CN108803604A - 车辆自动驾驶方法、装置以及计算机可读存储介质 - Google Patents
车辆自动驾驶方法、装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108803604A CN108803604A CN201810577005.9A CN201810577005A CN108803604A CN 108803604 A CN108803604 A CN 108803604A CN 201810577005 A CN201810577005 A CN 201810577005A CN 108803604 A CN108803604 A CN 108803604A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- current
- vehicular automatic
- control
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 description 11
- 230000006399 behavior Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆自动驾驶方法,所述车辆自动驾驶方法包括以下步骤:当车辆处于自动驾驶状态时,获取所述车辆所处的当前环境信息以及所述车辆的当前行驶信息;将所述当前环境信息以及当前行驶信息导入预先训练的神经网络模型中进行处理,以得到当前所对应的控制信息;基于所述控制信息,控制所述车辆运行。本发明还公开了一种车辆自动驾驶装置以及计算机可读存储介质。本发明实现了在自动驾驶过程中,通过准确定位车辆的当前环境信息,进而使得车辆除了可以响应常规操作外,还可以更加快速准确方便的控制车辆对驾驶过程中所遇到的突发状态给予相应的反馈响应,保证了车辆驾驶的安全可靠。
Description
技术领域
本发明涉及车辆自动驾驶技术领域,尤其涉及一种车辆自动驾驶方法、车辆自动驾驶装置以及计算机可读存储介质。
背景技术
现有的自动驾驶融合决策算法一般是根据规则构建的,且大部分可以用有限状态机表示。例如,无人驾驶的高层行为可以分为向左换道、向右换道、跟随和紧急停车等,决策系统根据目标可以决定执行高层行为,根据需要执行的高层行为,决策系统可以用相应的规则生成底层行为。
虽然基于规则的构建可以应付大部分的驾驶情况,但是对于驾驶中可能出现的各种各样的突发情况,基于规则的决策系统不可能枚举到所有突发情况,也就是很难实现对所有的突发情况的面面俱到,使得在出现突发情况时,车辆不能更加有效适当的进行响应。
发明内容
本发明的主要目的在于提供一种车辆自动驾驶方法、车辆自动驾驶装置以及计算机可读存储介质,旨在解决自动驾驶过程中,无法对突发情况的技术问题。
为实现上述目的,本发明提供一种车辆自动驾驶方法,所述车辆自动驾驶方法包括以下步骤:
当车辆处于自动驾驶状态时,获取所述车辆所处的当前环境信息以及所述车辆的当前行驶信息;
将所述当前环境信息以及当前行驶信息导入预先训练的神经网络模型中进行处理,以得到当前所对应的控制信息;
基于所述控制信息,控制所述车辆运行。
可选地,所述车辆自动驾驶方法还包括:
记录所述车辆的历史控制数据,以基于所述历史控制数据训练得到所述神经网络模型,其中所述历史控制数据至少包括各环境状态、车辆的行驶状态以及响应各环境状态的控制指令。
可选地,所述当车辆处于自动驾驶状态时,获取所述车辆的当前环境信息以及所述车辆的当前行驶信息的步骤包括:
当车辆处于自动驾驶状态时,利用与所述车辆相关联的信息采集装置采集所述车辆的当前环境信息;以及
利用设置在所述车辆上的各传感设备采集对应的数据信息,并将所述数据信息进行汇总以得到所述车辆的当前行驶信息。
可选地,所述利用与所述车辆相关联的信息采集装置采集所述车辆的当前环境信息的步骤包括:
利用设置在所述车辆上的摄像头,采集所述车辆的周围环境的图像信息;
利用与所述车辆关联的激光雷达,采集所述车辆的周围环境的点云数据;
对所述图像信息以及点云数据进行分析,得到所述车辆当前环境信息。
可选地,所述将所述当前环境信息以及当前行驶信息导入预先训练的神经网络模型中进行处理,以得到当前所对应的控制信息的步骤包括:
识别所述当前环境信息对应的关键信息,并将所述关键信息导入所述神经网络模型中进行处理,以得到所述当前环境信息所对应的目标调节信息;
识别所述当前行驶信息中所述车辆的当前行驶速度以及当前行驶方向;
将所述目标调节信息中的目标行驶速度与所述当前行驶速度进行对比,以得到进行速度调节的第一控制信息;
将所述目标调节信息中的目标行驶方向与所述当前行驶方向进行对比,以得到进行方向调节的第二控制信息;
将所述第一控制信息以及第二控制信息进行汇总,以确定当前所对应的控制信息。
可选地,所述将所述目标调节信息中的目标行驶速度与所述当前行驶速度进行对比,以得到进行速度调节的第一控制信息的步骤包括:
将所述目标行驶速度与所述当前行驶速度进行对比,并基于所得到的对比结果确定所述第一控制信息;其中
当所述目标行驶速度小于所述当前行驶速度时,所述第一控制信息为控制所述车辆控制刹车;
当所述目标行驶速度等于所述当前行驶速度时,所述第一控制信息为保持速度不变;
当所述目标行驶速度大于所述当前行驶速度时,所述第一控制信息为控制所述车辆控制油门。
可选地,所述将所述目标调节信息中的目标行驶方向与所述当前行驶方向进行对比,以得到进行方向调节的第二控制信息的步骤包括:
将所述目标行驶方法与所述当前行驶方向进行对比,并基于所得到的对比结果确定所述第二控制信息;其中
当所述目标行驶方向与所述当前行驶方向相同时,所述第二控制信息为保持方向不变;
当所述目标行驶方向与所述当前行驶方向不同时,所述第二控制信息为进行方向调整,并基于所述目标行驶方向与所述当前行驶方向确定当前的转向角度。
可选地,所述基于所述控制信息,控制所述车辆运行的步骤包括:
基于所述第一控制信息以及第二控制信息,确定所述车辆的行驶速度以及行驶方向的调节指令,以基于所述调节指令控制所述车辆运行。
此外,为实现上述目的,本发明还提供一种车辆自动驾驶装置,所述车辆自动驾驶装置包括: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车辆自动驾驶程序,所述车辆自动驾驶程序被所述处理器执行时实现如上述所述的车辆自动驾驶方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有车辆自动驾驶程序,所述车辆自动驾驶程序被处理器执行时实现如上述所述的车辆自动驾驶方法的步骤。
本发明实施例提出的一种车辆自动驾驶方法,在车辆自动驾驶时,首先获取车辆所处环境的环境信息以及车辆的行驶信息,然后将所得到的环境信息以及行驶信息带入预先训练的神经网络模型中进行处理,以得到控制车辆运行的控制信息,最后根据得到的控制信息控制车辆运行。实现了在车辆自动驾驶过程中,基于增强学习的学习方式,快速准确的对当前车辆所处的环境状态进行识别判断,除了常规的根据实际路况控制车辆的转弯以及加减速,还对于突发事件也可以更好的进行响应,具体可以根据采集到的环境信息对环境内的物体的位置和/或状态等相关信息进行识别判断,如当检测到有人存在误闯马路的趋势时,将控制车辆进行降速或者调解车辆的运行方向等。基于本方案,不仅仅可以控制车辆对常规状态进行响应,还可以快速准确方便的控制车辆对驾驶过程中所遇到的突发状态给予相应的反馈响应,保证了车辆驾驶的安全可靠。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明车辆自动驾驶方法一实施例的流程示意图;
图3为图2中步骤S10的细化流程示意图;
图4为图2中步骤S20的细化流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。
如图1所示,该装置可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,装置还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、Wi-Fi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别装置姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,装置还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的装置结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆自动驾驶程序。
在图1所示的装置中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的车辆自动驾驶程序,并执行以下操作:
当车辆处于自动驾驶状态时,获取所述车辆所处的当前环境信息以及所述车辆的当前行驶信息;
将所述当前环境信息以及当前行驶信息导入预先训练的神经网络模型中进行处理,以得到当前所对应的控制信息;
基于所述控制信息,控制所述车辆运行。
进一步地,处理器1001可以调用存储器1005中存储的车辆自动驾驶程序,还执行以下操作:
记录所述车辆的历史控制数据,以基于所述历史控制数据训练得到所述神经网络模型,其中所述历史控制数据至少包括各环境状态、车辆的行驶状态以及响应各环境状态的控制指令。
进一步地,处理器1001可以调用存储器1005中存储的车辆自动驾驶程序,还执行以下操作:
当车辆处于自动驾驶状态时,利用与所述车辆相关联的信息采集装置采集所述车辆的当前环境信息;以及
利用设置在所述车辆上的各传感设备采集对应的数据信息,并将所述数据信息进行汇总以得到所述车辆的当前行驶信息。
进一步地,处理器1001可以调用存储器1005中存储的车辆自动驾驶程序,还执行以下操作:
利用设置在所述车辆上的摄像头,采集所述车辆的周围环境的图像信息;
利用与所述车辆关联的激光雷达,采集所述车辆的周围环境的点云数据;
对所述图像信息以及点云数据进行分析,得到所述车辆当前环境信息。
进一步地,处理器1001可以调用存储器1005中存储的车辆自动驾驶程序,还执行以下操作:
识别所述当前环境信息对应的关键信息,并将所述关键信息导入所述神经网络模型中进行处理,以得到所述当前环境信息所对应的目标调节信息;
识别所述当前行驶信息中所述车辆的当前行驶速度以及当前行驶方向;
将所述目标调节信息中的目标行驶速度与所述当前行驶速度进行对比,以得到进行速度调节的第一控制信息;
将所述目标调节信息中的目标行驶方向与所述当前行驶方向进行对比,以得到进行方向调节的第二控制信息;
将所述第一控制信息以及第二控制信息进行汇总,以确定当前所对应的控制信息。
进一步地,处理器1001可以调用存储器1005中存储的车辆自动驾驶程序,还执行以下操作:
将所述目标行驶速度与所述当前行驶速度进行对比,并基于所得到的对比结果确定所述第一控制信息;其中
当所述目标行驶速度小于所述当前行驶速度时,所述第一控制信息为控制所述车辆控制刹车;
当所述目标行驶速度等于所述当前行驶速度时,所述第一控制信息为保持速度不变;
当所述目标行驶速度大于所述当前行驶速度时,所述第一控制信息为控制所述车辆控制油门。
进一步地,处理器1001可以调用存储器1005中存储的车辆自动驾驶程序,还执行以下操作:
将所述目标行驶方向与所述当前行驶方向进行对比,并基于所得到的对比结果确定所述第二控制信息;其中
当所述目标行驶方向与所述当前行驶方向相同时,所述第二控制信息为保持方向不变;
当所述目标行驶方向与所述当前行驶方向不同时,所述第二控制信息为进行方向调整,并基于所述目标行驶方向与所述当前行驶方向确定当前的转向角度。
进一步地,处理器1001可以调用存储器1005中存储的车辆自动驾驶程序,还执行以下操作:
基于所述第一控制信息以及第二控制信息,确定所述车辆的行驶速度以及行驶方向的调节指令,以基于所述调节指令控制所述车辆运行。
参照图2,图2为本发明车辆自动驾驶方法一实施例的流程示意图,所述车辆自动驾驶方法包括:
步骤S10,当车辆处于自动驾驶状态时,获取所述车辆所处的当前环境信息以及所述车辆的当前行驶信息;
自动驾驶主要依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。自动驾驶汽车使用视频摄像头、雷达传感器,以及激光测距激光雷达器来了解周围的交通状况,并通过一个详尽的地图(通过有人驾驶汽车采集的地图)对前方的道路进行导航。
本实施例中,在车辆处于自动驾驶状态时,获取车辆所处环境的当前环境信息、车辆的行驶状态以及车辆的当前行驶信息。
在车辆运行过程中,为了使车辆的运行更加安全,需要准确的获知车辆在实际运行过程中的实际环境状态,比如路况信息、道路状态以及是否有突发情况的产生等,然后更好的根据车辆自身的运行状态对车辆的运行进行调节。具体地,车辆在运行时,通过与车辆相关联的信息采集装置对所需要的信息进行采集,然后进行分析信息的分析处理可以准确的得到车辆所处的环境信息以及车辆的行驶信息。
步骤S20,将所述当前环境信息以及当前行驶信息导入预先训练的神经网络模型中进行处理,以得到当前所对应的控制信息;
本实施例中,在得到车辆的当前环境信息以及当前行驶信息时,根据预先训练的神经网路模型,将所得到的当前环境信息以及当前行驶信息导入神经网络模型中进行增强学习,以得到当前所对应的控制信息。
强化学习就是智能系统从环境到行为映射的学习,以使奖励信号(强化信号)函数值最大,强化学习不同于连接主义学习中的监督学习,主要表现在教师信号上,强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价(通常为标量信号),而不是告诉强化学习系统RLS(reinforcement learning system)如何去产生正确的动作。由于外部环境提供的信息很少,RLS必须靠自身的经历进行学习。通过这种方式,RLS在行动-评价的环境中获得知识,改进行动方案以适应环境。
具体地,预先训练的神经网络模型是根据车辆的历史控制数据得到的,在车辆运行过程中,不同的环境信息以及驾驶信息在不同阶段会对应着不同的控制操作,也就是,在车辆的当前使用之前,车辆是处于被使用的状态,而在运行过程中,车辆对于外界的不同环境状态有着一定的响应(产生相应的控制信息),在响应后会反馈一个强化信息(奖或惩),以使得最终可以获取更加准确的控制和响应。在本实施例中,使用Deep Q-Learning作为学习算法进行学习,根据大量已记录的数据训练神经网络,进而将训练好的神经网络模型加载到车辆上,此时神经网络模型根据车辆的当前行驶信息以及当前环境信息进行学习,以给出相应的控制量,进而控制车辆可以安全可靠的运行。
具体地,Deep Q-Learning算法是一个利用无监督训练来学习未知环境的算法。在一般的深度学习中,Deep Q-Learning算法中均具有两个重要术语:“状态(state)”和“行为(action)”,在具体的学习过程中,可以将每一个“状态”设置一个状态节点,每一个“行为”对应一个箭头,假设当前的agent处于状态1,且拥有5个“状态”,在实际学习选择过程中,agent可以跳转至状态3(因为状态3与状态1连接),但是并不能直接跳转至其他状态,若当前的目标状态为状态5,显然此刻的学习并未完成,还需要再次进行行为状态的选择,也就是学习过程,通过状态的一次次的选择,不断靠近目标状态,比如最终的状态路径为:状态1→状态3→状态2→状态5,在路径选择过程中,显然会有当前状态会连接多个状态的情况,此时对于不同的路径选择均可得到相应的路径显示,但最终所需要的是可以达到目标状态的路径状态。在本实施例中,利用Deep Q-Learning算法根据当前所采集到的数据信息进行状态的学习选择,以得到最适合当前车辆的状态信息。
步骤S30,基于所述控制信息,控制所述车辆运行。
本实施例中,在得到控制信息后,根据控制信息对应的控制指令控制车辆运行。具体地,在控制车辆运行时,主要的控制量包括有车辆的运行速度、车辆的运行方向、车辆的灯光以及车辆的喇叭等,因此在实际的控制过程中,可以对影响车辆运行的所有参数进行控制。
在本实施例中,主要根据车辆的当前环境信息以及当前行驶信息确定车辆当前所适合的运行速度以及运行方向,具体地运行速度的确定主要通过控制油门以及刹车来实现,车辆的运行方向主要是根据车辆的转向角来确定。在控制车辆运行时,主要根据得到的车辆行驶信息以及车辆所处的环境信息得到当前状态下更加适合车辆运行的速度以及方向,并根据得到控制油门/刹车以及车辆的转向角的控制指令来实现对车辆运行的控制。
在本实施例中,在车辆自动驾驶时,首先获取车辆所处环境的环境信息以及车辆的行驶信息,然后将所得到的环境信息以及行驶信息带入预先训练的神经网络模型中进行增强学习,以得到控制车辆运行的控制信息,最后根据得到的控制信息控制车辆运行。实现了在车辆自动驾驶过程中,基于增强学习的学习方式,快速准确的对当前车辆所处的环境状态进行识别判断,具体可以根据采集到的环境信息对环境内的物体的位置和/或状态等相关信息进行识别判断,如当检测到有人存在误闯马路的趋势时,将控制车辆进行降速或者调解车辆的运行方向等。基于本申请,不仅仅可以控制车辆对常规状态进行响应,还可以快速准确方便的控制车辆对驾驶过程中所遇到的突发状态给予的反馈响应,保证了车辆驾驶的安全可靠。
进一步地,参照图3,图3为图2中步骤S10的细化流程示意图。
具体地,步骤S10包括:
步骤S101,当车辆处于自动驾驶状态时,利用与所述车辆相关联的信息采集装置采集所述车辆的当前环境信息;
步骤S102,利用设置在所述车辆上的各传感设备采集对应的数据信息,并将所述数据信息进行汇总以得到所述车辆的当前行驶信息。
本实施例中,在车辆处于自动驾驶过程中时,利用与车辆相关联的信息采集装置采集车辆的当前环境信息,以及利用设置在车辆上的各传感器设备采集对应的数据信息,以汇总得到车辆的当前行驶信息。在车辆上设置有相应的信息采集装置,针对不同的信息设置有用于采集对应信息的信息采集装置,用于在车辆运行过程中对车辆所处的环境信息进行采集确定,其中各信息采集装置的设定方式是不限的。
在本实施例中,车辆的驾驶环境的观测确定可以根据摄像头以及激光雷达采集到的环境图像和点云来确定,而车辆的行驶信息则根据设置在车辆上的各个传感器设备进行数据采集,进而确定车辆的行驶信息。对于车辆的行驶信息,利用与不同数据检测相关联的传感器设备进行检测,其中通过检测可以得到车辆当前的行驶速度以行驶方向,还可以得到的检测数据有车辆喇叭以及灯光等设备的状态信息。
具体地,步骤S101包括:
步骤a,利用设置在所述车辆上的摄像头,采集所述车辆的周围环境的图像信息;
步骤b,利用与所述车辆关联的激光雷达,采集所述车辆的周围环境的点云数据;
步骤c,对所述图像信息以及点云数据进行分析,得到所述车辆当前环境信息。
在本实施例中,通过设置在车辆上的摄像头在即车辆当前环境的图像信息,以及利用与车辆相关联的激光雷达采集车辆的周围环境的点云信息,进而对得到的图像信息以及点云进行分析处理,以得到车辆的当前环境信息。其中,具体地当前环境信息至少包括车辆的位置信息、车辆所处的路况信息以及车辆所处环境的坐标信息等。
需要说明的是,点云是在和目标表面特性的海量点集合,其中,根据激光测量原理得到的点云,包括三维坐标(XYZ)和激光反射强度(Intensity);根据摄影测量原理得到的点云,包括三维坐标(XYZ)和颜色信息(RGB);结合激光测量和摄影测量原理得到点云,包括三维坐标(XYZ)、激光反射强度(Intensity)和颜色信息(RGB)。在获取物体表面每个采样点的空间坐标后,得到的是一个点的集合,称之为“点云”(Point Cloud)。在本实施例中,通过采集到的图像信息以及点云来确定车辆当前所处环境的环境信息。
进一步地,参照图4,图4为图2中步骤S20的细化流程示意图。
具体地,步骤S20包括:
步骤S201,识别所述当前环境信息对应的关键信息,并将所述关键信息导入所述神经网络模型中进行处理,以得到所述当前环境信息所对应的目标调节信息;
步骤S202,识别所述当前行驶信息中所述车辆的当前行驶速度以及当前行驶方向;
步骤S203,将所述目标调节信息中的目标行驶速度与所述当前行驶速度进行对比,以得到进行速度调节的第一控制信息;
步骤S204,将所述目标调节信息中的目标行驶方向与所述当前行驶方向进行对比,以得到进行方向调节的第二控制信息;
步骤S205,将所述第一控制信息以及第二控制信息进行汇总,以确定当前所对应的控制信息。
本实施例中,在得到车辆的当前环境信息时,识别所得到的当前环境信息中所包含的关键信息,然后将所述关键信息导入所述神经网络模型中进行处理,以得到当前环境信息所对应的目标调节信息,其中目标调节信息至少包括有目标行驶速度以及目标行驶方向,然后将目标行驶速度与车辆的当前行驶速度进行对比,以及将目标行驶方向与车辆的当前行驶方向进行对标,以分别得到第一控制信息以及第二控制信息,最后将第一控制信息以及第二控制信息进行汇总,以确定当前所对应的控制信息。
在本实施例中,在得到车辆的当前行驶信息时,对所得到的行驶信息进行识别,以确定车辆当前的行驶速度以及行驶方向,然后在对应的进行对比以确定车辆的控制方式。
具体地,将目标行驶速度与当前行驶速度进行对比,其中,若所述目标行驶速度小于所述当前行驶速度,则所述第一控制信息为控制所述车辆控制刹车;若所述目标行驶速度等于所述当前行驶速度,则所述第一控制信息为保持速度不变;若所述目标行驶速度大于所述当前行驶速度,则所述第一控制信息为控制所述车辆控制油门。
将目标行驶方向与当前行驶方向进行对比,其中,若所述目标行驶方向与所述当前行驶方向相同,则所述第二控制信息为保持方向不变;若所述目标行驶方向与所述当前行驶方向不同,所述第二控制信息为进行方向调整,并基于所述目标行驶方向与所述当前行驶方向确定当前的转向角度。
在得到了车辆的控制信息时,确定车辆当前所对应的行驶速度以及行驶方向,以及对应的调节控制方式,进而根据调节方式对应的调节指令控制车辆运行。
本发明还提供一种车辆自动驾驶装置。
本发明所提供的车辆自动驾驶装置包括: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车辆自动驾驶程序,所述车辆自动驾驶程序被所述处理器执行时实现如上述所述的车辆自动驾驶方法的步骤。
其中,在所述处理器上运行的车辆自动驾驶程序被执行时所实现的方法可参照本发明车辆自动驾驶方法各个实施例,在此不再赘述。
此外本发明实施例还提出一种计算机可读存储介质。
本发明计算机可读存储介质上存储有车辆自动驾驶程序,所述车辆自动驾驶程序被处理器执行时实现如上述所述的车辆自动驾驶方法的步骤。
其中,在所述处理器上运行的车辆自动驾驶程序被执行时所实现的方法可参照本发明车辆自动驾驶方法各个实施例,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车辆自动驾驶方法,其特征在于,所述车辆自动驾驶方法包括以下步骤:
当车辆处于自动驾驶状态时,获取所述车辆所处的当前环境信息以及所述车辆的当前行驶信息;
将所述当前环境信息以及当前行驶信息导入预先训练的神经网络模型中进行处理,以得到当前所对应的控制信息;
基于所述控制信息,控制所述车辆运行。
2.如权利要求1所述的车辆自动驾驶方法,其特征在于,所述车辆自动驾驶方法还包括:
记录所述车辆的历史控制数据,以基于所述历史控制数据训练得到所述神经网络模型,其中所述历史控制数据至少包括各环境状态、车辆的行驶状态以及响应各环境状态的控制指令。
3.如权利要求2所述的车辆自动驾驶方法,其特征在于,所述当车辆处于自动驾驶状态时,获取所述车辆所处的当前环境信息以及所述车辆的当前行驶信息的步骤包括:
当车辆处于自动驾驶状态时,利用与所述车辆相关联的信息采集装置采集所述车辆的当前环境信息;以及
利用设置在所述车辆上的各传感设备采集对应的数据信息,并将所述数据信息进行汇总以得到所述车辆的当前行驶信息。
4.如权利要求3所述的车辆自动驾驶方法,其特征在于,所述利用与所述车辆相关联的信息采集装置采集所述车辆的当前环境信息的步骤包括:
利用设置在所述车辆上的摄像头,采集所述车辆的周围环境的图像信息;
利用与所述车辆关联的激光雷达,采集所述车辆的周围环境的点云数据;
对所述图像信息以及点云数据进行分析,得到所述车辆当前环境信息。
5.如权利要求4所述的车辆自动驾驶方法,其特征在于,所述将所述当前环境信息以及当前行驶信息导入预先训练的神经网络模型中进行处理,以得到当前所对应的控制信息的步骤包括:
识别所述当前环境信息对应的关键信息,并将所述关键信息导入所述神经网络模型中进行处理,以得到所述当前环境信息所对应的目标调节信息;
识别所述当前行驶信息中所述车辆的当前行驶速度以及当前行驶方向;
将所述目标调节信息中的目标行驶速度与所述当前行驶速度进行对比,以得到进行速度调节的第一控制信息;
将所述目标调节信息中的目标行驶方向与所述当前行驶方向进行对比,以得到进行方向调节的第二控制信息;
将所述第一控制信息以及第二控制信息进行汇总,以确定当前所对应的控制信息。
6.如权利要求5所述的车辆自动驾驶方法,其特征在于,所述将所述目标调节信息中的目标行驶速度与所述当前行驶速度进行对比,以得到进行速度调节的第一控制信息的步骤包括:
将所述目标行驶速度与所述当前行驶速度进行对比,并基于所得到的对比结果确定所述第一控制信息;其中
当所述目标行驶速度小于所述当前行驶速度时,所述第一控制信息为控制所述车辆控制刹车;
当所述目标行驶速度等于所述当前行驶速度时,所述第一控制信息为保持速度不变;
当所述目标行驶速度大于所述当前行驶速度时,所述第一控制信息为控制所述车辆控制油门。
7.如权利要求6所述的车辆自动驾驶方法,其特征在于,所述将所述目标调节信息中的目标行驶方向与所述当前行驶方向进行对比,以得到进行方向调节的第二控制信息的步骤包括:
将所述目标行驶方向与所述当前行驶方向进行对比,并基于所得到的对比结果确定所述第二控制信息;其中
当所述目标行驶方向与所述当前行驶方向相同时,所述第二控制信息为保持方向不变;
当所述目标行驶方向与所述当前行驶方向不同时,所述第二控制信息为进行方向调整,并基于所述目标行驶方向与所述当前行驶方向确定当前的转向角度。
8.如权利要求7所述的车辆自动驾驶方法,其特征在于,所述基于所述控制信息,控制所述车辆运行的步骤包括:
基于所述第一控制信息以及第二控制信息,确定所述车辆的行驶速度以及行驶方向的调节指令,以基于所述调节指令控制所述车辆运行。
9.一种车辆自动驾驶装置,其特征在于,所述车辆自动驾驶装置包括: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车辆自动驾驶程序,所述车辆自动驾驶程序被所述处理器执行时实现如权利要求1至8中任一项所述的车辆自动驾驶方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有车辆自动驾驶程序,所述车辆自动驾驶程序被处理器执行时实现如权利要求1至8中任一项所述的车辆自动驾驶方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810577005.9A CN108803604A (zh) | 2018-06-06 | 2018-06-06 | 车辆自动驾驶方法、装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810577005.9A CN108803604A (zh) | 2018-06-06 | 2018-06-06 | 车辆自动驾驶方法、装置以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108803604A true CN108803604A (zh) | 2018-11-13 |
Family
ID=64087368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810577005.9A Pending CN108803604A (zh) | 2018-06-06 | 2018-06-06 | 车辆自动驾驶方法、装置以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108803604A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492835A (zh) * | 2018-12-28 | 2019-03-19 | 东软睿驰汽车技术(沈阳)有限公司 | 车辆控制信息的确定方法、模型训练方法和相关装置 |
CN109634263A (zh) * | 2018-12-29 | 2019-04-16 | 深圳市易成自动驾驶技术有限公司 | 基于数据同步的自动驾驶方法、终端及可读存储介质 |
CN109878534A (zh) * | 2019-02-22 | 2019-06-14 | 初速度(苏州)科技有限公司 | 一种车辆的控制方法、模型的训练方法和装置 |
CN109910891A (zh) * | 2019-03-20 | 2019-06-21 | 奇瑞汽车股份有限公司 | 车辆控制方法和装置 |
CN109934119A (zh) * | 2019-02-19 | 2019-06-25 | 平安科技(深圳)有限公司 | 调整车辆行驶方向方法、装置、计算机设备及存储介质 |
CN110045729A (zh) * | 2019-03-12 | 2019-07-23 | 广州小马智行科技有限公司 | 一种车辆自动驾驶方法及装置 |
CN110231820A (zh) * | 2019-05-31 | 2019-09-13 | 辽宁工业大学 | 一种基于物联网的车辆行驶控制方法 |
CN110286677A (zh) * | 2019-06-13 | 2019-09-27 | 北京理工大学 | 一种用于数据采集的无人车控制方法和系统 |
CN110427850A (zh) * | 2019-07-24 | 2019-11-08 | 中国科学院自动化研究所 | 驾驶员高速道路换道意图预测方法、系统、装置 |
CN110509916A (zh) * | 2019-08-30 | 2019-11-29 | 的卢技术有限公司 | 一种基于深度神经网络的车身姿态稳定方法和系统 |
CN111324100A (zh) * | 2018-12-13 | 2020-06-23 | 上汽通用汽车有限公司 | 一种转毂试验控制系统以及一种转毂试验控制方法 |
CN111340234A (zh) * | 2020-02-27 | 2020-06-26 | 南京星火技术有限公司 | 视频数据处理方法、装置、电子设备和计算机可读介质 |
CN111409455A (zh) * | 2020-03-26 | 2020-07-14 | 北京汽车集团有限公司 | 车辆的速度控制方法及装置、电子设备、存储介质 |
CN111508253A (zh) * | 2019-01-31 | 2020-08-07 | 斯特拉德视觉公司 | 提供自动行驶服务平台的方法及利用其的服务器 |
CN111814667A (zh) * | 2020-07-08 | 2020-10-23 | 山东浪潮云服务信息科技有限公司 | 一种智能路况识别方法 |
CN111830825A (zh) * | 2019-04-17 | 2020-10-27 | 株式会社日立制作所 | 机械的自动驾驶控制方法以及系统 |
CN111832652A (zh) * | 2020-07-14 | 2020-10-27 | 北京罗克维尔斯科技有限公司 | 决策模型的训练方法及装置 |
CN111923919A (zh) * | 2019-05-13 | 2020-11-13 | 广州汽车集团股份有限公司 | 车辆控制方法、装置、计算机设备和存储介质 |
CN111984018A (zh) * | 2020-09-25 | 2020-11-24 | 斑马网络技术有限公司 | 自动驾驶方法及装置 |
CN112002032A (zh) * | 2019-05-07 | 2020-11-27 | 孙占娥 | 引导车辆驾驶的方法、装置、设备和计算机可读存储介质 |
CN112034833A (zh) * | 2019-05-15 | 2020-12-04 | 百度(美国)有限责任公司 | 规划用于自动驾驶车辆的开放空间轨迹的在线代理 |
CN112084030A (zh) * | 2020-09-14 | 2020-12-15 | 重庆交通大学 | 基于云边协同的无人驾驶列车控制系统及其控制方法 |
WO2021026768A1 (zh) * | 2019-08-13 | 2021-02-18 | 深圳鲲云信息科技有限公司 | 基于数据流的自动驾驶方法、装置、电子设备及存储介质 |
CN112455465A (zh) * | 2020-12-08 | 2021-03-09 | 广州小鹏自动驾驶科技有限公司 | 一种行驶环境感知方法、装置、电子设备和存储介质 |
CN112455460A (zh) * | 2020-12-07 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 车辆控制方法、装置、设备及存储介质 |
CN112904852A (zh) * | 2021-01-18 | 2021-06-04 | 国汽智控(北京)科技有限公司 | 一种自动驾驶控制方法、装置及电子设备 |
CN112926476A (zh) * | 2021-03-08 | 2021-06-08 | 京东鲲鹏(江苏)科技有限公司 | 车辆识别方法、装置及存储介质 |
CN113442948A (zh) * | 2021-07-09 | 2021-09-28 | 深圳元戎启行科技有限公司 | 基于云端推理服务的自动驾驶方法、装置和计算机设备 |
CN113553304A (zh) * | 2021-07-28 | 2021-10-26 | 北京亮道智能汽车技术有限公司 | 一种针对自动驾驶的数据存储系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106080590A (zh) * | 2016-06-12 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 车辆控制方法和装置以及决策模型的获取方法和装置 |
CN106347359A (zh) * | 2016-09-14 | 2017-01-25 | 北京百度网讯科技有限公司 | 用于操作自动驾驶车辆的方法和装置 |
CN108009587A (zh) * | 2017-12-01 | 2018-05-08 | 驭势科技(北京)有限公司 | 一种基于强化学习和规则确定驾驶策略的方法与设备 |
CN108053067A (zh) * | 2017-12-12 | 2018-05-18 | 深圳市易成自动驾驶技术有限公司 | 最优路径的规划方法、装置及计算机可读存储介质 |
CN108196535A (zh) * | 2017-12-12 | 2018-06-22 | 清华大学苏州汽车研究院(吴江) | 基于增强学习和多传感器融合的自动驾驶系统 |
CN108227710A (zh) * | 2017-12-29 | 2018-06-29 | 商汤集团有限公司 | 自动驾驶控制方法和装置、电子设备、程序和介质 |
CN109358614A (zh) * | 2018-08-30 | 2019-02-19 | 深圳市易成自动驾驶技术有限公司 | 自动驾驶方法、系统、装置及可读存储介质 |
-
2018
- 2018-06-06 CN CN201810577005.9A patent/CN108803604A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106080590A (zh) * | 2016-06-12 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 车辆控制方法和装置以及决策模型的获取方法和装置 |
CN106347359A (zh) * | 2016-09-14 | 2017-01-25 | 北京百度网讯科技有限公司 | 用于操作自动驾驶车辆的方法和装置 |
CN108009587A (zh) * | 2017-12-01 | 2018-05-08 | 驭势科技(北京)有限公司 | 一种基于强化学习和规则确定驾驶策略的方法与设备 |
CN108053067A (zh) * | 2017-12-12 | 2018-05-18 | 深圳市易成自动驾驶技术有限公司 | 最优路径的规划方法、装置及计算机可读存储介质 |
CN108196535A (zh) * | 2017-12-12 | 2018-06-22 | 清华大学苏州汽车研究院(吴江) | 基于增强学习和多传感器融合的自动驾驶系统 |
CN108227710A (zh) * | 2017-12-29 | 2018-06-29 | 商汤集团有限公司 | 自动驾驶控制方法和装置、电子设备、程序和介质 |
CN109358614A (zh) * | 2018-08-30 | 2019-02-19 | 深圳市易成自动驾驶技术有限公司 | 自动驾驶方法、系统、装置及可读存储介质 |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324100A (zh) * | 2018-12-13 | 2020-06-23 | 上汽通用汽车有限公司 | 一种转毂试验控制系统以及一种转毂试验控制方法 |
CN109492835A (zh) * | 2018-12-28 | 2019-03-19 | 东软睿驰汽车技术(沈阳)有限公司 | 车辆控制信息的确定方法、模型训练方法和相关装置 |
CN109634263B (zh) * | 2018-12-29 | 2021-09-24 | 深圳市易成自动驾驶技术有限公司 | 基于数据同步的自动驾驶方法、终端及可读存储介质 |
CN109634263A (zh) * | 2018-12-29 | 2019-04-16 | 深圳市易成自动驾驶技术有限公司 | 基于数据同步的自动驾驶方法、终端及可读存储介质 |
CN111508253A (zh) * | 2019-01-31 | 2020-08-07 | 斯特拉德视觉公司 | 提供自动行驶服务平台的方法及利用其的服务器 |
CN109934119A (zh) * | 2019-02-19 | 2019-06-25 | 平安科技(深圳)有限公司 | 调整车辆行驶方向方法、装置、计算机设备及存储介质 |
CN109934119B (zh) * | 2019-02-19 | 2023-10-31 | 平安科技(深圳)有限公司 | 调整车辆行驶方向方法、装置、计算机设备及存储介质 |
WO2020168660A1 (zh) * | 2019-02-19 | 2020-08-27 | 平安科技(深圳)有限公司 | 调整车辆行驶方向方法、装置、计算机设备及存储介质 |
CN109878534B (zh) * | 2019-02-22 | 2021-05-04 | 初速度(苏州)科技有限公司 | 一种车辆的控制方法、模型的训练方法和装置 |
CN109878534A (zh) * | 2019-02-22 | 2019-06-14 | 初速度(苏州)科技有限公司 | 一种车辆的控制方法、模型的训练方法和装置 |
CN110045729A (zh) * | 2019-03-12 | 2019-07-23 | 广州小马智行科技有限公司 | 一种车辆自动驾驶方法及装置 |
CN109910891A (zh) * | 2019-03-20 | 2019-06-21 | 奇瑞汽车股份有限公司 | 车辆控制方法和装置 |
US11619929B2 (en) | 2019-04-17 | 2023-04-04 | Hitachi, Ltd. | Automatic operation control method and system |
CN111830825A (zh) * | 2019-04-17 | 2020-10-27 | 株式会社日立制作所 | 机械的自动驾驶控制方法以及系统 |
CN112002032A (zh) * | 2019-05-07 | 2020-11-27 | 孙占娥 | 引导车辆驾驶的方法、装置、设备和计算机可读存储介质 |
CN111923919A (zh) * | 2019-05-13 | 2020-11-13 | 广州汽车集团股份有限公司 | 车辆控制方法、装置、计算机设备和存储介质 |
CN112034833A (zh) * | 2019-05-15 | 2020-12-04 | 百度(美国)有限责任公司 | 规划用于自动驾驶车辆的开放空间轨迹的在线代理 |
CN110231820A (zh) * | 2019-05-31 | 2019-09-13 | 辽宁工业大学 | 一种基于物联网的车辆行驶控制方法 |
CN110231820B (zh) * | 2019-05-31 | 2022-08-05 | 江苏亿科达科技发展有限公司 | 一种基于物联网的车辆行驶控制方法 |
CN110286677B (zh) * | 2019-06-13 | 2021-03-16 | 北京理工大学 | 一种用于数据采集的无人车控制方法和系统 |
CN110286677A (zh) * | 2019-06-13 | 2019-09-27 | 北京理工大学 | 一种用于数据采集的无人车控制方法和系统 |
CN110427850A (zh) * | 2019-07-24 | 2019-11-08 | 中国科学院自动化研究所 | 驾驶员高速道路换道意图预测方法、系统、装置 |
WO2021026768A1 (zh) * | 2019-08-13 | 2021-02-18 | 深圳鲲云信息科技有限公司 | 基于数据流的自动驾驶方法、装置、电子设备及存储介质 |
CN110509916A (zh) * | 2019-08-30 | 2019-11-29 | 的卢技术有限公司 | 一种基于深度神经网络的车身姿态稳定方法和系统 |
CN111340234B (zh) * | 2020-02-27 | 2024-01-30 | 南京星火技术有限公司 | 视频数据处理方法、装置、电子设备和计算机可读介质 |
CN111340234A (zh) * | 2020-02-27 | 2020-06-26 | 南京星火技术有限公司 | 视频数据处理方法、装置、电子设备和计算机可读介质 |
CN111409455A (zh) * | 2020-03-26 | 2020-07-14 | 北京汽车集团有限公司 | 车辆的速度控制方法及装置、电子设备、存储介质 |
CN111814667A (zh) * | 2020-07-08 | 2020-10-23 | 山东浪潮云服务信息科技有限公司 | 一种智能路况识别方法 |
CN111832652B (zh) * | 2020-07-14 | 2023-12-19 | 北京罗克维尔斯科技有限公司 | 决策模型的训练方法及装置 |
CN111832652A (zh) * | 2020-07-14 | 2020-10-27 | 北京罗克维尔斯科技有限公司 | 决策模型的训练方法及装置 |
CN112084030B (zh) * | 2020-09-14 | 2022-04-01 | 重庆交通大学 | 基于云边协同的无人驾驶列车控制系统及其控制方法 |
CN112084030A (zh) * | 2020-09-14 | 2020-12-15 | 重庆交通大学 | 基于云边协同的无人驾驶列车控制系统及其控制方法 |
CN111984018A (zh) * | 2020-09-25 | 2020-11-24 | 斑马网络技术有限公司 | 自动驾驶方法及装置 |
CN112455460A (zh) * | 2020-12-07 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 车辆控制方法、装置、设备及存储介质 |
CN112455465A (zh) * | 2020-12-08 | 2021-03-09 | 广州小鹏自动驾驶科技有限公司 | 一种行驶环境感知方法、装置、电子设备和存储介质 |
CN112904852A (zh) * | 2021-01-18 | 2021-06-04 | 国汽智控(北京)科技有限公司 | 一种自动驾驶控制方法、装置及电子设备 |
CN112926476A (zh) * | 2021-03-08 | 2021-06-08 | 京东鲲鹏(江苏)科技有限公司 | 车辆识别方法、装置及存储介质 |
CN112926476B (zh) * | 2021-03-08 | 2024-06-18 | 京东鲲鹏(江苏)科技有限公司 | 车辆识别方法、装置及存储介质 |
CN113442948A (zh) * | 2021-07-09 | 2021-09-28 | 深圳元戎启行科技有限公司 | 基于云端推理服务的自动驾驶方法、装置和计算机设备 |
CN113442948B (zh) * | 2021-07-09 | 2024-01-23 | 深圳元戎启行科技有限公司 | 基于云端推理服务的自动驾驶方法、装置和计算机设备 |
CN113553304A (zh) * | 2021-07-28 | 2021-10-26 | 北京亮道智能汽车技术有限公司 | 一种针对自动驾驶的数据存储系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108803604A (zh) | 车辆自动驾驶方法、装置以及计算机可读存储介质 | |
US20200369271A1 (en) | Electronic apparatus for determining a dangerous situation of a vehicle and method of operating the same | |
JP7361775B2 (ja) | 自律運転のための個人運転スタイル学習 | |
US11126833B2 (en) | Artificial intelligence apparatus for recognizing user from image data and method for the same | |
CN108137052B (zh) | 驾驶控制装置、驾驶控制方法和计算机可读介质 | |
CN108137050B (zh) | 驾驶控制装置、驾驶控制方法 | |
US11688195B2 (en) | Electronic device and method for assisting with driving of vehicle | |
JP2020524632A (ja) | 自律車両運転イベントに応答して乗車者フィードバックを取得するシステムおよび方法 | |
US11295166B2 (en) | Artificial intelligence apparatus for generating training data for artificial intelligence model and method thereof | |
US11592825B2 (en) | Electronic device and operation method therefor | |
KR20180125885A (ko) | 차량의 주행 이벤트를 검출하는 전자 장치 및 방법 | |
US11668485B2 (en) | Artificial intelligence air conditioner and method for calibrating sensor data of air conditioner | |
CN109426255A (zh) | 基于无人机的无人驾驶车辆控制方法、装置及存储介质 | |
CN109624994B (zh) | 一种车辆自动驾驶控制方法、装置、设备及终端 | |
US11138844B2 (en) | Artificial intelligence apparatus and method for detecting theft and tracing IoT device using same | |
US20200005100A1 (en) | Photo image providing device and photo image providing method | |
EP3676147B1 (en) | Autonomous driving apparatus and method for autonomous driving of a vehicle | |
CN112020411B (zh) | 用于向用户提供服务的移动机器人装置和方法 | |
US20190381406A1 (en) | Game system using vehicle driving information and method of providing game service in vehicle | |
US10931813B1 (en) | Artificial intelligence apparatus for providing notification and method for same | |
CN110096051B (zh) | 用于生成车辆控制指令的方法和装置 | |
US11521093B2 (en) | Artificial intelligence apparatus for performing self diagnosis and method for the same | |
US11334094B2 (en) | Method for maintaining stability of mobile robot and mobile robot thereof | |
KR102464906B1 (ko) | 패션 상품을 추천하는 전자 장치, 서버 및 그 동작 방법 | |
CN113119984A (zh) | 高级驾驶辅助系统和高级驾驶辅助方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181113 |
|
RJ01 | Rejection of invention patent application after publication |