CN110825093A - 自动驾驶策略生成方法、装置、设备及存储介质 - Google Patents

自动驾驶策略生成方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110825093A
CN110825093A CN201911217147.5A CN201911217147A CN110825093A CN 110825093 A CN110825093 A CN 110825093A CN 201911217147 A CN201911217147 A CN 201911217147A CN 110825093 A CN110825093 A CN 110825093A
Authority
CN
China
Prior art keywords
vehicle
lane
target
current image
generating
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
Application number
CN201911217147.5A
Other languages
English (en)
Other versions
CN110825093B (zh
Inventor
岳丽姣
吴琼
钱严
丁钊
袁宁
徐春梅
时利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Jianghuai Automobile Group Corp
Original Assignee
Anhui Jianghuai Automobile Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Jianghuai Automobile Group Corp filed Critical Anhui Jianghuai Automobile Group Corp
Priority to CN201911217147.5A priority Critical patent/CN110825093B/zh
Publication of CN110825093A publication Critical patent/CN110825093A/zh
Application granted granted Critical
Publication of CN110825093B publication Critical patent/CN110825093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—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
    • G05D1/0253—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 relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及自动驾驶技术领域，公开了一种自动驾驶策略生成方法、装置、设备及存储介质，所述方法包括：获取目标车辆周围预设区域的当前图像信息，根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景，根据所述语义场景确定目标控制信息，查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令，根据所述目标控制指令生成自动驾驶策略，从而将当前图像信息转换为语义场景，再根据语义场景生成自动驾驶策略，解决了如何通过语义场景来生成自动驾驶策略，提高自动驾驶精确性的技术问题。

Description

自动驾驶策略生成方法、装置、设备及存储介质
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶策略生成方法、装置、设备及存储介质。
背景技术
目前的技术方案中，多采用物理信息描述自动驾驶车辆周围其他相关车辆的位置、速度等信息，然后通过描述的信息生成驾驶策略，但是仅通过物理信息描述不便于人的理解，自动驾驶行为的可解释性差。
所以，本质上存在着如何通过语义场景来生成自动驾驶策略，提高自动驾驶精确性的技术问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提出一种自动驾驶策略生成方法、装置、设备及存储介质，旨在解决如何通过语义场景来生成自动驾驶策略，提高自动驾驶精确性的技术问题。
为实现上述目的，本发明提供一种自动驾驶策略生成方法，所述自动驾驶策略生成方法包括以下步骤：
获取目标车辆周围预设区域的当前图像信息；
根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离；
根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景；
根据所述语义场景确定目标控制信息；
查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令；
根据所述目标控制指令生成自动驾驶策略。
优选地，根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景，具体包括：
从所述当前图像信息中提取所述目标车辆所处的第一车道，并从所述当前图像信息中提取所述障碍物车辆所处的第二车道；
根据所述纵向距离及预设安全车距确定距离等级；
根据所述第一车道、所述第二车道及所述距离等级生成语义场景。
优选地，所述从所述当前图像信息中提取所述目标车辆所处的第一车道，具体包括：
从所述当前图像信息中提取待选车道，并从所述当前图像信息中提取所述待选车道对应的车道线信息；
根据所述车道线信息建立坐标系，并根据所述车道线信息确定所述待选车道的车道中心线；
根据所述坐标系确定所述目标车辆的车辆坐标；
根据所述坐标系、所述车辆坐标及所述车道中心线判断所述目标车辆是否在所述待选车道内；
若所述目标车辆在所述待选车道内，则将所述待选车道作为所述目标车辆所处的第一车道。
优选地，所述根据所述第一车道、所述第二车道及所述距离等级生成语义场景，具体包括：
根据所述第一车道、所述第二车道及所述距离等级确定所述障碍物车辆与所述目标车辆的位置关系；
获取所述障碍物车辆的参考车速；
将所述参考车速与预设标准车速进行比较；
根据比较结果及所述位置关系生成语义场景。
优选地，所述根据比较结果及所述位置关系生成语义场景，具体包括：
在所述参考车速大于等于所述预设标准车速时，生成第一车速信号；
在所述参考车速小于所述预设标准车速时，生成第二车速信号；
将所述第一车速信号或所述第二车速信号作为目标车速信号；
根据所述目标车速信号及所述位置关系生成语义场景。
优选地，所述根据所述语义场景确定目标控制信息，具体包括：
将所述语义场景转换为场景编码；
查找与所述场景编码对应的控制信息，并将查找到的控制信息作为目标控制信息。
优选地，所述根据所述目标控制指令生成自动驾驶策略，具体包括：
根据所述目标控制指令确定行驶路线；
从所述行驶路线中选取目标行驶路线；
根据所述目标行驶路线生成自动驾驶策略。
此外，为实现上述目的，本发明还提出一种自动驾驶策略生成装置，所述自动驾驶策略生成装置包括：
信息获取模块，用于获取目标车辆周围预设区域的当前图像信息；
车辆距离模块，用于根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离；
语义场景模块，用于根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景；
控制信息模块，用于根据所述语义场景确定目标控制信息；
控制指令模块，用于查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令；
策略生成模块，用于根据所述目标控制指令生成自动驾驶策略。
此外，为实现上述目的，本发明还提出一种自动驾驶策略生成设备，所述自动驾驶策略生成设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自动驾驶策略生成程序，所述自动驾驶策略生成程序配置有实现如上所述的自动驾驶策略生成方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有自动驾驶策略生成程序，所述自动驾驶策略生成程序被处理器执行时实现如上文所述的自动驾驶策略生成方法的步骤。
本发明提出的自动驾驶策略生成方法，通过获取目标车辆周围预设区域的当前图像信息，根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离，根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景，根据所述语义场景确定目标控制信息，查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令，根据所述目标控制指令生成自动驾驶策略，从而将当前图像信息转换为语义场景，再根据语义场景生成自动驾驶策略，解决了如何通过语义场景来生成自动驾驶策略，提高自动驾驶精确性的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的自动驾驶策略生成设备结构示意图；
图2为本发明自动驾驶策略生成方法第一实施例的流程示意图；
图3为本发明自动驾驶策略生成方法第一实施例的纵向距离示意图；
图4为本发明自动驾驶策略生成方法第二实施例的流程示意图；
图5为本发明自动驾驶策略生成方法第二实施例的车道中心线及坐标系示意图；
图6为本发明自动驾驶策略生成方法第二实施例的车辆位置示意图；
图7为本发明自动驾驶策略生成方法第三实施例的流程示意图；
图8为本发明自动驾驶策略生成装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的自动驾驶策略生成设备结构示意图。
如图1所示，该自动驾驶策略生成设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对自动驾驶策略生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及自动驾驶策略生成程序。
在图1所示的自动驾驶策略生成设备中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用户设备，与所述用户设备进行数据通信；本发明设备通过处理器1001调用存储器1005中存储的自动驾驶策略生成程序，并执行以下操作：
获取目标车辆周围预设区域的当前图像信息；
根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离；
根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景；
根据所述语义场景确定目标控制信息；
查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令；
根据所述目标控制指令生成自动驾驶策略。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶策略生成程序，还执行以下操作：
从所述当前图像信息中提取所述目标车辆所处的第一车道，并从所述当前图像信息中提取所述障碍物车辆所处的第二车道；
根据所述纵向距离及预设安全车距确定距离等级；
根据所述第一车道、所述第二车道及所述距离等级生成语义场景。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶策略生成程序，还执行以下操作：
从所述当前图像信息中提取待选车道，并从所述当前图像信息中提取所述待选车道对应的车道线信息；
根据所述车道线信息建立坐标系，并根据所述车道线信息确定所述待选车道的车道中心线；
根据所述坐标系确定所述目标车辆的车辆坐标；
根据所述坐标系、所述车辆坐标及所述车道中心线判断所述目标车辆是否在所述待选车道内；
若所述目标车辆在所述待选车道内，则将所述待选车道作为所述目标车辆所处的第一车道。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶策略生成程序，还执行以下操作：
根据所述第一车道、所述第二车道及所述距离等级确定所述障碍物车辆与所述目标车辆的位置关系；
获取所述障碍物车辆的参考车速；
将所述参考车速与预设标准车速进行比较；
根据比较结果及所述位置关系生成语义场景。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶策略生成程序，还执行以下操作：
在所述参考车速大于等于所述预设标准车速时，生成第一车速信号；
在所述参考车速小于所述预设标准车速时，生成第二车速信号；
将所述第一车速信号或所述第二车速信号作为目标车速信号；
根据所述目标车速信号及所述位置关系生成语义场景。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶策略生成程序，还执行以下操作：
将所述语义场景转换为场景编码；
查找与所述场景编码对应的控制信息，并将查找到的控制信息作为目标控制信息。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶策略生成程序，还执行以下操作：
根据所述目标控制指令确定行驶路线；
从所述行驶路线中选取目标行驶路线；
根据所述目标行驶路线生成自动驾驶策略。
本实施例中通过获取目标车辆周围预设区域的当前图像信息，根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离，根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景，根据所述语义场景确定目标控制信息，查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令，根据所述目标控制指令生成自动驾驶策略，从而将当前图像信息转换为语义场景，再根据语义场景生成自动驾驶策略，解决了如何通过语义场景来生成自动驾驶策略，提高自动驾驶精确性的技术问题。
基于上述硬件结构，提出本发明自动驾驶策略生成方法实施例。
参照图2，图2为本发明自动驾驶策略生成方法第一实施例的流程示意图。
在第一实施例中，所述自动驾驶策略生成方法包括以下步骤：
步骤S10，获取目标车辆周围预设区域的当前图像信息。
需要说明的是，本实施例的执行主体可为自动驾驶策略生成设备，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例中，以自动驾驶策略生成设备为例进行说明。
可以理解的是，可通过预先设置在目标车辆上的摄像头来获取当前图像信息，对于摄像头类型、数量及设置在目标车辆上的位置本实施例对此不作限制，并且，还可通过其他方式来获取当前图像信息，本实施例对此不作限制。
应当理解的是，所述预设区域可以是技术人员根据实际情况提前设置的区域，也可以是将摄像头的实际识别范围作为预设区域，本实施例对此不作限制，所述预设区域包括目标车辆前后左右各个方向的区域。
步骤S20，根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离。
可以理解的是，对当前图像信息进行识别，将识别到的其他车辆作为障碍物车辆，并确定目标车辆与障碍物车辆之间的纵向距离。
应当理解的是，纵向距离为沿着车道方向的距离，如图3所示，车A为目标车辆，车B、车C及车D为障碍物车辆，车B在车A的正前方，车C在车A的右前方，车D在车A的左后方，车A与车B之间的纵向距离为线段x，车A与车C之间的纵向距离为线段y，车D与车A之间的距离为线段z。
步骤S30，根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景。
可以理解的是，根据当前图像信息、障碍物车辆及纵向距离可生成语义场景，例如，本车前方较近的地方有障碍物车辆、本车右前方较近的地方有障碍物车辆、本车左后方较远的地方有障碍物车辆等，进一步地，可以结合障碍物车辆的速度来生成语义场景，例如，本车前方较近的地方有障碍物车辆快速行驶、本车右前方较近的地方有障碍物车辆快速行驶等，当然也可为，本车前方较近的地方有障碍物车辆以60km/h的速度在行驶等，还可包含时间、天气等其他信息生成语义场景，本实施例对此不作限制，在本实施例中，以上述语义场景为例进行说明。
步骤S40，根据所述语义场景确定目标控制信息。
应当理解的是，所述目标控制信息包括横向动作、纵向动作、鸣笛动作、加速动作、减速动作等动作信息，由于自动驾驶是连续性的行为，因此，目标控制信息中可包含多种动作信息，可为动作信息的组合，将动作信息的组合作为目标控制信息。
可以理解的是，由于控制信息具有一定的时效性，因此，控制信息的切换是由语义场景的切换来触发的。
步骤S50，查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令。
应当理解的是，数据库中预先设置有多种控制信息及各控制信息对应的控制指令，在确定目标控制信息之后，查找与目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令。
需要说明的是，控制信息与控制指令的区别在于：控制信息为从语义上描述的语句信息，例如，向右前方变道行驶、保持当前车速沿当前车道行驶等，而控制指令为发送给控制器，以使控制器进行车辆控制的数据指令，即由多种数据、代码等组成的指令，进一步地，可理解为控制信息是人易于理解的，控制指令为机器易于理解的。
步骤S60，根据所述目标控制指令生成自动驾驶策略。
可以理解的是，根据目标控制指令生成行驶路线，再根据行驶路线生成自动驾驶策略。
本实施例中通过获取目标车辆周围预设区域的当前图像信息，根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离，根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景，根据所述语义场景确定目标控制信息，查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令，根据所述目标控制指令生成自动驾驶策略，从而将当前图像信息转换为语义场景，再根据语义场景生成自动驾驶策略，解决了如何通过语义场景来生成自动驾驶策略，提高自动驾驶精确性的技术问题。
在一实施例中，如图4所示，基于第一实施例提出本发明自动驾驶策略生成方法第二实施例，所述步骤S30，包括：
步骤S301，从所述当前图像信息中提取所述目标车辆所处的第一车道，并从所述当前图像信息中提取所述障碍物车辆所处的第二车道。
进一步地，所述步骤S301，包括：
从所述当前图像信息中提取待选车道，并从所述当前图像信息中提取所述待选车道对应的车道线信息，根据所述车道线信息建立坐标系，并根据所述车道线信息确定所述待选车道的车道中心线，根据所述坐标系确定所述目标车辆的车辆坐标，根据所述坐标系、所述车辆坐标及所述车道中心线判断所述目标车辆是否在所述待选车道内，若所述目标车辆在所述待选车道内，则将所述待选车道作为所述目标车辆所处的第一车道，从所述当前图像信息中提取所述障碍物车辆所处的第二车道。
需要说明的是，待选车道是目标车辆可能处在的车道，由于目标车辆不一定是正好在车道中间行驶，可能出现目标车辆处于两个车道之间，即目标车辆同时位于两个车道，此时，待选车道有两个，需要经过进一步判断目标车辆在哪一个待选车道内，进而将目标车辆所在的待选车道作为第一车道。
应当理解的是，所述待选车道的确定方法为目标车辆车轮所在的车道，即将目标车辆车轮所在的车道作为待选车道。
可以理解的是，根据车道线信息建立坐标系，然后确定目标车辆的车辆坐标，判断车辆坐标是否在预设范围区域内，如图5所示，车A为目标车辆，图中为目标车辆位于的待选车道，线A为待选车道的左侧车道线，线B为待选车道的右侧车道线，线C为待选车道的车道中心线，建立坐标系后可以确定目标车辆的四个角的坐标，进而确定目标车辆中心的车辆坐标，从而可计算出目标车辆中心的车辆坐标与车道中心线的垂直距离，判断垂直距离是否在预设距离阈值内，在所述垂直距离在预设距离阈值内时，则将待选车道作为目标车辆所处的第一车道，所述预设距离阈值为技术人员根据实际情况预先设置的，本实施例对此不作限制。
应当理解的是，同理，根据上述步骤可以确定障碍物车辆所处的第二车道，可以理解的是，第一车道与第二车道可为同一车道，即此时目标车辆与障碍物车辆在同一条车道上行驶。
步骤S302，根据所述纵向距离及预设安全车距确定距离等级。
可以理解的是，可设置5个距离等级，分别为前方远距、前方中距、前方近距、后方近距、后方中距，每个距离等级都有其对应的安全车距，将距离等级及安全车距预先设置在数据库中，即可根据纵向距离及预设安全车距确定距离等级，当然还可划分为其他距离等级，也不局限于5种，本实施例对此不作限制。
步骤S303，根据所述第一车道、所述第二车道及所述距离等级生成语义场景。
进一步地，所述步骤S303，包括：
根据所述第一车道、所述第二车道及所述距离等级确定所述障碍物车辆与所述目标车辆的位置关系，获取所述障碍物车辆的参考车速，将所述参考车速与预设标准车速进行比较，在所述参考车速大于等于所述预设标准车速时，生成第一车速信号，在所述参考车速小于所述预设标准车速时，生成第二车速信号，将所述第一车速信号或所述第二车速信号作为目标车速信号，根据所述目标车速信号及所述位置关系生成语义场景。
应当理解的是，在确定距离等级之后，根据第一车道、第二车道及距离等级可确定障碍物车辆与目标车辆的位置关系，例如，如图6所示，位置关系可为图中15种：A1左侧车道前方远距、A2左侧车道前方中距、A3左侧车道前方近距、A4左侧车道后方近距、A5左侧车道后方中距、B1当前车道前方远距、B2当前车道前方中距、B3当前车道前方近距、B4当前车道后方近距、B5当前车道后方中距、C1右侧车道前方远距、C2右侧车道前方中距、C3右侧车道前方近距、C4右侧车道后方近距、C5右侧车道后方中距，当然，还可为其他位置关系，也不局限于15种，本实施例对此不作限制。
可以理解的是，将参考车速与预设标准车速进行比较即可判断障碍物车辆是快速行驶还是慢速行驶，所述预设标准车速为技术人员根据实际情况设置，本实施例对此不作限制，在参考车速大于等于预设标准车速时，生成第一车速信号，第一车速信号为快速行驶信号，在参考车速小于预设标准车速时，生成第二车速信号，第二测速信号为慢速行驶信号。
在具体实现中，例如，在确定障碍物车辆与目标车辆的位置关系为A1、且将第一车速信号作为目标车速信号时，根据目标车速信号及位置关系生成的语义场景为本车左侧车道前方远距有车快速行驶。
本实施例中通过从所述当前图像信息中提取所述目标车辆所处的第一车道，并从所述当前图像信息中提取所述障碍物车辆所处的第二车道，根据所述纵向距离及预设安全车距确定距离等级，根据所述第一车道、所述第二车道及所述距离等级生成语义场景，从而根据从当前图像信息中提取的第一车道、第二车道及距离等级生成语义场景。
在一实施例中，如图4所示，基于第一实施例或第二实施例提出本发明自动驾驶策略生成方法第三实施例，在本实施例中，基于第一实施例进行说明，所述步骤S40，包括：
步骤S401，将所述语义场景转换为场景编码。
可以理解的是，语义场景为文字信息，场景编码为编码信息，将语义场景转化为对应的场景编码，便于控制器的识别。
步骤S402，查找与所述场景编码对应的控制信息，并将查找到的控制信息作为目标控制信息。
应当理解的是，数据库预先设置有场景编码及各场景编码对应的控制信息，控制信息包括意图动作和禁止动作两种，意图动作和禁止动作都包含有多条控制规则，匹配控制信息时先与意图动作中的规则进行匹配，如果匹配上了一条规则A，其对应的输出动作为B，则进一步去与禁止动作中输出动作为B的规则进行匹配，如果也匹配上了，说明规则A匹配失败，否则匹配成功，即禁止动作中的规则均为否定规则，用来否定意图动作中的规则，例如意图动作中的规则为前方车辆较慢，需要左转，而禁止动作中的规则是左边道路有较近前车，无法左转。
可以理解的是，在规则匹配后可能会匹配上多个动作输出，如果匹配上多条规则，需要按照不同功能进行划分合并以及冲突合并，如果上一步没有任何匹配上的规则，则直接保持上一帧的行为，从总体上看，意图动作中包含所有状态转换规则，如果有匹配上的规则则进行状态转换，否则继续保持上一帧动作，形成状态机闭环，应当理解的是，所述目标控制信息为可为多条规则的组合，也可为单条规则，本实施例对此不作限制。
进一步的，所述步骤S60，包括：
步骤S601，根据所述目标控制指令确定行驶路线。
可以理解的是，根据目标控制指令可能会生成多条行驶路线，例如前方近距有车辆慢速行驶时，可以左转进入左车道避开，也可右转进入右车道避开。
步骤S602，从所述行驶路线中选取目标行驶路线。
应当理解的是，可通过预设约束条件从行驶路线中选取目标行驶路线，例如，预设约束条件可为优先左侧超车，即将左转进入左车道避开作为目标行驶路线，预设约束条件还可其他条件，本实施例对此不作限制。
步骤S603，根据所述目标行驶路线生成自动驾驶策略。
可以理解的是，根据目标行驶路线即可生成自动驾驶策略，根据自动驾驶策略控制目标车辆的自动驾驶。
本实施例中通过将所述语义场景转换为场景编码，查找与所述场景编码对应的控制信息，并将查找到的控制信息作为目标控制信息，查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令，根据所述目标控制指令确定行驶路线，从所述行驶路线中选取目标行驶路线，根据所述目标行驶路线生成自动驾驶策略，从而根据语义场景确定目标控制指令，然后确定目标行驶路线以生成自动驾驶策略。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有自动驾驶策略生成程序，所述自动驾驶策略生成程序被处理器执行时实现如下操作：
获取目标车辆周围预设区域的当前图像信息；
根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离；
根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景；
根据所述语义场景确定目标控制信息；
查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令；
根据所述目标控制指令生成自动驾驶策略。
进一步地，所述自动驾驶策略生成程序被处理器执行时还实现如下操作：
从所述当前图像信息中提取所述目标车辆所处的第一车道，并从所述当前图像信息中提取所述障碍物车辆所处的第二车道；
根据所述纵向距离及预设安全车距确定距离等级；
根据所述第一车道、所述第二车道及所述距离等级生成语义场景。
进一步地，所述自动驾驶策略生成程序被处理器执行时还实现如下操作：
从所述当前图像信息中提取待选车道，并从所述当前图像信息中提取所述待选车道对应的车道线信息；
根据所述车道线信息建立坐标系，并根据所述车道线信息确定所述待选车道的车道中心线；
根据所述坐标系确定所述目标车辆的车辆坐标；
根据所述坐标系、所述车辆坐标及所述车道中心线判断所述目标车辆是否在所述待选车道内；
若所述目标车辆在所述待选车道内，则将所述待选车道作为所述目标车辆所处的第一车道。
进一步地，所述自动驾驶策略生成程序被处理器执行时还实现如下操作：
根据所述第一车道、所述第二车道及所述距离等级确定所述障碍物车辆与所述目标车辆的位置关系；
获取所述障碍物车辆的参考车速；
将所述参考车速与预设标准车速进行比较；
根据比较结果及所述位置关系生成语义场景。
进一步地，所述自动驾驶策略生成程序被处理器执行时还实现如下操作：
在所述参考车速大于等于所述预设标准车速时，生成第一车速信号；
在所述参考车速小于所述预设标准车速时，生成第二车速信号；
将所述第一车速信号或所述第二车速信号作为目标车速信号；
根据所述目标车速信号及所述位置关系生成语义场景。
进一步地，所述自动驾驶策略生成程序被处理器执行时还实现如下操作：
将所述语义场景转换为场景编码；
查找与所述场景编码对应的控制信息，并将查找到的控制信息作为目标控制信息。
进一步地，所述自动驾驶策略生成程序被处理器执行时还实现如下操作：
根据所述目标控制指令确定行驶路线；
从所述行驶路线中选取目标行驶路线；
根据所述目标行驶路线生成自动驾驶策略。
本实施例中通过获取目标车辆周围预设区域的当前图像信息，根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离，根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景，根据所述语义场景确定目标控制信息，查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令，根据所述目标控制指令生成自动驾驶策略，从而将当前图像信息转换为语义场景，再根据语义场景生成自动驾驶策略，解决了如何通过语义场景来生成自动驾驶策略，提高自动驾驶精确性的技术问题。
此外，参照图8，本发明实施例还提出一种自动驾驶策略生成装置，所述自动驾驶策略生成装置包括：
信息获取模块10，用于获取目标车辆周围预设区域的当前图像信息。
可以理解的是，可通过预先设置在目标车辆上的摄像头来获取当前图像信息，对于摄像头类型、数量及设置在目标车辆上的位置本实施例对此不作限制，并且，还可通过其他方式来获取当前图像信息，本实施例对此不作限制。
应当理解的是，所述预设区域可以是技术人员根据实际情况提前设置的区域，也可以是将摄像头的实际识别范围作为预设区域，本实施例对此不作限制，所述预设区域包括目标车辆前后左右各个方向的区域。
车辆距离模块20，用于根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离。
可以理解的是，对当前图像信息进行识别，将识别到的其他车辆作为障碍物车辆，并确定目标车辆与障碍物车辆之间的纵向距离。
应当理解的是，纵向距离为沿着车道方向的距离，如图3所示，车A为目标车辆，车B、车C及车D为障碍物车辆，车B在车A的正前方，车C在车A的右前方，车D在车A的左后方，车A与车B之间的纵向距离为线段x，车A与车C之间的纵向距离为线段y，车D与车A之间的距离为线段z。
语义场景模块30，用于根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景。
可以理解的是，根据当前图像信息、障碍物车辆及纵向距离可生成语义场景，例如，本车前方较近的地方有障碍物车辆、本车右前方较近的地方有障碍物车辆、本车左后方较远的地方有障碍物车辆等，进一步地，可以结合障碍物车辆的速度来生成语义场景，例如，本车前方较近的地方有障碍物车辆快速行驶、本车右前方较近的地方有障碍物车辆快速行驶等，当然也可为，本车前方较近的地方有障碍物车辆以60km/h的速度在行驶等，还可包含时间、天气等其他信息生成语义场景，本实施例对此不作限制，在本实施例中，以上述语义场景为例进行说明。
控制信息模块40，用于根据所述语义场景确定目标控制信息。
应当理解的是，所述目标控制信息包括横向动作、纵向动作、鸣笛动作、加速动作、减速动作等动作信息，由于自动驾驶是连续性的行为，因此，目标控制信息中可包含多种动作信息，可为动作信息的组合，将动作信息的组合作为目标控制信息。
可以理解的是，由于控制信息具有一定的时效性，因此，控制信息的切换是由语义场景的切换来触发的。
控制指令模块50，用于查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令。
应当理解的是，数据库中预先设置有多种控制信息及各控制信息对应的控制指令，在确定目标控制信息之后，查找与目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令。
需要说明的是，控制信息与控制指令的区别在于：控制信息为从语义上描述的语句信息，例如，向右前方变道行驶、保持当前车速沿当前车道行驶等，而控制指令为发送给控制器，以使控制器进行车辆控制的数据指令，即由多种数据、代码等组成的指令，进一步地，可理解为控制信息是人易于理解的，控制指令为机器易于理解的。
策略生成模块60，用于根据所述目标控制指令生成自动驾驶策略。
可以理解的是，根据目标控制指令生成行驶路线，再根据行驶路线生成自动驾驶策略。
本实施例中通过获取目标车辆周围预设区域的当前图像信息，根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离，根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景，根据所述语义场景确定目标控制信息，查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令，根据所述目标控制指令生成自动驾驶策略，从而将当前图像信息转换为语义场景，再根据语义场景生成自动驾驶策略，解决了如何通过语义场景来生成自动驾驶策略，提高自动驾驶精确性的技术问题。
在一实施例中，所述语义场景模块30，还用于从所述当前图像信息中提取所述目标车辆所处的第一车道，并从所述当前图像信息中提取所述障碍物车辆所处的第二车道；根据所述纵向距离及预设安全车距确定距离等级；根据所述第一车道、所述第二车道及所述距离等级生成语义场景。
在一实施例中，所述语义场景模块30，还用于从所述当前图像信息中提取待选车道，并从所述当前图像信息中提取所述待选车道对应的车道线信息；根据所述车道线信息建立坐标系，并根据所述车道线信息确定所述待选车道的车道中心线；根据所述坐标系确定所述目标车辆的车辆坐标；根据所述坐标系、所述车辆坐标及所述车道中心线判断所述目标车辆是否在所述待选车道内；若所述目标车辆在所述待选车道内，则将所述待选车道作为所述目标车辆所处的第一车道。
在一实施例中，所述语义场景模块30，还用于根据所述第一车道、所述第二车道及所述距离等级确定所述障碍物车辆与所述目标车辆的位置关系；获取所述障碍物车辆的参考车速；将所述参考车速与预设标准车速进行比较；根据比较结果及所述位置关系生成语义场景。
在一实施例中，所述语义场景模块30，还用于在所述参考车速大于等于所述预设标准车速时，生成第一车速信号；在所述参考车速小于所述预设标准车速时，生成第二车速信号；将所述第一车速信号或所述第二车速信号作为目标车速信号；根据所述目标车速信号及所述位置关系生成语义场景。
在一实施例中，所述控制信息模块40，还用于将所述语义场景转换为场景编码；查找与所述场景编码对应的控制信息，并将查找到的控制信息作为目标控制信息。
在一实施例中，所述策略生成模块60，还用于根据所述目标控制指令确定行驶路线；从所述行驶路线中选取目标行驶路线；根据所述目标行驶路线生成自动驾驶策略。
在本发明所述自动驾驶策略生成装置的其他实施例或具体实现方法可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台智能自动驾驶策略生成设备(可以是手机，计算机，自动驾驶策略生成设备，空调器，或者网络自动驾驶策略生成设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种自动驾驶策略生成方法，其特征在于，所述自动驾驶策略生成方法包括以下步骤：
获取目标车辆周围预设区域的当前图像信息；
根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离；
根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景；
根据所述语义场景确定目标控制信息；
查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令；
根据所述目标控制指令生成自动驾驶策略。
2.如权利要求1所述的自动驾驶策略生成方法，其特征在于，所述根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景，具体包括：
从所述当前图像信息中提取所述目标车辆所处的第一车道，并从所述当前图像信息中提取所述障碍物车辆所处的第二车道；
根据所述纵向距离及预设安全车距确定距离等级；
根据所述第一车道、所述第二车道及所述距离等级生成语义场景。
3.如权利要求2所述的自动驾驶车辆策略生成方法，其特征在于，所述从所述当前图像信息中提取所述目标车辆所处的第一车道，具体包括：
从所述当前图像信息中提取待选车道，并从所述当前图像信息中提取所述待选车道对应的车道线信息；
根据所述车道线信息建立坐标系，并根据所述车道线信息确定所述待选车道的车道中心线；
根据所述坐标系确定所述目标车辆的车辆坐标；
根据所述坐标系、所述车辆坐标及所述车道中心线判断所述目标车辆是否在所述待选车道内；
若所述目标车辆在所述待选车道内，则将所述待选车道作为所述目标车辆所处的第一车道。
4.如权利要求2所述的自动驾驶策略生成方法，其特征在于，所述根据所述第一车道、所述第二车道及所述距离等级生成语义场景，具体包括：
根据所述第一车道、所述第二车道及所述距离等级确定所述障碍物车辆与所述目标车辆的位置关系；
获取所述障碍物车辆的参考车速；
将所述参考车速与预设标准车速进行比较；
根据比较结果及所述位置关系生成语义场景。
5.如权利要求4所述的自动驾驶策略生成方法，其特征在于，所述根据比较结果及所述位置关系生成语义场景，具体包括：
在所述参考车速大于等于所述预设标准车速时，生成第一车速信号；
在所述参考车速小于所述预设标准车速时，生成第二车速信号；
将所述第一车速信号或所述第二车速信号作为目标车速信号；
根据所述目标车速信号及所述位置关系生成语义场景。
6.如权利要求1～5中任一项所述的自动驾驶策略生成方法，其特征在于，所述根据所述语义场景确定目标控制信息，具体包括：
将所述语义场景转换为场景编码；
查找与所述场景编码对应的控制信息，并将查找到的控制信息作为目标控制信息。
7.如权利要求1～5中任一项所述的自动驾驶策略生成方法，其特征在于，所述根据所述目标控制指令生成自动驾驶策略，具体包括：
根据所述目标控制指令确定行驶路线；
从所述行驶路线中选取目标行驶路线；
根据所述目标行驶路线生成自动驾驶策略。
8.一种自动驾驶策略生成装置，其特征在于，所述自动驾驶策略生成装置包括：
信息获取模块，用于获取目标车辆周围预设区域的当前图像信息；
车辆距离模块，用于根据所述当前图像信息确定障碍物车辆，并根据所述当前图像信息确定所述目标车辆与所述障碍物车辆之间的纵向距离，所述纵向距离为沿车道方向的距离；
语义场景模块，用于根据所述当前图像信息、所述障碍物车辆及所述纵向距离生成语义场景；
控制信息模块，用于根据所述语义场景确定目标控制信息；
控制指令模块，用于查找与所述目标控制信息对应的控制指令，并将查找到的控制指令作为目标控制指令；
策略生成模块，用于根据所述目标控制指令生成自动驾驶策略。
9.一种自动驾驶策略生成设备，其特征在于，所述自动驾驶策略生成设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自动驾驶策略生成程序，所述自动驾驶策略生成程序配置有实现如权利要求1至7中任一项所述的自动驾驶策略生成方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有自动驾驶策略生成程序，所述自动驾驶策略生成程序被处理器执行时实现如权利要求1至7中任一项所述的自动驾驶策略生成方法的步骤。
CN201911217147.5A 2019-11-28 2019-11-28 自动驾驶策略生成方法、装置、设备及存储介质 Active CN110825093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911217147.5A CN110825093B (zh) 2019-11-28 2019-11-28 自动驾驶策略生成方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911217147.5A CN110825093B (zh) 2019-11-28 2019-11-28 自动驾驶策略生成方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110825093A true CN110825093A (zh) 2020-02-21
CN110825093B CN110825093B (zh) 2021-04-16

Family

ID=69543403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911217147.5A Active CN110825093B (zh) 2019-11-28 2019-11-28 自动驾驶策略生成方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110825093B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112001235A (zh) * 2020-07-13 2020-11-27 浙江大华汽车技术有限公司 车辆通行信息的生成方法、装置和计算机设备
CN112277948A (zh) * 2020-11-23 2021-01-29 长城汽车股份有限公司 控制车辆的方法、装置、存储介质及电子设备
CN112525551A (zh) * 2020-12-10 2021-03-19 北京百度网讯科技有限公司 自动驾驶车辆的路测方法、装置、设备及存储介质
CN112947415A (zh) * 2021-01-26 2021-06-11 同济大学 一种基于障碍物语义信息的室内路径规划方法
CN113034954A (zh) * 2021-03-03 2021-06-25 北京航迹科技有限公司 一种车辆预警方法和系统
CN113119975A (zh) * 2021-04-29 2021-07-16 东风汽车集团股份有限公司 距离标识显示方法、装置、设备及可读存储介质
CN113212454A (zh) * 2021-05-20 2021-08-06 中国第一汽车股份有限公司 车辆行驶状态的调整方法、装置、计算机设备和存储介质
CN113486836A (zh) * 2021-07-19 2021-10-08 安徽江淮汽车集团股份有限公司 针对低通度障碍物的自动驾驶操控方法
CN113486837A (zh) * 2021-07-19 2021-10-08 安徽江淮汽车集团股份有限公司 针对低通度障碍物的自动驾驶控制方法
CN113495560A (zh) * 2020-03-18 2021-10-12 百度（美国）有限责任公司 基于场景的自动驾驶车辆控制
CN113954857A (zh) * 2020-07-15 2022-01-21 广州汽车集团股份有限公司 一种自动驾驶控制方法及其系统、计算机设备、存储介质
CN114053730A (zh) * 2021-10-25 2022-02-18 浙江小族智能科技有限公司 游乐车及其行驶控制方法、装置、存储介质、终端

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106843231A (zh) * 2017-03-24 2017-06-13 广州汽车集团股份有限公司 无人驾驶汽车、无人驾驶汽车的控制方法及其控制装置
CN108146446A (zh) * 2016-12-02 2018-06-12 比亚迪股份有限公司 车辆变道预警系统、车辆和车辆变道预警方法
CN108335489A (zh) * 2018-03-11 2018-07-27 西安电子科技大学 高速公路车辆行为语义分析及异常行为监控系统及方法
CN108962245A (zh) * 2018-07-06 2018-12-07 奇瑞汽车股份有限公司 车载系统的控制方法、装置及计算机可读存储介质
CN109109859A (zh) * 2018-08-07 2019-01-01 庄远哲 一种电动汽车及其距离监控方法
CN109263639A (zh) * 2018-08-24 2019-01-25 武汉理工大学 基于状态栅格法的驾驶路径规划方法
CN109460042A (zh) * 2018-12-29 2019-03-12 北京经纬恒润科技有限公司 一种自动驾驶控制方法及系统
CN109584578A (zh) * 2017-09-28 2019-04-05 三星电子株式会社 用于识别行驶车道的方法和装置
CN110032181A (zh) * 2019-02-26 2019-07-19 文远知行有限公司 语义地图中障碍物定位方法、装置、计算机设备和存储介质
CN110057373A (zh) * 2019-04-22 2019-07-26 上海蔚来汽车有限公司 用于生成高精细语义地图的方法、装置和计算机存储介质
CN110163176A (zh) * 2019-05-28 2019-08-23 北京百度网讯科技有限公司 车道线变化位置识别方法、装置、设备和介质
CN110197215A (zh) * 2019-05-22 2019-09-03 深圳市牧月科技有限公司 一种自主驾驶的地面感知点云语义分割方法
US20190278292A1 (en) * 2018-03-06 2019-09-12 Zoox, Inc. Mesh Decimation Based on Semantic Information
EP3546890A1 (en) * 2018-03-27 2019-10-02 Fundacíon Tecnalia Research & Innovation Method, system and computer program product for computing routes
WO2019195187A1 (en) * 2018-04-06 2019-10-10 Zoox, Inc. Feature-based prediction
CN110356377A (zh) * 2019-06-27 2019-10-22 驭势（上海）汽车科技有限公司 一种自动紧急制动的决策方法、车载设备及存储介质
CN110356392A (zh) * 2019-05-31 2019-10-22 惠州市德赛西威汽车电子股份有限公司 一种安全行驶智能辅助方法及系统
CN110390240A (zh) * 2018-04-18 2019-10-29 百度（美国）有限责任公司 自动驾驶车辆中的车道后处理

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108146446A (zh) * 2016-12-02 2018-06-12 比亚迪股份有限公司 车辆变道预警系统、车辆和车辆变道预警方法
CN106843231A (zh) * 2017-03-24 2017-06-13 广州汽车集团股份有限公司 无人驾驶汽车、无人驾驶汽车的控制方法及其控制装置
CN109584578A (zh) * 2017-09-28 2019-04-05 三星电子株式会社 用于识别行驶车道的方法和装置
US20190278292A1 (en) * 2018-03-06 2019-09-12 Zoox, Inc. Mesh Decimation Based on Semantic Information
CN108335489A (zh) * 2018-03-11 2018-07-27 西安电子科技大学 高速公路车辆行为语义分析及异常行为监控系统及方法
EP3546890A1 (en) * 2018-03-27 2019-10-02 Fundacíon Tecnalia Research & Innovation Method, system and computer program product for computing routes
WO2019195187A1 (en) * 2018-04-06 2019-10-10 Zoox, Inc. Feature-based prediction
CN110390240A (zh) * 2018-04-18 2019-10-29 百度（美国）有限责任公司 自动驾驶车辆中的车道后处理
CN108962245A (zh) * 2018-07-06 2018-12-07 奇瑞汽车股份有限公司 车载系统的控制方法、装置及计算机可读存储介质
CN109109859A (zh) * 2018-08-07 2019-01-01 庄远哲 一种电动汽车及其距离监控方法
CN109263639A (zh) * 2018-08-24 2019-01-25 武汉理工大学 基于状态栅格法的驾驶路径规划方法
CN109460042A (zh) * 2018-12-29 2019-03-12 北京经纬恒润科技有限公司 一种自动驾驶控制方法及系统
CN110032181A (zh) * 2019-02-26 2019-07-19 文远知行有限公司 语义地图中障碍物定位方法、装置、计算机设备和存储介质
CN110057373A (zh) * 2019-04-22 2019-07-26 上海蔚来汽车有限公司 用于生成高精细语义地图的方法、装置和计算机存储介质
CN110197215A (zh) * 2019-05-22 2019-09-03 深圳市牧月科技有限公司 一种自主驾驶的地面感知点云语义分割方法
CN110163176A (zh) * 2019-05-28 2019-08-23 北京百度网讯科技有限公司 车道线变化位置识别方法、装置、设备和介质
CN110356392A (zh) * 2019-05-31 2019-10-22 惠州市德赛西威汽车电子股份有限公司 一种安全行驶智能辅助方法及系统
CN110356377A (zh) * 2019-06-27 2019-10-22 驭势（上海）汽车科技有限公司 一种自动紧急制动的决策方法、车载设备及存储介质

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113495560A (zh) * 2020-03-18 2021-10-12 百度（美国）有限责任公司 基于场景的自动驾驶车辆控制
CN112001235A (zh) * 2020-07-13 2020-11-27 浙江大华汽车技术有限公司 车辆通行信息的生成方法、装置和计算机设备
CN113954857B (zh) * 2020-07-15 2023-03-21 广州汽车集团股份有限公司 一种自动驾驶控制方法及其系统、计算机设备、存储介质
CN113954857A (zh) * 2020-07-15 2022-01-21 广州汽车集团股份有限公司 一种自动驾驶控制方法及其系统、计算机设备、存储介质
CN112277948A (zh) * 2020-11-23 2021-01-29 长城汽车股份有限公司 控制车辆的方法、装置、存储介质及电子设备
CN112277948B (zh) * 2020-11-23 2022-01-21 长城汽车股份有限公司 控制车辆的方法、装置、存储介质及电子设备
CN112525551A (zh) * 2020-12-10 2021-03-19 北京百度网讯科技有限公司 自动驾驶车辆的路测方法、装置、设备及存储介质
CN112525551B (zh) * 2020-12-10 2023-08-29 北京百度网讯科技有限公司 自动驾驶车辆的路测方法、装置、设备及存储介质
CN112947415A (zh) * 2021-01-26 2021-06-11 同济大学 一种基于障碍物语义信息的室内路径规划方法
CN112947415B (zh) * 2021-01-26 2022-07-29 同济大学 一种基于障碍物语义信息的室内路径规划方法
CN113034954A (zh) * 2021-03-03 2021-06-25 北京航迹科技有限公司 一种车辆预警方法和系统
CN113119975A (zh) * 2021-04-29 2021-07-16 东风汽车集团股份有限公司 距离标识显示方法、装置、设备及可读存储介质
CN113212454A (zh) * 2021-05-20 2021-08-06 中国第一汽车股份有限公司 车辆行驶状态的调整方法、装置、计算机设备和存储介质
CN113212454B (zh) * 2021-05-20 2023-05-12 中国第一汽车股份有限公司 车辆行驶状态的调整方法、装置、计算机设备和存储介质
CN113486837A (zh) * 2021-07-19 2021-10-08 安徽江淮汽车集团股份有限公司 针对低通度障碍物的自动驾驶控制方法
CN113486836B (zh) * 2021-07-19 2023-06-06 安徽江淮汽车集团股份有限公司 针对低通度障碍物的自动驾驶操控方法
CN113486836A (zh) * 2021-07-19 2021-10-08 安徽江淮汽车集团股份有限公司 针对低通度障碍物的自动驾驶操控方法
CN114053730A (zh) * 2021-10-25 2022-02-18 浙江小族智能科技有限公司 游乐车及其行驶控制方法、装置、存储介质、终端
CN114053730B (zh) * 2021-10-25 2023-08-18 浙江小族智能科技有限公司 游乐车及其行驶控制方法、装置、存储介质、终端

Also Published As

Publication number Publication date
CN110825093B (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN110825093B (zh) 自动驾驶策略生成方法、装置、设备及存储介质
US11001196B1 (en) Systems and methods for communicating a machine intent
CN111874006B (zh) 路线规划处理方法和装置
EP4102186A1 (en) Method for constructing self-driving map and related device
CN111580524B (zh) 基于路径规划的车辆换道方法、装置、设备及存储介质
US11142190B2 (en) System and method for controlling autonomous driving vehicle
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
JP4614005B2 (ja) 移動軌跡生成装置
CN111582189B (zh) 交通信号灯识别方法、装置、车载控制终端及机动车
CN109491375A (zh) 用于自动驾驶车辆的基于驾驶场景的路径规划
CN108268033A (zh) 使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统
EP3812867A1 (en) Vehicle control method and device
CN112595337B (zh) 避障路径规划方法、装置、电子装置、车辆及存储介质
US10803307B2 (en) Vehicle control apparatus, vehicle, vehicle control method, and storage medium
CN113165670A (zh) 一种智能驾驶方法、装置、存储介质及计算机程序
US11529951B2 (en) Safety system, automated driving system, and methods thereof
EP4119412A1 (en) Vehicle-based data processing method and apparatus, computer, and storage medium
CN107745711B (zh) 一种在自动驾驶模式下确定路线的方法和装置
JPWO2018066133A1 (ja) 車両判定方法、走行経路補正方法、車両判定装置、及び走行経路補正装置
EP3588007B1 (en) Information processing method and information processing device
CN113189989B (zh) 车辆意图预测方法、装置、设备及存储介质
CN112230656A (zh) 一种园区车辆自动驾驶方法及其系统、客户端、存储介质
CN112363511A (zh) 车辆路径规划方法、装置、车载装置及存储介质
CN115447607A (zh) 用于规划车辆行驶轨迹的方法和装置
US20240182031A1 (en) Data processing method, apparatus, and device, and storage medium

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