CN117698718A - 车道级导航方法、装置、计算机设备以及存储介质 - Google Patents
车道级导航方法、装置、计算机设备以及存储介质 Download PDFInfo
- Publication number
- CN117698718A CN117698718A CN202311445034.7A CN202311445034A CN117698718A CN 117698718 A CN117698718 A CN 117698718A CN 202311445034 A CN202311445034 A CN 202311445034A CN 117698718 A CN117698718 A CN 117698718A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- determining
- sequence
- target
- 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 46
- 230000008859 change Effects 0.000 claims abstract description 247
- 230000006870 function Effects 0.000 claims description 101
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 26
- 238000012544 monitoring process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- 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
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车道级导航方法、装置、计算机设备以及存储介质。所述方法包括:获取车道级导航信息,并根据车道级导航信息确定车辆行驶目标车道;根据车辆行驶目标车道的车道标识,确定可通行车道序列;根据可通行车道序列的安全性指标和效率性指标,从可通行车道序列中确定目标车道序列;根据导航推荐变道距离和目标车道序列的车道交通信息,确定车辆最优变道距离;根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线。上述方法提高了本地车辆基于车道级导航规划获得的目标行驶路线行驶时的行驶安全和通行效率。
Description
技术领域
本申请涉及智能驾驶技术领域,特别是涉及一种车道级导航方法、装置、计算机设备以及存储介质。
背景技术
车道级导航方法,是用于智能驾驶车辆的一项导航技术。目前,在确定车道级导航规划信息时,往往在道路级导航路径的基础上,确定与车辆行驶方向一致的车道,基于与车辆行驶方向一致的车道和车辆的目标位置确定车辆的导航路径,根据导航路径的道路路况,确定导航路径对应的变道次数,根据导航路径的道路路况和对应的变道次数,确定车道级导航规划信息。在此基础上,并未考虑到车辆变道时的动态路况,因此难以保证车辆基于车道级导航规划信息行驶时的行驶安全和行驶效率。因此,如何在对车辆进行车道级导航时,提高车辆行驶的安全性和通行效率,是需要解决的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种在对车辆进行车道级导航时,提高车辆行驶的安全性和通行效率的车道级导航方法、装置、计算机设备以及存储介质。
第一方面,本申请提供了一种车道级导航方法,所述方法包括:
获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道;
根据所述车辆行驶目标车道的车道标识,确定可通行车道序列;
根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列;所述安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;所述效率性指标包括车道限速、交通路况和车道属性;
根据导航推荐变道距离和所述目标车道序列的车道交通信息,确定车辆最优变道距离;
根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线。
在其中一个实施例中,根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列,包括:
根据所述可通行车道序列的安全性指标确定所述可通行车道序列的安全性代价函数,并根据所述可通行车道序列的效率性指标确定所述可通行车道序列的效率性代价函数;
根据所述安全性代价函数和所述效率性代价函数确定所述可通行车道序列的车道代价函数;
根据所述车道代价函数从所述可通行车道序列中确定目标车道序列。
在其中一个实施例中,根据所述安全性代价函数和所述效率性代价函数确定所述可通行车道序列的车道代价函数,包括:
对所述安全性代价函数和所述效率性代价函数进行归一化处理;
根据通行安全评价权重系数,通行效率评价权重系数,归一化处理后的安全性代价函数,以及归一化处理后的效率性代价函数,确定所述可通行车道序列的车道代价函数。
在其中一个实施例中,根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线,包括:
确定本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,并将所述车辆最优变道距离与预设系数的乘积作为车道评价函数;
若所述车辆变道位置距离小于或等于所述车辆最优变道距离,则确定所述本地车辆变道至相邻车道后,所述本地车辆的车辆变道后位置与所述最迟变道位置之间的变道后位置距离,以及更新最优变道距离;
根据所述车辆变道位置距离、所述车道评价函数、所述更新最优变道距离和所述变道后位置距离,确定所述相邻车道的推荐等级,并根据所述推荐等级确定所述本地车辆的目标行驶路线。
在其中一个实施例中,根据所述车辆行驶目标车道的车道标识,确定可通行车道序列,包括:
基于安全行驶规则,确定候选车道拓扑关系;
对所述候选车道拓扑关系进行有效性验证,确定有效车道拓扑关系,并根据所述有效车道拓扑关系,以及所述车辆行驶目标车道的车道标识,确定可通行车道序列。
在其中一个实施例中,车道级导航方法还包括:
根据所述目标车道序列对应的车道线,确定所述目标车道序列的变道约束信息;
根据本地车辆的车辆位置和所述本地车辆在车道上的最小行驶时间,以及所述变道约束信息,确定所述目标车道序列的最迟变道位置。
在其中一个实施例中,获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道,包括:
获取道路级导航信息;
通过广度优先算法对所述道路级导航信息和高精地图进行匹配,确定车道级导航信息;
根据所述车道级导航信息确定道路场景,并根据所述车道级导航信息和所述道路场景,确定车辆行驶目标车道。
第二方面,本申请还提供了一种车道级导航装置,所述装置包括:
目标车道确定模块,用于获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道;
可通行序列确定模块,用于根据所述车辆行驶目标车道的车道标识,确定可通行车道序列;
目标车道序列确定模块,用于根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列;所述安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;所述效率性指标包括车道限速、交通路况和车道属性;
最优变道距离确定模块,用于根据导航推荐变道距离和所述目标车道序列的车道交通信息,确定车辆最优变道距离;
目标行驶路线确定模块,用于根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线。
第三方面,本申请还提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道;
根据所述车辆行驶目标车道的车道标识,确定可通行车道序列;
根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列;所述安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;所述效率性指标包括车道限速、交通路况和车道属性;
根据导航推荐变道距离和所述目标车道序列的车道交通信息,确定车辆最优变道距离;
根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线。
第四方面,本申请还提供了一种计算机可读存储介质,所述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时实现以下步骤:
获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道;
根据所述车辆行驶目标车道的车道标识,确定可通行车道序列;
根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列;所述安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;所述效率性指标包括车道限速、交通路况和车道属性;
根据导航推荐变道距离和所述目标车道序列的车道交通信息,确定车辆最优变道距离;
根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线。
上述车道级导航方法、装置、计算机设备以及存储介质,获取车道级导航信息,并根据车道级导航信息确定车辆行驶目标车道;根据车辆行驶目标车道的车道标识,确定可通行车道序列;根据可通行车道序列的安全性指标和效率性指标,从可通行车道序列中确定目标车道序列;根据导航推荐变道距离和目标车道序列的车道交通信息,确定车辆最优变道距离;根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线。上述方案,在对本地车辆进行车道级导航,确定本地车辆的目标行驶路线时,将导航任务拆分为横向导航规划和纵向导航规划。横向导航规划主要负责决策自车所在车道组每个车道沿导航方向的可通行车道序列,综合评估可通行车道序列上横向的道路因素对通行安全的影响,以及可通行车道序列上纵向的道路因素对通行效率的影响,确定可通行车道序列的安全性指标和效率性指标,从而根据综合安全性指标和效率性指标决策出兼顾通行安全和通行效率的目标车道序列。在基于目标车道序列对本地车辆进行进一步导航规划时,基于目标车道序列的车道交通信息对导航推荐变道距离进行调整,确定可以保障车辆变道安全和车辆通行效率的车辆最优变道距离,以根据车辆最优变道距离和车辆变道位置距离确定本地车辆的目标行驶路线。提高了本地车辆基于车道级导航规划获得的目标行驶路线行驶时的行驶安全和通行效率。
附图说明
图1为一个实施例中车道级导航方法的应用环境图;
图2为一个实施例中车道级导航方法的流程示意图;
图3为一个实施例中车辆行驶目标车道的车道标识的示例图;
图4为另一个实施例中车道级导航方法的流程示意图;
图5为另一个实施例中车道级导航方法的流程示意图;
图6为一个实施例中确定相邻车道的推荐等级的示例图;
图7为另一个实施例中车道级导航方法的流程示意图;
图8为一个实施例中候选车道拓扑关系的示例图;
图9为另一个实施例中车道级导航方法的流程示意图;
图10为一个实施例中车道级导航装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的车道级导航方法,可以应用于如图1所示的应用环境中。图1示出了交通工具10的侧视图,所述交通工具10设置在行进表面70(例如,铺设道路表面)上,并且能够在行进表面70上横穿行进。交通工具10可以包括交通工具机载导航系统24、存储数字化道路地图25的计算机可读存储装置或介质(存储器)23、空间监测系统100、交通工具控制器50、全球定位系统(GPS)传感器52、人/机界面(HMI)装置60。在另一个实施例中交通工具10还包括自主控制器65和远程信息处理控制器75。具体的,交通工具10包括但不限于商业交通工具、工业交通工具、农业交通工具、客运交通工具、飞机、船只、火车、全地形交通工具、个人移动设备、机器人和类似的形式的移动平台,用于实现本申请的目的。
在一个实施例中,空间监测系统100包括:一个或多个空间传感器和系统,设置为监测交通工具10前方的可视区域32;以及空间监测控制器110。设置为监测交通工具10前方的可视区域32的空间传感器,例如包括激光雷达传感器34、雷达传感器36、数字摄像头38等等。每个空间传感器设置方式包括装载于交通工具10上,以监测全部或部分可视区域32,用于检测接近远程对象,例如,道路特征、车道标记、建筑物、行人、道路标志、交通控制灯和标志、其它交通工具以及在交通工具10近侧的地理特征。空间监测控制器110基于来自空间传感器的数据输入而生成可视区域32的表示数字。空间监测控制器110可以评估来自空间传感器的输入,以基于每个接近远程对象确定交通工具10的线性范围、相对速度和轨迹。空间传感器可设置于交通工具10上的各处位置,包括前拐角、后拐角、后侧和中侧。在一个实施例中,空间传感器可包括但不限于前部雷达传感器和摄像头。空间传感器的设置方式使空间监测控制器110能够监测交通流量,包括接近交通工具、交叉口、车道标记以及围绕交通工具10的其它对象。车道标记检测处理器(未显示)可以基于空间监测控制器110生成的数据估测道路。交通工具空间监测系统100的空间传感器可以包括对象定位感测装置,所述对象定位感测装置包括范围传感器,例如,FMCW(调频连续波)雷达、脉冲和FSK(频移键控)雷达以及Lidar(光检测和测距)装置以及超声波装置,其依赖于例如多普勒效应测量的效应以定位前方对象。对象定位装置可以包括电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)视频图像传感器以及利用数字摄影方法以‘查看’前方对象(包括一个或多个交通工具)的其它摄像头/视频图像处理器。
激光雷达传感器34基于脉冲和反射激光束测量至对象的范围或距离。雷达传感器36基于无线电波确定对象的范围、角度和/或速度。摄像头38包括图像传感器、镜头和摄像头控制器。图像传感器是采用光敏感测元件的多维阵列而将光学图像转换成电子信号的电光装置。摄像头控制器操作性地连接到图像传感器,以监测可视区域32。摄像头控制器设置为控制图像传感器,用于捕获与经由镜头投影到图像传感器上的可视区域32相关联的视场(FOV)的图像。光学镜头可以包括针孔镜头、鱼眼镜头、立体镜头、伸缩镜头等等。摄像头38经由图像传感器以期望速率(例如,每秒30个图像文件)周期性捕获与可视区域32相关联的图像文件。每个图像文件包括以摄像头38的原始分辨率捕获的全部或部分可视区域32的2D或3D像素化表示数字。在一个实施例中,图像文件呈24位图像的形式,包括表示可视区域32的RGB(红、绿、蓝)可见光的光谱值和深度值。图像文件的其它实施例可以包括处于一定分辨率水平的2D或3D图像,描绘了可视区域32的黑白或灰度可见光的光谱、可视区域32的红外光谱或其它图像,本申请对此不作具体限制。在一个实施例中,对于涉及明度和/或亮度的参数,可以评估多个图像文件的图像。可选地,可基于RGB颜色分量、明度、纹理、轮廓或其组合而评估图像。图像传感器与编码器通信,所述编码器对于每个图像文件执行数字信号处理(DSP)。摄像头38的图像传感器可以设置为以标称标准清晰度分辨率(例如,640x480像素)捕获图像。可选地,摄像头38的图像传感器可以设置为以标称高清晰度分辨率(例如,1440x1024像素)或以另一合适的分辨率捕获图像。摄像头38的图像传感器可以预定图像捕获速率捕获静止图像或可选地捕获数字视频图像。在一个实施例中,图像文件作为编码数据文件发送至摄像头控制器,所述编码数据文件存储在非暂时性数字数据存储介质中,用于机载或非机载分析。
摄像头38设置和定位在交通工具10上能够捕获可视区域32的图像的位置中,其中,可视区域32至少部分包括在交通工具10前方并且包括交通工具10的轨迹的行进表面70的部分。可视区域32还可以包括周围环境,例如,包括交通工具交通、路边对象、行人和其它特征、天空、地平线、行进车道和交通工具10前方驶来的交通工具。还可包括其它摄像头(未显示),例如,包括设置在交通工具10的后部分或侧部分上的第二摄像头,用于监测交通工具10的后方以及交通工具10的右侧或左侧中的任意一个方向。
自主控制器65用于实施自主驾驶或高级驾驶员辅助系统(ADAS)交通工具功能性。此类功能性可包括能够提供一定驾驶自动化水平的交通工具机载控制系统。术语‘驾驶员’和‘操作者’描述了负责指导交通工具10的操作的人员,所述操作人员可以参与控制一个或多个交通工具功能,或指导自主交通工具。驾驶自动化可以包括动态驾驶和交通工具操作。驾驶自动化可以包括涉及单个交通工具功能(例如,转向、加速和/或制动)的某种水平的自动控制或干预,其中,驾驶员可以从总体上持续控制交通工具10。驾驶自动化可以包括涉及多个交通工具功能(例如,转向、加速和/或制动)的同时控制的某种水平的自动控制或干预,其中,驾驶员可以从总体上持续控制交通工具10。驾驶自动化可以包括交通工具驾驶功能的同时自动控制(包括转向、加速和制动),其中,驾驶员可以在行程期间中,放弃一段时间周期内对交通工具的控制。驾驶自动化可包括交通工具驾驶功能的同时自动控制(包括转向、加速和制动),其中,驾驶员可以在整个行程中放弃交通工具10的控制。驾驶自动化包括硬件和控制器,设置为在各种驾驶模式下监测空间环境,用于在动态交通工具操作期间执行各种驾驶任务。驾驶自动化包括但不限于巡航控制、自适应巡航控制、车道变换警告、干预和控制、自动停车、加速、制动和类似。自主交通工具功能包括但不限于自适应巡航控制(ACC)操作、车道引导和车道保持操作、车道变换操作、转向辅助操作、对象避让操作、停车辅助操作、交通工具制动操作、交通工具速度和加速操作、交通工具横向运动操作,例如,作为车道引导、车道保持和车道变换操作等等。基于此,制动命令可通过自主控制器65独立于通过交通工具操作者的动作并且响应于自主控制功能而生成。
交通工具10的乘客舱中可以包括操作者控制件,包括但不限于方向盘、加速器踏板、制动踏板和操作者输入装置,所述操作者输入装置是HMI装置60的元件。交通工具操作者可以基于操作者控制件与运行的交通工具10交互,并且指导交通工具10的操作,用于提供乘客运输。在交通工具10的一些实施例中,可省略操作者控制装置,包括方向盘、加速器踏板、制动踏板、变速范围选择器和类似的其他控制装置。
HMI装置60提供人机交互,用于指导信息娱乐系统、全球定位系统(GPS)传感器52、导航系统24和类似的操作功能,HMI装置60可以包括控制器。HMI装置60监测操作者请求,并且向操作者提供信息,包括交通工具系统的状态、服务和维护信息。HMI装置60可以与多个操作者界面装置通信,和/或控制多个操作者界面装置的操作,其中,操作者界面装置能够传送与自动交通工具控制系统中的操作相关联的消息。HMI装置60还可以与一个或多个装置通信,所述一个或多个装置监测与交通工具操作者相关联的生物特征数据,例如,包括眼睛视线位置、姿势和头部位置追踪等等。为简化表述,HMI装置60表述为单一装置,但是在本申请系统的实施例中,可以设置为多个控制器和相关联的感测装置。操作者界面装置可以包括能够传送催促操作者动作的消息的装置,并且可以包括电子视觉显示模块,例如,液晶显示器(LCD)装置、平视显示器(HUD)、音频反馈装置、可穿戴装置和触觉座椅。能够催促操作者动作的操作者界面装置可以由HMI装置60控制或通过HMI装置60控制。在操作者的视场中,HUD可投影信息反射到交通工具的挡风玻璃的内部侧上,包括传送与操作自动交通工具控制系统中的一个相关联的置信水平。HUD还可提供增强现实信息,例如,车道位置、交通工具路径、方向和/或导航信息等等。
机载导航系统24基于数字化道路地图25向交通工具操作者提供导航支持和信息。自主控制器65基于数字化道路地图25控制自主交通工具操作或ADAS交通工具功能。
交通工具10可以包括远程信息处理控制器75,所述远程信息处理控制器75包括能够进行交通工具外通信(包括与具有无线和有线通信能力的通信网络90通信)的无线远程信息处理通信系统。远程信息处理控制器75能够进行交通工具外通信,包括短程交通工具对于交通工具(V2V)通信和/或交通工具对于外界(V2x)通信,其可以包括与基础设施监测器(例如,交通摄像头)的通信。可选地或附加地,远程信息处理控制器75具有无线远程信息处理通信系统,所述无线远程信息处理通信系统能够与手持装置(例如,蜂窝电话、卫星电话或另一电话装置)短程无线通信。在一个实施例中,手持装置包括软件应用,所述软件应用包括无线协议,用于与远程信息处理控制器75通信,并且手持装置可以执行交通工具外通信,包括基于通信网络90与非机载服务器95通信。可选地或附加地,远程信息处理控制器75基于通信网络90与非机载服务器95通信而直接执行交通工具外通信。
术语“控制器”和相关术语(例如,微控制器、控制单元、处理器和类似的术语)指的是以下中的一个或各种组合:(多个)专用集成电路(ASIC)、现场可编程门阵列(FPGA)、(多个)电子电路、(多个)中央处理单元,例如,(多个)微处理器和呈存储器和存储装置(只读、可编程只读、随机存取、硬盘驱动等等)的形式的(多个)相关联的非暂时性存储器部件(由存储器23指示)。非暂时性存储器部件能够呈以下形式存储机器可读指令:一个或多个软件或固件程序或例程、(多个)组合逻辑电路、(多个)输入/输出电路和装置、信号调节和缓冲电路系统以及可由一个或多个处理器存取的其它部件,用于实现相应的功能。(多个)输入/输出电路和装置包括监测来自传感器的输入的模拟/数字转换器和相关装置,可以以预设采样频率或响应于触发事件而监测此类输入。软件、固件、程序、指令、控制例程、代码、算法和类似的术语指代控制器可执行指令集,包括校准和查找表。每个控制器执行(多个)控制例程,用于提供相应功能。例程可按定期间隔执行,例如,在正在进行的操作期间每100微秒执行一次。可选地,例程可响应于触发事件而执行。控制器、致动器和/或传感器之间的通信可使用直接有线点对点链路、网络化通信总线链路、无线链路或其他合适的通信链路而实现。通信包括相应的交换数据信号,例如,包括基于传导介质的电气信号、基于空气的电磁信号、基于光学波导的光学信号等等。数据信号可以包括离散的、模拟的或数字化的模拟信号,其表示来自传感器的输入、致动器命令以及控制器之间的通信。术语“信号”指的是传递信息的物理可识别指示符,并且可以为相应的波形(例如,电气、光学、磁性、机械或电磁),例如,DC、AC、正弦波、三角波、方波、振动等,其能够通过介质传播。参数被限定为可测量的量,其表示可使用一个或多个传感器和/或物理模型而识别的装置或其它元件的物理性质。参数可具有离散值,例如,“1”或“0”,或在值上无限可变。
终端车辆可以通过网络与服务器进行通信。数据存储系统可以存储服务器需要处理的数据。数据存储系统可以集成在服务器上,也可以放在云上或其他网络服务器上。终端车辆可以获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道;根据所述车辆行驶目标车道的车道标识,确定可通行车道序列;根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列;根据导航推荐变道距离和所述目标车道序列的车道交通信息,确定车辆最优变道距离;根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线。在其他实施例中,终端车辆在获取车道级导航信息后,也可以将上述车道级导航信息发送至服务器,由服务器执行上述根据所述车道级导航信息确定车辆行驶目标车道;根据所述车辆行驶目标车道的车道标识,确定可通行车道序列;根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列;根据导航推荐变道距离和所述目标车道序列的车道交通信息,确定车辆最优变道距离;根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线。其中,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种车道级导航方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
S210、获取车道级导航信息,并根据车道级导航信息确定车辆行驶目标车道。
其中,车道级导航信息是指在对本地车辆需进行导航时,根据本地车辆所在的车辆位置和本地车辆所要到达的目的地位置确定的导航路线,以及导航路线上具体的详细车道信息,可以通过高精度的方式去还原真实的道路场景,当车辆需要变换车道右转或者左转期间,能把车辆正常行驶车道显示出来。本地车辆即需要进行导航的车辆,车道信息包括与本地车辆的车辆行驶方向一致的车道的路况信息、车道线信息和车道场景信息。车辆行驶目标车道是指本地车辆从车辆位置行驶至目的地位置时本地车辆所需要经过的车道。
具体的,获取本地车辆上车道级导航系统提供的车道级导航信息,根据车道级导航信息中的车道场景信息,确定车辆行驶目标车道。车道场景信息可以是连续路口场景、环岛场景、汇入主路等场景中的一种场景或多种组合场景。
S220、根据车辆行驶目标车道的车道标识,确定可通行车道序列。
其中,车道标识是指预先为各个车道设置的,可以表征车道位置和车道线情况的数据,例如可以是数字或字符。
具体的,获取车辆行驶目标车道对应的车道标识,根据本地车辆通过各车道标识对应的车道的顺序,确定可通行车道序列。
S230、根据可通行车道序列的安全性指标和效率性指标,从可通行车道序列中确定目标车道序列。
安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;效率性指标包括车道限速、交通路况和车道属性。
其中,安全性指标是指可以衡量可通行车道序列是否安全的量化指标,效率性指标是指可以衡量可通行车道序列的通行效率的量化指标,车道属性由车道线信息确定,横向偏置距离即前后拓扑车道中心位置偏移量,横向偏置距离越小,安全性越高。车道干扰路线数量是指与高于自车道序列路权的交通流产生干扰的次数。最小换道次数是指每个车道通往车道前方路口、匝道或环岛等场景下的目标车道时最小的换道次数。
示例性的,如图3所示,21-31-41车道序列相较21-32-42车道序列的横向偏置距离更小,因此21-31-41车道序列安全性更高。41-51-61车道序列相较41-52-62车道序列和41-53-63车道序列,车道干扰路线数量更少。3-13-23-35-43车道序列通往目标车道的最小换道次数为1,3-13-23-36-44车道序列通往目标车道的最小换道次数为2。图3中的虚拟车道是指导航系统在未设置车道线的道路上规划出的车道。
具体的,安全性指标包括可通行车道序列上横向的道路因素,可通行车道序列上横向的道路因素包括横向偏置距离,横向道路上其他车辆对本地车辆的交通路线干扰,以及本地车辆通往目的地位置的最小换道次数。效率性指标包括可通行车道序列上纵向的道路因素,可通行车道序列上纵向的道路因素包括可通行车道序列对应的道路限速情况、交通路况和车道属性。对安全性指标和效率性指标进行加权求和,确定可通行车道序列的车道评价指标,根据车道评价指标从可通行车道序列中确定目标车道序列。
S240、根据导航推荐变道距离和目标车道序列的车道交通信息,确定车辆最优变道距离。
其中,导航推荐变道距离是指当本地车辆基于目标车道序列行驶时,本地车辆的车辆位置和车道级导航系统提供的车辆变道位置之间的距离。目标车道序列的车道交通信息包括:目标车道序列对应的最小换道次数对导航推荐距离的影响因子,目标车道序列对应的最小换道次数,目标车道序列对应的交通路况对导航推荐距离的影响因子,以及目标车道序列对应的局部交通流交通拥堵状况。
具体的,根据本地车辆的车辆位置和车道级导航系统提供的车辆变道位置,确定导航推荐变道距离,此时导航推荐变道距离并未考虑目标车道序列对应的车道的道路拥堵状况,本地车辆在本次变道之后,后续变道是否会受到影响,以及所推荐的变道距离是否会导致后续变道次数增加的问题。因此,在确定导航推荐变道距离后,还需要根据目标车道序列的车道交通信息对导航变道距离进行调整,确定车辆最优变道距离。
示例性的,车辆最优变道距离的计算公式如公式(1)所示:
λd=(ηchange_lane_num·mchange_lane_num+ηtraffic_condition·mtraffic_condition)×λk(1)
其中,ηchange_lane_num为目标车道序列对应的最小换道次数对导航推荐距离的影响因子,mchange_lane_num为目标车道序列对应的最小换道次数,ηtraffic_condition为目标车道序列对应的交通路况对导航推荐距离的影响因子,mtraffic_condition为目标车道序列对应的局部交通流交通拥堵状况,0≤mtraffic_condition≤1。例如,可以设置当道路不可通行时mtraffic_condition为0,当道路非常拥堵时mtraffic_condition为0.05,当道路一般拥堵时mtraffic_condition为0.3,当道路一般通畅时mtraffic_condition为0.8,当道路非常通畅时mtraffic_condition为1。
S250、根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线。
其中,本地车辆的目标行驶路线是指本地车辆基于目标车道序列行驶时,包含车辆变道路线的车辆行驶路线。
具体的,根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆基于目标车道序列行驶时的变道路线,根据目标车道序列和变道路线确定本地车辆的目标行驶路线。
上述车道级导航方法中,获取车道级导航信息,并根据车道级导航信息确定车辆行驶目标车道;根据车辆行驶目标车道的车道标识,确定可通行车道序列;根据可通行车道序列的安全性指标和效率性指标,从可通行车道序列中确定目标车道序列;根据导航推荐变道距离和目标车道序列的车道交通信息,确定车辆最优变道距离;根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线。上述方案,在对本地车辆进行车道级导航,确定本地车辆的目标行驶路线时,将导航任务拆分为横向导航规划和纵向导航规划。横向导航规划主要负责决策自车所在车道组每个车道沿导航方向的可通行车道序列,综合评估可通行车道序列上横向的道路因素对通行安全的影响,以及可通行车道序列上纵向的道路因素对通行效率的影响,确定可通行车道序列的安全性指标和效率性指标,从而根据综合安全性指标和效率性指标决策出兼顾通行安全和通行效率的目标车道序列。在基于目标车道序列对本地车辆进行进一步导航规划时,基于目标车道序列的车道交通信息对导航推荐变道距离进行调整,确定可以保障车辆变道安全和车辆通行效率的车辆最优变道距离,以根据车辆最优变道距离和车辆变道位置距离确定本地车辆的目标行驶路线。提高了本地车辆基于车道级导航规划获得的目标行驶路线行驶时的行驶安全和通行效率。
在一个实施例中,如图4所示,根据可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列,包括:
S310、根据可通行车道序列的安全性指标确定可通行车道序列的安全性代价函数,并根据可通行车道序列的效率性指标确定可通行车道序列的效率性代价函数。
其中,安全性代价函数是指用于评估可通行车道序列安全性的代价函数。效率性代价函数是指用于评估可通行车道序列通行效率的代价函数。
示例性的,安全性代价函数的计算公式如公式(2)所示:
其中,wlati_dis为横向偏置距离评价权重系数,winterference_risk为交通路线风险干扰评价权重系数;wlane_change_nun为最小换道次数评价权重系数,为归一化横向偏置距离量/>为归一化车道干扰路线数量;/>为归一化最小换道次数。
效率性代价函数的计算公式如公式(3)所示:
其中,vspeed_limit为可通行车道序列的车道限速;mtraffic_condition为目标车道序列对应的局部交通流交通拥堵状况;mlane_type为车道属性对车道通行的影响数据,0≤mlane_type≤1,例如可以设置公交车道对应的mlane_type为0.5,车道汇流或变窄车道对应的mlane_type为0.4。
S320、根据安全性代价函数和效率性代价函数确定可通行车道序列的车道代价函数。
具体的,可以对安全性代价函数和效率性代价函数进行加权求和,确定可通行车道序列的车道代价函数。
示例性的,可通行车道序列的车道代价函数的确定方式还可以是:对安全性代价函数和效率性代价函数进行归一化处理;根据通行安全评价权重系数,通行效率评价权重系数,归一化处理后的安全性代价函数,以及归一化处理后的效率性代价函数,确定可通行车道序列的车道代价函数。
其中,安全评价权重系数和效率性代价函数可以根据对通行安全的需求程度以及对通行效率的需求程度进行调整。
具体的,可通行车道序列的车道代价函数的计算公式如公式(4)所示:
其中,wsafe是指通行安全评价权重系数,wefficiency是指通行效率评价权重系数,是指归一化处理后的安全性代价函数,/>是指归一化处理后的效率性代价函数。
可以理解的是,上述方案根据归一化处理后的安全性代价函数和归一化处理后的效率性代价函数确定可通行车道序列的车道代价函数,可以提高车道代价函数的精确度。同时,可以根据驾驶员对通行安全和通行效率的需求偏好调整通行安全评价权重系数和通行效率评价权重系数,从而提高了道路级导航规划的灵活性,提高了用户体验。
S330、根据车道代价函数从可通行车道序列中确定目标车道序列。
示例性的,可以根据车道代价函数确定导航策略,根据导航策略从可通行车道序列中确定目标车道序列。导航策略可以包括安全性优先策略、效率性优先策略以及安全性和效率性平衡策略。
本实施例中,提供了一种对可通行车道序列的量化评估方式,通过安全性代价函数和效率性代价函数计算可通行车道序列的车道代价函数,并根据车道代价函数确定目标车道序列,能够使目标车道序列兼顾安全性和效率性,同事提高了对目标车道序列的确认效率。
在一个实施例中,如图5所示,根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线,包括:
S410、确定本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,并将车辆最优变道距离与预设系数的乘积作为车道评价函数。
其中,目标车道序列的最迟变道位置是指车辆在目标车道序列对应的导航道路上行驶时的安全变道最晚位置。预设系数为大于0且小于1的系数。
S420、若所述车辆变道位置距离小于或等于车辆最优变道距离,则确定本地车辆变道至相邻车道后,本地车辆的车辆变道后位置与最迟变道位置之间的变道后位置距离,以及更新最优变道距离。
其中,车辆变道后位置是指本地车辆从当前行驶车道变道至相邻车道后的车辆位置。更新最优变道距离是指本地车辆从当前行驶车道变道至相邻车道后的车辆最优变道距离。
具体的,若车辆变道位置距离小于或等于车辆最优变道距离,且车辆变道位置距离大于车道评价函数,则根据目标车道序列确定本地车辆所行驶车道的相邻车道,并确定本地车辆变道至相邻车道后,本地车辆的车辆变道后位置与最迟变道位置之间的变道后位置距离,并确定本地车辆从当前行驶车道变道至相邻车道后的更新最优变道距离。
示例性的,目标车道序列的最迟变道位置的确定方法可以是:根据目标车道序列对应的车道线,确定目标车道序列的变道约束信息;根据本地车辆的车辆位置和本地车辆在车道上的最小行驶时间,以及变道约束信息,确定目标车道序列的最迟变道位置。
其中,目标车道序列的变道约束信息包括车辆可变到路段的位置信息和车辆不可变道路段的位置信息。
需要说明的是,为了保障车辆的行驶安全,当本地车辆变道之后,需要在变道后的车道上行驶一定的时间才可继续变道,本地车辆需要在变道后的车道上行驶的最小时间即最小行驶时间。因此在对车辆的变道位置进行规划时,需要考虑本地车辆变道后的最小行驶时间。
可以理解的是,根据本地车辆的车辆位置和本地车辆在车道上的最小行驶时间,以及变道约束信息,确定目标车道序列的最迟变道位置,可以进一步保障车辆基于车道级导航规划路线行驶的安全性。
S430、根据车辆变道位置距离、车道评价函数、更新最优变道距离和变道后位置距离,确定相邻车道的推荐等级,并根据推荐等级确定本地车辆的目标行驶路线。
示例性的,如图6所示,λ为车辆变道位置距离,λd为车辆最优变道距离。当λ>λd,车道级导航不推荐车辆变道行驶;当λ≤λd且λ>kλd时,根据车辆变道至相邻车道后的变道后位置距离与更新最优变道距离之间的比较关系确定相邻车道是否优于本地车辆当前行驶的车道,若是,则确定相邻车道的推荐等级为弱推荐,可以预提示智能驾驶对象前方将要进行导航变道,以使智能驾驶对象根据实际需求选择性进行变道;当λ≤kλd时,根据车辆变道至相邻车道后的变道后位置距离与更新最优变道距离之间的比较关系确定相邻车道是否优于本地车辆当前行驶的车道,若是,则确定相邻车道的推荐等级为强推荐,此时可以提示智能驾驶对象必须在车辆行驶至最迟变道位置前完成导航变道行为决策。其中,k为预设系数。根据智能驾驶对象发出的导航变道行为决策信息确定本地车辆的变道规划信息,并根据车辆的变道规划信息确定本地车辆的目标行驶路线。车辆的变道规划信息包括车辆的变道位置和车辆每次变道后的行驶路线。
可选的,若本地车辆当前行驶的车道可通往目标车道,且根据车辆变道至相邻车道后的变道后位置距离与更新最优变道距离之间的比较关系确定相邻车道优于本地车辆当前行驶的车道,则相邻车道的推荐等级为弱推荐,此时可以提示智能驾驶对象可选择性进行导航变道行为决策。
上述方案,根据对本地车辆的车辆位置、目标车道序列的最迟变道位置、最小换道次数和交通路况的综合评估,动态的确定对目标车道序列中各车道的推荐车道推荐等级,能够更好的辅助智能驾驶车辆进行变道行为决策,完成导航规划任务,提高了车道级导航的灵活性。
在一个实施例中,如图7所示,根据车辆行驶目标车道的车道标识,确定可通行车道序列,包括:
S510、基于安全行驶规则,确定候选车道拓扑关系。
示例性的,如图8所示,图中31车道、32车道、33车道、34车道、35车道、51车道、52车道和53车道为虚拟的车道拓扑关系,即候选车道拓扑关系,41车道和73车道即目的车道。
S520、对候选车道拓扑关系进行有效性验证,确定有效车道拓扑关系,并根据有效车道拓扑关系,以及车辆行驶目标车道的车道标识,确定可通行车道序列。
具体的,根据候选车道拓扑关系对应的两条真实车道的两侧车道线的位置,确定候选车道拓扑关系对应的两条车辆行驶目标车道的车道对其程度,并根据车道对其程度确定候选车道拓扑关系是否有效,以从候选车道拓扑关系中确定有效车道拓扑关系,并根据有效车道拓扑关系,以及有效车道拓扑关系对应的车辆行驶目标车道的车道标识确定可通行车道序列。
示例性的,对候选车道拓扑关系进行有效性验证的方法可以是:从车辆行驶目标车道中确定候选车道拓扑关系对应的驶入车道和驶出车道,驶入车道左右边线在分别在驶出车道左右边线作frenet坐标系投影,可以得到横向投影值:lin_left_to_out_left、lin_right_to_out_left、lin_left_to_out_right和lin_left_to_out_right。如果lin_left_to_out_left>0,只需满足lin_right_to_out_left<0,则拓扑关系有效;如果lin_left_to_out_left≤0,只需满足lin_left_to_out_right>0,则拓扑关系有效。
上述方案,在确定可通行车道序列时,根据车辆行驶目标车道构建虚拟的候选车道拓扑关系,并对候选车道拓扑关系进行有效性验证,确定有效车道拓扑关系,根据有效车道拓扑关系和车辆行驶目标车道的车道标识确定可通行车道序列,可以提高可通行车道序列的可靠性。
示例性的,在上述实施例的基础上,根据车道级导航信息确定车辆行驶目标车道,包括:获取道路级导航信息;通过广度优先算法对道路级导航信息和高精地图进行匹配,确定车道级导航信息;根据车道级导航信息确定道路场景,并根据车道级导航信息和道路场景,确定车辆行驶目标车道。
其中,道路级导航信息是指在对需要进行导航的车辆进行导航时,根据车辆的位置信息和车辆的重点位置确定的导航路线,道路级导航信息只包含对车辆进行导航时的车辆行驶路线,不包含车辆行驶路线上的详细车道信息。
上述方案,根据道路级别导航信息与高精地图的匹配结果确定车道级导航信息,以根据车道级导航信息确定车辆行驶目标车道,可以提高车辆行驶目标车道的精确性。
示例性的,在上述实施例的基础上,如图9所示:车道级导航方法包括:
获取道路级导航信息,通过广度优先算法对道路级导航信息和高精地图进行匹配,确定车道级导航信息,根据车道级导航信息确定道路场景,并根据车道级导航信息和道路场景,确定车辆行驶目标车道。基于安全行驶规则,确定候选车道拓扑关系,根据候选车道拓扑关系对应的两条真实车道的两侧车道线的位置,确定候选车道拓扑关系对应的两条车辆行驶目标车道的车道对其程度,并根据车道对其程度确定候选车道拓扑关系是否有效,以从候选车道拓扑关系中确定有效车道拓扑关系,并根据有效车道拓扑关系,以及有效车道拓扑关系对应的车辆行驶目标车道的车道标识确定可通行车道序列。
根据可通行车道序列的安全性指标确定可通行车道序列的安全性代价函数,并根据可通行车道序列的效率性指标确定可通行车道序列的效率性代价函数。对安全性代价函数和效率性代价函数进行归一化处理;根据通行安全评价权重系数,通行效率评价权重系数,归一化处理后的安全性代价函数,以及归一化处理后的效率性代价函数,确定可通行车道序列的车道代价函数,根据车道代价函数从可通行车道序列中确定目标车道序列。
根据目标车道序列对应的车道线,确定目标车道序列的变道约束信息;根据本地车辆的车辆位置和本地车辆在车道上的最小行驶时间,以及变道约束信息,确定目标车道序列的最迟变道位置。确定本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,并将车辆最优变道距离与预设系数的乘积作为车道评价函数,若车辆变道位置距离小于或等于车辆最优变道距离,且车辆变道位置距离大于车道评价函数,则根据目标车道序列确定本地车辆所行驶车道的相邻车道,并确定本地车辆变道至相邻车道后,本地车辆的车辆变道后位置与最迟变道位置之间的变道后位置距离,并确定本地车辆从当前行驶车道变道至相邻车道后的更新最优变道距离。
当车辆变道位置距离λ大于车辆最优变道距离λd时,车道级导航不推荐车辆变道行驶;当λ≤λd且λ>kλd时,根据车辆变道至相邻车道后的变道后位置距离与更新最优变道距离之间的比较关系确定相邻车道是否优于本地车辆当前行驶的车道,若是,则确定相邻车道的推荐等级为弱推荐,可以预提示智能驾驶对象前方将要进行导航变道,以使智能驾驶对象根据实际需求选择性进行变道;当λ≤kλd时,根据车辆变道至相邻车道后的变道后位置距离与更新最优变道距离之间的比较关系确定相邻车道是否优于本地车辆当前行驶的车道,若是,则确定相邻车道的推荐等级为强推荐,此时可以提示智能驾驶对象必须在车辆行驶至最迟变道位置前完成导航变道行为决策。根据智能驾驶对象发出的导航变道行为决策信息确定本地车辆的变道规划信息,并根据车辆的变道规划信息确定本地车辆的目标行驶路线。
上述车道级导航方法中,在对本地车辆进行车道级导航,确定本地车辆的目标行驶路线时,将导航任务拆分为横向导航规划和纵向导航规划。横向导航规划主要负责决策自车所在车道组每个车道沿导航方向的可通行车道序列,综合评估可通行车道序列上横向的道路因素对通行安全的影响,以及可通行车道序列上纵向的道路因素对通行效率的影响,确定可通行车道序列的安全性指标和效率性指标,从而根据综合安全性指标和效率性指标决策出兼顾通行安全和通行效率的目标车道序列。在基于目标车道序列对本地车辆进行进一步导航规划时,基于目标车道序列的车道交通信息对导航推荐变道距离进行调整,确定可以保障车辆变道安全和车辆通行效率的车辆最优变道距离,以根据车辆最优变道距离和车辆变道位置距离确定本地车辆的目标行驶路线。提高了本地车辆基于车道级导航规划获得的目标行驶路线行驶时的行驶安全和通行效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的车道级导航方法的车道级导航装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个车道级导航装置实施例中的具体限定可以参见上文中对于车道级导航方法的限定,在此不再赘述。
在一个实施例中,如图10所示,提供了一种车道级导航装置,包括:目标车道确定模块601、可通行序列确定模块602、目标车道序列确定模块603、最优变道距离确定模块604和目标行驶路线确定模块605,其中:
目标车道确定模块601,用于获取车道级导航信息,并根据车道级导航信息确定车辆行驶目标车道;
可通行序列确定模块602,用于根据车辆行驶目标车道的车道标识,确定可通行车道序列;
目标车道序列确定模块603,用于根据可通行车道序列的安全性指标和效率性指标,从可通行车道序列中确定目标车道序列;安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;效率性指标包括车道限速、交通路况和车道属性;
最优变道距离确定模块604,用于根据导航推荐变道距离和目标车道序列的车道交通信息,确定车辆最优变道距离;
目标行驶路线确定模块605,用于根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线。
示例性的,目标车道序列确定模块603具体用于:
根据可通行车道序列的安全性指标确定可通行车道序列的安全性代价函数,并根据可通行车道序列的效率性指标确定可通行车道序列的效率性代价函数;
根据安全性代价函数和效率性代价函数确定可通行车道序列的车道代价函数;
根据车道代价函数从可通行车道序列中确定目标车道序列。
示例性的,目标车道序列确定模块603还具体用于:
对安全性代价函数和效率性代价函数进行归一化处理;
根据通行安全评价权重系数,通行效率评价权重系数,归一化处理后的安全性代价函数,以及归一化处理后的效率性代价函数,确定可通行车道序列的车道代价函数。
示例性的,目标行驶路线确定模块605具体用于:
确定本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,并将车辆最优变道距离与预设系数的乘积作为车道评价函数;
若车辆变道位置距离小于或等于车辆最优变道距离,则确定本地车辆变道至相邻车道后,本地车辆的车辆变道后位置与最迟变道位置之间的变道后位置距离,以及更新最优变道距离;
根据车辆变道位置距离、车道评价函数、更新最优变道距离和变道后位置距离,确定相邻车道的推荐等级,并根据推荐等级确定本地车辆的目标行驶路线。
示例性的,可通行序列确定模块602具体用于:
基于安全行驶规则,确定候选车道拓扑关系;
对候选车道拓扑关系进行有效性验证,确定有效车道拓扑关系,并根据有效车道拓扑关系,以及车辆行驶目标车道的车道标识,确定可通行车道序列。
示例性的,车道级导航装置还包括:
变道约束信息确定模块,用于根据目标车道序列对应的车道线,确定目标车道序列的变道约束信息;
最迟变道位置确定模块,用于根据本地车辆的车辆位置和本地车辆在车道上的最小行驶时间,以及变道约束信息,确定目标车道序列的最迟变道位置。
示例性的,目标车道确定模块601具体用于:
获取道路级导航信息;
通过广度优先算法对道路级导航信息和高精地图进行匹配,确定车道级导航信息;
根据车道级导航信息确定道路场景,并根据车道级导航信息和道路场景,确定车辆行驶目标车道。
上述车道级导航装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车道级导航方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
步骤一、获取车道级导航信息,并根据车道级导航信息确定车辆行驶目标车道;
步骤二、根据车辆行驶目标车道的车道标识,确定可通行车道序列;
步骤三、根据可通行车道序列的安全性指标和效率性指标,从可通行车道序列中确定目标车道序列;安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;效率性指标包括车道限速、交通路况和车道属性;
步骤四、根据导航推荐变道距离和目标车道序列的车道交通信息,确定车辆最优变道距离;
步骤五、根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
步骤一、获取车道级导航信息,并根据车道级导航信息确定车辆行驶目标车道;
步骤二、根据车辆行驶目标车道的车道标识,确定可通行车道序列;
步骤三、根据可通行车道序列的安全性指标和效率性指标,从可通行车道序列中确定目标车道序列;安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;效率性指标包括车道限速、交通路况和车道属性;
步骤四、根据导航推荐变道距离和目标车道序列的车道交通信息,确定车辆最优变道距离;
步骤五、根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
步骤一、获取车道级导航信息,并根据车道级导航信息确定车辆行驶目标车道;
步骤二、根据车辆行驶目标车道的车道标识,确定可通行车道序列;
步骤三、根据可通行车道序列的安全性指标和效率性指标,从可通行车道序列中确定目标车道序列;安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;效率性指标包括车道限速、交通路况和车道属性;
步骤四、根据导航推荐变道距离和目标车道序列的车道交通信息,确定车辆最优变道距离;
步骤五、根据车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定本地车辆的目标行驶路线。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种车道级导航方法,其特征在于,包括:
获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道;
根据所述车辆行驶目标车道的车道标识,确定可通行车道序列;
根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列;所述安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;所述效率性指标包括车道限速、交通路况和车道属性;
根据导航推荐变道距离和所述目标车道序列的车道交通信息,确定车辆最优变道距离;
根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线。
2.根据权利要求1所述的方法,其特征在于,根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列,包括:
根据所述可通行车道序列的安全性指标确定所述可通行车道序列的安全性代价函数,并根据所述可通行车道序列的效率性指标确定所述可通行车道序列的效率性代价函数;
根据所述安全性代价函数和所述效率性代价函数确定所述可通行车道序列的车道代价函数;
根据所述车道代价函数从所述可通行车道序列中确定目标车道序列。
3.根据权利要求2所述的方法,其特征在于,根据所述安全性代价函数和所述效率性代价函数确定所述可通行车道序列的车道代价函数,包括:
对所述安全性代价函数和所述效率性代价函数进行归一化处理;
根据通行安全评价权重系数,通行效率评价权重系数,归一化处理后的安全性代价函数,以及归一化处理后的效率性代价函数,确定所述可通行车道序列的车道代价函数。
4.根据权利要求1所述的方法,其特征在于,根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线,包括:
确定本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,并将所述车辆最优变道距离与预设系数的乘积作为车道评价函数;
若所述车辆变道位置距离小于或等于所述车辆最优变道距离,则确定所述本地车辆变道至相邻车道后,所述本地车辆的车辆变道后位置与所述最迟变道位置之间的变道后位置距离,以及更新最优变道距离;
根据所述车辆变道位置距离、所述车道评价函数、所述更新最优变道距离和所述变道后位置距离,确定所述相邻车道的推荐等级,并根据所述推荐等级确定所述本地车辆的目标行驶路线。
5.根据权利要求1所述的方法,其特征在于,根据所述车辆行驶目标车道的车道标识,确定可通行车道序列,包括:
基于安全行驶规则,确定候选车道拓扑关系;
对所述候选车道拓扑关系进行有效性验证,确定有效车道拓扑关系,并根据所述有效车道拓扑关系,以及所述车辆行驶目标车道的车道标识,确定可通行车道序列。
6.根据权利要求1所述的方法,其特征在于,根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线之前,还包括:
根据所述目标车道序列对应的车道线,确定所述目标车道序列的变道约束信息;
根据本地车辆的车辆位置和所述本地车辆在车道上的最小行驶时间,以及所述变道约束信息,确定所述目标车道序列的最迟变道位置。
7.根据权利要求1所述的方法,其特征在于,获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道,包括:
获取道路级导航信息;
通过广度优先算法对所述道路级导航信息和高精地图进行匹配,确定车道级导航信息;
根据所述车道级导航信息确定道路场景,并根据所述车道级导航信息和所述道路场景,确定车辆行驶目标车道。
8.一种车道级导航装置,其特征在于,所述车道级导航装置包括:
目标车道确定模块,用于获取车道级导航信息,并根据所述车道级导航信息确定车辆行驶目标车道;
可通行序列确定模块,用于根据所述车辆行驶目标车道的车道标识,确定可通行车道序列;
目标车道序列确定模块,用于根据所述可通行车道序列的安全性指标和效率性指标,从所述可通行车道序列中确定目标车道序列;所述安全性指标包括:横向偏置距离、车道干扰路线数量和最小换道次数;所述效率性指标包括车道限速、交通路况和车道属性;
最优变道距离确定模块,用于根据导航推荐变道距离和所述目标车道序列的车道交通信息,确定车辆最优变道距离;
目标行驶路线确定模块,用于根据所述车辆最优变道距离,以及本地车辆的车辆位置和目标车道序列的最迟变道位置之间的车辆变道位置距离,确定所述本地车辆的目标行驶路线。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311445034.7A CN117698718A (zh) | 2023-11-01 | 2023-11-01 | 车道级导航方法、装置、计算机设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311445034.7A CN117698718A (zh) | 2023-11-01 | 2023-11-01 | 车道级导航方法、装置、计算机设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117698718A true CN117698718A (zh) | 2024-03-15 |
Family
ID=90155921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311445034.7A Pending CN117698718A (zh) | 2023-11-01 | 2023-11-01 | 车道级导航方法、装置、计算机设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117698718A (zh) |
-
2023
- 2023-11-01 CN CN202311445034.7A patent/CN117698718A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11217012B2 (en) | System and method for identifying travel way features for autonomous vehicle motion control | |
US20210397185A1 (en) | Object Motion Prediction and Autonomous Vehicle Control | |
US20190147255A1 (en) | Systems and Methods for Generating Sparse Geographic Data for Autonomous Vehicles | |
CN112824997B (zh) | 用于局部行进车道感知的方法和系统 | |
US11880203B2 (en) | Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries | |
KR20230166129A (ko) | 에이전트 궤적 예측 | |
US11577732B2 (en) | Methods and systems for tracking a mover's lane over time | |
KR20220054534A (ko) | 거동 규칙 검사를 사용한 차량 작동 | |
US11904906B2 (en) | Systems and methods for prediction of a jaywalker trajectory through an intersection | |
CN116653964B (zh) | 变道纵向速度规划方法、装置和车载设备 | |
CN116724214A (zh) | 用于生成用于自主车辆的导航的感兴趣区域的车道级地图的方法和系统 | |
CN116691688B (zh) | 车辆变道轨迹缝合方法、装置和域控制器 | |
CN116674557B (zh) | 车辆自主变道动态规划方法、装置和域控制器 | |
CN117784768A (zh) | 车辆避障规划方法、装置、计算机设备和存储介质 | |
CN112987053A (zh) | 监测偏航传感器的方法和设备 | |
US20230098314A1 (en) | Localizing and updating a map using interpolated lane edge data | |
US20230043601A1 (en) | Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area | |
KR20230082520A (ko) | 운전가능한 도로 세그먼트들의 자동 주석 달기 | |
CN117698718A (zh) | 车道级导航方法、装置、计算机设备以及存储介质 | |
CN117073709B (zh) | 路径规划方法、装置、计算机设备以及存储介质 | |
CN116653965B (zh) | 车辆变道重规划触发方法、装置及域控制器 | |
US12032067B2 (en) | System and method for identifying travel way features for autonomous vehicle motion control | |
EP4131181A1 (en) | Methods and system for predicting trajectories of actors with respect to a drivable area | |
CN117681868A (zh) | 车辆避障碰撞检测方法、装置、计算机设备和存储介质 | |
US20230063368A1 (en) | Selecting minimal risk maneuvers |
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 |