CN117131150A - 电子地图的生成方法、装置、车辆和存储介质 - Google Patents
电子地图的生成方法、装置、车辆和存储介质 Download PDFInfo
- Publication number
- CN117131150A CN117131150A CN202311399921.5A CN202311399921A CN117131150A CN 117131150 A CN117131150 A CN 117131150A CN 202311399921 A CN202311399921 A CN 202311399921A CN 117131150 A CN117131150 A CN 117131150A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- semantic
- around
- semantic elements
- determining
- 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 77
- 230000007613 environmental effect Effects 0.000 claims abstract description 102
- 230000015654 memory Effects 0.000 claims abstract description 32
- 230000036544 posture Effects 0.000 claims description 44
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 25
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 206010040844 Skin exfoliation Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000035618 desquamation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- 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)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Graphics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种电子地图的生成方法、装置、车辆和存储介质,属于车辆技术领域。通过本申请实施例提供的技术方案,在车辆进入地下停车场的情况下自动开始生成电子地图,基于该车辆周围的语义元素和元素位置和元素类型,确定车辆当前位置的环境类型,也即是确定车辆当前位置的语义元素是否可靠。在当前位置的环境类型为语义元素不可靠的情况下,获取该车辆周围的环境特征点。基于车辆当前的位姿、该车辆周围的语义元素的元素位置和元素类型以及环境特征点,生成车辆当前位置的用于进行记忆泊车的电子地图。电子地图的生成过程无需用户手动操作,生成过程全程静默,降低了生成记忆泊车所需电子地图的学习成本,节省用户的精力和时间。
Description
技术领域
本申请涉及车辆技术领域,并且更具体地,涉及车辆技术领域中一种电子地图的生成方法、装置、车辆和存储介质。
背景技术
随着车辆技术的发展,越来越多的车辆提供记忆泊车的功能。记忆泊车是一种驾驶辅助技术,驾驶员只需要在停车场入口的适当位置启动记忆泊车,车辆就会自动进行车位寻找和泊车。
相关技术中,为了使用记忆泊车这一功能,需要提前生成停车场的电子地图。在生成电子地图的过程中,往往是以用户触发交互指令来启动或停止电子地图的生成过程,同时生成电子地图的过程中所需的操作中也有一定的学习成本,浪费用户精力和时间,降低了记忆泊车功能的使用频率。
发明内容
本申请实施例提供了一种电子地图的生成方法、装置、车辆和存储介质,能够降低生成记忆泊车所需电子地图的学习成本,节省用户的精力和时间,技术方案如下。
一方面,提供了一种电子地图的生成方法,所述方法包括:
在车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素参数,确定所述车辆当前位置的环境类型,所述元素参数包括元素位置和元素类型,所述环境类型包括语义元素可靠以及语义元素不可靠;
在所述环境类型为语义元素不可靠的情况下,获取所述车辆周围的环境特征点;
基于所述车辆当前的位姿、所述车辆周围的语义元素的元素参数和环境特征点,生成所述当前位置的电子地图,所述电子地图用于在所述地下停车场中进行记忆泊车。
一方面,提供了一种电子地图的生成装置,所述装置包括:
环境类型确定模块,用于在车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素参数,确定所述车辆当前位置的环境类型,所述元素参数包括元素位置和元素类型,所述环境类型包括语义元素可靠以及语义元素不可靠;
特征点获取模块,用于在所述环境类型为语义元素不可靠的情况下,获取所述车辆周围的环境特征点;
电子地图生成模块,用于基于所述车辆当前的位姿、所述车辆周围的语义元素的元素参数和环境特征点,生成所述当前位置的电子地图,所述电子地图用于在所述地下停车场中进行记忆泊车。
在一种可能的实施方式中,所述环境类型确定模块,用于在所述车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素位置,确定所述车辆周围N个第一邻近区域内的语义元素,N为正整数;基于所述车辆周围N个第一邻近区域内的语义元素的元素类型,确定各个所述第一邻近区域的区域类型,所述区域类型包括强语义约束和弱语义约束;基于所述N个第一邻近区域的区域类型,确定所述车辆当前位置的环境类型。
在一种可能的实施方式中,所述环境类型确定模块,用于对于所述N个第一邻近区域中的任一第一邻近区域,在所述第一邻近区域内存在预设语义类型的语义元素的情况下,将所述第一邻近区域的区域类型确定为强语义约束;在所述第一邻近区域内不存在所述预设语义类型的语义元素的情况下,将所述第一邻近区域的区域类型确定为弱语义约束。
在一种可能的实施方式中,所述环境类型确定模块,用于在所述N个第一邻近区域中存在至少M个区域类型为强语义约束的第一邻近区域的情况下,将所述车辆当前位置的环境类型确定为语义元素可靠,M<N且M为正整数;在所述N个第一邻近区域中不存在至少M个区域类型为强语义约束的第一邻近区域的情况下,将所述车辆当前位置的环境类型确定为语义元素不可靠。
在一种可能的实施方式中,所述特征点获取模块,用于在所述环境类型为语义元素不可靠的情况下,对所述车辆采集到的环境信息进行特征点识别,得到所述车辆周围的初始特征点;基于所述车辆周围的初始特征点的特征点参数对所述车辆周围的初始特征点进行过滤,得到所述车辆周围的环境特征点,所述环境特征点为特征点参数符合预设参数条件的初始特征点,所述特征点参数包括特征点类型、特征点优先级以及特征点置信度中的至少一项。
在一种可能的实施方式中,所述电子地图生成模块,还用于在所述环境类型为语义元素可靠的情况下,基于所述车辆周围的语义元素的元素参数以及所述车辆当前的位姿,生成所述当前位置的电子地图。
在一种可能的实施方式中,所述电子地图生成模块,用于在所述环境类型为语义元素可靠的情况下,确定所述车辆周围是否存在被遮挡的目标位置;
在所述车辆周围存在所述目标位置的情况下,基于所述目标位置的位置类型以及所述目标位置周围的语义元素的元素参数,确定所述目标位置的位置描述信息;基于所述车辆周围的语义元素的元素参数、所述车辆当前的位姿以及所述目标位置的位置描述信息,生成所述当前位置的电子地图。
在一种可能的实施方式中,所述电子地图生成模块,用于在所述车辆周围存在所述目标位置的情况下,基于所述目标位置周围的语义元素的元素位置和元素类型,确定所述目标位置周围的语义元素的拓扑关系,所述拓扑关系用于表示语义元素的分布情况;将所述目标位置的位置类型和所述目标位置周围的语义元素的拓扑关系进行融合,得到所述目标位置的位置描述信息。
在一种可能的实施方式中,所述电子地图生成模块,用于在所述车辆周围存在所述目标位置的情况下,基于所述目标位置周围的语义元素的元素位置,确定所述目标位置周围K个第二邻近区域内的语义元素,K为正整数;基于所述车辆周围K个第二邻近区域的语义元素的元素类型,确定各个所述第二邻近区域的目标元素类型,所述目标元素类型为符合预设语义类型条件的元素类型;基于所述K个第二邻近区域的相对位置关系以及目标元素类型,确定所述目标位置周围的语义元素的拓扑关系。
在一种可能的实施方式中,所述装置还包括位置判断模块,用于获取所述车辆的多个历史姿态、定位信号的信号质量以及所述车辆采集到的环境信息;基于所述车辆的多个历史姿态、所述定位信号的信号质量以及所述环境信息,确定所述车辆是否进入地下停车场。
在一种可能的实施方式中,所述位置判断模块,用于在所述车辆的多个历史姿态指示所述车辆驶入并驶出向下的坡道以及所述定位信号的信号质量小于或等于预设信号质量的情况下,基于所述环境信息确定所述车辆所处位置的环境类型;在所述环境类型为语义元素可靠的情况下,确定所述车辆进入地下停车场;在所述车辆的多个历史姿态指示所述车辆驶入但未驶出向下的坡道,或者所述定位信号的信号质量大于所述预设信号质量,或者所述环境类型为语义元素不可靠的情况下,确定所述车辆未进入地下停车场。
在一种可能的实施方式中,所述位置判断模块,还用于在所述多个历史姿态中的第一姿态对应的坡度大于或等于入坡角度,且所述第一姿态对应的坡度与预设时长之前的历史姿态对应的坡度之间的差值大于或等于坡度差值阈值,确定所述车辆驶入向下的坡道;在所述多个历史姿态中的第二姿态对应的坡度小于或等于出坡角度,且所述第二姿态对应的坡度与所述预设时长之前的历史姿态对应的坡度之间的差值大于或等于所述坡度差值阈值,确定所述车辆驶出向下的坡道,所述第二姿态的采集时间在所述第一姿态之后;
在所述定位信号的载噪比小于或等于载噪比阈值,且所述定位信号的有效卫星数量小于或等于卫星数量阈值的情况下,确定所述定位信号的信号质量小于或等于预设信号质量。
在一种可能的实施方式中,所述装置还包括元素参数获取模块,用于对所述车辆采集到的环境信息进行语义识别,得到所述车辆周围的语义元素的元素类型,所述环境信息用于反映所述车辆周围的环境状态;基于所述环境信息,确定所述车辆周围的语义元素的元素位置。
一方面,提供了一种车辆,所述车辆包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述电子地图的生成方法所执行的操作。
一方面,提供了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至少一条程序代码,所述程序代码由处理器加载并执行以实现所述电子地图的生成方法所执行的操作。
通过本申请实施例提供的技术方案,在车辆进入地下停车场的情况下自动开始生成电子地图,基于该车辆周围的语义元素和元素位置和元素类型,确定车辆当前位置的环境类型,也即是确定车辆当前位置的语义元素是否可靠。在当前位置的环境类型为语义元素不可靠的情况下,获取该车辆周围的环境特征点。基于车辆当前的位姿、该车辆周围的语义元素的元素位置和元素类型以及环境特征点,生成车辆当前位置的用于进行记忆泊车的电子地图。电子地图的生成过程无需用户手动操作,生成过程全程静默,降低了生成记忆泊车所需电子地图的学习成本,节省用户的精力和时间。
附图说明
图1是本申请实施例提供的一种电子地图的生成方法的实施环境的示意图;
图2是本申请实施例提供的一种电子地图的生成方法的流程图;
图3是本申请实施例提供的另一种电子地图的生成方法的流程图;
图4是本申请实施例提供的一种进入地下停车场的示意图;
图5是本申请实施例提供的一种判断车辆进入地下停车场的流程图;
图6是本申请实施例提供的一种第一邻近区域的示意图;
图7是本申请实施例提供的一种第二邻近区域的示意图;
图8是本申请实施例提供的一种确定位置描述信息的示意图;
图9是本申请实施例提供的一种电子地图的生成装置的结构示意图;
图10是本申请实施例提供的一种车辆的结构示意图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行清楚、详尽地描述。其中,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B:文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或隐含指明所反映的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。
辅助驾驶:辅助驾驶是指车辆配备了一系列先进的技术和***,可以辅助驾驶员完成驾驶过程,提高驾驶安全和舒适性。在本申请实施例中,记忆泊车属于一种辅助驾驶。
记忆泊车:记忆泊车是在自动泊车的基础上,实现了更加全面化的倒车场景应用,具备记忆泊车功能的车辆,可在地库或停车场门前进行记忆设定,车辆只需手动完成一次从门口到指定车位的操作即可记录完成,而在以后行车时,只需开到指定位置,就能唤醒记忆泊车功能,车辆会自行在停车场内寻找记录的固定车位,最后完成泊车,整体操作均为全自动操作。
路径规划:路径规划是运动规划的主要研究内容之一。运动规划由路径规划和轨迹规划组成,连接起点位置和终点位置的序列点或曲线称之为路径,构成路径的策略称之为路径规划。
下面对本申请实施例的实施环境进行介绍,参见图1,本申请实施例提供的电子地图的生成方法的实施环境包括车载终端101、环境信息传感器102、姿态传感器103以及定位***104。
车载终端101为设置在车辆上的终端,用于对获取到的数据进行处理。车载终端101与环境信息传感器102、姿态传感器103以及定位***104相连,能够从环境信息传感器102、姿态传感器103以及定位***104中获取数据。在本申请实施例中,车载终端101能够生成电子地图并控制车辆进行记忆泊车。
环境信息传感器102用于采集车辆周围的环境信息,姿态传感器103用于确定车辆的姿态,定位***104用于基于定位信号来确定车辆的位置。环境信息传感器102、姿态传感器103以及定位***104的数量和类型由技术人员根据实际情况进行设置,本申请实施例对此不作限定,为了便于理解,在后续说明过程中,以环境信息传感器102、姿态传感器103以及定位***104均为一个为例进行说明。
在介绍完本申请实施例的实施环境之后,下面对本申请实施例提供的技术方案的应用场景进行介绍。本申请实施例提供的技术方案能够应用在各种具有记忆行车功能的车辆中,比如,本申请实施例提供的技术方案能够应用在具有记忆行车功能的电动车辆中,也能够应用在具有记忆行车功能的混动车辆中,还能够应用在具有记忆行车功能的燃油车辆中,本申请实施例对此不作限定。
在本申请实施例提供的技术方案应用在具有记忆行车功能的电动车辆的情况下,在车辆进入地下停车场的情况下,基于车辆周围的语义元素的元素参数,确定车辆当前位置的环境类型,环境类型包括语义元素可靠以及语义元素不可靠,这里的可靠和不可靠是针对基于语义元素来生成的电子地图来说的。在环境类型为语义元素不可靠的情况下,也就表示基于语义元素来生成电子地图的可靠程度较低,此时获取车辆周围的环境特征点,环境特征点是指环境中与周围环境元素存在明显差异的点。基于车辆当前的位姿、该车辆周围的语义元素的元素参数和环境特征点,生成当前位置的电子地图,该电子地图用于在该地下停车场中进行记忆泊车。该电子地图并非完整的电子地图,随着车辆在地下停车场的行驶,会获取到更多的语义元素或者特征点,利用这些语义元素和特征点不断更新电子地图,能够最终得到该地下停车场的完整电子地图。另外,在生成电子地图的过程中,会在电子地图中添加一些和位置关联的局部索引来做特征检索,这样可以避免大量的重复存储。
需要说明的是,上述是以本申请实施例提供的技术方案应用在电动车辆为例进行说明的,在本申请实施例提供的技术方案应用在其他类型的车辆的情况下,实现过程与上述描述属于同一发明构思,在此不再赘述。
另外,本申请实施例提供的技术方案除了能够应用在上述几种类型的车辆中之外,还能够应用在其他类型的车辆中,本申请实施例对此不作限定。
在介绍完本申请实施例的实施环境和应用场景之后,下面对本申请实施例提供的技术方案进行介绍,参见图2,以执行主体为车载终端为例,方法包括下述步骤。
201、在车辆进入地下停车场的情况下,车载终端基于该车辆周围的语义元素的元素参数,确定该车辆当前位置的环境类型,该元素参数包括元素位置和元素类型,该环境类型包括语义元素可靠以及语义元素不可靠。
其中,地下停车场是指建筑在地下,用来停放各种大小机动车辆的建筑物。地下停车场包括坡道、出入口以及停车区域,在本申请实施例中,进入地下停车是指进入停车区域。语义元素是指有特定含义的环境元素,元素参数包括元素位置和元素类型,元素位置是指语义元素与车辆之间的相对位置。语义元素可靠和语义元素不可靠均是针对地下停车场这一场景来说的,在语义元素可靠的情况下,表示车辆处于地下停车场的概率较高,直接利用语义元素来生成地下停车场的电子地图即可,生成的电子地图的可靠程度较高;在语义元素不可靠的情况下,表示无法准确识别车辆是否处于地下停车场,直接利用语义元素来生成地下停车场的电子地图的可靠程度较低。
202、在该环境类型为语义元素不可靠的情况下,车载终端获取该车辆周围的环境特征点。
其中,环境特征点是指环境中与周围环境元素存在明显差异的点。环境特征点不具有特定含义,因此不是语义元素。
203、车载终端基于该车辆当前的位姿、该车辆周围的语义元素的元素参数和环境特征点,生成该当前位置的电子地图,该电子地图用于在该地下停车场中进行记忆泊车。
其中,姿态包括俯仰角、横滚角以及偏航角。该电子地图并非完整的电子地图,随着车辆在地下停车场的行驶,会获取到更多的语义元素或者特征点,利用这些语义元素和特征点不断更新电子地图,能够最终得到该地下停车场的完整电子地图。记忆泊车是指利用电子地图在停车场内寻找记录的固定车位,最后完成泊车的一种辅助驾驶功能。
通过本申请实施例提供的技术方案,在车辆进入地下停车场的情况下自动开始生成电子地图,基于该车辆周围的语义元素和元素位置和元素类型,确定车辆当前位置的环境类型,也即是确定车辆当前位置的语义元素是否可靠。在当前位置的环境类型为语义元素不可靠的情况下,获取该车辆周围的环境特征点。基于车辆当前的位姿、该车辆周围的语义元素的元素位置和元素类型以及环境特征点,生成车辆当前位置的用于进行记忆泊车的电子地图。电子地图的生成过程无需用户手动操作,生成过程全程静默,降低了生成记忆泊车所需电子地图的学习成本,节省用户的精力和时间。
需要说明的是,上述步骤201-203是对本申请实施例提供的电子地图的生成方法的简单说明,下面将结合一些例子,对本申请实施例提供的电子地图的生成方法进行更加详细的说明,参见图3,以执行主体为车载终端为例,方法包括下述步骤。
301、车载终端获取该车辆的多个历史姿态、定位信号的信号质量以及该车辆采集到的环境信息。
其中,该车辆为电动车辆、混动车辆或者燃油车辆。车辆的多个历史姿态是指车辆在当前时刻之前一段时长内的多个姿态,多个历史姿态有时间上的先后顺序。姿态包括横滚角、俯仰角以及偏航角,在本申请实施例中,主要是利用姿态中的俯仰角来进行坡道检测,以确定车辆是否进入以及离开坡道,横滚角和偏航角在坡道检查过程中起到辅助作用。定位信号是用于对车辆进行定位的卫星信号,信号质量用于评价定位信号的优劣,定位信号的优劣决定对车辆进行定位的准确性。在一些实施例中,定位信号的信号质量由定位信号的载噪比和有效卫星数量决定。车辆采集到的环境信息是指车辆周围的环境信息,用于反映车辆周围的环境情况,在一些实施例中,该环境信息也被称为视觉环境信息或者感知环境信息。
在一种可能的实施方式中,车载终端通过姿态传感器获取该车辆的多个历史姿态,通过定位***获取定位信号的信号质量,通过环境传感器获取该车辆周围的环境信息。
其中,姿态传感器用于确定车辆的姿态,在一些实施例中,姿态传感器包括惯性测量单元(Inertial Measurement Unit,IMU)和轮速计。定位***用于通过定位信号对车辆进行定位,定位***能够确定定位信号的信号质量,在一些实施例中,定位***是GPS(Global Positioning System,全球定位***)定位***或者北斗定位***等,本申请实施例对此不作限定。环境传感器用于采集车辆周围的环境信息,相应地,环境传感器安装在车辆的四周,在一些实施例中,该环境传感器是摄像头,相应地,环境传感器也被称为视觉传感器或者感知传感器。在一些实施例中,摄像头为环视摄像头。
在这种实施方式下,利用车辆上的姿态传感器、定位***以及环境传感器能够获取车辆的多个历史姿态、定位信号的信号质量以及周围的环境信息,无需在车辆上另外安装硬件,方案应用的成本较低。
302、车载终端基于该车辆的多个历史姿态、该定位信号的信号质量以及该环境信息,确定该车辆是否进入地下停车场。
其中,地下停车场是指建筑在地下,用来停放各种大小机动车辆的建筑物。地下停车场包括坡道、出入口以及停车区域,在本申请实施例中,进入地下停车是指进入停车区域。
在一种可能的实施方式中,在该车辆的多个历史姿态指示该车辆驶入并驶出向下的坡道以及该定位信号的信号质量小于或等于预设信号质量的情况下,车载终端基于该环境信息确定该车辆所处位置的环境类型。在该环境类型为语义元素可靠的情况下,车载终端确定该车辆进入地下停车场。在该车辆的多个历史姿态指示该车辆驶入但未驶出向下的坡道,或者该定位信号的信号质量大于该预设信号质量,或者该环境类型为语义元素不可靠的情况下,车载终端确定该车辆未进入地下停车场。
其中,由于进入地下停车场通常需要经过一段向下的坡道,车辆驶入并驶入向下的坡道表示车辆可能进入地下停车场。由于地下停车场位于建筑物的下方,建筑物会遮挡定位信号,导致定位信号的信号质量变差,在定位信号的信号质量小于或等于预设信号质量的情况下,表示车辆可能进入地下停车场中。预设信号质量由技术人员根据实际情况进行设置,本申请实施例对此不作限定。在定位***为GPS定位***的情况下,信号质量小于或等于预设信号质量也被称为GPS消星。环境类型包括语义元素可靠和语义元素不可靠,语义元素可靠和语义元素不可靠均是针对地下停车场这一场景来说的,在语义元素可靠的情况下,表示车辆处于地下停车场的概率较高,直接利用语义元素来生成地下停车场的电子地图即可,生成的电子地图的可靠程度较高;在语义元素不可靠的情况下,表示无法准确识别车辆是否处于地下停车场,直接利用语义元素来生成地下停车场的电子地图的可靠程度较低。
在这种实施方式下,利用车辆的多个历史姿态、定位信号的信号质量以及所处位置的环境类型来进行综合判断,能够较为准确地确定车辆是否处于地下停车场中。
为了对上述实施方式进行更加清楚地说明,下面将分为几个部分对上述实施方式进行说明。
第一部分、车载终端确定车辆是否驶入并驶出向下的坡道。
在一种可能的实施方式中,在该多个历史姿态中的第一姿态对应的坡度大于或等于入坡角度,且该第一姿态对应的坡度与预设时长之前的历史姿态对应的坡度之间的差值大于或等于坡度差值阈值,车载终端确定该车辆驶入向下的坡道。在该多个历史姿态中的第二姿态对应的坡度小于或等于出坡角度,且该第二姿态对应的坡度与该预设时长之前的历史姿态对应的坡度之间的差值大于或等于该坡度差值阈值,车载终端确定该车辆驶出向下的坡道,该第二姿态的采集时间在该第一姿态之后。
其中,姿态对应的坡度是指姿态中俯仰角对应的坡度,由于车辆在正常行驶过程中底盘与地面保持平行,那么坡度可以采用俯仰角来代替,坡度是指车辆所处的坡度。入坡角度、出坡角度、坡度差值阈值以及预设时长均由技术人员根据实际情况进行设置,本申请实施例对此不作限定。
在这种实施方式中,利用车辆的历史姿态来确定车辆所处的坡度,并利用不同时刻的坡度来判断车辆是驶入以及驶出向下的坡道,准确性较高。
举例来说,车载终端通过下述公式(1)来确定车辆是否驶入向下的坡道,通过下述公式(2)来确定车辆是否驶出向下的坡道。
(1)
(2)
其中,为当前时刻的姿态对应的坡度,/>为预设时长k前的坡度,/>为入坡角度,/>为出坡角度,/>为坡度差值阈值。
在一种可能的实施方式中,车载终端基于该多个历史姿态,确定车辆的历史轨迹。车载终端基于该历史轨迹,确定该车辆是否进入地下停车场。
其中,该历史轨迹不是车辆行驶时的实际轨迹,而是对车辆在不同时刻的姿态的连续展现,该历史轨迹能够反映车辆的姿态变化情况。在一些实施例中,该多个历史姿态为车载终端检测到车辆开始在向下的坡道上行驶之后的多个姿态,在检测到车辆的任一姿态对应的坡度大于或等于入坡角度,且该第一姿态对应的坡度与预设时长之前的历史姿态对应的坡度之间的差值大于或等于坡度差值阈值,车载终端确定该车辆驶入向下的坡道。在车辆驶入向下的坡道之后,车载终端持续获取的姿态也即是上述历史姿态。车载终端能够基于获取到的历史姿态来生成历史轨迹,并根据后续获取到的历史姿态来更新历史轨迹,在更新历史轨迹的过程中,持续基于更新后的历史轨迹来确定车辆是否进入地下停车场。在确定车辆进入地下停车场的情况下,车载终端可以释放缓存的历史姿态,以节约存储资源。
在这种实施方式下,基于多个历史姿态来确定车辆的历史轨迹,基于历史轨迹来确定车辆是否进入地下停车场,准确性较高。
举例来说,车载终端基于该多个历史姿态的获取时间,拼接该多个历史姿态,得到该车辆的历史轨迹。车载终端将该车辆的历史轨迹输入轨迹识别模型,通过该轨迹识别模型对该历史轨迹进行识别,确定该历史轨迹是否为进入地下停车场的轨迹。在该历史轨迹为进入地下停车场的轨迹的情况下,车载终端确定该车辆进入地下停车场;在该历史轨迹不是进入地下停车场的轨迹的情况下,车载终端确定该车辆未进入地下停车场。其中,获取时间是指采集到历史姿态的时间。
比如,车载终端按照获取时间由早到晚的顺序连接该多个历史姿态,得到该车辆的历史轨迹。车载终端将该车辆的历史轨迹输入轨迹识别模型,通过该轨迹识别模型对该历史轨迹进行轨迹特征提取,得到该历史轨迹的轨迹特征。车载终端通过该轨迹识别模型,对该轨迹特征进行全连接和归一化,得到该历史轨迹为进入地下停车场的轨迹的概率。在该概率大于或等于概率阈值的情况下,车载终端确定该历史轨迹为进入地下停车场的轨迹。在该概率小于该概率阈值的情况下,车载终端确定该历史轨迹不是进入地下停车场的轨迹。在该历史轨迹为进入地下停车场的轨迹的情况下,车载终端确定该车辆进入地下停车场;在该历史轨迹不是进入地下停车场的轨迹的情况下,车载终端确定该车辆未进入地下停车场。其中,概率阈值由技术人员根据实际情况进行设置,本申请实施例对此不作限定。
第二部分、车载终端确定该定位信号的信号质量是否小于或等于预设信号质量。
在一种可能的实施方式中,该定位信号的信号质量包括载噪比和有效卫星数量,在该定位信号的载噪比小于或等于载噪比阈值,且该定位信号的有效卫星数量小于或等于卫星数量阈值的情况下,车载终端确定该定位信号的信号质量小于或等于预设信号质量。
其中,载噪比是指信号的平均功率与噪声的平均功率之比,是用来表示载波与载波噪声关系的参数,载噪比用于表示信号质量的好坏。有效卫星数量是指能够被定位***利用的卫星数量。预设信号质量包括载噪比阈值rth和卫星数量阈值nth,载噪比阈值rth和卫星数量阈值nth由技术人员根据实际情况进行设置,本申请实施例对此不作限定。
在这种实施方式下,通过定位信号的载噪比以及有效卫星数量能够确定定位信号的信号质量是否小于或等于预设信号质量,效率和准确性较高。
第三部分、车载终端基于环境信息确定该车辆所处位置的环境类型。
在一种可能的实施方式中,车载终端对该环境信息进行语义识别,得到该车辆周围的语义元素。车载终端基于该车辆周围的语义元素,确定该车辆所处位置的环境类型。
在这种实施方式下,对环境信息进行语义识别能够得到该车辆周围的语义元素,利用车辆周围的语义元素来对该车辆所处位置的环境类型进行分类,环境类型的准确性较高。
举例来说,车载终端将该环境信息输入语义识别模型,通过该语义识别模型对该环境信息进行语义识别,得到该车辆周围的语义元素。车载终端基于该车辆周围的语义元素的元素位置,确定该车辆周围N个第一邻近区域内的语义元素,N为正整数。车载终端基于该车辆周围N个第一邻近区域内的语义元素的元素类型,确定各个第一邻近区域的区域类型,该区域类型包括强语义约束和弱语义约束。车载终端基于该N个第一邻近区域的区域类型,确定该车辆当前位置的环境类型。
其中,语义元素的位置是指语义元素与该车辆之间的相对位置,语义元素的位置能够从环境信息中获取。第一邻近区域是该车辆四周的三维区域,第一邻近区域是开放区域。N由技术人员根据实际情况进行设置,本申请实施例对此不作限定。强语义约束和弱语义约束也是针对地下停车场来说的,强语义约束表示对应第一邻近区域属于地下停车场的概率较高,弱语义约束表示无法判断对应第一邻近区域是否属于地下停车场。
为了对上述实施方式进行更加清楚地说明,下面将结合图4和图5对上述实施方式进行说明。
参见图4,包括地面401以及地下区域402,地下区域402包括出坡点4021以及停车场环境4022,从地面401到地下区域402的过程中,包括至少一个入坡点403。该车辆从地面401向停车场环境4022行驶的过程中,定位信号的信号质量可能在A点小于或等于预设信号质量,也可能在B小于或等于预设信号质量。单独判断车辆驶入并驶出向下的坡道以及定位信号的信号质量小于或等于预设信号质量均无法准确判断车辆是否进入停车场区域4022(地下停车场)。另外,从图4中也可以看出,结合车辆驶入并驶出向下的坡道以及定位信号的信号质量小于或等于预设信号质量两个条件也无法准确判断车辆是否进入停车场区域4022(地下停车场)。因此,在本申请实施例中,还提供了第三个判断车辆是否进入地下停车场的条件,也即是上述基于环境信息来确定环境类型。结合三个条件来判断车辆是否进入地下停车场的准确性较高。
参见图5,以姿态传感器包括惯性测量单元和轮速计,定位***为GPS定位***,环境传感器为摄像头为例,在车辆行驶的过程中,车载终端通过惯性测量单元和轮速计来确定车辆的多个历史姿态。基于多个历史姿态判断车辆是否驶入向下的坡道。在车辆驶入并驶出向下的坡道的情况下,确定车辆满足进入地下停车场的第一个判断条件。与此同时,车载终端对GPS定位***的定位信号进行质量检测,得到该定位信号的信号质量。在该定位信号的信号质量小于或等于预设信号质量的情况下(信号质量差),确定车辆满足进入地下停车场的第二个判断条件。车载终端通过摄像头采集车辆周围的环境信息,基于该环境信息确定该车辆所处位置的环境类型。在该环境类型为语义元素可靠的情况下,车载终端确定车辆满足进入地下停车场的第三个判断条件。在上述三个判别条件均满足的情况下,车载终端确定车辆进入地下停车场。
其中,判断车辆是否进入地下停车场是开始生成电子地图的判别条件,判断过程由车载终端自动静默执行,用户并没有感知,不会影响用户的正常驾驶。
303、在车辆进入地下停车场的情况下,车载终端基于该车辆周围的语义元素的元素参数,确定该车辆当前位置的环境类型,该元素参数包括元素位置和元素类型,该环境类型包括语义元素可靠以及语义元素不可靠。
其中,语义元素是指有特定含义的环境元素,元素参数包括元素位置和元素类型,元素位置是指语义元素与车辆之间的相对位置。在地下停车场这一环境下,语义元素的元素类型包括柱子、车位、接地线、停车场道路标志以及车辆等。车辆周围的语义元素的数量为自然数,也即是可能为0、1、2、3…等非负整数。在车辆周围的语义元素的数量为0的情况下,上述语义元素的元素参数为空。
在一种可能的实施方式中,在该车辆进入地下停车场的情况下,车载终端基于该车辆周围的语义元素的元素位置,确定该车辆周围N个第一邻近区域内的语义元素,N为正整数。车载终端基于该车辆周围N个第一邻近区域内的语义元素的元素类型,确定各个第一邻近区域的区域类型,该区域类型包括强语义约束和弱语义约束。车载终端基于该N个第一邻近区域的区域类型,确定该车辆当前位置的环境类型。
其中,语义元素的位置是指语义元素与该车辆之间的相对位置,语义元素的位置能够从环境信息中获取。第一邻近区域是该车辆四周的三维区域,第一邻近区域是开放区域。N由技术人员根据实际情况进行设置,本申请实施例对此不作限定。强语义约束和弱语义约束也是针对地下停车场来说的,强语义约束表示对应第一邻近区域属于地下停车场的概率较高,弱语义约束表示无法判断对应第一邻近区域是否属于地下停车场。
在这种实施方式下,基于车辆周围的语义元素的元素位置来将车辆周围的语义元素划分到车辆周围的N各第一邻近区域中。根据各个第一邻近区域内语义元素的元素类型,确定各个第一邻近区域的区域类型。基于多个邻近区域的区域类型,确定车辆当前位置的环境类型,环境类型的准确性较高。
为了对上述实施方式进行更加清楚地说明,下面将分为几个部分对上述实施方式进行说明。
第一部分、在该车辆进入地下停车场的情况下,车载终端基于该车辆周围的语义元素的元素位置,确定该车辆周围N个第一邻近区域内的语义元素。
在一种可能的实施方式中,在该车辆进入地下停车场的情况下,车载终端基于该车辆周围的语义元素的元素位置,确定该车辆周围的语义元素所属的第一邻近区域,得到该N个第一邻近区域内的语义元素。
其中,一个语义元素属于一个第一邻近区域,表示该语义元素的元素位置位于该第一邻近区域内。在一些实施例中,第一邻近区域为从车身向外10或15米的范围。该车辆周围N个第一邻近区域的区域位置会随着该车辆位置的变化而变化,比如,参见图6,以N=4为例,该车辆600包括四个第一邻近区域601-604,四个第一邻近区域分别为该车辆600的前方邻近区域601、左侧邻近区域602、后方邻近区域603以及右侧邻近区域604。
在这种实施方式下,基于该车辆周围的语义元素的元素位置来确定该车辆周围的语义元素所属的第一邻近区域,有助于后续对第一邻近区域进行分类。
举例来说,对于该车辆周围的语义元素中的任一语义元素,车载终端比对该语义元素的元素位置与N个第一邻近区域的区域位置。在该语义元素的元素位置属于N个第一邻近区域中任一第一邻近区域的区域位置的情况下,车载终端将该语义元素属于该第一邻近区域。
第二部分、车载终端基于该车辆周围N个第一邻近区域内的语义元素的元素类型,确定各个第一邻近区域的区域类型。
在一种可能的实施方式中,对于该N个第一邻近区域中的任一第一邻近区域,在该第一邻近区域内存在预设语义类型的语义元素的情况下,车载终端将该第一邻近区域的区域类型确定为强语义约束。在该第一邻近区域内不存在该预设语义类型的语义元素的情况下,车载终端将该第一邻近区域的区域类型确定为弱语义约束。
其中,预设语义类型由技术人员根据实际情况进行设置,本申请实施例对此不作限定。比如,预设语义类型包括柱子、车位以及交叉的接地线等与地下停车场关联较强的元素类型。普通接地线等元素类型因为不能与地下停车场强关联,因此不属于预设语义类型。
在这种实施方式下,利用第一邻近区域中语义元素的类型实现对第一邻近区域的分类,分类的效率较高。
举例来说,对于该N个第一邻近区域中的任一第一邻近区域,车载终端确定该第一邻近区域内语义元素的元素类型。在该第一邻近区域内存在预设语义类型的语义元素的情况下,车载终端将该第一邻近区域的区域类型确定为强语义约束。在该第一邻近区域内不存在该预设语义类型的语义元素的情况下,车载终端将该第一邻近区域的区域类型确定为弱语义约束。
第三部分、车载终端基于该N个第一邻近区域的区域类型,确定该车辆当前位置的环境类型。
在一种可能的实施方式中,在该N个第一邻近区域中存在至少M个区域类型为强语义约束的第一邻近区域的情况下,车载终端将该车辆当前位置的环境类型确定为语义元素可靠,M<N且M为正整数。在该N个第一邻近区域中不存在至少M个区域类型为强语义约束的第一邻近区域的情况下,车载终端将该车辆当前位置的环境类型确定为语义元素不可靠。
在一些实施例中,M=N-1,在N=4的情况下,也即是在四个第一邻近区域中至少三个第一邻近区域的区域类型为强语义约束的情况下,该车辆当前位置的环境类型确定为语义元素可靠。在四个第一邻近区域中三个以下第一邻近区域的区域类型为强语义约束的情况下,该车辆当前位置的环境类型确定为语义元素不可靠。在一些实施例中,语义元素可靠也被称为语义元素充足。
可选的,该车辆周围的语义元素的元素参数的获取方法包括:
在一种可能的实施方式中,车载终端对该车辆采集到的环境信息进行语义识别,得到该车辆周围的语义元素的元素类型,该环境信息用于反映该车辆周围的环境状态。车载终端基于该环境信息,确定该车辆周围的语义元素的元素位置。
其中,环境参数是通过环境传感器采集得到的。
举例来说,车载终端将该环境信息输入语义识别模型,通过该语义识别模型对该环境信息进行语义识别,得到该车辆周围的语义元素。车载终端对该环境信息进行位置识别,得到该车辆周围的语义元素的元素位置。
可选地,在步骤303之后,车载终端根据实际情况来执行下述步骤304-305或者执行下述步骤306,本申请实施例对此不作限定。
304、在该环境类型为语义元素不可靠的情况下,车载终端获取该车辆周围的环境特征点。
其中,环境特征点是指环境中与周围环境元素存在明显差异的点。环境特征点不具有特定含义,因此不是语义元素。比如,道路的边缘、道路龟裂的纹理以及物体边缘均存在环境特征点,而纯白色的墙面可能就不存在环境特征点。相较于语义元素,环境特征点更加普遍,比如,车辆周围可能不存在柱子这一语义元素,但是可能道路裂纹,道路裂纹上存在环境特征点。
在一种可能的实施方式中,在该环境类型为语义元素不可靠的情况下,车载终端对该车辆采集到的环境信息进行特征点识别,得到该车辆周围的环境特征点。
在这种实施方式下,在环境类型为语义元素不可靠的情况下,对采集到的环境信息进行特征点识别就能够得到车辆周围的环境特征点,环境特征点的识别效率较高。
以环境信息为环境图像为例,车载终端基于环境图像中像素点的分布情况对该环境图像进行特征点提取,得到该车辆周围的环境特征点。其中,分布情况包括像素点的像素值与该环境图像中像素点的平均像素值、像素值方差、像素值标准差以及像素点与该环境图像中相邻像素点的像素值差值。
比如,车载终端将该环境图像转化为灰度图像,采用预设算子来对灰度图像进行特征点提取,以得到该车辆周围的环境特征点,其中,该预设算子为Forstner算子、SUSAN(Small Univalue Segment Assimilating Nucleus,小统一值段吸收核)算子或SIFT算子(Scale Invariant Feature Transform,尺度不变特征变换)。
在一种可能的实施方式中,在该环境类型为语义元素不可靠的情况下,车载终端对该车辆采集到的环境信息进行特征点识别,得到该车辆周围的初始特征点。车载终端基于该车辆周围的初始特征点的特征点参数对该车辆周围的初始特征点进行过滤,得到该车辆周围的环境特征点,该环境特征点为特征点参数符合预设参数条件的初始特征点,该特征点参数包括特征点类型、特征点优先级以及特征点置信度中的至少一项。
其中,预设参数条件由技术人员根据实际情况进行设置,本申请实施例对此不作限定。
在这种实施方式下,对环境信息进行特征点识别能够得到车辆周围的初始特征点,再基于车辆周围的初始特征点的特征点参数对该车辆周围的初始特征点进行过滤,以得到该车辆周围的环境特征点,通过过滤步骤去除了部分初始特征点,在保证环境特征点稳定性的前提下,减少环境特征点的数量,从而减轻后续运算的压力。
以环境信息为环境图像为例,车载终端基于环境图像中像素点的分布情况对该环境图像进行特征点提取,得到该车辆周围的初始特征点。车载终端确定该车辆周围的初始特征点的特征点参数是否符合预设参数条件。车载终端将特征点参数符合预设参数条件的初始特征点确定为环境特征点。比如,特征点参数包括特征点类型、特征点优先级以及特征点置信度,在任一初始特征点的特征点类型为预设特征点类型,或特征点优先级大于或等于预设特征点优先级,或特征点置信度大于或等于预设置信度的情况下,车载终端将该初始特征点确定为环境特征点。
305、车载终端基于该车辆当前的位姿、该车辆周围的语义元素的元素参数和环境特征点,生成该当前位置的电子地图,该电子地图用于在该地下停车场中进行记忆泊车。
其中,位置包括位置和姿态,上姿态包括俯仰角、横滚角以及偏航角。在一些实施例中,车辆的当前位置通过轮速计和惯性导航单元进行确定。当该电子地图并非完整的电子地图,随着车辆在地下停车场的行驶,会获取到更多的语义元素或者特征点,利用这些语义元素和特征点不断更新电子地图,能够最终得到该地下停车场的完整电子地图。另外,在生成电子地图的过程中,会在电子地图中添加一些和位置关联的局部索引来做特征检索,这样可以避免大量的重复存储。记忆泊车是指利用电子地图在停车场内寻找记录的固定车位,最后完成泊车的一种辅助驾驶功能。
在一种可能的实施方式中,车载终端基于该车辆当前的位姿与该车辆周围的语义元素的元素参数和环境特征点进行绑定存储,得到该当前位置的电子地图。
在这种实施方式下,在该环境类型为语义元素不可靠的情况下,采用环境特征点来辅助构建电子地图,以满足记忆泊车时对电子地图的依赖。
比如,车载终端将开始生成电子地图时的车辆的位置确定为电子地图坐标系的原点,然后根据车辆位姿的变化,将语义元素和环境特征点转到电子地图坐标系中,从而将语义元素和环境特征点写入地图。另外,在生成电子地图时会记录定位信号的信号质量小于或等于预设信号质量时车辆的位姿,作为电子地图坐标系在世界坐标系下的参考。
306、在该环境类型为语义元素可靠的情况下,基于该车辆周围的语义元素的元素参数以及该车辆当前的位姿,生成该当前位置的电子地图。
在一种可能的实施方式中,在该环境类型为语义元素可靠的情况下,车载终端确定该车辆周围是否存在被遮挡的目标位置。在该车辆周围存在该目标位置的情况下,车载终端基于该目标位置的位置类型以及该目标位置周围的语义元素的元素参数,确定该目标位置的位置描述信息。车载终端基于该车辆周围的语义元素的元素参数、该车辆当前的位姿以及该目标位置的位置描述信息,生成该当前位置的电子地图。
其中,目标位置既可以是指车位所在的位置,也可以是指障碍物所在的位置等本申请实施例对此不作限定。
在这种实施方式下,在车辆存在被遮挡的目标位置的情况下,利用该目标位置周围的语义元素的元素参数来生成该目标位置的位置描述信息,通过该位置描述信息来代替该目标位置的元素参数,实现对该目标位置的建图。
为了对上述实施方式进行更加清楚地说明,下面将分为几个部分对上述实施方式进行说明。
第一部分、在该环境类型为语义元素可靠的情况下,车载终端确定该车辆周围是否存在被遮挡的目标位置。
在一种可能的实施方式中,在该环境类型为语义元素可靠的情况下,车载终端确定是否存在被遮挡的语义元素。在存在被遮挡的语义元素的情况下,将该语义元素所在的位置确定为目标位置。
其中,语义元素被遮挡包括语义元素被其他语义元素遮挡,比如车位被车辆遮挡,还包括语义元素被非语义元素特征,本申请实施例对此不做限定。非语义元素是指未识别出的环境元素。
第二部分、在该车辆周围存在该目标位置的情况下,车载终端基于该目标位置的位置类型以及该目标位置周围的语义元素的元素参数,确定该目标位置的位置描述信息。
其中,该位置描述信息记录了目标位置周围语义元素的拓扑关系,在使用电子地图进行匹配时能够滤除大部分因初值不准确导致近邻搜索得到的错误匹配对,从而极大提升语义匹配的鲁棒性。
在一种可能的实施方式中,在该车辆周围存在该目标位置的情况下,车载终端基于该目标位置周围的语义元素的元素位置和元素类型,确定该目标位置周围的语义元素的拓扑关系,该拓扑关系用于表示语义元素的分布情况。车载终端将该目标位置的位置类型和该目标位置周围的语义元素的拓扑关系进行融合,得到该目标位置的位置描述信息。
其中,位置类型与目标位置对应的语义元素的元素类型相同,比如,目标位置用于描述目标位置对应语义元素的特性,比如,在目标位置为车位所在位置的情况下,目标位置的类型包括横向车位和纵向车位。
在这种实施方式下,利用目标位置周围的语义元素的元素位置和元素类型来确定该目标位置周围的语义元素的拓扑关系。将拓扑关系和目标位置的位置类型进行融合,得到目标位置的位置描述信息,利用位置描述信息能够实现对目标位置的定位,从而实现对被遮挡位置的建图。
举例来说,在该车辆周围存在该目标位置的情况下,车载终端基于该目标位置周围的语义元素的元素位置,确定该目标位置周围K个第二邻近区域内的语义元素,K为正整数。车载终端基于该车辆周围K个第二邻近区域的语义元素的元素类型,确定各个第二邻近区域的目标元素类型,该目标元素类型为符合预设语义类型条件的元素类型。车载终端基于该K个第二邻近区域的相对位置关系以及目标元素类型,确定该目标位置周围的语义元素的拓扑关系。车载终端将该目标位置的位置类型和该目标位置周围的语义元素的拓扑关系进行拼接,得到该目标位置的位置描述信息。
其中,预设语义类型由技术人员根据实际情况进行设置,本申请实施例对此不作限定。
以K=8,目标位置为车位所在的位置为例,车位的位置描述信息由8位的拓扑关系描述子和第9位横/纵向标志位构成。纵向车位以车位开口朝向为始,将车位周围的空间划分为8个第二邻近区域,对应8位拓扑关系描述子,拓扑关系描述子根据目标元素类型赋予不同标志位,比如,对应关系是0-空、1-接地线、2-车位、3-柱子;横向车位以车位开口朝向顺时针旋转90度的方向为始,位置描述信息的构建方式与纵向车位同理。参见图7,水平车位701周围存在7011-7018八个第二邻近区域,垂直车位702周围存在7021-7028八个第二邻近区域。拓扑关系用于描述八个第二邻近区域对应的目标元素类型的排列顺序。
参见图8,以车位1为例,以车位1为中心,将车位1周围划分为8个第二邻近区域,以逆时针顺序进行描述,车位1的正前方不存在遮挡,则正前方的拓扑关系描述子的标志位为0;车位1左前方存在柱子作为遮挡,左前方的拓扑关系描述子的标志位为3;车位1左侧、左后方以及后方存在接地线作为遮挡,左侧、左后方以及后方的拓扑关系描述子的标志位均为1;车位1右后方、右侧以及右前方存在车辆作为遮挡,右后方、右侧以及右前方的拓扑关系描述子的标志位均为2;车位1为纵向车位,则横/纵向标志位为0。综合来看,车位1的位置描述信息为031112220。
第三部分、车载终端基于该车辆周围的语义元素的元素参数、该车辆当前的位姿以及该目标位置的位置描述信息,生成该当前位置的电子地图。
在一种可能的实施方式中,车载终端基于该车辆当前的位姿与该车辆周围的语义元素的元素参数以及该目标位置的位置描述信息进行绑定存储,得到该当前位置的电子地图。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
通过本申请实施例提供的技术方案,在车辆进入地下停车场的情况下自动开始生成电子地图,基于该车辆周围的语义元素和元素位置和元素类型,确定车辆当前位置的环境类型,也即是确定车辆当前位置的语义元素是否可靠。在当前位置的环境类型为语义元素不可靠的情况下,获取该车辆周围的环境特征点。基于车辆当前的位姿、该车辆周围的语义元素的元素位置和元素类型以及环境特征点,生成车辆当前位置的用于进行记忆泊车的电子地图。电子地图的生成过程无需用户手动操作,生成过程全程静默,降低了生成记忆泊车所需电子地图的学习成本,节省用户的精力和时间。
相较于相关技术中需要用户触发交互指令来启动或停止电子地图的生成,采用本申请实施例提供的技术方案,能够实现自动且静默判断车辆是否进入地下停车场,并在车辆进入到地下停车场之后,静默进行电子地图的生成,整个过程用户无感知,不会影响用户的驾驶。
图9是本申请实施例提供的一种电子地图的生成装置的结构示意图,参见图9,装置包括:环境类型确定模块901、特征点获取模块902以及电子地图生成模块903。
环境类型确定模块901,用于在车辆进入地下停车场的情况下,基于该车辆周围的语义元素的元素参数,确定该车辆当前位置的环境类型,该元素参数包括元素位置和元素类型,该环境类型包括语义元素可靠以及语义元素不可靠。
特征点获取模块902,用于在该环境类型为语义元素不可靠的情况下,获取该车辆周围的环境特征点。
电子地图生成模块903,用于基于该车辆当前的位姿、该车辆周围的语义元素的元素参数和环境特征点,生成该当前位置的电子地图,该电子地图用于在该地下停车场中进行记忆泊车。
在一种可能的实施方式中,该环境类型确定模块901,用于在该车辆进入地下停车场的情况下,基于该车辆周围的语义元素的元素位置,确定该车辆周围N个第一邻近区域内的语义元素,N为正整数。基于该车辆周围N个第一邻近区域内的语义元素的元素类型,确定各个该第一邻近区域的区域类型,该区域类型包括强语义约束和弱语义约束。基于该N个第一邻近区域的区域类型,确定该车辆当前位置的环境类型。
在一种可能的实施方式中,该环境类型确定模块901,用于对于该N个第一邻近区域中的任一第一邻近区域,在该第一邻近区域内存在预设语义类型的语义元素的情况下,将该第一邻近区域的区域类型确定为强语义约束。在该第一邻近区域内不存在该预设语义类型的语义元素的情况下,将该第一邻近区域的区域类型确定为弱语义约束。
在一种可能的实施方式中,该环境类型确定模块901,用于在该N个第一邻近区域中存在至少M个区域类型为强语义约束的第一邻近区域的情况下,将该车辆当前位置的环境类型确定为语义元素可靠,M<N且M为正整数。在该N个第一邻近区域中不存在至少M个区域类型为强语义约束的第一邻近区域的情况下,将该车辆当前位置的环境类型确定为语义元素不可靠。
在一种可能的实施方式中,该特征点获取模块902,用于在该环境类型为语义元素不可靠的情况下,对该车辆采集到的环境信息进行特征点识别,得到该车辆周围的初始特征点。基于该车辆周围的初始特征点的特征点参数对该车辆周围的初始特征点进行过滤,得到该车辆周围的环境特征点,该环境特征点为特征点参数符合预设参数条件的初始特征点,该特征点参数包括特征点类型、特征点优先级以及特征点置信度中的至少一项。
在一种可能的实施方式中,该电子地图生成模块903,还用于在该环境类型为语义元素可靠的情况下,基于该车辆周围的语义元素的元素参数以及该车辆当前的位姿,生成该当前位置的电子地图。
在一种可能的实施方式中,该电子地图生成模块903,用于在该环境类型为语义元素可靠的情况下,确定该车辆周围是否存在被遮挡的目标位置。
在该车辆周围存在该目标位置的情况下,基于该目标位置的位置类型以及该目标位置周围的语义元素的元素参数,确定该目标位置的位置描述信息。基于该车辆周围的语义元素的元素参数、该车辆当前的位姿以及该目标位置的位置描述信息,生成该当前位置的电子地图。
在一种可能的实施方式中,该电子地图生成模块903,用于在该车辆周围存在该目标位置的情况下,基于该目标位置周围的语义元素的元素位置和元素类型,确定该目标位置周围的语义元素的拓扑关系,该拓扑关系用于表示语义元素的分布情况。将该目标位置的位置类型和该目标位置周围的语义元素的拓扑关系进行融合,得到该目标位置的位置描述信息。
在一种可能的实施方式中,该电子地图生成模块903,用于在该车辆周围存在该目标位置的情况下,基于该目标位置周围的语义元素的元素位置,确定该目标位置周围K个第二邻近区域内的语义元素,K为正整数。基于该车辆周围K个第二邻近区域的语义元素的元素类型,确定各个该第二邻近区域的目标元素类型,该目标元素类型为符合预设语义类型条件的元素类型。基于该K个第二邻近区域的相对位置关系以及目标元素类型,确定该目标位置周围的语义元素的拓扑关系。
在一种可能的实施方式中,该装置还包括位置判断模块,用于获取该车辆的多个历史姿态、定位信号的信号质量以及该车辆采集到的环境信息。基于该车辆的多个历史姿态、该定位信号的信号质量以及该环境信息,确定该车辆是否进入地下停车场。
在一种可能的实施方式中,该位置判断模块,用于在该车辆的多个历史姿态指示该车辆驶入并驶出向下的坡道以及该定位信号的信号质量小于或等于预设信号质量的情况下,基于该环境信息确定该车辆所处位置的环境类型。在该环境类型为语义元素可靠的情况下,确定该车辆进入地下停车场。在该车辆的多个历史姿态指示该车辆驶入但未驶出向下的坡道,或者该定位信号的信号质量大于该预设信号质量,或者该环境类型为语义元素不可靠的情况下,确定该车辆未进入地下停车场。
在一种可能的实施方式中,该位置判断模块,还用于在该多个历史姿态中的第一姿态对应的坡度大于或等于入坡角度,且该第一姿态对应的坡度与预设时长之前的历史姿态对应的坡度之间的差值大于或等于坡度差值阈值,确定该车辆驶入向下的坡道。在该多个历史姿态中的第二姿态对应的坡度小于或等于出坡角度,且该第二姿态对应的坡度与该预设时长之前的历史姿态对应的坡度之间的差值大于或等于该坡度差值阈值,确定该车辆驶出向下的坡道,该第二姿态的采集时间在该第一姿态之后。
在该定位信号的载噪比小于或等于载噪比阈值,且该定位信号的有效卫星数量小于或等于卫星数量阈值的情况下,确定该定位信号的信号质量小于或等于预设信号质量。
在一种可能的实施方式中,该装置还包括元素参数获取模块,用于对该车辆采集到的环境信息进行语义识别,得到该车辆周围的语义元素的元素类型,该环境信息用于反映该车辆周围的环境状态。基于该环境信息,确定该车辆周围的语义元素的元素位置。
需要说明的是:上述实施例提供的电子地图的生成装置在生成电子地图时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将计算机设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的电子地图的生成装置与电子地图的生成方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
通过本申请实施例提供的技术方案,在车辆进入地下停车场的情况下自动开始生成电子地图,基于该车辆周围的语义元素和元素位置和元素类型,确定车辆当前位置的环境类型,也即是确定车辆当前位置的语义元素是否可靠。在当前位置的环境类型为语义元素不可靠的情况下,获取该车辆周围的环境特征点。基于车辆当前的位姿、该车辆周围的语义元素的元素位置和元素类型以及环境特征点,生成车辆当前位置的用于进行记忆泊车的电子地图。电子地图的生成过程无需用户手动操作,生成过程全程静默,降低了生成记忆泊车所需电子地图的学习成本,节省用户的精力和时间。
本申请实施例还提供了一种车辆,图10是本申请实施例提供的一种车辆的结构示意图。
通常,车辆1000包括有:一个或多个处理器1001和一个或多个存储器1002。
处理器1001可以包括一个或多个处理核心,比如4核心处理器、10核心处理器等。处理器1001可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1001也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1001可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1001还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1002可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1002还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1002中的非暂态的计算机可读存储介质用于存储至少一个计算机程序,该至少一个计算机程序用于被处理器1001所执行以实现本申请中方法实施例提供的电子地图的生成方法。
本领域技术人员可以理解,图10中示出的结构并不构成对车辆1000的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
另外,本申请的实施例提供的装置具体可以是芯片、组件或模块,该芯片可包括相连的处理器和存储器;其中,存储器用于存储指令,当处理器调用并执行指令时,可以使芯片执行上述实施例提供的一种电子地图的生成的方法。
本实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序代码,当该计算机程序代码在计算机上运行时,使得计算机执行上述相关方法步骤实现上述实施例提供的一种电子地图的生成的方法。
本实施例还提供了一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述相关步骤,以实现上述实施例提供的一种电子地图的生成的方法。
其中,本实施例提供的装置、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
通过以上实施方式的描述,所属领域的技术人员可以了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
以上内容,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (16)
1.一种电子地图的生成方法,其特征在于,所述方法包括:
在车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素参数,确定所述车辆当前位置的环境类型,所述元素参数包括元素位置和元素类型,所述环境类型包括语义元素可靠以及语义元素不可靠;
在所述环境类型为语义元素不可靠的情况下,获取所述车辆周围的环境特征点;
基于所述车辆当前的位姿、所述车辆周围的语义元素的元素参数和环境特征点,生成所述当前位置的电子地图,所述电子地图用于在所述地下停车场中进行记忆泊车。
2.根据权利要求1所述的方法,其特征在于,所述在车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素参数,确定所述车辆当前位置的环境类型包括:
在所述车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素位置,确定所述车辆周围N个第一邻近区域内的语义元素,N为正整数;
基于所述车辆周围N个第一邻近区域内的语义元素的元素类型,确定各个所述第一邻近区域的区域类型,所述区域类型包括强语义约束和弱语义约束;
基于所述N个第一邻近区域的区域类型,确定所述车辆当前位置的环境类型。
3.根据权利要求2所述的方法,其特征在于,所述基于所述车辆周围N个第一邻近区域内的语义元素的元素类型,确定各个所述第一邻近区域的区域类型包括:
对于所述N个第一邻近区域中的任一第一邻近区域,在所述第一邻近区域内存在预设语义类型的语义元素的情况下,将所述第一邻近区域的区域类型确定为强语义约束;
在所述第一邻近区域内不存在所述预设语义类型的语义元素的情况下,将所述第一邻近区域的区域类型确定为弱语义约束。
4.根据权利要求2所述的方法,其特征在于,所述基于所述N个第一邻近区域的区域类型,确定所述车辆当前位置的环境类型包括:
在所述N个第一邻近区域中存在至少M个区域类型为强语义约束的第一邻近区域的情况下,将所述车辆当前位置的环境类型确定为语义元素可靠,M<N且M为正整数;
在所述N个第一邻近区域中不存在至少M个区域类型为强语义约束的第一邻近区域的情况下,将所述车辆当前位置的环境类型确定为语义元素不可靠。
5.根据权利要求1所述的方法,其特征在于,所述在所述环境类型为语义元素不可靠的情况下,获取所述车辆周围的环境特征点包括:
在所述环境类型为语义元素不可靠的情况下,对所述车辆采集到的环境信息进行特征点识别,得到所述车辆周围的初始特征点;
基于所述车辆周围的初始特征点的特征点参数对所述车辆周围的初始特征点进行过滤,得到所述车辆周围的环境特征点,所述环境特征点为特征点参数符合预设参数条件的初始特征点,所述特征点参数包括特征点类型、特征点优先级以及特征点置信度中的至少一项。
6.根据权利要求1所述的方法,其特征在于,所述在车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素参数,确定所述车辆当前位置的环境类型之后,所述方法还包括:
在所述环境类型为语义元素可靠的情况下,基于所述车辆周围的语义元素的元素参数以及所述车辆当前的位姿,生成所述当前位置的电子地图。
7.根据权利要求6所述的方法,其特征在于,所述在所述环境类型为语义元素可靠的情况下,基于所述车辆周围的语义元素的元素参数以及所述车辆当前的位姿,生成所述当前位置的电子地图包括:
在所述环境类型为语义元素可靠的情况下,确定所述车辆周围是否存在被遮挡的目标位置;
在所述车辆周围存在所述目标位置的情况下,基于所述目标位置的位置类型以及所述目标位置周围的语义元素的元素参数,确定所述目标位置的位置描述信息;
基于所述车辆周围的语义元素的元素参数、所述车辆当前的位姿以及所述目标位置的位置描述信息,生成所述当前位置的电子地图。
8.根据权利要求7所述的方法,其特征在于,所述在所述车辆周围存在所述目标位置的情况下,基于所述目标位置的位置类型以及所述目标位置周围的语义元素的元素参数,确定所述目标位置的位置描述信息包括:
在所述车辆周围存在所述目标位置的情况下,基于所述目标位置周围的语义元素的元素位置和元素类型,确定所述目标位置周围的语义元素的拓扑关系,所述拓扑关系用于表示语义元素的分布情况;
将所述目标位置的位置类型和所述目标位置周围的语义元素的拓扑关系进行融合,得到所述目标位置的位置描述信息。
9.根据权利要求8所述的方法,其特征在于,所述在所述车辆周围存在所述目标位置的情况下,基于所述目标位置周围的语义元素的元素位置和元素类型,确定所述目标位置周围的语义元素的拓扑关系包括:
在所述车辆周围存在所述目标位置的情况下,基于所述目标位置周围的语义元素的元素位置,确定所述目标位置周围K个第二邻近区域内的语义元素,K为正整数;
基于所述车辆周围K个第二邻近区域的语义元素的元素类型,确定各个所述第二邻近区域的目标元素类型,所述目标元素类型为符合预设语义类型条件的元素类型;
基于所述K个第二邻近区域的相对位置关系以及目标元素类型,确定所述目标位置周围的语义元素的拓扑关系。
10.根据权利要求1所述的方法,其特征在于,所述在车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素参数,确定所述车辆当前位置的环境类型之前,所述方法还包括:
获取所述车辆的多个历史姿态、定位信号的信号质量以及所述车辆采集到的环境信息;
基于所述车辆的多个历史姿态、所述定位信号的信号质量以及所述环境信息,确定所述车辆是否进入地下停车场。
11.根据权利要求10所述的方法,其特征在于,所述基于所述车辆的多个历史姿态、所述定位信号的信号质量以及所述环境信息,确定所述车辆是否进入地下停车场包括:
在所述车辆的多个历史姿态指示所述车辆驶入并驶出向下的坡道以及所述定位信号的信号质量小于或等于预设信号质量的情况下,基于所述环境信息确定所述车辆所处位置的环境类型;在所述环境类型为语义元素可靠的情况下,确定所述车辆进入地下停车场;
在所述车辆的多个历史姿态指示所述车辆驶入但未驶出向下的坡道,或者所述定位信号的信号质量大于所述预设信号质量,或者所述环境类型为语义元素不可靠的情况下,确定所述车辆未进入地下停车场。
12.根据权利要求11所述的方法,其特征在于,所述定位信号的信号质量包括载噪比和有效卫星数量,所述方法还包括:
在所述多个历史姿态中的第一姿态对应的坡度大于或等于入坡角度,且所述第一姿态对应的坡度与预设时长之前的历史姿态对应的坡度之间的差值大于或等于坡度差值阈值,确定所述车辆驶入向下的坡道;
在所述多个历史姿态中的第二姿态对应的坡度小于或等于出坡角度,且所述第二姿态对应的坡度与所述预设时长之前的历史姿态对应的坡度之间的差值大于或等于所述坡度差值阈值,确定所述车辆驶出向下的坡道,所述第二姿态的采集时间在所述第一姿态之后;
在所述定位信号的载噪比小于或等于载噪比阈值,且所述定位信号的有效卫星数量小于或等于卫星数量阈值的情况下,确定所述定位信号的信号质量小于或等于预设信号质量。
13.根据权利要求1所述的方法,其特征在于,所述车辆周围的语义元素的元素参数的获取方法包括:
对所述车辆采集到的环境信息进行语义识别,得到所述车辆周围的语义元素的元素类型,所述环境信息用于反映所述车辆周围的环境状态;
基于所述环境信息,确定所述车辆周围的语义元素的元素位置。
14.一种电子地图的生成装置,其特征在于,所述装置包括:
环境类型确定模块,用于在车辆进入地下停车场的情况下,基于所述车辆周围的语义元素的元素参数,确定所述车辆当前位置的环境类型,所述元素参数包括元素位置和元素类型,所述环境类型包括语义元素可靠以及语义元素不可靠;
特征点获取模块,用于在所述环境类型为语义元素不可靠的情况下,获取所述车辆周围的环境特征点;
电子地图生成模块,用于基于所述车辆当前的位姿、所述车辆周围的语义元素的元素参数和环境特征点,生成所述当前位置的电子地图,所述电子地图用于在所述地下停车场中进行记忆泊车。
15.一种车辆,其特征在于,所述车辆包括:
存储器,用于存储可执行程序代码;
处理器,用于从所述存储器中调用并运行所述可执行程序代码,使得所述车辆执行如权利要求1至13中任意一项所述的电子地图的生成方法。
16.一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至少一条程序代码,所述程序代码由处理器加载并执行权利要求1至13中任意一项所述的电子地图的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311399921.5A CN117131150B (zh) | 2023-10-26 | 2023-10-26 | 电子地图的生成方法、装置、车辆和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311399921.5A CN117131150B (zh) | 2023-10-26 | 2023-10-26 | 电子地图的生成方法、装置、车辆和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117131150A true CN117131150A (zh) | 2023-11-28 |
CN117131150B CN117131150B (zh) | 2023-12-26 |
Family
ID=88863167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311399921.5A Active CN117131150B (zh) | 2023-10-26 | 2023-10-26 | 电子地图的生成方法、装置、车辆和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117131150B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118225075A (zh) * | 2024-05-27 | 2024-06-21 | 长城汽车股份有限公司 | 停车场地图生成方法、电子设备及车辆 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112484744A (zh) * | 2020-12-07 | 2021-03-12 | 广州小鹏自动驾驶科技有限公司 | 一种自主泊车语义地图的评估方法及装置 |
US20210224562A1 (en) * | 2020-01-21 | 2021-07-22 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Locating element detection method, device and medium |
DE102020213831A1 (de) * | 2020-11-03 | 2022-05-05 | Volkswagen Aktiengesellschaft | Verfahren zum Ermitteln einer Existenzwahrscheinlichkeit eines möglichen Elements in einer Umgebung eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug |
CN115146013A (zh) * | 2022-06-16 | 2022-10-04 | 集度科技有限公司 | 车辆泊车记忆地图展示方法、装置、设备及存储介质 |
CN115493602A (zh) * | 2022-09-28 | 2022-12-20 | 智道网联科技(北京)有限公司 | 语义地图构建方法、装置及电子设备、存储介质 |
EP4124828A1 (en) * | 2021-07-28 | 2023-02-01 | Guangzhou Xiaopeng Autopilot Technology Co., Ltd. | Map processing method and apparatus |
WO2023071029A1 (zh) * | 2021-11-01 | 2023-05-04 | 广州小鹏自动驾驶科技有限公司 | 地图数据的处理方法、装置、电子设备及存储介质 |
-
2023
- 2023-10-26 CN CN202311399921.5A patent/CN117131150B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210224562A1 (en) * | 2020-01-21 | 2021-07-22 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Locating element detection method, device and medium |
DE102020213831A1 (de) * | 2020-11-03 | 2022-05-05 | Volkswagen Aktiengesellschaft | Verfahren zum Ermitteln einer Existenzwahrscheinlichkeit eines möglichen Elements in einer Umgebung eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug |
CN112484744A (zh) * | 2020-12-07 | 2021-03-12 | 广州小鹏自动驾驶科技有限公司 | 一种自主泊车语义地图的评估方法及装置 |
EP4124828A1 (en) * | 2021-07-28 | 2023-02-01 | Guangzhou Xiaopeng Autopilot Technology Co., Ltd. | Map processing method and apparatus |
WO2023071029A1 (zh) * | 2021-11-01 | 2023-05-04 | 广州小鹏自动驾驶科技有限公司 | 地图数据的处理方法、装置、电子设备及存储介质 |
CN115146013A (zh) * | 2022-06-16 | 2022-10-04 | 集度科技有限公司 | 车辆泊车记忆地图展示方法、装置、设备及存储介质 |
CN115493602A (zh) * | 2022-09-28 | 2022-12-20 | 智道网联科技(北京)有限公司 | 语义地图构建方法、装置及电子设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
郑思诚 等: "动态环境下基于深度学习的语义SLAM 算法", 《计算机应用》, vol. 41, no. 10 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118225075A (zh) * | 2024-05-27 | 2024-06-21 | 长城汽车股份有限公司 | 停车场地图生成方法、电子设备及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN117131150B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106873441A (zh) | 电子辅助车道入口的方法和*** | |
CN113561963B (zh) | 一种泊车方法、装置及车辆 | |
CN117131150B (zh) | 电子地图的生成方法、装置、车辆和存储介质 | |
CN109389622B (zh) | 车辆追踪方法、装置、识别设备及存储介质 | |
WO2022021982A1 (zh) | 可行驶区域判定的方法、智能驾驶***和智能汽车 | |
CN111401255A (zh) | 用于识别分歧路口的方法和装置 | |
CN111753639A (zh) | 感知地图生成方法、装置、计算机设备和存储介质 | |
CN114194180A (zh) | 一种辅助泊车信息的确定方法、装置、设备及介质 | |
CN115205803A (zh) | 自动驾驶环境感知方法、介质及车辆 | |
CN112874511B (zh) | 汽车的自动驾驶控制方法、装置及计算机存储介质 | |
CN111599217B (zh) | 一种自主泊车***架构、架构实现方法、终端和存储介质 | |
CN112185157A (zh) | 路边停车位检测方法、***、计算机设备及存储介质 | |
CN114722931A (zh) | 车载数据处理方法、装置、数据采集设备和存储介质 | |
CN110784680B (zh) | 一种车辆定位方法、装置、车辆和存储介质 | |
CN116762094A (zh) | 数据处理方法和设备 | |
CN112706159A (zh) | 机器人控制方法、装置及机器人 | |
CN116503482B (zh) | 车辆位置的获取方法、装置及电子设备 | |
US12036992B2 (en) | Lane change planning method and vehicle-mounted device | |
CN115861976B (zh) | 车辆的控制方法、装置和车辆 | |
US20220017094A1 (en) | Lane change planning method and vehicle-mounted device | |
US20240078814A1 (en) | Method and apparatus for modeling object, storage medium, and vehicle control method | |
CN117593719A (zh) | 车位标注方法、模型训练方法、泊车方法及相关装置 | |
CN118323110A (zh) | 泊车与特征地图的生成方法、装置、设备、可读存储介质 | |
CN113899378A (zh) | 一种变道处理方法、装置、存储介质及电子设备 | |
CN118230593A (zh) | 车位检测方法、电子设备、存储介质和车辆 |
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 |