CN114543825A - 引导车辆行驶的方法、地图生成方法及相关*** - Google Patents
引导车辆行驶的方法、地图生成方法及相关*** Download PDFInfo
- Publication number
- CN114543825A CN114543825A CN202210046464.0A CN202210046464A CN114543825A CN 114543825 A CN114543825 A CN 114543825A CN 202210046464 A CN202210046464 A CN 202210046464A CN 114543825 A CN114543825 A CN 114543825A
- Authority
- CN
- China
- Prior art keywords
- lane
- road
- topological
- curve
- exiting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 129
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000003860 storage Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 152
- 238000012216 screening Methods 0.000 claims description 67
- 238000005070 sampling Methods 0.000 claims description 60
- 238000011156 evaluation Methods 0.000 claims description 46
- 238000004458 analytical method Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 241000282414 Homo sapiens Species 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 15
- 239000013589 supplement Substances 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 230000002829 reductive effect Effects 0.000 description 9
- 238000013519 translation Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 238000001125 extrusion Methods 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 230000003313 weakening effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000010937 topological data analysis Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/365—Guidance using head up displays or projectors, e.g. virtual vehicles or arrows projected on the windscreen or on the road itself
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请实施例提供一种引导车辆行驶的方法、路口的地图生成方法及相关***、存储介质。该方法包括:根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;当所述车辆位于所述驶入道路中时,从所述K’条车道拓扑曲线中确定目标路径。本方案生成的完备合理的车道拓扑曲线更加符合人类驾驶习惯,可以实现在自动驾驶时为车辆提供相应的导航引导信息,有效提升车辆通过该路口的轨迹类人性和通行效率。
Description
技术领域
本申请涉及车辆技术领域,尤其涉及一种引导车辆行驶的方法、路口的地图生成方法及相关***、存储介质。
背景技术
在汽车自动驾驶领域,对于不存在实际车道线的交叉路口或存在多种合理驾驶轨迹的S弯、环岛出入口、高架入口等场景中,自动驾驶***需要进行合理的道路拓扑分析,并提供相应的拓扑导航引导信息,以供车辆进行意图预测、轨迹预测、车道决策和运动规划等。而高质量的道路拓扑分析,不仅要求车道轨迹符合人类驾驶习惯,而且可供合理通行的车道拓扑数量及其导航引导信息也应与人类驾驶经验相符,才能提高自动驾驶车辆行驶轨迹的类人性和智能性,用于他车意图和轨迹预测也更准确。
现有的道路拓扑分析方法大致可以分为两类:基于高精地图制图的道路拓扑生成或基于车辆轨迹聚类的道路拓扑生成。基于高精地图制图的道路拓扑生成方法,大多依赖制图方式获取驶入道路和驶出道路的端点或方向向量,并计算方向向量夹角,再对端点或方向向量进行曲线拟合,因此生成的线型单一且泛化性不足,不能覆盖现实场景中的差异化场景,需要人工干预;而基于车辆轨迹聚类的道路拓扑生成方法,依赖大数据技术收集人驾数据或众包轨迹,再对轨迹进行筛选和聚类,生成车道拓扑曲线,因此必然将带来大量的数据预处理工作,且道路拓扑生成质量与采集的数据质量密切相关,无法得到保证。此外,上述两种方法均无法保证生成的道路拓扑的完备性,也不能区分多条道路拓扑对于当前场景下驾驶行为的优劣,难以辅助意图预测和驾驶决策,且生产过程耗时费力,更新周期长,只能用于离线制图。
因此,如何解决上述问题,实现复杂场景下具有良好泛化性类人性的道路拓扑分析和导航引导是当前需要解决的问题。
目前,通过从两条交汇道路边界上位于交叉路口的结点中,选取路口车道的参考线端点并确定其边界线端点,基于路口驶入道路和驶出道路的端点或方向向量,计算方向向量夹角,最后对端点或方向向量进行曲线拟合,进而实现自动生成路口内虚拟车道参考线及边界。然而,该方案生成的参考线线型单一,对不同路口需要人工调节参数来保证输出质量;且对于非正对的直行路口、有花坛或路牙、围栏等障碍物的场景,无法自动生成可用的参考曲线或者生成的参考曲线轨迹不类人;且对于复杂的多对多路口,生成的道路拓扑不完备,同时也可能存在不合理的道路拓扑,需要人工干预进行合理的拓扑连接关系选择。
发明内容
本申请公开了一种引导车辆行驶的方法、路口的地图生成方法及相关***、存储介质,可以实现在自动驾驶时为车辆提供相应的导航引导信息,有效提升车辆通过该路口的轨迹类人性和通行效率。
第一方面,本申请实施例提供一种引导车辆行驶的方法,包括:根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;当所述车辆位于所述驶入道路中的第一驶入车道时,从所述K’条车道拓扑曲线中确定目标路径,所述目标路径包括所述K’条车道拓扑曲线中端点为所述第一驶入车道的末端的车道拓扑曲线。
通过本申请实施例,基于路口、路口的驶入道路、路口的驶出道路中的障碍物以及车道线生成车道拓扑曲线,进而通过合理性检测处理得到K’条车道拓扑曲线,当车辆位于驶入道路中的第一驶入车道时,从所述K’条车道拓扑曲线中确定目标路径。本方案基于实际场景生成的完备合理的车道拓扑曲线更加符合人类驾驶习惯,更加合理,无需人工干预,具有良好泛化性类人性,可以实现在自动驾驶时为车辆提供相应的导航引导信息,有效提升车辆通过该路口的轨迹类人性和通行效率。
作为一种可选的实现方式,所述根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,包括:根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
该手段基于高精度地图和实时感知的道路中的障碍物以及车道线得到软、硬边界约束以及虚拟边界约束,保证了虚拟车道轨迹的类人性以及车型普适性,提高了生成车道拓扑曲线的可靠性。
其中,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
该方案考虑其他车流轨迹的干涉影响、软硬边界对同向车道逐渐减弱的间接约束等,生成虚拟边界约束,保证了虚拟车道轨迹的类人性以及车型普适性。
作为一种可选的实现方式,所述根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线,包括:分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
该筛选处理例如可以是先筛选满足上述约束的曲线,然后再筛选达到每条驶入车道和每条驶出车道之间至多有一条最优曲线。通过对该最优曲线进行碰撞检测处理,以便适应性调整各曲线,进而得到所述M条车道拓扑曲线。该处理方式仅为一种示例,其还可以是其他方式,本方案对此不做具体限定。
该方案基于驶入车道的末端、驶出车道的起始点进行角度采样,进而生成多条车道拓扑曲线,基于上述得到的软、硬边界约束以及虚拟边界约束对该多条曲线进行筛选处理,进而得到M条车道拓扑曲线。采用该手段,保证了虚拟车道轨迹的类人性、灵活性以及车型普适性,减少与其他车道的车流冲突。
进一步地,所述对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线,包括:在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
该方案在曲线生成时,不仅基于驶入车道的末端、驶出车道的起始点进行角度采样,而且还基于控制点采样,使得生成的曲线数量更多,提高了曲线生成的灵活性。
作为一种可选的实现方式,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
采用该手段,针对驶入、驶出环岛路口特点等场景,对虚拟路口侧轨迹始末姿态采样点向外侧进行合理延伸,提高生成轨迹的质量,提升轨迹类人性,避免高精度地图制图引起的轨迹不合理,也避免了拓扑筛选因轨迹生成不合理而错误筛除,保障道路拓扑分析的完备性。
作为一种可选的实现方式,所述对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,包括:根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
通过基于车道对齐性来筛选曲线,进而得到完备且合理的车道拓扑曲线。
作为又一种可选的实现方式,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
通过基于拓扑补齐原则来对曲线进行补齐处理,进而得到完备且合理的车道拓扑曲线,保证了虚拟车道曲线的类人性。
作为又一种可选的实现方式,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
通过基于拓扑补齐原则来对曲线进行补齐处理,进而得到完备且合理的车道拓扑曲线,保证了虚拟车道曲线的合理性、完备性。
作为又一种可选的实现方式,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
基于车辆运动学、碰撞检测、交通规则、车流干扰检测等筛选原则进行车道拓扑合理性筛选,进而得到完备且合理的车道拓扑曲线。
作为一种可选的实现方式,所述方法还包括:计算所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值,所述评价值与所述车道拓扑曲线曲率、曲率变化率以及斜穿车道数量、以及所述车道拓扑曲线对应的车道的车道交汇信息、交通规则信息、车流量估计值、可行驶距离中的至少一项有关;所述当所述车辆位于所述驶入道路中的第一驶入车道时,从所述K’条车道拓扑曲线中确定目标路径,包括:当所述车辆位于所述驶入道路中的第一驶入车道时,根据所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值确定所述目标路径,所述目标路径包括所述K’条车道拓扑曲线中端点为所述第一驶入车道的末端的车道拓扑曲线中评价值最高的车道拓扑曲线。
采用该手段,结合全局导航信息、宏观交通流等信息,提供全局视野,对车道级拓扑进行导航推荐评价,为车辆在行驶过程中提供全局视野,提前规避高风险车道拓扑,提升自车通行效率,降低自车风险。
其中,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
第二方面,本申请提供了一种基于路口的地图生成方法,包括:根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;根据所述路口内的K’条车道拓扑曲线生成所述路口的地图。
通过本申请实施例,基于路口、路口的驶入道路、路口的驶出道路中的障碍物以及车道线生成车道拓扑曲线,进而通过合理性检测处理得到K’条车道拓扑曲线,进而生成该路口的K’条车道拓扑曲线。本方案的地图生成,基于实际场景生成的完备合理的车道拓扑曲线更加符合人类驾驶习惯,更加合理,无需人工干预,具有良好泛化性类人性,可以实现在自动驾驶时为车辆提供相应的导航引导信息,有效提升车辆通过该路口的轨迹类人性和通行效率。
作为一种可选的实现方式,所述根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,包括:根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
该手段基于高精度地图和实时感知的道路中的障碍物以及车道线得到软、硬边界约束以及虚拟边界约束,保证了虚拟车道轨迹的类人性以及车型普适性,提高了生成车道拓扑曲线的可靠性。
其中,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
该方案考虑其他车流轨迹的干涉影响、软硬边界对同向车道逐渐减弱的间接约束等,生成虚拟边界约束,保证了虚拟车道轨迹的类人性以及车型普适性。
作为一种可选的实现方式,所述根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线,包括:分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
该筛选处理例如可以是先筛选满足上述约束的曲线,然后再筛选达到每条驶入车道和每条驶出车道之间至多有一条最优曲线。通过对该最优曲线进行碰撞检测处理,以便适应性调整各曲线,进而得到所述M条车道拓扑曲线。该处理方式仅为一种示例,其还可以是其他方式,本方案对此不做具体限定。
该方案基于驶入车道的末端、驶出车道的起始点进行角度采样,进而生成多条车道拓扑曲线,基于上述得到的软、硬边界约束以及虚拟边界约束对该多条曲线进行筛选处理,进而得到M条车道拓扑曲线。采用该手段,保证了虚拟车道轨迹的类人性、灵活性以及车型普适性,减少与其他车道的车流冲突。
进一步地,所述对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线,包括:在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
该方案在曲线生成时,不仅基于驶入车道的末端、驶出车道的起始点进行角度采样,而且还基于控制点采样,使得生成的曲线数量更多,提高了曲线生成的灵活性。
作为一种可选的实现方式,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
采用该手段,针对驶入、驶出环岛路口特点等场景,对虚拟路口侧轨迹始末姿态采样点向外侧进行合理延伸,提高生成轨迹的质量,提升轨迹类人性,避免高精度地图制图引起的轨迹不合理,也避免了拓扑筛选因轨迹生成不合理而错误筛除,保障道路拓扑分析的完备性。
作为一种可选的实现方式,所述对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,包括:根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
通过基于车道对齐性来筛选曲线,进而得到完备且合理的车道拓扑曲线。
作为又一种可选的实现方式,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
通过基于拓扑补齐原则来对曲线进行补齐处理,进而得到完备且合理的车道拓扑曲线。
作为又一种可选的实现方式,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
通过基于拓扑补齐原则来对曲线进行补齐处理,进而得到完备且合理的车道拓扑曲线。
作为又一种可选的实现方式,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
基于车辆运动学、碰撞检测、交通规则、车流干扰检测等筛选原则进行车道拓扑合理性筛选,进而得到完备且合理的车道拓扑曲线。
其中,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
第三方面,本申请提供了一种引导车辆行驶的装置,包括:曲线生成模块,用于根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;检测处理模块,用于对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;确定模块,用于当所述车辆位于所述驶入道路中时,从所述K’条车道拓扑曲线中确定目标路径。
其中,所述曲线生成模块,用于:根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
可选的,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
进一步地,所述曲线生成模块,还用于:分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
可选的,所述曲线生成模块,还用于:在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
作为一种实现方式,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
其中,所述检测处理模块,用于:根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
可选的,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
其中,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
可选的,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
进一步地,所述装置还包括评价模块,用于:计算所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值,所述评价值与所述车道拓扑曲线曲率、曲率变化率以及斜穿车道数量、以及所述车道拓扑曲线对应的车道的车道交汇信息、交通规则信息、车流量估计值、可行驶距离中的至少一项有关;所述确定模块,用于:当所述车辆位于所述驶入道路中时,根据所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值确定所述目标路径。
其中,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
第四方面,本申请提供了一种基于路口的地图生成装置,包括:曲线生成模块,用于根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;检测处理模块,用于对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;地图生成模块,用于根据所述路口内的K’条车道拓扑曲线生成所述路口的地图。
其中,所述曲线生成模块,用于:根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
可选的,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
进一步地,所述曲线生成模块,还用于:分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
可选的,所述曲线生成模块,还用于:在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
作为一种实现方式,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
其中,所述检测处理模块,用于:根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
可选的,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
其中,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
可选的,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
其中,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
第五方面,本申请提供了一种引导车辆行驶的装置,包括处理器和存储器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行所述第一方面任一种可能的实施方式提供的方法。
第六方面,本申请提供了一种基于路口的地图生成装置,包括处理器和存储器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行所述第二方面任一种可能的实施方式提供的方法。
第七方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现第一方面中任一所提供的方法和/或第二方面中任一所提供的方法。
第八方面,本申请提供了一种计算机程序产品,当计算机程序产品在计算机上运行时,使得所述计算机执行第一方面中任一所提供的方法和/或第二方面中任一所提供的方法。
第九方面,本申请提供了一种芯片***,所述芯片***应用于电子设备;所述芯片***包括一个或多个接口电路,以及一个或多个处理器;所述接口电路和所述处理器通过线路互联;所述接口电路用于从所述电子设备的存储器接收信号,并向所述处理器发送所述信号,所述信号包括所述存储器中存储的计算机指令;当所述处理器执行所述计算机指令时,所述电子设备执行第一方面中任一所提供的方法和/或第二方面中任一所提供的方法。
第十方面,本申请提供了一种智能驾驶车辆,其特征在于,包括行进***、传感***、控制***和计算机***,其中,所述计算机***用于执行第一方面中任一所提供的方法和/或第二方面中任一所提供的方法。
可以理解地,上述提供的第三方面所述的装置、第四方面所述的装置、第五方面所述的装置、第六方面所述的装置、第七方面所述的计算机存储介质或者第八方面所述的计算机程序产品、第九方面所述的芯片***以及第十方面所述的智能驾驶车辆均用于执行第一方面中任一所提供的方法以及第二方面中任一所提供的方法。因此,其所能达到的有益效果可参考对应方法中的有益效果,此处不再赘述。
附图说明
下面对本申请实施例用到的附图进行介绍。
图1是本申请实施例提供的一种引导车辆行驶的***架构示意图;
图2是本申请实施例提供的一种引导车辆行驶的方法的流程示意图;
图3是本申请实施例提供的一种车道拓扑示意图;
图4是本申请实施例提供的一种边界约束示意图;
图5是本申请实施例提供的一种曲线生成方法示意图;
图6是本申请实施例提供的一种对齐系数求解方法示意图;
图7是本申请实施例提供的一种车道拓扑曲线筛选示意图;
图8a是本申请实施例提供的一种待转区的异形多对多直行路口场景示意图;
图8b是本申请实施例提供的一种边界约束示意图;
图8c是本申请实施例提供的一种曲线筛选示意图;
图8d是本申请实施例提供的第一种重叠长度示意图;
图8e是本申请实施例提供的第二种重叠长度示意图;
图8f是本申请实施例提供的第一种应用场景示意图;
图8g是本申请实施例提供的第二种应用场景示意图;
图8h是本申请实施例提供的第三种应用场景示意图;
图9a是本申请实施例提供的一种环岛场景示意图;
图9b是本申请实施例提供的一种边界约束示意图;
图9c是本申请实施例提供的一种曲线生成示意图;
图9d是本申请实施例提供的一种曲线筛选示意图;
图10a是本申请实施例提供的一种有待转区、红绿灯的左转路口场景示意图;
图10b是本申请实施例提供的又一种有待转区、红绿灯的左转路口场景示意图;
图11a是本申请实施例提供的一种小S弯场景示意图;
图11b是本申请实施例提供的又一种小S弯场景示意图;
图12是本申请实施例提供的一种匝道场景示意图;
图13是本申请实施例提供的一种多车道无车道标线路段场景示意图;
图14是本申请实施例提供的一种连续转弯场景示意图;
图15是本申请实施例提供的一种窄道掉头场景示意图;
图16是本申请实施例提供的一种引导车辆行驶的装置的结构示意图;
图17是本申请实施例提供的另一种引导车辆行驶的装置的结构示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。本申请实施例的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。
参照图1所示,是本申请实施例提供的一种引导车辆行驶的***架构示意图。该***可包括:车道拓扑生成模块、边界约束生成模块、拓扑曲线生成模块、拓扑合理性筛选模块以及实时决策模块。其中,车道拓扑生成模块用于结合当前场景的道路结构生成车道级全连接拓扑,为构建完备的道路拓扑空间奠定基础。边界约束生成模块用于基于高精度地图和传感器感知数据为车道级全连接拓扑中的每条车道拓扑生成软边界约束、硬边界约束和虚拟边界约束。拓扑曲线生成模块用于为上述车道拓扑生成满足上述边界约束且平滑类人的车道拓扑曲线。拓扑合理性筛选模块用于基于各种类人性筛选原则,对车道级全连接拓扑及其曲线进行合理性筛选,删除不合理的车道拓扑,从而得到完备且合理的车道拓扑曲线集合,以完成当前场景的道路拓扑分析。实时决策模块用于基于上述道路拓扑分析、动静态交通环境和自车实时状态等,选择当前时刻的最优目标路径。
进一步地,上述***还可以包括导航推荐评价模块。导航推荐评价模块引入车道拓扑推荐函数,对上述车道拓扑曲线集合中的各车道拓扑曲线进行导航优先级评价。相应地,实时决策模块还可以基于该导航优先级评价来选择最优目标路径。
上述***仅为一种示例,其中,该***还可以仅包含边界约束生成模块、拓扑曲线生成模块、拓扑合理性筛选模块以及实时决策模块等,本方案对此不做具体限定。
本方案可应用于自动驾驶车辆在开放道路上行驶,行驶范围内包含不存在实际车道线或存在多种合理驾驶轨迹的道路场景时,需要进行合理的道路拓扑分析并提供相应的拓扑导航引导信息,以供车辆进行意图预测、轨迹(曲线)预测、车道决策和运动规划。上述道路场景包括但不限于交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口等。当然,其还可以是其他场景,本方案对此不做具体限定。
上述仅以本申请实施例应用于自动驾驶场景为例进行说明。其中,本申请提供的引导车辆行驶的方法,还可以应用于辅助驾驶场景,本方案对此不做具体限定。
本实施例可以由车载装置(如车机)来执行,其还可以由手机、电脑等终端设备来执行。本方案对此不做具体限定。
需要说明的是,本申请提供的引导车辆行驶的方法,可以在本地执行,也可以由云端执行。其中,云端可以由服务器来实现,该服务器可以是虚拟服务器、实体服务器等,其还可以是其他装置,本方案对此不做具体限定。
参照图2所示,为本申请实施例提供的一种引导车辆行驶的方法的流程示意图。如图2所示,该方法包括步骤201-203,具体如下:
201、根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;
其中,可根据高精度地图和传感器获取的环境感知信息中所述路口、所述驶入道路、所述驶出道路中的障碍物以及车道线来生成M条车道拓扑曲线。
例如,基于上述障碍物以及车道线得到车道拓扑曲线硬边界约束、车道拓扑曲线软边界约束和车道拓扑曲线虚拟边界约束,进而基于上述各约束来生成所述M条车道拓扑曲线。
具体地,上述步骤201可包括步骤2011-2014:
2011、根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;
该车道拓扑曲线硬边界约束可以理解为,车辆不能行驶的边界。
具体地,获取路口场景附近的静态障碍物以及不可跨越的车道线等,即得到车道拓扑曲线硬边界约束。
上述静态障碍物包括道路上的马路牙子、安全岛、绿化带等。不可跨越的车道线例如车道实线、导流线等。
2012、根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;
该车道拓扑曲线软边界约束可以理解为,交通规则中允许自车跨越,而自车最好不跨越的边界约束。
具体地,通过获取路口场景中的地面实际标线即得到软边界约束。该地面实际标线例如待转区车道线、可跨越的车道线等。
2013、根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;
对于多车道平行车流场景,不仅最近邻车道的车流轨迹会受到上述软边界、硬边界的直接影响,次邻车道的车流轨迹也会由于最近邻车流轨迹干涉而受到上述软边界、硬边界的间接影响。因此,考虑邻近车道中车流轨迹的干涉影响,以及软硬边界对同向车道逐渐减弱的间接约束作用,生成虚拟边界约束。
其中,上述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应。
具体地,根据路口、所述路口的驶入道路、所述路口的驶出道路中的各车道的拓扑结构得到所述路口的K个车道拓扑。
通过获取当前场景中的道路拓扑结构,具体地,其包括路口、驶入道路以及驶入道路中的驶入车道、驶出道路以及驶出道路中的驶出车道,以及无标线区域等道路元素及其拓扑关系;然后可基于当前场景相关的交通规则,根据所有可通行的K1条驶入车道和K2条驶出车道,生成该场景下所有可能的K个车道级全连接拓扑,其中,K≤K1*K2。
如图3所示,为本申请实施例提供的一种车道拓扑示意图。该场景中包括驶入道路的3条驶入车道和驶出道路的4条驶出车道。基于该3条驶入车道和4条驶出车道生成了12个车道级全连接拓扑,即12条虚拟车道。需要说明的是,图中所示12个车道级全连接拓扑的线段仅用于表征车道之间的前后续接关系,并不表示虚拟车道的最终曲线(轨迹形态)。
其中,交通规则有可能会对当前场景下车道拓扑全连接关系及其数量产生影响。例如:由于公交车道、潮汐车道等特殊车道的分时通行特性,在其可通行时段只有符合特殊通行规则的车道拓扑是合理的,可生成相应的车道拓扑,因此K1条驶入车道和K2条驶出车道的车道拓扑全连接数量K可能小于K1*K2。
具体地,上述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的。
该路口的最左侧车道拓扑即为左一驶入车道对左一驶出车道。该路口的最右侧车道拓扑即为右一驶入车道对右一驶出车道。
其中,上述第一预设距离可以是根据车道拓扑A’的车道位序确定的。
可替代的,上述第一预设距离可以是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的。
该车辆预设通过宽度可以理解为车辆安全通过时所需的宽度。
上述车道位序可以理解为车道所在的顺序。该车道位序可以基于预设规则进行设置,例如取驶入车道序号和驶出车道序号中的最小值,然后将该最小值再减1,即得到上述车道位序。
具体地,从左开始计起,左一驶入车道对左一驶出车道的车道位序为0;左一驶入车道对左二驶出车道的右起车道位序为0;右二驶入车道对右三驶出车道的右起车道位序为1。
上述仅为一种示例,其还可以是其他确定方式,本方案对此不做具体限定。
其中,上述预设距离可根据所述每条车道拓扑的车道位序确定。例如,车道位序越大,其对应的预设距离越大。
可替代的,上述预设距离还可以根据所述车辆安全通过宽度、车道宽度中的至少一项以及所述每条车道拓扑的车道位序确定。
其中,nlane表示当前车道拓扑的车道位序;Wlane表示车道宽度;Wvehicle表示车辆预设(安全)通过宽度;表示碰撞深度,该碰撞深度为车道拓扑曲线与障碍物边界曲线之间最小距离位置、指向靠近障碍物方向的向量。
上述平移距离对应的平移方向为软硬边界与参考拓扑曲线的碰撞深度的反方向。如图4所示,上述参考拓扑轨迹包括左一驶入车道对左一驶出车道所对应的平滑曲线S1、左二驶入车道对左二驶出车道所对应的平滑曲线S2等。其中,图4中阴影区域表示马路牙子、花坛、安全岛等,该阴影区域所示即为各车道的硬边界约束。待转区车道的车道线L1和车道线L2即为各车道的软边界约束。参考拓扑曲线S1对应的箭头t所指方向即为碰撞深度方向,虚线区域U1、U2和U3以及虚线L3即为路口的最左侧车道拓扑左侧的硬边界约束(即阴影区域)和软边界约束(L2)沿碰撞深度反方向平移一定距离得到的次临近车道的虚拟边界约束。
2014、根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
基于上述硬边界约束、软边界约束和虚拟边界约束、车辆物理属性、车辆运动性能等因素,为车道级全连接拓扑中的每条车道拓扑生成曲率平滑且类人的车道拓扑曲线。
可选的,步骤2014可包括步骤20141-20143,具体如下:
20141、分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;
其中,可以采用基于贝塞尔曲线的采样算法、基于Spiral曲线的优化算法等生成上述车道拓扑曲线。
该实施例以基于Spiral曲线的优化算法为例进行说明。如图5所示,基于驶入车道的末端、驶出车道的起始点进行角度采样可得到分别以驶入车道的末端、驶出车道的起始点为起点的不同姿态角度的向量。也就是说,上述起始点位姿向量可以理解为,位于驶入车道的末端且具有不同姿态角度的向量。如图5所示,驶入车道的末端A处的多个不同方向的向量即为上述起始点位姿向量。相应地,上述终点位姿向量可以理解为,位于驶出车道的起点且具有不同姿态角度的向量。如图5所示,驶出车道的起始点B处的多个不同方向的向量即为上述终点位姿向量。
20142、对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;
作为第一种实现方式,任意一个起始点位姿向量和任意一个终点位姿向量进行组合,进而基于上述多个组合可得到多条平滑曲线。
作为另一种实现方式,在驶入车道的末端和驶出车道的起点的连线上进行距离采样,生成多组中间控制点,如图5中点Pi所示。该距离采样,可以是间隔预设距离生成若干控制点,当然还可以是采用其他方式,本方案对此不做具体限定。通过将起始点位姿向量、终点位姿向量以及控制点进行组合,进而生成多条曲率平滑的Spiral曲线,如图5中虚线所示的驶入车道的末端和驶出车道的起始点之间的各曲线。
当然,还可以是基于其他方式来得到多条平滑的曲线,本方案对此不做具体限定。
20143、根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
作为第一种实现方式,直接删除不满足上述车道拓扑曲线硬边界约束、软边界约束和虚拟边界约束的曲线,即得到上述M条车道拓扑的车道拓扑曲线。
作为第二种实现方式,通过考虑上述生成的曲线的曲率、曲率变化率、到软硬边界的碰撞代价、通行空间、曲线长度(通行效率)等因素,构建曲线评价函数。基于该曲线评价函数,从上述多条平滑曲线中选取满足安全性边界约束和车辆性能约束的最优曲线作为从驶入车道末端到驶出车道起始点的最优曲线。如图5中驶入车道的末端和驶出车道的起始点之间的曲线S3,即为一条最优曲线。其中,相同起止点之间的曲线越短,沿着相应曲线行驶的车流行驶距离越短,通行效率越高。通过选取相同起止点之间较短的曲线,并通过对最优曲线进行碰撞检测,若与场景中的边界障碍物发生碰撞,则根据碰撞位置和碰撞深度增加碰撞控制点,以局部调整碰撞位置附近的轨迹形态,从而得到安全无碰且曲率平滑的车道拓扑曲线S4。
上述仅为一种示例,其还可以是其他处理方式,本方案对此不做具体限定。
202、对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;
考虑车道拓扑轨迹的几何形态、车辆运动学、交通规则、碰撞检测、车流干扰等因素对车道拓扑合理性和曲线形态类人性的影响,可建立多项车道拓扑曲线合理性筛选原则。通过对上述车道级全连接拓扑及其曲线进行合理性筛选,删除不合理的车道拓扑,从而得到完备且合理的车道拓扑曲线集合,即完成了对当前场景的道路拓扑分析。
本方案以如下筛选原则为例进行介绍:
(1)拓扑投影筛选原则
拓扑投影筛选原则可以理解为,通过获取到驶入车道和驶出车道之间的对齐系数(重叠系数),若该对齐系数不小于预设阈值,说明该驶入车道和该驶出车道之间具备对齐特性,保留该车道拓扑及其曲线;若该对齐系数小于预设阈值,说明该驶入车道和该驶出车道之间不具备对齐特性,删除该车道拓扑及其曲线。
下面介绍本实施例提供的获取对齐系数的方式。
首先获取驶入车道和驶出车道之间的投影线。如图6所示,将驶入车道的方向向量和驶出车道的方向向量进行前后延伸,若其交点位于路口的驶入车道末端和驶出车道起点之间,则以通过该交点的角平分线所在的直线作为投影线,如图6中投影线L3所示。该驶入车道的方向向量可以理解为驶入道路的方向向量,即与驶入车道平行且与驶入车道对应的行驶方向一致的向量。
其中,若上述交点不位于路口的驶入车道末端和驶出车道起点之间,则以垂直于驶出道路的方向向量且通过所述驶出道路的起点的直线作为投影线,即图6中直线L4所示。
然后,将驶入车道和驶出车道的车道线均延伸至上述投影线L3,计算驶入车道左右车道边线和驶出车道左右车道边线在投影线上的重叠长度,并获取所述驶入车道左右车道边线和驶出车道左右车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度。通过计算该重叠长度与该最短的线段长度之间的比值即为对齐系数。
如图6所示,若计算直行驶入车道左一和驶出车道左二之间的对齐系数,则将直行驶入车道左一的两条车道边线延长至投影线L3,得到线段C1C2;将驶出车道左二的两条车道边线延长至投影线L3,得到线段D1D2;获取线段C1C2和线段D1D2之间的重叠长度L,以及线段C1C2和线段D1D2中最短的线段长度Lmin,则上述重叠长度L与最短的线段长度Lmin之间的比值即为直行驶入车道左一和驶出车道左二之间的对齐系数。
基于上述方法,同样地可以计算其他车道拓扑之间的对齐系数。
通过将上述求得的对齐系数与预设阈值进行比较,进而对车道拓扑进行筛选。
(2)运动学筛选原则
通过计算车道级全连接拓扑中每条车道拓扑曲线的最大曲率,若该曲率对应的最小转弯半径小于根据车辆运动学模型得到的车辆最小转弯半径,则可认为车辆在行驶过程中很难实现沿着该车道拓扑曲线行驶,因此应当从车道级全连接拓扑中筛除该不合理的车道拓扑曲线。
上述不合理的车道拓扑曲线,例如小半径的左/右转曲线,小半径的掉头曲线等。如图7中运动学筛选对应的曲线所示,该经过左转待转区的左转车道拓扑曲线存在接近90°的转弯角度,该处曲率过大,不满足车辆运动学约束,车辆无法按照该曲线行驶,因此删除该车道拓扑曲线。
(3)交通规则筛选原则
由于公交车道、潮汐车道等特殊车道的分时通行特性、待转区在红绿灯状态下的不同拓扑合理性特性、停靠车道特殊行驶逻辑等,需要根据交通规则从车道级全连接拓扑中删除不符合交通通行规则的车道拓扑,并从驶入道路和驶出道路的所有车道中删除不符合当前通行方向的车道。例如直行路口中,删除路口前的左转、掉头、右转驶入车道,仅保留可直行的车道。
(4)碰撞检测筛选原则
对于车道级全连接拓扑中每条车道拓扑曲线,遍历整条曲线上的所有点,若曲线上任一点与当前场景中的硬边界距离过近(小于预设碰撞安全距离),则整条曲线的状态为存在碰撞。
可选的,若存在碰撞,则根据碰撞位置和碰撞深度增加碰撞控制点,以局部调整碰撞位置附近的轨迹形态,进行局部曲线调整。
若局部曲线调整失败,则可视为该车道拓扑曲线生成失败,无法得到安全无碰的曲线,因此应当从车道级全连接拓扑中筛除该不合理的车道拓扑曲线。
如图7中碰撞检测对应的曲线所示,最右侧的直行车道拓扑曲线与右侧障碍物(阴影区域)碰撞,需进行局部轨迹调整。
(5)车流干扰筛选原则
考虑整个场景中不同道路方向、不同车道之间的车道级全连接拓扑中可同时通行所有车道拓扑曲线,若任意两条车道拓扑曲线之间距离过近,例如小于预设相邻车道干扰距离,则该车道拓扑曲线的状态为存在车流干扰,其中该相邻车道干扰距离一般小于车道宽度,略大于车体宽度。
若存在车流干扰,则根据相互干扰的车道拓扑曲线及其相邻车道曲线之间的间距分布,对车道曲线间距进行局部调整,使得相邻各车道曲线之间的间距分布更合理,不存在车流干扰现象。
若车道拓扑曲线间距局部调整失败,则可视为该场景中无法同时存在多条无干扰的车道拓扑曲线,因此应当从车道级全连接拓扑中筛除一条或多条互相干扰的车道拓扑曲线。
如图7中车流干扰对应的曲线所示,该场景中直行车道拓扑曲线与左转待转车道拓扑曲线是不同道路方向、不同车道之间可同时通行的两条车道拓扑曲线,但这两条车道拓扑曲线在待转区出口附近距离过近,将导致直行车辆和左转待转车流距离过近,相互干涉并产生侧向挤压,因此需将这两条车道拓扑曲线的间距进行局部调整,具体可将直行车道拓扑及其右侧同向车道拓扑进行适当右移,从而保证与左转待转车道拓扑没有车流干涉的影响。
(6)拓扑补齐原则
左对齐补充原则:检查驶入道路左一车道和驶出道路左一车道之间的拓扑是否被上述筛选原则删除。若驶入道路左一车道和驶出道路左一车道之间的拓扑被上述筛选原则删除,则补回该拓扑,相应地,其对应的曲线也补回。
右对齐补充原则:检查驶入道路右一车道和驶出道路右一车道之间的拓扑是否被上述筛选原则删除。若驶入道路右一车道和驶出道路右一车道之间的拓扑被上述筛选原则删除,则补回该拓扑,相应地,其对应的曲线也补回。
驶出拓扑补充原则:当驶出道路拓扑存在时,应保证驶出道路中的所有驶出车道均有车道拓扑曲线;若某车道没有,则应就近补充新车道拓扑,保证驶出拓扑的完备性。
相邻车道补充原则:若某条驶出车道与驶入车道x之间没有车道拓扑曲线,但该条驶出车道的左、右侧车道中均有车道与驶入车道x存在车道拓扑曲线,则为该驶出车道就近补充新车道拓扑,保证相邻车道拓扑的合理性。其中,若该驶出车道为驶出道路左一车道,则仅考虑其右侧车道即可;若该驶出车道为驶出道路右一车道,则仅考虑其左侧车道即可。上述左、右侧车道,可以是与该车道相邻的车道,也可以是间隔的车道,本方案对此不做限定。
通过上述筛选原则、补充原则等对车道级全连接拓扑进行曲线生成、拓扑合理性筛选和补充后,即可得到完备且合理的车道拓扑曲线集合,从而完成了对当前场景的道路拓扑分析。
需要说明的是,上述各原则仅为一种示例,具体实现时可任意选择或者组合。当然还可以是基于其他原则进行处理,本方案对此不做具体限定。
203、当所述车辆位于所述驶入道路中时,从所述K’条车道拓扑曲线中确定目标路径。
例如,若车辆从驶入道路中的第一驶入车道进入路口时,则从第一驶入车道对应的车道拓扑曲线中确定车道拓扑曲线,即为目标路径。
若车辆进入驶入道路时,则可从K’条车道拓扑曲线中任意选择车道拓扑曲线作为目标路径,还可以基于实时交通情况来选择最优车道拓扑曲线作为目标路径。
需要说明的是,当车辆位于路口中时,还可以基于交通情况等进一步从所述K’条车道拓扑曲线中再次确定最优曲线。例如,当从最优车道拓扑曲线S进入路口后,由于被其他车辆占道等,则实时确定其他最优曲线。
本方案对此不做具体限定。
其中,在步骤203之前,所述方法还可包括:
计算所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值,所述评价值与所述车道拓扑曲线曲率、曲率变化率以及斜穿车道数量、以及所述车道拓扑曲线对应的车道的车道交汇信息、交通规则信息、车流量估计值、可行驶距离中的至少一项有关。
基于上述道路拓扑分析、全局导航信息、交通规则、人类驾驶经验等信息,设计车道拓扑推荐评价函数,对上述车道拓扑曲线集合中的各车道拓扑曲线进行导航优先级评价,以表示在无其他动态车流干扰的交通场景下同簇车道拓扑(由同一条驶入车道进入该场景的多条车道拓扑曲线)中各条曲线的导航推荐优先级,用于选取综合最优的车道拓扑曲线。
可选的,车道拓扑推荐评价函数可表示为:
C=1*C1+2*C2+w3*C3+w4*C4+5*C5+6*C6;
其中,C1、C2、C3、C4、C5和C6分别表示导航代价、拓扑代价、平滑性代价、车流交汇代价、交通规则代价和通行效率代价,w1、w2、w3、w4、w5、w6均为系数。
上述导航代价是基于全局导航信息,对该车道拓扑在当前场景下的目标可达性进行评价。若该车道拓扑所在的车道级路径规划在到达自动驾驶任务指定终点方向的可行驶距离越长,则同簇车道拓扑中该车道拓扑的导航代价C1越低,1是导航代价在总代价中所占权重。
上述拓扑代价是根据车道拓扑连接的前后驶入车道和驶出车道的物理位置关系,对该车道拓扑在当前场景下的类人性进行评价。若该车道拓扑连接的前后驶入车道和驶出车道向左或向右横跨多条车道进行斜穿,会导致该车道拓扑轨迹不类人,提升了与他车抢道的风险,所以该车道拓扑的斜穿车道数越少,其拓扑代价C2越低,w2是拓扑代价在总代价中所占权重。
上述平滑性代价是该车道拓扑曲线由当前场景下驶入车道轨迹、虚拟车道轨迹、驶出车道轨迹共同构成,对该车道拓扑曲线的曲率和曲率变化率进行评价,曲率和曲率变化率越小,说明该车道拓扑曲线越平滑,其平滑性代价C3越低,w3是平滑性代价在总代价中所占权重。
上述车流交汇代价是根据该车道拓扑连接的驶出车道的所有车道拓扑连接关系,对该车道拓扑在当前场景下与其他交通流交汇的属性进行评价。若该车道拓扑的驶出车道同时还属于其他方向车道拓扑,例如:该直行车道拓扑的驶出车道也是其他左转、掉头、右转车道拓扑的驶出车道,则意味着该车道拓扑将与其他方向车辆进行交汇并发生抢道或侧向挤压的风险更高,因此车辆交互关系将更复杂,通行效率更低,车道交汇代价C4越高,w4是车流交汇代价在总代价中所占权重。
在左转、右转、直行、掉头等不同交通场景中,交通规则对车道拓扑的选择有不同倾向性。例如,左转、右转、掉头场景中,按照交通规则倾向于选择内侧车道拓扑,而在直行场景中则更倾向于选择更平直的车道拓扑,以避免与其他方向车流发生复杂交汇。因此,交通规则代价是表征交通规则对当前场景下车道拓扑的倾向优先级的代价,交通规则倾向优先级越高的车道拓扑,其交通规则代价C5越低,w5是交通规则代价在总代价中所占权重。
考虑同一条驶入车道有多条驶出车道的同簇车道拓扑场景中,人类司机往往能根据驾驶经验选择通行效率更高的车道拓扑,从宏观角度看即表现为同簇车道场景中宏观交通流的车流分配比例。因此,宏观交通流中车流占比越高的车道拓扑,意味着越接近人类司机的选择,通行效率也越高,其通行效率代价C6应越低,w6是通行效率代价在总代价中所占权重。
由此,对上述车道拓扑曲线集合中的各车道曲线进行总代价评价,可表示对同一条驶入车道相关的同簇车道拓扑中各条曲线的导航推荐优先级,用于选取综合最优的车道拓扑。例如,拓扑更平直、轨迹更平滑、无车道交汇、通行效率更高的车道拓扑则是导航最优推荐车道拓扑曲线。
通过计算每条车道拓扑曲线的评价值,进而从中选取评价值最优的车道拓扑曲线作为目标路径。
示例性地,当车辆接近如多对多交叉路口、待转区路口、S弯、高架入口等场景前,依靠导航推荐评价具备的全局视野,车辆可选择导航推荐最优的车道拓扑曲线,从而提前换道,以规避车道斜穿、他车侧向挤压、多车道合并等车流冲突的高风险车道拓扑。具体地,对于多对多交叉路口,最优推荐拓扑对齐更平直、可行驶距离更长的车道拓扑曲线。对于待转区路口,最优推荐进入待转区后的车道拓扑曲线。对于S弯,最优推荐沿车道线的车道拓扑曲线。对于左/右转、掉头场景,最优推荐满足运动学的、最内侧的车道拓扑曲线。
当车辆处于多对多交叉路口、待转区路口、S弯、高架入口等场景中时,若传感器检测到实时交通流已占用或挤压导航推荐最优的车道拓扑曲线,车辆可综合各车道拓扑的导航推荐评价和实时动态风险,选择当前场景下最优车道拓扑,例如可能是导航推荐的次优车道拓扑曲线等。具体地,对于多对多交叉路口,最优推荐侧向车流干扰更少、可行驶距离更长的车道拓扑曲线。对于S弯,最优推荐切弯的车道拓扑曲线。对于待转区路口,最优推荐不进入待转区的内切的车道拓扑曲线。对于左/右转、掉头场景,最优推荐满足运动学的、无占用的内侧的车道拓扑曲线。
本申请实施例,通过根据路口、路口的驶入道路、路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,通过对该M条车道拓扑曲线进行合理性检测与处理,得到K’条车道拓扑曲线,进而从该K’条车道拓扑曲线中确定目标路径,以引导车辆行驶。采用该手段,通过生成完备合理的车道拓扑曲线,并为车辆提供驾驶引导信息,有效提升车辆通过该路口的轨迹类人性和通行效率。
实施例一
参照图8a所示,为本申请实施例提供的一种待转区的异形多对多直行路口场景。如图8a所示,该场景包括有待转区、有公交车道、有停靠车道、驶入驶出车道不对齐、异形钝角路口。
图8a中所示驶入道路包含1条待转区的左转车道、1条右转车道、1条公交车直行车道以及2条普通直行车道;驶出道路包含1条停靠车道和3条普通直行驶出车道。
根据交通规则,在公交车道指定通行时段内其他车辆不得无故占用公交车道,而停靠车道内多为公交车站、故障临停区等特殊区域,因此该场景中驶入车道仅有2条直行车道(Li1,Li2),驶出车道仅有3条直行车道(Lo1,Lo2,Lo3),则车道级全连接拓扑包括所有备选的6条车道拓扑:Li1→Lo1,Li1→Lo2,Li1→Lo3,Li2→Lo1,Li2→Lo2,Li2→Lo3。
基于高精度地图和传感器获取的环境感知障碍物信息以及车道线信息,如图8a中所示的障碍物U4、U5、U6、U7、U8、U9,以及车道标线R1和R3等。其中硬边界约束包括上述障碍物U4、U5、U6、U7、U8、U9所示的马路牙子、安全岛、绿化带等,以及路口边界线等;软边界约束由图8a中所示两个左转待转区的车道标线R1和R3构成。
上述障碍物区域分布在上述生成的6条车道拓扑的左右两侧,且对于每条车道拓扑来说,左右侧障碍物区域分布完全相同,因此,每条车道拓扑的硬边界约束相同。同样地,对于每条车道拓扑来说,软边界约束分布也完全相同,因此,每条车道拓扑的软边界约束相同。
虚拟边界约束考虑邻近车道中车流轨迹的干涉影响,反映软硬边界对同向车道逐渐减弱的间接约束作用,因此每条车道拓扑的虚拟边界约束各不相同。例如,以车道拓扑Li2→Lo2为例,由于车道拓扑Li1→Lo1中的车流轨迹受到其软硬边界影响,所以由于临近车道的车流轨迹干涉影响,其软硬边界也将对车道拓扑Li2→Lo2产生虚拟边界约束。左侧最近邻车道Li1→Li1的参考拓扑曲线如图8b中曲线S5所示,其碰撞深度向量如所示。车道拓扑Li2→Lo2的左侧虚拟边界约束如图8b中区域U40、U50、U60和虚线S6、S7所示,沿碰撞深度向量平移距离为
同样地,车道拓扑Li1→Lo2受其右侧最近邻车道的车流轨迹干涉影响,产生虚拟边界约束。右侧最近邻车道Li2→Lo3的参考拓扑曲线如图8b中曲线S8所示,其碰撞深度向量如所示。右对齐的车道位序沿碰撞深度向量反向平移距离为d2,且d2>Wvehicle,以及d2<Wlane,因此车道拓扑Li1→Lo2的右侧虚拟边界约束如区域U70所示。
车道级全连接拓扑中的其他车道拓扑,其软硬边界约束及虚拟边界约束生成方式可参阅上述介绍,在此不再赘述。
在上述软硬边界约束和虚拟边界约束下,采用基于Spiral曲线的优化算法为车道级全连接拓扑中的6条车道拓扑生成曲率平滑且类人的虚拟车道轨迹。基于起止位姿采样、控制点采样、曲线轨迹生成,车道级全连接拓扑中的6条车道拓扑都生成若干条备选曲线。
以车道拓扑Li1→Lo1,Li2→Lo2的三条备选曲线为例进行说明,如图8c所示。对于车道拓扑Li1→Lo1的备选曲线a、b、c,曲线b因曲率及其变化率均更均匀,到软边界(待转区车道线)的距离满足通行空间需求,且曲线长度更短,因此曲线b为车道拓扑Li1→Lo1的最优曲线;对于车道拓扑Li2→Lo2,由于曲线f曲率变化过大,且曲线d与曲线e相比,虽然到软边界(待转区车道线)的距离满足通行空间需求,曲线长度仅略短,但曲线d与虚拟边界S6之间的距离偏小,因此曲线e的虚拟车道曲线评价值更优,应选为车道拓扑Li2→Lo2的最优曲线。最后,车道拓扑Li1→Lo1的最优曲线b与车道拓扑Li2→Lo2的最优曲线e均满足软硬边界约束和虚拟边界约束,与场景中的边界障碍物无碰撞,因此不需要进行局部曲线形态调整。
根据车道拓扑曲线合理性筛选原则,对上述车道级全连接拓扑中的6条车道拓扑及其曲线进行合理性筛选,删除不合理的车道拓扑,得到合理的车道拓扑曲线集合,从而完成了对当前场景的道路拓扑分析。
具体地,将该实施例场景驶入道路、驶出道路的方向向量进行前后延伸,其交点位于路口驶入道路和驶出道路之间,因此通过方向向量延长线交点作角平分线得到投影线。将驶入车道Li1,Li2和驶出车道Lo1,Lo2,Lo3的车道边线延伸到投影线,计算左右车道边线在投影线上的对齐系数(即投影重叠系数);若对齐系数大于预设阈值,则保留该车道拓扑;若对齐系数不大于预设阈值,则从车道级全连接拓扑中删除该车道拓扑。若某条驶入车道的所有对齐系数均小于该设定阈值,可选的,可保留对齐系数最大的车道拓扑。
下面以两种重叠结果为例进行说明。设定对齐系数预设阈值为1/3。
综上,车道拓扑Li1→Lo1,Li1→Lo2和Li2→Lo2,Li2→Lo3的对齐系数均大于预设阈值,则保留相应的车道拓扑,而车道拓扑Li1→Lo3和Li2→Lo1的对齐系数小于预设阈值,则从车道级全连接拓扑中删除相应的车道拓扑及其曲线。
因此,车道拓扑Li1→Lo2和Li2→Lo3的对齐系数均大于预设阈值,则保留相应的车道拓扑,但车道拓扑Li1→Lo1,Li1→Lo3和Li2→Lo2,Li2→Lo1的对齐系数小于预设阈值,应从车道级全连接拓扑中删除相应的车道拓扑及其曲线。
上述两种示例筛选后保留的车道拓扑曲线集合{Li1→Lo1,Li1→Lo2,Li2→Lo2,Li2→Lo3}或{Li1→Lo2,Li2→Lo3}中,各车道拓扑均曲率平滑,满足车辆转弯半径要求,因此满足运动学筛选原则;由于在车道拓扑生成中已考虑公交车道、停靠车道、左转待转车道、右转车道的交通规则,因此生成的车道级全连接拓扑也符合交通规则筛选条件;且各车道拓扑曲线均未与场景中各障碍物区域发生碰撞,各轨迹之间、与待转区之间均无干涉影响,且有足够通行空间,因此也符合碰撞检测筛选原则和车流干扰筛选原则。
对于上述示例(1)的情况,筛选后保留的车道拓扑曲线集合不需要进行拓扑补充。但对于示例(2)的情况,筛选后保留的车道拓扑曲线集合为{Li1→Lo2,Li2→Lo3},驶出车道Lo1无合理保留的车道拓扑,因此应当根据左对齐/右对齐补充原则、驶出拓扑补充原则、相邻车道补充原则进行拓扑补齐。按照左对齐的车道对应关系,应当为驶出车道Lo1补充车道拓扑Li1→Lo1;由于按照右对齐的车道对应关系,驶出车道Lo1无对应驶入车道,所以不需要补充右对齐车道拓扑,至此保留的车道拓扑曲线集合为{Li1→Lo1,Li1→Lo2,Li2→Lo3},因此也不满足驶出拓扑补充原则和相邻车道补充原则的条件。
经上述方法对车道级全连接拓扑进行曲线生成、拓扑合理性筛选和补充后,即可得到完备且合理的车道拓扑曲线集合{Li1→Lo1,Li1→Lo2,Li2→Lo2,Li2→Lo3}或{Li1→Lo1,Li1→Lo2,Li2→Lo3},从而完成对当前场景的道路拓扑分析。
下面仅以示例(1)产生的车道拓扑曲线集合{Li1→Lo1,Li1→Lo2,Li2→Lo2,Li2→Lo3}为例进行介绍。
该示例以车道拓扑推荐评价函数包含导航代价、拓扑代价、平滑性代价、车流交汇代价、交通规则代价和通行效率代价为例,对由同一条驶入车道进入该场景的多条车道拓扑曲线计算导航推荐优先级,用于选取综合最优的车道拓扑。
假设该实施例场景中,全局导航规划路线在该路口之后向左转弯到达终点,因此各驶出车道到终点方向的可行驶距离关系为:此外,设置各项代价的权重关系为:导航代价所占权重w1=5,拓扑代价所占权重w2=2,平滑性代价所占权重w3=0.5,车流交汇代价所占权重w4=1,交通规则代价所占权重w5=10,通行效率代价所占权重w6=0.3。
对于由驶入车道Li1进入路口的车道拓扑Li1→Lo1和Li1→Lo2:
当车辆在该实施例场景中行驶时,若该路口场景比较空旷,车辆通过该路口时无其他车辆产生侧向挤压,则将沿着车道拓扑Li1→Lo1或Li2→Lo2行驶,如图8f所示;
若车道拓扑Li1→Lo1中存在前方车辆慢速行驶或时停时走,则自车可以实时选择车道拓扑Li1→Lo2继续行驶,从而提升舒适性和通行效率,如图8g所示;
若车道拓扑Li2→Lo2中存在其他车辆沿着车道拓扑Li1→Lo2行驶,与自车抢道或产生侧向挤压,则自车可以实时选择车道拓扑Li2→Lo3,从而减少与他车冲突的风险,提高安全性和通行效率,如图8h所示。
该实施例考虑了公交车道、停靠车道、左转待转车道、右转车道等特殊车道的交通规则通行特性,并在此基础上生成了车道级全连接拓扑空间,既包含该场景下所有可能的车道拓扑,又排除违背交通规则的不合理车道拓扑,为构建完备且合理的道路拓扑空间奠定基础。
本方案各条车道拓扑的硬边界约束中不仅考虑了高精度地图,还考虑了传感器实时感知的物理世界现实变更等,使得本方法既可以用于离线地图生成,又可用于车道拓扑轨迹在线生成;在软边界约束和虚拟边界约束生成中,考虑了待转区等软硬边界对其最近邻车流轨迹Li1→Lo1或Li2→Lo3、次近邻车流轨迹Li2→Lo2或Li1→Lo1、Li1→Lo2等同向车道逐渐减弱的干涉影响,保证了不同车道拓扑轨迹之间的通行空间和安全性,更符合人类驾驶员习惯和实际道路交通规律。
其中,在车道拓扑Li1→Lo1、Li2→Lo2的类人性轨迹生成中,不仅考虑轨迹的曲率、曲率变化率,还考虑了车道轨迹之间的通行空间、通行效率等因素,从而从多条采样生成的备选轨迹中选择最优轨迹时,保证该待转区钝角路口中弯曲的外侧车道拓扑Li2→Lo2其轨迹在曲率尽量降低的同时保证与内侧车道拓扑Li1→Lo1轨迹保持足够远距离,避免出现轨迹被过于拉直、导致虚拟车道轨迹之间间距过窄问题,保证了车道拓扑轨迹的安全性和平顺性。
同时,考虑了驶入、驶出车道的对齐程度以及边道拓扑补齐,使得道路拓扑分析结果类人程度高:对于图8d中多对多且投影重叠区域均较大的情况,保留车道拓扑轨迹集合{Li1→Lo1,Li1→Lo2,Li2→Lo2,Li2→Lo3};对于图8e中多对多但重叠区域较小的情况,筛除无效车道拓扑,并增加边道拓扑进行拓扑补齐,得到车道拓扑轨迹集合{Li1→Lo1,Li1→Lo2,Li2→Lo3,提升车道拓扑轨迹集合的丰富性,保证道路拓扑分析的完备性和合理性,从根本上保证了密集车流场景中车辆实时车道决策的自由度和灵活性,以及用于他车意图和轨迹预测的准确性。
该实施例还对车道拓扑轨迹集合{Li1→Lo1,Li1→Lo2,Li2→Lo2,Li2→Lo3}中的车道拓扑轨迹的导航推荐评价中,引入了全局导航信息、车道拓扑与交汇、交通规则优先级、宏观交通流信息等,同时还能在实时导航中结合动静态交通环境,辅助车辆实时选择最优目标路径,从而具备全局视野,提前规避车道斜穿、他车侧向挤压、多车道合并等车流冲突的高风险车道拓扑,减少与他车的复杂交互,有效提升车辆交汇、车流密集情况下的通行效率和舒适性。
与现有技术相比,本方案的车道级全连接拓扑空间生成考虑了公交车道、停靠车道、左转待转车道、右转车道等特殊车道的交通规则通行特性,既包含该场景下所有可能的车道拓扑,又排除违背交通规则的不合理车道拓扑,为构建完备且合理的道路拓扑空间奠定基础;
与现有技术相比,车道拓扑的边界约束生成中考虑了传感器实时感知的物理世界现实变更,使本方法可用于车道拓扑轨迹在线生成;考虑了软硬边界和车流轨迹对同向车道逐渐减弱的干涉影响和间接约束,保证了不同车道拓扑轨迹之间的通行空间和安全性,更符合人类驾驶员***直性(通行效率)以及相邻车道间的通行空间,保证了虚拟车道轨迹的平顺性和类人性,减少与其他车道的车流冲突;
与现有技术相比,本方案在车道级全连接拓扑的基础上,通过类人的投影重叠筛选、边道拓扑补齐,删除不合理的车道拓扑,构建完备且合理的道路拓扑空间,保证存在多种合理驾驶轨迹的场景中保证道路拓扑分析的完备性和合理性,有效提升密集车流场景中车辆实时车道决策的自由度和灵活性;
与现有技术相比,本方案在车道拓扑轨迹的导航推荐评价中,考虑全局导航信息、车道拓扑与交汇、交通规则优先级、宏观交通流信息等,使得车辆具备全局视野且能结合动静态交通环境,提前规避高风险车道,减少与他车交互,有效提升车辆交汇、车流密集情况下的舒适性和通行效率。
实施例二
如图9a所示,该实施例场景为环岛场景。车辆需经由下方道路进入环岛并经由右下第一个出口或下方第二个出口离开该环岛。其中,进入环岛的道路可能包含一条或多条驶入车道,沿环岛巡航的道路也可能具备一条或多条沿环岛车道。根据具体驾驶任务,可能途径若干个环岛路口后驶离环岛,也可能在下一个环岛路口驶离该环岛。
参照图9a所示,进入环岛为一个路口A,驶离环岛为一个路口B或C。首先,建立驶入环岛、驶出环岛路口的车道级全连接拓扑,以环岛任务A->B和环岛任务A->C为例,驶入环岛、驶出环岛路口的拓扑如图9a所示。
如图9b所示,以驶入环岛路口的车道拓扑1-4和2-5为例介绍生成的边界约束。
(1)硬边界约束包括道路边界、路沿、绿化带以及不可跨越的车道线等,如图9b中粗线条以及环岛路线边界所示;
(2)软边界约束为可跨越的车道线,如虚线车道边界;
(3)虚拟边界约束为软边界、硬边界约束平移后得到的形状约束,如图9b中箭头所指向的曲线。
本实施例中,车道拓扑2-5可能与右侧硬边界约束发生碰撞,因此该硬边界将影响车道拓扑2-5的车流轨迹;间接地,该硬边界将影响到其次邻近车道拓扑1-4的车流轨迹,因此该硬约束通过平移原则移动至对应位置(图9b中箭头所指向的曲线),得到车道拓扑1-4的虚拟边界约束。
本实施例的车道曲线生成中,对于该驶入环岛路口,如图9c所示,进入环岛端属于真实路口(边界L1),而沿环岛端(边界L2)属于虚拟路口边界。因此对于环岛路口,边界线在环岛中的虚拟路口边界,车道拓扑曲线生成的起止位姿采样点可以向虚拟路口外侧延伸,如图9c中的点a、点b、点c,从而生成合理、平坦的类人性车道拓扑曲线,而不受高精度地图中虚拟路口边界的过分约束。车道曲线生成的方法与前述实施例一类似,在此不再赘述。其中,车道拓扑1-4生成的虚拟车道曲线如图9c中的虚线曲线所示,其中综合评价得到的最优轨迹如实线曲线所示。
经过拓扑投影筛选原则、运动学筛选原则、交通规则筛选、碰撞检测筛选和车流干扰筛选等原则后,保留的驶入路口车道拓扑如图9d中所示a、b、c三条,筛除了1-5,2-3、2-4三条备选车道拓扑;同理,驶出路口车道拓扑如图9d中所示d、e、f三条,筛除了3-6,4-6、5-7三条备选车道拓扑。
本实施例环岛场景中,导航推荐评价函数中影响较大的代价包括:
(1)导航代价:对于环岛绕行路径百分比较高(第二个驶出环岛路口离开环岛)的情况,环岛绕行路径百分比较高,可将第一个驶出环岛路口作为普通绕行处理,由于内侧车道总轨迹长度最短,环岛内的车道3、4、5导航代价大小为:车道5的导航代价>车道4的导航代价>车道3的导航代价;对于环岛绕行路径百分比较低(下一个路口就驶离环岛)的情况,导航代价为车道5的导航代价=车道4的导航代价=车道3的导航代价。
(2)拓扑代价:c的拓扑代价>b的拓扑代价>a的拓扑代价,d的拓扑代价>e的拓扑代价>f的拓扑代价。
(3)平滑性代价:曲线c的平滑性代价≈曲线b的平滑性代价≈曲线a的平滑性代价,曲线d的平滑性代价≈曲线e的平滑性代价≈曲线f的平滑性代价。
(4)车流交汇代价:对于环岛绕行路径百分比较高(第二个驶出环岛路口离开环岛)的情况,环岛内的车道3、4、5的车流交汇代价大小为:车道5的车流交汇代价>>车道4的车流交汇代价>>车道3的车流交汇代价;
对于环岛绕行路径百分比较低(下一个路口就驶离环岛)的情况,车流交汇代价为:车道5的车流交汇代价=车道4的车流交汇代价=车道3的车流交汇代价。
(5)交通规则代价:c的交通规则代价>b的交通规则代价>a的交通规则代价,d的交通规则代价>e的交通规则代价>f的交通规则代价。
(6)通行效率代价:a的通行效率代价>b的通行效率代价>c的通行效率代价,5的通行效率代价>4的通行效率代价>3的通行效率代价,f的通行效率代价>e的通行效率代价>d的通行效率代价。
基于上述代价,考虑到车道4比车道5较优,因此可通过变道实现最优路径2-a-5-4-5-f-6;同样地,考虑到车道4比车道3较优,因此可通过变道实现最优路径1-b-4-5-f-6。
综合以上考虑,本实施例导航推荐评价得到的最优路径为:1-b-4-5-f-6和2-a-5-4-5-f-6。
该实施例针对驶入、驶出环岛路口特点,对虚拟路口侧轨迹始末姿态采样点向外侧进行合理延伸,提高生成轨迹的质量,提升轨迹类人性,避免高精度地图制图引起的轨迹不合理,也避免了拓扑筛选因轨迹生成不合理而错误筛除,保障道路拓扑分析的完备性。
该实施例中,驶入、驶出环岛路口内车道拓扑轨迹生成时,考虑了多条平行的车道拓扑情况下的虚拟边界间接约束作用,提高生成轨迹的类人性和通过性,避免与相邻车道拓扑的干涉影响,提高环岛驶入驶出路口的安全性;
同时,考虑了环岛绕行路径百分比较高时,绕行过程中穿越环岛路口作为普通环岛绕行处理,降低环岛场景处理的复杂度;基于完备的车道拓扑空间,通过考虑车流交汇和通行效率代价,在绕行百分比高时推荐进入环岛内圈车道,极大提高通行效率,避免在环岛路口内车流汇聚的弯道区域中变道的问题,提升通行安全性和类人程度;
该实施例通过保留多条合理的车道拓扑,构建完备的车道拓扑空间,保障在各种交通环境下,均能够有效提升通行效率、安全性、舒适性:当环岛中车流密集时,尽快进入环岛最外圈进行沿环岛行驶;在环岛外圈汇入过多车辆时,直接进入中间车道沿环岛行驶,避免交通拥堵造成的长时间等待,提高通行效率;当环岛中车流通畅时,直接驶入最内侧车道沿环岛行驶,有效减少驶入驶出环岛路口的车流交汇,降低自车风险,行驶距离短,通行效率高。
实施例三
参照图10a、图10b所示,为本申请实施例提供的有待转区、红绿灯的左转路口场景。根据待转区域、停止线位置,考虑交通规则(红绿灯状态与停止线待转区信息),以及其他边界约束,生成:(1)当左转灯为红灯时,待转区停止线处的车道级全连接车道拓扑曲线如图10a中路口虚线所示;(2)当左转灯为绿灯时,路口停止线处的车道级全连接车道拓扑轨迹如图10b中路口虚线所示。其中,具体生成方法可参阅前述实施例,在此不再赘述。
基于拓扑筛选、导航推荐评价得到导航推荐最优车道拓扑曲线,如图10a、图10b中实线曲线所示。
当车辆行驶到图中所示有待转区的左转路口时,若传感器实时感知当前左转灯为红灯、直行灯为绿灯时,车辆先进入待转区等待左转灯变为绿灯,因此最优推荐车道拓扑曲线如图10a中的实线曲线所示。若传感器实时感知当前左转灯为绿灯时,图10a中导航推荐最优车道拓扑的曲率、通行效率代价过高,因此最优推荐的是不考虑待转区的最内侧内切车道曲线,如图10b中的实线曲线所示。
该实施例对有待转区、红绿灯的左转路口,考虑不同交通时间(红灯、绿灯)时自车所处位置不同,分别生成不同的车道级全连接拓扑曲线,保证道路拓扑分析的完备性,能够在任何红绿灯状态下推荐最符合当前时刻的最佳车道拓扑曲线,避免车道拓扑曲线过于呆板,不能适应实时的交通状态变化,提高轨迹类人性。
实施例四
参照图11a、图11b所示,为本申请实施例提供的小S弯场景。在该场景中,人类驾驶员为了追求更平直的行驶路径,经常会跨车道线行驶。若自动驾驶车辆仅能沿着车道线所确定的车道拓扑曲线行驶,当遇到人类驾驶员跨车道线行驶的场景时,将会触发紧急避让行为,则会降低舒适度,体验不佳,甚至有碰撞风险,如图11a所示。
在该场景中,采用如前述实施例所述方法可生成如图11b所示的6条虚拟车道拓扑曲线,得到完备的道路拓扑分析。在实时导航的过程中,自动驾驶车辆可以根据他车1的行为,选择虚拟车道拓扑曲线3实现跨车道线行驶通过此小S弯场景,避免和他车1的碰撞可能,提高自车安全性;但当没有他车影响时,由于跨越车道线的虚拟车道拓扑曲线的导航推荐评价总代价更高,会优先为自车推荐不跨越车道线的虚拟车道拓扑曲线,如图11b中的车道拓扑曲线1、2、4、6所示。
实施例五
参照图12所示,为本申请实施例提供的城区高架过渡段-匝道场景。目前一般高精度地图提供的进入匝道方式仅有如图12中车道拓扑曲线1。但在实际驾驶过程中,若自车遇到交通较为拥堵或右侧车道存在障碍物的情况时,自车可能被右侧车辆(或障碍物)压制在右二车道,长时间无法变道到最右侧车道,从而错失进入匝道的时机。
在该场景中,采用如前述实施例所述方法可生成如图12所示的3条车道拓扑曲线1、2、3,得到完备的道路拓扑分析。在交通较为拥堵或存在障碍物时,自车虽然被右侧车辆(或障碍物)压制在右二车道,但可以选择虚拟车道拓扑曲线2进入匝道中;若交通通畅或不存在障碍物时,由于虚拟车道拓扑曲线1的导航推荐评价最优,虚拟车道拓扑曲线2其次,虚拟车道拓扑曲线3再次,此时自车优先会通过换道进入最右侧车道,然后选择虚拟车道拓扑曲线1进入匝道中,更符合人驾习惯。
实施例六
参照图13所示,为本申请实施例提供的多车道无车道标线路段场景。在城区道路上,多车道无标线路段通常出现在车道数量变化、非路口人行横道处等交通场景中。由于不存在与之车流交汇的道路,这种路段场景不属于常规交叉路口,然而该场景同样适用本方案所述的路口场景。
针对该实施例场景,采用如前述实施例所述方法可生成合理且完备的虚拟车道拓扑曲线集合并赋予合适的导航推荐评价,如图13中的车道拓扑曲线(图中实线曲线)所示。
实施例七
参照图14所示,为本申请实施例提供的连续转弯场景。该场景需要完成左转之后立即右转的驾驶任务。高精地图一般在左转路口仅提供驶入道路左一车道对驶出道路左一车道的虚拟车道拓扑曲线1,但在左转后、右转前,车辆将面临短距离连续换道三次的问题,实际场景中很难完成。
针对该实施例场景,本方案采用如前述实施例所述方法可生成合理且完备的虚拟车道拓扑曲线集合,并进行导航推荐评价,其得到虚拟车道拓扑曲线1、2和3,因此,车辆可以选择虚拟车道拓扑曲线3左转过第一个路口,此后将只需要变道一次即可右转通过第二个路口,保证了车道选择的自由度,极大提升极端交通场景中的成功率和通行效率。
实施例八
参照图15所示,为本申请实施例提供的窄道掉头场景。在该实施例场景中,采用如前述实施例所述方法可生成完备的车道级全连接拓扑,得到虚拟车道拓扑曲线1、2。基于拓扑合理性筛选中,由于虚拟车道拓扑曲线1不能满足运动学筛选原则(小半径的掉头曲线),从而将虚拟车道拓扑曲线1删除,仅保留虚拟车道拓扑曲线2;若虚拟车道拓扑曲线1、2均不满足运动学筛选原则,则保留曲率半径更大的一条车道拓扑曲线,确保车道拓扑的连通性,从而构成完备且合理的车道拓扑曲线集合,保证车道拓扑轨迹的类人性。
上述各实施例介绍了不同场景的实现方式,当然,本方案还可以用于其他场景,本方案对此不做具体限定。
在上述实施例的基础上,本方案还提供一种基于路口的地图生成方法,包括:根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;根据所述路口内的K’条车道拓扑曲线生成所述路口的地图。
其中,针对该方法的具体实现可参阅前述实施例中的相关介绍,在此不再赘述。
参照图16所示,为本申请实施例提供的一种引导车辆行驶的装置示意图。如图16所示,其包括曲线生成模块1601、检测处理模块1602和确定模块1603,其中:
曲线生成模块1601,用于根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;
检测处理模块1602,用于对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;
确定模块1603,用于当所述车辆位于所述驶入道路中时,从所述K’条车道拓扑曲线中确定目标路径。
其中,所述曲线生成模块1601,用于:
根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;
根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;
根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
可选的,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
进一步地,所述曲线生成模块1601,还用于:
分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;
对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
其中,所述曲线生成模块1601,还用于:
在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;
根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
可选的,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
其中,所述检测处理模块1602,用于:
根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;
计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;
根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
其中,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
进一步地,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,
所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
可选的,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
其中,所述装置还包括评价模块,用于:
计算所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值,所述评价值与所述车道拓扑曲线曲率、曲率变化率以及斜穿车道数量、以及所述车道拓扑曲线对应的车道的车道交汇信息、交通规则信息、车流量估计值、可行驶距离中的至少一项有关;
所述确定模块1603,用于:
当所述车辆位于所述驶入道路中时,根据所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值确定所述目标路径。
其中,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
在本实施例中,该引导车辆行驶装置是以模块的形式来呈现。这里的“模块”可以指特定应用集成电路(application-specific integrated circuit,ASIC),执行一个或多个软件或固件程序的处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。
此外,以上曲线生成模块1601、检测处理模块1602和确定模块1603,可通过图17所示的引导车辆行驶装置的处理器1702来实现。
另一方面,本方案还提供一种基于路口的地图生成装置,包括:曲线生成模块,用于根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;检测处理模块,用于对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;地图生成模块,用于根据所述路口内的K’条车道拓扑曲线生成所述路口的地图。
该装置还可以包括如上所述的各模块,本方案对此不做具体限定。
图17是本申请实施例提供的引导车辆行驶装置的硬件结构示意图。图17所示的引导车辆行驶装置1700(该装置1700具体可以是一种计算机设备)包括存储器1701、处理器1702、通信接口1703以及总线1704。其中,存储器1701、处理器1702、通信接口1703通过总线1704实现彼此之间的通信连接。
存储器1701可以是只读存储器(Read Only Memory,ROM),静态存储设备,动态存储设备或者随机存取存储器(Random Access Memory,RAM)。
存储器1701可以存储程序,当存储器1701中存储的程序被处理器1702执行时,处理器1702和通信接口1703用于执行本申请实施例的引导车辆行驶方法的各个步骤。
处理器1702可以采用通用的中央处理器(Central Processing Unit,CPU),微处理器,应用专用集成电路(Application Specific Integrated Circuit,ASIC),图形处理器(graphics processing unit,GPU)或者一个或多个集成电路,用于执行相关程序,以实现本申请实施例的引导车辆行驶装置中的单元所需执行的功能,或者执行本申请方法实施例的引导车辆行驶方法。
处理器1702还可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请的引导车辆行驶方法的各个步骤可以通过处理器1702中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1702还可以是通用处理器、数字信号处理器(DigitalSignal Processing,DSP)、专用集成电路(ASIC)、现成可编程门阵列(Field ProgrammableGate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1701,处理器1702读取存储器1701中的信息,结合其硬件完成本申请实施例的引导车辆行驶装置中包括的单元所需执行的功能,或者执行本申请方法实施例的引导车辆行驶方法。
通信接口1703使用例如但不限于收发器一类的收发装置,来实现装置1700与其他设备或通信网络之间的通信。例如,可以通过通信接口1703获取数据。
总线1704可包括在装置1700各个部件(例如,存储器1701、处理器1702、通信接口1703)之间传送信息的通路。
应注意,尽管图17所示的装置1700仅仅示出了存储器、处理器、通信接口,但是在具体实现过程中,本领域的技术人员应当理解,装置1700还包括实现正常运行所必须的其他器件。同时,根据具体需要,本领域的技术人员应当理解,装置1700还可包括实现其他附加功能的硬件器件。此外,本领域的技术人员应当理解,装置1700也可仅仅包括实现本申请实施例所必须的器件,而不必包括图17中所示的全部器件。
本申请还提供一种智能驾驶车辆,包括行进***、传感***、控制***和计算机***,其中,所述计算机***用于执行上述任一个方法中的一个或多个步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机或处理器上运行时,使得计算机或处理器执行上述任一个方法中的一个或多个步骤。
本申请实施例还提供了一种包含指令的计算机程序产品。当该计算机程序产品在计算机或处理器上运行时,使得计算机或处理器执行上述任一个方法中的一个或多个步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应步骤过程的具体描述,在此不再赘述。
应理解,在本申请的描述中,除非另有说明,“/”表示前后关联的对象是一种“或”的关系,例如,A/B可以表示A或B;其中A,B可以是单数或者复数。并且,在本申请的描述中,除非另有说明,“多个”是指两个或多于两个。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。另外,为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。同时,在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念,便于理解。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory,ROM),或随机存取存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
以上所述,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何在本申请实施例揭露的技术范围内的变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (52)
1.一种引导车辆行驶的方法,其特征在于,包括:
根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;
对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;
当所述车辆位于所述驶入道路中时,从所述K’条车道拓扑曲线中确定目标路径。
2.根据权利要求1所述的方法,其特征在于,所述根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,包括:
根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;
根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;
根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
3.根据权利要求2所述的方法,其特征在于,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑一一对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线,包括:
分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;
对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
5.根据权利要求4所述的方法,其特征在于,所述对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线,包括:
在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;
根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
6.根据权利要求4或5所述的方法,其特征在于,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,包括:
根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;
计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;
根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,
所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
10.根据权利要求2至9任一项所述的方法,其特征在于,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
11.根据权利要求1至10任一项所述的方法,其特征在于,所述方法还包括:
计算所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值,所述评价值与所述车道拓扑曲线曲率、曲率变化率以及斜穿车道数量、以及所述车道拓扑曲线对应的车道的车道交汇信息、交通规则信息、车流量估计值、可行驶距离中的至少一项有关;
所述当所述车辆位于所述驶入道路中时,从所述K’条车道拓扑曲线中确定目标路径,包括:
当所述车辆位于所述驶入道路中时,根据所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值确定所述目标路径。
12.根据权利要求1至11任一项所述的方法,其特征在于,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
13.一种基于路口的地图生成方法,其特征在于,包括:
根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;
对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;
根据所述路口内的K’条车道拓扑曲线生成所述路口的地图。
14.根据权利要求13所述的方法,其特征在于,所述根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,包括:
根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;
根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;
根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
15.根据权利要求14所述的方法,其特征在于,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
16.根据权利要求14或15所述的方法,其特征在于,所述根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线,包括:
分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;
对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
17.根据权利要求16所述的方法,其特征在于,所述对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线,包括:
在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;
根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
18.根据权利要求16或17所述的方法,其特征在于,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
19.根据权利要求13至18任一项所述的方法,其特征在于,所述对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,包括:
根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;
计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;
根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
20.根据权利要求13至19任一项所述的方法,其特征在于,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
21.根据权利要求13至20任一项所述的方法,其特征在于,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,
所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
22.根据权利要求14至21任一项所述的方法,其特征在于,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
23.根据权利要求13至22任一项所述的方法,其特征在于,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
24.一种引导车辆行驶的装置,其特征在于,包括:
曲线生成模块,用于根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;
检测处理模块,用于对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;
确定模块,用于当所述车辆位于所述驶入道路中时,从所述K’条车道拓扑曲线中确定目标路径。
25.根据权利要求24所述的装置,其特征在于,所述曲线生成模块,用于:
根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;
根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;
根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
26.根据权利要求25所述的装置,其特征在于,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
27.根据权利要求25或26所述的装置,其特征在于,所述曲线生成模块,还用于:
分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;
对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
28.根据权利要求27所述的装置,其特征在于,所述曲线生成模块,还用于:
在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;
根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
29.根据权利要求27或28所述的装置,其特征在于,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
30.根据权利要求24至29任一项所述的装置,其特征在于,所述检测处理模块,用于:
根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;
计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;
根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
31.根据权利要求24至30任一项所述的装置,其特征在于,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
32.根据权利要求24至31任一项所述的装置,其特征在于,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,
所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
33.根据权利要求25至32任一项所述的装置,其特征在于,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
34.根据权利要求24至33任一项所述的装置,其特征在于,所述装置还包括评价模块,用于:
计算所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值,所述评价值与所述车道拓扑曲线曲率、曲率变化率以及斜穿车道数量、以及所述车道拓扑曲线对应的车道的车道交汇信息、交通规则信息、车流量估计值、可行驶距离中的至少一项有关;
所述确定模块,用于:
当所述车辆位于所述驶入道路中时,根据所述K’条车道拓扑曲线中每条车道拓扑曲线的评价值确定所述目标路径。
35.根据权利要求24至34任一项所述的装置,其特征在于,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
36.一种基于路口的地图生成装置,其特征在于,包括:
曲线生成模块,用于根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及车道线生成M条车道拓扑曲线,所述车道拓扑曲线为以所述驶入道路的驶入车道的末端和所述驶出道路的驶出车道的起始点为端点的曲线;
检测处理模块,用于对所述M条车道拓扑曲线进行合理性检测处理,以得到K’条车道拓扑曲线,其中,K’不大于M;
地图生成模块,用于根据所述路口内的K’条车道拓扑曲线生成所述路口的地图。
37.根据权利要求36所述的装置,其特征在于,所述曲线生成模块,用于:
根据路口、所述路口的驶入道路、所述路口的驶出道路中的障碍物以及不可跨越车道线得到车道拓扑曲线硬边界约束;
根据所述路口、所述路口的驶入道路、所述路口的驶出道路中的可跨越车道线得到车道拓扑曲线软边界约束;
根据所述车道拓扑曲线硬边界约束和所述车道拓扑曲线软边界约束得到K个车道拓扑曲线虚拟边界约束;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束生成所述M条车道拓扑曲线。
38.根据权利要求37所述的装置,其特征在于,所述K个车道拓扑曲线虚拟边界约束与K个车道拓扑对应,所述K个车道拓扑曲线虚拟边界约束中任一车道拓扑曲线虚拟边界约束A是通过将所述路口的最左侧车道拓扑左侧的硬边界约束和/或软边界约束向右平移第一预设距离,以及将所述路口的最右侧车道拓扑右侧的硬边界约束和/或软边界约束向左平移第一预设距离得到的,其中,所述第一预设距离是根据车道拓扑A’的车道位序确定的,或者,所述第一预设距离是根据所述车辆预设通过宽度、车道宽度中的至少一项以及所述车道拓扑A’的车道位序确定的,所述车道拓扑曲线虚拟边界约束A与所述车道拓扑A’对应,所述K个车道拓扑包括所述路口的最左侧车道拓扑和所述最右侧车道拓扑。
39.根据权利要求37或38所述的装置,其特征在于,所述曲线生成模块,还用于:
分别对所述驶入道路中每条驶入车道的末端进行角度采样得到所述驶入道路中的至少一个起始点位姿向量,并分别对所述驶出道路中每条驶出车道的起始点进行角度采样得到所述驶出道路中的至少一个终点位姿向量;
对所述至少一个起始点位姿向量和所述至少一个终点位姿向量进行曲线采样,得到所述驶入道路和所述驶出道路之间的多条曲线;
根据所述车道拓扑曲线硬边界约束、所述车道拓扑曲线软边界约束和所述K个车道拓扑曲线虚拟边界约束对所述多条曲线进行筛选处理,得到所述M条车道拓扑曲线。
40.根据权利要求39所述的装置,其特征在于,所述曲线生成模块,还用于:
在所述驶入道路的每条驶入车道的末端和所述驶出道路的每条驶出车道的起始点之间生成多个控制点;
根据所述至少一个起始点位姿向量、所述至少一个终点位姿向量以及所述多个控制点,生成所述多条平滑曲线。
41.根据权利要求39或40所述的装置,其特征在于,所述驶入道路中的至少一个起始点位姿向量是通过将所述每条驶入车道的末端延伸第二预设距离并进行采样得到的。
42.根据权利要求36至41任一项所述的装置,其特征在于,所述检测处理模块,用于:
根据所述驶入道路的方向向量、驶出道路的方向向量得到所述驶入道路、驶出道路之间的投影线,所述投影线为所述驶入道路的方向向量、驶出道路的方向向量相交所得到的夹角的平分线所在的直线,或者,所述投影线为垂直于所述驶出道路的方向向量且通过所述驶出道路的起始点的直线;
计算所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,其中,所述每条驶入车道和所述每条驶出车道之间的对齐系数为第一参数与第二参数之间的比值,所述第一参数为所述每条驶入车道的车道边线以及所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段之间的重叠长度,所述第二参数为所述每条驶入车道的车道边线和所述每条驶出车道的车道边线分别延长至所述投影线所得到的两条线段中最短的线段的长度;
根据所述驶入道路的每条驶入车道和所述驶出道路的每条驶出车道之间的对齐系数,得到K’条车道拓扑曲线,其中,所述K’条车道拓扑曲线包括以对齐系数大于第一预设阈值的驶入车道的末端、驶出车道的起始点为端点的曲线。
43.根据权利要求36至42任一项所述的装置,其特征在于,所述K’条车道拓扑曲线包括分别以所述驶入道路的最左侧驶入车道的末端、所述驶出道路的最左侧驶出车道的起始点为端点的曲线,还包括分别以所述驶入道路的最右侧驶入车道的末端、所述驶出道路的最右侧驶出车道的起始点为端点的曲线。
44.根据权利要求36至43任一项所述的装置,其特征在于,所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道的起始点为端点的车道拓扑曲线,以及以所述驶入车道X的末端以及所述驶出车道Y的右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入车道X的末端以及所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出车道Y的左侧和右侧均存在车道;或者,
所述K’条车道拓扑曲线包括以所述驶入道路中的驶入车道X的末端以及所述驶出道路中的驶出车道Y的左侧车道或者右侧车道的起始点为端点的车道拓扑曲线,还包括以所述驶入道路中的驶入车道X的末端、所述驶出车道Y的起始点为端点的车道拓扑曲线,其中,所述驶出道路中的驶出车道Y仅左侧或者右侧存在车道。
45.根据权利要求37至44任一项所述的装置,其特征在于,所述K’条车道拓扑曲线中每条车道拓扑曲线的最大曲率不大于第二预设阈值,且,所述每条车道拓扑曲线与所述车道拓扑曲线软边界约束、所述车道拓扑曲线硬边界约束之间的距离不小于第三预设距离,且,任意两条车道拓扑曲线之间的距离不小于第四预设距离。
46.根据权利要求36至45任一项所述的装置,其特征在于,所述路口包括交叉路口、环岛、待转区路口、小S弯、高架出入口、多车道且无车道标线路段、连续转弯路口、窄道掉头路口中的至少一种。
47.一种引导车辆行驶的装置,其特征在于,包括处理器和存储器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行如权利要求1至12任意一项所述的方法。
48.一种基于路口的地图生成装置,其特征在于,包括处理器和存储器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行如权利要求13至23任意一项所述的方法。
49.一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存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1至12任意一项所述的方法,和/或如权利要求13至23任意一项所述的方法。
50.一种计算机程序产品,其特征在于,当计算机程序产品在计算机上运行时,使得所述计算机执行如权利要求1至12任意一项所述的方法,和/或如权利要求13至23任意一项所述的方法。
51.一种芯片***,其特征在于,所述芯片***应用于电子设备;所述芯片***包括一个或多个接口电路,以及一个或多个处理器;所述接口电路和所述处理器通过线路互联;所述接口电路用于从所述电子设备的存储器接收信号,并向所述处理器发送所述信号,所述信号包括所述存储器中存储的计算机指令;当所述处理器执行所述计算机指令时,所述电子设备执行如权利要求1至12任意一项所述的方法,和/或如权利要求13至23任意一项所述的方法。
52.一种智能驾驶车辆,其特征在于,包括行进***、传感***、控制***和计算机***,其中,所述计算机***用于执行如权利要求1至12任意一项所述的方法,和/或如权利要求13至23任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210046464.0A CN114543825B (zh) | 2022-01-12 | 引导车辆行驶的方法、地图生成方法及相关*** | |
PCT/CN2022/138461 WO2023134364A1 (zh) | 2022-01-12 | 2022-12-12 | 引导车辆行驶的方法、地图生成方法及相关*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210046464.0A CN114543825B (zh) | 2022-01-12 | 引导车辆行驶的方法、地图生成方法及相关*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114543825A true CN114543825A (zh) | 2022-05-27 |
CN114543825B CN114543825B (zh) | 2024-07-16 |
Family
ID=
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114777799A (zh) * | 2022-06-15 | 2022-07-22 | 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 |
CN114998857A (zh) * | 2022-08-04 | 2022-09-02 | 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) | 一种基于机器视觉的车道流量分类方法及*** |
CN115457765A (zh) * | 2022-08-29 | 2022-12-09 | 无锡艾立德智能科技有限公司 | 一种融合物联网加密传输的智能交通监控*** |
CN115717899A (zh) * | 2022-11-25 | 2023-02-28 | 北京斯年智驾科技有限公司 | 一种弯道路径选择方法和装置 |
WO2023134364A1 (zh) * | 2022-01-12 | 2023-07-20 | 华为技术有限公司 | 引导车辆行驶的方法、地图生成方法及相关*** |
CN117238140A (zh) * | 2023-11-13 | 2023-12-15 | 广汽埃安新能源汽车股份有限公司 | 一种路口通行方法、装置、电子设备及存储介质 |
CN117553801A (zh) * | 2024-01-08 | 2024-02-13 | 深圳市普渡科技有限公司 | 拓扑路径图生成方法、装置、机器人及存储介质 |
CN118010055A (zh) * | 2024-02-02 | 2024-05-10 | 广州小鹏自动驾驶科技有限公司 | 行车规划方法、装置、终端设备以及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235848A (zh) * | 2013-04-15 | 2013-08-07 | 中国科学院软件研究所 | 一种基于简化路网模型的轻量级路网匹配方法 |
US20180186378A1 (en) * | 2016-12-30 | 2018-07-05 | Baidu Usa Llc | Method and system for operating autonomous driving vehicles using graph-based lane change guide |
CN110599570A (zh) * | 2019-09-17 | 2019-12-20 | 武汉中海庭数据技术有限公司 | 基于众包数据开放场景下的地图生成方法及*** |
CN110634291A (zh) * | 2019-09-17 | 2019-12-31 | 武汉中海庭数据技术有限公司 | 基于众包大数据的高精度地图拓扑自动构建方法及*** |
US20200117922A1 (en) * | 2018-08-06 | 2020-04-16 | Wuhhan Kotel Big Date Corporation | Method, system and memory for constructing transverse topological relationship of lanes in high-definition map |
CN111142525A (zh) * | 2019-12-31 | 2020-05-12 | 武汉中海庭数据技术有限公司 | 高精度地图车道拓扑构建方法及***、服务器及介质 |
CN112699708A (zh) * | 2019-10-22 | 2021-04-23 | 北京初速度科技有限公司 | 一种车道级拓扑网的生成方法及装置 |
CN113074744A (zh) * | 2021-03-18 | 2021-07-06 | 重庆数字城市科技有限公司 | 一种智能网联车用地图拓扑连线生成方法 |
CN113670308A (zh) * | 2021-07-14 | 2021-11-19 | 华为技术有限公司 | 引导车辆行驶的方法及相关***、存储介质 |
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235848A (zh) * | 2013-04-15 | 2013-08-07 | 中国科学院软件研究所 | 一种基于简化路网模型的轻量级路网匹配方法 |
US20180186378A1 (en) * | 2016-12-30 | 2018-07-05 | Baidu Usa Llc | Method and system for operating autonomous driving vehicles using graph-based lane change guide |
US20200117922A1 (en) * | 2018-08-06 | 2020-04-16 | Wuhhan Kotel Big Date Corporation | Method, system and memory for constructing transverse topological relationship of lanes in high-definition map |
CN110599570A (zh) * | 2019-09-17 | 2019-12-20 | 武汉中海庭数据技术有限公司 | 基于众包数据开放场景下的地图生成方法及*** |
CN110634291A (zh) * | 2019-09-17 | 2019-12-31 | 武汉中海庭数据技术有限公司 | 基于众包大数据的高精度地图拓扑自动构建方法及*** |
CN112699708A (zh) * | 2019-10-22 | 2021-04-23 | 北京初速度科技有限公司 | 一种车道级拓扑网的生成方法及装置 |
CN111142525A (zh) * | 2019-12-31 | 2020-05-12 | 武汉中海庭数据技术有限公司 | 高精度地图车道拓扑构建方法及***、服务器及介质 |
CN113074744A (zh) * | 2021-03-18 | 2021-07-06 | 重庆数字城市科技有限公司 | 一种智能网联车用地图拓扑连线生成方法 |
CN113670308A (zh) * | 2021-07-14 | 2021-11-19 | 华为技术有限公司 | 引导车辆行驶的方法及相关***、存储介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023134364A1 (zh) * | 2022-01-12 | 2023-07-20 | 华为技术有限公司 | 引导车辆行驶的方法、地图生成方法及相关*** |
CN114777799A (zh) * | 2022-06-15 | 2022-07-22 | 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 |
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 |
CN114998857A (zh) * | 2022-08-04 | 2022-09-02 | 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) | 一种基于机器视觉的车道流量分类方法及*** |
CN114998857B (zh) * | 2022-08-04 | 2022-10-25 | 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) | 一种基于机器视觉的车道流量分类方法及*** |
CN115457765A (zh) * | 2022-08-29 | 2022-12-09 | 无锡艾立德智能科技有限公司 | 一种融合物联网加密传输的智能交通监控*** |
CN115717899A (zh) * | 2022-11-25 | 2023-02-28 | 北京斯年智驾科技有限公司 | 一种弯道路径选择方法和装置 |
CN115717899B (zh) * | 2022-11-25 | 2024-04-30 | 北京斯年智驾科技有限公司 | 一种弯道路径选择方法和装置 |
CN117238140A (zh) * | 2023-11-13 | 2023-12-15 | 广汽埃安新能源汽车股份有限公司 | 一种路口通行方法、装置、电子设备及存储介质 |
CN117553801A (zh) * | 2024-01-08 | 2024-02-13 | 深圳市普渡科技有限公司 | 拓扑路径图生成方法、装置、机器人及存储介质 |
CN118010055A (zh) * | 2024-02-02 | 2024-05-10 | 广州小鹏自动驾驶科技有限公司 | 行车规划方法、装置、终端设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023134364A1 (zh) | 2023-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11897518B2 (en) | Systems and methods for navigating with sensing uncertainty | |
US20230347877A1 (en) | Navigation Based on Detected Size of Occlusion Zones | |
US10627830B2 (en) | Suboptimal immediate navigational response based on long term planning | |
US20220242407A1 (en) | Navigation based on sensed looking direction of a pedestrian | |
JP6916551B2 (ja) | V2x通信及びイメージ処理を利用した情報融合によって自律走行の短期経路をプランニングするための方法及び装置{method and device for short−term path planning of autonomous driving through information fusion by using v2x communication and image processing} | |
US20230159056A1 (en) | Method and apparatus for planning obstacle avoidance path of traveling apparatus | |
CN109084798A (zh) | 网络下发带有道路属性的控制点的路径规划方法 | |
WO2013069054A1 (ja) | 自律走行システム | |
CN113619602B (zh) | 引导车辆行驶的方法及相关***、存储介质 | |
CN113985871A (zh) | 泊车路径规划方法、泊车路径规划装置、车辆及存储介质 | |
CN114281084B (zh) | 一种基于改进a*算法的智能车全局路径规划方法 | |
CN115265564A (zh) | 一种车道线标注方法及装置 | |
JP7192610B2 (ja) | 走行支援方法および走行支援装置 | |
CN109415877A (zh) | 具有协同作用的交通交叉路口 | |
CN113313957A (zh) | 基于增强型Dijkstra算法的无信号灯交叉路口车辆调度方法 | |
CN114537381B (zh) | 一种自动驾驶车辆的车道避障方法及装置 | |
CN113190010A (zh) | 一种沿边绕障路径规划方法、芯片及机器人 | |
WO2023134364A1 (zh) | 引导车辆行驶的方法、地图生成方法及相关*** | |
CN114715192A (zh) | 一种解耦的自动驾驶车辆实时轨迹规划方法、装置及*** | |
CN114543825B (zh) | 引导车辆行驶的方法、地图生成方法及相关*** | |
Varga et al. | Developing an autonomous valet parking system in simulated environment | |
Naderi et al. | Optimal orientation for automated vehicles on large lane-free roundabouts | |
CN114930418A (zh) | 可以提高道路运输能力和安全性的单向环路嵌合 | |
CN115220461A (zh) | 室内复杂环境下机器人单体***及多机器人交互协同方法 | |
Corke et al. | Navigation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |