CN108303103B - 目标车道的确定方法和装置 - Google Patents

目标车道的确定方法和装置 Download PDF

Info

Publication number
CN108303103B
CN108303103B CN201710073556.7A CN201710073556A CN108303103B CN 108303103 B CN108303103 B CN 108303103B CN 201710073556 A CN201710073556 A CN 201710073556A CN 108303103 B CN108303103 B CN 108303103B
Authority
CN
China
Prior art keywords
lane
vehicle
map
lanes
road surface
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
Application number
CN201710073556.7A
Other languages
English (en)
Other versions
CN108303103A (zh
Inventor
付玉锦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to CN201710073556.7A priority Critical patent/CN108303103B/zh
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to EP18750637.3A priority patent/EP3534114B1/en
Priority to JP2019524866A priority patent/JP6843990B2/ja
Priority to KR1020197018486A priority patent/KR20190090393A/ko
Priority to PCT/CN2018/075052 priority patent/WO2018145602A1/zh
Priority to KR1020217000555A priority patent/KR102266830B1/ko
Publication of CN108303103A publication Critical patent/CN108303103A/zh
Priority to US16/439,496 priority patent/US11094198B2/en
Application granted granted Critical
Publication of CN108303103B publication Critical patent/CN108303103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • B60W40/02—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 related to ambient conditions
    • B60W40/06—Road conditions
    • 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
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • 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
    • B60W30/14—Adaptive cruise control
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3819—Road shape data, e.g. outline of a route
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/33—Multimode operation in different systems which transmit time stamped messages, e.g. GPS/GLONASS
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种目标车道的确定方法和装置。其中，该方法包括：对车辆的行驶路面进行图像采集得到行驶路面的图像信息；从图像信息中识别出行驶路面的第一车道信息，其中，第一车道信息包括用于指示车辆在行驶路面的车道位置的第一车道和第一车道的特征；通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，其中，至少一个第二车道和至少一个第二车道的特征为从地图中获取的，至少一个第二车道包括目标车道。本发明解决了车辆进行准确定位时的投入成本较高的技术问题。

Description

目标车道的确定方法和装置
技术领域
本发明涉及自动驾驶领域，具体而言，涉及一种目标车道的确定方法和装置。
背景技术
无人驾驶汽车，亦称自动驾驶汽车，是通过车载传感***感知道路环境，自动规划行车路线并控制车辆到达预定目标地点的智能汽车，在相关技术中，无人驾驶汽车可以借助于如下定位***或定位方法对车辆位置进行定位：
GPS：GPS是英文Global Positioning System(全球定位***)的简称。GPS是一种具有全方位、全天候、全时段、高精度的卫星定位导航***。
BDS：BDS是英文BeiDou Navigation Satellite System(中国北斗卫星导航***)的简称，是中国自行研制的全球卫星导航***。是继美国全球定位***(GPS)、俄罗斯格洛纳斯卫星导航***(GLONASS)之后第三个成熟的卫星导航***。
RTK：RTK是英文Real-time kinematic的简称，中文名称为载波相位差分技术，是一种GPS测量方法，以前的静态、快速静态、动态测量都需要事后进行解算才能获得厘米级的精度，而RTK是能够在野外实时得到厘米级定位精度的测量方法。
INS：INS的英文全称为Inertial Navigation System，即惯性导航***，有时也简称为惯性***或惯性导航，是一种利用安装在运载体上的陀螺仪和加速度计来测定运载***置的一个***。
LIDAR：英文全称为Light Detection And Ranging，是激光探测及测距***的简称，即激光雷达，是一种集激光扫描技术、全球定位***(GPS)和惯性导航***(INS)三种技术于一身的***，用于获得三维空间数据，即点云。
GPS/BDS卫星定位***以其全方位、全天候、全时段、高精度的特点，近年来得到了越来越广泛的应用，基于GPS信号的RTK(Real-time kinematic)实时差分定位，更是一种能够在野外实时得到厘米级定位精度的测量方法。GPS/DBS定位的原理是利用空间分布的卫星以及卫星与地面点的距离交汇得出地面点的三维坐标。假定在地面待定位置上安装有GPS接收机，同一时刻接收4颗以上卫星发射的信号，通过一定的方法测定这4颗以上卫星在此瞬间的位置，以及它们至该接收机的距离，便可利用距离交汇法解算出地面待定点的三维位置坐标。
RTK的工作原理是将一台接收机置于基准站上，其余接收机置于待定位置(或称流动站)上，基准站和流动站同时接收同一时刻、相同卫星发射的信号，基准站所获得的观察值与已知位置信息进行比较，得到GPS差分改正值，然后将这个改正值通过无线电数据链电台，及时传递给共视卫星的流动站精化其GPS观测值，从而得到经差分改正后的流动站的较为准确的实时位置坐标。
从GPS/DBS/RTK定位的原理可以看出，卫星信号的强弱和卫星个数将直接影响定位的精度，这就限制了它的应用场合。它更适合视野开阔，障碍物较少的路段，在高楼林立的市区道路，或者车辆进入山洞、隧道等内时，GPS/DBS/RTK定位的精度将非常差，此时就有必要借助额外的定位方法来解决此类问题。
另外，GPS/BDS的理论解算精度都可达到厘米级，但它一般主要用在重要场合，例如军事和航天，在一般民用领域，GPS/BDS的精度往往在10米级。RTK虽然能够达到厘米级精度，但是受限于容量和高昂的价格无法大规模应用。
惯性导航是指在个别卫星信号受遮挡短暂路段(如桥梁涵洞)，可依靠车上的惯性导航***进行持续定位。惯性导航(INS)是依据牛顿惯性原理，利用惯性元件(加速度计、陀螺仪)来测量车辆本身的加速度，经过积分和运行得到速度和位置，从而达到对车辆进行导航定位的目的。由惯性导航的原理可知，由于积分的存在，它存在误差随时间迅速累积的问题，定位精度随时间而发散，不能单独长时间工作，必须不断加以校准。这也是为什么INS最多只适用于短暂路段导航定位的原因。
激光点云可以通过车载激光雷达实时采集的点云数据与事先采集好的点云数据进行匹配，从而达到定位的目的。通过这种方式定位精度会很高，但由于点云数据量非常庞大，处理速度是一个瓶颈，计算匹配的效率会强依赖于计算机硬件***的性能。另外，激光雷达也存在着价格昂贵等劣势。激光雷达的测量精度与其雷达线束的多少有关，线束越多，测量精度越精准。但同时，线束越多，其价格也越昂贵。目前，虽然低成本化是激光雷达的一大趋势，但出于对驾驶安全性的考虑，高价激光雷达仍然占据主流。
针对上述车辆进行准确定位时的投入成本较高的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种目标车道的确定方法和装置，以至少解决车辆进行准确定位时的投入成本较高的技术问题。
根据本发明实施例的一个方面，提供了一种目标车道的确定方法，包括：对车辆的行驶路面进行图像采集得到行驶路面的图像信息；从图像信息中识别出行驶路面的第一车道信息，其中，第一车道信息包括用于指示车辆在行驶路面的车道位置的第一车道和第一车道的特征；通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，其中，至少一个第二车道和至少一个第二车道的特征为从地图中获取的，至少一个第二车道包括目标车道。
根据本发明实施例的另一方面，还提供了一种目标车道的确定装置，包括：采集单元，用于对车辆的行驶路面进行图像采集得到行驶路面的图像信息；识别单元，用于从图像信息中识别出行驶路面的第一车道信息，其中，第一车道信息包括用于指示车辆在行驶路面的车道位置的第一车道和第一车道的特征；第一确定单元，用于通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，其中，至少一个第二车道和至少一个第二车道的特征为从地图中获取的，至少一个第二车道包括目标车道。
在本发明实施例中，通过对行驶路面的图像信息进行图像处理识别出第一车道信息，然后将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，仅通过目前的自动行驶车辆的已有设备即可实现车辆的横向定位，确定其实际所在的车道，可以解决了车辆进行准确定位时的投入成本较高的技术问题，进而达到对车辆进行准确定位并降低成本的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的目标车道的确定方法的硬件环境的示意图；
图2是根据本发明实施例的一种可选的目标车道的确定方法的流程图；
图3是根据本发明实施例的一种可选的目标车道的确定方法的流程图；
图4是根据本发明实施例的一种可选的图像处理的示意图；
图5是根据本发明实施例的一种可选的图像处理的示意图；
图6是根据本发明实施例的一种可选的车道的示意图；
图7是根据本发明实施例的一种可选的目标车道的确定装置的示意图；
图8是根据本发明实施例的一种可选的目标车道的确定装置的示意图；以及
图9是根据本发明实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本发明实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：
高精度地图：相较于传统二维导航地图而言，首先它的精度要达到分米级甚至是厘米级，其次它要包含各种各样的道路信息，除了车道类型、道路标识、交通标志、限速等信息外，还包含道路倾斜、弯道等形状的3D信息。
横向定位：车辆的横向定位是指垂直于车辆行进方向上的定位，例如车辆是在哪条车道上行驶，以及相较于车道线的具***置。
实施例1
根据本发明实施例，提供了一种目标车道的确定方法的方法实施例。
可选地，在本实施例中，上述方法可以应用于如图1所示的由服务器102和终端104所构成的硬件环境中。如图1所示，服务器102通过网络与终端104进行连接，上述网络包括但不限于：广域网、城域网或局域网，终端104并不限定于PC、手机、平板电脑等。本发明实施例的方法可以由服务器102来执行，也可以由终端104来执行，还可以是由服务器102和终端104共同执行。其中，终端104执行本发明实施例的方法也可以是由安装在其上的客户端来执行。
上述的终端为车载终端，如车载电脑、在车上使用的手机、平板电脑等，上述的方法可以直接应用在该车载终端上，具体可以客户端的形式存在，如在客户端中实现本申请的上述算法，也可以由车上的几个智能终端协同完成该方法，本申请对此不做限定。
图2是根据本发明实施例的一种可选的目标车道的确定方法的流程图，如图2所示，该方法可以包括以下步骤：
步骤S202，对车辆的行驶路面进行图像采集得到行驶路面的图像信息；
步骤S204，从图像信息中识别出行驶路面的第一车道信息，第一车道信息包括用于指示车辆在行驶路面的车道位置的第一车道和第一车道的特征；
步骤S206，通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，至少一个第二车道和至少一个第二车道的特征为从地图中获取的，至少一个第二车道包括目标车道。
通过上述步骤S202至步骤S206，通过对行驶路面的图像信息进行图像处理识别出第一车道信息，然后将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，仅通过目前的自动行驶车辆的已有设备即可实现车辆的横向定位，确定其实际所在的车道，可以解决了车辆进行准确定位时的投入成本较高的技术问题，进而达到对车辆进行准确定位并降低成本的技术效果。
上述的行驶路面为车辆当前行驶的路面；上述的图像信息为具有行驶路面的各个特征的图像，如彩色或者黑白图片、彩色或者黑白视频、热成像图片等；上述的特征包括车道线特征、车道宽度、车道类型、道路标识、交通标志、限速标识等，车道线特征至少包括虚线、实线；上述的车辆可以为自动行驶车、各类型的机动车等。
上述的第一车道信息所指示的第一车道可以为车辆实际行驶的车道，也可以是和车辆实际行驶的车道具有相对位置关系的任意车道。
本申请的上述方法主要用于车辆的横向定位，包括但不局限于用于自动行驶车辆的横向定位。
需要说明的是，由于车辆可能存在压线(即车道线)的情况下，为了便于描述，在本申请中，在车辆压线的情况下，只要车辆的宽度在某一车道中达到了50％，即可认为车辆处于该车道中。
无人驾驶汽车自有汽车工业以来，便一直是各国汽车产业菁英所极力挑战的热门项目之一。由于无人驾驶汽车在危险工作环境，以至于军事上应用的具有无穷的应用前景，亦吸引各国政府的投入，无奈由于计算机运算能力与控制***设计的问题，目前自动驾驶的车辆，均局限于封闭的场所或是特定目的使用，随着技术的发展，近年来，众多汽车公司开始不约而同地展示自动驾驶的科技，甚至有一些汽车大厂更预言在2020年就可以将此技术普及。
对于无人驾驶汽车，定位的准确与否直接影响行驶的安全性，相关技术方案中均为无人驾驶汽车定位的完全定位解决方案，既包括横向定位，也包括纵向定位，并且都隐含了GPS/BDS的应用。本申请的技术方案专注于解决无人驾驶汽车的横向定位，弱化了GPS/BDS的应用相关的描述，在GPS/BDS定位精度不高时，是对GPS/BDS定位的一种辅助。对于无人驾驶汽车而言，车辆的横向定位相较于纵向定位来说更为基础和重要，尤其是在车辆行驶过程中更是如此。这是因为无人驾驶汽车是按照预先在高精度地图上规划好的路径行驶的，路径至少要精确到车道级。只要车辆没有遇到突发情况或路口，就可一直沿着该路径行驶下去，因此在纵向行驶方向上，车辆相较于其实际位置超前一些或是滞后一些，都对无人驾驶汽车影响不大，但是在横向上就需要有精确的位置信息提供给车辆，车辆只有知道当前所在车道的具***置，才能决策和规划下一步的行驶动作。利用本申请的技术方案，可以实现车辆在横向位置上的准确定位，下面结合图2详述本申请的实施例：
在步骤S202提供的技术方案中，在对车辆的行驶路面进行图像采集得到行驶路面的图像信息时，可以利用车载相机采集车辆行驶路面的图片或者视频；还可以利用车载热成像仪采集车辆行驶路面的热成像图。
例如，可以将检测车道线的摄像头安装于车辆的前方，一般安装于前挡风玻璃上沿中间的位置，使摄像头尽量平行于路面并使光轴指向行驶的正前方，这样道路的灭点在视频图像的中心附近，车辆两侧的车道线都可落在视频图像中。优选地，选择摄像头的等效焦距不应过大，以保证足够的视角将车辆两侧的车道线拍摄进去。
需要说明的是，一旦图像采集装置(如摄像头)在车辆上安装固定之后，那么采集装置的采集区域也就确定了，也即车辆在采集区域中的车道位置是相对固定的，例如对于上述安装在车辆正前方中心的摄像头，若其采集宽度为5条车道，那么采集宽度的中间位置所在的车道即车辆所在的车道。
在步骤S204提供的技术方案中，在从图像信息中识别出行驶路面的第一车道信息时，可对图像信息进行正射投影处理；从经过正射投影处理后的图像信息进行特征提取；将经过特征提取后的图像信息进行透视反投影处理。
在上述的透视投影图像中，车道线与线型干扰物不易分辨出来，尤其是虚线类型的车道线，在图像中往往以短线段形式出现，这样很难和一些线状的干扰物完全区分开来。正射投影处理过后，虚线类型的车道线被映射成长线段并与其它车道线相平行，如图5所示，而线状干扰物相较于其它车道线或是不平行或是间距有异常，这样就很容易的将其剔除。
通过上述的图像处理，可以识别出图像中的每条车道和每条车道的车道线特征(如虚实线、线宽等)。
在从图像信息中识别出行驶路面的第一车道信息时，可以识别出图像中的一个或者多个车道(即第一车道)，通过这一个或者多个车道来确定目标车道，优选地，为了提高识别准确度，可以识别出图像中的全部第一车道，这样，通过比较多个车道的特征，可以更为准确的确定车辆实际所在的车道。
在步骤S206提供的技术方案中，在通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道之前，可以通过如下方式获取第二车道的特征：获取车辆的卫星定位信息，也即通过车载GPS/BDS/GLONASS等卫星定位***获取车辆的卫星定位信息，受限于定位准确度、环境等因素的影响，卫星定位信息仅可较为粗略的表示车辆当前的位置，其精确度较低，因此需要进一步进行本申请的精确定位；根据卫星定位信息获取行驶路面所在路段的地图，地图中携带有至少一个第二车道和至少一个第二车道的特征。
上述使用到的地图为高精度地图，获取行驶路面所在路段的地图可以在车载地图中定位到具体路段的地图；也可以通过在线获取的方式从互联网的高精度地图中获取行驶路面所在路段的地图。
上述的车道的特征主要包括车道线特征和车道宽度，在通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道时，可以通过如下方式实现：从至少一个第二车道中查找车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道，第三车道为第一车道在地图中对应的车道，例如，从第二车道中查找到车道线为实线，车道宽度为3米的第三车道；确定至少一个第二车道中与第三车道具有相对位置关系的车道为车辆在地图中的目标车道，相对位置关系是车辆在行驶路面上的行驶车道与第一车道之间的位置关系，例如，识别出的第一车道为车辆实际行驶车道左侧的车道，那么地图中第三车道左侧的车道即为目标车道。
可选地，在第一车道为一个的情况下，若只考虑车道虚实线的特征可能难以匹配到唯一结果，因此，还可以比对虚实线的宽度等特征，以便于根据一条车道特征匹配到唯一结果。
可选地，在第一车道和第二车道为多个，且多个第一车道包括车辆在行驶路面上的行驶车道的情况下，在从至少一个第二车道中查找车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道时，在多个第二车道中查找到数量和特征与多个第一车道匹配的多个第四车道。
也即在图片中识别出的是多个第一车道，一般情况下这多个第一车道为相互邻接的车道，例如，为连续的三个车道，而路宽实际为五个车道，那么可以将这三个车道与五个车道进行匹配，匹配的过程中可以用这三个车道的最左侧的车道线对准五个车道的最左侧的车道线进行匹配，每次匹配完成后向右移动一条车道继续进行匹配，直至找到五个车道中与这三个车道特征完全一致的连续的三个车道；同理，也可以从最右侧的车道线开始匹配。
在从至少一个第二车道中查找车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道时，可判断至少一个第二车道中的任一车道的车道线特征与第一车道的车道线特征是否相同，即判断是否均为实线或者均为虚线；由于车道宽度可能存在一定的误差，因此在比较车道宽度时，可判断任一车道的车道宽度与第一车道的车道宽度之间的差值是否小于预设值；在判断出任一车道的车道线特征与第一车道的车道线特征相同，且任一车道的车道宽度与第一车道的车道宽度之间的差值小于预设值的情况下，确定任一车道为车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道。
在确定至少一个第二车道中与第三车道具有相对位置关系的车道为车辆在地图中的目标车道时，根据车辆在行驶路面上的行驶车道在多个第一车道中的位置，在多个第四车道中确定目标车道。例如，识别了三个第一车道，行驶车道为这三个相邻的第一车道中处于中间位置的车道，确定了上述的五个车道中与这三个第一车道匹配的连续的三个车道(即第四车道)之后，即可以确定三个第四车道中处于中间位置的车道为目标车道。
需要说明的是，上述目标车道具有用于指示确定准确度的第一置信度，在通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道之后，获取定位传感器对车辆进行定位得到的车辆在地图中的第五车道，第五车道具有用于指示定位准确度的第二置信度；从目标车道和第五车道中选择置信度满足预设条件的车道为车辆在地图中的实际车道，预设条件为用于确定车辆在地图中的实际车道的筛选条件。
在车辆的智能行驶***中，可以参考多个传感器的定位结果，将各个传感器的定位结果依据置信度融合在一起，最终确定车辆的具***置，例如，以置信度较高的车道为最终的结果；在多个置信度比较接近的情况下，若其中多个置信度对应于同一个车道，那么可以将该车道作为最终识别结果，按照该结果来控制车辆的行驶，可以提高车辆行驶的安全性。
可选地，在本申请的技术方案中，除了可以通过上述的方法确定车辆的行驶车道外，还可以更为具体的对车辆的横向位置进行定位，在从图像信息中识别出行驶路面的第一车道信息之后，可以根据图像信息在车道方向上的中心线的位置(也即车辆在图像中的相对位置)和第一车道的车道线的位置确定车辆与第一车道的车道线之间的距离。
例如，若摄像头安装于车辆的前方的中心位置，那么其采集宽度中的中间位置即为车辆所在的位置，也即对于任意采集到的图像，该图像在横向上的中心位置即车辆的位置，在识别出车道线之后，即可根据该中心位置、车道线、车宽计算出车辆与车道线的间距。以便于控制车辆在横向上的移动。若摄像头不是安装在车辆的中心位置，由于摄像头与车辆中心位置间的距离是确定的，也可以采用上述的方法实现。
本申请的技术方案可应用于无人驾驶汽车的定位需求，可以和其它车辆定位方案一起融合，整体提高车辆定位的精度和稳定性，也可用于ADAS(高级辅助驾驶***)的车道保持及变道提醒中，保证车辆的安全驾驶。
下面结合具体的实施方式详述本申请的实施例：
对于无人驾驶而言，除了高精度地图以外，业内普遍认为定位、感知、决策与控制是无人驾驶汽车构成的四大模块。传统的车辆自定位通过一个普通的GPS即可完成，一般它的精度在1～10m左右，这样的精度就连主路还是辅路、桥上还是桥下等都是无法分辨清楚的，更不用说是哪条车道了，而在自动驾驶中，为了达到较高的定位精度，常见的一种方案是通过高精度的差分“GPS+惯导IMU+地面基站”联合完成，但动辄几十万的硬件成本压力，在现有情况下很难完成自动驾驶车辆的量产需求。本申请所采用的技术方案相较于前一种技术方案，成本得到了极大的控制，它由“高精度地图+普通GPS+摄像头”联合完成。
普通GPS负责粗定位，它的定位精度一般在1～10m左右，这样的定位精度不足以满足无人驾驶车辆的需求，但是足以通过它来定位车辆周围高精度地图中一段道路数据，作为车辆定位的参考。接下来利用摄像头检测出的车道线进行的精确定位，即是在这段道路数据中找寻最佳匹配的位置。下面结合图3所示的步骤详述该实施方式，具体的定位步骤如下：
步骤S302，通过GPS获取车辆当前位置的坐标。
步骤S304，由当前位置的坐标确定车辆周围一段高精度地图中的道路信息，包括共几条车道线及每条车道线的线型和相距宽度。
步骤S306，摄像头检测出当前车辆左右两侧最近的各二条车道线(共四条车道线，如果有的话)，并且判断各条车道线的线型。
步骤S308，将检测出的车道线线型依次与之前获得的高精度地图中的车道线线型进行比对，由此确定车辆当前所在车道的位置。
步骤S310，当车辆变道时，车辆距离左右两侧车道线的距离会发生突变，据此更新车辆所载车道的位置。
步骤S312，对于当前定位的车辆横向位置，依据与先前对比的位置变化及检出车道线的长度赋以置信度。
步骤S314，当置信度值大于某一阈值时，执行车道保持策略，从而暂停车道线比对。
而当置信度小于等于某一阈值时，重复上述步骤。
在上述的步骤S306中，可以按照如图4所示的方式进行图像处理：视频图像截取、图像彩色转灰度、图像平滑去噪、图像Gamma校正、图像二值化处理、形态学修补、骨架提取、Hough滤波、正射投影、车道线矫正、Hough提取车道线、透视反投影、车道线融合、Kalman滤波、缺失车道线估计、车道线虚实判断以及车辆位置估计。
在视频图像(如图5中子图a所示)中，不仅包含道路部分的影像，还包含有道路两侧景物及天空影像，因此车道线检测的第一步即是截取视频图像(如图5中子图b所示)，只保留感兴趣部分区域。然后将彩色图像变换成灰度图像，接着采用双边滤波法对图像进行平滑去噪。为提高对不同光线图像的适应性，在对图像进行二值化之前，先对图像进行Gamma校正。图像二值化(如图5中子图c所示)之后，先利用形态学操作修补空洞，平滑边界，再通过骨架提取算法提取车道线中心线(如图5中子图d所示)，在此基础上利用Hough变换结果进行局部滤波，去除干扰和毛刺。这时得到的是车道线的透视投影图像(如图5中子图e所示)，依据相机内外参数将其变换为正射投影图像(如图5中子图f所示)，再经形态学平滑和骨架提取，便得到车道线的正视图。在正视图中，先做车道线矫正，这主要是为处理弯道，接着Hough变换提取车道线(如图5中子图g所示)，再依据车道线之间的距离约束，去掉错误提取的车道线(如图5中子图h所示)。最后，将剩余的车道线反投影回透视投影图像中，并与先前的透视投影图像中的车道线进行融合，得到最终的检测车道线。
为了输出连续稳定的车道线，可对每一条车道线进行Kalman滤波处理，并对由于遮挡等原因而短暂缺失的车道线进行位置估计。最后，基于连续帧图像中的车道线的连续性及车道线的长度，判断每条车道线的虚实。
在步骤S308提高的实施例中，道路的车道线布局形如图6所示，将车道线用0和1进行编码，即车道线为虚线时标记为0，车道线为实线时标记为1，那么一条拥有5条车道(即编码为1至5的车道)的道路可以用100001来表示，道路的这些信息是由高精度地图提供的。类似地，由摄像头检测出的车道线同样对其进行编码，例如，检出四条车道线的编码为1000，其中前两位10代表车辆左侧的两条车道线，后两位00代表车辆右侧的两条车道线，那么车辆当前的纵向位置即在第2条车道内。类似的，当检出的四条车道线编码为0000时，车辆当前的纵向位置即在第3条车道内。
车辆的定位是车辆实现自动驾驶的关键技术之一，车辆需要通过定位它的相对位置来精确感知它的周围环境。本申请涉及一种基于高精度地图的横向定位方法，所谓横向定位，是指垂直于车辆行进方向上的定位，例如车辆是在某一车道上行驶，以及相较于车道线的具***置。它作为对GPS/BDS定位的一种辅助或替代，在卫星信号不好或无法获得的情况下，可以有效提高车辆定位的精度。已知当前道路车道线的高精度数据，包括车道线的线型(虚线或实线)，车道线与车道线之间的相对位置及宽度等信息后，通过安装在车辆前端的摄像头实时检测并识别到的多条车道线信息与已知的信息相匹配，从而定位出车辆在道路上的哪条车道上行驶，以及相较于车道线的具***置。
需要说明的是，对于前述的各方法实施例，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，本发明并不受所描述的动作顺序的限制，因为依据本发明，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，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述目标车道的确定方法的目标车道的确定装置。图7是根据本发明实施例的一种可选的目标车道的确定装置的示意图，如图7所示，该装置可以包括：采集单元72、识别单元74以及第一确定单元76。
采集单元72，用于对车辆的行驶路面进行图像采集得到行驶路面的图像信息；
识别单元74，用于从图像信息中识别出行驶路面的第一车道信息，其中，第一车道信息包括用于指示车辆在行驶路面的车道位置的第一车道和第一车道的特征；
第一确定单元76，用于通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，其中，至少一个第二车道和至少一个第二车道的特征为从地图中获取的，至少一个第二车道包括目标车道。
需要说明的是，该实施例中的采集单元72可以用于执行本申请实施例1中的步骤S202，该实施例中的识别单元74可以用于执行本申请实施例1中的步骤S204，该实施例中的第一确定单元76可以用于执行本申请实施例1中的步骤S206。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
通过上述模块，通过对行驶路面的图像信息进行图像处理识别出第一车道信息，然后将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，仅通过目前的自动行驶车辆的已有设备即可实现车辆的横向定位，确定其实际所在的车道，可以解决了车辆进行准确定位时的投入成本较高的技术问题，进而达到对车辆进行准确定位并降低成本的技术效果。
上述的行驶路面为车辆当前行驶的路面；上述的图像信息为具有行驶路面的各个特征的图像，如彩色或者黑白图片、彩色或者黑白视频、热成像图片等；上述的特征包括车道线特征、车道宽度等，车道线特征至少包括虚线、实线；上述的车辆可以为自动行驶车、各类型的机动车等。
上述的第一车道信息所指示的第一车道可以为车辆实际行驶的车道，也可以是和车辆实际行驶的车道具有相对位置关系的任意车道。
本申请的上述装置主要用于车辆的横向定位，包括但不局限于用于自动行驶车辆的横向定位。
需要说明的是，由于车辆可能存在压线(即车道线)的情况下，为了描述方便，在本申请中，在车辆压线的情况下，只要车辆的宽度在某一车道中达到了50％，即可认为车辆处于该车道中。
无人驾驶汽车自有汽车工业以来，便一直是各国汽车产业菁英所极力挑战的热门项目之一。由于无人驾驶汽车对于危险工作环境，以至于军事上应用的无穷潜力，亦吸引各国政府的投入，无奈由于计算机运算能力与控制***设计的问题，目前自动驾驶的车辆，均局限于封闭的场所或是特定目的使用，随着技术的发展，近年来，众多汽车公司开始不约而同地展示自动驾驶的科技，甚至有一些汽车大厂更预言在2020年就可以将此技术普及。
可选地，识别单元包括：第一处理模块，用于对图像信息进行正射投影处理；提取模块，用于从经过正射投影处理后的图像信息进行特征提取；第二处理模块，用于将经过特征提取后的图像信息进行透视反投影处理。
通过上述的图像处理，可以识别出图像中的每条车道和每条车道的车道线特征(如虚实线、线宽等)。
可选地，如图8所示，本申请的装置还可以包括：第二获取单元82，用于在通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道之前，获取车辆的卫星定位信息；第三获取单元84，用于根据卫星定位信息获取行驶路面所在路段的地图，其中，地图中携带有至少一个第二车道和至少一个第二车道的特征。
上述使用到的地图为高精度地图，获取行驶路面所在路段的地图可以在车载地图中定位到具体路段的地图；也可以通过在线获取的方式从互联网的高精度地图中获取行驶路面所在路段的地图。
可选地，上述的车道的特征主要包括车道线特征和车道宽度，第一确定单在通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道时，可以通过如下模块实现：查找模块，用于从至少一个第二车道中查找车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道，其中，第三车道为第一车道在地图中对应的车道；确定模块，用于确定至少一个第二车道中与第三车道具有相对位置关系的车道为车辆在地图中的目标车道，其中，相对位置关系是车辆在行驶路面上的行驶车道与第一车道之间的位置关系。
可选地，在第一车道和第二车道为多个，且多个第一车道包括车辆在行驶路面上的行驶车道的情况下，查找模块在从至少一个第二车道中查找车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道时，在多个第二车道中查找到数量和特征与多个第一车道匹配的多个第四车道。
此时，确定模块根据车辆在行驶路面上的行驶车道在多个第一车道中的位置，在多个第四车道中确定目标车道。例如，识别了三个第一车道，行驶车道为这三个相邻的第一车道中处于中间位置的车道，确定了上述的五个车道中与这三个第一车道匹配的连续的三个车道(即第四车道)之后，即可以确定三个第四车道中处于中间位置的车道为目标车道。
也即在图片中识别出的是多个第一车道，一般情况下这多个第一车道为相互邻接的车道，例如，为连续的三个车道，而路宽实际为五个车道，那么可以将这三个车道与五个车道进行匹配，匹配的过程中可以用这三个车道的最左侧的车道线对准五个车道的最左侧的车道线进行匹配，每次匹配完成后向右移动一条车道继续进行匹配，直至找到五个车道中与这三个车道特征完全一致的连续的三个车道；同理，也可以从最右侧的车道线开始匹配。
具体地，上述的查找模块包括：第一判断子模块，用于判断至少一个第二车道中的任一车道的车道线特征与第一车道的车道线特征是否相同；第二判断子模块，用于判断任一车道的车道宽度与第一车道的车道宽度之间的差值是否小于预设值；其中，在判断出任一车道的车道线特征与第一车道的车道线特征相同，且任一车道的车道宽度与第一车道的车道宽度之间的差值小于预设值的情况下，确定任一车道为车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道。
上述的目标车道具有用于指示确定准确度的第一置信度，该装置还可以包括：第一获取单元，用于在通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道之后，获取定位传感器对车辆进行定位得到的车辆在地图中的第五车道，其中，第五车道具有用于指示定位准确度的第二置信度；选择单元，用于从目标车道和第五车道中选择置信度满足预设条件的车道为车辆在地图中的实际车道。
在车辆的智能行驶***中，可以参考多个传感器的定位结果，并以其中置信度较高的为最终的结果，按照该结果来控制车辆的行驶，可以提高车辆行驶的安全性。
可选地，在本申请的技术方案中，除了可以通过上述的方法确定车辆的行驶车道外，还可以更为具体的对车辆的横向位置进行定位，具体可以根据该装置的第二确定单元实现，第二确定单元在从图像信息中识别出行驶路面的第一车道信息之后，根据图像信息在车道方向上的中心线的位置和第一车道的车道线的位置确定车辆与第一车道的车道线之间的距离。
车辆的定位是车辆实现自动驾驶的关键技术之一，车辆需要通过定位它的相对位置来精确感知它的周围环境。本申请涉及一种基于高精度地图的横向定位方式，所谓横向定位，是指垂直于车辆行进方向上的定位，例如车辆是在某一车道上行驶，以及相较于车道线的具***置。它作为对GPS/BDS定位的一种辅助或替代，在卫星信号不好或无法获得的情况下，可以有效提高车辆定位的精度。已知当前道路车道线的高精度数据，包括车道线的线型(虚线或实线)，车道线与车道线之间的相对位置及宽度等信息后，通过安装在车辆前端的摄像头实时检测并识别到的多条车道线信息与已知的信息相匹配，从而定位出车辆在道路上的哪条车道上行驶，以及相较于车道线的具***置。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
实施例3
根据本发明实施例，还提供了一种用于实施上述目标车道的确定方法的服务器或终端。
图9是根据本发明实施例的一种终端的结构框图，如图9所示，该终端可以包括：一个或多个(图中仅示出一个)处理器901、存储器903、以及传输装置905(如上述实施例中的发送装置)，如图9所示，该终端还可以包括输入输出设备907。
其中，存储器903可用于存储软件程序以及模块，如本发明实施例中的方法和装置对应的程序指令/模块，处理器901通过运行存储在存储器903内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器903可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器903可进一步包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置905用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置905包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置905为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器903用于存储应用程序。
处理器901可以通过传输装置905调用存储器903存储的应用程序，以执行下述步骤：对车辆的行驶路面进行图像采集得到行驶路面的图像信息；从图像信息中识别出行驶路面的第一车道信息，其中，第一车道信息包括用于指示车辆在行驶路面的车道位置的第一车道和第一车道的特征；通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，其中，至少一个第二车道和至少一个第二车道的特征为从地图中获取的，至少一个第二车道包括目标车道。
处理器901还用于执行下述步骤：从至少一个第二车道中查找车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道，其中，第三车道为第一车道在地图中对应的车道；确定至少一个第二车道中与第三车道具有相对位置关系的车道为车辆在地图中的目标车道，其中，相对位置关系是车辆在行驶路面上的行驶车道与第一车道之间的位置关系。
采用本发明实施例，通过对行驶路面的图像信息进行图像处理识别出第一车道信息，然后将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，仅通过目前的自动行驶车辆的已有设备即可实现车辆的横向定位，确定其实际所在的车道，可以解决了车辆进行准确定位时的投入成本较高的技术问题，进而达到对车辆进行准确定位并降低成本的技术效果。
可选地，本实施例中的具体示例可以参考上述实施例1和实施例2中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图9所示的结构仅为示意，终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图9其并不对上述电子装置的结构造成限定。例如，终端还可包括比图9中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图9所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
实施例4
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
S11，对车辆的行驶路面进行图像采集得到行驶路面的图像信息；
S12，从图像信息中识别出行驶路面的第一车道信息，其中，第一车道信息包括用于指示车辆在行驶路面的车道位置的第一车道和第一车道的特征；
S13，通过将第一车道的特征与行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定车辆在地图中的目标车道，其中，至少一个第二车道和至少一个第二车道的特征为从地图中获取的，至少一个第二车道包括目标车道。
可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：
S21，从至少一个第二车道中查找车道线特征和车道宽度与第一车道的车道线特征和车道宽度匹配的第三车道，其中，第三车道为第一车道在地图中对应的车道；
S22，确定至少一个第二车道中与第三车道具有相对位置关系的车道为车辆在地图中的目标车道，其中，相对位置关系是车辆在行驶路面上的行驶车道与第一车道之间的位置关系。
可选地，本实施例中的具体示例可以参考上述实施例1和实施例2中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1.一种目标车道的确定方法，其特征在于，包括：
对车辆的行驶路面进行图像采集得到所述行驶路面的图像信息；
从所述图像信息中识别出所述行驶路面的第一车道信息，其中，所述第一车道信息包括用于指示所述车辆在所述行驶路面的车道位置的第一车道和所述第一车道的特征；
通过将所述第一车道的特征与所述行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定所述车辆在所述地图中的目标车道，其中，至少一个所述第二车道和至少一个所述第二车道的特征为从所述地图中获取的，至少一个所述第二车道包括所述目标车道；
当所述车辆变道时，根据所述车辆距离左右两侧车道线的距离更新所述车辆所在车道的位置；依据所述车辆所在车道的位置的变化及检出的车道线的长度为当前定位的车辆横向位置赋以置信度；当所述置信度值大于预定阈值时，执行车道保持策略，暂停车道线比对；
其中，从所述图像信息中识别出所述行驶路面的第一车道信息包括：对所述图像信息进行正射投影处理，其中，所述正射投影处理过后，虚线类型的车道线被映射成长线段并与其它车道线相平行，线状干扰物相较于其它车道线或是不平行或是间距有异常；从经过正射投影处理后的所述图像信息进行特征提取；将经过特征提取后的所述图像信息进行透视反投影处理。
2.根据权利要求1所述的方法，其特征在于，车道的特征包括车道线特征和车道宽度，其中，通过将所述第一车道的特征与所述行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定所述车辆在所述地图中的目标车道包括：
从至少一个所述第二车道中查找车道线特征和车道宽度与所述第一车道的车道线特征和车道宽度匹配的第三车道，其中，所述第三车道为所述第一车道在所述地图中对应的车道；
确定至少一个所述第二车道中与所述第三车道具有相对位置关系的车道为所述车辆在所述地图中的所述目标车道，其中，所述相对位置关系是所述车辆在所述行驶路面上的行驶车道与所述第一车道之间的位置关系。
3.根据权利要求2所述的方法，其特征在于，从至少一个所述第二车道中查找车道线特征和车道宽度与所述第一车道的车道线特征和车道宽度匹配的第三车道包括：
判断至少一个所述第二车道中的任一车道的车道线特征与所述第一车道的车道线特征是否相同；
判断所述任一车道的车道宽度与所述第一车道的车道宽度之间的差值是否小于预设值；
其中，在判断出所述任一车道的车道线特征与所述第一车道的车道线特征相同，且所述任一车道的车道宽度与所述第一车道的车道宽度之间的差值小于所述预设值的情况下，确定所述任一车道为车道线特征和车道宽度与所述第一车道的车道线特征和车道宽度匹配的所述第三车道。
4.根据权利要求2所述的方法，其特征在于，
从至少一个所述第二车道中查找车道线特征和车道宽度与所述第一车道的车道线特征和车道宽度匹配的第三车道包括：在所述第一车道和所述第二车道为多个，且多个所述第一车道包括所述车辆在所述行驶路面上的行驶车道的情况下，在多个所述第二车道中查找到数量和特征与多个所述第一车道匹配的多个第四车道；
确定至少一个所述第二车道中与所述第三车道具有相对位置关系的车道为所述车辆在所述地图中的所述目标车道包括：根据所述车辆在所述行驶路面上的行驶车道在多个所述第一车道中的位置，在多个所述第四车道中确定所述目标车道。
5.根据权利要求1所述的方法，其特征在于，在从所述图像信息中识别出所述行驶路面的第一车道信息之后，所述方法还包括：
根据所述图像信息在车道方向上的中心线的位置和所述第一车道的车道线的位置确定所述车辆与所述第一车道的车道线之间的距离。
6.根据权利要求1所述的方法，其特征在于，所述目标车道具有用于指示确定准确度的第一置信度，其中，在通过将所述第一车道的特征与所述行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定所述车辆在所述地图中的目标车道之后，所述方法包括：
获取定位传感器对所述车辆进行定位得到的所述车辆在所述地图中的第五车道，其中，所述第五车道具有用于指示定位准确度的第二置信度；
从所述目标车道和所述第五车道中选择置信度满足预设条件的车道为所述车辆在所述地图中的实际车道，其中，所述预设条件为用于确定所述车辆在所述地图中的实际车道的条件。
7.根据权利要求1所述的方法，其特征在于，在通过将所述第一车道的特征与所述行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定所述车辆在所述地图中的目标车道之前，所述方法还包括：
获取所述车辆的卫星定位信息；
根据所述卫星定位信息获取所述行驶路面所在路段的所述地图，其中，所述地图中携带有至少一个所述第二车道和至少一个所述第二车道的特征。
8.一种目标车道的确定装置，其特征在于，包括：
采集单元，用于对车辆的行驶路面进行图像采集得到所述行驶路面的图像信息；
识别单元，用于从所述图像信息中识别出所述行驶路面的第一车道信息，其中，所述第一车道信息包括用于指示所述车辆在所述行驶路面的车道位置的第一车道和所述第一车道的特征；
第一确定单元，通过将所述第一车道的特征与所述行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定所述车辆在所述地图中的目标车道，其中，至少一个所述第二车道和至少一个所述第二车道的特征为从所述地图中获取的，至少一个所述第二车道包括所述目标车道；
所述装置还用于：当所述车辆变道时，根据所述车辆距离左右两侧车道线的距离更新所述车辆所在车道的位置；依据所述车辆所在车道的位置的变化及检出的车道线的长度为当前定位的车辆横向位置赋以置信度；当所述置信度值大于预定阈值时，执行车道保持策略，暂停车道线比对；
所述识别单元包括：第一处理模块，用于对所述图像信息进行正射投影处理，其中，所述正射投影处理过后，虚线类型的车道线被映射成长线段并与其它车道线相平行，线状干扰物相较于其它车道线或是不平行或是间距有异常；提取模块，用于从经过正射投影处理后的所述图像信息进行特征提取；第二处理模块，用于将经过特征提取后的所述图像信息进行透视反投影处理。
9.根据权利要求8所述的装置，其特征在于，车道的特征包括车道线特征和车道宽度，其中，所述第一确定单元包括：
查找模块，用于从至少一个所述第二车道中查找车道线特征和车道宽度与所述第一车道的车道线特征和车道宽度匹配的第三车道，其中，所述第三车道为所述第一车道在所述地图中对应的车道；
确定模块，用于确定至少一个所述第二车道中与所述第三车道具有相对位置关系的车道为所述车辆在所述地图中的所述目标车道，其中，所述相对位置关系是所述车辆在所述行驶路面上的行驶车道与所述第一车道之间的位置关系。
10.根据权利要求9所述的装置，其特征在于，所述查找模块包括：
第一判断子模块，用于判断至少一个所述第二车道中的任一车道的车道线特征与所述第一车道的车道线特征是否相同；
第二判断子模块，用于判断所述任一车道的车道宽度与所述第一车道的车道宽度之间的差值是否小于预设值；
其中，在判断出所述任一车道的车道线特征与所述第一车道的车道线特征相同，且所述任一车道的车道宽度与所述第一车道的车道宽度之间的差值小于所述预设值的情况下，确定所述任一车道为车道线特征和车道宽度与所述第一车道的车道线特征和车道宽度匹配的所述第三车道。
11.根据权利要求9所述的装置，其特征在于，
所述查找模块还用于在所述第一车道和所述第二车道为多个，且多个所述第一车道包括所述车辆在所述行驶路面上的行驶车道的情况下，在多个所述第二车道中查找到数量和特征与多个所述第一车道匹配的多个第四车道；
所述确定模块还用于根据所述车辆在所述行驶路面上的行驶车道在多个所述第一车道中的位置，在多个所述第四车道中确定所述目标车道。
12.根据权利要求8所述的装置，其特征在于，所述装置还包括：
第二确定单元，用于在从所述图像信息中识别出所述行驶路面的第一车道信息之后，根据所述图像信息在车道方向上的中心线的位置和所述第一车道的车道线的位置确定所述车辆与所述第一车道的车道线之间的距离。
13.根据权利要求8所述的装置，其特征在于，所述目标车道具有用于指示确定准确度的第一置信度，其中，所述装置包括：
第一获取单元，用于在通过将所述第一车道的特征与所述行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定所述车辆在所述地图中的目标车道之后，获取定位传感器对所述车辆进行定位得到的所述车辆在所述地图中的第五车道，其中，所述第五车道具有用于指示定位准确度的第二置信度；
选择单元，用于从所述目标车道和所述第五车道中选择置信度满足预设条件的车道为所述车辆在所述地图中的实际车道，其中，所述预设条件为用于确定所述车辆在所述地图中的实际车道的条件。
14.根据权利要求8所述的装置，其特征在于，所述装置还包括：
第二获取单元，用于在通过将所述第一车道的特征与所述行驶路面所在地图中的至少一个第二车道的特征进行特征匹配确定所述车辆在所述地图中的目标车道之前，获取所述车辆的卫星定位信息；
第三获取单元，用于根据所述卫星定位信息获取所述行驶路面所在路段的所述地图，其中，所述地图中携带有至少一个所述第二车道和至少一个所述第二车道的特征。
15.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
CN201710073556.7A 2017-02-07 2017-02-07 目标车道的确定方法和装置 Active CN108303103B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201710073556.7A CN108303103B (zh) 2017-02-07 2017-02-07 目标车道的确定方法和装置
JP2019524866A JP6843990B2 (ja) 2017-02-07 2018-02-02 車道の決定方法、装置及び記憶媒体
KR1020197018486A KR20190090393A (ko) 2017-02-07 2018-02-02 차선 결정 방법, 디바이스 및 저장 매체
PCT/CN2018/075052 WO2018145602A1 (zh) 2017-02-07 2018-02-02 车道的确定方法、装置及存储介质
EP18750637.3A EP3534114B1 (en) 2017-02-07 2018-02-02 Lane determination method, device and storage medium
KR1020217000555A KR102266830B1 (ko) 2017-02-07 2018-02-02 차선 결정 방법, 디바이스 및 저장 매체
US16/439,496 US11094198B2 (en) 2017-02-07 2019-06-12 Lane determination method, device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710073556.7A CN108303103B (zh) 2017-02-07 2017-02-07 目标车道的确定方法和装置

Publications (2)

Publication Number Publication Date
CN108303103A CN108303103A (zh) 2018-07-20
CN108303103B true CN108303103B (zh) 2020-02-07

Family

ID=62872308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710073556.7A Active CN108303103B (zh) 2017-02-07 2017-02-07 目标车道的确定方法和装置

Country Status (6)

Country Link
US (1) US11094198B2 (zh)
EP (1) EP3534114B1 (zh)
JP (1) JP6843990B2 (zh)
KR (2) KR20190090393A (zh)
CN (1) CN108303103B (zh)
WO (1) WO2018145602A1 (zh)

Families Citing this family (82)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7052174B2 (ja) * 2016-01-05 2022-04-12 モービルアイ ビジョン テクノロジーズ リミテッド 将来経路を推定するシステム及び方法
EP3428577A1 (en) * 2017-07-12 2019-01-16 Veoneer Sweden AB A driver assistance system and method
EP3457244B1 (de) * 2017-09-14 2019-10-30 Sick Ag Autonomes fahrzeug und markierungsanordnung für ein autonomes fahrzeug
US11216004B2 (en) * 2017-11-07 2022-01-04 Uatc, Llc Map automation—lane classification
CN109297500B (zh) * 2018-09-03 2020-12-15 武汉中海庭数据技术有限公司 基于车道线特征匹配的高精度定位装置及方法
CN109186615A (zh) * 2018-09-03 2019-01-11 武汉中海庭数据技术有限公司 基于高精度地图的车道边线距离检测方法、装置及存储介质
CN109186616B (zh) * 2018-09-20 2020-04-07 禾多科技（北京）有限公司 基于高精度地图和场景检索的车道线辅助定位方法
CN110969837B (zh) * 2018-09-30 2022-03-25 毫末智行科技有限公司 自动驾驶车辆的道路信息融合***及方法
CN110969178B (zh) * 2018-09-30 2023-09-12 毫末智行科技有限公司 自动驾驶车辆的数据融合***、方法及自动驾驶***
CN110967026B (zh) * 2018-09-30 2022-02-22 毫末智行科技有限公司 车道线拟合方法及***
EP3640679B1 (en) * 2018-10-15 2023-06-07 Zenuity AB A method for assigning ego vehicle to a lane
CN111046709B (zh) * 2018-10-15 2021-02-09 广州汽车集团股份有限公司 车辆车道级定位方法、***、车辆及存储介质
KR102483649B1 (ko) * 2018-10-16 2023-01-02 삼성전자주식회사 차량 위치 결정 방법 및 차량 위치 결정 장치
DE102018218043A1 (de) * 2018-10-22 2020-04-23 Robert Bosch Gmbh Ermittlung einer Anzahl von Fahrspuren sowie von Spurmarkierungen auf Straßenabschnitten
CN110146096B (zh) * 2018-10-24 2021-07-20 北京初速度科技有限公司 一种基于图像感知的车辆定位方法及装置
CN109492599A (zh) * 2018-11-20 2019-03-19 中车株洲电力机车有限公司 一种多轴电客车自导向方法
CN109671432A (zh) * 2018-12-25 2019-04-23 斑马网络技术有限公司 语音定位处理方法、装置、定位设备及车辆
CN111382614B (zh) * 2018-12-28 2023-08-15 沈阳美行科技股份有限公司 车辆定位方法、装置、电子设备、计算机可读存储介质
CN111380546A (zh) * 2018-12-28 2020-07-07 沈阳美行科技有限公司 基于平行道路的车辆定位方法、装置、电子设备和介质
CN111380538B (zh) * 2018-12-28 2023-01-24 沈阳美行科技股份有限公司 一种车辆定位方法、导航方法及相关装置
CN109948413B (zh) * 2018-12-29 2021-06-04 禾多科技（北京）有限公司 基于高精度地图融合的车道线检测方法
CN109657641B (zh) * 2018-12-29 2021-02-02 北京经纬恒润科技股份有限公司 一种车辆主辅路判断方法及装置
CN110614995B (zh) * 2018-12-29 2021-01-22 长城汽车股份有限公司 车辆自动驾驶时的行车道选择方法、选择***及车辆
CN109870689B (zh) * 2019-01-08 2021-06-04 武汉中海庭数据技术有限公司 毫米波雷达与高精矢量地图匹配的车道级定位方法与***
CN111507130B (zh) * 2019-01-31 2023-08-18 广州汽车集团股份有限公司 车道级定位方法及***、计算机设备、车辆、存储介质
CN109870706A (zh) * 2019-01-31 2019-06-11 深兰科技（上海）有限公司 一种路面标识的检测方法、装置、设备及介质
CN111507129B (zh) * 2019-01-31 2023-08-22 广州汽车集团股份有限公司 车道级定位方法及***、计算机设备、车辆、存储介质
CN111521192A (zh) * 2019-02-01 2020-08-11 阿里巴巴集团控股有限公司 定位方法、导航信息显示方法、定位***及电子设备
CN109816981B (zh) * 2019-02-20 2021-03-19 百度在线网络技术（北京）有限公司 一种自动驾驶方法、装置及存储介质
CN111750878B (zh) * 2019-03-28 2022-06-24 北京魔门塔科技有限公司 一种车辆位姿的修正方法和装置
CN111750882B (zh) * 2019-03-29 2022-05-27 北京魔门塔科技有限公司 一种导航地图在初始化时车辆位姿的修正方法和装置
CN110954112B (zh) * 2019-03-29 2021-09-21 北京初速度科技有限公司 一种导航地图与感知图像匹配关系的更新方法和装置
CN111854727B (zh) * 2019-04-27 2022-05-13 北京魔门塔科技有限公司 一种车辆位姿的修正方法和装置
CN110174113B (zh) * 2019-04-28 2023-05-16 福瑞泰克智能***有限公司 一种车辆行驶车道的定位方法、装置及终端
CN110544375A (zh) * 2019-06-10 2019-12-06 河南北斗卫星导航平台有限公司 一种车辆监管方法、装置及计算机可读存储介质
CN110160540B (zh) * 2019-06-12 2020-12-18 禾多科技（北京）有限公司 基于高精度地图的车道线数据融合方法
CN112172810A (zh) * 2019-06-18 2021-01-05 广州汽车集团股份有限公司 车道保持装置、方法、***及汽车
WO2020255296A1 (ja) * 2019-06-19 2020-12-24 三菱電機株式会社 相対位置判定装置、相対位置判定方法、および相対位置判定プログラム
CN110415541A (zh) * 2019-07-19 2019-11-05 重庆长安汽车股份有限公司 一种路口通行状态提示方法及***
CN110763246A (zh) * 2019-08-06 2020-02-07 中国第一汽车股份有限公司 自动驾驶车辆路径规划方法、装置、车辆及存储介质
CN110455298B (zh) * 2019-08-14 2022-02-08 灵动科技（北京）有限公司 车辆用定位方法及定位***
CN110516652B (zh) * 2019-08-30 2023-04-18 北京百度网讯科技有限公司 车道检测的方法、装置、电子设备及存储介质
CN112461257A (zh) * 2019-09-09 2021-03-09 华为技术有限公司 一种车道线信息的确定方法及装置
CN112578404B (zh) * 2019-09-27 2022-10-04 北京地平线机器人技术研发有限公司 一种行驶路径的确定方法及装置
CN110779535B (zh) * 2019-11-04 2023-03-03 腾讯科技（深圳）有限公司 一种获得地图数据及地图的方法、装置和存储介质
CN111044035B (zh) * 2019-12-11 2022-06-17 斑马网络技术有限公司 车辆定位方法及装置
US11860634B2 (en) * 2019-12-12 2024-01-02 Baidu Usa Llc Lane-attention: predicting vehicles' moving trajectories by learning their attention over lanes
CN113034587B (zh) * 2019-12-25 2023-06-16 沈阳美行科技股份有限公司 车辆定位方法、装置、计算机设备和存储介质
CN111341150B (zh) * 2020-02-28 2021-01-26 长安大学 用于避免超高车辆驶入限高路段的提醒方法与装置
CN110967035B (zh) * 2020-02-28 2020-09-04 杭州云动智能汽车技术有限公司 一种提高车载v2x车道匹配度方法
CN111369819B (zh) * 2020-03-02 2021-12-14 腾讯科技（深圳）有限公司 一种行驶对象的选择方法及装置
CN111524351A (zh) * 2020-04-22 2020-08-11 东风汽车集团有限公司 一种匝道限速识别方法
CN113551680A (zh) * 2020-04-23 2021-10-26 上汽通用汽车有限公司 一种车道级定位***和方法
CN111523471B (zh) * 2020-04-23 2023-08-04 阿波罗智联(北京)科技有限公司 车辆所在车道的确定方法、装置、设备以及存储介质
DE102020206221A1 (de) * 2020-05-18 2021-11-18 Zf Friedrichshafen Ag Verfahren zum Erfassen von Fahrbahnbelastungen
CN111932887B (zh) * 2020-08-17 2022-04-26 武汉四维图新科技有限公司 车道级轨迹数据的生成方法及设备
CN112216102B (zh) * 2020-09-11 2021-09-14 恒大新能源汽车投资控股集团有限公司 路面信息的确定方法、装置、设备及存储介质
CN112363192A (zh) * 2020-09-29 2021-02-12 蘑菇车联信息科技有限公司 车道定位方法、装置、车辆、电子设备及存储介质
CN112284416B (zh) * 2020-10-19 2022-07-29 武汉中海庭数据技术有限公司 一种自动驾驶定位信息校准装置、方法及存储介质
CN112489495B (zh) * 2020-10-26 2023-01-17 浙江吉利控股集团有限公司 一种车辆预警方法、装置、电子设备及存储介质
CN112541437A (zh) * 2020-12-15 2021-03-23 北京百度网讯科技有限公司 车辆定位方法、装置、电子设备及存储介质
CN112560680A (zh) * 2020-12-16 2021-03-26 北京百度网讯科技有限公司 车道线处理方法、装置、电子设备及存储介质
WO2022141538A1 (zh) * 2020-12-31 2022-07-07 华为技术有限公司 一种轨迹预测方法与装置
US11951992B2 (en) * 2021-01-05 2024-04-09 Guangzhou Automobile Group Co., Ltd. Vehicle positioning method and apparatus, storage medium, and electronic device
CN112721926B (zh) * 2021-02-25 2023-05-09 深圳市科莱德电子有限公司 基于区块链的自动驾驶汽车车道保持控制方法、***
KR102472569B1 (ko) * 2021-03-12 2022-11-30 포티투닷 주식회사 차량의 현재 차선을 결정하기 위한 방법 및 장치
CN113269976B (zh) * 2021-03-30 2022-08-23 荣耀终端有限公司 定位方法和装置
CN113380048B (zh) * 2021-06-25 2022-09-02 中科路恒工程设计有限公司 基于神经网络的高危路段车辆驾驶行为识别方法
CN113449629B (zh) * 2021-06-25 2022-10-28 重庆卡佐科技有限公司 基于行车视频的车道线虚实识别装置、方法、设备及介质
KR102438114B1 (ko) * 2021-07-28 2022-08-31 포티투닷 주식회사 차량의 주행 경로를 결정하기 위한 방법 및 장치
CN113386771A (zh) * 2021-07-30 2021-09-14 蔚来汽车科技(安徽)有限公司 道路模型的生成方法及设备
CN113945221B (zh) * 2021-09-26 2024-02-13 华中科技大学 一种考虑近迫感效应的自动驾驶车道宽度确定方法
CN113901342B (zh) * 2021-09-30 2022-07-26 北京百度网讯科技有限公司 一种路网数据处理方法、装置、电子设备及存储介质
CN114396958B (zh) * 2022-02-28 2023-08-18 重庆长安汽车股份有限公司 基于多车道多传感器的车道定位方法、***及车辆
CN114396959B (zh) * 2022-03-25 2022-08-30 华砺智行(武汉)科技有限公司 基于高精度地图的车道匹配定位方法、装置、设备及介质
CN114820671A (zh) * 2022-04-11 2022-07-29 苏州大学 一种用于货运铁路无人驾驶的轨道限界识别方法
US11624616B1 (en) * 2022-06-20 2023-04-11 Plusai, Inc. Multi-mode visual geometry localization
US11562501B1 (en) 2022-06-20 2023-01-24 Plusai, Inc. Multi-mode visual geometry localization
CN115597593A (zh) * 2022-09-22 2023-01-13 长沙谱蓝网络科技有限公司（Cn） 基于高精地图的实时导航方法及装置
CN115265493B (zh) * 2022-09-26 2022-12-16 四川省公路规划勘察设计研究院有限公司 一种基于非标定相机的车道级定位方法及装置
KR20240053979A (ko) * 2022-10-18 2024-04-25 네이버랩스 주식회사 그라운드 컨트롤 라인 자동 취득 방법 및 시스템
CN115352455B (zh) * 2022-10-19 2023-01-17 福思(杭州)智能科技有限公司 道路特征的预测方法和装置、存储介质及电子装置

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006208223A (ja) * 2005-01-28 2006-08-10 Aisin Aw Co Ltd 車両位置認識装置及び車両位置認識方法
JP4938351B2 (ja) * 2006-05-16 2012-05-23 トヨタ自動車株式会社 車両用測位情報更新装置
JP4724043B2 (ja) * 2006-05-17 2011-07-13 トヨタ自動車株式会社 対象物認識装置
JP4680131B2 (ja) * 2006-05-29 2011-05-11 トヨタ自動車株式会社 自車位置測定装置
JP4861850B2 (ja) * 2007-02-13 2012-01-25 アイシン・エィ・ダブリュ株式会社 レーン判定装置及びレーン判定方法
CN101275854A (zh) * 2007-03-26 2008-10-01 日电（中国）有限公司 更新地图数据的方法和设备
JP4886597B2 (ja) * 2007-05-25 2012-02-29 アイシン・エィ・ダブリュ株式会社 レーン判定装置及びレーン判定方法、並びにそれを用いたナビゲーション装置
JP4506790B2 (ja) * 2007-07-05 2010-07-21 アイシン・エィ・ダブリュ株式会社 道路情報生成装置、道路情報生成方法および道路情報生成プログラム
JP4936070B2 (ja) * 2007-12-28 2012-05-23 アイシン・エィ・ダブリュ株式会社 ナビゲーション装置及びナビゲーションプログラム
JP4985431B2 (ja) * 2008-01-28 2012-07-25 アイシン・エィ・ダブリュ株式会社 道路走行予想軌跡導出装置、道路走行予想軌跡導出方法および道路走行予想軌跡導出プログラム
US8725413B2 (en) * 2012-06-29 2014-05-13 Southwest Research Institute Location and motion estimation using ground imaging sensor
KR101209062B1 (ko) * 2012-07-24 2012-12-06 주식회사 피엘케이 테크놀로지 영상인식 정보를 이용한 ｇｐｓ 보정 시스템 및 방법
KR101986166B1 (ko) * 2012-08-09 2019-06-07 현대모비스 주식회사 차선 인식 장치 및 방법
TWI595450B (zh) * 2014-04-01 2017-08-11 能晶科技股份有限公司 物件偵測系統
CN103954275B (zh) * 2014-04-01 2017-02-08 西安交通大学 基于车道线检测和gis地图信息开发的视觉导航方法
WO2016051228A1 (en) * 2014-09-30 2016-04-07 Umm-Al-Qura University A method and system for an accurate and energy efficient vehicle lane detection
US9459626B2 (en) * 2014-12-11 2016-10-04 Here Global B.V. Learning signs from vehicle probes
US11125566B2 (en) * 2015-07-16 2021-09-21 Ford Global Technologies, Llc Method and apparatus for determining a vehicle ego-position
GB2542115B (en) * 2015-09-03 2017-11-15 Rail Vision Europe Ltd Rail track asset survey system
CN105260713B (zh) 2015-10-09 2019-06-28 东方网力科技股份有限公司 一种车道线检测方法和装置
CN105608429B (zh) 2015-12-21 2019-05-14 重庆大学 基于差分激励的鲁棒车道线检测方法
US9928424B2 (en) * 2016-02-22 2018-03-27 Conduent Business Services, Llc Side window detection through use of spatial probability maps
CN105679079A (zh) * 2016-02-26 2016-06-15 同济大学 一种面向车路网协同的车载机***
KR101851155B1 (ko) * 2016-10-12 2018-06-04 현대자동차주식회사 자율 주행 제어 장치, 그를 가지는 차량 및 그 제어 방법
US10210403B2 (en) * 2017-04-24 2019-02-19 Here Global B.V. Method and apparatus for pixel based lane prediction
US10579067B2 (en) * 2017-07-20 2020-03-03 Huawei Technologies Co., Ltd. Method and system for vehicle localization
US10210756B2 (en) * 2017-07-24 2019-02-19 Harman International Industries, Incorporated Emergency vehicle alert system
US10871377B1 (en) * 2019-08-08 2020-12-22 Phiar Technologies, Inc. Computer-vision based positioning for augmented reality navigation

Also Published As

Publication number Publication date
KR20210006511A (ko) 2021-01-18
WO2018145602A1 (zh) 2018-08-16
EP3534114A1 (en) 2019-09-04
KR20190090393A (ko) 2019-08-01
CN108303103A (zh) 2018-07-20
EP3534114B1 (en) 2021-12-29
KR102266830B1 (ko) 2021-06-18
JP2020518785A (ja) 2020-06-25
US11094198B2 (en) 2021-08-17
US20190295420A1 (en) 2019-09-26
EP3534114A4 (en) 2020-06-24
JP6843990B2 (ja) 2021-03-17

Similar Documents

Publication Publication Date Title
CN108303103B (zh) 目标车道的确定方法和装置
CN108303721B (zh) 一种车辆定位方法及***
US11422554B2 (en) Self-aware system for adaptive navigation
US11125566B2 (en) Method and apparatus for determining a vehicle ego-position
EP3519770B1 (en) Methods and systems for generating and using localisation reference data
CN107850448B (zh) 用于生成及使用定位参考数据的方法及***
CN110146910B (zh) 一种基于gps与激光雷达数据融合的定位方法及装置
CN110945320B (zh) 车辆定位方法和***
CN109844457B (zh) 用于产生数字道路模型的***和方法
US20180321046A1 (en) Method and system for creating a digital map
CN108139220A (zh) 用于评价地图内容的方法和设备
US11442913B2 (en) Method and device for creating a localization map
CN117631676B (zh) 一种矿区无人驾驶车辆自动引导前进的方法和装置
CN117392216A (zh) 点云地图的确定方法、装置、电子设备及存储介质
CN113932820A (zh) 对象检测的方法和装置

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
GR01 Patent grant
GR01 Patent grant