CN117490728B - 车道线定位故障诊断方法和系统 - Google Patents
车道线定位故障诊断方法和系统 Download PDFInfo
- Publication number
- CN117490728B CN117490728B CN202311831362.0A CN202311831362A CN117490728B CN 117490728 B CN117490728 B CN 117490728B CN 202311831362 A CN202311831362 A CN 202311831362A CN 117490728 B CN117490728 B CN 117490728B
- Authority
- CN
- China
- Prior art keywords
- lane line
- lane
- vehicle
- map
- perceived
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003745 diagnosis Methods 0.000 title claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 11
- 101100030351 Schizosaccharomyces pombe (strain 972 / ATCC 24843) dis2 gene Proteins 0.000 claims description 19
- 101100039010 Caenorhabditis elegans dis-3 gene Proteins 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000009109 downstream regulation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting 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
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种车道线定位故障诊断方法和系统,包括持续地获取车辆在行驶过程中的当前帧位姿信息;获取车辆正在行驶区域的高精地图信息,高精地图信息包括车辆所在的当前车道和与当前车道临近的一条或多条临近车道对应的地图车道线;在车辆对应的车辆坐标系中获取当前车道和一条或多条临近车道对应的感知车道线;根据当前帧位姿信息将感知车道线由车辆坐标系转换至世界坐标系;在世界坐标系中设定更靠近车辆的近端点和车辆前方的远端点,并分别获取近端点处和远端点处地图车道线和感知车道线之间的距离差异;以及获取距离差异与差异阈值之间的比较结果,并根据比较结果输出故障诊断结论。本申请能够精确诊断出车道线定位故障,保障行车安全。
Description
技术领域
本申请主要涉及智能驾驶领域,尤其涉及一种车道线定位故障诊断方法和系统。
背景技术
定位算法在智能驾驶领域中尤为重要,但由于算法本身的局限性,在某些特殊场景下会达到算法的边界和极限,从而影响智能驾驶下游归空算法的路径规划和控制,容易发生事故。当定位发生上述故障时,下游规控就会进行错误的规划,例如,当定位在最左侧车道偏左时,规控以为当前是居中车道线行驶,在大区率弯道时会稍微往左控制进行过弯,此时就会发生碰撞防护栏风险;定位错车道故障会使规控进行严重的错误行车轨迹规划。
现有技术中对于定位故障的诊断方式存在诸多不足。首先,现有技术没有针对厘米级高精定位偏及错车道的故障诊断方法,目前较多借助GPS和IMU的诊断技术方案。然而,GPS在经过国测局偏转插件加偏之后会产生恒定的加偏误差和随机噪声,IMU的随机噪声和零偏一直很大,所以精度不够,并不能很好的进行诊断。另外,现有的错车道故障诊断借助了感知端的感知车道线路沿、边缘车道线和高精地图车道线路沿进行匹配判断,但是目前最前沿的感知技术也无法一直有效准确的输出边缘车道线及路沿信息,因此,误检、漏检率十分高。并且,高精地图给的车道线路沿信息经常部分缺失或者多出,这就导致了使用车道线路沿、边缘车道线来错车道故障诊断准确率很低。
发明内容
本申请要解决的技术问题是提供车道线定位故障诊断方法和系统,本申请能够精确诊断出车道线定位故障,保障行车安全。
为解决上述技术问题,本申请提供了一种车道线定位故障诊断方法,包括如下步骤:持续地获取车辆在行驶过程中的当前帧位姿信息;获取所述车辆正在行驶区域的高精地图信息,所述高精地图信息包括所述车辆所在的当前车道和与所述当前车道临近的一条或多条临近车道对应的地图车道线;在所述车辆对应的车辆坐标系中获取所述当前车道和所述一条或多条临近车道对应的感知车道线;根据所述当前帧位姿信息将所述感知车道线由所述车辆坐标系转换至世界坐标系;在所述世界坐标系中设定靠近所述车辆的近端点和所述车辆前方的远端点,并分别获取所述近端点处和所述远端点处所述地图车道线和所述感知车道线之间的距离差异;以及获取所述距离差异与差异阈值之间的比较结果,并根据所述比较结果输出故障诊断结论。
可选地,所述当前车道对应的所述地图车道线和所述感知车道线分别包括第一地图车道线、第二地图车道线、第一感知车道线和第二感知车道线,且所述近端点距离所述车辆的距离为1m~3m,所述远端点与所述车辆之间的距离为8m~22m,所述差异阈值包括距离差异阈值M1,所述方法还包括:获取在所述近端点处,所述第一地图车道线和所述第一感知车道线之间的距离差异dis1、以及所述第二地图车道线和所述第二感知车道线之间的距离差异dis2;获取在所述远端点处,所述第一地图车道线和所述第一感知车道线之间的距离差异dis3、以及所述第二地图车道线和所述第二感知车道线之间的距离差异dis4;获取dis1、dis2、dis3和dis4与所述距离差异阈值M1之间的距离比较结果,并根据所述距离比较结果输出所述故障诊断结论。
可选地,获取dis1、dis2、dis3和dis4与所述距离差异阈值M1之间的距离比较结果的步骤具体包括:分别比较dis1、dis2、dis3和dis4与所述距离差异阈值之间的大小;和/或分别比较(dis1+dis3)/2 和(dis2+dis4)/2 与所述距离差异阈值之间的大小。
可选地,所述方法还包括通过所述感知车道线的曲率,判断所述当前车道是否为弯道或直道,且所述远端点包括直道远端点和弯道远端点,其中,所述直道远端点与所述车辆之间的距离为18m~22m,所述弯道远端点与所述车辆之间的距离为8m~15m。
可选地,所述距离差异阈值包括普通阈值M11和严重阈值M12,所述普通阈值M11的取值范围为0.25m~0.35m,所述严重阈值M12的取值范围为0.75m~0.85m。
可选地,所述当前车道对应的所述地图车道线和所述感知车道线分别包括第一地图车道线、第二地图车道线、第一感知车道线和第二感知车道线,位于所述当前车道两侧的所述临近车道对应的所述地图车道线和感知车道线分别包括第三地图车道线、第四地图车道线、第三感知车道线和第四感知车道线,所述差异阈值包括车道线差异阈值M2,所述方法还包括:获取在所述近端点处,所述第一地图车道线和所述第一感知车道线之间的距离差异dis1、所述第二地图车道线和所述第二感知车道线之间的距离差异dis2、所述第三地图车道线和所述第三感知车道线之间的距离差异dis5以及所述第四地图车道线和所述第四感知车道线之间的距离差异dis6;以及获取dis1、dis2、dis5和dis6与所述车道线差异阈值M2之间的车道线比较结果,并根据所述车道线比较结果输出故障诊断结果。
可选地,所述车道线差异阈值M2的取值范围为2.8m~3.5m。
可选地,所述方法还包括设定比较结果持续时间t,当获取所述比较结果且维持所述持续时间t后,才根据所述比较结果输出故障诊断结论。
为解决上述技术问题,本申请提供了一种车道线定位故障诊断系统,包括:融合中心,配置为在车辆的行驶过程中,持续地解算所述车辆的当前帧位姿信息;高精地图模块,配置为在所述车辆的形式过程中,持续地获取所述车辆正在行驶区域的高精地图信息,所述高精地图信息包括所述车辆所在的当前车道和与所述当前车道临近的一条或多条临近车道对应的地图车道线; 感知模块,配置为在所述车辆对应的车辆坐标系中生成所述当前车道和所述一条或多条临近车道对应的感知车道线;以及地图匹配模块,配置为根据前述任一实施例的方法,输出所述故障诊断结论。
为解决上述技术问题,本申请提供了一种存储有计算机程序代码的计算机可读介质,所述计算机程序代码在由处理器执行时实现如上所述任一实施例的方法。
与现有技术相比,本申请通过地图车道线和感知车道线的融合进行车道故障检测,能够降低故障检测所需的资源和负载,且能够精确诊断出车道线定位故障及错位车道,保障行车安全。
附图说明
包括附图是为提供对本申请进一步的理解,它们被收录并构成本申请的一部分,附图示出了本申请的实施例,并与本说明书一起起到解释本申请原理的作用。附图中:
图1是本申请一实施例中一种车道线定位故障诊断方法的流程示意图;
图2是本申请一实施例中一种车道线定位故障诊断方法中使用融合定位偏移策略时的工作状态图;
图3是本申请另一实施例中一种车道线定位故障诊断方法中使用定位错位车道策略时的工作状态图;
图4是本申请一实施例中一种车道线定位故障诊断系统模块示意图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
在本申请的描述中,需要理解的是,方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,在未作相反说明的情况下,这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作,因此不能理解为对本申请保护范围的限制;方位词“内、外”是指相对于各部件本身的轮廓的内外。
为了便于描述,在这里可以使用空间相对术语,如“在……之上”、“在……上方”、“在……上表面”、“上面的”等,用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是,空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如,如果附图中的器件被倒置,则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而,示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位),并且对这里所使用的空间相对描述作出相应解释。
此外,需要说明的是,使用“第一”、“第二”等词语来限定零部件,仅仅是为了便于对相应零部件进行区别,如没有另行声明,上述词语并没有特殊含义,因此不能理解为对本申请保护范围的限制。此外,尽管本申请中所使用的术语是从公知公用的术语中选择的,但是本申请说明书中所提及的一些术语可能是申请人按他或她的判断来选择的,其详细含义在本文的描述的相关部分中说明。此外,要求不仅仅通过所使用的实际术语,而是还要通过每个术语所蕴含的意义来理解本申请。
本申请参照图1提出了一种车道线定位故障诊断方法(以下简称“方法10”),包括步骤S1~S6。本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,或将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
其中,步骤S1为持续地获取车辆在行驶过程中的当前帧位姿信息;步骤S2为获取车辆正在行驶区域的高精地图信息,高精地图信息包括车辆所在的当前车道和与当前车道临近的一条或多条临近车道对应的地图车道线;步骤S3为在车辆对应的车辆坐标系中获取当前车道和一条或多条临近车道对应的感知车道线;步骤S4为根据当前帧位姿信息将感知车道线由车辆坐标系转换至世界坐标系;步骤S5为在世界坐标系中设定靠近车辆的近端点和车辆前方的远端点,并分别获取近端点处和远端点处地图车道线和感知车道线之间的距离差异;步骤S6为获取距离差异与差异阈值之间的比较结果,并根据比较结果输出故障诊断结论。
结合图1可以看出,在方法10中,由步骤S2中获取的地图车道线和步骤S3中获取的感知车道线分别具有一条或多条。在本申请的优选实施例中,可以通过针对不同数量的地图车道线和感知车道线来实现不同的车道线定位故障诊断目的。这其中,主要可以分为两种策略,第一种为融合定位偏移策略,其涉及车辆在行驶过程中左右两侧的两条车道线(包括感知车道线和地图车道线)的测算分析;而第二种策略为定位错位车道策略,其涉及车辆在行驶过程中左右两侧的四条或更多车道线(包括感知车道线和地图车道线)。下面以方法10在实施时同时执行融合定位偏移策略和定位错位车道策略为例,介绍方法10的更多细节。
参照图2,图2示出了方法10中采用融合定位偏移策略的工作状态示意图。如图2所示,方法10首先获取高精地图信息中的两条地图车道线101,即车辆左边的第一地图车道线1011和车辆右边的第二地图车道线1012,以及获取车辆坐标系下的两条感知车道线102,即车辆左边的第一感知车道线1021和车辆右边的第二感知车道线1022。之后再根据获取的车辆的当前帧位姿信息获得车辆坐标系和世界坐标系的转换矩阵,根据转换矩阵将获取到的两条感知车道线102从车辆坐标系转换到世界坐标系中,这部分内容可以参考现有技术中的坐标转换手段,由于不是本申请的重点,在此不做展开。
接着设定近端点Q1和远端点Q2,近端点Q1距离车辆(车头)的距离通常设置为与车辆车后轮开始到车头的距离相等或相近,例如可以设置为距离车辆(车头)1m~3m的位置;相对的,远端点Q2为车辆前方的一较远位置,优选设置为距离车辆(车头)的距离为8m~22m的位置。其中,远端点Q2包括直道远端点和弯道远端点,可以通过感知车道线102的曲率进行区分,从而通过判断当前车道为弯道还是直道来选取远端点Q2的位置。在本实施例中,若感知车道线102为直道时,直道远端点与车辆之间的距离通常设置为车辆(车头)前方4~5辆车位的距离,为18m~22m。若感知车道线102为弯道时,弯道远端点与车辆之间的距离通常设置为车辆(车头)前方两辆车位的距离,为8m~15m。通过弯道远端点的设置能够克服在弯道长距离感知车道线时质量较差的问题,从而提升定位偏移策略的检测精度和效果。
进一步的,设定在近端点Q1和远端点Q2处感知车道线102和地图车道线101的距离差异阈值为M1。优选地,可以进一步设定距离差异阈值M1包括普通阈值M11和严重阈值M12,普通阈值M11的取值范围为0.25m~0.35m,严重阈值M12的取值范围为0.75m~0.85m。这意味着,针对不同程度的距离偏差可以进一步区分偏差的严重等级,从而便于进行不同程度的响应措施。
之后,获取在近端点Q1处,第一地图车道线1011和第一感知车道线1021之间的距离差异dis1、以及第二地图车道线1012和第二感知车道线1022之间的距离差异dis2;获取在远端点Q2处,第一地图车道线1011和第一感知车道线1021之间的距离差异dis3、以及第二地图车道线1012和第二感知车道线1022之间的距离差异dis4;获取dis1、dis2、dis3和dis4与距离差异阈值M1之间的距离比较结果。进一步优选地,本实施例中还包括设定比较结果持续时间t;针对不同的距离差异阈值,设定不同的持续时间t;并且设定,当获取比较结果且维持持续时间t后,才根据该比较结果输出故障诊断结论。
示例性的,设定普通阈值M12为0.3m,严重阈值M12为0.8m。另外,针对普通阈值的比较结果持续时间t设定为0.5s、而针对严重阈值的比较结果持续时间t设定为1s。在进行故障诊断时,设定当距离比较结果满足下列任意一项时则报出故障:
当dis1、dis2、dis3和dis4任一超过0.3m普通阈值并持续0.5秒时,报出故障;
当dis1、dis2、dis3和dis4任一超过0.8m严重阈值并持续0.1秒时,报出故障;
当(dis1+dis3)/2、(dis2+dis4)/2任一超过0.3m普通阈值并持续0.5秒时,报出故障;
当(dis1+dis3)/2、(dis2+dis4)/2任一超过0.8m严重阈值持续并0.1秒时,报出故障。
参照图3,图3示出了方法10中使用定位错位车道策略的工作状态示意图。如图3所示,当前车道对应的地图车道线201和感知车道线202分别包括第一地图车道线2011、第二地图车道线2012、第一感知车道线2021和第二感知车道线2022,位于当前车道两侧的临近车道对应的地图车道线203和感知车道线204分别包括第三地图车道线2031、第四地图车道线2032、第三感知车道线2041和第四感知车道线2042。可以理解的是,当在执行定位错位车道策略的同时若执行前文描述的融合定位偏移策略,则这里的第一地图车道线2011、第二地图车道线2012、第一感知车道线2021和第二感知车道线2022同时也是前文在介绍融合定位偏移策略中的第一地图车道线1011、第二地图车道线1012、第一感知车道线1021和第二感知车道线1022。另外,设定近端点Q3以及车道线差异阈值M2,其中车道线差异阈值M2的取值范围参考一个车道的宽度,为2.8m~3.5m。
进一步的,获取在近端点Q3处,第一地图车道线2011和第一感知车道线2021之间的距离差异dis1、第二地图车道线2012和第二感知车道线2022之间的距离差异dis2、第三地图车道线2031和第三感知车道线2041之间的距离差异dis5以及第四地图车道线2032和第四感知车道线2042之间的距离差异dis6;以及获取dis1、dis2、dis5和dis6与车道线差异阈值M2之间的车道线比较结果。示例性的,若设定M2为3m,当dis1、dis2、dis5和dis6中任一项超过3m则报出故障。当然相似的,也可以对此定位错位车道策略设定与比较结果对应的持续时间t,当超出车导线差异阈值M2并维持持续时间t之后才报出故障。
本申请还参照图4提出了一种车道线定位故障诊断系统20(以下简称“系统20”),包括:融合中心,配置为在车辆的行驶过程中,持续地解算车辆的当前帧位姿信息,通过和其他传感器的定位结果进行融合,将最终定位结果输出到下游规控模块;并且将感知车道线从车辆坐标系投影到世界坐标系上,结合高精地图车道线进行故障诊断。高精地图模块配置为在车辆的形式过程中,持续地获取车辆正在行驶区域的高精地图信息。高精地图信息包括车辆所在的当前车道和与当前车道临近的一条或多条临近车道对应的地图车道线。感知模块配置为在车辆对应的车辆坐标系中生成当前车道和一条或多条临近车道对应的感知车道线。地图匹配模块配置为根据本申请任一实施例的车道线定位故障诊断方法(例如前文所述的方法10),输出故障诊断结论。该系统20主要通过将感知车道线和高精地图上的元素进行匹配,找到最佳匹配的车辆所在位置,从而提高定位的精度和准确性。地图匹配得到定位的结果后,再将结果传到融合中心。
根据图4可以看出的是,区别于现有技术中本来需要将感知车道线和地图车道线所有数据接到融合中心再进行一次处理,本申请的方案将融合中心的结果直接透传至地图匹配模块进行检测,大大降低了故障检测所需要资源与负载,使得整体故障检测十分轻量。另外,整体上,本申请的车道线定位故障诊断方法和系统结合近远端车道线共同判断定位偏差,并设定不同程度的阈值参数,不再使用现有技术中容易造成检测误差/误判的不准确路沿信息,显著提高了检测的准确性和可靠性。
除此之外,本申请另一方面还提出了一种存储有计算机程序代码的计算机可读介质,计算机程序代码在由处理器执行时实现上述的车道线定位故障诊断方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述申请披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个申请实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
虽然本申请已参照当前的具体实施例来描述,但是本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本申请,在没有脱离本申请精神的情况下还可作出各种等效的变化或替换,因此,只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。
Claims (9)
1.一种车道线定位故障诊断方法,其特征在于,包括如下步骤:
持续地获取车辆在行驶过程中的当前帧位姿信息;
获取所述车辆正在行驶区域的高精地图信息,所述高精地图信息包括所述车辆所在的当前车道和与所述当前车道临近的一条或多条临近车道对应的地图车道线;
在所述车辆对应的车辆坐标系中获取所述当前车道和所述一条或多条临近车道对应的感知车道线;
根据所述当前帧位姿信息将所述感知车道线由所述车辆坐标系转换至世界坐标系;
在所述世界坐标系中设定靠近所述车辆的近端点和所述车辆前方的远端点,所述近端点距离所述车辆的距离为1m~3m,所述远端点与所述车辆之间的距离为8m~22m,分别获取所述近端点处和所述远端点处所述地图车道线和所述感知车道线之间的距离差异;以及
获取所述距离差异与差异阈值之间的比较结果,并根据所述比较结果输出故障诊断结论;其中
所述当前车道对应的所述地图车道线和所述感知车道线分别包括第一地图车道线、第二地图车道线、第一感知车道线和第二感知车道线,所述差异阈值包括距离差异阈值M1,所述方法还包括:
获取在所述近端点处,所述第一地图车道线和所述第一感知车道线之间的距离差异dis1、以及所述第二地图车道线和所述第二感知车道线之间的距离差异dis2;
获取在所述远端点处,所述第一地图车道线和所述第一感知车道线之间的距离差异dis3、以及所述第二地图车道线和所述第二感知车道线之间的距离差异dis4;
获取dis1、dis2、dis3和dis4与所述距离差异阈值M1之间的距离比较结果,并根据所述距离比较结果输出所述故障诊断结论。
2.如权利要求1所述的方法,其特征在于,获取dis1、dis2、dis3和dis4与所述距离差异阈值M1之间的距离比较结果的步骤具体包括:
分别比较dis1、dis2、dis3和dis4与所述距离差异阈值之间的大小;和/或
分别比较(dis1+dis3)/2 和(dis2+dis4)/2 与所述距离差异阈值之间的大小。
3.如权利要求1所述的方法,其特征在于,还包括通过所述感知车道线的曲率,判断所述当前车道是否为弯道或直道,且所述远端点包括直道远端点和弯道远端点,其中,所述直道远端点与所述车辆之间的距离为18m~22m,所述弯道远端点与所述车辆之间的距离为8m~15m。
4.如权利要求1所述的方法,其特征在于,所述距离差异阈值包括普通阈值M11和严重阈值M12,所述普通阈值M11的取值范围为0.25m~0.35m,所述严重阈值M12的取值范围为0.75m~0.85m。
5.如权利要求1所述的方法,其特征在于,所述当前车道对应的所述地图车道线和所述感知车道线分别包括第一地图车道线、第二地图车道线、第一感知车道线和第二感知车道线,位于所述当前车道两侧的所述临近车道对应的所述地图车道线和感知车道线分别包括第三地图车道线、第四地图车道线、第三感知车道线和第四感知车道线,所述差异阈值包括车道线差异阈值M2,所述方法还包括:
获取在所述近端点处,所述第一地图车道线和所述第一感知车道线之间的距离差异dis1、所述第二地图车道线和所述第二感知车道线之间的距离差异dis2、所述第三地图车道线和所述第三感知车道线之间的距离差异dis5以及所述第四地图车道线和所述第四感知车道线之间的距离差异dis6;以及
获取dis1、dis2、dis5和dis6与所述车道线差异阈值M2之间的车道线比较结果,并根据所述车道线比较结果输出故障诊断结果。
6.如权利要求5所述的方法,其特征在于,所述车道线差异阈值M2的取值范围为2.8m~3.5m。
7.如权利要求1~6任一项所述的方法,其特征在于,还包括设定比较结果持续时间t,当获取所述比较结果且维持所述持续时间t后,才根据所述比较结果输出故障诊断结论。
8.一种车道线定位故障诊断系统,其特征在于,包括:
融合中心,配置为在车辆的行驶过程中,持续地解算所述车辆的当前帧位姿信息;
高精地图模块,配置为在所述车辆的形式过程中,持续地获取所述车辆正在行驶区域的高精地图信息,所述高精地图信息包括所述车辆所在的当前车道和与所述当前车道临近的一条或多条临近车道对应的地图车道线;
感知模块,配置为在所述车辆对应的车辆坐标系中生成所述当前车道和所述一条或多条临近车道对应的感知车道线;以及
地图匹配模块,配置为根据如权利要求1~7任一项所述的方法,输出所述故障诊断结论。
9.一种存储有计算机程序代码的计算机可读介质,所述计算机程序代码在由处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311831362.0A CN117490728B (zh) | 2023-12-28 | 2023-12-28 | 车道线定位故障诊断方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311831362.0A CN117490728B (zh) | 2023-12-28 | 2023-12-28 | 车道线定位故障诊断方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117490728A CN117490728A (zh) | 2024-02-02 |
CN117490728B true CN117490728B (zh) | 2024-04-02 |
Family
ID=89685263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311831362.0A Active CN117490728B (zh) | 2023-12-28 | 2023-12-28 | 车道线定位故障诊断方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117490728B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581449A (zh) * | 2018-12-14 | 2019-04-05 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶汽车的定位方法及系统 |
CN110567480A (zh) * | 2019-09-12 | 2019-12-13 | 北京百度网讯科技有限公司 | 车辆定位的优化方法、装置、设备及存储介质 |
CN110595490A (zh) * | 2019-09-24 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 车道线感知数据的预处理方法、装置、设备和介质 |
WO2020192105A1 (zh) * | 2019-03-28 | 2020-10-01 | 魔门塔(苏州)科技有限公司 | 一种车辆位姿的修正方法和装置 |
WO2020232648A1 (zh) * | 2019-05-22 | 2020-11-26 | 深圳市大疆创新科技有限公司 | 车道线的检测方法、电子设备与存储介质 |
CN113723141A (zh) * | 2020-05-25 | 2021-11-30 | 阿波罗智能技术(北京)有限公司 | 车辆的定位方法、装置、电子设备、车辆及存储介质 |
CN114323050A (zh) * | 2022-01-07 | 2022-04-12 | 苏州挚途科技有限公司 | 车辆定位方法、装置和电子设备 |
CN115143996A (zh) * | 2022-09-05 | 2022-10-04 | 北京智行者科技股份有限公司 | 定位信息修正方法及电子设备和存储介质 |
CN115320642A (zh) * | 2022-09-06 | 2022-11-11 | 阿波罗智联(北京)科技有限公司 | 车道线建模方法、装置、电子设备及自动驾驶车辆 |
CN115620254A (zh) * | 2022-10-27 | 2023-01-17 | 小马易行科技(上海)有限公司 | 车道线检测的评估方法、装置、设备和存储介质 |
CN117029857A (zh) * | 2023-08-16 | 2023-11-10 | 中国重汽集团济南动力有限公司 | 基于高精地图的车辆感知融合方法、设备及存储介质 |
WO2023232118A1 (zh) * | 2022-06-01 | 2023-12-07 | 驭势(上海)汽车科技有限公司 | 一种车道级导航规划方法、装置、设备、介质及车辆 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021208110A1 (zh) * | 2020-04-18 | 2021-10-21 | 华为技术有限公司 | 车道线识别异常事件确定方法、车道线识别装置及系统 |
CN113298026A (zh) * | 2021-06-15 | 2021-08-24 | 蔚来汽车科技(安徽)有限公司 | 车道线确定方法和系统、车辆以及存储介质 |
-
2023
- 2023-12-28 CN CN202311831362.0A patent/CN117490728B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581449A (zh) * | 2018-12-14 | 2019-04-05 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶汽车的定位方法及系统 |
WO2020192105A1 (zh) * | 2019-03-28 | 2020-10-01 | 魔门塔(苏州)科技有限公司 | 一种车辆位姿的修正方法和装置 |
WO2020232648A1 (zh) * | 2019-05-22 | 2020-11-26 | 深圳市大疆创新科技有限公司 | 车道线的检测方法、电子设备与存储介质 |
CN110567480A (zh) * | 2019-09-12 | 2019-12-13 | 北京百度网讯科技有限公司 | 车辆定位的优化方法、装置、设备及存储介质 |
CN110595490A (zh) * | 2019-09-24 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 车道线感知数据的预处理方法、装置、设备和介质 |
CN113723141A (zh) * | 2020-05-25 | 2021-11-30 | 阿波罗智能技术(北京)有限公司 | 车辆的定位方法、装置、电子设备、车辆及存储介质 |
CN114323050A (zh) * | 2022-01-07 | 2022-04-12 | 苏州挚途科技有限公司 | 车辆定位方法、装置和电子设备 |
WO2023232118A1 (zh) * | 2022-06-01 | 2023-12-07 | 驭势(上海)汽车科技有限公司 | 一种车道级导航规划方法、装置、设备、介质及车辆 |
CN115143996A (zh) * | 2022-09-05 | 2022-10-04 | 北京智行者科技股份有限公司 | 定位信息修正方法及电子设备和存储介质 |
CN115320642A (zh) * | 2022-09-06 | 2022-11-11 | 阿波罗智联(北京)科技有限公司 | 车道线建模方法、装置、电子设备及自动驾驶车辆 |
CN115620254A (zh) * | 2022-10-27 | 2023-01-17 | 小马易行科技(上海)有限公司 | 车道线检测的评估方法、装置、设备和存储介质 |
CN117029857A (zh) * | 2023-08-16 | 2023-11-10 | 中国重汽集团济南动力有限公司 | 基于高精地图的车辆感知融合方法、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
Vision-based long-distance lane perception and front vehicle location for full autonomous vehicles on highway roads;Liu Xin,Xu Xin,Dai Bin;JOURNAL OF CENTRAL SOUTH UNIVERSITY;20120531;全文 * |
基于结构化道路的车道偏离实时预警算法;高琪;冯燕;梁瑞波;;计算机仿真;20180930(第09期);全文 * |
朱雨桐 ; 刘华军 ; .针对复杂路面虚线条件的车道线偏离预警.计算机应用.2017,(第S1期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117490728A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018181974A1 (ja) | 判定装置、判定方法、及び、プログラム | |
US11447141B2 (en) | Method and device for eliminating steady-state lateral deviation and storage medium | |
CN110850859B (zh) | 一种机器人及其避障方法和避障系统 | |
US20210207977A1 (en) | Vehicle position estimation device, vehicle position estimation method, and computer-readable recording medium for storing computer program programmed to perform said method | |
CN110867132B (zh) | 环境感知的方法、装置、电子设备和计算机可读存储介质 | |
CN102736084B (zh) | 使用两个调制光源的用于对象检测系统的方法和设备 | |
CN106774313A (zh) | 一种基于多传感器的室外自动避障agv导航方法 | |
CN112748421B (zh) | 一种基于直行路段自动驾驶的激光雷达校准方法 | |
CN111738207A (zh) | 车道线检测方法、装置、电子设备及可读存储介质 | |
KR101915363B1 (ko) | Gps 음영 지역에서 차량을 측위하는 장치 및 그 방법 | |
JP5618152B2 (ja) | 進路案内システム、進路案内方法、及び進路案内プログラム | |
US11292481B2 (en) | Method and apparatus for multi vehicle sensor suite diagnosis | |
CN105865461A (zh) | 一种基于多传感器融合算法的汽车定位系统及方法 | |
CN109444916A (zh) | 一种无人驾驶可行驶区域确定装置及方法 | |
EP4418014A1 (en) | Train active obstacle detection method and apparatus based on positioning technology | |
CN101866017B (zh) | 基于移位循环唯一码的交通车辆磁定位方法 | |
EP4300237A1 (en) | Robot traveling method and apparatus, and electronic device, storage medium and program product | |
CN117490728B (zh) | 车道线定位故障诊断方法和系统 | |
KR20220095365A (ko) | 차량 및 그를 위한 컷인 대응 제어 방법 | |
KR20160138707A (ko) | 검출정확도를 높인 차량데이터 검출 시스템 | |
KR20220086781A (ko) | 차량의 타겟 감지방법 및 시스템 | |
US12039788B2 (en) | Path planning method and system using the same | |
KR20210041969A (ko) | 지도 매칭을 이용한 온라인 카메라 캘리브레이션 장치 및 방법 | |
JPH112519A (ja) | 距離測定装置 | |
CN107092253A (zh) | 用于控制无人车的方法、装置及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |