CN112880693A - 地图生成方法、定位方法、装置、设备及存储介质 - Google Patents
地图生成方法、定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112880693A CN112880693A CN201911207451.1A CN201911207451A CN112880693A CN 112880693 A CN112880693 A CN 112880693A CN 201911207451 A CN201911207451 A CN 201911207451A CN 112880693 A CN112880693 A CN 112880693A
- Authority
- CN
- China
- Prior art keywords
- road
- map
- vehicle
- point
- point set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000012545 processing Methods 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 description 21
- 238000006243 chemical reaction Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
Abstract
本发明实施例提供一种地图生成方法、定位方法、装置、设备及存储介质,该地图生成方法包括:获取传感器采集的道路上至少一个道路元素的位置信息,每个道路元素对应一个标识;根据各道路元素的位置信息,生成各道路元素对应的点集,其中,一个道路元素对应的点集包含多个表征该道路元素所在位置的位置点;将各道路元素的标识及其对应的点集,与所述道路的标识进行关联存储,生成地图。
Description
技术领域
本发明实施例涉及车辆控制技术领域,尤其涉及一种地图生成方法、定位方法、装置、设备及存储介质。
背景技术
地图尤其是高精度地图(High Definition Map,HD Map)技术是自动驾驶***的核心技术。相比传统的面向用户的静态电子地图而言,高精度地图面向的是自动驾驶车辆,它不仅拥有更高的位置精度,且包含更丰富的道路和交通元素,甚至包括实时动态的交通和路况信息等。借助高精度地图技术,自动驾驶车辆能够进行自动定位和行驶。
发明内容
本发明实施例提供一种地图生成方法、定位方法、装置、设备及存储介质。
第一方面,本发明实施例提供一种地图生成方法,包括:
获取传感器采集的道路上至少一个道路元素的位置信息,每个道路元素对应一个标识;
根据各道路元素的位置信息,生成各道路元素对应的点集,其中,一个道路元素对应的点集包含多个表征该道路元素所在位置的位置点;
将各道路元素的标识及其对应的点集,与所述道路的标识进行关联存储,生成地图。
在一种可能的实施方式中,所述道路元素包括以下中的至少一种:
道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌;
其中,所述道路的左右边界线对应的点集由所述道路的左右边界线上多个位置点组成;
所述可行驶边界线对应的点集由所述可行驶边界线上多个位置点组成;
所述虚线车道线对应的点集由所述虚线车道线上两个端点组成;
所述停止线对应的点集由所述停止线上两个端点组成;
所述人行横道对应的点集由所述人行横道所属多边形区域的多个顶点组成;
所述停车位对应的点集由所述停车位所属矩形区域的四个顶点组成;
所述障碍物对应的点集由所述障碍物所属多面体的多个顶点组成。
在一种可能的实施方式中,所述道路的左右边界线对应的点集中位置点的密度根据所述道路的左右边界线的曲率确定。
在一种可能的实施方式中,所述道路元素包括道路的左右边界线;
所述方法还包括:
根据所述道路的左右边界线的位置信息,确定所述道路的参考线的位置信息,并生成所述参考线的标识,其中,所述参考线位于所述道路的中心;
从所述参考线上选取多个位置点组成所述参考线对应的点集;
将所述参考线的标识及其对应的点集,与所述道路的标识关联存储到所述地图中。
在一种可能的实施方式中,所述道路上包括至少一个车道,每个车道对应于一个标识,所述道路元素包括所述各车道的车道线;
所述方法还包括:
根据各车道的车道线的位置信息,确定各车道的中心线的位置信息,其中,一个车道的中心线位于该车道的中心;
针对每个车道,从该车道的中心线上选取多个位置点组成该车道的中心线对应的点集;
将各车道的标识及其中心线对应的点集,与所述道路的标识关联存储到所述地图中。
在一种可能的实施方式中,所述方法还包括:
获取各车道对应的限速值;
将各车道对应的限速值与各车道的标识关联存储到所述地图中。
在一种可能的实施方式中,所述地图还包括至少一个路口,每个路口对应于一个标识,所述方法还包括:
针对每个路口,获取与该路口相关联的多条道路的信息,并根据多条道路的信息确定所述多条道路中存在连接关系的每两条道路,其中,所述连接关系包括该连接关系的起始道路和目标道路;
将所述连接关系以及所述路口的标识关联存储到所述地图中。
在一种可能的实施方式中,所述方法还包括:
匹配所述连接关系和所述路口的信号灯信息;
将所述信号灯与其匹配的连接关系关联存储到所述地图中。
第二方面,本发明实施例提供一种定位方法,包括:
从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,其中,所述道路元素对应于一组点集,所述点集包含多个表征所述道路元素所在位置的位置点,所述地图中存储有所述道路元素对应的点集所包含的位置点的坐标;
获取所述车辆采集的图像;
根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素与所述图像进行匹配,并根据匹配结果确定所述车辆的位置。
在一种可能的实施方式中,根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素与所述图像进行匹配,并根据匹配结果确定所述车辆的位置,包括:
根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素向所述图像上投影,得到至少一个道路元素在所述图像上的第一位置,其中,所述道路元素为属于所述第一预设范围内且投影后位于所述图像上的道路元素;
对所述图像进行图像检测,得到所述图像上至少一个第二道路元素的第二位置;
根据所述至少一个道路元素的第一位置,以及所述至少一个第二道路元素的第二位置,将所述至少一个道路元素与所述至少一个第二道路元素进行匹配,并根据匹配结果确定所述车辆的位置。
在一种可能的实施方式中,所述道路元素对应的位置点的坐标为全局坐标系下的坐标;
根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素向所述图像上投影,得到所述至少一个道路元素在所述图像上的第一位置,包括:
根据第一坐标系转换矩阵,将所述第一预设范围内的道路元素对应的位置点的坐标由所述全局坐标系转换到所述图像的像素坐标系下,得到所述至少一个道路元素在所述图像上的第一位置,其中,所述第一坐标系转换矩阵为所述全局坐标系与所述图像的像素坐标系之间的转换矩阵。
在一种可能的实施方式中,所述道路元素包括多种类型;
根据所述至少一个道路元素的第一位置,以及所述至少一个第二道路元素的第二位置,将所述至少一个道路元素与所述至少一个第二道路元素进行匹配,并根据匹配结果确定所述车辆的位置,包括:
将类型相同且位置最近的一个道路元素和一个第二道路元素作为一个匹配对;
针对每个匹配对,计算该匹配对中道路元素与第二道路元素之间的距离,作为该匹配对对应的距离;
将各匹配对对应的距离作为投影误差,计算最小化投影误差条件下车辆的位置作为所述车辆的位置。
在一种可能的实施方式中,从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,包括:
采用第一定位方式定位得到所述车辆的原始位置,其中,所述第一定位方式的定位精度低于预设阈值;
根据所述原始位置,从所述地图中查找所述车辆周围所述第一预设范围内的道路元素对应的位置点的坐标。
在一种可能的实施方式中,所述道路元素包括道路线,所述方法还包括:
在所述车辆行驶时,获取所述车辆的下一行驶点的坐标,其中,所述下一行驶点为所述车辆的行驶路径上当前位置的下一个位置点;
根据所述下一行驶点的坐标,从所述地图中获取所述下一行驶点所在区域内的道路线对应的位置点的坐标;
以所述下一行驶点所在区域内的道路线对应的位置点为顶点,确定所述下一行驶点对应的多边形区域;
在所述多边形区域为可行驶区域时,控制所述车辆向所述下一行驶点行驶;
在所述多边形区域为不可行驶区域时,重新规划所述车辆的下一行驶点,以使所述车辆的下一行驶点位于所述多边形区域之外。
在一种可能的实施方式中,所述地图中还存储有至少一条行驶路径对应的位置点的坐标,其中,每条行驶路径对应一个点集,每条行驶路径对应的点集由该行驶路径上的多个位置点组成。
在一种可能的实施方式中,所述方法还包括:
从所述地图中获取第一行驶路径对应的位置点的坐标;
根据所述第一行驶路径对应的位置点的坐标,控制所述车辆沿所述第一行驶路径进行行驶。
在一种可能的实施方式中,所述道路元素包括交通灯,所述地图中还存储有所述交通灯对应的道路转向信息。
在一种可能的实施方式中,所述交通灯包括至少一个信号灯,所述地图中每个交通灯对应于一个由该交通灯所属矩形区域的四个顶点组成的点集、以及一组道路转向信息,其中,每个交通灯对应的道路转向信息包括该交通灯中每个信号灯的形状、颜色、位置、以及所指示的道路转向信息中的至少一项。
在一种可能的实施方式中,所述方法还包括:
在检测到所述图像中包含交通灯时,通过图像识别得到第一交通灯的当前信号和所述第一交通灯在所述图像上的第三位置,其中,所述第一交通灯为所述图像中包含的交通灯;
从所述地图中获取所述车辆周围第二预设范围内的交通灯对应的位置点的坐标;
根据所述第二预设范围内的交通灯对应的位置点的坐标和所述第三位置,确定所述第二预设范围内的交通灯中与所述第一交通灯相匹配的第二交通灯;
从所述地图中获取所述第二交通灯对应的道路转向信息;
根据所述第一交通灯的当前信号和所述第二交通灯对应的道路转向信息,确定所述第一交通灯的当前信号所指示的道路转向;
根据所述第一交通灯的当前信号所指示的道路转向,对所述车辆进行控制,以使所述车辆按照所述第一交通灯的当前信号所指示的道路转向进行行驶。
在一种可能的实施方式中,根据所述第二预设范围内的交通灯对应的位置点的坐标和所述第三位置,确定所述第二预设范围内的交通灯中与所述第一交通灯相匹配的第二交通灯,包括:
根据第二坐标系转换矩阵和所述第二预设范围内的交通灯对应的位置点的坐标,将所述第二预设范围内的交通灯向所述图像上投影,得到至少一个第三交通灯在所述图像上的第四位置,其中,所述第三交通灯为属于所述第二预设范围内且投影后位于所述图像上的交通灯;
根据所述第三位置以及所述至少一个第三交通灯的第四位置,将所述图像上与所述第一交通灯位置最近的第三交通灯确定为与所述第一交通灯相匹配的第二交通灯。
在一种可能的实施方式中,所述道路元素包括以下中的至少一种:道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌。
在一种可能的实施方式中,所述虚线车道线、所述起始线、所述停止线均对应于一个由两个位置点组成的点集;
所述人行横道对应于一个由所述人行横道所属多边形区域的多个顶点组成的点集;
所述停车位对应于一个由所述停车位所属矩形区域的四个顶点组成的点集;
所述障碍物对应于一个由所述障碍物所属多面体的多个顶点组成的点集。
在一种可能的实施方式中,根据匹配结果确定所述车辆的位置之后,所述方法还包括:
显示所述车辆的位置。
第三方面,本发明实施例提供一种地图生成装置,包括:
获取模块,用于获取传感器采集的道路上至少一个道路元素的位置信息,每个道路元素对应一个标识;
生成模块,用于根据各道路元素的位置信息,生成各道路元素对应的点集,其中,一个道路元素对应的点集包含多个表征该道路元素所在位置的位置点;
存储模块,用于将各道路元素的标识及其对应的点集,与所述道路的标识进行关联存储,生成地图。
在一种可能的实施方式中,所述道路元素包括以下中的至少一种:
道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌;
其中,所述道路的左右边界线对应的点集由所述道路的左右边界线上多个位置点组成;
所述可行驶边界线对应的点集由所述可行驶边界线上多个位置点组成;
所述虚线车道线对应的点集由所述虚线车道线上两个端点组成;
所述停止线对应的点集由所述停止线上两个端点组成;
所述人行横道对应的点集由所述人行横道所属多边形区域的多个顶点组成;
所述停车位对应的点集由所述停车位所属矩形区域的四个顶点组成;
所述障碍物对应的点集由所述障碍物所属多面体的多个顶点组成。
在一种可能的实施方式中,所述道路的左右边界线对应的点集中位置点的密度根据所述道路的左右边界线的曲率确定。
在一种可能的实施方式中,所述道路元素包括道路的左右边界线;
所述存储模块,还用于:
根据所述道路的左右边界线的位置信息,确定所述道路的参考线的位置信息,并生成所述参考线的标识,其中,所述参考线位于所述道路的中心;
从所述参考线上选取多个位置点组成所述参考线对应的点集;
将所述参考线的标识及其对应的点集,与所述道路的标识关联存储到所述地图中。
在一种可能的实施方式中,所述道路上包括至少一个车道,每个车道对应于一个标识,所述道路元素包括所述各车道的车道线;
所述存储模块,还用于:
根据各车道的车道线的位置信息,确定各车道的中心线的位置信息,其中,一个车道的中心线位于该车道的中心;
针对每个车道,从该车道的中心线上选取多个位置点组成该车道的中心线对应的点集;
将各车道的标识及其中心线对应的点集,与所述道路的标识关联存储到所述地图中。
在一种可能的实施方式中,所述存储模块,还用于:
获取各车道对应的限速值;
将各车道对应的限速值与各车道的标识关联存储到所述地图中。
在一种可能的实施方式中,所述地图还包括至少一个路口,每个路口对应于一个标识,所述存储模块,还用于:
针对每个路口,获取与该路口相关联的多条道路的信息,并根据多条道路的信息确定所述多条道路中存在连接关系的每两条道路,其中,所述连接关系包括该连接关系的起始道路和目标道路;
将所述连接关系以及所述路口的标识关联存储到所述地图中。
在一种可能的实施方式中,所述存储模块,还用于:
匹配所述连接关系和所述路口的信号灯信息;
将所述信号灯与其匹配的连接关系关联存储到所述地图中。
第四方面,本发明实施例提供一种定位装置,包括:
获取模块,用于从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,其中,所述道路元素对应于一组点集,所述点集包含多个表征所述道路元素所在位置的位置点,所述地图中存储有所述道路元素对应的点集所包含的位置点的坐标;
所述获取模块,还用于获取所述车辆采集的图像;
定位模块,用于根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素与所述图像进行匹配,并根据匹配结果确定所述车辆的位置。
在一种可能的实施方式中,所述定位模块,具体用于:
根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素向所述图像上投影,得到至少一个道路元素在所述图像上的第一位置,其中,所述道路元素为属于所述第一预设范围内且投影后位于所述图像上的道路元素;
对所述图像进行图像检测,得到所述图像上至少一个第二道路元素的第二位置;
根据所述至少一个道路元素的第一位置,以及所述至少一个第二道路元素的第二位置,将所述至少一个道路元素与所述至少一个第二道路元素进行匹配,并根据匹配结果确定所述车辆的位置。
在一种可能的实施方式中,所述道路元素对应的位置点的坐标为全局坐标系下的坐标;
所述定位模块,具体用于:
根据第一坐标系转换矩阵,将所述第一预设范围内的道路元素对应的位置点的坐标由所述全局坐标系转换到所述图像的像素坐标系下,得到所述至少一个道路元素在所述图像上的第一位置,其中,所述第一坐标系转换矩阵为所述全局坐标系与所述图像的像素坐标系之间的转换矩阵。
在一种可能的实施方式中,所述道路元素包括多种类型;
所述定位模块,具体用于:
将类型相同且位置最近的一个道路元素和一个第二道路元素作为一个匹配对;
针对每个匹配对,计算该匹配对中道路元素与第二道路元素之间的距离,作为该匹配对对应的距离;
将各匹配对对应的距离作为投影误差,计算最小化投影误差条件下车辆的位置作为所述车辆的位置。
在一种可能的实施方式中,所述获取模块,具体用于:
采用第一定位方式定位得到所述车辆的原始位置,其中,所述第一定位方式的定位精度低于预设阈值;
根据所述原始位置,从所述地图中查找所述车辆周围所述第一预设范围内的道路元素对应的位置点的坐标。
在一种可能的实施方式中,所述道路元素包括道路线,所述装置还包括导航模块,所述导航模块用于:
在所述车辆行驶时,获取所述车辆的下一行驶点的坐标,其中,所述下一行驶点为所述车辆的行驶路径上当前位置的下一个位置点;
根据所述下一行驶点的坐标,从所述地图中获取所述下一行驶点所在区域内的道路线对应的位置点的坐标;
以所述下一行驶点所在区域内的道路线对应的位置点为顶点,确定所述下一行驶点对应的多边形区域;
在所述多边形区域为可行驶区域时,控制所述车辆向所述下一行驶点行驶;
在所述多边形区域为不可行驶区域时,重新规划所述车辆的下一行驶点,以使所述车辆的下一行驶点位于所述多边形区域之外。
在一种可能的实施方式中,所述地图中还存储有至少一条行驶路径对应的位置点的坐标,其中,每条行驶路径对应一个点集,每条行驶路径对应的点集由该行驶路径上的多个位置点组成。
在一种可能的实施方式中,所述导航模块,还用于:
从所述地图中获取第一行驶路径对应的位置点的坐标;
根据所述第一行驶路径对应的位置点的坐标,控制所述车辆沿所述第一行驶路径进行行驶。
在一种可能的实施方式中,所述道路元素包括交通灯,所述地图中还存储有所述交通灯对应的道路转向信息。
在一种可能的实施方式中,所述交通灯包括至少一个信号灯,所述地图中每个交通灯对应于一个由该交通灯所属矩形区域的四个顶点组成的点集、以及一组道路转向信息,其中,每个交通灯对应的道路转向信息包括该交通灯中每个信号灯的形状、颜色、位置、以及所指示的道路转向信息中的至少一项。
在一种可能的实施方式中,所述装置还包括识别模块,所述识别模块用于:
在检测到所述图像中包含交通灯时,通过图像识别得到第一交通灯的当前信号和所述第一交通灯在所述图像上的第三位置,其中,所述第一交通灯为所述图像中包含的交通灯;
从所述地图中获取所述车辆周围第二预设范围内的交通灯对应的位置点的坐标;
根据所述第二预设范围内的交通灯对应的位置点的坐标和所述第三位置,确定所述第二预设范围内的交通灯中与所述第一交通灯相匹配的第二交通灯;
从所述地图中获取所述第二交通灯对应的道路转向信息;
根据所述第一交通灯的当前信号和所述第二交通灯对应的道路转向信息,确定所述第一交通灯的当前信号所指示的道路转向;
根据所述第一交通灯的当前信号所指示的道路转向,对所述车辆进行控制,以使所述车辆按照所述第一交通灯的当前信号所指示的道路转向进行行驶。
在一种可能的实施方式中,所述识别模块,具体用于:
根据第二坐标系转换矩阵和所述第二预设范围内的交通灯对应的位置点的坐标,将所述第二预设范围内的交通灯向所述图像上投影,得到至少一个第三交通灯在所述图像上的第四位置,其中,所述第三交通灯为属于所述第二预设范围内且投影后位于所述图像上的交通灯;
根据所述第三位置以及所述至少一个第三交通灯的第四位置,将所述图像上与所述第一交通灯位置最近的第三交通灯确定为与所述第一交通灯相匹配的第二交通灯。
在一种可能的实施方式中,所述道路元素包括以下中的至少一种:道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌。
在一种可能的实施方式中,所述虚线车道线、所述起始线、所述停止线均对应于一个由两个位置点组成的点集;
所述人行横道对应于一个由所述人行横道所属多边形区域的多个顶点组成的点集;
所述停车位对应于一个由所述停车位所属矩形区域的四个顶点组成的点集;
所述障碍物对应于一个由所述障碍物所属多面体的多个顶点组成的点集。
在一种可能的实施方式中,所述装置还包括显示模块,所述显示模块用于:
根据匹配结果确定所述车辆的位置之后,显示所述车辆的位置。
第五方面,本发明实施例提供一种定位设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的实施方式所述的地图生成方法。
第六方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的实施方式所述的地图生成方法。
第七方面,本发明实施例提供一种定位设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第二方面以及第二方面各种可能的实施方式所述的定位方法。
第八方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第二方面以及第二方面各种可能的实施方式所述的定位方法。
本实施例提供的地图生成方法、定位方法、装置、设备及存储介质,获取传感器采集的道路上至少一个道路元素的位置信息,每个道路元素对应一个标识;根据各道路元素的位置信息,生成各道路元素对应的点集,其中,一个道路元素对应的点集包含多个表征该道路元素所在位置的位置点;将各道路元素的标识及其对应的点集,与道路的标识进行关联存储,生成地图,能够根据各道路元素对应的点集,以点集形式存储道路的道路元素,生成地图,避免在地图中使用复杂的曲线方程存储道路元素,从而降低地图解析的数据量,提高解析速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的地图生成方法的流程示意图;
图2为本发明实施例提供的地图中道路的参考线的示意图;
图3为本发明实施例提供的地图中路口的示意图;
图4为本发明实施例提供的道路连接关系的示意图;
图5为本发明一实施例提供的定位方法的流程示意图;
图6为本发明又一实施例提供的定位方法的流程示意图;
图7为本发明另一实施例提供的定位方法中车辆导航的流程示意图;
图8为本发明再一实施例提供的定位方法中交通灯识别的流程示意图;
图9为本发明实施例提供的交通灯的示意图;
图10为本发明一实施例提供的地图生成装置的结构示意图;
图11为本发明一实施例提供的定位装置的结构示意图;
图12为本发明又一实施例提供的定位装置的结构示意图;
图13为本发明一实施例提供的地图生成设备的硬件结构示意图;
图14为本发明一实施例提供的定位设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
高精度地图通常采用OpenDrive格式,OpenDrive格式是一套描述道路网络的开源的格式规范。OpenDrive格式的高精度地图多为矢量化地图,通过曲线方程拟合车道线等道路元素。地图中的道路元素以曲线方程的形式存储,自动驾驶车辆在进行定位时从高精度地图中提取曲线方程进行解析,通过解析出的道路数据与采集的周围环境的信息对自身所在位置进行定位。
由于矢量化地图使用了复杂的曲线方程存储车道线等道路元素,而对复杂的曲线方程进行解析的数据计算量大,解析所花费的时间长,导致自动驾驶车辆定位速度慢,定位存在延迟,难以满足自动驾驶车辆实时定位的需求。
本发明实施例中根据各道路元素对应的点集,以点集形式存储道路的道路元素,生成地图,避免在地图中使用复杂的曲线方程存储道路元素,从而降低地图的解析的数据量,提高解析速度,进而使自动驾驶车辆进行定位或导航时直接从地图中提取道路元素的点集结合图像进行定位,减少甚至避免对道路元素的曲线方程的解析过程,从而减少所需计算的数据量,提高定位速度。
图1为本发明一实施例提供的地图生成方法的流程示意图。如图1所示,该方法包括:
S101、获取传感器采集的道路上至少一个道路元素的位置信息,每个道路元素对应一个标识。
本实施例中,传感器可以为图像传感器、激光传感器等,在此不作限定。道路元素包括以下中的至少一种:道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌。道路元素的位置信息可以是道路元素对应的点云数据的位置坐标。
例如,可以通过数据采集车辆在指定的道路上行驶,数据采集车辆上安装有图像传感器和激光传感器。通过图像传感器采集包含道路上道路元素的图像,通过激光雷达等激光传感器扫描道路上道路元素的三维点云数据。地图生成设备获取数据采集车辆采集的数据,可以通过对图像进行目标识别,识别出道路上的道路元素,给每个道路元素生成相应的标识,然后结合数据采集车辆行驶过程中的定位信息、以及图像传感器、激光传感器在数据采集车辆上的安装参数等进行坐标系转换,确定道路上的道路元素的位置信息。
S102、根据各道路元素的位置信息,生成各道路元素对应的点集,其中,一个道路元素对应的点集包含多个表征该道路元素所在位置的位置点。
本实施例中,地图生成设备可以根据每个道路元素的位置信息生成其对应的点集。道路元素与点集一一对应。例如,某道路元素的位置信息包括道路元素对应的三维点云数据,地图生成设备可以从该道路元素的三维点云数据中选取或计算出多个表征该道路元素所在位置的位置点,进而生成该道路元素对应的点集。表征一个道路元素所在位置的位置点可以是该道路元素上边缘轮廓的位置点,也可以是该道路元素的最小外接多边形或多面体上的点,在此不作限定。
可选地,所述道路的左右边界线对应的点集由所述道路的左右边界线上多个位置点组成;
所述可行驶边界线对应的点集由所述可行驶边界线上多个位置点组成;
所述虚线车道线对应的点集由所述虚线车道线上两个端点组成;
所述停止线对应的点集由所述停止线上两个端点组成;
所述人行横道对应的点集由所述人行横道所属多边形区域的多个顶点组成;
所述停车位对应的点集由所述停车位所属矩形区域的四个顶点组成;
所述障碍物对应的点集由所述障碍物所属多面体的多个顶点组成。
本实施例中,对于线型的道路元素可以选取道路元素上的两个及两个以上的点构成点集,对于平面或立体空间的道路元素可以选取道路元素上所在平面区域或空间区域的点构成点集,除上述确定点集的方式外,还可以有其他的点集设置方式,在此不作限定。
可选地,所述道路的左右边界线对应的点集中位置点的密度根据所述道路的左右边界线的曲率确定。
本实施例中,对于曲线类型的道路元素,如道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线等,其对应点集中包含的位置点的密度由其曲率确定。点集中包含的位置点的密度与曲率呈正相关关系。以道路的左右边界线为例,对于曲率较小的左右边界线,以较大的密度选取线上的位置点添加到点集中;对于曲率较大的左右边界线,以较小的密度选取位置点添加到点集中。对于直线型的道路元素,如停止线,可以直接选取两个端点添加到点集中。这样根据曲线类型的道路元素的曲率确定其点集中位置点的选取密度和数量,能够使用尽量少的位置点来对不同曲率的道路元素都进行准确表征,避免由于位置点过少无法准确表征道路元素位置的问题。
S103、将各道路元素的标识及其对应的点集,与所述道路的标识进行关联存储,生成地图。
例如,道路的标识为A,该道路上包含三个道路元素,标识分别为A1,A2,A3,则地图生成设备在生成地图过程中,将A分别与A1,A2,A3进行关联存储,并将A1,A2,A3与其对应的点集进行关联存储,以便自动驾驶车辆通过地图进行定位时根据道理元素的标识快速从地图中查询到相应的点集。
本发明实施例能够根据各道路元素对应的点集,以点集形式存储道路的道路元素,生成地图,避免在地图中使用复杂的曲线方程存储道路元素,从而降低地图的解析的数据量,提高解析速度。
可选地,本实施例生成的地图使用XML(eXtensible Markup Language,可扩展标记语言)格式组织地图文件。地图主要使用点集(PointSet)来进行各种信息的描述,点集的表达形式可为相邻点之间的连线,这样就避免了大量的矢量计算。
可选地,本实施例生成的地图的构成部分可以包括但不限于:头部部分header、道路部分road(s)、路口部分junction(s)。
其中,header用于描述地图信息。可选地,header可以包括但不限于以下信息中的至少一种:版本信息、地图名称,地图版本号、生成日期、坐标系取值范围、地图厂商信息以及坐标系转化工具。另外,header中还可以存储一个原点坐标(例如地图中心),用于对地图中的数据进行坐标系转换。
road(s)用于描述道路信息,主要将各种车道及可行驶轨迹的描述。通过可行驶轨迹的描述,将现实意义中的路口进行简化,形成多条道路的集合。road(s)用于描述了各种道路信息以及依托于道路信息存在的道路元素,如停止线、人行横道、信号灯等。
可选地,地图中每个道路具有一个属性信息,属性信息可以包括但不限于以下信息中的至少一个:名称(name_),长度(len_),标识符(id_),隶属于哪个路口(junction_)。其中id_是道路的唯一标识符,name_及len_是可选的。可选地,每个道路的属性信息可以包括指示该道路是单行道还是双行道的信息。
可选地,地图中每个道路对应与一个链接信息,一个道路的链接信息记录了该道路所能到达的道路,以及能够进入该道路的道路。
junction(s)用于描述多条道路如何进行连接,指引车辆轨迹,同时描述了整个路口的边界情况。
可选地,一条道路可以划分为多个道路段。一条道路并不是一成不变的,车道数的增减、车道线属性的变化都表明了车道的复杂性。故本实施例的地图中将道路分段,使其可以进行复杂的道路信息描述。同时分段也将可行驶区域与道路边界进行区分,这样可以更好地描述一些特殊情况,如车行驶区域与道路边界中间存在特殊区域或通道等。可选地,道路段的划分依据可以包括以下中的至少一种:车道数量变化、车道属性变化、停止线(stopline)、人行横道(crosswalk)和信号灯(traffic light)。
在一种可能的实施方式中,所述道路元素包括道路的左右边界线;上述方法还可以包括:
根据所述道路的左右边界线的位置信息,确定所述道路的参考线的位置信息,并生成所述参考线的标识,其中,所述参考线位于所述道路的中心;
从所述参考线上选取多个位置点组成所述参考线对应的点集;
将所述参考线的标识及其对应的点集,与所述道路的标识关联存储到所述地图中。
本实施例中,为便于自动驾驶车辆从地图中准确定位出自身在道路中的位置,在生成地图时额外为道路设置一个虚拟的参考线。该参考线在真实的道路场景中并不存在,是地图生成设备在生成地图时创建的,每条道路对应于一条参考线,参考线位于道路的中心,每条参考线对应于一个点集。
地图生成设备可以根据道路的左右边界线的位置信息,确定出道路的中心位置作为参考线的位置信息,并生成参考线的标识,然后从参考线上选取多个位置点组成参考线对应的点集,将参考线的标识及其对应的点集,与道路的标识关联存储到地图中。
图2为本发明实施例提供的参考线(reference line)的示意图。参照图2,图中的点划线为该道路的reference line,可以指定reference line的前进方向,如图中的S方向,沿S方向该reference line的左侧的车道可以依次编号为1,2,3,该reference line的右侧的车道可以依次编号为-1,-2,-3,将车道的编号存储到地图中。
在一种可能的实施方式中,所述道路上包括至少一个车道,每个车道对应于一个标识,所述道路元素包括所述各车道的车道线;上述方法还可以包括:
根据各车道的车道线的位置信息,确定各车道的中心线的位置信息,其中,一个车道的中心线位于该车道的中心;
针对每个车道,从该车道的中心线上选取多个位置点组成该车道的中心线对应的点集;
将各车道的标识及其中心线对应的点集,与所述道路的标识关联存储到所述地图中。
本实施例中,道路可以包括一个或多个车道。一个车道包括两条车道线。两条车道线作为该车道的边界,两条车道线中间的区域为车辆在该车道行驶的区域。本实施例中为便于自动驾驶车辆能够在车辆中央进行行驶,在生成地图时,为每个车道设置一个虚拟的中心线。该中心线在真实的车道中并不存在,是地图生成设备在生成地图时创建的,每个车道对应于一条中心线,中心线位于车道的中心,每条中心线对应于一个点集。
地图生成设备可以根据某车道的车道线的位置信息,确定出该车道的中心位置作为该车道的中心线的位置信息,然后从中心线上选取多个位置点组成其对应的点集,将车道的标识及其中心线对应的点集,与道路的标识关联存储到地图中。这样在自动驾驶车辆在行驶过程中,可以从地图中获取当前所在车辆的中心线对应的点集,然后沿该中心线在车道内行驶,可以保持车辆行驶在车辆中心,避免事故发生。
可选地,地图中每个车道还可以存储转弯信息(turn type),转弯信息可以用于指示当前车道是否能够左转、右转、掉头等信息。
在一种可能的实施方式中,所述方法还包括:
获取各车道对应的限速值;
将各车道对应的限速值与各车道的标识关联存储到所述地图中。
本实施例中,通常交通规则规定了一些车道的限速值,在地图生成时,可以将每个车道的限速值与每个车辆的标识关联存储到地图中。通过在地图中存储车道对应的限制值,能够使自动驾驶车辆在行驶过程中,可以从地图中获取当前行驶车道的限速值或者指定车道的限速值,进而根据限速值进行车速调整。
在一种可能的实施方式中,所述地图还包括至少一个路口,每个路口对应于一个标识,上述方法还可以包括:
针对每个路口,获取与该路口相关联的多条道路的信息,并根据多条道路的信息确定所述多条道路中存在连接关系的每两条道路,其中,所述连接关系包括该连接关系的起始道路和目标道路;
将所述连接关系以及所述路口的标识关联存储到所述地图中。
本实施例中,与某路口相关联的多条道路是通过该路口与其他道路连接的道路。道路的信息可以是道路的标识、位置等。地图生成设备在生成地图时,可以根据多条道路的信息确定出存在连接关系的每两条道路。其中,两条道路存在连接关系是指车辆可以在该路口从这两条道路中的一条道路行驶到另一条道路。地图生成设备可以将该路口对应的连接关系以及路口的标识关联存储到所述地图中。
以路口S为例,路口S连接四条道路,分别为A,B,C,D。其中,车辆沿道路A行驶到路口S时,右转则行驶到道路B,直行则行驶到道路C,左转则行驶到道路D。则路口S的连接关系可以包括但不限于A->B,A->C,A->D,具体的数据存储形式在此不作限定。可以将路口S的连接关系与路口S关联存储到地图中。
通过将连接关系以及路口的标识关联存储到地图中,使自动驾驶车辆在行驶过程中可以从地图获取路口对应的连接关系,然后按照行驶路线和相应的连接关系进行车辆的行驶控制。
可选地,地图中路口路口junction可以包括但不限于以下信息中的至少一个:名称(name_),标识符(id_)。其中id_是junction的唯一标识符,name_是可选的。junction在一个道路road可以连接到多条road时使用,典型的使用场景是描述路口中各个road之间的连接信息(connection),以及路口的形状(boundary、hole)。如图3所示为本实施例提供的地图中路口的示意图。其中,junction boundary表示该路口的边界,junction hole表示该路口中如花坛等障碍物。可选地,每一条道路间的连接关系由一个connection表示。图4所示为本发明实施例提供的道路连接关系的示意图。图3和图4示出了部分地图元素的可视化效果,如将道路元素的点和相邻点连接形成连续的道路线等可视化处理后进行呈现。可选地,地图中路口两头的道路由一条实际存在的路段进行连接(如图4中的B->A,A->B,A->C),则connection存储该连接关系的起始段道路incomingRoad和所连接道路connectingRoad,以及从incomginRoad到connectingRoad的道路级别连接;这里outgoingRoad可以显式存储,也可以由connectingRoad的道路属性来确定。地图中两个道路之间并不存在实际的道路连接(如图4中的B-C,C->A,C->B),则connection将存储incomingRoad和outgoingRoad,以及这两个road间道路级别的连接,同时将connection标记为virtual。
在一种可能的实施方式中,上述方法还可以包括:
匹配所述连接关系和所述路口的信号灯信息;
将所述信号灯与其匹配的连接关系关联存储到所述地图中。
本实施例中,对于设置信号灯的路口,还可以在生成地图时将路口的信号灯与其匹配的连接关系存储到地图中。其中,一个路口可以包括一个或多个信号灯,每个信号灯可以对应一种或多种连接关系,一种连接关系可以对应一个或多个信号灯,在此不作限定。地图生成设备可以根据交通规则或者信号灯指示规则,匹配连接关系和路口的信号灯信息,然后将信号灯与其匹配的连接关系关联存储到地图中。
通过将信号灯与其匹配的连接关系关联存储到地图中,使得自动驾驶车辆在行驶到路口,可以通过图像识别确定路口当前的信号灯状态,然后进行相应的行驶控制。
可选地,地图中信号灯对应存储一个信号灯索引。本实施例中,每个connection用于描述一种道路到道路的单向链接关系,如果这个链接关系上存在一个控制车辆行驶的信号灯,则在connection下边存储一个信号灯索引,用于索引控制该道路转向的通行。可选地,信号灯索引包括index属性,其内容指定了上文中存储的唯一的交通灯。
可选地,信号灯索引包括straightLightForWaitingZone属性,该属***于左转待转区这一特殊情景。如果信号灯所在connection索引了一条左转待转区,并且根据交通规则,左转车辆需要同时关注直行信号灯和左转信号灯,所以该connection需要存储控制本connection左转的信号灯索引,straightLightForWaitingZone值为false;同时需要存储控制直行的信号灯索引,straightLightForWaitingZone值为true。
图5为本发明一实施例提供的定位方法的流程示意图。该定位方法基于图1的地图生成方法所生成的地图进行定位。如图5所示,该方法包括:
S501、从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,其中,所述道路元素对应于一组点集,所述点集包含多个表征所述道路元素所在位置的位置点,所述地图中存储有所述道路元素对应的点集所包含的位置点的坐标。
在本实施例中,车辆可以为自动驾驶车辆,也可以是由用户驾驶的车辆,在此不作限定。地图为用于自动驾驶车辆或其他车辆进行定位和导航的高精度地图。本发明实施例提供的地图中以点集形式存储道路元素,每个道路元素对应于一组点集,地图中存储有道路元素对应的点集所包含的位置点的坐标。其中,每个位置点的坐标为该位置点在全局坐标下的三维坐标。
可选地,道路元素可以包括但不限于以下中的至少一种:道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌。
其中,对于一个道路元素,该道路元素对应的点集所包含的位置点可以是该道路元素本身的位置点,也可以是该道路元素所在区域内的位置点,在此不作限定。
可选地,所述虚线车道线、所述起始线、所述停止线均对应于一个由两个位置点组成的点集。
所述人行横道对应于一个由所述人行横道所属多边形区域的多个顶点组成的点集。
所述停车位对应于一个由所述停车位所属矩形区域的四个顶点组成的点集。
所述障碍物对应于一个由所述障碍物所属多面体的多个顶点组成的点集。
在本实施例中,对于虚线车道线、起始线、停止线等由线段构成的道路元素,可以将线段的两个端点作为两个位置点,构成点集。对于人行横道,可以将人行横道所在的外接多边形区域的各个顶点作为各个位置点,构成点集。外接多边形将人行横道包含在其范围内,例如,多边形可以为矩形、六边形等,在此不作限定。对于花池、电线杆、护栏等障碍物,可以将障碍物所在的外接多面体的各个顶点作为各个位置点,构成点集。外接多面体将障碍物包含在其范围之内。例如,可以为障碍物所在立体空间中的最小外接长方体、八面体等,在此不作限定。容易想到的,对于一个道路元素,还可以选用其他能表征该道路元素的位置、大小、形状等的位置点构成点集,在此不作限定。
第一预设范围内可以根据实际需求进行设定,在此不作限定。例如,可以选取车辆周围半径为20米的圆形区域作为第一预设范围。可以从地图存储的数据中获取车辆周围第一预设范围内所有或部分的道路元素所对应的点集。
可选地,S501可以包括:
采用第一定位方式定位得到所述车辆的原始位置,其中,所述第一定位方式的定位精度低于预设阈值;
根据所述原始位置,从所述地图中查找所述车辆周围所述第一预设范围内的道路元素对应的位置点的坐标。
在本实施例中,可以首先通过低精度的定位方式定位出车辆所在的大致范围,然后再采用本实施例提供的定位方法进一步定位出车辆的精准位置其中,第一定位方式为低精度的定位方式,例如第一定位方式可以为基于全球定位***(Global PositioningSystem,GPS)、通信基站等的定位方式,在此不作限定。预设阈值可以根据实际需求设定,用于表征第一定位方式的定位精度低于本实施例中按照地图和图像进行定位的定位精度。通过第一定位方式定位出车辆的原始位置,然后依据原始位置从地图找给你查找车辆的原始位置周围第一预设范围内的所有或部分道路元素对应的位置点坐标。
S502、获取所述车辆采集的图像。
在本实施例中,在车辆静止或行驶过程中,可以通过车辆上安装的图像传感器采集车辆周围的图像。可以从图像传感器获取车辆周围的图像。
S503、根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素与所述图像进行匹配,并根据匹配结果确定所述车辆的位置。
在本实施例中,可以根据第一预设范围内的道路元素对应的位置点的坐标以及坐标系转换矩阵,将道路元素向图像上投影,并且检测图像中包含的道路元素,将投影到图像上的道路元素与检测到的图像上的道路元素进行匹配,根据匹配结果可以确定出车辆采集图像时所在的位置作为车辆的位置。
本发明实施例中,道路元素对应于一组点集,点集包含多个表征道路元素所在位置的位置点,地图中存储有道路元素对应的点集所包含的位置点的坐标,通过从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,并获取车辆采集的图像,然后根据第一预设范围内的道路元素对应的位置点的坐标,将第一预设范围内的道路元素与图像进行匹配,根据匹配结果确定车辆的位置,能够利用地图以点集形式存储道路元素,在定位时直接从地图中提取道路元素的点集结合图像进行定位,避免对道路元素的曲线方程的解析过程,从而减少所需计算的数据量,提高定位速度。
可选地,S503之后,上述方法还可以包括:显示所述车辆的位置。
在本实施例中,确定出车辆的位置之后,可以在车辆上的车载终端显示车辆的位置,以便用户查看,或者向用户的手机等用户终端发送车辆的位置,以便用户在用户终端查看车辆的位置。另外,还可以利用定位出的车辆位置对车辆进行导航和路径规划,控制车辆沿预设的行驶轨迹行驶等,在此不作限定。
图6为本发明又一实施例提供的定位方法的流程示意图。本实施例对第一预设范围内的道路元素与图像进行匹配的具体实现过程进行了详细说明。如图6所示,该方法包括:
S601、从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,其中,所述道路元素对应于一组点集,所述点集包含多个表征所述道路元素所在位置的位置点,所述地图中存储有所述道路元素对应的点集所包含的位置点的坐标。
在本实施例中,S601与图1实施例中的S501类似,此处不再赘述。
S602、获取所述车辆采集的图像。
在本实施例中,S602与图1实施例中的S502类似,此处不再赘述。
S603、根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素向所述图像上投影,得到至少一个道路元素在所述图像上的第一位置,其中,所述道路元素为属于所述第一预设范围内且投影后位于所述图像上的道路元素。
在本实施例中,将第一预设范围内的道路元素向图像上进行投影,可能部分道路元素投影后位于图像上,其他道路元素投影后位于图像之外,在此将属于第一预设范围内的并且投影后位于图像上的道路元素称为道路元素。道路元素可能有一个或多个,在此不作限定。后续将道路元素与图像进一步进行匹配。
可选地,所述道路元素对应的位置点的坐标为全局坐标系下的坐标。S603可以包括:
根据第一坐标系转换矩阵,将所述第一预设范围内的道路元素对应的位置点的坐标由所述全局坐标系转换到所述图像的像素坐标系下,得到所述至少一个道路元素在所述图像上的第一位置,其中,所述第一坐标系转换矩阵为所述全局坐标系与所述图像的像素坐标系之间的转换矩阵。
在本实施例中,地图中存储的道路元素对应的位置点的坐标为全局坐标系下的坐标,图像上像素的坐标为图像坐标系下的坐标。可以通过第一坐标系转换矩阵将第一预设范围内的道路元素对应的位置点的坐标由全局坐标系转换到图像的像素坐标系下,得到各个道路元素在图像上的位置,在此称为第一位置。
例如,可以预先标定车辆上摄像头的内部参数和外部参数,得到第一坐标系转换矩阵。根据第一坐标系转换矩阵可以将地图的全局坐标系下的位置点坐标依次转换到车辆定位惯导坐标系、摄像机坐标系、图像坐标系上,最终将道路元素投影到摄像机采集的图像上。
S604、对所述图像进行图像检测,得到所述图像上至少一个第二道路元素的第二位置。
在本实施例中,可以通过图像检测模型或传统的图像处理方式对图像进行检测,检测出图像上包含的道路元素的位置,在此将图像上所包含的道路元素称为第二道路元素,第二道路元素在图像上的位置称为第二位置。例如,若检测出一张图像包含两条车道边界线和一个交通灯,共三个道路元素,则这三个道路元素均为第二道路元素,每个第二道路元素对应于图像上的一个位置,即第二位置。
可选地,可以将图像输入基于深度学习的检测与分割模型,通过模型可以检测出图像中的道路元素,并定位道路元素在图像中的位置。
S605、根据所述至少一个道路元素的第一位置,以及所述至少一个第二道路元素的第二位置,将所述至少一个道路元素与所述至少一个第二道路元素进行匹配,并根据匹配结果确定所述车辆的位置。
在本实施例中,根据投影后道路元素的第一位置,以及检测出的图像上第二道路元素的第二位置,将类型相同且位置最近的道路元素和第二道路元素进行匹配,根据匹配结果对车辆的位置进行优化计算,可以最终确定出车辆的位置。
可选地,S604可以包括:
根据所述至少一个道路元素的第一位置,以及所述至少一个第二道路元素的第二位置,将所述至少一个道路元素与所述至少一个第二道路元素进行匹配,并根据匹配结果确定所述车辆的位置,包括:
将类型相同且位置最近的一个道路元素和一个第二道路元素作为一个匹配对;
针对每个匹配对,计算该匹配对中道路元素与第二道路元素之间的距离,作为该匹配对对应的距离;
将各匹配对对应的距离作为投影误差,计算最小化投影误差条件下车辆的位置作为所述车辆的位置。
在本实施例中,可以将类型相同且位置最近的一个道路元素和一个第二道路元素作为一个匹配对,可能形成一个或多个匹配对。对于每个匹配对,分别计算该匹配对中道路元素和第二道路元素之间的距离,将该距离作为该匹配对所对应的距离。以匹配对所对应的距离作为投影误差,以最小投影误差为优化目标,计算最小化投影误差时车辆的位置即为定位出的车辆位置。由此计算出的车辆位置结合了地图中道路元素的信息以及图像中道路元素的信息,定位精度高。
本实施例通过将第一预设范围内的道路元素向图像上投影,将投影得到的道路元素与检测到的图像上的第二道路元素进行匹配,能够快速准确的确定出车辆的位置,提高车辆定位的速度和精度。
图7为本发明另一实施例提供的定位方法中车辆导航的流程示意图。本实施例中道路元素包括道路线。可以根据道路线对应的点集对车辆的下一行驶点进行预判。如图7所示,该方法还可以包括:
S701、在所述车辆行驶时,获取所述车辆的下一行驶点的坐标,其中,所述下一行驶点为所述车辆的行驶路径上当前位置的下一个位置点。
在本实施例中,自动驾驶车辆在行驶过程中,沿着预先指定或自动规划的行驶路径进行行驶。当车辆行驶到某位置时,获取车辆的下一行驶点的坐标。下一行驶点与车辆当前位置的距离可以根据实际需求设定,在此不作限定。例如,可以将行驶路径上距离当前位置5米的下一个位置点作为下一行驶点。
S702、根据所述下一行驶点的坐标,从所述地图中获取所述下一行驶点所在区域内的道路线对应的位置点的坐标。
S703、以所述下一行驶点所在区域内的道路线对应的位置点为顶点,确定所述下一行驶点对应的多边形区域。
在本实施例中,下一行驶点所在区域内存在道路线,从地图中可以获取下一行驶点所在区域内的道路线对应的位置点坐标。其中,道路线可以是一条或多条。可以将这些道路线对应的位置点作为顶点,形成一个多边形区域,下一行驶点位于该多边形区域内。
S704、在所述多边形区域为可行驶区域时,控制所述车辆向所述下一行驶点行驶。
S705、在所述多边形区域为不可行驶区域时,重新规划所述车辆的下一行驶点,以使所述车辆的下一行驶点位于所述多边形区域之外。
在本实施例中,可行驶区域为车辆可以通行的区域。不可行驶区域为车辆不能通行的区域,如果车辆在该区域行驶可能会发生危险或违反交通规则。可以根据地图中存储的各个区域的信息或者车道线的相关信息确定多边形区域是可行驶区域,还是不可行驶区域。若该多边形区域为可行驶区域,则控制车辆向下一行驶点行驶。若该多边形区域为不可行驶区域,则重新规划车辆的下一行驶点,使车辆的下一行驶点位于多边形区域之外。
本实施例通过从地图中获取下一行驶点所在区域内的道路线对应的位置点的坐标,将这些位置点形成多边形区域,在多边形区域为不可行驶区域时及时对车辆重新规划下一行驶点,由于通过位置点构成的多边形区域能够很快确定出下一行驶点是否位于不可行驶区域,为重新规划下一行驶点留出充足的时间,能够防止车辆进入不可行驶区域,提高车辆安全性。
可选地,所述地图中还存储有至少一条行驶路径对应的位置点的坐标,其中,每条行驶路径对应一个点集,每条行驶路径对应的点集由该行驶路径上的多个位置点组成。
在本实施例中,行驶路径可以是根据该车辆或其他车辆的历史行驶数据得到的经验路径,也可以是根据当前交通状态规划出的路径,在此不作限定。地图中可以保存一条或多条行驶路径。每条行驶路径可以对应于一个由该行驶路径上多个位置点组成的点集。例如,可以将行驶路径上每隔5米、10米等取一个点作为位置点,构成点集。
可选地,上述方法还可以包括:
从所述地图中获取第一行驶路径对应的位置点的坐标;
根据所述第一行驶路径对应的位置点的坐标,控制所述车辆沿所述第一行驶路径进行行驶。
在本实施例中,第一行驶路径为地图所存储的行驶路径中车辆当前要行驶的路径。可以从地图中获取该第一行驶路径对应的各个位置点的坐标,然后控制车辆按照该第一行驶路径对应的各个位置点进行行驶。
通过在地图中以点集形式存储行驶路径,在对车辆导航是可以直接获取存储的点集,直接按照存储的点集对车辆进行控制,能够快速实现对车辆的导航。
可选地,所述道路元素包括交通灯,所述地图中还存储有所述交通灯对应的道路转向信息。
在本实施例中,交通灯用于指示车辆在路口的转向。地图中存储有每个交通灯对应的道路转向信息。
其中,所述交通灯包括至少一个信号灯,所述地图中每个交通灯对应于一个由该交通灯所属矩形区域的四个顶点组成的点集、以及一组道路转向信息,其中,每个交通灯对应的道路转向信息包括该交通灯中每个信号灯的形状、颜色、位置、以及所指示的道路转向信息中的至少一项。
例如,一个交通灯可以包括三个信号灯,分别为红灯、黄灯和绿灯。道路转向信息可以包括直行、左转、停止等信息,在此不作限定。
图8为本发明再一实施例提供的定位方法中交通灯识别的流程示意图。本实施例中能够利用地图存储的交通灯的点集以及道路转向信息对车辆进行控制。如图8所示,该方法包括:
S801、在检测到所述图像中包含交通灯时,通过图像识别得到第一交通灯的当前信号和所述第一交通灯在所述图像上的第三位置,其中,所述第一交通灯为所述图像中包含的交通灯。
在本实施例中,为便于描述,将图像检测出的图像中所包含的交通灯称为第一交通灯,其在图像上的位置称为第三位置。每个交通灯对应于多种信号,分别指示多种不同的道路转向。
S802、从所述地图中获取所述车辆周围第二预设范围内的交通灯对应的位置点的坐标。
S803、根据所述第二预设范围内的交通灯对应的位置点的坐标和所述第三位置,确定所述第二预设范围内的交通灯中与所述第一交通灯相匹配的第二交通灯。
在本实施例中,可以根据第二预设范围内的交通灯对应的位置点的坐标将第二预设范围内的交通灯向图像上投影,然后将投影结果和检测到的图像中的交通灯进行匹配,得到与图像中的第一交通灯相匹配的第二交通灯。
可选地,S803可以包括:
根据第二坐标系转换矩阵和所述第二预设范围内的交通灯对应的位置点的坐标,将所述第二预设范围内的交通灯向所述图像上投影,得到至少一个第三交通灯在所述图像上的第四位置,其中,所述第三交通灯为属于所述第二预设范围内且投影后位于所述图像上的交通灯;
根据所述第三位置以及所述至少一个第三交通灯的第四位置,将所述图像上与所述第一交通灯位置最近的第三交通灯确定为与所述第一交通灯相匹配的第二交通灯。
在本实施例中,地图中存储的交通灯对应的位置点的坐标为全局坐标系下的坐标,图像上像素的坐标为图像坐标系下的坐标。可以通过第二坐标系转换矩阵将第二预设范围内的交通灯对应的位置点的坐标由全局坐标系转换到图像的像素坐标系下,从而实现将第二预设范围内的交通灯向图像上投影。
将第二预设范围内的交通灯向图像上进行投影,可能部分交通灯投影后位于图像上,其他交通灯投影后位于图像之外,在此将属于第二预设范围内的并且投影后位于图像上的交通灯称为第三交通灯。第三交通灯投影到图像上的位置称为第四位置。
通过计算检测出的第一交通灯与投影得到的第三交通灯之间的距离,将与第一交通灯最接近的第三交通灯确定为与第一交通灯匹配的交通灯,即确定出第二交通灯。
S804、从所述地图中获取所述第二交通灯对应的道路转向信息。
S805、根据所述第一交通灯的当前信号和所述第二交通灯对应的道路转向信息,确定所述第一交通灯的当前信号所指示的道路转向。
在本实施例中,由于第二交通灯与第一交通灯相匹配,因此将地图中第二交通灯的道路转向信息作为第一交通灯的道路转向信息,结合第一交通灯的当前信号,就能确定出第一交通灯当前指示的道路转向。
如图9所示为本发明实施例提供的交通灯的示意图,图中,从上到下依次为红灯、绿灯和左转指示灯。该交通灯对应的道路转向信息如下:红灯亮时,指示车辆停止;绿灯亮时,指示车辆直行;左转指示灯亮时,指示车辆左转。若第一交通灯的当前信号为绿灯亮,则确定第一交通灯的当前信号所指示的道路转向为直行。
S806、根据所述第一交通灯的当前信号所指示的道路转向,对所述车辆进行控制,以使所述车辆按照所述第一交通灯的当前信号所指示的道路转向进行行驶。
本发明实施例通过地图中存储交通灯的点集以及道路转向信息,结合图像检测交通灯的当前信号,能够准确识别交通灯指示的道路转向,进而准确控制车辆进行相应的转向。
一般地,高精度地图采用OpenDrive格式,OpenDrive格式的地图过于复杂,且其专注于过于理想的驾驶仿真***,无法灵活自由地描述复杂多变的真实的道路情景。OpenDrive格式的地图为矢量化地图,使用了复杂的曲线方程拟合车道线等道路元素,地图中的道路元素以曲线方程的形式存储,存储结构复杂,解析困难,使用成本较高。并且,OpenDrive格式的地图只存储了交通灯的位置信息,没有将交通灯规则与高精度地图联系起来,无法解决自动驾驶交通灯相关的决策规划问题。
本发明实施例提供了一种服务于自动驾驶***的轻量级高精度地图格式,并且提供了基于该高精度地图格式的定位方法,能够支持自动驾驶的定位、决策规划控制、交通灯理解和静态场景还原。该高精度地图格式根据各道路元素对应的点集,以点集形式存储道路的道路元素,生成地图,避免在地图中使用复杂的曲线方程存储道路元素,从而降低地图的解析的数据量,提高解析速度;改进了一般矢量化地图复杂的设计,利用随曲率自适应的点集存储方式,在简化地图使用的同时降低了地图存储、传输和解析时间。并且该高精度地图格式扩展了交通灯存储方式,存储有交通灯对应的点集以及道路转向信息,支持交通灯的查询和定位、辅助自动驾驶***理解交通灯相关交通规则。
图10为本发明一实施例提供的地图生成装置的结构示意图。如图10所示,该定位装置100包括:获取模块1001、生成模块1002及存储模块1003。
获取模块1001,用于获取传感器采集的道路上至少一个道路元素的位置信息,每个道路元素对应一个标识;
生成模块1002,用于根据各道路元素的位置信息,生成各道路元素对应的点集,其中,一个道路元素对应的点集包含多个表征该道路元素所在位置的位置点;
存储模块1003,用于将各道路元素的标识及其对应的点集,与所述道路的标识进行关联存储,生成地图。
可选地,所述道路元素包括以下中的至少一种:
道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌;
其中,所述道路的左右边界线对应的点集由所述道路的左右边界线上多个位置点组成;
所述可行驶边界线对应的点集由所述可行驶边界线上多个位置点组成;
所述虚线车道线对应的点集由所述虚线车道线上两个端点组成;
所述停止线对应的点集由所述停止线上两个端点组成;
所述人行横道对应的点集由所述人行横道所属多边形区域的多个顶点组成;
所述停车位对应的点集由所述停车位所属矩形区域的四个顶点组成;
所述障碍物对应的点集由所述障碍物所属多面体的多个顶点组成。
可选地,所述道路的左右边界线对应的点集中位置点的密度根据所述道路的左右边界线的曲率确定。
可选地,所述道路元素包括道路的左右边界线;
所述存储模块1003,还用于:
根据所述道路的左右边界线的位置信息,确定所述道路的参考线的位置信息,并生成所述参考线的标识,其中,所述参考线位于所述道路的中心;
从所述参考线上选取多个位置点组成所述参考线对应的点集;
将所述参考线的标识及其对应的点集,与所述道路的标识关联存储到所述地图中。
可选地,所述道路上包括至少一个车道,每个车道对应于一个标识,所述道路元素包括所述各车道的车道线;
所述存储模块1003,还用于:
根据各车道的车道线的位置信息,确定各车道的中心线的位置信息,其中,一个车道的中心线位于该车道的中心;
针对每个车道,从该车道的中心线上选取多个位置点组成该车道的中心线对应的点集;
将各车道的标识及其中心线对应的点集,与所述道路的标识关联存储到所述地图中。
可选地,所述存储模块1003,还用于:
获取各车道对应的限速值;
将各车道对应的限速值与各车道的标识关联存储到所述地图中。
可选地,所述地图还包括至少一个路口,每个路口对应于一个标识,所述存储模块,还用于:
针对每个路口,获取与该路口相关联的多条道路的信息,并根据多条道路的信息确定所述多条道路中存在连接关系的每两条道路,其中,所述连接关系包括该连接关系的起始道路和目标道路;
将所述连接关系以及所述路口的标识关联存储到所述地图中。
可选地,所述存储模块1003,还用于:
匹配所述连接关系和所述路口的信号灯信息;
将所述信号灯与其匹配的连接关系关联存储到所述地图中。
本发明实施例提供的地图生成装置,可用于执行上述的方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
图11为本发明一实施例提供的定位装置的结构示意图。如图11所示,该定位装置110包括:获取模块1101和定位模块1102。
获取模块1101,用于从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,其中,所述道路元素对应于一组点集,所述点集包含多个表征所述道路元素所在位置的位置点,所述地图中存储有所述道路元素对应的点集所包含的位置点的坐标。
所述获取模块1101,还用于获取所述车辆采集的图像。
定位模块1102,用于根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素与所述图像进行匹配,并根据匹配结果确定所述车辆的位置。
本发明实施例中,道路元素对应于一组点集,点集包含多个表征道路元素所在位置的位置点,地图中存储有道路元素对应的点集所包含的位置点的坐标,通过获取模块从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,并获取车辆采集的图像,然后定位模块根据第一预设范围内的道路元素对应的位置点的坐标,将第一预设范围内的道路元素与图像进行匹配,根据匹配结果确定车辆的位置,能够利用地图以点集形式存储道路元素,在定位时直接从地图中提取道路元素的点集结合图像进行定位,避免对道路元素的曲线方程的解析过程,从而减少所需计算的数据量,提高定位速度。
图12为本发明又一实施例提供的定位装置的结构示意图。如图12所示,本实施例提供的定位装置110在图11所示实施例提供的定位装置的基础上,还可以包括:导航模块1103、识别模块1104和显示模块1105。
可选地,所述定位模块1102,具体用于:
根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素向所述图像上投影,得到至少一个道路元素在所述图像上的第一位置,其中,所述道路元素为属于所述第一预设范围内且投影后位于所述图像上的道路元素;
对所述图像进行图像检测,得到所述图像上至少一个第二道路元素的第二位置;
根据所述至少一个道路元素的第一位置,以及所述至少一个第二道路元素的第二位置,将所述至少一个道路元素与所述至少一个第二道路元素进行匹配,并根据匹配结果确定所述车辆的位置。
可选地,所述道路元素对应的位置点的坐标为全局坐标系下的坐标;
所述定位模块1102,具体用于:
根据第一坐标系转换矩阵,将所述第一预设范围内的道路元素对应的位置点的坐标由所述全局坐标系转换到所述图像的像素坐标系下,得到所述至少一个道路元素在所述图像上的第一位置,其中,所述第一坐标系转换矩阵为所述全局坐标系与所述图像的像素坐标系之间的转换矩阵。
可选地,所述道路元素包括多种类型;
所述定位模块1102,具体用于:
将类型相同且位置最近的一个道路元素和一个第二道路元素作为一个匹配对;
针对每个匹配对,计算该匹配对中道路元素与第二道路元素之间的距离,作为该匹配对对应的距离;
将各匹配对对应的距离作为投影误差,计算最小化投影误差条件下车辆的位置作为所述车辆的位置。
可选地,所述获取模块1101,具体用于:
采用第一定位方式定位得到所述车辆的原始位置,其中,所述第一定位方式的定位精度低于预设阈值;
根据所述原始位置,从所述地图中查找所述车辆周围所述第一预设范围内的道路元素对应的位置点的坐标。
可选地,所述道路元素包括道路线,所述导航模块1103用于:
在所述车辆行驶时,获取所述车辆的下一行驶点的坐标,其中,所述下一行驶点为所述车辆的行驶路径上当前位置的下一个位置点;
根据所述下一行驶点的坐标,从所述地图中获取所述下一行驶点所在区域内的道路线对应的位置点的坐标;
以所述下一行驶点所在区域内的道路线对应的位置点为顶点,确定所述下一行驶点对应的多边形区域;
在所述多边形区域为可行驶区域时,控制所述车辆向所述下一行驶点行驶;
在所述多边形区域为不可行驶区域时,重新规划所述车辆的下一行驶点,以使所述车辆的下一行驶点位于所述多边形区域之外。
可选地,所述地图中还存储有至少一条行驶路径对应的位置点的坐标,其中,每条行驶路径对应一个点集,每条行驶路径对应的点集由该行驶路径上的多个位置点组成。
可选地,所述导航模块1103,还用于:
从所述地图中获取第一行驶路径对应的位置点的坐标;
根据所述第一行驶路径对应的位置点的坐标,控制所述车辆沿所述第一行驶路径进行行驶。
可选地,所述道路元素包括交通灯,所述地图中还存储有所述交通灯对应的道路转向信息。
可选地,所述交通灯包括至少一个信号灯,所述地图中每个交通灯对应于一个由该交通灯所属矩形区域的四个顶点组成的点集、以及一组道路转向信息,其中,每个交通灯对应的道路转向信息包括该交通灯中每个信号灯的形状、颜色、位置、以及所指示的道路转向信息中的至少一项。
可选地,所述识别模块1104用于:
在检测到所述图像中包含交通灯时,通过图像识别得到第一交通灯的当前信号和所述第一交通灯在所述图像上的第三位置,其中,所述第一交通灯为所述图像中包含的交通灯;
从所述地图中获取所述车辆周围第二预设范围内的交通灯对应的位置点的坐标;
根据所述第二预设范围内的交通灯对应的位置点的坐标和所述第三位置,确定所述第二预设范围内的交通灯中与所述第一交通灯相匹配的第二交通灯;
从所述地图中获取所述第二交通灯对应的道路转向信息;
根据所述第一交通灯的当前信号和所述第二交通灯对应的道路转向信息,确定所述第一交通灯的当前信号所指示的道路转向;
根据所述第一交通灯的当前信号所指示的道路转向,对所述车辆进行控制,以使所述车辆按照所述第一交通灯的当前信号所指示的道路转向进行行驶。
可选地,所述识别模块1104,具体用于:
根据第二坐标系转换矩阵和所述第二预设范围内的交通灯对应的位置点的坐标,将所述第二预设范围内的交通灯向所述图像上投影,得到至少一个第三交通灯在所述图像上的第四位置,其中,所述第三交通灯为属于所述第二预设范围内且投影后位于所述图像上的交通灯;
根据所述第三位置以及所述至少一个第三交通灯的第四位置,将所述图像上与所述第一交通灯位置最近的第三交通灯确定为与所述第一交通灯相匹配的第二交通灯。
可选地,所述道路元素包括以下中的至少一种:道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌。
可选地,所述虚线车道线、所述起始线、所述停止线均对应于一个由两个位置点组成的点集;
所述人行横道对应于一个由所述人行横道所属多边形区域的多个顶点组成的点集;
所述停车位对应于一个由所述停车位所属矩形区域的四个顶点组成的点集;
所述障碍物对应于一个由所述障碍物所属多面体的多个顶点组成的点集。
可选地,所述显示模块1105用于:
根据匹配结果确定所述车辆的位置之后,显示所述车辆的位置。
本发明实施例提供的定位装置,可用于执行上述的方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
图13为本发明一实施例提供的地图生成设备的硬件结构示意图。如图13所示,本实施例提供的地图生成设备130包括:至少一个处理器1301和存储器1302。该地图生成设备130还包括通信部件1303。其中,处理器1301、存储器1302以及通信部件1303通过总线1304连接。
在具体实现过程中,至少一个处理器1301执行所述存储器1302存储的计算机执行指令,使得至少一个处理器1301执行如上的地图生成方法。
处理器1301的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图13所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
图14为本发明一实施例提供的定位设备的硬件结构示意图。如图14所示,本实施例提供的定位设备140包括:至少一个处理器1401和存储器1402。该定位设备140还包括通信部件1403。其中,处理器1401、存储器1402以及通信部件1403通过总线1404连接。
在具体实现过程中,至少一个处理器1401执行所述存储器1402存储的计算机执行指令,使得至少一个处理器1401执行如上的定位方法。
处理器1401的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图14所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上的定位方法。
上述的计算机可读存储介质,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种地图生成方法,其特征在于,包括:
获取传感器采集的道路上至少一个道路元素的位置信息,每个道路元素对应一个标识;
根据各道路元素的位置信息,生成各道路元素对应的点集,其中,一个道路元素对应的点集包含多个表征该道路元素所在位置的位置点;
将各道路元素的标识及其对应的点集,与所述道路的标识进行关联存储,生成地图。
2.根据权利要求1所述的方法,其特征在于,所述道路元素包括以下中的至少一种:
道路的左右边界线、可行驶边界线、虚线车道线、起始线、停止线、人行横道、停车位、障碍物、路口边界、交通灯、路灯和交通牌;
其中,所述道路的左右边界线对应的点集由所述道路的左右边界线上多个位置点组成;
所述可行驶边界线对应的点集由所述可行驶边界线上多个位置点组成;
所述虚线车道线对应的点集由所述虚线车道线上两个端点组成;
所述停止线对应的点集由所述停止线上两个端点组成;
所述人行横道对应的点集由所述人行横道所属多边形区域的多个顶点组成;
所述停车位对应的点集由所述停车位所属矩形区域的四个顶点组成;
所述障碍物对应的点集由所述障碍物所属多面体的多个顶点组成。
3.根据权利要求2所述的方法,其特征在于,所述道路的左右边界线对应的点集中位置点的密度根据所述道路的左右边界线的曲率确定。
4.一种定位方法,其特征在于,包括:
从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,其中,所述道路元素对应于一组点集,所述点集包含多个表征所述道路元素所在位置的位置点,所述地图中存储有所述道路元素对应的点集所包含的位置点的坐标;
获取所述车辆采集的图像;
根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素与所述图像进行匹配,并根据匹配结果确定所述车辆的位置。
5.一种地图生成装置,其特征在于,包括:
获取模块,用于获取传感器采集的道路上至少一个道路元素的位置信息,每个道路元素对应一个标识;
生成模块,用于根据各道路元素的位置信息,生成各道路元素对应的点集,其中,一个道路元素对应的点集包含多个表征该道路元素所在位置的位置点;
存储模块,用于将各道路元素的标识及其对应的点集,与所述道路的标识进行关联存储,生成地图。
6.一种定位装置,其特征在于,包括:
获取模块,用于从地图中获取车辆周围第一预设范围内的道路元素对应的位置点的坐标,其中,所述道路元素对应于一组点集,所述点集包含多个表征所述道路元素所在位置的位置点,所述地图中存储有所述道路元素对应的点集所包含的位置点的坐标;
所述获取模块,还用于获取所述车辆采集的图像;
定位模块,用于根据所述第一预设范围内的道路元素对应的位置点的坐标,将所述第一预设范围内的道路元素与所述图像进行匹配,并根据匹配结果确定所述车辆的位置。
7.一种地图生成设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1-3任一项所述的地图生成方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1-3任一项所述的地图生成方法。
9.一种定位设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求4所述的定位方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求4所述的定位方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911207451.1A CN112880693A (zh) | 2019-11-29 | 2019-11-29 | 地图生成方法、定位方法、装置、设备及存储介质 |
KR1020227000811A KR20220018594A (ko) | 2019-11-29 | 2020-11-20 | 지도 생성 방법, 포지셔닝 방법, 장치, 디바이스, 저장 매체 및 컴퓨터 프로그램 |
JP2022506803A JP2022542712A (ja) | 2019-11-29 | 2020-11-20 | 地図生成方法、測位方法、装置、機器、記憶媒体及びコンピュータプログラム |
PCT/CN2020/130627 WO2021104180A1 (zh) | 2019-11-29 | 2020-11-20 | 地图生成方法、定位方法、装置、设备、存储介质及计算机程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911207451.1A CN112880693A (zh) | 2019-11-29 | 2019-11-29 | 地图生成方法、定位方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112880693A true CN112880693A (zh) | 2021-06-01 |
Family
ID=76039190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911207451.1A Pending CN112880693A (zh) | 2019-11-29 | 2019-11-29 | 地图生成方法、定位方法、装置、设备及存储介质 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP2022542712A (zh) |
KR (1) | KR20220018594A (zh) |
CN (1) | CN112880693A (zh) |
WO (1) | WO2021104180A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113778102A (zh) * | 2021-09-22 | 2021-12-10 | 重庆长安汽车股份有限公司 | Avp全局路径规划***、方法、车辆及存储介质 |
CN114034295A (zh) * | 2021-11-05 | 2022-02-11 | 阿波罗智能技术(北京)有限公司 | 高精地图生成方法、装置、电子设备、介质及程序产品 |
CN114136305A (zh) * | 2021-12-01 | 2022-03-04 | 纵目科技(上海)股份有限公司 | 多图层地图的创建方法、***、设备及计算机可读存储介质 |
CN114440861A (zh) * | 2022-04-07 | 2022-05-06 | 智道网联科技(北京)有限公司 | 交通综合杆的生成方法、装置及设备 |
CN114485610A (zh) * | 2021-12-27 | 2022-05-13 | 广州极飞科技股份有限公司 | 矢量地图构建方法及装置、路径规划方法及装置 |
CN114526722A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114705204A (zh) * | 2022-05-09 | 2022-07-05 | 浙江大学 | 一种基于道路基础设计资料的高精度地图生成方法 |
CN114994673A (zh) * | 2022-08-04 | 2022-09-02 | 南京隼眼电子科技有限公司 | 用于雷达的道路地图生成方法、装置及存储介质 |
WO2023107002A3 (en) * | 2021-12-09 | 2023-08-31 | Grabtaxi Holdings Pte. Ltd. | System and method for adaptively predicting a road segment attribute based on a graph indicative of relationship between a road segment and a detection |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115602041B (zh) * | 2021-07-09 | 2024-04-09 | 华为技术有限公司 | 信息生成方法和装置、信息使用方法和装置 |
CN113551679A (zh) * | 2021-07-23 | 2021-10-26 | 杭州海康威视数字技术股份有限公司 | 一种示教过程中的地图信息构建方法、构建装置 |
TWI792474B (zh) * | 2021-08-05 | 2023-02-11 | 和碩聯合科技股份有限公司 | 地圖建立方法與地圖建立系統 |
CN113674358B (zh) * | 2021-08-09 | 2024-06-04 | 浙江大华技术股份有限公司 | 一种雷视设备的标定方法、装置、计算设备及存储介质 |
CN113822932B (zh) * | 2021-08-30 | 2023-08-18 | 亿咖通(湖北)技术有限公司 | 设备定位方法、装置、非易失性存储介质及处理器 |
CN113990064B (zh) * | 2021-09-14 | 2023-02-17 | 北京无限感测科技有限公司 | 一种交通数据采集方法、***和计算机可读存储介质 |
CN114067021A (zh) * | 2021-11-18 | 2022-02-18 | 北京赛目科技有限公司 | 一种道路的连接方法及装置 |
CN114924680B (zh) * | 2022-05-27 | 2023-08-01 | 北京斯年智驾科技有限公司 | 基于web前端可视化界面的港口无人驾驶地图生成方法 |
CN115223358B (zh) * | 2022-06-01 | 2024-04-02 | 北京四维图新科技股份有限公司 | 一种交通信息动态更新方法、装置及车路协同*** |
CN114705180B (zh) * | 2022-06-06 | 2023-03-24 | 中汽创智科技有限公司 | 高精地图的数据修正方法、装置、设备及存储介质 |
CN114777799B (zh) * | 2022-06-15 | 2022-10-18 | 中汽创智科技有限公司 | 一种路口高精地图生成方法、装置、电子设备及存储介质 |
CN115100426B (zh) * | 2022-06-23 | 2024-05-24 | 高德软件有限公司 | 信息确定方法、装置、电子设备及计算机程序产品 |
CN115346012B (zh) * | 2022-08-19 | 2023-10-17 | 腾讯科技(深圳)有限公司 | 路口面的生成方法、装置、设备、存储介质和程序产品 |
CN116977950B (zh) * | 2023-09-22 | 2024-02-23 | 腾讯科技(深圳)有限公司 | 路口面的确定方法、装置、设备和计算机可读存储介质 |
CN117456496B (zh) * | 2023-12-25 | 2024-03-22 | 合众新能源汽车股份有限公司 | 地图车道边界线的处理方法和*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281746A (zh) * | 2014-09-28 | 2015-01-14 | 同济大学 | 一种基于点云的交通安全道路特征图成图方法 |
CN107928566A (zh) * | 2017-12-01 | 2018-04-20 | 深圳市沃特沃德股份有限公司 | 视觉扫地机器人及障碍物检测方法 |
CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科(北京)空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
CN108700428A (zh) * | 2017-03-01 | 2018-10-23 | 华为技术有限公司 | 电子地图中道路的绘制方法及装置 |
CN108955702A (zh) * | 2018-05-07 | 2018-12-07 | 西安交通大学 | 基于三维激光和gps惯性导航***的车道级地图创建*** |
CN109978946A (zh) * | 2019-03-20 | 2019-07-05 | 安徽宽广科技有限公司 | 一种基于互联网的车辆定位分析*** |
US20190301872A1 (en) * | 2018-03-29 | 2019-10-03 | WeRide Corp. | Method for generating road map for vehicle navigation and navigation device |
CN110379007A (zh) * | 2019-07-25 | 2019-10-25 | 厦门大学 | 基于车载移动激光扫描点云的三维公路曲线重建方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101942288B1 (ko) * | 2012-04-23 | 2019-01-25 | 한국전자통신연구원 | 위치 보정 장치 및 방법 |
CN107451526A (zh) * | 2017-06-09 | 2017-12-08 | 蔚来汽车有限公司 | 地图的构建及其应用 |
CN109143259A (zh) * | 2018-08-20 | 2019-01-04 | 北京主线科技有限公司 | 面向港口无人集卡的高精地图制作方法 |
CN109141444B (zh) * | 2018-08-28 | 2019-12-06 | 北京三快在线科技有限公司 | 定位方法、装置、存储介质及移动设备 |
CN110108288A (zh) * | 2019-05-27 | 2019-08-09 | 北京史河科技有限公司 | 一种场景地图构建方法及装置、场景地图导航方法及装置 |
CN110501018B (zh) * | 2019-08-13 | 2021-11-02 | 广东星舆科技有限公司 | 一种服务于高精度地图生产的交通标志牌信息采集方法 |
-
2019
- 2019-11-29 CN CN201911207451.1A patent/CN112880693A/zh active Pending
-
2020
- 2020-11-20 KR KR1020227000811A patent/KR20220018594A/ko not_active Application Discontinuation
- 2020-11-20 JP JP2022506803A patent/JP2022542712A/ja not_active Withdrawn
- 2020-11-20 WO PCT/CN2020/130627 patent/WO2021104180A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281746A (zh) * | 2014-09-28 | 2015-01-14 | 同济大学 | 一种基于点云的交通安全道路特征图成图方法 |
CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科(北京)空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
CN108700428A (zh) * | 2017-03-01 | 2018-10-23 | 华为技术有限公司 | 电子地图中道路的绘制方法及装置 |
CN107928566A (zh) * | 2017-12-01 | 2018-04-20 | 深圳市沃特沃德股份有限公司 | 视觉扫地机器人及障碍物检测方法 |
US20190301872A1 (en) * | 2018-03-29 | 2019-10-03 | WeRide Corp. | Method for generating road map for vehicle navigation and navigation device |
CN108955702A (zh) * | 2018-05-07 | 2018-12-07 | 西安交通大学 | 基于三维激光和gps惯性导航***的车道级地图创建*** |
CN109978946A (zh) * | 2019-03-20 | 2019-07-05 | 安徽宽广科技有限公司 | 一种基于互联网的车辆定位分析*** |
CN110379007A (zh) * | 2019-07-25 | 2019-10-25 | 厦门大学 | 基于车载移动激光扫描点云的三维公路曲线重建方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113778102A (zh) * | 2021-09-22 | 2021-12-10 | 重庆长安汽车股份有限公司 | Avp全局路径规划***、方法、车辆及存储介质 |
CN113778102B (zh) * | 2021-09-22 | 2023-05-12 | 重庆长安汽车股份有限公司 | Avp全局路径规划***、方法、车辆及存储介质 |
CN114034295A (zh) * | 2021-11-05 | 2022-02-11 | 阿波罗智能技术(北京)有限公司 | 高精地图生成方法、装置、电子设备、介质及程序产品 |
CN114136305A (zh) * | 2021-12-01 | 2022-03-04 | 纵目科技(上海)股份有限公司 | 多图层地图的创建方法、***、设备及计算机可读存储介质 |
CN114136305B (zh) * | 2021-12-01 | 2024-05-31 | 纵目科技(上海)股份有限公司 | 多图层地图的创建方法、***、设备及计算机可读存储介质 |
WO2023107002A3 (en) * | 2021-12-09 | 2023-08-31 | Grabtaxi Holdings Pte. Ltd. | System and method for adaptively predicting a road segment attribute based on a graph indicative of relationship between a road segment and a detection |
CN114485610B (zh) * | 2021-12-27 | 2023-07-18 | 广州极飞科技股份有限公司 | 矢量地图构建方法及装置、路径规划方法及装置 |
CN114485610A (zh) * | 2021-12-27 | 2022-05-13 | 广州极飞科技股份有限公司 | 矢量地图构建方法及装置、路径规划方法及装置 |
CN114526722A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114526722B (zh) * | 2021-12-31 | 2024-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114440861A (zh) * | 2022-04-07 | 2022-05-06 | 智道网联科技(北京)有限公司 | 交通综合杆的生成方法、装置及设备 |
CN114705204B (zh) * | 2022-05-09 | 2024-01-30 | 浙江大学 | 一种基于道路基础设计资料的高精度地图生成方法 |
CN114705204A (zh) * | 2022-05-09 | 2022-07-05 | 浙江大学 | 一种基于道路基础设计资料的高精度地图生成方法 |
CN114994673B (zh) * | 2022-08-04 | 2022-10-21 | 南京隼眼电子科技有限公司 | 用于雷达的道路地图生成方法、装置及存储介质 |
CN114994673A (zh) * | 2022-08-04 | 2022-09-02 | 南京隼眼电子科技有限公司 | 用于雷达的道路地图生成方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
KR20220018594A (ko) | 2022-02-15 |
JP2022542712A (ja) | 2022-10-06 |
WO2021104180A1 (zh) | 2021-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021104180A1 (zh) | 地图生成方法、定位方法、装置、设备、存储介质及计算机程序 | |
EP3673407B1 (en) | Automatic occlusion detection in road network data | |
US11983894B2 (en) | Determining road location of a target vehicle based on tracked trajectory | |
US11755024B2 (en) | Navigation by augmented path prediction | |
US20220011130A1 (en) | Selective retrieval of navigational information from a host vehicle | |
US11768959B2 (en) | Anonymizing navigation information for use in autonomous vehicle navigation | |
US11814079B2 (en) | Systems and methods for identifying potential communication impediments | |
US11093759B2 (en) | Automatic identification of roadside objects for localization | |
WO2020112827A2 (en) | Lane mapping and navigation | |
CN111542860A (zh) | 用于自主车辆的高清地图的标志和车道创建 | |
CN112991791B (zh) | 交通信息识别和智能行驶方法、装置、设备及存储介质 | |
EP3836116A1 (en) | System and method to generate traffic congestion estimation data for calculation of traffic condition in a region | |
US11615563B2 (en) | Navigation using points on splines | |
JP6280409B2 (ja) | 自車位置修正方法、ランドマークデータ更新方法、車載機、サーバおよび自車位置データ修正システム | |
CN111695546A (zh) | 用于无人车的交通信号灯识别方法和装置 | |
CN112325896B (zh) | 导航方法、装置、智能行驶设备及存储介质 | |
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 | |
CN113008260A (zh) | 一种导航信息处理方法、装置、电子设备及存储介质 | |
CN114509065A (zh) | 地图构建方法、***、车辆终端、服务器端及存储介质 | |
CN110440819B (zh) | 导航方法、装置和*** | |
WO2023179028A1 (zh) | 一种图像处理方法、装置、设备及存储介质 | |
JP2012099010A (ja) | 画像処理装置及び画像処理プログラム | |
CN116048067A (zh) | 停车路径规划方法、装置、车辆以及存储介质 | |
JP7344182B2 (ja) | 情報処理装置 | |
CN110440818B (zh) | 车道矩阵模型及其构建方法、读取方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |