CN115962787A - 地图更新、自动驾驶控制方法、设备、介质及车辆 - Google Patents
地图更新、自动驾驶控制方法、设备、介质及车辆 Download PDFInfo
- Publication number
- CN115962787A CN115962787A CN202310253201.1A CN202310253201A CN115962787A CN 115962787 A CN115962787 A CN 115962787A CN 202310253201 A CN202310253201 A CN 202310253201A CN 115962787 A CN115962787 A CN 115962787A
- Authority
- CN
- China
- Prior art keywords
- lane line
- map
- aggregation
- source
- target
- 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
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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于自动驾驶技术领域,具体提供一种地图更新、自动驾驶控制方法、设备、介质及车辆,旨在解决高精地图中存在几何问题区域的地图更新的问题。为此目的,本发明的方法包括:对目标车道线和源车道线进行车道线级关联,得到第一聚合车道线集合;基于目标道路和源道路的道路级关联结果筛选第一聚合车道线集合,得到第二聚合车道线集合;基于第二聚合车道线集合直接或再次筛选得到地图更新源并更新目标地图。本发明通过目标地图、源地图的车道线、道路的多级关联和多级距离阈值,提高了地图更新源数据的准确性;通过鲜度高的众包地图更新鲜度相对低的高精地图,提高了自动驾驶车辆的安全性,扩大了自动驾驶系统的开启范围,提升了用户体验。
Description
技术领域
本发明属于自动驾驶技术领域,具体提供一种地图更新、自动驾驶控制方法、设备、介质及车辆。
背景技术
在车辆自动驾驶应用中,目前L3级及以上等级的自动驾驶技术对高精地图有着较强的依赖。高精地图作为自动驾驶技术栈中不可或缺的重要环节,在定位、感知、规划控制等各个模块都有着重要作用。然而,高精地图通常基于搭载高精度传感器的地图采集车所获取的环境信息数据,但这种昂贵的地图采集车数量有限,导致高精度地图无法达到月级或周级的更新,使得高精地图鲜度较低,无法对现实环境的变化做出快速反应。
当高精地图存在因鲜度引起的现势性问题时,发生问题的区域通常会被标记为out of odd区域(自动驾驶功能运行设计域之外区域)。当自动驾驶车辆驶入该区域时候,出于功能安全角度的考虑,自动驾驶系统通常会进行功能降级或退出自动驾驶状态。尤其当道路和/或车道存在大折角弯折、横向宽度渐变或者车道过窄等几何问题,如果现实场地中的车道线位置已经发生了变化,而高精地图中的车道线未及时更新时,这可能会导致自动驾驶车辆出现撞墙或者画龙的风险。对于上述由于高精地图未及时更新而导致的道路地图发生几何问题的情况,往往会为存在几何问题的范围设定地理围栏,该围栏表达了自动驾驶系统的设计运行关闭区域。
为了扩大自动驾驶系统的运行范围,增加自动驾驶系统的空间可用性,就需要及时消除因地图鲜度而引起的自动驾驶功能运行设计域之外的区域。因此,如何实现高精地图中存在几何问题的地理围栏区域的地图更新,已成为亟待解决的问题。
相应地,本领域需要一种新的方案来解决上述问题。
发明内容
本发明旨在解决或部分解决上述技术问题,即,如何实现高精地图中存在几何问题的地理围栏区域的地图更新的问题。
在第一方面,本发明提出了一种地图更新方法,所述方法包括:
基于目标地图的设定区域获取源地图中与所述设定区域对应的源地图数据;
基于所述目标地图中的目标车道线和所述源地图中的源车道线,从所述源车道线中获取与目标车道线 关联的第一聚合车道线集合;
基于所述目标车道线对应的目标道路和所述源地图中的源道路,并结合所述第一聚合车道线集合,获取与所述目标车道线关联的第二聚合车道线集合;
基于所述第二聚合车道线集合,获取地图更新源;
基于所述地图更新源,更新所述目标地图。
在上述地图更新方法的一个实施方式中,“基于所述目标地图中的目标车道线和所述源地图中的源车道线,从所述源车道线中获取与目标车道线关联的第一聚合车道线集合”包括:
基于空间搜索算法,建立所述目标车道线与所述源车道线之间的车道线级关联,从所述源车道线中得到与目标车道线元素关联的候选聚合车道线;
分别获取所述目标车道线元素与所述候选聚合车道线之间的重叠区域的重叠比例,以及所述重叠区域中所述目标车道线元素与所述候选聚合车道线之间的车道线距离;
当所述重叠比例大于或等于第一重叠比例阈值,并且所述车道线距离小于或等于第一距离阈值时,基于对应的所述候选聚合车道线构建所述第一聚合车道线集合;
其中,所述目标车道线包含一个或多个所述目标车道线元素。
在上述地图更新方法的一个实施方式中,“基于所述目标车道线对应的目标道路和所述源地图中的源道路,并结合所述第一聚合车道线集合,获取与所述目标车道线关联的第二聚合车道线集合”包括:
通过预设的匹配算法,建立所述目标道路与待匹配源道路之间的道路级关联,得到道路关联聚合车道线集合,其中所述道路关联聚合车道线集合为与所述目标车道线匹配的所述源车道线的集合;
基于所述道路关联聚合车道线集合,对所述第一聚合车道线集合进行筛选,得到所述第二聚合车道线集合;
其中,所述待匹配源道路为所述源地图中全部的所述源道路或者所述第一聚合车道线集合中的聚合车道线所对应的所述源道路。
在上述地图更新方法的一个实施方式中,“通过预设的匹配算法,建立所述目标道路与待匹配源道路之间的道路级关联,得到道路关联聚合车道线集合”包括:
通过匈牙利算法,建立所述目标道路与所述待匹配源道路之间的所述道路级关联;
基于所述目标车道线与所述源车道线之间的几何距离、重合比例以及车道线编号差值构建道路级关联代价矩阵;
基于所述道路级关联代价矩阵对所述目标道路中的全部所述目标车道线与所述待匹配源道路中的全部所述源车道线进行匈牙利匹配,得到所述道路关联聚合车道线集合。
在上述地图更新方法的一个实施方式中,“基于所述第二聚合车道线集合,获取地图更新源”包括:
基于所述第二聚合车道线集合,直接获取所述地图更新源;
或者,对所述第二聚合车道线集合进行筛选,获取与所述目标车道线关联的第三聚合车道线集合;
基于所述第三聚合车道线集合,获取所述地图更新源。
在上述地图更新方法的一个实施方式中,“对所述第二聚合车道线集合进行筛选,获取与所述目标车道线关联的第三聚合车道线集合”包括:
S1:获取所述第二聚合车道线集合中相似聚合车道线对;
S2:基于所述相似聚合车道线对中的两条聚合车道线与所述目标车道线的位置关系,对所述相似聚合车道线对中的所述聚合车道线进行筛选,并更新所述第二聚合车道线集合;
S3:检查更新后的所述第二聚合车道线集合中是否还存在所述相似聚合车道线对,如果有则返回步骤S1,如果没有则执行步骤S4;
S4:分别获取更新后的所述第二聚合车道线集合中的所述聚合车道线与所述目标车道线之间的所述车道线距离,保留其中所述车道线距离小于或等于第二距离阈值所对应的所述聚合车道线,从而得到所述第三聚合车道线集合;
其中,所述相似聚合车道线对为所述第二聚合车道线集合中具有重叠区域的两条所述聚合车道线,所述第二距离阈值小于所述第一距离阈值。
在上述地图更新方法的一个实施方式中,“基于所述相似聚合车道线对中的两条聚合车道线与所述目标车道线的位置关系,对所述相似聚合车道线对中的所述聚合车道线进行筛选”包括:
当所述相似聚合车道线对中的两条所述聚合车道线属于不同的所述源道路时,分别获取所述相似聚合车道线对中的两条所述聚合车道线所对应的两条所述源道路与所述目标车道线之间的线道距离,保留所述相似聚合车道线对中较小的所述线道距离所对应的所述聚合车道线;
当所述相似聚合车道线对中的两条所述聚合车道线属于同一所述源道路时,分别获取所述相似聚合车道线对中的两条所述聚合车道线与所述目标车道线之间的线线距离,保留所述相似聚合车道线对中较小的所述线线距离所对应的所述聚合车道线。
在上述地图更新方法的一个实施方式中,“基于所述第二聚合车道线集合,获取地图更新源”还包括:
获取所述第二聚合车道线集合或所述第三聚合车道线集合中的聚合车道线在所述目标地图中的几何投影;
对所述几何投影进行排序、拼接、得到所述地图更新源。
在上述地图更新方法的一个实施方式中,所述目标地图为高精地图,所述源地图为众包地图,“基于目标地图的设定区域获取源地图中与所述设定区域对应的源地图数据”包括:
响应于所述目标地图的所述设定区域的更新指令,执行“基于目标地图的设定区域获取源地图中与所述设定区域对应的源地图数据”;
并且/或者,
当处于自动驾驶状态的车辆驶入所述目标地图的所述设定区域时,生成所述更新指令。
在第二方面,本发明提出了一种自动驾驶控制方法,所述方法包括:
基于上述任一项方案所述的地图更新方法对高精地图进行更新;
基于更新后的所述高精地图进行自动驾驶控制。
在第三方面,本发明提出了一种计算机设备,所述计算机设备包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述任一项方案所述的地图更新方法和/或自动驾驶控制方法。
在第四方面,本发明提出了一种存储介质,所述存储介质适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述任一项方案所述的地图更新方法和/或自动驾驶控制方法。
在第五方面,本发明提出了一种车辆,所述车辆设置有上述任一项方案所述的计算机设备。
本发明通过对目标地图、源地图的设定区域进行车道线级关联、道路级关联,得到与目标车道线关联的聚合车道线,并结合道路特点对聚合车道线进行筛选,提高了地图更新源数据的准确性,并且在数据处理的不同阶段采用不同的距离阈值,在提高关联关系的召回同时,减少了关联关系的遗漏。并且,通过设置车辆进入地理围栏区域时,使用鲜度高的众包地图更新鲜度相对低的高精地图,可以使高精地图及时呈现出道路的真实情况,为自动驾驶控制提供可靠的地图数据,提高了车辆自动驾驶的安全性。同时,通过地理围栏区域地图的及时更新、该区域自动驾驶控制关闭或开启,可以在保证车辆安全的情况下,扩大了自动驾驶系统的开启范围,提升了用户体验。
附图说明
参照附图,本发明的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于说明的目的,而并非意在对本发明的保护范围组成限制。其中:
图1是本发明的实施例的地图更新方法的主要步骤流程图。
图2是本发明的实施例的目标车道线和源车道线的示意图。
图3是本发明的另一实施例的具有并排道路场景的示意图。
图4是本发明的实施例的基于第二聚合车道线集合获取第三聚合车道线集合的主要步骤流程图。
图5是本发明的实施例的计算机设备的主要结构示意图。
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,下面将参照附图,对本发明实施例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的一部分实施例,而不是全部实施例。基于本发明的实施例,本领域普通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。
本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。本领域技术人员可以根据需要对其做出调整,以便适应具体的应用场合。
首先阅读图1,图1是本发明的实施例的地图更新方法的主要步骤流程图。如图1所示,本发明的地图更新方法包括:
步骤S101:基于目标地图的设定区域获取源地图中与设定区域对应的源地图数据;
步骤S102:基于目标地图中的目标车道线和源地图中的源车道线,从所述源车道线中获取与目标车道线关联的第一聚合车道线集合;
步骤S103:基于目标车道线对应的目标道路和源地图中的源道路,并结合第一聚合车道线集合,获取与目标车道线关联的第二聚合车道线集合;
步骤S104:基于第二聚合车道线集合,获取地图更新源;
步骤S105:基于地图更新源,更新目标地图。
目标地图为需要被更新的地图,源地图为目标地图提供更新数据源的地图。相应地,为了区分目标地图和源地图中的地图元素,目标地图中的地图元素增加“目标”定语,例如:目标道路、目标车道、目标车道线等;源地图中的地图元素增加“源”定语,例如:源道路、源车道、源车道线等。
在本发明的实施例中,目标地图为目前广泛应用在车辆自动驾驶技术领域中的高精地图,高精地图通常通过搭载高精度传感器的地图采集车获取,但是这种地图采集车价格昂贵、数量优先,导致高精度地图无法达到月级或周级的更新,使得高精地图鲜度较低。
源地图则选用基于众包理念制作的众包地图。所谓众包地图,是指通过众多具有环境感知能力的车辆,让它们一边行驶一边收集道路信息数据并上传到云端,云端根据众多车辆上传的道路信息数据构建还原度高的、即时更新的地图,因此众包地图通常具有较高的鲜度。
在自动驾驶应用中,通常将地图中的道路和/或车道存在大折角弯折、横向宽度渐变或者车道过窄等几何问题的区域设置为地理围栏区域,如果该区域的地图数据由于鲜度问题,而与当前实际路况有差异时,可能会导致自动驾驶车辆出现撞墙或者画龙等风险。
因此,在本发明的实施例中,设定区域为高精地图的地理围栏区域,并且可将自动驾驶的车辆设置为当车辆驶入地理围栏区域时,生成地图更新指令,并根据图1所示的地图更新方法,用众包地图对应的地理围栏区域数据更新高精地图的地理围栏区域。
当目标地图需要更新时,在步骤S101中基于目标地图的设定区域获取源地图中与设定区域对应的源地图数据。目标地图和源地图之间的设定区域的对应位置关系,可通过目标地图和源地图的地图坐标系得到。
地图坐标系的建立本发明不做限定,作为示例,目标地图和源地图可建立由经度(longitude)、纬度(latitude)和高度(height)形成的经纬高坐标系,而在本发明的相关区域选择、位置确定、距离计算等处理中,可采用X轴指向东边,Y轴指向北边,Z轴指向天顶的东北天坐标系。经纬高坐标系与东北天坐标系均为地图技术领域中常规的坐标系,因此,本发明的实施例不对这两个坐标系的转换方法进行赘述。
步骤S101获取的地图数据包括但不限于道路、车道、车道线、停止线、路标标识、交通显示灯和交通标志等地图元素,还包括地图元素的相关属性,地图元素的属性包括但不限于元素的类型和颜色等信息。例如,若地图元素是车道线,那么其属性可以包括车道线的类型(比如实线或虚线)和颜色(比如白色或黄色)等。
在步骤S102中,遍历设定区域内所有的目标车道线,对于每一条目标车道线,分别基于空间搜索算法,建立目标车道线与源车道线之间的实例级数据关联,即车道线级关联,得到与目标车道线元素关联的源车道线中的候选聚合车道线。
需要说明的是,目标车道线元素为该目标车道线的部分或者全部,即目标车道线包含一个或多个目标车道线元素;候选聚合车道线(聚合车道线)为源地图中源车道线的部分或者全部,即源车道线包含一条或多条候选聚合车道线。
如图2所示,目标车道线hd1包含两个目标车道线元素hd1_1和hd1_2;ag1和ag2为同一源车道线aggr1上的两条候选聚合车道线。
作为示例,空间搜索算法可选用RTREE算法。本领域技术人员可根据设定区域中目标车道线的几何形状、地图元素属性、道路设施等实际情况,将目标车道线所在的区域划分为1个或多个子区域,从而得到每个子区域中的目标车道线元素关联的候选聚合车道线。
如图2所示,对于目标车道线hd1进行RTREE匹配关联时,可根据折弯位置(几何形状)将hd1分成两个子区域(例如矩形区域、四边形等),即hd1_1对应的子区域1和hd1_2对应的子区域2,从而得到与目标车道线元素hd1_1关联的候选聚合车道线ag1、ag3、ag5和ag7,与目标车道线元素hd1_2关联的候选聚合车道线ag2、ag4、ag6和ag8。
得到与目标车道线元素关联的候选聚合车道线后,逐一计算目标车道线元素与候选聚合车道线的相似性。相似性计算包括,分别获取目标车道线元素与候选聚合车道线之间的重叠区域的重叠比例,以及重叠区域中目标车道线元素与候选聚合车道线之间的车道线距离,其中重叠区域可以使用前述车道线级关联所划分的子区域。
作为示例,重叠区域的重叠比例可选择关联子区域中的目标车道线元素的长度与目标车道线元素的长度累加候选聚合车道线的长度之和的比值。重叠区域中目标车道线元素与候选聚合车道线之间的车道线距离,可以采用候选聚合车道线上均匀分布的多个点到目标车道线元素的垂直距离的平均值。
当子区域中的目标车道线元素和候选聚合车道线的重叠比例大于或等于第一重叠比例阈值,并且车道线距离小于或等于第一距离阈值时,该候选聚合车道线为与目标车道线元素具有关联关系的第一聚合车道线集合中的聚合车道线。
作为示例,第一重叠比例阈值可设置为40%。对于第一距离阈值,通常设置较宽范围的距离阈值,这样能够尽可能的提升目标地图车道线和源地图车道线关联关系的召回,减少关联关系的遗漏。因此通常第一距离阈值可根据目标车道的道路宽度进行设置,如设置为目标道路宽度的1.2倍,本领域技术人员也可根据实际情况设置其他数值。
将设定区域内符合上述相似判断条件的候选聚合车道线进行汇总,构建与目标车道线关联的第一聚合车道线集合。
结合图2以目标车道线hd1为例说明如何获取第一聚合车道线集合。由前述可知,目标车道线hd1包含两个目标车道线元素hd1_1和hd1_2,子区域1中目标车道线元素hd1_1关联的候选聚合车道线ag1、ag3、ag5和ag7,子区域2中目标车道线元素hd1_2关联的候选聚合车道线ag2、ag4、ag6和ag8。
如果hd1_1与ag1、ag3、ag5、ag7之间的重叠比例,均大于或等于第一重叠比例阈值,但是只有hd1_1与ag1、ag3、ag5之间的车道线距离小于或等于第一距离阈值;hd1_2与ag2、ag4、ag6、ag8之间的重叠比例,均大于或等于第一重叠比例阈值,但是只有hd1_2与ag2、ag4、ag6之间的车道线距离小于或等于第一距离阈值,此时可以得到与目标车道线hd1关联的第一聚合车道线集合包括ag1、ag3、ag5、ag2、ag4、ag6,记作。同样方法,得到目标车道中与其他目标车道线关联的第一聚合车道线集合。
在步骤S103中,通过道路级的关联关系对步骤S102所得到与其他目标车道线关联的第一聚合车道线集合进行筛选,以便得到准确的地图更新源。
根据已知的源地图中地图拓扑关系,确定第一聚合车道线集合中的聚合车道线所对应的源道路,即待匹配源道路。
通过预设的匹配算法,建立目标道路与待匹配源道路之间的道路级关联,即得到目标道路中的全部目标车道线与待匹配源道路中的全部源车道之间的匹配关系。
优选地,需要构建道路级关联代价矩阵进行匹配关联的描述。本发明的实施例中,基于目标车道线与源车道线之间的几何距离、重合比例以及车道线编号差值构建道路级关联代价矩阵。
道路级关联代价矩阵为:
其中,为第条源车道线和第条目标车道线之间的几何距离,为第条源车道线和第条目标车道线之间的重合比例,为第条源车道线的车道线编号和第条目标车道线的车道线编号之间的差值的绝对值。
作为示例,源车道线和目标车道线之间的几何距离可选用欧氏距离;源车道线和目标车道线之间的重合比例可选用IOU(Intersection over Union,交并比);道路最左侧车道线的车道线编号为-1,车道线编号向右依次进行递减。
优选地,预设的匹配算法选用匈牙利算法,基于道路级关联代价矩阵对目标道路中的全部目标车道线与待匹配源道路中的全部源车道线进行匈牙利匹配,得到道路关联聚合车道线集合,其中道路关联聚合车道线集合为与目标车道线匹配的源车道线的集合。以图2为例,与目标车道线hd1匹配的源车道线的集合中的数据为aggr1。
由于aggr1仅包含ag1和ag2,在本发明的实施例中,基于与目标车道线hd1匹配的源车道线的集合(aggr1),对第一聚合车道线集合进行筛选,得到与目标车道线hd1匹配的第二聚合车道线集合。
在另一实施例中,设定区域内存在如图3所示的并排道路Road1和Road2,同样可以根据上述步骤S101、步骤S102、步骤S103获取与目标车道线关联的第二聚合车道线集合。
但是,由于步骤S102中第一距离阈值通常较大,并且在步骤S103中,允许车道线距离差异很大情况下的进行道路级的整体数据关联。此时,对于如图3所示的道路情况,目标地图的Road1会同时和源地图的Road1和Road2产生关联。
作为示例,在步骤S102执行目标车道线与源车道线之间的车道线级关联后,得到的与目标车道线关联的第一聚合车道线集合为:
。
在第一聚合车道线集合中,ag1、ag3、ag5、ag7、ag2、ag4、ag6、ag8为源道路Road1中的聚合车道线,ag9和ag10为源道路Road2中的聚合车道线,得到待匹配源道路为源道路Road1和源道路Road2。
因此,在步骤S103中,hd1所处的目标道路Road1将分别与源道路Road1和源道路Road2进行道路级关联,得到与目标车道线hd1匹配的源车道线的集合中的数据为aggr1和aggr5。
aggr1包含ag1和ag2,aggr5包含ag9和ag10,基于道路级关联的结果对第一聚合车道线集合筛选后得到第二聚合车道线集合为:
。
此时hd1的第二聚合车道线集合存在误关联ag9和ag10。为了保证关联数据的准确,需要对第二聚合车道线集合进一步进行筛选。
接下来结合图4,说明对第二聚合车道线集合进行筛选,从而获取与目标车道线关联的第三聚合车道线集合的方法。
步骤S1:获取第二聚合车道线集合中相似聚合车道线对。其中,相似聚合车道线对为第二聚合车道线集合中具有重叠区域的两条聚合车道线。
作为示例,重叠区域可以参考前述的步骤S102中的重叠区域,通过道路的折弯确定重叠区域,使重叠区域中的车道线相互平行或近似相互平行。在图4中,ag1和ag9为相似聚合车道线对,ag2和ag10为相似聚合车道线对。
步骤S2:基于相似聚合车道线对中的两条聚合车道线与目标车道线的位置关系,对相似聚合车道线对中的聚合车道线进行筛选。
首先检查相似聚合车道线对中的两条聚合车道线是否属于同一源道路。
当相似聚合车道线对中的两条聚合车道线属于不同的源道路时,分别获取相似聚合车道线对中的两条聚合车道线所对应的两条源道路与目标车道线之间的线道距离,保留相似聚合车道线对中较小的线道距离所对应的聚合车道线。
如图4所示,如果ag1和ag9分别属于源道路Road1和源道路Road2,分别计算hd1与源道路Road1和源道路Road2之间线道距离,hd1与源道路Road1之间的线道距离小于hd1与源道路Road2之间的线道距离,因此保留ag1,并更新第二聚合车道线集合。
在另一实施例中,当相似聚合车道线对中的两条聚合车道线属于同一源道路时,分别获取相似聚合车道线对中的两条聚合车道线与目标车道线之间的线线距离,保留相似聚合车道线对中较小的线线距离所对应的聚合车道线。
作为示例,线道距离可以参考步骤S102中所述的车道线距离的获取方法,将目标车道线与源车道中心线之间的车道线距离作为线道距离;线线距离也可采用步骤S102中所述的车道线距离的获取方法进行计算。
步骤S3:检查更新后的第二聚合车道线集合中是否还存在相似聚合车道线对,如果有则返回步骤S1,如果没有则执行步骤S4。
步骤S4:为了进一步提高数据的准确性,对更新后的第二聚合车道线集合通过第二距离阈值进行筛选。
分别获取更新后的第二聚合车道线集合中的聚合车道线与目标车道线之间的车道线距离,保留其中车道线距离小于或等于第二距离阈值所对应的聚合车道线,从而得到第三聚合车道线集合
。
其中,为了提高数据的准确性,第二距离阈值通常小于所述第一距离阈值。作为示例,第二距离阈值可以根据道路的平均车道宽度进行设置,如1.5倍的平均车道宽度。
需要说明的是,在步骤S1、步骤S2和步骤S3的循环执行中,可以每次循环只处理1个相似聚合车道线对,也可以每次循环处理多个相似聚合车道线对,本领域技术人员可根据实际情况进行设置。
步骤S104中,如果设定区域只包含一条道路,如图3所示情景时,可直接基于第二聚合车道线集合,获取地图更新源。如果设定区域包含并排的道路,如图4所示情景时,使用通过筛选第二聚合车道线集合得到的第三聚合车道线集合作为地图更新源。
根据目标地图坐标系和源地图坐标系之间的对应关系,获取第二聚合车道线集合或第三聚合车道线集合中的聚合车道线在目标地图中的几何投影。并根据位置关系对几个投影进行排序、拼接,从而得到目标车道线的位置更数据。
同时根据源地图中的源车道线的相关属性(如车道线类型、车道线颜色等),在目标车道线的位置更数据的基础上添加相应的属性数据,得到完整的地图更新源。
在步骤S105中,根据地图更新源中车道线的位置数据和属性数据更新目标地图中的目标车道线,完成设定区域的地图更新。
在另一实施例中,目标地图的设定区域的更新指令可以由用户手动触发生成,也可以是定时(如每日)生成更新指令,本领域技术人员可根据实际情况设计更新指令的生成方式。
需要说明的是,目标地图和源地图不限于本发明的实施例所示的目标地图为高精地图、源地图为众包地图的情景,只要目标地图和源地图的车道线存在差异,即可使用本发明的方法用源地图的数据更新目标地图的数据。作为示例,当目标地图为A公司的高精地图,源地图为B公司的高精地图时,本发明的方法同样适用。
需要说明的是,设定区域不限定于本发明实施例所示的地理围栏区域,本领域技术人员可以任意设定目标地图中的包含车辆道路和车道线的区域作为设定区域,使用本发明的方法对该区域内的车道线进行更新。
需要说明的是,本发明的方法即适用于二维地图,也适用于三维地图,当地图为三维地图时,可忽略三维地图中的高度信息。
需要说明的是,目标地图和源地图的存储位置、以及执行目标地图更新的位置本发明不做限定。作为示例,目标地图和源地图均位于云端服务器,云端目标地图的服务器完成设定区域的地图更新后,再更新车辆中的目标地图;或者,车辆中的目标地图直接获取位于云端的源地图,并由车辆中的计算机设备完成目标地图中设定区域的更新。本领域技术人员可根据实际情况配置目标地图和源地图的存储位置、以及执行目标地图更新的位置,但是这种变化不应认为超出本发明的范围。
进一步,本发明还提供了一种自动驾驶控制方法。在一个实施例中,新能源车辆安装有高精地图,并可以基于高精地图进行自动驾驶控制。高精地图中有预设的地理围栏区域,当处于自动驾驶状态的新能源车辆驶入地理围栏区域时,暂时自动关闭自动驾驶功能,并生成高精地图的更新指令。根据上述方法实施例的地图更新方法完成高精地图更新后,新能源车辆再次开启自动驾驶功能,并基于更新后的高精地图进行自动驾驶控制。
通过设置车辆进入地理围栏区域时,使用鲜度高的众包地图更新鲜度相对低的高精地图,可以使高精地图及时呈现出道路的真实情况,为自动驾驶控制提供可靠的地图数据,同时提高车辆自动驾驶的安全性。并且,通过地理围栏区域地图的及时更新、该区域自动驾驶控制关闭或开启,可以在保证车辆安全的情况下,扩大了自动驾驶系统的开启范围,提升了用户体验。
进一步,本发明还提供了一种计算机设备,图5是根据本发明的一个计算机设备实施例的主要结构示意图。如图5所示,本发明实施例中的计算机设备主要包括存储装置11和处理器12,存储装置11可以被配置成存储执行上述方法实施例的地图更新方法和/或自动驾驶控制方法的程序,处理器12可以被配置成用于执行存储装置中的程序,该程序包括但不限于执行上述方法实施例的地图更新方法和/或自动驾驶控制方法的程序。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。
在本发明实施例中计算机设备可以是包括各种电子设备形成的控制装置设备。在一些可能的实施方式中,计算机设备可以包括多个存储装置11和多个处理器12。而执行上述方法实施例的地图更新方法和/或自动驾驶控制方法的程序可以被分割成多段子程序,每段子程序分别可以由处理器加载并运行以执行上述方法实施例的地图更新方法和/或自动驾驶控制方法的不同步骤。具体地,每段子程序可以分别存储在不同的存储装置11中,每个处理器12可以被配置成用于执行一个或多个存储装置11中的程序,以共同实现上述方法实施例的地图更新方法和/或自动驾驶控制方法,即每个处理器12分别执行上述方法实施例的地图更新方法和/或自动驾驶控制方法的不同步骤,来共同实现上述方法实施例的地图更新方法和/或自动驾驶控制方法。
上述多个处理器12可以是部署于同一设备上的处理器,例如上述计算机设备可以是由多个处理器组成的高性能设备,上述多个处理器12可以是该高性能设备上配置的处理器。此外,上述多个处理器12也可以是部署于不同设备上的处理器,例如上述计算机设备可以是服务器集群,上述多个处理器12可以是服务器集群中不同服务器上的处理器。
进一步,本发明还提供了一种存储介质,该存储介质可以被配置成存储执行上述方法实施例的地图更新方法和/或自动驾驶控制方法的程序,该程序可以由处理器加载并运行来实现上述地图更新方法和/或自动驾驶控制方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该存储介质可以是包括各种电子设备形成的存储装置设备,可选地,本发明实施例中存储介质是非暂时性的可读写存储介质。
进一步,本发明还提供了一种车辆,该车辆包括上述电子设备,该电子设备包括处理器和存储装置,存储装置可以被配置成存储执行上述方法实施例的地图更新方法和/或自动驾驶控制方法的程序,处理器可以被配置成用于执行存储装置中的程序,该程序包括但不限于执行上述方法实施例的地图更新方法和/或自动驾驶控制方法的程序。可选地,该车辆为具有自动驾驶功能的新能源汽车。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子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。本领域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发明的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等序数词仅用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。应该理解这样使用的数据在适当的情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
另外,在本申请的描述中,术语“A和/或B”表示所有可能的A与B的组合,比如只是A、只是B或者A和B。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (13)
1.一种地图更新方法,其特征在于,所述方法包括:
基于目标地图的设定区域获取源地图中与所述设定区域对应的源地图数据;
基于所述目标地图中的目标车道线和所述源地图中的源车道线,从所述源车道线中获取与目标车道线关联的第一聚合车道线集合;
基于所述目标车道线对应的目标道路和所述源地图中的源道路,并结合所述第一聚合车道线集合,获取与所述目标车道线关联的第二聚合车道线集合;
基于所述第二聚合车道线集合,获取地图更新源;
基于所述地图更新源,更新所述目标地图。
2.根据权利要求1所述的地图更新方法,其特征在于,“基于所述目标地图中的目标车道线和所述源地图中的源车道线,从所述源车道线中获取与目标车道线关联的第一聚合车道线集合”包括:
基于空间搜索算法,建立所述目标车道线与所述源车道线之间的车道线级关联,从所述源车道线中得到与目标车道线元素关联的候选聚合车道线;
分别获取所述目标车道线元素与所述候选聚合车道线之间的重叠区域的重叠比例,以及所述重叠区域中所述目标车道线元素与所述候选聚合车道线之间的车道线距离;
当所述重叠比例大于或等于第一重叠比例阈值,并且所述车道线距离小于或等于第一距离阈值时,基于对应的所述候选聚合车道线构建所述第一聚合车道线集合;
其中,所述目标车道线包含一个或多个所述目标车道线元素。
3.根据权利要求2所述的地图更新方法,其特征在于,“基于所述目标车道线对应的目标道路和所述源地图中的源道路,并结合所述第一聚合车道线集合,获取与所述目标车道线关联的第二聚合车道线集合”包括:
通过预设的匹配算法,建立所述目标道路与待匹配源道路之间的道路级关联,得到道路关联聚合车道线集合,其中所述道路关联聚合车道线集合为与所述目标车道线匹配的所述源车道线的集合;
基于所述道路关联聚合车道线集合,对所述第一聚合车道线集合进行筛选,得到所述第二聚合车道线集合;
其中,所述待匹配源道路为所述源地图中全部的所述源道路或者所述第一聚合车道线集合中的聚合车道线所对应的所述源道路。
4.根据权利要求3所述的地图更新方法,其特征在于,“通过预设的匹配算法,建立所述目标道路与待匹配源道路之间的道路级关联,得到道路关联聚合车道线集合”包括:
通过匈牙利算法,建立所述目标道路与所述待匹配源道路之间的所述道路级关联;
基于所述目标车道线与所述源车道线之间的几何距离、重合比例以及车道线编号差值构建道路级关联代价矩阵;
基于所述道路级关联代价矩阵对所述目标道路中的全部所述目标车道线与所述待匹配源道路中的全部所述源车道线进行匈牙利匹配,得到所述道路关联聚合车道线集合。
5.根据权利要求2所述的地图更新方法,其特征在于,“基于所述第二聚合车道线集合,获取地图更新源”包括:
基于所述第二聚合车道线集合,直接获取所述地图更新源;
或者,对所述第二聚合车道线集合进行筛选,获取与所述目标车道线关联的第三聚合车道线集合;
基于所述第三聚合车道线集合,获取所述地图更新源。
6.根据权利要求5所述的地图更新方法,其特征在于,“对所述第二聚合车道线集合进行筛选,获取与所述目标车道线关联的第三聚合车道线集合”包括:
S1:获取所述第二聚合车道线集合中相似聚合车道线对;
S2:基于所述相似聚合车道线对中的两条聚合车道线与所述目标车道线的位置关系,对所述相似聚合车道线对中的所述聚合车道线进行筛选,并更新所述第二聚合车道线集合;
S3:检查更新后的所述第二聚合车道线集合中是否还存在所述相似聚合车道线对,如果有则返回步骤S1,如果没有则执行步骤S4;
S4:分别获取更新后的所述第二聚合车道线集合中的所述聚合车道线与所述目标车道线之间的所述车道线距离,保留其中所述车道线距离小于或等于第二距离阈值所对应的所述聚合车道线,从而得到所述第三聚合车道线集合;
其中,所述相似聚合车道线对为所述第二聚合车道线集合中具有重叠区域的两条所述聚合车道线;所述第二距离阈值小于所述第一距离阈值。
7.根据权利要求6所述的地图更新方法,其特征在于,“基于所述相似聚合车道线对中的两条聚合车道线与所述目标车道线的位置关系,对所述相似聚合车道线对中的所述聚合车道线进行筛选”包括:
当所述相似聚合车道线对中的两条所述聚合车道线属于不同的所述源道路时,分别获取所述相似聚合车道线对中的两条所述聚合车道线所对应的两条所述源道路与所述目标车道线之间的线道距离,保留所述相似聚合车道线对中较小的所述线道距离所对应的所述聚合车道线;
当所述相似聚合车道线对中的两条所述聚合车道线属于同一所述源道路时,分别获取所述相似聚合车道线对中的两条所述聚合车道线与所述目标车道线之间的线线距离,保留所述相似聚合车道线对中较小的所述线线距离所对应的所述聚合车道线。
8.根据权利要求5所述的地图更新方法,其特征在于,“基于所述第二聚合车道线集合,获取地图更新源”还包括:
获取所述第二聚合车道线集合或所述第三聚合车道线集合中的聚合车道线在所述目标地图中的几何投影;
对所述几何投影进行排序、拼接、得到所述地图更新源。
9.根据权利要求1所述的地图更新方法,其特征在于,所述目标地图为高精地图,所述源地图为众包地图,“基于目标地图的设定区域获取源地图中与所述设定区域对应的源地图数据”包括:
响应于所述目标地图的所述设定区域的更新指令,执行“基于目标地图的设定区域获取源地图中与所述设定区域对应的源地图数据”;
并且/或者,
当处于自动驾驶状态的车辆驶入所述目标地图的所述设定区域时,生成所述更新指令。
10.一种自动驾驶控制方法,其特征在于,所述方法包括:
基于权利要求1至9中任一项所述的地图更新方法对高精地图进行更新;
基于更新后的所述高精地图进行自动驾驶控制。
11.一种计算机设备,所述计算机设备包括处理器和存储装置,其特征在于,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行权利要求1至9中任一项所述的地图更新方法和/或权利要求10所述的自动驾驶控制方法。
12.一种存储介质,其特征在于,所述存储介质适于存储多条程序代码,所述程序代码适于由处理器加载并运行以执行权利要求1至9中任一项所述的地图更新方法和/或权利要求10所述的自动驾驶控制方法。
13.一种车辆,其特征在于,所述车辆设置有权利要求11所述的计算机设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310253201.1A CN115962787B (zh) | 2023-03-16 | 2023-03-16 | 地图更新、自动驾驶控制方法、设备、介质及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310253201.1A CN115962787B (zh) | 2023-03-16 | 2023-03-16 | 地图更新、自动驾驶控制方法、设备、介质及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115962787A true CN115962787A (zh) | 2023-04-14 |
CN115962787B CN115962787B (zh) | 2023-06-06 |
Family
ID=85889857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310253201.1A Active CN115962787B (zh) | 2023-03-16 | 2023-03-16 | 地图更新、自动驾驶控制方法、设备、介质及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115962787B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117739950A (zh) * | 2023-12-21 | 2024-03-22 | 万物镜像(北京)计算机系统有限公司 | 一种地图的生成方法、装置及设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170122749A1 (en) * | 2015-11-04 | 2017-05-04 | Toyota Jidosha Kabushiki Kaisha | Map update determination system |
US20190204094A1 (en) * | 2017-12-29 | 2019-07-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, apparatus, and computer readable storage medium for updating electronic map |
CN111209291A (zh) * | 2019-12-31 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种利用众包感知地图更新高精度地图的方法及系统 |
WO2020199566A1 (zh) * | 2019-03-29 | 2020-10-08 | 魔门塔(苏州)科技有限公司 | 一种导航地图与感知图像匹配关系的更新方法和装置 |
US20200386557A1 (en) * | 2019-06-07 | 2020-12-10 | Zenuity Ab | Lane-level map matching |
US20210312194A1 (en) * | 2020-12-15 | 2021-10-07 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus of matching lane line data, device and storage medium |
WO2022007818A1 (zh) * | 2020-07-08 | 2022-01-13 | 中国第一汽车股份有限公司 | 高精地图更新方法、车辆、服务器及存储介质 |
CN114034295A (zh) * | 2021-11-05 | 2022-02-11 | 阿波罗智能技术(北京)有限公司 | 高精地图生成方法、装置、电子设备、介质及程序产品 |
CN114372068A (zh) * | 2021-12-31 | 2022-04-19 | 广州小鹏自动驾驶科技有限公司 | 地图更新方法和地图更新装置 |
CN114880337A (zh) * | 2022-05-17 | 2022-08-09 | 北京百度网讯科技有限公司 | 地图数据一体化更新方法、装置、设备以及存储介质 |
US20220316907A1 (en) * | 2021-03-31 | 2022-10-06 | Argo AI, LLC | System and Method for Automated Lane Conflict Estimation in Autonomous Vehicle Driving and Map Generation |
CN115203352A (zh) * | 2022-09-13 | 2022-10-18 | 腾讯科技(深圳)有限公司 | 车道级定位方法、装置、计算机设备和存储介质 |
CN115560776A (zh) * | 2022-11-04 | 2023-01-03 | 智道网联科技(北京)有限公司 | 车道中心线生成方法及装置 |
-
2023
- 2023-03-16 CN CN202310253201.1A patent/CN115962787B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170122749A1 (en) * | 2015-11-04 | 2017-05-04 | Toyota Jidosha Kabushiki Kaisha | Map update determination system |
US20190204094A1 (en) * | 2017-12-29 | 2019-07-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, apparatus, and computer readable storage medium for updating electronic map |
WO2020199566A1 (zh) * | 2019-03-29 | 2020-10-08 | 魔门塔(苏州)科技有限公司 | 一种导航地图与感知图像匹配关系的更新方法和装置 |
US20200386557A1 (en) * | 2019-06-07 | 2020-12-10 | Zenuity Ab | Lane-level map matching |
CN111209291A (zh) * | 2019-12-31 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种利用众包感知地图更新高精度地图的方法及系统 |
WO2022007818A1 (zh) * | 2020-07-08 | 2022-01-13 | 中国第一汽车股份有限公司 | 高精地图更新方法、车辆、服务器及存储介质 |
US20210312194A1 (en) * | 2020-12-15 | 2021-10-07 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus of matching lane line data, device and storage medium |
US20220316907A1 (en) * | 2021-03-31 | 2022-10-06 | Argo AI, LLC | System and Method for Automated Lane Conflict Estimation in Autonomous Vehicle Driving and Map Generation |
CN114034295A (zh) * | 2021-11-05 | 2022-02-11 | 阿波罗智能技术(北京)有限公司 | 高精地图生成方法、装置、电子设备、介质及程序产品 |
CN114372068A (zh) * | 2021-12-31 | 2022-04-19 | 广州小鹏自动驾驶科技有限公司 | 地图更新方法和地图更新装置 |
CN114880337A (zh) * | 2022-05-17 | 2022-08-09 | 北京百度网讯科技有限公司 | 地图数据一体化更新方法、装置、设备以及存储介质 |
CN115203352A (zh) * | 2022-09-13 | 2022-10-18 | 腾讯科技(深圳)有限公司 | 车道级定位方法、装置、计算机设备和存储介质 |
CN115560776A (zh) * | 2022-11-04 | 2023-01-03 | 智道网联科技(北京)有限公司 | 车道中心线生成方法及装置 |
Non-Patent Citations (1)
Title |
---|
肖克来提;邓志东;: "多粒度栅格地图的创建与拓扑地图的自动生成――基于激光雷达环境", 现代商贸工业 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117739950A (zh) * | 2023-12-21 | 2024-03-22 | 万物镜像(北京)计算机系统有限公司 | 一种地图的生成方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115962787B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108303103B (zh) | 目标车道的确定方法和装置 | |
CN108253973B (zh) | 高精度地图和标准地图关联的方法及装置 | |
CA2854274C (en) | Autonomous travel system | |
EP3078937A1 (en) | Vehicle position estimation system, device, method, and camera device | |
KR101921429B1 (ko) | 정밀지도 제작 방법 및 정밀지도 제작 시스템 | |
CN109405836A (zh) | 用于确定无人驾驶汽车的可驾驶导航路径的方法和系统 | |
CN105122327A (zh) | 路线的自动行驶 | |
WO2018141675A1 (en) | Distributed autonomous mapping | |
CN108020229B (zh) | 用于定位车辆的方法 | |
CN113330279A (zh) | 用于确定车辆的位置的方法和系统 | |
CN115962787A (zh) | 地图更新、自动驾驶控制方法、设备、介质及车辆 | |
Asghar et al. | Vehicle localization based on visual lane marking and topological map matching | |
CN109993813B (zh) | 创建地图的方法、装置、车辆及可读存储介质 | |
CN111427331B (zh) | 无人驾驶车辆的感知信息展示方法、装置和电子设备 | |
CN115493603B (zh) | 地图对齐方法、计算机设备及计算机可读存储介质 | |
JP5194828B2 (ja) | 道路ネットワーク突合プログラム、方法及びシステム | |
US20230236021A1 (en) | Information processing device | |
JP6971027B2 (ja) | 車載装置、車両用情報提供システム、サーバ装置 | |
US11885640B2 (en) | Map generation device and map generation method | |
CN111504337A (zh) | 一种poi朝向的确定方法及装置 | |
CN113763731B (zh) | 高精地图重建道路交叉口红绿灯信息的方法和系统 | |
CN110686693A (zh) | 封闭场景内路网信息的构建方法 | |
Kawecki et al. | Ar tags based absolute positioning system | |
CN114212088B (zh) | 车辆控制方法、装置、电子设备、车辆及存储介质 | |
US11294385B2 (en) | System and method for generating a representation of an 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 |