CN113167038A - 一种车辆通过道闸横杆的方法及装置 - Google Patents
一种车辆通过道闸横杆的方法及装置 Download PDFInfo
- Publication number
- CN113167038A CN113167038A CN202080006572.4A CN202080006572A CN113167038A CN 113167038 A CN113167038 A CN 113167038A CN 202080006572 A CN202080006572 A CN 202080006572A CN 113167038 A CN113167038 A CN 113167038A
- Authority
- CN
- China
- Prior art keywords
- target
- barrier gate
- cross bar
- barrier
- gate cross
- 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
Links
- 230000004888 barrier function Effects 0.000 title claims abstract description 782
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000033001 locomotion Effects 0.000 claims description 98
- 238000012545 processing Methods 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 14
- 230000001174 ascending effect Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims 4
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 16
- 238000013473 artificial intelligence Methods 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 10
- 238000013500 data storage Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 241000282414 Homo sapiens Species 0.000 description 7
- 230000006399 behavior Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 230000010267 cellular communication Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F13/00—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions
- E01F13/04—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions movable to allow or prevent passage
- E01F13/06—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions movable to allow or prevent passage by swinging into open position about a vertical or horizontal axis parallel to the road direction, i.e. swinging gates
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F13/00—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions
- E01F13/04—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions movable to allow or prevent passage
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F13/00—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions
- E01F13/04—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions movable to allow or prevent passage
- E01F13/048—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions movable to allow or prevent passage with obstructing members moving in a translatory motion, e.g. vertical lift barriers, sliding gates
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/60—Traversable objects, e.g. speed bumps or curbs
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆通过道闸横杆的方法及装置,涉及自动驾驶领域,解决了车辆处于自动驾驶模式下,如何通过道闸横杆的问题。方法包括:车辆利用安装在车辆上的传感器采集车辆周围的多个待检测的道闸横杆的数据,并将多个待检测的道闸横杆的数据传输给处理器。处理器根据目标道闸横杆的位姿从多个待检测的道闸横杆的数据中确定目标道闸横杆的数据,目标道闸横杆为车辆所在车道的道闸横杆。进而,处理器根据目标道闸横杆的数据确定目标道闸横杆的状态,根据目标道闸横杆的状态控制自动驾驶车辆通过目标道闸横杆。
Description
技术领域
本申请实施例涉及自动驾驶领域,尤其涉及一种车辆通过道闸横杆的方法及装置。
背景技术
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人、自然语言处理、计算机视觉、决策与推理、人机交互、推荐与搜索和AI基础理论等。
自动驾驶是人工智能领域的一种主流应用,自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作,让机动车辆可以在不需要人类主动操作下,实现自动驾驶。自动驾驶车辆使用各种计算系统来帮助将乘客从一个位置运输到另一位置。一些自动驾驶车辆可能要求来自操作者(诸如,领航员、驾驶员或者乘客)的一些初始输入或者连续输入。自动驾驶车辆准许操作者从手动操作模式切换到自动驾驶模式或者介于两者之间的模式。由于自动驾驶技术无需人类来驾驶机动车辆,所以理论上能够有效避免人类的驾驶失误,减少交通事故的发生,且能够提高公路的运输效率。因此,自动驾驶技术越来越受到重视。
但是,自动驾驶车辆如何通过道闸横杆目前还没有一个确定的方案。
发明内容
本申请提供一种车辆通过道闸横杆的方法及装置,解决了车辆处于自动驾驶模式下,如何通过道闸横杆的问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供了一种车辆通过道闸横杆的方法,该方法可应用于处理器,例如该处理器包括芯片系统,方法包括:处理器获取由安装在车辆上的一个或多个传感器采集的车辆周围的N个待检测的道闸横杆的数据,处理器根据目标道闸横杆的位姿从N个待检测的道闸横杆的数据中确定目标道闸横杆的数据,目标道闸横杆为车辆所在车道的道闸横杆。进而,处理器根据目标道闸横杆的数据确定目标道闸横杆的状态,根据目标道闸横杆的状态控制车辆通过目标道闸横杆。其中,N为大于或等于1的整数。
车辆在自动驾驶模式下,可以根据道路地图进行行驶。道路地图可以是一种高精地图,记录有车道周围的静态物体的信息。例如道路地图记录车道上的预先规划的道闸横杆的信息。因此,车辆可以根据道路地图行驶过程中,可获取车辆所在车道的道闸横杆的位姿。可理解的,车辆所在车道的道闸横杆为目标道闸横杆。目标道闸横杆为车辆将要通过的道闸横杆。位姿包括位置和朝向。但是,车辆并不知道将要通过的道闸横杆的状态。
进而,车辆通过一个或多个传感器感测车辆的周边环境内的N个待检测的道闸横杆,得到N个待检测的道闸横杆的数据。但是,车辆不知道N个待检测的道闸横杆的数据中哪个道闸横杆的数据是车辆所在车道的道闸横杆的数据。因此,车辆从N个待检测的道闸横杆的数据中确定目标道闸横杆的数据。从而依据目标道闸横杆的数据确定目标道闸横杆的状态,控制车辆通过目标道闸横杆。
在一种可能的设计中,目标道闸横杆的状态包括开关状态,目标道闸横杆的开关状态包括打开和关闭。所述根据目标道闸横杆的状态控制车辆通过目标道闸横杆,包括:根据目标道闸横杆的开关状态控制车辆通过目标道闸横杆。
例如,当目标道闸横杆的开关状态为打开,控制车辆行驶,从而使车辆顺利通过目标道闸横杆。
又如,当目标道闸横杆的开关状态为关闭,控制车辆停止,从而避免车辆触碰到目标道闸横杆。
在另一种可能的设计中,目标道闸横杆的状态还包括运动状态,目标道闸横杆的运动状态包括上升、下降和静止。所述根据目标道闸横杆的状态控制车辆通过目标道闸横杆,包括:根据目标道闸横杆的开关状态和运动状态控制车辆通过目标道闸横杆。
下面对在目标道闸横杆的开关状态和运动状态的各种可能的情况下车辆行驶状态进行介绍。
情况一,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为上升,控制车辆行驶。
情况二,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为静止,控制车辆行驶。
情况三,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为下降,控制车辆停止。
情况四,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为下降,控制车辆停止。
情况五,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为静止,控制车辆停止。
情况六,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为上升,控制车辆停止。
在一种可能的实现方式中,根据目标道闸横杆的数据确定目标道闸横杆的开关状态和运动状态,包括:根据目标道闸横杆的数据确定目标道闸横杆的角度,目标道闸横杆的角度为目标道闸横杆与基准直线的夹角;根据目标道闸横杆的角度确定目标道闸横杆的开关状态和运动状态。
可选的,根据目标道闸横杆的角度确定目标道闸横杆的开关状态,包括:若目标道闸横杆的角度大于第一预设角度,确定目标道闸横杆的开关状态为打开;若目标道闸横杆的角度小于第二预设角度,确定目标道闸横杆的开关状态为关闭;第二预设角度小于第一预设角度;若目标道闸横杆的角度小于或等于第一预设角度,且目标道闸横杆的角度大于或等于第二预设角度,确定目标道闸横杆的开关状态为前一时刻确定的目标道闸横杆的开关状态。
可选的,根据目标道闸横杆的角度确定目标道闸横杆的运动状态,包括:若目标道闸横杆的第i角度大于目标道闸横杆的第i-1角度,确定目标道闸横杆的运动状态为上升;若目标道闸横杆的第i角度小于目标道闸横杆的第i-1角度,确定目标道闸横杆的运动状态为下降;其中,目标道闸横杆的第i角度是依据第i帧图像中的目标道闸横杆确定的,目标道闸横杆的第i-1角度是依据第i-1帧图像中的目标道闸横杆确定的,第i帧图像与第i-1帧图像相邻。
在另一种可能的实现方式中,方法还包括:通过处理器,根据预先配置的道路地图获取目标道闸横杆的位姿。
在另一种可能的实现方式中,根据N个待检测的道闸横杆的数据和目标道闸横杆的位姿确定N个待检测的道闸横杆中包含的目标道闸横杆,包括:根据N个待检测的道闸横杆的数据确定N个待检测的道闸横杆的第一坐标;根据目标道闸横杆的位姿确定目标道闸横杆的坐标,其中,N个待检测的道闸横杆的第一坐标和目标道闸横杆的坐标均为二维坐标系下的坐标,或者,N个待检测的道闸横杆的第一坐标和目标道闸横杆的坐标均为三维坐标系下的坐标;根据N个待检测的道闸横杆的第一坐标和目标道闸横杆的坐标确定N个欧式距离;将N个欧式距离中最小的欧式距离对应的道闸横杆的数据确定为目标道闸横杆的数据。
对于不同的传感器,获取到的道闸横杆的数据的类型可以不同。例如,传感器为相机或激光雷达。
在一种可能的设计中,N个待检测的道闸横杆的第一坐标为二维坐标系下的坐标,根据N个待检测的道闸横杆的数据确定N个待检测的道闸横杆的第一坐标,包括:根据N个待检测的道闸横杆的数据和目标位置检测模型确定N个待检测的道闸横杆的第一坐标。
可选的,目标道闸横杆的坐标为二维坐标系下的坐标,根据目标道闸横杆的位姿确定目标道闸横杆的坐标,包括:根据车辆的位姿和传感器的外参确定传感器的位姿;根据目标道闸横杆的位姿、传感器的位姿和传感器的内参确定目标道闸横杆的坐标。
可选的,方法还包括:对样本数据进行训练以生成目标位置检测模型。
在另一种可能的设计中,N个待检测的道闸横杆的第一坐标为三维坐标系下的坐标,根据N个待检测的道闸横杆的数据确定N个待检测的道闸横杆的第一坐标,包括:根据N个待检测的道闸横杆的点云数据确定N个待检测的道闸横杆的三维模型,根据N个待检测的道闸横杆的三维模型确定N个待检测的道闸横杆的第一坐标。
第二方面,本申请提供了一种车辆通过道闸横杆的装置,包括:处理单元,用于获取由一个或多个传感器采集的N个待检测的道闸横杆的数据,N为大于或等于1的整数;处理单元,还用于根据目标道闸横杆的位姿从N个待检测的道闸横杆的数据中确定目标道闸横杆的数据,目标道闸横杆为车辆所在车道的道闸横杆;所述处理单元,还用于根据目标道闸横杆的数据确定目标道闸横杆的状态;控制单元,用于根据目标道闸横杆的状态控制车辆通过目标道闸横杆。
在一种可能的设计中,目标道闸横杆的状态包括开关状态,目标道闸横杆的开关状态包括打开和关闭。控制单元具体用于:根据目标道闸横杆的开关状态控制车辆通过目标道闸横杆。
例如,当目标道闸横杆的开关状态为打开,控制车辆行驶,从而使车辆顺利通过目标道闸横杆。
又如,当目标道闸横杆的开关状态为关闭,控制车辆停止,从而避免车辆触碰到目标道闸横杆。
在另一种可能的设计中,目标道闸横杆的状态还包括运动状态,目标道闸横杆的运动状态包括上升、下降和静止。控制单元具体用于:根据目标道闸横杆的开关状态和运动状态控制车辆通过目标道闸横杆。
下面对在目标道闸横杆的开关状态和运动状态的各种可能的情况下车辆行驶状态进行介绍。
情况一,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为上升,控制车辆行驶。
情况二,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为静止,控制车辆行驶。
情况三,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为下降,控制车辆停止。
情况四,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为下降,控制车辆停止。
情况五,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为静止,控制车辆停止。
情况六,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为上升,控制车辆停止。
在一种可能的实现方式中,处理单元具体用于:根据目标道闸横杆的数据确定目标道闸横杆的角度,目标道闸横杆的角度为目标道闸横杆与基准直线的夹角;根据目标道闸横杆的角度确定目标道闸横杆的开关状态和运动状态。
可选的,处理单元具体用于:若目标道闸横杆的角度大于第一预设角度,确定目标道闸横杆的开关状态为打开;若目标道闸横杆的角度小于第二预设角度,确定目标道闸横杆的开关状态为关闭;第二预设角度小于第一预设角度;若目标道闸横杆的角度小于或等于第一预设角度,且目标道闸横杆的角度大于或等于第二预设角度,确定目标道闸横杆的开关状态为前一时刻确定的目标道闸横杆的开关状态。
可选的,处理单元具体用于:若目标道闸横杆的第i角度大于目标道闸横杆的第i-1角度,确定目标道闸横杆的运动状态为上升;若目标道闸横杆的第i角度小于目标道闸横杆的第i-1角度,确定目标道闸横杆的运动状态为下降;其中,目标道闸横杆的第i角度是依据第i帧图像中的目标道闸横杆确定的,目标道闸横杆的第i-1角度是依据第i-1帧图像中的目标道闸横杆确定的,第i帧图像与第i-1帧图像相邻。
在另一种可能的实现方式中,处理单元还用于:根据预先配置的道路地图获取目标道闸横杆的位姿。
在另一种可能的实现方式中,处理单元具体用于:根据N个待检测的道闸横杆的数据确定N个待检测的道闸横杆的第一坐标;根据目标道闸横杆的位姿确定目标道闸横杆的坐标,其中,N个待检测的道闸横杆的第一坐标和目标道闸横杆的坐标均为二维坐标系下的坐标,或者,N个待检测的道闸横杆的第一坐标和目标道闸横杆的坐标均为三维坐标系下的坐标;根据N个待检测的道闸横杆的第一坐标和目标道闸横杆的坐标确定N个欧式距离;将N个欧式距离中最小的欧式距离对应的道闸横杆的数据确定为目标道闸横杆的数据。
对于不同的传感器,获取到的道闸横杆的数据的类型可以不同。例如,传感器为相机或激光雷达。
在一种可能的设计中,N个待检测的道闸横杆的第一坐标为二维坐标系下的坐标,处理单元具体用于:根据N个待检测的道闸横杆的数据和目标位置检测模型确定N个待检测的道闸横杆的第一坐标。
可选的,目标道闸横杆的坐标为二维坐标系下的坐标,处理单元具体用于:根据车辆的位姿和传感器的外参确定传感器的位姿;根据目标道闸横杆的位姿、传感器的位姿和传感器的内参确定目标道闸横杆的坐标。
可选的,处理单元还用于:对样本数据进行训练以生成目标位置检测模型。
在另一种可能的设计中,N个待检测的道闸横杆的第一坐标为三维坐标系下的坐标,处理单元具体用于:根据N个待检测的道闸横杆的点云数据确定N个待检测的道闸横杆的三维模型,根据N个待检测的道闸横杆的三维模型确定N个待检测的道闸横杆的第一坐标。
第三方面,提供了一种车辆通过道闸横杆的装置,所述装置包括处理器和存储器,其中,存储器用于存储计算机程序和指令,在处理器接收到来自一个或多个传感器采集的N个待检测的道闸横杆的数据,处理器用于执行计算机程序和指令实现如上述第一方面所述的车辆通过道闸横杆的方法,N为大于或等于1的整数。
第四方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序代码,当所述计算机程序代码并运行时,实现上述第一方面所述的车辆通过道闸横杆的方法。
第五方面,本申请提供了一种芯片系统,该芯片系统包括处理器,用于实现上述第一方面的方法中处理器的功能。在一种可能的设计中,所述芯片系统还包括存储器,用于保存程序指令和/或数据。该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
第六方面,本申请提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,当该计算机程序被运行时,实现上述第一方面所述的车辆通过道闸横杆的方法。
第七方面,本申请提供了一种车辆,车辆包括一个或多个传感器和上述第三方面所述的车辆通过道闸横杆的装置,其中,所述一个或多个传感器用于获取多个待检测的道闸横杆的数据,所述装置用于与所述一个或多个传感器协助执行实现上述第一方面所述的车辆通过道闸横杆的方法。
本申请中,车辆通过道闸横杆的装置、车辆和处理器的名字对设备本身不构成限定,在实际实现中,这些设备可以以其他名称出现。只要各个设备的功能和本申请类似,属于本申请权利要求及其等同技术的范围之内。
附图说明
图1为本申请一实施例提供的车辆的结构示意图;
图2为本申请一实施例提供的计算机系统的结构示意图;
图3为本申请一实施例提供的云侧指令汽车的应用示意图;
图4为本申请一实施例提供的车辆通过道闸横杆的方法流程图;
图5为本申请一实施例提供的车辆的周边环境内的道闸横杆示意图;
图6为本申请一实施例提供的车辆通过第一道闸横杆的方法流程图;
图7为本申请一实施例提供的车辆的周边环境内的第一道闸横杆示意图;
图8为本申请一实施例提供的车辆通过第一道闸横杆的方法流程图;
图9为本申请一实施例提供的第一道闸横杆的角度示意图;
图10为本申请一实施例提供的第一道闸横杆的开关状态示意图;
图11为本申请一实施例提供的第一道闸横杆的运动状态示意图;
图12为本申请一实施例提供的道闸横杆的角度的时序队列示意图;
图13至图15为本申请一实施例提供的车辆通过第一道闸横杆的示意图;
图16为本申请一实施例提供的车辆通过道闸横杆的装置组成示意图。
具体实施方式
本申请说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而不是用于限定特定顺序。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
为了下述各实施例的描述清楚简洁,首先给出相关技术的简要介绍:
图1是本申请实施例提供的车辆100的功能框图。在一个实施例中,将车辆100配置为完全或部分地自动驾驶模式。例如,车辆100可以在处于自动驾驶模式中的同时控制自身,并且可通过人为操作来确定车辆及其周边环境的当前状态,确定周边环境中的至少一个其他车辆的可能行为,并确定所述其他车辆执行可能行为的可能性相对应的置信水平,基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时,可以将车辆100置为在没有和人交互的情况下操作。
车辆100可包括各种子系统,例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地,车辆100可包括更多或更少的子系统,并且每个子系统可包括多个元件。另外,车辆100的每个子系统和元件可以通过有线或者无线的方式互连。
行进系统102可包括为车辆100提供动力运动的组件。在一个实施例中,行进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合,例如汽油发动机和电动机组成的混动引擎。又如、内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。
能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他系统提供能量。
传动装置120可以将来自引擎118的机械动力传送到车轮/轮胎121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中,传动装置120还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮/轮胎121的一个或多个轴。
传感器系统104可包括感测关于车辆100周边的环境的信息的若干个传感器。例如,传感器系统104可包括定位系统122(定位系统可以是全球定位系统(GlobalPositioning System,GPS),也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)124、雷达126、激光测距仪128和相机130。传感器系统104还可包括被监视车辆100的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是车辆100的安全操作的关键功能。
定位系统122可用于估计车辆100的地理位置。惯性测量单元124用于基于惯性加速度来感测车辆100的位姿(位置和朝向)变化。在一个实施例中,惯性测量单元124可以是加速度计和陀螺仪的组合。
雷达126可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中,除了感测物体以外,雷达126还可用于感测物体的速度和/或前进方向。例如,雷达126可以是激光雷达。
激光测距仪128可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中,激光测距仪128可包括一个或多个激光源、激光扫描器和一个或多个检测器,以及其他系统组件。
相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。
控制系统106为控制车辆100及其组件的操作。控制系统106可包括各种元件,其中包括转向系统132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、路线控制系统142以及障碍物规避系统144。
转向系统132可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘系统。
油门134用于控制引擎118的操作速度并进而控制车辆100的速度。
制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮/轮胎121。在其他实施例中,制动单元136可将车轮/轮胎121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮/轮胎121转速从而控制车辆100的速度。
计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(Structure from Motion,SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中,计算机视觉系统140可以用于为环境绘制地图、跟踪物体和估计物体的速度等。
路线控制系统142用于确定车辆100的行驶路线。在一些实施例中,路线控制系统142可结合来自传感器融合算法138、定位系统122和一个或多个预定地图的数据以为车辆100确定行驶路线。
障碍物规避系统144用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。
当然,在一个实例中,控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
车辆100通过外围设备108与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。
在一些实施例中,外围设备108提供车辆100的用户与用户接口116交互的手段。例如,车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中,外围设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如,麦克风150可从车辆100的用户接收音频(例如,语音命令或其他音频输入)。类似地,扬声器152可向车辆100的用户输出音频。
无线通信系统146可以直接地或者经由通信网络来与一个或多个设备进行无线通信。例如,无线通信系统146可使用3G蜂窝通信,例如码分多址(Code division multipleaccess,CDMA)、EVD0、全球移动通信系统(Global mobile communication system,GSM)/通用分组无线业务(General Packet Radio Service,GPRS),或者4G蜂窝通信,例如LTE。或者5G蜂窝通信。无线通信系统146可利用WiFi与无线局域网(wireless local area network,WLAN)通信。在一些实施例中,无线通信系统146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议,例如各种车辆通信系统,例如,无线通信系统146可包括一个或多个专用短程通信(dedicated short range communications,DSRC)设备,这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
电源110可向车辆100的各种组件提供电力。在一个实施例中,电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中,电源110和能量源119可一起实现,例如一些全电动车中那样。
车辆100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113,处理器113执行存储在例如数据存储装置114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。数据存储装置114可以是存储器。
处理器113可以是任何常规的处理器,诸如商业可获得的中央处理器(centralprocessing unit,CPU)。替选地,该处理器可以是诸如特定集成电路(applicationspecific integrated circuit,ASIC)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机系统112的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括或者可以不存储在相同的物理外壳内的多个处理器、计算机或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机系统112的外壳内的其它存储介质。因此,对处理器或计算机的引用将被理解为包括并行或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中,处理器可以位于远离该车辆100并且与该车辆100进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于车辆100内的处理器上执行,而其它则由远程处理器执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,数据存储装置114可包含指令115(例如,程序逻辑),指令115可被处理器113执行,来执行车辆100的各种功能,包括以上描述的那些功能。数据存储装置114也可包含额外的指令,包括向行进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令115以外,数据存储装置114还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度和其它这样的车辆数据,以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统112使用。
用户接口116,用于向车辆100的用户提供信息或从其接收信息。可选地,用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备,例如无线通信系统146、车载电脑148、麦克风150和扬声器152。
计算机系统112可基于从各种子系统(例如,行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制车辆100的功能。例如,计算机系统112可利用来自控制系统106的输入以便控制转向系统132来规避由传感器系统104和障碍物规避系统144检测到的障碍物。在一些实施例中,计算机系统112可操作来对车辆100及其子系统的许多方面提供控制。
示例的,车辆100在自动驾驶模式下,处理器113可以从数据存储装置114调取道路地图,根据道路地图获知车辆100所在车道的道闸横杆的位姿。为便于描述,在下文中,车辆100所在车道的道闸横杆称为目标道闸横杆。处理器113还可以接收到传感器系统104获取的周边环境内的多个待检测的道闸横杆的数据,根据目标道闸横杆的位姿从周边环境内的多个待检测的道闸横杆的数据中确定目标道闸横杆的数据,以及利用目标道闸横杆的数据确定目标道闸横杆的状态,根据目标道闸横杆的状态控制车辆100通过目标道闸横杆。
在本文中,目标道闸横杆的状态包括开关状态和运动状态。开关状态包括打开和关闭。可理解的,目标道闸横杆处于打开状态可以是指目标道闸横杆大于某个角度。目标道闸横杆处于关闭状态可以是指目标道闸横杆小于某个角度。可选的,目标道闸横杆处于关闭状态可以是指目标道闸横杆完全关闭,即目标道闸横杆与地面平行。
运动状态是指物体进行机械运动时相对某个参考系的运动速度的状态。运动状态的内容包括物体的运动速度(单位时间内物体位矢的变化量,即单位时间内物体的位移)与物体的运动方向。静止或运动也属于其包含范围。
在物理上,当物体的速度发生变化和/或物体的运动方向发生变化说物体的运动状态发生改变。物体的速度发生变化包括物体从快到慢、物体从慢到快、物体从静止到运动和物体从运动到静止。物体的运动方向发生变化包括物体向上转和物体向下转。
在本文中,目标道闸横杆的运动状态包括上升、下降和静止。
可选地,上述这些组件中的一个或多个可与车辆100分开安装或关联。例如,数据存储装置114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图1不应理解为对本申请实施例的限制。
在道路行进的自动驾驶汽车,如上面的车辆100,可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中,可以独立地考虑每个识别的物体,并且基于物体的各自的特性,诸如它的当前速度、加速度、与车辆的间距等,可以用来确定自动驾驶汽车所要调整的速度。
可选地,车辆100或者与车辆100相关联的计算设备(如图1的计算机系统112、计算机视觉系统140和数据存储装置114)可以基于所识别的物体的特性和周围环境的状态(例如,交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地,每一个所识别的物体都依赖于彼此的行为,因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说,车辆100能够基于所预测的物体的行为来确定车辆100将需要调整到(例如,加速、减速或者停止)什么稳定状态。在这个过程中,也可以考虑其它因素来确定车辆100的速度,诸如,车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整车辆100的速度的指令之外,计算设备还可以提供修改车辆100的转向角的指令,以使得车辆100遵循给定的轨迹和/或维持与车辆100附近的物体(例如,道路上的相邻车道中的轿车)的安全横向和纵向距离。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等,本申请实施例不做特别的限定。
在一种可能的实现方式中,如图2所示,计算机101包括处理器103,处理器103和系统总线105耦合。处理器103可以是一个或者多个处理器,其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)107,显示适配器107可以驱动显示器109,显示器109和系统总线105耦合。系统总线105通过总线桥111和输入输出总线(I/O BUS或I/O总线)耦合。I/O接口115和I/O总线耦合。I/O接口115和多种I/O设备进行通信,比如输入设备117(如:键盘,鼠标,触摸屏等),媒体盘(media tray)121(例如,CD-ROM,多媒体接口等)。收发器123(可以发送和/或接收无线电通信信号),摄像头155(可以捕捉景田和动态数字视频图像)和外部USB接口125。其中,可选地,和I/O接口115相连接的接口可以是USB接口。
其中,处理器103可以是任何传统处理器,包括精简指令集计算(“RISC”)处理器、复杂指令集计算(“CISC”)处理器或上述的组合。可选地,处理器可以是诸如专用集成电路(“ASIC”)的专用装置。可选地,处理器103可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。
可选地,在本文所述的各种实施例中,计算机101可位于远离车辆100的地方,并且可与车辆100无线通信。在其它方面,本文所述的一些过程在设置在车辆100内的处理器上执行,其它由远程处理器执行,包括采取执行单个操纵所需的动作。
计算机101可以通过网络接口129和软件部署服务器149通信。网络接口129是硬件网络接口,比如,网卡。网络127可以是外部网络,比如因特网,也可以是内部网络,比如以太网或者虚拟私人网络(如:虚拟专用网(virtual private network,VPN))。可选地,网络127还可以是无线网络,比如WiFi网络,蜂窝网络等。
硬盘驱动接口和系统总线105耦合。硬件驱动接口和硬盘驱动器相连接。系统内存135和系统总线105耦合。运行在系统内存135的数据可以包括计算机101的操作系统(operating system,OS)137和应用程序143。
操作系统包括Shell 139和内核(kernel)141。Shell 139是介于使用者和操作系统之内核(kernel)间的一个接口。shell是操作系统最外面的一层。shell管理使用者与操作系统之间的交互,等待使用者的输入,向操作系统解释使用者的输入,并且处理各种各样的操作系统的输出结果。
内核141由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。直接与硬件交互,操作系统内核通常运行进程,并提供进程间的通信,提供CPU时间片管理、中断、内存管理、IO管理等等。
应用程序143包括控制汽车自动驾驶相关程序147,比如,管理自动驾驶的汽车和路上障碍物交互的程序,控制自动驾驶汽车路线或者速度的程序,控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序。应用程序143也存在于软件部署服务器149的系统上。在一个实施例中,在需要执行应用程序143时,计算机101可以从软件部署服务器149下载应用程序143。
示例的,应用程序143可包括车辆100通过道闸横杆的相关程序。处理器103接收到传感器系统104获取的多个待检测的道闸横杆的数据,根据道路地图获取目标道闸横杆的位姿,利用目标道闸横杆的位姿从多个待检测的道闸横杆的数据中确定目标道闸横杆的数据,以及利用目标道闸横杆的数据确定目标道闸横杆的状态。若处理器103位于车辆100内,处理器103可以根据目标道闸横杆的状态控制车辆100的通过目标道闸横杆。若处理器103位于远离车辆100的地方,处理器103可以向处理器113发送控制指令,处理器113控制车辆100的行进系统102通过目标道闸横杆。
传感器153和计算机101关联。传感器153用于探测计算机101周围的环境。举例来说,传感器153可以探测动物,汽车,障碍物和人行横道等,进一步传感器153还可以探测上述动物,汽车,障碍物和人行横道等物体周围的环境,比如:动物周围的环境,例如,动物周围出现的其他动物,天气条件,周围环境的光亮度等。可选地,如果计算机101位于自动驾驶的汽车上,传感器153可以是摄像头,红外线感应器,化学检测器,麦克风等。
例如,传感器153可以探测到车辆100的周边环境内的多个待检测的道闸横杆的数据,处理器103利用目标位置检测模型和多个待检测的道闸横杆的数据确定多个待检测的道闸横杆的二维坐标,以便于根据多个待检测的道闸横杆的二维坐标从多个待检测的道闸横杆中确定目标道闸横杆,以及确定目标道闸横杆的状态,控制车辆100通过目标道闸横杆。目标位置检测模型可以是根据样本数据训练得到的。
在一些实施例中,在计算机101内设置人工智能(Artificial Intelligent,AI)芯片,由AI芯片周期性对接收的样本数据进行训练,生成目标位置检测模型。AI芯片也可称为神经网络处理器(neural network processor,NPU),例如,AI芯片可以是处理器103。由处理器103存储目标位置检测模型;或者,通过系统总线105将这些目标位置检测模型存储在存储器。AI芯片的形态可以是一个芯片或者其他物理组件,例如可以是用于构建神经网络模型的训练芯片,也可以是利用神经网络模型进行推理的推理芯片。神经网络模型也可以称为人工神经网络、神经网络(Neural Networks,NNs)或连接模型(Connection Model)。所谓“人工神经网络”是一种应用类似于大脑神经突触联接的结构进行分布式并行信息处理的算法数学模型。该人工神经网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。通过AI芯片周期性地对样本数据进行训练,以生成目标位置检测模型,可以更好地适应目标位置检测模型的变化。
在一些实施例中,计算机系统112还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者,从车辆100的传感器系统104收集的传感器数据可以被转移到另一个计算机对此数据进行处理。例如,来自计算机系统112的数据可以经由网络被传送到云服务中心用于进一步的处理。示例的,图3为本申请实施例提供的一种车辆100与云服务中心的组成示意图。车辆100可以通过网络310与云服务中心320进行数据交互。
网络310以及中间节点可以包括各种配置和协议,包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有通信协议的专用网络、以太网、WiFi和HTTP、以及前述的各种组合。这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备,诸如调制解调器和无线接口。
在一个示例中,云服务中心320可以包括具有多个计算机的服务器,例如负载均衡服务器群,为了从计算机系统112接收、处理并传送数据的目的,其与网络310的不同节点交换信息。该云服务中心320可以被类似于计算机系统112配置,具有处理器330、存储器340、指令350和数据360。
云服务中心320根据接收到的数据,运行其存储的控制汽车自动驾驶相关的程序对车辆100进行控制。控制汽车自动驾驶相关的程序可以为,管理自动驾驶汽车和路上障碍物交互的程序,控制自动驾驶汽车路线或者速度的程序,控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序。
在一些示例中,云服务中心320向车辆100发送对于关于环境内可能的驾驶情况所建议的解决方案(如,告知前方障碍物,并告知如何绕开它)。例如,云服务中心320可以辅助车辆100确定当面对环境内的特定障碍时如何行进。云服务中心320向车辆100发送指示该车辆100应当在给定场景中如何行进的响应。例如,云服务中心320基于收集到的传感器数据,可以确认道路前方具有临时停车标志的存在,并还有该车道上基于“车道封闭”标志和施工车辆的传感器数据,确定该车道由于施工而被封闭。相应地,云服务中心320发送用于车辆100通过障碍的建议操作模式(例如:指示车辆变道另一条道路上)。云服务中心320观察其操作环境内的视频流并且已确认车辆100能安全并成功地穿过障碍时,对该车辆100所使用操作步骤可以被添加到驾驶信息地图中。相应地,这一信息可以发送到该区域内可能遇到相同障碍的其它车辆,以便辅助其它车辆不仅识别出封闭的车道还知道如何通过。又如,云服务中心320基于收集到的传感器数据,可以确认车辆100所在道路前方具有道闸横杆。相应地,云服务中心320发送用于车辆100通过所在道路的道闸横杆的建议操作模式。
接下来,结合附图对车辆100在自动驾驶模式下,通过车辆100所在道路的道闸横杆进行详细说明。
如图4所示,为本申请实施例提供的一种车辆通过道闸横杆的方法流程图。在这里以车辆100中的处理器113依据传感器系统104获取的数据控制车辆100通过所在道路的道闸横杆为例说明。
S401、车辆100中的一个或多个传感器采集N个待检测的道闸横杆的数据。
传感器系统104包括一个或多个传感器。一个或多个传感器可以安装在车辆100的前方、后方和侧方等位置。车辆100在行驶过程中,可以通过一个或多个传感器感测车辆100的周边环境内的物体,避让物体使车辆100能够正常行驶,避免发生交通事故。例如,车辆100在进出园区或停车场等地方时,可以通过一个或多个传感器感测车辆100的周边环境内的N个待检测的道闸横杆的数据,N为大于或等于1的整数。可理解的,N个待检测的道闸横杆包括车辆100所在车道的道闸横杆和车辆100对侧车道的道闸横杆。
示例的,图5为车辆100的周边环境内的道闸横杆示意图。如图5所示,车辆100可以通过一个或多个传感器感测到车辆100的周边环境内的道闸横杆。具体的,车辆100的周边环境内的道闸横杆包括车辆100所在车道的道闸横杆和车辆100对侧车道的道闸横杆。例如,图5中所示的第一道闸横杆501为车辆100所在车道的道闸横杆,第二道闸横杆502为车辆100对侧车道的道闸横杆。
其中,不同的传感器获取到的道闸横杆的数据的类型可以不同。
例如,若传感器为相机130,道闸横杆的数据为图像数据(image data)。图像数据是指用数值表示的各像素的灰度值(pixel)的集合。可理解的,图像数据是一种二维数据。如图5所示的第一道闸横杆的图像和第二道闸横杆的图像。
又如,若传感器为雷达126,道闸横杆的数据为点云数据。点云数据是指用于点表示物体的形状的点集合。可理解的,点云数据是一种三维数据,每一个点包含有三维坐标。有些点还可包含颜色信息(RGB)或反射强度信息(intensity)。
车辆100在自动驾驶模式下,可以根据道路地图进行行驶。道路地图可以是一种高精地图,记录有车道周围的静态物体的信息。例如道路地图记录车道上的预先规划的道闸横杆的信息。因此,车辆100根据道路地图行驶过程中,可获取车辆100所在车道的道闸横杆的位姿。可理解的,车辆100所在车道的道闸横杆为目标道闸横杆。目标道闸横杆为车辆100将要通过的道闸横杆。但是,车辆100并不知道车辆100将要通过的道闸横杆的状态。
进而,车辆100可以通过一个或多个传感器感测车辆100的周边环境内的N个待检测的道闸横杆,得到N个待检测的道闸横杆的数据。但是,车辆100不知道N个待检测的道闸横杆的数据中哪个道闸横杆的数据是车辆100所在车道的道闸横杆的数据。因此,车辆100根据目标道闸横杆的位姿从N个待检测的道闸横杆的数据中确定目标道闸横杆的数据,以及利用目标道闸横杆的数据确定目标道闸横杆的状态。从而使得车辆100依据目标道闸横杆的状态通过目标道闸横杆。通过目标道闸横杆的详细解释参考如下S402至S404的阐述。
S402、处理器113根据目标道闸横杆的位姿从N个待检测的道闸横杆的数据中确定目标道闸横杆的数据。
车辆100在自动驾驶模式下是依据已规划的道路行驶的。例如,车辆100依据预先配置的道路地图行驶。道路地图不仅包含车道信息,还包含了车道周边环境内的物体信息,例如,车辆100周边环境内的道闸横杆的位姿。因此,车辆100可以利用周边环境内的道闸横杆的位姿从检测到的道闸横杆的数据中确定车辆100所在车道的道闸横杆的数据。处理器113可以接收来自一个或多个传感器检测到的数据。
处理器113根据N个待检测的道闸横杆中每个待检测的道闸横杆的数据确定每个待检测的道闸横杆的第一坐标;并根据目标道闸横杆的位姿确定目标道闸横杆的坐标;根据N个待检测的道闸横杆的第一坐标和目标道闸横杆的坐标确定N个欧式距离;将N个欧式距离中最小的欧式距离对应的道闸横杆的数据确定为目标道闸横杆的数据。
S403、处理器113根据目标道闸横杆的数据确定目标道闸横杆的状态。
S404、处理器113根据目标道闸横杆的状态控制车辆100通过目标道闸横杆。
目标道闸横杆的状态包括开关状态,目标道闸横杆的开关状态包括打开和关闭。处理器113根据目标道闸横杆的开关状态控制车辆100通过目标道闸横杆。例如,当目标道闸横杆的开关状态为打开,控制车辆100行驶。又如,当目标道闸横杆的开关状态为关闭,控制车辆100停止。
可选的,目标道闸横杆的状态还包括运动状态,目标道闸横杆的运动状态包括上升、下降和静止。处理器113根据目标道闸横杆的开关状态和运动状态控制车辆100通过目标道闸横杆。
在一种可能设计中,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为上升,控制车辆100行驶。
在另一种可能设计中,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为静止,控制车辆100行驶。可理解的,目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为静止,即目标道闸横杆与地面垂直,处于完全打开状态。
在另一种可能设计中,当目标道闸横杆的开关状态为打开,且目标道闸横杆的运动状态为下降,控制车辆100停止。
在另一种可能设计中,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为下降,控制车辆100停止。
在另一种可能设计中,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为静止,控制车辆100停止。可理解的,目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为静止,即目标道闸横杆与地面平行,处于完全关闭状态。
在另一种可能设计中,当目标道闸横杆的开关状态为关闭,且目标道闸横杆的运动状态为上升,控制车辆100停止。
关于确定目标道闸横杆的开关状态和运动状态的方法,后面将做具体阐述。
本申请提供的车辆通过道闸横杆的方法,车辆100通过一个或多个传感器获取车辆100周围环境中的多个待检测的道闸横杆的数据,根据目标道闸横杆的位姿从多个待检测的道闸横杆的数据中确定目标道闸横杆的数据,从而依据目标道闸横杆的数据确定目标道闸横杆的状态,使得车辆100利用目标道闸横杆的状态控制车辆100通过目标道闸横杆。
下面以获取到车辆100周围的2个待检测的道闸横杆的数据为例进行说明。例如,车辆100可以通过一个或多个传感器获取到车辆100周围的第一道闸横杆的数据和第二道闸横杆的数据。如图6所示,所述方法包含以下步骤。
S601、车辆100中的一个或多个传感器采集第一道闸横杆的数据和第二道闸横杆的数据。
在本文中,假设车辆100将要通过的道闸横杆为第一道闸横杆,即第一道闸横杆为目标道闸横杆(车辆100所在车道的道闸横杆)。
车辆100获取到第一道闸横杆的数据和第二道闸横杆的数据后,通过处理器113,根据目标道闸横杆的位姿从第一道闸横杆的数据和第二道闸横杆的数据中确定目标道闸横杆的数据,即将第一道闸横杆的数据确定为目标道闸横杆的数据。具体的参考以下S602至S605的阐述。
S602、处理器113根据第一道闸横杆的数据确定第一道闸横杆的第一坐标,以及根据第二道闸横杆的数据确定第二道闸横杆的第一坐标。
处理器113接收来自一个或多个传感器采集的第一道闸横杆的数据和第二道闸横杆的数据。
若传感器为相机130,相机130拍摄到的图像包括第一道闸横杆的图像和第二道闸横杆的图像。可理解的,第一道闸横杆的数据为图像数据。第二道闸横杆的数据为图像数据。第一道闸横杆的第一坐标和第二道闸横杆的第一坐标均为二维坐标系下的坐标。
首先,处理器113根据第一道闸横杆的数据和目标位置检测模型确定第一道闸横杆的第一坐标,以及根据第二道闸横杆的数据和目标位置检测模型确定第二道闸横杆的第一坐标。
在确定第一道闸横杆的第一坐标和第二道闸横杆的第一坐标前,可以利用机器学习或人工神经网络(Artificial Neural Networks,ANNs)对大量的样本数据进行训练,得到目标位置检测模型。例如,由AI芯片对样本数据进行训练得到目标位置检测模型。该目标位置检测模型用于依据道闸横杆的图像数据输出道闸横杆的坐标。
可选的,对训练样本数据的处理器不予限定。例如,若处理器113是AI芯片,可以由处理器113训练样本数据得到目标位置检测模型。又如,也可以由车辆100外的其他神经网络处理器训练样本数据得到目标位置检测模型。
进而,处理器113可以将第一道闸横杆的图像数据输入至目标位置检测模型,目标位置检测模型进行推理运算,输出第一道闸横杆的2D检测框和关键点。其中,2D检测框为图像上第一道闸横杆的紧致包围矩形框。关键点为两个带有语义信息的点,分别为回转中心点和抬起点。示例的,如图7所示,2D检测框紧致包围的第一道闸横杆501。其中,第一道闸横杆501包含回转中心点501a和抬起点501b。可理解的,第一道闸横杆501的第一坐标包括第一道闸横杆501的两个端点,即第一道闸横杆501的回转中心点501a和第一道闸横杆501的抬起点501b。
同理,处理器113可以将第二道闸横杆的图像数据输入至目标位置检测模型,目标位置检测模型进行推理运算,输出第二道闸横杆的2D检测框和关键点。关键点包括第二道闸横杆的回转中心点和第二道闸横杆的抬起点。
在另一些实施例中,若传感器为雷达126,雷达126扫射到的点云数据中包括第一道闸横杆的点云数据和第二道闸横杆的点云数据。第一道闸横杆的第一坐标和第二道闸横杆的第一坐标均为三维坐标系下的坐标。
处理器113根据第一道闸横杆的点云数据确定第一道闸横杆的三维模型,根据第一道闸横杆的三维模型确定第一道闸横杆的第一坐标,以及根据第二道闸横杆的点云数据确定第二道闸横杆的三维模型,根据第二道闸横杆的三维模型确定第二道闸横杆的第一坐标。
可选的,雷达126可以是激光雷达。激光雷达实时获取第一道闸横杆的点云数据,发送给处理器113,处理器113根据道路地图获取第一道闸横杆的位姿,利用第一道闸横杆的位姿滤除无关的点云数据。对剩下的点云,利用随机抽样一致(Random samplingconsistent,RANSAC)算法消除离群点的影响得到处理后的点云数据,并将处理后的点云数据拟合直线,得到第一道闸横杆的三维模型。
同理,激光雷达实时获取第二道闸横杆的点云数据,发送给处理器113,处理器113根据道路地图获取第二道闸横杆的位姿,利用第二道闸横杆的位姿滤除无关的点云数据。对剩下的点云,利用RANSAC算法消除离群点的影响得到处理后的点云数据,并将处理后的点云数据拟合直线,得到第二道闸横杆的三维模型。
S603、处理器113根据目标道闸横杆的位姿确定目标道闸横杆的坐标。
具体的,处理器113根据车辆100的位姿和相机130的外参确定相机130的位姿。
处理器113可以通过车辆100上安装的GPS或IMU获知车辆100的位姿,即车辆100的后轴中心点在世界坐标系下的位姿信息。
可理解的,相机130的外参为相机130相对于世界坐标系下其他参照物的位姿信息。相机130的外参包括旋转矩阵和平移矩阵。旋转矩阵和平移矩阵共同描述了如何点在世界坐标系与相机坐标系间的转换关系。旋转矩阵描述了世界坐标系的坐标轴相对于相机坐标系的坐标轴的方向。平移矩阵描述了在相机坐标系下空间原点的位置。
车辆100上安装的相机130设置有相机130的外参。在本文中,相机130的外参可以是相对于车辆100的后轴中心点的位姿信息。
处理器113根据车辆100的位姿和相机130的外参进行矩阵运算确定相机130的位姿,即相机130在世界坐标系下的位姿。相机130的位姿表示将物体在世界坐标系下的三维坐标和相机坐标系下三维坐标的转换关系。
进一步的,处理器113根据目标道闸横杆的位姿、相机130的位姿和相机130的内参确定目标道闸横杆的坐标。
目标道闸横杆的位姿包括在世界坐标系下目标道闸横杆的三维坐标。处理器113可以通过道路地图获得目标道闸横杆的位姿。
相机130的内参是与相机自身特性相关的参数,比如相机130的焦距、像素大小等。相机130的内参表示将物体在相机坐标系下的三维坐标和所拍摄的图像上的图像坐标系下的二维坐标的转换关系。
具体的,处理器113利用相机130的位姿将目标道闸横杆的位姿从世界坐标系转换到相机坐标系下,即得到目标道闸横杆在相机坐标系下的位姿。
处理器113利用相机130的内参将目标道闸横杆在相机坐标系下的位姿,转换到图像坐标系下的坐标,即得到目标道闸横杆的坐标。
S604、处理器113根据第一道闸横杆的第一坐标和目标道闸横杆的坐标确定第一欧式距离,以及根据第二道闸横杆的第一坐标和目标道闸横杆的坐标确定第二欧式距离。
欧氏距离是一个通常采用的距离定义。欧氏距离也称欧几里得度量(euclideanmetric)。欧氏距离指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。在二维空间中的欧氏距离就是两点之间的实际距离。二维空间中的欧氏距离满足如下公式(1)。
其中,ρ表示点(x2,y2)与点(x1,y1)之间的欧式距离。
例如,(x1,y1)可以是第一道闸横杆的第一坐标。(x2,y2)可以是目标道闸横杆的坐标。此时,目标道闸横杆的坐标均为二维坐标系下的坐标。
又如,(x1,y1)可以是第二道闸横杆的第一坐标。(x2,y2)可以是目标道闸横杆的坐标。
三维空间中的欧氏距离满足如下公式(2)。
其中,ρ表示点(x2,y2,z2)与点(x1,y1,z1)之间的欧式距离。
例如,(x1,y1,z1)可以是第一道闸横杆的第一坐标。(x2,y2,z2)可以是目标道闸横杆的坐标。此时,目标道闸横杆的坐标均为三维坐标系下的坐标。
又如,(x1,y1,z1)可以是第二道闸横杆的第一坐标。(x2,y2,z2)可以是目标道闸横杆的坐标。
欧式距离越小,表示检测到的道闸横杆为目标道闸横杆的概率越大。欧式距离越大,表示检测到的道闸横杆为目标道闸横杆的概率越小。因此,处理器113可以比较第一欧式距离与第二欧式距离的大小,将第一欧式距离与第二欧式距离中最小的欧式距离对应的道闸横杆确定为目标道闸横杆。在本文中,假设第一欧式距离小于第二欧式距离,将第一欧式距离对应的目标道闸横杆的数据确定为目标道闸横杆的数据。执行S605。
S605、处理器113将第一欧式距离对应的第一道闸横杆的数据确定为目标道闸横杆的数据。
S606、处理器113根据第一道闸横杆的数据确定第一道闸横杆的开关状态和运动状态。
第一道闸横杆的开关状态包括打开和关闭,第一道闸横杆的运动状态包括上升、下降和静止。可理解的,第一道闸横杆的数据为目标道闸横杆的数据。
具体的,如图8所示,根据第一道闸横杆的数据确定第一道闸横杆的开关状态和运动状态包括以下详细步骤。
S6061、处理器113根据第一道闸横杆的数据确定第一道闸横杆的角度。
第一道闸横杆的角度为第一道闸横杆与基准直线的夹角。
若传感器为相机130,处理器113可以根据第一道闸横杆的第一坐标和基准直线确定第一道闸横杆的角度,第一道闸横杆的第一坐标包括第一道闸横杆的两个端点的第一坐标。
应理解,第一道闸横杆的第一坐标为图像坐标系下的坐标,即二维坐标。在二维坐标系下,根据第一道闸横杆的两个端点的二维坐标可以将第一道闸横杆模拟为一条直线,该直线与X轴的夹角可以是第一道闸横杆的角度。可理解的,第一道闸横杆的角度可以是第一道闸横杆与地面的夹角。
若传感器为雷达126,将第一道闸横杆的三维模型投影到基准平面得到第一道闸横杆的第二坐标。第一道闸横杆的第二坐标包括第一道闸横杆的两个端点的第二坐标,第二坐标为二维坐标系下的坐标;根据第一道闸横杆的第二坐标和基准直线确定第一道闸横杆的角度。二维坐标系可以是指图像坐标系。
示例的,如图9所示,回转中心点501a的坐标为(x1,y1),抬起点501b的坐标为(x2,y2),回转中心点501a和抬起点501b的两个坐标点连线可以表示模拟第一道闸横杆的直线,α表示第一道闸横杆的角度。
S6062、处理器113根据第一道闸横杆的角度确定第一道闸横杆的开关状态和运动状态。
具体的,若第一道闸横杆的角度大于第一预设角度,处理器113确定第一道闸横杆的开关状态为打开。
若第一道闸横杆的角度小于第二预设角度,处理器113确定第一道闸横杆的开关状态为关闭。其中,第二预设角度小于第一预设角度。
若第一道闸横杆的角度小于或等于第一预设角度,且第一道闸横杆的角度大于或等于第二预设角度,处理器113确定第一道闸横杆的开关状态为前一时刻确定的第一道闸横杆的开关状态。可理解的,前一时刻确定的第一道闸横杆的开关状态可以是处理器113最新确定的第一道闸横杆的开关状态。
示例的,假设φ表示第一预设角度,υ表示第二预设角度。如图10中的(a)所示,为第一道闸横杆的角度大于第一预设角度的示意图。此时,表示第一道闸横杆的开关状态为打开。如图10中的(b)所示,为第一道闸横杆的角度小于第二预设角度的示意图。此时,表示第一道闸横杆的开关状态为关闭。如图10中的(c)所示,为第一道闸横杆的角度小于或等于第一预设角度,且第一道闸横杆的角度大于或等于第二预设角度的示意图。此时,表示第一道闸横杆的开关状态为关闭或打开。
具体的,若第一道闸横杆的第i角度大于第一道闸横杆的第i-1角度,确定第一道闸横杆的运动状态为上升。
若第一道闸横杆的第i角度小于第一道闸横杆的第i-1角度,确定第一道闸横杆的运动状态为下降。
其中,第一道闸横杆的第i角度是依据第i帧图像中的第一道闸横杆确定的,第一道闸横杆的第i-1角度是依据第i-1帧图像中的第一道闸横杆确定的,第i帧图像与第i-1帧图像相邻。
示例的,假设第一道闸横杆的第i角度,第一道闸横杆的第i-1角度。如图11中的(a)所示,为第一道闸横杆的上升的示意图。此时,α1>α2。如图11中的(b)所示,为第一道闸横杆的下降示意图。此时,α1<α2。
S607、处理器113根据第一道闸横杆的开关状态和运动状态控制车辆100通过第一道闸横杆。
可选的,车辆100在行驶过程中,通过一个或多个传感器持续获取车辆周围环境中的多个道闸横杆的数据,通过多帧道闸横杆的图像确定车辆100所在车道的道闸横杆的开关状态和运动状态。
可选的,传感器获取到道闸横杆的数据后,向处理器113反馈的检测结果,检测结果包括道闸横杆的数据,以及道闸横杆的数据的时间戳。处理器113根据道闸横杆的数据确定道闸横杆的角度后,根据时间戳将道闸横杆的角度以时序排序,形成一个实时更新的时序历史队列。
处理器113采用移动滤波的方式,在局部窗口范围内利用道闸横杆的角度的均值和协方差,对时序历史队列进行数据平滑,有效地修正检测结果抖动问题。
处理器113还可以根据平滑后的时序队列中的历史帧信息,以道闸横杆的角度为观察量,建立一阶运动模型,对漏检帧进行角度预测,对平滑后的时序队列增加补充点。示例的,如图12所示,为道闸横杆的角度的时序队列示意图。
另外,处理器113确定车辆100所在车道的道闸横杆后,无需再匹配车辆100所在车道的道闸横杆,只需要对车辆100所在车道的道闸横杆的开关状态和运动状态进行判断,控制车辆100通过车辆100所在车道的道闸横杆。
下面结合图13至图15,对车辆100通过第一道闸横杆的过程进行举例说明。为便于理解,图中的虚线表示历史时刻的第一道闸横杆的开关状态和运动状态。图中的实线表示当前时刻的第一道闸横杆的开关状态和运动状态。
如图13中的(a)和(b)所示,第一道闸横杆缓缓升起,车辆100前面的车辆200通过第一道闸横杆过程。此时,第一道闸横杆的开关状态为打开,且第一道闸横杆的运动状态为上升。车辆100获取由一个或多个传感器采集的第一道闸横杆的数据和第二道闸横杆的数据,根据第一道闸横杆的位姿从第一道闸横杆的数据和第二道闸横杆的数据中确定目标道闸横杆的数据,即第一道闸横杆的数据;以及,根据第一道闸横杆的数据确定第一道闸横杆的开关状态为打开,且第一道闸横杆的运动状态为上升,控制车辆100行驶。
如图13中的(c)所示,第一道闸横杆与地面垂直,处于完全打开状态,此时,车辆100获取由一个或多个传感器采集的第一道闸横杆的数据,确定第一道闸横杆的开关状态为打开,且第一道闸横杆的运动状态为静止,控制车辆100行驶。
如图13中的(d)所示,车辆200已通过第一道闸横杆,第一道闸横杆开始下降。车辆100获取由一个或多个传感器采集的第一道闸横杆的数据,根据第一道闸横杆的数据确定第一道闸横杆的开关状态为打开,且第一道闸横杆的运动状态为下降,控制车辆100停止等待。
如图14中的(a)所示,第一道闸横杆持续下降。车辆100获取由一个或多个传感器采集的第一道闸横杆的数据。此时,第一道闸横杆的角度小于或等于第一预设角度,且第一道闸横杆的角度大于或等于第二预设角度,车辆100可以根据前一时刻的第一道闸横杆的角度确定第一道闸横杆的开关状态和运动状态。例如,根据图13中的(d)所示的第一道闸横杆的角度确定第一道闸横杆的开关状态和运动状态,即第一道闸横杆的开关状态为打开,且第一道闸横杆的运动状态为下降,控制车辆100停止等待。
如图14中的(b)所示,第一道闸横杆持续下降。车辆100获取由一个或多个传感器采集的第一道闸横杆的数据,根据第一道闸横杆的数据确定第一道闸横杆的开关状态为关闭,且第一道闸横杆的运动状态为下降,控制车辆100停止等待。
如图14中的(c)所示,第一道闸横杆与地面平行,处于完全关闭状态,此时,第一道闸横杆的开关状态为关闭,且第一道闸横杆的运动状态为静止,控制车辆100停止等待。
如图14中的(d)所示,第一道闸横杆开始上升。车辆100获取由一个或多个传感器采集的第一道闸横杆的数据,根据第一道闸横杆的数据确定第一道闸横杆的开关状态为关闭,且第一道闸横杆的运动状态为上升,控制车辆100停止等待。
如图15中的(a)所示,第一道闸横杆持续上升。车辆100获取由一个或多个传感器采集的第一道闸横杆的数据。此时,第一道闸横杆的角度小于或等于第一预设角度,且第一道闸横杆的角度大于或等于第二预设角度,车辆100可以根据前一时刻的第一道闸横杆的角度确定第一道闸横杆的开关状态和运动状态。例如,根据图14中的(d)所示的第一道闸横杆的角度确定第一道闸横杆的开关状态和运动状态,即第一道闸横杆的开关状态为关闭,且第一道闸横杆的运动状态为上升,控制车辆100停止等待。
如图15中的(b)和(c)所示,第一道闸横杆持续上升。车辆100获取由一个或多个传感器采集的第一道闸横杆的数据,根据第一道闸横杆的数据确定第一道闸横杆的开关状态为打开,且第一道闸横杆的运动状态为上升,控制车辆100行驶。
可选的,车辆100在行驶过程中,由于车头距离第一道闸横杆过近,第一道闸横杆并未在传感器的视场角(field of view,FoV)范围内,传感器无法获取到第一道闸横杆的数据,故车辆100可以使用历史帧的第一道闸横杆的数据确定第一道闸横杆的开关状态和运动状态。在此场景下,由于第一道闸横杆持续上升,车辆100根据历史帧的第一道闸横杆的数据确定第一道闸横杆的开关状态为打开,且第一道闸横杆的运动状态为上升,控制车辆100缓行通过第一道闸横杆。
如图15中的(d)所示,车辆200已通过第一道闸横杆,第一道闸横杆开始下降。
需要说明的是,道闸横杆识别车辆的方法本申请不予限定,具体的可以参考现有技术。
可以理解的是,为了实现上述实施例中功能,车辆包括了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本申请中所公开的实施例描述的各示例的单元及方法步骤,本申请能够以硬件或硬件和计算机软件相结合的形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用场景和设计约束条件。
图16为本申请的实施例提供的可能的车辆通过道闸横杆的装置的结构示意图。这些车辆通过道闸横杆的装置可以用于实现上述方法实施例中处理器的功能,因此也能实现上述方法实施例所具备的有益效果。在本申请的实施例中,该车辆通过道闸横杆的装置可以是如图1所示的处理器113。
如图16所示,车辆通过道闸横杆的装置1600包括处理单元1610和控制单元1620。车辆通过道闸横杆的装置1600用于实现上述图4、图6或图8中所示的方法实施例中处理器的功能。
当车辆通过道闸横杆的装置1600用于实现图4所示的方法实施例中处理器的功能时:处理单元1610用于执行S402至S403,控制单元1620用于执行S404。
当车辆通过道闸横杆的装置1600用于实现图6所示的方法实施例中处理器的功能时:处理单元1610用于执行S602至S606,控制单元1620用于执行S607。
当车辆通过道闸横杆的装置1600用于实现图8所示的方法实施例中处理器的功能时:处理单元1610用于执行S602至S606,控制单元1620用于执行S607。
有关上述处理单元1610和控制单元1620更详细的描述可以直接参考图4、图6或图8所示的方法实施例中相关描述直接得到,这里不加赘述。
可以理解的是,本申请的实施例中的处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,FPGA)或者其它可编程逻辑器件、晶体管逻辑器件,硬件部件或者其任意组合。通用处理器可以是微处理器,也可以是任何常规的处理器。
本申请的实施例中的方法步骤可以通过硬件的方式来实现,也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于随机存取存储器(Random Access Memory,RAM)、闪存、只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于网络设备或终端设备中。当然,处理器和存储介质也可以作为分立组件存在于网络设备或终端设备中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序或指令。在计算机上加载和执行所述计算机程序或指令时,全部或部分地执行本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、网络设备、用户设备或者其它可编程装置。所述计算机程序或指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是集成一个或多个可用介质的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,例如,软盘、硬盘、磁带;也可以是光介质,例如,数字视频光盘(digital video disc,DVD);还可以是半导体介质,例如,固态硬盘(solid state drive,SSD)。
在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。在本申请的文字描述中,字符“/”,一般表示前后关联对象是一种“或”的关系;在本申请的公式中,字符“/”,表示前后关联对象是一种“相除”的关系。
可以理解的是,在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本申请的实施例的范围。上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定。
Claims (35)
1.一种车辆通过道闸横杆的方法,其特征在于,包括:
获取由一个或多个传感器采集的N个待检测的道闸横杆的数据,N为大于或等于1的整数;
根据目标道闸横杆的位姿从所述N个待检测的道闸横杆的数据中确定所述目标道闸横杆的数据,所述目标道闸横杆为车辆所在车道的道闸横杆;
根据所述目标道闸横杆的数据确定所述目标道闸横杆的状态;
根据所述目标道闸横杆的状态控制所述车辆通过所述目标道闸横杆。
2.根据权利要求1所述的方法,其特征在于,所述目标道闸横杆的状态包括开关状态,所述目标道闸横杆的开关状态包括打开和关闭;
根据所述目标道闸横杆的状态控制所述车辆通过所述目标道闸横杆,包括:
根据所述目标道闸横杆的开关状态控制所述车辆通过所述目标道闸横杆。
3.根据权利要求2所述的方法,其特征在于,根据所述目标道闸横杆的开关状态控制所述车辆通过所述目标道闸横杆,包括:
当所述目标道闸横杆的开关状态为打开,控制所述车辆行驶;
当所述目标道闸横杆的开关状态为关闭,控制所述车辆停止。
4.根据权利要求2所述的方法,其特征在于,所述目标道闸横杆的状态还包括运动状态,所述目标道闸横杆的运动状态包括上升、下降和静止;
根据所述目标道闸横杆的状态控制所述车辆通过所述目标道闸横杆,包括:
根据所述目标道闸横杆的开关状态和运动状态控制所述车辆通过所述目标道闸横杆。
5.根据权利要求4所述的方法,其特征在于,根据所述目标道闸横杆的开关状态和运动状态控制所述车辆通过所述目标道闸横杆,包括:
当所述目标道闸横杆的开关状态为打开,且所述目标道闸横杆的运动状态为上升或静止,控制所述车辆行驶。
6.根据权利要求4或5所述的方法,其特征在于,根据所述目标道闸横杆的开关状态和运动状态控制所述车辆通过所述目标道闸横杆,包括:
当所述目标道闸横杆的开关状态为打开,且所述目标道闸横杆的运动状态为下降,控制所述车辆停止。
7.根据权利要求4至6中任一项所述的方法,其特征在于,根据所述目标道闸横杆的开关状态和运动状态控制所述车辆通过所述目标道闸横杆,包括:
当所述目标道闸横杆的开关状态为关闭,且所述目标道闸横杆的运动状态为下降、静止或上升,控制所述车辆停止。
8.根据权利要求4-7中任一项所述的方法,其特征在于,根据所述目标道闸横杆的数据确定所述目标道闸横杆的开关状态和运动状态,包括:
根据所述目标道闸横杆的数据确定所述目标道闸横杆的角度,所述目标道闸横杆的角度为所述目标道闸横杆与基准直线的夹角;
根据所述目标道闸横杆的角度确定所述目标道闸横杆的开关状态和运动状态。
9.根据权利要求8所述的方法,其特征在于,根据所述目标道闸横杆的角度确定所述目标道闸横杆的开关状态,包括:
若所述目标道闸横杆的角度大于第一预设角度,确定所述目标道闸横杆的开关状态为打开;
若所述目标道闸横杆的角度小于第二预设角度,确定所述目标道闸横杆的开关状态为关闭;所述第二预设角度小于所述第一预设角度;
若所述目标道闸横杆的角度小于或等于所述第一预设角度,且所述目标道闸横杆的角度大于或等于所述第二预设角度,确定所述目标道闸横杆的开关状态为前一时刻确定的所述目标道闸横杆的开关状态。
10.根据权利要求8或9所述的方法,其特征在于,根据所述目标道闸横杆的角度确定所述目标道闸横杆的运动状态,包括:
若所述目标道闸横杆的第i角度大于所述目标道闸横杆的第i-1角度,确定所述目标道闸横杆的运动状态为上升;
若所述目标道闸横杆的第i角度小于所述目标道闸横杆的第i-1角度,确定所述目标道闸横杆的运动状态为下降;
其中,所述目标道闸横杆的第i角度是依据第i帧图像中的所述目标道闸横杆确定的,所述目标道闸横杆的第i-1角度是依据第i-1帧图像中的所述目标道闸横杆确定的,所述第i帧图像与所述第i-1帧图像相邻。
11.根据权利要求1-10中任一项所述的方法,其特征在于,所述方法还包括:
根据预先配置的道路地图获取所述目标道闸横杆的位姿。
12.根据权利要求1-11中任一项所述的方法,其特征在于,根据目标道闸横杆的位姿从所述N个待检测的道闸横杆的数据中确定所述目标道闸横杆的数据,包括:
根据所述N个待检测的道闸横杆的数据确定所述N个待检测的道闸横杆的第一坐标;
根据所述目标道闸横杆的位姿确定所述目标道闸横杆的坐标,其中,所述N个待检测的道闸横杆的第一坐标和所述目标道闸横杆的坐标均为二维坐标系下的坐标,或者,所述N个待检测的道闸横杆的第一坐标和所述目标道闸横杆的坐标均为三维坐标系下的坐标;
根据所述N个待检测的道闸横杆的第一坐标和所述目标道闸横杆的坐标确定N个欧式距离;
将所述N个欧式距离中最小的欧式距离对应的道闸横杆的数据确定为所述目标道闸横杆的数据。
13.根据权利要求12所述的方法,其特征在于,所述N个待检测的道闸横杆的第一坐标为二维坐标系下的坐标,根据所述N个待检测的道闸横杆的数据确定所述N个待检测的道闸横杆的第一坐标,包括:
根据所述N个待检测的道闸横杆的数据和目标位置检测模型确定所述N个待检测的道闸横杆的第一坐标。
14.根据权利要求13所述的方法,其特征在于,所述方法还包括:
对样本数据进行训练以生成所述目标位置检测模型。
15.根据权利要求13所述的方法,其特征在于,所述目标道闸横杆的坐标为二维坐标系下的坐标,根据所述目标道闸横杆的位姿确定所述目标道闸横杆的坐标,包括:
根据所述车辆的位姿和所述传感器的外参确定所述传感器的位姿;
根据所述目标道闸横杆的位姿、所述传感器的位姿和所述传感器的内参确定所述目标道闸横杆的坐标。
16.根据权利要求12所述的方法,其特征在于,所述N个待检测的道闸横杆的第一坐标为三维坐标系下的坐标,根据所述N个待检测的道闸横杆的数据确定所述N个待检测的道闸横杆的第一坐标,包括:
根据所述N个待检测的道闸横杆的点云数据确定所述N个待检测的道闸横杆的三维模型,根据所述N个待检测的道闸横杆的三维模型确定所述N个待检测的道闸横杆的第一坐标。
17.一种车辆通过道闸横杆的装置,其特征在于,包括:
处理单元,用于获取由一个或多个传感器采集的N个待检测的道闸横杆的数据,N为大于或等于1的整数;
所述处理单元,还用于根据目标道闸横杆的位姿从所述N个待检测的道闸横杆的数据中确定所述目标道闸横杆的数据,所述目标道闸横杆为车辆所在车道的道闸横杆;
所述处理单元,还用于根据所述目标道闸横杆的数据确定所述目标道闸横杆的状态;
控制单元,用于根据所述目标道闸横杆的状态控制所述车辆通过所述目标道闸横杆。
18.根据权利要求17所述的装置,其特征在于,所述目标道闸横杆的状态包括开关状态,所述目标道闸横杆的开关状态包括打开和关闭;
所述控制单元具体用于:根据所述目标道闸横杆的开关状态控制所述车辆通过所述目标道闸横杆。
19.根据权利要求18所述的装置,其特征在于,所述控制单元具体用于:
当所述目标道闸横杆的开关状态为打开,控制所述车辆行驶;
当所述目标道闸横杆的开关状态为关闭,控制所述车辆停止。
20.根据权利要求18所述的装置,其特征在于,所述目标道闸横杆的状态还包括运动状态,所述目标道闸横杆的运动状态包括上升、下降和静止;
所述控制单元具体用于:根据所述目标道闸横杆的开关状态和运动状态控制所述车辆通过所述目标道闸横杆。
21.根据权利要求20所述的装置,其特征在于,所述控制单元具体用于:
当所述目标道闸横杆的开关状态为打开,且所述目标道闸横杆的运动状态为上升或静止,控制所述车辆行驶。
22.根据权利要求20或21所述的装置,其特征在于,所述控制单元具体用于:
当所述目标道闸横杆的开关状态为打开,且所述目标道闸横杆的运动状态为下降,控制所述车辆停止。
23.根据权利要求20至22中任一项所述的装置,其特征在于,所述控制单元具体用于:
当所述目标道闸横杆的开关状态为关闭,且所述目标道闸横杆的运动状态为下降、静止或上升,控制所述车辆停止。
24.根据权利要求20-23中任一项所述的装置,其特征在于,所述处理单元具体用于:
根据所述目标道闸横杆的数据确定所述目标道闸横杆的角度,所述目标道闸横杆的角度为所述目标道闸横杆与基准直线的夹角;
根据所述目标道闸横杆的角度确定所述目标道闸横杆的开关状态和运动状态。
25.根据权利要求24所述的装置,其特征在于,所述处理单元具体用于:
若所述目标道闸横杆的角度大于第一预设角度,确定所述目标道闸横杆的开关状态为打开;
若所述目标道闸横杆的角度小于第二预设角度,确定所述目标道闸横杆的开关状态为关闭;所述第二预设角度小于所述第一预设角度;
若所述目标道闸横杆的角度小于或等于所述第一预设角度,且所述目标道闸横杆的角度大于或等于所述第二预设角度,确定所述目标道闸横杆的开关状态为前一时刻确定的所述目标道闸横杆的开关状态。
26.根据权利要求24或25所述的装置,其特征在于,所述处理单元具体用于:
若所述目标道闸横杆的第i角度大于所述目标道闸横杆的第i-1角度,确定所述目标道闸横杆的运动状态为上升;
若所述目标道闸横杆的第i角度小于所述目标道闸横杆的第i-1角度,确定所述目标道闸横杆的运动状态为下降;
其中,所述目标道闸横杆的第i角度是依据第i帧图像中的所述目标道闸横杆确定的,所述目标道闸横杆的第i-1角度是依据第i-1帧图像中的所述目标道闸横杆确定的,所述第i帧图像与所述第i-1帧图像相邻。
27.根据权利要求17-26中任一项所述的装置,其特征在于,所述处理单元还用于:
根据预先配置的道路地图获取所述目标道闸横杆的位姿。
28.根据权利要求17-27中任一项所述的装置,其特征在于,所述处理单元具体用于:
根据所述N个待检测的道闸横杆的数据确定所述N个待检测的道闸横杆的第一坐标;
根据所述目标道闸横杆的位姿确定所述目标道闸横杆的坐标,其中,所述N个待检测的道闸横杆的第一坐标和所述目标道闸横杆的坐标均为二维坐标系下的坐标,或者,所述N个待检测的道闸横杆的第一坐标和所述目标道闸横杆的坐标均为三维坐标系下的坐标;
根据所述N个待检测的道闸横杆的第一坐标和所述目标道闸横杆的坐标确定N个欧式距离;
将所述N个欧式距离中最小的欧式距离对应的道闸横杆的数据确定为所述目标道闸横杆的数据。
29.根据权利要求28所述的装置,其特征在于,所述N个待检测的道闸横杆的第一坐标为二维坐标系下的坐标,所述处理单元具体用于:
根据所述N个待检测的道闸横杆的数据和目标位置检测模型确定所述N个待检测的道闸横杆的第一坐标。
30.根据权利要求29所述的装置,其特征在于,所述处理单元还用于:
对样本数据进行训练以生成所述目标位置检测模型。
31.根据权利要求29所述的装置,其特征在于,所述目标道闸横杆的坐标为二维坐标系下的坐标,所述处理单元具体用于:
根据所述车辆的位姿和所述传感器的外参确定所述传感器的位姿;
根据所述目标道闸横杆的位姿、所述传感器的位姿和所述传感器的内参确定所述目标道闸横杆的坐标。
32.根据权利要求28所述的装置,其特征在于,所述N个待检测的道闸横杆的第一坐标为三维坐标系下的坐标,所述处理单元具体用于:
根据所述N个待检测的道闸横杆的点云数据确定所述N个待检测的道闸横杆的三维模型,根据所述N个待检测的道闸横杆的三维模型确定所述N个待检测的道闸横杆的第一坐标。
33.一种车辆通过道闸横杆的装置,其特征在于,所述装置包括处理器和存储器,其中,所述存储器用于存储计算机程序和指令,在所述处理器接收到来自一个或多个传感器采集的N个待检测的道闸横杆的数据,所述处理器用于执行所述计算机程序和指令实现如权利要求1-16中任一项所述的车辆通过道闸横杆的方法,N为大于或等于1的整数。
34.一种车辆,其特征在于,所述车辆包括一个或多个传感器和一个处理器,其中,所述一个或多个传感器用于采集N个待检测的道闸横杆的数据,所述处理器用于与所述一个或多个传感器协助执行如权利要求1-16中任一项所述的车辆通过道闸横杆的方法,N为大于或等于1的整数。
35.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序或指令,当所述计算机程序或指令被计算机执行时,实现如权利要求1-16中任一项所述的车辆通过道闸横杆的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/087578 WO2021217447A1 (zh) | 2020-04-28 | 2020-04-28 | 一种车辆通过道闸横杆的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113167038A true CN113167038A (zh) | 2021-07-23 |
CN113167038B CN113167038B (zh) | 2022-07-22 |
Family
ID=76879304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080006572.4A Active CN113167038B (zh) | 2020-04-28 | 2020-04-28 | 一种车辆通过道闸横杆的方法及装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230048680A1 (zh) |
EP (1) | EP4134769A4 (zh) |
KR (1) | KR20230003143A (zh) |
CN (1) | CN113167038B (zh) |
WO (1) | WO2021217447A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114475654A (zh) * | 2022-01-13 | 2022-05-13 | 香港中文大学(深圳) | 一种车辆控制方法、装置及计算机可读存储介质 |
RU220845U1 (ru) * | 2023-07-20 | 2023-10-06 | Открытое акционерное общество "Объединенные электротехнические заводы" | Шлагбаум |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092609B (zh) * | 2023-10-13 | 2024-01-09 | 长沙莫之比智能科技有限公司 | 道闸防砸方法、装置、计算机设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060228177A1 (en) * | 2005-03-14 | 2006-10-12 | Bca Barrieres Et Controle D'acces | Safety barrier |
CN103359034A (zh) * | 2012-03-28 | 2013-10-23 | 本田技研工业株式会社 | 道口挡道器判断装置与车辆 |
CN208421926U (zh) * | 2018-04-03 | 2019-01-22 | 顺丰科技有限公司 | 一种信息交互的无人驾驶车辆道闸系统 |
CN109345647A (zh) * | 2018-09-17 | 2019-02-15 | 苏州爱开客信息技术有限公司 | 弹性可配置车辆出入控制系统 |
CN109664878A (zh) * | 2017-10-12 | 2019-04-23 | 本田技研工业株式会社 | 车辆控制装置 |
CN109774714A (zh) * | 2018-12-29 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 用于自动驾驶车辆的控制方法及装置 |
CN110503823A (zh) * | 2019-07-11 | 2019-11-26 | 江苏大学 | 一种自动驾驶车辆专用车道控制系统与方法 |
US20200070823A1 (en) * | 2018-08-30 | 2020-03-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Collision Detection Method and Apparatus Based on an Autonomous Vehicle, Device and Storage Medium |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013226599A1 (de) * | 2013-12-19 | 2015-06-25 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur adaptiven Abstands- und Geschwindigkeitsregelung eines Kraftfahrzeugs |
DE102015209671B4 (de) * | 2015-05-27 | 2016-12-08 | Robert Bosch Gmbh | Fahrerassistenzsystem zur Überquerung eines Bahnübergangs |
US20200062243A1 (en) * | 2018-08-22 | 2020-02-27 | Ford Global Technologies, Llc | Autonomous parking in an indoor parking facility |
-
2020
- 2020-04-28 CN CN202080006572.4A patent/CN113167038B/zh active Active
- 2020-04-28 KR KR1020227041671A patent/KR20230003143A/ko active Search and Examination
- 2020-04-28 WO PCT/CN2020/087578 patent/WO2021217447A1/zh unknown
- 2020-04-28 EP EP20934172.6A patent/EP4134769A4/en active Pending
-
2022
- 2022-10-27 US US17/975,392 patent/US20230048680A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060228177A1 (en) * | 2005-03-14 | 2006-10-12 | Bca Barrieres Et Controle D'acces | Safety barrier |
CN103359034A (zh) * | 2012-03-28 | 2013-10-23 | 本田技研工业株式会社 | 道口挡道器判断装置与车辆 |
CN109664878A (zh) * | 2017-10-12 | 2019-04-23 | 本田技研工业株式会社 | 车辆控制装置 |
CN208421926U (zh) * | 2018-04-03 | 2019-01-22 | 顺丰科技有限公司 | 一种信息交互的无人驾驶车辆道闸系统 |
US20200070823A1 (en) * | 2018-08-30 | 2020-03-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Collision Detection Method and Apparatus Based on an Autonomous Vehicle, Device and Storage Medium |
CN109345647A (zh) * | 2018-09-17 | 2019-02-15 | 苏州爱开客信息技术有限公司 | 弹性可配置车辆出入控制系统 |
CN109774714A (zh) * | 2018-12-29 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 用于自动驾驶车辆的控制方法及装置 |
CN110503823A (zh) * | 2019-07-11 | 2019-11-26 | 江苏大学 | 一种自动驾驶车辆专用车道控制系统与方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114475654A (zh) * | 2022-01-13 | 2022-05-13 | 香港中文大学(深圳) | 一种车辆控制方法、装置及计算机可读存储介质 |
CN114475654B (zh) * | 2022-01-13 | 2024-03-15 | 香港中文大学(深圳) | 一种车辆控制方法、装置及计算机可读存储介质 |
RU220845U1 (ru) * | 2023-07-20 | 2023-10-06 | Открытое акционерное общество "Объединенные электротехнические заводы" | Шлагбаум |
Also Published As
Publication number | Publication date |
---|---|
US20230048680A1 (en) | 2023-02-16 |
WO2021217447A1 (zh) | 2021-11-04 |
KR20230003143A (ko) | 2023-01-05 |
EP4134769A4 (en) | 2023-06-21 |
CN113167038B (zh) | 2022-07-22 |
EP4134769A1 (en) | 2023-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110550029B (zh) | 障碍物避让方法及装置 | |
CN110379193B (zh) | 自动驾驶车辆的行为规划方法及行为规划装置 | |
WO2021102955A1 (zh) | 车辆的路径规划方法以及车辆的路径规划装置 | |
CN112230642B (zh) | 道路可行驶区域推理方法及装置 | |
US20220332348A1 (en) | Autonomous driving method, related device, and computer-readable storage medium | |
WO2022016457A1 (zh) | 控制车辆驾驶模式切换的方法和装置 | |
WO2021212379A1 (zh) | 车道线检测方法及装置 | |
US20220080972A1 (en) | Autonomous lane change method and apparatus, and storage medium | |
CN112543877B (zh) | 定位方法和定位装置 | |
CN113156927A (zh) | 自动驾驶车辆的安全控制方法及安全控制装置 | |
CN112429016B (zh) | 一种自动驾驶控制方法及装置 | |
WO2022205211A1 (zh) | 控制车辆行驶的方法、装置及车辆 | |
US20230048680A1 (en) | Method and apparatus for passing through barrier gate crossbar by vehicle | |
CN113835421A (zh) | 训练驾驶行为决策模型的方法及装置 | |
CN111950726A (zh) | 基于多任务学习的决策方法、决策模型训练方法及装置 | |
CN113954858A (zh) | 一种规划车辆行驶路线的方法以及智能汽车 | |
CN114792149A (zh) | 一种轨迹预测方法、装置及地图 | |
CN113552867A (zh) | 一种运动轨迹的规划方法及轮式移动设备 | |
WO2022017307A1 (zh) | 自动驾驶场景生成方法、装置及系统 | |
CN115039095A (zh) | 目标跟踪方法以及目标跟踪装置 | |
CN116261649A (zh) | 一种车辆行驶意图预测方法、装置、终端及存储介质 | |
EP4159564A1 (en) | Method and device for planning vehicle longitudinal motion parameters | |
EP4130921A1 (en) | Method for optimizing decision-making regulation and control, method for controlling vehicle traveling, and related devices | |
CN113741384B (zh) | 检测自动驾驶系统的方法和装置 | |
WO2022061725A1 (zh) | 交通元素的观测方法和装置 |
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 |