CN111301404B - 车辆的控制方法及装置、存储介质及处理器 - Google Patents
车辆的控制方法及装置、存储介质及处理器 Download PDFInfo
- Publication number
- CN111301404B CN111301404B CN202010081852.3A CN202010081852A CN111301404B CN 111301404 B CN111301404 B CN 111301404B CN 202010081852 A CN202010081852 A CN 202010081852A CN 111301404 B CN111301404 B CN 111301404B
- Authority
- CN
- China
- Prior art keywords
- information
- historical
- road
- driving
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Abstract
本发明公开了一种车辆的控制方法及装置、存储介质及处理器。其中,该方法包括:获取目标车辆行驶过程中当前道路上预定范围内的图像;从图像中获取当前道路上的目标对象的特征信息以及当前道路的道路信息;通过预定模型,确定与特征信息以及道路信息对应的行车策略,其中,预定模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与特征信息和道路信息对应的行车策略;基于行车策略控制目标车辆的行驶方式,以使目标车辆不与目标对象发生碰撞。本发明解决了相关技术中无法对无人车在道路上的行驶进行比较精确的控制,容易引起交通事故的技术问题。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种车辆的控制方法及装置、存储介质及处理器。
背景技术
各种设备的智能化程度不断提高,为人们的生活提供了极大的便利。例如,智能空调、智能冰箱、智能电饭锅等,然而,这些都是智能家电,为人们的家庭生活提供了智能化的服务。关乎人们生活质量的不仅仅是在衣食层面上,人们的出行更加智能化也是人们所追求的。因此,更加智能化的出行工具也是人们急需的。其中,高智能车辆,例如,无人驾驶车辆可以为用户提供比较舒心的出行体验。但是,在无人车的研发过程中,需要对车辆在不同路况下的行车控制做出比较精确的判断,否则,会导致比较严重的交通事故。然而,目前在无人车行驶过程中,仍无法对路况以及行驶道路的人流及车流信息做出比较精确的判定,使得无人车的可靠性仍然较低
针对上述相关技术中无法对无人车在道路上的行驶进行比较精确的控制,容易引起交通事故的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种车辆的控制方法及装置、存储介质及处理器,以至少解决相关技术中无法对无人车在道路上的行驶进行比较精确的控制,容易引起交通事故的技术问题。
根据本发明实施例的一个方面,提供了一种车辆的控制方法,包括:获取目标车辆行驶过程中当前道路上预定范围内的图像;从所述图像中获取所述当前道路上的目标对象的特征信息以及所述当前道路的道路信息;通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略,其中,所述预定模型为使用多组训练数据通过机器学习训练得到的,所述多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与所述特征信息和所述道路信息对应的行车策略;基于所述行车策略控制所述目标车辆的行驶方式,以使所述目标车辆不与所述目标对象发生碰撞。
可选地,获取目标车辆行驶过程中当前道路预定范围内的图像包括:确定目标车辆处于行驶状态;向所述目标车辆上设置的图像采集设备发送请求信息,以触发所述图像采集设备采集所述当前道路上预定范围内的图像。
可选地,从所述图像中获取所述当前道路上的目标对象的特征信息以及所述当前道路的道路信息包括:对所述图像进行识别,以提取得到所述目标对象的图像;对所述目标对象的图像进行分析,得到所述目标对象的如下至少之一信息:所述目标对象的年龄,所述目标对象的当前姿态,所述目标对象距离所述目标车辆的距离值,所述目标对象相对于所述目标车辆的方位角度。
可选地,在通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略之前,所述车辆的控制方法还包括:采集历史时间段内多个历史特征信息、多个历史道路信息和多个历史行车策略;对包括所述多个历史特征信息、所述多个历史道路信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述行车策略。
可选地,对包括所述多个历史特征信息、所述多个历史道路信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述行车策略还包括:采集所述多个历史特征信息对应的多个目标对象当时所在的多个历史环境信息;对包括所述多个历史特征信息、所述多个历史道路信息、所述多个历史环境信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述行车策略。
可选地,通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略还包括:获取所述目标车辆当前所在的环境信息;通过所述预定模型,确定与所述特征信息以及所述环境信息对应的行车策略。
可选地,基于所述行车策略控制所述目标车辆的行驶方式包括如下至少之一:基于所述行车策略控制所述目标车辆减速至停车;基于所述行车策略控制所述目标车辆减速至第二预定行车速度,并以所述第二预定行车速度沿原行驶轨迹行驶;基于所述行车策略控制所述目标车辆加速至第三预定行车速度,并以所述第三预定行车速度沿新的行车轨迹行驶,以绕过所述目标对象。
可选地,所述目标车辆为无人驾驶车辆。
根据本发明实施例的另外一个方面,还提供了一种车辆的控制装置,包括:获取单元,用于获取目标车辆行驶过程中当前道路上预定范围内的图像;分析单元,用于从所述图像中获取所述当前道路上的目标对象的特征信息以及所述当前道路的道路信息;确定单元,用于通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略,其中,所述预定模型为使用多组训练数据通过机器学习训练得到的,所述多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与所述特征信息和所述道路信息对应的行车策略;控制单元,用于基于所述行车策略控制所述目标车辆的行驶方式,以使所述目标车辆不与所述目标对象发生碰撞。
可选地,所述获取单元包括:第一确定模块,用于确定目标车辆处于行驶状态;第一采集模块,用于向所述目标车辆上设置的图像采集设备发送请求信息,以触发所述图像采集设备采集所述当前道路上预定范围内的图像。
可选地,所述分析单元包括:提取模块,用于对所述图像进行识别,以提取得到所述目标对象的图像;分析模块,用于对所述目标对象的图像进行分析,得到所述目标对象的如下至少之一信息:所述目标对象的年龄,所述目标对象的当前姿态,所述目标对象距离所述目标车辆的距离值,所述目标对象相对于所述目标车辆的方位角度。
可选地,所述车辆的控制装置还包括:采集单元,用于在通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略之前,采集历史时间段内多个历史特征信息、多个历史道路信息和多个历史行车策略;训练单元,用于对包括所述多个历史特征信息、所述多个历史道路信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述行车策略。
可选地,所述训练单元还包括:第二采集模块,用于采集所述多个历史特征信息对应的多个目标对象当时所在的多个历史环境信息;训练模块,用于对包括所述多个历史特征信息、所述多个历史道路信息、所述多个历史环境信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述行车策略。
可选地,所述确定单元还包括:获取模块,用于获取所述目标车辆当前所在的环境信息;第二确定模块,用于通过所述预定模型,确定与所述特征信息以及所述环境信息对应的行车策略。
可选地,所述控制单元包括如下至少之一:第一控制模块,用于基于所述行车策略控制所述目标车辆减速至停车;第二控制模块,用于基于所述行车策略控制所述目标车辆减速至第二预定行车速度,并以所述第二预定行车速度沿原行驶轨迹行驶;第三控制模块,用于基于所述行车策略控制所述目标车辆加速至第三预定行车速度,并以所述第三预定行车速度沿新的行车轨迹行驶,以绕过所述目标对象。
可选地,所述目标车辆为无人驾驶车辆。
根据本发明实施例的另外一个方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述中任意一项所述的车辆的控制方法。
根据本发明实施例的另外一个方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的车辆的控制方法。
根据本发明实施例的另外一个方面,还提供了一种无人驾驶车辆,包括:存储器,与所述存储器耦合的处理器,所述存储器和所述处理器通过总线系统相通信;所述存储器用于存储程序,其中,所述程序在被处理器执行时控制所述存储器所在设备执行上述中任意一项所述的车辆的控制方法;所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的车辆的控制方法。
在本发明实施例中,采用获取目标车辆行驶过程中当前道路上预定范围内的图像;从图像中获取当前道路上的目标对象的特征信息以及当前道路的道路信息;通过预定模型,确定与特征信息以及道路信息对应的行车策略,其中,预定模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与特征信息和道路信息对应的行车策略;基于行车策略控制目标车辆的行驶方式,以使目标车辆不与目标对象发生碰撞,通过本发明实施例提供的车辆的控制方法,实现了实时对目标车辆当前所在道路的路况信息进行分析,得到道路上的目标对象的特征信息,以得到目标车辆可以合理地确定行驶方式,不与目标对象发生碰撞的目的,达到了提高对车辆进行控制的精确度的技术效果,进而解决了相关技术中无法对无人车在道路上的行驶进行比较精确的控制,容易引起交通事故的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的车辆的控制方法的流程图;
图2是根据本发明实施例的车辆的控制方法的一个应用场景的示意图;以及,
图3是根据本发明实施例的车辆的控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
根据本发明实施例,提供了一种车辆的控制方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的车辆的控制方法的流程图,如图1所示,该车辆的控制方法包括如下步骤:
步骤S102,获取目标车辆行驶过程中当前道路上预定范围内的图像。
可选的,上述目标车辆可以为行驶在道路上的车辆。
可选的,上述预定范围可以为距离目标车辆预定距离的区域。
在一种可选的实施例中,获取目标车辆行驶过程中当前道路预定范围内的图像可以包括:确定目标车辆处于行驶状态;向目标车辆上设置的图像采集设备发送请求信息,以触发图像采集设备采集当前道路上预定范围内的图像。
例如,当目标车辆处于行驶状态时,为了可以了解目标车辆所在道路周围的路况信息,可以触发设置在目标车辆上的图像采集设备发送请求信息,以触发图像采集设备采集当前道路上的预定范围内的图像。
其中,在本发明实施例中,对图像采集设备的类型不做具体限定,可以为摄像机、相机、扫描仪等。
步骤S104,从图像中获取当前道路上的目标对象的特征信息以及当前道路的道路信息。
可选的,这里可以采用视觉分析的方法对采集的图像进行视觉分析,以获取当前道路上的目标对象的特征信息。
上述目标对象可以为通过当前道路上的人员。
在一种可选的实施例中,从图像中获取当前道路上的目标对象的特征信息以及当前道路的道路信息可以包括:对图像进行识别,以提取得到目标对象的图像;对目标对象的图像进行分析,得到目标对象的如下至少之一信息:目标对象的年龄,目标对象的当前姿态,目标对象距离目标车辆的距离值,目标对象相对于目标车辆的方位角度。
步骤S106,通过预定模型,确定与特征信息以及道路信息对应的行车策略,其中,预定模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与特征信息和道路信息对应的行车策略。
步骤S108,基于行车策略控制目标车辆的行驶方式,以使目标车辆不与目标对象发生碰撞。
由上可知,在本发明实施例中,可以通过获取目标车辆行驶过程中当前道路上预定范围内的图像;从图像中获取当前道路上的目标对象的特征信息以及当前道路的道路信息;通过预定模型,确定与特征信息以及道路信息对应的行车策略,其中,预定模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与特征信息和道路信息对应的行车策略;基于行车策略控制目标车辆的行驶方式,以使目标车辆不与目标对象发生碰撞,实现了实时对目标车辆当前所在道路的路况信息进行分析,得到道路上的目标对象的特征信息,以得到目标车辆可以合理地确定行驶方式,不与目标对象发生碰撞的目的。
容易注意到,由于在本本发明实施例中,可以对目标车辆上的图像采集设备采集的图像进行分析,得到目标车辆所在道路上的目标对象的特征信息,进而可以根据特征信息确定目标车辆的行车策略,从而目标车辆可以基于根据目标对象的特征信息确定的行车策略确定目标车辆的行驶方式,实现了实时对目标车辆当前所在道路的路况信息进行分析,得到道路上的目标对象的特征信息,以得到目标车辆可以合理地确定行驶方式,不与目标对象发生碰撞的目的,达到了提高对车辆进行控制的精确度的技术效果。
因此,通过本发明实施例提供的车辆的控制方法,解决了相关技术中无法对无人车在道路上的行驶进行比较精确的控制,容易引起交通事故的技术问题。
根据本发明上述实施例,在通过预定模型,确定与特征信息以及道路信息对应的行车策略之前,车辆的控制方法还可以包括:采集历史时间段内多个历史特征信息、多个历史道路信息和多个历史行车策略;对包括多个历史特征信息、多个历史道路信息以及多个历史行车策略的多组训练数据进行训练,得到行车策略。
林外,为了使得到的行车策略更加精确,以便更好地对目标车辆进行控制,在本发明实施例中,对包括多个历史特征信息、多个历史道路信息以及多个历史行车策略的多组训练数据进行训练,得到行车策略还可以包括:采集多个历史特征信息对应的多个目标对象当时所在的多个历史环境信息;对包括多个历史特征信息、多个历史道路信息、多个历史环境信息以及多个历史行车策略的多组训练数据进行训练,得到行车策略。
根据本发明上述实施例,在步骤S106中,通过预定模型,确定与特征信息以及道路信息对应的行车策略还包括:获取目标车辆当前所在的环境信息;通过预定模型,确定与特征信息以及环境信息对应的行车策略。
例如,可以获取目标车辆当前所在的环境信息,进而可以根据当前的环境信息,结合特征信息确定行车策略。
其中,上述环境信息可以为目标车辆当前所在的环境的天气信息,例如,雨雪、雾霾、晴天等。
根据本发明上述实施例,在步骤S108中,基于行车策略控制目标车辆的行驶方式可以包括如下至少之一:基于行车策略控制目标车辆减速至停车;基于行车策略控制目标车辆减速至第二预定行车速度,并以第二预定行车速度沿原行驶轨迹行驶;基于行车策略控制目标车辆加速至第三预定行车速度,并以第三预定行车速度沿新的行车轨迹行驶,以绕过目标对象。
图2是根据本发明实施例的车辆的控制方法的一个应用场景的示意图,如图2所示,与车辆当前所在的车道预定距离出有一垂直于车道的人行横道,在该人行横道上有一行人正要穿过车辆当前所在车道与人行横道的交叉位置,并且车辆的行驶方向与行人横道垂直。当人行横道上的行人为年龄较大的老人,并且其他车道上也有车辆正在通过或者行人正在通过,此时可以基于行车策略控制车辆(即,目标车辆)减速至停车,以使得行人可以安全通过人行横道;当人行横道上的行人为年轻人时,可以选择从按照原行驶速度从该当前车道的右侧穿过;当人行横道上的行人为年龄较大的老人时,也可以选择从按照加速从当前车道的左侧抢先通过。
在该实施例中,行车控制策略至少可以包括:在行人通过车辆所在车道前向图2所示的车道的左侧抢先绕行,在行人通过后向右绕行,在人行横道前待行人通过后通过。具体地,可根据行人姿态、年纪、运行状态进行辅助选择。例如,如果是快速通过的年轻人,可以在行人通过后向右绕行;如果是年迈的老人时,应当在人行横道前等待行人通过;如果是慢速踱步的行人,在允许的情况下,应当在发出报警信息的同时向左抢先绕行。
又例如,当根据环境信息确定当前为雨雪天气,并根据特征信息确定目标对象为正在行走在当前道路上的老人,从该老人的当前姿态分析可知,其正要穿过当前道路,而且该老人的当前位置距离目标车辆较近,那么为了防止与老人发生碰撞,可以采取停车避让的方式;当根据环境信息确定当前为雨雪天气,并根据特征信息确定目标对象为正在行走在当前道路上的老人,从该老人的当前姿态分析可知,其正要穿过当前道路,而且该老人的当前位置距离目标车辆还有一段距离,并且当将目标车辆的车速减小至一定的数值,可以不用停车让行,并且也不会与老人发生碰撞,那么为了防止与老人发生碰撞,可以采取降低目标车辆的车速并仍按照原行车轨迹前行的方式,使得老人可以先通过当前道路;当根据环境信息确定当前为雨雪天气,并根据特征信息确定目标对象为正在行走在当前道路上的老人,从该老人的当前姿态分析可知,其正要穿过当前道路,而且该老人的当前位置距离目标车辆还有一段距离,并且当将目标车辆的车速减小至一定的数值,若按原行车轨迹、并且该老人仍以当前行驶方向和速度前行,那么仍有可能会与老人发生碰撞,那么为了防止与老人发生碰撞,可以采取增加目标车辆的车速的方式,并且改变原行车轨迹以加速绕过该老人。
在一种可选的实施例中,上述目标车辆为无人驾驶车辆。
需要说明的是,在本发明实施例中可以结合分析得到的目标对象的特征信息,例如,年龄、当前姿态、移动速度、距离目标车辆的距离,以及当前的环境信息,例如,天气状况、当前路况等处理目标对象通过目标车辆当前所在道路,以防止与目标对象发生碰撞。
通过本发明实施例提供的车辆的控制方法,可以结合目标对象的特征信息以及环境信息确定当目标车辆当前所在道路上存在目标对象时,目标车辆如何高效、安全地通过当前道路,提高了对目标车辆进行控制的精确度,提升了用户的出行体验。
实施例二
根据本发明实施例的另外一个方面,还提供了一种用于执行本发明上述实施例一中的车辆的控制方法的装置实施例,图3是根据本发明实施例的车辆的控制装置的示意图,如图3所示,该车辆的控制装置包括:获取单元31,分析单元33,确定单元35以及控制单元37。下面对该车辆的控制装置进行详细说明。
获取单元31,用于获取目标车辆行驶过程中当前道路上预定范围内的图像。
分析单元33,用于从图像中获取当前道路上的目标对象的特征信息以及当前道路的道路信息。
确定单元35,用于通过预定模型,确定与特征信息以及道路信息对应的行车策略,其中,预定模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与特征信息和道路信息对应的行车策略。
控制单元37,用于基于行车策略控制目标车辆的行驶方式,以使目标车辆不与目标对象发生碰撞。
此处需要说明的是,上述获取单元31,分析单元33,确定单元35以及控制单元37对应于实施例一中的步骤S102至S108,上述单元与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
由上可知,在本申请上述实施例中,可以利用获取单元获取目标车辆行驶过程中当前道路上预定范围内的图像;然后利用分析单元从图像中获取当前道路上的目标对象的特征信息以及当前道路的道路信息;并利用确定单元通过预定模型,确定与特征信息以及道路信息对应的行车策略,其中,预定模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与特征信息和道路信息对应的行车策略;以及利用控制单元基于行车策略控制目标车辆的行驶方式,以使目标车辆不与目标对象发生碰撞。通过本发明实施例提供的车辆的控制装置,实现了实时对目标车辆当前所在道路的路况信息进行分析,得到道路上的目标对象的特征信息,以得到目标车辆可以合理地确定行驶方式,不与目标对象发生碰撞的目的,达到了提高对车辆进行控制的精确度的技术效果。
在一种可选的实施例中,获取单元包括:第一确定模块,用于确定目标车辆处于行驶状态;第一采集模块,用于向目标车辆上设置的图像采集设备发送请求信息,以触发图像采集设备采集当前道路上预定范围内的图像。
在一种可选的实施例中,分析单元包括:提取模块,用于对图像进行识别,以提取得到目标对象的图像;分析模块,用于对目标对象的图像进行分析,得到目标对象的如下至少之一信息:目标对象的年龄,目标对象的当前姿态,目标对象距离目标车辆的距离值,目标对象相对于目标车辆的方位角度。
在一种可选的实施例中,车辆的控制装置还包括:采集单元,用于在通过预定模型,确定与特征信息以及道路信息对应的行车策略之前,采集历史时间段内多个历史特征信息、多个历史道路信息和多个历史行车策略;训练单元,用于对包括多个历史特征信息、多个历史道路信息以及多个历史行车策略的多组训练数据进行训练,得到行车策略。
在一种可选的实施例中,训练单元还包括:第二采集模块,用于采集多个历史特征信息对应的多个目标对象当时所在的多个历史环境信息;训练模块,用于对包括多个历史特征信息、多个历史道路信息、多个历史环境信息以及多个历史行车策略的多组训练数据进行训练,得到行车策略。
在一种可选的实施例中,确定单元还包括:获取模块,用于获取目标车辆当前所在的环境信息;第二确定模块,用于通过预定模型,确定与特征信息以及环境信息对应的行车策略。
在一种可选的实施例中,控制单元包括如下至少之一:第一控制模块,用于基于行车策略控制目标车辆减速至停车;第二控制模块,用于基于行车策略控制目标车辆减速至第二预定行车速度,并以第二预定行车速度沿原行驶轨迹行驶;第三控制模块,用于基于行车策略控制目标车辆加速至第三预定行车速度,并以第三预定行车速度沿新的行车轨迹行驶,以绕过目标对象。
在一种可选的实施例中,目标车辆为无人驾驶车辆。
实施例三
根据本发明实施例的另外一个方面,还提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述中任意一项的车辆的控制方法。
实施例四
根据本发明实施例的另外一个方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项的车辆的控制方法。
实施例五
根据本发明实施例的另外一个方面,还提供了一种无人驾驶车辆,包括:存储器,与存储器耦合的处理器,存储器和处理器通过总线系统相通信;存储器用于存储程序,其中,程序在被处理器执行时控制存储器所在设备执行上述中任意一项的车辆的控制方法;处理器用于运行程序,其中,程序运行时执行上述中任意一项的车辆的控制方法。
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。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种车辆的控制方法,其特征在于,包括:
获取目标车辆行驶过程中当前道路上预定范围内的图像;
从所述图像中获取所述当前道路上的目标对象的特征信息以及所述当前道路的道路信息;
通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略,其中,所述预定模型为使用多组训练数据通过机器学习训练得到的,所述多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与所述特征信息和所述道路信息对应的行车策略;
基于所述行车策略控制所述目标车辆的行驶方式,以使所述目标车辆不与所述目标对象发生碰撞;
其中,在通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略之前,所述方法还包括:采集历史时间段内多个历史特征信息、多个历史道路信息和多个历史行车策略;对包括所述多个历史特征信息、所述多个历史道路信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述预定模型;
其中,对包括所述多个历史特征信息、所述多个历史道路信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述预定模型还包括:采集所述多个历史特征信息对应的多个目标对象当时所在的多个历史环境信息;对包括所述多个历史特征信息、所述多个历史道路信息、所述多个历史环境信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述预定模型;
其中,基于所述行车策略控制所述目标车辆的行驶方式包括如下至少之一:
基于所述行车策略控制所述目标车辆减速至停车;
基于所述行车策略控制所述目标车辆减速至第二预定行车速度,并以所述第二预定行车速度沿原行驶轨迹行驶;
基于所述行车策略控制所述目标车辆加速至第三预定行车速度,并以所述第三预定行车速度沿新的行车轨迹行驶,以绕过所述目标对象。
2.根据权利要求1所述的方法,其特征在于,获取目标车辆行驶过程中当前道路预定范围内的图像包括:
确定目标车辆处于行驶状态;
向所述目标车辆上设置的图像采集设备发送请求信息,以触发所述图像采集设备采集所述当前道路上预定范围内的图像。
3.根据权利要求1所述的方法,其特征在于,从所述图像中获取所述当前道路上的目标对象的特征信息以及所述当前道路的道路信息包括:
对所述图像进行识别,以提取得到所述目标对象的图像;
对所述目标对象的图像进行分析,得到所述目标对象的如下至少之一信息:所述目标对象的年龄,所述目标对象的当前姿态,所述目标对象距离所述目标车辆的距离值,所述目标对象相对于所述目标车辆的方位角度。
4.根据权利要求1所述的方法,其特征在于,通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略还包括:
获取所述目标车辆当前所在的环境信息;
通过所述预定模型,确定与所述特征信息以及所述环境信息对应的行车策略。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述目标车辆为无人驾驶车辆。
6.一种车辆的控制装置,其特征在于,包括:
获取单元,用于获取目标车辆行驶过程中当前道路上预定范围内的图像;
分析单元,用于从所述图像中获取所述当前道路上的目标对象的特征信息以及所述当前道路的道路信息;
确定单元,用于通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略,其中,所述预定模型为使用多组训练数据通过机器学习训练得到的,所述多组训练数据中的每一组训练数据均包括:特征信息和道路信息以及与所述特征信息和所述道路信息对应的行车策略;
控制单元,用于基于所述行车策略控制所述目标车辆的行驶方式,以使所述目标车辆不与所述目标对象发生碰撞;
其中,所述车辆的控制装置还包括:采集单元,用于在通过预定模型,确定与所述特征信息以及所述道路信息对应的行车策略之前,采集历史时间段内多个历史特征信息、多个历史道路信息和多个历史行车策略;训练单元,用于对包括所述多个历史特征信息、所述多个历史道路信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述预定模型;
其中,所述训练单元还包括:第二采集模块,用于采集多个历史特征信息对应的多个目标对象当时所在的多个历史环境信息;训练模块,用于对包括所述多个历史特征信息、所述多个历史道路信息、所述多个历史环境信息以及所述多个历史行车策略的多组训练数据进行训练,得到所述预定模型;
其中,所述控制单元包括如下至少之一:
第一控制模块,用于基于所述行车策略控制所述目标车辆减速至停车;
第二控制模块,用于基于所述行车策略控制所述目标车辆减速至第二预定行车速度,并以所述第二预定行车速度沿原行驶轨迹行驶;
第三控制模块,用于基于所述行车策略控制所述目标车辆加速至第三预定行车速度,并以所述第三预定行车速度沿新的行车轨迹行驶,以绕过所述目标对象。
7.根据权利要求6所述的装置,其特征在于,所述获取单元包括:
第一确定模块,用于确定目标车辆处于行驶状态;
第一采集模块,用于向所述目标车辆上设置的图像采集设备发送请求信息,以触发所述图像采集设备采集所述当前道路上预定范围内的图像。
8.根据权利要求6所述的装置,其特征在于,所述分析单元包括:
提取模块,用于对所述图像进行识别,以提取得到所述目标对象的图像;
分析模块,用于对所述目标对象的图像进行分析,得到所述目标对象的如下至少之一信息:所述目标对象的年龄,所述目标对象的当前姿态,所述目标对象距离所述目标车辆的距离值,所述目标对象相对于所述目标车辆的方位角度。
9.根据权利要求6所述的装置,其特征在于,所述确定单元还包括:
获取模块,用于获取所述目标车辆当前所在的环境信息;
第二确定模块,用于通过所述预定模型,确定与所述特征信息以及所述环境信息对应的行车策略。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至5中任意一项所述的车辆的控制方法。
11.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的车辆的控制方法。
12.一种无人驾驶车辆,其特征在于,包括:
存储器,与所述存储器耦合的处理器,所述存储器和所述处理器通过总线系统相通信;
所述存储器用于存储程序,其中,所述程序在被处理器执行时控制所述存储器所在设备执行权利要求1至5中任意一项所述的车辆的控制方法;
所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的车辆的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010081852.3A CN111301404B (zh) | 2020-02-06 | 2020-02-06 | 车辆的控制方法及装置、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010081852.3A CN111301404B (zh) | 2020-02-06 | 2020-02-06 | 车辆的控制方法及装置、存储介质及处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111301404A CN111301404A (zh) | 2020-06-19 |
CN111301404B true CN111301404B (zh) | 2022-02-18 |
Family
ID=71152794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010081852.3A Active CN111301404B (zh) | 2020-02-06 | 2020-02-06 | 车辆的控制方法及装置、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111301404B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033496A (zh) * | 2021-04-30 | 2021-06-25 | 北京小马慧行科技有限公司 | 车辆类型的确定方法及装置 |
CN113581199A (zh) * | 2021-06-30 | 2021-11-02 | 银隆新能源股份有限公司 | 车辆的控制方法及装置 |
CN113581200A (zh) * | 2021-06-30 | 2021-11-02 | 银隆新能源股份有限公司 | 自动驾驶车辆的控制方法及装置、自动驾驶车辆 |
CN115985124B (zh) * | 2022-11-30 | 2024-02-06 | 禾多科技(北京)有限公司 | 车辆行驶的控制方法、装置、存储介质及电子装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106066644A (zh) * | 2016-06-17 | 2016-11-02 | 百度在线网络技术(北京)有限公司 | 建立智能车辆控制模型的方法、智能车辆控制方法及装置 |
CN107491072A (zh) * | 2017-09-05 | 2017-12-19 | 百度在线网络技术(北京)有限公司 | 车辆避障方法和装置 |
CN108205922A (zh) * | 2016-12-19 | 2018-06-26 | 乐视汽车(北京)有限公司 | 一种自动驾驶决策方法及系统 |
CN109927719A (zh) * | 2017-12-15 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 一种基于障碍物轨迹预测的辅助驾驶方法和系统 |
CN109969172A (zh) * | 2017-12-26 | 2019-07-05 | 华为技术有限公司 | 车辆控制方法、设备及计算机存储介质 |
CN110027553A (zh) * | 2019-04-10 | 2019-07-19 | 湖南大学 | 一种基于深度强化学习的防碰撞控制方法 |
CN110155045A (zh) * | 2019-04-04 | 2019-08-23 | 芜湖伯特利汽车安全系统股份有限公司 | 一种车辆紧急加速自保护系统及其自保护方法 |
CN110320910A (zh) * | 2019-07-01 | 2019-10-11 | 百度在线网络技术(北京)有限公司 | 车辆的避让控制方法、装置、电子设备与存储介质 |
DE102018206037A1 (de) * | 2018-04-20 | 2019-10-24 | Robert Bosch Gmbh | Trackingvorrichtung zum Mitführen für einen Verkehrsteilnehmer, System zur Detektion eines Verkehrsteilnehmers, welcher eine solche Trackingvorrichtung mitführt und Verfahren zur Detektion eines Verkehrsteilnehmers |
CN110549941A (zh) * | 2019-08-23 | 2019-12-10 | 东南大学 | 一种基于实时信息的行人碰撞分级预警方法 |
CN110614992A (zh) * | 2018-12-29 | 2019-12-27 | 长城汽车股份有限公司 | 车辆自动驾驶时避障的方法、系统及车辆 |
CN110647839A (zh) * | 2019-09-18 | 2020-01-03 | 深圳信息职业技术学院 | 自动驾驶策略的生成方法、装置及计算机可读存储介质 |
CN110675267A (zh) * | 2018-07-03 | 2020-01-10 | 北京嘀嘀无限科技发展有限公司 | 一种根据实时路况进行车险预警的方法及系统 |
CN110674664A (zh) * | 2018-06-15 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 视觉注意力的识别方法及系统、存储介质、处理器 |
DE102018212056A1 (de) * | 2018-07-19 | 2020-01-23 | Osram Gmbh | Fahrzeug und verfahren zum betreiben eines fahrzeugs |
CN110745136A (zh) * | 2019-09-20 | 2020-02-04 | 中国科学技术大学 | 一种驾驶自适应控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106080590B (zh) * | 2016-06-12 | 2018-04-03 | 百度在线网络技术(北京)有限公司 | 车辆控制方法和装置以及决策模型的获取方法和装置 |
-
2020
- 2020-02-06 CN CN202010081852.3A patent/CN111301404B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106066644A (zh) * | 2016-06-17 | 2016-11-02 | 百度在线网络技术(北京)有限公司 | 建立智能车辆控制模型的方法、智能车辆控制方法及装置 |
CN108205922A (zh) * | 2016-12-19 | 2018-06-26 | 乐视汽车(北京)有限公司 | 一种自动驾驶决策方法及系统 |
CN107491072A (zh) * | 2017-09-05 | 2017-12-19 | 百度在线网络技术(北京)有限公司 | 车辆避障方法和装置 |
CN109927719A (zh) * | 2017-12-15 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 一种基于障碍物轨迹预测的辅助驾驶方法和系统 |
CN109969172A (zh) * | 2017-12-26 | 2019-07-05 | 华为技术有限公司 | 车辆控制方法、设备及计算机存储介质 |
DE102018206037A1 (de) * | 2018-04-20 | 2019-10-24 | Robert Bosch Gmbh | Trackingvorrichtung zum Mitführen für einen Verkehrsteilnehmer, System zur Detektion eines Verkehrsteilnehmers, welcher eine solche Trackingvorrichtung mitführt und Verfahren zur Detektion eines Verkehrsteilnehmers |
CN110674664A (zh) * | 2018-06-15 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 视觉注意力的识别方法及系统、存储介质、处理器 |
CN110675267A (zh) * | 2018-07-03 | 2020-01-10 | 北京嘀嘀无限科技发展有限公司 | 一种根据实时路况进行车险预警的方法及系统 |
DE102018212056A1 (de) * | 2018-07-19 | 2020-01-23 | Osram Gmbh | Fahrzeug und verfahren zum betreiben eines fahrzeugs |
CN110614992A (zh) * | 2018-12-29 | 2019-12-27 | 长城汽车股份有限公司 | 车辆自动驾驶时避障的方法、系统及车辆 |
CN110155045A (zh) * | 2019-04-04 | 2019-08-23 | 芜湖伯特利汽车安全系统股份有限公司 | 一种车辆紧急加速自保护系统及其自保护方法 |
CN110027553A (zh) * | 2019-04-10 | 2019-07-19 | 湖南大学 | 一种基于深度强化学习的防碰撞控制方法 |
CN110320910A (zh) * | 2019-07-01 | 2019-10-11 | 百度在线网络技术(北京)有限公司 | 车辆的避让控制方法、装置、电子设备与存储介质 |
CN110549941A (zh) * | 2019-08-23 | 2019-12-10 | 东南大学 | 一种基于实时信息的行人碰撞分级预警方法 |
CN110647839A (zh) * | 2019-09-18 | 2020-01-03 | 深圳信息职业技术学院 | 自动驾驶策略的生成方法、装置及计算机可读存储介质 |
CN110745136A (zh) * | 2019-09-20 | 2020-02-04 | 中国科学技术大学 | 一种驾驶自适应控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111301404A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111301404B (zh) | 车辆的控制方法及装置、存储介质及处理器 | |
CN110689761B (zh) | 一种自动泊车方法 | |
CN111081064B (zh) | 一种车载以太网的自动泊车系统及自动代客泊车方法 | |
CN109878511B (zh) | 车辆驾驶模式切换的处理方法、车辆及服务器 | |
CN112512890B (zh) | 一种异常驾驶行为识别方法 | |
CN110692094B (zh) | 用于自动驾驶车的控制的车辆控制装置及方法 | |
CN111231965B (zh) | 车辆控制模式的调整方法及装置、无人驾驶车辆 | |
CN112307566A (zh) | 车辆仿真测试方法、装置、设备及存储介质 | |
CN111038493B (zh) | 自动泊车方法、系统、车辆和存储介质 | |
CN110188482B (zh) | 一种基于智能驾驶的测试场景创建方法及装置 | |
CN108133484B (zh) | 基于场景分割的自动驾驶处理方法及装置、计算设备 | |
CN105620489A (zh) | 驾驶辅助系统及车辆实时预警提醒方法 | |
US9760783B2 (en) | Vehicle occupancy detection using passenger to driver feature distance | |
CN110678914A (zh) | 用于自动驾驶车的控制的车辆控制装置及方法 | |
CN113674523A (zh) | 交通事故分析方法、装置及设备 | |
JP2018063476A (ja) | 運転支援装置、運転支援方法及び運転支援用コンピュータプログラム | |
CN114972911A (zh) | 自动驾驶感知算法模型的输出数据收集处理方法及设备 | |
CN113176778A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN110696828B (zh) | 前向目标选择方法、装置及车载设备 | |
CN110696836A (zh) | 一种智能驾驶车辆的行为决策方法及装置 | |
JP4163624B2 (ja) | 自動作業システム | |
CN114730494A (zh) | 用于对交通场景的空间的覆盖进行估计的方法 | |
CN114024997B (zh) | 基于自动驾驶的智能设备和aiot物联网平台方法 | |
CN116580551A (zh) | 车辆驾驶行为评估方法、装置、设备及存储介质 | |
CN113183982A (zh) | 车辆的行驶路线的生成方法及装置、自动驾驶车辆 |
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 |