CN110045721B - 用于辅助车辆行驶的方法及其装置 - Google Patents
用于辅助车辆行驶的方法及其装置 Download PDFInfo
- Publication number
- CN110045721B CN110045721B CN201810044312.0A CN201810044312A CN110045721B CN 110045721 B CN110045721 B CN 110045721B CN 201810044312 A CN201810044312 A CN 201810044312A CN 110045721 B CN110045721 B CN 110045721B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- determining
- virtual lane
- virtual
- location
- 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 33
- 238000004590 computer program Methods 0.000 claims description 23
- 230000033001 locomotion Effects 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000008447 perception 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于辅助车辆行驶的方法及其装置。该方法包括:获取车辆的周围环境的一帧或多帧图像;从一帧或多帧图像中识别多个目标,其中,多个目标包括至少一个车辆出入口和其它车辆;获取所识别的多个目标的深度信息和车辆的位置信息;基于所识别的多个目标及其深度信息,确定车辆的位置与至少一个车辆出入口之间的可行驶区域;以及在可行驶区域中确定从车辆的位置到至少一个车辆出入口中的一个的行驶路径。本发明描述的方法能够辅助车辆进行行驶,从而使得车辆通过车辆出入口。
Description
技术领域
本发明涉及辅助行驶领域,尤其涉及一种用于辅助车辆行驶的方法及其装置。
背景技术
随着自主驾驶技术的快速发展,近来出现了许多用于自主驾驶的新技术和新系统。越来越多的高速公路收费站成为ETC站,这节省了时间成本。但是,当自主驾驶的车辆到达高速公路收费站时,由于高速公路收费站附近通常没有车道,并且自主驾驶的车辆对于车辆出入口的选择是随机的,因此,这可能会使得自主驾驶的车辆的感知模块和路径规划模块变得复杂。此外,高速公路收费站的工作人员可能在收费站附近维持秩序,这又增加了周围环境的复杂性。
发明内容
针对现有技术中存在的问题,本发明的实施例提供一种用于辅助车辆行驶的方法及其装置,能够辅助车辆进行行驶,从而使得车辆通过车辆出入口。
根据本发明的第一方面,提供了一种用于辅助车辆行驶的方法。该方法包括:获取所述车辆的周围环境的一帧或多帧图像;从所述一帧或多帧图像中识别多个目标,其中,所述多个目标包括至少一个车辆出入口和其它车辆;获取所识别的多个目标的深度信息和所述车辆的位置信息;基于所识别的多个目标及其深度信息,确定所述车辆的位置与所述至少一个车辆出入口之间的可行驶区域;以及在所述可行驶区域中确定从所述车辆的位置到所述至少一个车辆出入口中的一个的行驶路径。
在本发明的实施例中,所述方法还包括:基于所述车辆的期望运动信息和实际运动信息,控制所述车辆按照所述行驶路径行驶。
在本发明的实施例中,在所述可行驶区域中确定所述行驶路径包括:在所述可行驶区域中生成指示从所述车辆的位置到所述至少一个车辆出入口的一个或多个虚拟车道;从所述一个或多个虚拟车道中选择最佳虚拟车道;以及在所述最佳虚拟车道中确定所述行驶路径。
在本发明的实施例中,从所述一个或多个虚拟车道中选择最佳虚拟车道包括:确定在所述至少一个车辆出入口处的车辆队列的长度;以及确定去往具有最短的车辆队列的长度的车辆出入口的虚拟车道为最佳虚拟车道。
在本发明的实施例中,从所述一个或多个虚拟车道中选择最佳虚拟车道包括:确定从所述车辆的位置到所述至少一个车辆出入口需要变换的虚拟车道的数目;以及确定去往具有最小数目的车辆出入口的虚拟车道为最佳虚拟车道。
在本发明的实施例中,从所述一个或多个虚拟车道中选择最佳虚拟车道包括:确定在所述至少一个车辆出入口处的车辆队列的长度;确定从所述车辆的位置到所述至少一个车辆出入口需要变换的虚拟车道的数目;以及基于所述长度和所述数目,确定所述最佳虚拟车道。
在本发明的实施例中,所识别的多个目标的深度信息和所述车辆的位置信息是基于即时定位与地图构建技术而获取的。
在本发明的实施例中,所述多个目标还包括行人。
根据本发明的第二方面,提供了一种用于辅助车辆行驶的装置。该装置包括:图像捕获设备,用于捕获所述车辆的周围环境的图像;与所述图像捕获设备通信的计算设备,包括:一个或多个处理器;存储器,其与所述处理器耦接,并存储有计算机程序指令,其中,所述计算机程序指令在被所述处理器执行时使得所述计算设备:从所述图像捕获设备获取一帧或多帧图像;从所述一帧或多帧图像中识别多个目标,其中,所述多个目标包括至少一个车辆出入口和其它车辆;获取所识别的多个目标的深度信息和所述车辆的位置信息;基于所识别的多个目标及其深度信息,确定所述车辆的位置与所述至少一个车辆出入口之间的可行驶区域;以及在所述可行驶区域中确定从所述车辆的位置到所述至少一个车辆出入口中的一个的行驶路径。
在本发明的实施例中,所述计算机程序指令在被所述处理器执行时还使得所述计算设备:基于所述车辆的期望运动信息和实际运动信息,控制所述车辆按照所述行驶路径行驶。
在本发明的实施例中,所述计算机程序指令在被所述处理器执行时使得所述计算设备通过以下操作来在所述可行驶区域中确定所述行驶路径:在所述可行驶区域中生成指示从所述车辆的位置到所述至少一个车辆出入口的一个或多个虚拟车道;从所述一个或多个虚拟车道中选择最佳虚拟车道;以及在所述最佳虚拟车道中确定所述行驶路径。
在本发明的实施例中,所述计算机程序指令在被所述处理器执行时使得所述计算设备通过以下操作来从所述一个或多个虚拟车道中选择最佳虚拟车道:确定在所述至少一个车辆出入口处的车辆队列的长度;以及确定去往具有最短的车辆队列的长度的车辆出入口的虚拟车道为最佳虚拟车道。
在本发明的实施例中,所述计算机程序指令在被所述处理器执行时使得所述计算设备通过以下操作来从所述一个或多个虚拟车道中选择最佳虚拟车道:确定从所述车辆的位置到所述至少一个车辆出入口需要变换的虚拟车道的数目;以及确定去往具有最小数目的车辆出入口的虚拟车道为最佳虚拟车道。
在本发明的实施例中,所述计算机程序指令在被所述处理器执行时使得所述计算设备通过以下操作来从所述一个或多个虚拟车道中选择最佳虚拟车道:确定在所述至少一个车辆出入口处的车辆队列的长度;确定从所述车辆的位置到所述至少一个车辆出入口需要变换的虚拟车道的数目;以及基于所述长度和所述数目,确定所述最佳虚拟车道。
在本发明的实施例中,所识别的多个目标的深度信息和所述车辆的位置信息是基于即时定位与地图构建技术而获取的。
在本发明的实施例中,所述多个目标还包括行人。
根据本发明的第三方面,提供了一种存储有计算机程序的计算机可读存储介质。所述计算机程序在由处理器执行时实现本发明的第一方面的用于辅助车辆行驶的方法的步骤。
根据本发明的实施例,当车辆行驶至车辆出入口附近时,通过识别车辆的周围环境的目标以及获取目标的深度信息,确定了从车辆的位置到车辆出入口的行驶路径,从而,可以辅助车辆按照该行驶路径来行驶,使得车辆通过车辆出入口。
适应性的进一步的方面和范围从本文中提供的描述变得明显。应当理解,本发明的各个方面可以单独或者与一个或多个其他方面组合实施。还应当理解,本文中的描述和特定实施例旨在仅说明的目的并不旨在限制本发明的范围。
附图说明
本文中描述的附图用于仅对所选择的实施例的说明的目的,并不是所有可能的实施方式,并且不旨在限制本发明的范围,其中:
图1示出了其中根据本发明的实施例的用于辅助车辆行驶的方法能够应用的典型的车辆出入口附近的场景;
图2示出了根据本发明的实施例的用于辅助车辆行驶的方法的示意性流程图;
图3示出了根据本发明的实施例在可行驶区域中确定行驶路径的示意性流程图;
图4示出了根据本发明的实施例的用于辅助车辆行驶的装置的示意性框图。
具体实施方式
为使本发明的实施例的目的、技术方案和优点更加清楚,下面将结合本发明的实施例的附图,对本发明的实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。下文中将参考附图并结合实施例来详细说明本发明的实施例。需要说明的是,在不冲突的情况下,本发明中的实施例中的特征可以相互组合。
图1示出了其中根据本发明的实施例的用于辅助车辆行驶的方法能够应用的典型的车辆出入口附近的场景。参见图1,示出了三个车辆出入口,分别是车辆出入口21、车辆出入口22以及车辆出入口23。每个车辆出入口处可排列着一个或多个车辆。例如,车辆出入口21处排列着车辆121、122和123,车辆出入口22处排列着车辆131、132,以及车辆出入口23处排列着车辆14。每个车辆出入口处所排列的车辆可依次通过车辆出入口,例如,在车辆121通过车辆出入口21之后,车辆122才通过车辆出入口21。类似地,其它车辆可依次通过各个车辆出入口。
在本发明的实施例中,车辆出入口可以是高速公路收费站的收费口(例如,人工收费口和ETC口),或者可以是停车场的出入口等。
当车辆11行驶至例如高速公路收费站附近时,需要选择一个车辆出入口,并且在该车辆出入口处的其它车辆依次通过车辆出入口之后,车辆11通过该车辆出入口。下面将参考图1所示的场景详细说明辅助车辆行驶通过车辆出入口的方法。
图2示出了根据本发明的实施例的用于辅助车辆行驶的方法的示意性流程图。如图2所示,在步骤202,获取车辆的周围环境的一帧或多帧图像。在本发明的实施例中,可在某一时刻获取车辆的周围环境的一帧图像,或者在一段时间内连续地获取周围环境的多帧图像。在一个示例实施例中,所获取的一帧图像可以是图1所示的场景的图像。
在步骤204,从一帧或多帧图像中识别多个目标。多个目标可包括至少一个车辆出入口和其它车辆。在本发明的实施例中,可基于图像识别技术和深度神经网络算法来识别图像中的多个目标。在图1所示的例子中,可识别该场景的图像中的目标21、22、23、121、122、123、131、132以及14,并将各个目标识别为车辆出入口21、22和23,车辆121、122、123、131、132和14。由于一些目标在一帧图像中可能被其它目标遮挡,因此,还可以从多帧图像中识别目标,以将被遮挡的目标识别出来。
在步骤206,获取所识别的多个目标的深度信息和车辆的位置信息。在本发明的实施例中,可基于即时定位与地图构建(SLAM)技术来获取所识别的多个目标的深度信息和车辆的位置信息。目标的深度信息可以是目标相对于车辆的位置信息。目标的深度信息可通过以下方式来获取。在图1所示的例子中,在图1中构建笛卡尔坐标系。笛卡尔坐标系的原点设置在车辆11所在的位置,x轴、y轴构建在车辆11所在的地面的平面内,并且z轴构建在垂直于x轴和y轴的平面内。在一个实施例中,目标的深度信息可以包括目标在x轴上的坐标以及在y轴上的坐标,附加地,还可包括在z轴上的坐标。
在步骤204和206之后,不仅可以识别图像中的多个目标,还可以获取所识别的多个目标的深度信息。
在步骤208,基于所识别的多个目标及其深度信息,确定车辆的位置与至少一个车辆出入口之间的可行驶区域。在本发明的实施例中,可行驶区域是指在其中车辆不会与所识别的目标发生碰撞的区域。在图1所示的例子中,基于所识别的车辆121、122、123、131、132、14以及它们的深度信息,可将在车辆11的位置与车辆出入口21、22和23之间除去这些车辆所在位置的区域确定为可行驶区域。在图1所示的例子中,可行驶区域被标识为30。
在本发明的实施例中,从一帧或多帧图像中所识别的多个目标还可以包括行人。在这种情况下,基于所识别的其它车辆、行人及其深度信息,将车辆与至少一个车辆出入口之间除去其它车辆和行人所在的位置的区域确定为可行驶区域。
在步骤210,在可行驶区域中,确定从车辆的位置到至少一个车辆出入口中的一个的行驶路径。在本发明的实施例中,行驶路径可以在可行驶区域中随机确定。在一个实施例中,可以任意选择一个车辆出入口,在车辆的位置与该车辆出入口之间规划一个行驶路径。
可替换地,在本发明的实施例中,行驶路径可参照图3所示的过程在可行驶区域中确定。
如图3所示,在步骤S2102中,在可行驶区域中生成指示从车辆的位置到至少一个车辆出入口的一个或多个虚拟车道。在图1所示的例子中,在可行驶区域30中生成指示从车辆11的位置到车辆出入口的虚拟车道32、34和36。其中,虚拟车道32可与车辆出入口21对应,虚拟车道34可与车辆出入口22对应,虚拟车道36可与车辆出入口23对应。如果高速公路收费站没有车道,或者由于雨雪而覆盖了车道,则可通过虚拟车道进一步辅助车辆在虚拟车道内行驶。
在步骤S2104,从所生成的一个或多个虚拟车道中选择最佳虚拟车道。在本发明的实施例中,最佳虚拟车道的选择可基于如下两个因素中的至少一个因素:1)每个虚拟车道所对应的车辆出入口处的车辆队列的长度,和2)从车辆的位置到每个车辆出入口所需要变换的虚拟车道的数目。
可以理解,本领域的技术人员还可以考虑其它因素,以基于这些因素从所生成的一个或多个虚拟车道中选择最佳虚拟车道。
在本发明的实施例中,可根据在各个车辆出入口处的车辆队列的长度,选择最佳虚拟车道。在一个实施例中,可基于所识别的其它车辆及其深度信息,计算得到每个车辆出入口处的车辆队列的长度,选择具有最短的车辆队列的长度的车辆出入口的虚拟车道为最佳虚拟车道。在图1的例子中,车辆出入口21处排列着三个车辆,车辆出入口22处排列着两个车辆,以及车辆出入口23处排列着一个车辆。由于车辆出入口23具有最小的车辆队列的长度,因此将虚拟车道36选择为最佳虚拟车道。
在本发明的实施例中,可根据从车辆的位置到每个车辆出入口需要变换的虚拟车道的数目,选择最佳虚拟车道。在一个实施例中,根据车辆的位置和各个车辆出入口的位置,计算需要变换的虚拟车道的数目,选择具有最小数目的车辆出入口的虚拟车道为最佳虚拟车道。在图1所示的例子中,车辆11的位置在虚拟车道32附近,如果车辆11从车辆的位置到车辆出入口21则需要变换的虚拟车道的数目为0,如果车辆11从车辆的位置到车辆出入口22则需要变换的虚拟车道的数目为1,如果车辆11从车辆的位置到车辆出入口23则需要变换的虚拟车道的数目为2。由于从车辆的位置到车辆出入口21需要变换的数目最小,因此将虚拟车道32选择为最佳虚拟车道。
在本发明的又一实施例中,可在确定了车辆选择各个车辆出入口的第一和第二概率后,可通过Dempster-Shafer算法,基于第一和第二概率来计算选择各个车辆出入口的概率。例如,选择车辆出入口21的概率为P(1),选择车辆出入口22的概率为P(2),选择车辆出入口23的概率为P(3)。将概率值最大的车辆出入口所对应的虚拟车道选择为最佳虚拟车道。
在步骤S2106,在最佳虚拟车道中确定行驶路径。在图1所示的例子中,例如最佳虚拟车道为虚拟车道36,则在虚拟车道36中确定从车辆11的位置到虚拟车道36所对应的车辆出入口23之间的行驶路径40。
在本发明的实施例中,所确定的行驶路径可以通过例如车辆上的显示器或车辆上的语音系统提供给车辆的驾驶员,以使得驾驶员按照该行驶路径来行驶,并最终通过车辆出入口。
可替换地,在具有自主驾驶系统的车辆中,当启用了自主驾驶系统时,所确定的行驶路径可以提供给自主驾驶系统,以使得车辆按照该行驶路径来自主行驶,并最终通过车辆出入口。在一个实施例中,自主驾驶系统可包括运动信息获取单元、控制器和执行单元。运动信息获取单元可获取在行驶路径上的各个位置处的期望运动信息和当前的实际运动信息。控制器可根据期望运动信息与当前的实际运动信息的偏差,采用PID控制算法来控制执行单元的执行量,从而使得车辆可按照行驶路径来行驶。
图2和图3所示的流程图仅仅用于示例,本领域的技术人员知道,可以对所示的流程图或其中描述的步骤进行各种变形。
根据以上描述可以看出,采用上述实施例的用于辅助车辆行驶的方法,当车辆行驶至车辆出入口附近时,能够通过识别车辆的周围环境的目标以及所获取的目标的深度信息,确定从车辆的位置到车辆出入口的行驶路径,以辅助车辆按照该行驶路径来行驶,并最终通过车辆出入口。
图4示出了根据本发明的实施例的用于辅助车辆行驶的装置40的示意性框图。在本发明的实施例中,装置40可单独安装在车辆上,或者结合在车辆的自主驾驶系统中。当装置40单独安装在车辆上时,还可通过有线或者无线的方式与自主驾驶系统进行通信。
装置40包括图像捕获设备42、以及与图像捕获设备42通信的计算设备44。图像捕获设备42用于捕获车辆的周围环境的一帧或多帧图像。计算设备44包括一个或多个处理器442和存储器444。存储器444与处理器442通过总线与I/O接口446耦接,并存储计算机程序指令。
当计算机程序指令由处理器442执行时,首先,计算设备44从图像捕获设备获取一帧或多帧图像。然后,计算设备44从一帧或多帧图像中识别多个目标。该目标包括至少一个车辆出入口和其它车辆。接着,计算设备44获取所识别的多个目标的深度信息和车辆的位置信息。然后,计算设备44基于所识别的多个目标及其深度信息,确述车辆的位置与车辆出入口之间的可行驶区域。最后,计算设备44在可行驶区域中确定从车辆的位置到至少一个车辆出入口中的一个的行驶路径。
在本发明的实施例中,当计算机程序指令由处理器442执行时,计算设备44还基于车辆的期望运动信息和实际运动信息,控制车辆按照行驶路径行驶。
在本发明的实施例中,计算设备44在可行驶区域中确定行驶路径可包括:首先在可行驶区域中生成指示从车辆的位置到车辆出入口的一个或多个虚拟车道;然后从一个或多个虚拟车道中选择最佳虚拟车道;最后在最佳虚拟车道中确定行驶路径。
在本发明的实施例中,计算设备44从一个或多个虚拟车道中选择最佳虚拟车道包括:首先确定在车辆出入口处的其它车辆队列的长度;然后确定从车辆的位置到车辆出入口处需要变换的虚拟车道的数目;最后基于该长度和该数目,确定所述最佳虚拟车道。
在本发明的实施例中,计算设备44所识别的多个目标的深度信息和车辆的位置信息是基于即时定位与地图构建(SLAM)技术而获取的。
在本发明的实施例中,计算设备44所识别的多个目标还包括行人。
在本发明的其它实施例中,还提供了一种存储有计算机程序的计算机可读存储介质,其中,计算机程序在由处理器执行时实现如图2和图3所示的用于辅助车辆行驶的方法的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (13)
1.一种用于辅助车辆行驶的方法,包括:
获取所述车辆的周围环境的一帧或多帧图像;
从所述一帧或多帧图像中识别多个目标,其中,所述多个目标包括至少一个车辆出入口和其它车辆;
获取所识别的多个目标的深度信息和所述车辆的位置信息;
基于所识别的多个目标及其深度信息,确定所述车辆的位置与所述至少一个车辆出入口之间的可行驶区域;以及
在所述可行驶区域中确定从所述车辆的位置到所述至少一个车辆出入口中的一个的行驶路径,
其中,在所述可行驶区域中确定所述行驶路径包括:
在所述可行驶区域中生成指示从所述车辆的位置到所述至少一个车辆出入口的一个或多个虚拟车道;
从所述一个或多个虚拟车道中选择最佳虚拟车道;以及
在所述最佳虚拟车道中确定所述行驶路径,
其中,从所述一个或多个虚拟车道中选择最佳虚拟车道包括:
确定在所述至少一个车辆出入口处的车辆队列的长度;
确定从所述车辆的位置到所述至少一个车辆出入口需要变换的虚拟车道的数目;以及
基于所述长度和所述数目,确定所述最佳虚拟车道。
2.根据权利要求1所述的方法,还包括:基于所述车辆的期望运动信息和实际运动信息,控制所述车辆按照所述行驶路径行驶。
3.根据权利要求1所述的方法,其中,从所述一个或多个虚拟车道中选择最佳虚拟车道包括:
确定在所述至少一个车辆出入口处的车辆队列的长度;以及
确定去往具有最短的车辆队列的长度的车辆出入口的虚拟车道为最佳虚拟车道。
4.根据权利要求1所述的方法,其中,从所述一个或多个虚拟车道中选择最佳虚拟车道包括:
确定从所述车辆的位置到所述至少一个车辆出入口需要变换的虚拟车道的数目;以及
确定去往具有最小数目的车辆出入口的虚拟车道为最佳虚拟车道。
5.根据权利要求1所述的方法,其中,所识别的多个目标的深度信息和所述车辆的位置信息是基于即时定位与地图构建技术而获取的。
6.根据权利要求1所述的方法,其中,所述多个目标还包括行人。
7.一种用于辅助车辆行驶的装置,包括:
图像捕获设备,用于捕获所述车辆的周围环境的图像;
与所述图像捕获设备通信的计算设备,包括:
一个或多个处理器;
存储器,其与所述处理器耦接,并存储有计算机程序指令,
其中,所述计算机程序指令在被所述处理器执行时使得所述计算设备:
从所述图像捕获设备获取一帧或多帧图像;
从所述一帧或多帧图像中识别多个目标,其中,所述多个目标包括至少一个车辆出入口和其它车辆;
获取所识别的多个目标的深度信息和所述车辆的位置信息;
基于所识别的多个目标及其深度信息,确定所述车辆的位置与所述至少一个车辆出入口之间的可行驶区域;以及
在所述可行驶区域中确定从所述车辆的位置到所述至少一个车辆出入口中的一个的行驶路径,
其中,所述计算机程序指令在被所述处理器执行时使得所述计算设备通过以下操作来在所述可行驶区域中确定所述行驶路径:
在所述可行驶区域中生成指示从所述车辆的位置到所述至少一个车辆出入口的一个或多个虚拟车道;
从所述一个或多个虚拟车道中选择最佳虚拟车道;以及
在所述最佳虚拟车道中确定所述行驶路径,
其中,所述计算机程序指令在被所述处理器执行时使得所述计算设备通过以下操作来从所述一个或多个虚拟车道中选择最佳虚拟车道:
确定在所述至少一个车辆出入口处的车辆队列的长度;
确定从所述车辆的位置到所述至少一个车辆出入口需要变换的虚拟车道的数目;以及
基于所述长度和所述数目,确定所述最佳虚拟车道。
8.根据权利要求7所述的装置,所述计算机程序指令在被所述处理器执行时还使得所述计算设备:基于所述车辆的期望运动信息和实际运动信息,控制所述车辆按照所述行驶路径行驶。
9.根据权利要求7所述的装置,其中,所述计算机程序指令在被所述处理器执行时使得所述计算设备通过以下操作来从所述一个或多个虚拟车道中选择最佳虚拟车道:
确定在所述至少一个车辆出入口处的车辆队列的长度;以及
确定去往具有最短的车辆队列的长度的车辆出入口的虚拟车道为所述最佳虚拟车道。
10.根据权利要求7所述的装置,其中,所述计算机程序指令在被所述处理器执行时使得所述计算设备通过以下操作来从所述一个或多个虚拟车道中选择最佳虚拟车道:
确定从所述车辆的位置到所述至少一个车辆出入口需要变换的虚拟车道的数目;以及
确定去往具有最小数目的车辆出入口的虚拟车道为最佳虚拟车道。
11.根据权利要求7所述的装置,其中,所识别的多个目标的深度信息和所述车辆的位置信息是基于即时定位与地图构建技术而获取的。
12.根据权利要求7所述的装置,其中,所述多个目标还包括行人。
13.一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序在由处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044312.0A CN110045721B (zh) | 2018-01-17 | 2018-01-17 | 用于辅助车辆行驶的方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044312.0A CN110045721B (zh) | 2018-01-17 | 2018-01-17 | 用于辅助车辆行驶的方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110045721A CN110045721A (zh) | 2019-07-23 |
CN110045721B true CN110045721B (zh) | 2022-10-28 |
Family
ID=67273149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810044312.0A Active CN110045721B (zh) | 2018-01-17 | 2018-01-17 | 用于辅助车辆行驶的方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110045721B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543173B (zh) * | 2019-08-30 | 2022-02-11 | 上海商汤智能科技有限公司 | 车辆定位系统及方法、车辆控制方法及装置 |
CN111273663A (zh) * | 2020-02-06 | 2020-06-12 | 广州小马智行科技有限公司 | 车辆的控制方法及装置、存储介质及处理器 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0648007U (ja) * | 1992-12-03 | 1994-06-28 | ヤンマー農機株式会社 | 自動走行車両の電磁誘導路 |
JP2005037266A (ja) * | 2003-07-16 | 2005-02-10 | Nissan Motor Co Ltd | 狭域無線通信用車載端末 |
CN102864709A (zh) * | 2011-07-04 | 2013-01-09 | 徐晓广 | 一种能使城市道路十字路口的车辆畅通分流的道路设施 |
CN105774805A (zh) * | 2014-09-12 | 2016-07-20 | 现代自动车株式会社 | 用于估算车道的系统及其方法 |
CN106611497A (zh) * | 2015-10-27 | 2017-05-03 | 现代自动车株式会社 | 交通量预测系统及预测方法、车辆用显示装置以及车辆 |
CN107132840A (zh) * | 2017-05-03 | 2017-09-05 | 厦门大学 | 一种越野电驱动无人车辆纵/横/垂拟人化协同控制方法 |
CN107369218A (zh) * | 2017-07-21 | 2017-11-21 | 北京图森未来科技有限公司 | 实现车辆自动缴费的方法及系统、相关设备 |
CN107393330A (zh) * | 2017-06-12 | 2017-11-24 | 纵目科技(上海)股份有限公司 | 人车汇合的路线规划方法及系统、车载终端、智能终端 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3871614B2 (ja) * | 2002-06-12 | 2007-01-24 | 松下電器産業株式会社 | 運転支援装置 |
JP4638143B2 (ja) * | 2003-12-26 | 2011-02-23 | 富士重工業株式会社 | 車両用運転支援装置 |
DE102006041799A1 (de) * | 2006-09-06 | 2008-03-27 | Sick Ag | Positionsbestimmungsvorrichtung |
DE102012024873A1 (de) * | 2012-12-19 | 2014-06-26 | Audi Ag | Verfahren und Steuervorrichtung zum Bereitstellen eines vorausliegenden Straßenverlaufs |
US8798841B1 (en) * | 2013-03-14 | 2014-08-05 | GM Global Technology Operations LLC | System and method for improving sensor visibility of vehicle in autonomous driving mode |
CN103456047B (zh) * | 2013-09-04 | 2016-04-20 | 广州华工信息软件有限公司 | 基于车辆动态检测技术的电子不停车收费车道系统及方法 |
KR20150066863A (ko) * | 2013-12-09 | 2015-06-17 | 현대자동차주식회사 | 주행차로 인식을 이용한 경로안내장치 및 방법 |
CN104732778B (zh) * | 2015-03-04 | 2017-03-01 | 上海市政工程设计研究总院(集团)有限公司 | 一种解决路口拥塞的信号控制系统及其控制方法 |
CN105809130B (zh) * | 2016-03-08 | 2020-03-10 | 武汉大学 | 一种基于双目深度感知的车辆可行驶区域计算方法 |
-
2018
- 2018-01-17 CN CN201810044312.0A patent/CN110045721B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0648007U (ja) * | 1992-12-03 | 1994-06-28 | ヤンマー農機株式会社 | 自動走行車両の電磁誘導路 |
JP2005037266A (ja) * | 2003-07-16 | 2005-02-10 | Nissan Motor Co Ltd | 狭域無線通信用車載端末 |
CN102864709A (zh) * | 2011-07-04 | 2013-01-09 | 徐晓广 | 一种能使城市道路十字路口的车辆畅通分流的道路设施 |
CN105774805A (zh) * | 2014-09-12 | 2016-07-20 | 现代自动车株式会社 | 用于估算车道的系统及其方法 |
CN106611497A (zh) * | 2015-10-27 | 2017-05-03 | 现代自动车株式会社 | 交通量预测系统及预测方法、车辆用显示装置以及车辆 |
CN107132840A (zh) * | 2017-05-03 | 2017-09-05 | 厦门大学 | 一种越野电驱动无人车辆纵/横/垂拟人化协同控制方法 |
CN107393330A (zh) * | 2017-06-12 | 2017-11-24 | 纵目科技(上海)股份有限公司 | 人车汇合的路线规划方法及系统、车载终端、智能终端 |
CN107369218A (zh) * | 2017-07-21 | 2017-11-21 | 北京图森未来科技有限公司 | 实现车辆自动缴费的方法及系统、相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110045721A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7235247B2 (ja) | 不確実性を検知しながらナビゲートするためのシステム及び方法 | |
CN112683288B (zh) | 一种交叉口环境下辅助盲人过街的智能引导方法 | |
US10269250B2 (en) | Method for coordinating the traffic of motor vehicles in a parking environment | |
US11302196B2 (en) | Information processing apparatus and information processing method | |
US20210261123A1 (en) | Autonomous Vehicle Operation with Explicit Occlusion Reasoning | |
US11120690B2 (en) | Method and device for providing an environmental image of an environment of a mobile apparatus and motor vehicle with such a device | |
EP2826687A1 (en) | Technique for lane assignment in a vehicle | |
US20220105959A1 (en) | Methods and systems for predicting actions of an object by an autonomous vehicle to determine feasible paths through a conflicted area | |
US11475671B2 (en) | Multiple robots assisted surveillance system | |
CN107031650A (zh) | 基于驾驶员肢体语言来预测车辆运动 | |
CN111788102A (zh) | 用于跟踪交通灯的里程计系统和方法 | |
CN109686031A (zh) | 基于安防的识别跟随方法 | |
CN109682388B (zh) | 跟随路径的确定方法 | |
CN110045721B (zh) | 用于辅助车辆行驶的方法及其装置 | |
CN114684111A (zh) | 一种车头先入的泊车方法、装置和系统 | |
KR102355431B1 (ko) | Ai 기반 돌발상황 검지 방법 및 그 시스템 | |
EP4113460A1 (en) | Driver assistance system and method improving its situational awareness | |
CN109740461A (zh) | 目标跟随后的处理方法 | |
US20230256991A1 (en) | Method and system for conditional operation of an autonomous agent | |
CN112348845B (zh) | 用于停车位检测和跟踪的系统和方法 | |
CN112689584B (zh) | 自动驾驶控制方法以及自动驾驶控制系统 | |
CN110647146B (zh) | 无人车控制方法、装置、计算机设备和存储介质 | |
US11958482B2 (en) | Method for predicting at least one future velocity vector and/or a future pose of a pedestrian | |
CN112130551A (zh) | 无人驾驶车辆的行进路径和速度决策规划方法及装置 | |
CN116373863A (zh) | 用于在交通环岛处辅助车辆行驶的方法和设备 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230421 Address after: Building 7, No. 600 Xingxian Road, Jiading District, Shanghai, 201815 Patentee after: Continental Zhixing Technology (Shanghai) Co.,Ltd. Address before: No. 600, Xingxian Road, Jiading District, Shanghai, 201815 Patentee before: Continental tamic Automotive Systems (Shanghai) Co.,Ltd. |