CN113276886A - 车辆驾驶模式确定方法、装置及无人车辆 - Google Patents

Abstract

本发明提供了一种车辆驾驶模式确定方法、装置及无人车辆，上述车辆驾驶模式确定方法包括：获取目标车辆的自动驾驶系统的运行状态信息；自动驾驶系统包括障碍检测系统、定位系统和远程线控系统；基于自动驾驶系统的运行状态信息确定目标车辆的驾驶模式；其中，驾驶模式包括自动驾驶、远程驾驶和人工驾驶。本发明能够基于各传感器的运行状态切换目标车辆的驾驶模式，避免了恶劣环境影响无人车辆的安全驾驶，提升了恶劣环境下无人车辆自动驾驶的安全性。

Description

车辆驾驶模式确定方法、装置及无人车辆

技术领域

本发明涉及车辆驾驶技术领域，尤其是涉及一种车辆驾驶模式确定方法、装置及无人车辆。

背景技术

随着车辆技术的发展，无人驾驶车辆的技术日渐成熟，为满足不同行业的需求，无人车辆的安全驾驶仍是需要深入研究。以露天矿开采中使用的无人运输卡车为例，由于露天采场和排土场道路环境条件较差，露天矿粉尘、风沙等容易对无人车辆的传感器产生影响导致自动驾驶误差甚至失灵，进而影响无人车辆的安全驾驶，容易产生道路安全事故。因此，现有的无人车辆驾驶技术还存在，在恶劣环境下自动驾驶安全性较低的问题。

发明内容

有鉴于此，本发明的目的在于提供一种车辆驾驶模式确定方法、装置及无人车辆，能够避免恶劣环境影响无人车辆的安全驾驶，提升了恶劣环境下无人车辆自动驾驶的安全性。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种车辆驾驶模式确定方法，包括：获取目标车辆的自动驾驶系统的运行状态信息；所述自动驾驶系统包括障碍检测系统、定位系统和远程线控系统；基于所述自动驾驶系统的运行状态信息确定所述目标车辆的驾驶模式；其中，所述驾驶模式包括自动驾驶、远程驾驶和人工驾驶。

进一步，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述基于所述自动驾驶系统的运行状态信息确定所述目标车辆的驾驶模式的步骤，包括：基于所述自动驾驶系统的运行状态信息，判断所述障碍检测系统、定位系统和远程线控系统是否处于正常工作状态；当所述障碍检测系统、定位系统和远程线控系统均处于正常工作状态时，确定所述目标车辆的驾驶模式为自动驾驶；当所述障碍物检测系统处于异常工作状态时，根据所述定位系统和远程线控系统的运行状态信息确定所述目标车辆的驾驶模式。

进一步，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述自动驾驶系统还包括视频系统；所述当所述障碍物检测系统处于异常工作状态时，根据所述定位系统和远程线控系统的运行状态信息确定所述目标车辆的驾驶模式的步骤，包括：当所述障碍物检测系统处于异常工作状态，且所述视频系统、所述定位系统和远程线控系统均处于正常工作状态时，确定所述目标车辆的驾驶模式为远程驾驶；当所述障碍物检测系统、所述视频系统、所述定位系统和远程线控系统均处于异常工作状态时，确定所述目标车辆的驾驶模式为人工驾驶。

进一步，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述障碍检测系统包括雷达；判断所述障碍检测系统是否处于正常工作状态的步骤，包括：判断所述雷达接收反射信号的时间是否超出第一预设时间长度，如果是，确定所述雷达处于异常工作状态；如果否，获取所述雷达输出的测量数据，基于所述测量数据判断所述雷达是否处于正常工作状态。

进一步，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述基于所述测量数据判断所述雷达是否处于正常工作状态的步骤，包括：判断所述测量数据是否处于正常数据范围内；当所述测量数据处于所述正常数据范围内，且所述雷达的信号状态符合预设信号要求时，确定所述障碍检测系统处于正常工作状态。

进一步，本发明实施例提供了第一方面的第五种可能的实施方式，其中，判断所述定位系统是否处于正常工作状态的步骤，包括：判断所述定位系统是否在第二预设时间长度内检测到所述目标车辆的位置信息，如果是，确定所述定位系统处于正常工作状态。

进一步，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述目标车辆还包括提示装置，所述方法还包括：当所述驾驶模式为人工驾驶模式时，基于所述提示装置向所述目标车辆内部的用户发出驾驶提示。

第二方面，本发明实施例还提供了一种车辆驾驶模式确定装置，包括：获取模块，用于获取目标车辆的自动驾驶系统的运行状态信息；所述自动驾驶系统包括障碍检测系统、定位系统和远程线控系统；确定模块，用于基于所述自动驾驶系统的运行状态信息确定所述目标车辆的驾驶模式；其中，所述驾驶模式包括自动驾驶、远程驾驶和人工驾驶。

第三方面，本发明实施例提供了一种无人车辆，包括：自动驾驶系统及控制器，所述控制器包括处理器和存储装置；所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如第一方面任一项所述的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质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运行时执行上述第一方面任一项所述的方法的步骤。

本发明实施例提供了一种车辆驾驶模式确定方法、装置及无人车辆，上述车辆驾驶模式确定方法包括：获取目标车辆的自动驾驶系统的运行状态信息；自动驾驶系统包括障碍检测系统、定位系统和远程线控系统；基于自动驾驶系统的运行状态信息确定目标车辆的驾驶模式；其中，驾驶模式包括自动驾驶、远程驾驶和人工驾驶。在该方法中，通过获取目标车辆自动驾驶系统的运行状态信息，可以检测目标车辆上障碍检测系统、定位系统和远程线控系统中各传感器的运行状态，通过基于自动驾驶系统的运行状态信息确定目标车辆的驾驶模式，能够基于各传感器的运行状态切换目标车辆的驾驶模式，使目标车辆根据自身的车辆状况在自动驾驶、远程驾驶和人工驾驶之间自动切换，避免了恶劣环境影响无人车辆的安全驾驶，提升了恶劣环境下无人车辆自动驾驶的安全性。

本发明实施例的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明实施例的上述技术即可得知。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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示出了本发明实施例所提供的一种车辆驾驶模式确定方法流程图；

图2示出了本发明实施例所提供的一种传感器工作状态判断逻辑图；

图3示出了本发明实施例所提供的一种车辆驾驶模式确定装置结构示意图；

图4示出了本发明实施例所提供的一种控制器结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

目前，现有的无人车辆驾驶技术是建立在各传感器未受干扰且无故障时所采集的数据建立的，由于露天煤矿大多处在高寒地区，冬季低温对传感器影响较大，且露天矿粉尘、风沙等条件对传感器也会产生影响，当多台无人车辆在露天矿进行运输任务时，传感器在矿区恶劣的环境下很容易造成故障，导致数据融合结果出现误差，影响卡车无人车辆的安全驾驶。为改善此问题，本发明实施例提供的一种车辆驾驶模式确定方法、装置及无人车辆，该技术可应用于提升恶劣环境下无人车辆自动驾驶的安全性。以下对本发明实施例进行详细介绍。

本实施例提供了一种车辆驾驶模式确定方法，该方法可以应用于目标车辆，参见图1所示的车辆驾驶模式确定方法流程图，该方法主要包括以下步骤S102～步骤S104：

步骤S102，获取目标车辆的自动驾驶系统的运行状态信息。

上述目标车辆可以是任意需要进行驾驶模式确定的无人车辆(即安装有自动驾驶系统的车辆)，诸如，可以是露天矿运输时使用的无人驾驶卡车。上述自动驾驶系统(也可以称为无人驾驶系统)包括目标车辆的障碍检测系统、定位系统和远程线控系统。

目标车辆的整车控制器实时或以预设时间间隔检测障碍检测系统、定位系统和远程线控系统的当前测量数据，基于障碍检测系统、定位系统和远程线控系统的当前测量数据，确定障碍检测系统、定位系统和远程线控系统的运行状态，其中，上述障碍检测系统可以包括障碍物检测传感器，诸如可以是激光测距传感器、激光雷达或毫米波雷达。

步骤S104，基于自动驾驶系统的运行状态信息确定目标车辆的驾驶模式。

上述驾驶模式包括自动驾驶、远程驾驶和人工驾驶，上述目标车辆自动驾驶系统的运行状态信息包括障碍检测系统、定位系统和远程线控系统中各个传感器的运行状态，基于各个目标车辆各个传感器的运行状态确定目标车辆的驾驶模式，从而根据目标车辆的传感器的运行状态自动切换目标车辆的驾驶模式。

本实施例提供的上述车辆驾驶模式确定方法，通过获取目标车辆自动驾驶系统的运行状态信息，可以检测目标车辆上障碍检测系统、定位系统和远程线控系统中各传感器的运行状态，通过基于自动驾驶系统的运行状态信息确定目标车辆的驾驶模式，能够基于各传感器的运行状态切换目标车辆的驾驶模式，使目标车辆根据自身的车辆状况在自动驾驶、远程驾驶和人工驾驶之间自动切换，避免了恶劣环境影响无人车辆的安全驾驶，提升了恶劣环境下无人车辆自动驾驶的安全性。

为了准确确定目标车辆的驾驶模式，本实施例提供了基于自动驾驶系统的运行状态信息确定目标车辆的驾驶模式的实施方式，具体可参照如下步骤(1)～步骤(3)执行：

步骤(1)：基于自动驾驶系统的运行状态信息，判断障碍检测系统、定位系统和远程线控系统是否处于正常工作状态。

根据自动驾驶系统中障碍检测系统、定位系统和远程线控系统的运行状态，分别判断障碍检测系统、定位系统和远程线控系统是否处于正常工作状态，即判断障碍检测系统、定位系统和远程线控系统所对应的传感器是否有效。

在一种实施方式中，在判断障碍检测系统是否处于正常工作状态时，可以判断雷达接收反射信号的时间是否超出第一预设时间长度，如果是，确定雷达处于异常工作状态；如果否，获取雷达输出的测量数据，基于测量数据判断障碍检测系统是否处于正常工作状态。

上述障碍检测系统可以包括雷达，上述第一预设时间长度可以是雷达的最大检测距离对应的最大信号反射时间(雷达在最大信号反射时间内是一定能接收到反射信号的，该最大信号反射时间可以根据网络环境进行设置)，当雷达检测障碍物时，获取雷达发射激光或毫米波后接收反射信号的时间，由于雷达具有一定的测距范围，且根据反射信号接收时间的长短可以判断障碍物与目标车辆的距离，当雷达接收反射信号的时间超出第一预设时间长度时，确定雷达检测超时，即雷达处于异常工作状态；当雷达接收反射信号的时间未超出第一预设时间长度时，确定雷达未出现检测超时的情况，进一步基于雷达的测量数据判断雷达是否处于正常工作状态。

判断雷达的测量数据是否处于正常数据范围内；当测量数据处于正常数据范围内，且雷达的信号状态符合预设信号要求时，确定障碍检测系统处于正常工作状态。判断雷达的测量数据是否有误，上述正常数据范围可以是雷达的测距范围，判断雷达的测量数据是否处于测距范围内，如果否，确定雷达的测量数据错误，即雷达处于异常工作状态；如果是，获取雷达的当前信号状态(即当前的信号强度)，判断雷达的信号强度是否符合预设信号要求，如果雷达的信号强度符合预设信号要求，确定雷达处于正常工作状态。

在露天矿运输中，雷达容易受到露天矿粉尘的影响，导致信号强度降低，进而影响雷达障碍物检测的灵敏性，通过检测雷达的信号强度，可以判断在当前的环境状态下，是否适合使用雷达进行障碍物检测，当雷达的信号强度较低时，即雷达的工作状态受到了干扰，确定雷达处于异常的工作状态，以便使无人车辆进行驾驶模式切换，提升了无人车辆驾驶的安全性。

在一种具体的实施方式中，在判断定位系统是否处于正常工作状态时，可以判断定位系统是否在第二预设时间长度内检测到目标车辆的位置信息，如果是，确定定位系统处于正常工作状态。上述第二预设时间长度可以根据定位系统正常工作时的历史定位数据进行确定，该第二预设时间长度可以是定位系统对目标车辆进行定位所需时间的平均值，也可以是上述历史数据中定位系统进行目标车辆定位耗费的最大时间值。当上述定位系统对目标车辆进行定位时消耗的时间小于第二预设时间长度时，确定定位系统处于正常的工作状态；当上述定位系统对目标车辆进行定位时消耗的时间大于第二预设时间长度时，定位系统进行车辆定位较慢，推断可能是收到恶劣环境的影响，确定定位系统处于异常工作状态。

在另一种具体的实施方式中，可以通过检测远程线控系统是否能与远程控制中心正常通信，判断远程线控系统是否处于正常工作状态，诸如，可以通过远程线控系统向远程控制中心发送通信状态检测信号，检测是否接收到远程控制中心发送的通信状态检测信号反馈，如果是，确定远程线控系统处于正常工作状态，如果否，确定远程线控系统处于异常工作状态。

步骤(2)：当障碍检测系统、定位系统和远程线控系统均处于正常工作状态时，确定目标车辆的驾驶模式为自动驾驶。

当目标车辆的障碍检测系统、定位系统和远程线控系统均处于正常工作状态时，即目标车辆的障碍检测系统、定位系统和远程线控系统对应的传感器均处于正常工作状态，传感器未受到环境的影响，且传感器检测到的测量数据均合格，目标车辆可以根据障碍检测系统、定位系统和远程线控系统进行自动驾驶，确定目标车辆的驾驶模式为自动驾驶。

步骤(3)：当障碍物检测系统处于异常工作状态时，根据定位系统和远程线控系统的运行状态信息确定目标车辆的驾驶模式。

当目标车辆的障碍物检测系统处于异常工作状态时，目标车辆无法进行正常的障碍物检测，也不能进行自动驾驶或无人驾驶，进一步检测定位系统和远程线控系统的运行状态，根据定位系统和远程线控系统的运行状态确定目标车辆的驾驶模式。

在一种具体的实施方式中，上述自动驾驶系统还包括视频系统；上述视频系统可以包括设置于目标车辆外部的图像传感器，上述定位系统可以包括GPS/北斗定位装置和基于激光雷达点云SLAM(即时定位与地图构建)或视觉里程计的定位装置，以便对目标车辆进行精确定位，上述远程线控系统可以包括能够与远程控制中心实时通信的无线通信模块，该无线通信模块可以将定位系统检测到的目标车辆位置信息以及视频系统采集到的目标车辆外部图像发送至远程控制中心，并接收远程控制中心发送的车辆控制指令。

当障碍物检测系统处于异常工作状态，且视频系统、定位系统和远程线控系统均处于正常工作状态时，确定目标车辆的驾驶模式为远程驾驶。参见如下表一所示的传感器运行状态与驾驶模式对照表，当视频系统、定位系统和远程线控系统对应的传感器均处于正常工作状态时，即视频系统、定位系统和远程线控系统对应的传感器检测到的测量数据均为有效数据，确定目标车辆的驾驶模式为远程驾驶，远程控制中心可以根据定位系统检测到的目标车辆位置信息以及视频系统采集到的目标车辆外部图像，对目标车辆进行远程控制驾驶。

表一传感器运行状态与驾驶模式对照表

如上表一所示，当障碍物检测系统、视频系统、定位系统和远程线控系统均处于异常工作状态时，确定目标车辆的驾驶模式为人工驾驶。当障碍物检测系统、视频系统、定位系统和远程线控系统均处于异常工作状态时，当目标车辆处于恶劣环境下时，各传感器无法正常工作，障碍物检测系统、视频系统、定位系统和远程线控系统对应传感器检测到的测量数据均为无效数据，目标车辆无法进行自动驾驶，也无法进行远程驾驶，确定目标车辆的驾驶模式为人工驾驶。

在一种具体的实施方式中，上述目标车辆还包括提示装置，本实施例提供的车辆驾驶模式确定方法还包括：当驾驶模式为人工驾驶模式时，基于提示装置向目标车辆内部的用户发出驾驶提示。当目标车辆的驾驶模式切换为人工驾驶模式时，为了实现对目标车辆的安全驾驶，基于提示装置对目标车辆内部的用户发出驾驶提示，以提示用户进行车辆驾驶。上述驾驶提示可以包括文字提示、声音提示和灯光提示中的一种或多种。

本实施例提供的上述车辆驾驶模式确定方法，通过判断目标车辆上各个传感器的工作状态，可以判断目标车辆的障碍物检测系统、定位系统、视频系统和远程线控系统是否处于正常工作状态，进而基于障碍物检测系统、定位系统、视频系统和远程线控系统得到目标车辆的驾驶模式，实现了目标车辆驾驶模式的自动切换，减小了目标车辆在恶劣环境下的事故概率。

在前述实施例的基础上，本实施例提供了一种应用前述车辆驾驶模式确定方法对露天矿卡车进行驾驶模式切换的示例，具体可参照如下步骤1～步骤3执行：

步骤1：获取露天矿卡车上各传感器的测量数据。

上述露天矿卡车可以是安装有自动驾驶系统的无人卡车。

步骤2：基于各传感器的测量数据判断各传感器的工作状态。

参见如图2所示的传感器工作状态判断逻辑图，在检测传感器是否禁止使用时，对每个传感器判断传感器的标志位是否有效；如果无效，确定该传感器的工作状态为禁止使用，如果有效，检测该传感器是否处于工作状态；如果未处于工作状态，确定该传感器的工作状态为检测超时，如果处于工作状态，检测该传感器的测量数据是否有误；如果有误，确定该传感器的工作状态为数据错误，如果无误，检测该传感器的测量数据是否在预设范围内；如果未在预设范围内，确定该传感器的工作状态为受干扰/信号弱，如果在预设范围内，确定该传感器处于正常工作状态。

步骤3：根据各传感器的工作状态确定露天矿卡车的驾驶模式。

不同驾驶模式的智能级别从高到低排序依次为自动驾驶、远程驾驶、有人驾驶(也可以称为人工驾驶)。在自动驾驶和远程驾驶情况下，露天矿卡车能够在没有驾驶员在驾驶舱的情况下行驶，而在有人驾驶模式下，需要露天矿卡的驾驶员在驾驶舱内进行驾驶。

根据各传感器的工作状态确定露天矿卡车的有效性参数，即判断露天矿卡车的障碍感知系统、视频系统、定位系统和远程线控系统是否有效，当障碍感知系统、视频系统、定位系统和远程线控系统均处于正常工作状态时，确定障碍感知系统、视频系统、定位系统和远程线控系统有效。

当有效性参数显示障碍感知系统、视频系统、定位系统和远程线控系统均有效时，确定露天矿卡车的驾驶模式为无人驾驶模式；当有效性参数显示障碍感知系统无效，视频系统、定位系统和远程线控系统均有效时，确定露天矿卡车的驾驶模式为远程驾驶模式；当有效性参数显示障碍感知系统、视频系统、定位系统和远程线控系统均无效时，确定露天矿卡车的驾驶模式为有人驾驶模式。

对应于上述实施例所提供的车辆驾驶模式确定方法，本发明实施例提供了一种车辆驾驶模式确定装置，参见图3所示的一种车辆驾驶模式确定装置结构示意图，该装置包括以下模块：

获取模块31，用于获取目标车辆的自动驾驶系统的运行状态信息；自动驾驶系统包括障碍检测系统、定位系统和远程线控系统。

确定模块32，用于基于自动驾驶系统的运行状态信息确定目标车辆的驾驶模式；其中，驾驶模式包括自动驾驶、远程驾驶和人工驾驶。

本实施例提供的上述车辆驾驶模式确定装置，通过获取目标车辆自动驾驶系统的运行状态信息，可以检测目标车辆上障碍检测系统、定位系统和远程线控系统中各传感器的运行状态，通过基于自动驾驶系统的运行状态信息确定目标车辆的驾驶模式，能够基于各传感器的运行状态切换目标车辆的驾驶模式，使目标车辆根据自身的车辆状况在自动驾驶、远程驾驶和人工驾驶之间自动切换，避免了恶劣环境影响无人车辆的安全驾驶，提升了恶劣环境下无人车辆自动驾驶的安全性。

在一种实施方式中，上述确定模块32，进一步用于基于自动驾驶系统的运行状态信息，判断障碍检测系统、定位系统和远程线控系统是否处于正常工作状态；当障碍检测系统、定位系统和远程线控系统均处于正常工作状态时，确定目标车辆的驾驶模式为自动驾驶；当障碍物检测系统处于异常工作状态时，根据定位系统和远程线控系统的运行状态信息确定目标车辆的驾驶模式。

在一种实施方式中，上述自动驾驶系统还包括视频系统；上述确定模块32，进一步用于在障碍物检测系统处于异常工作状态，且视频系统、定位系统和远程线控系统均处于正常工作状态时，确定目标车辆的驾驶模式为远程驾驶；当障碍物检测系统、视频系统、定位系统和远程线控系统均处于异常工作状态时，确定目标车辆的驾驶模式为人工驾驶。

在一种实施方式中，上述确定模块32，进一步用于判断雷达接收反射信号的时间是否超出第一预设时间长度，如果是，确定雷达处于异常工作状态；如果否，获取雷达输出的测量数据，基于测量数据判断雷达是否处于正常工作状态。

在一种实施方式中，上述确定模块32，进一步用于判断测量数据是否处于正常数据范围内；当测量数据处于正常数据范围内，且雷达的信号状态符合预设信号要求时，确定障碍检测系统处于正常工作状态。

在一种实施方式中，上述确定模块32，进一步用于判断定位系统是否在第二预设时间长度内检测到目标车辆的位置信息，如果是，确定定位系统处于正常工作状态。

在一种实施方式中，上述目标车辆还包括提示装置，上述装置还包括：

提示模块，用于在驾驶模式为人工驾驶模式时，基于提示装置向目标车辆内部的用户发出驾驶提示。

本实施例提供的上述车辆驾驶模式确定装置，通过判断目标车辆上各个传感器的工作状态，可以判断目标车辆的障碍物检测系统、定位系统、视频系统和远程线控系统是否处于正常工作状态，进而基于障碍物检测系统、定位系统、视频系统和远程线控系统得到目标车辆的驾驶模式，实现了目标车辆驾驶模式的自动切换，减小了目标车辆在恶劣环境下的事故概率。

本实施例所提供的装置，其实现原理及产生的技术效果和前述实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

本发明实施例提供了一种无人车辆，包括：自动驾驶系统及控制器，上述自动驾驶系统包括障碍检测系统、定位系统、视频系统和远程线控系统。该无人车辆可以应用于露天矿区等恶劣环境下执行运输任务。

如图4所示的控制器结构示意图，控制器包括处理器41、存储器42，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例提供的方法的步骤。

参见图4，控制器还包括：总线44和通信接口43，处理器41、通信接口43和存储器42通过总线44连接。处理器41用于执行存储器42中存储的可执行模块，例如计算机程序。

其中，存储器42可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线44可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器42用于存储程序，所述处理器41在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器41中，或者由处理器41实现。

处理器41可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器41中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器41可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等。还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器42，处理器41读取存储器42中的信息，结合其硬件完成上述方法的步骤。

本发明实施例提供了一种计算机可读介质，其中，所述计算机可读介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使所述处理器实现上述实施例所述的方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统具体工作过程，可以参考前述实施例中的对应过程，在此不再赘述。

本发明实施例所提供的车辆驾驶模式确定方法、装置及无人车辆的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；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。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能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(可以是个人计算机，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、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种车辆驾驶模式确定方法，其特征在于，包括：

获取目标车辆的自动驾驶系统的运行状态信息；所述自动驾驶系统包括障碍检测系统、定位系统和远程线控系统；

基于所述自动驾驶系统的运行状态信息确定所述目标车辆的驾驶模式；其中，所述驾驶模式包括自动驾驶、远程驾驶和人工驾驶。

2.根据权利要求1所述的方法，其特征在于，所述基于所述自动驾驶系统的运行状态信息确定所述目标车辆的驾驶模式的步骤，包括：

基于所述自动驾驶系统的运行状态信息，判断所述障碍检测系统、定位系统和远程线控系统是否处于正常工作状态；

当所述障碍检测系统、定位系统和远程线控系统均处于正常工作状态时，确定所述目标车辆的驾驶模式为自动驾驶；

当所述障碍物检测系统处于异常工作状态时，根据所述定位系统和远程线控系统的运行状态信息确定所述目标车辆的驾驶模式。

3.根据权利要求2所述的方法，其特征在于，所述自动驾驶系统还包括视频系统；所述当所述障碍物检测系统处于异常工作状态时，根据所述定位系统和远程线控系统的运行状态信息确定所述目标车辆的驾驶模式的步骤，包括：

当所述障碍物检测系统处于异常工作状态，且所述视频系统、所述定位系统和远程线控系统均处于正常工作状态时，确定所述目标车辆的驾驶模式为远程驾驶；

当所述障碍物检测系统、所述视频系统、所述定位系统和远程线控系统均处于异常工作状态时，确定所述目标车辆的驾驶模式为人工驾驶。

4.根据权利要求2所述的方法，其特征在于，所述障碍检测系统包括雷达；判断所述障碍检测系统是否处于正常工作状态的步骤，包括：

判断所述雷达接收反射信号的时间是否超出第一预设时间长度，如果是，确定所述雷达处于异常工作状态；

如果否，获取所述雷达输出的测量数据，基于所述测量数据判断所述雷达是否处于正常工作状态。

5.根据权利要求4所述的方法，其特征在于，所述基于所述测量数据判断所述雷达是否处于正常工作状态的步骤，包括：

判断所述测量数据是否处于正常数据范围内；

当所述测量数据处于所述正常数据范围内，且所述雷达的信号状态符合预设信号要求时，确定所述障碍检测系统处于正常工作状态。

6.根据权利要求2所述的方法，其特征在于，判断所述定位系统是否处于正常工作状态的步骤，包括：

判断所述定位系统是否在第二预设时间长度内检测到所述目标车辆的位置信息，如果是，确定所述定位系统处于正常工作状态。

7.根据权利要求3所述的方法，其特征在于，所述目标车辆还包括提示装置，所述方法还包括：

当所述驾驶模式为人工驾驶模式时，基于所述提示装置向所述目标车辆内部的用户发出驾驶提示。

8.一种车辆驾驶模式确定装置，其特征在于，包括：

获取模块，用于获取目标车辆的自动驾驶系统的运行状态信息；所述自动驾驶系统包括障碍检测系统、定位系统和远程线控系统；

确定模块，用于基于所述自动驾驶系统的运行状态信息确定所述目标车辆的驾驶模式；其中，所述驾驶模式包括自动驾驶、远程驾驶和人工驾驶。

9.一种无人车辆，其特征在于，包括：自动驾驶系统及控制器，所述控制器包括处理器和存储装置；

所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质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运行时执行上述权利要求1至7任一项所述的方法的步骤。

Images