CN109085620A - 无人驾驶车辆定位异常校准方法、装置、设备及存储介质 - Google Patents
无人驾驶车辆定位异常校准方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109085620A CN109085620A CN201710442259.5A CN201710442259A CN109085620A CN 109085620 A CN109085620 A CN 109085620A CN 201710442259 A CN201710442259 A CN 201710442259A CN 109085620 A CN109085620 A CN 109085620A
- Authority
- CN
- China
- Prior art keywords
- positioning
- automatic driving
- abnormal
- driving vehicle
- result
- 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
Classifications
-
- 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
- G01S19/40—Correcting position, velocity or attitude
-
- 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
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manufacturing & Machinery (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了无人驾驶车辆定位异常校准方法、装置、设备及存储介质,其中方法包括:在无人驾驶车辆的行驶过程中,针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常;若发生异常,则根据上一次定位的定位结果,对本次定位的定位结果进行校准,并输出校准后的定位结果。应用本发明所述方案,能够提高无人驾驶车辆的安全性。
Description
【技术领域】
本发明涉及无人驾驶车辆技术,特别涉及无人驾驶车辆定位异常校准方法、装置、设备及存储介质。
【背景技术】
无人驾驶车辆,也可称为自动驾驶车辆等,是指通过各传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息等,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。
无人驾驶车辆上通常会部署有全球定位***(GPS,Global Positioning System)以及惯性测量单元(IMU,Inertial Measurement Unit)等定位装置。
高精度的定位,对于无人驾驶车辆来说具有重要意义,若定位结果偏差较大,将会造成决策控制模块的错误判断,从而引发非常严重的后果,而针对这一问题,现有技术中还没有一种有效的解决方式,从而降低了无人驾驶车辆的安全性。
【发明内容】
有鉴于此,本发明提供了无人驾驶车辆定位异常校准方法、装置、设备及存储介质,能够提高无人驾驶车辆的安全性。
具体技术方案如下:
一种无人驾驶车辆定位异常校准方法,包括:
在无人驾驶车辆的行驶过程中,针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常;
若发生异常,则根据上一次定位的定位结果,对本次定位的定位结果进行校准,并输出校准后的定位结果。
根据本发明一优选实施例,所述根据预先设定的异常判定规则,确定本次定位是否发生异常包括:
获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对所述图像数据进行分析,确定出无人驾驶车辆所在车道;
根据高精地图,确定出本次定位的定位结果所在车道;
若无人驾驶车辆所在车道与定位结果所在车道不一致,则确定本次定位发生异常。
根据本发明一优选实施例,所述根据预先设定的异常判定规则,确定本次定位是否发生异常包括:
将本次定位的定位结果与上一次定位的定位结果进行比对,根据比对结果确定本次定位是否发生异常。
根据本发明一优选实施例,所述将本次定位的定位结果与上一次定位的定位结果进行比对,根据比对结果确定本次定位是否发生异常包括:
若本次定位的定位结果与上一次定位的定位结果的纵向距离大于无人驾驶车辆的车速与定位间隔时长的乘积,则确定本次定位发生异常;
或者,
获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对所述图像数据进行分析,确定出无人驾驶车辆所在车道;
若本次定位的定位结果与上一次定位的定位结果的横向距离大于无人驾驶车辆所在车道的车道宽度,则确定本次定位发生异常。
根据本发明一优选实施例,所述对本次定位的定位结果进行校准包括:
根据上一次定位的定位结果,并结合无人驾驶车辆的行驶速度和方向以及定位间隔时长,计算出校准后的定位结果。
一种无人驾驶车辆定位异常校准装置,包括:判定单元以及校准单元;
所述判定单元,用于在无人驾驶车辆的行驶过程中,针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常;
所述校准单元,用于在发生异常时,根据上一次定位的定位结果,对本次定位的定位结果进行校准,并输出校准后的定位结果。
根据本发明一优选实施例,所述判定单元获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对所述图像数据进行分析,确定出无人驾驶车辆所在车道,根据高精地图,确定出本次定位的定位结果所在车道,若无人驾驶车辆所在车道与定位结果所在车道不一致,则确定本次定位发生异常。
根据本发明一优选实施例,所述判定单元将本次定位的定位结果与上一次定位的定位结果进行比对,根据比对结果确定本次定位是否发生异常。
根据本发明一优选实施例,
所述判定单元在本次定位的定位结果与上一次定位的定位结果的纵向距离大于无人驾驶车辆的车速与定位间隔时长的乘积时,确定本次定位发生异常;
或者,所述判定单元获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对所述图像数据进行分析,确定出无人驾驶车辆所在车道,若本次定位的定位结果与上一次定位的定位结果的横向距离大于无人驾驶车辆所在车道的车道宽度,则确定本次定位发生异常。
根据本发明一优选实施例,所述校准单元根据上一次定位的定位结果,并结合无人驾驶车辆的行驶速度和方向以及定位间隔时长,计算出校准后的定位结果。
一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出,采用本发明所述方案,可对无人驾驶车辆的定位结果进行实时监控,一旦根据异常判定规则确定定位发生异常,则可对发生异常的定位结果进行校准,并输出校准后的定位结果,从而提高了定位精度,进而提高了无人驾驶车辆的安全性。
【附图说明】
图1为本发明所述无人驾驶车辆定位异常校准方法实施例的流程图。
图2为本发明所述无人驾驶车辆定位异常校准方法较佳实施例的流程图。
图3为本发明所述无人驾驶车辆定位异常校准装置实施例的组成结构示意图。
图4示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案进行进一步说明。
显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1为本发明所述无人驾驶车辆定位异常校准方法实施例的流程图,如图1所示,包括以下具体实现方式。
在101中,在无人驾驶车辆的行驶过程中,针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常。
如前所述,无人驾驶车辆上会部署有GPS、IMU等定位装置。
另外,无人驾驶车辆上还会部署有摄像头、激光雷达等多种传感器。
在无人驾驶车辆的行驶过程中,可实时监控定位装置的输出结果,即对获取到的定位结果进行实时监控,并针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常。
比如,可结合摄像头采集到的图像数据以及高精地图等,来确定本次定位是否发生异常。
高精地图为无人驾驶车辆所使用的一种地图,相比于普通地图,高精地图中包含的信息更为丰富,如可包括交通信号灯的具体信息(坐标、形状、个数等)、交通指示牌信息(交通标识框外形、坐标、指示内容等)、车道线信息(车道线编号、起止点坐标、车道宽度和长度、车道线曲线描述方程参数等)、关键参照物信息(坐标、高度、大小等)等。
如何确定本次定位是否发生异常可根据实际需要而定,比如,可采用以下两种方式。
1)方式一
该方式中,可首先获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对图像数据进行分析,确定出无人驾驶车辆所在车道。
并且,可根据高精地图,确定出本次定位的定位结果所在车道。
之后,可将无人驾驶车辆所在车道与定位结果所在车道进行比较,若无人驾驶车辆所在车道与定位结果所在车道不一致,则可确定本次定位发生异常,否则,确定本次定位未发生异常。
举例说明:
根据高精地图,确定出本次定位的定位结果所在车道为车道a;
通过对图像数据进行分析,确定出无人驾驶车辆所在车道为车道b;
车道a和车道b为不同的车道,那么则可认为本次定位发生异常。
2)方式二
该方式中,可将本次定位的定位结果与上一次定位的定位结果进行比对,根据比对结果确定本次定位是否发生异常。
上一次定位,即指本次定位之前最新的一次定位。
比如,若本次定位的定位结果与上一次定位的定位结果的纵向距离大于无人驾驶车辆的车速与定位间隔时长的乘积,则可确定本次定位发生异常,否则,确定本次定位未发生异常。
定位间隔时长,即指相邻两次定位所间隔的时长。
再比如,可获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对图像数据进行分析,确定出无人驾驶车辆所在车道。
若本次定位的定位结果与上一次定位的定位结果的横向距离大于无人驾驶车辆所在车道的车道宽度,则可确定本次定位发生异常,否则,确定本次定位未发生异常。
依据前述对高精地图的介绍可知,在已知无人驾驶车辆所在车道的前提下,通过查询高精地图,即可获知无人驾驶车辆所在车道的车道宽度。
如何获取无人驾驶车辆的车速等为现有技术。
在实际应用中,可以仅采用上述一种方式来确定本次定位是否发生异常,也可以分别采用每种方式来确定本次定位是否发生异常,一旦有任一方式判定本次定位发生异常,则可认为本次定位发生异常。
另外,上述方式一和方式二仅为举例说明,并不用于限制本发明的技术方案,具体采用何种异常判定规则来确定本次定位是否发生异常可根据实际需要而定。
在102中,若发生异常,则根据上一次定位的定位结果,对本次定位的定位结果进行校准,并输出校准后的定位结果。
一旦确定本次定位发生异常,则需要对本次定位的定位结果进行校准,以避免直接将异常的定位结果输出,从而造成决策控制模块的错误判断等。
如何对定位结果进行校准可根据实际需要而定,比如,可根据上一次定位的定位结果,并结合无人驾驶车辆的行驶速度和方向以及定位间隔时长等,计算出校准后的定位结果。
具体地,可根据无人驾驶车辆的行驶速度、行驶方向以及定位间隔时长等,计算出本次定位的定位结果相比于上一次定位的定位结果的偏移量及偏移角度等,进而结合上一次定位的定位结果,计算出校准后的本次定位的定位结果。
在计算出校准后的定位结果之后,还可进一步对其进行验证,比如,根据高精地图,确定出校准后的定位结果所在车道,并获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对图像数据进行分析,确定出无人驾驶车辆所在车道,将校准后的定位结果所在车道与无人驾驶车辆所在车道进行比对,确定二者是否一致等。
在对本次定位的定位结果进行校准之后,即可输出校准后的定位结果,如果本次定位未发生异常,那么则无需校准,可直接输出原始的定位结果。
基于上述介绍,图2为本发明所述无人驾驶车辆定位异常校准方法较佳实施例的流程图,如图2所示,包括以下具体实现方式。
在201中,获取定位装置输出的定位结果。
在202中,根据预先设定的异常判定规则,确定本次定位是否发生异常,如果是,则执行203,否则,执行205。
在203中,根据上一次定位的定位结果,并结合无人驾驶车辆的行驶速度和方向以及定位间隔时长,计算出校准后的定位结果。
在204中,输出校准后的定位结果,之后结束流程。
在205中,输出原始的定位结果,之后结束流程。
在上述实施例中,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,可以参见其它实施例的相关描述。
可以看出,采用上述各方法实施例所述方案,可对无人驾驶车辆的定位结果进行实时监控,一旦根据异常判定规则确定定位发生异常,则可对发生异常的定位结果进行校准,并输出校准后的定位结果,从而提高了定位精度,进而提高了无人驾驶车辆的安全性。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图3为本发明所述无人驾驶车辆定位异常校准装置实施例的组成结构示意图,如图3所示,包括:判定单元301以及校准单元302。
判定单元301,用于在无人驾驶车辆的行驶过程中,针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常。
校准单元302,用于在发生异常时,根据上一次定位的定位结果,对本次定位的定位结果进行校准,并输出校准后的定位结果。
无人驾驶车辆上会部署有GPS、IMU等定位装置。
另外,无人驾驶车辆上还会部署有摄像头、激光雷达等多种传感器。
在无人驾驶车辆的行驶过程中,判定单元301可实时监控定位装置的输出结果,即对获取到的定位结果进行实时监控,并针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常。
比如,可结合摄像头采集到的图像数据以及高精地图等,来确定本次定位是否发生异常。
具体地,判定单元301可获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对图像数据进行分析,确定出无人驾驶车辆所在车道,并根据高精地图,确定出本次定位的定位结果所在车道,若无人驾驶车辆所在车道与定位结果所在车道不一致,则可确定本次定位发生异常。
判定单元301还可将本次定位的定位结果与上一次定位的定位结果进行比对,根据比对结果确定本次定位是否发生异常。
比如,判定单元301可在本次定位的定位结果与上一次定位的定位结果的纵向距离大于无人驾驶车辆的车速与定位间隔时长的乘积时,确定本次定位发生异常。
或者,判定单元301获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对图像数据进行分析,确定出无人驾驶车辆所在车道,若本次定位的定位结果与上一次定位的定位结果的横向距离大于无人驾驶车辆所在车道的车道宽度,则确定本次定位发生异常。
若本次定位发生异常,那么校准单元302可根据上一次定位的定位结果,并结合无人驾驶车辆的行驶速度和方向以及定位间隔时长,计算出校准后的定位结果。
比如,校准单元302可根据无人驾驶车辆的行驶速度、行驶方向以及定位间隔时长等,计算出本次定位的定位结果相比于上一次定位的定位结果的偏移量及偏移角度等,进而结合上一次定位的定位结果,计算出校准后的本次定位的定位结果。
在对本次定位的定位结果进行校准之后,校准单元302可输出校准后的定位结果,如果本次定位未发生异常,那么则无需校准,可直接输出原始的定位结果。
图3所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明,不再赘述。
可以看出,采用上述装置实施例所述方案,可对无人驾驶车辆的定位结果进行实时监控,一旦根据异常判定规则确定定位发生异常,则可对发生异常的定位结果进行校准,并输出校准后的定位结果,从而提高了定位精度,进而提高了无人驾驶车辆的安全性。
图4示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图4显示的计算机***/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于:一个或者多个处理器(处理单元)16,存储器28,连接不同***组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机***/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机***/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现图1所示实施例中的方法,即在无人驾驶车辆的行驶过程中,针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常,若发生异常,则根据上一次定位的定位结果,对本次定位的定位结果进行校准,并输出校准后的定位结果。
具体实现请参照前述各实施例中的相关说明,不再赘述。
本发明同时公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时将实现如图1所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法等,可以通过其它的方式实现。例如,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。
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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (12)
1.一种无人驾驶车辆定位异常校准方法,其特征在于,包括:
在无人驾驶车辆的行驶过程中,针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常;
若发生异常,则根据上一次定位的定位结果,对本次定位的定位结果进行校准,并输出校准后的定位结果。
2.根据权利要求1所述的方法,其特征在于,
所述根据预先设定的异常判定规则,确定本次定位是否发生异常包括:
获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对所述图像数据进行分析,确定出无人驾驶车辆所在车道;
根据高精地图,确定出本次定位的定位结果所在车道;
若无人驾驶车辆所在车道与定位结果所在车道不一致,则确定本次定位发生异常。
3.根据权利要求1所述的方法,其特征在于,
所述根据预先设定的异常判定规则,确定本次定位是否发生异常包括:
将本次定位的定位结果与上一次定位的定位结果进行比对,根据比对结果确定本次定位是否发生异常。
4.根据权利要求3所述的方法,其特征在于,
所述将本次定位的定位结果与上一次定位的定位结果进行比对,根据比对结果确定本次定位是否发生异常包括:
若本次定位的定位结果与上一次定位的定位结果的纵向距离大于无人驾驶车辆的车速与定位间隔时长的乘积,则确定本次定位发生异常;
或者,
获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对所述图像数据进行分析,确定出无人驾驶车辆所在车道;
若本次定位的定位结果与上一次定位的定位结果的横向距离大于无人驾驶车辆所在车道的车道宽度,则确定本次定位发生异常。
5.根据权利要求1所述的方法,其特征在于,
所述对本次定位的定位结果进行校准包括:
根据上一次定位的定位结果,并结合无人驾驶车辆的行驶速度和方向以及定位间隔时长,计算出校准后的定位结果。
6.一种无人驾驶车辆定位异常校准装置,其特征在于,包括:判定单元以及校准单元;
所述判定单元,用于在无人驾驶车辆的行驶过程中,针对每次获取到的定位结果,分别根据预先设定的异常判定规则,确定本次定位是否发生异常;
所述校准单元,用于在发生异常时,根据上一次定位的定位结果,对本次定位的定位结果进行校准,并输出校准后的定位结果。
7.根据权利要求6所述的装置,其特征在于,
所述判定单元获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对所述图像数据进行分析,确定出无人驾驶车辆所在车道,根据高精地图,确定出本次定位的定位结果所在车道,若无人驾驶车辆所在车道与定位结果所在车道不一致,则确定本次定位发生异常。
8.根据权利要求6所述的装置,其特征在于,
所述判定单元将本次定位的定位结果与上一次定位的定位结果进行比对,根据比对结果确定本次定位是否发生异常。
9.根据权利要求8所述的装置,其特征在于,
所述判定单元在本次定位的定位结果与上一次定位的定位结果的纵向距离大于无人驾驶车辆的车速与定位间隔时长的乘积时,确定本次定位发生异常;
或者,所述判定单元获取部署在无人驾驶车辆上的摄像头最新采集到的图像数据,通过对所述图像数据进行分析,确定出无人驾驶车辆所在车道,若本次定位的定位结果与上一次定位的定位结果的横向距离大于无人驾驶车辆所在车道的车道宽度,则确定本次定位发生异常。
10.根据权利要求6所述的装置,其特征在于,
所述校准单元根据上一次定位的定位结果,并结合无人驾驶车辆的行驶速度和方向以及定位间隔时长,计算出校准后的定位结果。
11.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~5中任一项所述的方法。
12.一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,所述程序被处理器执行时实现如权利要求1~5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710442259.5A CN109085620A (zh) | 2017-06-13 | 2017-06-13 | 无人驾驶车辆定位异常校准方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710442259.5A CN109085620A (zh) | 2017-06-13 | 2017-06-13 | 无人驾驶车辆定位异常校准方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109085620A true CN109085620A (zh) | 2018-12-25 |
Family
ID=64839091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710442259.5A Pending CN109085620A (zh) | 2017-06-13 | 2017-06-13 | 无人驾驶车辆定位异常校准方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109085620A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488330A (zh) * | 2019-08-26 | 2019-11-22 | 广州小鹏汽车科技有限公司 | 一种车辆定位方法、装置、车辆和计算机可读存储介质 |
CN110806215A (zh) * | 2019-11-21 | 2020-02-18 | 北京百度网讯科技有限公司 | 车辆定位的方法、装置、设备及存储介质 |
CN111619584A (zh) * | 2020-05-27 | 2020-09-04 | 北京经纬恒润科技有限公司 | 一种无人驾驶汽车的状态监管方法及装置 |
CN111858202A (zh) * | 2019-07-12 | 2020-10-30 | 百度(美国)有限责任公司 | 诊断自主驾驶车辆的传感器处理单元的方法、装置和***、及计算机可读介质 |
CN112347568A (zh) * | 2020-11-27 | 2021-02-09 | 腾讯科技(深圳)有限公司 | 一种仿真测试的方法、相关装置、设备及存储介质 |
CN113377573A (zh) * | 2020-03-10 | 2021-09-10 | 北京京东乾石科技有限公司 | 一种自动驾驶车辆的异常处理方法、装置、设备和存储介质 |
CN117485356A (zh) * | 2023-12-29 | 2024-02-02 | 合众新能源汽车股份有限公司 | 基于风险等级评估的高精定位故障诊断方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707225A (zh) * | 2004-06-11 | 2005-12-14 | 东软集团有限公司 | 一种车辆走行真实位置的记录方法 |
CN101334285A (zh) * | 2007-06-29 | 2008-12-31 | 鸿富锦精密工业(深圳)有限公司 | 车辆导航装置及导航方法 |
CN103558617A (zh) * | 2013-10-30 | 2014-02-05 | 无锡赛思汇智科技有限公司 | 一种定位的方法及装置 |
CN106225790A (zh) * | 2016-07-13 | 2016-12-14 | 百度在线网络技术(北京)有限公司 | 一种无人车定位精度的确定方法及装置 |
-
2017
- 2017-06-13 CN CN201710442259.5A patent/CN109085620A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707225A (zh) * | 2004-06-11 | 2005-12-14 | 东软集团有限公司 | 一种车辆走行真实位置的记录方法 |
CN101334285A (zh) * | 2007-06-29 | 2008-12-31 | 鸿富锦精密工业(深圳)有限公司 | 车辆导航装置及导航方法 |
CN103558617A (zh) * | 2013-10-30 | 2014-02-05 | 无锡赛思汇智科技有限公司 | 一种定位的方法及装置 |
CN106225790A (zh) * | 2016-07-13 | 2016-12-14 | 百度在线网络技术(北京)有限公司 | 一种无人车定位精度的确定方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858202A (zh) * | 2019-07-12 | 2020-10-30 | 百度(美国)有限责任公司 | 诊断自主驾驶车辆的传感器处理单元的方法、装置和***、及计算机可读介质 |
CN110488330A (zh) * | 2019-08-26 | 2019-11-22 | 广州小鹏汽车科技有限公司 | 一种车辆定位方法、装置、车辆和计算机可读存储介质 |
CN110806215A (zh) * | 2019-11-21 | 2020-02-18 | 北京百度网讯科技有限公司 | 车辆定位的方法、装置、设备及存储介质 |
CN110806215B (zh) * | 2019-11-21 | 2021-06-29 | 北京百度网讯科技有限公司 | 车辆定位的方法、装置、设备及存储介质 |
CN113377573A (zh) * | 2020-03-10 | 2021-09-10 | 北京京东乾石科技有限公司 | 一种自动驾驶车辆的异常处理方法、装置、设备和存储介质 |
CN111619584A (zh) * | 2020-05-27 | 2020-09-04 | 北京经纬恒润科技有限公司 | 一种无人驾驶汽车的状态监管方法及装置 |
CN111619584B (zh) * | 2020-05-27 | 2021-09-21 | 北京经纬恒润科技股份有限公司 | 一种无人驾驶汽车的状态监管方法及装置 |
CN112347568A (zh) * | 2020-11-27 | 2021-02-09 | 腾讯科技(深圳)有限公司 | 一种仿真测试的方法、相关装置、设备及存储介质 |
CN117485356A (zh) * | 2023-12-29 | 2024-02-02 | 合众新能源汽车股份有限公司 | 基于风险等级评估的高精定位故障诊断方法和*** |
CN117485356B (zh) * | 2023-12-29 | 2024-04-05 | 合众新能源汽车股份有限公司 | 基于风险等级评估的高精定位故障诊断方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109085620A (zh) | 无人驾驶车辆定位异常校准方法、装置、设备及存储介质 | |
US11249474B2 (en) | Safety of autonomous vehicles using a virtual augmented support environment | |
US11017244B2 (en) | Obstacle type recognizing method and apparatus, device and storage medium | |
CN109116374B (zh) | 确定障碍物距离的方法、装置、设备及存储介质 | |
JP2022507995A (ja) | 無人運転車用の障害物回避方法及び装置 | |
CN109633688A (zh) | 一种激光雷达障碍物识别方法和装置 | |
CN109738904A (zh) | 一种障碍物检测的方法、装置、设备和计算机存储介质 | |
US20180362051A1 (en) | Method and Apparatus of Monitoring Sensor of Driverless Vehicle, Device and Storage Medium | |
CN111104842A (zh) | 计算机辅助或自主驾驶交通标志识别方法和装置 | |
CN112738171B (zh) | 车辆的控制方法、装置、***、设备及存储介质 | |
US10495480B1 (en) | Automated travel lane recommendation | |
CN111033298A (zh) | 补偿异构传感器阵列中的传感器缺陷 | |
KR102595485B1 (ko) | 차량용 장애물 회피 방법, 장치, 전자 기기 및 컴퓨터 저장 매체 | |
CN109118532A (zh) | 视觉景深估计方法、装置、设备及存储介质 | |
CN109558854A (zh) | 障碍物感知方法、装置、电子设备及存储介质 | |
CN109118797B (zh) | 信息共享方法、装置、设备及存储介质 | |
CN109117690A (zh) | 可行驶区域检测方法、装置、设备及存储介质 | |
CN109255442A (zh) | 基于人工智能的控制决策模块的训练方法、设备及可读介质 | |
CN114475656B (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN114973050A (zh) | 自动驾驶应用中深度神经网络感知的地面实况数据生成 | |
CN115480092A (zh) | 自主机器应用中多个频率范围内的电压监测 | |
CN110363193A (zh) | 车辆重识别方法、装置、设备和计算机存储介质 | |
CN109885392B (zh) | 分配车载计算资源的方法以及装置 | |
CN110497906A (zh) | 车辆控制方法、装置、设备和介质 | |
CN113619606B (zh) | 障碍物确定方法、装置、设备以及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181225 |