CN111775962B - 自动行驶策略的确定方法及装置 - Google Patents
自动行驶策略的确定方法及装置 Download PDFInfo
- Publication number
- CN111775962B CN111775962B CN202010670754.3A CN202010670754A CN111775962B CN 111775962 B CN111775962 B CN 111775962B CN 202010670754 A CN202010670754 A CN 202010670754A CN 111775962 B CN111775962 B CN 111775962B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- determining
- road surface
- surface type
- automatic driving
- 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 70
- 230000003595 spectral effect Effects 0.000 claims abstract description 61
- 230000015654 memory Effects 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 30
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 16
- 238000013461 design Methods 0.000 description 15
- 230000002093 peripheral effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 239000010426 asphalt Substances 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
- B60W60/00184—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to infrastructure
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种自动行驶策略的确定方法及装置，涉及人工智能领域，用于使自动驾驶系统依据路面类型调整自动驾驶汽车的行驶策略。该方法包括：确定装置获取车辆当前的车速和M条光谱特征曲线，并根据M条光谱特征曲线和标准样本曲线库中的所有样本曲线，确定车辆待行驶路段的路面类型。之后，确定装置根据车辆当前的车速和车辆待行驶路段的路面类型，确定自动行驶策略。本申请应用于车辆自动驾驶的过程中。
Description
技术领域
本申请涉及人工智能领域，尤其涉及一种自动行驶策略的确定方法及装置。
背景技术
自动驾驶汽车(Autonomous vehicles)又称无人驾驶汽车，是一种通过自动驾驶系统实现无人驾驶的智能汽车。自动驾驶系统通过人工智能、视觉计算、雷达、以及全球定位系统之间的协同合作，使智能汽车可以在没有用户主动操作的场景下，自动安全地行驶。
目前的自动驾驶系统，多采用毫米波雷达对车辆周边事物(例如前方出现的障碍物)进行3D建模。之后，自动驾驶系统根据障碍物的几何特征(如障碍物到汽车之间的距离、障碍物的大小、障碍物的轮廓边缘等)调整行驶策略(例如减速避让)。然而，除了车辆周边事物，路面类型(例如结冰路面、沙土路面)也对自动驾驶汽车的行驶策略造成影响。例如，自动驾驶汽车在结冰路面行驶时，若仍然以在沥青路面行驶的速度行驶，不进行减速操作，很容易发生车祸。但是现有的技术方案无法使自动驾驶系统依据路面类型调整自动驾驶汽车的行驶策略。
发明内容
本申请提供一种自动行驶策略的确定方法及装置，用于解决自动驾驶系统无法依据路面类型调整自动驾驶汽车的行驶策略的问题。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供一种自动行驶策略的确定方法。
在获取到车辆当前的车速和M(M为正整数)条光谱特征曲线(根据高光谱传感器获取到的图像确定出的)后，根据M条光谱特征曲线和标准样本曲线库中的所有样本曲线(每一条样本曲线对应一种路面类型)确定车辆待行驶路段的路面类型。之后，根据车辆当前的车速和车辆待行驶路段的路面类型，确定自动行驶策略。
本申请提供的自动行驶策略的确定方法的执行主体可以为自动行驶策略的确定装置(后面简称为：确定装置)。通常，根据光谱特征曲线可以识别出被拍摄物质的组成成分。因此，确定装置可以根据光谱特征曲线和标准样本曲线库中的所有样本曲线，识别出车辆待行驶路段的物质成分，并依据车辆待行驶路段的物质成分确定出车辆待行驶路段的路面类型。由于路面类型(例如结冰路面、沥青路面等)会影响车辆的行驶安全，因此确定装置可以根据获取的当前车速以及车辆待行驶路段的路面类型，确定自动驾驶策略，从而避免发生车辆事故。
一种可能的设计中，标准样本曲线库包括N条样本曲线，N为正整数。上述“根据M条光谱特征曲线和标准样本曲线库中的N条样本曲线，确定车辆待行驶路段的路面类型”的方法包括：计算标准样本曲线库中每条样本曲线与M条光谱特征曲线之间的相似度，以得到N个相似度组，一个相似度组唯一对应一条样本曲线；确定N个相似度组中每个相似度组的平均值；一个平均值唯一对应一条样本曲线；确定目标平均值，目标平均值为确定出的所有平均值中数值最大的平均值；确定目标样本曲线以及与目标样本曲线对应的路面类型，并将与目标样本曲线对应的路面类型作为车辆待行驶路段的路面类型；目标样本曲线与目标平均值对应。
对于每一样本曲线而言，该样本曲线对应的相似度组的平均值能够较为准确地反映出在该样本曲线与M条光谱特征曲线之间的相似度。之后，从所有样本曲线对应的相似度的平均值中确定出数值最大的平均值(即目标相似度)，这样，目标相似度所对应的样本曲线是：所有样本曲线中，与M条光谱特征曲线之间相似度最大的样本曲线。根据该目标相似度所对应的样本曲线确定出的路面类型更为准确。
一种可能的设计中，上述M条光谱特征曲线是根据高光谱传感器Q次获取到的图像确定出的，N个相似度组中每个相似度组被划分为Q个子组，一个相似度组中每个子组中相似度的数量不同，Q为大于1的正整数。也就是说，M条光谱特征曲线是分批次确定出的。这种场景中，上述“确定N个相似度组中每个相似度组的平均值”的方法包括：确定一个相似度组中每个子组的平均值；计算确定出的平均值的加权平均值，并将加权平均值作为一个相似度组的平均值。
一种可能的设计中，上述“根据车辆当前的车速和车辆待行驶路段的路面类型，确定自动行驶策略”的方法包括：根据车辆待行驶路段的路面类型，确定车辆待行驶路段的路面类型对应的车辆行驶速度(即目标车速)，并根据当前车速和目标车速，确定自动行驶策略。
第二方面，本申请提供一种自动行驶策略的确定装置，该装置包括获取模块和处理模块。
上述获取模块，用于获取车辆当前的车速和M条光谱特征曲线，M条光谱特征曲线是根据高光谱传感器获取到的图像确定出的，M为正整数；
上述处理模块，用于根据M条光谱特征曲线和标准样本曲线库中的所有样本曲线，确定车辆待行驶路段的路面类型，每一条样本曲线对应一种路面类型。还用于根据车辆当前的车速和车辆待行驶路段的路面类型，确定自动行驶策略。
一种可能的设计中，上述处理模块，具体用于计算标准样本曲线库中每条样本曲线与M条光谱特征曲线之间的相似度，以得到N个相似度组，一个相似度组唯一对应一条样本曲线；具体用于确定N个相似度组中每个相似度组的平均值；一个平均值唯一对应一条样本曲线；具体用于确定目标平均值，目标平均值为确定出的所有平均值中数值最大的平均值；具体用于确定目标样本曲线以及与目标样本曲线对应的路面类型，并将与目标样本曲线对应的路面类型作为车辆待行驶路段的路面类型；目标样本曲线与目标平均值对应。
一种可能的设计中，上述处理模块，具体用于确定一个相似度组中每个子组的平均值；还用于计算确定出的平均值的加权平均值，并将加权平均值作为一个相似度组的平均值。
一种可能的设计中，上述处理模块，具体用于根据车辆待行驶路段的路面类型，确定目标车速，目标车速为车辆待行驶路段的路面类型对应的车辆行驶速度；具体用于根据当前车速和目标车速，确定自动行驶策略。
第三方面，本申请提供了一种自动行驶策略的确定装置，该装置包括：处理器和通信接口；通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面和第一方面的任一种可能的实现方式中所描述的自动行驶策略的确定方法。
第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行上述第一方面和第一方面的任一种可能的实现方式中所描述的自动行驶策略的确定方法。
第五方面，本申请提供一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述第一方面和第一方面的任一种可能的实现方式中所描述的自动行驶策略的确定方法。
第六方面，本申请提供一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面和第一方面的任一种可能的实现方式中所描述的自动行驶策略的确定方法。
上述方案中，自动行驶策略的确定装置、计算机设备、计算机存储介质、计算机程序产品或者芯片所能解决的技术问题以及实现的技术效果可以参见上述第一方面所解决的技术问题以及技术效果，在此不再赘述。
附图说明
图1A为本申请实施例提供的一种确定装置的硬件结构示意图；
图1B为本申请实施例中车辆的硬件结构示意图；
图2为本申请实施例提供的一种自动行驶策略的确定方法的流程示意图；
图3为本申请实施例提供的一种路面类型的确定方法的流程示意图；
图4为本申请实施例提供的一种自动行驶策略的确定装置的结构示意图；
图5为本申请实施例提供的另一种自动行驶策略的确定装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。
本文中字符“/”，一般表示前后关联对象是一种“或者”的关系。例如，A/B可以理解为A或者B。
本申请的说明书和权利要求书中的术语“第一”和“第二”是用于区别不同的对象，而不是用于描述对象的特定顺序。
此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括其他没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
另外，在本申请实施例中，“示例性的”、或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”、或者“例如”等词旨在以具体方式呈现概念。
人工智能(artificial intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。
无人驾驶是人工智能领域的一种主流应用，无人驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。
通常，无人驾驶车辆需要通过高光谱传感器、测距传感器等传感器感应周边事物。在行驶过程中，无人驾驶车辆需要识别前方是否存在障碍物，并且在识别到障碍物后获取障碍物的几何特征，以便于根据障碍物的几何特征对无人驾驶车辆进行控制。然而，除了车辆周边事物，路面类型也对自动驾驶汽车的行驶策略造成影响。
为此，本申请实施例提供一种自动驾驶策略的确定方法及装置。具体的，自动行驶策略的确定装置(简称为确定装置)获取光谱特征曲线，并根据光谱特征曲线和标准样本曲线库中所有的样本曲线，确定车辆待行驶路段的路面类型。之后，确定装置根据车辆当前的车速和车辆待行驶路段的路面类型，确定车辆当前的车速是否符合车辆待行驶路段要求的车速，以确定自动驾驶策略。
上述该确定装置为车辆中用于确定自动驾驶策略的设备，该设备可以为车载设备，也可以为车载设备中的芯片。
通常，该确定装置与高光谱传感器、激光雷达、惯导设备、以及摄像头等仪器建立有线通信连接或无线通信连接，以获取高光谱传感器捕获到的图像，惯导设备测量出的车辆定位信息，激光雷达测量出的车辆与车辆待行驶路段之间的距离等。
为了便于理解，现在对本申请实施例中的确定装置的结构进行描述。
在一种示例中，图1A示出了本申请实施例中确定装置的一种硬件结构示意图。如图1A所示，该确定装置可以包括处理器10，存储器11和通信接口12，处理器10，存储器11和通信接口12通过通信总线13连接。通信接口12还可以与车辆中的高光谱传感器、测距传感器等连接。
处理器10可以包括一个或多个处理单元，例如：处理器10可以包括应用处理器(application processor，AP)，特定应用集成电路(application-specific integratedcircuit，ASIC)，图形处理器(graphics processing unit，GPU)，图像信号处理器(imagesignal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signalprocessor，DSP)，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
处理器10可以是确定装置的神经中枢和指挥中心。处理器10可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
作为一种实施例，处理器10中还可以设置存储器，用于存储指令和数据。
一种可能的实现方式中，处理器10中的存储器为高速缓冲存储器。该存储器可以保存处理器10刚用过或循环使用的指令或数据。如果处理器10需要再次使用该指令或数据，可从存储器中直接调用。避免了重复存取，减少了处理器10的等待时间，因而提高了系统的效率。
作为一种实施例，处理器10可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，I2C)接口，集成电路内置音频(inter-integrated circuitsound，I2S)接口，脉冲编码调制(pulsecode modulation，PCM)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口(mobile industry processor interface，MIPI)，通用输入输出(general-purposeinput/output，GPIO)接口，以太网接口，和/或通用串行总线(universal serial bus，USB)接口等。
存储器11可以用于存储计算机可执行程序代码，可执行程序代码包括指令。处理器10通过运行存储在存储器11的指令，从而执行确定装置的各种功能应用以及数据处理。例如，在本申请实施例中，处理器10可以通过执行存储在存储器11中的指令，根据获取的光谱特征曲线和标准样本库中所有样本曲线，确定与光谱特征曲线相似度最高的样本曲线。
存储器11可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如用于确定车辆待行驶路段的路面类型的功能等)等。存储数据区可存储确定装置使用过程中所创建、生成的数据(比如N个相似度组、N个相似度组的平均值、以及所有平均值中数值最大的平均值)等。
此外，存储器11可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。
通信接口12用于与其他设备连接，例如，处理器10通过通信接口12获取高光谱传感器得到的高光谱图像。可选的，通信接口12用于接收系统工作的配置参数，并传递到处理器10。通信接口12还可以用于连接如目标物体检测器、激光雷达等外接设备，保证了系统的扩展性。
在本申请实施例中，通信总线13，可以是工业标准体系结构(Industry StandardArchitecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图1A中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
需要指出的是，图1A中示出的设备结构并不构成对该确定装置的限定，除图1A所示部件之外，该确定装置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。
本申请实施例所描述的车辆包括上述确定装置，该车辆可以是指无人驾驶汽车，具体可以配备有激光雷达、高光谱传感器、惯导设备、摄像头等仪器。
该车辆的形态可以为多种。例如，本申请实施例中的车辆可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、手推车等。
图1B是本申请实施例提供的车辆的功能框图。如图1B所示，车辆可包括行进系统20、传感器系统21、控制系统22、一个或多个外围设备23以及电源24、计算机系统25和用户接口26。
可选的，车辆可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆的每个子系统和元件可以通过有线或者无线互连。
行进系统20可包括为车辆提供动力运动的组件。在一个实施例中，行进系统20可包括引擎201、能量源202、传动装置203和车轮/轮胎204。
其中，引擎201可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎201将能量源202转换成机械能量。
能量源202可以包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源202也可以为车辆的其他系统提供能量。
传动装置203可以将来自引擎201的机械动力传送到车轮204。传动装置203可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置203还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮204的一个或多个轴。
传感器系统21可包括感测关于车辆周边的环境的信息的若干个传感器。例如，传感器系统21可包括定位系统211(定位系统可以是全球定位系统(global positioningsystem，GPS)系统，也可以是北斗系统或者其他定位系统)、惯导设备(例如：惯性测量单元(inertial measurement unit，IMU))212、雷达213、激光测距仪214以及高光谱传感器215。传感器系统21还可包括用于监视车辆的内部系统的传感器，例如，车内空气质量监测器、燃油量表、机油温度表等。
传感器系统21中的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是车辆安全操作的关键功能。
定位系统211可用于估计车辆的地理位置。
惯导设备212用于基于惯性加速度来感测车辆的位置和朝向变化。在一个实施例中，惯导设备212可以是加速度计和陀螺仪的组合。
雷达213可利用无线电信号来感测车辆的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达213还可用于感测物体的速度和/或前进方向。
激光测距仪214可利用激光来感测车辆所位于的环境中的物体。在一些实施例中，激光测距仪214可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。
高光谱传感器215可用于捕捉车辆的周边环境的多个图像。一般的，高光谱传感器与摄像头一一对应。
物体通过摄像头生成光学图像投射到高光谱传感器215。高光谱传感器215可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementarymetal-oxide-semiconductor，CMOS)光电晶体管。高光谱传感器215把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。
在一些实施例中，车辆可以包括一个或多个摄像头。一般的，摄像头和高光谱传感器之间一一对应。示例性的，本申请实施例中若车辆包括N(N为大于或等于1的整数)个摄像头，则该车辆包括N个高光谱传感器。
摄像头在车辆的设置/分布情况需视实际情况而定。示例性的，若摄像头可以安装在车辆的挡风玻璃上边缘的中间位置，也可以安装在车辆的前后左右四侧等，本申请实施例对此不作具体限定。
若车辆包括多个摄像头，该多个摄像头的安装位置、安装角度、焦距等参数中的一项或多项参数可设为不同，以实现捕获不同距离范围内的交通灯的图像，有效扩大了交通灯的识别范围，提高识别的准确性。
传感器系统21中的全部或部分组件，如上述高光谱传感器215、惯导设备212、激光测距仪214等仪器中的部分或全部，可以一直处于开启状态，以提高识别路面类型的准确率。当然，为了节约能耗，传感器系统21中的全部或部分组件也可以周期性处于开启状态，本申请实施例对此不作限定。
控制系统22为控制车辆及其组件的操作。控制系统22可包括各种元件，例如：转向系统220、油门221、制动单元222、确定装置223、路线控制系统224以及障碍物避免系统225。
转向系统220可操作来调整车辆的前进方向。例如：在一个实施例中可以为方向盘系统。
油门221用于控制引擎201的操作速度并进而控制车辆的速度。
制动单元222用于控制车辆减速。制动单元222可使用摩擦力来减慢车轮204。在其他实施例中，制动单元222可将车轮204的动能转换为电流。制动单元222也可采取其他形式来减慢车轮204转速从而控制车辆的速度。
确定装置223的结构可以参考上述图1A的描述。
确定装置223可以对高光谱传感器215获取到的图像进行图像检测，以识别车辆周边环境中的物体和/或特征。物体和/或特征可包括行驶道路(路面类型等)和障碍物。确定装置223可使用神经网络模型、物体识别算法、运动中恢复结构(Structure from Motion，SFM)算法、视频跟踪和其他计算机视觉技术进行图像检测。
此外，确定装置223还可以获取惯导设备212所测量的车辆的位置信息、高光谱传感器215的标定参数，并根据车辆的位置信息和高光谱传感器215的标定参数，确定车辆与车辆待行驶路段之间的距离。
路线控制系统224用于确定车辆的行驶路线。在一些实施例中，路线控制系统224可结合来自高光谱传感器215、定位系统211和一个或多个预定地图的数据，为车辆确定行驶路线。
障碍物避免系统225用于识别、评估和避免或者以其他方式越过车辆的环境中的潜在障碍物。
当然，在一个实例中，控制系统22可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
车辆通过外围设备23与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备23可包括无线通信系统27、车载电脑28、麦克风29和/或扬声器30。
在一些实施例中，外围设备23提供车辆的用户与用户接口26交互的手段。例如，车载电脑28可向车辆的用户提供信息。用户接口26还可操作车载电脑28来接收用户的输入。车载电脑28可以通过触摸屏进行操作。在其他情况中，外围设备23可提供用于车辆与位于车内的其它设备通信的手段。例如，麦克风29可从车辆的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器30可向车辆的用户输出音频。
无线通信系统27可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统27可使用3G蜂窝通信，例如CDMA、GSM/GPRS，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信系统27可利用WiFi与无线局域网(wireless local areanetwork，WLAN)通信。在一些实施例中，无线通信系统27可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信系统，例如，无线通信系统27可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
电源24可向车辆的各种组件提供电力。在一个实施例中，电源24可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆的各种组件提供电力。在一些实施例中，电源24和能量源202可一起实现，例如一些全电动车中那样。
车辆的部分或所有功能还受计算机系统25控制。计算机系统25可包括至少一个处理器250和存储器251，处理器250执行存储于存储器251中的指令。计算机系统25还可以是采用分布式方式控制车辆的个体组件或子系统的多个计算设备。
处理器250可以是任何常规的处理器，诸如商业可获得的CPU、ASIC或其它基于硬件的处理器的专用设备。
存储器251可以用于存储计算机可执行程序代码，可执行程序代码包括指令。处理器250通过运行存储在存储器251的指令，实现车辆的各种功能，包括以上描述的那些功能。当然，存储器251也可包括行进系统20、传感器系统21、控制系统22和外围设备23中的一个或多个数据，例如地图数据、路线信息等，也可以存储行进系统20、传感器系统21、控制系统22和外围设备23中的指令。
用户接口26，用于向车辆的用户提供信息或从其接收信息。可选地，用户接口26可包括在外围设备23的集合内的一个或多个输入/输出设备，例如无线通信系统27、车载电脑28、麦克风29和扬声器30。
计算机系统25可基于从各种子系统(例如，行进系统20、传感器系统21、控制系统22)以及用户接口26接收的数据来控制车辆的功能。例如，计算机系统25可利用来自控制系统22的转向系统220，以躲避障碍物避免系统225检测到的障碍物。
可选地，图1B示出的组件可以采用有线和/或无线方式耦合在一起。图1B示出的组件中的一个或多个可与车辆分开安装，也可以安装于车辆中。例如，存储器251可以置于车辆外的服务器中。
可选地，图1B示出的车辆的结构只是一个示例。在实际应用中，除图1B所示部件之外，车辆可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图1A所示的确定装置和图1B所示的车辆对本申请实施例提供的自动驾驶策略的确定方法进行描述。
图2为本申请实施例提供的一种自动驾驶策略的确定方法的流程示意图。如图2所示，本申请实施例提供的自动驾驶策略的确定方法包括：
S101、确定装置获取车辆当前的车速和M条光谱特征曲线。
在本申请实施例中，车辆当前的车速为车辆获取光谱特征曲线时的速度。M条光谱特征曲线是根据高光谱传感器获取到的图像确定出的。M为正整数。
一种可能的实现方式，高光谱传感器采集车辆前方的图像，将车辆前方的图像通过以太网传输至确定装置。确定装置根据高光谱传感器发送的车辆前方的图像，确定出只包含有车辆待行驶路段的图像。
在本申请实施例中，确定装置从车辆前方的图像中选择出包含有车辆待行驶路段的图像，使得确定装置只需要对部分图像进行处理，减少了确定装置的处理量。
之后，确定装置根据只包含有车辆待行驶路段的图像，解析出M个像元(也就是像素点，像素点在高光谱图像中被称为像元)；确定装置根据M个像元，确定出M条光谱特征曲线。
可以理解的是，由于确定装置只获取包含有车辆待行驶路段的图像，以及待行驶路段的光谱特征曲线，因此避免了确定装置获取周边实物对应的光谱特征曲线，将周边实物对应的光谱特征曲线作为待行驶路段的特征曲线，造成确定装置对路面类型的错误判断。
S102、确定装置根据M条光谱特征曲线和标准样本曲线库中的所有样本曲线，确定车辆待行驶路段的路面类型。
在本申请实施例中，标准样本曲线库包括N条样本曲线，每一条样本曲线对应一种路面类型，N为正整数。
需要说明的是，由于通过高光谱特征曲线可以识别物质成分，因此工作人员会提前采集每一种路面类型对应的光谱特征曲线，识别出该路面包含的物质成分，确定出该路面的路面类型。之后，工作人员将采集的每一条光普特征曲线作为样本曲线，建立样本曲线与路面类型的对应关系，制作出样本曲线库，并将样本曲线库输入至确定装置。例如，样本曲线与路面类型的对应关系包括：样本曲线A对应的是沥青路面类型，样本曲线B对应的是结冰路面类型。
一种可能的实现方式，确定装置将标准样本曲线库中的每条样本曲线与M条光谱特征曲线中的光谱特征曲线进行比较，确定出与M光谱特征曲线相似度最高的样本曲线。确定装置根据与M条光谱特征曲线相似度最高的样本曲线，确定出车辆待行驶路段的路面类型。具体的，确定装置确定车辆待行驶路段的路面类型的过程，可参考步骤S201-S204，本申请实施例对此不再赘述。
S103、确定装置根据车辆当前的车速和车辆待行驶路段的路面类型，确定自动行驶策略。
一种可能的实现方式，确定装置根据车辆待行驶路段的路面类型，确定目标车速，该目标车速为车辆待行驶路段的路面类型对应的车辆行驶速度。
需要说明的是，技术人员需要经过多次实验后，才可以得出车辆待行驶路段的路面类型对应的车辆行驶速度。之后，技术人员可以将车辆待行驶路段的路面类型对应的车辆行驶速度输入至确定装置，使得确定装置在确定路面类型后，调整车辆的行驶速度。
确定装置根据当前车速和目标车速，确定自动行驶策略。
一种可能的设计中，若当前车速大于目标车速，则确定装置确定车辆执行减速策略，使得车辆在驶入车辆待行驶路段之前进行减速，达到目标车速。
示例性的，在确定装置确定车辆执行减速策略之后，确定装置根据公式一确定车辆执行减速策略的路程。
其中，L0为车辆执行减速策略的路程，v1为当前车速，v0为目标车速，a为加速度(由确定装置设置)。
另一种可能的设计中，若当前车速小于目标车速，则确定装置确定车辆执行加速策略，使得车辆在到达车辆待行驶路段之后进行加速，达到目标车速。
需要说明的是，当前车速对应的是车辆当前行驶路段的路面类型对应的车速。若车辆在当前行驶路段进行加速，会超出当前行驶路段的路面类型对应的车速，容易导致车辆发生交通事故。因此，确定装置在车辆到达车辆待行驶路段之后进行加速，提高了车辆自动驾驶的安全性。
通常，根据光谱特征曲线可以识别出被拍摄物质的组成成分。因此，确定装置可以根据光谱特征曲线和标准样本曲线库中的所有样本曲线，识别出车辆待行驶路段的物质成分，并依据车辆待行驶路段的物质成分确定出车辆待行驶路段的路面类型。由于路面类型(例如结冰路面、沥青路面等)会影响车辆的行驶安全，因此确定装置可以根据获取的当前车速以及车辆待行驶路段的路面类型，确定自动驾驶策略，从而避免发生车辆事故。
其中，S102可以替换为S201-S204。如图3所示，为本申请实施例提供的一种路面类型的识别方法，该方法包括以下步骤：
S201、确定装置计算标准样本曲线库中每条样本曲线与M条光谱特征曲线之间的相似度，以得到N个相似度组。
其中，标准样本曲线库包括N条样本曲线，一个相似度组唯一对应一条样本曲线。
在本申请实施例中，N个相似度组中每个相似度组包含有M个相似度，一个相似度对应一条光谱特征曲线。
示例性的，若样本曲线库包括样本曲线A和样本曲线B，确定装置获取3条光谱特征曲线(曲线1、曲线2、以及曲线3)，且样本曲线A与曲线1、曲线2、曲线3之间的相似度分别为60％、65％、70％，样本曲线B与曲线1、曲线2、曲线3之间的相似度分别为89％、99％、94％，则确定装置得到两个相似度组，分别是相似度组A(60％、65％、70％)和相似度组B(89％、99％、94％)。
S202、确定装置确定N个相似度组中每个相似度组的平均值。
其中，一个平均值唯一对应一条样本曲线。平均值可以为算数平均值、加权平均值等，本申请实施例对此不做限定。
在本申请时实例中，该N个相似度组中每个相似度组包含的M个相似度对应的M条光谱特征曲线可以是确定装置根据高光谱传感器一次获取到的图像确定出的，也可以是确定装置根据高光谱传感器Q次获取到的图像确定出的，Q为大于1的正整数。
一种可能的设计中，若M条光谱特征曲线是确定装置根据高光谱传感器一次获取到的图像确定出的，则确定装置计算N个相似度组中每个相似度组中M个相似度的算数平均值。
示例性的，相似度组A中包括3个相似度，分别为60％、65％、70％，则相似度组A的算数平均数为65％。
另一种可能的设计中，若M条光谱特征曲线是确定装置根据高光谱传感器Q次获取到的图像确定出的，则确定装置将N个相似度组中每个相似度组划分为Q个子组，计算N个相似度组中每个相似度组中每个相似度组的加权平均值。
需要说明的是，在车辆执行减速策略之前，车辆仍以当前车速行驶在当前路段。高光谱传感器可以在该行驶过程中拍摄Q次图像。由于在行驶过程中，车辆与待行驶路段的距离变小，使得高光谱传感器拍摄的图像质量变高，确定装置解析出的像元增加，获取的高光谱特征曲线的数量也随之增加。因此，确定装置每次获取的高光谱特征曲线的数量不同，一个相似度组中每个子组中相似度的数量不同。因此，确定装置计算N个相似度组中每个相似度组中每个相似度组的加权平均值，从而提高识别车辆待行驶路段的路面类型的准确率。
具体的，确定装置确定一个相似度组中每个子组的平均值，并计算确定出的Q个平均值的加权平均值，将加权平均值作为一个相似度组的平均值。
可选的，确定装置根据每次获取的光谱特征曲线的数量，确定一个相似度组中每个子组的权重值。
一种可能的设计中，一个相似度组中每个子组的权重值根据公式二确定：
其中，ωi为第i个子组的权重值，Qi为第i次获取光谱特征曲线的数量，M为Q次获取的光谱特征曲线的数量。
示例性的，一个相似度组中有两个子组(子组A和子组B)。子组A中有两个相似度(70％、74％)，子组B中有四个相似度(72％、74％、76％、78％)，则子组A的权重值为1/3，子组B的权重值为2/3，子组A和子组B的加权平均值为74％。
S203、确定装置确定目标平均值。
其中，目标平均值为确定出的所有平均值中数值最大的平均值。
一种可能的实现方式，确定装置将N个平均值的数值进行比较，确定出目标平均值。
S204、确定装置确定目标样本曲线以及与目标样本曲线对应的路面类型，并将与目标样本曲线对应的路面类型作为车辆待行驶路段的路面类型。
其中，目标样本曲线与目标平均值对应。
基于图3所示的技术方案，对于每一样本曲线而言，该样本曲线对应的相似度组的平均值能够较为准确地反映出在该样本曲线与M条光谱特征曲线之间的相似度。之后，从所有样本曲线对应的相似度的平均值中确定出数值最大的平均值(即目标相似度)，这样，目标相似度所对应的样本曲线(即目标样本曲线)是：所有样本曲线中，与M条光谱特征曲线之间相似度最大的样本曲线。因此确定装置根据该目标样本曲线确定出的路面类型更为准确。
上述主要从计算机设备的角度对本申请实施例提供的方案进行了介绍。可以理解的是，计算机设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本申请所公开的实施例描述的各示例的自动行驶策略的确定方法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例还提供一种自动行驶策略的确定装置。该自动行驶策略的确定装置可以为计算机设备，也可以是上述计算机设备中的CPU，还可以是上述计算机设备中用于确定自动驾驶策略的处理模块，还可以是上述控制计算机设备中用于确定自动驾驶策略的客户端。
本申请实施例可以根据上述方法示例对自动行驶策略的确定方法进行功能模块或者功能单元的划分，例如，可以对应各个功能划分各个功能模块或者功能单元，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块或者功能单元的形式实现。其中，本申请实施例中对模块或者单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
如图4所示，为本申请实施例提供的一种自动行驶策略的确定装置的结构示意图。自动行驶策略的确定装置用于执行图2或图3所示的自动行驶策略的确定方法。自动行驶策略的确定装置可以包括获取模块101和处理模块102。
获取模块101，用于获取车辆当前的车速和M条光谱特征曲线，M条光谱特征曲线是根据高光谱传感器获取到的图像确定出的，M为正整数。例如，结合图2，获取模块101可以用于执行S101。处理模块102，用于根据M条光谱特征曲线和标准样本曲线库中的所有样本曲线，确定车辆待行驶路段的路面类型，每一条样本曲线对应一种路面类型。还用于根据车辆当前的车速和车辆待行驶路段的路面类型，确定自动行驶策略。例如，结合图2，处理模块102可以用于执行S102。
可选的，处理模块102，具体用于计算标准样本曲线库中每条样本曲线与M条光谱特征曲线之间的相似度，以得到N个相似度组，一个相似度组唯一对应一条样本曲线；具体用于确定N个相似度组中每个相似度组的平均值；一个平均值唯一对应一条样本曲线；具体用于确定目标平均值，目标平均值为确定出的所有平均值中数值最大的平均值；具体用于确定目标样本曲线以及与目标样本曲线对应的路面类型，并将与目标样本曲线对应的路面类型作为车辆待行驶路段的路面类型；目标样本曲线与目标平均值对应。例如，结合图3，处理模块102可以用于执行S201。
可选的，处理模块102，具体用于确定一个相似度组中每个子组的平均值；还用于计算确定出的平均值的加权平均值，并将加权平均值作为一个相似度组的平均值。例如，结合图3，处理模块102可以用于执行S202。
可选的，处理模块102，具体用于根据车辆待行驶路段的路面类型，确定目标车速，目标车速为车辆待行驶路段的路面类型对应的车辆行驶速度；具体用于根据当前车速和目标车速，确定自动行驶策略。例如，结合图2，处理模块102可以用于执行S103。
当然，本申请实施例提供的自动行驶策略的确定装置包括但不限于上述模块。
图5示出了上述实施例中所涉及的自动行驶策略的确定装置的又一种可能的结构。该自动行驶策略的确定装置包括：处理器201和通信接口202。处理器201用于对装置的动作进行控制管理，例如，执行上述方法实施例中所示的方法流程中的各个步骤，和/或用于执行本文所描述的技术的其它过程。通信接口202用于支持该自动行驶策略的确定装置与其他网络实体的通信。自动行驶策略的确定装置还可以包括存储器203和总线204，存储器203用于存储装置的程序代码和数据。
其中，上述处理器201可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，单元和电路。该处理器可以是中央处理器，通用处理器，数字信号处理器，专用集成电路，现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，单元和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
存储器203可以包括易失性存储器，例如随机存取存储器；该存储器也可以包括非易失性存储器，例如只读存储器，快闪存储器，硬盘或固态硬盘；该存储器还可以包括上述种类的存储器的组合。
总线204可以是扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。总线204可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
在实际实现时，获取模块101可以由图5所示的通信接口202实现，处理模块102可以由图5所示的处理器201调用存储器203中的程序代码来实现。其具体的执行过程可参考图2或图3所示的自动驾驶策略的确定方法部分的描述，这里不再赘述。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，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。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例提供一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得该计算机执行上述方法实施例中的自动行驶策略的确定方法。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当该指令在计算机上运行时，使得该计算机执行上述方法实施例所示的方法流程中的自动行驶策略的确定方法。
其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit，ASIC)中。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
由于本发明的实施例中的自动行驶策略的确定装置、计算机可读存储介质、计算机程序产品可以应用于上述方法，因此，其所能获得的技术效果也可参考上述方法实施例，本发明实施例在此不再赘述。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种自动行驶策略的确定方法，其特征在于，所述方法包括：
获取车辆当前车速和M条光谱特征曲线，所述M条光谱特征曲线是根据高光谱传感器获取到的图像确定出的，M为正整数；
根据所述M条光谱特征曲线和标准样本曲线库中的所有样本曲线，确定所述车辆待行驶路段的路面类型，每一条样本曲线对应一种路面类型；
根据所述车辆当前车速和所述车辆待行驶路段的路面类型，确定自动行驶策略；
所述标准样本曲线库包括N条样本曲线，N为正整数；
所述根据所述M条光谱特征曲线和标准样本曲线库中的N条样本曲线，确定所述车辆待行驶路段的路面类型，包括：
计算标准样本曲线库中每条样本曲线与所述M条光谱特征曲线之间的相似度，以得到N个相似度组，一个相似度组唯一对应一条样本曲线；
确定N个相似度组中每个相似度组的平均值；一个平均值唯一对应一条样本曲线；
确定目标平均值，所述目标平均值为确定出的所有平均值中数值最大的平均值；
确定目标样本曲线以及与所述目标样本曲线对应的路面类型，并将与所述目标样本曲线对应的路面类型作为所述车辆待行驶路段的路面类型；所述目标样本曲线与所述目标平均值对应；
所述M条光谱特征曲线是根据所述高光谱传感器Q次获取到的图像确定出的，所述N个相似度组中每个相似度组被划分为Q个子组，一个相似度组中每个子组中相似度的数量不同，Q为大于1的正整数；
所述确定N个相似度组中每个相似度组的平均值，包括：
确定一个相似度组中每个子组的平均值；
计算确定出的平均值的加权平均值，并将所述加权平均值作为所述一个相似度组的平均值。
2.根据权利要求1所述的自动行驶策略的确定方法，其特征在于，根据所述车辆当前车速和所述车辆待行驶路段的路面类型，确定自动行驶策略，包括：
根据所述车辆待行驶路段的路面类型，确定目标车速，所述目标车速为所述车辆待行驶路段的路面类型对应的车辆行驶速度；
根据所述当前车速和所述目标车速，确定所述自动行驶策略。
3.一种自动行驶策略的确定装置，其特征在于，所述装置包括：
获取模块，用于获取车辆当前车速和M条光谱特征曲线，所述M条光谱特征曲线是根据高光谱传感器获取到的图像确定出的，M为正整数；
处理模块，用于根据所述M条光谱特征曲线和标准样本曲线库中的所有样本曲线，确定所述车辆待行驶路段的路面类型，每一条样本曲线对应一种路面类型；
所述处理模块，还用于根据所述车辆当前车速和所述车辆待行驶路段的路面类型，确定自动行驶策略；
所述标准样本曲线库包括N条样本曲线，N为正整数；所述处理模块具体用于：
计算标准样本曲线库中每条样本曲线与所述M条光谱特征曲线之间的相似度，以得到N个相似度组，一个相似度组唯一对应一条样本曲线；
确定N个相似度组中每个相似度组的平均值；一个平均值唯一对应一条样本曲线；具体用于确定目标平均值，所述目标平均值为确定出的所有平均值中数值最大的平均值；
确定目标样本曲线以及与所述目标样本曲线对应的路面类型，并将与所述目标样本曲线对应的路面类型作为所述车辆待行驶路段的路面类型；所述目标样本曲线与所述目标平均值对应；
所述M条光谱特征曲线是根据所述高光谱传感器Q次获取到的图像确定出的，所述N个相似度组中每个相似度组被划分为Q个子组，一个相似度组中每个子组中相似度的数量不同，Q为大于1的正整数；
所述处理模块，具体用于确定一个相似度组中每个子组的平均值；具体用于计算确定出的平均值的加权平均值，并将所述加权平均值作为所述一个相似度组的平均值。
4.根据权利要求3所述的自动行驶策略的确定装置，其特征在于，所述处理模块具体用于：
根据所述车辆待行驶路段的路面类型，确定目标车速，所述目标车速为所述车辆待行驶路段的路面类型对应的车辆行驶速度；
根据所述当前车速和所述目标车速，确定所述自动行驶策略。
5.一种自动行驶策略的确定装置，其特征在于，包括：处理器、存储器和通信接口；其中，通信接口用于所述自动行驶策略的确定装置和其他设备或网络通信；所述存储器用于存储一个或多个程序，该一个或多个程序包括计算机执行指令，当该自动行驶策略的确定装置运行时，处理器执行该存储器存储的该计算机执行指令，以使该自动行驶策略的确定装置执行权利要求1或2所述的自动行驶策略的确定方法。
6.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当计算机执行该指令时，该计算机执行上述权利要求1或2所述的自动行驶策略的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010670754.3A CN111775962B (zh) | 2020-07-13 | 2020-07-13 | 自动行驶策略的确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010670754.3A CN111775962B (zh) | 2020-07-13 | 2020-07-13 | 自动行驶策略的确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111775962A CN111775962A (zh) | 2020-10-16 |
| CN111775962B true CN111775962B (zh) | 2022-04-22 |
Family
ID=72767090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010670754.3A Active CN111775962B (zh) | 2020-07-13 | 2020-07-13 | 自动行驶策略的确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111775962B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103038628A (zh) * | 2010-07-30 | 2013-04-10 | 丰田自动车株式会社 | 移动体用光谱测定装置以及移动体用光谱测定方法 |
| DE102018002516A1 (de) * | 2018-03-27 | 2018-09-20 | Daimler Ag | Verfahren zur Ermittlung eines Fahrbahnzustands |
| CN110108655A (zh) * | 2019-05-23 | 2019-08-09 | 桂林电子科技大学 | 一种道路路面状况检测方法及检测系统 |
| CN110134122A (zh) * | 2019-04-23 | 2019-08-16 | 江西理工大学 | 一种基于高光谱成像技术的深度学习方法 |
| CN110893858A (zh) * | 2018-09-12 | 2020-03-20 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180321142A1 (en) * | 2017-05-05 | 2018-11-08 | Magna Electronics Inc. | Road surface detection system |
| US10621865B2 (en) * | 2018-03-29 | 2020-04-14 | The Regents Of The University Of Michigan | Road condition monitoring system |
-
2020
- 2020-07-13 CN CN202010670754.3A patent/CN111775962B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103038628A (zh) * | 2010-07-30 | 2013-04-10 | 丰田自动车株式会社 | 移动体用光谱测定装置以及移动体用光谱测定方法 |
| DE102018002516A1 (de) * | 2018-03-27 | 2018-09-20 | Daimler Ag | Verfahren zur Ermittlung eines Fahrbahnzustands |
| CN110893858A (zh) * | 2018-09-12 | 2020-03-20 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶系统 |
| CN110134122A (zh) * | 2019-04-23 | 2019-08-16 | 江西理工大学 | 一种基于高光谱成像技术的深度学习方法 |
| CN110108655A (zh) * | 2019-05-23 | 2019-08-09 | 桂林电子科技大学 | 一种道路路面状况检测方法及检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111775962A (zh) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110543814B (zh) | 一种交通灯的识别方法及装置 | |
| CN112519575B (zh) | 调整油门踏板特性的方法和装置 | |
| CN112703506B (zh) | 车道线检测方法及装置 | |
| WO2021057344A1 (zh) | 一种数据呈现的方法及终端设备 | |
| WO2022051951A1 (zh) | 车道线检测方法、相关设备及计算机可读存储介质 | |
| CN115042821B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
| EP4307251A1 (en) | Mapping method, vehicle, computer readable storage medium, and chip | |
| CN114056347A (zh) | 车辆运动状态识别方法及装置 | |
| US20230048680A1 (en) | Method and apparatus for passing through barrier gate crossbar by vehicle | |
| CN113859265B (zh) | 一种驾驶过程中的提醒方法及设备 | |
| WO2022061702A1 (zh) | 驾驶提醒的方法、装置及系统 | |
| CN114257712A (zh) | 控制摄像头模组补光时间的方法及装置 | |
| CN114445490A (zh) | 一种位姿确定方法及其相关设备 | |
| CN114782638B (zh) | 生成车道线的方法、装置、车辆、存储介质及芯片 | |
| CN111775962B (zh) | 自动行驶策略的确定方法及装置 | |
| CN111845786B (zh) | 自动行驶策略的确定方法及装置 | |
| WO2021159397A1 (zh) | 车辆可行驶区域的检测方法以及检测装置 | |
| CN115205848A (zh) | 目标检测方法、装置、车辆、存储介质及芯片 | |
| CN115042814A (zh) | 交通灯状态识别方法、装置、车辆及存储介质 | |
| CN115056784A (zh) | 车辆控制方法、装置、车辆、存储介质及芯片 | |
| CN113799794A (zh) | 车辆纵向运动参数的规划方法和装置 | |
| CN113022573A (zh) | 道路结构检测方法及装置 | |
| WO2022041820A1 (zh) | 换道轨迹的规划方法及装置 | |
| WO2022061725A1 (zh) | 交通元素的观测方法和装置 | |
| CN114852092B (zh) | 方向盘脱手检测方法、装置、可读存储介质及车辆 |
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 |