路径确定方法、装置、电子设备及存储介质
文献发布时间:2024-04-18 19:58:26
技术领域
本公开涉及自动驾驶技术领域,尤其涉及地图匹配和路径规划等技术领域。
背景技术
自动驾驶领域中,车辆自动辅助导航驾驶需要首先将智舱域提供的导航地图规划的导航路径如标准(Standard Definition,SD)路径映射到智驾域的高精(HighDefinition,HD)地图上,得到HD路径,进而实现基于高精地图的智能车道级导航。若导航地图与高精地图属于同源地图,可以通过预先生成SD与HD关联表,实现将SD路径转换为HD路径。若导航地图与高精地图属于异源地图,导航地图和高精地图制作工艺不同以及地图模型差异很大,导致无法预先生成SD与HD关联表。因此,如何实现将异源地图下SD路径转为HD路径成为亟待解决的技术问题。
发明内容
本公开提供了一种路径确定方法、装置、电子设备及存储介质。
根据本公开的第一方面,提供了一种路径确定方法,包括:
确定导航地图中导航路径的第一关键特征点;
基于第一关键特征点对应的属性信息,在高精地图中确定第一关键特征点对应的第二关键特征点;
结合第二关键特征点对应的属性信息,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径;
基于高精地图中与第一子路径相匹配的第二子路径,确定高精地图中与导航路径对应的目标路径。
根据本公开的第二方面,提供了一种路径确定装置,包括:
第一确定模块,用于确定导航地图中导航路径的第一关键特征点;
第二确定模块,用于基于第一关键特征点对应的属性信息,在高精地图中确定第一关键特征点对应的第二关键特征点;
第三确定模块,用于结合第二关键特征点对应的属性信息,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径;
第四确定模块,用于基于高精地图中与第一子路径相匹配的第二子路径,确定高精地图中与导航路径对应的目标路径。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;
与至少一个处理器通信连接的存储器;
存储器存储有可以被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开中任一实施例的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行根据本公开中任一实施例的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括存储在存储介质上的计算机程序,计算机程序在被处理器执行时实现根据本公开中任一实施例的方法。
根据本公开的第六方面,提供了一种自动驾驶车辆,包括如第三方面所述的电子设备。
根据本公开的方案,在导航地图和高精地图为异源的情况下,不需要地图形点信息,即可将导航地图下的导航路径转换为高精地图下的高精路径,有效解决了导航地图和高精地图为异源时需要获取地图形点信息的问题;同时,由于根据第一关键特征点和第二关键特征点确定高精地图中与导航路径对应的目标路径,能提高路径转换的速度,缩短车端响应时间,从而有助于提高自动驾驶车辆的安全性。
上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请公开的一些实施方式,而不应将其视为是对本申请范围的限制。
图1是根据本公开实施例的路径确定方法的流程示意图;
图2是根据本公开实施例的路径转换的流程示意图;
图3是根据本公开实施例的导航地图的第一关键特征点示意图;
图4是根据本公开实施例的高精地图的第二关键特征点示意图;
图5是根据本公开实施例的导航地图的第一子路径细节示意图;
图6是根据本公开实施例的前驱路径和后继路径的示意图;
图7是根据本公开实施例的双边约束和单边约束示意图;
图8是根据本公开实施例的路径确定装置的结构示意图;
图9是根据本公开实施例的路径确定方法的场景示意图;
图10是用来实现本公开实施例的路径确定方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开的说明书实施例和权利要求书及上述附图中的术语“第一”、“第二”和“第三”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。此外,术语“包括”和“具有”以及他们的任何变形,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。方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在对本公开实施例的技术方案进行介绍之前,先对本公开可能使用到的技术术语做进一步说明:
导航地图:可以提供实时的地理数据更新和网络拓扑调整,从而支持更高效的网络规划、资源分配和服务部署。
高精地图:又称HD地图,是一种具备高精度、高分辨率和高更新频率的数字地图,用于自动驾驶和智能交通系统中的定位、导航和决策等任务。
形点信息:又称形状点信息,地图上有多个路段(LINK),每一个LINK由多个形状点组成,形点信息包括但不限于形状点的位置信息、角度信息等。
自动驾驶领域中,车辆自动辅助导航驾驶(Navigate onAutopilot,NOA)需要首先将智舱域提供的导航地图规划的导航路径如SD路径映射到智驾域的高精地图上,得到HD路径,进而实现基于高精地图的车智能车道级领航。当导航地图与高精地图同源(即导航地图和高精地图属于同一地图提供商)时,一般是由云端离线预先生成SD与HD关联表,车端/云端基于SD与HD关联表通过查表匹配,将SD路径转换为HD路径。但是,当导航地图与高精地图异源(即导航地图和高精地图属于不同的地图提供商)时,由于导航地图和高精地图制作工艺不同,尤其城市道路路网复杂,地图模型差异很大。由于异源地图差异大,对算法鲁棒性有更高的要求,导致异源地图无法预先生成SD与HD关联表。另外,由于需要在车端实时将SD路径转为HD路径,对响应时间与数据量也有严格的要求。
目前,SD路径转为HD路径主要有以下两种实现方案:
离线关联表查表方式:通过导航地图和高精地图匹配算法生成静态的SD与HD关联表,再对外提供离线SD与HD关联表,车端根据SD路径,通过SD与HD关联表查表可以得到HD路径;
隐马尔可夫模型(Hidden Markov Model,HMM)实时匹配方式:将SD路径实时与HD路径通过HMM进行匹配,实时提供当前SD路径对应的HD路径。
上述两种方案的不足之处在于,上述两种方案更适用于导航地图和高精地图同源,不适用于导航地图高精地图异源。离线关联表查表方式,要求导航地图和高精地图为同源地图,否则无法预先进行离线匹配。因此,不适用于异源地图的应用。HMM实时匹配方式需要高精地图供应商提供高精地图详细数据信息尤其是高精地图的形点信息,而导航地图和高精地图为不同提供商时,这类要求一般无法满足。
本公开为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个问题,提出了一种路径确定方法,在导航地图和高精地图为异源的情况下,不需要地图形点信息,即可将导航地图下的导航路径转换为高精地图下的高精路径,有效解决了导航地图和高精地图为异源时无法获取地图形点信息的问题;同时,由于根据第一关键特征点和第二关键特征点确定高精地图中与导航路径对应的目标路径,能够提高路径转换的速度,缩短车端的响应时间,从而有助于提高自动驾驶车辆的安全性。
本公开实施例提供了一种路径确定方法,图1是根据本公开实施例的路径确定方法的流程示意图,该路径确定方法可以应用于路径确定装置。该路径确定装置位于电子设备。该电子设备包括但不限于固定设备和/或移动设备。例如,固定设备包括但不限于服务器,服务器可以是云服务器或普通服务器。例如,移动设备包括但不限于车载终端。在一些可能的实现方式中,该路径确定方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示,该路径确定方法包括:
S101:确定导航地图中导航路径的第一关键特征点;
S102:基于第一关键特征点对应的属性信息,在高精地图中确定第一关键特征点对应的第二关键特征点;
S103:结合第二关键特征点对应的属性信息,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径;
S104:基于高精地图中与第一子路径相匹配的第二子路径,确定高精地图中与导航路径对应的目标路径。
在一些实施方式中,该导航地图可以是用于人机交互的导航地图,该导航地图可部署在自动驾驶车辆的智舱域上。本公开实施例中,不对导航地图的类型进行强制性限定,该导航地图可以是SD地图,也可以是能部署在智舱域上的其他类型地图。该高精地图可以是高精度、高分辨率和高更新频率的数字地图,该高精地图可部署在自动驾驶车辆的智驾域上。其中,该导航地图和该高精地图属于异源地图。具体地,该导航地图和高精地图的提供商不同,地图制作工艺也可能不同;且该高精地图的精度一般高于该导航地图的精度。
在一些实施方式中,获取导航地图的数据可以包括下述至少之一:获取SD路径中的起点、终点、关键特征点(Turn-By-Turn,TBT);获取SD路径中每条路径(记为SDLINK)的首尾点坐标、长度、起点角度和终点角度等几何信息;获取SD路径中每条SDLINK的道路等级信息;获取SD路径中每条SDLINK的匝道、主辅路、是否路口、是否高架、是否隧道和是否服务区等道路类型信息。
在一些实施方式中,获取高精地图的数据可以包括下述至少之一:获取高精地图中每条路径(记为HDLINK)的首尾点坐标、长度、起点角度和终点角度等几何信息;获取每条HDLINK的标识(Identity Document,ID)和拓扑;获取每条HDLINK的道路等级;获取每条HDLINK的匝道、主辅路、是否路口、是否高架、是否隧道和是否服务区等道路类型信息;获取每条HDLINK的空间索引数据。
在一些实施方式中,该导航路径可以包括多个第一关键特征点。具体地,该导航路径可以包括起点、终点和至少一个第一关键特征点,该第一关键特征点可以是TBT点。
在一些实施方式中,该第一关键特征点和该第二关键特征点对应的属性信息可以包括:几何信息、前驱路径的道路等级信息、后继路径的道路等级信息、前驱路径的道路类型信息以及后继路径的道路类型信息。以上仅为示例性说明,不作为对属性信息包括的全部可能的内容的限定,只是这里不做穷举。
在一些实施方式中,多个第二关键特征点是否与多个第一关键特征点一一对应存在以下几种情况:(1)X个第一关键特征点,对应X个第二关键特征点,即第二关键特征点与第一关键特征点为一一对应关系;(2)X个第一关键特征点,对应Y个第二关键特征点,X>Y,即一个第二关键特征点至少对应一个第一关键特征点。
图2示出了路径转换的流程示意图,如图2所示,左侧示出了导航地图,根据起点和终点确定出该导航地图中的导航路径;提取该导航路径的相关信息,将该导航路径的相关信息发送至高精地图,得到右侧示出的该高精地图中与该导航路径对应的目标路径,该目标路径可应用于自动驾驶车辆的辅助驾驶,该辅助驾驶可以是自动驾驶车辆的任意一种驾驶模式,如全自动驾驶模式、人机共驾模式等。
在一些实施方式中,该导航路径可以包括多个第一子路径。具体地,导航路径至少包括两个第一子路径。示例性地,若导航路径包括一个第一关键特征点,则导航路径包括起点与该第一关键特征点之间的第一子路径以及该第一关键特征点与终点之间的第一子路径。又示例性地,若导航路径包括M个第一关键特征点,则导航路径包括起始点与第1个第一关键特征点之间的第一子路径、第1个第一关键特征点与第2个第一关键特征点之间的第一子路径、第2个第一关键特征点与第3个第一关键特征点之间的第一子路径、…、以及第M个第一关键特征点与终点之间的第一子路径,M为大于等于2的整数。
图3示出了导航地图的第一关键特征点示意图,如图3所示,该导航地图中的一条导航路径上包括4个第一关键特征点(Key Feature Points,KFP),记为KFP1、KFP2、KFP3和KFP4,该导航路径包括多条第一子路径,如起点到KFP1之间的第一子路径,KFP1到KFP2之间的第一子路径,KFP2到KFP3之间的第一子路径,KFP3到KFP4之间的第一子路径,KFP4到终点之间的第一子路径。
本公开实施例的技术方案,确定导航地图中导航路径的第一关键特征点;基于第一关键特征点对应的属性信息,在高精地图中确定第一关键特征点对应的第二关键特征点;结合第二关键特征点对应的属性信息,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径;基于高精地图中与第一子路径相匹配的第二子路径,确定高精地图中与导航路径对应的目标路径。在导航地图和高精地图为异源的情况下,能够通过获取导航地图的第一关键特征点和高精地图的第二关键特征点来确定与导航路径相匹配的目标路径,不需要地图形点信息,有效解决了导航地图和高精地图为异源时需要获取地图形点信息的问题;同时,由于根据第一关键特征点和第二关键特征点确定高精地图中与导航路径对应的目标路径,能提高路径转换的速度,缩短车端响应时间,从而有助于提高自动驾驶车辆的安全性。
在一些实施方式中,基于第一关键特征点对应的属性信息,在高精地图中确定第一关键特征点对应的第二关键特征点,包括:基于第一关键特征点对应的属性信息,获取在高精地图中导航路径的预设范围内的路径数据;基于路径数据确定与导航路径相关的候选关键特征点;基于与导航路径相关的候选关键特征点,在高精地图中确定第一关键特征点对应的第二关键特征点。
在一些实施方式中,该第一关键特征点对应的属性信息可以包括:第一关键特征点的几何信息、第一关键特征点的前驱路径的属性信息和后继路径的属性信息。其中,该属性信息包括道路等级信息与道路类型信息。
在一些实施方式中,可通过对高精地图进行空间索引,获取在高精地图中导航路径的预设范围内的路径数据。具体地,空间索引是根据HDLINK的位置、形状等空间关系按一定的顺序排列的一种数据结构;其中,HDLINK的空间索引可以包括HDLINK的概要信息,如HDLINK的标识信息、HDLINK外接矩形及HDLINK指向空间对象实体的指针等。空间索引(又称空间数据查询),用于对存储在介质上的数据位置信息的描述。
在一些实施方式中,该候选关键特征点可以是在高精地图中导航路径的预设范围内的路径数据;基于路径数据确定与导航路径相关的候选关键特征点。其中,该候选关键特征点的数量大于第二关键特征点的数量。示例性地,根据HDLINK进行空间索引,获取导航路径(SDpath)周围100米范围内的多个候选关键特征点。该预设范围可以是通过人为设置的,也可以系统自动进行设置或调整。这里,预设范围内的路径数据,实际上是该预设范围内的所有第二子路径的数据。
图4示出了高精地图的第二关键特征点示意图,如图4所示,高精地图中包括11个第二关键特征点,记为KFP1~KFP11,相邻第二关键特征点之间的路径称为第二子路径,如KFP1到KFP2之间的第二子路径,KFP2到KFP3之间的第二子路径,KFP3到KFP4之间的第二子路径,KFP10到KFP11之间的第二子路径。
在一些实施方式中,该高精地图中的目标路径可以包括多个第二子路径。具体地,将高精地图中与多个第一子路径分别匹配的多个第二子路径,按照自动驾驶车辆的通行方向依次连接,得到目标路径(即HD路径)。这里,多个第一子路径与多个第二子路径一一对应。
本公开实施例的技术方案,基于第一关键特征点对应的属性信息,获取在高精地图中导航路径的预设范围内的路径数据;基于路径数据确定与导航路径相关的候选关键特征点;基于与导航路径相关的候选关键特征点,在高精地图中确定第一关键特征点对应的第二关键特征点。如此,能够从候选关键特征点得到第二关键特征点,从而提高异源地图下的路径确定的准确性,进而提高了自动驾驶车辆的安全性。
本公开实施例中,基于与导航路径相关的候选关键特征点,在高精地图中确定第一关键特征点对应的第二关键特征点,包括:基于与导航路径相关的候选关键特征点,确定第一关键特征点对应的候选关键特征点;基于第一关键特征点对应的候选关键特征点,确定第一关键特征点对应的第二关键特征点。
这里,确定第一关键特征点对应的候选关键特征点,包括:将高精地图中每个第一关键特征点的预设范围内的候选关键特征点,作为该第一关键特征点对应的候选关键特征点。
示例性地,确定导航路径的第一关键特征点,根据HDLINK进行空间索引,获取导航路径周围100米范围内的候选关键特征点,得到第一关键特征点KFP1对应的2个候选关键特征点,分别计算第一关键特征点与2个候选关键特征点的相似度;第一关键特征点与第一个候选关键特征点的相似度为0.3;第一关键特征点与第二个候选关键特征点的相似度为0.8;则将第二个候选关键特征点确定为第一关键特征点对应的第二关键特征点。
本公开实施例的技术方案,基于与导航路径相关的候选关键特征点,确定第一关键特征点对应的候选关键特征点;基于第一关键特征点对应的候选关键特征点,确定第一关键特征点对应的第二关键特征点。如此,能够为导航路径中第一关键特征点准确匹配出高精地图的第二关键特征点,进而得到导航路径对应的高精路径,有助于提高路径确定的准确性,从而提高自动驾驶车辆的安全性。
本公开实施例中,基于第一关键特征点对应的候选关键特征点,确定第一关键特征点对应的第二关键特征点,包括:确定第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度;将第一关键特征点对应的相似度大于预设阈值的候选关键特征点,确定为第一关键特征点对应的第二关键特征点。
在一些实施方式中,该预设阈值可以人为设置,也可以系统自动设置。该预设阈值可根据精度需求进行设定或调整。
在一些实施方式中,第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度可以包括:第一关键特征点与第一关键特征点对应的候选关键特征点之间的几何相似度、第一关键特征点与第一关键特征点对应的候选关键特征点之间的前驱路径的道路等级相似度、第一关键特征点与第一关键特征点对应的候选关键特征点之间的后继路径的道路等级相似度、第一关键特征点与第一关键特征点对应的候选关键特征点之间的前驱路径的道路属性相似度以及后继路径的道路属性相似度。相似度计算公式如公式(1)所示:
Similarity=geom_Similarity*Link_roadclass_Similarity*
Link_roadtype_Similarity公式(1)
其中,Similarity表示第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度;geom_Similarity表示第一关键特征点与第一关键特征点对应的候选关键特征点之间的几何信息相似度;Link_roadclass_Similarity表示第一关键特征点与第一关键特征点对应的候选关键特征点之间的前驱后继路径道路类型信息相似度;Link_roadtype_Similarity表示第一关键特征点与第一关键特征点对应的候选关键特征点之间的前驱后继路径道路等级信息相似度。
在一些实施方式中,几何信息相似度可以包括:第一关键特征点与第一关键特征点对应的候选关键特征点之间的几何距离相似度、前驱后继路径角度相似度。
在一些实施方式中,前驱后继路径道路类型信息相似度可以包括:第一关键特征点与第一关键特征点对应的候选关键特征点之间的前驱后继路径匝道、主辅路、是否路口、是否高架、是否隧道和是否服务区的相似度。
这里,上述前驱后继路径是前驱路径和后继路径的简称。
本公开实施例的技术方案,从几何信息、前驱路径道路等级、后继路径道路等级、前驱路径道路属性以及后继路径道路属性等多个角度,分别计算第一关键特征点与多个候选关键特征点之间的相似度,能够提高确定出的第一关键特征点对应的第二关键特征点的准确性,进而提高路径确定的准确性,从而提高自动驾驶车辆的安全性。
本公开实施例中,确定第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度,包括:基于第一关键特征点对应的属性信息,与第一关键特征点对应的候选关键特征点的属性信息,确定第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度。
本公开实施例中,确定第一关键特征点时,还可以包括:获取第一关键特征点的属性信息;该属性信息可以包括第一关键特征点的几何信息、前驱后继路径的道路等级信息和前驱后继路径的道路类型信息。
本公开实施例中,确定第二关键特征点时,还可以包括:获取第二关键特征点的属性信息;该属性信息可以包括第二关键特征点的几何信息、前驱后继路径的道路等级信息和前驱后继路径的道路类型信息。
本公开实施例中,确定第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度,包括:计算第一关键特征点与多个候选关键特征点的几何信息相似度;计算第一关键特征点与多个候选关键特征点的前驱路径道路等级相似度;计算第一关键特征点与多个候选关键特征点的后继路径道路等级相似度;计算第一关键特征点与多个候选关键特征点的前驱路径道路类型相似度;计算第一关键特征点与候选关键特征点的后继路径道路类型相似度;将各个候选关键特征点与第一关键特征点的几何相似度、前驱路径道路等级相似度、后继路径道路等级相似度、前驱路径道路类型相似度和后继路径道路类型的相似度相乘,得到各个候选关键特征点与第一关键特征点的相似度。
示例性地,确定导航路径的第一关键特征点;基于第一关键特征点得到两个候选关键特征点;第一关键特征点与第一个候选关键特征点的几何相似度为0.5、前驱路径道路等级相似度为0.1、后继路径道路等级相似度为0.3、前驱路径道路类型相似度为0.2和后继路径道路类型相似度为0.1;第一关键特征点与第二个候选关键特征点的几何相似度为0.6、前驱路径道路等级相似度为0.7、后继路径道路等级相似度为0.8、前驱路径道路类型相似度为0.4和后继路径道路类型相似度为0.6;将两个候选关键特征点的几何相似度、前驱路径道路等级相似度、后继路径道路等级相似度、前驱路径道路类型相似度和后继路径道路类型相似度相乘,得到第一关键特征点与第一个候选关键特征点的相似度为0.0003,第一关键特征点与第二个候选关键特征点的相似度为0.08064;将第二个候选关键特征点确定为第一关键特征点的第二关键特征点。
本公开实施例的技术方案,基于第一关键特征点对应的属性信息,与第一关键特征点对应的候选关键特征点的属性信息,确定第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度。如此,能够从多个方面考虑第一关键特征点和第一关键特征点对应的多个候选关键特征点的相似度,从而得到与第一关键特征点相似度较高的第二关键特征点,进而提高路径确定的准确性。
本公开实施例中,该属性信息包括以下至少之一:几何信息、前驱路径的道路等级信息、前驱路径的道路类型信息、后继路径的道路等级信息以及后继路径的道路类型信息。
在一些实施方式中,该几何信息可以包括首尾点坐标、长度、起点角度和终点角度等几何信息。以上仅为示例性说明,不作为对几何信息包括的全部可能的内容的限定,只是这里不做穷举。
在一些实施方式中,该道路等级信息可以包括高速公路、快速道路、快速公路、主干道、主要公路、次干道、次要公路、支路、乡村公路、居民区道路和街道。以上仅为示例性说明,不作为对道路等级信息包括的全部可能的内容的限定,只是这里不做穷举。
在一些实施方式中,该道路类型信息可以包括城市道路、乡村道路和高速公路。以上仅为示例性说明,不作为对道路类型信息包括的全部可能的内容的限定,只是这里不做穷举。
本公开实施例的技术方案,基于第一关键特征点的属性信息和第二关键特征点的属性信息,确定高精地图中与第一子路径相匹配的第二子路径,能够为确定高精地图的目标路径提供数据支持,从而提高路径确定的准确性,进而有助于提高自动驾驶车辆的安全性。
本公开实施例中,结合第二关键特征点,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径,可包括:针对有两个第二关键特征点匹配的第一类第一子路径,采用双边约束方式在高精地图中确定与第一类第一子路径匹配的第一类第二子路径,第一类第一子路径包括两个相邻的第一关键特征点。
本公开实施例中,结合第二关键特征点,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径,可包括:针对有一个第二关键特征点匹配的第二类第一子路径,采用单边约束方式在高精地图中确定与第二类第一子路径匹配的第二类第二子路径,第二类第一子路径包括一个第一关键特征点。
本公开实施例中,结合第二关键特征点,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径,可包括:针对无第二关键特征点匹配的第三类第一子路径,基于第三类第一子路径的坐标信息和属性信息,在高精地图中确定与第三类第一子路径匹配的第三类第二子路径,第三类第一子路径包括至少一个第一关键特征点。
图5示出了导航路径的第一子路径细节示意图,如图5所示,实心圆圈表示第一关键特征点,加粗实线表示该导航路径,该导航路径包括3个第一子路径,记为LINK1、LINK2和LINK3。
在一些实施方式中,将第一关键特征点对应的前驱路径,与第一关键特征点对应的第二关键特征点的前驱路径相匹配;将第一关键特征点对应的后继路径,与第一关键特征点对应的第二关键特征点的后继路径相匹配。
图6示出了前驱路径和后继路径的示意图,如图6所示,LINK1的后继路径是LINK2、LINK3和LINK4;LINK2、LINK3和LINK4的前驱路径都是LINK1;LINK2的后继路径是LINK5。
在一些实施方式中,该第一类第二子路径可通过双边约束的隐马尔可夫模型得到;该第一类第二子路径是具有两个关键特征点匹配的第一子路径对应的路径。该第一类第二子路径可通过双边约束的隐马尔可夫模型得到。该第二类第二子路径是具有一个关键特征点匹配的第一子路径对应的路径;具体地,该一个关键特征点可以是首端点或尾端点。该第三类第二子路径是具有没有关键特征点匹配的第一子路径对应的路径。
在一些实施方式中,第一类第二子路径、第二类第二子路径、第三类第二子路径,精度依次降低。
图7示出了双边约束和单边约束示意图,如图7的上方表示导航路径,下方表示高精路径。导航路径包括第一关键特征点SD-KFP1和第一关键特征点SD-KFP2,SD-KFP1和SD-KFP2之间的路径称为第一子路径;高精地图中,与第一关键特征点SD-KFP1对应的第二关键特征点为HD-KFP1,与第一关键特征点SD-KFP2对应的第二关键特征点为HD-KFP6;HD-KFP1和HD-KFP2之间的路径称为第二子路径。对于SD-KFP1来说,其前驱路径是SDLINK-1,其后继路径是SDLINK-2;对于SD-KFP2来说,其前驱路径是SDLINK-6。对于HD-KFP1来说,其前驱路径是HDLINK-1,其后继路径是HDLINK-2和HDLINK-2’;对于HD-KFP6来说,其前驱路径是HDLINK-6。起点到SD-KFP1之间的路径,称为第一子路径,记为subSDpath1;起点到HD-KFP1之间的路径,称为第二子路径,记为subHDpath1;这里,SDLINK-1与HDLINK-1匹配,属于subSDpath1与subHDpath1匹配的单边约束。SD-KFP1到SD-KFP2之间,也称为第一子路径,记为subSDpath2;HD-KFP1到HD-KFP6之间,也称为第二子路径,记为subHDpath2;SDLINK-2与HDLINK-2匹配,且SDLINK-6与HDLINK-6匹配,属于subSDpath2与subHDpath2匹配的双边约束。
本公开实施例的技术方案,通过第二关键特征点匹配的数量分别对第一类第一子路径进行不同的处理,能够提高路径确定的响应速度。同时,通过对第一类第一子路径进行双边约束以及对第二类第一子路径进行单边约束,能够提高确定SD路径对应的高精地图中的HD路径的准确性。
本公开实施例中,采用双边约束方式在高精地图中确定与第一类第一子路径匹配的第一类第二子路径,包括:将第一类第一子路径中的第一个第一关键特征点对应的前驱路径,与第一个第一关键特征点对应的第二关键特征点的前驱路径相匹配;将第一类第一子路径中的第二个第一关键特征点对应的后继路径,与第二个第一关键特征点对应的第二关键特征点的后继路径相匹配;其中,第一个第一关键特征点到第二个第一关键特征点的方向为第一类第一子路径的方向。
在一些实施方式中,确定与第一类第一子路径匹配的第一类第二子路径可以结合双边约束条件,通过预先训练好的匹配模型得到第一类第二子路径。这里,预先训练好的匹配模型可以是隐马尔可夫模型。
在一些实施方式中,第一子路径中每条SDLINK的首尾点按照通行方向拼接为一串SD轨迹点;若其首尾SDLINK通过关键特征点匹配了HDLINK,则通过双边约束的HMM匹配最相似的第二子路径。
在一些实施方式中,双边约束的HMM是一种用于序列建模的统计模型。它是HMM的一个变形,用于对具有一定约束条件的序列进行建模和分析。在传统的HMM中,序列的生成过程是从隐藏状态到可观察状态的单向生成过程。而双边约束的HMM引入了双向约束,即序列的生成过程同时考虑了从隐藏状态到可观察状态的生成以及从可观察状态到隐藏状态的生成。具体而言,双边约束的HMM包括两个HMM:正向HMM和反向HMM。正向HMM用于从隐藏状态到可观察状态的生成,反向HMM用于从可观察状态到隐藏状态的生成。两个HMM之间通过约束条件相互影响,实现了双向的信息传递和约束。通过引入双边约束的HMM可以更好地捕捉序列中的上下文信息和依赖关系,提高建模的准确性和泛化能力。
本公开实施例的技术方案,将第一类第一子路径中的第一个第一关键特征点对应的前驱路径,与第一个第一关键特征点对应的第二关键特征点的前驱路径相匹配;将第一类第一子路径中的第二个第一关键特征点对应的后继路径,与第二个第一关键特征点对应的第二关键特征点的后继路径相匹配。如此,能够在缺少形点信息的情况下,通过双边约束提高将导航路径转换为高精路径的准确性,从而提高路径确定的准确性。
本公开实施例中,采用单边约束方式在高精地图中确定与第二类第一子路径匹配的第二类第二子路径,包括:响应于第二类第一子路径包括导航路径的起点和与起点连接的第一关键特征点,将与起点连接的第一关键特征点对应的前驱路径,和与起点连接的第一关键特征点对应的第二关键特征点的前驱路径相匹配;响应于第二类第一子路径包括导航路径的终点和与终点连接的第一关键特征点,将与终点连接的第一关键特征点对应的后继路径,和与终点连接的第一关键特征点对应的第二关键特征点的后继路径相匹配。
在一些实施方式中,确定与第二类第一子路径匹配的第二类第二子路径可以结合单边约束条件,通过预先训练好的匹配模型得到第二类第二子路径。这里,预先训练好的匹配模型可以是隐马尔可夫模型。
在一些实施方式中,第一子路径中每条SDLINK的首尾点按照通行方向拼接为一串SD路径轨迹点;若其首/尾SDLINK通过关键特征点匹配了HDLINK,则通过单边约束的隐马尔可夫模型匹配最相似的第二子路径。
在一些实施方式中,单边约束的隐马尔可夫模型是一种时间序列模型,用于建模具有隐藏状态的离散事件序列。在这种模型中,观测序列仅依赖于隐藏状态序列,而隐藏状态序列则受到一种特定的约束。在传统的隐马尔可夫模型中,隐藏状态之间的转移是双向的,即任何一个隐藏状态可以转移到其他任意状态。但在单边约束的隐马尔可夫模型中,隐藏状态之间的转移是单向的,并且存在特定的转移顺序。这种约束可以通过限制转移概率矩阵的形式来实现。单边约束的隐马尔可夫模型通过合理地设计和应用约束,可以提高模型的拟合能力和泛化能力,从而提高路径确定的准确性。
本公开实施例的技术方案,响应于第二类第一子路径包括导航路径的起点和与起点连接的第一关键特征点,将与起点连接的第一关键特征点对应的前驱路径,和与起点连接的第一关键特征点对应的第二关键特征点的前驱路径相匹配;响应于第二类第一子路径包括SD路径的终点和与终点连接的第一关键特征点,将与终点连接的第一关键特征点对应的后继路径,和与终点连接的第一关键特征点对应的第二关键特征点的后继路径相匹配。如此,能够在缺少形点信息的情况下,通过单边约束提高将导航地图下的导航路径转换为高精地图下的高精路径的准确性,从而提高路径转换的准确性。
在一些实施方式中,基于第三类第一子路径的坐标信息和属性信息,得到第三类第二子路径,包括:基于第三类第一子路径的坐标信息和属性信息,以及第三类第二子路径的坐标信息和属性信息,通过预先训练好的匹配模型得到第三类第二子路径。
这里,预先训练好的匹配模型可以是隐马尔可夫模型。
如此,能够在缺少形点信息的情况下,也能通过隐马尔可夫模型将导航地图下的导航路径转换为高精地图下的高精路径,从而提高路径转换的速度。
本公开实施例中,该路径确定方法还可包括:将目标路径发送至自动驾驶车辆,以由自动驾驶车辆结合目标路径生成控制信息,该控制信息用于控制自动驾驶车辆行驶。
在一些实施方式中,将目标路径发送至自动驾驶车辆的感知模块,该感知模块用于基于目标路径生成自动驾驶车辆的控制信息;该控制信息可以包括车辆行驶参数、车辆方向参数等。
在一些实施方式中,将目标路径发送至自动驾驶车辆的决策模块,该决策模块用于基于目标路径生成自动驾驶车辆的控制信息;该控制信息可以包括车辆行驶参数、车辆方向参数、是否停车等。
这里,该目标路径可应用于NOA的换道提醒、人机共驾的算路与诱导等项目。
本公开实施例的技术方案,将目标路径发送至自动驾驶车辆,以由自动驾驶车辆结合目标路径生成用于控制自动驾驶车辆行驶的控制信息。如此,通过高精地图中的目标路径生成控制信息,能提高控制信息的准确性,从而提高自动驾驶车辆的安全性。
本公开实施例中,导航地图和高精地图的来源不同。
示例性地,导航地图由第一对象提供,高精地图由第二对象提供,第一对象和第二对象为两个不同的对象。
本公开实施例的技术方案,不需要地图形点信息,通过关键特征点,即可将导航地图下的导航路径转换为高精地图下的高精路径,有效地避开了异源的导航地图与高精地图无法获得形点信息的问题。由于根据第一关键特征点和第二确定高精地图中与导航路径对应的目标路径,能提高路径转换的速度,缩短车端响应时间,从而有助于提高自动驾驶车辆的安全性。
本公开实施例提供了一种路径确定装置,如图8所示,该路径确定装置可以包括:第一确定模块801,用于确定导航地图中导航路径的第一关键特征点;第二确定模块802,用于基于第一关键特征点对应的属性信息,在高精地图中确定第一关键特征点对应的第二关键特征点;第三确定模块803,用于结合第二关键特征点对应的属性信息,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径;第四确定模块804,用于基于高精地图中与第一子路径相匹配的第二子路径,确定高精地图中与导航路径对应的目标路径。
在一些实施例中,该第二确定模块802,包括:获取子模块,用于基于第一关键特征点对应的属性信息,获取在高精地图中导航路径的预设范围内的路径数据;第一确定子模块,用于基于路径数据确定与导航路径相关的候选关键特征点;第二确定子模块,用于基于与导航路径相关的候选关键特征点,在高精地图中确定第一关键特征点对应的第二关键特征点。
在一些实施例中,该第二确定子模块,用于:基于与导航路径相关的候选关键特征点,确定第一关键特征点对应的候选关键特征点;基于第一关键特征点对应的候选关键特征点,确定第一关键特征点对应的第二关键特征点。
在一些实施例中,该第二确定子模块,还用于:确定第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度;将第一关键特征点对应的相似度大于预设阈值的候选关键特征点,确定为第一关键特征点对应的第二关键特征点。
在一些实施例中,该第二确定子模块,还用于:基于第一关键特征点对应的属性信息,与第一关键特征点对应的候选关键特征点的属性信息,确定第一关键特征点与第一关键特征点对应的候选关键特征点之间的相似度。
在一些实施例中,该属性信息包括以下至少之一:几何信息、前驱路径的道路等级信息、前驱路径的道路类型信息、后继路径的道路等级信息、后继路径的道路类型信息。
在一些实施例中,该第三确定模块803,包括:第三确定子模块,用于针对有两个第二关键特征点匹配的第一类第一子路径,采用双边约束方式在高精地图中确定与第一类第一子路径匹配的第一类第二子路径,第一类第一子路径包括两个相邻的第一关键特征点。该第三确定模块803,包括:第四确定子模块,用于针对有一个第二关键特征点匹配的第二类第一子路径,采用单边约束方式在高精地图中确定与第二类第一子路径匹配的第二类第二子路径,第二类第一子路径包括一个第一关键特征点。该第三确定模块803,包括:第五确定子模块,用于针对无第二关键特征点匹配的第三类第一子路径,基于第三类第一子路径的坐标信息和属性信息,在高精地图中确定与第三类第一子路径匹配的第三类第二子路径,第三类第一子路径包括至少一个第一关键特征点。
在一些实施例中,该第三确定子模块,用于:将第一类第一子路径中的第一个第一关键特征点对应的前驱路径,与第一个第一关键特征点对应的第二关键特征点的前驱路径相匹配;将第一类第一子路径中的第二个第一关键特征点对应的后继路径,与第二个第一关键特征点对应的第二关键特征点的后继路径相匹配;其中,第一个第一关键特征点到第二个第一关键特征点的方向为第一类第一子路径的方向。
在一些实施例中,该第四确定子模块,用于:响应于第二类第一子路径包括导航路径的起点和与起点连接的第一关键特征点,将与起点连接的第一关键特征点对应的前驱路径,和与起点连接的第一关键特征点对应的第二关键特征点的前驱路径相匹配;响应于第二类第一子路径包括导航路径的终点和与终点连接的第一关键特征点,将与终点连接的第一关键特征点对应的后继路径,和与终点连接的第一关键特征点对应的第二关键特征点的后继路径相匹配。
在一些实施例中,该路径确定装置还包括:发送模块(图8中未示出),用于将目标路径发送至自动驾驶车辆,以由自动驾驶车辆结合目标路径生成控制信息,该控制信息用于控制自动驾驶车辆行驶。
在一些实施例中,该导航地图和该高精地图的来源不同。
本领域技术人员应当理解,本公开实施例的路径确定装置中各处理模块的功能,可参照前述的路径确定方法的相关描述而理解,本公开实施例的路径确定装置中各处理模块,可通过实现本公开实施例该的功能的模拟电路而实现,也可以通过执行本公开实施例该的功能的软件在电子设备上的运行而实现。
本公开实施例的路径确定装置,在导航地图和高精地图为异源的情况下,不需要地图形点信息,即可将导航地图下的导航路径转换为高精地图下的高精路径,有效避免了导航地图和高精地图为异源时获取地图形点信息的问题,能提高路径匹配的速度和准确性,从而有助于提高自动驾驶车辆的安全性。
本公开实施例提供了一种路径确定的场景示意图,如图9所示。
如前所述的,本公开实施例提供的路径确定方法应用于电子设备。电子设备旨在表示各种形式的数字计算机,诸如,服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,车端数字助理、车端电话和其它类似的计算装置。
具体地,电子设备可具体执行以下操作:
确定导航地图中导航路径的第一关键特征点;
基于第一关键特征点对应的属性信息,在高精地图中确定第一关键特征点对应的第二关键特征点;
结合第二关键特征点对应的属性信息,在高精地图中确定与导航路径包括的第一子路径相匹配的第二子路径;
基于高精地图中与第一子路径相匹配的第二子路径,确定高精地图中与导航路径对应的目标路径。
其中,导航路径的第一关键特征点均可以从自动驾驶车辆的导航地图获取。导航地图和高精地图可以从自动驾驶车辆连接的地图数据源中获取。该地图数据源可以是各种形式的数据存储设备,例如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。地图数据源还可以表示各种形式的移动装置,诸如,车端数字助理、车端电话和其它类似的计算装置。此外,该地图数据源可以位于车端,也可以位于云端。
应理解,图9所示的场景图仅仅是示意性而非限制性的,本领域技术人员可以基于图9的例子进行各种显而易见的变化和/或替换,得到的技术方案仍属于本公开实施例的公开范围。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和一种自动驾驶车辆。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系,以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(Read-Only Memory,ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(Random Access Memory,RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM1003通过总线1004彼此相连。输入/输出(Input/Output,I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元CPU、图形处理单元(GraphicsProcessing Unit,GPU)、各种专用的人工智能(Artificial Intelligence,AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(Digital Signal Processor,DSP),以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如路径确定方法。例如,在一些实施例中,路径确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的路径确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行路径确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(Field Programmable Gate Array,FPGA)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用标准产品(Application-Specific Standard Products,ASSP)、芯片上系统的系统(System on Chip,SOC)、复杂可编程逻辑设备(Complex Programmable Logic Device,CPLD)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的,或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、快闪存储器、光纤、便捷式紧凑盘只读存储器(Compact Disk Read Only Memory,CD-ROM)、光学储存设备、磁储存设备,或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,阴极射线管(Cathode Ray Tube,CRT)或者液晶显示器(Liquid Crystal Display,LCD)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈,或者触觉反馈);并且可以用任何形式(包括声输入、语音输入,或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器),或者包括中间件部件的计算系统(例如,应用服务器),或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互),或者包括这种后台部件、中间件部件,或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端和服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
- 订单成单路径的确定方法及装置、存储介质、电子设备
- 配送参数的确定方法、确定装置、存储介质和电子设备
- 一种问卷调查对象确定方法、装置、电子设备和存储介质
- 一种车位确定方法、装置、电子设备、车辆及存储介质
- 行业关联度、风险确定方法及装置、存储介质和电子设备
- 超参确定方法、路径规划方法、装置、电子设备和可读存储介质
- 最短路径的确定方法、装置、电子设备和存储介质