CN115406453A - 一种导航方法、装置及计算机存储介质 - Google Patents
一种导航方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN115406453A CN115406453A CN202110586785.5A CN202110586785A CN115406453A CN 115406453 A CN115406453 A CN 115406453A CN 202110586785 A CN202110586785 A CN 202110586785A CN 115406453 A CN115406453 A CN 115406453A
- Authority
- CN
- China
- Prior art keywords
- map
- traveled
- vehicle
- information
- topological
- 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
- G01C21/26—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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请实施例提供了一种导航方法、装置及计算机存储介质。根据本申请实施例提供的方案,在地图中基于拓扑节点提供了基于当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点所组成的多个潜在的待行驶路径时,则可以基于车辆实时位姿、车道边界信息、以及障碍物信息进行路径选择。从而实现基于预先构建的包含了拓扑节点的导航地图进行待行驶路径的规划,减少了建图成本和维护成本,可以直接基于自身位置和目的地点从导航地图中获取得到包含有行车参考线的行驶路径并进行导航,满足自动驾驶中的导航需求。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种导航方法、装置及计算机存储介质。
背景技术
随着技术进步,无人驾驶已经被广泛应用于在各种场景中,包括中高速且相对开放的场景中(例如,公路上的无人驾驶)以及相对低速且封闭的场景(例如,景区或者游乐场中),在当前,这些不同的场景中进行无人驾驶通常都依赖于高精地图的导航。而高精度地图通常需要对道路信息进行精细化处理,将其划分为多种元素(车道、交通标志、交通规则等)、多个层级(道路级、路网级等)等。这些丰富的地图元素依靠大量的人工标注、校验且需要长期的更新维护。在相对低速且封闭的场景中,由于环境变化缓慢等因素,如果也一直采用高精地图进行导航,成本则比较高。
基于此,需要一种成本更低的导航方案。
发明内容
有鉴于此,本申请实施例提供一种成本更低的导航方案,以至少部分解决上述问题。
根据本申请实施例的第一方面,提供了一种导航方法,包括:获得当前时刻的车辆实时位姿、车道边界信息、以及障碍物信息;根据所述当前时刻的车辆实时位姿、所述车道边界信息、以及所述障碍物信息,在多个潜在的待行驶路径中选择下一时刻的待行驶路径;其中,所述多个潜在的待行驶路径为地图中从当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点组成的路径。
根据本申请实施例的第二方面,提供了一种导航装置,包括:获取模块,获得当前时刻的车辆实时位姿、车道边界信息、以及障碍物信息;选择模块,根据所述当前时刻的车辆实时位姿、所述车道边界信息、以及所述障碍物信息,在多个潜在的待行驶路径中选择下一时刻的待行驶路径;其中,所述多个潜在的待行驶路径为地图中从当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点组成的路径。
根据本申请实施例的第三方面,提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的方法。
根据本申请实施例提供的方案,在地图中基于拓扑节点提供了基于当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点所组成的多个潜在的待行驶路径时,则可以基于车辆实时位姿、车道边界信息、以及障碍物信息进行路径选择。从而实现基于预先构建的包含了拓扑节点的导航地图进行待行驶路径的规划,减少了建图成本和维护成本,可以直接基于自身位置和目的地点从导航地图中获取得到包含有行车参考线的行驶路径并进行导航,满足自动驾驶中的导航需求。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种导航方法的流程示意图;
图2为本申请实施例所提供的一种地图的创建方法的流程示意图;
图3为本申请实施例所提供的进行导航时的逻辑示意框图;
图4为本申请实施例所提供的的一种导航装置的示意图;
图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案,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,所描述的实施例仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本申请实施例保护的范围。
在常规的高速或者开放的道路中进行地图导航时,通常需要依赖于高精地图。高精地图需要提供详细的结构化道路信息,信息量大,需要大量的人工标注,维护成本较高。而在低速或者相对封闭的非公开道路(例如,景区或者游乐场中)的场景中,实际上环境变化缓慢且交通参与者行为也不是很规范(例如景区中游客可能随时穿行道路),此时就没有必要依然采用成本较高的高精地图进行导航。基于此,本申请实施例提供一种成本更低的导航方案。
如图1所示,图1为本申请实施例所提供的一种导航方法的流程示意图,包括:
S101,获得当前时刻的车辆实时位姿、车道边界信息、以及障碍物信息。
车辆的实时位姿包括诸如车辆在当前时刻的前进方向、车辆角度、采集环境图像时的相机的拍摄角度等等。车道边界信息即为车辆在行驶过程中的所使用的车道的左右边界(或者说车辆自身位置距离左右边界的距离),障碍物信息可以采用深度学习所预先训练所得到的模型,基于实时采集所得到的环境图像来提取得到周围的障碍物信息,包括轿车、大巴、自行车、行人、低矮障碍物等等。
S103,根据所述当前时刻的车辆实时位姿、所述车道边界信息、以及所述障碍物信息,在多个潜在的待行驶路径中选择下一时刻的待行驶路径;其中,所述多个潜在的待行驶路径为地图中从当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点组成的路径。
在本申请实施例中所采用的地图是包含了多个拓扑节点的导航地图。地图可以是已经被预先创建并存储于所述车辆的存储设备中。拓扑节点是在地图中对应于实际环境中某个具体位置的点。
例如,整个地图上基于实际需要选取与景区出口、入口或者热门景点等位置对应对应,作为拓扑节点。拓扑节点也可以是在于实际环境中的道路中的某个位置存在对应关系的点。例如,拓扑节点是基于采集车在采集图像时所经过的行车路线上的部分点。
在每一个拓扑节点中,其包含了相应的位姿信息和车道边界信息,用于指示当前时刻的车辆的前进方向和左右边界的调整,以使得当前时刻的车辆实时位姿贴近于拓扑节点中的位姿信息,以及使得当前时刻的车道边界信息符合拓扑节点中所包含的车道边界信息。
自动行驶对象(例如无人车)的自身位置即确认为起始地点,以及用户可以对无人车指示出相应的目的地点,从而可以基于自身位置的坐标将地图中最近的拓扑节点确定为起始拓扑节点。以及,将距离目的地点最近的拓扑节点确定为终点拓扑节点。
在地图中,由于包含了多个拓扑节点,因此基于地图中拓扑节点到终点拓扑节点,即有可能存在多条潜在的待行驶路径。潜在的待行驶路径是从起始拓扑节点到终点拓扑节点的有向路径,其中每条潜在的待行驶路径中均包含了多个参考连接拓扑节点。例如,对于起点S和终点E而言,其可能存在的潜在的待行驶路为S—A1—B1—E以及S—A2—B2—E,则其中的A1和B1以及A2和B2均为参考连接拓扑节点。
地图中可以预先存储有任意两个拓扑节点所组成的有向边的距离、时间等等信息,从而自动行驶对象即可以基于多条潜在的待行驶路径中所包含的参考连接拓扑节点、基于障碍物信息和其它相关条件(例如,经过的拓扑节点数量最少,距离最近或者耗时最短等等)进行选择,以得到待行驶路径。
根据本申请实施例提供的方案,在地图中基于拓扑节点提供了基于地图拓扑节点到终点拓扑节点的参考连接拓扑节点所组成的多个潜在的待行驶路径时,则可以基于车辆实时位姿、车道边界信息、以及障碍物信息。从而实现基于预先构建的包含了拓扑节点的导航地图进行待行驶路径的规划,减少了建图成本和维护成本,可以直接基于自身位置和目的地点从导航地图中获取得到包含有行车参考线的行驶路径并进行导航,满足自动驾驶中的导航需求。
在本申请实施例中,地图中的拓扑节点可以是基于实际的行车路线所构成的建图轨迹而预先创建的,如图2所示,图2为本申请实施例所提供的一种地图的创建方法的流程示意图,包括:
S201,基于建图轨迹采集环境数据,创建包含多个特征点的视觉定位地图。
在一个相对封闭的区域中(例如,景区中),用户可以根据实际需要,利用采图车(彩图车中可以包括诸如采集环视相机、轮速计、惯性导航仪、定位坐标等设备)来采集环境数据。采图车可以根据区域中的实际情形进行手动的行驶,在行驶过程中采集车所经过的路线即构成了建图轨迹。建图轨迹在图像中可以表现为一条连线,同时,在数据层面其可以为包含多个离散的轨迹点的集合。采集得到的环境数据包括相机所得到的多张环境图像,在采集环境数据时采图车的位姿信息,包括在各个轨迹点上进行采集时所对应的行车速度、相机角度、行车角度、坐标等等。
采集车在采集数据时,可以进行连续的图像采集,在图像采集的过程中可以基于连续采集得到的多张图像对图像中的特征点进行标定,从而创建出对应于整个区域的视觉定位地图,视觉定位地图可以是一种三维的地图,其中包含了多个基于图像识别所得到的特征点的坐标。
特征点指的是在图像采集过程中,进行连续采集时所得到的多张图像中,同一个物体或场景,如果相同的地方能够被从多张图像识中都识别出,且是相同的,即在采集得到的多张图像中具有尺度不变性的点为特征点。特征点有时候也不仅仅是一个点,它还可以包括一系列局部的信息,甚至很多情况下,特征点本身就是具有面积的一小块区域。例如,特征点可以包括固定的建筑物中的顶点、道路的边缘点等等。
S203,从所述视觉定位图像中提取出车辆的可行驶区域,以及,确定所述视觉定位图像中像素的像素语义。
在获得了视觉定位图像之后,即可以采用深度学习模型,提取出视觉定位图像的可行驶区域和视觉定位图像中每个像素的像素语义。像素语义指的是该像素点在实体中的具体含义,例如,像素语义可以是“山”、“路面”或者“建筑”等等。
S205,根据所述像素语义确定所述特征点的语义,以及,根据所述特征点的语义和所述可行驶区域确定可行驶边界。
由于特征点的坐标也已经被预先标定,因此,可以基于特征点的坐标和像素坐标进行匹配。例如,对于特征点所对应的多个像素点的语义进行统计,从而根据统计结果可以确定得到特征点所对应的语义。换言之,即将像素点的像素语义赋值给对应的特征点。
从而,可以根据语义满足预设条件的特征点和可行驶区域进行结合,来判断得到可行驶边界。具体而言,预设条件可以是语义是“山”、“地面”、“广场”、“通道”等等可供行驶的语义,从而可以基于特征点的坐标和可行驶区域进行互相对应比较来确定可行驶边界;以及,预设条件还可以包括特征点的高度不超过一定值(例如,3m),从而可以从高度上对于可行驶区域进行限制。
基于深度学习模型提取得到的可行驶区域往往是一些大的地面区域,但是实际中还会受到很多条件的限制。换言之,并不能直接将可行驶区域的边界视为可行驶边界。
在一种实施例中,可以将语义满足预设条件的特征点从三维进行正投影,可行驶区域中,确定投影后的特征点的投影坐标,从而可行驶区域中可以得到多个投影过来的特征点及其投影后的投影坐标,进而可以根据投影落入可行驶区域中的特征点的投影坐标来构成可行驶边界。例如,将可行驶区域中的特征点的投影点的连线或者拟合线确定为可行驶边界。
S207,根据所述建图轨迹和采集环境数据时所得到的多张环境图像中对于特征点的共视信息,从所述视觉定位地图中提取出多个拓扑节点。
如前所述,建图轨迹可以包含了多个离散的轨迹点,在每一个轨迹点上都进行了相应的数据采集,因此,在每一个轨迹点上可以在采集数据时所包含的相关数据,包括在采集图像时所对应的轨迹点坐标以及位姿信息等等。这里的位姿信息包含了采图车在轨迹点坐标进行图像采集时车辆的位姿(包括前进方向、车辆角度、拍摄角度等等)。位姿信息可以用来在后续导航时用于指示无人车进行相关的姿势调整,以使得无人车按照拓扑节点中所包含的位姿信息前进。
特征点的共视信息指的是对于同一个特征点,在多张不同的采集图像中所得到的信息,可以包括诸如:采集点坐标、图像采集角度等等。从而可以结合特征点的共视信息和轨迹点中所包含的相关信息从地图中提取出若干关键位置来作为拓扑节点。
例如,可以直接从轨迹点中选取出若干个点来作为拓扑节点,在这种情形下,该轨迹点中所包含的节点坐标和位姿信息即可以直接作为该拓扑节点中的节点坐标和位姿信息。
又例如,还可以基于实际需要选取若干个点(例如,景区出口、入口或者热门景点的位置等)来作为拓扑节点,在这种情形下,可能关键节点并没有被包含在建图轨迹中,那么此时还可以基于轨迹点的中所包含的相关信息(节点坐标和位姿信息)和特征点的共视信息来共同确定选取得到的关键节点的位姿信息,并所述包含位姿信息的多个关键点确定为拓扑节点。拓扑节点和轨迹点中所包含的位姿信息用于后续在导航时指示无人驾驶对象的行驶姿态。
进一步的,即可以采用有向边连接所述多个拓扑节点,将建图轨迹作为行车参考线写入所述有向边中,将所述可行驶边界对应的边界信息写入所述多个拓扑节点和所述有向边中,生成导航地图。
这里的有向边的方向即为和采图车在基于建图轨迹进行数据采集时所前进的方向相同,以保证后续在进行导航时拓扑节点中所包含的位姿信息可以用于指示无人车的位姿。例如,在建图轨迹中轨迹点轨迹点A和B的方向为A→B,那么当A和B被确定拓扑节点之后,在导航地图中的有向边同样是从A→B。
在本申请中,任意的两个拓扑节点之间都包含有一条有向边。具体在写入时,由于建图轨迹实际上是由多个包含有坐标的轨迹点所组成的,因此,可以首先基于已经确定的拓扑节点的坐标对所述建图轨迹中的轨迹点进行切分,例如,对于相邻的两个拓扑节点,分别找到在沿有向边的方向上与其相邻最近的两个目标轨迹点,并将两个目标轨迹点之间的其它轨迹点写入到该相邻的两个拓扑节点的共同边中,作为行车参考线。行车参考线用于在导航时指示无人驾驶对象沿所述行车参考线进行行驶。在这种方式下,建图轨迹被切分为多段子轨迹,拆分得到的子轨迹与有向边一一对应。
由于有向边可以视为是包含了多个点的有向数组,将建图轨迹作为行车参考线写入所述有向边中的方式可以是将建图轨迹中所包含的所有轨迹点都写入到有向边中。或者,也可以将确定所述建图轨迹中所包含的部分轨迹点,将所述部分轨迹点所对应的连线作为行车参考线写入到所述导航地图的对应的有向边中。例如,选择部分轨迹点的方式可以是先分别确定每一条边所分别对应的轨迹点,对于任一有向边,基于预先选取的筛选比例系数,例如50%,等间距均匀的滤除掉50%的筛轨迹点,并将剩余的轨迹点写入所述有向边中,从而在导航时将以剩余的轨迹点所构成的连线作为行车参考线。从而进一步的减少创建得到的导航地图中所包含的信息,创建得到的导航地图更为轻量,节省空间。
如前所述,在有向边中所包含的建图轨迹的轨迹点实际上即为采图车在进行图像采集时所经历过的点,因此,在轨迹点中也可以包含了相应的位姿信息,以作为地图导航时的行车参考线。
可行驶边界对应的边界信息可以是可行驶边界的原始的车道边界信息(例如,可行驶边界中所包含的点的坐标);也可以是基于拓扑节点、可行驶边界、以及行车参考线所计算得到的车道边界信息,例如,对于每一个拓扑节点或者行车参考线中的轨迹点,基于可行驶边界计算该点相对于左右边界的距离,并将该距离作为车道边界信息写入到拓扑节点或者行车参考线的轨迹点中(即有向边中),并用于后续的地图导航。
在本申请实施例中,基于建图轨迹创建视觉定位地图,并从中提取得到可行驶区域和各像素的像素语义,进而确定出可行驶边界和多个拓扑节点,从而可以采用有向边连接所述多个拓扑节点,将建图轨迹作为行车参考线写入所述有向边中,将所述可行驶边界对应的边界信息写入所述多个拓扑节点和所述有向边中,生成地图。从而实现构建仅包含了拓扑节点、行车参考线和可行驶边界对应的边界信息的导航地图,大大减少了建图成本和维护成本。
在一种实施例中,对于已经创建得到的地图,由于任意相邻的两个拓扑节点之间的有向边中还直接包含了行车参考线(即采图车在创建地图时所使用的建图轨迹中的部分轨迹点所对应的连线)的相关信息。
因此,对于每个潜在的待行驶路径,只需要获取该路径中依次相邻的拓扑节点中所包含的行车参考线,并依次连接所述行车参考线和拓扑节点即可以生成潜在的待行驶路径。
在一种实施例中,进行导航的过程中,还可以根据行驶路径中所包含的位姿信息实时的对车辆的位姿状态进行调整。具体而言,无人车可以在行驶过程中确定与自身位置所对应的拓扑节点,获取所述拓扑节点中所包含的位姿信息,并且实时采集周围的图像使用图像计算当前自车的实时位姿,从而可以调整自身位姿状态至匹配所述位姿信息,并根据调整后的位姿状态和所述待行驶路径进行导航行驶,通过该方式可以使得无人车在导航前进时,可以基于采图车在进行数据采集时所采用的位姿信息前进,从而保障导航的准确性。
基于待行驶路径的导航实际上全局规划,在实际行驶过程中还有可能岁数出现障碍物而需要局部规划进行调整。具体而言,可以采用深度学习所预先训练所得到的模型,基于实时采集所得到的环境图像来提取得到周围的障碍物信息(包括轿车、大巴、自行车、行人、低矮障碍物等等)。
进而可以采用诸如动态窗口算法(dynamic window approach,DWA),根据所述前方障碍物的信息和所述行驶路径,规划得到多个候选路径。例如,在前方出现障碍物时,同时给出以多个不同的角度绕开前方的障碍物并可以进行后续行驶的多个候选路径。候选路径中的路线在绕开障碍物之后仍然应当以行驶路径中所包含的行车参考线为依据。
进而从所述多个候选路径中筛选得到符合所述前方障碍物的信息和可行驶边界对应的车道边界信息的的待行驶路径。具体而言,筛选得到的待行驶路径应当需要满足可行驶边界对应的车道边界信息(即候选路径不能越过可行驶边界中的车道边界信息),同时待行驶路径应当是在满足可行驶边界时的最短路径,进而可以根据所述待行驶路径进行导航,从而选取前进方向。
在进行局部规划之后,即可以进行局部的导航从而完成导航,具体而言,在局部导航的过程中(即根据有效路径进行导航时),既可以实时的采集相关信息,并从所述待行驶路径中确定所包含的行车参考线和可行驶边界对应的边界信息,包括相关的位姿信息等等,进而可以根据自身位姿调整前进方向至匹配至所述行车参考线的前进方向,并根据所述前进方向沿所述有效路径中所包含的行车参考线和可行驶边界对应的边界信息进行导航。这个过程实际上是一个实时调整的过程,无人车可以实时采集图像并分析障碍物,从而可以即时的不断重新规划待行驶路径,并调整自身位姿以匹配行车参考线和可行驶边界对应的边界信息进行导航,直至到达目的地点。如图3所示,图3为本申请实施例所提供的进行导航时的逻辑示意框图。
本实施例的方法可以由任意适当的具有数据处理能力的车载电子设备执行,或者具有数据处理能力的自动驾驶车辆来执行。例如,在不同的应用场景下,自动驾驶车辆类型可以是物流车辆、公共服务车辆、医疗服务车辆、终端服务车辆等等。
其中,物流车辆是指物流场景中使用的车辆,例如可以是带自动分拣功能的物流车辆、带冷藏保温功能的物流车辆、带测量功能的物流车辆。对于物流车辆,可以带有自动化的分拣装置,该分拣装置可以在物流车辆到达目的地后自动把货物取出并搬送、分拣、存放。
基于此,可以在库房中预先采用采图车对仓库库房中的整体路线进行采集,预先得到包含了多个拓扑节点(拓扑节点可以对应库房中的拐角、十字口或者丁字路口等位置)的地图,每个拓扑节点中都包含了采图车在经过该点时的位姿信息和对应的边界信息。
进而,物流车辆在库房中进行移动时,即可以根据自身的起点和所需要到达的终点而在地图中基于车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点而得到多条潜在的待行驶路径,并最终从中选择得到条最短或者耗时最短的行驶路径进行行驶。
又例如,在景区中的公共服务车辆需要为游客提供到达某个景点或者出入口等特定位置的服务。因此,可以在该景区中首先采用采图车基于景区中的道路进行移动采集数据,采图车在采集数据时所经过的路线即为建图轨迹(建图轨迹可以预先指定通过景区中的特定景点、出入口、休息区等地方),采图车即基于建图轨迹采集环境数据,并创建包含多个特征点的视觉定位地图。进而可以基于前述方案从视觉定位地图每隔一定距离,选取一轨迹点作为拓扑节点,以及,还可以选取特定景点、出入口、休息区等位置所对应的轨迹点作为拓扑节点,从而提取得到多个拓扑节点,并创建得到导航地图。
进而,当游客需要使用公共服务车辆到达游客所指定的终点时,只需要在公共服务车辆的中输入终点(例如,公共服务车辆的显示界面中显示景区中的各位置,游客可以通过触摸屏触摸直接输入终点),进而,地图即从当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点组成多个潜在的待行驶路径,并选择耗时最短或者距离最近的潜在的待行驶路径作为待行驶路径。
其中,终端服务车辆是指可代替一些终端设备面向用户提供某种便利服务的自助型的自动驾驶车辆,例如这些车辆可以为用户提供打印、考勤、扫描、开锁、支付、零售等服务。
例如,在一些应用场景中,用户经常需要到特定位置去打印或扫描文档,费时费力。于是,出现一种可以为用户提供打印/扫描服务的终端服务车辆,这些服务车辆可以与用户终端设备互联,用户通过终端设备发出打印指令,服务车辆响应打印指令,自动打印用户所需的文档并可自动将打印出的文档送至用户位置,用户无需去打印机处排队,可极大地提高打印效率。或者,可以响应用户通过终端设备发出的扫描指令,移动至用户位置,用户将待扫描的文档放置的服务车辆的扫描工具上完成扫描,无需到打印/扫描机处排队,省时省力。这就涉及到在打印/扫描服务的场景中如何对周围的环境进行地图的创建并响应用户的打印/扫描指令进行自动的车辆导航。
又例如,随着新零售服务的开展,越来越多的电商借助于自助售货机将商品销售送到了各大办公楼、公共区,但这些自助售货机被放置在固定位置,不可移动,用户需要到该自助售货机跟前才能购买所需商品,便利性还是较差。于是出现了可提供零售服务的自助驾驶车辆,这些服务车辆可以承载商品自动移动,并可提供对应的自助购物类APP或购物入口,用户借助于手机等终端通过APP或购物入口可以向提供零售服务的自动驾驶车辆进行下单,该订单中包括待购买的商品名称、数量以及用户位置,该车辆收到下单请求之后,可以确定当前剩余商品是否具有用户购买的商品以及数量是否足够,在确定具有用户购买的商品且数量足够的情况下,可携带这些商品自动移动至用户位置,将这些商品提供给用户,进一步提高用户购物的便利性,节约用户时间,让用户将时间用于更为重要的事情上。这就涉及到在自动销售的场景中如何对周围的环境进行地图的创建并响应用户的购买指令进行自动的车辆导航。
基于此,可以在预先采用采图车对办公楼中的整体路线进行采集,预先得到包含了多个拓扑节点(拓扑节点可以对应办公楼中的拐角、十字口或者丁字路口等位置)的地图,每个拓扑节点中都包含了采图车在经过该点时的位姿信息和对应的边界信息。进而,终端服务车辆在办公楼中进行移动时,即可以根据自身的起点和所需要到达的终点而在地图中基于车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点而得到多条潜在的待行驶路径,并最终从中选择得到条最短或者耗时最短的行驶路径进行行驶。
与第一方面对应的本申请实施例提供一种导航装置,如图4所示,图4为本申请实施例所提供的的一种导航装置的示意图,包括:
获取模块401,获得当前时刻的车辆实时位姿、车道边界信息、以及障碍物信息;
导航模块403,根据所述当前时刻的车辆实时位姿、所述车道边界信息、以及所述障碍物信息,在多个潜在的待行驶路径中选择下一时刻的待行驶路径;其中,所述多个潜在的待行驶路径为地图中从当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点组成的路径。
进一步地,所述装置还包括创建模块405,基于建图轨迹采集环境数据,创建包含多个特征点的视觉定位地图;从所述视觉定位图像中提取出车辆的可行驶区域,以及,确定所述视觉定位图像中像素的像素语义;根据所述像素语义确定所述特征点的语义,以及,根据所述特征点的语义和所述可行驶区域确定车辆的可行驶边界;根据所述建图轨迹和采集环境数据时所得到的多张环境图像中对于特征点的共视信息,从所述视觉定位地图中提取出多个拓扑节点。
进一步地,所述装置还包括写入模块407,采用有向边连接所述多个拓扑节点,将建图轨迹作为行车参考线写入所述有向边中,将所述可行驶边界对应的车道边界信息写入所述多个拓扑节点和所述有向边中,生成地图。
进一步地,所述创建模块405,投影语义满足预设条件的特征点,确定投影后的特征点的投影坐标;确定投影坐标落入所述可行驶区域的特征点;根据投影坐标落入所述可行驶区域的特征点的坐标计算得到所述可行驶边界。
进一步地,所述创建模块405,从所述视觉定位地图选取出多个关键点,根据采集环境数据时所得到的多张环境图像中对于特征点的共视信息和建图轨迹中的轨迹点所包含的位姿信息确定所述多个关键点分别对应的位姿信息,其中,所述轨迹点所包含的位姿信息为采集数据时经过该点所对应的位姿信息;将所述包含位姿信息的多个关键点确定为拓扑节点。
进一步地,所述导航模块403,确定所述起始拓扑节点到所述终点拓扑节点的拓扑节点路径,所述拓扑节点路径中包含多个依次相邻的拓扑节点;获取依次相邻的拓扑节点中所包含的行车参考线,依次连接所述行车参考线和拓扑节点生成潜在的待行驶路径。
进一步地,所述装置还包括调整模块409,在所述待行驶路径中确定与自身位置所对应的拓扑节点,获取所述拓扑节点中所包含的位姿信息;调整自身位姿状态至匹配所述位姿信息;根据调整后的位姿状态和所述待行驶路径进行行驶。
进一步地,所述导航模块403,根据所述障碍物信息和所述待行驶路径,规划得到多个潜在的待行驶路径;从所述多个潜在的待行驶路径筛选得到符合所述车道边界信息的待行驶路径。本实施例的导航装置用于实现前述多个方法实施例中相应的导航方法,并具有相应的方法实施例的有益效果,在此不再赘述。此外,本实施例的导航收置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述,在此亦不再赘述。
图5为本申请实施例所提供的一种电子设备的结构示意图,本申请具体实施例并不对电子设备的具体实现做限定。
如图5所示,该电子设备可以包括:处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、通信总线508。
其中:
处理器502、通信接口504、和存储器506通过通信总线608完成相互间的通信。
通信接口504,用于与其它电子设备或服务器进行通信。
处理器502,用于执行程序510,具体可以执行上述方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行如第一方面所述的操作。
本申请实施例的第三方面,还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一所述的方法。
需要指出,根据实施的需要,可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的方法。此外,当通用计算机访问用于实现在此示出的方法的代码时,代码的执行将通用计算机转换为用于执行在此示出的方法的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例,而并非对本申请实施例的限制,有关技术领域的普通技术人员,在不脱离本申请实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本申请实施例的范畴,本申请实施例的专利保护范围应由权利要求限定。
Claims (10)
1.一种导航方法,包括:
获得当前时刻的车辆实时位姿、车道边界信息、以及障碍物信息;
根据所述当前时刻的车辆实时位姿、所述车道边界信息、以及所述障碍物信息,在多个潜在的待行驶路径中选择下一时刻的待行驶路径;
其中,所述多个潜在的待行驶路径为地图中从当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点组成的路径。
2.根据权利要求1所述的方法,其中,所述地图中的拓扑节点通过如下方式进行创建:
基于建图轨迹采集环境数据,创建包含多个特征点的视觉定位地图;
从所述视觉定位图像中提取出车辆的可行驶区域,以及,确定所述视觉定位图像中像素的像素语义;
根据所述像素语义确定所述特征点的语义,以及,根据所述特征点的语义和所述可行驶区域确定车辆的可行驶边界;
根据所述建图轨迹和采集环境数据时所得到的多张环境图像中对于特征点的共视信息,从所述视觉定位地图中提取出多个拓扑节点。
3.根据权利要求2所述的方法,其中,所述方法还包括:
采用有向边连接所述多个拓扑节点,将建图轨迹作为行车参考线写入所述有向边中,将所述可行驶边界对应的车道边界信息写入所述多个拓扑节点和所述有向边中,生成地图。
4.如权利要求2所述的方法,其中,根据所述特征点的语义和所述可行驶区域确定车辆的可行驶边界,包括:
投影语义满足预设条件的特征点,确定投影后的特征点的投影坐标;
确定投影坐标落入所述可行驶区域的特征点;
根据投影坐标落入所述可行驶区域的特征点的坐标计算得到所述可行驶边界。
5.如权利要求2所述的方法,其中,根据所述建图轨迹和采集环境数据时所得到的多张环境图像中对于特征点的共视信息,从所述视觉定位地图中提取出多个拓扑节点,包括:
从所述视觉定位地图选取出多个关键点,根据采集环境数据时所得到的多张环境图像中对于特征点的共视信息和建图轨迹中的轨迹点所包含的位姿信息确定所述多个关键点分别对应的位姿信息,其中,所述轨迹点所包含的位姿信息为采集数据时经过该点所对应的位姿信息;
将所述包含位姿信息的多个关键点确定为拓扑节点。
6.如权利要求3所述的方法,其中,所述潜在的待行驶路径由如下方式生成:
确定所述起始拓扑节点到所述终点拓扑节点的拓扑节点路径,所述拓扑节点路径中包含多个依次相邻的拓扑节点;
获取依次相邻的拓扑节点中所包含的行车参考线,依次连接所述行车参考线和拓扑节点生成潜在的待行驶路径。
7.如权利要求书6所述的方法,其中,还包括:
在所述待行驶路径中确定与自身位置所对应的拓扑节点,获取所述拓扑节点中所包含的位姿信息;
调整自身位姿状态至匹配所述位姿信息;
根据调整后的位姿状态和所述待行驶路径进行行驶。
8.如权利要求6所述的方法,其中,在多个潜在的待行驶路径中选择下一时刻的待行驶路径,包括:
根据所述障碍物信息和所述待行驶路径,规划得到多个潜在的待行驶路径;
从所述多个潜在的待行驶路径筛选得到符合所述车道边界信息的待行驶路径。
9.一种导航装置,包括:
获取模块,获得当前时刻的车辆实时位姿、车道边界信息、以及障碍物信息;
选择模块,根据所述当前时刻的车辆实时位姿、所述车道边界信息、以及所述障碍物信息,在多个潜在的待行驶路径中选择下一时刻的待行驶路径;
其中,所述多个潜在的待行驶路径为地图中从当前时刻的车辆所在的地图拓扑节点到终点拓扑节点的参考连接拓扑节点组成的路径。
10.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110586785.5A CN115406453A (zh) | 2021-05-27 | 2021-05-27 | 一种导航方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110586785.5A CN115406453A (zh) | 2021-05-27 | 2021-05-27 | 一种导航方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115406453A true CN115406453A (zh) | 2022-11-29 |
Family
ID=84156126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110586785.5A Pending CN115406453A (zh) | 2021-05-27 | 2021-05-27 | 一种导航方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115406453A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115655261A (zh) * | 2022-12-09 | 2023-01-31 | 深圳鹏行智能研究有限公司 | 地图生成方法、装置、机器人以及存储介质 |
-
2021
- 2021-05-27 CN CN202110586785.5A patent/CN115406453A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115655261A (zh) * | 2022-12-09 | 2023-01-31 | 深圳鹏行智能研究有限公司 | 地图生成方法、装置、机器人以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3673407B1 (en) | Automatic occlusion detection in road network data | |
JP7349792B2 (ja) | 車両走行のための情報を提供する方法 | |
US10331957B2 (en) | Method, apparatus, and system for vanishing point/horizon estimation using lane models | |
KR102595897B1 (ko) | 차선 결정 방법 및 장치 | |
CN112212874B (zh) | 车辆轨迹预测方法、装置、电子设备及计算机可读介质 | |
US7831387B2 (en) | Visually-oriented driving directions in digital mapping system | |
CN109937343A (zh) | 用于自动驾驶车辆交通预测中的预测轨迹的评估框架 | |
US8953838B2 (en) | Detecting ground geographic features in images based on invariant components | |
CN109429518A (zh) | 基于地图图像的自动驾驶交通预测 | |
EP3343172A1 (en) | Creation and use of enhanced maps | |
CN109491375A (zh) | 用于自动驾驶车辆的基于驾驶场景的路径规划 | |
CN110796714B (zh) | 一种地图构建方法、装置、终端以及计算机可读存储介质 | |
WO2019173009A1 (en) | Automatic identification of roadside objects for localization | |
CN110763250B (zh) | 用于处理定位信息的方法和装置以及系统 | |
CN101842808A (zh) | 用于产生车道信息的方法及设备 | |
JP2011227888A (ja) | 画像処理システム及び位置測位システム | |
WO2020007589A1 (en) | Training a deep convolutional neural network for individual routes | |
CN112650772B (zh) | 数据处理方法、装置、存储介质及计算机设备 | |
CN111325788A (zh) | 一种基于街景图片的建筑物高度确定方法 | |
CN112950972A (zh) | 一种停车场地图构建方法、装置、设备和介质 | |
CN114495568A (zh) | 一种泊车方法、设备、存储介质和泊车系统 | |
CN115344655A (zh) | 地物要素的变化发现方法、装置及存储介质 | |
CN111854766A (zh) | 一种道路信息确定方法、装置、电子设备及存储介质 | |
CN115406453A (zh) | 一种导航方法、装置及计算机存储介质 | |
CN112651991A (zh) | 视觉定位方法、装置及计算机系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230717 Address after: Room 437, Floor 4, Building 3, No. 969, Wenyi West Road, Wuchang Subdistrict, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Wuzhou Online E-Commerce (Beijing) Co.,Ltd. Address before: Room 01, 45 / F, AXA building, 8 Shanton Road, Singapore Applicant before: Alibaba Singapore Holdings Ltd. |
|
TA01 | Transfer of patent application right |