CN109782776B - 无人车的车道选择方法、装置及存储介质 - Google Patents
无人车的车道选择方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109782776B CN109782776B CN201910245316.XA CN201910245316A CN109782776B CN 109782776 B CN109782776 B CN 109782776B CN 201910245316 A CN201910245316 A CN 201910245316A CN 109782776 B CN109782776 B CN 109782776B
- Authority
- CN
- China
- Prior art keywords
- lane
- cost value
- obstacle
- branch
- bifurcation
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明实施例提出一种无人车的车道选择方法、装置及计算机可读存储介质。其中无人车的车道选择方法包括:针对主车行驶的当前路段上的每个车道分别计算车道度量参数;分别将每个车道的各个所述车道度量参数进行计算;根据所述计算的结果选择主车行驶的目标车道。本发明实施例根据车道度量参数进行计算所得到的结果选择最适合行驶的车道,根据实时路况和无人车的行驶意图帮助无人车做出决策,使无人驾驶更加安全畅通。
Description
技术领域
本发明涉及无人驾驶技术领域,尤其涉及一种无人车的车道选择方法、装置及计算机可读存储介质。
背景技术
现有技术的无人车系统由规划模块来规划行车路线,例如在规划的行车路线中,在当前车道上行驶到某一位置时应变道行驶。但规划行车路线通常只是根据行驶目的地规划出在哪个位置需要变道行驶,并没有根据路况等信息进行综合判断。在实际路况场景中,如果进行变道的目标车道发生阻塞的情况,则无法按照规划行车路线行驶。再如,规划行车路线通常只是根据行驶目的地规划出在哪条路上行驶或在哪个车道上行驶,在分岔路选择的场景中并没有根据路况等信息进行综合判断和决策。在分岔路选择的场景中,如果目标车道发生阻塞的情况,则无法按照规划行车路线行驶。
因此,如果没有合理的判断和决策,仅靠规划行车路线的引导,并不能为无人车决策适合行驶的车道。
发明内容
本发明实施例提供一种无人车的车道选择方法、装置及计算机可读存储介质,以至少解决现有技术中的一个或多个技术问题。
第一方面,本发明实施例提供了一种无人车的车道选择方法,包括:
针对主车行驶的当前路段上的每个车道分别计算车道度量参数;
分别将每个车道的各个所述车道度量参数进行计算;
根据所述计算的结果选择主车行驶的目标车道。
在一种实施方式中,根据所述计算的结果选择主车行驶的目标车道,包括:
根据所述计算的结果选择主车执行变道的目标车道。
在一种实施方式中,所述车道度量参数包括变道度量参数,所述变道度量参数包括阻塞代价值、参考线代价值和保持车道代价值中的至少二种。
在一种实施方式中,针对主车行驶的当前路段上的每个车道分别计算车道度量参数,包括:
根据主车当前位置对应的变道区间的长度确定所述参考线代价值。
在一种实施方式中,针对主车行驶的当前路段上的每个车道分别计算车道度量参数,包括:
根据从当前车道到所述目标车道的变道次数和/或主车的行驶意图确定所述保持车道代价值。
在一种实施方式中,针对主车行驶的当前路段上的每个车道分别计算车道度量参数,包括:在主车行驶到分岔路段之前,针对主车的当前车道对应的每个分岔后车道分别计算车道度量参数;
根据所述计算的结果选择主车行驶的目标车道,包括:根据所述计算的结果选择分岔后车道。
在一种实施方式中,所述车道度量参数包括分岔代价值,所述分岔代价值包括阻塞代价值和岔路代价值。
在一种实施方式中,针对主车的当前车道对应的每个分岔后车道分别计算车道度量参数,包括:
根据所述当前车道和所述分岔后车道的位置关系确定所述岔路代价值。
在一种实施方式中,针对主车行驶的当前路段上的每个车道分别计算车道度量参数,包括:
根据障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项确定所述阻塞代价值;
其中,所述运动学参数包括速度和位置中的至少一项,所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项,所述障碍物的类别包括长期静止类别和短期静止类别。
在一种实施方式中,在所述车道度量参数包括分岔代价值的情况下,所述障碍物包括所述分岔路段所在的区域内的障碍物和/或所述分岔后车道上距离所述分岔路段在预定长度阈值内的障碍物。
在一种实施方式中,分别将每个车道的所述车道度量参数进行计算,包括:
对每个所述车道度量参数对应的权值进行调试;
根据所述调试的结果设置每个所述车道度量参数对应的权值;
根据设置的权值将所述车道度量参数加权求和。
第二方面,本发明实施例提供了一种无人车的车道选择装置,包括:
第一计算单元,用于针对主车行驶的当前路段上的每个车道分别计算车道度量参数;
第二计算单元,用于分别将每个车道的各个所述车道度量参数进行计算;
选择单元,用于根据所述计算的结果选择主车行驶的目标车道。
在一种实施方式中,所述选择单元用于:
根据所述计算的结果选择主车执行变道的目标车道。
在一种实施方式中,所述车道度量参数包括变道度量参数,所述变道度量参数包括阻塞代价值、参考线代价值和保持车道代价值中的至少二种。
在一种实施方式中,所述第一计算单元用于:
根据主车当前位置对应的变道区间的长度确定所述参考线代价值。
在一种实施方式中,所述第一计算单元用于:
根据从当前车道到所述目标车道的变道次数和/或主车的行驶意图确定所述保持车道代价值。
在一种实施方式中,所述第一计算单元用于:在主车行驶到分岔路段之前,针对主车的当前车道对应的每个分岔后车道分别计算车道度量参数;
所述选择单元用于:根据所述计算的结果选择分岔后车道。
在一种实施方式中,所述车道度量参数包括分岔代价值,所述分岔代价值包括阻塞代价值和岔路代价值。
在一种实施方式中,所述第一计算单元用于:
根据所述当前车道和所述分岔后车道的位置关系确定所述岔路代价值。
在一种实施方式中,所述第一计算单元用于:
根据障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项确定所述阻塞代价值;
其中,所述运动学参数包括速度和位置中的至少一项,所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项,所述障碍物的类别包括长期静止类别和短期静止类别。
在一种实施方式中,在所述车道度量参数包括分岔代价值的情况下,所述障碍物包括所述分岔路段所在的区域内的障碍物和/或所述分岔后车道上距离所述分岔路段在预定长度阈值内的障碍物。
在一种实施方式中,所述第二计算单元用于:
对每个所述车道度量参数对应的权值进行调试;
根据所述调试的结果设置每个所述车道度量参数对应的权值;
根据设置的权值将所述车道度量参数加权求和。
第三方面,本发明实施例提供了一种无人车的车道选择装置,所述装置的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,所述装置的结构中包括处理器和存储器,所述存储器用于存储支持所述装置执行上述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述装置还可以包括通信接口,用于与其他设备或通信网络通信。
第四方面,本发明实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现上述第一方面中任一所述的方法。
上述技术方案具有如下优点或有益效果:根据车道度量参数进行计算所得到的结果选择最适合行驶的车道,根据实时路况和无人车的行驶意图帮助无人车做出决策,使无人驾驶更加安全畅通。
上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本发明公开的一些实施方式,而不应将其视为是对本发明范围的限制。
图1为本发明实施例提供的无人车的车道选择方法的流程图。
图2为本发明实施例提供的无人车的车道选择方法的执行变道的流程图。
图3为本发明实施例提供的无人车的车道选择方法的无人车变道场景示意图。
图4为本发明实施例提供的无人车的车道选择方法的无人车变道场景示意图。
图5为本发明实施例提供的无人车的车道选择方法的变道度量参数加权求和的流程图。
图6为本发明实施例提供的无人车的车道选择方法的分岔路选择的流程图。
图7为本发明实施例提供的无人车的车道选择方法的分岔路场景示意图。
图8为本发明实施例提供的无人车的车道选择方法的分岔路场景示意图。
图9为本发明实施例提供的无人车的车道选择方法的分岔路场景示意图。
图10为本发明实施例提供的无人车的车道选择方法的分岔代价值加权求和的流程图。
图11为本发明实施例提供的无人车的车道选择装置的结构框图。
图12为本发明实施例提供的无人车的车道选择装置的结构框图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本发明的精神或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的而非限制性的。
图1为本发明实施例提供的无人车的车道选择方法的流程图。如图1所示,本发明实施例的无人车的车道选择方法包括:
步骤S102,针对主车行驶的当前路段上的每个车道分别计算车道度量参数;
步骤S104,分别将每个车道的各个所述车道度量参数进行计算;
步骤S106,根据所述计算的结果选择主车行驶的目标车道。
通常情况下,无人车行驶的过程中根据路线规划在当前车道的某个位置执行变道或者在分岔路段上选择分岔后车道。但仅依据路线规划可能无法应对实际路况场景中的各种复杂情况,例如无人车遇到车道阻塞等状况时可能无法应对。因此,无人车行驶过程中可以根据具体情况实时选择适合的车道,灵活机动地对当前情况做出应对,选择最适合行驶的车道。
本发明实施例中,可根据主车行驶的当前路段上的每个车道的车道度量参数来衡量行驶到每个车道所需要耗费的代价。具体地,在步骤S102和步骤S104中,分别计算每个车道的各个所述车道度量参数,例如可以将每个车道的各个所述车道度量参数进行加权求和计算,得出行驶到每个车道所需要耗费的代价值。在步骤S106中,根据上述代价值计算的结果选择主车行驶的目标车道,例如可选择代价值最小的车道作为最适合行驶的车道。
具体地,在执行变道的应用场景中,车道度量参数可包括变道度量参数。在无人车行驶的过程中,分别计算每个车道的各个变道度量参数,选择代价值最小的车道作为最适合行驶的车道。在分岔路选择的场景中,车道度量参数可包括分岔代价值。在无人车行驶到分岔路口时,分别计算每个分岔后车道的各个分岔代价值,选择代价值最小的车道作为最适合行驶的分岔后车道。
图2为本发明实施例提供的无人车的车道选择方法的执行变道的流程图。如图2所示,在执行变道的应用场景中,本发明实施例的无人车的车道选择方法具体可包括:
步骤S110,针对主车行驶的当前路段上的每个车道分别计算变道度量参数;
步骤S120,分别将每个车道的各个所述变道度量参数进行计算;
步骤S130,根据所述计算的结果选择主车执行变道的目标车道。
无人车的车道选择涉及到以下因素:(一)安全因素;(二)主车是否想要变道的意图。比如无人车在路口想要右转,则无人车一定要变道到右转车道上才能右转,但这时变道到右转车道并不一定是安全的。向右变道是无人车的行驶意图,车道选择不仅要考虑行驶意图,还要考虑安全因素。本发明实施例可帮助无人车做出决策,选择适合行驶的车道,例如选择哪个车道比较畅通且能到达目的地。
具体地,可预先设置至少二种变道度量参数。某个车道的变道度量参数可以包括变道代价值。其中,变道代价值可用于表示变道到该车道所需要耗费的代价的多少,例如,变道到该车道的难易程度或者该车道通行、阻塞的程度等因素,都会影响到变道到该车道所需要耗费的代价。每一种变道度量参数可表示其中一种因素对变道代价的影响。可针对主车行驶的当前路段上的每个车道分别计算至少二种变道度量参数,然后分别将每个车道的所有的变道度量参数进行计算,例如可进行加权求和计算。某个车道的加权求和的值表示在各种因素综合考虑的情况下变道到该车道所需要耗费的代价。
在一种实施方式中,所述变道度量参数包括阻塞代价值、参考线代价值和保持车道代价值中的至少二种。可考虑到执行变道决策时需要权衡的多种因素,选择多种对应的代价值参与计算,以保证执行变道的安全性。在一个示例中,可同时使用以上三种代价值来进行车道选择的权衡。
具体地,以上变道度量参数的表示含义和计算方法如下:
(1)阻塞代价值(block cost),表示车道的可通行性,即车道通行或阻塞的程度。阻塞代价值越大,表示车道的通行性越不好,车道阻塞越严重。
在一种实施方式中,针对主车行驶的当前路段上的每个车道分别计算变道度量参数,包括:
根据障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项确定所述阻塞代价值;
其中,所述运动学参数包括速度和位置中的至少一项。所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项。障碍物的尺寸可包括障碍物的长宽高、大小、形状。障碍物的尺寸可表示障碍物对车道的侵入程度,包括障碍物占据了车道的空间的多少。所述障碍物的类别包括长期静止类别和短期静止类别。障碍物的类别可以体现出障碍物是否是死车,它是一个长期静止的障碍物还是短期静止的障碍物。如果是长期静止的障碍物,则其对于车道的阻塞程度会更严重。其中,障碍物不一定是障碍车,也可能是路障等其他障碍物。
以上这些因素会影响到车道的可通行性,可根据这些因素中的至少一项确定所述阻塞代价值。例如,在某个车道上的障碍物的速度快的情况下确定该车道的阻塞代价值相应大。又如,在某个车道上的障碍物的体积大的情况下确定该车道的阻塞代价值相应大。再如,在某个车道上的障碍物属于长期静止类别的情况下确定该车道的阻塞代价值相应大。
(2)参考线代价值(reference line cost),该值大小表示变道的难易程度。该值越大,表示变道越难。
在一种实施方式中,针对主车行驶的当前路段上的每个车道分别计算变道度量参数,包括:
根据主车当前位置对应的变道区间的长度确定所述参考线代价值。
图3和图4为本发明实施例提供的无人车的车道选择方法的无人车变道场景示意图。其中,图3所示的场景中有两个车道,分别是直行车道和右转车道。图3所示的场景中有三个车道,分别是直行车道、左转车道和右转车道。图3和图4中的标号1表示变道区间,标号2所示的虚线表示参考线,标号3所示的虚线表示变道区间的终点,标号4表示不可变道区间。其中,在标号2所示的虚线部分(参考线)对应的车道区间内是可以执行变道的。也就是说,执行变道时主车所在的位置必须在标号3所示的虚线(变道区间的终点)之前,满足这个条件才能实施变道。因此,从主车当前位置到标号3所示的虚线之间的区域是可以执行变道的,这个区域就是变道区间1。在标号3所示的虚线之上,标号2所示的虚线向上延伸变成了实线,则该实线对应的车道区间内是不可以执行变道的,这个区域就是不可变道区间4。
参见图3,在一个示例中,主车想要右转时,此时主车所在的位置是虚线区,也就是标号2所示的参考线所对应的变道区间1。主车的位置距离不可变道区间4还有500米,也就是主车当前位置到变道区间的终点3的距离是500米。这种情况下,在500米的长度上都是可以进行变道的。对于执行变道这个动作而言,500米的距离是足够长的,变道是比较容易的。因此这种情况下要执行变道的目标车道的参考线代价值相对而言是比较小的。但是在另外一种情况下,如果主车当前位置到变道区间的终点3的距离只有50米,执行变道就不容易了,这种情况下要执行变道的目标车道的参考线代价值相对而言是比较大的。在这个示例中,参考线代价值可根据主车当前位置对应的变道区间的长度而确定。
图3和图4中的实线和虚线都是在地图上有标记的,和实际公路中划的道线对应。公路中划的道线有实线与断续的虚线之分。按规定,一般在不影响其他车辆正常行驶情况下可以在虚线位置变换车道,但实线处是不能变换车道的。实线可以看作是交通行驶中一道看不见的栅栏,在行车过程中是不应该越过的。
(3)保持车道代价值(keep lane cost),表示可达性。
在一种实施方式中,针对主车行驶的当前路段上的每个车道分别计算变道度量参数,包括:
根据从当前车道到所述目标车道的变道次数和/或主车的行驶意图确定所述保持车道代价值。
参见图4,在一个示例中,无人车在路口想要右转的场景中,此时的目标车道是右转车道(图4中的车道3)。从车道2变道到车道3,与从车道1变道到车道3相比较,这两种变道过程执行的难易程度是不一样的。从车道2变道到车道3只需执行一次变道,从车道1变道到车道3要执行两次变道。当前车道与目标车道之间的距离越远,执行变道越困难,目标车道的可达性越差。保持车道代价值是权衡当前车道与目标车道之间的距离的一个代价值。因此,某个车道的保持车道代价值可表示变道到该车道的难易程度。某个车道的保持车道代价值越大,表示向该车道执行变道越困难。
参见图4,在另一个示例中,位于车道2上的主车想要右转。如果车道1和车道3上都没有障碍物,车道2上有障碍物,则在车道1和车道3之间进行选择,应倾向于选择变道到车道3,因为此时主车的意图是想要右转。也就是说,符合主车行驶意图的车道相对来说具有较好的可达性。因此,对于符合主车行驶意图的车道,该车道的保持车道代价值可确定为相对较小的数值。
无人车执行变道的场景包括转弯的时候需要变道,也包括在直行的时候有时也需要变道。参见图4,在又一个示例中,主车当前车道是直行车道(车道2),两边分别是左转专用道(车道1)和右转专用道(车道3)。此时在车道2上主车的前方的位置有损坏的肇事车阻塞了直行车道,车道2的通行性不好,阻塞代价值较大,不是最适合行驶的车道。主车可以选择向右变道。变道到右转专用道之后,如果已经绕过了车道2上的肇事车,还要变回直行车道上来。因为主车绕过了肇事车之后,车道2的通行性变好了,而且车道2又是符合主车行驶意图的车道,而车道3不符合主车行驶意图,因此相比之下,此时车道2是最适合行驶的车道,主车还要变道回车道2。
在一种实施方式中,分别将每个车道的所述变道度量参数进行计算,具体可包括以下计算方法中的至少一种:分别将每个车道的所述变道度量参数进行求和计算、加权求和计算、引入指数的加权求和计算和引入对数的加权求和计算。
其中,将所述变道度量参数进行求和计算所得到的结果可体现出所述变道度量参数中包括的各种因素对变道决策的影响。而将所述变道度量参数进行加权求和计算的实施方式中,可通过各个变道度量参数所对应的权值体现出各个变道度量参数在变道决策中的重要程度。在这种实施方式中,可通过调试的方法合理设置各个权值,以得到最适合的决策结果。
上述计算方法中,引入指数的加权求和计算可包括以下方式:
1)第一乘方计算。
第一乘方计算可以是将各个所述变道度量参数的乘方做加权求和计算。一个示例性的第一乘方计算的公式如下:
s=w1cost1 n1+w2cost2 n2+w3cost3 n3
其中,s表示某个车道的所述变道度量参数加权求和的值;cost1表示阻塞代价值;w1表示阻塞代价值对应的权值;n1表示阻塞代价值对应的指数;cost 2表示参考线代价值;w2表示参考线代价值对应的权值;n2表示参考线代价值对应的指数;cost3表示保持车道代价值;w3表示保持车道代价值对应的权值;n3表示车道代价值对应的指数。
上述公式中n1、n2和n3的取值可以是2、3、4……,具体取值可根据公式中涉及的各种代价值的具体情况确定,也可以根据调试结果确定。
2)第二乘方计算。
第二乘方计算的每一项可以是以自然常数为底数、以各个所述变道度量参数为指数做乘方计算,然后再将各个所述变道度量参数对应的每一项做加权求和计算。一个示例性的第二乘方计算的公式如下:
其中,s表示某个车道的所述变道度量参数加权求和的值;cost1表示阻塞代价值;w1表示阻塞代价值对应的权值;cost2表示参考线代价值;w2表示参考线代价值对应的权值;cost3表示保持车道代价值;w3表示保持车道代价值对应的权值。
另外,上述计算方法中,引入对数的加权求和计算可包括将各个所述变道度量参数取对数计算后再做加权求和计算。
在一种实施方式中,分别将每个车道的所述变道度量参数进行计算,还可以包括:将引入指数的加权求和计算和引入对数的加权求和计算两种计算方式相结合。例如,在上述第一乘方计算或第二乘方计算的基础上再做取对数的计算。
图5为本发明实施例提供的无人车的车道选择方法的变道度量参数加权求和的流程图。如图5所示,在一种实施方式中,图2中的步骤S120,分别将每个车道的所述变道度量参数进行计算,包括:
步骤S210,对每个所述变道度量参数对应的权值进行调试;
步骤S220,根据所述调试的结果设置每个所述变道度量参数对应的权值;
步骤S230,根据设置的权值将所述变道度量参数加权求和。
在一个示例中,对于每个车道都分别计算以上三个变道度量参数。然后将三个变道度量参数加权求和,根据加权求和的值去判断当前时刻哪个车道是最适合行驶的车道,加权求和的值可看作是该车道总的变道代价。其中,加权的权值设置是根据调试结果确定的。最后选择三个代价值加权求和的值最小的车道,也就是变道代价最小的车道。如果当前车道不是最适合行驶的车道,就变道到最适合行驶的车道上去。
上述示例中,将某个车道的所述变道度量参数加权求和,具体可利用以下公式计算:
s=w1*COST1+w2*COST2+w3*COST3
其中,s表示某个车道的所述变道度量参数加权求和的值;COST1表示阻塞代价值;w1表示阻塞代价值对应的权值;COST2表示参考线代价值;w2表示参考线代价值对应的权值;COST3表示保持车道代价值;w3表示保持车道代价值对应的权值。
参见图4,在一个示例中,目前主车的位置在车道1,当前时刻车道2上有个静止的障碍物。则车道2上的阻塞代价值可能较大,即通行性不好。由于车道2上的阻塞代价值较大而导致各个变道度量参数加权求和的值也较大,也就是变道到车道2的代价较大。如果车道1上也有一个阻塞的障碍物,则只能选择走车道3。因为车道1和车道2的通行性都不好,变道到车道2和车道3的代价都较大。如果车道3没有障碍物,则相比之下车道3的各个变道度量参数加权求和的值是最小的,变道到车道3的代价是最小的,车道3是最适合行驶的车道,则选择变道到车道3。
再如前述示例,主车位于车道2,当前车道有阻塞,通行性不好,车道2上的阻塞代价值较大而导致各个变道度量参数加权求和的值也较大。由于当前车道已不是最适合行驶的车道,因此可选择由车道2变道到车道3。变道到车道3已经躲避了阻塞之后,仍使用本发明实施例的方法再次进行车道选择。此时车道2和车道3都没有阻塞,这二个车道的阻塞代价值都较小。车道2是符合主车行驶意图的车道,而车道3不符合主车行驶意图,因此车道2的保持车道代价值相比之下是较小的。综合考虑各种因素,分别计算车道2和车道3的各个变道度量参数的加权求和的值,相比之下车道2的各个变道度量参数加权求和的值是最小的,再一次选择的结果是变回车道2上来。因为主车的意图是要直行,车道2是最适合行驶的车道。
由此,使用本本发明实施例的车道选择方法,可以保证在任何时刻都能够实时选择最适合行驶的车道,避免发生冲突的现象。无人车在行驶到任何位置都实时地判断一下,是不是要变道,变到哪条车道上比较适合。某个车道的各个变道度量参数加权求和的值表示变道到该车道的所需要耗费的代价的多少。如果当前车道的各个变道度量参数加权求和的值不是最小的,另一个车道的各个变道度量参数加权求和的值是最小的,则变道到需要耗费的代价最小的车道上。
上述技术方案具有如下优点或有益效果:根据变道度量参数加权求和的值选择最适合行驶的车道,根据实时路况和无人车的行驶意图帮助无人车做出决策,使无人驾驶更加安全畅通。
图6为本发明实施例提供的无人车的车道选择方法的分岔路选择的流程图。如图6所示,在分岔路选择的应用场景中,本发明实施例的无人车的车道选择方法具体可包括:
步骤S310,在主车行驶到分岔路段之前,针对主车的当前车道对应的每个分岔后车道分别计算车道度量参数;
步骤S320,分别将每个分岔后车道的各个所述车道度量参数进行计算;
步骤S330,根据所述加权求和的值选择分岔后车道。
在分岔路段上,通常是在路口或者在路面变宽的场景中,行驶路段由一条分岔前车道分为至少两条分岔后车道。主车行驶的当前路段的前方有分岔路段时,当前车道在前方分岔后分出多条分岔后车道。需要从当前车道所对应的分岔后车道中选择最适合行驶的分岔后车道。
图7为本发明实施例提供的无人车的车道选择方法的分岔路场景示意图。一个示例性的分岔路选择的场景包括:在路口的时候可能由二条车道变为三条车道,或者由二条车道变为四条车道。如图7所示,分岔前的二条车道分别是车道A1和车道A2。分岔后的三条车道分别是车道B1、车道B2和车道B3。由二条车道变为三条车道的过渡区域在地图上是没有画线的,可将这个不画线的过渡区域称为在空白区域。图7中的标号11所示的矩形区域即为不画线的空白区域。在分岔路段的场景中的空白区域内没有车道线约束。在图7中,由原来的车道A1可以驶入车道B1、车道B2和车道B3,由原来的车道A2也可以驶入车道B1、车道B2和车道B3。
图8为本发明实施例提供的无人车的车道选择方法的分岔路场景示意图。另一个示例性的分岔路选择的场景包括右转的场景。如图8所示,无人车行驶到路口右转时,可以从车道C1行驶到车道D1,如图8中标号22所示的轨迹。另一种情况,无人车右转时,也可以从车道C1行驶到车道D2,如图8中标号33所示的轨迹。这种路口场景中的车道分岔的过渡区域在地图上是没有画线的。在实际道路场景中,如十字路口的过渡区域也没有明确的标识线。图9中的标号11所示的矩形区域为不画线的空白区域。
本发明实施例的分岔路选择方法可帮助无人车做出决策,在行驶到上述没有标识线指引的区域时,选择最适合行驶的分岔后车道。
具体地,可预先设置至少二种车道度量参数,例如设置至少二种分岔代价值。某个分岔后车道的分岔代价值可用于表示由当前的分岔前车道行驶到该分岔后车道所需要耗费的代价的多少。例如,行驶到该分岔后车道的难易程度或者该分岔后车道通行、阻塞的程度等因素,都会影响到行驶到该分岔后车道所需要耗费的代价。每一种分岔代价值可表示其中一种因素对分岔行驶代价的影响。可针对主车行驶的当前车道对应的每个分岔后车道,分别计算至少二种分岔代价值,然后分别将每个分岔后车道的所有的分岔代价值加权求和。某个分岔后车道的加权求和的值表示在各种因素综合考虑的情况下行驶到该分岔后车道所需要耗费的代价。
在一种实施方式中,所述分岔代价值包括阻塞代价值和岔路代价值。可考虑到分岔路选择决策时需要权衡的多种因素,选择多种对应的代价值参与计算,以保证执行分岔路段行驶的安全性。在一个示例中,可使用以上两种代价值来进行车道选择的权衡。
具体地,以上分岔代价值的表示含义和计算方法如下:
(1)阻塞代价值(block cost),表示分岔后车道的可通行性,即分岔后车道通行或阻塞的程度。阻塞代价值越大,表示分岔后车道的通行性越不好,车道阻塞越严重。
在一种实施方式中,针对主车的当前车道对应的每个分岔后车道分别计算种车道度量参数,包括:
根据障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项确定所述阻塞代价值;
其中,所述运动学参数包括速度和位置中的至少一项。所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项。障碍物的尺寸可包括障碍物的长宽高、大小、形状。障碍物的尺寸可表示障碍物对车道的侵入程度,包括障碍物占据了车道的空间的多少。所述障碍物的类别包括长期静止类别和短期静止类别。障碍物的类别可以体现出障碍物是否是死车,它是一个长期静止的障碍物还是短期静止的障碍物。如果是长期静止的障碍物,则其对于车道的阻塞程度会更严重。其中,障碍物不一定是障碍车,也可能是路障等其他障碍物。
以上这些因素会影响到分岔后车道的可通行性,可根据这些因素中的至少一项确定所述阻塞代价值。例如,在某个分岔后车道上的障碍物的速度快的情况下确定该车道的阻塞代价值相应大。又如,在某个分岔后车道上的障碍物的体积大的情况下确定该车道的阻塞代价值相应大。再如,在某个分岔后车道上的障碍物属于长期静止类别的情况下确定该车道的阻塞代价值相应大。
在一种实施方式中,在所述车道度量参数包括分岔代价值的情况下,所述障碍物包括所述分岔路段所在的区域内的障碍物和/或所述分岔后车道上距离所述分岔路段在预定长度阈值内的障碍物。
如前述,阻塞代价值表示分岔后车道的可通行性。一方面,可通行性可包括无人车从分岔前车道到分岔后车道之间的没有标识线的空白区域中行驶是否通畅。另一方面,可通行性还可包括无人车驶过空白区域并进入到分岔后车道之后是否能够通行顺畅。例如图8中在分岔后车道离路口较近的位置有障碍车,则无人车进入到分岔后车道之后将会受到阻碍而无法通行。另一种情况,如果在分岔后车道离路口较远的位置有障碍车,则无人车可以进入到分岔后车道之后再变道行驶以绕过障碍车。因此,可设置固定的长度阈值,也可以通过调试来确定合适的长度阈值,以检测分岔后车道中距离路口预定长度阈值的车道上是否有障碍车。在另一种实施方式中,还可以根据当时的车流速度设置长度阈值,车速快则设置的长度阈值相应长。
(2)岔路代价值(branch cost),表示从当前车道到分岔后车道途中的阻碍程度。该值越小,表示行驶到该分岔后车道的途中可能与障碍车有轨迹交叉的情况越少。
在一种实施方式中,针对主车的当前车道对应的每个分岔后车道分别计算车道度量参数,包括:
根据所述当前车道和所述分岔后车道的位置关系确定所述岔路代价值。
图9为本发明实施例提供的无人车的车道选择方法的分岔路场景示意图。在一个示例中,选择分岔后车道的决策中会考虑尽量保持当前车道的方向,选择顺着当前方向行驶的车道。如图9所示,虚线所在位置分别表示分岔前车道E1、分岔后车道F1和分岔后车道F2的中心线。主车在当前所在位置直行时会优先选择直行车道F1,而不会优先选择另一条分岔后车道F2。
在另一个示例中,如图8中所示的右转场景中,则会优先选择车道D1,除非车道D1有阻塞时才会选择车道D2。在这个场景中,分岔路选择决策中会考虑优先选择距离近的分岔后车道。
另外,选择分岔后车道的决策中会考虑尽可能减少与途中障碍车的交汇,尽可能避免与障碍车有轨迹交叉的情况。在又一个示例中,参见图7,假如主车从车道A2行驶到车道B1,如果这时有从车道A1驶向车道B2的直行障碍车,则会出现主车与障碍车有轨迹交叉的情况。
基于上述示例分析可以得知,当前车道和分岔后车道的位置关系直接影响到从当前车道到分岔后车道途中的阻碍程度。其中,当前车道和分岔后车道的位置关系包括:
(1)当前车道和分岔后车道的方向关系。若当前车道和分岔后车道的方向相同或相近,也就是从当前车道行驶到该分岔后车道是保持原行驶方向不变或行驶方向变化较小,则从当前车道到该分岔后车道途中的阻碍程度较小。因此可将这种分岔后车道的岔路代价值确定为相对较小的数值。
(2)当前车道和分岔后车道的距离关系。若当前车道和分岔后车道的距离较近,例如图8中车道D1与主车当前车道距离较近,则从当前车道到该分岔后车道途中的阻碍程度较小。因此可将这种分岔后车道的岔路代价值确定为相对较小的数值。
(3)当前车道和分岔后车道的轨迹交叉关系。若从当前车道行驶到分岔后车道的途中会出现主车与障碍车有轨迹交叉的情况,则从当前车道到该分岔后车道途中的阻碍程度较大。因此可将这种分岔后车道的岔路代价值确定为相对较大的数值。
总之,岔路代价值越小,与之对应的分岔后车道上与障碍车轨迹交叉的情况出现得越少,也就是分岔路选择决策中优先选择的情况。根据分岔前车道(当前车道)和分岔后车道的位置关系计算岔路代价值,尽量选择行驶方向相同的、距离近的,以及轨迹交叉少的分岔后车道。
在一种实施方式中,分别将每个车道的所述分岔代价值进行计算,具体可包括以下计算方法中的至少一种:分别将每个车道的所述分岔代价值进行求和计算、加权求和计算、引入指数的加权求和计算和引入对数的加权求和计算。在又一种实施方式中,分别将每个车道的所述分岔代价值进行计算,还可以包括:将引入指数的加权求和计算和引入对数的加权求和计算两种计算方式相结合。例如,在上述第一乘方计算或第二乘方计算的基础上再做取对数的计算。以上实施方式中具体计算方法与执行变道的应用场景中的变道度量参数的计算方法类似,在此不再赘述。
图10为本发明实施例提供的无人车的车道选择方法的分岔代价值加权求和的流程图。如图10所示,在一种实施方式中,图6中的步骤S320,分别将每个分岔后车道的各个所述车道度量参数进行计算,包括:
步骤S410,对每个所述分岔代价值对应的权值进行调试;
步骤S420,根据所述调试的结果设置每个所述分岔代价值对应的权值;
步骤S430,根据设置的权值将所述分岔代价值加权求和。
在一个示例中,对于每个分岔后车道都分别计算以上两个分岔代价值。然后将两个分岔代价值加权求和,根据加权求和的值从当前车道所对应的分岔后车道中选择最适合行驶的分岔后车道,加权求和的值可看作是该分岔后车道总的分岔代价。其中,加权的权值设置是根据调试结果确定的。最后选择两个代价值加权求和的值最小的分岔后车道,也就是总的分岔代价最小的车道。
上述示例中,将某个分岔后车道的所述分岔代价值加权求和,具体可利用以下公式计算:
s=w1*COST1+w2*COST2
其中,s表示某个分岔后车道的所述分岔代价值加权求和的值;COST1表示阻塞代价值;w1表示阻塞代价值对应的权值;COST2表示岔路代价值;w2表示岔路代价值对应的权值。
由此,使用本本发明实施例的分岔路选择方法,可以保证在分岔路段的场景中,无人车行驶到没有标识线指引的区域时,帮助无人车做出决策,选择最适合行驶的分岔后车道,避免发生冲突的现象。分别计算每个分岔后车道的各个分岔代价值加权求和的值,以权衡行驶到该分岔后车道的所需要耗费的代价的多少。选择各个分岔代价值加权求和的值最小的分岔后车道作为最适合行驶的分岔后车道。
上述技术方案具有如下优点或有益效果:通过分岔代价值选择最适合行驶的分岔后车道,根据实时路况和无人车的行驶意图帮助无人车做出决策,使无人驾驶更加安全畅通。
图11为本发明实施例提供的无人车的车道选择装置的结构框图。如图11所示,本发明实施例的无人车的车道选择装置包括:
第一计算单元100,用于针对主车行驶的当前路段上的每个车道分别计算车道度量参数;
第二计算单元200,用于分别将每个车道的各个所述车道度量参数进行计算;
选择单元300,用于根据所述计算的结果选择主车行驶的目标车道。
在一种实施方式中,所述选择单元300用于:
根据所述计算的结果选择主车执行变道的目标车道。
在一种实施方式中,所述车道度量参数包括变道度量参数,所述变道度量参数包括阻塞代价值、参考线代价值和保持车道代价值中的至少二种。
在一种实施方式中,所述第一计算单元100用于:
根据主车当前位置对应的变道区间的长度确定所述参考线代价值。
在一种实施方式中,所述第一计算单元100用于:
根据从当前车道到所述目标车道的变道次数和/或主车的行驶意图确定所述保持车道代价值。
在一种实施方式中,所述第一计算单元100用于:在主车行驶到分岔路段之前,针对主车的当前车道对应的每个分岔后车道分别计算车道度量参数;
所述选择单元300用于:根据所述计算的结果选择分岔后车道。
在一种实施方式中,所述车道度量参数包括分岔代价值,所述分岔代价值包括阻塞代价值和岔路代价值。
在一种实施方式中,所述第一计算单元100用于:
根据所述当前车道和所述分岔后车道的位置关系确定所述岔路代价值。
在一种实施方式中,所述第一计算单元100用于:
根据障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项确定所述阻塞代价值;
其中,所述运动学参数包括速度和位置中的至少一项,所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项,所述障碍物的类别包括长期静止类别和短期静止类别。
在一种实施方式中,在所述车道度量参数包括分岔代价值的情况下,所述障碍物包括所述分岔路段所在的区域内的障碍物和/或所述分岔后车道上距离所述分岔路段在预定长度阈值内的障碍物。
在一种实施方式中,所述第二计算单元200用于:
对每个所述车道度量参数对应的权值进行调试;
根据所述调试的结果设置每个所述车道度量参数对应的权值;
根据设置的权值将所述车道度量参数加权求和。
本发明实施例的无人车的车道选择装置中各单元的功能可以参见上述方法的相关描述,在此不再赘述。
在一个可能的设计中,无人车的车道选择装置的结构中包括处理器和存储器,所述存储器用于存储支持无人车的车道选择装置执行上述无人车的车道选择方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述无人车的车道选择装置还可以包括通信接口,无人车的车道选择装置与其他设备或通信网络通信。
图12为本发明实施例提供的无人车的车道选择装置的结构框图。如图12所示,该装置包括:存储器101和处理器102,存储器101内存储有可在处理器102上运行的计算机程序。所述处理器102执行所述计算机程序时实现上述实施例中的无人车的车道选择方法。所述存储器101和处理器102的数量可以为一个或多个。
该装置还包括:
通信接口103,用于与外界设备进行通信,进行数据交互传输。
存储器101可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器101、处理器102和通信接口103独立实现,则存储器101、处理器102和通信接口103可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA,Industry Standard Architecture)总线、外部设备互连(PCI,PeripheralComponent)总线或扩展工业标准体系结构(EISA,Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图12中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器101、处理器102及通信接口103集成在一块芯片上,则存储器101、处理器102及通信接口103可以通过内部接口完成相互间的通信。
又一方面,本发明实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现上述无人车的车道选择方法中任一所述的方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是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,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (18)
1.一种无人车的车道选择方法,其特征在于,包括:
针对主车行驶的当前路段上的每个车道分别计算车道度量参数;
分别将每个车道的各个所述车道度量参数进行计算;
根据所述计算的结果选择主车行驶的目标车道;
其中,针对主车行驶的当前路段上的每个车道分别计算车道度量参数,包括:
在主车行驶到分岔路段之前,针对主车的当前车道对应的每个分岔后车道分别计算车道度量参数;其中,所述车道度量参数包括分岔代价值,所述分岔代价值表示分岔前车道行驶到分岔后车道所需要耗费的代价,所述分岔代价值包括阻塞代价值和岔路代价值,所述岔路代价值根据所述当前车道和所述分岔后车道的位置关系确定;
根据所述计算的结果选择主车行驶的目标车道,还包括:
根据所述计算的结果选择分岔后车道。
2.根据权利要求1所述的方法,其特征在于,根据所述计算的结果选择主车行驶的目标车道,包括:
根据所述计算的结果选择主车执行变道的目标车道。
3.根据权利要求2所述的方法,其特征在于,所述车道度量参数包括变道度量参数,所述变道度量参数包括阻塞代价值、参考线代价值和保持车道代价值中的至少二种。
4.根据权利要求3所述的方法,其特征在于,针对主车行驶的当前路段上的每个车道分别计算车道度量参数,包括:
根据主车当前位置对应的变道区间的长度确定所述参考线代价值。
5.根据权利要求3所述的方法,其特征在于,针对主车行驶的当前路段上的每个车道分别计算车道度量参数,包括:
根据从当前车道到所述目标车道的变道次数和/或主车的行驶意图确定所述保持车道代价值。
6.根据权利要求3所述的方法,其特征在于,针对主车行驶的当前路段上的每个车道分别计算车道度量参数,包括:
根据障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项确定所述阻塞代价值;
其中,所述运动学参数包括速度和位置中的至少一项,所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项,所述障碍物的类别包括长期静止类别和短期静止类别。
7.根据权利要求6所述的方法,其特征在于,在所述车道度量参数包括分岔代价值的情况下,所述障碍物包括所述分岔路段所在的区域内的障碍物和/或所述分岔后车道上距离所述分岔路段在预定长度阈值内的障碍物。
8.根据权利要求1-7中任一项所述的方法,其特征在于,分别将每个车道的所述车道度量参数进行计算,包括:
对每个所述车道度量参数对应的权值进行调试;
根据所述调试的结果设置每个所述车道度量参数对应的权值;
根据设置的权值将所述车道度量参数加权求和。
9.一种无人车的车道选择装置,其特征在于,包括:
第一计算单元,用于针对主车行驶的当前路段上的每个车道分别计算车道度量参数;
第二计算单元,用于分别将每个车道的各个所述车道度量参数进行计算;
选择单元,用于根据所述计算的结果选择主车行驶的目标车道;
所述第一计算单元用于:在主车行驶到分岔路段之前,针对主车的当前车道对应的每个分岔后车道分别计算车道度量参数;其中,所述车道度量参数包括分岔代价值,所述分岔代价值表示分岔前车道行驶到分岔后车道所需要耗费的代价,所述分岔代价值包括阻塞代价值和岔路代价值,所述岔路代价值根据所述当前车道和所述分岔后车道的位置关系确定;
所述选择单元用于:根据所述计算的结果选择分岔后车道。
10.根据权利要求9所述的装置,其特征在于,所述选择单元用于:
根据所述计算的结果选择主车执行变道的目标车道。
11.根据权利要求10所述的装置,其特征在于,所述车道度量参数包括变道度量参数,所述变道度量参数包括阻塞代价值、参考线代价值和保持车道代价值中的至少二种。
12.根据权利要求11所述的装置,其特征在于,所述第一计算单元用于:
根据主车当前位置对应的变道区间的长度确定所述参考线代价值。
13.根据权利要求11所述的装置,其特征在于,所述第一计算单元用于:
根据从当前车道到所述目标车道的变道次数和/或主车的行驶意图确定所述保持车道代价值。
14.根据权利要求11所述的装置,其特征在于,所述第一计算单元用于:
根据障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项确定所述阻塞代价值;
其中,所述运动学参数包括速度和位置中的至少一项,所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项,所述障碍物的类别包括长期静止类别和短期静止类别。
15.根据权利要求14所述的装置,其特征在于,在所述车道度量参数包括分岔代价值的情况下,所述障碍物包括所述分岔路段所在的区域内的障碍物和/或所述分岔后车道上距离所述分岔路段在预定长度阈值内的障碍物。
16.根据权利要求9-15中任一项所述的装置,其特征在于,所述第二计算单元用于:
对每个所述车道度量参数对应的权值进行调试;
根据所述调试的结果设置每个所述车道度量参数对应的权值;
根据设置的权值将所述车道度量参数加权求和。
17.一种无人车的车道选择装置,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245316.XA CN109782776B (zh) | 2019-03-28 | 2019-03-28 | 无人车的车道选择方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245316.XA CN109782776B (zh) | 2019-03-28 | 2019-03-28 | 无人车的车道选择方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782776A CN109782776A (zh) | 2019-05-21 |
CN109782776B true CN109782776B (zh) | 2022-07-29 |
Family
ID=66491063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910245316.XA Active CN109782776B (zh) | 2019-03-28 | 2019-03-28 | 无人车的车道选择方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782776B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244725B (zh) * | 2019-06-13 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 仿真车辆的控制方法和装置、存储介质及电子装置 |
CN110550030B (zh) * | 2019-09-09 | 2021-01-12 | 深圳一清创新科技有限公司 | 无人车的变道控制方法、装置、计算机设备和存储介质 |
CN111007858B (zh) * | 2019-12-23 | 2023-04-28 | 北京三快在线科技有限公司 | 车辆行驶决策模型的训练方法、行驶决策确定方法及装置 |
CN111174765B (zh) * | 2020-02-24 | 2021-08-13 | 北京航天飞行控制中心 | 基于视觉引导的行星车目标探测控制方法及装置 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3991946B2 (ja) * | 2003-07-16 | 2007-10-17 | 株式会社デンソー | 経路設定装置、車両用ナビゲーション装置及びプログラム |
KR101987636B1 (ko) * | 2012-11-09 | 2019-09-30 | 현대모비스 주식회사 | 차량의 충돌회피 제어 방법 및 이를 구현하는 충돌회피 장치 |
CN104101353B (zh) * | 2013-04-15 | 2017-09-29 | 北京四维图新科技股份有限公司 | 一种导航方法、装置和实时导航系统 |
CN104422457B (zh) * | 2013-08-29 | 2018-09-21 | 高德软件有限公司 | 一种导航方法及装置 |
JP5900454B2 (ja) * | 2013-10-09 | 2016-04-06 | トヨタ自動車株式会社 | 車両用車線案内システム及び車両用車線案内方法 |
JP6325670B2 (ja) * | 2014-06-10 | 2018-05-16 | クラリオン株式会社 | 車線選択装置、車両制御システム及び車線選択方法 |
US9898006B2 (en) * | 2014-09-16 | 2018-02-20 | Honda Motor Co., Ltd. | Drive assist device |
KR101664582B1 (ko) * | 2014-11-12 | 2016-10-10 | 현대자동차주식회사 | 자율주행차량의 주행경로 생성장치 및 방법 |
JP6491929B2 (ja) * | 2015-03-31 | 2019-03-27 | アイシン・エィ・ダブリュ株式会社 | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム |
JP2017200786A (ja) * | 2016-05-02 | 2017-11-09 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
JP6535634B2 (ja) * | 2016-05-26 | 2019-06-26 | 本田技研工業株式会社 | 経路案内装置及び経路案内方法 |
JP6583185B2 (ja) * | 2016-08-10 | 2019-10-02 | トヨタ自動車株式会社 | 自動運転システム及び自動運転車両 |
JP6520862B2 (ja) * | 2016-08-10 | 2019-05-29 | トヨタ自動車株式会社 | 自動運転システム |
JP6720066B2 (ja) * | 2016-11-29 | 2020-07-08 | アルパイン株式会社 | 誘導経路設定装置および誘導経路設定方法 |
CN106527452B (zh) * | 2016-12-30 | 2019-11-05 | 广州汽车集团股份有限公司 | 一种无人驾驶汽车遇障时运动路径规划方法及系统 |
CN108305477B (zh) * | 2017-04-20 | 2019-08-13 | 腾讯科技(深圳)有限公司 | 一种车道选择方法及终端 |
CN109387210B (zh) * | 2017-08-02 | 2022-03-29 | 腾讯科技(深圳)有限公司 | 车辆导航方法及其装置 |
JP6572271B2 (ja) * | 2017-09-13 | 2019-09-04 | 本田技研工業株式会社 | 車両制御装置、車両、車両制御装置の処理方法およびプログラム |
CN108583578B (zh) * | 2018-04-26 | 2019-12-31 | 北京领骏科技有限公司 | 用于自动驾驶车辆的基于多目标决策矩阵的车道决策方法 |
CN108931927B (zh) * | 2018-07-24 | 2019-07-30 | 百度在线网络技术(北京)有限公司 | 无人驾驶仿真场景的创建方法及装置 |
CN109461322B (zh) * | 2018-12-11 | 2022-08-12 | 广东浪潮大数据研究有限公司 | 一种智能导航方法、装置、设备以及可读存储介质 |
-
2019
- 2019-03-28 CN CN201910245316.XA patent/CN109782776B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109782776A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949611B (zh) | 无人车的变道方法、装置及存储介质 | |
CN109782776B (zh) | 无人车的车道选择方法、装置及存储介质 | |
CN109583151B (zh) | 车辆的行驶轨迹预测方法及装置 | |
CN111123735B (zh) | 自动驾驶仿真运行方法和装置 | |
CN109801508B (zh) | 路口处障碍物的运动轨迹预测方法及装置 | |
JP5908724B2 (ja) | 交差点の進路規制情報生成装置及びその方法、交差点の進路規制情報を生成するためのコンピュータプログラム及びそのコンピュータプログラムを記録した記録媒体 | |
CN109920263B (zh) | 分叉路口提醒方法、系统、设备及存储介质 | |
CN109823342B (zh) | 车辆路口行车方法、装置和终端 | |
JP2011214914A (ja) | 前方環境認識装置、およびそれを備えた車両誘導システム | |
CN109910880B (zh) | 车辆行为规划的方法、装置、存储介质和终端设备 | |
CN109655076B (zh) | 车辆转弯的速度规划方法、装置和存储介质 | |
CN111694362A (zh) | 行驶路径规划方法及装置、存储介质、电子设备 | |
CN116295473A (zh) | 无人车路径规划方法、装置、设备及存储介质 | |
CN109631929B (zh) | 基于黑名单的重导航方法、装置及存储介质 | |
WO2024082588A1 (zh) | 交通信号灯运行状态确定方法及装置、电子设备 | |
CN109934496B (zh) | 区域间通行影响确定方法、装置、设备和介质 | |
CN115626155A (zh) | 基于栅格地图的锥形桶可视化方法及装置 | |
CN113715846B (zh) | 借道控制方法、装置、存储介质以及车辆 | |
CN112683292B (zh) | 一种导航路线确定方法、装置和相关产品 | |
CN116767208A (zh) | 一种路口通行决策方法、装置、介质及车辆 | |
CN115562280A (zh) | 自动驾驶车辆脱困的路径规划方法、装置和存储介质 | |
CN116630467A (zh) | 虚拟车道构建方法、装置、设备及计算机可读存储介质 | |
Ring | Predicting lane utilization and merge behavior at signalized intersections with auxiliary lanes: A Buffalo, New York, study | |
CN116968741A (zh) | 车辆换道方法、装置、电子设备、存储介质及程序产品 | |
CN117711202A (zh) | 路口通行方法、装置、设备及存储介质 |
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 |