CN107831496B - 一种智能汽车自动获取前车速度的方法及系统 - Google Patents

一种智能汽车自动获取前车速度的方法及系统 Download PDF

Info

Publication number
CN107831496B
CN107831496B CN201711058212.5A CN201711058212A CN107831496B CN 107831496 B CN107831496 B CN 107831496B CN 201711058212 A CN201711058212 A CN 201711058212A CN 107831496 B CN107831496 B CN 107831496B
Authority
CN
China
Prior art keywords
vehicle
acquiring
path length
information
tracking path
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.)
Active
Application number
CN201711058212.5A
Other languages
English (en)
Other versions
CN107831496A (zh
Inventor
赵世杰
姜岩
周小成
马万里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Uisee Technologies Beijing Co Ltd
Original Assignee
Uisee Technologies Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Uisee Technologies Beijing Co Ltd filed Critical Uisee Technologies Beijing Co Ltd
Priority to CN201711058212.5A priority Critical patent/CN107831496B/zh
Publication of CN107831496A publication Critical patent/CN107831496A/zh
Application granted granted Critical
Publication of CN107831496B publication Critical patent/CN107831496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Abstract

本申请公开一种智能汽车自动获取前车速度的方法及系统。涉及智能汽车控制领域。该方法可用于无人驾驶车辆，包括：获取车辆位姿信息、前方车辆位置信息；获取车道中心线信息；根据所述当前车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据；通过所述跟踪路径长度变化数据确定所述前方车辆的速度。本申请公开的一种智能汽车自动获取前车速度的方法及系统，能够快速准确的获得前车行进速度。

Description

一种智能汽车自动获取前车速度的方法及系统
技术领域
本发明涉及涉及智能汽车控制领域，具体而言，涉及一种智能汽车自动获取前车速度的方法及系统。
背景技术
随着车辆智能化技术的发展，无人车自动控制技术逐渐成为车辆研究领域的一个热点。其中，当控制无人车跟随前车行驶时，前车的纵向相对速度是一个非常关键的因素，根据前车的纵向相对速度以及本车与前车的相对距离，再经过一定的速度规划算法，即可得到本车当前的期望车速或期望加速度。
在现有技术中，对于前车速度的感知，通常由激光雷达、摄像头传感器先感知其相对本车的位置信息，再经过相应的算法处理得出其速度信息，或者由毫米波雷达根据多普勒效应直接得到前车速度信息。由于激光雷达、摄像头、毫米波雷达可以同时感知多个车辆，且经过一定算法处理，可以给出每辆车的位置和速度信息。
现有技术中对前车车速确定的方法存在着不足之处，缺点在于，1)当进行跟车行驶时，需要将感知得到的前车速度在跟踪路径上进行一定的投影变换运算，才可以用于速度规划；2)当存在多个传感器同时感知前车速度时，需要对多传感器的感知结果进行一定的融合计算，才可以获得前车位置和速度等相关信息。
因此，需要一种新的智能汽车自动获取前车速度的方法及系统。
在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本发明提供一种智能汽车自动获取前车速度的方法及系统，能够快速准确的获得前车行进速度。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明的一方面，提出一种智能汽车自动控制车辆运行的方法，所述方法可用于无人驾驶车辆，包括：获取车辆位姿信息、前方车辆位置信息；获取车道中心线信息；根据所述车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据；通过所述跟踪路径长度变化数据确定所述前方车辆的速度。
在本公开的一种示例性实施例中，获取车辆位姿信息，包括：获取所述车辆的全局位置信息；获取所述车辆的航向角信息；以及根据所述全局位置信息与所述航向角信息生成所述车辆的所述位姿信息。
在本公开的一种示例性实施例中，获取车辆位姿信息，包括以下情况至少一者：通过全球定位系统实时获取车辆位姿信息；通过激光同时定位与地图构建实时获取车辆位姿信息；以及通过视觉同时定位与地图构建实时获取车辆位姿信息。
在本公开的一种示例性实施例中，获取前方车辆位置信息，包括以下情况至少一者：通过激光雷达传感器获取前方车辆位置信息；以及通过摄像装置获取前方车辆位置信息。
在本公开的一种示例性实施例中，获取车道中心线信息，包括：通过摄像装置获取车道中心原始数据；根据所述摄像装置的安装位置，对将所述车道中心线原始数据进行坐标转换处理；根据经过坐标转换的数据生成所述车道中心线数据。
在本公开的一种示例性实施例中，根据所述车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据，包括：获取所述当前车辆在当前时间周期中的第一跟踪路径长度；获取所述当前车辆在上一个时间周期中的第二跟踪路径长度；通过所述第一跟踪路径长度与所述第二跟踪路径长度的差值，确定所述跟踪路径长度变化数据。
在本公开的一种示例性实施例中，还包括：通过卡尔曼滤波处理所述所述第一跟踪路径长度与所述第二跟踪路径长度。
在本公开的一种示例性实施例中，获取所述当前车辆在当前时间周期中的第一跟踪路径长度，包括：确定所述当前车辆的原点坐标；确定所述前方车辆的车尾坐标；以及通过所述车道中心线与预定步长获取所述当前车辆的原点与所述前方车辆的车尾的距离以作为所述第一跟踪路径长度。
在本公开的一种示例性实施例中，通过所述跟踪路径长度变化数据确定所述前方车辆的速度，包括：通过所述跟踪路径长度变化数据与预定时间周期，确定所述前方车辆的速度。
在本公开的一种示例性实施例中，所述前方车辆的速度包括前方车辆的纵向相对速度。
根据本发明的一方面，提出一种智能汽车自动控制车辆运行的系统，所述系统可用于无人驾驶车辆，包括：位置信息获取模块，用于获取车辆位姿信息、前方车辆位置信息；车道线获取模块，用于获取车道中心线信息；路径长度模块，用于根据所述车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据；速度计算模块，用于通过所述跟踪路径长度变化数据确定所述前方车辆的速度。
在本公开的一种示例性实施例中，所述位置信息获取模块，包括：位置信息子模块，用于获取所述车辆的全局位置信息；航向信息子模块，用于获取所述车辆的航向角信息；以及位置信息获取子模块，用于根据所述全局位置信息与所述航向角信息生成所述车辆的所述位姿信息。
在本公开的一种示例性实施例中，所述位置信息获取模块，还包括：全球定位子模块，用于通过全球定位系统实时获取当前车辆位姿信息；激光定位子模块，用于通过激光同时定位与地图构建实时获取当前车辆位姿信息；以及视觉定位子模块，用于通过视觉同时定位与地图构建实时获取当前车辆位姿信息。
在本公开的一种示例性实施例中，所述位置信息获取模块，还包括：激光雷达传感器，用于获取前方车辆位置信息；以及摄像装置，用于通过摄像装置获取前方车辆位置信息。
在本公开的一种示例性实施例中，车道线获取模块，包括：图像子模块，用于通过摄像装置获取车道中心原始数据；转换子模块，用于根据所述摄像装置的安装位置，对将所述车道中心线原始数据进行坐标转换处理；车道线获取子模块，用于根据经过坐标转换的数据生成所述车道中心线数据。
在本公开的一种示例性实施例中，所述路径长度模块，包括：第一子模块，用于获取所述当前车辆在当前时间周期中的第一跟踪路径长度；第二子模块，用于获取所述当前车辆在上一个时间周期中的第二跟踪路径长度；变化子模块，用于通过所述第一跟踪路径长度与所述第二跟踪路径长度的差值，确定所述跟踪路径长度变化数据。
在本公开的一种示例性实施例中，还包括：滤波子模块，用于通过卡尔曼滤波处理所述所述第一跟踪路径长度与所述第二跟踪路径长度。
在本公开的一种示例性实施例中，第一子模块被设置为通过确定所述当前车辆的原点坐标，确定所述前方车辆的车尾坐标；以及通过所述车道中心线与预定步长获取所述当前车辆的原点与所述前方车辆的车尾的距离以作为所述第一跟踪路径长度。
在本公开的一种示例性实施例中，第一子模块还被设置为，通过所述跟踪路径长度变化数据与预定时间周期，确定所述前方车辆的速度。
在本公开的一种示例性实施例中，所述前方车辆的速度包括前方车辆的纵向相对速度。
根据本发明的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本发明的一方面，提出一种计算机可读介质，其上存储有计算机程序，其特征在于，程序被处理器执行时实现如上文中的方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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。
图1是根据一示例性实施例示出的一种智能汽车自动获取前车速度的方法的流程图。
图2是根据另一示例性实施例示出的一种智能汽车自动获取前车速度的方法的流程图。
图3是根据另一示例性实施例示出的一种智能汽车自动获取前车速度的方法的示意图。
图4是根据一示例性实施例示出的一种智能汽车自动获取前车速度的系统的框图。
图5是根据另一示例性实施例示出的一种智能汽车自动获取前车速度的系统的框图。
图6是根据另一示例性实施例示出的一种智能汽车自动获取前车速度的系统的框图。
图7是根据一示例性实施例示出的一种电子设备框图。
图8是根据一示例性实施例示出的一种计算机可读介质示意图。
具体实施例
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的，因此不能用于限制本发明的保护范围。
下面结合附图对本公开示例实施方式进行详细说明。
图1是根据一示例性实施例示出的一种智能汽车自动获取前车速度的方法的流程图。
如图1所示，在S102中，获取车辆位姿信息、前方车辆位置信息，所述车辆位姿信息包括当前车辆位姿信息与前方车辆位置信息。可例如，包括：获取所述车辆的全局位置信息；获取所述车辆的航向角信息；以及根据所述全局位置信息与所述航向角信息生成车辆的所述位姿信息。车辆的位姿信息可例如用[x,y,theta]T表示，包括车辆在大地全局坐标系的位置及航向角，可通过定位手段(如得到。可例如：GPS(Global Positioning System，全球定位系统)，视觉SLAM(simultaneous localization and mapping，即时定位与地图构建)，激光雷达SLAM(simultaneous localization and mapping，即时定位与地图构建)获取车辆位姿信息。
在一个实施例中，位姿信息用于判断当前车辆的行驶状态，通过航向角预先判断车辆的行驶轨迹，以便在当前车辆驶离预定路线时做出预警信息。还可例如，通过当前车辆的位姿信息生成的当前车辆路线预判断信息，还可例如辅助生成车辆跟踪路径。
在另一个实施例中，还可例如获取前车位姿信息，通过前车位姿信息预先判断前车行驶方向，以便在前车驶离车道或有其他车辆驶入车道时，调整当前车辆行驶状态，或对当前车辆的跟车车辆进行选择。在前车驶离预定车道的时候，无人驾驶车辆会调整跟车的车辆，重新调整行驶状态。在前方有其他车辆驶入本车道时，当前车辆要重新确定前车车辆状态以及车速。前车位姿信息生成的前车路线预判断信息还可例如用于辅助生成车辆跟踪路径。
可例如，通过激光雷达传感器获取前方车辆位置信息；以及通过摄像装置获取前方车辆位置信息。前车位置信息可例如需要根据传感器在车辆的安装位置，将前车的位置转换到车辆局部坐标系下。值得一提的是，在本实施例中的前方车辆或前方行人均可作为本实施例中的前车信息进行处理。
在S104中，获取车道中心线信息。车道中心线为道路中车辆行驶路径的中心轨迹线。在一个实施例中，车道中心线信息可例如通过两条车道线的位置信息计算获取。在当前无人驾驶车辆中，车道线为一条虚拟的轨迹线，可例如通过摄像装置获取实时的前方道路数据，对实时图像数据进行处理，提取两条车道线位置数据，然后根据两条车道线的位置数据计算车道中心线的位置数据。在另一个实施例中，车道中心线还可例如通过单条车道线的位置计算得到。可例如，获得车辆行驶的道路的宽度，通过车辆行驶道路的宽度以及通过摄像装置获取单条车道线的位置，计算获得车道中心线信息。
在一个实施例中，可例如，通过摄像头获取车道中心线，车道中心线的表示方式可例如为参数化方程，如x＝c2y2+c1y+c0，还可例如为一系列的点(x,y)的集合组成。车道中心线需要根据摄像头在车辆的安装位置，将其转换到车辆局部坐标系下。其中，在一个实施例中，车辆局部坐标系是以车辆后轴中心为车辆中心位置作为局部坐标系原点，车辆后轴向右为x轴正方向，以车身向前为y轴正方向。
在S106中，根据所述车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据。获取车辆当前的跟踪路径，跟踪路径可例如由一系列离散的点组成，从当前车辆的车辆局部坐标系的原点开始，沿车道中心线，以一定的步长向前延伸，到达前车车尾位置时，则停止延伸，并记下此长度作为跟踪路径的长度。在预定的时间周期内计算跟踪路径的长度，获取相邻两个时间周期的跟踪路径长度的变化数据。
在S108中，通过所述跟踪路径长度变化数据确定所述前方车辆的速度。通过所述跟踪路径长度变化数据与预定时间周期，确定所述前方车辆的速度。
在一个实施例中，根据跟踪路径的长度变化和对应的预定的时间周期，两者相除，获得跟踪路径长度变化的速度，这个速度可例如为前车与当前车辆行驶的纵向相对速度。
在另一个实施例中，可例如通过当前车辆的速度，与前车车辆的纵向相对速度计算获得前车速度。
根据本发明的智能汽车自动获取前车速度的方法，通过获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据，进而计算前车速度的方式，能够快速准确的获得前车行进速度。
应清楚地理解，本发明描述了如何形成和使用特定示例，但本发明的原理不限于这些示例的任何细节。相反，基于本发明公开的内容的教导，这些原理能够应用于许多其它实施例。
在本公开的一种示例性实施例中，获取车道中心线信息，包括：通过摄像装置获取车道中心原始数据；根据所述摄像装置的安装位置，对将所述车道中心线原始数据进行坐标转换处理；根据经过坐标转换的数据生成所述车道中心线数据。
图2是根据另一示例性实施例示出的一种智能汽车自动获取前车速度的方法的流程图。图2所述步骤是对图1中S106的示例性描述。
如图2所示，在S202中，获取所述当前车辆在当前时间周期中的第一跟踪路径长度。可例如，确定所述当前车辆的原点坐标；确定所述前方车辆的车尾坐标；以及通过所述车道中心线与预定步长获取所述当前车辆的原点与所述前方车辆的车尾的距离以作为所述第一跟踪路径长度。参考图3中的示意图，设定路径长度变化计算周期之后，获取本车当前周期的跟踪路径长度，此长度可例如记做di。
在S204中，获取所述当前车辆在上一个时间周期中的第二跟踪路径长度。如图3所示，此长度可例如记做di+1。
在S206中，通过所述第一跟踪路径长度与所述第二跟踪路径长度的差值，确定所述跟踪路径长度变化数据。
L＝di+1-di，L为跟踪路径长度变化差值。
在本公开的一种示例性实施例中，还包括：通过卡尔曼滤波处理所述第一跟踪路径长度与所述第二跟踪路径长度。卡尔曼滤波(Kalman filtering)一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。本申请中通过卡尔曼滤波处理第一跟踪路径长度与第二跟踪路径长度，以便获取更加精确的跟踪路径长度。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
图4是根据一示例性实施例示出的一种智能汽车自动获取前车速度的系统的框图。
其中，位置信息获取模块402用于获取车辆位姿信息、前方车辆位置信息。
车道线获取模块404用于获取车道中心线信息。
路径长度模块406用于根据所述车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据。
速度计算模块408用于通过所述跟踪路径长度变化数据确定所述前方车辆的速度。
根据本发明的一种智能汽车自动获取前车速度的系统，通过获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据，进而获取前车速度的方式，能够快速准确的获得前车行进速度。
图5是根据一示例性实施例示出的一种智能汽车自动获取前车速度的系统的框图。
如图5所示，在本公开的一种示例性实施例中，所述位置信息获取模块402，包括：
位置信息子模块4022用于获取所述车辆的全局位置信息；
航向信息子模块4024用于获取所述车辆的航向角信息；
位置信息获取子模块4026用于根据所述全局位置信息与所述航向角信息生成所述车辆的所述位姿信息。
在本公开的一种示例性实施例中，所述位置信息获取模块402，还包括：全球定位子模块(图中未示出)用于通过全球定位系统实时获取车辆位姿信息；
激光定位子模块(图中未示出)用于通过激光同时定位与地图构建实时获取车辆位姿信息；
视觉定位子模块(图中未示出)用于通过视觉同时定位与地图构建实时获取车辆位姿信息。
在本公开的一种示例性实施例中，所述位置信息获取模块402，还包括：激光雷达传感器(图中未示出)用于获取前方车辆位置信息；
摄像装置(图中未示出)用于通过摄像装置获取前方车辆位置信息。
在本公开的一种示例性实施例中，车道线获取模块404包括：图像子模块4042用于通过摄像装置获取车道中心原始数据；
转换子模块4044用于根据所述摄像装置的安装位置，对将所述车道中心线原始数据进行坐标转换处理；
车道线获取子模块4046用于根据经过坐标转换的数据生成所述车道中心线数据。
在本公开的一种示例性实施例中，所述路径长度模块406，包括：
第一子模块4062，用于获取所述当前车辆在当前时间周期中的第一跟踪路径长度；
第二子模块4064，用于获取所述当前车辆在上一个时间周期中的第二跟踪路径长度；
变化子模块4066，用于通过所述第一跟踪路径长度与所述第二跟踪路径长度的差值，确定所述跟踪路径长度变化数据。
在本公开的一种示例性实施例中，还包括：滤波子模块4068用于通过卡尔曼滤波处理所述第一跟踪路径长度与所述第二跟踪路径长度。
在本公开的一种示例性实施例中，第一子模块4062被设置为通过确定所述当前车辆的原点坐标，确定所述前方车辆的车尾坐标；以及通过所述车道中心线与预定步长获取所述当前车辆的原点与所述前方车辆的车尾的距离以作为所述第一跟踪路径长度。
在本公开的一种示例性实施例中，第一子模块4062还被设置为，通过所述跟踪路径长度变化数据与预定时间周期，确定所述前方车辆的速度。
在本公开的一种示例性实施例中，所述前方车辆的速度包括前方车辆的纵向相对速度。
图6是根据另一示例性实施例示出的一种智能汽车自动获取前车速度的系统的框图。
如图6所示，车辆位姿获取模块110用于获取车辆的位姿信息。车辆的位姿包括车辆在大地全局坐标系的位置及航向角，可通过定位手段(如GPS、激光SLAM、视觉SLAM定位)得到。
车道中心线获取模块120通过摄像头获取车道中心线。车道中心线需要根据摄像头在车辆的安装位置，将其转换到车辆局部坐标系下。其中，车辆局部坐标系是以车辆后轴中心为车辆中心位置作为局部坐标系原点。
前车位置获取模块130通过摄像头或激光雷达获取前车(车辆或行人)的位置信息。
跟踪路径获取模块140用于获取车辆当前的跟踪路径。跟踪路径由一系列离散的点组成，本车从车辆局部坐标系的原点开始，沿车道中心线，以一定的步长向前延伸，当本车的车头到达前车车尾位置时，则停止延伸，并记下此长度作为跟踪路径的长度。
前车纵向相对速度估计模块150用于根据获取的跟踪路径计算前车的纵向相对速度。
图7是根据一示例性实施例示出的一种电子设备框图。
下面参照图7来描述根据本发明的这种实施方式的电子设备200。图7显示的电子设备200仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图1，2中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述电子处方流转处理方法。
图8是根据一示例性实施例示出的一种计算机可读介质示意图。
参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
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一个该设备执行时，使得该计算机可读介质实现如下功能：获取当前车辆位姿信息、前方车辆位置信息；获取车道中心线信息；根据所述当前车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取所述当前车辆与所述前方车辆之间的跟踪路径长度变化数据；通过所述跟踪路径长度变化数据确定所述前方车辆的速度。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施例的方法。
通过以上的详细描述，本领域的技术人员易于理解，根据本发明实施例的一种智能汽车自动获取前车速度的方法及系统具有以下优点中的一个或多个。
根据一些实施例，本发明的一种智能汽车自动获取前车速度的方法，在跟车行驶时，从跟踪路径长度变化的角度出发，对前车的纵向相对速度进行估计。
根据另一些实施例，本发明的一种智能汽车自动获取前车速度的方法，降低了传感器模块的计算，只需感知前车的相对位置，无需感知其运动速度。
根据再一些实施例，本发明的一种智能汽车自动获取前车速度的方法，避免了需要将感知得到的前车速度在跟踪路径上进行一定的投影变换运算，才可以用于速度规划。
根据再一些实施例，本发明的一种智能汽车自动获取前车速度的方法，当存在多个传感器同时感知前车速度时，也避免了需要对多传感器的感知结果进行融合计算。
以上具体地示出和描述了本发明的示例性实施例。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
此外，本说明书说明书附图所示出的结构、比例、大小等，均仅用以配合说明书所公开的内容，以供本领域技术人员了解与阅读，并非用以限定本公开可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本公开所能产生的技术效果及所能实现的目的下，均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语，也仅为便于叙述的明了，而非用以限定本公开可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当也视为本发明可实施的范畴。

Claims (18)

1.一种智能汽车自动获取前车速度的方法，所述方法可用于无人驾驶车辆，其特征在于，包括：
获取车辆位姿信息、前方车辆位置信息，所述车辆位姿信息包括当前车辆位姿信息与前方车辆位姿信息；
获取车道中心线信息；
根据所述车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取当前车辆与所述前方车辆之间的跟踪路径长度变化数据；以及
通过所述跟踪路径长度变化数据确定所述前方车辆的速度；
其中，根据所述车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取当前车辆与所述前方车辆之间的跟踪路径长度变化数据，包括：
获取所述当前车辆在当前时间周期中的第一跟踪路径长度；
获取所述当前车辆在上一个时间周期中的第二跟踪路径长度；以及
通过所述第一跟踪路径长度与所述第二跟踪路径长度的差值，确定所述跟踪路径长度变化数据；
其中，获取所述当前车辆在当前时间周期中的第一跟踪路径长度，包括：
确定所述当前车辆的原点坐标；
确定所述前方车辆的车尾坐标；以及
通过所述车道中心线与预定步长获取所述当前车辆的原点与所述前方车辆的车尾的距离以作为所述第一跟踪路径长度。
2.如权利要求1所述的方法，其特征在于，获取车辆位姿信息，包括：
获取所述车辆的全局位置信息；
获取所述车辆的航向角信息；以及
根据所述全局位置信息与所述航向角信息生成所述车辆的所述位姿信息。
3.如权利要求1所述的方法，其特征在于，获取车辆位姿信息，包括以下情况至少一者：
通过全球定位系统实时获取车辆位姿信息；
通过激光同时定位与地图构建实时获取车辆位姿信息；以及
通过视觉同时定位与地图构建实时获取车辆位姿信息。
4.如权利要求1所述的方法，其特征在于，获取前方车辆位置信息，包括以下情况至少一者：
通过激光雷达传感器获取前方车辆位置信息；以及
通过摄像装置获取前方车辆位置信息。
5.如权利要求1所述的方法，其特征在于，获取车道中心线信息，包括：
通过摄像装置获取车道中心原始数据；
根据所述摄像装置的安装位置，对将所述车道中心线原始数据进行坐标转换处理；以及
根据经过坐标转换的数据生成所述车道中心线数据。
6.如权利要求1所述的方法，其特征在于，还包括：
通过卡尔曼滤波处理所述第一跟踪路径长度与所述第二跟踪路径长度。
7.如权利要求1所述的方法，其特征在于，通过所述跟踪路径长度变化数据确定所述前方车辆的速度，包括：
通过所述跟踪路径长度变化数据与预定时间周期，确定所述前方车辆的速度。
8.如权利要求7所述的方法，其特征在于，所述通过所述跟踪路径长度变化数据与预定时间周期，确定所述前方车辆的速度，包括：
通过所述跟踪路径长度变化数据与预定时间周期获取前方车辆的纵向相对速度；以及
通过前方车辆的纵向相对速度获取所述前方车辆的速度。
9.一种智能汽车自动获取前车速度的系统，所述系统可用于无人驾驶车辆，其特征在于，包括：
位置信息获取模块，用于获取车辆位姿信息、前方车辆位置信息，所述车辆位姿信息包括当前车辆位姿信息与前方车辆位姿信息；
车道线获取模块，用于获取车道中心线信息；
路径长度模块，用于根据所述车辆位姿信息，所述前方车辆位置信息，以及所述车道中心线信息获取当前车辆与所述前方车辆之间的跟踪路径长度变化数据；
速度计算模块，用于通过所述跟踪路径长度变化数据确定所述前方车辆的速度；
其中，所述路径长度模块，包括：
第一子模块，用于获取所述当前车辆在当前时间周期中的第一跟踪路径长度；
第二子模块，用于获取所述当前车辆在上一个时间周期中的第二跟踪路径长度；
变化子模块，用于通过所述第一跟踪路径长度与所述第二跟踪路径长度的差值，确定所述跟踪路径长度变化数据；
其中，所述第一子模块被设置为通过确定所述当前车辆的原点坐标，确定所述前方车辆的车尾坐标；以及通过所述车道中心线与预定步长获取所述当前车辆的原点与所述前方车辆的车尾的距离以作为所述第一跟踪路径长度。
10.如权利要求9所述的系统，其特征在于，所述位置信息获取模块，包括：
位置信息子模块，用于获取所述车辆的全局位置信息；
航向信息子模块，用于获取所述车辆的航向角信息；以及
位置信息获取子模块，用于根据所述全局位置信息与所述航向角信息生成所述车辆的所述位姿信息。
11.如权利要求9所述的系统，其特征在于，所述位置信息获取模块，还包括：
全球定位子模块，用于通过全球定位系统实时获取车辆位姿信息；
激光定位子模块，用于通过激光同时定位与地图构建实时获取车辆位姿信息；以及
视觉定位子模块，用于通过视觉同时定位与地图构建实时获取车辆位姿信息。
12.如权利要求9所述的系统，其特征在于，所述位置信息获取模块，还包括：
激光雷达传感器，用于获取前方车辆位置信息；以及
摄像装置，用于通过摄像装置获取前方车辆位置信息。
13.如权利要求9所述的系统，其特征在于，车道线获取模块，包括：
图像子模块，用于通过摄像装置获取车道中心原始数据；
转换子模块，用于根据所述摄像装置的安装位置，对将所述车道中心线原始数据进行坐标转换处理；
车道线获取子模块，用于根据经过坐标转换的数据生成所述车道中心线数据。
14.如权利要求9所述的系统，其特征在于，还包括：
滤波子模块，用于通过卡尔曼滤波处理所述第一跟踪路径长度与所述第二跟踪路径长度。
15.如权利要求9所述的系统，其特征在于，第一子模块还被设置为，通过所述跟踪路径长度变化数据与预定时间周期，确定所述前方车辆的速度。
16.如权利要求9所述的系统，其特征在于，所述前方车辆的速度包括前方车辆的纵向相对速度。
17.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，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，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN201711058212.5A 2017-11-01 2017-11-01 一种智能汽车自动获取前车速度的方法及系统 Active CN107831496B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711058212.5A CN107831496B (zh) 2017-11-01 2017-11-01 一种智能汽车自动获取前车速度的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711058212.5A CN107831496B (zh) 2017-11-01 2017-11-01 一种智能汽车自动获取前车速度的方法及系统

Publications (2)

Publication Number Publication Date
CN107831496A CN107831496A (zh) 2018-03-23
CN107831496B true CN107831496B (zh) 2020-11-20

Family

ID=61651456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711058212.5A Active CN107831496B (zh) 2017-11-01 2017-11-01 一种智能汽车自动获取前车速度的方法及系统

Country Status (1)

Country Link
CN (1) CN107831496B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109849930B (zh) * 2018-12-29 2020-08-04 百度在线网络技术（北京）有限公司 自动驾驶汽车的相邻车辆的速度计算方法和装置
CN111845777A (zh) * 2019-07-08 2020-10-30 徐熊键 大数据车辆控制方法
CN110428603B (zh) * 2019-07-26 2021-04-23 北京主线科技有限公司 集装箱卡车编队中跟随车行驶控制方法及装置
CN112068603A (zh) * 2020-08-10 2020-12-11 上海交通大学 一种基于事件相机的无人驾驶跟车系统及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100492437C (zh) * 2007-06-01 2009-05-27 清华大学 一种目标车换道工况下的快速识别方法
US8744720B1 (en) * 2007-12-27 2014-06-03 Iwao Fujisaki Inter-vehicle middle point maintaining implementer
CN101391589A (zh) * 2008-10-30 2009-03-25 上海大学 车载智能报警方法和装置
CN103219030B (zh) * 2013-04-18 2017-02-08 重庆长安汽车股份有限公司 一种车载视频与总线数据同步采集及回放的方法
EP2913239B1 (en) * 2014-02-28 2019-06-19 Volvo Car Corporation Method and unit for managing following space
CN106671982B (zh) * 2017-01-09 2019-05-17 厦门大学 基于多智能体的无人驾驶电动汽车自动超车系统及方法

Also Published As

Publication number Publication date
CN107831496A (zh) 2018-03-23

Similar Documents

Publication Publication Date Title
US10579062B2 (en) Scalable smooth reference path generator for autonomous driving vehicles
US10816977B2 (en) Path and speed optimization fallback mechanism for autonomous vehicles
US10816990B2 (en) Non-blocking boundary for autonomous vehicle planning
US10824153B2 (en) Cost design for path selection in autonomous driving technology
EP3315388B1 (en) Spring system-based change lane approach for autonomous vehicles
US10807599B2 (en) Driving scenario based lane guidelines for path planning of 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
US10429849B2 (en) Non-linear reference line optimization method using piecewise quintic polynomial spiral paths for operating autonomous driving vehicles
US20180143622A1 (en) Method to dynamically adjusting steering rates of autonomous vehicles
CN107831496B (zh) 一种智能汽车自动获取前车速度的方法及系统
US10816985B2 (en) Method on moving obstacle representation for trajectory planning
US10054945B2 (en) Method for determining command delays of autonomous vehicles
EP3344479B1 (en) A vehicle position point forwarding method for autonomous vehicles
EP3518066B1 (en) Method and system for generating reference lines for autonomous driving vehicles using multiple threads
US10409280B2 (en) Control dominated planning and control system for autonomous driving vehicles
US20210163037A1 (en) Map-less and localization-less lane following method for autonomous driving of autonomous driving vehicles on highway
US10549749B2 (en) Post collision analysis-based vehicle action optimization for autonomous driving vehicles
US20190278276A1 (en) Emergency stop speed profile for autonomous vehicles
US10909377B2 (en) Tracking objects with multiple cues
US20190325234A1 (en) Lane post-processing in an autonomous driving vehicle
US10732632B2 (en) Method for generating a reference line by stitching multiple reference lines together using multiple threads
JP6987150B2 (ja) 自動運転車両の３ポイントターンの最適プランナー切り替え方法
US20200125091A1 (en) Method for evaluating localization system of autonomous driving vehicles

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