CN116793369B - 路径规划方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本公开涉及一种路径规划方法、装置、设备及计算机可读存储介质，该方法包括：获取高精地图的车道数据以及车辆的车道线识别结果；根据所述车道线识别结果，对所述车道数据进行修正，得到修正后的地图数据；基于所述修正后的地图数据，对车辆的行驶路径进行规划。本公开通过结合高精地图及车道识别，降低对车辆传感器标定精度、高精地图建图精度及融合定位精度的要求，有效保证车辆行驶精度。

Description

路径规划方法、装置、设备及计算机可读存储介质

技术领域

本公开涉及车辆驾驶技术领域，尤其涉及一种路径规划方法、装置、设备及计算机可读存储介质。

背景技术

随着自动驾驶技术的不断发展，基于高精地图以及融合定位来实现路径的规划以及自动驾驶已经被广泛应用。

但是，某些场景对车辆行驶精度要求比较高，需要同时提升车辆传感器标定的精度、高精地图的精度、融合定位的精度及控制跟踪的精度，才能达到预期的行驶精度。而提升高精地图的精度工作量较大，提升融合定位的精度对算法的要求较高，且很难保证全局的稳定性，因此在这种对车辆行驶精度要求比较高的场景下，很难保证车辆行驶路径的规划精度。

发明内容

为了解决上述技术问题，本公开提供了一种路径规划方法、装置、设备及计算机可读存储介质，以保证车辆行驶路径的规划精度。

第一方面，本公开实施例提供一种路径规划方法，包括：

获取高精地图的车道数据以及车辆的车道线识别结果；

根据所述车道线识别结果，对所述车道数据进行修正，得到修正后的地图数据；

基于所述修正后的地图数据，对车辆的行驶路径进行规划。

在一些实施例中，所述获取高精地图的车道数据，包括：

根据车辆的定位信息，获取车道中心线距离车辆最近的车道数据。

在一些实施例中，所述根据所述车道线识别结果，对所述车道数据进行修正，得到修正后的地图数据，包括：

根据所述车道数据，确定所述车道的第一边界点序列；

根据所述车道线识别结果，确定所述车道的第二边界点序列；

将所述第一边界点序列与所述第二边界点序列进行逐点匹配，得到与多个第一边界点分别对应的第二边界点；

将所述多个第一边界点分别替换为对应的第二边界点，得到修正后的地图数据。

在一些实施例中，所述根据所述车道线识别结果，确定所述车道的第二边界点序列，包括：

根据所述车道线识别结果，确定所述车道的车辆坐标系下的原始边界点序列；

将所述车辆坐标系下的原始边界点序列逐点转换至通用横墨卡托格网系统坐标系下，得到所述车道的第二边界点序列。

在一些实施例中，每个所述第一边界点和/或所述第二边界点包括车道中心线距离值，所述车道中心线距离值用于表征所述边界点沿车道中心线距车道起点的距离；

所述将所述第一边界点序列与所述第二边界点序列进行逐点匹配，得到与多个第一边界点分别对应的第二边界点，包括：

将所述车道中心线距离值相同的第一边界点和第二边界点进行匹配，得到与多个第一边界点分别对应的第二边界点。

在一些实施例中，所述基于所述修正后的地图数据，对车辆的行驶路径进行规划，包括：

基于所述修正后的地图数据，计算所述车道的中心点序列；

根据所述车道的中心点序列，对车辆的行驶路径进行规划。

在一些实施例中，所述根据所述车道的中心点序列，对车辆的行驶路径进行规划，包括：

对所述车道的中心点序列进行平滑滤波，得到平滑后的中心点序列；

基于所述平滑后的中心点序列，对车辆的行驶路径进行规划。

第二方面，本公开实施例提供一种路径规划装置，包括：

获取模块，用于获取高精地图的车道数据以及车辆的车道线识别结果；

修正模块，用于根据所述车道线识别结果，对所述车道数据进行修正，得到修正后的地图数据；

规划模块，用于基于所述修正后的地图数据，对车辆的行驶路径进行规划。

第三方面，本公开实施例提供一种电子设备，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。

第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面所述的方法。

第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的路径规划方法。

本公开实施例提供的路径规划方法、装置、设备及计算机可读存储介质，通过结合高精地图及车道识别，降低对车辆传感器标定精度、高精地图建图精度及融合定位精度的要求，有效保证车辆行驶精度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例提供的路径规划方法流程图；

图2为本公开另一实施例提供的路径规划方法流程图；

图3为本公开另一实施例提供的路径规划方法流程图；

图4为本公开实施例提供的路径规划装置的结构示意图；

图5为本公开实施例提供的电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

本公开实施例提供了一种路径规划方法，下面结合具体的实施例对该方法进行介绍。

图1为本公开实施例提供的路径规划方法流程图。该方法可以应用于车载设备中，例如，车机、智能手机、掌上电脑、平板电脑、台式机、笔记本电脑、一体机等。可以理解的是，本公开实施例提供的路径规划方法还可以应用在其他场景中。

下面对图1所示的路径规划方法进行介绍，该方法包括的具体步骤如下：

S101、获取高精地图的车道数据以及车辆的车道线识别结果。

高精地图是一种精度可达厘米级(传统电子导航地图精度为米级)，提供元素更加详细、属性更加丰富、维度更高、更新频率更快的高精度、高丰富度、高维度、高新鲜度的电子地图。高精地图需要存储和呈现车辆环境数据和交通运行数据，因此标准化的分层就显得尤为重要，每一层体现一种环境要素或交通要素，所有图层叠加后形成可用的高精地图。目前公认的高精地图自下而上可以分成两个大图层，静态数据层和动态数据层，静态数据层自下而上又可细分为车道模型、道路部件、道路属性三个矢量子图层，以及一个道路环境特征子图层，其中车道模型矢量数据层用于精确描述车道间拓扑关系，包括车道基准线、车道连接点、车道交通类型、车道功能类型。车道基准线可以体现不同车道间的关联关系，车道连接点可以体现不同路段车道间连接关系，车道交通类型定义有普通车道、行车道、超车道、辅助车道等类型，车道功能类型定义有公交车道、HOV车道、潮汐车道等类型。根据车道模型矢量数据图层可以直接获取所需的车道数据。

具体的，可以通过融合定位获取车辆当前位置前后一定距离的车道数据。

融合定位技术融合了目前市面上的所有定位方式，包括全球定位系统(GlobalPositioning System，GPS)定位、基站定位、无线通信技术(WI-FI)定位、蓝牙定位以及传感器定位等。基于融合定位技术，确定车辆当前所处的位置，并在高精地图中查找相应位置的车道数据。

S102、根据所述车道线识别结果，对所述车道数据进行修正，得到修正后的地图数据。

车辆上搭载用于识别车辆周围车道线的移动设备，例如图像采集设备、视频频采集设备、雷达传感设备等。在车辆行驶过程中，该移动设备实时对车辆前方车道线进行识别，得到车道线识别结果。

具体的，车道线识别结果包括车道左边界、车道右边界，以及根据车道左边界及车道右边界所得出的车道中心线。

由于高精地图的精度有限，同时车辆可能处于定位信号环境较为恶劣的区域，因此仅依靠高精地图提供的车道数据以及融合定位进行车辆的行驶路径规划无法保证全局的精度已经稳定性。因此，根据实时的车道线识别结果，对当前位置上的车道数据进行修正，得到修正后的地图数据。其中，对于根据实时的车道线识别结果对当前位置上的车道数据进行修正，包括但不限于：使用车道线识别结果替换当前位置上的车道数据，或者根据车道线是被结果与当前位置上的车道数据计算得出修正后的地图数据。

S103、基于所述修正后的地图数据，对车辆的行驶路径进行规划。

具体的，可以通过路径规划算法Peiwise Jerk Path Optimizer，在修正后的地图数据的基础上，结合车辆行驶的目的地，对车辆的行驶路径进行规划。

本公开实施例通过获取高精地图的车道数据以及车辆的车道线识别结果；根据所述车道线识别结果，对所述车道数据进行修正，得到修正后的地图数据；基于所述修正后的地图数据，对车辆的行驶路径进行规划，结合高精地图及车道识别，降低对车辆传感器标定精度、高精地图建图精度及融合定位精度的要求，有效保证车辆行驶精度。

图2为本公开另一实施例提供的路径规划方法流程图，如图2所示，该方法包括如下几个步骤：

S201、根据车辆的定位信息，获取车道中心线距离车辆最近的车道数据。

基于融合定位技术，确定当前车辆所处的位置。进一步，根据车辆当前所处的位置，在高精地图的车道图层中查找车道中心线距离车辆当前所处的位置最近车道的车道数据。其中，车道中心线是指车道左边界与车道右边界的中线。

S202、根据所述车道数据，确定所述车道的第一边界点序列。

根据车道数据，能够得到用于表示车道边界的以一系列点所组成的有序点集，即车道的第一边界点序列。

具体的，车道的第一边界点序列包括车道的第一左边界点序列以及车道的第一右边界点序列。车道的第一左边界点序列用于表示车道的左边界，车道的第一右边界点序列用于表示车道的右边界。

在一些实施例中，车道的第一左边界点序列可以表示为[p_l1 p_l2 p_l3 p_l4 … p_ln]，车道的第一左边界点序列可以表示为[p_r1 p_r2 p_r3 p_r4 … p_rn]。进一步地，还可以得到车道的中心点序列，用于表示车道的中心线，例如[p_c1 p_c2 p_c3 p_c4… p_cn]。

上述第一边界点序列以及车道的中心点序列中的每个点均包含该点所在位置的有效信息，用于准确标识各点在高精地图中所在的位置。在一些实施例中，每个点的有效信息可以表示为[x_a y_a θ_a s]，其中，x_a y_a分别表示该点在通用横墨卡托格网系统(UniversalTransverse Mercator，UTM)坐标系下的水平坐标，θ_a表示该点方向与正东方向的逆时针夹角，s为该点沿车道中心线距车道起点的距离。

S203、根据所述车道线识别结果，确定所述车道的第二边界点序列。

具体的，根据所述车道线识别结果，确定所述车道的车辆坐标系下的原始边界点序列；将所述车辆坐标系下的原始边界点序列逐点转换至通用横墨卡托格网系统坐标系下，得到所述车道的第二边界点序列。

车辆坐标系是指以车辆为原点的坐标系。在车辆行驶过程中，车辆上所搭载的移动设备实时对车辆前方车道线进行识别，得到车道线识别结果。具体的，车道线识别结果包括车道左边界、车道右边界，以及根据车道左边界及车道右边界所得出的车道中心线。参见上述步骤，车道左边界、车道右边界分别可以以有序的点集即序列表示。

例如，原始边界点序列所包含的原始左边界点序列可以表示为[k_l1 k_l2 k_l3 k_l4 …k_ln]，原始边界点序列所包含的原始右边界点序列可以表示为[k_r1 k_r2 k_r3 k_r4 … k_rn]。其中，每个点的有效信息可以表示为[x_b y_b θ_b s]，其中x_by_b表示该点在车辆坐标系下的水平坐标，θ_b表示该点方向与车头朝向方向的逆时针夹角，s为该点沿车道中心线距车道起点的距离。

由于横墨卡托格网系统坐标系与车辆坐标系并非同一坐标系，若需对第一边界点序列与原始边界点序列进行匹配，需将二者转换至同一坐标系下。

在本公开实施例中，将车辆坐标系下的原始边界点序列逐点转换至通用横墨卡托格网系统坐标系下，得到所述车道的第二边界点序列。具体的，通过融合定位获取车辆在横墨卡托格网系统坐标系下的位置x_v y_v θ_v，其中x_v y_v为车辆当前所在位置在横墨卡托格网系统坐标系下的水平坐标，θ_v为车辆当前朝向与正东方向的逆时针夹角。

将任意车体坐标系下的边界点坐标转换至通用横墨卡托格网系统坐标系下。以车体坐标系下的边界点坐标[x y θ s]为例，通过下述公式转换至通用横墨卡托格网系统坐标系下的坐标[x′ y′ θ′ s]：

x′＝x+sinθ_vx+cosθ_vy

y′＝y-cosθ_vx+sinθ_vy

θ′＝θ+θ_v-π/2

根据上述方法，将原始边界点序列逐点转换，得到第二边界点序列。其中第二边界点序列包括第二左边界点序列、第二右边界点序列。在一些实施例中，第二左边界点序列可以表示为[Q_l1 Q_l2 Q_l3 Q_l4 ... Q_ln]，第二右边界点序列可以表示为[Q_r1 Q_r2 Q_r3 Q_r4 ...Q_rn]。

S204、将所述第一边界点序列与所述第二边界点序列进行逐点匹配，得到与多个第一边界点分别对应的第二边界点。

具体的，每个所述第一边界点和/或所述第二边界点包括车道中心线距离值，所述车道中心线距离值用于表征所述边界点沿车道中心线距车道起点的距离；将所述车道中心线距离值相同的第一边界点和第二边界点进行匹配，得到与多个第一边界点分别对应的第二边界点。

对于任意序列中的任意点，其车道中心线距离值是固定的。因此，以车道中心线距离值为匹配依据，对第一边界点序列与第二边界点序列进行逐点匹配，得到与多个第一边界点车道中心线距离值分别相同的第二边界点。其中，第一边界点与第二边界点一一对应。

在一些实施例中，可以先基于车辆当前位置，对第一边界点和/或所述第二边界点包括的车道中心线距离值进行修正后，再进行匹配。

具体的，确定车辆当前所在位置在车道数据中车道中心线上的垂足点[x_m y_m θ_ms_m]，其中x_m y_m为垂足点在横墨卡托格网系统坐标系下的水平坐标，θ_m为垂足点朝向与正东方向的逆时针夹角，s_m为垂足点沿车道中心线距车道起点的距离。基于垂足点沿车道中心线距车道起点的距离s_m，对第一边界点序列与第二边界点序列中，位于垂足点之后的所有点的中心线距离值进行修正，修正值即为s_m。每个点修正后的中心线距离值用于表示该点沿车道中心线距垂足点的距离，例如垂足点经过修正后，即可表示为[x_m y_m θ_m 0]。

在实际应用中，由于只需对车辆即将行驶的路径进行规划，经过上述修正，仅对车辆即将经过的区域中的边界点进行匹配，能够大大减少本公开实施例所提供的技术方案的计算量，进一步提高本方法的效率。

S205、将所述多个第一边界点分别替换为对应的第二边界点，得到修正后的地图数据。

S206、基于所述修正后的地图数据，对车辆的行驶路径进行规划。

本公开实施例通过结合高精地图及车道识别，降低对车辆传感器标定精度、高精地图建图精度及融合定位精度的要求，有效保证车辆行驶精度。

另外，本公开实施例还可以基于车辆当前所在位置对中心线距离值进行修正，仅对车辆即将经过的区域中的边界点进行匹配，能够大大减少本公开实施例所提供的技术方案的计算量，进一步提高本方法的效率。

图3为本公开另一实施例提供的路径规划方法流程图，如图3所示，该方法包括如下几个步骤：

S301、获取高精地图的车道数据以及车辆的车道线识别结果。

具体的，根据车辆的定位信息，获取车道中心线距离车辆最近的车道数据。

S302、根据所述车道线识别结果，对所述车道数据进行修正，得到修正后的地图数据。

具体的，根据所述车道数据，确定所述车道的第一边界点序列；根据所述车道线识别结果，确定所述车道的车辆坐标系下的原始边界点序列；将所述车辆坐标系下的原始边界点序列逐点转换至通用横墨卡托格网系统坐标系下，得到所述车道的第二边界点序列；每个所述第一边界点和/或所述第二边界点包括车道中心线距离值，所述车道中心线距离值用于表征所述边界点沿车道中心线距车道起点的距离；将所述车道中心线距离值相同的第一边界点和第二边界点进行匹配，得到与多个第一边界点分别对应的第二边界点；将所述多个第一边界点分别替换为对应的第二边界点，得到修正后的地图数据。

S303、基于所述修正后的地图数据，计算所述车道的中心点序列。

在一些实施例中，经过上述步骤得到修正后的地图数据，其中包括修正后的车道左边界点序列与修正后的车道右边界点序列。根据车道左边界点与右边界点，计算二者的几何平均中点，得到修正后的中心线点。

例如，修正后的车道左边界点可以表示为[x_l y_l θ_l s]，修正后的车道右边界点可以表示为[x_r y_r θ_r s]。其中x_l y_l表示左边界点在横墨卡托格网系统坐标系下的水平坐标，θ_l为左边界点朝向与正东方向的逆时针夹角，s为左边界点沿车道中心线距车道起点的距离；x_r y_r表示右边界点在横墨卡托格网系统坐标系下的水平坐标，θ_r为右边界点朝向与正东方向的逆时针夹角，s为右边界点沿车道中心线距车道起点的距离。根据左右边界点取几何平均中点，计算修正后的中心线点[x_c y_c θ_c s]，其中x_c y_c表示修正后的中心线点在横墨卡托格网系统坐标系下的水平坐标，θ_c为修正后的中心线点朝向与正东方向的逆时针夹角，s为修正后的中心线点沿车道中心线距车道起点的距离。具体计算方式可以是：

x_c＝(x_l+x_r)/2

y_c＝(y_l+y_r)/2

θ_c＝(θ_l+θ_r)/2

S304、对所述车道的中心点序列进行平滑滤波，得到平滑后的中心点序列。

由于车道线识别或融合定位受到硬件原因或环境原因的影响可能会产生跳动，进一步使得修正后的地图数据出现跳动，因此需要基于每一帧上述步骤后得到的车道的中心点序列进行平滑滤波，保证车辆路径的平滑性。

具体的，根据历史帧局部车道数据进行帧间平滑滤波。获取历史帧缓存最大帧数N、帧间的时间间隔T、车辆运行速度v，计算两帧之间车辆的行进距离s_f＝Tv。其中，车辆运行速度v为相邻两帧中前一帧的车辆运行速度。

重复上述计算过程，计算得到每帧之间车辆的行进距离[s₁ s₂ s₃ s₄ ... s_N]，以及所有帧的累计行进距离[S₁ S₂ S₃ S₄ ... S_N]，其中S₁＝s₁+s₂+…+s_N、S₂＝s₂+s₃+…+s_N，S₃＝s₃+s₄+…+s_N，S₄＝s₄+s₅+…+s_N，以此类推。

根据需要平滑的目标车道中心线点对应的中心线距离值s_cur，匹配每一帧历史帧地图上对应的每帧之间车辆的行进距离s，得到每一帧中目标车道中心线点对应的中心线距离值[s_cur+S₁ s_cur+S₂ s_cur+S₃ s_cur+S₄ ... s_cur+S_N]，对应每一帧中目标车道中心线点[x₁y₁ θ₁ s₁]、[x₂ y₂ θ₂ s₂]、...、[x_N y_N θ_N s_N]，进一步进行帧间平滑滤波得到目标车道中心线点[x_f y_f θ_f s_f]。具体计算方法可以是：

x_f＝(x₁+x₂+x₃+…+x_N+x_cur)/(N+1)

y_f＝(y₁+y₂+y₃+…+y_N+y_cur)/(N+1)

θ_f＝(θ₁+θ₂+θ₃+…+θ_N+θ_cur)/(N+1)

s_f＝S_cur

对每一个车道中心线点进行上述平滑滤波操作，得到平滑后的中心点序列。

S305、基于所述平滑后的中心点序列，对车辆的行驶路径进行规划。

本公开实施例通过对修正后的数据进行平滑滤波，有效去除了由于车道线识别或是融合定位的跳动所造成的修正后的地图数据的跳动，使得所规划的车辆路径更加平滑，进一步提高了路径规划方法的稳定性。

图4为本公开实施例提供的路径规划装置的结构示意图。该路径规划装置可以是如上实施例所述的车载设备，或者该路径规划装置可以该车载设备中的部件或组件。本公开实施例提供的路径规划装置可以执行路径规划方法实施例提供的处理流程，如图4所示，路径规划装置40包括：获取模块41、修正模块42、规划模块43；其中，获取模块41用于获取高精地图的车道数据以及车辆的车道线识别结果；修正模块42用于根据所述车道线识别结果，对所述车道数据进行修正，得到修正后的地图数据；规划模块43用于基于所述修正后的地图数据，对车辆的行驶路径进行规划。

可选的，获取模块41具体用于根据车辆的定位信息，获取车道中心线距离车辆最近的车道数据。

可选的，修正模块42包括第一确定单元421、第二确定单元422、匹配单元423、替换单元424；第一确定单元421用于根据所述车道数据，确定所述车道的第一边界点序列；第二确定单元422用于根据所述车道线识别结果，确定所述车道的第二边界点序列；匹配单元423用于将所述第一边界点序列与所述第二边界点序列进行逐点匹配，得到与多个第一边界点分别对应的第二边界点；替换单元424用于将所述多个第一边界点分别替换为对应的第二边界点，得到修正后的地图数据。

可选的，第二确定单元422具体用于根据所述车道线识别结果，确定所述车道的车辆坐标系下的原始边界点序列；将所述车辆坐标系下的原始边界点序列逐点转换至通用横墨卡托格网系统坐标系下，得到所述车道的第二边界点序列。

可选的，每个所述第一边界点和/或所述第二边界点包括车道中心线距离值，所述车道中心线距离值用于表征所述边界点沿车道中心线距车道起点的距离；所述匹配单元423用于将所述车道中心线距离值相同的第一边界点和第二边界点进行匹配，得到与多个第一边界点分别对应的第二边界点。

可选的，规划模块43包括计算单元431、规划单元432；其中，计算单元431用于基于所述修正后的地图数据，计算所述车道的中心点序列；规划单元432用于根据所述车道的中心点序列，对车辆的行驶路径进行规划。

可选的，规划单元432具体用于对所述车道的中心点序列进行平滑滤波，得到平滑后的中心点序列；基于所述平滑后的中心点序列，对车辆的行驶路径进行规划。

图4所示实施例的路径规划装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图5为本公开实施例提供的电子设备的结构示意图。该电子设备可以是如上实施例所述的车载设备。本公开实施例提供的电子设备可以执行路径规划方法实施例提供的处理流程，如图5所示，电子设备50包括：存储器51、处理器52、计算机程序和通讯接口53；其中，计算机程序存储在存储器51中，并被配置为由处理器52执行如上所述的路径规划方法。

另外，本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述实施例所述的路径规划方法。

此外，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的路径规划方法。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

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、物品或者设备中还存在另外的相同要素。

以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种路径规划方法，其特征在于，所述方法包括：

获取高精地图的车道数据以及车辆的车道线识别结果；

根据所述车道数据，确定所述车道的第一边界点序列；

根据所述车道线识别结果，确定所述车道的第二边界点序列；

基于所述第一边界点和所述第二边界点的车道中心线距离值，将所述车道中心线距离值相同的第一边界点和第二边界点进行匹配，得到与多个第一边界点分别对应的第二边界点，其中，所述车道中心线距离值用于表征所述边界点沿车道中心线方向距车道起点的距离；

将所述多个第一边界点分别替换为对应的第二边界点，得到修正后的地图数据；

基于所述修正后的地图数据，对车辆的行驶路径进行规划。

2.根据权利要求1所述的方法，其特征在于，所述获取高精地图的车道数据，包括：

根据车辆的定位信息，获取车道中心线距离车辆最近的车道数据。

3.根据权利要求1所述的方法，其特征在于，所述根据所述车道线识别结果，确定所述车道的第二边界点序列，包括：

根据所述车道线识别结果，确定所述车道的车辆坐标系下的原始边界点序列；

将所述车辆坐标系下的原始边界点序列逐点转换至通用横墨卡托格网系统坐标系下，得到所述车道的第二边界点序列。

4.根据权利要求1所述的方法，其特征在于，所述基于所述修正后的地图数据，对车辆的行驶路径进行规划，包括：

基于所述修正后的地图数据，计算所述车道的中心点序列；

根据所述车道的中心点序列，对车辆的行驶路径进行规划。

5.根据权利要求4所述的方法，其特征在于，所述根据所述车道的中心点序列，对车辆的行驶路径进行规划，包括：

对所述车道的中心点序列进行平滑滤波，得到平滑后的中心点序列；

基于所述平滑后的中心点序列，对车辆的行驶路径进行规划。

6.一种路径规划装置，其特征在于，包括：

获取模块，用于获取高精地图的车道数据以及车辆的车道线识别结果；

修正模块，包括第一确定单元、第二确定单元、匹配单元、替换单元；

所述第一确定单元用于根据所述车道数据，确定所述车道的第一边界点序列；

所述第二确定单元用于根据所述车道线识别结果，确定所述车道的第二边界点序列；

所述匹配单元用于基于所述第一边界点和所述第二边界点的车道中心线距离值，将所述车道中心线距离值相同的第一边界点和第二边界点进行匹配，得到与多个第一边界点分别对应的第二边界点，其中，所述车道中心线距离值用于表征所述边界点沿车道中心线方向距车道起点的距离；

所述替换单元用于将所述多个第一边界点分别替换为对应的第二边界点，得到修正后的地图数据；

规划模块，用于基于所述修正后的地图数据，对车辆的行驶路径进行规划。

7.一种电子设备，其特征在于，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-5中任一项所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的方法。