CN116691659A - 一种无gps信号下车辆行驶轨迹的评估方法、装置 - Google Patents
一种无gps信号下车辆行驶轨迹的评估方法、装置 Download PDFInfo
- Publication number
- CN116691659A CN116691659A CN202310628178.XA CN202310628178A CN116691659A CN 116691659 A CN116691659 A CN 116691659A CN 202310628178 A CN202310628178 A CN 202310628178A CN 116691659 A CN116691659 A CN 116691659A
- Authority
- CN
- China
- Prior art keywords
- coordinate information
- road section
- vehicle
- straight line
- value
- 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 74
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 abstract description 20
- 230000000875 corresponding effect Effects 0.000 description 86
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- 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
-
- 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
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
- G01C21/3685—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities the POI's being parking facilities
-
- 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
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
-
- 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
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种无GPS信号下车辆行驶轨迹的评估方法、装置,其属于车辆的技术领域,该方法包括:在车辆行驶过程中,获取车辆的行驶轨迹的坐标信息;在得到N个坐标信息后,确定奇异值特征矩阵;获取奇异值特征矩阵的目标特征值,并判断目标特征值是否小于一直线判定阈值;当目标特征值小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为直线路段;当目标特征值不小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为转弯路段。实现了在无GPS信号场景,低成本、高效率的车辆行驶轨迹的评估;且该低成本、高效率的车辆行驶轨迹的评估方法应用于自动驾驶的构图场景中,可以降低构图的成本,以及提高构图的效率。
Description
技术领域
本发明涉及车辆的技术领域,具体涉及一种无GPS信号下车辆行驶轨迹的评估方法、装置。
背景技术
随着无人驾驶技术的不断发展,车辆的驾驶分类逐渐分属为自动行车与自动泊车两个方向。自动泊车简称APA(自动泊车辅助系统,Auto Parking Assist),是一种可以不需要人工干预,通过车载传感器、处理器和控制系统的帮助就可以实现自动识别车位,并自动完成泊车入位的一种方法。
自动泊车系统主要是根据自身四周环布的各类传感器设备,特别是基于视觉的单目或者双目相机传感器系统。这些传感器设备获取自身与四周环境的图像、相对位置情况和转角等,判断当前的车的情况。同时,进行相关车位的识别,分析路径,进行规划,将控制指令传输给执行设备,实时传输,最后实现相关的泊车任务。
目前,基于L3或L3+级别的自动泊车方法,暂时依赖于高精地图的覆盖。而在无高精地图覆盖的相关区域,特别是地下停车场等封闭环境,则需要先行进行相关的建图操作。
由于地下环境缺少GPS(Global Positioning System,全球定位系统)信号,仅能依靠航迹推算、图像等传感设备进行推理建图。但由于车辆在停车场常会走出“蛇形”的“直线”路径,因此无法准确判断估计路段是直线路段还是转弯路段。
为了能准确判断估计路段是直线路段还是转弯路段,可以通过增加大量的图像数据,或者额外设置其他传感器来实现;但是,这两种方式一方面可能影响到判断的效率,另一方面可能增加额外的成本。
发明内容
鉴于上述问题,提出了以便提供克服上述问题或者至少部分地解决上述问题的一种无GPS信号下车辆行驶轨迹的评估方法、装置,包括:
一种无GPS信号下车辆行驶轨迹的评估方法,所述方法包括:
在车辆行驶过程中,获取所述车辆的行驶轨迹的坐标信息;
在得到N个坐标信息后,根据所述N个坐标信息,确定奇异值特征矩阵,所述N为正整数;
获取所述奇异值特征矩阵的目标特征值,并判断所述目标特征值是否小于一直线判定阈值;
当所述目标特征值小于所述直线判定阈值时,判定所述N个坐标信息对应的行驶轨迹所处路段为直线路段;
当所述目标特征值不小于所述直线判定阈值时,判定所述N个坐标信息对应的行驶轨迹所处路段为转弯路段。
可选地,所述方法还包括:
确定所述行驶轨迹对应的所有坐标信息所对应的目标特征值;
根据所述所有坐标信息所对应的目标特征值,以及一预设参考值,确定所述直线判定阈值。
可选地,所述方法还包括:
针对直线路线,采用所述直线路段对应的N个坐标信息所对应的图像数据中的第一预设比例的图像数据,对所述直线路段进行构图;
针对转弯路段,采用所述转弯路段对应的N个坐标信息所对应的图像数据中的第二预设比例的图像数据,对所述转弯路段进行构图;
其中,所述第一预设比例小于所述第二预设比例。
可选地,所述获取所述车辆的行驶轨迹的坐标信息,包括:
以所述车辆的当前位置为坐标系原点,获取所述车辆的行驶轨迹的坐标信息。
可选地,所述方法还包括:
当上一路段的类型与当前路段的类型不同时,以当前路段对应的车辆位置作为原点建立坐标系原点。
可选地,所述获取所述奇异值特征矩阵的目标特征值,并判断所述目标特征值是否小于直线判定阈值,包括:
获取所述奇异值特征矩阵的目标特征值,将所述目标特征值填入判别式中;
当所述判别式中存有至少M个目标特征值时,判断当前得到的目标特征值是否小于直线判定阈值;
其中,M为正整数。
可选地,所述获取所述车辆的行驶轨迹的坐标信息,包括:
从预设的传感器中,收集目标传感器数据;
根据所述目标传感器数据,计算所述车辆的行驶轨迹的坐标信息。
可选地,所述预设传感器包括以下至少一种:
惯性传感器、轮速计。
可选地,所述从预设的传感器中,收集目标传感器数据,包括:
获取所述预设的传感器所采集到的数据;
对所述数据进行去噪,以得到目标传感数据。
本发明还提供了一种无GPS信号下车辆行驶轨迹的评估装置,所述装置包括:
获取模块,用于在车辆行驶过程中,获取所述车辆的行驶轨迹的坐标信息;
奇异值特征举证确定模块,用于在得到N个坐标信息后,根据所述N个坐标信息,确定奇异值特征矩阵,所述N为正整数;
判断模块,用于获取所述奇异值特征矩阵的目标特征值,并判断所述目标特征值是否小于一直线判定阈值;
第一判定模块,用于当所述目标特征值小于所述直线判定阈值时,判定所述N个坐标信息对应的行驶轨迹所处路段为直线路段;
第二判定模块,用于当所述目标特征值不小于所述直线判定阈值时,判定所述N个坐标信息对应的行驶轨迹所处路段为转弯路段。
可选地,所述装置还包括:
阈值确定模块,用于确定所述行驶轨迹对应的所有坐标信息所对应的目标特征值;根据所述所有坐标信息所对应的目标特征值,以及一预设参考值,确定所述直线判定阈值。
可选地,所述装置还包括:
第一构图模块,用于针对直线路线,采用所述直线路段对应的N个坐标信息所对应的图像数据中的第一预设比例的图像数据,对所述直线路段进行构图;
第二构图模块,用于针对转弯路段,采用所述转弯路段对应的N个坐标信息所对应的图像数据中的第二预设比例的图像数据,对所述转弯路段进行构图;
其中,所述第一预设比例小于所述第二预设比例。
可选地,所述获取模块,用于以所述车辆的当前位置为坐标系原点,获取所述车辆的行驶轨迹的坐标信息。
可选地,所述装置还包括:
坐标重建模块,用于当上一路段的类型与当前路段的类型不同时,以当前路段对应的车辆位置作为原点建立坐标系原点。
可选地,所述判断模块,用于获取所述奇异值特征矩阵的目标特征值,将所述目标特征值填入判别式中;当所述判别式中存有至少M个目标特征值时,判断当前得到的目标特征值是否小于直线判定阈值;其中,M为正整数。
可选地,所述获取模块,用于从预设的传感器中,收集目标传感器数据;根据所述目标传感器数据,计算所述车辆的行驶轨迹的坐标信息。
可选地,所述预设传感器包括以下至少一种:
惯性传感器、轮速计。
可选地,所述获取模块,用于获取所述预设的传感器所采集到的数据;对所述数据进行去噪,以得到目标传感数据。
本发明还提供了一种车辆,其特征在于,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上的无GPS信号下车辆行驶轨迹的评估方法。
本发明还提供了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上存储计算机程序,所述计算机程序被处理器执行时实现如上的无GPS信号下车辆行驶轨迹的评估方法。
本发明的有益效果:
本发明中,在车辆行驶过程中,获取车辆的行驶轨迹的坐标信息;在得到N个坐标信息后,根据N个坐标信息,确定奇异值特征矩阵,N为正整数;获取奇异值特征矩阵的目标特征值,并判断目标特征值是否小于一直线判定阈值;当目标特征值小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为直线路段;当目标特征值不小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为转弯路段。通过本发明实施例,可以仅基于车辆现有传感器所获取到的行驶轨迹,来判断车辆的轨迹所对应的路段是直线路段还是转弯路段;从而实现了在无GPS信号场景,低成本、高效率的车辆行驶轨迹的评估;且该低成本、高效率的车辆行驶轨迹的评估方法应用于自动驾驶的构图场景中,可以降低构图的成本,以及提高构图的效率。
附图说明
图1是本发明实施例的一种无GPS信号下车辆行驶轨迹的评估方法步骤流程图;
图2是本发明实施例的另一种无GPS信号下车辆行驶轨迹的评估方法步骤流程图;
图3是本发明实施例的一种构图的步骤流程图;
图4是本发明实施例的一种轨迹示意图;
图5是本发明实施例的另一种轨迹示意图;
图6是本发明实施例的又一种轨迹示意图;
图7是本发明实施例的再一种轨迹示意图;
图8是本发明实施例的一种无GPS信号下车辆行驶轨迹的评估装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。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,本领域普通技术人员在没有作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。
为了实现高效、低成本的路段类型的评估,本发明实施例提供了一种可以应用在无GPS信号场景中的车辆行驶轨迹的评估的方法;其无需另外使用大量的图像数据,也无需额外设置其他传感器,只要获取到车辆的轨迹即可;通过提取车辆的轨迹对应的坐标信息来奇异值来判断车辆的轨迹所对应的路段是直线路段还是转弯路段,可以在不增加成本的情况下,又提高了评估的效率。
参照图1,示出了本发明实施例的一种无GPS信号下车辆行驶轨迹的评估方法步骤流程图,可以包括如下步骤:
步骤101、在车辆行驶过程中,获取车辆的行驶轨迹的坐标信息。
在实际应用中,车辆在行驶的过程中,可以先从车辆已有的传感器中获取车辆的行驶轨迹;并基于一坐标系,确定该行驶轨迹对应的坐标信息;坐标信息可以用(xi,yi)来表示,本发明实施例对此不作限制。
在本发明一实施例中,车辆行驶轨迹的坐标信息可以通过如下子步骤来获取:
子步骤11、从预设的传感器中,收集目标传感器数据。
作为一示例,为了不额外增加传感器来对车辆轨迹对应的路段类型进行评估,可以先从车辆已有的传感器中获取车辆的行驶轨迹,以便后续基于车辆的行驶轨迹来判断车辆行驶的路段是直线路段还是转弯路段。其中,预设传感器可以包括以下至少一种:惯性传感器、轮速计。
在获取车辆的行驶轨迹的坐标信息的时候,可以先从预设的传感器中获取其所收集的目标传感器数据,目标传感器数据可以包括从惯性传感器中获取的传感器数据,也可以包括从轮速计中获取的传感器数据,本发明实施例对此不作限制。
作为另一示例,在从预设的传感器中,收集目标传感器数据的时候,可以包括如下步骤:
获取预设的传感器所采集到的数据;对数据进行去噪,以得到目标传感数据。
在收集到各个预设的传感器中的数据后,可以对该数据进行去噪处理;从而得到目标传感器数据;其中,去噪处理可以例如时:卡尔曼滤波处理,本发明实施例对此不作限制。
子步骤12、根据目标传感器数据,计算车辆的行驶轨迹的坐标信息
在得到目标传感器数据后,可以基于预设的转换规则,来根据目标传感器数据计算车辆的行驶轨迹在一坐标系中的坐标信息。
步骤102、在得到N个坐标信息后,根据N个坐标信息,确定奇异值特征矩阵,N为正整数。
在车辆行驶的过程中,可以逐步得到一个又一个的坐标信息;为了保证评估的准确性,需要基于一定数量的坐标信息进行;因此,本发明实施例设定一阈值N,该N可以为正整数,例如:“5”。
在得到N个坐标信息后,可以先确定这N个坐标信息的奇异值特征矩阵;奇异值特征矩阵可以由这N个坐标信息的奇异值组成。
步骤103、获取奇异值特征矩阵的目标特征值,并判断目标特征值是否小于一直线判定阈值。
在得到奇异值特征矩阵后,可以从中提取其中的目标特征值;其中,目标特征值指奇异值特征矩阵的第二行的第二列的值。
在实际应用中,车辆如果行驶在直线路段,其行驶轨迹是直线的;但是,由于司机操作的问题,可能在直线路段走蛇形轨迹;蛇形轨迹虽然不是直线,但是其可以近似当做线性相关。
基于此,本发明实施例可以设定一大于0的直线判定阈值;然后在得到目标特征值后,可以判断该目标特征值与一预设的直线判定阈值的大小关系;该直线判定阈值可以根据实际情况来设定。
步骤104、当目标特征值小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为直线路段。
如果目标特征值小于直线判定阈值的话,可以认为该行车轨迹可以近似当做直线;此时,可以判定该N个坐标信息对应的行驶轨迹所处路段为直线路段。
步骤105、当目标特征值不小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为转弯路段。
但是,如果目标特征值不小于直线判定阈值的话,可以认为该行车轨迹无法近似当做直线;此时,可以判定该N个坐标信息对应的行驶轨迹所处路段为转弯路段。
在实际应用中,在判定当前N个坐标信息对应的行驶轨迹后,可以继续对下N个坐标信息对应的行驶轨迹进行判断,直至评估完车辆当前行驶的所有的行驶轨迹,本发明实施例对此不作限制。
本发明实施例中,在车辆行驶过程中,获取车辆的行驶轨迹的坐标信息;在得到N个坐标信息后,根据N个坐标信息,确定奇异值特征矩阵,N为正整数;获取奇异值特征矩阵的目标特征值,并判断目标特征值是否小于一直线判定阈值;当目标特征值小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为直线路段;当目标特征值不小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为转弯路段。通过本发明实施例,可以仅基于车辆现有传感器所获取到的行驶轨迹,来判断车辆的轨迹所对应的路段是直线路段还是转弯路段;从而实现了在无GPS信号场景,低成本、高效率的车辆行驶轨迹的评估;且该低成本、高效率的车辆行驶轨迹的评估方法应用于自动驾驶的构图场景中,可以降低构图的成本,以及提高构图的效率。
参照图2,示出了本发明实施例的另一种无GPS信号下车辆行驶轨迹的评估方法步骤流程图,可以包括如下步骤:
步骤201、在车辆行驶过程中,以车辆的当前位置为坐标系原点,获取车辆的行驶轨迹的坐标信息。
在实际应用中,可以在车辆行驶过程中,以车辆当前所在的位置为坐标系的原点;然后,可以基于该坐标系来得到车辆的行驶轨迹的坐标信息。
作为一示例,可以先标定相机,并记录相机的标定参数同时,初始化轮速计和组合惯导,开启各传感器(如加速度计、角雷达等)的参数记录。然后,再基于当前位置构建为坐标系,在车辆运行的同时进行航迹推算
标定相机,记录相机的标定参数。同时,初始化轮速计和组合惯导,开启各传感器(如加速度计、角雷达等)的参数记录,并将当前位置构建为世界坐标原点,在车辆运行的同时进行航迹推算,以得到车辆的行驶轨迹的坐标信息。
步骤202、在得到N个坐标信息后,根据N个坐标信息,确定奇异值特征矩阵。
在车辆行驶的过程中,可以逐步得到一个又一个的坐标信息;在得到N个坐标信息后,可以先确定这N个坐标信息的奇异值特征矩阵。
作为一示例,可以在得到N个坐标信息后,生成一N*2的判别矩阵;然后,对判别矩阵进行奇异值分解,得到奇异值特征矩阵。
步骤203、获取奇异值特征矩阵的目标特征值,将目标特征值填入判别式中。
在得到一组的N个坐标信息的奇异值特征矩阵后,可以从中提取目标特征值,并将该目标特征值添加至一预设判别式中。
然后,可以继续从下一组的N个坐标信息的奇异值特征矩阵中提取目标特征值,并将该目标特征值添加至上述判别式中。
步骤204、当判别式中存有至少M个目标特征值时,判断当前得到的目标特征值是否小于直线判定阈值;其中,M为正整数。
在实际应用中,为了基于更多的数据来准确地进行评估,可以在该判别式中存在至少M个目标特征值时,再判断当前所得到的目标特征值是否小于直线判定阈值。
在本发明一实施例中,可以通过如下方式来确定该直线判定阈值:
确定行驶轨迹对应的所有坐标信息所对应的目标特征值;根据所有坐标信息所对应的目标特征值,以及一预设参考值,确定直线判定阈值。
作为一示例,可以根据经验值来确定一直线判定阈值,该经验值可以为实验室中测量得到的一数值,本发明实施例对此不作限制。
作为另一示例,也可以根据用户当前的行驶轨迹,和一预设参考值来确定直线判定阈值。具体的,可以在得到车辆的行驶轨迹所对应的所有坐标信息后,分别确定各N个坐标信息所对应的目标特征值。
然后,可以针对所有的目标特征值,进行一次似然估计或者平均求解。此时,可以直接将所得到的结果作为直线判定阈值。当然,为了保证准确性,还可以结合一预设参考值,来确定直线判定阈值。
具体的,该预设参考值可以作为一判定标准,对所有的目标特征值进行的计算可以作为用户的特征;基于判定标准和用户的特征来得到一更贴合用户的直线判定阈值。
在实际应用中,M可以根据实际情况设定,例如:可以设定为“5”,本发明实施例对此不做限制。
步骤205、当目标特征值小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为直线路段。
如果目标特征值小于直线判定阈值的话,可以认为该行车轨迹可以近似当做直线;此时,可以判定该N个坐标信息对应的行驶轨迹所处路段为直线路段。
步骤206、当目标特征值不小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为转弯路段。
但是,如果目标特征值不小于直线判定阈值的话,可以认为该行车轨迹无法近似当做直线;此时,可以判定该N个坐标信息对应的行驶轨迹所处路段为转弯路段。
在实际应用中,在判定当前N个坐标信息对应的行驶轨迹后,可以继续对下N个坐标信息对应的行驶轨迹进行判断,直至评估完车辆当前行驶的所有的行驶轨迹,本发明实施例对此不作限制。
在本发明一实施例中,上述步骤201-步骤206可以是反复进行的;在此期间,为了避免因为偏置,而导致评估出现误差,还可以包括如下步骤:
当上一路段的类型与当前路段的类型不同时,以当前路段对应的车辆位置作为原点建立坐标系原点。
在实际应用中,可以针对每N个坐标信息进行评估,并分别确定每N个坐标信息对应的行驶轨迹的路段的类型;路段的类型可以包括直线路段和转弯路段。
在得到当前的N个坐标信息对应的路段的类型后,可以比较当前路段的类型与上一路段的类型是否一致;如果当前路段的类型与上一路段的类型一致的话,可以继续获取下一N个坐标信息进行上述步骤201-步骤206
而如果当前路段的类型与上一路段的类型不一致的话,则可以以当前路段对应的车辆位置作为原点建立坐标系原点,并重新基于新的坐标系来获取下N个坐标信息。
步骤207、针对直线路线,采用直线路段对应的N个坐标信息所对应的图像数据中的第一预设比例的图像数据,对直线路段进行构图。
在实际应用中,在确定各个路段对应的类型后,可以基于各个路段对应的类型来确定用来构图的图像数据的数量。
具体的,对于直线路段来说,由于共视图数量足够,因此可以跳过多张图像进行计算;因此,可以采用直线路段对应的N个坐标信息所对应的图像数据中的第一预设比例的图像数据,对直线路段进行构图;所构成的图可以用于后续自动泊车使用。
步骤208、针对转弯路段,采用转弯路段对应的N个坐标信息所对应的图像数据中的第二预设比例的图像数据,对转弯路段进行构图;其中,第一预设比例小于第二预设比例。
而对于转弯路段俩说,由于共视图数量不足,因此不跳或者少跳过图像;具体的,针对转弯路段来说,可以采用转弯路段对应的N个坐标信息所对应的图像数据中的第二预设比例的图像数据,对转弯路段进行构图。第一预设比例可以比第二预设比例小,第二预设比例可以为50%,第一预设比例可以为30%,本发明实施例对此不作限制。
本发明实施例中,在车辆行驶过程中,以车辆的当前位置为坐标系原点,获取车辆的行驶轨迹的坐标信息;在得到N个坐标信息后,根据N个坐标信息,确定奇异值特征矩阵;获取奇异值特征矩阵的目标特征值,将目标特征值填入判别式中;当判别式中存有至少M个目标特征值时,判断当前得到的目标特征值是否小于直线判定阈值;其中,M为正整数;当目标特征值小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为直线路段;当目标特征值不小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为转弯路段;针对直线路线,采用直线路段对应的N个坐标信息所对应的图像数据中的第一预设比例的图像数据,对直线路段进行构图;针对转弯路段,采用转弯路段对应的N个坐标信息所对应的图像数据中的第二预设比例的图像数据,对转弯路段进行构图;其中,第一预设比例小于第二预设比例。通过本发明实施例,可以仅基于车辆现有传感器所获取到的行驶轨迹,来判断车辆的轨迹所对应的路段是直线路段还是转弯路段;从而实现了在无GPS信号场景,低成本、高效率的车辆行驶轨迹的评估。
另外,基于路段类型来进行自动泊车用的图像的构图,可以加速构图的速率。
以下,再通过图3对上述实施例进行更详细的说明:
S1:标定相机,记录相机的标定参数。同时,初始化轮速计和组合惯导,开启各传感器(如加速度计、角雷达等)的参数记录,并将当前位置构建为世界坐标原点,在车辆运行的同时进行航迹推算。
其中,S1步骤确定了各传感设备的基准信息,同时构建了全局原点。构建全局原点的这个步骤十分重要,因为它确定某次评估的整个过程的基准。以下所有的步骤,每次的结果都基于对应的原点。如果原点的建立偏离,会导致计算存在偏置。
偏置的存在会导致方法出现较大的波动,同时由于各种误差的存在,也会造成判决系数的波动。为此,后续操优选进行相关的去中心化步骤。对进行评估的点进行去中心化处理,但不进行归一化处理,以消除偏置的评估影响。一般的,在初始时也可以忽略。
S2:设定评估帧数N,记录下当前航迹推算出的全部位置信息,并按原点的设定,将每次推送记录结果转变为该坐标系下的(xi,yi)。
S2步骤是进行相关的航迹推算求解。在该步骤中,利用对应构建的运动学相关方程,收集对应的传感器的数据,并对结果进行相关的卡尔曼滤波,记录下对应点(xi,yi)。
S3:将得到的(xi,yi)按顺序填入判别矩阵P之中。
S4:对得到的P进行特征奇异值分解,获取特征值矩阵V。
S5:记录当前特征值矩阵V的目标特征值V(2,2),填入判别式Δ。
S6:重复S2-S5的步骤至少5次。
S3-S5是根据判别矩阵P,构建相关参数,并进行对应的特征奇异值分解,并记录V(2,2),填入判别式Δ。
判别式Δ是由每一次构成的特征奇异值分解V(2,2)构成,是一个N×2的判别矩阵。该矩阵的每一行就以首次构建的原点为中心所获取的航迹推算的点的坐标值(xi,yi)。N是本次评估判断中放置的点的数量。放置的速度应适配使用的相机的频率。
S6步骤的首次初始化应反复进行至少5次,这个目的在于确定当前的状态,给定标志位F的值。这里如何车速过高或传感器频率偏低则需要提高初始化的填入次数。因为构建线性关系至少2点,考虑传感器误差,一般选5次。
S7:确定一个判决阈值δ。
S8:在S6步骤后,当某次填入的V(2,2)值低于判决阈值时,则判断前面的路径为“直线”。若大于判决阈值,则判断当前进入了“转弯”。
S7-S8步骤,根据确定一个判决阈值δ,并根据标记位大小,给定当前状态标记位为F,并根据和判决阈值δ的比较,判断当前的状态是“直线”还是“弯道”。此时,一个重要的操作是重置原点与去中心化。
S9:根据S8的判断,判断是否截断之前的数据。若当前路段与上一路段的类型是一致,则继续执行S2-S5,直到类型不同。当不同出现时,进行截断,重置原点,重新进行新一轮的判别。
S10:当得到的判别是“直线”时,由于共视图数量足够,因此可以跳过多张图像进行计算,以建图动作。
相反,当判别为“转弯”时,由于共视图数量不足,因此不跳或者少跳过图像,进行计算。由此,形成了不同情况下的图像使用测量,在保障建图质量的同时,减少了图像的使用量,起到了建图加速的效果。
S9-10步骤,判断标记位的变化情况,决定是否需要进行截断,还是继续进行构建。同时,根据判断的“直线”和“弯道”结果,决定当前帧建图是否采取跳帧操作。
同时,此时也应注意,每次进行循环重建-截断的操作后,放置入判别式Δ的数量也不应少于n个点值。一般的,优选n的个数不应少于5个航迹推算的位置点值。
在建立了原点之后,所有的(xi,yi)都由惯性传感器和轮速计航迹推送获取,在这个过程无需增加任何的其他传感设备。
评估帧数N是一个经验选择值。其值的选择和所用的车辆、相机频率和各传感设备的精度有关。对载有同一传感设备的同型号车辆,可以采用人工跑车实验法来统计估计N值。一般的,在传感器良好的情况下,N的选择由各传感器频率和车速决定。
初始过程重复至少5次填入是为了构建初始评估值。一般的,希望初始以直线轨迹进行。
判决阈值δ也是一个经验选择值。不同的是,此值是对“直线”偏离值的一种评估,是一个几何描述量,与传感器无关。一般的,该值也同样适用实验法确定。同时,可该值可以给一个区间值。
根据评估,来回进行“截断-构建-截断”形成新的评估。同时,依据评估的结果,对“直线型”选用少量图像进行建图;而对“弯道型”选用较多的图像进行建图。在保障成图质量的同时,减少了计算量,实现建图过程的加速。
在测得坐标信息为表1后,可以根据表1得到如图4的轨迹,针对图4的轨迹和表1的坐标信息,计算得到目标特征值为0,如表2。
表1:
表2:
在测得坐标信息为表3后,可以根据表3得到如图5的轨迹,针对图5的轨迹和表3的坐标信息,计算得到目标特征值如表4。
表3:
x坐标 | y坐标 |
1 | 4.6767842 |
2 | 9.398639757 |
3 | 9.682765687 |
4 | 15.60613749 |
5 | 15.53380931 |
6 | 21.26878674 |
7 | 23.47086968 |
8 | 27.89525862 |
9 | 30.57518539 |
10 | 34.5186028 |
11 | 37.45461252 |
12 | 37.67081526 |
13 | 42.49372916 |
14 | 42.98904913 |
15 | 45.15270473 |
16 | 51.7203713 |
17 | 53.50011218 |
18 | 56.39961071 |
19 | 61.52361119 |
20 | 63.04933324 |
表4:
/>
在测得坐标信息为表5后,可以根据表5得到如图6的轨迹,针对图6的轨迹和表5的坐标信息,计算得到目标特征值如表6。
表5:
x坐标 | y坐标 |
19.07878403 | -10 |
19.36491673 | -9 |
19.59591794 | -8 |
19.77371993 | -7 |
19.89974874 | -6 |
19.97498436 | -5 |
20 | -4 |
19.97498436 | -3 |
19.89974874 | -2 |
19.77371993 | -1 |
19.59591794 | 0 |
19.36491673 | 1 |
19.07878403 | 2 |
18.734994 | 3 |
18.33030278 | 4 |
17.8605711 | 5 |
17.32050808 | 6 |
16.70329309 | 7 |
16 | 8 |
15.19868415 | 9 |
14.28285686 | 10 |
表6:
在测得坐标信息为表7后,可以根据表7得到如图7的轨迹;该轨迹可以包括直线1、弯道1、直线2和弯道2。当V(2,2)=18.4时,可以判定其超过阈值,发生变化,由直线1变为弯道1。
表7:
/>
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图8,示出了本发明实施例的一种无GPS信号下车辆行驶轨迹的评估装置的结构示意图,可以包括如下模块:
获取模块801,用于在车辆行驶过程中,获取车辆的行驶轨迹的坐标信息;
奇异值特征矩阵确定模块802,用于在得到N个坐标信息后,根据N个坐标信息,确定奇异值特征矩阵,N为正整数;
判断模块803,用于获取奇异值特征矩阵的目标特征值,并判断目标特征值是否小于一直线判定阈值;
第一判定模块804,用于当目标特征值小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为直线路段;
第二判定模块805,用于当目标特征值不小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为转弯路段。
在本发明一实施例中,装置还包括:
阈值确定模块,用于确定行驶轨迹对应的所有坐标信息所对应的目标特征值;根据所有坐标信息所对应的目标特征值,以及一预设参考值,确定直线判定阈值。
在本发明一实施例中,装置还包括:
第一构图模块,用于针对直线路线,采用直线路段对应的N个坐标信息所对应的图像数据中的第一预设比例的图像数据,对直线路段进行构图;
第二构图模块,用于针对转弯路段,采用转弯路段对应的N个坐标信息所对应的图像数据中的第二预设比例的图像数据,对转弯路段进行构图;
其中,第一预设比例小于第二预设比例。
在本发明一实施例中,获取模块801,用于以车辆的当前位置为坐标系原点,获取车辆的行驶轨迹的坐标信息。
在本发明一实施例中,装置还包括:
坐标重建模块,用于当上一路段的类型与当前路段的类型不同时,以当前路段对应的车辆位置作为原点建立坐标系原点。
在本发明一实施例中,判断模块803,用于获取奇异值特征矩阵的目标特征值,将目标特征值填入判别式中;当判别式中存有至少M个目标特征值时,判断当前得到的目标特征值是否小于直线判定阈值;其中,M为正整数。
在本发明一实施例中,获取模块801,用于从预设的传感器中,收集目标传感器数据;根据目标传感器数据,计算车辆的行驶轨迹的坐标信息。
在本发明一实施例中,预设传感器包括以下至少一种:
惯性传感器、轮速计。
在本发明一实施例中,获取模块801,用于获取预设的传感器所采集到的数据;对数据进行去噪,以得到目标传感数据。
本发明实施例中,在车辆行驶过程中,获取车辆的行驶轨迹的坐标信息;在得到N个坐标信息后,根据N个坐标信息,确定奇异值特征矩阵,N为正整数;获取奇异值特征矩阵的目标特征值,并判断目标特征值是否小于一直线判定阈值;当目标特征值小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为直线路段;当目标特征值不小于直线判定阈值时,判定N个坐标信息对应的行驶轨迹所处路段为转弯路段。通过本发明实施例,可以仅基于车辆现有传感器所获取到的行驶轨迹,来判断车辆的轨迹所对应的路段是直线路段还是转弯路段;从而实现了在无GPS信号场景,低成本、高效率的车辆行驶轨迹的评估;且该低成本、高效率的车辆行驶轨迹的评估方法应用于自动驾驶的构图场景中,可以降低构图的成本,以及提高构图的效率。
本发明实施例还提供了一种车辆,可以包括处理器、存储器及存储在存储器上并能够在处理器上运行的计算机程序,计算机程序被处理器执行时实现如上的无GPS信号下车辆行驶轨迹的评估方法。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如上的无GPS信号下车辆行驶轨迹的评估方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对所提供的一种无GPS信号下车辆行驶轨迹的评估方法、装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种无GPS信号下车辆行驶轨迹的评估方法,其特征在于,所述方法包括:
在车辆行驶过程中,获取所述车辆的行驶轨迹的坐标信息;
在得到N个坐标信息后,根据所述N个坐标信息,确定奇异值特征矩阵,所述N为正整数;
获取所述奇异值特征矩阵的目标特征值,并判断所述目标特征值是否小于一直线判定阈值;
当所述目标特征值小于所述直线判定阈值时,判定所述N个坐标信息对应的行驶轨迹所处路段为直线路段;
当所述目标特征值不小于所述直线判定阈值时,判定所述N个坐标信息对应的行驶轨迹所处路段为转弯路段。
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:
确定所述行驶轨迹对应的所有坐标信息所对应的目标特征值;
根据所述所有坐标信息所对应的目标特征值,以及一预设参考值,确定所述直线判定阈值。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对直线路线,采用所述直线路段对应的N个坐标信息所对应的图像数据中的第一预设比例的图像数据,对所述直线路段进行构图;
针对转弯路段,采用所述转弯路段对应的N个坐标信息所对应的图像数据中的第二预设比例的图像数据,对所述转弯路段进行构图;
其中,所述第一预设比例小于所述第二预设比例。
4.根据权利要求1所述的方法,其特征在于,所述获取所述车辆的行驶轨迹的坐标信息,包括:
以所述车辆的当前位置为坐标系原点,获取所述车辆的行驶轨迹的坐标信息。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当上一路段的类型与当前路段的类型不同时,以当前路段对应的车辆位置作为原点建立坐标系原点。
6.根据权利要求1所述的方法,其特征在于,所述获取所述奇异值特征矩阵的目标特征值,并判断所述目标特征值是否小于直线判定阈值,包括:
获取所述奇异值特征矩阵的目标特征值,将所述目标特征值填入判别式中;
当所述判别式中存有至少M个目标特征值时,判断当前得到的目标特征值是否小于直线判定阈值;
其中,M为正整数。
7.根据权利要求1所述的方法,其特征在于,所述获取所述车辆的行驶轨迹的坐标信息,包括:
从预设的传感器中,收集目标传感器数据;
根据所述目标传感器数据,计算所述车辆的行驶轨迹的坐标信息。
8.根据权利要求7所述的方法,其特征在于,所述预设传感器包括以下至少一种:
惯性传感器、轮速计。
9.根据权利要求7所述的方法,其特征在于,所述从预设的传感器中,收集目标传感器数据,包括:
获取所述预设的传感器所采集到的数据;
对所述数据进行去噪,以得到目标传感数据。
10.一种无GPS信号下车辆行驶轨迹的评估装置,其特征在于,所述装置包括:
获取模块,用于在车辆行驶过程中,获取所述车辆的行驶轨迹的坐标信息;
奇异值特征举证确定模块,用于在得到N个坐标信息后,根据所述N个坐标信息,确定奇异值特征矩阵,所述N为正整数;
判断模块,用于获取所述奇异值特征矩阵的目标特征值,并判断所述目标特征值是否小于一直线判定阈值;
第一判定模块,用于当所述目标特征值小于所述直线判定阈值时,判定所述N个坐标信息对应的行驶轨迹所处路段为直线路段;
第二判定模块,用于当所述目标特征值不小于所述直线判定阈值时,判定所述N个坐标信息对应的行驶轨迹所处路段为转弯路段。
11.一种车辆,其特征在于,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述无GPS信号下车辆行驶轨迹的评估方法。
12.一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上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述无GPS信号下车辆行驶轨迹的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310628178.XA CN116691659A (zh) | 2023-05-30 | 2023-05-30 | 一种无gps信号下车辆行驶轨迹的评估方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310628178.XA CN116691659A (zh) | 2023-05-30 | 2023-05-30 | 一种无gps信号下车辆行驶轨迹的评估方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116691659A true CN116691659A (zh) | 2023-09-05 |
Family
ID=87842649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310628178.XA Pending CN116691659A (zh) | 2023-05-30 | 2023-05-30 | 一种无gps信号下车辆行驶轨迹的评估方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116691659A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972870A (zh) * | 2023-09-21 | 2023-10-31 | 南京遇简信息科技有限公司 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
-
2023
- 2023-05-30 CN CN202310628178.XA patent/CN116691659A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972870A (zh) * | 2023-09-21 | 2023-10-31 | 南京遇简信息科技有限公司 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
CN116972870B (zh) * | 2023-09-21 | 2023-12-15 | 南京遇简信息科技有限公司 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103109160B (zh) | 用于确定车辆在路面上的位置的方法和设备以及具有这种设备的汽车 | |
CN104677361B (zh) | 一种综合定位的方法 | |
US20080103692A1 (en) | Road information storage apparatus, program for the same, and system for the same | |
CN109435940B (zh) | 一种公路车道的识别方法、装置及系统 | |
CN108519085B (zh) | 导航路径获取方法、装置、系统及其存储介质 | |
CN110906953A (zh) | 一种自动驾驶定位的相对位置精度评估方法及装置 | |
CN113959457B (zh) | 一种自动驾驶车辆的定位方法、装置、车辆和介质 | |
KR20170083662A (ko) | 센서 오차에 강건한 지도 작성 장치 | |
CN116691659A (zh) | 一种无gps信号下车辆行驶轨迹的评估方法、装置 | |
CN115235452A (zh) | 基于uwb/imu和视觉信息融合的智能泊车定位系统及方法 | |
CN114114367A (zh) | Agv室外定位切换方法、计算机装置及程序产品 | |
CN115135963A (zh) | 用于在场景地图中生成3d参考点的方法 | |
CN116399324A (zh) | 建图方法、装置及控制器、无人驾驶车辆 | |
CN110135216A (zh) | 电子地图中车道数变化区域检测方法、装置及存储设备 | |
CN117062741A (zh) | 用于评估群体轨迹位置的精度的计算机实施的方法 | |
CN107688189A (zh) | 一种gps经纬度坐标的校准方法、装置和移动运动设备 | |
CN108981729B (zh) | 车辆定位方法和装置 | |
CN109710594B (zh) | 地图数据的有效性判断方法、装置及可读存储介质 | |
CN114358038B (zh) | 一种基于车辆高精度定位的二维码坐标标定方法及装置 | |
CN113884089B (zh) | 一种基于曲线匹配的相机杆臂补偿方法及系统 | |
CN112284402B (zh) | 一种车辆定位的方法和装置 | |
CN114993303A (zh) | 自动泊车测试方法、装置、计算机终端及存储介质 | |
CN113034538B (zh) | 一种视觉惯导设备的位姿跟踪方法、装置及视觉惯导设备 | |
CN113566834A (zh) | 定位方法、定位装置、车辆和存储介质 | |
CN112665593B (zh) | 一种车辆定位方法及装置 |
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 |