CN115127564B - 一种面向多层级自动驾驶导航系统的分层地图模型 - Google Patents
一种面向多层级自动驾驶导航系统的分层地图模型 Download PDFInfo
- Publication number
- CN115127564B CN115127564B CN202210758674.2A CN202210758674A CN115127564B CN 115127564 B CN115127564 B CN 115127564B CN 202210758674 A CN202210758674 A CN 202210758674A CN 115127564 B CN115127564 B CN 115127564B
- Authority
- CN
- China
- Prior art keywords
- lane
- layer
- road
- traffic
- intersection
- 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
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map 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
- G01C21/26—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
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
- G01C21/3694—Output thereof on a road map
-
- 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
-
- 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
-
- 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
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
- G01C21/3878—Hierarchical structures, e.g. layering
Abstract
本发明提供一种面向多层级自动驾驶导航系统的分层地图模型,包括地图静态层和地图动态层,所述的地图静态层包括控制点层、参数化曲线层、交通区域层、静态属性层和静态标志层,所述的地图动态层包括动态交通信号层、动态交通层和驾驶知识层。每一层存储独立的内容,便于灵活访问和扩展,同时建立各图层到多级导航系统的映射,只有在对应的导航系统需要时才调用相应的地图图层。其中对静态路网的建模可以表达各种路网结构并适应不同层级的导航,此外,与大多数仅考虑静态交通要素的模型相比,该模型考虑了各种动态交通因素,满足实际交通环境中的导航需求。该模型可以高效、灵活地支持多层级导航系统,更能适应不同自动驾驶系统的需要。
Description
技术领域
本发明涉及一种用于自动驾驶导航领域的高精度地图,特别涉及一种面向多层级自动驾驶导航系统的分层地图模型。
背景技术
越来越多的驾驶员依靠车辆或手机中的数字地图导航系统来选择最佳驾驶路线,以节省时间并提高安全性。基于数字地图的导航系统可以帮助驾驶员或智能车辆在给定起点和目的地的情况下选择最佳路线,其中地图在导航系统中发挥着重要作用。不同的导航任务需要不同种类的地图。传统的导航系统通过显示和声音通知驾驶员来影响驾驶行为,需要驾驶员进一步处理引导信息并实时选择轨迹,它们基于道路级别的地图,缺少车道级别的详细信息。对于自动驾驶,导航系统可分为以下三个层级:
宏观层级:导航系统提供道路层面的地图匹配获得车辆所处的道路信息,进行道路层面的路径规划,这与传统的导航系统相同。由宏观层级导航支持的自动驾驶车辆必须配备强大的实时感知和决策系统,这大大增加了车载计算的负担。
中观层级:该层级导航系统需要车道级地图,与道路级地图相比,车道级地图包含更精细的车道级别环境信息,中观层级的导航系统提供更详细的导航信息,包括车道级地图匹配和车道级路径规划,输出车辆当前所在的车道和车辆从起点到终点需要经过的车道序列。
微观层级:该层级导航系统同样需要车道级地图,导航系统提供一个参考轨迹,在没有其他车辆或障碍物的情况下,自动驾驶车辆可以遵循这个轨迹行驶,而无需环境感知系统的帮助。
中观级和微观级的导航系统都需要车道级地图,与宏观级导航系统相比,能够提供更精确的车道级别的引导,减少实时感知和决策系统的计算负担和失效风险。
目前对车道级地图的研究一方面是构建高精度的几何模型,从而准确表达地图几何形状,另一方面是对高清地图静态元素的抽象和建模,但是却忽略了动态交通元素,而这些元素对真实交通环境中的导航是非常重要的。此外,车道级地图包含大量详细的地图信息,例如坡度、曲率、车道的位置信息等,其中大多数对于给定的导航任务来说都不是必需的,且不同层级的导航系统需要不同的地图信息,不必要的信息数据过多,会增加系统的运算负担,影响运算速度。因此,为了有效且高效地适应自动驾驶不同层级导航系统的需求,有必要考虑为导航系统设计适合的地图模型。
发明内容
为了解决上述技术问题,本发明提供一种面向多层级自动驾驶导航系统的分层地图模型,包括地图静态层和地图动态层,所述的地图静态层包括控制点层、参数化曲线层、交通区域层、静态属性层和静态标志层,所述的地图动态层包括动态交通信号层、动态交通层和驾驶知识层。
(一)所述的控制点层,包括几何控制点层和属性控制点层,所述的几何控制点层,包括描述交通区域轮廓、交通标线的几何形状的控制点,还包括描述路口虚拟车道几何形状的控制点,用于表达交通区域或交通标线的几何形状(如车道线、路沿、路口轮廓等);所述的属性控制点层,包括反映车道线属性变化的点,包括车道的起点和终点,以及表示车道线类型变化或车道类型变化的分界点。
(二)所述的参数化曲线层,包括在三维笛卡尔坐标系的X-Y、Y-Z和X-Z平面中的参数曲线,以描述地图几何形状。
(三)所述的交通区域层,反映了地图的逻辑结构,其主体部分包括道路区域和路口区域,除主体部分外,还包括一些由附着在道路和路口区域的交通标线围成的具有特定交通属性的其他区域;所述的道路区域描述的是道路所在的区域,分为四层:道路层、车道组层、车道段层和车道层;所述的路口区域描述的是路口所在的区域,分为四层:路口层、虚拟道路层、虚拟车道组层和虚拟车道层;所述的其他区域包括人行横道、减速带、停止线、导流线、中心圈、网状线等。
(四)所述的静态属性层,描述了与交通区域和交通标线相对应的静态属性,包括道路的类型、等级和限速,车道的类型、限速、转弯类型和长度,车道线的颜色和类型等。
(五)所述的静态标志层,描述了交通标志和障碍物的静态信息;交通标志包括地面标志、路边标志(停车、禁止通行、让行等)、交通灯等,存储在这一层的交通灯信息不包含配时等动态信息,包括布局(如水平布局,有两个灯泡)、类型(左转或右转,直行等)等静态信息;障碍物包括杆、桩等。
(六)所述的动态交通信号层,描述与交通信号有关的动态变化信息,包括临时交通标志、交通灯的配时和状态、潮汐车道等。
(七)所述的动态交通层,描述了频繁更新的实时交通信息,包括交通状况、交通堵塞和道路施工等交通事件,以及车辆或基础设施观察到的周边交通参与者(汽车、行人等)的动态信息。当交通信息发生变化时,车载传感器检测到变化,并与道路上的其他车辆或云中的道路传感器网络的输入数据进行交叉检查和融合,实时更新交通信息。
(八)所述的驾驶知识层,一方面,该层包含驾驶员的驾驶操作记录;另一方面,包括对海量驾驶操作记录数据进行多维度时空大数据挖掘、分析、处理后的驾驶经验信息(如事故多发路段、潜在危险区域)。这一层可以用来辅助个性化的路径规划,实现特定约束条件下的最优驾驶策略。
Pgeo中的每个点pgeo表示为:
pgeo=(n,x,y,z) (2)
其中,n是控制点在Pgeo中的序列号,x,y,z表示点在三维笛卡尔坐标系中的X、Y和Z坐标;
Pattr中的单个点pattr表示为:
pattr=(x,y,z,s,h,type,lc) (4)
其中x,y和z分别表示三维笛卡尔坐标系的X、Y和Z坐标,s是沿车道从起点到该点的长度,h是该点相对于车道中心线的侧向距离,type表示点的类型,包括“start”、“end”、“lanechange”和“typechange”,“start”和“end”分别代表车道线的起点和终点,“lanechange”或“typechange”表示该点为左右车道线类型改变或车道类型改变的分界点;如果在该点之后沿车道方向的车道线允许变道,lc为真;否则为假。
rl=(n,k,k′,arclen) (5)
其中,n是该条曲线在整个车道对应线上的序列号,参数k表示曲线起点的曲率,k′是曲率对弧长的导数,arclen是该条曲线从起点到终点的长度。
进一步的,所述的交通区域层表示如下:
G=(R,I,O) (6)
其中G表示整个交通区域层,R表示由一组道路组成的道路区域,Nr表示道路的数量;I表示由一组路口组成的路口区域,Ni表示路口的数量;O是一组附加在道路或路口的其他区域,例如人行横道、减速带、导流线等;将一条道路上同一方向的一组车道定义为一个车道组,当道路上的车道有两个相反的方向时,道路有两个车道组;如果只有一个方向,则只有一个车道组。
所述道路区域的道路层中,单条道路r表示为:
r=(id,LG,f,b) (7)
其中,id表示道路r的ID号,LG表示车道组集合lg表示单个车道组,Nlg表示车道组的数量;f表示进入该道路的路口ID(用if表示)或道路ID(用rf表示),b表示离开该道路的路口ID(用ib表示)或道路ID(用rb表示);
所述道路区域的车道组层中,单个车道组表示为:
lg=(LS,isequal) (8)
其中LS表示车道段集合在车道组中车道数恒定的单个路段区间定义为一个车道段;ls表示单个车道段,Nls表示车道段的数量;isequal取值为1或-1,其中1表示车道组的方向与道路定义的前进方向相同,即车道组的前驱和后继分别与道路相同,而-1则相反;
所述道路区域的车道段层中,单个车道段表示为:
所述道路区域的车道层中,单条车道可以表示为:
l=(id,seq,pre,suc,ll,lr) (10)
其中,id表示车道l的ID号;seq表示车道在车道段中的序列号,从最靠近道路中心线的车道开始,序列号从1开始依次增加1;pre表示与车道起点连接的路口ID(用ipre表示)或车道ID(用lpre表示);suc表示与车道终点连接的路口ID(用isuc表示)或车道ID(用lsuc表示);ll、lr分别表示左侧或右侧的车道ID。
所述的路口区域中,路口i的定义为:
i=(id,VR) (11)
所述路口区域的虚拟道路层中,单条虚拟道路表示为:
vr=(id,rf,rr,w,VLG) (12)
所述路口区域的虚拟车道组层,一个虚拟车道组vlg包括与进入路口的同一车道相连的所有虚拟车道,表示为:
所述路口区域的虚拟车道层中,一个虚拟车道表示为:
vl=(id,lf,lr) (14)
其中id表示虚拟车道vl的ID号,lf和lr分别表示进、出路口的车道ID。
所有交通元素的ID在整个地图模型中都是独立不重复的。
本发明的有益效果:
本发明提供一种面向多层级自动驾驶导航系统的分层地图模型,每一层存储独立的内容,便于灵活访问和扩展,同时建立各图层到多级导航系统的映射,只有在对应的导航系统需要时才调用相应的地图图层。其中对静态路网的建模可以表达各种路网结构并适应不同层级的导航,此外,与大多数仅考虑静态交通要素的模型相比,该模型考虑了各种动态交通因素,满足实际交通环境中的导航需求。该模型可以高效、灵活地支持多层级导航系统,更能适应不同自动驾驶系统的需要。
附图说明
图1为本发明分层地图模型的整体结构示意图;
图2为本发明地图模型的各层到多层级导航系统的映射:地图层和导航系统之间的连线表示导航系统需要此地图层的数据;
图3为本发明实施例中用于阐明道路区域和属性控制点的建模方法的道路示例图;
图4为本发明实施例中用于阐明路口区域建模方法的交叉路口示例图。
具体实施方式
参阅图1-2所示:
本发明提供一种面向多层级自动驾驶导航系统的分层地图模型,包括地图静态层和地图动态层,所述的地图静态层包括控制点层、参数化曲线层、交通区域层、静态属性层和静态标志层,所述的地图动态层包括动态交通信号层、动态交通层和驾驶知识层。
(一)所述的控制点层,包括几何控制点层和属性控制点层,所述的几何控制点层,包括描述交通区域轮廓、交通标线的几何形状的控制点,还包括描述路口虚拟车道几何形状的控制点,用于表达交通区域或交通标线的几何形状(如车道线、路沿、路口轮廓等);所述的属性控制点层,包括反映车道线属性变化的点,包括车道的起点和终点,以及表示车道线类型变化或车道类型变化的分界点。
Pgeo中的每个点pgeo表示为:
pgeo=(n,x,y,z) (2)
其中,n是控制点在Pgeo中的序列号,x,y,z表示点在三维笛卡尔坐标系中的X、Y和Z坐标;
Pattr中的单个点pattr表示为:
pattr=(x,y,z,s,h,type,lc) (4)
其中x,y和z分别表示三维笛卡尔坐标系的X、Y和Z坐标,s是沿车道从起点到该点的长度,h是该点相对于车道中心线的侧向距离,type表示点的类型,包括“start”、“end”、“lanechange”和“typechange”,“start”和“end”分别代表车道线的起点和终点,“lanechange”或“typechange”表示该点为左右车道线类型改变或车道类型改变的分界点;如果在该点之后沿车道方向的车道线允许变道,lc为真;否则为假。
(二)所述的参数化曲线层,包括在三维笛卡尔坐标系的X-Y、Y-Z和X-Z平面中的参数曲线,以描述地图几何形状。
rl=(n,k,k′,arclen) (5)
其中,n是该条曲线在整个车道对应线上的序列号,参数k表示曲线起点的曲率,k′是曲率对弧长的导数,arclen是该条曲线从起点到终点的长度。
(三)所述的交通区域层,反映了地图的逻辑结构,其主体部分包括道路区域和路口区域,除主体部分外,还包括一些由附着在道路和路口区域的交通标线围成的具有特定交通属性的其他区域;所述的道路区域描述的是道路所在的区域,分为四层:道路层、车道组层、车道段层和车道层;所述的路口区域描述的是路口所在的区域,分为四层:路口层、虚拟道路层、虚拟车道组层和虚拟车道层;所述的其他区域包括人行横道、减速带、停止线、导流线、中心圈、网状线等。
进一步的,所述的交通区域层表示如下:
G=(R,I,O) (6)
其中G表示整个交通区域层,R表示由一组道路组成的道路区域,Nr表示道路的数量;I表示由一组路口组成的路口区域,Ni表示路口的数量;O是一组附加在道路或路口的其他区域,例如人行横道、减速带、导流线等;将一条道路上同一方向的一组车道定义为一个车道组,当道路上的车道有两个相反的方向时,道路有两个车道组;如果只有一个方向,则只有一个车道组。
所述道路区域的道路层中,单条道路r表示为:
r=(id,LG,f,b) (7)
其中,id表示道路r的ID号,LG表示车道组集合lg表示单个车道组,Nlg表示车道组的数量;f表示进入该道路的路口ID(用if表示)或道路ID(用rf表示),b表示离开该道路的路口ID(用ib表示)或道路ID(用rb表示);
所述道路区域的车道组层中,单个车道组表示为:
lg=(LS,isequal) (8)
其中LS表示车道段集合在车道组中车道数恒定的单个路段区间定义为一个车道段;ls表示单个车道段,Nls表示车道段的数量;isequal取值为1或-1,其中1表示车道组的方向与道路定义的前进方向相同,即车道组的前驱和后继分别与道路相同,而-1则相反;
所述道路区域的车道段层中,单个车道段表示为:
所述道路区域的车道层中,单条车道可以表示为:
l=(id,seq,pre,suc,ll,lr) (10)
其中,id表示车道l的ID号;seq表示车道在车道段中的序列号,从最靠近道路中心线的车道开始,序列号从1开始依次增加1;pre表示与车道起点连接的路口ID(用ipre表示)或车道ID(用lpre表示);suc表示与车道终点连接的路口ID(用isuc表示)或车道ID(用lsuc表示);ll、lr分别表示左侧或右侧的车道ID。
所述的路口区域中,路口i的定义为:
i=(id,VR) (11)
所述路口区域的虚拟道路层中,单条虚拟道路表示为:
vr=(id,rf,rr,w,VLG) (12)
所述路口区域的虚拟车道组层,一个虚拟车道组vlg包括与进入路口的同一车道相连的所有虚拟车道,表示为:
所述路口区域的虚拟车道层中,一个虚拟车道表示为:
vl=(id,lf,lr) (14)
其中id表示虚拟车道vl的ID号,lf和lr分别表示进、出路口的车道ID。
所有交通元素的ID在整个地图模型中都是独立不重复的。
(四)所述的静态属性层,描述了与交通区域和交通标线相对应的静态属性,包括道路的类型、等级和限速,车道的类型、限速、转弯类型和长度,车道线的颜色和类型等。
(五)所述的静态标志层,描述了交通标志和障碍物的静态信息;交通标志包括地面标志、路边标志(停车、禁止通行、让行等)、交通灯等,存储在这一层的交通灯信息不包含配时等动态信息,包括布局(如水平布局,有两个灯泡)、类型(左转或右转,直行等)等静态信息;障碍物包括杆、桩等。
(六)所述的动态交通信号层,描述与交通信号有关的动态变化信息,包括临时交通标志、交通灯的配时和状态、潮汐车道等。
(七)所述的动态交通层,描述了频繁更新的实时交通信息,包括交通状况、交通堵塞和道路施工等交通事件,以及车辆或基础设施观察到的周边交通参与者(汽车、行人等)的动态信息。当交通信息发生变化时,车载传感器检测到变化,并与道路上的其他车辆或云中的道路传感器网络的输入数据进行交叉检查和融合,实时更新交通信息。
(八)所述的驾驶知识层,一方面,该层包含驾驶员的驾驶操作记录;另一方面,包括对海量驾驶操作记录数据进行多维度时空大数据挖掘、分析、处理后的驾驶经验信息(如事故多发路段、潜在危险区域)。
根据图2所示:多层级导航系统与分层地图模型之间建立映射关系,其中,多层级导航系统中的宏观导航系统获取分层地图模型中的交通区域层、静态属性层、动态交通信号层和动态交通层的数据;多层级导航系统中的中观导航系统获取分层地图模型中的控制点层、交通区域层、静态属性层、静态标志层、动态交通信号层、动态交通层和驾驶知识层的数据;多层级导航系统中的微观导航系统获取分层地图模型中的参数化曲线层的数据,同时需要中观导航系统所规划的车道级路径。
实施例:
以道路和交叉路口为例,对属性控制点层和交通区域层的建模进行说明。在以下等式中,/用于表示空元素。
如图3所示,道路前进方向向右,包括两个车道组。
对于上方的车道组lg1,它的方向与道路定义的前进方向相同;它有两个车道段,分别包含三条和两条车道:
lg1=(LS,1) (15)
对于下方的车道组lg2,它的方向与道路定义的前进方向相反;它有两个车道段,分别包含四条和三条车道:
lg2=(LS,-1) (17)
对于lg1从左侧开始的第一个车道段:
l1=(id,3,/,/,ll,lr) (20)
l2=(id,2,/,2,ll,lr) (21)
l3=(id,1,/,1,ll,lr) (22)
对于lg1从左侧开始的第二个车道段:
l1=(id,2,2,/,ll,lr) (24)
l2=(id,1,1,/,ll,lr) (25)
图3标出了lg2中ls1的一条车道的左右车道线上的属性控制点,右车道线上的属性控制点集可表示为:
该点集由起点和终点两个属性控制点组成:
左侧车道线属性控制点集相比右侧车道线多一个表示车道线类型变化的控制点,可表示为:
本实施例通过图4来说明路口区域的建模方法,图4描绘了一个由四条道路连接的交叉口,4条道路的ID号分别为1、2、3和4。每条道路有两个车道组,每个车道组由道路中心线两侧的大箭头表示,箭头方向为车道组的行驶方向。每个车道组只有一个车道段,车道段由三条车道组成。图中描绘了以道路3为入口道路的虚拟道路,表示如下:
vr1=(3,3,U-turn,VLG1) (34)
vr2=(3,4,turning left,VLG2) (35)
vr3=(3,1,going straight,VLG3) (36)
vr4=(3,2,turning right,VLG4) (37)
vr1,vr2,和vr3连接的进入路口的车道均只有一条,即它们分别只有一个虚拟车道组。vr4连接道路3和道路2,它与道路3的两条进入路口的车道相连,即,vr4有两个虚拟车道组:
第一个虚拟车道组与道路3中车道段的中间车道相连:
第二个虚拟车道组与道路3中最右侧的车道相连:
标记在图4中的vl1,vl2和vl3是vlg2中的三条虚拟车道。
为方便起见,这里用车道在车道段中的序列号代替ID来表示虚拟车道连接的进出路口的两条车道。
vl1=(id,3,1) (41)
vl2=(id,3,2) (42)
vl3=(id,3,3) (43)
由上可知,在建模中,道路包含不同行驶方向的车道组,在车道组中考虑了不同的车道段,可以表示车道数量发生变化的道路结构,而车道类型的变化可以反映在属性控制点上。因此,控制点层和交通区域层可以适应各种路网结构的表达。此外,交通区域层中道路区域和路口区域里设计的子层结构可以适应不同层级的导航系统。
Claims (1)
1.一种面向多层级自动驾驶导航系统的分层地图模型,其特征在于:包括地图静态层和地图动态层,所述的地图静态层包括控制点层、参数化曲线层、交通区域层、静态属性层和静态标志层,所述的地图动态层包括动态交通信号层、动态交通层和驾驶知识层;
所述的控制点层,包括几何控制点层和属性控制点层,所述的几何控制点层,包括描述交通区域轮廓、交通标线的几何形状的控制点,还包括描述路口虚拟车道几何形状的控制点,表达交通区域或交通标线的几何形状;所述的属性控制点层,包括反映车道线属性变化的点,包括车道的起点和终点,以及表示车道线类型变化或车道类型变化的分界点;
Pgeo中的每个点pgeo表示为:
pgeo=(n,x,y,z) (2)
其中,n是控制点在Pgeo中的序列号,x,y,z表示点在三维笛卡尔坐标系中的X、Y和Z坐标;
Pattr中的单个点pattr表示为:
pattr=(x,y,z,s,h,type,lc) (4)
其中x,y和z分别表示三维笛卡尔坐标系的X、Y和Z坐标,s是沿车道从起点到该点的长度,h是该点相对于车道中心线的侧向距离,type表示点的类型,包括“start”、“end”、“lanechange”和“typechange”,“start”和“end”分别代表车道线的起点和终点,“lanechange”或“typechange”表示该点为左右车道线类型改变或车道类型改变的分界点;如果在该点之后沿车道方向的车道线允许变道,lc为真;否则为假;
所述的参数化曲线层,包括在三维笛卡尔坐标系的X-Y、Y-Z和X-Z平面中的参数曲线,描述地图几何形状;
rl=(n,k,k′,arclen) (5)
其中,n是该条曲线在整个车道对应线上的序列号,参数k表示曲线起点的曲率,k′是曲率对弧长的导数,arclen是该条曲线从起点到终点的长度;
所述的交通区域层,包括道路区域、路口区域和由附着在道路和路口区域的交通标线围成的具有特定交通属性的其他区域;所述的道路区域描述道路所在的区域,分为四层:道路层、车道组层、车道段层和车道层;所述的路口区域描述路口所在的区域,分为四层:路口层、虚拟道路层、虚拟车道组层和虚拟车道层;所述的其他区域包括人行横道、减速带、停止线、导流线、中心圈、网状线中的一种或数种;所述的交通区域层表示如下:
G=(R,I,O) (6)
其中G表示整个交通区域层,R表示由一组道路组成的道路区域,Nr表示道路的数量;I表示由一组路口组成的路口区域,Ni表示路口的数量;O是一组附加在道路或路口的其他区域;将一条道路上同一方向的一组车道定义为一个车道组,当道路上的车道有两个相反的方向时,道路有两个车道组;如果只有一个方向,则只有一个车道组;
所述的道路区域的道路层中,单条道路r表示为:
r=(id,LG,f,b) (7)
所述道路区域的车道组层中,单个车道组表示为:
lg=(LS,isequal) (8)
其中LS表示车道段集合在车道组中车道数恒定的单个路段区间定义为一个车道段;ls表示单个车道段,Nls表示车道段的数量;isequal取值为1或-1,其中1表示车道组的方向与道路定义的前进方向相同,即车道组的前驱和后继分别与道路相同,而-1则相反;
所述道路区域的车道段层中,单个车道段表示为:
所述道路区域的车道层中,单条车道可以表示为:
l=(id,seq,pre,suc,ll,lr) (10)
其中,id表示车道l的ID号;seq表示车道在车道段中的序列号,从最靠近道路中心线的车道开始,序列号从1开始依次增加1;pre表示与车道起点连接的路口ID或车道ID;suc表示与车道终点连接的路口ID或车道ID;ll、lr分别表示左侧或右侧的车道ID;
所述的路口区域中,路口i的定义为:
i=(id,VR) (11)
所述路口区域的虚拟道路层中,单条虚拟道路表示为:
vr=(id,rf,rr,w,VLG) (12)
所述路口区域的虚拟车道组层,一个虚拟车道组vlg包括与进入路口的同一车道相连的所有虚拟车道,表示为:
所述路口区域的虚拟车道层中,一个虚拟车道表示为:
vl=(id,lf,lr) (14)
其中id表示虚拟车道vl的ID号,lf和lr分别表示进、出路口的车道ID;
所有交通元素的ID在整个地图模型中都是独立不重复的;
所述的静态属性层,包括道路的类型、等级和限速,车道的类型、限速、转弯类型和长度,车道线的颜色和类型;
所述的静态标志层,包括交通标志和障碍物的静态信息;
所述的动态交通信号层,包括与交通信号有关的动态变化信息,包括临时交通标志、交通灯的配时和状态、潮汐车道中的一种或数种;
所述的动态交通层,包括频繁更新的实时交通信息,包括交通状况、交通堵塞和道路施工中的一种或数种交通事件;
所述的驾驶知识层,包括驾驶员的驾驶操作记录,以及对驾驶操作记录数据进行多维度时空大数据挖掘、分析、处理后的驾驶经验信息;
分层地图模型与多层级导航系统之间建立映射关系,其中,多层级导航系统中的宏观导航系统获取分层地图模型中的交通区域层、静态属性层、动态交通信号层和动态交通层的数据;多层级导航系统中的中观导航系统获取分层地图模型中的控制点层、交通区域层、静态属性层、静态标志层、动态交通信号层、动态交通层和驾驶知识层的数据;多层级导航系统中的微观导航系统获取分层地图模型中的参数化曲线层的数据,同时需要中观导航系统所规划的车道级路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210758674.2A CN115127564B (zh) | 2022-06-29 | 2022-06-29 | 一种面向多层级自动驾驶导航系统的分层地图模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210758674.2A CN115127564B (zh) | 2022-06-29 | 2022-06-29 | 一种面向多层级自动驾驶导航系统的分层地图模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115127564A CN115127564A (zh) | 2022-09-30 |
CN115127564B true CN115127564B (zh) | 2023-03-10 |
Family
ID=83381857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210758674.2A Active CN115127564B (zh) | 2022-06-29 | 2022-06-29 | 一种面向多层级自动驾驶导航系统的分层地图模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115127564B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116129066A (zh) * | 2022-12-21 | 2023-05-16 | 浙江大学 | 基于数字孪生的自动驾驶高精度地图模型及高精度静态地图制作方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105371859A (zh) * | 2015-11-05 | 2016-03-02 | 武汉光庭信息技术股份有限公司 | 基于安全驾驶地图的车道级别的导航引导系统和方法 |
CN109976332A (zh) * | 2018-12-29 | 2019-07-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的高精度地图模型及自主导航系统 |
JP2020030362A (ja) * | 2018-08-23 | 2020-02-27 | 三菱電機株式会社 | 地図データ、コンピュータ読取可能な記録媒体および地図データ生成装置 |
CN111157010A (zh) * | 2019-12-31 | 2020-05-15 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的地图生成方法 |
CN112101120A (zh) * | 2020-08-18 | 2020-12-18 | 沃行科技(南京)有限公司 | 基于自动驾驶应用场景的地图模型及其应用方法 |
CN113155145A (zh) * | 2021-04-19 | 2021-07-23 | 吉林大学 | 一种面向自动驾驶车道级导航的车道级路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6969962B2 (ja) * | 2017-10-05 | 2021-11-24 | トヨタ自動車株式会社 | 車両の運転支援及び/又は走行制御のための地図情報提供システム |
-
2022
- 2022-06-29 CN CN202210758674.2A patent/CN115127564B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105371859A (zh) * | 2015-11-05 | 2016-03-02 | 武汉光庭信息技术股份有限公司 | 基于安全驾驶地图的车道级别的导航引导系统和方法 |
JP2020030362A (ja) * | 2018-08-23 | 2020-02-27 | 三菱電機株式会社 | 地図データ、コンピュータ読取可能な記録媒体および地図データ生成装置 |
CN109976332A (zh) * | 2018-12-29 | 2019-07-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的高精度地图模型及自主导航系统 |
CN111157010A (zh) * | 2019-12-31 | 2020-05-15 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的地图生成方法 |
CN112101120A (zh) * | 2020-08-18 | 2020-12-18 | 沃行科技(南京)有限公司 | 基于自动驾驶应用场景的地图模型及其应用方法 |
CN113155145A (zh) * | 2021-04-19 | 2021-07-23 | 吉林大学 | 一种面向自动驾驶车道级导航的车道级路径规划方法 |
Non-Patent Citations (1)
Title |
---|
Digital map as a virtual sensor - dynamic road curve reconstruction for a curve speed assistant;Li Kang等;《Critical Reviews in Environmental Science and Technology》;20081231;第46卷(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115127564A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3901782B1 (en) | Lane-centric road network model for navigation | |
US10309796B2 (en) | Method of representing road lanes | |
EP1857780B1 (en) | Dual road geometry representation for position and curvature-heading | |
CN106802954B (zh) | 无人车语义地图模型构建方法及其在无人车上的应用方法 | |
JP6969962B2 (ja) | 車両の運転支援及び/又は走行制御のための地図情報提供システム | |
KR20200101855A (ko) | 차량의 주행 궤적 예측 방법 및 장치 | |
JP7068456B2 (ja) | 走行環境情報の生成方法、運転制御方法、走行環境情報生成装置 | |
US6622085B1 (en) | Device and method for creating and using data on road map expressed by polygons | |
JP2022535351A (ja) | 車両ナビゲーションのためのシステム及び方法 | |
CN101033978B (zh) | 智能汽车辅助导航和自动兼辅助驾驶系统 | |
US10832439B1 (en) | Locating entities in a mapped environment | |
US8892356B1 (en) | Method and system for representing traffic signals in a road network database | |
CN111489578B (zh) | 一种基于车道时空间隙的高速道路无人驾驶决策规划方法 | |
CN110196056B (zh) | 用于生成用于自动驾驶车辆导航和决策的道路地图的方法和导航装置 | |
JP4874513B2 (ja) | 道路車線を表示する方法 | |
JP6956268B2 (ja) | 走行環境情報の生成方法、運転制御方法、走行環境情報生成装置 | |
US20230008285A1 (en) | Vehicle control using directed graphs | |
JP2023106536A (ja) | 画像分析に基づく車両ナビゲーションのためのシステム | |
CN105806349B (zh) | 一种真三维导航转向诱导方法和转向诱导导航设备 | |
Zhang et al. | A lane-level road network model with global continuity | |
CN115127564B (zh) | 一种面向多层级自动驾驶导航系统的分层地图模型 | |
Gangel et al. | Modelling the ZalaZONE proving ground: A benchmark of state-of-the-art automotive simulators PreScan, IPG CarMaker, and VTD Vires | |
CN116952278A (zh) | 一种去除感知地图抖动的仿真测试方法及系统 | |
JP7024871B2 (ja) | 経路算出方法、運転制御方法及び経路算出装置 | |
CN117141494A (zh) | 一种车道级导航地图的生成方法、系统及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |