泊车功能专题介绍 ———— AVP系统技术要求之地图数据&感知要求

地图数据规范

 AVP地图采用相对坐标系,精度误差<20cm/100m。经纬度、高程单位均以m为单位,坐标值精确至0.001m。

地图图层和表达要求

&ermsp;典型地图图层包括规划数据、动态数据、定位数据等。其表达要求如表所示。

地图图层、要素、几何等表达要求
数据层 名称 类型 说明 备注
规划数据 parkinglot 停车场 -
road 线 道路 -
lane 线 车道(中心线及属性) 几何以车道中心线
signline_vertical 线 纵向标线 -
signline_horizontal 线 横向标线 -
intersection 路口及道路连接性信息 -
parking_lot 多线 停车位 停车位型点为多线表达方式,第一条线表达停车位轮廓,坐标次序采用逆时针表达,第一 个点和最后一个点之间的开口靠近道路;第二条线表达停车桩信息。
signpolygon 面状标识 -
zone 区域信息,如停车场等 -
road_appendix 道路附属物 -
point 关键点 -
动态数据 traffic - 影响车辆规划定位重要元素的信息更新 -
定位数据 landmark 用于辅助定位的关键landmark 信息 -
SLAM 二进制 SLAM地位地图 -

地图各类数据属性要求

停车场表达要求
序号 属性 类型 说明 备注
1 ID int 编号 保证每个建筑的唯一性
2 name string 名称 例如:上海虹桥站P9 停车场
3 address string 地址 例如:上海闵行区华漕镇申虹路
4 num int 停车位数量 -
5 building_layer_num int 停车场楼层数 -
6 type string 停车场类型 停车场分级对应:
P0
P1
P2
P3
P4
P5
道路表达要求
序号 属性 类型 说明 备注
1 ID int - -
2 name string 名称 -
3 is_dual int 0 ~ 单向通行
1 ~ 双向通行
2 ~ 双向禁行
-
4 level int 道路等级 0~未知
1~主要道路
2~次要道路
3~一般道路
4~出入目的地道路
5~细道路
6~步行道路
5 rt int 道路类型 0~未知
1~双线化道路
2~单线化道路
3~辅路
4~环岛
5~交通广场
6~封闭交通区域
7~点头专用道
8~左转专用道
9~右转专用道
10~停车场出入通道
11~停车场内部道路
12~停车场楼层间通道
6 forward_lane_num int 正向车道数量 与道路矢量方向一致为正向
7 reverse_lane_num int 反向车道数量 与道路矢量方向相反为反向
8 left_border_id int 道路左侧边缘ID 以道路矢量方向为基准判断左右
9 right_border_id int 道路右侧边缘ID 以道路矢量方向为基准判断左右
10 from string 前序关联道路 -
11 to string 后序关联道路 -
12 res_time string 道路限制时间作用域 采用GDF时间域格式
13 res_vehicle string 道路限制车型
1~全部车辆
2~小轿车
3~微型车
4~小型卡/货车
5~大卡/货车
6~拖挂车
7~小型客车
8~大型客车
9~公交车
10~出租车
11~自行车/人力车
12~摩托车
13~行人
-
14 res_height double 限高 -
15 res_width double 限宽 -
16 z_level int 高程层级信息:
9999:无效值/未知
-100~100:层数
不同层之间过渡道路层级为无效值;
直接相连接道路层级排除无效层级道路后,所有道路层级需相同
车道表达要求
序号 属性 类型 说明 备注
1 id int - -
2 lane_type int 车道类型:
0~未知
1~一般车道
2~公交港湾车道
3~公交车道
4~路口内虚拟车道
5~左转待转车道
6~直行待行车道
-
3 is_dual int 0~单向
1~双向
-
4 direction int 0~未知
1~直行
2~左转
3~右转
4~左调头
5~右调头
6~直行+右转
7~直行+左转
8~右转+调头
9~左转+调头
-
5 seg_id int 所在road的ID -
6 lane_width double 车道宽度 -
7 max_vel double 限速 -
8 left_line_id int 左车道线ID 无车道线时,为边线ID
9 right_line_id int 右车道线ID 无车道线时,为边线ID
10 left_line_type int 左侧车道线类型 非必需属性:
1~道路边界
2~虚线
3~实线
4~双虚线
5~双实线
6~左实右虚线
7~左虚右实线
8~断开
11 right_line_type int 右侧车道线类型 非必需属性:
1~道路边界
2~虚线
3~实线
4~双虚线
5~双实线
6~左实右虚线
7~左虚右实线
8~断开
12 res_time string 车道限制时间作用域 采用GDF时间域格式
如公交车道限时信息
13 res_vehicle string 车道限制车型
1~全部车辆
2~小轿车
3~微型车
4~小型卡/货车
5~大卡/货车
6~拖挂车
7~小型客车
8~大型客车
9~公交车
10~出租车
11~自行车/人力车
12~摩托车
13~行人
-
纵向标线达要求
序号 属性 类型 说明 备注
1 id int - -
2 line_type int 1~车道线
2~道路边界
3
自设定道路边界(无边界道路,则人为设置通行方向两侧边界)
4~其他
5~路面标记
-
3 seg_id int 纵向标线所属道路 -
4 shape int 1~道路边界
2~虚线
3~实线
4~双虚线
5~双实线
6~左实右虚线
7~左虚右实线
8~断开
8:断开,当实际场景中该段无实际车道线时,为地图完整表达和自动驾驶应用加出来的虚拟标线
5 color int 0~未定义
1~白色
2~黄色
3~橙色
4~蓝色
-
6 material int 0~未定义
1~标线
2~实体突出
3~边沿
4~墙壁
5~护栏
-
横向标线达要求
序号 属性 类型 说明 备注
1 id int - -
2 line_type int 0~未知
1~停止线
2~减速带
3~双虚线
-
3 color int 0~未定义
1~白色
2~黄色
3~橙色
4~蓝色
-
4 seg_id int 道路ID -
路口表达要求
序号 属性 类型 说明 备注
1 id int - -
2 inroads list 驶入道路列表 -
3 outroads list 驶出道路列表 -
4 interlanes list 路口内车道列表 -
停车位表达要求
序号 属性 类型 说明 备注
1 id int - -
2 name string 名字 -
4 p_type int 0~未知
1~标准车位
2~残疾人车位
3~微型车位
4~母子车位
5~充电停车位
6~立体车位
7~女士车位
8~加长车位
9~私有车位
-
5 sign string 停车位标记 例如B101
6 seg_id int 关联道路ID -
7 parking_space_theta double 车位形状角度 竖直、侧方、斜入
8 parking_lock int 0~无地锁
1~有地锁
-
9 border_color int 0~未定义
1~白色
2~黄色
3~橙色
4~蓝色
-
10 background_color int 0~未定义
1~白色
2~黄色
3~橙色
4~蓝色
-
11 z_level string 停车场楼层信息 可为数字或非数字楼层表达
对于非多层停车场,该字段为空
面状标识表达要求
序号 属性 类型 说明 备注
1 id int - -
2 type int 0~未知
1~人行横道
2~禁停区域
3~导流线
4~导向箭头
5~文字
6~停靠站
7~收费岛
-
3 seg_id int 道路ID -
4 lanes list 影响车道ID列表 -
5 color int 0~未定义
1~白色
2~黄色
3~橙色
4~蓝色
-
运营区域表达要求
序号 属性 类型 说明 备注
1 id int - -
2 name string - -
3 type int 0~未知
1~停车场
2~停车区域
3~电子围栏
4~卸货区
5~其他区域
-
4 z_level int 相对高程-10~10 根据类型不同表达不同含义,比如楼层
道路附属物表达要求
序号 属性 类型 说明 备注
1 id int - -
2 name string 名称 -
3 type int 0~未知
1~路牌
2~信号灯
3~路灯
4~停止标志
5~杆状物
-
4 seg_id int 道路ID -
5 subtype int 路牌:
1~禁停
2~限速
3~限高
4~限宽等
杆状物:1~停车场出入口停车杆
6 lanes list 影响车道ID列表 -
7 shape string 形状 方形/矩形
等边三角形
圆形
菱形
倒等边三角形
条形
不规则形状
关键点表达要求
序号 属性 类型 说明 备注
1 id int - -
2 name string 名称 -
3 geotype string 元素种类 -
4 type int 站点
泊车点
卸货点
途径点
电梯口
商场入口
楼梯入口
停车场出入口
-
动态交通表达要求
序号 属性 类型 说明 备注
1 id int - -
.2 item_type int 道路
车道
停车位
道路附属物
关键点
定位标志
-
3 item_id int 地图元素的ID -
4 traffic_type int 0~Not_Available
1~Close
2~Slow
定位标志表达要求
序号 属性 类型 说明 备注
1 id int - -
2 type int 0~未知
1~防撞条
2~箭头指向标志
3~出入口标志
4~区域标志
5~国际ISO 标志
6~中国 ISO 标志
3 border_color int 0~未定义
1~白色
2~黄色
3~橙色
4~蓝色
-
4 background_color int 0~未定义
1~白色
2~黄色
3~橙色
4~蓝色
-
5 content string 内容 -
6 pic_id int 图片ID -

SLAM地图要求

坐标系

 采用相对坐标系,精度误差小于20cm/100m。坐标中x、y、z均以m为单位,精确至0.001m。

数据采集车

 1. 激光发生器不低于16 线,平视,采集车顶不高于190cm,车身少遮挡,传感器时间戳准确(毫秒级);
 2. 环视摄像头安装位置应监测到车身前提下的最大视角、时间戳精确毫秒级(建议硬件同步)、正常环视安装高度;
 3. 惯导应提供内外参、精确位姿或原始数据;
 4. 采集车速应控制在5~10km/h,对应自动驾驶车辆传感器安装需求:环视安装高度(正常环视
安装高度)。

传感器数据采集

 1. 激光雷达应提供单帧、连续化点云、10~20 帧/秒、对应时间戳;
 2. 环视应提供彩色、分开4 张单张、20~30 帧/秒、对应时间戳;
 3. GPS: 10 帧~20 帧/秒, 无GPS 信号区域提供轨迹信息作为参考
 4. IMU: 100~200 帧/秒;
 5. 授时:GPS 授时;
 6. 准确内外参;
 7. 相机内参:摄像头焦距,球心中心点,畸变-统一的标定方式。

数据流程

 1. 数据使用: 可以以本地数据或者服务器形式提供地图访问,定位地图需要以物理格式方式提
供;
 2. 数据采集频率要求:综合考虑动态交通、季节、光线等环境因素。在这里插入图片描述

感知功能要求

 车端感知系统感知范围主要在车端传感器视野范围内,目的主要包括以下三个方面:
   1. 安全性:实时、准确识别周边影响行车安全的行人、动物以及物体,应对突发事件,提前预知安全因素以采取必要操作,避免发生交通安全事故;
   2. 功能性:基于车辆行驶性能、周边路况和通行规则,能够实时、准确识别AVP 功能相关的信息,保证准确、安全地完成AVP 泊车功能。
   3. 体验舒适性:为车辆高效、平顺行驶提供参考依据。
 由于感知范围更大,可以对同一位置进行持续感知检测等特点,车-场协同以及V2X除需覆盖车端感知系统感知范围外,还可以对停车场运营维护、路网引导等进行提供支持。由于不同的感知检测对自动驾驶系统的影响不同,车端感知功能将从四个方面提出相应要求,包括:
   1. 关键安全感知, 指对自动驾驶具有关键性安全影响的感知内容,当感知失效时容易引起严重事故;
   2. 次要安全感知,指不易引起严重事故,但感知失效时会引发次生安全问题的感知内容;
   3. 功能感知,指与AVP 功能定义相关的感知内容,当感知失效时可能导致AVP 功能失效;
   4. 体验相关感知,指和AVP 体验舒适度相关的感知内容。
 针对车-场协同以及V2X场景,则添加停车场运维维护和路网引导两方面的功能要求。感知功能要求为实现AVP功能的最低标准要求,AVP停车场环境在标准定义环境范围内发生变化时,如天气、光线、季节发生变化,感知功能要求保持一致。

车端感知功能

关键安全感知

感知内容:
   1) 行人、车辆、小动物、自动车骑行者、电动车骑行者;
   2) 运动速度估计:速度估计误差应低于2km/h。
识别率,目标出现(目标可视度大于50%)300ms 内未识别到视为识别失败 :
   1) 车辆15m 距离范围内,识别率应达到99.99%;
   2) 车辆15m 至30m 距离范围内,识别率应达到99%。
实时性:识别频率达到10Hz 及以上;
识别距离:非自车运动物体速度在15 km/h 以下,识别距离30m。

次要安全感知

感知内容
   1) 未知障碍物:高度达到20cm 以上,没有被具体分类的静态物体的统称;
   2) 施工标志:停车场内由于施工临时设置的施工标志,包括施工围栏和锥桶;
   3) 路肩:具有一定高度的路沿;
   4) 隔离栏:为规范道路行驶设置的路侧以及路中的隔离栏;
   5) 会导致安全问题的漏检,如停车桩、车位锁、闸机等。
识别率:99.9%;
实时性:识别频率达到10Hz 及以上;
识别距离:30m。

功能感知

感知内容:可行驶区域、车道线、停车位、停车桩、车位锁、闸机、停车位内草丛;
功能可用性:99.99%;
实时性:识别频率达到10Hz 及以上;
识别距离:20m。

体验相关感知

感知内容:当路侧的树木枝叶,草丛局部进入行驶区域时,需正确识别以决定正常行驶或进行避障操作;
识别正确率:漏检和误检均视为检测失败,99.9%;
实时性:识别频率达到10Hz 及以上;
识别距离:30m。

车-场协同感知

类型一:引导

 场端功能要求:
   1. 感知内容:空车位,正确识别一个车位是否空置可以停车;
   2. 识别正确率:99.99%;
   3. 实时性:识别频率达到10Hz 及以上;
   4. 感知范围:停车场内所有需覆盖停车位;
 车端功能要求:车端感知要求与纯车端功能感知功能要求相同。

类型二:重点地段增强

 此类场景中,场端可以针对车端比较难以处理的场景、路段进行重点监测,形成对车端信息的重要补充,如可布置在路口增强左转感知范围、布置在电梯口增强行人感知以及其他车端感知盲区等,场端没有覆盖的区域则需要车端自主负责感知。场端功能要求:
   1. 感知内容:空车位,并覆盖除草丛、可行驶区域、地图已经表达的停车桩等信息之外的所有车端感知内容;
   2. 识别率:以车端感知最高要求为准;
   3. 实时性:识别频率达到10Hz 及以上;
   4. 感知距离:30m。
 车端功能要求:车端感知要求与纯车端功能感知功能要求相同。

类型三:全场感知

 此类场景中,场端覆盖停车场内所有区域,为车端提供持续的感知信息支持。场端功能要求:
   1. 感知内容:空车位,覆盖除草丛、可行驶区域、地图已经表达的停车桩等信息之外的所有车端感知内容;
   2. 识别率:以车端感知最高要求为准,全场范围内要求保持一致;
   3. 实时性:识别频率达到10Hz 及以上;
   4. 感知范围:停车场内所有区域。
 车端功能要求:车辆需要对车身周围环境进行持续监测,覆盖场端感知覆盖困难的感知内容。
   1. 感知内容:草丛,停车桩,可行驶区域等;
   2. 识别率:每个感知内容与纯车端感知功能要求中对应分类识别率要求一致;
   3. 实时性:识别频率达到10Hz 及以上;
   4. 感知距离:与纯车端感知功能要求中对应分类识别距离要求一致。

V2X

 V2X感知需覆盖场端感知的所有内容,功能要求与场端感知功能要求一致,并在此基础上对停车场运营提供以下感知支持:
   1. 感知内容:红绿灯状态,车位锁状态,闸机状态,机械停车位状态,空车位,充电桩、停车场限位信息等;
   2. 功能可用性:99.99%;
   3. 实时性:识别频率达到10Hz 及以上;
   4. 感知距离:停车场内所有需覆盖区域。

AVP 感知位置精度要求

 无论车端、场端以及V2X,要保证自动驾驶功能安全,都需要将感知目标的位置信息提供给自动驾驶系统,在此对感知的位置精度要求如下。
 1. 场端和V2X的感知位置精度(相对精度)误差应不大于20cm。
 2. 车端,根据车辆与感知目标距离:
   2.1 5m 以内,位置精度最大误差不得大于10%, 平均精度误差不得大于5%;
   2.2 5m 到15m,位置精度最大误差不得大于12%, 平均精度误差不得大于7%;
   2.3 15m 到30m,位置精度最大误差不得大于15%, 平均精度误差不得大于10%。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
将IMU数据解算为AVP数据需要进行以下数学计算过程: 1. 加速度计数据的积分 首先,需要对加速度计数据进行积分,以获得速度和位移信息。具体而言,对于三轴加速度计数据a_x、a_y、a_z,可以分别进行单重积分,得到速度v_x、v_y、v_z和位移d_x、d_y、d_z: v_x = ∫a_x dt v_y = ∫a_y dt v_z = ∫a_z dt d_x = ∫v_x dt d_y = ∫v_y dt d_z = ∫v_z dt 2. 角速度计数据的积分 接下来,需要对角速度计数据进行积分,以获得姿态角信息。具体而言,对于三轴角速度计数据ω_x、ω_y、ω_z,可以分别进行单重积分,得到姿态角θ、φ、ψ: θ = ∫ω_x dt φ = ∫ω_y dt ψ = ∫ω_z dt 3. 姿态角的旋转矩阵计算 通过姿态角θ、φ、ψ的计算,可以得到姿态角的旋转矩阵R。具体而言,可以按照以下公式进行计算: R = R_z(ψ) * R_y(φ) * R_x(θ) 其中,R_x(θ)、R_y(φ)、R_z(ψ)分别为绕x、y、z轴旋转角度为θ、φ、ψ的旋转矩阵。 4. 加速度计数据的误差修正 由于加速度计存在零偏误差和尺度因数误差等误差,需要进行误差修正。具体而言,可以使用矩阵乘法将加速度计数据a与姿态角的旋转矩阵R相乘,得到修正后的加速度计数据a_c: a_c = R * a 5. AVP数据的计算 最后,可以通过修正后的加速度计数据a_c和角速度计数据ω,计算出AVP数据。具体而言,可以按照以下公式进行计算: v = v_0 + ∫a_c dt p = p_0 + ∫v dt q = q_0 + ∫ω dt 其中,v_0、p_0、q_0分别为初始速度、初始位置和初始姿态角。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小趴菜_自动驾驶搬砖人

谢谢大爷赏饭吃

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值