CN114639079B - 匹配车道线数据的方法、装置、设备和存储介质 - Google Patents

匹配车道线数据的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN114639079B
CN114639079B CN202011476137.6A CN202011476137A CN114639079B CN 114639079 B CN114639079 B CN 114639079B CN 202011476137 A CN202011476137 A CN 202011476137A CN 114639079 B CN114639079 B CN 114639079B
Authority
CN
China
Prior art keywords
lane line
data
difference
sensing
map
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
Application number
CN202011476137.6A
Other languages
English (en)
Other versions
CN114639079A (zh
Inventor
杨鹏斌
杨洋
张建旭
陈文龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011476137.6A priority Critical patent/CN114639079B/zh
Priority to US17/351,832 priority patent/US20210312194A1/en
Publication of CN114639079A publication Critical patent/CN114639079A/zh
Application granted granted Critical
Publication of CN114639079B publication Critical patent/CN114639079B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0094—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/40—High definition maps
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Electromagnetism (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开公开了一种匹配车道线数据的方法，涉及自动驾驶领域，具体的，涉及自动驾驶车辆的定位领域。该匹配车道线数据的方法包括：分别获取表示感测车道线的第一数据和表示地图车道线的第二数据，基于感测车道线和地图车道线之间的差异，建立针对第一数据和第二数据的关联权重矩阵，以及根据关联权重矩阵对第一数据和第二数据进行匹配，以便得到第二数据中与第一数据匹配度最优的第三数据。本公开还公开了一种匹配车道线数据的装置、设备、存储介质和计算机程序产品。

Description

匹配车道线数据的方法、装置、设备和存储介质
技术领域
本公开涉及自动驾驶领域，具体的，涉及自动驾驶车辆的定位领域，更具体的，涉及一种匹配车道线数据的方法、装置、设备、存储介质和计算机程序产品。
背景技术
对车辆自身进行精确定位是实现自动驾驶的前提。可以利用安装在自动驾驶车辆上的诸如摄像头之类的传感器捕捉车辆行驶过程中的图像，通过对图像进行处理来获得感测车道线数据，并将所获得的感测车道线数据与从高精度地图获得的地图车道线数据进行匹配来对自动驾驶车辆进行定位。
发明内容
本公开的实施例提供了一种匹配车道线数据的方法、装置、设备、存储介质和计算机程序产品。
根据本公开实施例的第一方面，提供了一种匹配车道线数据的方法，包括：
分别获取表示感测车道线的第一数据和表示地图车道线的第二数据；
基于所述感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵；以及
根据所述关联权重矩阵对所述第一数据和所述第二数据进行匹配，以便得到所述第二数据中与所述第一数据匹配度最优的第三数据。
根据本公开实施例的第二方面，提供了一种匹配车道线数据的装置，包括：
获取模块，配置为分别获取表示感测车道线的第一数据和表示地图车道线的第二数据；
关联权重矩阵建立模块，配置为基于所述感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵；以及
匹配模块，配置为根据所述关联权重矩阵对所述第一数据和所述第二数据进行匹配，以便得到所述第二数据中与所述第一数据匹配度最优的第三数据。
根据本公开实施例的第三方面，提供了一种电子设备，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根据本公开实施例的第一方面提供的方法。
根据本公开实施例的第四方面，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，其中，所述计算机指令用于使所述计算机执行根据本公开实施例的第一方面提供的方法。
根据本公开实施例的第五方面，提供了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本公开实施例的第一方面提供的方法。
通过基于感测车道线和地图车道线之间的差异建立针对表示感测车道线的数据与表示地图车道线的数据的关联权重矩阵，并根据关联权重矩阵对表示感测车道线的数据与表示地图车道线的数据进行匹配，实现了感测车道线与地图车道线的整体指派和数据的最优匹配，同时有效降低了被误检的感测车道线对数据匹配的干扰，还能够避免匹配过程中感测车道线与地图车道线之间的指派冲突，增加了数据匹配的准确性。
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示出了根据本公开的实施例的匹配车道线数据的方法的流程图；
图2示出了根据本公开的实施例的对感测车道线数据进行预处理的示意图；
图3示出了根据本公开的实施例的建立关联权重矩阵的示例流程图；
图4示出了根据本公开的实施例的感测车道线和地图车道线之间的差异的示意图；
图5A和图5B示出了根据本公开的实施例的确定控制点偏移量的示意图；
图6示出了根据本公开的实施例的匹配车道线数据的装置的框图；
图7示出了用来实现本公开的实施例的匹配车道线数据的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。
图1示出了根据本公开的实施例的匹配车道线数据的方法100的流程图。如图1所示，该匹配车道线数据的方法100包括以下步骤：
在步骤S110中，分别获取表示感测车道线的第一数据和表示地图车道线的第二数据。
在步骤S120中，基于感测车道线和地图车道线之间的差异，建立针对第一数据和第二数据的关联权重矩阵。
在步骤S130中，根据关联权重矩阵对第一数据和第二数据进行匹配，以便得到第二数据中与第一数据匹配度最优的第三数据。
具体的，在步骤S110中，可以通过对由摄像头获取的图像进行识别处理来获取表示感测车道线的第一数据。通过这种方式可以获得摄像头视场内的所有感测车道线数据(第一数据)，其检测结果往往取决于实际的场景。在实际场景中，还存在新旧车道线、地面刹车痕、沥青等有可能被错误地识别为车道线的干扰。另外，可以通过读取预先存储的高精度地图的数据来获得表示地图车道线的第二数据。
接下来，在步骤S120中，可以基于感测车道线和地图车道线之间的差异，建立针对第一数据和第二数据的关联权重矩阵。在本公开的实施例中，感测车道线和地图车道线之间的差异包括感测车道线和地图车道线的横向截距之间的差异、感测车道线和地图车道线的相对航向角之间的差异以及感测车道线和地图车道线之间的控制点偏移量中的至少一种。容易理解的是，上述感测车道线和地图车道线之间的差异仅为示例，可以根据导致感测误差或误检的原因来添加其他差异。例如可以基于摄像头等传感器的特性或基于实际的路况所产生的干扰等因素添加与上述差异不同的差异。
根据本公开实施例的技术方案，可以容易地对针对表示感测车道线的第一数据和表示地图车道线的第二数据的关联权重矩阵进行扩展。举例而言，在感测车道线数据存在误检的情况下，例如路面上的新旧车道新或路面裂痕，或道路出现现势性问题(例如临时性修路)而导致的误检，从而导致感测车道线数据与地图车道线可关联的数据维度增多，仅需要在确定关联权重矩阵时计算新增加的权重即可。
接下来，在步骤S130中，根据关联权重矩阵对第一数据和第二数据进行匹配，可以通过关联权重矩阵对感测车道线数据和地图车道线数据进行整体指派并进行整体的最优匹配。因此，根据本公开的实施例，可以有效降低被误检的感测车道线对匹配的干扰，且避免匹配过程中感测车道线与地图车道线之间的指派冲突，可以显著增加匹配的准确性。
根据实施例，在获取到感测车道线数据和地图车道线数据之后，在基于感测车道线和地图车道线之间的差异，建立针对感测车道线数据和地图车道线数据的关联权重矩阵之前，可以对所获得的感测车道线数据进行预处理。根据实施例，可以根据感测车道线在车辆本体坐标系的横轴上的横向截距和感测车道线相对于车辆本体坐标系的横轴的航向角对感测车道线进行筛选来获得候选感测车道线的集合。由此，可以基于经预处理的候选感测车道线的集合来建立针对感测车道线数据和地图车道线数据的关联权重矩阵，从而能够去除一部分干扰的感测车道线，并且可以降低运算量。
图2示出了根据本公开的实施例的对感测车道线数据进行预处理的示意图。如图2所示，M表示例如自动驾驶车辆，坐标系XOY表示位于车辆M上的车辆本体坐标系。在坐标系XOY中，Y轴的正向指向车辆行驶的方向，X轴(车辆本体坐标系的横轴)的正向为从Y轴正向顺时针旋转90度的方向。在本公开实施例的描述中，均针对车辆本体坐标系进行定位。在图2中，实线表示根据高精度地图确定的地图车道线，点划线表示根据感测图像获得的感测车道线或感测边界线，虚线表示是辅助的指示线。
如图2所示，用于获取感测车道线的图像是由安装在车辆M上的摄像头捕获的。由于摄像头的特性的限制，在所捕获的图像边缘处和较远处，图像数据的误差会相对较大。因此，在本公开的实施例中，仅针对车辆M左右横向截距在一定范围内的感测车道线进行处理。例如，仅对两个标准的车道宽(例如7.5米)范围内的感测车道线进行处理，如图2中由“2D”所指示的范围。对于两个标准的车道宽范围之外的感测车道线不做处理。这样既有利于减少问题的搜索空间，又有利于降低运算量。需要说明的是，可以设置其他的预处理范围，例如1.5个标准车道宽或3个标准车道宽，本公开的实施例对此不做限制。
在本公开的实施例中，还针对车辆0米处的相对航向角(与车辆本体坐标系的横轴，即X轴所成的夹角)对感测车道线进行筛选。这是因为，随着距车辆的距离的增加，车道线的检测误差会增大，且有可能在远处将其他车辆也检测为车道线而与近处检测的车道线连接起来，造成获得的车道线完全不正确。若是错误地匹配了这类车道线将会造成用于定位的相对航向角的误差快速增大。在本公开的实施例中，以地图车道线作为参考，计算地图车道线的相对航向角范围。如图2所示，地图车道线与X轴正向所成夹角如θ01所示。另外，车辆所行驶的道路不一定是直线，因此地图车道线与X轴正向所成夹角在一个范围内变化。如图2所示，θ02是非直线的地图车道线与X轴正向所成夹角。因此，地图车道线与X轴正向所成的夹角在[θ01,θ02]的范围内。根据实施例，以[θ01,θ02]为可信的相对航向角区间的参考对感测车道线数据进行过滤筛选。例如，根据实施例，可以在上述区间范围的基础上加上±2°作为置信区间，将位于置信区间以外的感测车道线排除，不进行匹配处理。
通过基于感测车道线的横向截距和相对航向角对感测车道线进行筛选，缩小匹配时的搜索空间，降低运算量。
进一步地，在本公开的实施例中，在获取到感测车道线数据和地图车道线数据之后，在基于感测车道线和地图车道线之间的差异，建立针对感测车道线数据和地图车道线数据的关联权重矩阵之前，在确定获取的感测车道线中包括感测边界线的情况下，可以对感测边界线进行校正，以确定感测边界线是否能够用于后续的匹配操作中。根据实施例，可以比较感测边界线之间的距离与预定边界距离，这里，预定边界距离可以是在高精度地图中存储的两侧边界的相对宽度。根据实施例，在感测边界线之间的距离与预定边界距离之差的绝对值小于或等于第一阈值的情况下，将感测边界线修正为最外侧的感测车道线，在感测边界线之间的距离与预定边界距离之差的绝对值大于第一阈值的情况下，丢弃感测边界线。
在感测车道线中检测到完整的左右两侧双边界的情况下，如图2所示，在地图车道线t1左侧的点划线和地图车道线t7右侧的点划线是检测到两侧双边界，根据在高精度地图中存储的两侧边界的相对宽度校验这两条点划线之间的距离，若该距离在相对宽度的设定范围内，则认为这两条点划线是感测边界线，即校验通过。然后通过高精度地图确定道路边界与距离道路边界最近的车道线，即最外侧车道线之间的距离，然后将感测边界线基于这个距离进行移动，以使感测边界线移动到最外侧车道线的位置。如图2所示，通过高精度地图确定的道路边界与最外侧车道线之间的距离由d′表示。可以将t1左侧的点划线向右平移距离d′，将t7右侧的点划线向左平移距离d′，这样，可以在接下来的车道线匹配中，将这两条感测边界线作为最外侧车道线来使用。
根据实施例，可以基于感测车道线和地图车道线的横向截距之间的差异确定第一差异矩阵，基于感测车道线和地图车道线的相对航向角之间的差异确定第二差异矩阵，基于感测车道线和地图车道线之间的控制点偏移量确定第三差异矩阵，并根据第一差异矩阵、第二差异矩阵和第三差异矩阵建立针对第一数据和第二数据的关联权重矩阵。
图3示出了根据本公开的实施例的建立关联权重矩阵的示例流程图，下面结合图3说明建立关联权重矩阵的过程。
如图3所示，设置变量i和变量j，i是用于对感测车道线进行查询的变量，j是用于对地图车道线进行查询的变量。如图3所示，在步骤S301中，将变量i设置为0。在步骤S302中，对i的值进行判断，判断i是否小于感测车道线的数量。若判断结果为“是”，则进行到步骤S303，并在步骤S303中，将变量j设置为0。接下来在步骤S304中，对j的值进行判断，判断j是否小于地图车道线的数量。若判断结果为“是”，则进行到步骤S305，并在步骤S305中，计算感测车道线和地图车道线的横向截距之间的差异(误差)。接下来在步骤S306中，判断感测车道线和地图车道线的横向截距之间的差异是否小于设定的阈值(第一阈值)。若判断结果为“是”，则进行到步骤S307，并在步骤S307中，计算感测车道线和地图车道线在原点处的相对航向角之间的差异。若在步骤S306处的判断结果为“否”，则进行到步骤S312，认为感测车道线和地图车道线之间的关联权重为0。通过判断感测车道线和地图车道线的横向截距之间的差异是否小于设定的第一阈值，可以仅保留感测车道线和地图车道线的横向截距之间的差异小于设定的第一阈值的感测车道线和地图车道线的匹配对，并且认为感测车道线和地图车道线的横向截距之间的差异大于或等于第一阈值的感测车道线和地图车道线之间进行匹配的可能性很低，由此，可以不对感测车道线和地图车道线之间的关联权重为0的感测车道线和地图车道线进行其他处理(例如相对航向角的计算)，从而降低运算量。
在计算得到感测车道线和地图车道线在原点处的相对航向角之间的差异之后，在步骤S308中，判断相对航向角之间的差异是否小于设定的阈值(第二阈值)。若判断结果为“是”，则进行到步骤S309，并在步骤S309中，计算感测车道线上的控制点到地图车道线的控制点偏移量(控制点处的横向截距误差)。若在步骤S308处的判断结果为“否”，则进行到步骤S312，认为感测车道线和地图车道线之间的关联权重为0。通过判断感测车道线和地图车道线的相对航向角之间的差异是否小于设定的第二阈值，可以仅保留感测车道线和地图车道线的相对航向角之间的差异小于设定的第二阈值的感测车道线和地图车道线的匹配对，并且认为感测车道线和地图车道线的相对航向角之间的差异大于或等于第二阈值的感测车道线和地图车道线之间进行匹配的可能性很低，由此，可以不对感测车道线和地图车道线之间的关联权重为0的感测车道线和地图车道线进行其他处理(例如控制点偏移量的计算)，从而降低运算量。
在计算得到感测车道线上的控制点到地图车道线的控制点偏移量之后，在步骤S310中，判断控制点偏移量是否小于设定的阈值(第三阈值)。若判断结果为“是”，则进行到步骤S311，并在步骤S311中，更新当前的感测车道线和地图车道线的匹配对的差异值。若在步骤S310处的判断结果为“否”，则进行到步骤S312，认为感测车道线和地图车道线之间的关联权重为0。
在结束针对第i条感测车道线的第j条地图车道线的匹配查询之后，在步骤S313中，将变量j调整为j+1，并按照上述步骤重复考察针对第i条感测车道线的第j+1条地图车道线的匹配。在完成针对第i条感测车道线的所有候选地图车道线的匹配查询之后，在步骤S314中，将变量i调整为i+1，并按照上述步骤重复考察针对第i+1条感测车道线的候选地图车道线的匹配。在完成针对所有感测车道线和候选地图车道线之间的匹配查询之后，在步骤S315中，将差异映射为权重。
图4示出了根据本公开的实施例的感测车道线和地图车道线之间的差异的示意图，下面结合图4说明基于感测车道线和地图车道线的横向截距之间的差异确定第一差异矩阵、基于感测车道线和地图车道线的相对航向角之间的差异确定第二差异矩阵以及基于感测车道线和地图车道线之间的控制点偏移量确定第三差异矩阵的计算过程。
根据实施例，基于感测车道线和地图车道线的横向截距之间的差异确定第一差异矩阵包括：获取感测车道线中的每条感测车道线在车辆本体坐标系的横轴上的第一截距，获取地图车道线中的每条地图车道线在车辆本体坐标系的横轴上的第二截距，以及根据每条感测车道线的第一截距和每条地图车道线的第二截距之差的绝对值确定第一差异矩阵。
如图4所示，t1、t2、t3、t4和t5是地图车道线，s1、s2、s3、s4和s5是感测车道线。感测车道线s4在车辆本体坐标系XOY的横轴X轴上的第一截距为p1，地图车道线t4在车辆本体坐标系XOY的横轴X轴上的第二截距为p2，在计算感测车道线s4与地图车道线t4之间的匹配对的第一差异时，通过|p1-p2|来确定该第一差异，计算得到第一差异是第一差异矩阵中的值。可以按照上述计算方法确定其他感测车道线与地图车道线之间的匹配对的第一差异，例如确定感测车道线s3与地图车道线t3之间的匹配对的第一差异等。
根据实施例，基于感测车道线和地图车道线的相对航向角之间的差异确定第二差异矩阵包括：获取感测车道线中的每条感测车道线相对于车辆本体坐标系的横轴的第一航向角，获取地图车道线中的每条地图车道线相对于车辆本体坐标系的横轴的第二航向角，以及根据每条感测车道线的第一航向角和每条地图车道线的第二航向角之差的绝对值确定第二差异矩阵。
如图4所示，感测车道线s4相对于车辆本体坐标系XOY的横轴X轴上的第一航向角为θ1，地图车道线t4在车辆本体坐标系XOY的横轴X轴上的第二航向角为θ2，在计算感测车道线s4与地图车道线t4之间的匹配对的第二差异时，通过|θ1-θ2|来确定该第二差异，计算得到第二差异是第二差异矩阵中的值。可以按照上述计算方法确定其他感测车道线与地图车道线之间的匹配对的第二差异，例如确定感测车道线s3与地图车道线t3之间的匹配对的第二差异等。
根据实施例，基于感测车道线和地图车道线之间的控制点偏移量确定第三差异矩阵包括：在感测车道线中的每条感测车道线上选定至少一个控制点，确定控制点到地图车道线中的每条地图车道线的距离，并以所确定的距离作为控制点偏移量，以及根据控制点偏移量确定第三差异矩阵。
由于感测车道线为曲线方程，因此，为了控制感测车道线偏离地图车道线的幅度，在车辆前方一定距离内选择感测车道线上的一个点，并计算出该点到其候选的地图车道线的最近距离，由此可以度量感测车道线偏离地图车道线的幅度。在具体的实施例中，可以选择车辆前方8米处的感测车道线上的点作为感测车道线的控制点。如图4所示，C为感测车道线s1上选定的控制点，d为控制点C到距感测车道线s1距离最近的地图车道线t1的距离，将该距离作为控制点偏移量。
进一步地，根据实施例，由于高精度地图是以经纬度点的形式进行存储的，并无解析的方程形式。因此，在本公开的实施例中，为了简化计算量，采用离散版的黄金分割法进行最近距离的求解，且距离函数采用点到线段的距离函数，如下表达式(1)所示：
Figure BDA0002837370320000091
其中，
Figure BDA0002837370320000092
图5A和图5B示出了根据本公开的实施例的确定控制点偏移量的示意图。如图5A所示，若过控制点C向线段AB做垂线时，其垂足在线段AB以内，则距离
Figure BDA0002837370320000101
否则d为C与最近的线段端点的距离，即/>
Figure BDA0002837370320000102
或/>
Figure BDA0002837370320000103
如图5B所示。
根据实施例，根据第一差异矩阵、第二差异矩阵和第三差异矩阵建立针对第一数据和第二数据的关联权重矩阵包括：根据第一差异矩阵、第二差异矩阵和第三差异矩阵所涉及的感测车道线和地图车道线，建立感测车道线集合和地图车道线集合，根据第一差异矩阵、第二差异矩阵和第三差异矩阵确定感测车道线集合中的每条感测车道线与地图车道线集合中的每条地图车道线之间的关联权重，以及根据每条感测车道线和每条地图车道线之间的关联权重建立针对第一数据和第二数据的关联权重矩阵。
根据实施例，第一差异矩阵、第二差异矩阵和第三差异矩阵分别存储各感测车道线和各地图车道线的匹配对的第一差异、第二差异和第三差异的值。根据前述实施例，在确定第一差异矩阵的同时对与感测车道线匹配的地图车道线进行一次筛选，在确定第二差异矩阵的同时对与感测车道线匹配的地图车道线又进行一次筛选，因此各差异矩阵所涉及的感测车道线和地图车道线的匹配对的数量不同。根据实施例，根据第一差异矩阵、第二差异矩阵和第三差异矩阵共同涉及的感测车道线和地图车道线建立感测车道线集合和地图车道线集合。然后分别确定感测车道线集合中的每条感测车道线与地图车道线集合中的每条地图车道线之间的归一化差异。
在本公开的实施例中，由于第一差异、第二差异和第三差异分别属于不同的量级，不能直接相加减，尤其是相对航向角(第二差异)和控制点偏移量(第三差异)相差较大，所以需要对三个维度的数据做归一化处理，以消除不同量级的影响。根据实施例，由下面的表达式(2)确定第i组感测车道线和地图车道线的匹配对的第j差异的归一化差异：
Figure BDA0002837370320000104
其中，error_normi，j是经归一化处理的第i组感测车道线和地图车道线的匹配对的第j差异，其中，i和j为自然数，且1≤i≤m*n，1≤j≤3，m为所述感测车道线集合中的感测车道线的数量，n为所述地图车道线集合中的地图车道线的数量。errori，j是第i组感测车道线和地图车道线的匹配对的第j差异。
接下来，根据以下表达式(3)确定每条感测车道线和每条地图车道线之间的关联权重：
weighti＝ci*∑j(1-error_normi，j) (3)
其中，weighti是第i组感测车道线和地图车道线的匹配对的关联权重，ci是根据感测车道线的位置确定的修正系数。
根据实施例，修正系数ci与第i组匹配对中感测车道线本身的属性和横向截距有关。根据实施例，若第i组匹配对中感测车道线的类型为感测边界线，则令ci＝0.95。若第i组匹配对中感测车道线的横向截距大于一个标准车道宽度(3.75米)，则令ci＝0.9。若该感测车道线既是感测边界线，其横向截距又大于3.75米，则令ci＝0.95*0.9，如果在3.75米内，则令ci＝1。这样设置修正系数可以使计算偏好于使用距离较近的非边界车道线进行数据之间的匹配。
在本公开的实施例中，可以根据确定每条感测车道线和每条地图车道线之间的关联权重，即根据关联权重矩阵对感测车道线数据和所述地图车道线数据进行匹配，包括：根据关联权重矩阵确定感测车道线中的每条感测车道线所涉及的匹配对中关联权重的值最大的匹配对，在关联权重的值最大的匹配对中所涉及的地图车道线彼此不同的情况下，将关联权重的值最大的匹配对确定为针对感测车道线数据和地图车道线数据之间的匹配。在关联权重的值最大的匹配对中所涉及的地图车道线存在相同的地图车道线的情况下，基于加权二部图的最大匹配集求解针对关联权重矩阵的感测车道线和地图车道线之间的最优匹配，并将最优匹配确定为感测车道线数据和地图车道线数据之间的匹配。根据本公开的实施例，在感测车道线与地图车道线的匹配对中不存在指派冲突的情况下，可以直接选择关联权重最大的匹配对。在感测车道线与地图车道线的匹配对中存在指派冲突的情况下，可以基于加权二部图的最大匹配集获得全局最优匹配。
图6示出了根据本公开的实施例的匹配车道线数据的装置600的框图。如图6所示，该匹配车道线数据的装置600包括获取模块610、关联权重矩阵建立模块620和匹配模块630。
根据实施例，获取模块610被配置为分别获取表示感测车道线的第一数据和表示地图车道线的第二数据。关联权重矩阵建立模块620被配置为基于感测车道线和地图车道线之间的差异，建立针对第一数据和第二数据的关联权重矩阵。匹配模块630被配置为根据关联权重矩阵对第一数据和第二数据进行匹配，以便得到第二数据中与第一数据匹配度最优的第三数据。
以上各功能模块的具体操作可以参考前述实施例中的匹配车道线数据的方法100的操作步骤来获取，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本公开实施例的匹配车道线数据的方法的电子设备的框图。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，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本公开所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本公开所提供的匹配车道线数据的方法。本公开的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本公开所提供的匹配车道线数据的方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本公开实施例中的匹配车道线数据的方法对应的程序指令/模块(例如，附图6所示的获取模块610、关联权重矩阵建立模块620和匹配模块630)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的匹配车道线数据的方法。
存储器702可以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、至少一个功能所需要的应用程序；存储数据区可存储根据匹配车道线数据的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至匹配车道线数据的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
匹配车道线数据的方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与匹配车道线数据的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处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、专用ASIC(专用集成电路)、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。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
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。
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 (14)

1.一种匹配车道线数据的方法，包括：
分别获取表示感测车道线的第一数据和表示地图车道线的第二数据；
基于所述感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵，其中，所述感测车道线和所述地图车道线之间的差异包括感测车道线和地图车道线的横向截距之间的差异、感测车道线和地图车道线的相对航向角之间的差异以及感测车道线和地图车道线之间的控制点偏移量；以及
根据所述关联权重矩阵对所述第一数据和所述第二数据进行匹配，以便得到所述第二数据中与所述第一数据匹配度最优的第三数据。
2.根据权利要求1所述的方法，其中，基于所述感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵包括：
基于所述感测车道线和所述地图车道线的横向截距之间的差异确定第一差异矩阵；
基于所述感测车道线和所述地图车道线的相对航向角之间的差异确定第二差异矩阵；
基于所述感测车道线和所述地图车道线之间的控制点偏移量确定第三差异矩阵；以及
根据所述第一差异矩阵、所述第二差异矩阵和所述第三差异矩阵建立针对所述第一数据和所述第二数据的关联权重矩阵。
3.根据权利要求2所述的方法，其中，基于所述感测车道线和所述地图车道线的横向截距之间的差异确定第一差异矩阵包括：
获取所述感测车道线中的每条感测车道线在车辆本体坐标系的横轴上的第一截距；
获取所述地图车道线中的每条地图车道线在所述车辆本体坐标系的横轴上的第二截距；以及
根据每条感测车道线的第一截距和每条地图车道线的第二截距之差的绝对值确定所述第一差异矩阵。
4.根据权利要求2或3所述的方法，其中，基于所述感测车道线和所述地图车道线的相对航向角之间的差异确定第二差异矩阵包括：
获取所述感测车道线中的每条感测车道线相对于车辆本体坐标系的横轴的第一航向角；
获取所述地图车道线中的每条地图车道线相对于所述车辆本体坐标系的横轴的第二航向角；以及
根据每条感测车道线的第一航向角和每条地图车道线的第二航向角之差的绝对值确定所述第二差异矩阵。
5.根据权利要求2至4中任一项所述的方法，其中，基于所述感测车道线和所述地图车道线之间的控制点偏移量确定第三差异矩阵包括：
在所述感测车道线中的每条感测车道线上选定至少一个控制点；
确定所述控制点到所述地图车道线中的每条地图车道线的距离，并以所确定的距离作为所述控制点偏移量；以及
根据所述控制点偏移量确定所述第三差异矩阵。
6.根据权利要求2至5中任一项所述的方法，其中，根据所述第一差异矩阵、所述第二差异矩阵和所述第三差异矩阵建立针对所述第一数据和所述第二数据的关联权重矩阵包括：
根据所述第一差异矩阵、所述第二差异矩阵和所述第三差异矩阵所涉及的感测车道线和地图车道线，建立感测车道线集合和地图车道线集合；
根据所述第一差异矩阵、所述第二差异矩阵和所述第三差异矩阵确定所述感测车道线集合中的每条感测车道线与所述地图车道线集合中的每条地图车道线之间的关联权重；以及
根据每条感测车道线和每条地图车道线之间的关联权重建立针对所述第一数据和所述第二数据的关联权重矩阵。
7. 根据权利要求6所述的方法，其中，根据所述第一差异矩阵、所述第二差异矩阵和所述第三差异矩阵确定所述感测车道线集合中的每条感测车道线与所述地图车道线集合中的每条地图车道线之间的关联权重包括：
分别从所述第一差异矩阵、所述第二差异矩阵和所述第三差异矩阵中获取的值所述感测车道线集合中的每条感测车道线与所述地图车道线集合中的每条地图车道线的第一差异、第二差异和第三差异，并对所述第一差异、第二差异和第三差异进行归一化处理；以及
根据以下表达式确定每条感测车道线和每条地图车道线之间的关联权重：
〖weight〗_i=c_i*∑_j▒(1-〖error_norm〗_(i,j) )
其中，〖weight〗_i是第i组感测车道线和地图车道线的匹配对的关联权重，c_i是根据感测车道线的位置确定的修正系数，〖error_norm〗_(i,j)是经归一化处理的第i组感测车道线和地图车道线的匹配对的第j差异，其中，i和j为自然数，且1≤i≤m*n，1≤j≤3，m为所述感测车道线集合中的感测车道线的数量，n为所述地图车道线集合中的地图车道线的数量。
8.根据权利要求1至7中任一项所述的方法，其中，根据所述关联权重矩阵对所述第一数据和所述第二数据进行匹配包括：
根据所述关联权重矩阵确定所述感测车道线中的每条感测车道线所涉及的匹配对中关联权重的值最大的匹配对；
在所述关联权重的值最大的匹配对中所涉及的地图车道线彼此不同的情况下，将所述关联权重的值最大的匹配对确定为针对所述第一数据和所述第二数据之间的匹配；
在所述关联权重的值最大的匹配对中所涉及的地图车道线存在相同的地图车道线的情况下，基于加权二部图的最大匹配集求解针对所述关联权重矩阵的感测车道线和地图车道线之间的最优匹配，并将所述最优匹配确定为所述第一数据和所述第二数据之间的匹配。
9.根据权利要求1至8中任一项所述的方法，还包括：在基于所述感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵之前，
在确定获取的感测车道线中包括感测边界线的情况下，比较所述感测边界线之间的距离与预定边界距离；
在所述感测边界线之间的距离与所述预定边界距离之差的绝对值小于或等于第一阈值的情况下，将所述感测边界线修正为最外侧的感测车道线；
在所述感测边界线之间的距离与所述预定边界距离之差的绝对值大于所述第一阈值的情况下，丢弃所述感测边界线。
10.根据权利要求9所述的方法，还包括：基于所述感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵之前，
根据所述感测车道线在车辆本体坐标系的横轴上的横向截距和所述感测车道线相对于所述车辆本体坐标系的横轴的航向角对所述感测车道线进行筛选，以获得候选感测车道线的集合。
11.根据权利要求10所述的方法，其中，基于所述感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵包括：
基于所述候选感测车道线的集合中所包括的感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵。
12.一种匹配车道线数据的装置，包括：
获取模块，配置为分别获取表示感测车道线的第一数据和表示地图车道线的第二数据；
关联权重矩阵建立模块，配置为基于所述感测车道线和所述地图车道线之间的差异，建立针对所述第一数据和所述第二数据的关联权重矩阵一种匹配车道线数据的方法，其中，所述感测车道线和所述地图车道线之间的差异包括感测车道线和地图车道线的横向截距之间的差异、感测车道线和地图车道线的相对航向角之间的差异以及感测车道线和地图车道线之间的控制点偏移量；以及
匹配模块，配置为根据所述关联权重矩阵对所述第一数据和所述第二数据进行匹配，以便得到所述第二数据中与所述第一数据匹配度最优的第三数据。
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至11中任一项权利要求所述的方法。
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至11中任一项权利要求所述的方法。
CN202011476137.6A 2020-12-15 2020-12-15 匹配车道线数据的方法、装置、设备和存储介质 Active CN114639079B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011476137.6A CN114639079B (zh) 2020-12-15 2020-12-15 匹配车道线数据的方法、装置、设备和存储介质
US17/351,832 US20210312194A1 (en) 2020-12-15 2021-06-18 Method and apparatus of matching lane line data, device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011476137.6A CN114639079B (zh) 2020-12-15 2020-12-15 匹配车道线数据的方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN114639079A CN114639079A (zh) 2022-06-17
CN114639079B true CN114639079B (zh) 2023-06-30

Family

ID=77922573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011476137.6A Active CN114639079B (zh) 2020-12-15 2020-12-15 匹配车道线数据的方法、装置、设备和存储介质

Country Status (2)

Country Link
US (1) US20210312194A1 (zh)
CN (1) CN114639079B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112749680A (zh) * 2021-01-25 2021-05-04 蔚来汽车科技(安徽)有限公司 用于构建道路模型的方法和设备
US11443531B1 (en) * 2021-12-16 2022-09-13 Plusai, Inc. Methods and apparatus for automatic collection of under-represented data for improving a training of a machine learning model
CN115962787B (zh) * 2023-03-16 2023-06-06 安徽蔚来智驾科技有限公司 地图更新、自动驾驶控制方法、设备、介质及车辆

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1918853A2 (en) * 2006-11-03 2008-05-07 Delphi Technologies, Inc. Lane marker detection and fitting
CN110595490A (zh) * 2019-09-24 2019-12-20 百度在线网络技术（北京）有限公司 车道线感知数据的预处理方法、装置、设备和介质
CN111046709A (zh) * 2018-10-15 2020-04-21 广州汽车集团股份有限公司 车辆车道级定位方法、系统、车辆及存储介质
CN111220164A (zh) * 2020-01-21 2020-06-02 北京百度网讯科技有限公司 定位方法、装置、设备及存储介质
WO2020232648A1 (zh) * 2019-05-22 2020-11-26 深圳市大疆创新科技有限公司 车道线的检测方法、电子设备与存储介质
CN112001456A (zh) * 2020-10-28 2020-11-27 北京三快在线科技有限公司 一种车辆定位方法、装置、存储介质及电子设备
CN111998860A (zh) * 2020-08-21 2020-11-27 北京百度网讯科技有限公司 自动驾驶定位数据校验方法、装置、电子设备及存储介质
EP3748300A1 (en) * 2019-06-07 2020-12-09 Zenuity AB Lane-level map matching

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9428186B2 (en) * 2002-04-09 2016-08-30 Intelligent Technologies International, Inc. Exterior monitoring for vehicles
US10740645B2 (en) * 2018-06-29 2020-08-11 Toyota Research Institute, Inc. System and method for improving the representation of line features
EP3671542A1 (en) * 2018-12-18 2020-06-24 Visteon Global Technologies, Inc. Method for multilane detection using a convolutional neural network
US20200393265A1 (en) * 2019-06-11 2020-12-17 DeepMap Inc. Lane line determination for high definition maps
CN113847930A (zh) * 2020-06-28 2021-12-28 图森有限公司 多传感器校准系统
US11657625B2 (en) * 2020-12-18 2023-05-23 Toyota Research Institue, Inc. System and method for determining implicit lane boundaries
US20220237402A1 (en) * 2021-01-25 2022-07-28 Qualcomm Incorporated Static occupancy tracking
CN113076641B (zh) * 2021-03-31 2022-09-20 同济大学 基于风险评估的智能车人机协同转向控制并行计算方法
CN114018274B (zh) * 2021-11-18 2024-03-26 阿波罗智能技术(北京)有限公司 车辆定位方法、装置及电子设备
US20230215190A1 (en) * 2021-12-31 2023-07-06 Qualcomm Incorporated Boundary estimation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1918853A2 (en) * 2006-11-03 2008-05-07 Delphi Technologies, Inc. Lane marker detection and fitting
CN111046709A (zh) * 2018-10-15 2020-04-21 广州汽车集团股份有限公司 车辆车道级定位方法、系统、车辆及存储介质
WO2020232648A1 (zh) * 2019-05-22 2020-11-26 深圳市大疆创新科技有限公司 车道线的检测方法、电子设备与存储介质
EP3748300A1 (en) * 2019-06-07 2020-12-09 Zenuity AB Lane-level map matching
CN110595490A (zh) * 2019-09-24 2019-12-20 百度在线网络技术（北京）有限公司 车道线感知数据的预处理方法、装置、设备和介质
CN111220164A (zh) * 2020-01-21 2020-06-02 北京百度网讯科技有限公司 定位方法、装置、设备及存储介质
CN111998860A (zh) * 2020-08-21 2020-11-27 北京百度网讯科技有限公司 自动驾驶定位数据校验方法、装置、电子设备及存储介质
CN112001456A (zh) * 2020-10-28 2020-11-27 北京三快在线科技有限公司 一种车辆定位方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
US20210312194A1 (en) 2021-10-07
CN114639079A (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN114639079B (zh) 匹配车道线数据的方法、装置、设备和存储介质
KR102407504B1 (ko) 장애물 검출 방법, 장치, 전자 기기 및 저장 매체
KR20210094476A (ko) 위치결정 요소 검출 방법, 장치, 기기 및 매체
US11703332B2 (en) Vehicle positioning method, apparatus, electronic device, vehicle and storage medium
CN111523471B (zh) 车辆所在车道的确定方法、装置、设备以及存储介质
CN111860319A (zh) 车道线的确定方法、定位精度的评测方法、装置、设备
CN111310840B (zh) 数据融合处理方法、装置、设备和存储介质
US11875535B2 (en) Method, apparatus, electronic device and computer readable medium for calibrating external parameter of camera
CN110793544A (zh) 感知传感器参数标定方法、装置、设备及存储介质
US20210209341A1 (en) Three-dimensional object detection method, electronic device and readable storage medium
US11423659B2 (en) Method, apparatus, electronic device, and storage medium for monitoring an image acquisition device
CN111079079B (zh) 数据修正方法、装置、电子设备及计算机可读存储介质
US11380035B2 (en) Method and apparatus for generating map
CN111612852A (zh) 用于验证相机参数的方法和装置
EP3872696A1 (en) Method and apparatus for detecting mobile traffic light, and electronic device
CN112763993A (zh) 标定雷达参数的方法和装置、电子设备、存储介质
CN110109165B (zh) 行驶轨迹中异常点的检测方法及装置
CN111597993B (zh) 数据处理的方法及装置
CN113436233A (zh) 自动驾驶车辆的配准方法、装置、电子设备和车辆
CN111784697B (zh) 图像处理方法、装置、电子设备及存储介质
JP6390248B2 (ja) 情報処理装置、ぼけ具合計算方法、及びプログラム
CN117253365B (zh) 一种车辆交通状况自动检测方法和相关装置
CN111932611B (zh) 物体位置获取方法和装置
CN110399892B (zh) 环境特征提取方法和装置
CN117953073A (zh) 深度摄像头的校准参数确定方法、装置及电子设备

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