CN111326001A - 自动驾驶的方法和装置 - Google Patents

Abstract

本发明提供一种自动驾驶方法与装置，属于自动驾驶技术领域，其可至少部分解决现有的自动驾驶方法停车取车效率低的问题。本发明实施例的自动驾驶方法包括：根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，所述空间模型包括所述停车场的车辆行驶通道以及停车位使用情况，所述车辆信息包括所述待停车车辆的尺寸以及位置；获取待停车车辆的控制权，并控制所述待停车车辆按照所述自动驾驶路线行驶。

Description

自动驾驶的方法和装置

技术领域

本发明属于自动驾驶技术领域，具体涉及一种自动驾驶的方法和装置。

背景技术

目前在城市内停车难已经成为普遍的问题，开车人员在停车场行走可能会被车辆误伤，停车过程中出现不规范停车、停车不熟练等大大降低了停车的效率。

现有的自动驾驶方法可以通过车载传感器感知车辆周围的环境，实现对车辆的控制。其虽然避免了不规范停车等停车问题，但仍无法解决寻找停车位以及车辆到达停车位而导致的停车与取车效率低问题。

发明内容

本发明至少部分解决现有的自动驾驶方法停车取车效率低的问题，提供一种停车取车效率高的自动驾驶方法和装置。

本发明的一个方面提供一种自动驾驶的方法，所述方法包括：

根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，所述空间模型包括所述停车场的车辆行驶通道以及停车位使用情况，所述车辆信息包括所述待停车车辆的尺寸以及位置；

获取待停车车辆的控制权，并控制所述待停车车辆按照所述自动驾驶路线行驶。

可选的，所述停车场包括多个停车位，至少部分所述停车位具有不同尺寸。

进一步可选的，所述根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线包括：

根据所述待停车车辆的尺寸以及所述停车位使用情况为所述待停车车辆分配最优停车位；

根据所述最优停车位、所述待停车车辆的位置以及所述车辆行驶通道生成自动驾驶路线。

进一步可选的，所述车辆信息还包括所述待停车车辆的型号；

所述控制所述待停车车辆按照所述自动驾驶路线行驶后还包括：

当所述待停车车辆到达所述最优停车位后，根据所述待停车车辆的车辆信息以及停车入库模型，完成车辆入库。

进一步可选的，所述完成车辆入库之后还包括：停车结束后，根据所述待停车车辆的车辆信息以及取车出库模型，完成车辆出库。

进一步可选的，所述根据所述待停车车辆的车辆信息以及停车入库模型，完成车辆入库之前，还包括：根据深度神经网络算法建立停车入库以及取车出库模型。

进一步可选的，所述根据深度神经网络算法建立停车入库以及取车出库模型包括：

建立车辆信息数据库，所述数据库包括多个支持自动驾驶技术的车辆的车辆信息；

建立停车场数据库，所述数据库包括多个停车场的空间模型；

根据所述车辆信息数据库和停车场数据库进行自动驾驶训练得到自动驾驶模型库，所述自动驾驶模型库包括多个自动驾驶模型，每个自动驾驶模型包括停车入库模型和取车出库模型，且每个自动驾驶模型对应所述车辆信息数据库中一种车辆信息。

可选的，所述控制所述待停车车辆按照所述自动驾驶路线行驶包括：

获取所述待停车车辆当前所在位置预设范围内的视频设备的视频信息，所述视频设备安装在所述停车场内；

若所述视频设备监控到突发状况，则控制所述待停车车辆停止行驶并重新规划路线，所述突发状况包括新增出现的人、车辆以及障碍物。

可选的，所述方法用于边缘计算服务器。

本发明的另一个方面提供一种自动驾驶装置，所述装置包括：

计算模块，用于根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，所述空间模型包括所述停车场的车辆行驶通道以及停车位使用情况，所述车辆信息包括所述待停车车辆的尺寸以及位置；

控制模块，用于获取待停车车辆的控制权，并控制所述待停车车辆按照所述自动驾驶路线行驶。

本发明实施例的自动驾驶方法，通过停车场的空间模型生成驾驶路线的方式帮助减少车辆寻找停车位以及车辆行驶至停车位的时间，提高了停车取车的效率。

附图说明

图1为本发明实施例的一种自动驾驶方法的流程示意图；

图2为本发明实施例的另一种自动驾驶方法的流程示意图；

图3为本发明实施例的另一种自动驾驶方法的部分步骤的流程示意图；

图4为本发明实施例的一种自动驾驶装置的组成框图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。

可以理解的是，此处描述的具体实施例和附图仅仅用于解释本发明，而非对本发明的限定。

可以理解的是，在不冲突的情况下，本发明中的各实施例及实施例中的各特征可相互组合。

可以理解的是，为便于描述，本发明的附图中仅示出了与本发明相关的部分，而与本发明无关的部分未在附图中示出。

可以理解的是，本发明的实施例中所涉及的每个单元、模块可仅对应一个实体结构，也可由多个实体结构组成，或者，多个单元、模块也可集成为一个实体结构。

可以理解的是，在不冲突的情况下，本发明的流程图和框图中所标注的功能、步骤可按照不同于附图中所标注的顺序发生。

可以理解的是，本发明的流程图和框图中，示出了按照本发明各实施例的系统、装置、设备、方法的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可代表一个单元、模块、程序段、代码，其包含用于实现规定的功能的可执行指令。而且，框图和流程图中的每个方框或方框的组合，可用实现规定的功能的基于硬件的系统实现，也可用硬件与计算机指令的组合来实现。

可以理解的是，本发明实施例中所涉及的单元、模块可通过软件的方式实现，也可通过硬件的方式来实现，例如单元、模块可位于处理器中。

实施例1：

如图1所示，本实施例提供一种自动驾驶方法，方法具体包括：

S101、根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，空间模型包括停车场的车辆行驶通道以及停车位使用情况，车辆信息包括待停车车辆的尺寸以及位置。

计算设备(如服务器)载入停车场的空间模型，空间模型包括该停车场的停车位的使用情况(包括停车位的具体位置以及停车位是否被使用)以及该停车场的车辆行驶通道(包括车辆行驶通道的具体位置以及通道是否畅通)。服务器通过停车场的空间模型以及待停车的车辆的尺寸以及待停车车辆当前所在的位置生成自动驾驶路线。

S102、获取待停车车辆的控制权，并控制待停车车辆按照自动驾驶路线行驶。

计算设备(如服务器)通过授权等操作获取待停车车辆的控制权，然后控制待停车车辆按照S101步骤生成的自动驾驶路线行驶。

取车和停车仅在取车时已经知道了停车位的位置，因此只需根据停车位的位置以及停车场的车辆行驶通道生成自动驾驶路线并控制待停车车辆按照路线行驶即可。

本实施例的自动驾驶方法，通过停车场的空间模型生成驾驶路线的方式帮助减少车辆寻找停车位以及车辆行驶至停车位的时间，提高了停车取车的效率。

实施例2：

如图2所示，本实施例提供一种自动驾驶方法。

可选的，方法用于边缘服务器，即整个过程都将在边缘服务器内完成。

为了保证车辆安全可靠地运行，自动驾驶过程中车辆需要立即对周围的环境做出反应，处理速度有任何延迟都有可能是致命的。相比于云服务器，边缘服务器少了数据传输的时间，具有实时性的优势。

本实施例中的边缘服务器并不是一个服务器，而是所有使用的服务器符合边缘服务器特征的都统称为边缘服务器。

自动驾驶方法具体包括：

S201、根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，空间模型包括停车场的车辆行驶通道以及停车位使用情况，车辆信息包括待停车车辆的尺寸以及位置。

边缘服务器获取停车场的空间模型，即停车场的各个车位的使用情况以及停车场的车辆行驶通道(包括其位置、是否通行及是否存在障碍物等信息)。边缘服务器根据停车位的使用情况以及为待停车车辆的尺寸待停车车辆分配合适的停车位，根据分配的停车位位置、待停车车辆当前所在的位置以及停车场的车辆行驶通道位置等信息生成自动驾驶路线。

取车的时候，因为已经知道车辆所在的停车位位置，因此只需要根据车辆所在的停车位位置以及停车场的车辆行驶通道的位置等信息生成自动驾驶路线即可。

可选的，所述停车场包括多个停车位，至少部分所述停车位具有不同尺寸。

停车场的停车位并不是统一大小，而是有几种大小以供不同大小的车辆停放。

不同大小的车辆使用不同大小的停车位，既可以方便停车也可以节省停车场的空间，提高停车场的利用率。

进一步可选的，根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，即步骤S201的具体过程可以是：

S2011、根据待停车车辆的尺寸以及停车位使用情况为待停车车辆分配最优停车位。

边缘服务器首先对用户的身份进行核对，在核对通过之后获取待停车车辆的信息，包括车辆的尺寸等。

边缘服务器获取未被使用的停车位的大小与位置，根据待停车车辆的尺寸与未被使用停车位的大小，为待停车车辆选取大小合适的停车位。若大小合适的停车位有多个，则根据这些停车位的位置，从中选取与停车场出入口最近的停车位为最优停车位。

通过边缘服务器为待停车车辆选取停车位既减少了寻找停车位的时间也减少了到达停车位的时间(选取距离停车场出入口较近的停车位)。

S2012、根据最优停车位、待停车车辆的位置以及车辆行驶通道生成自动驾驶路线。

边缘服务器根据最优停车位的位置、待停车车辆的位置、停车场的车辆行驶通道(包括位置、是否可以通行及是否存在障碍物等信息)为待停车车辆生成自动驾驶路线。

一般来说，待停车车辆的位置就是进行身份核对的位置，因此对于同一个停车场的车辆来说，这个位置是一致的。

根据停车场的车辆行驶通道生成自动驾驶路线，可以快速获取到达最优停车位的最佳路线，提高停车的效率。

S202、获取待停车车辆的控制权，并控制待停车车辆按照自动驾驶路线行驶。

边缘服务器向用于发起授权请求，在授权请求通过之后，边缘服务器获取待停车车辆的控制权，控制带停车车辆按照步骤S101步骤生成的自动驾驶路线行驶。

可选的，控制待停车车辆按照自动驾驶路线行驶的具体过程可以是：

S2021、获取待停车车辆当前所在位置预设范围内的视频设备的视频信息，视频设备安装在停车场内。

当待停车车辆在生成的自动驾驶路线上行驶时，边缘服务器获取待停车车辆当前所在位置一定范围(即预设值大小的范围内)内的安装在停车场内的视频设备(如停车场的视频监控设备等)的视频信息。

S2022、若视频设备监控到突发状况，则控制待停车车辆停止行驶并重新规划路线，突发状况包括新增出现的人、车辆以及障碍物。

获取的视频信息用于获取待停车车辆附近的实时路况，边缘服务器控制车辆按照自动驾驶路线保持低速匀速行驶，在行驶至坡起坡落及转弯处时实际调整待停车车辆的速度与转向。若视频设备的视频信息监控到突发状况(如相比于规划自动驾驶路线时新增出现的人、车辆以及障碍物等)，则控制待停车车辆停止行驶并根据视频信息以及停车场的空间模型等重新规划自动行驶路线。

利用安装在停车场内的视频监控设备辅助待停车车辆行驶，可以充分利用视频设备，而无需另外的视频设备，节省成本。

可选的，待停车车辆的车辆信息还包括待停车车辆的型号，步骤S202之后还包括：

S203、当待停车车辆到达停车位后，根据待停车车辆的车辆信息以及停车入库模型，完成车辆入库。

当待停车车辆到达自动驾驶路线对应的停车位之后，边缘服务器读取停车入库的模型并根据待停车车辆的车辆信息(包括车辆的型号以及尺寸等信息)与停车入库的模型完成待停车车辆的停车入库。

针对不同型号及不同尺寸的车辆训练专门的停车入库模型，可以提高停车入库的准确率以效率。

进一步可选的，步骤S203之后还包括：

S204、停车结束后，根据待停车车辆的车辆信息以及取车出库模型，完成车辆出库。

在停车完成之后，边缘服务器获取取车命令之后，从用户处获取车辆授权，远程开锁，并根据取车出库模型与待停车车辆的车辆信息完成待停车车辆的取车出库。

针对不同型号及不同尺寸的车辆训练专门的取车出库模型，可以提高取车出库的准确率以效率。

进一步可选的，根据深度神经网络算法建立停车入库以及取车出库模型。

根据深度神经网络算法建立停车入库以及取车出库模型具体过程如图3所示，具体包括：

S301、建立车辆信息数据库，数据库包括多个支持自动驾驶技术的车辆的车辆信息。

收集目前全球范围内支持自动驾驶技术的车辆的车辆信息(包括车辆的型号、尺寸等)，建立车辆信息数据库。

S302、建立停车场数据库，数据库包括多个停车场的空间模型。

对多个停车场进行空间建模，详细规划停车区域以及车辆行驶通道，建立停车场数据库。

S303、根据车辆信息数据库和停车场数据库进行自动驾驶训练得到自动驾驶模型库，自动驾驶模型库包括多个自动驾驶模型，每个自动驾驶模型包括停车入库模型和取车出库模型，且每个自动驾驶模型对应车辆信息数据库中一种车辆信息。

根据车辆信息数据库中采集的车辆信息和以及停车场数据库中停车场的空间模型进行自动驾驶模型训练：建立自动驾驶停车训练模型库，根据车辆信息的不同训练并建立对应于该车辆信息的模型(包括停车入库模型和取车出库模型)。

深度神经网络算法准确率高，可以提高停车入库和取车出库的效率。

在待停车车辆在离开停车位之后，边缘服务器根据待停车车辆当前所在的停车位位置、用户取车位置以及停车场的空间模型生成待停车车辆离开停车场的自动驾驶路线，并控制待停车车辆按照自动驾驶路线行驶至用户取车位置。

在车辆行驶过程中，依然获取待停车车辆当前所在位置一定范围(即预设值大小的范围内)内的安装在停车场内的视频设备(如停车场的视频监控设备等)的视频信息以辅助待停车车辆行驶。

本实施例的自动驾驶方法，通过停车场的空间模型生成驾驶路线的方式帮助减少车辆寻找停车位以及车辆行驶至停车位的时间，通过停车入库模型和取车入库模型提高了停车取车的效率。

实施例3：

如图4所示，本实施例提供一种自动驾驶装置，其包括：

计算模块，用于根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，空间模型包括停车场的车辆行驶通道以及停车位使用情况，车辆信息包括待停车车辆的尺寸以及位置；

控制模块，用于获取待停车车辆的控制权，并控制待停车车辆按照自动驾驶路线行驶。

本实施例提供的自动驾驶装置，通过停车场的空间模型生成驾驶路线的方式帮助减少车辆寻找停车位以及车辆行驶至停车位的时间，提高了停车取车的效率。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种自动驾驶方法，其特征在于，所述方法包括：

根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，所述空间模型包括所述停车场的车辆行驶通道以及停车位使用情况，所述车辆信息包括所述待停车车辆的尺寸以及位置；

获取待停车车辆的控制权，并控制所述待停车车辆按照所述自动驾驶路线行驶。

2.根据权利要求1所述方法，其特征在于，所述停车场包括多个停车位，至少部分所述停车位具有不同尺寸。

3.根据权利要求2所述方法，其特征在于，所述根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线包括：

根据所述待停车车辆的尺寸以及所述停车位使用情况为所述待停车车辆分配最优停车位；

根据所述最优停车位、所述待停车车辆的位置以及所述车辆行驶通道生成自动驾驶路线。

4.根据权利要求3所述方法，其特征在于，

所述车辆信息还包括所述待停车车辆的型号；

所述控制所述待停车车辆按照所述自动驾驶路线行驶后还包括：

当所述待停车车辆到达所述最优停车位后，根据所述待停车车辆的车辆信息以及停车入库模型，完成车辆入库。

5.根据权利要求4所述方法，其特征在于，所述完成车辆入库之后还包括：

停车结束后，根据所述待停车车辆的车辆信息以及取车出库模型，完成车辆出库。

6.根据权利要求5所述方法，其特征在于，所述根据所述待停车车辆的车辆信息以及停车入库模型，完成车辆入库之前，还包括：

根据深度神经网络算法建立停车入库以及取车出库模型。

7.根据权利要求6所述方法，其特征在于，所述根据深度神经网络算法建立停车入库以及取车出库模型包括：

建立车辆信息数据库，所述数据库包括多个支持自动驾驶技术的车辆的车辆信息；

建立停车场数据库，所述数据库包括多个停车场的空间模型；

根据所述车辆信息数据库和停车场数据库进行自动驾驶训练得到自动驾驶模型库，所述自动驾驶模型库包括多个自动驾驶模型，每个自动驾驶模型包括停车入库模型和取车出库模型，且每个自动驾驶模型对应所述车辆信息数据库中一种车辆信息。

8.根据权利要求1所述方法，其特征在于，所述控制所述待停车车辆按照所述自动驾驶路线行驶包括：

获取所述待停车车辆当前所在位置预设范围内的视频设备的视频信息，所述视频设备安装在所述停车场内；

若所述视频设备监控到突发状况，则控制所述待停车车辆停止行驶并重新规划路线，所述突发状况包括新增的人、车辆以及障碍物。

9.根据权利要求1所述方法，其特征在于，所述方法用于边缘计算服务器。

10.一种自动驾驶装置，其特征在于，所述装置包括：

计算模块，用于根据停车场的空间模型以及待停车车辆的车辆信息生成自动驾驶路线，所述空间模型包括所述停车场的车辆行驶通道以及停车位使用情况，所述车辆信息包括所述待停车车辆的尺寸以及位置；

控制模块，用于获取待停车车辆的控制权，并控制所述待停车车辆按照所述自动驾驶路线行驶。

Images