CN109871016A - 一种驾驶参考线生成方法、装置、车辆及服务器 - Google Patents

一种驾驶参考线生成方法、装置、车辆及服务器 Download PDF

Info

Publication number
CN109871016A
CN109871016A CN201910127261.2A CN201910127261A CN109871016A CN 109871016 A CN109871016 A CN 109871016A CN 201910127261 A CN201910127261 A CN 201910127261A CN 109871016 A CN109871016 A CN 109871016A
Authority
CN
China
Prior art keywords
lane
reference line
steered reference
precision map
map
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.)
Granted
Application number
CN201910127261.2A
Other languages
English (en)
Other versions
CN109871016B (zh
Inventor
付骁鑫
潘余昌
朱帆
朱振广
陈至元
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910127261.2A priority Critical patent/CN109871016B/zh
Publication of CN109871016A publication Critical patent/CN109871016A/zh
Application granted granted Critical
Publication of CN109871016B publication Critical patent/CN109871016B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明实施例提出一种驾驶参考线生成方法、装置、车辆及服务器,所述方法包括:基于采集得到的至少一个车道中每一个车道的重复的待处理轨迹数据段,生成针对所述至少一个车道中每一个车道的平滑轨迹曲线;将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线;基于所述高精地图中至少部分车道的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线。解决无人驾驶车辆中的驾驶参考线平滑性不足且不符合用户驾驶习惯的问题。

Description

一种驾驶参考线生成方法、装置、车辆及服务器
技术领域
本发明涉及无人驾驶控制技术领域,尤其涉及一种驾驶参考线生成方法、装置、车辆及服务器。
背景技术
自动驾驶参考线是无人车完成轨迹规划的基础,基于高质量的驾驶参考线,轨迹规划才能生成综合性能优良的规划轨迹。目前,针对无人驾驶的驾驶参考线平滑性不足,难以保证连续光滑且符合人类驾驶习惯,从而影响轨迹规划结果的质量,进而影响无人车的驾驶体感。
发明内容
本发明实施例提供一种驾驶参考线生成方法、装置、车辆及服务器,以解决现有技术中的驾驶参考线平滑性不足,难以保证连续光滑且符合人类驾驶习惯的问题。
第一方面,本发明实施例提供了一种驾驶参考线生成方法,包括:
基于采集得到的至少一个车道中每一个车道的重复的待处理轨迹数据段,生成针对所述至少一个车道中每一个车道的平滑轨迹曲线;
将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线;
基于所述高精地图中至少部分车道的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线。
在一种实施方式中,所述方法还包括:
采集至少一个车辆的至少一条轨迹数据;其中,所述轨迹数据中包含有至少一个位置、以及每一个位置处的时刻值;
获取所述至少一条轨迹数据中覆盖同一个车道的N个轨迹数据段;N为大于等于1的整数;
当N超过预设门限值时,将所述同一个车道的N个轨迹数据段作为重复的待处理轨迹数据段。
在一种实施方式中,所述将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线,包括:
将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图中对应的至少部分车道;
删除平滑轨迹曲线中位于道路范围外的部分后,得到高精地图中至少部分车道的驾驶参考线。
在一种实施方式中,所述方法还包括:
在所述高精地图中至少部分车道的驾驶参考线中,针对所述驾驶参考线中的车道分叉以及汇入的位置,采用多项式曲线拟合算法对驾驶参考线进行拼接。
在一种实施方式中,所述方法还包括:
针对所述高精地图中的至少一条无驾驶参考线的车道,将所述至少一条无驾驶参考线的车道的中心线作为待替换驾驶参考线;
基于所述至少一条无驾驶参考线的车道的待替换驾驶参考线、以及所述高精地图中至少部分车道的驾驶参考线,生成高精地图中覆盖全部车道的完整驾驶参考线。
第二方面,本发明实施例提供了一种驾驶参考线生成装置,所述装置包括:
轨迹处理单元,用于基于采集得到的至少一个车道中每一个车道的重复的待处理轨迹数据段,生成针对所述至少一个车道中每一个车道的平滑轨迹曲线;
映射单元,用于将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线;
地图处理单元,用于基于所述高精地图中至少部分车道的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线。
在一种实施方式中,所述轨迹处理单元,用于采集至少一个车辆的至少一条轨迹数据;其中,所述轨迹数据中包含有至少一个位置、以及每一个位置处的时刻值;获取所述至少一条轨迹数据中覆盖同一个车道的N个轨迹数据段;当N超过预设门限值时,将所述同一个车道的N个轨迹数据段作为重复的待处理轨迹数据段;N为大于等于1的整数。
在一种实施方式中,所述映射单元,用于将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图中对应的至少部分车道;删除平滑轨迹曲线中位于道路范围外的部分后,得到高精地图中至少部分车道的驾驶参考线。
在一种实施方式中,所述地图处理单元,用于在所述高精地图中至少部分车道的驾驶参考线中,针对所述驾驶参考线中的车道分叉以及汇入的位置,采用多项式曲线拟合算法对驾驶参考线进行拼接。
在一种实施方式中,所述地图处理单元,用于针对所述高精地图中的至少一条无驾驶参考线的车道,将所述至少一条无驾驶参考线的车道的中心线作为待替换驾驶参考线;基于所述至少一条无驾驶参考线的车道的待替换驾驶参考线、以及所述高精地图中至少部分车道的驾驶参考线,生成高精地图中覆盖全部车道的完整驾驶参考线。
第三方面,本发明实施例提供了一种车辆,所述车辆的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,所述车辆的结构中包括第一处理器和第一存储器,所述第一存储器用于存储支持所述装置执行上述驾驶控制方法的程序,所述第一处理器被配置为用于执行所述存储器中存储的程序。所述装置还可以包括第一通信接口,用于与其他设备或通信网络通信。
第四方面,本发明实施例提供了一种服务器,所述服务器的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,所述服务器的结构中包括第二处理器和第二存储器,所述第二存储器用于存储支持所述装置执行上述驾驶控制方法的程序,所述第二处理器被配置为用于执行所述存储器中存储的程序。所述装置还可以包括第二通信接口,用于与其他设备或通信网络通信。
第五方面,本发明实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现上述实施例中任一所述的方法。
上述技术方案中的一个技术方案具有如下优点或有益效果:基于能够覆盖至少一个车道中每一个车道的待处理轨迹数据段,处理得到平滑轨迹曲线后,将平滑轨迹曲线映射到高精地图得到部分车道的驾驶参考线,进而基于部分车道的驾驶参考线生成高精地图中的全部车道的驾驶参考线。由于覆盖多个车道的待处理轨迹数据段为预先采集得到的,因此,在进行映射生成高精地图中的驾驶参考线的时候,能够保证参考线的合理性,并且保证了驾驶参考线表达了人类的驾驶习惯。
上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本发明公开的一些实施方式,而不应将其视为是对本发明范围的限制。
图1-1示出根据本发明实施例的驾驶参考线生成方法的流程图一。
图1-2示出根据本发明实施例的驾驶参考线生成方法的流程图二。
图1-3示出根据本发明实施例的驾驶参考线生成方法的流程图三。
图2示出根据本发明实施例的高精地图与普通电子导航地图示意图。
图3示出根据本发明实施例的删除多余部分的场景示意图。
图4示出根据本发明实施例的拼接场景示意图。
图5示出根据本发明实施例的驾驶参考线处理场景示意图。
图6示出根据本发明实施例的一种驾驶参考线生成装置组成结构示意图。
图7示出根据本发明实施例的车辆结构框图。
图8示出根据本发明实施例的服务器结构框图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本发明的精神或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的而非限制性的。
本发明实施例提供一种驾驶控制方法,根据已有的多个车道中每一个车道的重复的待处理轨迹数据段,生成所述每一个车道对应的平滑轨迹曲线;将所述平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线,最终得到能够覆盖高精地图的全部车道的驾驶参考线。
在一种实施方式中,如图1-1所示,提供一种驾驶参考线生成方法,所述方法包括:
步骤101:基于采集得到的至少一个车道中每一个车道的重复的待处理轨迹数据段,生成针对所述至少一个车道中每一个车道的平滑轨迹曲线;
步骤102:将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线;
步骤103:基于所述高精地图中至少部分车道的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线。
首先针对前述步骤101,在执行之前需要先获取得到至少一条轨迹数据,具体的可以为:
采集至少一个车辆的至少一条轨迹数据;其中,所述轨迹数据中包含有至少一个位置、以及每一个位置处的时刻值;
获取所述至少一条轨迹数据中覆盖同一个车道的重复的N个轨迹数据段;N为大于等于1的整数;
当N超过预设门限值时,将所述同一个车道的N个轨迹数据段作为重复的待处理轨迹数据段。
具体来说,采集至少一个车辆的至少一条轨迹数据,可以包括有至少一个位置以及每一个位置的时刻值;另外,轨迹数据中还可以包括有当时的状态信息。
其中,所述位置可以为基于世界坐标系的坐标,其采集方式可以为由每一个车辆中的GPS单元进行采集;采集间隔可以根据实际情况进行设置,比如,可以为每1s一次,或者可以为每0.5s一次,当然还可以更大或者更小,只是本实施例中不做穷举。所述状态信息可以包括有车辆在对应时刻的速度和/或加速度。举例来说,所述轨迹数据可以为至少一个(x,y,t),(x,y)即表示地理位置信息,t则是采集得到该轨迹数据时的时刻值;或者,轨迹数据可以为至少一个(x,y,t,a)也就是除了上述的信息之外,可能还包括有该时刻的加速度值,加速度可以为正数也可以为负数。
所述获取所述至少一条轨迹数据中覆盖同一个车道的重复的N个轨迹数据段,可以为根据至少一条轨迹数据中的(x,y)也就是位置信息来进行比对,选取得到经过同一个车道的N个轨迹数据段;比如,有4条轨迹数据,其中针对某一个车道,有3条轨迹数据,而剩余的车道则分别有一个轨迹数据段,那么针对同一个车道的三条轨迹数据为有效轨迹数据。
另外,预设门限值可以根据实际情况设置,比如,可以为10,当然还可以为3,或者还可以为50,本实施例不再穷举。也就是说,当经过同一个车道有3条轨迹数据的时候,选取覆盖该车道的重复了3次及以上的多个轨迹数据段作为重复的待处理轨迹数据段。
需要指出的是,本实施例选取多个人类驾驶实际车道的多个轨迹数据,然后从中选取重复次数较多,也就是走过的次数较多的某些车道所对应的轨迹数据段作为本实施例所使用的待处理轨迹数据段。针对的场景可以包括有各种类型的场景十字路口、转弯、分叉、普通的直行车道内的轨迹等等。重复的轨迹,可以是采集重复次数较多的轨迹数据段;因为在一张地图上,只开一次不能反映实际情况,某一段路是多次走过的可以认为是有效的。
前述步骤101中,生成针对所述至少一个车道中每一个车道的平滑轨迹曲线,可以为针对待处理轨迹数据段进行处理,以人工驾驶待处理轨迹数据段的至少一个采样点为输入,用分段二维高斯分布拟合,生成反映人类驾驶***滑轨迹曲线。
其中,至少一个采样点可以为采集轨迹数据的时候所采集到的至少一个采样点,当然还可以为基于预设的间隔选取的至少一个采样点,比如,原来某一个车道的待处理轨迹数据段中存在10个采集点,在进行分段二维高斯分布拟合的时候,可以从中选取5个采集点作为输入,最终经过分段二维高斯分布拟合算法生成对应的平滑轨迹曲线。
前述步骤102中,所述将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线,包括:
将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图中对应的至少部分车道;删除平滑轨迹曲线中位于道路范围外的部分后,得到高精地图中至少部分车道的驾驶参考线。
也就是说,结合高精地图,将全部拟合生成的曲线映射到对应的车道上,删除道路范围以外的多余部分,获得多条驾驶参考线。可以理解为,当曲线映射到车道上之后,可能存在一部分曲线落在车道所在的道路范围之外;进一步的,一段道路中可以存在平行的至少一条车道,比如,一段道路中可以存在4条平行的车道,本步骤可以将落在道路范围外的多余部分删除。
在高精地图中,将针对多个车道的平滑轨迹曲线进行映射,其中,映射的方式可以为基于位置进行映射,比如,高精地图中存在的多个元素也是以位置进行的设置,根据平滑轨迹曲线的位置关系,将其映射到高精地图中。
从用户角度来说,高精地图与传统电子地图的主要区别是:高精地图的使用者是自动驾驶***,传统电子地图的用户则是人类驾驶员。
参见图2,传统的普通导航电子地图(图中左侧)会描绘出道路,部分道路会区分车道,而高精度地图(图中右侧)不仅会描绘道路,对一条道路上有多少条车道也会精确描绘,会真实地反映出车道的实际样式。
传统电子地图不会把车道形状的细节完全展现,而高精地图为了让自动驾驶***更好地识别交通情况,从而提前做出行驶方案,会把车道形状的细节进行详细、精确展示,哪些地方变宽、变窄,会和真实车道完全一致。
如图2所示,高精地图中,地图中包含有多个车道,比如,图中包含有车道(Lane)1-10。至少一个车道可以组成一个道路,比如,可以车道(Lane)1、2、3组成一个道路,车道(Lane)4、5、6、7组成另一个道路,其他的组成方式类似,不再赘述。需要理解的是,图2仅为示例,实际的高精地图中还会存在更多的表达元素,比如路肩、交通灯等等,只是本实施例中不再穷举。
前述删除平滑轨迹曲线中位于道路范围外的部分,可以参见图3,假设当前针对车道中存在平滑轨迹曲线1,但是其中存在一部分曲线位于道路覆盖范围的外面,如图中的虚线部分,那么就将其作为多余部分删除,然后保留下来的部分作为针对车道的驾驶参考线。
可见,通过采用上述方案,就能够基于能够覆盖至少一个车道中每一个车道的待处理轨迹数据段,处理得到平滑轨迹曲线后,将平滑轨迹曲线映射到高精地图得到部分车道的驾驶参考线,进而基于部分车道的驾驶参考线生成高精地图中的全部车道的驾驶参考线。由于覆盖多个车道的待处理轨迹数据段为预先采集得到的,因此,在进行映射生成高精地图中的驾驶参考线的时候,能够保证参考线的合理性,并且保证了驾驶参考线表达了人类的驾驶习惯,例如更光滑完成并线、以更接近人类驾驶的转弯半径完成路口内转弯等。
在一种实施方式中,一种驾驶参考线生成方法,本实施例方式中,映射平滑驾驶曲线至高精地图及其之前的处理与前述实施例步骤101-步骤102的描述相同,因此不再赘述。
本实施例针对前述步骤103,基于所述高精地图中至少部分车道的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线,进行详细说明。
其中,包含有拼接至少部分车道的驾驶参考线的处理,进而基于拼接后的驾驶参考线生成针对整个高精地图的全部车道的完整的驾驶参考线。具体来说,参见图1-2,在图1中步骤101-步骤102的基础上,步骤103可以分为以下步骤执行,具体包括:
步骤1031:在所述高精地图中至少部分车道的驾驶参考线中,针对所述驾驶参考线中的车道分叉以及汇入的位置,采用多项式曲线拟合算法对驾驶参考线进行拼接;
步骤1032:基于拼接后的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线。
进一步地,在高精地图上找到分叉、汇入的地方;而针对分叉的车道,可能会出现不一样的情况,比如,某一次采集了左分叉,另一次采集的路线走了右分叉;中间衔接的部分需要衔接起来;也就是说,一条路可以有多种走法,第一次和第二次可能会采集到不同的路线。其中,不同次采集到的路线有共同的部分,以及不同的部分,利用多项式曲线拟合算法,将共同的部分拼接起来。
比如,参见图4,假设针对车道有两条驾驶参考线分别为a、b,其中驾驶参考线a中有一部分走了左边的车道,驾驶参考线b中一部分走了右边的车道,这两个即为分叉,这两条驾驶参考线存在共同部分;另外还存在驾驶参考线c,驾驶参考线c位于分叉之后,那么可以将驾驶参考线a、b的共同部分以及驾驶参考线c进行拼接,其中拼接的部分在图中以虚线示出,最终得到拼接后的驾驶参考线。整个高精地图中可以基于该处理方式进行处理。
另外,基于前述方案,可能还会存在一部分车道没有得到驾驶参考线,这部分的处理可以如图1-3所示,具体包括:
步骤1033:针对所述高精地图中的至少一条无驾驶参考线的车道,将所述至少一条无驾驶参考线的车道的中心线作为待替换驾驶参考线;
步骤1034:基于所述至少一条无驾驶参考线的车道的待替换驾驶参考线、以及所述高精地图中至少部分车道的驾驶参考线,生成高精地图中覆盖全部车道的完整驾驶参考线。
也就是说,本实施例方式中,驾驶参考线可以增量式地生成,在未采集区域可用高精地图自带的车道中心线代替。比如,参见图5,以道路1-5为例进行说明,其中存在道路1、2中的部分车道的驾驶参考线,但是剩余的道路3、4、5并没有驾驶参考线,可以将道路3、4、5中至少一个车道的中心线作为其驾驶参考线,图中以有箭头的实线表示,进而与道路1、2的驾驶参考线拼接后得到完整的驾驶参考线。
还需要指出的是,最终得到的完整的驾驶参考线为车道级别的,也就是高精地图中的全部车道均具备对应的驾驶参考线。
进一步地,如果针对原来没有采集到参考路线的车道,即采用待替换驾驶参考线的车道,重新采集到了重复的驾驶轨迹数据的时候,可以在采集了之后对该车道的原来人工标注的数据进行替换。也就是说,如果没有采集人类路线,可以是人工标注的数据作为参考线,如果有人类路线的采集,就采用人类路线。
需要理解的是,针对无驾驶参考线的车道的处理方式可以为在图1-2所示的步骤1031的基础上执行,也就是说,在完成驾驶参考线的拼接之后,作为步骤1032的具体实施方式,在拼接后的驾驶参考线的基础上进行无驾驶参考线的部分车道的扩展得到完整的驾驶参考线,也就是具体的处理流程为前述步骤101-步骤102-步骤1031-步骤1033-步骤1034,这里不再进行赘述;
或者,还可以在图1-1中的步骤102之后执行,也就是说,在生成步骤102的至少部分车道的驾驶参考线之后,就开始执行步骤103,而步骤103的处理就是将无驾驶参考线的车道的中心线作为该车道的驾驶参考线,其处理流程为步骤101-步骤102-步骤1033-步骤1034,这里不再进行赘述。
前述方法,可以为在车辆的处理器中执行,也可以在服务器侧进行处理;其中,服务器可以为高精地图的服务器侧。
当前述方法各个步骤在服务器侧执行的时候,采集至少一个车辆的至少一条轨迹数据的处理,可以理解为,由至少一个车辆进行采集,将采集得到的至少一条轨迹数据发送至服务器侧;然后由服务器侧执行前述步骤101-步骤102-步骤1031-步骤1033-步骤1034,或者,由服务器侧执行前述步骤101-步骤102-步骤1033-步骤1034。
进一步地,当前述各个方法步骤在服务器侧执行且生成完整的驾驶参考线之后,所述服务器还可以:将覆盖高精地图内全部车道的完整驾驶参考线发送至至少一个车辆。也就是,最终可以将具备完整驾驶参考线的高精地图置入无人驾驶车辆中,以供车辆精确控制车辆在道路中具体的车道上进行自动行驶。
可见,通过采用上述方案,就能够基于能够覆盖至少一个车道中每一个车道的N个待处理轨迹数据段,处理得到平滑轨迹曲线后,将平滑轨迹曲线映射到高精地图得到部分车道的驾驶参考线,进而基于部分车道的驾驶参考线生成高精地图中的全部车道的驾驶参考线。由于覆盖多个车道的待处理轨迹数据段为预先采集得到的,因此,在进行映射生成高精地图中的驾驶参考线的时候,能够保证参考线的合理性,并且保证了驾驶参考线表达了人类的驾驶习惯,例如更光滑完成并线、以更接近人类驾驶的转弯半径完成路口内转弯等。
还需要指出的是,由于采用上述方案能够得到车道级别的驾驶参考线,因此至少相比于普通导航地图,本实施例提供的方案所提供的驾驶参考线更加精确。
在一种实施方式中,图6示出一种驾驶控制装置,所述装置包括:
轨迹处理单元61,用于基于采集得到的至少一个车道中每一个车道的重复的待处理轨迹数据段,生成针对所述至少一个车道中每一个车道的平滑轨迹曲线;
映射单元62,用于将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线;
地图处理单元63,用于基于所述高精地图中至少部分车道的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线。
本实施例应用于能够进行自动驾驶的车辆中。
所述轨迹处理单元,用于采集至少一个车辆的至少一条轨迹数据;其中,所述轨迹数据中包含有至少一个位置、以及每一个位置处的时刻值;获取所述至少一条轨迹数据中覆盖同一个车道的N个轨迹数据段;当N超过预设门限值时,将所述同一个车道的N个轨迹数据段作为重复的待处理轨迹数据段。
所述映射单元,用于将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图中对应的至少部分车道;删除平滑轨迹曲线中位于所述至少部分车道范围外的部分后,得到高精地图中至少部分车道的驾驶参考线。
所述地图处理单元,用于在所述高精地图中至少部分车道的驾驶参考线中,针对所述驾驶参考线中的车道分叉以及汇入的位置,采用多项式曲线拟合算法对驾驶参考线进行拼接。
所述地图处理单元,用于针对所述高精地图中的至少一条无驾驶参考线的车道,将所述至少一条无驾驶参考线的车道的中心线作为待替换驾驶参考线;基于所述至少一条无驾驶参考线的车道的待替换驾驶参考线、以及所述高精地图中至少部分车道的驾驶参考线,生成高精地图中覆盖全部车道的完整驾驶参考线。
本发明实施例装置中的各模块的功能具体可以参见上述方法中的对应描述,在此不再赘述。
前述各个单元可以为在车辆中,也可以在服务器中。
当设置在服务器的时候,还可以包括通信单元;所述通信单元,用于获取采集得到的至少一条轨迹数据。
进一步地,所述通信单元,还可以用于将覆盖高精地图内全部车道的完整驾驶参考线发送至至少一个车辆。也就是,最终可以将具备完整驾驶参考线的高精地图置入无人驾驶车辆中,以供车辆精确控制车辆在道路中具体车道上进行自动行驶。
可见,通过采用上述方案,就能够基于能够覆盖至少一个车道中每一个车道的待处理轨迹数据段,处理得到平滑轨迹曲线后,将平滑轨迹曲线映射到高精地图得到部分车道的驾驶参考线,进而基于部分车道的驾驶参考线生成高精地图中的全部车道的驾驶参考线。由于覆盖多个车道的待处理轨迹数据段为预先采集得到的,因此,在进行映射生成高精地图中的驾驶参考线的时候,能够保证参考线的合理性,并且保证了驾驶参考线表达了人类的驾驶习惯,例如更光滑完成并线、以更接近人类驾驶的转弯半径完成路口内转弯等。
图7示出根据本发明实施例的车辆的结构框图。如图7所示,该车辆包括:第一存储器710和第一处理器720,第一存储器710内存储有可在第一处理器720上运行的计算机程序。所述第一处理器720执行所述计算机程序时实现上述实施例中的驾驶控制方法。所述第一存储器710和第一处理器720的数量可以为一个或多个。
该车辆还包括:
第一通信接口730,用于与外界设备进行通信,进行数据交互传输。
第一存储器710可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果第一存储器710、第一处理器720和第一通信接口730独立实现,则第一存储器710、第一处理器720和第一通信接口730可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA,Industry Standard Architecture)总线、外部设备互连(PCI,Peripheral Component Interconnect)总线或扩展工业标准体系结构(EISA,Extended Industry Standard Architecture)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果第一存储器710、第一处理器720及第一通信接口730集成在一块芯片上,则第一存储器710、第一处理器720及第一通信接口730可以通过内部接口完成相互间的通信。
图8示出根据本发明实施例的服务器的结构框图。如图8所示,该服务器包括:第二存储器810和第二处理器820,第二存储器810内存储有可在第二处理器820上运行的计算机程序。所述第二处理器820执行所述计算机程序时实现上述实施例中的驾驶控制方法。所述第二存储器810和第二处理器820的数量可以为一个或多个。
该车辆、或者服务器还包括:
第二通信接口830,用于与外界设备进行通信,进行数据交互传输。
第二存储器810可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果第二存储器810、第二处理器820和第二通信接口830独立实现,则第二存储器810、第二处理器820和第二通信接口830可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA,Industry Standard Architecture)总线、外部设备互连(PCI,Peripheral Component)总线或扩展工业标准体系结构(EISA,Extended IndustryStandard Component)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果第二存储器810、第二处理器820及第二通信接口830集成在一块芯片上,则第二存储器810、第二处理器820及第二通信接口830可以通过内部接口完成相互间的通信。
本发明实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现上述实施例中任一所述的方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种驾驶参考线生成方法,其特征在于,所述方法包括:
基于采集得到的至少一个车道中每一个车道的重复的待处理轨迹数据段,生成针对所述至少一个车道中每一个车道的平滑轨迹曲线;
将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线;
基于所述高精地图中至少部分车道的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
采集至少一个车辆的至少一条轨迹数据;其中,所述轨迹数据中包含有至少一个位置、以及每一个位置处的时刻值;
获取所述至少一条轨迹数据中覆盖同一个车道的N个轨迹数据段;N为大于等于1的整数;
当N超过预设门限值时,将所述同一个车道的N个轨迹数据段作为重复的待处理轨迹数据段。
3.根据权利要求1所述的方法,其特征在于,所述将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线,包括:
将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图中对应的至少部分车道;
删除平滑轨迹曲线中位于道路范围外的部分后,得到高精地图中至少部分车道的驾驶参考线。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述高精地图中至少部分车道的驾驶参考线中,针对所述驾驶参考线中的车道分叉以及汇入的位置,采用多项式曲线拟合算法对驾驶参考线进行拼接。
5.根据权利要求1或4所述的方法,其特征在于,所述方法还包括:
针对所述高精地图中的至少一条无驾驶参考线的车道,将所述至少一条无驾驶参考线的车道的中心线作为待替换驾驶参考线;
基于所述至少一条无驾驶参考线的车道的待替换驾驶参考线、以及所述高精地图中至少部分车道的驾驶参考线,生成高精地图中覆盖全部车道的完整驾驶参考线。
6.一种驾驶参考线生成装置,其特征在于,所述装置包括:
轨迹处理单元,用于基于采集得到的至少一个车道中每一个车道的重复的待处理轨迹数据段,生成针对所述至少一个车道中每一个车道的平滑轨迹曲线;
映射单元,用于将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图,得到高精地图中至少部分车道的驾驶参考线;
地图处理单元,用于基于所述高精地图中至少部分车道的驾驶参考线,生成覆盖高精地图内全部车道的完整驾驶参考线。
7.根据权利要求6所述的装置,其特征在于,所述轨迹处理单元,用于采集至少一个车辆的至少一条轨迹数据;其中,所述轨迹数据中包含有至少一个位置、以及每一个位置处的时刻值;获取所述至少一条轨迹数据中覆盖同一个车道的N个轨迹数据段;当N超过预设门限值时,将所述同一个车道的N个轨迹数据段作为重复的待处理轨迹数据段;N为大于等于1的整数。
8.根据权利要求6所述的装置,其特征在于,所述映射单元,用于将所述至少一个车道中每一个车道的平滑轨迹曲线映射至高精地图中对应的至少部分车道;删除平滑轨迹曲线中位于所述至少部分车道范围外的部分后,得到高精地图中至少部分车道的驾驶参考线。
9.根据权利要求6所述的装置,其特征在于,所述地图处理单元,用于在所述高精地图中至少部分车道的驾驶参考线中,针对所述驾驶参考线中的车道分叉以及汇入的位置,采用多项式曲线拟合算法对驾驶参考线进行拼接。
10.根据权利要求6或9所述的装置,其特征在于,所述地图处理单元,用于针对所述高精地图中的至少一条无驾驶参考线的车道,将所述至少一条无驾驶参考线的车道的中心线作为待替换驾驶参考线;基于所述至少一条无驾驶参考线的车道的待替换驾驶参考线、以及所述高精地图中至少部分车道的驾驶参考线,生成高精地图中覆盖全部车道的完整驾驶参考线。
11.一种车辆,其特征在于,包括:
一个或多个第一处理器;
第一存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个第一处理器执行时,使得所述一个或多个第一处理器实现如权利要求1至5中任一项所述的方法。
12.一种服务器,其特征在于,包括:
一个或多个第二处理器;
第二存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个第二处理器执行时,使得所述一个或多个第二处理器实现如权利要求1至5中任一项所述的方法。
CN201910127261.2A 2019-02-20 2019-02-20 自动驾驶驾驶参考线生成方法、装置、车辆及服务器 Active CN109871016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910127261.2A CN109871016B (zh) 2019-02-20 2019-02-20 自动驾驶驾驶参考线生成方法、装置、车辆及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910127261.2A CN109871016B (zh) 2019-02-20 2019-02-20 自动驾驶驾驶参考线生成方法、装置、车辆及服务器

Publications (2)

Publication Number Publication Date
CN109871016A true CN109871016A (zh) 2019-06-11
CN109871016B CN109871016B (zh) 2022-07-22

Family

ID=66918953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910127261.2A Active CN109871016B (zh) 2019-02-20 2019-02-20 自动驾驶驾驶参考线生成方法、装置、车辆及服务器

Country Status (1)

Country Link
CN (1) CN109871016B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288675A (zh) * 2019-06-30 2019-09-27 武汉中海庭数据技术有限公司 一种车道参考线构建方法、装置及存储介质
CN110377041A (zh) * 2019-08-08 2019-10-25 腾讯科技(深圳)有限公司 参考线生成方法、装置、终端设备及存储介质
CN110634291A (zh) * 2019-09-17 2019-12-31 武汉中海庭数据技术有限公司 基于众包大数据的高精度地图拓扑自动构建方法及***
CN111177927A (zh) * 2019-12-31 2020-05-19 武汉中海庭数据技术有限公司 一种车辆参考行驶线构建方法、电子设备及存储介质
CN116698059A (zh) * 2023-07-27 2023-09-05 宁波路特斯机器人有限公司 高精地图参考线的处理方法、存储介质与设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010237158A (ja) * 2009-03-31 2010-10-21 Xanavi Informatics Corp カーナビゲーション方法、カーナビゲーションシステム、センタ装置およびカーナビゲーション装置
US20160075280A1 (en) * 2014-09-12 2016-03-17 Hyundai Motor Company System for estimating lane and method thereof
CN105513405A (zh) * 2016-01-12 2016-04-20 北京中交兴路车联网科技有限公司 一种车辆轨迹分析方法和装置
CN106525033A (zh) * 2016-09-22 2017-03-22 深圳市元征科技股份有限公司 一种行车轨迹的确定方法及其装置
US20170192436A1 (en) * 2016-01-05 2017-07-06 Electronics And Telecommunications Research Institute Autonomous driving service system for autonomous driving vehicle, cloud server for the same, and method for operating the cloud server
US20170269605A1 (en) * 2016-03-21 2017-09-21 Ford Global Technologies, Llc Systems, Methods, And Devices For Fusion Of Predicted Path Attributes And Drive History
CN107462243A (zh) * 2017-08-04 2017-12-12 浙江大学 一种基于高精度地图的云控自动驾驶任务生成方法
CN108519094A (zh) * 2018-02-11 2018-09-11 华为技术有限公司 局部路径规划方法及云处理端
US20180348761A1 (en) * 2017-05-31 2018-12-06 Baidu Usa Llc Scalable smooth reference path generator for autonomous driving vehicles
CN109059944A (zh) * 2018-06-06 2018-12-21 上海国际汽车城(集团)有限公司 基于驾驶习惯学习的运动规划方法
CN109154821A (zh) * 2017-11-30 2019-01-04 深圳市大疆创新科技有限公司 轨迹生成方法、装置和无人驾驶地面车辆

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010237158A (ja) * 2009-03-31 2010-10-21 Xanavi Informatics Corp カーナビゲーション方法、カーナビゲーションシステム、センタ装置およびカーナビゲーション装置
US20160075280A1 (en) * 2014-09-12 2016-03-17 Hyundai Motor Company System for estimating lane and method thereof
US20170192436A1 (en) * 2016-01-05 2017-07-06 Electronics And Telecommunications Research Institute Autonomous driving service system for autonomous driving vehicle, cloud server for the same, and method for operating the cloud server
CN105513405A (zh) * 2016-01-12 2016-04-20 北京中交兴路车联网科技有限公司 一种车辆轨迹分析方法和装置
US20170269605A1 (en) * 2016-03-21 2017-09-21 Ford Global Technologies, Llc Systems, Methods, And Devices For Fusion Of Predicted Path Attributes And Drive History
CN106525033A (zh) * 2016-09-22 2017-03-22 深圳市元征科技股份有限公司 一种行车轨迹的确定方法及其装置
US20180348761A1 (en) * 2017-05-31 2018-12-06 Baidu Usa Llc Scalable smooth reference path generator for autonomous driving vehicles
CN107462243A (zh) * 2017-08-04 2017-12-12 浙江大学 一种基于高精度地图的云控自动驾驶任务生成方法
CN109154821A (zh) * 2017-11-30 2019-01-04 深圳市大疆创新科技有限公司 轨迹生成方法、装置和无人驾驶地面车辆
CN108519094A (zh) * 2018-02-11 2018-09-11 华为技术有限公司 局部路径规划方法及云处理端
CN109059944A (zh) * 2018-06-06 2018-12-21 上海国际汽车城(集团)有限公司 基于驾驶习惯学习的运动规划方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288675A (zh) * 2019-06-30 2019-09-27 武汉中海庭数据技术有限公司 一种车道参考线构建方法、装置及存储介质
CN110288675B (zh) * 2019-06-30 2022-05-13 武汉中海庭数据技术有限公司 一种车道参考线构建方法、装置及存储介质
CN110377041A (zh) * 2019-08-08 2019-10-25 腾讯科技(深圳)有限公司 参考线生成方法、装置、终端设备及存储介质
CN110377041B (zh) * 2019-08-08 2022-03-29 腾讯科技(深圳)有限公司 参考线生成方法、装置、终端设备及存储介质
CN110634291A (zh) * 2019-09-17 2019-12-31 武汉中海庭数据技术有限公司 基于众包大数据的高精度地图拓扑自动构建方法及***
CN110634291B (zh) * 2019-09-17 2020-12-29 武汉中海庭数据技术有限公司 基于众包大数据的高精度地图拓扑自动构建方法及***
CN111177927A (zh) * 2019-12-31 2020-05-19 武汉中海庭数据技术有限公司 一种车辆参考行驶线构建方法、电子设备及存储介质
CN116698059A (zh) * 2023-07-27 2023-09-05 宁波路特斯机器人有限公司 高精地图参考线的处理方法、存储介质与设备
CN116698059B (zh) * 2023-07-27 2023-11-28 宁波路特斯机器人有限公司 高精地图参考线的处理方法、存储介质与设备

Also Published As

Publication number Publication date
CN109871016B (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN109871016A (zh) 一种驾驶参考线生成方法、装置、车辆及服务器
WO2020108207A1 (zh) 一种高精度地图的构建方法及装置
CN109470254B (zh) 地图车道线的生成方法、装置、***及存储介质
CN108871368B (zh) 一种高精度地图车道横向拓扑关系的构建方法、***及存储器
CN112212874B (zh) 车辆轨迹预测方法、装置、电子设备及计算机可读介质
CN109472844B (zh) 路口内车道线标注方法、装置及存储介质
CN108519094A (zh) 局部路径规划方法及云处理端
CN106980657A (zh) 一种基于信息融合的车道级电子地图构建方法
CN108981730A (zh) 用于为操作自动驾驶车辆生成参考路径的方法和***
CN103292816A (zh) 电子地图生成方法、装置及路径规划方法、装置
JP2019135544A (ja) 電子地図における交差点を認識するための方法及び装置
WO2020125686A1 (zh) 实时相对地图的生成方法,智能驾驶设备以及计算机存储介质
CN109164785A (zh) 自动驾驶车辆的仿真测试方法、装置、设备及存储介质
CN108332761B (zh) 一种使用及创建路网地图信息的方法与设备
CN110009741B (zh) 一种在Unity中生成环境点云地图的方法
CN112614365B (zh) 一种电子地图处理方法及装置
CN105806349B (zh) 一种真三维导航转向诱导方法和转向诱导导航设备
CN108731693A (zh) 区块地图采集方法
CN108801289A (zh) 诱导箭头规划方法、装置、导航***和存储介质
CN114518122A (zh) 行车导航方法、装置、计算机设备、存储介质和计算机程序产品
CN105023431A (zh) 一种确定交通限行信息的方法及装置
CN104634355B (zh) 导航方法及导航设备
CN116105717A (zh) 车道级高精度地图构建方法及***
CN116360417A (zh) 一种机器人的路径规划方法、装置及设备
EP4124828B1 (en) Map processing method and apparatus

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