CN113551662A - 应用于自动驾驶车辆的感知方法、动态感知装置、以及自动驾驶车辆 - Google Patents
应用于自动驾驶车辆的感知方法、动态感知装置、以及自动驾驶车辆 Download PDFInfo
- Publication number
- CN113551662A CN113551662A CN202010334320.6A CN202010334320A CN113551662A CN 113551662 A CN113551662 A CN 113551662A CN 202010334320 A CN202010334320 A CN 202010334320A CN 113551662 A CN113551662 A CN 113551662A
- Authority
- CN
- China
- Prior art keywords
- data
- interest
- perception
- sensing
- region
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种感知方法,所述感知方法包括:利用固定传感器和/或动态感知装置感知综合数据;根据所述综合数据,从所述自动驾驶车辆的周围区域中选择出感兴趣区域;从所述动态感知装置中选择与所述感兴趣区域相对应的可动传感器;根据所述感兴趣区域确定所选择的可动传感器的感知方位;控制所选择的可动传感器运动至所述感知方位;控制所述可动传感器在所述感知方位进行感知得到感兴趣区域的环境数据;以及将所述综合数据和所述感兴趣区域的环境数据进行融合处理得到感知信息。此外,本发明还提供应用该感知方法的动态感知装置和自动驾驶车辆。可以降低传感器的数量,同时为感兴趣区域提供更多更精确的数据,以提升整体感知性能。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种应用于自动驾驶车辆的感知方法、感知装置、以及自动驾驶车辆。
背景技术
在自动驾驶车辆中,为了能及时感知车辆本身及其周围的环境,一般需要设置大量传感器,以期能覆盖360度视场;且目前市面上,普遍是将传感器固定于车辆某处。然而,由于传感器与车辆相对固定,不能相对于自动驾驶车辆转动,导致每个方向都需要固定传感器,导致传感器的数量较多,安装困难,款式种类繁多,固定传感器自身局限性,增加了制造成本。
发明内容
有鉴于此,是有必要提供一种应用于自动驾驶车辆的感知方法、感知装置、以及自动驾驶车辆,可以减少传感器的数量。
第一方面,本发明提供一种应用于自动驾驶车辆的感知方法。所述感知方法利用包含一个或者多个可动传感器的动态感知装置进行感知,所述可动传感器在不同的方位可感知不同的区域,所述感知方法包括:
利用固定传感器和/或动态感知装置感知综合数据,所述综合数据包括车辆数据和车辆周围的环境数据;
根据所述综合数据,从所述自动驾驶车辆的周围区域中选择出感兴趣区域;
从所述动态感知装置中选择与所述感兴趣区域相对应的可动传感器;
根据所述感兴趣区域确定所选择的可动传感器的感知方位;
控制所选择的可动传感器运动至所述感知方位;
控制所述可动传感器在所述感知方位进行感知得到感兴趣区域的环境数据;以及
将所述综合数据和所述感兴趣区域的环境数据进行融合处理得到感知信息。
第二方面,本发明还提供一种应用于自动驾驶车辆的动态感知装置。所述动态感知装置包括一个或者多个可动传感器,所述可动传感器在不同的方位可感知不同的区域;所述感知装置还包括:存储介质,用于存储程序指令;处理器,用于执行所述程序指令以控制所述动态感知装置实现感知方法,所述感知方法包括:
接收感知指令,所述感知指令包括选择的可动传感器和对应的感知方位;
控制所选择的可动传感器运动至所述对应的感知方位;
控制所述可动传感器在所述感知方位进行感知得到感兴趣区域的环境数据;以及
输出所述感兴趣区域的环境数据。
第三方面,本发明还提供一种自动驾驶车辆。所述自动驾驶车辆包括:
与所述自动驾驶车辆相对固定的固定传感器;
包含一个或者多个可动传感器的动态感知装置;
存储介质,用于存储程序指令;以及
处理器,所述处理器用于执行所述程序指令以实现如权利要求1~7任一项所述的感知方法。
上述感知方法中,由于动态感知装置集成了一个或者多个可动传感器,可在需要精确的感兴趣区域调整传感器方向,灵活覆盖感兴趣区域,每个可动传感器可感知不同的区域,可以降低传感器的数量,同时为感兴趣区域提供更多更精确的数据,以提升整体感知性能。
附图说明
图1为本发明第一实施例提供的自动驾驶车辆的示意图。
图2为本发明第一实施例提供的自动驾驶车辆的系统结构框图。
图3为本发明第一实施例提供的动态感知装置的结构框架示意图。
图4为本发明第一实施例提供的控制器的结构框架示意图。
图5为本发明第一实施例提供的感知方法流程示意图。
图6为本发明实施例提供的感知方法的一子流程示意图。
图7为本发明实施例提供的感知方法的另一子流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,换句话说,描述的实施例根据除了这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,还可以包含其他内容,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只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。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
请参看图1,其为本发明第一实施例提供的自动驾驶车辆的示意图。自动驾驶车辆100包括底盘(图未示)、车身14、前轮16、后轮18、后视镜13、前挡泥板17设置于车身14并罩于前轮16靠近车身14的一侧。在一些可行的实施例中,自动驾驶车辆100为在无人操控下自动将用户从一个位置运送到另一个位置的车辆。自动驾驶车辆100还可以是摩托车、卡车、运动型多用途车辆(SUV)、休闲车辆(RV)、船舶、飞行器等任何其它运输设备。在示例性实施例中,自动驾驶车辆100是所谓的四级或五级自动化系统。四级系统指的是“高度自动化”,其指代自动驾驶系统在动态驾驶任务的所有方面的驾驶模式所特有的性能,即使人类驾驶员对干预请求没有做出适当响应。五级系统指的是“全自动化”,其指代自动驾驶系统在可由人类驾驶员管理的所有道路和环境状况下,在动态驾驶任务的所有方面的全面性能。
请结合参看图2,自动驾驶车辆100还包括推进系统101、变速系统102、转向系统103、制动系统104、传感器系统105、致动器系统106、至少一个数据存储装置107、至少一个控制器108以及通信系统109。推进系统101在各种实施例中可包括内燃机、诸如牵引电动机等电机和/或燃料电池推进系统。变速系统102用于根据可选速比将来自推进系统101的动力传输到车轮16到18。在一些可行的实施例中,变速系统102可包括分级传动比自动变速器、无级变速器或其它适当的变速器。制动系统104用于向车轮16到18提供制动转矩。在各种实施例中,制动系统104可包括摩擦制动器、线控制动器、诸如电机等再生制动系统,和/或其它适当的制动系统。转向系统103影响车轮16到18的位置。虽然为了说明目的而被描绘为包括方向盘,但是在本公开的范围内预期的一些实施例中,转向系统103可不包括方向盘。
致动器系统106包括一个或多个致动器装置,其控制一个或多个车辆特征,诸如但不限于推进系统101、变速系统102、转向系统103和制动系统104。在各种实施例中,车辆特征可进一步包括内部和/或外部车辆特征,诸如但不限于车门、行李箱以及诸如无线电、音乐、照明等(图未标)。
通信系统109配置向外部设备200无线地传送信息或者从外部设备200接收信息,外部设备200诸如但不限于其它车辆远程系统和/或个人装置。在示例性实施例中,通信系统109是配置为经由使用IEEE802.11标准的无线局域网(WLAN)或通过使用蜂窝数据通信来进行通信的无线通信系统。然而,诸如专用短程通信(DSRC)信道等附加或替代通信方法也被认为在本公开的范围内。DSRC信道是指专门为汽车使用以及对应的一组协议和标准而设计的单向或双向短程到中程无线通信信道。
在本实施例中,请结合参看图3,传感器系统105包括多个固定传感器280和动态感知装置282。动态感知装置282集成多个可动传感器2820。固定传感器280可包括但不限于雷达、激光雷达、热像仪、图像传感器、红外仪、超声波传感器和/或其它传感器。本实施例中的雷达为毫米波雷达。固定传感器280还可以包括观察底盘(图未示)的俯仰和横摆的惯性测量装置(IMU)。固定传感器280还包括用于对自动驾驶车辆100定位的定位装置,如GPS。固定传感器280和动态感知装置282用于感测感知自动驾驶车辆100的外部环境和/或内部环境并且基于此来产生传感器信号。可动传感器2820包括但不限于雷达、远距离激光雷达、超广角短距激光雷达、盲区激光雷达、第一摄像头、第二摄像头、第三摄像头、和红外仪等。第一、第二及第三摄像头,分别为前视摄像头、后视摄像头及侧视摄像头,在一些实施例中还可包括盲点摄像头。动态感知装置282设置于自车身14相对的前挡泥板17的位置并竖立于车身14上。在本实施例中,动态感知装置282为两个,分别对称设置于车身14的两侧。动态感知装置282与后视镜13间隔设置并且位于后视镜13背面,动态感知装置282与后视镜13形态大致相同。在一些可行的实施例中,动态感知装置282也可以为1个,设置车身14的其中一侧。可以理解地,动态感知装置282可以至少包括一个可动传感器2820。在一些可行的实施例中,动态感知装置282可伸缩。如在一些场景中(交通阻塞,车距很小),动态感知装置可以折叠收缩,避免不必要的碰撞。
数据存储装置107存储用于自动控制自动驾驶车辆100的数据。在各种实施例中,数据存储装置107存储可导航环境的定义地图。在各种实施例中,定义地图可由远程系统预定义并且从远程系统获取。例如,定义地图可由远程系统组装并且以无线方式和/或以有线方式传送到自动驾驶车辆100并存储在数据存储装置107中。可以理解地,数据存储装置107可为控制器108的一部分,与控制器108分开,或作为控制器108的一部分以及单独系统的一部分。
请结合参看图4,控制器108包括至少一个处理器1081和存储介质1082。处理器1081可为任何定制的或商业上可用的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器108相关联的若干处理器中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片集的形式)、它们的任何组合或通常用于执行指令的任何装置。存储介质1082可包括例如只读存储介质(ROM)、随机存取存储介质(RAM)和保活存储介质(KAM)中的易失性和非易失性存储介质。KAM是一种持久或非易失性存储介质,其可在处理器1081断电时用于存储各种操作变量。存储介质1082可使用诸如PROM(可编程只读存储介质)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪速存储介质或能够存储数据的任何其它电动、磁性、光学或组合存储介质装置的许多已知存储介质中的任何一种来实施,其中的一些数据表示由控制器108用于控制自动驾驶车辆100的可执行指令。指令可包括一个或多个单独的程序,每个程序包括用于实施逻辑功能的可执行指令的有序列表。指令在由处理器1081执行时接收并处理来自传感器系统105的信号,执行用于自动控制自动驾驶车辆100的部件的逻辑、计算、方法和/或算法,并且向致动器系统106产生控制信号以基于逻辑、计算、方法和/或算法来自动地控制自动驾驶车辆100的部件。虽然图2中仅示出了一个控制器108,但是自动驾驶车辆100的实施例可包括通过任何合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号、执行逻辑、计算、方法和/或算法且产生控制信号以自动控制自动驾驶车辆100的特征的任意数量的控制器108。
其中,存储介质1082存储有感知程序指令。处理器1081用于执行感知程序指令,以控制传感器系统105以实现相应的感知方法。
请参看图5,其第一实施例提供的应用于自动驾驶车辆的感知方法。该感知方法包括下面步骤。
步骤S101,利用固定传感器280感知综合数据。所述综合数据包括车辆数据和车辆周围环境数据。具体地,固定传感器280安装后,相对车体10是固定的,可感知车辆周围环境区域。
步骤S103,根据综合数据,从自动驾驶车辆100周围区域中选择出感兴趣区域。如何选择感兴趣区域将在下文进行详细描述。
步骤S105,从动态感知装置282中选择与感兴趣区域相对应的可动传感器2820。具体地,当感兴趣区域需要进行远距离感应时,可以选择远距离激光测距。当感兴趣区域需要进行近距离感应时,可以选择超广角短距激光雷达。当感兴趣区域为盲区时,可以选择盲区激光雷达等等。
步骤S107,根据感兴趣区域确定所选择的可动传感器2820的感知方位。具体地,获取感兴趣区域的位置信息,如方位和范围等。根据该方位和范围和动态感知装置282的感知距离和范围选择出合适的可动传感器2820。
步骤S109,控制所选择的可动传感器2820运动至该感知方位。在一些实施例中,可动传感器2820设置于一个或多个万向节平台且由一个或多个驱动装置(如马达/电机)驱动的该一个或多个万向节平台进行转动,从而带动可动传感器2820移动或者旋转。
步骤S111,控制可动传感器2820在感知方位进行感知得到感兴趣区域的环境数据。
步骤S113,将综合数据和感兴趣区域的环境数据进行融合处理得到感知信息。其中,在一些可行的实施例中,步骤S113可以根据前融合算法对综合数据和感兴趣区域的环境数据进行融合。具体地,将固定传感器280和可动传感器2820感知到的源数据融合在一起,再根据预设的感知算法进行运算,得到该感知信息。在一些可行的实施例中,步骤S113还可以根据后融合算法对综合数据和感兴趣区域的环境数据进行融合。具体地,控制固定传感器280和可动传感器2820各自利用自身的感知算法运算出感知数据,然后再对该感知数据进行融合,得到该感知信息。如果有需要,可进一步调整可动传感器2820的角度和位置,进行进一步感知,经过一次或多次的调整,得到更精确的感知信息。所述融合包括坐标转换,每个传感器是基于传感器自身坐标系感知的数据,在进行分析时,需要将不同位置的传感器的数据统一到一个固定坐标系下,才能分析当前自动驾驶车辆所在的道路场景,即将传感器坐标系下的数据都转换到以车辆为中心的自车坐标系下进行分析;所述融合还包括多个传感器之间的取长补短,如摄像头适用交通信号灯分类、车道检测,但没有深度信息、视场角有限,受光线影响大,激光雷达的优势在于障碍物检测,即使在夜间也能准确地检测障碍物,但角分辨度不如摄像头,对环境(如雾霾、雨雪天气)的敏感度也比较大,毫米波雷达在探测范围和应对恶劣天气方面占优势,但感知的数据没有高度信息,可以告知某个物体在哪个位置,但不知道多高,如前面有一个比较高的指路牌,毫米波雷达知道这儿有一个障碍物,但不知道是悬空的,所以利用不同种传感器的优势,同时最小化或弱化每种传感器的弱点,以提高整个感知系统的效果。所述感知包括检测、分类、跟踪及语义分割,其中检测指物体在环境中的位置;分类指明确对象是什么;跟踪指随时间的推移观察移动物体;语义分割指将图像中的每个像素与语义类别进行匹配,如道路、汽车、天空等,这些为现有技术,不再赘述。
请结合参看图6,其为第一实施例提供步骤S103子流程示意图。步骤S103具体包括下面步骤。
步骤S601,根据综合数据感知自动驾驶车辆100所需关注的区域。例如,车辆左转弯行驶时需关注的区域为车身的左侧区域,则左侧区域为需关注的区域。又例如,车辆进行左侧变道时需要关注的左侧区域。
步骤S603,根据预设条件判断所述关注的区域是否存在感知盲区或者缺陷区域。自动驾驶车到某个地方被树木或其他车辆遮挡了视线,固定传感器280感知到遮挡区域,需要操控可动传感器2820去探测该区域,因此,定义该区域为感知盲区或者缺陷区域。又例如,自动驾驶车辆100前方被一个缓慢的大卡车遮挡了大部分视线,固定传感器280无法感知到大卡车前方区域,因此,无法感知是否应该超过该大卡车。其中,当该大卡车前方是否还有长长的车流,若是就不要超车了;若否,反之。此时,需要可动传感器探测前方区域,因此,该前方区域被定义为感知盲区或者缺陷区域。又例如,前进的单车道被一个修路车挡住,需要往侧边区域探测,然而,固定传感器280无法感知足够远的区域而无法感知是否应该逆行超车,此时,需要往侧边区域探测,因该侧边区域被定义为感知盲区或者缺陷区域。可以理解为,若需要的关注区域存在无法感知的区域时,即将需要关注的区域的无法感知的区域确定为感知盲区或者缺陷区域。
步骤S605,将该感知盲区或者缺陷区域确定为感兴趣区域。
请结合参看图7,其为第一实施例提供步骤S103子流程示意图。步骤S103具体包括下面步骤。
步骤S701,若根据所述综合数据检测到所述自动驾驶车辆意图到丁字路口或者十字路口右转,将左侧区域作为感兴趣区域。
步骤S703,若根据所述综合数据检测到所述自动驾驶车辆行驶的周围环境光强度阈值低于预设值,将所述自动驾驶车辆的前方区域作为感兴趣区域。
步骤S705,若根据所述综合数据检测到所述自动驾驶车辆在高速路上行驶,将所述自动驾驶车辆的前方区域作为感兴趣区域。
上述感知方法中,由于传感器系统设置了动态感知装置,动态感知装置集成了一个或者多个可动传感器,当在需要精确的感兴趣区域调整传感器方向,灵活覆盖感兴趣区域,而无需配置覆盖360度的传感器,可大大节省部件成本和工艺成本。其次,传感器系统可以提前且更好的感知较远区域的场景数据,对驾驶路径作出更准确地规划。再次,将多个可动传感器组合在一起,安装于车身14与前轮挡泥板17相对位置上,且位于后视镜15的背面一侧,可以兼顾前方和侧面,且与固定传感器280设置的位置不产生冲突。工艺简单且不会因为多个传感器影响车辆的整体美观,无需为多个可动传感器找到多个平衡点,只需找到一个平衡点即可,节省人力和制造成本,提升了安装效率和出厂良率。再次,根据不同车型,找到不同的平衡点,可普遍适用于不同车型。多个传感器集成在一个模组中,可以让整车设计的线路、电源、控制等等更加干净美观,为检修提供便利。
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。
该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本发明实施例的流程或功能。该计算机设备可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机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计算机可读存储介质传输,例如,该计算机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(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)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。该计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,该单元的划分,仅仅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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
该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网络单元上。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,在本申请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。
该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,本申请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(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、流动硬盘、只读存储介质(ROM,Read-Only Memory)、随机存取存储介质(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种应用于自动驾驶车辆的感知方法,其特征在于,所述感知方法利用包含一个或者多个可动传感器的动态感知装置进行感知,所述可动传感器在不同的方位可感知不同的区域,所述感知方法包括:
利用固定传感器和/或动态感知装置感知综合数据,所述综合数据包括车辆数据和车辆周围的环境数据;
根据所述综合数据,从所述自动驾驶车辆的周围区域中选择出感兴趣区域;
从所述动态感知装置中选择与所述感兴趣区域相对应的可动传感器;
根据所述感兴趣区域确定所选择的可动传感器的感知方位;
控制所选择的可动传感器运动至所述感知方位;
控制所述可动传感器在所述感知方位进行感知得到感兴趣区域的环境数据;以及
将所述综合数据和所述感兴趣区域的环境数据进行融合处理得到感知信息。
2.如权利要求1所述的感知方法,其特征在于,将所述综合数据和所述感兴趣区域的环境数据进行融合处理得到感知信息,具体包括:
根据前融合算法对所述综合数据和所述感兴趣区域的环境数据进行融合;或者
根据后融合算法对所述综合数据和所述感兴趣区域的环境数据进行融合。
3.如权利要求1所述的感知方法,其特征在于,根据所述综合数据,从所述自动驾驶车辆的周围区域中选择出感兴趣区域,具体包括:
根据所述综合数据感知所述自动驾驶车辆所需关注的区域;
根据预设条件判断所述关注的区域是否存在感知盲区或者缺陷区域;以及
将所述感知盲区或者缺陷区域确定为所述感兴趣区域。
4.如权利要求1所述的感知方法,其特征在于,根据所述综合数据,从所述自动驾驶车辆的周围区域中选择出感兴趣区域,具体包括:
若根据所述综合数据检测到所述自动驾驶车辆意图到丁字路口或者十字路口右转,将左侧区域作为感兴趣区域;或者
若根据所述综合数据检测到所述自动驾驶车辆行驶的周围环境光强度阈值低于预设值,将所述自动驾驶车辆的前方区域作为感兴趣区域;
若根据所述综合数据检测到所述自动驾驶车辆在高速路上行驶,将所述自动驾驶车辆的前方区域作为感兴趣区域。
5.如权利要求4所述的感知方法,其特征在于,所述可动传感器包括远距离激光雷达、红外仪、毫米波雷达;其中:
若根据所述综合数据检测到所述自动驾驶车辆意图到丁字路口或者十字路口右转,选择所述远距离激光雷达,并控制所述远距离激光雷达转动至所述相应的感知方位;
若根据所述综合数据检测到所述自动驾驶车辆行驶的周围环境光强度阈值低于预设值,选择所述红外仪,并控制所述红外仪转动至所述相应的感知方位;或者
若根据所述综合数据检测到所述自动驾驶车辆在高速路上行驶,选择所述毫米波雷达和远距离激光雷达,并控制所述毫米波雷达和远距离激光雷达转动至所述相应的感知方位。
6.如权利要求1所述的感知方法,其特征在于,控制所选择的可动传感器运动至所述感知方位,具体包括:
计算所选择的可动传感器当前方位和所述感知方位之间的方位差;
根据所述方位差计算出可动传感器的运动数据;以及
利用电机根据所述运动数据驱动所述可动传感器进行运动。
7.如权利要求1所述的感知方法,其特征在于,所述固定传感器包括固定设置于所述自动驾驶车辆的定位装置、惯性测量装置、雷达、激光雷达、图像传感器、红外仪;或者所述动态传感器包括雷达、远距离激光雷达、超广角短距激光雷达、盲区激光雷达、第一摄像头、第二摄像头、第三摄像头、和红外仪。
8.一种应用于自动驾驶车辆的动态感知装置,其特征在于,所述动态感知装置包括一个或者多个可动传感器,所述可动传感器在不同的方位可感知不同的区域;所述感知装置还包括:
存储介质,用于存储程序指令;
处理器,用于执行所述程序指令以控制所述动态感知装置实现感知方法,所述感知方法包括:
接收感知指令,所述感知指令包括选择的可动传感器和对应的感知方位;
控制所选择的可动传感器运动至所述对应的感知方位;控制所述可动传感器在所述感知方位进行感知得到感兴趣区域的环境数据;以及
输出所述感兴趣区域的环境数据。
9.如权利要求8所述的动态感知装置,其特征在于,所述动态感知装置竖立于所述自动驾驶车辆的车身与前挡泥板相对的位置上。
10.一种自动驾驶车辆,其特征在于,所述自动驾驶车辆包括:
与所述自动驾驶车辆相对固定的固定传感器;
包含一个或者多个可动传感器的动态感知装置;
存储介质,用于存储程序指令;以及
处理器,所述处理器用于执行所述程序指令以实现如权利要求1~7任一项所述的感知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010334320.6A CN113551662A (zh) | 2020-04-24 | 2020-04-24 | 应用于自动驾驶车辆的感知方法、动态感知装置、以及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010334320.6A CN113551662A (zh) | 2020-04-24 | 2020-04-24 | 应用于自动驾驶车辆的感知方法、动态感知装置、以及自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113551662A true CN113551662A (zh) | 2021-10-26 |
Family
ID=78101290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010334320.6A Pending CN113551662A (zh) | 2020-04-24 | 2020-04-24 | 应用于自动驾驶车辆的感知方法、动态感知装置、以及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113551662A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170826A (zh) * | 2021-12-03 | 2022-03-11 | 地平线(上海)人工智能技术有限公司 | 自动驾驶控制方法和装置、电子设备和存储介质 |
CN114655131A (zh) * | 2022-03-29 | 2022-06-24 | 东风汽车集团股份有限公司 | 车载感知传感器调整方法、装置、设备及可读存储介质 |
CN116933218A (zh) * | 2023-07-13 | 2023-10-24 | 广州汽车集团股份有限公司 | 一种感知数据融合方法、系统、存储介质及车辆 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110345955A (zh) * | 2018-04-03 | 2019-10-18 | 百度(美国)有限责任公司 | 用于自动驾驶的感知与规划协作框架 |
CN110427034A (zh) * | 2019-08-13 | 2019-11-08 | 浙江吉利汽车研究院有限公司 | 一种基于车路协同的目标追踪系统及方法 |
CN110723079A (zh) * | 2019-10-31 | 2020-01-24 | 北京百度网讯科技有限公司 | 车载传感器的位姿调整方法、装置、设备和介质 |
CN110864705A (zh) * | 2018-08-10 | 2020-03-06 | 小马智行 | 用传感器导轨选择性捕获自主车传感器数据的系统和方法 |
-
2020
- 2020-04-24 CN CN202010334320.6A patent/CN113551662A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110345955A (zh) * | 2018-04-03 | 2019-10-18 | 百度(美国)有限责任公司 | 用于自动驾驶的感知与规划协作框架 |
CN110864705A (zh) * | 2018-08-10 | 2020-03-06 | 小马智行 | 用传感器导轨选择性捕获自主车传感器数据的系统和方法 |
CN110427034A (zh) * | 2019-08-13 | 2019-11-08 | 浙江吉利汽车研究院有限公司 | 一种基于车路协同的目标追踪系统及方法 |
CN110723079A (zh) * | 2019-10-31 | 2020-01-24 | 北京百度网讯科技有限公司 | 车载传感器的位姿调整方法、装置、设备和介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170826A (zh) * | 2021-12-03 | 2022-03-11 | 地平线(上海)人工智能技术有限公司 | 自动驾驶控制方法和装置、电子设备和存储介质 |
CN114170826B (zh) * | 2021-12-03 | 2022-12-16 | 地平线(上海)人工智能技术有限公司 | 自动驾驶控制方法和装置、电子设备和存储介质 |
CN114655131A (zh) * | 2022-03-29 | 2022-06-24 | 东风汽车集团股份有限公司 | 车载感知传感器调整方法、装置、设备及可读存储介质 |
CN114655131B (zh) * | 2022-03-29 | 2023-10-13 | 东风汽车集团股份有限公司 | 车载感知传感器调整方法、装置、设备及可读存储介质 |
CN116933218A (zh) * | 2023-07-13 | 2023-10-24 | 广州汽车集团股份有限公司 | 一种感知数据融合方法、系统、存储介质及车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7266053B2 (ja) | 自律走行車の動的ルート決定 | |
US10847032B2 (en) | Apparatus for informing parking position and method thereof | |
US9026303B1 (en) | Object detection based on known structures of an environment of an autonomous vehicle | |
US20180074506A1 (en) | Systems and methods for mapping roadway-interfering objects in autonomous vehicles | |
US9086481B1 (en) | Methods and systems for estimating vehicle speed | |
US20190056231A1 (en) | Method and apparatus for participative map anomaly detection and correction | |
US9043072B1 (en) | Methods and systems for correcting an estimated heading using a map | |
US10067506B2 (en) | Control device of vehicle | |
US20170364758A1 (en) | Systems and methods for vehicle signal light detection | |
IL263105A (en) | Vehicle with multiple light exposure and spread devices | |
US10399106B2 (en) | Camera and washer spray diagnostic | |
JP7069318B2 (ja) | 自動運転車両の画像捕捉デバイスが遭遇する光の範囲を制御するための方法およびシステム | |
CN113551662A (zh) | 应用于自动驾驶车辆的感知方法、动态感知装置、以及自动驾驶车辆 | |
US20190346847A1 (en) | Autonomous driving system | |
US20180074200A1 (en) | Systems and methods for determining the velocity of lidar points | |
US10315648B2 (en) | Personalized active safety systems | |
US10935652B2 (en) | Systems and methods for using road understanding to constrain radar tracks | |
US11634153B2 (en) | Identification of proxy calibration targets for a fleet of vehicles | |
US20200172106A1 (en) | System and method for control of an autonomous vehicle | |
US20180075308A1 (en) | Methods And Systems For Adaptive On-Demand Infrared Lane Detection | |
US20230237783A1 (en) | Sensor fusion | |
US20220366175A1 (en) | Long-range object detection, localization, tracking and classification for autonomous vehicles | |
US20210125431A1 (en) | Dynamic and variable learning by determining and using most-trustworthy inputs | |
CN112435460A (zh) | 交通灯状态监控和交通灯到车道的分配的方法和系统 | |
CN114492679B (zh) | 一种车辆数据处理方法、装置、电子设备及介质 |
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 |