CN113401144B - 自动驾驶车辆的控制方法、装置、设备和介质 - Google Patents

Abstract

本公开提供了一种自动驾驶车辆的控制方法、装置、设备和介质，涉及人工智能技术领域，具体涉及自动驾驶和机器学习。该方法包括：获取车辆周边的感知路况信息；至少基于感知路况信息和自动驾驶决策逻辑确定第一控制决策；根据第一控制决策，控制车辆自动驾驶；响应于检测到辅助驾驶指令，至少基于感知路况信息、自动驾驶决策逻辑和辅助驾驶指令，确定不同于第一控制决策的第二控制决策；以及根据第二控制决策，控制车辆自动驾驶。

Description

自动驾驶车辆的控制方法、装置、设备和介质

技术领域

本公开涉及人工智能技术领域，具体涉及自动驾驶和机器学习技术，特别涉及一种用于自动驾驶的控制方法、自动驾驶决策逻辑的更新方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

随着自动驾驶领域的高速发展，自动驾驶的智能性、自主性日渐提升，其所能够应用的场景也愈发丰富。但针对如公交车等需要优先保证安全性的车辆，在一些特定情况下，仍需要安全员对这类车辆的行驶状态进行干预。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种用于自动驾驶的控制方法、自动驾驶决策逻辑的更新方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种用于自动驾驶的控制方法，包括：获取车辆周边的感知路况信息；至少基于感知路况信息和自动驾驶决策逻辑确定第一控制决策；根据第一控制决策，控制车辆自动驾驶；响应于检测到辅助驾驶指令，至少基于感知路况信息、自动驾驶决策逻辑和辅助驾驶指令，确定不同于第一控制决策的第二控制决策；以及根据第二控制决策，控制车辆自动驾驶。

根据本公开的另一方面，提供了一种自动驾驶决策逻辑的更新方法，包括：从至少一个车辆接收至少一组感知路况信息和控制决策，其中，至少一组感知路况信息和控制决策中的每一组中的控制决策均为相应车辆的自动驾驶系统响应于检测到辅助驾驶指令而确定的；基于至少一组感知路况信息和控制决策，更新自动驾驶决策逻辑；以及将更新后的自动驾驶决策逻辑同步到至少一个车辆，以使得车辆的自动驾驶系统能够基于自动驾驶决策逻辑确定用于控制车辆自动驾驶的控制决策。

根据本公开的另一方面，提供了一种用于自动驾驶的控制装置，包括：获取单元，被配置为获取车辆周边的感知路况信息；确定单元，被配置为至少基于感知路况信息和自动驾驶决策逻辑确定第一控制决策；以及控制单元，被配置为根据第一控制决策，控制车辆自动驾驶，其中，确定单元被进一步配置为响应于检测到辅助驾驶指令，至少基于感知路况信息、自动驾驶决策逻辑和辅助驾驶指令，确定不同于第一控制决策的第二控制决策，并且其中，控制单元被进一步配置为根据第二控制决策，控制车辆自动驾驶。

根据本公开的另一方面，提供了一种自动驾驶决策逻辑的更新装置，包括：接收单元，被配置为从至少一个车辆接收至少一组感知数据和控制决策，其中，至少一组感知数据和控制决策中的每一组中的控制决策均为对应的车辆中的自动驾驶系统响应于检测到辅助驾驶指令而确定的；更新单元，被配置为基于至少一组感知数据和控制决策，更新自动驾驶决策逻辑；以及传输单元，被配置为将更新后的自动驾驶决策逻辑同步到至少一个车辆。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，这些指令被至少一个处理器执行，以使至少一个处理器能够执行上述用于自动驾驶的控制方法和自动驾驶决策逻辑的更新方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述用于自动驾驶的控制方法和自动驾驶决策逻辑的更新方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述用于自动驾驶的控制方法和自动驾驶决策逻辑的更新方法。

根据本公开的一个或多个实施例，通过在车辆自动驾驶过程中，在检测到辅助驾驶指令时，重新确定控制决策并根据该控制决策控制车辆自动驾驶，从而实现了自动驾驶系统在安全员的非接管式干预下对控制决策的调整，提升了自动驾驶系统的智能性和与安全员的可交互性，同时避免了安全员的接管式干预而导致的自动驾驶任务的中止，以及在接管后需要将车辆完全停止以重新启动自动驾驶任务所带来的不便。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开示例性实施例的用于自动驾驶的控制方法的流程图；

图3A-图3C示出了根据本公开示例性实施例的辅助驾驶指令指示调整车辆的行驶速度的示意图；

图4A-图4C示出了根据本公开示例性实施例的辅助驾驶指令指示调整车辆的行驶道路的示意图；

图5A-图5B示出了根据本公开示例性实施例的辅助驾驶指令指示调整车辆的周边道路的可行驶状态的示意图；

图6示出了根据本公开示例性实施例的生成脱困轨迹的示意图；

图7示出了根据本公开示例性实施例的自动驾驶决策逻辑的更新方法的流程图；

图8示出了根据本公开示例性实施例的更新自动驾驶决策逻辑的流程图；

图9示出了根据本公开示例性实施例的用于自动驾驶的控制装置的结构框图；

图10示出了根据本公开示例性实施例的自动驾驶决策逻辑的更新装置的结构框图；以及

图11示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

应理解的是，本文中所用的术语“车辆”或其他类似术语通常包括机动车辆，如包括轿车、运动型多用途车辆(SUV)、大客车、大货车、各种商用车辆的乘用车辆，包括各种舟艇、船舶的船只，航空器等，并包括混合动力车辆、电动车辆、插电式混合动力电动车辆、氢动力车辆和其他替代性的燃料车辆(例如，源于除了石油之外的来源的燃料)。

如本文中所用的，短语“车辆/车载系统”是指具有信息处理能力的集成信息系统。这些系统有时称为车内信息系统，并且通常与远程信息通信服务、车载传感器、娱乐系统和/或导航系统整合为一体。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

相关技术中，根据现有的用于自动驾驶的车辆控制方法，如果安全员期望干预自动驾驶行为，则需要通过对方向盘、刹车/油门踏板等进行直接控制的方式完全接管驾驶。这样的操作会导致自动驾驶任务的中止，而重新启动自动驾驶任务则需要在车辆完全静止的情况下进行。

为解决上述问题，本公开通过在车辆自动驾驶过程中，在检测到辅助驾驶指令时，重新确定控制决策并根据该控制决策控制车辆自动驾驶，从而实现了自动驾驶系统在安全员的非接管式干预下对控制决策的调整，提升了自动驾驶系统的智能性和与安全员的可交互性，同时避免了安全员的接管式干预而导致的自动驾驶任务的中止，以及在接管后需要将车辆完全停止以重新启动自动驾驶任务所带来的不便。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行自动驾驶路径规划方法、自动驾驶控制决策确定方法和自动驾驶决策逻辑的更新方法等的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。客户端设备101、102、103、104、105和/或106也可以在没有用户直接参与的情况下与服务器120进行交互。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

客户端设备101、102、103、104、105和/或106可以与服务器进行交互以获取自动驾驶路径、自动驾驶控制决策和自动驾驶决策逻辑等等。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如应用于不同类型汽车的车载计算机、便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如Microsoft Windows、AppleiOS、类UNIX操作系统、Linux或类Linux操作系统(例如Google Chrome OS)；或包括各种移动操作系统，例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

根据本公开的一方面，提供了一种用于自动驾驶的控制方法。如图2所示，控制方法包括：步骤S201、获取车辆周边的感知路况信息；步骤S202、至少基于感知路况信息和自动驾驶决策逻辑确定第一控制决策；步骤S203、根据第一控制决策，控制车辆自动驾驶；步骤S204、响应于检测到辅助驾驶指令，至少基于感知路况信息、自动驾驶决策逻辑和辅助驾驶指令，确定不同于第一控制决策的第二控制决策；以及步骤S205、根据第二控制决策，控制车辆自动驾驶。由此，通过在车辆自动驾驶过程中，在检测到辅助驾驶指令时，重新确定控制决策并根据该控制决策控制车辆自动驾驶，从而实现了自动驾驶系统在安全员的非接管式干预下对控制决策的调整，提升了自动驾驶系统的智能性和与安全员的可交互性，同时避免了安全员的接管式干预而导致的自动驾驶任务的中止，以及在接管后需要将车辆完全停止以重新启动自动驾驶任务所带来的不便。

根据一些实施例，在步骤S201，获取车辆周边的感知路况信息可以包括通过车辆上的各类传感器获取车辆的行驶状态信息和车辆周边的路况信息，还可以包括通过车联网获取其他车辆或通过与路测设备的通信获取路测设备感知到的路况信息和其他交通相关信息，在此不做限定。

根据一些实施例，步骤S202中所使用的自动驾驶决策逻辑例如可以为应用于车辆的自动驾驶系统中的自动驾驶算法，也可以为在云端的服务器上的自动驾驶算法。利用自动驾驶决策逻辑能够确定用于控制自动驾驶状态下的车辆的控制决策。在一些实施例中，在感知路况信息和自动驾驶决策逻辑的基础上，还可以基于高精度的地图数据来确定车辆的控制决策，从而实现更精准的车辆自动驾驶。

根据一些实施例，在步骤S203，根据至少基于感知路况信息和自动驾驶决策逻辑所确定的第一控制决策，控制车辆进行自动驾驶。需要注意的是，第一控制决策是由自动驾驶系统在未接收到来自驾驶员或安全员的任何指令的基础上所做出的自动驾驶控制决策。

根据一些实施例，在步骤S204，响应于检测到辅助驾驶指令，至少基于感知路况信息、自动驾驶决策逻辑和辅助驾驶指令，确定不同于第一控制决策的第二控制决策。在一些实施例中，检测到的辅助驾驶指令能够指示以下各项操作中的至少一项：调整车辆的行驶速度；调整车辆的行驶车道；以及调整车辆的周边道路的可行驶状态，可行驶状态能够指示周边道路是否可供车辆行驶。由此，通过上述指示三种不同操作的辅助驾驶指令，实现了自动驾驶系统在安全员的干预下完成车辆的变速、变道和脱困/避障三种任务，并保持不退出自动驾驶状态，从而实现了自动驾驶系统和安全员对车辆的混合决策。

以下将结合多个示例性实施例对上述三种任务进行具体说明。

图3A-图3C示出了辅助驾驶指令指示调整车辆的行驶速度的示例性实施例。如图3A所示，在车辆310行驶至接近路口处，车辆310获取到了路口信号灯320为黄灯的感知路况信息，并基于该感知路况信息将刹车确定为第一控制决策。然而，如图3B所示，在这样的情况下进行急刹车会产生非常大的反向加速度，虽然能够在停止线前停车，但是会对车内乘客造成较劣的乘坐体验，甚至可能造成安全隐患。因此，车辆310的安全员可能会给出提高车辆的行驶速度的辅助驾驶指令，从而使得车辆在黄灯期间穿过停止线，并且在接近驶出路口时信号灯转为红灯。如图3C所示，在接收到这个辅助驾驶指令后，车辆310的自动驾驶系统确定了不同于“刹车”的“加速通过路口”的第二控制决策。

图4A-图4C示出了辅助驾驶指令指示调整车辆的行驶道路的示例性实施例。如图4A所示，在车辆410的前方同一车道有一辆慢速行驶的车辆420。车辆410的自动驾驶系统确定了跟驰前车的第一控制决策。然而，由于车辆420行驶速度较慢，跟驰前车的决策虽然安全，但会严重影响车辆410的行驶速度。另外，如图4B所示，在执行跟驰前车决策后，车辆410和车辆420的距离缩短，如果车辆410此时再做出变道决策，只能直接向左变道或减速后再向左变道。然而，直接向左变道可能会产生交通危险，而减速后再向左变道对车内乘客的乘坐体验会造成一定影响。因此，车辆410的安全员可能会提前给出向左调整行驶车道的辅助驾驶指令。如图4C所示，在接收到这个辅助驾驶指令后，车辆410的自动驾驶系统确定了不同于“跟驰前车”的“向左变换车道”的第二控制决策。

图5A-图5B示出了辅助驾驶指令指示调整车辆的周边道路的可行驶状态的示例性实施例。

根据一些实施例，例如在脱困任务下，调整车辆的周边道路的可行驶状态可以包括：将车辆的周边道路的可行驶状态由不可行驶调整为可行驶。车辆的周边道路可以包括以下各项中的至少一项：对向车道、由禁止变换车道线隔开的车道、与车辆的行驶方向不同的车道、应急车道、路边停车位和非车道路面。由此，在特殊情况下，响应于接收到安全员发出的调整车辆周边道路的可行驶状态的指令，车辆可以利用正常状态下不可用的周边道路进行脱困，提升了自动驾驶的灵活性。而由于安全员未接管驾驶，自动驾驶任务未中止，因此无需将车辆停下并重新启动自动驾驶系统，提升了自动驾驶系统的智能性。

在一个示例性实施例中，车辆的行驶方向为前行，则左转专用车道和右转专用车道即为与车辆的行驶方向不同的车道。在另一个示例性实施例中，非车道路面例如可以包括路肩、地面划线区域(例如，匝道入口附近的划线区域)等等。可以理解的是，车辆的周边道路还可以包括更多类型的路面甚至是非路面，这些均在本公开的保护范围内。

在一个示例性实施例中，如图5A所示，车辆510前方出现了道路堵死的情况，多个车辆520均停在前行车道内，而车辆510的自动驾驶系统将“停车等待”确定为第一控制决策。此外，车辆510周边的道路530的可行驶状态为可行驶，对向道路540的可行驶状态为不可行驶。此时，安全员例如接收到了来自交警的指令，指示可以利用对向车道进行脱困，则安全员可以给出辅助驾驶指令以将对向道路540的可行驶状态调整为可行驶。如图5B所示，在接收到这个指令后，车辆510利用更新后的可行驶道路550确定了“向左变换车道以脱困”的第二控制决策。

根据一些实施例，例如在避障任务下，调整车辆的周边道路的可行驶状态例如可以包括：将车辆的周边道路的可行驶状态由可行驶调整为不可行驶。示例性地，由于交通事故、交通管制、道路维修等多种原因导致车辆周围的可行驶道路上出现了障碍物，而车辆的传感设备或自动驾驶系统可能由于视野盲区、障碍物不明显等原因未能及时识别这些障碍物。在这样的情况下，安全员可以通过辅助驾驶指令将这些道路的可行驶状态从可行驶调整为不可行驶，从而避免车辆在自动驾驶系统的控制下驶入危险路段。而由于安全员未接管驾驶，自动驾驶任务未中止，因此无需将车辆停下并重新启动自动驾驶系统，提升了自动驾驶系统的智能性。

根据一些实施例，步骤S204、确定不同于第一控制决策的第二控制决策可以包括：响应于检测到能够指示调整车辆的周边道路的可行驶状态的辅助驾驶指令，在车辆的可行驶的周边道路中确定目标位置；以及至少基于车辆的当前位置、目标位置和车辆的周边道路的可行驶状态，确定第二控制决策。由此，在检测到改变周围道路可行驶状态的指令后，自动驾驶系统先在周边道路中确定目标位置，再根据当前位置、目标位置和可行驶区域生成脱困/避障路径。由此，安全员仅需作出改变周围道路可行驶状态的指令，自动驾驶系统即可实现自动脱困/避障，从而降低了对安全员的操作要求，提升自动驾驶系统的智能性。

在一个示例性实施例中，如图6所示，车辆的初始位置为610，车辆前方具有多辆停止的车辆620。响应于检测到调整周边道路可行驶状态的辅助驾驶指令，确定可行驶的周边道路640，并在其中确定车辆脱困的目标位置630。基于初始位置610、目标位置630，可以根据是否允许倒车确定合适的脱困的轨迹以及相应的第二控制决策。更具体地，在不允许倒车的情况下，可以生成基于Dubins曲线的脱困轨迹650，而在允许倒车的情况下，可以生成基于Reeds-Shepp曲线的脱困轨迹660。

根据一些实施例，可以基于混合A*(Hybrid A*)算法生成上述脱困轨迹。路径评估函数例如可以为：

Cost＝G+H

其中，G为从起点到指定位置的移动代价，而H为从指定位置到终点的移动代价。G和H中的每一项还可以包括相应的路径长度代价、行驶方向切换代价、档位切换代价、方向盘转角代价等，在此不做限定。通过结合混合A*算法和路径评估函数，可以得到在允许倒车和不允许倒车的两种场景下各自最优的脱困轨迹。可以理解的是，本领域技术人员也可以使用其他曲线作为脱困轨迹，或者使用其他算法生成脱困轨迹，在此不做限定。避障轨迹的生成方式与脱困轨迹的生成方式类似，在此不做赘述。

根据一些实施例，辅助驾驶指令可以包括以下各项中的至少一项：手势指令、语音指令、实体键指令和虚拟键指令。在一些示例性实施例中，实体键例如可以包括车内实体的按钮、开关、拨杆、旋钮等实体的可操作键，而虚拟键例如可以包括车内触摸屏上的虚拟的按钮、开关、拨杆、旋钮等虚拟的可操纵键，在此不作限定。

以下将通过几个示例性实施例对辅助驾驶指令的形式和该指令能够指示的操作进行说明。

在一些示例性实施例中，针对能够指示调整车辆的行驶速度的辅助驾驶指令，可以设置减速按钮或减速踏板等实体键，按下该键表示干预车辆速度进行减速，按下幅度表示减速力度，按下持续时间表示减速干预时间。类似地，可以设置加速按钮或加速踏板等实体键，在此不再赘述。在另一些示例性实施例中，可以设置屏幕虚拟减速按钮等虚拟键，按下该键表示干预车辆速度进行减速，按下幅度表示减速力度，按下持续时间表示减速干预时间。类似地，可以设置屏幕虚拟加速按钮等虚拟键，在此不再赘述。

在一些示例性实施例中，针对能够指示调整车辆的行驶车道的辅助驾驶指令，可以设置变道按钮或变道拨杆等实体键。示例性地，转向拨杆具有上、中、下三个位置状态。在拨杆位于中间位置时，没有干预指令；在拨杆位于上或下位置时，触发向右调整车道或向左调整车道的辅助驾驶指令。在另一些示例性实施例中，可以设置虚拟变道按钮或虚拟拨杆等虚拟键，其操作可以与实体键的操作类似，在此不做赘述。

在一些示例性实施例中，针对能够指示调整车辆的周边道路的可行驶状态的辅助驾驶指令，可以设置相应的实体键或屏幕虚拟键。示例性地，安全员可以通过操作实体键或屏幕虚拟键在车载电子设备的显示器上指示或画出期望切换可行驶状态的道路，从而调整车辆周边道路的可行驶状态。

在一些示例性实施例中，还可以进行通过车内摄像头对手势指令进行记录或通过声音采集设备对语音指令进行记录，再由车载计算机等电子设备对该指令进行识别，从而实现相应的变速、变道和脱困/避障任务。

根据一些实施例，控制方法还可以包括至少基于车辆的感知路况信息和第二控制决策，更新自动驾驶决策逻辑。由此，通过在车辆侧收集基于辅助驾驶指令的第二控制决策和对应的感知路况信息，从而更新自动驾驶决策逻辑，使得车辆的驾驶逻辑更贴近安全员的驾驶习惯，进而提升自动驾驶决策的可靠性、合理性与安全性。

根据一些实施例，控制方法还可以包括将感知路况信息和第二控制决策发送至服务器；以及从服务器同步自动驾驶决策逻辑。由此，通过将车辆侧手机的基于辅助驾驶指令的第二控制决策和对应的感知路况信息发送至服务器，使得服务器可以收集大量的安全员干预自动驾驶的数据，从而利用更丰富的驾驶数据对自动驾驶系统进行优化，并将更新后的自动驾驶决策逻辑同步到每一辆自动驾驶车辆中，进而进一步提升自动驾驶决策的可靠性、合理性与安全性。

根据本公开的另一方面，还提供了一种自动驾驶决策逻辑的更新方法。如图7，更新方法包括：步骤S701、从至少一个车辆接收至少一组感知路况信息和控制决策，其中，至少一组感知路况信息和控制决策中的每一组中的控制决策均为相应车辆的自动驾驶系统响应于检测到辅助驾驶指令而确定的；步骤S702、基于至少一组感知路况信息和控制决策，更新自动驾驶决策逻辑；以及步骤S703、将更新后的自动驾驶决策逻辑同步到至少一个车辆，以使得车辆的自动驾驶系统能够基于自动驾驶决策逻辑确定用于控制车辆自动驾驶的控制决策。由此，通过利用车辆发回的自动驾驶系统在检测到辅助驾驶指令后而做出的控制决策和相应的感知数据更新自动驾驶决策逻辑，并将更新后的自动驾驶决策逻辑同步到每一个车辆，使得这些车辆在后续面临类似的场景时，能够做出更接近安全员的控制决策。

根据一些实施例，如图8所示，步骤S702、基于至少一组感知路况信息和控制决策，更新自动驾驶决策逻辑可以包括：步骤S7021、针对至少一组感知路况信息和控制决策中的每一组感知路况信息和控制决策，执行构造操作；步骤S7022、至少利用感知路况信息构造样本数据；步骤S7023、利用控制决策构造与样本数据对应的样本标签；以及步骤S7024、利用与至少一组感知路况信息和控制决策一一对应的至少一组样本数据和样本标签，训练机器学习模型。步骤S703、将更新后的自动驾驶决策逻辑同步到至少一个车辆可以包括将机器学习模型同步到至少一个车辆。由此，通过利用感知路况信息和控制决策构造训练样本的样本数据和样本标签，并使用机器学习模型对这些训练样本进行训练，可以得到训练好的机器学习模型，即更新后的自动驾驶决策逻辑。通过使用机器学习的方法，能够更好的学习到安全员的驾驶习惯，从而进一步提升更新后的自动驾驶决策逻辑的可靠性和安全性。

根据一些实施例，步骤S7022和步骤S7023例如可以为步骤S7021中所描述的构造操作中的子步骤。

根据一些实施例，上述机器学习模型的输入例如可以包括基于感知路况信息(例如，车辆的位置、姿态、速度、加速度等车辆行驶信息和道路上的车辆、障碍物及其对应的位置、速度、加速度等障碍物信息)、地图数据信息(例如，车道的ID、宽度、前向/后向距离等)、自动驾驶任务信息(例如，自动驾驶任务的起点、终点、途经点等)以及辅助驾驶指令等内容而生成的特征数据。在对机器学习模型进行训练和使用机器学习模型进行预测时，如果没有相应的信息，则可以将这一部分的特征进行填充处理(例如，填零处理)。示例性地，在利用安全员干预后而确定的第二控制决策和感知数据对上述机器学习模型进行训练时，可以将与辅助驾驶指令相关的特征值进行填零处理，以使得训练好的机器学习模型可以再没有辅助驾驶指令的情况下同样作出符合安全员驾驶习惯的控制决策。

在另一些实施例中，上述机器学习模型的输入也可以不包括辅助驾驶指令。在这样的情况下，可以利用后处理的方法将由机器学习模型生成的第一控制决策和辅助驾驶指令相结合，以得到第二控制决策。此外，也可以额外训练一个专用于在检测到辅助驾驶指令时所使用的机器学习模型，从而在检测到来自安全员的干预指令时，使用这个额外的机器学习模型生成控制决策。

可以理解的是，本领域技术人员可以使用更丰富的方式实现利用机器学习的方法或利用其他方法、基于在安全员的干预下而作出的控制决策和感知路况信息更新自动驾驶决策逻辑，在此不做限定。

根据本公开的另一方面，还提供了一种用于自动驾驶的控制装置。如图9所示，控制装置900包括：获取单元910，被配置为获取车辆周边的感知路况信息；确定单元920，被配置为至少基于感知路况信息和自动驾驶决策逻辑确定第一控制决策；以及控制单元930，被配置为根据第一控制决策，控制车辆自动驾驶，其中，确定单元920被进一步配置为响应于检测到辅助驾驶指令，至少基于感知路况信息、自动驾驶决策逻辑和辅助驾驶指令，确定不同于第一控制决策的第二控制决策，并且其中，控制单元930被进一步配置为根据第二控制决策，控制车辆自动驾驶。

控制装置900的单元910-单元930的操作和上述控制方法的步骤S201-步骤S205的操作类似，在此不做赘述。

根据一些实施例，辅助驾驶指令能够指示以下各项操作中的至少一项：调整车辆的行驶速度；调整车辆的行驶车道；以及调整车辆的周边道路的可行驶状态，可行驶状态能够指示周边道路是否可供车辆行驶。

根据一些实施例，辅助驾驶指令可以包括以下各项中的至少一项：手势指令、语音指令、实体键指令和虚拟键指令。

根据一些实施例，调整车辆的周边道路的可行驶状态可以包括：将车辆的周边道路的可行驶状态由不可行驶调整为可行驶，并且其中，车辆的周边道路可以包括以下各项中的至少一项：对向车道、由禁止变换车道线隔开的车道、与车辆的行驶方向不同的车道、应急车道、路边停车位和非车道路面。

根据一些实施例，确定单元920可以包括：第一确定子单元，被配置为响应于检测到能够指示调整车辆的周边道路的可行驶状态的辅助驾驶指令，在车辆的可行驶的周边道路中确定目标位置；以及第二确定子单元，被配置为至少基于车辆的当前位置、目标位置和车辆的周边道路的可行驶状态，确定第二控制决策。

根据一些实施例，控制装置900还可以包括：更新单元，被配置为至少基于车辆的感知路况信息和第二控制决策，更新自动驾驶决策逻辑。

根据一些实施例，控制装置900还可以包括：发送单元，被配置为将感知数据和第二控制决策发送至服务器；以及同步单元，被配置为从服务器同步自动驾驶决策逻辑。

根据本公开的另一方面，还提供了一种自动驾驶决策逻辑的更新装置。如图10所示，更新装置1000包括：接收单元1010，被配置为从至少一个车辆接收至少一组感知数据和控制决策，其中，至少一组感知数据和控制决策中的每一组中的控制决策均为对应的车辆中的自动驾驶系统响应于检测到辅助驾驶指令而确定的；更新单元1020，被配置为基于至少一组感知数据和控制决策，更新自动驾驶决策逻辑；以及传输单元1030，被配置为将更新后的自动驾驶决策逻辑同步到至少一个车辆。

更新装置1000的单元1010-单元1030的操作和上述更新方法的步骤S701-步骤S703的操作类似，在此不做赘述。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图11，现将描述可以作为本公开的服务器或客户端的电子设备1100的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向设备1100输入信息的任何类型的设备，输入单元1106可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1107可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1108可以包括但不限于磁盘、光盘。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如用于自动驾驶的控制和/或自动驾驶决策逻辑的更新方法。例如，在一些实施例中，用于自动驾驶的控制和/或自动驾驶决策逻辑的更新方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的用于自动驾驶的控制和/或自动驾驶决策逻辑的更新方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于自动驾驶的控制和/或自动驾驶决策逻辑的更新方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (17)

1.一种用于自动驾驶的控制方法，包括：

获取车辆周边的感知路况信息；

至少基于所述感知路况信息和自动驾驶决策逻辑确定第一控制决策；

根据所述第一控制决策，控制所述车辆自动驾驶；

响应于检测到辅助驾驶指令，至少基于所述感知路况信息、所述自动驾驶决策逻辑和所述辅助驾驶指令，确定不同于所述第一控制决策的第二控制决策，其中，所述辅助驾驶指令指示调整所述车辆的周边道路的可行驶状态，所述可行驶状态能够指示所述周边道路是否可供所述车辆行驶；以及

根据所述第二控制决策，控制所述车辆自动驾驶，

其中，调整所述车辆的周边道路的可行驶状态包括：将所述车辆的周边道路的可行驶状态由不可行驶调整为可行驶，

并且其中，所述车辆的周边道路包括以下各项中的至少一项：对向车道、由禁止变换车道线隔开的车道、与所述车辆的行驶方向不同的车道、应急车道、路边停车位和非车道路面。

2.如权利要求1所述的方法，其中，所述辅助驾驶指令能够进一步指示以下各项操作中的至少一项：

调整所述车辆的行驶速度；以及

调整所述车辆的行驶车道。

3.如权利要求2所述的方法，其中，确定不同于所述第一控制决策的第二控制决策包括：

响应于检测到能够指示调整所述车辆的周边道路的可行驶状态的所述辅助驾驶指令，在所述车辆的可行驶的周边道路中确定目标位置；以及

至少基于所述车辆的当前位置、所述目标位置和所述车辆的周边道路的可行驶状态，确定所述第二控制决策。

4.如权利要求1所述的方法，其中，所述辅助驾驶指令包括以下各项中的至少一项：手势指令、语音指令、实体键指令和虚拟键指令。

5.如权利要求1所述的方法，还包括：

至少基于所述车辆的感知路况信息和所述第二控制决策，更新所述自动驾驶决策逻辑。

6.如权利要求1所述的方法，还包括：

将所述感知路况信息和所述第二控制决策发送至服务器；以及

从所述服务器同步自动驾驶决策逻辑。

7.一种自动驾驶决策逻辑的更新方法，包括：

从至少一个车辆接收至少一组感知路况信息和控制决策，其中，所述至少一组感知路况信息和控制决策中的每一组中的控制决策均为相应车辆的自动驾驶系统响应于检测到辅助驾驶指令而确定的，其中，所述辅助驾驶指令指示调整所述相应车辆的周边道路的可行驶状态，所述可行驶状态能够指示所述周边道路是否可供所述相应车辆行驶；

基于所述至少一组感知路况信息和控制决策，更新自动驾驶决策逻辑；以及

将所述更新后的自动驾驶决策逻辑同步到所述至少一个车辆，以使得车辆的自动驾驶系统能够基于所述自动驾驶决策逻辑确定用于控制车辆自动驾驶的控制决策，

其中，调整所述车辆的周边道路的可行驶状态包括：将所述车辆的周边道路的可行驶状态由不可行驶调整为可行驶，

并且其中，所述车辆的周边道路包括以下各项中的至少一项：对向车道、由禁止变换车道线隔开的车道、与所述车辆的行驶方向不同的车道、应急车道、路边停车位和非车道路面。

8.如权利要求7所述的方法，其中，基于所述至少一组感知路况信息和控制决策，更新自动驾驶决策逻辑包括：

针对所述至少一组感知路况信息和控制决策中的每一组感知路况信息和控制决策，执行以下构造操作：

至少利用所述感知路况信息构造样本数据；以及

利用所述控制决策构造与所述样本数据对应的样本标签；以及

利用与所述至少一组感知路况信息和控制决策一一对应的至少一组样本数据和样本标签，训练机器学习模型，

其中，将所述更新后的自动驾驶决策逻辑同步到所述至少一个车辆包括：

将所述机器学习模型同步到所述至少一个车辆。

9.一种用于自动驾驶的控制装置，包括：

获取单元，被配置为获取车辆周边的感知路况信息；

确定单元，被配置为至少基于所述感知路况信息和自动驾驶决策逻辑确定第一控制决策；以及

控制单元，被配置为根据所述第一控制决策，控制所述车辆自动驾驶，

其中，所述确定单元被进一步配置为响应于检测到辅助驾驶指令，至少基于所述感知路况信息、所述自动驾驶决策逻辑和所述辅助驾驶指令，确定不同于所述第一控制决策的第二控制决策，其中，所述辅助驾驶指令指示调整所述车辆的周边道路的可行驶状态，所述可行驶状态能够指示所述周边道路是否可供所述车辆行驶，

其中，所述控制单元被进一步配置为根据所述第二控制决策，控制所述车辆自动驾驶，

其中，调整所述车辆的周边道路的可行驶状态包括：将所述车辆的周边道路的可行驶状态由不可行驶调整为可行驶，

并且其中，所述车辆的周边道路包括以下各项中的至少一项：对向车道、由禁止变换车道线隔开的车道、与所述车辆的行驶方向不同的车道、应急车道、路边停车位和非车道路面。

10.如权利要求9所述的装置，其中，所述辅助驾驶指令能够进一步指示以下各项操作中的至少一项：

调整所述车辆的行驶速度；以及

调整所述车辆的行驶车道。

11.如权利要求10所述的装置，所述确定单元包括：

第一确定子单元，被配置为响应于检测到能够指示调整所述车辆的周边道路的可行驶状态的所述辅助驾驶指令，在所述车辆的可行驶的周边道路中确定目标位置；以及

第二确定子单元，被配置为至少基于所述车辆的当前位置、所述目标位置和所述车辆的周边道路的可行驶状态，确定所述第二控制决策。

12.如权利要求9所述的装置，其中，所述辅助驾驶指令包括以下各项中的至少一项：手势指令、语音指令、实体键指令和虚拟键指令。

13.如权利要求9所述的装置，还包括：

更新单元，被配置为至少基于所述车辆的感知路况信息和所述第二控制决策，更新所述自动驾驶决策逻辑。

14.如权利要求9所述的装置，还包括：

发送单元，被配置为将所述感知路况信息和所述第二控制决策发送至服务器；以及

同步单元，被配置为从所述服务器同步自动驾驶决策逻辑。

15.一种自动驾驶决策逻辑的更新装置，包括：

接收单元，被配置为从至少一个车辆接收至少一组感知路况信息和控制决策，其中，所述至少一组感知路况信息和控制决策中的每一组中的控制决策均为相应车辆的自动驾驶系统响应于检测到辅助驾驶指令而确定的，其中，所述辅助驾驶指令指示调整所述相应车辆的周边道路的可行驶状态，所述可行驶状态能够指示所述周边道路是否可供所述相应车辆行驶；

更新单元，被配置为基于所述至少一组感知路况信息和控制决策，更新自动驾驶决策逻辑；以及

传输单元，被配置为将所述更新后的自动驾驶决策逻辑同步到所述至少一个车辆，

其中，调整所述车辆的周边道路的可行驶状态包括：将所述车辆的周边道路的可行驶状态由不可行驶调整为可行驶，

并且其中，所述车辆的周边道路包括以下各项中的至少一项：对向车道、由禁止变换车道线隔开的车道、与所述车辆的行驶方向不同的车道、应急车道、路边停车位和非车道路面。

16.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

17.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。

Images