CN114090908A - 一种路网数据的处理方法和装置 - Google Patents

一种路网数据的处理方法和装置 Download PDF

Info

Publication number
CN114090908A
CN114090908A CN202111389644.0A CN202111389644A CN114090908A CN 114090908 A CN114090908 A CN 114090908A CN 202111389644 A CN202111389644 A CN 202111389644A CN 114090908 A CN114090908 A CN 114090908A
Authority
CN
China
Prior art keywords
road network
road
data
network data
track
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
Application number
CN202111389644.0A
Other languages
English (en)
Inventor
于兆玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Motors Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Xiaopeng Motors Technology Co Ltd filed Critical Guangzhou Xiaopeng Motors Technology Co Ltd
Priority to CN202111389644.0A priority Critical patent/CN114090908A/zh
Publication of CN114090908A publication Critical patent/CN114090908A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供了一种路网数据的处理方法和装置，所述方法包括：获取车辆运动轨迹以及实时采集的路网感知数据，并基于车辆运动轨迹确定轨迹节点；根据轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对路网感知数据进行拟合得到道路边缘曲线；通过对道路轨迹曲线与道路边缘曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，以便对通过检验后的路网数据进行使用。通过提出生成连续完整的路网结构，以进行实时渲染及路径规划等，实现在智能驾驶过程中对路网数据的实时采集并将处理后的路网数据呈现给车辆用户，有助于车辆用户及时感知周围环境，具有较好的扩展性及通用性。

Description

一种路网数据的处理方法和装置
技术领域
本发明涉及车辆技术领域，特别是涉及一种路网数据的处理方法和一种路网数据的处理装置。
背景技术
路网数据是道路特征的一种表征方式，可以包含道路的位置、方向、边界等基本信息，以及道路上物体运动速度限制、运动方向限制等拓展信息。路网的构建往往需要庞大的数据量，该类数据一般通过各类车载传感器采集后，经过训练、融合、对齐、校准等处理后得到，因而路网的获得需要一定的时间成本、人力成本，并不能实现在智能驾驶的过程中对路网数据的实时获取与实时使用。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种路网数据的处理方法和相应的一种路网数据的处理装置。
本发明实施例公开了一种路网数据的处理方法，所述方法包括：
获取车辆运动轨迹以及实时采集的路网感知数据，并基于所述车辆运动轨迹确定轨迹节点；
根据所述轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对所述路网感知数据进行拟合得到道路边缘曲线；
通过对所述道路轨迹曲线与所述道路边缘曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，以便对通过检验后的路网数据进行使用。
可选地，所述根据所述轨迹节点与当前车辆位置拟合得到道路轨迹曲线，包括：
获取当前车辆位置，以及当前车辆位置在车辆运动轨迹中所设定的上一个轨迹节点；
通过基于最小二乘法对所述上一个轨迹节点与当前车辆位置之间的轨迹曲线进行拟合，得到道路轨迹曲线。
可选地，所述对所述路网感知数据进行拟合得到道路边缘曲线，包括：
从所述路网感知数据中确定路网数据点和干扰数据点；
获取所述路网数据的坐标，并将所述路网数据点的坐标代入所拟合得到的道路轨迹曲线中，确定所述路网数据点相对所述车辆运动轨迹的分布位置；
根据所述路网数据点相对所述车辆运动轨迹的分布位置，对所述路网数据点进行拟合得到道路边缘曲线。
可选地，所述从所述路网感知数据中确定路网数据点和干扰数据点，包括：
获取数据点检索半径，若在针对某一数据点距离为数据点检索半径的检索区域内存在其他数据点，则确定此数据点与其他数据点为路网数据点；
若在针对另一数据点距离为数据点检索半径的额检索区域内不存在其他数据点，则确定此数据点为干扰数据点。
可选地，所述获取数据点检索半径，包括：
从所述路网感知数据中获取多个相邻数据点，计算所述多个相邻数据点的间距的均值，并采用预设比例因子对所计算得到的均值进行处理，得到数据点检索半径。
可选地，所述根据所述路网数据点相对所述车辆运动轨迹的分布位置，对所述路网数据点进行拟合得到道路边缘曲线，包括：
基于所述路网数据点相对所述车辆运动轨迹的分布位置，得到包含位于预设道路边界上的路网数据点的边缘数据；
通过基于最小二乘法对所述边缘数据进行拟合，得到针对道路边缘曲线的线性回归方程，实现对道路边界的拟合。
可选地，所包含的数据点所添加的响应逻辑特征包括轨迹特征和道路边缘特征；所述通过对所述道路轨迹曲线与所述道路边缘曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，包括：
对所述道路轨迹曲线中包含的轨迹数据点添加轨迹特征，以及对所述道路边缘曲线中包含的路网数据点添加道路边缘特征，形成路网数据结构。
可选地，在生成路网数据结构并得到路网数据之后，还包括：
对相同逻辑特征性下的数据进行分析，若所拟合的道路轨迹曲线与道路边缘曲线中的线段未发生交叉或未出现数据点缺失，则对所得到的路网数据检验通过；
对检验通过的路网数据进行存储，以便通过调用预设渲染程序或预设接口对检验通过的路网数据进行实时使用。
本发明实施例还公开了一种路网数据的处理装置，所述装置包括：
轨迹节点确定模块，用于获取车辆运动轨迹以及实时采集的路网感知数据，并基于所述车辆运动轨迹确定轨迹节点；
曲线拟合模块，用于根据所述轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对所述路网感知数据进行拟合得到道路边缘曲线；
路网数据生成模块，用于通过对所述道路轨迹曲线与所述道路边缘曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，以便对通过检验后的路网数据进行使用。
可选地，所述曲线拟合模块包括：
轨迹节点确定子模块，用于获取当前车辆位置，以及当前车辆位置在车辆运动轨迹中所设定的上一个轨迹节点；
道路轨迹曲线拟合子模块，用于通过基于最小二乘法对所述上一个轨迹节点与当前车辆位置之间的轨迹曲线进行拟合，得到道路轨迹曲线。
可选地，所述曲线拟合模块包括：
数据点确定子模块，用于从所述路网感知数据中确定路网数据点和干扰数据点；
分布位置确定子模块，用于获取所述路网数据的坐标，并将所述路网数据点的坐标代入所拟合得到的道路轨迹曲线中，确定所述路网数据点相对所述车辆运动轨迹的分布位置；
道路边缘曲线拟合子模块，用于根据所述路网数据点相对所述车辆运动轨迹的分布位置，对所述路网数据点进行拟合得到道路边缘曲线。
可选地，所述数据点确定子模块包括：
检索半径获取单元，用于获取数据点检索半径；
路网数据点确定单元，用于在针对某一数据点距离为数据点检索半径的检索区域内存在其他数据点时，确定此数据点与其他数据点为路网数据点；
干扰数据点确定单元，用于在针对另一数据点距离为数据点检索半径的额检索区域内不存在其他数据点时，确定此数据点为干扰数据点。
可选地，所述检索半径获取单元包括：
检索半径确定子单元，用于从所述路网感知数据中获取多个相邻数据点，计算所述多个相邻数据点的间距的均值，并采用预设比例因子对所计算得到的均值进行处理，得到数据点检索半径。
可选地，所述道路边缘曲线拟合子模块包括：
边缘数据获取单元，用于基于所述路网数据点相对所述车辆运动轨迹的分布位置，得到包含位于预设道路边界上的路网数据点的边缘数据；
道路边缘曲线拟合单元，用于通过基于最小二乘法对所述边缘数据进行拟合，得到针对道路边缘曲线的线性回归方程，实现对道路边界的拟合。
可选地，所包含的数据点所添加的响应逻辑特征包括轨迹特征和道路边缘特征；所述路网数据生成模块包括：
路网数据结构形成子模块，用于对所述道路轨迹曲线中包含的轨迹数据点添加轨迹特征，以及对所述道路边缘曲线中包含的路网数据点添加道路边缘特征，形成路网数据结构。
可选地，在生成路网数据结构并得到路网数据之后，所述装置还包括：
路网数据检验模块，用于对相同逻辑特征性下的数据进行分析，若所拟合的道路轨迹曲线与道路边缘曲线中的线段未发生交叉或未出现数据点缺失，则对所得到的路网数据检验通过；
路网数据使用模块，用于对检验通过的路网数据进行存储，以便通过调用预设渲染程序或预设接口对检验通过的路网数据进行实时使用。
本发明实施例还公开了一种车辆，包括：所述路网数据的处理装置、处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现任一项所述路网数据的处理方法的步骤。
本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现任一项所述路网数据的处理方法的步骤。
本发明实施例包括以下优点：
本发明实施例中，通过基于车辆运动轨迹确定轨迹节点，并对所确定的轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对所实时采集的路网告知数据进行拟合得到道路边缘曲线，然后通过对所拟合到的道路轨迹曲线与道路边缘曲线中所包含的数据点分别添加相应的逻辑特征，以形成路网数据结构得到路网数据，以便后续能够对检验通过的路网数据进行使用。通过提出从车辆位姿出发，基于传感器所采集的路网数据完成过滤、平滑等处理，生成连续完整的路网结构，以进行实时渲染及路径规划等，实现在智能驾驶过程中对路网数据的实时采集并将处理后的路网数据呈现给车辆用户，有助于车辆用户及时感知周围环境，具有较好的扩展性及通用性。
附图说明
图1是本发明的一种路网数据的处理方法实施例的步骤流程图；
图2是本发明实施例提供的车辆运动轨迹与数据采样点云的示意图；
图3是本发明的另一种路网数据的处理方法实施例的步骤流程图；
图4是本发明实施例提供的路网数据处理的实施过程图；
图5是本发明实施例提供的处理路网数据的示意图；
图6是本发明的一种路网数据的处理装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
目前常用的路网处理方法(经过训练、融合、对齐、校准等处理)需要一定的时间成本与人力成本，若在智能驾驶中能够实时获得路网数据，处理并呈现给驾驶员及乘客，有利于帮助用户及时感知周围环境。
本发明实施例针对停车库等动态干扰较少，场景特征简单的环境，提出基于车辆运动轨迹及感知信息的路网生成方法，主要是从车辆位姿出发，基于传感器所采集的路网数据完成过滤、平滑等处理，生成连续完整的路网结构，以进行实时渲染及路径规划等，具有较好的扩展性及通用性。通过滤波、分类、平滑、拟合等手段进行处理，获得能够便于实时渲染及易被其他接口调用的路网数据，在动态干扰较少、场景特征简单的环境如停车库、商场等环境中，能够对传感器采集的数据进行快速处理，其处理步骤简单且时间复杂度低，以及处理完成的数据能够进行实时使用，便于实时渲染、路径规划等处理；且通过基于真实采集数据进行过滤平滑等处理，而并不是在进行实时地图渲染时以车辆轨迹为基础对道路宽度进行估算处理，并不会导致道路数据呈现不准确以及容易出现穿模等现象，所得到的路网数据准确度高。
参照图1，示出了本发明的一种路网数据的处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取车辆运动轨迹以及实时采集的路网感知数据，并基于车辆运动轨迹确定轨迹节点；
本发明实施例中，从车辆位姿出发，基于传感器所采集的路网数据完成过滤、平滑等处理，生成连续完整的路网结构，以进行实时渲染及路径规划等，具有较好的扩展性及通用性。具体的，可以获取能够体现车辆位姿的车辆运动轨迹与传感器实时采集的路网感知数据，以实现从车辆位姿的出发点对路网数据进行处理。
其中，为了保证车辆在运动时，能够对所获取的路网信息进行实时分析及渲染等处理，需要对车辆的运动轨迹进行分段，使得一方面能够减小单次处理的数据量，另一方面可以为后续的数据分类提供支持。
对车辆运动轨迹的分段，可通过基于车辆运动轨迹确定轨迹节点实现。轨迹节点一般可选取为在路口处等信息较为密集的区域，具体可以将车辆运动轨迹划分为多段直线进行处理，其中可通过监测车辆的转向角度是否超过阈值、采集的数据量是否超过极值等方式为轨迹添加轨迹节点相应的节点信息。
步骤102，根据轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对路网感知数据进行拟合得到道路边缘曲线；
在本发明的一种实施例中，在对所采集的路网信息进行处理的过程中，需要对其完成过滤、平滑等处理，以生成连续完整的路网结构，便于后续进行实时渲染及路径规划等。其中，车辆在采集路网信息时可如图2的左侧图所示，且目前大多数车载传感器所收集得到的路网数据及轨迹数据都为点数据，例如图2的右侧图所示的路网数据、干扰数据与轨迹数据所对应的点数据。其中车辆的轨迹数据一般可由内置传感器获得，而路网数据一般由外置传感器如相机、雷达探测得到，其可能包含许多干扰因素，即车辆所采集的路网信息可以包括车辆的轨迹数据，以及包含路网数据点与干扰数据点的路网感知数据。
在对路网信息进行处理的过程中，实际上是对车辆的轨迹数据，以及包含路网数据点与干扰数据点的路网感知数据进行处理，此时为了便于路网数据结构的构建，基于车辆运动轨迹对与道路的相关信息进行确定，主要可基于所确定的轨迹节点对当前车辆位置进行拟合得到道路轨迹曲线，以及对路网感知数据进行拟合得到道路边缘曲线，以便后续能够通过拟合得到的道路轨迹曲线以及道路边缘曲线对道路进行规划。
步骤103，通过对道路轨迹曲线与道路边缘曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，以便对通过检验后的路网数据进行使用。
在拟合得到道路轨迹曲线与道路边缘曲线后，可对所拟合得到的曲线上所包含的数据点添加相应的逻辑特征，例如道路边缘特征、噪音特征、轨迹特征等，能够基于所添加的逻辑特征形成针对路网数据连续完整的数据结构，及能够基于所添加的逻辑特征对并不存在逻辑关系的点云数据进行处理，使得在后续对检验通过后的路网数据进行应用时更为快捷方便，具有较好的通用性及可拓展性。
本发明实施例中，通过基于车辆运动轨迹确定轨迹节点，并对所确定的轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对所实时采集的路网告知数据进行拟合得到道路边缘曲线，然后通过对所拟合到的道路轨迹曲线与道路边缘曲线中所包含的数据点分别添加相应的逻辑特征，以形成路网数据结构得到路网数据，以便后续能够对检验通过的路网数据进行使用。通过提出从车辆位姿出发，基于传感器所采集的路网数据完成过滤、平滑等处理，生成连续完整的路网结构，以进行实时渲染及路径规划等，实现在智能驾驶过程中对路网数据的实时采集并将处理后的路网数据呈现给车辆用户，有助于车辆用户及时感知周围环境，具有较好的扩展性及通用性。
参照图3，示出了本发明的另一种路网数据的处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤301，通过基于最小二乘法对上一个轨迹节点与当前车辆位置之间的轨迹曲线进行拟合，得到道路轨迹曲线；
本发明实施例中，主要是对图2所采集的路网信息通过滤波、分类、平滑、拟合等手段进行处理，获得能够便于实时渲染及易被其他接口调用的路网数据，在动态干扰较少、场景特征简单的环境如停车库、商场等环境中实现传感器的快速处理与后续实时使用。具体的，参照图4，示出了本发明实施例提供的路网数据处理的实施过程图，对路网信息的处理过程可由以下部分组成：通过获取车辆运动轨迹、路网感知数据，经过轨迹节点确定、基于最小二乘法的道路轨迹拟合、基于二维理想高通滤波器的数据处理、路网数据分类及排序、基于线性回归的道路边缘线性拟合、形成路网数据结构、检验数据逻辑、储存数据至全场数据实现。
在本发明的一种实施例中，在基于车辆运动轨迹确定轨迹节点，即对车辆的运动轨迹进行分段后，可对道路轨迹曲线进行拟合处理。此时可获取当前车辆位置，以及当前车辆位置在车辆运动轨迹中所设定的上一个轨迹节点，然后通过基于最小二乘法对上一个轨迹节点与当前车辆位置之间的轨迹曲线进行拟合，得到道路轨迹曲线。
具体的，在车辆运动轨迹上设定轨迹节点，上一个设定的轨迹节点与当前车辆位置之间的轨迹曲线中，其曲率变化不大，此时可使用3至5阶的高次多项式对两者之间的轨迹曲线进行逼近拟合构成，其可表示为：
f(x)≈g(x)＝k0+k1(x-x0)+k2(x-x0)2+…+kn(x-x0)n
式中，f可以为道路轨迹的实际曲线，g可以为道路轨迹的拟合曲线，k为参数序列，n为拟合次数，其中x可以为当前车辆位置的坐标点，在后续的应用过程中一般将x0＝0，此值在本发明实施例中可忽略。
对f进行泰勒展开，令x0为零值，将f与g插值的平方和作为累积误差，记为loss，以判断拟合准确率，可得到累积误差的表达式如下：
Figure BDA0003364508500000091
其中，针对拟合曲线g的xi，以及针对实际曲线f的yi为采集得到的车辆运动轨迹数据点，此时为了使拟合程度达到最优，具体可以使loss对各参数的偏导为0，即
Figure BDA0003364508500000092
在将上述偏导结果整理，可得到针对拟合的道路轨迹曲线的方程组，其所拟合得到的道路轨迹曲线可以如图5所示，此方程组具体可以为：
K＝X\Y
式中，K＝[k0,k1,k2,…,kn]-1，
Figure BDA0003364508500000093
其中，K表示的是自变量X的权重，xi与yi为采集得到的车辆运动轨迹数据点，n与m表示的采集第n或m个数据点。
步骤302，对路网感知数据中路网数据点相对车辆运动轨迹的分布位置，对路网数据点进行拟合得到道路边界曲线；
为了便于路网数据结构的构建，需要对与道路的相关信息进行确定，除了对道路轨迹曲线进行拟合以外，还可以对道路边界曲线进行拟合。具体的，可以在对所采集的路网感知数据进行去噪处理后，对路网数据进行分类及排序，再对道路边界曲线进行拟合。
在本发明的一种实施例中，可以基于对路网感知数据的去噪处理，从路网感知数据中确定路网数据点和干扰数据点，在对路网数据进行分类及排序时，可以获取路网数据的坐标，并将路网数据点的坐标代入所拟合得到的道路轨迹曲线中，确定路网数据点相对车辆运动轨迹的分布位置，然后根据路网数据点相对车辆运动轨迹的分布位置，对路网数据点进行拟合得到道路边界曲线。
在实际应用中，对于除了轨迹数据以外的数据，可能是通过多个传感器融合获得的数据，存在数据重复、数据干扰等情况，为了保证处理得到的路网数据的可靠性，需要对其中所包含的干扰数据进行去噪处理，即从路网感知数据中区分得到路网数据点以及干扰数据点。
对路网感知数据进行区分的方式可以通过在某个数据点附近距离为数据点检索半径的检索区域内是否存在其他数据点确定。
具体的，此时可获取数据点检索半径，若在针对某一数据点距离为数据点检索半径的检索区域内存在其他数据点，则确定此数据点与其他数据点为路网数据点；若在针对另一数据点距离为数据点检索半径的额检索区域内不存在其他数据点，则确定此数据点为干扰数据点。
其中，数据点检索半径的确定，可通过从路网感知数据中获取多个相邻数据点，计算多个相邻数据点的间距的均值，并采用预设比例因子对所计算得到的均值进行处理得到。
示例性地，可从数据集中取n个相邻的路网数据点，计算得到n-1个相邻路径点间距，并对其求均值得到如下结果：
Figure BDA0003364508500000111
为了增加算法的鲁棒性，以及减小遗漏真值点的概率，此时可给定比例因子k，使得数据点检索半径为
Figure BDA0003364508500000112
此时若在任意的数据点A附近距离为
Figure BDA0003364508500000113
的检索区域内发现其他数据点，***则可认为数据点A与检索得到的数据点都为目标点，即路网数据点；若在检索区域内未发现处A点外的其他数据，则认为该点为干扰点。需要说明的是，由于预先对轨迹节点进行确定，此时只需遍历从轨迹节点后获得的路网数据即可快速实现去噪处理。
在对路网数据分类及排序的过程中，在经过去噪处理后的路网数据点可靠性较强，其能够用于表征道路与车辆的相对位姿信息。然而，点数据信息仍然不适合渲染及路径规划等接口的直接使用，为了更好地构建路网信息，需要先对数据集进行分类及排序处理。
具体的，对于任意的路网数据点i，获取路网数据的坐标，其坐标可以表示为xi,yi(近似认为道路与车辆位于一个平面内，忽略z轴位置差异带来的影响)，此时可以将路网数据点的坐标代入所拟合得到的道路轨迹曲线中，得到如下表达式：
direction＝k0+k1xi+…+knxi n-yi
然后可通过上述表达式确定路网数据点相对车辆运动轨迹的分布位置，其中，若direction>0，则意味着该路网数据点在车辆运动轨迹上侧；若direction＝0，则意味着该路网数据点在车辆运动轨迹上；若direction<0，则意味着该路网数据点在车辆运动轨迹下侧。通过此方式能够实现路网数据的分类，划分车辆前进两侧的道路，并通过收集数据的时间先后顺序对数据点进行排序，以表征道路的前进方向。
在道路边界曲线进行拟合的过程中，可以基于路网数据点相对车辆运动轨迹的分布位置，得到包含位于预设道路边界上的路网数据点的边缘数据，然后通过基于最小二乘法对所述边缘数据进行拟合，得到针对道路边界曲线的线性回归方程，实现对道路边界的拟合。
具体的，同样可以利用最小二乘法对道路的两条边缘数据(指的是位于行车轨迹两边的路网数据集合)进行拟合。需要说明的是，道路边缘的实际曲线与拟合曲线之间的累积误差，可以作为干扰因素的评价指标，该误差数值的波动大小能够作为去噪处理效果的量化指标，对此本发明实施例不加以阐述。
与道路轨迹曲线拟合过程中的推导过程类似，在此不再赘述，所拟合得到的道路边界曲线可如图5所示，此时可得到道路边界(针对单条道路边缘)的线性回归方程为：
f(x)＝k0+k1x+k2x2+…+knxn+ε
g(x)＝k0+k1x+k2x2+…+knxn
式中，f为实际轨迹，g为拟合轨迹，不确定项ε可表征干扰程度，ε越大，则表示场景中干扰越强；相邻道路之间干扰程度的变化幅度Δεi＝|εi|-|εi-1|，表征去噪效果，越小则表示去噪处理越有效。其中，在规划时基于所得到的拟合轨迹g对道路边缘进行获取，实际轨迹f可以是理想化的道路边缘，不确定项可用于评估真实值与理想值之间的波动。
步骤303，对道路轨迹曲线中包含的轨迹数据点添加轨迹特征，以及对道路边界曲线中包含的路网数据点添加道路边缘特征，形成路网数据结构；
在拟合得到道路轨迹曲线与道路边缘曲线后，可对所拟合得到的曲线上所包含的数据点添加相应的逻辑特征，例如道路边缘特征、噪音特征、轨迹特征等，能够基于所添加的逻辑特征形成针对路网数据连续完整的数据结构，及能够基于所添加的逻辑特征对并不存在逻辑关系的点云数据进行处理，使得在后续对检验通过后的路网数据进行应用时更为快捷方便，具有较好的通用性及可拓展性。
步骤304，对相同逻辑特征性下的数据进行分析，并对检验通过的路网数据进行存储以便后续使用。
在生成路网数据结构并得到路网数据之后，可以对所得到的路网数据进行数据逻辑检验与数据存储至全场数据的过程。
在进行数据逻辑检验的过程中，具体可以对相同逻辑特征性下的数据进行分析，若所拟合的道路轨迹曲线与道路边界曲线中的线段未发生交叉或未出现数据点缺失，则对所得到的路网数据检验通过。如图4所示，对同一特征下的数据进行分析，如果拟合的线段与其他线段出现交叉现象，则表示数据拟合出现错误，进行反馈二次拟合，并提示给使用者；如果拟合线段出现信息缺失，如线段断裂，则可能是由于去噪处理过度，返回至去噪步骤，进行优化参数，并二次滤波；如果上述情况都未发生，而处理数据仍有异常，则数据收集部分可能存在问题，***提示至使用者。
在数据存储至全场数据的过程中，若整个流程皆没有异常，则可表示路网数据处理完成，此时可对检验通过的路网数据进行存储，以便通过调用预设渲染程序或预设接口对检验通过的路网数据进行实时使用。
本发明实施例中，通过提出从车辆位姿出发，基于传感器所采集的路网数据完成过滤、平滑等处理，生成连续完整的路网结构，以进行实时渲染及路径规划等，实现在智能驾驶过程中对路网数据的实时采集并将处理后的路网数据呈现给车辆用户，有助于车辆用户及时感知周围环境，具有较好的扩展性及通用性。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图6，示出了本发明的一种路网数据的处理装置实施例的结构框图，具体可以包括如下模块：
轨迹节点确定模块601，用于获取车辆运动轨迹以及实时采集的路网感知数据，并基于所述车辆运动轨迹确定轨迹节点；
曲线拟合模块602，用于根据所述轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对所述路网感知数据进行拟合得到道路边界曲线；
路网数据生成模块603，用于通过对所述道路轨迹曲线与所述道路边界曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，以便对通过检验后的路网数据进行使用。
在本发明的一种实施例中，曲线拟合模块602可以包括如下子模块：
轨迹节点确定子模块，用于获取当前车辆位置，以及当前车辆位置在车辆运动轨迹中所设定的上一个轨迹节点；
道路轨迹曲线拟合子模块，用于通过基于最小二乘法对所述上一个轨迹节点与当前车辆位置之间的轨迹曲线进行拟合，得到道路轨迹曲线。
在本发明的一种实施例中，曲线拟合模块602可以包括如下子模块：
数据点确定子模块，用于从所述路网感知数据中确定路网数据点和干扰数据点；
分布位置确定子模块，用于获取所述路网数据的坐标，并将所述路网数据点的坐标代入所拟合得到的道路轨迹曲线中，确定所述路网数据点相对所述车辆运动轨迹的分布位置；
道路边缘曲线拟合子模块，用于根据所述路网数据点相对所述车辆运动轨迹的分布位置，对所述路网数据点进行拟合得到道路边缘曲线。
在本发明的一种实施例中，数据点确定子模块可以包括如下单元：
检索半径获取单元，用于获取数据点检索半径；
路网数据点确定单元，用于在针对某一数据点距离为数据点检索半径的检索区域内存在其他数据点时，确定此数据点与其他数据点为路网数据点；
干扰数据点确定单元，用于在针对另一数据点距离为数据点检索半径的额检索区域内不存在其他数据点时，确定此数据点为干扰数据点。
在本发明的一种实施例中，检索半径获取单元可以包括如下子单元：
检索半径确定子单元，用于从所述路网感知数据中获取多个相邻数据点，计算所述多个相邻数据点的间距的均值，并采用预设比例因子对所计算得到的均值进行处理，得到数据点检索半径。
在本发明的一种实施例中，道路边缘曲线拟合子模块可以包括如下单元：
边缘数据获取单元，用于基于所述路网数据点相对所述车辆运动轨迹的分布位置，得到包含位于预设道路边界上的路网数据点的边缘数据；
道路边缘曲线拟合单元，用于通过基于最小二乘法对所述边缘数据进行拟合，得到针对道路边缘曲线的线性回归方程，实现对道路边界的拟合。
在本发明的一种实施例中，所包含的数据点所添加的响应逻辑特征包括轨迹特征和道路边缘特征；路网数据生成模块603可以包括如下子模块：
路网数据结构形成子模块，用于对所述道路轨迹曲线中包含的轨迹数据点添加轨迹特征，以及对所述道路边缘曲线中包含的路网数据点添加道路边缘特征，形成路网数据结构。
在本发明的一种实施例中，在生成路网数据结构并得到路网数据之后，所述装置还可以包括如下模块：
路网数据检验模块，用于对相同逻辑特征性下的数据进行分析，若所拟合的道路轨迹曲线与道路边缘曲线中的线段未发生交叉或未出现数据点缺失，则对所得到的路网数据检验通过；
路网数据使用模块，用于对检验通过的路网数据进行存储，以便通过调用预设渲染程序或预设接口对检验通过的路网数据进行实时使用。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种车辆，包括：
包括上述路网数据的处理装置、处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述路网数据的处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述路网数据的处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种路网数据的处理方法和一种路网数据的处理装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (11)

1.一种路网数据的处理方法，其特征在于，所述方法包括：
获取车辆运动轨迹以及实时采集的路网感知数据，并基于所述车辆运动轨迹确定轨迹节点；
根据所述轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对所述路网感知数据进行拟合得到道路边缘曲线；
通过对所述道路轨迹曲线与所述道路边缘曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，以便对通过检验后的路网数据进行使用。
2.根据权利要求1所述的方法，其特征在于，所述根据所述轨迹节点与当前车辆位置拟合得到道路轨迹曲线，包括：
获取当前车辆位置，以及当前车辆位置在车辆运动轨迹中所设定的上一个轨迹节点；
通过基于最小二乘法对所述上一个轨迹节点与当前车辆位置之间的轨迹曲线进行拟合，得到道路轨迹曲线。
3.根据权利要求1所述的方法，其特征在于，所述对所述路网感知数据进行拟合得到道路边缘曲线，包括：
从所述路网感知数据中确定路网数据点和干扰数据点；
获取所述路网数据的坐标，并将所述路网数据点的坐标代入所拟合得到的道路轨迹曲线中，确定所述路网数据点相对所述车辆运动轨迹的分布位置；
根据所述路网数据点相对所述车辆运动轨迹的分布位置，对所述路网数据点进行拟合得到道路边缘曲线。
4.根据权利要求3所述的方法，其特征在于，所述从所述路网感知数据中确定路网数据点和干扰数据点，包括：
获取数据点检索半径，若在针对某一数据点距离为数据点检索半径的检索区域内存在其他数据点，则确定此数据点与其他数据点为路网数据点；
若在针对另一数据点距离为数据点检索半径的额检索区域内不存在其他数据点，则确定此数据点为干扰数据点。
5.根据权利要求4所述的方法，其特征在于，所述获取数据点检索半径，包括：
从所述路网感知数据中获取多个相邻数据点，计算所述多个相邻数据点的间距的均值，并采用预设比例因子对所计算得到的均值进行处理，得到数据点检索半径。
6.根据权利要求3或4或5所述的方法，其特征在于，所述根据所述路网数据点相对所述车辆运动轨迹的分布位置，对所述路网数据点进行拟合得到道路边缘曲线，包括：
基于所述路网数据点相对所述车辆运动轨迹的分布位置，得到包含位于预设道路边界上的路网数据点的边缘数据；
通过基于最小二乘法对所述边缘数据进行拟合，得到针对道路边缘曲线的线性回归方程，实现对道路边界的拟合。
7.根据权利要求1所述的方法，其特征在于，所包含的数据点所添加的响应逻辑特征包括轨迹特征和道路边缘特征；所述通过对所述道路轨迹曲线与所述道路边缘曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，包括：
对所述道路轨迹曲线中包含的轨迹数据点添加轨迹特征，以及对所述道路边缘曲线中包含的路网数据点添加道路边缘特征，形成路网数据结构。
8.根据权利要求1或7所述的方法，其特征在于，在生成路网数据结构并得到路网数据之后，还包括：
对相同逻辑特征性下的数据进行分析，若所拟合的道路轨迹曲线与道路边缘曲线中的线段未发生交叉或未出现数据点缺失，则对所得到的路网数据检验通过；
对检验通过的路网数据进行存储，以便通过调用预设渲染程序或预设接口对检验通过的路网数据进行实时使用。
9.一种路网数据的处理装置，其特征在于，所述装置包括：
轨迹节点确定模块，用于获取车辆运动轨迹以及实时采集的路网感知数据，并基于所述车辆运动轨迹确定轨迹节点；
曲线拟合模块，用于根据所述轨迹节点与当前车辆位置拟合得到道路轨迹曲线，并对所述路网感知数据进行拟合得到道路边缘曲线；
路网数据生成模块，用于通过对所述道路轨迹曲线与所述道路边缘曲线所包含的数据点添加相应的逻辑特征，生成路网数据结构并得到路网数据，以便对通过检验后的路网数据进行使用。
10.一种车辆，其特征在于，包括：如权利要求9所述路网数据的处理装置、处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-8中任一项所述路网数据的处理方法的步骤。
11.一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上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述路网数据的处理方法的步骤。
CN202111389644.0A 2021-11-19 2021-11-19 一种路网数据的处理方法和装置 Pending CN114090908A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111389644.0A CN114090908A (zh) 2021-11-19 2021-11-19 一种路网数据的处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111389644.0A CN114090908A (zh) 2021-11-19 2021-11-19 一种路网数据的处理方法和装置

Publications (1)

Publication Number Publication Date
CN114090908A true CN114090908A (zh) 2022-02-25

Family

ID=80302986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111389644.0A Pending CN114090908A (zh) 2021-11-19 2021-11-19 一种路网数据的处理方法和装置

Country Status (1)

Country Link
CN (1) CN114090908A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116182862A (zh) * 2022-12-30 2023-05-30 广州小鹏自动驾驶科技有限公司 道路边界确定方法、装置、电子设备以及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116182862A (zh) * 2022-12-30 2023-05-30 广州小鹏自动驾驶科技有限公司 道路边界确定方法、装置、电子设备以及存储介质

Similar Documents

Publication Publication Date Title
CN108399218B (zh) 基于Walsh内核投影技术的自动驾驶车辆定位
CN109813328B (zh) 一种驾驶路径规划方法、装置及车辆
CN105957342B (zh) 基于众包时空大数据的车道级道路测图方法及***
US9076047B2 (en) System and method for recognizing parking space line markings for vehicle
CN109521757B (zh) 静态障碍物识别方法和装置
WO2017203509A1 (en) Method of predicting traffic collisions and system thereof
WO2016086792A1 (zh) 一种驾驶行为分析方法及设备
WO2006090735A1 (ja) エピポーラ幾何を用いた物体認識装置及び物体認識方法
CN101159014A (zh) 在图像中识别对象的方法和图像识别设备
CN105373689A (zh) 电子地图中道路曲率的确定方法及装置
CN108645375B (zh) 一种用于车载双目***快速车辆测距优化方法
WO2019104866A1 (zh) 区域轮廓绘制方法、装置及计算机可读存储介质
CN113011285B (zh) 车道线检测方法、装置、自动驾驶车辆及可读存储介质
US20200180646A1 (en) Sensor fusion target prediction device and method for vehicles and vehicle including the device
CN112880694A (zh) 确定车辆的位置的方法
CN111351499A (zh) 路径识别方法、装置、计算机设备和计算机可读存储介质
Revilloud et al. A lane marker estimation method for improving lane detection
CN114090908A (zh) 一种路网数据的处理方法和装置
CN110413942B (zh) 车道线方程筛选方法及其筛选模块
KR100998709B1 (ko) 물체의 공간적 의미정보를 이용한 로봇의 자기위치 추정 방법
CN116413740B (zh) 一种激光雷达点云地面检测方法及装置
JP2020006788A (ja) 建築限界判定装置
JP2013069045A (ja) 画像認識装置、画像認識方法および画像認識プログラム
CN116563341A (zh) 一种处理复杂环境下动态物体的视觉定位与建图方法
Jia et al. Measuring the motion of vulnerable road users relative to moving HGVs

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