CN112622930A - 无人车的行驶控制方法、装置、设备以及自动驾驶车辆 - Google Patents
无人车的行驶控制方法、装置、设备以及自动驾驶车辆 Download PDFInfo
- Publication number
- CN112622930A CN112622930A CN202011527236.2A CN202011527236A CN112622930A CN 112622930 A CN112622930 A CN 112622930A CN 202011527236 A CN202011527236 A CN 202011527236A CN 112622930 A CN112622930 A CN 112622930A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- information
- risk
- driving process
- determining
- 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 138
- 230000008569 process Effects 0.000 claims abstract description 76
- 238000011217 control strategy Methods 0.000 claims abstract description 27
- 230000015556 catabolic process Effects 0.000 claims description 25
- 238000006731 degradation reaction Methods 0.000 claims description 25
- 230000008447 perception Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000001953 sensory effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 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
-
- 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
Abstract
本申请公开了无人车的行驶控制方法、装置、设备以及自动驾驶车辆,涉及人工智能领域中的自动驾驶、智能交通技术。具体实现方案为:在无人车行驶过程中,获取无人车状态信息和/或环境信息;根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险;根据所述风险对应的控制策略,对所述无人车进行行驶控制。通过上述过程,使得无人车具有风险识别和风险响应能力,这样,即使在没有安全员/驾驶员的情况下,也能保证无人车的安全通行。
Description
技术领域
本申请涉及人工智能领域中的自动驾驶、智能交通技术,尤其涉及一种无人车的行驶控制方法、装置、设备以及自动驾驶车辆。
背景技术
随着自动驾驶技术的发展,自动驾驶车辆逐渐被应用到实际交通中。
目前,在自动驾驶车辆行驶过程中,需要安全员/驾驶员坐在驾驶员座位,观察自动驾驶过程中的风险因素,并在必要时接管自动驾驶车辆,以保障自动驾驶车辆安全通行。
然而,自动驾驶技术的目标是实现无人化的自动驾驶。当去除车内安全员/驾驶员后,如何保证无人化的自动驾驶车辆的安全通行,是亟待解决的问题。
发明内容
本申请提供了一种无人车的行驶控制方法、装置、设备以及自动驾驶车辆。
根据本申请的第一方面,提供了一种无人车的行驶控制方法,包括:
在无人车行驶过程中,获取无人车状态信息和/或环境信息;
根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险;
根据所述风险对应的控制策略,对所述无人车进行行驶控制。
根据本申请的第二方面,提供了一种无人车的行驶控制装置,包括:
获取模块,用于在无人车行驶过程中,获取无人车状态信息和/或环境信息;
识别模块,用于根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险;
控制模块,用于根据所述风险对应的控制策略,对所述无人车进行行驶控制。
根据本申请的第三方面,提供了一种电子设备,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第一方面中任一项所述的方法。
根据本申请的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行第一方面中任一项所述的方法。
根据本申请的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现第一方面中任一项所述的方法。
根据本申请的第六方面,提供了一种自动驾驶车辆,包括如第三方面任一项所述的电子设备。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
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为本申请提供的一种可能的系统架构的示意图;
图2为本申请提供的一种无人车的行驶控制方法的流程示意图;
图3为本申请提供的一种风险-策略模型的示意图;
图4为本申请提供的一种碰撞区域的示意图;
图5为本申请提供的前向碰撞场景的示意图;
图6为本申请提供的一种识别并响应碰撞风险的方法的流程示意图;
图7为本申请提供的一种识别并响应故障风险的方法的流程示意图;
图8为本申请提供的一种识别并响应感知能力风险的方法的流程示意图;
图9为本申请提供的一种识别并响应通行风险的方法的流程示意图;
图10为本申请提供的一种无人车的行驶控制过程的示意图;
图11A为本申请提供的一种无人车的行驶控制装置的结构示意图;
图11B为本申请提供的另一种无人车的行驶控制装置的结构示意图;
图12为本申请提供的一种电子设备的结构示意图。
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。
目前,在自动驾驶车辆行驶过程中,需要安全员/驾驶员坐在驾驶员座位,观察自动驾驶过程中的风险因素,并在必要时接管自动驾驶车辆,以保障自动驾驶车辆安全通行。
然而,自动驾驶技术的目标是实现无人化的自动驾驶。当去除车内安全员/驾驶员后,如何保证无人化的自动驾驶车辆的安全通行,是亟待解决的问题。
本申请提供一种无人车的行驶控制方法、装置、设备以及自动驾驶车辆,应用于人工智能领域中的自动驾驶、智能交通技术,以保证无人车安全通行。
首先结合图1描述本申请实施例可能适用的系统架构。
图1为本申请提供的一种可能的系统架构的示意图。如图1所示,该系统架构包括:无人车和云端服务器。无人车和云端服务器之间通过网络通信连接。网络可以是任何类型的网络,例如,有线或者无线的局域网、广域网、蜂窝网络、卫星网络或其组合。需要说明的是,图1中尽管仅示例了一个无人车。但实际场景中,可以有多个无人车通过网络连接到彼此和/或连接到云端服务器。
云端服务器可以是为无人车提供数据分析、数据存储、远程控制等服务的服务器。
无人车是指可以被配置成处于自动驾驶模式的车辆,无人车无需安全员/驾驶员的干预即可实现自动驾驶。无人车也可以称为无人化的自动驾驶车辆或者无人驾驶车辆。
无人车中可以包括传感器系统。传感器系统包括但不限于:摄像机、全球定位系统(Global Positioning System,GPS)传感器、惯性测量单元(Inertial Measurement Unit,IMU)传感器、雷达、激光雷达。摄像机可以包括静物摄像机和/或视频摄像机,摄像机可以采集无人车所处环境的影像。GPS传感器可以采集无人车的位置信息。IMU传感器可以基于惯性加速度来感知无人车的位置和定向变化。雷达可以利用无线电信号来感知无人车所处环境中的障碍物的位置、速度和/或前进方向等信息。激光雷达可以使用激光来感知无人车所处环境中的障碍物。
无人车基于上述传感器采集的数据,可以感知到周围环境中的道路、障碍物等信息,并根据感知结果控制无人车的转向和速度,从而实现无人车的自动驾驶。
本申请中,无人车在行驶过程中,基于传感器系统中的一个或者多个传感器采集的数据,还可以获取到无人车状态信息和/或环境信息,根据无人车状态信息和/或环境信息,识别出无人车行驶过程中的风险,并根据风险对应的控制策略,对无人车进行行驶控制。由于无人车具有风险识别和风险响应能力,使得在没有安全员/驾驶员的情况下,也能保证无人车的安全通行。
下面结合几个具体的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。
图2为本申请提供的一种无人车的行驶控制方法的流程示意图。本实施例的方法可以由无人车执行。如图2所示,本实施例的方法,包括:
S201:在无人车行驶过程中,获取无人车状态信息和/或环境信息。
其中,无人车状态信息是指能够指示无人车运行状态的信息,包括但不限于:无人车的位置信息、速度信息、运行自检信息等。其中,运行自检信息是指无人车行驶过程中,由自动驾驶系统的自检进程采集的用于表征自动驾驶系统运行情况的信息。
环境信息是指无人车所处的周围环境的信息,包括但不限于:道路信息、道路中的障碍物信息、交通标识信息等。
本实施例中,可以基于无人车中的一个或者多个传感器采集的数据,获取无人车状态信息和/或环境信息。示例性的,可以基于GPS传感器采集的数据获取无人车的位置信息,可以基于雷达采集的数据获取道路中的障碍物信息,可以基于摄像机采集的图像/视频获取道路中的车道信息,等。
S202:根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险。
本实施例中,无人车通过对获取到的无人车状态信息和/或环境信息进行分析处理,可以识别出无人车行驶过程中是否存在风险。
一些可能的实现方式中,风险可以包括安全风险和通行风险。也就是说,S202可以包括下述中的至少一项:
(1)识别所述无人车行驶过程中的安全风险。
(2)识别所述无人车行驶过程中的通行风险。
其中,安全风险是指可能会影响无人车行驶安全性的一系列风险因素。示例性的,安全风险包括但不限于:碰撞风险、故障风险、感知能力风险,等。安全风险会导致无人车以及无人车内的乘客的安全性无法保证。
通行风险是指可能会影响无人车通行性的一系列风险因素。通行风险可能导致无人车的自动驾驶任务无法完成,影响完单率。
S203:根据所述风险对应的控制策略,对所述无人车进行行驶控制。
本实施例中,可以事先针对不同的风险确定对应的控制策略。当识别当无人车存在某种风险时,根据该风险对应的控制策略,对无人车进行行驶控制,以避免对无人车的安全性或者通行性带来影响。
控制策略也可以称为最小风险条件(Minimal Risk Condition,MRC)策略,用于使无人车达到最小风险条件。
可选的,所述控制策略包括但不限于:控制车辆急刹停车、缓刹停车、靠边停车、功能降级等。
其中,急刹和缓刹是相对概念。当刹车导致无人车的减速度大于预设值时,称该刹车为急刹。当刹车导致无人车的减速度小于或者等于预设值时,称该刹车为缓刹。急刹可以使车辆在较短的时间内停止行驶,缓刹停车的时间可以较长,但是缓刹通常不会对乘客体感带来较大的影响。靠边停车是指将车辆停靠在不影响其他车辆通行的区域。功能降级包括但不限于:速度降级、转向降级等。
需要说明的是,针对不同的风险,需要采用不同的控制策略。本实施例对此不作详述,几种可能的实现方式可以参见后续实施例的详细描述。
本实施例提供的无人车的行驶控制方法,包括:在无人车行驶过程中,获取无人车状态信息和/或环境信息;根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险;根据所述风险对应的控制策略,对所述无人车进行行驶控制。通过上述过程,使得无人车具有风险识别和风险响应能力,这样,即使在没有安全员/驾驶员的情况下,也能保证无人车的安全通行。
在上述实施例的基础上,本申请实施例还提供一种风险-策略模型。下面结合图3进行描述。
图3为本申请提供的一种风险-策略模型的示意图。如图3所示,按照风险对无人车的影响力由高到低的顺序,将风险划分为五个等级。
其中,第一级风险为碰撞风险,碰撞风险对应的控制策略为急刹停车。第二级风险为故障风险,故障风险对应的控制策略为急刹停车或者缓刹停车或者靠边停车。第三级风险为通行风险,通行风险对应的控制策略为请求远程协助。第四级风险为感知能力风险。感知能力风险对应的控制策略为功能降级。第五级风险为正常运行,即无发现风险,该情况下,无人车在设计运行区域(Operational Design Domain,ODD)范围内正常行驶。
本实施例将现有技术中的安全员的工作分为安全驾驶、事故预防和风险响应三个动作。这三个动作均可以由无人车的控制策略自动完成。其中,参见图3,模型中的第五级对应的策略相当于上述三个动作中的安全驾驶。模型中的第四级对应的控制策略相当于上述三个动作中的事故预防。模型中的第一级和第二级对应的控制策略相当于上述三个动作中的风险响应。可见,通过该模型中的第一、二、四、五级,可以保证无人车的安全性。
另外,在上述模型的第三级,还增加了远程请求机制,在无人车存在通行风险时,可以通过云端服务器进行远程引导或者远程驾驶来脱困,从而可以保证无人车的通行性。
下面结合几个具体的实施例,分别对图3所示模型中的各种风险的识别过程和响应过程进行具体描述。
一些可能的实现方式中,无人车中部署有主自动驾驶系统(后续简称主系统)和备自动驾驶系统(后续简称备系统)。备系统作为安全冗余系统,当主系统失效时,可以由备系统执行安全策略,以最大程度保证无人车的安全性。本申请提供的无人车的行驶控制方法可以由主系统执行,也可以由备系统执行,还可以由主系统和备系统协同执行,例如主系统和备系统分别执行其中的部分步骤。
根据本申请的实施例,本申请提供了一种识别和响应碰撞风险的方法。其中,本实施例中的碰撞风险包括:前向碰撞风险、后向碰撞风险和侧向碰撞风险。
图4为本申请提供的一种碰撞区域的示意图。如图4所示,将无人车的周围区域划分为前向区域1、前向区域2、前向区域3、侧向区域1、侧向区域2、后向区域1、后向区域2和后向区域3。当无人车的前向区域1-3发生碰撞时称为前向碰撞,当无人车的侧向区域1-2发生碰撞时称为侧向碰撞,当无人车的后向区域1-3发生碰撞时称为后向碰撞。
无论是前向碰撞、后向碰撞还是侧向碰撞都对应有多种可能的碰撞场景。下面以前向碰撞对应的场景为例进行举例说明。
图5为本申请提供的前向碰撞场景的示意图。其中,图5中的(a)示例的是前车(障碍物)急刹的场景,图5中的(b)示例的是前车(障碍物)静止的场景,图5中的(c)示例的是主车(无人车)向右变道的场景,图5中的(d)示例的是主车(无人车)向左变道的场景。上述的四个场景中,当前车(障碍物)与主车(无人车)之间的安全时距不够时,会导致无人车发生前向碰撞。
图5中的(e)示例的是左车(障碍物)切入的场景,图5中的(f)示例的是右车(障碍物)切入的场景,图5中的(g)示例的是对向车(障碍物)左转或者掉头的场景,图5中的(h)示例的是路口左转车(障碍物)切入的场景。上述的四个场景中,当障碍物过近切入时,会导致无人车发生前向碰撞。
图6为本申请提供的一种识别并响应碰撞风险的方法的流程示意图。如图6所示,本实施例的方法,包括:
S601:在无人车行驶过程中,获取无人车状态信息和环境信息,其中,所述无人车状态信息包括:所述无人车的位置信息、速度信息和方向信息中的一种或者多种,所述环境信息包括:第一障碍物的位置信息、速度信息和方向信息中的一种或者多种。
示例性的,当识别前向碰撞风险时,第一障碍物可以是图5中的前车或者切入车。当识别后向碰撞风险时,第一障碍物可以是位于无人车后方或者侧后方的车辆。当识别侧向碰撞风险时,第一障碍物可以是位于无人车侧方的车辆。
S602:根据所述无人车的位置信息、速度信息和方向信息中的一种或者多种,确定所述无人车在预设时间段内的第一轨迹。
其中,第一轨迹指示的是无人车在预设时间段内的行驶轨迹。
S603:根据所述第一障碍物的位置信息、速度信息和方向信息中的一种或者多种,确定所述第一障碍物在所述预设时间段内的第二轨迹。
其中,第二轨迹指示的是第一障碍物在预设时间段内的行驶轨迹。当然,在某些场景中,第一障碍物还可以为静止状态的障碍物。
S604:若所述第一轨迹和所述第二轨迹存在交点,则确定所述无人车行驶过程中存在碰撞风险。
S605:控制所述无人车执行急刹停车操作。
本实施例中,当识别到碰撞风险时,由于外部障碍物的极端行为,无人车持续保障乘客安全性难度很大,因此,在此情况下应立即执行急刹停车动作,以在最小时间段内停止无人车的驾驶,保证无人车以及乘客的安全性。
根据本申请的实施例,本申请提供了一种识别和响应故障风险的方法。下面结合图7进行描述。
图7为本申请提供的一种识别并响应故障风险的方法的流程示意图。如图7所示,本实施例的方法,包括:
S701:在无人车行驶过程中,获取无人车状态信息,所述无人车状态信息包括:所述无人车的自检信息。
本实施例中,无人车的主系统、备系统、车辆底盘模块中均可以运行自检进程。主系统中的自检进程用于采集主系统运行过程中的自检信息,备系统中的自检进程用于采集备系统运行过程中的自检信息,车辆底盘模块中的自检进程用于采集车辆底盘模块运行过程中的自检信息。
其中,自检信息包括但不限于:日志信息、告警信息、提示信息等。
S702:根据所述自检信息,确定所述无人车是否存在预设类型的故障。
示例性的,可以根据主系统的自检信息,确定主系统中是否存在预设类型的故障,例如:软件故障、传感器故障、工控机故障等。其中,主系统的软件故障例如可以包括:心跳检测消失故障、定位结果误差偏大故障等。主系统的传感器故障例如可以包括:GPS信号不足、IMU频率异常、相机成像异常等。主系统的工控机故障例如可以包括:温度异常等。
可以根据备系统的自检信息,确定备系统中是否存在预设类型的故障,例如:软件故障、传感器故障、工控机故障等。备系统的故障与主系统的故障类似,此处不作举例说明。
可以根据车辆底盘模块的自检信息,确定车辆底盘模块中是否存在线控故障、车身消息故障等。其中,底盘模块的线控故障例如可以包括:转向机故障等。车身消息故障例如可以包括:车门未关闭等。
S703:若存在所述预设类型的故障,则确定所述无人车行驶过程中存在故障风险。
S704:获取与所述预设类型的故障对应的停车策略,所述停车策略为下述中的任意一种:急刹停车、缓刹停车、靠边停车。
S705:控制所述无人车执行所述停车策略。
无人车采用主系统和备系统,在无人车的主系统或者备系统发生故障的情况下,由于单一系统无法提供双重安全保障,可以依靠另外一个系统让无人车停止运行。
本实施例中,可以根据不同故障对无人车运行带来的影响严重程度,事先制定不同故障对应的停车策略。示例性的,在发生严重故障的情况下采用急刹停车,以保证车辆在短时间内停止运行。在发生轻微故障的情况下采用缓刹停车,以避免影响乘客体感。在发生普通故障的情况下采用靠边停车,可以将乘客安置在安全的区域内。
根据本申请的实施例,本申请提供了一种识别和响应感知能力风险的方法。下面结合图8进行描述。
图8为本申请提供的一种识别并响应感知能力风险的方法的流程示意图。如图8所示,本实施例的方法,包括:
S801:在无人车行驶过程中,获取无人车状态信息,所述无人车状态信息包括:所述无人车的传感器采集的感知数据。
S802:根据所述感知数据,确定所述传感器的有效感知范围。
S803:若所述有效感知范围小于预设范围,则确定所述无人车行驶过程中存在感知能力风险。
上述预设范围可以是无人车在运行过程中所需要感知的范围,或者说,是传感器额定感知范围。正常情况下,传感器的有效感知范围应当大于或者等于所述预设范围。
一些场景中,当天气情况不佳(例如下雨或者下雪)时,传感器的有效感知范围可能会下降。另一些场景中,当无人车周围存在外部遮挡盲区时,也会导致传感器的感知范围下降。
本实施例中,可以根据传感器采集的感知数据,对传感器的有效感知范围进行检测,当检测出传感器的有效感知范围小于预设范围时,说明传感器感知能力下降。此时,传感器采集的感知数据可能不够准确,因此,确定无人车行驶过程中存在感知能力风险。
S804:根据所述有效感知范围,确定功能降级参数,所述功能降级参数包括速度降级参数和/或转向降级参数。
S805:根据所述功能降级参数,对所述无人车进行行驶控制。
示例性的,当无人车在雾天行驶时,若检测出传感器的有效感知范围下降,则降低无人车的行驶速度,和/或,降低无人车的转向幅度,从而保证无人车行驶安全性。可选的,一些可能的实现方式中,在识别到感知能力风险时,也可以控制无人车靠边停车。
本实施例中,当识别到感知能力风险时,可以对无人车执行功能降级,从而一方面保证乘客体感,另一方面在完成订单的目标下维持自动驾驶,能够达到事故预防的效果。
上述图6至图8所示的实施例中,无人车在行驶过程中,可以自动识别安全风险,并对安全风险进行响应,从而保证无人车行驶的安全性。
根据本申请的实施例,本申请提供了一种识别和响应通行风险的方法。该方法适用于无人车被长时间堵塞而根据自身能力无法脱困的场景。
举例而言,开放道路上常见的阻塞原因包括:前方违规停车、前方临时修路等。一些场景中,无人车所在车道以及无人车所在车道的同向车道可能都被占用。该场景下,仅能通过违反交通法规的方式借对向车道通行。此类行为对人类驾驶员来讲容忍程度较高,但对自动驾驶车辆而言,为自动驾驶车辆设计潜在违规的行驶策略是不可接受的。因此,本实施例中,在识别到通行风险时,无人车可以请求云端服务器进行远程协助,以使云端的工作人员可以协助无人车脱困以完成通行。下面结合图9进行描述。
图9为本申请提供的一种识别并响应通行风险的方法的流程示意图。如图9所示,本实施例的方法,包括:
S901:在无人车行驶过程中,无人车获取环境信息。
示例性的,环境信息可以包括道路的通行信息,例如道路的各车道是否存在障碍物、是否发生拥堵等。
S902:若所述环境信息指示所述无人车所在车道以及所述无人车所在车道的同向车道存在第二障碍物,则确定所述无人车行驶过程中存在通行风险。
也就是说,当检查到无人车所在车道以及无人车所在车道的同向车道都被第二障碍物占用,导致无人车长时间堵塞无法通行时,识别到无人车存在通行风险。
S903:无人车向云端服务器发送介入请求。
所述介入请求用于请求云端服务器协助无人车脱困,具体的,协助无人车借对向车道绕过第二障碍物。可选的,所述介入请求可以包括所述环境信息,以使云端服务器可以根据所述环境信息对无人车进行协助。
S904:云端服务器根据介入请求,确定协助方式为远程引导或者远程驾驶。
其中,远程引导方式是指:云端服务器向无人车下发引导指令,由无人车执行引导指令。该方式中,云端服务器并不直接控制无人车,而是间接控制无人车。
远程驾驶方式是指:云端服务器直接控制无人车,或者说,云端服务器直接驾驶无人车。远程驾驶也可以称为平行驾驶。该方式中,通常由云端服务器的工作人员实现对无人车的远程驾驶。
当云端服务器采用的协助方式为远程引导时,执行下述的S905和S06。当云端服务器采用的协助方式为远程驾驶时,执行下述的S907和S908。
S905:云端服务器向无人车发送远程引导指令。
S906:无人车根据远程引导指令控制无人车从第二车道绕过所述第二障碍物。
S907:云端服务器向无人车发送远程驾驶指令。
S908:无人车停止对无人车的控制,以在云端服务器的控制下从第二车道绕过所述第二障碍物。
本实施例中,无人车识别到通行风险时,请求云端服务器介入,使得云端服务器可以协助无人车脱困以完成驾驶任务,保证了无人车的通行性。
在上述任意实施例的基础上,下面结合一个具体的示例对无人车的行驶控制过程进行描述。
图10为本申请提供的一种无人车的行驶控制过程的示意图。如图10所示,该示例中,无人车中部署有主系统和备系统,主系统用于完成自动驾驶任务,备系统作为安全冗余系统。自动驾驶任务启动后,主系统或者备系统执行本实施例的方法以对风险进行识别。当主系统或者备系统识别到风险(包括安全风险和通行风险)时,主系统进入备用状态,备系统接管无人车。
具体的,当识别到的风险为安全风险(碰撞风险、故障风险、感知能力风险)时,备系统接管无人车并执行相应的控制策略,以使无人车进入安全状态。
当识别到的风险为通行风险时,备系统接管无人车后,向云端服务器发送介入请求,云端服务器对无人车实施远程引导或者远程驾驶,协助无人车脱困以实现通行。
可选的,如图10所示,在一些场景中,在识别到的风险为安全风险的情况下,备系统接管无人车并执行相应的控制策略,使无人车进入安全状态后,若无人车还存在通行风险,则也可以请求云端服务器协助,以恢复通行。
当无人车恢复通行后,主系统恢复接管无人车,并继续执行驾驶任务。
通过上述过程,使得无人车具有风险识别和风险响应能力,这样,即使在没有安全员/驾驶员的情况下,也能保证无人车的安全通行。
图11A为本申请提供的一种无人车的行驶控制装置的结构示意图,本实施例的装置可以为软件和/或硬件的形式。如图11A所示,本实施例提供的无人车的行驶控制装置1100包括:获取模块1101、识别模块1102和控制模块1103。
其中,获取模块1101,用于在无人车行驶过程中,获取无人车状态信息和/或环境信息;
识别模块1102,用于根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险;
控制模块1103,用于根据所述风险对应的控制策略,对所述无人车进行行驶控制。
本实施例的装置,可用于执行上述图2所示实施例的无人车的行驶控制方法,其实现原理和技术效果类似,此处不作赘述。
图11B为本申请提供的另一种无人车的行驶控制装置的结构示意图。在图11A所示实施例的基础上,如图11B所示,本实施例提供的无人车的行驶控制装置1100中,识别模块1102可以包括第一识别单元11021和第二识别单元11022。
一种可能的实现方式中,所述第一识别单元11021用于根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的安全风险。
一种可能的实现方式中,所述无人车状态信息包括:所述无人车的位置信息、速度信息和方向信息中的一种或者多种;所述环境信息包括:第一障碍物的位置信息、速度信息和方向信息中的一种或者多种;
所述第一识别单元11021具体用于:
根据所述无人车的位置信息、速度信息和方向信息中的一种或者多种,确定所述无人车在预设时间段内的第一轨迹;
根据所述第一障碍物的位置信息、速度信息和方向信息中的一种或者多种,确定所述第一障碍物在所述预设时间段内的第二轨迹;
若所述第一轨迹和所述第二轨迹存在交点,则确定所述无人车行驶过程中存在碰撞风险。
一种可能的实现方式中,所述控制模块1103具体用于控制所述无人车执行急刹停车操作。
一种可能的实现方式中,所述无人车状态信息包括所述无人车的自检信息;所述第一识别单元11021具体用于:
根据所述自检信息,确定所述无人车是否存在预设类型的故障;
若存在所述预设类型的故障,则确定所述无人车行驶过程中存在故障风险。
一种可能的实现方式中,所述控制模块1103具体用于:
获取与所述预设类型的故障对应的停车策略,所述停车策略为下述中的任意一种:急刹停车、缓刹停车、靠边停车;
控制所述无人车执行所述停车策略。
一种可能的实现方式中,所述无人车状态信息包括:所述无人车的传感器采集的感知数据;所述第一识别单元11021具体用于:
根据所述感知数据,确定所述传感器的有效感知范围;
若所述有效感知范围小于预设范围,则确定所述无人车行驶过程中存在感知能力风险。
一种可能的实现方式中,所述控制模块1103具体用于:
根据所述有效感知范围,确定功能降级参数,所述功能降级参数包括速度降级参数和/或转向降级参数;
根据所述功能降级参数,对所述无人车进行行驶控制。
一种可能的实现方式中,所述第二识别单元11022用于:
根据所述环境信息,识别所述无人车行驶过程中的通行风险。
一种可能的实现方式中,所述第二识别单元11022具体用于:
若所述环境信息指示所述无人车所在车道以及所述无人车所在车道的同向车道存在第二障碍物,则确定所述无人车行驶过程中存在通行风险。
一种可能的实现方式中,所述控制模块1103具体用于:
向云端服务器发送介入请求;
从所述云端服务器接收远程引导指令,并根据所述远程引导指令控制所述无人车从第二车道绕过所述第二障碍物;或者,
从所述云端服务器接收远程驾驶指令,并停止对所述无人车的控制,以在所述云端服务器的控制下从所述第二车道绕过所述第二障碍物;
其中,所述第二车道包括:所述无人车所在车道的对向车道。
本实施例提供的装置,可用于执行上述任意方法实施例的技术方案,其实现原理和技术效果类似,此处不作赘述。
根据本申请的实施例,本申请还提供了一种电子设备,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上述任一实施例提供的方案。
根据本申请的实施例,本申请还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述任一实施例提供的方案。
根据本申请的实施例,本申请还提供了一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图12示出了可以用来实施本申请的实施例的示例电子设备1200的示意性框图。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12所示,电子设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储设备操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理,例如无人车的行驶控制方法。例如,在一些实施例中,无人车的行驶控制方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的无人车的行驶控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行无人车的行驶控制方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,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。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
根据本申请的实施例,本申请还提供一种自动驾驶车辆,该自动驾驶车辆中包括电子设备,电子设备可以采用上述实施例中的电子设备。举例而言,该电子设备可以包括: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,以执行上述实施例中的无人车的行驶控制方法。该自动驾驶车辆可以作为上述实施例中的无人车。
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 (26)
1.一种无人车的行驶控制方法,包括:
在无人车行驶过程中,获取无人车状态信息和/或环境信息;
根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险;
根据所述风险对应的控制策略,对所述无人车进行行驶控制。
2.根据权利要求1所述的方法,其中,根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险,包括:
根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的安全风险。
3.根据权利要求2所述的方法,其中,所述无人车状态信息包括:所述无人车的位置信息、速度信息和方向信息中的一种或者多种;所述环境信息包括:第一障碍物的位置信息、速度信息和方向信息中的一种或者多种;
根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的安全风险,包括:
根据所述无人车的位置信息、速度信息和方向信息中的一种或者多种,确定所述无人车在预设时间段内的第一轨迹;
根据所述第一障碍物的位置信息、速度信息和方向信息中的一种或者多种,确定所述第一障碍物在所述预设时间段内的第二轨迹;
若所述第一轨迹和所述第二轨迹存在交点,则确定所述无人车行驶过程中存在碰撞风险。
4.根据权利要求3所述的方法,其中,根据所述风险对应的控制策略,对所述无人车进行行驶控制,包括:
控制所述无人车执行急刹停车操作。
5.根据权利要求2所述的方法,其中,所述无人车状态信息包括所述无人车的自检信息;根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的安全风险,包括:
根据所述自检信息,确定所述无人车是否存在预设类型的故障;
若存在所述预设类型的故障,则确定所述无人车行驶过程中存在故障风险。
6.根据权利要求5所述的方法,其中,根据所述风险对应的控制策略,对所述无人车进行行驶控制,包括:
获取与所述预设类型的故障对应的停车策略,所述停车策略为下述中的任意一种:急刹停车、缓刹停车、靠边停车;
控制所述无人车执行所述停车策略。
7.根据权利要求2所述的方法,其中,所述无人车状态信息包括:所述无人车的传感器采集的感知数据;根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的安全风险,包括:
根据所述感知数据,确定所述传感器的有效感知范围;
若所述有效感知范围小于预设范围,则确定所述无人车行驶过程中存在感知能力风险。
8.根据权利要求7所述的方法,其中,根据所述风险对应的控制策略,对所述无人车进行行驶控制,包括:
根据所述有效感知范围,确定功能降级参数,所述功能降级参数包括速度降级参数和/或转向降级参数;
根据所述功能降级参数,对所述无人车进行行驶控制。
9.根据权利要求1所述的方法,其中,根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险,包括:
根据所述环境信息,识别所述无人车行驶过程中的通行风险。
10.根据权利要求9所述的方法,其中,根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的通行风险,包括:
若所述环境信息指示所述无人车所在车道以及所述无人车所在车道的同向车道存在第二障碍物,则确定所述无人车行驶过程中存在通行风险。
11.根据权利要求10所述的方法,其中,根据所述风险对应的控制策略,对所述无人车进行行驶控制,包括:
向云端服务器发送介入请求;
从所述云端服务器接收远程引导指令,并根据所述远程引导指令控制所述无人车从第二车道绕过所述第二障碍物;或者,
从所述云端服务器接收远程驾驶指令,并停止对所述无人车的控制,以在所述云端服务器的控制下从所述第二车道绕过所述第二障碍物;
其中,所述第二车道包括:所述无人车所在车道的对向车道。
12.一种无人车的行驶控制装置,包括:
获取模块,用于在无人车行驶过程中,获取无人车状态信息和/或环境信息;
识别模块,用于根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的风险;
控制模块,用于根据所述风险对应的控制策略,对所述无人车进行行驶控制。
13.根据权利要求12所述的装置,其中,所述识别模块包括第一识别单元;
所述第一识别单元用于根据所述无人车状态信息和/或环境信息,识别所述无人车行驶过程中的安全风险。
14.根据权利要求13所述的装置,其中,所述无人车状态信息包括:所述无人车的位置信息、速度信息和方向信息中的一种或者多种;所述环境信息包括:第一障碍物的位置信息、速度信息和方向信息中的一种或者多种;
所述第一识别单元具体用于:
根据所述无人车的位置信息、速度信息和方向信息中的一种或者多种,确定所述无人车在预设时间段内的第一轨迹;
根据所述第一障碍物的位置信息、速度信息和方向信息中的一种或者多种,确定所述第一障碍物在所述预设时间段内的第二轨迹;
若所述第一轨迹和所述第二轨迹存在交点,则确定所述无人车行驶过程中存在碰撞风险。
15.根据权利要求14所述的装置,其中,所述控制模块具体用于:
控制所述无人车执行急刹停车操作。
16.根据权利要求13所述的装置,其中,所述无人车状态信息包括所述无人车的自检信息;所述第一识别单元具体用于:
根据所述自检信息,确定所述无人车是否存在预设类型的故障;
若存在所述预设类型的故障,则确定所述无人车行驶过程中存在故障风险。
17.根据权利要求16所述的装置,其中,所述控制模块具体用于:
获取与所述预设类型的故障对应的停车策略,所述停车策略为下述中的任意一种:急刹停车、缓刹停车、靠边停车;
控制所述无人车执行所述停车策略。
18.根据权利要求13所述的装置,其中,所述无人车状态信息包括:所述无人车的传感器采集的感知数据;所述第一识别单元具体用于:
根据所述感知数据,确定所述传感器的有效感知范围;
若所述有效感知范围小于预设范围,则确定所述无人车行驶过程中存在感知能力风险。
19.根据权利要求18所述的装置,其中,所述控制模块具体用于:
根据所述有效感知范围,确定功能降级参数,所述功能降级参数包括速度降级参数和/或转向降级参数;
根据所述功能降级参数,对所述无人车进行行驶控制。
20.根据权利要求12所述的装置,其中,所述识别模块包括第二识别单元;所述第二识别单元用于:
根据所述环境信息,识别所述无人车行驶过程中的通行风险。
21.根据权利要求20所述的装置,其中,所述第二识别单元具体用于:
若所述环境信息指示所述无人车所在车道以及所述无人车所在车道的同向车道存在第二障碍物,则确定所述无人车行驶过程中存在通行风险。
22.根据权利要求21所述的装置,其中,所述控制模块具体用于:
向云端服务器发送介入请求;
从所述云端服务器接收远程引导指令,并根据所述远程引导指令控制所述无人车从第二车道绕过所述第二障碍物;或者,
从所述云端服务器接收远程驾驶指令,并停止对所述无人车的控制,以在所述云端服务器的控制下从所述第二车道绕过所述第二障碍物;
其中,所述第二车道包括:所述无人车所在车道的对向车道。
23.一种电子设备,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至11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1至11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至11中任一项所述的方法。
26.一种自动驾驶车辆,包括:如权利要求23所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011527236.2A CN112622930A (zh) | 2020-12-22 | 2020-12-22 | 无人车的行驶控制方法、装置、设备以及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011527236.2A CN112622930A (zh) | 2020-12-22 | 2020-12-22 | 无人车的行驶控制方法、装置、设备以及自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112622930A true CN112622930A (zh) | 2021-04-09 |
Family
ID=75320925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011527236.2A Pending CN112622930A (zh) | 2020-12-22 | 2020-12-22 | 无人车的行驶控制方法、装置、设备以及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112622930A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113183978A (zh) * | 2021-06-01 | 2021-07-30 | 西安主函数智能科技有限公司 | 自动驾驶工程车线控系统故障诊断方法和安全保护方法 |
CN113240924A (zh) * | 2021-06-22 | 2021-08-10 | 新石器慧通(北京)科技有限公司 | 车辆远程监控信息处理方法、装置、电子设备及存储介质 |
CN113370721A (zh) * | 2021-07-29 | 2021-09-10 | 中国人民解放军国防科技大学 | 三轴无人车应对野外特种任务的控制策略及系统 |
CN113655790A (zh) * | 2021-08-05 | 2021-11-16 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、装置、设备、存储介质及程序产品 |
CN113963560A (zh) * | 2021-10-19 | 2022-01-21 | 阿波罗智能技术(北京)有限公司 | 控制自动驾驶车辆的方法、装置、车辆及云端服务器 |
CN114153203A (zh) * | 2021-11-08 | 2022-03-08 | 北京三快在线科技有限公司 | 一种无人设备控制方法、装置、设备及存储介质 |
CN114248806A (zh) * | 2022-01-13 | 2022-03-29 | 云控智行科技有限公司 | 一种无人车驾驶控制方法、装置及电子设备 |
CN114283601A (zh) * | 2021-12-23 | 2022-04-05 | 深圳创维-Rgb电子有限公司 | 车辆驾驶方法、系统、电视机以及存储介质 |
CN114379585A (zh) * | 2021-12-24 | 2022-04-22 | 阿波罗智联(北京)科技有限公司 | 显示车辆信息的方法、装置、设备以及存储介质 |
CN114394051A (zh) * | 2022-02-28 | 2022-04-26 | 东风商用车有限公司 | 一种车辆间接视野的提供方法及系统 |
CN114545812A (zh) * | 2021-12-15 | 2022-05-27 | 株式会社Iat | 一种远程驾驶车辆方法以及系统 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105346483A (zh) * | 2015-11-04 | 2016-02-24 | 常州加美科技有限公司 | 一种无人驾驶车辆的人机交互系统 |
CN105719362A (zh) * | 2016-01-05 | 2016-06-29 | 常州加美科技有限公司 | 一种无人驾驶车辆的备用电脑、车用黑匣子和车门锁 |
CN107329482A (zh) * | 2017-09-04 | 2017-11-07 | 苏州驾驶宝智能科技有限公司 | 自动驾驶车人机协同驾驶方法 |
CN107862287A (zh) * | 2017-11-08 | 2018-03-30 | 吉林大学 | 一种前方小区域物体识别及车辆预警方法 |
CN109249873A (zh) * | 2018-11-12 | 2019-01-22 | 天津清智科技有限公司 | 一种无人驾驶车辆底盘系统与备份控制方法 |
CN109334590A (zh) * | 2018-08-31 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 无人驾驶汽车底盘控制方法、装置、设备及存储介质 |
CN109557925A (zh) * | 2018-12-29 | 2019-04-02 | 北京智行者科技有限公司 | 自动驾驶车辆障碍物避让方法及装置 |
CN109835328A (zh) * | 2019-02-22 | 2019-06-04 | 清华大学 | 智能网联汽车行驶控制方法及系统 |
CN109855639A (zh) * | 2019-01-15 | 2019-06-07 | 天津大学 | 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法 |
CN109917779A (zh) * | 2019-03-26 | 2019-06-21 | 中国第一汽车股份有限公司 | 面向l3自动驾驶的冗余控制系统 |
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 |
CN209191847U (zh) * | 2018-11-12 | 2019-08-02 | 天津清智科技有限公司 | 一种无人驾驶车辆底盘系统 |
CN110316117A (zh) * | 2019-05-31 | 2019-10-11 | 惠州市德赛西威汽车电子股份有限公司 | 一种机动车能见度识别方法及装置 |
CN110816443A (zh) * | 2020-01-13 | 2020-02-21 | 中智行科技有限公司 | 车辆监测方法、装置以及无人驾驶车辆 |
CN111309034A (zh) * | 2020-04-17 | 2020-06-19 | 天津清智科技有限公司 | 一种循迹自动驾驶系统及控制方法 |
CN111559248A (zh) * | 2020-05-15 | 2020-08-21 | 中国重汽集团济南动力有限公司 | 一种基于安全的自动驾驶纯电动客车控制系统及方法 |
CN111587407A (zh) * | 2017-11-10 | 2020-08-25 | 辉达公司 | 用于安全且可靠的自主车辆的系统和方法 |
CN111785020A (zh) * | 2020-06-23 | 2020-10-16 | 江苏鼎观智能科技有限公司 | 一种自动行驶观光车控制方法及系统 |
CN111874001A (zh) * | 2020-06-09 | 2020-11-03 | 北京百度网讯科技有限公司 | 自动驾驶汽车的安全控制方法、电子设备及存储介质 |
CN111880445A (zh) * | 2020-07-16 | 2020-11-03 | 得威科技(浙江)有限公司 | 网联远程实景驾驶控制系统 |
-
2020
- 2020-12-22 CN CN202011527236.2A patent/CN112622930A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105346483A (zh) * | 2015-11-04 | 2016-02-24 | 常州加美科技有限公司 | 一种无人驾驶车辆的人机交互系统 |
CN105719362A (zh) * | 2016-01-05 | 2016-06-29 | 常州加美科技有限公司 | 一种无人驾驶车辆的备用电脑、车用黑匣子和车门锁 |
CN107329482A (zh) * | 2017-09-04 | 2017-11-07 | 苏州驾驶宝智能科技有限公司 | 自动驾驶车人机协同驾驶方法 |
CN107862287A (zh) * | 2017-11-08 | 2018-03-30 | 吉林大学 | 一种前方小区域物体识别及车辆预警方法 |
CN111587407A (zh) * | 2017-11-10 | 2020-08-25 | 辉达公司 | 用于安全且可靠的自主车辆的系统和方法 |
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 |
CN109334590A (zh) * | 2018-08-31 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 无人驾驶汽车底盘控制方法、装置、设备及存储介质 |
CN209191847U (zh) * | 2018-11-12 | 2019-08-02 | 天津清智科技有限公司 | 一种无人驾驶车辆底盘系统 |
CN109249873A (zh) * | 2018-11-12 | 2019-01-22 | 天津清智科技有限公司 | 一种无人驾驶车辆底盘系统与备份控制方法 |
CN109557925A (zh) * | 2018-12-29 | 2019-04-02 | 北京智行者科技有限公司 | 自动驾驶车辆障碍物避让方法及装置 |
CN109855639A (zh) * | 2019-01-15 | 2019-06-07 | 天津大学 | 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法 |
CN109835328A (zh) * | 2019-02-22 | 2019-06-04 | 清华大学 | 智能网联汽车行驶控制方法及系统 |
CN109917779A (zh) * | 2019-03-26 | 2019-06-21 | 中国第一汽车股份有限公司 | 面向l3自动驾驶的冗余控制系统 |
CN110316117A (zh) * | 2019-05-31 | 2019-10-11 | 惠州市德赛西威汽车电子股份有限公司 | 一种机动车能见度识别方法及装置 |
CN110816443A (zh) * | 2020-01-13 | 2020-02-21 | 中智行科技有限公司 | 车辆监测方法、装置以及无人驾驶车辆 |
CN111309034A (zh) * | 2020-04-17 | 2020-06-19 | 天津清智科技有限公司 | 一种循迹自动驾驶系统及控制方法 |
CN111559248A (zh) * | 2020-05-15 | 2020-08-21 | 中国重汽集团济南动力有限公司 | 一种基于安全的自动驾驶纯电动客车控制系统及方法 |
CN111874001A (zh) * | 2020-06-09 | 2020-11-03 | 北京百度网讯科技有限公司 | 自动驾驶汽车的安全控制方法、电子设备及存储介质 |
CN111785020A (zh) * | 2020-06-23 | 2020-10-16 | 江苏鼎观智能科技有限公司 | 一种自动行驶观光车控制方法及系统 |
CN111880445A (zh) * | 2020-07-16 | 2020-11-03 | 得威科技(浙江)有限公司 | 网联远程实景驾驶控制系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113183978A (zh) * | 2021-06-01 | 2021-07-30 | 西安主函数智能科技有限公司 | 自动驾驶工程车线控系统故障诊断方法和安全保护方法 |
CN113240924A (zh) * | 2021-06-22 | 2021-08-10 | 新石器慧通(北京)科技有限公司 | 车辆远程监控信息处理方法、装置、电子设备及存储介质 |
CN113370721A (zh) * | 2021-07-29 | 2021-09-10 | 中国人民解放军国防科技大学 | 三轴无人车应对野外特种任务的控制策略及系统 |
CN113655790A (zh) * | 2021-08-05 | 2021-11-16 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、装置、设备、存储介质及程序产品 |
CN113963560A (zh) * | 2021-10-19 | 2022-01-21 | 阿波罗智能技术(北京)有限公司 | 控制自动驾驶车辆的方法、装置、车辆及云端服务器 |
CN114153203A (zh) * | 2021-11-08 | 2022-03-08 | 北京三快在线科技有限公司 | 一种无人设备控制方法、装置、设备及存储介质 |
CN114545812A (zh) * | 2021-12-15 | 2022-05-27 | 株式会社Iat | 一种远程驾驶车辆方法以及系统 |
CN114283601A (zh) * | 2021-12-23 | 2022-04-05 | 深圳创维-Rgb电子有限公司 | 车辆驾驶方法、系统、电视机以及存储介质 |
CN114379585A (zh) * | 2021-12-24 | 2022-04-22 | 阿波罗智联(北京)科技有限公司 | 显示车辆信息的方法、装置、设备以及存储介质 |
CN114248806A (zh) * | 2022-01-13 | 2022-03-29 | 云控智行科技有限公司 | 一种无人车驾驶控制方法、装置及电子设备 |
CN114394051A (zh) * | 2022-02-28 | 2022-04-26 | 东风商用车有限公司 | 一种车辆间接视野的提供方法及系统 |
CN114394051B (zh) * | 2022-02-28 | 2023-11-10 | 东风商用车有限公司 | 一种车辆间接视野的提供方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112622930A (zh) | 无人车的行驶控制方法、装置、设备以及自动驾驶车辆 | |
CN109606385B (zh) | 一种基于自动驾驶的车辆控制方法、装置、设备和介质 | |
CN111874001B (zh) | 自动驾驶汽车的安全控制方法、电子设备及存储介质 | |
DE102020118412A9 (de) | Unabhängige sicherheitsüberwachung eines automatisierten fahrsystems | |
CN112712719B (zh) | 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆 | |
CN108137054B (zh) | 传感器测量数据的替换 | |
CN107505944B (zh) | 一种用于对车辆进行远程协助的方法与设备 | |
US20200074769A1 (en) | Vehicle Fault Handling Method, Apparatus, Device and Storage Medium | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
CN113501009B (zh) | 远程控制自动驾驶车辆的方法及装置和电子设备 | |
CN110682876B (zh) | 车辆自动驾驶方法、系统、存储介质及自动驾驶汽车 | |
EP3232285B1 (en) | Method and arrangement for monitoring and adapting the performance of a fusion system of an autonomous vehicle | |
US20190389455A1 (en) | Blended autonomous driving system | |
EP3577528B1 (en) | Enabling remote control of a vehicle | |
US11724708B2 (en) | Fail-safe handling system for autonomous driving vehicle | |
MX2015002104A (es) | Tratamiento de fallas en un vehiculo autonomo. | |
CN113619576A (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
CN113635911B (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
CN112469610A (zh) | 用于在车辆的自动化驾驶过程中支持驾驶员的注意力和/或驾驶就绪性的方法和设备 | |
CN113734201B (zh) | 车辆冗余控制方法、装置、电子设备及介质 | |
US11292463B2 (en) | Determination of a control signal for an in-part-autonomous vehicle | |
CN114265303A (zh) | 一种自动驾驶控制系统及车辆 | |
CN113895450A (zh) | 一种无人驾驶车辆感知系统安全冗余系统及控制方法 | |
CN111731240A (zh) | 急刹车合理性评估方法、装置、设备以及存储介质 | |
US20200342758A1 (en) | Drive assistance device, drive assistance method, and recording medium in which drive assistance program is stored |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |