CN109634282B - 自动驾驶车辆、方法和装置 - Google Patents
自动驾驶车辆、方法和装置 Download PDFInfo
- Publication number
- CN109634282B CN109634282B CN201811593714.2A CN201811593714A CN109634282B CN 109634282 B CN109634282 B CN 109634282B CN 201811593714 A CN201811593714 A CN 201811593714A CN 109634282 B CN109634282 B CN 109634282B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- data
- vehicle
- current vehicle
- point cloud
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000005855 radiation Effects 0.000 claims description 26
- 230000004888 barrier function Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 abstract description 7
- 230000003137 locomotive effect Effects 0.000 abstract description 3
- 230000015654 memory Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
-
- 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
- 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
- G05D1/0223—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, 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
- G05D1/0231—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
- G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动驾驶车辆、方法和装置,属于智能车领域。车辆的车身内设置有车内后视镜,双目摄像头设置在车内后视镜的下方,多个激光雷达、多个超声波雷达和毫米波雷达,分别设置于车辆的车头保险杠和车尾保险杠。采用本发明,将种不同种类的检测装置安装在车辆的不同位置,通过设置其各自的检测角度,可以全方位实时采集车辆周围的信息,有效识别影响行车安全的障碍物,从而根据检测到的复杂环境,作出决策自动控制车辆规避险情。
Description
技术领域
本发明涉及智能车领域,特别涉及一种自动驾驶车辆、方法和装置。
背景技术
为了缓解驾驶员疲劳甚至解放驾驶员,兴起了自动驾驶车辆;自动驾驶车辆(Autonomous vehicles;Self-piloting automobile)又称无人驾驶车辆、电脑驾驶车辆、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能车辆。并且,自动驾驶车辆依靠人工智能、摄像头、雷达及全球定位系统协同合作,让车辆可以在没有任何人类主动干预下,车辆自动驾驶。
目前,主要是在车辆的前端和后端分别设置摄像头,在车辆的两侧分别设置雷达。车辆通过摄像头获取车辆前后的第一图像数据,通过雷达获取车辆所在车道的车道线信息;根据该第一图像数据和车道线信息,控制车辆行驶。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
当前自动驾驶车辆只能应用在特定环境下或者特定轨道上,由于实际路况复杂,自动驾驶车辆无法有效检测和识别实际路况中的路线、周围车辆等车辆环境信息,很难将自动驾驶车辆应用在实际路况中,并且不能根据检测到的复杂的环境信息作出决策自动控制车辆安全行驶。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种自动驾驶车辆、方法和装置。所述技术方案如下:
第一方面,提供了一种自动驾驶车辆,所述车辆包括:
车辆包括车身,车身内设置有车内后视镜、多个激光雷达、多个超声波雷达、毫米波雷达和双目摄像头;
车身前后分别设置有车头保险杠和车尾保险杠;
多个激光雷达和多个超声波雷达设置于车头保险杠和车尾保险杠,且多个超声波雷达中相邻两个超声波雷达之间的间隔为0.45m-0.55m,以弥补激光雷达车身近距离的盲区;对于每个激光雷达,激光雷达的辐射面与车辆纵向中轴线夹角为60度,且激光雷达的水平辐射角度为150度,垂直辐射角度为30度;
毫米波雷达设置于车身的车头;
双目摄像头设置于车内后视镜下侧;毫米波雷达设置于车头中轴线上,距离地面高度0.35m-0.65m;
毫米波雷达辐射面朝外且辐射角度为100度的范围。
第二方面,提供了一种自动驾驶方法,所述方法包括:
获取当前车辆的双目摄像头采集的第一图像数据、当前车辆的超声波雷达采集的超声波数据、当前车辆的激光雷达采集的激光雷达数据和当前车辆的毫米波雷达采集的毫米波雷达数据;
基于双目摄像头的第一图像数据,识别当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果;
基于激光雷达数据,识别当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果;
基于超声波雷达数据,识别当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果;
基于毫米波雷达数据,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果;
基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,确定当前车辆的行进路线;
控制当前车辆按照行进路线行进。
可选的,基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,确定当前车辆的行进路线,包括:
若第一识别结果、第二识别结果、第三识别结果和第四识别结果为存在至少一个目标障碍物,则获取至少一个目标障碍物的障碍物信息,对于每个目标障碍物,目标障碍物的障碍物信息包括障碍物的相对当前车辆的方向和距离;
获取预设的当前车辆的通过条件;
基于至少一个目标障碍物的障碍物信息和通过条件,确定当前车辆是否有通过每个目标障碍物的可通过区域;
若存在可通过区域,则基于通过条件、可通过区域和每个目标障碍物的障碍物信息确定行进路线。
可选的,基于通过条件、可通过区域和每个目标障碍物的障碍物信息确定行进路线,包括:
基于通过条件和可通过区域,确定多条通过路线;
根据每个障碍物的障碍物信息,在多条通过路线中确定最佳通过路线,最佳通过路线为与每个障碍物之间的距离最大,且通过每个目标障碍物的行驶距离最小的通过路线;
将最佳通过路线作为当前车辆的行进路线。
可选的,方法还包括:
若不存在可通过区域,则获取当前车辆当前行驶区域的地图信息、当前车辆的当前定位信息和网络提供的路况信息;
基于地图信息、当前定位信息、每个目标障碍物的障碍物信息和路况信息,确定当前车辆的行程路线;
基于行程路线,制定行进路线。
可选的,获取至少一个目标障碍物的障碍物信息,包括:
基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,从第一图像数据、激光雷达数据、超声波雷达数据和毫米波雷达数据中,确定存在障碍物的至少一项目标数据;
基于至少一项目标数据,确定每项目标数据中识别出的障碍物,得到至少一个障碍物;
对至少一个障碍物进行聚类,得到至少一个目标障碍物;
从至少一项目标数据中识别至少一个目标障碍物的障碍物信息。
可选的,基于双目摄像头的第一图像数据,识别当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果,包括:
将第一图像数据中图像质量低于第一预设阈值的像素点删除,得到第二图像数据;
从第二图像中提取用于标识障碍物的多个第一特征点;
基于多个第一特征点,与第一预设障碍物进行特征匹配,得到第一识别结果。
可选的,基于激光雷达数据,识别当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果,包括:
从激光雷达数据中,获取激光雷达原始的第一点云数据;
将第一点云数据中误差值大于第二预设阈值的数据删除,得到第二点云数据;
从第二点云数据中提取障碍物的多个第二特征点;
基于多个第二特征点,与第二预设障碍物进行特征匹配,得到第二识别结果。
可选的,基于毫米波雷达数据,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果,包括:
从毫米波雷达数据中获取毫米波雷达原始的第三点云数据;
将第三点云数据中误差值大于第三预设阈值的数据删除,得到第四点云数据;
基于第四点云数据和预设最小阈值,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果。
可选的,基于超声波雷达数据,识别当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果,包括:
从超声波雷达数据中获取超声波雷达原始的第五点云数据;
将第五点云数据中误差大于第四预设阈值的数据删除,得到第六点云数据;
基于第六点云数据判断是否存在第二类障碍物;
若存在第二类障碍物,则从第六点云数据中获取第二类障碍物的第二类障碍物数据;
基于第二类障碍物数据对第二类障碍物进行聚类,得到第三识别结果,第三识别结果包括第二类障碍物的点云数据。
第三方面,提供了一种自动驾驶装置,所述装置包括:
获取模块,用于获取当前车辆的双目摄像头采集的第一图像数据、当前车辆的超声波雷达采集的超声波数据、当前车辆的激光雷达采集的激光雷达数据和当前车辆的毫米波雷达采集的毫米波雷达数据;
第一识别模块,用于基于双目摄像头的第一图像数据,识别当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果;
第二识别模块,用于基于激光雷达数据,识别当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果;
第三识别模块,用于基于超声波雷达数据,识别当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果;
第四识别模块,用于基于毫米波雷达数据,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果;
确定模块,用于基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,确定当前车辆的行进路线;
控制模块,用于控制当前车辆按照行进路线行进。
可选的,确定模块,用于:
若第一识别结果、第二识别结果、第三识别结果和第四识别结果为存在至少一个目标障碍物,则获取至少一个目标障碍物的障碍物信息,对于每个目标障碍物,目标障碍物的障碍物信息包括障碍物的相对当前车辆的方向和距离;
获取预设的当前车辆的通过条件;
基于至少一个目标障碍物的障碍物信息和通过条件,确定当前车辆是否有通过每个目标障碍物的可通过区域;
若存在可通过区域,则基于通过条件、可通过区域和每个目标障碍物的障碍物信息确定行进路线。
可选的,确定模块,用于:
基于通过条件和可通过区域,确定多条通过路线;
根据每个障碍物的障碍物信息,在多条通过路线中确定最佳通过路线,最佳通过路线为与每个障碍物之间的距离最大,且通过每个目标障碍物的行驶距离最小的通过路线;
将最佳通过路线作为当前车辆的行进路线。
可选的,确定模块还用于:
若不存在可通过区域,则获取当前车辆当前行驶区域的地图信息、当前车辆的当前定位信息和网络提供的路况信息;
基于地图信息、当前定位信息、每个目标障碍物的障碍物信息和路况信息,确定当前车辆的行程路线;
基于行程路线,制定行进路线。
可选的,获取模块用于:
基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,从第一图像数据、激光雷达数据、超声波雷达数据和毫米波雷达数据中,确定存在障碍物的至少一项目标数据;
基于至少一项目标数据,确定每项目标数据中识别出的障碍物,得到至少一个障碍物;
对至少一个障碍物进行聚类,得到至少一个目标障碍物;
从至少一项目标数据中识别至少一个目标障碍物的障碍物信息。
可选的,第一识别模块用于:
将第一图像数据中图像质量低于第一预设阈值的像素点删除,得到第二图像数据;
从第二图像中提取用于标识障碍物的多个第一特征点;
基于多个第一特征点,与第一预设障碍物进行特征匹配,得到第一识别结果。
可选的,第二识别模块用于:
从激光雷达数据中,获取激光雷达原始的第一点云数据;
将第一点云数据中误差值大于第二预设阈值的数据删除,得到第二点云数据;
从第二点云数据中提取障碍物的多个第二特征点;
基于多个第二特征点,与第二预设障碍物进行特征匹配,得到第二识别结果。
可选的,第四识别模块用于:
从毫米波雷达数据中获取毫米波雷达原始的第三点云数据;
将第三点云数据中误差值大于第三预设阈值的数据删除,得到第四点云数据;
基于第四点云数据和预设最小阈值,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果。
可选的,第三识别模块用于:
从超声波雷达数据中获取超声波雷达原始的第五点云数据;
将第五点云数据中误差大于第四预设阈值的数据删除,得到第六点云数据;
基于第六点云数据判断是否存在第二类障碍物;
若存在第二类障碍物,则从第六点云数据中获取第二类障碍物的第二类障碍物数据;
基于第二类障碍物数据对第二类障碍物进行聚类,得到第三识别结果,第三识别结果包括第二类障碍物的点云数据。
本发明实施例提供的技术方案带来的有益效果至少包括:
车辆的车身内设置有车内后视镜,双目摄像头设置在车内后视镜的下方,多个激光雷达、多个超声波雷达和毫米波雷达,分别设置于车辆的车头保险杠和车尾保险杠。通过设置不同采集设备各自的检测角度,可以全方位实时采集车辆周围的信息,有效识别影响行车安全的障碍物,从而根据检测到的复杂环境,作出决策自动控制车辆规避险情。
本发明实施例中,通过获取不同采集设备中采集的车辆周围不同范围的数据信息,并分析其中的障碍物信息,将不同采集设备中得到的障碍物信息进行聚类,可以有效提高障碍物识别的准确性,得到对当前车辆行进有影响的准确的障碍物,进而基于障碍物信息指定行进路线控制车辆按照行进路线行驶,可以有效提高自动驾驶的安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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是本发明实施例提供的一种自动驾驶车辆结构示意图;
图2是本发明实施例提供的一种自动驾驶车辆的数据传输结构示意图;
图3是本发明实施例提供的一种自动驾驶方法的流程图;
图4是本发明实施例提供的一种自动驾驶方法的图像处理流程图;
图5是本发明实施例提供的一种自动驾驶方法的激光雷达数据处理流程图;
图6是本发明实施例提供的一种自动驾驶方法的毫米波雷达数据处理流程图;
图7是本发明实施例提供的一种自动驾驶装置示意图;
图8是本发明实施例提供的一种自动驾驶车辆的车载终端结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
如图1所示,本发明实施例提供了一种全自动驾驶的车辆,该车辆包括车身,车身内设置有车内后视镜、多个激光雷达、多个超声波雷达、毫米波雷达和双目摄像头;车身前后分别设置有车头保险杠和车尾保险杠;多个激光雷达和多个超声波雷达设置于车头保险杠和车尾保险杠,且多个超声波雷达中相邻两个超声波雷达之间的间隔为0.45m-0.55m,以弥补激光雷达车身近距离的盲区;对于每个激光雷达,激光雷达的辐射面与车辆纵向中轴线夹角为60度,且激光雷达的水平辐射角度为150度,垂直辐射角度为30度;毫米波雷达设置于车身的车头;双目摄像头设置于车内后视镜下侧;毫米波雷达设置于车头中轴线上,距离地面高度0.35m-0.65m;毫米波雷达辐射面朝外且辐射角度为100度的范围。
具体的,车辆可以包括4个固态激光雷达、12颗超声波雷达,1个双目摄像头、1个毫米波雷达、一个中央处理单元、1个底层控制模块以及1个GNSS模块(Global NavigationSatellite System,卫星导航系统)。这里仅以上述数量为例,实际可以适应性改变上述雷达或摄像头数目。
可选的,4个固态激光雷达可以分别安装于车头保险杠两侧及车尾保险杠两侧,4个雷达辐射面朝外,辐射面与车辆纵向中轴线夹角为60°。固态激光雷达水平辐射角度覆盖150°,垂直辐射角度-15°~15°,激光雷达有足够密的点云激光线束来保证更稳定可靠的环境感知及区分障碍物的能力。激光雷达原始点云数据可以以不低于50帧/秒的速度通过百兆数据网络传给中央处理单元。
可选的,1个双目摄像头可以安装于前挡风玻璃内,位于车内后视镜以下并靠近内后视镜位置,双目摄像头中心线位于车身纵向中轴线上。双目摄像头会实时以30帧/秒的速度通过数据网络输出原始图像数据给中央处理单元。
可选的,12颗超声波雷达可以安装在车辆车头保险杠两侧及车尾保险杠上,对于车头保险杠雷达的布置,前向4颗、左右侧各1颗;对于后保险杠雷达布置,右向4颗,后向左右侧各1颗;每颗雷达之间距离间隔0.45-0.55m以内;超声波雷达主要用来弥补激光雷达车身近距离的盲区,探测靠近主车辆的车辆、障碍物距离及位置信息,获得的信息通过CAN总线传给中央处理单元。
其中,1个毫米波雷达安装于车头中轴线上,离地高度0.35-0.65m,雷达辐射面朝外,水平辐射中距离涵盖100°范围;该毫米波雷达主要用于中距离目标探测,探测距离150米,雷达原始点云数据实时以20帧/秒的速度通过数据网络输出中央处理单元。底层控制模块主要响应中央处理单元的指令,实现精准的横向、纵向控制即电控油门、电控转向、电控制动及其他车身控制单元。如图2所示,1个GNSS模块里面包含IMU单元,该模块主要用于车辆的精确定位,同时将实时定位数据通过CAN口传递给中央处理单元。对于GNSS模块,主要是应用于道路级的定位输出。
本发明实施例中,多个激光雷达和多个超声波雷达设置于车头保险杠和车尾保险杠,且多个超声波雷达中相邻两个超声波雷达之间的间隔为0.45m-0.55m,以弥补激光雷达车身近距离的盲区;对于每个激光雷达,激光雷达的辐射面与车辆纵向中轴线夹角为60度,且激光雷达的水平辐射角度为150度,垂直辐射角度为30度;毫米波雷达设置于车身的车头;双目摄像头设置于车内后视镜下侧;毫米波雷达设置于车头中轴线上,距离地面高度0.35m-0.65m;毫米波雷达辐射面朝外且辐射角度为100度的范围。通过获取不同采集设备中采集的车辆周围不同范围可以综合检测车辆周围影响车辆行驶的障碍物的数据信息,进而可以通过分析其中的障碍物信息,得到对当前车辆行进有影响的障碍物,并基于障碍物信息指定行进路线控制车辆按照行进路线行驶。
本发明实施例提供了一种自动驾驶方法,该方法应用在车载终端中。其中,车载终端可以包括处理器、存储器、屏幕等部件。处理器,可以为CPU(Central Processing Unit,中央处理单元)等,可以用于判断触碰信号是否满足预设的触发条件,接收指令,控制显示器进行显示,等处理。存储器,可以为RAM(Random Access Memory,随机存取存储器),Flash(闪存)等,可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等,如双目摄像头采集的图像数据、激光雷达数据、毫米波雷达数据和超声不雷达数据等。屏幕可以是触控屏,可以用于显示设备列表、控制页面,还可以用于检测触碰信号等。车载终端还可以包括收发器、音频输出部件和音频输入部件等。收发器,可以用于与其它设备进行数据传输,例如,接收服务器发送的设备列表和控制页面,接收服务器发送的路况信息和地图信息,可以包括天线、匹配电路、调制解调器等。音频输出部件可以是音箱、耳机等。音频输入部件可以是麦克风等。
如图3所示,该方法的处理流程可以包括如下的步骤:
在步骤101中,获取当前车辆的双目摄像头采集的第一图像数据、当前车辆的超声波雷达采集的超声波数据、当前车辆的激光雷达采集的激光雷达数据和当前车辆的毫米波雷达采集的毫米波雷达数据。
为了实现车辆自动驾驶,需要掌握车辆周围的环境信息,通过在车辆周围安装不同传感器实现不同角度,不同类型的信号采集,从而准确判断车辆周围的障碍物信息。具体的,中央处理单元可以由中央处理单元中的运算子单元和安全控制子单元两部分组成。对于中央中央处理单元中的运算子单元部分,实时读取双目摄像头的原始图像信息、激光雷达的原始点云数据、超声波雷达的距离信息以及毫米波雷达原始点云数据信息。
对于车辆前方区域,安全控制单元可以实时读取激光雷达,毫米波雷达,双目摄像头处理后的结果输出;同时读取超声波雷达采集的近距离目标信息;然后进行多传感间目标信息匹配,确定匹配误差阀值,如果涉及2个不同传感器获取的相同的目标信息在阀值范围内,则判定障碍物信息有效,同时距离信息基于激光雷达优于超声波雷达,超声波雷达优于毫米波,毫米波雷达优于双目摄像头的原则提取距离信息,而目标类型则以双目摄像头优于激光雷达、激光雷达优于毫米波雷达的原则进行目标类型判定。对于车辆两侧及后向区域,主要依托激光雷达与超声波雷达进行障碍物探测,判定信息有效机制即只要有一个传感器判定有目标即认定存在目标,以提高车辆涉及变道的安全性。其中,障碍物是指可以影响到车辆行进的物体,障碍物可以包括车辆、建筑物、行人、动物、路面杂物等影响车辆安全行驶的人或物。
步骤102,基于双目摄像头的第一图像数据,识别当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果。
如图4所示,具体的,在步骤101中获取到车辆前方第一范围内的原始图像数据后可以对于原始图像数据进行处理,其中,第一范围是双目摄像头采集的车辆前方的对当前车辆有影响的有效范围,过程可以如下:中央处理单元中的运算子单元可以通过数据网络读取原始的第一图像数据,对第一图像数据进行预处理,筛去质量较差的图像,然后进行图像特征点提取,并进行特征匹配和误匹配矫正,对矫正后的特征进行分类识别,最后得到识别结果。基于实时采集的图像数据,可以基于连续的图像帧进行分析,准确得出障碍物的类型等数据。
可选的,将第一图像数据中图像质量低于第一预设阈值的像素点删除,得到第二图像数据;从第二图像中提取用于标识障碍物的多个第一特征点;基于多个第一特征点,与第一预设障碍物进行特征匹配,得到第一识别结果。
具体的,技术人员可以预先设置第一预设阈值的像素点,当运算子单元获取到原始的第一图像数据后,可以对第一图像数据进行分析,将第一图像数据中像素点低于第一预设阈值的图像数据删除,得到符合图像要求的第二图像数据。运算子单元可以从第二图像数据中提取用于表示障碍物的多个第一特征点,其中,技术人员可以基于障碍物信息预先设置障碍物的特征点即第一预设障碍物的特征点。基于提取的多个第一特征点和预设第一预设障碍物进行匹配即可得到包括图像数据中的障碍物类型的第一识别结果。
步骤103,基于激光雷达数据,识别当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果。
如图5所示,具体的,可以对在步骤101中获取的激光雷达的原始数据,即激光雷达数据,激光雷达主要用于实时采集车辆前方和后方的第二范围内的数据,以使中央处理单元基于该数据分析第二范围内的障碍物信息。对激光雷达数据进行数据处理,过程可以如下:中央处理单元中的运算子单元可以通过数据网络读取激光雷达数据,对激光雷达数据进行预处理,进行障碍物判定,对障碍物数据进行特征点提取、然后进行障碍物聚类,得到包括障碍物类型的第二识别结果。并且可以基于实时采集的数据对障碍物状态进行监控,并分析出每一时刻障碍物的数据。
可选的,可以从激光雷达数据中,获取激光雷达原始的第一点云数据;将第一点云数据中误差值大于第二预设阈值的数据删除,得到第二点云数据;从第二点云数据中提取障碍物的多个第二特征点;基于多个第二特征点,与第二预设障碍物进行特征匹配,得到第二识别结果。
具体的,技术人员可以预先设置第二预设阈值,以使中央处理单元获取到激光雷达原始的第一点云数据时将误差值大于第二预设阈值的数据删除,保留满足误差要求的第二点云数据。然后基于第二点云数据进行特征点提取,即从第二点云数据中提取障碍物的多个第二特征点,然后将该多个第二特征点与预先设置的第二预设障碍物进行匹配,得到包括障碍物类型的第二识别结果。其中,计算误差值的基准值可以为同一时刻获取到的激光雷达数据中的中间值或平均值。第二预设障碍物可以是技术人员预先为激光雷达数据设置的样本障碍物。
步骤104,基于超声波雷达数据,识别当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果。
具体的,超声波雷达主要用来测距,即用来实时检测障碍物与车辆的距离信息,车辆的超声波雷达可以测量周围指定距离内的障碍物与车辆的距离,从而得到由超声波检测的车辆周围第三范围内的第四类障碍物,对采集的信号进行降噪处理,可以得到第四类障碍物的比较精确的方向、距离等信息,即超声波雷达的点云数据,即第五点云数据。基于不同时刻采集到的数据还可以对第四类障碍物进行实时检测,得到第四类障碍物每一时刻的超声波的点云数据。
可选的,可以从超声波雷达数据中获取超声波雷达原始的第五点云数据;将第五点云数据中误差大于第四预设阈值的数据删除,得到第六点云数据;基于第六点云数据判断是否存在第二类障碍物;若存在第二类障碍物,则从第六点云数据中获取第二类障碍物的第二类障碍物数据;基于第二类障碍物数据对第二类障碍物进行聚类,得到第三识别结果,第三识别结果包括第二类障碍物的点云数据。
第四预设阈值可以是技术人员为超声波雷达数据设置的误差阈值,误差判断标准为多个不同超声波雷达对该目标采集的数据的均值。删除误差较大的数据后,基于第六点云数据确定预设范围内存在第二类障碍物时,获取对应第二类障碍物的方向和距离信息等第二类障碍物数据,对得到的第二类障碍物进行聚类将相同位置的障碍物进行合并,得到第三类识别结果。
步骤105,基于毫米波雷达数据,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果。
如图6所示,可以对获取的毫米波雷达的原始数据,即毫米波雷达数据,然后对毫米波雷达数据进行处理,对于毫米波雷达原始数据处理过程可以如下:中央处理单元中的运算子单元通过数据网络读取毫米波雷达数据,对点云数据进行预处理,进行频域、时域变换,得到可以识别的距离、方向等数据信息,然后通过最小阀值(即阈值)检测判别毫米波雷达的检测区域内是否是障碍物,在确定存在障碍物时,对障碍物各个信息参数进行计算,然后基于多帧数据对障碍物状态实时监测,再进行障碍物聚类,障碍物跟踪,最后实时输出障碍物数据。
可选的,可以从毫米波雷达数据中获取毫米波雷达原始的第三点云数据;将第三点云数据中误差值大于第三预设阈值的数据删除,得到第四点云数据;基于第四点云数据和预设最小阈值,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果。
中央处理单元可以从毫米波雷达数据中获取第三点云数据,然后基于技术人员为毫米波雷达设置的第三预设阈值,将误差值大于第三预设阈值的数据删除,得到第四点云数据,技术人员基于毫米波雷达监测的第四范围可以预先设置预设最小阈值,基于第四点云数据和预设最小阈值确定第四范围内是否有障碍物,得到第四识别结果。
步骤106,基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,确定当前车辆的行进路线。
由于不同的传感器因为安装位置、检测范围等因素会导致采集到的障碍物的数量、坐标位置等不同,即不同类型的传感器检测到的障碍物会有交叉,不同位置的相同传感器检测到的障碍物也不相同,例如,距离信息采用激光雷达优于超声波雷达,超声波雷达优于毫米波,毫米波雷达优于视觉原则提取距离信息,目标类型以视觉优于激光、激光优于毫米波雷达原则进行目标类型判定。通过分析摄像头点云数据、激光雷达点云数据、毫米波雷达点云数据和超声波雷达点云数据,将相同时刻不同传感器采集到的重合的障碍物进行合并,可以得到车辆周围实际障碍物的类型、数量、位置等信息。
可选的,若第一识别结果、第二识别结果、第三识别结果和第四识别结果为存在至少一个目标障碍物,则获取至少一个目标障碍物的障碍物信息,对于每个目标障碍物,目标障碍物的障碍物信息包括障碍物的相对当前车辆的方向和距离;获取预设的当前车辆的通过条件;基于至少一个目标障碍物的障碍物信息和通过条件,确定当前车辆是否有通过每个目标障碍物的可通过区域;若存在可通过区域,则基于通过条件、可通过区域和每个目标障碍物的障碍物信息确定行进路线。
具体的,若双目摄像头、激光雷达、毫米波雷达和超声波雷达的数据处理后的识别结果中存在至少一个障碍物,即至少一个目标障碍物,则可以获取至少一个目标障碍物的障碍物信息,障碍物信息可以包括障碍物的类型、方向、相对于当前车辆的距离以及对应的信息采集时刻等。
可选的,获取至少一个目标障碍物的障碍物信息,包括:可以基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,从第一图像数据、激光雷达数据、超声波雷达数据和毫米波雷达数据中,确定存在障碍物的至少一项目标数据;基于至少一项目标数据,确定每项目标数据中识别出的障碍物,得到至少一个障碍物;对至少一个障碍物进行聚类,得到至少一个目标障碍物;从至少一项目标数据中识别至少一个目标障碍物的障碍物信息。
基于第一识别结果、第二识别结果、第三识别结果和第四识别结果判断车辆周围存在障碍物后,可以从对应的第一图像数据、激光雷达数据、超声波雷达数据和毫米波雷达数据中,确定存在障碍物的至少一项目标数据,至少一项目标数据可以是包括障碍物类型数据、障碍物方向数据、障碍物距离数据、障碍物速度数据等数据中的至少一项数据。基于该至少一项数据识别出对应的障碍物,并对得到的障碍物进行聚类得到车辆周围实际存在的障碍物,即至少一个目标障碍物,然后从对应的数据中识别该至少一个障碍物的障碍物信息。
对得到的障碍物进行聚类得到车辆周围实际存在的障碍物,可以将记录的同一时刻相同位置的障碍物进行合并,同时将合并的障碍物的信息进行整合。得到车辆周围所有采集到的障碍物以及每一时刻障碍物的距离、方向、大小、类型等信息。
中央处理单元可以获取当前车辆的车辆信息,车辆信息包括当前车速和预先存储的车身尺寸等,基于车身尺寸确定车辆的可通过条件,可通过条件可以是车辆通过所需要的空间范围,具体的,技术人员可以预先基于车辆的长度、宽度、底盘高度等车辆自身信息设定车辆通过条件。
中央处理单元可以根据目标数据和车辆通过条件确定车辆的可通过区域。根据障碍物信息和当前车辆的可通过条件即可确定车辆通过前方障碍物的可通过区域,例如,相邻两个障碍物之间的区域的宽度和高度等数据可以满足可通过条件即可将该区域作为可通过区域。
进一步地,获取连续时间内的障碍物信息,即可得到障碍物为动态或者静态,获取动态障碍物的距离、方向和时间信息即可计算得到动态障碍物的行进速度、加速度和行进方向。
可选的,基于通过条件和可通过区域,确定多条通过路线;根据每个障碍物的障碍物信息,在多条通过路线中确定最佳通过路线,最佳通过路线为与每个障碍物之间的距离最大,且通过每个目标障碍物的行驶距离最小的通过路线;将最佳通过路线作为当前车辆的行进路线。
在障碍物较多时,基于通过条件可以确定多个可通过区域,进而可以确定多条通过路线,较大的可通过区域也可以确定多条通过路线。可以在多条通过路线中确定最佳通过路线,最佳通过路线可以是车辆在通过可通过区域时与最接近的障碍物的距离值最大,且通过该该段障碍物区域中的每个障碍物的行驶距离最小的通过路线。以使中央处理单元基于该最佳通过路线控制当前车辆沿着最佳通过路线行进。
可选的,确定最佳通过路线的方式还可以如下:
获取多条通过路线中行驶路线最短的通过路线作为最佳通过路线;或者,
获取多条通过路线中转向控制次数最少的路线作为最佳通过路线;或者,
基于行驶路线、转向控制次数和与障碍物距离等条件中至少两种条件确定最佳通过路线。
可选的,若不存在可通过区域,则获取当前车辆当前行驶区域的地图信息、当前车辆的当前定位信息和网络提供的路况信息;基于地图信息、当前定位信息、每个目标障碍物的障碍物信息和路况信息,确定当前车辆的行程路线。
若不存在可通过区域,即障碍物之间的空隙不足以让当前车辆通过,中央处理单元可以获取当前车辆在当前行驶区域的地图信息,并获取当前车辆的定位信息,即车辆在地图中的位置,同时查询网络提供的当前区域的路况信息;根据当前行驶区域的地图信息,车辆的位置和路况,确定新的行程路线,该行程路线可以是到达目的地最近的路线,也可以是网络路况中耗时最少的路线。基于新的行程路线,中央处理单元可以基于当前的障碍物信息制定新的行进路线。
在确定新的行程路线时可以获取车辆行驶区域的地图信息,根据车辆当前定位信息和障碍物信息,以及网络提供的路况信息,判断车辆当前行进路线状态,若当前路况存在拥堵路段,则重新规划前往目的地的行程路线;若当前路况不存在拥堵路段,则保持当前行程路线。
步骤107,控制当前车辆按照行进路线行进。
在步骤106中获取到实际障碍物后,按照行进路线行进过程中,可以获取实际障碍物的位置、运动方向、速度和加速度等目标数据,基于当前车辆的行驶方向、车速等状态信息向车辆控制器发出控制指令,以控制车辆规避对行驶有影响的障碍物。
可选的,基于最佳通过路线向车辆控制器发送控制指令,以使车辆按照最佳行驶路线通过可通过区域。
基于最佳通过路线向车辆控制器发送转向、加速等控制指令以使车辆按照最佳行驶路线通过上述可通过区域。具体的,底层控制模块主要响应中央处理单元的指令,实现精准的控制即电控油门、电控转向、电控制动及其他车身控制单元。从而实现自动驾驶车辆识别障碍并控制车辆按照合理的行进路线行进。在行进过程中,中央处理单元可以基于采集的车辆周围的障碍物信息进行制动、转向等操作规避障碍物,进而保证行车安全。
本发明实施例中,通过获取不同采集设备中采集的车辆周围不同范围的数据信息,并分析其中的障碍物信息,得到对当前车辆行进有影响的障碍物,并基于障碍物信息,分析障碍物的运送方向、运动速度和加速度,进而为当前车辆制定合理的行进路线,并控制车辆按照行进路线行驶,行驶过程中可以通过采集车辆周围的信息规避障碍物,实现车辆的自动驾驶。
基于上述自动驾驶车辆本发明实施例还提供了一种自动驾驶装置,该装置包括:
获取模块710,用于获取当前车辆的双目摄像头采集的第一图像数据、当前车辆的超声波雷达采集的超声波数据、当前车辆的激光雷达采集的激光雷达数据和当前车辆的毫米波雷达采集的毫米波雷达数据;
第一识别模块720,用于基于双目摄像头的第一图像数据,识别当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果;
第二识别模块730,用于基于激光雷达数据,识别当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果;
第三识别模块740,用于基于超声波雷达数据,识别当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果;
第四识别模块750,用于基于毫米波雷达数据,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果;
确定模块760,用于基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,确定当前车辆的行进路线;
控制模块770,用于控制当前车辆按照行进路线行进。
可选的,确定模块760,用于:
若第一识别结果、第二识别结果、第三识别结果和第四识别结果为存在至少一个目标障碍物,则获取至少一个目标障碍物的障碍物信息,对于每个目标障碍物,目标障碍物的障碍物信息包括障碍物的相对当前车辆的方向和距离;
获取预设的当前车辆的通过条件;
基于至少一个目标障碍物的障碍物信息和通过条件,确定当前车辆是否有通过每个目标障碍物的可通过区域;
若存在可通过区域,则基于通过条件、可通过区域和每个目标障碍物的障碍物信息确定行进路线。
可选的,确定模块760,用于:
基于通过条件和可通过区域,确定多条通过路线;
根据每个障碍物的障碍物信息,在多条通过路线中确定最佳通过路线,最佳通过路线为与每个障碍物之间的距离最大,且通过每个目标障碍物的行驶距离最小的通过路线;
将最佳通过路线作为当前车辆的行进路线。
可选的,确定模块760还用于:
若不存在可通过区域,则获取当前车辆当前行驶区域的地图信息、当前车辆的当前定位信息和网络提供的路况信息;
基于地图信息、当前定位信息、每个目标障碍物的障碍物信息和路况信息,确定当前车辆的行程路线;
基于行程路线,制定行进路线。
可选的,获取模块710用于:
基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,从第一图像数据、激光雷达数据、超声波雷达数据和毫米波雷达数据中,确定存在障碍物的至少一项目标数据;
基于至少一项目标数据,确定每项目标数据中识别出的障碍物,得到至少一个障碍物;
对至少一个障碍物进行聚类,得到至少一个目标障碍物;
从至少一项目标数据中识别至少一个目标障碍物的障碍物信息。
可选的,第一识别模块720用于:
将第一图像数据中图像质量低于第一预设阈值的像素点删除,得到第二图像数据;
从第二图像中提取用于标识障碍物的多个第一特征点;
基于多个第一特征点,与第一预设障碍物进行特征匹配,得到第一识别结果。
可选的,第二识别模块730用于:
从激光雷达数据中,获取激光雷达原始的第一点云数据;
将第一点云数据中误差值大于第二预设阈值的数据删除,得到第二点云数据;
从第二点云数据中提取障碍物的多个第二特征点;
基于多个第二特征点,与第二预设障碍物进行特征匹配,得到第二识别结果。
可选的,第四识别模块750用于:
从毫米波雷达数据中获取毫米波雷达原始的第三点云数据;
将第三点云数据中误差值大于第三预设阈值的数据删除,得到第四点云数据;
基于第四点云数据和预设最小阈值,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果。
可选的,第三识别模块740用于:
从超声波雷达数据中获取超声波雷达原始的第五点云数据;
将第五点云数据中误差大于第四预设阈值的数据删除,得到第六点云数据;
基于第六点云数据判断是否存在第二类障碍物;
若存在第二类障碍物,则从第六点云数据中获取第二类障碍物的第二类障碍物数据;
基于第二类障碍物数据对第二类障碍物进行聚类,得到第三识别结果,第三识别结果包括第二类障碍物的点云数据。
在示例性实施例中,还提供了一种计算机可读存储介质,存储介质中存储有至少一条指令,至少一条指令由处理器加载并执行以实现上述实施例中的自动驾驶方法。例如,所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图8是本发明实施例提供的车载终端的结构示意图,该车载终端可以是上述实施例中的#。该车载终端1000可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)1001和一个或一个以上的存储器1002,其中,所述存储器1002中存储有至少一条指令,所述至少一条指令由所述处理器1001加载并执行以实现下述(A)的方法步骤:
可选的,所述至少一条指令由所述处理器1001加载并执行以实现下述方法步骤:
获取当前车辆的双目摄像头采集的第一图像数据、当前车辆的超声波雷达采集的超声波数据、当前车辆的激光雷达采集的激光雷达数据和当前车辆的毫米波雷达采集的毫米波雷达数据;
基于双目摄像头的第一图像数据,识别当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果;
基于激光雷达数据,识别当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果;
基于超声波雷达数据,识别当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果;
基于毫米波雷达数据,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果;
基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,确定当前车辆的行进路线;
控制当前车辆按照行进路线行进。
可选的,基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,确定当前车辆的行进路线,包括:
若第一识别结果、第二识别结果、第三识别结果和第四识别结果为存在至少一个目标障碍物,则获取至少一个目标障碍物的障碍物信息,对于每个目标障碍物,目标障碍物的障碍物信息包括障碍物的相对当前车辆的方向和距离;
获取预设的当前车辆的通过条件;
基于至少一个目标障碍物的障碍物信息和通过条件,确定当前车辆是否有通过每个目标障碍物的可通过区域;
若存在可通过区域,则基于通过条件、可通过区域和每个目标障碍物的障碍物信息确定行进路线。
可选的,基于通过条件、可通过区域和每个目标障碍物的障碍物信息确定行进路线,包括:
基于通过条件和可通过区域,确定多条通过路线;
根据每个障碍物的障碍物信息,在多条通过路线中确定最佳通过路线,最佳通过路线为与每个障碍物之间的距离最大,且通过每个目标障碍物的行驶距离最小的通过路线;
将最佳通过路线作为当前车辆的行进路线。
可选的,方法还包括:
若不存在可通过区域,则获取当前车辆当前行驶区域的地图信息、当前车辆的当前定位信息和网络提供的路况信息;
基于地图信息、当前定位信息、每个目标障碍物的障碍物信息和路况信息,确定当前车辆的行程路线;
基于行程路线,制定行进路线。
可选的,基于双目摄像头的第一图像数据,识别当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果,包括:
将第一图像数据中图像质量低于第一预设阈值的像素点删除,得到第二图像数据;
从第二图像中提取用于标识障碍物的多个第一特征点;
基于多个第一特征点,与第一预设障碍物进行特征匹配,得到第一识别结果。
可选的,基于激光雷达数据,识别当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果,包括:
从激光雷达数据中,获取激光雷达原始的第一点云数据;
将第一点云数据中误差值大于第二预设阈值的数据删除,得到第二点云数据;
从第二点云数据中提取障碍物的多个第二特征点;
基于多个第二特征点,与第二预设障碍物进行特征匹配,得到第二识别结果。
可选的,基于毫米波雷达数据,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果,包括:
从毫米波雷达数据中获取毫米波雷达原始的第三点云数据;
将第三点云数据中误差值大于第三预设阈值的数据删除,得到第四点云数据;
基于第四点云数据和预设最小阈值,识别当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果。
可选的,获取至少一个目标障碍物的障碍物信息,包括:
基于第一识别结果、第二识别结果、第三识别结果和第四识别结果,从第一图像数据、激光雷达数据、超声波雷达数据和毫米波雷达数据中,确定存在障碍物的至少一项目标数据;
基于至少一项目标数据,确定每项目标数据中识别出的障碍物,得到至少一个障碍物;
对至少一个障碍物进行聚类,得到至少一个目标障碍物;
从至少一项目标数据中识别至少一个目标障碍物的障碍物信息。
可选的,基于超声波雷达数据,识别当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果,包括:
从超声波雷达数据中获取超声波雷达原始的第五点云数据;
将第五点云数据中误差大于第四预设阈值的数据删除,得到第六点云数据;
基于第六点云数据判断是否存在第二类障碍物;
若存在第二类障碍物,则从第六点云数据中获取第二类障碍物的第二类障碍物数据;
基于第二类障碍物数据对第二类障碍物进行聚类,得到第三识别结果,第三识别结果包括第二类障碍物的点云数据
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种自动驾驶车辆,其特征在于,所述车辆包括车身,所述车身内设置有车内后视镜、多个激光雷达、多个超声波雷达、毫米波雷达和双目摄像头;
所述车身前后分别设置有车头保险杠和车尾保险杠;
所述多个激光雷达和所述多个超声波雷达设置于所述车头保险杠和所述车尾保险杠,且所述多个超声波雷达中相邻两个超声波雷达之间的间隔为0.45m-0.55m,以弥补激光雷达车身近距离的盲区;对于每个激光雷达,所述激光雷达的辐射面与所述车辆纵向中轴线夹角为60度,且所述激光雷达的水平辐射角度为150度,垂直辐射角度为30度;
所述毫米波雷达设置于所述车身的车头;
所述双目摄像头设置于所述车内后视镜下侧;所述毫米波雷达设置于所述车头中轴线上,距离地面高度0.35m-0.65m;
所述毫米波雷达辐射面朝外且辐射角度为100度的范围;
其中,所述车辆用于:
获取当前车辆的双目摄像头采集的第一图像数据、所述当前车辆的超声波雷达采集的超声波数据、所述当前车辆的激光雷达采集的激光雷达数据和所述当前车辆的毫米波雷达采集的毫米波雷达数据;
基于所述双目摄像头的第一图像数据,识别所述当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果,包括:将所述第一图像数据中图像质量低于第一预设阈值的像素点删除,得到第二图像数据;从所述第二图像中提取用于标识障碍物的多个第一特征点;基于所述多个第一特征点,与第一预设障碍物进行特征匹配,得到所述第一识别结果;
基于所述激光雷达数据,识别所述当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果,包括:从所述激光雷达数据中,获取所述激光雷达原始的第一点云数据;将所述第一点云数据中误差值大于第二预设阈值的数据删除,得到第二点云数据;从所述第二点云数据中提取障碍物的多个第二特征点;
基于所述多个第二特征点,与第二预设障碍物进行特征匹配,得到所述第二识别结果;
基于所述超声波雷达数据,识别所述当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果,包括:从所述超声波雷达数据中获取所述超声波雷达原始的第五点云数据;将所述第五点云数据中误差大于第四预设阈值的数据删除,得到第六点云数据;基于所述第六点云数据判断是否存在第二类障碍物;若存在第二类障碍物,则从所述第六点云数据中获取所述第二类障碍物的第二类障碍物数据;基于所述第二类障碍物数据对所述第二类障碍物进行聚类,得到第三识别结果,所述第三识别结果包括第二类障碍物的点云数据;
基于所述毫米波雷达数据,识别所述当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果,包括:从所述毫米波雷达数据中获取所述毫米波雷达原始的第三点云数据;将所述第三点云数据中误差值大于第三预设阈值的数据删除,得到第四点云数据;基于所述第四点云数据和预设最小阈值,识别所述当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果;
基于所述第一识别结果、所述第二识别结果、所述第三识别结果和所述第四识别结果,确定所述当前车辆的行进路线;
控制所述当前车辆按照所述行进路线行进;
其中,所述基于所述第一识别结果、所述第二识别结果、所述第三识别结果和所述第四识别结果,确定所述当前车辆的行进路线,包括:
若所述第一识别结果、所述第二识别结果、所述第三识别结果和所述第四识别结果为存在至少一个目标障碍物,则获取所述至少一个目标障碍物的障碍物信息,对于每个目标障碍物,所述目标障碍物的障碍物信息包括所述障碍物的相对所述当前车辆的方向和距离;
获取预设的所述当前车辆的通过条件;
基于所述至少一个目标障碍物的障碍物信息和所述通过条件,确定所述当前车辆是否有通过每个目标障碍物的可通过区域;
若存在所述可通过区域,则基于所述通过条件、所述可通过区域和每个目标障碍物的障碍物信息确定行进路线,所述行进路线为与所述每个目标障碍物之间的距离最大,且通过所述每个目标障碍物的行驶距离最小的通过路线;
所述车辆用于:
若不存在所述可通过区域,则获取所述当前车辆当前行驶区域的地图信息、所述当前车辆的当前定位信息和网络提供的路况信息;
基于所述地图信息、所述当前定位信息、所述每个目标障碍物的障碍物信息和所述路况信息,判断所述当前车辆当前行进路线状态,若当前路况存在拥堵路段,则重新规划前往目的地的行程路线;若当前路况不存在拥堵路段,则保持当前行程路线,所述行程路线为到达目的地最近的路线或者网络提供的路况中耗时最少的路线;基于所述行程路线,制定行进路线。
2.一种基于权利要求1所述车辆的自动驾驶方法,其特征在于,所述方法包括:
获取当前车辆的双目摄像头采集的第一图像数据、所述当前车辆的超声波雷达采集的超声波数据、所述当前车辆的激光雷达采集的激光雷达数据和所述当前车辆的毫米波雷达采集的毫米波雷达数据;
基于所述双目摄像头的第一图像数据,识别所述当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果;
基于所述激光雷达数据,识别所述当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果;
基于所述超声波雷达数据,识别所述当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果;
基于所述毫米波雷达数据,识别所述当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果;
基于所述第一识别结果、所述第二识别结果、所述第三识别结果和所述第四识别结果,确定所述当前车辆的行进路线;
控制所述当前车辆按照所述行进路线行进。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一识别结果、所述第二识别结果、所述第三识别结果和所述第四识别结果,确定所述当前车辆的行进路线,包括:
若所述第一识别结果、所述第二识别结果、所述第三识别结果和所述第四识别结果为存在至少一个目标障碍物,则获取所述至少一个目标障碍物的障碍物信息,对于每个目标障碍物,所述目标障碍物的障碍物信息包括所述障碍物的相对所述当前车辆的方向和距离;
获取预设的所述当前车辆的通过条件;
基于所述至少一个目标障碍物的障碍物信息和所述通过条件,确定所述当前车辆是否有通过每个目标障碍物的可通过区域;
若存在所述可通过区域,则基于所述通过条件、所述可通过区域和每个目标障碍物的障碍物信息确定行进路线。
4.根据权利要求3所述的方法,其特征在于,所述基于所述通过条件、所述可通过区域和每个目标障碍物的障碍物信息,确定行进路线,包括:
基于所述通过条件和所述可通过区域,确定多条通过路线;
根据所述每个目标障碍物的障碍物信息,在所述多条通过路线中确定最佳通过路线,所述最佳通过路线为与所述每个目标障碍物之间的距离最大,且通过所述每个目标障碍物的行驶距离最小的通过路线;
将所述最佳通过路线作为当前车辆的行进路线。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若不存在所述可通过区域,则获取所述当前车辆当前行驶区域的地图信息、所述当前车辆的当前定位信息和网络提供的路况信息;
基于所述地图信息、所述当前定位信息、所述每个目标障碍物的障碍物信息和所述路况信息,确定所述当前车辆的行程路线;
基于所述行程路线,制定行进路线。
6.根据权利要求3所述的方法,其特征在于,所述获取所述至少一个目标障碍物的障碍物信息,包括:
基于所述第一识别结果、所述第二识别结果、所述第三识别结果和所述第四识别结果,从所述第一图像数据、所述激光雷达数据、所述超声波雷达数据和所述毫米波雷达数据中,确定存在障碍物的至少一项目标数据;
基于至少一项目标数据,确定每项目标数据中识别出的障碍物,得到至少一个障碍物;
对所述至少一个障碍物进行聚类,得到至少一个目标障碍物;
从所述至少一项目标数据中识别所述至少一个目标障碍物的障碍物信息。
7.根据权利要求2所述的方法,其特征在于,所述基于所述双目摄像头的第一图像数据,识别所述当前车辆的前方的第一范围内是否有障碍物,得到第一识别结果,包括:
将所述第一图像数据中图像质量低于第一预设阈值的像素点删除,得到第二图像数据;
从所述第二图像中提取用于标识障碍物的多个第一特征点;
基于所述多个第一特征点,与第一预设障碍物进行特征匹配,得到所述第一识别结果。
8.根据权利要求2所述的方法,其特征在于,所述基于所述激光雷达数据,识别所述当前车辆两侧的第二范围内是否有障碍物,得到第二识别结果,包括:
从所述激光雷达数据中,获取所述激光雷达原始的第一点云数据;
将所述第一点云数据中误差值大于第二预设阈值的数据删除,得到第二点云数据;
从所述第二点云数据中提取障碍物的多个第二特征点;
基于所述多个第二特征点,与第二预设障碍物进行特征匹配,得到所述第二识别结果。
9.根据权利要求2所述的方法,其特征在于,所述基于所述毫米波雷达数据,识别所述当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果,包括:
从所述毫米波雷达数据中获取所述毫米波雷达原始的第三点云数据;
将所述第三点云数据中误差值大于第三预设阈值的数据删除,得到第四点云数据;
基于所述第四点云数据和预设最小阈值,识别所述当前车辆的前方的第四范围内是否有障碍物,得到第四识别结果。
10.根据权利要求2所述的方法,其特征在于,基于所述超声波雷达数据,识别所述当前车辆两侧的第三范围内是否有障碍物,得到第三识别结果,包括:
从所述超声波雷达数据中获取所述超声波雷达原始的第五点云数据;
将所述第五点云数据中误差大于第四预设阈值的数据删除,得到第六点云数据;
基于所述第六点云数据判断是否存在第二类障碍物;
若存在第二类障碍物,则从所述第六点云数据中获取所述第二类障碍物的第二类障碍物数据;
基于所述第二类障碍物数据对所述第二类障碍物进行聚类,得到第三识别结果,所述第三识别结果包括第二类障碍物的点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811593714.2A CN109634282B (zh) | 2018-12-25 | 2018-12-25 | 自动驾驶车辆、方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811593714.2A CN109634282B (zh) | 2018-12-25 | 2018-12-25 | 自动驾驶车辆、方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109634282A CN109634282A (zh) | 2019-04-16 |
CN109634282B true CN109634282B (zh) | 2021-05-28 |
Family
ID=66077473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811593714.2A Active CN109634282B (zh) | 2018-12-25 | 2018-12-25 | 自动驾驶车辆、方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109634282B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765563B (zh) * | 2019-01-15 | 2021-06-11 | 北京百度网讯科技有限公司 | 一种超声波雷达阵列、障碍物检测方法及系统 |
CN110110678B (zh) * | 2019-05-13 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 道路边界的确定方法和装置、存储介质及电子装置 |
CN110264586A (zh) * | 2019-05-28 | 2019-09-20 | 浙江零跑科技有限公司 | L3级自动驾驶系统道路驾驶数据采集、分析及上传方法 |
CN112130548A (zh) * | 2019-06-05 | 2020-12-25 | 奥迪股份公司 | 一种用于自动驾驶车辆的障碍物应对系统和方法 |
CN110329907A (zh) * | 2019-06-14 | 2019-10-15 | 上海驭矩信息科技有限公司 | 关于一款长度可调节的伸缩杆的设计 |
CN110239592A (zh) * | 2019-07-03 | 2019-09-17 | 中铁轨道交通装备有限公司 | 一种轨道车辆主动式障碍物及脱轨检测系统 |
JP7329381B2 (ja) * | 2019-07-22 | 2023-08-18 | 株式会社ブリヂストン | 制御方法、制御装置、制御システムおよびタイヤ試験方法 |
CN110406544A (zh) * | 2019-08-06 | 2019-11-05 | 阿尔法巴人工智能(深圳)有限公司 | 雨雾场景下的车辆感知系统及方法 |
CN210390983U (zh) * | 2019-08-15 | 2020-04-24 | 北京百度网讯科技有限公司 | 自动驾驶车辆 |
CN110941003B (zh) * | 2019-10-25 | 2022-02-25 | 北京汽车集团有限公司 | 车辆识别方法,装置,存储介质及电子设备 |
CN110641367A (zh) * | 2019-10-31 | 2020-01-03 | 东风汽车股份有限公司 | 用于自动驾驶的环境感知系统布置结构 |
CN113370911B (zh) * | 2019-10-31 | 2024-03-19 | 北京百度网讯科技有限公司 | 车载传感器的位姿调整方法、装置、设备和介质 |
CN113126640B (zh) * | 2019-12-31 | 2022-06-28 | 北京三快在线科技有限公司 | 用于无人机的障碍物探测方法、装置、无人机和存储介质 |
CN111275929A (zh) * | 2020-01-21 | 2020-06-12 | 东风小康汽车有限公司重庆分公司 | 车辆漫水预警方法、装置及系统 |
CN113257021B (zh) * | 2020-02-13 | 2022-12-23 | 宁波吉利汽车研究开发有限公司 | 一种车辆安全预警方法及系统 |
CN111578894B (zh) * | 2020-06-02 | 2021-10-15 | 北京经纬恒润科技股份有限公司 | 一种确定障碍物航向角的方法及装置 |
CN111674348A (zh) * | 2020-06-17 | 2020-09-18 | 中国第一汽车股份有限公司 | 一种缓冲车辆碰撞的方法、装置及车辆 |
CN111929068B (zh) * | 2020-07-10 | 2022-03-04 | 中国矿业大学 | 一种封闭场景下车辆道路能力测试方法 |
CN112015178B (zh) * | 2020-08-20 | 2022-10-21 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备及存储介质 |
CN112061131B (zh) * | 2020-11-13 | 2021-01-15 | 奥特酷智能科技(南京)有限公司 | 一种基于道路数据的仿真车避开障碍行驶的方法 |
CN112379674B (zh) * | 2020-11-26 | 2022-06-21 | 中国第一汽车股份有限公司 | 一种自动驾驶设备及系统 |
CN113589288A (zh) * | 2021-06-24 | 2021-11-02 | 广西综合交通大数据研究院 | 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 |
CN113392796A (zh) * | 2021-06-29 | 2021-09-14 | 广州小鹏汽车科技有限公司 | 显示方法、显示装置、车辆和计算机可读存储介质 |
CN113442915B (zh) * | 2021-08-17 | 2022-07-15 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 一种自动避障天线 |
CN113581174B (zh) * | 2021-08-23 | 2023-03-24 | 安徽江淮汽车集团股份有限公司 | 一种车辆的障碍物定位方法及障碍物定位装置 |
CN113665500B (zh) * | 2021-09-03 | 2022-07-19 | 南昌智能新能源汽车研究院 | 全天候作业的无人驾驶运输车环境感知系统及方法 |
CN114422950B (zh) * | 2022-01-21 | 2023-08-25 | 重庆长安汽车股份有限公司 | 基于超宽带信号定位的车辆召唤系统、召唤方法及汽车 |
CN114779257A (zh) * | 2022-04-12 | 2022-07-22 | 中国第一汽车股份有限公司 | 一种车位检测方法、装置、存储介质和车辆 |
CN115019407B (zh) * | 2022-06-27 | 2023-12-05 | 浙江创泰科技有限公司 | 一种基于高位摄像头的车辆停车管理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016158197A1 (ja) * | 2015-03-31 | 2016-10-06 | 日立オートモティブシステムズ株式会社 | 自動運転制御装置 |
CN205750530U (zh) * | 2015-12-31 | 2016-11-30 | 深圳光启合众科技有限公司 | 机器人及其驾驶系统和远程服务器 |
CN106909152A (zh) * | 2017-03-17 | 2017-06-30 | 奇瑞汽车股份有限公司 | 一种车用环境感知系统及汽车 |
CN107065855A (zh) * | 2016-01-29 | 2017-08-18 | 法拉第未来公司 | 用于驾驶员模式识别、辨识和预测的系统和方法 |
CN107272683A (zh) * | 2017-06-19 | 2017-10-20 | 中国科学院自动化研究所 | 基于acp方法的平行智能车控制系统 |
CN107843267A (zh) * | 2017-10-25 | 2018-03-27 | 广州汽车集团股份有限公司 | 施工路段无人驾驶车辆的路径生成方法及装置 |
CN108108850A (zh) * | 2017-12-29 | 2018-06-01 | 江苏高科物流科技股份有限公司 | 一种运动装置及其寻路控制方法和具有存储功能的装置 |
-
2018
- 2018-12-25 CN CN201811593714.2A patent/CN109634282B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016158197A1 (ja) * | 2015-03-31 | 2016-10-06 | 日立オートモティブシステムズ株式会社 | 自動運転制御装置 |
CN205750530U (zh) * | 2015-12-31 | 2016-11-30 | 深圳光启合众科技有限公司 | 机器人及其驾驶系统和远程服务器 |
CN107065855A (zh) * | 2016-01-29 | 2017-08-18 | 法拉第未来公司 | 用于驾驶员模式识别、辨识和预测的系统和方法 |
CN106909152A (zh) * | 2017-03-17 | 2017-06-30 | 奇瑞汽车股份有限公司 | 一种车用环境感知系统及汽车 |
CN107272683A (zh) * | 2017-06-19 | 2017-10-20 | 中国科学院自动化研究所 | 基于acp方法的平行智能车控制系统 |
CN107843267A (zh) * | 2017-10-25 | 2018-03-27 | 广州汽车集团股份有限公司 | 施工路段无人驾驶车辆的路径生成方法及装置 |
CN108108850A (zh) * | 2017-12-29 | 2018-06-01 | 江苏高科物流科技股份有限公司 | 一种运动装置及其寻路控制方法和具有存储功能的装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109634282A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109634282B (zh) | 自动驾驶车辆、方法和装置 | |
US11703876B2 (en) | Autonomous driving system | |
CN109927719B (zh) | 一种基于障碍物轨迹预测的辅助驾驶方法和系统 | |
CN108490941B (zh) | 应用于道路清扫车的自动驾驶系统及其控制方法、装置 | |
US9566983B2 (en) | Control arrangement arranged to control an autonomous vehicle, autonomous drive arrangement, vehicle and method | |
WO2018076855A1 (zh) | 车辆行驶窄道辅助系统 | |
US20170008531A1 (en) | Driving assistant for vehicles | |
US20170248962A1 (en) | Method and device for localizing a vehicle in its surroundings | |
CN112799098B (zh) | 雷达盲区监测方法、装置、电子设备和存储介质 | |
US10074021B2 (en) | Object detection apparatus, object detection method, and program | |
CN110816540B (zh) | 交通拥堵的确定方法、装置、系统及车辆 | |
WO2021056499A1 (zh) | 数据处理方法、设备和可移动平台 | |
EP3900997A1 (en) | Method of and system for controlling operation of self-driving car | |
CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
CN110647801A (zh) | 设置感兴趣区域的方法、装置、存储介质及电子设备 | |
CN113297881A (zh) | 一种目标检测方法及相关装置 | |
US10970870B2 (en) | Object detection apparatus | |
CN113432615B (zh) | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 | |
CN111376901B (zh) | 车辆的控制方法、装置及车辆 | |
CN114537447A (zh) | 安全通行方法、装置、电子设备和存储介质 | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 | |
CN115223131A (zh) | 一种自适应巡航的跟随目标车辆检测方法、装置及汽车 | |
CN111427063A (zh) | 一种移动装置通行控制方法、装置、设备、系统及介质 | |
WO2022024471A1 (ja) | 外界認識システム、および、外界認識方法 | |
JP7115872B2 (ja) | ドライブレコーダ、及び画像記録方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |