CN113128426A - 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 - Google Patents
无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 Download PDFInfo
- Publication number
- CN113128426A CN113128426A CN202110444252.3A CN202110444252A CN113128426A CN 113128426 A CN113128426 A CN 113128426A CN 202110444252 A CN202110444252 A CN 202110444252A CN 113128426 A CN113128426 A CN 113128426A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- unmanned vehicle
- image
- marking
- 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 75
- 230000008569 process Effects 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 39
- 238000012937 correction Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 17
- 238000003709 image segmentation Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 241000283070 Equus zebra Species 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000008859 change Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人驾驶车辆的控制方法及控制装置、无人驾驶车辆。其中,该控制方法包括:在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于无人驾驶车辆车头前方的目标道路上的道路图像;对道路图像进行视图分割,得到道路标线;根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值;若概率值超出预设概率阈值,则调整车辆行驶模式。本发明解决了相关技术中由于无法有效识别道路标线,容易导致车辆在行驶过程与周围其它车辆发生碰撞的技术问题。
Description
技术领域
本发明涉及车辆控制技术领域,具体而言,涉及一种无人驾驶车辆的控制方法及控制装置、无人驾驶车辆。
背景技术
相关技术中,随着自动化控制技术的不断发展、成熟,在车辆控制方面,无人驾驶技术也是不断发展。当前的无人驾驶技术,多是针对城市中规范道路,当前城市道路上往往会行驶大量的汽车,这种情况下,无人驾驶车辆在行驶过程中很容易出现碰撞,尤其是在道路出现变向或者转弯情况下,由于车道较多,而无人驾驶车辆无法及时确定当前位置信息,且无法识别道路标线,不知道前方道路的具体走向,导致车辆在变道过程、转弯过程中与周围其它车辆发生碰撞,造成交通事故,财产损失较大。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种无人驾驶车辆的控制方法及控制装置、无人驾驶车辆,以至少解决相关技术中由于无法有效识别道路标线,容易导致车辆在行驶过程与周围其它车辆发生碰撞的技术问题。
根据本发明实施例的一个方面,提供了一种无人驾驶车辆的控制方法,包括:在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于所述无人驾驶车辆车头前方的目标道路上的道路图像;对所述道路图像进行视图分割,得到道路标线;根据所述道路标线,预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值;若所述概率值超出预设概率阈值,则调整所述车辆行驶模式。
可选地,采集位于所述无人驾驶车辆车头前方的目标道路上的道路图像的步骤,包括:确定所述无人驾驶车辆在未来预设时间段内的行驶方向;基于所述行驶方向,控制所述无人驾驶车辆与车头前方的目标道路上行驶的周围其它车辆建立通讯连接;接收所述周围其它车辆传输的目标道路上的道路图像。
可选地,对所述道路图像进行视图分割,得到道路标线的步骤,包括:对所述道路图像进行修正处理,并对修正处理后的道路图像进行二值化处理,得到初始修正图像;分析所述目标道路包含的车道数量;基于所述车道数量,采用初始化阈值对所述初始修正图像进行分割,得到多张标线子图像;分析每张所述标线子图像中指示的车道标线;集成所有的车道标线,得到所述道路标线。
可选地,基于所述车道数量,采用初始化阈值对所述初始修正图像进行分割,得到多张标线子图像的步骤,包括:基于所述车道数量,确定待分割的标线子图像的分割数量;按照正视图像原则,确定图像分割顺序;根据所述图像分割顺序和所述标线子图像的分割数量,用初始化阈值对所述初始修正图像进行分割,得到多张标线子图像。
可选地,所述道路标线包括下述至少之一:车道线、路面交通标志、车辆停止线、斑马线。
可选地,根据所述道路标线,预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值的步骤,包括:若确定所述车辆行驶模式为直线行驶模式;基于所述道路标线以及所述无人驾驶车辆与周围其它车辆的距离值,预估所述无人驾驶车辆依据所述直线行驶模式在行驶过程发生碰撞的概率值。
可选地,根据所述道路标线,预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值的步骤,还包括:若确定所述车辆行驶模式为变道行驶模式;基于所述道路标线以及所述无人驾驶车辆与周围其它车辆的变道需求,预估所述无人驾驶车辆依据所述变道行驶模式在行驶过程与所述周围其它车辆发生碰撞的概率值。
可选地,在预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值之后,所述控制方法还包括:若所述概率值未超出预设概率阈值,控制所述无人驾驶车辆上的视觉装置拍摄新车道图像,以对周围其它车辆未拍摄到的车道图像进行补充;将补充拍摄的所述新车道图像传输至道路方向上的后续其它车辆。
根据本发明实施例的另一方面,还提供了一种无人驾驶车辆的控制装置,包括:采集单元,用于在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于所述无人驾驶车辆车头前方的目标道路上的道路图像;视图分割单元,用于对所述道路图像进行视图分割,得到道路标线;预估单元,用于根据所述道路标线,预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值;调整单元,用于在所述概率值超出预设概率阈值时,调整所述车辆行驶模式。
可选地,所述采集单元包括:第一确定模块,用于确定所述无人驾驶车辆在未来预设时间段内的行驶方向;第一控制模块,用于基于所述行驶方向,控制所述无人驾驶车辆与车头前方的目标道路上行驶的周围其它车辆建立通讯连接;第一接收模块,用于接收所述周围其它车辆传输的目标道路上的道路图像。
可选地,所述视图分割单元包括:修正处理模块,用于对所述道路图像进行修正处理,并对修正处理后的道路图像进行二值化处理,得到初始修正图像;第一分析模块,用于分析所述目标道路包含的车道数量;第一分割模块,用于基于所述车道数量,采用初始化阈值对所述初始修正图像进行分割,得到多张标线子图像;第二分析模块,用于分析每张所述标线子图像中指示的车道标线;第一集成模块,用于集成所有的车道标线,得到所述道路标线。
可选地,所述第一分割模块包括:第一确定子模块,用于基于所述车道数量,确定待分割的标线子图像的分割数量;第二确定子模块,用于按照正视图像原则,确定图像分割顺序;分割子模块,用于根据所述图像分割顺序和所述标线子图像的分割数量,用初始化阈值对所述初始修正图像进行分割,得到多张标线子图像。
可选地,所述道路标线包括下述至少之一:车道线、路面交通标志、车辆停止线、斑马线。
可选地,所述预估单元包括:第二确定模块,用于确定所述车辆行驶模式为直线行驶模式;第一预估模块,用于基于所述道路标线以及所述无人驾驶车辆与周围其它车辆的距离值,预估所述无人驾驶车辆依据所述直线行驶模式在行驶过程发生碰撞的概率值。
可选地,所述预估单元还包括:第三确定模块,用于确定所述车辆行驶模式为变道行驶模式;第二预估模块,用于基于所述道路标线以及所述无人驾驶车辆与周围其它车辆的变道需求,预估所述无人驾驶车辆依据所述变道行驶模式在行驶过程与所述周围其它车辆发生碰撞的概率值。
可选地,所述无人驾驶车辆的控制装置还包括:第二控制模块,用于在预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值之后,若所述概率值未超出预设概率阈值,控制所述无人驾驶车辆上的视觉装置拍摄新车道图像,以对周围其它车辆未拍摄到的车道图像进行补充;传输模块,用于将补充拍摄的所述新车道图像传输至道路方向上的后续其它车辆。
根据本发明实施例的另一方面,还提供了一种无人驾驶车辆,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的无人驾驶车辆的控制方法。
本发明实施例中,采用在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于无人驾驶车辆车头前方的目标道路上的道路图像,对道路图像进行视图分割,得到道路标线,根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值,若概率值超出预设概率阈值,则调整车辆行驶模式。在该实施例中,可以采集车辆前方的目标道路上的道路图像,在对道路图像进行视图分割后,得到道路标线,从而预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值,减少车辆在行驶过程的碰撞次数,提高安全行驶里程,从而解决相关技术中由于无法有效识别道路标线,容易导致车辆在行驶过程与周围其它车辆发生碰撞的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的无人驾驶车辆的控制方法的流程图;
图2是根据本发明实施例的一种可选的无人驾驶车辆的控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
本发明实施例,可以应用于各种无人驾驶车辆,该无人驾驶车辆的类型包括但不限于:园区物流车、新能源车、汽车、卡车。每种类型的无人驾驶车辆的车身参数和可扫描信息不一样,在分析道路路标、车道线、标识牌以及其它车辆信息、障碍物时,所使用的参数都不一样,根据各类型车辆的具体情况自行调整。
在无人驾驶车辆上可以集成:控制平台、摄像装置、感知设备(包括距离感知器、传感设备)、安全预警装置等。
根据本发明实施例,提供了一种无人驾驶车辆的控制方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的无人驾驶车辆的控制方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于无人驾驶车辆车头前方的目标道路上的道路图像;
步骤S104,对道路图像进行视图分割,得到道路标线;
步骤S106,根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值;
步骤S108,若概率值超出预设概率阈值,则调整车辆行驶模式。
通过上述步骤,可以在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于无人驾驶车辆车头前方的目标道路上的道路图像,对道路图像进行视图分割,得到道路标线,根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值,若概率值超出预设概率阈值,则调整车辆行驶模式。在该实施例中,可以采集车辆前方的目标道路上的道路图像,在对道路图像进行视图分割后,得到道路标线,从而预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值,减少车辆在行驶过程的碰撞次数,提高安全行驶里程,从而解决相关技术中由于无法有效识别道路标线,容易导致车辆在行驶过程与周围其它车辆发生碰撞的技术问题。
下面结合上述各实施步骤来详细说明本实施例。
步骤S102,在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于无人驾驶车辆车头前方的目标道路上的道路图像。
车辆行驶模式可以根据每条道路的具体行驶方向、变向信息、车道数量、道路宽度等自行选择。车辆行驶模式可以包括但不限于:直线行驶模式、变向行驶模式、变道行驶模式、掉头行驶模式,其中,变向行驶模式为下述之一:转弯模式、匝道模式、转向模式(即在遇到交叉路口后,转向到达下一道路行驶);变道行驶模式是指在道路上的子车道较多时,通过变换待行驶的子车道,以调整车辆行驶的子车道。
本实施例中,无人驾驶车辆可以在各种道路上行驶,道路类型包括但不限于:高速、省道、乡道、城市内环路、巷道、园区道路等,可以根据车辆在该道路上各个转向点的预估车辆损伤度、车道拥挤度综合选取一条最优道路。
可选的,采集位于无人驾驶车辆车头前方的目标道路上的道路图像的步骤,包括:确定无人驾驶车辆在未来预设时间段内的行驶方向;基于行驶方向,控制无人驾驶车辆与车头前方的目标道路上行驶的周围其它车辆建立通讯连接;接收周围其它车辆传输的目标道路上的道路图像。
拍摄的道路图像中可以包含多种信息,可以包括但不限于:车辆部分、道路标线、障碍物、行人、标识牌、道路指示灯等。本申请主要需要拍摄道路上的道路标线部分的图像。
步骤S104,对道路图像进行视图分割,得到道路标线。
本实施例中,对道路图像进行视图分割,得到道路标线的步骤,包括:对道路图像进行修正处理,并对修正处理后的道路图像进行二值化处理,得到初始修正图像;分析目标道路包含的车道数量;基于车道数量,采用初始化阈值对初始修正图像进行分割,得到多张标线子图像;分析每张标线子图像中指示的车道标线;集成所有的车道标线,得到道路标线。
可选的,基于车道数量,采用初始化阈值对初始修正图像进行分割,得到多张标线子图像的步骤,包括:基于车道数量,确定待分割的标线子图像的分割数量;按照正视图像原则,确定图像分割顺序;根据图像分割顺序和标线子图像的分割数量,用初始化阈值对初始修正图像进行分割,得到多张标线子图像。
本实施例中,能够通过逆透视变换得到当前车辆前方道路标线的初始修正图像(例如,修正为正射视图),并根据车辆历史行驶方式,约束当前道路的分割初始化阈值,采用初始化阈值对初始修正图像进行分割,判断图像边缘像素点是否呈现的平行性、投影直方图呈现的等距性,最终提取得到车道线、路面交通标志、车辆停止线、斑马线等道路标线。本实施例中,道路标线提取的执行速率高,通过对投影直方图进行操作,能够降低残缺图像细节对于检测、提取的影响,提高提取方法的鲁棒性。
可选的,道路标线包括下述至少之一:车道线、路面交通标志、车辆停止线、斑马线。
步骤S106,根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值。
可选的,根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值的步骤,包括:若确定车辆行驶模式为直线行驶模式;基于道路标线以及无人驾驶车辆与周围其它车辆的距离值,预估无人驾驶车辆依据直线行驶模式在行驶过程发生碰撞的概率值。
另一种可选的,根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值的步骤,还包括:若确定车辆行驶模式为变道行驶模式;基于道路标线以及无人驾驶车辆与周围其它车辆的变道需求,预估无人驾驶车辆依据变道行驶模式在行驶过程与周围其它车辆发生碰撞的概率值。
步骤S108,若概率值超出预设概率阈值,则调整车辆行驶模式。
可选的,在预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值之后,控制方法还包括:若概率值未超出预设概率阈值,控制无人驾驶车辆上的视觉装置拍摄新车道图像,以对周围其它车辆未拍摄到的车道图像进行补充;将补充拍摄的新车道图像传输至道路方向上的后续其它车辆。
另一种可选的,本实施例还可以实时检测无人驾驶车辆当前所处车道前方是否出现障碍物、两侧相邻车道的交通拥挤度,若检测到当前车道前方出现障碍物时,结合两侧相邻车道的交通拥挤度,调整车辆的路径规划策略,执行路径规划策略,通过变道、减速刹车或绕障实现避障处理,降低在拥挤车道上行驶。
本实施例中,还可以通过无人驾驶车辆上的视觉装置获取无人驾驶车辆的周围图像和视频,每隔预设时间,根据记录存储的无人驾驶车辆的车辆定位、车辆图像、车辆视频、视频时间以及预先设置的变道规则(变道规则用于指示车辆水平位移超过车道宽度,且车辆行驶轨迹越过了其中一条子车道线),判断出正在变道的车辆,调整车辆行驶模式,以规避正在变道的其它车辆。
通过上述实施例,能够通过采集道路图像,实施分析前方道路上的道路标线,并分析其它车辆的行驶位置,判断碰撞概率值,通过碰撞概率值,及时调整车辆行驶模式,提高无人驾驶车辆的安全驾驶里程,减少车辆碰撞次数,减少用户财产损失。
下面结合另一种可选的实施例来说明本发明。
实施例二
本实施例涉及到一种无人驾驶车辆的控制装置,该控制装置包含的多个实施单元对应于上述实施例一中的各个实施步骤。
图2是根据本发明实施例的一种可选的无人驾驶车辆的控制装置的示意图,如图2所示,该控制装置可以包括:采集单元21,视图分割单元23,预估单元25,调整单元27,其中,
采集单元21,用于在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于无人驾驶车辆车头前方的目标道路上的道路图像;
视图分割单元23,用于对道路图像进行视图分割,得到道路标线;
预估单元25,用于根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值;
调整单元27,用于在概率值超出预设概率阈值时,调整车辆行驶模式。
上述无人驾驶车辆的控制装置,可以通过采集单元21在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于无人驾驶车辆车头前方的目标道路上的道路图像,通过视图分割单元23对道路图像进行视图分割,得到道路标线,通过预估单元25根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值,通过调整单元27在概率值超出预设概率阈值,则调整车辆行驶模式。在该实施例中,可以采集车辆前方的目标道路上的道路图像,在对道路图像进行视图分割后,得到道路标线,从而预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值,减少车辆在行驶过程的碰撞次数,提高安全行驶里程,从而解决相关技术中由于无法有效识别道路标线,容易导致车辆在行驶过程与周围其它车辆发生碰撞的技术问题。
可选的,采集单元包括:第一确定模块,用于确定无人驾驶车辆在未来预设时间段内的行驶方向;第一控制模块,用于基于行驶方向,控制无人驾驶车辆与车头前方的目标道路上行驶的周围其它车辆建立通讯连接;第一接收模块,用于接收周围其它车辆传输的目标道路上的道路图像。
可选的,视图分割单元包括:修正处理模块,用于对道路图像进行修正处理,并对修正处理后的道路图像进行二值化处理,得到初始修正图像;第一分析模块,用于分析目标道路包含的车道数量;第一分割模块,用于基于车道数量,采用初始化阈值对初始修正图像进行分割,得到多张标线子图像;第二分析模块,用于分析每张标线子图像中指示的车道标线;第一集成模块,用于集成所有的车道标线,得到道路标线。
可选的,第一分割模块包括:第一确定子模块,用于基于车道数量,确定待分割的标线子图像的分割数量;第二确定子模块,用于按照正视图像原则,确定图像分割顺序;分割子模块,用于根据图像分割顺序和标线子图像的分割数量,用初始化阈值对初始修正图像进行分割,得到多张标线子图像。
可选的,道路标线包括下述至少之一:车道线、路面交通标志、车辆停止线、斑马线。
可选的,预估单元包括:第二确定模块,用于确定车辆行驶模式为直线行驶模式;第一预估模块,用于基于道路标线以及无人驾驶车辆与周围其它车辆的距离值,预估无人驾驶车辆依据直线行驶模式在行驶过程发生碰撞的概率值。
可选的,预估单元还包括:第三确定模块,用于确定车辆行驶模式为变道行驶模式;第二预估模块,用于基于道路标线以及无人驾驶车辆与周围其它车辆的变道需求,预估无人驾驶车辆依据变道行驶模式在行驶过程与周围其它车辆发生碰撞的概率值。
可选的,无人驾驶车辆的控制装置还包括:第二控制模块,用于在预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值之后,若概率值未超出预设概率阈值,控制无人驾驶车辆上的视觉装置拍摄新车道图像,以对周围其它车辆未拍摄到的车道图像进行补充;传输模块,用于将补充拍摄的新车道图像传输至道路方向上的后续其它车辆。
上述的无人驾驶车辆的控制装置还可以包括处理器和存储器,上述采集单元21,视图分割单元23,预估单元25,调整单元27等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值,在概率值超出预设概率阈值时,调整车辆行驶模式。
上述存储器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),存储器包括至少一个存储芯片。
根据本发明实施例的另一方面,还提供了一种无人驾驶车辆,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述任意一项的无人驾驶车辆的控制方法。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于无人驾驶车辆车头前方的目标道路上的道路图像;对道路图像进行视图分割,得到道路标线;根据道路标线,预估无人驾驶车辆依据车辆行驶模式进行行驶过程中存在碰撞的概率值;若概率值超出预设概率阈值,则调整车辆行驶模式。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
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 (10)
1.一种无人驾驶车辆的控制方法,其特征在于,包括:
在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于所述无人驾驶车辆车头前方的目标道路上的道路图像;
对所述道路图像进行视图分割,得到道路标线;
根据所述道路标线,预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值;
若所述概率值超出预设概率阈值,则调整所述车辆行驶模式。
2.根据权利要求1所述的控制方法,其特征在于,采集位于所述无人驾驶车辆车头前方的目标道路上的道路图像的步骤,包括:
确定所述无人驾驶车辆在未来预设时间段内的行驶方向;
基于所述行驶方向,控制所述无人驾驶车辆与车头前方的目标道路上行驶的周围其它车辆建立通讯连接;
接收所述周围其它车辆传输的目标道路上的道路图像。
3.根据权利要求1所述的控制方法,其特征在于,对所述道路图像进行视图分割,得到道路标线的步骤,包括:
对所述道路图像进行修正处理,并对修正处理后的道路图像进行二值化处理,得到初始修正图像;
分析所述目标道路包含的车道数量;
基于所述车道数量,采用初始化阈值对所述初始修正图像进行分割,得到多张标线子图像;
分析每张所述标线子图像中指示的车道标线;
集成所有的车道标线,得到所述道路标线。
4.根据权利要求3所述的控制方法,其特征在于,基于所述车道数量,采用初始化阈值对所述初始修正图像进行分割,得到多张标线子图像的步骤,包括:
基于所述车道数量,确定待分割的标线子图像的分割数量;
按照正视图像原则,确定图像分割顺序;
根据所述图像分割顺序和所述标线子图像的分割数量,用初始化阈值对所述初始修正图像进行分割,得到多张标线子图像。
5.根据权利要求1至4中任意一项所述的控制方法,其特征在于,所述道路标线包括下述至少之一:车道线、路面交通标志、车辆停止线、斑马线。
6.根据权利要求1所述的控制方法,其特征在于,根据所述道路标线,预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值的步骤,包括:
若确定所述车辆行驶模式为直线行驶模式;
基于所述道路标线以及所述无人驾驶车辆与周围其它车辆的距离值,预估所述无人驾驶车辆依据所述直线行驶模式在行驶过程发生碰撞的概率值。
7.根据权利要求1所述的控制方法,其特征在于,根据所述道路标线,预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值的步骤,还包括:
若确定所述车辆行驶模式为变道行驶模式;
基于所述道路标线以及所述无人驾驶车辆与周围其它车辆的变道需求,预估所述无人驾驶车辆依据所述变道行驶模式在行驶过程与所述周围其它车辆发生碰撞的概率值。
8.根据权利要求1所述的控制方法,其特征在于,在预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值之后,所述控制方法还包括:
若所述概率值未超出预设概率阈值,控制所述无人驾驶车辆上的视觉装置拍摄新车道图像,以对周围其它车辆未拍摄到的车道图像进行补充;
将补充拍摄的所述新车道图像传输至道路方向上的后续其它车辆。
9.一种无人驾驶车辆的控制装置,其特征在于,包括:
采集单元,用于在无人驾驶车辆启动预定的车辆行驶模式开始行驶时,采集位于所述无人驾驶车辆车头前方的目标道路上的道路图像;
视图分割单元,用于对所述道路图像进行视图分割,得到道路标线;
预估单元,用于根据所述道路标线,预估所述无人驾驶车辆依据所述车辆行驶模式进行行驶过程中存在碰撞的概率值;
调整单元,用于在所述概率值超出预设概率阈值时,调整所述车辆行驶模式。
10.一种无人驾驶车辆,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至8中任意一项所述的无人驾驶车辆的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110444252.3A CN113128426A (zh) | 2021-04-23 | 2021-04-23 | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110444252.3A CN113128426A (zh) | 2021-04-23 | 2021-04-23 | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113128426A true CN113128426A (zh) | 2021-07-16 |
Family
ID=76779942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110444252.3A Pending CN113128426A (zh) | 2021-04-23 | 2021-04-23 | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128426A (zh) |
-
2021
- 2021-04-23 CN CN202110444252.3A patent/CN113128426A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Berriel et al. | Ego-lane analysis system (elas): Dataset and algorithms | |
US8670592B2 (en) | Clear path detection using segmentation-based method | |
US9652980B2 (en) | Enhanced clear path detection in the presence of traffic infrastructure indicator | |
US8428305B2 (en) | Method for detecting a clear path through topographical variation analysis | |
US9257045B2 (en) | Method for detecting a traffic lane by means of a camera | |
Paetzold et al. | Road recognition in urban environment | |
WO2019071212A1 (en) | SYSTEM AND METHOD FOR DETERMINING A CURVE | |
US20150324649A1 (en) | Method and Device for Analyzing Trafficability | |
CN108460968A (zh) | 一种基于车联网获取交通路况信息的方法及装置 | |
CN111301404B (zh) | 车辆的控制方法及装置、存储介质及处理器 | |
CN113147784A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN113071523A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN114841910A (zh) | 车载镜头遮挡识别方法及装置 | |
CN113176778A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN110986994A (zh) | 一种基于高噪音车辆轨迹数据的换道意图自动标注方法 | |
Janda et al. | A road edge detection approach for marked and unmarked lanes based on video and radar | |
JP2013134609A (ja) | 縁石検出装置及びプログラム | |
Rasmussen | Road shape classification for detecting and negotiating intersections | |
CN113128426A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN113353071B (zh) | 一种基于深度学习的狭窄区域交汇车安全辅助方法和系统 | |
CN113147789A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN115762153A (zh) | 倒车检测方法及装置 | |
CN113212452A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
JP7458940B2 (ja) | 画像処理装置 | |
CN113147788A (zh) | 园区物流车的控制方法及控制装置、无人驾驶车辆 |
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 |