CN107092253A - 用于控制无人车的方法、装置及服务器 - Google Patents
用于控制无人车的方法、装置及服务器 Download PDFInfo
- Publication number
- CN107092253A CN107092253A CN201710272493.8A CN201710272493A CN107092253A CN 107092253 A CN107092253 A CN 107092253A CN 201710272493 A CN201710272493 A CN 201710272493A CN 107092253 A CN107092253 A CN 107092253A
- Authority
- CN
- China
- Prior art keywords
- information
- tunnel
- unmanned vehicle
- vehicle
- mentioned
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 238000012937 correction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000006854 communication Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了用于控制无人车的方法、装置及服务器。该方法的一具体实施方式包括:当监测到隧道时,获取隧道的隧道信息;通过定位信号和隧道信息确定无人车的入口位置;将入口位置设置为起始位置,执行监测步骤;若在当前位置处检测到的距离信息在设定阈值内,则基于当前位置控制无人车在隧道内行驶,并将当前位置设置为起始位置,继续执行监测步骤。该实施方式实现了在没有定位信号的情况下对无人车的准确定位。基于当前位置对无人车进行控制,使得无人车在没有定位信号的情况下也能自动行驶。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及定位技术领域,尤其涉及用于控制无人车的方法、装置及服务器。
背景技术
汽车拓展了人们出行的范围,给人们的出行带来了便利,提高了人们的生活质量。随着科技的发展和进步,无人驾驶车辆能够获取比有人驾驶的汽车更多的行驶信息,具备更高的安全性,成为未来汽车发展的一个重要趋势。无人驾驶车辆采用机器人操作系统进行信息传输,并依靠人工智能、视觉计算、视频摄像头、雷达传感器、激光雷达和定位系统协同合作,让无人驾驶车辆可以在没有任何协助的情况下,自动安全地行驶。其中,定位系统可以是GPS(Global Positioning System,全球定位系统)、BDS(BeiDou NavigationSatellite System,中国北斗卫星导航系统)、伽利略卫星导航系统(Galileo satellitenavigation system)、GLONASS(GLObal NAvigation Satellite System,全球导航卫星系统)或其他可以定位的系统。
无人驾驶车辆主要依靠定位信号确定无人驾驶车辆的位置,进而控制无人驾驶车辆的行驶。当定位信号不准或无定位信号时,无人驾驶车辆无法进行定位操作,大大降低了控制无人驾驶车辆的精确性。
发明内容
本申请的目的在于提出了用于控制无人车的方法、装置及服务器,来解决以上背景技术部分提到的技术问题。
第一方面,本申请提供了一种用于控制无人车的方法,该方法包括:当监测到隧道时,获取上述隧道的隧道信息;通过定位信号和上述隧道信息确定上述无人车的入口位置;将上述入口位置设置为起始位置,执行如下监测步骤:监测起始位置处上述无人车与上述隧道的内壁的距离信息;获取上述无人车当前的行驶速度信息和行驶方向信息,并通过上述行驶速度信息、行驶方向信息和起始位置计算上述无人车在上述隧道内的行驶线路;通过上述隧道信息、行驶线路和距离信息,确定上述无人车的当前位置;若在上述当前位置处检测到的距离信息超出设定阈值、且能接收到定位信号,则通过定位信号确定上述无人车的当前位置信息;若在上述当前位置处检测到的距离信息在上述设定阈值内,则基于上述当前位置控制上述无人车在上述隧道内行驶,并将上述当前位置设置为起始位置,继续执行上述监测步骤。
在一些实施例中,上述隧道信息包括隧道的地图和隧道的三维坐标系;以及,通过定位信号和上述隧道信息确定上述无人车的入口位置包括:通过上述定位信号确定上述无人车在上述隧道的三维坐标系上的三维坐标,通过上述三维坐标在上述隧道的地图上的位置确定无人车进入隧道时的入口位置。
在一些实施例中,上述通过上述行驶速度信息、行驶方向信息和起始位置计算上述无人车在上述隧道内的行驶线路包括:基于上述行驶速度信息和行驶方向信息,计算上述无人车的预测行驶速度和预测行驶方向;根据上述预测行驶速度和预测行驶方向确定设定时间内上述无人车在上述隧道的地图上的预测距离;通过起始位置和上述预测距离计算上述无人车在上述隧道内的行驶线路。
在一些实施例中,上述基于上述行驶速度信息和行驶方向信息,计算上述无人车的预测行驶速度和预测行驶方向包括:分别采集上述行驶速度信息和行驶方向信息的样本信息得到行驶速度样本信息和行驶方向样本信息;根据上述行驶速度样本信息和行驶方向样本信息计算设定时刻的预测行驶速度和预测行驶方向。
在一些实施例中,上述通过起始位置和上述预测距离计算上述无人车在上述隧道内的行驶线路包括:根据起始位置和预测距离计算预测位置;对起始位置和预测位置进行拟合得到行驶线路。
在一些实施例中,上述隧道信息还包括隧道长度信息和隧道宽度信息;以及,上述通过上述隧道信息、行驶线路和距离信息,确定上述无人车的当前位置包括:通过上述距离信息对行驶线路进行校正,通过上述隧道长度信息、隧道宽度信息和校正后的行驶线路确定上述无人车的当前位置。
第二方面,本申请提供了一种用于控制无人车的装置,上述装置包括:隧道信息获取单元,用于在监测到隧道时,获取上述隧道的隧道信息;入口位置确定单元,用于通过定位信号和上述隧道信息确定上述无人车的入口位置;执行单元,用于将上述入口位置设置为起始位置,执行如下监测步骤:监测起始位置处上述无人车与上述隧道的内壁的距离信息;获取上述无人车当前的行驶速度信息和行驶方向信息,并通过上述行驶速度信息、行驶方向信息和起始位置计算上述无人车在上述隧道内的行驶线路;通过上述隧道信息、行驶线路和距离信息,确定上述无人车的当前位置;若在上述当前位置处检测到的距离信息超出设定阈值、且能接收到定位信号,则通过定位信号确定上述无人车的当前位置信息;控制单元,用于在上述当前位置处检测到的距离信息在上述设定阈值内时,则基于上述当前位置控制上述无人车在上述隧道内行驶,并将上述当前位置设置为起始位置,继续执行上述监测步骤。
在一些实施例中,上述隧道信息包括隧道的地图和隧道的三维坐标系;以及,入口位置确定单元还包括:通过上述定位信号确定上述无人车在上述隧道的三维坐标系上的三维坐标,通过上述三维坐标在上述隧道的地图上的位置确定无人车进入隧道时的入口位置。
在一些实施例中,上述执行单元包括:预测信息计算子单元,用于基于上述行驶速度信息和行驶方向信息,计算上述无人车的预测行驶速度和预测行驶方向;预测距离确定子单元,用于根据上述预测行驶速度和预测行驶方向确定设定时间内上述无人车在上述隧道的地图上的预测距离;行驶线路计算子单元,用于通过起始位置和上述预测距离计算上述无人车在上述隧道内的行驶线路。
在一些实施例中,上述预测信息计算子单元包括:样本信息获取模块,用于分别采集上述行驶速度信息和行驶方向信息的样本信息得到行驶速度样本信息和行驶方向样本信息;预测信息计算模块,用于根据上述行驶速度样本信息和行驶方向样本信息计算设定时刻的预测行驶速度和预测行驶方向。
在一些实施例中,上述行驶线路计算子单元包括:预测位置计算模块,用于根据起始位置和预测距离计算预测位置;拟合模块,用于对起始位置和预测位置进行拟合得到行驶线路。
在一些实施例中,上述隧道信息还包括隧道长度信息和隧道宽度信息;以及,上述执行单元包括:通过上述距离信息对行驶线路进行校正,通过上述隧道长度信息、隧道宽度信息和校正后的行驶线路确定上述无人车的当前位置。
第三方面,本申请提供了一种服务器,包括:一个或多个处理器;存储器,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述第一方面的用于控制无人车的方法。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述第一方面的用于控制无人车的方法。
本申请提供的用于控制无人车的方法、装置及服务器,在监测到隧道时,获取隧道信息,并确定无人车的入口位置。之后,以入口位置作为起始位置,循环执行监测步骤,使得无人车能够根据无人车与隧道的内壁的距离信息、行驶速度信息和行驶方向信息确定无人车在隧道内的行驶线路,进而确定无人车在隧道内的当前位置,实现了在没有定位信号的情况下对无人车的准确定位。基于当前位置对无人车进行控制,使得无人车在没有定位信号的情况下也能自动行驶。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于控制无人车的方法的一个实施例的流程图;
图3a是根据本申请的用于控制无人车的方法的一个应用场景的示意图;
图3b是对应图3a的行驶轨迹示意图;
图4a是根据本申请的用于控制无人车的方法的另一个应用场景的示意图;
图4b是对应图4a的行驶轨迹示意图;
图5是根据本申请的用于控制无人车的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的终端设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于控制无人车的方法或用于控制无人车的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括无人驾驶车辆101、102、103和定位设备104。
无人驾驶车辆101、102、103可以搜索定位设备104,并接收定位设备104的定位信号。无人驾驶车辆101、102、103上可以安装有各种定位器件和传感器,例如GPS器件、距离传感器等。
无人驾驶车辆101、102、103可以是具有多个数据采集单元和数据处理单元的各种车辆,包括但不限于电动汽车、油电混合汽车和内燃机汽车等等。
定位设备104可以是提供定位信号的设备,例如接收无人驾驶车辆101、102、103发来的获取GPS信号的请求,根据该请求确定无人驾驶车辆101、102、103的GPS信号,并向无人驾驶车辆101、102、103发送GPS信号,以便无人驾驶车辆101、102、103根据GPS信号进行定位。
需要说明的是,本申请实施例所提供的用于控制无人车的方法可以由无人驾驶车辆101、102、103单独执行,或者也可以由无人驾驶车辆101、102、103和定位设备104共同执行。一般情况下,用于控制无人车的方法由无人驾驶车辆101、102、103执行。相应地,用于控制无人车的装置可以设置于无人驾驶车辆101、102、103中。
应该理解,图1中的无人驾驶车辆和定位设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的无人驾驶车辆和定位设备。
继续参考图2,示出了根据本申请的用于控制无人车的方法的一个实施例的流程200。该用于控制无人车的方法,包括以下步骤:
步骤201,当监测到隧道时,获取上述隧道的隧道信息。
在本实施例中,用于控制无人车的方法运行于其上的电子设备(例如图1所示的无人驾驶车辆(即无人车)101、102、103)可以通过有线连接方式或者无线连接方式获取隧道信息。其中,隧道信息可以包括隧道在电子地图上的信息、隧道的坐标信息等。
无人驾驶车辆101、102、103可以获取到电子地图,并根据定位设备104发来的GPS信号确定无人驾驶车辆101、102、103在电子地图上的位置,进而控制无人驾驶车辆101、102、103自动行驶。
定位设备104发送的GPS信号需要无人驾驶车辆101、102、103在露天的情况下接收。无人驾驶车辆101、102、103行驶在隧道等无法接收GPS信号的行驶环境下时,需要根据行驶环境自身的特性来控制无人驾驶车辆101、102、103自动行驶。当在电子地图上监测到隧道时,可以首先通过电子地图获取到隧道信息。
步骤202,通过定位信号和上述隧道信息确定上述无人车的入口位置。
无人驾驶车辆101、102、103在进入隧道前,可以通过GPS信号和隧道信息确定无人驾驶车辆101、102、103进入隧道的入口位置。例如,隧道包括方向相反的两条车道,且GPS信号可以确定无人驾驶车辆101、102、103进入隧道的方向,则可以确定无人驾驶车辆101、102、103进入隧道时的入口位置。入口位置还可以在无人驾驶车辆101、102、103进入隧道的时刻确定,得到的入口位置的精度也更高。
在本实施例的一些可选的实现方式中,上述隧道信息包括隧道的地图和隧道的三维坐标系;以及,通过定位信号和上述隧道信息确定上述无人车的入口位置可以包括:通过上述定位信号确定上述无人车在上述隧道的三维坐标系上的三维坐标,通过上述三维坐标在上述隧道的地图上的位置确定人车进入隧道时的入口位置。
隧道信息可以包括隧道的地图和隧道的三维坐标系。其中,隧道的地图可以包括隧道内的车道信息、隧道的形状信息等;隧道的三维坐标系用于确定隧道内某点的三维坐标,以便无人驾驶车辆101、102、103在隧道的地图上定位。三维坐标系可以是三维的世界坐标系。
以是否能够接收GPS信号为标准,隧道地图和电子地图上除隧道以外的地图可以视为两类地图。无人驾驶车辆101、102、103进入隧道时,可以认为无人驾驶车辆101、102、103从一类地图进入了另一类地图。
GPS信号可以确定无人驾驶车辆101、102、103在没有进入隧道时的电子地图上的位置;隧道的三维坐标系可以根据无人驾驶车辆101、102、103的GPS信号确定无人驾驶车辆101、102、103在三维坐标系中的三维坐标。之后,通过无人驾驶车辆101、102、103在三维坐标系中的三维坐标在隧道的地图上的位置可以确定无人驾驶车辆101、102、103在进入隧道时的入口位置。入口位置可以认为是无人驾驶车辆101、102、103在上述两类地图上的交汇点。
步骤203,将上述入口位置设置为起始位置,执行如下监测步骤:监测起始位置处上述无人车与上述隧道的内壁的距离信息;获取上述无人车当前的行驶速度信息和行驶方向信息,并通过上述行驶速度信息、行驶方向信息和起始位置计算上述无人车在上述隧道内的行驶线路;通过上述隧道信息、行驶线路和距离信息,确定上述无人车的当前位置;若在上述当前位置处检测到的距离信息超出设定阈值、且能接收到定位信号,则通过定位信号确定上述无人车的当前位置信息。
无人驾驶车辆101、102、103进而隧道后,无法接收定位设备104发来的GPS信号。此时,需要通过无人驾驶车辆101、102、103的各种传感器确定无人驾驶车辆101、102、103的位置。传感器主要用于测量距离信息,结合隧道信息,可以确定无人驾驶车辆101、102、103在隧道内的位置。由于隧道不具有统一的宽度、高度、线路等指标,并且没有GPS信号作为引导,所以,可以将入口位置设置为起始位置。通过传感器,无人驾驶车辆101、102、103可以在隧道内实时获取无人驾驶车辆101、102、103与隧道内壁的距离信息,并根据无人驾驶车辆101、102、103当前的行驶速度信息和行驶方向信息,计算出无人驾驶车辆101、102、103的行驶线路。再结合隧道信息,确定无人车的当前位置。然后在当前位置的基础上再检测无人驾驶车辆101、102、103与隧道的内壁的距离信息,直到确定下一个无人车的当前位置。
通常,隧道内壁之间的距离变化不大,无人驾驶车辆101、102、103测量到的距离信息也不会出现异常变化。如果检测到距离信息出现了异常变化,通常是隧道内有弯道或无人驾驶车辆101、102、103驶出了隧道。为了避免无人驾驶车辆101、102、103驶出隧道后又紧邻狭窄通道的情况,保险起见,还要查看此时能否接收到GPS信号。如果没有检测到GPS信号,则说明无人驾驶车辆101、102、103仍然在隧道内,只是隧道内壁之间的距离发生了变化(如在隧道内的弯道处);如果检测到了GPS信号,则此时无人驾驶车辆101、102、103可能驶出了隧道。这时,就可以通过GPS信号来确定无人车的当前位置信息。其中,上述设定阈值的具体取值视实际情况而定。
在本实施例的一些可选的实现方式中,上述通过上述行驶速度信息、行驶方向信息和起始位置计算上述无人车在上述隧道内的行驶线路可以包括以下步骤:
第一步,基于上述行驶速度信息和行驶方向信息,计算上述无人车的预测行驶速度和预测行驶方向。
通常情况下,无人驾驶车辆101、102、103在行驶过程中,行驶速度和行驶方向的不会突然变化。对应的,行驶速度信息和行驶方向信息也不会变化太大。因此,可以根据当前的行驶速度信息和行驶方向信息计算出一定时间内的预测行驶速度和预测行驶方向。预测行驶速度和预测行驶方向可以通过预测控制方法等方法求得,此处不再一一赘述。
第二步,根据上述预测行驶速度和预测行驶方向确定设定时间内上述无人车在上述隧道的地图上的预测距离。
在计算预测行驶速度和预测行驶方向时,假定预测行驶速度和预测行驶方向不发生变化。因此,可以在设定时间内设置多个时间点,每个时间点都对应一组预测行驶速度和预测行驶方向,也就能确定无人驾驶车辆101、102、103在隧道地图上的预测距离。
第三步,通过起始位置和上述预测距离计算上述无人车在上述隧道内的行驶线路。
得到预测距离后,结合起始位置和预测行驶方向可以确定无人驾驶车辆101、102、103在隧道内的行驶线路。
在本实施例的一些可选的实现方式中,上述基于上述行驶速度信息和行驶方向信息,计算上述无人车的预测行驶速度和预测行驶方向可以包括以下步骤:
第一步,分别采集上述行驶速度信息和行驶方向信息的样本信息得到行驶速度样本信息和行驶方向样本信息。
行驶过程中,无人驾驶车辆101、102、103的行驶速度信息和行驶方向信息具有时间属性。例如,行驶速度信息和行驶方向信息可以通过由时间轴和速度轴构建的坐标系里的曲线表示。在曲线的每个点上设置方向标识,如此,这条曲线上的每个点就具有3个变量:时间、速度和方向。还将行驶速度信息和行驶方向信息分别通过两个坐标系进行标识,或用其他的方式记录行驶速度信息和行驶方向信息,此处不再一一赘述。
以一定的时间间隔在这条曲线上采集数据,可以得到行驶速度样本信息和行驶方向样本信息。
第二步,根据上述行驶速度样本信息和行驶方向样本信息计算设定时刻的预测行驶速度和预测行驶方向。
获取到行驶速度样本信息和行驶方向样本信息后,通过行驶速度样本信息和行驶方向样本信息确定行驶速度和行驶方向的变化趋势。例如,在上述的由时间轴和速度轴构建的坐标系里,将上述曲线按照行驶速度样本信息和行驶方向样本信息各自的变化趋势进行延长,可以得到预测行驶速度和预测行驶方向。在预测行驶速度和预测行驶方向上设置时间点,可以得到设定时刻的预测行驶速度和预测行驶方向。
在本实施例的一些可选的实现方式中,上述通过起始位置和上述预测距离计算上述无人车在上述隧道内的行驶线路可以包括以下步骤:
第一步,根据起始位置和预测距离计算预测位置。
得到预测距离后,基于预测行驶方向和起始位置,可以计算得到预测位置。例如,预测距离为10米,以起始位置为原点,10米为半径可以得到一个圆。之后,通过预测行驶方向可以确定这个圆上的一个点,这个点就是预测位置。
第二步,对起始位置和预测位置进行拟合得到行驶线路。
实际中,行驶速度样本信息和行驶方向样本信息通常是多个的,相应的可以得到多个预测位置。将起始位置和预测位置连接起来可以得到由多条线段构成的一条折线。折线用于表征各个预测行驶速度和预测行驶方向的变化趋势。因此,可以对该折线进行拟合,将折线拟合成一条平滑的曲线,即行驶线路。
在本实施例的一些可选的实现方式中,上述隧道信息还可以包括隧道长度信息和隧道宽度信息;以及,上述通过上述隧道信息、行驶线路和距离信息,确定上述无人车的当前位置可以包括:通过上述距离信息对行驶线路进行校正;之后,再通过上述隧道长度信息、隧道宽度信息和校正后的行驶线路确定上述无人车的当前位置。
而上述得到的无人驾驶车辆101、102、103在隧道内的行驶线路是基于无人驾驶车辆101、102、103的历史行驶信息得到,是基于历史行驶信息做出的预判。但隧道内的行车线路可以是直道,也可以是弯道,还可以是直道和弯道的混合线路。如果再考虑红绿灯以及人行道等因素,单靠无人驾驶车辆101、102、103在隧道内的行驶线路对无人驾驶车辆101、102、103进行控制容易出现较大的误差。
因此,得到无人驾驶车辆101、102、103在隧道内的行驶线路后,还需要对该行驶线路进行校正。本申请的隧道信息还可以包括隧道长度信息和隧道宽度信息。首先通过无人驾驶车辆101、102、103与隧道的内壁之间的距离信息对行驶线路进行校正。例如,无人驾驶车辆101、102、103行驶在直道上,前方有弯道,而此时的行驶线路是基于直道的历史行驶信息得到的。如果直接按照行驶线路前进,则必然出现对无人驾驶车辆101、102、103的错误控制。因此,可以通过上述的距离信息对行驶线路进行校正。例如,当通过距离信息确定行驶线路与隧道的内壁之间的距离大于设定值时,可以认为无人驾驶车辆101、102、103离隧道的内壁足够远;否则,则认为无人驾驶车辆101、102、103离隧道的内壁太近。基于距离信息对行驶线路校正,使得行驶线路远离隧道的内壁。
通过距离信息对行驶线路校正只是对行驶线路的定性校正。为了提高对行驶线路的校正精度,可以通过隧道长度信息和隧道宽度信息对行驶线路进行进一步的校正。例如,隧道中的某一直道路段的长度是600米,宽度是20米。之后的一个弯道路段的长度是100米,宽度是20米。则无人驾驶车辆101、102、103在由该直道路段行驶到弯道路段时,检测到的距离信息就会发生变化,并且通过直道路段的长度信息可以知道无人驾驶车辆101、102、103马上要进入弯道路段。此时,行驶线路在通过距离信息校正后,再通过弯道路段的长度和宽度对行驶线路进行修正,使得行驶线路符合弯道的行车路线。最后再根据此时的行驶线路确定无人驾驶车辆101、102、103的当前位置。
步骤204,若在上述当前位置处检测到的距离信息在上述设定阈值内,则基于上述当前位置控制上述无人车在上述隧道内行驶,并将上述当前位置设置为起始位置,继续执行上述监测步骤。
如果在当前位置检测到距离信息在设定阈值内,说明无人驾驶车辆101、102、103还在隧道内。此时,可以根据当前位置和行驶线路控制无人驾驶车辆101、102、103在隧道内行驶。
由上述描述可知,无人驾驶车辆101、102、103在隧道内需要实时检测距离信息、得到行驶线路,进而控制无人驾驶车辆101、102、103在隧道内行驶。相应的,行驶线路也是不断变化的。即,无人驾驶车辆101、102、103在隧道内需要根据上述的距离信息、隧道信息、行驶速度信息、行驶方向信息和行驶线路等确定无人驾驶车辆101、102、103的当前位置。这是一个不断循环执行上述检测步骤的过程,每次循环都要将当前位置重新设置为起始位置,再以起始位置为起点,最后得到下一个当前位置。
继续参见图3a,图3a是根据本实施例的用于控制无人车的方法的应用场景的一个示意图。在图3a的应用场景中,无人驾驶车辆进入隧道后,通过两个(也可以是多个)距离传感器检测无人驾驶车辆与隧道的两侧内壁之间的距离信息。需要注意的是,检测距离信息时,距离传感器的测量方向与无人驾驶车辆的行驶方向之间的角度分别为θ1和θ2,且θ1和θ2为锐角(直角情况下无法对无人驾驶车辆前方的线路做出预判,也就无法确定行驶线路),得到无人驾驶车辆与隧道的内壁的两个距离信息s1和s2。通过θ1、θ2、s1和s2可以确定在行驶方向下,无人驾驶车辆与隧道的内壁之间的距离d1和d2。考虑无人驾驶车辆的行驶速度信息和行驶方向信息得到的行驶线路如图3b所示。由于在直道上距离信息s1和s2的变化在设定阈值,此时可以通过行驶线路确定无人驾驶车辆的当前位置。
图4a是根据本实施例的用于控制无人车的方法的应用场景的另一个示意图。图4a是无人驾驶车辆由直道进入弯道的自动行驶示意图。由图4a可知,在未进入弯道前,距离传感器测得的距离信息s2变化很大,超出了设定阈值。但距离信息s1没有超出设定阈值,说明距离信息s2所在的一侧可能出现弯道,得到的距离d1和d2如图4a所示。基于无人驾驶车辆当前的行驶速度信息和行驶方向信息得到的行驶线路。由于距离信息s2超出设定阈值,如果此时无法接收到GPS信号,则无人驾驶车辆仍然在隧道内。需要通过距离d1和d2对此时得到的行驶线路进行校正。校正的方式可以是将行驶线路向距离信息s2所在的一侧偏移。
之后,再考虑隧道长度信息和隧道宽度信息,确定600米长、20米宽的直道即将结束,下一路段为100米长、20米宽的弯道。考虑距离信息s1没有超出设定阈值,可以通过距离信息s1对应的距离d1和道路宽度确定无人驾驶车辆的当前位置。基于当前位置控制无人驾驶车辆在隧道内行驶。
如果上述距离信息s2超出设定阈值时能接收到GPS信号,说明无人驾驶车辆此时已经驶出隧道,距离信息s2超出设定阈值是由隧道外的弯道引起的。此时,可以直接通过GPS信号确定无人驾驶车辆的当前位置,并基于当前位置控制无人驾驶车辆行驶。
在弯道内和由弯道进入直道的情况与上述的确定无人驾驶车辆的当前位置的方法类似,此处不再一一赘述。
本申请的上述实施例提供的用于控制无人车的方法,在监测到隧道时,获取隧道信息,并确定无人车的入口位置。之后,以入口位置作为起始位置,循环执行监测步骤,使得无人车能够根据无人车与隧道的内壁的距离信息、行驶速度信息和行驶方向信息确定无人车在隧道内的行驶线路,进而确定无人车在隧道内的当前位置,实现了在没有GPS信号的情况下对无人车的准确定位。基于当前位置对无人车进行控制,使得无人车在没有GPS信号的情况下也能自动行驶。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于控制无人车的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于控制无人车的装置500包括:隧道信息获取单元501、入口位置确定单元502、执行单元503和控制单元504。其中,隧道信息获取单元501用于在监测到隧道时,获取上述隧道的隧道信息;入口位置确定单元502用于通过定位信号和上述隧道信息确定上述无人车的入口位置;执行单元503用于将上述入口位置设置为起始位置,执行如下监测步骤:监测起始位置处上述无人车与上述隧道的内壁的距离信息;获取上述无人车当前的行驶速度信息和行驶方向信息,并通过上述行驶速度信息、行驶方向信息和起始位置计算上述无人车在上述隧道内的行驶线路;通过上述隧道信息、行驶线路和距离信息,确定上述无人车的当前位置;若在上述当前位置处检测到的距离信息超出设定阈值、且能接收到定位信号,则通过定位信号确定上述无人车的当前位置信息;控制单元504用于在上述当前位置处检测到的距离信息在上述设定阈值内时,则基于上述当前位置控制上述无人车在上述隧道内行驶,并将上述当前位置设置为起始位置,继续执行上述监测步骤。
在本实施例的一些可选的实现方式中,上述隧道信息包括隧道的地图和隧道的三维坐标系;以及,入口位置确定单元502还可以包括:通过上述定位信号确定上述无人车在上述隧道的三维坐标系上的三维坐标,通过上述三维坐标在上述隧道的地图上的位置确定无人车进入隧道时的入口位置。
在本实施例的一些可选的实现方式中,上述执行单元503可以包括:预测信息计算子单元(图中未示出)、预测距离确定子单元(图中未示出)和行驶线路计算子单元(图中未示出)。其中,预测信息计算子单元用于基于上述行驶速度信息和行驶方向信息,计算上述无人车的预测行驶速度和预测行驶方向;预测距离确定子单元用于根据上述预测行驶速度和预测行驶方向确定设定时间内上述无人车在上述隧道的地图上的预测距离;行驶线路计算子单元用于通过起始位置和上述预测距离计算上述无人车在上述隧道内的行驶线路。
在本实施例的一些可选的实现方式中,上述预测信息计算子单元可以包括:样本信息获取模块(图中未示出)和预测信息计算模块(图中未示出)。其中,样本信息获取模块用于分别采集上述行驶速度信息和行驶方向信息的样本信息得到行驶速度样本信息和行驶方向样本信息;预测信息计算模块用于根据上述行驶速度样本信息和行驶方向样本信息计算设定时刻的预测行驶速度和预测行驶方向。
在本实施例的一些可选的实现方式中,上述行驶线路计算子单元可以包括:预测位置计算模块(图中未示出)和拟合模块(图中未示出)。其中,预测位置计算模块用于根据起始位置和预测距离计算预测位置;拟合模块用于对起始位置和预测位置进行拟合得到行驶线路。
在本实施例的一些可选的实现方式中,上述隧道信息还包括隧道长度信息和隧道宽度信息;以及,上述执行单元包括:通过上述距离信息对行驶线路进行校正,通过上述隧道长度信息、隧道宽度信息和校正后的行驶线路确定上述无人车的当前位置。
下面参考图6,其示出了适于用来实现本申请实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括隧道信息获取单元、入口位置确定单元、执行单元和控制单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,控制单元还可以被描述为“控制无人车行驶的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:当监测到隧道时,获取上述隧道的隧道信息;通过定位信号和上述隧道信息确定上述无人车的入口位置;将上述入口位置设置为起始位置,执行如下监测步骤:监测起始位置处上述无人车与上述隧道的内壁的距离信息;获取上述无人车当前的行驶速度信息和行驶方向信息,并通过上述行驶速度信息、行驶方向信息和起始位置计算上述无人车在上述隧道内的行驶线路;通过上述隧道信息、行驶线路和距离信息,确定上述无人车的当前位置;若在上述当前位置处检测到的距离信息超出设定阈值、且能接收到定位信号,则通过定位信号确定上述无人车的当前位置信息;若在上述当前位置处检测到的距离信息在上述设定阈值内,则基于上述当前位置控制上述无人车在上述隧道内行驶,并将上述当前位置设置为起始位置,继续执行上述监测步骤。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于控制无人车的方法,其特征在于,所述方法包括:
当监测到隧道时,获取所述隧道的隧道信息;
通过定位信号和所述隧道信息确定所述无人车的入口位置;
将所述入口位置设置为起始位置,执行如下监测步骤:监测起始位置处所述无人车与所述隧道的内壁的距离信息;获取所述无人车当前的行驶速度信息和行驶方向信息,并通过所述行驶速度信息、行驶方向信息和起始位置计算所述无人车在所述隧道内的行驶线路;通过所述隧道信息、行驶线路和距离信息,确定所述无人车的当前位置;若在所述当前位置处检测到的距离信息超出设定阈值、且能接收到定位信号,则通过定位信号确定所述无人车的当前位置信息;
若在所述当前位置处检测到的距离信息在所述设定阈值内,则基于所述当前位置控制所述无人车在所述隧道内行驶,并将所述当前位置设置为起始位置,继续执行所述监测步骤。
2.根据权利要求1所述的方法,其特征在于,所述隧道信息包括隧道的地图和隧道的三维坐标系;以及
通过定位信号和所述隧道信息确定所述无人车的入口位置包括:
通过所述定位信号确定所述无人车在所述隧道的三维坐标系上的三维坐标,通过所述三维坐标在所述隧道的地图上的位置确定无人车进入隧道时的入口位置。
3.根据权利要求2所述的方法,其特征在于,所述通过所述行驶速度信息、行驶方向信息和起始位置计算所述无人车在所述隧道内的行驶线路包括:
基于所述行驶速度信息和行驶方向信息,计算所述无人车的预测行驶速度和预测行驶方向;
根据所述预测行驶速度和预测行驶方向确定设定时间内所述无人车在所述隧道的地图上的预测距离;
通过起始位置和所述预测距离计算所述无人车在所述隧道内的行驶线路。
4.根据权利要求3所述的方法,其特征在于,所述基于所述行驶速度信息和行驶方向信息,计算所述无人车的预测行驶速度和预测行驶方向包括:
分别采集所述行驶速度信息和行驶方向信息的样本信息得到行驶速度样本信息和行驶方向样本信息;
根据所述行驶速度样本信息和行驶方向样本信息计算设定时刻的预测行驶速度和预测行驶方向。
5.根据权利要求3所述的方法,其特征在于,所述通过起始位置和所述预测距离计算所述无人车在所述隧道内的行驶线路包括:
根据起始位置和预测距离计算预测位置;
对起始位置和预测位置进行拟合得到行驶线路。
6.根据权利要求1所述的方法,其特征在于,所述隧道信息还包括隧道长度信息和隧道宽度信息;以及
所述通过所述隧道信息、行驶线路和距离信息,确定所述无人车的当前位置包括:
通过所述距离信息对行驶线路进行校正,通过所述隧道长度信息、隧道宽度信息和校正后的行驶线路确定所述无人车的当前位置。
7.一种用于控制无人车的装置,其特征在于,所述装置包括:
隧道信息获取单元,用于在监测到隧道时,获取所述隧道的隧道信息;
入口位置确定单元,用于通过定位信号和所述隧道信息确定所述无人车的入口位置;
执行单元,用于将所述入口位置设置为起始位置,执行如下监测步骤:监测起始位置处所述无人车与所述隧道的内壁的距离信息;获取所述无人车当前的行驶速度信息和行驶方向信息,并通过所述行驶速度信息、行驶方向信息和起始位置计算所述无人车在所述隧道内的行驶线路;通过所述隧道信息、行驶线路和距离信息,确定所述无人车的当前位置;若在所述当前位置处检测到的距离信息超出设定阈值、且能接收到定位信号,则通过定位信号确定所述无人车的当前位置信息;
控制单元,用于在所述当前位置处检测到的距离信息在所述设定阈值内时,则基于所述当前位置控制所述无人车在所述隧道内行驶,并将所述当前位置设置为起始位置,继续执行所述监测步骤。
8.根据权利要求7所述的装置,其特征在于,所述隧道信息包括隧道的地图和隧道的三维坐标系;以及
入口位置确定单元还包括:通过所述定位信号确定所述无人车在所述隧道的三维坐标系上的三维坐标,通过所述三维坐标在所述隧道的地图上的位置确定无人车进入隧道时的入口位置。
9.根据权利要求8所述的装置,其特征在于,所述执行单元包括:
预测信息计算子单元,用于基于所述行驶速度信息和行驶方向信息,计算所述无人车的预测行驶速度和预测行驶方向;
预测距离确定子单元,用于根据所述预测行驶速度和预测行驶方向确定设定时间内所述无人车在所述隧道的地图上的预测距离;
行驶线路计算子单元,用于通过起始位置和所述预测距离计算所述无人车在所述隧道内的行驶线路。
10.根据权利要求9所述的装置,其特征在于,所述预测信息计算子单元包括:
样本信息获取模块,用于分别采集所述行驶速度信息和行驶方向信息的样本信息得到行驶速度样本信息和行驶方向样本信息;
预测信息计算模块,用于根据所述行驶速度样本信息和行驶方向样本信息计算设定时刻的预测行驶速度和预测行驶方向。
11.根据权利要求9所述的装置,其特征在于,所述行驶线路计算子单元包括:
预测位置计算模块,用于根据起始位置和预测距离计算预测位置;
拟合模块,用于对起始位置和预测位置进行拟合得到行驶线路。
12.根据权利要求7所述的装置,其特征在于,所述隧道信息还包括隧道长度信息和隧道宽度信息;以及
所述执行单元包括:通过所述距离信息对行驶线路进行校正,通过所述隧道长度信息、隧道宽度信息和校正后的行驶线路确定所述无人车的当前位置。
13.一种服务器,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行权利要求1至6中任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710272493.8A CN107092253B (zh) | 2017-04-24 | 2017-04-24 | 用于控制无人车的方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710272493.8A CN107092253B (zh) | 2017-04-24 | 2017-04-24 | 用于控制无人车的方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107092253A true CN107092253A (zh) | 2017-08-25 |
CN107092253B CN107092253B (zh) | 2020-06-30 |
Family
ID=59638362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710272493.8A Active CN107092253B (zh) | 2017-04-24 | 2017-04-24 | 用于控制无人车的方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107092253B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110029A (zh) * | 2019-05-17 | 2019-08-09 | 百度在线网络技术(北京)有限公司 | 用于匹配车道的方法和装置 |
CN113050104A (zh) * | 2021-04-02 | 2021-06-29 | 中冶南方工程技术有限公司 | 基于位置预估的车辆位置测量方法、终端设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009098319A2 (en) * | 2008-02-09 | 2009-08-13 | Trw Limited | Navigational device for a vehicle |
CN102183260A (zh) * | 2011-03-21 | 2011-09-14 | 哈尔滨工程大学 | 低成本无人车导航方法 |
CN102298152A (zh) * | 2010-06-23 | 2011-12-28 | 爱信艾达株式会社 | 轨迹信息生成装置和方法以及计算机可读存储介质 |
EP2709168A2 (en) * | 2012-09-14 | 2014-03-19 | The Boeing Company | Group-iv solar cell structure using group-iv or iii-v heterostructures |
CN104865077A (zh) * | 2015-04-23 | 2015-08-26 | 武汉科技大学 | 基于卫星实时差分信号的车辆行驶跑偏测量方法和系统 |
CN105073542A (zh) * | 2013-04-01 | 2015-11-18 | 朴秀旼 | 汽车自动驾驶系统 |
CN105405308A (zh) * | 2015-12-25 | 2016-03-16 | 苏州市康宏智能工程有限公司 | 一种汽车自动驾驶控制系统及方法 |
CN105699095A (zh) * | 2016-01-27 | 2016-06-22 | 常州加美科技有限公司 | 一种无人驾驶车辆的测试方法 |
CN105954048A (zh) * | 2016-07-07 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 测试无人车正常驾驶的方法及装置 |
CN106289797A (zh) * | 2016-07-19 | 2017-01-04 | 百度在线网络技术(北京)有限公司 | 用于测试无人驾驶车辆的方法和装置 |
CN106569245A (zh) * | 2015-10-10 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 一种车辆定位方法及装置 |
-
2017
- 2017-04-24 CN CN201710272493.8A patent/CN107092253B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009098319A2 (en) * | 2008-02-09 | 2009-08-13 | Trw Limited | Navigational device for a vehicle |
CN102298152A (zh) * | 2010-06-23 | 2011-12-28 | 爱信艾达株式会社 | 轨迹信息生成装置和方法以及计算机可读存储介质 |
CN102183260A (zh) * | 2011-03-21 | 2011-09-14 | 哈尔滨工程大学 | 低成本无人车导航方法 |
EP2709168A2 (en) * | 2012-09-14 | 2014-03-19 | The Boeing Company | Group-iv solar cell structure using group-iv or iii-v heterostructures |
CN105073542A (zh) * | 2013-04-01 | 2015-11-18 | 朴秀旼 | 汽车自动驾驶系统 |
CN104865077A (zh) * | 2015-04-23 | 2015-08-26 | 武汉科技大学 | 基于卫星实时差分信号的车辆行驶跑偏测量方法和系统 |
CN106569245A (zh) * | 2015-10-10 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 一种车辆定位方法及装置 |
CN105405308A (zh) * | 2015-12-25 | 2016-03-16 | 苏州市康宏智能工程有限公司 | 一种汽车自动驾驶控制系统及方法 |
CN105699095A (zh) * | 2016-01-27 | 2016-06-22 | 常州加美科技有限公司 | 一种无人驾驶车辆的测试方法 |
CN105954048A (zh) * | 2016-07-07 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 测试无人车正常驾驶的方法及装置 |
CN106289797A (zh) * | 2016-07-19 | 2017-01-04 | 百度在线网络技术(北京)有限公司 | 用于测试无人驾驶车辆的方法和装置 |
Non-Patent Citations (1)
Title |
---|
杜艳忠 等: "《LED 定位技术在隧道无人驾驶导航中的应用》", 《测绘通报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110029A (zh) * | 2019-05-17 | 2019-08-09 | 百度在线网络技术(北京)有限公司 | 用于匹配车道的方法和装置 |
CN110110029B (zh) * | 2019-05-17 | 2021-08-24 | 百度在线网络技术(北京)有限公司 | 用于匹配车道的方法和装置 |
CN113050104A (zh) * | 2021-04-02 | 2021-06-29 | 中冶南方工程技术有限公司 | 基于位置预估的车辆位置测量方法、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107092253B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12017663B2 (en) | Sensor aggregation framework for autonomous driving vehicles | |
US10816984B2 (en) | Automatic data labelling for autonomous driving vehicles | |
JP6667686B2 (ja) | 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体 | |
CN106092121B (zh) | 车辆导航方法和装置 | |
US11377119B2 (en) | Drifting correction between planning stage and controlling stage of operating autonomous driving vehicles | |
EP3627471A1 (en) | Method and device for assisting in controlling automatic driving of vehicle, and system | |
WO2018181974A1 (ja) | 判定装置、判定方法、及び、プログラム | |
JP6667688B2 (ja) | 自動運転車両のための自己位置推定方法、システム及び機械可読媒体 | |
JP2019189214A (ja) | 自動運転車の経路計画用のドリフト補正の方法 | |
EP3936822B1 (en) | Vehicle positioning method and apparatus, and vehicle, and storage medium | |
EP3699052A1 (en) | Method and device for eliminating steady-state lateral deviation and storage medium | |
CN106406320A (zh) | 机器人路径规划方法及规划路线的机器人 | |
CN108628324A (zh) | 基于矢量地图的无人车导航方法、装置、设备及存储介质 | |
WO2015129175A1 (ja) | 自動運転装置 | |
KR101526826B1 (ko) | 자율 주행 보조 장치 | |
CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
CN104183131A (zh) | 使用无线通信检测车道的装置和方法 | |
CN110341688A (zh) | 一种前轮转角补偿方法、装置、车载设备及存储介质 | |
CN109738198A (zh) | 车辆环境感知能力的检测方法、装置、设备及存储介质 | |
CN107132843A (zh) | 无人搬运车的控制方法和装置 | |
JP2013032953A (ja) | 位置判定装置およびナビゲーション装置並びに位置判定方法,プログラム | |
CN114694111A (zh) | 车辆定位 | |
CN114670840A (zh) | 死角推测装置、车辆行驶系统、死角推测方法 | |
CN113686595B (zh) | 车辆耐久测试方法、装置、云控平台及系统 | |
CN111401255A (zh) | 用于识别分歧路口的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |