CN116383410A - 灯路关系知识图谱构建、关系预测、自动驾驶方法 - Google Patents
灯路关系知识图谱构建、关系预测、自动驾驶方法 Download PDFInfo
- Publication number
- CN116383410A CN116383410A CN202310411099.3A CN202310411099A CN116383410A CN 116383410 A CN116383410 A CN 116383410A CN 202310411099 A CN202310411099 A CN 202310411099A CN 116383410 A CN116383410 A CN 116383410A
- Authority
- CN
- China
- Prior art keywords
- road
- traffic light
- traffic
- relation
- path
- 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 75
- 238000010276 construction Methods 0.000 title claims abstract description 31
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012512 characterization method Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 241000283070 Equus zebra Species 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
-
- 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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0044—In digital systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Library & Information Science (AREA)
- Animal Behavior & Ethology (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种灯路关系知识图谱构建、关系预测、自动驾驶方法,据本申请实施例,实现对灯路关系进行确定,对地图导航提供辅助。其中,灯路关系知识图谱构建方法包括:获取目标灯路数据中的交通灯的信息和所述交通灯周围设定范围内的道路的信息;根据所述交通灯的信息和所述道路的信息,确定表示所述交通灯的节点、表示所述道路的节点;生成表示所述节点之间的相互关系的边数据;所述节点之间的相互关系包括道路与道路之间的相互关系、和交通灯与道路之间的相互关系中的至少一种;根据表示所述交通灯的节点、表示所述道路的节点和所述边数据,构建灯路关系知识图谱。
Description
技术领域
本申请涉及地图信息技术领域,尤其涉及一种灯路关系知识图谱构建、关系预测、自动驾驶方法。
背景技术
自动驾驶车辆在行驶过程中需要掌握其周围的道路信息,才能完成路线规划、车辆控制等操作。实际上,自动驾驶车辆只关注车身周围几百米范围的道路信息即可,无需关注几公里甚至几百公里外的全局精度,因此,只要在车身周围地图精度足够准确,就能满足自动驾驶车辆的要求。
目前为了提高地图的精度和鲜度,通常使用激光源数据对地图进行制作或更新,虽然激光源数据精度高,但采集成本高、更新速度慢,不利于商业化。除了激光源数据之外,还可能使用视觉源数据进行地图制作或更新,视觉源数据采集成本低,更新速度快,但是其精度较低。
如何基于视觉源数据构建适用于自动驾驶领域的地图,是行业内的共性难题。
发明内容
本申请实施例提供一种灯路关系知识图谱构建、关系预测、自动驾驶方法,以实现对灯路关系进行确定,对地图导航提供辅助。
第一方面,本申请实施例提供了一种灯路关系知识图谱构建方法,包括:获取目标灯路数据中的交通灯的信息和所述交通灯周围设定范围内的道路的信息;根据所述交通灯的信息和所述道路的信息,确定表示所述交通灯的节点、表示所述道路的节点;生成表示所述节点之间的相互关系的边数据;所述节点之间的相互关系包括道路与道路之间的相互关系、和交通灯与道路之间的相互关系中的至少一种;根据表示所述交通灯的节点、表示所述道路的节点和所述边数据,构建灯路关系知识图谱。
第二方面,本申请实施例提供了一种灯路控制关系预测方法,包括:获取待预测的对象;所述待预测的对象包括交通灯和道路中的至少一个;所述目标知识图谱为本申请任意一项实施例所提供的灯路关系知识图谱构建方法生成的灯路关系知识图谱中,与所述待预测的对象的地理位置对应的部分;根据所述目标知识图谱数据,得到所述待预测的对象对应的控制关系组;根据所述控制关系组,确定所述待预测的对象对应的控制关系。
第三方面,本申请实施例提供了一种自动驾驶方法,包括:根据自动驾驶车辆预设范围,获取灯路关系知识图谱中的控制关系;所述灯路关系知识图谱为本申请任意一项实施例所提供的灯路关系知识图谱构建方法生成的;根据所述控制关系,对所述自动驾驶车辆进行控制。
第四方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,处理器在执行计算机程序时实现上述任一项的方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述任一项的方法。
与现有技术相比,本申请具有如下优点:
采用对目标灯路数据进行分析,获取交通灯的信息和交通灯周围设定范围内的道路的信息,然后根据交通灯的信息和交通灯周围设定范围内的道路的信息构建知识图谱的技术手段,实现了降低对获取分析结果所需的灯路原始数据的精度要求,根据低精度要求的灯路原始数据确定灯路之间相互关系、道路之间相互关系的技术效果,从而对低精度的视觉源数据也能够进行充分利用,生成可以用来辅助地图产品或LBS(Location BasedService,基于地图的服务)产品的灯路关系知识图谱。在利用视觉源数据构建灯路关系知识图谱的同时,也利用视觉源数据更新速度快的特点,提高了灯路关系知识图谱的鲜度,进而有助于利用灯路关系知识图谱构建高鲜度的地图、满足自动驾驶领域对地图鲜度和精度的要求。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请的一些实施方式,而不应将其视为是对本申请范围的限制。
图1A为本申请实施例的灯路关系知识图谱构建方法的应用场景示意图;
图1B为本申请实施例的地图更新方法的应用场景示意图;
图2为本申请实施例的灯路关系知识图谱构建方法的流程示意图;
图3A为本申请一种示例中的道路示意图;
图3B为本申请另一种示例中的道路示意图;
图3C为本申请实施例的灯路关系知识图谱部分示意图;
图3D为本申请另一种示例中的道路示意图;
图4为本申请实施例的推理方法流程示意图;
图5为本申请实施例的灯路关系知识图谱构建装置示意图;以及
图6为用来实现本申请实施例的电子设备的框图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本申请的构思或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的,而非限制性的。
为便于理解本申请实施例的技术方案,以下对本申请实施例的相关技术进行说明。以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合,其均属于本申请实施例的保护范围。
图1A、图1B为示例性的用于实现本申请实施例的方法的应用场景的示意图。如图1A所示,本申请实施例的灯路关系知识图谱构建方法可以应用于包括图像采集装置101、图像和图谱分析终端102、图谱存储库103的系统。其中,图像采集装置101采集道路场景的图像,采集的图像可以包括道路路口的交通灯、道路等物体。图像采集装置101可以利用图像传感器、行车记录仪、专用摄像机、移动终端附带摄像头、智能终端附带摄像头、监控摄像头等图像拍摄装置实现。图像和图谱分析终端102可以是台式计算机、笔记本电脑、平板电脑、掌上电脑、智能可穿戴设备、移动终端、或服务器等具有数据运算处理和图像分析功能的至少一个分析设备。图谱存储库103可以是终端存储介质、或专用数据库等具有存储功能的装置。图像采集装置101将采集的图像传输到图像和图谱分析终端102,图像和图谱分析终端102分析图像,获得交通灯的信息和道路的信息中的至少一种,然后,图像和图谱分析终端102将获得的交通灯的信息和道路的信息中的至少一种进行进一步的处理,获得灯路关系知识图谱,将灯路关系知识图谱存储到图谱存储库103。
本申请实施例的地图数据更新方法还可以应用于图1B所示的场景,包括灯路关系知识图谱存储库104、地图数据存储库105和地图数据处理装置106。其中,地图数据存储库105可以是终端存储介质、专用数据库等具有存储功能的装置。地图数据处理装置106将灯路关系知识图谱存储库104中存储的数据进行获取,并分析灯路关系知识图谱数据,根据分析结果,对地图数据存储库105中存储的电子地图数据进行更新,使得地图应用、其他LBS产品能够使用更新后的电子地图数据进行地图数据相关用户请求的处理。
本申请实施例提供一种灯路关系知识图谱构建方法,包括步骤S201-S204。
在步骤S201,获取目标灯路数据中的交通灯的信息和交通灯周围设定范围内的道路的信息。
本步骤中,目标灯路数据可以是激光雷达点云数据、和/或图像数据、和/或视频数据等。可以通过用户终端获取,比如,用户通过移动终端,拍摄交通灯和道路的图像,生成目标灯路数据。目标灯路数据可以是采集设备获取的原始数据,也可以是对原始数据经过处理所得到的数据,可以包括至少一个数据,比如,目标灯路数据可以包括至少一张图像,在目标灯路数据包括多张图像的情况下,每张图像中可以包括至少一条道路和/或至少一个交通灯。
在另一种实施方式中,目标灯路数据还可以包括通过行车记录仪获取的原始数据或者通过行车记录仪获取的原始数据进一步加工获得的中间数据。在车辆行驶的过程中,对道路的环境进行拍摄,获得行车过程中拍摄的道路的环境的视频数据,根据视频数据,获得至少一张图像,根据至少一张图像,获得目标灯路数据。
在另一种实现方式中,目标灯路数据还可以是从网络服务器等其他数据源获取的。比如,可以通过众包的方式,获取多个用户拍摄的道路的环境的图像,上传至网络服务器,从而能够从网络服务器直接获取目标灯路数据。
在另一种实现方式中,交通灯的信息和交通灯周围设定范围内的道路信息,可以是从一个目标灯路数据中获取的,也可以是从多个目标灯路数据中获取的。比如,在图像A中,获得交通灯A1的信息,在图像B中识别出其中的交通灯为交通灯A1,且图像B中还包括了交通灯A1所在的道路,则可以根据图像B获得交通灯A1周围设定范围内的道路的信息。
本实施例中,在目标灯路数据为图像的情况下,获取的交通灯的信息和交通灯周围设定范围内的道路的信息,可以包括,至少一个第一交通灯的信息、和/或至少一个第二交通灯周围设定范围内的道路的信息、和/或至少一个第一交通灯周围设定范围内的道路的信息,其中,第一交通灯和第二交通灯为不同的交通灯。
本实施例中,可以通过对图像进行目标识别等方式,获得目标灯路数据中的交通灯的信息和交通灯周围设定范围内的道路的信息。交通灯的信息可以包括交通灯的种类、地理位置、交通灯的规格、交通灯表达的含义、交通灯发光区域的图案、交通灯的朝向等。在目标灯路数据包括图像的情况下,交通灯的种类、交通灯的规格、交通灯表达的含义、交通灯发光区域的图案,可以通过对图像进行目标识别进行确定;交通灯的地理位置和朝向,可以通过图像拍摄时的定位信息、图像的像素坐标进行确定。道路的信息可以包括道路的地理位置、道路的形状、道路的名称、车道数、道路的朝向、道路中过街斑马线数和位置、道路两端连接的其他道路、道路的高度、过街天桥数、道路宽度等。
在步骤S202,根据交通灯的信息和道路的信息,确定表示交通灯的节点、表示道路的节点。
本实施例中,根据交通灯的信息和道路的信息,确定表示交通灯的节点、表示道路的节点,可以包括,根据交通灯的信息,确定表示交通灯的节点;以及根据交通灯周围的道路的信息,确定表示道路的节点;表示道路的节点表示至少一段道路。本申请实施例中的道路,可以为在现实环境中交通灯对应控制的路段。比如图3D所示,在名称为“XXXXX路”的公路上,存在三处交通灯,每段交通灯均对对应路段中行驶的车辆进行控制,则该公路包括3条道路,分别为图3D中的道路314、道路315、道路316。
表示交通灯的节点和表示道路的节点,均为灯路关系知识图谱中的节点。知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
本实施例中,每个节点可以包括节点的信息,节点的信息可以包括节点属性和节点ID(Identity,标识)。针对交通灯的节点,节点的属性可以包括交通灯的种类、地理位置、交通灯的规格、交通灯表达的含义、交通灯发光区域的图案等。交通灯的规格可以包括交通灯具体的灯头数量等等。
在本实施例中,表示道路的节点,可以用于表示由具有进入和退出关系的两条道路。比如图3A所示,表示道路的节点可以包括:表示道路302和道路307构成的直行path的节点、表示道路302和道路301构成的转向path的节点、表示道路302和道路305构成的转向path的节点、表示道路302和道路303构成的掉头path的节点等。
在步骤S203,生成表示节点之间的相互关系的边数据;节点之间的相互关系包括道路与道路之间的相互关系、和交通灯与道路之间的相互关系中的至少一种。
本实施例中,生成表示节点之间的相互关系的边数据,可以包括,生成表示交通灯的节点和道路的节点之间的相互关系的边数据、和/或生成表示道路的节点和道路的节点之间的相互关系的边数据。道路与道路之间的相互关系,可以包括不同道路之间的相互关系,即一道路与其他道路之间的相互关系。
本实施例中,节点之间的相互关系可以包括多种,比如,可以包括:交通灯与道路之间的相位关系、相对位置关系、共同道路关系、同时通行关系等。边数据可以记录节点之间的相互关系类型。如图3C中所示,边数据可以记录灯节点对道路节点的相位关系、灯节点对道路节点的控制关系、灯节点与道路节点之间的相对位置关系、道路节点和道路节点之间的同时通行关系、道路节点和道路节点(不同的道路节点)之间的共同道路关系。图3C中的共同道路关系,可以根据对图谱的需要进行设置。比如,若两个节点对应的道路属于同名的公路,则可认为两个节点之间存在共同道路关系。再如,若两个节点对应的道路共用了一个路段,则可认为两个节点之间存在共同道路关系。
在本申请实施例中,使用path(路径)表示存在进出关系的两条道路。由于path可以表示存在进出关系的两条道路,那么交通灯与道路之间的关系包括交通灯与path之间的关系。如图3A所示,道路301-308为通过十字路口连接的8条道路。其中的path包括道路301和道路304、道路308和道路305、道路306和道路303、道路302和道路307等。交通灯a对道路302和道路307构成的直行path、道路302和道路301构成的转向path、道路302和道路305构成的转向path、道路302和道路303构成的掉头path进行控制,交通灯b对道路304和道路301构成的直行path、道路304和道路303构成的转向path、道路304和道路307构成的转向path、道路304和道路305构成的掉头path进行控制,交通灯c对道路308和道路305构成的直行path、道路308和道路307构成的转向path、道路308和道路303构成的转向path、道路308和道路301构成的掉头path进行控制,交通灯d对道路306和道路303构成的直行path、道路306和道路305构成的转向path、道路306和道路307构成的掉头path进行控制。在图3A所示的道路中,道路302和道路307构成的直行path、道路302和道路301构成的转向path可能存在同时通行关系,由于两个path均包括了道路302,则可以认为这两个path存在共同道路关系。
在另一种实施方式中,道路与道路之间构成的path可以包括图3B所示的情况。在图3B所示的十字路口处,存在道路桥311,道路桥311跨过十字路口,并与十字路口处的红绿灯之间不存在相位关系,即在道路桥311上行驶的车辆,能够不受桥下路口设置的红绿灯的控制而直接通行。在桥下设置的红绿灯e,对道路(辅路)310中行驶的车辆进行控制,并可能与道路310和道路309构成的掉头path产生相位关系、控制关系,且道路310和道路309均属于同一条道路。在道路310中行驶的车辆,可以通过虚线箭头所对应的道路,沿着箭头所示方向,经过道路桥311下的道路313进入道路309,实现在路口的调头行驶。交通灯e对道路310和道路313构成的path、道路313和道路309构成的path具有控制关系。在主路312上行驶的车辆,能够在f点沿着箭头的方向驶上道路桥311或者驶入辅路,在驶入辅路的情况下,交通灯e对道路312和道路310构成的path具有控制关系。在道路桥311上行驶的车辆,能够在g点沿着箭头方向驶入辅路或者驶入主路(道路312)。从而,道路312和道路310构成的path、道路310和道路313构成的path、道路313和道路309构成的path等path,由于组成path的道路均是一条同名路所包括的主路、辅路、桥上道路、桥下道路,因此可以认为这些path之间具有共同道路关系。在创建灯路关系知识图谱时,可以进一步将道路312分为不同行驶方向的子道路,分别与道路309和道路310构成path。
本实施例中,可以至少根据道路的信息确定节点之间的相互关系。进一步,可以根据道路的信息,确定至少两个道路的节点之间的相互关系;可以根据道路的信息和交通灯的信息,确定一个交通灯的节点和一个道路的节点之间的相互关系、和/或一个交通灯的节点和多个道路的节点之间的相互关系、和/或多个交通灯的节点和至少一个道路的节点之间的相互关系。交通灯的ID与实际环境中的交通灯存在一一对应关系。针对道路的节点,节点的信息可以包括道路的属性和道路的ID。道路的属性可以包括道路的地理位置、道路的形状、道路的名称、车道数、过街斑马线数、过街天桥数、道路宽度等。
在步骤S204,根据表示交通灯的节点、表示道路的节点和边数据,构建灯路关系知识图谱。
本实施例中,根据表示交通灯的节点、表示道路的节点和边数据,构建灯路关系知识图谱,可以包括,按照道路的位置、交通灯的位置,将节点和节点之间的边数据进行合并,得到知识图谱。
本实施例中,采用对目标灯路数据进行分析,获取交通灯的信息和交通灯周围设定范围内的道路的信息,然后根据交通灯的信息和交通灯周围设定范围内的道路的信息构建知识图谱的技术手段,实现了降低对获取分析结果所需的灯路原始数据的精度要求,根据低精度要求的灯路原始数据确定灯路之间相互关系、道路之间相互关系的技术效果,从而对低精度的视觉源数据也能够进行充分利用,生成可以用来辅助地图产品或LBS产品的灯路关系知识图谱。在利用视觉源数据构建灯路关系知识图谱的同时,也利用视觉源数据更新速度快的特点,提高了灯路关系知识图谱的鲜度,进而有助于利用灯路关系知识图谱构建高鲜度的地图、满足自动驾驶领域对地图鲜度和精度的要求。
在一种实施方式中,节点之间的相互关系可以是根据交通灯的信息和道路的信息确定的,或者是根据道路的信息确定的。灯路关系知识图谱构建方法还包括:在交通灯的朝向为面向道路中的车道,且交通灯的点亮情况与车道中的车辆的通行情况一致的情况下,确定交通灯的点亮情况与道路中车辆的通行情况存在相位关联关系;以及根据交通灯的点亮情况与道路中车辆的通行情况之间的相位关联关系,生成交通灯与道路之间的相互关系。
在一种实施方式中,灯路关系知识图谱构建方法还包括:在交通灯的朝向为面向道路中的过街人行道,且交通灯的点亮情况与过街人行道中的行人的通行情况一致的情况下,确定交通灯的点亮情况与道路中行人的通行情况存在相位关联关系;以及根据交通灯的点亮情况与道路中行人的通行情况之间的相位关联关系,生成交通灯与道路之间的相互关系。
本实施例中,道路中通行主体可以包括机动车辆、行人、非机动车辆。一般情况下,如果在过街人行道处设置指示行人过街与否的交通灯,则也会在于过街人行道相应的位置设置指示车辆通行与否的交通灯,以使得行人过街和车辆前行之间不发生冲突。因此,在存在指示过街人行道的交通灯的位置处,公路可被分为两条道路,这两条道路构成一个path,指示行人过街的交通灯与该path之间存在相位关系,指示车辆通行的交通灯与该path之间存在控制关系。
交通灯的朝向为面向道路中的车道,可以包括,交通灯的朝向为车道中的车辆在沿着车道行驶时,能够观看到该交通灯的点亮情况。
交通灯的朝向为面向过街人行道,可以包括,交通灯的朝向为行人站在过街人行道处准备穿过马路时,能够观看到该交通灯的点亮情况。比如,行人沿着垂直于道路延伸方向的斑马线穿过道路,能够观看到朝向斑马线的交通灯。
本实施例中,能够分析交通灯与道路之间的相位关联关系,从而能够根据相位关系确定交通灯对道路是否具有控制关系。
在一种实施方式中,在交通灯的朝向为面向道路中的车道,且交通灯的点亮情况与车道中的车辆的通行情况一致的情况下,车辆的通行情况包括车辆行驶或车辆停止;
在交通灯的朝向为面向道路中的过街人行道,且交通灯的点亮情况与过街人行道中的行人的通行情况一致的情况下,行人的通行情况包括行人穿过道路或行人等待。
本实施例中,上述车辆可以是机动车辆或非机动车辆。通过判断车辆处于行驶状态或停止状态,能够确定交通灯对车道的相位关联关系,进而能够确定交通灯对车道的控制关系。通过判断行人处于行走状态或等待状态,能够确定交通灯对人行通道的相位关联关系,进而能够确定交通灯对人行通道的控制关系。
在一种实施方式中,灯路关系知识图谱构建方法还包括:
确定道路之间的连通关系和主辅路关系;
根据道路之间的连通关系和主辅路关系中的至少一种,确定道路与道路之间的相互关系。
例如图3B所示的示例中,道路(主路)312在f位置的通行道和道路310构成的path、道路309和道路312在g位置的通行道构成的path可以因为是属于同一条道路的主辅路,存在主辅路关系,构成共同道路。
仍然参照图3B所示的示例,道路310和道路313构成的path,与道路309和道路312在g位置处的通行道构成的path可以构成共同道路。
在构建灯路关系知识图谱时,可以将图3B中的主路和道路桥拆分成两部分,结合主路和辅路之间的出入口情况得到多个道路,根据多个道路生成表示道路的节点。
本实施例中,根据道路之间的连通状况,可以判断道路之间的连通关系,从而能够在灯路关系知识图谱中构建道路之间的关联关系。本申请实施例中互为主辅路的相互通行情况可以包括,两个道路中一个道路的通行主体能够沿着相同的方向进入另一个道路。本实施例能够确定互为主辅路的两个道路,使得灯路关系知识图谱中包含更多有助于预测灯路之间的控制关系的信息。
在一种实施方式中,交通灯的信息包括交通灯的地理位置和交通灯与道路的相对位置;道路的信息包括道路的地理位置和道路与交通灯的相对位置;
灯路关系知识图谱构建方法还包括:
根据交通灯的地理位置、道路的地理位置确定道路和交通灯之间的相互关系;
和/或,根据交通灯和道路的相对位置、道路和交通灯的相对位置中的至少一个,确定交通灯和道路之间的相互关系。
本实施例中,地理位置可以根据原始数据采集时,采集设备的定位信息确定。相对位置可以根据坐标数据确定,比如,在目标灯路数据包括图像的情况下,可以将图像中的交通灯的像素坐标和道路的像素坐标转换为地球坐标,根据地球坐标确定相对位置。在目标灯路数据包括图像的情况下,也可以通过对图像进行直观的视觉识别,确定交通灯和道路之间的相对位置。还可以根据地理位置进行相对位置计算,确定相对位置。
本实施例中,能够确定交通灯和道路各自的地理位置以及二者之间的相对位置,对交通灯对道路的控制关系预测提供辅助信息。
在一种实施方式中,根据交通灯的信息和道路的信息中,确定表示交通灯的节点、表示道路的节点,包括:
根据交通灯的信息,确定交通灯的属性;在不存在与交通灯的属性对应的节点的情况下,创建表示交通灯的节点;
根据道路的信息,确定道路的属性;在不存在与道路的属性对应的节点的情况下,创建表示道路的节点。
本实施例中,能够根据交通灯的属性或道路的属性,确定已有的节点中是否存在与交通灯对应的节点或与道路对应的节点,从而能够根据目标灯路数据构建信息完整的灯路关系知识图谱。
在一种实施方式中,目标灯路数据包括图像数据;灯路关系知识图谱构建方法还包括:识别图像数据,获得交通灯的信息和道路的信息中的至少一个。
本实施例中,能够根据图像数据进行灯路关系知识图谱构建,从而能够降低对灯路原始数据的精度要求,提高目标灯路数据的获取和处理频率,降低数据采集成本。
在一种实施方式中,创建表示道路的节点,包括:
确定与道路具有进入退出关系的其他道路;
根据道路和其他道路,确定路径(path);
创建表示路径的节点,作为表示道路的节点。
本实施例中,将具有进入退出关系的两条道路作为路径,在灯路关系知识图谱中创建表示路径的节点,在灯路关系知识图谱中能够查询到路径与交通灯之间的控制关系、路径与路径之间的关系,车辆在具有进入和退出关系的两个道路中切换行驶时,通过灯路关系知识图谱获得准确的行驶参考信息,有助于驾驶员或者车辆根据灯路关系知识图谱确定参考哪个交通灯的指示信号进行前行、当前路径的下一路径是什么。
本申请实施例还提供一种灯路控制关系预测方法,包括:获取待预测的对象;待预测的对象包括交通灯和道路中的至少一个;获取与待预测的对象位置对应的目标知识图谱数据;目标知识图谱数据为本申请任意一项实施例所提供的灯路关系知识图谱生成方法生成的灯路关系知识图谱数据中,与待预测的对象的地理位置对应的部分;根据目标知识图谱数据,得到待预测的对象对应的控制关系组;根据控制关系组,确定待预测的对象对应的控制关系。
本实施例中,控制关系组,可以包括<交通灯,道路,相互关系>三元组。
本实施例中,根据控制关系组,确定待预测的对象对应的控制关系,从而能够根据控制关系对地图数据进行更新。
在一种实施方式中,根据目标知识图谱数据,得到待预测的对象对应的控制关系组,包括:将目标知识图谱数据输入图神经网络,得到表示目标知识图谱数据中的目标节点的第一嵌入特征,以及表示目标节点之间的关系的第二嵌入特征;根据第一嵌入特征和第二嵌入特征,得到控制关系组。
本实施例中,目标节点的第一嵌入特征,可以包括表示交通灯的节点的嵌入表征、表示道路的节点的嵌入表征。
在一种实施方式中,根据控制关系组,确定待预测的对象对应的控制关系,包括:将第一嵌入特征和第二嵌入特征输入转换器模型,得到控制关系组的整体表征向量;对整体表征向量进行解码,得到控制关系。
本实施例中,转换器模型可以包括BERT(Bidirectional EncoderRepresentations from Transformers,双向编码器表征转换器)模型。
通过对灯路关系知识图谱的部分内容进行向量表征的转换,从而能够利用神经网络模型根据灯路关系知识图谱对交通灯是否控制道路进行预测,使得预测过程可训练和根据实际环境中规则的变化进行改进。
本申请实施例还提供一种灯路关系知识图谱更新方法,包括:对待预测的对象相关的控制关系进行预测,获得预测结果;待预测的对象包括道路和交通灯中的至少一个;根据预测结果,对灯路关系知识图谱进行更新,得到更新后的知识图谱;灯路关系知识图谱为本申请任意一项实施例所提供的灯路知识图谱创建方法生成的。
本实施例中,能够根据控制关系的预测结果,对灯路关系知识图谱进行更新,从而更新的灯路关系知识图谱中能够包含控制关系,使得下次使用灯路关系知识图谱时,能够直接获得关于控制关系的信息,无需重复预测。
本申请实施例还提供一种地图更新方法,包括:确定地图对象的控制关系;地图对象包括道路和交通灯中的至少一个;控制关系是根据灯路关系知识图谱创建方法确定的;根据控制关系,更新电子地图数据。
本实施例中,能够根据控制关系更新电子地图数据,提高电子地图数据的鲜度。
本申请实施例还提供一种导航请求处理方法,包括:根据导航请求,查询灯路关系知识图谱中的控制关系;灯路关系知识图谱为本申请任意一项实施例提供的灯路关系知识图谱创建方法生成的;根据控制关系,生成导航请求的响应信息。
本实施例中,能够根据灯路关系知识图谱中的控制关系进行导航,提高导航准确性。
本申请实施例还进一步提供一种自动驾驶方法,包括:
根据自动驾驶车辆预设范围,获取灯路关系知识图谱中的控制关系;灯路关系知识图谱为本申请任意一项实施例所提供的灯路关系知识图谱构建方法生成的;
根据控制关系,对自动驾驶车辆进行控制。
一般情况下,自动车辆行驶过程中只关注周围几百米范围即可,所以只要这个范围内地图足够准确即可,至于几公里之外的全局精度,其实没有必要。目前为了构建精度和鲜度高的地图,通常使用激光源数据,虽然激光源数据精度高,但采集成本高、更新速度慢。视觉源数据采集成本低,更新速度快,虽然精度低,却可以用数据量大来弥补。基于视觉源数据量大,覆盖范围广特点,其适合用于构建精度和鲜度高的小范围地图或者是灯路控制关系,用来辅助自动驾驶的车辆。
为了解决上述业务痛点,本申请实施例结合视觉源的数据,从知识图谱的角度出发,构建了视觉源到灯-路控制关系自动化链路,为自动驾驶构建新鲜、准确的灯-路控制结果。
本申请一种示例中,还提供一种导航请求处理方法。在执行导航请求处理方法之前,包括构建灯路关系知识图谱构图的过程。进一步,构建灯路关系知识图谱的过程包括:从上游数据获取灯和path(道路)节点属性,再基于上游数据和节点构建节点之间的关系,主要包括灯-path关系,path-path关系。建模为链接预测问题,节点先通过GNN的方式获得embedding表征,再构建<交通灯,相互关系,path>三元组特征,最后进行灯-path控制关系的预测。本示例中,上游数据可以相当于其他实施例中的灯路原始数据。
在灯路关系知识图谱创建中,在节点构建阶段,节点总共分为表示交通灯的节点和表示path的节点。构建灯节点的过程中:获取来源于车辆行驶轨迹中的图像数据,通过图像数据可以获取当前道路前方对应的交通灯,并且和实物数据相关联,可以获取当前灯的geometry(几何形状)和类型(比如:左转灯、直行灯和球灯等)。构建path(道路)节点的过程中:来源于实物数据可以知道在当前路口有进入和退出关系的所有道路。
总的来说,本申请实施例能够通过上游数据能够有效构建出道路关系知识图谱中的节点。
本申请示例中,灯路关系知识图谱的部分可以如图3C所示,节点之间的关系总共分为两大类:一类是灯-path(道路)关系;另一类是path-path关系。
关于灯-path相位关系:随着车辆轨迹,如果车在路口停下了,并且车前方照片中的红灯,可能就是控制当前path的灯;如果车开过了路口,并且车前方照片中的绿灯,可能就是控制当前path的灯。这时建立灯-path相位关系。
关于灯-path相对位置关系:随着车辆轨迹所拍摄下来的照片可以建立相对位置关系,相对位置关系包括:正前、右上、左上、正后、左下、右下。
关于path-path同时通行关系:车流开始或者停止的时间推测哪些path可以同时通行(比如:直行或左转),如果能够同时通行那么就可以建立path-path的同时通行关系。
关于path-path共同道路关系:不同path之间如果有共同道路,建立共同道路关系。
本申请示例中,在灯-path控制关系预测阶段,通过构建上面的图谱,建立了灯-path的关系,根据这个关系可以建模为链接预测问题。
本申请实施例将链接预测问题分为两大类:第一类包括基于图结构的推理方法,采用最经典的PRA(Path Ranking Algorithm,道路排序算法)进行推理;第二类链接预测问题包括基于嵌入的推理方法。本方法主要使用基于嵌入的方法。
简单介绍经典的PRA算法:将关系推理问题转换成了一个排序的问题,对每个关系的头实体预测和尾实体预测都单独训练处一个排序模型。PRA将知识图谱中的路径作为特征,并且通过图上的计算对每个路径赋予相应的特征值。然后利用这些特征学习一个逻辑回归模型。
基于嵌入的推理方法流程如图4所示,可以包括:
步骤a:通过GNN学习每个节点的embedding(嵌入)表征。其中节点的嵌入表征可以是根据灯路关系知识图谱生成的。灯路关系知识图谱可以是根据视觉源和实物数据得到的。其中,视觉源和实物数据可以相当于前述实施例中的灯路原始数据,视觉源数据可以是激光雷达点云数据,实物数据可以是对实物进行拍摄得到的图像数据或视频数据。
步骤b:构建<交通灯,相互关系,path>3元组,并将3元组作为特征表示器(BERT)输入,输出3元组整体表示向量。
步骤c:训练二分类器用于判定当前灯-path是否有控制关系。
采用构建知识图谱的方式,建立灯-路之间的关系,并通过大数据量,优化效果、提升新鲜度。本申请实施例建立的灯-路控制关系,并不是直接从视觉源数据到这种端到端的方式,这样会增加结果的不确定性,并且可解释性较差。但是从知识图谱的角度出发,建立了准确稳定的数据结果,本申请实施例预测出的灯-路匹配关系能达到业务要求,并且结果稳定,可解释性强。
本申请实施例能够从知识图谱的角度进行构建灯路关系的信息,提高灯路之间控制关系预测的准确性、可解释性。
同时,本申请实施例能够构建一张准确反映灯-路关系的灯路关系知识图谱,从扩展性方面讲,本申请实施例可以基于构建的灯路关系知识图谱作更多的推理,而不仅仅是确定交通灯和道路之间的控制关系。本申请将方法执行目的建模为当前知识图谱中火热的链路预测问题,利用了更多先进高效的算法。
本申请实施例还提供一种灯路关系知识图谱构建装置,包括:原始数据分析模块501,用于获取目标灯路数据中的交通灯的信息和交通灯周围设定范围内的道路的信息;节点确定模块502,用于根据所述交通灯的信息和所述道路的信息,确定表示所述交通灯的节点、表示所述道路的节点;边数据确定模块503,用于生成表示所述节点之间的相互关系的边数据;所述节点之间的相互关系包括道路与道路之间的相互关系、和交通灯与道路之间的相互关系中的至少一种;灯路关系知识图谱构建模块504,用于根据表示交通灯的节点、表示道路的节点和边数据,构建灯路关系知识图谱。
在一种实施方式中,灯路关系知识图谱构建装置还包括:
第一关系单元,用于在所述交通灯的朝向为面向所述道路中的车道,且所述交通灯的点亮情况与所述车道中的车辆的通行情况一致的情况下,确定所述交通灯的点亮情况与所述道路中车辆的通行情况存在相位关联关系;以及根据所述交通灯的点亮情况与所述道路中车辆的通行情况之间的相位关联关系,生成所述交通灯与所述道路之间的相互关系。
第二关系单元,用于在所述交通灯的朝向为面向道路中的过街人行道,且所述交通灯的点亮情况与所述过街人行道中的行人的通行情况一致的情况下,确定所述交通灯的点亮情况与道路中的通行情况存在相位关联关系;以及根据所述交通灯的点亮情况与道路中行人的通行情况之间的相位关联关系,生成所述交通灯与所述道路之间的相互关系。
在一种实施方式中,在所述交通灯的朝向为面向所述道路中的车道,且所述交通灯的点亮情况与所述车道中的车辆的通行情况一致的情况下,所述车辆的通行情况包括车辆行驶或车辆停止;
在所述交通灯的朝向为面向道路中的过街人行道,且所述交通灯的点亮情况与所述过街人行道中的行人的通行情况一致的情况下,所述行人的通行情况包括行人穿过道路或行人等待。
在一种实施方式中,灯路关系知识图谱构建装置还包括:
道路关系模块,用于确定道路之间的连通关系和主辅路关系;
道路相互关系确定模块,用于根据道路之间的连通关系和主辅路关系中的至少一种,确定所述道路与道路之间的相互关系。
在一种实施方式中,所述交通灯的信息包括所述交通灯的地理位置和所述交通灯与所述道路的相对位置;所述道路的信息包括所述道路的地理位置和所述道路与所述交通灯的相对位置;
所述灯路关系知识图谱构建装置还包括:
第一相互关系模块,用于根据所述交通灯的地理位置、所述道路的地理位置确定所述道路和所述交通灯之间的相互关系;
和/或,第二相互关系模块,用于根据所述交通灯和所述道路的相对位置、所述道路和所述交通灯的相对位置中的至少一个,确定所述交通灯和所述道路之间的相互关系。
在一种实施方式中,节点确定模块包括:第一创建单元,用于根据交通灯的信息,确定交通灯的属性;在不存在与交通灯的属性对应的节点的情况下,创建表示交通灯的节点;第二创建单元,用于根据道路的信息,确定道路的属性;在不存在与道路的属性对应的节点的情况下,创建表示道路的节点。
在一种实施方式中,第二创建单元还用于:确定与所述道路具有进入退出关系的其他道路;
根据所述道路和所述其他道路,确定路径;
创建表示所述路径的节点,作为表示所述道路的节点。
本申请实施例还提供一种灯路控制关系预测装置,包括:对象获取模块,用于获取待预测的对象;对象包括交通灯和道路中的至少一个;知识图谱获取模块,用于获取与所述待预测的对象对应的目标知识图谱数据;所述目标知识图谱为本申请任意一项实施例所提供的灯路关系知识图谱构建装置生成的灯路关系知识图谱中,与所述待预测的对象的地理位置对应的部分;控制关系组模块,用于根据目标知识图谱数据,得到待预测的对象对应的控制关系组;控制关系输出模块,用于根据控制关系组,确定待预测的对象对应的控制关系。
在一些实施方式中,控制关系组模块包括:嵌入表征单元,用于将目标知识图谱数据输入图神经网络,得到目标知识图谱数据中的目标节点的第一嵌入特征,以及目标节点之间的关系的第二嵌入表征;嵌入表征处理单元,用于根据第一嵌入特征和第二嵌入表征,得到控制关系组。
在一些实施方式中,控制关系组模块包括:整体表征向量单元,用于将第一嵌入特征和第二嵌入特征输入转换器模型,得到控制关系组的整体表征向量;解码单元,用于对整体表征向量进行解码,得到控制关系。
本申请实施例还提供一种灯路关系知识图谱更新装置,包括:预测结果模块,用于对待预测的对象相关的控制关系进行预测,获得预测结果;待预测的对象包括道路和交通灯中的至少一个;更新模块,用于根据预测结果,对灯路关系知识图谱进行更新,得到更新后的知识图谱;灯路关系知识图谱为本申请任意一项实施例所提供的灯路关系知识图谱构建装置生成的。
本申请实施例还提供一种地图更新装置,包括:控制关系确定模块,用于确定地图对象的控制关系;地图对象包括道路和交通灯中的至少一个;控制关系是根据灯路关系知识图谱构建装置确定的;电子地图数据更新模块,用于根据控制关系,更新电子地图数据。
本申请实施例还提供一种导航请求处理装置,包括:控制关系查询模块,用于根据导航请求,查询灯路关系知识图谱中的控制关系;灯路关系知识图谱为灯路关系知识图谱构建装置生成的;响应信息模块,用于根据控制关系,生成导航请求的响应信息。
本申请实施例还提供一种自动驾驶方法,包括:
根据自动驾驶车辆预设范围,获取灯路关系知识图谱中的控制关系;所述灯路关系知识图谱为本申请任意一项实施例所提供的灯路关系知识图谱构建装置生成的;
根据所述控制关系,对所述自动驾驶车辆进行控制。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,并具备相应的有益效果,在此不再赘述。
图6为用来实现本申请实施例的电子设备的框图。如图6所示,该电子设备包括:存储器610和处理器620,存储器610内存储有可在处理器620上运行的计算机程序。处理器620执行该计算机程序时实现上述实施例中的方法。存储器610和处理器620的数量可以为一个或多个。
该电子设备还包括:
通信接口630,用于与外界设备进行通信,进行数据交互传输。
如果存储器610、处理器620和通信接口630独立实现,则存储器610、处理器620和通信接口630可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6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。
可选的,在具体实现上,如果存储器610、处理器620及通信接口630集成在一块芯片上,则存储器610、处理器620及通信接口630可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片,该芯片包括处理器,用于从存储器中调用并运行存储器中存储的指令,使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片,包括:输入接口、输出接口、处理器和存储器,输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连,处理器用于执行存储器中的代码,当代码被执行时,处理器用于执行申请实施例提供的方法。
应理解的是,上述处理器可以是中央处理器(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(FieldProgrammable 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是任何常规的处理器等。值得说明的是,处理器可以是支持进阶精简指令集机器(Advanced RISC Machines,ARM)架构的处理器。
进一步地,可选的,上述存储器可以包括只读存储器和随机访问存储器。该存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以包括随机访问存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM均可用。例如,静态随机访问存储器(Static RAM,SRAM)、动态随机访问存储器(Dynamic Random Access Memory,DRAM)、同步动态随机访问存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机访问存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机访问存储器(Enhanced SDRAM,ESDRAM)、同步链接动态随机访问存储器(Sync link DRAM,SLDRAM)和直接内存总线随机访问存储器(DirectRambus RAM,DR RAM)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生依照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。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。
流程图中描述的或在此以其他方式描述的任何过程或方法可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能。
在流程图中描述的或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
应理解的是,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本申请的示例性实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请记载的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (13)
1.一种灯路关系知识图谱构建方法,其特征在于,包括:
获取目标灯路数据中的交通灯的信息和所述交通灯周围设定范围内的道路的信息;
根据所述交通灯的信息和所述道路的信息,确定表示所述交通灯的节点、表示所述道路的节点;
生成表示所述节点之间的相互关系的边数据;所述节点之间的相互关系包括道路与道路之间的相互关系、和交通灯与道路之间的相互关系中的至少一种;
根据表示所述交通灯的节点、表示所述道路的节点和所述边数据,构建灯路关系知识图谱。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述交通灯的朝向为面向所述道路中的车道,且所述交通灯的点亮情况与所述车道中的车辆的通行情况一致的情况下,确定所述交通灯的点亮情况与所述道路中车辆的通行情况存在相位关联关系;以及根据所述交通灯的点亮情况与所述道路中车辆的通行情况之间的相位关联关系,生成所述交通灯与所述道路之间的相互关系;
或者,在所述交通灯的朝向为面向道路中的过街人行道,且所述交通灯的点亮情况与所述过街人行道中的行人的通行情况一致的情况下,确定所述交通灯的点亮情况与道路中的通行情况存在相位关联关系;以及根据所述交通灯的点亮情况与道路中行人的通行情况之间的相位关联关系,生成所述交通灯与所述道路之间的相互关系。
3.根据权利要求2所述的方法,其特征在于,在所述交通灯的朝向为面向所述道路中的车道,且所述交通灯的点亮情况与所述车道中的车辆的通行情况一致的情况下,所述车辆的通行情况包括车辆行驶或车辆停止;
在所述交通灯的朝向为面向道路中的过街人行道,且所述交通灯的点亮情况与所述过街人行道中的行人的通行情况一致的情况下,所述行人的通行情况包括行人穿过道路或行人等待。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定道路之间的连通关系和主辅路关系;
根据所述道路之间的连通关系和主辅路关系中的至少一种,确定所述道路与道路之间的相互关系。
5.根据权利要求1所述的方法,其特征在于,所述交通灯的信息包括所述交通灯的地理位置和所述交通灯与所述道路的相对位置;所述道路的信息包括所述道路的地理位置和所述道路与所述交通灯的相对位置;
所述方法还包括:
根据所述交通灯的地理位置、所述道路的地理位置确定所述道路和所述交通灯之间的相互关系;
和/或,根据所述交通灯和所述道路的相对位置、所述道路和所述交通灯的相对位置中的至少一个,确定所述交通灯和所述道路之间的相互关系。
6.根据权利要求1所述的方法,其特征在于,所述根据所述交通灯的信息和所述道路的信息,确定表示所述交通灯的节点、表示所述道路的节点,包括:
根据所述交通灯的信息,确定所述交通灯的属性;在不存在与所述交通灯的属性对应的节点的情况下,创建表示所述交通灯的节点;
根据所述道路的信息,确定所述道路的属性;在不存在与所述道路的属性对应的节点的情况下,创建表示所述道路的节点。
7.根据权利要求6所述的方法,其特征在于,所述创建表示所述道路的节点,包括:
确定与所述道路具有进入退出关系的其他道路;
根据所述道路和所述其他道路,确定路径;
创建表示所述路径的节点,作为表示所述道路的节点。
8.一种灯路控制关系预测方法,其特征在于,包括:
获取待预测的对象;所述待预测的对象包括交通灯和道路中的至少一个;
获取与所述待预测的对象对应的目标知识图谱数据;所述目标知识图谱为权利要求1-7中任意一项所述的方法生成的灯路关系知识图谱中,与所述待预测的对象的地理位置对应的部分;
根据所述目标知识图谱数据,得到所述待预测的对象对应的控制关系组;
根据所述控制关系组,确定所述待预测的对象对应的控制关系。
9.根据权利要求8所述的方法,其特征在于,所述根据所述目标知识图谱数据,得到所述待预测的对象对应的控制关系组,包括:
将所述目标知识图谱数据输入图神经网络,得到表示所述目标知识图谱数据中的目标节点的第一嵌入特征,以及表示所述目标节点之间的关系的第二嵌入特征;
根据所述第一嵌入特征和所述第二嵌入特征,得到所述控制关系组。
10.根据权利要求9所述的方法,其特征在于,所述根据所述控制关系组,确定所述待预测的对象对应的控制关系,包括:
将所述第一嵌入特征和所述第二嵌入特征输入转换器模型,得到所述控制关系组的整体表征向量;
对所述整体表征向量进行解码,得到所述控制关系。
11.一种自动驾驶方法,其特征在于,包括:
根据自动驾驶车辆预设范围,获取灯路关系知识图谱中的控制关系;所述灯路关系知识图谱为权利要求1-10中任意一项所述的方法生成的;
根据所述控制关系,对所述自动驾驶车辆进行控制。
12.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器在执行所述计算机程序时实现权利要求1-11中任一项所述的方法。
13.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310411099.3A CN116383410A (zh) | 2023-04-17 | 2023-04-17 | 灯路关系知识图谱构建、关系预测、自动驾驶方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310411099.3A CN116383410A (zh) | 2023-04-17 | 2023-04-17 | 灯路关系知识图谱构建、关系预测、自动驾驶方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116383410A true CN116383410A (zh) | 2023-07-04 |
Family
ID=86969246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310411099.3A Pending CN116383410A (zh) | 2023-04-17 | 2023-04-17 | 灯路关系知识图谱构建、关系预测、自动驾驶方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116383410A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150090A (zh) * | 2023-10-30 | 2023-12-01 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 自动驾驶数据的属性图模型建立和数据管理方法、装置 |
-
2023
- 2023-04-17 CN CN202310411099.3A patent/CN116383410A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150090A (zh) * | 2023-10-30 | 2023-12-01 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 自动驾驶数据的属性图模型建立和数据管理方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11216355B2 (en) | Autonomous vehicle testing systems and methods | |
US11181922B2 (en) | Extension of autonomous driving functionality to new regions | |
CN109863513B (zh) | 用于自主车辆控制的神经网络系统 | |
KR101847833B1 (ko) | 교통량 예측 시스템, 차량용 표시 장치, 차량 및 교통량 예측 방법 | |
CN111874006B (zh) | 路线规划处理方法和装置 | |
CN111656135A (zh) | 基于高清地图的定位优化 | |
Niranjan et al. | Deep learning based object detection model for autonomous driving research using carla simulator | |
JP6850325B2 (ja) | 確率プロットに基づく障害物分布シミュレーション方法、装置、端末、記憶媒体、及びプログラム | |
WO2018051399A1 (ja) | 状態予測装置及び状態予測方法 | |
CN116420058A (zh) | 替代自主车辆数据 | |
US11875680B2 (en) | Systems and methods for augmenting perception data with supplemental information | |
US20230018996A1 (en) | Method, device, and computer program for providing driving guide by using vehicle position information and signal light information | |
CN112394725A (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
US11724713B2 (en) | Apparatus for generating data of travel path inside intersection, program for generating data of travel path inside intersection, and storage medium | |
CN116383410A (zh) | 灯路关系知识图谱构建、关系预测、自动驾驶方法 | |
CN111223296B (zh) | 信号灯的控制方法、装置、计算机设备和存储介质 | |
CN116734828A (zh) | 道路拓扑信息的确定、电子地图数据处理方法、电子设备 | |
KR20220151098A (ko) | 융합된 이미지를 사용한 엔드 투 엔드 시스템 트레이닝 | |
CN117056153A (zh) | 校准和验证驾驶员辅助系统和/或自动驾驶系统的方法、系统和计算机程序产品 | |
US11287816B2 (en) | Navigational constraints for autonomous vehicles | |
CN111427331B (zh) | 无人驾驶车辆的感知信息展示方法、装置和电子设备 | |
US11465620B1 (en) | Lane generation | |
US11682124B2 (en) | Systems and methods for transferring map data between different maps | |
CN110836674A (zh) | 路线导航中路口提示的方法、装置、机器设备和存储介质 | |
KR20210060888A (ko) | 제어된 교통신호정보를 이용한 보행자 교통정보 제공 시스템 및 그 방법 |
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 |