虚拟车道生成方法、装置和存储介质与流程

本申请涉及计算机技术领域，特别是涉及一种虚拟车道生成方法、装置和存储介质。

背景技术：

在自动驾驶中，无人驾驶的车辆会自动确定周围的图像信息，检测前方驾驶的车道，并根据检测到的车道自动地在道路上行驶。

目前大多是采用安装在车内的摄像头采集道路的图像信息，然后对图像信息进行二值化，再通过使用霍夫变换等方法识别出图像中的车道线。但是这种方式采集到的图像信息会受到周围地形、不利的天气条件(例如，雪、雨和雾)和道路状况的限制，从而容易导致车道线识别失败，进而降低无人驾驶的安全性。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够提升无人驾驶安全性的虚拟车道生成方法、装置和存储介质。

一种虚拟车道生成方法，所述方法包括：

确定分段区域的参考车道；

获取所述分段区域的环境信息；

根据所述环境信息确定所述分段区域的车道参数；

基于所述车道参数对所述参考车道进行平移处理，得到目标车道。

在其中一个实施例中，在所述确定分段区域的参考车道之前，还包括：

确定目标区域中道路宽度发生突变的断点；

在所述断点位置对所述目标区域进行分割，得到多个分段区域。

在其中一个实施例中，基于所述车道参数对所述参考车道进行平移处理，得到目标车道之后，包括：

将相邻两个分段区域内的参考车道进行对齐拼接；

根据目标车道相对拼接后参考车道的距离，确定分段区域内目标车道与相邻分段区域内目标车道之间的平行距离；

将所述相邻两个分段区域内平行距离最小的两个目标车道进行拼接，得到所述目标区域内的目标车道。

在其中一个实施例中，根据所述环境信息确定所述分段区域的车道参数包括：

根据所述道路平整度及所述道路弯度，确定所述分段区域的车道宽度；

基于所述道路宽度及所述车道宽度，确定所述分段区域的车道数量。

在其中一个实施例中，还包括：

当所述分段区域存在方向指引标识时，根据所述方向指引标识确定每个目标车道的车道方向；

当不存在所述方向指引标识时，按照预设的不同方向车道的相对位置和数量比例，确定每个目标车道的车道方向。

在其中一个实施例中，在得到目标车道后，还包括：

采集无人车所在分段区域的现场数据；

获取所述分段区域内多个目标车道的车道参数；所述目标车道包括所述无人车所在的当前车道和多个候选车道；

基于所述现场数据确定每个候选车道相对所述无人车的空间距离；

根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价；

控制所述无人车从当前车道变更至所述变道代价符合条件的候选车道。

在其中一个实施例中，所述根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价包括：

获取候选车道的阻塞属性；

根据每个所述候选车道与所述当前车道之间的车道数量，确定变道跨度；

筛选所述阻塞属性及所述变道跨度均符合变道条件的候选车道；

根据所述车道参数及空间距离确定筛选得到的每个候选车道的变道代价。

在其中一个实施例中，所述根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价包括：

确定所述当前车道的车道方向，作为基准方向；

当所述基准方向为第一方向时，获取所述第一方向所对应的映射值，根据所述空间距离及映射值计算每个候选车道的变道代价；

当所述基准方向为第二方向时，根据车道方向确定相应候选车道的变道优先级，根据所述空间距离、映射值及变道优先级计算每个候选车道的变道代价。

一种虚拟车道生成装置，所述装置包括：

参考车道生成模块，用于确定分段区域的参考车道；

车道参数获取模块，用于获取分段区域的环境信息；根据环境信息确定分段区域的车道参数；

目标车道获取模块，用于基于车道参数对所述参考车道进行平移处理，得到目标车道。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

确定分段区域的参考车道；

获取所述分段区域的环境信息；

根据所述环境信息确定所述分段区域的车道参数；

基于所述车道参数对所述参考车道进行平移处理，得到目标车道。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

确定分段区域的参考车道；

获取所述分段区域的环境信息；

根据所述环境信息确定所述分段区域的车道参数；

基于所述车道参数对所述参考车道进行平移处理，得到目标车道。

上述虚拟车道生成方法、装置和存储介质，由于服务器仅需基于车道参数对参考车道进行平移处理，既可得到目标车道，从而可以快速地生成目标车道，进而提升目标车道的生成效率。由于目标车道是对参考车道进行平移后得到的，因此相比于传统的需要基于图像特征对车道线进行识别后，才能生成目标车道，上述的虚拟车道生成方法可以无需识别车道线，即使在恶劣的环境下，也能够生成目标车道，从而提升了目标车道的生成效率，进而提升了自动驾驶的安全性。

附图说明

图1为一个实施例中虚拟车道生成方法的应用场景图；

图2为一个实施例中虚拟车道方法的流程示意图；

图3为一个实施例中参考车道示意图；

图4为一个实施例中目标车道示意图；

图5为一个实施例中分段区域示意图；

图6为一个实施例中分段区域的现场图像；

图7为另一个实施例中分段区域的现场图像；

图8为又一个实施例中分段区域的现场图像；

图9为一个实施例中虚拟车道生成装置的结构框图；

图10为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的虚拟车道生成方法，可以应用于如图1所示的应用环境中。其中，无人车102中内置一个无人车控制模块，或将无人车控制模块集成于服务器104中。无人车102通过网络与服务器104相连。无人车102通过网络与服务器104通过网络进行通信。其中，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。虚拟车道生成方法可以在终端102或服务器104完成，终端102可以采集环境信息后在终端102采用上述虚拟车道生成方法生成虚拟车道。或者终端102采集环境信息后，通过网络将环境信息发送至服务器104，服务器104采用上述虚拟车道生成方法生成虚拟车道。

服务器104获取分段区域的参考车道的位置信息和环境信息，根据环境信息确定每条目标车道的车道宽度和目标车道总数，根据车道宽度和目标车道总数对参考车道进行平移处理，得到至少一条目标车道。然后服务器104将目标车道的位置信息发送至无人车102，以使无人车能够根据目标车道的位置信息，行驶于目标车道上。由于服务器仅需基于车道参数对参考车道进行平移处理，既可得到目标车道，从而可以快速地生成目标车道，进而提升目标车道的生成效率。由于目标车道是对参考车道进行平移后得到的，因此相比于传统的需要基于图像特征对车道线进行识别后，才能生成目标车道，上述的虚拟车道生成方法可以无需识别车道线，即使在恶劣的环境下，也能够生成目标车道，从而提升了目标车道的生成效率，进而提升了自动驾驶的安全性。

在一个实施例中，如图2所示，提供了一种虚拟车道生成方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤202，确定分段区域的参考车道。

其中，目标区域为无人车根据行驶任务，从任务起点行驶至任务终点时所经过的区域；分段区域是指将目标区域进行分割后得到的一段区域；参考车道是由历史路径的位置信息组成的车道；位置信息包括经度信息和纬度信息。

具体地，服务器预先存储有多个目标区域的参考车道。当无人车接收行驶任务时，无人车将行驶任务发送至服务器。服务器接收行驶任务，并根据行驶任务中的任务起点与任务终点确定目标区域，服务器将目标区域划分为至少一个分段区域，并获取分段区域的经度范围与纬度范围，然后根据经度范围与纬度范围，从预先存储的参考车道中提取位于分段区域的经度范围和纬度范围之内的参考车道。

例如，图3为参考车道示意图，其中310为参考车道。当无人车接收行驶任务，并根据行驶任务自主驾驶之前，服务器根据行驶任务判断是否存在与行驶任务对应的参考车道。若不存在与行驶任务对应的参考车道，驾驶人员会驾驶无人车从任务起点行驶至任务终点，此时无人车可以通过定位系统，采集自身在行驶过程中所经过的历史路径的位置信息，并将历史路径的位置信息上传至服务器。服务器接收历史路径的位置信息，然后对历史路径的位置信息进行整理，得到一条历史路径。在得到历史路径后，服务器或基于简单路径优化算法针对历史路径进行优化，最终得到目标区域的参考车道。无人车接收行驶任务后，将行驶任务发送至服务器。服务器根据行驶任务确定分段区域内的参考车道。

又例如，当无人车接收行驶任务，并根据行驶任务自主驾驶之前，驾驶员根据行驶任务在高精度地图中输入任务起点与任务终点。高精度地图根据任务起点与任务终点自动规划出一条行驶路径。服务器获取高精度地图规划出的行驶路径，并通过路径规划算法对行驶路径中进行计算，得到行驶路径的位置信息，然后根据行驶路径的位置信息生成对应的参考车道。无人车接收行驶任务后，将行驶任务发送至服务器。服务器根据行驶任务确定分段区域内的参考车道。

步骤204，获取分段区域的环境信息。

其中，环境信息包括处于分段区域内的道路的平整度，道路的宽度与道路的弯度。

具体地，服务器预先存储有环境信息与位置信息的对应关系。当服务器确定分段区域之后，服务器根据分段区域的位置信息，从预先存储的环境信息中筛选处于分段区域内的环境信息。

例如，无人车的底盘和车厢外设有测距装置，车厢内定位系统。当无人车接收驾驶任务进行自动驾驶之前，驾驶人员驾驶无人车从任务起点行驶至任务终点时，无人车的底盘的测距装置实时测量底盘与地面之间的距离，车厢外的测距装置实时测量道路边沿之间的距离，然后无人车将底盘与地面之间的距离、道路边沿之间的距离和对应的位置信息一起发送至服务器。

服务器接收底盘与地面之间的距离、道路边沿之间的距离和位置信息，并根据位置信息从上传的底盘与地面之间的距离和道路边沿之间的距离中，筛选出处于分段区域内的底盘与地面之间的距离和道路边沿之间的距离。服务器统计筛选后的底盘与地面之间的距离，并对筛选后的底盘与地面之间的距离做均方差计算，将计算后得到的均方差作为分段区域的道路的平整度。服务器统计筛选后的道路边沿之间的距离，并对筛选后的道路边沿之间的距离做均值计算，得到分段区域内的道路边沿之间的距离的平均值，作为分段区域的道路宽度。服务器接收到无人车上传的位置信息后，根据位置信息中的经纬度信息，从上传的位置信息中筛选处于分段区域内的位置信息，然后根据位置信息确定无人车在分段区域内的行驶路径，根据行驶路径的弯度信息确定道路的弯度。服务器得到分段区域内的道路宽度、道路平整度和道路弯度之后，将道路宽度、道路平整度、道路弯度与位置信息对应存储。

又例如，无人车上设置有摄像头和定位系统，当无人车通过定位系统确定处于分段区域时，无人车通过摄像头采集前方的至少一张道路图像，并将道路图像与位置信息发送至服务器，服务器接收道路图像和位置信息，并从道路图像中确定分段区域的道路宽度、道路平整度与道路弯度，然后将道路宽度、道路平整度、道路弯度与位置信息对应存储。

步骤206，根据环境信息确定分段区域的车道参数。

其中，车道参数包括车道宽度和车道数量。

具体地，当服务器获取到分段区域的道路平整度与道路弯度后，服务器对道路弯度与道路平整度进行加权计算，得到环境值。服务器根据环境值确定车道的宽度。例如服务器判断环境值是否大于环境阈值，当环境值大于环境阈值时，可以认为分段区间内的道路是一条弯曲且不平整的道路，由于无人车的横向运动幅度越大，无人车的行驶越不安全，为了保证无人车的行车安全，服务器将车道宽度确定为0.1倍车宽；当环境值小于环境阈值时，可以认为分段区间内的道路为一条平整的直道，此时服务器将车道宽度设置为0.5倍车宽。服务器获取分段区间内的道路宽度，将道路宽度除以车道宽度后减去一，得到分段区间的车道数量。

步骤208，基于车道参数对参考车道进行平移处理，得到目标车道。

具体地，图4为目标车道示意图，其中410为参考车道，420为目标车道。服务器根据车道宽度和车道数量，对参考车道进行平移处理，得到至少一条如图4所示的目标车道。

例如，服务器根据高精度地图确定道路边沿的位置信息，然后根据道路边沿的位置信息与参考车道的位置信息计算参考车道距离左边沿的横向距离，将横向距离除以车道宽度得到需要在参考车道的左侧平移的车道的数量，将车道数量减去位于参考车道左侧的车道数量，得到位于参考车道右侧的车道数量，从而能够根据参考车道左右两边的目标车道的数量平移参考车道。

又例如，无人车上装有测距装置与定位系统。无人车测量道路宽度的同时收集道路的边沿的位置信息，并将道路边沿的位置信息上报至服务器。服务器根据位置信息计算参考车道距离道路边沿的横向距离，根据横向距离确定参考车道左右两边的目标车道的数量，从而根据参考车道左右两边的目标车道的数量平移参考车道。

本实施例中，根据分段区域的环境信息，可以确定分段区域的车道参数；根据车道参数，可以对参考车道进行平移处理，得到目标车道。由于服务器仅需根据车道参数对参考车道进行平移处理，即可得到目标车道，从而可以快速地生成目标车道，进而提升目标车道的生成效率。由于目标车道是对参考车道进行平移后得到的，因此相比于传统的需要基于图像特征对车道线进行识别后，才能生成目标车道，上述的虚拟车道生成方法可以无需识别车道线，即使在恶劣的环境下，也能够生成目标车道，从而提升了目标车道的生成效率，进而提升了自动驾驶的安全性。

在一个实施例中，在确定分段区域的参考车道之前还包括：确定目标区域中道路宽度发生突变的断点；在断点位置对目标区域进行分割，得到多个分段区域。

具体地，图5是本实施例提供的分段区域示意图，其中510为断点位置，520为分段区。服务器获取处于目标区域中的道路的宽度信息，根据宽度信息确定道路宽度发生突变的断点位置，服务器根据断点位置分割目标区域，得到多个分段区域。例如，无人车上具有测距装置和定位系统。无人车在行驶的过程中，按照预设频率测量目标区域中的道路的宽度，并将道路的宽度与道路边沿的位置信息上传至服务器。服务器接收道路的宽度和位置信息，将相邻两个宽度值中的后序宽度值减去前序宽度值得到宽度差值。服务器判断宽度差值是否大于阈值，当宽度差值大于阈值时，服务器判断宽度差值是否大于零，若宽度差值大于零，可以认为目标区域中的道路宽度正在由窄变宽，此时服务器获取后序宽度对应的位置信息，并根据位置信息将后序断点所处的位置确定为断点位置；若宽度差值小于零，可以认为目标区域中的道路宽度正在由宽变窄，此时服务器将前序宽度对应的位置确定为断点位置，然后服务器根据断点位置分割目标区域，得到多个分段区域。

又例如，服务器从高精度地图中获取目标区域的道路宽度，并从目标区域的道路宽度中确定宽度突变的位置，作为断点位置，根据断点位置分割目标区域，得到多个分段区域。

本实施例中，服务器可以根据道路的宽度突变点，将目标区域分割为多个分段区域，使得后续服务器可以根据分段区域的特征有针对性地生成目标车道。

在一个实施例中，该方法还包括：将相邻两个分段区域内的参考车道进行对齐拼接；根据目标车道相对拼接后参考车道的距离，确定分段区域内目标车道与相邻分段区域内目标车道之间的平行距离；将相邻两个分段区域内平行距离最小的两个目标车道进行拼接，得到目标区域内的目标车道。

具体地，服务器在得到分段区域的目标车道后，可以将各分段区域内的目标车道进行拼接。具体为，服务器首先将相邻两个分段区域的参考车道进行拼接，得到拼接后的参考车道。然后服务器分别获取相邻两个分段区域中的目标车道，并计算相邻两个分段区域内的每个目标车道距参考车道的平行距离。例如，将位于参考车道左边的目标车道距参考车道的距离设定为正值，将位置参考车道右边的目标车道距参考车道的平行距离设定为负值。服务器获取相邻两个分段区域中每个目标车道距离参考车道的平行距离，并将前序分段区域内的每个目标车道距离参考车道的平行距离，减去后序分段区域内的每个目标车道距离参考车道的平行距离，得到前序分段区间内目标车道与后序分段区域内目标车道之间的平行距离。服务器将相邻两个分段区域内平行距离最小的两个目标车道进行拼接，得到目标区域内的目标车道。

例如，服务器首先将相邻两个分段区域的参考车道进行拼接，得到拼接后的参考车道。服务器绘制相邻两个分段区域中前序分段区域内每个目标车道的延长线，并计算后序分段区域内每个目标车道距每个延长线的横向距离，然后服务器将横向距离最小的两个目标车道进行拼接，得到目标区域内的目标车道。

本实施例中，通过首先根据参考车道对相邻两个分段区域进行拼接，从而为后续的目标车道的拼接设定了一个基准，使得后续可以准确地拼接目标车道；由于相邻两个分段区域内的目标车道的数量、位置可能不同，因此通过获取相邻两个分段区域内的目标车道之间平行距离，即可拼接相邻两个分段区域内的目标车道，从而使得无人车可以在目标区域的目标车道中流畅行驶。

在一个实施例中，根据环境信息确定分段区域的车道参数包括：根据道路平整度及道路弯度，确定分段区域的车道宽度；基于道路宽度及车道宽度，确定分段区域的车道数量。

具体地，在确定分段区域的车道宽度之前，驾驶员收集大量道路的平整度和弯度信息，并驾驶无人车在对应道路上以0.1倍车宽作为车道宽度开始变道，驾驶员记录以当前的车道宽度进行变道时，车辆的平稳驾驶度，若无人车能够在当前车道宽度下进行平稳变道，则驾驶员增大车道宽度，并驾驶无人车以增大后的车道宽度进行变道，直至无人车在增大后的车道宽度下不能平稳变道，此时驾驶员记录不能平稳变道时所对应的车道宽度。例如，驾驶人员收集到道路a的平稳度为20、弯度为30，驾驶员驾驶无人车在道路a上横向移动0.1倍车宽，驾驶员判断横向移动0.1倍车宽时，无人车是否能够平稳驾驶，若无人车能够平稳移动，驾驶员横向移动0.2倍车宽，若无人车在0.2倍车宽的情况下不能平稳驾驶时，驾驶员记录道路a的最大横向移动宽度为0.2倍车宽。驾驶员将道路的平整度、弯度和最大横向移动宽度上传至服务器，例如将道路a的平稳度为20、弯度为30与最大横向移动宽度为0.2倍车宽上传至服务器。服务器接收道路的平整度、弯度和最大横向移动宽度，并根据道路的平整度、弯度和最大横向移动宽度计算平整度与弯度对最大横向移动宽度的影响力，分别得到平整度与弯度的权值。根据平整度与弯度的权值，服务器对道路弯度与道路平整度进行加权计算，得到环境值，当环境值大于阈值时，服务器将车道宽度确定为0.1倍车宽，当环境值小于阈值时，服务器将车道宽度设置为0.5倍车宽。服务器获取分段区间内的道路宽度，将道路宽度除以车道宽度后减去一，得到分段区间的车道数量。

本实施例中，通过对大量的道路的平整度和弯度进行分析，可以得到平整度与弯度对车道宽度的重要程度，从而可以根据平整度与弯度对车道宽度的重要程度准确地计算得到车道宽度，进而可以根据车道宽度确定车道数量。

在一个实施例中，该方法还包括：当分段区域存在方向指引标识时，根据方向指引标识确定每个目标车道的车道方向；当不存在方向指引标识时，按照预设的不同方向车道的相对位置和数量比例，确定每个目标车道的车道方向。

其中，车道参数包括车道的方向；方向指引标识为设置在道路上方用于指示车道的行驶方向的标识牌，或直接画在道路上用于指示车道的行驶方向的图标。

具体地，当生成分段区域的目标车道后，服务器根据现场图像确定该分段区域是否存在方向指引标识，若存在方向指引标识时，服务器根据方向指引标识将分段区域的道路划分为正向区域、逆向区域与中间区域，例如，根据现场图像得知分段区域的道路为四车道，根据道路的宽度计算得知每个真实车道的车道宽度，然后基于车道宽度，确定正向区域、逆向区域与中间区域的经纬度范围。服务器确定正向区域的经纬度范围，逆向区域的经纬度范围和中间区域的经纬度范围，然后将位于正向区域内的目标车道确定为正向车道，将位于逆向区域内的目标车道确定为逆向车道，将位于中间区域内的目标车道确定为中间车道。若不存在方向指引时，服务器将位于参考车道右边的目标车道确定为正向车道，将位于参考车道左边，且离参考车道最近的目标车道确定为中间车道，将剩余的目标车道确定为逆向车道。若参考车道的右边只有一条目标车道时，则不设置中间车道。

本实施例中，在存在方向指引标识的情况下，通过简单的方向指引标识识别即可确定目标车道的车道方向，从而提高了车道方向设定的效率；在不存在方向指引标识的情况下，依旧可以根据不同方向车道的相对位置和数量确定目标车道的车道方向，从而提高了车道方向设定的效率。

在一个实施例中，该方法还包括：采集无人车所在分段区域的现场数据；获取分段区域内多个目标车道的车道参数；目标车道包括无人车所在的当前车道和多个候选车道；基于现场数据确定每个候选车道相对无人车的空间距离；根据车道参数及空间距离确定每个候选车道对应的变道代价；控制无人车从当前车道变更至变道代价符合条件的候选车道。

其中，现场数据包括无人车所在位置信与各目标车道上的障碍物的位置信息；空间距离包括候选车道距无人车所在的当前车道的横向距离、候选车道上的障碍物距无人车的纵向距离；变道代价为反映无人车从当前车道变道至候选车道的可行性。变道代价值越大，表示变道至候选车道的可行性越小。

具体地。无人车上安装有摄像头、测距装置与定位系统。无人车行驶在分段区域的过程中通过摄像头、测距装置与定位系统以特定的频率采集预设范围内的现场数据，并将采集到的现场数据发送至服务器。例如，通过定位系统采集自身所在的位置信息，通过摄像头与测距装置，采集各距离无人车前方20米，后方10米内的目标车道上的障碍物的位置信息。服务器接收到无人车发送的现场数据后，从现场数据中提取出无人车所在的位置信息，然后根据无人车的位置信息确定无人车所在的分段区域。服务器获取处于分段区域内的多个目标车道，并确定处于分段区域内的多个目标车道的车道方向。

服务器从现场数据中提取障碍物的位置信息，根据障碍物的位置信息判断障碍物是否处于候选车道上，若障碍物不处于候选车道，服务器获取障碍物与候选车道的横向距离，并将障碍物的位置平移至横向距离最小的候选车道上。服务器获取无人车的位置信息，根据位置信息确定平移后的障碍物所在的候选车道距无人车所在的当前车道之间的横向距离。服务器将无人车的位置信息从当前车道平移至障碍物所在车道，根据平移后的无人车的位置信息与平移后的障碍物的位置信息确定候选车道上的障碍物距无人车的纵向距离。

服务器获取到每个候选车道的方向、候选车道与无人车所在的当前车道的横向距离和候选车道上的障碍物距无人车的纵向距离后，然后根据候选车道的方向、候选车道与无人车所在的当前车道的横向距离和候选车道上的障碍物距无人车的纵向距离计算变道至每个候选车道的变道代价，例如，可进行加权计算。服务器筛选变道代价小于阈值的候选车道，并控制无人车从当前车道变道至筛选后的候选车道。

本实施例中，由于服务器是根据车道参数与空间距离确定应变更的车道，因此相比于传统的根据与障碍车或障碍物的距离来判别应该在哪里变道，上述的无人车的变道方法可以根据现场信息选择应变更的车道，从而提升了变道的灵活性。

在一个实施例中，根据车道参数及空间距离确定每个候选车道对应的变道代价包括：获取候选车道的阻塞属性；根据每个候选车道与当前车道之间的车道数量，确定变道跨度；筛选阻塞属性及变道跨度均符合变道条件的候选车道；根据车道参数及空间距离确定筛选得到的每个候选车道的变道代价。

其中，阻塞属性为反映表示车道畅通或阻塞的程度的信息。

具体地，当服务器获取到障碍物的位置信息后，服务器根据障碍物的位置信息与无人车的位置信息确定障碍物距无人车的纵向距离，当纵向距离小于距离阈值时，可以认为无人车无法正常变道至该候选车道，服务器将此候选车道判定为不可变道的候选车道。

服务器根据障碍物的位置信息与无人车的位置信息确定障碍物距无人车的横向距离，根据横向距离与车道宽度计算候选车道与无人车所在的当前车道之间的车道数量，当候选车道与无人车所在的当前车道之间的车道数量大于车道阈值时，服务器将此候选车道判断为不可变道车道。服务器从候选车道中筛选出可以变道的候选车道，并获取可变道的候选车道方向、候选车道与无人车所在的当前车道的横向距离和候选车道上的障碍物距无人车的纵向距离，然后根据候选车道的方向、候选车道与无人车所在的当前车道的横向距离和候选车道上的障碍物距无人车的纵向距离计算变道至每个可变道的候选车道的变道代价，例如，可进行加权计算。服务器筛选变道代价小于代价阈值的候选车道，并控制无人车从当前车道变道至筛选后的候选车道。

例如，由于无人车变道至逆向车道的风险比变道至正向车道或中间车道的风险大，因此服务器设定的逆向车道的距离阈值大于正向或中间车道的距离阈值，如当障碍物位于逆向车道，且障碍物距无人车的纵向距离小于15米时，可以判断此候选车道为不可变道的候选车道，当障碍物位于正向车道或中间车道，且障碍物距无人车的纵向距离小于10米时，可以判断此候选车道为不可变道的候选车道。图6为分段区域的现场图像，其中610为正向车道，620为中间车道，630为逆向车道。由图6可知，逆向车道上均有障碍物，且障碍物距离无人车的纵向距离均小于15米，因此全部逆向车道均为不可变道的候选车道。设定车道阈值为3个车道宽度，无人车所在的当前车道为4号车道，删除横向距离大于3个车道的候选车道后，此时符合变道条件的候选车道为1号、2号、3号、5号、6号与7号车道。服务器根据1号、2号、3号、5号、6号与7号车道的车道参数与空间距离，计算1号、2号、3号、5号、6号与7号车道的变道代价。

本实施例中，通过引入多个因素计算变道代价，可体现出各种因素对变道决策的影响；由于先根据阻塞属性及变道跨度从候选车道中筛选出符合变道要求的候选车道后，才计算筛选得到的每个候选车道的变道代价，使得服务器不必针对每一条候选车道都进行变道代价的计算，从了节约了计算资源，进而提升了变道代价的计算效率。

在一个实施例中，根据车道参数及空间距离确定每个候选车道对应的变道代价包括：确定当前车道的车道方向，作为基准方向；当基准方向为第一方向时，获取第一方向所对应的映射值，根据空间距离及映射值计算每个候选车道的变道代价；当基准方向为第二方向时，根据车道方向确定相应候选车道的变道优先级，根据空间距离、映射值及变道优先级计算每个候选车道的变道代价。

具体地，服务器获取无人车所在的当前车道的车道方向，并判断当前车道的车道方向是否为第一方向，例如判断无人车是否处于中间车道或正向车道。若无人车所在的当前车道的车道方向为第一方向时，服务器根据预设的映射关系确定第一方向的映射值，然后，服务器对候选车道距无人车所在的当前车道的横向距离、候选车道上的障碍物距无人车的纵向距离和映射值进行计算，得到候选车道的变道代价，例如对候选车道距无人车所在的当前车道的横向距离、候选车道上的障碍物距无人车的纵向距离和映射值进行加权计算。

例如，如图7所示的无人车现场图像，无人车所在的当前车道为4号车道，且4号车道的车道方向为正向车道。当无人车上的测距装置检测发现前方8米内有障碍物时，无人车根据检测发现生成提示消息，并提示消息发送至服务器。服务器接收提示消息，根据提示消息生成变道指令。具体为，设定车道方向为正向车道或中间车道时，对应的映射值为负1，车道方向为逆向车道时，对应的映射值为1；当无人车所在的当前车道的车道方向为正向车道时，预设的变道代价计算公式为f＝k1e^cost1+k2e^cost2+k3e^cost3，其中k1、k2与k3为权值，cost1代表候选车道距无人车所在的当前车道的横向距离，cost2代表候选车道上的障碍物距无人车的纵向距离，cost3代表映射值，候选车道的f值越大，表示越不容易变更至此候选车道上。服务器根据变道代价公式依次计算每个候选车道的变道代价，并控制无人车变更至符合变道条件的7号或8号候选车道上。

具体地，当无人车所在的当前车道的车道方向为第二方向时，例如，为逆向车道时，服务器根据预设的行车习惯确定每个候选车道的优先级，然后根据优先级获取对应的优先值，例如服务器中具有优先级与优先值的对应关系，根据对应关系即可确定每个候选车道的优先值。然后，服务器对空间距离、映射值和优先值进行计算，得到候选车道的变道代价。

例如，如图8所示的无人车现场图像，无人车所在的当前车道的车道方向为逆向车道，此时预设的变道代价计算公式为f＝k1e^cost1+k2e^cost2+k3e^cost3+k4e^cost4，其中k1、k2、k3与k4为权值，cost1代表候选车道距无人车所在的当前车道的横向距离，cost2代表候选车道上的障碍物距无人车的纵向距离，cost3代表映射值，cost4代表优先值，候选车道的f值越大，表示越不容易变更至此候选车道上。设定行车习惯为靠右行驶，服务器根据行车习惯将逆向车道的优先级设为低，中间车道的优先级设为中，将正向车道的优先级设为高，然后根据优先级与优先值的对应关系确定每个候选车道的优先值。当获取到候选车道的优先值后，服务器根据变道代价公式依次计算每个候选车道的变道代价，并控制无人车变更至符合变道条件的9号车道上。

本实施例中，通过将车道方向的映射值引入变道代价计算公式中，可以减少无人车变道至不符合行车习惯的车道上，如当行车习惯为向右行车时，可以减少无人车变道至逆向车道的概率，从而可以让无人车的变道更加符合情景逻辑和行车习惯。由于无人车行驶在逆向车道的危险性大于行驶在正向车道或中间车道，因此通过将优先值引入变道代价计算公式中，可以促使处于逆向车道的无人车变道至更安全的正向车道或逆向车道，从而提升了无人车驾驶的安全性。

上述公式中的k1、k2、k3与k4可以根据调试结果确定，也可依据具体情况确定。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。

应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图9所示，提供了一种虚拟车道生成装置，包括：参考车道生成模块901、车道参数获取模块902和目标车道获取模块903，其中：

参考车道生成模块901，用于确定分段区域的参考车道；

车道参数获取模块902，用于获取分段区域的环境信息；根据环境信息确定分段区域的车道参数；

目标车道获取模块903，用于基于车道参数对参考车道进行平移处理，得到目标车道。

在一个实施例中，该装置还包括分段区域获取模块904，用于确定目标区域中道路宽度发生突变的断点；在断点位置对目标区域进行分割，得到多个分段区域。

在一个实施例中，该装置还包括目标车道拼接模块905，用于将相邻两个分段区域内的参考车道进行对齐拼接；根据目标车道相对拼接后参考车道的距离，确定分段区域内目标车道与相邻分段区域内目标车道之间的平行距离；将相邻两个分段区域内平行距离最小的两个目标车道进行拼接，得到目标区域内的目标车道。

在一个实施例中，车道参数获取模块902还包括参数确定模块9021，用于根据道路平整度及道路弯度，确定分段区域的车道宽度；基于道路宽度及车道宽度，确定分段区域的车道数量。当分段区域存在方向指引标识时，根据方向指引标识确定每个目标车道的车道方向；当不存在方向指引标识时，按照预设的不同方向车道的相对位置和数量比例，确定每个目标车道的车道方向。

在一个实施例中，该装置还包括变道模块906，用于采集无人车所在分段区域的现场数据；获取分段区域内多个目标车道的车道参数；目标车道包括无人车所在的当前车道和多个候选车道；基于现场数据确定每个候选车道相对无人车的空间距离；根据车道参数及空间距离确定每个候选车道对应的变道代价；控制无人车从当前车道变更至变道代价符合条件的候选车道。

在一个实施例中，变道模块906还包括变道代价计算模块9061，用于获取候选车道的阻塞属性；根据每个候选车道与当前车道之间的车道数量，确定变道跨度；筛选阻塞属性及变道跨度均符合变道条件的候选车道；确定当前车道的车道方向，作为基准方向；当基准方向为第一方向时，获取第一方向所对应的映射值，根据空间距离及映射值计算符合变道条件的候选车道的变道代价；当基准方向为第二方向时，根据车道方向确定相应候选车道的变道优先级，根据空间距离、映射值及变道优先级计算符合变道条件的候选车道的变道代价。

关于虚拟车道生成装置的具体限定可以参见上文中对于虚拟车道生成方法的限定，在此不再赘述。上述拟车道生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种拟车道生成方法。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

确定分段区域的参考车道；

获取分段区域的环境信息；

根据环境信息确定分段区域的车道参数；

基于车道参数对参考车道进行平移处理，得到目标车道。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：在所述确定分段区域的参考车道之前，

确定目标区域中道路宽度发生突变的断点；

在断点位置对目标区域进行分割，得到多个分段区域。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：在基于车道参数对参考车道进行平移处理，得到目标车道之后，

将相邻两个分段区域内的参考车道进行对齐拼接；

根据目标车道相对拼接后参考车道的距离，确定分段区域内目标车道与相邻分段区域内目标车道之间的平行距离；

将相邻两个分段区域内平行距离最小的两个目标车道进行拼接，得到目标区域内的目标车道。

在一个实施例中，环境信息包括道路宽度、道路平整度和道路弯度；所述车道参数包括车道宽度和车道数量；处理器执行计算机程序时还实现以下步骤：

根据道路平整度及道路弯度，确定分段区域的车道宽度；

基于道路宽度及车道宽度，确定分段区域的车道数量。

在一个实施例中，车道参数包括车道方向；处理器执行计算机程序时还实现以下步骤：

当分段区域存在方向指引标识时，根据方向指引标识确定每个目标车道的车道方向；

当不存在方向指引标识时，按照预设的不同方向车道的相对位置和数量比例，确定每个目标车道的车道方向。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：在得到目标车道后，

采集无人车所在分段区域的现场数据；

获取分段区域内多个目标车道的车道参数；目标车道包括无人车所在的当前车道和多个候选车道；

基于现场数据确定每个候选车道相对无人车的空间距离；

根据车道参数及空间距离确定每个候选车道对应的变道代价；

控制无人车从当前车道变更至变道代价符合条件的候选车道。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取候选车道的阻塞属性；

根据每个候选车道与当前车道之间的车道数量，确定变道跨度；

筛选阻塞属性及变道跨度均符合变道条件的候选车道；

根据车道参数及空间距离确定筛选得到的每个候选车道的变道代价。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

确定当前车道的车道方向，作为基准方向；

当基准方向为第一方向时，获取第一方向所对应的映射值，根据空间距离及映射值计算每个候选车道的变道代价；

当基准方向为第二方向时，根据车道方向确定相应候选车道的变道优先级，根据空间距离、映射值及变道优先级计算每个候选车道的变道代价。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

确定分段区域的参考车道；

获取分段区域的环境信息；

根据环境信息确定分段区域的车道参数；

基于车道参数对参考车道进行平移处理，得到目标车道。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在所述确定分段区域的参考车道之前，

确定目标区域中道路宽度发生突变的断点；

在断点位置对目标区域进行分割，得到多个分段区域。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在基于车道参数对参考车道进行平移处理，得到目标车道之后，

将相邻两个分段区域内的参考车道进行对齐拼接；

根据目标车道相对拼接后参考车道的距离，确定分段区域内目标车道与相邻分段区域内目标车道之间的平行距离；

将相邻两个分段区域内平行距离最小的两个目标车道进行拼接，得到目标区域内的目标车道。

在一个实施例中，所述环境信息包括道路宽度、道路平整度和道路弯度；所述车道参数包括车道宽度和车道数量；计算机程序被处理器执行时还实现以下步骤：

根据道路平整度及道路弯度，确定分段区域的车道宽度；

基于道路宽度及车道宽度，确定分段区域的车道数量。

在一个实施例中，车道参数包括车道方向；计算机程序被处理器执行时还实现以下步骤：

当分段区域存在方向指引标识时，根据方向指引标识确定每个目标车道的车道方向；

当不存在方向指引标识时，按照预设的不同方向车道的相对位置和数量比例，确定每个目标车道的车道方向。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在得到目标车道后，

采集无人车所在分段区域的现场数据；

获取分段区域内多个目标车道的车道参数；目标车道包括无人车所在的当前车道和多个候选车道；

基于现场数据确定每个候选车道相对无人车的空间距离；

根据车道参数及空间距离确定每个候选车道对应的变道代价；

控制无人车从当前车道变更至变道代价符合条件的候选车道。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取候选车道的阻塞属性；

根据每个候选车道与当前车道之间的车道数量，确定变道跨度；

筛选阻塞属性及变道跨度均符合变道条件的候选车道；

根据车道参数及空间距离确定筛选得到的每个候选车道的变道代价。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

确定当前车道的车道方向，作为基准方向；

当基准方向为第一方向时，获取第一方向所对应的映射值，根据空间距离及映射值计算每个候选车道的变道代价。

当基准方向为第二方向时，根据车道方向确定相应候选车道的变道优先级，根据空间距离、映射值及变道优先级计算每个候选车道的变道代价。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。