CN112572462A - 自动驾驶的控制方法、装置、电子设备及存储介质 - Google Patents

自动驾驶的控制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112572462A
CN112572462A CN201910944865.6A CN201910944865A CN112572462A CN 112572462 A CN112572462 A CN 112572462A CN 201910944865 A CN201910944865 A CN 201910944865A CN 112572462 A CN112572462 A CN 112572462A
Authority
CN
China
Prior art keywords
pedestrian
lane
automatic driving
vehicle
information
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.)
Granted
Application number
CN201910944865.6A
Other languages
English (en)
Other versions
CN112572462B (zh
Inventor
姚冬春
吕雷兵
薛晶晶
朱帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910944865.6A priority Critical patent/CN112572462B/zh
Priority to JP2020048113A priority patent/JP7271467B2/ja
Priority to EP20165534.7A priority patent/EP3798903A1/en
Priority to US16/911,516 priority patent/US11529971B2/en
Publication of CN112572462A publication Critical patent/CN112572462A/zh
Application granted granted Critical
Publication of CN112572462B publication Critical patent/CN112572462B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
    • 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
    • B60W30/08—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
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4044—Direction of movement, e.g. backwards
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/55—External transmission of data to or from the vehicle using telemetry
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • 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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/70—Relative heading

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请公开了自动驾驶的控制方法、装置、电子设备及存储介质，涉及自动驾驶技术领域。具体实现方案为：获取行人的运动数据；所述运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；根据所述运动数据和行人的运动信息，确定行人的运动方向；根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。从而可以对行人的运动方向进行准确地预测，便于自动驾驶车辆对行人进行避让，保证行驶安全。

Description

自动驾驶的控制方法、装置、电子设备及存储介质
技术领域
本申请涉及数据处理技术领域中的自动驾驶技术，尤其涉及一种自动驾驶的控制方法、装置、电子设备及存储介质。
背景技术
在自动驾驶车辆的行驶过程中，会为自动驾驶车辆规划行驶路径，使得自动驾驶车辆可以根据行驶路径进行行驶。但是在自动驾驶车辆的实际行驶过程中，经常会出现行人，而行人的运动会对自动驾驶车辆的行驶造成影响；因此，需要对行人的运动轨迹进行预测，使得自动驾驶车辆可对行人进行避让，以保证行人和自动驾驶车辆的安全。
现有技术中，在对行人的运动轨迹进行预测时候，常常采用行人的航向信息和速度信息，对行人的运动进行预测，得到行人的运动轨迹。
然而现有技术中，由于行人的航向会突然发生变化，即，行人的航向是瞬间变化的，进而会对行人的运动预测造成影响，导致无法对行人的运动进行准确的预测，使得自动驾驶车辆无法及时地调整行驶策略，造成安全事故。
发明内容
本申请提供一种自动驾驶的控制方法、装置、电子设备及存储介质，可以对行人的运动方向进行准确地预测，便于自动驾驶车辆对行人进行避让，保证行驶安全。
第一方面，本申请实施例提供一种自动驾驶的控制方法，包括：
获取行人的运动数据；所述运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；
根据所述运动数据和行人的运动信息，确定行人的运动方向；
根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。
本实施例中，通过获取行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间、行人的运动信息，确定行人的运动方向；根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。从而可以对行人的瞬时运动方向进行准确的预测，判断出行人是否从一侧切入自动驾驶车辆的形式轨迹，便于自动驾驶车辆选择较好的行驶策略，实现对行人的避让，保证驾驶安全。
在一种可能的设计中，所述获取行人的运动数据，包括：
获取行人所在车道的位置和行人的运动速度；
将行人的运动速度按照车道的延伸方向和车道的宽度方向进行切分，得到行人沿车道延伸方向的速度分量和行人沿车道宽度方向的速度分量；
根据所述行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
本实施例中，通对行人运动速度的切分得到了行人沿车道延伸方向的速度分量和行人沿车道宽度方向的速度分量；然后基于行人所在车道的位置，可以准确地计算出行人从一侧切入到自动驾驶车辆行驶路径的持续时间。根据该持续时间，可以判断出行人切入自动驾驶车辆行驶轨迹的可能性，从而使得自动驾驶车辆能够做出较好的避让策略，保证行驶安全。
在一种可能的设计中，所述获取行人所在车道的位置，包括：
拍摄自动驾驶车辆周围的环境图像；
从所述环境图像中提取出车道信息，所述车道信息包括：车道分布位置、车道宽度、车道方向；
根据所述车道信息，确定行人所在车道的位置。
本实施例中，可以通过自动驾驶车辆上安装的图像采集器(例如摄像头)采集自动驾驶车辆周围的环境图像，然后从环境图像中提取出车道分布位置、车道宽度、车道方向等等信息，结合行人在图像中出现的位置，确定行人所在车道的位置。从而可以实现对行人位置精确定位，便于对行人的运动信息进行采集。
在一种可能的设计中，根据所述行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间，包括：
获取预设时间段内，多个时刻对应的行人沿车道宽度方向的速度分量；
对所述多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量；
根据所述平滑处理后的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
本实施例中，对预设时间段内多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量，然后根据所述平滑处理后的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。从而可以消除行人在预设时间段内由于身体左右摆动等造成的干扰，使得采集到的信息更加准确。
在一种可能的设计中，所述行人的运动信息包括：行人在所述持续时间内的平均速度、行人与自动驾驶车辆之间的距离、行人的运动速度的标准差。
本实施例中，获取到了充分的行人的运动信息，从而可以作为决策依据，使得自动驾驶车辆生成的行驶策略更加符合实际路况，保证驾驶安全前提下，提升控制策略的有效性。
在一种可能的设计中，还包括：
根据所述行驶策略，控制自动驾驶车辆进行行驶。
本实施例中，行驶策略可以是减速策略，变道策略、加速策略等等。例如行人已经切入自动驾驶车辆的行驶路径，且其他车道上有车辆时，采取减速策略。当行人与车辆的距离较远，且行人尚未切入自动驾驶车辆的行驶路径时，采取加速策略。从而可以根据行人的运动方向，对行人做出避让，保证自动驾驶车辆和行人的安全。
在一种可能的设计中，根据所述运动数据和行人的运动信息，确定行人的运动方向，包括：
构建决策树模型；所述决策树模型包括：GBDT梯度提升决策树模型；
将所述运动数据和行人的运动信息输入所述决策树模型，由所述决策树模型输出行人的运动方向；其中，所述行人的运动方向包括：沿车道延伸方向、向左切入车道方向、向右切入车道方向。
本实施例中，通过构建的决策树模型对行人的运动方向进行分类，基于行人的运动数据和行人的运动信息，判断出行人最有可能的运动方向。由于决策树模型中引入了众多的因素，可以使得运动方向的判断结果更加准确。
在一种可能的设计中，根据所述行人的运动方向，生成自动驾驶车辆的行驶策略，包括：
根据所述行人的运动方向，生成自动驾驶车辆对行人的行驶策略，所述行驶策略包括：行驶速度调整、行驶方向调整。
本实施例中，当确定了行人的运动方向之后，可以对自动驾驶车辆的行驶速度和/或行驶方向进行调整，从而保证自动驾驶车辆和行人的安全。
在一种可能的设计中，还包括：
根据所述行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息，确定自动驾驶车辆的避让策略；其中，所述自动驾驶车辆的行驶信息包括：自动驾驶车辆的行驶速度、自动驾驶车辆所在车道的位置信息、自动驾驶车辆与行人的距离；
根据所述避让策略，控制自动驾驶车辆进行行驶。
本实施例中，可以综合行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息等等信息，确定自动驾驶车辆的避让策略。使得自动驾驶车辆在保证行人安全和驾驶安全的前提下，使用最佳的避让方式，提升驾驶体验。
第二方面，本申请实施例提供一种自动驾驶的控制装置，包括：
获取模块，用于获取行人的运动数据；所述运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；
确定模块，用于根据所述运动数据和行人的运动信息，确定行人的运动方向；
控制模块，用于根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。
本实施例中，通过获取行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间、行人的运动信息，确定行人的运动方向；根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。从而可以对行人的瞬时运动方向进行准确的预测，判断出行人是否从一侧切入自动驾驶车辆的形式轨迹，便于自动驾驶车辆选择较好的行驶策略，实现对行人的避让，保证驾驶安全。
在一种可能的设计中，所述获取模块，具体用于：
获取行人所在车道的位置和行人的运动速度；
将行人的运动速度按照车道的延伸方向和车道的宽度方向进行切分，得到行人沿车道延伸方向的速度分量和行人沿车道宽度方向的速度分量；
根据所述行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
本实施例中，通对行人运动速度的切分得到了行人沿车道延伸方向的速度分量和行人沿车道宽度方向的速度分量；然后基于行人所在车道的位置，可以准确地计算出行人从一侧切入到自动驾驶车辆行驶路径的持续时间。根据该持续时间，可以判断出行人切入自动驾驶车辆行驶轨迹的可能性，从而使得自动驾驶车辆能够做出较好的避让策略，保证行驶安全。
在一种可能的设计中，所述获取模块，还用于：
拍摄自动驾驶车辆周围的环境图像；
从所述环境图像中提取出车道信息，所述车道信息包括：车道分布位置、车道宽度、车道方向；
根据所述车道信息，确定行人所在车道的位置。
本实施例中，可以通过自动驾驶车辆上安装的图像采集器(例如摄像头)采集自动驾驶车辆周围的环境图像，然后从环境图像中提取出车道分布位置、车道宽度、车道方向等等信息，结合行人在图像中出现的位置，确定行人所在车道的位置。从而可以实现对行人位置精确定位，便于对行人的运动信息进行采集。
在一种可能的设计中，根据所述行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间，包括：
获取预设时间段内，多个时刻对应的行人沿车道宽度方向的速度分量；
对所述多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量；
根据所述平滑处理后的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
本实施例中，对预设时间段内多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量，然后根据所述平滑处理后的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。从而可以消除行人在预设时间段内由于身体左右摆动等造成的干扰，使得采集到的信息更加准确。
在一种可能的设计中，所述行人的运动信息包括：行人在所述持续时间内的平均速度、行人与自动驾驶车辆之间的距离、行人的运动速度的标准差。
本实施例中，获取到了充分的行人的运动信息，从而可以作为决策依据，使得自动驾驶车辆生成的行驶策略更加符合实际路况，保证驾驶安全前提下，提升控制策略的有效性。
在一种可能的设计中，所述控制模块，还用于：
根据所述行驶策略，控制自动驾驶车辆进行行驶。
本实施例中，行驶策略可以是减速策略，变道策略、加速策略等等。例如行人已经切入自动驾驶车辆的行驶路径，且其他车道上有车辆时，采取减速策略。当行人与车辆的距离较远，且行人尚未切入自动驾驶车辆的行驶路径时，采取加速策略。从而可以根据行人的运动方向，对行人做出避让，保证自动驾驶车辆和行人的安全。
在一种可能的设计中，所述确定模块，具体用于：
构建决策树模型；所述决策树模型包括：GBDT梯度提升决策树模型；
将所述运动数据和行人的运动信息输入所述决策树模型，由所述决策树模型输出行人的运动方向；其中，所述行人的运动方向包括：沿车道延伸方向、向左切入车道方向、向右切入车道方向。
本实施例中，通过构建的决策树模型对行人的运动方向进行分类，基于行人的运动数据和行人的运动信息，判断出行人最有可能的运动方向。由于决策树模型中引入了众多的因素，可以使得运动方向的判断结果更加准确。
在一种可能的设计中，所述控制模块，具体用于：
根据所述行人的运动方向，生成自动驾驶车辆对行人的行驶策略，所述行驶策略包括：行驶速度调整、行驶方向调整。
本实施例中，当确定了行人的运动方向之后，可以对自动驾驶车辆的行驶速度和/或行驶方向进行调整，从而保证自动驾驶车辆和行人的安全。
在一种可能的设计中，所述控制模块，还用于：
根据所述行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息，确定自动驾驶车辆的避让策略；其中，所述自动驾驶车辆的行驶信息包括：自动驾驶车辆的行驶速度、自动驾驶车辆所在车道的位置信息、自动驾驶车辆与行人的距离；
根据所述避让策略，控制自动驾驶车辆进行行驶。
本实施例中，可以综合行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息等等信息，确定自动驾驶车辆的避让策略。使得自动驾驶车辆在保证行人安全和驾驶安全的前提下，使用最佳的避让方式，提升驾驶体验。
第三方面，本申请提供一种电子设备，包括：处理器和存储器；存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行如第一方面中任一项所述的自动驾驶的控制方法。
第四方面，本申请提供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第一方面中任一项所述的自动驾驶的控制方法。
第五方面，本申请实施例提供一种程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，服务器的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得服务器执行第一方面中任一所述的自动驾驶的控制方法。
第六方面，本申请还提供一种自动驾驶的控制方法，包括：
获取行人的运动数据；
根据所述运动数据和行人的运动信息，确定行人的运动方向；
根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。
本实施例中，通过获取行人的运动数据；根据所述运动数据和行人的运动信息，确定行人的运动方向；根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。从而对行人的运动方向进行准确地预测，便于自动驾驶车辆对行人进行避让，保证行驶安全。
上述申请中的一个实施例具有如下优点或有益效果：对行人的运动方向进行准确地预测，便于自动驾驶车辆对行人进行避让，保证行驶安全。因为采用获取行人的运动数据；根据所述运动数据和行人的运动信息，确定行人的运动方向；根据所述行人的运动方向，生成自动驾驶车辆的行驶策略的技术手段，所以克服了无法对行人的运动方向进行准确地预测的技术问题，通过对行人运动方向的准确预测，实现自动驾驶车辆对行人进行避让，保证行驶安全的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是可以实现本申请实施例的自动驾驶的控制方法的场景图；
图2是根据本申请第一实施例的示意图；
图3是根据本申请行人的运动速度切分的示意图；
图4是根据本申请第二实施例的示意图；
图5是根据本申请第三实施例的示意图；
图6是用来实现本申请实施例的自动驾驶的控制方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的本申请的实施例例如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。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
在自动驾驶车辆的行驶过程中，会为自动驾驶车辆规划行驶路径，使得自动驾驶车辆可以根据行驶路径进行行驶。但是在自动驾驶车辆的实际行驶过程中，经常会出现行人，而行人的运动会对自动驾驶车辆的行驶造成影响；因此，需要对行人的运动轨迹进行预测，使得自动驾驶车辆可对行人进行避让，以保证行人和自动驾驶车辆的安全。
现有技术中，在对行人的运动轨迹进行预测时候，常常采用行人的航向信息和速度信息，对行人的运动进行预测，得到行人的运动轨迹。
然而现有技术中，由于行人的航向会突然发生变化，即，行人的航向是瞬间变化的，进而会对行人的运动预测造成影响，导致无法对行人的运动进行准确的预测，使得自动驾驶车辆无法及时地调整行驶策略，造成安全事故。
针对上述技术问题，本申请提供一种自动驾驶的控制方法、装置、电子设备及存储介质，可以对行人的运动方向进行准确地预测，便于自动驾驶车辆对行人进行避让，保证行驶安全。
图1是可以实现本申请实施例的自动驾驶的控制方法的场景图，如图1所示，在现实环境中行人航向会突然变化，对行驶中的车辆造成影响。其中，行人沿车道延伸方向的速度分量，与车辆的行驶方向平行，只对同一车道上行驶车辆造成影响。而行人沿车道宽度方向的速度分量，与车辆的行驶方向垂直，表明行人切入车辆行驶路径的意图，对于自动驾驶的车辆影响较大。本申请主要考虑行人沿车道宽度方向的速度分量。自动驾驶的车辆首先获取行人所在车道的位置和行人的运动速度v然后，将行人的运动速度，沿着车道的两个方向进行切分，得到速度分量v_s和速度分量v_l，其中，速度分量v_s是行人的运动速度在车道的延伸方向上的速度分量，速度分量v_l是行人的运动速度在车道的宽度所在方向上的速度分量。然后，根据行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。根据该持续时间，可以判断出行人切入自动驾驶车辆行驶轨迹的可能性。然后，自动驾驶车辆可以通过构建的决策树模型对行人的运动方向进行分类，基于行人的运动数据和行人的运动信息，判断出行人最有可能的运动方向，从而实现了对行人的瞬时运动方向进行准确的预测，判断出行人是否从一侧切入自动驾驶车辆的形式轨迹。理论上也可以通过其他分类模型进行方向的判定。由于决策树模型中引入了众多的因素，可以使得运动方向的判断结果更加准确。当确定了行人的运动方向之后，可以对自动驾驶车辆的行驶速度和/或行驶方向进行调整，从而保证自动驾驶车辆和行人的安全。
应用上述方法可以克服无法对行人的运动方向进行准确地预测的技术问题，通过对行人运动方向的准确预测，实现自动驾驶车辆对行人进行避让，保证行驶安全的技术效果。
图2是根据本申请第一实施例的示意图，如图2所示，本实施例中的方法可以包括：
S101、获取行人的运动数据。
本实施例，自动驾驶的车辆首先获取行人的运动数据。其中，运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
具体地，在现实环境中行人航向会突然变化，对行驶中的车辆造成影响。其中，行人沿车道延伸方向的速度分量，与车辆的行驶方向平行，只对同一车道上行驶车辆造成影响。而行人沿车道宽度方向的速度分量，与车辆的行驶方向垂直，表明行人切入车辆行驶路径的意图，对于自动驾驶的车辆影响较大。本申请主要考虑行人沿车道宽度方向的速度分量。例如，在三车道的道路上，自动驾驶车辆在中间车道上行驶，而在最右侧车道上存在行人，当行人沿车道宽度方向的速度分量方向为由右向左时，此时行人会切入到自动驾驶车辆行驶路径，将会对自动驾驶车辆造成影响，需要对车辆的行驶速度和行驶方向进行调整。行人从一侧切入到自动驾驶车辆行驶路径的持续时间是指保持从一侧切入自动驾驶车辆行驶路径的运动速度不为零的持续时间，其可以根据行人沿车道宽度方向的速度分量和行人所在车道的位置来确定。具体判断方法讲在后续中进行详细介绍，此处不再赘述。行人从一侧切入到自动驾驶车辆行驶路径的持续时间表明行人切入车辆行驶路径的意图。例如，行人从一侧切入到自动驾驶车辆行驶路径的持续时间很短，则可能行人在避让障碍物，而并不会侵入自动驾驶车辆的行驶路径。而当行人从一侧切入到自动驾驶车辆行驶路径的持续时间超过一定阈值，则表明行人侵入自动驾驶车辆的行驶路径的可能性很大，需要对驾驶策略进行调整以避让行人。本申请主要是对行人的瞬时运动方向进行准确的预测，判断出行人是否从一侧切入自动驾驶车辆的形式轨迹，便于自动驾驶车辆选择较好的行驶策略，实现对行人的避让，保证驾驶安全。
可选地，获取行人的运动数据，包括：获取行人所在车道的位置和行人的运动速度；将行人的运动速度按照车道的延伸方向和车道的宽度方向进行切分，得到行人沿车道延伸方向的速度分量和行人沿车道宽度方向的速度分量；根据行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
具体地，自动驾驶的车辆首先获取行人所在车道的位置和行人的运动速度。然后，将行人的运动速度，沿着车道的两个方向进行切分。
图3是根据本申请行人的运动速度切分的示意图，如图3所示，车道的两个方向为车道的延伸方向(沿着车道的方向)、车道的宽度所在方向(切入车道的方向)；得到第一速度矢量v_s和第二速度矢量v_l，其中，第一速度矢量v_s是行人的运动速度在车道的延伸方向上的速度分量，第二速度矢量v_l是行人的运动速度在车道的宽度所在方向上的速度分量。最后，根据行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。根据该持续时间，可以判断出行人切入自动驾驶车辆行驶轨迹的可能性，从而使得自动驾驶车辆能够做出较好的避让策略，保证行驶安全。例如，在三车道的道路上，自动驾驶车辆在中间车道上行驶，而在最右侧车道上存在行人。将行人的运动速度按照车道的延伸方向和车道的宽度方向进行切分。在t1时刻，行人沿车道宽度方向的速度分量方向为由右向左时，此时行人会切入到自动驾驶车辆行驶路径。在t2时刻，行人沿车道宽度方向的速度分量方向为由左向右时，此时行人会切入到自动驾驶车辆行驶路径。那么，行人从一侧切入到自动驾驶车辆行驶路径的持续时间为t2-t1。
需要说明的是，本实施例不限定自动驾驶车辆获取行人所在车道位置的方式，也不限定自动驾驶车辆获取行人运动速度的方式，本领域技术人员可以根据实际情况合理地选择获取方式。例如，可以通过车辆上的图像传感器拍摄车辆周围的环境图像，并对环境图像进行图像识别，得到行人位置和行人所在车道的位置。根据与前一时刻的行人位置进行比较，得到行人的运动速度。也可以根据汽车雷达确定行人相对于车辆的位置，结合地图数据中的道路信息，得到行人所在车道的位置。据与前一时刻的行人位置进行比较，得到行人的运动速度。
可选地，获取行人所在车道的位置，包括：拍摄自动驾驶车辆周围的环境图像；从环境图像中提取出车道信息，车道信息包括：车道分布位置、车道宽度、车道方向；根据车道信息，确定行人所在车道的位置。
具体地，自动驾驶车辆可以通过车辆上的图像传感器(例如摄像头)拍摄车辆周围的环境图像，并对环境图像进行图像识别提取出车道分布位置、车道宽度、车道方向等车道信息。然后，根据车道信息和行人位置，确定行人所在车道的位置。从而可以实现对行人位置精确定位，便于对行人的运动信息进行采集。
可选地，根据行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间，包括：获取预设时间段内，多个时刻对应的行人沿车道宽度方向的速度分量；对多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量；根据平滑处理后的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
具体地，行人在运动过程中，身体会左右摇摆或者行进路径不是直线。为消除这些因素所带来的扰动影响，可以在对行人的运动进行采样时，采集行人在预设时间段(例如1秒)内的多个行人沿车道宽度方向的速度分量。然后，对多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量。例如，可以采用现有的平滑滤波器进行平滑处理，也可以通过指数加权平均的方式进行平滑处理。
S102、根据运动数据和行人的运动信息，确定行人的运动方向。
本实施例中，行人的运动信息包括：行人在持续时间内的平均速度、行人与自动驾驶车辆之间的距离、行人的运动速度的标准差。自动驾驶车辆可以通过构建的决策树模型对行人的运动方向进行分类，基于行人的运动数据和行人的运动信息，判断出行人最有可能的运动方向。理论上也可以通过其他分类模型进行方向的判定。由于决策树模型中引入了众多的因素，可以使得运动方向的判断结果更加准确。
可选地，根据运动数据和行人的运动信息，确定行人的运动方向，包括：构建决策树模型；决策树模型包括：GBDT梯度提升决策树模型；将运动数据和行人的运动信息输入决策树模型，由决策树模型输出行人的运动方向；其中，行人的运动方向包括：沿车道延伸方向、向左切入车道方向、向右切入车道方向。
具体地，可以构建GBDT梯度提升决策树模型，将运动数据和行人的运动信息输入决策树模型。由决策树模型进行判断，输出行人的运动方向。决策树的工作原理为现有技术，此处不再赘述。
S103、根据行人的运动方向，生成自动驾驶车辆的行驶策略。
本实施例中，根据行人的运动方向，生成自动驾驶车辆对行人的行驶策略，行驶策略包括：行驶速度调整、行驶方向调整。例如，S102中确定行人的运动方向为沿车道延伸方向，则对自动驾驶车辆不会造成影响，那么不需要对行驶速度和行驶方向进行调整。若S102中确定行人的运动方向为向左切入车道方向，则对自动驾驶车辆会造成影响，可以通过减速或者向左变道远离行人的方式避让行人。若S102中确定行人的运动方向为向右切入车道方向，则对自动驾驶车辆会造成影响，可以通过减速或者向右变道远离行人的方式避让行人。
本实施例，通过获取行人的运动数据；运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；根据运动数据和行人的运动信息，确定行人的运动方向；根据行人的运动方向，生成自动驾驶车辆的行驶策略。从而可以对行人的运动方向进行准确地预测，便于自动驾驶车辆对行人进行避让，保证行驶安全。
图4是根据本申请第二实施例的示意图；如图4所示，本实施例中的方法可以包括：
S201、获取行人的运动数据。
S202、根据运动数据和行人的运动信息，确定行人的运动方向。
S203、根据行人的运动方向，生成自动驾驶车辆的行驶策略。
本实施例中步骤S201～步骤S203的具体实现过程和实现原理，参见图2所示步骤S101～步骤S103的相关描述，此处不再赘述。
S204、根据行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息，确定自动驾驶车辆的避让策略。
本实施例中，自动驾驶车辆的行驶信息包括：自动驾驶车辆的行驶速度、自动驾驶车辆所在车道的位置信息、自动驾驶车辆与行人的距离。
具体地，可以通过自动驾驶车辆的行驶速度、自动驾驶车辆与行人的距离，计算车辆到达行人位置所需要的时间。然后根据自动驾驶车辆所在车道的位置信息和行人沿车道宽度方向的速度分量，计算行人是否会侵入车辆的行驶路径，从而确定自动驾驶车辆的避让策略。例如步骤S202中确定行人的运动方向为向左切入车道方向，则会对自动驾驶车辆会造成影响。通过行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息的计算，若确定当车辆通过行人所在位置时，行人已经完成道路穿越，不会对车辆造成影响，则可以不调整车辆的行驶策略。若经过计算确定当车辆通过行人所在位置时，行人已经在车辆路径的左侧，控制车辆向右变道可以远离行人，则确定避让策略为向右变道。
本实施例，通过获取行人的运动数据；运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；根据运动数据和行人的运动信息，确定行人的运动方向；根据行人的运动方向，生成自动驾驶车辆的行驶策略；以及根据行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息，确定自动驾驶车辆的避让策略。从而可以对行人的运动方向进行准确地预测，便于自动驾驶车辆对行人进行避让，保证行驶安全。
图5是根据本申请第三实施例的示意图；如图5所示，本实施例中的装置可以包括：
获取模块31，用于获取行人的运动数据；运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；
确定模块32，用于根据运动数据和行人的运动信息，确定行人的运动方向；
控制模块33，用于根据行人的运动方向，生成自动驾驶车辆的行驶策略。
本实施例中，通过获取行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间、行人的运动信息，确定行人的运动方向；根据行人的运动方向，生成自动驾驶车辆的行驶策略。从而可以对行人的瞬时运动方向进行准确的预测，判断出行人是否从一侧切入自动驾驶车辆的形式轨迹，便于自动驾驶车辆选择较好的行驶策略，实现对行人的避让，保证驾驶安全。
在一种可能的设计中，获取模块31，具体用于：
获取行人所在车道的位置和行人的运动速度；
将行人的运动速度按照车道的延伸方向和车道的宽度方向进行切分，得到行人沿车道延伸方向的速度分量和行人沿车道宽度方向的速度分量；
根据行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
本实施例中，通对行人运动速度的切分得到了行人沿车道延伸方向的速度分量和行人沿车道宽度方向的速度分量；然后基于行人所在车道的位置，可以准确地计算出行人从一侧切入到自动驾驶车辆行驶路径的持续时间。根据该持续时间，可以判断出行人切入自动驾驶车辆行驶轨迹的可能性，从而使得自动驾驶车辆能够做出较好的避让策略，保证行驶安全。
在一种可能的设计中，获取模块31，还用于：
拍摄自动驾驶车辆周围的环境图像；
从环境图像中提取出车道信息，车道信息包括：车道分布位置、车道宽度、车道方向；
根据车道信息，确定行人所在车道的位置。
本实施例中，可以通过自动驾驶车辆上安装的图像采集器(例如摄像头)采集自动驾驶车辆周围的环境图像，然后从环境图像中提取出车道分布位置、车道宽度、车道方向等等信息，结合行人在图像中出现的位置，确定行人所在车道的位置。从而可以实现对行人位置精确定位，便于对行人的运动信息进行采集。
在一种可能的设计中，根据行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间，包括：
获取预设时间段内，多个时刻对应的行人沿车道宽度方向的速度分量；
对多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量；
根据平滑处理后的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
本实施例中，对预设时间段内多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量，然后根据平滑处理后的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。从而可以消除行人在预设时间段内由于身体左右摆动等造成的干扰，使得采集到的信息更加准确。
在一种可能的设计中，行人的运动信息包括：行人在持续时间内的平均速度、行人与自动驾驶车辆之间的距离、行人的运动速度的标准差。
本实施例中，获取到了充分的行人的运动信息，从而可以作为决策依据，使得自动驾驶车辆生成的行驶策略更加符合实际路况，保证驾驶安全前提下，提升控制策略的有效性。
在一种可能的设计中，确定模块32，具体用于：
构建决策树模型；决策树模型包括：GBDT梯度提升决策树模型；
将运动数据和行人的运动信息输入决策树模型，由决策树模型输出行人的运动方向；其中，行人的运动方向包括：沿车道延伸方向、向左切入车道方向、向右切入车道方向。
本实施例中，通过构建的决策树模型对行人的运动方向进行分类，基于行人的运动数据和行人的运动信息，判断出行人最有可能的运动方向。由于决策树模型中引入了众多的因素，可以使得运动方向的判断结果更加准确。
在一种可能的设计中，控制模块33，具体用于：
根据行人的运动方向，生成自动驾驶车辆对行人的行驶策略，行驶策略包括：行驶速度调整、行驶方向调整。
本实施例中，当确定了行人的运动方向之后，可以对自动驾驶车辆的行驶速度和/或行驶方向进行调整，从而保证自动驾驶车辆和行人的安全。
在一种可能的设计中，控制模块33，还用于：
根据行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息，确定自动驾驶车辆的避让策略；其中，自动驾驶车辆的行驶信息包括：自动驾驶车辆的行驶速度、自动驾驶车辆所在车道的位置信息、自动驾驶车辆与行人的距离。
本实施例中，可以综合行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息等等信息，确定自动驾驶车辆的避让策略。使得自动驾驶车辆在保证行人安全和驾驶安全的前提下，使用最佳的避让方式，提升驾驶体验。
本实施例的自动驾驶的控制装置，可以执行图2、图4所示方法中的技术方案，其具体实现过程和技术原理参见图2、图4所示方法中的相关描述，此处不再赘述。
本实施例，通过获取行人的运动数据；运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；根据运动数据和行人的运动信息，确定行人的运动方向；根据行人的运动方向，生成自动驾驶车辆的行驶策略。从而可以对行人的运动方向进行准确地预测，便于自动驾驶车辆对行人进行避让，保证行驶安全。
图6是用来实现本申请实施例的自动驾驶的控制方法的电子设备的框图；如图6所示，是根据本申请实施例的图6自动驾驶的控制方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的图6自动驾驶的控制方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图6自动驾驶的控制方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图6自动驾驶的控制方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图6自动驾驶的控制方法。
存储器502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、至少一个功能所需要的应用程序；存储数据区可存储根据图6自动驾驶的控制方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至图6自动驾驶的控制方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图6自动驾驶的控制方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与图6自动驾驶的控制方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (13)

1.一种自动驾驶的控制方法，其特征在于，包括：
获取行人的运动数据；所述运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；
根据所述运动数据和行人的运动信息，确定行人的运动方向；
根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。
2.根据权利要求1所述的方法，其特征在于，所述获取行人的运动数据，包括：
获取行人所在车道的位置和行人的运动速度；
将行人的运动速度按照车道的延伸方向和车道的宽度方向进行切分，得到行人沿车道延伸方向的速度分量和行人沿车道宽度方向的速度分量；
根据所述行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
3.根据权利要求2所述的方法，其特征在于，所述获取行人所在车道的位置，包括：
拍摄自动驾驶车辆周围的环境图像；
从所述环境图像中提取出车道信息，所述车道信息包括：车道分布位置、车道宽度、车道方向；
根据所述车道信息，确定行人所在车道的位置。
4.根据权利要求2所述的方法，其特征在于，根据所述行人沿车道宽度方向的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间，包括：
获取预设时间段内，多个时刻对应的行人沿车道宽度方向的速度分量；
对所述多个时刻对应的行人沿车道宽度方向的速度分量进行平滑处理，得到平滑处理后的速度分量；
根据所述平滑处理后的速度分量和行人所在车道的位置，确定行人从一侧切入到自动驾驶车辆行驶路径的持续时间。
5.根据权利要求4所述的方法，其特征在于，所述行人的运动信息包括：行人在所述持续时间内的平均速度、行人与自动驾驶车辆之间的距离、行人的运动速度的标准差。
6.根据权利要求1所述的方法，其特征在于，还包括：
根据所述行驶策略，控制自动驾驶车辆进行行驶。
7.根据权利要求1-6中任一项所述的方法，其特征在于，根据所述运动数据和行人的运动信息，确定行人的运动方向，包括：
构建决策树模型；所述决策树模型包括：GBDT梯度提升决策树模型；
将所述运动数据和行人的运动信息输入所述决策树模型，由所述决策树模型输出行人的运动方向；其中，所述行人的运动方向包括：沿车道延伸方向、向左切入车道方向、向右切入车道方向。
8.根据权利要求1-6中任一项所述的方法，其特征在于，根据所述行人的运动方向，生成自动驾驶车辆的行驶策略，包括：
根据所述行人的运动方向，生成自动驾驶车辆对行人的行驶策略，所述行驶策略包括：行驶速度调整、行驶方向调整。
9.根据权利要求1-6中任一项所述的方法，其特征在于，还包括：
根据所述行人的运动方向、自动驾驶车辆的行驶信息、行人的运动信息，确定自动驾驶车辆的避让策略；其中，所述自动驾驶车辆的行驶信息包括：自动驾驶车辆的行驶速度、自动驾驶车辆所在车道的位置信息、自动驾驶车辆与行人的距离；
根据所述避让策略，控制自动驾驶车辆进行行驶。
10.一种自动驾驶的控制装置，其特征在于，包括：
获取模块，用于获取行人的运动数据；所述运动数据包括：行人沿车道宽度方向的速度分量、行人从一侧切入到自动驾驶车辆行驶路径的持续时间；
确定模块，用于根据所述运动数据和行人的运动信息，确定行人的运动方向；
控制模块，用于根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
13.一种自动驾驶的控制方法，其特征在于，包括：
获取行人的运动数据；
根据所述运动数据和行人的运动信息，确定行人的运动方向；
根据所述行人的运动方向，生成自动驾驶车辆的行驶策略。
CN201910944865.6A 2019-09-30 2019-09-30 自动驾驶的控制方法、装置、电子设备及存储介质 Active CN112572462B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910944865.6A CN112572462B (zh) 2019-09-30 2019-09-30 自动驾驶的控制方法、装置、电子设备及存储介质
JP2020048113A JP7271467B2 (ja) 2019-09-30 2020-03-18 自動運転の制御方法、装置、電子機器及び記憶媒体
EP20165534.7A EP3798903A1 (en) 2019-09-30 2020-03-25 Method and apparatus for autonomous driving control, electronic device, and storage medium
US16/911,516 US11529971B2 (en) 2019-09-30 2020-06-25 Method and apparatus for autonomous driving control, electronic device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910944865.6A CN112572462B (zh) 2019-09-30 2019-09-30 自动驾驶的控制方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112572462A true CN112572462A (zh) 2021-03-30
CN112572462B CN112572462B (zh) 2022-09-20

Family

ID=70008296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910944865.6A Active CN112572462B (zh) 2019-09-30 2019-09-30 自动驾驶的控制方法、装置、电子设备及存储介质

Country Status (4)

Country Link
US (1) US11529971B2 (zh)
EP (1) EP3798903A1 (zh)
JP (1) JP7271467B2 (zh)
CN (1) CN112572462B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113428176A (zh) * 2021-06-25 2021-09-24 阿波罗智联(北京)科技有限公司 无人车驾驶策略的调整方法、装置、设备和存储介质
CN113963535A (zh) * 2021-09-30 2022-01-21 华为技术有限公司 行驶决策确定方法、装置、电子设备存储介质
CN114056328A (zh) * 2021-11-01 2022-02-18 中国电子科技南湖研究院 基于dqn实现车辆l3级自动驾驶的行人避让方法及系统
CN114373319A (zh) * 2021-12-24 2022-04-19 上海东普信息科技有限公司 基于自动驾驶的路况提醒方法、装置、设备及存储介质
CN114379587A (zh) * 2021-12-28 2022-04-22 阿波罗智联(北京)科技有限公司 自动驾驶中避让行人的方法与装置
US20230043601A1 (en) * 2021-08-05 2023-02-09 Argo AI, LLC Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area
US11904906B2 (en) 2021-08-05 2024-02-20 Argo AI, LLC Systems and methods for prediction of a jaywalker trajectory through an intersection

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11290856B2 (en) 2020-03-31 2022-03-29 Toyota Motor North America, Inc. Establishing connections in transports
CN116749960B (zh) * 2023-08-18 2023-11-21 新石器慧通（北京）科技有限公司 自动驾驶车辆的控制方法、装置、设备及存储介质

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942359A (zh) * 2014-03-13 2014-07-23 华南理工大学 无信号交叉口自行车冲突避让行为仿真模型的建模方法
CN104331902A (zh) * 2014-10-11 2015-02-04 深圳超多维光电子有限公司 目标跟踪方法、跟踪装置和3d显示方法及显示装置
CN105151043A (zh) * 2015-08-19 2015-12-16 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车紧急避让的系统和方法
CN105300390A (zh) * 2015-10-30 2016-02-03 奇瑞汽车股份有限公司 障碍物体运动轨迹的确定方法及装置
CN105628026A (zh) * 2016-03-04 2016-06-01 深圳大学 一种移动物体的定位定姿方法和系统
CN105809130A (zh) * 2016-03-08 2016-07-27 武汉大学 一种基于双目深度感知的车辆可行驶区域计算方法
CN106428000A (zh) * 2016-09-07 2017-02-22 清华大学 一种车辆速度控制装置和方法
CN107239747A (zh) * 2017-05-16 2017-10-10 深圳市保千里电子有限公司 一种检测行人横穿道路的方法、装置及可读存储介质
CN107544067A (zh) * 2017-07-06 2018-01-05 西北工业大学 一种基于高斯混合近似的高超声速再入飞行器跟踪方法
CN107705550A (zh) * 2017-10-24 2018-02-16 努比亚技术有限公司 交通安全预警方法、移动终端及计算机可读存储介质
CN107749987A (zh) * 2017-09-30 2018-03-02 河海大学 一种基于块运动估计的数字视频稳像方法
CN108614267A (zh) * 2018-07-09 2018-10-02 南京普陆康电子科技有限公司 一种基于77GHz毫米波技术的防撞雷达设计方法
CN109278757A (zh) * 2018-10-25 2019-01-29 广州小鹏汽车科技有限公司 车辆碰撞检测方法及车辆控制系统
CN109508826A (zh) * 2018-11-13 2019-03-22 合肥工业大学 基于梯度提升决策树的电动汽车集群可调度容量预测方法
CN109643116A (zh) * 2016-08-22 2019-04-16 深圳市大疆创新科技有限公司 用于定位移动物体的系统和方法
CN109878512A (zh) * 2019-01-15 2019-06-14 北京百度网讯科技有限公司 自动驾驶控制方法、装置、设备及计算机可读存储介质
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
CN110095770A (zh) * 2019-04-26 2019-08-06 东风柳州汽车有限公司 车辆周边目标物的检测方法
CN110288847A (zh) * 2019-06-28 2019-09-27 浙江吉利控股集团有限公司 一种自动驾驶决策方法、装置、系统、存储介质及终端

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3864465B2 (ja) * 1996-09-30 2006-12-27 マツダ株式会社 車両用の動体認識装置
DE102008062916A1 (de) * 2008-12-23 2010-06-24 Continental Safety Engineering International Gmbh Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen
JP5620147B2 (ja) * 2010-05-24 2014-11-05 株式会社豊田中央研究所 可動物予測装置及びプログラム
WO2013042260A1 (ja) * 2011-09-22 2013-03-28 トヨタ自動車株式会社 運転支援装置
JP5712119B2 (ja) * 2011-12-08 2015-05-07 ダイムラー・アクチェンゲゼルシャフトＤａｉｍｌｅｒ ＡＧ 車両用歩行者報知装置
EP3057061B1 (en) * 2015-02-16 2017-08-30 Application Solutions (Electronics and Vision) Limited Method and device for the estimation of car egomotion from surround view images
JP6592266B2 (ja) * 2015-03-31 2019-10-16 株式会社デンソー 物体検知装置、及び物体検知方法
WO2017090097A1 (ja) * 2015-11-25 2017-06-01 株式会社日立製作所 車両用外界認識装置
WO2018053175A1 (en) * 2016-09-14 2018-03-22 Nauto Global Limited Systems and methods for near-crash determination
US11027730B2 (en) 2016-12-07 2021-06-08 Toyota Motor Europe Systems and methods for regulation of autonomous cruise control
KR102441060B1 (ko) * 2016-12-13 2022-09-06 현대자동차주식회사 보행자 추돌 사고 방지 장치, 그를 포함한 시스템 및 그 방법
KR102535540B1 (ko) * 2017-01-12 2023-05-23 모빌아이 비젼 테크놀로지스 엘티디. 차량 움직임에 기반한 항법
US10782138B2 (en) * 2017-10-06 2020-09-22 Here Global B.V. Method, apparatus, and computer program product for pedestrian behavior profile generation
WO2019089591A1 (en) * 2017-10-30 2019-05-09 Mobileye Vision Technologies Ltd. Vehicle navigation based on human activity
JP7039940B2 (ja) * 2017-11-09 2022-03-23 トヨタ自動車株式会社 車両制御装置
US10562538B2 (en) * 2017-11-22 2020-02-18 Uatc, Llc Object interaction prediction systems and methods for autonomous vehicles
US11351991B2 (en) * 2019-03-25 2022-06-07 Zoox, Inc. Prediction based on attributes

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942359A (zh) * 2014-03-13 2014-07-23 华南理工大学 无信号交叉口自行车冲突避让行为仿真模型的建模方法
CN104331902A (zh) * 2014-10-11 2015-02-04 深圳超多维光电子有限公司 目标跟踪方法、跟踪装置和3d显示方法及显示装置
CN105151043A (zh) * 2015-08-19 2015-12-16 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车紧急避让的系统和方法
CN105300390A (zh) * 2015-10-30 2016-02-03 奇瑞汽车股份有限公司 障碍物体运动轨迹的确定方法及装置
CN105628026A (zh) * 2016-03-04 2016-06-01 深圳大学 一种移动物体的定位定姿方法和系统
CN105809130A (zh) * 2016-03-08 2016-07-27 武汉大学 一种基于双目深度感知的车辆可行驶区域计算方法
CN109643116A (zh) * 2016-08-22 2019-04-16 深圳市大疆创新科技有限公司 用于定位移动物体的系统和方法
CN106428000A (zh) * 2016-09-07 2017-02-22 清华大学 一种车辆速度控制装置和方法
CN107239747A (zh) * 2017-05-16 2017-10-10 深圳市保千里电子有限公司 一种检测行人横穿道路的方法、装置及可读存储介质
CN107544067A (zh) * 2017-07-06 2018-01-05 西北工业大学 一种基于高斯混合近似的高超声速再入飞行器跟踪方法
CN107749987A (zh) * 2017-09-30 2018-03-02 河海大学 一种基于块运动估计的数字视频稳像方法
CN107705550A (zh) * 2017-10-24 2018-02-16 努比亚技术有限公司 交通安全预警方法、移动终端及计算机可读存储介质
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
CN108614267A (zh) * 2018-07-09 2018-10-02 南京普陆康电子科技有限公司 一种基于77GHz毫米波技术的防撞雷达设计方法
CN109278757A (zh) * 2018-10-25 2019-01-29 广州小鹏汽车科技有限公司 车辆碰撞检测方法及车辆控制系统
CN109508826A (zh) * 2018-11-13 2019-03-22 合肥工业大学 基于梯度提升决策树的电动汽车集群可调度容量预测方法
CN109878512A (zh) * 2019-01-15 2019-06-14 北京百度网讯科技有限公司 自动驾驶控制方法、装置、设备及计算机可读存储介质
CN110095770A (zh) * 2019-04-26 2019-08-06 东风柳州汽车有限公司 车辆周边目标物的检测方法
CN110288847A (zh) * 2019-06-28 2019-09-27 浙江吉利控股集团有限公司 一种自动驾驶决策方法、装置、系统、存储介质及终端

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113428176A (zh) * 2021-06-25 2021-09-24 阿波罗智联(北京)科技有限公司 无人车驾驶策略的调整方法、装置、设备和存储介质
CN113428176B (zh) * 2021-06-25 2023-11-14 阿波罗智联(北京)科技有限公司 无人车驾驶策略的调整方法、装置、设备和存储介质
US20230043601A1 (en) * 2021-08-05 2023-02-09 Argo AI, LLC Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area
US11904906B2 (en) 2021-08-05 2024-02-20 Argo AI, LLC Systems and methods for prediction of a jaywalker trajectory through an intersection
CN113963535A (zh) * 2021-09-30 2022-01-21 华为技术有限公司 行驶决策确定方法、装置、电子设备存储介质
CN114056328A (zh) * 2021-11-01 2022-02-18 中国电子科技南湖研究院 基于dqn实现车辆l3级自动驾驶的行人避让方法及系统
CN114056328B (zh) * 2021-11-01 2024-04-26 中国电子科技南湖研究院 基于dqn实现车辆l3级自动驾驶的行人避让方法及系统
CN114373319A (zh) * 2021-12-24 2022-04-19 上海东普信息科技有限公司 基于自动驾驶的路况提醒方法、装置、设备及存储介质
CN114379587A (zh) * 2021-12-28 2022-04-22 阿波罗智联(北京)科技有限公司 自动驾驶中避让行人的方法与装置
CN114379587B (zh) * 2021-12-28 2024-05-24 阿波罗智联(北京)科技有限公司 自动驾驶中避让行人的方法与装置

Also Published As

Publication number Publication date
JP2021054388A (ja) 2021-04-08
EP3798903A1 (en) 2021-03-31
JP7271467B2 (ja) 2023-05-11
US11529971B2 (en) 2022-12-20
US20210094578A1 (en) 2021-04-01
CN112572462B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN112572462B (zh) 自动驾驶的控制方法、装置、电子设备及存储介质
CN111091591B (zh) 一种碰撞检测方法、装置、电子设备及存储介质
CN110758403B (zh) 自动驾驶车辆的控制方法、装置、设备及存储介质
CN111081046B (zh) 一种自动驾驶车辆变道方法、装置、电子设备和介质
CN110929702B (zh) 一种轨迹规划方法、装置、电子设备和存储介质
CN110706494B (zh) 自动驾驶车辆的控制方法、装置、设备及存储介质
CN111273268B (zh) 自动驾驶障碍物类型的识别方法、装置及电子设备
CN111731283B (zh) 自动驾驶车辆碰撞风险识别方法、装置以及电子设备
CN110723079B (zh) 车载传感器的位姿调整方法、装置、设备和介质
CN111625950A (zh) 自动驾驶仿真场景重建方法、装置、设备和介质
CN112419722B (zh) 交通异常事件检测方法、交通管控方法、设备和介质
CN111397611B (zh) 路径规划方法、装置以及电子设备
CN110675644A (zh) 道路红绿灯的识别方法、装置、电子设备及存储介质
CN111652153B (zh) 场景自动识别方法、装置、无人车及存储介质
CN110703732B (zh) 相关性检测方法、装置、设备及计算机可读存储介质
CN110689747B (zh) 自动驾驶车辆的控制方法和装置、自动驾驶车辆
CN110717933A (zh) 针对运动物体漏检的后处理方法、装置、设备和介质
CN113844463A (zh) 基于自动驾驶系统的车辆控制方法、装置及车辆
CN110866504A (zh) 标注数据的获取方法、装置和设备
CN110764509A (zh) 任务调度方法、装置、设备及计算机可读存储介质
CN111959526A (zh) 基于无人车的控制方法、装置、无人车和电子设备
CN111231952B (zh) 车辆控制方法、装置及设备
CN111724598B (zh) 用于自动驾驶规划路径的方法、装置、设备以及存储介质
CN115214722A (zh) 自动驾驶方法、装置、电子设备、存储介质及车辆
CN111860907A (zh) 营运车辆服务的处理方法、装置、电子设备及可读存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20211025

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant