CN110673599A - 基于传感器网络的自动驾驶车辆环境感知系统 - Google Patents
基于传感器网络的自动驾驶车辆环境感知系统 Download PDFInfo
- Publication number
- CN110673599A CN110673599A CN201910936182.6A CN201910936182A CN110673599A CN 110673599 A CN110673599 A CN 110673599A CN 201910936182 A CN201910936182 A CN 201910936182A CN 110673599 A CN110673599 A CN 110673599A
- Authority
- CN
- China
- Prior art keywords
- information
- local environment
- environment information
- target vehicle
- vehicle
- 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
- 238000004891 communication Methods 0.000 claims abstract description 17
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000008447 perception Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004576 sand Substances 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 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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Abstract
本公开实施例公开了一种基于传感器网络的自动驾驶车辆环境感知系统,包括:多个传感器、云平台、通信设备、存储器和控制器;所述多个传感器配置在目标车辆以及其他车辆上;所述云平台用于获取所述目标车辆所处环境中的所述其他车辆,并根据所述局部环境信息形成目标车辆所处环境的全局信息;所述存储器存储有所述局部环境信息的历史统计信息;所述控制器比较所述局部环境信息与所述历史统计信息后,生成所述局部环境信息的决策可信度,结合所述全局信息以及所述局部环境信息的决策可信度形成驾驶决策。该技术方案综合考虑局部环境信息作出的驾驶决策的决策可信度与全局信息,能够制定更加有效的驾驶决策,提升了自动驾驶车辆的安全性。
Description
技术领域
本公开涉及自动驾驶技术领域,具体涉及基于传感器网络的自动驾驶车辆环境感知系统。
背景技术
随着汽车智能化技术的发展,智能汽车可以实现自动驾驶。车载激光雷达与毫米波雷达是自动驾驶车辆的重要传感器。激光雷达能够扫描道路情况、绘制立体地图,并准确识别交通标志。毫米波雷达也是常见的环境信息感知传感器之一,能够感知道路地形、车道信息及信号灯等。不同的传感器在不同的环境下各有特点,例如,在环境较为复杂的城市中应选择检测角度较大的激光雷达,在环境恶劣的野外照明条件较差,可以选择毫米波雷达。
在提出本公开的过程中,发明人发现,现有技术采用多种传感器共同感知车辆周围信息,从而为车辆驾驶决策提供参考。但是忽略了对各个传感器检测结果可靠性的分析,一旦某些传感器出现故障或发生误判,将会影响整个感知系统的判断,从而降低了车辆决策的正确性。而且,即使能够避免根据误判的传感器数据做出车辆驾驶决策,在这种状况下做出的驾驶决策也仅在车辆周边环境的局部概况中正确,相对于车辆周边环境的全局概况来说,这种驾驶决策往往并不是最优的。
发明内容
本公开实施例提供一种基于传感器网络的自动驾驶车辆环境感知系统。
本公开实施例中提供了一种基于传感器网络的自动驾驶车辆环境感知系统,包括:多个传感器、云平台、通信设备、存储器和控制器;
所述多个传感器配置在目标车辆以及其他车辆上,用于组成传感器网络;所述通信设备、存储器和控制器配置在所述目标车辆上;
所述多个传感器用于采集局部环境信息;
所述云平台用于根据所述目标车辆的请求,获取所述目标车辆所处环境中的所述其他车辆,并根据所述局部环境信息形成目标车辆所处环境的全局信息;
所述通信设备用于与所述云平台进行通信,获取所述全局信息并传输至所述控制器;
所述存储器存储有所述局部环境信息的历史统计信息;
所述控制器比较所述局部环境信息与所述历史统计信息后,生成所述局部环境信息的决策可信度,结合所述全局信息以及所述局部环境信息的决策可信度形成驾驶决策。
可选地,所述传感器包括毫米波雷达以及激光雷达;所述激光雷达用于采集障碍物信息,所述毫米波雷达用于测量前后车辆间距以及辅助采集车身近距离的障碍物信息。
可选地,所述激光雷达设置在所述目标车辆以及所述其他车辆的车身前端、两侧或顶部,用于采集车身前方、两侧或四周的障碍物信息;
所述毫米波雷达设置在所述目标车辆以及所述其他车辆的车身前端、两侧和后端,用于采集车身四周的障碍物信息。
可选地,所述障碍物信息包括以下至少一种信息:障碍物形状及移动状态信息、路障位置信息以及护栏位置信息。
可选地,所述存储器还存储有传感器置信区间,所述传感器置信区间根据每一次局部环境信息与所述历史统计信息的比较结果,经过统计确定;
所述控制器还用于判断所述局部环境信息的置信度是否在所述传感器置信区间内,若在,则生成所述局部环境信息的决策可信度。
可选地,所述局部环境信息包括毫米波雷达采集的局部环境信息以及激光雷达采集的局部环境信息;
所述控制器用于判断所述毫米波雷达采集的局部环境信息是否在所述传感器置信区间内,若在,则保留所述毫米波雷达采集的局部环境信息;以及判断所述激光雷达采集的局部环境信息是否在所述传感器置信区间内,若在,则保留所述激光雷达采集的局部环境信息;以及根据保留的所述毫米波雷达采集的局部环境信息以及所述激光雷达采集的局部环境信息生成所述局部环境信息的决策可信度。
可选地,所述系统还包括:执行机构;所述执行机构与所述控制器连接,用于根据所述驾驶决策确定自动驾驶车辆的下一步动作。
本公开实施例提供的技术方案可以包括以下有益效果:
本公开实施例提供的基于传感器网络的自动驾驶车辆环境感知系统,包括:多个传感器、云平台、通信设备、存储器和控制器;所述多个传感器配置在目标车辆以及其他车辆上,用于组成传感器网络;所述通信设备、存储器和控制器配置在所述目标车辆上;所述多个传感器用于采集局部环境信息;所述云平台用于根据所述目标车辆的请求,获取所述目标车辆所处环境中的所述其他车辆,并根据所述局部环境信息形成目标车辆所处环境的全局信息;所述通信设备用于与所述云平台进行通信,获取所述全局信息并传输至所述控制器;所述存储器存储有所述局部环境信息的历史统计信息;所述控制器比较所述局部环境信息与所述历史统计信息后,生成所述局部环境信息的决策可信度,结合所述全局信息以及所述局部环境信息的决策可信度形成驾驶决策。该技术方案通过云平台将传感器采集的局部环境信息形成全局信息,当目标车辆在局部环境中进行驾驶决策时,综合考虑局部环境信息作出的驾驶决策的决策可信度与全局信息,从而能够更加准确地确定目标车辆所处环境的真实情况,进而能够制定更加有效的驾驶决策,提升了自动驾驶车辆的安全性,有效地避免了可能存在的驾驶风险,保障了车乘人员和行人的安全。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出了根据本公开一实施例的传感器连接网示意图;
图2示出了根据本公开一实施例的基于传感器网络的自动驾驶车辆环境感知系统的架构示意图;
图3示出了根据本公开一实施例的基于传感器网络的自动驾驶车辆环境感知系统的场景示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施例,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施例无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
上文提及,随着汽车智能化技术的发展,智能汽车可以实现自动驾驶。车载激光雷达与毫米波雷达是自动驾驶车辆的重要传感器。激光雷达能够扫描道路情况、绘制立体地图,并准确识别交通标志。毫米波雷达也是常见的环境信息感知传感器之一,能够感知道路地形、车道信息及信号灯等。不同的传感器在不同的环境下各有特点,例如,在环境较为复杂的城市中应选择检测角度较大的激光雷达,在环境恶劣的野外照明条件较差,可以选择毫米波雷达。
在提出本公开的过程中,发明人发现,现有技术采用多种传感器共同感知车辆周围信息,从而为车辆驾驶决策提供参考。但是忽略了对各个传感器检测结果可靠性的分析,一旦某些传感器出现故障或发生误判,将会影响整个感知系统的判断,从而降低了车辆决策的正确性。而且,即使能够避免根据误判的传感器数据做出车辆驾驶决策,在这种状况下做出的驾驶决策也仅在车辆周边环境的局部概况中正确,相对于车辆周边环境的全局概况来说,这种驾驶决策往往并不是最优的。
考虑到上述缺陷,本公开实施例提供的基于传感器网络的自动驾驶车辆环境感知系统,包括:多个传感器、云平台、通信设备、存储器和控制器;所述多个传感器配置在目标车辆以及其他车辆上,用于组成传感器网络;所述通信设备、存储器和控制器配置在所述目标车辆上;所述多个传感器用于采集局部环境信息;所述云平台用于根据所述目标车辆的请求,获取所述目标车辆所处环境中的所述其他车辆,并根据所述局部环境信息形成目标车辆所处环境的全局信息;所述通信设备用于与所述云平台进行通信,获取所述全局信息并传输至所述控制器;所述存储器存储有所述局部环境信息的历史统计信息;所述控制器比较所述局部环境信息与所述历史统计信息后,生成所述局部环境信息的决策可信度,结合所述全局信息以及所述局部环境信息的决策可信度形成驾驶决策。该技术方案通过云平台将传感器采集的局部环境信息形成全局信息,当目标车辆在局部环境中进行驾驶决策时,综合考虑局部环境信息作出的驾驶决策的决策可信度与全局信息,从而能够更加准确地确定目标车辆所处环境的真实情况,进而能够制定更加有效的驾驶决策,提升了自动驾驶车辆的安全性,有效地避免了可能存在的驾驶风险,保障了车乘人员和行人的安全。
图1示出了根据本公开一实施例的传感器连接网示意图。
如图1所示,配置在目标车辆上的多个传感器A与配置在其他车辆上的多个传感器B构成传感器网P。图1示出了传感器网P的两种分布方式,如图1a所示,传感器网P整体呈树状分布,传感器A采集信息的区域为QA、传感器B采集信息的区域为QB,区域QA与区域QB之间没有交集。如图1b所示,传感器网P整体呈星状分布,传感器A采集信息的区域为QA、传感器B采集信息的区域为QB,区域QA与区域QB之间存在交集并且构成一个整体区域Q。
应该理解,图1中的传感器网P的分布方式仅仅是示意性的。根据实现需要,可以具有任意的分布方式。
图2示出了根据本公开一实施例的基于传感器网络的自动驾驶车辆环境感知系统的架构示意图。
如图2所示,所述基于传感器网络的自动驾驶车辆环境感知系统架构100可以包括:目标车辆110、其他车辆120以及云平台130。其中,目标车辆110、其他车辆120以及云平台130通过网络交互。所述网络可以是V2X通信网络。
目标车辆110上配置有传感器111、通信设备112、存储器113以及控制器114,其他车辆120上配置有传感器121。云平台130可以包括数据处理服务器以及搜索服务器,其中,搜索服务器用于搜索目标车辆110所处环境中的其他车辆120;数据处理服务器用于处理传感器111以及传感器121传输的局部环境信息,形成目标车辆110所处环境的全局信息。
目标车辆110向云平台130发送请求,其中,所述请求可以是获取全局信息的请求也可以是其他接入云平台130提供的其他服务的请求,在此不做限制。云平台130接收请求后启动搜索服务,搜索目标车辆110附近的其他车辆120,并连接到传感器121。
传感器111与传感器121分别通过网络与云平台130交互,将采集到的局部环境信息上传至云平台130中的数据处理服务器进行处理,根据传感器111与传感器121组成的传感器网P的分布方式的不同,云平台130采用不同的信息处理方式将局部环境信息整合为全局信息,例如,对于存在交集的整体区域Q,在整合局部环境信息时,可以对重叠区域的局部环境信息进行交叉验证,当验证结果为信息之间无冲突时,则保留为全局信息的一部分,当验证结果为信息之间冲突时,则删除该信息或者将传感器111采集的局部环境信息作为全局信息的一部分。
通信设备112用于与云平台130进行通信,获取全局信息并传输至控制器114;
存储器113存储有局部环境信息的历史统计信息;
控制器114比较局部环境信息与历史统计信息后,生成局部环境信息的决策可信度,结合全局信息以及局部环境信息的决策可信度形成驾驶决策。
根据本公开的实施例,所述局部环境信息可以包括:道路拥堵信息、障碍物信息或车辆状态信息。所述道路拥堵信息可以由视频摄像头或者雷达采集,根据道路信息可以获知目标车辆110的行驶环境是否拥堵,所述障碍物信息可以由激光雷达和/或毫米波雷达采集,根据障碍物信息可以获知目标车辆110是否需要避让以及避让方向,所述车辆状态信息可以由测距传感器采集,根据车辆状态信息可以获知目标车辆110是否会发生碰撞。
在本公开的实施方式中,所述全局信息指的是两种或多种局部环境信息的融合信息,对于目标车辆110来说,全局信息所涵盖的区域范围大于传感器111采集到的局部环境信息的涵盖范围。利用全局信息作为目标车辆110形成驾驶策略的依据,能够更加准确地确定目标车辆所处环境的真实情况,进而能够制定更加有效的驾驶决策,相比于根据局部环境信息做出驾驶决策,提升了自动驾驶车辆的安全性,有效地避免了可能存在的驾驶风险,保障了车乘人员和行人的安全。
根据本公开的实施例,所述局部环境信息的历史统计信息指的是不同时间段采集到的同一区域的局部环境信息的统计信息,根据所述历史统计信息可以获知目标车辆110所处环境是否容易发生道路拥堵或者是否容易发生交通事故等。所述历史统计信息可以是由目标车辆110采集同一区域,也可以结合目标车辆110和其他车辆120采集的局部环境信息形成历史统计信息。以目标车辆110采集为例,目标车辆110每经过同一个区域时,将采集到的该区域的局部环境信息保存在存储器113中,经过累积形成所述历史统计信息。需要说明的是,其他车辆120采集的局部环境信息可以上传至云平台或者经过V2X通信网络传输至目标车辆110,在此不做限制。
根据本公开的实施例,所述驾驶决策可以包括以下任意一种:手动驾驶、半自动驾驶、自动驾驶等,更具体地驾驶决策也可以是车辆减速、车辆转弯、车辆掉头等。本公开对此不做限制。
根据本公开的实施例,所述局部环境信息的决策可信度指的是根据目标车辆110采集的局部环境信息作出的驾驶决策的置信度。在本公开的实施方式中,目标车辆110执行的驾驶决策根据所述全局信息以及所述局部环境信息的决策可信度共同作出,比如,若置信度为90%,则表明根据所述局部环境信息作出的驾驶决策的准确性高,则将全局信息作为所述目标车辆110执行的驾驶决策的辅助信息,而采用根据所述局部环境信息作出的驾驶决策。比如,目标车辆110判断行驶方向上有障碍物需要转弯时,可以根据全局信息进一步确定左转或者右转。若置信度为40%,则表明根据局部环境信息作出的驾驶决策的准确性低,则根据全局信息作出所述目标车辆110执行的驾驶决策。
根据本公开的实施例,所述传感器111以及传感器121均可以包括:毫米波雷达以及激光雷达;所述激光雷达用于采集障碍物信息,所述毫米波雷达用于测量前后车辆间距以及辅助采集车身近距离的障碍物信息。其中,毫米波雷达工作在毫米波段。通常毫米波段是指30~300GHz频段(波长为1~10mm)。毫米波雷达能分辨识别很小的目标,而且能同时识别多个目标,具有成像能力,体积小、机动性强、探测距离远的特点,但是,无法感知行人而且探测精度不高。激光雷达是一种采用非接触激光测距技术的扫描式传感器,可以准确的获取高精度的物理空间环境信息,测距精度可达厘米级,但是,由于通过发射光束进行探测因此探测范围窄而且容易受到雾霾、沙尘暴等恶劣天气影响。在本公开的实施方式中,通过结合毫米波雷达以及激光雷达采集的局部环境信息,能够更好地还原目标车辆110以及其他车辆120的局部环境,在此基础上,使得目标车辆110得到的全局信息更加地准确,从而能够制定更加有效的驾驶决策。
根据本公开的实施例,所述激光雷达设置在所述目标车辆110以及所述其他车辆120的车身前端、两侧或顶部,用于采集车身前方、两侧或四周的障碍物信息;所述毫米波雷达设置在所述目标车辆110以及所述其他车辆120的车身前端、两侧和后端,用于采集车身四周的障碍物信息。
根据本公开的实施例,所述障碍物信息包括障碍物形状及移动状态信息、路障位置信息以及护栏位置信息。其中,所述障碍物移动状态信息可以包括:移动方向、移动速度、移动位置等。
根据本公开的实施例,所述存储器113还存储有传感器置信区间,所述传感器置信区间根据每一次局部环境信息与所述历史统计信息的比较结果,经过统计确定;所述控制器114还用于判断所述局部环境信息是否在所述传感器置信区间内,若在,则生成所述局部环境信息的决策可信度。
作为一种实施方式,当所述局部环境信息包括毫米波雷达采集的局部环境信息以及激光雷达采集的局部环境信息时,所述控制器114用于判断所述毫米波雷达采集的局部环境信息是否在所述传感器置信区间内,若在,则保留毫米波雷达采集的局部环境信息;以及判断所述激光雷达采集的局部环境信息是否在所述传感器置信区间内,若在,则保留激光雷达采集的局部环境信息。进一步地,所述控制器114根据保留的所述毫米波雷达采集的局部环境信息以及激光雷达采集的局部环境信息生成所述局部环境信息的决策可信度。
在本公开的实施方式中,通过设置传感器置信区间,并排除掉局部环境信息不在传感器置信区间内的信息,从而能够避免传感器可能出现的异常,利用在传感器置信区间内的局部环境信息并结合全局信息进而能够制定更加有效的驾驶决策。
根据本公开的实施例,所述系统还包括:执行机构115;所述执行机构115与所述控制器114连接,用于根据所述驾驶决策确定自动驾驶车辆的下一步动作。具体地,所述执行机构115例如可以是刹车制动装置或者是方向盘控制装置等,当目标车辆110确定执行的驾驶决策为转弯时,通过方向盘控制装置调整目标车辆110的车轮的旋转角度实现转弯动作。
图3示出了根据本公开一实施例的基于传感器网络的自动驾驶车辆环境感知系统的场景示意图。
如图3所示,目标车辆110的右前方存在障碍物C,与目标车辆110同一车道的其他车辆120处于拥堵状态,多个传感器A与传感器B构成传感器网P,请参考图1,以星状分布的传感器网P为例进行说明,可以将传感器网P探测的区域Q作为一个整体区域,目标车辆110采集信息的区域为QA,由于区域QA未能识别障碍物C,若障碍物C并未经常出现在区域QA时,则目标车辆110可以根据当前对区域QA的识别结果做出直行或左转或右转的决策,当考虑区域Q识别出障碍物C存在时,并且与目标车辆110同一车道的其他车辆B处于拥堵状态后,则目标车辆110选择左转策略,从而能够避免碰撞到障碍物,而且能够畅通行驶。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种基于传感器网络的自动驾驶车辆环境感知系统,其特征在于,包括:多个传感器、云平台、通信设备、存储器和控制器;
所述多个传感器配置在目标车辆以及其他车辆上,用于组成传感器网;所述通信设备、存储器和控制器配置在所述目标车辆上;
所述多个传感器用于采集局部环境信息;
所述云平台用于根据所述目标车辆的请求,获取所述目标车辆所处环境中的所述其他车辆,并根据所述局部环境信息形成目标车辆所处环境的全局信息;
所述通信设备用于与所述云平台进行通信,获取所述全局信息并传输至所述控制器;
所述存储器存储有所述局部环境信息的历史统计信息;
所述控制器比较所述局部环境信息与所述历史统计信息后,生成所述局部环境信息的决策可信度,结合所述全局信息以及所述局部环境信息的决策可信度形成驾驶决策。
2.根据权利要求1所述的系统,其特征在于,所述传感器包括毫米波雷达以及激光雷达;所述激光雷达用于采集障碍物信息,所述毫米波雷达用于测量前后车辆间距以及辅助采集车身近距离的障碍物信息。
3.根据权利要求2所述的系统,其特征在于,所述激光雷达设置在所述目标车辆以及所述其他车辆的车身前端、两侧或顶部,用于采集车身前方、两侧或四周的障碍物信息;
所述毫米波雷达设置在所述目标车辆以及所述其他车辆的车身前端、两侧和后端,用于采集车身四周的障碍物信息。
4.根据权利要求1-3任一项所述的系统,其特征在于,所述障碍物信息包括以下至少一种信息:障碍物形状及移动状态信息、路障位置信息以及护栏位置信息。
5.根据权利要求1所述的系统,其特征在于,所述存储器还存储有传感器置信区间,所述传感器置信区间根据每一次局部环境信息与所述历史统计信息的比较结果,经过统计确定;
所述控制器还用于判断所述局部环境信息是否在所述传感器置信区间内,若在,则生成所述局部环境信息的决策可信度。
6.根据权利要求5所述的系统,其特征在于,所述局部环境信息包括毫米波雷达采集的局部环境信息以及激光雷达采集的局部环境信息;
所述控制器用于判断所述毫米波雷达采集的局部环境信息是否在所述传感器置信区间内,若在,则保留所述毫米波雷达采集的局部环境信息;以及判断所述激光雷达采集的局部环境信息是否在所述传感器置信区间内,若在,则保留所述激光雷达采集的局部环境信息;以及
根据保留的所述毫米波雷达采集的局部环境信息以及所述激光雷达采集的局部环境信息生成所述局部环境信息的决策可信度。
7.根据权利要求1所述的系统,其特征在于,还包括:执行机构;所述执行机构与所述控制器连接,用于根据所述驾驶决策确定自动驾驶车辆的下一步动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910936182.6A CN110673599A (zh) | 2019-09-29 | 2019-09-29 | 基于传感器网络的自动驾驶车辆环境感知系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910936182.6A CN110673599A (zh) | 2019-09-29 | 2019-09-29 | 基于传感器网络的自动驾驶车辆环境感知系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110673599A true CN110673599A (zh) | 2020-01-10 |
Family
ID=69080135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910936182.6A Pending CN110673599A (zh) | 2019-09-29 | 2019-09-29 | 基于传感器网络的自动驾驶车辆环境感知系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110673599A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111267866A (zh) * | 2020-01-13 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、介质及电子设备 |
CN111278006A (zh) * | 2020-01-21 | 2020-06-12 | 重庆长安汽车股份有限公司 | 一种基于v2x的感知信息的可靠性验证方法、装置、控制器及汽车 |
CN112148010A (zh) * | 2020-09-23 | 2020-12-29 | 北京百度网讯科技有限公司 | 自动驾驶功能控制方法、装置、电子设备及存储介质 |
CN112285714A (zh) * | 2020-09-08 | 2021-01-29 | 苏州挚途科技有限公司 | 一种基于多传感器的障碍物速度融合方法和装置 |
CN113012458A (zh) * | 2021-02-07 | 2021-06-22 | 启迪云控(上海)汽车科技有限公司 | 一种多点位路侧感知目标的状态监控管理方法及系统 |
CN113015667A (zh) * | 2020-05-11 | 2021-06-22 | 华为技术有限公司 | 一种车辆自我保护方法、系统以及包括该系统的自动驾驶车辆 |
CN113660269A (zh) * | 2021-08-17 | 2021-11-16 | 上海交通大学 | 面向集中式网联云控平台的信息可信度识别处理方法 |
CN113687349A (zh) * | 2021-09-23 | 2021-11-23 | 上海大学 | 基于多传感器融合的无人艇海面目标追踪方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867413A (zh) * | 2012-07-18 | 2013-01-09 | 浙江工业大学 | 车路协作环境下的车辆传感数据压缩感知获取方法 |
CN107945198A (zh) * | 2016-10-13 | 2018-04-20 | 北京百度网讯科技有限公司 | 用于标注点云数据的方法和装置 |
CN107972663A (zh) * | 2018-01-03 | 2018-05-01 | 汽-大众汽车有限公司 | 一种基于智能驾驶技术的车辆控制系统、装置及方法 |
CN108766006A (zh) * | 2018-08-02 | 2018-11-06 | 成都秦川物联网科技股份有限公司 | 基于车联网的车辆行为监管方法及车联网系统 |
CN109690434A (zh) * | 2016-07-29 | 2019-04-26 | 维迪科研究所 | 用于操控自主车辆的操控系统 |
CN109901574A (zh) * | 2019-01-28 | 2019-06-18 | 华为技术有限公司 | 自动驾驶方法及装置 |
CN109917791A (zh) * | 2019-03-26 | 2019-06-21 | 深圳市锐曼智能装备有限公司 | 移动装置自动探索构建地图的方法 |
CN110155079A (zh) * | 2019-04-09 | 2019-08-23 | 安徽四创电子股份有限公司 | 基于区块链技术的辅助驾驶系统及方法 |
CN110262504A (zh) * | 2019-07-02 | 2019-09-20 | 吉林大学 | 一种结构可调的多激光雷达耦合系统及其控制方法 |
-
2019
- 2019-09-29 CN CN201910936182.6A patent/CN110673599A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867413A (zh) * | 2012-07-18 | 2013-01-09 | 浙江工业大学 | 车路协作环境下的车辆传感数据压缩感知获取方法 |
CN109690434A (zh) * | 2016-07-29 | 2019-04-26 | 维迪科研究所 | 用于操控自主车辆的操控系统 |
CN107945198A (zh) * | 2016-10-13 | 2018-04-20 | 北京百度网讯科技有限公司 | 用于标注点云数据的方法和装置 |
CN107972663A (zh) * | 2018-01-03 | 2018-05-01 | 汽-大众汽车有限公司 | 一种基于智能驾驶技术的车辆控制系统、装置及方法 |
CN108766006A (zh) * | 2018-08-02 | 2018-11-06 | 成都秦川物联网科技股份有限公司 | 基于车联网的车辆行为监管方法及车联网系统 |
CN109901574A (zh) * | 2019-01-28 | 2019-06-18 | 华为技术有限公司 | 自动驾驶方法及装置 |
CN109917791A (zh) * | 2019-03-26 | 2019-06-21 | 深圳市锐曼智能装备有限公司 | 移动装置自动探索构建地图的方法 |
CN110155079A (zh) * | 2019-04-09 | 2019-08-23 | 安徽四创电子股份有限公司 | 基于区块链技术的辅助驾驶系统及方法 |
CN110262504A (zh) * | 2019-07-02 | 2019-09-20 | 吉林大学 | 一种结构可调的多激光雷达耦合系统及其控制方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111267866A (zh) * | 2020-01-13 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、介质及电子设备 |
CN111267866B (zh) * | 2020-01-13 | 2022-01-11 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、介质及电子设备 |
CN111278006A (zh) * | 2020-01-21 | 2020-06-12 | 重庆长安汽车股份有限公司 | 一种基于v2x的感知信息的可靠性验证方法、装置、控制器及汽车 |
CN111278006B (zh) * | 2020-01-21 | 2023-04-07 | 重庆长安汽车股份有限公司 | 一种基于v2x的感知信息的可靠性验证方法、装置、控制器及汽车 |
CN113015667A (zh) * | 2020-05-11 | 2021-06-22 | 华为技术有限公司 | 一种车辆自我保护方法、系统以及包括该系统的自动驾驶车辆 |
CN113015667B (zh) * | 2020-05-11 | 2022-07-29 | 华为技术有限公司 | 一种车辆自我保护方法、系统和包括该系统的自动驾驶车辆 |
CN112285714A (zh) * | 2020-09-08 | 2021-01-29 | 苏州挚途科技有限公司 | 一种基于多传感器的障碍物速度融合方法和装置 |
CN112148010A (zh) * | 2020-09-23 | 2020-12-29 | 北京百度网讯科技有限公司 | 自动驾驶功能控制方法、装置、电子设备及存储介质 |
CN113012458A (zh) * | 2021-02-07 | 2021-06-22 | 启迪云控(上海)汽车科技有限公司 | 一种多点位路侧感知目标的状态监控管理方法及系统 |
CN113660269A (zh) * | 2021-08-17 | 2021-11-16 | 上海交通大学 | 面向集中式网联云控平台的信息可信度识别处理方法 |
CN113687349A (zh) * | 2021-09-23 | 2021-11-23 | 上海大学 | 基于多传感器融合的无人艇海面目标追踪方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110673599A (zh) | 基于传感器网络的自动驾驶车辆环境感知系统 | |
CN106909152B (zh) | 一种车用环境感知系统及汽车 | |
US10163017B2 (en) | Systems and methods for vehicle signal light detection | |
RU2668361C1 (ru) | Система отображения на карте автомобильных парковок (варианты) | |
CN110816540B (zh) | 交通拥堵的确定方法、装置、系统及车辆 | |
CN110441790B (zh) | 激光雷达系统中的方法和装置串扰和多径降噪 | |
CN109387857B (zh) | 激光雷达系统中的跨网段检测方法和设备 | |
JP7466396B2 (ja) | 車両制御装置 | |
CN110361014B (zh) | 本车位置推断装置 | |
US10591923B2 (en) | Method and apparatus for parallel illumination by a VCSEL array | |
JP2004531424A (ja) | 車用の感知装置 | |
KR20120103546A (ko) | 차량 부재 제어 방법 | |
US11433897B2 (en) | Method and apparatus for determination of optimal cruising lane in an assisted driving system | |
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 | |
US20210224617A1 (en) | Information processing device, information processing method, computer program, and mobile device | |
US11142196B2 (en) | Lane detection method and system for a vehicle | |
US20210302570A1 (en) | Information processing device and information processing method, computer program, information processing system, and mobile device | |
KR20210127088A (ko) | 차량 탑재 센서 시스템 | |
US20220063615A1 (en) | Vehicle travel control apparatus | |
US11433888B2 (en) | Driving support system | |
WO2017013692A1 (ja) | 走行車線判定装置及び走行車線判定方法 | |
JP6609292B2 (ja) | 車外環境認識装置 | |
CN111137286A (zh) | 车辆车道偏离系统以及方法 | |
US11760345B2 (en) | Vehicle traveling control apparatus | |
CN115195775A (zh) | 车辆控制装置、车辆控制方法及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |