CN110103953A - 用于辅助车辆的驾驶控制的方法、设备、介质和系统 - Google Patents
用于辅助车辆的驾驶控制的方法、设备、介质和系统 Download PDFInfo
- Publication number
- CN110103953A CN110103953A CN201910361427.7A CN201910361427A CN110103953A CN 110103953 A CN110103953 A CN 110103953A CN 201910361427 A CN201910361427 A CN 201910361427A CN 110103953 A CN110103953 A CN 110103953A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- candidate
- information
- similarity
- vehicles
- 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
Classifications
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- 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
Abstract
根据本公开的实施例,提供了用于辅助车辆的驾驶控制的方法、设备、介质和系统。该方法包括获取与目标车辆周围的环境相关的环境感知结果,环境感知结果至少包括与预定范围内的一个或多个候选车辆相关的车辆信息,车辆信息至少包括第一类型的第一候选信息和第二类型的第二候选信息,其中第一类型不同于第二类型;通过将一个或多个候选车辆中的一个候选车辆的第一候选信息和第二候选信息分别和与目标车辆相关的第一信息和第二信息进行比较,来确定目标车辆与候选车辆之间的相似度;以及基于一个或多个候选车辆中的各个候选车辆的相似度,将一个或多个候选车辆中的第一候选车辆识别为目标车辆。通过多维信息进行相似度匹配,提高了主车发现的容错率。
Description
技术领域
本公开的实施例主要涉及车联网领域,并且更具体地,涉及用于辅助车辆的驾驶控制的方法、装置、设备、计算机可读存储介质以及车路协同系统。
背景技术
V2X(Vehicle to X)是未来车辆与车辆(V2V)、车辆与路边交通设施(V2I)之间的无线通信技术,它是一种专用的移动互联网络,可以实现交通信息在车辆与车辆、车辆与交通设施之间的实时传播。车路协同技术的基础是对车辆周围环境的感知,即识别周围环境的具体状况。在感知环境的基础上才能进一步确定车辆在当前环境下可执行的驾驶行为。在当前的车路协同领域中,路侧设备向周围环境中的车辆广播告知目前道路中所检测到的所有物体的列表,只有车辆可以在广播的物体列表中准确匹配到自己(也称为主车发现),才能够准确得到其他物体与自己的相对位置状态,获悉周遭环境情况,从而采取适当的驾驶操作。因此,要求车辆具有较高精度的定位能力,此外,即使拥有定位能力的车辆,其定位位置也会存在误差,从而无法实现主车发现,因此对于车辆自身定位能力的高要求使得车路协同无法兼容更多的社会车辆,不利于车辆协同技术的推广和发展。
发明内容
根据本公开的示例实施例,提供了一种用于辅助车辆的驾驶控制的方案。
在本公开的第一方面中,提供了一种用于辅助车辆的驾驶控制的方法。该方法包括获取与目标车辆周围的环境相关的环境感知结果,环境感知结果至少包括与预定范围内的一个或多个候选车辆相关的车辆信息,车辆信息至少包括第一类型的第一候选信息和第二类型的第二候选信息,其中第一类型不同于第二类型;通过将一个或多个候选车辆中的一个候选车辆的第一候选信息和第二候选信息分别和与目标车辆相关的第一信息和第二信息进行比较,来确定目标车辆与候选车辆之间的相似度;以及基于目标车辆与一个或多个候选车辆中的各个候选车辆的相似度,将一个或多个候选车辆中的第一候选车辆识别为目标车辆。
在本公开的第二方面中,提供了一种用于辅助车辆的驾驶控制的装置。通信模块,被配置为获取与目标车辆周围的环境相关的环境感知结果,环境感知结果至少包括与预定范围内的一个或多个候选车辆相关的车辆信息,车辆信息至少包括第一类型的第一候选信息和第二类型的第二候选信息,其中第一类型不同于第二类型;车辆相似度确定模块,被配置为通过将一个或多个候选车辆中的一个候选车辆的第一候选信息和第二候选信息分别和与目标车辆相关的第一信息和第二信息进行比较,来确定目标车辆与候选车辆之间的相似度;以及目标车辆识别模块,被配置为基于目标车辆与一个或多个候选车辆中的各个候选车辆的相似度,将一个或多个候选车辆中的第一候选车辆识别为目标车辆。
在本公开的第三方面中,提供了一种电子设备,包括一个或多个处理器;以及存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现根据本公开的第一方面的方法。
在本公开的第四方面中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现根据本公开的第一方面的方法。
在本公开的第五方面中,提供了一种车路协同系统。该系统包括车侧控制装置,包括根据第二方面的装置;被布置在环境中并且独立于车辆的至少一个传感器,被配置为采集与环境相关的感知信息;以及路侧感知装置,被配置为处理感知信息以确定与环境相关的环境感知结果。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素,其中:
图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图;
图2示出了根据本公开的一些实施例的车路协同系统的框图;
图3根据本公开的一些实施例的用于辅助车辆的驾驶控制的过程的示意性框图;
图4根据本公开的一些实施例的用于辅助车辆的驾驶控制的过程的流程图;
图5据本公开的一些实施例的用于辅助车辆的驾驶控制的过程的流程图;以及
图6出了能够实施本公开的多个实施例的计算设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
在本公开的实施例的描述中,术语“包括”及其类似用语应当理解为开放性包含,即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如以上提及的,为了辅助车辆的驾驶控制,在广播的物体列表中识别车辆自身是很重要的。在传统主车发现系统中,要求参与车辆协同的车辆自身具有较高精度的定位能力,在接收到路侧设备发来的物体列表后,根据列表中识别到的车辆位置坐标利用欧氏距离最小近邻法匹配到与自身定位位置最近的车辆作为主车。这不仅限制了车路协同的应用范围,而且在定位位置存在误差或无法获取位置的情况下,无法实现车路协同的主车发现。
通常,主车发现系统主要依赖于车辆的定位能力,要求参与车路协同的车辆具有较高精度的定位能力。如果车辆不具有定位能力,则该车辆无法在接收到路侧设备发来的物体列表中找到自身,从而无法利用其他物体与自己的相对位置状态来辅助自身车辆的驾驶控制。另一方面,即使拥有定位能力的车辆,其定位位置也会存在误差,在对列表中的所有物体进行匹配时,如果有物体相距较近,势必会发生匹配错误的情况。此外,目前的定位系统较多依赖GPS信号,而GPS信号在一些地方会出现定位偏差较大的情况,例如在隧道中没有GPS信号,因此无法提供满足精确度要求的定位位置,从而无法实现主车发现。
根据本公开的实施例,提出了一种基于多维车辆信息相似度匹配的主车发现的方案。在该方案中,由布置在车辆周围的环境中并且独立于车辆的传感器来采集与环境相关的感知信息。基于这样的感知信息确定环境感知结果。基于多维度的车辆信息相似度,从这样的环境感知结果中识别出与目标车辆相匹配的候选车辆。通过多维车辆信息进行相似度匹配来发现自身车辆,可以降低对车辆本身的定位能力的要求,使得即使在某一维度的检测或识别上出现误差,也可以通过其他维度的相似度来修正结果,从而提高了主车发现系统的容错率和稳定性。
以下将参照附图来具体描述本公开的实施例。
图1示出了本公开的多个实施例能够在其中实现的示例交通环境100的示意图。在该示例环境100中示意性示出了一些典型物体,包括道路102、交通指示设施103、道路两侧的植物107以及可能出现的行人109。应当理解,这些示出的设施和物体仅是示例,根据实际情况,不同交通环境中存在可能出现的物体将会变化。本公开的范围在此方面不受限制。
在图1的示例中,一个或多个车辆110-1、110-2正在道路102上行驶。为便于描述,多个车辆110-1、110-2统称为车辆110。车辆110可以是可以承载人和/或物并且通过发动机等动力系统移动的任何类型的车辆,包括但不限于轿车、卡车、巴士、电动车、摩托车、房车、火车等等。环境100中的一个或多个车辆110可以是具有一定定位能力和一定自动驾驶能力的车辆。当然,环境100中的另外一个或一些车辆110还可以是不具有定位能力和自动驾驶能力的车辆。
环境100中还布置有一个或多个传感器105-1至105-6(统称为传感器105)。传感器105独立于车辆110,用于监测环境100的状况,以获得与环境100相关的一定范围内的感知信息。为了全方位监测环境100,传感器105可以被布置在道路102附近,并且可以包括一个或多个类型的传感器。例如,传感器105可以按一定间隔被布置在道路102的两侧,用于监测环境100的特定区域。在每个区域中可以布置有多种类型的传感器。在一些示例中,除了将传感器105固定在特定位置之外,还可以设置可移动的传感器105,诸如可移动感知站点等。
由与道路102相应布置的传感器105采集到的感知信息也可以被称为路侧感知信息。路侧感知信息可以被用于促进对车辆110的驾驶控制。为了实现利用路侧感知信息进行车辆110的驾驶控制,路侧与车侧可以协作执行车辆的控制。图2示出了这样的车路协同系统200的示意图。为便于描述,下文将结合图1来讨论车路协同系统200。
车路协同系统200包括传感器105,用于处理感知信息以确定与环境相关的环境感知结果的路侧感知装置210,以及用于匹配自身车辆并且控制车辆110的驾驶的车侧控制装置220。路侧感知装置210与环境100相结合使用,以便处理来自传感器105的感知信息以确定与环境110相关的环境感知结果。路侧感知装置210可以被安装在任何位置,只需要路侧感知装置210能够与传感器105和车侧控制装置220通信即可。由于均被部署在路侧,传感器105和路侧感知装置210还可以构成路侧感知子系统。
车侧控制装置220在本文中有时也被称为匹配自身车辆并且控制车辆110驾驶的装置。车侧控制装置220与一个相应车辆110相关联地使用,例如被集成到车辆110上,以匹配自身车辆并且控制该车辆110的驾驶。环境100中的一个或多个车辆110上可以分别配备车侧控制装置220。例如,车辆110-1上可以集成有一个车侧控制装置220,车辆110-2上也可以类似地集成有一个车侧控制装置220。在下文中,针对一个车辆110来描述车侧控制装置220的相应功能。
路侧感知装置210包括通信模块212和信息处理模块214。通信模块212可以支持与传感器105的有线/无线通信,用于从传感器105获取采集到的与环境100相关的感知信息。通信模块212还可以支持与车侧控制装置220的通信,这样的通信通常是无线通信。通信模块212与传感器105和车侧控制装置220的通信可以基于任何通信协议,本公开的实现在此方面不受限制。
如以上提及的,为了全方位监测环境100,被布置在环境100中的传感器105可以包括多种类型的传感器。传感器105的示例可以包括但不限于:图像传感器(例如摄像头)、激光雷达、毫米波雷达、红外传感器、定位传感器、光照传感器、压力传感器、温度传感器、湿度传感器、风速传感器、风向传感器、空气质量传感器等等。图像传感器可以采集与环境100相关的图像信息;激光雷达和毫米波雷达可以采集与环境100相关的激光点云数据;红外传感器可以利用红外线来探测环境100中的环境状况;定位传感器可以采集与环境100相关的物体的位置信息;光照传感器可以采集指示环境100中的光照强度的度量值;压力、温度和湿度传感器可以分别采集指示环境100中的压力、温度和湿度的度量值;风速、风向传感器可以分别采集用于指示环境100中的风速、风向的度量值;空气质量传感器可以采集环境100中一些与空气质量相关的指标,诸如空气中的氧气浓度、二氧化碳浓度、粉尘浓度、污染物浓度等。应当理解,以上仅列出了传感器105的一些示例。根据实际需要,还可以存在其他不同类型的传感器。在一些实施例中,不同的传感器可以被集成在某个位置,或者可以被分布在环境100的一个区域中,以用于监测特定类型的路侧感知信息。
由于传感器105直接采集到的感知信息的数据量较大且类型多样,若直接将传感器105采集到的感知信息传输给车侧控制装置220,不仅造成较大的通信传输开销、造成通信资源过度占用,而且同样的感知信息可能需要在不同车辆处被分别单独处理,造成系统总体性能降低。在本公开的实现中,传感器105采集到的感知信息由路侧感知装置210(具体由路侧感知装置210中的信息处理模块214)集中处理。
路侧感知装置210的信息处理模块214处理从传感器105处获取的感知信息,以确定与环境100相关的环境感知结果。环境感知结果可以指示理解环境100的整体状况,具体可以指示环境中包括车辆110在内的多个物体的相关信息。这样的相关信息包括各个物体的类型、尺寸、颜色、位置(例如在地球坐标系中的精确位置)、速度、运动方向、与特定视点的距离等等。信息处理模块214可以将来自不同传感器105的不同类型的感知信息进行融合,以确定环境感知结果。信息处理模块214可以采用各种不同信息融合技术来确定环境感知结果。
路侧感知装置210中的通信模块212被配置为将信息处理模块214处理后获得的环境感知结果传输给车侧控制装置220。路侧感知装置210可以按照一定的周期将环境感知结果广播给所有参与车路协同的车辆110的车侧控制装置220。
车侧控制装置220基于从路侧感知装置210获取的环境感知结果来识别自身车辆并且控制对应车辆110(例如,安装有车侧控制装置220的车辆)的驾驶行为。车侧控制装置220包括通信模块221、车辆相似度确定模块222、目标车辆识别模块223、信息处理模块224和驾驶控制模块225。通信模块222被配置为与路侧感知装置210、特别是路侧感知装置210中的通信模块212通信耦合,以从通信模块212接收环境感知结果。车辆相似度确定模块222被配置为基于环境感知结果,将候选车辆的多维信息分别和与车辆110相关的信息进行比较,来确定车辆110与候选车辆之间的相似度。目标车辆识别模块223被配置为基于车辆110与环境感知结果中的各个候选车辆的相似度,将一个或多个候选车辆中的一个候选车辆识别为车辆110。信息处理模块224被配置为执行对环境感知结果的处理,以从所接收到的车辆信息中排除所识别的候选车辆的车辆信息以获得与其他候选车辆相关的车辆信息,以用于车辆110的驾驶控制。驾驶控制模块225被配置为基于信息处理模块224的处理结果来控制车辆110的驾驶行为。
下文将详细描述车侧控制装置220如何标识自身车辆以及对车辆110的驾驶控制。
车侧控制装置220的通信模块222可以从路侧感知装置210获取与车辆110周围的环境100相关的环境感知结果。这样的环境感知结果基于由布置在环境100中并且独立于该车辆110的一个或多个传感器105采集到的感知信息,并且指示环境100中的多个物体的相关信息,诸如物体的类型、尺寸、颜色、位置(例如在地球坐标系中的精确位置)、速度、运动方向、与特定视点的距离等等。
在一些实施例中,除了从路侧感知装置210获得环境感知结果之外,车侧控制装置220还可以从被集成在环境100中的其他车辆上的传感器获得环境感知结果以作为补充。环境100中的一些车辆可能有较强感知能力的传感器(诸如激光雷达)或者具有一般感知能力的传感器(诸如摄像头)。这些传感器采集到的感知信息也有助于辅助其他车辆的驾驶控制。对于某个车辆(例如,车辆110-1)来说,与车辆110-1相关联的车侧控制装置220可以从其他车辆(例如,车辆110-2)上的传感器获得原始感知信息或者对原始感知信息进行处理后的感知结果。
通常,由于车辆外部的传感器(诸如路侧传感器或其他车辆上的传感器)本身而不是车辆的角度来观察整个环境,这些传感器无差别地监测该车辆以及其他物体的相关信息,因此采集到的信息包含整个环境中的物体相关的感知信息。
根据本公开的实施例,车侧控制装置220从环境感知结果中的一个或多个候选车辆中的识别出与车辆110相匹配的候选车辆(为了方便描述,下文称为第一候选车辆)。第一候选车辆可以指的是在环境感知结果中具有与车辆110本身相关的信息的候选车辆,诸如车辆110的尺寸、位置、速度、方向、与特定视点的距离等信息。其他环境感知结果包括除了车辆110之外的其他物体的相关信息。在车辆110的驾驶中,车辆110需要将自车之外的其他物体都视为障碍物,从而合理规划行驶路径,避免与障碍物碰撞。
为了从全面的环境感知结果中标识出与车辆110相匹配的第一候选车辆,在一些实施例中,车辆110可以具有自身独特的车辆信息,用于识别车辆110。这样的车辆信息可以是以下一项或多项:车辆110的车牌号、车辆类型、车辆位置、车辆大小、车辆颜色、车辆速度和车辆所在车道。
在道路上行驶的机动车辆通常都安装有车牌,用于唯一标识车辆。在一些情况下,对于没有车牌的车辆或者考虑到车牌容易被遮挡,还可以在车辆110外部粘贴特定于车辆110的二维码作为车辆的标识信息。车辆110的车牌和/或二维码可以从图像传感器采集的图像信息中识别。在一些示例中,为了不影响车辆的外观,还可以在车辆110上粘贴非可见光标签,诸如红外、紫外反射标签,用于识别车辆110。这样的非可见光标签可以由非可见光传感器识别。备选地或附加地,车辆110上安装的无线射频标签也可以用于识别车辆110。无线射频标签可以发射信号,并且通过射频读取器读取发射的信号来识别车辆110。
此外,每辆车都有自身独特的物理属性,诸如车辆类型、车辆大小和车辆颜色,并且每辆车都有自身独特的物理状态,诸如车辆位置、车辆速度、车辆方向和车辆所在车道。车辆110的属性和部分状态同样可以从图像传感器采集的图像信息中识别,车辆110的位置可以利用各种定位技术来确定,并且车辆110的速度可以利用各种车速传感器来确定,本公开的实现在此方面不受限制。
通过与车辆110相关的车辆信息,车辆相似度确定模块222可以从环境感知结果中标识出与车辆110相关的车辆信息。这样的信息至少包括两种不同类型的与车辆110相关的车辆信息(为了方便描述,下文称为第一候选信息和第二候选信息),例如可以是车辆110的车牌图像信息、指示车辆110的车辆类型、车辆位置、车辆大小、车辆颜色、车辆速度和车辆所在车道的指示信息等。车辆相似度确定模块222通过将环境感知结果中的一个或多个候选车辆中的一个候选车辆的第一候选信息和第二候选信息分别和与车辆110相关的信息(为了方便描述,下文称为第一信息和第二信息)进行比较,来确定车辆110与该候选车辆之间的相似度。根据相同的方式,车辆相似度确定模块222可以确定车辆110与环境感知结果中的每个候选车辆之间的相似度。然后,目标车辆识别模块223基于车辆110与环境感知结果中的一个或多个候选车辆中的各个候选车辆的相似度,将一个或多个候选车辆中的第一候选车辆识别为车辆110。在本公开的实施例中,通过利用多维车辆信息进行相似度匹配来发现自身车辆,使得能够更加精确地识别自身车辆,并且即使在某一维度的检测或识别上出现误差,也可以通过其他维度的相似度来修正结果。
通常,由于由传感器105所采集到的物体的相关信息类型较多并且精度较高,路侧感知装置210将各个物体的相关信息结合在一起。在从环境感知结果中的一个或多个候选车辆中识别出与车辆110相匹配的第一候选车辆后,即可获得所有与第一候选车辆相关的信息。因此,通过车辆110的部分信息,可以确定环境感知结果中与车辆110相关的其他信息,诸如车辆110的位置、尺寸等等。通过这种方式,可以使车辆110通过主车发现来获取与其相关的多种关键信息。
如以上所提及的,所接收到的环境感知结果包含整个环境中的所有物体相关的信息,其中即可以包括与预定范围内的一个或多个候选车辆相关的车辆信息,也可以包括除车辆信息之外的一个或多个对象的信息。在确定车辆110与候选车辆之间的相似度时,在一些实施例中,可以将与车辆110相关的信息与环境感知结果中的所有物体中的每个物体的信息进行比较,从而计算车辆110与环境感知结果中的所有物体中的每个物体的相似度。具体在比较时,选取每个物体的、与车辆110相关的信息类型相同的信息计算相似度。在另一些实施例中,信息处理模块224可以从环境感知结果中排除一个或多个对象的信息,以确定被包括在环境感知结果中的、与预定范围内的一个或多个候选车辆相关的车辆信息,从而仅针对车辆计算相似度。具体地,在环境感知结果可以包括指示物体类型的信息,可以比较物体的类型来确定物体是否是车辆,如果物体是车辆,则计算车辆110与该物体之间的相似度,如果物体不是车辆,则不计算车辆110与该物体之间的相似度。可以理解,还可以以其他方式从环境感知结果中排出一个或多个对象的信息,从而确定环境感知结果中的所有候选车辆的信息。通过这种方式,可以减少车辆之间相似度的计算,从而加快主车发现过程。
此外,在一些实施例中,不同的候选车辆可以使用不同类型的与车辆110相关的信息,并且不同类型的信息可以采用不同的方式来确定车辆110和候选车辆之间的相似度。如以上提及的,从环境感知结果中标识出与车辆110相关的信息至少包括两种不同类型的第一候选信息和第二候选信息。信息处理模块224可以使用不同的量化标准(为了方便描述,下文称为第一量化标准和第二量化标准)来分别计算第一候选信息和第一信息之间以及第二候选信息和第二信息之间的相似度(为了方便描述,下文称为第一相似度和第二相似度)。
通常,不同类型的信息具有不同的特性,因此为了将多维度的信息融合在一起计算相似度,需要针对不同类型的信息采用不同的量化标准进行量化。在一些实施例中,对于由多位符号组成的信息,例如,以车牌号为例,车牌号通常由一串字符或数字组成,车辆相似度确定模块222可以通过按位比较的方式来计算两个车辆之间的差异,从而计算两个车辆之间的相似度。以下示出了基于车牌号中的字符的数目与信息中的字符的编码值确定的车辆a与车辆b之间的相似度的一个示例:
其中ΔIDa-b表示车辆a和车辆b之间的车牌号差值,IDai表示车辆a的车牌号中的第i个字符的编码值,IDbi表示车辆b的车牌号中的第i个字符的编码值,并且车牌号中包括n个字符。公式(1)指示,针对车辆a和车辆b的车牌号中的每个字符,计算车辆a与车辆b该字符的编码值的差值的平方,然后按位相加,将相加后的结果用于指示车辆a和车辆b之间的车牌号差值,从而确定车辆a和车辆b之间的车牌号相似度。可以理解,还可以以其他方式确定两辆车之间在包含多位符号的信息上的相似度。
在一些实施例中,对于由1位符号组成的信息,例如,以车辆所占用的车道为例,车道号通常由1位数字组成,车辆相似度确定模块222可以通过采用两个车辆的车道之间的相邻程度来计算两个车辆之间的差异,从而计算两个车辆之间的相似度。以下示出了基于车道之间的相邻程度确定的车辆a与车辆b之间的相似度的一个示例:以4车道为例,车辆a在1车道,车辆b在3车道,车辆c在4车道,则车辆a与车辆b之间的车道差值可以量化为2,而车辆a与车辆c之间的车道差值可以量化为3,车辆b与车辆c之间的车道差值可以量化为1。由上述示例可知,使用0指示两辆车同车道、1指示两辆车为相邻车道、2指示两辆车间隔一个车道以及3指示两辆车间隔连个车道。可以理解,还可以以其他方式确定两辆车之间在1位符号的信息上的相似度,同时还可以以其他量化方式确定两辆车之间的相似度。
根据本公开的实施例,车辆相似度确定模块222可以在不同维度上使用不同的量化标准依次计算车辆110与环境感知结果中的各个候选车辆之间的相似度,从而得到在每一维度上的车辆110与环境感知结果中的每个候选车辆之间的相似度。然后,车辆相似度确定模块222可以将不同维度上的相似度进行融合以得到车辆110与环境感知结果中的每个候选车辆之间的总体相似度。
在一些实施例中,根据不同的量化标准计算得到的在不同维度上的相似度具有不同的数值量级。为了将不同维度上的相似度融合在一起从而得到一个总体相似度,需要对不同维度上的相似度进行归一化。以下示出了确定车辆A在D维度上与某车辆object[i]针对整个环境感知结果(为了方便描述,下文称为物体列表{object})的归一化相似度的一个示例:
其中N表示{object}中车辆的数量,ΔDmax是车辆A与所有车辆在D维度上的最大差值ΔD,ΔDmin是车辆A与所有车辆在D维度上的最小差值ΔD,ΔDA-i表示车辆A在D维度上与某车辆object[i]之间的差值。公式(2)指示,ΔDmax-ΔDmin表示误差区间,因此表示将ΔDA-i归一化为该误差区间上的一个差值,表示车辆A与物体列表{object}中的每个车辆在D维度上差值均值,因此表示车辆A与物体列表{object}中的每个车辆在D维度上的差值的均值方差,由于计算的是相似度,其为差值的倒数,因此根据公式(2)可以确定车辆A在D维度上与某车辆object[i]针对整个环境感知结果的归一化相似度。可以理解,还可以以其他方式确定两辆车之间在某一维度上的归一化相似度。
在一些实施例中,在确定出车辆110与环境感知结果中的每个候选车辆之间在各个维度上的归一化相似度之后,车辆相似度确定模块222可以将各个维度上的归一化相似度相叠加,从而得到车辆110与环境感知结果中的每个候选车辆之间的总体相似度。然后,环境感知结果中与车辆110之间的总体相似度最大的车辆即为车辆110。
通常,不同维度的信息具有不同的精确度,其取决于采集信息所使用的传感器。在对不同维度的信息进行融合时,考虑到不同信息的不同精确度,可以给不同类型的信息设置不同的影响因子(即权重)。在一些实施例中,车辆相似度确定模块222可以基于与车辆110相关的信息的类型,确定不同权重(为了方便描述,下文称为第一权重和第二权重)。以车牌号和车辆颜色为例,如果采集车牌号所使用的传感器精度比较高,则可以将车牌号的权重设置的较高,而如果采集车辆颜色所使用的传感器精度比较高,则可以将车辆颜色的权重设置的较高。可以理解,还可以以其他方式确定不同维度上的信息的权重。然后,车辆相似度确定模块222可以至少基于归一化的第一相似度、归一化的第二相似度、第一权重和第二权重确定车辆110与环境感知结果中的各个候选车辆之间的总体归一化相似度。以下示出了确定车辆A在所有维度上与某车辆object[i]的总体归一化相似度的一个示例:
其中M是考虑的维度数量,αd为在d维度上的影响因子。公式(3)指示,针对不同维度上的信息,具有不同的权重,车辆A在M个不同维度上与某车辆object[i]针对整个环境感知结果的归一化相似度的加权和的平均值,即为车辆A在所有维度上与某车辆object[i]的总体归一化相似度。可以理解,还可以以其他方式确定两辆车之间在所有维度上的总体归一化相似度。通过该方式,可以基于不同维度上的信息计算相似度,从而能够从环境感知结果中标识出与车辆110匹配的第一候选车辆。
在从环境感知结果中的一个或多个候选车辆中识别出与车辆110匹配的第一候选车辆之后,信息处理模块224可以删除或者忽略环境感知结果中与车辆110匹配的第一候选车辆相对应的感知结果,并且仅考虑其他环境感知结果。其他环境感知结果由车侧控制装置220中的驾驶控制模块225用于控制车辆110的驾驶行为。驾驶控制模块225可以在已知其他环境感知结果的基础上,利用各种自动驾驶策略来控制车辆110的驾驶行为。车辆110的驾驶行为可以包括车辆110的行驶路径、行驶方向、行驶速度等。驾驶控制模块225可以生成针对车辆110的驾驶行为的具体操作命令,诸如针对汽车的行驶系、转向系等的操作命令,使得车辆110根据这样的操作命令进行驾驶。操作命令例如可以是加速、减速、左转向、右转向、停车、鸣笛、打开或关闭车灯等等任何与车辆110的驾驶相关的命令。
在一些实施例中,在控制车辆110的驾驶行为时,驾驶控制模块225可以基于车外感知结果来确定环境100中的一个或多个物体(即障碍物)的行为预测。行为预测包括物体的预期运动轨迹、预期运动速度、预期运动方向等一个或多个方面。物体的行为预测对于车辆的自动驾驶控制而言也是有用的,因为车辆的自动驾驶控制往往需要判断车辆周围的物体即将如何运动,以便于采取相应的驾驶行为进行应对。在一些实施例中,驾驶控制模块225可以基于预先训练的预测模型来执行行为预测。这样的预测模型例如可以一个通用的行为预测模式,或者包括针对不同类型的物体的不同预测模型。驾驶控制模块225可以基于物体的行为预测来确定车辆110的驾驶行为。
在一些实施例中,在从环境感知结果中的一个或多个候选车辆中标识出与车辆110匹配的第一候选车辆后,信息处理模块224可以基于所识别的第一候选车辆的车辆信息,确定车辆110的部分相关信息。在控制车辆的驾驶行为时,除了其他环境感知结果之外,驾驶控制模块225还基于车辆110的位置来控制车辆的驾驶。通常,为了准确、安全的自动驾驶控制,期望获知车辆110的精确位置。在一个实施例中,车辆110可以配备有能够执行精确定位的传感器。在另一个实施例中,如以上讨论的,还可以通过与车辆110相关的车辆信息来标识与车辆110相匹配的第一候选车辆。因此,可以从所标识的第一候选车辆中获得车辆110的精确定位。以此方式,可以无需要求车辆110或者车侧控制装置220具备精确车载定位装置,即可获得车辆110的精确位置用于控制车辆110的驾驶行为,并且还可以对无定位能力的车辆110进行辅助定位。
以上已经描述了车侧控制装置220从路侧感知装置210获得环境感知结果,以从环境感知结果中的一个或多个候选车辆中标识出与车辆110匹配的候选车辆,并且控制车辆110的驾驶行为。在上述实施例中,车侧控制装置220从接收的环境感知结果中标识与车辆110相关的多个维度的信息,基于多维车辆信息进行相似度匹配来发现自身车辆,实现了高容错率和稳定性的主车发现系统。
在这样的实现下,可以不要求车辆110本身高精度的定位能力,就能够执行主车发现从而实现自动驾驶和辅助驾驶。车辆110可以在不具备车载定位装置的情况,或者在一些会出现定位偏差较大的地方,比如在隧道中,实现精确的主车发现。同时,还可以对无定位能力的车辆进行辅助定位。
图3示出了根据本公开实施例的用于辅助车辆的驾驶控制的过程300在示意性框图。过程300可以由图2的路侧感知装置210和车侧控制装置220协同实现。如以上所提及的,所接收到的环境感知结果包含整个环境中的所有物体相关的信息,在确定车辆110与候选车辆之间的相似度时,信息处理模块224可以从环境感知结果中排除一个或多个对象的信息,以确定被包括在环境感知结果中的、与预定范围内的一个或多个候选车辆相关的车辆信息,从而仅针对车辆计算相似度。过程300描述了由车侧控制装置220通过多维信息进行相似度匹配来发现自身车辆的具体实施例,其中已经从环境感知结果中确定出与预定范围内的一个或多个候选车辆相关的车辆信息,因此仅针对车辆进行相似度计算。可以理解,也可以针对环境感知结果中的所有物体进行相似度计算。
在过程300中,在310,路侧感知装置210感知环境中的所有物体。具体地,通过各种传感器105采用视觉或者其他方式检测和识别环境中的每个物体。多个传感器将其采集到的物体的相关信息发送给与其通信的路侧感知装置210。在320,路侧感知装置210识别和计算每个物体的相关信息,例如车辆的车牌号ID、类型T、尺寸LHW、颜色C、所在车道L、车辆行驶速度V、车辆位置XYZ等多维信息,从而得到与环境中预定范围内的所有物体相关的物体列表{object},并且将物体列表{object}广播给所有参与车路协同的车辆110的车侧控制装置220。在330,车侧控制装置220接收到物体列表{object}之后,遍历物体列表{object}中的所有车辆,计算车辆110与每个车辆object[i]之间的多维信息相似度。在340,车侧控制装置220将车辆110与每个车辆object[i]之间的多维信息相似度相融合得到车辆110在所有维度上与每个车辆object[i]之间的总体相似度。最后,在350,车侧控制装置220将计算得到的总体相似度最大的车辆object[max]标识为与车辆110匹配的候选车辆。
图4示出了根据本公开实施例的用于辅助车辆的驾驶控制的过程400的流程图。过程400可以由图2的路侧感知装置210和车侧控制装置220实现。过程400描述了由车侧控制装置220通过多维信息进行相似度匹配来发现自身车辆的具体实施例。与图3相同,在过程400中已经从环境感知结果中确定出与预定范围内的一个或多个候选车辆相关的车辆信息,因此仅针对车辆进行相似度计算。
在过程400中,框405,根据先验知识来确定所要使用的信息维度,针对每个维度的信息设置相应的量化标准,并且根据信息类型的精确度来设置相应的权重。在框410,路侧感知装置210检测识别环境中的每一个物体,并且计算每一个物体的多维信息,例如车辆的车牌号ID、类型T、尺寸LHW、颜色C、所在车道L、车辆行驶速度V、车辆位置XYZ等多维信息,从而得到物体列表{object},将物体列表{object}广播给所有参与车路协同的车辆。在415,车侧控制装置220接收到物体列表{object}之后,遍历物体列表{object}中的所有车辆,根据预先设置的量化标准计算车辆与每个车辆object[i]之间的每一维信息的归一化相似度。具体地,以车辆A为例,假设物体列表{object}中共有N个车辆,令i=1、max=1、SA-max=-INF(负的极大值)。在框420,车辆A从物体列表中的第一个车辆object[1]开始,依次计算车辆A与车辆object[i]之间的每一维信息的归一化相似度,然后在框425,使用公式(3)计算车辆A与车辆object[i]在多维信息上的总体相似度SA-i。在430,车侧控制装置220判断SA-max是否小于等于SA-i;如果是,则过程400进行到框435,使SA-max=SA-i、max=i;如果否,则过程400进行到框440,车侧控制装置220判断i是否等于N;如果是,则过程400进行到框445,表示已经遍历完物体列表中的所有车辆,此时车辆object[max]即为与车辆A匹配的候选车辆;如果否,则过程400进行到框450,表示还没有遍历完物体列表中的所有车辆,则使i=i+1并且过程400返回到框420,继续遍历在车辆object[i]之后的下一个车辆object[i+1]。
通过这种方式,可以通过多维车辆信息进行相似度匹配来发现自身车辆,降低对车辆本身的定位能力的要求,使得即使在某一维度的检测或识别上出现误差,也可以通过其他维度的相似度来修正结果,从而提高了主车发现系统的容错率和稳定性。
图5示出了根据本公开实施例的用于辅助车辆的驾驶控制的方法500的流程图。方法500可以由图2的车侧控制装置220实现。在框510,车侧控制装置220获取与目标车辆周围的环境相关的环境感知结果。环境感知结果至少包括与预定范围内的一个或多个候选车辆相关的车辆信息,车辆信息至少包括第一类型的第一候选信息和第二类型的第二候选信息,其中第一类型不同于所述第二类型。在框520,车侧控制装置220从通过将一个或多个候选车辆中的一个候选车辆的第一候选信息和第二候选信息分别和与目标车辆相关的第一信息和第二信息进行比较,来确定目标车辆与候选车辆之间的相似度。在框530,车侧控制装置220基于一个或多个候选车辆中的各个候选车辆的相似度,将一个或多个候选车辆中的第一候选车辆识别为目标车辆。
在一些实施例中,其中环境感知结果还包括除与预定范围内的一个或多个候选车辆相关的车辆信息之外的一个或多个对象的信息,方法500还包括:从环境感知结果中排除一个或多个对象的信息,以用于确定被包括在环境感知结果中的、与预定范围内的一个或多个候选车辆相关的车辆信息。
在一些实施例中,方法500还包括:通过从所接收到的环境感知结果中排除所识别的第一候选车辆的车辆信息以获得其他环境感知结果,以用于目标车辆的驾驶控制。
在一些实施例中,方法500还包括:基于所识别的第一候选车辆的车辆信息,确定目标车辆的相应车辆信息。
在一些实施例中,其中第一类型和第二类型是以下中的至少一项:车辆的车牌号、车辆类型、车辆位置、车辆大小、车辆颜色、车辆速度和车辆所在车道。
在一些实施例中,确定目标车辆与候选车辆之间的相似度包括:使用第一量化标准来计算一个或多个候选车辆中的一个候选车辆的第一候选信息和与目标车辆相关的第一信息之间的第一相似度;使用第二量化标准来计算一个或多个候选车辆中的一个候选车辆的第二候选信息和与目标车辆相关的第二信息之间的第二相似度;以及基于第一相似度和第二相似度,确定目标车辆与一个或多个候选车辆中的一个候选车辆之间的相似度。
在一些实施例中,方法500还包括:对第一相似度和第二相似度进行归一化。
在一些实施例中,确定目标车辆与所述一个或多个候选车辆中的一个候选车辆之间的相似度包括:基于第一类型确定第一权重;基于第二类型确定第二权重;以及至少基于归一化的第一相似度、归一化的第二相似度、第一权重和第二权重确定目标车辆与一个或多个候选车辆中的一个候选车辆之间的相似度。
图6示出了可以用来实施本公开的实施例的示例设备600的示意性框图。设备600可以用于实现图2的路侧感知装置210或车侧控制装置220。如图所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序指令或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序指令,来执行各种适当的动作和处理。在RAM603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601可以执行上文所描述的各个方法和处理,例如过程400或过程500。例如,在一些实施例中,过程400或过程500可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的过程400或过程500的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行过程400或过程500。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (19)
1.一种用于辅助车辆的驾驶控制的方法,包括:
获取与目标车辆周围的环境相关的环境感知结果,所述环境感知结果至少包括与预定范围内的一个或多个候选车辆相关的车辆信息,所述车辆信息至少包括第一类型的第一候选信息和第二类型的第二候选信息,其中所述第一类型不同于所述第二类型;
通过将所述一个或多个候选车辆中的一个候选车辆的所述第一候选信息和所述第二候选信息分别和与所述目标车辆相关的第一信息和第二信息进行比较,来确定所述目标车辆与所述候选车辆之间的相似度;以及
基于所述目标车辆与所述一个或多个候选车辆中的各个候选车辆的相似度,将所述一个或多个候选车辆中的第一候选车辆识别为所述目标车辆。
2.根据权利要求1所述的方法,其中所述环境感知结果还包括除与预定范围内的一个或多个候选车辆相关的车辆信息之外的一个或多个对象的信息,所述方法进一步包括:
从所述环境感知结果中排除所述一个或多个对象的信息,以用于确定被包括在所述环境感知结果中的、与预定范围内的一个或多个候选车辆相关的车辆信息。
3.根据权利要求1所述的方法,所述方法进一步包括:
通过从所接收到的所述环境感知结果中排除所识别的所述第一候选车辆的车辆信息以获得其他环境感知结果,以用于所述目标车辆的驾驶控制。
4.根据权利要求1所述的方法,所述方法进一步包括:
基于所识别的所述第一候选车辆的车辆信息,确定所述目标车辆的相应车辆信息。
5.根据权利要求1所述的方法,其中所述第一类型和所述第二类型是以下中的至少一项:所述车辆的车牌号、车辆类型、车辆位置、车辆大小、车辆颜色、车辆速度和车辆所在车道。
6.根据权利要求1所述的方法,其中确定所述目标车辆与所述候选车辆之间的相似度包括:
使用第一量化标准来计算所述一个或多个候选车辆中的一个候选车辆的所述第一候选信息和与目标车辆相关的第一信息之间的第一相似度;
使用第二量化标准来计算所述一个或多个候选车辆中的一个候选车辆的所述第二候选信息和与目标车辆相关的第二信息之间的第二相似度;以及
基于所述第一相似度和所述第二相似度,确定所述目标车辆与所述一个或多个候选车辆中的一个候选车辆之间的相似度。
7.根据权利要求6所述的方法,所述方法进一步包括:
对所述第一相似度和所述第二相似度进行归一化。
8.根据权利要求7所述的方法,其中确定所述目标车辆与所述一个或多个候选车辆中的一个候选车辆之间的相似度包括:
基于所述第一类型确定第一权重;
基于所述第二类型确定第二权重;以及
至少基于归一化的所述第一相似度、归一化的所述第二相似度、所述第一权重和所述第二权重确定所述目标车辆与所述一个或多个候选车辆中的一个候选车辆之间的相似度。
9.一种用于辅助车辆的驾驶控制的装置,包括:
通信模块,被配置为获取与目标车辆周围的环境相关的环境感知结果,所述环境感知结果至少包括与预定范围内的一个或多个候选车辆相关的车辆信息,所述车辆信息至少包括第一类型的第一候选信息和第二类型的第二候选信息,其中所述第一类型不同于所述第二类型;
车辆相似度确定模块,被配置为通过将所述一个或多个候选车辆中的一个候选车辆的所述第一候选信息和所述第二候选信息分别和与目标车辆相关的第一信息和第二信息进行比较,来确定所述目标车辆与所述候选车辆之间的相似度;以及
目标车辆识别模块,被配置为基于所述目标车辆与所述一个或多个候选车辆中的各个候选车辆的相似度,将所述一个或多个候选车辆中的第一候选车辆识别为所述目标车辆。
10.根据权利要求9所述的装置,其中所述环境感知结果还包括除与预定范围内的一个或多个候选车辆相关的车辆信息之外的一个或多个对象的信息,所述装置还包括信息处理模块,被配置为:
从所述环境感知结果中排除所述一个或多个对象的信息,以用于确定被包括在所述环境感知结果中的、与预定范围内的一个或多个候选车辆相关的车辆信息。
11.根据权利要求9所述的装置,还包括信息处理模块,被配置为:
通过从所接收到的所述环境感知结果中排除所述第一候选车辆的车辆信息以获得其他环境感知结果,以用于所述目标车辆的驾驶控制。
12.根据权利要求9所述的装置,还包括信息处理模块,被配置为:
基于所识别的所述第一候选车辆的车辆信息,确定所述目标车辆的相应车辆信息。
13.根据权利要求9所述的装置,其中所述第一类型和所述第二类型是以下中的至少一项:所述车辆的车牌号、车辆类型、车辆位置、车辆大小、车辆颜色、车辆速度和车辆所在车道。
14.根据权利要求9所述的装置,其中所述车辆相似度确定模块还被配置为:
使用第一量化标准来计算所述一个或多个候选车辆中的一个候选车辆的所述第一候选信息和与目标车辆相关的第一信息之间的第一相似度;
使用第二量化标准来计算所述一个或多个候选车辆中的一个候选车辆的所述第二候选信息和与目标车辆相关的第二信息之间的第二相似度;以及
基于所述第一相似度和所述第二相似度,确定所述目标车辆与所述一个或多个候选车辆中的一个候选车辆之间的相似度。
15.根据权利要求14所述的装置,其中所述车辆相似度确定模块还被配置为:
对所述第一相似度和所述第二相似度进行归一化。
16.根据权利要求15所述的装置,其中所述车辆相似度确定模块还被配置为:
基于所述第一类型确定第一权重;
基于所述第二类型确定第二权重;以及
至少基于所述第一相似度、所述第二相似度、所述第一权重和所述第二权重确定所述目标车辆与所述一个或多个候选车辆中的一个候选车辆之间的相似度。
17.一种电子设备,所述设备包括:
一个或多个处理器;以及
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,使得所述一个或多个处理器实现如权利要求1-8中任一项所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
19.一种车路协同系统,包括:
车侧控制装置,包括根据权利要求9-16中任一项所述的装置;
被布置在环境中并且独立于车辆的至少一个传感器,被配置为采集与所述环境相关的感知信息;以及
路侧感知装置,被配置为处理所述感知信息以确定与所述环境相关的环境感知结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910361427.7A CN110103953B (zh) | 2019-04-30 | 2019-04-30 | 用于辅助车辆的驾驶控制的方法、设备、介质和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910361427.7A CN110103953B (zh) | 2019-04-30 | 2019-04-30 | 用于辅助车辆的驾驶控制的方法、设备、介质和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110103953A true CN110103953A (zh) | 2019-08-09 |
CN110103953B CN110103953B (zh) | 2021-01-01 |
Family
ID=67487761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910361427.7A Active CN110103953B (zh) | 2019-04-30 | 2019-04-30 | 用于辅助车辆的驾驶控制的方法、设备、介质和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110103953B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781730A (zh) * | 2019-09-16 | 2020-02-11 | 北京踏歌智行科技有限公司 | 智能驾驶感知方法及感知装置 |
CN111079079A (zh) * | 2019-11-29 | 2020-04-28 | 北京百度网讯科技有限公司 | 数据修正方法、装置、电子设备及计算机可读存储介质 |
CN111177869A (zh) * | 2020-01-02 | 2020-05-19 | 北京百度网讯科技有限公司 | 传感器布局方案的确定方法、装置及设备 |
CN111479217A (zh) * | 2020-04-17 | 2020-07-31 | 新石器慧通(北京)科技有限公司 | 隧道内无人驾驶车辆的定位方法、系统和电子设备 |
CN111650604A (zh) * | 2020-07-02 | 2020-09-11 | 上海电科智能系统股份有限公司 | 利用精确定位实现自我车辆和周边障碍物精确探知的方法 |
CN111754798A (zh) * | 2020-07-02 | 2020-10-09 | 上海电科智能系统股份有限公司 | 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 |
CN111932883A (zh) * | 2020-08-13 | 2020-11-13 | 上海电科市政工程有限公司 | 一种利用路侧设备广播通信指导无人驾驶的方法 |
CN112418092A (zh) * | 2020-11-23 | 2021-02-26 | 中国第一汽车股份有限公司 | 一种障碍物感知的融合方法、装置、设备及储存介质 |
CN112541464A (zh) * | 2020-12-21 | 2021-03-23 | 北京百度网讯科技有限公司 | 关联道路对象的确定方法、装置、路侧设备和云控平台 |
CN112590669A (zh) * | 2020-12-04 | 2021-04-02 | 清华大学苏州汽车研究院(吴江) | 一种车辆匹配方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008046873A (ja) * | 2006-08-16 | 2008-02-28 | Toyota Motor Corp | 車両同定装置、位置算出装置 |
CN103946906A (zh) * | 2011-11-21 | 2014-07-23 | 丰田自动车株式会社 | 车辆确定装置 |
CN105389983A (zh) * | 2015-11-16 | 2016-03-09 | 北京握奇智能科技有限公司 | 基于车载单元和路侧单元的道路交通信息采集方法及系统 |
JP2017058889A (ja) * | 2015-09-15 | 2017-03-23 | トヨタ自動車株式会社 | 通信追従対象車特定装置 |
CN109416885A (zh) * | 2016-07-15 | 2019-03-01 | 哈曼国际工业有限公司 | 车辆识别方法和系统 |
-
2019
- 2019-04-30 CN CN201910361427.7A patent/CN110103953B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008046873A (ja) * | 2006-08-16 | 2008-02-28 | Toyota Motor Corp | 車両同定装置、位置算出装置 |
CN103946906A (zh) * | 2011-11-21 | 2014-07-23 | 丰田自动车株式会社 | 车辆确定装置 |
JP2017058889A (ja) * | 2015-09-15 | 2017-03-23 | トヨタ自動車株式会社 | 通信追従対象車特定装置 |
CN105389983A (zh) * | 2015-11-16 | 2016-03-09 | 北京握奇智能科技有限公司 | 基于车载单元和路侧单元的道路交通信息采集方法及系统 |
CN109416885A (zh) * | 2016-07-15 | 2019-03-01 | 哈曼国际工业有限公司 | 车辆识别方法和系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781730A (zh) * | 2019-09-16 | 2020-02-11 | 北京踏歌智行科技有限公司 | 智能驾驶感知方法及感知装置 |
CN110781730B (zh) * | 2019-09-16 | 2022-09-27 | 北京踏歌智行科技有限公司 | 智能驾驶感知方法及感知装置 |
CN111079079A (zh) * | 2019-11-29 | 2020-04-28 | 北京百度网讯科技有限公司 | 数据修正方法、装置、电子设备及计算机可读存储介质 |
CN111079079B (zh) * | 2019-11-29 | 2023-12-26 | 北京百度网讯科技有限公司 | 数据修正方法、装置、电子设备及计算机可读存储介质 |
CN111177869A (zh) * | 2020-01-02 | 2020-05-19 | 北京百度网讯科技有限公司 | 传感器布局方案的确定方法、装置及设备 |
CN111177869B (zh) * | 2020-01-02 | 2023-09-01 | 北京百度网讯科技有限公司 | 传感器布局方案的确定方法、装置及设备 |
CN111479217B (zh) * | 2020-04-17 | 2022-03-04 | 新石器慧通(北京)科技有限公司 | 隧道内无人驾驶车辆的定位方法、系统和电子设备 |
CN111479217A (zh) * | 2020-04-17 | 2020-07-31 | 新石器慧通(北京)科技有限公司 | 隧道内无人驾驶车辆的定位方法、系统和电子设备 |
CN111650604A (zh) * | 2020-07-02 | 2020-09-11 | 上海电科智能系统股份有限公司 | 利用精确定位实现自我车辆和周边障碍物精确探知的方法 |
CN111754798A (zh) * | 2020-07-02 | 2020-10-09 | 上海电科智能系统股份有限公司 | 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 |
CN111932883A (zh) * | 2020-08-13 | 2020-11-13 | 上海电科市政工程有限公司 | 一种利用路侧设备广播通信指导无人驾驶的方法 |
CN112418092A (zh) * | 2020-11-23 | 2021-02-26 | 中国第一汽车股份有限公司 | 一种障碍物感知的融合方法、装置、设备及储存介质 |
CN112590669A (zh) * | 2020-12-04 | 2021-04-02 | 清华大学苏州汽车研究院(吴江) | 一种车辆匹配方法及装置 |
CN112541464A (zh) * | 2020-12-21 | 2021-03-23 | 北京百度网讯科技有限公司 | 关联道路对象的确定方法、装置、路侧设备和云控平台 |
Also Published As
Publication number | Publication date |
---|---|
CN110103953B (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110103953A (zh) | 用于辅助车辆的驾驶控制的方法、设备、介质和系统 | |
EP3627471B1 (en) | Method and device for assisting in controlling automatic driving of vehicle, and system | |
CN104203702B (zh) | 检测车道标记 | |
CN110471411A (zh) | 自动驾驶方法和自动驾驶装置 | |
CN110928286B (zh) | 用于控制车辆的自动驾驶的方法、设备、介质和系统 | |
CN108137052A (zh) | 驾驶控制装置、驾驶控制方法和程序 | |
CN108137050A (zh) | 驾驶控制装置、驾驶控制方法和程序 | |
CN105676251A (zh) | 车辆乘客识别 | |
CN108025742A (zh) | 使用电极的自动驾驶车辆人类驾驶员接管机制 | |
CN110208739A (zh) | 辅助车辆定位的方法、装置、设备和计算机可读存储介质 | |
CN109064763A (zh) | 自动驾驶车辆的测试方法、装置、测试设备和存储介质 | |
US11110932B2 (en) | Methods and systems for predicting object action | |
CN111398989A (zh) | 驾驶辅助系统的性能分析方法和测试设备 | |
CN110103952A (zh) | 辅助车辆驾驶的方法、设备、介质和系统 | |
US11698640B2 (en) | Method and apparatus for determining turn-round path of vehicle, device and medium | |
US20210237737A1 (en) | Method for Determining a Lane Change Indication of a Vehicle | |
GB2609060A (en) | Machine learning-based framework for drivable surface annotation | |
US20230205202A1 (en) | Systems and Methods for Remote Status Detection of Autonomous Vehicles | |
CN106570451A (zh) | 在镜像或反射表面内的自主车辆的自识别 | |
US11328595B1 (en) | Parking recognition server for personal mobility device, system including the same, and method thereof | |
US20220379928A1 (en) | Trajectory consistency measurement for autonomous vehicle operation | |
CN116724214A (zh) | 用于生成用于自主车辆的导航的感兴趣区域的车道级地图的方法和系统 | |
CN117320945A (zh) | 用于确定自主车辆控制中的运动预测的运动模型的方法和系统 | |
US10552692B2 (en) | Color learning | |
CN116185019A (zh) | 无人公交系统控制方法、装置、计算机设备和存储介质 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211014 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 100094 2 / F, baidu building, No.10 Shangdi 10th Street, Haidian District, Beijing Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |