CN114463717A - 一种障碍物位置判断方法、系统、电子设备及存储介质 - Google Patents
一种障碍物位置判断方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114463717A CN114463717A CN202111658988.7A CN202111658988A CN114463717A CN 114463717 A CN114463717 A CN 114463717A CN 202111658988 A CN202111658988 A CN 202111658988A CN 114463717 A CN114463717 A CN 114463717A
- Authority
- CN
- China
- Prior art keywords
- road
- frenet
- obstacle
- coordinate
- point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
Abstract
本发明提供一种障碍物位置判断方法、系统、电子设备及存储介质,该方法包括:提取车道线坐标点;基于道路中心线,构造Frenet道路坐标系S轴序列;将道路的左右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件;将障碍物坐标点依次投影至Frenet坐标系;通过线性插值获取障碍物在Frenet纵坐标处道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内,确定障碍物所在道路;将障碍物所在道路的所有车道线投影至Frenet坐标系,构造车道线约束条件;通过线性插值获取障碍物在Frenet纵坐标处车道线约束,判断障碍物Frenet横坐标是否处于车道线约束范围内,确定障碍物所处车道。该方案不依赖感知车道线,不受场景限制,并具备更好的适用性与稳定性。
Description
技术领域
本发明属于自动驾驶领域,尤其涉及一种障碍物位置判断方法、系统、电子设备及存储介质。
背景技术
对车辆前方障碍物的感知是自动驾驶系统的一个重要功能,自动驾驶系统通过感知传感器识别到障碍物后,需要根据障碍物位置快速判定出障碍物所在道路与车道,并进行相应路径规划以避开障碍物。感知传感器提供的障碍物位置信息通常以经纬度大地坐标、笛卡尔平面坐标,或相对于自车的相对坐标形式给出,以上任何一种坐标形式都不能直观地得到障碍物处于地图中“哪一条道路”以及“所在道路中的哪一条车道”的信息,因此,有必要结合传感器数据或地图数据,判断出障碍物具体所在道路与车道的信息。
目前,较为普遍的方式是结合感知提供的车道线方程以及障碍物相对自车的距离进行判定,如中国专利《一种结构化道路下关键障碍物筛选方法》(申请号202011220296.X)提出一种在车身坐标系下判定障碍物车道分布的方式,通过感知获取车辆前方的四条车道线方程,将障碍物相对自车的纵坐标代入各车道线方程中,计算出各车道线在该纵向坐标处的横向位移,再同障碍物的实际横向位移比较,判定出障碍物在哪一条车道,如中国专利《障碍物所在车道的确定方法、装置、电子设备和存储介质》(专利申请号201911272583.2)将前方待测范围的地图数据投射到图像数据中,在图像域中找到与障碍物包围框距离最小的两条车道线,从而得到障碍物所在车道。
上述两种方式均需要借助感知提供的车道线方程或图像信息,其在场景内车道线模糊或不可见的情况下会遇到困难,且在弯道场景下车道线识别会不可靠;对于视野不可见的障碍物,例如V2X(Vehicle-to-Everyting)通信播发的前方较远距离的障碍物信息,无法进行提前处理进行路线避让规划。
发明内容
有鉴于此,本发明实施例提供了一种障碍物位置判断方法、系统、电子设备及存储介质,用于解决现有障碍物位置判断方法适用场景受限的问题。
在本发明实施例的第一方面,提供了一种障碍物位置判断方法,包括:
提取障碍物周围一定范围内的高精度地图车道线坐标点;
基于每条道路的中心线,构造对应的Frenet道路坐标系S轴序列;
将每条道路的左边线和右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件;
将障碍物坐标点依次投影至每条道路的Frenet坐标系,得到障碍物在每条道路下的Frenet坐标;
通过线性插值获取障碍物在Frenet纵坐标处对应的道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内,确定障碍物所在道路;
若判定当前道路为障碍物所在道路,则将当前道路的所有车道线投影至Frenet坐标系,构造出S轴序列的车道线约束条件;
通过线性插值获取障碍物在Frenet纵坐标处对应的车道线约束,判断障碍物Frenet横坐标是否处于相邻车道线约束范围内,若满足相邻车道线的约束范围,则得到障碍物所在车道。
在本发明实施例的第二方面,提供了一种障碍物位置判断系统,包括:
坐标点提取模块,用于提取障碍物周围一定范围内的高精度地图车道线坐标点;
点集序列构建模块,用于基于每条道路的中心线,构造对应的Frenet道路坐标系S轴序列;
边界约束构建模块,用于将每条道路的左边线和右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件;
第一投影模块,用于将障碍物坐标点依次投影至每条道路的Frenet坐标系,得到障碍物在每条道路下的Frenet坐标;
道路判断模块,用于通过线性插值获取障碍物在Frenet纵坐标处对应的道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内,确定障碍物所在道路;
第二投影模块,用于若判定当前道路为障碍物所在道路,则将当前道路的所有车道线投影至Frenet坐标系,构造出S轴序列的车道线约束条件;
车道判断模块,用于通过线性插值获取障碍物在Frenet纵坐标处对应的车道线约束,判断障碍物Frenet横坐标是否处于相邻车道线约束范围内,若满足相邻车道线的约束范围,则得到障碍物所在车道。
在本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
在本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中,基于边界点对道路中心的投影,获取Frenet坐标系的边界约束,通过分别判断障碍物所在道路和车道,得到障碍物位置。从而能够不依赖感知车道线,也不需要构造车道线方程,实现障碍物具体位置判断,其适用场景不限于直道或弯道,即使障碍物不在视野范围内依旧可以进行,大大提高了对不同场景的适应性,具备更好的适用性与稳定性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,对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取其他附图。
图1为本发明一个实施例提供的一种障碍物位置判断方法的流程示意图;
图2为本发明一个实施例提供的平面坐标与Frenet道路坐标之间的对应关系示意图;
图3为本发明一个实施例提供的Frenet坐标系道路边界约束示意图;
图4为本发明一个实施例提供的障碍物所处道路判定示意图;
图5为本发明一个实施例提供的障碍物所处车道判定示意图;
图6为本发明一个实施例提供的一种用于障碍物位置判断的系统的结构示意图;
图7为本发明的一个实施例提供的一种电子设备的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
应当理解,本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外,“第一”“第二”用于区分不同对象,并非用于描述特定顺序。
请参阅图1,本发明实施例提供的一种障碍物位置判断方法的流程示意图,包括:
S101、提取障碍物周围一定范围内的高精度地图车道线坐标点;
根据障碍物坐标(经纬度坐标或平面坐标),提取其周围附近一定范围内的高精度地图道路车道线坐标点,每条道路均包含一条道路中心线、两条道路边线以及若干车道线,其中,提取范围视自动驾驶路径规划需求,典型值为50~200m。
S102、基于每条道路的中心线,构造对应的Frenet道路坐标系S轴序列;
根据每条道路的道路中心线坐标点坐标序列{xbase,ybase},计算其累加里程{sbase},从而构造Frenet道路坐标系S(S即Space,代表纵向距离)轴点集序列{xbase,ybase,sbase}。
具体的,将平面点坐标对道路中心线进行垂直投影,分别计算平面点对应的Frenet坐标系S坐标和L(L即Lateral,代表横向距离)坐标:
其中,投影点所在道路中心线段的两端点分别为(xbase_i,ybase_i)、(xbase_i+1,ybase_i+1),投影点坐标为(xprj,yprj),平面点为(x,y),sign为L坐标的正负号,s为Frenet坐标点的纵坐标,l为Frenet坐标点的横坐标。
如图2所示,图中表示平面坐标与Frenet道路坐标系间的对应关系,道路中心线201对应Frenet坐标轴S轴211,道路中心线起始点202对应Frenet坐标原点212。对于任一平面点203(x,y)转换至Frenet道路坐标点213(s,l)的方式为:将点坐标对道路中心线进行垂直投影,投影点所在道路中心线段的两端点分别为左侧点204(xbase_i,ybase_i)和右侧点205(xbase_i+1,ybase_i+1),其在S轴序列中各自对应的Frenet坐标点为点214(sbase_i,0)和点215(sbase_i+1,0),平面投影点为206(xprj,yprj),其对应的Frenet投影点为216(s,0)。其中,s值的计算方法为:s为Frenet坐标点213的纵坐标,其横坐标绝对值为投影距离,横坐标方向为沿道路中心线方向左正右负,l值具体计算方法为:
S103、将每条道路的左边线和右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件;
具体的,将每条道路的道路左边线坐标点序列和右边线点序列对道路中心线进行投影转换,得到Frenet坐标系下的点序列;
将道路中心线点集中的累加里程sbase集合代入两个Frenet坐标系下的点序列中进行线性插值,获得每个sbase点处对应的左边界约束和右边界约束,构造得到包含道路边界约束的S轴点序列。
如图3所示,道路中心线坐标点序列301{xbase,ybase}对应Frenet坐标S轴上的点序列311{sbase,0},将每条道路的道路左边线坐标点序列302{xside_left,yside_left}和道路右边线点序列303{xside_right,yside_right}对道路中心线进行投影转换,分别获得Frenet坐标系下的点序列312{sside_left,lside_left}和313{sside_right,lside_right},将中心线点集中的{sbase}代入上述两个点集中进行线性插值,获得每个sbase点处对应的左边界约束314{sbase,lbase_leftside}和右边界约束315{sbase,lbase_rightside},从而得到包含道路边界约束的S轴点序列{xbase,ybase,sbase,lbase_leftside,lbase_rightside}。
S104、将障碍物坐标点依次投影至每条道路的Frenet坐标系,得到障碍物在每条道路下的Frenet坐标;
对障碍物坐标进行转换,将其转换为Frenet坐标。具体将障碍物平面坐标(xobs,yobs)点依次投影至每条道路的Frenet坐标系,获得其在每条道路下的Frenet坐标(sobs,lobs)。
S105、通过线性插值获取障碍物在Frenet纵坐标处对应的道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内,确定障碍物所在道路;
若障碍物Frenet坐标为(sobs,lobs),通过线性插值获取障碍物Frenet纵坐标sobs处对应的道路边界约束,判定障碍物横坐标lobs是否处于道路边界约束范围内,满足该条件的道路即为障碍物所在道路。
如图4所示,图中401和402分别为道路左边界约束{sbase,lbase_leftside}以及道路右边界约束{sbase,lbase_rightside},将障碍物Frenet坐标点403中的纵坐标sobs,通过分别对{sbase,lbase_leftside}和{sbase,lbase_rightside}进行线性插值,即得到sobs处对应的道路边界左约束点404(sobs,lobs_leftside)和右边界约束点405(sobs,lobs_rightside),判断障碍物横坐标lobs是否满足道路边界约束条件lobs_leftside≤lobs≤lobs_rightside,满足该条件的道路即为障碍物所在道路;
S106、若判定当前道路为障碍物所在道路,则将当前道路的所有车道线投影至Frenet坐标系,构造出S轴序列的车道线约束条件;
获取到障碍物所在道路后,将该道路的所有车道线投影至Frenet坐标系,构造车道线对应的约束条件。
对于当前道路中的所有车道线坐标序列{xlane,ylane},转换至Frenet坐标系,每条车道线i均对应Frenet坐标系的一个边界约束序列{lbase_lane_i},最终获得包含一系列车道线边界约束的S轴点序列{xbase,ybase,sbase,lbase_lane_1,lbase_lane_2,…,lbase_lane_n},n为车道线总数量;
S107、通过线性插值获取障碍物在Frenet纵坐标处对应的车道线约束,判断障碍物Frenet横坐标是否处于相邻车道线约束范围内,若满足相邻车道线的约束范围,则得到障碍物所在车道。
根据障碍物Frenet横坐标作出的车道线约束范围,可以判断障碍物所处车道。
如图5所示,图中501、502和503分别为车道线1约束{sbase,lbase_lane_1}、车道线2约束{sbase,lbase_lane_2}、车道线n约束{sbase,lbase_lane_n}。将障碍物Frenet坐标点中的纵坐标sobs,通过分别对{sbase,lbase_lane_1}、{sbase,lbase_lane_2}…{sbase,lbase_lane_n}进行线性插值,即得到sobs处对应的所有车道线边界约束点,依次为车道线1边界约束点(sobs,lobs_lane_1)、车道线2边界约束点(sobs,lobs_lane_2)、车道线n边界约束点(sobs,lobs_lane_2),若车道线i和车道线i+1所对应的边界约束点满足:lobs_lane_i≤lobs≤lobs_lane_i+1,则车道线i和i+1所对应的车道即为障碍物所在车道,从而完成障碍物车道分布判定。
本实施例中,借助自动驾驶系统中高精度地图车道线信息,不依赖感知车道线数据,也不需要构造车道线方程,适用场景不限于直道或弯道,即使障碍物不在视野范围内也可以进行,大大增强对不同场景的适应性,并具备更好的适用性与稳定性。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图6为本发明实施例提供的一种用于障碍物位置判断的系统的结构示意图,该系统包括:
坐标点提取模块610,用于提取障碍物周围一定范围内的高精度地图车道线坐标点;
点集序列构建模块620,用于基于每条道路的中心线,构造对应的Frenet道路坐标系S轴序列;
具体的,将平面点坐标对道路中心线进行垂直投影,分别计算平面点对应的Frenet坐标系S坐标和L坐标:
其中,投影点所在道路中心线段的两端点分别为(xbase_i,ybase_i)、(xbase_i+1,ybase_i+1),投影点坐标为(xprj,yprj),平面点为(x,y),sign为L坐标的正负号,s为Frenet坐标点的纵坐标,l为Frenet坐标点的横坐标。
边界约束构建模块630,用于将每条道路的左边线和右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件;
其中,所述边界约束构建模块630包括:
投影转换单元,用于将每条道路的道路左边线坐标点序列和右边线点序列对道路中心线进行投影转换,得到Frenet坐标系下的点序列;
线性插值单元,将道路中心线点集中的累加里程sbase集合代入两个Frenet坐标系下的点序列中进行线性插值,获得每个sbase点处对应的左边界约束和右边界约束,构造得到包含道路边界约束的S轴点序列。
第一投影模块640,用于将障碍物坐标点依次投影至每条道路的Frenet坐标系,得到障碍物在每条道路下的Frenet坐标;
道路判断模块650,用于通过线性插值获取障碍物在Frenet纵坐标处对应的道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内;
具体的,将障碍物Frenet坐标点中纵坐标分别对左边界约束和右边界约束进行线性插值,得到边界约束点;判断障碍物横坐标是否位于两个边界约束点范围内。
第二投影模块660,用于若判定当前道路为障碍物所在道路,则将当前道路的所有车道线投影至Frenet坐标系,构造出S轴序列的车道线约束条件;
车道判断模块670,用于通过线性插值获取障碍物在Frenet纵坐标处对应的车道线约束,判断障碍物Frenet横坐标是否处于相邻车道线约束范围内,若满足相邻车道线的约束范围,则得到障碍物所在车道。
具体的,基于障碍物Frenet坐标点纵坐标对车道线约束进行线性插值,得到车道线边界约束点,判断障碍物横坐标是否满足相邻边界约束点范围。
所述领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和模块的具体工作过程可以参考前述方法实施例中对应的过程,在此不再赘述。
图7是本发明一实施例提供的一种电子设备的结构示意图。所述电子设备用于路面障碍物所处位置判断。如图7所示,该实施例的电子设备7包括:存储器710、处理器720以及系统总线730,所述存储器710包括存储其上的可运行的程序7101,本领域技术人员可以理解,图7中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图7对电子设备的各个构成部件进行具体的介绍:
存储器710可用于存储软件程序以及模块,处理器720通过运行存储在存储器710的软件程序以及模块,从而执行电子设备的各种功能应用以及数据处理。存储器710可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据(比如缓存数据)等。此外,存储器710可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器710上包含标志牌提取方法的可运行程序7101,所述可运行程序7101可以被分割成一个或多个模块/单元,所述一个或多个模块/单元被存储在所述存储器710中,并由处理器720执行,以实现障碍物位置判断等,所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序7101在所述电子设备7中的执行过程。例如,所述计算机程序7101可以被分割为数据采集模块、距离计算模块、停止线获取模块、判断模块等。
处理器720是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器710内的软件程序和/或模块,以及调用存储在存储器710内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体状态监控。可选的,处理器720可包括一个或多个处理单元;优选的,处理器720可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器720中。
系统总线730是用来连接计算机内部各功能部件,可以传送数据信息、地址信息、控制信息,其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器720的指令通过总线传递至存储器710,存储器710反馈数据给处理器720,系统总线730负责处理器720与存储器710之间的数据、指令交互。当然系统总线730还可以接入其他设备,例如网络接口、显示设备等。
在本发明实施例中,该电子设备所包括的处理720执行的可运行程序包括:
提取障碍物周围一定范围内的高精度地图车道线坐标点;
基于每条道路的中心线,构造对应的Frenet道路坐标系S轴序列;
将每条道路的左边线和右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件;
将障碍物坐标点依次投影至每条道路的Frenet坐标系,得到障碍物在每条道路下的Frenet坐标;
通过线性插值获取障碍物在Frenet纵坐标处对应的道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内,确定障碍物所在道路;
若判定当前道路为障碍物所在道路,则将当前道路的所有车道线投影至Frenet坐标系,构造出S轴序列的车道线约束条件;
通过线性插值获取障碍物在Frenet纵坐标处对应的车道线约束,判断障碍物Frenet横坐标是否处于相邻车道线约束范围内,若满足相邻车道线的约束范围,则得到障碍物所在车道。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种障碍物位置判断方法,其特征在于,包括:
提取障碍物周围一定范围内的高精度地图车道线坐标点;
基于每条道路的中心线,构造对应的Frenet道路坐标系S轴序列;
将每条道路的左边线和右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件;
将障碍物坐标点依次投影至每条道路的Frenet坐标系,得到障碍物在每条道路下的Frenet坐标;
通过线性插值获取障碍物在Frenet纵坐标处对应的道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内,确定障碍物所在道路;
若判定当前道路为障碍物所在道路,则将当前道路的所有车道线投影至Frenet坐标系,构造出S轴序列的车道线约束条件;
通过线性插值获取障碍物在Frenet纵坐标处对应的车道线约束,判断障碍物Frenet横坐标是否处于相邻车道线约束范围内,若满足相邻车道线的约束范围,则得到障碍物所在车道。
3.根据权利要求1所述的方法,其特征在于,所述将每条道路的左边线和右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件包括:
将每条道路的道路左边线坐标点序列和右边线点序列对道路中心线进行投影转换,得到Frenet坐标系下的点序列;
将道路中心线点集中的累加里程sbase集合代入两个Frenet坐标系下的点序列中进行线性插值,获得每个sbase点处对应的左边界约束和右边界约束,构造得到包含道路边界约束的S轴点序列。
4.根据权利要求1所述的方法,其特征在于,所述通过线性插值获取障碍物在Frenet纵坐标处对应的道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内具体为:
将障碍物Frenet坐标点中纵坐标分别对左边界约束和右边界约束进行线性插值,得到边界约束点;
判断障碍物横坐标是否位于两个边界约束点范围内。
5.根据权利要求1所述的方法,其特征在于,所述通过线性插值获取障碍物在Frenet纵坐标处对应的车道线约束,判断障碍物Frenet横坐标是否处于相邻车道线约束范围内,若满足相邻车道线的约束范围,则得到障碍物所在车道包括:
基于障碍物Frenet坐标点纵坐标对车道线约束进行线性插值,得到车道线边界约束点,判断障碍物横坐标是否满足相邻边界约束点范围。
6.一种用于障碍物位置判断的系统,其特征在于,包括:
坐标点提取模块,用于提取障碍物周围一定范围内的高精度地图车道线坐标点;
点集序列构建模块,用于基于每条道路的中心线,构造对应的Frenet道路坐标系S轴序列;
边界约束构建模块,用于将每条道路的左边线和右边线投影至Frenet坐标系,构造S轴序列的道路边界约束条件;
第一投影模块,用于将障碍物坐标点依次投影至每条道路的Frenet坐标系,得到障碍物在每条道路下的Frenet坐标;
道路判断模块,用于通过线性插值获取障碍物在Frenet纵坐标处对应的道路边界约束,判断障碍物Frenet横坐标是否处于道路边界约束范围内,确定障碍物所在道路;
第二投影模块,用于若判定当前道路为障碍物所在道路,则将当前道路的所有车道线投影至Frenet坐标系,构造出S轴序列的车道线约束条件;
车道判断模块,用于通过线性插值获取障碍物在Frenet纵坐标处对应的车道线约束,判断障碍物Frenet横坐标是否处于相邻车道线约束范围内,若满足相邻车道线的约束范围,则得到障碍物所在车道。
8.根据权利要求6所述的系统,其特征在于,所述边界约束构建模块包括:
投影转换单元,用于将每条道路的道路左边线坐标点序列和右边线点序列对道路中心线进行投影转换,得到Frenet坐标系下的点序列;
线性插值单元,将道路中心线点集中的累加里程sbase集合代入两个Frenet坐标系下的点序列中进行线性插值,获得每个sbase点处对应的左边界约束和右边界约束,构造得到包含道路边界约束的S轴点序列。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的一种障碍物位置判断方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被执行时实现如权利要求1至5任一项所述的一种障碍物位置判断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111658988.7A CN114463717A (zh) | 2021-12-30 | 2021-12-30 | 一种障碍物位置判断方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111658988.7A CN114463717A (zh) | 2021-12-30 | 2021-12-30 | 一种障碍物位置判断方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463717A true CN114463717A (zh) | 2022-05-10 |
Family
ID=81408593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111658988.7A Pending CN114463717A (zh) | 2021-12-30 | 2021-12-30 | 一种障碍物位置判断方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463717A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093663A (zh) * | 2023-10-20 | 2023-11-21 | 腾讯科技(深圳)有限公司 | 电子地图的数据处理方法和相关装置 |
-
2021
- 2021-12-30 CN CN202111658988.7A patent/CN114463717A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093663A (zh) * | 2023-10-20 | 2023-11-21 | 腾讯科技(深圳)有限公司 | 电子地图的数据处理方法和相关装置 |
CN117093663B (zh) * | 2023-10-20 | 2024-01-30 | 腾讯科技(深圳)有限公司 | 电子地图的数据处理方法和相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102266830B1 (ko) | 차선 결정 방법, 디바이스 및 저장 매체 | |
CN110348297B (zh) | 一种用于识别立体停车库的检测方法、系统、终端和存储介质 | |
CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
CN111108538B (zh) | 用于生成和/或更新数字地图的数字模型的系统 | |
CN110954128B (zh) | 检测车道线位置变化的方法、装置、电子设备和存储介质 | |
CN105551016A (zh) | 一种基于激光点云的路沿识别方法及装置 | |
CN110608746B (zh) | 用于确定机动车的位置的方法和装置 | |
JP6759175B2 (ja) | 情報処理装置および情報処理システム | |
CN110991215B (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
JP6736931B2 (ja) | 立体物検出方法及び立体物検出装置 | |
CN114730472A (zh) | 车载相机的外部参数的标定方法及相关装置 | |
CN114463717A (zh) | 一种障碍物位置判断方法、系统、电子设备及存储介质 | |
CN116086429A (zh) | 地图更新方法、装置、设备及计算机可读存储介质 | |
CN114048626A (zh) | 一种交通流仿真场景构建方法及系统 | |
CN115035495A (zh) | 一种图像处理方法及装置 | |
KR20220131378A (ko) | 포지셔닝 방법, 장치, 전자 기기 및 저장 매체 | |
CN109389643B (zh) | 车位主方向判断方法、系统以及存储介质 | |
CN111860084A (zh) | 图像特征的匹配、定位方法及装置、定位系统 | |
WO2020248851A1 (zh) | 库位的检测方法及装置、存储介质和电子装置 | |
CN116412805A (zh) | 路旁立柱的激光雷达视觉融合建图方法、装置及存储介质 | |
CN116704089A (zh) | 车位渲染方法、装置、电子设备及存储介质 | |
CN115116024A (zh) | 用于车道线标注的验证方法及相关生成方法、相关设备 | |
CN116412804A (zh) | 交通标志牌的激光雷达视觉融合建图方法、装置及介质 | |
CN117685985A (zh) | 用于规划车辆泊车路径的方法、电子设备及存储介质 | |
CN115457504A (zh) | 基于鱼眼图的车位线检测优化方法及系统 |
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 |