车辆所在路段确定方法和装置、融合定位模块及地图引擎制造方法及图纸

本说明书实施例公开了一种确定车辆所在路段的方法、装置、融合定位模块以及高精度地图引擎。方案可以包括：获取目标车辆在第一时刻的车辆行驶信息；并基于所述车辆行驶信息，确定所述目标车辆在所述第一时刻在地图数据中的备选匹配路段集合；然后对于所述备选匹配路段集合中的各路段，确定所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息；再基于所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息，确定所述目标车辆与所述各路段的匹配概率；最后将所述匹配概率最大值对应的路段，确定为所述目标车辆所在的路段。确定为所述目标车辆所在的路段。确定为所述目标车辆所在的路段。

【技术实现步骤摘要】
车辆所在路段确定方法和装置、融合定位模块及地图引擎


[0001]本申请涉及电子地图
，尤其涉及一种确定车辆所在路段的方法、装置、融合定位模块以及高精度地图引擎。

技术介绍

[0002]随着自动驾驶的兴起，用于将车辆定位数据与地图数据进行匹配的地图匹配(map matcher)技术发挥着越来越重要的作用。
[0003]将传感器数据经过融合定位算法处理后，可以得到一个经纬度定位结果，再将该经纬度定位结果与地图数据进行匹配，可以得到车辆的道路定位信息或车道定位信息。其中，将经纬度定位结果与地图数据进行匹配的过程，即地图匹配过程。
[0004]传统的地图匹配方法，仅依靠车辆的位置信息和航向角信息，来确定车辆在地图数据中所在的路段(link)。但是，在道路场景复杂的情况下，仅仅基于位置信息和航向角信息来进行匹配，匹配的准确性不高。

技术实现思路

[0005]本说明书实施例提供一种确定车辆所在路段的方法、装置、融合定位模块以及高精度地图引擎，以解决现有的将车辆与地图数据中的路段匹配时匹配准确率不高的问题。
[0006]为解决上述技术问题，本说明书实施例是这样实现的：
[0007]本说明书实施例提供的一种确定车辆所在路段的方法，包括：
[0008]获取目标车辆在第一时刻的车辆行驶信息；所述车辆行驶信息包括经纬度信息和行驶方向信息中的至少一者；基于所述车辆行驶信息，确定所述目标车辆在所述第一时刻在地图数据中的备选匹配路段集合；对于所述备选匹配路段集合中的各路段，确定所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息；基于所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息，确定所述目标车辆与所述各路段的匹配概率；将所述匹配概率最大值对应的路段，确定为所述目标车辆所在的路段。
[0009]本说明书实施例提供的一种确定车辆所在路段的装置，包括：
[0010]信息获取模块，用于获取目标车辆在第一时刻的车辆行驶信息；所述车辆行驶信息包括经纬度信息和行驶方向信息中的至少一者；
[0011]备选匹配路段确定模块，用于基于所述车辆行驶信息，确定所述目标车辆在所述第一时刻在地图数据中的备选匹配路段集合；
[0012]匹配度信息确定模块，用于对于所述备选匹配路段集合中的各路段，确定所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息；
[0013]匹配概率确定模块，用于基于所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息，确定所述目标车辆与所述各路段的匹配概率；
[0014]路段确定模块，用于将所述匹配概率最大值对应的路段，确定为所述目标车辆所在的路段。
[0015]本说明书实施例提供的一种融合定位模块，包括前述确定车辆所在路段的装置，所述确定车辆所在路段的装置用于确定车辆在高精地图中的路段位置，辅助进行与车辆其他传感器数据进行交叉验证，实现高精度融合定位，得到车辆的精确位置；所述车辆其他传感器包括惯导、GNSS/RTK、视觉和激光雷达至少其中之一。
[0016]本说明书实施例提供的一种高精度地图引擎，包括：
[0017]前述融合定位模块；
[0018]电子地平线模块，用于接收外部高精车辆位置信息并匹配到地图，提供功能性接口供自动驾驶应用进行规控判断；
[0019]以及，自动驾驶设计运行域判断模块、地图更新模块、众包预处理和回传模块、路径交叉关联模块、车道级路径规划模块中至少一种；
[0020]其中，所述自动驾驶设计运行域判断模块，用于配置自动驾驶区域以及判断要求；
[0021]所述地图更新模块，用于基于车辆位置和规划路径，获得高精度地图的地图数据更新信息；
[0022]所述众包预处理和回传模块，用于通过对UGC视觉矢量数据进行筛选、融合等预处理，回传云端并更新地图数据中心；
[0023]所述路径交叉关联模块，用于由用户发起的全局路径规划结果同步到自动驾驶系统，通过和高精度地图进行交叉关联，获得导航路径在高精度地图上的匹配路径；
[0024]所述车道级路径规划模块，用于根据导航路径匹配及路线修正的结果，输出车道级别，车辆前方一定长度范围内的局部路径规划。
[0025]本说明书一个实施例至少能够达到以下有益效果：通过将车辆行驶过程中的状态看作一串序列，在计算当前时刻车辆与各路段的匹配概率时，参考上一时刻车辆与各路段的匹配概率，由此，提升计算车辆与各路段的匹配概率的准确性，进而提高确定车辆所在路段的匹配结果的准确性。
附图说明
[0026]为了更清楚地说明本说明书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中记载的一些实施例，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他的附图。
[0027]图1为本说明书实施例提供的一种确定车辆所在路段的方法的流程示意图；
[0028]图2为本说明书实施例提供的一个分岔路应用场景的示意图；
[0029]图3为本说明书实施例提供的一个上下层道路应用场景的示意图；
[0030]图4为本说明书实施例提供的另一个分岔路应用场景的示意图；
[0031]图5为本说明书实施例提供的用于预测车辆所在道路的深度学习模型的训练方法的流程示意图；
[0032]图6为本说明书实施例提供的对应于图1的一种确定车辆所在路段的装置的结构示意图；
[0033]图7为本说明书实施例提供的一种高精度地图引擎的结构示意图。
具体实施方式
[0034]为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例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说明书的一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书一个或多个实施例保护的范围。
[0035]应当理解，尽管在本申请文件中可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。
[0036]以下结合附图，详细说明本说明书各实施例提供的技术方案。
[0037]由全球导航卫星系统(Global Navigation Satellite System，GNSS)、惯性测量单元(Inertial Measurement Unit，IMU)等传感器获得传感器数据在经过融合定位算法处理后得到一个经纬度定位结果，然后，可以将该经纬度定位结果与地图数据进行匹配，得到车辆的道路或车道定位信息。其中，将经纬度定位结果与地图数据进行匹配的过程，即地图匹配过程。在将地图数据应用到驾驶导航的过程中，包括将标精地图数据用于车辆导航以及将高精地图数据用于自动驾驶导航等过程，作为定位信息和地图数据之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定车辆所在路段的方法，其特征在于，所述方法包括：获取目标车辆在第一时刻的车辆行驶信息；所述车辆行驶信息包括经纬度信息和行驶方向信息中的至少一者；基于所述车辆行驶信息，确定所述目标车辆在所述第一时刻在地图数据中的备选匹配路段集合；对于所述备选匹配路段集合中的各路段，确定所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息；基于所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息，确定所述目标车辆与所述各路段的匹配概率；将所述匹配概率最大值对应的路段，确定为所述目标车辆所在的路段。2.如权利要求1所述的方法，所述对于所述备选匹配路段集合中的各路段，确定所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息，具体包括：计算所述目标车辆的转移概率和测量概率，基于所述转移概率和所述测量概率，确定所述目标车辆与所述备选匹配路段集合中的目标路段的第一匹配度信息。3.如权利要求2所述的方法，所述计算所述目标车辆的转移概率和测量概率，基于所述转移概率和所述测量概率，确定所述目标车辆与所述备选匹配路段集合中的目标路段的第一匹配度信息，具体包括：对于所述备选匹配路段集合中的目标路段，基于所述目标车辆在所述第一时刻的车辆行驶信息和所述目标车辆在上一时刻的车辆行驶信息，确定所述转移概率；对于所述目标路段，基于所述目标车辆在所述第一时刻的车辆行驶信息以及所述地图数据中所述目标路段的路段属性信息，确定所述测量概率；基于所述转移概率和所述测量概率，确定所述目标车辆与所述目标路段的第一匹配度信息。4.如权利要求2所述的方法，所述车辆行驶信息具体包括经纬度信息，计算所述目标车辆的转移概率，具体包括：基于所述目标车辆在所述第一时刻的经纬度信息和所述目标车辆在上一时刻的经纬度信息，计算所述目标车辆从上一时刻到所述第一时刻的位置变化量；基于所述位置变化量，确定所述目标车辆从上一时刻到所述第一时刻的转移概率；所述转移概率与所述位置变化量负相关。5.如权利要求2所述的方法，所述车辆行驶信息具体包括经纬度信息和行驶方向信息，计算所述目标车辆的测量概率，具体包括：基于所述目标车辆在所述第一时刻的经纬度信息，计算所述目标车辆在所述第一时刻与所述目标路段之间的距离；基于所述距离，确定与所述距离相关的第一概率；所述第一概率与所述距离负相关；计算所述目标车辆在所述第一时刻的车辆行驶方向与所述目标路段的延伸方向之间的角度差值；基于所述角度差值，确定与所述角度差值相关的第二概率；所述第二概率与所述角度差值负相关；基于所述第一概率和所述第二概率，计算测量概率；所述测量概率与所述第一概率正
相关，所述测量概率与所述第二概率正相关。6.如权利要求1所述的方法，所述基于所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息，确定所述目标车辆与所述各路段的匹配概率之前，还包括：对于所述备选匹配路段集合中的目标路段，判断所述目标路段是否为所述目标车辆在上一时刻所在路段的关联路段，得到关联路段判断结果；所述基于所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息，确定所述目标车辆与所述各路段的匹配概率，具体包括：若所述关联路段判断结果表示所述目标路段为所述目标车辆在上一时刻所在路段的关联路段，则获取预设的关联路段权重系数；基于所述目标路段的第一匹配度信息以及所述关联路段权重系数，确定所述目标车辆与所述目标路段的匹配概率。7.如权利要求1所述的方法，所述基于所述目标车辆与所述各路段在所述第一时刻的第一匹配度信息，确定所述目标车辆与所述各路段的匹配概率之前，还包括：判断所述目标车辆当前所处场景是否为预设特定场景；若所述目标车辆当前所处场景为预设特定场景，则采用与所述预设特定场景对应的预先训练的深度学习模型，计算所述备选匹配路段集合中各路段对应的模型概率；所述深度学习模...

【专利技术属性】
技术研发人员：崔晨晨，朱志华，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：