CN115454369A - 自动驾驶载具变道显示方法、设备和计算机可读存储介质 - Google Patents
自动驾驶载具变道显示方法、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN115454369A CN115454369A CN202211202155.4A CN202211202155A CN115454369A CN 115454369 A CN115454369 A CN 115454369A CN 202211202155 A CN202211202155 A CN 202211202155A CN 115454369 A CN115454369 A CN 115454369A
- Authority
- CN
- China
- Prior art keywords
- curve
- path
- automatic driving
- interpolation
- curvature
- 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 36
- 230000008859 change Effects 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000009877 rendering Methods 0.000 claims abstract description 15
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
- G06F3/1407—General aspects irrespective of display type, e.g. determination of decimal point position, display with fixed or driving decimal point, suppression of non-significant zeros
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种自动驾驶载具变道显示方法、设备和计算机可读存储介质。该方法包括：获取自动驾驶载具当前时刻的状态信息，其中，状态信息包括自动驾驶载具的位置、速度和朝向数据；根据自动驾驶载具当前时刻的状态信息，预测自动驾驶载具从当前位置变道至目标位置时弯道长度和弯道曲率；若弯道长度大于预设阈值长度和/或弯道曲率大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线；在目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示。本申请的技术方案可以使自动驾驶载具行驶的相关视频流畅。
Description
技术领域
本申请涉及自动驾驶领域，尤其涉及自动驾驶载具变道显示方法、设备和计算机可读存储介质。
背景技术
随着技术的发展、成本的降低以及相关法规、政策的落地，自动驾驶已经逐渐进入实用阶段，自动驾驶载具日益普及到人们的出行活动中。自动驾驶载具是按照实时生成或者既有路径行驶，与传统的有人驾驶类似，在自动驾驶载具按照路径行驶过程中，不可避免地需要变道。自动驾驶载具变道时，相关视频会显示自动驾驶载具的变道过程。理想情况下，自动驾驶载具变道时，视频画面也应当是平滑或流畅的，然而，相关技术中，自动驾驶载具在变道时，轨迹呈折线，并不平滑，相关视频也会出现卡顿和/或掉帧。
发明内容
为解决或部分解决相关技术中存在的问题，本申请提供一种自动驾驶载具变道显示方法、设备和计算机可读存储介质，可以使自动驾驶载具行驶的相关视频流畅。
本申请第一方面提供一种自动驾驶载具变道显示方法，包括：
获取自动驾驶载具当前时刻的状态信息，所述状态信息包括所述自动驾驶载具的位置、速度和朝向数据；
根据所述自动驾驶载具当前时刻的状态信息，预测所述自动驾驶载具从当前位置变道至目标位置时弯道长度和曲率；
若所述弯道长度大于预设阈值长度和/或所述弯道曲率大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，所述初始路径曲线为弯道长度大于所述预设阈值长度和/或弯道曲率大于所述预设阈值曲率的弯道对应的路径曲线，所述目标弯道的弯道长度小于所述预设阈值长度和/或弯道曲率小于所述预设阈值曲率；
在所述目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示。
本申请第二方面提供一种自动驾驶载具变道显示装置，包括：
获取模块，用于获取自动驾驶载具当前时刻的状态信息，所述状态信息包括所述自动驾驶载具的位置、速度和朝向数据；
预测模块，用于根据所述自动驾驶载具当前时刻的状态信息，预测所述自动驾驶载具从当前位置变道至目标位置时弯道长度和曲率；
插值模块，用于若所述弯道长度大于预设阈值长度和/或所述弯道曲率大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，所述初始路径曲线为弯道长度大于所述预设阈值长度和/或弯道曲率大于所述预设阈值曲率的弯道对应的路径曲线，所述目标弯道的弯道长度小于所述预设阈值长度和/或弯道曲率小于所述预设阈值曲率；
显示模块，用于在所述目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示。
本申请第三方面提供一种电子设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果：在根据自动驾驶载具当前时刻的状态信息预测自动驾驶载具从当前位置变道至目标位置时弯道长度和弯道曲率后，判断该弯道长度是否大于预设阈值长度和/或弯道曲率是否大于预设阈值曲率，若大于预设阈值长度和/或大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线。由于最后得到的是目标弯道的平滑路径曲线，因此，在目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示时，不会出现自动驾驶载具行驶的相关视频丢帧的情形，使得视频播放的画面更加流畅。
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，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请实施例示出的自动驾驶载具变道显示方法的流程示意图；
图2是本申请实施例示出的自动驾驶载具变道显示装置的结构示意图；
图3是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
随着技术的发展、成本的降低以及相关法规、政策的落地，自动驾驶已经逐渐进入实用阶段，自动驾驶载具日益普及到人们的出行活动中。自动驾驶载具是按照实时生成或者既有路径行驶，与传统的有人驾驶类似，在自动驾驶载具按照路径行驶过程中，不可避免地需要变道。自动驾驶载具变道时，相关视频会显示自动驾驶载具的变道过程。理想情况下，自动驾驶载具变道时，视频画面也应当是平滑或流畅的，然而，相关技术中，自动驾驶载具在变道时，轨迹呈折线，并不平滑，相关视频也会出现卡顿和/或掉帧。
针对上述问题，本申请实施例提供一种自动驾驶载具变道显示方法，可以使自动驾驶载具行驶的相关视频流畅。
以下结合附图详细描述本申请实施例的技术方案。
参见图1，是本申请实施例示出的自动驾驶载具变道显示方法的流程示意图，主要包括步骤S101至步骤S104，说明如下：
步骤S101：获取自动驾驶载具当前时刻的状态信息，其中，状态信息包括自动驾驶载具的位置、速度和朝向数据。
在本申请实施例中，自动驾驶载具为搭载各种传感器的自动移动工具，包括基于自动驾驶技术的车辆、机器人、船舶和飞行器等等，其搭载的传感器包括相机、激光雷达以及轮式里程计、惯性测量单元等运动类传感器和全球卫星定位系统在内的定位模块，因此，自动驾驶载具当前时刻的状态信息可以通过全球卫星定位系统获取，在卫星信号不佳的情况下，自动驾驶载具当前时刻的状态信息还可以通过移动工具搭载的轮式里程计、惯性测量单元等运动类传感器获取。当然，在卫星信号较好的情况下，可以通过两种方案的融合得到自动驾驶载具当前时刻的状态信息，还可以通过自动驾驶载具搭载的各种相机(例如，单目相机、双目相机、深度相机等)等视觉设备，将视觉设备获取的图像融合卫星信号和/或运动类传感器获取的数据，计算得到自动驾驶载具的位置、速度和朝向等状态信息。
步骤S102：根据自动驾驶载具当前时刻的状态信息，预测自动驾驶载具从当前位置变道至目标位置时弯道长度和弯道曲率。
在本申请实施例中，根据自动驾驶载具当前时刻的位置、速度和朝向等状态信息以及行驶意图(例如，左拐、右拐、变道、超速等)预测自动驾驶载具从当前位置变道至目标位置时的弯道长度和弯道曲率。需要说明的是，此处弯道长度和弯道曲率的弯道，并非一定是自动驾驶载具所行驶的道路或飞行的空间，而是指通过预测得到的自动驾驶载具从当前位置变道至目标位置时的轨迹或路径。例如，自动驾驶载具所行驶的道路可能是直路，但变道时其行驶轨迹变为弯曲的。
步骤S103：若弯道长度大于预设阈值长度和/或弯道曲率大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，其中，初始路径曲线为弯道长度大于预设阈值长度和/或弯道曲率大于预设阈值曲率的弯道对应的路径曲线，目标弯道的弯道长度小于预设阈值长度和/或弯道曲率小于预设阈值曲率。
若自动驾驶载具从当前位置变道至目标位置时的弯道长度大于预设阈值长度和/或弯道曲率大于预设阈值曲率，则变道时容易出现视频画面的卡顿，其背后的数学原理在于自动驾驶载具的行驶曲线不连续可导，因此，需要通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，该目标弯道的弯道长度小于预设阈值长度和/或弯道曲率小于预设阈值曲率。作为本申请一个实施例，通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线可以通过步骤S1031至步骤S1034实现，详细说明如下：
步骤S1031：根据第一插值密度，在初始路径曲线中的原始路径点间进行插值，得到第一插值曲线，其中，第一插值曲线中包括多个插值路径点。
初始路径曲线的原始路径点是初始路径曲线上的路径点。初始路径曲线是一条曲线，初始路径曲线的曲率表示初始路径曲线在某一点的弯曲程度，与自动驾驶载具的朝向相对应。初始路径曲线的曲率的变化率表示曲率的变化程度，与自动驾驶载具的方向盘的转向速度相对应。在本申请实施例中，若初始路径曲线的长度、曲率和曲率变化率都偏大，不仅影响自动驾驶载具行驶的平稳性和舒适度，而且，自动驾驶载具行驶的相关视频还会出现卡顿，因此，需要减小初始路径曲线的长度、曲率和曲率变化率，使初始路径曲线变平滑。首先，根据第一插值密度，在初始路径曲线中的原始路径点间进行插值，得到第一插值曲线，其中，插值是在一组已知数据点的范围内添加新数据点。在本申请实施例中，第一插值密度表现为第一插值的插值间距大小，例如，若第一插值的插值间距大于预设阈值间隔，则意味着在单位长度内能够插值的位置较少，体现为第一插值密度较小，反之，若第一插值的插值间距小于预设阈值间隔，则意味着在单位长度内能够插值的位置较多，体现为第一插值密度较大。
步骤S1032：根据采样步长，在各插值路径点中遴选第一采样路径点，并根据第二插值密度，在各第一采样路径点间进行插值，得到候选路径曲线。
在本申请实施例中，初始路径曲线为与高精地图中各路径匹配的路径规划结果，初始路径曲线的各原始路径点间的间距不均匀。路径越笔直，与该段路径对应的各原始路径点间的间距越大，路径越弯曲，与该段路径对应的各原始路径点间的间距越小。采样步长是指在第一路径点中遴选的采样路径点间的间距，采样步长的初始值可以设置为一个较大的数值，例如，可以将采样步长设置为40m。采样步长越大，对根据采样步长遴选出来的采样路径点进行插值得到的路径曲线越平滑，曲率和曲率的变化率越小。采样路径点是按照采样步长在第一路径点中均匀遴选出来的点，各采样路径点之间的间距相同，且间距都为采样间隔。在本申请实施例中，由于原始路径点间的间距不均匀，对原始路径点间进行插值得到的第一插值曲线，曲率和曲率变化率并不是最优结果，因此，需要以第一插值曲线上的第一路径点为基础，均匀遴选采样路径点。均匀遴选采样路径点进行插值的益处在于可以获得曲率和曲率变化率最优的路径曲线。
步骤S1033：若各原始路径点到候选路径曲线之间的距离不满足距离条件，则遴选第二采样路径点。
具体地，若任一原始路径点到候选路径曲线的距离超过预设距离数值，则确定各原始路径点到候选路径曲线间的距离不满足距离条件，此时，需要遴选第二采样路径点。作为本申请一个实施例，遴选第二采样路径点可以是：在各初始路径曲线的原始路径点中，获取到候选路径曲线的距离超过预设距离数值的目标路径点；分别获取各目标路径点在候选路径曲线上的特定交叉点；根据特定交叉点在候选路径曲线上的位置，构造至少一个特定交叉点集合；根据当前处理的特定交叉点集合内各特定交叉点在候选路径曲线上的位置，在各采样路径点中确定最左路径点和最右路径点；在最左路径点和最右路径点之间确定第二采样路径点；返回执行根据当前处理的特定交叉点集合内各特定交叉点在候选路径曲线上的位置，在各采样路径点中确定最左路径点和最右路径点的操作，直至完成对全部特定交叉点集合的处理，其中，特定交叉点为从各目标路径点向候选路径曲线所在坐标系的横轴做垂线时与候选路径曲线的交点。上述实施例中，可以将横坐标最小的特定交叉点对应的左毗邻路径点作为最左路径点，将横坐标最大的特定交叉点对应的右毗邻路径点作为最右路径点，具体地，根据当前处理的特定交叉点集合内各特定交叉点在候选路径曲线上的位置，在各采样路径点中确定最左路径点和最右路径点可以是：在候选路径曲线上的各采样路径点中，分别获取与当前处理的特定交叉点集合内各特定交叉点距离最近的左毗邻路径点和右毗邻路径点；在各左毗邻路径点和各右毗邻路径点中，确定最左路径点和最右路径点。
步骤S1034：在第二采样路径点后，返回执行根据第二插值密度，在各第一采样路径点间进行插值，得到候选路径曲线的操作，直至满足距离条件，生成目标弯道的平滑路径曲线。
若候选路径曲线与原始路径曲线之间存在较大的偏差，则会影响自动驾驶载具路径规划的准确性，因此，需要重新选择采样路径点，重新进行插值，直到获得与原始路径曲线之间偏差较小的候选路径曲线，以达到路径曲线的平滑度和准确度之间的平衡。
作为本申请另一实施例，通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线还可以通过步骤S’1031至步骤S’1033实现，详细说明如下：
步骤S’1031：获取自动驾驶载具在当前时刻的当前状态数据以及所述自动驾驶载具在上一时刻的历史状态数据，其中，当前状态数据包括当前时刻和自动驾驶载具在当前时刻的当前坐标，历史状态数据包括上一时刻和自动驾驶载具在上一时刻的历史坐标。
步骤S’1032：计算自动驾驶载具当前状态数据与历史状态数据之间的差异，对该差异进行插值处理，得到若干个第一插值点。
在本申请实施例中，第一插值点之间的间隔插值点数量大于或等于人眼所能分辨的最低帧率，当前状态数据与历史状态数据之间的差异包括时间差和距离差。需要说明的是，在计算自动驾驶载具当前状态数据与历史状态数据之间的差异时，应当在同类型的数据之间进行计算，例如，根据自动驾驶载具当前时刻与历史时刻之间的插值得到当前状态数据与历史状态数据之间的差异，或者，根据当前坐标与历史坐标之间的插值得到当前状态数据与历史状态数据之间的差异，等等。
在上述实施例中，在获取若干个第一插值点对应的插值坐标时，还可以根据当前时刻坐标判断自动驾驶载具是否位于交通复杂路段；若自动驾驶载具不是位于交通复杂路段，则获取自动驾驶载具在下一时刻的将来状态数据；根据自动驾驶载具在当前时刻的当前状态数据以及自动驾驶载具在下一时刻的将来状态数据之间的差异，对该差异进行插值处理，得到若干个第二插值点；将第一插值点对应的坐标以及第二插值点对应的坐标作为插值坐标。上述实施例中，自动驾驶载具在下一时刻的将来状态数据包括下一时刻该自动驾驶载具在下一时刻的坐标；与前述实施例类似，第二插值点的数量也要大于或等于人眼所能分辨的最低帧率。
步骤S’1033：获取若干个第一插值点对应的插值坐标，并根据插值坐标将若干个第一插值点拟合成目标弯道的平滑路径曲线。
步骤S104：在目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示。
在本申请实施例中，在目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图可以是任意渲染方法，此外，自动驾驶载具模型图可以是真实自动驾驶载具的缩小版，亦可以是自动驾驶载具的示意图，本申请实施例对此不做限制。另外，考虑到自动驾驶载具可能配备司机，导航视频播放所在客户端的屏幕锁定屏后，屏幕往往将处于黑屏状态，司机只能听取播放的语音信息。若司机要查看详细的导航信息，需要点亮屏幕后解锁，然后找到相应的应用图标，再将应用切换至前台，操作繁杂。为了改善上述状况，在本申请一个实施例中，在目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示可以是：检测导航视频播放所在客户端是否处于屏幕锁定状态；若导航视频播放所在客户端处于屏幕锁定状态，则对客户端中导航应用的实时导航信息进行实时获取，得到实时导航信息下的自动驾驶载具模型图；基于当前屏幕锁定状态下的图形渲染内存，在目标弯道的平滑路径曲线上连续渲染出实时导航信息下的自动驾驶载具模型图后显示在屏幕锁定状态时的屏幕上。进一步地，若检测到上述导航应用正在导航中，则发送屏幕点亮指令以使自动驾驶载具模型图在屏幕锁定状态时的屏幕上进行显示。上述实施例中，基于当前屏幕锁定状态下的图形渲染内存，在目标弯道的平滑路径曲线上连续渲染出实时导航信息下的自动驾驶载具模型图后显示在屏幕锁定状态时的屏幕，因此导航时可以不断将自动驾驶载具模型图等导航元素实时地更新至屏幕锁定状态后的屏幕上进行显示，增强了信息传输的效率，用户也无需经过解锁屏幕，寻到、切换至导航应用到前台等一系列操作查看导航应用，就可以直接观看自动驾驶载具模型图等导航元素进行导航。
从上述图1示例的自动驾驶载具变道显示方法可知，在根据自动驾驶载具当前时刻的状态信息预测自动驾驶载具从当前位置变道至目标位置时弯道长度和弯道曲率后，判断该弯道长度是否大于预设阈值长度和/或弯道曲率是否大于预设阈值曲率，若大于预设阈值长度和/或大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线。由于最后得到的是目标弯道的平滑路径曲线，因此，在目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示时，不会出现自动驾驶载具行驶的相关视频丢帧的情形，使得视频播放的画面更加流畅。
与前述应用功能实现方法实施例相对应，本申请还提供了一种自动驾驶载具变道显示装置、电子设备及相应的实施例。
参见图2，是本申请实施例示出的自动驾驶载具变道显示装置的结构示意图。为了便于说明，仅示出了与本申请实施例相关的部分。图2示例的自动驾驶载具变道显示装置主要包括获取模块201、预测模块202、插值模块203和显示模块204，其中：
获取模块201，用于获取自动驾驶载具当前时刻的状态信息，其中，状态信息包括自动驾驶载具的位置、速度和朝向数据；
预测模块202，用于根据自动驾驶载具当前时刻的状态信息，预测自动驾驶载具从当前位置变道至目标位置时弯道长度和弯道曲率；
插值模块203，用于若弯道长度大于预设阈值长度和/或弯道曲率大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，其中，初始路径曲线为弯道长度大于预设阈值长度和/或弯道曲率大于预设阈值曲率的弯道对应的路径曲线，目标弯道的弯道长度小于预设阈值长度和/或弯道曲率小于预设阈值曲率；
显示模块204，用于在目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示。
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，此处将不再做详细阐述说明。
从上述图2示例的自动驾驶载具变道显示装置可知，在根据自动驾驶载具当前时刻的状态信息预测自动驾驶载具从当前位置变道至目标位置时弯道长度和弯道曲率后，判断该弯道长度是否大于预设阈值长度和/或弯道曲率是否大于预设阈值曲率，若大于预设阈值长度和/或大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线。由于最后得到的是目标弯道的平滑路径曲线，因此，在目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示时，不会出现自动驾驶载具行驶的相关视频丢帧的情形，使得视频播放的画面更加流畅。
图3是本申请实施例示出的电子设备的结构示意图。
参见图3，电子设备300包括存储器310和处理器320。
处理器320可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器310可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器320或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器310可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器310可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器310上存储有可执行代码，当可执行代码被处理器320处理时，可以使处理器320执行上文述及的方法中的部分或全部。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种自动驾驶载具变道显示方法，其特征在于，所述方法包括：
获取自动驾驶载具当前时刻的状态信息，所述状态信息包括所述自动驾驶载具的位置、速度和朝向数据；
根据所述自动驾驶载具当前时刻的状态信息，预测所述自动驾驶载具从当前位置变道至目标位置时弯道长度和弯道曲率；
若所述弯道长度大于预设阈值长度和/或所述弯道曲率大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，所述初始路径曲线为弯道长度大于所述预设阈值长度和/或弯道曲率大于所述预设阈值曲率的弯道对应的路径曲线，所述目标弯道的弯道长度小于所述预设阈值长度和/或弯道曲率小于所述预设阈值曲率；
在所述目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示。
2.根据权利要求1所述的自动驾驶载具变道显示方法，其特征在于，所述通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，包括：
根据第一插值密度，在所述初始路径曲线中的原始路径点间进行插值，得到第一插值曲线，所述第一插值曲线中包括多个插值路径点；
根据采样步长，在各所述插值路径点中遴选第一采样路径点，并根据第二插值密度，在各第一采样路径点间进行插值，得到候选路径曲线；
若所述各原始路径点到候选路径曲线之间的距离不满足距离条件，则遴选第二采样路径点；
在遴选第二采样路径点后，返回执行根据第二插值密度，在各第一采样路径点间进行插值，得到候选路径曲线的操作，直至满足所述距离条件，生成所述目标弯道的平滑路径曲线。
3.根据权利要求2所述的自动驾驶载具变道显示方法，其特征在于，所述遴选第二采样路径点，包括：
在各所述原始路径点中，获取到候选路径曲线的距离超过预设距离数值的目标路径点；
分别获取各目标路径点在候选路径曲线上的特定交叉点，所述特定交叉点为从各目标路径点向候选路径曲线所在坐标系的横轴做垂线时与候选路径曲线的交点；
根据特定交叉点在候选路径曲线上的位置，构造至少一个特定交叉点集合；
根据当前处理的特定交叉点集合内各特定交叉点在所述候选路径曲线上的位置，在各采样路径点中确定最左路径点和最右路径点；
在所述最左路径点和所述最右路径点之间确定所述第二采样路径点；
返回执行根据当前处理的特定交叉点集合内各特定交叉点在所述候选路径曲线上的位置，在各采样路径点中确定最左路径点和最右路径点的操作，直至完成对全部特定交叉点集合的处理。
4.根据权利要求3所述的自动驾驶载具变道显示方法，其特征在于，所述根据当前处理的特定交叉点集合内各特定交叉点在所述候选路径曲线上的位置，在各采样路径点中确定最左路径点和最右路径点，包括：
在所述候选路径曲线上的各采样路径点中，分别获取与当前处理的特定交叉点集合内各特定交叉点距离最近的左毗邻路径点和右毗邻路径点；
在各左毗邻路径点和各右毗邻路径点中，确定所述最左路径点和最右路径点。
5.根据权利要求1所述的自动驾驶载具变道显示方法，其特征在于，所述通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，包括：
获取所述自动驾驶载具在当前时刻的当前状态数据以及所述自动驾驶载具在上一时刻的历史状态数据，所述当前状态数据包括当前时刻和所述自动驾驶载具在当前时刻的当前坐标，所述历史状态数据包括上一时刻和所述自动驾驶载具在上一时刻的历史坐标；
计算所述当前状态数据与历史状态数据之间的差异，对所述差异进行插值处理，得到若干个第一插值点；
获取若干个第一插值点对应的插值坐标，并根据所述插值坐标将所述若干个第一插值点拟合成所述目标弯道的平滑路径曲线。
6.根据权利要求5所述的自动驾驶载具变道显示方法，其特征在于，所述方法还包括：
获取若干个第一插值点对应的插值坐标时，根据当前时刻坐标判断所述自动驾驶载具是否位于交通复杂路段；
若所述自动驾驶载具不是位于交通复杂路段，则获取所述自动驾驶载具在下一时刻的将来状态数据，所述将来状态数据包括下一时刻所述自动驾驶载具在下一时刻的坐标；
根据所述自动驾驶载具在当前时刻的当前状态数据以及所述自动驾驶载具在下一时刻的将来状态数据之间的差异，对所述差异进行插值处理，得到若干个第二插值点；
将第一插值点对应的坐标以及第二插值点对应的坐标作为插值坐标。
7.根据权利要求1所述的自动驾驶载具变道显示方法，其特征在于，所述在所述目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示，包括：
检测导航视频播放所在客户端是否处于屏幕锁定状态；
若所述导航视频播放所在客户端处于屏幕锁定状态，则对所述客户端中导航应用的实时导航信息进行实时获取，得到所述实时导航信息下的自动驾驶载具模型图；
基于当前屏幕锁定状态下的图形渲染内存，在所述弯道较小的平滑路径曲线上连续渲染出所述实时导航信息下的自动驾驶载具模型图后显示在所述屏幕锁定状态时的屏幕上。
8.根据权利要求7所述的自动驾驶载具变道显示方法，其特征在于，所述方法还包括：
若检测到所述导航应用正在导航中，则发送屏幕点亮指令以使所述自动驾驶载具模型图在屏幕锁定状态时的屏幕上进行显示。
9.一种自动驾驶载具变道显示装置，其特征在于，所述装置包括：
获取模块，用于获取自动驾驶载具当前时刻的状态信息，所述状态信息包括所述自动驾驶载具的位置、速度和朝向数据；
预测模块，用于根据所述自动驾驶载具当前时刻的状态信息，预测所述自动驾驶载具从当前位置变道至目标位置时弯道长度和弯道曲率；
插值模块，用于若所述弯道长度大于预设阈值长度和/或所述弯道曲率大于预设阈值曲率，则通过插值算法平滑初始路径曲线，得到目标弯道的平滑路径曲线，所述初始路径曲线为弯道长度大于所述预设阈值长度和/或弯道曲率大于所述预设阈值曲率的弯道对应的路径曲线，所述目标弯道的弯道长度小于所述预设阈值长度和/或弯道曲率小于所述预设阈值曲率；
显示模块，用于在所述目标弯道的平滑路径曲线上连续渲染出自动驾驶载具模型图后进行显示。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至8中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211202155.4A CN115454369A (zh) | 2022-09-29 | 2022-09-29 | 自动驾驶载具变道显示方法、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211202155.4A CN115454369A (zh) | 2022-09-29 | 2022-09-29 | 自动驾驶载具变道显示方法、设备和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115454369A true CN115454369A (zh) | 2022-12-09 |
Family
ID=84309759
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211202155.4A Pending CN115454369A (zh) | 2022-09-29 | 2022-09-29 | 自动驾驶载具变道显示方法、设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115454369A (zh) |
-
2022
- 2022-09-29 CN CN202211202155.4A patent/CN115454369A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3699048A1 (en) | Travelling track prediction method and device for vehicle | |
| KR102211299B1 (ko) | 곡선 투영을 가속화하기 위한 시스템 및 방법 | |
| CN112292711B (zh) | 关联lidar数据和图像数据 | |
| US11113544B2 (en) | Method and apparatus providing information for driving vehicle | |
| JP6644742B2 (ja) | 頑健で効率的な車両測位用のアルゴリズム及びインフラ | |
| JP6317230B2 (ja) | 交差点における画像及び地図に基づく車両の検出法 | |
| JP2023514905A (ja) | 自律型車両のためのビヘイビア・プランニング | |
| CN101097153B (zh) | 导航装置 | |
| EP2156141B1 (en) | Method and system for matching a virtual map | |
| JP2021089723A (ja) | ＬｉＤＡＲ知覚のためのマルチビュー・ディープ・ニューラル・ネットワーク | |
| US8977486B2 (en) | Navigation system and displaying method thereof | |
| WO2019178548A1 (en) | Determining drivable free-space for autonomous vehicles | |
| JP6780611B2 (ja) | 自動運転装置 | |
| JP2023548721A (ja) | 自律システム及びアプリケーションにおけるビヘイビア予測のためのモデルベースの強化学習 | |
| US11055540B2 (en) | Method for determining anchor boxes for training neural network object detection models for autonomous driving | |
| CN110031010A (zh) | 车辆引导路线绘制方法、装置及设备 | |
| CN101097154A (zh) | 导航装置 | |
| US11436815B2 (en) | Method for limiting object detection area in a mobile system equipped with a rotation sensor or a position sensor with an image sensor, and apparatus for performing the same | |
| EP3942794B1 (en) | Depth-guided video inpainting for autonomous driving | |
| CN112904370A (zh) | 用于激光雷达感知的多视图深度神经网络 | |
| US11580688B2 (en) | High-definition city mapping | |
| CN113112524B (zh) | 自动驾驶中移动对象的轨迹预测方法、装置及计算设备 | |
| JP2022081396A (ja) | 車両側位方法及び装置 | |
| CN115454369A (zh) | 自动驾驶载具变道显示方法、设备和计算机可读存储介质 | |
| CN115145671A (zh) | 车辆导航方法、装置、设备、存储介质和计算机程序产品 |
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 |