CN112744226A - 基于驾驶环境感知的自动驾驶智能自适应方法及系统 - Google Patents

基于驾驶环境感知的自动驾驶智能自适应方法及系统 Download PDF

Info

Publication number
CN112744226A
CN112744226A CN202110063083.9A CN202110063083A CN112744226A CN 112744226 A CN112744226 A CN 112744226A CN 202110063083 A CN202110063083 A CN 202110063083A CN 112744226 A CN112744226 A CN 112744226A
Authority
CN
China
Prior art keywords
driving
vehicle
perception
intelligent
environment
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
Application number
CN202110063083.9A
Other languages
English (en)
Inventor
尚进
於大维
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.)
Guoqi Intelligent Control Beijing Technology Co Ltd
Original Assignee
Guoqi Intelligent Control Beijing 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 Guoqi Intelligent Control Beijing Technology Co Ltd filed Critical Guoqi Intelligent Control Beijing Technology Co Ltd
Priority to CN202110063083.9A priority Critical patent/CN112744226A/zh
Publication of CN112744226A publication Critical patent/CN112744226A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于驾驶环境感知的自动驾驶智能自适应方法及系统，通过构建基于多层次、多维度的态势环境感知模型，能够对于不同的驾驶场景，环境，路况和车辆自身状态有持续的态势感知，在此基础上微服务驾驶规则库生成自动驾驶决策逻辑，实时对不同级别的传感器、算法组合和功能组件、进行动态编排组合和运行切换，可以起到更加精确的感知环境和车辆的状态，从而更加有效进行自动驾驶的指导，节约系统的计算资源，增加了续航能力，从而达到舒适安全的驾驶。

Description

基于驾驶环境感知的自动驾驶智能自适应方法及系统
技术领域
本发明涉及智能汽车技术领域，具体涉及一种基于驾驶环境感知的自动驾驶智能自适应方法及系统。
背景技术
随着技术的发展，智能汽车智能化的程度越来越高，智能汽车给人们带来便利和驾驶体验的同时，汽车安全性的问题越显突出。现有中自动驾驶系统传感器配置相应的算法计算组合是针对不同类型的车辆做预制的定制设计，适配和调试，其对算力和系统计算资源要求基本上也是固定，不随实际驾驶场景而有太大变化，然而对于不同的驾驶场景，比如封闭高速、停车场、山路或是城市交通环境，以及对于不同的驾驶环境、天气，对于自动驾驶相应的感知规划控制要求是不一样的，因此会造成自动驾驶体验比较差以及系统资源浪费和续航能力减退的情况。
发明内容
因此，本发明提供一种基于驾驶环境感知的自动驾驶智能自适应方法及系统，克服现有技术中的自动驾驶系统对同一种车型的感知规划控制比较固定，会造成自动驾驶体验比较差以及系统资源浪费的缺陷。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明实施例提供一种基于驾驶环境感知的自动驾驶智能自适应方法，包括:
通过构建基于多层次、多维度的态势环境感知模型来感知车辆驾驶环境信息；
基于感知车辆驾驶环境信息，利用微服务驾驶规则库生成自动驾驶决策逻辑；
根据生成的决策逻辑，对不同级别的传感器、算法和功能组件进行动态调整编排组合和运行切换，对车辆进行自动驾驶指导。
优选地，所述态势环境感知模型包括：环境感知模型、车辆感知模型和驾驶员意图感知模型，其中，
基于路况、天气、交通信息构建环境感知模型；
基于车辆自身状态信息构建自身状态信息模型，以及车辆在行驶过程中状态信息构建车辆运动模型，自身状态信息模型和车辆运动模型组成车辆感知模型；
根据驾驶员在一定时序内的驾驶方式、动作及意图建立的驾驶员意图感知模型。
优选地，根据不同的驾驶场景制定所述微服务驾驶规则库，基于所述微服务驾驶规则库生成自动驾驶决策逻辑。
优选地，微服务驾驶规则库根据驾驶需求或按预设时间周期进行升级。
优选地，所述微服务驾驶规则库基于车辆驾驶环境信息，以自动驾驶精度高和/或算力最小为原则生成自动驾驶决策逻辑。
第二方面，本发明实施例提供一种基于驾驶环境感知的自动驾驶智能自适应系统，包括：
态势感知系统，用于基于多层次、多维度的态势环境感知模型来感知车辆驾驶环境信息；
智能专家系统，用于根据态势感知系统感知的感知车辆驾驶环境信息，生成自动驾驶决策逻辑；
动态执行系统，用于根据智能专家系统生成的决策逻辑，对不同级别的传感器、算法和功能组件进行动态调整编排组合和运行切换，对车辆进行自动驾驶指导。
优选地，所述基于驾驶环境感知的自动驾驶智能自适应系统监控和人机交互系统，还包括：监控和人机交互系统，持续监控车辆和自动驾驶系统各个模块的运行状态，以及人机交互信息提示和报警提示。
第三方面，本发明实施例提供一种计算机设备，包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行本发明实施例第一方面的基于驾驶环境感知的自动驾驶智能自适应方法。
第四方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行本发明实施例第一方面的基于驾驶环境感知的自动驾驶智能自适应方法。
本发明技术方案，具有如下优点：
1.本发明提供的基于驾驶环境感知的自动驾驶智能自适应方法及系统，通过构建基于多层次、多维度的态势环境感知模型，能够对于不同的驾驶场景，环境，路况和车辆自身状态有持续的态势感知，在此基础上微服务驾驶规则库生成自动驾驶决策逻辑，实时对不同级别的传感器、算法组合和功能组件、进行动态编排组合和运行切换，可以起到更加精确的感知环境和车辆的状态，从而更加有效进行自动驾驶的指导，节约系统的计算资源，增加了续航能力，从而达到舒适安全的驾驶。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
图1为本发明实施例1中基于驾驶环境感知的自动驾驶智能自适应方法的一个具体示例的流程图；
图2为本发明实施例中提供的逻辑执行示意图；
图3为本发明实施例驾驶环境感知的自动驾驶智能自适应系统的一个具体示例的原理框图；
图4为本发明实施例驾驶环境感知的自动驾驶智能自适应系统的领另一个具体示例的原理框图；
图5为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种的基于驾驶环境感知的自动驾驶智能自适应方法，基于多传感器组合和冗余配置、可插扩的组件式自驾操作系统、算法和功能组件化和接口的规整化，以及多算法插件的冗余结构和同类算法组件对于性能和算力的匹配，如图1所示，包括:
步骤S1:通过构建基于多层次、多维度的态势环境感知模型来感知车辆驾驶环境信息。
本发明实施例中，态势环境感知模型包括：环境感知模型、车辆感知模型和驾驶员意图感知模型，其中，基于路况、天气、交通信息构建环境感知模型；基于车辆自身状态信息构建自身状态信息模型，以及车辆在行驶过程中状态信息构建车辆运动模型(例如是Egovehicle的自身状态模型以及车辆运动模型)，自身状态信息模型和车辆运动模型组成车辆感知模型；根据驾驶员在一定时序内的驾驶方式、动作及意图建立的驾驶员意图感知模型，各个感知模型可以采取同场景下的多种数据训练深度学习模型得到，在此不作具体限制，通过多层次、多维度的态势环境感知可以更加准确的为智能自动驾驶提供更加全面的数据基础。
步骤S2:基于感知车辆驾驶环境信息，利用微服务驾驶规则库生成自动驾驶决策逻辑。
本发明实施例中，根据不同的驾驶场景制定所述微服务驾驶规则库，基于所述微服务驾驶规则库生成自动驾驶决策逻辑。具体地，微服务驾驶规则库基于车辆驾驶环境信息，以自动驾驶精度高和/或算力最小为原则生成自动驾驶决策逻辑，实际中根据车辆行驶的具体情况确定。实际中微服务驾驶规则库根据驾驶需求或按预设时间周期进行升级，使得自动驾驶系统实用性更强。
步骤S3:根据生成的决策逻辑，对不同级别的传感器、算法和功能组件进行动态调整编排组合和运行切换，对车辆进行自动驾驶指导。
在一具体实施例中，如图2所示的为一个较为简单的执行逻辑示意图，在感知当前时间、路况、天气、速度、驾驶状态等的基础上根据微服务驾驶规则库中规则调用对应的传感器及算法功能组件组合的过程，仅作为举例，不以此为限。
本发明实施例中，利用智能专家系统生成的决策逻辑对实时动态编排组合和使用不同级别的传感器组合，算法组合和功能组件的组合可以起到更加精确的感知环境和车辆的状态，从而更加有效进行自动驾驶的指导，节约系统的计算资源，增加了续航能力，从而达到舒适安全的驾驶。
实施例2
本发明实施例提供一种基于驾驶环境感知的自动驾驶智能自适应系统，如图3所示，包括：
态势感知系统1，用于基于多层次、多维度的态势环境感知模型来感知车辆驾驶环境信息；态势环境感知模型包括：环境感知模型、车辆感知模型和驾驶员意图感知模型，此模块执行实施例1中的步骤S1所描述的方法，在此不再赘述。
智能专家系统2，用于根据态势感知系统感知的感知车辆驾驶环境信息，生成自动驾驶决策逻辑；具体的是基于微服务驾驶规则库生成运行决策逻辑，此模块执行实施例1中的步骤S2所描述的方法，在此不再赘述。
动态执行系统3，用于根据智能专家系统生成的决策逻辑，对不同级别的传感器、算法和功能组件进行动态调整编排组合和运行切换，对车辆进行自动驾驶指导。此模块执行实施例1中的步骤S3所描述的方法，在此不再赘述。
上述的基于驾驶环境感知的自动驾驶智能自适应系统，如图4所示，还包括：
监控和人机交互系统4，持续监控车辆和自动驾驶系统各个模块的运行状态，以及人机交互信息提示和报警提示。具体地，用于监测车辆本身的状态一级驾驶过程中自动驾驶系统的功能模块中的状态是否正常有效，当出现异常时及时提醒用户停止自动驾驶进行人工干预，提高安全系数。
本发明实施例提供的基于驾驶环境感知的自动驾驶智能自适应系统，利用态势感知系统，持续感知车辆驾驶环境信息，智能专家系统在获取感知信息的基础上，基于微服务驾驶规则库生成运行决策逻辑，实时动态编排组合和使用不同级别的传感器组合，算法组合和功能组件的组合可以起到更加精确的感知环境和车辆的状态，从而更加有效进行自动驾驶的指导，节约系统的计算资源，增加了续航能力，从而达到舒适安全的驾驶。
实施例3
本发明实施例提供一种计算机设备，如图5所示，包括：至少一个处理器401，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口403，存储器404，至少一个通信总线402。其中，通信总线402用于实现这些组件之间的连接通信。其中，通信接口403可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速RAM存储器(Ramdom Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以执行实施例1的基于驾驶环境感知的自动驾驶智能自适应方法。存储器404中存储一组程序代码，且处理器401调用存储器404中存储的程序代码，以用于执行实施例1的基于驾驶环境感知的自动驾驶智能自适应方法。
其中，通信总线402可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器404可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固降硬盘(英文：solid-state drive，缩写：SSD)；存储器404还可以包括上述种类的存储器的组合。
其中，处理器401可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器404还用于存储程序指令。处理器401可以调用程序指令，实现如本申请执行实施例1中的基于驾驶环境感知的自动驾驶智能自适应方法。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机可执行指令，该计算机可执行指令可执行实施例1的基于驾驶环境感知的自动驾驶智能自适应方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固降硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (9)

1.一种的基于驾驶环境感知的自动驾驶智能自适应方法，其特征在于，包括:
通过构建基于多层次、多维度的态势环境感知模型来感知车辆驾驶环境信息；
基于感知车辆驾驶环境信息，利用微服务驾驶规则库生成自动驾驶决策逻辑；
根据生成的决策逻辑，对不同级别的传感器、算法和功能组件进行动态调整编排组合和运行切换，对车辆进行自动驾驶指导。
2.根据权利要求1所述的基于驾驶环境感知的自动驾驶智能自适应方法，其特征在于，所述态势环境感知模型包括：环境感知模型、车辆感知模型和驾驶员意图感知模型，其中，
基于路况、天气、交通信息构建环境感知模型；
基于车辆自身状态信息构建自身状态信息模型，以及车辆在行驶过程中状态信息构建车辆运动模型，自身状态信息模型和车辆运动模型组成车辆感知模型；
根据驾驶员在一定时序内的驾驶方式、动作及意图建立的驾驶员意图感知模型。
3.根据权利要求1所述的基于驾驶环境感知的自动驾驶智能自适应方法，其特征在于，根据不同的驾驶场景制定所述微服务驾驶规则库，基于所述微服务驾驶规则库生成自动驾驶决策逻辑。
4.根据权利要求3所述的基于驾驶环境感知的自动驾驶智能自适应方法，其特征在于，微服务驾驶规则库根据驾驶需求或按预设时间周期进行升级。
5.根据权利要求1所述的基于驾驶环境感知的自动驾驶智能自适应方法，其特征在于，所述微服务驾驶规则库基于车辆驾驶环境信息，以自动驾驶精度高和/或算力最小为原则生成自动驾驶决策逻辑。
6.一种基于驾驶环境感知的自动驾驶智能自适应系统，其特征在于，包括：
态势感知系统，用于基于多层次、多维度的态势环境感知模型来感知车辆驾驶环境信息；
智能专家系统，用于根据态势感知系统感知的感知车辆驾驶环境信息，生成自动驾驶决策逻辑；
动态执行系统，用于根据智能专家系统生成的决策逻辑，对不同级别的传感器、算法和功能组件进行动态调整编排组合和运行切换，对车辆进行自动驾驶指导。
7.根据权利要求6所述的基于驾驶环境感知的自动驾驶智能自适应系统，其特征在于，还包括：
监控和人机交互系统，持续监控车辆和自动驾驶系统各个模块的运行状态，以及人机交互信息提示和报警提示。
8.一种计算机设备，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执行权利要求1-5中任一所述的基于驾驶环境感知的自动驾驶智能自适应方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行1-5中任一所述的基于驾驶环境感知的自动驾驶智能自适应方法。
CN202110063083.9A 2021-01-18 2021-01-18 基于驾驶环境感知的自动驾驶智能自适应方法及系统 Pending CN112744226A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110063083.9A CN112744226A (zh) 2021-01-18 2021-01-18 基于驾驶环境感知的自动驾驶智能自适应方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110063083.9A CN112744226A (zh) 2021-01-18 2021-01-18 基于驾驶环境感知的自动驾驶智能自适应方法及系统

Publications (1)

Publication Number Publication Date
CN112744226A true CN112744226A (zh) 2021-05-04

Family

ID=75652356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110063083.9A Pending CN112744226A (zh) 2021-01-18 2021-01-18 基于驾驶环境感知的自动驾驶智能自适应方法及系统

Country Status (1)

Country Link
CN (1) CN112744226A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113237483A (zh) * 2021-07-08 2021-08-10 国汽智控(北京)科技有限公司 车辆导航方法、装置、电子设备及存储介质
CN114067243A (zh) * 2021-11-10 2022-02-18 清华大学 自动驾驶场景识别方法、系统、设备及存储介质
CN114084157A (zh) * 2021-11-10 2022-02-25 国汽智控(北京)科技有限公司 基于车用冗余可靠模块的配置方法、装置、设备及介质
CN114379582A (zh) * 2021-11-30 2022-04-22 华人运通(上海)自动驾驶科技有限公司 一种控制车辆各自动驾驶功能的方法、系统及存储介质
CN116873201A (zh) * 2023-09-01 2023-10-13 交通运输部水运科学研究所 基于船舶引航的自适应航行态势感知设备投掷保护装置
WO2024066798A1 (zh) * 2022-09-27 2024-04-04 腾讯科技（深圳）有限公司 车辆控制方法、装置、设备及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886750A (zh) * 2017-10-24 2018-04-06 北京邮电大学 一种基于超视距协同认知的无人驾驶汽车控制方法与系统
CN108297864A (zh) * 2018-01-25 2018-07-20 广州大学 驾驶员与车辆主动安全技术联动的控制方法及控制系统
CN108445885A (zh) * 2018-04-20 2018-08-24 鹤山东风新能源科技有限公司 一种基于纯电动物流车的自动驾驶系统及其控制方法
CN108725453A (zh) * 2018-06-11 2018-11-02 南京航空航天大学 基于驾驶员模型和操纵逆动力学的人机共驾控制系统及其切换模式
CN109131331A (zh) * 2017-06-27 2019-01-04 长城汽车股份有限公司 车辆子系统控制方法及车辆
CN109885969A (zh) * 2019-03-14 2019-06-14 郑州轻工业学院 一种基于驾驶员场景认知的车辆群组运动仿真方法
CN109885040A (zh) * 2019-02-20 2019-06-14 江苏大学 一种人机共驾中的车辆驾驶控制权分配系统
CN110196593A (zh) * 2019-05-16 2019-09-03 济南浪潮高新科技投资发展有限公司 一种自动驾驶多场景环境检测及决策系统及方法
CN110568841A (zh) * 2019-08-05 2019-12-13 西藏宁算科技集团有限公司 一种自动驾驶决策方法及系统
CN111583693A (zh) * 2020-05-07 2020-08-25 中国农业大学 一种城市道路智能交通协同运行系统及智能车辆控制方法
CN111599183A (zh) * 2020-07-22 2020-08-28 中汽院汽车技术有限公司 一种自动驾驶场景分类识别系统及方法
CN111717217A (zh) * 2020-06-30 2020-09-29 重庆大学 一种基于概率修正的驾驶员意图识别方法
CN111923928A (zh) * 2019-05-13 2020-11-13 长城汽车股份有限公司 用于自动车辆的决策制定方法和系统
CN112092827A (zh) * 2020-09-23 2020-12-18 北京百度网讯科技有限公司 自动驾驶功能控制方法、装置、电子设备及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109131331A (zh) * 2017-06-27 2019-01-04 长城汽车股份有限公司 车辆子系统控制方法及车辆
CN107886750A (zh) * 2017-10-24 2018-04-06 北京邮电大学 一种基于超视距协同认知的无人驾驶汽车控制方法与系统
CN108297864A (zh) * 2018-01-25 2018-07-20 广州大学 驾驶员与车辆主动安全技术联动的控制方法及控制系统
CN108445885A (zh) * 2018-04-20 2018-08-24 鹤山东风新能源科技有限公司 一种基于纯电动物流车的自动驾驶系统及其控制方法
CN108725453A (zh) * 2018-06-11 2018-11-02 南京航空航天大学 基于驾驶员模型和操纵逆动力学的人机共驾控制系统及其切换模式
CN109885040A (zh) * 2019-02-20 2019-06-14 江苏大学 一种人机共驾中的车辆驾驶控制权分配系统
CN109885969A (zh) * 2019-03-14 2019-06-14 郑州轻工业学院 一种基于驾驶员场景认知的车辆群组运动仿真方法
CN111923928A (zh) * 2019-05-13 2020-11-13 长城汽车股份有限公司 用于自动车辆的决策制定方法和系统
CN110196593A (zh) * 2019-05-16 2019-09-03 济南浪潮高新科技投资发展有限公司 一种自动驾驶多场景环境检测及决策系统及方法
CN110568841A (zh) * 2019-08-05 2019-12-13 西藏宁算科技集团有限公司 一种自动驾驶决策方法及系统
CN111583693A (zh) * 2020-05-07 2020-08-25 中国农业大学 一种城市道路智能交通协同运行系统及智能车辆控制方法
CN111717217A (zh) * 2020-06-30 2020-09-29 重庆大学 一种基于概率修正的驾驶员意图识别方法
CN111599183A (zh) * 2020-07-22 2020-08-28 中汽院汽车技术有限公司 一种自动驾驶场景分类识别系统及方法
CN112092827A (zh) * 2020-09-23 2020-12-18 北京百度网讯科技有限公司 自动驾驶功能控制方法、装置、电子设备及存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113237483A (zh) * 2021-07-08 2021-08-10 国汽智控(北京)科技有限公司 车辆导航方法、装置、电子设备及存储介质
CN114067243A (zh) * 2021-11-10 2022-02-18 清华大学 自动驾驶场景识别方法、系统、设备及存储介质
CN114084157A (zh) * 2021-11-10 2022-02-25 国汽智控(北京)科技有限公司 基于车用冗余可靠模块的配置方法、装置、设备及介质
CN114084157B (zh) * 2021-11-10 2024-05-14 国汽智控(北京)科技有限公司 基于车用冗余可靠模块的配置方法、装置、设备及介质
CN114379582A (zh) * 2021-11-30 2022-04-22 华人运通(上海)自动驾驶科技有限公司 一种控制车辆各自动驾驶功能的方法、系统及存储介质
WO2024066798A1 (zh) * 2022-09-27 2024-04-04 腾讯科技（深圳）有限公司 车辆控制方法、装置、设备及存储介质
CN116873201A (zh) * 2023-09-01 2023-10-13 交通运输部水运科学研究所 基于船舶引航的自适应航行态势感知设备投掷保护装置
CN116873201B (zh) * 2023-09-01 2023-11-17 交通运输部水运科学研究所 基于船舶引航的自适应航行态势感知设备投掷保护装置

Similar Documents

Publication Publication Date Title
CN112744226A (zh) 基于驾驶环境感知的自动驾驶智能自适应方法及系统
US10705521B2 (en) Autonomous driving interface
US20200066158A1 (en) Electronic device, warning message providing method therefor, and non-transitory computer-readable recording medium
CN109991987B (zh) 自动驾驶决策方法及装置
US11132211B1 (en) Neural finite state machines
Balan et al. An Improved Deep Learning‐Based Technique for Driver Detection and Driver Assistance in Electric Vehicles with Better Performance
JP2019125867A (ja) 監視装置、監視システム及び監視方法
CN115599460A (zh) 用于优化自主车辆的启动过程的状态暂停
CN113511215A (zh) 一种混合自动驾驶决策方法、设备及计算机存储介质
CN117461061A (zh) 混合车辆通信网络上的装置健康代码广播
CN115071452A (zh) 无低压电池的电池架构
Banerjee Autonomous vehicles: a review of the ethical, social and economic implications of the AI revolution
CN108944934B (zh) 人机共驾模式切换方法及装置
US10266132B2 (en) Method for operating driver assistance systems in a motor vehicle, and motor vehicle
CN115515837A (zh) 用于机动车的全自动引导方法和系统以及机动车
Eriksson The normativity of automated driving: a case study of embedding norms in technology
CN114056425B (zh) 车辆转向控制方法、装置、车辆及存储介质
CN111752272B (zh) 一种轨迹预测方法、装置、设备及存储介质
CN113485300B (zh) 一种基于强化学习的自动驾驶车辆碰撞测试方法
CN117377991A (zh) 装置级故障检测
CN117279818A (zh) 一种控制方法、装置和交通工具
Lüddecke et al. Ontology-based modeling of context-aware systems
CN112970029B (zh) 用于自主机器应用中传感器视盲检测的深度神经网络处理
Appel et al. Intelligent Vehicle Monitoring for Safety and Security
US20150130603A1 (en) Apparatus and method for warning reduction in fuel efficiency of vehicle

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

Application publication date: 20210504

RJ01 Rejection of invention patent application after publication