CN116148890A - 高精度地图车道规划方法、***、电子设备及存储介质 - Google Patents

高精度地图车道规划方法、***、电子设备及存储介质 Download PDF

Info

Publication number
CN116148890A
CN116148890A CN202211518988.1A CN202211518988A CN116148890A CN 116148890 A CN116148890 A CN 116148890A CN 202211518988 A CN202211518988 A CN 202211518988A CN 116148890 A CN116148890 A CN 116148890A
Authority
CN
China
Prior art keywords
lane
planning
road
path
map 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
Application number
CN202211518988.1A
Other languages
English (en)
Inventor
申开新
董岱
张志军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN202211518988.1A priority Critical patent/CN116148890A/zh
Publication of CN116148890A publication Critical patent/CN116148890A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • 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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • 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

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供的一种高精度地图车道规划方法、***、电子设备及存储介质，方法包括：基于高精度地图获取目标路段的地图数据，地图数据包括道路、车道和道路区间属性；基于车辆位置获取目标车辆在地图数据中的当前位置和当前车道信息；获取基于高精度地图道路级的初始规划路径；基于初始规划路径、当前位置、当前车道信息和地图数据，使用A星搜索算法完成目标路段的车道级路径规划。本发明通过基于初始规划路径、当前位置、车道信息和地图数据，使用A星搜索算法完成目标路段的车道级路径规划，从而实现了更加完善的车道规划，减少了自动驾驶中轨迹规划的通过传感器实时获取车道数据的数据量，进而降低了自动驾驶车辆软硬件成本和轨迹规划耗时。

Description

高精度地图车道规划方法、***、电子设备及存储介质
技术领域
本发明涉及电子地图技术领域，更具体地，涉及一种高精度地图车道规划方法、***、电子设备及存储介质。
背景技术
智慧交通大量使用了数据模型、数据挖掘等数据处理技术，实现了智慧交通的***性、实时性、信息交流的交互性以及服务的广泛性。汽车是目前人们广泛使用的交通工具，自动驾驶汽车在智慧交通的发展过程有着举足轻重的作用。路径规划是自动驾驶的前提，地图是路径规划的基础，因此，车载地图及其相关的功能的技术发展显得尤为重要。
传统的导航地图主要用于提供粗略的道路规划供用户使用，主要应用于人类驾驶的情况，不适合直接应用于自动驾驶车辆的路径规划；并且需要实时联网，对网络具有很强的依赖性；而提供车道级路径规划的导航地图较少，因此使用现有的地图的自动驾驶车辆，在运动控制的过程中需要大量的传感器采集车辆当前位置周边的环境信息，然后做大量的数据处理，然后再进行轨迹规划，这将增大自动驾驶车辆软硬件和工程师人力成本，并且此处的处理会降低轨迹规划的实时性。因此，如何进一步完善车道级路径规划是亟待解决的问题。
发明内容
本发明针对现有技术中存在的技术问题，提供一种高精度地图车道规划方法、***、电子设备及存储介质，用以解决如何进一步完善车道级路径规划的问题。
根据本发明的第一方面，提供了一种高精度地图车道规划方法，包括：
基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性；
基于车辆位置获取目标车辆在所述地图数据中的当前位置和当前车道信息；
获取基于高精度地图道路级的初始规划路径；
基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，使用A星搜索算法完成所述目标路段的车道级路径规划。
在上述技术方案的基础上，本发明还可以作出如下改进。
优选的，所述基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性的步骤，包括：
基于目标路段的起点和终点的对角线构成矩形范围选择框，获取其在高精度地图上的所有地图数据，所述地图数据包括道路、车道、道路区间属性。
优选的，所述道路属性为道路键值、长度、起终点的角度、道路等级、道路类型、是否掉头路、是否为路口、是否为匝道，是否是服务区道路、是否收费站道路和/或道路形状；所述车道属性为车道键值、长度、车道种别、道路所属、区间所属、是否分流、是否汇流、变道规则、左右车道键值、限行信息和车道形状；所述道路区间属性为车道组信息。
优选的，所述获取基于高精度地图道路级的初始规划路径的步骤，包括：
获取非高精度地图道路级的目标路径，基于所述目标路径的坐标点位置和所述高精度地图数据建立映射，得到基于高精度地图道路级的初始规划路径。
优选的，所述基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，使用A星搜索算法完成所述目标路段的车道级路径规划的步骤，包括：
基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，对所述目标路段的起点和终点进行初始化，使用A星搜索算法基于所述起点和所述终点进行前向搜索，直至找到车道代价最小的车道级路径。
优选的，所述车道代价计算的步骤，包括：
基于车道属性进行加权求和计算车道代价，所述车道属性为车道长度、通行速度、是否可变道、变道长度、车道是否分歧汇流、车道形点。
优选的，所述使用A星搜索算法基于所述起点和所述终点进行前向搜索，直至找到车道代价最小的车道级路径的步骤，还包括：
在搜索结果为空时，返回所述初始规划路径，并生成路径规划失败提醒。
根据本发明的第二方面，提供一种高精度地图车道规划***，包括：
数据获取模块，用于基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性；
位置确定模块，用于基于车辆位置获取目标车辆在所述地图数据中的当前位置和当前车道信息；
路径初始模块，用于获取基于高精度地图道路级的初始规划路径；
路径规划模块，用于基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，使用A星搜索算法完成所述目标路段的车道级路径规划。
根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现上述第一方面中任一高精度地图车道规划方法的步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现上述第一方面中任一高精度地图车道规划方法的步骤。
本发明提供的一种高精度地图车道规划方法、***、电子设备及存储介质，方法包括：基于高精度地图获取目标路段的地图数据，上述地图数据包括道路、车道和道路区间属性；基于车辆位置获取目标车辆在上述地图数据中的当前位置和当前车道信息；获取基于高精度地图道路级的初始规划路径；基于上述初始规划路径、上述当前位置、上述当前车道信息和上述地图数据，使用A星搜索算法完成上述目标路段的车道级路径规划。本发明通过基于初始规划路径、当前位置、车道信息和地图数据，使用A星搜索算法完成目标路段的车道级路径规划，从而实现了更加完善的车道规划，减少了自动驾驶中轨迹规划的通过传感器实时获取车道数据的数据量，进而降低了自动驾驶车辆软硬件成本和轨迹规划耗时。
附图说明
图1为本发明提供的一种高精度地图车道规划方法流程图；
图2为本发明提供的高速路行驶过程中驶入服务区场景的示意图；
图3为本发明提供的A星搜索算法车道的示意图；
图4为本发明提供的一种高精度地图车道规划***结构示意图；
图5为本发明提供的一种可能的电子设备的硬件结构示意图；
图6为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明提供的一种高精度地图车道规划方法流程图，如图1所示，方法包括：
步骤S100：基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性；
需要说明的是，本实施例方法的执行主体可以是具有数据处理、网络通信及程序运行功能的计算机终端设备，例如：电脑、平板电脑等；也可以是具有相同相似功能的服务器设备，还可以是具有相似功能的云服务器，本实施例对此不做限制。为了便于理解，本实施例及下述各实施例将以服务器设备为例进行说明。
可以理解的是，上述目标路段可以是以车辆的行驶起点和终点为区间，以车辆所在的位置为中心，从高精度地图中加载数据，数据中包含但不限于道路、车道相关的信息。道路和车道属性中的形状由一系列的形点构成，形点为该点在地图上的二维坐标表示。地图数据主要包括道路、车道、道路区间属性信息。道路属性主要包括：道路键值，长度，起终点的角度，道路等级，道路类型，是否掉头路，是否为路口，是否为匝道，是否是服务区道路，是否收费站道路，形状等。车道属性主要包括：车道键值，长度，车道种别(应急车道、匝道、服务区)，属于哪一条道路，属于哪一个道路区间，是否分流，是否汇流，变道规则，左右车道键值，限行信息，形状等。道路区间：由一组车道组成。一条道路通常由多个道路区间组成。
进一步的是，上述基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性的步骤，包括：
步骤S101：基于目标路段的起点和终点的对角线构成矩形范围选择框，获取其在高精度地图上的所有地图数据，所述地图数据包括道路、车道、道路区间属性。
可以理解的是，为了进一步提升数据获取的准确度，降低冗余数据带来的计算性能要求提升，还可以以目标路段的起点和终点的对角线构建矩形范围选择，来获取对应的地图数据。其中，上述道路属性包括但不限于道路键值、长度、起终点的角度、道路等级、道路类型、是否掉头路、是否为路口、是否为匝道，是否是服务区道路、是否收费站道路和/或道路形状；上述车道属性包括但不限于车道键值、长度、车道种别、道路所属、区间所属、是否分流、是否汇流、变道规则、左右车道键值、限行信息和车道形状；上述道路区间属性包括但不限于车道组信息。
步骤S200：基于车辆位置获取目标车辆在所述地图数据中的当前位置和当前车道信息；
可以理解的是，上述车辆位置可以是结合目标车辆的GPS定位和用户选定的起点综合判断选定的。
在具体实现中，根据起点的坐标找出起点所在的车道，起点的坐标即车辆当前所在的位置。根据终点的坐标找出终点所在的车道。选择距离坐标点最近的车道为该点所在的车道，由此，根据车辆位置找到车辆所在的具体车道和终点坐标找到终点所在具体车道或者车道组。
步骤S300：获取基于高精度地图道路级的初始规划路径；
进一步的，上述初始规划路径的步骤还可以包括：
步骤S301：获取非高精度地图道路级的目标路径，基于所述目标路径的坐标点位置和所述高精度地图数据建立映射，得到基于高精度地图道路级的初始规划路径。
可以理解的是，初始规划路径可以是指初始道路级的路径规划，初始道路级规划结果主要来自于客户提供，客户主要使用高德或百度地图规划出的路径。道路级结果主要表现为一系列的坐标点，由于定位传感器误差等各种原因，所提供的坐标点与实际位置点存在较大的偏差。此处，采取坐标点位置结合高精度地图的方式找出客户提供的道路规划结果在高精度地图的实际映射结果。
步骤S400：基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，使用A星搜索算法完成所述目标路段的车道级路径规划。
可以理解的是，上述车道级路径规划可以是在高精度地图道路规划结果的基础上，进行局部车道规划。先道路后车道分级规划实现的车道规划，极大减小车道规划过程所需处理的车道数，有利于改善车道规划性能。实车应用场景一般采用更新前方2km的车道规划结果。在车道规划的过程，如果途经地或者终点有匝道或服务区，在进入这些地方的路口处，需要提前驾驶到靠近路口所在的车道，以减小后面各种原因导致的无法变道及安全隐患问题。例如，在实际情况下，有可能车辆驾驶到路口前变道位置处由于旁边车道有车辆等特殊原因无法变道；此时，需要继续前行触发重规划寻找下一次变道的位置，如果在离路口很近的时候发生这种情况，将很可能导致无法到达期望的目的地。
进一步的，上述车道级规划的步骤，还包括：
步骤S401：基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，对所述目标路段的起点和终点进行初始化，使用A星搜索算法基于所述起点和所述终点进行前向搜索，直至找到车道代价最小的车道级路径。
进一步的，上述车道代价计算的步骤包括：
步骤S4011：基于车道属性进行加权求和计算车道代价，所述车道属性为车道长度、通行速度、是否可变道、变道长度、车道是否分歧汇流、车道形点。
进一步的，当搜索结果为空时，返回所述初始规划路径，并生成路径规划失败提醒。
在具体实现中，车道规划主要考虑安全性，舒适性和能耗。安全性主要体现为是否符合交通法规，例如车道是否可变道、车道是否限行等。舒适性主要体现在变道的长度，车道连接更平滑；平滑指尽量减少走分歧、汇流、转弯车道。耗能主要体现在不存在冗余变道，即一会走路内侧一会儿走外侧的来回变换。
在一种可能的应用场景中，参见图2，图2为本发明提供的高速路行驶过程中驶入服务区场景的示意图；在图2中道路RC具有匝道或服务区属性，假设道路级规划结果中包含道路RA和道路RC，如果车道规划的结果为离路口fk一定距离的时候就变道到车道vL1，从道路RA的1车道进入道路RC的vLa或vLb车道，这样会大大提升驾驶的安全性。如果在靠近路口fk位置，车辆位于vL2、vL3、vL4车道的位置需要进入道路RC的话，驾驶风险越来越高。
在上述场景中，如果中间的道路为匝道或服务区，从进入匝道或服务区的路口位置开始，向后(驶入路口的方向)一定距离生成特殊场景车道区间。特殊场景车道区间为在这个范围内的车道，越靠近匝道或服务区路口方向的车道代价越小。
为了进一步介绍A星搜索算法在本实施例中的应用，参见图3，图3为本发明提供的A星搜索算法车道的示意图，在图3中，箭头表示道路车道驾驶方向，黑色实现表示道路边线，白色实线表示不可变道，白色虚线表示可变道。车道a1的邻接车道为b1和b2；车道a2的邻接车道为b1、b2、b3；车道a3和a4同理。车道b1的邻接车道为b2、c1；车道b3的邻接车道为b2、b4、c3。车道c1的邻接车道为d1；车道c2的邻接车道为d2、d3；车道c3的邻接车道为c4、d3、d4。
首先初始化起点，将起点所匹配到的车道放入A*搜索算法的open表中。open表用于存放A*前向搜索过程中未处理的车道信息，车道信息主要包括当前车道的代价、起点到当前车道的代价、当前车道到终点车道的预估代价、从起点车道开始经过当前车道到终点车道的代价。初始化终点，将终点所匹配到的车道放入终点车道所在的集合endLanes。
其次，开始进行前向搜索，从open表中取最小值minLane，判断minLane是否在终点车道集合endLanes中，将minLane放入close表。close表用于存放已经处理过的车道。获取minLane车道的邻接车道laneAdjacents，邻接车道为直接接续车道、自身及其邻接车道可直接变道到达的车道。循环处理所有的邻接车道laneAdjacents。首先判断车道是否在endLanes中，若在，修正终点车道代价，若不在，暂不做代价调整；然后，判断车道是否在open表或者close表中，若在open表中，则比较当前代价与open表中的代价，取较小的代价放入open表中，若在close表中，则比较当前代价与close表中的代价，取较小的代价放入close表中，open表和close表中都不在，则将该元素放入open表中。
最后，判断是否搜索到结果，若没有搜到，继续从步骤d开始循环，直到搜出结果或者open表为空；若搜到，则生成路径。
在本实施例中，通过提前加载好数据，减少车辆行驶过程中对网络的强依赖性，从而降低因行驶过程中网络异常导致的导航无法正常显示的发生概率，并在驶入匝道或服务区等位置之前，提醒车辆提前行驶至与之相关连的车道，一定程度上提升了自动驾驶的安全性。
可以理解的是，基于背景技术中的缺陷，本发明实施例提出了一种高精度地图车道规划方法，方法包括：基于高精度地图获取目标路段的地图数据，上述地图数据包括道路、车道和道路区间属性；基于车辆位置获取目标车辆在上述地图数据中的当前位置和当前车道信息；获取基于高精度地图道路级的初始规划路径；基于上述初始规划路径、上述当前位置、上述当前车道信息和上述地图数据，使用A星搜索算法完成上述目标路段的车道级路径规划。本发明通过基于初始规划路径、当前位置、车道信息和地图数据，使用A星搜索算法完成目标路段的车道级路径规划，从而实现了更加完善的车道规划，减少了自动驾驶中轨迹规划的通过传感器实时获取车道数据的数据量，进而降低了自动驾驶车辆软硬件成本和轨迹规划耗时。
请参阅图4，图4为本发明实施例提供的一种高精度地图车道规划***结构图示意图，如图4所示，一种高精度地图车道规划***，包括数据获取模块100、位置确定模块200、路径初始模块300和路径规划模块400，其中：
数据获取模块100，用于基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性；位置确定模块200，用于基于车辆位置获取目标车辆在所述地图数据中的当前位置和当前车道信息；路径初始模块300，用于获取基于高精度地图道路级的初始规划路径；路径规划模块400，用于基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，使用A星搜索算法完成所述目标路段的车道级路径规划。
可以理解的是，本发明提供的一种高精度地图车道规划***与前述各实施例提供的高精度地图车道规划方法相对应，高精度地图车道规划***的相关技术特征可参考高精度地图车道规划方法的相关技术特征，在此不再赘述。
请参阅图5，图5为本发明实施例提供的电子设备的实施例示意图。如图5所示，本发明实施例提供了一种电子设备，包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311，处理器1320执行计算机程序1311时实现以下步骤：
基于高精度地图获取目标路段的地图数据，上述地图数据包括道路、车道和道路区间属性；基于车辆位置获取目标车辆在上述地图数据中的当前位置和当前车道信息；获取基于高精度地图道路级的初始规划路径；基于上述初始规划路径、上述当前位置、上述当前车道信息和上述地图数据，使用A星搜索算法完成上述目标路段的车道级路径规划。
请参阅图6，图6为本发明提供的一种计算机可读存储介质的实施例示意图。如图6所示，本实施例提供了一种计算机可读存储介质1400，其上存储有计算机程序1411，该计算机程序1411被处理器执行时实现如下步骤：
基于高精度地图获取目标路段的地图数据，上述地图数据包括道路、车道和道路区间属性；基于车辆位置获取目标车辆在上述地图数据中的当前位置和当前车道信息；获取基于高精度地图道路级的初始规划路径；基于上述初始规划路径、上述当前位置、上述当前车道信息和上述地图数据，使用A星搜索算法完成上述目标路段的车道级路径规划。
本发明实施例提供的一种高精度地图车道规划方法、***及存储介质，方法包括：基于高精度地图获取目标路段的地图数据，上述地图数据包括道路、车道和道路区间属性；基于车辆位置获取目标车辆在上述地图数据中的当前位置和当前车道信息；获取基于高精度地图道路级的初始规划路径；基于上述初始规划路径、上述当前位置、上述当前车道信息和上述地图数据，使用A星搜索算法完成上述目标路段的车道级路径规划。本发明通过基于初始规划路径、当前位置、车道信息和地图数据，使用A星搜索算法完成目标路段的车道级路径规划，从而实现了更加完善的车道规划，减少了自动驾驶中轨迹规划的通过传感器实时获取车道数据的数据量，进而降低了自动驾驶车辆软硬件成本和轨迹规划耗时。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (10)

1.一种高精度地图车道规划方法，其特征在于，所述方法包括：
基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性；
基于车辆位置获取目标车辆在所述地图数据中的当前位置和当前车道信息；
获取基于高精度地图道路级的初始规划路径；
基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，使用A星搜索算法完成所述目标路段的车道级路径规划。
2.根据权利要求1所述的高精度地图车道规划方法，其特征在于，所述基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性的步骤，包括：
基于目标路段的起点和终点的对角线构成矩形范围选择框，获取其在高精度地图上的所有地图数据，所述地图数据包括道路、车道、道路区间属性。
3.根据权利要求2所述的高精度地图车道规划方法，其特征在于，所述道路属性为道路键值、长度、起终点的角度、道路等级、道路类型、是否掉头路、是否为路口、是否为匝道，是否是服务区道路、是否收费站道路和/或道路形状；所述车道属性为车道键值、长度、车道种别、道路所属、区间所属、是否分流、是否汇流、变道规则、左右车道键值、限行信息和车道形状；所述道路区间属性为车道组信息。
4.根据权利要求1所述的高精度地图车道规划方法，其特征在于，所述获取基于高精度地图道路级的初始规划路径的步骤，包括：
获取非高精度地图道路级的目标路径，基于所述目标路径的坐标点位置和所述高精度地图数据建立映射，得到基于高精度地图道路级的初始规划路径。
5.根据权利要求1所述的高精度地图车道规划方法，其特征在于，所述基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，使用A星搜索算法完成所述目标路段的车道级路径规划的步骤，包括：
基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，对所述目标路段的起点和终点进行初始化，使用A星搜索算法基于所述起点和所述终点进行前向搜索，直至找到车道代价最小的车道级路径。
6.根据权利要求5所述的高精度地图车道规划方法，其特征在于，所述车道代价计算的步骤，包括：
基于车道属性进行加权求和计算车道代价，所述车道属性为车道长度、通行速度、是否可变道、变道长度、车道是否分歧汇流、车道形点。
7.根据权利要求5所述的高精度地图车道规划方法，其特征在于，所述使用A星搜索算法基于所述起点和所述终点进行前向搜索，直至找到车道代价最小的车道级路径的步骤，还包括：
在搜索结果为空时，返回所述初始规划路径，并生成路径规划失败提醒。
8.一种高精度地图车道规划***，其特征在于，包括
数据获取模块，用于基于高精度地图获取目标路段的地图数据，所述地图数据包括道路、车道和道路区间属性；
位置确定模块，用于基于车辆位置获取目标车辆在所述地图数据中的当前位置和当前车道信息；
路径初始模块，用于获取基于高精度地图道路级的初始规划路径；
路径规划模块，用于基于所述初始规划路径、所述当前位置、所述当前车道信息和所述地图数据，使用A星搜索算法完成所述目标路段的车道级路径规划。
9.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-7任一项所述的高精度地图车道规划方法的步骤。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的高精度地图车道规划方法的步骤。
CN202211518988.1A 2022-11-30 2022-11-30 高精度地图车道规划方法、***、电子设备及存储介质 Pending CN116148890A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211518988.1A CN116148890A (zh) 2022-11-30 2022-11-30 高精度地图车道规划方法、***、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211518988.1A CN116148890A (zh) 2022-11-30 2022-11-30 高精度地图车道规划方法、***、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116148890A true CN116148890A (zh) 2023-05-23

Family

ID=86339792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211518988.1A Pending CN116148890A (zh) 2022-11-30 2022-11-30 高精度地图车道规划方法、***、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116148890A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117232548A (zh) * 2023-11-10 2023-12-15 北京赛目科技股份有限公司 一种路径规划方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117232548A (zh) * 2023-11-10 2023-12-15 北京赛目科技股份有限公司 一种路径规划方法、装置、电子设备及存储介质
CN117232548B (zh) * 2023-11-10 2024-03-01 北京赛目科技股份有限公司 一种路径规划方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111422204B (zh) 自动驾驶车辆通行判定方法及相关设备
US8204680B1 (en) Method of operating a navigation system to provide road curvature
CN110837092B (zh) 车辆定位、车道级路径规划的方法及装置
WO2023274229A1 (zh) 车辆轨迹纠偏方法、装置及电子设备
US9983307B2 (en) Method for providing information about at least one object in a surrounding region of a motor vehicle and system
WO2020125686A1 (zh) 实时相对地图的生成方法，智能驾驶设备以及计算机存储介质
CN112454367B (zh) 一种轨迹规划方法、装置以及计算机存储介质
CN109859525B (zh) 基于a星算法的车位导航方法
CN109115220B (zh) 一种用于停车场***路径规划的方法
CN109756845B (zh) 网络约车场景中作弊订单的识别方法和装置
CN116518960B (zh) 路网更新方法、装置、电子设备和存储介质
CN115585816B (zh) 车道级地图匹配方法和装置
CN116148890A (zh) 高精度地图车道规划方法、***、电子设备及存储介质
CN114234991A (zh) 导航路径规划方法、装置、计算机设备和存储介质
CN116958316B (zh) 拓扑图生成方法、装置、计算机设备及存储介质
CN115905449B (zh) 语义地图构建方法及具有熟路模式的自动驾驶***
WO2024040499A1 (zh) 高精度导航路径的确定方法、装置、设备、介质及车辆
CN114705180B (zh) 高精地图的数据修正方法、装置、设备及存储介质
JP2013050411A (ja) 自車位置認識システム、自車位置認識プログラム、及び自車位置認識方法
CN117093663B (zh) 电子地图的数据处理方法和相关装置
CN116698054B (zh) 道路匹配方法、装置、电子设备及存储介质
CN115993124B (zh) 虚拟车道线生成方法、装置、设备及计算机可读存储介质
CN116592869B (zh) 地图的更新方法、装置、电子设备及存储介质
CN117007073A (zh) 高精地图导航信息获取方法、装置、设备、介质及产品
Zhu et al. A technical review on driverless vehicle technologies in smart cities

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