CN115583243A - 确定车道线信息的方法、车辆控制方法、装置和设备 - Google Patents
确定车道线信息的方法、车辆控制方法、装置和设备 Download PDFInfo
- Publication number
- CN115583243A CN115583243A CN202211330037.1A CN202211330037A CN115583243A CN 115583243 A CN115583243 A CN 115583243A CN 202211330037 A CN202211330037 A CN 202211330037A CN 115583243 A CN115583243 A CN 115583243A
- Authority
- CN
- China
- Prior art keywords
- target
- lane line
- time
- line information
- vehicle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000005070 sampling Methods 0.000 claims description 82
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000007476 Maximum Likelihood Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种确定车道线信息的方法、车辆控制方法、装置和设备,涉及人工智能技术领域,具体为自动驾驶技术领域。确定车道线信息的方法包括:在目标时刻,采集车辆所在的目标位置的目标车道线信息;获取目标位置的至少一个参考车道线信息,至少一个参考车道线信息是在目标时刻之前的至少一个历史时刻采集的;以及基于目标车道线信息和至少一个参考车道线信息,确定目标位置的修正车道线信息。
Description
技术领域
本公开涉及人工智能技术领域,具体为自动驾驶技术领域,特别涉及一种确定车道线信息的方法、车辆控制方法、确定车道线信息的装置、车辆控制装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
自动驾驶车辆在行驶过程中,对车辆横向控制器有着非常高的性能要求。在车道保持、巡航等状态下,车辆的横向体感是自动驾驶产品的核心体现,而良好的弯道控制能力是提供舒适的乘坐体验的基础。自动驾驶产品中车辆的横向控制器以车道线信息作为输入,因此车道线信息的准确度会影响横向控制器输出信号的质量,进而影响用户的乘坐体验。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种确定车道线信息的方法、车辆控制方法、确定车道线信息的装置、车辆控制装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种确定车道线信息的方法,包括:在目标时刻,采集车辆所在的目标位置的目标车道线信息;获取目标位置的至少一个参考车道线信息,至少一个参考车道线信息是在目标时刻之前的至少一个历史时刻采集的;以及基于目标车道线信息和至少一个参考车道线信息,确定目标位置的修正车道线信息。
根据本公开的另一方面,提供了一种车辆控制方法,包括:利用上述确定车道线信息的方法,确定车辆在目标位置的修正车道线信息;以及将修正车道线信息输入车辆的控制器,以生成用于车辆的自动驾驶控制信号。
根据本公开的另一方面,提供了一种确定车道线信息的装置,包括:第一采集单元,被配置为在目标时刻,采集车辆所在的目标位置的目标车道线信息;获取单元,被配置为获取目标位置的至少一个参考车道线信息,至少一个参考车道线信息是在目标时刻之前的至少一个历史时刻采集的;以及第一确定单元,被配置为基于目标车道线信息和至少一个参考车道线信息,确定目标位置的修正车道线信息。
根据本公开的另一方面,提供了一种车辆控制装置,包括:第三确定单元,被配置为利用上述确定车道线信息的装置,确定车辆在目标位置的修正车道线信息;以及生成单元,被配置为将修正车道线信息输入车辆的控制器,以生成用于车辆的自动驾驶控制信号。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,这些指令被至少一个处理器执行,以使至少一个处理器能够执行上述方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例,通过基于目标时刻采集的目标车道线信息和历史时刻采集的参考车道线信息确定修正车道线信息,相比于基于单帧观测结果得到车道线信息的方式提升了所确定的车道线信息的准确度,并且使得车辆在相邻位置之间的车道线信息变化更为平滑,进而能够提升使用该车道线信息的控制器输出的控制信号的质量,增强自动驾驶车辆的乘坐体验。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1A示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图1B示出了根据本公开的实施例的示例性场景的示意图;
图2示出了根据本公开示例性实施例的确定车道线信息的方法的流程图;
图3示出了根据本公开示例性实施例的确定车道线信息的方法的流程图;
图4示出了根据本公开示例性实施例的车辆控制方法的流程图;
图5示出了根据本公开示例性实施例的确定车道线信息的装置的结构框图;
图6示出了根据本公开示例性实施例的确定车道线信息的装置的结构框图;
图7示出了根据本公开示例性实施例的车辆控制装置的结构框图;以及
图8出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,现有的方法基于单帧的观测结果确定车道线信息,而由于自动驾驶通常会面临复杂的工作场景,因此这样的方式得到的车道线信息的质量较差,导致车辆控制器产生输出跳变,引起晃动,降低乘客体感,影响产品可用性。
为解决上述问题,本公开通过基于目标时刻采集的目标车道线信息和历史时刻采集的参考车道线信息确定修正车道线信息,相比于基于单帧观测结果得到车道线信息的方式提升了所确定的车道线信息的准确度,并且使得车辆在相邻位置之间的车道线信息变化更为平滑,进而能够提升使用该车道线信息的控制器输出的控制信号的质量,增强自动驾驶车辆的乘坐体验。
下面将结合附图详细描述本公开的实施例。
图1A示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1A,该系统100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
在本公开的实施例中,机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
服务器120可以运行使得能够向机动车辆110提供高精地图、道路信息等内容的方法的一个或多个服务或软件应用。在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在图1A所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1A是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
网络130可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络130可以是卫星通信网络、局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(包括例如蓝牙、WiFi)和/或这些与其他网络的任意组合。
系统100还可以包括一个或多个数据库150。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个:视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外,通过对视觉摄像头捕获的画面进行分析,可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周,用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置,用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置,用于检测物体边缘、形状信息,从而进行物体识别和追踪。由于多普勒效应,雷达装置还可以测量车辆与移动物体的速度变化。
机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如,北斗、GPS、GLONASS以及GALILEO)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块,移动通信网络可以实施任何适合的通信技术,例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置112还可以具有车联网或车联万物(Vehicle-to-Everything,V2X)模块,被配置用于实现例如与其它车辆143进行车对车(Vehicle-to-Vehicle,V2V)通信和与基础设施144进行车辆到基础设施(Vehicle-to-Infrastructure,V2I)通信的车与外界的通信。此外,通信装置112还可以具有被配置为例如通过使用IEEE802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112,机动车辆110还可以经由网络130接入服务器120。
机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器,例如中央处理单元(CPU)或图形处理单元(GPU),或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动,而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如,可以使用车载处理器执行某一些处理,而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外,控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
图1A的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的一方面,提供了一种确定车道线信息的方法。如图2所示,该方法包括:步骤S201、在目标时刻,采集车辆所在的目标位置的目标车道线信息;步骤S202、获取目标位置的至少一个参考车道线信息,至少一个参考车道线信息是在目标时刻之前的至少一个历史时刻采集的;以及步骤S203、基于目标车道线信息和至少一个参考车道线信息,确定目标位置的修正车道线信息。
由此,通过基于目标时刻采集的目标车道线信息和历史时刻采集的参考车道线信息确定修正车道线信息,相比于基于单帧观测结果得到车道线信息的方式提升了所确定的车道线信息的准确度,并且使得车辆在相邻位置之间的车道线信息变化更为平滑,进而能够提升使用该车道线信息的控制器输出的控制信号的质量,增强自动驾驶车辆的乘坐体验。
本公开中的车辆可以是各类具有自动驾驶能力的车辆,例如系统100中的机动车辆110。在一些实施例中,车辆可以具有横向控制器,以实现车道辅助、自动并线、自动转向等自动驾驶功能。
根据一些实施例,至少一个历史时刻和目标时刻可以是在车辆的行驶过程中,基于预设采样间隔而确定的。自动驾驶车辆可以在行驶过程中以预设采样间隔对车辆当前所在位置的车道线信息和车辆行驶方向前方的若干位置的车道线信息进行采集,从而能够得到连续的车道线信息以实现对车辆的平稳控制。可以理解的是,本领域技术人员可以根据需求对预设采样间隔进行设置,在此不作限定。
根据一些实施例,目标车道线信息、参考车道线信息、以及修正车道线信息均可以包括车道线曲率。通过利用在目标时刻采集的目标位置的车道线曲率和在至少一个历史时刻采集的与目标位置对应的采样位置的车道线曲率,能够得到准确的修正后的车道线曲率,而通过利用准确的车道线曲率对车辆进行横向控制可以使得车辆的转向更平滑,从而提升用户的乘坐体验。
根据一些实施例,如图3所示,确定车道线信息的方法还可以包括:步骤S301、在至少一个历史时刻中的每一个历史时刻,在车辆的行进方向上确定与该历史时刻对应的至少一个采样位置;以及步骤S302、采集与该历史时刻对应的至少一个采样位置中的每一个采样位置的参考车道线信息。可以理解的是,图3中的步骤S303-步骤S305的操作和图2中的步骤S201-步骤S203的操作类似,在此不做赘述。
步骤S304、获取目标位置的至少一个参考车道线信息可以包括:步骤S304-1(图中未示出)、针对至少一个历史时刻中的每一个历史时刻,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置。至少一个参考车道线包括针对至少一个历史时刻中的每一个历史时刻所确定的与目标位置对应的采样位置的参考车道线信息。
由此,通过在每一个历史时刻在车辆的行进方向上确定至少一个采样位置,并采集对应的参考车道线信息,进而在这些采样位置中确定与目标时刻车辆所在的目标位置对应的采样位置,得到了在多个时刻对目标位置的车道线信息的观测结果,使得能够基于这些观测结果得到准确的车道线信息。
可以理解的是,在车辆行驶过程中,目标时刻和对应的历史时刻可以发生变化。在一个示例性实施例中,在t=1的目标时刻,对应的历史时刻可以是t=0;在t=2的目标时刻,对应的历史时刻可以是t=0和t=1两个时刻。可以在车辆行驶的过程中,根据预设采样间隔或其他规则依次将连续多个时刻中的每一时刻作为目标时刻执行本公开的方法,以得到对应的车道线信息或自动驾驶控制指令。
根据一些实施例,目标车道线信息和参考车道线信息中的至少一者可以是基于车辆的传感器和高精地图中的至少一者采集的。自动驾驶车辆可以搭载各类传感器和传感设备,以实现对周围道路、车辆、环境的感知,并且可以获取车辆所在位置和车辆附件的车道线信息。然而,在一些较为复杂的工作场景,如高速连续大弯道,山路S弯等,常伴随着其它苛刻的路况条件例如路面的颠簸,侧倾,上、下坡等,这些难以预料的外部干扰会引起感知车道线的异常跳变。
根据一些实施例,步骤S301、在至少一个历史时刻中的每一个历史时刻,在车辆的行进方向上确定与该历史时刻对应的至少一个采样位置包括:步骤S301-1(图中未示出)、在至少一个历史时刻中的每一个历史时刻,确定车辆在目标时刻的预估位置。与该历史时刻对应的至少一个采样位置可以包括该预估位置,也就是说,可以采集这些预估位置的参考车道线信息。
步骤S304-1、针对至少一个历史时刻中的每一个历史时刻,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置可以包括:步骤S304-1-1(图中未示出)、针对至少一个历史时刻中的每一个历史时刻,基于在该历史时刻确定的车辆在目标时刻的预估位置,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置。
由此,通过在每个历史时刻预估车辆在目标时刻所在的位置,并采集相应位置的车道线信息,能够提升在目标时刻所确定的修正车道线信息的准确度。
图1B示出了根据本公开的实施例的示例性场景的示意图。在该实施例中,预设采样间隔可以为1秒。在t=0时刻,可以采集车辆当前所在的位置的车道线信息C0,并预估在t=1、t=2等时刻车辆所在的位置。进而,可以采集这些位置的车道线信息C1、C2等。同样地,在t=1时刻,车辆除了采集此时所在的位置的车道线信息C1’外,还可以预估在t=2时刻车辆所在的位置,并采集对应的车道线信息C2’。在t=2时刻,可以使用在t=0时刻采集的车道线信息C2、在t=1时刻采集的车道线信息C2’、以及在t=2时刻采集的车道线信息C2”确定相应的修正车道线信息。由此,通过使用多帧对车道线的观测结果,能够得到更准确的车道线信息,进而可以达到更好的车辆控制效果。
根据一些实施例,步骤S304-1-1、针对至少一个历史时刻中的每一个历史时刻,基于在该历史时刻确定的车辆在目标时刻的预估位置,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置可以包括:针对至少一个历史时刻中的每一个历史时刻,直接将在该历史时刻确定的车辆在目标时刻的预估位置确定为与目标位置对应的采样位置。
由此,通过直接将预估位置确定为对应的采样位置,使得在历史时刻可以仅采集预估位置的参考车道线信息,从而降低了在历史时刻对车道线信息的采集需求,减少了对车辆中的用于存储车道线信息的存储系统和用于处理车道线信息的处理系统的要求,精简了处理流程。
根据一些实施例,步骤S301-1、在至少一个历史时刻中的每一个历史时刻,确定车辆在目标时刻的预估位置可以包括:在至少一个历史时刻中的每一个历史时刻,基于车辆在该历史时刻所在的历史位置、车辆在该历史时刻的运动信息、以及该历史时刻和目标时刻的时间差,确定车辆在目标时刻的预估位置。由此,可以得到对车辆在目标时刻的位置的准确预估结果。
根据一些实施例,运动信息可以包括车辆在对应的时刻的速度、加速度、行进方向、以及转向角度中的至少一个。
在一个示例性实施例中,由于在短时间内,车辆纵向速度可以认为近似恒定,因此可以仅考虑车辆的横向速度。可以利用车辆在历史时刻的速度和历史时刻与目标时刻之间的时间差(例如,预设采样间隔的整数倍)预估行进距离,进而根据历史位置和预估行进距离得到预估位置。
根据一些实施例,步骤S304-1-1针对至少一个历史时刻中的每一个历史时刻,基于在该历史时刻确定的车辆在目标时刻的预估位置,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置可以包括:针对至少一个历史时刻中的每一个历史时刻,基于车辆在目标时刻的运动信息和车辆从该历史时刻到目标时刻的实际行驶距离中的至少一者,修正在该历史时刻确定的车辆在目标时刻的预估位置,以得到与该历史时刻对应的车辆在目标时刻的修正位置;以及基于修正位置,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置。
由此,通过使用目标位置的运动信息和车辆从历史时刻到目标时刻的实际行驶距离中的至少一者,能够进一步缩小预估位置和目标位置之间的差距。需要注意的是,在该实施例中,在每个历史时刻除了对预估位置进行采样外,还需要对预估位置附近的预设范围内的位置进行采样,以确保在目标时刻得到修正位置后能够获取到与修正位置对应的参考车道线信息。
可以理解的是,本领域技术人员可以采用各种方式基于目标位置的运动信息和车辆从历史时刻到目标时刻的实际行驶距离中的至少一者对预估位置进行修正,在此不作限定。
根据一些实施例,针对至少一个历史时刻中的每一个历史时刻,基于修正位置,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置可以包括:针对至少一个历史时刻中的每一个历史时刻,将与该历史时刻对应的至少一个采样位置中与修正位置距离最近的采样位置确定与目标位置对应的采样位置。
由此,通过将与修正位置距离最近的采样位置确定为对应的采样位置,使得能够进一步提升得到的车道线信息的准确度。
根据一些实施例,步骤S305、基于目标车道线信息和至少一个参考车道线信息,确定目标位置的修正车道线信息包括以下中的至少一者:使用权重均值采样对目标车道线信息和至少一个参考车道线信息进行处理;以及使用高斯核的最大似然采样函数对目标车道线信息和至少一个参考车道线信息进行处理。
在一些实施例中,权重均值采样的公式例如可以是:
其中,wi是对应采样点的权重,Ci是对应道路i位置的观测值(即,采样位置的参考车道线信息或目标位置的目标车道线信息)。
在一些实施例中,高斯核的最大似然采样函数的公式可以是:
其中,u和σ为高斯核的均值和方差。wi和Ci的含义与上式相同。
可以理解的是,还可以采用其他方式基于目标车道线信息和至少一个参考车道线信息确定修正车道线信息,在此不作限定。
在一些实施例中,在对目标时刻处理结束后,可以将与目标时刻对应的所有观测信息或目标位置之前的所有观测信息(例如,目标车道线信息、参考车道线信息)清除,以提升对车道线信息存储系统的利用率。
在一些实施例中,如果自动驾驶系统采用不同的坐标系,本公开提出的方法依然使适用,常见的坐标系有主车坐标系和绝对坐标系。在主车坐标系,可以通过定位系统将主车每个周期的位姿变化相累计,间接将每个控制周期内的观测更新,统一到历史伤的某一位置或当前主车坐标系下。在绝对坐标系中,每次车道参考线的观测都被固定在“大地”上,可以很方便的完成前后控制周期内的数据匹配。
根据本公开的另一方面,提供了一种车辆控制方法。如图4所示,车辆控制方法包括:步骤S401、利用上述确定车道线信息的方法,确定车辆在目标位置的修正车道线信息;以及步骤S402、将修正车道线信息输入车辆的控制器,以生成用于车辆的自动驾驶控制信号。
在一些实施例中,自动驾驶控制信号的生成方式抽象可以为控制函数,例如可以表示为X=Fc(loc,C)。这里X表示车辆控制器的输出,即车辆的预期行为(例如,方向盘角度)。FC表示抽象的控制信号计算方式,如常用的PID控制器。loc表示当前主车位置,C表示当前车道线信息(例如,车道线曲率)。可以理解的是,还可以通过其他方式生成自动驾驶控制信号,在此不作限定。
根据本公开的另一方面,提供了一种确定车道线信息的装置。如图5所示,装置500包括:第一采集单元510,被配置为在目标时刻,采集车辆所在的目标位置的目标车道线信息;获取单元520,被配置为获取目标位置的至少一个参考车道线信息,至少一个参考车道线信息是在目标时刻之前的至少一个历史时刻采集的;以及第一确定单元530,被配置为基于目标车道线信息和至少一个参考车道线信息,确定目标位置的修正车道线信息。可以理解的是,装置500中的单元510-单元530的操作和图2中的步骤S201-步骤S203的操作类似,在此不做赘述。
根据一些实施例,如图6所示,装置600包括:第二确定单元610,被配置为在至少一个历史时刻中的每一个历史时刻,在车辆的行进方向上确定与该历史时刻对应的至少一个采样位置;以及第二采集单元620,被配置为在至少一个历史时刻中的每一个历史时刻,采集与该历史时刻对应的至少一个采样位置中的每一个采样位置的参考车道线信息。装置600中的单元630-单元650和装置500中的单元510-单元530类似,在此不做赘述。
在一些实施例中,获取单元640可以包括:第一确定子单元,被配置为针对至少一个历史时刻中的每一个历史时刻,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置。至少一个参考车道线可以包括针对至少一个历史时刻中的每一个历史时刻所确定的与目标位置对应的采样位置的参考车道线信息
根据一些实施例,第二确定单元可以包括:第二确定子单元,被配置为在至少一个历史时刻中的每一个历史时刻,确定车辆在目标时刻的预估位置,其中,与该历史时刻对应的至少一个采样位置包括该预估位置。第一确定子单元可以包括:第三确定子单元,被配置为针对至少一个历史时刻中的每一个历史时刻,基于在该历史时刻确定的车辆在目标时刻的预估位置,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置。
根据一些实施例,第三确定子单元可以被配置为针对至少一个历史时刻中的每一个历史时刻,直接将在该历史时刻确定的车辆在目标时刻的预估位置确定为与目标位置对应的采样位置。
根据一些实施例,第三确定子单元可以包括:修正子单元,被配置为针对至少一个历史时刻中的每一个历史时刻,基于车辆在目标时刻的运动信息和车辆从该历史时刻到目标时刻的实际行驶距离中的至少一者,修正在该历史时刻确定的车辆在目标时刻的预估位置,以得到与该历史时刻对应的车辆在目标时刻的修正位置;以及第四确定子单元,被配置为针对至少一个历史时刻中的每一个历史时刻,基于修正位置,从与该历史时刻对应的至少一个采样位置中确定与目标位置对应的采样位置。
根据一些实施例,第四确定子单元可以被配置为针对至少一个历史时刻中的每一个历史时刻,将与该历史时刻对应的至少一个采样位置中与修正位置距离最近的采样位置确定与目标位置对应的采样位置。
根据一些实施例,第二确定子单元可以被配置为在至少一个历史时刻中的每一个历史时刻,基于车辆在该历史时刻所在的历史位置、车辆在该历史时刻的运动信息、以及该历史时刻和目标时刻的时间差,确定车辆在目标时刻的预估位置。
根据一些实施例,运动信息可以包括车辆在对应的时刻的速度、加速度、行进方向、以及转向角度中的至少一个。
根据一些实施例,基于目标车道线信息和至少一个参考车道线信息,确定目标位置的修正车道线信息可以包括以下中的至少一者:使用权重均值采样对目标车道线信息和至少一个参考车道线信息进行处理;以及使用高斯核的最大似然采样函数对目标车道线信息和至少一个参考车道线信息进行处理。
根据一些实施例,至少一个历史时刻和目标时刻可以是在车辆的行驶过程中,基于预设采样间隔而确定的。
根据一些实施例,目标车道线信息、参考车道线信息、以及修正车道线信息均可以包括车道线曲率。
根据一些实施例,目标车道线信息和参考车道线信息中的至少一者可以是基于车辆的传感器和高精地图中的至少一者采集的。
根据本公开的另一方面,提供了一种车辆控制装置。如图7所示,装置700包括:第三确定单元710,被配置为利用上述装置500或装置600,确定车辆在目标位置的修正车道线信息;以及生成单元720,被配置为将修正车道线信息输入车辆的控制器,以生成用于车辆的自动驾驶控制信号。可以理解的是,装置700中的单元710-单元720的操作和图4中的步骤S401-步骤S402的操作类似,在此不做赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图8,现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向设备800输入信息的任何类型的设备,输入单元806可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习网络算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如确定车道线信息的方法和/或车辆控制方法。例如,在一些实施例中,确定车道线信息的方法和/或车辆控制方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的确定车道线信息的方法和/或车辆控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行确定车道线信息的方法和/或车辆控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (29)
1.一种确定车道线信息的方法,包括:
在目标时刻,采集车辆所在的目标位置的目标车道线信息;
获取所述目标位置的至少一个参考车道线信息,所述至少一个参考车道线信息是在所述目标时刻之前的至少一个历史时刻采集的;以及
基于所述目标车道线信息和所述至少一个参考车道线信息,确定所述目标位置的修正车道线信息。
2.根据权利要求1所述的方法,还包括:
在所述至少一个历史时刻中的每一个历史时刻,在所述车辆的行进方向上确定与该历史时刻对应的至少一个采样位置;以及
采集与该历史时刻对应的至少一个采样位置中的每一个采样位置的参考车道线信息,
其中,获取所述目标位置的至少一个参考车道线信息包括:
针对所述至少一个历史时刻中的每一个历史时刻,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置,其中,所述至少一个参考车道线包括针对所述至少一个历史时刻中的每一个历史时刻所确定的与所述目标位置对应的采样位置的参考车道线信息。
3.根据权利要求2所述的方法,其中,在所述至少一个历史时刻中的每一个历史时刻,在所述车辆的行进方向上确定与该历史时刻对应的至少一个采样位置包括:
在所述至少一个历史时刻中的每一个历史时刻,确定所述车辆在所述目标时刻的预估位置,其中,与该历史时刻对应的至少一个采样位置包括该预估位置,
其中,针对所述至少一个历史时刻中的每一个历史时刻,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置包括:
针对所述至少一个历史时刻中的每一个历史时刻,基于在该历史时刻确定的所述车辆在所述目标时刻的预估位置,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置。
4.根据权利要求3所述的方法,其中,针对所述至少一个历史时刻中的每一个历史时刻,基于在该历史时刻确定的所述车辆在所述目标时刻的预估位置,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置包括:
针对所述至少一个历史时刻中的每一个历史时刻,直接将在该历史时刻确定的所述车辆在所述目标时刻的预估位置确定为与所述目标位置对应的采样位置。
5.根据权利要求3所述的方法,其中,针对所述至少一个历史时刻中的每一个历史时刻,基于在该历史时刻确定的所述车辆在所述目标时刻的预估位置,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置包括:
针对所述至少一个历史时刻中的每一个历史时刻,
基于所述车辆在所述目标时刻的运动信息和所述车辆从该历史时刻到所述目标时刻的实际行驶距离中的至少一者,修正在该历史时刻确定的所述车辆在所述目标时刻的预估位置,以得到与该历史时刻对应的所述车辆在所述目标时刻的修正位置;以及
基于所述修正位置,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置。
6.根据权利要求5所述的方法,其中,针对所述至少一个历史时刻中的每一个历史时刻,基于所述修正位置,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置包括:
针对所述至少一个历史时刻中的每一个历史时刻,将与该历史时刻对应的至少一个采样位置中与所述修正位置距离最近的采样位置确定与所述目标位置对应的采样位置。
7.根据权利要求3所述的方法,其中,在所述至少一个历史时刻中的每一个历史时刻,确定所述车辆在所述目标时刻的预估位置包括:
在所述至少一个历史时刻中的每一个历史时刻,基于所述车辆在该历史时刻所在的历史位置、所述车辆在该历史时刻的运动信息、以及该历史时刻和所述目标时刻的时间差,确定所述车辆在所述目标时刻的预估位置。
8.根据权利要求5或7所述的方法,其中,所述运动信息包括所述车辆在对应的时刻的速度、加速度、行进方向、以及转向角度中的至少一个。
9.根据权利要求1-7中任一项所述的方法,其中,基于所述目标车道线信息和所述至少一个参考车道线信息,确定所述目标位置的修正车道线信息包括以下中的至少一者:
使用权重均值采样对所述目标车道线信息和所述至少一个参考车道线信息进行处理;以及
使用高斯核的最大似然采样函数对所述目标车道线信息和所述至少一个参考车道线信息进行处理。
10.根据权利要求1-7中任一项所述的方法,其中,所述至少一个历史时刻和所述目标时刻是在所述车辆的行驶过程中,基于预设采样间隔而确定的。
11.根据权利要求1-7中任一项所述的方法,其中,所述目标车道线信息、所述参考车道线信息、以及所述修正车道线信息均包括车道线曲率。
12.根据权利要求1-7中任一项所述的方法,其中,所述目标车道线信息和所述参考车道线信息中的至少一者是基于所述车辆的传感器和高精地图中的至少一者采集的。
13.一种车辆控制方法,包括:
利用根据权利要求1-12中任一项所述的方法,确定车辆在目标位置的修正车道线信息;以及
将所述修正车道线信息输入所述车辆的控制器,以生成用于所述车辆的自动驾驶控制信号。
14.一种确定车道线信息的装置,包括:
第一采集单元,被配置为在目标时刻,采集车辆所在的目标位置的目标车道线信息;
获取单元,被配置为获取所述目标位置的至少一个参考车道线信息,所述至少一个参考车道线信息是在所述目标时刻之前的至少一个历史时刻采集的;以及
第一确定单元,被配置为基于所述目标车道线信息和所述至少一个参考车道线信息,确定所述目标位置的修正车道线信息。
15.根据权利要求14所述的装置,还包括:
第二确定单元,被配置为在所述至少一个历史时刻中的每一个历史时刻,在所述车辆的行进方向上确定与该历史时刻对应的至少一个采样位置;以及
第二采集单元,被配置为采集与该历史时刻对应的至少一个采样位置中的每一个采样位置的参考车道线信息,
其中,所述获取单元包括:
第一确定子单元,被配置为针对所述至少一个历史时刻中的每一个历史时刻,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置,其中,所述至少一个参考车道线包括针对所述至少一个历史时刻中的每一个历史时刻所确定的与所述目标位置对应的采样位置的参考车道线信息。
16.根据权利要求15所述的装置,其中,所述第二确定单元包括:
第二确定子单元,被配置为在所述至少一个历史时刻中的每一个历史时刻,确定所述车辆在所述目标时刻的预估位置,其中,与该历史时刻对应的至少一个采样位置包括该预估位置,
其中,所述第一确定子单元包括:
第三确定子单元,被配置为针对所述至少一个历史时刻中的每一个历史时刻,基于在该历史时刻确定的所述车辆在所述目标时刻的预估位置,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置。
17.根据权利要求16所述的装置,其中,所述第三确定子单元被配置为针对所述至少一个历史时刻中的每一个历史时刻,直接将在该历史时刻确定的所述车辆在所述目标时刻的预估位置确定为与所述目标位置对应的采样位置。
18.根据权利要求16所述的装置,其中,所述第三确定子单元包括:
修正子单元,被配置为针对所述至少一个历史时刻中的每一个历史时刻,基于所述车辆在所述目标时刻的运动信息和所述车辆从该历史时刻到所述目标时刻的实际行驶距离中的至少一者,修正在该历史时刻确定的所述车辆在所述目标时刻的预估位置,以得到与该历史时刻对应的所述车辆在所述目标时刻的修正位置;以及
第四确定子单元,被配置为针对所述至少一个历史时刻中的每一个历史时刻,基于所述修正位置,从与该历史时刻对应的至少一个采样位置中确定与所述目标位置对应的采样位置。
19.根据权利要求18所述的装置,其中,所述第四确定子单元被配置为针对所述至少一个历史时刻中的每一个历史时刻,将与该历史时刻对应的至少一个采样位置中与所述修正位置距离最近的采样位置确定与所述目标位置对应的采样位置。
20.根据权利要求16所述的装置,其中,所述第二确定子单元被配置为在所述至少一个历史时刻中的每一个历史时刻,基于所述车辆在该历史时刻所在的历史位置、所述车辆在该历史时刻的运动信息、以及该历史时刻和所述目标时刻的时间差,确定所述车辆在所述目标时刻的预估位置。
21.根据权利要求18或20所述的装置,其中,所述运动信息包括所述车辆在对应的时刻的速度、加速度、行进方向、以及转向角度中的至少一个。
22.根据权利要求14-20中任一项所述的装置,其中,基于所述目标车道线信息和所述至少一个参考车道线信息,确定所述目标位置的修正车道线信息包括以下中的至少一者:
使用权重均值采样对所述目标车道线信息和所述至少一个参考车道线信息进行处理;以及
使用高斯核的最大似然采样函数对所述目标车道线信息和所述至少一个参考车道线信息进行处理。
23.根据权利要求14-20中任一项所述的装置,其中,所述至少一个历史时刻和所述目标时刻是在所述车辆的行驶过程中,基于预设采样间隔而确定的。
24.根据权利要求14-20中任一项所述的装置,其中,所述目标车道线信息、所述参考车道线信息、以及所述修正车道线信息均包括车道线曲率。
25.根据权利要求14-20中任一项所述的装置,其中,所述目标车道线信息和所述参考车道线信息中的至少一者是基于所述车辆的传感器和高精地图中的至少一者采集的。
26.一种车辆控制装置,包括:
第三确定单元,被配置为利用根据权利要求14-25中任一项所述的装置,确定车辆在目标位置的修正车道线信息;以及
生成单元,被配置为将所述修正车道线信息输入车辆的控制器,以生成用于所述车辆的自动驾驶控制信号。
27.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。
28.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行根据权利要求1-13中任一项所述的方法。
29.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211330037.1A CN115583243B (zh) | 2022-10-27 | 2022-10-27 | 确定车道线信息的方法、车辆控制方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211330037.1A CN115583243B (zh) | 2022-10-27 | 2022-10-27 | 确定车道线信息的方法、车辆控制方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115583243A true CN115583243A (zh) | 2023-01-10 |
CN115583243B CN115583243B (zh) | 2023-10-31 |
Family
ID=84782634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211330037.1A Active CN115583243B (zh) | 2022-10-27 | 2022-10-27 | 确定车道线信息的方法、车辆控制方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115583243B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785667A (zh) * | 2019-03-11 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
JP2021152906A (ja) * | 2020-05-14 | 2021-09-30 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 車両軌跡の予測方法、装置、機器及び記憶媒体 |
CN114454888A (zh) * | 2022-02-22 | 2022-05-10 | 福思(杭州)智能科技有限公司 | 一种车道线预测方法、装置、电子设备及车辆 |
US20220212672A1 (en) * | 2021-01-05 | 2022-07-07 | Guangzhou Automobile Group Co., Ltd. | Vehicle positioning method and apparatus, storage medium, and electronic device |
CN114973180A (zh) * | 2022-07-18 | 2022-08-30 | 福思(杭州)智能科技有限公司 | 一种车道线跟踪方法、装置、设备及存储介质 |
US20220319196A1 (en) * | 2021-04-01 | 2022-10-06 | Beijing Tusen Zhitu Technology Co., Ltd. | Method and apparatus for detecting lane lines, electronic device and storage medium |
-
2022
- 2022-10-27 CN CN202211330037.1A patent/CN115583243B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785667A (zh) * | 2019-03-11 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
JP2021152906A (ja) * | 2020-05-14 | 2021-09-30 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 車両軌跡の予測方法、装置、機器及び記憶媒体 |
US20220212672A1 (en) * | 2021-01-05 | 2022-07-07 | Guangzhou Automobile Group Co., Ltd. | Vehicle positioning method and apparatus, storage medium, and electronic device |
US20220319196A1 (en) * | 2021-04-01 | 2022-10-06 | Beijing Tusen Zhitu Technology Co., Ltd. | Method and apparatus for detecting lane lines, electronic device and storage medium |
CN114454888A (zh) * | 2022-02-22 | 2022-05-10 | 福思(杭州)智能科技有限公司 | 一种车道线预测方法、装置、电子设备及车辆 |
CN114973180A (zh) * | 2022-07-18 | 2022-08-30 | 福思(杭州)智能科技有限公司 | 一种车道线跟踪方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115583243B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113741485A (zh) | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 | |
CN113887400B (zh) | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 | |
CN114179832B (zh) | 用于自动驾驶车辆的变道方法 | |
CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
CN114047760B (zh) | 路径规划方法、装置、电子设备及自动驾驶车辆 | |
CN115019060A (zh) | 目标识别方法、目标识别模型的训练方法及装置 | |
CN113119999A (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN115675528A (zh) | 基于相似场景挖掘的自动驾驶方法和车辆 | |
CN115082690B (zh) | 目标识别方法、目标识别模型训练方法及装置 | |
CN115556769A (zh) | 障碍物状态量确定方法及装置、电子设备和介质 | |
CN116533987A (zh) | 泊车路径确定方法、装置、设备和自动驾驶车辆 | |
CN114970112B (zh) | 用于自动驾驶仿真的方法、装置、电子设备及存储介质 | |
CN114394111A (zh) | 用于自动驾驶车辆的变道方法 | |
CN113074955B (zh) | 控制数据采集的方法、装置、电子设备和介质 | |
CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
CN113920174A (zh) | 点云配准方法、装置、设备、介质和自动驾驶车辆 | |
CN114689074A (zh) | 信息处理方法和导航方法 | |
CN116311943B (zh) | 交叉路口的平均延误时间的估算方法及装置 | |
CN114179834B (zh) | 车辆停靠方法、装置、电子设备、介质及自动驾驶车辆 | |
CN115235487B (zh) | 数据处理方法及装置、设备和介质 | |
CN115019278B (zh) | 一种车道线拟合方法、装置、电子设备和介质 | |
CN114715155B (zh) | 用于控制车辆的方法、装置及自动驾驶车辆 | |
CN115900724A (zh) | 路径规划方法和装置 | |
CN116466685A (zh) | 针对自动驾驶感知算法的评测方法及装置、设备和介质 | |
CN115937823A (zh) | 用于检测障碍物的方法、装置、电子设备和介质 |
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 |