CN113108807B - 一种自动驾驶路径规划方法及其可读存储介质 - Google Patents
一种自动驾驶路径规划方法及其可读存储介质 Download PDFInfo
- Publication number
- CN113108807B CN113108807B CN202110663415.7A CN202110663415A CN113108807B CN 113108807 B CN113108807 B CN 113108807B CN 202110663415 A CN202110663415 A CN 202110663415A CN 113108807 B CN113108807 B CN 113108807B
- Authority
- CN
- China
- Prior art keywords
- value
- vehicle
- driving
- unmanned aerial
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010586 diagram Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract description 2
- 230000008447 perception Effects 0.000 description 7
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动驾驶路径规划方法及其可读存储介质,自动驾驶路径规划方法包括:建立网格空间路径图;获取网格空间路径图的更新时间;若网格空间路径图的更新时间满足预设自动驾驶阈值,则执行步骤S4,反之,则执行步骤S5;S4:无人机执行路障分析;S5:无人机除执行路障分析外还进行路径采集;车载执行终端通过路障分析与路径分析选取自动驾驶路径,通过设置无人机进行路障分析,相较于传统的激光雷达可以更高效的探查到路面每个障碍物以及车辆的行驶轨迹,可以实现提前预警,同时当基础信息更新不及时时,可以通过无人机进行网格空间路径图探查与绘制,解决了因为基础信息缺失导致自动驾驶失败的问题。
Description
技术领域
本发明属于物联网领域,涉及自动驾驶技术,具体是一种自动驾驶路径规划方法及其可读存储介质。
背景技术
自动驾驶任务的执行流程可分为三个阶段:感知层、决策规划层和控制层。其中,决策规划层的作用是将感知层所融合的自车及周边环境作为输入信息,制定出当前状态下合理的决策(保持跟车和变道等),并规划出一条安全的行驶路线传输到控制层,最后由控制层精确的控制车辆沿特定轨迹运动;
但现有自动驾驶在感知层阶段多数只依靠车载雷达进行感知,当遇到复杂地形时,车载雷达存在感知距离短的问题,导致车辆在复杂路段时,感知力下降,自动驾驶级别降低。
发明内容
本发明的目的在于提供一种自动驾驶路径规划方法及其可读存储介质,用于解决车载雷达存在感知距离短的问题,导致车辆在复杂路段时,感知力下降,自动驾驶级别降低的问题。
本发明的目的可以通过以下技术方案实现:
一种自动驾驶路径规划方法,所述自动驾驶路径规划方法包括:
S1:建立网格空间路径图;
S2:获取网格空间路径图的更新时间;
S3:若网格空间路径图的更新时间满足预设自动驾驶阈值,则执行步骤S4,反之,则执行步骤S5;
S4:无人机执行路障分析;
S5:无人机除执行路障分析外还进行路径采集;
S6:车载执行终端通过路障分析与路径分析选取自动驾驶路径。
进一步的,所述建立网格空间路径图之前还包括:
采集若干自动驾驶区域的高清卫星图片
将高清卫星图片内标志物进行标记,得到特征识别图片;
将若干自动驾驶区域的高清卫星图片和特征识别图片输入深度神经网络学习,得到特征识别模型;
将自动驾驶车辆行驶道路的高清卫星图片输入特征识别模型,进行特征识别,得到网格空间图;
将若干相连道路的网格空间图依次连接得到网格空间路径图。
进一步的,所述无人机执行路障分析前还包括:
与汽车建立通讯连接,并实时反馈运行信息;
汽车车载终端通过分析运行信息得出无人机执行值。
进一步的,所述无人机执行路障分析包括:
通过车载激光雷达获取汽车行驶路段的车道信息、车流信息以及车速信息;
通过动态行驶模型得出汽车的行驶值;
挑选无人机执行值大于行驶值的无人机进行路障分析。
进一步的,所述动态行驶模型,包括:
采集层,采集层用于获取车道信息、车流信息以及车速信息,并进行存储;
转换层,转换层用于将车道信息、车流信息以及车速信息转化为车道系数,具体的,
获取汽车的探测范围,并获取探测范围内的车辆数量、预设时间内车辆流失数量及预设时间内车辆总数量;
通过预设时间内车辆流失数量与预设时间内车辆总数量的比值得出流失系数;
再通过探测范围内的车辆数量与流失系数的乘积得到车辆数量系数;
按照车道信息提供的车道数量得出车道系数,具体的,车道数量与车辆数量系数的乘积得出车道系数;
将车速信息转化为行驶值,具体为,实时行驶车速与车道系数相乘后与流失系数的比值得出行驶值。
进一步的,汽车车载终端通过分析运行信息得出无人机执行值包括:
获取运行信息内的电量值、飞行值以及消耗值;
其中,电量值为无人机剩余电量;飞行值与行驶值相匹配,通过预设飞行高度,将行驶值与预设飞行高度相乘得出飞行值;消耗值为无人机在对应飞行值高度飞行下的消耗电量;
剩余电量与消耗电量的差值得出电量系数,电量系数与行驶值的乘积得出执行值。
进一步的,所述无人机执行路障分析与路径采集包括:
获取网格空间路径图内更新时间不满足预设自动驾驶阈值的网格空间图,并标记为路径采集区块;
提取行驶值内预设范围,以车辆为起点,获取车辆与行驶值内预设范围的最远距离,并标记为固定距离;
当行驶值内预设范围与路径采集区块之间的距离小于固定距离时,获取当前的行驶值,选取执行值大于当前行驶值的无人机进行路径采集。
本技术方案还提供一种可读存储介质,包括:如上所述的自动驾驶路径规划方法。
本技术方案还提供一种车辆,包括:如上所述的自动驾驶路径规划方法。
与现有技术相比,本发明的有益效果是:
本公开通过设置无人机进行路障分析,相较于传统的激光雷达可以更高效的探查到路面每个障碍物以及车辆的行驶轨迹,可以实现提前预警,同时当基础信息更新不及时,或因为网络连接问题导致网格空间路径图更新失败,可以通过无人机进行网格空间路径图探查与绘制,解决了因为基础信息缺失导致自动驾驶失败的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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为本发明原理框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
传统的,自动驾驶在感知层阶段多数只依靠车载雷达进行感知,当遇到复杂地形时,车载雷达存在感知距离短的问题,导致车辆在复杂路段时,感知力下降,自动驾驶级别降低。
针对上述技术问题,本申请提出一种自动驾驶路径规划方法,自动驾驶路径规划方法包括:
S1:建立网格空间路径图;
S2:获取网格空间路径图的更新时间;
S3:若网格空间路径图的更新时间满足预设自动驾驶阈值,则执行步骤S4,反之,则执行步骤S5;
S4:无人机执行路障分析;
S5:无人机除执行路障分析外还进行路径采集;
S6:车载执行终端通过路障分析与路径分析选取自动驾驶路径。
通过无人机辅助进行路径采集,可以更安全的更新基础数据,同时也增强自动驾驶的安全性。
基于上述描述,本发明实施例提出一种如图1所示的一种自动驾驶路径规划方法及其可读存储介质,包括一种车辆,车辆上设置有无人机存储仓,用于停放无人机;
在进行无人机驾驶前,汽车需要联网获取网格空间路径图,以便于为自动驾驶提供基础道路行驶数据;
在具体实施时,采集若干自动驾驶区域的高清卫星图片;
将高清卫星图片内标志物进行标记,得到特征识别图片,具体的,标志物包括道路边界、车道标线、道路标志等。
将若干自动驾驶区域的高清卫星图片和特征识别图片输入深度神经网络学习,得到特征识别模型;
将自动驾驶车辆行驶道路的高清卫星图片输入特征识别模型,进行特征识别,得到网格空间图;
将若干相连道路的网格空间图依次连接得到网格空间路径图
其中,若网格空间路径图的更新时间满足预设自动驾驶阈值,则无人机执行路障分析;
具体的,预设自动驾驶阈值与自动驾驶程度不同而取值不同;
当网格空间路径图的更新时间满足时,则只需要无人机进行路障分析,具体的,首先要与汽车建立通讯连接,并实时反馈运行信息;通过反馈的运行信息,汽车车载终端可以分析运行信息得出无人机执行值;
其中,获取运行信息内的电量值、飞行值以及消耗值;
其中,电量值为无人机剩余电量;飞行值与行驶值相匹配,通过预设飞行高度,将行驶值与预设飞行高度相乘得出飞行值;消耗值为无人机在对应飞行值高度飞行下的消耗电量;
无人机在对应飞行值高度飞行下的消耗电量事先通过软件模拟得出,预先存储在汽车车载终端内,在使用时,只需要调取即可得出具体数值;
剩余电量与消耗电量的差值得出电量系数,电量系数与行驶值的乘积得出执行值;
其中,上述行驶值为汽车实时驾驶时对应的数据,具体的,通过车载激光雷达获取汽车行驶路段的车道信息、车流信息以及车速信息,通过动态行驶模型得出汽车的行驶值;
动态行驶模型为预先安装在可读存储介质内,具体的动态行驶模型包括,
采集层,采集层用于获取车道信息、车流信息以及车速信息,并进行存储;
转换层,转换层用于将车道信息、车流信息以及车速信息转化为车道系数,具体的,
获取汽车的探测范围,并获取探测范围内的车辆数量、预设时间内车辆流失数量及预设时间内车辆总数量;
通过预设时间内车辆流失数量与预设时间内车辆总数量的比值得出流失系数,再通过探测范围内的车辆数量与流失系数的乘积得到车辆数量系数;
其中,探测范围根据汽车车载雷达的型号以及最大有效探测范围不同而不同;预设时间内车辆流失数量具体为,预设设定的时间节点内,探测范围内车辆增多或减少的数量,即为车辆流失数量,同时预设时间根据自动驾驶程度决定,自动驾驶程度越高,预设时间之间的间隔越短;车辆总数量为预设时间内,预设范围内全部探查到的车辆总数。
按照车道信息所提供的车道数量得出车道系数,具体的,车道数量与车辆数量系数的乘积得出车道系数;
将车速信息转化为行驶值,具体为,实时行驶车速与车道系数相乘后与流失系数的比值得出行驶值。
经过上述操作后,挑选无人机执行值大于行驶值的无人机进行路障分析,保证无人机可以完成自动驾驶的需求;
其中,当无人机在执行路障分析,执行值小于行驶值时,无人机返航,新的无人机进行代替继续进行路障分析,所以,本实施例无人机至少设置有2个;
若网格空间路径图的更新时间不满足预设自动驾驶阈值,则无人机除执行路障分析外还进行路径采集;
具体的,获取网格空间路径图内更新时间不满足预设自动驾驶阈值的网格空间图,并标记为路径采集区块;
提取行驶值内预设范围,以车辆为起点,获取车辆与行驶值内预设范围的最远距离,并标记为固定距离;
当行驶值内预设范围与路径采集区块之间的距离小于固定距离时,获取当前的行驶值,选取执行值大于当前行驶值的无人机进行路径采集;
并将采集信息发送至特征识别模型得出路径采集区块对应的网格空间图,并更新至网格空间路径图;
同时,车载终端将得出路径采集区块对应的网格空间图上传至服务器内,同步更新,便于后续其他车辆进行使用。
车辆基于无人机的采集信息进行路径规划,提高自动驾驶的程度。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种自动驾驶路径规划方法,其特征在于,所述自动驾驶路径规划方法包括:
S1:建立网格空间路径图;
S2:获取网格空间路径图的更新时间;
S3:若网格空间路径图的更新时间满足预设自动驾驶阈值,则执行步骤S4,反之,则执行步骤S5;
S4:无人机执行路障分析;
S5:无人机除执行路障分析外还进行路径采集;
S6:车载执行终端通过路障分析与路径分析选取自动驾驶路径;
所述无人机执行路障分析与路径采集包括:
获取网格空间路径图内更新时间不满足预设自动驾驶阈值的网格空间图,并标记为路径采集区块;
提取行驶值内预设范围,以车辆为起点,获取车辆与行驶值内预设范围的最远距离,并标记为固定距离;
当行驶值内预设范围与路径采集区块之间的距离小于固定距离时,获取当前的行驶值,选取执行值大于当前行驶值的无人机进行路径采集;
所述无人机执行路障分析包括:
通过车载激光雷达获取汽车行驶路段的车道信息、车流信息以及车速信息;
通过动态行驶模型得出汽车的行驶值;
挑选无人机执行值大于行驶值的无人机进行路障分析;
所述动态行驶模型,包括:
采集层,采集层用于获取车道信息、车流信息以及车速信息,并进行存储;
转换层,转换层用于将车道信息、车流信息以及车速信息转化为车道系数,具体的,
获取汽车的探测范围,并获取探测范围内的车辆数量、预设时间内车辆流失数量以及预设时间内车辆总数量;
通过预设时间内车辆流失数量与预设时间内车辆总数量的比值得出流失系数;
再通过探测范围内的车辆数量与流失系数的乘积得到车辆数量系数;
按照车道信息提供的车道数量得出车道系数,具体的,车道数量与车辆数量系数的乘积得出车道系数;
将车速信息转化为行驶值,具体为,实时行驶车速与车道系数相乘后与流失系数的比值得出行驶值;
汽车车载终端通过分析运行信息得出无人机执行值包括:
获取运行信息内的电量值、飞行值以及消耗值;
其中,电量值为无人机剩余电量;飞行值与行驶值相匹配,通过预设飞行高度,将行驶值与预设飞行高度相乘得出飞行值;消耗值为无人机在对应飞行值高度飞行下的消耗电量;
剩余电量与消耗电量的差值得出电量系数,电量系数与行驶值的乘积得出执行值。
2.根据权利要求1所述的一种自动驾驶路径规划方法,其特征在于,所述建立网格空间路径图之前还包括:
采集若干自动驾驶区域的高清卫星图片;
将高清卫星图片内标志物进行标记,得到特征识别图片;
将若干自动驾驶区域的高清卫星图片和特征识别图片输入深度神经网络学习,得到特征识别模型;
将自动驾驶车辆行驶道路的高清卫星图片输入特征识别模型,进行特征识别,得到网格空间图;
将若干相连道路的网格空间图依次连接得到网格空间路径图。
3.根据权利要求2所述的一种自动驾驶路径规划方法,其特征在于,所述无人机执行路障分析前还包括:
与汽车建立通讯连接,并实时反馈运行信息;
汽车车载终端通过分析运行信息得出无人机执行值。
4.一种可读存储介质,其特征在于,所述可读存储介质内包括权利要求1~3中任一项所述的自动驾驶路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663415.7A CN113108807B (zh) | 2021-06-16 | 2021-06-16 | 一种自动驾驶路径规划方法及其可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663415.7A CN113108807B (zh) | 2021-06-16 | 2021-06-16 | 一种自动驾驶路径规划方法及其可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113108807A CN113108807A (zh) | 2021-07-13 |
CN113108807B true CN113108807B (zh) | 2021-08-31 |
Family
ID=76723553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110663415.7A Active CN113108807B (zh) | 2021-06-16 | 2021-06-16 | 一种自动驾驶路径规划方法及其可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113108807B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113467474B (zh) * | 2021-07-29 | 2023-09-22 | 安徽江淮汽车集团股份有限公司 | 自动驾驶层次化控制系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225477A (zh) * | 2014-07-06 | 2016-01-06 | 临安巨丰城市配套设备有限公司 | 一种基于窨井盖的道路交通检测系统及方法 |
CN106770930A (zh) * | 2016-11-24 | 2017-05-31 | 北京蓝色星语科技有限公司 | 一种使用无人机进行危险品检测的方法及系统 |
CN109409235A (zh) * | 2018-09-27 | 2019-03-01 | Oppo广东移动通信有限公司 | 图像识别方法和装置、电子设备、计算机可读存储介质 |
CN109813322A (zh) * | 2019-03-18 | 2019-05-28 | 东莞理工学院 | 无人机与无人车协作导航系统 |
CN110070744A (zh) * | 2018-01-22 | 2019-07-30 | 通用汽车环球科技运作有限责任公司 | 使用航空无人机辅助操作道路车辆的方法和系统 |
CN110119147A (zh) * | 2019-05-09 | 2019-08-13 | 深圳市速腾聚创科技有限公司 | 车辆自动驾驶方法、装置、计算机设备和存储介质 |
CN110659548A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆及其目标检测方法、装置 |
US20200286034A1 (en) * | 2017-09-25 | 2020-09-10 | Shmuel Ur Innovation Ltd | Drone based delivery system using vehicles |
CN112810489A (zh) * | 2021-04-19 | 2021-05-18 | 禾美(浙江)汽车股份有限公司 | 一种新能源汽车用安全充电管理系统 |
-
2021
- 2021-06-16 CN CN202110663415.7A patent/CN113108807B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225477A (zh) * | 2014-07-06 | 2016-01-06 | 临安巨丰城市配套设备有限公司 | 一种基于窨井盖的道路交通检测系统及方法 |
CN106770930A (zh) * | 2016-11-24 | 2017-05-31 | 北京蓝色星语科技有限公司 | 一种使用无人机进行危险品检测的方法及系统 |
US20200286034A1 (en) * | 2017-09-25 | 2020-09-10 | Shmuel Ur Innovation Ltd | Drone based delivery system using vehicles |
CN110070744A (zh) * | 2018-01-22 | 2019-07-30 | 通用汽车环球科技运作有限责任公司 | 使用航空无人机辅助操作道路车辆的方法和系统 |
CN110659548A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆及其目标检测方法、装置 |
CN109409235A (zh) * | 2018-09-27 | 2019-03-01 | Oppo广东移动通信有限公司 | 图像识别方法和装置、电子设备、计算机可读存储介质 |
CN109813322A (zh) * | 2019-03-18 | 2019-05-28 | 东莞理工学院 | 无人机与无人车协作导航系统 |
CN110119147A (zh) * | 2019-05-09 | 2019-08-13 | 深圳市速腾聚创科技有限公司 | 车辆自动驾驶方法、装置、计算机设备和存储介质 |
CN112810489A (zh) * | 2021-04-19 | 2021-05-18 | 禾美(浙江)汽车股份有限公司 | 一种新能源汽车用安全充电管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113108807A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3542237B1 (de) | Autonomes steuern eines kraftfahrzeugs anhand von spurdaten; kraftfahrzeug | |
CN111506058B (zh) | 通过信息融合来计划自动驾驶的短期路径的方法及装置 | |
DE102017217443B4 (de) | Verfahren und System zur Bereitstellung von Trainingsdaten zum maschinellen Lernen für ein Steuerungsmodell einer automatischen Fahrzeugsteuerung | |
DE102017126877A1 (de) | Automatisierte Copilot-Steuerung für autonome Fahrzeuge | |
CN106097755A (zh) | 用于识别泊车场地和/或空出场地的方法 | |
CN110751847B (zh) | 一种自动驾驶车辆行为决策方法及系统 | |
CN105139434B (zh) | 露天矿山道路网自动构建方法及系统 | |
DE102019108644A1 (de) | Verfahren und vorrichtung zum automatischen lernen von regeln für autonomes fahren | |
CN107316457B (zh) | 判断道路交通状况是否符合汽车自动驾驶的方法 | |
CN113064487A (zh) | 一种交互虚拟仿真系统 | |
CN116202533B (zh) | 一种基于地形重构的车辆轨迹导航规划方法及设备 | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
CN113108807B (zh) | 一种自动驾驶路径规划方法及其可读存储介质 | |
DE102019216206A1 (de) | Vorrichtung und Verfahren zum Bestimmen einer Kehrtwendestrategie eines autonomen Fahrzeugs | |
DE102021111686A1 (de) | Navigationstrajektorie mit verstärkendem lernen für ein ego-fahrzeug in einem navigationsnetzwerk | |
CN114155720B (zh) | 一种路侧激光雷达的车辆检测和轨迹预测方法 | |
CN113420368A (zh) | 一种智能车辆神经网络动力学模型、强化学习网络模型及其自动驾驶训练方法 | |
CN114295132A (zh) | 使用递归自组织地图的虚拟行道估测 | |
CN114596709A (zh) | 数据处理方法、装置、设备以及存储介质 | |
WO2020020621A1 (de) | Verfahren und vorrichtung zur reichweitenschätzung für ein fahrzeug | |
CN113085891A (zh) | 车辆控制方法、装置、非易失性存储介质及处理器 | |
CN104183135B (zh) | 车辆行进开销的估计方法及系统 | |
DE102020130519A1 (de) | Fahrzeugbetriebsparameter | |
DE102020105313A1 (de) | Verfahren, Recheneinrichtung und System zum Kartographieren von Landmarken eines Straßennetzes in einer Straßenkarte | |
DE102021119871B4 (de) | Verfahren und Prozessorschaltung zum Betreiben einer automatisierten Fahrfunktion mit Objektklassifikator in einem Kraftfahrzeug, sowie Kraftfahrzeug |
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 |