CN110196056A - 用于生成用于自动驾驶车辆导航和决策的道路地图的方法和导航装置 - Google Patents

Abstract

一种用于生成用于自动驾驶车辆导航和决策的道路地图的方法，包括：提供具有道路图像的原始道路图像数据；从原始道路图像数据中识别限定道路相应车道段的边界线；将交通属性和由边界线限定的车道段分别相关联；将车道段分组以生成路段；以及将对应于路段的交通控制对象和路段相结合以生成用于自动驾驶车辆导航和决策的道路地图。

Description

用于生成用于自动驾驶车辆导航和决策的道路地图的方法和 导航装置

相关申请的交叉引用

本申请涉及于2018年3月29日提交的美国临时申请62/649,573，以及于2019年3月20日提交的美国申请16/359,991，申请名称为：“METHOD FOR GENERATING ROAD MAP FORVEHICLE NAVIGATION AND NAVIGATION DEVICE”，这些专利申请的公开内容通过引用整体并入本文。

技术领域

本申请总体来说涉及导航和数字绘图技术，特别地，涉及一种为自动驾驶的导航和决策***生成详细的机器可读的道路地图的方法。

背景技术

车辆导航允许汽车驾驶员看到他或她在地图中的位置。通常，可以使用卫星导航设备或惯性测量单元(例如，加速度计或陀螺仪传感器)来获得车辆的位置，从而当需要指示方位时，可以基于车辆在地图中的位置来计算路线。大多数导航***依靠显示屏来向驾驶员传达导航信息，例如地图、具有顺序转弯方向的机动列表以及通常在转弯之前弹出的转弯引导显示。一些导航***还可以使用扬声器来通知驾驶员机动列表或交通信息，使得驾驶员无需非常频繁地查看显示屏。

地图可以有效地用于规划路线，因为它们提供了地区或区域的图形表示。然而，传统的导航***地图无法给自动驾驶传达足够信息。因此，仍然需要进一步改进。

发明内容

本申请的目的是提供一种用于生成和使用包含对自动驾驶导航、预测、决策以及路径规划有用信息的道路地图的方法。

在本申请的第一方面，提供了一种用于生成用于自动驾驶车辆导航和决策的道路地图的方法，包括：提供具有道路图像的原始道路图像数据；从原始道路图像数据中识别限定道路的各个车道段的边界线；将交通属性分别与由边界线限定的车道段相关联；将车道段分组成路段；将路段和与其对应的交通控制对象组合，以生成车辆导航的道路地图，其中交通控制对象分别具有可影响路段中的交通流量的交通控制指示。

在本申请的另一方面，提供了一种导航装置，其包括：数据存储器，用于存储用于自动驾驶车辆导航和决策的道路地图，其中道路地图包括道路的一个或多个路段，这些路段由相应边界线限定，并且与相应交通属性相关联，以及一个或多个交通控制对象，这些交通控制对象对应于该一个或多个路段并且具有可以影响路段中的交通流量的相应交通控制指示；定位模块，用于检测车辆的当前位置；以及处理器，被配置为：接收车辆的目的地，并基于道路地图、车辆的当前位置和车辆的目的地计算车辆的路线。

前面已经相当广泛地概述了本申请的特征。本申请的附加特征将在下文中描述，其形成本申请的权利要求的主题。本领域技术人员应该理解，本文公开的概念和具体实施方式可以容易地作为修改或设计用于实现本申请的目的的其他结构或过程的基础。本领域技术人员还应该认识到，这样的等同构造并不脱离所附权利要求中阐述的本申请的精神和范围。

附图说明

通过参考附图和所附权利要求，在以下段落中将进一步描述本申请的前述特征和其他特征。应当理解，这些附图仅示出了根据本申请的某些实施例，并且不应被视为对本申请的范围的限制。除非另有说明，否则附图不需要成比例，并且类似的附图标记通常表示类似的元件。

图1示出了示例性的原始道路图像。

图2A-2E示出了根据本申请一实施例的生成用于自动驾驶车辆导航和决策的道路地图的过程。

图3-7示出了根据本申请一实施例的一些示例性的道路地图。

图8示出了根据本申请一实施例的导航装置。

具体实施方式

在更详细地描述本公开之前，可以理解的是，本公开不限于所描述的特定实施例，并且正因如此当然可以变化。还应理解，既然本公开的范围仅受所附权利要求的限制，那么本文使用的术语仅用于描述而不旨在限制特定实施例。

除非另外定义，否则本文使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常理解的含义相同的含义。尽管与本文描述的那些类似或等同的任何方法和材料也可用于本公开的实施或试验，但现在描述的是优选的方法和材料。

本说明书中引用的所有出版物和专利均通过引用并入本文，如同具体并个别地指出每个单篇出版物或专利通过引用并入本文，以公开和描述与被引用的出版物相关的方法和/或材料。任何出版物引用的是在申请日之前的公开内容，因此不应理解为承认凭借在先公开，本申请无权先于此类出版物。此外，提供的出版日期可能与实际出版日期不同，这可能需要独立地确认。

对于本领域技术人员在阅读本公开内容时显而易见的是，本文描述和示出的每个单独实施例具有离散的组件和特征，其可以容易地与任何其他一些实施例的特征分离或组合，而不背离本公开的范围或精神。任何列举的方法可以按照所列举事件的顺序或以逻辑上可能的任何其他顺序进行。

本公开涉及用于生成高清晰度地图(例如，用于自动驾驶)的方法和***。为简洁起见，与自动驾驶技术和***的其他功能方面(以及***的各个操作组件)相关的传统技术和组件将不在此详细描述。此外，本文包含的各个图中所示的连接线旨在表示各种元件之间的示例性的功能关系和/或物理耦合。应该注意，在本发明的实施例中可以存在许多替代或附加的功能关系或物理连接。

自动驾驶车辆(也称为无人驾驶汽车、自动驾驶汽车或机器人汽车)能够感测环境并在没有人为输入的情况下进行导航。自动驾驶车辆可以配备高精度GPS导航***和几个用于探测障碍物的激光扫描仪。自动驾驶车辆还可以配置为使用诸如相机、雷达、光检测和测距(LIDAR)、GPS和其他传感器的技术来感测其周围环境。先进的控制***解析感测信息，以识别适当的导航路径，以及障碍物和相关标志。一些自动驾驶车辆基于感测输入更新其地图，使得车辆即使在状况改变或进入未知环境时也能保持对其位置的跟踪。

然而，感测输入受到传感器的有效范围的限制，传感器的有效范围容易受到诸如雾或大雨等天气条件的影响。此外，感测信息经常在经过障碍物或在弯路附近时丢失或被遮挡。因此，传感器需要同道路地图相结合工作，以允许自动驾驶车辆理解现实世界以及准确地知道哪里需要有选择性地集中注意力，以便安全且有效地驾驶。

因此，本申请在一个方面提供了用于自动驾驶的道路地图。这里公开的道路地图包含导航信息，例如具有车道边界的车道几何形状、车道穿越信息、车道类型、车道标记类型、车道级速度限制信息等。该道路地图数据集可以存储在自动驾驶车辆中。可选地，该道路地图数据集在与自动驾驶车辆通信的服务器(例如，云端)中存储和更新，并提供必要的地图信息供自动驾驶车辆使用。

自动驾驶车辆在驾驶中使用道路地图的机制在本领域中是已知的(参见，例如HSeif and X Hu,Autonomous Driving in the iCity–HD Maps as a key Challenge ofthe Automotive Industry,Engineering(2016)2:159-162)。在某些实施例中，本文公开的道路地图的导航信息以路径点的形式提供给自动驾驶车辆。每个路径点包含具有车道边界的车道几何形状、车道类型和方向、车道速度限制、左/右车道段的信息，以及关键交通控制信息和相关的关键交通区域(例如，人行横道等)。在某些实施例中，取决于自动驾驶车辆的位置，仅提供自动驾驶车辆附近(例如，在200-300米的范围内)的路径点。自动驾驶车辆将路径点与感测信息结合使用以规划路径并控制移动。

通常，连接路径点以形成自动驾驶车辆移动所遵循的直线或曲线。例如，某些实施例中的路径点可以位于每个车道的中心。因此，同一车道中的路径点形成了车道的中心线。在中心线上行驶可确保自动驾驶车辆行驶在车道内。然而，在某些情况下，例如在道路连接区域中，路径点之间的连接较为复杂且并不直观。因此，本公开在另一方面提供了生成用于自动驾驶车辆导航的道路地图的方法。

通过以下示例性实施例和附图可以理解本申请中公开的发明。除非在上下文中另有说明，否则在附图中类似的符号通常表示类似的组件。在以下详细描述中，附图和权利要求中的说明性实施例不是限制性的，也可以采用其他实施例，或者可以在不脱离本申请的精神和主题的情况下进行修改。应当理解，本文描述和用图形呈现的本申请的各个方面可以以许多不同的配置来排列、替换、组合、划分和设计，并且这些不同的配置隐含地包括在本申请中。

图1示出了示例性的原始道路图像，基于该原始道路图像可以生成本公开的高清(HD)地图。如图1所示，以数字格式存储的原始道路图像包含特定地理区域或地域内的道路网络的图像。道路网络可以具有多条道路以及这些道路的背景，例如房屋、土地、河流等。在一些实施例中，原始道路图像可以由传感器数据生成，该传感器数据例如，由传感器(诸如LiDAR(光检测和测距)传感器、雷达传感器、照相机)或任何其他合适类型的传感器捕获。

图2A-2E示出了生成用于自动驾驶车辆导航和决策的道路地图的过程。可以基于原始道路图像数据(例如图1中所示的原始道路图像)生成道路地图。此外，道路地图中可能包含的对车辆导航有用的一些其他信息，将在下面详述。本领域技术人员容易理解的是，所生成的道路地图的大小可以根据原始道路图像的大小而变化。并且在一些示例中，原始道路图像可以被分成几个部分，这些部分可以先单独处理然后组合在一起。此外，生成的道路地图是矢量地图，在不同层次的细节上，包括关于地点(诸如城镇、城市等)的地理信息***(GIS)数据的基于矢量的集合。

在一些实施例中，原始道路图像被划分为多个处理单元，该处理单元称为路段。通常，路段在道路连接区域处开始和/或终止，并且路段仅在其两端和另一路段连接。在图2A-2C中示出的示例性实施例中，能够理解，从原始道路图像生成路段的过程。

在生成本公开的道路地图的第一步骤中，基于原始道路图像标记边界线。参考图2A，识别一组边界线，该边界线由包含在原始道路图像数据中的某些边界限定。例如，边界线202遵循道路相应的路沿，分隔了机动区域206和非机动区域208。在一些示例中，非机动区域208可以是机动区域206旁车辆通常不能驶入或驶过的人行道、自行车道、院子、建筑物或房屋。边界线204限定了将道路分成不同行驶车道的分车带。可以理解的是，一些道路可能仅具有一条行驶车道，因此对于这些道路可能无法识别边界线204。在这种情况下，限定了道路的边界线也限定了行驶车道。额外的边界线可以限定将道路两个方向分开的道路的中央分隔带、线或绿化带；隔离道路/车道的围栏、岛边界等。

边界线202和204可以由道路连接区域(例如道路连接区域210)中断。道路连接区域实现不同车道段之间的交通通信。在一些示例中，边界线可以被一些其他区域(例如人行横道区域、保持畅通区域、减速区域或交通控制线(例如，停止线))中断。在一些其他示例中，边界线可以通过车道段的入口或出口而中断。

在一些示例中，可以利用一些图像识别算法处理原始道路图像数据来自动识别或标记边界线。例如，原始道路图像数据可以包括原始车道分隔线，从而车道边界可以遵循这些原始车道分隔线。在一些原始道路图像数据中未提供原始车道分隔线的情况下，可以基于边界线和交通规则来识别车道边界。例如，限定机动区域的两条平行边界线之间的距离是15米，而根据交通规则最小车道宽度是4米，那么可以识别三条行驶车道，比如其车道宽度可以分别为5.2米、4.6米和5.2米。然后将相应的车道边界添加到道路地图中。在一些替代示例中，边界线可以由人工操作标记。在一些示例中，处理道路地图的计算机接收来自人的指令将识别的边界线添加到道路地图中。

在示例性实施例的第二步骤中，基于在第一步骤中识别的车道边界生成车道段，并且导航信息与所生成的车道段相关联，使得每个车道段具有某些交通属性。要关联的导航信息可以包括车道宽度、车道的硬/软边界(即，车辆是否允许通过车道边界)和速度限制等。在某些实施例中，每个车道段均生成包括行驶路径点的车道中心线。在某些实施例中，导航信息与路径点相关联，从而自动驾驶车辆可以使用路径点结合感测信息来规划路径并控制移动。因此，可以通过将导航信息与车道段内的路径点相关联来实现将导航信息与车道段相关联。在某些实施例中，与车道段内的路径点相关联的导航信息通常是相同或相似的，除了在车道段的末端处的路径点可能具有不同的导航信息。参考图2B，在相应的车道段中可以生成车道段的车道中心线212。每个车道中心线212包括一系列路径点(虚线点)。在某些实施例中，每大约0.5米、1米、1.5米、2米、2.5米、3米或更长距离设置路径点。在车道中心线上行驶可确保自动驾驶车辆行驶在车道内。在一些示例中，车道中心线212可以通过人工操作来识别或标记，或者基于每条车道的宽度自动生成。

在某些实施例中，与路径点(即和车道段)相关联的导航信息可以包括禁止车辆变道的“禁止通过”的交通属性，或者允许车辆变道的“允许通过”的交通属性。

在某些实施例中，与路径点/车道段相关联的导航信息可以包括特定速度限制，例如最高速度或最低速度。在某些实施例中，与路径点/车道段相关联的导航信息可以包括允许汽车行驶但禁止卡车行驶的交通属性。如此，不同类型的车辆可以有差异地使用该导航信息。在某些实施例中，与路径点/车道段相关联的导航信息可以包括车辆在驶出车道时可以采取的特定转弯方向(例如，左转、直行、右转或掉头)。容易理解的是，其他交通属性(例如，铁路等)也可以与路径点/车道段相关联。

在示例性实施例的第三步骤中，在上述第二步骤中生成的车道段被分组为路段。通常，当车道段彼此相邻，开始于且终止于相同连接区域时，将车道段分组以生成路段。参见图2C，通过将如图2B中生成的彼此相邻的车道段分组生成路段1、2和3。可以基于图2A中标识的边界线来识别路段的边界。例如，边界线202限定了路段的边界。基于机动区域和其他功能区域(例如，人行横道区域、保持畅通区域、减速区域或道路连接区域(例如道路连接区域210))的分隔来识别附加边界线，例如边界线214和216。边界线202、214和216一起限定机动区域“路段2”。可以看出，边界线214可以和其他边界线一起来限定道路连接区域210。类似地，边界线216可以限定另一个路段，例如与机动区域“路段2”相邻的保持畅通区域(未示出)。

当对车道段进行分组时，这些车道段的导航信息将链接或共享。因此，当车辆行驶在路段内的车道段中时，车辆可以获得相同路段中的其他车道段的导航信息，这使得车辆能够获得必要的信息以规划路线。例如，当车辆行驶在路段中间的车道段中时，车辆可以获得诸如路段中有多少个车道段、哪个车道段可用于左转或右转以及哪条车道段可用于离开该路段等信息。

在生成路段之后，各种交通属性可以与路段相关联。例如，路段可以与转弯方向、速度限制等相关联，保持畅通区域可以与禁止车辆在该区域中停车的交通属性相关联，以及人行横道区域可以与允许人们穿过该区域的交通属性相关联。此外，诸如停止线和礼让线的其他交通属性可以与道路地图中相应的路段相关联。当车辆需要基于道路地图的导航时，交通属性有助于路线计算。应该注意，上面提到的交通属性是示例性的，并不旨在限制本申请的范围。

在示例性实施例的第四步骤中，生成连接以连接在先前步骤中生成的车道段和路段。在一些实施例中，连接线或连接曲线连接两个车道段的末端处的路径点。因此，自动驾驶车辆可以行驶在连接线或连接曲线上以从一个车道段移动到另一个车道段。一并参见图2C和图2D，两个相邻路段的车道段可以通过相应的连接线连接。例如，“路段1”的车道段224通过连接线218和“路段2”的车道段226连接，并通过连接线222和“路段3”的车道段228连接。“路段1”的车道段230通过连接线220和“路段3”的车道段232连接。连接线通常在道路连接区域210内，并且当车辆行驶通过道路连接区域210时帮助定位车辆。

和车道中心线类似，连接线可以包括路径点。在某些实施例中，连接线或连接曲线可以与诸如速度、转弯意向、交通控制规则(例如，需要遵守的道路)的导航信息相关联。

在某些实施例中，利用优化算法生成连接曲线，从而规划和控制模块能够遵循该生成的曲线。例如，为了避免行驶方向和速度的急剧变化，生成连接曲线220不仅要考虑要连接的车道段的末端处的路径点，还要考虑车道段内的路径点，例如最靠近末端处的路径点的至少1个、2个或3个路径点。因此，自动驾驶车辆可以在两个车道段之间平稳地过渡。

在某些实施例中，具有相应交通控制指示的交通控制对象可以进一步与车道段和路段组合。交通控制指示可以影响路段中的交通流量。例如，如图2E所示，交通控制对象可以包括交通控制灯、交通控制标志、交通控制公告或交通控制图案(例如停车线)。通常，交通控制图案绘制在路面上，因此可以通过处理原始道路图像数据来识别。然而，交通控制灯、标志(例如停车标志、礼让标志、路线标志等)和公告(电子的或非电子的)通常竖立或悬挂在路面上方，这可能无法通过道路的平面视图识别。在一些实施例中，可以通过道路的街道视图来识别这些交通控制对象及其在道路地图中的相应位置。

根据图2A-2E所示的过程生成的道路地图具有道路的路线和导航信息，这有助于导航行驶在道路上的车辆。此外，道路地图对于能够在没有驾驶员参与的情况下驾驶的自动驾驶车辆特别有用，因为道路地图中包括了功能区域(诸如减速区域，人行横道区域和保持畅通区域)和交通控制对象。在自动驾驶期间，自动驾驶车辆可以根据与这些功能区域和交通控制对象相关联的交通属性生成各种驾驶控制指令，例如加速、刹车或转弯，这使得自动驾驶车辆的行驶符合交通规则并提高安全性。

图3-7示出了根据本申请的实施例的一些示例性道路地图。

如图3所示，在某些实施例中，链接由道路连接区域分开的车道段和/或路段，这样当自动驾驶车辆行驶通过道路连接区域时可以获得必要的导航信息。如图3所示，示例性的道路地图300具有交叉连接区域301，在其四个方向上连接多个路段。具体地，路段302和路段304位于交叉连接区域301的西侧，由连接区域308分隔。路段302与路段310平行并由分隔区域306分隔。路段311与路段304平行并由分隔区域309分隔。分隔区域306和309由连接区域308断开，使得在路段310中行驶的车辆可以通过掉头而行驶到路段302上。路段302的边界线由出口313断开。每个路段具有由车道段线分隔的三个或四个车道段，并且每个车道段在车道中心线处进一步由路径点指示，这有助于指示路径或路线。

路段316、318和320分别位于交叉连接区域301的南侧、东侧和北侧。因此，在路段311中行驶的车辆可以根据车辆的目的地行驶到路段316、318和320中的一个路段。具体地，最左边的两个车道段中的车辆可以通过遵循连接线326和328(即，左转弯)行驶到路段320上，中间车道段中的车辆可以通过遵循连接线330行驶到路段318上(即，直行)，最右侧车道段中的车辆可以通过遵循连接线332(即，右转弯)而行驶到路段316上。

与其他路段相比，路段318相对较窄，因此具有较少的车道段。因此，两条或多条连接线可以将路段318的车道段与其他路段(例如路段304)的两个或多个车道段连接。如图3所示，三条连接线将路段318的车道段324分别与路段304的三个车道段连接。容易理解的是，连接线可以基于所连接的两个路段的车道段的交通属性生成。

在道路地图300中还识别了一些其他功能区域和交通控制对象。铁路区域312与路段304和311相邻，并且识别到了交通控制灯314，其用于控制道路地图300中的交通流量。在一些实施例中，可以在道路地图中提供交通控制灯314中显示的信号，使得与这些区域相关联的属性可以在例如“红色”、“绿色”和“黄色”之间变化。这种交通信息可以在自动驾驶车辆的自动驾驶期间实时地合并进路线图中。

如图3所示，在某些实施例中，链接由道路连接区域分隔的车道段和/或路段，从而当行驶通过道路连接区域时，自动驾驶车辆可以获得必要的导航信息。如图3所示，路段311的最右侧车道段通过连接线332和路段316的最右侧车道段连接，连接线332与来自路段334的车道段的连接线汇合。路段311链接到路段334，使得当从路段311行驶到路段316时，自动驾驶车辆可以获得路段334的导航信息，以便规划路线并避免与来自路段334的车辆碰撞。类似地，路段311的两个车道段通过连接线326和328和路段320的车道段连接，连接线326和328与来自路段324和334的连接线交叉并且与来自路段336的连接线汇合。然后将路段311和路段324、334和336链接，使得当从路段311行驶到路段320时，自动驾驶车辆可以获得路段324、334和336的导航信息，以便规划路线并避免与来自路段324、334和336的车辆发生碰撞。可以理解的是，由于路段包括链接的车道段，所以自动驾驶车辆在行驶通过道路连接区域时获得的导航信息包括该路段内的各个车道段的导航信息。

图4示出了根据本申请的实施例的另一示例性道路地图400。如图4所示，道路地图400具有T形交叉连接区域402，该交叉连接区域402在其三个方向上连接多个路段。在每个路段和T形交叉连接区域402之间，识别交通控制灯404用于交通控制。

图5示出了根据本申请实施例的另一示例性道路地图500。如图5所示，道路地图500具有交叉连接区域502，该交叉连接区域502在其四个方向上连接多个路段。邻近每个路段，识别停止标志504。

图6示出了根据本申请的实施例的另一示例性道路地图600。如图6所示，道路地图600具有T形交叉连接区域602，该交叉连接区域602在其三个方向上连接多个路段。在该T形交叉连接区域602中识别两个礼让标识604和606，它们基本上位于两条连接线608和610中，以通知遵循这些连接线的车辆。

图7示出了根据本申请的实施例的另一示例性道路地图700。如图7所示，道路地图700包括分别由两个连接区域708和710连接的路段702、704和706。路段704具有四个车道段，而路段706有三个机动车道，因此路段706的一个车道段与路段704的两个车道段连接。

本申请的实施例可以通过软件或任何其他方式实现。软件可以存储在存储器中并由适当的指令执行***执行。例如，软件可以由微处理器或专门设计的硬件执行。本领域技术人员可以理解，本申请的前述方法可以通过包含在处理器中的计算机可执行指令和/或控制代码来实现。例如，这些代码可以存储在存储介质(例如硬盘)、可编程存储器(例如ROM)或数据介质(例如光学或电信号介质)中。

如上所述，根据本申请的实施例生成的道路地图可以用于车辆导航。图8示出了根据本申请实施例的导航装置800。

如图8所示，导航装置800包括用于存储用于自动驾驶车辆导航和拒测的道路地图的数据存储器802。道路地图包含道路的一个或多个路段，其由相应的边界线限定并与相应的交通属性相关联，以及一个或多个交通控制对象，其对应于一个或多个路段并具有可以影响路段中的交通流量的相应的交通控制指示。道路地图可以根据本申请的实施例生成。

导航装置800还包括用于检测车辆的当前位置的定位模块804，以及处理器806。处理器806可用于接收车辆的目的地，并基于道路地图、车辆的当前位置和车辆的目的地为车辆计算路线。车辆的目的地可以由车辆的驾驶员或乘客输入。车辆的目的地可以是道路地图的坐标系中的坐标点或矢量。在一些实施例中，处理器806可以识别道路地图中与由定位模块804检测到的车辆的当前位置相对应的车辆位置。例如，车辆位置可以是道路地图的坐标系中的坐标点或矢量，其具有与车辆的目的地相同或相似的格式。之后，处理器806可以进一步为车辆计算连接地图中的车辆位置和车辆的目的地的路线。包括相应路段的交通属性的道路地图的数据可以用作计算车辆路线的条件和成本。

在一些实施例中，处理器806可以接收与车辆的当前位置相关联的交通信息；并根据路线和交通信息生成至少一个驾驶控制指令。以这种方式，车辆可以根据该至少一个驾驶控制指令行驶，而无需人工驾驶操作。在一些示例中，可以从通信模块接收交通信息，该通信模块从远程服务器转发交通信息。在一些其他示例中，可以从车辆上承载的传感器接收交通信息，这些传感器检测道路上的其他移动或非移动物体并生成相应的测量结果。

在一些实施例中，导航装置800还可包括显示器808，用于显示车辆的当前位置以及与车辆的当前位置相关联的道路地图的至少一部分。例如，可视化软件模块可用于处理道路地图和路线以生成视觉呈现，比如道路地图中的车辆的一组图像或视频。视觉呈现可以由显示器808显示，使得车辆中的驾驶员或乘客可以获知与车辆导航相关联的基于道路地图的路线或其他信息。

导航装置800可以承载在自动驾驶车辆上。

通过研究附图、公开内容和所附权利要求，本领域技术人员可以理解并实现所公开实施例的其他变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。在根据本申请的应用中，一个元件可以执行权利要求中记载的若干技术特征的功能。权利要求中的任何附图标记不应被解释为限制范围。本申请的范围和精神由所附权利要求限定。

Claims (19)

1.一种用于生成用于自动驾驶车辆导航和决策的道路地图的方法，包括：

提供具有道路图像的原始道路图像数据；

从所述原始道路图像数据中识别限定所述道路的各个车道段的边界线；

将交通属性分别与由所述边界线限定的所述车道段相关联；

将所述车道段分组以生成路段；以及

将所述路段和与其对应的交通控制对象组合，以生成用于自动驾驶车辆导航和决策的道路地图，其中，所述交通控制对象具有能够影响所述路段中交通流量的相应交通控制指示。

2.根据权利要求1所述的方法，其特征在于，还包括识别人行横道区域、保持畅通区域、减速区域、道路连接区域或非机动区域。

3.根据权利要求1所述的方法，其特征在于，所述交通属性选自：驾驶方式、速度限制、转弯类型、边界线类型、人行横道、保持畅通、停止线、礼让线和铁路。

4.根据权利要求1所述的方法，其特征在于，所述交通控制对象选自交通控制标志、交通控制灯、交通控制图案和交通控制公告。

5.根据权利要求1所述的方法，其特征在于，还包括连接相邻路段的所述车道段以生成一个或多个用于车辆导航的路径。

6.一种导航装置，包括

数据存储器，用于存储用于自动驾驶车辆导航和决策的道路地图，其中所述道路地图包括道路的一个或多个路段，所述路段由相应的边界线限定并与相应的交通属性相关联，以及一个或多个交通控制对象，所述交通控制对象对应于所述一个或多个路段并具有能够影响所述路段中的交通流量的相应交通控制指示；

定位模块，用于检测车辆的当前位置；以及

处理器，配置为：接收车辆的目的地，并基于所述道路地图、所述车辆的当前位置和所述车辆的目的地计算车辆的路线。

7.根据权利要求6所述的导航装置，其特征在于，所述处理器还配置为：

接收和所述车辆的当前位置相关联的交通信息；以及

基于所述路线和所述交通信息生成至少一条驾驶控制指令，其中所述车辆根据所述至少一条驾驶控制指令行驶。

8.根据权利要求6所述的导航装置，其特征在于，所述处理器进一步配置为：

基于由和导航信息关联的道路地图路径点生成的道路地图计算用于车辆的路线。

9.根据权利要求6所述的导航装置，其特征在于，所述一个或多个路段包括至少一个机动区域，并且每个所述至少一个机动区域均包括至少一个和交通属性相关联的车道段。

10.根据权利要求6所述的导航装置，其特征在于，所述道路地图还包括机动区域、人行横道区域、保持畅通区域、减速区域、道路连接区域或非机动区域。

11.根据权利要求6所述的导航装置，其特征在于，所述交通属性选自：驾驶方式、速度限制、转弯类型、边界线类型、人行横道、保持畅通、停止线、礼让线和铁路。

12.根据权利要求6所述的导航装置，其特征在于，所述交通控制对象选自交通控制信号、交通控制灯、交通控制图案和交通控制公告。

13.根据权利要求6所述的导航装置，其特征在于，所述处理器还配置为：

对应于由所述定位模块检测到的所述车辆的所述当前位置，在所述道路地图中识别车辆位置；以及

计算用于所述车辆的连接所述地图中的所述车辆位置和所述车辆的所述目的地的所述路线。

14.一种导航方法，包括：

提供用于自动驾驶车辆导航和决策的道路地图，其中，所述道路地图包括道路的一个或多个由相应的边界线限定并和相应的交通属性相关联的路段，和一个或多个对应于所述一个或多个路段并具有能够影响在所述路段中的交通流量的相应交通控制指示的交通控制对象；

接收车辆的当前位置和车辆的目的地；以及

基于所述道路地图、所述车辆的所述当前位置和所述车辆的所述目的地计算用于车辆的路线。

15.根据权利要求14所述的导航方法，其特征在于，还包括：

接收和所述车辆的所述当前位置相关联的交通信息；以及

基于所述路线和所述交通信息生成至少一条驾驶控制指令，其中所述车辆根据所述至少一条驾驶指令行驶。

16.根据权利要求14所述的导航方法，其特征在于，所述一个或多个路段包括至少一个机动区域，并且每个所述至少一个机动区域均包括至少一个和交通属性相关联的车道段。

17.根据权利要求14所述的导航方法，其特征在于，所述交通控制对象选自交通控制信号、交通控制灯、交通控制图案和交通控制公告。

18.根据权利要求14所述的导航方法，其特征在于，所述基于所述道路地图、所述车辆的所述当前位置和所述车辆的所述目的地计算用于所述车辆的路线的步骤包括：

对应于由所述定位模块检测到的所述车辆的所述当前位置，在所述道路地图中识别车辆位置；以及

计算用于所述车辆的连接所述地图中的所述车辆位置和所述车辆的所述目的地的所述路径。

19.根据权利要求14所述的导航方法，其特征在于，所述基于所述道路地图计算用于车辆的路线的步骤包括：

所述道路地图由和导航信息关联的所述道路地图路径点生成。