CN115995162A - 远距离目标车道分配方法、***及存储介质 - Google Patents
远距离目标车道分配方法、***及存储介质 Download PDFInfo
- Publication number
- CN115995162A CN115995162A CN202211640152.9A CN202211640152A CN115995162A CN 115995162 A CN115995162 A CN 115995162A CN 202211640152 A CN202211640152 A CN 202211640152A CN 115995162 A CN115995162 A CN 115995162A
- Authority
- CN
- China
- Prior art keywords
- target
- lane
- probability
- coordinate system
- information
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种远距离目标车道分配方法,包括:依据道路模型和感知***输入的目标信息,对目标的y坐标进行位置修正转换到大地坐标系;将目标信息转换到Frenet坐标系;利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;利用正太分布的概率分别计算目标落在所有车道内的概率;选择概率最大的车道作为目标所在车道。本发明通过Frenet坐标转换将目标的位置由车身坐标系转换到大地坐标系,解决车道曲率对车道分配的影响,然后基于概率统计的方法解决感知***输出的远距离目标的不确定性,再此基础上再使用滞回区间增加目标车道分配的鲁棒性,从而实现低成本方案的远距离目标可靠的车道分配。
Description
技术领域
本发明涉及汽车领域,特别是涉及一种车辆智能驾驶或先进驾驶辅助***中的远距离目标车道分配方法。
背景技术
在智能驾驶和先进驾驶辅助***中,智能车辆需要确认每一个道路目标在当前环境中所处的车道,从而建立更安全可靠的环境模型以进行下一步的风险评估,而由于感知***对远距离目标的探测精度较差,因此,针对远距离目标的车道分配是一项关键技术。
现有目标车道分配的方法主要有两种,第一类是基于感知***输入的目标横向位置以及车道线信息,从而确认目标所处的车道,并通过增加可标定的滞回区间来增加目标车道分配的可靠性。
第二类是基于高精地图信息,利用高精地图预先采集的道路信息、自车的实时位置信息以及感知信息输入的目标位置信息来进行目标的车道分配。当前,针对低成本的智能驾驶方案,仅基于感知***输入的方法应用更为广泛。
但是,上述方法未考虑到感知***输出的远距离目标的可靠性问题,在感知***误差较大时可能会带来错误的车道分配问题。
中国专利CN202210993629.5公开了车道线检测方法和装置,所述方法包括:获取第一图像;对第一图像进行图像缩放生成第二图像;基于主干网络对第二图像进行特征提取生成第一特征图;基于关键点检测网络对第一特征图进行车道线起始点检测生成第一起始点坐标集合;基于二值分割网络对第一特征图进行车道线前景点检测生成第一前景点坐标集合;基于回归投票网络对第一特征图进行像素点车道偏移投票得到第一偏移特征图;对第一特征图的像素点进行车道线语义特征标记;在第一特征图上进行车道线绘制;并将完成绘制的第一特征图输出。通过本发明,可以降低车道线检测计算量,还可在输出可视化车道线检测图像的同时为图像增加用于车道线分类的车道线语义特征。该方案无论是对于近距离目标还是远距离目标均采用相同的方案,未考虑到感知***输出的远距离目标的可靠性问题,在感知***误差较大时可能会带来错误的车道分配问题。
中国专利CN202111327534.1公开了一种高速公路车道分配***,***包括需求交互模块、信息库模块和车道分配模块。需求交互模块用于与需求端交互,收集每一辆即将驶入高速公路车辆的进出口需求信息、发送最优行驶车道给相应车辆、接受车辆地理位置、速度和所在车道的实时状态更新。信息库模块包括车辆状态更新子模块、需求统计子模块和车道路段信息子模块。车道分配模块用于求解***最少换道车道分配模型,周期性更新车道分配方案。本发明从最少换道时长的***角度分配车辆的行驶车道,以减少车辆在高速公路上的频繁换道,提高高速公路的运行效率和安全性。该方案无论是对于近距离目标还是远距离目标均采用相同的方案,未考虑到感知***输出的远距离目标的可靠性问题,在感知***误差较大时可能会带来错误的车道分配问题。
发明内容
在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化,这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
本发明要解决的技术问题是提供一种能避免由于感知***识别误差造成远距离目标车道线分配不准确的远距离目标车道分配方法及***。
为解决上述技术问题,本发明提供的远距离目标车道分配方法,包括以下步骤:
S1,依据道路模型和感知***输入的目标信息,对目标的y坐标进行位置修正,将该信息由车身坐标系转换到大地坐标系,得到目标修正后的y坐标信息μy;
S2,将目标信息转换到Frenet坐标系;
S3,利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,通过旋转协方差矩阵计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;
S4,利用正太分布的概率分别计算目标落在所有车道内的概率;
S5,依概率对车道进行排序,选择概率最大的车道作为目标所在车道。
可选择的,进一步改进所述的远距离目标车道分配方法,还包括:
S6,在目标落在新车道内概率和目标落在原车道内概率的差大于指定阈值才进行目标所在车道切换。
根据计算结果,选择概率最大的车道作为目标所在车道,但在目标所在车道切换时,为了增加鲁棒性,设定一个阈值,在目标落在新车道内的概率和目标落在原车道内的差大于该值时,进行目标所在车道切换。
Frenet坐标系在无人驾驶领域中被广泛应用,特别是在城市、高速等道路环境下进行路径规划的***中。Frenet坐标系使用道路中心线作为参考线,使用其切线向量和法线向量建立坐标系。相比于笛卡尔坐标系,由于Frenet坐标系的横轴和纵轴相互垂直,且参考线通常与车道中心线平行,因此,可以忽略道路曲率的问题,从而减少处理坐标信息的工作量。
可选择的,进一步改进所述的远距离目标车道分配方法,将笛卡尔坐标系下的目标位置信息转换到Frenet坐标系下主要包括两部分内容:
牛顿-拉夫逊迭代法求寻找目标(xo,yo)在参考线y=f(x)上的投影点,也就是目标距离参考线的最近点,即在参考线上寻找点(x,y),g(x)取最小值,即h(x)=g′(x)=0,其中:g(x)=(x-xo)2+[f(x)-yo]2;由于该非线性方程很难求精确解,因此本发明采用牛顿-拉夫逊迭代法求近似解,牛顿迭代法解非线性方程是把非线性方程线性化的一种近似解法,把h(x)在x0的某邻域内泰勒展开;
坐标转换主要为求解目标在Frenent坐标系下的纵向距离和横向距离,为了简化计算,使用直线距离代替弧长来计算纵向距离,则纵坐标为目标距离车道线轨迹的最近点与车道线的横向位置C0在参考线纵轴上的分量的叠加,参考图1所示;
xc=xn-C0*sin(θ)
xc为目标位置在坐标转换后的纵坐标,xn为目标距离车道年轨迹的最近点对应的纵坐标,θ为笛卡尔坐标系的y轴与法向量的夹角;
横坐标为目标距离车道线轨迹最近点的距离与车道线的横向位置C0的叠加;
可选择的,进一步改进所述的远距离目标车道分配方法,实施步骤S3包括:
二维正太分布的等值轮廓线可以用置信椭圆来表示,若二维随机变量是相互独立的,则置信椭圆为一轴对称椭圆,参考图2所示;
σx和σy分别为随机变量X和Y的标准差,S定义椭圆的规模(例如:95%的置信区间对应的s=5.991);
若二维随机变量是相关的,即协方差不为0,那么其置信椭圆不是轴对称的,参考图3所示;
λ1和λ2分别为协方差矩阵对应的特征值,且该置信椭圆长短轴的方向分别为协方差矩阵对应的特性向量的方向,X和Y为随机变量,S定义椭圆的规模;
因此,由笛卡尔坐标系旋转到Frenet坐标系后,可通过旋转后的特征向量和特征值计算得到目标在Frenet坐标系下的位置状态协方差;
可选择的,进一步改进所述的远距离目标车道分配方法,实施步骤S4包括:
分别计算目标横向位置状态Y在所有车道内的概率,由于目标的横向位置满足正太分布,因此,目标落在某个车道内的概率为:
σx和σy分别为随机变量X和Y的标准差,μy为目标修正后的y坐标信息,L和R分别为该车道的左右侧边界的横向位置信息,且Y~N(μy,σy)即Y满足正态分布。
为解决上述技术问题,本发明提供一种计算机可读存储介质,其内部存储有一程序,所述程序被执行时,实现上述任意一项所述远距离目标车道分配方法中的步骤。
所述计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
为解决上述技术问题,本发明提供一种远距离目标车道分配***,包括:
信息获取模块,其自道路模型和感知***获取目标信息;
修正模块,其对目标的y坐标进行位置修正,将该信息由车身坐标系转换到大地坐标系,得到目标修正后的y坐标信息μy;
转换模块,其将目标信息转换到Frenet坐标系;
第一计算模块,其利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,通过旋转协方差矩阵计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;
第二计算模块,其利用正太分布的概率分别计算目标落在所有车道内的概率;
车道分配模块,其依概率对车道进行排序,选择概率最大的车道作为目标所在车道。
可选择的,进一步改进所述的远距离目标车道分配***,还包括:
车道切换模块,在目标落在新车道内概率和目标落在原车道内概率的差大于指定阈值才进行目标所在车道切换。
可选择的,进一步改进所述的远距离目标车道分配***,转换模块采用以下方式进行坐标系转换;
牛顿-拉夫逊迭代法求寻找目标(xo,yo)在参考线y=f(x)上的投影点;
使用直线距离代替弧长来计算纵向距离,横坐标为目标距离车道线轨迹最近点的距离与车道线的横向位置的叠加。
可选择的,进一步改进所述的远距离目标车道分配***,第一计算模块采用以下方式计算转换到Frenet坐标系后位置状态协方差;
置信椭圆长短轴的方向分别为协方差矩阵对应的特性向量的方向,置信椭圆的方程为:
λ1和λ2分别为协方差矩阵对应的特征值,X和Y为随机变量,S定义椭圆的规模;
可选择的,进一步改进所述的远距离目标车道分配***,第二计算模块采用以下方式计算目标落在所有车道内的概率;
σx和σy分别为随机变量X和Y的标准差,μy为目标修正后的y坐标信息,L和R分别为该车道的左右侧边界的横向位置信息,且Y~N(μy,σy)即Y满足正态分布。
本发明首先通过Frenet坐标转换将目标的位置由车身坐标系转换到大地坐标系,解决车道曲率对车道分配的影响,然后基于概率统计的方法解决感知***输出的远距离目标的不确定性,再此基础上再使用滞回区间增加目标车道分配的鲁棒性,从而实现低成本方案的远距离目标可靠的车道分配。
附图说明
本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性,对说明书中的描述进行补充。然而,本发明附图是未按比例绘制的示意图,因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点,本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明:
图1是本发明Frenet坐标转换示意图。
图2是二维独立正太分布示意图。
图3是二维不独立正太分布示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点加以应用,在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施,并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是,提供这些实施例是为了使得本发明的公开彻底且完整,并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。
第一实施例;
本发明提供一种远距离目标车道分配方法,包括以下步骤:
S1,依据道路模型和感知***输入的目标信息,对目标的y坐标进行位置修正,将该信息由车身坐标系转换到大地坐标系,得到目标修正后的y坐标信息μy;
S2,将目标信息转换到Frenet坐标系;
S3,利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,通过旋转协方差矩阵计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;
S4,利用正太分布的概率分别计算目标落在所有车道内的概率;
S5,依概率对车道进行排序,选择概率最大的车道作为目标所在车道。
第二实施例;
本发明提供一种远距离目标车道分配方法,包括以下步骤:
S1,依据道路模型和感知***输入的目标信息,对目标的y坐标进行位置修正,将该信息由车身坐标系转换到大地坐标系,得到目标修正后的y坐标信息μy;
S2,将目标信息转换到Frenet坐标系;
S3,利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,通过旋转协方差矩阵计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;
S4,利用正太分布的概率分别计算目标落在所有车道内的概率;
S5,依概率对车道进行排序,选择概率最大的车道作为目标所在车道;
S6,在目标落在新车道内概率和目标落在原车道内概率的差大于指定阈值才进行目标所在车道切换。
进一步的,实施上述第一实施例或第二实施例步骤S2包括:
牛顿-拉夫逊迭代法求寻找目标(xo,yo)在参考线y=f(x)上的投影点;
使用直线距离代替弧长来计算纵向距离,横坐标为目标距离车道线轨迹最近点的距离与车道线的横向位置的叠加。
进一步的,实施上述第一实施例或第二实施例步骤S3包括:置信椭圆长短轴的方向分别为协方差矩阵对应的特性向量的方向,置信椭圆的方程为:
λ1和λ2分别为协方差矩阵对应的特征值,X和Y为随机变量,S定义椭圆的规模。
进一步的,实施上述第一实施例或第二实施例步骤S4包括:
σx和σy分别为随机变量X和Y的标准差,μy为目标修正后的y坐标信息,L和R分别为该车道的左右侧边界的横向位置信息,且Y~N(μy,σy)即Y满足正态分布。
第三实施例;
本发明提供一种计算机可读存储介质,其内部存储有一程序,所述程序被执行时,实现上述任意一实施例远距离目标车道分配方法中的步骤。
第四实施例;
本发明提供一种远距离目标车道分配***,其能基于现有的硬件和计算机编程技术手段实现,包括:
信息获取模块,其自道路模型和感知***获取目标信息;
修正模块,其对目标的y坐标进行位置修正,将该信息由车身坐标系转换到大地坐标系,得到目标修正后的y坐标信息μy;
转换模块,其将目标信息转换到Frenet坐标系;
第一计算模块,其利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,通过旋转协方差矩阵计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;
第二计算模块,其利用正太分布的概率分别计算目标落在所有车道内的概率;
车道分配模块,其依概率对车道进行排序,选择概率最大的车道作为目标所在车道。
第五实施例;
本发明提供一种远距离目标车道分配***,其能基于现有的硬件和计算机编程技术手段实现,包括:
信息获取模块,其自道路模型和感知***获取目标信息;
修正模块,其对目标的y坐标进行位置修正,将该信息由车身坐标系转换到大地坐标系,得到目标修正后的y坐标信息μy;
转换模块,其将目标信息转换到Frenet坐标系;
第一计算模块,其利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,通过旋转协方差矩阵计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;
第二计算模块,其利用正太分布的概率分别计算目标落在所有车道内的概率;
车道分配模块,其依概率对车道进行排序,选择概率最大的车道作为目标所在车道。
车道切换模块,在目标落在新车道内概率和目标落在原车道内概率的差大于指定阈值才进行目标所在车道切换。
进一步的,上述第一实施例或第二实施例,转换模块采用以下方式进行坐标系转换;
牛顿-拉夫逊迭代法求寻找目标(xo,yo)在参考线y=f(x)上的投影点;
使用直线距离代替弧长来计算纵向距离,横坐标为目标距离车道线轨迹最近点的距离与车道线的横向位置的叠加。
进一步的,上述第一实施例或第二实施例,第一计算模块采用以下方式计算转换到Frenet坐标系后位置状态协方差;
置信椭圆长短轴的方向分别为协方差矩阵对应的特性向量的方向,置信椭圆的方程为:
λ1和λ2分别为协方差矩阵对应的特征值,X和Y为随机变量,S定义椭圆的规模;
进一步的,上述第一实施例或第二实施例,第二计算模块采用以下方式计算目标落在所有车道内的概率;
σx和σy分别为随机变量X和Y的标准差,μy为目标修正后的y坐标信息,L和R分别为该车道的左右侧边界的横向位置信息,且Y~N(μy,σy)即Y满足正态分布。
除非另有定义,否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是,除非这里明确定义,否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思,而不以理想的或过于正式的含义加以解释。
以上通过具体实施方式和实施例对本发明进行了详细的说明,但这些并非构成对本发明的限制。在不脱离本发明原理的情况下,本领域的技术人员还可做出许多变形和改进,这些也应视为本发明的保护范围。
Claims (11)
1.一种远距离目标车道分配方法,其特征在于,包括以下步骤:
S1,依据道路模型和感知***输入的目标信息,对目标的y坐标进行位置修正,将该信息由车身坐标系转换到大地坐标系,得到目标修正后的y坐标信息μy;
S2,将目标信息转换到Frenet坐标系;
S3,利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,通过旋转协方差矩阵计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;
S4,利用正太分布的概率分别计算目标落在所有车道内的概率;
S5,依概率对车道进行排序,选择概率最大的车道作为目标所在车道。
2.如权利要求1所述的远距离目标车道分配方法,其特征在于,还包括:
S6,在目标落在新车道内概率和目标落在原车道内概率的差大于指定阈值才进行目标所在车道切换。
3.如权利要求1所述的远距离目标车道分配方法,其特征在于,实施步骤S2包括:
牛顿-拉夫逊迭代法求寻找目标(xo,yo)在参考线y=f(x)上的投影点;
使用直线距离代替弧长来计算纵向距离,横坐标为目标距离车道线轨迹最近点的距离与车道线的横向位置的叠加。
4.如权利要求1所述的远距离目标车道分配方法,其特征在于,实施步骤S3包括:置信椭圆长短轴的方向分别为协方差矩阵对应的特性向量的方向,置信椭圆的方程为:
λ1和λ2分别为协方差矩阵对应的特征值,X和Y为随机变量,S定义椭圆的规模。
5.如权利要求1所述的远距离目标车道分配方法,其特征在于,实施步骤S4包括:
分别计算目标横向位置状态在所有车道内的概率,目标落在某个车道内的概率为:
σx和σy分别为随机变量X和Y的标准差,μy为目标修正后的y坐标信息,L和R分别为该车道的左右侧边界的横向位置信息,且Y~N(μy,σy)即Y满足正态分布。
6.一种计算机可读存储介质,其特征在于:其内部存储有一程序,所述程序被执行时,实现权利要求1-5任意一项所述远距离目标车道分配方法中的步骤。
7.一种远距离目标车道分配***,其特征在于,包括:
信息获取模块,其自道路模型和感知***获取目标信息;
修正模块,其对目标的y坐标进行位置修正,将该信息由车身坐标系转换到大地坐标系,得到目标修正后的y坐标信息μy;
转换模块,其将目标信息转换到Frenet坐标系;
第一计算模块,其利用置信椭圆的长短轴与协方差矩阵的特征值和特征向量的关系,通过旋转协方差矩阵计算由笛卡尔坐标系转换到Frenet坐标系后位置状态协方差;
第二计算模块,其利用正太分布的概率分别计算目标落在所有车道内的概率;
车道分配模块,其依概率对车道进行排序,选择概率最大的车道作为目标所在车道。
8.如权利要求7所述的远距离目标车道分配***,其特征在于,还包括:
车道切换模块,在目标落在新车道内概率和目标落在原车道内概率的差大于指定阈值才进行目标所在车道切换。
9.如权利要求7所述的远距离目标车道分配***,其特征在于,转换模块采用以下方式进行坐标系转换;
牛顿-拉夫逊迭代法求寻找目标(xo,yo)在参考线y=f(x)上的投影点;
使用直线距离代替弧长来计算纵向距离,横坐标为目标距离车道线轨迹最近点的距离与车道线的横向位置的叠加。
10.如权利要求7所述的远距离目标车道分配***,其特征在于,第一计算模块采用以下方式计算转换到Frenet坐标系后位置状态协方差;
置信椭圆长短轴的方向分别为协方差矩阵对应的特性向量的方向,置信椭圆的方程为:
λ1和λ2分别为协方差矩阵对应的特征值,X和Y为随机变量,S定义椭圆的规模。
11.如权利要求7所述的远距离目标车道分配***,其特征在于,第二计算模块采用以下方式计算目标落在所有车道内的概率;
分别计算目标横向位置状态在所有车道内的概率,目标落在某个车道内的概率为:
σx和σy分别为随机变量X和Y的标准差,μy为目标修正后的y坐标信息,L和R分别为该车道的左右侧边界的横向位置信息,且Y~N(μy,σy)即Y满足正态分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211640152.9A CN115995162A (zh) | 2022-12-19 | 2022-12-19 | 远距离目标车道分配方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211640152.9A CN115995162A (zh) | 2022-12-19 | 2022-12-19 | 远距离目标车道分配方法、***及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115995162A true CN115995162A (zh) | 2023-04-21 |
Family
ID=85989827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211640152.9A Pending CN115995162A (zh) | 2022-12-19 | 2022-12-19 | 远距离目标车道分配方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115995162A (zh) |
-
2022
- 2022-12-19 CN CN202211640152.9A patent/CN115995162A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210082181A1 (en) | Method and apparatus for object detection, intelligent driving method and device, and storage medium | |
US10663967B2 (en) | Automated driving control device, system including the same, and method thereof | |
CN110837092B (zh) | 车辆定位、车道级路径规划的方法及装置 | |
US11926339B2 (en) | Method for constructing driving coordinate system, and application thereof | |
US20210148711A1 (en) | Map updating method and apparatus, and storage medium | |
CN110414526B (zh) | 语义分割网络的训练方法、训练装置、服务器和存储介质 | |
CN111830979A (zh) | 一种轨迹优化方法和装置 | |
WO2022165802A1 (zh) | 道路边界识别方法和装置 | |
EP4047554A1 (en) | Training method for multi-object tracking model and multi-object tracking method | |
WO2020215254A1 (zh) | 车道线地图的维护方法、电子设备与存储介质 | |
CN114299464A (zh) | 车道定位方法、装置及设备 | |
CN115683129A (zh) | 一种基于高清地图的长期重定位方法和装置 | |
CN112036274A (zh) | 一种可行驶区域检测方法、装置、电子设备及存储介质 | |
US11788848B2 (en) | Method for determining an updated trajectory for a vehicle | |
CN116182884A (zh) | 基于frenet坐标系横纵解耦的智能车辆局部路径规划方法 | |
CN115995162A (zh) | 远距离目标车道分配方法、***及存储介质 | |
EP4206610A1 (en) | Map matching method and apparatus, and electronic device and storage medium | |
CN108973995B (zh) | 用于辅助驾驶的环境感知数据处理方法、装置及车辆 | |
CN116576874A (zh) | 车辆行驶路径优化方法、装置、电子设备及存储介质 | |
CN115761171A (zh) | 一种自动驾驶地图的生成方法、设备及介质 | |
Yang et al. | A marker-free calibration method for mobile laser scanning point clouds correction | |
Zhou et al. | IBLF‐based lanes merging control for vehicle platoon with prescribed performances | |
CN117372981A (zh) | 一种用于辅助驾驶场景的自适应车道线拟合方法 | |
CN117804478A (zh) | 道路级定位方法、装置、设备以及存储介质 | |
CN115503708A (zh) | 巡航目标确定方法、巡航方法、***、设备及介质 |
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 |