基于高精度地图相对位置的混合交通流融合控制方法及系统

1.本技术涉及自动驾驶技术，特别是一种基于高精度地图相对位置的混合交通流融合控制方法及系统。


背景技术：

2.随着无人驾驶技术的发展，无人车传感器感知能力得到了提升，同时，车路协同系统也为无人驾驶技术提供了有力的支撑作用。目前自动驾驶技术主要运用无人车上的传感器对道路情况进行感知。受限于车辆的位置，传感器并不能获知附近较大区域中的信息。


技术实现要素：

3.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于高精度地图相对位置的混合交通流融合控制方法及系统。
4.一方面，本技术实施例提供了一种基于高精度地图相对位置的混合交通流融合控制方法，应用于路侧单元，包括以下步骤：采集区域内的图像，确定图像中车辆的位置和车辆信息；根据车辆信息，向车辆信息对应的车辆控制器发送车辆的位置信息，以使所述车辆根据所述车辆信息和自身获取的定位信息执行自动驾驶。
5.在一些实施例中，确定图像中的车辆信息，具体为：从所述图像中获取车辆信息，所述车辆信息为车牌、车辆外观特征中的至少一种。
6.在一些实施例中，确定图像中车辆的位置，具体为：从图像中识别出车辆；获取摄像头的标定参数；根据摄像头的标定参数和车辆在图像中的位置，确定出各车辆在道路中的位置信息作为所述车辆信息。
7.在一些实施例中，所述车辆信息中包括各车辆的车头位置信息和车位位置信息。
8.在一些实施例中，所述向车辆信息对应的车辆控制器发送车辆的位置信息，具体为：向所在区域广播各车辆的位置信息，以使得车辆根据位置信息关联的车辆信息确定是否为本车辆的信息。
9.另一方面，本实施例公开了一种基于高精度地图相对位置的混合交通流融合控制系统，包括：路侧单元，采集区域内的图像，确定图像中车辆的位置和车辆信息，根据车辆信息，向车辆信息对应的车辆控制器发送车辆的位置信息；车辆，用于根据所述车辆信息和自身获取的定位信息执行自动驾驶。
10.在一些实施例中，车辆和路侧单元上有配置有相同的地图，车辆基于自身的定位模块确定自身在地图上的粗位置，车辆根据所述粗位置和路侧单元发送的位置信息确定自
身在地图上的准确位置。
11.在一些实施例中，确定图像中车辆的位置，具体为：从图像中识别出车辆；获取摄像头的标定参数；根据摄像头的标定参数和车辆在图像中的位置，确定出各车辆在道路中的位置信息作为所述车辆信息。
12.在一些实施例中，所述向车辆信息对应的车辆控制器发送车辆的位置信息，具体为：向所在区域广播各车辆的位置信息，以使得车辆根据位置信息关联的车辆信息确定是否为本车辆的信息。
13.在一些实施例中，确定图像中的车辆信息，具体为：从所述图像中获取车辆信息，所述车辆信息为车牌、车辆外观特征中的至少一种。
14.本技术实施例利用路侧单元采集区域内的图像，确定图像中车辆的位置和车辆信息，然后根据车辆信息，向车辆信息对应的车辆控制器发送车辆的位置信息，以使所述车辆根据所述车辆信息和自身获取的定位信息执行自动驾驶，通过实施本实施例，可以利用车辆自身获取的定位信息作为自动驾驶的粗定位依据，并配合路侧单元实际拍摄的图像来进行准确的定位，使得自动驾驶的车辆能够获得更大范围的道路信息，弥补了传感器感知能力的不足；利用本技术实施例可以增加自动驾驶车辆的避障能力和路线规划能力。
附图说明
15.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1是一种基于高精度地图相对位置的混合交通流融合控制方法的流程图；图2是一种路侧单元的拍摄示意图；图3是一种基于高精度地图相对位置的混合交通流融合控制方法的模块框图。
具体实施方式
17.为使本技术的目的、技术方案和优点更加清楚，以下将参照本技术实施例中的附图，通过实施方式清楚、完整地描述本技术的技术方案，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
18.在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，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或者隐含指明所指示的技术特征的先后关系。
19.本发明的描述中，除非另有明确的限定，设置等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
20.本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
21.参照图1和图2，本技术实施例提供了一种基于高精度地图相对位置的混合交通流融合控制方法，在本系统的构成之中，由安装在车辆上的部件和多个路侧单元所构成，其中路侧单元可以是道路原有的基础设施，例如道路卡口等，这些设施经过升级和安装特定的传感器后，用于实施本方案，本实施例应用于路侧单元，包括以下步骤：s1、采集区域内的图像，确定图像中车辆的位置和车辆信息。
22.需要理解的是用于采集图像的可以是摄像头，这些摄像头可以是一个或者多个，它们可以朝向不同的方向以配合覆盖整片区域。需要理解的是，这些摄像头之间覆盖的范围可以是重复的，可以通过切割拍摄画面的方法来区分各摄像头的拍摄范围，使得各摄像头拍摄的图像完整连续的区域。
23.在本实施例中，摄像头是固定设置的，其拍摄高度和角度也是固定的，因此通过标定摄像头的方式可以从画面中得到图像中车辆对应于道路的位置。这些位置可以包括在第几车道，车的两侧、车头、车尾在何种位置。
24.而车辆信息是车牌、车辆外观特征中的至少一种，主要是指用于区分不同车辆的信息，最简单的区分方式是车牌。通过识别车牌可以确定出当前图像中每个车辆的车牌。在部分实施例中，也可以通过车辆的特征来表示，例如，车的颜色、车的信号、车的状态（开窗/关窗、亮灯/熄灯等）。在部分技术中，也可以通过etc等技术来确认车辆信息。
25.具体地，可以路侧单元可以利用道路卡口的摄像机来获取车辆的车牌信息和外观特征，然后多个摄像头联合对车辆在道路中进行跟踪。这样就可以事实确定各车辆之间的关联关系。
26.s2、根据车辆信息，向车辆信息对应的车辆控制器发送车辆的位置信息，以使所述车辆根据所述车辆信息和自身获取的定位信息执行自动驾驶。
27.在本实施例中，可以通过定向的方式向车辆发送位置信息，但是这一方式需要经过服务器等较长的路径，因此传输的实时性相对较差。在另一些实施例中，可以通过区域广播的方式，事实广播当前时间点该路段的信息。车辆就可以确定当前路侧单元所测定的情况。另外，车辆配合自身通过gps或者北斗系统获得的定位信息，对位置信息进行融合，从而得到更加精细的车辆位置。为车辆自动驾驶提供了更好的决策数据。具体地，本实施例提供一种算法融合的例子，在该例子中，首先利用车辆自身的定位系统确定车辆所在的路段，接收所在路段路侧单元的车辆位置信息，并从车辆位置信息中确认自己所在的具体位置。
28.本技术实施例利用路侧单元采集区域内的图像，确定图像中车辆的位置和车辆信息，然后根据车辆信息，向车辆信息对应的车辆控制器发送车辆的位置信息，以使所述车辆根据所述车辆信息和自身获取的定位信息执行自动驾驶，通过实施本实施例，可以利用车辆自身获取的定位信息作为自动驾驶的粗定位依据，并配合路侧单元实际拍摄的图像来进行准确的定位，使得自动驾驶的车辆能够获得更大范围的道路信息，弥补了传感器感知能力的不足；利用本技术实施例可以增加自动驾驶车辆的避障能力和路线规划能力。
29.在一些实施例中，在确定图像中车辆的位置时，具体包括如下的步骤：s11、从图像中识别出车辆。可以通过经过训练的卷积神经网络来完成图片中车辆识别的工作。在本步骤中，主要识别出车辆在图中的位置。
30.s12、获取摄像头的标定参数。这些参数在摄像头安装调试的过程中进行标定。其记载了摄像头画面和道路实际位置之间的关系。通过标定的参数，可以换算出图像中物体在实际道路中的位置。
31.s13、根据摄像头的标定参数和车辆在图像中的位置，确定出各车辆在道路中的位置信息作为所述车辆信息。在本实施例中，路侧单元会在每个周期确定一次道路中的情况，并向各车辆进行播报，车辆基于自身的定位数据和路侧单元提供的测量数据进行综合判断。
32.在一些实施例中，为了方便自动驾驶车辆实施计算，会直接提供车头位置信息和车位位置信息，使得自动驾驶车辆可以快速作出决策。因此，所述车辆信息中包括各车辆的车头位置信息和车位位置信息。
33.在一些实施例中，所述向车辆信息对应的车辆控制器发送车辆的位置信息，具体为：向所在区域广播各车辆的位置信息，以使得车辆根据位置信息关联的车辆信息确定是否为本车辆的信息。
34.在本实施例中，通过广播的方式发布信息，在一个例子中，如图2，路侧单元通过视频跟踪的方式锁定每个车牌车辆所在的位置，在广播某时刻的道路情况时，会发送以下信息“车a处于车道b的x位置；b车处于车道a的y位置；c车处于车道c的z位置”。
35.参照图3，本实施例公开了一种基于高精度地图相对位置的混合交通流融合控制系统，包括：路侧单元，采集区域内的图像，确定图像中车辆的位置和车辆信息，根据车辆信息，向车辆信息对应的车辆控制器发送车辆的位置信息；车辆信息为车牌、车辆外观特征中的至少一种。
36.车辆，用于根据所述车辆信息和自身获取的定位信息执行自动驾驶。
37.在本实施例中，车辆携带有自动驾驶系统，并带有可以与定位卫星通信的定位系统（如gps或者北斗等）。路侧单元则带有摄像头和通信部件，通信部件主要向车辆的自动驾驶系统发送路侧单元测量到的道路信息。
38.其中，在本实施例中，车辆和路侧单元上有配置有相同的地图，车辆基于自身的定位模块确定自身在地图上的粗位置，车辆根据所述粗位置和路侧单元发送的位置信息确定自身在地图上的准确位置。由于路侧单元和车辆所采用的地图信息是相同的，因此，两者可以基于一定的融合算法来对定位数据进行处理，从而准确地得到车辆在地图上的位置，配合高精度地图，可以重构当前道路的实际环境，为自动驾驶系统提供准确的决策信息，这些决策信息是超越车辆自身所携带的传感器的。
39.在一些实施例中，在确定图像中车辆的位置时，具体包括如下的步骤：s11、从图像中识别出车辆。可以通过经过训练的卷积神经网络来完成图片中车辆识别的工作。在本步骤中，主要识别出车辆在图中的位置。
40.s12、获取摄像头的标定参数。这些参数在摄像头安装调试的过程中进行标定。其记载了摄像头画面和道路实际位置之间的关系。通过标定的参数，可以换算出图像中物体
在实际道路中的位置。
41.s13、根据摄像头的标定参数和车辆在图像中的位置，确定出各车辆在道路中的位置信息作为所述车辆信息。在本实施例中，路侧单元会在每个周期确定一次道路中的情况，并向各车辆进行播报，车辆基于自身的定位数据和路侧单元提供的测量数据进行综合判断。
42.在一些实施例中，所述向车辆信息对应的车辆控制器发送车辆的位置信息，具体为：向所在区域广播各车辆的位置信息，以使得车辆根据位置信息关联的车辆信息确定是否为本车辆的信息。在广播时，路侧单元通过一定的格式将车辆信息和车辆的位置信息捆绑在一起，然后车辆接收到这些广播数据后，可以确定自身对应的位置信息，并通过其他车辆的位置信息，获得当前道路完整的情况。
43.在本技术中所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
44.注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。