CN114625828A - 一种车道级数据匹配方法、装置、电子设备和存储介质 - Google Patents
一种车道级数据匹配方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114625828A CN114625828A CN202210350275.2A CN202210350275A CN114625828A CN 114625828 A CN114625828 A CN 114625828A CN 202210350275 A CN202210350275 A CN 202210350275A CN 114625828 A CN114625828 A CN 114625828A
- Authority
- CN
- China
- Prior art keywords
- lane
- points
- point
- shape
- data
- 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
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车道级数据匹配方法、装置、电子设备和存储介质;本发明实施例可应用于智慧交通、车联网等场景,可获取目标车辆的车辆位置,确定车辆位置所在道路的至少一个车道对应的局部车道高精数据,基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域,确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在局部车道高精数据中的匹配结果;可以保持车辆定位精度,降低计算开销,提高车辆定位效率,实现车辆位置与车道高精数据的快速匹配。
Description
技术领域
本发明涉及地图导航技术领域,具体涉及一种车道级数据匹配方法、装置、电子设备和存储介质。
背景技术
随着信息采集技术的快速发展,当前在地图导航领域使用的数据,正在从传统的普通道路数据,转变为信息更精确而丰富的高精道路数据。
由于高精数据的形点密集,且道路中具有多条车道,采用传统普通道路数据中的形点处理方式对高精数据进行处理,对设备的计算性能要求高,会占用大量的计算资源,车辆定位效率低。
发明内容
本发明实施例提供一种车道级数据匹配方法、装置、电子设备和存储介质,可以保持车辆定位精度,降低计算开销,提高车辆定位效率,实现车辆位置与车道高精数据的快速匹配。
本发明实施例提供一种车道级数据匹配方法,包括:
获取目标车辆的车辆位置;
确定所述车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,所述形点用于指示车道的走向;
基于所述形点之间的位置关系,对所述局部车道高精数据中的形点进行抽稀,得到各所述车道对应的车道级抽稀数据,所述车道级抽稀数据中的形点构成的曲线与所述局部车道高精数据中的起点构成的曲线走向匹配;
根据所述抽稀后形点的位置以及所述车辆位置,基于每个车道的所述抽稀后形点预测所述目标车辆在每个车道中的定位区域;
确定所述车辆位置到所述定位区域中的相邻两形点构成的形点线段的距离,基于所述距离确定所述目标车辆在所述局部车道高精数据中的匹配结果。
可选的,本发明实施例提供一种车道级数据匹配装置,包括:
位置获取单元,用于获取目标车辆的车辆位置;
数据确定单元,用于确定所述车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,所述形点用于指示车道的走向;
数据抽稀单元,用于基于所述形点之间的位置关系,对所述局部车道高精数据中的形点进行抽稀,得到各所述车道对应的车道级抽稀数据,所述车道级抽稀数据中的形点构成的曲线与所述局部车道高精数据中的起点构成的曲线走向匹配;
区域预测单元,用于根据所述抽稀后形点的位置以及所述车辆位置,基于每个车道的所述抽稀后形点预测所述目标车辆在每个车道中的定位区域;
结果确定单元,用于确定所述车辆位置到所述定位区域中的相邻两形点构成的形点线段的距离,基于所述距离确定所述目标车辆在所述局部车道高精数据中的匹配结果。
可选的,所述形点包括端点形点以及位于端点形点之间的中间形点,所述数据抽稀单元,用于基于中间形点与两端的端点形点之间的位置关系,确定中间形点中的用于保留车道走向的抽稀后形点;
以抽稀后形点作为新端点形点,基于邻近的端点形点间的中间形点与所述邻近的端点形点之间的位置关系,确定邻近的端点形点中用于保留车道走向的抽稀后形点,得到由抽稀后形点构成的车道级抽稀数据。
可选的,所述数据抽稀单元,用于基于所述形点的形点位置,确定中间形点与两端点形点构成的直线之间的最大距离;
若所述最大距离大于预设距离阈值,将所述最大距离对应的中间形点作为抽稀后形点;
以抽稀后形点为新端点形点,将形点构成的曲线分割成两段子曲线;
确定子曲线上的中间形点到子曲线的端点形点之间的最大距离;
若所述最大距离大于预设距离阈值,将所述最大距离对应的中间形点作为新的抽稀后形点;
以新的抽稀后形点为新端点形点,将所述新的抽稀后形点所在的子曲线分割成两段新的子曲线,执行所述确定子曲线上的中间形点到子曲线的端点形点之间的最大距离的步骤,直到子曲线上不存在新的抽稀后形点为止,得到抽稀后形点构成的车道级抽稀数据。
可选的,所述区域预测单元用于当所述抽稀后形点的数量大于预设的区域形点数量时,根据所述抽稀后形点中的第一形点和第二形点,确定所述抽稀后形点中的第一参考形点;
根据所述第一参考形点和所述第二形点,确定所述抽稀后形点中的第二参考形点;
基于所述车辆位置、所述第一参考形点的形点位置和所述第二参考形点的形点位置,计算所述目标车辆与所述第一参考形点之间的第一距离,以及所述目标车辆与所述第二参考形点之间的第二距离;
若所述第一距离小于所述第二距离,将所述第二参考形点作为新的第二形点;
若所述第一形点和所述新的第二形点之间的抽稀后形点的数量不大于所述区域形点数量,将所述第一形点、所述新的第二形点以及所述第一形点和所述新的第二形点之间的抽稀后形点作为定位区域。
可选的,所述结果确定单元,用于根据所述车辆位置,以及每个车道的所述定位区域中任意的相邻的两个形点的形点位置,确定所述目标车辆在各所述车道上候选定位点的位置;
计算所述车辆位置与各所述候选定位点的位置之间的线段距离,将所述线段距离作为所述车辆位置到所述定位区域中相邻两形点构成的形点线段的距离;
基于所述距离,从所述候选定位点中确定所述目标车辆的目标定位点;
将所述目标定位点对应的相邻的两个形点,作为所述目标车辆在所述局部车道高精数据中的匹配结果。
可选的,所述结果确定单元,用于根据所述车辆位置,以及每个车道的所述定位区域中任意的相邻的两个形点的形点位置,计算所述目标车辆在各所述车道上的候选定位点与所述两个形点构成的形点线段之间的位置关系指示参数;
当所述位置关系指示参数在预设参数范围内时,根据所述两个形点的形点位置和所述位置关系指示参数,计算所述目标车辆在各所述车道上候选定位点的位置。
可选的,本发明实施例提供的车道级数据匹配装置还包括行驶权重计算单元,用于获取所述目标车辆的车辆速度数据和车辆航向数据;
基于所述车辆速度数据和所述车辆航向数据,以及预设的权重映射关系,计算所述目标车辆的行驶权重参数;
所述结果确定单元,用于基于所述距离,确定所述目标车辆的距离权重参数;
根据所述距离权重参数和所述行驶权重参数,计算所述目标车辆与所述候选定位点之间的定位参数;
基于所述定位参数,从所述候选定位点中确定所述目标车辆的目标定位点。
可选的,所述权重映射关系包括速度权重映射关系和角度权重映射关系,所述行驶权重计算单元,用于基于所述车辆速度数据和所述速度权重映射关系,计算所述目标车辆的速度权重参数;
根据预设的角度坐标系以及所述车辆航向数据,确定所述目标车辆的行驶角度;
根据所述角度坐标系,以及各所述定位区域中的相邻两形点构成的形点线段,确定各所述形点线段的线段角度;
基于所述行驶角度、所述线段角度和所述角度权重映射关系,计算所述目标车辆的角度权重参数;
基于所述速度权重参数和角度权重参数,计算所述目标车辆的行驶权重参数。
可选的,本发明实施例提供的车道级数据匹配装置还包括行驶规划单元,用于根据所述目标车辆在所述局部车道高精数据中的匹配结果,确定所述目标车辆对应的目标车道;
获取所述车辆位置所在道路中各车道的车道观测数据;
根据所述目标车道的车道观测数据以及其他车道的车道观测数据,生成所述目标车辆的车道级行驶规划。
可选的,本发明实施例提供的车道级数据匹配装置还包括行驶数据获取单元,用于获取所述目标车辆的车辆速度数据和车辆航向数据;
所述结果确定单元,用于根据所述车辆位置,以及所述车辆速度数据和车辆航向数据,计算所述目标车辆的预估定位位置;
确定所述预估定位位置到所述定位区域中相邻两形点构成的形点线段的距离。
可选的,本发明实施例提供的车道级数据匹配装置还包括第二数据抽稀单元,用于获取所述车辆位置所在道路中各车道的车道流量数据;
根据所述各车道的车道流量数据,确定所述原始车道级数据对应的新的预设距离阈值;
基于所述新的预设距离阈值,执行所述基于所述形点的形点位置,确定中间形点与两端点形点构成的直线之间的最大距离的步骤。
相应的,本发明实施例还提供一种电子设备,包括存储器和处理器;所述存储器存储有应用程序,所述处理器用于运行所述存储器内的应用程序,以执行本发明实施例所提供的任一种车道级数据匹配方法中的步骤。
相应的,本发明实施例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存储有多条指令,所述指令适于处理器进行加载,以执行本发明实施例所提供的任一种车道级数据匹配方法中的步骤。
此外,本发明实施例还提供一种计算机程序产品,包括计算机程序或指令,所述计算机程序或指令被处理器执行时实现本发明实施例所提供的任一种车道级数据匹配方法中的步骤。
采用本发明实施例的方案,可以获取目标车辆的车辆位置,确定该车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,该形点用于指示车道的走向,基于该形点之间的位置关系,对该局部车道高精数据中的形点进行抽稀,得到各该车道对应的车道级抽稀数据,该车道级抽稀数据中的形点构成的曲线与该局部车道高精数据中的起点构成的曲线走向匹配,根据该抽稀后形点的位置以及该车辆位置,基于每个车道的该抽稀后形点预测该目标车辆在每个车道中的定位区域,确定该车辆位置到该定位区域中的相邻两形点构成的形点线段的距离,基于该距离确定该目标车辆在该局部车道高精数据中的匹配结果;由于在本发明实施例中对高精度的局部车道高精数据进行抽稀得到了抽稀后形点,并在抽稀后形点的基础上预测了目标车辆在每个车道中的定位区域,因此,在进行车道级定位时,能够根据定位区域中的抽稀后形点确定出目标车辆在局部车道高精数据中匹配的车道和/或形点,可以保持车辆定位精度,降低计算开销,提高车辆定位效率,实现车辆位置与车道高精数据的快速匹配。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的车道级数据匹配方法的场景示意图;
图2是本发明实施例提供的车道级数据匹配方法的流程图;
图3是本发明实施例提供的抽稀过程示意图;
图4是本发明实施例提供的定位区域确定过程示意图;
图5是本发明实施例提供的车辆坐标与形点线段位置关系示意图;
图6是本发明实施例提供的投影计算过程示意图;
图7是本发明实施例提供的目标车辆角度关系示意图;
图8是本发明实施例提供的车道级数据匹配方法的另一流程图;
图9是本发明实施例提供的车道级数据匹配***示意图;
图10是本发明实施例提供的车道级数据匹配装置的结构示意图;
图11是本发明实施例提供的车道级数据匹配装置的另一结构示意图;
图12是本发明实施例提供的电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
本发明实施例提供一种车道级数据匹配方法、装置、电子设备和计算机可读存储介质。具体地,本发明实施例提供适用于车道级数据匹配装置的车道级数据匹配方法,该车道级数据匹配装置可以集成在电子设备中。
该电子设备可以为终端等设备,包括但不限于移动终端和固定终端,例如移动终端包括但不限于智能手机、智能手表、平板电脑、笔记本电脑、车载终端、智能车辆等,其中,固定终端包括但不限于台式电脑、智能电视等。
该电子设备还可以为服务器等设备,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(ContentDelivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器,但并不局限于此。
本发明实施例的车道级数据匹配方法,可以由终端实现,也可以由终端和服务器共同实现。
下面以终端和服务器共同实现该车道级数据匹配方法为例,对该方法进行说明。
如图1所示,本发明实施例提供的车道级数据匹配***包括终端10和服务器20等;终端10与服务器20之间通过网络连接,比如,通过有线或无线网络连接等。
其中,终端10可以作为向服务器20发送目标车辆的车辆位置的终端存在。
其中,服务器20,可以用于获取目标车辆的车辆位置,确定车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,形点用于指示车道的走向;基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向匹配。
服务器20可以根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域,确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在局部车道高精数据中的匹配结果。
可以理解的是,服务器20执行的车道级数据匹配的步骤,也可以由终端10执行,本发明实施例对此不做限定。
以下分别进行详细说明。需要说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本发明实施例将从车道级数据匹配装置的角度进行描述,该车道级数据匹配装置具体可以集成在服务器或终端中。
如图2所示,本实施例的车道级数据匹配方法的具体流程可以如下:
201、获取目标车辆的车辆位置。
其中,目标车辆可以是需要进行定位的智能车辆,或者,目标车辆可以是能够进行定位的终端所在的车辆。
比如,目标车辆可以为无人驾驶车辆,或者,目标车辆可以是装载有车载导航终端的车辆,等等。
在本发明实施例中,车辆位置可以用经纬度表示,例如,车辆位置可以是北纬22度32分、东经114度3分。
或者,可以将各地理区域划分为n个子区域,每个子区域中都有一标志位置(如地标建筑的所在位置或者区域中心点位置等),在表示车辆位置时,可以用目标车辆所在子区域以及目标车辆与标志位置之间的相对坐标表示。
例如,车辆位置可以是(3,114,-22),表示目标车辆位于第3个子区域,在标志位置以东114米、以北22米等。
可以理解的是,在实现目标车辆的车道级定位后,可以根据目标车辆所在车道,为目标车辆的行驶进行规划。在一些可选的实施例中,本发明实施例提供的车道级数据匹配方法还可以包括:
根据目标车辆在局部车道高精数据中的匹配结果,确定目标车辆对应的目标车道;
获取车辆位置所在道路中各车道的车道观测数据;
根据目标车道的车道观测数据以及其他车道的车道观测数据,生成目标车辆的车道级行驶规划。
其中,目标车道即为确定出的目标车辆所在的车道。车道观测数据可以包括但不限于各车道的车流量数据和/或车道宽度数据等等。
例如,在本发明实施例中,可以根据目标车道的车流量数据以及其他车道的车流量数据,规划目标车辆是否可以执行变更车道等操作。
202、确定车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,形点用于指示车道的走向。
其中,车辆位置所在道路一般包括至少一条车道。例如一条道路上可以包括双向的两条车道,或者一条道路上可以包括直行车道、左转车道和右转车道等。
具体的,在确定局部车道高精数据时,可以是根据车辆位置,从预先存储的车道高精数据中,确定车辆位置对应的局部范围的车道高精数据作为局部车道高精数据。例如车辆位置为北纬22度32分、东经114度3分,则获取的车局部车道高精数据可以是北纬22度30分至北纬22度34分、东经114度1分至东经114度5分范围内的车道高精数据。
或者,可以根据车辆位置对应的道路位置,确定车辆位置对应的局部范围的局部车道高精数据等。
需要说明的是,车道高精数据可以是高精道路(High Definition,HD)数据,或者,也可以是一种比普通道路数据(Standard Definition,SD)数据信息更丰富,但又达不到高精道路数据标准的数据。
比如,高精道路数据可以包括道路车道线方程/形点坐标、车道类型、车道限速、车道标线类型、电线杆坐标、指路牌位置、摄像头/红绿灯位置等。车道高精数据可以是高精道路数据,也可以是只保留高精道路数据中部分信息的数据,比如,车道高精数据中可以只包括车道线方程/形点坐标、车道类型、车道限速、车道标线类型、车道拓扑信息等。
203、基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向匹配。
其中,抽稀是指在处理数据时,在保证曲线形状或者折线形状尽量不变的情况下,减少数据点的个数。
具体的,在对形点进行抽稀时,可以采用步长压缩算法,即沿连续曲线每隔一定的步长抽取一点,其余点全部压缩掉,然后在相邻抽取点间用直线连续或曲线拟合逼近。或者,也可以采用线段过滤算法,即当某一线段的长度小于预设的过滤值时,就以该线段的中点代替该段。
或者,在本发明实施例中,还可以根据各形点之间的位置关系,对局部车道高精数据进行抽稀。其中,形点可以包括端点形点以及位于端点形点之间的中间形点,步骤“基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据”,具体可以包括:
基于中间形点与两端的端点形点之间的位置关系,确定中间形点中的用于保留车道走向的抽稀后形点;
以抽稀后形点作为新端点形点,基于邻近的端点形点间的中间形点与邻近的端点形点之间的位置关系,确定邻近的端点形点间的中间形点中用于保留车道走向的抽稀后形点,得到由抽稀后形点构成的车道级抽稀数据。
其中,端点形点是指用于对某部分车道走向的形点中,位于该部分车道起始位置的形点和终点位置的形点。
其中,中间形点为局部车道高精数据中除端点形点外的形点。
在一些示例中,在确定用于保留车道走向的抽稀后形点时,可以基于中间形点与两端的端点形点之间的位置关系,计算中间形点与两端的端点形点分别构成的直线的斜率,选择斜率绝对值大于预设阈值的中间形点作为抽稀后形点。
在另一些示例中,步骤“基于中间形点与两端的端点形点之间的位置关系,确定中间形点中的用于保留车道走向的抽稀后形点”具体可以包括:
基于形点的形点位置,确定中间形点与两端点形点构成的直线之间的最大距离;
若最大距离大于预设距离阈值,将最大距离对应的中间形点作为抽稀后形点。
其中,预设的距离阈值可以根据实际需求定义,例如1m,0.8m,0.5m等。
例如,如图3中(1)所示,点1和点5为端点形点,点2、3、4为中间形点。从点2、3、4中确定出与点1、5构成的直线之间的最大距离,如点2对应的距离为0.1,点3对应的距离为0.7,点4对应的距离为0.5。则点3对应的距离为最大距离,若最大距离大于预设距离阈值0.5,则将点3作为抽稀后形点。
为了提升车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向之间的匹配度,步骤“以抽稀后形点作为新端点形点,基于邻近的端点形点间的中间形点与邻近的端点形点之间的位置关系,确定邻近的端点形点中用于保留车道走向的抽稀后形点,得到由抽稀后形点构成的车道级抽稀数据”,具体可以包括:
以抽稀后形点为新端点形点,将形点构成的曲线分割成两段子曲线;
确定子曲线上的中间形点到子曲线的端点形点之间的最大距离;
若最大距离大于预设距离阈值,将最大距离对应的中间形点作为新的抽稀后形点;
以新的抽稀后形点为新端点形点,将新的抽稀后形点所在的子曲线分割成两段新的子曲线,执行确定子曲线上的中间形点到子曲线的端点形点之间的最大距离的步骤,直到子曲线上不存在新的抽稀后形点为止,得到抽稀后形点构成的车道级抽稀数据。
此时,如图3中的(2)所示,以点3作为新端点形点,将曲线分割为点1、2、3构成的子曲线,以及点3、4、5构成的子曲线,点5作为端点形点和新端点形点(点3)间的中间形点为点4,计算点4与点3、5构成的直线之间的最大距离为0.6,大于预设距离阈值,则点4也可以作为抽稀后形点。
以及,点1作为端点形点和新端点形点(点3)的中间形点为点2,计算点2与点1、3构成的直线之间的最大距离为0.2,小于预设距离阈值,则点2不会作为抽稀后形点。
可以理解的是,由于局部车道高精数据中可以有若干个车道对应的数据,因此,可以对每个车道对应的车道级数据同步或者非同步单独进行处理,本发明实施例对此不作限定。
在实际应用过程中,可以根据车辆密度等因素,对抽稀过程中的预设距离阈值进行调整。在一些可选的实施例中,本发明实施例提供的车道级数据匹配方法还可以包括:
获取车辆位置所在道路中各车道的车道流量数据;
根据各车道的车道流量数据,确定原始车道级数据对应的新的预设距离阈值;
基于新的预设距离阈值,执行基于形点的形点位置,确定中间形点与两端点形点构成的直线之间的最大距离的步骤。
其中,车道流量数据为描述车道中车流量的数据。例如,车道流量数据可以是30辆/分钟,或者2辆/秒等。具体的,车道流量数据可以通过设置在道路上或道路旁的车流观测设备得到,或者,车道流量数据可以根据对各车辆的定位信息得到,等等。
具体的,在确定新的预设距离阈值时,可以根据预先设置的车道流量数据与预设距离阈值之间的映射关系、以及各车道的车道流量数据进行确定。
例如,在确定新的预设距离阈值之前,可以预先设置三个不同的候选距离阈值,包括第一候选距离阈值、第二候选距离阈值和第三候选距离阈值,其中第一候选距离阈值>第二候选距离阈值>第三候选距离阈值。在实际应用中,可以默认预设距离阈值为第二候选距离阈值。当车道流量大于第一车流阈值时,可以将预设距离阈值修改为第一候选距离阈值,当车道流量小于第二车流阈值时,可以将预设距离阈值修改为第三候选距离阈值。
再例如,可以通过数据模型建立车道流量数据与预设距离阈值之间的连续函数关系,根据各车道的车道流量数据以及连续函数关系,确定各车道的原始车道级数据对应的新的预设距离阈值。
204、根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域。
其中,抽稀后形点的位置可以用经纬度表示,也可以是将各地理区域划分为n个子区域,每个子区域中都有一标志位置,用抽稀后形点所在子区域以及抽稀后形点与标志位置之间的相对坐标表示,等等。
具体的,抽稀后形点的位置的描述方式可以与车辆位置的描述方式相同,也可以与车辆位置的描述方式不同。例如,抽稀后形点与车辆位置都可以用经纬度表示,或者,可以抽稀后形点用经纬度表示,车辆位置基于与子区域中标志位置的相对坐标表示等。如果二者描述方式不同,可以进行转换,例如基于与子区域中标志位置的相对坐标表示的车辆位置可以转换为经纬度等等。
在本发明实施例中,通过对抽稀后形点进行区域筛选,可以进一步减小计算量。
具体的,在确定定位区域时,可以将抽稀后形点平均或不平均的划分为N个子区域,计算每个子区域中位于中间顺序的形点与车辆位置的距离,将最小的距离对应的子区域以及与其相邻的一个或者两个子区域作为定位区域。
或者,在确定定位区域时,步骤203具体可以包括:
当抽稀后形点的数量大于预设的区域形点数量时,根据抽稀后形点中的第一形点和第二形点,确定抽稀后形点中的第一参考形点;
根据第一参考形点和第二形点,确定抽稀后形点中的第二参考形点;
基于车辆位置、第一参考形点的形点位置和第二参考形点的形点位置,计算目标车辆与第一参考形点之间的第一距离,以及目标车辆与第二参考形点之间的第二距离;
若第一距离小于第二距离,将第二参考形点作为新的第二形点;
若第一形点和新的第二形点之间的抽稀后形点的数量不大于区域形点数量,将第一形点、新的第二形点以及第一形点和新的第二形点之间的抽稀后形点作为定位区域。
其中,区域形点数量可以是自定义的数值,比如80个点,100个点,200个点。
具体的,在确定第一参考形点时,可以是根据第一形点和第二形点的位置,计算其中间位置,并将距离该中间位置最近的形点作为第一参考形点。
或者,可以根据定位区域中形点的位置关系,为形点进行编号,第一形点可以是第一个编号对应的形点,第二形点可以是最后一个编号对应的形点,取编号的中间值对应的形点作为第一参考形点。
比如,如图4所示,假设当前车道抽稀后形点为P1,P2,…,PN,如果N<=区域形点数量,则不需要计算,直接返回搜索区间为[1,N]。如果N>区域形点数量,将P1作为第一形点,PN作为第二形点。
则,第一参考形点可以为PM,M=(L+N)/2,第二参考形点可以为PS,S=(M+N)/2。计算车辆位置与PM、PN之间的距离,分别得到第一距离和第二距离。
若第一距离小于第二距离,且N-S<=区域形点数量,则将PS-PN作为定位区域。
在一些示例中,当第一距离小于第二距离时,若第一形点和新的第二形点之间的抽稀后形点的数量大于区域形点数量,将第一形点、新的第二形点以及第一形点和新的第二形点之间的形点作为新的抽稀后形点,执行根据抽稀后形点中的第一形点和第二形点,确定抽稀后形点中的第一参考形点的步骤。
例如,若计算车辆位置与PM、PN之间的距离,分别得到第一距离和第二距离;第一距离小于第二距离,且N-S>区域形点数量,则将PS-PN作为新的抽稀后形点,从PS-PN中重新确定第一参考形点和第二参考形点。
在另一些示例中,当第一距离不小于第二距离时,将第一参考形点作为新的第一形点;
若新的第一形点和第二形点之间的抽稀后形点的数量不大于区域形点数量,将新的第一形点、第二形点以及新的第一形点和第二形点之间的抽稀后形点作为定位区域。
例如,若计算车辆位置与PM、PN之间的距离,分别得到第一距离和第二距离;第一距离不小于第二距离,且M-S<=区域形点数量,则将PM-PN作为定位区域。
在另一些示例中,当第一距离不小于第二距离时,若新的第一形点和第二形点之间的抽稀后形点的数量大于区域形点数量,将新的第一形点、第二形点以及新的第一形点和第二形点之间的抽稀后形点作为新的抽稀后形点,执行根据抽稀后形点中的第一形点和第二形点,确定抽稀后形点中的第一参考形点的步骤。
例如,若计算车辆位置与PM、PN之间的距离,分别得到第一距离和第二距离;第一距离不小于第二距离,且M-S>区域形点数量,则将PM-PN作为新的抽稀后形点,从PM-PN中重新确定第一参考形点和第二参考形点。
205、确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在局部车道高精数据中的匹配结果。
可以理解的是,定位区域中至少有两个形点,在计算距离时,可以依次计算车辆位置到各形点线段的距离,也可以同时计算车辆位置到各形点线段的距离。
具体的,在计算距离时,可以先在每个车道的形点线段上确定出车辆位置对应的投影点,再计算车辆位置与各车道的投影点之间的距离,得到车辆位置到形点线段的距离,进而确定出车道定位点。即,步骤204可以包括:
根据车辆位置,以及每个车道的定位区域中任意的相邻的两个形点的形点位置,确定目标车辆在各车道上候选定位点的位置;
计算车辆位置与各候选定位点的位置之间的线段距离,将线段距离作为车辆位置到定位区域中相邻两形点构成的形点线段的距离;
基于距离,从候选定位点中确定目标车辆的目标定位点;
将目标定位点对应的相邻的两个形点,作为目标车辆在所述局部车道高精数据中的匹配结果。
其中,候选定位点为车辆在各车道上的投影点。具体的,有了车辆当前位置的坐标P,和车道i的定位区域,可以将P往定位区域中相邻两点组成的线段上分别进行投影,判断P的投影点是否落在两个形点组成的线段内,找到最优正投影的位置,即候选定位点。
其中,目标定位点可以认为是确定出的目标车辆的实际位置,或者,可以认为是在局部车道高精数据所确定的车道中对应的位置。
在另一些示例中,也可以将目标定位点对应的车道的车道高精数据,作为目标车辆在所述局部车道高精数据中的匹配结果。还可以将目标定位点在局部车道高精数据中对应的车道,作为目标车辆在所述局部车道高精数据中的匹配结果。
在一些可选的实施例中,步骤“根据车辆位置,以及每个车道的定位区域中任意的相邻的两个形点的形点位置,确定目标车辆在各车道上候选定位点的位置”,具体可以包括:
根据车辆位置,以及每个车道的定位区域中任意的相邻的两个形点的形点位置,计算目标车辆在各车道上的候选定位点与两个形点构成的形点线段之间的位置关系指示参数;
当位置关系指示参数在预设参数范围内时,根据两个形点的形点位置和位置关系指示参数,计算目标车辆在各车道上候选定位点的位置。
其中,位置关系指示参数用于指示候选定位点与两个形点构成的形点线段之间的位置关系。
具体的,如图5所示,候选定位点与两个形点构成的形点线段之间的位置关系可以有三种。位置关系指示参数可以通过如下公式计算得到:
其中P表示车辆定位坐标,A、B表示车道中心线上的任意两个连续形点,M表示P往线段AB的投影点(候选定位点)。当M在A、B之间时,0≤r≤1。
在得到位置关系指示参数之后,可以只对位置关系指示参数在预设参数范围内(即0≤r≤1)的情况进行后续处理,否则更新AB为下一组相邻的两个形点,继续计算。当位置关系指示参数在预设参数范围内时,M的坐标可以通过如下公式计算得到:
M.lon=A.lon+r*(B.lon–A.lon),
M.lat=A.lat+r*(B.lat–A.lat)。
其中M.lon为M的经度,M.lat表示M的纬度。A.lon为A的经度,A.lat表示A的纬度,B.lon为B的经度,B.lon表示B的纬度。
可以理解的是,在确定候选定位点所在的线段后,可以在无需候选定位点位置的情况下,计算得到车辆位置到各形点线段的距离,如图6所示,APB组成一个三角形,其中,A、B为两个相邻形点,P为车辆位置。
在一些示例中,车辆位置到各形点线段的距离S可以通过如下公式计算得到:
其中,向量的表示可以将点的经纬度表示转换成二维平面坐标系的表示,可以利用墨卡托投影,也可以直接将经纬度的差值转换成绝对距离米的差值。
或者,车辆位置到各形点线段的距离S可以通过如下公式计算得到:
其中a,b,c分别表示线段AP,AB,PB的长度,其长度可以很容易通过输入两个点的经纬度坐标计算得到。
在实际应用过程中,为了提高对于车辆定位的准确性,可以在确定车道定位点时,综合考虑车辆的行驶速度、行驶方向等因素。即,在一些可选的实施例中,步骤“基于距离,从候选定位点中确定目标车辆的车道定位点”之前,本发明实施例提供的车道级数据匹配方法还可以包括:
获取目标车辆的车辆速度数据和车辆航向数据;
基于车辆速度数据和车辆航向数据,以及预设的权重映射关系,计算目标车辆的行驶权重参数。
在本发明实施例中,通过行驶权重参数,可以结合车辆当前的自车速度和自车方向,进一步提升定位的准确度。
相应的,步骤“基于距离,从候选定位点中确定目标车辆的车道定位点”,具体可以包括:
基于距离,确定目标车辆的距离权重参数;
根据距离权重参数和行驶权重参数,计算目标车辆与候选定位点之间的定位参数;
基于定位参数,从候选定位点中确定目标车辆的车道定位点。
具体的,距离权重参数可以通过如下公式计算得到:
其中,η为自定义常数,可以根据实际情况自行设置。d(i)为车辆位置到定位区域中的相邻两形点构成的形点线段的距离。
需要说明的是,此处距离权重参数的计算公式仅为示例,实际上wdis的定义不做限制,只要满足(1)是对称函数,(2)值域在[0,1],(3)d(i)越小wdis越大的条件即可。
具体的,在一些可选的示例中,权重映射关系可以包括速度权重映射关系和角度权重映射关系,步骤“基于车辆速度数据和车辆航向数据,以及预设的权重映射关系,计算目标车辆的行驶权重参数”,具体可以包括:
基于车辆速度数据和速度权重映射关系,计算目标车辆的速度权重参数;
根据预设的角度坐标系以及车辆航向数据,确定目标车辆的行驶角度;
根据角度坐标系,以及各定位区域中的相邻两形点构成的形点线段,确定各形点线段的线段角度;
基于行驶角度、线段角度和角度权重映射关系,计算目标车辆的角度权重参数;
基于速度权重参数和角度权重参数,计算目标车辆的行驶权重参数。
其中,角度权重参数cos(azidiff),具体的,azidiff=|α-β|,如图7所示,α为目标车辆的行驶角度,β为形点线段的线段角度。
行驶权重参数可以通过如下公式计算得到:
其中,γ,λ,φ都是常数,可以自由设定,
需要说明的是,此处行驶权重参数的计算公式仅为示例,实际上Wspd,的定义不做限定,只要满足(1)对称函数,(2)值域在[0,1],(3)角度相同时车速越大则结果越小,车速相同时角度越大则结果越小的条件即可。
在一些可选的实施例中,步骤“确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离”之前,本发明实施例提供的车道级数据匹配方法还可以包括:
获取目标车辆的车辆速度数据和车辆航向数据;
确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,包括:
根据车辆位置,以及车辆速度数据和车辆航向数据,计算目标车辆的预估定位位置;
确定预估定位位置到定位区域中相邻两形点构成的形点线段的距离。
因此,可以考虑车速航向等预测得到计算得到定位结果时刻实际的车辆位置,即预估定位位置,进而进行车辆定位。可以提升车辆定位的实时性。
由上可知,本发明实施例可以获取目标车辆的车辆位置,确定车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,形点用于指示车道的走向,基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向匹配,根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域,确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在局部车道高精数据中的匹配结果;由于在本发明实施例中对高精度的局部车道高精数据进行抽稀得到了抽稀后形点,并在抽稀后形点的基础上预测了目标车辆在每个车道中的定位区域,因此,在进行车道级定位时,能够根据定位区域中的抽稀后形点确定出目标车辆在局部车道高精数据中匹配的车道和/或形点,可以保持车辆定位精度,降低计算开销,提高车辆定位效率,实现车辆位置与车道高精数据的快速匹配。
根据前面实施例所描述的方法,以下将举例作进一步详细说明。
在本实施例中,将结合图1的***进行说明。
如图8所示,本实施例的车道级数据匹配方法,具体流程可以如下:
801、终端确定目标车辆的车辆位置,确定车辆位置所在道路的至少一个车道对应的局部车道高精数据。
如图9所示,终端可以通过车道级数据匹配***中的车辆定位模块,确定目标车辆的车辆位置。可以通过地图数据模块确定各车道的局部车道高精数据。
其中,车辆定位模块,可以采集车辆在历史定位时段中历史状态信息,其中,所述历史状态信息包括但不限于全球定位***GPS信息(可以基于普通GNSS定位,PPP定位,RTK定位)、车辆控制信息、车辆视觉感知信息以及惯性测量单元IMU信息等。最终该模块通过一定的算法和规则输出一个当前时刻的定位点信息P(车辆位置坐标经纬度坐标)。该定位点信息用于从地图数据模块中获取局部地图数据以及用于车道匹配,是车道级定位判断的重要输入,也是车道级吸附/匹配结果的参考点。
其中,地图数据模块根据车辆定位模块的定位信息,匹配到对应道路位置,进而获取当前位置的局部地图信息,这里我们获取车辆定位定附近的局部车道级道路信息。数据中包含车辆定位点局部区域的车道级信息,包括车道总数以及各个车道的车道中心线形点坐标。
假设地图数据返回的是一个车道组数据,记为laneGroup,每个laneGroup内的车道总数是一致的,车道线类型和颜色也是一致的,不同的laneGroup划分可能是因为车道线类型/颜色不同,也可能是车道数不同。车道组数据可以包括车道拓扑关系。地图数据模块会返回车辆定位点所在的laneGroup数据信息,如果为空表示该区域没有所需要的车道级数据。
802、终端基于局部车道高精数据中形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向匹配。
具体的,在对形点进行抽稀时,可以采用步长压缩算法、线段过滤算法等,本发明实施例对此不作限定。
通过步骤801,可以知道粗略知道车辆在一个laneGroup的面内,无法知道具体在面内的哪个车道,以及车道中的哪个具***置。一个laneGroup的形点可能成百上千甚至上万,每个车道都有密集的形点。为了减小匹配的计算量,需要对形点进行密度抽稀,在保证精度没有大损失的情况下,降低点的密度。
如图9所示,终端可以通过车道级数据匹配***中的数据抽稀模块,对局部车道高精数据中形点进行抽稀。
803、终端根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域。
例如,可以假设当前车道抽稀后形点为P1,P2,…,PN,如果N<=区域形点数量,则不需要计算,直接返回搜索区间为[1,N]。如果N>区域形点数量,将P1作为第一形点,PN作为第二形点。
则,第一参考形点可以为PM,M=(L+N)/2,第二参考形点可以为PS,S=(M+N)/2。计算车辆位置与PM、PN之间的距离,分别得到第一距离和第二距离。
若第一距离小于第二距离,且N-S<=区域形点数量,则将PS-PN作为定位区域。
如图9所示,终端可以通过车道级数据匹配***中的区域确定模块,从抽稀后形点中确定定位区域。
804、终端根据车辆位置,以及每个车道的定位区域中任意的相邻的两个形点的形点位置,计算目标车辆在各车道上的候选定位点与两个形点构成的形点线段之间的位置关系指示参数。
805、当位置关系指示参数在预设参数范围内时,根据两个形点的形点位置和位置关系指示参数,计算目标车辆在各车道上候选定位点的位置。
具体的,当0≤r≤1时,M的坐标可以通过如下公式计算得到:
M.lon=A.lon+r*(B.lon–A.lon),
M.lat=A.lat+r*(B.lat–A.lat),其中lon和lat可以分别表示经度和纬度。
806、终端计算车辆位置与各候选定位点的位置之间的线段距离,基于线段距离,从候选定位点中确定目标车辆的车道定位点。
具体的,终端可以将线段距离最小值对应的候选定位点作为目标车辆的车道定位点。
在一些可选的实施例中,本发明实施例提供的车道级数据匹配***还可以包括运动数据模块,提供车辆的实时车速信息、IMU信息(如车辆航向角度信息)、方向盘转角信息等;图像处理模块,提供车辆前方视觉道路信息的处理结果,摄像头可以为一个安装在车上(安装在挡风玻璃,或者车顶等位置)的单目摄像头获取车前方的道路图像,之后对采集到的图片进行分析处理,最终输出识别出的车辆周围(左侧和右侧)的车道线类型和颜色信息(可以通过机器学习方法),以及其置信度quality。其中车道线颜色包括但不限于黄色、白色、蓝色、绿色、灰色、黑色,其他;车道线类型包括但不限于单实线、单虚线、双实线、双虚线、左虚右实、左实右虚、防护栏、路缘石、马路牙、道路边缘,其他。
本发明实施例提供的车道级数据匹配***还可以包括激光雷达模块:提供雷达扫描的3D点云结果,用于和高精地图进行匹配。超声波雷达:同激光雷达模块,提供雷达测量结果,得到一些标志物的位置信息,用于和高精地图匹配。其他模块:如环视摄像头(每个摄像头的结果可以作为一个观测值)、车辆四轮速等。
由上可知,本发明实施例可以获取目标车辆的车辆位置,确定车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,形点用于指示车道的走向,基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向匹配,根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域,确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在局部车道高精数据中的匹配结果;由于在本发明实施例中对高精度的局部车道高精数据进行抽稀得到了抽稀后形点,并在抽稀后形点的基础上预测了目标车辆在每个车道中的定位区域,因此,在进行车道级定位时,能够根据定位区域中的抽稀后形点确定出目标车辆在局部车道高精数据中匹配的车道和/或形点,可以保持车辆定位精度,降低计算开销,提高车辆定位效率,实现车辆位置与车道高精数据的快速匹配。
为了更好地实施以上方法,相应的,本发明实施例还提供一种车道级数据匹配装置。
参考图10,该装置包括:
位置获取单元1001,可以用于获取目标车辆的车辆位置;
数据确定单元1002,可以用于确定所述车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,所述形点用于指示车道的走向;
数据抽稀单元1003,用于基于所述形点之间的位置关系,对所述局部车道高精数据中的形点进行抽稀,得到各所述车道对应的车道级抽稀数据,所述车道级抽稀数据中的形点构成的曲线与所述局部车道高精数据中的起点构成的曲线走向匹配;
区域预测单元1004,可以用于根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域;
结果确定单元1005,可以用于确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在所述局部车道高精数据中的匹配结果。
在一些可选的实施例中,形点包括端点形点以及位于端点形点之间的中间形点,数据抽稀单元1003,用于基于中间形点与两端的端点形点之间的位置关系,确定中间形点中的用于保留车道走向的抽稀后形点;
以抽稀后形点作为新端点形点,基于邻近的端点形点间的中间形点与邻近的端点形点之间的位置关系,确定邻近的端点形点中用于保留车道走向的抽稀后形点,得到由抽稀后形点构成的车道级抽稀数据。
在一些可选的实施例中,数据抽稀单元1003,用于基于形点的形点位置,确定中间形点与两端点形点构成的直线之间的最大距离;
若最大距离大于预设距离阈值,将最大距离对应的中间形点作为抽稀后形点;
以抽稀后形点为新端点形点,将形点构成的曲线分割成两段子曲线;
确定子曲线上的中间形点到子曲线的端点形点之间的最大距离;
若最大距离大于预设距离阈值,将最大距离对应的中间形点作为新的抽稀后形点;
以新的抽稀后形点为新端点形点,将新的抽稀后形点所在的子曲线分割成两段新的子曲线,执行确定子曲线上的中间形点到子曲线的端点形点之间的最大距离的步骤,直到子曲线上不存在新的抽稀后形点为止,得到抽稀后形点构成的车道级抽稀数据。
在一些可选的实施例中,区域预测单元1004可以用于当抽稀后形点的数量大于预设的区域形点数量时,根据抽稀后形点中的第一形点和第二形点,确定抽稀后形点中的第一参考形点;
根据第一参考形点和第二形点,确定抽稀后形点中的第二参考形点;
基于车辆位置、第一参考形点的形点位置和第二参考形点的形点位置,计算目标车辆与第一参考形点之间的第一距离,以及目标车辆与第二参考形点之间的第二距离;
若第一距离小于第二距离,将第二参考形点作为新的第二形点;
若第一形点和新的第二形点之间的抽稀后形点的数量不大于区域形点数量,将第一形点、新的第二形点以及第一形点和新的第二形点之间的抽稀后形点作为定位区域。
在一些可选的实施例中,结果确定单元1005,可以用于根据车辆位置,以及每个车道的定位区域中任意的相邻的两个形点的形点位置,确定目标车辆在各车道上候选定位点的位置;
计算车辆位置与各候选定位点的位置之间的线段距离,将线段距离作为车辆位置到定位区域中相邻两形点构成的形点线段的距离;
基于距离,从候选定位点中确定目标车辆的目标定位点;
将目标定位点对应的相邻的两个形点,作为目标车辆在局部车道高精数据中的匹配结果。
在一些可选的实施例中,结果确定单元1005,可以用于根据车辆位置,以及每个车道的定位区域中任意的相邻的两个形点的形点位置,计算目标车辆在各车道上的候选定位点与两个形点构成的形点线段之间的位置关系指示参数;
当位置关系指示参数在预设参数范围内时,根据两个形点的形点位置和位置关系指示参数,计算目标车辆在各车道上候选定位点的位置。
在一些可选的实施例中,如图11所示,本发明实施例提供的车道级数据匹配装置还可以包括行驶权重计算单元1006,可以用于获取目标车辆的车辆速度数据和车辆航向数据;
基于车辆速度数据和车辆航向数据,以及预设的权重映射关系,计算目标车辆的行驶权重参数;
结果确定单元,可以用于基于距离,确定目标车辆的距离权重参数;
根据距离权重参数和行驶权重参数,计算目标车辆与候选定位点之间的定位参数;
基于定位参数,从候选定位点中确定目标车辆的目标定位点。
在一些可选的实施例中,权重映射关系可以包括速度权重映射关系和角度权重映射关系,行驶权重计算单元1006,可以用于基于车辆速度数据和速度权重映射关系,计算目标车辆的速度权重参数;
根据预设的角度坐标系以及车辆航向数据,确定目标车辆的行驶角度;
根据角度坐标系,以及各定位区域中的相邻两形点构成的形点线段,确定各形点线段的线段角度;
基于行驶角度、线段角度和角度权重映射关系,计算目标车辆的角度权重参数;
基于速度权重参数和角度权重参数,计算目标车辆的行驶权重参数。
在一些可选的实施例中,本发明实施例提供的车道级数据匹配装置还可以包括行驶规划单元1007,可以用于根据所述目标车辆在所述局部车道高精数据中的匹配结果,确定所述目标车辆对应的目标车道;
获取车辆位置所在道路中各车道的车道观测数据;
根据目标车道的车道观测数据以及其他车道的车道观测数据,生成目标车辆的车道级行驶规划。
在一些可选的实施例中,本发明实施例提供的车道级数据匹配装置还可以包括行驶数据获取单元1008,可以用于获取目标车辆的车辆速度数据和车辆航向数据;
结果确定单元1005,可以用于根据车辆位置,以及车辆速度数据和车辆航向数据,计算目标车辆的预估定位位置;
确定预估定位位置到定位区域中相邻两形点构成的形点线段的距离。
在一些可选的实施例中,本发明实施例提供的车道级数据匹配装置还可以包括数据更新抽稀单元1009,可以用于获取车辆位置所在道路中各车道的车道流量数据;
根据各车道的车道流量数据,确定原始车道级数据对应的新的预设距离阈值;
基于新的预设距离阈值,执行基于形点的形点位置,确定中间形点与原始的起始形点和原始的终末形点构成的直线之间的最大距离的步骤。
由上可知,通过车道级数据匹配装置,可以获取目标车辆的车辆位置,确定车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,形点用于指示车道的走向,基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向匹配,根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域,确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在局部车道高精数据中的匹配结果;由于在本发明实施例中对高精度的局部车道高精数据进行抽稀得到了抽稀后形点,并在抽稀后形点的基础上预测了目标车辆在每个车道中的定位区域,因此,在进行车道级定位时,能够根据定位区域中的抽稀后形点确定出目标车辆在局部车道高精数据中匹配的车道和/或形点,可以保持车辆定位精度,降低计算开销,提高车辆定位效率,实现车辆位置与车道高精数据的快速匹配。
此外,本发明实施例还提供一种电子设备,该电子设备可以为终端或者服务器等等,如图12所示,其示出了本发明实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括射频(RF,Radio Frequency)电路1201、包括有一个或一个以上计算机可读存储介质的存储器1202、输入单元1203、显示单元1204、传感器1205、音频电路1206、无线保真(WiFi,Wireless Fidelity)模块1207、包括有一个或者一个以上处理核心的处理器1208、以及电源1209等部件。本领域技术人员可以理解,图12中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路1201可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器1208处理;另外,将涉及上行的数据发送给基站。通常,RF电路1201包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM,Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA,Low Noise Amplifier)、双工器等。此外,RF电路1201还可以通过无线通信与网络和其他设备通信。无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯***(GSM,Global System of Mobile communication)、通用分组无线服务(GPRS,GeneralPacket Radio Service)、码分多址(CDMA,Code Division Multiple Access)、宽带码分多址(WCDMA,Wideband Code Division Multiple Access)、长期演进(LTE,Long TermEvolution)、电子邮件、短消息服务(SMS,Short Messaging Service)等。
存储器1202可用于存储软件程序以及模块,处理器1208通过运行存储在存储器1202的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器1202可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器1202可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器1202还可以包括存储器控制器,以提供处理器1208和输入单元1203对存储器1202的访问。
输入单元1203可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,在一个具体的实施例中,输入单元1203可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器1208,并能接收处理器1208发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元1203还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1204可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元1204可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid CrystalDisplay)、有机发光二极管(OLED,Organic Light-Emitting Diode)等形式来配置显示面板。进一步的,触敏表面可覆盖显示面板,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器1208以确定触摸事件的类型,随后处理器1208根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图12中,触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面与显示面板集成而实现输入和输出功能。
电子设备还可包括至少一种传感器1205,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板的亮度,接近传感器可在电子设备移动到耳边时,关闭显示面板和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于电子设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路1206、扬声器,传声器可提供用户与电子设备之间的音频接口。音频电路1206可将接收到的音频数据转换后的电信号,传输到扬声器,由扬声器转换为声音信号输出;另一方面,传声器将收集的声音信号转换为电信号,由音频电路1206接收后转换为音频数据,再将音频数据输出处理器1208处理后,经RF电路1201以发送给比如另一电子设备,或者将音频数据输出至存储器1202以便进一步处理。音频电路1206还可能包括耳塞插孔,以提供外设耳机与电子设备的通信。
WiFi属于短距离无线传输技术,电子设备通过WiFi模块1207可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图12示出了WiFi模块1207,但是可以理解的是,其并不属于电子设备的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1208是电子设备的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器1202内的软件程序和/或模块,以及调用存储在存储器1202内的数据,执行电子设备的各种功能和处理数据。可选的,处理器1208可包括一个或多个处理核心;优选的,处理器1208可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1208中。
电子设备还包括给各个部件供电的电源1209(比如电池),优选的,电源可以通过电源管理***与处理器1208逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源1209还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,电子设备还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备中的处理器1208会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器1202中,并由处理器1208来运行存储在存储器1202中的应用程序,从而实现各种功能,如下:
获取目标车辆的车辆位置;
确定车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,形点用于指示车道的走向;
基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向匹配;
根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域;
确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在局部车道高精数据中的匹配结果。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的任一种车道级数据匹配方法中的步骤。例如,该指令可以执行如下步骤:
获取目标车辆的车辆位置;
确定车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,形点用于指示车道的走向;
基于形点之间的位置关系,对局部车道高精数据中的形点进行抽稀,得到各车道对应的车道级抽稀数据,车道级抽稀数据中的形点构成的曲线与局部车道高精数据中的起点构成的曲线走向匹配;
根据抽稀后形点的位置以及车辆位置,基于每个车道的抽稀后形点预测目标车辆在每个车道中的定位区域;
确定车辆位置到定位区域中的相邻两形点构成的形点线段的距离,基于距离确定目标车辆在局部车道高精数据中的匹配结果。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本发明实施例所提供的任一种车道级数据匹配方法中的步骤,因此,可以实现本发明实施例所提供的任一种车道级数据匹配方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
根据本申请的一个方面,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该电子设备执行上述实施例中的各种可选实现方式中提供的方法。
以上对本发明实施例所提供的一种车道级数据匹配方法、装置、电子设备和存储介质进行了详细介绍,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 (15)
1.一种车道级数据匹配方法,其特征在于,包括:
获取目标车辆的车辆位置;
确定所述车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,所述形点用于指示车道的走向;
基于所述形点之间的位置关系,对所述局部车道高精数据中的形点进行抽稀,得到各所述车道对应的车道级抽稀数据,所述车道级抽稀数据中的形点构成的曲线与所述局部车道高精数据中的起点构成的曲线走向匹配;
根据所述抽稀后形点的位置以及所述车辆位置,基于每个车道的所述抽稀后形点预测所述目标车辆在每个车道中的定位区域;
确定所述车辆位置到所述定位区域中的相邻两形点构成的形点线段的距离,基于所述距离确定所述目标车辆在所述局部车道高精数据中的匹配结果。
2.根据权利要求1所述的车道级数据匹配方法,其特征在于,所述形点包括端点形点以及位于端点形点之间的中间形点;
所述基于所述形点之间的位置关系,对所述局部车道高精数据中的形点进行抽稀,得到各所述车道对应的车道级抽稀数据,包括:
基于中间形点与两端的端点形点之间的位置关系,确定中间形点中的用于保留车道走向的抽稀后形点;
以抽稀后形点作为新端点形点,基于邻近的端点形点间的中间形点与所述邻近的端点形点之间的位置关系,确定邻近的端点形点间的中间形点中用于保留车道走向的抽稀后形点,得到由抽稀后形点构成的车道级抽稀数据。
3.根据权利要求2所述的车道级数据匹配方法,其特征在于,所述基于中间形点与两端的端点形点之间的位置关系,确定中间形点中的用于保留车道走向的抽稀后形点,包括:
基于所述形点的形点位置,确定中间形点与两端点形点构成的直线之间的最大距离;
若所述最大距离大于预设距离阈值,将所述最大距离对应的中间形点作为抽稀后形点;
所述以抽稀后形点作为新端点形点,基于邻近的端点形点间的中间形点与所述邻近的端点形点之间的位置关系,确定邻近的端点形点间的中用于保留车道走向的抽稀后形点,得到由抽稀后形点构成的车道级抽稀数据,包括:
以抽稀后形点为新端点形点,将形点构成的曲线分割成两段子曲线;
确定子曲线上的中间形点到子曲线的端点形点之间的最大距离;
若所述最大距离大于预设距离阈值,将所述最大距离对应的中间形点作为新的抽稀后形点;
以新的抽稀后形点为新端点形点,将所述新的抽稀后形点所在的子曲线分割成两段新的子曲线,执行所述确定子曲线上的中间形点到子曲线的端点形点之间的最大距离的步骤,直到子曲线上不存在新的抽稀后形点为止,得到抽稀后形点构成的车道级抽稀数据。
4.根据权利要求1所述的车道级数据匹配方法,其特征在于,所述根据所述抽稀后形点的位置以及所述车辆位置,基于每个车道的所述抽稀后形点预测所述目标车辆在每个车道中的定位区域,包括:
当所述抽稀后形点的数量大于预设的区域形点数量时,根据所述抽稀后形点中的第一形点和第二形点,确定所述抽稀后形点中的第一参考形点;
根据所述第一参考形点和所述第二形点,确定所述抽稀后形点中的第二参考形点;
基于所述车辆位置、所述第一参考形点的形点位置和所述第二参考形点的形点位置,计算所述目标车辆与所述第一参考形点之间的第一距离,以及所述目标车辆与所述第二参考形点之间的第二距离;
若所述第一距离小于所述第二距离,将所述第二参考形点作为新的第二形点;
若所述第一形点和所述新的第二形点之间的抽稀后形点的数量不大于所述区域形点数量,将所述第一形点、所述新的第二形点以及所述第一形点和所述新的第二形点之间的抽稀后形点作为定位区域。
5.根据权利要求1所述的车道级数据匹配方法,其特征在于,所述确定所述车辆位置到所述定位区域中的相邻两形点构成的形点线段的距离,基于所述距离确定所述目标车辆在所述局部车道高精数据中的匹配结果,包括:
根据所述车辆位置,以及每个车道的所述定位区域中任意的相邻的两个形点的形点位置,确定所述目标车辆在各所述车道上候选定位点的位置;
计算所述车辆位置与各所述候选定位点的位置之间的线段距离,将所述线段距离作为所述车辆位置到所述定位区域中相邻两形点构成的形点线段的距离;
基于所述距离,从所述候选定位点中确定所述目标车辆的目标定位点;
将所述目标定位点对应的相邻的两个形点,作为所述目标车辆在所述局部车道高精数据中的匹配结果。
6.根据权利要求5所述的车道级数据匹配方法,其特征在于,所述根据所述车辆位置,以及每个车道的所述定位区域中任意的相邻的两个形点的形点位置,确定所述目标车辆在各所述车道上候选定位点的位置,包括:
根据所述车辆位置,以及每个车道的所述定位区域中任意的相邻的两个形点的形点位置,计算所述目标车辆在各所述车道上的候选定位点与所述两个形点构成的形点线段之间的位置关系指示参数;
当所述位置关系指示参数在预设参数范围内时,根据所述两个形点的形点位置和所述位置关系指示参数,计算所述目标车辆在各所述车道上候选定位点的位置。
7.根据权利要求5所述的车道级数据匹配方法,其特征在于,所述基于所述距离,从所述候选定位点中确定所述目标车辆的目标定位点之前,所述方法还包括:
获取所述目标车辆的车辆速度数据和车辆航向数据;
基于所述车辆速度数据和所述车辆航向数据,以及预设的权重映射关系,计算所述目标车辆的行驶权重参数;
所述基于所述距离,从所述候选定位点中确定所述目标车辆的目标定位点,包括:
基于所述距离,确定所述目标车辆的距离权重参数;
根据所述距离权重参数和所述行驶权重参数,计算所述目标车辆与所述候选定位点之间的定位参数;
基于所述定位参数,从所述候选定位点中确定所述目标车辆的目标定位点。
8.根据权利要求7所述的车道级数据匹配方法,其特征在于,所述权重映射关系包括速度权重映射关系和角度权重映射关系,所述基于所述车辆速度数据和所述车辆航向数据,以及预设的权重映射关系,计算所述目标车辆的行驶权重参数,包括:
基于所述车辆速度数据和所述速度权重映射关系,计算所述目标车辆的速度权重参数;
根据预设的角度坐标系以及所述车辆航向数据,确定所述目标车辆的行驶角度;
根据所述角度坐标系,以及各所述定位区域中的相邻两形点构成的形点线段,确定各所述形点线段的线段角度;
基于所述行驶角度、所述线段角度和所述角度权重映射关系,计算所述目标车辆的角度权重参数;
基于所述速度权重参数和角度权重参数,计算所述目标车辆的行驶权重参数。
9.根据权利要求1所述的车道级数据匹配方法,其特征在于,所述方法还包括:
根据所述目标车辆在所述局部车道高精数据中的匹配结果,确定所述目标车辆对应的目标车道;
获取所述车辆位置所在道路中各车道的车道观测数据;
根据所述目标车道的车道观测数据以及其他车道的车道观测数据,生成所述目标车辆的车道级行驶规划。
10.根据权利要求1所述的车道级数据匹配方法,其特征在于,所述确定所述车辆位置到所述定位区域中的相邻两形点构成的形点线段的距离之前,所述方法还包括:
获取所述目标车辆的车辆速度数据和车辆航向数据;
所述确定所述车辆位置到所述定位区域中的相邻两形点构成的形点线段的距离,包括:
根据所述车辆位置,以及所述车辆速度数据和车辆航向数据,计算所述目标车辆的预估定位位置;
确定所述预估定位位置到所述定位区域中相邻两形点构成的形点线段的距离。
11.根据权利要求3所述的车道级数据匹配方法,其特征在于,所述方法还包括:
获取所述车辆位置所在道路中各车道的车道流量数据;
根据所述各车道的车道流量数据,确定所述原始车道级数据对应的新的预设距离阈值;
基于所述新的预设距离阈值,执行所述基于所述形点的形点位置,确定中间形点与两端点形点构成的直线之间的最大距离的步骤。
12.一种车道级数据匹配装置,其特征在于,包括:
位置获取单元,用于获取目标车辆的车辆位置;
数据确定单元,用于确定所述车辆位置所在道路的至少一个车道对应的局部车道高精数据,一个局部车道高精数据包括一个车道的至少两个形点,所述形点用于指示车道的走向;
数据抽稀单元,用于基于所述形点之间的位置关系,对所述局部车道高精数据中的形点进行抽稀,得到各所述车道对应的车道级抽稀数据,所述车道级抽稀数据中的形点构成的曲线与所述局部车道高精数据中的起点构成的曲线走向匹配;
区域预测单元,用于根据所述抽稀后形点的位置以及所述车辆位置,基于每个车道的所述抽稀后形点预测所述目标车辆在每个车道中的定位区域;
结果确定单元,用于确定所述车辆位置到所述定位区域中的相邻两形点构成的形点线段的距离,基于所述距离确定所述目标车辆在所述局部车道高精数据中的匹配结果。
13.一种电子设备,其特征在于,包括存储器和处理器;所述存储器存储有应用程序,所述处理器用于运行所述存储器内的应用程序,以执行权利要求1至11任一项所述的车道级数据匹配方法中的步骤。
14.一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多条指令,所述指令适于处理器进行加载,以执行权利要求1至11任一项所述的车道级数据匹配方法中的步骤。
15.一种计算机程序产品,包括计算机程序或指令,其特征在于,所述计算机程序或指令被处理器执行时实现如权利要求1至11中任一项所述的车道级数据匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210350275.2A CN114625828A (zh) | 2022-04-02 | 2022-04-02 | 一种车道级数据匹配方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210350275.2A CN114625828A (zh) | 2022-04-02 | 2022-04-02 | 一种车道级数据匹配方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114625828A true CN114625828A (zh) | 2022-06-14 |
Family
ID=81905364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210350275.2A Pending CN114625828A (zh) | 2022-04-02 | 2022-04-02 | 一种车道级数据匹配方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114625828A (zh) |
-
2022
- 2022-04-02 CN CN202210350275.2A patent/CN114625828A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021128777A1 (en) | Method, apparatus, device, and storage medium for detecting travelable region | |
EP3502956B1 (en) | Road shoulder extraction method and device, and storage medium | |
CN110147705B (zh) | 一种基于视觉感知的车辆定位方法及电子设备 | |
EP3685565B1 (en) | Network-assisted scanning of a surrounding environment | |
CN109556612B (zh) | 一种导航信息处理方法、装置、服务器、终端及存储介质 | |
CN110044371A (zh) | 一种车辆定位的方法以及车辆定位装置 | |
CN106370190A (zh) | 车辆导航、位置标记方法、装置及*** | |
CN109165606B (zh) | 一种车辆信息的获取方法、装置以及存储介质 | |
CN110926484B (zh) | 车辆位置的获取方法、装置以及智能车辆 | |
KR20060122284A (ko) | 지리정보 제공 기능을 갖는 이동통신 단말기 및 이를이용한 지리 정보 제공 방법 | |
CN110095128B (zh) | 获取缺失道路情报的方法、装置、设备及存储介质 | |
CN109489674B (zh) | 基于位置确定路段的方法、装置及存储介质 | |
CN108801287B (zh) | 一种导航地图中引导线的显示方法和移动终端 | |
CN111192341A (zh) | 生成高精地图的方法、装置、自动驾驶设备及存储介质 | |
CN113701743B (zh) | 地图数据处理方法、装置、计算机设备及存储介质 | |
EP2867877A1 (en) | Location estimation method and system | |
CN113923775B (zh) | 一种定位信息质量评估的方法、装置、设备和存储介质 | |
CN113221756A (zh) | 交通标志检测方法及相关设备 | |
CN112447058B (zh) | 泊车方法、装置、计算机设备及存储介质 | |
CN113124857A (zh) | 一种出入口位置的确定方法、相关装置、设备及存储介质 | |
WO2017092008A1 (zh) | 一种导航方法和用于导航的设备 | |
US20220157032A1 (en) | Multi-modality localization of users | |
CN110501007B (zh) | 一种路径规划方法、装置及终端 | |
CN117109623A (zh) | 一种智能穿戴式导航交互方法、***及介质 | |
CN114625828A (zh) | 一种车道级数据匹配方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |