CN114935334B - 车道拓扑关系的构建方法、装置、车辆、介质及芯片 - Google Patents
车道拓扑关系的构建方法、装置、车辆、介质及芯片 Download PDFInfo
- Publication number
- CN114935334B CN114935334B CN202210616083.1A CN202210616083A CN114935334B CN 114935334 B CN114935334 B CN 114935334B CN 202210616083 A CN202210616083 A CN 202210616083A CN 114935334 B CN114935334 B CN 114935334B
- Authority
- CN
- China
- Prior art keywords
- road
- lanes
- lane
- identification
- 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.)
- Active
Links
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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本公开涉及一种车道拓扑关系的构建方法、装置、车辆、介质及芯片,该方法包括:通过识别道路图像中的车道线特征点,生成道路标识图,对道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点,根据目标打断点对道路标识图进行分割,生成多条标识车道,将多条标识车道中位于目标打断点之间的相邻标识车道进行比较,确定道路分岔类型,根据道路分岔类型确定相邻标识车道之间的拓扑关系。从而能够准确建立各条分岔道路之间的拓扑关系,减少高精地图的制作成本,提高了制图速度,为自动驾驶提供准确的高精地图。
Description
技术领域
本公开涉及自动驾驶领域,尤其涉及一种车道拓扑关系的构建方法、装置、车辆、介质及芯片。
背景技术
在自动驾驶中,高精地图能够使自动驾驶的决策规划算法能够完整的了解周围的环境信息,并将主要算力应用在对周围车流和人流的分析上,从而做出合理、安全的自动驾驶决策。相关技术中,高精地图的制作主要通过地图采集车辆沿途拍摄真实道路场景后,基于相关技术生成车道及车道线等交通标识要素,对于岔道口的区分主要由相关技术人员逐帧查看道路图像后,将分岔前后的车道线采用不同的车道标识进行标记,但该处理方式,效率低下,需要消耗较大的人力成本和时间成本。
发明内容
为克服相关技术中存在的问题,本公开提供一种车道拓扑关系的构建方法、装置、车辆、介质及芯片。
根据本公开实施例的第一方面,提供一种车道拓扑关系的构建方法,包括:
通过识别道路图像中的车道线特征点,生成道路标识图;
对所述道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点;
根据所述目标打断点对所述道路标识图进行分割,生成多条标识车道;
将所述多条标识车道中位于所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型;
根据所述道路分岔类型确定所述相邻标识车道之间的拓扑关系。
可选地,所述对所述道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点,包括:
通过机器学习模型对所述道路标识图中的车道分岔位置进行识别,生成第一打断点;
以及通过模式识别算法对所述道路标识图中的车道分岔位置进行识别,生成第二打断点;
根据所述第一打断点和所述第二打断点,确定所述相邻车道之间的所述目标打断点。
可选地,所述通过模式识别算法对所述道路标识图中的车道分岔位置进行识别,生成第二打断点,包括:
通过所述模式识别算法确定所述道路标识图中的多组平行车道线和标定行驶方向;
确定在所述标定行驶方向上,各组平行车道线之间的第一个交点为所述第二打断点。
可选地,所述根据所述第一打断点和所述第二打断点,确定所述相邻车道之间的所述目标打断点,包括:
在所述第一打断点与所述第二打断点相同的情况下,确定所述第一打断点和所述第二打断点中的任意一个作为相邻车道之间的所述目标打断点;
在所述第一打断点与所述第二打断点不同的情况下,通过所述道路标识图对所述第一打断点和所述第二打断点进行验证,确定同时处于两条车道线上的打断点为所述目标打断点。
可选地,所述将所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型,包括:
对所述相邻标识车道进行识别,确定各条标识车道上的标定行驶方向和标识车道线;
将所述标识车道线进行比较,确定各条标识车道线之间在所述标定行驶方向上的位置关系;
根据所述位置关系,确定所述道路分岔类型。
可选地,所述将所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型,包括:
将所述目标打断点之间的相邻标识车道进行比较,确定各条标识车道之间的位置关系;
在各条标识车道相互平行的情况下,确定所述道路分岔类型为十字分岔路口。
可选地,所述根据所述道路分岔类型确定所述相邻标识车道之间的拓扑关系,包括:
根据所述道路标识图,确定所述标识车道上的标定行驶方向;
基于预设交通规则、所述车辆行进方向和所述道路分岔类型,生成相邻标识车道之间的所述拓扑关系。
可选地,所述方法包括:
获取各条标识车道的地理位置信息;
基于所述地理位置信息为所述标识车道分配车道编号;
根据所述拓扑关系和所述车道编号,生成自动驾驶线路发送至自动驾驶车辆。
根据本公开实施例的第二方面,提供一种车道拓扑关系的构建装置,包括:
第一生成模块,被配置为通过识别道路图像中的车道线特征点,生成道路标识图;
第一确定模块,被配置为对所述道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点;
第二生成模块,被配置为根据所述目标打断点对所述道路标识图进行分割,生成多条标识车道;
第二确定模块,被配置为将所述多条标识车道中位于所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型;
执行模块,被配置为根据所述道路分岔类型确定所述相邻标识车道之间的拓扑关系。
本公开实施例的第三方面,提供一种车辆,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
通过识别道路图像中的车道线特征点,生成道路标识图;
对所述道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点;
根据所述目标打断点对所述道路标识图进行分割,生成多条标识车道;
将所述多条标识车道中位于所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型;
根据所述道路分岔类型确定所述相邻标识车道之间的拓扑关系。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的车道拓扑关系的构建方法的步骤。
根据本公开实施例的第五方面,提供一种芯片,包括处理器和接口;所述处理器用于读取指令以执行本公开第一方面所提供的车道拓扑关系的构建方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
通过识别道路图像中的车道线特征点,生成道路标识图,对道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点,根据目标打断点对道路标识图进行分割,生成多条标识车道,将多条标识车道中位于目标打断点之间的相邻标识车道进行比较,确定道路分岔类型,根据道路分岔类型确定相邻标识车道之间的拓扑关系。从而通过识别道路标识图中的打断点,将道路标识图分割为多条标识车道,并将标识车道进行相互比较确定道路分岔类型,通过道路分岔类型建立各标识车道之间的拓扑关系。通过本方案能够准确建立各条分岔道路之间的拓扑关系,减少高精地图的制作成本,提高了制图速度,为自动驾驶提供准确的高精地图。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种车道拓扑关系的构建方法的流程图。
图2是根据一示例性实施例示出的一种车道线特征点的示例图。
图3是根据一示例性实施例示出的一种目标打断点的示例图。
图4是根据一示例性实施例示出的一种目标打断点的确认方法的流程图。
图5是根据一示例性实施例示出的另一种目标打断点的确定方法的流程图。
图6是根据一示例性实施例示出的一种车道拓扑关系的构建装置框图。
图7是根据一示例性实施例示出的另一种车道拓扑关系的构建装置的框图。
图8是根据一示例性实施例示出的一种车辆的功能框图示意图。
图9是根据一示例性实施例示出的又一种车道拓扑关系的构建方法装置的框图。
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公开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、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
图1是根据一示例性实施例示出的一种车道拓扑关系的构建方法的流程图,如图1所示,该车道拓扑关系的构建方法用于车载终端或服务器中,包括以下步骤。
在步骤S11中,通过识别道路图像中的车道线特征点,生成道路标识图。
示例的,本实施例中该构建方法可以应用于车辆对应的车载控制器中,通过安装在车辆上的图像采集装置,来获取车辆行驶过程中道路图像,并通过车辆中的车载控制器对道路图像进行识别分析,来构建车道之间的拓扑关系;可选地,该构建方法还可以应用于服务器中,通过车辆上的采集装置来获取车辆行驶过程中拍摄到的道路数据,并将该道路数据通过互联网络上传到服务器,由服务器来对该道路数据进行识别分析,来构建车道之间的拓扑关系。其中,车道之间的拓扑关系用于表示经过分岔路口后,原车道与分岔后形成的新车道之间的连接关系,通过设置有拓扑关系的高精地图,使自动驾驶车辆能够制定精确到具体驾驶车道的自动驾驶路线。
可以理解的是,通常情况下,车辆行驶的车道上均绘制有道路标识,例如,车道线、停车线、实线、虚线、转向标识、直行标识、减速标识等。且根据相关交通规定车道上的道路标识线都具有统一的绘制标准(通常情况下,车道中的道路标识线为规则的几何图形),通过设置于车辆上的图像采集装置来获取车辆行驶过程中经过的道路图像,并通过特征提取算法,识别道路图像中的车道线特征点。需要说明的是,在对道路图像进行识别的过程中,因拍摄角度、拍摄路况和其他车辆的限制,存在拍摄得到的道路图像中道路标识被遮挡,道路标识不完整的情况。因此,本实施例中主要对道路图像中的车道线特征点进行识别,图2是根据一示例性实施例示出的一种车道线特征点的示例图,如图2所示,通过提取道路图像中的车道线特征点,生成如图2所示的车道线特征点,并基于道路标识线的绘制标准,对该车道线特征点进行连线补全,从而生成完整的道路标识图。
在步骤S12中,对道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点。
可以理解的是,通过上述获得的道路标识图包括多种类型,例如,该道路标识图上只存在一条车道,或者该道路标识图上显示有分叉路,或者该道路标识图上显示有十字路口等,本实施例中只针对道路标识图中存在岔道口(包括增加车道、减少车道、分叉路口、十字路口等)的情况进行识别。其中道路标识图中的车道分岔口具有明显的标识特征,通常情况下,该车道分岔口的位置上不存在道路标识线,或道路标识线存在分支。通过对该标识特征的识别,从而在道路标识图中确认出车道分岔位置,并对车道分岔位置进行识别分析确定出相邻车道之间的目标打断点。需要说明的是,图3是根据一示例性实施例示出的一种目标打断点的示例图,如图3所示,通常情况下车道对应的标识线为两条平行的实线(或虚线段),目标打断点为车道开始发生变化的点,即车道两条平行的实线中其中一条车道线相较于另一条车道线开始发生变化,导致两条车道线不平行的点,为相邻车道之间的目标打断点。目标打断点在车道分岔位置的两条相邻车道之间,当存在车道分岔口时,对应车道之间则会产生目标打断点。
图4是根据一示例性实施例示出的一种目标打断点的确认方法的流程图,如图4所示,上述步骤S12,包括:
在步骤S121中,通过机器学习模型对道路标识图中的车道分岔位置进行识别,生成第一打断点。
在步骤S122中,以及通过模式识别算法对道路标识图中的车道分岔位置进行识别,生成第二打断点。
在步骤S123中,根据第一打断点和第二打断点,确定相邻车道之间的目标打断点。
可以理解的是,道路标识图中的分岔点具有比较明显的识别特征,通过对机器识别模型进行相应的识别训练,并根据训练后的机器学习模型对道路标识图中的车道分岔位置进行识别,生成第一打断点。示例的,还可以根据道路标识图中车道分岔口的分岔规则,通过模式识别算法对道路标识图中的车道分岔位置进行识别,生成第二打断点。将第一打断点和第二打断点进行结合,确定相邻车道之间的目标打断点。示例的,图5是根据一示例性实施例示出的另一种目标打断点的确定方法的流程图,如图5所示,该确定方法包括:
在步骤S21中,获取道路图像,并对道路图像中的车道线特征点进行识别;
在步骤S22中,生成车道线特征点,根据车道线设置规则对车道线进行补全生成车道标识线;
在步骤S23中,分别通过模式识别算法和机器学习模型识别车道标识线中的打断点;
在步骤S24中,根据打断点确定车道分岔口类型,并根据该类型设定车道之间的拓扑关系。
可选地,上述步骤S122,包括:
通过模式识别算法确定道路标识图中的多组平行车道线和标定行驶方向。
确定在标定行驶方向上,各组平行车道线之间的第一个交点为第二打断点。
需要说明的是,通常情况下车辆中的采集装置设置于车辆的车头位置,对应的朝向与车辆的行驶方向保持一致,以使获得的道路图像能够准确反映道路情况。通过模式识别算法可以确定道路标识图中的多组平行车道线和标定行驶方向,一组平行车道线对应一条车道,同时一条车道对应一个标定行驶方向。其中标定行驶方向为道路交通规则中,每条车道上的标准行驶方向,因此,通常情况下该标定行驶方向与平行车道线相互平行。通过将各组平行车道线进行对比,确定在标定行驶方向上,各组平行车道线之间的第一个交点为第二打断点。示例的,当分岔路口为分岔车道时,通过模式识别算法确定该道路标识图中存在三组平行车道线,即为分岔前的平行车道线、分岔后的平行车道线和分岔路平行车道线,确定标定行驶方向上,分岔前的平行车道线与分岔路平行车道线的第一个交底为第二打断点。
可选地,上述步骤S123,包括:
在第一打断点与第二打断点相同的情况下,确定第一打断点和第二打断点中的任意一个作为相邻车道之间的目标打断点。
在第一打断点与第二打断点不同的情况下,通过道路标识图对第一打断点和第二打断点进行验证,确定同时处于两条车道线上的打断点为目标打断点。
示例的,通过上述步骤获得第一打断点和第二打断点之后,根据道路标识图将第一打断点和第二打断点进行比较,确定第一打断点和第二打断点在道路标识图中的位置是否相同。当第一打断点与第二打断点相同时,确定第一打断点和第二打断点中的任意一个作为相邻车道之间的目标打断点,通过上述实施例中的机器学习模型和模式识别算法对获取到的打断点进行相互印证,从而提高目标打断点的准确性。当第一打断点和第二打断点不同时,标识相关识别方法可能收到道路标识图中其他干扰因素的影响,导致对应识别方式对打断点的判定存在偏差,因此需要通过道路标识图对第一打断点和第二打断点进行验证,确定第一打断点和第二打断点中同时处于两条车道线上的打断点为目标打断点。
在步骤S13中,根据目标打断点对道路标识图进行分割,生成多条标识车道。
可以理解的是,道路标识图中目标打断点的位置存在道路分岔,为方便后续对道路分岔类型进行识别,在目标打断点的位置对道路标识图进行分割,生成多条标识车道,示例的,以十字路口为例,原行驶道路延伸至十字路口的位置,通过识别确定目标打断点之后,在目标打断点的位置对道路标识图进行分割,从而生成四条标识车道。以分岔路口为例,原行驶道路延伸至分岔路口的位置,通过识别确定目标打断点之后,在目标打断点的位置对道路标识图进行分割,生成三条标识车道。
在步骤S14中,将多条标识车道中位于目标打断点之间的相邻标识车道进行比较,确定道路分岔类型。
可以理解的是,本实施例中道路分岔类型包括三岔路,十字路,增加车道、减少车道等,道路分岔类型需要将通过上述步骤获得的多条标识车道中位于目标打断点之间的相邻标识车道进行比对,确定该道路标识图中的道路分岔类型。示例的,可以根据道路分岔类型的车道设置规则,确定相邻标识车道之间的位置关系,当相邻标识车道逐渐远离时,则确定道路分岔类型为三岔路口;当相邻标识车道相互平行,则确定道路分岔类型为增加车道。还可以对各条标识车道对应的标定行驶方向进行识别,通过比较相邻标识车道对应的标定行驶方向,从而确定道路分岔类型。
可选地,上述步骤S14,包括:
对相邻标识车道进行识别,确定各条标识车道上的标定行驶方向和标识车道线。
将标识车道线进行比较,确定各条标识车道线之间在标定行驶方向上的位置关系。
根据位置关系,确定道路分岔类型。
可以理解的是,不同类型的道路分岔口,其对应的车道线特征不同,示例的,当道路分岔口的类型为增加车道时,新增加的标识车道对应的标识车道线与原标识车道的标识车道线相比,呈现出先远离再平行的位置特征;当道路分岔口的类型为三岔口时,新增加的标识车道对应的标识车道线与原标识车道的标识车道线相比,呈现出逐渐远离的位置特征。本实施例中通过对目标打断点之间标识车道对应的标识车道线进行比较,确定道路分岔类型。
每条标识车道都是由标识车道线组成,通过对目标打断点之间相邻标识车道进行识别,确定标识车道上对应的标定行驶方向和组成该标识车道的标识车道线。将各条标识车道上的标识车道线进行比较,确定标识车道线在标定行驶方向上的位置关系,并根据该位置关系,确定相邻标识车道之间对应的道路分岔类型。
可选地,上述步骤S14,包括:
将目标打断点之间的相邻标识车道进行比较,确定各条标识车道之间的位置关系。
在各条标识车道相互平行的情况下,确定道路分岔类型为十字分岔路口。
可以理解的是,针对道路分岔类型为十字分岔路口的道路标识图,通过上述步骤进行识别,确定对应道路标识图的目标打断点为多个,根据目标打断点对道路标识图进行分割后,可以获得多条相互平行的标识车道。因此,本实施例中,将各条标识车道之间进行比较,确定各条标识车道之间的位置关系,当各条标识车道相互平行时,则确定该道路分岔类型为十字分岔路口。
在步骤S15中,根据道路分岔类型确定相邻标识车道之间的拓扑关系。
通过上述步骤确定道路分岔类型之后,根据道路分岔类型建立相邻标识车道之间的拓扑关系。示例的,可以根据道路分岔类型为相邻标识车道设定标识编号,通过标识编号确定标识车道之间的拓扑关系。
可选地,上述步骤S15,包括:
根据道路标识图,确定标识车道上的标定行驶方向。
基于预设交通规则、车辆行进方向和道路分岔类型,生成相邻标识车道之间的拓扑关系。
可以理解的是,道路标识图中有指引标定行驶方向的交通标识,通过对该交通标识的识别,可以确定标识车道上的标定行驶方向。预设交通规则为相关规定中标定车辆在行驶过程中遇到相关道路标识时,需要如何进行车辆驾驶的预设规定。通过预设交通规则、标定行驶方向和道路分岔类型,可以确定相邻标识车道之间的拓扑关系。
可选地,该构建方法,还包括:
获取各条标识车道的地理位置信息。
基于地理位置信息为标识车道分配车道编号。
根据拓扑关系和车道编号,生成自动驾驶线路发送至自动驾驶车辆。
可以理解的是,设置于车辆上的采集装置在进行道路图像采集的过程中,会根据车辆的定位系统同步读取地理位置信息,并将道路图像和地理位置信息关联保存。通过对地理位置信息的解析,从而确定各条标识车道对应的地理位置标段,根据该地理位置标段为车道分配不同的车道编号,使每条标识车道均具有独立的车道编号,通过拓扑关系和车道编号,为自动驾驶车辆生成精确到每条车道的自动驾驶线路,并将自动驾驶线路发送至车辆,使自动驾驶车辆能够根据自动驾驶线路完成自动驾驶。
通过上述方案,通过识别道路图像中的车道线特征点,生成道路标识图,对道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点,根据目标打断点对道路标识图进行分割,生成多条标识车道,将多条标识车道中位于目标打断点之间的相邻标识车道进行比较,确定道路分岔类型,根据道路分岔类型确定相邻标识车道之间的拓扑关系。从而通过识别道路标识图中的打断点,将道路标识图分割为多条标识车道,并将标识车道进行相互比较确定道路分岔类型,通过道路分岔类型建立各标识车道之间的拓扑关系。通过本方案能够准确建立各条分岔道路之间的拓扑关系,减少高精地图的制作成本,提高了制图速度,为自动驾驶提供准确的高精地图。
图6是根据一示例性实施例示出的一种车道拓扑关系的构建装置框图。如图6所示,该构建装置100包括第一生成模块110,第一确定模块120,第二生成模块130,第二确定模块140,执行模块150。
该第一生成模块110,被配置为通过识别道路图像中的车道线特征点,生成道路标识图。
该第一确定模块120,被配置为对道路标识图中的车道分岔位置进行识别,以确定相邻车道之间的目标打断点。
该第二生成模块130,被配置为根据目标打断点对道路标识图进行分割,生成多条标识车道。
该第二确定模块140,被配置为将多条标识车道中位于目标打断点之间的相邻标识车道进行比较,确定道路分岔类型。
该执行模块150,被配置为根据道路分岔类型确定相邻标识车道之间的拓扑关系。
可选地,该第一确定模块120,可以包括:
第一生成子模块,被配置为通过机器学习模型对道路标识图中的车道分岔位置进行识别,生成第一打断点。
第二生成子模块,被配置为以及通过模式识别算法对道路标识图中的车道分岔位置进行识别,生成第二打断点。
确定子模块,被配置为根据第一打断点和第二打断点,确定相邻车道之间的目标打断点。
可选地,该第二生成子模块,还可以被配置为:
通过模式识别算法确定道路标识图中的多组平行车道线和标定行驶方向。
确定在标定行驶方向上,各组平行车道线之间的第一个交点为第二打断点。
可选地,该确定子模块,还可以被配置为:
在第一打断点与第二打断点相同的情况下,确定第一打断点和第二打断点中的任意一个作为相邻车道之间的目标打断点。
在第一打断点与第二打断点不同的情况下,通过道路标识图对第一打断点和第二打断点进行验证,确定同时处于两条车道线上的打断点为目标打断点。
可选地,该第二确定模块140,还可以被配置为:
对相邻标识车道进行识别,确定各条标识车道上的标定行驶方向和标识车道线。
将标识车道线进行比较,确定各条标识车道线之间在标定行驶方向上的位置关系。
根据位置关系,确定道路分岔类型。
可选地,该第二确定模块140,还可以被配置为:
将目标打断点之间的相邻标识车道进行比较,确定各条标识车道之间的位置关系。
在各条标识车道相互平行的情况下,确定道路分岔类型为十字分岔路口。
可选地,该执行模块150,还可以被配置为:
根据道路标识图,确定标识车道上的标定行驶方向。
基于预设交通规则、车辆行进方向和道路分岔类型,生成相邻标识车道之间的拓扑关系。
可选地,该构建装置100,还包括发送模块,该发送模块被配置为:
获取各条标识车道的地理位置信息。
基于地理位置信息为标识车道分配车道编号。
根据拓扑关系和车道编号,生成自动驾驶线路发送至自动驾驶车辆。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的车道拓扑关系的构建方法的步骤。
图7是根据一示例性实施例示出的另一种车道拓扑关系的构建装置700的框图。例如,装置700可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图7,装置700可以包括以下一个或多个组件:处理组件702,存储器704,电源组件706,多媒体组件707,音频组件710,输入/输出接口712,传感器组件714,以及通信组件716。
处理组件702通常控制装置700的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令,以完成上述车道拓扑关系的构建方法的全部或部分步骤。此外,处理组件702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。例如,处理组件702可以包括多媒体模块,以方便多媒体组件707和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件706为装置700的各种组件提供电力。电源组件706可以包括电源管理系统,一个或多个电源,及其他与为装置700生成、管理和分配电力相关联的组件。
多媒体组件707包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件707包括一个前置摄像头和/或后置摄像头。当装置700处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如,音频组件710包括一个麦克风(MIC),当装置700处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中,音频组件710还包括一个扬声器,用于输出音频信号。
输入/输出接口712为处理组件702和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器,用于为装置700提供各个方面的状态评估。例如,传感器组件714可以检测到装置700的打开/关闭状态,组件的相对定位,例如所述组件为装置700的显示器和小键盘,传感器组件714还可以检测装置700或装置700一个组件的位置改变,用户与装置700接触的存在或不存在,装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件714还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件716还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述车道拓扑关系的构建方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器704,上述指令可由装置700的处理器720执行以完成上述车道拓扑关系的构建方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
上述装置除了可以是独立的电子设备外,也可是独立电子设备的一部分,例如在一种实施例中,该装置可以是集成电路(Integrated Circuit,IC)或芯片,其中该集成电路可以是一个IC,也可以是多个IC的集合;该芯片可以包括但不限于以下种类:GPU(GraphicsProcessing Unit,图形处理器)、CPU(Central Processing Unit,中央处理器)、FPGA(Field Programmable Gate Array,可编程逻辑阵列)、DSP(Digital Signal Processor,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、SOC(System on Chip,SoC,片上系统或系统级芯片)等。上述的集成电路或芯片中可以用于执行可执行指令(或代码),以实现上述车道拓扑关系的构建方法。其中该可执行指令可以存储在该集成电路或芯片中,也可以从其他的装置或设备获取,例如该集成电路或芯片中包括处理器、存储器,以及用于与其他的装置通信的接口。该可执行指令可以存储于该处理器中,当该可执行指令被处理器执行时实现上述车道拓扑关系的构建方法;或者,该集成电路或芯片可以通过该接口接收可执行指令并传输给该处理器执行,以实现上述车道拓扑关系的构建方法。
参阅图8,图8是根据一示例性实施例示出的一种车辆800的功能框图示意图。车辆800可以被配置为完全或部分自动驾驶模式。例如,车辆800可以通过感知系统820获取其周围的环境信息,并基于对周边环境信息的分析得到自动驾驶策略以实现完全自动驾驶,或者将分析结果呈现给用户以实现部分自动驾驶。
车辆800可包括各种子系统,例如,信息娱乐系统810、感知系统820、决策控制系统830、驱动系统840以及计算平台850。可选的,车辆800可包括更多或更少的子系统,并且每个子系统都可包括多个部件。另外,车辆800的每个子系统和部件可以通过有线或者无线的方式实现互连。
在一些实施例中,信息娱乐系统810可以包括通信系统811,娱乐系统812以及导航系统813。
通信系统811可以包括无线通信系统,无线通信系统可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信系统可使用3G蜂窝通信,例如CDMA、EVD0、GSM/GPRS,或者4G蜂窝通信,例如LTE。或者5G蜂窝通信。无线通信系统可利用WiFi与无线局域网(wireless local area network,WLAN)通信。在一些实施例中,无线通信系统可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议,例如各种车辆通信系统,例如,无线通信系统可包括一个或多个专用短程通信(dedicated short range communications,DSRC)设备,这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
娱乐系统812可以包括显示设备,麦克风和音响,用户可以基于娱乐系统在车内收听广播,播放音乐;或者将手机和车辆联通,在显示设备上实现手机的投屏,显示设备可以为触控式,用户可以通过触摸屏幕进行操作。
在一些情况下,可以通过麦克风获取用户的语音信号,并依据对用户的语音信号的分析实现用户对车辆800的某些控制,例如调节车内温度等。在另一些情况下,可以通过音响向用户播放音乐。
导航系统813可以包括由地图供应商所提供的地图服务,从而为车辆800提供行驶路线的导航,导航系统813可以和车辆的全球定位系统821、惯性测量单元822配合使用。地图供应商所提供的地图服务可以为二维地图,也可以是高精地图。
感知系统820可包括感测关于车辆800周边的环境的信息的若干种传感器。例如,感知系统820可包括全球定位系统821(全球定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)822、激光雷达823、毫米波雷达824、超声雷达825以及摄像装置828。感知系统820还可包括被监视车辆800的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是车辆800的安全操作的关键功能。
全球定位系统821用于估计车辆800的地理位置。
惯性测量单元822用于基于惯性加速度来感测车辆800的位姿变化。在一些实施例中,惯性测量单元822可以是加速度计和陀螺仪的组合。
激光雷达823利用激光来感测车辆800所位于的环境中的物体。在一些实施例中,激光雷达823可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。
毫米波雷达824利用无线电信号来感测车辆800的周边环境内的物体。在一些实施例中,除了感测物体以外,毫米波雷达824还可用于感测物体的速度和/或前进方向。
超声雷达825可以利用超声波信号来感测车辆800周围的物体。
摄像装置828用于捕捉车辆800的周边环境的图像信息。摄像装置828可以包括单目相机、双目相机、结构光相机以及全景相机等,摄像装置828获取的图像信息可以包括静态图像,也可以包括视频流信息。
决策控制系统830包括基于感知系统820所获取的信息进行分析决策的计算系统831,决策控制系统830还包括对车辆800的动力系统进行控制的整车控制器832,以及用于控制车辆800的转向系统833、油门834和制动系统835。
计算系统831可以操作来处理和分析由感知系统820所获取的各种信息以便识别车辆800周边环境中的目标、物体和/或特征。目标可以包括行人或者动物,物体和/或特征可包括交通信号、道路边界和障碍物。计算系统831可使用物体识别算法、运动中恢复结构(Structure from Motion,SFM)算法、视频跟踪等技术。在一些实施例中,计算系统831可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。计算系统831可以将所获取的各种信息进行分析并得出对车辆的控制策略。
整车控制器832可以用于对车辆的动力电池和引擎841进行协调控制,以提升车辆800的动力性能。
转向系统833可操作来调整车辆800的前进方向。例如在一个实施例中可以为方向盘系统。
油门834用于控制引擎841的操作速度并进而控制车辆800的速度。
制动系统835用于控制车辆800减速。制动系统835可使用摩擦力来减慢车轮844。在一些实施例中,制动系统835可将车轮844的动能转换为电流。制动系统835也可采取其他形式来减慢车轮844转速从而控制车辆800的速度。
驱动系统840可包括为车辆800提供动力运动的组件。在一个实施例中,驱动系统840可包括引擎841、能量源842、传动系统843和车轮844。引擎841可以是内燃机、电动机、空气压缩引擎或其他类型的引擎组合,例如汽油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎841将能量源842转换成机械能量。
能量源842的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源842也可以为车辆800的其他系统提供能量。
传动系统843可以将来自引擎841的机械动力传送到车轮844。传动系统843可包括变速箱、差速器和驱动轴。在一个实施例中,传动系统843还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮844的一个或多个轴。
车辆800的部分或所有功能受计算平台850控制。计算平台850可包括至少一个处理器851,处理器851可以执行存储在例如存储器852这样的非暂态计算机可读介质中的指令853。在一些实施例中,计算平台850还可以是采用分布式方式控制车辆800的个体组件或子系统的多个计算设备。
处理器851可以是任何常规的处理器,诸如商业可获得的CPU。可替换地,处理器851还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、片上系统(Sysem on Chip,SOC)、专用集成芯片(Application Specific Integrated Circuit,ASIC)或它们的组合。尽管图8功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此,对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,处理器只执行与特定于组件的功能相关的计算。
在本公开实施方式中,处理器851可以执行上述种车道拓扑关系的构建方法。
在此处所描述的各个方面中,处理器851可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,存储器852可包含指令853(例如,程序逻辑),指令853可被处理器851执行来执行车辆800的各种功能。存储器852也可包含额外的指令,包括向信息娱乐系统810、感知系统820、决策控制系统830、驱动系统840中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令853以外,存储器852还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度以及其它这样的车辆数据,以及其他信息。这种信息可在车辆800在自主、半自主和/或手动模式中操作期间被车辆800和计算平台850使用。
计算平台850可基于从各种子系统(例如,驱动系统840、感知系统820和决策控制系统830)接收的输入来控制车辆800的功能。例如,计算平台850可利用来自决策控制系统830的输入以便控制转向系统833来避免由感知系统820检测到的障碍物。在一些实施例中,计算平台850可操作来对车辆800及其子系统的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与车辆800分开安装或关联。例如,存储器852可以部分或完全地与车辆800分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图8不应理解为对本公开实施例的限制。
在道路行进的自动驾驶汽车,如上面的车辆800,可以识别其周围环境内的物体以确定对当前速度的调整。物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中,可以独立地考虑每个识别的物体,并且基于物体的各自的特性,诸如它的当前速度、加速度、与车辆的间距等,可以用来确定自动驾驶汽车所要调整的速度。
可选地,车辆800或者与车辆800相关联的感知和计算设备(例如计算系统831、计算平台850)可以基于所识别的物体的特性和周围环境的状态(例如,交通、雨、道路上的冰、等等)来预测识别的物体的行为。可选地,每一个所识别的物体都依赖于彼此的行为,因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆800能够基于预测的识别的物体的行为来调整它的速度。换句话说,自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如,加速、减速、或者停止)何种稳定状态。在这个过程中,也可以考虑其它因素来确定车辆800的速度,诸如,车辆800在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外,计算设备还可以提供修改车辆800的转向角的指令,以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如,道路上的相邻车道中的车辆)的安全横向和纵向距离。
上述车辆800可以为各种类型的行驶工具,例如,轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、娱乐车、火车等等,本公开实施例不做特别的限定。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述种车道拓扑关系的构建方法的代码部分。
图9是根据一示例性实施例示出的又一种车道拓扑关系的构建方法装置900的框图。例如,装置900可以被提供为一服务器。参照图9,装置900包括处理组件922,其进一步包括一个或多个处理器,以及由存储器932所代表的存储器资源,用于存储可由处理组件922的执行的指令,例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件922被配置为执行指令,以执行上述车道拓扑关系的构建方法。
装置900还可以包括一个电源组件926被配置为执行装置900的电源管理,一个有线或无线网络接口950被配置为将装置900连接到网络,和一个输入输出接口958。装置900可以操作基于存储在存储器932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开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。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种车道拓扑关系的构建方法,其特征在于,包括:
通过识别道路图像中的车道线特征点,生成道路标识图;
通过机器学习模型对所述道路标识图中的车道分岔位置进行识别,生成第一打断点;
以及通过模式识别算法确定所述道路标识图中的多组平行车道线和标定行驶方向;
确定在所述标定行驶方向上,各组平行车道线之间的第一个交点为第二打断点;
根据所述第一打断点和所述第二打断点,确定相邻车道之间的目标打断点;
根据所述目标打断点对所述道路标识图进行分割,生成多条标识车道;
将所述多条标识车道中位于所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型;
根据所述道路分岔类型确定所述相邻标识车道之间的拓扑关系。
2.根据权利要求1所述的构建方法,其特征在于,所述根据所述第一打断点和所述第二打断点,确定所述相邻车道之间的所述目标打断点,包括:
在所述第一打断点与所述第二打断点相同的情况下,确定所述第一打断点和所述第二打断点中的任意一个作为相邻车道之间的所述目标打断点;
在所述第一打断点与所述第二打断点不同的情况下,通过所述道路标识图对所述第一打断点和所述第二打断点进行验证,确定同时处于两条车道线上的打断点为所述目标打断点。
3.根据权利要求1所述的构建方法,其特征在于,所述将所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型,包括:
对所述相邻标识车道进行识别,确定各条标识车道上的标定行驶方向和标识车道线;
将所述标识车道线进行比较,确定各条标识车道线之间在所述标定行驶方向上的位置关系;
根据所述位置关系,确定所述道路分岔类型。
4.根据权利要求1所述的构建方法,其特征在于,所述将所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型,包括:
将所述目标打断点之间的相邻标识车道进行比较,确定各条标识车道之间的位置关系;
在各条标识车道相互平行的情况下,确定所述道路分岔类型为十字分岔路口。
5.根据权利要求1所述的构建方法,其特征在于,所述根据所述道路分岔类型确定所述相邻标识车道之间的拓扑关系,包括:
根据所述道路标识图,确定所述标识车道上的标定行驶方向;
基于预设交通规则、所述标定行驶方向和所述道路分岔类型,生成相邻标识车道之间的所述拓扑关系。
6.根据权利要求1所述的构建方法,其特征在于,所述方法包括:
获取各条标识车道的地理位置信息;
基于所述地理位置信息为所述标识车道分配车道编号;
根据所述拓扑关系和所述车道编号,生成自动驾驶线路发送至自动驾驶车辆。
7.一种车道拓扑关系的构建装置,其特征在于,包括:
第一生成模块,被配置为通过识别道路图像中的车道线特征点,生成道路标识图;
第一确定模块,被配置为通过机器学习模型对所述道路标识图中的车道分岔位置进行识别,生成第一打断点;
以及通过模式识别算法确定所述道路标识图中的多组平行车道线和标定行驶方向;
确定在所述标定行驶方向上,各组平行车道线之间的第一个交点为第二打断点;
根据所述第一打断点和所述第二打断点,确定相邻车道之间的目标打断点;
第二生成模块,被配置为根据所述目标打断点对所述道路标识图进行分割,生成多条标识车道;
第二确定模块,被配置为将所述多条标识车道中位于所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型;
执行模块,被配置为根据所述道路分岔类型确定所述相邻标识车道之间的拓扑关系。
8.一种车辆,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
通过识别道路图像中的车道线特征点,生成道路标识图;
通过机器学习模型对所述道路标识图中的车道分岔位置进行识别,生成第一打断点;
以及通过模式识别算法确定所述道路标识图中的多组平行车道线和标定行驶方向;
确定在所述标定行驶方向上,各组平行车道线之间的第一个交点为第二打断点;
根据所述第一打断点和所述第二打断点,确定相邻车道之间的目标打断点;
根据所述目标打断点对所述道路标识图进行分割,生成多条标识车道;
将所述多条标识车道中位于所述目标打断点之间的相邻标识车道进行比较,确定道路分岔类型;
根据所述道路分岔类型确定所述相邻标识车道之间的拓扑关系。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1~6中任一项所述方法的步骤。
10.一种芯片,其特征在于,包括处理器和接口;所述处理器用于读取指令以执行权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210616083.1A CN114935334B (zh) | 2022-05-31 | 2022-05-31 | 车道拓扑关系的构建方法、装置、车辆、介质及芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210616083.1A CN114935334B (zh) | 2022-05-31 | 2022-05-31 | 车道拓扑关系的构建方法、装置、车辆、介质及芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114935334A CN114935334A (zh) | 2022-08-23 |
CN114935334B true CN114935334B (zh) | 2023-07-18 |
Family
ID=82866527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210616083.1A Active CN114935334B (zh) | 2022-05-31 | 2022-05-31 | 车道拓扑关系的构建方法、装置、车辆、介质及芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114935334B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115574805B (zh) * | 2022-12-02 | 2023-04-28 | 小米汽车科技有限公司 | 车道线关系的识别方法、装置、车辆和存储介质 |
CN116534021B (zh) * | 2023-06-26 | 2023-12-12 | 小米汽车科技有限公司 | 虚拟车道生成方法、装置、车辆及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0892919A (ja) * | 1994-09-27 | 1996-04-09 | Hirotaro Usui | 道路標識と位置確認方法 |
US9911327B2 (en) * | 2015-06-30 | 2018-03-06 | Here Global B.V. | Method and apparatus for identifying a split lane traffic location |
CN109920031B (zh) * | 2019-04-12 | 2023-07-14 | 浙江海康智联科技有限公司 | 一种快速绘制道路交叉口的方法和系统 |
CN111142525B (zh) * | 2019-12-31 | 2023-04-25 | 武汉中海庭数据技术有限公司 | 高精度地图车道拓扑构建方法及系统、服务器及介质 |
CN113156923B (zh) * | 2020-01-03 | 2023-10-24 | 阿里巴巴集团控股有限公司 | 道路数据生成、导航、行驶控制方法、装置、设备及介质 |
CN113903016B (zh) * | 2021-12-09 | 2022-05-13 | 深圳佑驾创新科技有限公司 | 分岔点检测方法、装置、计算机设备和存储介质 |
CN114170577A (zh) * | 2021-12-10 | 2022-03-11 | 智道网联科技(北京)有限公司 | 一种车道线的分岔处理方法、装置及电子设备 |
-
2022
- 2022-05-31 CN CN202210616083.1A patent/CN114935334B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114935334A (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114935334B (zh) | 车道拓扑关系的构建方法、装置、车辆、介质及芯片 | |
CN115330923B (zh) | 点云数据渲染方法、装置、车辆、可读存储介质及芯片 | |
EP4307251A1 (en) | Mapping method, vehicle, computer readable storage medium, and chip | |
CN115220449B (zh) | 路径规划的方法、装置、存储介质、芯片及车辆 | |
CN115170630B (zh) | 地图生成方法、装置、电子设备、车辆和存储介质 | |
CN115205311B (zh) | 图像处理方法、装置、车辆、介质及芯片 | |
CN114771539B (zh) | 车辆变道决策方法、装置、存储介质及车辆 | |
CN114842455B (zh) | 障碍物检测方法、装置、设备、介质、芯片及车辆 | |
CN114937351B (zh) | 车队控制方法、装置、存储介质、芯片、电子设备及车辆 | |
CN114882464B (zh) | 多任务模型训练方法、多任务处理方法、装置及车辆 | |
CN115100630B (zh) | 障碍物检测方法、装置、车辆、介质及芯片 | |
CN115221151B (zh) | 车辆数据的传输方法、装置、车辆、存储介质及芯片 | |
CN114756700B (zh) | 场景库建立方法、装置、车辆、存储介质及芯片 | |
CN115203457B (zh) | 图像检索方法、装置、车辆、存储介质及芯片 | |
CN114880408A (zh) | 场景构建方法、装置、介质以及芯片 | |
CN114537450A (zh) | 车辆控制方法、装置、介质、芯片、电子设备及车辆 | |
CN114862931A (zh) | 深度距离确定方法、装置、车辆、存储介质与芯片 | |
CN115115822B (zh) | 车端图像处理方法、装置、车辆、存储介质及芯片 | |
CN115221260B (zh) | 数据处理方法、装置、车辆及存储介质 | |
CN115164910B (zh) | 行驶路径生成方法、装置、车辆、存储介质及芯片 | |
CN114821511B (zh) | 杆体检测方法、装置、车辆、存储介质及芯片 | |
CN115082886B (zh) | 目标检测的方法、装置、存储介质、芯片及车辆 | |
CN115082772B (zh) | 地点识别方法、装置、车辆、存储介质及芯片 | |
CN115147794B (zh) | 车道线确定方法、装置、车辆、介质及芯片 | |
CN114842454B (zh) | 障碍物检测方法、装置、设备、存储介质、芯片及车辆 |
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 |