CN115077563A - 车辆定位精度评价方法、装置及电子设备 - Google Patents
车辆定位精度评价方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115077563A CN115077563A CN202210675951.3A CN202210675951A CN115077563A CN 115077563 A CN115077563 A CN 115077563A CN 202210675951 A CN202210675951 A CN 202210675951A CN 115077563 A CN115077563 A CN 115077563A
- Authority
- CN
- China
- Prior art keywords
- positioning
- lane
- data
- vehicle
- track
- 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
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Abstract
本申请实施例提供一种车辆定位精度评价方法、装置及电子设备,其中,所述方法包括:提取关于车道的矢量地图中的第一车道中心线数据;采集车辆在不同定位模式下关于所述车道的第一定位轨迹数据;将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据;基于各定位模式下的第二定位轨迹数据与第二车道中心线数据获取各定位模式下的定位轨迹与所述车道的车道中心线之间的偏离距离;基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度。本申请实施例通过获取各定位模式下的定位轨迹和车道中心线之间的偏离距离,量化不同定位模式的定位精度,有效提高车辆定位精度评价的准确性。
Description
技术领域
本申请实施例涉及自动驾驶技术领域,尤其涉及一种车辆定位精度评价方法、装置及电子设备。
背景技术
随着自动驾驶技术的发展和应用,自动驾驶的定位精度作为保障自动驾驶安全驾驶的关键部分,车道级高精度地图和厘米级高精度定位常常被认为是自动驾驶实现的基础。
在自动驾驶场景中,RTK(Real-time kinematic,实时动态)信号可能受到地面高大建筑物影响,容易产生明显的多路径效应,这将对组合导航、SLAM(SimultaneousLocalization and Mapping,同步定位与建图)等定位模式的定位结果造成不良影响,而对于目前的自动驾驶车辆的精度评价方案,难以准确评价不同定位模式的定位精度,导致自动驾驶车辆的定位精度得不到有效保障。
因此,如何准确评价自动驾驶车辆的定位精度成为亟待解决的问题。
发明内容
鉴于上述问题,本申请实施例提供一种车辆定位精度评价方法、装置及电子设备,用以解决自动驾驶车辆难以准确评价不同定位模式的定位精度的问题。
为了实现上述目的,本申请提供如下技术方案:
根据本申请实施例的第一方面,提供一种车辆定位精度评价方法,包括:
提取关于车道的矢量地图中的第一车道中心线数据;
采集车辆在不同定位模式下关于所述车道的第一定位轨迹数据;
将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据;
基于各定位模式下的所述第二定位轨迹数据与所述第二车道中心线数据获取各定位模式下的定位轨迹与所述车道的车道中心线之间的偏离距离;以及,基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度。
本申请实施例中,采用上述方法通过提取关于车道的矢量地图的车道中心线数据作为参考真值,并将车道中心线数据和各定位模式下的定位轨迹数据转化为相同格式后,获取各定位模式下的定位轨迹和车道中心线之间的偏离距离,量化不同定位模式的定位精度,有效提高车辆定位精度评价的准确性。
在一种实施方式中,所述不同定位模式包括组合导航、激光同步定位、视觉同步定位或融合定位模式之间的任意组合。
本申请实施例中,采用上述方法进一步示例了自动驾驶车辆中具体定位模式的定位精度的评价。
在一种实施方式中,在提取关于车道的矢量地图中的第一车道中心线数据之前,还包括:
生成关于车道的数字正摄影像,并将所述数字正摄影像矢量化为关于车道的矢量地图。
本申请实施例中,采用上述方法可以真实还原车道场景,提高矢量地图的精度,以进一步提高定位精度的评价准确性。
在一种实施方式中,所述将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据,包括:
分别将所述第一车道中心线数据和所述第一定位轨迹数据转化为预设格式,形成车道中心线离散点和定位轨迹离散点;
所述基于各定位模式下的第二定位轨迹数据与第二车道中心线数据分别获取各定位模式下的定位轨迹与车道中心线之间的偏离距离,包括:
获取各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离;以及,
基于各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离分别获取各定位模式下的定位轨迹与车道中心线之间的偏离距离。
本申请实施例中,采用上述方法可以便于对车道中心线数据和定位轨迹数据之间的偏离距离识别。
在一种实施方式中,所述获取各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离,包括:
将所述矢量地图和车道中心线离散点作为底图;
将各定位模式下的定位轨迹离散点叠加在所述底图上,在经过离散点叠加的所述底图上分别获取各定位模式下的定位轨迹离散点与车道中心线离散点的偏离距离。
本申请实施例中,采用上述方法可以进一步提高各定位模式的定位轨迹离散点与车道中心线离散点之间偏离距离的获取效率。
在一种实施方式中,在基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度之后,还包括:
若所述定位精度的评价结果低于预设阈值,则基于所述定位精度的评价结果确定对应定位模式中导致偏离误差的功能模块。
本申请实施例中,采用上述方法可以根据定位精度的评价结果确定出现偏离误差的定位功能模块,从而有针对性地改进相应的定位算法。
在一种实施方式中,所述基于所述定位精度的评价结果确定对应定位模式中导致偏离误差的功能模块,包括:
对评价结果低于预设阈值的各定位模式进行随机组合;
对随机组合的定位模式之间的定位精度的评价结果进行相似性判断,得到相似度判断结果;
基于所述相似度判断结果从评价结果低于预设阈值的各定位模式中选择出相似度最低的定位模式,并确定所述定位模式中导致偏离误差的功能模块。
本申请实施例中,采用上述方法可以进一步精确化各定位模式的评价结果,更具有针对性的确定出现偏离误差的定位功能模块。
根据本申请实施例的第二方面,提供一种车辆定位精度评价装置,包括:
提取模块,其设置为提取关于车道的矢量地图中的第一车道中心线数据;
采集模块,其设置为采集车辆在不同定位模式下关于所述车道的第一定位轨迹数据;
转化模块,其设置为将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据;
获取模块,其设置为基于各定位模式下的所述第二定位轨迹数据与所述第二车道中心线数据获取各定位模式下的定位轨迹与所述车道的车道中心线之间的偏离距离;以及,
评价模块,其设置为基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度。
在一种实施方式中,该定位精度评价装置用于执行上述第一方面中的任一种可能的实现方式。
根据本申请实施例的第三方面,提供一种电子设备,包括:存储器、处理器及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行所述的车辆定位精度评价方法。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,所述存储介质包括计算机程序,所述计算机程序用于实现所述的车辆定位精度评价方法。
根据本申请实施例的第五方面,提供一种计算机程序产品,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行所述的车辆定位精度评价方法。
根据本申请实施例的第六方面,提供一种芯片,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于从所述存储器中调用并运行所述计算机程序,执行所述的车辆定位精度评价方法。
附图说明
图1为本申请实施例提供的一种可能的场景示意图;
图2为本申请实施例提供的一种车辆定位精度评价方法的流程示意图;
图3为本申请实施例中车道中心线与人工驾驶组合导航轨迹对比的示意图;
图4为本申请实施例中车道中心线与Lidar-SLAM轨迹对比的示意图;
图5为本申请实施例中车道中心线与V-SLAM轨迹对比的示意图;
图6为本申请实施例中车道中心线与融合定位轨迹对比的示意图;
图7为本申请实施例中车道中心线分别与组合导航、Lidar-SLAM、V-SLAM、融合定位轨迹对比意图;
图8为本申请实施例提供的另一种车辆定位精度评价方法的流程示意图;
图9为本申请实施例提供的又一种车辆定位精度评价方法的流程示意图;
图10为本申请实施例提供的一种车辆定位精度评价装置的结构示意图;
图11为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
常见的自动驾驶定位方案主要包括组合导航、激光SLAM、视觉SLAM等,在自动驾驶场景中,RTK信号可能受到地面高大建筑物影响,产生明显的多路径效应,对组合导航、SLAM定位结果造成不良影响,而目前对于RTK信号产生定位精度的问题,相关技术中,主要提出了保障RTK信号覆盖、或者根据RTK信号的异常调整定位方案等,而并未考虑对具体受RTK信号影响的定位模式做出准确评价,不同定位模式的定位精度各不相同这也将导致自动驾驶车辆的定位精度得不到有效保障,因此,亟需一种可以参考的定位真值,对车辆地面定位结果进行定性、定量评价的方案。
有鉴于此,本实施例提供一种车辆的定位精度评价方法,通过提取关于车道的矢量地图的车道中心线数据作为高精度的真值,并可依托GIS(Geographic InformationSystem,地理信息系统)软件、ROS(Robot Operating System,机器人操作系统)数据交换软件,将矢量地图、定位轨迹转换为相同格式的ShapeFile文件,进而可统一于UTM(UniversalTransverse Mercator Grid System,通用横墨卡托格网系统)坐标系,来判断矢量地图车道中心线、不同话题定位轨迹之间的偏差,定性、定量判断不同定位方案精度状况、误差分布,从而针对性改进定位方案,以推动自动驾驶定位算法迭代发展。其中,可以理解的是,不同话题即对应不同定位模式。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请的实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。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。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。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。
图1为本申请实施例提供的一种可能的场景示意图,如图1所示,包括一个行驶的自动驾驶车辆、其他车辆和相应的车道场景,其中相应的车道场景,例如港口场景下的车道,本实施例中,该自动驾驶车辆搭载具有处理性能的车载计算平台,可以独立实现对自车的定位精度评价;车道包括车道中心线。
可以理解的是,随着人工智能的快速崛起,各种人工智能(artificialintelligence,AI)芯片、软件算法也在屡屡突破,自动驾驶车辆的研究越来越深入,通常情况下,为了保证自动驾驶车辆的正常运行,自动驾驶车辆上将会搭载处理性能强大的车载计算平台,并配备较多的外设,例如,传感器、摄像头、雷达等较多的传感器件,而且,在自动驾驶功能开启的情况下,车载计算平台和外设均工作在全速模式,以最大可能的保证车辆运行安全。
在一些示例中,自动驾驶车辆可以与终端设备或者云端的数据交互方式,让终端设备或者云端承担部分的数据处理工作,或者由终端设备或者云端承担全部的数据处理工作,其中终端设备可以包括但不限于,电脑、智能手机、平板电脑、电子书阅读器、动态影像专家压缩标准音频层面3(Moving Picture experts group audio layer III,简称MP3)播放器、动态影像专家压缩标准音频层面4(Moving Picture experts group audio layerIV,简称MP4)播放器、便携计算机、车载电脑、可穿戴设备、台式计算机、机顶盒、智能电视等等。
上面对本申请的场景示意图进行了简单说明,下面以应用于图1中的自动驾驶车辆为例,来详细说明本申请实施例提供的车辆定位精度评价方法。
请参照图2,图2为本申请实施例提供的一种车辆定位精度评价方法,包括步骤S201-S205。
步骤S201、提取关于车道的矢量地图中的第一车道中心线数据。
本实施例中,关于车道的矢量地图可以由RTK人工实地采集、无人机航测等方式矢量化成图,经验证后可以认为具有厘米级别的高精度,将其作为判断车辆驾驶定位状态的相对高精度的真值使用,可有效提高自动驾驶车辆定位精度的评价准确性。
结合港口的实际应用场景,由于港口是在半开放场景中参与实际生产运营作业的自动驾驶落地场景,场地中存在较多大型机械设备、集装箱、围栏、石墩等,因地面物体遮挡影像,RTK信号存在明显的多路径效应,会对组合导航定位结果产生严重影响,需要借助Lidar-SLAM、V-SLAM等无源定位方式,结合组合导航的有源定位方式,形成组合导航、Lidar-SLAM、V-SLAM按照场景自适应赋权重的融合定位策略,但是车辆自动驾驶各定位方式的精度通常无法有效断定,而矢量地图由RTK人工实地采集、无人机航测等方式矢量化成图,经验证后可以认为具有厘米级别的高精度,可以作为判断车辆自动驾驶定位状态的相对高精度的真值使用。
在一种具体的车道中心线提取方式中,可以在操作系统中采用GUI(GraphicalUser Interface,图形用户界面)工具提取矢量地图的车道中心线数据。
矢量地图,也称为面向对象的图像或绘图图像,定义是一系列由线连接的点,矢量文件中的图形元素称为对象。每个对象都是一个自成一体的实体,它可以具有颜色、形状、轮廓、大小和屏幕位置等属性,矢量图是根据几何特性来绘制图形,矢量可以是一个点或一条线,其文件占用内在空间较小,且因为这种类型的图像文件包含独立的分离图像,可以自由重新组合。
在一种优选的实施方式中,采用摄影测量技术生成关于车道的矢量地图,可以较为真实的还原车道场景,以提供可参考的定位真值基础,具体地,在提取关于车道的矢量地图中的第一车道中心线数据(步骤S201)之前,还包括以下步骤:
基于摄影测量技术生成关于车道的数字正摄影像,并将所述数字正摄影像矢量化为关于车道的矢量地图。
摄影测量技术,是工程测量技术的一种,摄影测量技术以专业的摄影器材为主,通过数字化的图像呈现出被测物的基本特征。摄影技术应用全流程中,首先对被测物进行采样,在此基础上建立数据模型资料。数据采集为重要环节,为保证所得结果的准确性与全面性,通常采用的是业内主流的CCD(Charge-coupled Device,电荷耦合元件)数字影像技术,在获得相应的数据后归为多个类别并分别执行数字化的处理。在其它实施例中,也可以采用其它技术生成关于车道的数字正摄影像。
数字正摄影像(Digital Orthophoto,DO)是以航摄像片或遥感影像(单色/彩色)为基础,经扫描处理并经逐像元进行辐射改正、微分纠正和镶嵌,按地形图范围裁剪成的影像数据,并将地形要素的信息以符号、线画、注记、公里格网、图廓(内/外)整饰等形式填加到该影像平面上,形成以栅格数据形式存储的影像数据库,它具有地形图的几何精度和影像特征。
步骤S202、采集车辆在不同定位模式下关于所述车道的第一定位轨迹数据。
本实施例中,所述不同定位模式包括组合导航、激光同步定位、视觉同步定位或融合定位模式之间的任意组合。
其中,激光同步定位具体为激光同步定位与建图Lidar-SLAM,视觉同步定位具体为视觉同步定位与建图V-SLAM。可以理解的是,组合导航是同一平台、多传感器实施互补、互验、互校的导航系统,融合定位模式是同一平台、多传感器实施信息融合的导航系统,组合导航在人工驾驶和自动驾驶中通常均会使用,融合定位模式更常见于自动驾驶车辆中。
本实施例中,车辆为自动驾驶车辆,其可以切换自动驾驶状态、半自动驾驶状态和人工驾驶状态。在港口真实作业场景中参与实船装卸船作业,分别采集车辆在作业堆场、岸桥等典型场景下的定位轨迹,即人工驾驶状态下的组合导航轨迹、自动驾驶状态下的Lidar-SLAM、V-SLAM、融合定位轨迹,上述轨迹录制过程可在满足集装箱实船装卸船作业要求下进行,从而使得数据真实有效。
在一示例中,对于自动驾驶车辆或者半自动驾驶车辆的第一定位轨迹数据的采集,可以通过开启车辆ROS定位数据采集模块,在移动状态下采集组合导航、Lidar-SLAM、V-SLAM、融合定位等轨迹数据bag包,得到自动驾驶车辆在车道上驾驶的第一定位轨迹数据。
在另一示例中,对于人工驾驶状态下的车辆,开启车辆ROS定位数据采集模块,在移动状态下采集组合导航轨迹数据包,对于人工驾驶状态的车辆,其采集过程中可由驾驶人员目视车道线,车辆尽量在车道中居中驾驶,从而方便判断定位轨迹是否位于矢量地图车道中心线附近。
步骤S203、将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据。
本实施例中,将第一车道中心线数据作为车辆定位精度评价的真值参考对象,考虑到实际应用中车道中心线数据和采集到的车辆定位轨迹数据为不同格式数据,不便于对轨迹数据和车道中心线数据进行轨迹比对,进而影响定位精度的评价效果,有鉴于此,本实施例在进行轨迹偏离判断之前首先对车道中心线数据和定位轨迹数据进行格式转换,基于相同格式数据的基础上进一步进行轨迹偏离的判断。
进一步地,通过将所述第一车道中心线数据和所述第一定位轨迹数据均转化为预设格式,例如shp格式,以形成离散点数据,便于对车道中心线数据和定位轨迹数据之间的偏离距离识别,具体地,步骤S203包括以下步骤:
分别将所述第一车道中心线数据和所述第一定位轨迹数据转化为shp格式,形成车道中心线离散点和定位轨迹离散点。
可以理解的,shp格式属于一种矢量图形格式,能够保存几何图形数据的位置及相关属性。其中,shp格式并非对本申请的限定,在一些实施例中,也可以将第一定位轨迹数据转化为其它格式,以形成离散点数据。
具体地,使用GUI工具将矢量地图车道中心线数据提取出来后,以shp格式的车道中心线离散点形式存储起来;以及,使用GUI工具将定位轨迹数据转换为shp格式的离散轨迹点存储起来。
针对第一定位轨迹数据的格式转化,在人工驾驶状态下,使用GUI工具,将车辆在人工驾驶状态下采集的组合导航轨迹数据bag包转换为shp格式的离散轨迹点存储起来;在自动驾驶状态或者半自动驾驶状态下,使用GUI工具将采集的组合导航、Lidar-SLAM、V-SLAM、融合定位等轨迹数据bag包转换为shp格式的离散轨迹点存储起来。
步骤S204、基于各定位模式下的第二定位轨迹数据与第二车道中心线数据获取各定位模式下的定位轨迹与所述车道的车道中心线之间的偏离距离。
在一种具体的实施方式中,以shp格式的离散点数据为例,步骤S204具体包括以下步骤:
获取各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离;以及,
基于各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离分别获取各定位模式下的定位轨迹与车道中心线之间的偏离距离。
本实施例中,通过分别比较车道中心线离散点和各定位模式下的定位轨迹离散点之间的偏离距离,可以各定位模式下的定位轨迹和车道中心线之间的偏离距离,基于各模式下的定位轨迹和车道中心线的偏离距离,进而获得车辆在各模式下的定位精度。
为进一步提高偏离距离的获取效率,本实施例步骤获取各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离,具体包括以下步骤:
在地理信息系统GIS中将所述矢量地图和车道中心线离散点作为底图;
将各定位模式下的定位轨迹离散点叠加在所述底图上,在经过离散点叠加的所述底图上分别获取各定位模式下的定位轨迹离散点与车道中心线离散点的偏离距离。
本实施例中,将矢量地图、车道中心线离散点加载到GIS系统作为底图,并将人工驾驶轨迹线离散点叠加在底图上,判断在实际车辆行驶位于车道中心线状态下的组合导航定位状态,进而判断组合导航定位精度;以及,将自动驾驶、半自动驾驶轨迹线离散点叠加在底图上,分别判断车辆在自动驾驶状态下组合导航、Lidar-SLAM、V-SLAM、融合定位等轨迹离散点与车道中心线离散点的偏离状况,通过量取组合导航、Lidar-SLAM、V-SLAM、融合定位轨迹与车道中心线的偏离距离,定量判断自动驾驶状态下的定位误差分布状况,进而定性、定量判断组合导航、Lidar-SLAM、V-SLAM、融合定位等定位精度。
需要说明的是,利用地理信息系统GIS来获取偏离距离仅为本实施例的一种示例,在其它示例中也可以采用其它方式将所述矢量地图和车道中心线离散点作为底图,并利用地图获取相应的偏离距离。
结合图3-7所示,图3-7分别为矢量地图车道中心线与组合导航轨迹对比、矢量地图车道中心线与Lidar-SLAM轨迹对比、矢量地图车道中心线与V-SLAM轨迹对比、矢量地图车道中心线与融合定位轨迹对比,以及矢量地图车道中心线与组合导航、Lidar-SLAM、V-SLAM、融合定位轨迹与车道中心线对比。其中,图7同时还是数字正摄影像矢量化为关于车道的矢量地图场景下的轨迹对比。
步骤S205、基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度。
相较于相关技术中,对于车辆的定位精度评价通常为整体评价,且没有车道线真值作为参考基础,导致车辆定位精度评价准确性不高的问题,本实施例通过数据采集、数据转化、数据比较、数据精度对比等步骤,在人工驾驶、自动驾驶状态下,获取(例如录制、测量等采集手段)带有定位相关话题的ROS估计数据包bag,并利用ROS、GIS数据交换GUI工具,将ROS、GIS数据统一为GIS系统支持的数据格式,通过将定位轨迹与作为真值的矢量地图车道中心线对比,量取矢量地图与定位轨迹之间的横向偏差,定性、定量判断不同定位策略的定位效果,为不同定位策略赋予合适的权重,指导改进定位、融合定位算法策略,从而推动自动驾驶定位算法迭代更新,达到高精度自动驾驶定位的效果。
请参照图8,图8为本申请实施例提供的另一种车辆定位精度评价方法的流程示意图,相较于上一实施例,本实施例在完成定位精度评价后,进一步根据定位精度的评价结果确定出现偏离误差的定位功能模块,从而有针对性地改进相应的定位算法,为自动驾驶定位技术提供强大支撑。具体地,在基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度(步骤S105)之后,还包括步骤S801。
步骤S801、若所述定位精度的评价结果低于预设阈值,则基于所述定位精度的评价结果确定对应定位模式中导致偏离误差的功能模块。
本实施例中,通过判断各定位模式下的定位精度评价结果是否低于预设阈值,在低于预设阈值的情况下说明该定位模式的功能模块可能需要进行优化及改进。以人工驾驶状态为例,如果组合导航模式下的定位轨迹偏差较大,则认为是车载RTK硬件、组合导航算法、场景信号遮挡等问题导致的定位偏差。
需要说明的是,本领域技术人员可以结合现有技术和实际应用对预设阈值进行适应性设定。
请参照图9,图9为本申请实施例提供的又一种车辆定位精度评价方法的流程示意图,在上一实施例的基础上,本实施例为进一步精确化各定位模式的评价结果,本实施例在对评价结果进行阈值判断之后,通过随机组合的方式进一步精确化判断各定位模式中出现偏离误差的定位模式,具体地,基于所述定位精度的评价结果确定对应定位模式中导致偏离误差的功能模块(步骤S801),包括步骤S801a-S801c。
S801a、对评价结果低于预设阈值的各定位模式进行随机组合;
S801b、对随机组合的定位模式之间的定位精度的评价结果进行相似性判断,得到相似度判断结果;
S801c、基于所述相似度判断结果从评价结果低于预设阈值的各定位模式中选择出相似度最低的定位模式,并确定所述定位模式中导致偏离误差的功能模块。
在实际应用中,车辆通常会同时采用多种定位模式进行定位,为进一步精确化各定位模式的评价结果,本实施例在对评价结果进行阈值判断之后,通过随机组合的方式进一步精确化判断各定位模式中出现偏离误差的定位模式。
示例性的,综合断定车辆组合导航、Lidar-SLAM、V-SLAM、融合定位等存在问题的定位模式,若在人工驾驶状态下,组合导航轨迹偏差较大,则可以直接认为组合导航模式中的功能模块,例如车载RTK硬件、组合导航算法、场景信号遮挡等问题导致的定位偏差;若在自动驾驶、半自动驾驶状态下,Lidar-SLAM、V-SLAM、融合定位等轨迹偏差较大,且融合定位偏差与SLAM偏差趋势、误差分布一致(或者相似度大于一定数值),则可以认为是Lidar-SLAM、V-SLAM的Lidar、相机硬件,或SLAM算法导致的定位偏差;若上述定位轨迹之间均不存在明显偏差,则可以认为是自动驾驶控制系统存在的车辆控制精度偏差。
请参照图10,图10为本申请实施例提供的一种车辆定位精度评价装置的结构示意图,所述装置包括提取模块101、采集模块102、转化模块103、获取模块104以及评价模块105,其中,
提取模块101,其设置为提取关于车道的矢量地图中的第一车道中心线数据;
采集模块102,其设置为采集车辆在不同定位模式下关于所述车道的第一定位轨迹数据;
转化模块103,其设置为将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据;
获取模块104,其设置为基于各定位模式下的第二定位轨迹数据与第二车道中心线数据获取各定位模式下的定位轨迹与所述车道的车道中心线之间的偏离距离;以及,
评价模块105,其设置为基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度。
在一种实施方式中,所述不同定位模式包括组合导航、激光同步定位、视觉同步定位或融合定位模式之间的任意组合。
在一种实施方式中,所述装置还包括:
生成模块,其设置为在提取模块提取关于车道的矢量地图中的第一车道中心线数据之前,生成关于车道的数字正摄影像,并将所述数字正摄影像矢量化为关于车道的矢量地图。
在一种实施方式中,转化模块具体设置为,分别将所述第一车道中心线数据和所述第一定位轨迹数据转化为预设格式,形成车道中心线离散点和定位轨迹离散点;
所述获取模块包括:
第一获取单元,其设置为获取各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离;以及,
第二获取单元,其设置为基于各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离分别获取各定位模式下的定位轨迹与车道中心线之间的偏离距离。
在一种实施方式中,所述第一获取单元具体设置为,
底图获取单元,其设置为将所述矢量地图和车道中心线离散点作为底图;以及,
叠加获取单元,其设置为将各定位模式下的定位轨迹离散点叠加在所述底图上,在经过离散点叠加的所述底图上分别获取各定位模式下的定位轨迹离散点与车道中心线离散点的偏离距离。
在一种实施方式中,所述装置还包括:
误差确定模块,其设置为在评价模块基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度之后,在所述定位精度的评价结果低于预设阈值的情况下,基于所述定位精度的评价结果确定对应定位模式中导致偏离误差的功能模块。
在一种实施方式中,所述误差确定模块,包括:
组合单元,其设置为对评价结果低于预设阈值的各定位模式进行随机组合;
判断单元,其设置为对随机组合的定位模式之间的定位精度的评价结果进行相似性判断,得到相似度判断结果;
确定单元,其设置为基于所述相似度判断结果从评价结果低于预设阈值的各定位模式中选择出相似度最低的定位模式,并确定所述定位模式中导致偏离误差的功能模块。
本申请实施例相应还提供一种电子设备,如图11所示,包括:存储器111、处理器112及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行所述的车辆定位精度评价方法。
本申请实施例相应还提供一种计算机可读存储介质,所述存储介质包括计算机程序,所述计算机程序用于实现所述的车辆定位精度评价方法。
本申请实施例相应还提供一种计算机程序产品,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行所述的车辆定位精度评价方法。
本申请实施例相应还提供一种芯片,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于从所述存储器中调用并运行所述计算机程序,执行所述的车辆定位精度评价方法。
本实施例中,通过进行数据格式的转化,打通ROS、GIS之间的数据壁垒,将矢量地图、不同定位策略车辆轨迹统一于UTM坐标系下,便于在GIS系统中直观形象地可视化显示,通过对比不同定位模式车辆轨迹与矢量地图车道中心线之间的横向偏差,可以进一步断定不同定位策略的精度状况、误差分布,进而对改进组合导航、Lidar-SLAM、V-SLAM、融合定位等不同定位策略提供参考依据,对定位算法提供有效的真值参考,从而针对性地改进定位算法,为自动驾驶定位技术提供强大支撑,取得了良好效果。
本申请实施例提供一种本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。
如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
在本申请实施例的描述中,术语“和/或”仅仅表示一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,术语“至少一种”表示多种中的任一种或多种中的至少两种的任意组合,例如,包括A、B、中的至少一种,可以表示包括A、B和C沟通的集合中选择的任意一个或多个元素。
在本申请实施例的描述中,术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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修改,或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (10)
1.一种车辆定位精度评价方法,其特征在于,包括:
提取关于车道的矢量地图中的第一车道中心线数据;
采集车辆在不同定位模式下关于所述车道的第一定位轨迹数据;
将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据;
基于各定位模式下的所述第二定位轨迹数据与所述第二车道中心线数据获取各定位模式下的定位轨迹与所述车道的车道中心线之间的偏离距离;以及,基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度。
2.根据权利要求1所述的方法,其特征在于,所述不同定位模式包括组合导航、激光同步定位、视觉同步定位或融合定位模式之间的任意组合。
3.根据权利要求1所述的方法,其特征在于,在提取关于车道的矢量地图中的第一车道中心线数据之前,还包括:
生成关于车道的数字正摄影像,并将所述数字正摄影像矢量化为关于车道的矢量地图。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据,包括:
分别将所述第一车道中心线数据和所述第一定位轨迹数据转化为预设格式,形成车道中心线离散点和定位轨迹离散点;
所述基于各定位模式下的第二定位轨迹数据与第二车道中心线数据分别获取各定位模式下的定位轨迹与车道中心线之间的偏离距离,包括:
获取各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离;以及,
基于各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离分别获取各定位模式下的定位轨迹与车道中心线之间的偏离距离。
5.根据权利要求4所述的方法,其特征在于,所述获取各定位模式下的定位轨迹离散点与车道中心线离散点之间的偏离距离,包括:
将所述矢量地图和车道中心线离散点作为底图;
将各定位模式下的定位轨迹离散点叠加在所述底图上,在经过离散点叠加的所述底图上分别获取各定位模式下的定位轨迹离散点与车道中心线离散点的偏离距离。
6.根据权利要求1所述的方法,其特征在于,在基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度之后,还包括:
若所述定位精度的评价结果低于预设阈值,则基于所述定位精度的评价结果确定对应定位模式中导致偏离误差的功能模块。
7.根据权利要求6所述的方法,其特征在于,所述基于所述定位精度的评价结果确定对应定位模式中导致偏离误差的功能模块,包括:
对评价结果低于预设阈值的各定位模式进行随机组合;
对随机组合的定位模式之间的定位精度的评价结果进行相似性判断,得到相似度判断结果;
基于所述相似度判断结果从评价结果低于预设阈值的各定位模式中选择出相似度最低的定位模式,并确定所述定位模式中导致偏离误差的功能模块。
8.一种车辆定位精度评价装置,其特征在于,包括:
提取模块,其设置为提取关于车道的矢量地图中的第一车道中心线数据;
采集模块,其设置为采集车辆在不同定位模式下关于所述车道的第一定位轨迹数据;
转化模块,其设置为将所述第一车道中心线数据和所述第一定位轨迹数据转化为相同格式数据,得到第二车道中心线数据和第二定位轨迹数据;
获取模块,其设置为基于各定位模式下的所述第二定位轨迹数据与所述第二车道中心线数据获取各定位模式下的定位轨迹与所述车道的车道中心线之间的偏离距离;以及,
评价模块,其设置为基于所述偏离距离分别评价所述车辆在各定位模式下的定位精度。
9.一种电子设备,其特征在于,包括:存储器、处理器及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行如权利要求1至7任一项所述的车辆定位精度评价方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质包括计算机程序,所述计算机程序用于实现如权利要求1至7任一项所述的车辆定位精度评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675951.3A CN115077563A (zh) | 2022-06-15 | 2022-06-15 | 车辆定位精度评价方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675951.3A CN115077563A (zh) | 2022-06-15 | 2022-06-15 | 车辆定位精度评价方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115077563A true CN115077563A (zh) | 2022-09-20 |
Family
ID=83253017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210675951.3A Pending CN115077563A (zh) | 2022-06-15 | 2022-06-15 | 车辆定位精度评价方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115077563A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116504068A (zh) * | 2023-06-26 | 2023-07-28 | 创辉达设计股份有限公司江苏分公司 | 车道级车流量的统计方法、装置、计算机设备及存储介质 |
-
2022
- 2022-06-15 CN CN202210675951.3A patent/CN115077563A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116504068A (zh) * | 2023-06-26 | 2023-07-28 | 创辉达设计股份有限公司江苏分公司 | 车道级车流量的统计方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210390329A1 (en) | Image processing method, device, movable platform, unmanned aerial vehicle, and storage medium | |
US10198632B2 (en) | Survey data processing device, survey data processing method, and survey data processing program | |
US10915793B2 (en) | Method and system for converting point cloud data for use with 2D convolutional neural networks | |
CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
JP2020508506A (ja) | 3d点データにおける垂直構造を取り込む2dマップを使用する位置推定 | |
CN108303103A (zh) | 目标车道的确定方法和装置 | |
US20210342620A1 (en) | Geographic object detection apparatus and geographic object detection method | |
CN112710318A (zh) | 地图生成方法、路径规划方法、电子设备以及存储介质 | |
CN111830953A (zh) | 车辆自定位方法、装置及系统 | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN115376109B (zh) | 障碍物检测方法、障碍物检测装置以及存储介质 | |
CN112805766A (zh) | 用于更新详细地图的装置和方法 | |
CN115077563A (zh) | 车辆定位精度评价方法、装置及电子设备 | |
CN111476062A (zh) | 车道线检测方法、装置、电子设备及驾驶系统 | |
CN113469045B (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 | |
CN115790568A (zh) | 基于语义信息的地图生成方法及相关设备 | |
CN115599119A (zh) | 一种无人机的避障系统 | |
CN114120795B (zh) | 一种地图绘制方法及装置 | |
CN112802095B (zh) | 定位方法、装置及设备、以及自动驾驶定位系统 | |
CN113034538B (zh) | 一种视觉惯导设备的位姿跟踪方法、装置及视觉惯导设备 | |
Tang et al. | Automatic geo‐localization framework without GNSS data | |
CN116310189B (zh) | 地图模型构建方法及终端 | |
KR102540629B1 (ko) | 교통 시설물에 대한 학습 데이터 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
CN116660916B (zh) | 一种用于果园移动机器人的定位方法、建图方法及电子设备 | |
KR102540636B1 (ko) | 방향 정보를 포함한 지도 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
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 |