一种基于高精度地图交叉路口引导线生成的方法、系统及介质技术方案

本发明专利技术涉及一种基于高精度地图交叉路口引导线生成的方法、系统及介质，该方法包括M1：基于高精度地图的交叉路口信息，获取车道线数据信息和导向箭头数据信息，基于车载摄像头获取交叉路口的图像数据信息；M2：根据交叉路口的图像数据信息，采用K均值聚类算法进行处理，得到导向箭头图像聚类数据集，基于相机坐标系到世界坐标系的转换关系，将导向箭头图像聚类数据集中对应的坐标点转换为世界坐标系的坐标点，输出导向箭头图像数据坐标点信息；M3：基于所述导向箭头图像数据坐标点信息。本发明专利技术解决了原有通过圆弧拟合生成引导线的问题，使曲线的曲率变化连续，用于自动驾驶，会更贴近于真实的驾驶体验。真实的驾驶体验。真实的驾驶体验。

【技术实现步骤摘要】
一种基于高精度地图交叉路口引导线生成的方法、系统及介质


[0001]本专利技术涉及自动驾驶
，尤其是涉及一种基于高精度地图交叉路口引导线生成的方法、系统及介质。

技术介绍

[0002]在真实的道路场景中，完整的道路都印刷有道路区划线来对车辆的行驶范围进行限定，但交叉路口中往往不具备道路区划线，而车辆在行驶的过程中需要引导线来进行引导，高精度地图在将现实道路数字化的过程中，对于没有道路区划线的交叉路口，便需要构造虚拟的数据来进行补充。现有技术将进出路口的引导线通过相切圆的方式进行引导线的生成，采用此方案生成的引导线会出现曲率突然变化的情况，导致在自动驾驶的过程中，进出交叉路口时，会出现方向盘“一步到位”的情况，带给使用者不舒适的现象。

技术实现思路

[0003]鉴于以上问题，本专利技术提出了一种基于高精度地图交叉路口引导线生成的方法、系统及介质，解决了原有通过圆弧拟合生成引导线的问题，使曲线的曲率变化连续，用于自动驾驶，会更贴近于真实的驾驶体验。
[0004]为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：一种基于高精度地图交叉路口引导线生成的方法，包括以下步骤：
[0005]M1：基于高精度地图的交叉路口信息，获取车道线数据信息和导向箭头数据信息，基于车载摄像头获取交叉路口的图像数据信息；
[0006]M2：根据交叉路口的图像数据信息，采用K均值聚类算法进行处理，得到导向箭头图像聚类数据集，基于相机坐标系到世界坐标系的转换关系，将导向箭头图像聚类数据集中对应的坐标点转换为世界坐标系的坐标点，输出导向箭头图像数据坐标点信息；
[0007]M3：基于所述导向箭头图像数据坐标点信息，与所述导向箭头数据信息进行数据融合，得到融合导向箭头数据信息；
[0008]M4：基于融合导向箭头数据信息，获取车辆当前位置的导向箭头各个坐标点的数据信息和道路出口的导向箭头各个坐标点的数据信息，得到n次贝塞尔曲线函数：
[0009]t∈[0,1]，其中n为所取坐标点的个数，pi为第i个坐标点，t为当前量；
[0010]M5：基于n次贝塞尔曲线函数，得到贝塞尔曲线，结合高精度地图，输出交叉路口引导线，车辆根据交叉口引导线行驶出路口。
[0011]进一步的，在步骤M4中，所述得到n次贝塞尔曲线函数包括以下步骤：
[0012]M41：确定坐标点{p1,p2,p3,...,pn}及坐标点的个数为n；
[0013]M42：基于坐标点的个数n，确定当前量t，t的初始值为0，t的范围为[0,1]，t的变化
量d为1/n；
[0014]M43：根据当前量t，若当前量t∈[0,1]则生成曲线，若当前量t大于1时，则返回步骤M3。
[0015]进一步的，所述当前量t更新为当前量t加上变化量d之后的值,即：t＝t+d。
[0016]进一步的，在步骤M2中，所述K均值聚类算法包括以下步骤：
[0017]M21：随机选择所述交叉路口的图像数据信息中的导向箭头图像样本作为初始聚类的中心；
[0018]M22：针对初始化时选择的聚类中心，计算所有图像数据到每个中心的距离，默认欧式距离，将每个图像数据聚集到与其最近的中心的类中，构成聚类结果；
[0019]M23：计算聚类后的类中心，计算每个类的质心，即每个类中样本的均值，作为新的类中心；
[0020]M24：然后重新执行步骤M22—M23，直到聚类结果不再发生改变，输出导向箭头图像聚类数据集。
[0021]进一步的，若第二次聚类结果与第一次聚类结果相同，则聚类停止，得到最终的结果，选择不同的初始中心，会得到不同的聚类结果。
[0022]为了实现上述目的及其他相关目的，本专利技术还提供了一种基于高精度地图交叉路口引导线生成的系统，所述系统包括：图像采集模块，用于交叉路口道路图像的收集；
[0023]数据存储模块，用于图像数据和高精度地图数据的存储；
[0024]数据处理模块，用于图像数据的预处理和数据的融合；
[0025]数据输出模块，用于输出控制指令到车辆控制模块；
[0026]曲线生成模块，用于通过贝塞尔曲线函数，根据不同路口的导向箭头数据生成不同的引导线；
[0027]线路拟合模块，用于高精度地图与贝塞尔曲线进行拟合，输出引导线；
[0028]所述数据输出模块与所述图像采集模块、数据存储模块、数据处理模块、曲线生成模块、线路拟合模块连接。
[0029]进一步的，所述图像采集模块与所述数据存储模块连接，所述数据存储模块与所述数据处理模块连接，所述曲线生成模块与所述线路拟合模块连接。
[0030]进一步的，所述系统还包括高精度地图模块，用于实时输出道路数据信息，与所述数据存储模块连接。
[0031]为了实现上述目的及其他相关目的，本专利技术还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行任意一项所述基于高精度地图交叉路口引导线生成的方法的计算机程序。
[0032]本专利技术具有以下积极效果：
[0033]1.本专利技术解决了原有通过圆弧拟合生成引导线的问题，使曲线的曲率变化连续，用于自动驾驶，会更贴近于真实的驾驶体验。
[0034]2.本专利技术对于高精度地图而言，进出交叉路口的两条引导线需要进行拟合，则很适合采用贝塞尔曲线来进行连接，同时考虑到整个过程曲率变化的连续性。
[0035]3.本专利技术在型点数和用圆弧方式形成的型点数一致的情况下，曲率变化更连续，形成的曲线更平滑。
附图说明
[0036]图1为本专利技术方法流程示意图；
[0037]图2为本专利技术系统框架图。
具体实施方式
[0038]为了更清楚地说明本专利技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0039]实施例1：如图1所示，一种基于高精度地图交叉路口引导线生成的方法，包括以下步骤：
[0040]M1：基于高精度地图的交叉路口信息，获取车道线数据信息和导向箭头数据信息，基于车载摄像头获取交叉路口的图像数据信息；
[0041]M2：根据交叉路口的图像数据信息，采用K均值聚类算法进行处理，得到导向箭头图像聚类数据集，基于相机坐标系到世界坐标系的转换关系，将导向箭头图像聚类数据集中对应的坐标点转换为世界坐标系的坐标点，输出导向箭头图像数据坐标点信息；
[0042]M3：基于所述导向箭头图像数据坐标点信息，与所述导向箭头数据信息进行数据融合，得到融合导向箭头数据信息；
[0043]M4：基于融合导向箭头数据信息，获取车辆当前位置的导向箭头各个坐标点的数据信息和道路出口的导向箭头各个坐标点的数据信息，得到n次贝塞尔曲线函数：
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高精度地图交叉路口引导线生成的方法，其特征在于，包括以下步骤：M1：基于高精度地图的交叉路口信息，获取车道线数据信息和导向箭头数据信息，基于车载摄像头获取交叉路口的图像数据信息；M2：根据交叉路口的图像数据信息，采用K均值聚类算法进行处理，得到导向箭头图像聚类数据集，基于相机坐标系到世界坐标系的转换关系，将导向箭头图像聚类数据集中对应的坐标点转换为世界坐标系的坐标点，输出导向箭头图像数据坐标点信息；M3：基于所述导向箭头图像数据坐标点信息，与所述导向箭头数据信息进行数据融合，得到融合导向箭头数据信息；M4：基于融合导向箭头数据信息，获取车辆当前位置的导向箭头各个坐标点的数据信息和道路出口的导向箭头各个坐标点的数据信息，得到n次贝塞尔曲线函数：其中n为所取坐标点的个数，pi为第i个坐标点，t为当前量；M5：基于n次贝塞尔曲线函数，得到贝塞尔曲线，结合高精度地图，输出交叉路口引导线，车辆根据交叉口引导线行驶出路口。2.根据权利要求1所述的基于高精度地图交叉路口引导线生成的方法，其特征在于：在步骤M4中，所述得到n次贝塞尔曲线函数包括以下步骤：M41：确定坐标点{p1,p2,p3,...,pn}及坐标点的个数为n；M42：基于坐标点的个数n，确定当前量t，t的初始值为0，t的范围为[0,1]，t的变化量d为1/n；M43：根据当前量t，若当前量t∈[0,1]则生成曲线，若当前量t大于1时，则返回步骤M3。3.根据权利要求2所述的基于高精度地图交叉路口引导线生成的方法，其特征在于：所述当前量t更新为当前量t加上变化量d之后的值,即：t＝t+d。4.根据权利要求1所述的基于高精度地图交叉路口引导线生成的方法，其特征在于：在步骤M2中，所述K均值聚类算法包括以下步骤：M21：随机选择所述交叉路口的图像数据信息中的导向箭头图像样本作为初...

【专利技术属性】
技术研发人员：杨彦鼎，李洪波，徐新平，占锐，刘洛川，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：