CN111132212A - 无人驾驶车辆网络异常处理方法、装置、设备和存储介质 - Google Patents
无人驾驶车辆网络异常处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111132212A CN111132212A CN201911261069.9A CN201911261069A CN111132212A CN 111132212 A CN111132212 A CN 111132212A CN 201911261069 A CN201911261069 A CN 201911261069A CN 111132212 A CN111132212 A CN 111132212A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- network signal
- equal
- planned path
- intensity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000003672 processing method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例涉及一种无人驾驶车辆网络异常处理方法、装置、设备和存储介质,方法包括:在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测;当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;在所述网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,所述第二规划路径不包括网络信号强度小于或等于第一设定强度的区域;基于所述第二规划路径,控制无人驾驶车辆行驶本申请,以解决现有的无人驾驶车辆一旦行驶至网络异常的区域后,需要长时间驻车,严重影响车辆运营效率,容易进一步引发安全事故的问题。
Description
技术领域
本申请实施例涉及无人驾驶技术领域,具体涉及无人驾驶车辆网络异常处理方法、装置、设备和存储介质。
背景技术
无人驾驶车辆是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。它集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物,也是衡量一个国家科研实力和工业水平的一个重要标志,在国防和国民经济领域具有广阔的应用前景。
目前无人驾驶车辆在行驶过程中,需要利用网络从云端服务器获取远程资源,比如:实时路况,精确导航等。当行驶至网络异常的区域时,由于是无人驾驶,整车控制器会控制无人驾驶车辆驻车,等待网路由异常变为正常,或者等待维修人员前去处理(如将无人驾驶车辆移动至网络正常的区域)。这样会使得无人驾驶车辆驻车时间跨度长,严重影响车辆运营效率。此外,驻车会使得无人驾驶车辆长时间占道,影响道路畅通,容易进一步引发安全事故。
发明内容
本申请的至少一个实施例提供了一种无人驾驶车辆网络异常处理方法、装置、设备和存储介质,解决了现有的无人驾驶车辆一旦行驶至网络异常的区域后,需要长时间驻车,严重影响车辆运营效率,容易进一步引发安全事故的问题。
第一方面,本申请实施例提出一种无人驾驶车辆网络异常处理方法,该方法包括:
在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测;
当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;
在所述网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,所述第二规划路径不包括网络信号强度小于或等于第一设定强度的区域;
基于所述第二规划路径,控制无人驾驶车辆行驶。
第二方面,本申请实施例还提出一种无人驾驶车辆网络异常处理装置,该装置包括:
网络信号强度检测模块,用于在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测;
第一行驶控制模块,用于当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;
第二规划路径获得模块,用于在所述网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,所述第二规划路径不包括网络信号强度小于或等于第一设定强度的区域;
第二行驶控制模块,用于基于所述第二规划路径,控制无人驾驶车辆行驶。
第三方面,本申请实施例还提出一种电子设备,包括:处理器和存储器;
处理器通过调用存储器存储的程序或指令,用于执行上述任一方法的步骤。
第四方面,本申请实施例还提出一种计算机可读存储介质,计算机可读存储介质存储程序或指令,程序或指令使计算机执行上述任一方法的步骤。
本申请实施例中提供的无人驾驶车辆网络异常处理方法,当检测到网络信号强度小于或等于第一设定强度时,通过控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;在所述网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,所述第二规划路径不包括网络信号强度小于或等于第一设定强度的区域;基于所述第二规划路径,控制无人驾驶车辆行驶,解决了现有的无人驾驶车辆一旦行驶至网络异常的区域后,需要长时间驻车,严重影响车辆运营效率,容易进一步引发安全事故的问题,达到了当无人驾驶车辆行驶至网络异常的区域后,控制其自行走出网络异常的区域,不需要驻车,提高车辆运营效率,确保其所执行的任务能够有序推进,同时避免因驻车占道带来的安全事故隐患的目的。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例或现有技术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,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无人驾驶车辆网络异常处理方法的流程图;
图2为本申请实施例提供的另一种无人驾驶车辆网络异常处理方法的流程图;
图3为本申请实施例提供的另一种无人驾驶车辆网络异常处理方法的流程图;
图4为本申请实施例提供的另一种无人驾驶车辆网络异常处理方法的流程图;
图5为本申请实施例提供的一种无人驾驶车辆网络异常处理系统的结构框图;
图6为本申请实施例提供的一种无人驾驶车辆网络异常处理装置的结构框图;
图7是本申请实施例提供的一种电子设备的结构框图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。基于所描述的本申请的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
针对现有技术无人驾驶车辆一旦行驶至网络异常的区域后,需要长时间驻车,严重影响车辆运营效率,容易进一步引发安全事故的问题,本申请实施例提供一种当无人驾驶车辆行驶至网络异常的区域后,控制其自行走出网络异常的区域,而非驻车,达到了提高车辆运营效率,确保其所执行的任务能够有序推进,同时避免因驻车占道带来的安全事故隐患的效果。
本申请实施例提供的无人驾驶车辆网络异常处理方法,可应用于智能驾驶车辆。
图1是本申请实施例提供的一种无人驾驶车辆网络异常处理方法的流程图,本方法可适用于无人驾驶车辆在行驶的过程中行驶至网络异常的区域的情况,该方法由无人驾驶车辆与云端服务器配合执行。
该方法包括以下步骤:
S110、在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测。
第一规划路径是指无人驾驶车辆行驶至网络信号异常区之前行驶所遵循的路线。对于第一规划路径的起点、终点以及其经过的位置本申请不作限制。示例性地,第一规划路径可以为为了执行其所承担的任务所设置的路线,如为了在公园中流动售卖商品所预设的流动售卖路线。或者是,第一规划路径可以为为了达到售卖点的路线。
S120、当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域。
第一设定强度是指用于衡量网络信号是否异常的参考量。如果位置A处网络信号强度小于第一设定强度时,认为位置A处网络信号异常。网络信号异常包括网络信号差和无网络信号。当位置B处网络信号强度大于或等于第一设定强度时,认为位置B处网络信号正常。
第二设定强度是指足以支持重新进行规划路径的网络信号强度的最小值。在实际中,可以设置第二设定强度大于第一设定强度,或者第二设定强度等于第一设定强度,或者第二设定强度小于第一设定强度。
本步骤的具体实现方法可以为,当检测到网络信号强度小于或等于第一设定强度,控制无人驾驶车辆沿任意路径行驶至网络信号强度大于或等于第二设定强度的区域。例如,当无人驾驶车辆行驶在位置C处时检测到网络信号强度小于第一设定强度,可以控制无人驾驶车辆左转90°后继续前行,直至行驶至网络信号强度大于或等于第二设定强度的区域。
本领域技术人员可以理解,本步骤的实质是控制无人驾驶车辆由网络信号异常的区域行驶至网络信号正常的区域。在网络信号异常区域中,无人驾驶车辆无法高效地与云端服务器进行交互,可能出现因无人驾驶车辆无法做出正确的决策(如是否跟车、是否超车、是否停车、是否绕行、车辆航向确定、以及速度确定等),这会增大安全事故的发生几率。而这些决策被正确的做出需要依赖对环境(路况信息以及自身的定位信息等)的感知。
定义当检测到网络信号强度小于或等于第一设定强度时,无人驾驶车辆所处位置为第一位置。考虑到在检测到网络信号强度小于或等于第一设定强度之前,无人驾驶车辆已沿第一规划路径行驶至第一位置,在其行驶的过程中,会对环境(如障碍物的位置,道路标志/标记等)进行感知,可选地,控制无人驾驶车辆沿第一规划路径返回至网络信号强度大于或等于第二设定强度的区域。当无人驾驶车辆沿第一规划路径返回至网络信号强度大于或等于第二设定强度的区域的过程中,可以基于之前感知到的环境情况(如障碍物的位置,道路标志/标记等)进行决策,以降低发生安全事故的几率。
可选地,在执行本步骤的过程中,还包括:控制无人驾驶车辆进入限扭模式,并以限扭模式行驶至网络信号强度大于或等于第二设定强度的区域。限扭模式是一种低速行驶模式。控制无人驾驶车辆以限扭模式行驶至网络信号强度大于或等于第二设定强度的区域,便于在行驶的过程中,行人、其他车辆等有充分的时间躲避,进一步降低安全事故发生的几率。可选地,当进入限扭模式时,无人驾驶车辆的速度小于或等于3km/h。
S130、在网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,第二规划路径不包括网络信号强度小于或等于第一设定强度的区域。
本步骤中第二规划路径的目标位置和S110中的第一规划路径的目标位置可以相同,也可以不同。本申请对此不做限制。本步骤中第二规划路径的目标位置和S110中的第一规划路径的目标位置相同与否主要取决于无人驾驶车辆的任务是否改变或者是否接收到新的指令等。
本步骤中要求第二规划路径不包括网络信号强度小于或等于第一设定强度的区域。网络信号强度小于或等于第一设定强度的区域的确定方法有多种,示例性地,对不同位置处网络信号强度进行检测并记录,形成记录结果,记录结果包括位置以及该位置对应的网络信号强度;基于该记录结果,确定网络信号强度小于或等于第一设定强度的区域。在执行本步骤时,第二规划路径不包括这些区域。
其中,对不同位置处网络信号强度进行检测并记录的执行主体可以是人,也可以是无人驾驶车辆,还可以是普通车辆等,本申请对此不作限制。
若对不同位置处网络信号强度进行检测并记录的执行主体为无人驾驶车辆,该无人驾驶车可以与执行本申请提供的无人驾驶车辆网络异常处理方法的无人驾驶车辆为同一车辆,也可以为不同车辆。
若为不同车辆,可以在其执行对不同位置处网络信号强度进行检测并记录后,将记录结果上传至云端服务器,以方便其他车辆调用。
若为同一车辆,在其执行对不同位置处网络信号强度进行检测并记录的过程,可选地,包括本申请S110中的过程,即无人驾驶车辆按照第一规划路径行驶过程。此时,在实际进行路径规划,获得第二规划路径时,网络信号强度小于或等于第一设定强度的区域包括在执行本申请S110时检测到的位于第一规划路径上的网络信号强度小于或等于第一设定强度的区域。换言之,本申请在执行S110时,可以确定在第一规划路径中哪些位置/区域网络信号强度小于或等于第一设定强度,在执行本步骤时,形成的第二规划路径绕过在执行S110时确定在第一规划路径中信号强度小于或等于第一设定强度的位置/区域。
由此,对于在执行本申请提供的无人驾驶车辆网络异常处理方法的车辆在固定园区或固定区域行驶的情况,可提前采集该固定园区或固定区域内不同位置的网络信号强度,并存储起来,当检测到网络信号异常时,可根据提前采集并存储的数据重新进行路线规划,以绕过信号强度小于或等于第一设定强度的位置/区域,并将本次在执行S110时网络信号强度异常的位置存储起来。对于在执行本申请提供的无人驾驶车辆网络异常处理方法的车辆在新路径行驶的情况,可以实时采集新路径各位置的网络信号强度,并存储起来,当检测到网络信号异常时,退出网络异常区域,并标记出该位置为网络异常区域,尝试规划其他最优路线(如距离短的路径,避免拥堵的路径等),到达目标位置后,记录本次行驶路线,作为下次规划路线参考。
S140、基于第二规划路径,控制无人驾驶车辆行驶。
上述技术方案,当无人驾驶车辆行驶至网络异常的区域后,控制其自行走出网络异常的区域,而非驻车,提高了车辆运营效率,确保其所执行的任务能够有序推进,同时避免因驻车占道带来的安全事故隐患的效果。
图2为本申请实施例提供的另一种无人驾驶车辆网络异常处理方法的流程图。参见图2,该方法包括以下步骤:
S210、在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测。
S220、判断当前网络信号强度是否小于或等于第一设定强度;若是,执行S230;若否,执行S210。
S230、确定无人驾驶车辆当前位置,确定当前位置与目标位置之间的距离。
本步骤中确定当前位置的实现方式可以为,利用设置于无人驾驶车辆上的传感器确定无人驾驶车辆当前位置。这里的传感器包括但不限于下述中的至少一种:摄像头和GPS。例如,利用摄像头采集当前无人驾驶车辆周围的环境图像。将环境图像与离线的3D地图中的街景图像进行比对,进而确定无人驾驶车辆当前位置。
S240、判断当前位置与目标位置之间的距离是否大于或等于设定阈值;若是,执行S250;若否,执行S260。
设定阈值由用户预先设定,其可以为具体数值,如5m,也可以为与第一规划路径路程长度相关的一个取值,如第一规划路径路程长度的2%。
在本步骤中,若当前位置与目标位置之间的距离大于或等于设定阈值,可以认为当前无人驾驶车辆距目标位置较远。若当前位置与目标位置之间的距离小于设定阈值,可以认为当前无人驾驶车辆距目标位置较近。
S250、控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域。
S260、控制无人驾驶车辆沿第一规划路径继续行驶。
需要说明的是,在本实施例中,在执行S250时无人驾驶车辆行驶的路径与在执行S260时无人驾驶车辆行驶的路径不同。换言之,在执行S250时无人驾驶车辆沿与第一规划路不同的某个路径行驶。
S270、在网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,第二规划路径不包括网络信号强度小于或等于第一设定强度的区域。
S280、基于第二规划路径,控制无人驾驶车辆行驶。
在网络异常的区域,沿第一规划路径行驶至目标位置,其行程较短,花费时间较短。但是这种情况下,由于网络异常,数据传输时间延迟较大,无法利用网络从云端服务器获取远程资源(如实时路况,精确导航等),或其利用网络从云端服务器获取的远程资源十分有限,主要依赖无人驾驶车辆上已安装的摄像头、雷达及其他感知传感器,判别当前无人驾驶车辆所处位置及四周环境,然后根据GPS定位、离线地图及已规划路线等确认自身位置,其发生安全事故的几率较高。
而在网络异常的区域,先行驶至网络信号强度大于或等于第二设定强度的区域,再重新规划得到第二规划路径,最后沿第二规划路径行驶至目标位置,本质上为绕行,其行程较长,花费时间较长,但是这种情况下,可以利用网络从云端服务器获取远程资源,同时,还可以无人驾驶车辆上已安装的摄像头、雷达及其他感知传感器进行环境识别,其发生安全事故的几率较低。
本实施例技术方案,通过判断当前位置与目标位置之间的距离是否大于或等于设定阈值,并设置若当前位置与目标位置之间的距离大于或等于设定阈值,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;若当前位置与目标位置之间的距离小于设定阈值,控制无人驾驶车辆沿第一规划路径继续行驶,同时兼顾了行驶至目标位置花费的时间和安全事故发生的几率。
在上述技术方案的基础上,可选地,在执行S260时,控制无人驾驶车辆进入限扭模式,并以限扭模式控制无人驾驶车辆沿第一规划路径继续行驶,以便于在行驶的过程中,行人、其他车辆等有充分的时间躲避,进一步降低安全事故发生的几率。
图3为本申请实施例提供的另一种无人驾驶车辆网络异常处理方法的流程图。参见图3,该方法包括以下步骤:
S310、在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测。
S320、判断当前网络信号强度是否小于或等于第一设定强度;若是,执行S330;若否,执行S310。
S330、确定无人驾驶车辆当前位置,确定当前位置与目标位置之间的距离。
本步骤中确定当前位置的实现方式可以为,利用设置于无人驾驶车辆上的传感器确定无人驾驶车辆当前位置。这里的传感器包括但不限于下述中的至少一种:摄像头和GPS。例如,利用摄像头采集当前无人驾驶车辆周围的环境图像。将环境图像与离线的3D地图中的街景图像进行比对,进而确定无人驾驶车辆当前位置。
S340、判断当前位置与目标位置之间的距离是否大于或等于设定阈值;若是,执行S350;若否,执行S360。
设定阈值由用户预先设定,其可以为具体数值,如5m,也可以为与第一规划路径路程长度相关的一个取值,如第一规划路径路程长度的2%。
在本步骤中,若当前位置与目标位置之间的距离大于或等于设定阈值,可以认为当前无人驾驶车辆距目标位置较远。若当前位置与目标位置之间的距离小于设定阈值,可以认为当前无人驾驶车辆距目标位置较近。
S350、控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域。
S360、判断当前网络信号强度是否大于或等于第三设定强度;若是,执行S390;若否,执行S350。
第三设定强度小于第一设定强度。第三设定强度的具体取值可以由用户预先设定,以进一步衡量当前网络信号优劣。当网络信号强度小于第三设定强度时,可认为网络信号极差,信息传输时间延迟在不可接受的范围内,此时无法依赖网络信号获取云端服务器的资源。当网络信号强度大于或等于第三设定强度时,可认为还可以依赖网络信号获取云端服务器的资源,信息传输时间延迟还在可接受的范围内。
可选地,第三设定强度为O,此时无网络信号。
S370、在网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,第二规划路径不包括网络信号强度小于或等于第一设定强度的区域。
S380、基于第二规划路径,控制无人驾驶车辆行驶。
S390、控制无人驾驶车辆沿第一规划路径继续行驶。
需要说明的是,在本实施例中,在执行S350时无人驾驶车辆行驶的路径与在执行S390时无人驾驶车辆行驶的路径不同。换言之,在执行S350时无人驾驶车辆沿与第一规划路不同的某个路径行驶。
由于在实际中路况较为复杂,尤其是行人、其他车辆的不确定性很大,本实施例技术方案中通过判断当前网络信号强度是否大于或等于第三设定强度,并设置只在当前位置与目标位置之间的距离小于设定阈值,且检测到网络信号强度大于或等于第三设定强度的情况下,控制无人驾驶车辆沿第一规划路径继续行驶,以进一步降低沿第一规划路径继续行驶的过程中发生安全事故的几率。
需要说明的是,无人驾驶车辆中往往设置有多个车辆控制部件,上述无人驾驶车辆网络异常处理方法中需要由无人驾驶车辆执行的步骤具体由哪个车辆控制部件执行,本申请对此不作限制。下面结合执行主体示例性地给出一种无人驾驶车辆网络异常处理方法。
图4为本申请实施例提供的另一种无人驾驶车辆网络异常处理方法的流程图。图5为本申请实施例提供的一种无人驾驶车辆网络异常处理系统的结构框图。参见图4和图5,该方法包括以下步骤:
S410、在无人驾驶车辆按照第一规划路径行驶过程中,工控机对网络信号强度进行检测。
S420、当检测到网络信号强度小于或等于第一设定强度时,工控机向整车控制器发送网络信号异常信号。
工控机(IPC,Industrial Personal Computer)即工业控制计算机,是一种采用总线结构,对无人驾驶车辆进行检测与控制的工具总称。工控机具有重要的计算机属性和特征,如具有计算机CPU、硬盘、内存、外设及接口,并有操作系统、控制网络和协议、计算能力、友好的人机界面。工控行业的产品和技术非常特殊,属于中间产品,是为无人驾驶车辆提供可靠、嵌入式、智能化的工业计算机。
整车控制器(VCU,Vehicle Control Unit)是车辆动力系统的总成控制器,负责协调发动机、驱动电机、变速箱、动力电池等各部件的工作,通过获取用户对无人驾驶车辆的控制信号,综合分析并作出响应判断后,监控下层的各部件控制器的动作,对车辆的正常行驶、电池能量的制动回馈、网络管理、故障诊断与处理、车辆状态监控等功能起着关键作用。
S430、整车控制器基于网络信号异常信号,控制无人驾驶车辆进入限扭模式,并向工控机发送模式切换完毕信号。
S440、工控机基于模式切换完毕信号,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域。
S450、在网络信号强度大于或等于第二设定强度的区域,工控机向车联网系统发送当前位置信息。
车联网系统是指通过在车辆仪表台安装车载终端设备,实现对车辆所有工作情况和静、动态信息的采集、存储并发送。车联网系统一般具有实时实景功能,利用移动网络实现人车交互。
S460、基于当前位置信息,车联网系统重新进行路径规划,以获得第二规划路径,并将第二规划路径发送至工控机。
S470、工控机基于第二规划路径,控制无人驾驶车辆行驶。
可选地,执行本步骤时,可以通过工控机调用车辆底层执行系统,实现控制无人驾驶车辆按照第二规划路径行驶。在一些实施例中,车辆底层执行系统包括但不限于:转向系统、制动系统和驱动系统。
在上述技术方案中,工控机、整车控制器和与车联网系统关联的车载终端设备三者中,可以任意两者集成在一起,也可以三者集成在一起,也可以三者相互独立。这三者中任一者可以为软件系统,可以为硬件系统,也可以为软硬结合系统等。
图6为本申请实施例提供的一种无人驾驶车辆网络异常处理装置的结构框图。参见图6,该无人驾驶车辆网络异常处理装置包括网络信号强度检测模块510、第一行驶控制模块520、第二规划路径获得模块530以及第二行驶控制模块540。
网络信号强度检测模块510,用于在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测;
第一行驶控制模块520,用于当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;
第二规划路径获得模块530,用于在所述网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,所述第二规划路径不包括网络信号强度小于或等于第一设定强度的区域;
第二行驶控制模块540,用于基于所述第二规划路径,控制无人驾驶车辆行驶。
在一些实施例中,第一行驶控制模块520具体用于当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆沿所述第一规划路径返回至网络信号强度大于或等于第二设定强度的区域。
在一些实施例中,第一行驶控制模块520具体用于当检测到网络信号强度小于或等于第一设定强度时,控制所述无人驾驶车辆进入限扭模式,并以限扭模式行驶至网络信号强度大于或等于第二设定强度的区域。
在一些实施例中,该无人驾驶车辆网络异常处理装置还包括第一行驶控制模块,第一行驶控制模块包括当前位置确定单元、距离确定单元和第一行驶控制单元。
当前位置确定单元,用于确定所述无人驾驶车辆当前位置。
距离确定单元,用于当检测到网络信号强度小于或等于第一设定强度,确定当前位置与目标位置之间的距离。
第一行驶控制单元,用于若当前位置与目标位置之间的距离小于设定阈值,控制无人驾驶车辆沿所述第一规划路径继续行驶。
第二行驶控制模块,用于若当前位置与目标位置之间的距离大于或等于设定阈值,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;
在一些实施例中,第一行驶控制单元具体用于若当前位置与目标位置之间的距离小于设定阈值,控制所述无人驾驶车辆进入限扭模式,并以限扭模式控制无人驾驶车辆沿所述第一规划路径继续行驶。
在一些实施例中,当前位置确定单元具体用于利用设置于所述无人驾驶车辆上的传感器,确定所述无人驾驶车辆当前位置。
在一些实施例中,第一行驶控制单元具体用于若当前位置与目标位置之间的距离小于设定阈值,且所述检测到网络信号强度大于或等于第三设定强度,控制无人驾驶车辆沿所述第一规划路径继续行驶,所述第三设定强度小于所述第一设定强度。
本申请实施例所提供的无人驾驶车辆网络异常处理装置可执行本申请任意实施例所提供的无人驾驶车辆网络异常处理方法,具备执行方法相应的功能模块和有益效果,在此不再赘述。
图7是本申请实施例提供的一种电子设备的结构框图。参见图7,该电子设备包括:至少一个处理器601、至少一个存储器602和至少一个通信接口603。电子设备中的各个组件通过总线系统604耦合在一起。通信接口603,用于与外部设备之间的信息传输。可理解,总线系统604用于实现这些组件之间的连接通信。总线系统604除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见,在图7中将各种总线都标为总线系统604。
可以理解,本实施例中的存储器602可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
在一些实施方式中,存储器602存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统和应用程序。
其中,操作系统,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序,包含各种应用程序,例如媒体播放器(MediaPlayer)、浏览器(Browser)等,用于实现各种应用业务。实现本申请实施例提供的无人驾驶车辆网络异常处理方法的程序可以包含在应用程序中。
在本申请实施例中,处理器601通过调用存储器602存储的程序或指令,具体的,可以是应用程序中存储的程序或指令,处理器601用于执行本申请实施例提供的无人驾驶车辆网络异常处理方法各实施例的步骤。
本申请实施例提供的无人驾驶车辆网络异常处理方法可以应用于处理器601中,或者由处理器601实现。处理器601可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(FieldProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例提供的无人驾驶车辆网络异常处理方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602,处理器601读取存储器602中的信息,结合其硬件完成方法的步骤。
该电子设备还可以包括一个实体部件,或者多个实体部件,以根据处理器601在执行本申请实施例提供的无人驾驶车辆网络异常处理方法时生成的指令,实现对无人驾驶车辆的控制。不同的实体部件可以设置到无人驾驶车辆内,或者无人驾驶车辆外,例如云端服务器等。各个实体部件与处理器601和存储器602共同配合实现本实施例中电子设备的功能。
本申请实施例还提供一种包含计算机可读存储介质,该计算机可读存储介质存储程序或指令,该程序或指令使计算机执行行时用于执行一种无人驾驶车辆网络异常处理方法,该方法包括:
在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测;
当检测到网络信号强度小于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于第二设定强度的区域;
在所述网络信号强度大于第二设定强度的区域重新进行路径规划,以获得第二规划路径,所述第二规划路径不包括网络信号强度小于第一设定强度的区域;
基于所述第二规划路径,控制无人驾驶车辆行驶。
可选的,该计算机可执行指令在由计算机处理器执行时还可以用于执行本申请任意实施例所提供的无人驾驶车辆网络异常处理方法的技术方案。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本申请可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
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。
本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
虽然结合附图描述了本申请的实施方式,但是本领域技术人员可以在不脱离本申请的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (13)
1.一种无人驾驶车辆网络异常处理方法,其特征在于,包括:
在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测;
当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;
在所述网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,所述第二规划路径不包括网络信号强度小于或等于第一设定强度的区域;
基于所述第二规划路径,控制无人驾驶车辆行驶。
2.根据权利要求1所述的方法,其特征在于,所述控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域,包括:
控制无人驾驶车辆沿所述第一规划路径返回至网络信号强度大于或等于第二设定强度的区域。
3.根据权利要求1所述的方法,其特征在于,所述控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域,包括:
控制所述无人驾驶车辆进入限扭模式,并以限扭模式行驶至网络信号强度大于或等于第二设定强度的区域。
4.根据权利要求1所述的方法,其特征在于,所述检测到网络信号强度小于或等于第一设定强度之后,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域之前,还包括:
确定所述无人驾驶车辆当前位置;
确定当前位置与目标位置之间的距离;
若当前位置与目标位置之间的距离大于或等于设定阈值,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;
若当前位置与目标位置之间的距离小于设定阈值,控制无人驾驶车辆沿所述第一规划路径继续行驶。
5.根据权利要求4所述的方法,其特征在于,所述控制无人驾驶车辆沿所述第一规划路径继续行驶,包括:
控制所述无人驾驶车辆进入限扭模式,并以限扭模式控制无人驾驶车辆沿所述第一规划路径继续行驶。
6.根据权利要求4所述的方法,其特征在于,所述确定所述无人驾驶车辆当前位置,包括;
利用设置于所述无人驾驶车辆上的传感器,确定所述无人驾驶车辆当前位置。
7.根据权利要求4所述的方法,其特征在于,所述若当前位置与目标位置之间的距离小于设定阈值,控制无人驾驶车辆沿所述第一规划路径继续行驶,包括:
若当前位置与目标位置之间的距离小于设定阈值,且检测到网络信号强度大于或等于第三设定强度,控制无人驾驶车辆沿所述第一规划路径继续行驶,所述第三设定强度小于所述第一设定强度。
8.根据权利要求1所述的方法,其特征在于,所述在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测,包括:
在无人驾驶车辆按照第一规划路径行驶过程中,通过工控机对网络信号强度进行检测。
9.根据权利要求1所述的方法,其特征在于,所述当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域,包括:
当检测到网络信号强度小于或等于第一设定强度时,所述工控机向整车控制器发送网络信号异常信号;
所述整车控制器基于所述网络信号异常信号,控制所述无人驾驶车辆进入限扭模式,并向所述工控机发送模式切换完毕信号;
所述工控机基于所述模式切换完毕信号,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域。
10.根据权利要求1所述的方法,其特征在于,
所述在所述网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,包括:
在所述网络信号强度大于或等于第二设定强度的区域,工控机向车联网系统发送当前位置信息;
所述车联网系统基于所述当前位置信息,重新进行路径规划,以获得第二规划路径,并将所述第二规划路径发送至工控机;
所述基于所述第二规划路径,控制无人驾驶车辆行驶,包括:所述工控机基于所述第二规划路径,控制无人驾驶车辆行驶。
11.一种无人驾驶车辆网络异常处理装置,其特征在于,包括:
网络信号强度检测模块,用于在无人驾驶车辆按照第一规划路径行驶过程中,对网络信号强度进行检测;
第一行驶控制模块,用于当检测到网络信号强度小于或等于第一设定强度时,控制无人驾驶车辆行驶至网络信号强度大于或等于第二设定强度的区域;
第二规划路径获得模块,用于在所述网络信号强度大于或等于第二设定强度的区域重新进行路径规划,以获得第二规划路径,所述第二规划路径不包括网络信号强度小于或等于第一设定强度的区域;
第二行驶控制模块,用于基于所述第二规划路径,控制无人驾驶车辆行驶。
12.一种电子设备,其特征在于,包括:处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至10任一项所述方法的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至10任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911261069.9A CN111132212A (zh) | 2019-12-10 | 2019-12-10 | 无人驾驶车辆网络异常处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911261069.9A CN111132212A (zh) | 2019-12-10 | 2019-12-10 | 无人驾驶车辆网络异常处理方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111132212A true CN111132212A (zh) | 2020-05-08 |
Family
ID=70498167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911261069.9A Pending CN111132212A (zh) | 2019-12-10 | 2019-12-10 | 无人驾驶车辆网络异常处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111132212A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935673A (zh) * | 2020-08-07 | 2020-11-13 | 新石器慧义知行智驰(北京)科技有限公司 | 一种无人车远程驾驶处理系统和方法 |
CN114979221A (zh) * | 2022-06-29 | 2022-08-30 | 阿波罗智能技术(北京)有限公司 | 车辆的信号处理方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106796114A (zh) * | 2016-11-03 | 2017-05-31 | 深圳达闼科技控股有限公司 | 路径规划的方法、装置、服务器及机器人 |
CN107223201A (zh) * | 2017-03-10 | 2017-09-29 | 深圳前海达闼云端智能科技有限公司 | 一种导航方法、装置以及终端设备 |
CN108535753A (zh) * | 2018-03-30 | 2018-09-14 | 北京百度网讯科技有限公司 | 车辆定位方法、装置及设备 |
CN108627864A (zh) * | 2017-03-24 | 2018-10-09 | 纵目科技(上海)股份有限公司 | 基于汽车钥匙的定位方法及系统、无人驾驶汽车系统 |
CN110220530A (zh) * | 2019-06-17 | 2019-09-10 | 腾讯科技(深圳)有限公司 | 导航方法及装置、计算机可读存储介质和电子设备 |
-
2019
- 2019-12-10 CN CN201911261069.9A patent/CN111132212A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106796114A (zh) * | 2016-11-03 | 2017-05-31 | 深圳达闼科技控股有限公司 | 路径规划的方法、装置、服务器及机器人 |
CN107223201A (zh) * | 2017-03-10 | 2017-09-29 | 深圳前海达闼云端智能科技有限公司 | 一种导航方法、装置以及终端设备 |
CN108627864A (zh) * | 2017-03-24 | 2018-10-09 | 纵目科技(上海)股份有限公司 | 基于汽车钥匙的定位方法及系统、无人驾驶汽车系统 |
CN108535753A (zh) * | 2018-03-30 | 2018-09-14 | 北京百度网讯科技有限公司 | 车辆定位方法、装置及设备 |
CN110220530A (zh) * | 2019-06-17 | 2019-09-10 | 腾讯科技(深圳)有限公司 | 导航方法及装置、计算机可读存储介质和电子设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935673A (zh) * | 2020-08-07 | 2020-11-13 | 新石器慧义知行智驰(北京)科技有限公司 | 一种无人车远程驾驶处理系统和方法 |
CN114979221A (zh) * | 2022-06-29 | 2022-08-30 | 阿波罗智能技术(北京)有限公司 | 车辆的信号处理方法、装置、电子设备及存储介质 |
CN114979221B (zh) * | 2022-06-29 | 2024-02-06 | 阿波罗智能技术(北京)有限公司 | 车辆的信号处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200269874A1 (en) | Track prediction method and device for obstacle at junction | |
CN110606093A (zh) | 车辆性能评测方法、装置、设备和存储介质 | |
KR20200014931A (ko) | 차량용 정보 기억 방법, 차량의 주행 제어 방법, 및 차량용 정보 기억 장치 | |
US10836392B2 (en) | Vehicle situation determination device and vehicle situation determination method | |
CN110807412B (zh) | 一种车辆激光定位的方法、车载设备和存储介质 | |
CN112612272A (zh) | 一种避障控制方法、电子设备及存储介质 | |
WO2020164090A1 (en) | Trajectory prediction for driving strategy | |
CN111132212A (zh) | 无人驾驶车辆网络异常处理方法、装置、设备和存储介质 | |
CN113895456A (zh) | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 | |
CN112829753A (zh) | 基于毫米波雷达的护栏估计方法、车载设备和存储介质 | |
CN115273512A (zh) | 自动驾驶车辆的防碰撞辅助方法、装置、设备及介质 | |
CN111145569A (zh) | 一种道路监测、车辆行驶控制方法、装置及车路协同系统 | |
CN114475656B (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN115292435A (zh) | 高精地图的更新方法和装置、电子设备和存储介质 | |
CN116564133A (zh) | 潮汐车道的车辆预警方法、装置及电子设备 | |
US10953871B2 (en) | Transportation infrastructure communication and control | |
CN114802251A (zh) | 自动驾驶车辆的控制方法、装置、电子设备以及存储介质 | |
KR102562381B1 (ko) | 차량 호라이즌에서 오브젝트를 컨텍스트화 하기 위한 시스템 및 방법 | |
AU2024200010A1 (en) | Vehicle Safety Control Method And Apparatus, Electronic Device, And Storage Medium | |
CN113335311A (zh) | 一种车辆碰撞检测方法、装置、车辆及存储介质 | |
CN113370993A (zh) | 车辆自动驾驶的控制方法和车辆自动驾驶的控制系统 | |
CN112185157B (zh) | 路边停车位检测方法、系统、计算机设备及存储介质 | |
CN117022262A (zh) | 无人车速度规划控制方法、装置、电子设备及存储介质 | |
US20210012660A1 (en) | Parking prediction |
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: 20200508 |