CN112799411A - 一种无人驾驶设备的控制方法及装置 - Google Patents

一种无人驾驶设备的控制方法及装置 Download PDF

Info

Publication number
CN112799411A
CN112799411A CN202110385903.6A CN202110385903A CN112799411A CN 112799411 A CN112799411 A CN 112799411A CN 202110385903 A CN202110385903 A CN 202110385903A CN 112799411 A CN112799411 A CN 112799411A
Authority
CN
China
Prior art keywords
probability
position point
determining
target object
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.)
Granted
Application number
CN202110385903.6A
Other languages
English (en)
Other versions
CN112799411B (zh
Inventor
樊明宇
徐树旺
任冬淳
白钰
毛一年
夏华夏
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online 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 Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202110385903.6A priority Critical patent/CN112799411B/zh
Publication of CN112799411A publication Critical patent/CN112799411A/zh
Application granted granted Critical
Publication of CN112799411B publication Critical patent/CN112799411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本说明书公开了一种无人驾驶设备的控制方法及装置。根据环境中各目标物当前时刻的状态信息，确定各目标物在下一时刻处于各位置点的第一概率，并确定该无人驾驶设备分别与各障碍物在各位置点不发生碰撞的概率，以确定该无人驾驶设备下一时刻，在该位置点与一个或多个目标物碰撞的全局风险概率，并根据各位置点对应的全局风险概率，确定下一时刻该环境的全局风险分布，使得能够根据该全局风险分布，确定该无人驾驶设备的控制策略。可基于环境中各目标物当前的运动状态，以及与各位置点的距离，准确确定下一时刻环境中的全局风险分布，以对该无人驾驶设备确定更准确的控制策略。由于无需预测各目标物的运动轨迹，避免了由运动轨迹带来的误差。

Description

一种无人驾驶设备的控制方法及装置
技术领域
本说明书涉及无人驾驶领域，尤其涉及一种无人驾驶设备的控制方法及装置。
背景技术
目前，在一些控制无人驾驶设备行驶的方法中，需要确定环境中的障碍物的信息，得到障碍物的预测轨迹，基于各障碍物的预测轨迹来计算无人驾驶设备与障碍物在未来的碰撞风险，以确定各障碍物的各预测轨迹对应的风险分布（即各障碍物对无人驾驶设备造成风险的概率），并根据各障碍物的各风险分布确定总风险分布，使得可基于总风险分布确定无人驾驶设备的控制策略，以控制无人驾驶设备行驶。
由于在目前确定总风险分布的方法中，需要对各障碍物的轨迹进行预测，且根据轨迹确定的碰撞风险依赖于预测轨迹的准确性，使得最终根据碰撞风险确定的总风险分布的准确性也受各障碍物的预测轨迹影响。因此，容易因为对各障碍物的预测轨迹不准确导致总的风险分布刻画不准确。
发明内容
本说明书提供一种无人驾驶设备的控制方法及装置，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种无人驾驶设备的控制方法，包括：
确定环境中各目标物当前时刻的状态信息，其中，各目标物包括无人驾驶设备以及各障碍物，所述状态信息至少包括位置、速度以及加速度；
针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率；
根据确定出的第一概率，确定下一时刻所述无人驾驶设备分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率；
根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率；
根据各位置点对应的全局风险概率，确定下一时刻所述环境的全局风险分布，根据所述全局风险分布，确定所述无人驾驶设备的控制策略。
可选地，针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率，具体包括：
针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息以及各目标物的动力学参数，确定各目标物在下一时刻处于该位置点的第一概率。
可选地，确定各目标物在下一时刻处于该位置点的第一概率之前，所述方法还包括：
确定所述各目标物为动态目标物。
可选地，当所述目标物为静态目标物时，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率，具体包括：
根据该位置点的坐标以及各静态目标物当前时刻的位置，确定各静态目标物下一时刻处于该位置点的第一概率。
可选地，根据确定出的第一概率，确定下一时刻所述无人驾驶设备分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率，具体包括：
针对每个障碍物，根据该障碍物在下一时刻处于该位置点的第一概率，以及所述无人驾驶设备在下一时刻处于该位置点的第一概率，确定所述无人驾驶设备与该障碍物在下一时刻同时出现在该位置点的概率，作为碰撞概率；
根据所述无人驾驶设备与该障碍物在该位置点的碰撞概率，确定所述无人驾驶设备与该障碍物下一时刻在该位置点不发生碰撞的概率，作为第二概率。
可选地，根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率，具体包括：
根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点不与任何障碍物发生碰撞的概率，作为安全概率；
根据所述安全概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率。
可选地，根据各位置点对应的全局风险概率，确定下一时刻所述环境的全局风险分布，具体包括：
针对每个位置点，根据所述无人驾驶设备当前时刻的位置以及该位置点的位置，对该位置点的全局风险概率进行加权处理；
根据加权后的各位置点的全局风险概率，确定下一时刻所述环境的全局风险分布。
本说明书提供了一种无人驾驶设备的控制装置，包括：
状态确定模块，用于确定环境中各目标物当前时刻的状态信息，其中，各目标物包括无人驾驶设备以及各障碍物，所述状态信息至少包括位置、速度以及加速度；
第一概率确定模块，用于针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率；
第二概率确定模块，用于根据确定出的第一概率，确定下一时刻所述无人驾驶设备分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率；
风险概率确定模块，用于根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率；
控制模块，用于根据各位置点对应的全局风险概率，确定下一时刻所述环境的全局风险分布，根据所述全局风险分布，确定所述无人驾驶设备的控制策略。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述无人驾驶设备的控制方法。
本说明书提供了一种无人驾驶设备，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上述无人驾驶设备的控制方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的无人驾驶设备的控制方法中，根据环境中各目标物当前时刻的状态信息，确定各目标物在下一时刻处于各位置点的第一概率，并确定该无人驾驶设备分别与各障碍物在各位置点不发生碰撞的概率，以确定该无人驾驶设备下一时刻，在该位置点与一个或多个目标物碰撞的全局风险概率，并根据各位置点对应的全局风险概率，确定下一时刻该环境的全局风险分布，使得能够根据该全局风险分布，确定该无人驾驶设备的控制策略。
从上述方法中可以看出，本方法可根据环境中各目标物当前的运动状态，以及与各位置点的距离，准确确定下一时刻环境中的全局风险分布，以对该无人驾驶设备确定更准确的控制策略。并且，本方法由于无需预测各目标物的运动轨迹，避免了由运动轨迹带来的误差。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中一种无人驾驶设备的控制方法的流程示意图；
图2为本说明书提供的一种热力图的示意图；
图3为本说明书提供的一种全局风险分布的示意图；
图4为本说明书提供的一种无人驾驶设备的控制装置的示意图；
图5为本说明书提供的无人驾驶设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种无人驾驶设备的控制方法的流程示意图，具体包括以下步骤：
S100：确定环境中各目标物当前时刻的状态信息，其中，各目标物包括无人驾驶设备以及各障碍物，所述状态信息至少包括位置、速度以及加速度。
在本说明书一个或多个实施例中，该无人驾驶设备的控制方法可由无人驾驶设备执行，也可由服务器执行。例如，为了减轻该无人驾驶设备的能耗，可由服务器执行该无人驾驶设备的控制方法，在服务器执行该方法时，可由无人驾驶设备确定环境中各目标物的状态信息，并将确定出的各目标物的状态信息发送至该服务器，该服务器可根据接收到的状态信息执行该无人驾驶设备的控制过程。或者，为了减少网络传输，可由该无人驾驶设备执行该方法。
为了方便描述，后续以无人驾驶设备执行该方法为例进行说明。该无人驾驶设备可以是无人驾驶汽车，也可以是无人驾驶机器人等具有一定自动驾驶能力的无人驾驶设备，本说明书在此不做限制。
由于无人驾驶设备在行驶过程中，环境中的风险是由环境中其他目标物带来的，因此，该无人驾驶设备首先可确定环境中各目标物当前时刻的状态信息，以便于在后续步骤中根据各目标物的状态信息确定各其他目标物带来的风险。
其中，环境中各目标物包括该无人驾驶设备本身以及环境中的各障碍物。各目标物的状态信息至少包括：各目标物的位置、速度以及加速度。
在本说明书一个或多个实施例中，该无人驾驶设备上可配置有传感器，该无人驾驶设备可通过该传感器采集环境信息，以及根据采集到的环境信息确定环境中的各障碍物以及各障碍物的状态信息，并确定其自身当前的状态信息。该传感器可以是视觉传感器、雷达等能够采集环境信息的传感器，具体可根据需要设置。
需要说明的是，如何根据传感器采集到的环境信息确定环境中的各障碍物以及各障碍物的状态信息已是较为成熟的技术，本说明书在此不再赘述。
S102：针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率。
由于碰撞风险的发生是因为其他目标物与该无人驾驶设备同时出现在同一位置，因此，在确定了各目标物的状态信息之后，该无人驾驶设备可根据环境中的目标物在下一时刻同时处于同一位置的概率，确定下一时刻该无人驾驶设备与其他目标物发生碰撞的概率。
在本说明书一个或多个实施例中，该无人驾驶设备可针对环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率。
由于动态目标物与静态目标物对该无人驾驶设备带来的风险存在差异，且动态目标物可能在下一时刻带来的风险更高，因此，在确定各动态目标物在下一时刻处于该位置点的第一概率之前，该无人驾驶设备还可先确定环境中的各动态目标物。
在本说明书一个或多个实施例中，该无人驾驶设备可确定各目标物中的动态障碍物以及该无人驾驶设备为动态目标物，并针对环境中每个位置点，根据该位置点的坐标、各动态目标物当前时刻的状态信息以及各动态目标物的动力学参数，确定各动态目标物在下一时刻处于该位置点的第一概率。
其中，该动力学参数可以为动态目标物的型号参数、性能参数等。例如，该动力学参数可以为动态目标物的最大刹车距离、最大行驶加速度、最小刹车加速度、反应时长等。该无人驾驶设备的动力学参数可预先确定，各动态障碍物的动力学参数可根据需要设置，例如，可根据道路中常见的各种型号车辆的动力学参数，从中取中位数、平均值等数值作为环境中各动态障碍物的动力学参数。或者，该无人驾驶设备也可以在确定出环境中的各目标物后，对各动态障碍物进行识别，确定各动态障碍物的型号，并根据确定出的各型号，确定各动态障碍物的动力学参数，当然也可以通过其他方法确定，本说明书在此不做限制。
具体的，在确定各动态目标物下一时刻处于该位置点的第一概率时，该无人驾驶设备可针对每个动态目标物，根据该动态目标物的速度方向，确定与该动态目标物对应的旋转矩阵参数，并根据该动态目标物的动力学参数、预设的风险阈值以及该动态目标物的速度大小，确定该动态目标物的协方差矩阵参数。然后根据该位置点的坐标与该动态目标物的位置间的差异、该旋转矩阵参数以及该协方差矩阵参数，确定该动态目标物下一时刻处于该位置点的第一概率。
在本说明书一个或多个实施例中，确定动态目标物对应的第一概率的公式可具体如下：
Figure 765835DEST_PATH_IMAGE001
其中，O1表示动态目标物，Ci表示环境中第i个位置点，PCi（O1）表示该动态目标物在下一时刻处于第i个位置点的第一概率，e为自然底数，L1表示第i个位置点的坐标，L2表示该动态目标物当前的位置坐标，R表示与该动态目标物对应的旋转矩阵，且
Figure 682975DEST_PATH_IMAGE002
该旋转矩阵的参数包括cosθ、-sinθ、sinθ。
∑表示与该动态目标物对应的协方差矩阵，且
Figure 525029DEST_PATH_IMAGE003
该协方差矩阵的参数包括σ1、σ2以及ρ。且ρ为0。
在本说明书一个或多个实施例中，确定σ1的公式具体如下：
Figure 920239DEST_PATH_IMAGE004
其中，X表示预设的风险阈值，当环境中的风险达到该阈值时，目标物可进行制动。D表示动态目标物的最大刹车距离。
在本说明书一个或多个实施例中，确定σ2的公式具体如下：
Figure 547660DEST_PATH_IMAGE005
其中，e为自然底数，V0表示该动态目标物当前的速度。α为预设的参数，且α﹥0。
在本说明书一个或多个实施例中，确定最大刹车距离的公式具体如下：
Figure 370123DEST_PATH_IMAGE006
D表示最大刹车距离，V0表示该动态目标物当前的速度，V1表示该动态目标物的预 测速度，即该目标物在刹车前的速度，且
Figure 699473DEST_PATH_IMAGE007
，t表示该动态目标物的刹车反应 时长，amax表示该动态目标物的最大行驶加速度，abr表示该目标物的最小刹车加速度。
其中：
Figure 898373DEST_PATH_IMAGE008
表示该动态目标物从发现危险到采取制动措施的过程中行驶的距离，即在刹车反应时长内行驶的距离。
Figure 380301DEST_PATH_IMAGE009
表示制动行驶距离，即在该动态目标物采取制动措施后到该动态目标物停止运动的过程行驶的距离。
该无人驾驶设备的刹车反应时长可预先获得，各动态障碍物对应的反应时长可根据经验设置，例如，研究表明人在正常状态下的刹车反应时长为0.4秒，酒后驾驶者的反应时间要更长些，则该无人驾驶设备可确定0.4秒为动态障碍物对应的反应时长，或者，也可将正常状态下的刹车反应时长结合酒后驾驶者的反应时长，确定动态障碍物对应的反应时长，具体可根据需要设置，本说明书在此不做限制。
在本说明书一个或多个实施例中，虽然静态障碍物的位置已知且其自身不具备运动能力，但考虑到该无人驾驶设备上的传感器采集到的环境信息可能存在误差，导致确定出的静态障碍物的位置和大小可能存在误差。因此，该无人驾驶设备还可以可根据该位置点的坐标以及各静态目标物当前时刻的位置，确定各静态目标物下一时刻处于该位置点的第一概率。
在本说明书一个或多个实施例中，确定静态目标物对应的第一概率的公式具体如下：
Figure 373665DEST_PATH_IMAGE010
其中，O2表示静态目标物，Ci表示环境中第i个位置点，PCi（O2）表示该静态目标物在下一时刻处于该位置点的第一概率，e为自然底数，β为预设的参数，L1表示第i个位置点的坐标，L3表示该静态目标物当前的位置坐标。
S104：根据确定出的第一概率，确定下一时刻所述无人驾驶设备分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率。
在本说明书一个或多个实施例中，为了确定环境中可能存在的最大风险，使得该无人驾驶设备可根据最大化的全局风险概率确定最大安全程度的控制策略，该无人驾驶设备在确定出各目标物在下一时刻处于该位置点的第一概率后，可根据确定出的第一概率，确定该无人驾驶设备自身分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率，以便于在后续步骤中根据该位置点对应的各第二概率，确定该无人驾驶设备自身在该位置点的全局风险概率。
具体的，在确定各第二概率时，该无人驾驶设备可针对每个障碍物，根据该障碍物在下一时刻处于该位置点的第一概率，以及该无人驾驶设备在下一时刻处于该位置点的第一概率，确定该无人驾驶设备与该障碍物同时出现在该位置点的概率，作为碰撞概率。并根据该无人驾驶设备与该障碍物在该位置点的碰撞概率，确定该无人驾驶设备与该障碍物在该位置点不发生碰撞的概率，作为第二概率。
在本说明书一个或多个实施例中，确定第二概率的公式可具体如下：
Figure 190311DEST_PATH_IMAGE011
其中，Ci表示环境中第i个位置点，O表示该无人驾驶设备，
Figure 927323DEST_PATH_IMAGE012
表示下一时刻该无人 驾驶设备与第j个障碍物在第i个位置点不发生碰撞的概率，即第二概率。Fj表示环境中第j 个障碍物，
Figure 263758DEST_PATH_IMAGE013
表示该无人驾驶设备与第j个目标物同时出现在第i个位置点的概率， 即碰撞概率。
在本说明书一个或多个实施例中，确定碰撞概率的公式可具体如下：
Figure 755919DEST_PATH_IMAGE014
其中，
Figure 997544DEST_PATH_IMAGE015
表示该无人驾驶设备下一时刻出现在第i个位置点的第一概率，
Figure 272668DEST_PATH_IMAGE016
表示环境中第j个障碍物下一时刻出现在第i个位置点的第一概率。
S106：根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率。
在本说明书一个或多个实施例中，该无人驾驶设备可根据该位置点对应的各第二概率，确定该无人驾驶设备下一时刻在该位置点的全局风险概率。
具体的，该无人驾驶设备可根据该位置点对应的各第二概率，确定该无人驾驶设备在该位置点不与任何障碍物发生碰撞的概率，作为安全概率，并根据确定出的安全概率，确定该无人驾驶设备在该位置点的全局风险概率。
在本说明书一个或多个实施例中，确定全局风险概率的公式具体如下：
Figure 726258DEST_PATH_IMAGE017
Ci表示环境中第i个位置点，O表示该无人驾驶设备，P（OCi）表示该无人驾驶设备在 第i个位置点处的全局风险概率，m表示环境中障碍物的个数。
Figure 61425DEST_PATH_IMAGE012
表示该无人驾驶设备与该 障碍物在第i个位置点不发生碰撞的第二概率。
其中：
Figure 852663DEST_PATH_IMAGE018
表示该无人驾驶设备在第i个位置点不与任何障碍物发生碰撞的概率，即安全概率。
S108：根据各位置点对应的全局风险概率，确定下一时刻所述环境的全局风险分布，根据所述全局风险分布，确定所述无人驾驶设备的控制策略。
在本说明书一个或多个实施例中，该无人驾驶设备在确定出各位置点对应的全局风险概率后，可根据各位置点对应的全局风险概率，确定下一时刻环境中的全局风险分布，即下一时刻环境中各位置点对该无人驾驶设备存在风险的分布，以根据该全局风险分布，确定其自身的控制策略。
在本说明书一个或多个实施例中，由于在各位置点中，距离该无人驾驶设备近的位置点更容易在下一时刻对该无人驾驶设备带来风险，因此，该无人驾驶设备可针对每个位置点，根据该无人驾驶设备的位置以及该位置点的位置，对该位置点的全局风险概率进行加权处理，以突出离该无人驾驶设备近的位置点的全局风险概率。该位置点的权重与该位置点和该无人驾驶设备当前时刻的位置间距离负相关，即该位置点与该无人驾驶设备当前时刻的位置间距离越小，该位置点的权重越大，该位置点与该无人驾驶设备当前时刻的位置间距离越大，该位置点的权重越小。
在对各位置点的全局风险概率进行加权处理之后，该无人驾驶设备可根据加权后的各位置点的全局风险概率，确定下一时刻环境中的全局风险分布。其中，该全局风险分布可以为服从正态分布的风险分布。
在本说明书一个或多个实施例中，对全局风险概率进行加权处理的公式可具体如下：
Figure 931478DEST_PATH_IMAGE019
其中，P(O)表示加权风险值，即对各位置点的全局风险概率加权后得到的环境中的总风险值，K表示环境中位置点的数量，P（OCi）表示该无人驾驶设备在第i个位置点处的全局风险概率。K（Ci）表示第i个位置点对应的权重，且针对每个位置点，该位置点与该无人驾驶式设备的距离越近，该位置点对应的权重越大，即该位置点的权重和其与无人驾驶设备的距离负相关，各位置点的权重具体可根据需要设置。
基于图1所示的无人驾驶设备的控制方法，根据环境中各目标物当前时刻的状态信息，确定各目标物在下一时刻处于各位置点的第一概率，并确定该无人驾驶设备分别与各障碍物在各位置点不发生碰撞的概率，以确定该无人驾驶设备下一时刻，在该位置点与一个或多个目标物碰撞的全局风险概率，并根据各位置点对应的全局风险概率，确定下一时刻该环境的全局风险分布，使得能够根据该全局风险分布，确定该无人驾驶设备的控制策略。
从上述方法中可以看出，本方法可根据环境中各目标物当前的运动状态，以及与各位置点的距离，准确确定下一时刻环境中的全局风险分布，以对该无人驾驶设备确定更准确的控制策略。并且，本方法由于无需预测各目标物的运动轨迹，避免了由运动轨迹带来的误差。
另外，在本说明书提供的一个或多个实施例中，在步骤S106中确定该无人驾驶设备在该位置点的全局风险概率时，该无人驾驶设备还可以将该无人驾驶设备与各障碍物同时出现在该位置点的碰撞概率的最大值，作为该位置点的全局风险概率。
因此，在本说明书提供的一个或多个实施例中，确定全局风险概率的公式还可以如下所示：
Figure 429455DEST_PATH_IMAGE020
其中，j表示环境中障碍物的数量，Ci表示第i个位置点，O表示该无人驾驶设备，
Figure 14151DEST_PATH_IMAGE021
表示环境中第一个障碍物与该无人驾驶设备同时出现在第i个位置点的碰撞概 率。
在本说明书提供的一个或多个实施例中，由于在该无人驾驶设备向前行驶的过程中，该无人驾驶设备在驶离后方的各位置点以及目标物，并驶向前方的各位置点目标物。因此，其前方的位置点处的风险分布为更需要关注的。于是，在本说明书步骤S102中，在确定各目标物在下一时刻处于各位置点的第一概率之前，可对各位置点进行筛选，确定处于该无人驾驶设备前方的各前方位置点，并只确定各目标物在下一时刻处于各前方位置点的第一概率。
因此，在本说明书提供的一个或多个实施例中，确定第一概率的公式还可以如下所示：
Figure 964790DEST_PATH_IMAGE022
其中，O1表示动态目标物，Ci表示环境中第i个前方位置点，PCi（O1）表示O1在下一时刻处于该前方位置点的第一概率，e为自然底数，L1表示第i个前方位置点的坐标，L2表示该动态目标物当前的位置坐标，R表示与该动态目标物对应的旋转矩阵，∑表示与该动态目标物对应的协方差矩阵。I为判断函数，且取值为0或1，当（L1-L2）（V0）≧0时，I值为1，当（L1-L2）（V0）﹤0时，I值为0。
在步骤S104~S106中，可根据上述公式确定出的各目标物在下一时刻处于各前方位置点的第一概率，确定无人驾驶设备分别与各障碍物在各位置点不发生碰撞的概率，作为第二概率，并根据各位置点对应的各第二概率，确定该无人驾驶设备在各位置点的全局风险概率，以根据该无人驾驶设备在各位置点的全局风险概率，确定下一时刻环境中的全局风险分布。此时，该全局风险分布为半高斯分布。
在本说明书步骤S100中，该无人驾驶设备还可以根据传感器采集的环境信息，确定环境地图。该环境地图的坐标原点的选取以及坐标轴的建立可根据环境中的位置点设置，例如，可将该无人驾驶设备所处位置点作为坐标原点，将垂直于平直的道路方向作为x轴，将沿道路方向作为y轴。
在本说明书提供的一个或多个实施例中，该环境地图可以为离散化的网格地图，该网格地图的每个网格对应一个位置点。该无人驾驶设备可根据环境的全局风险分布确定热力图，以根据该热力图确定控制策略。
图2为本说明书提供的一种热力图的示意图，在图2中，通过用不同深度的颜色表示不同位置点对应的全局风险概率，图中每个网格表示一个位置点，网格的颜色越深，表示该网格对应位置点处的全局风险概率越高。
在本说明书步骤S102中，旋转矩阵参数中的θ可以是该无人驾驶设备的速度方向与x轴方向的夹角。cosθ与sinθ分别为动态目标物当前时刻速度的横向投影和纵向投影，即分别为沿x轴方向的投影和沿y轴方向的投影。通过该旋转矩阵R可以使该热力图中该全局风险分布的长轴方向与该无人驾驶设备的运动方向一致。
图3为本说明书提供的一种全局风险分布的示意图，如图，箭头所指方向表示该无人驾驶设备的运动方向，即该全局风险分布的长轴方向。
在本说明书步骤S108中，K（Ci）还可以表示以该无人驾驶设备当前位置为中心的卷积核，该无人驾驶设备还可以根据该卷积核，对热力图中各位置点进行卷积，以对热力图中各位置点进行加权处理。
另外，在本说明书中，该无人驾驶设备的控制方法可用于无人配送、无人售货等领域中。例如在无人车进行配送时，可通过该方法确定下一时刻该环境的全局风险分布，并根据该全局风险分布，确定控制策略，以执行配送任务。
需要说明的是，在本说明书中，上述方法并不仅限于无人配送、无人售货等领域，有移动功能的机器人在移动过程中，也可通过执行该方法确定环境的全局风险分布，以确定运动策略。或者，智能车辆在控制车辆运动状态时，也可通过该方确定环境的全局风险分布，以确定控制策略，例如，车辆在使用自适应巡航控制（Adaptive Cruise Control，ACC）功能时，可通过该方法控制车辆的运动状态，等等。
以上为本说明书的一个或多个实施例提供的一种无人驾驶设备的控制方法，基于同样的思路，本说明书还提供了相应的无人驾驶设备的控制装置，如图4所示。
图4为本说明书提供的一种无人驾驶设备的控制装置示意图，该装置包括：
状态确定模块200，用于确定环境中各目标物当前时刻的状态信息，其中，各目标物包括无人驾驶设备以及各障碍物，所述状态信息至少包括位置、速度以及加速度。
第一概率确定模块201，用于针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率。
第二概率确定模块202，用于根据确定出的第一概率，确定下一时刻所述无人驾驶设备分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率。
风险概率确定模块203，用于根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率。
控制模块204，用于根据各位置点对应的全局风险概率，确定下一时刻所述环境的全局风险分布，根据所述全局风险分布，确定所述无人驾驶设备的控制策略。
可选地，所述第一概率确定模块201，针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息以及各目标物的动力学参数，确定各目标物在下一时刻处于该位置点的第一概率。
可选地，所述状态确定模块200，确定所述各目标物为动态目标物。
可选地，所述第一概率确定模块201，根据该位置点的坐标以及各静态目标物当前时刻的位置，确定各静态目标物下一时刻处于该位置点的第一概率。
可选地，所述第二概率确定模块202，针对每个障碍物，根据该障碍物在下一时刻处于该位置点的第一概率，以及所述无人驾驶设备在下一时刻处于该位置点的第一概率，确定所述无人驾驶设备与该障碍物在下一时刻同时出现在该位置点的概率，作为碰撞概率，根据所述无人驾驶设备与该障碍物在该位置点的碰撞概率，确定所述无人驾驶设备与该障碍物下一时刻在该位置点不发生碰撞的概率，作为第二概率。
可选地，所述风险概率确定模块203，根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点不与任何障碍物发生碰撞的概率，作为安全概率，根据所述安全概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率。
可选地，所述控制模块204，针对每个位置点，根据所述无人驾驶设备当前时刻的位置以及该位置点的位置，对该位置点的全局风险概率进行加权处理，根据加权后的各位置点的全局风险概率，确定下一时刻所述环境的全局风险分布。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的无人驾驶设备的控制方法。
本说明书还提供了对应于图1的无人驾驶设备的结构示意图。
图5为本说明书提供的无人驾驶设备的结构示意图，如图5所示，在硬件层面，该无人驾驶设备包括处理器、内部总线、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1提供的无人驾驶设备的控制方法。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种无人驾驶设备的控制方法，其特征在于，包括：
确定环境中各目标物当前时刻的状态信息，其中，各目标物包括无人驾驶设备以及各障碍物，所述状态信息至少包括位置、速度以及加速度；
针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率；
根据确定出的第一概率，确定下一时刻所述无人驾驶设备分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率；
根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率；
根据各位置点对应的全局风险概率，确定下一时刻所述环境的全局风险分布，根据所述全局风险分布，确定所述无人驾驶设备的控制策略。
2.如权利要求1所述的方法，其特征在于，针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率，具体包括：
针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息以及各目标物的动力学参数，确定各目标物在下一时刻处于该位置点的第一概率。
3.如权利要求2所述的方法，其特征在于，确定各目标物在下一时刻处于该位置点的第一概率之前，所述方法还包括：
确定所述各目标物为动态目标物。
4.如权利要求3所述的方法，其特征在于，当所述目标物为静态目标物时，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率，具体包括：
根据该位置点的坐标以及各静态目标物当前时刻的位置，确定各静态目标物下一时刻处于该位置点的第一概率。
5.如权利要求1所述的方法，其特征在于，根据确定出的第一概率，确定下一时刻所述无人驾驶设备分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率，具体包括：
针对每个障碍物，根据该障碍物在下一时刻处于该位置点的第一概率，以及所述无人驾驶设备在下一时刻处于该位置点的第一概率，确定所述无人驾驶设备与该障碍物在下一时刻同时出现在该位置点的概率，作为碰撞概率；
根据所述无人驾驶设备与该障碍物在该位置点的碰撞概率，确定所述无人驾驶设备与该障碍物下一时刻在该位置点不发生碰撞的概率，作为第二概率。
6.如权利要求1所述的方法，其特征在于，根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率，具体包括：
根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点不与任何障碍物发生碰撞的概率，作为安全概率；
根据所述安全概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率。
7.如权利要求1所述的方法，其特征在于，根据各位置点对应的全局风险概率，确定下一时刻所述环境的全局风险分布，具体包括：
针对每个位置点，根据所述无人驾驶设备的位置以及该位置点的位置，对该位置点的全局风险概率进行加权处理；
根据加权后的各位置点的全局风险概率，确定下一时刻所述环境的全局风险分布。
8.一种无人驾驶设备的控制装置，其特征在于，包括：
状态确定模块，用于确定环境中各目标物当前时刻的状态信息，其中，各目标物包括无人驾驶设备以及各障碍物，所述状态信息至少包括位置、速度以及加速度；
第一概率确定模块，用于针对所述环境中每个位置点，根据该位置点的坐标、各目标物当前时刻的状态信息，确定各目标物在下一时刻处于该位置点的第一概率；
第二概率确定模块，用于根据确定出的第一概率，确定下一时刻所述无人驾驶设备分别与各障碍物在该位置点不发生碰撞的概率，作为第二概率；
风险概率确定模块，用于根据该位置点对应的各第二概率，确定所述无人驾驶设备下一时刻在该位置点的全局风险概率；
控制模块，用于根据各位置点对应的全局风险概率，确定下一时刻所述环境的全局风险分布，根据所述全局风险分布，确定所述无人驾驶设备的控制策略。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种无人驾驶设备，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上述权利要求1~7任一项所述的方法。
CN202110385903.6A 2021-04-12 2021-04-12 一种无人驾驶设备的控制方法及装置 Active CN112799411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110385903.6A CN112799411B (zh) 2021-04-12 2021-04-12 一种无人驾驶设备的控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110385903.6A CN112799411B (zh) 2021-04-12 2021-04-12 一种无人驾驶设备的控制方法及装置

Publications (2)

Publication Number Publication Date
CN112799411A true CN112799411A (zh) 2021-05-14
CN112799411B CN112799411B (zh) 2021-07-30

Family

ID=75816699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110385903.6A Active CN112799411B (zh) 2021-04-12 2021-04-12 一种无人驾驶设备的控制方法及装置

Country Status (1)

Country Link
CN (1) CN112799411B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113296541A (zh) * 2021-07-27 2021-08-24 北京三快在线科技有限公司 一种基于未来碰撞风险的无人设备控制方法及装置
CN113643321A (zh) * 2021-07-30 2021-11-12 北京三快在线科技有限公司 一种无人驾驶设备的传感器数据采集方法及装置
CN113985889A (zh) * 2021-11-11 2022-01-28 北京三快在线科技有限公司 一种轨迹规划方法、装置、存储介质及电子设备
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
CN114647248A (zh) * 2022-05-23 2022-06-21 风林科技(深圳)有限公司 机器人避障方法、电子设备及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101385059A (zh) * 2006-03-13 2009-03-11 波音公司 飞机碰撞感测和规避系统和方法
US20180284785A1 (en) * 2017-03-28 2018-10-04 Mitsubishi Electric Research Laboratories, Inc. System and Method for Controlling Motion of Vehicle in Shared Environment
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
WO2019141227A1 (zh) * 2018-01-19 2019-07-25 库卡机器人(广东)有限公司 多移动机器人的路径规划方法及系统
CN111427369A (zh) * 2020-06-08 2020-07-17 北京三快在线科技有限公司 一种无人车控制方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101385059A (zh) * 2006-03-13 2009-03-11 波音公司 飞机碰撞感测和规避系统和方法
US20180284785A1 (en) * 2017-03-28 2018-10-04 Mitsubishi Electric Research Laboratories, Inc. System and Method for Controlling Motion of Vehicle in Shared Environment
WO2019141227A1 (zh) * 2018-01-19 2019-07-25 库卡机器人(广东)有限公司 多移动机器人的路径规划方法及系统
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
CN111427369A (zh) * 2020-06-08 2020-07-17 北京三快在线科技有限公司 一种无人车控制方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113296541A (zh) * 2021-07-27 2021-08-24 北京三快在线科技有限公司 一种基于未来碰撞风险的无人设备控制方法及装置
CN113296541B (zh) * 2021-07-27 2021-11-30 北京三快在线科技有限公司 一种基于未来碰撞风险的无人设备控制方法及装置
US12115982B2 (en) 2021-07-27 2024-10-15 Beijing Sankuai Online Technology Co., Ltd Unmanned device control based on future collision risk
CN113643321A (zh) * 2021-07-30 2021-11-12 北京三快在线科技有限公司 一种无人驾驶设备的传感器数据采集方法及装置
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
CN113985889A (zh) * 2021-11-11 2022-01-28 北京三快在线科技有限公司 一种轨迹规划方法、装置、存储介质及电子设备
CN113985889B (zh) * 2021-11-11 2024-04-30 北京三快在线科技有限公司 一种轨迹规划方法、装置、存储介质及电子设备
CN114647248A (zh) * 2022-05-23 2022-06-21 风林科技(深圳)有限公司 机器人避障方法、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN112799411B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN112799411B (zh) 一种无人驾驶设备的控制方法及装置
CN111427369B (zh) 一种无人车控制方法及装置
CN111619560B (zh) 车辆控制方法及装置
CN110262486B (zh) 一种无人驾驶设备运动控制方法及装置
US10909377B2 (en) Tracking objects with multiple cues
CN113296541B (zh) 一种基于未来碰撞风险的无人设备控制方法及装置
CN112987760B (zh) 一种轨迹规划方法、装置、存储介质及电子设备
CN111873989B (zh) 车辆控制方法及装置
CN111186437B (zh) 一种车辆轨迹的风险确定方法及装置
CN112629550B (zh) 一种预测障碍物轨迹以及模型训练的方法及装置
CN111126362B (zh) 一种预测障碍物轨迹的方法及装置
CN112947495B (zh) 模型训练的方法、无人驾驶设备的控制方法以及装置
CN110942181A (zh) 一种障碍物轨迹预测的方法及装置
CN113074748B (zh) 一种无人驾驶设备的路径规划方法及装置
CN112327864A (zh) 一种无人驾驶设备的控制方法及控制装置
CN112649012A (zh) 一种轨迹规划方法、设备、介质及无人设备
CN114118276B (zh) 一种网络训练的方法、控制方法以及装置
CN112987762B (zh) 一种轨迹规划方法、装置、存储介质及电子设备
CN116795105A (zh) 一种车辆避障方法、装置及设备
US20220340174A1 (en) Unmanned driving device control
JP6854141B2 (ja) 車両制御装置
CN114148350A (zh) 一种无人设备的控制方法及装置
CN114623824A (zh) 一种确定障碍物速度的方法及装置
CN110550025B (zh) 一种自动泊车的方法及装置
CN114590249A (zh) 一种无人设备控制方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant