CN114719840A - 一种基于道路特征融合的车辆智能驾驶保障方法与系统 - Google Patents
一种基于道路特征融合的车辆智能驾驶保障方法与系统 Download PDFInfo
- Publication number
- CN114719840A CN114719840A CN202210364820.3A CN202210364820A CN114719840A CN 114719840 A CN114719840 A CN 114719840A CN 202210364820 A CN202210364820 A CN 202210364820A CN 114719840 A CN114719840 A CN 114719840A
- Authority
- CN
- China
- Prior art keywords
- visual
- road information
- intelligent driving
- information
- determining
- 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
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
-
- 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
Abstract
本申请公开了一种基于道路特征融合的车辆智能驾驶保障方法,该方法包括:获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度,确定所述车辆的定位信息,并确定定位精度,根据所述定位信息确定所述车辆周围的地图道路信息,对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果,根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据,使得智能驾驶的各种模式更加灵活智能,有效的保证了保证智能驾驶的安全性。
Description
技术领域
本申请涉及智能驾驶技术领域,尤其涉及一种基于道路特征融合的车辆智能驾驶保障方与系统。
背景技术
随着智能驾驶技术的发展,越来越多的传感器应用于车辆上。为提高感知结果的准确度,降低单一传感器失效或误识别的影响,通常采用多种类感知元器件冗余的方案协同工作感知环境信息。道路特征信息是实现智能驾驶所依据的基本信息之一,通常通过摄像头和高精地图来采集道路特征信息来指导车辆的智能驾驶。摄像头的优点是感知实时性强、可用场景全面,但易受天气、光线等的影响,视野范围有限。而高精地图检测精度高、距离远,但时效性差,且依赖定位精度。
现有技术中,使用摄像头和高精地图获取的道路特性信息指导车辆的智能驾驶时,通常侧重点在于分别验证摄像头和高精地图所获取道路特性信息的有效性,根据有效性选择其中一种道路特性信息作为指导车辆的智能驾驶的依据。这种选择方法的判断机制单一,抗风险性不强,在复杂的行驶工况下无法保障车辆智能驾驶的安全性。
发明内容
本申请的主要目的在于提供一种基于道路特征融合的车辆智能驾驶保障方法与系统,旨在解决现有技术中车辆智能驾驶时感知环境信息的判断机制单一抗风险性不强的技术问题。
第一方面,本申请提供一种基于道路特征融合的车辆智能驾驶保障方法,所述方法包括以下步骤:
获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度;
确定所述车辆的定位信息,并确定定位精度;
根据所述定位信息确定所述车辆周围的地图道路信息;
对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果;
根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据。
一些实施例中,所述根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据,包括:
根据所述视觉道路信息及其置信度、所述定位精度和所述地图道路信息选择不同的融合策略,并根据视觉道路信息和所述地图道路信息中车道线三次曲线的一致性确定融合输出结果,以确定所述车辆的智能驾驶等级和智能驾驶路径规划依据;
若所述视觉道路信息的置信度高、所述定位精度为高精度且所述一致程度满足一致性要求,则在预设距离内选择所述视觉道路信息中的视觉车道线作为智能驾驶路径规划依据,在预设距离外选择所述地图道路信息中的地图车道线作为智能驾驶路径规划依据,并确定智能驾驶等级为高置信度等级,
并以此作为最优融合保障策略;
若所述视觉道路信息的置信度高、所述定位精度为低精度,则在所述一致程度满足一致性要求时采用所述最优融合保障策略,在不满足所述一致性要求时以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级;
若所述视觉道路信息的置信度中等、所述定位精度为高精度,则在所述一致程度满足一致性要求时采用所述最优融合保障策略,在不满足所述一致性要求时以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级;
若所述视觉道路信息的置信度中等、所述定位精度为低精度,则在所述一致程度满足一致性要求时以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足所述一致性要求时,根据车道线的三次曲线参数确定以所述视觉车道线或地图车道线作为智能驾驶路径规划依据,智能驾驶等级为低置信度等级;
若所述视觉道路信息的置信度低、所述定位精度为高精度,则在所述一致程度满足一致性要求时以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级,在不满足所述一致性要求时,以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级;
若所述视觉道路信息的置信度低、所述定位精度为低精度,则在所述一致程度满足一致性要求时则在所述一致程度满足一致性要求时,以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足所述一致性要求时智能驾驶等级为不可用;
若所述定位信息或所述地图道路信息不可用,则以所述视觉车道线作为智能驾驶路径规划依据,并以所述视觉道路信息的置信度等级作为智能驾驶的置信度等级。
一些实施例中,所述获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度,包括:
若所述视觉道路信息中视觉车道线完整,则确定所述视觉道路信息的置信度高;
若所述视觉车道线丢失面积小于预设面积,则确定所述视觉道路信息的置信度中等;
若所述视觉车道线丢失面积大于预设面积,则确定所述视觉道路信息的置信度低。
一些实施例中,所述对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果,还包括:当所述视觉道路信为置信度中等或置信度低时,对所述视觉车道线的缺失部分进行预测补全后,再确定所述视觉道路信息和所述地图道路信息的一致程度。
一些实施例中,所述确定所述车辆的定位信息,并确定定位精度,包括:
获取定位设备发出的定位信息的参数,根据所述定位信息的参数确定所述定位精度。
一些实施例中,所述对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果,还包括:
当所述定位精度为低精度时,根据所述车辆的航迹推算所述车辆当前的位置信息,并根据推算出的位置信息确定地图道路信息。
一些实施例中,所述通过特征融合确定所述视觉道路信息和所述地图道路信息中车道线的三次曲线参数的一致程度,包括:
融合比较所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数;
若所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数一致程度满足预设值,则确定所述一致程度满足一致性要求;
若所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数一致程度不满足预设值,则确定所述一致性程度不满足一致性要求;
一些实施例中,该方法还包括:确定定位信息更新时刻与特征融合时刻的时间差;
确定所述时间差内所述车辆的运动量;
根据所述车辆的运动量确定在所述特征融合时刻所述车辆的最新定位信息;
根据所述最新定位信息确定最新地图道路信息。
一些实施例中,还包括:
所述车辆驾驶过程中,当智能驾驶路径规划依据从所述视觉车道线或所述地图车道线中的一种转换为另一种时,通过滤波算法对车道线的三次曲线参数进行平滑处理。
第二方面,本申请还提供一种基于道路特征融合的车辆智能驾驶保障系统,所述系统包括:
视觉感知单元,其用于获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度;
定位单元,其用于确定所述车辆的定位信息,并确定定位精度;
高精地图单元,其用于根据所述定位信息确定所述车辆周围的地图道路信息;
道路特征融合单元,其用于对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果,根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据。
一些实施例中,所述道路特征融合单元还用于:
根据所述视觉道路信息及其置信度、所述定位精度和所述地图道路信息选择不同的融合策略,并根据视觉道路信息和所述地图道路信息中车道线三次曲线的一致性确定融合输出结果,以确定所述车辆的智能驾驶等级和智能驾驶路径规划依据;
若所述视觉道路信息的置信度高、所述定位精度为高精度且所述一致程度满足一致性要求,则在预设距离内选择所述视觉道路信息中的视觉车道线作为智能驾驶路径规划依据,在预设距离外选择所述地图道路信息中的地图车道线作为智能驾驶路径规划依据,并确定智能驾驶等级为高置信度等级,并以此作为最优融合保障策略;
若所述视觉道路信息的置信度高、所述定位精度为低精度,则在所述一致程度满足一致性要求时采用所述最优融合保障策略,在不满足所述一致性要求时以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级;
若所述视觉道路信息的置信度中等、所述定位精度为高精度,则在所述一致程度满足一致性要求时采用所述最优融合保障策略,在不满足所述一致性要求时以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级;
若所述视觉道路信息的置信度中等、所述定位精度为低精度,则在所述一致程度满足一致性要求时以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足所述一致性要求时,根据车道线的三次曲线参数确定以所述视觉车道线或地图车道线作为智能驾驶路径规划依据,智能驾驶等级为低置信度等级;
若所述视觉道路信息的置信度低、所述定位精度为高精度,则在所述一致程度满足一致性要求时以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级,在不满足所述一致性要求时,以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级;
若所述视觉道路信息的置信度低、所述定位精度为低精度,则在所述一致程度满足一致性要求时则在所述一致程度满足一致性要求时,以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足所述一致性要求时智能驾驶等级为不可用;
若所述定位信息或所述地图道路信息不可用,则以所述视觉车道线作为智能驾驶路径规划依据。
一些实施例中,所述视觉感知单元还用于:
若所述视觉道路信息中视觉车道线完整,则确定所述视觉道路信息的置信度高;
若所述视觉车道线丢失面积小于预设面积,则确定所述视觉道路信息的置信度中等;
若所述视觉车道线丢失面积大于预设面积,则确定所述视觉道路信息的置信度低。
一些实施例中,所述道路特征融合单元还用于:
当所述视觉道路信为置信度中等或置信度低时,对所述视觉车道线的缺失部分进行预测补全后,再确定所述视觉道路信息和所述地图道路信息的一致程度。
一些实施例中,所述定位单元还用于:
获取定位设备发出的定位信息的参数,根据所述定位信息的参数确定所述定位精度。
一些实施例中,所述道路特征融合单元还用于:
当所述定位精度为低精度时,根据所述车辆的航迹推算所述车辆当前的位置信息,并根据推算出的位置信息确定地图道路信息。
一些实施例中,所述道路特征融合单元还用于:
融合比较所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数;
若所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数一致程度满足预设值,则确定所述一致程度满足一致性要求;
若所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数一致程度不满足预设值,则确定所述一致性程度不满足一致性要求。
一些实施例中,所述定位单元还用于:确定定位信息更新时刻与特征融合时刻的时间差,确定所述时间差内所述车辆的运动量,根据所述车辆的运动量确定在所述特征融合时刻所述车辆的最新定位信息;
所述高精地图单元还用于根据所述最新定位信息确定最新地图道路信息。
一些实施例中,所述道路特征融合单元还用于:
所述车辆驾驶过程中,当智能驾驶路径规划依据从所述视觉车道线或所述地图车道线中的一种转换为另一种时,通过滤波算法对车道线的三次曲线参数进行平滑处理。
本申请提供一种基于道路特征融合的车辆智能驾驶保障方法,通过获取车辆周围的视觉道路信息以及视觉道路信息的置信度,根据车辆的定位信息确定定位精度,并根据定位信息获取车辆周围的地图道路信息,通过对视觉信息和地图道路信息对道路特征进行融合,以获取可以信任的道路特征。并且根据视觉道路信息和地图道路信息的置信度、以及道路特征融合结果中车道线的一致性进行不同状态组合从而确定车辆在智能驾驶时不同的路径规划依据,和不同的自智能驾驶等级使得自动驾驶的各种模式更加灵活智能,有效的保证了保证自动驾驶的安全性。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于道路特征融合的车辆智能驾驶保障方法的流程示意图;
图2为本申请实施例提供的一种基于道路特征融合的车辆智能驾驶保障系统的示意性框图;
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种基于道路特征融合的车辆智能驾驶保障方法与系统。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1和图2,图1为本申请的实施例提供的一种基于道路特征融合的车辆智能驾驶保障方法的流程示意图,图2为申请的实施例提供的一种基于道路特征融合的车辆智能驾驶保障方法的流程示意图。下面结合附图对本申请中的基于道路特征融合的车辆智能驾驶保障方法进行具体说明。
如图1所示,该方法包括步骤S1至步骤S2。
步骤S1、获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度。
示范性的,如图2所示通过视觉感知单元获取车辆周围的视觉道路信息,该视觉感知单元包括高清智能前视广角摄像头和侧视摄像头,视觉感知单元中的摄像头布置在车辆外部,通过录取视频或图片的方式采集车辆前方和车辆侧方的图像,该图像中包括道路信息,将视觉感知单元获取的道路信息命名为视觉道路信息。视觉感知单元可以从视觉道路信息中分离出车道线、道路边沿、交通道路标识TSR、标识牌、道路场景(匝道、隧道、合流、分流)等。
值得说明的是,车辆在智能驾驶时以车道线作为智能驾驶的主要依据,车辆智能驾驶时根据车道线进行行驶路径规划,调整自身位置和航向等来保证车辆在车道内安全行驶。本申请中以视觉道路信息中的视觉车道线的完整程度确定视觉道路信息的置信度。
进一步的,若视觉道路信息中视觉车道线完整,则确定视觉道路信息的置信度高;若视觉车道线丢失且丢失面积小于预设面积,这种小面积丢失可能是因为车道线自身会出现磨损、遮挡和缺失引起的,在这种情况下确定视觉道路信息的置信度中等;若视觉车道线丢失且丢失面积大于预设面积,这种情况下车道线的丢失可能是因为视觉感知单元在获取视觉车道线时,因为天气、光线影响造成拍摄成片模糊造成车道线短时间缺失,则确定视觉道路信息的置信度低。
步骤S2、确定所述车辆的定位信息,并确定定位精度。
示范性的,通过定位单元确定车辆的定位信息,该定位信息包括车辆所在的具体位置,定位单元中包括全球导航卫星系统GNSS、惯性测量单元IMU和里程计进行组合定位,保证定位的精准性。
进一步的,定位单元在对车辆进行定位时默认为定位信息精确到车道范围为最高精度,若定位信息精确到车道,则确定定位信息为高精度;若由于信号波动影响等原因,定位信息无法精确到车道,则确定定位信息为低精度;若信号丢失或定位单元故障,则认为定位信息不可用。其中车道范围只是说明定位精确度,并不限定在车道。
步骤S3、根据所述定位信息确定所述车辆周围的地图道路信息。
具体的,确定定位信息后,高精地图单元根据定位信息查找高清地图,以确定车辆当前位置下的地图道路信息,其中该地图道路信息也可以选择以视频或图像的形式输出。该地图道路信息中同样包括:车道线、道路边沿、交通道路标识TSR、标识牌、道路场景(匝道、隧道、合流、分流)等信息。
值得说明的是,由于高精地图单元输出的地图道路信息中的车道线为形状点坐标,所以通过道路特征融合单元中的地图车道线拟合模块采用三次拟合曲线进行车道线拟合,拟合过程中为提升车道线稳定性,采用Kalman滤波算法对拟合出的车道线进行平滑处理。
一些实施例中,在获取视觉道路信息和地图道路信息后,通过道路特征融合单元中的地图数据效验模块对这两种信息中的特征进行特征匹配和特征效验,根据匹配和效验结果纠正定位信息,以使定位信息更加精准。
作为一种优选的实施方式,在获取地图道路信息后,通过道路特征融合单元中的数据管理解析模块对地图道路信息中的地图中的车道线、交通道路标识TSR及场景等解析为功能定义的接口形式,使得地图道路信息的格式与视觉道路信息的格式保持一致以供车辆使用。数据管理解析模块还会进行ROI数据过滤,只保留需要的数据,过滤掉的数据和保留的数据可以根据车辆智能驾驶需求自行设定。当车辆的定位信息更新后表明车辆行驶到新的位置,数据管理解析模块还会根据最新的定位信息删除已经过期的地图道路信息,并且根据车辆位置的变化对视觉道路信息进行更新。
值得说明的是,通过定位单元确定的定位信息以及高精地图的地图道路信息皆为84坐标系的定位信息,而视觉道路信息是自车坐标系下的道路数据描述,所以需将通过坐标转换模块将定位单元和改进地图单元输出的点转换为自车坐标系下实现坐标系进行统一,具体转换以有公开方法,在此不在赘述。
步骤S4、对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果。
具体的,道路特征融合结果包括视觉道路信息中和地图道路信息中车道线的三次曲线参数一致程度。一致程度的获取包括融合比较视觉道路信息中车道线的三次曲线参数和地图道路信息中车道线的三次曲线参数,若视觉道路信息中车道线的三次曲线参数和地图道路信息中车道线的三次曲线参数一致程度满足预设值,则确定一致程度满足一致性要求,若视觉道路信息中车道线的三次曲线参数和地图道路信息中车道线的三次曲线参数一致程度不满足预设值,则确定一致性程度不满足一致性要求;
优选的,当视觉道路信为置信度中等或置信度低时,车道线出现缺失,则通过道路特征融合单元中的车道线跟踪模块根据已有车道线、历史车道宽度对视觉车道线的缺失部分进行预测补全后,再确定视觉道路信息和地图道路信息的一致程度。
优选的,当定位精度为低精度时,通过特征融合根据车辆的航迹推算车辆当前的高精度位置信息,并根据推算出的高精度位置信息确定地图道路信息。
作为一种优选的实施方式,由于定位单元对于定位信息的更新存在延迟与道路特征融合单元进行融合时存在不同频的现象,为了保证道路特征融合单元在进行融合时刻的地图数据在车辆坐标系下的准确性,需根据时间戳确定定位信息更新时刻与特征融合时刻的时间差,并根据该时间差确定车辆的运动量,然后根据车辆的运动量确定在特征融合时刻车辆的最新定位信息,最终根据最新定位信息确定最新的地图道路信息。
步骤S5、根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据。
具体的,根据视觉道路信息及其置信度、所述定位精度和所述地图道路信息选择不同的融合策略,并根据视觉道路信息和地图道路信息中车道线三次曲线的一致性确定融合输出结果,以确定车辆的智能驾驶等级和智能驾驶路径规划依据。具体由系统中智能驾驶等级置信度确定模块根据视觉道路信息的置信度、地图道路信息的定位精度和视觉车道线与地图车道线的一致程度确定智能驾驶等级置信度以及智能驾驶路径规划依据,共分为一下几种情况:
第一种,若视觉道路信息的置信度高、定位精度为高精度且一致程度满足一致性要求,则在预设距离内选择视觉道路信息中的视觉车道线作为智能驾驶路径规划依据,在预设距离外选择地图道路信息中的地图车道线作为智能驾驶路径规划依据,并确定智能驾驶等级为高置信度等级,并以此作为最优融合保障策略。本申请实施例中的预设距离设置为80米。
第二种,若视觉道路信息的置信度高、定位精度为低精度,则在一致程度满足一致性要求时采用最优融合保障策略,在不满足一致性要求时以视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级。
第三种,若视觉道路信息的置信度中等、定位精度为高精度,则在一致程度满足一致性要求时采用最优融合保障策略,在不满足一致性要求时以地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级。
第四种,若视觉道路信息的置信度中等、定位精度为低精度,则在一致程度满足一致性要求时以视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足一致性要求时,将所述视觉车道线和所述地图车道线拟合成一条新的车道线,新的车道线中三次曲线参数C0和C1更相信视觉车道线,三次曲线参数C2和C3更相信地图车道线,然后结合平滑处理输出更新后的三次曲线参数。
第五种,若视觉道路信息的置信度低、定位精度为高精度,则在一致程度满足一致性要求时以地图车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级,在不满足一致性要求时,以地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级。
第六种,若视觉道路信息的置信度低、定位精度为低精度,则在一致程度满足一致性要求时则在一致程度满足一致性要求时,以视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足一致性要求时智能驾驶等级为不可用。
第七种,若定位单元出现故障或高精地图单元出现故障导致定位信息和地图道路信息丢失,则以视觉车道信息中的视觉车道线作为智能驾驶的路径规划依据,以视觉道路信息的置信度确定车辆智能驾驶的置信度。
值得说明的是,车辆智能驾驶等级中的高置信度等级、中级置信度等级和低置信度等级分别代表着车辆的智能驾驶程度。例如可以将高置信度等级下的智能驾驶设置为L4级智能驾驶,将中等置信度等级下的智能驾驶设置为L3级智能驾驶,将低置信度等级下的智能驾驶设置为L2级智能驾驶。也可以根据具体需求进行设置,总之车辆智能驾驶置信度等级越高,车辆的自动性能越高,人工介入越少,车辆智能驾驶置信度等级降低智能驾驶功能也将逐步降级。在车辆智能驾驶等级不可用的情况下智能驾驶功能将全部被限制,由驾驶员进行全程手动驾驶。
一些实施例中,当智能驾驶路径规划依据从所述视觉车道线或所述地图车道线中的一种转换为另一种时,道路特征融合单元通过kalman卡尔曼滤波算法对车道线的三次曲线参数进行预测,更新和平滑处理,保证转换时的稳定过渡。
值得说明的是,由于高精地图单元不输出限速标识牌,在确定车辆智能驾驶车速时,通过TSR/场景融合模块结合高精地图中的道路限速信息、视觉感知单元检测到的限速信息和导航地图限速信息选择安全的车速。对于交通道路标识TSR需要根据视觉道路信息和地图道路信息合并显示。对于智能驾驶过程中的场景,在高速和城市等快速行驶场景下,以高精地图的场景结果作为智能驾驶依据,在其道路上以时间感知单元的结果作为智能驾驶依据。
本实施提供的一种基于道路特征融合的车辆智能驾驶保障方法,通过对视觉道路信息和地图道路信息进行融合,根据融合结果来确定车辆智能驾驶的路径规划依据,避免了某一个单元模块的功能出现故障或信息失效带来的驾驶危险,并使得智能驾驶的路径规划更加可靠。并且根据融合结果确定智能驾驶的等级,分情况逐步降低智能驾驶功能,给智能驾驶和认为接入驾驶之间提供了清晰介入界限,提高了智能驾驶的安全性。
请参照图2,图2为本申请的实施例提供的一种基于道路特征融合的车辆智能驾驶保障系统的流程示意图。
如图2所示,该系统包括:视觉感知单元、定位单元、高精地图单元和道路特征融合单元。
视觉感知单元,其用于获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度;
定位单元,其用于确定所述车辆的定位信息,并确定定位精度;
高精地图单元,其用于根据所述定位信息确定所述车辆周围的地图道路信息;
道路特征融合单元,其用于对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果,根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据。
一些实施例中,所述道路特征融合单元还用于:
根据所述视觉道路信息及其置信度、所述定位精度和所述地图道路信息选择不同的融合策略,并根据视觉道路信息和所述地图道路信息中车道线三次曲线的一致性确定融合输出结果,以确定所述车辆的智能驾驶等级和智能驾驶路径规划依据;
若所述视觉道路信息的置信度高、所述定位精度为高精度且所述一致程度满足一致性要求,则在预设距离内选择所述视觉道路信息中的视觉车道线作为智能驾驶路径规划依据,在预设距离外选择所述地图道路信息中的地图车道线作为智能驾驶路径规划依据,并确定智能驾驶等级为高置信度等级,并以此作为最优融合保障策略;
若所述视觉道路信息的置信度高、所述定位精度为低精度,则在所述一致程度满足一致性要求时采用所述最优融合保障策略,在不满足所述一致性要求时以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级;
若所述视觉道路信息的置信度中等、所述定位精度为高精度,则在所述一致程度满足一致性要求时采用所述最优融合保障策略,在不满足所述一致性要求时以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级;
若所述视觉道路信息的置信度中等、所述定位精度为低精度,则在所述一致程度满足一致性要求时以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足所述一致性要求时,根据车道线的三次曲线参数确定以所述视觉车道线或地图车道线作为智能驾驶路径规划依据,智能驾驶等级为低置信度等级;
若所述视觉道路信息的置信度低、所述定位精度为高精度,则在所述一致程度满足一致性要求时以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级,在不满足所述一致性要求时,以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级;
若所述视觉道路信息的置信度低、所述定位精度为低精度,则在所述一致程度满足一致性要求时则在所述一致程度满足一致性要求时,以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足所述一致性要求时智能驾驶等级为不可用;
若所述定位信息或所述地图道路信息不可用,则以所述视觉车道线作为智能驾驶路径规划依据,并以所述视觉道路信息的置信度等级作为自动驾等级。
一些实施例中,所述视觉感知单元还用于:
若所述视觉道路信息中视觉车道线完整,则确定所述视觉道路信息的置信度高;
若所述视觉车道线丢失面积小于预设面积,则确定所述视觉道路信息的置信度中等;
若所述视觉车道线丢失面积大于预设面积,则确定所述视觉道路信息的置信度低。
一些实施例中,所述道路特征融合单元还用于:
当所述视觉道路信为置信度中等或置信度低时,对所述视觉车道线的缺失部分进行预测补全后,再确定所述视觉道路信息和所述地图道路信息的一致程度。
一些实施例中,所述定位单元还用于:
获取定位设备发出的定位信息的参数,根据所述定位信息的参数确定所述定位精度。
一些实施例中,所述道路特征融合单元还用于:
当所述定位精度为低精度时,根据所述车辆的航迹推算所述车辆当前的位置信息,并根据推算出的位置信息确定地图道路信息。
一些实施例中,所述道路特征融合单元还用于:
融合比较所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数;
若所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数一致程度满足预设值,则确定所述一致程度满足一致性要求;
若所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数一致程度不满足预设值,则确定所述一致性程度不满足一致性要求。
一些实施例中,所述定位单元还用于:确定定位信息更新时刻与特征融合时刻的时间差,确定所述时间差内所述车辆的运动量,根据所述车辆的运动量确定在所述特征融合时刻所述车辆的最新定位信息;
所述高精地图单元还用于根据所述最新定位信息确定最新地图道路信息。
一些实施例中,所述道路特征融合单元还用于:
所述车辆驾驶过程中,当智能驾驶路径规划依据从所述视觉车道线或所述地图车道线中的一种转换为另一种时,通过滤波算法对车道线的三次曲线参数进行平滑处理。
需说明的是,在本发明实施例中,基于道路特征融合的车辆智能驾驶保障系统的各个功能模块或功能单元之间可通过电性连接来进行信息交互,其中“电性连接”用于表述两个部件之间的信号连接,例如控制信号和反馈信号,以及两个部件之间的电功率连接。另外,这里涉及的“连接”可以是有线连接,也可以是无线连接,且涉及的“电性连接”可以是两个部件之间的直接电性连接,也可以是通过其他部件的间接电性连接。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统和各单元及模块的具体工作过程,可以参考前述基于道路特征融合的车辆智能驾驶保障方法实施例中的对应过程,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于道路特征融合的车辆智能驾驶保障方法,其特征在于,包括:
获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度;
确定所述车辆的定位信息,并确定定位精度;
根据所述定位信息确定所述车辆周围的地图道路信息;
对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果;
根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据。
2.按照权利要求1所述的基于道路特征融合的车辆智能驾驶保障方法,其特征在于,所述根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据,包括:
根据所述视觉道路信息及其置信度、所述定位精度和所述地图道路信息选择不同的融合策略,并根据视觉道路信息和所述地图道路信息中车道线三次曲线的一致性确定融合输出结果,以确定所述车辆的智能驾驶等级和智能驾驶路径规划依据;
若所述视觉道路信息的置信度高、所述定位精度为高精度且所述一致程度满足一致性要求,则在预设距离内选择所述视觉道路信息中的视觉车道线作为智能驾驶路径规划依据,在预设距离外选择所述地图道路信息中的地图车道线作为智能驾驶路径规划依据,并确定智能驾驶等级为高置信度等级,并以此作为最优融合保障策略;
若所述视觉道路信息的置信度高、所述定位精度为低精度,则在所述一致程度满足一致性要求时采用所述最优融合保障策略,在不满足所述一致性要求时以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级;
若所述视觉道路信息的置信度中等、所述定位精度为高精度,则在所述一致程度满足一致性要求时采用所述最优融合保障策略,在不满足所述一致性要求时以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级;
若所述视觉道路信息的置信度中等、所述定位精度为低精度,则在所述一致程度满足一致性要求时以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足所述一致性要求时,根据车道线的三次曲线参数确定以所述视觉车道线或地图车道线作为智能驾驶路径规划依据,智能驾驶等级为低置信度等级;
若所述视觉道路信息的置信度低、所述定位精度为高精度,则在所述一致程度满足一致性要求时以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为高置信度等级,在不满足所述一致性要求时,以所述地图车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级;
若所述视觉道路信息的置信度低、所述定位精度为低精度,则在所述一致程度满足一致性要求时则在所述一致程度满足一致性要求时,以所述视觉车道线作为智能驾驶路径规划依据,智能驾驶等级为中等置信度等级,在不满足所述一致性要求时智能驾驶等级为不可用;
若所述定位信息或所述地图道路信息不可用,则以所述视觉车道线作为智能驾驶路径规划依据,并以所述视觉道路信息的置信度等级作为自动驾等级。
3.按照权利要求2所述的基于道路特征融合的车辆智能驾驶保障方法,其特征在于,所述获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度,包括:
若所述视觉道路信息中视觉车道线完整,则确定所述视觉道路信息的置信度高;
若所述视觉车道线丢失面积小于预设面积,则确定所述视觉道路信息的置信度中等;
若所述视觉车道线丢失面积大于预设面积,则确定所述视觉道路信息的置信度低。
4.按照权利要求3所述的基于道路特征融合的车辆智能驾驶保障方法,其特征在于,所述对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果,还包括:
当所述视觉道路信为置信度中等或置信度低时,对所述视觉车道线的缺失部分进行预测补全后,再确定所述视觉道路信息和所述地图道路信息的一致程度。
5.按照权利要求2所述的基于道路特征融合的车辆智能驾驶保障方法,其特征在于,所述确定所述车辆的定位信息,并确定定位精度,包括:
获取定位设备发出的定位信息的参数,根据所述定位信息的参数确定所述定位精度。
6.按照权利要求5所述的基于道路特征融合的车辆智能驾驶保障方法,其特征在于,所述对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果,还包括:
当所述定位精度为低精度时,根据所述车辆的航迹推算所述车辆当前的位置信息,并根据推算出的位置信息确定地图道路信息。
7.按照权利要求1所述的基于道路特征融合的车辆智能驾驶保障方法,其特征在于,所述通过特征融合确定所述视觉道路信息和所述地图道路信息中车道线的三次曲线参数的一致程度,包括:
融合比较所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数;
若所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数一致程度满足预设值,则确定所述一致程度满足一致性要求;
若所述视觉道路信息中车道线的三次曲线参数和所述地图道路信息中车道线的三次曲线参数一致程度不满足预设值,则确定所述一致性程度不满足一致性要求。
8.按照权利要求1所述的基于道路特征融合的车辆智能驾驶保障方法,其特征在于,还包括:
确定定位信息更新时刻与特征融合时刻的时间差;
确定所述时间差内所述车辆的运动量;
根据所述车辆的运动量确定在所述特征融合时刻所述车辆的最新定位信息;
根据所述最新定位信息确定最新地图道路信息。
9.按照权利要求1所述的基于道路特征融合的车辆智能驾驶保障方法,其特征在于,还包括:
在所述车辆驾驶过程中,当智能驾驶路径规划依据从所述视觉车道线或所述地图车道线中的一种转换为另一种时,通过滤波算法对车道线的三次曲线参数进行平滑处理。
10.一种基于道路特征融合的车辆智能驾驶保障系统,其特征在于,包括:
视觉感知单元,其用于获取车辆周围的视觉道路信息,并确定所述视觉道路信息的置信度;
定位单元,其用于确定所述车辆的定位信息,并确定定位精度;
高精地图单元,其用于根据所述定位信息确定所述车辆周围的地图道路信息;
道路特征融合单元,对所述视觉道路信息和所述地图道路信息进行特征融合,获得道路特征融合结果,根据所述视觉道路信息、所述地图道路信息和所述道路特征融合结果确定所述车辆的智能驾驶等级和智能驾驶路径规划依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210364820.3A CN114719840A (zh) | 2022-04-07 | 2022-04-07 | 一种基于道路特征融合的车辆智能驾驶保障方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210364820.3A CN114719840A (zh) | 2022-04-07 | 2022-04-07 | 一种基于道路特征融合的车辆智能驾驶保障方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114719840A true CN114719840A (zh) | 2022-07-08 |
Family
ID=82240882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210364820.3A Pending CN114719840A (zh) | 2022-04-07 | 2022-04-07 | 一种基于道路特征融合的车辆智能驾驶保障方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114719840A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115352455A (zh) * | 2022-10-19 | 2022-11-18 | 福思(杭州)智能科技有限公司 | 道路特征的预测方法和装置、存储介质及电子装置 |
WO2024077935A1 (zh) * | 2022-10-12 | 2024-04-18 | 中国第一汽车股份有限公司 | 一种基于视觉slam的车辆定位方法及装置 |
-
2022
- 2022-04-07 CN CN202210364820.3A patent/CN114719840A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024077935A1 (zh) * | 2022-10-12 | 2024-04-18 | 中国第一汽车股份有限公司 | 一种基于视觉slam的车辆定位方法及装置 |
CN115352455A (zh) * | 2022-10-19 | 2022-11-18 | 福思(杭州)智能科技有限公司 | 道路特征的预测方法和装置、存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11619516B2 (en) | Method for detecting map error information, apparatus, device, vehicle and storage medium | |
CN113379805B (zh) | 一种交通节点的多信息资源融合处理方法 | |
US9652980B2 (en) | Enhanced clear path detection in the presence of traffic infrastructure indicator | |
CN114719840A (zh) | 一种基于道路特征融合的车辆智能驾驶保障方法与系统 | |
CN107167826B (zh) | 一种自动驾驶中基于可变网格的图像特征检测的车辆纵向定位系统及方法 | |
KR20180009755A (ko) | 차선의 추정 방법 | |
KR101251729B1 (ko) | 주차 제어 방법 및 그 장치 | |
CN111324120A (zh) | 一种自动驾驶前车切入切出场景提取方法 | |
US6104980A (en) | Vehicular operation processing system | |
CN113508277A (zh) | 车道标记定位和融合 | |
EP3968609A1 (en) | Control method, vehicle, and server | |
CN114383620A (zh) | 车辆精准位置获取方法、系统、可读存储介质及车辆 | |
CN114998436A (zh) | 对象标注方法、装置、电子设备及存储介质 | |
JP7344182B2 (ja) | 情報処理装置 | |
WO2020195166A1 (ja) | 環境認識装置 | |
CN113386771A (zh) | 道路模型的生成方法及设备 | |
CN109144052B (zh) | 用于自动驾驶车辆的导航系统及其方法 | |
CN116762094A (zh) | 数据处理方法和设备 | |
CN113390422B (zh) | 汽车的定位方法、装置及计算机存储介质 | |
CN115388880B (zh) | 一种低成本记忆泊车建图与定位方法、装置及电子设备 | |
CN116481548B (zh) | 自动驾驶车辆的定位方法、装置及电子设备 | |
CN116027375B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN115205828B (zh) | 一种车辆定位方法、装置、整车控制器及可读存储介质 | |
CN113822932B (zh) | 设备定位方法、装置、非易失性存储介质及处理器 | |
CN114216469B (zh) | 一种对高精地图进行更新的方法、智慧基站及存储介质 |
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 |