CN115675472A - 一种匝道口的确定方法、装置、电子设备和存储介质 - Google Patents
一种匝道口的确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115675472A CN115675472A CN202310000682.5A CN202310000682A CN115675472A CN 115675472 A CN115675472 A CN 115675472A CN 202310000682 A CN202310000682 A CN 202310000682A CN 115675472 A CN115675472 A CN 115675472A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- lane
- target
- controlled
- 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 40
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012508 change request Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种匝道口的确定方法、装置、电子设备和存储介质，包括：获取道路曲率信息以及待控制车辆与道路边界之间的距离信息，基于卡尔曼滤波对曲率信息以及距离信息进行优化，得到优化后的曲率信息以及距离信息；根据待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、优化后的曲率信息和距离信息确定待控制车辆所在的车道及车道的数量；基于待控制车辆所在的车道和车道的数量，控制待控制车辆移动至最右侧的目标车道；当待控制车辆处于目标车道，根据目标车道以及目标车道右侧车道的属性信息确定匝道口。本方案不依赖高精度地图，基于车辆自身的摄像头、雷达等设备获取信息，并确定匝道口，以便控制车辆下匝道。
Description
技术领域
本发明涉及智能驾驶技术领域，具体涉及一种匝道口的确定方法、装置、电子设备和存储介质。
背景技术
无人驾驶技术作为当今世界最具潜力之一的技术，代表了汽车产业发展的战略方向，已成为国际国内新一轮科技革命和产业变革竞争的战略制高点。当车辆行驶在高架或者高速封闭路段内，可以根据驾驶员在导航系统内设置的起点或终点，控制车辆在高速路段内巡航。若在巡航过程中需要变道、下匝道，通常强依赖于高精度地图以及高精度定位，需要配置额外的高精度地图盒子以及定位系统，成本较高。
发明内容
有鉴于此，本发明实施例提供了一种匝道口的确定方法、装置、电子设备和存储介质，以解决在不依赖于高精度地图的情况下，提升确定匝道口的效率。
根据第一方面，本发明实施例提供了一种匝道口的确定方法，包括：
获取道路曲率信息以及待控制车辆与道路边界之间的距离信息，并基于卡尔曼滤波对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息；
获取所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息，并根据所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息确定所述待控制车辆所在的车道，以及所述车道的数量；
基于所述待控制车辆所在的车道和所述车道的数量，控制所述待控制车辆移动至最右侧的目标车道；
当所述待控制车辆处于所述目标车道，根据所述目标车道以及所述目标车道右侧车道的属性信息确定匝道口。
本发明实施例提供的匝道口的确定方法，通过摄像头、雷达传感器等设备获取道路的曲率信息，并确定车道的数量以及待控制车辆所在的车道，进而控制待控制车辆变道至目标车道。在车辆变道至目标车道后，依据目标车道以及目标车道的右侧车道的属性信息确定匝道口。本方案不用依赖高精度地图，主要基于车辆自身的摄像头、雷达等设备获取信息，从而确定匝道口，以便控制车辆下匝道。
在一些实施方式中，所述基于卡尔曼滤波对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息，包括：
获取雷达传感器的探测点的坐标信息；
基于预设第一距离以及所述探测点的坐标信息对所述探测点进行筛选，确定围栏点的坐标信息，所述围栏点为筛选后的探测点；
基于卡尔曼滤波和所述围栏点的坐标信息对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息。
在一些实施方式中，所述基于预设第一距离以及所述探测点的坐标信息对所述探测点进行筛选，确定围栏点的坐标信息，包括：
获取预设第一距离；
基于拉依达准则筛选在所述待控制车辆的预设第一距离范围内的探测点，以确定所述围栏点的坐标信息，所述围栏点为筛选后的探测点。
在一些实施方式中，所述目标车辆为所述待控制车辆前方所有车道上的车辆，所述根据所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息确定所述待控制车辆所在的车道，以及所述车道的数量，包括：
根据所述目标车辆的坐标信息以及运动信息对所述目标车辆进行分类，以确定各目标车辆所在的车道以及各所述车道的数量；
基于所述各所述车道的数量，确定所述待控制车辆所在的车道。
在一些实施方式中，所述根据所述目标车辆的坐标信息以及运动信息对所述目标车辆进行分类，以确定各目标车辆所在的车道以及各所述车道的数量，包括：
根据所述目标车辆的坐标信息以及运动信息对所述目标车辆进行分类，确定所述目标车辆的行驶方向以及位置分布；
基于所述位置分布进行归一化和平均值处理，得到各车道数量的平均马尔科夫概率，以确定各目标车辆所在的车道以及各所述车道的数量。
在一些实施方式中，所述当所述待控制车辆处于所述目标车道，根据所述目标车道以及所述目标车道右侧车道的属性信息确定匝道口，包括：
获取所述目标车道的右侧车道的曲率信息以及所述目标车道的曲率信息；
基于所述右侧车道的曲率信息与所述目标车道的曲率信息的差值判断是否存在匝道口，得到第一判断结果；
获取右侧车道的数量、所述待控制车辆与所述道路边界的之间的距离信息判断是否存在匝道口，得到第二判断结果；
结合所述第一判断结果和所述第二判断结果确定匝道口。
在一些实施方式中，所述基于所述右侧车道的曲率信息与所述目标车道的曲率信息的差值判断是否存在匝道口，得到第一判断结果，包括：
基于所述右侧车道的曲率信息以及所述目标车道的曲率信息计算第一差值；
将所述第一差值与预设曲率阈值比较，得到第一判断结果。
根据第二方面，本发明实施例提供了一种匝道口的确定装置，包括：
距离获取模块，用于获取道路曲率信息以及待控制车辆与道路边界之间的距离信息，并基于卡尔曼滤波对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息；
车道确定模块，用于获取所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息，并根据所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息确定所述待控制车辆所在的车道，以及所述车道的数量；
车辆控制模块，用于基于所述待控制车辆所在的车道和所述车道的数量，控制所述待控制车辆移动至最右侧的目标车道；
匝道确定模块，用于当所述待控制车辆处于所述目标车道，根据所述目标车道以及所述目标车道右侧车道的属性信息确定匝道口。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的匝道口的确定方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的匝道口的确定方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的匝道口的确定方法的流程图；
图2是根据本发明实施例的匝道口的确定装置的结构框图；
图3是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明实施例，提供了一种匝道口的确定方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种匝道口的确定方法，图1是根据本发明实施例的的流程图，如图1所示，该流程包括如下步骤：
S11，获取道路曲率信息以及待控制车辆与道路边界之间的距离信息，并基于卡尔曼滤波对曲率信息以及距离信息进行优化，得到优化后的曲率信息以及距离信息。
道路曲率信息即待控制车辆正在行驶的整个路面的曲率信息，具体可根据当前道路的左边界和右边界之间的距离计算得到，待控制车辆与道路边界之间的距离信息包括待控制车辆与道路的左边界、右边界之间的距离。卡尔曼滤波是一种利用线性系统状态方程通过系统输入输出观测数据，对系统状态进行最优估计的算法。对得到的道路曲率信息以及距离信息进行处理，得到用于计算道路边界的输入信息，采用卡尔曼滤波对得到的曲率信息以及距离信息进行优化，从而得到更精确的道路的曲率信息以及距离信息，这里是一个不断迭代的过程，主要目的在于确定道路的曲率、曲率变化率，以及待控制车辆分别与道路的两个边界之间的距离。
S12，获取待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、优化后的曲率信息以及距离信息，并根据待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、优化后的曲率信息以及距离信息确定待控制车辆所在的车道，以及车道的数量。
待控制车辆的运动信息可以通过车辆自身的动力学估计模块得到，运动信息具体可以包括待控制车辆的车速、加速度、横摆加速度等信息。目标车辆是指在待控制车辆前方所有正在行驶的车辆，不仅包括待控制车辆所在车道上的车辆，还包括道路上的其他车道上的车辆。目标车辆的坐标信息以及运动信息可以通过融合模块输出，融合模块通过对设置在待控制车辆上的摄像头获取的数据以及设置在待控制车辆上的雷达传感器获取的数据进行融合处理，输出目标车辆的坐标信息以及运动信息。车道线信息可以包括车道线的位置、数量、类型等，可通过摄像头获取。将待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、优化后的曲率信息以及距离信息作为输入，对当前待控制车辆的周围的运动车辆的行为进行分析，从而判断车道数量，并进行车道宽度的计算。
S13，基于待控制车辆所在的车道和车道的数量，控制待控制车辆移动至最右侧的目标车道。
在本实施例中，默认匝道口位于最右侧，因此若需要进入匝道口，待控制车辆首先需要移动至最右侧的车道。在确定了待控制车辆所在的车道以及车道的总数量后，可控制待控制车辆移动至最右侧的车道。最右侧车道为目标车道，这里目标车道是在出现匝道口之前，道路上最右侧的车道。对待控制车辆进行定位，当待控制车辆不处于目标车道，发出变道请求任务，并控制待控制车辆变道至目标车道。
S14，当待控制车辆处于目标车道，根据目标车道以及目标车道右侧车道的属性信息确定匝道口。
当待控制车辆已经到达目标车道，默认匝道口位于最右侧的情况下，在前方出现匝道口之前，道路上的最右车道也就是目标车道，而当摄像头可获取的一定范围内出现匝道口时，目标车道的右侧出现右侧车道。车道的属性信息可以包括车道的曲率信息、车道上的车辆的运动信息、数量信息等。若存在匝道口，在目标车道的右侧车道的曲率与目标车道的曲率不同，结合右侧车道和目标车道的属性信息判断是否存在匝道口。在确定匝道口后，即可采用车道线作为引导线，进行横向加速度规划，使用五次多项式或者三次样条曲线进行横向加速度规划，基于得到的横向加速度进行一次积分和二次积分，分别得到相对横向速度和相对横向位移，并将结果输出至轨迹跟踪模块，从而规划出待控制车辆移动至匝道的路线。
本发明实施例提供的匝道口的确定方法，通过摄像头、雷达传感器等设备获取道路的曲率信息，并确定车道的数量以及待控制车辆所在的车道，进而控制待控制车辆变道至目标车道。在车辆变道至目标车道后，依据目标车道以及目标车道的右侧车道的属性信息确定匝道口。本方案不用依赖高精度地图，主要基于车辆自身的摄像头、雷达等设备获取信息，从而确定匝道口，以便控制车辆下匝道。
本发明实施例提供一种优化曲率与距离的方法，对应于图1中的S11，该方法包括如下步骤：
S21，获取雷达传感器的探测点的坐标信息。
雷达传感器的探测点为雷达传感器发出波段反射回来的点，探测点为障碍物，障碍物可能包括车辆、围栏等各种物体。
S22，基于预设第一距离以及探测点的坐标信息对探测点进行筛选，确定围栏点的坐标信息，围栏点为筛选后的探测点。
具体地，包括：
S221，获取预设第一距离。
S222，基于拉依达准则筛选在待控制车辆的预设第一距离范围内的探测点，以确定围栏点的坐标信息，围栏点为筛选后的探测点。
采用拉依达准则（3
准则），划出在待控制车辆的预设第一距离范围内的探测点，从而对探测点进行分类，如果探测点在预设第一距离范围内，则判定该探测点为围栏点，并确定围栏点的坐标信息。
预设第一距离包括左侧第一距离和右侧第一距离，公式如下：
其中，
表示估计出的左侧（或右侧）道路边界在任一纵向距离x处的横向位置，
表示标准差，
表示常数项，
表示道路边界的第一曲率系数，
表示道路边界的第二曲率系数，
表示左侧（或右侧）道路边界的朝向角。
S23，基于卡尔曼滤波和围栏点的坐标信息对曲率信息以及距离信息进行优化，得到优化后的曲率信息以及距离信息。
在确定围栏点的坐标信息后，将围栏点的坐标信息作为输入，基于卡尔曼滤波（Kalman滤波）估计待控制车辆与左右侧围栏点的横向距离偏差，以及道路的曲率信息，曲率信息包括曲率和曲率变化率，状态矩阵如下：
其中，
表示待控制车辆与左侧道路边界之间的横向距离，
表示待控制车辆与右侧道路边界之间的横向距离，
表示道路边界的第一曲率系数，
表示道路边界的第二曲率系数，
表示待控制车辆与道路边界的朝向夹角，
表示待控制车辆的横摆角速度。
本发明实施例提供一种优化曲率与距离的方法，对应于图1中的S12，该方法包括如下步骤：
S31，根据目标车辆的坐标信息以及运动信息对目标车辆进行分类，以确定各目标车辆所在的车道以及各车道的数量。
目标车辆为待控制车辆前方所有车道上的车辆。
具体地，S31包括如下步骤：
S311，根据目标车辆的坐标信息以及运动信息对目标车辆进行分类，确定目标车辆的行驶方向以及位置分布。
S312，基于位置分布进行归一化和平均值处理，得到各车道数量的平均马尔科夫概率，以确定各目标车辆所在的车道以及各车道的数量。
根据目标融合模块确定目标车辆的坐标信息以及运动信息，运动信息包括运动速度、加速度等，对目标车辆进行运动行为分类，确定超车目标、切入目标、切出目标以及迎向目标。超车目标表示超车车辆，包括超待控制车辆、超其他车。若两辆车的相对速度发生了交替变化，历史坐标信息发生了变化，且两辆车之间的横坐标间距在合理范围内，可确定出现超车行为。迎向目标表示待控制车辆相邻车道相反方向行驶的车辆。若相对距离和相对速度在一定范围内的目标，其历史轨迹与待控制车辆的轨迹的横坐标之差小于预设的切入阈值，则判断其为切入目标。若相对距离和相对速度在一定范围内，其历史轨迹与待控制车辆的轨迹的横坐标之差大于预设的切出阈值，则判断其为切出目标。
获取目标车辆的坐标信息以及运动信息、待控制车辆到道路边界的距离信息，对待控制车辆所在车道的两边各车道的数量进行每种影响因素下的马尔科夫概率计算，定义LaneMatrixMarkovProb[s_Side][s_Window][s_Model]表示某一车道内某个影响车道数量的马尔科夫概率，表示车道矩阵其它状态向当前状态的转移概率，Windows表示影响因素。对于左侧和右侧的车道，2(Side)*5(Windows)*4(Model)共进行次数的迭代循环，经过归一化和平均值处理，得到每个车道数量模型的马尔科夫概率，其中最大的马尔科夫概率值的车道模型为该车侧的车道数量，也就是分别确定待控制车辆所在车道的左侧和右侧的车道的数量。
S32，基于各车道的数量，确定待控制车辆所在的车道。
在确定待控制车辆左右两侧车道的数量后，即可确定待控制车辆所在车道。根据待控制车辆的前方同向运动目标与待控制车辆的横坐标之差进行目标车辆的归类统计，并对每个类别下的目标数量进行统计，实时计算每个类别下的横坐标差值，作为基于目标估计的车道宽度，并输出置信度。同时对基于摄像头检测到的车道线计算车道宽度、置信度、默认车道宽度进行不同权重下的车道宽度计算，滤波输出车道宽度。
本发明实施例提供一种确定匝道口的方法，对应于图1中的S14，该方法包括如下步骤：
S41，获取目标车道的右侧车道的曲率信息以及目标车道的曲率信息。
当待控制车辆已到达目标车道，需要确定匝道口的精确位置。需要依据摄像头输出的目标车道的车道线、目标车道的右侧车道的车道线、车道数量等，计算匝道口的置信度，当置信度高于设定阈值，则确定匝道口的位置并且待控制车辆可变道至匝道。具体地，当待控制车辆进入目标车道，基于摄像头判断前方一定距离范围内是否出现匝道口，若出现匝道口，目标车道右侧出现车道，根据待控制车辆的车轮的脉冲数对待控制车辆的行驶距离进行实时计算和累积，对待控制车辆与匝道口之间的距离进行卡尔曼滤波。通过摄像头或者目标车道的右侧车道的曲率信息以及目标车道的曲率信息。
S42，基于右侧车道的曲率信息与目标车道的曲率信息的差值判断是否存在匝道口，得到第一判断结果。
具体地，包括如下步骤：
S421，基于右侧车道的曲率信息以及目标车道的曲率信息计算第一差值。
定义目标车道的两边线分别为左线和右线，目标车道的右侧车道的右线为右右线。计算左线与右线的曲率差值Delta1、右右线与左线的曲率差值Delta2，第一差值=|Delta2-Delta1|。
S422，将第一差值与预设曲率阈值比较，得到第一判断结果。
若第一差值大于预设曲率阈值，则确定右侧车道为匝道，第一判断结果包括0或1，0表示右侧车道不是匝道，1表示右侧车道为匝道。
另外，还可以获取待控制车辆右侧的运动车辆的坐标信息，若该运动车辆的运动曲率与当前车道曲率的差值的绝对值大于某个阈值，则可以认为右侧车道为匝道，这里仅作为辅助判断，若根据第一差值可得到第一判断结果，则无需再根据运动车辆进行判断。
S43，获取右侧车道的数量、待控制车辆与道路边界的之间的距离信息判断是否存在匝道口，得到第二判断结果。
若目标车道的右侧的车道数量大于等于1，且待控制车辆到右边界的距离大于一个车道宽度，则确定右侧车道为匝道，第二判断结果包括0或1，0表示右侧车道不是匝道，1表示右侧车道为匝道。
S44，结合第一判断结果和第二判断结果确定匝道口。
若第一判断结果和第二判断结果的值都是1，则确定右侧车道为匝道，当待控制车辆与匝道之间的距离小于设定的距离时，则可控制待控制车辆移动至匝道。
在本实施例中还提供了一种匝道口的确定装置，该装置用于实现上述实施例及实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种匝道口的确定装置，如图2所示，包括：
距离获取模块，用于获取道路曲率信息以及待控制车辆与道路边界之间的距离信息，并基于卡尔曼滤波对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息；
车道确定模块，用于获取所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息，并根据所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息确定所述待控制车辆所在的车道，以及所述车道的数量；
车辆控制模块，用于基于所述待控制车辆所在的车道和所述车道的数量，控制所述待控制车辆移动至最右侧的目标车道；
匝道确定模块，用于当所述待控制车辆处于所述目标车道，根据所述目标车道以及所述目标车道右侧车道的属性信息确定匝道口。
在一些实施方式中，距离获取模块包括：
坐标获取单元，用于获取雷达传感器的探测点的坐标信息；
探测点筛选单元，用于基于预设第一距离以及所述探测点的坐标信息对所述探测点进行筛选，确定围栏点的坐标信息，所述围栏点为筛选后的探测点；
信息优化单元，用于基于卡尔曼滤波和所述围栏点的坐标信息对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息。
在一些实施方式中，坐标获取单元包括：
距离获取子单元，用于获取预设第一距离；
坐标确定子单元，用于基于拉依达准则筛选在所述待控制车辆的预设第一距离范围内的探测点，以确定所述围栏点的坐标信息，所述围栏点为筛选后的探测点。
在一些实施方式中，车道确定模块包括：
车辆分类单元，用于根据所述目标车辆的坐标信息以及运动信息对所述目标车辆进行分类，以确定各目标车辆所在的车道以及各所述车道的数量；
车道确定单元，用于基于所述各所述车道的数量，确定所述待控制车辆所在的车道。
在一些实施方式中，车辆分类单元包括：
分类子单元，用于根据所述目标车辆的坐标信息以及运动信息对所述目标车辆进行分类，确定所述目标车辆的行驶方向以及位置分布；
概率确定单元，用于基于所述位置分布进行归一化和平均值处理，得到各车道数量的平均马尔科夫概率，以确定各目标车辆所在的车道以及各所述车道的数量。
在一些实施方式中，匝道确定模块包括：
曲率获取单元，用于获取所述目标车道的右侧车道的曲率信息以及所述目标车道的曲率信息；
匝道判断单元，用于基于所述右侧车道的曲率信息与所述目标车道的曲率信息的差值判断是否存在匝道口，得到第一判断结果；
数量获取单元，用于获取右侧车道的数量、所述待控制车辆与所述道路边界的之间的距离信息判断是否存在匝道口，得到第二判断结果；
匝道口确定单元，用于结合所述第一判断结果和所述第二判断结果确定匝道口。
在一些实施方式中，匝道判断单元包括：
第一计算子单元，用于基于所述右侧车道的曲率信息以及所述目标车道的曲率信息计算第一差值；
数值比较子单元，用于将所述第一差值与预设曲率阈值比较，得到第一判断结果。
本实施例中的匝道口的确定装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例还提供一种电子设备，具有上述图3所示的匝道口的确定装置。
请参阅图3，图3是本发明可选实施例提供的一种电子设备的结构示意图，如图3所示，该电子设备可以包括：至少一个处理器601，例如CPU（Central Processing Unit，中央处理器），至少一个通信接口603，存储器604，至少一个通信总线602。其中，通信总线602用于实现这些组件之间的连接通信。其中，通信接口603可以包括显示屏（Display）、键盘（Keyboard），可选通信接口603还可以包括标准的有线接口、无线接口。存储器604可以是高速RAM存储器（Random Access Memory，易挥发性随机存取存储器），也可以是非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。存储器604可选的还可以是至少一个位于远离前述处理器601的存储装置。其中处理器601可以结合上文所描述的装置，存储器604中存储应用程序，且处理器601调用存储器604中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线602可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。通信总线602可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器604可以包括易失性存储器（英文：volatile memory），例如随机存取存储器（英文：random-access memory，缩写：RAM）；存储器也可以包括非易失性存储器（英文：non-volatile memory），例如快闪存储器（英文：flash memory），硬盘（英文：hard diskdrive，缩写：HDD）或固态硬盘（英文：solid-state drive，缩写：SSD）；存储器604还可以包括上述种类的存储器的组合。
其中，处理器601可以是中央处理器（英文：central processing unit，缩写：CPU），网络处理器（英文：network processor，缩写：NP）或者CPU和NP的组合。
其中，处理器601还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路（英文：application-specific integrated circuit，缩写：ASIC），可编程逻辑器件（英文：programmable logic device，缩写：PLD）或其组合。上述PLD可以是复杂可编程逻辑器件（英文：complex programmable logic device，缩写：CPLD），现场可编程逻辑门阵列（英文：field-programmable gate array，缩写：FPGA），通用阵列逻辑（英文：generic arraylogic, 缩写：GAL）或其任意组合。
可选地，存储器604还用于存储程序指令。处理器601可以调用程序指令，实现如本申请实施例中所示的匝道口的确定方法。
本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的匝道口的确定方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random Access Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard DiskDrive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种匝道口的确定方法，其特征在于，包括：
获取道路曲率信息以及待控制车辆与道路边界之间的距离信息，并基于卡尔曼滤波对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息；
获取所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息，并根据所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息确定所述待控制车辆所在的车道，以及所述车道的数量；
基于所述待控制车辆所在的车道和所述车道的数量，控制所述待控制车辆移动至最右侧的目标车道；
当所述待控制车辆处于所述目标车道，根据所述目标车道以及所述目标车道右侧车道的属性信息确定匝道口。
2.根据权利要求1所述的方法，其特征在于，所述基于卡尔曼滤波对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息，包括：
获取雷达传感器的探测点的坐标信息；
基于预设第一距离以及所述探测点的坐标信息对所述探测点进行筛选，确定围栏点的坐标信息，所述围栏点为筛选后的探测点；
基于卡尔曼滤波和所述围栏点的坐标信息对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息。
3.根据权利要求2所述的方法，其特征在于，所述基于预设第一距离以及所述探测点的坐标信息对所述探测点进行筛选，确定围栏点的坐标信息，包括：
获取预设第一距离；
基于拉依达准则筛选在所述待控制车辆的预设第一距离范围内的探测点，以确定所述围栏点的坐标信息，所述围栏点为筛选后的探测点。
4.根据权利要求1所述的方法，其特征在于，所述目标车辆为所述待控制车辆前方所有车道上的车辆，所述根据所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息确定所述待控制车辆所在的车道，以及所述车道的数量，包括：
根据所述目标车辆的坐标信息以及运动信息对所述目标车辆进行分类，以确定各目标车辆所在的车道以及各所述车道的数量；
基于所述各所述车道的数量，确定所述待控制车辆所在的车道。
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标车辆的坐标信息以及运动信息对所述目标车辆进行分类，以确定各目标车辆所在的车道以及各所述车道的数量，包括：
根据所述目标车辆的坐标信息以及运动信息对所述目标车辆进行分类，确定所述目标车辆的行驶方向以及位置分布；
基于所述位置分布进行归一化和平均值处理，得到各车道数量的平均马尔科夫概率，以确定各目标车辆所在的车道以及各所述车道的数量。
6.根据权利要求1所述的方法，其特征在于，所述当所述待控制车辆处于所述目标车道，根据所述目标车道以及所述目标车道右侧车道的属性信息确定匝道口，包括：
获取所述目标车道的右侧车道的曲率信息以及所述目标车道的曲率信息；
基于所述右侧车道的曲率信息与所述目标车道的曲率信息的差值判断是否存在匝道口，得到第一判断结果；
获取右侧车道的数量、所述待控制车辆与所述道路边界的之间的距离信息判断是否存在匝道口，得到第二判断结果；
结合所述第一判断结果和所述第二判断结果确定匝道口。
7.根据权利要求6所述的方法，其特征在于，所述基于所述右侧车道的曲率信息与所述目标车道的曲率信息的差值判断是否存在匝道口，得到第一判断结果，包括：
基于所述右侧车道的曲率信息以及所述目标车道的曲率信息计算第一差值；
将所述第一差值与预设曲率阈值比较，得到第一判断结果。
8.一种匝道口的确定装置，其特征在于，包括：
距离获取模块，用于获取道路曲率信息以及待控制车辆与道路边界之间的距离信息，并基于卡尔曼滤波对所述曲率信息以及所述距离信息进行优化，得到优化后的曲率信息以及距离信息；
车道确定模块，用于获取所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息，并根据所述待控制车辆的运动信息、目标车辆的坐标信息以及运动信息、车道线信息、所述优化后的曲率信息以及距离信息确定所述待控制车辆所在的车道，以及所述车道的数量；
车辆控制模块，用于基于所述待控制车辆所在的车道和所述车道的数量，控制所述待控制车辆移动至最右侧的目标车道；
匝道确定模块，用于当所述待控制车辆处于所述目标车道，根据所述目标车道以及所述目标车道右侧车道的属性信息确定匝道口。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的匝道口的确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-7中任一项所述的匝道口的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310000682.5A CN115675472B (zh) | 2023-01-03 | 2023-01-03 | 一种匝道口的确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310000682.5A CN115675472B (zh) | 2023-01-03 | 2023-01-03 | 一种匝道口的确定方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115675472A true CN115675472A (zh) | 2023-02-03 |
| CN115675472B CN115675472B (zh) | 2023-04-07 |
Family
ID=85056896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310000682.5A Active CN115675472B (zh) | 2023-01-03 | 2023-01-03 | 一种匝道口的确定方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115675472B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007062445A (ja) * | 2005-08-29 | 2007-03-15 | Aisin Aw Co Ltd | コーナ学習システム |
| US20150367778A1 (en) * | 2014-06-19 | 2015-12-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Road branch detection and path selection for lane centering |
| CN110488825A (zh) * | 2019-08-19 | 2019-11-22 | 中国第一汽车股份有限公司 | 一种自动驾驶的匝道口识别方法及车辆 |
| CN114620040A (zh) * | 2022-04-11 | 2022-06-14 | 上海安亭地平线智能交通技术有限公司 | 车辆的控制方法、装置、电子设备和存储介质 |
| CN114906154A (zh) * | 2022-05-26 | 2022-08-16 | 重庆长安汽车股份有限公司 | 车辆行驶道路类别判断方法、系统、电子设备及存储介质 |
-
2023
- 2023-01-03 CN CN202310000682.5A patent/CN115675472B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007062445A (ja) * | 2005-08-29 | 2007-03-15 | Aisin Aw Co Ltd | コーナ学習システム |
| US20150367778A1 (en) * | 2014-06-19 | 2015-12-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Road branch detection and path selection for lane centering |
| CN110488825A (zh) * | 2019-08-19 | 2019-11-22 | 中国第一汽车股份有限公司 | 一种自动驾驶的匝道口识别方法及车辆 |
| CN114620040A (zh) * | 2022-04-11 | 2022-06-14 | 上海安亭地平线智能交通技术有限公司 | 车辆的控制方法、装置、电子设备和存储介质 |
| CN114906154A (zh) * | 2022-05-26 | 2022-08-16 | 重庆长安汽车股份有限公司 | 车辆行驶道路类别判断方法、系统、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115675472B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110843789B (zh) | 一种基于时序卷积网络的车辆换道意图预测方法 | |
| CN110674733A (zh) | 多目标检测识别方法和辅助驾驶方法、系统 | |
| CN112706785B (zh) | 一种自动驾驶车辆行驶环境认知目标选择方法、装置及存储介质 | |
| CN114596712B (zh) | 一种车辆跟驰控制方法和系统 | |
| CN111469127B (zh) | 代价地图更新方法、装置、机器人及存储介质 | |
| US11087147B2 (en) | Vehicle lane mapping | |
| CN114488185B (zh) | 基于多线激光雷达的机器人导航系统方法及系统 | |
| CN113074748B (zh) | 一种无人驾驶设备的路径规划方法及装置 | |
| EP4094046A1 (en) | Method and apparatus for evaluating maps for autonomous driving and vehicle | |
| KR20210044961A (ko) | 자율주행차량의 차선변경 전략 결정 장치 및 그 방법 | |
| KR20210005395A (ko) | 자율주행차량의 유턴 전략 결정 장치 및 그 방법 | |
| CN113432615A (zh) | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 | |
| CN116311127A (zh) | 一种道路边界检测方法、计算机设备、可读存储介质及机动车 | |
| US20220396290A1 (en) | Apparatus for Controlling Vehicle, System Including Same and Method Thereof | |
| US20220171975A1 (en) | Method for Determining a Semantic Free Space | |
| CN118311955A (zh) | 无人机控制方法、终端、无人机及存储介质 | |
| CN115675472B (zh) | 一种匝道口的确定方法、装置、电子设备和存储介质 | |
| CN116703979A (zh) | 目标跟踪方法、装置、终端及存储介质 | |
| CN115512542B (zh) | 一种基于路侧激光雷达的考虑遮挡的轨迹复原方法及系统 | |
| CN115675454B (zh) | 车辆碰撞识别方法、车载终端、车辆及存储介质 | |
| CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
| CN115123291A (zh) | 一种基于障碍物识别的行为预测方法及装置 | |
| US20240020964A1 (en) | Method and device for improving object recognition rate of self-driving car | |
| CN113837298B (zh) | 基于深度学习的智能车辆周边行人行为预测方法和系统 | |
| US12131632B1 (en) | Methods for traffic flow control considering bus stops in connected environment |
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 |