基于安全角度的高精传感地图的图层的优先级参取方法技术

本发明专利技术公开了一种基于安全角度的高精传感地图的图层的优先级参取方法，包括步骤：S1构建高精地图的多层数据模型并进行归类处理；S2梳理图层间的先后顺序确定基本要素的图层参与形式；S3检查传感器设备的状态，从传感器设备的数据中获取障碍物的点作点距统计，判断点距数据是否有波动变化，若无波动变化则至步骤S6，若有波动变化则至步骤S4；S4判断点距数据是否处于复杂环境，若处于复杂环境中转步骤S5；若处于非复杂环境则至步骤S6；S5根据实时图层加权系数的变化，进行图层优先级控制，并实现高精地图载体预警及控制行为干预，循环该步骤直至离开复杂环境；S6当处于非复杂环境时则进行动态提升高精度地图特征类图层优先级。

【技术实现步骤摘要】
基于安全角度的高精传感地图的图层的优先级参取方法
本专利技术涉及高精地图以及无人控制
，尤其涉及一种基于安全角度的高精传感地图的图层的优先级参取方法。
技术介绍
随着自动驾驶技术的发展，面向特定场景下的自主代客泊车技术有望实现最早的落地。国内外各大车企及无人驾驶科技公司纷纷将其作为发展的重点对象，以期望获得最早的商业应用。是指通过各种传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。高精地图的数据模型由多数据层构成，现阶段在行业以及研究领域上缺乏统一标准，参考较多的是OpenDrive等相关对标的分类以及内容组成的特点。BOSCH公司最早于2007年发布局部动态地图的概念，将高精地图分为4层：静态数据层、半静态数据层、半动态数据层以及动态数据层。也有学者提出“新4层”的概念：静态地图层、实时数据层、动态数据层以及用户模型层，但会面临一些问题，在终端使用层面上会出现例如对芯片占用率过高而降低设备的鲁棒性，并且端到端通讯等方式会存在亢余信息过多、难以对多目标同步优化等问题；在维护升级上，单次更新地图数据的工作量巨大，成本偏高使高精地图的使用场景难以扩大等问题。中国专利技术专利文献（申请号：201811202808.2）公开了一种面向无人驾驶汽车的高精度语义地图制作方法，采用三维激光雷达、GNSS模块、IMU对数据进行采集，处理后的数据包含丰富的语义信息，如车道线、道路边缘和行驶轨迹等，为无人驾驶汽车的局部路径规划提供了数据基础。该技术方案采用的方法并不能保证剔除动态障碍物信息后的数据即为地图信息数据，例如随风摆动的线杆、临时站立的人、浓烈的灰尘等，会出现较大的剔除错误。另外，其生成的地图信息为车辆规划使用的局部地图，并不做全局地图的规划。中国专利技术专利CN201811254199.5号专利公开了一种港口无人驾驶集装箱卡车高精地图生成方法，采用搭载GNSS/IMU设备的有人驾驶卡车，采集港口的道路最左侧道路中心线轨迹，多次重复采集同一条车道的信息，再通过离线数据进行地图的人工绘制，结合卫星地图，根据第一次绘制的轨迹绘制出其他车道的轨迹，然后再编辑道路的其他属性，最终生成港口无人驾驶需要的高精地图。利采用的方法只适合粗略的地图模型建立，人为的依据建立的模型进行生产调度的设计，不适用于复杂环境。因此，需要对高精地图的数据模型做重新划分，通过提高数据类型单元可提取化的方式用于不同级别自动驾驶（L0~L4）的适用能力，有针对的数据层更新提高单次维护效率并降低维护成本；图层优先级保证在不同行驶环境下的安全行驶，对高速行驶条件下障碍物的提前预警。因此，有必要开发一种控制方法在硬件系统有限的条件下提升图层的读取优先级保证整个高精地图载体的鲁棒性的基于安全角度的高精传感地图的图层的优先级参取方法，实现在不同的路况条件下完成高速行驶的预警和自适应控制，提高无人控制载体的使用效率与其安全性。
技术实现思路
本专利技术要解决的技术问题是提供一种控制方法在硬件系统有限的条件下提升图层的读取优先级保证整个高精地图载体的鲁棒性的基于安全角度的高精传感地图的图层的优先级参取方法，实现在不同的路况条件下完成高速行驶的预警和自适应控制，提高无人控制载体的使用效率与其安全性。为了解决上述技术问题，本专利技术采用的技术方案是：该基于安全角度的高精传感地图的图层的优先级参取方法，具体包括以下步骤：S1：构建高精地图的多层数据模型，将多层数据模型进行归类处理，并输入传感器设备的数据；S2：梳理图层间的先后顺序，确定基本要素的图层参与形式；S3：检查传感器设备的状态，从传感器设备的数据中获取障碍物上的点作对应位置的配准和测距，并作点距统计，获得点距数据，并判断点距数据是否有波动变化，若点距数据无波动变化，则转至步骤S6；若点距数据有波动变化，则转至步骤S4；S4：若点距数据有波动变化，则判断点距数据的波动变化是否处于复杂环境，若点距数据的波动变化处于复杂环境中则转至步骤S5，若点距数据的波动变化处于非复杂环境则转至步骤S6；S5：若点距数据的波动变化处于复杂环境中，根据实时图层加权系数的变化，计算资源按实时环境类权重比例分配，进行图层优先级控制，并实现高精地图载体预警及控制行为干预，循环该步骤直至离开复杂环境即完成复杂环境的运行；S6：当处于非复杂环境时则进行动态提升高精度地图特征类图层优先级，实现图层优先级控制以及载体行为控制；若动态提升过程中出现点距统计函数波动变化或高精地图载体处于复杂环境中，则返回步骤S5，并随点距统计函数数值的增大调整载体运行状态，在保证行驶方向路径以及规则的条件下完成复杂环境的运行。采用上述技术方案，将高精地图数据进行归类处理，在保证绝对安全的基础上，通过图层加权系数的方式增加高精地图单一图层的使用权重，在多个高精地图图层叠加的情况下放大实时环境数据的细微波动，加权系数随载体动作以及周围环境变化改变，在不同的路况条件下完成高速行驶的预警和自适应控制，提高无人控制载体的使用效率与其安全性。作为本专利技术的优选技术方案，所述步骤S1中的所述多层数据模型分为三类七层结构，第一类高精地图特征，第二类实时环境，第三类决策传输；所述第一类高精地图特征包括常规路网层、路网细节层和3D特征层，所述第二类实时环境包括宏观动态层和实时环境层；所述第三类决策传输包括深度学习层和决策控制层。作为本专利技术的优选技术方案，所述步骤S2中在高精地图特征类的图层中，常规路网层和路网细节层所使用的频次高，确定高精地图特征类随时间变化的公式为：；其中M(t)表示高精地图特征类随时间变化的类函数，Kp表示在高精地图特征类的图层加权系数，C(t)表示常规路网层的函数，D(t)表示路网细节层的函数。当在实时环境类中，所述宏观动态层包含GPS/北斗导航的数据对接和交通发布信息，在复杂交通环境时为GPS/北斗导航的数据对接；所述实时环境层对接车载感应器端，所述车载感应器端是实时环境的数据采集器，在复杂交通环境中优先级高，确定实时环境类随时间变化的公式为：；其中R(t)表示实时环境类随时间变化的类函数，Kt表示在实时环境类的图层加权系数，H(t)表示宏观动态层的函数，A(t)表示实时环境层的函数。作为本专利技术的优选技术方案，所述步骤S3中作点距统计的公式为：；其中F(x,y)为点距数据，x是对应的经度坐标位置，y是对应的纬度坐标位置；M*M是配准模块，N*N是识别模块，并同时经过L次的低频滤波，K表示灰度，W是图像频谱统计特性函数，W（k,l,x,y）表示识别模块中灰度k与配准l的匹配关系，此时窗口在（x,y）位置，S是加权系数，其选取与W、实时环境、配准模块和H以及识别模块和G的动态取值有关。作为本专利技术的优选技术方案，所述步骤S5中对高精地图图层的动态选取过程中，图层加权系数随传感器数据集以及载体动作变化而改变，对突发状况预警以及放大数据效应本文档来自技高网...

【技术保护点】
1.一种基于安全角度的高精传感地图的图层的优先级参取方法，其特征在于，具体包括以下步骤：/nS1：构建高精地图的多层数据模型，将多层数据模型进行归类处理，并输入传感器设备的数据；/nS2：梳理图层间的先后顺序，确定基本要素的图层参与形式；/nS3：检查传感器设备的状态，从传感器设备的数据中获取障碍物上的点作对应位置的配准和测距，并作点距统计，获得点距数据，并判断点距数据是否有波动变化，若点距数据无波动变化，则转至步骤S6；若点距数据有波动变化，则转至步骤S4；/nS4：若点距数据有波动变化，则判断点距数据的波动变化是否处于复杂环境，若点距数据的波动变化处于复杂环境中则转至步骤S5，若点距数据的波动变化处于非复杂环境则转至步骤S6；/nS5：若点距数据的波动变化处于复杂环境中，根据实时图层加权系数的变化，计算资源按实时环境类权重比例分配，进行图层优先级控制，并实现高精地图载体预警及控制行为干预，循环该步骤直至离开复杂环境即完成复杂环境的运行；/nS6：当处于非复杂环境时则进行动态提升高精度地图特征类图层优先级，实现图层优先级控制以及载体行为控制；若动态提升过程中出现点距统计函数波动变化或高精地图载体处于复杂环境中，则返回步骤S5，并随点距统计函数数值的增大调整载体运行状态，在保证行驶方向路径以及规则的条件下完成复杂环境的运行。/n...

【技术特征摘要】
1.一种基于安全角度的高精传感地图的图层的优先级参取方法，其特征在于，具体包括以下步骤：
S1：构建高精地图的多层数据模型，将多层数据模型进行归类处理，并输入传感器设备的数据；
S2：梳理图层间的先后顺序，确定基本要素的图层参与形式；
S3：检查传感器设备的状态，从传感器设备的数据中获取障碍物上的点作对应位置的配准和测距，并作点距统计，获得点距数据，并判断点距数据是否有波动变化，若点距数据无波动变化，则转至步骤S6；若点距数据有波动变化，则转至步骤S4；
S4：若点距数据有波动变化，则判断点距数据的波动变化是否处于复杂环境，若点距数据的波动变化处于复杂环境中则转至步骤S5，若点距数据的波动变化处于非复杂环境则转至步骤S6；
S5：若点距数据的波动变化处于复杂环境中，根据实时图层加权系数的变化，计算资源按实时环境类权重比例分配，进行图层优先级控制，并实现高精地图载体预警及控制行为干预，循环该步骤直至离开复杂环境即完成复杂环境的运行；
S6：当处于非复杂环境时则进行动态提升高精度地图特征类图层优先级，实现图层优先级控制以及载体行为控制；若动态提升过程中出现点距统计函数波动变化或高精地图载体处于复杂环境中，则返回步骤S5，并随点距统计函数数值的增大调整载体运行状态，在保证行驶方向路径以及规则的条件下完成复杂环境的运行。


2.根据权利要求1所述的基于安全角度的高精传感地图的图层的优先级参取方法，其特征在于，所述步骤S1中的所述多层数据模型分为三类七层结构，第一类高精地图特征，第二类实时环境，第三类决策传输；所述第一类高精地图特征包括常规路网层、路网细节层和3D特征层，所述第二类实时环境包括宏观动态层和实时环境层；所述第三类决策传输包括深度学习层和决策控制层。


3.根据权利要求2所述的基于安全角度的高精传感地图的图层的优先级参取方法，其特征在于，所述步骤S2中在高精地图特征类的图层中，常规路网层和路网细节层所使用的频次高，确定高精地图特征类随时间变化的公式为：

；
其中M(t)表示高精地图特征类随时间变化的类函数，Kp表示在高精地图特征类的图层加权系数，C(t)表示常规路网层的函数，D(t)表示路网细节层的函数；当在实时环境类中，所述宏观动态层包含GPS/北斗导航的数据对接和交通发布信息，在复杂交通环境时为GPS/北斗导航的数据对接；所述实时环境层对接车载感应器端，所述车载感应器端是实时环境的数据采集器，在复杂交通环境中优先级高，确定实时环境类随时间变化的公式为：

；
其中R(t)表示实时环境类随时间变化的类函数，Kt表示在实时环境类的图层加权系数，H(t)表示宏观动态层的函数，A(t)表示实时环境层的函数。


4.根据权利要求2所述的基于安全角度的高精传感地图的图层的优先级参取方法，其特征在于，所述步骤S3中作点距统计的公式为：

；
其中F(x,y)为点距数据，x是对应的经度坐标位置...

【专利技术属性】
技术研发人员：徐忠建，姬炜，曹峰，
申请(专利权)人：速度时空信息科技股份有限公司，
类型：发明
国别省市：江苏;32