1.一种实时感知信息与自动驾驶地图的融合方法,其特征在于包括以下步骤:
1)进行地图匹配定位,给出自车在地图坐标系中的位置,并明确自车坐标系与地图坐标系间的关系;
2)确定障碍物与地图中道路的关系;
实时感知到的障碍物信息,根据与道路的关系分为三类:道路内目标、道路外目标和道路边界目标;其中,道路内目标,应确认其所位于的车道;根据地图匹配定位时给出的自车坐标系与地图坐标系的关系,将障碍物信息与地图信息进行比对,得到障碍物与道路关系;
障碍物与地图中道路的关系分为两种情况:
2.1)三维传感器检测到的障碍物:这类传感器能直接检测得到障碍物在自车坐标系内的运动状态,利用自车坐标系与地图坐标系之间的关系,将障碍物位置转移到地图上,从而与地图进行比对;
2.2)单目视觉传感器在图像平面内检测到的障碍物:这种传感器得到的是地图坐标系在图像坐标系上的平面投影,通过标定矩阵,将地图中的道路边界和车道线投影到图像中,再与图像中的障碍物进行对比,判断障碍物与道路关系,并得到障碍物所在的车道;
3)可行驶区域融合与边界状态分析;
4)将步骤2)、步骤3)与地图本身的静态环境信息相结合,实现感知结果的集成输出。
2.如权利要求1所述融合方法,其特征在于:所述步骤2)中,利用地图匹配定位结果,将实时感知到的障碍物转到地图坐标系中,以障碍物为目标,根据道路边界对目标进行筛选,对道路边界内部的目标,判断其位于哪个车道,并明确其与该车道的关系,得到融合地图信息后的动静态目标。
3.如权利要求1所述融合方法,其特征在于:所述障碍物与道路的关系按下式计算:
式中,
4.如权利要求3所述融合方法,其特征在于:若未观测到障碍物形状,则按照其位置,计算到车道线的距离;若观测到障碍物形状,则针对包围盒各顶点计算到车道线距离,若符号全部相同,则取数值上最小者;若符号不完全相同,则取为0,如下式所示:
式中,d为点到直线距离函数,l为车道线,p为障碍物位置,vi为障碍物顶点,i的取值范围为1至n的整数,n为障碍物顶点数。
5.如权利要求4所述融合方法,其特征在于:对道路内目标判断其所位于的车道时,逐一检查各车道,以给定车道的左右边界代替公式(1)中的道路左右边界,即可判断目标是否位于该车道,直至找到某条车道,使该目标位于此车道边界内或边界上;
对于道路内目标,进一步计算出其与该车道的关系:根据障碍物朝向与车道线朝向,判断障碍物朝向相对于车道中心线朝向的偏转角;根据障碍物位置、形状与车道线,利用公式(2)计算其到左右车道线的距离。
6.如权利要求1所述融合方法,其特征在于:将地图中的道路边界和车道线投影到图像中,公式为:
式中,
7.如权利要求1至6任一项所述融合方法,其特征在于:所述步骤3)中,针对可行驶区域,将实时感知得到的可行驶区域与地图提供的可行驶区域进行融合,并根据实时感知障碍物信息,分段判断可行驶区域边界的状态,得到边界语义以及速度信息。
8.如权利要求7所述融合方法,其特征在于:通过激光雷达或视觉传感器的地面连通区域分割,实现可行驶区域的实时感知;利用地图提供的道路边界,以及停止线、实线这些交通规则不可跨越的边界,缩减可行驶区域的范围;同时,结合障碍物信息,明确可行驶区域边界的语义以及速度。
9.一种实时感知信息与自动驾驶地图的融合系统,其特征在于,包括地图匹配定位模块、关系确定模块、分析模块和输出模块;
所述地图匹配定位模块用于进行地图匹配定位,给出自车在地图坐标系中的位置,并明确自车坐标系与地图坐标系间的关系;
所述关系确定模块用于确定障碍物与地图中道路的关系;实时感知到的障碍物信息,根据与道路的关系分为三类:道路内目标、道路外目标和道路边界目标;其中,道路内目标,应确认其所位于的车道;根据地图匹配定位时给出的自车坐标系与地图坐标系的关系,将障碍物信息与地图信息进行比对,得到障碍物与道路关系;
障碍物与地图中道路的关系分为两种情况:
(1)三维传感器检测到的障碍物:这类传感器能直接检测得到障碍物在自车坐标系内的运动状态,利用自车坐标系与地图坐标系之间的关系,将障碍物位置转移到地图上,从而与地图进行比对;
(2)单目视觉传感器在图像平面内检测到的障碍物:这种传感器得到的是地图坐标系在图像坐标系上的平面投影,通过标定矩阵,将地图中的道路边界和车道线投影到图像中,再与图像中的障碍物进行对比,判断障碍物与道路关系,并得到障碍物所在的车道;
所述分析模块对可行驶区域融合与边界状态进行分析;
所述输出模块将所述关系确定模块、分析模块的结果与地图本身的静态环境信息相结合,实现感知结果的集成输出。
10.如权利要求9所述融合系统,其特征在于:所述分析模块中,针对可行驶区域,将实时感知得到的可行驶区域与地图提供的可行驶区域进行融合,并根据实时感知障碍物信息,分段判断可行驶区域边界的状态,得到边界语义以及速度信息。