CN110377027A - 无人驾驶感知方法、系统、装置和存储介质 - Google Patents
无人驾驶感知方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- CN110377027A CN110377027A CN201910480234.3A CN201910480234A CN110377027A CN 110377027 A CN110377027 A CN 110377027A CN 201910480234 A CN201910480234 A CN 201910480234A CN 110377027 A CN110377027 A CN 110377027A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- environmental information
- map data
- automatic driving
- roadbed
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种无人驾驶感知方法、系统、装置、设备和存储介质,终端通过接收路基感知设备发送的定位地图数据,并获取车辆环境信息,进而根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶,使得无人驾驶车辆是根据路基传感器获发送的定位地图数据,和车辆环境信息,共同规划无人驾驶车辆行驶的,避免了完全根据车辆上安装的传感器获取的数据,来规划无人驾驶车辆行驶得到情况,从而可以减少车辆上安装的传感器的数量,或降低车辆上安装的传感器的精度,从而降低了规划无人驾驶车辆行驶路径的成本。
Description
技术领域
本发明涉及无人驾驶技术领域,特别是涉及了一种无人驾驶感知方法、系统、装置和存储介质。
背景技术
无人驾驶车辆,又称自动驾驶汽车,是一种通过电脑系统实现无人驾驶的智能汽车。无人驾驶车辆依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让车辆可以在没有任何人类主动的操作下,自动安全地操作机动车辆。在车辆行驶过程中,无人驾驶车辆需要通过感知系统了解周围的交通状况,根据行驶路线上的道路和交通状况进行导航,以保证车辆的安全、正常行驶。
现有的无人驾驶车辆的感知系统,通常是安装在无人驾驶车辆上的各类高精传感器(摄像头、红外装置、激光雷达、毫米波雷达等)和计算装置组成的感知系统,通过上述传感器获取车辆周围的环境信息,并根据环境信息控制车辆行驶。
然而,由于安装在车辆上的传感器多为高精度传感器,且车辆数量庞大,感知系统的成本高。
发明内容
基于此,有必要针对感知系统成本高的问题,提供一种无人驾驶感知方法、系统和存储介质。
第一方面,一种无人驾驶感知方法,该方法包括:
接收路基感知设备发送的定位地图数据;
获取车辆环境信息;
根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。
在其中一个实施例中,上述根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶,包括:
根据定位地图数据规划无人驾驶车辆在远场区域的行驶。
在其中一个实施例中,上述根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶,包括:
根据定位地图数据和车辆环境信息规划无人驾驶车辆在近场区域的行驶。
在其中一个实施例中,该方法还包括:
获取无人驾驶车辆的位置信息;
则根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶,包括:
根据定位地图数据、位置信息和车辆环境信息规划无人驾驶车辆行驶。
在其中一个实施例中,上述获取车辆环境信息,包括:
通过车辆传感器获取车辆环境信息,车辆传感器包括激光雷达传感器、毫米波雷达传感器和摄像头传感器中的至少一个。
第二方面,一种无人驾驶感知方法,该方法包括:
获取路基环境信息;
根据路基环境信息生成定位地图数据;
广播定位地图数据。
第三方面,一种无人驾驶感知系统,该系统包括:路基感知设备和无人驾驶车辆;路基感知设备与无人驾驶车辆通信连接;路基感知设备用于执行如上述第二方面的无人驾驶感知方法,无人驾驶车辆用于执行如上述第一方面任一项的无人驾驶感知方法。
在其中一个实施例中,上述无人驾驶车辆包括:接收装置、车辆传感器和规划装置;规划装置分别与接收装置和车辆传感器连接;
接收装置用于接收定位地图数据,并将定位地图数据发送至控制装置;
车辆传感器用于获取车辆环境信息,并将车辆环境信息发送至规划装置;
规划装置用于根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。
在其中一个实施例中,上述路基感知设备包括路基传感器和计算装置;一个计算装置与多个路基传感器连接;
路基传感器用于获取路基环境信息,并将路基环境信息发送给计算装置;
计算装置用于对路基环境信息中各对象进行感知处理,获得感知信息,并将感知信息融合至高精地图中,生成定位地图数据。
第四方面,一种无人驾驶感知装置,该装置包括:
接收模块,用于接收路基感知设备发送的定位地图数据;
第一获取模块,用于获取车辆环境信息;
规划模块,用于根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。
第五方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述无人驾驶感知方法所述的方法步骤。
第六方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述无人驾驶感知方法所述的方法步骤。
上述无人驾驶感知方法、系统、装置、设备和存储介质,终端通过接收路基感知设备发送的定位地图数据,并获取车辆环境信息,进而根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶,使得无人驾驶车辆是根据路基传感器获发送的定位地图数据,和车辆环境信息,共同规划无人驾驶车辆行驶的,避免了完全根据车辆上安装的传感器获取的数据,来规划无人驾驶车辆行驶得到情况,从而可以减少车辆上安装的传感器的数量,或降低车辆上安装的传感器的精度,从而降低了规划无人驾驶车辆行驶路径的成本。
附图说明
图1为一个实施例中无人驾驶感知方法的应用环境的示意图;
图2为一个实施例中无人驾驶感知方法的流程示意图;
图2a为一个实施例中远场区域和近场区域的示意图;
图3为另一个实施例中无人驾驶感知方法的流程示意图;
图4为另一个实施例中无人驾驶感知方法的流程示意图;
图5为一个实施例中无人驾驶感知系统的结构示意图;
图6为另一个实施例中无人驾驶感知系统的结构示意图;
图7为一个实施例中提供的无人驾驶感知装置的结构示意图;
图8为另一个实施例中提供的无人驾驶感知装置的结构示意图;
图9为一个实施例中计算机设备的内部结构图。
附图标记说明
100、路基感知设备;101、路基传感器;
102、计算装置;20、无人驾驶车辆;
201、接收装置;202、车辆传感器;
203、规划装置。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
本实施例提供的无人驾驶感知方法,可以适用于如图1所示的应用环境中。其中,路基感知设备100与无人驾驶车辆200通讯连接。
图2为一个实施例中无人驾驶感知方法的流程示意图,本实施例涉及的是如何根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶的具体过程,如图2所示,该方法包括:
S101、接收路基感知设备发送的定位地图数据。
具体地,路基环境信息可以是路基传感器周围的环境信息,该环境信息可以包括路基传感器周围的道路、行人、车辆、障碍物等对象信息。定位地图数据可以是根据路基环境信息生成的地图数据,该地图数据中可以包括上述路基环境信息各对象。路基感知设备可以包括1个路基感知设备,也可以包括多个路基感知设备,本申请实施例对此不做限制。其中,路基感知设备可以包括设置在道路两侧的路基传感器,其可以在道路两侧设置铁塔,将路基传感架设在铁塔上,通过路基传感器扫描获得路基环境信息。路基感知设备可以包括1个路基传感器,也可以包括多个路基传感器,本申请实施例对此不做限制。当路基感知设备包括多个路基传感器时,可以将多个路基传感器设置在一个铁塔上,也可以是将多个路基传感器设置在多个铁塔上,本申请实施例对此不做限制。在获取了路基环境信息后,路基感知设备可以根据路基环境信息,生成定位地图数据。其可以是将路基环境信息中的各对象坐标统一在一个坐标系下,生成定位地图数据。
S102、获取车辆环境信息。
具体地,车辆环境信息可以是无人驾驶车辆周围的环境信息,该环境信息可以包括无人驾驶车辆周围的道路、行人、车辆、障碍物等对象信息。可以安装在无人驾驶车辆上的车辆传感器获得车辆环境信息,其中,车辆传感器可以安装在无人驾驶车辆上,其可以安装在无人驾驶车辆的顶部,也可以安装在无人驾驶车辆的侧面,本申请实施例对此不做限制。一般而言,路基传感器的精度高于车辆传感器的精度,传感器精度可以是指测量观测结果、计算值或估计值与真值(或被认为是真值)之间的接近程度,精度越高,则测量观测结果、计算值或估计值与真值之间的接近程度越高。
S103、根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。
具体地,在获得定位地图数据和车辆环境信息时,终端可以根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。在上述实施例的基础上,路基感知设备发送定位地图数据时,是通过预设频段将定位地图数据发送出去。相应的,终端接收该定位地图数据时,可以是在上述预设频段接收该定位地图数据的。例如,路基感知设备通过100-105MHz的频段发送定位地图数据,在接收该定位地图数据时,通过100-105MHz的频段接收该定位地图数据。在具体接收定位地图数据时,可以在预设的订阅距离内接收定位地图数据,预设的订阅距离内可以存在一个定位地图数据,也可以存在多个定位地图数据,本申请实施例对此不做限制。当预设的订阅距离内存在一个定位地图数据时,则接收该定位地图数据;若预设的订阅距离内存在多个定位地图数据时,可以同时接收多个定位地图数据,也可以是根据距离,选择一个定位地图数据来接收,本申请实施例对此不做限制。无人驾驶车辆可以通过车辆传感器获取车辆环境信息,接收上述定位地图数据,并根据车辆环境信息和上述定位地图数据控制车辆行驶。接收到定位地图数据时,也就是获取到路基环境信息中多个对象在地图坐标系中的坐标,进而可以根据无人驾驶车辆在地图坐标系中的位置,和无人驾驶车辆获得的车辆环境信息中各对象的坐标,控制无人驾驶车辆沿道路的坐标行驶,并躲避行人、车辆和障碍物的坐标。
上述无人驾驶感知方法、系统、装置、设备和存储介质,终端通过接收路基感知设备发送的定位地图数据,并获取车辆环境信息,进而根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶,使得无人驾驶车辆是根据路基传感器获发送的定位地图数据,和车辆环境信息,共同规划无人驾驶车辆行驶的,避免了完全根据车辆上安装的传感器获取的数据,来规划无人驾驶车辆行驶得到情况,从而可以减少车辆上安装的传感器的数量,或降低车辆上安装的传感器的精度,从而降低了规划无人驾驶车辆行驶路径的成本。
可选地,根据定位地图数据规划无人驾驶车辆在远场区域的行驶。
具体地,远场区域可以是距离无人驾驶车辆的距离在预设范围内的区域,其可以是距离无人驾驶车辆的距离大于预设阈值的区域,也可以是距离无人驾驶车辆的距离大于第一预设阈值,且小于第二预设阈值的区域,本申请实施例对此不做限制。例如,如图2a所示,距离无人驾驶车辆距离大于500米且小于 800米的区域为远场区域。远场区域可以随着无人驾驶车辆位置的变化而变化。
在上述实施例的基础上,当终端接收到定位地图数据后,可以根据定位地图数据中各对象的坐标,规划无人驾驶车辆在远场区域的行驶。例如,继续以图2a为例,在定位地图数据中,距离无人驾驶车辆间隔600米处,在该无人驾驶车辆行驶的车道存在一个障碍物,则,终端可以控制无人驾驶车辆继续保持原车速行驶,在距离上述障碍物300米时,控制车辆变换车道行驶。
可选地,根据定位地图数据和车辆环境信息规划无人驾驶车辆在近场区域的行驶。
其中,近场区域可以是距离无人驾驶车辆较近的区域,近场区域可以是距离无人驾驶车辆的距离小于预设阈值的区域。例如,继续如图2a所示,距离无人驾驶车辆距离小于500米的区域为近场区域。近场区域可以随着无人驾驶车辆位置的变化而变化。在上述实施例的基础上,终端接收到定位地图数据和车辆环境信息后,可以根据定位地图数据中各对象的坐标,及车辆环境信息中各对象的坐标,控制无人驾驶车辆在近场区域的行驶。例如,继续以图2a为例,在定位地图数据中,距离无人驾驶车辆间隔100米处,该无人驾驶车辆行驶的车道存在一个行人;在车辆环境信息,距离无人驾驶车辆间隔80米处,其他车道存在障碍物,则可以控制无人驾驶车辆制动,躲避行人和障碍物。需要说明的是,在控制无人驾驶车辆在近场区域的行驶过程中,车辆环境信息的优先级高于定位地图数据。
在上述实施例的基础上,在对无人驾驶车辆的行驶进行规划时,还可以根据无人驾驶车辆的位置信息规划无人驾驶车辆的行驶。图3为另一个实施例中无人驾驶感知方法的流程示意图,本实施例涉及的是如何根据无人驾驶车辆的位置信息规划无人驾驶车辆行驶的具体过程,如图3所示,该方法包括:
S201、获取无人驾驶车辆的位置信息。
具体地,无人驾驶车辆的位置信息用于表示该无人驾驶汽车的具体位置,位置信息可以用该无人驾驶车辆的坐标表示,其可以是地球坐标系下的坐标,即经度纬度;也可以是自定义感知系统坐标系下的坐标,本申请实施例对此不做限制。终端可以通过GPS信号确定无人驾驶车辆的位置信息,也可以通过获取多个基站信号获取无人驾驶车辆的位置信息,本申请实施例对此不做限制。
S202、根据定位地图数据、位置信息和车辆环境信息规划无人驾驶车辆行驶。
具体地,在上述实施例的基础上,当接收到定位地图数据、无人驾驶车辆的位置信息和车辆环境信息时,根据定位地图数据、车辆环境信息和车辆的位置信息规划无人驾驶车辆行驶。当接收到定位地图数据时,也就是获取到多个对象在地图坐标系中的坐标;获取车辆环境信息,也就是获取了车辆周围各对象的坐标;同时,终端还获得了无人驾驶车辆在定位地图数据中的坐标,也就是说,可以通过规划无人驾驶车辆在定位地图数据中的坐标,使其不接触行人、车辆和障碍物,且在道路的坐标范围内沿预设的方向移动,即规划了无人驾驶车辆的行驶。在具体的规划无人驾驶车辆行驶的过程中,可以根据定位地图数据和位置信息,规划无人驾驶车辆在远场区域的行驶;也可以是根据定位地图数据、位置信息和车辆环境信息,控制无人驾驶车辆在近场区域内的行驶;本申请实施例对此不做限制。
上述无人驾驶感知方法,终端通过获取无人驾驶车辆的位置信息,并根据定位地图数据、位置信息和车辆环境信息规划无人驾驶车辆行驶,使得在规划无人驾驶车辆行驶的过程中,不仅是根据定位地图数据和车辆环境信息来进行规划的,同时还将无人驾驶车辆的位置信息作为规划的条件,也即是说,无人驾驶车辆的规划路径中包括了无人驾驶车辆的位置信息,提升了无人驾驶车辆的规划路径的安全性。
可选地,通过车辆传感器获取车辆环境信息,车辆传感器包括激光雷达传感器、毫米波雷达传感器和摄像头传感器中的至少一个。
具体地,车辆传感器可以是一个或多个同一类传感器,也可以是多个不同类的传感器,本申请实施例对此不做限制。例如,车辆传感器可以是一个激光雷达传感器,也可以是一个毫米波雷达传感器,还可以是一个摄像头传感器。进一步地,车辆传感器可以是多个激光雷达传感器,也可以是多个毫米波雷达传感器,还可以是多个摄像头传感器。再进一步地,车辆传感器可以是一个激光雷达传感器和一个毫米波雷达传感,也可以是一个激光雷达传感器和多个毫米波雷达传感器,还可以是一个毫米波雷达传感器和多个摄像头传感器,本申请实施例对此不做限制。
上述实施例重点描述了终端如何根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶的具体过程,下面将重点描述终端是如何获得定位地图数据的。
图4为一个实施例中无人驾驶感知方法的流程示意图,实施例涉及的是路基感知设备如何获得定位地图数据的具体过程,如图4所示,该方法包括:
S301、获取路基环境信息。
具体地,可以通过路基传感器来获取路基环境信息,其中,路基传感器可以包括激光雷达传感器、毫米波雷达传感器和摄像头传感器中的至少一个。
S302、根据路基环境信息生成定位地图数据。
具体的,终端可以对路基环境信息进行感知处理,生成定位地图数据。感知处理可以是将环境信息中各对象识别出来的处理,环境信息经过感知处理后得到的信息,其可以明确环境信息中的各对象是什么,及各对象的位置信息。其中,环境信息中的各对象可以是以扫描云图的形式呈现的,通过感知处理可以确定该扫描云图中各对象是什么,及该对象在扫描云图中的具体位置。例如,环境信息是以点云云图的形式出现的,该点云云图中可以包括多个对象的点云数据,各点云数据的边界不清楚,通过感知处理,获取各对象对应的点云数据的边界,以识别出各对象是什么,并根据该边界,确定各对象的具体位置。进一步假设,点云云图中包括3个区域,通过感知处理,获取3个区域的边界,识别该3个区域分别对应1个行人和2个车辆,进而根据1个行人和2个车辆对应的区域,确定1个行人和2个车辆的具体位置。在具体的根据路基环境信息进行感知处理的过程中,可以一次对一个路基环境信息进行感知处理,获得该路基环境信息中各对象对应的信息,进而对其他路基环境信息进行感知处理,修正上述各对象对应的信息;也可以是对多个路基环境信息中的同一对象进行感知处理,获得该对象的信息,进而对多个环境信息中的其他对象进行感知处理,获得其他对象的信息;还可以是将路基环境信息输入预设的感知处理模型中,通过深度学习,得到路基环境信息中各对象的信息,本申请实施例对此不做限制。在获得路基环境信息中各对象的信息时,还可以将路基环境信息中各对象的信息融合至地图数据中,得到定位地图数据。例如,可以将路基环境信息中各对象的信息融合至高精地图数据中,得到定位地图数据。高精地图可以是详细的标注出来道路上的具体车道,车道线的宽度和长短,路灯位置等信息的地图,可以理解为把一个现实世界的道路完全矢量化的地图,高精地图中可以包括多个地图元素,各地图元素的对应的坐标数据的精度高,误差小,一般来说,普通导航地图的精度误差在10-15米左右,包含的对象也十分单一;而高精度地图的精度误差在15-20厘米以内,且可以详细的标注出来各对象。定位地图数据是将上述路基环境信息中各对象的坐标,转换至高精度地图坐标系下的坐标,获得加入了路基环境信息中各对象的新的高精度地图,即为定位地图数据。在上述实施例的基础上,终端可以同时获得路基环境信息中各对象的信息,也可以分别获得路基环境信息中各对象的信息。则在将路基环境信息中各对象的信息融合到高精地图的过程中,可以同时将各对象的信息融合至高精地图中,以获得定位地图数据;也可以分别将各对象的信息融合至高精地图中,以获得定位地图数据;本申请实施例对此不做限制。
S303、广播定位地图数据。
上述无人驾驶感知方法,终端通过获取路基环境信息,并根据路基环境信息生成定位地图数据,并广播定位地图数据,使得定位地图数据是通过广播的方式发送出去的,进而使得在广播范围内的多个无人驾驶车辆可以根据定位地图数据规划无人驾驶车辆的行驶,进而使得无人驾驶感知方法能够更加广泛的应用到多个无人驾驶车辆的行驶上,避免了一个无人驾驶车辆根据一个定位地图数据规划其行驶的情况,进而降低了规划无人驾驶车辆行驶路径的成本。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示,依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请实施例还提供了一种无人驾驶感知系统,图1为一个实施例中无人驾驶感知系统的结构示意图,如图1所示,该无人驾驶感知系统包括:路基感知设备100和无人驾驶车辆200;路基感知设备100与无人驾驶车辆200通信连接;路基感知设备100用于执行如图4所示无人驾驶感知方法,无人驾驶车辆用于执行如图2或图3所示的无人驾驶感知方法。
本申请实施例提供的无人驾驶感知系统,可以执行上述图2-4任一项实施例所示的方法实施例,其实现原理和技术效果类似,在此不再赘述。
图5为另一个实施例中无人驾驶感知系统的结构示意图,在图1所示实施例的基础上,如图5所示,无人驾驶车辆200包括接收装置201、车辆传感器202和规划装置203;规划装置203分别与接收装置201和车辆传感器202连接;
接收装置201用于接收定位地图数据,并将定位地图数据发送至控制装置 203;
车辆传感器202用于获取车辆环境信息,并将车辆环境信息发送至规划装置203;
规划装置203用于根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。
本申请实施例提供的无人驾驶感知系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图6为另一个实施例中无人驾驶感知系统的结构示意图,在图1或图5所示实施例的基础上,如图6所示,上述路基感知设备100包括路基传感器101 和计算装置102;一个计算装置102与多个路基传感器101连接;
路基传感器101用于获取路基环境信息,并将路基环境信息发送给计算装置102;
计算装置102用于对路基环境信息中各对象进行感知处理,获得感知信息,并将感知信息融合至高精地图中,生成定位地图数据。
本申请实施例提供的无人驾驶感知系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图7为一个实施例中提供的无人驾驶感知装置的结构示意图,如图7所示,该无人驾驶感知装置包括:接收模块10、第一获取模块20和规划模块30,其中:
接收模块10,用于接收路基感知设备发送的定位地图数据;
第一获取模块20,用于获取车辆环境信息;
规划模块30,用于根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。
在一个实施例中,规划模块30具体用于根据定位地图数据规划无人驾驶车辆在远场区域的行驶。
在一个实施例中,规划模块30具体用于根据定位地图数据和车辆环境信息规划无人驾驶车辆在近场区域的行驶。
在一个实施例中,第一获取模块20,还用于获取无人驾驶车辆的位置信息;
规划模块30还用于根据定位地图数据、位置信息和车辆环境信息规划无人驾驶车辆行驶。
在一个实施例中,第一获取模块20具体用于通过车辆传感器获取车辆环境信息,车辆传感器包括激光雷达传感器、毫米波雷达传感器和摄像头传感器中的至少一个。
本发明实施例提供的无人驾驶感知装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图8为一个实施例中提供的无人驾驶感知装置的结构示意图,如图8所示,无人驾驶感知装置还包括:第二获取模块40,生成模块50和广播模块60,其中:
第二获取模块40,用于获取路基环境信息;
生成模块50,用于根据路基环境信息生成定位地图数据;
广播模块60,用于广播定位地图数据。
本发明实施例提供的无人驾驶感知装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于一种无人驾驶感知装置的具体限定可以参见上文中对无人驾驶感知方法的限定,在此不再赘述。上述无人驾驶感知装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端设备,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种无人驾驶感知方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种终端设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收路基感知设备发送的定位地图数据;
获取车辆环境信息;
根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据定位地图数据规划无人驾驶车辆在远场区域的行驶。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据定位地图数据和车辆环境信息规划无人驾驶车辆在近场区域的行驶。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取无人驾驶车辆的位置信息;根据定位地图数据、位置信息和车辆环境信息规划无人驾驶车辆行驶。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过车辆传感器获取车辆环境信息,车辆传感器包括激光雷达传感器、毫米波雷达传感器和摄像头传感器中的至少一个。
本实施例提供的终端设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种终端设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取路基环境信息;
根据路基环境信息生成定位地图数据;
广播定位地图数据。
本实施例提供的终端设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收路基感知设备发送的定位地图数据;
获取车辆环境信息;
根据定位地图数据和车辆环境信息规划无人驾驶车辆行驶。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:根据定位地图数据规划无人驾驶车辆在远场区域的行驶。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据定位地图数据和车辆环境信息规划无人驾驶车辆在近场区域的行驶。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:获取无人驾驶车辆的位置信息;根据定位地图数据、位置信息和车辆环境信息规划无人驾驶车辆行驶。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:通过车辆传感器获取车辆环境信息,车辆传感器包括激光雷达传感器、毫米波雷达传感器和摄像头传感器中的至少一个。
本实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取路基环境信息;
根据路基环境信息生成定位地图数据;
广播定位地图数据。
本实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM (EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM (SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种无人驾驶感知方法,其特征在于,所述方法包括:
接收路基感知设备发送的定位地图数据;
获取车辆环境信息;
根据所述定位地图数据和所述车辆环境信息规划无人驾驶车辆行驶。
2.根据权利要求1所述方法,其特征在于,所述根据所述定位地图数据和所述车辆环境信息规划无人驾驶车辆行驶,包括:
根据所述定位地图数据规划所述无人驾驶车辆在远场区域的行驶。
3.根据权利要求1所述方法,其特征在于,所述根据所述定位地图数据和所述车辆环境信息规划无人驾驶车辆行驶,包括:
根据所述定位地图数据和所述车辆环境信息规划所述无人驾驶车辆在近场区域的行驶。
4.根据权利要求1-3任一项所述方法,其特征在于,所述方法还包括:
获取所述无人驾驶车辆的位置信息;
则所述根据所述定位地图数据和所述车辆环境信息规划无人驾驶车辆行驶,包括:
根据所述定位地图数据、所述位置信息和所述车辆环境信息规划所述无人驾驶车辆行驶。
5.根据权利要求1-3任一项所述方法,其特征在于,所述获取车辆环境信息,包括:
通过车辆传感器获取所述车辆环境信息,所述车辆传感器包括激光雷达传感器、毫米波雷达传感器和摄像头传感器中的至少一个。
6.一种无人驾驶感知方法,其特征在于,所述方法包括:
获取路基环境信息;
根据所述路基环境信息生成定位地图数据;
广播所述定位地图数据。
7.一种无人驾驶感知系统,其特征在于,所述系统包括:路基感知设备和无人驾驶车辆;所述路基感知设备与所述无人驾驶车辆通信连接;所述路基感知设备用于执行如权利要求6所述的自动驾驶感知方法,所述无人驾驶车辆用于执行如权利要求1-5任一项所述的自动驾驶感知方法。
8.根据权利要求7所述系统,其特征在于,所述无人驾驶车辆包括:接收装置、车辆传感器和规划装置;所述规划装置分别与所述接收装置和所述车辆传感器连接;
所述接收装置用于接收定位地图数据,并将所述定位地图数据发送至所述控制装置;
所述车辆传感器用于获取车辆环境信息,并将所述车辆环境信息发送至所述规划装置;
所述规划装置用于根据所述定位地图数据和所述车辆环境信息规划所述无人驾驶车辆行驶。
9.根据权利要求7所述系统,其特征在于,所述路基感知设备包括路基传感器和计算装置;一个所述计算装置与多个所述路基传感器连接;
所述路基传感器用于获取路基环境信息,并将所述路基环境信息发送给所述计算装置;
所述计算装置用于对所述路基环境信息中各对象进行感知处理,获得感知信息,并将所述感知信息融合至高精地图中,生成所述定位地图数据。
10.一种无人驾驶感知装置,其特征在于,所述装置包括:
接收模块,用于接收路基感知设备发送的定位地图数据;
第一获取模块,用于获取车辆环境信息;
规划模块,用于根据所述定位地图数据和所述车辆环境信息规划无人驾驶车辆行驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910480234.3A CN110377027A (zh) | 2019-06-04 | 2019-06-04 | 无人驾驶感知方法、系统、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910480234.3A CN110377027A (zh) | 2019-06-04 | 2019-06-04 | 无人驾驶感知方法、系统、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110377027A true CN110377027A (zh) | 2019-10-25 |
Family
ID=68249692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910480234.3A Pending CN110377027A (zh) | 2019-06-04 | 2019-06-04 | 无人驾驶感知方法、系统、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377027A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110913335A (zh) * | 2019-12-03 | 2020-03-24 | 三一重工股份有限公司 | 自动引导车感知定位方法、装置、服务器及自动引导车 |
CN113744360A (zh) * | 2021-08-12 | 2021-12-03 | 的卢技术有限公司 | 一种高精地图数据自动生成道路元素网格的方法和系统 |
CN114091626A (zh) * | 2022-01-19 | 2022-02-25 | 浙江吉利控股集团有限公司 | 真值检测方法、装置、设备及存储介质 |
CN114323040A (zh) * | 2021-11-18 | 2022-04-12 | 鄂尔多斯市普渡科技有限公司 | 一种无人驾驶车辆的定位方法 |
CN114761761A (zh) * | 2020-03-16 | 2022-07-15 | 华为技术有限公司 | 信息获取方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105446338A (zh) * | 2015-12-21 | 2016-03-30 | 福州华鹰重工机械有限公司 | 云辅助自动驾驶方法及系统 |
CN108010360A (zh) * | 2017-12-27 | 2018-05-08 | 中电海康集团有限公司 | 一种基于车路协同的自动驾驶环境感知系统 |
CN108182817A (zh) * | 2018-01-11 | 2018-06-19 | 北京图森未来科技有限公司 | 自动驾驶辅助系统、路侧端辅助系统和车载端辅助系统 |
CN108417087A (zh) * | 2018-02-27 | 2018-08-17 | 浙江吉利汽车研究院有限公司 | 一种车辆安全通行系统及方法 |
CN108961749A (zh) * | 2018-07-12 | 2018-12-07 | 南方科技大学 | 一种智能交通系统以及智能交通控制方法 |
-
2019
- 2019-06-04 CN CN201910480234.3A patent/CN110377027A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105446338A (zh) * | 2015-12-21 | 2016-03-30 | 福州华鹰重工机械有限公司 | 云辅助自动驾驶方法及系统 |
CN108010360A (zh) * | 2017-12-27 | 2018-05-08 | 中电海康集团有限公司 | 一种基于车路协同的自动驾驶环境感知系统 |
CN108182817A (zh) * | 2018-01-11 | 2018-06-19 | 北京图森未来科技有限公司 | 自动驾驶辅助系统、路侧端辅助系统和车载端辅助系统 |
CN108417087A (zh) * | 2018-02-27 | 2018-08-17 | 浙江吉利汽车研究院有限公司 | 一种车辆安全通行系统及方法 |
CN108961749A (zh) * | 2018-07-12 | 2018-12-07 | 南方科技大学 | 一种智能交通系统以及智能交通控制方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110913335A (zh) * | 2019-12-03 | 2020-03-24 | 三一重工股份有限公司 | 自动引导车感知定位方法、装置、服务器及自动引导车 |
CN110913335B (zh) * | 2019-12-03 | 2021-08-24 | 三一重工股份有限公司 | 自动引导车感知定位方法、装置、服务器及自动引导车 |
CN114761761A (zh) * | 2020-03-16 | 2022-07-15 | 华为技术有限公司 | 信息获取方法及装置 |
CN114761761B (zh) * | 2020-03-16 | 2023-08-22 | 华为技术有限公司 | 信息获取方法及装置 |
CN113744360A (zh) * | 2021-08-12 | 2021-12-03 | 的卢技术有限公司 | 一种高精地图数据自动生成道路元素网格的方法和系统 |
CN114323040A (zh) * | 2021-11-18 | 2022-04-12 | 鄂尔多斯市普渡科技有限公司 | 一种无人驾驶车辆的定位方法 |
CN114091626A (zh) * | 2022-01-19 | 2022-02-25 | 浙江吉利控股集团有限公司 | 真值检测方法、装置、设备及存储介质 |
CN114091626B (zh) * | 2022-01-19 | 2022-04-22 | 浙江吉利控股集团有限公司 | 真值检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377027A (zh) | 无人驾驶感知方法、系统、装置和存储介质 | |
CN108253975B (zh) | 一种建立地图信息及车辆定位的方法与设备 | |
US11087173B2 (en) | Using image pre-processing to generate a machine learning model | |
US10816984B2 (en) | Automatic data labelling for autonomous driving vehicles | |
US10816990B2 (en) | Non-blocking boundary for autonomous vehicle planning | |
CN109863513B (zh) | 用于自主车辆控制的神经网络系统 | |
US11645839B2 (en) | Lane feature detection in aerial images based on road geometry | |
US20200210717A1 (en) | System for automated lane marking | |
US9299023B2 (en) | Methods and systems for generating a horizon for use in an advanced driver assistance system (ADAS) | |
US20200210696A1 (en) | Image pre-processing in a lane marking determination system | |
CN108646752B (zh) | 自动驾驶系统的控制方法及装置 | |
US11230297B2 (en) | Pedestrian probability prediction system for autonomous vehicles | |
WO2020139355A1 (en) | System for automated lane marking | |
WO2020139357A1 (en) | Using image pre-processing to generate a machine learning model | |
CN108362295A (zh) | 车辆路径引导设备和方法 | |
EP3671550A1 (en) | Dynamically loaded neural network models | |
CN110412595A (zh) | 路基感知方法、系统、车辆、设备和存储介质 | |
US10860868B2 (en) | Lane post-processing in an autonomous driving vehicle | |
CN109115230B (zh) | 用于车辆的自主驾驶系统及其车辆 | |
CN110244719A (zh) | 自动驾驶感知方法、车辆、系统、设备和存储介质 | |
CN108334078A (zh) | 一种基于高精度地图领航的自动驾驶方法及系统 | |
US20210073539A1 (en) | Port area monitoring method and system and central control system | |
US11055857B2 (en) | Compressive environmental feature representation for vehicle behavior prediction | |
CN114080537A (zh) | 收集与可导航网络有关的用户贡献数据 | |
US20220207208A1 (en) | Variable system for simulating operation of autonomous vehicles |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |
|
RJ01 | Rejection of invention patent application after publication |