CN117029857A - 基于高精地图的车辆感知融合方法、设备及存储介质 - Google Patents
基于高精地图的车辆感知融合方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117029857A CN117029857A CN202311033962.2A CN202311033962A CN117029857A CN 117029857 A CN117029857 A CN 117029857A CN 202311033962 A CN202311033962 A CN 202311033962A CN 117029857 A CN117029857 A CN 117029857A
- Authority
- CN
- China
- Prior art keywords
- lane line
- lane
- line equation
- map
- equation
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 107
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- YREOLPGEVLLKMB-UHFFFAOYSA-N 3-methylpyridin-1-ium-2-amine bromide hydrate Chemical compound O.[Br-].Cc1ccc[nH+]c1N YREOLPGEVLLKMB-UHFFFAOYSA-N 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
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)
Abstract
本申请提供一种基于高精地图的车辆感知融合方法、设备及存储介质,涉及车辆驾驶技术领域。该方法通过获取的道路感知信息拟合生成对应的感知车道线方程,并根据车辆对应的地图数据在转化后的行驶坐标系中拟合生成对应的地图车道线方程,根据正常输出的感知车道线方程和地图车道线方程获取融合车道线方程,实现了进一步将不同源的数据信息进行融合,丰富了智能驾驶***感知信息与高精度地图数据的关系,根据融合车道线方程和其他车辆的位置信息,确定其他车辆所属车道,根据融合车道线和确定所属车道后的其他车辆获取规划行驶轨迹,并根据规划行驶轨迹和车辆的位置信息实现对车辆控制,从而提升了车辆的智能驾驶***的感知鲁棒性与稳定性。
Description
技术领域
本申请涉及车辆驾驶技术,尤其涉及一种基于高精地图的车辆感知融合方法、设备及存储介质。
背景技术
高精度地图在车辆的智能驾驶***中起着重要的作用如对车辆的感知、定位、规划等多个模块进行赋能,以提高车辆的性能,其中,针对车辆的感知模块,能够帮助提高车辆的感知距离,丰富感知信息,拓展感知边界,提前进行驾驶决策;针对车辆的定位模块,能够通过路标等进行相对位置推算,以实现横纵向的松耦合定位;针对车辆的规划模块,能够实现车道级路径规划和精细的轨迹规划。
现有技术中通常将高精地图作为辅助定位,而基于高精地图的感知融合方案目前较少如将智能摄像头以及高精地图的车道线融合,但此种方案无法在高级别智能驾驶域控制器***中使用,或者通过智能摄像头检测道线和路沿信息以及高精地图获取车道线属性信息,通过定位连续性检测、车道搜索、属性匹配检测和距离匹配检测,以完成车道线的搜索,但此种方案仅实现了车道线匹配的功能,不包括感知与高精地图的车道线融合功能,并未充分挖掘智能驾驶***感知信息与高精度地图数据的关系,也未进一步将不同源的数据信息进行融合,感知信息较为单一,因此车辆的智能驾驶***的感知鲁棒性与稳定性较低。
因此现有技术在未充分挖掘智能驾驶***感知信息与高精度地图数据的关系,车辆的智能驾驶***的感知鲁棒性与稳定性较低的方面仍有所欠缺。
发明内容
本申请提供一种基于高精地图的车辆感知融合方法、设备及存储介质,用以解决现有技术在未充分挖掘智能驾驶***感知信息与高精度地图数据的关系,车辆的智能驾驶***的感知鲁棒性与稳定性较低的方面仍有所欠缺的问题。
第一方面,本申请提供一种离合器助力机构整定控制方法,包括:
通过车辆的道路感知单元获取道路感知信息,根据所述道路感知信息拟合生成对应的感知车道线方程和感知车道线置信度,其中,所述感知车道线置信度用于指示感知车道线的可靠度;
根据车辆的定位数据获取地图数据,并根据所述地图数据建立路段车道模型,将所述路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系中,并在所述行驶坐标系中拟合生成对应的地图车道线方程;
根据正常输出的所述感知车道线方程和所述地图车道线方程获取融合车道线方程,根据所述融合车道线方程和所述道路感知单元获取的其他车辆的位置信息,确定所述其他车辆所属车道。
在一种可能的设计中,在所述根据所述感知车道线方程和所述地图车道线方程获取融合车道线方程,还包括:
对所述感知车道线方程指示的各感知车道线进行检验,其中,若所述车道线置信度大于预设感知置信度且满足车道线合理性条件时,确认所述感知车道线方程指示的对应感知车道线正常输出;
对所述地图车道线方程指示的各地图车道线进行检验,其中,若所述定位数据满足精度要求,且所述地图车道线平滑,并满足车道线合理性条件和感知车道线校验评估条件时,确认所述地图车道线方程指示的对应地图车道线正常输出。
在一种可能的设计中,所述满足车道线合理性条件,包括:
获取所述感知车道线方程和所述地图车道线方程的车道线方程系数;
其中,获取各本帧车道线方程系数与对应前帧车道线方程系数的系数差值,并对各所述系数差值取绝对值,获取各车道线方程系数变化值;
获取相邻所述车道线方程系数的宽度差值,并将所述宽度差值的绝对值作为车道宽度;
若所述车道线方程系数处于预设方程系数区间,所述各感知车道线方程系数变化值不大于对应的预设值,且所述车道宽度处于预设宽度区间时,确认满足车道线合理性条件。
在一种可能的设计中,所述满足所述感知车道线校验评估条件,包括:
获取所述感知车道线方程和所述地图车道线方程的车道线方程系数;
获取各感知车道线方程系数与对应地图车道线方程系数的系数差值,将所述各系数差值的绝对值作为校验值,若各所述校验值不大于各对应的预设校验值,则确认满足所述感知车道线校验评估条件。
在一种可能的设计中,所述根据正常输出的所述感知车道线方程和所述地图车道线方程获取融合车道线方程,包括:
若检测到所述感知车道线方程指示的感知车道线全部正常输出,则将全部所述感知车道线作为所述融合车道线方程;
若检测到所述感知车道线方程指示的感知车道线存在部分正常输出和部分异常输出,且所述地图车道线方程指示的地图车道线全部正常输出,则通过所述地图车道线方程中对应的地图车道线方程系数,替代所述感知车道线方程中指示异常输出的感知车道线方程系数,以实现对所述感知车道线方程补全,并将补全后的感知车道线方程确认为所述融合车道线方程;
若检测到所述感知车道线方程指示的感知车道线全部输出异常,则根据正常输出的地图车道线获取融合车道线方程。
在一种可能的设计中,所述若检测到所述感知车道线方程指示的感知车道线全部输出异常,则根据正常输出的地图车道线获取融合车道线方程,包括:
获取当前时刻前预设帧数地图车道线的输出情况;
若所述地图车道线方程指示的前预设帧数地图车道线均全部正常输出,则将所述地图车道线方程确认为所述融合车道线方程;
若检测到所述感知车道线方程和所述地图车道线方程指示的车道线均全部输出异常,则不确认融合车道线方程。
在一种可能的设计中,所述根据所述融合车道线方程和所述道路感知单元获取的其他车辆的位置信息,确定所述其他车辆所属车道,包括:
获取其他车辆与所述融合车道线方程指示的各融合车道线的车道距离,将车道距离最小的两个融合车道线构成的车道确认为与所述其他车辆对应的车道;
若检测到存在相同最小车道距离的相邻融合车道线构成的最小车道,则在所述最小车道中将融合车道线置信度最高的相邻融合车道线构成的车道确认为与所述其他车辆对应的车道。
第二方面,本申请提供一种基于高精地图的车辆感知融合装置,包括:
第一获取模块,用于通过车辆的道路感知单元获取道路感知信息,根据所述道路感知信息拟合生成对应的感知车道线方程和感知车道线置信度,其中,所述感知车道线置信度用于指示感知车道线的可靠度;
第二获取模块,用于根据车辆的定位数据获取地图数据,并根据所述地图数据建立路段车道模型,将所述路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系中,并在所述行驶坐标系中进行拟合生成对应的地图车道线方程;
处理模块,用于根据正常输出的所述感知车道线方程和所述地图车道线方程获取融合车道线方程,根据所述融合车道线方程和所述道路感知单元获取的其他车辆的位置信息,确定所述其他车辆所属车道;
执行模块,用于根据所述融合车道线方程指示的融合车道线和确定所属车道后的所述其他车辆获取规划行驶轨迹,并根据所述规划行驶轨迹和车辆的行驶信息实现对车辆控制。
第三方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现基于高精地图的车辆感知融合方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现基于高精地图的车辆感知融合方法。
本申请提供了一种基于高精地图的车辆感知融合方法、设备及存储介质,通过获取的道路感知信息拟合生成对应的感知车道线方程,并根据车辆对应的地图数据建立路段车道模型,将路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系后,在行驶坐标系中拟合生成对应的地图车道线方程,根据正常输出的感知车道线方程和地图车道线方程获取融合车道线方程,实现了进一步将不同源的数据信息进行融合,丰富了智能驾驶***感知信息与高精度地图数据的关系,根据融合车道线方程和获取的其他车辆的位置信息,确定其他车辆所属车道,根据融合车道线和确定所属车道后的其他车辆获取规划行驶轨迹,并根据规划行驶轨迹和车辆的位置信息实现对车辆控制,从而提升了车辆的智能驾驶***的感知鲁棒性与稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,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为本申请实施例提供的高精地图融合架构示意图;
图2为本申请实施例提供的基于高精地图的车辆感知融合方法的流程示意图一;
图3为本申请实施例提供的基于高精地图的车辆感知融合方法的流程示意图二;
图4为本申请实施例提供的基于高精地图的车辆感知融合装置的结构示意图;
图5为本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子,而不是全部的实施例。基于本发明中的实施例,本领域普通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。
在自动驾驶中,通常采用多传感器融合的方式来获得识别车辆定位数据和车道线信息,其中车道线信息作为自动驾驶时重要的环境感知信息,能够使得车辆安全行驶在当前车道内时,还能够根据周围其他车辆的车道线信息进行车辆线路规划,掌握其他车辆的行驶信息,从而保证车辆驾驶的安全性。
对于车道线信息的获取一般通过多个传感器如多个智能摄像头检测识别出车道线,或者根据高精地图数据识别出车道线信息,若仅通过多个传感器如智能摄像头检测识别出车道线,由于智能摄像头易受周围环境影响,并不能准确的获取数据,因此对于将通过多个传感器的数据进行融合获取车道线信息的方案存在无法处理的边缘场景,若根据高精地图数据识别出车道线信息,而高精地图又存在制作周期,从而自动驾驶车辆使用高精地图存在更新不及时等地图数据错误的问题,也会生成不准确的车道线信息。
当然也存在结合多个传感器与高精地图的数据融合获取车道线信息如通过智能摄像头和高精地图定位控制器冗余补充输出车道线,在复杂工况下,提高车道线输出的稳定性和准确性,但此方案仅限于智能摄像头以及高精地图的车道线融合,无法在高级别智能驾驶域控制器***中使用,或者通过智能摄像头检测道线和路沿信息以及高精地图获取车道线属性信息,通过定位连续性检测、车道搜索、属性匹配检测和距离匹配检测,以完成车道线的搜索,但此种方案仅实现了车道线匹配的功能,不包括感知与高精地图的车道线融合功能,并未充分挖掘智能驾驶***感知信息与高精度地图数据的关系,感知信息较为单一,因此车辆的智能驾驶***的感知鲁棒性与稳定性较低。
本申请提供了一种基于高精地图的车辆感知融合方法,通过获取的道路感知信息拟合生成对应的感知车道线方程,并根据车辆对应的地图数据建立路段车道模型,将路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系后,在行驶坐标系中拟合生成对应的地图车道线方程,根据正常输出的感知车道线方程和地图车道线方程获取融合车道线方程,实现了进一步将不同源的数据信息进行融合,丰富了智能驾驶***感知信息与高精度地图数据的关系,根据融合车道线方程和其他车辆的位置信息,确定其他车辆所属车道,根据融合车道线和确定所属车道后的其他车辆获取规划行驶轨迹,并根据规划行驶轨迹和车辆的行驶信息实现对车辆控制,从而提升了车辆的智能驾驶***的感知鲁棒性与稳定性。
下面采用具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
实施例一
图1为本申请实施例提供的高精地图融合架构示意图。图2为本申请实施例提供的基于高精地图的车辆感知融合方法的流程示意图一。结合图1和图2所示,该方法包括:
S201、通过车辆的道路感知单元获取道路感知信息,根据所述道路感知信息拟合生成对应的感知车道线方程和感知车道线置信度,其中,所述感知车道线置信度用于指示感知车道线的可靠度;
具体来说,将传感器单元中激光雷达和摄像头获取道路环境的激光雷达点云和图像发送至道路感知单元中,道路感知单元根据获取的激光雷达点云和图像感知其他车辆和检测车道线,并对检测到的车道线进行拟合,将拟合后生成的感知车道线方程、感知车道线置信度和感知到的其他车辆位置信息发送至高精地图融合感知单元的融合应用集中,以实现与根据地图数据生成的地图车道线方程进行道线融合。
S202、根据车辆的定位数据获取地图数据,并根据所述地图数据建立路段车道模型,将所述路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系中,并在所述行驶坐标系中拟合生成对应的地图车道线方程;
具体来说,高精地图融合感知单元中的地图引擎通过惯导设备获取的定位数据亦即定位信息获取地图数据,并将地图数据发送至地图重构器中,以对地图数据进行反序列化解析,并通过解析的数据消息体进行地图重建,构建关联关系,维持路径特征,亦即根据地图数据建立路段车道模型,将路段车道模型中的车道线经纬度点坐标根据本车位置、朝向信息转化到本车坐标系相对坐标,然后进行车道线拟合获取对应的地图车道线方程。
S203、根据正常输出的所述感知车道线方程和所述地图车道线方程获取融合车道线方程,根据所述融合车道线方程和所述道路感知单元获取的其他车辆的位置信息,确定所述其他车辆所属车道;
具体来说,通过高精地图融合感知单元的融合应用集对道路感知单元输出的感知车道线与地图重构器输出的地图车道线进行选择或者部分选择,以实现对感知车道线和地图车道线的融合,从而获取到融合车道线,并根据获取的其他车辆位置信息和融合车道线进行目标筛选,确定其他车辆所属车道。
S204、根据所述融合车道线方程指示的融合车道线和确定所属车道后的所述其他车辆获取规划行驶轨迹,并根据所述规划行驶轨迹和车辆的行驶信息实现对车辆控制;
具体来说,在获取融合车道线和确认其他车辆的所属车道后,根据融合车道线确认本车所在的车道,并获取本车所在车道的属性信息,根据高精地图融合感知单元输出的融合车道线和确认所属车道后的其他车辆的行驶信息进行决策与运动规划亦即获取规划行驶轨迹,根据规划行驶轨迹和车道的属性信息进行车辆控制。
本申请提供了一种基于高精地图的车辆感知融合方法,通过获取的道路感知信息拟合生成对应的感知车道线方程,并根据车辆对应的地图数据建立路段车道模型,将路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系后,在行驶坐标系中拟合生成对应的地图车道线方程,根据正常输出的感知车道线方程和地图车道线方程获取融合车道线方程,实现了进一步将不同源的数据信息进行融合,丰富了智能驾驶***感知信息与高精度地图数据的关系,根据融合车道线方程和获取的其他车辆的位置信息,确定其他车辆所属车道,根据融合车道线和确定所属车道后的其他车辆获取规划行驶轨迹,并根据规划行驶轨迹和车辆的位置信息实现对车辆控制,从而提升了车辆的智能驾驶***的感知鲁棒性与稳定性。
下面采用一个具体的实施例,对本申请的基于高精地图的车辆感知融合方法进行详细说明。
实施例二
图3为本申请实施例提供的基于高精地图的车辆感知融合方法流程示意图二。如图3所示,所述方法包括:
S301、通过车辆的道路感知单元获取道路感知信息,根据所述道路感知信息拟合生成对应的感知车道线方程和感知车道线置信度,其中,所述感知车道线置信度用于指示感知车道线的可靠度;
具体来说,本实施例中,S301的实现方式与本发明实施例一中的S201的实现方式类似,在此不再赘述。
S302、根据车辆的定位数据获取地图数据,并根据所述地图数据建立路段车道模型,将所述路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系中,并在所述行驶坐标系中拟合生成对应的地图车道线方程;
具体来说,高精地图融合感知单元中的地图引擎根据接收惯导设备的定位信息亦即定位数据获得地图数据,并通过ADASIS v3协议发送给地图重构器,地图重构器解析ADASIS v3消息获取结构化的地图数据,通过处理控制类消息体、位置消息体、属性消息体和全局消息,构建关联关系,及时删除以前路径及其元素,创建新的路径,更新元素,根据前方路网拓扑信息建立路段和车道模型,将地图重构器输出的车道线经纬度点坐标根据本车位置、朝向信息转化到本车坐标系相对坐标,然后进行车道线拟合,得到表征地图车道线的车道线三次方程Y=A0+A1X+A2X2+A3X3。
S303、对所述感知车道线方程指示的各感知车道线进行检验;
具体来说,在根据道路感知信息拟合生成对应的感知车道线方程和感知车道线置信度后,是否能够确认当前本车所在的道路的左、右、左左、右右四条车道线,若能够确认对应的四条车道线,则对确认的车道线进一步检验,若不能够确认对应的四条车道线,则根据新获取的包括激光雷达点云和图像数据的道路感知信息拟合生成新的感知车道线方程和感知车道线置信度。
S304、若所述车道线置信度大于预设感知置信度且满足车道线合理性条件时,确认所述感知车道线方程指示的对应感知车道线正常输出;
具体来说,获取感知车道线方程和地图车道线方程的车道线方程系数,并获取各本帧车道线方程系数与对应前帧车道线方程系数的系数差值,并对各系数差值取绝对值,获取各车道线方程系数变化值,获取相邻车道线方程系数的宽度差值,并将宽度差值的绝对值作为车道宽度,当检测到感知车道线置信度大于60%,且车道线方程系数处于预设方程系数区间,各感知车道线方程系数变化值不大于对应的预设值,且车道宽度处于预设宽度区间时,确认满足车道线合理性条件,并将满足预设感知置信度和车道线合理性条件的对应感知车道线确认为正常输出,否则确认为异常输出;
进一步地,对于感知车道线对应的车道线合理性条件,各感知车道线方程系数变化值不大于对应的预设值,|A0-A'0|≤0.05,|A1-A'1|≤0.001,|A2-A'2|≤0.00001,|A3-A'3|≤0.000001,其中,Ax为本帧感知车道线方程系数,A′x为前帧感知车道线系数,x=0,1,2,3;
进一步地,对于获取相邻车道线方程系数的宽度差值,并将宽度差值的绝对值作为车道宽度,1.25≤|AL0-AR0|≤4,其中,AL0为左车道线方程系数A0,AR0为右车道线方程系数,对于车道线方程系数处于预设方程系数区间,-4≤A0≤4,当然对于预设方程系数区间还可以设置为其他参数,只要能够满足感知车道线正常输出即可。
S305、对所述地图车道线方程指示的各地图车道线进行检验;
具体来说,在根据车辆的行驶坐标系中车道线经纬度点坐标中拟合生成对应的地图车道线方程后,需要对地图车道线方程指示的地图车道线进行检验,若检验出地图车道线方程指示的对应地图车道线异常输出,则重新根据当前的定位数据获取最新的地图数据,以生成新的地图车道线方程。
S306、若所述定位数据满足精度要求,且所述地图车道线平滑,并满足车道线合理性条件和感知车道线校验评估条件时,确认所述地图车道线方程指示的对应地图车道线正常输出;
具体来说,获取感知车道线方程和地图车道线方程的车道线方程系数,获取各感知车道线方程系数与对应地图车道线方程系数的系数差值,将各系数差值的绝对值作为校验值,若各校验值不大于各对应的预设校验值,则确认满足感知车道线校验评估条件,并将满足感知车道线校验评估条件和车道线合理性条件的地图车道线确认正常输出,否则确认异常输出;
进一步地,对于满足感知车道线校验评估条件,|感知A0-地图A0|≤0.18,|感知A1-地图A1|≤0.003,|感知A2-地图A2|≤0.00003,|感知A3-地图A3|≤0.000003,其中,感知Ax为感知车道线方程系数,x=0,1,2,3;地图Ax为地图车道线方程系数,x=0,1,2,3。
S307、若检测到所述感知车道线方程指示的感知车道线全部正常输出,则将全部所述感知车道线作为所述融合车道线方程;
具体来说,若检测到确认感知车道线方程指示的感知车道线全部正常输出,则优先将全部感知车道线作为融合车道线方程,若检测到感知车道线方程指示的感知车道线存在部分正常输出和部分异常输出,且地图车道线方程指示的地图车道线全部正常输出,则通过地图车道线方程中对应的地图车道线方程系数,替代感知车道线方程中指示异常输出的感知车道线方程系数,以实现对感知车道线方程补全,并将补全后的感知车道线方程确认为融合车道线方程。
S308、若检测到所述感知车道线方程指示的感知车道线全部输出异常,获取当前时刻前预设帧数地图车道线的输出情况;
具体来说,若检测到感知车道线方程指示的感知车道线全部不满足预设感知置信度和车道线合理性条件,确认感知车道线全部输出异常时,根据前面历史帧数地图车道线的输出情况确认是否将地图车道线方程确认为融合车道线方程。
S309、若所述地图车道线方程指示的前预设帧数地图车道线均全部正常输出,则将所述地图车道线方程确认为所述融合车道线方程;
具体来说,若检测到地图车道线方程指示的前预设帧数如前面五帧的地图车道线均全部正常输出,则将地图车道线方程确认为融合车道线方程,若检测到前面五帧的地图车道线中存在输出异常,亦即若检测到感知车道线方程和地图车道线方程指示的车道线均全部输出异常,则不确认融合车道线方程,并重新根据获取的道路感知信息和地图数据生成新的感知车道线方程和地图车道线方程。
S310、获取其他车辆与所述融合车道线方程指示的各融合车道线的车道距离,将车道距离最小的两个融合车道线构成的车道确认为与所述其他车辆对应的车道;
具体来说,将道路感知单元获取的其他车辆位置信息代入融合车道线方程,从而确认感知到的其他车辆所属的车道亦即对其他车辆所属的车道进行筛选,其中,根据当前车道线个数与融合车道线方程计算其他车辆到各对应车道线的距离亦即车道距离,并根据车道宽度和最小的车道距离确认所属车道,若检测到存在相同最小车道距离的相邻融合车道线构成的最小车道,则在最小车道中将融合车道线置信度最高的相邻融合车道线构成的车道确认为与其他车辆对应的车道。
S311、根据所述融合车道线方程指示的融合车道线和确定所属车道后的所述其他车辆获取规划行驶轨迹,并根据所述规划行驶轨迹和车辆的行驶信息实现对车辆控制;
具体来说,在确认融合车道线方程指示的融合车道线和其他车辆各自所属的车道后,根据融合车道线确认本车的车道号,获取本车所在车道的限速信息,以及前方横纵向坡度及曲率信息亦即车道的属性信息,亦即实现监测当前道路或者车道路面信息功能,使得车辆的控制单元基于规划行驶轨迹,并根据包括车道曲率、航向、坡度的属性信息进行车辆控制。
本申请提供了一种基于高精地图的车辆感知融合方法,通过获取的道路感知信息拟合生成对应的感知车道线方程,并根据车辆对应的地图数据建立路段车道模型,将路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系后,在行驶坐标系中拟合生成对应的地图车道线方程,根据正常输出的感知车道线方程和地图车道线方程获取融合车道线方程,实现了进一步将不同源的数据信息进行融合,丰富了智能驾驶***感知信息与高精度地图数据的关系,根据融合车道线方程和获取的其他车辆的位置信息,确定其他车辆所属车道,根据融合车道线和确定所属车道后的其他车辆获取规划行驶轨迹,并根据规划行驶轨迹和车辆的行驶信息实现对车辆控制,从而提升了车辆的智能驾驶***的感知鲁棒性与稳定性。
本发明实施例可以根据上述方法示例对电子设备或主控设备进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明实施例中对模块的划分是示意性的,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。
图4为本申请实施例提供的基于高精地图的车辆感知融合装置的结构示意图。如图4所示,该装置40包括:
第一获取模块401,用于通过车辆的道路感知单元获取道路感知信息,根据所述道路感知信息拟合生成对应的感知车道线方程和感知车道线置信度,其中,所述感知车道线置信度用于指示感知车道线的可靠度;
第二获取模块402,用于根据车辆的定位数据获取地图数据,并根据所述地图数据建立路段车道模型,将所述路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系中,并在所述行驶坐标系中进行拟合生成对应的地图车道线方程;
处理模块403,用于根据正常输出的所述感知车道线方程和所述地图车道线方程获取融合车道线方程,根据所述融合车道线方程和所述道路感知单元获取的其他车辆的位置信息,确定所述其他车辆所属车道;
执行模块404,用于根据所述融合车道线方程指示的融合车道线和确定所属车道后的所述其他车辆获取规划行驶轨迹,并根据所述规划行驶轨迹和车辆的行驶信息实现对车辆控制。
进一步的,处理模块403,具体用于在所述根据所述感知车道线方程和所述地图车道线方程获取融合车道线方程前,对所述感知车道线方程指示的各感知车道线进行检验,其中,若所述车道线置信度大于预设感知置信度且满足车道线合理性条件时,确认所述感知车道线方程指示的对应感知车道线正常输出,对所述地图车道线方程指示的各地图车道线进行检验,其中,若所述定位数据满足精度要求,且所述地图车道线平滑,并满足车道线合理性条件和感知车道线校验评估条件时,确认所述地图车道线方程指示的对应地图车道线正常输出。
进一步的,处理模块403,具体用于获取所述感知车道线方程和所述地图车道线方程的车道线方程系数,其中,获取各本帧车道线方程系数与对应前帧车道线方程系数的系数差值,并对各所述系数差值取绝对值,获取各车道线方程系数变化值,获取相邻所述车道线方程系数的宽度差值,并将所述宽度差值的绝对值作为车道宽度,若所述车道线方程系数处于预设方程系数区间,所述各感知车道线方程系数变化值不大于对应的预设值,且所述车道宽度处于预设宽度区间时,确认满足车道线合理性条件。
进一步的,处理模块403,具体用于获取所述感知车道线方程和所述地图车道线方程的车道线方程系数,获取各感知车道线方程系数与对应地图车道线方程系数的系数差值,将所述各系数差值的绝对值作为校验值,若各所述校验值不大于各对应的预设校验值,则确认满足所述感知车道线校验评估条件。
进一步的,处理模块403,具体用于若检测到所述感知车道线方程指示的感知车道线全部正常输出,则将全部所述感知车道线作为所述融合车道线方程,若检测到所述感知车道线方程指示的感知车道线存在部分正常输出和部分异常输出,且所述地图车道线方程指示的地图车道线全部正常输出,则通过所述地图车道线方程中对应的地图车道线方程系数,替代所述感知车道线方程中指示异常输出的感知车道线方程系数,以实现对所述感知车道线方程补全,并将补全后的感知车道线方程确认为所述融合车道线方程,若检测到所述感知车道线方程指示的感知车道线全部输出异常,则根据正常输出的地图车道线获取融合车道线方程。
进一步的,第三模块403,具体用于获取当前时刻前预设帧数地图车道线的输出情况,若所述地图车道线方程指示的前预设帧数地图车道线均全部正常输出,则将所述地图车道线方程确认为所述融合车道线方程,若检测到所述感知车道线方程和所述地图车道线方程指示的车道线均全部输出异常,则不确认融合车道线方程。
进一步的,第三模块403,具体用于获取其他车辆与所述融合车道线方程指示的各融合车道线的车道距离,将车道距离最小的两个融合车道线构成的车道确认为与所述其他车辆对应的车道,若检测到存在相同最小车道距离的相邻融合车道线构成的最小车道,则在所述最小车道中将融合车道线置信度最高的相邻融合车道线构成的车道确认为与所述其他车辆对应的车道。
本实施例提供的基于高精地图的车辆感知融合装置,可执行上述实施例的基于高精地图的车辆感知融合方法,其实现原理和技术效果类似,本实施例此处不再赘述。
在前述的基于高精地图的车辆感知融合装置的具体实现中,各模块可以被实现为处理器,处理器可以执行存储器中存储的计算机执行指令,使得处理器执行上述的基于高精地图的车辆感知融合方法。
图5为本申请实施例提供的电子设备的结构示意图。如图5所示,该电子设备50包括:至少一个处理器501和存储器502。该电子设备50还包括通信部件503。其中,处理器501、存储器502以及通信部件503通过总线504连接。
在具体实现过程中,至少一个处理器501执行所述存储器502存储的计算机执行指令,使得至少一个处理器501执行如上电子设备侧所执行的基于高精地图的车辆感知融合方法。
处理器501的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述实施例中,应理解,处理器可以是中央处理单元(英文:CentralProcessing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:DigitalSignal Processor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC)等。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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述针对电子设备以及主控设备所实现的功能,对本发明实施例提供的方案进行了介绍。可以理解的是,电子设备或主控设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤,本发明实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本发明实施例的技术方案的范围。
本申请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中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上基于高精地图的车辆感知融合装置方法。
上述的计算机可读存储介质,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于电子设备或主控设备中。
本申请还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于高精地图的车辆感知融合方法,其特征在于,所述方法包括:
通过车辆的道路感知单元获取道路感知信息,根据所述道路感知信息拟合生成对应的感知车道线方程和感知车道线置信度,其中,所述感知车道线置信度用于指示感知车道线的可靠度;
根据车辆的定位数据获取地图数据,并根据所述地图数据建立路段车道模型,将所述路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系中,并在所述行驶坐标系中拟合生成对应的地图车道线方程;
根据正常输出的所述感知车道线方程和所述地图车道线方程获取融合车道线方程,根据所述融合车道线方程和所述道路感知单元获取的其他车辆的位置信息,确定所述其他车辆所属车道;
根据所述融合车道线方程指示的融合车道线和确定所属车道后的所述其他车辆获取规划行驶轨迹,并根据所述规划行驶轨迹和车辆的行驶信息实现对车辆控制。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述感知车道线方程和所述地图车道线方程获取融合车道线方程前,所述方法还包括:
对所述感知车道线方程指示的各感知车道线进行检验,其中,若所述车道线置信度大于预设感知置信度且满足车道线合理性条件时,确认所述感知车道线方程指示的对应感知车道线正常输出;
对所述地图车道线方程指示的各地图车道线进行检验,其中,若所述定位数据满足精度要求,且所述地图车道线平滑,并满足车道线合理性条件和感知车道线校验评估条件时,确认所述地图车道线方程指示的对应地图车道线正常输出。
3.根据权利要求2所述的方法,其特征在于,所述满足车道线合理性条件,包括:
获取所述感知车道线方程和所述地图车道线方程的车道线方程系数;
其中,获取各本帧车道线方程系数与对应前帧车道线方程系数的系数差值,并对各所述系数差值取绝对值,获取各车道线方程系数变化值;
获取相邻所述车道线方程系数的宽度差值,并将所述宽度差值的绝对值作为车道宽度;
若所述车道线方程系数处于预设方程系数区间,所述各感知车道线方程系数变化值不大于对应的预设值,且所述车道宽度处于预设宽度区间时,确认满足车道线合理性条件。
4.根据权利要求2所述的方法,其特征在于,满足所述感知车道线校验评估条件,包括:
获取所述感知车道线方程和所述地图车道线方程的车道线方程系数;
获取各感知车道线方程系数与对应地图车道线方程系数的系数差值,将所述各系数差值的绝对值作为校验值,若各所述校验值不大于各对应的预设校验值,则确认满足所述感知车道线校验评估条件。
5.根据权利要求1所述的方法,其特征在于,所述根据正常输出的所述感知车道线方程和所述地图车道线方程获取融合车道线方程,包括:
若检测到所述感知车道线方程指示的感知车道线全部正常输出,则将全部所述感知车道线作为所述融合车道线方程;
若检测到所述感知车道线方程指示的感知车道线存在部分正常输出和部分异常输出,且所述地图车道线方程指示的地图车道线全部正常输出,则通过所述地图车道线方程中对应的地图车道线方程系数,替代所述感知车道线方程中指示异常输出的感知车道线方程系数,以实现对所述感知车道线方程补全,并将补全后的感知车道线方程确认为所述融合车道线方程;
若检测到所述感知车道线方程指示的感知车道线全部输出异常,则根据正常输出的地图车道线获取融合车道线方程。
6.根据权利要求5所述的方法,其特征在于,所述若检测到所述感知车道线方程指示的感知车道线全部输出异常,则根据正常输出的地图车道线获取融合车道线方程,包括:
获取当前时刻前预设帧数地图车道线的输出情况;
若所述地图车道线方程指示的前预设帧数地图车道线均全部正常输出,则将所述地图车道线方程确认为所述融合车道线方程;
若检测到所述感知车道线方程和所述地图车道线方程指示的车道线均全部输出异常,则不确认融合车道线方程。
7.根据权利要求1所述的方法,其特征在于,所述根据所述融合车道线方程和所述道路感知单元获取的其他车辆的位置信息,确定所述其他车辆所属车道,包括:
获取其他车辆与所述融合车道线方程指示的各融合车道线的车道距离,将车道距离最小的两个融合车道线构成的车道确认为与所述其他车辆对应的车道;
若检测到存在相同最小车道距离的相邻融合车道线构成的最小车道,则在所述最小车道中将融合车道线置信度最高的相邻融合车道线构成的车道确认为与所述其他车辆对应的车道。
8.一种基于高精地图的车辆感知融合装置,其特征在于,包括:
第一获取模块,用于通过车辆的道路感知单元获取道路感知信息,根据所述道路感知信息拟合生成对应的感知车道线方程和感知车道线置信度,其中,所述感知车道线置信度用于指示感知车道线的可靠度;
第二获取模块,用于根据车辆的定位数据获取地图数据,并根据所述地图数据建立路段车道模型,将所述路段车道模型的车道线经纬度点坐标转化至车辆的行驶坐标系中,并在所述行驶坐标系中进行拟合生成对应的地图车道线方程;
处理模块,用于根据正常输出的所述感知车道线方程和所述地图车道线方程获取融合车道线方程,根据所述融合车道线方程和所述道路感知单元获取的其他车辆的位置信息,确定所述其他车辆所属车道;
执行模块,用于根据所述融合车道线方程指示的融合车道线和确定所属车道后的所述其他车辆获取规划行驶轨迹,并根据所述规划行驶轨迹和车辆的行驶信息实现对车辆控制。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至7中任一项所述的方法。
10.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311033962.2A CN117029857A (zh) | 2023-08-16 | 2023-08-16 | 基于高精地图的车辆感知融合方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311033962.2A CN117029857A (zh) | 2023-08-16 | 2023-08-16 | 基于高精地图的车辆感知融合方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117029857A true CN117029857A (zh) | 2023-11-10 |
Family
ID=88644548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311033962.2A Pending CN117029857A (zh) | 2023-08-16 | 2023-08-16 | 基于高精地图的车辆感知融合方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117029857A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117490728A (zh) * | 2023-12-28 | 2024-02-02 | 合众新能源汽车股份有限公司 | 车道线定位故障诊断方法和*** |
-
2023
- 2023-08-16 CN CN202311033962.2A patent/CN117029857A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117490728A (zh) * | 2023-12-28 | 2024-02-02 | 合众新能源汽车股份有限公司 | 车道线定位故障诊断方法和*** |
CN117490728B (zh) * | 2023-12-28 | 2024-04-02 | 合众新能源汽车股份有限公司 | 车道线定位故障诊断方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109669202B (zh) | 位置估计装置和方法 | |
JP6469220B2 (ja) | 走行車線判別装置および走行車線判別方法 | |
CN111380539A (zh) | 车辆定位、导航方法和装置及相关*** | |
CN111102988A (zh) | 基于地图的路径规划方法、服务器、车载终端、存储介质 | |
EP2482036B1 (en) | Course guidance system, course guidance method, and course guidance program | |
CN117029857A (zh) | 基于高精地图的车辆感知融合方法、设备及存储介质 | |
CN111272190A (zh) | 地图标定错误检测方法和装置 | |
CN111194397B (zh) | 用于运行导航***的方法 | |
JP2020056785A (ja) | 車両を運転するための方法および装置 | |
JP2018529954A (ja) | 車両の電子地図を更新するための方法 | |
JP5208016B2 (ja) | 合流退出判定装置及び合流退出判定プログラム | |
JP2009069900A (ja) | 車両用ナビゲーション装置 | |
WO2010101199A1 (ja) | 道路交通情報作成装置および道路交通情報作成方法 | |
CN116416588A (zh) | 车道线预测方法、装置、电子设备及存储介质 | |
US20200385008A1 (en) | Safety-Aware Comparator for Redundant Subsystems in Autonomous Vehicles | |
JP2017156112A (ja) | 車両位置検出装置 | |
CN115900735A (zh) | 车辆定位方法、装置、车辆及存储介质 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN115328893A (zh) | 数据处理方法、装置、设备及计算机存储介质 | |
CN113183988A (zh) | 一种车辆自动驾驶的监督方法、装置、设备及存储介质 | |
CN116027375B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
JP2021039078A (ja) | 地図情報生成装置、地図情報生成方法、および地図情報生成プログラム | |
US20240035846A1 (en) | Method and device for determining the reliability of a low-definition map | |
WO2023089880A1 (ja) | 地図情報更新システム及びそのサーバ装置 | |
US11959770B2 (en) | Method and device for determining the reliability of a low-definition map |
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 |