CN109358612A - 智能驾驶控制方法和装置、车辆、电子设备、存储介质 - Google Patents
智能驾驶控制方法和装置、车辆、电子设备、存储介质 Download PDFInfo
- Publication number
- CN109358612A CN109358612A CN201810995899.3A CN201810995899A CN109358612A CN 109358612 A CN109358612 A CN 109358612A CN 201810995899 A CN201810995899 A CN 201810995899A CN 109358612 A CN109358612 A CN 109358612A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- confidence level
- safety grade
- driving safety
- 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 49
- 238000012360 testing method Methods 0.000 claims abstract description 142
- 238000013507 mapping Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 description 71
- 238000001514 detection method Methods 0.000 description 34
- 230000011218 segmentation Effects 0.000 description 29
- 230000006854 communication Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 235000013399 edible fruits Nutrition 0.000 description 9
- 230000004044 response Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012372 quality testing Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000004065 semiconductor 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0055—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements
- G05D1/0061—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements for transition from automatic pilot to manual pilot and vice versa
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
- B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- G05D1/0055—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/15—Road slope
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/406—Traffic density
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请实施例公开了一种智能驾驶控制方法和装置、车辆、电子设备、存储介质,其中方法包括:根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;根据置信度和驾驶安全等级之间的映射关系,确定所述车辆对应的驾驶安全等级;根据所述确定的驾驶安全等级对所述车辆进行智能驾驶控制。基于本申请上述实施例,综合至少一种车辆行驶环境的检测结果,评估当前安全状态最终得出驾驶安全等级控制车辆的驾驶模式,提高了车辆的安全性和便捷性。
Description
技术领域
本申请涉及智能驾驶技术,尤其是一种智能驾驶控制方法和装置、车辆、电子设备、存储介质。
背景技术
自动驾驶技术已经逐渐成熟,许多车型已经配备了辅助或自动驾驶技术,但直到目前为止自动驾驶技术仍然存在各种问题,在车况比较复杂的情况下,还是需要人工监督,甚至人工接管。自动驾驶安全等级判定是自动驾驶技术中一个重要的课题。
发明内容
本申请实施例提供了一种智能驾驶控制技术。
根据本申请实施例的一个方面,提供的一种智能驾驶控制方法,包括:
根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;
根据置信度和驾驶安全等级之间的映射关系,确定所述车辆对应的驾驶安全等级;
根据所述确定的驾驶安全等级对所述车辆进行智能驾驶控制。
可选地,还包括:显示确定的驾驶安全等级的相关信息,和/或,发送确定的驾驶安全等级的相关信息。
可选地,所述根据置信度和驾驶安全等级之间的映射关系,确定与所述车辆对应的驾驶安全等级,包括:
根据置信度和驾驶安全等级之间的映射关系,分别将所述至少一种车辆行驶环境的检测结果的置信度进行映射,获得至少一个驾驶安全等级;
将所述至少一个驾驶安全等级中最低的驾驶安全等级作为所述车辆对应的驾驶安全等级。
可选地,所述智能驾驶控制包括:对车辆进行驾驶模式的切换控制,所述驾驶模式包括以下至少二种:自动驾驶模式,人工驾驶模式,辅助驾驶模式。
可选地,所述驾驶安全等级包括以下至少两种:
低安全等级、中低安全等级、中安全等级、高安全等级。
可选地,所述根据所述确定的驾驶安全等级对所述车辆进行智能驾驶控制,包括:
响应于所述驾驶安全等级为低安全等级或中低安全等级,控制所述车辆执行人工驾驶模式,和/或发出提示信息,并按照反馈信息控制所述车辆执行人工驾驶模式、辅助驾驶模式或自动驾驶模式;和/或,
响应于所述驾驶安全等级为中安全等级或高安全等级,控制所述车辆执行自动驾驶模式,或根据反馈信息控制车辆执行人工驾驶模式或辅助驾驶模式。
可选地,所述车辆行驶环境包括以下至少一种:道路、对象、场景、障碍物数量;
所述车辆行驶环境的检测结果包括以下至少一种:道路分割结果、对象检测结果、场景识别结果、障碍物数量检测结果。
可选地,所述道路分割结果包括以下至少一种:
车道线分割结果、停止线分割结果、路口分割结果。
可选地,所述对象检测结果包括以下至少一种:
行人检测结果、机动车检测结果、非机动车检测结果、障碍物检测结果、危险物检测结果。
可选地,所述场景识别结果包括以下至少一种:
雨天识别结果、雾天识别结果、沙尘暴识别结果、洪水识别结果、台风识别结果、悬崖识别结果、陡坡识别结果、傍山险路识别结果、光线识别结果。
可选地,所述障碍物数量检测结果包括以下至少一种:
行人数量检测结果、机动车数量检测结果、非机动车数量检测结果、其他物体数量检测结果。
可选地,所述根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度,包括:
根据车辆上设置的传感器采集的数据,分别基于所述至少一种车辆行驶环境进行检测,获得至少一个检测结果的置信度,每种所述车辆行驶环境对应至少一个检测结果的置信度;
对每种所述车辆行驶环境,分别从所述至少一个检测结果的置信度中确定所述车辆行驶环境的检测结果的置信度。
可选地,所述车辆行驶环境的检测结果包括以下至少一种:道路分割结果、对象检测结果、场景识别结果;
所述根据车辆上设置的传感器采集的数据,分别基于所述至少一种车辆行驶环境进行检测,获得至少一个检测结果的置信度,包括:
利用深度神经网络对所述传感器采集的数据进行处理,获得至少一种所述车辆行驶环境的检测结果;
对每种所述车辆行驶环境,基于所述车辆行驶环境的检测结果确定每种所述检测结果的至少一个初始置信度,每种所述车辆行驶环境对应至少一种所述检测结果;
基于所述检测结果的至少一个初始置信度在设定时间内获得所述检测结果的平均置信度;
基于所述平均置信度确定每种所述检测结果的置信度。
可选地,所述车辆行驶环境的检测结果为障碍物数量检测结果;
所述根据车辆上设置的传感器采集的数据,分别基于所述至少一种车辆行驶环境进行检测,获得至少一个检测结果的置信度,包括:
利用深度神经网络对所述传感器采集的数据进行处理,获得至少一种障碍物数量检测结果;
基于每种所述障碍物数量检测结果,确定每种障碍物对应的数量;
在设定时间内对每种所述障碍物对应的数量求平均值,获得每种所述障碍物对应的均值数量;
基于所述均值数量获得每种所述障碍物数量检测结果对应的置信度。
可选地,所述基于所述均值数量获得每种所述障碍物对应的置信度,包括:
将所述均值数量除以所述均值数量对应种类的障碍物的设定数量阈值,得到所述种类的障碍物对应的商;
对所述种类的障碍物对应的商进行数值限制,获得每种所述障碍物对应的置信度。
可选地,所述对每种所述车辆行驶环境,分别从所述至少一个检测结果的置信度中确定所述车辆行驶环境的检测结果的置信度,包括:
对每种所述车辆行驶环境,将所述至少一个所述检测结果的置信度中的最大值,确定为所述车辆行驶环境的检测结果的置信度。
可选地,所述传感器包括摄像头。
根据本申请实施例的另一个方面,提供的一种智能驾驶控制装置,包括:
置信度获取单元,用于根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;
安全等级确定单元,用于根据置信度和驾驶安全等级之间的映射关系,确定所述车辆对应的驾驶安全等级;
智能驾驶单元,用于根据所述确定的驾驶安全等级对所述车辆进行智能驾驶控制。
可选地,所述装置还包括:相关信息单元,用于显示确定的驾驶安全等级的相关信息,和/或,发送确定的驾驶安全等级的相关信息。
可选地,所述安全等级确定单元,具体用于根据置信度和驾驶安全等级之间的映射关系,分别将所述至少一种车辆行驶环境的检测结果的置信度进行映射,获得至少一个驾驶安全等级;将所述至少一个驾驶安全等级中最低的驾驶安全等级作为所述车辆对应的驾驶安全等级。
可选地,所述智能驾驶控制包括:对车辆进行驾驶模式的切换控制,所述驾驶模式包括以下至少二种:自动驾驶模式,人工驾驶模式,辅助驾驶模式。
可选地,所述驾驶安全等级包括以下至少两种:
低安全等级、中低安全等级、中安全等级、高安全等级。
可选地,所述智能驾驶单元,具体用于响应于所述驾驶安全等级为低安全等级或中低安全等级,控制所述车辆执行人工驾驶模式,和/或发出提示信息,并按照反馈信息控制所述车辆执行人工驾驶模式、辅助驾驶模式或自动驾驶模式;和/或,
响应于所述驾驶安全等级为中安全等级或高安全等级,控制所述车辆执行自动驾驶模式,或根据反馈信息控制车辆执行人工驾驶模式或辅助驾驶模式。
可选地,所述车辆行驶环境包括以下至少一种:道路、对象、场景、障碍物数量;
所述车辆行驶环境的检测结果包括以下至少一种:道路分割结果、对象检测结果、场景识别结果、障碍物数量检测结果。
可选地,所述道路分割结果包括以下至少一种:
车道线分割结果、停止线分割结果、路口分割结果。
可选地,所述对象检测结果包括以下至少一种:
行人检测结果、机动车检测结果、非机动车检测结果、障碍物检测结果、危险物检测结果。
可选地,所述场景识别结果包括以下至少一种:
雨天识别结果、雾天识别结果、沙尘暴识别结果、洪水识别结果、台风识别结果、悬崖识别结果、陡坡识别结果、傍山险路识别结果、光线识别结果。
可选地,所述障碍物数量检测结果包括以下至少一种:
行人数量检测结果、机动车数量检测结果、非机动车数量检测结果、其他物体数量检测结果。
可选地,所述置信度获取单元,包括:
环境检测模块,用于根据车辆上设置的传感器采集的数据,分别基于所述至少一种车辆行驶环境进行检测,获得至少一个检测结果的置信度,每种所述车辆行驶环境对应至少一个检测结果的置信度;
环境置信度确定模块,用于对每种所述车辆行驶环境,分别从所述至少一个检测结果的置信度中确定所述车辆行驶环境的检测结果的置信度。
可选地,所述车辆行驶环境的检测结果包括以下至少一种:道路分割结果、对象检测结果、场景识别结果;
所述环境检测模块,具体用于利用深度神经网络对所述传感器采集的数据进行处理,获得至少一种所述车辆行驶环境的检测结果;对每种所述车辆行驶环境,基于所述车辆行驶环境的检测结果确定每种所述检测结果的至少一个初始置信度,每种所述车辆行驶环境对应至少一种所述检测结果;基于所述检测结果的至少一个初始置信度在设定时间内获得所述检测结果的平均置信度;基于所述平均置信度确定每种所述检测结果的置信度。
可选地,所述车辆行驶环境的检测结果为障碍物数量检测结果;
所述环境检测模块,具体用于利用深度神经网络对所述传感器采集的数据进行处理,获得至少一种障碍物数量检测结果;基于每种所述障碍物数量检测结果,确定每种障碍物对应的数量;在设定时间内对每种所述障碍物对应的数量求平均值,获得每种所述障碍物对应的均值数量;基于所述均值数量获得每种所述障碍物数量检测结果对应的置信度。
可选地,所述环境检测模块在基于所述均值数量获得每种所述障碍物对应的置信度时,用于将所述均值数量除以所述均值数量对应种类的障碍物的设定数量阈值,得到所述种类的障碍物对应的商;对所述种类的障碍物对应的商进行数值限制,获得每种所述障碍物对应的置信度。
可选地,所述环境置信度确定模块,具体用于对每种所述车辆行驶环境,将所述至少一个所述检测结果的置信度中的最大值,确定为所述车辆行驶环境的检测结果的置信度。
可选地,所述传感器包括摄像头。
根据本申请实施例的另一个方面,提供的一种车辆,包括如上任意一项所述的智能驾驶控制装置。
根据本申请实施例的另一个方面,提供的一种电子设备,包括处理器,所述处理器包括如上任意一项所述的智能驾驶控制装置。
根据本申请实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成如上任意一项所述智能驾驶控制方法的操作。
根据本申请实施例的另一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,所述指令被执行时执行如上任意一项所述智能驾驶控制方法的操作。
根据本申请实施例的另一个方面,提供的一种计算机程序产品,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现如上任意一项所述智能驾驶控制方法的指令。
基于本申请上述实施例提供的一种智能驾驶控制方法和装置、车辆、电子设备、存储介质,根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;根据置信度和驾驶安全等级之间的映射关系,确定车辆对应的驾驶安全等级;根据确定的驾驶安全等级对车辆进行智能驾驶控制;综合至少一种车辆行驶环境的检测结果,评估当前安全状态最终得出驾驶安全等级控制车辆的驾驶模式,提高了车辆的安全性和便捷性。
下面通过附图和实施例,对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例,并且连同描述一起用于解释本申请的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本申请,其中:
图1为本申请智能驾驶控制方法一个实施例的流程图。
图2为本申请智能驾驶控制方法一个示例中的驾驶安全等级控制流程图。
图3为本申请智能驾驶控制装置一个实施例的结构示意图。
图4为适于用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
自动驾驶安全等级的判定涉及各种因素,诸如天气,路况等,目前市面的自动驾驶技术并没有一种可行的方法对自动驾驶中的车辆安全进行评估并得出自动驾驶的安全等级。
图1为本申请智能驾驶控制方法一个实施例的流程图。如图1所示,该实施例方法包括:
步骤110,根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度。
目前市面上的自动驾驶技术仅限于在特定的场景下应用,为防止自动驾驶车辆在限定场景以外行驶,需要对自动驾驶中的车辆进行安全评估得出可靠并且能够反映真实自动驾驶情况的安全等级,在安全等级低的情况下切换成人工驾驶模式。
本实施通过对车辆对应的至少一种车辆行驶环境进行分析,综合考虑多种车辆行驶环境对车辆的驾驶情况的影响,
步骤120,根据置信度和驾驶安全等级之间的映射关系,确定车辆对应的驾驶安全等级。
可选地,通过至少一个车辆行驶环境的检测结果的置信度,可以通过映射关系确定至少一个驾驶安全等级,这些驾驶安全等级分别对应不同的车辆行驶环境,为了保证车辆行驶的安全,可以将获取的至少一个驾驶安全等级中最低的驾驶安全等级作为车辆的驾驶安全等级,以保证车辆行驶的安全。
步骤130,根据确定的驾驶安全等级对车辆进行智能驾驶控制。
通过驾驶安全等级对车辆进行智能驾驶控制,使车辆能够执行最适合的驾驶模式,在可以自动驾驶时,进行自动驾驶,节省驾驶员的精力,在不适合自动驾驶时,可以通过人工驾驶或辅助驾驶,提高车辆行驶的安全性。
基于本申请上述实施例提供的一种智能驾驶控制方法,根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;根据置信度和驾驶安全等级之间的映射关系,确定车辆对应的驾驶安全等级;根据确定的驾驶安全等级对车辆进行智能驾驶控制;综合至少一种车辆行驶环境的检测结果,评估当前安全状态最终得出驾驶安全等级控制车辆的驾驶模式,提高了车辆的安全性和便捷性。
在一个或多个可选的实施例中,本申请实施例方法还包括:显示确定的驾驶安全等级的相关信息,和/或,发送确定的驾驶安全等级的相关信息。
为了更便于用户对驾驶安全等级有直观的感受,本实施例可以通过车载显示屏或手机显示屏等显示设备对驾驶安全等级的相关信息进行显示,其中,相关信息包括但不限于驾驶安全等级对应的驾驶模式、驾驶安全等级对应的摄像画面等;本实施例还可以包括发送驾驶安全等级的相关信息,可选地,可将相关信息发送到用户预设的设备(手机、电脑等终端),通过设备进行显示和查看,该设备可以是车载设备,还可以是远程设备,远程设备可以使预设的用户对驾驶安全等级的相关信息进行查看,可以对车辆出现的突发状况进行处理,防止意外的发生。
在一个或多个可选的实施例中,步骤120可以包括:根据置信度和驾驶安全等级之间的映射关系,分别将至少一种车辆行驶环境的检测结果的置信度进行映射,获得至少一个驾驶安全等级;
将至少一个驾驶安全等级中最低的驾驶安全等级作为车辆对应的驾驶安全等级。
本实施例中,通过设定的置信度与驾驶安全等级之间的映射关系,将针对至少一种车辆行驶环境的检测结果的置信度映射分别进行映射,获得至少一个驾驶安全等级,如果以较高的驾驶安全等级为车辆的驾驶安全等级,可能会由于驾驶安全等级较高而进行自动驾驶,而自动驾驶无法处理驾驶安全等级较低的状况,进而导致车辆出现危险,因此,本实施为了保证车辆行驶的安全性,将最低的驾驶安全等级作为车辆的驾驶安全等级;可选地,通过处理置信度取值范围为0~1,当驾驶安全等级包括以下4个等级:低安全等级、中低安全等级、中安全等级、高安全等级,并且设置低安全等级、中低安全等级、中安全等级、高安全等级分别对应1、2、3、4等级数值时,通过以下公式(1)基于置信度映射获得对应的驾驶安全等级:
for(x=0~M) M为车辆行驶环境的数量
其中,A和B为经过调参获得的固定系数,Confx为各种车辆行驶环境对应的置信度,Levelx表示驾驶安全等级。将Levelx放入集合K1中,集合K1中保存每种驾驶场景对应的驾驶安全等级。由于每种驾驶场景对自动驾驶安全的影响相互独立,驾驶安全等级低的则是自动驾驶安全的瓶颈,所以取集合K1的最小值作为自动驾驶安全等级:Levelsafe=min{K1}得到的Levelsafe即为自动驾驶的安全等级。
在一个或多个可选的实施例中,智能驾驶控制包括:对车辆进行驾驶模式的切换控制,驾驶模式包括以下至少二种:自动驾驶模式,人工驾驶模式,辅助驾驶模式。
可选地,自动驾驶模式不需要人工参与,完全由机器自动完成环境观察和车辆控制,无需人工参与车辆控制操作,为驾驶员提供了便捷服务;人工驾驶模式为全人工控制模式,以驾驶员的操作和观察进行车辆控制,从观察周围环境到控制车辆行驶及其他功能都由人工完成;辅助驾驶模式可以包括自动采集信息和人工控制车辆,相比自动驾驶模式,辅助驾驶模式具有更多的灵活性;人工驾驶模式和辅助驾驶模式可以在驾驶安全等级较低时使用,而自动驾驶模式只能在驾驶安全模式较高的情况下适用;例如:当前路况较为复杂,自动驾驶模式无法正确处理的情况下,会提示驾驶员切换到人工驾驶模式或辅助驾驶模式,也可以由驾驶员主动将驾驶模式切换到自动驾驶模式或人工驾驶模式或辅助驾驶模式。
可选地,驾驶安全等级包括以下至少两种:低安全等级、中低安全等级、中安全等级、高安全等级。
本实施例按照安全性的高低列举了以上4种驾驶安全等级,其中,低安全等级的安全性最低、中低安全等级的安全性比低安全等级稍高,通常这两种安全等级的情况下,不适用自动驾驶模式,此时需要切换到人工驾驶模式对车辆进行控制,当然,此时如果驾驶员经过人工操作将驾驶模式切换到自动驾驶模式,车辆可执行自动驾驶模式,相应的,可发出告警通知驾驶员当前安全等级不适用自动驾驶模式;中安全等级的安全性比中低安全等级的安全性高,而高安全等级的安全性较高,这两种安全等级的情况下,可以通过自动驾驶模式控制车辆,或通过驾驶员的操作采用人工驾驶模式。为了完成对车辆进行驾驶模式的切换控制,驾驶安全等级包括至少两种。
在一个或多个可选的实施例中,步骤130可以包括:
响应于驾驶安全等级为低安全等级或中低安全等级,控制车辆执行人工驾驶模式,和/或发出提示信息,并按照反馈信息控制车辆执行人工驾驶模式、辅助驾驶模式或自动驾驶模式;和/或,
响应于驾驶安全等级为中安全等级或高安全等级,控制车辆执行自动驾驶模式,或根据反馈信息控制车辆执行人工驾驶模式或辅助驾驶模式。
可选地,驾驶安全等级将通过车辆控制面板显示给驾驶者,在驾驶安全等级为低或中低的情况下,驾驶模式将直接被切换成人工模式并予以警告,而在驾驶安全等级为中及高的情况下,则无警告并控制车辆切换到自动驾驶模式;当然,无论驾驶安全等级是什么等级,都可以根据人工判断进行手动驾驶模式切换,即根据用户的控制将驾驶模式切换为人工驾驶模式、辅助驾驶模式或自动驾驶模式。
在一个或多个可选的实施例中,车辆行驶环境可以包括但不限于以下至少一种:道路、对象、场景、障碍物数量;
车辆行驶环境的检测结果包括以下至少一种:道路分割结果、对象检测结果、场景识别结果、障碍物数量检测结果。
车辆在路面行驶,安全状况主要受路面情况、附近行人车辆及其他物体、当前天气情况、车辆前方障碍物的影响,这些情况中,一旦有一个出现问题,即说明车辆当前的安全等级降低,因此,驾驶的安全等级有车辆行驶环境中安全等级最低的环境因素决定,本实施列举的以上四种车辆行驶环境,并不用于限制车辆行驶环境的种类,车辆行驶环境还可以包括其他信息,本申请不限制具体车辆行驶环境包括哪些信息。
可选地,道路分割结果包括以下至少一种:车道线分割结果、停止线分割结果、路口分割结果。
车辆行驶过程中需要遵守交通规则,作为交通规则的一部分车道线、停止线和路口的分割结果对车辆安全行驶具有一定影响,当对于道路分割结果的置信度较低时,说明未获得道路分割结果,可认为当前道路识别受阻,此时如果通过自动驾驶模式控制车辆将对车辆安全造成威胁,不利于安全驾驶。
可选地,对象检测结果包括以下至少一种:行人检测结果、机动车检测结果、非机动车检测结果、障碍物检测结果、危险物检测结果。
车辆在行驶过程中会遇到各种对象,如:行人、机动车、非机动车、障碍物、危险物等等,为了行驶安全,需要对各种对象进行检测,而当检测结果的置信度较低时,可能是摄像头感知受阻或路面无其他对象,此时需要人工对这些对象进行判断,当摄像头感知受阻时,需要对驾驶模式进行切换,以保证车辆安全行驶。
可选地,场景识别结果包括以下至少一种:雨天识别结果、雾天识别结果、沙尘暴识别结果、洪水识别结果、台风识别结果、悬崖识别结果、陡坡识别结果、傍山险路识别结果、光线识别结果。
车辆行驶过程中,还会受到天气、光线等场景的影响,如:雨天、雾天等天气会导致识别度降低,此时属于限定自动驾驶场景以外的场景,这些场景下驾驶安全级别较低,不适用自动驾驶,为了保证车辆行驶的安全性,可将车辆驾驶模式切换到人工驾驶模式或辅助驾驶模式。
可选地,障碍物数量检测结果包括以下至少一种:行人数量检测结果、机动车数量检测结果、非机动车数量检测结果、其他物体数量检测结果。
其中,障碍物可以包括但不限于行人、车辆、非机动车、其他物体等,其他物体可以包括但不限于固定建筑、临时堆放物品等;通常情况下车辆前方障碍物的数量越多,表面路况越复杂,即安全等级越低。
在一个或多个可选的实施例中,步骤110可以包括:
根据车辆上设置的传感器采集的数据,分别基于至少一种车辆行驶环境进行检测,获得至少一个检测结果的置信度,每种车辆行驶环境对应至少一个检测结果的置信度;
对每种车辆行驶环境,分别从至少一个检测结果的置信度中确定车辆行驶环境的检测结果的置信度。
其中,可选地,传感器可以包括但不限于相机,采集的数据可以是图像,例如:当相机设置在车辆前方,采集的图像为车辆前方的图像。通过传感器可以获得车辆相关的各种环境信息的图像,可选地,可通过深度神经网络对图像进行处理,获得对应每种车辆行驶环境的置信度,置信度表示该车辆行驶环境中出现某一情况的概率,例如:在道路信息中识别不到车道线、或停止线、或路口的情况分别会获得一个置信度,将置信度最大的作为道路信息的置信度,即可确定当前道路识别受阻的置信度是多少,当道路识别受阻的可能性越大,说明安全等级越低。
可选地,当车辆行驶环境的检测结果包括以下至少一种:道路分割结果、对象检测结果、场景识别结果;
根据车辆上设置的传感器采集的数据,分别基于至少一种车辆行驶环境进行检测,获得至少一个检测结果的置信度,包括:
利用深度神经网络对传感器采集的数据进行处理,获得至少一种车辆行驶环境的检测结果;
对每种车辆行驶环境,基于车辆行驶环境的检测结果确定每种检测结果的至少一个初始置信度,每种车辆行驶环境对应至少一种检测结果;
基于检测结果的至少一个初始置信度在设定时间内获得检测结果的平均置信度;
基于平均置信度确定每种检测结果的置信度。
对于每种不同的车辆行驶环境,会获得相应的置信度,本实施例针对道路分割结果、对象检测结果、场景识别结果中的至少一个的进行确定其对应的置信度,其中,道路分割结果的置信度越高说明识别到道路分割结果的可能性越低,驾驶安全等级越低;对象检测结果的置信度越高说明检测到对象的可能性越低,驾驶安全等级越低;而场景识别结果的置信度越高说明识别到场景的可能性越高,驾驶安全等级越低;置信度可表示当前车辆的车辆行驶环境哪种状况比较严重,是道路识别受阻、或行人车辆及其他物体的出现、或场景信息较为困难,每种车辆行驶环境都会分别获得对应的安全等级,问题越严重,安全等级越低;而每种车辆行驶环境都对应至少一种检测结果,为了获得较为准确的置信度,可以将其中一个置信度作为该行驶环境的置信度,或者可以基于多个置信度的均值作为该行驶环境的置信度。
本实施例通过平均置信度对道路信息的初始置信度进行评估,设置长度为Tslide的滑动窗口,对该时间窗内该类别的置信度,进行积分并除以时间窗长度得到平均置信度avr_Confi公式如公式(2)所示:
其中,t表示时间,Tslide=t1-t0为滑动窗口的长度,Confi(t)表示t时间第i种道路信息对应的初始置信度,i表示道路信息中的第i种道路信息,包括0~N种,对应上述实施例包括3种(第0种~第2种):车道线、停止线、路口;若avr_Confi≠0,则将加权后的置信度Wi*avr_Confi加入集合K2中,集合K2中包括0~N种的道路信息分别对应的平均置信度。
可选地,对每种车辆行驶环境,分别从至少一个检测结果的置信度中确定车辆行驶环境的检测结果的置信度,包括:
对每种车辆行驶环境,将至少一个检测结果的置信度中的最大值,确定为车辆行驶环境的检测结果的置信度。
获取置信度中的最大值可由以下公式(3)实现,取集合K2中得最大值作为该车辆行驶环境下的置信度:
Confx=max{K2} 公式(3)
其中,Confx表示道路信息的置信度,K2中每个元素为0~N种的道路信息分别对应的平均置信度。
在一个或多个可选的实施例中,车辆行驶环境的检测结果为障碍物数量检测结果;
根据车辆上设置的传感器采集的数据,分别基于至少一种车辆行驶环境进行检测,获得至少一个检测结果的置信度,包括:
利用深度神经网络对传感器采集的数据进行处理,获得至少一种障碍物数量检测结果;
基于每种障碍物数量检测结果,确定每种障碍物对应的数量;
在设定时间内对每种障碍物对应的数量求平均值,获得每种障碍物对应的均值数量;
基于均值数量获得每种障碍物数量检测结果对应的置信度。
对于每种障碍物的数量的获取,可以基于以下公式(4)实现,设置长度为Tslide的滑动窗口,对该时间窗内该类别的数量进行统计:
for(j=0~N)
for(i=0~n)
若Confij>ConfThrj;
则Numj=Numj+1 公式(4)
其中,ConfThrj为j类别的置信度阈值,i为该类别物体的序号,j为该类别的序号,Confij表示j类别第i物体的出现的置信度;Numj表示j类别物体的数量。
每种障碍物对应的均值数量可以基于以下公式(5)获得,对j类别物体的数量进行积分并除以时间窗长度得到,j类别物体在时间窗内的均值数量avr_Numj:
其中,t表示时间,Tslide=t1-t0为滑动窗口的长度,Numj(t)表示t时间第j类别障碍物对于的数量,j表示障碍物类别,包括0~N种,例如:对于上述实施例包括3种(第0种~第2种):行人、车辆、非机动车。
可选地,基于均值数量获得每种障碍物对应的置信度,包括:
将均值数量除以均值数量对应种类的障碍物的设定数量阈值,得到种类的障碍物对应的商;
对种类的障碍物对应的商进行数值限制,获得每种障碍物对应的置信度。
可选地,对障碍物对应的商进行数值限制可以通过限制函数实现,该限制函数将数值限制在0~1之间,基于均值数量获得每种障碍物对应的置信度可通过以下公式(6)实现,通过反比例函数将均值数量加权后映射到置信度:
其中,为限制函数,用于将括号中的数值限制为0~1之间,小于0的值置为0,大于1的值置为1,其中,NumThrj表示第j类别障碍物的数量阈值,Confj表示第j类别障碍物的置信度。若Confj≠0则将其加入集合K3中,集合K3中包括每种类别障碍物的置信度。
可选地,对每种车辆行驶环境,分别从至少一个检测结果的置信度中确定车辆行驶环境的检测结果的置信度,包括:
对每种车辆行驶环境,将至少一个检测结果的置信度中的最大值,确定为车辆行驶环境的检测结果的置信度。
本实施例中可通过上述公式(3)中的K2替换为K3获得检测结果的置信度中的最大值。
可选地,传感器包括摄像头。
通常车辆上设置的传感器包括但不限于摄像头、雷达、GPS、地图、惯性测量单元等,当本申请上述实施例主要针对采集到的图像进行处理,其他传感器获得的信息可以作为辅助信息,或忽略其他传感器获得的信息;以达到上述实施例中对驾驶安全级别的准确识别即可。
图2为本申请智能驾驶控制方法一个示例中的驾驶安全等级控制流程图。如图2所示,假设当前车辆处于自动驾驶模式,安全等级包括:低安全等级、中低安全等级、中安全等级、高安全等级4个安全等级;根据获得的车辆行驶环境,判断获得的驾驶安全等级是否小于或等于中低安全等级,如果小于或等于中低安全等级,将车辆的驾驶模式切换为人工驾驶模式或辅助驾驶模式;如果高于中低安全等级,保持自动驾驶模式。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图3为本申请智能驾驶控制装置一个实施例的结构示意图。该实施例的装置可用于实现本申请上述各方法实施例。如图3所示,该实施例的装置包括:
置信度获取单元31,用于根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度。
安全等级确定单元32,用于根据置信度和驾驶安全等级之间的映射关系,确定车辆对应的驾驶安全等级。
智能驾驶单元33,用于根据确定的驾驶安全等级对车辆进行智能驾驶控制。
基于本申请上述实施例提供的一种智能驾驶控制装置,根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;根据置信度和驾驶安全等级之间的映射关系,确定车辆对应的驾驶安全等级;根据确定的驾驶安全等级对车辆进行智能驾驶控制;综合至少一种车辆行驶环境的检测结果,评估当前安全状态最终得出驾驶安全等级控制车辆的驾驶模式,提高了车辆的安全性和便捷性。
在一个或多个可选的实施例中,本申请实施例装置还包括:相关信息单元,用于显示确定的驾驶安全等级的相关信息,和/或,发送确定的驾驶安全等级的相关信息。
为了更便于用户对驾驶安全等级有直观的感受,本实施例可以通过车载显示屏或手机显示屏等显示设备对驾驶安全等级的相关信息进行显示,其中,相关信息包括但不限于驾驶安全等级对应的驾驶模式、驾驶安全等级对应的摄像画面等;本实施例还可以包括发送驾驶安全等级的相关信息,可选地,可将相关信息发送到用户预设的设备(手机、电脑等终端),通过设备进行显示和查看,该设备可以是车载设备,还可以是远程设备,远程设备可以使预设的用户对驾驶安全等级的相关信息进行查看,可以对车辆出现的突发状况进行处理,防止意外的发生。
在一个或多个可选的实施例中,安全等级确定单元32,具体用于根据置信度和驾驶安全等级之间的映射关系,分别将至少一种车辆行驶环境的检测结果的置信度进行映射,获得至少一个驾驶安全等级;将至少一个驾驶安全等级中最低的驾驶安全等级作为车辆对应的驾驶安全等级。
本实施例中,通过设定的置信度与驾驶安全等级之间的映射关系,将针对至少一种车辆行驶环境的检测结果的置信度映射分别进行映射,获得至少一个驾驶安全等级,如果以较高的驾驶安全等级为车辆的驾驶安全等级,可能会由于驾驶安全等级较高而进行自动驾驶,而自动驾驶无法处理驾驶安全等级较低的状况,进而导致车辆出现危险,因此,本实施为了保证车辆行驶的安全性,将最低的驾驶安全等级作为车辆的驾驶安全等级。
在一个或多个可选的实施例中,智能驾驶控制包括:对车辆进行驾驶模式的切换控制,驾驶模式包括以下至少二种:自动驾驶模式,人工驾驶模式,辅助驾驶模式。
可选地,驾驶安全等级包括以下至少两种:
低安全等级、中低安全等级、中安全等级、高安全等级。
在一个或多个可选的实施例中,智能驾驶单元33,具体用于响应于驾驶安全等级为低安全等级或中低安全等级,控制车辆执行人工驾驶模式,和/或发出提示信息,并按照反馈信息控制车辆执行人工驾驶模式、辅助驾驶模式或自动驾驶模式;和/或,
响应于驾驶安全等级为中安全等级或高安全等级,控制车辆执行自动驾驶模式,或根据反馈信息控制车辆执行人工驾驶模式或辅助驾驶模式。
可选地,驾驶安全等级将通过车辆控制面板显示给驾驶者,在驾驶安全等级为低或中低的情况下,驾驶模式将直接被切换成人工模式并予以警告,而在驾驶安全等级为中及高的情况下,则无警告并控制车辆切换到自动驾驶模式;当然,无论驾驶安全等级是什么等级,都可以根据人工判断进行手动驾驶模式切换,即根据用户的控制将驾驶模式切换为人工驾驶模式、辅助驾驶模式或自动驾驶模式。
在一个或多个可选的实施例中,车辆行驶环境可以包括但不限于以下至少一种:道路、对象、场景、障碍物数量;
车辆行驶环境的检测结果包括以下至少一种:道路分割结果、对象检测结果、场景识别结果、障碍物数量检测结果。
车辆在路面行驶,安全状况主要受路面情况、附近行人车辆及其他物体、当前天气情况、车辆前方障碍物的影响,这些情况中,一旦有一个出现问题,即说明车辆当前的安全等级降低,因此,驾驶的安全等级有车辆行驶环境中安全等级最低的环境因素决定,本实施列举的以上四种车辆行驶环境,并不用于限制车辆行驶环境的种类,车辆行驶环境还可以包括其他信息,本申请不限制具体车辆行驶环境包括哪些信息。
可选地,道路分割结果包括以下至少一种:车道线分割结果、停止线分割结果、路口分割结果。
可选地,对象检测结果包括以下至少一种:行人检测结果、机动车检测结果、非机动车检测结果、障碍物检测结果、危险物检测结果。
可选地,场景识别结果包括以下至少一种:雨天识别结果、雾天识别结果、沙尘暴识别结果、洪水识别结果、台风识别结果、悬崖识别结果、陡坡识别结果、傍山险路识别结果、光线识别结果。
可选地,障碍物数量检测结果包括以下至少一种:行人数量检测结果、机动车数量检测结果、非机动车数量检测结果、其他物体数量检测结果。
在一个或多个可选的实施例中,置信度获取单元31,包括:
环境检测模块,用于根据车辆上设置的传感器采集的数据,分别基于至少一种车辆行驶环境进行检测,获得至少一个检测结果的置信度,每种车辆行驶环境对应至少一个检测结果的置信度;
环境置信度确定模块,用于对每种车辆行驶环境,分别从至少一个检测结果的置信度中确定车辆行驶环境的检测结果的置信度。
其中,可选地,传感器可以包括但不限于相机,采集的数据可以是图像,例如:当相机设置在车辆前方,采集的图像为车辆前方的图像。通过传感器可以获得车辆相关的各种环境信息的图像,可选地,可通过深度神经网络对图像进行处理,获得对应每种车辆行驶环境的置信度,置信度表示该车辆行驶环境中出现某一情况的概率,例如:在道路信息中识别不到车道线、或停止线、或路口的情况分别会获得一个置信度,将置信度最大的作为道路信息的置信度,即可确定当前道路识别受阻的置信度是多少,当道路识别受阻的可能性越大,说明安全等级越低。
可选地,车辆行驶环境的检测结果包括以下至少一种:道路分割结果、对象检测结果、场景识别结果;
环境检测模块,具体用于利用深度神经网络对传感器采集的数据进行处理,获得至少一种车辆行驶环境的检测结果;对每种车辆行驶环境,基于车辆行驶环境的检测结果确定每种检测结果的至少一个初始置信度,每种车辆行驶环境对应至少一种所述检测结果;基于检测结果的至少一个初始置信度在设定时间内获得检测结果的平均置信度;基于平均置信度确定每种检测结果的置信度。
可选地,车辆行驶环境的检测结果为障碍物数量检测结果;
环境检测模块,具体用于利用深度神经网络对传感器采集的数据进行处理,获得至少一种障碍物数量检测结果;基于每种障碍物数量检测结果,确定每种障碍物对应的数量;在设定时间内对每种障碍物对应的数量求平均值,获得每种障碍物对应的均值数量;基于均值数量获得每种障碍物数量检测结果对应的置信度。
可选地,环境检测模块在基于均值数量获得每种障碍物对应的置信度时,用于将均值数量除以均值数量对应种类的障碍物的设定数量阈值,得到种类的障碍物对应的商;对种类的障碍物对应的商进行数值限制,获得每种障碍物对应的置信度。
可选地,环境置信度确定模块,具体用于对每种车辆行驶环境,将至少一个检测结果的置信度中的最大值,确定为车辆行驶环境的检测结果的置信度。
在一个或多个可选的实施例中,传感器包括摄像头。
本申请实施例提供的智能驾驶控制装置任一实施例的工作过程以及设置方式均可以参照本申请上述相应方法实施例的具体描述,限于篇幅,在此不再赘述。
根据本申请实施例的另一个方面,提供的一种车辆,包括如上任意一实施例所述的智能驾驶控制装置。
根据本申请实施例的另一个方面,提供的一种电子设备,包括处理器,所述处理器包括如上任意一项实施例所述的智能驾驶控制装置。可选地,该电子设备可以为车载电子设备。
根据本申请实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成如上任意一项实施例所述智能驾驶控制方法的操作。
根据本申请实施例的另一个方面,提供的一种计算机可读存储介质,用于存储计算机可读取的指令,所述指令被执行时执行如上任意一项实施例所述智能驾驶控制方法的操作。
根据本申请实施例的另一个方面,提供的一种计算机程序产品,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现如上任意一项实施例所述智能驾驶控制方法的指令。
本申请实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图4,其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备400的结构示意图:如图4所示,电子设备400包括一个或多个处理器、通信部等,所述一个或多个处理器例如:一个或多个中央处理单元(CPU)401,和/或一个或多个专用处理器,专用处理器可作为加速单元413,可包括但不限于图像处理器(GPU)、FPGA、DSP以及其它的ASIC芯片之类专用处理器等,处理器可以根据存储在只读存储器(ROM)402中的可执行指令或者从存储部分408加载到随机访问存储器(RAM)403中的可执行指令而执行各种适当的动作和处理。通信部412可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡。
处理器可与只读存储器402和/或随机访问存储器403中通信以执行可执行指令,通过总线404与通信部412相连、并经通信部412与其他目标设备通信,从而完成本申请实施例提供的任一项方法对应的操作,例如,根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;根据置信度和驾驶安全等级之间的映射关系,确定车辆对应的驾驶安全等级;根据确定的驾驶安全等级对车辆进行智能驾驶控制。
此外,在RAM 403中,还可存储有装置操作所需的各种程序和数据。CPU401、ROM402以及RAM403通过总线404彼此相连。在有RAM403的情况下,ROM402为可选模块。RAM403存储可执行指令,或在运行时向ROM402中写入可执行指令,可执行指令使中央处理单元401执行上述通信方法对应的操作。输入/输出(I/O)接口405也连接至总线404。通信部412可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在总线链接上。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;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409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,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410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408。
需要说明的,如图4所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图4的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如加速单元413和CPU401可分离设置或者可将加速单元413集成在CPU401上,通信部可分离设置,也可集成设置在CPU401或加速单元413上,等等。这些可替换的实施方式均落入本申请公开的保护范围。
特别地,根据本申请的实施例,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,本申请的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令,例如,根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;根据置信度和驾驶安全等级之间的映射关系,确定车辆对应的驾驶安全等级;根据确定的驾驶安全等级对车辆进行智能驾驶控制。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的方法中限定的上述功能的操作。
可能以许多方式来实现本申请的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本申请的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本申请实施为记录在记录介质中的程序,这些程序包括用于实现根据本申请的方法的机器可读指令。因而,本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
本申请的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本申请限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本申请的原理和实际应用,并且使本领域的普通技术人员能够理解本申请从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种智能驾驶控制方法,其特征在于,包括:
根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;
根据置信度和驾驶安全等级之间的映射关系,确定所述车辆对应的驾驶安全等级;
根据所述确定的驾驶安全等级对所述车辆进行智能驾驶控制。
2.根据权利要求1所述的方法,其特征在于,还包括:显示确定的驾驶安全等级的相关信息,和/或,发送确定的驾驶安全等级的相关信息。
3.根据权利要求1或2所述的方法,其特征在于,所述根据置信度和驾驶安全等级之间的映射关系,确定与所述车辆对应的驾驶安全等级,包括:
根据置信度和驾驶安全等级之间的映射关系,分别将所述至少一种车辆行驶环境的检测结果的置信度进行映射,获得至少一个驾驶安全等级;
将所述至少一个驾驶安全等级中最低的驾驶安全等级作为所述车辆对应的驾驶安全等级。
4.根据权利要求1-3任一所述的方法,其特征在于,所述智能驾驶控制包括:对车辆进行驾驶模式的切换控制,所述驾驶模式包括以下至少二种:自动驾驶模式,人工驾驶模式,辅助驾驶模式。
5.一种智能驾驶控制装置,其特征在于,包括:
置信度获取单元,用于根据车辆上设置的传感器采集的数据,获取至少一种车辆行驶环境的检测结果的置信度;
安全等级确定单元,用于根据置信度和驾驶安全等级之间的映射关系,确定所述车辆对应的驾驶安全等级;
智能驾驶单元,用于根据所述确定的驾驶安全等级对所述车辆进行智能驾驶控制。
6.一种车辆,其特征在于,包括权利要求5所述的智能驾驶控制装置。
7.一种电子设备,其特征在于,包括处理器,所述处理器包括权利要求5所述的智能驾驶控制装置。
8.一种电子设备,其特征在于,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至4任意一项所述智能驾驶控制方法的操作。
9.一种计算机存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1至4任意一项所述智能驾驶控制方法的操作。
10.一种计算机程序产品,包括计算机可读代码,其特征在于,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现权利要求1至4任意一项所述智能驾驶控制方法的指令。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810995899.3A CN109358612B (zh) | 2018-08-29 | 2018-08-29 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
JP2021500817A JP2021530394A (ja) | 2018-08-29 | 2019-07-31 | スマート運転制御方法及び装置、車両、電子機器、並びに記憶媒体 |
PCT/CN2019/098577 WO2020042859A1 (zh) | 2018-08-29 | 2019-07-31 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
SG11202100321WA SG11202100321WA (en) | 2018-08-29 | 2019-07-31 | Intelligent driving control methods and apparatuses, vehicles, electronic devices, and storage media |
US17/146,001 US20210129869A1 (en) | 2018-08-29 | 2021-01-11 | Intelligent driving control methods and apparatuses, vehicles, electronic devices, and storage media |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810995899.3A CN109358612B (zh) | 2018-08-29 | 2018-08-29 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109358612A true CN109358612A (zh) | 2019-02-19 |
CN109358612B CN109358612B (zh) | 2022-08-09 |
Family
ID=65350082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810995899.3A Active CN109358612B (zh) | 2018-08-29 | 2018-08-29 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210129869A1 (zh) |
JP (1) | JP2021530394A (zh) |
CN (1) | CN109358612B (zh) |
SG (1) | SG11202100321WA (zh) |
WO (1) | WO2020042859A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264720A (zh) * | 2019-06-28 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 驾驶模式提示方法、装置、设备及存储介质 |
CN110626349A (zh) * | 2019-09-20 | 2019-12-31 | 中国第一汽车股份有限公司 | 自动驾驶车辆的控制方法、装置、汽车控制器及存储介质 |
WO2020042859A1 (zh) * | 2018-08-29 | 2020-03-05 | 上海商汤智能科技有限公司 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
CN111316181A (zh) * | 2019-03-28 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 用于自动驾驶的控制方法、控制装置及车辆 |
CN111739343A (zh) * | 2020-06-02 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 车辆事故风险的预警方法、装置、介质及电子设备 |
CN111775953A (zh) * | 2019-12-16 | 2020-10-16 | 王忠亮 | 驾驶状态即时修正系统及方法 |
CN112829751A (zh) * | 2019-11-04 | 2021-05-25 | 北京地平线机器人技术研发有限公司 | 一种车辆状态的安全性评价方法及装置 |
CN113428177A (zh) * | 2021-07-16 | 2021-09-24 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN113613201A (zh) * | 2021-08-02 | 2021-11-05 | 腾讯科技(深圳)有限公司 | 应用于车辆间的数据分享方法、装置、介质及电子设备 |
CN114228742A (zh) * | 2021-11-30 | 2022-03-25 | 国汽智控(北京)科技有限公司 | 自动驾驶系统可靠性输出方法、装置、设备及存储介质 |
CN114407926A (zh) * | 2022-01-20 | 2022-04-29 | 深圳市易成自动驾驶技术有限公司 | 基于自动驾驶的人工智能危险场景的车辆控制方法和车辆 |
WO2023284333A1 (zh) * | 2021-07-14 | 2023-01-19 | 魔门塔(苏州)科技有限公司 | 自动驾驶策略的置信度确定方法及装置 |
CN115649088A (zh) * | 2022-11-22 | 2023-01-31 | 广州万协通信息技术有限公司 | 基于安全芯片数据的车辆辅助驾驶控制方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113183988B (zh) * | 2021-06-09 | 2022-04-26 | 上海万位科技有限公司 | 一种车辆自动驾驶的监督方法、装置、设备及存储介质 |
CN113743356A (zh) * | 2021-09-15 | 2021-12-03 | 东软睿驰汽车技术(沈阳)有限公司 | 数据的采集方法、装置和电子设备 |
CN114426028B (zh) * | 2022-03-03 | 2023-12-22 | 一汽解放汽车有限公司 | 智能驾驶控制方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102067052A (zh) * | 2008-06-20 | 2011-05-18 | 丰田自动车株式会社 | 驾驶辅助设备和驾驶辅助方法 |
CN105936294A (zh) * | 2015-03-03 | 2016-09-14 | 富士重工业株式会社 | 车辆的行驶控制装置 |
CN107176169A (zh) * | 2016-03-11 | 2017-09-19 | 丰田自动车株式会社 | 车辆的自动驾驶控制系统 |
WO2018069757A2 (en) * | 2016-10-11 | 2018-04-19 | Mobileye Vision Technologies Ltd. | Navigating a vehicle based on a detected barrier |
WO2018130512A1 (fr) * | 2017-01-12 | 2018-07-19 | Valeo Schalter Und Sensoren Gmbh | Procede de pilotage d'un vehicule automobile autonome |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4654208B2 (ja) * | 2007-02-13 | 2011-03-16 | 日立オートモティブシステムズ株式会社 | 車載用走行環境認識装置 |
KR101736306B1 (ko) * | 2013-02-27 | 2017-05-29 | 한국전자통신연구원 | 차량과 운전자간 협력형 자율 주행 장치 및 방법 |
CN104773177A (zh) * | 2014-01-09 | 2015-07-15 | 株式会社理光 | 辅助驾驶方法和装置 |
KR102237552B1 (ko) * | 2015-10-05 | 2021-04-07 | 현대자동차주식회사 | 차량 추돌 위험 시 제어 장치 및 제어 방법 |
CN106379319B (zh) * | 2016-10-13 | 2019-11-19 | 上汽大众汽车有限公司 | 一种汽车辅助驾驶系统及控制方法 |
CN107097781B (zh) * | 2017-04-21 | 2019-04-19 | 驭势科技(北京)有限公司 | 车辆自动驾驶方法、系统、存储介质及自动驾驶汽车 |
CN108181905A (zh) * | 2018-01-03 | 2018-06-19 | 广东工业大学 | 一种无人驾驶汽车的障碍躲避方法及系统 |
CN109358612B (zh) * | 2018-08-29 | 2022-08-09 | 上海商汤智能科技有限公司 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
-
2018
- 2018-08-29 CN CN201810995899.3A patent/CN109358612B/zh active Active
-
2019
- 2019-07-31 SG SG11202100321WA patent/SG11202100321WA/en unknown
- 2019-07-31 JP JP2021500817A patent/JP2021530394A/ja active Pending
- 2019-07-31 WO PCT/CN2019/098577 patent/WO2020042859A1/zh active Application Filing
-
2021
- 2021-01-11 US US17/146,001 patent/US20210129869A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102067052A (zh) * | 2008-06-20 | 2011-05-18 | 丰田自动车株式会社 | 驾驶辅助设备和驾驶辅助方法 |
CN105936294A (zh) * | 2015-03-03 | 2016-09-14 | 富士重工业株式会社 | 车辆的行驶控制装置 |
CN107176169A (zh) * | 2016-03-11 | 2017-09-19 | 丰田自动车株式会社 | 车辆的自动驾驶控制系统 |
WO2018069757A2 (en) * | 2016-10-11 | 2018-04-19 | Mobileye Vision Technologies Ltd. | Navigating a vehicle based on a detected barrier |
WO2018130512A1 (fr) * | 2017-01-12 | 2018-07-19 | Valeo Schalter Und Sensoren Gmbh | Procede de pilotage d'un vehicule automobile autonome |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020042859A1 (zh) * | 2018-08-29 | 2020-03-05 | 上海商汤智能科技有限公司 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
CN111316181A (zh) * | 2019-03-28 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 用于自动驾驶的控制方法、控制装置及车辆 |
CN110264720A (zh) * | 2019-06-28 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 驾驶模式提示方法、装置、设备及存储介质 |
CN110626349A (zh) * | 2019-09-20 | 2019-12-31 | 中国第一汽车股份有限公司 | 自动驾驶车辆的控制方法、装置、汽车控制器及存储介质 |
CN112829751B (zh) * | 2019-11-04 | 2022-04-29 | 北京地平线机器人技术研发有限公司 | 一种车辆状态的安全性评价方法及装置 |
CN112829751A (zh) * | 2019-11-04 | 2021-05-25 | 北京地平线机器人技术研发有限公司 | 一种车辆状态的安全性评价方法及装置 |
CN111775953A (zh) * | 2019-12-16 | 2020-10-16 | 王忠亮 | 驾驶状态即时修正系统及方法 |
CN111739343A (zh) * | 2020-06-02 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 车辆事故风险的预警方法、装置、介质及电子设备 |
CN111739343B (zh) * | 2020-06-02 | 2023-12-19 | 腾讯科技(深圳)有限公司 | 车辆事故风险的预警方法、装置、介质及电子设备 |
WO2023284333A1 (zh) * | 2021-07-14 | 2023-01-19 | 魔门塔(苏州)科技有限公司 | 自动驾驶策略的置信度确定方法及装置 |
CN113428177B (zh) * | 2021-07-16 | 2023-03-14 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN113428177A (zh) * | 2021-07-16 | 2021-09-24 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN113613201A (zh) * | 2021-08-02 | 2021-11-05 | 腾讯科技(深圳)有限公司 | 应用于车辆间的数据分享方法、装置、介质及电子设备 |
CN114228742A (zh) * | 2021-11-30 | 2022-03-25 | 国汽智控(北京)科技有限公司 | 自动驾驶系统可靠性输出方法、装置、设备及存储介质 |
CN114407926A (zh) * | 2022-01-20 | 2022-04-29 | 深圳市易成自动驾驶技术有限公司 | 基于自动驾驶的人工智能危险场景的车辆控制方法和车辆 |
CN115649088A (zh) * | 2022-11-22 | 2023-01-31 | 广州万协通信息技术有限公司 | 基于安全芯片数据的车辆辅助驾驶控制方法及装置 |
CN115649088B (zh) * | 2022-11-22 | 2023-09-26 | 广州万协通信息技术有限公司 | 基于安全芯片数据的车辆辅助驾驶控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109358612B (zh) | 2022-08-09 |
JP2021530394A (ja) | 2021-11-11 |
US20210129869A1 (en) | 2021-05-06 |
SG11202100321WA (en) | 2021-02-25 |
WO2020042859A1 (zh) | 2020-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109358612A (zh) | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 | |
US11840239B2 (en) | Multiple exposure event determination | |
US11741696B2 (en) | Advanced path prediction | |
US11488392B2 (en) | Vehicle system and method for detecting objects and object distance | |
US11300966B2 (en) | Vehicle control method and apparatus, device, vehicle and storage medium | |
US9665802B2 (en) | Object-centric fine-grained image classification | |
CN106503653A (zh) | 区域标注方法、装置和电子设备 | |
CN110501018A (zh) | 一种服务于高精度地图生产的交通标志牌信息采集方法 | |
CN107730903A (zh) | 基于深度卷积神经网络的违章停车和抛锚车视觉检测系统 | |
KR102453627B1 (ko) | 딥러닝 기반 교통 흐름 분석 방법 및 시스템 | |
CN106462727A (zh) | 用于车道尽头识别的系统和方法 | |
CN106491144B (zh) | 一种驾驶人潜伏风险感知能力的测试与评价方法 | |
Soilán et al. | Safety assessment on pedestrian crossing environments using MLS data | |
CN114067564B (zh) | 一种基于yolo的交通状况综合监测方法 | |
CN109190488B (zh) | 基于深度学习YOLOv3算法的前车车门打开检测方法及装置 | |
CN111856963A (zh) | 一种基于车载环视系统的泊车仿真方法及装置 | |
CN108960083A (zh) | 基于多传感器信息融合的自动驾驶目标分类方法及系统 | |
CN110525342A (zh) | 一种基于深度学习的ar-hud车载辅助驾驶方法及其系统 | |
US11055894B1 (en) | Conversion of object-related traffic sensor information at roadways and intersections for virtual dynamic digital representation of objects | |
US11961272B2 (en) | Long range localization with surfel maps | |
Gören et al. | On-street parking spot detection for smart cities | |
CN109031262A (zh) | 一种定位寻车系统及其方法 | |
CN109313847A (zh) | 用于错路驾驶员识别的方法、设备和系统 | |
CN205750887U (zh) | 一种车位状态检测系统 | |
CN114979567B (zh) | 一种应用于视频智能监控的物体与区域交互方法及系统 |
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 |