)。
示例性地,以车道类型为例对基础道路特征的初始权重进行示例性地说明,车道类型包括机动车道、非机动车道、人行道。在一种实际应用场景中,无人配送车为电动三轮车,属于非机动车,对于无人配送车来说,行驶在非机动车道的高效性最高、危险性最低,适配度最高的车道为非机动车道;其次是人行道,最后是机动车道;因此可以将各个车道类型对应初始权重设置为:机动车道:2.0,非机动车道:1.0,人行道:1.5,初始权重的大小体现了不同车道类型的道路对无人配送车的适配程度,以及无人配送车行驶在对应道路上的危险性和高效性,权重越小的车道类型对应道路对无人配送车的适配度越高,无人配送车行驶通过该道路的代价越小。
示例性地,以转向类型和所在路口类型为例对部分基础道路特征的初始权重进行示例性地说明:在实际应用场景中,无人配送车辆在转向类型包括:直行、调头、左转、右转、左前、左后、右前、右后,其中,左后、调头相对于左转、左前、右前的危险性更高、高效性更低;左转、左前、右前相对于直行、右转、右后的危险性更高、高效性更低;因此可以将左后、调头对应初始权重可以设置为:500.0;左后、调头对应初始权重可以设置为,1000.0;直行、右转、右后对应初始权重可以设置为:0.0。进一步地,对于所在路口类型,有交通信号灯路口相对于无交通信号灯路口的危险性更高、高效性更低,因此,可以设置“无交通信号灯路口”的初始权重为5.0;“有交通信号灯路口”的初始权重为1.0。对无人配送车来说,不止关心每条道路的车道、道路单元(也即车道组)的里程信息,还关心道路中车道的车道类型、所在路口类型、转向类型、车道顺序(包括车道顺序值及是否为内侧车道)。考虑到无人配送车需要尽可能行驶在非机动车道上,因此需要提取车道的车道类型特征。考虑到无人配送车不得不行驶在机动车道上时,应尽可能行驶在外侧机动车道上,因此需要提取车道顺序特征。考虑到无人配送车尽可能不在机动车道最内侧看交通信号灯左转,而尽可能通过人行横道左转,同时,受转向半径和摄像头的限制,左转对无人配送车而言有一定的危险系数,需要提取转向类型特征。考虑到若道路所在路口没有交通信号灯,对无人配送车来说,左转会是一个非常危险的行为,因此需要提取所在路口类型特征。
本实施例中获取的路网数据可以从高精度地图获取,包括地图内所有道路的拓扑关系和道路单元的所有的基础道路特征。
本实施例中,还可以针对无人配送车的行驶特点,基于基础道路特征,针对无人配送车的特定行驶场景,组合出新的组合道路特征。
配置的道路特征还可以包括:无人配送车对应的组合道路特征,组合道路特征是由至少两种不同的基础道路特征组合而成。
示例性地,针对无人配送车的行驶场景,增加组合道路特征后的道路特征可以配置为包括如图4所示的道路特征。如图4所示,根据“左转”、“左前”、“左后”或者“调头”的特征,可以组合出新的组合道路特征“左或调头”,这是一种对于无人配送车来说的危险道路特征。根据“无交通信号灯路口”和“左或调头”组合出一个新的组合道路特征“无交通信号灯路口的左或调头”,这是一种对于无人配送车来说极度危险的道路特征。另外,“无交通信号灯路口的左或调头”也可以是根据“左转”、“左前”、“左后”、或者“调头”,与“无交通信号灯路口”组合出的组合道路特征。根据“是否内侧车道”且“位于路口”组合出另一种危险的组合道路特征“路口内的内侧机动车路线”。这些组合出的组合道路特征,会比基础道路特征有更重要的作用,对导航路径的影响更为严重,对无人配送车导航路线的安全性有更好的表征。
示例性地,在实际应用场景中,在“无交通信号灯路口的左或调头”的危险性高且效率低,可以设置“无交通信号灯路口的左或调头”对应一个较大的初始权重:10.0;在后续计算道路单元的搜索权重时,会在命中的基础道路特征(左转、无交通信号灯路口)的初始权重的基础上叠加(乘以)命中的组合道路特征(“无交通信号灯路口的左或调头”)的初始权重,从而可以大大增加危险性高通过效率低的道路单元的搜索权重。该步骤中,根据预先配置的道路特征,对路网数据进行特征提取,确定路网数据中各道路单元的道路特征数据。
在获取到路网数据中各道路单元的道路特征数据之后,通过以下步骤S203-S204,根据道路单元的道路特征数据,确定道路单元的搜索权重。
步骤S203、根据道路单元的道路特征数据,确定道路单元命中的道路特征。
在获取到路网数据中各道路单元的道路特征数据之后,基于道路单元的道路特征数据,可以确定道路单元命中的道路特征。
其中,道路单元命中的道路特征包括基础道路特征和组合道路特征。
本实施例中,对于每一种类型的基础道路特征,道路单元同时只能命中一种类型中的一个基础道路特征。道路单元不一定会命中组合道路特征。
例如,对于车道类型这一类型的基础道路特征,道路单元只能命中机动车道、非机动车道和人行道中的一个,不能同时命中其中的两个或更多。
步骤S204、根据各个道路特征的初始权重、道路单元命中的道路特征和道路单元中车道的里程数,确定道路单元的搜索权重。
在获取到路网数据中各个道路单元的道路特征数据之后,根据道路单元的道路特征数据,基于搜索权重的计算规则,计算得到各个道路单元的搜索权重。
道路单元的搜索权重能够体现无人配送车行驶通过该道路单元的代价,搜索权重越高,表示无人配送车行驶通过该道路单元的代价越大,该道路单元对无人配送车的适配度越低,说明无人配送车行驶在该道路单元上的安全性和/或高效性越差。
具体地,对于每一个道路单元,若道路单元命中了至少一个组合道路特征,则针对至少一个组合道路特征包含的多个基础道路特征,在多个基础道路特征的初始权重上叠加对应的组合道路特征的初始权重,得到多个基础道路特征的叠加权重;根据多个基础道路特征的叠加权重和道路单元中车道的里程数,确定道路单元的搜索权重。
若道路单元未命中组合道路特征,则根据各个基础道路特征的初始权重、道路单元命中的基础道路特征和道路单元中车道的里程数,确定道路单元的搜索权重。
可选地,在基础道路特征的初始权重上叠加对应的组合道路特征的初始权重,可以是在基础道路特征的初始权重上加上对应的组合道路特征的初始权重,或者,可以是在基础道路特征的初始权重上乘以对应的组合道路特征的初始权重,具体叠加方式可以根据实际应用场景需要进行配置,此处不做具体限定。
其中,搜索权重的计算规则可以根据实际应用场景需要进行配置和调整,此处不做具体限定。
一种可选的实施方式中,该步骤具体可以采用如下方式实现:
对于道路单元中每个车道,根据车道命中的车道类型和是否位于路口,以及车道的里程数,确定车道的第一权重;根据道路单元命中的转向类型和所在路口类型,确定道路单元的第二权重;根据道路单元命中的车道顺序和所在路口类型,以及道路单元的总里程,确定道路单元的第三权重;将道路单元中所有车道的第一权重、道路单元的第二权重和第三权重的和,确定为道路单元的搜索权重。
可选地,对于道路单元中每个车道,根据车道命中的车道类型和是否位于路口,以及车道的里程数,确定车道的第一权重,具体可以采用如下方式实现:
计算车道的里程数与里程对应初始权重的乘积,得到车道的里程权重;若车道位于路口,则计算位于路口对应的初始权重与车道的里程数的乘积,得到车道的车道类型权重;若车道不是位于路口,则计算车道命中的车道类型对应的初始权重与车道的里程数的乘积,得到车道的车道类型权重;计算车道的里程权重和车道类型权重之和,得到车道的第一权重。
其中,车道类型包括非机动车道、机动车道、人行道,其中非机动车道的初始权重大于机动车道的初始权重。
可选地,根据道路单元命中的转向类型和所在路口类型,确定道路单元的第二权重,具体可以采用如下方式实现:
根据道路单元命中的转向类型,确定道路单元的转向类型权重,转向类型包括直行、调头、左转、右转、左前、左后、右前、右后;若道路单元命中至少一个组合道路特征,则在转向类型权重上叠加至少一个组合道路特征的初始权重,得到道路单元的第二权重;若道路单元未命中组合道路特征,则将转向类型权重作为道路单元的第二权重。
可选地,根据道路单元命中的车道顺序和所在路口类型,以及道路单元的总里程,确定道路单元的第三权重,具体可以采用如下方式实现:
计算道路单元命中的车道顺序的初始权重与道路单元的总里程的乘积,得到道路单元的车道顺序权重;若道路单元命中至少一个组合道路特征,则在车道顺序权重上叠加至少一个组合道路特征的初始权重,得到道路单元的第三权重;若道路单元未命中组合道路特征,则将车道顺序权重作为道路单元的第三权重。
可选地,所有不同的车道顺序对应一个初始权重,车道顺序的特征值可以不同,计算道路单元的车道顺序权重,可以通过计算车道顺序的特征值乘以车道顺序对应的初始权重,再乘以道路单元的总里程得到。
本实施例中,不同的道路特征对应不同的初始权重,越危险的道路特征的初始权重更大,代表无人配送车行驶通过此道路的代价更高。另外危险的道路特征的权重越大,乘以里程之后相当于在该危险的道路上逗留的时间、里程越长,也就是增加了该道路的搜索的代价。无人配送车应该在不得不经过危险路段时,选择最短的危险路段进行导航。通过对道路特征的权重值的衡量,影响导航在机动车道与绕路的非机动车道,危险车道与绕路的非危险车道间进行权衡。对道路特征的搜索权重的赋值,是对提取出的道路特征的重要程度的计算,也是对无人配送车行驶在道路上的危险性与高效性的考量。
本实施例中,可以预先配置和存储道路特征、各个道路特征的初始权重、以及搜索权重的计算规则。预先配置的道路特征、各个道路特征的初始权重、以及搜索权重的计算规则,可以根据无人配送车的实际运营数据进行调整和不断优化,使得基于优化后的道路特征、各个道路特征的初始权重、以及搜索权重的计算规则,能够尽可能满足所有运营线路。
示例性地,图5示出了一个道路单元的搜索权重的一种计算方式,如图5所示,根据道路单元中车道的里程数与里程对应初始权重w1的乘积,得到车道的里程权重;根据车道是否命中以下基础道路特征“非机动车道”、“机动车道”、“人行道”、“位于路口”(对应初始权重分别为:W2、W3、W4、W5);将命中的基础道路特征的特征值设为1,将未命中的基础道路特征的特征值设为0,分别计算基础道路特征的特征值乘以对应初始权重,再乘以车道的里程数,然后求和,得到车道类型权重;计算车道的里程权重和车道类型权重的和,得到车道的第一权重。根据车道是否命中以下转向类型的基础道路特征“直行”、“调头”、“左转”、“右转”、“右后”、“右前”、“左后”、“左前”(对应初始权重分别为:W6、W7、W8、W9、W10、W11、W12、W13);将命中的基础道路特征的特征值设为1,将未命中的基础道路特征的特征值设为0,分别计算各基础道路特征的特征值乘以对应初始权重后求和,得到道路单元的转向类型权重;若道路单元命中了“调头”、“左转”、“左后”、“左前”中的一个,并且命中了“无交通信号灯路口”,则可以确定道路单元命中了“无交通信号灯路口的左或调头”(对应初始权重为:W14)这一组合道路特征,将道路单元的转向类型权重乘以“无交通信号灯路口的左或调头”的初始权重W14,得到道路单元的第二权重。通过计算车道顺序的特征值乘以车道顺序对应的初始权重W15,再乘以道路单元的总里程得到车道单元的车道顺序权重;若车道单元命中了“路口内的内侧机动车道”(对应的初始权重为W16)这一组合道路特征,则将车道顺序权重乘以该组合道路特征对应的初始权重W16,得到道路单元的第三权重。计算道路单元中所有车道的第一权重、道路单元的第二权重和第三权重的和,得到为道路单元的搜索权重。
步骤S205、根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径。
在确定路网数据中各个道路单元的搜索权重之后,基于道路单元的搜索权重进行路径搜索,并搜索得到权重最小的导航路径,作为无人配送车的行驶路径。
本实施例中,路径搜索算法的好坏,只影响规划出行驶路径的速度,只要路径搜索算法保证求出最优解,就对最终得到的行驶路径的好坏没有影响。而道路特征的配置是否充分、准确,搜索权重的赋值是否合乎运营实际,才是影响搜索得到的行驶路线好坏的决定性因素。通过合理配置道路特征、初始权重和搜索权重的计算规则,可以生成精准适用于无人配送车的行驶路线。
该步骤中,进行路径搜索可以采用现有技术中任意一种路径搜索算法实现,例如,迪克斯特拉(Dijkstra)算法、A*(A-Star)算法等,此处不做具体限定。
本实施例中,首先通过对路网数据进行道路特征数据提取,然后根据提取的道路特征数据对每各道路单元进行搜索权重的赋值,再根据不同道路单元的不同搜索权重进行路径搜索,得到最终的导航路线。其中,道路特征提取过程中,需要针对无人配送车提取预先配置的特定的道路特征。这些特征可能对无人机动车重要程度不高,甚至不会考虑,但却对无人配送车有着重要意义,能指导无人配送车行驶在安全且高效的路径上。在道路单元的搜索权重赋值过程中,也会针对无人配送车,对不同基础道路特征及其组合道路特征赋予不同的初始权重,从而尽可能地正确描述无人配送车行驶通过此道路的代价,使得后续的搜索能获得更优的结果。
在无人配送车进行导航规划时,可以根据高精度地图的道路情况,智能选择机动车道与非机动车道,根据高精度地图的路口红绿灯及路线情况,判断导航通过此路口是否安全,从而使得无人配送车既省时省电,又行驶在更安全的路线上。
本发明实施例针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个基础道路特征,进一步基于基础道路特征针对无人配送车的特定行驶场景,组合出新的组合道路特征。在进行导航时,根据配置的道路特征,获取路网数据中道路单元的道路特征数据;根据道路单元的道路特征数据,确定道路单元的搜索权重;根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径,能够搜索得到更加适合无人配送车的行驶路径,提高无人配送车的导航路径的精准性,提高无人配送车行驶的安全性和高效性。
实施例三
图6为本发明实施例三提供的路径导航的装置的结构示意图。本发明实施例提供的路径导航的装置可以执行路径导航的方法实施例提供的处理流程。如图6所示,该路径导航的装置30包括:道路特征提取模块301,搜索权重确定模块302和路径导航模块303。
具体地,道路特征提取模块301用于根据配置的道路特征,获取路网数据中道路单元的道路特征数据。
搜索权重确定模块302用于根据道路单元的道路特征数据,确定道路单元的搜索权重。
路径导航模块303用于根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径。
本发明实施例提供的装置可以具体用于执行上述实施例一所提供的方法实施例,具体功能此处不再赘述。
本发明实施例针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个基础道路特征,进一步基于基础道路特征针对无人配送车的特定行驶场景,组合出新的组合道路特征。在进行导航时,根据配置的道路特征,获取路网数据中道路单元的道路特征数据;根据道路单元的道路特征数据,确定道路单元的搜索权重;根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径,能够搜索得到更加适合无人配送车的行驶路径,提高无人配送车的导航路径的精准性,提高无人配送车行驶的安全性和高效性。
实施例四
在上述实施例三的基础上,本实施例中,道路特征提取模块还用于:
响应于导航请求,获取路网数据;根据预先配置的道路特征,对路网数据进行特征提取,确定路网数据中各道路单元的道路特征数据。
可选地,配置的道路特征包括:基础道路特征,基础道路特征包括以下一种或多种:车道类型、是否位于路口、所在路口类型、转向类型、车道顺序、里程。
可选地,配置的道路特征还包括:无人配送车对应的组合道路特征,组合道路特征是由至少两种不同的基础道路特征组合而成。
可选地,搜索权重确定模块还用于:
根据道路单元的道路特征数据,确定道路单元命中的道路特征;根据各个道路特征的初始权重、道路单元命中的道路特征和道路单元中车道的里程数,确定道路单元的搜索权重。
可选地,搜索权重确定模块还用于:
对于每一个道路单元,若道路单元命中了至少一个组合道路特征,则针对至少一个组合道路特征包含的多个基础道路特征,在多个基础道路特征的初始权重上叠加对应的组合道路特征的初始权重,得到多个基础道路特征的叠加权重;根据多个基础道路特征的叠加权重和道路单元中车道的里程数,确定道路单元的搜索权重。
可选地,搜索权重确定模块还用于:
对于每一个道路单元,若道路单元未命中组合道路特征,则根据各个基础道路特征的初始权重、道路单元命中的基础道路特征和道路单元中车道的里程数,确定道路单元的搜索权重。
可选地,搜索权重确定模块还用于:
对于道路单元中每个车道,根据车道命中的车道类型和是否位于路口,以及车道的里程数,确定车道的第一权重;根据道路单元命中的转向类型和所在路口类型,确定道路单元的第二权重;根据道路单元命中的车道顺序和所在路口类型,以及道路单元的总里程,确定道路单元的第三权重;将道路单元中所有车道的第一权重、道路单元的第二权重和第三权重的和,确定为道路单元的搜索权重。
可选地,搜索权重确定模块还用于:
计算车道的里程数与里程对应初始权重的乘积,得到车道的里程权重;若车道位于路口,则计算位于路口对应的初始权重与车道的里程数的乘积,得到车道的车道类型权重;若车道不是位于路口,则计算车道命中的车道类型对应的初始权重与车道的里程数的乘积,得到车道的车道类型权重;计算车道的里程权重和车道类型权重之和,得到车道的第一权重;其中,车道类型包括非机动车道、机动车道、人行道,其中非机动车道的初始权重大于机动车道的初始权重。
可选地,搜索权重确定模块还用于:
根据道路单元命中的转向类型,确定道路单元的转向类型权重,转向类型包括直行、调头、左转、右转、左前、左后、右前、右后;若道路单元命中至少一个组合道路特征,则在转向类型权重上叠加至少一个组合道路特征的初始权重,得到道路单元的第二权重;若道路单元未命中组合道路特征,则将转向类型权重作为道路单元的第二权重。
可选地,搜索权重确定模块还用于:
计算道路单元命中的车道顺序的初始权重与道路单元的总里程的乘积,得到道路单元的车道顺序权重;若道路单元命中至少一个组合道路特征,则在车道顺序权重上叠加至少一个组合道路特征的初始权重,得到道路单元的第三权重;若道路单元未命中组合道路特征,则将车道顺序权重作为道路单元的第三权重。
本发明实施例提供的装置可以具体用于执行上述实施例二所提供的方法实施例,具体功能此处不再赘述。
本发明实施例针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个基础道路特征,进一步基于基础道路特征针对无人配送车的特定行驶场景,组合出新的组合道路特征。在进行导航时,根据配置的道路特征,获取路网数据中道路单元的道路特征数据;根据道路单元的道路特征数据,确定道路单元的搜索权重;根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径,能够搜索得到更加适合无人配送车的行驶路径,提高无人配送车的导航路径的精准性,提高无人配送车行驶的安全性和高效性。
实施例五
图7为本发明实施例五提供的导航设备的结构示意图。如图7所示,该导航设备70包括:处理器701,存储器702,以及存储在存储器702上并可在处理器701上运行的计算机程序。
其中,处理器701运行计算机程序时实现上述任一方法实施例提供的路径导航的方法。
本发明实施例针对无人配送车的具体行驶场景,预先配置多个与无人配送车的具体行驶场景相关联的多个基础道路特征,进一步基于基础道路特征针对无人配送车的特定行驶场景,组合出新的组合道路特征。在进行导航时,根据配置的道路特征,获取路网数据中道路单元的道路特征数据;根据道路单元的道路特征数据,确定道路单元的搜索权重;根据道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径,能够搜索得到更加适合无人配送车的行驶路径,提高无人配送车的导航路径的精准性,提高无人配送车行驶的安全性和高效性。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现上述任一方法实施例提供的方法。
本发明实施例还提供了一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,导航设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得导航设备执行上述任一方法实施例提供的方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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,本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。
Claims (15)
1.一种路径导航的方法,其特征在于,包括:
根据配置的道路特征,获取路网数据中道路单元的道路特征数据;
根据所述道路单元的道路特征数据,确定所述道路单元的搜索权重;
根据所述道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径。
2.根据权利要求1所述的方法,其特征在于,所述根据配置的道路特征,获取路网数据中道路单元的道路特征数据,包括:
响应于导航请求,获取路网数据;
根据预先配置的道路特征,对所述路网数据进行特征提取,确定所述路网数据中各道路单元的道路特征数据。
3.根据权利要求1所述的方法,其特征在于,所述配置的道路特征包括:基础道路特征,所述基础道路特征包括以下一种或多种:车道类型、是否位于路口、所在路口类型、转向类型、车道顺序、里程。
4.根据权利要求3所述的方法,其特征在于,所述配置的道路特征还包括:无人配送车对应的组合道路特征,所述组合道路特征是由至少两种不同的基础道路特征组合而成。
5.根据权利要求1所述的方法,其特征在于,所述根据所述道路单元的道路特征数据,确定所述道路单元的搜索权重,包括:
根据所述道路单元的道路特征数据,确定所述道路单元命中的道路特征;
根据各个道路特征的初始权重、所述道路单元命中的道路特征和所述道路单元中车道的里程数,确定所述道路单元的搜索权重。
6.根据权利要求5所述的方法,其特征在于,所述根据各个道路特征的初始权重、所述道路单元命中的道路特征和所述道路单元中车道的里程数,确定所述道路单元的搜索权重,包括:
对于每一个所述道路单元,若所述道路单元命中了至少一个组合道路特征,则针对所述至少一个组合道路特征包含的多个基础道路特征,在所述多个基础道路特征的初始权重上叠加对应的组合道路特征的初始权重,得到所述多个基础道路特征的叠加权重;
根据所述多个基础道路特征的叠加权重和所述道路单元中车道的里程数,确定所述道路单元的搜索权重。
7.根据权利要求6所述的方法,其特征在于,所述根据各个道路特征的初始权重、所述道路单元命中的道路特征和所述道路单元中车道的里程数,确定所述道路单元的搜索权重,包括:
若所述道路单元未命中组合道路特征,则根据各个基础道路特征的初始权重、所述道路单元命中的基础道路特征和所述道路单元中车道的里程数,确定所述道路单元的搜索权重。
8.根据权利要求5-7中任一项所述的方法,其特征在于,所述根据各个道路特征的初始权重、所述道路单元命中的道路特征和所述道路单元中车道的里程数,确定所述道路单元的搜索权重,包括:
对于所述道路单元中每个车道,根据所述车道命中的车道类型和是否位于路口,以及所述车道的里程数,确定所述车道的第一权重;
根据所述道路单元命中的转向类型和所在路口类型,确定所述道路单元的第二权重;
根据所述道路单元命中的车道顺序和所在路口类型,以及所述道路单元的总里程,确定所述道路单元的第三权重;
将所述道路单元中所有车道的第一权重、所述道路单元的第二权重和第三权重的和,确定为所述道路单元的搜索权重。
9.根据权利要求8所述的方法,其特征在于,所述对于所述道路单元中每个车道,根据所述车道命中的车道类型和是否位于路口,以及所述车道的里程数,确定所述车道的第一权重,包括:
计算所述车道的里程数与里程对应初始权重的乘积,得到所述车道的里程权重;
若所述车道位于路口,则计算位于路口对应的初始权重与所述车道的里程数的乘积,得到所述车道的车道类型权重;
若所述车道不是位于路口,则计算所述车道命中的车道类型对应的初始权重与所述车道的里程数的乘积,得到所述车道的车道类型权重;
计算所述车道的里程权重和车道类型权重之和,得到所述车道的第一权重;
其中,车道类型包括非机动车道、机动车道、人行道,其中非机动车道的初始权重大于机动车道的初始权重。
10.根据权利要求8所述的方法,其特征在于,所述根据所述道路单元命中的转向类型和所在路口类型,确定所述道路单元的第二权重,包括:
根据所述道路单元命中的转向类型,确定所述道路单元的转向类型权重,所述转向类型包括直行、调头、左转、右转、左前、左后、右前、右后;
若所述道路单元命中至少一个组合道路特征,则在所述转向类型权重上叠加所述至少一个组合道路特征的初始权重,得到所述道路单元的第二权重;
若所述道路单元未命中组合道路特征,则将所述转向类型权重作为所述道路单元的第二权重。
11.根据权利要求8所述的方法,其特征在于,所述将所述道路单元中所有车道的第一权重、所述道路单元的第二权重和第三权重的和,确定为所述道路单元的搜索权重,包括:
计算所述道路单元命中的车道顺序的初始权重与所述道路单元的总里程的乘积,得到所述道路单元的车道顺序权重;
若所述道路单元命中至少一个组合道路特征,则在所述车道顺序权重上叠加所述至少一个组合道路特征的初始权重,得到所述道路单元的第三权重;
若所述道路单元未命中组合道路特征,则将所述车道顺序权重作为所述道路单元的第三权重。
12.一种路径导航的装置,其特征在于,包括:
道路特征提取模块,用于根据配置的道路特征,获取路网数据中道路单元的道路特征数据;
搜索权重确定模块,用于根据所述道路单元的道路特征数据,确定所述道路单元的搜索权重;
路径导航模块,用于根据所述道路单元的搜索权重,进行路径搜索,确定搜索权重最小的导航路径。
13.一种导航设备,其特征在于,包括:
处理器,存储器,以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;
其中,所述处理器运行所述计算机程序时实现如权利要求1至11中任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至11中任一项所述的方法。
15.一种计算机程序产品,其特征在于,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至11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110396128.4A CN113776548B (zh) | 2021-04-13 | 2021-04-13 | 路径导航的方法、装置、设备、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110396128.4A CN113776548B (zh) | 2021-04-13 | 2021-04-13 | 路径导航的方法、装置、设备、存储介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113776548A true CN113776548A (zh) | 2021-12-10 |
CN113776548B CN113776548B (zh) | 2024-09-20 |
Family
ID=78835595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110396128.4A Active CN113776548B (zh) | 2021-04-13 | 2021-04-13 | 路径导航的方法、装置、设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113776548B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457786A (zh) * | 2022-09-05 | 2022-12-09 | 白犀牛智达(北京)科技有限公司 | 一种无人低速车辆通过路口的方法 |
CN115457769A (zh) * | 2022-08-31 | 2022-12-09 | 东风商用车有限公司 | 一种数据修正方法、装置、设备及可读存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007240279A (ja) * | 2006-03-07 | 2007-09-20 | Aisin Aw Co Ltd | ナビゲーション装置及びナビゲーションシステム |
JP2008292237A (ja) * | 2007-05-23 | 2008-12-04 | Denso It Laboratory Inc | ナビゲーション装置、ナビゲーション方法およびプログラム |
JP2009162740A (ja) * | 2007-12-13 | 2009-07-23 | Xanavi Informatics Corp | ナビゲーション装置、道路勾配演算方法および高度演算方法 |
US20120029801A1 (en) * | 2010-08-02 | 2012-02-02 | Denso Corporation | Driving characteristics detector and route search device |
CN102759362A (zh) * | 2011-04-29 | 2012-10-31 | 昆达电脑科技(昆山)有限公司 | 导航系统及其路径规划方法 |
JP2015017914A (ja) * | 2013-07-11 | 2015-01-29 | ヤマハ発動機株式会社 | ナビゲーション装置、シミュレーション装置、移動装置およびナビゲーション方法 |
CN104422449A (zh) * | 2013-08-27 | 2015-03-18 | 上海博泰悦臻电子设备制造有限公司 | 一种车辆导航的方法、装置 |
EP2984452A1 (en) * | 2013-04-08 | 2016-02-17 | Scania CV AB | Route selection in navigation unit |
CN107389079A (zh) * | 2017-07-04 | 2017-11-24 | 广州海格星航信息科技有限公司 | 高精度路径规划方法和系统 |
CN110637213A (zh) * | 2017-05-16 | 2019-12-31 | 北京嘀嘀无限科技发展有限公司 | 用于数字路径规划的系统和方法 |
EP3591640A1 (en) * | 2018-07-05 | 2020-01-08 | General Electric Company | Intelligent unmanned aerial vehicle traffic management via an infrastructure network |
CN111504339A (zh) * | 2020-05-09 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 一种对可移动平台的导航方法、装置及计算机设备 |
-
2021
- 2021-04-13 CN CN202110396128.4A patent/CN113776548B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007240279A (ja) * | 2006-03-07 | 2007-09-20 | Aisin Aw Co Ltd | ナビゲーション装置及びナビゲーションシステム |
JP2008292237A (ja) * | 2007-05-23 | 2008-12-04 | Denso It Laboratory Inc | ナビゲーション装置、ナビゲーション方法およびプログラム |
JP2009162740A (ja) * | 2007-12-13 | 2009-07-23 | Xanavi Informatics Corp | ナビゲーション装置、道路勾配演算方法および高度演算方法 |
US20120029801A1 (en) * | 2010-08-02 | 2012-02-02 | Denso Corporation | Driving characteristics detector and route search device |
CN102759362A (zh) * | 2011-04-29 | 2012-10-31 | 昆达电脑科技(昆山)有限公司 | 导航系统及其路径规划方法 |
EP2984452A1 (en) * | 2013-04-08 | 2016-02-17 | Scania CV AB | Route selection in navigation unit |
JP2015017914A (ja) * | 2013-07-11 | 2015-01-29 | ヤマハ発動機株式会社 | ナビゲーション装置、シミュレーション装置、移動装置およびナビゲーション方法 |
CN104422449A (zh) * | 2013-08-27 | 2015-03-18 | 上海博泰悦臻电子设备制造有限公司 | 一种车辆导航的方法、装置 |
CN110637213A (zh) * | 2017-05-16 | 2019-12-31 | 北京嘀嘀无限科技发展有限公司 | 用于数字路径规划的系统和方法 |
CN107389079A (zh) * | 2017-07-04 | 2017-11-24 | 广州海格星航信息科技有限公司 | 高精度路径规划方法和系统 |
EP3591640A1 (en) * | 2018-07-05 | 2020-01-08 | General Electric Company | Intelligent unmanned aerial vehicle traffic management via an infrastructure network |
CN111504339A (zh) * | 2020-05-09 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 一种对可移动平台的导航方法、装置及计算机设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457769A (zh) * | 2022-08-31 | 2022-12-09 | 东风商用车有限公司 | 一种数据修正方法、装置、设备及可读存储介质 |
CN115457769B (zh) * | 2022-08-31 | 2023-10-13 | 东风商用车有限公司 | 一种数据修正方法、装置、设备及可读存储介质 |
CN115457786A (zh) * | 2022-09-05 | 2022-12-09 | 白犀牛智达(北京)科技有限公司 | 一种无人低速车辆通过路口的方法 |
CN115457786B (zh) * | 2022-09-05 | 2023-09-26 | 白犀牛智达(北京)科技有限公司 | 一种无人低速车辆通过路口的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113776548B (zh) | 2024-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110579222B (zh) | 导航路线处理方法、装置及设备 | |
US10126751B2 (en) | Lane change support device | |
US11733058B2 (en) | Methods and systems for generating parking routes | |
CN110162050B (zh) | 行驶控制方法及行驶控制系统 | |
JP2022542712A (ja) | 地図生成方法、測位方法、装置、機器、記憶媒体及びコンピュータプログラム | |
CN111238497A (zh) | 一种高精度地图的构建方法及装置 | |
KR20190090393A (ko) | 차선 결정 방법, 디바이스 및 저장 매체 | |
CN113776548A (zh) | 路径导航的方法、装置、设备、存储介质及程序产品 | |
CN111142525A (zh) | 高精度地图车道拓扑构建方法及系统、服务器及介质 | |
CN110440819B (zh) | 导航方法、装置和系统 | |
CN110174110A (zh) | 地图对应的方法和装置、电子设备、计算机可读介质 | |
CN113847927A (zh) | 路径生成的方法、装置、设备、存储介质及程序产品 | |
CN116067387A (zh) | 标准清晰度到高清晰度导航路线确定 | |
CN111368409A (zh) | 车辆流的模拟处理方法、装置、设备和存储介质 | |
CN114964287A (zh) | 车道定位方法、计算机设备、计算机可读存储介质及车辆 | |
CN116148890A (zh) | 高精度地图车道规划方法、系统、电子设备及存储介质 | |
CN111024101A (zh) | 一种导航路径风景评价方法及系统、存储介质及车载终端 | |
JP7212761B2 (ja) | 交通環境認識装置及び車両制御装置 | |
CN117093663B (zh) | 电子地图的数据处理方法和相关装置 | |
CN116136409A (zh) | 驾驶控制方法、系统、控制装置及计算机可读存储介质 | |
CN117115773B (zh) | 停止线生成方法、装置、电子设备、介质和程序产品 | |
CN117570965A (zh) | 车道数据处理方法、装置、设备及存储介质 | |
JP6835499B2 (ja) | 制御システム及び制御システムに用いられる地図データのデータ構造 | |
CN114459496A (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN117475667A (zh) | 一种停车方法、装置、计算机设备及存储介质 |
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 |