CN117128976A - 道路中心线的获取方法、装置、车辆和存储介质 - Google Patents
道路中心线的获取方法、装置、车辆和存储介质 Download PDFInfo
- Publication number
- CN117128976A CN117128976A CN202311396281.2A CN202311396281A CN117128976A CN 117128976 A CN117128976 A CN 117128976A CN 202311396281 A CN202311396281 A CN 202311396281A CN 117128976 A CN117128976 A CN 117128976A
- Authority
- CN
- China
- Prior art keywords
- distance
- point
- track
- target
- track point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000007613 environmental effect Effects 0.000 claims abstract description 24
- 238000013519 translation Methods 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 236
- 238000010586 diagram Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本公开关于一种道路中心线的获取方法、装置、车辆和存储介质,属于自动驾驶、图像处理技术领域。方法包括:获取车辆在目标道路上的原始行驶轨迹和车辆的环境信息;基于原始行驶轨迹,得到第一距离,第一距离为轨迹点与第一候选点之间的距离,第一候选点位于第一候选中心线上;基于环境信息,得到第二距离,第二距离为轨迹点与第二候选点之间的距离,第二候选点位于第二候选中心线上;基于第一距离和第二距离,确定轨迹点对应的目标点;基于多个轨迹点对应的目标点,得到目标道路的目标中心线。由此,可分别考虑到原始行驶轨迹和环境信息,得到第一距离和第二距离,以确定目标点,进而得到目标道路的目标中心线,提高了道路中心线的准确性。
Description
技术领域
本公开涉及自动驾驶、图像处理技术领域,尤其涉及一种道路中心线的获取方法、装置、车辆和存储介质。
背景技术
目前,道路中心线的获取在自动驾驶、地图建立等领域中得到了广泛应用。比如,可根据道路中心线生成拓扑地图,根据拓扑地图进行自动驾驶场景中的路线规划,比如,可根据拓扑地图进行自动泊车场景中的路线规划。然而,相关技术中的道路中心线的获取方法,存在道路中心线的准确性低的问题。
发明内容
本公开提供一种道路中心线的获取方法、装置、车辆、计算机可读存储介质,以至少解决相关技术中的道路中心线的获取方法,存在道路中心线的准确性低的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种道路中心线的获取方法,包括:获取车辆在目标道路上的原始行驶轨迹和所述车辆的环境信息;基于所述原始行驶轨迹,得到第一距离,其中,所述第一距离为所述原始行驶轨迹上的轨迹点与所述轨迹点对应的第一候选点之间的距离,所述第一候选点位于所述目标道路的第一候选中心线上;基于所述环境信息,得到第二距离,其中,所述第二距离为所述轨迹点与所述轨迹点对应的第二候选点之间的距离,所述第二候选点位于所述目标道路的第二候选中心线上;基于所述第一距离和所述第二距离,确定所述轨迹点对应的目标点;基于多个所述轨迹点对应的目标点,得到所述目标道路的目标中心线。
在本公开的一个实施例中,所述基于所述第一距离和所述第二距离,确定所述轨迹点对应的目标点,包括:基于所述第一距离和所述第二距离,得到目标距离,其中,所述目标距离为所述轨迹点与所述轨迹点对应的目标点之间的距离;按照所述目标距离,对所述轨迹点进行平移,得到所述轨迹点对应的目标点。
在本公开的一个实施例中,所述基于所述第一距离和所述第二距离,得到目标距离,包括:将所述原始行驶轨迹中的轨迹点的下一个轨迹点,更新为所述轨迹点的上一个轨迹点,生成目标行驶轨迹;基于所述目标行驶轨迹,得到第三距离,其中,所述第三距离为所述轨迹点与所述轨迹点对应的第三候选点之间的距离,所述第三候选点位于所述目标道路的第三候选中心线上;基于所述第一距离、所述第二距离和所述第三距离,得到所述目标距离。
在本公开的一个实施例中,所述基于所述第一距离、所述第二距离和所述第三距离,得到所述目标距离,包括:对所述第一距离和所述第二距离进行加权平均,得到第四距离;对所述第三距离和所述第二距离进行加权平均,得到第五距离;对所述第四距离和所述第五距离进行加权平均,得到所述目标距离。
在本公开的一个实施例中,所述基于所述原始行驶轨迹,得到第一距离,包括:基于所述原始行驶轨迹,确定所述轨迹点的上一个轨迹点;基于所述轨迹点的上一个轨迹点对应的第四距离,得到所述轨迹点对应的第一距离。
在本公开的一个实施例中,所述基于所述轨迹点的上一个轨迹点对应的第四距离,得到所述轨迹点对应的第一距离,包括:获取所述轨迹点与所述轨迹点的上一个轨迹点之间的第一误差距离;基于所述轨迹点的上一个轨迹点对应的第四距离和所述第一误差距离,得到所述轨迹点对应的第一距离。
在本公开的一个实施例中,所述基于所述目标行驶轨迹,得到第三距离,包括:基于所述目标行驶轨迹,确定所述轨迹点的上一个轨迹点;基于所述轨迹点的上一个轨迹点对应的第五距离,得到所述轨迹点对应的第三距离。
在本公开的一个实施例中,所述基于所述轨迹点的上一个轨迹点对应的第五距离,得到所述轨迹点对应的第三距离,包括:获取所述轨迹点与所述轨迹点的上一个轨迹点之间的第二误差距离;基于所述轨迹点的上一个轨迹点对应的第五距离和所述第二误差距离,得到所述轨迹点对应的第三距离。
在本公开的一个实施例中,所述按照所述目标距离,对所述轨迹点进行平移,得到所述轨迹点对应的目标点,包括:根据所述原始行驶轨迹上所述轨迹点的法线方向,确定所述轨迹点的平移方向;按照所述目标距离和所述平移方向,对所述轨迹点进行平移,得到所述轨迹点对应的目标点。
在本公开的一个实施例中,所述基于所述环境信息,得到第二距离,包括:确定所述原始行驶轨迹上所述轨迹点的法线;基于所述环境信息,确定所述目标道路的候选边界线;获取所述法线与所述候选边界线的目标交点;基于所述目标交点,得到所述第二距离。
在本公开的一个实施例中,所述候选边界线包括候选第一边界线和候选第二边界线,所述目标交点包括所述法线与所述候选第一边界线的第一交点,以及所述法线与所述候选第二边界线的第二交点;所述基于所述目标交点,得到所述第二距离,包括:获取所述轨迹点与所述第一交点之间的第六距离;获取所述轨迹点与所述第二交点之间的第七距离;基于所述第六距离和所述第七距离,得到所述第二距离。
在本公开的一个实施例中,所述基于所述第六距离和所述第七距离,得到所述第二距离,包括:获取所述第六距离和所述第七距离之间的差值;基于所述差值的一半,得到所述第二距离。
在本公开的一个实施例中,若所述目标道路同一侧的候选边界线的数量为多个;所述获取所述法线与所述候选边界线的目标交点,包括:获取所述法线与所述候选边界线的候选交点;从所述目标道路同一侧的多个候选边界线对应的候选交点中,筛选出距离所述轨迹点最近的候选交点作为所述目标交点。
在本公开的一个实施例中,所述候选边界线包括可行驶区域的边界线和/或车位的边界线。
根据本公开实施例的第二方面,提供一种道路中心线的获取装置,包括:第一获取模块,被配置为执行获取车辆在目标道路上的原始行驶轨迹和所述车辆的环境信息;第二获取模块,被配置为执行基于所述原始行驶轨迹,得到第一距离,其中,所述第一距离为所述原始行驶轨迹上的轨迹点与所述轨迹点对应的第一候选点之间的距离,所述第一候选点位于所述目标道路的第一候选中心线上;第三获取模块,被配置为执行基于所述环境信息,得到第二距离,其中,所述第二距离为所述轨迹点与所述轨迹点对应的第二候选点之间的距离,所述第二候选点位于所述目标道路的第二候选中心线上;确定模块,被配置为执行基于所述第一距离和所述第二距离,确定所述轨迹点对应的目标点;第四获取模块,被配置为执行基于多个所述轨迹点对应的目标点,得到所述目标道路的目标中心线。
在本公开的一个实施例中,所述确定模块,还被配置为执行:基于所述第一距离和所述第二距离,得到目标距离,其中,所述目标距离为所述轨迹点与所述轨迹点对应的目标点之间的距离;按照所述目标距离,对所述轨迹点进行平移,得到所述轨迹点对应的目标点。
在本公开的一个实施例中,所述确定模块,还被配置为执行:将所述原始行驶轨迹中的轨迹点的下一个轨迹点,更新为所述轨迹点的上一个轨迹点,生成目标行驶轨迹;基于所述目标行驶轨迹,得到第三距离,其中,所述第三距离为所述轨迹点与所述轨迹点对应的第三候选点之间的距离,所述第三候选点位于所述目标道路的第三候选中心线上;基于所述第一距离、所述第二距离和所述第三距离,得到所述目标距离。
在本公开的一个实施例中,所述确定模块,还被配置为执行:对所述第一距离和所述第二距离进行加权平均,得到第四距离;对所述第三距离和所述第二距离进行加权平均,得到第五距离;对所述第四距离和所述第五距离进行加权平均,得到所述目标距离。
在本公开的一个实施例中,所述第二获取模块,还被配置为执行:基于所述原始行驶轨迹,确定所述轨迹点的上一个轨迹点;基于所述轨迹点的上一个轨迹点对应的第四距离,得到所述轨迹点对应的第一距离。
在本公开的一个实施例中,所述第二获取模块,还被配置为执行:获取所述轨迹点与所述轨迹点的上一个轨迹点之间的第一误差距离;基于所述轨迹点的上一个轨迹点对应的第四距离和所述第一误差距离,得到所述轨迹点对应的第一距离。
在本公开的一个实施例中,所述确定模块,还被配置为执行:基于所述目标行驶轨迹,确定所述轨迹点的上一个轨迹点;基于所述轨迹点的上一个轨迹点对应的第五距离,得到所述轨迹点对应的第三距离。
在本公开的一个实施例中,所述确定模块,还被配置为执行:获取所述轨迹点与所述轨迹点的上一个轨迹点之间的第二误差距离;基于所述轨迹点的上一个轨迹点对应的第五距离和所述第二误差距离,得到所述轨迹点对应的第三距离。
在本公开的一个实施例中,所述确定模块,还被配置为执行:根据所述原始行驶轨迹上所述轨迹点的法线方向,确定所述轨迹点的平移方向;按照所述目标距离和所述平移方向,对所述轨迹点进行平移,得到所述轨迹点对应的目标点。
在本公开的一个实施例中,所述第三获取模块,还被配置为执行:确定所述原始行驶轨迹上所述轨迹点的法线;基于所述环境信息,确定所述目标道路的候选边界线;获取所述法线与所述候选边界线的目标交点;基于所述目标交点,得到所述第二距离。
在本公开的一个实施例中,所述候选边界线包括候选第一边界线和候选第二边界线,所述目标交点包括所述法线与所述候选第一边界线的第一交点,以及所述法线与所述候选第二边界线的第二交点;所述第三获取模块,还被配置为执行:获取所述轨迹点与所述第一交点之间的第六距离;获取所述轨迹点与所述第二交点之间的第七距离;基于所述第六距离和所述第七距离,得到所述第二距离。
在本公开的一个实施例中,所述第三获取模块,还被配置为执行:获取所述第六距离和所述第七距离之间的差值;基于所述差值的一半,得到所述第二距离。
在本公开的一个实施例中,若所述目标道路同一侧的候选边界线的数量为多个;所述第三获取模块,还被配置为执行:获取所述法线与所述候选边界线的候选交点;从所述目标道路同一侧的多个候选边界线对应的候选交点中,筛选出距离所述轨迹点最近的候选交点作为所述目标交点。
在本公开的一个实施例中,所述候选边界线包括可行驶区域的边界线和/或车位的边界线。
根据本公开实施例的第三方面,提供一种车辆,包括处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为实现本公开实施例第一方面所述方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开实施例第一方面所述方法的步骤。
本公开的实施例提供的技术方案至少带来以下有益效果:可分别考虑到原始行驶轨迹和环境信息,得到轨迹点与第一候选点之间的第一距离,以及轨迹点与第二候选点之间的第二距离,以确定轨迹点对应的目标点,进而得到目标道路的目标中心线,提高了道路中心线的准确性,适用于停车场内道路的中心线的获取场景。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种道路中心线的获取方法的流程图。
图2是根据一示例性实施例示出的一种道路中心线的获取方法的示意图。
图3是根据另一示例性实施例示出的一种道路中心线的获取方法的流程图。
图4是根据另一示例性实施例示出的一种道路中心线的获取方法的流程图。
图5是根据一示例性实施例示出的一种道路中心线的获取方法中获取第一距离的流程图。
图6是根据一示例性实施例示出的一种道路中心线的获取方法中获取第三距离的流程图。
图7是根据一示例性实施例示出的一种道路中心线的获取方法中获取第二距离的流程图。
图8是根据另一示例性实施例示出的一种道路中心线的获取方法的示意图。
图9是根据一示例性实施例示出的一种道路中心线的获取装置的框图。
图10是根据一示例性实施例示出的一种车辆的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种道路中心线的获取方法的流程图,如图1所示,本公开实施例的道路中心线的获取方法,包括以下步骤。
S101,获取车辆在目标道路上的原始行驶轨迹和车辆的环境信息。
需要说明的是,本公开实施例的道路中心线的获取方法的执行主体为电子设备,电子设备包括手机、笔记本、台式电脑、车载终端(比如车载无线模块)、智能家电等。本公开实施例的道路中心线的获取方法可以由本公开实施例的道路中心线的获取装置执行,本公开实施例的道路中心线的获取装置可以配置在任意电子设备中,以执行本公开实施例的道路中心线的获取方法。
需要说明的是,对目标道路不做过多限定,比如,目标道路可包括城市道路、厂矿道路、林区道路、停车场内的道路等。
需要说明的是,原始行驶轨迹指的是车辆行驶在目标道路上的真实轨迹。原始行驶轨迹可包括多个轨迹点。比如,原始行驶轨迹可包括车辆的中心点在多个时刻下的位置点,即轨迹点为车辆的中心点在某一时刻下的位置点。
需要说明的是,原始行驶轨迹的获取,可采用相关技术中的任一车辆的行驶轨迹的获取方法来实现,这里不做过多限定。原始行驶轨迹可由用户驾驶车辆生成,还可由自动驾驶车辆生成。
在一种实施方式中,获取原始行驶轨迹,包括在车辆行驶在目标道路的过程中,采集车辆在N个时刻下的图像,基于车辆在第i个时刻下的图像,得到车辆在第i个时刻下的位置,以确定车辆的第i个轨迹点,基于车辆的N个轨迹点,生成原始行驶轨迹。其中,N为正整数,i为不大于N的正整数。
在一种实施方式中,获取原始行驶轨迹,包括在车辆行驶在目标道路的过程中,通过定位设备获取车辆在第i个时刻下的位置,以确定车辆的第i个轨迹点,基于车辆的N个轨迹点,生成原始行驶轨迹。应说明的是,对定位设备不做过多限定,比如,可包括GPS(GlobalPositioning System,全球定位***)设备、BDS(Beidou Navigation Satellite System,北斗卫星导航***)设备等。
需要说明的是,对环境信息不做过多限定,比如,可包括可行驶区域信息(比如可行驶区域的边界线、尺寸等)、车位信息(比如车位的边界线、尺寸等)、障碍物信息(比如障碍物的边界线、尺寸、类别等)、目标道路的施工信息(比如目标道路上施工区域的边界线、施工设备的位置等)等。
需要说明的是,环境信息的获取,可采用相关技术中的任一车辆的环境信息的获取方法来实现,这里不做过多限定。
在一种实施方式中,获取环境信息,包括在车辆行驶在目标道路的过程中,采集车辆在多个时刻下的图像,对车辆在多个时刻下的图像进行目标检测,得到环境信息。比如,可对车辆在多个时刻下的图像进行语义感知,得到环境信息。
在一种实施方式中,获取环境信息,包括在车辆行驶在目标道路的过程中,通过车辆上设置的传感器采集环境信息。应说明的是,对传感器不做过多限定,比如,可包括雷达传感器、红外传感器等。
S102,基于原始行驶轨迹,得到第一距离,其中,第一距离为原始行驶轨迹上的轨迹点与轨迹点对应的第一候选点之间的距离,第一候选点位于目标道路的第一候选中心线上。
需要说明的是,第一候选点指的是目标道路的第一候选中心线上的位置点,轨迹点与第一候选点一一对应,不同的轨迹点可对应不同的第一候选点。轨迹点对应的第一距离指的是轨迹点与轨迹点对应的第一候选点之间的距离,不同的轨迹点对应的第一距离可能相同,也可能不同。
在一种实施方式中,第一距离可包括轨迹点与轨迹点对应的第一候选点在设定方向上的距离。应说明的是,对设定方向不做过多限定,比如,可包括原始行驶轨迹上的轨迹点的法线方向、切线方向,以及车辆的行驶方向、行驶方向的垂直方向等。
本公开的实施例中,基于原始行驶轨迹,得到第一距离,包括如下几种可能的实施方式:
方式1、若轨迹点为原始行驶轨迹上的第一个轨迹点,确定轨迹点对应的第一距离为第一设定值。
需要说明的是,对第一设定值不做过多限定,比如,可包括0、1米等。
比如,如图2所示,原始行驶轨迹可包括轨迹点1至8,原始行驶轨迹的行驶方向为轨迹点1至8。轨迹点1为原始行驶轨迹上的第一个轨迹点,可确定轨迹点1对应的第一距离为0米。
方式2、基于原始行驶轨迹,确定轨迹点的上一个轨迹点,基于轨迹点的上一个轨迹点对应的第一距离,得到轨迹点对应的第一距离。
由此,该方法中在获取第一距离时,可基于原始行驶轨迹,确定轨迹点的上一个轨迹点,并考虑到轨迹点的上一个轨迹点对应的第一距离,得到轨迹点对应的第一距离,使得相邻轨迹点对应的第一距离较为接近,有助于提高道路中心线的平滑性。
比如,继续以图2为例,可基于原始行驶轨迹,确定轨迹点2的上一个轨迹点为轨迹点1,并基于轨迹点1对应的第一距离,得到轨迹点2对应的第一距离。
在一种实施方式中,基于轨迹点的上一个轨迹点对应的第一距离,得到轨迹点对应的第一距离,包括获取轨迹点的上一个轨迹点对应的第一距离和第二设定值的乘积,或者,获取轨迹点的上一个轨迹点对应的第一距离和第三设定值的和值,将乘积或者和值作为轨迹点对应的第一距离。应说明的是,对第二设定值、第三设定值不做过多限定,第二设定值、第三设定值可为固定值,也可实时更新。
在一些例子中,方法还包括获取轨迹点与轨迹点的上一个轨迹点之间的第八距离,基于第八距离,得到第二设定值或者第三设定值。比如,第二设定值、第三设定值与第八距离正相关。
S103,基于环境信息,得到第二距离,其中,第二距离为轨迹点与轨迹点对应的第二候选点之间的距离,第二候选点位于目标道路的第二候选中心线上。
需要说明的是,第二候选点指的是目标道路的第二候选中心线上的位置点,轨迹点与第二候选点一一对应,不同的轨迹点可对应不同的第二候选点。轨迹点对应的第二距离指的是轨迹点与轨迹点对应的第二候选点之间的距离,不同的轨迹点对应的第二距离可能相同,也可能不同。
需要说明的是,第二距离的相关内容,可参见第一距离的相关内容,这里不再赘述。
在一种实施方式中,基于环境信息,得到第二距离,包括基于环境信息,确定目标道路的候选边界线,获取轨迹点与候选边界线之间的最小距离,作为第九距离,基于第九距离,得到第二距离。
需要说明的是,候选边界线可能是目标道路的真实边界线,也可能不是目标道路的真实边界线。基于环境信息,确定目标道路的候选边界线的相关内容,可参见下述实施例,这里不再赘述。
在一些例子中,候选边界线包括候选第一边界线和候选第二边界线,候选第一边界线、候选第二边界线位于目标道路的不同侧,比如,候选第一边界线为目标道路的左边界线,候选第二边界线为目标道路的右边界线。
第九距离包括轨迹点与候选第一边界线之间的最小距离,以及轨迹点与候选第二边界线之间的最小距离。基于第九距离,得到第二距离,包括获取轨迹点与候选第一边界线之间的最小距离、轨迹点与候选第二边界线之间的最小距离之间的差值,基于差值的一半,得到第二距离。比如,可将差值的一半,作为第二距离。或者,将差值的绝对值作为第二距离。
可以理解的是,若候选第一边界线为目标道路的左边界线,候选第二边界线为目标道路的右边界线,若轨迹点与候选第一边界线之间的最小距离大于轨迹点与候选第二边界线之间的最小距离,表明轨迹点对应的第二候选点位于轨迹点的左侧,若轨迹点与候选第一边界线之间的最小距离小于轨迹点与候选第二边界线之间的最小距离,表明轨迹点对应的第二候选点位于轨迹点的右侧,若轨迹点与候选第一边界线之间的最小距离等于轨迹点与候选第二边界线之间的最小距离,表明轨迹点对应的第二候选点与轨迹点重合。
在一些例子中,若候选第一边界线为目标道路的左边界线,候选第二边界线为目标道路的右边界线,可获取轨迹点与候选第二边界线之间的最小距离减去轨迹点与候选第一边界线之间的最小距离的结果,作为差值,并将差值的一半作为第二距离。其中,若第二距离为正,表明轨迹点对应的第二候选点位于轨迹点的右侧,若第二距离为负,表明轨迹点对应的第二候选点位于轨迹点的左侧,若第二距离为零,表明轨迹点对应的第二候选点与轨迹点重合。
比如,若候选第一边界线为目标道路的左边界线,候选第二边界线为目标道路的右边界线,轨迹点与候选第一边界线之间的最小距离为5米,轨迹点与候选第二边界线之间的最小距离为3米,则第二距离=(3-5)/2=-1米,此时轨迹点对应的第二候选点位于轨迹点的左侧。
S104,基于第一距离和第二距离,确定轨迹点对应的目标点。
需要说明的是,目标点指的是目标道路的目标中心线上的位置点,轨迹点与目标点一一对应,不同的轨迹点可对应不同的目标点。轨迹点对应的目标距离指的是轨迹点与轨迹点对应的目标点之间的距离,不同的轨迹点对应的目标距离可能相同,也可能不同。
在一种实施方式中,基于第一距离和第二距离,确定轨迹点对应的目标点,包括基于第一距离,确定轨迹点对应的第一候选点的第一位置,基于第二距离,确定轨迹点对应的第二候选点的第二位置,基于第一位置和第二位置,确定轨迹点对应的目标点。
在一些例子中,基于第一距离,确定轨迹点对应的第一候选点的第一位置,包括基于轨迹点的位置和第一距离,确定第一位置。
在一些例子中,基于第二距离,确定轨迹点对应的第二候选点的第二位置,包括基于轨迹点的位置和第二距离,确定第二位置。
在一些例子中,基于第一位置和第二位置,确定轨迹点对应的目标点,包括获取第一位置和第二位置之间的中间位置,作为轨迹点对应的目标点的位置。
比如,以二维坐标系为例,若第一位置为(x1, y1),第二位置为(x2, y2),则第一位置和第二位置之间的中间位置为(,/>),轨迹点对应的目标点的位置为(/>,/>)。
S105,基于多个轨迹点对应的目标点,得到目标道路的目标中心线。
在一种实施方式中,基于多个轨迹点对应的目标点,得到目标道路的目标中心线,包括对多个轨迹点对应的目标点进行曲线拟合或者直线拟合,得到目标道路的目标中心线。
在一种实施方式中,基于多个轨迹点对应的目标点,得到目标道路的目标中心线,包括对任意相邻的两个轨迹点对应的目标点进行连接,得到目标线段,对多个目标线段进行拼接,生成目标道路的目标中心线。
在一种实施方式中,得到目标道路的目标中心线之后,还包括基于目标道路的目标中心线,生成包含目标道路的地图。应说明的是,对地图不做过多限定,比如,可包括拓扑地图。
可以理解的是,包含目标道路的地图可用于车辆的路线规划,比如,可用于车辆的行车、泊车场景下的路线规划。其中,泊车场景包括MPA(Memory Parking Assist,记忆泊车)场景。
本公开的实施例提供的道路中心线的获取方法,获取车辆在目标道路上的原始行驶轨迹和车辆的环境信息,基于原始行驶轨迹,得到第一距离,其中,第一距离为所述原始行驶轨迹上的轨迹点与所述轨迹点对应的第一候选点之间的距离,所述第一候选点位于所述目标道路的第一候选中心线上,基于环境信息,得到第二距离,其中,所述第二距离为所述轨迹点与所述轨迹点对应的第二候选点之间的距离,所述第二候选点位于所述目标道路的第二候选中心线上,基于第一距离和第二距离,确定轨迹点对应的目标点,基于多个轨迹点对应的目标点,得到目标道路的目标中心线。由此,可分别考虑到原始行驶轨迹和环境信息,得到轨迹点与第一候选点之间的第一距离,以及轨迹点与第二候选点之间的第二距离,以确定轨迹点对应的目标点,进而得到目标道路的目标中心线,提高了道路中心线的准确性,适用于停车场内道路的中心线的获取场景。
图3是根据另一示例性实施例示出的一种道路中心线的获取方法的流程图,如图3所示,本公开实施例的道路中心线的获取方法,包括以下步骤。
S301,获取车辆在目标道路上的原始行驶轨迹和车辆的环境信息。
S302,基于原始行驶轨迹,得到第一距离,其中,第一距离为原始行驶轨迹上的轨迹点与轨迹点对应的第一候选点之间的距离,第一候选点位于目标道路的第一候选中心线上。
S303,基于环境信息,得到第二距离,其中,第二距离为轨迹点与轨迹点对应的第二候选点之间的距离,第二候选点位于目标道路的第二候选中心线上。
步骤S301-S303的相关内容可参见上述实施例,这里不再赘述。
S304,基于第一距离和第二距离,得到目标距离,其中,目标距离为轨迹点与轨迹点对应的目标点之间的距离。
在一种实施方式中,基于第一距离和第二距离,得到目标距离,包括对第一距离和第二距离进行加权平均,得到目标距离。需要说明的是,对第一距离、第二距离的权重均不做过多限定。
在一种实施方式中,基于第一距离和第二距离,得到目标距离,包括基于第二距离,获取第一距离的修正参数,按照修正参数对第一距离进行修正,得到目标距离。
在一些例子中,基于第二距离,获取第一距离的修正参数,包括获取第一距离和第二距离之间的差值的绝对值,基于绝对值确定修正参数。比如,修正参数与绝对值正相关。
在一种实施方式中,基于第一距离和第二距离,得到目标距离,包括将第一距离和第二距离中的最小值或者最大值,作为目标距离。
S305,按照目标距离,对轨迹点进行平移,得到轨迹点对应的目标点。
在一种实施方式中,按照目标距离,对轨迹点进行平移,得到轨迹点对应的目标点,包括确定轨迹点的平移方向,按照目标距离和平移方向,对轨迹点进行平移,得到轨迹点对应的目标点。
需要说明的是,对轨迹点的平移方向不做过多限定。比如,可包括原始行驶轨迹上轨迹点的法线方向、切线方向,以及车辆的行驶方向、行驶方向的垂直方向等。不同轨迹点的平移方向可能相同也可能不同,这里不做过多限定。
比如,继续以图2为例,轨迹点3至8的平移方向分别为轨迹点3至8对应的箭头方向。
在一些例子中,目标距离的正负用于表征轨迹点与轨迹点对应的目标点之间的相对位置,可根据实际情况进行设置。
比如,确定轨迹点的平移方向,可包括若目标距离为正,表明轨迹点对应的目标点位于轨迹点的右侧,确定平移方向为向右,若目标距离为负,表明轨迹点对应的目标点位于轨迹点的左侧,确定平移方向为向左。
比如,确定轨迹点的平移方向,可包括若目标距离为正,表明轨迹点对应的目标点位于轨迹点的左侧,确定平移方向为向左,若目标距离为负,表明轨迹点对应的目标点位于轨迹点的右侧,确定平移方向为向右。
在一些例子中,按照目标距离,对轨迹点进行平移,得到轨迹点对应的目标点,包括根据原始行驶轨迹上轨迹点的法线方向,确定轨迹点的平移方向,按照目标距离和平移方向,对轨迹点进行平移,得到轨迹点对应的目标点。由此,该方法中可考虑到原始行驶轨迹上轨迹点的法线方向,确定轨迹点的平移方向。
比如,根据原始行驶轨迹上轨迹点的法线方向,确定轨迹点的平移方向,包括将法线方向作为平移方向。
比如,根据原始行驶轨迹上轨迹点的法线方向,确定轨迹点的平移方向,包括若目标距离为正,确定平移方向为沿着法线方向向右,若目标距离为负,确定平移方向为沿着法线方向向左。
S306,基于多个轨迹点对应的目标点,得到目标道路的目标中心线。
步骤S306的相关内容可参见上述实施例,这里不再赘述。
本公开的实施例提供的道路中心线的获取方法,基于第一距离和第二距离,得到目标距离,其中,目标距离为轨迹点与轨迹点对应的目标点之间的距离,按照目标距离,对轨迹点进行平移,得到轨迹点对应的目标点。由此,可综合考虑到第一距离和第二距离,得到目标距离,提高了目标距离的准确性,进而提高了道路中心线的准确性,并可按照目标距离,对轨迹点进行平移,得到轨迹点对应的目标点。
图4是根据另一示例性实施例示出的一种道路中心线的获取方法的流程图,如图4所示,本公开实施例的道路中心线的获取方法,包括以下步骤。
S401,获取车辆在目标道路上的原始行驶轨迹和车辆的环境信息。
S402,基于原始行驶轨迹,得到第一距离,其中,第一距离为原始行驶轨迹上的轨迹点与轨迹点对应的第一候选点之间的距离,第一候选点位于目标道路的第一候选中心线上。
S403,基于环境信息,得到第二距离,其中,第二距离为轨迹点与轨迹点对应的第二候选点之间的距离,第二候选点位于目标道路的第二候选中心线上。
步骤S401-S403的相关内容可参见上述实施例,这里不再赘述。
S404,将原始行驶轨迹中的轨迹点的下一个轨迹点,更新为轨迹点的上一个轨迹点,生成目标行驶轨迹。
需要说明的是,目标行驶轨迹和原始行驶轨迹的轨迹点相同、行驶方向相反。
比如,继续以图2为例,原始行驶轨迹、目标行驶轨迹均包括轨迹点1至8,原始行驶轨迹的行驶方向为轨迹点1至8,目标行驶轨迹的行驶方向为轨迹点8至1。原始行驶轨迹中的轨迹点j的下一个轨迹点为轨迹点j+1,目标行驶轨迹中的轨迹点j+1的下一个轨迹点为轨迹点j。j为正整数。举例来说,原始行驶轨迹中的轨迹点1的下一个轨迹点为轨迹点2,目标行驶轨迹中的轨迹点2的下一个轨迹点为轨迹点1。
S405,基于目标行驶轨迹,得到第三距离,其中,第三距离为轨迹点与轨迹点对应的第三候选点之间的距离,第三候选点位于目标道路的第三候选中心线上。
需要说明的是,第三候选点指的是目标道路的第三候选中心线上的位置点,轨迹点与第三候选点一一对应,不同的轨迹点可对应不同的第三候选点。轨迹点对应的第三距离指的是轨迹点与轨迹点对应的第三候选点之间的距离,不同的轨迹点对应的第三距离可能相同,也可能不同。
需要说明的是,第三距离可参照第一距离的相关内容,基于目标行驶轨迹得到第三距离,可参照基于原始行驶轨迹得到第一距离的相关内容,这里不再赘述。
本公开的实施例中,基于目标行驶轨迹,得到第三距离,包括如下几种可能的实施方式:
方式1、若轨迹点为目标行驶轨迹上的第一个轨迹点,确定轨迹点对应的第三距离为第一设定值。
比如,继续以图2为例,目标行驶轨迹可包括轨迹点1至8,目标行驶轨迹的行驶方向为轨迹点8至1。轨迹点8为目标行驶轨迹上的第一个轨迹点,可确定轨迹点8对应的第三距离为0米。
方式2、基于目标行驶轨迹,确定轨迹点的上一个轨迹点,基于轨迹点的上一个轨迹点对应的第三距离,得到轨迹点对应的第三距离。
S406,基于第一距离、第二距离和第三距离,得到目标距离。
在一种实施方式中,基于第一距离、第二距离和第三距离,得到目标距离,包括对第一距离、第二距离和第三距离进行加权平均,得到目标距离。
在一种实施方式中,基于第一距离、第二距离和第三距离,得到目标距离,包括将第一距离、第二距离和第三距离中的最小值或者最大值,作为目标距离。
在一种实施方式中,基于第一距离、第二距离和第三距离,得到目标距离,包括对第一距离和第二距离进行加权平均,得到第四距离,对第三距离和第二距离进行加权平均,得到第五距离,对第四距离和第五距离进行加权平均,得到目标距离。
S407,按照目标距离,对轨迹点进行平移,得到轨迹点对应的目标点。
S408,基于多个轨迹点对应的目标点,得到目标道路的目标中心线。
步骤S407-S408的相关内容可参见上述实施例,这里不再赘述。
本公开的实施例提供的道路中心线的获取方法,将原始行驶轨迹中的轨迹点的下一个轨迹点,更新为轨迹点的上一个轨迹点,生成目标行驶轨迹,基于目标行驶轨迹,得到第三距离,其中,第三距离为轨迹点与轨迹点对应的第三候选点之间的距离,第三候选点位于目标道路的第三候选中心线上,基于第一距离、第二距离和第三距离,得到目标距离。由此,可将原始行驶轨迹的反向轨迹,作为目标行驶轨迹,并考虑到目标行驶轨迹得到第三距离,并综合考虑到第一距离、第二距离和第三距离,得到目标距离,提高了目标距离的准确性,进而提高了道路中心线的准确性。
在上述任一实施例的基础上,如图5所示,步骤S102中基于原始行驶轨迹,得到第一距离,包括:
S501,基于原始行驶轨迹,确定轨迹点的上一个轨迹点。
步骤S501的相关内容可参见上述实施例,这里不再赘述。
S502,基于轨迹点的上一个轨迹点对应的第四距离,得到轨迹点对应的第一距离。
比如,继续以图2为例,可基于原始行驶轨迹,确定轨迹点2的上一个轨迹点为轨迹点1,并基于轨迹点1对应的第四距离,得到轨迹点2对应的第一距离。
在一种实施方式中,基于轨迹点的上一个轨迹点对应的第四距离,得到轨迹点对应的第一距离,包括获取轨迹点的上一个轨迹点对应的第四距离和第二设定值的乘积,或者,获取轨迹点的上一个轨迹点对应的第四距离和第三设定值的和值,将乘积或者和值作为轨迹点对应的第一距离。
在一种实施方式中,基于轨迹点的上一个轨迹点对应的第四距离,得到轨迹点对应的第一距离,包括获取轨迹点与轨迹点的上一个轨迹点之间的第一误差距离,基于轨迹点的上一个轨迹点对应的第四距离和第一误差距离,得到轨迹点对应的第一距离。由此,该方法中可考虑到相邻轨迹点之间的第一误差距离,以及轨迹点的上一个轨迹点对应的第四距离,得到轨迹点对应的第一距离。
需要说明的是,对第一误差距离不做过多限定,任意相邻的两个轨迹点之间的第一误差距离可为固定值,也可为变化值。
在一些例子中,获取轨迹点与轨迹点的上一个轨迹点之间的第一误差距离,包括获取轨迹点与轨迹点的上一个轨迹点之间的第八距离,基于第八距离得到第一误差距离。比如,第一误差距离与第八距离正相关。
在一些例子中,基于轨迹点的上一个轨迹点对应的第四距离和第一误差距离,得到轨迹点对应的第一距离,包括获取轨迹点的上一个轨迹点对应的第四距离和第一误差距离的和值,作为轨迹点对应的第一距离。
比如,继续以图2为例,若轨迹点1对应的第一距离为0米,轨迹点1对应的第二距离为1米,轨迹点1对应的第一距离、第二距离对应的权重均为1,则轨迹点1对应的第四距离=(0+1)/2=0.5米。可基于原始行驶轨迹,确定轨迹点2的上一个轨迹点为轨迹点1,并获取轨迹点1、2之间的第一误差距离为0.2米,则轨迹点2对应的第一距离=0.5+0.2=0.7米。
由此,该方法中在获取第一距离时,可基于原始行驶轨迹,确定轨迹点的上一个轨迹点,并考虑到轨迹点的上一个轨迹点对应的第四距离,得到轨迹点对应的第一距离,进而得到轨迹点对应的第四距离,使得相邻轨迹点对应的第四距离较为接近,有助于提高道路中心线的平滑性。
在上述任一实施例的基础上,如图6所示,步骤S405中基于目标行驶轨迹,得到第三距离,包括:
S601,基于目标行驶轨迹,确定轨迹点的上一个轨迹点。
步骤S601的相关内容可参见上述实施例,这里不再赘述。
S602,基于轨迹点的上一个轨迹点对应的第五距离,得到轨迹点对应的第三距离。
步骤S602可参照步骤S502的相关内容,这里不再赘述。
比如,继续以图2为例,可基于目标行驶轨迹,确定轨迹点1的上一个轨迹点为轨迹点2,并基于轨迹点2对应的第五距离,得到轨迹点1对应的第三距离。
在一种实施方式中,基于轨迹点的上一个轨迹点对应的第五距离,得到轨迹点对应的第三距离,包括获取轨迹点的上一个轨迹点对应的第五距离和第二设定值的乘积,或者,获取轨迹点的上一个轨迹点对应的第五距离和第三设定值的和值,将乘积或者和值作为轨迹点对应的第三距离。
在一种实施方式中,基于轨迹点的上一个轨迹点对应的第五距离,得到轨迹点对应的第三距离,包括获取轨迹点与轨迹点的上一个轨迹点之间的第二误差距离,基于轨迹点的上一个轨迹点对应的第五距离和第二误差距离,得到轨迹点对应的第三距离。由此,该方法中可考虑到相邻轨迹点之间的第二误差距离,以及轨迹点的上一个轨迹点对应的第五距离,得到轨迹点对应的第三距离。
需要说明的是,第二误差距离可参照第一误差距离的相关内容,这里不再赘述。
在一些例子中,基于轨迹点的上一个轨迹点对应的第五距离和第二误差距离,得到轨迹点对应的第三距离,包括获取轨迹点的上一个轨迹点对应的第五距离和第二误差距离的和值,作为轨迹点对应的第三距离。
比如,继续以图2为例,若轨迹点2对应的第三距离为0米,轨迹点2对应的第二距离为1米,轨迹点2对应的第三距离、第二距离对应的权重均为1,则轨迹点2对应的第五距离=(0+1)/2=0.5米。可基于目标行驶轨迹,确定轨迹点1的上一个轨迹点为轨迹点2,并获取轨迹点1、2之间的第一误差距离为0.2米,则轨迹点1对应的第三距离=0.5+0.2=0.7米。
由此,该方法中在获取第三距离时,可基于目标行驶轨迹,确定轨迹点的上一个轨迹点,并考虑到轨迹点的上一个轨迹点对应的第五距离,得到轨迹点对应的第三距离,进而得到轨迹点对应的第五距离,使得相邻轨迹点对应的第五距离较为接近,有助于提高道路中心线的平滑性。
在上述任一实施例的基础上,如图7所示,步骤S103中基于环境信息,得到轨迹点、轨迹点对应的目标点之间的第二距离,包括:
S701,确定原始行驶轨迹上轨迹点的法线。
比如,继续以图2为例,原始行驶轨迹上轨迹点5的法线为L0,原始行驶轨迹上轨迹点8的法线为L7。
S702,基于环境信息,确定目标道路的候选边界线。
需要说明的是,目标道路同一侧的候选边界线的数量为至少一个。对候选边界线不做过多限定,比如,可包括障碍物(比如墙壁)的边界线、可行驶区域的边界线、车位的边界线等中的至少一种。
在一种实施方式中,基于环境信息,确定目标道路的候选边界线,包括从环境信息中提取出障碍物的边界线、可行驶区域的边界线和车位的边界线等中的至少一种,作为候选边界线。
比如,继续以图2为例,候选边界线包括车位A的边界线L1、车位B的边界线L2、车位C的边界线L3、L4,可行驶区域的边界线L5、L6。其中,边界线L1至L5位于目标车道的左侧,边界线L6位于目标车道的右侧。
S703,获取法线与候选边界线的目标交点。
在一种实施方式中,候选边界线包括候选第一边界线和候选第二边界线,目标交点包括法线与候选第一边界线的第一交点,以及法线与候选第二边界线的第二交点。
比如,继续以图2为例,针对轨迹点5对应的第二距离的获取,法线L0与边界线L1、L3至L5无交点,候选第一边界线为边界线L2,候选第二边界线为边界线L6,目标交点包括法线L0与边界线L2的交点D1,以及法线L0与边界线L6的交点D2,即第一交点为交点D1,第二交点为交点D2。
比如,继续以图2为例,针对轨迹点8对应的第二距离的获取,法线L7与边界线L1至L3无交点,候选第一边界线为边界线L5,候选第二边界线为边界线L6,目标交点包括法线L7与边界线L5的交点D3,以及法线L7与边界线L6的交点D4。
本公开的实施例中,获取法线与候选边界线的目标交点,可包括如下几种可能的实施方式:
方式1、若目标道路同一侧的候选边界线的数量为一个,获取法线与候选边界线的候选交点,将目标道路同一侧的一个候选边界线对应的候选交点,作为目标交点。
比如,继续以图2为例,针对轨迹点5对应的第二距离的获取,目标道路右侧的候选边界线仅包括边界线L6,可获取法线L0与边界线L6的交点D2,即目标道路右侧的边界线L6对应的候选交点为交点D2,可直接将交点D2作为目标交点。
比如,继续以图2为例,针对轨迹点8对应的第二距离的获取,目标道路右侧的候选边界线仅包括边界线L6,可获取法线L7与边界线L6的交点D4,即目标道路右侧的边界线L6对应的候选交点为交点D4,可直接将交点D4作为目标交点。
方式2、若目标道路同一侧的候选边界线的数量为多个,获取法线与候选边界线的候选交点,从目标道路同一侧的多个候选边界线对应的候选交点中,筛选出距离轨迹点最近的候选交点作为目标交点。
比如,继续以图2为例,针对轨迹点5对应的第二距离的获取,目标道路左侧的候选边界线包括边界线L1至L5,法线L0与边界线L1、L3至L5无交点,可获取法线L0与边界线L2的交点D1,即目标道路左侧的候选边界线对应的候选交点仅包括交点D1,可直接将交点D1作为目标交点。
比如,继续以图2为例,针对轨迹点8对应的第二距离的获取,目标道路左侧的候选边界线包括边界线L1至L5,法线L7与边界线L1至L3无交点,可获取法线L7与边界线L4的交点D5,获取法线L7与边界线L5的交点D3,即目标道路左侧的候选边界线对应的候选交点包括交点D3、D5,从交点D3、D5中筛选出距离轨迹点8最近的交点D3作为目标交点。
S704,基于目标交点,得到第二距离。
本公开的实施例中,基于目标交点,得到第二距离,可包括如下几种可能的实施方式:
方式1、获取轨迹点与目标交点之间的第十距离,基于第十距离得到第二距离。
在一种实施方式中,基于第十距离得到第二距离,包括将多个第十距离输入至设定模型,由设定模型输出第二距离。应说明的是,对设定模型不做过多限定,比如,可为深度学习模型。
方式2、获取轨迹点与第一交点之间的第六距离,获取轨迹点与第二交点之间的第七距离,基于第六距离和第七距离,得到第二距离。
需要说明的是,候选边界线包括候选第一边界线和候选第二边界线,目标交点包括法线与候选第一边界线的第一交点,以及法线与候选第二边界线的第二交点。
在一种实施方式中,基于第六距离和第七距离,得到第二距离,包括获取第六距离和第七距离之间的差值,基于差值的一半,得到第二距离。比如,可将差值的一半,作为第二距离。或者,将差值的绝对值作为第二距离。
可以理解的是,若候选第一边界线为目标道路的左边界线,候选第二边界线为目标道路的右边界线,若第六距离大于第七距离,表明轨迹点对应的目标点位于轨迹点的左侧,若第六距离小于第七距离,表明轨迹点对应的目标点位于轨迹点的右侧,若第六距离等于第七距离,表明轨迹点对应的目标点与轨迹点重合。
在一些例子中,若候选第一边界线为目标道路的左边界线,候选第二边界线为目标道路的右边界线,可获取第七距离减去第六距离的结果,作为差值,并将差值的一半作为第二距离。其中,若第二距离为正,表明轨迹点对应的目标点位于轨迹点的右侧,若第二距离为负,表明轨迹点对应的目标点位于轨迹点的左侧,若第二距离为零,表明轨迹点对应的目标点与轨迹点重合。
比如,继续以图2为例,针对轨迹点5对应的第二距离的获取,候选第一边界线为边界线L2,候选第二边界线为边界线L6,第一交点为交点D1,第二交点为交点D2,若轨迹点5、交点D1之间的第六距离为5米,轨迹点5、交点D2之间的第七距离为2米,则第二距离=(2-5)/2=-1.5米,此时轨迹点5对应的目标点位于轨迹点5的左侧。
比如,继续以图2为例,针对轨迹点8对应的第二距离的获取,候选第一边界线为边界线L5,候选第二边界线为边界线L6,第一交点为交点D3,第二交点为交点D4,若轨迹点8、交点D3之间的第六距离为1米,轨迹点8、交点D4之间的第七距离为7米,则第二距离=(7-1)/2=3米,此时轨迹点8对应的目标点位于轨迹点8的右侧。
由此,该方法中确定原始行驶轨迹上轨迹点的法线,基于环境信息,确定目标道路的候选边界线,获取法线与候选边界线的目标交点,基于目标交点,得到第二距离,以实现第二距离的获取。
在上述任一实施例的基础上,如图8所示,目标距离的获取过程如下:
可将原始行驶轨迹输入至第一模型,由第一模型基于原始行驶轨迹,得到第一距离,并将环境信息输入至第一模型,由第一模型基于环境信息,得到第二距离,并对第一距离和第二距离进行加权平均,得到第四距离。并将轨迹点对应的第四距离输入至第一模型,用于轨迹点的下一个轨迹点对应的第一距离的获取。
将原始行驶轨迹中的轨迹点的下一个轨迹点,更新为轨迹点的上一个轨迹点,生成目标行驶轨迹。将目标行驶轨迹输入至第二模型,由第二模型基于目标行驶轨迹,得到第三距离,并将环境信息输入至第二模型,由第二模型基于环境信息,得到第二距离,并对第三距离和第二距离进行加权平均,得到第五距离。并将轨迹点对应的第五距离输入至第二模型,用于轨迹点的下一个轨迹点对应的第三距离的获取。
对第四距离和第五距离进行加权平均,得到目标距离。
需要说明的是,对第一模型、第二模型均不做过多限定,比如,可包括卡尔曼滤波模型。
图9是根据一示例性实施例示出的一种道路中心线的获取装置的框图。参照图9,本公开实施例的道路中心线的获取装置100,包括:第一获取模块110、第二获取模块120、第三获取模块130、确定模块140和第四获取模块150。
第一获取模块110被配置为执行获取车辆在目标道路上的原始行驶轨迹和所述车辆的环境信息;
第二获取模块120被配置为执行基于所述原始行驶轨迹,得到第一距离,其中,所述第一距离为所述原始行驶轨迹上的轨迹点与所述轨迹点对应的第一候选点之间的距离,所述第一候选点位于所述目标道路的第一候选中心线上;
第三获取模块130被配置为执行基于所述环境信息,得到第二距离,其中,所述第二距离为所述轨迹点与所述轨迹点对应的第二候选点之间的距离,所述第二候选点位于所述目标道路的第二候选中心线上;
确定模块140被配置为执行基于所述第一距离和所述第二距离,确定所述轨迹点对应的目标点;
第四获取模块150被配置为执行基于多个所述轨迹点对应的目标点,得到所述目标道路的目标中心线。
在本公开的一个实施例中,所述确定模块140还被配置为执行:基于所述第一距离和所述第二距离,得到目标距离,其中,所述目标距离为所述轨迹点与所述轨迹点对应的目标点之间的距离;按照所述目标距离,对所述轨迹点进行平移,得到所述轨迹点对应的目标点。
在本公开的一个实施例中,所述确定模块140还被配置为执行:将所述原始行驶轨迹中的轨迹点的下一个轨迹点,更新为所述轨迹点的上一个轨迹点,生成目标行驶轨迹;基于所述目标行驶轨迹,得到第三距离,其中,所述第三距离为所述轨迹点与所述轨迹点对应的第三候选点之间的距离,所述第三候选点位于所述目标道路的第三候选中心线上;基于所述第一距离、所述第二距离和所述第三距离,得到所述目标距离。
在本公开的一个实施例中,所述确定模块140还被配置为执行:对所述第一距离和所述第二距离进行加权平均,得到第四距离;对所述第三距离和所述第二距离进行加权平均,得到第五距离;对所述第四距离和所述第五距离进行加权平均,得到所述目标距离。
在本公开的一个实施例中,所述第二获取模块120还被配置为执行:基于所述原始行驶轨迹,确定所述轨迹点的上一个轨迹点;基于所述轨迹点的上一个轨迹点对应的第四距离,得到所述轨迹点对应的第一距离。
在本公开的一个实施例中,所述第二获取模块120还被配置为执行:获取所述轨迹点与所述轨迹点的上一个轨迹点之间的第一误差距离;基于所述轨迹点的上一个轨迹点对应的第四距离和所述第一误差距离,得到所述轨迹点对应的第一距离。
在本公开的一个实施例中,所述确定模块140还被配置为执行:基于所述目标行驶轨迹,确定所述轨迹点的上一个轨迹点;基于所述轨迹点的上一个轨迹点对应的第五距离,得到所述轨迹点对应的第三距离。
在本公开的一个实施例中,所述确定模块140还被配置为执行:获取所述轨迹点与所述轨迹点的上一个轨迹点之间的第二误差距离;基于所述轨迹点的上一个轨迹点对应的第五距离和所述第二误差距离,得到所述轨迹点对应的第三距离。
在本公开的一个实施例中,所述确定模块140还被配置为执行:根据所述原始行驶轨迹上所述轨迹点的法线方向,确定所述轨迹点的平移方向;按照所述目标距离和所述平移方向,对所述轨迹点进行平移,得到所述轨迹点对应的目标点。
在本公开的一个实施例中,所述第三获取模块130还被配置为执行:确定所述原始行驶轨迹上所述轨迹点的法线;基于所述环境信息,确定所述目标道路的候选边界线;获取所述法线与所述候选边界线的目标交点;基于所述目标交点,得到所述第二距离。
在本公开的一个实施例中,所述候选边界线包括候选第一边界线和候选第二边界线,所述目标交点包括所述法线与所述候选第一边界线的第一交点,以及所述法线与所述候选第二边界线的第二交点;所述第三获取模块130还被配置为执行:获取所述轨迹点与所述第一交点之间的第六距离;获取所述轨迹点与所述第二交点之间的第七距离;基于所述第六距离和所述第七距离,得到所述第二距离。
在本公开的一个实施例中,所述第三获取模块130还被配置为执行:获取所述第六距离和所述第七距离之间的差值;基于所述差值的一半,得到所述第二距离。
在本公开的一个实施例中,若所述目标道路同一侧的候选边界线的数量为多个;所述第三获取模块130,还被配置为执行:获取所述法线与所述候选边界线的候选交点;从所述目标道路同一侧的多个候选边界线对应的候选交点中,筛选出距离所述轨迹点最近的候选交点作为所述目标交点。
在本公开的一个实施例中,所述候选边界线包括可行驶区域的边界线和/或车位的边界线。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开的实施例提供的道路中心线的获取装置,获取车辆在目标道路上的原始行驶轨迹和车辆的环境信息,基于原始行驶轨迹,得到第一距离,其中,第一距离为所述原始行驶轨迹上的轨迹点与所述轨迹点对应的第一候选点之间的距离,所述第一候选点位于所述目标道路的第一候选中心线上,基于环境信息,得到第二距离,其中,所述第二距离为所述轨迹点与所述轨迹点对应的第二候选点之间的距离,所述第二候选点位于所述目标道路的第二候选中心线上,基于第一距离和第二距离,确定轨迹点对应的目标点,基于多个轨迹点对应的目标点,得到目标道路的目标中心线。由此,可分别考虑到原始行驶轨迹和环境信息,得到轨迹点与第一候选点之间的第一距离,以及轨迹点与第二候选点之间的第二距离,以确定轨迹点对应的目标点,进而得到目标道路的目标中心线,提高了道路中心线的准确性,适用于停车场内道路的中心线的获取场景。
图10是根据一示例性实施例示出的一种车辆的框图。例如,车辆200可以是混合动力车辆,也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆200可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。
参照图10,车辆200可包括各种子***,例如,信息娱乐***210、感知***220、决策控制***220、驱动***240以及计算平台250。其中,车辆200还可以包括更多或更少的子***,并且每个子***都可包括多个部件。另外,车辆200的每个子***之间和每个部件之间可以通过有线或者无线的方式实现互连。
在一些实施例中,信息娱乐***210可以包括通信***,娱乐***以及导航***等。
感知***220可以包括若干种传感器,用于感测车辆200周边的环境的信息。例如,感知***220可包括全球定位***(全球定位***可以是GPS***,也可以是北斗***或者其他定位***)、惯性测量单元(inertial measurement unit,IMU)、激光雷达、毫米波雷达、超声雷达以及摄像装置。
决策控制***230可以包括计算***、整车控制器、转向***、油门以及制动***。
驱动***240可以包括为车辆200提供动力运动的组件。在一个实施例中,驱动***240可以包括引擎、能量源、传动***和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。
车辆200的部分或所有功能受计算平台250控制。计算平台250可包括至少一个处理器251和存储器252,处理器251可以执行存储在存储器252中的指令253。
处理器251可以是任何常规的处理器,诸如商业可获得的CPU。处理器还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(Field ProgrammableGate Array,FPGA)、片上***(System on Chip,SOC)、专用集成芯片(ApplicationSpecific Integrated Circuit,ASIC)或它们的组合。
存储器252可以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。
除了指令253以外,存储器252还可存储数据,例如道路地图,路线信息,车辆的位置、方向、速度等数据。存储器252存储的数据可以被计算平台250使用。
在本公开实施例中,处理器251可以执行指令253,以实现本公开提供的道路中心线的获取方法的全部或部分步骤。
本公开实施例的车辆,获取车辆在目标道路上的原始行驶轨迹和车辆的环境信息,基于原始行驶轨迹,得到第一距离,其中,第一距离为所述原始行驶轨迹上的轨迹点与所述轨迹点对应的第一候选点之间的距离,所述第一候选点位于所述目标道路的第一候选中心线上,基于环境信息,得到第二距离,其中,所述第二距离为所述轨迹点与所述轨迹点对应的第二候选点之间的距离,所述第二候选点位于所述目标道路的第二候选中心线上,基于第一距离和第二距离,确定轨迹点对应的目标点,基于多个轨迹点对应的目标点,得到目标道路的目标中心线。由此,可分别考虑到原始行驶轨迹和环境信息,得到轨迹点与第一候选点之间的第一距离,以及轨迹点与第二候选点之间的第二距离,以确定轨迹点对应的目标点,进而得到目标道路的目标中心线,提高了道路中心线的准确性,适用于停车场内道路的中心线的获取场景。
为了实现上述实施例,本公开还提出一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的道路中心线的获取方法的步骤。
可选的,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (17)
1.一种道路中心线的获取方法,其特征在于,包括:
获取车辆在目标道路上的原始行驶轨迹和所述车辆的环境信息;
基于所述原始行驶轨迹,得到第一距离,其中,所述第一距离为所述原始行驶轨迹上的轨迹点与所述轨迹点对应的第一候选点之间的距离,所述第一候选点位于所述目标道路的第一候选中心线上;
基于所述环境信息,得到第二距离,其中,所述第二距离为所述轨迹点与所述轨迹点对应的第二候选点之间的距离,所述第二候选点位于所述目标道路的第二候选中心线上;
基于所述第一距离和所述第二距离,确定所述轨迹点对应的目标点;
基于多个所述轨迹点对应的目标点,得到所述目标道路的目标中心线。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一距离和所述第二距离,确定所述轨迹点对应的目标点,包括:
基于所述第一距离和所述第二距离,得到目标距离,其中,所述目标距离为所述轨迹点与所述轨迹点对应的目标点之间的距离;
按照所述目标距离,对所述轨迹点进行平移,得到所述轨迹点对应的目标点。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一距离和所述第二距离,得到目标距离,包括:
将所述原始行驶轨迹中的轨迹点的下一个轨迹点,更新为所述轨迹点的上一个轨迹点,生成目标行驶轨迹;
基于所述目标行驶轨迹,得到第三距离,其中,所述第三距离为所述轨迹点与所述轨迹点对应的第三候选点之间的距离,所述第三候选点位于所述目标道路的第三候选中心线上;
基于所述第一距离、所述第二距离和所述第三距离,得到所述目标距离。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第一距离、所述第二距离和所述第三距离,得到所述目标距离,包括:
对所述第一距离和所述第二距离进行加权平均,得到第四距离;
对所述第三距离和所述第二距离进行加权平均,得到第五距离;
对所述第四距离和所述第五距离进行加权平均,得到所述目标距离。
5.根据权利要求4所述的方法,其特征在于,所述基于所述原始行驶轨迹,得到第一距离,包括:
基于所述原始行驶轨迹,确定所述轨迹点的上一个轨迹点;
基于所述轨迹点的上一个轨迹点对应的第四距离,得到所述轨迹点对应的第一距离。
6.根据权利要求5所述的方法,其特征在于,所述基于所述轨迹点的上一个轨迹点对应的第四距离,得到所述轨迹点对应的第一距离,包括:
获取所述轨迹点与所述轨迹点的上一个轨迹点之间的第一误差距离;
基于所述轨迹点的上一个轨迹点对应的第四距离和所述第一误差距离,得到所述轨迹点对应的第一距离。
7.根据权利要求4所述的方法,其特征在于,所述基于所述目标行驶轨迹,得到第三距离,包括:
基于所述目标行驶轨迹,确定所述轨迹点的上一个轨迹点;
基于所述轨迹点的上一个轨迹点对应的第五距离,得到所述轨迹点对应的第三距离。
8.根据权利要求7所述的方法,其特征在于,所述基于所述轨迹点的上一个轨迹点对应的第五距离,得到所述轨迹点对应的第三距离,包括:
获取所述轨迹点与所述轨迹点的上一个轨迹点之间的第二误差距离;
基于所述轨迹点的上一个轨迹点对应的第五距离和所述第二误差距离,得到所述轨迹点对应的第三距离。
9.根据权利要求2-8中任一项所述的方法,其特征在于,所述按照所述目标距离,对所述轨迹点进行平移,得到所述轨迹点对应的目标点,包括:
根据所述原始行驶轨迹上所述轨迹点的法线方向,确定所述轨迹点的平移方向;
按照所述目标距离和所述平移方向,对所述轨迹点进行平移,得到所述轨迹点对应的目标点。
10.根据权利要求1所述的方法,其特征在于,所述基于所述环境信息,得到第二距离,包括:
确定所述原始行驶轨迹上所述轨迹点的法线;
基于所述环境信息,确定所述目标道路的候选边界线;
获取所述法线与所述候选边界线的目标交点;
基于所述目标交点,得到所述第二距离。
11.根据权利要求10所述的方法,其特征在于,所述候选边界线包括候选第一边界线和候选第二边界线,所述目标交点包括所述法线与所述候选第一边界线的第一交点,以及所述法线与所述候选第二边界线的第二交点;
所述基于所述目标交点,得到所述第二距离,包括:
获取所述轨迹点与所述第一交点之间的第六距离;
获取所述轨迹点与所述第二交点之间的第七距离;
基于所述第六距离和所述第七距离,得到所述第二距离。
12.根据权利要求11所述的方法,其特征在于,所述基于所述第六距离和所述第七距离,得到所述第二距离,包括:
获取所述第六距离和所述第七距离之间的差值;
基于所述差值的一半,得到所述第二距离。
13.根据权利要求10-12中任一项所述的方法,其特征在于,若所述目标道路同一侧的候选边界线的数量为多个;
所述获取所述法线与所述候选边界线的目标交点,包括:
获取所述法线与所述候选边界线的候选交点;
从所述目标道路同一侧的多个候选边界线对应的候选交点中,筛选出距离所述轨迹点最近的候选交点作为所述目标交点。
14.根据权利要求10-12中任一项所述的方法,其特征在于,所述候选边界线包括可行驶区域的边界线和/或车位的边界线。
15.一种道路中心线的获取装置,其特征在于,包括:
第一获取模块,被配置为执行获取车辆在目标道路上的原始行驶轨迹和所述车辆的环境信息;
第二获取模块,被配置为执行基于所述原始行驶轨迹,得到第一距离,其中,所述第一距离为所述原始行驶轨迹上的轨迹点与所述轨迹点对应的第一候选点之间的距离,所述第一候选点位于所述目标道路的第一候选中心线上;
第三获取模块,被配置为执行基于所述环境信息,得到第二距离,其中,所述第二距离为所述轨迹点与所述轨迹点对应的第二候选点之间的距离,所述第二候选点位于所述目标道路的第二候选中心线上;
确定模块,被配置为执行基于所述第一距离和所述第二距离,确定所述轨迹点对应的目标点;
第四获取模块,被配置为执行基于多个所述轨迹点对应的目标点,得到所述目标道路的目标中心线。
16.一种车辆,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
实现权利要求1-14中任一项所述方法的步骤。
17.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1-14中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311396281.2A CN117128976B (zh) | 2023-10-26 | 2023-10-26 | 道路中心线的获取方法、装置、车辆和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311396281.2A CN117128976B (zh) | 2023-10-26 | 2023-10-26 | 道路中心线的获取方法、装置、车辆和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117128976A true CN117128976A (zh) | 2023-11-28 |
CN117128976B CN117128976B (zh) | 2024-03-12 |
Family
ID=88856770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311396281.2A Active CN117128976B (zh) | 2023-10-26 | 2023-10-26 | 道路中心线的获取方法、装置、车辆和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117128976B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车***股份有限公司 | 一种高精度地图生成***及生成方法 |
CN111652061A (zh) * | 2020-04-28 | 2020-09-11 | 浙江吉利汽车研究院有限公司 | 一种车道边线的确定方法、装置及存储介质 |
WO2021042856A1 (zh) * | 2019-09-02 | 2021-03-11 | 华为技术有限公司 | 一种车道中心线确定方法及装置 |
CN114090560A (zh) * | 2021-11-19 | 2022-02-25 | 湖北亿咖通科技有限公司 | 一种车道的中心线生成方法、装置、设备及存储介质 |
WO2022104790A1 (zh) * | 2020-11-23 | 2022-05-27 | 深圳元戎启行科技有限公司 | 行驶轨迹确定方法、装置、计算机设备和存储介质 |
CN114758502A (zh) * | 2022-04-29 | 2022-07-15 | 北京百度网讯科技有限公司 | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 |
CN115195718A (zh) * | 2022-07-01 | 2022-10-18 | 岚图汽车科技有限公司 | 一种车道保持辅助驾驶方法、***及电子设备 |
WO2023067879A1 (ja) * | 2021-10-20 | 2023-04-27 | 日立Astemo株式会社 | 車両制御装置、車両制御方法、及び車両制御システム |
CN116182862A (zh) * | 2022-12-30 | 2023-05-30 | 广州小鹏自动驾驶科技有限公司 | 道路边界确定方法、装置、电子设备以及存储介质 |
CN116907523A (zh) * | 2023-03-28 | 2023-10-20 | 广州小马智卡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
-
2023
- 2023-10-26 CN CN202311396281.2A patent/CN117128976B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车***股份有限公司 | 一种高精度地图生成***及生成方法 |
WO2021042856A1 (zh) * | 2019-09-02 | 2021-03-11 | 华为技术有限公司 | 一种车道中心线确定方法及装置 |
CN111652061A (zh) * | 2020-04-28 | 2020-09-11 | 浙江吉利汽车研究院有限公司 | 一种车道边线的确定方法、装置及存储介质 |
WO2022104790A1 (zh) * | 2020-11-23 | 2022-05-27 | 深圳元戎启行科技有限公司 | 行驶轨迹确定方法、装置、计算机设备和存储介质 |
WO2023067879A1 (ja) * | 2021-10-20 | 2023-04-27 | 日立Astemo株式会社 | 車両制御装置、車両制御方法、及び車両制御システム |
CN114090560A (zh) * | 2021-11-19 | 2022-02-25 | 湖北亿咖通科技有限公司 | 一种车道的中心线生成方法、装置、设备及存储介质 |
CN114758502A (zh) * | 2022-04-29 | 2022-07-15 | 北京百度网讯科技有限公司 | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 |
CN115195718A (zh) * | 2022-07-01 | 2022-10-18 | 岚图汽车科技有限公司 | 一种车道保持辅助驾驶方法、***及电子设备 |
CN116182862A (zh) * | 2022-12-30 | 2023-05-30 | 广州小鹏自动驾驶科技有限公司 | 道路边界确定方法、装置、电子设备以及存储介质 |
CN116907523A (zh) * | 2023-03-28 | 2023-10-20 | 广州小马智卡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
刘一: "基于模型预测轮廓控制的自动驾驶汽车路径跟踪", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 5, 15 May 2022 (2022-05-15), pages 035 - 348 * |
刘东: "复杂交通环境下的智能汽车局部轨迹规划方法的研究", 重庆理工大学学报, vol. 37, no. 4, pages 39 - 49 * |
Also Published As
Publication number | Publication date |
---|---|
CN117128976B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108089572B (zh) | 用于车辆定位的方法和装置 | |
JP6667686B2 (ja) | 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体 | |
CN112212874B (zh) | 车辆轨迹预测方法、装置、电子设备及计算机可读介质 | |
US20210373161A1 (en) | Lidar localization using 3d cnn network for solution inference in autonomous driving vehicles | |
CN110386142A (zh) | 用于自动驾驶车辆的俯仰角校准方法 | |
CN113591518B (zh) | 一种图像的处理方法、网络的训练方法以及相关设备 | |
CN113819917A (zh) | 自动驾驶路径规划方法、装置、设备及存储介质 | |
CN116734828A (zh) | 道路拓扑信息的确定、电子地图数据处理方法、电子设备 | |
CN116626670B (zh) | 自动驾驶模型的生成方法、装置、车辆及存储介质 | |
CN116380088B (zh) | 车辆定位方法、装置、车辆及存储介质 | |
CN116486377B (zh) | 可行驶区域的生成方法及装置 | |
CN115223015B (zh) | 模型训练方法、图像处理方法、装置和车辆 | |
CN117128976B (zh) | 道路中心线的获取方法、装置、车辆和存储介质 | |
CN115752502B (zh) | 路径筛选方法、装置及电子设备 | |
CN112507857B (zh) | 一种车道线更新方法、装置、设备及存储介质 | |
CN116499477B (zh) | 地图的融合方法、装置、介质及车辆 | |
CN115574805B (zh) | 车道线关系的识别方法、装置、车辆和存储介质 | |
CN116630923B (zh) | 道路消失点的标注方法、装置及电子设备 | |
CN116503482B (zh) | 车辆位置的获取方法、装置及电子设备 | |
CN116659529B (zh) | 数据检测方法、装置、车辆及存储介质 | |
CN116070780B (zh) | 轨迹预测算法的评价方法、装置、介质及车辆 | |
CN116385825B (zh) | 模型联合训练方法、装置及车辆 | |
CN115593439B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
CN116331225B (zh) | 车辆驾驶状态确定方法、装置、车辆及存储介质 | |
CN117002527A (zh) | 车辆控制的方法、装置、车辆及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |