基于自动驾驶车辆的车道位置确定方法、设备及存储介质技术

本公开实施例公开了一种基于自动驾驶车辆的车道位置确定方法、设备及存储介质，所述方法包括：获取定位车道的测量数据；根据所述测量数据，确定车道定位向量；将所述车道定位向量作为D‑S证据理论的识别框架，确定所述车道定位向量的信任分配参数；根据所述车道定位向量的信任分配参数以及所述车道定位向量，确定车道定位位置。该技术方案采用证据理论的方法，将所有传感器测量数据作为识别框架，并转换为证据进行融合。此方法区别于常规的卡尔曼滤波和贝叶斯估计，不需要较多的历史数据来获得传感器的先验信息，而且计算较为简便，系统简单，适用于实时数据的融合。

Lane location determination method, equipment and storage medium based on autonomous vehicle

【技术实现步骤摘要】
基于自动驾驶车辆的车道位置确定方法、设备及存储介质
本公开涉及自动驾驶
，具体涉及一种基于自动驾驶车辆的车道位置确定方法、设备及存储介质。
技术介绍
随着汽车智能化技术的发展，智能汽车可以实现自动驾驶。在自动驾驶技术中，获知车辆行驶道路的车道信息(例如车道线位置、车与车道线的距离、车在车道中的位置等)将会给自动驾驶车辆带来极大的辅助，可以提高自动驾驶车辆的行驶安全性。由于自动驾驶车辆行驶环境复杂多变，自动驾驶车辆往往会安装多种传感器对周围环境进行感知，而定位服务是多种传感器的主要目标。目前的定位服务主要采用RTK技术、IMU、激光雷达和视觉进行定位，但每一种定位都存在本身的局限性，例如RTK在有遮挡的情况下，定位精度只能达到分米级甚至是米级，完全无法满足自动驾驶的需要；激光雷达在恶劣天气条件下无法进行定位；视觉定位在昏暗的环境中定位效果很差。因此在对车道进行定位时，首先通过不同传感器对车道信息进行感知，然后通过信息融合的方式，将不同传感器监测到的车道信息融合起来，提高多种环境场景下定位的准确度。因此，如何运用现有的条件对多种传感器本文档来自技高网...

【技术保护点】
1.一种基于自动驾驶车辆的车道位置确定方法，其特征在于，包括：/n获取定位车道的测量数据；/n根据所述测量数据，确定车道定位向量；/n将所述车道定位向量作为D-S证据理论的识别框架，确定所述车道定位向量的信任分配参数；/n根据所述车道定位向量的信任分配参数以及所述车道定位向量，确定车道定位位置。/n

【技术特征摘要】
1.一种基于自动驾驶车辆的车道位置确定方法，其特征在于，包括：
获取定位车道的测量数据；
根据所述测量数据，确定车道定位向量；
将所述车道定位向量作为D-S证据理论的识别框架，确定所述车道定位向量的信任分配参数；
根据所述车道定位向量的信任分配参数以及所述车道定位向量，确定车道定位位置。


2.根据权利要求1所述的方法，其特征在于，所述测量数据包括：车道数量N、车道宽度wi、道路两侧边沿与相邻车道线的距离dl、dr、车道宽度测量误差α1……αN、道路两侧边沿与相邻车道线距离测量误差βl、βr、道路两侧边沿与车辆的距离pl、pr、道路两侧边沿与车辆距离测量误差ωl、ωr、车道线位置q和车道线位置测量误差θ，其中，i＝1,2，……N。


3.根据权利要求2所述的方法，其特征在于，所述根据所述测量数据，确定车道定位向量，包括：
根据车道数量N、车道宽度wi、道路两侧边沿与相邻车道线的距离dl、dr以及道路两侧边沿与车辆的距离pl、pr，确定车道定位向量а1以及车道定位向量а2；
根据车道线位置q，确定车道定位向量а3。


4.根据权利要求3所述的方法，其特征在于，所述将所述车道定位向量作为D-S证据理论的识别框架，确定所述车道定位向量的信任分配参数，包括：
确定车道定位向量的隶属度矩阵U：



其中，ai、aj表示第i个车道定位向量和第j个车道定位向量，i＝1，2，3，j＝1，2，3；
确定道路两侧边沿与车辆的距离pl、pr以及车道线位置q之间的置信距离lij：lij＝‖pi-pj‖，其中，pi＝(u1i，u2i，u3i)、pj＝(u1j，u2j，u3j)；
根据所述置信距离lij确定方均欧氏距离si：



根据所述方均欧氏距离si确定可信度系数ηi，其中，所述可信度系数ηi如下条件：



其中，sth...

【专利技术属性】
技术研发人员：温向明，孟宛玉，路兆铭，王鲁晗，傅彬，王刚，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11