CN112071103A - 汽车自动驾驶方法与道路系统 - Google Patents
汽车自动驾驶方法与道路系统 Download PDFInfo
- Publication number
- CN112071103A CN112071103A CN202010885567.7A CN202010885567A CN112071103A CN 112071103 A CN112071103 A CN 112071103A CN 202010885567 A CN202010885567 A CN 202010885567A CN 112071103 A CN112071103 A CN 112071103A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- automatic driving
- transmitting device
- driving method
- 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 56
- 230000003068 static effect Effects 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 3
- 241000282414 Homo sapiens Species 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 5
- 238000002592 echocardiography Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 244000089409 Erythrina poeppigiana Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012459 cleaning agent Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching an intersection
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18159—Traversing an intersection
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种能够提高对交通标识的识别精度、可靠地进行自动驾驶的汽车自动驾驶方法以及道路系统。其中,在车道旁或路面上设有多个反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述具有不同反射特性的反射镜排列所反射,所述接收器接收所述反射镜群对所述发射波进行反射的反射波,所述控制单元根据反射波确定其所表示的不同反射镜排列编码进而确定该编码表示的内容,根据所确定的该内容对车辆进行控制。另一种方式是在路旁或者路面上设有发送装置,所述发送装置中存储有表示该发送装置所在的路段的静态与动态交通标识的信息的数据总表,所述发送装置将该数据总表以一定频率向行驶在所述路段的车辆发送。
Description
技术领域
本发明涉及一种汽车自动驾驶方法与道路系统。
背景技术
乘坐飞毯自由地到想去的地方,是人类许多世纪来的神话。技术发展到今天,用汽车自动驾驶来实现这个愿望,是近期人工智能和汽车行业认为可能实现的目标。如果这项技术成功付诸实现,除极少数人希望拥有私家车外,绝大多数人只需要像用Uber或滴滴打车那样,随时随地招来一部自动驾驶的出租车,输入目的地,就可安全到达。私家车不要了,家里的车库不要了,商场街道上的停车场也不要了。乘客在旅途中可以把车辆作为继续工作、社交、娱乐或休息的场所。作者认为这是最近的未来人工智能可能给人类生活带来最大的变革。
这就是为什么,以中国为例,从2014开始资本大量进入这个领域。但是,好景不长,大约3年之后,从2017年下半年开始,中国汽车自动驾驶圈已经开始感受到资本的阵阵寒意,企业融资难度加大,失败的企业激增[1]。发展至2019年,业界更有“自动驾驶进入资本寒冬”的说法。
发明内容
理由很简单,资本所关心的商业化落地的可能性与进程没有达到要求[2]。
从技术上来说,工程师们把激光、雷达、通讯和人工智能最前沿技术引入这个领域,例如LIDAR,毫米波雷达,C-V2X,5G-V2X,DeepLearning,CNN,……,等等等等。但是,为什么还不能解决商业化落地化的问题呢?作者认为,技术走错了路线。
举一个例子来说明。假设项目的目标是实现汽车制造的自动化。技术上有2条路线:第一条路线,研发万能的能自主行走的机器人,识别并使用人类使用的扳手改锥焊枪手推车吊车等等工具,识别螺杆螺帽和各种汽车零件,利用几十年前就有的人工汽车装配车间的设备,让机器人在模仿工人组装汽车步骤的软件指挥下工作,准确地代替人类完成汽车安装;第二条路线,把几十年前就有的人工汽车装配车间改造成今天大多数现代化车厂的自动生产线,在该生产线的两边安装比万能的机器人简单的多的各种机械手,每个机械手完成一个简单的操作,最后在生产线的终端完成整车的自动安装。显然,正确并导致成功的是第二条路线。
目前汽车驾驶自动化是走类似的第一条路线。为什么这么说?请看看目前业界识别交叉路口红绿灯的方法:使用最广泛的是各种基于人工智能的视觉识别算法[3]。由于只用颜色和形状信息来识别效果不好,研究者们提出诸如“级联分类器”方法、“特征分类”方法、卷积神经网络(CNN)方法等等。对多个红绿灯同时出现在同一交叉路口的情况,车辆难以确定到底哪一个红绿灯适用于当前车道中的车辆位置,因而只好用高精度地图,将红绿灯的位置、大小等信息存放在高精度地图中。在车辆行驶的过程中,根据车辆的位置从高精度地图中找出适用于当前位置的红绿灯的坐标,再使用坐标转换将地图中的坐标映射到拍摄到的视野的图像中。又由于红绿灯在整个视野中只占很小的面积,必须从图像中剪切出感兴趣区域(ROI),最后对ROI使用目标检测网络进行红绿灯识别。即使经过这么复杂的过程,各种方法报告的最高识别正确率只能达到99%左右。这是什么概念?就是说自动驾驶汽车每经过100次交叉路口就可能误闯红灯1次!
除了红绿灯的例子,其他如路边交通标识识别(如限速、让路停车)、车道线检测等自动驾驶所需信息,基本上是完全在现有提供给人类驾驶员的设备和标识基础上,用现有人工智能图像识别所能达到的技术水平来解决。
由于发明人清楚地认识到现有或相当长的将来人工智能方法不可能提供满足安全自动驾驶所要求的精度,本发明的目的在于,提供一种能够提高对交通标识的识别精度、可靠地进行自动驾驶的汽车自动驾驶方法以及道路系统。为达到上述目的,本申请提供一种汽车自动驾驶方法,它所使用的道路设备可以是偏重硬件,或软硬件混合的2种方式。但是不论哪种方式,它们都是用直接向车辆提供路边交通标识和指挥信号的电子指令,代替通过人工智能图像识别从现场摄像数据识别这些标识和信号的方法。
偏重硬件的方式是,在车道旁或路面上设有多个反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码进而确定该编码表示的路边交通标识和指挥信号内容,根据所确定的该内容对车辆进行控制。
采用本申请的汽车自动驾驶方法,通过反射镜群形成的反射波而形成编码信号,车辆根据该编码来识别交通标识,如此,与现有技术中的通过图像处理等进行识别的方式相比,能够大大提高识别精度,可靠地进行自动驾驶。
在上述汽车自动驾驶方法中,作为一个可能的实现方式,所述控制单元根据预先存储的图表确定所述编码表示的内容。
在上述汽车自动驾驶方法中,作为一个可能的实现方式,所述控制单元根据预先存储的图表确定所述编码表示的静态交通标识。
在上述汽车自动驾驶方法中,作为一个可能的实现方式,所述发射波为超声波、电磁波、光波、激光或其他可供使用的物理学上的波。
在上述汽车自动驾驶方法中,作为一个可能的实现方式,所述反射镜群包含多个反射镜,多个反射镜对所述反射波的反射特性不同,从而能够通过反射镜的不同排列形成信号的编码。
在上述汽车自动驾驶方法中,作为一个可能的实现方式,通过所述反射镜的质材、形状、表面光洁度或平凹等不同,使得所述多个反射镜形成的反射波的波形、峰值、宽度或波形积分等不同,从而得到不同的反射波。
以上是除了红绿灯等动态交通信号,对所有(或绝大部分)静态交通标识采用反射镜的偏重硬件的方式。为了降低设置大量反射镜的成本,对除车道线标识反射镜等之外的绝大部分静态交通标识(例如限速标识)、动态交通标识(红绿灯等)所有信号采用有源的地面发射-车载接收的直接向车辆提供路边交通标识和指挥信号电子指令,即所谓软硬件混合形式,也是一种选择。
下面详细介绍这种软硬件混合的方式:
整体而言,可以在路边每隔一定距离(特别是在限速等标识更改时)设置一个统一储存有该地域设置的所有静态、动态交通标识和红绿灯等所有交通控制信号形成的指令数据总表的发送装置,使用合适的物理波(如超声波、电磁波等等),以一定频率向前来的所有车辆发送这个数据总表,由车载接收器接收后,(控制单元)根据车辆自身的特点(车型、载重量、由高精度地图或由从车道线标识、路段标识反射镜等硬件装置确认的车道、路段、距离交叉路口的距离等等),从指令数据总表中选择适用本车辆的信息指令,控制单元根据这些信息指令执行对车辆的控制(自动驾驶)。由于在路边每隔一定距离,就有一个交通标识和控制信号形成的指令数据总表的发送装置,车辆在两个或几个这样的发送装置的有效发送范围内,就会形成信号的重叠或混淆。所以,每个数据总表须带有该发送装置所在的路段编号,而车辆运行中可从导航地图中(或者从路边的“路段编号”反射镜中)获取的路段编号,选择与之相匹配的指令数据总表。
具体而言,在上述汽车自动驾驶方法中,作为一个可能的实现方式,在路旁或者路面上设有发送装置,所述发送装置中存储有表示该发送装置所设置的路段的静态交通标识(除车道线之外,如限速标识。车道线标识信息由反射镜提供)与动态交通标识(如红绿灯)的信息的数据总表,所述发送装置以一定频率将该数据总表向行驶在所述路段的车辆发送。
在上述汽车自动驾驶方法中,作为一个可能的实现方式,接收到所述数据总表的车辆根据自身情况从所述数据总表中选择适用于本车辆的信息,所述控制单元根据该信息对车辆进行控制。
在上述汽车自动驾驶方法中,作为一个可能的实现方式,车辆根据自身车型、载重量、由高精度地图或由从车道线标识、路段标识反射镜确定的车道和路段信息、距离交叉路口的距离或这些的任意组合从所述数据总表中选择适用于本车辆的信息。
在上述汽车自动驾驶方法中,作为一个可能的实现方式,所述数据总表中包含所述发送装置所设置的路段的路段编号。
另外,本申请还提供一种偏重硬件的道路系统,其中,在车道旁或路面上设有多个反射镜群,所述反射镜群包含1个或多个反射镜,多个反射镜群中的反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的不同排列形成编码信号。
在上述道路系统中,作为一个可能的实现方式,通过所述反射镜的质材、形状、表面光洁度或平凹不同使得,反射镜形成的反射波的波形、峰值、宽度或波形积分等不同,从而得到不同的反射波。
在上述道路系统中,作为一个可能的实现方式,在路面上设有凹洞,所述反射镜群设置在所述凹洞中。凹洞的开口和深度大小必须保证反射镜藏于洞中不被车辆的车轮伤害,反射镜本身又不阻碍车辆通行。
在上述道路系统中,作为一个可能的软硬件混合实现方式,在路旁或者路面上设有发送装置,所述发送装置中存储有表示该发送装置所设置的路段的静态交通标识(除车道线之外,如限速标识等)与动态交通标识(如红绿灯)的信息的数据总表,所述发送装置将该数据总表以一定频率向行驶在所述路段的车辆发送。
在上述道路系统中,作为一个可能的实现方式,所述发送装置设置在距离交叉路口规定距离处,以及在静态交通标识(如限速的数字)改变之处。
在上述道路系统中,作为一个可能的实现方式,可以在建筑物的入口附近设有表示停止标识的反射镜。
在上述道路系统中,作为一个可能的实现方式,可以在道路上设有指示出租车停驻位置的反射镜。
附图说明
图1是用于表示一个实施例的汽车自动驾驶方法与道路系统结构的示意图。
具体实施方式
现在全世界的公路的交通控制设备都是为人类驾驶设计的,正如几十年前的汽车组装车间是为工人手工组装设计的一样。从上面描述的目前自动驾驶的红绿灯和其他交通标识的识别方法来看,就像汽车自动生产的第一条路线的万能机器人。
如果自动驾驶要走第二条路线,那就要彻底改造现有公路,使其适合自动驾驶,就像现代汽车自动生产线完全不同于旧式的人工汽车组装车间一样。
那么适合自动驾驶的公路设备会是怎样的呢?总的一个原则是通过硬件、软件或软硬件混合的方式,向车辆传送能够无疑义地准确识别的代码指令,代替通过人工智能图像识别,从现场现有的供人类识别的文字、图形或颜色等的路边交通标识的摄像数据识别这些标识和信号的方法。最直接的办法自然是用代码指令发生器来向到来的车辆发送人类驾驶员须要识别的交通标识和指挥信号的所有代码。但这实现起来很困难。举最简单的例子,我们不可能在每一小段的车道线标识线上安装一个有源的代码指令发生器,因为它是天文数字。所以,我们要分静态信息和动态信息两类来讨论。
静态信息指标示在路面和路旁的不随时间变化的交通标识,我们称为静态交通标识。例如:车道线、直行或拐弯箭头、限速和让路停车标识等等。对这类标识,我们要尽可能多地用无源的回波反射器(以下通称反射镜)来向到来的车辆发送指令。这个反射器应该就是一小块由金属或是其他材料制成的反射镜,安装在到来的车辆行进的车道(最好是在中线)附近,由安装在车辆的头、腹或尾部(或其他部位)的发射器发出的发射波(超声波、电磁波、光波、激光或其他波)照射后产生反射的回波。这个发射波只有固定一种(种类、频率、强度),但借助反射镜的质材、形状或表面光洁度和平凹等不同,导致其辐射反射特性(波形、峰值、宽度、波形积分等)不同,因而得到不同的回波(反射波)。理论上来说,我们只要能得到2种不同的回波,用N个这种反射镜排列,就能得到2N个编码,从而得到2N个标识的指令。在实施中,作为例子,如果我们能得到5种不同的回波,分别用1个、2个和3个这种反射镜排列起来,就能得到:0、1、2、3、4共5个;00、01、…04、10、…、44,即52=共25个;000、001、…、444,即53=125个编码,总共5+25+125=155个标识的指令。在绝大多数的路况,就足够使用了。
另外,可以预先在车辆的存储装置中存储表示编码与交通标识的对应关系的图表(第1图表),控制单元根据该图表来确定反射波对应的编码所表示的交通标识。不言而喻,也可以预先在车辆的存储装置中存储表示反射波与编码的对应关系的图表(第2图表),控制单元根据该图表来确定接收到的反射波所表示的编码。
这种有源的发射和无源的反射系统在技术和构成上可遵循如下原则:1.有源的发射波发射器-反射波接收器属于车载装置,成本不是考虑的中心。但无源的反射器,因为数量太大,成本一定要考虑。比如,车道线标识,考虑公路上每隔一定距离(例如5米)安装1个,在车道转弯处可以适当增加设置密度(即减小设置距离)。如果车道线标识反射镜放在车道中心,让自动驾驶的车道保持系统(LKA)保持车辆中线与车道线标识线一致,那么对双车道公路,就要2条车道中线的标识线。如果车道线标识放在车道边沿,让自动驾驶的车道保持系统保持车辆中线与两边车道线标识线等距,那么对双车道公路,就要4条车道线标识线。所以,车道线标识放在车道中心要节省一些。即便如此,全球的公路如果都要改造,那么需要安装的车道线标识反射镜就是天文数字。它只用一种最节省的单反射镜(例如,编码为“0”的反射镜),不用2位及以上的编码。以现在的物价考虑,这种反射镜成本最好在200元人民币或30美元左右。2.如果所有交通标识的反射器都要安装在各条车道路面(例如车道中线)以方便车载的发射器-接收器工作,那么反射镜可以躲藏在不会被车轮触及的路面小凹洞里,车轮伤不到它,他也不妨碍车辆行走。3.大量安装这种反射镜,可考虑发明一种像插秧机的机器,在公路上自动安装。4.可以在每个家庭、商店、办公楼等建筑物的门口(下车点)设置反射镜(例如最节省的编码为“1”的单反射镜)作为停车标识,在车辆行进到接近下车点时,在车道中线行进的车辆必须由“靠边停车”的交通标识引导下行进到下车点处停车;另外,在交通不繁忙的街道边也可以设置这样的反射镜,引导空闲的出租车停驻在此等待有人叫车(即所谓的“趴活”)。之所以在街道上设置,是考虑到以后绝大多数的停车场将会取消,因此利用空旷的街道来停放出租车。
以下讨论动态信息的交通标识。主要是指红绿灯、雨雪天路滑、大风、道路前方交通拥挤等等警告标识。发明人的方法是具体化到把红绿灯的电子指令发射器像上述的无源反射镜一样,直接安装在每一个车道,例如,车道中线(或路旁)上。红绿灯的电子指令发射器从交叉路口现有的信号灯系统接受代表红绿黄灯的电信号(不是需要识别的颜色和图像信息),在距离交叉路口规定距离(比如100米)开始,车辆陆续接收该车道对应红绿灯的电子指令信号,并在到达交叉路口时依指令及其他协同命令执行。由于红绿灯的电子指令发射器安装在各个车道上,上面提到的多交通灯交叉路口产生的到底服从哪一个交通灯信号的问题就迎刃而解了。由于这类动态信息的红绿灯的电子指令发射器的需求数量比上述静态信息的反射镜少好几个数量级,所以成本就不是最主要问题。
如果为了节省大量的反射镜制作和安装成本问题,对除车道线、停车点反射镜之外的绝大部分静态交通标识、动态交通标识和红绿灯等所有信号采用有源的地面发射-车载接收的直接向车辆提供路边交通标识和指挥信号电子指令,也是一种选择。下面详细介绍这种软硬件混合的具体方式:
整体而言,可以在路边每隔一定距离(特别是在限速等标识数字更改时)设置一个统一储存有该地域设置的所有静态、动态交通标识和红绿灯等所有交通控制信号形成的指令数据总表的发送装置,使用合适的物理波(如超声波、电磁波等等),以一定频率向前来的所有车辆发送这个数据总表,由车载接收器接收后,根据车辆自身的特点(车型、载重量、由高精度地图或由从车道线标识反射镜等硬件装置确认的车道,距离交叉路口的距离等等),从指令数据总表中选择适用本车辆的指令,传递给汽车自动驾驶单元。由于在路边每隔一定距离,就有一个交通标识和控制信号形成的指令数据总表的发送装置,车辆在两个或几个这样的发送装置的有效发送范围内,就会形成信号的重叠或混淆。所以,每个数据总表必须带有该发送装置所在的路段编号,而车辆运行中可从导航地图中(或者从路边的“路段编号”反射镜中)获取的路段编号,选择与之相匹配的指令数据总表。
一个最容易实现的具体实施方式应该是:所有的车道线和停车点标识采用最廉价的无源的单个反射镜(例如,编码为“0”和“1”的反射镜),而其他静态、动态标识和控制信号采用交通标识和控制信号指令数据总表的发送装置,由车载接收装置接收后交驾驶控制单元处理。不过,最安全的应该是所有静态标识都由反射镜/反射镜组合的偏重硬件的方式。
<实施例>
图1中的示意图用于表示一个实施例的汽车自动驾驶方法与道路系统结构。
如图1所示,在本实施例中,以车辆将要通过交叉路口前的情况为例进行说明。具体而言,以双向四车道为例,车辆200行驶在道路101上,道路101的另一侧是对向道路102,前方是交叉路口103,在道路101上画有通常的车道标识11,图中示出的车道标识11表示的是虚线车道线,在道路101与交叉路口103之间画有人行道标识12。另外,在本实施例中,在路面上,沿着车道的中心线X(虚拟的线)设有多个反射镜群11a。反射镜群11a中分别包含成本最低的只含一个反射镜(例如,“0”号反射镜)的车道中线反射镜,以及2个或多个反射特性的不同的反射镜,这些反射镜通过不同的排列能够生成的编码。
另外,关于反射镜群,在图1中放置在车道中线附近,与沿着车道边线标识11上设置反射镜群相比,是为了最大限度地避免可能被相邻车道上车辆覆盖的情况,在被覆盖的情况下,发射-反射都会被阻断。此外在对向道路102上也设有反射镜群,只是这些反射镜群在图中并未绘出。
另外,在本实施例中,在道路的路面上设有凹洞(未图示),反射镜群11a设置在凹洞中。
另外,车辆200具有发射-接收器201以及与该发射-接收器201连接的控制单元202。发射-接收器201发射出发射波,该发射波被置于车道中线附近的反射镜群11a反射,形成规定的反射波,发射-接收器201接收该反射波,并将表示该反射波的信息发送给控制单元202,控制单元202得到编码,根据该编码确定反射波所对应的道路标识来执行车辆200的自动驾驶,具体而言,就是使车辆200“骑着”所识别出的该道路标识行驶。这是在车道中心线X上设置反射镜群11a的方式。
另外,在本实施例中,在道路101旁(路边)设有发送装置13(包括发射器与存储装置),该发送装置13设置在距离交叉路口103规定距离(例如100m)处,用于发出表示交叉路口103处的表示道路101的通行规则的红绿灯状态的电子指令信息,车辆200(通过未图示的信息收发器)接收该电子指令信息,根据该电子指令信息执行车辆200的自动驾驶。以上是偏重硬件的实施方式。此外,为了节省大量的反射镜制作和安装成本问题,也可采用软件硬件混合方式,这就是发送装置13中存储有表示该发送装置13所设置的路段除车道线反射镜之外的绝大部分静态交通标识与动态交通标识的信息的数据总表,发送装置13将该数据总表以一定频率向行驶车辆200发送。车辆200根据自身情况从数据总表中选择适用于本车辆的信息,控制单元202根据该信息对车辆进行控制。这里所谓的“自身情况”例如包括自身车型、载重量、由高精度地图或由从车道线和路段标识等反射镜确定的车道和路段信息、距离交叉路口的距离或这些的任意组合。另外,数据总表中还可以包含发送装置13所设置的路段的路段编号。
<实施方式的总结>
由于现代公路的交通指挥系统设备是建立在人类驾驶车辆的基础之上,几乎所有标识和指挥信号都是文字、图形、形状和颜色等等由人类驾驶员依靠眼睛识别后执行。目前国内外绝大部分自动驾驶的研发者采用的都是人工智能的识别方法,但其识别正确率在当前和相对长期的将来都无法满足安全驾驶的要求。发明人认为这是一条不正确的技术路线,为此,本发明提出一条实际有效的技术路线的思路。
按照本发明的本实施方式,通过不同反射镜的不同反射波而形成编码信号,车辆根据该编码来识别交通标识,如此,与现有技术中的通过人工智能图像识别的方式相比,能够大大提高识别精度,可靠地进行自动驾驶。
按照本发明的偏重硬件的实施方式,提供了一种汽车自动驾驶方法,其中,在车道旁或路面上设有多个反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码进而确定该编码表示的内容,根据所确定的该内容对车辆进行控制。所述发射器与所述接收器可以是一个装置,也可以独立构成。
另外,在上述汽车自动驾驶方法中,可选的,在车辆的存储装置中预先存储表示编码与交通标识的对应关系的图表,所述控制单元根据预先存储的图表确定所述编码表示的内容。
在上述汽车自动驾驶方法中,可选地,所述控制单元根据预先存储的图表确定所述编码表示的静态交通标识。
在上述汽车自动驾驶方法中,可选地,所述发射波为超声波、电磁波、光波、激光或其他可供使用的物理学上的波。
在上述汽车自动驾驶方法中,可选地,所述反射镜群包含1个或多个反射镜,多个反射镜群中,反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的不同排列形成编码信号。
在上述汽车自动驾驶方法中,可选地,通过所述反射镜的质材、形状、表面光洁度或平凹等不同,使得反射镜形成的反射波的波形、峰值、宽度或波形积分等不同,从而得到不同的反射波。
另一方面,在上述软硬件混合方式汽车自动驾驶方法中,可选地,在路旁或者路面上设有发送装置(电子指令发射器与存储装置),所述发送装置中存储有表示该发送装置所设置的路段的除车道线、停车点以外的绝大部分静态交通标识与所有动态交通标识的信息的数据总表,所述发送装置将该数据总表以一定频率向行驶在所述路段的车辆发送。接收到所述数据总表的车辆根据自身情况从所述数据总表中选择适用于本车辆的信息,所述控制单元根据该信息对车辆进行控制。车辆根据自身车型、载重量、由高精度地图或由从车道线和路段标识等反射镜确定的车道和路段信息、距离交叉路口的距离或这些的任意组合从所述数据总表中选择适用于本车辆的信息。所述数据总表中包含所述发送装置所设置的路段的路段编号。
在道路方面,本申请还提供一种道路系统,其中,在车道旁或路面上设有多个反射镜群,所述反射镜群包含多个反射镜,多个反射镜对所述反射波的反射特性不同,从而能够通过反射形成编码信号。
在道路系统中,可选地,通过所述反射镜的质材、形状、表面光洁度或平凹不同使得,所述多个反射镜形成的反射波的波形、峰值、宽度或波形积分不同,从而得到不同的反射波。
在道路系统中,可选地,在路面上设有凹洞,所述反射镜群设置在所述凹洞中。
在道路系统中,软硬件混合方式,其特征在于,在路旁或者路面上设有发送装置,所述发送装置发出除车道线以外的表示静态、动态交通标识(的状态)的电子指令信息。
在道路系统中,可选地,所述发送装置设置在距离交叉路口规定距离处,以及在静态交通标识发生变化的处所。
<本申请的技术在汽车自动驾驶全栈解决方法中的地位>
典型的自动驾驶汽车的全栈解决方案分四个部分[3]。(1)通过道路网络规划路线。这一部分任务用现在普及的GPS就基本上可以完成。(2)行为层,其决定将汽车推向目的地并遵守道路规则的局部驾驶任务。(3)运动规划模块选择通过环境的连续路径以完成局部导航任务。(4)控制系统实时地校正执行规划运动中的错误。本专利的方法主要应用在(2)中直接向车辆提供路边交通标识静态及红绿灯等动态信息的电子指令,以使车辆在行驶中严格遵守道路规则,不负责对运动的车辆、行人及随机出现的障碍物的检测,故与(1)、(3)和(4)的任务无关。
<实用性与经济可行性分析>
现代化公路是历经近百年积累而建成的。如果按本专利提供的方法改造,在经济上是否可行?在此作者提供一组简单数据。中国全国公路共500万公里;美国全国公路共665万公里(2015);全球公路共6500万公里(2013)。以双车道(应该占大对数)来估计:每车道中线每隔一定距离(例如5米)安装1个车道标识反射镜,1公里双车道公路要安装400个。按上述每个反射镜200元计算,共需8万人民币。加上比车道标识反射镜少得多的其他静态、动态信息装置和工程费用,每公里100万人民币应该足够。中国500万公里公路共需5万亿人民币。以2019中国GDP为99万亿计算,大约是全国1年GDP的1/20。把这个算法用到美国公路总数和GDP总数,以上费用也大约是美国1年GDP的1/20。如果分10年完成这种公路改造工程,那费用就是1年GDP的1/200。对中国来说,就是每年5000亿人民币。而根据参考文献[2],中国从2016到2019每年在汽车自动驾驶产业上的投入分别是6014、9938、8528和5940亿。从收益上来说,如果本专利方法10年之后实现,得到的是绝大多数家庭的车库、几乎全部商店、街道和公共场所的停车场被解放;每年国家GDP增长0.5%;全球交通事故死亡率减低几十倍;最重要的是人类终于进入了汽车自动驾驶的时代!
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
【参考文献】
[1]自动驾驶的2019:创企关停/巨头受挫除了满屏尴尬还有啥?
https://zhidao.baidu.com/question/925163743268075699.html?fr=iks&word=%B1%B1%BE%A9%CA%D0%C6%FB%B3%B5%D7%D4%B6%AF%BC%DD%CA%BB%D1%D0%B7%A2%C7%E9%BF%F6&ie=gbk
[2]2020-2023中国高等级自动驾驶产业发展趋势研究
2020年04月06日新浪财经-自媒体综合
https://finance.sina.com.cn/stock/stockzmt/2020-04-06/doc-iimxyqwa5382413.shtml
[3]自动驾驶发展与关键技术综述
https://new.qq.com/omn/20190604/20190604A0JJYB.html
[4]城市道路自动驾驶车辆运动规划和控制技术综述
https://blog.csdn.net/hgdwdtt/article/details/82052577
Claims (16)
1.一种汽车自动驾驶方法,其特征在于,在车道旁或路面上设有多个反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码指令进而确定该编码指令表示的指令内容,根据所确定的该指令内容对车辆进行控制。
2.根据权利要求1所述的汽车自动驾驶方法,其特征在于,所述控制单元根据预先存储的图表确定所述编码指令表示的内容。
3.根据权利要求2所述的汽车自动驾驶方法,其特征在于,所述控制单元根据预先存储的图表确定所述编码指令表示的静态、动态交通标识。
4.根据权利要求1-3中任一项所述的汽车自动驾驶方法,其特征在于,所述发射波为超声波、电磁波、光波或激光等物理波。
5.根据权利要求1所述的汽车自动驾驶方法,其特征在于,所述反射镜群包含1个或多个反射镜,多个反射镜群中的反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的不同排列形成编码指令信号。
6.根据权利要求5所述的汽车自动驾驶方法,其特征在于,通过所述反射镜的质材、形状、表面光洁度或平凹等不同,使得反射镜形成的反射波的波形、峰值、宽度或波形积分不同,从而得到不同的反射波。
7.根据权利要求1所述的汽车自动驾驶方法,其特征在于,在路旁或者路面上设有发送装置,所述发送装置中存储有表示该发送装置所设置的路段的静态交通标识与动态交通标识的信息的数据总表,所述发送装置将该数据总表以一定频率向行驶在所述路段的车辆发送。
8.根据权利要求7所述的汽车自动驾驶方法,其特征在于,接收到所述数据总表的车辆根据自身情况从所述数据总表中选择适用于本车辆的信息,所述控制单元根据该信息对车辆进行控制。
9.根据权利要求8所述的汽车自动驾驶方法,其特征在于,车辆根据自身车型、载重量、由高精度地图或由从车道线标识、路段标识反射镜确定的车道和路段信息、距离交叉路口的距离或这些的任意组合从所述数据总表中选择适用于本车辆的信息。
10.根据权利要求7所述的汽车自动驾驶方法,其特征在于,所述数据总表中包含所述发送装置所设置的路段的路段编号。
11.一种道路系统,其特征在于,在车道旁或路面上设有多个反射镜群,所述反射镜群包含1个或多个反射镜,多个反射镜群中的反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的排列不同形成编码信号。
12.根据权利要求11所述的道路系统,其特征在于,在路面上设有凹洞,所述反射镜群设置在所述凹洞中。
13.根据权利要求11所述的道路系统,其特征在于,在路旁或者路面上设有发送装置,所述发送装置中存储有表示该发送装置所设置的路段的静态交通标识与动态交通标识的信息的数据总表,所述发送装置将该数据总表以一定频率向行驶在所述路段的车辆发送。
14.根据权利要求13所述的道路系统,其特征在于,所述发送装置设置在静态交通标识发生变化或距离交叉路口规定距离处。
15.根据权利要求11所述的道路系统,其特征在于,在建筑物的入口附近设有表示停止标识的反射镜。
16.根据权利要求11所述的道路系统,其特征在于,在道路上设有指示出租车停驻位置的反射镜。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010885567.7A CN112071103A (zh) | 2020-08-28 | 2020-08-28 | 汽车自动驾驶方法与道路系统 |
CN202011380468.XA CN112562373A (zh) | 2020-08-28 | 2020-11-30 | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 |
PCT/CN2021/099777 WO2022041942A1 (zh) | 2020-08-28 | 2021-06-11 | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010885567.7A CN112071103A (zh) | 2020-08-28 | 2020-08-28 | 汽车自动驾驶方法与道路系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112071103A true CN112071103A (zh) | 2020-12-11 |
Family
ID=73659653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010885567.7A Pending CN112071103A (zh) | 2020-08-28 | 2020-08-28 | 汽车自动驾驶方法与道路系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112071103A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022041942A1 (zh) * | 2020-08-28 | 2022-03-03 | 郭荣江 | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 |
CN115468578A (zh) * | 2022-11-03 | 2022-12-13 | 广汽埃安新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
-
2020
- 2020-08-28 CN CN202010885567.7A patent/CN112071103A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022041942A1 (zh) * | 2020-08-28 | 2022-03-03 | 郭荣江 | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 |
CN115468578A (zh) * | 2022-11-03 | 2022-12-13 | 广汽埃安新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11966808B2 (en) | Method for charging an electric vehicle | |
JP6550117B2 (ja) | 複数の情報源を用いる建設区域検出 | |
US11550331B1 (en) | Detecting street parked vehicles | |
US11532167B2 (en) | State machine for obstacle avoidance | |
US20210078562A1 (en) | Planning for unknown objects by an autonomous vehicle | |
WO2022041942A1 (zh) | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 | |
US11427191B2 (en) | Obstacle avoidance action | |
RU2659670C1 (ru) | Устройство и способ управления движением для транспортного средства | |
EP3855121A2 (en) | Kinematic model for autonomous truck routing | |
CN111696373B (zh) | 车队协同感知方法、车队协同控制方法和系统 | |
US20180259968A1 (en) | Planning for unknown objects by an autonomous vehicle | |
US20180259967A1 (en) | Planning for unknown objects by an autonomous vehicle | |
JPWO2017057528A1 (ja) | 非ロボットカー、ロボットカー、道路交通システム、車両共用システム、ロボットカー教習システム及びロボットカー教習方法 | |
GB2592461A (en) | Traffic light detection system for vehicle | |
CN111383456B (zh) | 一种用于智能道路基础设施系统的本地化人工智能系统 | |
JP2024518931A (ja) | 車両の運転行動を検出すること | |
CN112071103A (zh) | 汽车自动驾驶方法与道路系统 | |
WO2021086781A1 (en) | Obstacle avoidance action | |
US20230054145A1 (en) | Methods and systems for monitoring vehicle motion with driver safety alerts | |
WO2023076633A2 (en) | System and method for an autonomous vehicle | |
US11480962B1 (en) | Dynamic lane expansion | |
CN113496596A (zh) | 基础设施系统 | |
CN110869703A (zh) | 导航方法和导航设备 | |
RU2712487C1 (ru) | Способ управления движением беспилотных автономных транспортных средств (БАТС) и колонн БАТС интеллектуальной транспортной инфраструктурой (ИТИ) автомобильной дороги | |
WO2019232913A1 (zh) | 交通工具的控制方法、装置及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201211 |