CN113110415A - 无人驾驶车辆及其控制方法、系统以及云端、存储介质 - Google Patents

无人驾驶车辆及其控制方法、系统以及云端、存储介质 Download PDF

Info

Publication number
CN113110415A
CN113110415A CN202110287609.1A CN202110287609A CN113110415A CN 113110415 A CN113110415 A CN 113110415A CN 202110287609 A CN202110287609 A CN 202110287609A CN 113110415 A CN113110415 A CN 113110415A
Authority
CN
China
Prior art keywords
unmanned vehicle
control signal
cloud server
information
control
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
CN202110287609.1A
Other languages
English (en)
Inventor
许豪
陈新
王化英
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 Automotive Research Institute Co Ltd
Original Assignee
Beijing Automotive Research Institute 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 Automotive Research Institute Co Ltd filed Critical Beijing Automotive Research Institute Co Ltd
Priority to CN202110287609.1A priority Critical patent/CN113110415A/zh
Publication of CN113110415A publication Critical patent/CN113110415A/zh
Pending legal-status Critical Current

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
    • G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
    • 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)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种无人驾驶车辆及其控制方法、系统以及云端、存储介质，无人驾驶车辆的控制方法包括：实时采集无人驾驶车辆周围环境的环境信息；通过5G通信网络将环境信息传输至云端服务器，以使云端服务器根据环境信息生成控制信号；接收云端服务器发送的控制信号，并根据控制信号对无人驾驶车辆进行控制。由此，该无人驾驶车辆的控制方法，可以提高无人驾驶的安全性。

Description

无人驾驶车辆及其控制方法、系统以及云端、存储介质
技术领域
本发明涉及车辆技术领域，尤其涉及一种无人驾驶车辆及其控制方法、系统以及云端、存储介质。
背景技术
无人驾驶作为车辆未来发展的方向之一，在人类未来的生活及出行中发挥了重要的作用。然而，倘若车辆无法很好的感知环境中的物体信息，无人驾驶汽车很容易发生撞击等事故，因此，研制一种能够提高降低无人驾驶汽车传感器检测成本，且提高车辆感知能力的装置，对无人驾驶汽车的技术发展及普及应用都有重要的价值。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种无人驾驶车辆的控制方法，以提高无人驾驶的安全性。
本发明的第二个目的在于提出一种无人驾驶车辆。
本发明的第三个目的在于提出一种云端服务器。
本发明的第四个目的在于提出一种无人驾驶车辆的控制系统。
本发明的第五个目的在于提出一种计算机可读存储介质。
为达到上述目的，本发明第一方面实施例提出一种无人驾驶车辆的控制方法，包括：实时采集无人驾驶车辆周围环境的环境信息；通过5G通信网络将所述环境信息传输至云端服务器，以使所述云端服务器根据所述环境信息生成控制信号；接收所述云端服务器发送的所述控制信号，并根据所述控制信号对所述无人驾驶车辆进行控制。
为达到上述目的，本发明第二方面实施例提出一种无人驾驶车辆，包括：传感器模块，用于实时采集无人驾驶车辆周围环境的环境信息；5G通信模块，用于将所述环境信息传输至云端服务器，以使所述云端服务器根据所述环境信息生成控制信号；控制模块，用于接收所述云端服务器发送的所述控制信号，并根据所述控制信号对所述无人驾驶车辆进行控制。
为达到上述目的，本发明第三方面实施例提出一种云端服务器，包括：检测模块，用于接收无人驾驶车辆通过5G通信模块传输的环境信息，并基于深度学习算法根据所述环境信息得到环境物体信息；端到端深度学习平台，用于得到所述无人驾驶车辆的控制信息；融合模块，用于利用无损卡尔曼滤波算法，根据所述环境物体信息与所述控制信息得到控制信号。
为达到上述目的，本发明第四方面实施例提出一种无人驾驶车辆的控制系统，包括上述的无人驾驶车辆和上述的云端服务器。
为达到上述目的，本发明第五方面实施例提出一种一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的无人驾驶车辆的控制方法。
本发明实施例的无人驾驶车辆及其控制方法、系统以及云端、存储介质，可以提高无人驾驶的安全性。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明一个实施例的无人驾驶车辆的控制方法的流程图；
图2是本发明一个示例的无人驾驶车辆的控制方法的示意图；
图3是本发明另一个示例的无人驾驶车辆的控制方法的示意图；
图4是本发明实施例的无人驾驶车辆的结构框图；
图5是本发明实施例的云端服务器的结构框图；
图6是本发明实施例的无人驾驶车辆的控制系统的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的无人驾驶车辆及其控制方法、系统以及云端、存储介质。
图1是本发明一个实施例的无人驾驶车辆的控制方法的流程图。
如图1所示，无人驾驶车辆的控制方法包括以下步骤：
S11，实时采集无人驾驶车辆周围环境的环境信息。
具体地，可以在无人驾驶车辆上设置相应的传感器，进而通过传感器实时采集无人驾驶车辆周围环境的环境信息。
其中，上述环境信息可以包括激光点云数据和图像数据，相应的传感器可以是激光雷达和工业相机。
作为一个示例，如图2所示，可以在无人驾驶车辆中轴线上设置激光雷达单元1与工业相机2。其中，激光雷达1的朝向与无人驾驶车辆的行进方向一致，且可自行设置激光雷达1的安装高度以使激光雷达1可以探测到尽可能多的车辆周围环境信息；工业相机2的镜头方向与无人驾驶车辆的行进方向一致，且可自行设置工业相机2的高度以使工业相机2可以对车辆前方的尽可能多的环境信息进行拍摄，或者，工业相机2也可选用全景相机，以对尽可能多的车辆周围环境信息进行拍摄。进而可以通过设置在无人驾驶车辆中轴线上的激光雷达单元采集得到激光点云数据，通过设置在无人驾驶车辆中轴线上的工业相机采集得到图像数据。
可选地，还可在针对方向盘的控制信号时，根据该控制信号获取方向盘的转动角度，进而根据方向盘的转动角度对传感器进行控制。例如，可以在检测到针对方向盘的控制信号时，根据该控制信号获取方向盘即将进行转动的角度，进而根据该方向盘即将转动的角度获取车辆即将转动的角度，并控制工业相机2的朝向进行相应的转动，从而在车辆进行转向之前，先由工业相机2对相应的方向进行拍摄。
S12，通过5G通信网络将环境信息传输至云端服务器，以使云端服务器根据环境信息生成控制信号。
具体地，可以将激光点云数据和图像数据通过5G通信网络传输至云端服务器。例如，5G通信网络可以采用现有的5G通信设备(如5G CPE)，该5G通信设备可以防放置在车辆内部，并根据SOCKET协议将上述激光点云数据和图像数据传输至云端服务器。进而云端服务器可以基于深度学习算法根据激光点云数据和图像数据得到环境物体信息。例如，可以预先基于大量样本对相应的深度学习模型进行训练，进而云端服务器在接收到环境信息后，可以依据训练好的模型根据环境信息获取无人驾驶车辆周围环境中物体的相对距离、相对速度以及尺寸等基本信息，同时可对物体进行分类为车辆、行人、树木、栏杆等物体，并且得到车辆可行驶区域与车道线信息。上述通过5G通信网络将环境信息传输至云端服务器可以为实时进行，也可以为每隔设定时间进行，该设定时间可与车速呈反比。
进一步地，云端服务器可以利用无损卡尔曼滤波算法，根据环境物体信息与利用端到端深度学习得到的控制信息得到控制信号。具体地，云端服务器可以首先利用端到端深度学习得到车辆的控制信息，如方向盘转角、油门开度；进而根据上述环境物体信息获取针对车辆的控制方式；从而根据环境物体信息与控制信息得到控制信号。
可选地，可以事先获取大量的车辆环境信息样本，进而根据上述大量的车辆环境信息样本对云端服务器进行训练，从而实现云端服务器在获取到一个确定的环境物体信息后可以得到确定的车辆的控制方式。例如，若云端服务器获取得到的环境物体信息为在车辆前方a米处有一名行人，则云端服务器根据预先训练的结果确定方向盘需转动b度、油门开度需减少c度，从而云端服务器可以基于该控制方式得到控制信号。
需要说明的是，云端服务器在得到控制信号后，还可利用区块链加密技术对控制信号进行加密处理，以提高对无人驾驶车辆控制的安全性。
S13，接收云端服务器发送的控制信号，并根据控制信号对无人驾驶车辆进行控制。
具体地，无人驾驶车辆在接收到云端服务器发送的控制信号后，若控制信号未被加密，则可以对接收到的控制信号进行常规解析，从而根据解析结果对无人驾驶车辆进行控制；若控制信号被加密，则可以对接收到的控制信号进行解密，从而根据解密结果对无人驾驶车辆进行控制。
在本发明的一个实施例中，在通过5G通信网络将环境信息传输至云端服务器之前，上述无人驾驶车辆的控制方法还包括：对激光点云数据和图像数据进行时间同步处理。
具体地，在获取到上述激光点云数据和图像数据后，首先对该激光点云数据和图像数据进行时间同步处理。例如，传感器在获取到激光点云数据后，可以将获取得到的激光点云数据转换为相应的数据流(如ROS数据流)，并采用预设的存储格式(如针对PCL库的存储格式)进行存储；传感器在获取到图像数据后，可以根据获取的图像数据得到相应的视频流；进而可将相邻时刻的上述数据流和视频流赋予同一时间戳，从而实现时间同步。
可选地，还可对激光点云数据和图像数据进行有效性检测，确认激光点云数据和图像数据均有效。由此，可以实现去除无效干扰数据。例如，以激光点云数据为例，可以根据传感器发布激光点云数据的频率设置第一阈值，并根据激光点云数据的每帧字节长度设置第二阈值，进而通过上述第一阈值与第二阈值对激光点云数据进行筛选；如，可以检测传感器发布激光点云数据的频率，进而在该频率大于第一阈值时判定传感器发布数据的频率异常，获取异常时间段内传感器发布的激光点云数据并获取对应的每帧字节长度，从而根据获取的字节长度基于第二阈值对激光点云数据进行筛选。
作为一个示例，如图3所示，激光雷达1将获取的激光点云数据通过网线发送至处理单元3，工业相机2在将获取的图像数据发送至处理单元3；从而处理单元3可以对接收到的激光点云数据和图像数据进行时间同步处理与有效性处理，进而将处理结果通过5G通信设备4与路由器5发送至云端服务器。
综上，本发明实施例的无人驾驶车辆的控制方法，可以通过5G技术将车载激光雷达及工业相机的感知结果发送至云端服务器，利用云端服务器中的基于深度学习的激光雷达与摄像头感知算法对车载激光雷达及工业相机的感知结果进行解析；从而充分利用基于深度学习的激光雷达与摄像头感知算法的低漏检/误检率优势以及5G技术的大带宽、低延迟、海量连接优势，实现更好地物体检测能力。由此，可以提高无人驾驶的安全性。
图4是本发明实施例的无人驾驶车辆的结构框图。
如图4所示，该无人驾驶车辆100包括传感器模块101、5G通信模块102、控制模块103。
具体地，传感器模块101，用于实时采集无人驾驶车辆周围环境的环境信息；5G通信模块102，用于将环境信息传输至云端服务器，以使云端服务器根据环境信息生成控制信号；控制模块103，用于接收云端服务器发送的控制信号，并根据控制信号对无人驾驶车辆进行控制。
该无人驾驶车辆，可以提高无人驾驶车辆的环境适应能力，从而提高无人驾驶车辆的安全性。
在本发明的一个实施例中，控制模块103还可用于：对接收到的控制信号进行解密。
在本发明的一个实施例中，传感器模块101具体用于：通过设置在无人驾驶车辆中轴线上的激光雷达单元采集得到激光点云数据，通过设置在无人驾驶车辆中轴线上的工业相机采集得到图像数据。
在本发明的一个实施例中，在通过5G通信网络将环境信息传输至云端服务器之前，传感器模块101还可用于：对激光点云数据和图像数据进行时间同步处理。
在本发明的一个实施例中，在将环境信息传输至云端服务器之前，传感器模块101还可用于：对激光点云数据和图像数据进行有效性检测，确认激光点云数据和图像数据均有效。
需要说明的是，本发明实施例的无人驾驶车辆的其他具体实施方式，可以参见上述的无人驾驶车辆的控制方法。
本发明实施例的无人驾驶车辆，可以提高无人驾驶的安全性。
图5是本发明实施例的云端服务器的结构框图。
如图5所示，该云端服务器200包括检测模块201、端到端深度学习平台202、融合模块203。
具体地，检测模块201，用于接收无人驾驶车辆通过5G通信模块传输的环境信息，并基于深度学习算法根据环境信息得到环境物体信息；端到端深度学习平台202，用于得到无人驾驶车辆的控制信息；融合模块203，用于利用无损卡尔曼滤波算法，根据环境物体信息与控制信息得到控制信号。
该云端服务器，可以提高无人驾驶车辆的环境适应能力，从而提高无人驾驶车辆的安全性。
在本发明的一个实施例中，检测模块201具体用于：基于深度学习算法根据激光点云数据和图像数据得到环境物体信息。
在本发明的一个实施例中，融合模块203具体用于：根据环境物体信息与利用端到端深度学习得到的控制信息得到控制信号。
在本发明的一个实施例中，融合模块203还可用于：利用区块链加密技术对控制信号进行加密处理。
需要说明的是，本发明实施例的云端服务器的其他具体实施方式，可以参见上述的无人驾驶车辆的控制方法。
本发明实施例的云端服务器，可以提高无人驾驶的安全性。
图6是本发明实施例的无人驾驶车辆的控制系统的结构框图。
如图6所示，无人驾驶车辆的控制系统300包括上述的无人驾驶车辆100和上述的云端服务器200。
本发明实施例的无人驾驶车辆的控制系统，可以提高无人驾驶的安全性。
进一步地，本发明提出一种计算机可读存储介质。
在本发明实施例中，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现上述的无人驾驶车辆的控制方法。
本发明实施例的计算机可读存储介质，在其上的计算机程序被处理器执行时，可以提高无人驾驶的安全性。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种无人驾驶车辆的控制方法，其特征在于，包括：
实时采集无人驾驶车辆周围环境的环境信息；
通过5G通信网络将所述环境信息传输至云端服务器，以使所述云端服务器根据所述环境信息生成控制信号；
接收所述云端服务器发送的所述控制信号，并根据所述控制信号对所述无人驾驶车辆进行控制。
2.如权利要求1所述的无人驾驶车辆的控制方法，其特征在于，所述环境信息包括激光点云数据和图像数据，其中，所述根据所述环境信息生成控制信号，包括：
基于深度学习算法根据所述激光点云数据和图像数据得到环境物体信息；
利用无损卡尔曼滤波算法，根据所述环境物体信息与利用端到端深度学习得到的控制信息得到所述控制信号。
3.如权利要求2所述的无人驾驶车辆的控制方法，其特征在于，所述云端服务器在得到所述控制信号后，还利用区块链加密技术对所述控制信号进行加密处理，其中，所述方法还包括：
对接收到的控制信号进行解密。
4.如权利要求2所述的无人驾驶车辆的控制方法，其特征在于，通过设置在所述无人驾驶车辆中轴线上的激光雷达单元采集得到所述激光点云数据，通过设置在所述无人驾驶车辆中轴线上的工业相机采集得到所述图像数据。
5.如权利要求2-4中任一项所述的无人驾驶车辆的控制方法，其特征在于，在通过5G通信网络将所述环境信息传输至云端服务器之前，所述方法还包括：
对所述激光点云数据和所述图像数据进行时间同步处理。
6.如权利要求2-4中任一项所述的无人驾驶车辆的控制方法，其特征在于，在将所述环境信息传输至所述云端服务器之前，所述方法还包括：
对所述激光点云数据和所述图像数据进行有效性检测，确认所述激光点云数据和所述图像数据均有效。
7.一种无人驾驶车辆，其特征在于，包括：
传感器模块，用于实时采集无人驾驶车辆周围环境的环境信息；
5G通信模块，用于将所述环境信息传输至云端服务器，以使所述云端服务器根据所述环境信息生成控制信号；
控制模块，用于接收所述云端服务器发送的所述控制信号，并根据所述控制信号对所述无人驾驶车辆进行控制。
8.一种云端服务器，其特征在于，包括：
检测模块，用于接收无人驾驶车辆通过5G通信模块传输的环境信息，并基于深度学习算法根据所述环境信息得到环境物体信息；
端到端深度学习平台，用于得到所述无人驾驶车辆的控制信息；
融合模块，用于利用无损卡尔曼滤波算法，根据所述环境物体信息与所述控制信息得到控制信号。
9.一种无人驾驶车辆的控制系统，其特征在于，包括如权利要求7所述的无人驾驶车辆和如权利要求8所述的云端服务器。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的无人驾驶车辆的控制方法。
CN202110287609.1A 2021-03-17 2021-03-17 无人驾驶车辆及其控制方法、系统以及云端、存储介质 Pending CN113110415A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110287609.1A CN113110415A (zh) 2021-03-17 2021-03-17 无人驾驶车辆及其控制方法、系统以及云端、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110287609.1A CN113110415A (zh) 2021-03-17 2021-03-17 无人驾驶车辆及其控制方法、系统以及云端、存储介质

Publications (1)

Publication Number Publication Date
CN113110415A true CN113110415A (zh) 2021-07-13

Family

ID=76711909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110287609.1A Pending CN113110415A (zh) 2021-03-17 2021-03-17 无人驾驶车辆及其控制方法、系统以及云端、存储介质

Country Status (1)

Country Link
CN (1) CN113110415A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116403174A (zh) * 2022-12-12 2023-07-07 深圳市大数据研究院 一种端到端自动驾驶方法、系统、仿真系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109358614A (zh) * 2018-08-30 2019-02-19 深圳市易成自动驾驶技术有限公司 自动驾驶方法、系统、装置及可读存储介质
CN110850711A (zh) * 2019-12-06 2020-02-28 中国科学院自动化研究所 基于云端的辅助驾驶控制系统及方法
WO2020160981A1 (en) * 2019-02-04 2020-08-13 Elektrobit Automotive Gmbh Determination of the driving context of a vehicle
CN111796287A (zh) * 2020-07-29 2020-10-20 上海坤聿智能科技有限公司 一种自动驾驶汽车道路数据采集分析装置
CN112212872A (zh) * 2020-10-19 2021-01-12 合肥工业大学 基于激光雷达和导航地图的端到端自动驾驶方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109358614A (zh) * 2018-08-30 2019-02-19 深圳市易成自动驾驶技术有限公司 自动驾驶方法、系统、装置及可读存储介质
WO2020160981A1 (en) * 2019-02-04 2020-08-13 Elektrobit Automotive Gmbh Determination of the driving context of a vehicle
CN110850711A (zh) * 2019-12-06 2020-02-28 中国科学院自动化研究所 基于云端的辅助驾驶控制系统及方法
CN111796287A (zh) * 2020-07-29 2020-10-20 上海坤聿智能科技有限公司 一种自动驾驶汽车道路数据采集分析装置
CN112212872A (zh) * 2020-10-19 2021-01-12 合肥工业大学 基于激光雷达和导航地图的端到端自动驾驶方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116403174A (zh) * 2022-12-12 2023-07-07 深圳市大数据研究院 一种端到端自动驾驶方法、系统、仿真系统及存储介质

Similar Documents

Publication Publication Date Title
CN109212543B (zh) 用于自主车辆操作的校准验证方法
CN110268413B (zh) 低电平传感器融合
US8180561B2 (en) Vehicle-installation obstacle detection apparatus
US10963706B2 (en) Distributable representation learning for associating observations from multiple vehicles
CN101542555B (zh) 在车辆之间进行无线通信的方法
JP7167887B2 (ja) 自動化車両の向けのＶｅｈｉｃｌｅ－ｔｏ－Ｅｖｅｒｙｔｈｉｎｇデータ転送
JP6556939B2 (ja) 車両制御装置
WO2016017297A1 (ja) 自動二輪車のための情報提供装置及びプログラム
CN104952122A (zh) 可自动进行违章取证的行车记录仪及系统
KR102635265B1 (ko) 라이다를 이용한 어라운드 뷰 모니터링 장치 및 방법
US20170316284A1 (en) Target object detection system and a method for target object detection
US11380142B2 (en) Method for measuring a driving event, server device, and system comprised of the server device and a plurality of motor vehicles
WO2020116206A1 (ja) 情報処理装置、および情報処理方法、並びにプログラム
US11250695B2 (en) Method and device for providing a position of at least one object
US20220058428A1 (en) Information processing apparatus, information processing method, program, mobile-object control apparatus, and mobile object
CN113743709A (zh) 用于自主和半自主车辆的在线感知性能评估
JP6903598B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム、および移動体
JP2010003242A (ja) 通信システム
US20230237783A1 (en) Sensor fusion
JP2006236094A (ja) 障害物認識システム
CN113110415A (zh) 无人驾驶车辆及其控制方法、系统以及云端、存储介质
CN109195849B (zh) 摄像装置
KR20210136518A (ko) 차선유형 판단 장치 및 그 방법
CN109017772B (zh) 车辆控制装置
WO2018134139A1 (en) Establishing a measure for a local traffic density by a driver assistance system of a motor 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: 20210713

RJ01 Rejection of invention patent application after publication