CN110550030B - 无人车的变道控制方法、装置、计算机设备和存储介质 - Google Patents
无人车的变道控制方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110550030B CN110550030B CN201910849678.XA CN201910849678A CN110550030B CN 110550030 B CN110550030 B CN 110550030B CN 201910849678 A CN201910849678 A CN 201910849678A CN 110550030 B CN110550030 B CN 110550030B
- Authority
- CN
- China
- Prior art keywords
- lane
- candidate
- unmanned vehicle
- determining
- lanes
- 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
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
- B60W30/095—Predicting travel path or likelihood of collision
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
Abstract
本申请涉及一种无人车的变道控制方法、装置、计算机设备和存储介质。所述方法包括:采集无人车所在行车区域的现场数据;获取行车区域内多个虚拟车道的车道参数;虚拟车道包括无人车所在的当前车道和多个候选车道;基于现场数据确定每个候选车道相对所述无人车的空间距离;根据车道参数及空间距离确定每个候选车道对应的变道代价;控制无人车从当前车道变更至变道代价符合条件的候选车道。采用本方法能使无人车灵活变道。
Description
技术领域
本申请涉及无人驾驶领域,特别是涉及一种无人车的变道控制方法、装置、计算机设备和存储介质。
背景技术
无人驾驶汽车是一种智能汽车,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。在无人驾驶的过程中,最基本的就是车道变换,目前无人车系统主要是根据与障碍车或障碍物的距离来判别应该在哪里变道。例如,当无人车与前车的距离小于安全距离时,为了避免与前车发生碰撞,无人车进行变道行驶。
但是,目前无人车只是在防止无人车与障碍车或障碍物发生碰撞的层面,来进行变道,导致变道不灵活。
发明内容
基于此,有必要针对上述技术问题,提供一种能够灵活变道的无人车的变道控制方法、装置、计算机设备和存储介质。
一种无人车的变道控制方法,所述方法包括:
采集无人车所在行车区域的现场数据;
获取所述行车区域内多个虚拟车道的车道参数;所述虚拟车道包括所述无人车所在的当前车道和多个候选车道;
基于所述现场数据确定每个候选车道相对所述无人车的空间距离;
根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价;
控制所述无人车从当前车道变更至所述变道代价符合条件的候选车道。
在其中一个实施例中,在所述获取所述行车区域内多个虚拟车道的车道参数之前,还包括:
确定行车区域的参考车道;
获取所述行车区域的环境信息;
根据所述环境信息确定所述行车区域的车道参数;
基于所述车道参数对所述参考车道进行平移处理,得到多个虚拟车道。
在其中一个实施例中,所述环境信息包括道路宽度、道路平整度和道路弯度;所述根据所述环境信息确定所述行车区域的车道参数包括:
根据所述道路平整度及所述道路弯度,确定所述行车区域的车道宽度;
基于所述道路宽度及所述车道宽度,确定所述行车区域的车道数量。
在其中一个实施例中,所述车道参数包括车道方向;所述方法还包括:
当所述行车区域存在方向指引标识时,根据所述方向指引标识确定每个虚拟车道的车道方向;
当不存在所述方向指引标识时,按照预设的不同方向车道的相对位置和数量比例,确定每个虚拟车道的车道方向。
在其中一个实施例中,所述根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价包括:
获取候选车道的阻塞属性;
根据每个所述候选车道与所述当前车道之间的车道数量,确定变道跨度;
筛选所述阻塞属性及所述变道跨度均符合变道条件的候选车道;
根据所述车道参数及所述空间距离确定筛选得到的每个候选车道的变道代价。
在其中一个实施例中,所述车道参数包括车道方向;所述根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价包括:
确定所述当前车道的车道方向,并将所述当前车道的车道方向作为基准方向;
当所述基准方向为第一方向时,获取第一方向所对应的映射值;
根据所述空间距离和映射值计算每个候选车道对应的变道代价。
在其中一个实施例中,还包括:
当所述基准方向为第二方向时,根据所述车道方向确定相应候选车道的变道优先级;
根据所述空间距离、映射值和变道优先级计算每个候选车道的变道代价。
一种无人车的变道装置,所述装置包括:
现场数据获取模块,用于采集无人车所在行车区域的现场数据;
车道参数获取模块,用于获取所述行车区域内多个虚拟车道的车道参数;所述虚拟车道包括所述无人车所在的当前车道和多个候选车道;
空间距离确定模块,用于基于所述现场数据确定每个候选车道相对所述无人车的空间距离;
变道模块,用于根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价;控制所述无人车从当前车道变更至所述变道代价符合条件的候选车道。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
采集无人车所在行车区域的现场数据;
获取所述行车区域内多个虚拟车道的车道参数;所述虚拟车道包括所述无人车所在的当前车道和多个候选车道;
基于所述现场数据确定每个候选车道相对所述无人车的空间距离;
根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价;
控制所述无人车从当前车道变更至所述变道代价符合条件的候选车道。
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以下步骤:
采集无人车所在行车区域的现场数据;
获取所述行车区域内多个虚拟车道的车道参数;所述虚拟车道包括所述无人车所在的当前车道和多个候选车道;
基于所述现场数据确定每个候选车道相对所述无人车的空间距离;
根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价;
控制所述无人车从当前车道变更至所述变道代价符合条件的候选车道。
上述无人车的方法、装置、计算机设备和存储介质,由于现场数据是实时采集的,因此可以促使服务器针对任何位置都实时判断是否需要变道、应变更至哪个候选车道,从而提升无人车变道效率。由于服务器是综合车道参数与空间距离确定应变更的车道,因此相比于传统的单纯根据与障碍车或障碍物的距离来判别应该在哪里变道,上述的无人车的变道控制方法可以根据现场信息选择应变更的车道,从而提升了变道的灵活性。
附图说明
图1为一个实施例中无人车的变道控制方法的应用场景图;
图2为一个实施例中无人车的变道控制方法的流程示意图;
图3为一个实施例中虚拟车道的示意图;
图4为一个实施例中分段区域示意图;
图5为一个实施例中虚拟车道示意图;
图6为一个实施例中行车区域的现场图像;
图7为另一个实施例中行车区域的现场图像;
图8为又一个实施例中行车区域的现场图像;
图9为一个实施例中无人车的变道装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的无人车变道方法,可以应用于如图1所示的应用环境中。其中,无人车102中内置一个无人车控制模块,或将无人车控制模块集成于服务器104中。无人车102通过网络与服务器104相连。本申请站在控制模块或服务器端进行描述。无人车102通过网络与服务器104通过网络进行通信。其中,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。无人车控制方法可以在终端102或服务器104完成,终端102可以采集现场数据后在终端102采用上述无人车的变道方法进行变道。或者终端102采集现场数据后通过网络将现场数据发送至服务器104,服务器104采用上述无人车变道方法进行变道。
无人车102实时采集现场数据,并将现场数据发送至服务器104。服务器104根据现场数据和车道参数,计算得到每个候选车道的变道代价,根据变道代价控制无人车102变道。由于现场数据是实时采集的,因此可以促使服务器针对任何位置都实时判断是否需要变道、应变更至哪个候选车道,从而提升无人车变道的安全性。由于服务器是综合车道参数与空间距离确定应变更的车道,因此相比于传统的单纯根据与障碍车或障碍物的距离来判别应该在哪里变道,上述的无人车的变道控制方法可以根据现场信息选择应变更的车道,从而提升了变道的灵活性。
在一个实施例中,如图2所示,提供了一种无人车变道方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,采集无人车所在行车区域的现场数据。
其中,现场数据包括无人车所在位置信与各虚拟车道上的障碍物的位置信息;位置信息包括经度信息与纬度信息;虚拟车道是通过服务器生成的由一系列连续的位置信息组成的虚拟路径,图3为虚拟车道的示意图,其中301为虚拟车道。行驶任务包括无人车行驶的起点与行驶的终点。
具体的,无人车的行驶系统中具有一个控制平台,用于给无人车下发行驶任务。无人车接收行驶任务,并将行驶任务发送至服务器。服务器从行驶任务中提取任务起点与任务终点,根据任务起点与任务终点确定从任务起点行驶至任务终点的目标区域。服务器将目标区域进行分割,生成多个行车区域,然后基于高精度地图收集多个行车区域的经纬度范围。图4为行车区域的示意图,其中410为断点位置,420为分段区域。无人车上安装有摄像头、测距装置与定位系统。无人车行驶在行车区域时,通过摄像头、测距装置与定位系统以特定的频率采集预设范围内的现场数据,并将采集到的现场数据发送至服务器。例如,通过定位系统采集自身所在的位置信息,通过摄像头采集距离无人车前方20米,后方10米内的现场图像,并将现场图像发送至服务器。服务器根据现场图像确定距离无人车前方20米,后方10米内是否有障碍物,若存在障碍物时,服务器发送测距指令至无人车,服务器发送测距指令至无人车,以使无人车上的测距系统发射激光至运动物体,从而根据激光到达运动物体的时间计算无人车与障碍物之间的距离,然后服务器控制测距系统发射的激光从障碍物转动至与车道垂直,并计算激光从障碍物转至与车道垂直时所转动的角度,将转动的角度与无人车与运动物体之间的距离代入三角函数中,计算得到无人车与运动物体之间的横向距离与纵向距离,基于障碍物距无人车的横向距离、纵向距离与无人车的位置信息,确定障碍物的位置信息。
步骤204,获取行车区域内多个虚拟车道的车道参数;虚拟车道包括无人车所在的当前车道和多个候选车道。
其中,车道参数包括车道的方向。
具体地,服务器中具有各个虚拟车道的车道方向信息与车道位置信息的对应关系。服务器根据无人车所在的位置信息,确定无人车所在的行车区域,并获取处于行车区域内的虚拟车道的位置信息,根据虚拟车道的车道方向信息与车道位置信息的对应关系确定行虚拟车道的车道方向。
步骤206,基于现场数据确定每个候选车道相对无人车的空间距离。
其中,空间距离包括候选车道距无人车所在的当前车道的横向距离、候选车道上的障碍物距无人车的纵向距离。
具体地,服务器从现场数据中提取障碍物的位置信息,根据障碍物的位置信息判断障碍物是否处于候选车道上,若障碍物不处于候选车道,服务器获取障碍物与候选车道的横向距离,并将障碍物的位置平移至横向距离最小的候选车道上。服务器获取无人车的位置信息,根据位置信息确定平移后的障碍物所在的候选车道距无人车所在的当前车道之间的横向距离。服务器将无人车的位置信息从当前车道平移至障碍物所在车道,根据平移后的无人车的位置信息与平移后的障碍物的位置信息重新确定候选车道上的障碍物距无人车的纵向距离。
步骤208,根据车道参数及空间距离确定每个候选车道对应的变道代价。
步骤210,控制无人车从当前车道变更至变道代价符合条件的候选车道。
其中,变道代价为反映无人车从当前车道变道至候选车道的可行性。变道代价值越大,表示变道至候选车道的可行性越小。
具体地,无人车的车道选择涉及候选车道的车道方向与候选车道上是否有障碍物。例如,在靠右行的行驶习惯中,无人车向左变道所耗费的代价比向右变道大,当候选车道有障碍物时,无人车变道至有障碍物的候选车道所耗费的代价比变道至没有障碍物所耗费的代价大,无人车变道至旁边的候选车道所耗费的代价比变道至距离无人车所在的当前车道三个车道宽的候选车道所耗费的代价大。服务器获取每个候选车道的方向、候选车道与无人车所在的当前车道的横向距离和候选车道上的障碍物距无人车的纵向距离,并将候选车道的方向、候选车道与无人车所在的当前车道的横向距离和候选车道上的障碍物距无人车的纵向距离作为度量参数,然后根据度量参数计算变道至每个候选车道的变道代价,例如,可进行加权计算。服务器筛选变道代价小于阈值的候选车道,并控制无人车从当前车道变道至筛选后的候选车道。
本实施例中,通过采集现场数据,可以获得每个候选车道相对于无人车的空间距离;通过空间距离与车道参数,可以计算每个候选车道对应的变道代价,从而使得无人车可以根据变道代价变道至符合要求的候选车道。由于现场数据是实时采集的,因此可以促使服务器针对任何位置都实时判断是否需要变道、应变更至哪个候选车道,从而提升无人车变道的安全性。由于服务器是综合车道参数与空间距离确定应变更的车道,因此相比于传统的单纯根据与障碍车或障碍物的距离来判别应该在哪里变道,上述的无人车的变道控制方法可以根据现场信息选择应变更的车道,从而提升了变道的灵活性。
在一个实施例中,获取行车区域内多个虚拟车道的车道参数之前还包括:确定行车区域的参考车道;获取行车区域的环境信息;根据环境信息确定行车区域的车道参数;基于车道参数对参考车道进行平移处理,得到多个虚拟车道。
其中,参考车道是由历史路径的位置信息组成的车道;环境信息包括处于行车区域内的道路的平整度,道路的宽度与道路的弯度;车道参数包括车道宽度和车道数量。
具体地,图5为虚拟车道示意图,其中510为参考车道,520为虚拟车道。当无人车接收行驶任务,并根据行驶任务自主驾驶之前,服务器根据行驶任务判断是否存在与行驶任务对应的参考车道。若不存在与行驶任务对应的参考车道,驾驶人员会驾驶无人车从任务起点行驶至任务终点,此时无人车可以通过定位系统采集行驶过的路径的位置信息,然后将位置信息上传至服务器,服务器根据行驶过的位置信息生成参考车道。若存在与行驶任务对应的参考车道时,无人车接收行驶任务,无人车将行驶任务发送至服务器。服务器控制无人车行驶,并实时判断无人车所在的行车区域。服务器获取行车区域的经度范围与纬度范围,然后根据经度范围与纬度范围,从预先存储的参考车道中提取位于行车区域的经度范围和纬度范围之内的参考车道。
服务器预先存储有环境信息与位置信息的对应关系。当服务器确定行车区域的参考车道之后,服务器根据行车区域的位置信息,从预先存储的环境信息中筛选处于行车区域内的环境信息,并对环境信息进行计算,得到环境值,例如对道路弯度与道路平整度进行加权计算。服务器判断环境值是否大于环境阈值,当环境值大于环境阈值时,可以认为分段区间内的道路是一条弯曲且不平整的道路,因此将车道宽度确定为0.1倍车宽,当环境值小于环境阈值时,可以认为分段区间内的道路为一条平整的直道,因此将车道宽度设置为0.5倍车宽。然后服务器从环境信息中提取道路的宽度,将道路的宽度除以车道宽度,得到车道数量,服务器根据车道宽度和车道数量,对参考车道进行平移处理,得到如图5所示的多个虚拟车道。
本实施例中,由于服务器仅需根据车道参数对参考车道进行简单地平移处理,即可得到多个虚拟车道,从而可以快速地生成虚拟车道,进而可以提升虚拟车道的生成效率。
在一个实施例中,根据环境信息确定行车区域的车道参数包括:根据道路平整度及道路弯度,确定行车区域的车道宽度;基于道路宽度及车道宽度,确定行车区域的车道数量。
具体地,在确定行车区域的车道宽度之前,驾驶员收集大量道路的平整度和弯度信息,并驾驶无人车在对应道路上以0.1倍车宽作为车道宽度开始变道,驾驶员记录以当前的车道宽度进行变道时,车辆的平稳驾驶度,若无人车能够在当前车道宽度下进行平稳变道,则驾驶员增大车道宽度,并驾驶无人车以增大后的车道宽度进行变道,直至无人车在增大后的车道宽度下不能平稳变道,此时驾驶员记录不能平稳变道时所对应的车道宽度。例如,驾驶人员收集到道路A的平稳度为20、弯度为30,驾驶员驾驶无人车在道路A上横向移动0.1倍车宽,驾驶员判断横向移动0.1倍车宽时,无人车是否能够平稳驾驶,若无人车能够平稳移动,驾驶员横向移动0.2倍车宽,若无人车在0.2倍车宽的情况下不能平稳驾驶时,驾驶员记录道路A的最大横向移动宽度为0.2倍车宽。驾驶员将道路的平整度、弯度和最大横向移动宽度上传至服务器,例如将道路A的平稳度为20、弯度为30与最大横向移动宽度为0.2倍车宽上传至服务器。服务器接收道路的平整度、弯度和最大横向移动宽度,并根据道路的平整度、弯度和最大横向移动宽度计算平整度与弯度对最大横向移动宽度的影响力,分别得到平整度与弯度的权值。根据平整度与弯度的权值,服务器对道路弯度与道路平整度进行加权计算,得到环境值,当环境值大于阈值时,服务器将车道宽度确定为0.1倍车宽,当环境值小于阈值时,服务器将车道宽度设置为0.5倍车宽。服务器获取分段区间内的道路宽度,将道路宽度除以车道宽度后减去一,得到分段区间的车道数量。
本实施例中,通过对大量的道路的平整度和弯度进行分析,可以得到平整度与弯度对车道宽度的重要程度,从而可以根据平整度与弯度对车道宽度的重要程度准确地计算得到车道宽度,进而可以根据车道宽度确定车道数量。
在一个实施例中,该方法还包括:当行车区域存在方向指引标识时,根据方向指引标识确定每个虚拟车道的车道方向;当不存在方向指引标识时,按照预设的不同方向车道的相对位置和数量比例,确定每个虚拟车道的车道方向。
其中,车道参数包括车道的方向;方向指引标识为设置在道路上方用于指示车道的行驶方向的标识牌,或直接画在道路上用于指示车道的行驶方向的图标。
具体地,当生成行车区域的虚拟车道后,服务器根据现场图像确定该行车区域是否存在方向指引标识,若存在方向指引标识时,服务器根据方向指引标识将行车区域的道路划分为正向区域、逆向区域与中间区域,例如,根据现场图像得知行车区域的道路为四车道,根据道路的宽度计算得知每个真实车道的车道宽度,然后基于车道宽度,确定正向区域、逆向区域与中间区域的经纬度范围。服务器确定正向区域的经纬度范围,逆向区域的经纬度范围和中间区域的经纬度范围,然后将位于正向区域内的虚拟车道确定为正向车道,将位于逆向区域内的虚拟车道确定为逆向车道,将位于中间区域内的虚拟车道确定为中间车道。若不存在方向指引时,服务器将位于参考车道右边的虚拟车道确定为正向车道,将位于参考车道左边,且离参考车道最近的虚拟车道确定为中间车道,将剩余的虚拟车道确定为逆向车道。若参考车道的右边只有一条虚拟车道时,则不设置中间车道。
本实施例中,在存在方向指引标识的情况下,通过简单的方向指引标识识别即可确定虚拟车道的车道方向,从而提高了车道方向设定的效率;在不存在方向指引标识的情况下,依旧可以根据不同方向车道的相对位置和数量确定虚拟车道的车道方向,从而提高了车道方向设定的效率。
在一个实施例中,根据车道参数及空间距离确定每个候选车道对应的变道代价包括:获取候选车道的阻塞属性;根据每个候选车道与当前车道之间的车道数量,确定变道跨度;筛选阻塞属性及变道跨度均符合变道条件的候选车道;根据车道参数及空间距离确定筛选得到的每个候选车道的变道代价。
其中,阻塞属性为反映表示车道畅通或阻塞的程度的信息。
具体地,当服务器获取到障碍物的位置信息后,服务器根据障碍物的位置信息与无人车的位置信息确定障碍物距无人车的纵向距离,当纵向距离小于距离阈值时,可以认为无人车无法正常变道至该候选车道,服务器将此候选车道判定为不可变道的候选车道。服务器根据障碍物的位置信息与无人车的位置信息确定障碍物距无人车的横向距离,根据横向距离与车道宽度计算候选车道与无人车所在的当前车道之间的车道数量,当候选车道与无人车所在的当前车道之间的车道数量大于车道阈值时,服务器将此候选车道判断为不可变道车道。服务器从候选车道中筛选出可以变道的候选车道,并获取可变道的候选车道方向、候选车道与无人车所在的当前车道的横向距离和候选车道上的障碍物距无人车的纵向距离,然后根据候选车道的方向、候选车道与无人车所在的当前车道的横向距离和候选车道上的障碍物距无人车的纵向距离计算变道至每个可变道的候选车道的变道代价,例如,可进行加权计算。服务器筛选变道代价小于代价阈值的候选车道,并控制无人车从当前车道变道至筛选后的候选车道。
例如,由于无人车变道至逆向车道的风险比变道至正向车道或中间车道的风险大,因此服务器设定的逆向车道的距离阈值大于正向或中间车道的距离阈值,如当障碍物位于逆向车道,且障碍物距无人车的纵向距离小于15米时,可以判断此候选车道为不可变道的候选车道,当障碍物位于正向车道或中间车道,且障碍物距无人车的纵向距离小于10米时,可以判断此候选车道为不可变道的候选车道。图6为行车区域的现场图像,其中610为正向车道,620为中间车道,630为逆向车道。由图6可知,逆向车道上均有障碍物,且障碍物距离无人车的纵向距离均小于15米,因此全部逆向车道均为不可变道的候选车道。设定车道阈值为3个车道宽度,无人车所在的当前车道为4号车道,删除横向距离大于3个车道的候选车道后,此时符合变道条件的候选车道为1号、2号、3号、5号、6号与7号车道。服务器根据1号、2号、3号、5号、6号与7号车道的车道参数与空间距离,计算1号、2号、3号、5号、6号与7号车道的变道代价。
本实施例中,通过引入多个因素计算变道代价,可体现出各种因素对变道决策的影响;由于先根据阻塞属性及变道跨度从候选车道中筛选出符合变道要求的候选车道后,才计算筛选得到的每个候选车道的变道代价,使得服务器不必针对每一条候选车道都进行变道代价的计算,从了节约了计算资源,进而提升了变道代价的计算效率。
在一个实施例中,根据车道参数及空间距离确定每个候选车道对应的变道代价包括:确定当前车道的车道方向,并将当前车道的车道方向作为基准方向;当基准方向为第一方向时,获取第一方向所对应的映射值;根据空间距离和映射值计算每个候选车道对应的变道代价。
具体地,服务器获取无人车所在的当前车道的车道方向,并判断当前车道的车道方向是否为第一方向,例如判断无人车是否处于中间车道或正向车道。若无人车所在的当前车道的车道方向为第一方向时,服务器根据预设的映射关系确定第一方向的映射值,例如,设定当车道方向为第一方向时,对应的映射值为负1。然后,服务器对候选车道距无人车所在的当前车道的横向距离、候选车道上的障碍物距无人车的纵向距离和映射值进行计算,得到候选车道的变道代价,例如对候选车道距无人车所在的当前车道的横向距离、候选车道上的障碍物距无人车的纵向距离和映射值进行加权计算。
例如,如图7所示的无人车现场图像,无人车所在的当前车道为4号车道,且4号车道的车道方向为正向车道。当无人车上的测距装置检测发现前方8米内有障碍物时,无人车根据检测发现生成提示消息,并提示消息发送至服务器。服务器接收提示消息,根据提示消息生成变道指令。具体为,设定车道方向为正向车道或中间车道时,对应的映射值为负1,车道方向为逆向车道时,对应的映射值为1;当无人车所在的当前车道的车道方向为正向车道时,预设的变道代价计算公式为f=k1ecost1+k2ecost2+k3ecost3,其中K1、K2与K3为权值,cost1代表候选车道距无人车所在的当前车道的横向距离,cost2代表候选车道上的障碍物距无人车的纵向距离,cost3代表映射值,候选车道的f值越大,表示越不容易变更至此候选车道上。服务器根据变道代价公式依次计算每个候选车道的变道代价,并控制无人车变更至符合变道条件的7号或8号候选车道上。
上述公式中的K1、K2与K3可以根据调试结果确定,也可依据具体情况确定。
本实施例中,通过将车道方向的映射值引入变道代价计算公式中,可以减少无人车变道至不符合行车习惯的车道上,如当行车习惯为向右行车时,可以减少无人车变道至逆向车道的概率,从而可以让无人车的变道更加符合情景逻辑和行车习惯。
在一个实施例中,该方法还包括:当基准方向为第二方向时,根据车道方向确定相应候选车道的变道优先级;根据空间距离、映射值和变道优先级计算每个候选车道的变道代价。
具体地,当无人车所在的当前车道的车道方向为第二方向时,例如,为逆向车道时,服务器根据预设的行车习惯确定每个候选车道的优先级,然后根据优先级获取对应的优先值,例如服务器中具有优先级与优先值的对应关系,根据对应关系即可确定每个候选车道的优先值。然后,服务器对空间距离、映射值和优先值进行计算,得到候选车道的变道代价。
例如,如图8所示的无人车现场图像,无人车所在当前车道的车道方向为逆向车道,此时预设的变道代价计算公式为f=k1ecost1+k2ecost2+k3ecost3+k4ecost4,其中K1、K2、K3与K4为权值,cost1代表候选车道距无人车所在的当前车道的横向距离,cost2代表候选车道上的障碍物距无人车的纵向距离,cost3代表映射值,cost4代表优先值,候选车道的f值越大,表示越不容易变更至此候选车道上。设定行车习惯为靠右行驶,服务器根据行车习惯将逆向车道的优先级设为低,中间车道的优先级设为中,将正向车道的优先级设为高,然后根据优先级与优先值的对应关系确定每个候选车道的优先值。当获取到、映射值和变道优先级后,服务器根据变道代价公式依次计算每个候选车道的变道代价,并控制无人车变更至符合变道条件的9号车道上。
上述公式中的K1、K2、K3与K4可以根据调试结果确定,也可依据具体情况确定。
本实施例中,由于无人车行驶在逆向车道的危险性大于行驶在正向车道或中间车道,因此通过将优先值引入变道代价计算公式中,可以促使处于逆向车道的无人车变道至更安全的正向车道或逆向车道,从而提升了无人车驾驶的安全性。
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。
应该理解的是,虽然图2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。
在一个实施例中,如图9所示,提供了一种无人车的变道装置,包括:现场数据获取模块901、车道参数获取模块902、空间距离确定模块903和变道模块904,其中:
现场数据获取模块901,用于采集无人车所在行车区域的现场数据;
车道参数获取模块902,用于获取行车区域内多个虚拟车道的车道参数;虚拟车道包括无人车所在的当前车道和多个候选车道;
空间距离确定模块903,用于基于现场数据确定每个候选车道相对无人车的空间距离;
变道模块904,用于根据车道参数及空间距离确定每个候选车道对应的变道代价;控制无人车从当前车道变更至变道代价符合条件的候选车道。
在一个实施例中,上述装置包括:虚拟车道生成模块905,用于确定行车区域的参考车道;获取行车区域的环境信息;根据环境信息确定行车区域的车道参数;基于车道参数对参考车道进行平移处理,得到多个虚拟车道。
在一个实施例中,虚拟车道生成模块905包括:车道宽度生成模块9051,用于根据道路平整度及道路弯度,确定行车区域的车道宽度;车道数量确定模块9052,用于基于道路宽度及车道宽度,确定行车区域的车道数量;车道方向确定模块9053,用于当行车区域存在方向指引标识时,根据方向指引标识确定每个虚拟车道的车道方向;当不存在方向指引标识时,按照预设的不同方向车道的相对位置和数量比例,确定每个虚拟车道的车道方向。
在一个实施例中,变道模块904包括变道代价计算模块9041,用于获取候选车道的阻塞属性;根据每个候选车道与当前车道之间的车道数量,确定变道跨度;筛选阻塞属性及变道跨度均符合变道条件的候选车道;确定当前车道的车道方向,并将当前车道的车道方向作为基准方向;当基准方向为第一方向时,获取第一方向所对应的映射值;根据空间距离和映射值计算符合变道条件的候选车道对应的变道代价;当基准方向为第二方向时,根据车道方向确定相应候选车道的变道优先级;根据空间距离、映射值和变道优先级计算符合变道条件的候选车道的变道代价。
关于无人车的变道装置的具体限定可以参见上文中对于无人车的变道控制方法的限定,在此不再赘述。上述无人车的变道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服务器,其内部结构图可以如图10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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储现场数据。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车的变道控制方法。
本领域技术人员可以理解,图10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,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
采集无人车所在行车区域的现场数据;
获取行车区域内多个虚拟车道的车道参数;虚拟车道包括无人车所在的当前车道和多个候选车道;
基于现场数据确定每个候选车道相对无人车的空间距离;
根据车道参数及空间距离确定每个候选车道对应的变道代价;
控制无人车从当前车道变更至所述变道代价符合条件的候选车道。
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:在获取所述行车区域内多个虚拟车道的车道参数之前,
确定行车区域的参考车道;
获取所述行车区域的环境信息;
根据所述环境信息确定所述行车区域的车道参数;
基于所述车道参数对所述参考车道进行平移处理,得到多个虚拟车道。
在一个实施例中,环境信息包括道路宽度、道路平整度和道路弯度;处理器执行计算机程序时还实现以下步骤:
根据道路平整度及道路弯度,确定行车区域的车道宽度;
基于道路宽度及车道宽度,确定行车区域的车道数量。
在一个实施例中,车道参数包括车道方向;处理器执行计算机程序时还实现以下步骤:
当行车区域存在方向指引标识时,根据方向指引标识确定每个虚拟车道的车道方向;
当不存在方向指引标识时,按照预设的不同方向车道的相对位置和数量比例,确定每个虚拟车道的车道方向。
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:
获取候选车道的阻塞属性;
根据每个候选车道与当前车道之间的车道数量,确定变道跨度;
筛选阻塞属性及变道跨度均符合变道条件的候选车道;
根据车道参数及空间距离确定筛选得到的每个候选车道的变道代价。
在一个实施例中,车道参数包括车道方向;处理器执行计算机程序时还实现以下步骤:
确定当前车道的车道方向,并将当前车道的车道方向作为基准方向;
当基准方向为第一方向时,获取第一方向所对应的映射值;
根据空间距离和映射值计算每个候选车道对应的变道代价。
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:
当基准方向为第二方向时,根据车道方向确定相应候选车道的变道优先级;
根据空间距离、映射值和变道优先级计算每个候选车道的变道代价。
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:
采集无人车所在行车区域的现场数据;
获取行车区域内多个虚拟车道的车道参数;虚拟车道包括无人车所在的当前车道和多个候选车道;
基于现场数据确定每个候选车道相对无人车的空间距离;
根据车道参数及空间距离确定每个候选车道对应的变道代价;
控制无人车从当前车道变更至变道代价符合条件的候选车道。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在获取行车区域内多个虚拟车道的车道参数之前,
确定行车区域的参考车道;
获取行车区域的环境信息;
根据环境信息确定所述行车区域的车道参数;
基于所述车道参数对所述参考车道进行平移处理,得到多个虚拟车道。
在一个实施例中,环境信息包括道路宽度、道路平整度和道路弯度;计算机程序被处理器执行时还实现以下步骤:
根据所述道路平整度及所述道路弯度,确定行车区域的车道宽度;
基于道路宽度及车道宽度,确定行车区域的车道数量。
在一个实施例中,车道参数包括车道方向;计算机程序被处理器执行时还实现以下步骤:
当行车区域存在方向指引标识时,根据方向指引标识确定每个虚拟车道的车道方向;
当不存在方向指引标识时,按照预设的不同方向车道的相对位置和数量比例,确定每个虚拟车道的车道方向。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取候选车道的阻塞属性;
根据每个候选车道与当前车道之间的车道数量,确定变道跨度;
筛选阻塞属性及变道跨度均符合变道条件的候选车道;
根据车道参数及空间距离确定筛选得到的每个候选车道的变道代价。
在一个实施例中,车道参数包括车道方向;计算机程序被处理器执行时还实现以下步骤:
确定当前车道的车道方向,并将当前车道的车道方向作为基准方向;
当基准方向为第一方向时,获取第一方向所对应的映射值;
根据空间距离和映射值计算每个候选车道对应的变道代价。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当基准方向为第二方向时,根据车道方向确定相应候选车道的变道优先级;
根据空间距离、映射值和变道优先级计算每个候选车道的变道代价。
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申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种无人车的变道控制方法,所述方法包括:
采集无人车所在行车区域的现场数据;
获取所述行车区域内多个虚拟车道的车道参数;所述虚拟车道包括所述无人车所在的当前车道和多个候选车道;
基于所述现场数据确定每个候选车道相对所述无人车的空间距离;
获取候选车道的阻塞属性;
根据每个所述候选车道与所述当前车道之间的车道数量,确定变道跨度;
筛选所述阻塞属性及所述变道跨度均符合变道条件的候选车道;
根据所述车道参数及所述空间距离确定筛选得到的每个候选车道的变道代价;
控制所述无人车从当前车道变更至所述变道代价符合条件的候选车道;
其中,所述行车区域具有车道参数;所述行车区域的车道参数是根据环境信息确定得到的;所述环境信息包括道路宽度、道路平整度和道路弯度;根据所述环境信息确定所述行车区域的车道参数的步骤包括:
根据所述道路平整度及所述道路弯度,确定所述行车区域的车道宽度;
基于所述道路宽度及所述车道宽度,确定所述行车区域的车道数量。
2.根据权利要求1所述的方法,其特征在于,在所述获取所述行车区域内多个虚拟车道的车道参数之前,所述方法还包括:
确定行车区域的参考车道;
获取所述行车区域的环境信息;
根据所述环境信息确定所述行车区域的车道参数;
基于所述车道参数对所述参考车道进行平移处理,得到多个虚拟车道。
3.根据权利要求2所述的方法,其特征在于,所述车道参数包括车道方向;所述方法还包括:
当所述行车区域存在方向指引标识时,根据所述方向指引标识确定每个虚拟车道的车道方向;
当不存在所述方向指引标识时,按照预设的不同方向车道的相对位置和数量比例,确定每个虚拟车道的车道方向。
4.根据权利要求1所述的方法,其特征在于,所述车道参数包括车道方向;所述根据所述车道参数及所述空间距离确定每个候选车道对应的变道代价包括:
确定所述当前车道的车道方向,并将所述当前车道的车道方向作为基准方向;
当所述基准方向为第一方向时,获取第一方向所对应的映射值;
根据所述空间距离和映射值计算每个候选车道对应的变道代价。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当所述基准方向为第二方向时,根据所述车道方向确定相应候选车道的变道优先级;
根据所述空间距离、映射值和变道优先级计算每个候选车道的变道代价。
6.一种无人车的变道装置,其特征在于,所述装置包括:
现场数据获取模块,用于采集无人车所在行车区域的现场数据;
车道参数获取模块,用于获取所述行车区域内多个虚拟车道的车道参数;所述虚拟车道包括所述无人车所在的当前车道和多个候选车道;
空间距离确定模块,用于基于所述现场数据确定每个候选车道相对所述无人车的空间距离;
变道模块,用于获取候选车道的阻塞属性;根据每个所述候选车道与所述当前车道之间的车道数量,确定变道跨度;筛选所述阻塞属性及所述变道跨度均符合变道条件的候选车道;根据所述车道参数及所述空间距离确定筛选得到的每个候选车道的变道代价;控制所述无人车从当前车道变更至所述变道代价符合条件的候选车道;
虚拟车道生成模块,用于根据道路平整度及道路弯度,确定行车区域的车道宽度;基于道路宽度及车道宽度,确定行车区域的车道数量。
7.根据权利要求6所述的装置,其特征在于,所述虚拟车道生成模块,用于确定行车区域的参考车道;获取所述行车区域的环境信息;根据所述环境信息确定所述行车区域的车道参数;基于所述车道参数对参考车道进行平移处理,得到多个虚拟车道。
8.根据权利要求6所述的装置,其特征在于,所述变道模块,用于确定当前车道的车道方向,并将当前车道的车道方向作为基准方向;当基准方向为第一方向时,获取第一方向所对应的映射值;根据空间距离和映射值计算符合变道条件的候选车道对应的变道代价;或者当基准方向为第二方向时,根据车道方向确定相应候选车道的变道优先级;根据空间距离、映射值和变道优先级计算符合变道条件的候选车道的变道代价。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910849678.XA CN110550030B (zh) | 2019-09-09 | 2019-09-09 | 无人车的变道控制方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910849678.XA CN110550030B (zh) | 2019-09-09 | 2019-09-09 | 无人车的变道控制方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110550030A CN110550030A (zh) | 2019-12-10 |
CN110550030B true CN110550030B (zh) | 2021-01-12 |
Family
ID=68739657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910849678.XA Active CN110550030B (zh) | 2019-09-09 | 2019-09-09 | 无人车的变道控制方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110550030B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021189210A1 (zh) * | 2020-03-23 | 2021-09-30 | 华为技术有限公司 | 一种车辆换道方法及相关设备 |
CN112703506B (zh) * | 2020-04-22 | 2022-04-08 | 华为技术有限公司 | 车道线检测方法及装置 |
CN111497847B (zh) * | 2020-04-23 | 2021-11-16 | 江苏黑麦数据科技有限公司 | 车辆的控制方法和装置 |
CN112829750B (zh) * | 2021-02-19 | 2022-10-11 | 恒大新能源汽车投资控股集团有限公司 | 车辆变道控制方法、设备及系统 |
CN113419547B (zh) * | 2021-08-25 | 2021-12-31 | 北京三快在线科技有限公司 | 一种多车协同控制方法及装置 |
CN115497300B (zh) * | 2022-11-16 | 2023-01-31 | 四川省公路规划勘察设计研究院有限公司 | 一种基于车路协同系统的车辆安全分流调度方法及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109733392A (zh) * | 2019-01-30 | 2019-05-10 | 浙江吉利汽车研究院有限公司 | 一种避障方法及装置 |
CN109949611A (zh) * | 2019-03-28 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 无人车的变道方法、装置及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101288374B1 (ko) * | 2012-05-18 | 2013-07-22 | (주)베라시스 | 외차선 도로에서의 차선 설정장치 및 그 방법 |
CN105631217B (zh) * | 2015-12-30 | 2018-12-21 | 苏州安智汽车零部件有限公司 | 基于本车自适应虚拟车道的前方有效目标选择方法 |
KR20180051836A (ko) * | 2016-11-09 | 2018-05-17 | 삼성전자주식회사 | 주행 차량을 위한 가상의 주행 차선을 생성하는 방법 및 장치 |
CN109470254B (zh) * | 2018-10-31 | 2020-09-08 | 百度在线网络技术(北京)有限公司 | 地图车道线的生成方法、装置、系统及存储介质 |
CN109816981B (zh) * | 2019-02-20 | 2021-03-19 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶方法、装置及存储介质 |
CN109782776B (zh) * | 2019-03-28 | 2022-07-29 | 北京百度网讯科技有限公司 | 无人车的车道选择方法、装置及存储介质 |
-
2019
- 2019-09-09 CN CN201910849678.XA patent/CN110550030B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109733392A (zh) * | 2019-01-30 | 2019-05-10 | 浙江吉利汽车研究院有限公司 | 一种避障方法及装置 |
CN109949611A (zh) * | 2019-03-28 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 无人车的变道方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110550030A (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110550030B (zh) | 无人车的变道控制方法、装置、计算机设备和存储介质 | |
CN110119147B (zh) | 车辆自动驾驶方法、装置、计算机设备和存储介质 | |
CN111552284A (zh) | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 | |
US20150025789A1 (en) | Technique for lane assignment in a vehicle | |
CN114270143A (zh) | 借助由其他的车辆检测的环境数据对车辆的横向引导 | |
CN111665828A (zh) | 车辆感应方法、装置、计算机设备和存储介质 | |
CN112009473B (zh) | 一种自适应巡航目标选择的方法、装置和计算机设备 | |
CN111256687A (zh) | 地图数据的处理方法、装置、采集设备和存储介质 | |
US11700502B2 (en) | System, control unit, and method for deciding geofence event of vehicle | |
EP4242998A1 (en) | Traffic stream information determination method and apparatus, electronic device and storage medium | |
EP3875905B1 (en) | Method, device and medium for detecting environmental change | |
WO2020145053A1 (ja) | 走行車線推定装置、走行車線推定方法、制御プログラム、およびコンピュータ読み出し可能持続的記録媒体 | |
CN113330454A (zh) | 用于自动化和自主车辆的多传感器数据融合的方法和装置 | |
RU2757234C2 (ru) | Способ и система для вычисления данных для управления работой беспилотного автомобиля | |
JP7371269B2 (ja) | 自動車のカメラピッチをキャリブレーションする方法及び装置、並びにそのための消滅点推定モデルをコンティニュアルラーニングさせる方法 | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
CN111753639A (zh) | 感知地图生成方法、装置、计算机设备和存储介质 | |
KR20200095361A (ko) | V2v 통신을 통해 획득한 정보와 카메라를 통해 획득한 정보를 융합하여 카메라의 피치 캘리브레이션을 더욱 정교하게 수행함으로써 카메라 기반 로버스트 객체 거리 예측을 제공하는 방법 및 이를 이용한 장치 | |
CN114663804A (zh) | 可行驶区域检测方法、装置、移动设备及存储介质 | |
CN110647146B (zh) | 无人车控制方法、装置、计算机设备和存储介质 | |
CN110570495B (zh) | 虚拟车道生成方法、装置和存储介质 | |
CN112133128A (zh) | 弯道防撞预警方法、装置、计算机设备和存储介质 | |
CN113932825B (zh) | 机器人导航路径宽度获取系统、方法、机器人及存储介质 | |
CN114945961B (zh) | 变道预测回归模型训练方法、变道预测方法和装置 | |
CN113033267B (zh) | 车辆定位方法、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 |