CN116952278A - 一种去除感知地图抖动的仿真测试方法及系统 - Google Patents
一种去除感知地图抖动的仿真测试方法及系统 Download PDFInfo
- Publication number
- CN116952278A CN116952278A CN202310700786.7A CN202310700786A CN116952278A CN 116952278 A CN116952278 A CN 116952278A CN 202310700786 A CN202310700786 A CN 202310700786A CN 116952278 A CN116952278 A CN 116952278A
- Authority
- CN
- China
- Prior art keywords
- map
- lane
- road
- perception
- precision
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 64
- 238000010998 test method Methods 0.000 title claims abstract description 17
- 230000008447 perception Effects 0.000 claims abstract description 104
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 16
- 239000002243 precursor Substances 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009109 downstream regulation Effects 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 12
- 206010039203 Road traffic accident Diseases 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- HHXYJYBYNZMZKX-UHFFFAOYSA-N 3,4:15,16-diepoxy-7-oxo-13(16),14-clerodadien-20,12-olide-(3alpha,4alpha)-form Natural products C12CCC3C4(C)CCCC(C)(C)C4CCC3(C)C1(C)CCC1C2(C)CCC1C(=C)C HHXYJYBYNZMZKX-UHFFFAOYSA-N 0.000 description 1
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000003442 weekly 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
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种去除感知地图抖动的仿真测试方法及系统,该方法包括:获取车辆当前位置的高精地图;根据所述高精地图生成感知地图;根据所述感知地图对路径规划模块和控制模块进行仿真测试本发明能够在仿真测试时输出准确且稳定的感知地图,当自动驾驶表现不佳时,快速定位到问题具体由哪一模块引起,并且对于一些要求较为严格的场景,不具有抖动的感知结果加快了下游规控模块的准确性验证。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种去除感知地图抖动的仿真测试方法及系统。
背景技术
低阶自动驾驶一般都会脱离于高精度地图,单纯的依赖传感器的输出来生成感知地图供下游的规控模块使用。但是由于感知结果具有不确定性,当自动驾驶表现不佳时,难以快速定位到问题具体由哪一模块引起;并且对于一些要求较为严格的场景,具有抖动的感知结果也阻碍了下游规控模块的准确性验证。因此,如何在仿真测试时输出准确且稳定的感知的地图对于规控模块的快速迭代具有重要意义。
发明内容
本发明的目的是提供一种去除感知地图抖动的仿真测试方法及系统,该方法能够在仿真测试时输出准确且稳定的感知地图,当自动驾驶表现不佳时,快速定位到问题具体由哪一模块引起,并且对于一些要求较为严格的场景,不具有抖动的感知结果加快了下游规控模块的准确性验证。
一种去除感知地图抖动的仿真测试方法,包括:
获取车辆当前位置的高精地图;
根据所述高精地图生成感知地图;
根据所述感知地图对路径规划模块和控制模块进行仿真测试。
优选地,根据所述高精地图生成感知地图包括:
根据所述高精地图重建所述感知地图的车道拓扑关系;
生成所述感知地图的路口数据。
优选地,根据高精地图重建感知地图的道路拓扑关系包括:
将所述感知地图的多段同向的车道相连:判断每段所述车道是否存在岔路节点,若有,则根据岔路节点将同向的车道分段标记,根据所述车道的标记结果将所述车道进行连接;
若没有,则将所述车道的起点与邻近的同向的车道的终点连接在一起;
将所述感知地图的多段同向的车道线相连:判断每段车道线是否存在岔路节点,若有,则根据岔路节点将同向的车道线分段标记,根据所述车道的标记结果将所述车道线进行连接;
若没有,则将所述车道线的起点与邻近的同向的车道线的终点连接在一起。
优选地,根据岔路节点将同向车道分段标记,根据所述车道的标记结果将所述车道进行连接包括:
判断所述高精地图上的车道是否存在有效前驱,若存在多个有效前驱则所述车道后方存在多个岔路口,将所述车道的起点标记为后方每个所述车道的终点;
判断所述高精地图上的车道是否存在有效后继,若存在多个有效后继则所述车道前方存在多个岔路口,将所述车道的终点标记为前方每个所述车道的起点。
优选地,将所述车道的起点与邻近的同向的车道的终点连接在一起包括:
判断所述高精地图上的车道是否存在有效前驱,若只有一个有效前驱,则连接邻近的两段所述车道;
判断所述高精地图上的车道是否存在有效后继,若只有一个有效后继,则连接邻近的两段所述车道。
优选地,生成所述感知地图的路口数据包括:
获取车辆坐标;
根据所述车辆坐标和所述高精地图判断车辆是否在所述高精地图上,如果不在,则重新获取高精地图;
如果在所述高精地图上,根据所述感知地图判断是否为岔路口,若不为岔路口,则按照所述感知地图的车道方向行驶;
若为岔路口,则采用预设值判断行驶方向。
优选地,根据所述高精地图生成感知地图还包括:删除所述高精地图中所述感知地图不存在的数据。
优选地,根据所述感知地图对路径规划模块和控制模块进行仿真测试包括:
获取当前位置和目标位置;
根据所述当前位置和所述目标位置规划初始路径;
根据所述感知地图实时修正所述初始路径直至到达所述目标位置。
一种去除感知地图抖动的仿真测试系统,包括:
数据获取模块,用于获取车辆当前位置的高精地图;
数据处理模块,用于根据所述高精地图生成感知地图;
仿真测试模块,用于根据所述感知地图对路径规划模块和控制模块进行仿真测试。
一种电子设备,包括:处理器和存储器,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,当所述处理器执行所述计算机指令时,所述电子设备执行一种去除感知地图抖动的仿真测试方法。
在车辆自动驾驶的过程中,获取的感知地图通常因为环境问题影响探测精度,也会因为设备自身的局限问题在数据传输发生丢失、延迟等问题,导致感知地图出现抖动,质量低的感知地图就会导致下游路径规划模块和控制模块的决策错误,而高精地图就不会出现错误,但是低阶自动驾驶算法不能读取解析高精地图数据,只能读取感知地图进行路径规划判断,所以本发明通过高精地图的数据来修正车载摄像头获取的感知地图的数据,能够输出绝对准确且不存在抖动的感知地图,通过高精地图来弥补感知地图探测不全面、数据丢失的缺陷,可以帮助下游路径规划模块和控制模块进行算法迭代,还能够排除由于感知地图的不全面而引起的自动行驶状况异常的问题,快速定位自动驾驶的异常情况是由哪个模块引起的,并且提高了自动驾驶的安全性和可靠性。
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,标示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明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为本发明的流程图;
图2为本发明的岔路口信息示意图;
图3为本发明的感知地图示意图;
图4为本发明的连接同向车道流程示意图;
图5为本发明的连接同向车道线流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其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”的特征可以明示或者隐含地包括至少一种该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
在车辆自动驾驶的过程中,获取的感知地图通常因为环境问题影响探测精度,也会因为设备自身的局限问题在数据传输发生丢失、延迟等问题,导致感知地图出现抖动,质量低的感知地图就会导致下游路径规划模块和控制模块的决策错误,而高精地图就不会出现错误,但是低阶自动驾驶算法不能读取解析高精地图数据,只能读取感知地图进行路径规划判断,所以本发明通过高精地图的数据来修正车载摄像头获取的感知地图的数据,能够输出绝对准确且不存在抖动的感知地图,通过高精地图来弥补感知地图探测不全面、数据丢失的缺陷,可以帮助下游路径规划模块和控制模块进行算法迭代,还能够排除由于感知地图的不全面而引起的自动行驶状况异常的问题,快速定位自动驾驶的异常情况是由哪个模块引起的,并且提高了自动驾驶的安全性和可靠性。
实施例1
一种去除感知地图抖动的仿真测试方法,参考图1,包括:
S100,获取车辆当前位置的高精地图;
高精地图(HD map)是一种用于自动驾驶的高精度地图,包含道路形状、道路标记、交通标志和障碍物等地图元素。地图精度可以到厘米级别。高精地图是相对于普通地图来说的,它提供了更高精度,内容更为丰富的地图信息,主要服务于自动驾驶。目前L2+及以上自动驾驶方案普遍对高精地图是有明确依赖的,高精地图可以说是数据流的最上游。对于高精地图,没有一个标准的定义。比普通SD地图在精细度或丰富度上面有更高要求的地图,都被称为高精地图。比如辅助驾驶中用到的ADAS地图,相对精度1m,绝对精度5m,有时也被称为高精地图。
高精地图可以提供超感知距离周边信息,拓展感知的边界。自动驾驶系统通过传感器获取周边信息,但是传感器都是有距离限制的。距离有限则控制时间有限,时间有限就可能导致决策错误或者控制不及时。比如摄像头可以看到100km时速下9秒内的路况信息(还得是直线),但是如果前方500米有个闸道出口,而且是只有某个车道可以通往这个闸道,那么车辆就应该提前进入这个车道。9秒的时间很可能不足以进行变道切换,就容易错过路口。而具备高精地图的超视距路况信息(后续闸道出口位置,弯道曲率,坡度等信息),自动驾驶熊就可以提前进行变道并做好速度准备,从而不容易错过路口。车辆没有采用高精地图的话,就会在NOP启动时就很容易因为路况复杂无法及时切换到正确车道导致需要急刹车或者错过路口。在车辆急刹车时就会出现安全不可靠的问题,而错过路口就会导致浪费大量的时间。
高精地图还可以提供感知冗余。车载传感器在很多情况下无法获取全面信息,如光照复杂无法区分是否红绿灯,视野被遮挡看不到车道线,雨天雷达噪点多等等。这些时候,高精地图都可以提供先验的参考,补充感知的能力。
另外,高精地图还可以提升感知的效率。自动驾驶系统通过图像数据来识别红绿灯,如果始终扫描全局图像进行图像分析,判断是否有红绿灯,计算和时间消耗都比较大。而如果有高精地图的先验数据,就可以根据定位信息,提前锁定某个区域,对特定区域(ROI)进行图像分析,来识别红绿灯及状态。这就可以有效减少计算量,加速识别。
卫星定位的精确度是比较低的,但是自动驾驶对于自车位置定位要求是厘米级。而基于高精地图的特征定位方式就可以达到厘米级的定位。高精地图在规划中的作用体现在长距离路线规划和短距离轨迹规划两方面。普通地图也可以进行路线规划,但是只提供了路线,具体要在哪个车道开,什么时候该切换车道等信息是没有的。高精地图则可以赋能系统实现车道级路线规划,是车辆真正可以实际行驶的路线。
车辆在行驶的时候,还需要精细的轨迹规划。高精地图可以帮助系统预测周边障碍物的移动轨迹,如知道某辆车在某个左拐车道上,就可以预测它将要左拐的路线。根据高精地图的信息(车道、宽度、坡度、曲率等),以及周边障碍物的信息,系统才能规划出一条精细的轨迹行驶。
但是高精地图也有很严重的不足之处,第一,覆盖面积小:由于高精地图需要精确的测绘,就需要大量人力物力采集道路数据,所以在构建高精地图时会优先构建城市道路的高精地图,而在不常用的道路上时,就会有数据不足的缺陷。第二,数据量太大不适合车载处理器:高精地图涵盖的数据量十分庞大,因为它包括了道路形状、道路标记、交通标志和障碍物等地图元素。并且地图精度可以到厘米级别。这需要庞大的数据库来储存,而车载储存器无法储存大量的数据,这也就限制了车辆的运动范围,比如只能储存一个城市的高精地图数据,而到了其它城市,由于没有高精地图数据就无法导航行驶。第三,高精地图成本高、更新慢:采用传统测绘车方式,厘米级地图的测绘效率约为每天每车100公里道路,成本可能达每公里千元。30多万公里的高速和城市快速路,以1辆采集车1天采集有效数据100公里计算,100辆采集车也要一个月才能采集完一次。更新频率无法达到每天更新,最多只能维持每周更新,但由于成本问题,对于已采集完的高速道路的高精地图维护,目前也只能做到季度更新。但是由于道路本身的特性,频繁的修路改道,对鲜度的要求极高,一旦更新不够及时,很容易出现安全问题。比如上个星期还是正常通行的道路,这个星期就因为市政规划问题而开始铺设管道,开拓道路,导致正常通行的道路无法通行,因为更新不及时而导致导航错误轻则绕路浪费时间,重则由于道路没有标识,车辆开进道路凹面导致安全事故。第四,高精地图对算力要求高,浪费算力资源:在机器算法模块,多一项计算参数占用的算力是呈指数级增长的,而高精地图中涵盖了很多不必要的道路信息,但是算法在路径规划时也会将这些冗余信息考虑在路径规划情况中,这就会导致计算速度慢,对设备算力要求高,生产成本也相应提高。并且如果没有高端的设备,在车辆行驶时,实时路径规划计算的速度比不上车辆行驶的速度,就会导致路径规划更新慢,导致走错路或者走过路的情况出现,浪费用户的时间影响用户驾驶体验。
所以本发明考虑采用感知地图作为车辆自动驾驶的导航地图,感知地图是基于所采集的图像生成的可以直观地展示车辆周围的目标、障碍物等信息的地图。主要利用地图的拓扑关系,那些地图里面不会改变的信息。感知地图相较于高精地图具有数据量小,能够被低阶导航系统读取解析,没有冗余信息等优点,但是感知地图的准确性远远不如高精地图,因为感知地图的生成完全依赖传感器,而传感器本身的功能限制了感知地图的精确度,并且环境对传感器的影响也是巨大的,在恶劣天气驾驶时,由于前方可见度低,车载传感器拍摄的道路图像提供的有效信息十分有限,就会影响下游的路径规划模块和控制模块的判断,导致自动驾驶出现异常情况,所以克服感知地图精度不高的问题是本发明所解决的重点。
S200,根据高精地图生成感知地图;
在自动驾驶时,车道与车道之间的距离,车道与街沿石之间的距离不过几十厘米,唯有高精度地图能够保证车辆行驶在正确的轨迹上。另外,高精度地图的“高精度”还体现在信息量上,它的信息更加全面。高精度地图划分了许多不同的图层,不同图层绘制了不同且大量的信息。以四维图新的高精度地图为例,地图图层中,除了正常的道路形状、方向、曲率等,还有道路的坡度、侧倾、高度;车道线的类型比如实线、虚线,白色、黄色;隔离栏、绿化带等道路边沿信息。但是规划路径时往往过多的冗余信息就会降低算法处理的速度,占用大量算力,所以本发明只需要挑选出高精地图中决定路径规划的数据来进行路径规划即可,也就是通过高精地图中道路的拓扑关系来修正感知地图中不全面的道路拓扑关系,以达到输出准确无误的感知地图来进行路径规划运算的目的。在感知地图中,道路没有前后连接的概念,所有的通向车道都会自动连接成一条。由于拓扑关系太过简单,会导致部分属性的丢失。比如右转道路,直行道路和左转道路的属性,感知地图并不能选择合适的道路进行行驶,也就是在车辆驾驶过程中,只根据感知地图规划出的行驶路径往往是车辆不能够实际通行的,因为道路的属性限制了这条道路只能够右转,然而在感知地图中,右转道路与前方的道路是相连的,被判定为可以通行,如果在实际自动驾驶中按照感知地图的算法进行自动驾驶规划,就会出现交通事故,无法保障驾驶人的生命安全,所以本发明将高精地图中的感知地图没有的数据融入到感知地图中,例如:道路转向属性,道路实线虚线变线属性,高速道路快速通道、中速通道和应急车道属性、某些路段的单行道属性。有了高精地图道路数据的加入,根据感知地图规划出的路径才是真正可行的,才能够保障驾驶员的生命安全。并且本发明在保障感知地图绝对准确的同时降低了数据的冗余性,剔除了大量道路冗余属性,加快了算法迭代,提高了路径规划效率,降低了算力占用,提高了车辆自动驾驶设备性能。
在仿真测试中取消了传感器模块,无需等到传感器传输数据后绘制感知地图,处理器根据获取的高精地图自行生成感知地图。
S300,根据感知地图对路径规划模块和控制模块进行仿真测试。
本发明在车辆自动驾驶时优先判断前方道路是否存在岔路口,如果前方道路不存在岔路口,则继续按照当前的道路方向行进。当前方道路出现岔路口时,根据高精地图改进后的感知地图判断应该走向哪条岔路。当驾驶员向自动驾驶系统输入目的地后,车辆会按照当前所在位置朝向目的地的方向行进,在这个方向行进的过程中,会不断产生新的感知地图,也会不断的修正感知地图,为了节省算力,在车辆遇到岔路口的时候才会进行判断,在车辆没有遭遇岔路口时会持续按照道路行进方向前进。在仿真测试中,仿真模块可以读取高精地图,通过分析高精地图与感知地图的区别,并根据感知地图的数据特定对高精地图数据进行一定的转换,即可得到准确的地图数据信息。通过准确的感知地图信息,再加上一些其他的感知结果模拟(障碍物、信号灯等),即可跳过真实的感知模块,对下游的路径规划和控制模块进行详细的测试。在排除了由于感知地图的不全面而导致的自动驾驶模块异常的可能时,能够更加迅速地定位下游的路径规划和控制模块具体哪一部分出现问题,加快了工作效率。
优选地,S200,根据高精地图生成感知地图包括:
S210,根据所述高精地图重建所述感知地图的车道拓扑关系;
S220,生成所述感知地图的路口数据。
在自动驾驶时,路径规划模块根据车道拓扑关系进行路径规划,然而由于感知地图没有车道前后连接的概念,所有的通向车道都会自动连接成一条。就会导致路径规划模块规划出实际不可行的道路,比如路径规划模块会规划出逆行的车道或者无法直行的车道。这样就会导致出现交通事故,无法保障驾驶人员的生命安全,所以本发明根据高精地图重建感知地图的车道拓扑关系,使得路径规划模块在遵循正确交通规则的前提下驾驶车辆通过车道后将达到的空间方位和通行状态。即驾驶车辆通过该车道段后可明确直行、左转或右转,以及发生上述驾驶行为后的延展信息,如右转后将达到另外一条道路。道路上的车道分隔线和地面印刷标识可作为判定车道驾驶态势的重要依据,如路口的驶入路口车道地面一般印刷了通行方向箭头,且车道分隔线呈虚实变化,实线分隔表明不再允许横向变道,车道的驾驶态势锁定。
在智能交通和自动驾驶领域,对高精度地图的需求已得到广泛的认同和接受如在自动驾驶汽车中,地图都是重要的组成部分。准确和全面的环境感知是自动驾驶的基础,地图对道路几何形状和交通属性的描述可为自动驾驶提供准确的先验信息。自动驾驶感知系统通过传感器数据与地图数据的匹配融合,实现对周围环境的感知,规划和控制系统则基于感知结果进行规划和控制。
车道是高精度地图最重要的数据内容,车道由车道的左边界线、右边界线、车道中心线、车道属性构成。通过多种常见车道数变化场景下的车道拓扑构建,验证了该模型在表达上的有效性和稳健性。交通标志物模型方面,定义了地面标志物和交通标志牌,分别表达形状、类型、语义以及与道路、车道的关联关系等内容。车道模型的优劣将直接影响高精度地图的应用效率。本发明提出了包含道路、车道、车道标线的详细道路交通环境感知地图。地图数据包含全局几何拓扑网络和车道级几何拓扑网络,分别用于完成宏观的路径规划和在路口区域的车道级微观路径规划。与GPS导航系统规划的路径相比,本发明规划的路径更加平滑、安全。
本发明以0.5m的间隔将高精度的道路中心线数据单独分段,并通过2Dkd-tree对道路数据进行管理,实现高效的邻域搜索,相应地,车道表达为相对于道路中心线的横向偏移。采用直线、圆、回旋曲线来表达道路的几何信息,该方法保证了道路几何的完整性和精确性,同时地图中也包含了车道间的拓扑连接关系。
本发明在车辆上安装了摄像头、GNSS、INS、毫米波雷达、超声波雷达或激光雷达进行感知地图的采集,但仅依靠传感器还无法实现完整可靠的环境感知,因为传感器自身存在诸多限制。例如传感器的感知范围有限,一般在200m以内,同时也无法感知位于其视场角(FOV)之外的物体。此外,传感器容易受到恶劣天气和环境噪声的影响而无法正常工作,并且需要高性能的计算、耗电多。本发明还采用了高精地图作为一种行车基础设施提供全天候超视距的感知,解决车载传感器感知边界和使用条件受限的问题,增强自动驾驶系统的稳健性。除了应用到环境感知,高精地图还被大量应用到高精度定位和路径规划。
在城市道路场景中可能还会遇到更为复杂的车道变化路段,例如在同一个路段既有车道线拓扑关系的变化,也无车道拓扑关系的变化。此时需要进行分拆处理,首先根据已有的车道线拓扑关系构建该部分的车道拓扑关系。对剩下的部分采取无车道线拓扑关系场景下的处理。
优选地,S210,根据高精地图重建感知地图的道路拓扑关系包括:
S211,将感知地图的多段同向的车道相连:判断每段车道是否存在岔路节点,S211A,若有,则根据岔路节点将同向的车道分段标记,根据车道的标记结果将所述车道进行连接;
S211B,若没有,则将车道的起点与邻近的同向的车道的终点连接在一起;
在系统中,每一个lane为一个单元,本发明规定以岔路口为节点划分车道,也就是一个lane上面没有岔路口,而每个岔路口就是一个lane的终点或者起点,lane的长度可以根据精度的需求进行设置,例如0.5m,1m,1.5m,2m…,越短的lane精度也就越高,但是对算力的要求也就越高,所以在平衡效率和精度的情况下设置lane的长度也是十分重要的。本发明实施例以0.5m的lane为例,比如:lane1路段没有岔路口,下一段路段为lane2,lane也没有岔路口,下一段路段为lane3,lane3的终点有岔路口,就将lane1和lane2和lane3合并为一条车道,然后从lane3的终点开始重新计算独立的车道,也就是lane4,lane3的终点也就是lane4的起点,然后在判断lane4后面的车道是否有岔路口,当判断到有岔路口时,就将lane4结束,重新开始判断下一条车道,遍历所有的lane将没有岔路口的lane合并为一条车道,将有岔路口的lane断开划分为一条车道。构建每条车道的拓扑关系,车道拓扑关系展现了道路的连接关系以及方向关系,只有准确的车道拓扑关系才能够规划出无误的路径。
S212,将感知地图的多段同向的车道线相连:判断每段车道线是否存在岔路节点,S212A,若有,则根据岔路节点将同向的车道线分段标记,根据车道的标记结果将车道线进行连接;
S212B,若没有,则将车道线的起点与邻近的同向的车道线的终点连接在一起。
车道都是有规定方向的,所以本发明先将车道根据方向分为两类,一类是与当前车头方向相同的车道,定义为同向车道,一类是与当前车头方向相反的车道,定义为反向车道,将所有车道分类后,对同向车道统一进行标记处理,对反向车道统一进行标记处理。
车道属于线状矢量要素,车道的拓扑关系的建立也遵循矢量数据自动拓扑的步骤。先获取车道驾驶态势和划分变化临界线,车道驾驶态势变化的临界线可根据车道分隔线、经验值、车辆长度和车辆动力学特性等多因素综合考虑进行划分。后生成车道级的可通行区间,即lane,在lane内部允许车辆直行或左右变道,且保持横向水平,即lane内部车道的驾驶态势相同。在常见分叉路中,其中分叉路的最右侧车道一般采用实线分隔车道,若要右转则需提前变道以保障安全驾驶。其中分岔路的最左端一般采用实线分隔车道,若需要左转需提前变道以保证安全驾驶,根据每段车道的驾驶态势,划分出多个lane。
车道线是道路上的一种标记,用于划分车辆行驶的区域。车道线的存在可以有效地维护道路交通秩序,减少交通事故的发生。在城市道路、高速公路、国道等各种道路上,车道线都扮演着重要的角色。车道线可以帮助驾驶员正确地行驶。在道路上,车道线的存在可以明确地划分出车辆行驶的区域,使驾驶员能够清晰地了解自己的行驶区域,从而避免了车辆之间的碰撞和交通事故的发生。此外,车道线还可以帮助驾驶员正确地选择车道,避免了车辆之间的频繁变道,提高了道路通行效率。车道线可以提高道路交通的安全性。在高速公路、国道等道路上,车道线的存在可以帮助驾驶员正确地行驶,避免了车辆之间的碰撞和交通事故的发生。此外,车道线还可以提醒驾驶员注意道路标志和交通信号灯,从而减少了交通事故的发生。车道线是道路上的一种标记,用于划分车辆行驶的区域。
车道线的存在可以有效地维护道路交通秩序,减少交通事故的发生。在城市道路、高速公路、国道等各种道路上,车道线都扮演着重要的角色。车道线可以帮助驾驶员正确地行驶。在道路上,车道线的存在可以明确地划分出车辆行驶的区域,使驾驶员能够清晰地了解自己的行驶区域,从而避免了车辆之间的碰撞和交通事故的发生。此外,车道线还可以帮助驾驶员正确地选择车道,避免了车辆之间的频繁变道,提高了道路通行效率。车道线可以提高道路交通的安全性。在高速公路、国道等道路上,车道线的存在可以帮助驾驶员正确地行驶,避免了车辆之间的碰撞和交通事故的发生。此外,车道线还可以提醒驾驶员注意道路标志和交通信号灯,从而减少了交通事故的发生。
在本发明实施例中,车道线的连接原理与车道的连接原理是一样的,首先将高精地图中的车道线划分为同向车道线和反向车道线,再处理方向一致的车道线,在处理过程中,车道线被分为一段一段的,本发明实施例将一段车道线的长度设置为0.5m,车道线根据车道的连接情况进行连接。
优选地,S211A,根据岔路节点将同向车道分段标记,根据车道的标记结果将车道进行连接包括:
判断高精地图上的车道是否存在有效前驱,若存在多个有效前驱则车道后方存在多个岔路口,将车道的起点标记为后方每个车道的终点;
判断高精地图上的车道是否存在有效后继,若存在多个有效后继则车道前方存在多个岔路口,将车道的终点标记为前方每个车道的起点。
有效前驱就是车辆行驶过的路段,也就是车头后方的路段,在规定方向的车道中,比如车道方向是向右的,有效前驱就是车辆左边的道路,如果车道存在多个有效前驱就说明车辆后方有多个岔路口,依照上诉车道的划分,岔路口是作为车道的起点或者终点,也就是在当前车道后方的岔路口就为当前车道的起点,而有效前驱的道路也就是岔路车道,当前岔路口就是岔路车道的终点。
有效后继就是车辆将要行驶的路段,也就是车头前方的路段,在规定方向的车道中,比如车道方向是向右的,有效后继就是车辆右边的道路,如果车道存在多个有效后继就说明车辆前方有多个岔路口,依照上诉车道的划分,岔路口是作为车道的起点或者终点,也就是在当前车道前方的岔路口就为当前车道的终点,而有效后继的道路也就是岔路车道,当前岔路口就是岔路车道的起点。
比如在“工”字型道路中,中间竖段的车道同时存在多个有效前驱和有效后继,则中间竖段的车道起点就是第一岔路口,而中间竖段车道的终点就是第二岔路口,根据方向划分连接第一岔路口的岔道,当前第一岔路口就是岔道的终点,而对于连接第二岔路口的岔道,当前第二岔路口就是岔道的起点。
感知地图在车辆经过有岔路口的车道时,进行转向判断辅助,通过车载摄像头拍摄当前信号灯的通行情况和直行车道、左转车道、右转车道的设置情况,将数据上传至处理器,处理器根据感知地图做出转向判断,比如当前道路信号的灯为前方直行绿灯,左转红灯,而车辆需要进行左转,则自动驾驶模块将停车等待指令下发至车辆控制模块,车辆控制模块根据停车指令停止行驶,直到车载摄像头拍摄到当前左转为绿灯时开始行进。判断车辆的直行,右转也是同理,需要感知地图对当前路况数据进行采集,再经由处理器进行车辆行驶控制。
优选地,将车道的起点与邻近的同向的车道的终点连接在一起包括:
判断高精地图上的车道是否存在有效前驱,若只有一个有效前驱,则连接邻近的两段车道;
判断高精地图上的车道是否存在有效后继,若只有一个有效后继,则连接邻近的两段车道。
当车道没有岔路口时,就会判断出只存在一个有效前驱或者有效后继,或者会存在无效前驱和无效后继的情况,无效前驱就是后方没有可行的道路通行,也就是当前车辆位置就是整个行驶路径中的起点,无效后继就是前方没有可行的道路通行,也就是当前车辆位置就是整个行驶路径中的终点,当到达终点时,车辆就会停止前进,本发明实施例将只存在一个有效前驱或者有效后继的道路都连接在一块作为一条车道,车辆在车道进行行驶时不需要进行转向判断。
本发明实施例在行驶在一条车道时,可以根据感知地图判断快速车道和慢速车道,根据车速调整变道,比如在高速公路上行驶时,驾驶人员可以输入自动驾驶的行驶速度,处理器在收到行驶速度后,自动判断应当行驶在哪条车道上,然后根据感知地图拍摄的路况,比如后方是否有车,前方是否有车,来判断能否变道行驶,再进行变道操作,本发明实施例能够灵活的根据车速变道,不会让车辆行驶在车速不匹配的道路上,保障了车辆行驶安全,减少了发生交通事故的概率,大大提高了自动驾驶的安全性和可靠性。
优选地,参考图2,3,S220,生成所述感知地图的路口数据包括:
S221,获取车辆坐标;
坐标都是有相对坐标起点表示的,本发明获取的车辆坐标为世界坐标,本发明在车载摄像头拍摄获取用户坐标后,将用户坐标转换为世界坐标,世界坐标系是系统的绝对坐标系,在没有建立用户坐标系之前画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。用世界坐标表示车辆坐标可以精准定位车辆位置,不会产生歧义,并且能够直接将车辆坐标映射到高精地图上,快速判断车辆当前位置。
在本发明实施例中,车载摄像头构建了一个240m×200m的矩阵框,在矩阵框内表示了车辆的像素坐标,然后将车辆的像素坐标转换为世界坐标,根据世界坐标直接判断车道情况和车道线情况。
S222,根据车辆坐标和高精地图判断车辆是否在高精地图上,如果不在,则重新获取高精地图;
如果车辆坐标不在高精地图上,则重新获取高精地图,如果无法再次获取高精地图,则无法开启自动驾驶模式,车辆会提醒驾驶人员开启手动驾驶,如果在规定时间内没有开启手动驾驶,车辆会在最短时间内缓慢减速至停止,以保障驾驶人员的生命安全。
S223,如果在高精地图上,根据感知地图判断是否为岔路口,若不为岔路口,则按照感知地图的车道方向行驶;
路径规划的主要问题就是岔路口方向的判断,本发明实施例精准的判断岔路口的通行情况,不会出现由于精度不高而错过岔路口导致远行绕路,浪费时间的情况,本发明能够提前200m探测到有岔路口的存在,然后根据目的地规划转向方向,如果不存在岔路口,则按照道路规定的方向和速度持续行进直至目的地。
S224,若为岔路口,则采用预设值判断行驶方向。
设置预设值的目的是为了判断前方为左转还是右转还是直行,预设值的大小根据目的地的方向改变,本发明实施例为能够转向的方向赋予权重,而与目的地偏转角较小的方向权重更大,预设值也就更高,路径规划模块就会优先选择与目的地偏转角小的方向的道路行进。比如要从当前位置到达目的地需要直行,那么直行方向的道路偏转叫就会比左转道路和右转道路的偏转角更小,路径规划模块就会优先选择直行方向的道路行进。
仿真测试能够排除由于感知地图不全面而导致路径规划错误的影响,判断其它模块是否出现错误。
优选地,根据高精地图生成感知地图还包括:删除高精地图中感知地图不存在的数据。
高精地图中感知地图不存在的数据有:地面连接线、道路形状。这些都是感知地图中不存在的,感知地图中具有的数据只有车载摄像头能够拍摄的数据,也就是车道、车道线、换向角、信号灯,而道路形状对于路径规划的影响较小,为了提高路径规划的效率,本发明将对路径规划影响较小的高精地图数据都剔除,只保留影响路径规划的决定性因素,也就是能够只根据这些因素规划出可行路径,决定性因素包括:车道、车道线、换向角、信号灯。删除高精地图中感知地图不存在的数据能够减少算力成本,加快路径规划的效率。
优选地,S300,根据感知地图对路径规划模块和控制模块进行仿真测试包括:
S301,获取当前位置和目标位置;
S302,根据当前位置和所述目标位置规划初始路径;
S303,根据感知地图实时修正初始路径直至到达目标位置。
下游路径规划模块和控制模块接收来自驾驶人员输入的目标位置,然后模拟当前车辆位置,从互联网上下载当前位置的高精地图数据,根据目标位置和高精地图上的可行驶区域规划初始路径,然后在模拟行驶的过程中不断生成感知地图,利用感知地图修正当前行驶的路径,最后到达目标位置。
本发明设置的自动驾驶仿真平台包括:车辆动力学仿真、环境感知传感器仿真、交通场景仿真;
车辆动力学仿真:基于多体动力学搭建的模型,将车体、转向、悬架、轮胎、制动、I/O硬件接口等在内的多个真实部件进行参数化建模,来实现车辆模型运动过程中的姿态和运动学仿真模拟。
环境感知传感器仿真:包括摄像头、激光雷达、毫米波雷达、GPS/IMU传感器的建模仿真;
交通场景仿真:包括静态场景还原和动态场景仿真两部分,静态场景还原主要通过高精地图和三维建模技术来实现;动态场景仿真既可通过把真实路采数据经过算法抽取后,再结合已有高精地图进行创建,也可通过对随机生成的交通流基于统计学的比例,经过人工设置相关参数后自动生成复杂的交通环境。
环境感知传感器仿真包括:摄像头仿真、激光雷达仿真、毫米波雷达仿真、定位仿真(GPS、IMU)。传感器仿真分为:物理信号仿真、原始信号仿真和目标级信号仿真。
物理信号仿真:直接仿真传感器接收到的信号——光学信号就是摄像头的物理信号;电磁波和声波信号分别是毫米波雷达和超声波雷达的物理信号。
原始信号仿真:把传感器探测的单元拆掉,直接仿真数字处理芯片的输入单元。对于摄像头-通过视频注入来实现;毫米波雷达-把信号直接注入FPGA/DSP信号处理模块或PC信号处理程序;激光雷达-通过点云信号来实现。
目标级信号仿真:直接将传感器检测的理想目标仿真到决策层的输入端;这种信号的形式一般是CAN总线输入信号或其它通讯协议格式输入信号;对于摄像头、激光雷达以及毫米波雷达等传感器,均可通过CAN总线来实现。
本发明参照真实激光雷达的扫描方式,模拟出激光雷达发射出和接收到的每一条射线,并且还要对发射出的射线与场景中所有物体求交。基于环境物体的几何空间生成逼真的图像,再根据物体的真实材质与纹理,通过计算机图形学对三维模型添加颜色和光学属性等,来仿真模拟图像合成。摄像头仿真支持相机的镜头的结构和光学特性,比如:焦距、畸变、亮度调节、色彩空间;支持内/外参及畸变参数的调整,比如摄像头安装位置、分辨率、工作频率、视场角和畸变参数等;能够模拟大雪、大雨、大雾等各种复杂天气以及不同时间段和不同天气下的光线条件。还能根据测试车辆所配置雷达的视场角和分辨率信息,向不同方向发射一系列虚拟连续调频毫米波,并接收目标的反射信号。
本发明采用的车辆仿真模拟测试场景功能全面,能够基于有限的路采数据智能化、自动化的泛化出无限的场景,快速构建场景库,节省了大量的人力成本和时间成本。
实施例2
一种去除感知地图抖动的仿真测试系统,包括:
数据获取模块,用于获取车辆当前位置的高精地图;
数据处理模块,用于根据高精地图生成感知地图;
仿真测试模块,用于根据感知地图对路径规划模块和控制模块进行仿真测试。
在车辆自动驾驶的过程中,获取的感知地图通常因为环境问题影响探测精度,也会因为设备自身的局限问题在数据传输发生丢失、延迟等问题,导致感知地图出现抖动,质量低的感知地图就会导致下游路径规划模块和控制模块的决策错误,而高精地图就不会出现错误,但是低阶自动驾驶算法不能读取解析高精地图数据,只能读取感知地图进行路径规划判断,所以本发明通过高精地图的数据来修正车载摄像头获取的感知地图的数据,能够输出绝对准确且不存在抖动的感知地图,通过高精地图来弥补感知地图探测不全面、数据丢失的缺陷,可以帮助下游路径规划模块和控制模块进行算法迭代,还能够排除由于感知地图的不全面而引起的自动行驶状况异常的问题,快速定位自动驾驶的异常情况是由哪个模块引起的,并且提高了自动驾驶的安全性和可靠性。
实施例3
一种电子设备,包括:处理器和存储器,存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,当处理器执行计算机指令时,电子设备执行一种去除感知地图抖动的仿真测试方法。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。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发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种去除感知地图抖动的仿真测试方法,其特征在于,包括:
获取车辆当前位置的高精地图;
根据所述高精地图生成感知地图;
根据所述感知地图对路径规划模块和控制模块进行仿真测试。
2.根据权利要求1所述的一种去除感知地图抖动的仿真测试方法,其特征在于,所述根据所述高精地图生成感知地图包括:
根据所述高精地图重建所述感知地图的车道拓扑关系;
生成所述感知地图的路口数据。
3.根据权利要求2所述的一种去除感知地图抖动的仿真测试方法,其特征在于,所述根据高精地图重建感知地图的道路拓扑关系包括:
将所述感知地图的多段同向的车道相连:判断每段所述车道是否存在岔路节点,若有,则根据岔路节点将同向的车道分段标记,根据所述车道的标记结果将所述车道进行连接;
若没有,则将所述车道的起点与邻近的同向的车道的终点连接在一起;
将所述感知地图的多段同向的车道线相连:判断每段车道线是否存在岔路节点,若有,则根据岔路节点将同向的车道线分段标记,根据所述车道的标记结果将所述车道线进行连接;
若没有,则将所述车道线的起点与邻近的同向的车道线的终点连接在一起。
4.根据权利要求3所述的一种去除感知地图抖动的仿真测试方法,其特征在于,所述根据岔路节点将同向车道分段标记,根据所述车道的标记结果将所述车道进行连接包括:
判断所述高精地图上的车道是否存在有效前驱,若存在多个有效前驱则所述车道后方存在多个岔路口,将所述车道的起点标记为后方每个所述车道的终点;
判断所述高精地图上的车道是否存在有效后继,若存在多个有效后继则所述车道前方存在多个岔路口,将所述车道的终点标记为前方每个所述车道的起点。
5.根据权利要求3所述的一种去除感知地图抖动的仿真测试方法,其特征在于,所述将所述车道的起点与邻近的同向的车道的终点连接在一起包括:
判断所述高精地图上的车道是否存在有效前驱,若只有一个有效前驱,则连接邻近的两段所述车道;
判断所述高精地图上的车道是否存在有效后继,若只有一个有效后继,则连接邻近的两段所述车道。
6.根据权利要求2所述的一种去除感知地图抖动的仿真测试方法,其特征在于,所述生成所述感知地图的路口数据包括:
获取车辆坐标;
根据所述车辆坐标和所述高精地图判断车辆是否在所述高精地图上,如果不在,则重新获取高精地图;
如果在所述高精地图上,根据所述感知地图判断是否为岔路口,若不为岔路口,则按照所述感知地图的车道方向行驶;
若为岔路口,则采用预设值判断行驶方向。
7.根据权利要求1所述的一种去除感知地图抖动的仿真测试方法,其特征在于,所述根据所述高精地图生成感知地图还包括:删除所述高精地图中所述感知地图不存在的数据。
8.根据权利要求1所述的一种去除感知地图抖动的仿真测试方法,其特征在于,所述根据所述感知地图对路径规划模块和控制模块进行仿真测试包括:
获取当前位置和目标位置;
根据所述当前位置和所述目标位置规划初始路径;
根据所述感知地图实时修正所述初始路径直至到达所述目标位置。
9.一种去除感知地图抖动的仿真测试系统,其特征在于,包括:
数据获取模块,用于获取车辆当前位置的高精地图;
数据处理模块,用于根据所述高精地图生成感知地图;
仿真测试模块,用于根据所述感知地图对路径规划模块和控制模块进行仿真测试。
10.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,当所述处理器执行所述计算机指令时,所述电子设备执行如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310700786.7A CN116952278A (zh) | 2023-06-13 | 2023-06-13 | 一种去除感知地图抖动的仿真测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310700786.7A CN116952278A (zh) | 2023-06-13 | 2023-06-13 | 一种去除感知地图抖动的仿真测试方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116952278A true CN116952278A (zh) | 2023-10-27 |
Family
ID=88441753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310700786.7A Pending CN116952278A (zh) | 2023-06-13 | 2023-06-13 | 一种去除感知地图抖动的仿真测试方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116952278A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113932820A (zh) * | 2020-06-29 | 2022-01-14 | 杭州海康威视数字技术股份有限公司 | 对象检测的方法和装置 |
-
2023
- 2023-06-13 CN CN202310700786.7A patent/CN116952278A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113932820A (zh) * | 2020-06-29 | 2022-01-14 | 杭州海康威视数字技术股份有限公司 | 对象检测的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7009716B2 (ja) | 自律車両ナビゲーションのための疎な地図 | |
JP7068456B2 (ja) | 走行環境情報の生成方法、運転制御方法、走行環境情報生成装置 | |
US20220383545A1 (en) | Crowd-sourced 3d points and point cloud alignment | |
CN115867767A (zh) | 用于车辆导航的系统和方法 | |
JP2022535351A (ja) | 車両ナビゲーションのためのシステム及び方法 | |
US20220282994A1 (en) | Variable header and object payload | |
CN113840765A (zh) | 用于车辆导航的系统和方法 | |
CN115143987A (zh) | 用于收集与道路路段相关联的状况信息的系统和方法 | |
US20220035378A1 (en) | Image segmentation | |
JP2020034906A (ja) | 高精度地図生成方法、高精度地図生成装置、コンピュータ機器、非一時的なコンピュータ読み取り可能な記憶媒体及びコンピュータプログラム製品 | |
CN114402377A (zh) | 用于监测交通车道拥塞的系统和方法 | |
RU2766038C1 (ru) | Способ и устройство для генерирования информации о среде передвижения для транспортного средства, а также способ управления движением для транспортного средства | |
JP7477256B2 (ja) | ナビゲーションのためのマップタイル要求を最適化するためのシステム及び方法 | |
JP2023539868A (ja) | マップベースの現実世界モデル化のシステム及び方法 | |
CN117355871A (zh) | 多帧图像分割 | |
CN116952278A (zh) | 一种去除感知地图抖动的仿真测试方法及系统 | |
US20240233404A9 (en) | Graph neural networks for parsing roads | |
US20240135728A1 (en) | Graph neural networks for parsing roads | |
CN116772881A (zh) | 自动驾驶方法、装置、电子设备及车辆 | |
CN118235172A (zh) | 基于机器学习的交通灯相关性映射 | |
CN118265957A (zh) | 用于车辆导航的雷达-摄像头融合 | |
CN117141494A (zh) | 一种车道级导航地图的生成方法、系统及介质 | |
CN116734848A (zh) | 关于行人和确定交通工具自由空间的交通工具导航 |
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 |