CN110979332B - 智能汽车的控制方法、装置及存储介质 - Google Patents
智能汽车的控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110979332B CN110979332B CN201911345544.0A CN201911345544A CN110979332B CN 110979332 B CN110979332 B CN 110979332B CN 201911345544 A CN201911345544 A CN 201911345544A CN 110979332 B CN110979332 B CN 110979332B
- Authority
- CN
- China
- Prior art keywords
- intelligent automobile
- precision map
- computing platform
- edge computing
- intelligent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 238000004891 communication Methods 0.000 claims abstract description 29
- 230000009471 action Effects 0.000 claims description 44
- 230000000875 corresponding effect Effects 0.000 claims description 29
- 230000007613 environmental effect Effects 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000007499 fusion processing Methods 0.000 claims description 7
- 239000003595 mist Substances 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 17
- 230000002093 peripheral effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
- B60W30/18—Propelling the vehicle
-
- 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
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
Abstract
本申请公开了一种智能汽车的控制方法、装置及存储介质,属于智能汽车技术领域。应用于目标边缘计算平台中,目标边缘计算平台为多个边缘计算平台中的任一个,该方法包括:获取通信范围内的道路数据和至少一个智能汽车的检测数据,至少一个智能汽车中每个智能汽车为位于目标边缘计算平台通信范围内的智能汽车;根据道路数据和至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,局部高精地图为至少一个智能汽车所处环境的地图,全局高精地图为云雾计算平台根据多个边缘计算平台对应的局部高精地图拼接得到;根据全局高精地图和局部高精地图,控制至少一个智能汽车进行自动驾驶。本申请提高了智能汽车控制的精度,降低了控制成本。
Description
技术领域
本申请涉及智能汽车技术领域,特别涉及一种智能汽车的控制方法、装置及存储介质。
背景技术
随着科技的发展,汽车越来越智能化,且汽车智能化的主要体现是智能汽车的自动驾驶。其中,智能汽车在自动驾驶过中,为了避免发生交通安全事故,通常需要对障碍物、车道线、车道标识等目标进行检测,根据检测到的目标,智能汽车可以进行制动、避让、变道等控制。
目前,智能汽车在自动驾驶过程中进行目标检测时,通过可以通过SSD、YOLO、YOLO2等一类单通道网络结构实现,或者,通过RCNN、faster-RCNN、RFCNN等一类网络结构实现。
但是,在通过SSD、YOLO、YOLO2等单通道网络结构进行目标检测时,容易对事细节,检测到的目标的精度较低,从而导致对智能汽车的控制不准确。而通过RCNN、faster-RCNN、RFCNN等一类网络结构进行目标检测时,对车载计算平台要求较高,导致对智能汽车的控制成本高。
发明内容
本申请提供了一种智能汽车的控制方法、装置及存储介质,可以解决相关技术中智能汽车控制精度低、控制成本高的问题。所述技术方案如下:
一方面,提供了一种智能汽车的控制方法,应用于目标边缘计算平台中,所述目标边缘计算平台为多个边缘计算平台中的任一个,所述方法包括:
获取通信范围内的道路数据和至少一个智能汽车的检测数据,所述至少一个智能汽车中每个智能汽车为位于所述目标边缘计算平台通信范围内的智能汽车;
根据所述道路数据和所述至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,所述局部高精地图为所述至少一个智能汽车所处环境的地图,所述全局高精地图为云雾计算平台根据所述多个边缘计算平台对应的局部高精地图拼接得到;
根据所述全局高精地图和所述局部高精地图,控制所述至少一个智能汽车进行自动驾驶。
在一些实施例中,所述根据所述道路数据和所述至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,包括:
根据所述道路数据和所述至少一个智能汽车的检测数据,通过深度学习算法分别确定所述至少一个智能汽车中每个智能汽车所处环境的环境信息;
将所述每个智能汽车所处环境的环境信息分别与预先存储的当前所处位置的地图信息进行叠加,得到至少一个实时高精地图;
将所述至少一个实时高精地图进行融合处理,得到所述局部高清地图;
将所述局部高精地图发送至所述云雾计算平台,所述云雾计算平台用于根据所述局部高精地图像向所述目标边缘计算平台返回所述全局高精地图;
接收所述云雾计算平台返回的所述全局高精地图。
在一些实施例中,所述根据所述全局高精地图和所述局部高精地图,控制所述至少一个智能汽车进行自动驾驶,包括:
获取所述至少一个智能汽车的起始位置和目标位置;
根据所述至少一个智能汽车起始位置和目标位置,在所述全局高精地图中为所述至少一个智能汽车中的每个智能汽车规划行车路径;
根据所述局部高精地图和所述每个智能汽车的行车路径,确定所述每个智能汽车的动作控制信息;
向所述每个智能汽车发送对应的动作控制信息,以使所述每个智能汽车按照对应的动作控制信息进行行驶。
在一些实施例中,所述根据所述局部高精地图和所述至少一个智能汽车中每个智能汽车的行车路径,确定所述每个智能汽车的动作控制信息之后,还包括:
验证所述每个智能汽车的动作控制信息是否符合安全条件;
当动作控制信息符合安全条件时,将符合所述安全条件的动作控制信息发送至对应的智能汽车;
当存在不符合所述安全条件的动作控制信息时,进行预警处理。
在一些实施例中,所述当存在不符合所述安全条件的动作控制信息时,进行预警处理,包括:
向云雾计算平台发送第一预警信息;和/或,
向动作控制信息不符合安全条件的智能汽车发送第二预警信息,以提示不符合安全条件的智能汽车的驾驶员及时接管智能汽车。
另一方面,提供了一种智能汽车的控制装置,应用于目标边缘计算平台中,所述目标边缘计算平台为多个边缘计算平台中的任一个,所述装置包括:
获取模块,用于获取通信范围内的道路数据和至少一个智能汽车的检测数据,所述至少一个智能汽车中每个智能汽车为位于所述目标边缘计算平台通信范围内的智能汽车;
确定模块,用于根据所述道路数据和所述至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,所述局部高精地图为所述至少一个智能汽车所处环境的地图,所述全局高精地图为云雾计算平台根据所述多个边缘计算平台对应的局部高精地图拼接得到;
控制模块,用于根据所述全局高精地图和所述局部高精地图,控制所述至少一个智能汽车进行自动驾驶。
在一些实施例中,所述确定模块包括:
第一确定子模块,用于根据所述道路数据和所述至少一个智能汽车的检测数据,通过深度学习算法分别确定所述至少一个智能汽车中每个智能汽车所处环境的环境信息;
叠加子模块,用于将所述每个智能汽车所处环境的环境信息分别与预先存储的当前所处位置的地图信息进行叠加,得到至少一个实时高精地图;
融合子模块,用于将所述至少一个实时高精地图进行融合处理,得到所述局部高清地图;
第一发送子模块,用于将所述局部高精地图发送至所述云雾计算平台,所述云雾计算平台用于根据所述局部高精地图像向所述目标边缘计算平台返回所述全局高精地图;
接收子模块,用于接收所述云雾计算平台返回的所述全局高精地图。
在一些实施例中,所述控制模块包括:
获取子模块,用于获取所述至少一个智能汽车的起始位置和目标位置;
规划子模块,用于根据所述至少一个智能汽车起始位置和目标位置,在所述全局高精地图中为所述至少一个智能汽车中的每个智能汽车规划行车路径;
第二确定子模块,用于根据所述局部高精地图和所述每个智能汽车的行车路径,确定所述每个智能汽车的动作控制信息;
第二发送子模块,用于向所述每个智能汽车发送对应的动作控制信息,以使所述每个智能汽车按照对应的动作控制信息进行行驶。
在一些实施例中,所述控制模块还包括:
验证子模块,用于验证所述每个智能汽车的动作控制信息是否符合安全条件;
第三发送子模块,用于当动作控制信息符合安全条件时,将符合所述安全条件的动作控制信息发送至对应的智能汽车;
预警子模块,用于当存在不符合所述安全条件的动作控制信息时,进行预警处理。
在一些实施例中,所述预警子模块用于:
向云雾计算平台发送第一预警信息;和/或,
向动作控制信息不符合安全条件的智能汽车发送第二预警信息,以提示不符合安全条件的智能汽车的驾驶员及时接管智能汽车。
另一方面,提供了一种边缘计算平台,所述边缘计算平台包括存储器和处理器,所述存储器用于存放计算机程序,所述处理器用于执行所述存储器上所存放的计算机程序,以实现上述所述的智能汽车的控制方法的步骤。
另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的智能汽车的控制方法的步骤。
另一方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述所述的智能汽车的控制方法的步骤。
本申请提供的技术方案至少可以带来以下有益效果:
在本申请中,目标边缘计算模块可以根据至少一个智能汽车的检测数据和道路数据,得到局部高精地图和全局高精地图,通过局部高精地图和全局高精地图可以对至少一个智能汽车进行控制。由于全局高精地图和局部高精地图可以描述较详细的路况信息,从而在按照局部高精地图和全局高精地图对至少一个智能汽车进行控制时,能够提高控制智能汽车的精度,降低智能汽车的控制成本,提高智能汽车自动驾驶的安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种智能汽车的控制系统架构示意图;
图2是本申请实施例提供的一种智能汽车的控制方法的流程图;
图3是本申请实施例提供的另一种智能汽车的控制方法的流程图;
图4是本申请实施例提供的一种智能汽车的控制装置的结构示意图;
图5是本申请实施例提供的一种确定模块的结构示意图;
图6是本申请实施例提供的一种控制模块的结构示意图;
图7是本申请实施例提供的另一种控制模块的结构示意图;
图8是本申请实施例提供的一种终端的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提供的智能汽车的控制方法进行详细的解释说明之前,先对本申请实施例提供的应用场景和系统架构进行介绍。
首先,对本申请实施例涉及的应用场景进行介绍。
目前,汽车智能化发展越来越迅速,汽车智能化的主要体现是智能汽车的自动驾驶。其中,智能汽车在自动驾驶过中,为了避免发生交通安全事故,通常需要对障碍物、车道线、车道标识等目标进行检测,根据检测到的目标,智能汽车可以进行制动、避让、变道等控制。但是,根据目前的检测网络,要么是会导致对智能汽车的控制不准确。或者检测成本高,导致对智能汽车的控制成本高。
基于这样的应用场景,本申请提供了一种智能汽车的控制方法。
接下来,对本申请实施例涉及的系统架构进行介绍。
图1是本申请实施例提供的一种智能汽车的控制系统架构示意图,参见图1,该系统包括至少一个智能汽车1、至少一个边缘计算平台2、云雾计算平台3和至少一个道路基础设施(不为边缘技术平台的设施)4;至少一个智能汽车1可以与至少一个道路设施4可以分别与至少一个边缘计算平台2通过5G(5th generation mobile networks,第五代移动通信技术)信号进行连接,至少一个边缘计算平台2可以与云雾计算平台3连接。至少一个边缘计算平台可以包括5G基站、道路基础设施等等。
需要说明的是,至少一个智能汽车1中每个智能汽车1可以包括车载计算平台11、摄像头12、激光雷达13、毫米波雷达14、超声波雷达15等等。至少一个智能汽车1的车载计算平台可以分别与至少一个边缘计算平台2、摄像头12、激光雷达13、毫米波雷达14、超声波雷达15连接。
作为一种示例,目标边缘计算平台2的通信范围内的至少一个智能汽车1可以将检测数据发送至目标边缘计算平台2,目标边缘计算平台2的通信范围内的至少一个道路基础设施4可以目标边缘计算平台2所处的道路数据发送至目标边缘计算平台;目标边缘计算平台2可以根据道路数据和至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,并根据全局高精地图和局部高精地图,控制至少一个智能汽车进行自动驾驶。云雾计算平台3可以用于接收至少一个边缘计算平台发送的局部高精地图,并将至少一个局部高精地图拼接为全局高精地图。
本领域技术人员应能理解上述设备仅为举例,其他现有的或今后可能出现的设备如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
接下来将结合附图对本申请实施例提供的智能汽车的控制方法进行详细的解释说明。
图2是本申请实施例提供的一种智能汽车的控制方法的流程图,该方法应用于目标边缘计算平台中,目标边缘计算平台为多个边缘计算平台中的任一个。请参考图2,该方法包括如下步骤。
步骤201:获取通信范围内的道路数据和至少一个智能汽车的检测数据,该至少一个智能汽车中每个智能汽车为位于该目标边缘计算平台通信范围内的智能汽车。
步骤202:根据该道路数据和该至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,该局部高精地图为该至少一个智能汽车所处环境的地图,该全局高精地图为云雾计算平台根据该多个边缘计算平台对应的局部高精地图拼接得到。
步骤203:根据该全局高精地图和该局部高精地图,控制该至少一个智能汽车进行自动驾驶。
在本申请中,目标边缘计算模块可以根据至少一个智能汽车的检测数据和道路数据,得到局部高精地图和全局高精地图,通过局部高精地图和全局高精地图可以对至少一个智能汽车进行控制。由于全局高精地图和局部高精地图可以描述较详细的路况信息,从而在按照局部高精地图和全局高精地图对至少一个智能汽车进行控制时,能够提高控制智能汽车的精度,降低智能汽车的控制成本,提高智能汽车自动驾驶的安全性。
在一些实施例中,根据该道路数据和该至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,包括:
根据该道路数据和该至少一个智能汽车的检测数据,通过深度学习算法分别确定该至少一个智能汽车中每个智能汽车所处环境的环境信息;
将该每个智能汽车所处环境的环境信息分别与预先存储的当前所处位置的地图信息进行叠加,得到至少一个实时高精地图;
将该至少一个实时高精地图进行融合处理,得到该局部高清地图;
将该局部高精地图发送至该云雾计算平台,该云雾计算平台用于根据该局部高精地图像向该目标边缘计算平台返回该全局高精地图;
接收该云雾计算平台返回的该全局高精地图。
在一些实施例中,根据该全局高精地图和该局部高精地图,控制该至少一个智能汽车进行自动驾驶,包括:
获取该至少一个智能汽车的起始位置和目标位置;
根据该至少一个智能汽车起始位置和目标位置,在该全局高精地图中为该至少一个智能汽车中的每个智能汽车规划行车路径;
根据该局部高精地图和该每个智能汽车的行车路径,确定该每个智能汽车的动作控制信息;
向该每个智能汽车发送对应的动作控制信息,以使该每个智能汽车按照对应的动作控制信息进行行驶。
在一些实施例中,根据该局部高精地图和该至少一个智能汽车中每个智能汽车的行车路径,确定该每个智能汽车的动作控制信息之后,还包括:
验证该每个智能汽车的动作控制信息是否符合安全条件;
当动作控制信息符合安全条件时,将符合该安全条件的动作控制信息发送至对应的智能汽车;
当存在不符合该安全条件的动作控制信息时,进行预警处理。
在一些实施例中,当存在不符合该安全条件的动作控制信息时,进行预警处理,包括:
向云雾计算平台发送第一预警信息;和/或,
向动作控制信息不符合安全条件的智能汽车发送第二预警信息,以提示不符合安全条件的智能汽车的驾驶员及时接管智能汽车。
上述所有可选技术方案,均可按照任意结合形成本申请的可选实施例,本申请实施例对此不再一一赘述。
图3为本申请实施例提供的一种智能汽车的控制方法的流程图,参见图3,应用于目标边缘计算平台中,该目标边缘计算平台为多个边缘计算平台中的任一个,该方法包括如下步骤。
步骤301:目标边缘计算平台获取通信范围内的道路数据和至少一个智能汽车的检测数据,该至少一个智能汽车中每个智能汽车为位于目标边缘计算平台通信范围内的智能汽车。
由上述可知,可以设置有至少一个边缘计算平台,对于任一边缘计算平台,控制智能汽车的操作相同,因此,以目标边缘计算平台为例进行说明。
由于在目标边缘计算平台的通信范围内可能会包括有至少一个智能汽车,每个智能汽车可能会进行自动驾驶,因此,目标边缘计算平台可以获取至少一个智能汽车的检测数据。另外,由于目标边缘计算平台的通信范围内还可能会包括至少一个道路基础设施,比如,监控摄像头、交通信号灯等,因此,目标边缘计算平台还可以获取通信范围内的道路数据。
作为一种示例,当至少一个智能汽车中的任一智能汽车进行自动驾驶时,智能汽车可以通过安装的激光雷达、毫米波雷达、摄像头、超声波雷达等获取各种各样的检测数据,并将获取到的检测数据实时通过5G信号发送至通信范围内最近的目标边缘计算平台。道路基础设施同样可以将检测到的道路数据发送至目标边缘计算平台。
需要说明的是,该检测数据可以包括智能汽车与周围其他汽车之间的距离、智能汽车的行驶速度等运行信息、其他汽车的行驶速度、当前所处车道、智能汽车当前的位置信息等等。道路数据可以包括施工信息、交通信号灯信息、车流信息、交通标识信息、行人信息等等。
步骤302:目标边缘计算平台根据道路数据和至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图。
需要说明的是,局部高精地图为至少一个智能汽车所处环境的地图,该全局高精地图为云雾计算平台根据多个边缘计算平台对应的局部高精地图拼接得到。
为了获取准确的控制信息,目标边缘计算平台需要根据道路数据和至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图。
作为一种示例,目标边缘计算平台根据道路数据和至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图的操作可以为:根据道路数据和至少一个智能汽车的检测数据,通过深度学习算法分别确定至少一个智能汽车中每个智能汽车所处环境的环境信息;将每个智能汽车所处环境的环境信息分别与预先存储的当前所处位置的地图信息进行叠加,得到至少一个实时高精地图;将至少一个实时高精地图进行融合处理,得到局部高清地图;将局部高精地图发送至云雾计算平台,该云雾计算平台用于根据局部高精地图像向目标边缘计算平台返回全局高精地图;接收云雾计算平台返回的全局高精地图。
由于目标边缘计算平台可以获取至少一个智能汽车的检测数据,根据不同智能汽车的检测数据,目标边缘计算平台可以确定不同的地图信息,因此,目标边缘计算平台可以通过深度学习算法分别确定至少一个智能汽车中每个智能汽车所处环境的环境信息,并将每个智能汽车所处环境的环境信息分别与预先存储的当前所处位置的地图信息进行叠加,得到至少一个实时高精地图。也即是,由于每个智能汽车获取的检测数据不同,目标边缘计算平台根据至少一个智能汽车的检测数据,可以确定至少一个环境信息,该至少一个环境信息互不相同,因此,将每个环境信息与预存的地图信息进行叠加,得到至少一个实时高精地图。
需要说明的是,该至少一个环境信息可以包括车道线位置、车道线分流合流情况、行人、交通标识等等。
作为一种示例,目标边缘计算平台可以通过建模算法将每个环境信息与预存的地图信息进行叠加,得到至少一个实时高精地图。
作为一种示例,目标边缘计算平台在将每个环境信息与预存的地图信息进行叠加之前,还可以对每个环境信息进行预处理,比如,当任一两个环境信息之间存在部分相同的信息时,可以进行去重处理等等。
由于可以存在至少一个边缘计算平台,每个边缘计算平台都可以得到一个局部高精地图,因此,当每个边缘计算平台都通过5G信号向云雾计算平台发送对应的局部高精地图后,云雾计算平台可以将获取的至少一个局部高精地图进行拼接,从而得到全局高精地图,并将全局高精地图发送至至少一个边缘计算平台。
步骤303:目标边缘计算平台根据全局高精地图和局部高精地图,控制该至少一个智能汽车进行自动驾驶。
由于驾驶员启动智能汽车的自动驾驶功能后,智能汽车可以进行自动驾驶,而自动驾驶需要按照固定的路线进行行驶,而全局高精地图和局部高精地图涵盖了大部分的路况,因此,为了保证智能汽车自动驾驶的安全性,目标边缘计算平台可以根据全局高精地图和局部高精地图,控制至少一个智能汽车进行自动驾驶。
作为一种示例,目标边缘计算平台根据全局高精地图和局部高精地图,控制至少一个智能汽车进行自动驾驶的操作可以为:获取至少一个智能汽车的起始位置和目标位置;根据至少一个智能汽车起始位置和目标位置,在全局高精地图中为至少一个智能汽车中的每个智能汽车规划行车路径;根据局部高精地图和每个智能汽车的行车路径,确定每个智能汽车的动作控制信息;向每个智能汽车发送对应的动作控制信息,以使每个智能汽车按照对应的动作控制信息进行行驶。
需要说明的是,至少一个智能汽车中每个智能汽车的起始位置可以为当前所处位置,目标位置可以为进行自动驾驶之前,驾驶员设置的目标位置。
由于全局高精地图可以描述大部分工况,因此,目标边缘计算平台可以至少一个智能汽车起始位置和目标位置,在全局高精地图中为至少一个智能汽车中的每个智能汽车规划行车路径。
作为一种示例,在为至少一个智能汽车规划行车路径之前,目标边缘计算平台还可以获取至少一个智能汽车的驾驶员的驾驶习惯、个人喜好等等驾驶员信息,根据驾驶员信息,为至少一个智能汽车规划行车路径。
由于目标边缘计算平台规划行车路径后,至少一个智能汽车可以按照规划路径进行行驶,此时由于可能会存在其他行人、非自动驾驶汽车等等不受目标边缘计算平台控制的对象,因此,为了自动驾驶过程中的安全性,目标边缘计算平台可以根据局部高精地图和每个智能汽车的行车路径,确定每个智能汽车的动作控制信息。
需要说明的是,动作控制信息可以是具体的行为序列,比如,加速、变道、等等行为序列。
作为一种示例,目标边缘计算平台可以每隔预设间隔时间向至少一个智能汽车发送一组动作控制信息,且下一组动作控制信息需要在上一组动作控制信息进行之前发送完成。智能汽车在执行时,需要将上一组动作控制信息执行完成后执行下一组动作控制信息。
在一些实施例中,由于可能会存在不确定性因素,车等等,因此,目标边缘计算平台在根据局部高精地图和至少一个智能汽车中每个智能汽车的行车路径,确定每个智能汽车的动作控制信息之后,还可以验证每个智能汽车的动作控制信息是否符合安全条件;当动作控制信息符合安全条件时,将符合安全条件的动作控制信息发送至对应的智能汽车;当存在不符合安全条件的动作控制信息时,进行预警处理。
需要说明的是,该安全条件可以事先进行设置,比如,该安全条件可以包括不会发生碰撞、动作控制信息符合汽车动力学模型上的规则等等。
作为一种示例,当存在不符合该安全条件的动作控制信息时,目标边缘计算平台进行预警处理的操作可以为:向云雾计算平台发送第一预警信息;和/或,向动作控制信息不符合安全条件的智能汽车发送第二预警信息,以提示不符合安全条件的智能汽车的驾驶员及时接管智能汽车。
作为一种示例,目标边缘计算平台还可以将不符合安全条件的智能汽车进行制动。
在一些实施例中,智能汽车在目标边缘平台的控制下进行自动驾驶时,还可以进行障碍物检测、环境检测等操作,并生成冗余控制指令,保证智能汽车的安全性行驶。
在本申请实施例中中,目标边缘计算模块可以根据至少一个智能汽车的检测数据和道路数据,得到局部高精地图和全局高精地图,通过局部高精地图和全局高精地图可以对至少一个智能汽车进行控制。由于全局高精地图和局部高精地图可以描述较详细的路况信息,从而在按照局部高精地图和全局高精地图对至少一个智能汽车进行控制时,能够提高控制智能汽车的精度,降低智能汽车的控制成本,提高智能汽车自动驾驶的安全性。
在对本申请实施例提供的智能汽车的控制方法进行解释说明之后,接下来,对本申请实施例提供的智能汽车的控制装置进行介绍。
图4是本申请实施例提供的一种智能汽车的控制装置的结构示意图,该装置应用于目标边缘计算平台中,目标边缘计算平台为多个边缘计算平台中的任一个,该智能汽车的控制装置可以由软件、硬件或者两者的结合实现成为边缘计算平台的部分或者全部。请参考图4,该装置包括:获取模块401、确定模块402和控制模块403。
获取模块401,用于获取通信范围内的道路数据和至少一个智能汽车的检测数据,所述至少一个智能汽车中每个智能汽车为位于所述目标边缘计算平台通信范围内的智能汽车;
确定模块402,用于根据所述道路数据和所述至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,所述局部高精地图为所述至少一个智能汽车所处环境的地图,所述全局高精地图为云雾计算平台根据所述多个边缘计算平台对应的局部高精地图拼接得到;
控制模块403,用于根据所述全局高精地图和所述局部高精地图,控制所述至少一个智能汽车进行自动驾驶。
在一些实施例中,参见图5,所述确定模块402包括:
第一确定子模块4021,用于根据所述道路数据和所述至少一个智能汽车的检测数据,通过深度学习算法分别确定所述至少一个智能汽车中每个智能汽车所处环境的环境信息;
叠加子模块4022,用于将所述每个智能汽车所处环境的环境信息分别与预先存储的当前所处位置的地图信息进行叠加,得到至少一个实时高精地图;
融合子模块4023,用于将所述至少一个实时高精地图进行融合处理,得到所述局部高清地图;
第一发送子模块4024,用于将所述局部高精地图发送至所述云雾计算平台,所述云雾计算平台用于根据所述局部高精地图像向所述目标边缘计算平台返回所述全局高精地图;
接收子模块4025,用于接收所述云雾计算平台返回的所述全局高精地图。
在一些实施例中,参见图6,所述控制模块403包括:
获取子模块4031,用于获取所述至少一个智能汽车的起始位置和目标位置;
规划子模块4032,用于根据所述至少一个智能汽车起始位置和目标位置,在所述全局高精地图中为所述至少一个智能汽车中的每个智能汽车规划行车路径;
第二确定子模块4033,用于根据所述局部高精地图和所述每个智能汽车的行车路径,确定所述每个智能汽车的动作控制信息;
第二发送子模块4034,用于向所述每个智能汽车发送对应的动作控制信息,以使所述每个智能汽车按照对应的动作控制信息进行行驶。
在一些实施例中,参见图7,所述控制模块403还包括:
验证子模块4035,用于验证所述每个智能汽车的动作控制信息是否符合安全条件;
第三发送子模块4036,用于当动作控制信息符合安全条件时,将符合所述安全条件的动作控制信息发送至对应的智能汽车;
预警子模块4037,用于当存在不符合所述安全条件的动作控制信息时,进行预警处理。
在一些实施例中,所述预警子模块4037用于:
向云雾计算平台发送第一预警信息;和/或,
向动作控制信息不符合安全条件的智能汽车发送第二预警信息,以提示不符合安全条件的智能汽车的驾驶员及时接管智能汽车。
在本申请实施例中中,目标边缘计算模块可以根据至少一个智能汽车的检测数据和道路数据,得到局部高精地图和全局高精地图,通过局部高精地图和全局高精地图可以对至少一个智能汽车进行控制。由于全局高精地图和局部高精地图可以描述较详细的路况信息,从而在按照局部高精地图和全局高精地图对至少一个智能汽车进行控制时,能够提高控制智能汽车的精度,降低智能汽车的控制成本,提高智能汽车自动驾驶的安全性。
需要说明的是:上述实施例提供的智能汽车的控制装置在控制智能汽车时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的智能汽车的控制装置与智能汽车的控制方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图8是本申请实施例提供的一种边缘计算平台的结构框图。
通常,边缘计算平台包括有:处理器801和存储器802。
处理器801可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器801可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器801还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的智能汽车的控制方法。
在一些实施例中,边缘计算平台还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、触摸显示屏805、摄像头806、音频电路807、定位组件808和电源809中的至少一种。
外围设备接口803可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上;在一些其他实施例中,处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路804包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路804还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏805用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时,显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时,显示屏805还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏805可以为一个,设置边缘计算平台的前面板;在另一些实施例中,显示屏805可以为至少两个,分别设置在边缘计算平台的不同表面或呈折叠设计;在再一些实施例中,显示屏805可以是柔性显示屏,设置在边缘计算平台的弯曲表面上或折叠面上。甚至,显示屏805还可以设置成非矩形的不规则图形,也即异形屏。显示屏805可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件806用于采集图像或视频。可选地,摄像头组件806包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件806还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器801进行处理,或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在边缘计算平台的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路807还可以包括耳机插孔。
定位组件808用于定位边缘计算平台的当前地理位置,以实现导航或LBS(Location Based Service,基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源809用于为边缘计算平台中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,边缘计算平台还包括有一个或多个传感器810。
本领域技术人员可以理解,图8中示出的结构并不构成对边缘计算平台的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在一些实施例中,还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中智能汽车的控制方法的步骤。例如,所述计算机可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
值得注意的是,本申请提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。所述计算机指令可以存储在上述计算机可读存储介质中。
也即是,在一些实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述所述的智能汽车的控制方法的步骤。
以上所述为本申请提供的实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (3)
1.一种智能汽车的控制方法,其特征在于,应用于目标边缘计算平台中,所述目标边缘计算平台为多个边缘计算平台中的任一个,所述方法包括:
获取通信范围内的道路数据和至少一个智能汽车的检测数据,所述至少一个智能汽车中每个智能汽车为位于所述目标边缘计算平台通信范围内的智能汽车,所述至少一个智能汽车的检测数据是所述智能汽车发送给所述目标边缘计算平台的;
根据所述道路数据和所述至少一个智能汽车的检测数据,通过深度学习算法分别确定所述至少一个智能汽车中每个智能汽车所处环境的环境信息,所述环境信息包括车道线位置、车道线分流合流情况、行人和交通标识;
通过建模算法将所述每个智能汽车所处环境的环境信息分别与预先存储的当前所处位置的地图信息进行叠加,得到至少一个实时高精地图;将所述至少一个实时高精地图进行融合处理,得到局部高精地图;将所述局部高精地图发送至云雾计算平台,所述云雾计算平台用于根据所述局部高精地图像向所述目标边缘计算平台返回全局高精地图;接收所述云雾计算平台返回的所述全局高精地图,所述局部高精地图为所述至少一个智能汽车所处环境的地图,所述全局高精地图为云雾计算平台根据所述多个边缘计算平台对应的局部高精地图拼接得到;
获取所述至少一个智能汽车的起始位置和目标位置;根据所述至少一个智能汽车起始位置和目标位置,在所述全局高精地图中为所述至少一个智能汽车中的每个智能汽车规划行车路径;根据所述局部高精地图和所述每个智能汽车的行车路径,确定所述每个智能汽车的动作控制信息;向所述每个智能汽车发送对应的动作控制信息,以使所述每个智能汽车按照对应的动作控制信息进行行驶;
所述根据所述局部高精地图和所述每个智能汽车的行车路径,确定所述每个智能汽车的动作控制信息之后,还包括:
验证所述每个智能汽车的动作控制信息是否符合安全条件,所述安全条件是预先设置的;当动作控制信息符合安全条件时,将符合所述安全条件的动作控制信息发送至对应的智能汽车;当存在不符合所述安全条件的动作控制信息时,向云雾计算平台发送第一预警信息;和/或,向动作控制信息不符合安全条件的智能汽车发送第二预警信息,以提示不符合安全条件的智能汽车的驾驶员及时接管智能汽车。
2.一种智能汽车的控制装置,其特征在于,应用于目标边缘计算平台中,所述目标边缘计算平台为多个边缘计算平台中的任一个,所述装置包括:
获取模块,用于获取通信范围内的道路数据和至少一个智能汽车的检测数据,所述至少一个智能汽车中每个智能汽车为位于所述目标边缘计算平台通信范围内的智能汽车,所述至少一个智能汽车的检测数据是所述智能汽车发送给所述目标边缘计算平台的;
确定模块,用于根据所述道路数据和所述至少一个智能汽车的检测数据,确定局部高精地图和全局高精地图,所述局部高精地图为所述至少一个智能汽车所处环境的地图,所述全局高精地图为云雾计算平台根据所述多个边缘计算平台对应的局部高精地图拼接得到;
控制模块,用于根据所述全局高精地图和所述局部高精地图,控制所述至少一个智能汽车进行自动驾驶;
所述控制模块包括:
获取子模块,用于获取所述至少一个智能汽车的起始位置和目标位置;
规划子模块,用于根据所述至少一个智能汽车起始位置和目标位置,在所述全局高精地图中为所述至少一个智能汽车中的每个智能汽车规划行车路径;
第二确定子模块,用于根据所述局部高精地图和所述每个智能汽车的行车路径,确定所述每个智能汽车的动作控制信息;
第二发送子模块,用于向所述每个智能汽车发送对应的动作控制信息,以使所述每个智能汽车按照对应的动作控制信息进行行驶;
所述控制模块还包括:
验证子模块,用于验证所述每个智能汽车的动作控制信息是否符合安全条件,所述安全条件是预先设置的;
第三发送子模块,用于当动作控制信息符合安全条件时,将符合所述安全条件的动作控制信息发送至对应的智能汽车;
预警子模块,用于当存在不符合所述安全条件的动作控制信息时,向云雾计算平台发送第一预警信息;和/或,向动作控制信息不符合安全条件的智能汽车发送第二预警信息,以提示不符合安全条件的智能汽车的驾驶员及时接管智能汽车;
所述确定模块包括:
第一确定子模块,用于根据所述道路数据和所述至少一个智能汽车的检测数据,通过深度学习算法分别确定所述至少一个智能汽车中每个智能汽车所处环境的环境信息,所述环境信息包括车道线位置、车道线分流合流情况、行人和交通标识;
叠加子模块,用于通过建模算法将所述每个智能汽车所处环境的环境信息分别与预先存储的当前所处位置的地图信息进行叠加,得到至少一个实时高精地图;
融合子模块,用于将所述至少一个实时高精地图进行融合处理,得到所述局部高精地图;
第一发送子模块,用于将所述局部高精地图发送至所述云雾计算平台,所述云雾计算平台用于根据所述局部高精地图像向所述目标边缘计算平台返回所述全局高精地图;
接收子模块,用于接收所述云雾计算平台返回的所述全局高精地图。
3.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911345544.0A CN110979332B (zh) | 2019-12-24 | 2019-12-24 | 智能汽车的控制方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911345544.0A CN110979332B (zh) | 2019-12-24 | 2019-12-24 | 智能汽车的控制方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110979332A CN110979332A (zh) | 2020-04-10 |
CN110979332B true CN110979332B (zh) | 2022-03-15 |
Family
ID=70076146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911345544.0A Active CN110979332B (zh) | 2019-12-24 | 2019-12-24 | 智能汽车的控制方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110979332B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111854771B (zh) * | 2020-06-09 | 2023-01-24 | 阿波罗智能技术(北京)有限公司 | 地图质量的检测处理方法、装置、电子设备和存储介质 |
CN111845754B (zh) * | 2020-07-27 | 2021-09-24 | 扬州大学 | 基于边缘计算和群智算法的自动驾驶车辆的决策预测方法 |
CN112124308A (zh) * | 2020-11-18 | 2020-12-25 | 北京清研宏达信息科技有限公司 | 基于5g分级决策的自适应巡航系统 |
CN112309156A (zh) * | 2020-11-18 | 2021-02-02 | 北京清研宏达信息科技有限公司 | 基于5g分级决策的红绿灯通行策略 |
CN112995309A (zh) * | 2021-02-08 | 2021-06-18 | 南京航空航天大学 | 一种网联式云控智能线控底盘控制系统及其控制方法 |
CN114013448B (zh) * | 2021-10-20 | 2023-09-26 | 奇瑞汽车股份有限公司 | 汽车的控制方法、装置及计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128140A (zh) * | 2016-08-11 | 2016-11-16 | 江苏大学 | 车联网环境下行车服务主动感知系统及方法 |
CN108492603A (zh) * | 2018-04-25 | 2018-09-04 | 济南浪潮高新科技投资发展有限公司 | 一种边缘计算站及基于边缘计算站的自动驾驶方法 |
CN109084785A (zh) * | 2018-07-25 | 2018-12-25 | 吉林大学 | 多车辆协同定位与地图构建方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3539728A1 (en) * | 2018-03-17 | 2019-09-18 | Tata Consultancy Services Limited | System and method for fault detection in robotic actuation |
-
2019
- 2019-12-24 CN CN201911345544.0A patent/CN110979332B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128140A (zh) * | 2016-08-11 | 2016-11-16 | 江苏大学 | 车联网环境下行车服务主动感知系统及方法 |
CN108492603A (zh) * | 2018-04-25 | 2018-09-04 | 济南浪潮高新科技投资发展有限公司 | 一种边缘计算站及基于边缘计算站的自动驾驶方法 |
CN109084785A (zh) * | 2018-07-25 | 2018-12-25 | 吉林大学 | 多车辆协同定位与地图构建方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110979332A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110979332B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN108860141B (zh) | 泊车方法、装置及存储介质 | |
CN109532845B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN109298719B (zh) | 智能汽车的接管方法、装置及存储介质 | |
CN109445425B (zh) | 自动驾驶系统的性能检测方法、装置及存储介质 | |
CN109492566B (zh) | 车道位置信息获取方法、装置及存储介质 | |
CN109409301B (zh) | 交通信号灯的信息获取方法、装置及存储介质 | |
CN111516690B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN111016888A (zh) | 汽车的泊车控制方法、装置及存储介质 | |
CN110956847B (zh) | 车位的识别方法、装置及存储介质 | |
CN109318906B (zh) | 智能汽车的接管检测方法、装置及存储介质 | |
CN112793586B (zh) | 汽车的自动驾驶控制方法、装置及计算机存储介质 | |
CN110751127B (zh) | 距离的确定方法、装置及存储介质 | |
WO2020258602A1 (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN109130854B (zh) | 限速提醒方法、装置及存储介质 | |
CN111516675A (zh) | 汽车的遥控泊车方法、装置及存储介质 | |
CN110962596B (zh) | 汽车的车速控制方法、装置及存储介质 | |
CN114935334B (zh) | 车道拓扑关系的构建方法、装置、车辆、介质及芯片 | |
CN111361550B (zh) | 车位的识别方法、装置及存储介质 | |
CN110329247B (zh) | 汽车的泊车提示方法、装置及存储介质 | |
CN111186435B (zh) | 汽车的防碰撞方法、装置及存储介质 | |
CN112874511B (zh) | 汽车的自动驾驶控制方法、装置及计算机存储介质 | |
CN111071151A (zh) | 汽车的防碰撞方法、装置及存储介质 | |
CN111563979A (zh) | 自动驾驶数据的存储方法、装置、终端及存储介质 | |
CN110550045B (zh) | 速度的规划和跟踪方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |