CN112540365B - 一种评估方法、装置、设备及存储介质 - Google Patents
一种评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112540365B CN112540365B CN202011457997.5A CN202011457997A CN112540365B CN 112540365 B CN112540365 B CN 112540365B CN 202011457997 A CN202011457997 A CN 202011457997A CN 112540365 B CN112540365 B CN 112540365B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- different
- vehicle
- speed
- obstacle
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Abstract
本发明公开了一种评估方法、装置、设备及存储介质。该方法包括：获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；判断不同障碍物对应的驾驶策略是否相同；若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，通过本发明的技术方案，以实现能够得出一个多维度的评估结果，对于判断与规划决策系统是否耦合，感知系统是否有真实提升提供一个有力的参考。
Description
技术领域
本发明实施例涉及车辆技术，尤其涉及一种评估方法、装置、设备及存储介质。
背景技术
随着经济的发展，车辆的增多，车祸也日益增多。因此自动驾驶逐渐的来到了一个比较重要的位置。而激光雷达在自动驾驶中又具有相当重要的位置。激光雷达感知系统作为自动驾驶系统中的重要一环，因此如何对激光雷达感知系统进行评估，成为了一个重要的问题。
激光雷达感知系统的评估是一个多维度，高复杂度问题。激光雷达感知系统作为规划决策的输入，它的性能将直接决定了最终的驾驶体验。而感知系统的输出需要经过规划决策系统的加工才会输出给客户，这个特征决定了要以提升用户的驾驶体验为准，不能单纯的以一两个简单的数值特征来表示。激光雷达感知系统的评估是一个非线性，多维度的问题。
现有的评估指标相对粗糙单一，并不具有系统性。通过准确率或者找回率来简单的评估感知系统是无法反应激光雷达感知系统的综合感知能力的。
发明内容
本发明实施例提供一种评估方法、装置、设备及存储介质，以实现能够得出一个多维度的评估结果，对于判断与规划决策系统是否耦合，感知系统是否有真实提升提供一个有力的参考。
第一方面，本发明实施例提供了一种评估方法，包括：
获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；
判断不同障碍物对应的驾驶策略是否相同；
若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估。
进一步的，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若行人和障碍物车辆对应的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆和对向障碍物车辆的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆或者对向障碍物车辆静止、低速、中速和高速对应的驾驶策略不同，则针对8个方向出现的障碍物分别进行感知范围评估。
进一步的，进行感知范围评估之后，还包括：
获取感知范围评估结果，其中，所述感知范围评估结果包括：初始检测和稳定检测，所述初始检测包括：若障碍物首次出现检测框，所述稳定检测包括：障碍物出现检测框，且连续预设帧数检测框不消失。
进一步的，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向距离精度和纵向距离精度的偏重程度不同，则对本车的横向距离精度和纵向距离精度分别进行距离评估；
若障碍物车辆与本车的距离不同对应的驾驶策略不同，则分别进行距离评估。
进一步的，还包括：
将最近角点和中心点的距离误差作为评估指标。
进一步的，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向速度精度和纵向速度精度的偏重程度不同，则对本车的横向距离精度和纵向距离精度分别进行速度评估；
若绝对速度和相对速度对应的驾驶策略不同，则分别进行速度评估；
若静止目标和动态目标对应的驾驶策略不同，则分别进行速度评估。
进一步的，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向尺寸精度和纵向尺寸精度的偏重程度不同，则对本车的横向尺寸精度和纵向尺寸精度分别进行尺寸评估；
若行人和障碍物车辆对应的驾驶策略不同，则分别进行尺寸评估；
若障碍物车辆与本车的距离不同对应的驾驶策略不同，则分别进行尺寸评估；
若尺寸偏差方差和尺寸偏差极值对应的驾驶策略不同，则分别进行尺寸评估；
若绕行场景、跟车场景和穿行车流场景对应的驾驶策略不同，则分别进行尺寸评估；
若障碍物遮挡程度不同对应的驾驶策略不同，则分别进行尺寸评估。
第二方面，本发明实施例还提供了一种评估装置，该装置包括：
获取模块，用于获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；
判断模块，用于判断不同障碍物对应的驾驶策略是否相同；
评估模块，用于若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的评估方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的评估方法。
本发明实施例通过获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；判断不同障碍物对应的驾驶策略是否相同；若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，以实现能够得出一个多维度的评估结果，对于判断与规划决策系统是否耦合，感知系统是否有真实提升提供一个有力的参考。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种评估方法的流程图；
图1a是本发明实施例一中的感知范围评估流程图；
图1b是本发明实施例一中的评估障碍物检测框的距离指标的评估方法流程图；
图1c是本发明实施例一中的速度评估方法的流程图；
图1d是本发明实施例一中的尺寸评估的具体流程图；
图1e是本发明实施例一中的其他的评估指标图示；
图2是本发明实施例二中的一种评估装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种评估方法的流程图，本实施例可适用于对激光雷达进行评估的情况，该方法可以由本发明实施例中的评估装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
S110，获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估。
示例性的，依次进行感知范围评估、距离评估、速度评估和尺寸评估。感知范围评估的流程可以为：对行人和障碍物车辆进行分别评估，同向车辆和对象车辆在点云形态具有较大差别，且在均匀采样的训练样本中，同向车辆和对象车辆的比例不平衡，因此需要分别评估。再者，不同的速度条件，点云的运动失真，跟踪模块的跟踪延迟时间都会有所不同，因此需要在不同速度档位下评估。本文定义，低速：5km/h-10km/h；中速：20km/h-40km/h；高速：60km/h。这三个档位的速度分别指向了三个比较有代表性的场景，停车起步(停车减速)，正常行驶，高速行驶。最后对不同的八个方向出现的障碍物进行评估。距离评估的流程可以为：首先横向精度和纵向精度在不同的驾驶场景中具有不同的偏重程度。超车，路口，无保护转弯的情况下，横向精度相比于纵向精度重要。会车，跟车，穿越车流这些场景中，纵向精度则相对重要，因此需要分别评估。对距离评估，本文根据障碍物车辆距离本车的距离将其分为三档，短距：0-10m；中距10m-40m；长距：40-100m。这三个距离下驾驶策略是不同的，因此需要分别评估。短距离下的障碍物驾驶策略相对保守，需要完全避让。中距离需要预测结果的参与，驾驶策略相对开放，远距离障碍物以预警，跟踪为主，检测精度相对要求较低。因此分别评估才能较好的指定相应的驾驶策略。速度评估的流程可以为：绝对速度受较多因素影响，定位，设备状态，自车速度等因素。而相对速度相对稳定，感知系统状态强相关。且自动驾驶系统中相对速度对驾驶策略影响较大。因此设置绝对速度和相对速度的分别评估。静止目标和动态目标在驾驶策略上完全不同，因此需要分别评估。尺寸评估的流程可以为：目标检测框的尺寸作为后续指标(速度加速度，朝向，分类等)的数据，因此指标的评估相对重要也较为繁琐。横向，纵向分类原因同上。行人车辆分类原因同上。距离分类原因同上。尺寸偏差方差描述了尺寸检测的稳定性，尺寸偏差的极值则决定了自动驾驶系统车辆行驶中能否有效的保持安全距离。角点，中心点原因同上。在这个评估指标里，比较明确的规定了几个特殊场景，这几个场景对于障碍物的尺寸较为敏感，且对于障碍物检测框的膨胀收缩会对以下场景带来较大的影响，因此单独评估。绕行场景下需要障碍物具有较高的横向尺寸精度和稳定性，才能保证绕行进行车辆运行平稳且安全距离保持稳定。跟车过程中需要稳定的纵向尺寸精度，保持一个有效的安全距离和稳定的驾驶速度。穿行车流则需要较好的横纵向精度，保证车车流中的规划路线能稳定保持且安全通行。另外一个比较常见的问题在于障碍物遮挡。
S120，判断不同障碍物对应的驾驶策略是否相同。
示例性的，判断驾驶策略是否相同的方式可以通过查表得到，也可以通过其他方式得到，本发明实施例对此不进行限制。
S130，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估。
可选的，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若行人和障碍物车辆对应的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆和对向障碍物车辆的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆或者对向障碍物车辆静止、低速、中速和高速对应的驾驶策略不同，则针对8个方向出现的障碍物分别进行感知范围评估。
可选的，进行感知范围评估之后，还包括：
获取感知范围评估结果，其中，所述感知范围评估结果包括：初始检测和稳定检测，所述初始检测包括：若障碍物首次出现检测框，所述稳定检测包括：障碍物出现检测框，且连续预设帧数检测框不消失。
可选的，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向距离精度和纵向距离精度的偏重程度不同，则对本车的横向距离精度和纵向距离精度分别进行距离评估；
若障碍物车辆与本车的距离不同对应的驾驶策略不同，则分别进行距离评估。
可选的，还包括：
将最近角点和中心点的距离误差作为评估指标。
可选的，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向速度精度和纵向速度精度的偏重程度不同，则对本车的横向距离精度和纵向距离精度分别进行速度评估；
若绝对速度和相对速度对应的驾驶策略不同，则分别进行速度评估；
若静止目标和动态目标对应的驾驶策略不同，则分别进行速度评估。
可选的，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向尺寸精度和纵向尺寸精度的偏重程度不同，则对本车的横向尺寸精度和纵向尺寸精度分别进行尺寸评估；
若行人和障碍物车辆对应的驾驶策略不同，则分别进行尺寸评估；
若障碍物车辆与本车的距离不同对应的驾驶策略不同，则分别进行尺寸评估；
若尺寸偏差方差和尺寸偏差极值对应的驾驶策略不同，则分别进行尺寸评估；
若绕行场景、跟车场景和穿行车流场景对应的驾驶策略不同，则分别进行尺寸评估；
若障碍物遮挡程度不同对应的驾驶策略不同，则分别进行尺寸评估。
本发明实施例针对激光雷达感知系统评估困难的问题，设计一整套的测试实验，数据实验的方案，通过此方法可以得出一个多维度的评估结果，对于判断与规划决策系统是否耦合，感知系统是否有真实提升提供一个有力的参考。
现有的评估指标相对粗糙单一，并不具有系统性。通过准确率或者找回率来简单的评估感知系统是无法反应激光雷达感知系统的综合感知能力的。相比于传统的激光雷达感知系统的评估，本发明实施例定义了标准测试流程，定义了多个维度的评估指标，对于准确的衡量激光雷达感知系统的感知能力具有较大的帮助。
现有技术采用的方法通过评价模型的准确率或者召回率作为激光雷达感知系统好坏的指标。还有其他的指标比如速度准确率，感知范围，速度准确度等指标来反应激光雷达感知系统的好坏。本发明实施例根据与规划决策系统的长期联调经验发现，要衡量一个感知系统的好坏不止要看这些数值指标，而且需要看特定场景下的特定表现，现有的统计方法掩盖了激光雷达感知系统在不同环境下的不同表现，是一种比较粗糙的评估方法。本发明实施例不仅将以往的比较常规的评估指标进行融合，细化，还增加了一些特定场景的特定指标，对于实际的自动驾驶场景具有非常重要的评估价值。
在一个具体的例子中，对于不同方向的车辆激光雷达点云具有不同的形态特征，由于不同的点云形态特征带来的信息差别，将导致各项指标在不同的方向上具有差异性。
如图1a所示，图1a为感知范围评估流程图，行人和车辆的点云数量具有较大差别，且对于行人和障碍物车辆具有不同的驾驶策略，因此应该分别评测。如上所述，同向障碍物车辆和对象障碍物车辆在点云形态具有较大差别，且在均匀采样的训练样本中，同向障碍物车辆和对象障碍物车辆的比例不平衡，因此需要分别评估。再者，不同的速度条件，点云的运动失真，跟踪模块的跟踪延迟时间都会有所不同，因此需要在不同速度档位下评估。本发明实施例定义，低速：5km/h-10km/h；中速：20km/h-40km/h；高速:60km/h。这三个档位的速度分别指向了三个比较有代表性的场景，停车起步(停车减速)，正常行驶，高速行驶。最后对不同的八个方向出现的障碍物进行评估。以上为感知范围评估的具体流程。
感知范围检测实验，分别进行实验测试，每组实验进行三次，实验车辆为黑色SUV，实验行人穿着黑色衣物，最终的感知范围评估结果分为稳定检测和初始检测两项。稳定检测：目标出现检测框，且连续10帧不消失。初始检测，障碍物首次出现检测框。三次实验，取平均值。
如图1b所示，图1b为评估障碍物检测框的距离指标的评估流程图。首先横向精度和纵向精度在不同的驾驶场景中具有不同的偏重程度。超车，路口，无保护转弯的情况下，横向精度相比于纵向精度重要。会车，跟车，穿越车流这些场景中，纵向精度则相对重要，因此需要分别评估。对距离评估，本发明实施例根据障碍物车辆距离本车的距离将其分为三档，短距：0-10m；中距10m-40m；长距：40-100m。这三个距离下驾驶策略是不同的，因此需要分别评估。短距离下的障碍物驾驶策略相对保守，需要完全避让。中距离需要预测结果的参与，驾驶策略相对开放，远距离障碍物以预警，跟踪为主，检测精度相对要求较低。因此分别评估才能较好的指定相应的驾驶策略。本发明实施例对于距离评估分别以最近角点和中心点的距离误差作为评估指标。准确的障碍物中心点能为预测提供一个较好的数据来源，而准确的角点判断则直接与安全性相关。因此需要对角点距离进行评估才能保证安全距离。速度分档如上所述。方向分组如上所述。
本评估实验按照图1b流程进行，实验障碍车辆为黑色SUV，行人着黑色服装，进行三次重复实验，取检测距离误差平均值和方差作为评估指标。其中检测距离的误差的方差体现了距离检测的稳定性。
如图1c所示，速度评估同样分为横向纵向，如上所述对应不同的场景需求。绝对速度受较多因素影响，定位，设备状态，自车速度等因素。而相对速度相对稳定，感知系统状态强相关。且自动驾驶系统中相对速度对驾驶策略影响较大。因此设置绝对速度和相对速度的分别评估。静止目标和动态目标在驾驶策略上完全不同，因此需要分别评估。在本发明实施例中设置超短距：0-5m。在此范围内，障碍物的速度异常将会造成自动驾驶系统的强烈的反应，因此此段单独评估，且要求精度较高。此段内的速度精度不足将会导致驾驶体验急剧下降。速度和加速度评估包括速度值评估和方向评估。最后评估5个方向，这五个方向与之前不同，这是与本车发生驾驶干涉的五种典型场景，跟车，超车，并行，会车，路口穿越。这五种方向的驾驶策略不同，因此需要分别评估。
本发明实施例评估通过数据实验完成，在测试数据集中根据以上规则随机的筛选各100个障碍物目标，统计其速度，加速度的数值误差和方向误差。取平均值作为最后的评估指标。且统计样本的误差数值误差和方向误差的方差，作为稳定性指标。
如图1d所示，图1d为尺寸评估的具体流程图，目标检测框的尺寸作为后续指标(速度加速度，朝向，分类等)的数据，因此指标的评估相对重要也较为繁琐。横向，纵向分类原因同上。行人车辆分类原因同上。距离分类原因同上。尺寸偏差方差描述了尺寸检测的稳定性，尺寸偏差的极值则决定了自动驾驶系统车辆行驶中能否有效的保持安全距离。角点，中心点原因同上。在这个评估指标里，比较明确的规定了几个特殊场景，这几个场景对于障碍物的尺寸较为敏感，且对于障碍物检测框的膨胀收缩会对以下场景带来较大的影响，因此单独评估。绕行场景下需要障碍物具有较高的横向尺寸精度和稳定性，才能保证绕行进行车辆运行平稳且安全距离保持稳定。跟车过程中需要稳定的纵向尺寸精度，保持一个有效的安全距离和稳定的驾驶速度。穿行车流则需要较好的横纵向精度，保证车车流中的规划路线能稳定保持且安全通行。另外一个比较常见的问题在于障碍物遮挡，本文中将车辆被遮挡面积占比分成以下几组。其中大量遮挡为漏出面积不足1/3但是整体点云数量超过15个点的障碍物。该分类能有效的区分不同优先级的目标，分别进行评估，对于能实现对于不同优先级目标实施不同的驾驶策略。无遮挡障碍物为一度目标，直接与自车行驶轨迹发生干涉。1/2以下遮挡的目标为二度目标，部分遮挡，与接下来的驾驶行为在预测路线上发生干涉。其余目标为非直接干涉目标。分组评估，将更好的描述感知系统的尺寸评估性能。最后5个方向下分别表征不同的驾驶场景，而且不同的方向的障碍物上所表现点云形态不同，所表现的点云的空间分布不同，对于尺寸的预测是有较大的影响的，因此需要分组评估，用于表征不同场景下的障碍物检测准确性。
本发明实施例评估通过数据实验完成，在测试数据集中根据以上规则随机的筛选各100个障碍物目标，统计其尺寸的数值误差。取平均值作为最后的评估指标。且统计样本的误差数值误差，作为稳定性指标。
如图1e所示，图1e为其他的评估指标图示。障碍物类别评估，首先是区分能力，能在车辆，行人，交通制止要素这三大类上做多少类的类别区分是一个基本的指标参数。其次分类准确率是评估感知系统的分类能力的基本指标。最后分类稳定性是对障碍物进行连续的跟踪，以该障碍物跟踪全程是否有类别变化为评估指标。
本发明实施例提供的评估方法也适用于评估其他系统，比如图像感知系统，自动驾驶预测系统等，本发明实施例对此不进行限制。
障碍物朝向指定了障碍物的可能移动意图，是预测中的关键指标。其中，由于静止障碍物没有速度方向信息，因此需要独立的进行评估。对于静止障碍物，障碍物朝向信息尤为重要。其中评估朝向指标，以准确性和稳定性两个指标来描述。
整体性能指标中需要对特定几个场景进行分别评估，因为以下几个场景的障碍物分布，障碍物属性以及驾驶要求具有较大的差别，因此需要分别品谷。其中评估指标有准确率，召回率这些比较普遍的评估指标。其中对于特殊的场景进行了单独的评估，遮挡严重，无保护左右转，高速物体，多行人场景都是较难检测的场景，对于该场景进行单独测试可以探知感知系统的能力边界，对于以上提及的危险场景设置相应的驾驶策略。
系统属性，表征的是程序的整体运行能力。体现了实时性，稳定性，最小系统需求。
这些指标评估使用数据实验的形式，在不同场景下分别随机采集3段采集连续的60分钟的测试数据。以5分钟为一阶段进行截取，取平均值作为评估的最终结果。稳定性衡量则以每5分钟的检测结果的方差衡量。
系统测试则播放高峰时段下采集的城市道路下的点云数据，连续播放1个小时。以平均输出帧率，输出帧率方差，平均延迟，延迟极值，延迟方差，系统资源占用均值，系统资源占用峰值，系统占用资源方差作为系统性能的评估指标。
本实施例的技术方案，获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；判断不同障碍物对应的驾驶策略是否相同；若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，以实现能够得出一个多维度的评估结果，对于判断与规划决策系统是否耦合，感知系统是否有真实提升提供一个有力的参考。
实施例二
图2为本发明实施例二提供的一种评估装置的结构示意图。本实施例可适用于评估的情况，该装置可采用软件和/或硬件的方式实现，该评估装置可集成在任何提供评估功能的设备中，如图2所示，所述评估装置具体包括：获取模块210、判断模块220和评估模块230。
其中，获取模块210，用于获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；
判断模块220，用于判断不同障碍物对应的驾驶策略是否相同；
评估模块230，用于若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
可选的，所述评估模块具体用于：
若行人和障碍物车辆对应的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆和对向障碍物车辆的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆或者对向障碍物车辆静止、低速、中速和高速对应的驾驶策略不同，则针对8个方向出现的障碍物分别进行感知范围评估。
可选的，所述评估模块具体用于：
获取感知范围评估结果，其中，所述感知范围评估结果包括：初始检测和稳定检测，所述初始检测包括：若障碍物首次出现检测框，所述稳定检测包括：障碍物出现检测框，且连续预设帧数检测框不消失。
可选的，所述评估模块具体用于：
若在不同驾驶场景中，本车的横向距离精度和纵向距离精度的偏重程度不同，则对本车的横向距离精度和纵向距离精度分别进行距离评估；
若障碍物车辆与本车的距离不同对应的驾驶策略不同，则分别进行距离评估。
可选的，所述评估模块具体用于：
将最近角点和中心点的距离误差作为评估指标。
可选的，所述评估模块具体用于：
若在不同驾驶场景中，本车的横向速度精度和纵向速度精度的偏重程度不同，则对本车的横向距离精度和纵向距离精度分别进行速度评估；
若绝对速度和相对速度对应的驾驶策略不同，则分别进行速度评估；
若静止目标和动态目标对应的驾驶策略不同，则分别进行速度评估。
可选的，所述评估模块具体用于：
若在不同驾驶场景中，本车的横向尺寸精度和纵向尺寸精度的偏重程度不同，则对本车的横向尺寸精度和纵向尺寸精度分别进行尺寸评估；
若行人和障碍物车辆对应的驾驶策略不同，则分别进行尺寸评估；
若障碍物车辆与本车的距离不同对应的驾驶策略不同，则分别进行尺寸评估；
若尺寸偏差方差和尺寸偏差极值对应的驾驶策略不同，则分别进行尺寸评估；
若绕行场景、跟车场景和穿行车流场景对应的驾驶策略不同，则分别进行尺寸评估；
若障碍物遮挡程度不同对应的驾驶策略不同，则分别进行尺寸评估。
本发明实施例提供的评估方法也适用于评估其他系统，比如图像感知系统，自动驾驶预测系统等，本发明实施例对此不进行限制。
障碍物朝向指定了障碍物的可能移动意图，是预测中的关键指标。其中，由于静止障碍物没有速度方向信息，因此需要独立的进行评估。对于静止障碍物，障碍物朝向信息尤为重要。其中评估朝向指标，以准确性和稳定性两个指标来描述。
整体性能指标中需要对特定几个场景进行分别评估，因为以下几个场景的障碍物分布，障碍物属性以及驾驶要求具有较大的差别，因此需要分别品谷。其中评估指标有准确率，召回率这些比较普遍的评估指标。其中对于特殊的场景进行了单独的评估，遮挡严重，无保护左右转，高速物体，多行人场景都是较难检测的场景，对于该场景进行单独测试可以探知感知系统的能力边界，对于以上提及的危险场景设置相应的驾驶策略。
系统属性，表征的是程序的整体运行能力。体现了实时性，稳定性，最小系统需求。
这些指标评估使用数据实验的形式，在不同场景下分别随机采集3段采集连续的60分钟的测试数据。以5分钟为一阶段进行截取，取平均值作为评估的最终结果。稳定性衡量则以每5分钟的检测结果的方差衡量。
系统测试则播放高峰时段下采集的城市道路下的点云数据，连续播放1个小时。以平均输出帧率，输出帧率方差，平均延迟，延迟极值，延迟方差，系统资源占用均值，系统资源占用峰值，系统占用资源方差作为系统性能的评估指标。
本实施例的技术方案，通过获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；判断不同障碍物对应的驾驶策略是否相同；若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，以实现能够得出一个多维度的评估结果，对于判断与规划决策系统是否耦合，感知系统是否有真实提升提供一个有力的参考。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的评估方法：
获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；
判断不同障碍物对应的驾驶策略是否相同；
若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估。
实施例四
本发明实施例四提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的评估方法：
获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；
判断不同障碍物对应的驾驶策略是否相同；
若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，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。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种评估方法，其特征在于，包括：
获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；
判断不同障碍物对应的驾驶策略是否相同；
若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估；
若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若行人和障碍物车辆对应的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆和对向障碍物车辆的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆或者对向障碍物车辆静止、低速、中速和高速对应的驾驶策略不同，则针对8个方向出现的障碍物分别进行感知范围评估。
2.根据权利要求1所述的方法，其特征在于，进行感知范围评估之后，还包括：
获取感知范围评估结果，其中，所述感知范围评估结果包括：初始检测和稳定检测，所述初始检测包括：若障碍物首次出现检测框，所述稳定检测包括：障碍物出现检测框，且连续预设帧数检测框不消失。
3.根据权利要求1所述的方法，其特征在于，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向距离精度和纵向距离精度的偏重程度不同，则对本车的横向距离精度和纵向距离精度分别进行距离评估；
若障碍物车辆与本车的距离不同对应的驾驶策略不同，则分别进行距离评估。
4.根据权利要求3所述的方法，其特征在于，还包括：
将最近角点和中心点的距离误差作为评估指标。
5.根据权利要求1所述的方法，其特征在于，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向速度精度和纵向速度精度的偏重程度不同，则对本车的横向距离精度和纵向距离精度分别进行速度评估；
若绝对速度和相对速度对应的驾驶策略不同，则分别进行速度评估；
若静止目标和动态目标对应的驾驶策略不同，则分别进行速度评估。
6.根据权利要求1所述的方法，其特征在于，若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估，包括：
若在不同驾驶场景中，本车的横向尺寸精度和纵向尺寸精度的偏重程度不同，则对本车的横向尺寸精度和纵向尺寸精度分别进行尺寸评估；
若行人和障碍物车辆对应的驾驶策略不同，则分别进行尺寸评估；
若障碍物车辆与本车的距离不同对应的驾驶策略不同，则分别进行尺寸评估；
若尺寸偏差方差和尺寸偏差极值对应的驾驶策略不同，则分别进行尺寸评估；
若绕行场景、跟车场景和穿行车流场景对应的驾驶策略不同，则分别进行尺寸评估；
若障碍物遮挡程度不同对应的驾驶策略不同，则分别进行尺寸评估。
7.一种评估装置，其特征在于，包括：
获取模块，用于获取评估列表，其中，所述评估列表包括：感知范围评估、距离评估、速度评估和尺寸评估；
判断模块，用于判断不同障碍物对应的驾驶策略是否相同；
评估模块，用于若不同障碍物对应的驾驶策略不同，则根据所述评估列表分别进行评估；
所述评估模块具体用于：
若行人和障碍物车辆对应的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆和对向障碍物车辆的驾驶策略不同，则分别进行感知范围评估；
若同向障碍物车辆或者对向障碍物车辆静止、低速、中速和高速对应的驾驶策略不同，则针对8个方向出现的障碍物分别进行感知范围评估。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011457997.5A CN112540365B (zh) | 2020-12-10 | 2020-12-10 | 一种评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011457997.5A CN112540365B (zh) | 2020-12-10 | 2020-12-10 | 一种评估方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112540365A CN112540365A (zh) | 2021-03-23 |
| CN112540365B true CN112540365B (zh) | 2022-07-12 |
Family
ID=75020071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011457997.5A Active CN112540365B (zh) | 2020-12-10 | 2020-12-10 | 一种评估方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112540365B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113212454B (zh) * | 2021-05-20 | 2023-05-12 | 中国第一汽车股份有限公司 | 车辆行驶状态的调整方法、装置、计算机设备和存储介质 |
| CN115079155A (zh) * | 2022-05-27 | 2022-09-20 | 中国第一汽车股份有限公司 | 目标检测方法、装置和车辆 |
| CN116968733B (zh) * | 2023-09-22 | 2024-02-27 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆安全风险评估方法及其装置、设备、介质 |
| CN117405131B (zh) * | 2023-12-14 | 2024-02-23 | 中汽智联技术有限公司 | 偏转算法误差评定方法、设备和存储介质 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102887147A (zh) * | 2011-07-22 | 2013-01-23 | 通用汽车环球科技运作有限责任公司 | 用于车辆的对象识别和主动安全控制 |
| CN108068815A (zh) * | 2016-11-14 | 2018-05-25 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的基于规划反馈的决策改进系统 |
| CN108073168A (zh) * | 2016-11-09 | 2018-05-25 | 百度（美国）有限责任公司 | 对自主驾驶车辆进行决策的评估体系 |
| CN108583578A (zh) * | 2018-04-26 | 2018-09-28 | 北京领骏科技有限公司 | 用于自动驾驶车辆的基于多目标决策矩阵的车道决策方法 |
| CN109489675A (zh) * | 2017-09-11 | 2019-03-19 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的基于成本的路径规划 |
| CN109491376A (zh) * | 2017-09-11 | 2019-03-19 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的基于动态规划和梯度下降的决策和规划 |
| CN109583384A (zh) * | 2018-11-30 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 用于无人驾驶车的避障方法和装置 |
| CN109598066A (zh) * | 2018-12-05 | 2019-04-09 | 百度在线网络技术（北京）有限公司 | 预测模块的效果评估方法、装置、设备和存储介质 |
| CN109677402A (zh) * | 2018-11-13 | 2019-04-26 | 顺丰科技有限公司 | 自动驾驶工具的安全防护系统及方法 |
| WO2019080874A1 (zh) * | 2017-10-24 | 2019-05-02 | 华为技术有限公司 | 一种车辆借道通行的方法和控制中心 |
| CN109878513A (zh) * | 2019-03-13 | 2019-06-14 | 百度在线网络技术（北京）有限公司 | 防御性驾驶策略生成方法、装置、设备及存储介质 |
| CN109934164A (zh) * | 2019-03-12 | 2019-06-25 | 杭州飞步科技有限公司 | 基于轨迹安全度的数据处理方法和装置 |
| CN110356394A (zh) * | 2019-07-31 | 2019-10-22 | 重庆长安汽车股份有限公司 | 一种车辆主动避让障碍物的方法、装置及汽车 |
| CN110362077A (zh) * | 2019-07-03 | 2019-10-22 | 上海交通大学 | 无人驾驶车辆紧急避险决策系统、方法及介质 |
| CN111123934A (zh) * | 2019-12-25 | 2020-05-08 | 深圳深岚视觉科技有限公司 | 轨迹评估方法、轨迹评估装置及移动机器人 |
| CN111204336A (zh) * | 2020-01-10 | 2020-05-29 | 清华大学 | 一种车辆行车风险的评估方法及设备 |
| CN111563046A (zh) * | 2020-05-15 | 2020-08-21 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
| CN111796286A (zh) * | 2020-06-24 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种制动等级的评估方法、装置、车辆和存储介质 |
| CN111873992A (zh) * | 2020-08-11 | 2020-11-03 | 北京理工大学重庆创新中心 | 自动驾驶车辆决策层路径规划的人工势场方法 |
| CN112015178A (zh) * | 2020-08-20 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5113098B2 (ja) * | 2009-01-23 | 2013-01-09 | 日立オートモティブシステムズ株式会社 | 車両横転防止制御装置および車両横転防止制御方法 |
| KR101480647B1 (ko) * | 2013-11-15 | 2015-01-09 | 현대자동차주식회사 | 협로 주행을 위한 조향 위험도 판단 시스템 및 그 판단 방법 |
| CN109572694B (zh) * | 2018-11-07 | 2020-04-28 | 同济大学 | 一种考虑不确定性的自动驾驶风险评估方法 |
| US10809736B2 (en) * | 2018-12-27 | 2020-10-20 | Baidu Usa Llc | ST-graph learning based decision for autonomous driving vehicle |
| CN109815555B (zh) * | 2018-12-29 | 2023-04-18 | 百度在线网络技术（北京）有限公司 | 自动驾驶车辆的环境建模能力评估方法及系统 |
-
2020
- 2020-12-10 CN CN202011457997.5A patent/CN112540365B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102887147A (zh) * | 2011-07-22 | 2013-01-23 | 通用汽车环球科技运作有限责任公司 | 用于车辆的对象识别和主动安全控制 |
| CN108073168A (zh) * | 2016-11-09 | 2018-05-25 | 百度（美国）有限责任公司 | 对自主驾驶车辆进行决策的评估体系 |
| CN108068815A (zh) * | 2016-11-14 | 2018-05-25 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的基于规划反馈的决策改进系统 |
| CN109489675A (zh) * | 2017-09-11 | 2019-03-19 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的基于成本的路径规划 |
| CN109491376A (zh) * | 2017-09-11 | 2019-03-19 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的基于动态规划和梯度下降的决策和规划 |
| WO2019080874A1 (zh) * | 2017-10-24 | 2019-05-02 | 华为技术有限公司 | 一种车辆借道通行的方法和控制中心 |
| CN108583578A (zh) * | 2018-04-26 | 2018-09-28 | 北京领骏科技有限公司 | 用于自动驾驶车辆的基于多目标决策矩阵的车道决策方法 |
| CN109677402A (zh) * | 2018-11-13 | 2019-04-26 | 顺丰科技有限公司 | 自动驾驶工具的安全防护系统及方法 |
| CN109583384A (zh) * | 2018-11-30 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 用于无人驾驶车的避障方法和装置 |
| CN109598066A (zh) * | 2018-12-05 | 2019-04-09 | 百度在线网络技术（北京）有限公司 | 预测模块的效果评估方法、装置、设备和存储介质 |
| CN109934164A (zh) * | 2019-03-12 | 2019-06-25 | 杭州飞步科技有限公司 | 基于轨迹安全度的数据处理方法和装置 |
| CN109878513A (zh) * | 2019-03-13 | 2019-06-14 | 百度在线网络技术（北京）有限公司 | 防御性驾驶策略生成方法、装置、设备及存储介质 |
| CN110362077A (zh) * | 2019-07-03 | 2019-10-22 | 上海交通大学 | 无人驾驶车辆紧急避险决策系统、方法及介质 |
| CN110356394A (zh) * | 2019-07-31 | 2019-10-22 | 重庆长安汽车股份有限公司 | 一种车辆主动避让障碍物的方法、装置及汽车 |
| CN111123934A (zh) * | 2019-12-25 | 2020-05-08 | 深圳深岚视觉科技有限公司 | 轨迹评估方法、轨迹评估装置及移动机器人 |
| CN111204336A (zh) * | 2020-01-10 | 2020-05-29 | 清华大学 | 一种车辆行车风险的评估方法及设备 |
| CN111563046A (zh) * | 2020-05-15 | 2020-08-21 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
| CN111796286A (zh) * | 2020-06-24 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种制动等级的评估方法、装置、车辆和存储介质 |
| CN111873992A (zh) * | 2020-08-11 | 2020-11-03 | 北京理工大学重庆创新中心 | 自动驾驶车辆决策层路径规划的人工势场方法 |
| CN112015178A (zh) * | 2020-08-20 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Vision-based long-distance lane perception and front vehicle location for full autonomous vehicles on highway roads;LIU Xin等;《Journal of Central South University》;20120515(第05期);1454-1465 * |
| 基于双目视觉的AGV障碍物检测与避障;王铮 等;《计算机集成制造系统》;20180215;第42卷(第02期);400-409 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112540365A (zh) | 2021-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112540365B (zh) | 一种评估方法、装置、设备及存储介质 | |
| JP6714513B2 (ja) | 車両のナビゲーションモジュールに対象物の存在を知らせる車載装置 | |
| CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
| CN109213134B (zh) | 生成自动驾驶策略的方法和装置 | |
| CN110796007B (zh) | 场景识别的方法与计算设备 | |
| CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
| CN110632617B (zh) | 一种激光雷达点云数据处理的方法及装置 | |
| CN112562405A (zh) | 一种雷达视频智能融合与预警方法及系统 | |
| WO2022121672A1 (zh) | 一种定位精度评估方法及装置 | |
| CN112559371A (zh) | 一种自动驾驶测试方法、装置及电子设备 | |
| CN110411499B (zh) | 传感器检测识别能力的评估方法及评估系统 | |
| CN116543271A (zh) | 目标检测评价指标的确定方法、装置、电子设备及介质 | |
| CN114720148B (zh) | 车辆感知能力的确定方法、装置、设备及存储介质 | |
| Das et al. | Why slammed the brakes on? auto-annotating driving behaviors from adaptive causal modeling | |
| CN114895274A (zh) | 一种护栏识别方法 | |
| CN115575942A (zh) | 激光雷达数据和毫米波雷达数据的融合方法及融合系统 | |
| JP7468633B2 (ja) | 状態推定方法、状態推定装置、及びプログラム | |
| CN114771576A (zh) | 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆 | |
| CN113470343B (zh) | 阻断道路的开通检测方法、装置、设备及存储介质 | |
| CN113280822A (zh) | 一种车辆定位方法及定位装置 | |
| CN113650616B (zh) | 一种基于采集数据的车辆行为预测方法及系统 | |
| CN116401111B (zh) | 脑机接口的功能检测方法、装置、电子设备及存储介质 | |
| US20230024799A1 (en) | Method, system and computer program product for the automated locating of a vehicle | |
| Cafiso et al. | Experimental analysis of road characteristics' impact on the performance of lane support system. | |
| CN115810286A (zh) | 轨迹确定方法、装置、设备和介质 |
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 |