CN108508881B - 自动驾驶控制策略调整方法、装置、设备及存储介质 - Google Patents

自动驾驶控制策略调整方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN108508881B
CN108508881B CN201710108373.4A CN201710108373A CN108508881B CN 108508881 B CN108508881 B CN 108508881B CN 201710108373 A CN201710108373 A CN 201710108373A CN 108508881 B CN108508881 B CN 108508881B
Authority
CN
China
Prior art keywords
automatic driving
data
vehicle
test report
sensor
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
CN201710108373.4A
Other languages
English (en)
Other versions
CN108508881A (zh
Inventor
孙江元
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710108373.4A priority Critical patent/CN108508881B/zh
Publication of CN108508881A publication Critical patent/CN108508881A/zh
Application granted granted Critical
Publication of CN108508881B publication Critical patent/CN108508881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal

Abstract

本发明公开了自动驾驶控制策略调整方法、装置、设备及存储介质，其中方法包括：获取自动驾驶车辆行驶过程中所采集的指定数据；根据所述数据确定出行驶过程中的特征事件；根据所述数据分别确定出各特征事件对应的车辆行为信息；根据确定结果生成测试报告，以便根据测试报告调整自动驾驶控制策略。应用本发明所述方案，能够提高调整结果的准确性等。

Description

自动驾驶控制策略调整方法、装置、设备及存储介质
【技术领域】
本发明涉及自动驾驶车辆技术，特别涉及自动驾驶控制策略调整方法、装置、设备及存储介质。
【背景技术】
自动驾驶车辆，也可以称为无人驾驶车辆，是指通过车载传感系统来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
在无人驾驶的状态下，自动驾驶车辆主要依靠自动驾驶控制策略行驶，因此，自动驾驶控制策略的好坏将直接影响到自动驾驶车辆的性能。
为确定出最优的自动驾驶控制策略，现有技术中主要采用人工测试的方式，即当自动驾驶车辆在测试场景中行驶时，坐在车上的测试人员通过主观的观察和感受等，给出是否需要对自动驾驶控制策略进行调整以及需要对哪些方面进行调整的意见，进而可根据测试人员的意见对自动驾驶控制策略进行调整，并在调整之后再次进行人工测试，如此反复。
但是，这种方式主要依赖于人的主观评价，准确性较低。
【发明内容】
有鉴于此，本发明提供了自动驾驶控制策略调整方法、装置、设备及存储介质，能够提高调整结果的准确性等。
具体技术方案如下：
一种自动驾驶控制策略调整方法，包括：
获取自动驾驶车辆行驶过程中所采集的指定数据；
根据所述数据确定出行驶过程中的特征事件；
根据所述数据分别确定出各特征事件对应的车辆行为信息；
根据确定结果生成测试报告，以便根据所述测试报告调整自动驾驶控制策略。
一种自动驾驶控制策略调整装置，包括：数据获取单元以及分析调整单元；
所述数据获取单元，用于获取自动驾驶车辆行驶过程中所采集的指定数据，并发送给所述分析调整单元；
所述分析调整单元，用于根据所述数据确定出行驶过程中的特征事件，根据所述数据分别确定出各特征事件对应的车辆行为信息，并根据确定结果生成测试报告，以便根据所述测试报告调整自动驾驶控制策略。
一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出，采用本发明所述方案，可获取自动驾驶车辆行驶过程中所采集的指定数据，并可根据获取到的数据确定出行驶过程中的特征事件以及特征事件对应的车辆行为信息，进而可根据确定结果生成测试报告，并可基于测试报告对自动驾驶车辆的自动驾驶控制策略进行调整，从而相比于现有技术中主要依赖于人的主观评价进行调整的方式，提高了调整结果的准确性，从而缩短了调整周期等。
【附图说明】
图1为本发明所述自动驾驶控制策略调整方法实施例的流程图。
图2为本发明所述自动驾驶控制策略调整装置实施例的组成结构示意图。
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案作进一步地详细说明。
图1为本发明所述自动驾驶控制策略调整方法实施例的流程图，如图1所示，包括以下具体实现方式：
在101中，获取自动驾驶车辆行驶过程中所采集的指定数据；
在102中，根据获取到的数据确定出行驶过程中的特征事件；
在103中，根据获取到的数据分别确定出各特征事件对应的车辆行为信息；
在104中，根据确定结果生成测试报告，以便根据测试报告调整自动驾驶控制策略。
在实际应用中，图1所示流程的执行主体可为主机。
其中，主机中的中央处理单元(CPU，Central Processing Unit)可采用intel的i7平台，图形处理单元(GPU，Graphics Processing Unit)可采用Tesla GPU，数据存储可采用1T以上的非易失性存储器(NVME，Non-Volatile Memory Express)硬盘。
以下分别对图1所示流程中的各部分的具体实现进行详细说明。
一)数据获取
在自动驾驶车辆行驶过程中，可分别获取指定的各传感器实时采集的数据，并实时获取整车总线数据信息。
其中，在分别获取指定的各传感器实时采集的数据之前，可先发出系统时间同步信息，以便同步各传感器的时间戳。
所述传感器可包括：激光雷达、摄像头、定位系统、三轴加速度传感器、前轮转角传感器、外置车速传感器等。
激光雷达：可采用能够重建3D图像的多线激光雷达作为车辆周围环境信息的主要采集系统。
摄像头：可采用双目摄像头进行辅助环境信息采集，比如，可利用双目摄像头来采集车辆前方信息。
定位系统：可采用高精度差分定位系统，结合高精地图使用，可形成车辆的行驶轨迹并引导车辆按正确路线行驶等。
三轴加速度传感器：用于采集车辆x、y、z轴各向的加速度信息。
前轮转角传感器：用于采集转向轮转向角度信息。
外置车速传感器：用于采集车辆的车速信息。
各传感器可实时地进行数据采集，并实时地或周期性地将采集到的数据上传给主机。
各传感器在自动驾驶车辆上的安装位置可根据实际需要而定。
主机在获取各传感器实时采集的数据的同时，还可实时地获取整车总线数据信息，如何获取整车总线数据信息为现有技术。
整车总线数据信息可包括：车速、方向盘转角、加速踏板、制动踏板、档位信息、空调、转向灯、前照灯、环境温度等。
其中，车速即指车辆的行驶速度，可将获取到的该车速信息与外置车速传感器获取到的车速信息进行融合，即综合两者的结果确定出车速信息，从而可提高车速信息的获取精度。
加速踏板和制动踏板可分别理解为油门深度和刹车深度。
转向灯即指是否开启转向灯以及开启的是哪个方向的转向灯等。
二)特征事件提取
根据一)中获取到的数据，可确定出行驶过程中的特征事件，即进行特征事件提取。
可根据预先设定的规则进行特征事件的提取，比如，可预先规定将哪些事件作为特征事件进行提取。
所述特征事件可包括：遇到红灯、突然有行人横穿马路、相邻车道的车辆并线、车辆爬坡、在地下隧道行驶、右转弯、左转弯等，具体将哪些事件作为特征事件可根据实际需要而定。
比如，可根据激光雷达以及摄像头等采集到的数据，确定出遇到红灯、突然有行人横穿马路、相邻车道的车辆并线等特征事件，再比如，可进一步根据定位系统获取到的数据，并结合高精地图等，确定出车辆爬坡、在地下隧道行驶等特征事件。
三)车辆行为信息获取
针对提取出的各特征事件，可进一步根据一)中获取到的数据确定出各特征事件对应的车辆行为信息，即确定出各特征事件发生时或发生前后的车辆行为信息，车辆行为信息即指针对所出现的特征事件所采取的处理措施。
比如，对于突然有行人横穿马路这一特征事件，可根据一)中获取到的数据，确定出该特征事件对应的车辆行为信息，如可包括：进行制动、制动深度等；对于右转弯这一特征事件，可根据一)中获取到的数据，确定出该特征事件对应的车辆行为信息，如可包括：减速、打开右转向灯、提前多久开始减速、提前多久打开右转向灯等；对于车辆爬坡这一特征事件，可根据一)中获取到的数据，确定出该特征事件对应的车辆行为信息，如可包括：提前多久开始加速、加速深度、档位等。
四)自动驾驶控制策略调整
在完成二)和三)中的处理之后，可生成测试报告，测试报告中可包括：车辆行驶过程中出现的特征事件，以及，各特征事件对应的车辆行为信息。
可基于获取到的测试报告，对自动驾驶车辆的自动驾驶控制策略进行调整。
具体地，可分别获取自动驾驶车辆在有人驾驶和无人驾驶状态下的测试报告，通过对两种状态下的测试报告进行对比得到对比结果，根据对比结果对自动驾驶控制策略进行调整。
比如，可选取有经验的驾驶人员，驾驶自动驾驶车辆在测试场景中行驶，即进行测试，并按照之前所述的方式获取到本次测试对应的测试报告。
在实际应用中，可利用同一驾驶人员进行一次测试，也可以利用同一驾驶人员进行多次测试，还可以利用多个不同的驾驶人员进行多次测试。
这样，获取到的有人驾驶状态下的测试报告的数量可能为一，也可能大于一，对于大于一的情况，可融合多份测试报告来生成最终的测试报告。
并且，在获取到有人驾驶状态下的测试报告之后，可进一步确定是否需要对测试报告进行修正，即确定测试报告中是否存在不合理之处，如不符合交通规则之处，比如，驾驶人员在右转弯的时候没有打开右转向灯，若存在，则对测试报告进行修正。
针对同样的测试场景，令自动驾驶车辆按照自动驾驶控制策略进行行驶，即进行无人驾驶状态下的测试，并按照之前所述的方式获取到本次测试对应的测试报告。
之后，可将有人驾驶状态下的测试报告与无人驾驶状态下的测试报告进行对比，从而得到对比结果，进而可由开发人员根据对比结果对自动驾驶控制策略进行调整，如何进行调整为现有技术，当然，如果对比结果显示无需进行调整，则可结束调整。
通过这种方式，使得自动驾驶车辆能够学习人类的驾驶经验，得出最优的控制参数。
以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。
图2为本发明所述自动驾驶控制策略调整装置实施例的组成结构示意图，如图2所示，包括：数据获取单元201以及分析调整单元202。
数据获取单元201，用于获取自动驾驶车辆行驶过程中所采集的指定数据，并发送给分析调整单元202。
分析调整单元202，用于根据获取到的数据确定出行驶过程中的特征事件，根据获取到的数据分别确定出各特征事件对应的车辆行为信息，并根据确定结果生成测试报告，以便根据测试报告调整自动驾驶控制策略。
如图2所示，数据获取单元201中可具体包括：第一获取子单元2011以及第二获取子单元2012。
第一获取子单元2011，用于分别获取指定的各传感器实时采集的数据，并发送给分析调整单元202。
第二获取子单元2012，用于实时获取整车总线数据信息，并发送给分析调整单元202。
其中，第一获取子单元2011在分别获取指定的各传感器实时采集的数据之前，可先发出系统时间同步信息，以便同步各传感器的时间戳。
所述传感器可包括：激光雷达、摄像头、定位系统、三轴加速度传感器、前轮转角传感器、外置车速传感器等。
各传感器可实时地进行数据采集，并可实时地或周期性地将采集到的数据上传给第一获取子单元2011。
第一获取子单元2011在获取各传感器实时采集的数据的同时，第二获取子单元2012可实时地获取整车总线数据信息。
整车总线数据信息可包括：车速、方向盘转角、加速踏板、制动踏板、档位信息、空调、转向灯、前照灯、环境温度等。
如图2所示，分析调整单元202中可具体包括：第一处理子单元2021以及第二处理子单元2022。
第一处理子单元2021，用于根据获取到的数据确定出行驶过程中的特征事件，并根据获取到的数据分别确定出各特征事件对应的车辆行为信息，将确定结果发送给第二处理子单元2022。
第二处理子单元2022，用于根据确定结果生成测试报告，并在分别获取到自动驾驶车辆在有人驾驶状态下的测试报告以及无人驾驶状态下的测试报告后，通过对两种状态下的测试报告进行对比得到对比结果，以便根据对比结果对自动驾驶控制策略进行调整。
第一处理子单元2021可根据预先设定的规则进行特征事件的提取，比如，预先规定将哪些事件作为特征事件进行提取。
所述特征事件可包括：遇到红灯、突然有行人横穿马路、相邻车道的车辆并线、车辆爬坡、在地下隧道行驶、右转弯、左转弯等，具体将哪些事件作为特征事件可根据实际需要而定。
并且，第一处理子单元2021可根据获取到的数据进一步确定出各特征事件对应的车辆行为信息。
第二处理子单元2022可根据第一处理子单元2021的确定结果生成测试报告，测试报告中可包括：车辆行驶过程中出现的特征事件，以及，各特征事件对应的车辆行为信息。
并且，可基于获取到的测试报告，对自动驾驶车辆的自动驾驶控制策略进行调整。
具体地，可首先选取有经验的驾驶人员，驾驶自动驾驶车辆在测试场景中行驶，即进行测试，并获取到本次测试对应的测试报告。
之后，针对同样的测试场景，可令自动驾驶车辆按照自动驾驶控制策略进行行驶，即进行无人驾驶状态下的测试，并获取到本次测试对应的测试报告。
第二处理子单元2022在分别获取到有人驾驶状态下的测试报告以及无人驾驶状态下的测试报告之后，可将两者进行对比，从而得到对比结果，进而可由开发人员根据对比结果对自动驾驶控制策略进行调整。
在实际应用中，图2所示装置可为之前所述的主机。
另外，图2所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明，此处不再赘述。
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图3显示的计算机系统/服务器12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3所示，计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于：一个或者多个处理器(处理单元)16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42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。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，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22进行。并且，计算机系统/服务器12还可以通过网络适配器20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。如图3所示，网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器12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。
处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图1所示实施例中的方法，即获取自动驾驶车辆行驶过程中所采集的指定数据，根据获取到的数据确定出行驶过程中的特征事件，并根据获取到的数据分别确定出各特征事件对应的车辆行为信息，根据确定结果生成测试报告，以便根据测试报告调整自动驾驶控制策略。
其中，获取自动驾驶车辆行驶过程中所采集的指定数据可包括：分别获取指定的各传感器实时采集的数据，以及，实时获取整车总线数据信息。
另外，可分别获取自动驾驶车辆在有人驾驶状态下的测试报告以及无人驾驶状态下的测试报告，通过对两种状态下的测试报告进行对比得到对比结果，进而根据对比结果对自动驾驶控制策略进行调整。
本发明同时公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时将实现如图1所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：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。在本文件中，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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法等，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Ramdom Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (14)

1.一种自动驾驶控制策略调整方法，其特征在于，包括：
获取自动驾驶车辆在无人驾驶状态下的行驶过程中所采集的指定数据；
根据所述数据确定出行驶过程中的特征事件；
根据所述数据分别确定出各特征事件对应的车辆行为信息，所述车辆行为信息为所述自动驾驶车辆针对所出现的特征事件所采取的处理措施；
根据确定结果生成测试报告，以便根据所述测试报告调整自动驾驶控制策略。
2.根据权利要求1所述的方法，其特征在于，
获取所采集的指定数据包括：
分别获取指定的各传感器实时采集的数据；
实时获取整车总线数据信息。
3.根据权利要求2所述的方法，其特征在于，
该方法进一步包括：
在分别获取指定的各传感器实时采集的数据之前，发出系统时间同步信息，同步各传感器的时间戳。
4.根据权利要求2所述的方法，其特征在于，
所述传感器包括：
激光雷达、摄像头、定位系统、三轴加速度传感器、前轮转角传感器、外置车速传感器；
所述整车总线数据信息包括：
车速、方向盘转角、加速踏板、制动踏板、档位信息、空调、转向灯、前照灯、环境温度。
5.根据权利要求1所述的方法，其特征在于，
所述根据确定结果生成测试报告，以便根据所述测试报告调整自动驾驶控制策略包括：
分别获取所述自动驾驶车辆在有人驾驶状态下的测试报告以及无人驾驶状态下的测试报告；
通过对两种状态下的测试报告进行对比得到对比结果，以便根据所述对比结果对所述自动驾驶控制策略进行调整。
6.根据权利要求5所述的方法，其特征在于，
所述分别获取所述自动驾驶车辆在有人驾驶状态下的测试报告以及无人驾驶状态下的测试报告包括：
针对相同的测试场景，分别获取所述自动驾驶车辆在有人驾驶状态下的测试报告以及无人驾驶状态下的测试报告。
7.一种自动驾驶控制策略调整装置，其特征在于，包括：数据获取单元以及分析调整单元；
所述数据获取单元，用于获取自动驾驶车辆在无人驾驶状态下的行驶过程中所采集的指定数据，并发送给所述分析调整单元；
所述分析调整单元，用于根据所述数据确定出行驶过程中的特征事件，根据所述数据分别确定出各特征事件对应的车辆行为信息，并根据确定结果生成测试报告，以便根据所述测试报告调整自动驾驶控制策略，所述车辆行为信息为所述自动驾驶车辆针对所出现的特征事件所采取的处理措施。
8.根据权利要求7所述的装置，其特征在于，
所述数据获取单元中包括：第一获取子单元以及第二获取子单元；
所述第一获取子单元，用于分别获取指定的各传感器实时采集的数据，并发送给所述分析调整单元；
所述第二获取子单元，用于实时获取整车总线数据信息，并发送给所述分析调整单元。
9.根据权利要求8所述的装置，其特征在于，
所述第一获取子单元进一步用于，
在分别获取指定的各传感器实时采集的数据之前，发出系统时间同步信息，同步各传感器的时间戳。
10.根据权利要求8所述的装置，其特征在于，
所述传感器包括：
激光雷达、摄像头、定位系统、三轴加速度传感器、前轮转角传感器、外置车速传感器；
所述整车总线数据信息包括：
车速、方向盘转角、加速踏板、制动踏板、档位信息、空调、转向灯、前照灯、环境温度。
11.根据权利要求7所述的装置，其特征在于，
所述分析调整单元中包括：第一处理子单元以及第二处理子单元；
所述第一处理子单元，用于根据所述数据确定出行驶过程中的特征事件，并根据所述数据分别确定出各特征事件对应的车辆行为信息，将确定结果发送给所述第二处理子单元；
所述第二处理子单元，用于根据确定结果生成测试报告，并在分别获取到所述自动驾驶车辆在有人驾驶状态下的测试报告以及无人驾驶状态下的测试报告后，通过对两种状态下的测试报告进行对比得到对比结果，以便根据所述对比结果对所述自动驾驶控制策略进行调整。
12.根据权利要求11所述的装置，其特征在于，
针对相同的测试场景，所述第二处理子单元分别获取所述自动驾驶车辆在有人驾驶状态下的测试报告以及无人驾驶状态下的测试报告。
13.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～6中任一项所述的方法。
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，所述程序被处理器执行时实现如权利要求1～6中任一项所述的方法。
CN201710108373.4A 2017-02-27 2017-02-27 自动驾驶控制策略调整方法、装置、设备及存储介质 Active CN108508881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710108373.4A CN108508881B (zh) 2017-02-27 2017-02-27 自动驾驶控制策略调整方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710108373.4A CN108508881B (zh) 2017-02-27 2017-02-27 自动驾驶控制策略调整方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN108508881A CN108508881A (zh) 2018-09-07
CN108508881B true CN108508881B (zh) 2022-05-27

Family

ID=63374101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710108373.4A Active CN108508881B (zh) 2017-02-27 2017-02-27 自动驾驶控制策略调整方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN108508881B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109255341B (zh) * 2018-10-30 2021-08-10 百度在线网络技术（北京）有限公司 障碍物感知错误数据的提取方法、装置、设备及介质
CN109795505A (zh) 2018-12-10 2019-05-24 北京百度网讯科技有限公司 自动驾驶判别方法、装置、计算机设备及存储介质
CN109800475A (zh) * 2018-12-27 2019-05-24 北京百度网讯科技有限公司 自动驾驶数据处理方法、装置、设备和计算机存储介质
CN109814553A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 自动驾驶系统的控制方法、装置、系统及可读存储介质
CN109795506B (zh) * 2019-02-26 2021-04-02 百度在线网络技术（北京）有限公司 一种驾驶控制方法、装置及车辆
CN110058588B (zh) 2019-03-19 2021-07-02 驭势科技（北京）有限公司 一种自动驾驶系统升级的方法、自动驾驶系统及车载设备
CN110069064B (zh) * 2019-03-19 2021-01-29 驭势科技（北京）有限公司 一种自动驾驶系统升级的方法、自动驾驶系统及车载设备
CN110488671B (zh) * 2019-05-13 2020-08-07 中国汽车工程研究院股份有限公司 一种自动驾驶数据处理方法及其系统
US11150644B2 (en) * 2019-05-29 2021-10-19 GM Cruise Holdings, LLC Rotating sensor suite for autonomous vehicles
CN110308724B (zh) * 2019-07-01 2022-06-03 阿波罗智能技术(北京)有限公司 自动驾驶控制方法、装置、车辆、存储介质及电子设备
CN110442927B (zh) * 2019-07-17 2022-08-23 中国第一汽车股份有限公司 一种转向盘转角确定方法、装置、设备及存储介质
CN112307094B (zh) * 2019-07-26 2024-04-02 北京百度网讯科技有限公司 自动驾驶数据读取方法、装置、计算机设备及存储介质
CN110568837A (zh) * 2019-08-16 2019-12-13 郑州工业应用技术学院 一种基于计算机的汽车控制检测系统
CN112987711B (zh) * 2019-11-30 2022-08-09 华为技术有限公司 自动驾驶规控算法优化方法及仿真测试装置
CN112078589A (zh) * 2020-08-20 2020-12-15 东风汽车集团有限公司 一种车辆健康监测方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236896A (zh) * 2013-04-07 2013-08-07 北京全路通信信号研究设计院有限公司 一种车载控制设备的时钟调整方法和系统
WO2014109973A1 (en) * 2013-01-10 2014-07-17 International Business Machines Corporation Automatic driver modeling for integration of human-controlled vehicles into an autonomous vehicle network
CN104163173A (zh) * 2014-08-05 2014-11-26 深圳市元征科技股份有限公司 一种驾驶行为指引信息的生成方法、装置及系统
CN104391504A (zh) * 2014-11-25 2015-03-04 浙江吉利汽车研究院有限公司 基于车联网的自动驾驶控制策略的生成方法与生成装置
CN104590274A (zh) * 2014-11-26 2015-05-06 浙江吉利汽车研究院有限公司 一种驾驶行为自适应系统及驾驶行为自适应方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014109973A1 (en) * 2013-01-10 2014-07-17 International Business Machines Corporation Automatic driver modeling for integration of human-controlled vehicles into an autonomous vehicle network
CN103236896A (zh) * 2013-04-07 2013-08-07 北京全路通信信号研究设计院有限公司 一种车载控制设备的时钟调整方法和系统
CN104163173A (zh) * 2014-08-05 2014-11-26 深圳市元征科技股份有限公司 一种驾驶行为指引信息的生成方法、装置及系统
CN104391504A (zh) * 2014-11-25 2015-03-04 浙江吉利汽车研究院有限公司 基于车联网的自动驾驶控制策略的生成方法与生成装置
CN104590274A (zh) * 2014-11-26 2015-05-06 浙江吉利汽车研究院有限公司 一种驾驶行为自适应系统及驾驶行为自适应方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于人类驾驶行为的无人驾驶车辆行为决策与运动规划方法研究;杜明博;《中国博士学位论文全文数据库》;20160815(第8期);全文 *

Also Published As

Publication number Publication date
CN108508881A (zh) 2018-09-07

Similar Documents

Publication Publication Date Title
CN108508881B (zh) 自动驾驶控制策略调整方法、装置、设备及存储介质
CN109032103B (zh) 无人驾驶车辆的测试方法、装置、设备及存储介质
US11328219B2 (en) System and method for training a machine learning model deployed on a simulation platform
US20210208597A1 (en) Sensor aggregation framework for autonomous driving vehicles
US11545033B2 (en) Evaluation framework for predicted trajectories in autonomous driving vehicle traffic prediction
CN108921200B (zh) 用于对驾驶场景数据进行分类的方法、装置、设备和介质
US10816984B2 (en) Automatic data labelling for autonomous driving vehicles
US11367354B2 (en) Traffic prediction based on map images for autonomous driving
CN109032102B (zh) 无人驾驶车辆测试方法、装置、设备及存储介质
US20200209874A1 (en) Combined virtual and real environment for autonomous vehicle planning and control testing
EP3605491A1 (en) Use sub-system of autonomous driving vehicles (adv) for police car patrol
JP6998342B2 (ja) カメラを用いた画像データ取得のための自動運転車両の画像データ取得ロジック
CN109211575B (zh) 无人驾驶汽车及其场地测试方法、装置及可读介质
US10054945B2 (en) Method for determining command delays of autonomous vehicles
CN109100155A (zh) 一种无人车在环快速仿真测试系统和方法
CN110796007B (zh) 场景识别的方法与计算设备
KR20190094095A (ko) 자율 주행 차량의 제어 피드백에 기초한 맵 업데이트 방법 및 시스템
CN108139884A (zh) 模拟自动驾驶车辆移动的物理模型和结合机器学习的方法
CN106503653A (zh) 区域标注方法、装置和电子设备
CN109195860A (zh) 自动驾驶车辆的车道路缘辅助离道检查和车道保持系统
CN112819968B (zh) 基于混合现实的自动驾驶车辆的测试方法和装置
US20210389133A1 (en) Systems and methods for deriving path-prior data using collected trajectories
US10909377B2 (en) Tracking objects with multiple cues
US20220198107A1 (en) Simulations for evaluating driving behaviors of autonomous vehicles
US20220204009A1 (en) Simulations of sensor behavior in an autonomous vehicle

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