具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径。由此,基于多车轨迹这种众包轨迹进行分段融合得到的融合轨迹分段数据,可以分段进行路段组合规划,获得最优的推荐驾驶路径,从而有效优化导航路径推荐方案,可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验;此外,还可以对驾驶路线进行优化处理得到适配车辆行驶的驾驶路径,进一步优化导航路径推荐方案,改善用户驾驶体验。
本发明实施例涉及的技术术语:
Dijkstra算法,即迪杰斯特拉算法,是由荷兰计算机科学家狄克斯特拉于1959年提出的。是寻找从一个顶点到其余各顶点的最短路径算法,可用来解决最短路径问题。迪杰斯特拉算法采用贪心算法的策略,将所有顶点分为已标记点和未标记点两个集合,从起始点开始,不断在未标记点中寻找距离起始点路径最短的顶点,并将其标记,直到所有顶点都被标记为止。
样条曲线:在数学学科数值分析中,样条是一种特殊的函数,由多项式分段定义。样条的英语单词spline来源于可变形的样条工具,那是一种在造船和工程制图时用来画出光滑形状的工具。
在计算机科学的计算机辅助设计和计算机图形学中,样条通常是指分段定义的多项式参数曲线。由于样条构造简单,使用方便,拟合准确,并能近似曲线拟合和交互式曲线设计中复杂的形状,样条是这些领域中曲线的常用表示方法。
CHS样条曲线:是样条曲线的一种,CHS全称是Cubic Hermit Spline,详细介绍可以参考网址:https://web.ntnu.edu.tw/~algo/Surface.html#3。
NURBS样条曲线:NURBS全称Non-Uniform Rational B-Splines,缩写为NURBS,是非均匀有理B样条曲线的意思,是由Versprille在其博士学位论文中提出,1991年,国际标准化组织(ISO)颁布的工业产品数据交换标准STEP中,把NURBS作为定义工业产品几何形状的唯一数学方法。1992年,国际标准化组织又将NURBS纳入到规定独立于设备的交互图形编程接口的国际标准PHIGS(程序员层次交互图形***)中,作为PHIGS Plus的扩充部分。Bezier、有理Bezier、均匀B样条和非均匀B样条都被统一到NURBS中。其中:
Non-Uniform(非均匀性):是指一个控制顶点的影响力的范围能够改变。当创建一个不规则曲面的时候这一点非常有用。
Rational(有理):是指每个NURBS物体都可以用有理多项式形式表达式来定义。
B-Spline(B样条):是指用路线来构建一条曲线,在一个或更多的点之间以内插值替换的。
简单地说,NURBS就是专门做曲面物体的一种造型方法。NURBS造型总是由曲线和曲面来定义的,所以要在NURBS表面里生成一条有棱角的边是很困难的。因为这一特点,可以用它做出各种复杂的曲面造型和表现特殊的效果,如人的皮肤,面貌或流线型的跑车等。
本发明实施例考虑到:传统的自动驾驶导航推荐方案,主要解决出发点到目的地的道路逻辑链接、行驶涉及路段、行驶路段顺序问题。这仅仅实现了车辆如何根据导航路径行驶达到目的地的基本要求,而对于适配自动驾驶的导航路径,推荐的并不一定是最优路径,比如缺乏对车辆行驶安全性问题的考虑,缺乏对用户体验的考虑等。因此,传统的导航路径推荐方案不够完善。
本发明实施例提出解决方案,可以有效优化导航路径推荐方案,提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
具体地,参照图1,图1是本发明导航路径推荐装置所属设备的功能模块示意图。该导航路径推荐装置可以为独立于设备的、能够进行数据处理的装置,其可以通过硬件或软件的形式承载于设备上。该设备可以为手机、平板电脑等具有数据处理功能的智能移动终端,还可以为具有数据处理功能的固定设备(比如车载导航设备)或服务器等。
在本实施例中,该导航路径推荐装置所属设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作***以及导航路径推荐程序;输出模块110可为显示屏等。通信模块140可以包括WIFI模块以及蓝牙模块等,通过通信模块140与外部设备或服务器进行通信。
其中,存储器130中的导航路径推荐程序被处理器执行时实现以下步骤:
响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;
根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;
根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
根据所述各路段之间的关联关系和/或各路段的长度信息,生成分段轨迹选取代价表;
从所述导航路径推荐请求对应的起点开始,向所述导航路径推荐请求对应的终点方向,根据各路段之间的关联关系、各路段的长度信息并结合所述分段轨迹选取代价表,依次选取可以前往的、代价最小的路段,直到所述起点到终点之间的所有路段均遍历完,得到选取的分段轨迹;
将各分段轨迹根据对应的关联关系进行拼接,得到融合轨迹路线;
基于拼接得到的融合轨迹路线生成参考导航路径。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
根据各路段的长度信息,配置各路段的长度代价指标;
根据所述各路段的长度代价指标,生成分段轨迹选取代价表。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
根据所述各路段之间的关联关系,获取路口信息和转向信息;
根据所述路口信息和转向信息,配置对应的路口代价指标和转向代价指标,根据各路段的长度信息,配置各路段的长度代价指标;
根据所述路口代价指标、转向代价指标和各路段的长度代价指标,生成分段轨迹选取代价表。
对所述融合轨迹路线中的各路段,通过曲率限制的方式进行平滑处理。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
对所述融合轨迹路线中的各路口段,通过预设的拟合曲线进行平滑过渡处理。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
在根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径的步骤之前对各路段通过曲率限制的方式进行平滑处理。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
在根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径的步骤之前根据所述各路段之间的关联关系,获取路口信息;根据所述路口信息,对各路口段通过预设的拟合曲线进行平滑过渡处理。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
对每个路段的轨迹,依次选取连续的三个采样点构建三角形;
计算连续三个采样点构建的三角形的外接圆半径;
若所述外接圆半径小于预设的半径阈值,则删除选取的采样点;
若所述外接圆半径不小于预设的半径阈值,则保留选取的采样点;
对所有保留的采样点通过预设的拟合曲线进行拟合,得到平滑处理的路段。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
对每一路口段,获取入路口侧轨迹线的末尾端点,以及出路口侧轨迹线的首端端点;
获取所述末尾端点和首端端点的点坐标、点切线方向向量;
根据所述末尾端点和首端端点的点坐标、点切线方向向量,并依据预设的拟合曲线,生成路口段平滑参考导航指引线,以供获得参考导航路径。
进一步地,存储器130中的导航路径推荐程序被处理器执行时还实现以下步骤:
收集各车辆上报的行驶路线,得到众包轨迹行驶路线;
结合几何路网对所述众包轨迹行驶路线中的每一条行驶轨迹进行路段匹配与切分,得到切分路段;
对所述众包轨迹行驶路线中各条行驶轨迹对应的切分路段进行对齐与融合,得到融合轨迹分段数据。
本实施例通过上述方案,响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径。由此,基于多车轨迹这种众包轨迹进行分段融合得到的融合轨迹分段数据,可以分段进行路段组合规划,获得最优的推荐驾驶路径,从而有效优化导航路径推荐方案,可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验;此外,还可以对驾驶路线进行优化处理得到适配车辆行驶的驾驶路径,进一步优化导航路径推荐方案,改善用户驾驶体验。
基于上述设备架构但不限于上述架构,提出本发明方法实施例。
本实施例方法的执行主体可以是一种导航路径推荐装置,该导航路径推荐装置可以为独立于设备的、能够进行数据处理的装置,其可以通过硬件或软件的形式承载于设备上。该设备可以为导航设备或者车载设备,该导航设备可以是车载导航设备,也可以是具有导航功能的移动终端,本实施例以设置在车辆上的车载导航设备进行举例,通过车载导航设备实现导航路径推荐。
参照图2,图2为本发明导航路径推荐方法第一实施例的流程示意图。所述导航路径推荐方法包括:
步骤S101,响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;
本实施例方案可以适用于需要推荐导航路径的各种场景,比如停车场、交通道路等智能/自动驾驶场景。本实施例以停车场进行举例。
在停车场中,对于自动驾驶的车辆,有推荐导航路径的需求,比如需要从车位到停车场入口的推荐路径,或者,从停车场入口到对应停车位或停车区域的推荐路径。
其中,以从停车场入口到对应停车区域为例,可以根据用户需求触发导航路径推荐请求。
作为一种实施方式,可以在检测到车辆进入停车场入口时,自动开启对停车场进行路面导航的导航路径推荐功能,并根据用户输入的起点、终点信息,触发导航路径推荐请求。
作为另一种实施方式,也可以由用户在车辆进入停车场入口时,在车辆的导航设备上开启对停车场进行路面导航的导航路径推荐功能,并根据用户输入的起点、终点信息,触发导航路径推荐请求。
车载导航设备接收到导航路径推荐请求后,解析该导航路径推荐请求,获得导航路径的起点和终点信息,并根据该导航路径推荐请求开始生成导航路径,以便推荐导航路径。
其中,导航路径可以通过停车场地图呈现,停车场地图可以采用多种方式构建。
在停车场地图中,根据停车场的行车路面布局情况,构建有几何路网,该几何路网包括组成路网的几何节点和几何路段等信息。
在本实施例中,导航路径可以基于停车场地图的几何路网生成。
为了有效优化导航路径推荐方案,本实施例基于多车轨迹分段融合后的数据,对分段融合后的各路段进行组合规划,获得最优的推荐驾驶路径。
具体地,本实施例预先基于多车轨迹进行分段融合,得到融合轨迹分段数据。
其中,融合轨迹分段数据可以用来生成融合轨迹路线。
融合轨迹分段数据可以包括:融合轨迹各分段路段的轨迹点坐标等信息。
其中,作为一种实施方式,多车轨迹的分段融合可以采用如下方案:
首先,可以预先收集在停车场上行驶的各车辆上报的多条行驶路线,由此得到众包轨迹行驶路线,其中,众包轨迹行驶路线中的每一条行驶路线都是一条行驶轨迹;
然后,对众包轨迹行驶路线进行路段切分,以便对各切分路段进行组合规划。
作为一种实施方式,可以结合停车场地图的几何路网对众包轨迹行驶路线中的每一条行驶轨迹进行路段匹配与切分,得到切分路段;
如前所述,几何路网包括几何节点和几何路段,因此,在切分众包轨迹行驶路线时,可以根据停车场地图几何路网中的几何节点和几何路段,对众包轨迹行驶路线中的每一条行驶轨迹进行路段匹配与切分,得到切分路段。
然后,对众包轨迹行驶路线中各条行驶轨迹对应的切分路段进行对齐与融合,得到融合轨迹分段数据。
其中,切分路段的对齐与融合,是指停车场相同路段的对齐与融合,比如,在停车场相同路段行驶时,不同车辆的行驶轨迹可能不同,比如,有老司机的车辆行驶轨迹,有行驶注重安全性的用户的车辆行驶轨迹,等等。其中,大多数行驶轨迹大概率是行驶安全或行驶规范的轨迹。
由此,通过对多个车辆的多条行驶轨迹进行分段对齐再融合后,可以得到同一路段的最优行驶轨迹。
通过上述基于多车轨迹进行分段融合的方案,可以得到停车场路网中,对应的各路段的融合轨迹分段数据。
步骤S102,根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;
在得到停车场路网中各路段的融合轨迹分段数据后,可以根据车辆在停车场中行驶路线的时序关系,获取融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息。
其中,各路段之间的关联关系可以是各路段之间的衔接关系,比如两条路段之间的交叉点,多条路段汇合形成的路口点等衔接关系。
其中,获取融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息,是为了对各路段进行分段组合规划,得到起点到终点之间的最优的参考导航路径。
步骤S103,根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径。
具体地,可以根据各路段之间的关联关系以及各路段的长度信息,采取合理的路径规划策略,比如路径最短的路径规划策略、行驶最安全的路径规划策略、行驶体验最舒适的路径规划策略,或者结合上述各种策略的方式进行路径规划,最终获得起点到终点之间路径最优的参考导航路径。
其中,路径规划的方案具体可以基于各路段之间的关联关系以及各路段的长度信息通过最优路径搜索的方式实现。
进一步地,作为一种实施方式,在根据各路段之间的关联关系以及各路段的长度信息进行路径规划时,还可以结合相应的路径规划算法,比如使用Dijkstra算法,实现最优路径搜索,最终获得起点到终点之间路径最优的参考导航路径。
本实施例通过上述方案,响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径。由此,基于多车轨迹这种众包轨迹进行分段融合得到的融合轨迹分段数据,可以分段进行路段组合规划,获得最优的推荐驾驶路径,从而有效优化导航路径推荐方案,可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
相比传统的导航路径推荐方案,主要解决出发点到目的地的道路逻辑链接、行驶涉及路段、行驶路段顺序问题,仅仅实现了车辆如何根据导航路径行驶达到目的地的基本要求,推荐的并不一定是最优路径,比如缺乏对车辆行驶安全性问题的考虑,缺乏对用户体验的考虑等。本发明实施例提出的解决方案,利用众包轨迹融合得到参考导航线,使得行驶更安全,可适用于智能/自动驾驶等场景,通过有效优化导航路径推荐方案,提升了智能/自动驾驶车辆的行驶安全性,改善用户驾驶体验。
参照图3,图3为本发明导航路径推荐方法第二实施例的流程示意图。基于上述图2所示的实施例,在本实施例中,对步骤S103,根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径进行细化,该步骤具体可以包括:
步骤S1031,根据所述各路段之间的关联关系和/或各路段的长度信息,生成分段轨迹选取代价表;
步骤S1032,从所述导航路径推荐请求对应的起点开始,向所述导航路径推荐请求对应的终点方向,根据各路段之间的关联关系、各路段的长度信息并结合所述分段轨迹选取代价表,依次选取可以前往的、代价最小的路段,直到所述起点到终点之间的所有路段均遍历完,得到选取的分段轨迹;
步骤S1033,将各分段轨迹根据对应的关联关系进行拼接,得到融合轨迹路线;
步骤S1034,基于拼接得到的融合轨迹路线生成参考导航路径。
相比上述图2所示的实施例,本实施例还包括结合路径规划算法进行路径规划,获得参考导航路径的方案。
具体地,在本实施例中,为了更好的改善优化导航路径推荐方案,推荐更优的导航路径,引入了代价指标作为惩罚因子,导航路径推荐原则即变为代价最小(或者称为开销最小)的推荐原则。比如通过增加对应的距离惩罚因子,保证在一定距离差异指标内,“走直路”优于“转向”,进而提升用户的驾驶体验。
其中,代价指标可以从多个维度进行定义,如下表1所示,比如可以从长度、路口、转向等维度定义相应的代价指标,为每个代价指标定义对应的代价值。
具体实现时,作为一种实施方式,可以根据各路段之间的关联关系和/或各路段的长度信息,确定相应的代价指标,并为每个代价指标定义对应的代价值。
作为一种实施方式,可以根据各指标及对应的指标值,生成分段轨迹选取代价表,以便在进行路径规划搜索时,可以参考该分段轨迹选取代价表,获取综合代价最小的路段进行路径规划,进而获得最优的参考导航路径。
其中,作为一种实施方式,可以根据各路段的长度信息,生成分段轨迹选取代价表,具体实现如下:
可以根据各路段的长度信息,配置各路段的长度代价指标;然后,根据所述各路段的长度代价指标,生成分段轨迹选取代价表。
其中,作为另一种实施方式,可以根据各路段之间的关联关系和各路段的长度信息,生成分段轨迹选取代价表,具体实现如下:
首先,根据各路段之间的关联关系,获取路口信息和转向信息;
然后,根据路口信息和转向信息,配置对应的路口代价指标和转向代价指标,根据各路段的长度信息,配置各路段的长度代价指标;
最后,根据所述路口代价指标、转向代价指标和各路段的长度代价指标,生成分段轨迹选取代价表。
进一步地,在生成分段轨迹选取代价表后,可以根据代价最小的路径搜索原则结合对应路径规划算法进行分段轨迹搜索和规划,选取对应的分段轨迹。
具体地,作为一种实施方式,可以从导航路径推荐请求对应的起点开始,向导航路径推荐请求对应的终点方向,根据各路段之间的关联关系、各路段的长度信息并结合所述分段轨迹选取代价表,依次选取可以前往的、代价最小的路段,直到所述起点到终点之间的所有路段均遍历完,得到选取的分段轨迹。
然后,将各分段轨迹根据对应的关联关系进行拼接,得到融合轨迹路线;最后,基于拼接得到的融合轨迹路线生成参考导航路径。
轨迹段 |
长度 |
路口 |
转向 |
代价 |
t1 |
30 |
0 |
0 |
30 |
t2 |
11 |
0 |
0 |
11 |
t3 |
8 |
5 |
4 |
18 |
t4 |
5 |
5 |
0 |
10 |
t5 |
4.5 |
5 |
4 |
13.5 |
t6 |
25 |
0 |
0 |
25 |
t7 |
21 |
0 |
0 |
21 |
t8 |
6 |
0 |
0 |
6 |
t9 |
5.2 |
5 |
4 |
14.2 |
t10 |
15 |
0 |
0 |
15 |
表1
场景举例如下:
如图4所示,图4为一种融合轨迹路线的示意图,其中,该融合轨迹路线包括:轨迹段t1、t2、t3、t4、t5、t6、t7、t8、t9、t10,参照表1,为每个轨迹段从长度、路口、转向三个维度定义了相应的代价值。
导航路径推荐的起点为A,终点为B,
在规划路径时,根据各路段之间的关联关系以及各路段的长度信息,结合路径规划算法,进行路径规划。
如图4所示,可以从起点A开始,向终点B方向,根据各路段之间的关联关系、各路段的长度信息并结合上述分段轨迹选取代价表即表1,依次选取可以前往的、代价最小的路段,直到起点A到终点B之间的所有路段均遍历完,得到选取的分段轨迹,该分段轨迹依次包括:轨迹段t1、t2、t5、t8、t9、t10,。
然后,将各分段轨迹t1、t2、t5、t8、t9、t10根据对应的关联关系进行拼接,得到融合轨迹路线;
最后,基于拼接得到的融合轨迹路线生成起点A到终点B之间的参考导航路径。
需要说明的是,上述方案中,是先根据各路段的关联关系、长度信息并结合对应的代价指标等选取分段轨迹,然后,再将各分段轨迹根据对应的关联关系进行拼接,得到融合轨迹路线。
在其他实施例中,也可以先将各分段的路段根据对应的关联关系进行拼接,形成如图4所示的融合轨迹路线,然后,再从融合轨迹路线中,根据各路段的关联关系、长度信息并结合对应的代价指标等选取分段轨迹,最后,获得将各分段轨迹连接构成最终参考导航的融合轨迹路线。
更为具体地,上述路径规划算法具体可以参考使用Dijkstra算法,实现最优路径搜索,具体路径搜索流程如下:
首先,从起点A出发,结合上述表1,从长度、路口、转向等代价指标考虑,选取可以前往的、代价最小的路段,并前往该路段对应的下一节点;
然后,对于该下一节点的临近节点,检查是否有前往该临近节点的更短路径,如果有,则更新该临近节点的代价;
然后,将临近节点加入已处理队列中,后续不再处理该临近节点;
重复上述三步,直到对图4中除了终点B的所有节点都进行了检查遍历,得到符合代价最小的最终路径,从而得到最佳推荐路径。
本实施例通过上述方案,响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;根据所述各路段之间的关联关系以及各路段的长度信息,引入代价指标,并结合相应的路径规划算法进行路径规划,获得参考导航路径。由此,基于多车轨迹这种众包轨迹进行分段融合得到的融合轨迹分段数据,可以分段进行路段组合规划,并可以结合代价指标,通过代价最小的路径搜索原则进行有效的路径规划,获得最优的推荐驾驶路径,更有效的优化了导航路径推荐方案,进一步提升了自动驾驶车辆的行驶安全性,改善用户驾驶体验,比如通过增加对应的距离惩罚因子作为代价指标,保证在一定距离差异指标内,“走直路”优于“转向”,进而提升用户的驾驶体验。
参照图5,图5为本发明导航路径推荐方法第三实施例的流程示意图。基于上述图3所示的实施例,在本实施例中,对步骤S103,根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径进一步进行细化,其中,在上述步骤S1033,将各分段轨迹根据对应的关联关系进行拼接,得到融合轨迹路线之后还可以包括:
步骤S10331,对所述融合轨迹路线中的各路段,通过曲率限制的方式进行平滑处理。
步骤S1034,基于拼接得到的融合轨迹路线生成参考导航路径可以替换为:
步骤S10341,基于拼接及平滑处理后得到的融合轨迹路线生成参考导航路径。
相比上述图3所示的实施例,本实施例还包括:在路径规划的过程中,对融合轨迹路线中的各路段进行平滑处理以得到更为平滑的参考导航路径的方案,由此,通过对用于生成参考导航路径的融合轨迹路线进行平滑过渡,使车辆操控实现更平稳,车辆驾驶更平顺,进一步可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
具体地,本实施例考虑到:融合轨迹路线中可能存在转弯半径太小,实际操控时,车辆无法真正实现的情形,因此需要对这种情形的轨迹进行微调。
其中,作为一种实施方式,可以采取三角形外接圆半径大小限制的方式,来对基于原始融合轨迹分段数据拼接得到的融合轨迹路线进行曲率限制处理。
具体地,对各路段通过曲率限制的方式进行平滑处理,具体可以采用如下方案:
首先,对每个路段的轨迹,依次选取连续的三个采样点构建三角形;
然后,计算连续三个采样点构建的三角形的外接圆半径;
若外接圆半径小于预设的半径阈值,则删除选取的采样点;
若外接圆半径不小于预设的半径阈值,则保留选取的采样点;
最后,对所有保留的采样点通过预设的拟合曲线进行拟合,得到平滑处理的路段。
其中,预设的拟合曲线可以根据实际情况进行选择,比如可以为NURBS样条曲线,本实施例对拟合曲线的类型不做具体限定。
由此,通过采用限制三角形外接圆半径的方式,实现了参考导航的融合轨迹路线的曲率限制,将参考导航的融合轨迹路线与车辆驾驶可实现的转弯半径相结合,从而实现驾驶操控与导航指引的真正融合,大大提升了自动驾驶车辆的行驶安全性,改善用户驾驶体验。
上述平滑处理的场景可以参照图6所示。
如图6所示,图6中虚线轨迹为基于原始融合轨迹分段数据拼接得到的、用于参考导航的融合轨迹路线RL0,实线轨迹为进行曲率限制处理后的融合轨迹路线RL1。
通过采取三角形外接圆半径大小限制的方式,来对融合轨迹路线RL0进行曲率限制处理,具体实现步骤如下:
首先,从融合轨迹路线RL0上采集连续三个采样点构建三角形,并构建该三角形的外接圆,该外接圆的半径为R1;
计算连续三个采样点构建的三角形的外接圆的半径R1;
将该外接圆的半径R1与停车场规范(比如JGJ 100-2015车库建筑设计规范)要求的半径标准进行比对;
如果该外接圆的半径R1小于停车场规范要求的半径标准,则删除该采样点;如果该外接圆的半径R1不小于停车场规范要求的半径标准,则保留选取的采样点;
重复上述步骤,从融合轨迹路线RL0上采集其他的连续三个采样点构建三角形,并构建该三角形的外接圆,得到外接圆的半径R2、R3等;
从图6可以看出,半径R1、R2不符合半径标准规范要求,半径R3符合半径标准规范要求,以此原理,对融合轨迹路线RL0上的所有轨迹点进行采样处理。
最后,使用NURBS样条曲线对所有保留的采样点数据进行拟合,得到平滑、满足曲率要求的导航参考线RL1,从而基于该导航参考线RL1可以得到参考导航路径。
由此,通过对用于生成参考导航路径的融合轨迹路线进行平滑过渡,使车辆操控实现更平稳,车辆驾驶更平顺,进而使车辆按推荐路线行驶能真正实现,进一步可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
参照图7,图7为本发明导航路径推荐方法第四实施例的流程示意图。基于上述图3所示的实施例,在本实施例中,对步骤S103,根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径进一步进行细化,其中,在上述步骤S1033,将各分段轨迹根据对应的关联关系进行拼接,得到融合轨迹路线之后还可以包括:
步骤S10332,对所述融合轨迹路线中的各路口段,通过预设的拟合曲线进行平滑过渡处理。
步骤S1034,基于拼接得到的融合轨迹路线生成参考导航路径可以替换为:
步骤S10342,基于拼接及平滑过渡处理后得到的融合轨迹路线生成参考导航路径。
相比上述图3所示的实施例,本实施例还包括:在路径规划的过程中,对融合轨迹路线中的各路口段进行平滑处理以得到更为平滑的参考导航路径的方案,由此,通过对用于生成参考导航路径的融合轨迹路线进行平滑过渡,使车辆操控实现更平稳,车辆驾驶更平顺,进一步可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
本实施例考虑到:对于路口段,多向行驶的众包轨迹无法融合或融合结果不符预期时,可以采用CHS曲线等拟合曲线进行补全过渡的方式,实现路口段导航轨迹线的平滑过渡。
具体地,作为一种实施方式,对各路口段通过预设的拟合曲线进行平滑过渡处理可以采用如下方案:
首先,对融合轨迹路线中的每一路口段,获取入路口侧轨迹线的末尾端点,以及出路口侧轨迹线的首端端点;
然后,获取所述末尾端点和首端端点的点坐标、点切线方向向量;
最后,根据所述末尾端点和首端端点的点坐标、点切线方向向量,并依据预设的拟合曲线,生成路口段平滑参考导航指引线,以供获得参考导航路径。
由此,通过对用于生成参考导航路径的融合轨迹路线中的各路口段,采用CHS曲线进行平滑过渡,使车辆操控实现更平稳,车辆驾驶更平顺,进一步可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
其中,预设的拟合曲线可以根据实际情况进行选择,比如可以为CHS样条曲线,本实施例对拟合曲线的类型不做具体限定。
具体举例如下:
参考图4,对于图4中的路口处,需要进行路口多向平滑时,可以采用CHS样条曲线生成相应的多向导航指引线,如图4中的t3、t4、t5轨迹段。具体的平滑处理步骤如下:
首先,选取入路口侧轨迹线t2的末尾端点,获得该末尾端点的点坐标、点切线方向向量。其中,点切线方向向量可以选取末端临近的两个点的切线方向作差,作为方向向量
同样,选取出路口侧轨迹线t5首端端点,获得该首端端点的点坐标、点切线方向向量。
最后,依据CHS曲线定义,生成路口段平滑参考导航指引线,进而获得平滑过渡处理后的融合轨迹路线。
后续即可基于拼接及平滑过渡处理后得到的融合轨迹路线生成参考导航路径。
由此,通过对用于生成参考导航路径的融合轨迹路线中的各路口段,采用CHS曲线进行平滑过渡,使车辆操控实现更平稳,车辆驾驶更平顺,进一步可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
需要说明的是,上述第三、第四实施例可以组合实施。
参照图8,图8为本发明导航路径推荐方法第五实施例的流程示意图。基于上述图2所示的实施例,在本实施例中,在步骤S103,根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径之前还可以包括:
步骤S10301,对各路段通过曲率限制的方式进行平滑处理。
相比上述图2所示的实施例,本实施例还包括:在路径规划前,基于融合轨迹分段数据,对各路段进行平滑处理以得到更为平滑的路段的方案,由此,通过对路段进行平滑过渡,使后续生成的融合轨迹路线更为平滑,进而得到更为平滑的参考导航路径,使车辆操控实现更平稳,车辆驾驶更平顺,进而使车辆按推荐路线行驶能真正实现,进一步可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
其中,对各路段通过曲率限制的方式进行平滑处理的方案可以参照上述对应实施例,比如可以通过采取三角形外接圆半径大小限制的方式,来对各路段的轨迹进行曲率限制处理,在此不再赘述。
参照图9,图9为本发明导航路径推荐方法第六实施例的流程示意图。基于上述图2所示的实施例,在本实施例中,在步骤S103,根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径之前还可以包括:
步骤S10302,根据所述各路段之间的关联关系,获取路口信息;
步骤S10303,根据所述路口信息,对各路口段通过预设的拟合曲线进行平滑过渡处理。
相比上述图2所示的实施例,本实施例还包括:在路径规划前,基于融合轨迹分段数据,对各路段对应的路口进行平滑处理以得到更为平滑的路段的方案,由此,通过对路段对应的路口进行平滑过渡,使后续生成的融合轨迹路线更为平滑,进而得到更为平滑的参考导航路径,使车辆操控实现更平稳,车辆驾驶更平顺,进一步可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
其中,对各路口段进行平滑处理的方案可以参照上述对应实施例,在此不再赘述。
需要说明的是,上述第五、第六实施例可以组合实施。
参照图10,图10为本发明导航路径推荐方法第七实施例的流程示意图。基于上述图2所示的实施例,在本实施例中,在上述步骤S101,响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据之前还可以包括:
步骤S1001,收集各车辆上报的行驶路线,得到众包轨迹行驶路线;
步骤S1002,结合几何路网对所述众包轨迹行驶路线中的每一条行驶轨迹进行路段匹配与切分,得到切分路段;
步骤S1003,对所述众包轨迹行驶路线中各条行驶轨迹对应的切分路段进行对齐与融合,得到融合轨迹分段数据。
相比上述图2所示的实施例,本实施例还包括:基于多车轨迹进行分段融合得到融合轨迹分段数据的方案。
具体地,作为一种实施方式,可以预先收集在停车场上行驶的各车辆上报的多条行驶路线,由此得到众包轨迹行驶路线,其中,众包轨迹行驶路线中的每一条行驶路线都是一条行驶轨迹;
然后,对众包轨迹行驶路线进行路段切分,以便对各切分路段进行组合规划。
作为一种实施方式,可以结合停车场地图的几何路网对众包轨迹行驶路线中的每一条行驶轨迹进行路段匹配与切分,得到切分路段;
如前所述,几何路网包括几何节点和几何路段,因此,在切分众包轨迹行驶路线时,可以根据停车场地图几何路网中的几何节点和几何路段,对众包轨迹行驶路线中的每一条行驶轨迹进行路段匹配与切分,得到切分路段。
然后,对众包轨迹行驶路线中各条行驶轨迹对应的切分路段进行对齐与融合,得到融合轨迹分段数据。
其中,切分路段的对齐与融合,是指停车场相同路段的对齐与融合,比如,在停车场相同路段行驶时,不同车辆其行驶轨迹可能不同,比如,有老司机的车辆行驶轨迹,有行驶注重安全的用户的车辆行驶轨迹,其中,大多数行驶轨迹大概率是行驶安全或行驶规范的轨迹。
由此可以通过对多个车辆的多条行驶轨迹进行分段对齐再融合后,可以得到同一路段的最优行驶轨迹。
通过上述基于多车轨迹进行分段融合的方案,可以得到停车场路网中,对应的各路段的融合轨迹分段数据。
本实施例通过上述方案,基于多车轨迹进行分段融合得到融合轨迹分段数据,响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径。由此,基于多车轨迹这种众包轨迹进行分段融合得到的融合轨迹分段数据,可以分段进行路段组合规划,获得最优的推荐驾驶路径,从而有效优化导航路径推荐方案,可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
需要说明是的,上述各实施例可以根据实际情况进行合理的组合实施,在此不再赘述。
还需要说明的是,基于上述各实施例方案,还可以进行相应参数调整,从而可适宜于其他自移动设备的导航规划,本实施例对此不作详述。
如图11所示,本发明一实施例提出一种导航路径推荐装置,所述装置包括:
分段数据获取模块,用于响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;
路段信息获取模块,用于根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;
导航路径获取模块,用于根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径。
本实施例实现导航路径推荐的原理及实施过程,请参照上述各实施例,在此不再赘述。
此外,本发明实施例还提出一种导航设备,所述导航设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述各实施例所述的导航路径推荐方法。
由于本导航路径推荐程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述各实施例所述的导航路径推荐方法。
由于本导航路径推荐程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
本发明实施例提出的一种导航路径推荐方法、装置、设备及存储介质,通过响应于导航路径推荐请求,获取预先基于多车轨迹进行分段融合得到的融合轨迹分段数据;根据车辆行驶路线的时序关系,获取所述融合轨迹分段数据中各路段之间的关联关系以及各路段的长度信息;根据所述各路段之间的关联关系以及各路段的长度信息进行路径规划,获得参考导航路径。
由此,基于多车轨迹这种众包轨迹进行分段融合得到的融合轨迹分段数据,可以分段进行路段组合规划,获得最优的推荐驾驶路径,从而有效优化导航路径推荐方案,提升了自动驾驶车辆的行驶安全性,改善了用户驾驶体验。
此外,还可以对驾驶路线进行优化处理得到适配车辆行驶的驾驶路径,进一步优化导航路径推荐方案,改善用户驾驶体验。
比如,通过采用限制三角形外接圆半径的方式,实现了参考导航的融合轨迹路线的曲率限制,将参考导航的融合轨迹路线与车辆驾驶可实现的转弯半径相结合,从而实现驾驶操控与导航指引的真正融合,大大提升了自动驾驶车辆的行驶安全性,改善用户驾驶体验。
还比如,通过对用于生成参考导航路径的融合轨迹路线进行平滑过渡,使车辆操控实现更平稳,车辆驾驶更平顺,进而使车辆按推荐路线行驶能真正实现,进一步可以提升自动驾驶车辆的行驶安全性,改善用户驾驶体验。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者方法中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,被控终端,或者网络设备等)执行本发明每个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。