CN118031952A - 一种地图场景验证方法、路径规划方法及相关装置 - Google Patents

Abstract

本申请公开了一种地图场景验证方法、路径规划方法及相关装置。该地图场景验证方法包括：获取预设区域范围内的局部导航地图和局部高精地图，基于该局部导航地图进行预设场景抓取，以获取预设场景下的导航道路，从该局部高精地图中获取与该导航道路对应的高精路段，并将该导航道路和对应的高精路段进行绑定，基于该高精路段的拓扑关系确定该导航道路的车道数真值，基于该车道数真值对所述预设场景下的所述局部导航地图进行验证。通过上述方法，本申请能够实现对导航地图中预设场景高效率、高可靠、低成本的验证，有利于提升自动驾驶车辆在对应场景中路径规划的时效性、准确性、鲁棒性和完善性。

Description

一种地图场景验证方法、路径规划方法及相关装置

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种地图场景验证方法、路径规划方法及相关装置。

背景技术

在自动驾驶领域中，出于对成本和对导航数据时效性的考虑，无地图导航模式得到了更多的青睐。无地图导航模式使用的是常规的导航地图，对地图的精度和信息量依赖性低，具备低成本、高时效的特点，但无地图导航模式下的自动驾驶车辆需要具备更好的环境感知能力，除了对传感器精确度和鲁棒性的要求，还需要能够结合导航地图更好地进行路径规划。而在导航地图中，往往会存在很多相似的地图场景，其导航道路具备相似的结构特征，因此可以对相似的地图场景进行抓取，并对一类地图场景中的一个地图场景的进行定义，从而实现对相似地图场景的同等定义。

然而，由于较大范围内的导航地图中相似地图场景的情景繁多，这样的同等定义不可避免地会出现一些误差，故而还需对这些地图场景进行验证，判断此前的定义是否合理。现有的地图场景验证方法主要包括人工验证和自动化验证两种。人工验证是通过专业人员对地图场景进行手动检查和评估，以确定先前定义的相似地图场景是否合理，其准确度高，但效率较低，需要大量的人力和时间成本。而现有的自动化验证则是利用计算机视觉或深度学习等技术，通过对大量地图数据学习和分析得到的相似度进行地图场景验证，该方法能够提高验证效率，降低人力成本，但对数据资源和技术支持的要求较高。且在无地图模式的需求下，上述两种方法均无法实现即时的地图场景验证，从而无法进行高时效和高可靠的路径规划，实用性较弱。

发明内容

本申请主要提供一种地图场景验证方法、路径规划方法及相关装置，旨在解决地图场景验证的效率低、可靠性差、成本高和实用性弱的技术问题。

为解决上述技术问题，本申请采用的技术方案是：提供一种地图场景验证方法。该地图场景验证方法包括：获取预设区域范围内的局部导航地图和局部高精地图；基于所述局部导航地图进行预设场景抓取，以获取预设场景下的导航道路，从所述局部高精地图中获取与所述导航道路对应的高精路段；将所述导航道路和对应的所述高精路段进行绑定，并基于所述高精路段的拓扑关系确定所述导航道路的车道数真值；基于所述车道数真值对所述预设场景下的所述局部导航地图进行验证。

在一些实施例中，所述将所述导航道路和所述高精路段进行绑定，并基于所述高精路段的拓扑关系确定所述导航道路的车道数真值，包括：基于绑定算法将所述导航道路和所述高精路段进行绑定；基于所述高精路段的拓扑关系将属于同一车道的所述高精路段划分到同一车道集合，将所述导航道路对应的车道集合的数量记为所述导航道路的所述车道数真值。

在一些实施例中，所述基于所述高精路段的拓扑关系将属于同一车道的高精路段划分到同一车道集合，包括：遍历所述导航道路对应的所述高精路段；基于遍历的所述高精路段的路段标识确定属于同一车道的先行路段和后继路段；将属于同一车道的所述先行路段和所述后继路段划分到同一车道集合。

在一些实施例中，所述基于所述车道数真值对所述预设场景下的所述局部导航地图进行验证，包括：验证各所述导航道路的拓扑属性信息是否和所述车道数真值相符；所述验证各所述导航道路的拓扑属性信息是否和所述车道数真值相符之后，还包括：若各所述导航道路的拓扑属性信息和所述车道数真值不相符，则基于所述车道数真值修正各所述导航道路的拓扑属性信息。

在一些实施例中，所述基于所述车道数真值修正各所述导航道路的拓扑属性信息，包括：基于所述导航道路的车道数真值和对应的后继导航道路的车道数真值修正所述导航道路拓扑属性信息中的可通行车道位标识。

在一些实施例中，所述获取预设区域范围内的局部导航地图和局部高精地图，包括：获取全局导航地图和全局高精地图；基于预设区域范围的经纬度，获取所述预设区域范围的区域顶点坐标；基于所述区域顶点坐标从所述全局导航地图中提取所述局部导航地图，并从所述全局高精地图中提取所述局部高精地图。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种路径规划方法，该路径规划方法包括：基于如上述的地图场景验证方法对当前地图场景进行场景验证；基于所述场景验证的结果对当前地图场景对应的局部导航地图中的导航道路的拓扑属性信息进行修正或确定；基于修正或确定后的所述拓扑属性信息进行路径规划。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种存储介质，该存储介质上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现如上述的地图场景验证方法的步骤，或如上述的路径规划方法的步骤。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种车载设备，该车载设备包括相互连接的处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现如上述的地图场景验证方法的步骤，或如上述的路径规划方法的步骤。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种车辆，该车辆包括如上述的存储介质或如上述的车载设备。

本申请的有益效果是：区别于现有技术的情况，本申请公开了一种地图场景验证方法、路径规划方法及相关装置。本申请的地图场景验证方法通过获取预设区域范围内的局部导航地图和局部高精地图进行场景抓取和对相应场景中的导航道路和高精路段进行匹配，从而得到车道数真值，并用该车道数真值对预设的地图场景进行验证。该方法能够获取到高准确性的车道数真值，并且不需要人工和多余的地图资源即可对地图场景的进行验证，从而实现了对预设场景高效率、高可靠、低成本的验证，同时，该方法能够根据高精路段的拓扑关系获取到同一车道并进行集合、根据导航道路的拓扑关系确定地图场景和对该地图场景进行验证，从而可以更加准确地反映出道路的场景状况，该方法也可以根据实际需求不断更新对地图场景的定义和驾驶决策的规则逻辑，从而获取到更符合需求的预设场景。本申请驾驶决策方法则利用该地图场景验证方法进行地图场景的验证、修正和路径规划，具备较好的时效性、准确性、鲁棒性和完善性。此外，本申请所提供的存储介质、车载设备和车辆也利用上述方法，实现了对导航地图中预设场景高效率、高可靠、低成本的验证，解决了地图场景验证的效率低、可靠性差、成本高和实用性弱的技术问题。

附图说明

为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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，其中：

图1是本申请提供的地图场景验证方法一实施例的流程示意图；

图2是图1实施例中步骤10一实施例的流程示意图；

图3是图1实施例中步骤30一实施例的流程示意图；

图4是图3实施例中步骤32一实施例的流程示意图；

图5是图1实施例中步骤40一实施例的流程示意图；

图6是本申请提供的路径规划方法一实施例的流程示意图；

图7是本申请提供的存储介质一实施例的结构示意图；

图8是本申请提供的车载设备一实施例的结构示意图；

图9是本申请提供的车辆一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。

本申请提供一种地图场景验证方法，参阅图1，图1是本申请提供的地图场景验证方法一实施例的流程示意图，该地图场景验证方法，包括：

步骤10：获取预设区域范围内的局部导航地图和局部高精地图。

预设区域范围是根据本申请方案实际的应用场景和需求来确定的，其可以是一个城市、一个区划、一个商圈或是一个特定的测试范围等，在行车导航过程中，该区域也可以是车辆前方或周边一定范围内的区域大小。该预设区域范围内包括在自动驾驶过程中会碰到的一些道路场景，且得到了导航地图和高精地图的覆盖，因此可以根据该预设区域范围对应的经纬度信息、定位点信息、语义信息等提取出该预设区域范围的局部导航地图和局部高精地图并获取相应的导航道路的拓扑关系或高精路段的拓扑关系。其中，局部导航地图具备路网中各道路的拓扑属性信息，可以提供更精确的路线规划和导航服务，而局部高精地图则具备更精细的各路段的拓扑关系，可以提供更丰富的地图信息和更高的定位精度。

通过上述步骤，可以获取到符合应用场景和需求的预设区域范围内的局部导航地图和局部高精地图，避免了直接获取全局高精地图或者获取到不符合应用场景和需求的局部高精地图的情形的出现，从而避免了地图资源的冗余浪费或地图的欠缺偏差，降低了地图成本和资源浪费。有利于后续的车道数真值的确定、地图场景的验证和相应的路径规划的执行。

可选地，参阅图2，获取预设区域范围内的局部导航地图和局部高精地图，可按如下步骤执行：

步骤11：获取全局导航地图和全局高精地图。

步骤12：基于预设区域范围的经纬度，获取该预设区域范围的区域顶点坐标。

步骤13：基于该区域顶点坐标从该全局导航地图中提取局部导航地图，并从该全局高精地图中提取局部高精地图。

全局导航地图和全局高精地图是指两种全局大范围的地图，这些地图数据可以通过各种途径获取，例如从专业的地图提供商购买、由开发者进行地图的绘制或者通过开源地图数据共享平台获取。由于全局导航地图和全局高精地图的范围通常由提供者进行界定，通常不能直接满足后续的应用场景和需求，会造成地图的冗余或缺失的情况出现。因此，需要对其进行提取，以获得所需的局部导航地图和局部高精地图。

相应的提取方式则包括前述的基于经纬度信息、定位点信息和语义信息等多种，其中基于经纬度信息的即根据所要获取的局部导航地图或局部高精地图在全局中顶点的经纬度信息划分出所需要的区域并进行提取，例如，获取到某城市的经纬度范围为东经113°至115°之间，北纬22°至23°之间，那么可以对全局导航地图和全局高精地图中根据该范围确定四个顶点并依此相连得到一个矩形区域的范围，将该矩形区域范围作为该预设区域范围，将该矩形区域内的导航地图和高精地图作为所需的局部导航地图和局部高精地图。

由于经纬度信息为常规的导航地图和高精地图均具备的，能够根据经纬度快速确定在导航地图和高精地图上的对应点，因此该方案具备较强的适用性，且通过仪器或根据一些区域对经纬度的记载能够较准确快速地获取到如城市、区划、商圈等预设区域范围的经纬度信息，因此也能够简单、精确、快捷地获取到该预设区域范围的局部导航地图和局部高精地图，有利于提升后续步骤的有效性和可靠性。

步骤20：基于该局部导航地图进行预设场景抓取，以获取预设场景下的导航道路，从该局部高精地图中获取与该导航道路对应的高精路段。

在局部导航地图中，通常包括丰富的路网信息，各个道路之间存在丰富的拓扑关系，因此可能存在一些类似的道路拓扑结构，对应不同的地图场景，例如两条道路所呈现的直角型地图场景、钝角型地图场景，三条道路呈现的Y字型地图场景、T字型地图场景，四条道路呈现的十字型地图场景、X字型地图场景等。每一类地图场景都有相应的在道路拓扑和道路结构等特征上的相似点，相应地可以根据地图场景的这些特征做出相似的一些针对预设地图场景的预设的驾驶决策。

例如，需要抓取Y字型地图场景，则可以根据Y字型地图场景的拓扑关系和道路结构从该局部导航地图中提取出所需要的地图场景，如一种对Y字型地图场景的定义是一条导航道路的尽头存在与道路正前方30°至60°夹角的左前方导航道路和右前方导航道路，其中右前方导航道路为主干道，那么就可以通过人工或自动化方法从该局部导航地图中提取出这样的场景，例如通过人工的框选标注、通过图像识别技术根据对应结构特征进行识别、通过机器学习方法由预设的Y字型地图场景对模型进行训练再用该模型对该局部导航地图进行扫描并提取预设的地图场景，相应地可以根据地图场景的特征设定驾驶决策的规则逻辑，如Y字型地图场景中的右前方车道可直接通行，左前方车道无法通行或可根据交通指示信息进行通行。同时，可选地，可根据实际的需求不断更新对Y字型地图场景的定义，如在上述定义的基础上可以认为右前方导航道路可以为汇出道路，那么相应的获取到的地图场景就得到了扩充，更多的地图场景可被认为是Y字型地图场景，相应的也可以修正其预设的驾驶决策规则逻辑。相似地，其他类型地图场景也可基于对不同地图场景的定义来进行抓取，并可相应地设置预设的驾驶规则，后续也可根据实际需求不断更新对地图场景的定义和驾驶决策的逻辑规则。

通过上述步骤，从局部导航地图中获取预设场景下的导航道路，并从局部高精地图中获取对应的高精路段，从而可以更加准确地反映出道路的场景状况，并且可以根据实际需求不断更新对地图场景的定义和驾驶决策的规则逻辑，从而获取到更符合需求的预设场景，有利于提高后续驾驶决策的时效性、准确性、鲁棒性和完善性，并为后续的车道数真值的确定、地图场景的验证和相应的路径规划的执行提供更加准确和可靠的数据支持。

步骤30：将该导航道路和对应的该高精路段进行绑定，并基于该高精路段的拓扑关系确定该导航道路的车道数真值。

由于每个导航道路是导航地图的路网中的一条较为抽象的道路，只有相应道路的基本形态和对应的车道数信息、道路编号标识和道路末端的可通行车道位标识等数字信息，而每个高精路段则包括精细的对每个车道路段及其中的车道线关键点信息、道路标志信息、先行路段标识和后继路段标识等信息，因此，导航道路和高精路段之间存在较大的差异而不能直接进行结合，而需要进行绑定。绑定的方法有很多种，例如可以人工识别导航道路和对应的高精路段，可以通过一些绑定算法进行绑定，可以基于道路和路段的形态使用自动化算法将导航道路和高精路段进行匹配绑定。同时，由于高精路段能够精确到路段中的车道线关键点和车道的路段拓扑关系等信息，能够精细化导航道路中所包含的车道，因此可以基于这些信息得到相对应的导航道路的车道数真值，以确定导航地图中的每个导航道路和高精地图中的由各个路段集合得到的车道的关联关系。

可选地，参阅图3，将该导航道路和对应的该高精路段进行绑定，并基于该高精路段的拓扑关系确定该导航道路的车道数真值，可按如下步骤执行：

步骤31：基于绑定算法将该导航道路和该高精路段进行绑定。

绑定算法是一种基于道路和路段的形态结构和标识信息等将导航道路和高精路段相关联的一种算法，如常见的基于坐标点距离的几何算法、基于线条形态的几何算法等，以及在匹配绑定中常用的匈牙利算法和KM算法(Kuhn-Munkres algorithm，库恩一曼克尔斯算法)等均可以用作该绑定算法，以将导航道路和高精路段相关联。例如，可以根据导航道路和高精路段在相应地图上的点坐标并统一到同一坐标系之中，即可得到导航道路和高精路段的坐标关系，再根据高精路段上各点与各导航道路上对应点坐标之间的距离之和，将距离之和最小的导航道路作为该高精路段所在的道路。在绑定的过程中，由于高精路段之间的关系，即纵向的各路段之间存在先行和后继的拓扑关系，横向的各路段之间只存在并行的关系，因此可以提高纵向路段之间距离和相似度的权重，降低横向路段之间距离和相似度的权重，从而提高绑定的准确度。

步骤32：基于高精路段的拓扑关系将属于同一车道的高精路段划分到同一车道集合，将该导航道路对应的车道集合的数量记为所述导航道路的所述车道数真值。

在高精地图中，各高精路段之间存在丰富的拓扑关系，例如前后路段的拓扑关系、相邻路段的拓扑关系、同向道路的拓扑关系等，基于这些拓扑关系可以将高精路段进行集合，例如基于前后路段拓扑关系可以得到同一车道的集合、基于相邻路段的拓扑关系可以得到同一道路中的同一路段集合、基于同向道路的拓扑关系可以得到同向行驶的路段的集合等，相应的集合数则为车道数真值、路段数真值和同向路段数真值等，即通过拓扑关系可得到后续所需的车道数真值。

可选地，在前述基础上，参阅图4，基于高精路段的拓扑关系将属于同一车道的高精路段划分到同一车道集合，可按如下步骤执行：

步骤321：遍历该导航道路对应的高精路段。

步骤322：基于该遍历的高精路段的路段标识确定属于同一车道的先行路段和后继路段。

步骤323：将属于同一车道的先行路段和后继路段划分到同一车道集合。

遍历即对导航道路对应的高精路段依次进行访问，从而确定各高精路段的路段标识及对应的先行路段和后继路段，再根据先行和后继的拓扑关系即可将遍历后的属于同一车道的路段划分到同一车道集合。例如，某一导航道路对应有12条高精路段，分别编号从1到12，其中4、5、6分别为1、2、3的后继道路、7、8、9分别为4、5、6的后继道路，10、11、12分别为7、8、9的后继路段，而先行路段则是后继路段的翻转关系，例如4为1的后继路段，则1为4的先行路段，剩余的路段拓扑关系在此不再赘述，因此，基于上述先行和后继的拓扑关系，即可将1、4、7、10划分到同一车道集合，将2、5、8、11划分到同一车道集合，将3、6、9、12划分到同一车道集合，因此得到了三个车道集合，后续即可根据车道集合的数量确定车道数真值为3，对应三条车道，并可根据车道的位置关系精细化对应的导航道路。

通过上述各步骤，将该导航道路和对应的高精路段进行绑定，并基于该高精路段的拓扑关系确定该导航道路的车道数真值，从而能够准确地获取到预设场景中各导航道路确切的车道数，有利于后续通过这些车道数真值对这些场景进行验证，而由于该高精路段对应的拓扑关系是唯一且连贯的，因此该方式获取到的车道数真值也具备极高的准确性和鲁棒性。同时，相对于传统的人工标注方式，上述车道数真值的确定的方式具备较高的效率，相对于计算机视觉方法和机器学习方法，该基于拓扑关系的方式也具备更高的准确性和鲁棒性，此外，由于该方式使用到的只是预设场景下的高精地图且仅需提取其中的路段拓扑关系，因此所需要的技术支持和数据资源也更少，在提高效率和可靠性的同时也降低了成本、减少了资源浪费。

步骤40：基于该车道数真值对该预设场景下的局部导航地图进行验证。

在上述基础上，得到了各导航道路准确、鲁棒的车道数真值，而在预设场景下的局部导航地图中，由于可能存在的车道数标注错误、车道临时增减、路线调整等因素，导致实际各导航道路的车道数标识、可通行车道位标识等拓扑属性信息存在误差，从而不满足原本对预设场景的定义，而车道数标识、可通行车道位标识等都是可以通过车道数真值进行验证的，通过验证可以确定导航道路的拓扑属性信息存在的错误，从而后续可对这些错误进行修正。

可选地，参阅图5，基于该车道数真值对所述预设场景下的所述局部导航地图进行验证，包括：

步骤41：验证各导航道路的拓扑属性信息是否和该车道数真值相符。

导航道路的拓扑属性信息是指的当前导航道路的属性及其拓扑的先行道路和后继道路的属性信息，这些属性信息包括道路编号标识、车道数标识、先行道路标识、后继道路标识和可通行车道位标识等多种属性信息，这些属性信息通常都和车道数真值存在一定的关联，例如道路编号标识应该与车道真值数的范围相符，如某一道路为城市道路，其编号中可能固定有一串数字表示其为城市道路，而该城市道路的一个方向的车道数应为1条至3条之间，那么如果车道真值数不在这个范围内则说明该拓扑属性信息和该车道数真值不相符；例如先行道路标识的个数应大于等于当前导航道路的车道真值数减1的值、后继道路标识的个数应小于等于当前导航道路的车道真值数加1的值，那么如果车道真值数不符合这个数值要求，则说明该拓扑属性信息和该车道数真值不相符。相应的有车道数标识和可通行车道位标识等也可以用来判断该拓扑属性信息和该车道数真值是否相符，从而实现对地图场景的验证。

可选地，验证各导航道路的拓扑属性信息是否和该车道数真值相符之后，还包括：

步骤42：若各导航道路的拓扑属性信息和该车道数真值不相符，则基于该车道数真值修正各导航道路的拓扑属性信息。

若各导航道路的拓扑属性信息和该车道数真值不相符，则说明该导航道路的拓扑属性存在问题，需要进行修正。在上述基础上，由于得到的车道数真值是准确、鲁棒的，因此可以以该车道数真值为基准修正导航道路的部分拓扑属性信息。例如，可以直接对车道数标识进行修正，即将车道数标识的值修正为该车道数真值，可以基于车道数真值对道路编号进行人工和自动化的分析判断，修改其对应的道路类型并生成新的对应的唯一编号。

可选地，基于该车道数真值修正各导航道路的拓扑属性信息，包括：

步骤421：基于所述导航道路的车道数真值和对应的后继导航道路的车道数真值修正所述导航道路拓扑属性信息中的可通行车道位标识。

在预设场景的局部导航地图中各导航道路存在车道数标识以及和该车道数标识的数值对应位数的可通行车道位标识。该可通行车道位标识是一种用来标识该导航道路中各车道是否可直接通行到后继导航道路的一种标识，例如用1标识可通行，0标识不可通行，该位标识的位数则和该导航道路的车道数对应，例如某导航道路的车道数标识为3，001则表示该导航道路中的左侧两个车道不可直接通行到后继导航道路，右侧车道可以直接通行到后继导航道路，011则表示右侧两个车道可通行，左侧车道不可通行。

通常情况下，车道可通行与否和原始的导航规划以及不同地图场景预设的驾驶规则的有关，例如，导航规划是右转，那么可进行右转的车道为可通行车道，不可进行右转的车道则不为该可通行车道，例如Y字型地图场景中，只能通过右侧车道进入右前方的车道，则右侧和后继的右前方车道数对应的车道为可通行车道，例如十字型地图场景中，有左转车道、前行车道和右转车道，则需要根据原本的导航规划以及交通指示确定可通行车道。

各导航道路在预设场景下的各后继导航道路的车道数和该位数也存在对应关系，例如，在某一Y字型的地图场景之中，前方左行的车道数有1条，原本记录的前方右行的车道数有2条，那么相应的可通行车道位标识为011，但是经过真值判断发现实际右前方的车道数真值为3，且当前导航道路的三条车道都可以通行到右前方道路，即说明该预设场景下的局部导航地图验证失败，因此相应地需要对原本的路径规划进行修正，后续可将该可通行车道为标识修正为111。而如果经过验证，车道数真值和各导航道路的车道数、可通行车道位标识等拓扑属性信息相符，则说明验证成功，不需要对原本的路径规划进行修正。该可通行车道位标识也是对于后续可行道路的直接指示，因此通过对该车道位标识的修正能够帮助自动驾驶车辆更好地做出后继的路径规划。

通过上述各步骤，基于该车道数真值对该预设场景下的局部导航地图进行验证，从而确定该预设场景下的局部导航地图是否符合实际情形，该验证方法只需要通过准确的车道数真值和预设场景下的局部导航地图即可执行，其效率高、成本低、可靠性强。并且对于涉及车道数的数值范围的各种拓扑属性信息，可以直接通过车道数真值确定其问题之所在，后续即相应地对这些拓扑属性进行修正，从而使得该预设场景和车道数真值相符合。也可以根据车道数真值对可通行车道位标识进行修正，从而能够满足实际的驾驶决策需求。同时，由于车道数真值的获取方法具备较高的准确性和鲁棒性，修正后的车道拓扑属性也会具备更好的有效性和可靠性，能够帮助自动驾驶车辆在对应场景中做出及时、准确、鲁棒和完善的路径规划。

参阅图6，图6是本申请提供的路径规划方法一实施例的流程示意图。该路径规划方法包括：

步骤51：基于地图场景验证方法对当前地图场景进行场景验证。

步骤52：基于场景验证的结果对当前地图场景对应的导航地图的拓扑属性信息进行修正或确定。

步骤53：基于该修正或确定后的拓扑属性信息进行路径规划。

当前地图场景即车辆所在导航地图中的位置所对应的地图场景，在前述的地图场景方法步骤的基础上，即可得到相应的车道真值数并对该当前地图场景进行场景验证。在验证成功的情况下，即该预设场景的局部导航地图和车道真值数所反映的情形相符，因此只需对拓扑属性信息进行确定，在验证失败的情况下，即该预设场景的局部导航地图和车道真值数所反映的情形不相符，因此还需通过车道真值数对这些拓扑属性信息进行修正。最后，基于修正或确定后的拓扑属性信息即可进行相应的路径规划。例如，在某一Y字型的地图场景之下，其可通行车道位标识为011，则在可规划右侧两条车道通行到右前方的后继道路，在某一T字型的地图场景之下，其可通行车道位标识为101，则可根据原本的导航路线规划并结合对交通指示等的感知进行路径规划，可选择左道左转或右道右转等。

通过该路径规划方法，可以根据当前地图场景的拓扑属性信息进行更精确的路径规划，避免了传统的基于规则或概率的路径规划方法在复杂交通路况下的局限性，通过场景验证和拓扑属性信息的修正，该路径规划方法可以更好地适应各种不同的交通场景和道路结构，提高路径规划的时效性、准确性、鲁棒性和完善性，有利于提升行车的安全性和舒适性。此外，在实际交通中该路径规划方法可以结合交通指示、交通信号灯等感知信息，进一步优化路径规划的结果，使得自动驾驶车辆能够更加智能、安全地行驶，有利于实现无地图模式下的自动驾驶。

参阅图7，图7是本申请提供的存储介质的一实施例的结构示意图。

该存储介质60存储有程序数据61，程序数据61在被处理器执行时，实现如图1至图5所描述的地图场景验证方法，或如图6所描述的路径规划方法。

该程序数据61存储于一个存储介质60中，包括若干指令用于使得一台网络设备(可以路由器、个人计算机、服务器等网络设备)或处理器执行本申请各个实施例所述方法的全部或部分步骤。

可选的，存储介质60可以为U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁盘或者光盘等各种可以存储程序数据61的介质。

参阅图8，图8是本申请提供的车载设备的一实施例的结构示意图。

该车载设备70包括相互连接的处理器72和存储器71，存储器71存储有计算机程序，处理器72执行该计算机程序时，实现如图1至图5所描述的地图场景验证方法，或如图6所描述的路径规划方法。其中，该存储器71可以包括存储介质60，也可以为其他单独开发的存储器。

参阅图9，图9是本申请提供的车辆的一实施例的结构示意图。

该车辆80包括如图8所描述的车载设备70。该车辆80可以是油车、电车或混合动力车等，本申请对此不做具体限制。此外，该车辆80可以搭载具备存储介质60的车载设备70，也可以搭载不具备存储介质60的车载设备70，或该车辆为可直接读取该存储介质60的一类车辆。

区别于现有技术的情况，本申请公开了一种地图场景验证方法、路径规划方法及相关装置。该地图场景验证方法通过获取预设区域范围内的局部导航地图和局部高精地图进行场景抓取和对相应场景中的导航道路和高精路段进行匹配，从而得到车道数真值，并用该车道数真值对预设的地图场景进行验证。该方法能够获取到高准确性的车道数真值，并且不需要人工和多余的地图资源即可对地图场景的进行验证，从而实现了对预设场景高效率、高可靠、低成本的验证，同时，该方法能够根据高精路段的拓扑关系获取到同一车道并进行集合、根据导航道路的拓扑关系确定地图场景和对该地图场景进行验证，从而可以更加准确地反映出道路的场景状况，该方法也可以根据实际需求不断更新对地图场景的定义和驾驶决策的规则逻辑，从而获取到更符合需求的预设场景。本申请驾驶决策方法则利用该地图场景验证方法进行地图场景的验证、修正和路径规划，具备较好的时效性、准确性、鲁棒性和完善性。此外，本申请所提供的存储介质、车载设备和车辆也利用上述方法，实现了对导航地图中预设场景高效率、高可靠、低成本的验证，解决了地图场景验证的效率低、可靠性差、成本高和实用性弱的技术问题。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于存储介质实施例及电子装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请可用于众多通用或专用的计算***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。

在本申请所提供的几个实施方式中，应该理解到，所揭露的方法存储介质、车载设备以及车辆，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，所述模块或单元的划分，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***，或一些特征可以忽略，或不执行。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。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单元的形式实现。

以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种地图场景验证方法，其特征在于，包括：

获取预设区域范围内的局部导航地图和局部高精地图；

基于所述局部导航地图进行预设场景抓取，以获取预设场景下的导航道路，从所述局部高精地图中获取与所述导航道路对应的高精路段；

将所述导航道路和对应的所述高精路段进行绑定，并基于所述高精路段的拓扑关系确定所述导航道路的车道数真值；

基于所述车道数真值对所述预设场景下的所述局部导航地图进行验证。

2.根据权利要求1所述的地图场景验证方法，其特征在于，所述将所述导航道路和所述高精路段进行绑定，并基于所述高精路段的拓扑关系确定所述导航道路的车道数真值，包括：

基于绑定算法将所述导航道路和所述高精路段进行绑定；

基于所述高精路段的拓扑关系将属于同一车道的所述高精路段划分到同一车道集合，将所述导航道路对应的车道集合的数量记为所述导航道路的所述车道数真值。

3.根据权利要求2所述的地图场景验证方法，其特征在于，所述基于所述高精路段的拓扑关系将属于同一车道的高精路段划分到同一车道集合，包括：

遍历所述导航道路对应的所述高精路段；

基于遍历的所述高精路段的路段标识确定属于同一车道的先行路段和后继路段；

将属于同一车道的所述先行路段和所述后继路段划分到同一车道集合。

4.根据权利要求1所述的地图场景验证方法，其特征在于，所述基于所述车道数真值对所述预设场景下的所述局部导航地图进行验证，包括：

验证各所述导航道路的拓扑属性信息是否和所述车道数真值相符；

所述验证各所述导航道路的拓扑属性信息是否和所述车道数真值相符之后，还包括：

若各所述导航道路的拓扑属性信息和所述车道数真值不相符，则基于所述车道数真值修正各所述导航道路的拓扑属性信息。

5.根据权利要求4所述的地图场景验证方法，其特征在于，所述基于所述车道数真值修正各所述导航道路的拓扑属性信息，包括：

基于所述导航道路的车道数真值和对应的后继导航道路的车道数真值修正所述导航道路拓扑属性信息中的可通行车道位标识。

6.根据权利要求1所述的地图场景验证方法，其特征在于，所述获取预设区域范围内的局部导航地图和局部高精地图，包括：

获取全局导航地图和全局高精地图；

基于预设区域范围的经纬度，获取所述预设区域范围的区域顶点坐标；

基于所述区域顶点坐标从所述全局导航地图中提取所述局部导航地图，并从所述全局高精地图中提取所述局部高精地图。

7.一种路径规划方法，其特征在于，包括：

基于如权利要求1-6任一项所述的地图场景验证方法对当前地图场景进行场景验证；

基于所述场景验证的结果对当前地图场景对应的导航道路的拓扑属性信息进行修正或确定；

基于修正或确定后的所述拓扑属性信息进行路径规划。

8.一种存储介质，其上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现如权利要求1-6任一项所述地图场景验证方法的步骤，或如权利要求7所述的路径规划方法的步骤。

9.一种车载设备，其特征在于，包括相互连接的处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-6任一项所述地图场景验证方法的步骤，或如权利要求7所述的路径规划方法的步骤。

10.一种车辆，其特征在于，所述车辆包括如权利要求8所述的存储介质或如权利要求9所述的车载设备。