CN110954128A - 检测车道线位置变化的方法、装置、电子设备和存储介质 - Google Patents
检测车道线位置变化的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110954128A CN110954128A CN201911222372.8A CN201911222372A CN110954128A CN 110954128 A CN110954128 A CN 110954128A CN 201911222372 A CN201911222372 A CN 201911222372A CN 110954128 A CN110954128 A CN 110954128A
- Authority
- CN
- China
- Prior art keywords
- lane line
- data
- change
- lane
- line
- 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
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
- G01C21/36—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
-
- 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
- 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
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3658—Lane guidance
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种检测车道线位置变化的方法、装置、电子设备和存储介质,涉及自动驾驶和电子地图领域,尤其涉及高精度地图领域。该方法包括:基于道路上的车道线与参考线之间的距离的第一测量数据,来确定距离发生变化的、在车道线与参考线之间的第一变化区域集合,第一测量数据从高精度设备对道路采集的第一道路数据来获得。该方法还包括:基于距离的第二测量数据,来确定距离发生变化的、在车道线与参考线之间的第二变化区域集合,第二测量数据从低精度设备对道路采集的第二道路数据来获得。该方法进一步包括:基于第一变化区域集合和第二变化区域集合的比较,来检测车道线的位置变化。本公开的实施例可以低成本且有效地检测车道线的位置变化。
Description
技术领域
本公开的实施例一般地涉及计算机技术领域和数据/图像处理技术领域,并且更特别地,涉及自动驾驶和电子地图的技术领域。
背景技术
高精地图是一种面向机器的数字形式的地图,其可以用于例如自动驾驶、机器人导航和定位等。高精地图在自动驾驶***中起着重要作用。在整个自动驾驶***中,无论是环境感知或路径规划,还是定位***,都不同程度依赖高精地图来工作。
高精地图是高精确度的地图形式,其不仅精度较高,而且包括可用于精确导航和定位的其他信息,例如关于道路的各种信息。这些信息可以包括但不限于车道线、路沿线等道路标志线的相关数据信息。当道路上的车道线的位置发生变化时,例如,当车道线被重画时,高精地图上的车道线数据也需要被更新,才能准确地表示实际道路上的最新车道线。
发明内容
本公开的实施例涉及一种检测车道线位置变化的技术方案。
在本公开的第一方面,提供了一种检测车道线位置变化的方法。该方法包括:基于道路上的车道线与参考线之间的距离的第一测量数据,来确定距离发生变化的、在车道线与参考线之间的第一变化区域集合,第一测量数据从高精度设备在第一时间点对道路采集的第一道路数据来获得。该方法还包括:基于距离的第二测量数据,来确定距离发生变化的、在车道线与参考线之间的第二变化区域集合,第二测量数据从低精度设备在第一时间点之后的第二时间点对道路采集的第二道路数据来获得。该方法进一步包括:基于第一变化区域集合和第二变化区域集合的比较,来检测车道线在第一时间点与第二时间点之间的位置变化。
在本公开的第二方面,提供了一种检测车道线位置变化的装置。该装置包括:第一变化区域集合确定模块,被配置为基于道路上的车道线与参考线之间的距离的第一测量数据,来确定距离发生变化的、在车道线与参考线之间的第一变化区域集合,第一测量数据从高精度设备在第一时间点对道路采集的第一道路数据来获得。该装置还包括:第二变化区域集合确定模块,被配置为基于距离的第二测量数据,来确定距离发生变化的、在车道线与参考线之间的第二变化区域集合,第二测量数据从低精度设备在第一时间点之后的第二时间点对道路采集的第二道路数据来获得。该装置进一步包括:检测模块,被配置为基于第一变化区域集合和第二变化区域集合的比较,来检测车道线在第一时间点与第二时间点之间的位置变化。
在本公开的第三方面,提供了一种电子设备。该电子设备包括一个或多个处理器、以及存储装置。存储装置用于存储一个或多个程序。当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现第一方面的方法。
在本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其他特征通过以下的描述将变得容易理解。
附图说明
通过参考附图阅读下文的详细描述,本公开的实施例的上述以及其他目的、特征和优点将变得容易理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施例。
图1示出了本公开的一些实施例能够在其中实现的示例环境的示意图。
图2示出了根据本公开的实施例的检测车道线位置变化的示例过程的流程图。
图3A示出了根据本公开的实施例的基于车道线与参考线之间的距离的第一测量数据来确定第一变化区域集合的示意图。
图3B示出了根据本公开的实施例的基于车道线与参考线之间的距离的第二测量数据来确定第二变化区域集合的示意图。
图4示出了根据本公开的实施例的检测车道线位置变化的几何原理的示意图,其说明了在显著的变化区域内,车道线与参考线之间的距离的变化量达到阈值,并且显著的变化区域的长度达到预定长度。
图5示出了根据本公开的实施例的从第一道路数据来获得第一测量数据的示例过程的流程图。
图6示出了根据本公开的实施例的通过对来自第一道路数据的车道线数据采样来确定第一测量数据的示意图。
图7示出了根据本公开的实施例的从第二道路数据来获得第二测量数据的示例过程的流程图。
图8示出了根据本公开的实施例的通过对来自第二道路数据的车道线数据采样来确定第二测量数据的示意图。
图9示出了根据本公开的实施例的从第二道路数据中获得第二车道线数据和第二参考线数据的示例过程的流程图。
图10示出了根据本公开的实施例的从呈现车道线和参考线的视频的帧中确定车道线样本点和参考线样本点的示例过程的流程图。
图11示出了根据本公开的实施例的在视频的帧中确定车道线样本点和参考线样本点的示意图。
图12示出了根据本公开的实施例的从第一道路数据来确定变化区域的示例过程的流程图。
图13示出了根据本公开的实施例的基于第一测量数据来确定变化点的示例过程的流程图。
图14示出了根据本公开的实施例的基于第一测量数据来确定变化点的示意图。
图15示出了根据本公开的实施例的从第二道路数据来确定变化区域的示例过程的流程图。
图16示出了根据本公开的实施例的基于第二测量数据来确定变化点的示例过程的流程图。
图17示出了根据本公开的实施例的基于第二测量数据来确定变化点的示意图。
图18示出了根据本公开的实施例的使用第一测量数据来校正第二测量数据的示例过程的流程图。
图19示出了根据本公开的实施例的从第一道路数据中确定第一测量距离的示例过程的流程图。
图20示出了根据本公开的实施例的从第一道路数据中确定第一测量距离的示意图。
图21示出了根据本公开的实施例的从第二道路数据中确定第二测量距离的示例过程的流程图。
图22示出了根据本公开的实施例的从第二道路数据中确定第二测量距离的示意图。
图23示出了根据本公开的实施例的使用后向稳定窗口和前向平滑窗口来处理第一测量数据和第二测量数据的示意图。
图24示出了根据本公开的实施例的检测车道线位置变化的装置的示意性框图。
图25示出了一种可以被用来实施本公开的实施例的设备的示意性框图。
贯穿所有附图,相同或者相似的参考标号被用来表示相同或者相似的组件。
具体实施方式
下面将参考附图中所示出的若干示例性实施例来描述本公开的原理和精神。应当理解,描述这些具体的实施例仅是为了使本领域的技术人员能够更好地理解并实现本公开,而并非以任何方式限制本公开的范围。
对传统方案的分析和研究
高精地图的生产和更新是地图提供方的重要业务。高精地图的生产通常是指通过配置有测绘级的高精度传感器的地图采集车对道路进行数据采集,而高精采集车是昂贵的且数量有限。高精地图的更新是指当道路要素发生变化时,通过有效的技术手段来发现这样的变化。道路要素的变化包括但不限于,交通设施杆、标示牌的增删、以及空间位置和属性的变化,还包括车道线的空间位置和颜色线型等属性的变化。
一种对高精地图更新的传统方式是通过高精采集车来完成的。但是这样的更新方式的周期长(通常超过一个月、甚至数月),无法做到按天更新或实时更新。这是由于高精采集车价格昂贵、数量少,从成本和可行性上不可能实现高频率的道路数据采集。
另一种对高精地图更新的传统方式是基于视觉的同步定位与建图(SLAM)来使用行车记录仪发现道路元素的变化。具体地,由于行车记录仪主要配置了单目相机,故该传统方式主要是基于视觉的单目SLAM方法,常用的算法有密集实时跟踪和映射(DTAM)算法、大规模直接单目(LSD)-SLAM算法、ORB-SLAM算法、ROVIO-SLAM算法,等等。
发明人通过研究和分析发现,上述检测车道线的位置变化的两种传统方式均存在一些缺点和不足。对于第一种传统方式,使用高精采集车重新采集的优点是数据精度高、数据可靠。但是,其缺点也很明显,导致其无法在全国范围内大规模、短周期地检测车道线位置的变化并且更新高精地图,详述如下。
首先,高精采集车单车价格昂贵、数量有限、采集成本高,不可能维护一支庞大的高精采集车队用于覆盖全国道路路网。其次,高精采集车作业周期长,为采集数平方公里的数据,可能需要数天时间。这是由于为了保证作业质量,其外业处理和内业处理存在冗长的作业流程和要求。从外业车辆的采集,到内业原始数据的处理,再到自动化道路要素提取,一直到人工作业、质检等,整个作业流程复杂而庞大。因此,一个单次作业也难以快速检测出车道线的位置变化。
对于第二种传统方式,基于视觉SLAM的方法受限于如下三类误差的影响:消费级行车记录仪无法做大规模标定所造成的误差、SLAM地图与高精地图要素配准造成的误差、以及SLAM自身长距离下产生累计误差。
总体思想和基本原理
检测车道线的位置变化是高精地图更新的一部分,即首先发现车道线的位置发生变化,然后可以在变化位置处通过高精采集车或其他技术手段进行车道线的更新。
发明人注意到,大量成本低廉的消费级行车记录仪已经得到了普及,若能够通过这些海量的设备获取到车道线位置的变化(如车道线重画),从而进行更为及时、有效的高精地图变化发现和更新,将会大大提高自动驾驶***的安全性,具有巨大的实用价值。
发明人经过观察和实验,发现通过消费级行车记录仪相机识别的车道宽度是可靠的、稳定的、可归一到真实车道宽度上,并且其感知误差通常小于0.2米。如果将路沿线到最左侧车道线也看作一个假想车道,则当车道线重画时(通常造成大于0.2米的位置变化),必然引起上述假想车道的宽度变化,进而能够通过消费级行车记录仪的相机感知到。因此,通过众包的消费级行车记录仪,基于车道宽度的变化来检测车道线的位置变化是可行的。
鉴于以上研究和分析,本公开的实施例提出了一种用于检测车道线位置变化的技术方案,以至少部分地解决传统方案中存在的上述技术问题以及潜在的其他技术问题。在本公开的技术方案中,一方面,从高精度设备(例如,用于采集高精地图数据的设备)在第一时间点采集的第一道路数据来获得车道线与参考线(例如,路沿线)之间的距离的第一测量数据。然后,基于第一测量数据来确定上述距离在第一时间点时发生变化的第一变化区域集合。
另一方面,从低精度设备(例如,行车记录仪)在第一时间点之后的第二时间点采集的第二道路数据来获得上述距离的第二测量数据。然后,基于第二测量数据来确定上述距离在第二时间点时发生变化的第二变化区域集合。接着,通过第一变化区域集合与第二变化区域集合的比较,即可以确定出车道线在第一时间点与第二时间点之间的位置变化。
本公开的技术方案有效地解决了用于更新高精地图的检测车道线的位置变化的问题,可以低成本且有效地检测车道线的位置变化。具体地,本公开的技术方案基于低精度设备(也称为众包设备)来发现车道线的位置变化,因此能够全国范围地获取车道线重画的空间位置,从而使得有可能及时更新高精地图,尤其是更新高精地图中的车道线的位置。此外,本公开的实施例的还具有如下的一些技术优点。
首先,本公开的技术方案使用普通的成本低廉的低精度设备(例如,消费级行车记录仪)即可以发现车道线的位置变化。目前大多数的行车记录仪均可以满足本技术方案的技术要求。例如,这些要求可能包括卫星定位***(例如,GPS)模块的水平精度在2米至5米即可,航向精度小于等于0.3度,相机(摄像头)无需标定,无需内参来执行畸变矫正。
其次,本公开的技术方案不受地理空间和算法的限制,可以实现在全国大范围检测车道线的位置变化。这是由于本技术方案的核心思想“通过车道宽度来发现位置变化”仅依赖于当前位置的高精度设备采集的数据(例如,高精地图),不像传统的SLAM方式需要依赖前后帧的计算结果,而带来累计误差。
再者,本公开的技术方案对道路数据的采集次数无要求。对于本技术方案,较为有利的是对同一个道路区域的数据能够采集2至3次,但是仅一次的数据采集也是可以接受的。值得指出的是,本技术方案不建议采集次数大于3次,因此采集次数主要起到增加变化区域的置信度的作用。道路数据采集次数的减少降低了采集数据的成本,这对于全国范围内应用具有很大优势。下文结合附图来描述本公开的一些示例实施例。
示例环境
图1示出了本公开的一些实施例能够在其中实现的示例环境100的示意图。如图1所示,示例环境100可以包括高精度设备110、低精度设备120和计算设备130。
一方面,高精度设备110在第一时间点T1对道路150进行道路信息和数据的采集,而获得道路150的第一道路数据115。第一道路数据115包括车道线152和参考线154(例如,路沿线)的相关数据和信息,其可以指示车道线152和参考线154在第一时间点T1的位置等。此外,高精度设备110将第一道路数据115提供给计算设备130用于处理。
在一些实施例中,高精度设备110可以是配置有测绘级的高精度传感器的高精地图采集车,其按照较长的采集周期(例如,一个月)对道路150进行采集。在这种情况下,第一道路数据115可以是对高精度设备110采集的道路数据进行处理后获得的高精地图。除了高精地图采集车以外,高精度设备110还可以包括用于采集高精地图数据的任何其他设备。更一般地,高精度设备110可以包括能够以较高精确度(例如,误差低于阈值,诸如20厘米)确定车道线或其他道路元素位置的任何设备。
另一方面,低精度设备120在第一时间点T1之后的第二时间点T2对道路150进行道路信息和数据采集,而获得道路150的第二道路数据125。第二道路数据125也包括车道线152和参考线154的相关数据和信息,其可以指示车道线152和参考线154在第二时间点T2的位置等。此外,低精度设备120将第二道路数据125提供给计算设备130用于处理。
在一些实施例中,低精度设备120可以是普通车辆上安装的行车记录仪(本文也称为众包设备),其可以更频繁和更低成本地对道路150进行数据采集。在这种情况下,第二道路数据125可以是对道路150拍摄的视频或图像和/或执行拍摄时的卫星定位数据,等等。更一般地,低精度设备120可以包括能够以较低精确度(例如,误差高于阈值,诸如20厘米)确定车道线或其他道路元素位置的任何设备。
计算设备130从高精度设备110获得第一道路数据115,并且从低精度设备120获得第二道路数据125。如上文阐述的,车道线152的位置变化将引起车道线152与参考线154之间的距离发生变化,因此计算设备130可以从第一道路数据115中确定出车道线152与参考线154之间的距离在第一时间点T1时发生变化的第一变化区域集合。这里的变化区域指的是在车道线152与参考线154之间的区域。类似地,计算设备130可以从第二道路数据125中确定出车道线152与参考线154之间的距离在第二时间点T2时发生变化的第二变化区域集合。然后,通过第一变化区域集合和第二变化区域集合比较,计算设备130即可以确定出车道线152在第一时间点T1与第二时间点T2之间发生的位置变化。
在一些实施例中,计算设备130可以包括任何能够实现计算功能和/或控制功能的设备,其可以是任意类型的固定计算设备、移动计算设备或便携式计算设备,包括但不限于,专用计算机、通用计算机、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、多媒体计算机、移动电话、通用处理器、微处理器、微控制器、或状态机。计算设备130还可以实施为个体计算设备或计算设备的组合,例如,数字信号处理器(DSP)和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核心、或者任何其他这样的配置。另外,在本公开的上下文中,计算设备130也可以称为电子设备130,这两个术语在本文中可以互换地使用。
如本文中使用的,“车道线”是指道路上用来分隔不同车道的实线或虚线。参考线是指与车道线大体上平行延伸的道路上的标志线、辅助线、道路边缘线,等等。在一些实施例中,参考线可以包括路沿线,路沿线表示道路供车辆使用部分的边界。这里的“可供车辆使用”包括可供车辆在正常情况下行驶和在紧急情况下使用,例如在紧急情况下停车或躲避其他车辆。例如,路沿线可以是位于道路中央的路缘石的边界,或者其他形式从地面突出的对象(例如,马路牙)的边界。
在《公路路线设计规范》中并未给出道路两侧“路沿线”的定义,而在《智能运输***智能驾驶电子地图数据模型与交换格式第1部分:高速公路(征求意见稿)》第4.2.5.1节“车道边线”中,给出了“路边缘”制作原则。在该制作原则中,有路缘石的情况为“道路最外侧无车道线时,需沿路缘石与地面交汇处绘制,作为道路最外车道线”。路缘石的几何形状,参考《JCT 899-2016混凝土路缘石》G.2“截面图形”部分。在实践中,通常在高精地图中提供路沿线的数据,路沿线制作原则为“沿路缘石与地面交汇处绘制”。
如上文提到的,为了描述的简便,本文有时也将车道线与路沿线之间的区域也假想成一个“车道”,因此车道线与路沿线之间的距离也可以称为“车道的宽度”。此外,在本文中,所讨论的车道线一般是指道路上与路沿线最接近的车道线,例如道路最内侧或最外侧的车道线。但是,将理解,本公开的实施例不限于此,而是也等同地适用于与路沿线距离较远的其他车道线。
在其他实施例中,除了路沿线之外,参考线也可以包括与所讨论的车道线不同的另外的车道线。例如,另外的车道线可以是与所讨论的车道线组成一个车道的另一条车道线。在这种情况下,所讨论的车道线与该另一车道线之间的距离即为该车道的宽度。又例如,另外的车道线也可以是与所讨论的车道线属于不同车道的另一条车道线。在这种情况下,所讨论的车道线与该另一车道线之间的距离可能是多个车道的宽度。
换言之,就道路要素而言,本公开的实施例提出的基于“车道宽度”来检测车道线位置变化的技术方案所涉及到的车道宽度有如下几类。第一类车道宽度是“左侧路沿线”到“最左侧车道线”之间的车道宽度。第二类车道宽度是“最左侧车道线”到“最右侧车道线”的“中间若干车道”的车道宽度。第三类车道宽度是“最右侧车道线”到“右侧路沿线”的车道宽度。在一些实施例中,上述三种类别的车道宽度中的第一类和第三类可以认为是主要的变化类型,这是由于车道线位置的重画通常是对外侧车道线的重画。因此,下文的实施例描述将以类别第一类车道宽度为示例,但是要明白的是,本公开的实施例的原理也同样适用于第二类车道宽度和第三类车道宽度。
此外,应当理解,图1仅示意性地示出了示例环境100中的与本公开的实施例相关的单元、元素、模块或组件。在实践中,示例环境100还可以包括用于其他功能的其他单元、元素、模块或组件。此外,图1中示出的单元、元素、模块或组件的特定数目仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,示例环境100可以包括任何适当数目的高精度设备、低精度设备和计算设备,等等。因此,本公开的实施例不限于图1所描绘的具体设备、单元、元素、模块或组件,而是一般性地适用于任何检测车道线位置变化的技术环境。下面参考图2至图4来描述本公开的实施例的示例过程。
检测车道线位置变化的示例过程
图2示出了根据本公开的实施例的检测车道线位置变化的示例过程200的流程图。在一些实施例中,示例过程200可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程200也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
图3A示出了根据本公开的实施例的基于车道线152与参考线154之间的距离D的第一测量数据D(T1)来确定第一变化区域集合的示意图。此外,图3B示出了根据本公开的实施例的基于车道线152与参考线154之间的距离的第二测量数据D(T2)来确定第二变化区域集合的示意图。
在图3A中,车道线152和参考线154是从高精度设备110在第一时间点T1对道路150采集的第一道路数据115中获得的示意性表示。因此,图3A中描绘的车道线152与参考线154之间的距离D(T1)实际上是从第一道路数据115获得的对车道线152与参考线154之间的真实距离D的测量数据。在后文中,为了讨论的便利,从第一道路数据115获得的距离D的测量数据也可以称为第一测量数据D(T1)。此外,将理解,图3A中描绘的车道线152和参考线154的具体形状、道路方向等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152和参考线154可以具有任何的形状,道路方向也可以不同于图示方向。
类似地,在图3B中,车道线152和参考线154分别是从低精度设备120在第一时间点T1之后的第二时间点T2对道路150采集的第二道路数据125中获得的示意性表示。因此,图3B中描绘的车道线152与参考线154之间的距离D(T2)实际上是从第二道路数据125获得的对车道线152与参考线154之间的真实距离D的测量数据。在后文中,为了讨论的便利,从第二道路数据125获得的距离D的测量数据也可以称为第二测量数据D(T2)。此外,将理解,图3B中描绘的车道线152和参考线154的具体形状、道路方向等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152和参考线154可以具有任何的形状,道路方向也可以不同于图示方向。
参考图2和图3A,在210处,计算设备130基于道路150上的车道线152与参考线154之间的距离D的第一测量数据D(T1),来确定距离D发生变化的、在车道线152与参考线154之间的第一变化区域集合,例如,{310}。将理解,尽管图3A中仅描绘了第一变化区域集合中的一个变化区域310,但这仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,第一变化区域集合可以包括任何数目的变化区域。
如图3A所示,在变化区域310中,第一测量数据D(T1)是发生变化的。例如,在该示例中,第一测量数据D(T1)的该变化是由于车道线152相对于参考线154的位置变化导致的。具体地,第一测量数据D(T1)在变化区域310中是沿着道路方向逐渐增大的。然而,将理解,第一测量数据D(T1)的该特定的变化方式仅是示例性的,无意以任何方式限制本公开的范围。在其他实施例中,第一测量数据D(T1)在所确定的变化区域中可以按任何其他的方式发生变化,例如,逐渐变小、忽大忽小、发生跳变,等等。在其他实施例中,第一测量数据D(T1)的变化也可能是由于测量误差引起的。
在实践中,由于道路上的车道线的绘制和参考线(例如,路沿线)的制作均存在一定的误差,所以车道线与参考线之间的距离的微小变化可能是没有实际意义的。换言之,车道线152与参考线154之间的距离D的较为显著的变化才是值得检测和关注的。因此,在一些实施例中,在第一变化区域集合中的每个变化区域内,车道线152与参考线154之间的距离D(T1)的变化量达到阈值,并且每个变化区域的长度达到预定长度。也就是说,在这些实施例中,满足上述条件的变化区域才被认为是距离D变化较为显著的区域。以此方式,在识别距离D发生变化的变化区域的过程中,计算设备130可以过滤掉距离D变化较小或变化区域长度较短的变化区域,从而提高识别变化区域的效率和有效性。
将理解,这里的变化量阈值和预定长度可以由技术人员根据实际需要的测量精度和技术环境等因素来确定。但是,由于示例过程200最终是要检测出车道线152的位置变化,因此可能有利的是,根据车道线152位置的值得检测或关注的显著变化,来确定上述变化量阈值和预定长度。以此方式,计算设备130检测车道线152位置变化的效率和有效性可以进一步得到提高。下文参考图4来描述这样的示例。
图4示出了根据本公开的实施例的检测车道线位置变化的几何原理的示意图,其说明了在显著的变化区域内,车道线与参考线之间的距离的变化量达到阈值,并且显著的变化区域的长度达到预定长度。如图4所示,车道线152’是假设的原车道线(也称为旧车道线),假定其与当前的车道线152在位置A0处重合,而与车道线152以不同的方向沿着道路方向延伸。基于简单的几何计算,同时考虑到低精度设备120的检测能力,可以得出在实践中可行的车道线152的位置变化的如下检测条件。
如果不考虑实际车道线的线宽,当车道线152的位置的横向偏差(D1)达到0.2米并且纵向长度超过20米时,可以认为车道线152的位置变化是较为显著的,并且能够通过低精度设备120(例如,消费级行车记录仪)大范围地发现车道线152的位置变化。此外,考虑到车道线152的位置变化通常是连续的,上述位置变化的检测条件可以等价为:纵向位置50米处,横向偏差(D2)达到大约0.33米,使用表达式可以表示为Δ50(D2)=|AB|50>=0.33米。进一步地,如果考虑车道线线型本身的宽度(例如,通常为20厘米),并且假定新旧车道线有重合部分则不认为是重画,则上述检测条件可以放宽为:纵向位置50米处,横向偏差超过0.53米,使用表达式可以表示为Δ50(D2)=|AB|50>=0.53米。
因此,在一些实施例中,用于确定“显著”变化区域的上述变化量阈值可以设置为0.2米,而预定长度可以设置为20米。也即,如果车道线152与参考线154之间的距离D的第一测量数据D(T1)在一个变化区域内的变化量达到0.2米,并且该变化区域沿道路方向的长度大于20米,则计算设备130可以将该变化区域认为是值得检测和关注的距离D变化较为显著的区域。应当明白,这里列举的任何具体数值仅为示例性的,无意以任何方式限制本公开的范围。在其他实施例中,以上提到的任何数值都可以是适当的其他取值。
如上文所述,第一测量数据D(T1)是从高精度设备110采集的第一道路数据115中获得的。具体地,计算设备130可以通过任何适当的方式从第一道路数据115中获得第一测量数据D(T1),这可能取决于第一道路数据115的具体形式。在一些实施例中,高精度设备110对道路150采集的第一道路数据115中可能直接包括有车道线152与参考线154之间的第一测量数据D(T1)。例如,高精度设备110在对道路150进行采集时,可以直接测量出车道线152与参考线154之间的距离。在这种情况下,计算设备130可以直接从第一道路数据115中提取出第一测量数据D(T1)。
替换地,在其他实施例中,高精度设备110对道路150采集的第一道路数据115中可能并不直接包括车道线152与参考线154之间的第一测量数据D(T1)。例如,第一道路数据115可能是对高精度设备110采集的数据进行处理之后形成的高精地图,其中可能包括车道线152和参考线154的相关数据和信息,但是可能不直接包括它们之间的距离数据。在这种情况下,计算设备130可以从第一道路数据115中推导或计算出第一测量数据D(T1)。这样的示例将在后文中进一步描述。
在获得第一测量数据D(T1)之后,计算设备130可以使用任何适当的方式根据第一测量数据D(T1)来确定出第一变化区域集合,例如,{310}。举例而言,在一些实施例中,计算设备130可以将第一测量数据D(T1)表示成关于车道线152或参考线154上的坐标位置的函数。在这样的实施例中,计算设备130可以对第一测量数据D(T1)的函数进行数学上的处理,例如求解该函数的一阶导函数或二阶导函数。进而,计算设备130可以分析出第一测量数据D(T1)发生变化的车道线152或参考线154的坐标位置范围,从而得到第一变化区域集合。替换地,在其他实施例中,计算设备130还可以基于对车道线152的车道线数据进行采样的方式来确定第一变化区域集合。这样的示例将在后文中进一步描述。
参考图2和图3B,在220处,计算设备130基于车道线152与参考线154之间的距离D的第二测量数据D(T2),来确定距离D发生变化的、在车道线152与参考线154之间的第二变化区域集合,例如,{310,320}。将理解,尽管图3B中仅描绘了第二变化区域集合中的两个变化区域310和320,但这仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,第二变化区域集合可以包括任何数目的变化区域。
如图3B所示,在变化区域310和320中,第二测量数据D(T2)是发生变化的。例如,在该示例中,第二测量数据D(T2)的变化是由于车道线152相对于参考线154的位置变化导致的。具体地,第二测量数据D(T2)在变化区域310中是沿着道路方向逐渐增大的,而在变化区域320中是沿着道路方向逐渐减小的。然而,将理解,第二测量数据D(T2)的该特定的变化方式仅是示例性的,无意以任何方式限制本公开的范围。在其他实施例中,第二测量数据D(T2)在所确定的变化区域中可以按任何其他的方式发生变化,例如,逐渐变小、忽大忽小、发生跳变,等等。在其他实施例中,第二测量数据D(T2)的变化也可能是由于测量误差引起的。
如上文指出的,在实践中,由于道路上的车道线的绘制和参考线(例如,路沿线)的制作均存在一定的误差,所以车道线与参考线之间的距离的微小变化可能是没有实际意义的。换言之,车道线152与参考线154之间的距离D的较为显著的变化才是值得检测和关注的。因此,在一些实施例中,与第一变化区域集合的处理方式类似,在第二变化区域集合中的每个变化区域内,车道线152与参考线154之间的距离D(T2)的变化量达到阈值,并且每个变化区域的长度达到预定长度。也就是说,在这些实施例中,满足上述条件的变化区域才被认为是距离D变化较为显著的区域。以此方式,在识别距离D发生变化的变化区域的过程中,计算设备130可以过滤掉距离D变化较小或变化区域长度较短的变化区域,从而可以提高识别变化区域的效率和有效性。
同样地,这里的变化量阈值和预定长度可以由技术人员根据实际需要的测量精度和技术环境等因素来确定,并且可以与用于确定第一变化区域集合所采样的变化量阈值和预定长度相同。如上文指出的,由于示例过程200最终是要检测出车道线152的位置变化,因此可能有利的是,根据车道线152位置的值得检测或关注的显著变化,来确定上述变化量阈值和预定长度。以此方式,计算设备130检测车道线152位置变化的效率和有效性可以进一步得到提高。
因此,基于参考图4进行分析,在一些实施例中,用于确定“显著”变化区域的上述变化量阈值可以设置为0.2米,而预定长度可以设置为20米。也即,如果车道线152与参考线154之间的距离D的第二测量数据D(T2)在一个变化区域内的变化量达到0.2米,并且该变化区域沿道路方向的长度大于20米,则计算设备130可以将该变化区域认为是值得检测和关注的距离D变化较为显著的区域。应当明白,这里列举的任何具体数值仅为示例性的,无意以任何方式限制本公开的范围。在其他实施例中,以上提到的任何数值都可以是适当的其他取值。
如上文所述,第二测量数据D(T2)是从低精度设备120采集的第二道路数据125中获得的。具体地,计算设备130可以通过任何适当的方式从第二道路数据125中获得第二测量数据D(T2),这可能取决于第二道路数据125的具体形式。在一些实施例中,低精度设备120对道路150采集的第二道路数据125中可能直接包括有车道线152与参考线154之间的第二测量数据D(T2)。例如,低精度设备120在对道路150进行采集时,可以直接测量出车道线152与参考线154之间的距离。在这种情况下,计算设备130可以直接从第二道路数据125中提取出第二测量数据D(T2)。
替换地,在其他实施例中,低精度设备120对道路150采集的第二道路数据125中可能并不直接包括车道线152与参考线154之间的第二测量数据D(T2)。例如,第二道路数据125可能是低精度设备120拍摄的呈现有车道线152和参考线154的视频或图像,其中可能包括车道线152和参考线154的相关数据和信息,但是可能不直接包括它们之间的距离数据。在这种情况下,计算设备130可以从第二道路数据125中推导或计算出第二测量数据D(T2)。这样的示例将在后文中进一步描述。
在获得第二测量数据D(T2)之后,计算设备130可以使用任何适当的方式根据第二测量数据D(T2)来确定出第二变化区域集合,例如,{310,320}。举例而言,在一些实施例中,计算设备130可以将第二测量数据D(T2)表示成关于车道线152或参考线154上的坐标位置的函数。在这样的实施例中,计算设备130可以对第二测量数据D(T2)的函数进行数学上的处理,例如求解该函数的一阶导函数或二阶导函数。进而,计算设备130可以分析出第二测量数据D(T2)发生变化的对应的车道线152或参考线154的坐标位置范围,从而得到第二变化区域集合。在其他实施例中,计算设备130还可以基于对车道线152的车道线数据进行采样的方式来确定第二变化区域集合。这样的示例将在后文中进一步描述。
参考图2、图3A和图3B,在230处,计算设备130基于第一变化区域集合(例如,{310})和第二变化区域集合(例如,{310,320})的比较,来检测车道线152在第一时间点T1与第二时间点T2之间的位置变化。具体地,由于第一变化区域集合是基于高精度设备110采集的第一道路数据115确定得出的,所以可以认为第一变化区域集合已经包括了车道线152与参考线154之间的距离D在第一时间点T1时发生变化的变化区域。
另一方面,由于低精度设备120测量的“车道宽度”(即,车道线152与参考线154之间的距离D)是可靠的(例如,误差在可接受的范围之内),所以从第二道路数据125确定得出的第二变化区域集合可以认为包括了车道线152与参考线154之间的距离D在第一时间点T2时发生变化的变化区域。因此,如果第二变化区域集合比第一变化区域集合包括更多的新变化区域,则可以认为车道线152与参考线154之间的距离D在第一时间点T1与第二时间点T2之间的这段时间内在新变化区域中发生了变化。进一步地,通常参考线154(例如,路沿线)被假定为位置是不变的,因此计算设备130可以确定车道线152在上述新变化区域中的发生了位置变化。反之,如果第二变化区域集合包括的变化区域和第一变化区域集合中的变化区域是相同的,则计算设备130可以确定车道线152在第一时间点T1与第二是时间点T2之间没有发生位置变化。
因此,在一些实施例中,为了检测车道线152的位置变化,计算设备130可以确定第二变化区域集合中的、与第一变化区域集合中的变化区域不同的变化区域,例如,变化区域320。然后,计算设备130可以确定车道线152在不同的变化区域320中发生位置变化。以此方式,在确定车道线152的位置变化的过程中,计算设备130可以过滤掉在第一时间点T1处已经存在的距离D发生变化的原有变化区域,从而提高识别车道线152的位置变化的效率和准确性。
另外地或替换地,在参考线154为路沿线的情况下,道路150上的中央分隔带开口将会对路沿线造成影响。例如,在中央分隔带开口处可能并不存在真实路沿线,而在实践中,可能通过拟合或仿真的方式补充中断的路沿线。然而,这样的补充的路沿线可能造成车道线152与参考线154之间的距离D的较大测量误差。因此,为了提高车道线152的位置变化检测的准确性,计算设备130可能还需要去除中央分割带开口处带来的误识别,例如,可以通过道路元素的感知模块来获知某个变化区域是否对应于中央分割带开口。
具体地,在参考线154为路沿线的情况下,计算设备130可以基于第一道路数据115来确定上述不同的变化区域320是否对应于道路150的中央分隔带开口。接着,如果计算设备130确定不同的变化区域320不对应于中央分隔带开口,则可以确定车道线152在不同的变化区域320中发生位置变化。如此,在确定车道线152的位置变化的过程中,计算设备130可以排除掉中央分隔带开口处的测量误差造成的干扰,从而提高识别车道线位置变化的准确性。另外地或替换地,计算设备130也可以基于第二道路数据125来确定变化区域320是否对应于中央分隔带开口。
此外,在一些实施例中,计算设备130可以使用低精度设备120对道路150多次采集的多个道路数据,来验证上述不同的变化区域320。例如,在低精度设备120为行车记录仪的情况下,安装有低精度设备120的车辆可能在预定周期内(例如,一天)多次经过道路150。因此,低精度设备120可以对道路150进行多次的数据采集。如果在这多次采集的数据中均检测到新的变化区域320,则可以认为检测到的变化区域320是可信的。替换地,如果超过预定比例的(例如,60%)的采集数据中均检测到新的变化区域320,则计算设备130可以认为变化区域320是有效的变化区域。通过这样的方式,计算设备130识别车道线位置变化的准确性可以得到提高。将明白,这里给出的具体数值仅为示例性的,无意以任何方式限制本公开的范围。在其他实施例中,上述预定比例也可以设置为任何适当的数值。
替换地或另外地,计算设备130可以使用与低精度设备120不同的另外的低精度设备对道路150采集的另外的道路数据,来验证上述不同的变化区域320。例如,在低精度设备为行车记录仪的情况下,计算设备130可以从多个行车记录仪对道路150采集的数据中检测是否存在变化区域320。通过这样的方式,计算设备130识别车道线位置变化的准确性也可以得到提高。
确定第一测量数据和第二测量数据的示例过程
如上文在描述示例过程200的框210时提到的,高精度设备110对道路150采集的第一道路数据115中可能并不直接包括车道线152与参考线154之间的第一测量数据D(T1)。例如,第一道路数据115可能是对高精度设备110采集的数据进行处理之后形成的高精地图,其中可能包括车道线152和参考线154的相关数据和信息,但是可能不直接包括它们之间的距离数据。在这种情况下,计算设备130可以从第一道路数据115中推导或计算出第一测量数据D(T1)。下文参考图5和图6来描述这样的示例。
图5示出了根据本公开的实施例的从第一道路数据115来获得第一测量数据D(T1)的示例过程500的流程图。在一些实施例中,示例过程500可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程500也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
图6示出了根据本公开的实施例的通过对来自第一道路数据115的车道线数据采样来确定第一测量数据D(T1)的示意图。将理解,图6中描绘的车道线152和参考线154的具体形状、以及采样点的数目等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152和参考线154可以具有任何的形状,并且可以具有任何适当数目的采样点。此外,图6中对采样点的编号仅是示意性的,编号为1的采样点并不一定是第一个采样点,而编号为N的采样点并不一定是最后的采样点。
参考图5和图6,在510处,计算设备130可以从第一道路数据115中获得车道线152的第一车道线数据和参考线154的第一参考线数据。如本文中使用的,第一车道线数据是指在第一道路数据115中用于描述车道线152的任何数据,而第一参考线数据是指在第一道路数据115中用于描述参考线154的任何数据。例如,在第一道路数据115为高精地图的情况下,计算设备130可以从道路150的高精地图数据中提取出表示车道线152的坐标点集合和表示参考线154的坐标点集合,即为第一车道线数据和第一参考线数据。在一些实施例中,这些坐标点可以使用经纬度坐标来表示。
在520处,计算设备130可以对第一车道线数据进行采样,以获得车道线152的第一采样点集合610-1至610-N(统称为第一采样点集合610)。在一些实施例中,该采样可以按预定的采样间隔来进行,而该采样间隔可以由技术人员根据具体的精度要求和技术环境等因素来确定。例如,在实践中,该采样间隔可以设置为1米,这有利于在计算设备130进行采样的计算量与计算精确度之间达到平衡。然而,将理解,采样间隔的该具体数值仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,该采样间隔可以是任何适当的数值。更一般地,计算设备130还可以采用不均匀的采样间隔来对第一车道线数据进行采样。在工程实践中,在第一道路数据115为高精地图的情况下,在对车道线数据进行采样之前,计算设备130还可能需要获取高精地图的文件,然后将高精地图的文件导入到数据库中等。
在530处,计算设备130可以基于第一车道线数据和第一参考线数据,来确定第一采样点集合610中的采样点610-1至610-N到参考线154的距离615-1至615-N(统称为距离集合615),以作为第一测量数据D(T1)。换言之,第一测量数据D(T1)可以包括第一车道线数据上的每个采样点到参考线154的测量距离,也即与采样点的数目相同数目的测量距离的集合615。需要说明的是,尽管在图6的示例中,计算设备130在第一车道线数据上进行采样来确定第一测量数据D(T1),但是在其他实施例中,计算设备130也可以在第一参考线数据上进行采样,然后计算第一参考线数据的采样点到车道线152的距离来确定第一测量数据D(T1)。
通过示例过程500,计算设备130可以利用采样的方式来获得有限数目的采样点到参考线154的距离的集合,以作为第一测量数据D(T1)。因此,计算设备130用于确定第一测量数据D(T1)的处理可以被简化并且具有较强的可操作性。此外,通过调整采样的间隔,计算设备130还可以调整第一测量数据D(T1)的精确度。
类似地,如上文在描述示例过程200的框220时提到的,低精度设备120对道路150采集的第二道路数据125中可能并不直接包括车道线152与参考线154之间的第二测量数据D(T2)。例如,第二道路数据125可能是低精度设备120记录的呈现车道线152和参考线154的视频,因此不直接包括它们之间的距离数据。在这种情况下,计算设备130可以从第二道路数据125中推导或计算出第二测量数据D(T2)。下文参考图7和图8来描述这样的示例。
图7示出了根据本公开的实施例的从第二道路数据125来获得第二测量数据D(T2)的示例过程700的流程图。在一些实施例中,示例过程700可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程700也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
图8示出了根据本公开的实施例的通过对来自第二道路数据125的车道线数据采样来确定第二测量数据D(T2)的示意图。将理解,图8中描绘的车道线152和参考线154的具体形状、以及采样点的数目等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152和参考线154可以具有任何的形状,并且可以具有任何适当数目的采样点。此外,图8中对采样点的编号仅是示意性的,编号为1的采样点并不一定是第一个采样点,而编号为N的采样点并不一定是最后的采样点。
参考图7和图8,在710处,计算设备130可以从第二道路数据125中获得车道线152的第二车道线数据和参考线154的第二参考线数据。如本文中使用的,第二车道线数据是指在第二道路数据125中用于描述车道线152的任何数据,而第二参考线数据是指在第二道路数据125中用于描述参考线154的任何数据。
例如,如果第二道路数据125为行车记录仪拍摄的视频,则计算设备130可以从道路150的视频中提取出表示车道线152的坐标点集合和表示参考线154的坐标点集合,即为第二车道线数据和第二参考线数据。在该过程中,计算设备130可以参考并使用道路150的第一道路数据115或低精度设备120的定位数据、以及拍摄第二道路数据125的低精度设备120的各种拍摄参数,诸如摄像头的内参和外参等。在其他实施例中,计算设备130还可以通过从道路150的视频的帧中提取车道线152和参考线154的样本点的方式,来确定第二车道线数据和第二参考线数据。这样的示例将在后文中进一步描述。
在720处,计算设备130可以对第二车道线数据进行采样,以获得车道线的第二采样点集合810-1至810-N(统称为第二采样点集合810)。在一些实施例中,该采样可以按预定的采样间隔来进行,而该采样间隔可以由技术人员根据具体的精度要求和技术环境等因素来确定。例如,在实践中,该采样间隔可以设置为1米,这有利于在计算设备130进行采样的计算量与计算精确度之间达到平衡。然而,将理解,采样间隔的该具体数值仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,该采样间隔可以是任何适当的数值。
更一般地,计算设备130还可以采用不均匀的采样间隔来对第二车道线数据进行采样。此外,在一些实施例中,用于第二车道线数据的采样间隔可以与用于第一车道线的采样间隔相同,这有利于简化对第一和第二车道线数据的整个处理过程。然而,在其他实施例中,用于第二车道线数据的采样间隔也可以与用于第一车道线的采样间隔不同,这有利于根据第一和第二车道线数据的具体情况来分别选择适合的采样间隔。
在730处,计算设备130可以基于第二车道线数据和第二参考线数据,来确定第二采样点集合810中的采样点810-1至810-N到参考线154的距离815-1至815-N(统称为距离集合815),以作为第二测量数据D(T2)。换言之,第二测量数据D(T2)可以包括第二车道线数据上的每个采样点到参考线154的测量距离,也即与采样点的数目相同数目的测量距离的集合815。需要说明的是,尽管在图8的示例中,计算设备130在第二车道线数据上进行采样来确定第二测量数据D(T2),但是在其他实施例中,计算设备130也可以在第二参考线数据上进行采样,然后计算第二参考线数据的采样点到车道线152的距离来确定第二测量数据D(T2)。
通过示例过程700,计算设备130可以利用采样的方式来获得有限数目的采样点到参考线154的距离,以作为第二测量数据D(T2)。因此,计算设备130用于确定第二测量数据D(T2)的处理可以被简化并且具有较强的可操作性。此外,通过调整采样的间隔,计算设备130还可以调整第二测量数据D(T2)的精确度。
从第二道路数据中获取车道线数据和参考线数据的示例过程
如上文在描述示例过程700的框710时提到的,计算设备130还可以通过从低精度设备120拍摄的道路150的视频的帧中提取车道线152的样本点和参考线154的样本点的方式,来确定第一车道线数据和第一参考线数据。下文参考图9至图11来描述这样的示例。
图9示出了根据本公开的实施例的从第二道路数据125中获得第二车道线数据和第二参考线数据的示例过程900的流程图。在一些实施例中,示例过程900可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程900也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
在910处,计算设备130可以从低精度设备120获得呈现车道线152和参考线154的视频。例如,在低精度设备120为行车记录仪的情况下,计算设备130可以获得安装有该行车记录仪的车辆行驶经过道路150时通过该行车记录仪拍摄的视频。将理解,计算设备130可以采用任何适当的方式从低精度设备120获得呈现车道线152和参考线154的视频。例如,计算设备130可以从低精度设备120在单位时间(例如,1天)内拍摄的视频中选取呈现车道线152和参考线154的视频。又例如,行车记录仪的用户可以选择或设置将呈现车道线152和参考线154的视频传送给计算设备130。
在920处,计算设备130可以确定与呈现车道线152和参考线154的视频中的多个帧分别对应的多个车道线样本点和多个参考线样本点。例如,计算设备130可以从上述视频中抽取多个帧,每个帧即为呈现有车道线152和参考线154的图像。然后,在抽取的多个帧中的每个帧中,计算设备130可以在该帧中的车道线152和参考线154的对应图像上选取车道线样本点和参考线样本点。如此,计算设备130可以获得分别对应于多个帧的多个车道线样本点和多个参考线样本点。另外,将理解,在每个帧中选取一个样本点仅是示例性的,无意以任何方式限制本公开的范围。在其他实施例中,计算设备130也可以在每个帧中选取多个样本点。
一般地,计算设备130可以在每个帧中的车道线152和参考线154的图像上选择任何适当的车道线样本点和参考线样本点,用于在后续的处理中拟合出第二车道线数据和第二参考线数据。然而,在一些实施例中,在每个帧中,计算设备130可以在相对于低精度设备120在固定距离处选取车道线样本点和参考线样本,这有利于简化计算设备130选取车道线样本点和参考线样本点的处理,并且可以提高最终提取的第二车道线数据和第二参考线数据的准确性。这样的示例将在后文中进一步描述。
在930处,计算设备130可以基于来自多个帧的多个车道线样本点来确定第二车道线数据。例如,计算设备130可以将来自不同帧的多个车道线样本点拟合成一条车道线,以作为第二车道线数据。在一些情况下,在拟合车道线的过程中,计算设备130可能需要获取各个车道线样本点的坐标位置,例如经纬度坐标。在工程实践中,在拟合车道线之前,计算设备130还可以去除车道线样本点到参考线154之间的测量距离明显偏离真值的异常点。
另外,车道线样本点的坐标位置可以通过任何适当的方式来确定。例如,计算设备130可以首先根据高精度设备110采集的第一道路数据115来确定图像帧中的某个位置的经纬度坐标。然后,计算设备130可以基于该位置、车道线样本点在图像帧中的相对位置关系、拍摄图像帧的低精度设备120的摄像头的内部参数和外部参数等,来确定车道线样本点的坐标位置。又例如,计算设备130可以从安装有低精度设备120的车辆的定位***或者低精度设备120自有的定位模块,来获取拍摄图像帧时的坐标位置,从而确定出车道线样本点的坐标位置。
在940处,计算设备130可以基于来自多个帧的多个参考线样本点来确定第二参考线数据。例如,计算设备130可以将来自不同帧的多个参考线样本点拟合成一条参考线,以作为第二参考线数据。在一些情况下,在拟合参考线的过程中,计算设备130可能需要获取各个参考线样本点的坐标位置,例如经纬度坐标。在工程实践中,在拟合参考线之前,计算设备130还可以排除掉参考线样本点到车道线152之间的测量距离明显偏离真值的异常点。在一些实施例中,计算设备130可以使用针对车道线样本点的相同方式,来确定参考线样本点的位置坐标。替换地,计算设备130也可以使用与用于车道线样本点的方式不同的方式来得出参考线样本点的位置坐标。
通过使用示例过程900,计算设备130确定第二车道线数据和第二参考线数据的处理过程可以被简化。此外,通过调整从呈现车道线152和参考线154的视频中抽取的帧数目以及在每个帧中选取的车道线样本点和参考线样本点的数目,计算设备130还可以调整所得到的第二车道线数据和第二参考线数据的精度。
如上文在描述示例过程900的框920时提到的,在每个帧中,计算设备130可以在相对于低精度设备120在固定距离处选取车道线样本点和参考线样本。下文参考图10和图11来描述这样的示例。
图10示出了根据本公开的实施例的从呈现车道线152和参考线154的视频的帧中确定车道线样本点和参考线样本点的示例过程1000的流程图。在一些实施例中,示例过程1000可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程1000也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
图11示出了根据本公开的实施例的在视频的帧1100中确定车道线样本点和参考线样本点的示意图。如图11所示,在低精度设备120拍摄的道路150的视频的帧1100中,呈现有车道线152、作为路沿线的参考线154、以及与车道线152形成一个车道的另一车道线156。将理解,图11中描绘的车道线152、参考线154和车道线156的具体形状和延伸方向等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152、参考线154和车道线156可以具有任何适当的形状和延伸方向。
参考图10和图11,针对来自低精度设备120拍摄的视频的多个帧中的每个帧(例如,帧1100),在1010处,计算设备130可以基于与视频相对应的低精度设备120的位置轨迹,来确定与帧1100相对应的位置。例如,在低精度设备120为车载行车记录仪的情况下,计算设备130可以从安装有该行车记录仪的车辆获得与上述视频对应的定位数据(例如,全球卫星定位***GPS轨迹)。又例如,在一些情况下,作为行车记录仪的低精度设备120也可能具有卫星定位模块(例如,低精度GPS模块)。在这种情况下,计算设备130可以直接从低精度设备120获得上述视频以及相关联的卫星定位数据(例如,GPS轨迹)。
在获得了与上述视频相关联的卫星定位数据之后,计算设备130例如可以使用在卫星定位数据(例如,GPS轨迹)中插值的方法来确定与帧1100相对应的低精度设备120的位置。然而,将理解,计算设备130也可以采用任何其他的适当方式来确定帧1100所对应的位置信息。例如,计算设备130可以先确定低精度设备120拍摄帧1100时的时间戳,然后在卫星定位数据中确定与该时间戳相对应的低精度设备120的位置。
在1020处,计算设备130可以基于帧1100的位置来确定分别用于表示帧1100中的车道线152和参考线154的车道线参数和参考线参数。例如,基于帧1100所对应的位置以及所呈现的车道线152和参考线154在帧1100中的相对位置,计算设备130即可以获得用于描述车道线152和参考线154的车道线参数和参考线参数。在一些实施例中,车道线参数可以是用于描述车道线152的车道线方程(例如,三次方程)的参数,而参考线参数可以是用于描述参考线154的参考线方程(例如,三次方程)的参数。在一些实施例中,计算设备130可以通过车道线和参考线的感知算法模块来确定车道线152和参考线154的车道线参数和参考线参数。另外,在工程实践中,计算设备130还可以根据低精度设备120的相机(即摄像头)的内参来对图像帧1100进行畸变矫正,以改进车道线参数和参考线参数的准确性。
在1030处,计算设备130可以基于车道线参数和参考线参数,来获得车道线152和参考线154在低精度设备120前方预定距离1110处的车道线样本点152-N和参考线样本点154-N。换言之,根据车道线参数和参考线参数,计算设备130可以确定帧1100中的车道线152和参考线154上的每个点的位置。因此,计算设备130可以通过计算来确定在低精度设备120前方预定距离1110处的车道线样本点152-N和参考线样本点154-N。
在一些实施例中,预定距离1110可以设置为10米。然而,将理解,技术人员可以根据具体的精度要求和技术环境来合理地设置预定距离1110的具体取值。接着,计算设备130可以按照与帧1100相同的处理方式,从低精度设备120的视频中的多个帧中确定多个车道线样本点用于拟合车道线作为第二车道线数据,以及多个参考线样本点用于拟合参考线作为第二参考线数据。
通过使用示例过程1000,计算设备130可以通过有效的、一致的方式从每个帧中选取车道线样本点和参考线样本点,从而提高最终拟合得到的车道线和参考线的精确度。
确定变化区域的示例过程
如上文在描述示例过程200的框210时提到的,计算设备130可以基于对车道线152的车道线数据进行采样的方式来确定第一变化区域集合。下文参考图12至图14来描述这样的示例。
图12示出了根据本公开的实施例的从第一道路数据115来确定变化区域的示例过程1200的流程图。在一些实施例中,示例过程1200可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程1200也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
在1210处,计算设备130可以从第一道路数据115中获得车道线152的第一车道线数据。如上文所描述的,第一车道线数据是指在第一道路数据115中用于描述车道线152的任何数据。例如,在第一道路数据115为高精地图的情况下,计算设备130可以从道路150的高精地图数据中提取出表示车道线152的坐标点集合,即为第一车道线数据。在一些实施例中,这些坐标点可以使用经纬度坐标来表示。将理解,取决于第一道路数据115的具体形式,计算设备130可以采用其他适合的方式来获得车道线152的第一车道线数据。
在1220处,计算设备130可以对第一车道线数据进行采样,以获得车道线的第一采样点集合。如上文描述的,在一些实施例中,该采样可以按预定的采样间隔来进行,而该采样间隔可以由技术人员根据具体的精度要求等因素来确定。例如,在实践中,该采样间隔可以设置为1米,这有利于在计算设备130进行采样的计算量与计算精确度之间达到平衡。然而,将理解,采样间隔的该具体数值仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,该采样间隔可以是任何适当的数值。更一般地,计算设备130还可以采用不均匀的采样间隔来对第一车道线数据进行采样。
在1230处,计算设备130可以从第一采样点集合确定一组变化点。如本文中使用的,变化点指的是这样的采样点,车道线152与参考线154之间的距离D在该采样点前后发生变化。因此,在一些实施例中,针对某个采样点,计算设备130可以确定在该采样点前方的采样点到参考线154的距离,然后确定在该采样点后方的采样点到参考线154的距离。如果前方采样点和后方采样点到参考线154的距离不同,则计算设备130可以将该采样点确定为一个变化点。
然而,如上文指出的,在实践中,车道线152的绘制和参考线154(例如,路沿线)的制作可能存在误差。在这样的情况下,如果仅考虑某个采样点前方和后方的一个采样点的变化,则可能会导致变化点的数目过多,并且大多数变化点在实践中并非有效的变化点,也即没有实际的意义。基于这样的考虑,在一些实施例中,针对某个采样点,计算设备130可以确定前方的多个采样点和后方的多个采样点到参考线154的距离平均值之间的差异来确定变化点。这样的示例将在后文中进一步描述。
在1240处,计算设备130可以确定上述一组变化点中的连续的多个变化点所对应的车道线段的长度是否达到预定长度,这里的预定长度即为前文描述的用于确定“显著”变化区域的预定长度。换言之,如果在长度达到预定长度的某个车道线段上的所有采样点均为变化点,计算设备130可以认为这样的多个变化点才是值得关注的有实际意义的多个变化点。如果多个变化点所对应的车道线段的长度没有达到预定长度,则计算设备130可以认为这些变化点是由于测量误差造成的。
在实践中,该预定长度可以由技术人员根据具体的精度要求和技术环境来设置。例如,该预定长度可以是20米。因此,在采样间隔为1米的情况下,连续变化点的数目达到20个才被计算设备130认为是有效的。将理解,这里列举的具体数目仅为示例性的,无意以任何方式限制本公开的范围。在其他实施例中,上述预定长度可以是任何适当的长度,而连续变化点的数目也可以取决于该预定长度和采样间隔而变化。
在1250处,如果计算设备130确定连续的多个变化点所对应的车道线段的长度达到预定长度,则计算设备130可以将该车道线段与参考线154之间的区域确定为第一变化区域集合中的一个变化区域。通过这样的方式,计算设备130可以排除掉在实践中可能没有实际意义的长度较短的变化区域,从而可以简化计算设备130确定变化区域的处理过程,同时提高对变化区域的有效识别效率。在工程实践中,在确定变化区域之前,计算设备130还可以对确定得到的变化点进行质检、审核和入库等操作。对于确定得出的变化区域也可以进行人工审核、入库等操作。
如上文描述示例过程1200的框1230时提到的,针对某个采样点,计算设备130可以确定前方的多个采样点和后方的多个采样点到参考线154的距离平均值之间的差异来确定变化点。下文将参考图13和图14来描述这样的示例。
图13示出了根据本公开的实施例的基于第一测量数据115来确定变化点的示例过程1300的流程图。在一些实施例中,示例过程1300可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程1300也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
图14示出了根据本公开的实施例的基于第一测量数据115来确定变化点1405-1的示意图。将理解,图14中描绘的车道线152和参考线154的具体形状、以及采样点的数目等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152和参考线154可以具有任何的形状,并且可以具有任何适当数目的采样点。此外,需要说明的是,为了描述的简便,图14中的采样点并不是从左到右顺序编号的,而是以所讨论的采样点为中心向两边分别编号。
参考图13和图14,针对第一采样点集合中的每个采样点(例如,采样点1405-1),在1310处,计算设备130可以基于车道线152与参考线154之间的距离D的第一测量数据D(T1),来确定采样点1405-1之前的第一预定数目(例如,M个)的采样点1405-M至1405-1到参考线154的第一平均距离,也即车道线段1410到参考线154的平均距离。在一些实施例中,这里的采样点1405-1之前的采样点是指按照道路方向在采样点1405-1后方的采样点。
在1320处,计算设备130可以基于第一测量数据D(T1),来确定采样点1405-1之后的第二预定数目(例如,N个)的采样点1405-1至1405-N到参考线154的第二平均距离,也即车道线段1420到参考线154的平均距离。在一些实施例中,这里的采样点1405-1之后的采样点是指按照道路方向在采样点1405-1前方的采样点。
在1330处,计算设备130可以确定第一平均距离与第二平均距离之间的差异是否达到预定阈值。在实践中,该预定阈值可以由技术人员根据具体的精度要求和技术环境来设置。在一些实施例中,该预定阈值可以等于前文描述的用于确定“显著”变化区域的变化量阈值,例如,该预定阈值可以是0.2米。将理解,这里列举的具体取值仅为示例,无意以任何方式限制本公开的范围。在其他实施例中,预定阈值可以被设置为任何适当的取值。
在1340处,如果确定第一平均距离与第二平均距离之间的差异达到预定阈值,则计算设备130可以将采样点确定为变化点。换言之,如果上述差异达到预定阈值,计算设备130才将该采样点认为是变化点。否则,如果上述差异未达到预定阈值,则计算设备130可以不认为采样点是变化点,而是由于测量误差或其他干扰因素导致了距离D在该采样点的前后差异。以此方式,某个采样点前方多个采样点和后方多个采样点到参考线的平均值之间的差异被用于确定该采样点是否为变化点,因此排除了测量数据突变等其他误差对确定变化点的影响,从而提高了识别变化点的准确性。
类似于对第一道路数据115的处理,如上文描述示例过程200的框220时提到的,计算设备130可以基于对车道线152的车道线数据进行采样的方式来确定第二变化区域集合。下文参考图15至图17来描述这样的示例。
图15示出了根据本公开的实施例的从第二道路数据125来确定变化区域的示例过程1500的流程图。在一些实施例中,示例过程1500可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程1500也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
在1510处,计算设备130可以从第二道路数据125中获得车道线152的第二车道线数据。如上文所描述的,第二车道线数据是指在第二道路数据125中用于描述车道线152的任何数据。例如,在第二道路数据125为低精度设备120拍摄的视频的情况下,计算设备130可以从道路150的视频中提取出表示车道线152的坐标点集合,即为第二车道线数据。在一些实施例中,这些坐标点可以使用经纬度坐标来表示。将理解,取决于第二道路数据125的具体形式,计算设备130可以采用其他适合的方式来获得车道线152的第二车道线数据。
在1520处,计算设备130可以对第二车道线数据进行采样,以获得车道线的第二采样点集合。如上文描述的,在一些实施例中,该采样可以按预定的采样间隔来进行,而该采样间隔可以由技术人员根据具体的精度要求等因素来确定。例如,在实践中,该采样间隔可以设置为1米,这有利于在计算设备130进行采样的计算量与计算精确度之间达到平衡。然而,将理解,采样间隔的该具体数值仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,该采样间隔可以是任何适当的数值。更一般地,计算设备130还可以采用不均匀的采样间隔来对第二车道线数据进行采样。
在1530处,计算设备130可以从第二采样点集合确定一组变化点。如本文中使用的,变化点指的是这样的采样点,车道线152与参考线154之间的距离D在该采样点前后发生变化。因此,在一些实施例中,针对某个采样点,计算设备130可以确定在该采样点前方的采样点到参考线154的距离,然后确定在该采样点后方的采样点到参考线154的距离。如果前方采样点和后方采样点到参考线154的距离不同,则计算设备130可以将该采样点确定为一个变化点。
然而,如上文指出的,在实践中,车道线152的绘制和参考线154(例如,路沿线)的制作可能存在误差。此外,低精度设备120测量得到的测量数据也存在不稳定性,例如,测量值可能发生跳变。在这样的情况下,如果仅考虑某个采样点前方和后方的一个采样点的变化,则可能会导致变化点的数目过多,并且大多数变化点在实践中并非有效的变化点,也即没有实际的意义。基于这样的考虑,在一些实施例中,针对某个采样点,计算设备130可以确定前方的多个采样点和后方的多个采样点到参考线154的距离平均值之间的差异来确定变化点。这样的示例将在后文中进一步描述。
在1540处,计算设备130可以确定一组变化点中的连续的多个变化点所对应的车道线段的长度是否达到预定长度,这里的预定长度即为前文描述的用于确定“显著”变化区域的预定长度。换言之,如果在长度达到预定长度的某个车道线段上的所有采样点均为变化点,计算设备130可以认为这样的多个变化点才是值得关注的有实际意义的多个变化点。如果多个变化点所对应的车道线段的长度没有达到预定长度,则计算设备130可以认为这些变化点是由于测量误差造成的。
在实践中,该预定长度可以由技术人员根据具体的精度要求和技术环境来设置。例如,该预定长度可以是20米。因此,在采样间隔为1米的情况下,连续变化点的数目达到20个才被计算设备130认为是有效的。将理解,这里列举的具体数目仅为示例性的,无意以任何方式限制本公开的范围。在其他实施例中,上述预定长度可以是任何适当的长度,而连续变化点的数目也可以取决于该预定长度和采样间隔而变化。
在1550处,如果计算设备130确定连续的多个变化点所对应的车道线段的长度达到预定长度,则计算设备130可以将该车道线段与参考线之间的区域确定为第二变化区域集合中的一个变化区域。通过这样的方式,计算设备130可以排除掉在实践中可能没有实际意义的长度较短的变化区域,从而可以简化计算设备130确定变化区域的处理过程,同时提高对变化区域的有效识别效率。在工程实践中,在确定变化区域之前,计算设备130还可以对确定得到的变化点进行质检、审核和入库等操作。对于确定得出的变化区域也可以进行人工审核、入库等操作。
如上文描述示例过程1500的框1530时提到的,针对某个采样点,计算设备130可以确定前方的多个采样点和后方的多个采样点到参考线154的距离平均值之间的差异来确定变化点。下文将参考图16和图17来描述这样的示例。
图16示出了根据本公开的实施例的基于第二测量数据125来确定变化点的示例过程1600的流程图。在一些实施例中,示例过程1600可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程1600也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
图17示出了根据本公开的实施例的基于第二测量数据125来确定变化点1705-1的示意图。将理解,图17中描绘的车道线152和参考线154的具体形状、以及采样点的数目等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152和参考线154可以具有任何的形状,并且可以具有任何适当数目的采样点。此外,需要说明的是,为了描述的简便,图17中的采样点并不是从左到右顺序编号的,而是以所讨论的采样点为中心向两边分别编号。
参考图16和图17,针对第二采样点集合中的每个采样点(例如,采样点1705-1),在1610处,计算设备130可以基于车道线152与参考线154之间的距离D的第二测量数据D(T2),来确定采样点1705-1之前的第一预定数目(例如,M个)的采样点1705-1至1705-M到参考线154的第三平均距离,也即车道线段1710到参考线154的平均距离。在一些实施例中,这里的采样点1705-1之前的采样点是指按照道路方向在采样点1705-1后方的采样点。
在1620处,计算设备130可以基于第二测量数据D(T2),来确定采样点1705-1之后的第二预定数目(例如,N个)的采样点1705-1至1705-N到参考线154的第四平均距离,也即车道线段1720到参考线154的平均距离。在一些实施例中,这里的采样点1705-1之后的采样点是指按照道路方向在采样点1705-1前方的采样点。
在1630处,计算设备130可以根据确定第三平均距离与第四平均距离之间的差异是否达到预定阈值。在实践中,该预定阈值可以由技术人员根据具体的精度要求和技术环境来设置。在一些实施例中,该预定阈值可以等于前文描述的用于确定“显著”变化区域的变化量阈值,例如,该预定阈值可以是0.2米。将理解,这里列举的具体取值仅为示例,无意以任何方式限制本公开的范围。在其他实施例中,预定阈值可以被设置为任何适当的取值。
在1640处,如果确定第三平均距离与第四平均距离之间的差异达到预定阈值,则计算设备130可以将采样点确定为变化点。换言之,如果上述差异达到预定阈值,计算设备130才将该采样点认为是变化点。否则,如果上述差异未达到预定阈值,则计算设备130可以不认为采样点是变化点,而是由于测量误差或其他干扰因素导致了距离D在该采样点的前后差异。以此方式,某个采样点前方多个采样点和后方多个采样点到参考线的平均值之间的差异被用于确定该采样点是否为变化点,因此排除了测量数据突变等其他误差对确定变化点的影响,从而提高了识别变化点的准确性。
校正第二测量数据的示例过程
如上文指出的,尽管低精度设备120(例如,众包设备)在可以识别出车道宽度的变化,但是由于低精度设备120(例如,消费级行车记录仪)的摄像头的内外参、阴影、遮挡等干扰因素,造成识别的车道宽度与真值具有较大的误差。此外,对于同一车道,不同的低精度设备所测量的车道宽度也可能是不同的,并且同一低精度设备在不同时间测量的车道宽度也可能不同。这导致低精度设备120识别的变化区域可能无法和高精度设备110识别的变化区域进行准确地比较。
因此,在一些实施例中,为了提高识别的变化区域的准确性,从而改进检测的车道线位置变化的准确性,计算设备130可以使用来自高精度设备110的第一测量数据D(T1)来校正来自低精度设备120的第二测量数据D(T2)。一般地,计算设备130可以采用任何适当的方式来校正第二测量数据D(T2)。例如,计算设备130可以计算第一测量数据D(T1)和第二测量数据D(T2)在某个坐标位置处的取值的比值。然后,计算设备130可以使用该比值来校正第二测量数据D(T2)。
又例如,计算设备130可以计算第一测量数据D(T1)和第二测量数据D(T2)在整个道路150上的平均值的比值。然后,计算设备130可以使用该平均值的比值来校正第二测量数据D(T2)。在其他实施例中,计算设备130还可以基于道路150的预定长度的道路段(对应于车道线152的预定长度的车道线段)来校正第二测量数据D(T2)。下文将参考图18至图22来描述这样的示例。
图18示出了根据本公开的实施例的使用第一测量数据D(T1)来校正第二测量数据D(T2)的示例过程的流程图。在一些实施例中,示例过程1800可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程1800也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
在1810处,计算设备130可以基于第一测量数据D(T1),来确定车道线152的预定长度的车道线段与参考线154的第一测量距离,下文表示为d1。这里的预定长度可以由技术人员根据需要的测量精度和计算量等因素来确定。例如,在一些实施例中,预定长度的车道线段可以是60米。将理解,这里列出的预定长度的具体数值仅为示例性的,无意以任何方式限制本公开的范围。在其他实施例中,计算设备130可以将用于校正目的的车道线段设置为任何合适的预定长度。在一些实施例中,因为该车道线段是用于校正的目的,所以其可以被选择为车道线152与参考线154之间的距离D基本不变的车道线段,本文中也称为“距离稳定段”。
此外,计算设备130可以通过任何适当的方式来确定第一测量距离d1,这可以取决于车道线段与参考线154的位置关系。例如,在车道线段与参考线154平行的情况下,计算设备130可以从第一测量数据中找到车道线段上任一点到参考线的距离即可。如果车道线段与参考线的距离是变化的,则计算设备130可以根据第一测量数据D(T1)来确定车道线152与参考线154之间的距离D在与该车道线段相关联的区域中的平均值。再例如,计算设备130还可以通过对车道线段采样的方式来确定第一测量距离d1。这样的示例将在后文中进一步描述。
在1820处,计算设备130可以基于第二测量数据D(T2),来确定该车道线段与参考线154的第二测量距离,下文表示为d2。与框1810中类似,计算设备130可以通过任何适当的方式来确定第二测量距离d2,这可以取决于车道线段与参考线154的位置关系。例如,在车道线段与参考线154平行的情况下,计算设备130可以从第二测量数据中找到车道线段上任一点到参考线的距离即可。如果车道线段与参考线的距离是变化的,则计算设备130可以从第二测量数据来确定车道线152与参考线154之间的距离D在与该车道线段相关联的区域中的平均值。再例如,计算设备130还可以通过对车道线段采样的方式来确定第二测量距离d2。这样的示例将在后文中进一步描述。
在1830处,计算设备130可以使用第二测量距离d2与第一测量距离d1的比率d2/d1,来校正第二测量数据D(T2)中的与车道线段相关联的测量数据。例如,计算设备130可以使用该比率d2/d1来校正第二测量数据D(T2)中的与车道线段上的任何点对应的距离测量值。通过使用车道线段到参考线154的测量距离的比率,在对第二测量数据D(T2)的校正过程中,计算设备130可以消除测量数据的个别数据点的跳变等误差因素的影响。此外,在一些实施例中,针对不同的采样点,计算设备130可以在该采样点附近确定上述车道线段。也就是说,针对不同的采样点,上述车道线段可以是不同的,从而可以保留该采样点的局部性,也即用于校正其距离D的因子是基于其附近的车道线段到参考线154的距离来确定的。
如上文在描述示例过程1800的框1810时提到的,计算设备130还可以通过对车道线段采样的方式来确定第一测量距离d1。下文参考图19和图20来描述这种方式的具体示例。
图19示出了根据本公开的实施例的从第一道路数据115中确定第一测量距离d1的示例过程1900的流程图。在一些实施例中,示例过程1900可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程1900也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
图20示出了根据本公开的实施例的从第一道路数据115中确定第一测量距离d1的示意图。将理解,图20中描绘的车道线152和参考线154的具体形状、以及采样点的数目等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152和参考线154可以具有任何的形状,并且可以具有任何适当数目的采样点。此外,图20中对采样点的编号仅是示意性的,编号为1的采样点并不一定是第一个采样点,而编号为L的采样点并不一定是最后的采样点,编号的方向为了描述简便也不一定与道路方向相同。
参考图19和图20,在1910处,计算设备130可以从第一道路数据115中获得车道线152的第一车道线数据。如上文所描述的,第一车道线数据是指在第一道路数据115中用于描述车道线152的任何数据。例如,在第一道路数据115为高精地图的情况下,计算设备130可以从道路150的高精地图数据中提取出表示车道线152的坐标点集合,即为第一车道线数据。在一些实施例中,这些坐标点可以使用经纬度坐标来表示。
在1920处,计算设备130可以对第一车道线数据进行采样,以获得车道线152的第一采样点集合中的与车道线段2010对应的第一采样点子集2005-1至2005-L(统称为采样点子集2005)。在一些实施例中,该采样可以按预定的采样间隔来进行,而该采样间隔可以由技术人员根据具体的精度要求和技术环境等因素来确定。例如,在实践中,该采样间隔可以设置为1米,这有利于在计算设备130进行采样的计算量与计算精确度之间达到平衡。然而,将理解,采样间隔的该具体数值仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,该采样间隔可以是任何适当的数值。更一般地,计算设备130还可以采用不均匀的采样间隔来对第一车道线数据进行采样。
在1930处,计算设备130可以基于第一测量数据D(T1),来确定第一采样点子集2005中的采样点2005-1至2005-L到参考线154的平均距离,以作为第一测量距离d1。以此方式,计算设备130可以通过采样的方式来获得有限数目的采样点到参考线154的距离来确定上述平均距离。因此,计算设备130用于确定上述平均距离的处理可以被简化。此外,通过调整采样的间隔,计算设备130还可以调整上述平均距离的精确度。
如上文在描述示例过程1800的框1820时提到的,计算设备130还可以通过采样的方式来确定第二测量距离d2。下文参考图21和图22来描述这种方式的具体示例。
图21示出了根据本公开的实施例的从第二道路数据125中确定第二测量距离d2的示例过程2100的流程图。在一些实施例中,示例过程2100可以由示例环境100中的计算设备130来实现,例如可以由计算设备130的处理器或处理单元来实现,或者由计算设备130的各种功能模块来实现。在其他实施例中,示例过程2100也可以由独立于示例环境100的计算设备来实现,或者可以由示例环境100中的其他单元或模块来实现。
图22示出了根据本公开的实施例的从第二道路数据125中确定第二测量距离d2的示意图。将理解,图22中描绘的车道线152和参考线154的具体形状、以及采样点的数目等元素仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,车道线152和参考线154可以具有任何的形状,并且可以具有任何适当数目的采样点。此外,图22中对采样点的编号仅是示意性的,编号为1的采样点并不一定是第一个采样点,而编号为L的采样点并不一定是最后的采样点,编号的方向为了描述简便也不一定与道路方向相同。
参考图21和图22,在2110处,计算设备130可以从第二道路数据125中获得车道线152的第二车道线数据。如上文所描述的,第二车道线数据是指在第二道路数据125中用于描述车道线152的任何数据。例如,在第二道路数据125为低精度设备120拍摄的视频的情况下,计算设备130可以从道路150的视频中提取出表示车道线152的坐标点集合,即为第二车道线数据。在一些实施例中,这些坐标点可以使用经纬度坐标来表示。将理解,取决于第二道路数据125的具体形式,计算设备130可以采用其他适合的方式来获得车道线152的第二车道线数据。
在2120处,计算设备130可以对第二车道线数据进行采样,以获得车道线152的第二采样点集合中的与车道线段2010对应的第二采样点子集2205-1至2205-L(统称为采样点子集2205)。在一些实施例中,该采样可以按预定的采样间隔来进行,而该采样间隔可以由技术人员根据具体的精度要求和技术环境等因素来确定。例如,在实践中,该采样间隔可以设置为1米,这有利于在计算设备130进行采样的计算量与计算精确度之间达到平衡。然而,将理解,采样间隔的该具体数值仅是示意性的,无意以任何方式限制本公开的范围。在其他实施例中,该采样间隔可以是任何适当的数值。更一般地,计算设备130还可以采用不均匀的采样间隔来对第一车道线数据进行采样。
在2130处,计算设备130可以基于第二测量数据D(T2),来确定第二采样点子集2205中的采样点2205-1至2205-L到参考线154的平均距离,以作为第二测量距离d2。以此方式,计算设备130可以通过采样的方式来获得有限数目的采样点到参考线154的距离来确定上述平均距离。因此,计算设备130用于确定上述平均距离的处理可以被简化。此外,通过调整采样的间隔,计算设备130还可以调整上述平均距离的精确度。
用于校正的平均值与用于确定变化点的平均值的重用
如上文参考图13描述的确定变化点的示例过程1300中,针对第一车道线数据的每个采样点,计算设备130确定采样点之前的第一预定数目的采样点到参考线的第一平均距离,以及采样点的之后的第二预定数目的采样点到参考线的第二平均距离。在图14中,第一预定数目的采样点对应于车道线段1410,而第二预定数目的采样点对应于车道线段1420。类似地,在参考图16描述的确定变化点的示例过程1600中,针对第二车道线数据的每个采样点,计算设备130确定采样点之前的第一预定数目的采样点到参考线的第三平均距离,以及采样点的之后的第二预定数目的采样点到参考线的第四平均距离。在图17中,第一预定数目的采样点对应于车道线段1710,而第二预定数目的采样点对应于车道线段1720。
另一方面,如上文参考图19描述的确定第一测量距离d1的示例过程1900中,计算设备130确定第一采样点集合中的第一采样点子集到参考线154的平均距离,其中第一采样点子集对应于图20中的车道线段2010。类似地,在参考图21描述的确定第二测量距离d2的示例过程2100中,计算设备130确定第二采样点集合中的第二采样点子集到参考线154的平均距离,其中第二采样点子集对应于图22中的车道线段2010。
因此,在一些实施例中,计算设备130可以将用于确定变化点时获得的平均值来用于对第二测量数据D(T2)的校正过程中。例如,针对第一车道线数据的每个采样点,计算设备130可以将示例过程1300中的与其对应的第一平均距离作为示例过程1900中的第一测量距离d1,并且针对第二车道线数据的每个采样点,将示例过程1600中的与其对应的第三平均距离作为示例过程2100中的第二测量距离d2。也即,图14中的车道线段1410可以作为图20中的车道线段2010,而图17中的车道线段1710可以作为图22中的车道线段2010。下文参考图23来描述这样的示例。
替换地,在其他实施例中,针对第一车道线数据的每个采样点,计算设备130也可以将示例过程1300中的与其对应的第二平均距离作为示例过程1900中的第一测量距离d1,并且针对第二车道线数据的每个采样点,将示例过程1600中的与其对应的第四平均距离作为示例过程2100中的第二测量距离d2。也即,图14中的车道线段1420可以作为图20中的车道线段2010,而图17中的车道线段1720可以作为图22中的车道线段2010。
图23示出了根据本公开的实施例的使用后向稳定窗口2340和前向平滑窗口2330来处理第一测量数据2310-1至2310-N(统称为第一测量数据2310)和第二测量数据2320-1至2320-N(统称为第二测量数据2320)的示意图。在图23中,横轴表示车道线152上的采样点的编号,采样间隔为1米。纵轴表示车道线152与参考线154之间的距离D的测量值。此外,图23还示出了基于高精度设备110的第一道路数据115获得的第一测量数据2310和基于低精度设备120的第二道路数据125获得的第二测量数据2320。需要指出的是,针对不同的采样点,后向稳定窗口2340和前向平滑窗口2330是保持大小不变而滑动的。
从图23中可以看出,在每个采样点处,第一测量数据2310和第二测量数据2320都是不同的。为了将上文描述的用于校正第二测量数据2320的平均值作为用于确定变化点的平均值,计算设备130可以将用于校正操作的车道线段2010的长度设置为与用于确定变化点车道线段1410和1710相同。换言之,图23中示出的后向稳定窗口2340可以用于确定变化点,也可以用于确定校正第二测量数据2320的比率。
更具体地,对于第一测量数据中的每个采样点,其是否为变化点可以基于前向平滑窗口2330中的采样距离的平均值与后向稳定窗口2340中的采样距离的平均值之间的差值。类似地,对于第二测量数据中的每个采样点,其是否为变化点也可以基于前向平滑窗口2330中的采样距离的平均值与后向稳定窗口2340中的采样距离的平均值之间的差值。进一步地,用于校正第二测量数据2320的比率可以基于第一测量数据的采样点的后向稳定窗口2340中的采样距离的平均值、以及第二测量数据的对应采样点的后向稳定窗口2340中的采样距离的平均值。
在一些实施例中,结合实际实验结果和对计算效率的要求,可以将后向稳定窗口2340中的采样点个数设置为60个。在采样间隔为1米的情况下,这也意味着后向稳定窗口2340对应于60米的车道线段。另外,前向平滑窗口2330中的采样点个数可以设置为20个。在采样间隔为1米的情况下,这也意味着前向平滑窗口2330对应于20米的车道线段。将理解,这里列出的具体数值仅为示例性的,无意以任何方式限制本公开的范围。在其他实施例中,计算设备130可以将前向平滑窗口2330和后向稳定窗口2340设置为包括任何适当数目的采样点个数,或对应于任何适当长度的车道线段。
作为一种示例,从低精度设备120获得的第二道路数据125中确定变化点的过程中,计算设备130可以直接对某个采样点的前后多个采样点到参考线154的平均距离的差值进行校正,也称为归一化,以替代对第二道路数据125进行校正,例如校正车道线152的每个采样点到参考点154的距离。另外,由于上述距离也可以假想成一个“车道”,因此上述对差值的校正过程也可以称为“车道宽度归一化”,其具体的计算方法如下。
首先,针对来自低精度设备120的第二测量数据2320(也称为车道宽度,标记为left_lane_width),给定一个采样点,获得后向稳定窗口2340(记为GroupB)中的left_lane_width的平均值(记为avgWidthGroupB)。然后,将该平均值与来自高精度设备110的第一测量数据2310的对应采样点的后向稳定窗口2340中的left_lane_width的平均值(记为hpAvgWidthGroupB)进行归一化(例如,线性归一化)。二者的归一化比值记为:ratio_bk。也即,ratio_bk=avgWidthGroupB/hpAvgWidthGroupB。
然后,针对第二测量数据2320中的该采样点,计算前向平滑窗口2330(记为GroupF)内的车道宽度平均值与后向稳定窗口2340内的车道宽度平均值之间的差值,表示为lwcd=(avgWidthGroupF-avgWidthGroupB),也即left_lane_width的变化值。接着,使用上面的比值ratio_bk对得到的差值进行校正(或归一化),表示为lwcd_corrected=lwcd*ratio_bk,即为归一化的车道宽度变化值。接下来,计算设备130可以根据归一化的车道宽度变化值(即lwcd_corrected)是否达到阈值(例如,0.2米),来确定第二测量数据2320的该样本点是否为变化点。
示例装置
图24示出了根据本公开的实施例的检测车道线位置变化的装置2400的示意性框图。在一些实施例中,装置2400可以被包括在图1的计算设备130中或者被实现为计算设备130。
如图24所示,装置2400包括第一变化区域集合确定模块2410、第二变化区域集合确定模块2420、以及检测模块2430。第一变化区域集合确定模块2410被配置为基于道路上的车道线与参考线之间的距离的第一测量数据,来确定距离发生变化的、在车道线与参考线之间的第一变化区域集合,第一测量数据从高精度设备在第一时间点对道路采集的第一道路数据来获得。
第二变化区域集合确定模块2420被配置为基于距离的第二测量数据,来确定距离发生变化的、在车道线与参考线之间的第二变化区域集合,第二测量数据从低精度设备在第一时间点之后的第二时间点对道路采集的第二道路数据来获得。检测模块2430被配置为基于第一变化区域集合和第二变化区域集合的比较,来检测车道线在第一时间点与第二时间点之间的位置变化。
在一些实施例中,第一变化区域集合确定模块2410包括:第一车道线数据获得模块,被配置为从第一道路数据中获得车道线的第一车道线数据;第一车道线数据采样模块,被配置为对第一车道线数据进行采样,以获得车道线的第一采样点集合;第一变化点组确定模块,被配置为从第一采样点集合确定一组变化点;以及第一变化区域确定模块,被配置为根据确定一组变化点中的连续的多个变化点所对应的车道线段的长度达到预定长度,将车道线段与参考线之间的区域确定为第一变化区域集合中的一个变化区域。
在一些实施例中,针对第一采样点集合中的每个采样点,第一变化点组确定模块包括:第一平均距离确定模块,被配置为基于第一测量数据,来确定采样点之前的第一预定数目的采样点到参考线的第一平均距离;第二平均距离确定模块,被配置为基于第一测量数据,来确定采样点之后的第二预定数目的采样点到参考线的第二平均距离;以及第一变化点确定模块,被配置为根据确定第一平均距离与第二平均距离之间的差异达到预定阈值,将采样点确定为变化点。
在一些实施例中,装置2400还包括:第一车道线数据和第一参考线数据获得模块,被配置为从第一道路数据中获得车道线的第一车道线数据和参考线的第一参考线数据;第一车道线数据采样模块,被配置为对第一车道线数据进行采样,以获得车道线的第一采样点集合;以及第一测量数据确定模块,被配置为基于第一车道线数据和第一参考线数据,来确定第一采样点集合中的采样点到参考线的距离,以作为第一测量数据。
在一些实施例中,装置2400还包括:校正模块,被配置为使用所述第一测量数据来校正所述第二测量数据。
在一些实施例中,校正模块包括:第一测量距离确定模块,被配置为基于第一测量数据,来确定车道线的预定长度的车道线段与参考线的第一测量距离;第二测量距离确定模块,被配置为基于第二测量数据,来确定车道线段与参考线的第二测量距离;以及基于比率的校正模块,被配置为使用第二测量距离与第一测量距离的比率,来校正第二测量数据中的与车道线段相关联的测量数据。
在一些实施例中,第一测量距离确定模块包括:第一车道线数据获得模块,被配置为从第一道路数据中获得车道线的第一车道线数据;第一车道线数据采样模块,被配置为对第一车道线数据进行采样,以获得车道线的第一采样点集合中的与车道线段对应的第一采样点子集;以及第一平均距离确定模块,被配置为基于第一测量数据,来确定第一采样点子集中的采样点到参考线的平均距离,以作为第一测量距离。
在一些实施例中,第二测量距离确定模块包括:第二车道线数据获得模块,被配置为从第二道路数据中获得车道线的第二车道线数据;第二车道线数据采样模块,被配置为对第二车道线数据进行采样,以获得车道线的第二采样点集合中的与车道线段对应的第二采样点子集;以及第二平均距离确定模块,被配置为基于第二测量数据,来确定第二采样点子集中的采样点到参考线的平均距离,以作为第二测量距离。
在一些实施例中,第二变化区域集合确定模块2420包括:第二车道线数据获得模块,被配置为从第二道路数据中获得车道线的第二车道线数据;第二车道线数据采样模块,被配置为对第二车道线数据进行采样,以获得车道线的第二采样点集合;第二变化点组确定模块,被配置为从第二采样点集合确定一组变化点;以及第二变化区域确定模块,被配置为根据确定一组变化点中的连续的多个变化点所对应的车道线段的长度达到预定长度,将车道线段与参考线之间的区域确定为第二变化区域集合中的一个变化区域。
在一些实施例中,针对第二采样点集合中的每个采样点,第二变化点组确定模块包括:第三平均距离确定模块,被配置为基于第二测量数据,来确定采样点之前的第一预定数目的采样点到参考线的第三平均距离;第四平均距离确定模块,被配置为基于第二测量数据,来确定采样点之后的第二预定数目的采样点到参考线的第四平均距离;以及第二变化点确定模块,被配置为根据确定第三平均距离与第四平均距离之间的差异达到预定阈值,将采样点确定为变化点。
在一些实施例中,装置2400还包括:第二车道线数据和第二参考线数据获得模块,被配置为从第二道路数据中获得车道线的第二车道线数据和参考线的第二参考线数据;第二车道线数据采样模块,被配置为对第二车道线数据进行采样,以获得车道线的第二采样点集合;以及第二测量数据确定模块,被配置为基于第二车道线数据和第二参考线数据,来确定第二采样点集合中的采样点到参考线的距离,以作为第二测量数据。
在一些实施例中,第二车道线数据和第二参考线数据获得模块包括:视频获得模块,被配置为从低精度设备获得包括车道线和参考线的视频;样本点确定模块,被配置为确定与视频中的多个帧分别对应的多个车道线样本点和多个参考线样本点;第二车道线数据确定模块,被配置为基于多个车道线样本点来确定第二车道线数据;以及第二参考线数据确定模块,被配置为基于多个参考线样本点来确定第二参考线数据。
在一些实施例中,针对多个帧中的每个帧,样本点确定模块包括:帧位置确定模块,被配置为基于与视频相对应的低精度设备的位置轨迹,来确定与帧相对应的位置;参数确定模块,被配置为基于位置来确定分别用于表示帧中的车道线和参考线的车道线参数和参考线参数;以及样本点获得模块,被配置为基于车道线参数和参考线参数,来获得车道线和参考线在低精度设备前方预定距离处的车道线样本点和参考线样本点。
在一些实施例中,检测模块2430包括:变化区域差异确定模块,被配置为确定第二变化区域集合中的、与第一变化区域集合中的变化区域不同的变化区域;以及位置变化确定模块,被配置为确定车道线在不同的变化区域中发生位置变化。
在一些实施例中,位置变化确定模块包括:中央分隔带开口对应性确定模块,被配置为根据确定参考线为路沿线,基于第一道路数据来确定不同的变化区域是否对应于道路的中央分隔带开口;以及基于中央分隔带开口的位置变化确定模块,被配置为根据确定不同的变化区域不对应于中央分隔带开口,确定车道线在不同的变化区域中发生位置变化。
在一些实施例中,装置2400还包括以下至少一项:第一验证模块,被配置为使用低精度设备对道路多次采集的多个道路数据,来验证不同的变化区域;以及第二验证模块,被配置为使用与低精度设备不同的另外的低精度设备对道路采集的另外的道路数据,来验证不同的变化区域。
在一些实施例中,在第一变化区域集合和第二变化区域集合中的每个变化区域内,车道线与参考线之间的距离的变化量达到阈值,并且每个变化区域的长度达到预定长度。
在一些实施例中,参考线包括路沿线或与车道线不同的另外的车道线,路沿线表示道路供车辆使用部分的边界。
在一些实施例中,高精度设备包括用于采集高精地图数据的设备,并且低精度设备包括行车记录仪。
示例设备
图25示出了一种可以被用来实施本公开的实施例的设备2500的示意性框图。如图25所示,设备2500包括中央处理单元(CPU)2501,其可以根据存储在只读存储设备(ROM)2502中的计算机程序指令或者从存储单元2508加载到随机访问存储设备(RAM)2503中的计算机程序指令,来执行各种适当的动作和处理。在RAM 2503中,还可存储设备2500操作所需的各种程序和数据。CPU 2501、ROM 2502以及RAM 2503通过总线2504彼此相连。输入/输出(I/O)接口2505也连接至总线2504。
设备2500中的多个部件连接至I/O接口2505,其包括:输入单元2506,例如键盘、鼠标等;输出单元2507,例如各种类型的显示器、扬声器等;存储单元2508,例如磁盘、光盘等;以及通信单元2509,例如网卡、调制解调器、无线通信收发机等。通信单元2509允许设备2500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如示例过程200、500、700、900、1000、1200、1300、1500、1600、1800、1900、2100可由处理单元2501来执行。例如,在一些实施例中,示例过程200、500、700、900、1000、1200、1300、1500、1600、1800、1900、2100可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元2508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 2502和/或通信单元2509而被载入和/或安装到设备2500上。当计算机程序被加载到RAM 2503并由CPU 2501执行时,可以执行上文描述的示例过程200、500、700、900、1000、1200、1300、1500、1600、1800、1900、2100的一个或多个步骤。
其他说明
如本文所使用的,术语“包括”及其类似用语应当理解为开放性包含,即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。本文还可能包括其他明确的和隐含的定义。
如本文所使用的,术语“确定”涵盖各种各样的动作。例如,“确定”可以包括运算、计算、处理、导出、调查、查找(例如,在表格、数据库或另一数据结构中查找)、查明等。此外,“确定”可以包括接收(例如,接收信息)、访问(例如,访问存储器中的数据)等。此外,“确定”可以包括解析、选择、选取、建立等。
应当注意,本公开的实施例可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域的技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。
此外,尽管在附图中以特定顺序描述了本公开的方法的操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤组合为一个步骤执行,和/或将一个步骤分解为多个步骤执行。还应当注意,根据本公开的两个或更多装置的特征和功能可以在一个装置中具体化。反之,上文描述的一个装置的特征和功能可以进一步划分为由多个装置来具体化。
虽然已经参考若干具体实施例描述了本公开,但是应当理解,本公开不限于所公开的具体实施例。本公开旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等效布置。
Claims (40)
1.一种检测车道线位置变化的方法,包括:
基于道路上的车道线与参考线之间的距离的第一测量数据,来确定所述距离发生变化的、在所述车道线与所述参考线之间的第一变化区域集合,所述第一测量数据从高精度设备在第一时间点对所述道路采集的第一道路数据来获得;
基于所述距离的第二测量数据,来确定所述距离发生变化的、在所述车道线与所述参考线之间的第二变化区域集合,所述第二测量数据从低精度设备在所述第一时间点之后的第二时间点对所述道路采集的第二道路数据来获得;以及
基于所述第一变化区域集合和所述第二变化区域集合的比较,来检测所述车道线在所述第一时间点与所述第二时间点之间的位置变化。
2.根据权利要求1所述的方法,其中确定所述第一变化区域集合包括:
从所述第一道路数据中获得所述车道线的第一车道线数据;
对所述第一车道线数据进行采样,以获得所述车道线的第一采样点集合;
从所述第一采样点集合确定一组变化点;以及
根据确定所述一组变化点中的连续的多个变化点所对应的车道线段的长度达到预定长度,将所述车道线段与所述参考线之间的区域确定为所述第一变化区域集合中的一个变化区域。
3.根据权利要求2所述的方法,其中确定所述一组变化点包括:
针对所述第一采样点集合中的每个采样点,
基于所述第一测量数据,来确定所述采样点之前的第一预定数目的采样点到所述参考线的第一平均距离;
基于所述第一测量数据,来确定所述采样点之后的第二预定数目的采样点到所述参考线的第二平均距离;以及
根据确定所述第一平均距离与所述第二平均距离之间的差异达到预定阈值,将所述采样点确定为变化点。
4.根据权利要求1所述的方法,还包括:
从所述第一道路数据中获得所述车道线的第一车道线数据和所述参考线的第一参考线数据;
对所述第一车道线数据进行采样,以获得所述车道线的第一采样点集合;以及
基于所述第一车道线数据和所述第一参考线数据,来确定所述第一采样点集合中的采样点到所述参考线的距离,以作为所述第一测量数据。
5.根据权利要求1所述的方法,还包括:
使用所述第一测量数据来校正所述第二测量数据。
6.根据权利要求5所述的方法,其中校正所述第二测量数据包括:
基于所述第一测量数据,来确定所述车道线的预定长度的车道线段与所述参考线的第一测量距离;
基于所述第二测量数据,来确定所述车道线段与所述参考线的第二测量距离;以及
使用所述第二测量距离与所述第一测量距离的比率,来校正所述第二测量数据中的与所述车道线段相关联的测量数据。
7.根据权利要求6所述的方法,其中确定所述第一测量距离包括:
从所述第一道路数据中获得所述车道线的第一车道线数据;
对所述第一车道线数据进行采样,以获得所述车道线的第一采样点集合中的与所述车道线段对应的第一采样点子集;以及
基于所述第一测量数据,来确定所述第一采样点子集中的采样点到所述参考线的平均距离,以作为所述第一测量距离。
8.根据权利要求6所述的方法,其中确定所述第二测量距离包括:
从所述第二道路数据中获得所述车道线的第二车道线数据;
对所述第二车道线数据进行采样,以获得所述车道线的第二采样点集合中的与所述车道线段对应的第二采样点子集;以及
基于所述第二测量数据,来确定所述第二采样点子集中的采样点到所述参考线的平均距离,以作为所述第二测量距离。
9.根据权利要求1所述的方法,其中确定所述第二变化区域集合包括:
从所述第二道路数据中获得所述车道线的第二车道线数据;
对所述第二车道线数据进行采样,以获得所述车道线的第二采样点集合;
从所述第二采样点集合确定一组变化点;以及
根据确定所述一组变化点中的连续的多个变化点所对应的车道线段的长度达到预定长度,将所述车道线段与所述参考线之间的区域确定为所述第二变化区域集合中的一个变化区域。
10.根据权利要求9所述的方法,其中确定所述一组变化点包括:
针对所述第二采样点集合中的每个采样点,
基于所述第二测量数据,来确定所述采样点之前的第一预定数目的采样点到所述参考线的第三平均距离;
基于所述第二测量数据,来确定所述采样点之后的第二预定数目的采样点到所述参考线的第四平均距离;以及
根据确定所述第三平均距离与所述第四平均距离之间的差异达到预定阈值,将所述采样点确定为变化点。
11.根据权利要求1所述的方法,还包括:
从所述第二道路数据中获得所述车道线的第二车道线数据和所述参考线的第二参考线数据;
对所述第二车道线数据进行采样,以获得所述车道线的第二采样点集合;以及
基于所述第二车道线数据和所述第二参考线数据,来确定所述第二采样点集合中的采样点到所述参考线的距离,以作为所述第二测量数据。
12.根据权利要求11所述的方法,其中获得所述第二车道线数据和所述第二参考线数据包括:
从所述低精度设备获得呈现所述车道线和所述参考线的视频;
确定与所述视频中的多个帧分别对应的多个车道线样本点和多个参考线样本点;
基于所述多个车道线样本点来确定所述第二车道线数据;以及
基于所述多个参考线样本点来确定所述第二参考线数据。
13.根据权利要求12所述的方法,其中确定所述多个车道线样本点和所述多个参考线样本点包括:
针对所述多个帧中的每个帧,
基于与所述视频相对应的所述低精度设备的位置轨迹,来确定与所述帧相对应的位置;
基于所述位置来确定分别用于表示所述帧中的所述车道线和所述参考线的车道线参数和参考线参数;以及
基于所述车道线参数和所述参考线参数,来获得所述车道线和所述参考线在所述低精度设备前方预定距离处的车道线样本点和参考线样本点。
14.根据权利要求1所述的方法,其中检测所述车道线的所述位置变化包括:
确定所述第二变化区域集合中的、与所述第一变化区域集合中的变化区域不同的变化区域;以及
确定所述车道线在所述不同的变化区域中发生所述位置变化。
15.根据权利要求14所述的方法,其中确定所述车道线发生所述位置变化包括:
根据确定所述参考线为路沿线,基于所述第一道路数据来确定所述不同的变化区域是否对应于所述道路的中央分隔带开口;以及
根据确定所述不同的变化区域不对应于中央分隔带开口,确定所述车道线在所述不同的变化区域中发生所述位置变化。
16.根据权利要求14所述的方法,还包括以下至少一项:
使用所述低精度设备对所述道路多次采集的多个道路数据,来验证所述不同的变化区域;以及
使用与所述低精度设备不同的另外的低精度设备对所述道路采集的另外的道路数据,来验证所述不同的变化区域。
17.根据权利要求1所述的方法,其中在所述第一变化区域集合和所述第二变化区域集合中的每个变化区域内,所述车道线与所述参考线之间的距离的变化量达到阈值,并且每个变化区域的长度达到预定长度。
18.根据权利要求1所述的方法,其中所述参考线包括路沿线或与所述车道线不同的另外的车道线,所述路沿线表示所述道路供车辆使用部分的边界。
19.根据权利要求1所述的方法,其中所述高精度设备包括用于采集高精地图数据的设备,并且所述低精度设备包括行车记录仪。
20.一种检测车道线位置变化的装置,包括:
第一变化区域集合确定模块,被配置为基于道路上的车道线与参考线之间的距离的第一测量数据,来确定所述距离发生变化的、在所述车道线与所述参考线之间的第一变化区域集合,所述第一测量数据从高精度设备在第一时间点对所述道路采集的第一道路数据来获得;
第二变化区域集合确定模块,被配置为基于所述距离的第二测量数据,来确定所述距离发生变化的、在所述车道线与所述参考线之间的第二变化区域集合,所述第二测量数据从低精度设备在所述第一时间点之后的第二时间点对所述道路采集的第二道路数据来获得;以及
检测模块,被配置为基于所述第一变化区域集合和所述第二变化区域集合的比较,来检测所述车道线在所述第一时间点与所述第二时间点之间的位置变化。
21.根据权利要求20所述的装置,其中所述第一变化区域集合确定模块包括:
第一车道线数据获得模块,被配置为从所述第一道路数据中获得所述车道线的第一车道线数据;
第一车道线数据采样模块,被配置为对所述第一车道线数据进行采样,以获得所述车道线的第一采样点集合;
第一变化点组确定模块,被配置为从所述第一采样点集合确定一组变化点;以及
第一变化区域确定模块,被配置为根据确定所述一组变化点中的连续的多个变化点所对应的车道线段的长度达到预定长度,将所述车道线段与所述参考线之间的区域确定为所述第一变化区域集合中的一个变化区域。
22.根据权利要求21所述的装置,其中针对所述第一采样点集合中的每个采样点,所述第一变化点组确定模块包括:
第一平均距离确定模块,被配置为基于所述第一测量数据,来确定所述采样点之前的第一预定数目的采样点到所述参考线的第一平均距离;
第二平均距离确定模块,被配置为基于所述第一测量数据,来确定所述采样点之后的第二预定数目的采样点到所述参考线的第二平均距离;以及
第一变化点确定模块,被配置为根据确定所述第一平均距离与所述第二平均距离之间的差异达到预定阈值,将所述采样点确定为变化点。
23.根据权利要求20所述的装置,还包括:
第一车道线数据和第一参考线数据获得模块,被配置为从所述第一道路数据中获得所述车道线的第一车道线数据和所述参考线的第一参考线数据;
第一车道线数据采样模块,被配置为对所述第一车道线数据进行采样,以获得所述车道线的第一采样点集合;以及
第一测量数据确定模块,被配置为基于所述第一车道线数据和所述第一参考线数据,来确定所述第一采样点集合中的采样点到所述参考线的距离,以作为所述第一测量数据。
24.根据权利要求20所述的装置,还包括:
校正模块,被配置为使用所述第一测量数据来校正所述第二测量数据。
25.根据权利要求24所述的装置,其中所述校正模块包括:
第一测量距离确定模块,被配置为基于所述第一测量数据,来确定所述车道线的预定长度的车道线段与所述参考线的第一测量距离;
第二测量距离确定模块,被配置为基于所述第二测量数据,来确定所述车道线段与所述参考线的第二测量距离;以及
基于比率的校正模块,被配置为使用所述第二测量距离与所述第一测量距离的比率,来校正所述第二测量数据中的与所述车道线段相关联的测量数据。
26.根据权利要求25所述的装置,其中所述第一测量距离确定模块包括:
第一车道线数据获得模块,被配置为从所述第一道路数据中获得所述车道线的第一车道线数据;
第一车道线数据采样模块,被配置为对所述第一车道线数据进行采样,以获得所述车道线的第一采样点集合中的与所述车道线段对应的第一采样点子集;以及
第一平均距离确定模块,被配置为基于所述第一测量数据,来确定所述第一采样点子集中的采样点到所述参考线的平均距离,以作为所述第一测量距离。
27.根据权利要求25所述的装置,其中所述第二测量距离确定模块包括:
第二车道线数据获得模块,被配置为从所述第二道路数据中获得所述车道线的第二车道线数据;
第二车道线数据采样模块,被配置为对所述第二车道线数据进行采样,以获得所述车道线的第二采样点集合中的与所述车道线段对应的第二采样点子集;以及
第二平均距离确定模块,被配置为基于所述第二测量数据,来确定所述第二采样点子集中的采样点到所述参考线的平均距离,以作为所述第二测量距离。
28.根据权利要求20所述的装置,其中所述第二变化区域集合确定模块包括:
第二车道线数据获得模块,被配置为从所述第二道路数据中获得所述车道线的第二车道线数据;
第二车道线数据采样模块,被配置为对所述第二车道线数据进行采样,以获得所述车道线的第二采样点集合;
第二变化点组确定模块,被配置为从所述第二采样点集合确定一组变化点;以及
第二变化区域确定模块,被配置为根据确定所述一组变化点中的连续的多个变化点所对应的车道线段的长度达到预定长度,将所述车道线段与所述参考线之间的区域确定为所述第二变化区域集合中的一个变化区域。
29.根据权利要求28所述的装置,其中针对所述第二采样点集合中的每个采样点,所述第二变化点组确定模块包括:
第三平均距离确定模块,被配置为基于所述第二测量数据,来确定所述采样点之前的第一预定数目的采样点到所述参考线的第三平均距离;
第四平均距离确定模块,被配置为基于所述第二测量数据,来确定所述采样点之后的第二预定数目的采样点到所述参考线的第四平均距离;以及
第二变化点确定模块,被配置为根据确定所述第三平均距离与所述第四平均距离之间的差异达到预定阈值,将所述采样点确定为变化点。
30.根据权利要求20所述的装置,还包括:
第二车道线数据和第二参考线数据获得模块,被配置为从所述第二道路数据中获得所述车道线的第二车道线数据和所述参考线的第二参考线数据;
第二车道线数据采样模块,被配置为对所述第二车道线数据进行采样,以获得所述车道线的第二采样点集合;以及
第二测量数据确定模块,被配置为基于所述第二车道线数据和所述第二参考线数据,来确定所述第二采样点集合中的采样点到所述参考线的距离,以作为所述第二测量数据。
31.根据权利要求30所述的装置,其中所述第二车道线数据和第二参考线数据获得模块包括:
视频获得模块,被配置为从所述低精度设备获得呈现所述车道线和所述参考线的视频;
样本点确定模块,被配置为确定与所述视频中的多个帧分别对应的多个车道线样本点和多个参考线样本点;
第二车道线数据确定模块,被配置为基于所述多个车道线样本点来确定所述第二车道线数据;以及
第二参考线数据确定模块,被配置为基于所述多个参考线样本点来确定所述第二参考线数据。
32.根据权利要求31所述的装置,其中针对所述多个帧中的每个帧,所述样本点确定模块包括:
帧位置确定模块,被配置为基于与所述视频相对应的所述低精度设备的位置轨迹,来确定与所述帧相对应的位置;
参数确定模块,被配置为基于所述位置来确定分别用于表示所述帧中的所述车道线和所述参考线的车道线参数和参考线参数;以及
样本点获得模块,被配置为基于所述车道线参数和所述参考线参数,来获得所述车道线和所述参考线在所述低精度设备前方预定距离处的车道线样本点和参考线样本点。
33.根据权利要求20所述的装置,其中所述检测模块包括:
变化区域差异确定模块,被配置为确定所述第二变化区域集合中的、与所述第一变化区域集合中的变化区域不同的变化区域;以及
位置变化确定模块,被配置为确定所述车道线在所述不同的变化区域中发生所述位置变化。
34.根据权利要求33所述的装置,其中所述位置变化确定模块包括:
中央分隔带开口对应性确定模块,被配置为根据确定所述参考线为路沿线,基于所述第一道路数据来确定所述不同的变化区域是否对应于所述道路的中央分隔带开口;以及
基于中央分隔带开口的位置变化确定模块,被配置为根据确定所述不同的变化区域不对应于中央分隔带开口,确定所述车道线在所述不同的变化区域中发生所述位置变化。
35.根据权利要求33所述的装置,还包括以下至少一项:
第一验证模块,被配置为使用所述低精度设备对所述道路多次采集的多个道路数据,来验证所述不同的变化区域;以及
第二验证模块,被配置为使用与所述低精度设备不同的另外的低精度设备对所述道路采集的另外的道路数据,来验证所述不同的变化区域。
36.根据权利要求20所述的装置,其中在所述第一变化区域集合和所述第二变化区域集合中的每个变化区域内,所述车道线与所述参考线之间的距离的变化量达到阈值,并且每个变化区域的长度达到预定长度。
37.根据权利要求20所述的装置,其中所述参考线包括路沿线或与所述车道线不同的另外的车道线,所述路沿线表示所述道路供车辆使用部分的边界。
38.根据权利要求20所述的装置,其中所述高精度设备包括用于采集高精地图数据的设备,并且所述低精度设备包括行车记录仪。
39.一种电子设备,包括:
一个或多个处理器;以及
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处理器执行时,使得所述一个或多个处理器实现根据权利要求1-19中任一项所述的方法。
40.一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根据权利要求1-19中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911222372.8A CN110954128B (zh) | 2019-12-03 | 2019-12-03 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
US17/077,419 US20210164797A1 (en) | 2019-12-03 | 2020-10-22 | Method and apparatus for detecting a position change of a lane marker, electronic device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911222372.8A CN110954128B (zh) | 2019-12-03 | 2019-12-03 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110954128A true CN110954128A (zh) | 2020-04-03 |
CN110954128B CN110954128B (zh) | 2021-11-16 |
Family
ID=69979663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911222372.8A Active CN110954128B (zh) | 2019-12-03 | 2019-12-03 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210164797A1 (zh) |
CN (1) | CN110954128B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595358A (zh) * | 2020-06-05 | 2020-08-28 | 百度在线网络技术(北京)有限公司 | 导航数据处理方法、路径诱导方法、设备及存储介质 |
CN112309232A (zh) * | 2020-10-15 | 2021-02-02 | 北京三快在线科技有限公司 | 一种确定车道线的方法及装置 |
CN112966059A (zh) * | 2021-03-02 | 2021-06-15 | 北京百度网讯科技有限公司 | 针对定位数据的数据处理方法、装置、电子设备和介质 |
CN113742437A (zh) * | 2021-08-18 | 2021-12-03 | 北京百度网讯科技有限公司 | 地图更新方法、装置、电子设备和存储介质 |
US11315285B2 (en) * | 2019-12-03 | 2022-04-26 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method, electronic device and storage medium for detecting a position change of lane line |
CN116878404A (zh) * | 2023-07-27 | 2023-10-13 | 北京博科测试***股份有限公司 | 一种汽车总装生产线上轮眉高度测量装置及测量方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7422248B2 (ja) * | 2020-11-27 | 2024-01-25 | 日産自動車株式会社 | 走行制御方法及び走行制御装置 |
CN112749680A (zh) * | 2021-01-25 | 2021-05-04 | 蔚来汽车科技(安徽)有限公司 | 用于构建道路模型的方法和设备 |
US20230063809A1 (en) * | 2021-08-25 | 2023-03-02 | GM Global Technology Operations LLC | Method for improving road topology through sequence estimation and anchor point detetection |
US11892317B2 (en) * | 2021-12-20 | 2024-02-06 | Here Global B.V. | Automatic detection of segment width narrowing using probe data |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及*** |
EP3034358A1 (de) * | 2014-12-19 | 2016-06-22 | Audi Ag | Fahrerassistenzeinrichtung für ein kraftfahrzeug und verfahren zum betreiben einer solchen |
CN109470255A (zh) * | 2018-12-03 | 2019-03-15 | 禾多科技(北京)有限公司 | 基于高精度定位及车道线识别的高精度地图自动生成方法 |
CN110163176A (zh) * | 2019-05-28 | 2019-08-23 | 北京百度网讯科技有限公司 | 车道线变化位置识别方法、装置、设备和介质 |
CN110287276A (zh) * | 2019-05-27 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 高精地图更新方法、装置及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6885781B2 (ja) * | 2017-05-11 | 2021-06-16 | 日立Astemo株式会社 | 車両制御装置、車両制御方法および車両制御システム |
US20200292330A1 (en) * | 2019-03-13 | 2020-09-17 | Here Global B.V. | Maplets for maintaining and updating a self-healing high definition map |
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 |
CN114174137A (zh) * | 2019-07-01 | 2022-03-11 | 哲内提 | Adas或ad特征的源横向偏移 |
-
2019
- 2019-12-03 CN CN201911222372.8A patent/CN110954128B/zh active Active
-
2020
- 2020-10-22 US US17/077,419 patent/US20210164797A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3034358A1 (de) * | 2014-12-19 | 2016-06-22 | Audi Ag | Fahrerassistenzeinrichtung für ein kraftfahrzeug und verfahren zum betreiben einer solchen |
CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及*** |
CN109470255A (zh) * | 2018-12-03 | 2019-03-15 | 禾多科技(北京)有限公司 | 基于高精度定位及车道线识别的高精度地图自动生成方法 |
CN110287276A (zh) * | 2019-05-27 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 高精地图更新方法、装置及存储介质 |
CN110163176A (zh) * | 2019-05-28 | 2019-08-23 | 北京百度网讯科技有限公司 | 车道线变化位置识别方法、装置、设备和介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11315285B2 (en) * | 2019-12-03 | 2022-04-26 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method, electronic device and storage medium for detecting a position change of lane line |
CN111595358A (zh) * | 2020-06-05 | 2020-08-28 | 百度在线网络技术(北京)有限公司 | 导航数据处理方法、路径诱导方法、设备及存储介质 |
CN111595358B (zh) * | 2020-06-05 | 2022-03-29 | 百度在线网络技术(北京)有限公司 | 导航数据处理方法、路径诱导方法、设备及存储介质 |
US11645854B2 (en) | 2020-06-05 | 2023-05-09 | Baidu Online Network Technology (Beijing) Co. | Method for processing navigation data, path guidance method, apparatus and storage medium |
CN112309232A (zh) * | 2020-10-15 | 2021-02-02 | 北京三快在线科技有限公司 | 一种确定车道线的方法及装置 |
CN112966059A (zh) * | 2021-03-02 | 2021-06-15 | 北京百度网讯科技有限公司 | 针对定位数据的数据处理方法、装置、电子设备和介质 |
CN112966059B (zh) * | 2021-03-02 | 2023-11-24 | 北京百度网讯科技有限公司 | 针对定位数据的数据处理方法、装置、电子设备和介质 |
CN113742437A (zh) * | 2021-08-18 | 2021-12-03 | 北京百度网讯科技有限公司 | 地图更新方法、装置、电子设备和存储介质 |
CN113742437B (zh) * | 2021-08-18 | 2023-09-01 | 北京百度网讯科技有限公司 | 地图更新方法、装置、电子设备和存储介质 |
CN116878404A (zh) * | 2023-07-27 | 2023-10-13 | 北京博科测试***股份有限公司 | 一种汽车总装生产线上轮眉高度测量装置及测量方法 |
CN116878404B (zh) * | 2023-07-27 | 2024-04-16 | 北京博科测试***股份有限公司 | 一种汽车总装生产线上轮眉高度测量装置及测量方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210164797A1 (en) | 2021-06-03 |
CN110954128B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110954128B (zh) | 检测车道线位置变化的方法、装置、电子设备和存储介质 | |
CN110909711B (zh) | 检测车道线位置变化的方法、装置、电子设备和存储介质 | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
US8359156B2 (en) | Map generation system and map generation method by using GPS tracks | |
Tao et al. | Lane marking aided vehicle localization | |
WO2018133851A1 (zh) | 一种点云数据处理方法、装置及计算机存储介质 | |
CN110332945B (zh) | 基于交通道路标线视觉识别的车载导航方法和装置 | |
CN104677361B (zh) | 一种综合定位的方法 | |
CN105667518A (zh) | 车道检测的方法及装置 | |
CN111830953A (zh) | 车辆自定位方法、装置及*** | |
CN111930872A (zh) | 一种高精度地图更新方法、服务器及可读存储介质 | |
CN112924955B (zh) | 一种路侧激光雷达点云坐标动态修正方法 | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN112964264A (zh) | 道路边沿检测方法、装置、高精度地图、车辆及存储介质 | |
CN110018503B (zh) | 车辆的定位方法及定位*** | |
CN110135216B (zh) | 电子地图中车道数变化区域检测方法、装置及存储设备 | |
US20210302993A1 (en) | Method and apparatus for self localization | |
CN116399324A (zh) | 建图方法、装置及控制器、无人驾驶车辆 | |
CN115344655A (zh) | 地物要素的变化发现方法、装置及存储介质 | |
US11238291B2 (en) | Method, apparatus, and computer program product for determining if probe data points have been map-matched | |
Luo et al. | Automatic mileage positioning for road inspection using binocular stereo vision system and global navigation satellite system | |
CN108981729A (zh) | 车辆定位方法和装置 | |
CN114705180B (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
CN114463717A (zh) | 一种障碍物位置判断方法、***、电子设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211018 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, *** building, 10 Shangdi 10th Street, Haidian District, Beijing 100094 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |