CN115307624A - 一种路径地图生成方法、车端控制器和终端 - Google Patents
一种路径地图生成方法、车端控制器和终端 Download PDFInfo
- Publication number
- CN115307624A CN115307624A CN202210912131.1A CN202210912131A CN115307624A CN 115307624 A CN115307624 A CN 115307624A CN 202210912131 A CN202210912131 A CN 202210912131A CN 115307624 A CN115307624 A CN 115307624A
- Authority
- CN
- China
- Prior art keywords
- map
- vehicle
- path
- learning data
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000007613 environmental effect Effects 0.000 claims abstract description 45
- 238000004891 communication Methods 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 24
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000037361 pathway Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 21
- 230000005540 biological transmission Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- G01C21/38—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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
-
- 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
- G01C21/38—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种路径地图生成方法、车端控制器和终端,用于车端控制器侧的路径地图生成方法包括:在从起点位置运行到终点位置期间进行地图路径学习,获取地图路径学习数据;地图路径学习数据包括:环境数据、定位数据和车辆运行数据;将地图路径学习数据发送给终端,并接收由终端根据地图路径学习数据生成的路径地图,或者,接收由终端处理后的地图路径学习数据,并根据处理后的地图路径学习数据生成路径地图。通过该实施例方案,无特殊资源需求,降低了对车端控制器的硬件配置要求,降低了车辆成本。
Description
技术领域
本申请实施例涉及记忆泊车技术,尤指一种路径地图生成方法、车端控制器和终端。
背景技术
停车场记忆泊车/自建图代客泊车是当前低速智能驾驶的高阶功能,用户先驾驶车辆完成记忆线路的学习,功能使用时,车辆可沿记忆线路巡航行驶,到达线路终点。目前,多家整车厂已经实现量产,此功能具备实用性和技术先进性。
停车场记忆泊车/自建图代客泊车功能的基础是创建车辆行驶线路,构建轨迹地图,用户驾驶车辆在停车场内行驶,通过自建的方式来创建地图(以下均统称为地图)。地图创建流程描述:用户驾驶车辆在停车场内部道路行驶(非专业高精地图或导航地图采集车辆),通过车辆自身传感器采集停车场环境数据,所采集线路的长度为停车场区域A点到B点之间的线路,例如从停车场入口处A点至某停车位B点之间的线路。再将所采集的数据进行处理,最终生成地图,供自车记忆泊车功能应用,也可以供停车场众包地图应用。
自建地图的关键技术点:
1.地图路径学习数据采集方式:依靠车辆自身的智能传感器采集,如:摄像头,毫米波雷达,激光雷达等。同时记录车辆自身行驶状态数据,如车辆轮速,IMU(Inertialmeasurement unit,惯性测量单元)信息等。
2.地图生成方式:a.由车端自身控制器独立生成地图,车辆直接使用;b.将车辆采集的地图数据通过移动网络上传至云端服务器,生成地图,再通过移动网络回传给车辆使用。
发明内容
本申请实施例提供了一种路径地图生成方法、车端控制器和终端,无特殊资源需求,降低对车端控制器的硬件配置要求,降低了车辆成本。
本申请实施例提供了一种路径地图生成方法,应用于车端控制器侧,所述方法可以包括:
在从预设的起点位置运行到预设的终点位置期间进行地图路径学习,获取地图路径学习数据;所述地图路径学习数据包括:环境数据、定位数据和车辆运行数据;
将所述地图路径学习数据发送给终端,并接收由所述终端根据所述地图路径学习数据生成的路径地图,或者,接收由所述终端处理后的地图路径学习数据,并根据所述处理后的地图路径学习数据生成所述路径地图。
在本申请的示例性实施例中,所述方法还可以包括:
将所述地图路径学习数据发送给终端之前,对所述地图路径学习数据进行预处理。
在本申请的示例性实施例中,所述将所述地图路径学习数据发送给终端,可以包括:
将实时采集的所述地图路径学习数据实时发送给所述终端;或者,
将实时采集的所述地图路径学习数据进行缓存,并在地图路径学习结束后,将缓存的所述地图路径学习数据发送给所述终端。
在本申请的示例性实施例中,所述方法还可以包括:
根据所述路径地图进行记忆泊车,和/或,根据所述路径地图进行地图更新。
在本申请的示例性实施例中,所述方法还可以包括:通过无线网络和/或近场通信技术与终端进行通讯,实现数据交互。
本申请实施例还提供了一种车端控制器,可以包括第一处理器和第一计算机可读存储介质,所述第一计算机可读存储介质中存储有第一指令,当所述第一指令被所述第一处理器执行时,实现车端控制器侧的路径地图生成方法。
本申请实施例还提供了一种车辆,包括所述的车端控制器以及车端通信模块。
本申请实施例还提供了一种路径地图生成方法,应用于终端侧,所述方法可以包括:
获取车端控制器从预设的起点位置运行到预设的终点位置期间进行地图路径学习时获取的地图路径学习数据;所述地图路径学习数据包括:环境数据、定位数据和车辆运行数据;
根据所述地图路径学习数据生成路径地图,并将所述路径地图返回给所述车端控制器;或者,对所述地图路径学习数据进行处理后返回给所述车端控制器,以由所述车端控制器根据处理后的地图路径学习数据生成所述路径地图。
在本申请的示例性实施例中,所述根据所述地图路径学习数据生成路径地图,可以包括:
采用预设的地图生成软件根据所述地图路径学习数据生成所述路径地图。
在本申请的示例性实施例中,获取的所述地图路径学习数据是所述车端控制器进行预处理后的地图路径学习数据。
在本申请的示例性实施例中,所述方法还可以包括:通过无线网络和/或近场通信技术与所述车端控制器进行通讯,实现数据交互。
本申请实施例还提供了一种终端,可以包括第二处理器和第二计算机可读存储介质,所述第二计算机可读存储介质中存储有第二指令,当所述第二指令被所述第二处理器执行时,实现应用于终端侧的路径地图生成方法。
与相关技术相比,本申请实施例的应用于车端控制器侧的路径地图生成方法可以包括:在从预设的起点位置运行到预设的终点位置期间进行地图路径学习,获取地图路径学习数据;所述地图路径学习数据包括:环境数据、定位数据和车辆运行数据;将所述地图路径学习数据发送给终端,并接收由所述终端根据所述地图路径学习数据生成的路径地图,或者,接收由所述终端处理后的地图路径学习数据,并根据所述处理后的地图路径学习数据生成所述路径地图。通过该实施例方案,无特殊资源需求,降低了对车端控制器的硬件配置要求,降低了车辆成本。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本申请实施例的应用于车端控制器侧的路径地图生成方法流程图;
图2为本申请实施例的路径地图生成方法示意图;
图3为本申请实施例的车端控制器组成框图;
图4为本申请实施例的车辆组成框图;
图5为本申请实施例的应用于终端侧的路径地图生成方法流程图;
图6为本申请实施例的终端组成框图。
具体实施方式
本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的,并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。
此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而,在该方法或过程不依赖于本文所述步骤的特定顺序的程度上,该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的,其它的步骤顺序也是可能的。因此,说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外,针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤,本领域技术人员可以容易地理解,这些顺序可以变化,并且仍然保持在本申请实施例的精神和范围内。
本申请实施例提供了一种路径地图生成方法,应用于车端控制器侧,如图1、图2所示,所述方法可以包括步骤S101-S102:
S101、在从预设的起点位置运行到预设的终点位置期间进行地图路径学习,获取地图路径学习数据;所述地图路径学习数据包括以下任意一种或多种:环境数据、定位数据和车辆运行数据;
S102、将所述地图路径学习数据发送给终端,并接收由所述终端根据所述地图路径学习数据生成的路径地图,或者,接收由所述终端处理后的地图路径学习数据,并根据所述处理后的地图路径学习数据生成所述路径地图。
在本申请的示例性实施例中,通过对当前的路径地图生成方法进行分析可知,当前的路径地图生成方法均存在如下不足:
1、对于车端控制器生成路径地图的方法,需要车端控制器具备高AI(人工智能)运算能力和高数据处理能力的硬件平台、大容量存储器等,对车端控制器硬件配置资源要求高,也就意味着单车成本高。
2、对于云端服务器生成路径地图的方法,1)需要依赖移动通信网络传输数据,与车辆所处位置的网络信号强度相关,信号强度弱时,车端采集的环境数据不能传输至云端服务器,导致无法及时生成地图,影响功能的正常使用。2)网络信号强度较弱时,车端与云端服务器之间的数据传输速度低(地图路径学习数据上传速度及路径地图回传速度),所需时间长,并且,可能会导致传输失败,不能马上应用于记忆泊车功能,影响用户体验。三:云端计算资源配置要求高,云端技术开发难道大,不利于智驾功能的应用和推广。
在本申请的示例性实施例中,可以通过终端来辅助车辆完成路径地图的生成,即使用终端代替云端服务器,来实现云端服务器的作用,终端可以负责生成路径地图和/或数据处理。
在本申请的示例性实施例中,该终端可以为智能移动终端,该智能移动终端可以包括但不限于:智能手机、平板电脑,便携式计算机、智能可穿戴设备(例如:智能手表、智能手环、智能眼镜、智能耳机、智能头盔、智能项链、智能怀表等)等。
在本申请的示例性实施例中,所述方法还可以包括:通过无线网络和/或近场通信技术与终端进行通讯,实现数据交互。
在本申请的示例性实施例中,车端控制器所在车辆可以配置有智能传感器,用于采集需要进行地图路径学习的场景(例如,停车场)中预设的起点位置和终点位置之间路径上的环境数据。
在本申请的示例性实施例中,该智能传感器可以包括但不限于:用于获取定位数据的RTK(实时动态)、IMU(惯性测量单元)组合导航设备,用于获取环境数据的摄像头、激光雷达、毫米波雷达等,以及用于检测车速等信息的加速度传感器。
在本申请的示例性实施例中,车端控制器所在车辆可以配置有车端通信模块,车端控制器接收并整合环境数据后,可以通过车端通信模块传输至终端。
在本申请的示例性实施例中,车端通信模块可以负责车辆与智能移动终端之间的通信连接、数据传输、信号指令交互等;例如,车辆可以与智能移动终端通过蓝牙、4G/5G移动网络通信、WIFI(无线保真)等通信方式建立连接。
在本申请的示例性实施例中,可以根据车辆所在的位置场景,智能匹配车辆与智能移动终端的通信连接方式,传输地图数据。例如,当4G/5G移动网络信号强度强(可以根据设定阈值判断信号强弱),或者WIFI信号强度强时(可以根据设定阈值判断信号强弱),车辆可以与智能移动终端通过移动网络连接;当4G/5G移动网络信号强度弱或者WIFI信号强度弱时,则车辆与智能移动终端可以通过近场通信技术(例如蓝牙)或其他通信方式进行连接。
在本申请的示例性实施例中,智能移动终端中可以预先安装地图生成软件,该地图生成软件具备根据车辆发送的地图路径学习数据生成地图的能力。
在本申请的示例性实施例中,关于地图生成软件的相关算法、流程等详细内容,在此不做限制,可以采用目前可用的任何能够实现路径地图生成的算法和流程。地图生成软件的相关算法、流程可以包括但不限于:传感器采集的环境数据的处理算法,语义、特征点及元素的提取和标注,地图数据融合,地图图层制作,地图格式转换,地图验证等等。
在本申请的示例性实施例中,智能移动终端可以安装可处理环境数据的软件模块。并且考虑到环境数据的敏感性,该处理环境数据的软件模块可以具备功能安全及信息安全设计,并符合国家相关政策法规,可以支持在安卓、苹果、鸿蒙等多种操作系统上运行。
在本申请的示例性实施例中,智能移动终端的硬件处理器(芯片)可以具备处理环境数据的运算能力,如特征点提取能力、AI深度学习算法运算能力、逻辑运算处理能力等。
在本申请的示例性实施例中,所述方法还可以包括:
将所述地图路径学习数据发送给终端之前,对所述地图路径学习数据进行预处理。
在本申请的示例性实施例中,所述将所述地图路径学习数据发送给终端,可以包括:
将实时采集的所述地图路径学习数据实时发送给所述终端;或者,
将实时采集的所述地图路径学习数据进行缓存,并在地图路径学习结束后,将缓存的所述地图路径学习数据发送给所述终端。
在本申请的示例性实施例中,用户将智能移动终端与车辆建立连接以后,可以自行驾驶车辆在停车场内部道路沿期望路径行驶,例如,沿从停车场入口处A点(起始位置)至停车位B点(终点位置)之间的线路行驶,进行地图路径学习,获取所述地图路径学习数据,为创建路径地图收集数据。
在本申请的示例性实施例中,地图路径学习的整个过程中,车端控制器可以实时接收RTK(实时动态)/IMU(惯性测量单元)组合导航信号等定位信息、智能传感器采集的停车场环境数据、车轮转速等车辆状态信号以及其他所需的信号,地图路径学习的起点位置到终点位置之间的路径,即为环境数据的采集区间。
在本申请的示例性实施例中,由于地图环境数据量大小,车辆与智能移动终端的连接方式不同(通信协议的传输速率不同)、车端控制器或智能移动终端的硬件资源对地图数据的处理能力不同以及生成地图的算法差异等因素,车端控制器和智能移动终端之间相配合生成路径地图的策略可以包括但不限于以下几种:
策略一:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)通过车端通信模块实时传输到智能移动终端,在智能移动终端完成路径地图生成的全部操作,再将生成好的路径地图回传给车端控制器。
策略二:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)全部缓存,地图路径学习结束后,再将全部地图路径学习数据通过车端通信模块传输到智能移动终端,在智能移动终端完成地图生成的全部操作,再将生成好的路径地图回传给车端控制器。
策略三:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)通过车端通信模块实时传输到智能移动终端,在智能移动终端对环境数据等进行预处理,再将预处理后的数据回传给车端控制器,在车端控制器内完成最终的路径地图生成工作。
策略四:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)全部缓存,地图路径学习结束后,再将全部地图路径学习数据通过车端通信模块传输到智能移动终端,在智能移动终端对环境数据等数据进行预处理,再将预处理后的数据回传给车端控制器,在车端控制器内完成最终的路径地图生成工作。
策略五:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)进行预处理,再通过车端通信模块实时传输给智能移动终端,在智能移动终端完成路径地图生产的全部操作,再将生成好的路径地图回传给车端控制器。
策略六:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)全部缓存并进行预处理,地图路径学习结束后,再将全部地图路径学习数据通过车端通信模块传输给智能移动终端,在智能移动终端完成路径地图生成的全部操作,再将生成好的路径地图回传给车端控制器。
策略七:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)进行预处理,再通过车端通信模块实时传输给智能移动终端,在智能移动终端再进行部分处理,回传给车端控制器,在车端控制器完成路径地图生成的全部操作。
策略八:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)进行预处理,地图路径学习结束后,再将全部地图路径学习数据通过车端通信模块传输给智能移动终端,在智能移动终端再进行部分处理,回传给车端控制器,在车端控制器完成路径地图生成的全部操作。
在本申请的示例性实施例中,所述方法还可以包括:
根据所述路径地图进行记忆泊车,和/或,根据所述路径地图进行地图更新。
在本申请的示例性实施例中,路径地图生成后,在车辆端保存,供记忆泊车功能使用。当对已有地图需要更新数据时,同样可以使用以上策略一至策略八的任意一种策略进行地图数据更新。
在本申请的示例性实施例中,本申请实施例方案至少包括以下优势:
1、智能移动终端具备高AI运算能力、高数据处理能力,满足生成路径地图所需的硬件资源要求,可以达到替代原方案中的车端控制器或是云端服务器的实际用途。
2、现实生活中,智能移动终端(如:智能手机)在用户群体中基本已普及,具备普遍性,无特殊资源需求。
3、复用用户的智能移动终端,对车端控制器的硬件配置要求降低,直接地降低了车辆成本,为整车厂和用户省钱。
4、复用用户的智能移动终端,为整车厂节省了云端服务器部署和开发维护的成本。
5、不受车辆通信信号强度限制,及时完成路径地图生成:在移动网络信号强度弱的场景,可以使用蓝牙等方式连接车辆与智能移动终端,实现地图数据的有效传输和路径地图回传,不影响功能使用,提升用户体验。
6、本申请实施例方案,体现了整车厂与用户的互利互惠,共创共建,增加互动,探索新的商业模式。
本申请实施例还提供了一种车端控制器1,如图3所示,可以包括第一处理器11和第一计算机可读存储介质12,所述第一计算机可读存储介质12中存储有第一指令,当所述第一指令被所述第一处理器11执行时,实现车端控制器侧的路径地图生成方法。
在本申请的示例性实施例中,前述的应用于车端控制器侧的路径地图生成方法中的任意实施例均适用于该车端控制器实施例中,在此不再一一赘述。
本申请实施例还提供了一种车辆3,如图4所示,包括所述的车端控制器1以及车端通信模块4。
在本申请的示例性实施例中,前述的应用于车端控制器侧的路径地图生成方法中的任意实施例均适用于该车辆实施例中,在此不再一一赘述。
本申请实施例还提供了一种路径地图生成方法,应用于终端侧,如图5所示,所述方法可以包括步骤S201-S202:
S201、获取车端控制器从预设的起点位置运行到预设的终点位置期间进行地图路径学习时获取的地图路径学习数据;所述地图路径学习数据包括:环境数据、定位数据和车辆运行数据;
S202、根据所述地图路径学习数据生成路径地图,并将所述路径地图返回给所述车端控制器;或者,对所述地图路径学习数据进行处理后返回给所述车端控制器,以由所述车端控制器根据处理后的地图路径学习数据生成所述路径地图。
在本申请的示例性实施例中,通过对当前的路径地图生成方法进行分析可知,当前的路径地图生成方法均存在如下不足:
1、对于车端控制器生成路径地图的方法,需要车端控制器具备高AI(人工智能)运算能力和高数据处理能力的硬件平台、大容量存储器等,对车端控制器硬件配置资源要求高,也就意味着单车成本高。
2、对于云端服务器生成路径地图的方法,1)需要依赖移动通信网络传输数据,与车辆所处位置的网络信号强度相关,信号强度弱时,车端采集的环境数据不能传输至云端服务器,导致无法及时生成地图,影响功能的正常使用。2)网络信号强度较弱时,车端与云端服务器之间的数据传输速度低(地图路径学习数据上传速度及路径地图回传速度),所需时间长,并且,可能会导致传输失败,不能马上应用于记忆泊车功能,影响用户体验。三:云端计算资源配置要求高,云端技术开发难道大,不利于智驾功能的应用和推广。
在本申请的示例性实施例中,可以通过终端来辅助车辆完成路径地图的生成,即使用终端代替云端服务器,来实现云端服务器的作用,终端可以负责生成路径地图和/或数据处理。
在本申请的示例性实施例中,该终端可以为智能移动终端,该智能移动终端可以包括但不限于:智能手机、平板电脑,便携式计算机、智能可穿戴设备(例如:智能手表、智能手环、智能眼镜、智能耳机、智能头盔、智能项链、智能怀表等)等。
在本申请的示例性实施例中,所述方法还可以包括:通过无线网络和/或近场通信技术与车端控制器进行通讯,实现数据交互。
在本申请的示例性实施例中,车端控制器所在车辆可以配置有智能传感器,用于采集需要进行地图路径学习的场景(例如,停车场)中预设的起点位置和终点位置之间路径上的环境数据。车端控制器所在车辆可以配置有车端通信模块,车端控制器接收并整合环境数据后,可以通过车端通信模块传输至终端。
在本申请的示例性实施例中,车端通信模块可以负责车辆与智能移动终端之间的通信连接、数据传输、信号指令交互等;例如,车辆可以与智能移动终端通过蓝牙、4G/5G移动网络通信、WIFI(无线保真)等通信方式建立连接。
在本申请的示例性实施例中,可以根据车辆所在的位置场景,智能匹配车辆与智能移动终端的通信连接方式,传输地图数据。例如,当4G/5G移动网络信号强度强(可以根据设定阈值判断信号强弱),或者WIFI信号强度强时(可以根据设定阈值判断信号强弱),车辆可以与智能移动终端通过移动网络连接;当4G/5G移动网络信号强度弱或者WIFI信号强度弱时,则车辆与智能移动终端可以通过近场通信技术(例如蓝牙)或其他通信方式进行连接。
在本申请的示例性实施例中,所述根据所述地图路径学习数据生成路径地图,可以包括:
采用预设的地图生成软件根据所述地图路径学习数据生成所述路径地图。
在本申请的示例性实施例中,智能移动终端中可以预先安装地图生成软件,该地图生成软件具备根据车辆发送的地图路径学习数据生成地图的能力。
在本申请的示例性实施例中,关于地图生成软件的相关算法、流程等详细内容,在此不做限制,可以采用目前可用的任何能够实现路径地图生成的算法和流程。地图生成软件的相关算法、流程可以包括但不限于:传感器采集的环境数据的处理算法,语义、特征点及元素的提取和标注,地图数据融合,地图图层制作,地图格式转换,地图验证等等。
在本申请的示例性实施例中,智能移动终端可以安装可处理环境数据的软件模块。并且考虑到环境数据的敏感性,该处理环境数据的软件模块可以具备功能安全及信息安全设计,并符合国家相关政策法规,可以支持在安卓、苹果、鸿蒙等多种操作系统上运行。
在本申请的示例性实施例中,智能移动终端的硬件处理器(芯片)可以具备处理环境数据的运算能力,如特征点提取能力、AI深度学习算法运算能力、逻辑运算处理能力等。
在本申请的示例性实施例中,获取的所述地图路径学习数据是所述车端控制器进行预处理后的地图路径学习数据。
在本申请的示例性实施例中,所述地图路径学习数据是实时采集数据;或者,是存储在缓存中,并在地图路径学习结束后,发送给所述终端的数据。
在本申请的示例性实施例中,用户将智能移动终端与车辆建立连接以后,可以自行驾驶车辆在停车场内部道路沿期望路径行驶,例如,沿从停车场入口处A点(起始位置)至停车位B点(终点位置)之间的线路行驶,进行地图路径学习,获取所述地图路径学习数据,为创建路径地图收集数据。
在本申请的示例性实施例中,地图路径学习的整个过程中,车端控制器可以实时接收RTK(实时动态)/IMU(惯性测量单元)组合导航信号等定位信息、智能传感器采集的停车场环境数据、车轮转速等车辆状态信号以及其他所需的信号,地图路径学习的起点位置到终点位置之间的路径,即为环境数据的采集区间。
在本申请的示例性实施例中,由于地图环境数据量大小,车辆与智能移动终端的连接方式不同(通信协议的传输速率不同)、车端控制器或智能移动终端的硬件资源对地图数据的处理能力不同以及生成地图的算法差异等因素,车端控制器和智能移动终端之间相配合生成路径地图的策略可以包括但不限于以下几种:
策略一:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)通过车端通信模块实时传输到智能移动终端,在智能移动终端完成路径地图生成的全部操作,再将生成好的路径地图回传给车端控制器。
策略二:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)全部缓存,地图路径学习结束后,再将全部地图路径学习数据通过车端通信模块传输到智能移动终端,在智能移动终端完成地图生成的全部操作,再将生成好的路径地图回传给车端控制器。
策略三:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)通过车端通信模块实时传输到智能移动终端,在智能移动终端对环境数据等进行预处理,再将预处理后的数据回传给车端控制器,在车端控制器内完成最终的路径地图生成工作。
策略四:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)全部缓存,地图路径学习结束后,再将全部地图路径学习数据通过车端通信模块传输到智能移动终端,在智能移动终端对环境数据等数据进行预处理,再将预处理后的数据回传给车端控制器,在车端控制器内完成最终的路径地图生成工作。
策略五:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)进行预处理,再通过车端通信模块实时传输给智能移动终端,在智能移动终端完成路径地图生产的全部操作,再将生成好的路径地图回传给车端控制器。
策略六:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)全部缓存并进行预处理,地图路径学习结束后,再将全部地图路径学习数据通过车端通信模块传输给智能移动终端,在智能移动终端完成路径地图生成的全部操作,再将生成好的路径地图回传给车端控制器。
策略七:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)进行预处理,再通过车端通信模块实时传输给智能移动终端,在智能移动终端再进行部分处理,回传给车端控制器,在车端控制器完成路径地图生成的全部操作。
策略八:车端控制器将地图路径学习数据(包括智能传感器采集的环境数据)进行预处理,地图路径学习结束后,再将全部地图路径学习数据通过车端通信模块传输给智能移动终端,在智能移动终端再进行部分处理,回传给车端控制器,在车端控制器完成路径地图生成的全部操作。
在本申请的示例性实施例中,所述方法还可以包括:
根据所述路径地图进行记忆泊车,和/或,根据所述路径地图进行地图更新。
在本申请的示例性实施例中,路径地图生成后,在车辆端保存,供记忆泊车功能使用。当对已有地图需要更新数据时,同样可以使用以上策略一至策略八的任意一种策略进行地图数据更新。
在本申请的示例性实施例中,本申请实施例方案至少包括以下优势:
1、智能移动终端具备高AI运算能力、高数据处理能力,满足生成路径地图所需的硬件资源要求,可以达到替代原方案中的车端控制器或是云端服务器的实际用途。
2、现实生活中,智能移动终端(如:智能手机)在用户群体中基本已普及,具备普遍性,无特殊资源需求。
3、复用用户的智能移动终端,对车端控制器的硬件配置要求降低,直接地降低了车辆成本,为整车厂和用户省钱。
4、复用用户的智能移动终端,为整车厂节省了云端服务器部署和开发维护的成本。
5、不受车辆通信信号强度限制,及时完成路径地图生成:在移动网络信号强度弱的场景,可以使用蓝牙等方式连接车辆与智能移动终端,实现地图数据的有效传输和路径地图回传,不影响功能使用,提升用户体验。
6、本申请实施例方案,体现了整车厂与用户的互利互惠,共创共建,增加互动,探索新的商业模式。
本申请实施例还提供了一种终端2,如图6所示,可以包括第二处理器21和第二计算机可读存储介质22,所述第二计算机可读存储介质22中存储有第二指令,当所述第二指令被所述第二处理器21执行时,实现应用于终端侧的路径地图生成方法。
在本申请的示例性实施例中,前述的应用于终端侧的路径地图生成方法中的任意实施例均适用于该终端实施例中,在此不再一一赘述。
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。某些组件或所有组件可以被实施为由处理器,如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。
Claims (10)
1.一种路径地图生成方法,其特征在于,应用于车端控制器侧,所述方法包括:
在从预设的起点位置运行到预设的终点位置期间进行地图路径学习,获取地图路径学习数据;所述地图路径学习数据包括:环境数据、定位数据和车辆运行数据;
将所述地图路径学习数据发送给终端,并接收由所述终端根据所述地图路径学习数据生成的路径地图,或者,接收由所述终端处理后的地图路径学习数据,并根据所述处理后的地图路径学习数据生成所述路径地图。
2.根据权利要求1所述的路径地图生成方法,其特征在于,所述方法还包括:
将所述地图路径学习数据发送给终端之前,对所述地图路径学习数据进行预处理。
3.根据权利要求1所述的路径地图生成方法,其特征在于,所述将所述地图路径学习数据发送给终端,包括:
将实时采集的所述地图路径学习数据实时发送给所述终端;或者,
将实时采集的所述地图路径学习数据进行缓存,并在地图路径学习结束后,将缓存的所述地图路径学习数据发送给所述终端。
4.根据权利要求1-3任意一项所述的路径地图生成方法,其特征在于,所述方法还包括:通过无线网络和/或近场通信技术与终端进行通讯,实现数据交互。
5.一种车端控制器,包括第一处理器和第一计算机可读存储介质,所述第一计算机可读存储介质中存储有第一指令,其特征在于,当所述第一指令被所述第一处理器执行时,实现如权利要求1-4任意一项所述的路径地图生成方法。
6.一种车辆,其特征在于,包括如权利要求5所示的车端控制器以及车端通信模块。
7.一种路径地图生成方法,其特征在于,应用于终端侧,所述方法包括:
获取车端控制器从预设的起点位置运行到预设的终点位置期间进行地图路径学习时获取的地图路径学习数据;所述地图路径学习数据包括:环境数据、定位数据和车辆运行数据;
根据所述地图路径学习数据生成路径地图,并将所述路径地图返回给所述车端控制器;或者,对所述地图路径学习数据进行处理后返回给所述车端控制器,以由所述车端控制器根据处理后的地图路径学习数据生成所述路径地图。
8.根据权利要求7所述的路径地图生成方法,其特征在于,所述根据所述地图路径学习数据生成路径地图,包括:
采用预设的地图生成软件根据所述地图路径学习数据生成所述路径地图。
9.根据权利要求7所述的路径地图生成方法,其特征在于,获取的所述地图路径学习数据是所述车端控制器进行预处理后的地图路径学习数据。
10.一种终端,包括第二处理器和第二计算机可读存储介质,所述第二计算机可读存储介质中存储有第二指令,其特征在于,当所述第二指令被所述第二处理器执行时,实现如权利要求7-9任意一项所述的路径地图生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210912131.1A CN115307624A (zh) | 2022-07-29 | 2022-07-29 | 一种路径地图生成方法、车端控制器和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210912131.1A CN115307624A (zh) | 2022-07-29 | 2022-07-29 | 一种路径地图生成方法、车端控制器和终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115307624A true CN115307624A (zh) | 2022-11-08 |
Family
ID=83859629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210912131.1A Pending CN115307624A (zh) | 2022-07-29 | 2022-07-29 | 一种路径地图生成方法、车端控制器和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115307624A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116860215A (zh) * | 2023-08-29 | 2023-10-10 | 中国兵器装备集团兵器装备研究所 | 一种基于开源鸿蒙系统的地图呈现方法、装置和存储介质 |
-
2022
- 2022-07-29 CN CN202210912131.1A patent/CN115307624A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116860215A (zh) * | 2023-08-29 | 2023-10-10 | 中国兵器装备集团兵器装备研究所 | 一种基于开源鸿蒙系统的地图呈现方法、装置和存储介质 |
CN116860215B (zh) * | 2023-08-29 | 2023-12-08 | 中国兵器装备集团兵器装备研究所 | 一种基于开源鸿蒙系统的地图呈现方法、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190266029A1 (en) | Distributed computing resource management | |
CN110928286B (zh) | 用于控制车辆的自动驾驶的方法、设备、介质和系统 | |
US11802815B2 (en) | Controlled testing environment for autonomous vehicle in simulated event | |
CN111516690B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN110979332B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN113962141A (zh) | 一种目标检测模型自动化迭代方法、设备及存储介质 | |
CN113479195A (zh) | 用于自动代客泊车的方法和用于执行所述方法的系统 | |
US11982773B2 (en) | Lidar sensor validation | |
CN113135178A (zh) | 泊车路线共享方法、装置、设备以及存储介质 | |
US20180283887A1 (en) | Electric vehicle charging | |
CN113792589B (zh) | 一种高架识别方法及装置 | |
US20200271456A1 (en) | Method for the generation of a merged free-space map, electronic control device and storage medium | |
EP4345773A1 (en) | Lane line extraction method and apparatus, vehicle and storage medium | |
CN115307624A (zh) | 一种路径地图生成方法、车端控制器和终端 | |
EP4307251A1 (en) | Mapping method, vehicle, computer readable storage medium, and chip | |
CN114179829A (zh) | 多端协同的车辆行驶方法、装置、系统及介质 | |
CN114882464B (zh) | 多任务模型训练方法、多任务处理方法、装置及车辆 | |
CN112810603B (zh) | 定位方法和相关产品 | |
CN114691346A (zh) | 一种算力资源的配置方法及设备 | |
CN112874511B (zh) | 汽车的自动驾驶控制方法、装置及计算机存储介质 | |
US11429757B2 (en) | Sensor calibration via extrinsic scanning | |
CN112833880A (zh) | 车辆定位方法、定位装置、存储介质及计算机程序产品 | |
CN112305499B (zh) | 一种根据光源进行定位的方法及装置 | |
CN115164910B (zh) | 行驶路径生成方法、装置、车辆、存储介质及芯片 | |
CN113859265A (zh) | 一种驾驶过程中的提醒方法及设备 |
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 |