CN113844463B - 基于自动驾驶系统的车辆控制方法、装置及车辆 - Google Patents
基于自动驾驶系统的车辆控制方法、装置及车辆 Download PDFInfo
- Publication number
- CN113844463B CN113844463B CN202111130415.7A CN202111130415A CN113844463B CN 113844463 B CN113844463 B CN 113844463B CN 202111130415 A CN202111130415 A CN 202111130415A CN 113844463 B CN113844463 B CN 113844463B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- confidence
- information
- attribute information
- vehicle
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本公开实施例提供一种基于自动驾驶系统的车辆控制方法、装置及车辆,包括:获取设置于车辆的多个传感器采集到的感知信息,对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息,生成各传感器各自对应的第一置信度,对各障碍物的属性信息进行融合处理,得到障碍物融合结果,根据各第一置信度和各障碍物的属性信息确定障碍物融合结果的第二置信度,根据障碍物融合结果生成车辆的行驶路径,根据第二置信度确定行驶路径的第三置信度,根据行驶路径和第三置信度控制车辆的行驶,实现了从整体上将自动驾驶系统的各阶段进行有机整合,以从整体上监测自动驾驶系统的各阶段的可靠性,提高了车辆控制的准确性和可靠性。
Description
技术领域
本公开实施例涉及自动驾驶技术领域,尤其涉及一种基于自动驾驶系统的车辆控制方法、装置及车辆。
背景技术
自动驾驶系统是指基于自动驾驶技术实现对车辆的自动控制的系统,被自动驾驶系统控制的车辆可以称为自动驾驶车辆,也可以称为无人驾驶车辆。
自动驾驶系统可以划分为四个阶段,分别为:感知处理阶段、融合处理阶段、规划决策处理阶段以及控制处理阶段,在感知处理阶段,对车辆周围的环境、目标进行识别;在融合处理阶段,对感知处理阶段所传来的感知信息进行融合处理;在决策规划处理阶段,根据融合处理阶段所传来的信息,做出相应的决策,如刹车、加速、变道等;控制处理阶段,根据决策规划处理阶段的信息,控制车辆的行驶。
然而,在四个阶段中的任一阶段,该阶段的信息均可能存在误差甚至错误,因此,基于上述四个阶段的信息传输实现对车辆的控制,可能造成控制的可靠性偏低的技术问题。
发明内容
本公开实施例提供一种基于自动驾驶系统的车辆控制方法、装置及车辆。
第一方面,本公开实施例提供一种基于自动驾驶系统的车辆控制方法,所述方法包括:
获取设置于车辆的多个传感器采集到的感知信息,对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息,并生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度;
对各障碍物的属性信息进行融合处理,得到障碍物融合结果,并根据各第一置信度和各障碍物的属性信息确定所述障碍物融合结果的第二置信度;
根据所述障碍物融合结果生成所述车辆的行驶路径,根据所述第二置信度确定所述行驶路径的第三置信度,并根据所述行驶路径和所述第三置信度控制车辆的行驶。
在一些实施例中,根据各第一置信度和各障碍物的属性信息确定所述障碍物融合结果的第二置信度,包括:
确定各障碍物的属性信息之间的误差信息,并根据各第一置信度和所述误差信息,确定所述第二置信度。
在一些实施例中,若各障碍物的属性信息为相同障碍物的属性信息,且各障碍物的属性信息包括第一障碍物属性信息和第二障碍物属性信息;确定各障碍物的属性信息之间的误差信息,包括:
获取所述第一障碍物属性信息表征所述相同障碍物在时间属性上的第一时间,并获取所述第二障碍物属性信息表征所述相同障碍物在时间属性上的第二时间,根据所述第一时间和所述第二时间确定时间误差;
获取所述第一障碍物属性信息表征所述相同障碍物在位置属性上的第一坐标,并获取所述第二障碍物属性信息表征所述相同障碍物在位置属性上的第二坐标,根据所述第一坐标和所述第二坐标确定坐标误差;
其中,所述误差信息包括所述时间误差和所述坐标误差。
在一些实施例中,各第一置信度包括:与所述第一障碍物属性信息对应的第一子置信度、与所述第二障碍物属性信息对应的第二子置信度;根据各第一置信度和所述误差信息,确定所述第二置信度,包括:
确定所述第一子置信度和所述第二子置信度之间的乘积,并将所述乘积、所述时间误差、所述坐标误差三者之间的乘积确定为所述第二置信度。
在一些实施例中,根据所述障碍物融合结果生成所述车辆的行驶路径,包括:
获取地图信息和所述车辆的定位信息;
根据所述地图信息、所述定位信息、所述障碍物融合结果生成所述车辆的行驶路径。
在一些实施例中,根据所述第二置信度确定所述行驶路径的第三置信度,包括:
获取所述地图信息的第一误差概率,并获取所述定位信息的第二误差概率,根据所述第一误差概率、所述第二误差概率、所述第二置信度确定所述第三置信度。
第二方面,本公开实施例提供一种基于自动驾驶系统的车辆控制装置,包括:
获取单元,用于获取设置于车辆的多个传感器采集到的感知信息;
识别单元,用于对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息;
第一生成单元,用于生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度;
融合单元,用于对各障碍物的属性信息进行融合处理,得到障碍物融合结果;
第一确定单元,用于根据各第一置信度和各障碍物的属性信息确定所述障碍物融合结果的第二置信度;
第二生成单元,用于根据所述障碍物融合结果生成所述车辆的行驶路径;
第二确定单元,用于根据所述第二置信度确定所述行驶路径的第三置信度;
控制单元,用于根据所述行驶路径和所述第三置信度控制车辆的行驶。
在一些实施例中,所述第一确定单元用于,确定各障碍物的属性信息之间的误差信息,并根据各第一置信度和所述误差信息,确定所述第二置信度。
在一些实施例中,若各障碍物的属性信息为相同障碍物的属性信息,且各障碍物的属性信息包括第一障碍物属性信息和第二障碍物属性信息;所述第一确定单元,包括:
第一获取子单元,用于获取所述第一障碍物属性信息表征所述相同障碍物在时间属性上的第一时间,并获取所述第二障碍物属性信息表征所述相同障碍物在时间属性上的第二时间,根据所述第一时间和所述第二时间确定时间误差;
第二获取子单元,用于获取所述第一障碍物属性信息表征所述相同障碍物在位置属性上的第一坐标,并获取所述第二障碍物属性信息表征所述相同障碍物在位置属性上的第二坐标,根据所述第一坐标和所述第二坐标确定坐标误差;
其中,所述误差信息包括所述时间误差和所述坐标误差。
在一些实施例中,各第一置信度包括:与所述第一障碍物属性信息对应的第一子置信度、与所述第二障碍物属性信息对应的第二子置信度;所述第一确定单元还包括:
第一确定子单元,用于确定所述第一子置信度和所述第二子置信度之间的乘积,并将所述乘积、所述时间误差、所述坐标误差三者之间的乘积确定为所述第二置信度。
在一些实施例中,所述第二生成单元,包括:
第三获取子单元,用于获取地图信息和所述车辆的定位信息;
生成子单元,用于根据所述地图信息、所述定位信息、所述障碍物融合结果生成所述车辆的行驶路径。
在一些实施例中,所述第二确定单元,包括:
第四获取子单元,用于获取所述地图信息的第一误差概率,并获取所述定位信息的第二误差概率;
第二确定子单元,用于根据所述第一误差概率、所述第二误差概率、所述第二置信度确定所述第三置信度。
第三方面,本公开实施例提供一种电子设备,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行如第一方面所述的方法。
第四方面,本公开实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
第五方面,本公开实施例提供一种车辆,所述车辆包括如第二方面所述的装置。
本公开实施例提供的基于自动驾驶系统的车辆控制方法、装置及车辆,包括:获取设置于车辆的多个传感器采集到的感知信息,对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息,并生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度,对各障碍物的属性信息进行融合处理,得到障碍物融合结果,并根据各第一置信度和各障碍物的属性信息确定障碍物融合结果的第二置信度,根据障碍物融合结果生成车辆的行驶路径,根据第二置信度确定行驶路径的第三置信度,根据行驶路径和第三置信度控制车辆的行驶,在本实施例中,引入了:在相关信息传输和处理的同时,如从感知信息到障碍物融合结果,再到行驶路径等,基于在前阶段的置信度确定在后阶段的置信度,如基于各第一置信度确定第二置信度,并基于第二置信度确定第三置信度,直至最终基于行驶路径和第三置信度对车辆的行驶进行控制的技术特征,实现了从整体上将自动驾驶系统的各阶段进行有机整合,以便于从整体上监测自动驾驶系统的各阶段的可靠性,进而提高车辆控制的准确性和可靠性的技术效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为根据本实施例的基于自动驾驶系统的车辆控制方法的应用场景示意图;
图2为根据本公开一个实施例的基于自动驾驶系统的车辆控制方法的流程示意图;
图3为根据本公开另一实施例的基于自动驾驶系统的车辆控制方法的流程示意图;
图4为根据本公开一个实施例的基于自动驾驶系统的车辆控制装置的流程示意图;
图5为根据本公开另一实施例的基于自动驾驶系统的车辆控制装置的流程示意图;
图6为根据本公开实施例的基于自动驾驶系统的车辆控制方法的电子设备的框图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。
自动驾驶系统利用了包括摄像头、雷达(可以为激光雷达,也可以为毫米波雷达,也可以为超声波雷达)、全球定位系统(Global Positioning System,GPS)、里程计、计算机视觉等多种技术,以依次经过感知处理阶段、融合处理阶段、规划决策处理阶段、控制处理阶段,完成对车辆行驶的控制。
示例性的,在感知处理阶段时,可以通过摄像头、雷达等采集车辆周边的感知信息;在融合处理阶段时,可以对感知信息进行融合处理,得到融合信息;在规划决策处理阶段时,根据融合信息确定控制车辆的控制决策;在控制处理阶段时,根据控制决策控制车辆的行驶。
例如,本实施例的基于自动驾驶系统的车辆控制方法可以应用于如图1所示的应用场景,如图1所示:
车辆101行驶于道路102,道路102的至少一侧可以设置标示牌103,道路102上还有骑自行车104的用户105。
车辆101可以设置有各类传感器(图中未示出),如摄像头和雷达等。在如图1所示的应用场景中,摄像头和雷达均可以采集标示牌103、骑自行车104、用户105的相关信息,如摄像头采集的为标示牌103、骑自行车104、用户105的像素信息,雷达采集的为标示牌103、骑自行车104、用户105的像素信息的点云信息。
在感知处理阶段时,可以通过摄像头采集包括像素信息的感知信息,通过雷达采集包括点云信息的感知信息。
在融合处理阶段时,可以对将像素信息和点云信息进行融合处理,得到融合信息,融合信息可以用于表征道路中的障碍物,如图1中所示的自行车和用户。
其中,当图1中的标示牌为限速标示牌时,融合信息还可以为基于标示牌确定出的行驶速度。
在另一些实施例中,融合信息还可以包括车道线、交通信号灯、可行驶区域等,此处不再一一列举。
在规划决策处理阶段时,根据融合信息确定控制车辆的控制决策。
例如,结合图1和上述实施例,若确定车辆前方存在障碍物(即如图1中所示的自行车和用户),则根据融合信息确定的控制决策可以为减速行驶,或者,变道行驶等。
在控制处理阶段时,根据控制决策控制车辆的行驶,以避免如图1中车辆与自行车追尾,提高车辆行驶的安全性和可靠性。
应该理解的是,上述实施例和图1只是用于示范性的说明,本实施例可能适用的应用场景,而不能理解为对应用场景的限定。
然而,在四个阶段中的任一阶段,该阶段的信息均可能存在误差甚至错误,如感知信息可能存在误差甚至错误,又如,融合信息可能存在误差甚至错误等,因此,基于上述四个阶段的信息传输实现对车辆的控制,可能造成对车辆的控制的可靠性偏低的技术问题。
为了避免上述技术问题,本公开的发明人经过创造性的劳动,得到了本公开的发明构思:针对两个相邻的阶段,在两个相邻阶段的信息传递过程中,添加确定置信度的机制,如基于在前阶段的置信度确定在后阶段的置信度,以便基于规划决策处理阶段产生的控制决策和该阶段的置信度,控制车辆的行驶。
下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本公开的实施例进行描述。
请参阅图2,图2为根据本公开一个实施例的基于自动驾驶系统的车辆控制方法的流程示意图。
如图2所示,该方法包括:
S201:获取设置于车辆的多个传感器采集到的感知信息,对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息,并生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度。
示例性的,本实施例的执行主体可以为基于自动驾驶系统的车辆控制装置(下文简称控制装置),控制装置可以为设置于车辆的计算机、服务器、处理器、芯片等,本实施例不做限定。
该步骤可以理解为控制装置在感知处理阶段的相关操作,例如,结合图1所示的应用场景和上述实施例,多个传感器可以包括摄像头和雷达,相应的,为了对不同传感器所采集到的感知信息进行区分,可以将摄像头采集到的感知信息称为第一感知信息(可以为上述实施例所述的包括像素信息的感知信息),雷达采集到的感知信息称为第二感知信息(可以为上述实施例所述的包括点云信息的感知信息)。
控制装置对第一感知信息进行障碍物识别处理,以得到障碍物(可以为上述实施例所述的自行车和用户)的属性信息,并确定基于摄像头所采集的第一感知信息确定的障碍物的属性信息的可靠程度,即摄像头对应的第一置信度,也可以理解为第一感知信息的第一置信度。
同理,控制装置对第二感知信息进行障碍物识别处理,以得到障碍物(可以为上述实施例所述的自行车和用户)的属性信息,并确定基于雷达所采集的第二感知信息确定的障碍物的属性信息的可靠程度,即雷达对应的第一置信度,也可以理解为第二感知信息的第一置信度。
应该理解的是,上述实施例只是以摄像头和雷达为传感器为例,对该步骤进行示范性的说明,而不能理解为对传感器的限定,更不能理解为对该步骤的原理的限定。
S202:对各障碍物的属性信息进行融合处理,得到障碍物融合结果,并根据各第一置信度和各障碍物的属性信息确定障碍物融合结果的第二置信度。
结合上述实施例,该步骤可以理解为控制装置在融合处理阶段的相关操作,控制装置可以对基于第一感知信息确定的障碍物的属性信息、以及基于第二感知信息确定的障碍物的属性信息进行融合处理,以确定障碍物融合结果,如障碍物为自行车和用户等。
值得说明的是,在本实施例中,控制装置还基于各第一置信度和各障碍物的属性信息确定第二置信度。
例如,控制装置基于:第一感知信息的第一置信度、基于摄像头所采集的第一感知信息确定的障碍物的属性信息、第二感知信息的第一置信度、基于雷达所采集的第二感知信息确定的障碍物的属性信息,四个维度的内容确定第二置信度,以提高感知处理阶段和融合处理阶段之间的高度关联性,从而实现从整体上将自动驾驶系统的各阶段进行有机整合,进而提高车辆控制的准确性和可靠性的技术效果。
S203:根据障碍物融合结果生成车辆的行驶路径,根据第二置信度确定行驶路径的第三置信度。
结合上述实施例,该步骤可以理解为控制装置在规划决策处理阶段的相关操作,若控制装置还未生成行驶路径,则可以基于障碍物融合结果生成行驶路径,若控制装置已经生成了行驶路径,则可以基于障碍物融合结果对行驶路径进行调整。
例如,若控制装置生成的行驶路径为直线行驶的行驶路径,而当障碍物融合结果为车辆前方有障碍物(如图1中所示的自行车和用户)时,则可以将直线行驶的行驶路径调整为变道行驶的行驶路径,以避免与障碍物相撞。
且在本实施例中,控制装置基于第二置信度对行驶路径的可靠程度进行确定,从而得到第三置信度,以使得融合理阶段和规划决策处理阶段之间的高度关联性,从而实现从整体上自动驾驶系统的各阶段进行有机整合,进而提高车辆控制的准确性和可靠性的技术效果。
S204:根据行驶路径和第三置信度控制车辆的行驶。
基于上述分析可知,本公开实施例提供了一种基于自动驾驶系统的车辆控制方法,该方法包括:获取设置于车辆的多个传感器采集到的感知信息,对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息,并生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度,对各障碍物的属性信息进行融合处理,得到障碍物融合结果,并根据各第一置信度和各障碍物的属性信息确定障碍物融合结果的第二置信度,根据障碍物融合结果生成车辆的行驶路径,根据第二置信度确定行驶路径的第三置信度,根据行驶路径和第三置信度控制车辆的行驶,在本实施例中,引入了:在相关信息传输和处理的同时,如从感知信息到障碍物融合结果,再到行驶路径等,基于在前阶段的置信度确定在后阶段的置信度,如基于各第一置信度确定第二置信度,并基于第二置信度确定第三置信度,直至最终基于行驶路径和第三置信度对车辆的行驶进行控制的技术特征,实现了从整体上将自动驾驶系统的各阶段进行有机整合,以便于从整体上监测自动驾驶系统的各阶段的可靠性,进而提高车辆控制的准确性和可靠性的技术效果。
请参阅图3,图3为根据本公开另一实施例的基于自动驾驶系统的车辆控制方法的流程示意图。
如图3所示,该方法包括:
S301:获取设置于车辆的多个传感器采集到的感知信息,对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息,并生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度。
S302:对各障碍物的属性信息进行融合处理,得到障碍物融合结果。
示例性的,关于S301和S302的实现原理,可以参见上述实施例,此处不再赘述。
S303:确定各障碍物的属性信息之间的误差信息,并根据各第一置信度和误差信息,确定第二置信度。
在一些实施例中,若各障碍物的属性信息为相同障碍物的属性信息,且各障碍物的属性信息包括第一障碍物属性信息和第二障碍物属性信息;确定各障碍物的属性信息之间的误差信息,包括如下步骤:
第一步骤:获取第一障碍物属性信息表征相同障碍物在时间属性上的第一时间,并获取第二障碍物属性信息表征相同障碍物在时间属性上的第二时间,根据第一时间和第二时间确定时间误差。
例如,结合上述实施例,第一障碍物属性信息为基于摄像头采集的第一感知信息确定出的障碍物属的性信息,第二障碍物信息为基于雷达采集的第二感知信息确定出的障碍物的属性信息,第一障碍物属性信息表征的障碍物与第二障碍物属性信息表征的障碍物为相同障碍物,如图1中的自行车和用户,相同障碍物的属性信息包括相同障碍物的时间属性信息,即相同障碍物在时间属性上的相关信息。
基于摄像头采集的第一感知信息的时间可能先于基于雷达采集的第二感知信息的时间,或者,基于摄像头采集的第一感知信息的时间可能后于基于雷达采集的第二感知信息的时间,则第一时间和第二时间之间存在差异,该差异即为时间误差。
第二步骤:获取第一障碍物属性信息表征相同障碍物在位置属性上的第一坐标,并获取第二障碍物属性信息表征相同障碍物在位置属性上的第二坐标,根据第一坐标和第二坐标确定坐标误差。
其中,误差信息包括时间误差和坐标误差。
同理,相同障碍物的属性信息包括相同障碍物的位置属性信息,即相同障碍物在位置属性上的相关信息。以障碍物为自行车为例,在第一障碍物属性信息中,自行车的坐标为第一坐标,在第二障碍物属性信息中,自行车的坐标为第二坐标,第一坐标与第二坐标之间可能存在差异,该差异即为坐标误差。
在一些实施例中,各第一置信度包括:与第一障碍物属性信息对应的第一子置信度、与第二障碍物属性信息对应的第二子置信度;根据各第一置信度和误差信息,确定第二置信度,包括如下步骤:
第一步骤:确定第一子置信度和第二子置信度之间的乘积。
第二步骤:将乘积、时间误差、坐标误差三者之间的乘积确定为第二置信度。
例如,结合上述实施例,第一子置信度可以理解为摄像头对应的第一置信度,或者,可以理解为第一感知信息对应的第一置信度;第二置信度可以理解为雷达对应的第一置信度,或者,可以理解为第二感知信息对应的第一置信度,第二置信度=第一子置信度*第二子置信度*时间误差*坐标误差。
S304:根据障碍物融合结果生成车辆的行驶路径,根据第二置信度确定行驶路径的第三置信度。
示例性的,关于S304的实现原理,可以参见上述实施例,此处不再赘述。
在另一些实施例中,根据障碍物融合结果生成车辆的行驶路径,可以包括如下步骤:
第一步骤:获取地图信息和车辆的定位信息。
其中,地图信息是指,与车辆当前的行驶道路相关的地图的信息。地图信息可以为车辆本地存储的离线的电子地图的信息,也可以为车辆从云端服务器获取的电子地图的信息,也可以为车辆从路侧设备获取的电子地图的信息,本实施例不做限定。
车辆中还可以设置全球定位系统,控制装置可以基于全球定位系统获取定位信息。
第二步骤:根据地图信息、定位信息、障碍物融合结果生成车辆的行驶路径。
控制装置结合地图信息、定位信息、障碍物融合结果生成行驶路径,可以提高行驶路径的准确性和可靠性。
相应的,根据第二置信度确定行驶路径的第三置信度,可以包括如下步骤:
第一步骤:获取地图信息的第一误差概率,并获取定位信息的第二误差概率。
第二步骤:根据第一误差概率、第二误差概率、第二置信度确定第三置信度。
例如,第三置信度=第一误差概率*第二误差概率*第二置信度。
请参阅图4,图4为根据本公开一个实施例的基于自动驾驶系统的车辆控制装置的流程示意图。
如图4所示,该基于自动驾驶系统的车辆控制装置400,包括:
获取单元401,用于获取设置于车辆的多个传感器采集到的感知信息。
识别单元402,用于对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息。
第一生成单元403,用于生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度。
融合单元404,用于对各障碍物的属性信息进行融合处理,得到障碍物融合结果。
第一确定单元405,用于根据各第一置信度和各障碍物的属性信息确定所述障碍物融合结果的第二置信度。
第二生成单元406,用于根据所述障碍物融合结果生成所述车辆的行驶路径。
第二确定单元407,用于根据所述第二置信度确定所述行驶路径的第三置信度。
控制单元408,用于根据所述行驶路径和所述第三置信度控制车辆的行驶。
请参阅图5,图5为根据本公开另一实施例的基于自动驾驶系统的车辆控制装置的流程示意图。
如图5所示,该基于自动驾驶系统的车辆控制装置500,包括:
获取单元501,用于获取设置于车辆的多个传感器采集到的感知信息。
识别单元502,用于对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息。
第一生成单元503,用于生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度。
融合单元504,用于对各障碍物的属性信息进行融合处理,得到障碍物融合结果。
第一确定单元505,用于根据各第一置信度和各障碍物的属性信息确定所述障碍物融合结果的第二置信度。
在一些实施例中,第一确定单元505用于,确定各障碍物的属性信息之间的误差信息,并根据各第一置信度和所述误差信息,确定所述第二置信度。
结合图5可知,在一些实施例中,若各障碍物的属性信息为相同障碍物的属性信息,且各障碍物的属性信息包括第一障碍物属性信息和第二障碍物属性信息;第一确定单元505,包括:
第一获取子单元5051,用于获取所述第一障碍物属性信息表征所述相同障碍物在时间属性上的第一时间,并获取所述第二障碍物属性信息表征所述相同障碍物在时间属性上的第二时间,根据所述第一时间和所述第二时间确定时间误差。
第二获取子单元5052,用于获取所述第一障碍物属性信息表征所述相同障碍物在位置属性上的第一坐标,并获取所述第二障碍物属性信息表征所述相同障碍物在位置属性上的第二坐标,根据所述第一坐标和所述第二坐标确定坐标误差。
其中,所述误差信息包括所述时间误差和所述坐标误差。
结合图5可知,在一些实施例中,各第一置信度包括:与所述第一障碍物属性信息对应的第一子置信度、与所述第二障碍物属性信息对应的第二子置信度;第一确定单元505还包括:
第一确定子单元5053,用于确定所述第一子置信度和所述第二子置信度之间的乘积,并将所述乘积、所述时间误差、所述坐标误差三者之间的乘积确定为所述第二置信度。
第二生成单元506,用于根据所述障碍物融合结果生成所述车辆的行驶路径。
结合图5可知,在一些实施例中,第二生成单元506,包括:
第三获取子单元5061,用于获取地图信息和所述车辆的定位信息。
生成子单元5062,用于根据所述地图信息、所述定位信息、所述障碍物融合结果生成所述车辆的行驶路径。
第二确定单元507,用于根据所述第二置信度确定所述行驶路径的第三置信度。
结合图5可知,在一些实施例中,第二确定单元507,包括:
第四获取子单元5071,用于获取所述地图信息的第一误差概率,并获取所述定位信息的第二误差概率。
第二确定子单元5072,用于根据所述第一误差概率、所述第二误差概率、所述第二置信度确定所述第三置信度。
控制单元508,用于根据所述行驶路径和所述第三置信度控制车辆的行驶。
根据本公开实施例的另一个方面,本公开实施例还提供了一种车辆,包括如上任一实施例所述的装置。
在一些实施例中,车辆还包括传感器,传感器包括:摄像头、雷达、里程计中的一种或多种。
在另一些实施例中,车辆还包括全球定位系统。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
根据本公开的实施例,本公开还提供了一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
如图6所示,是根据本公开实施例的基于自动驾驶系统的车辆控制方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,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6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本公开所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本公开所提供的基于自动驾驶系统的车辆控制方法。本公开的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本公开所提供的基于自动驾驶系统的车辆控制方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本公开实施例中的基于自动驾驶系统的车辆控制方法对应的程序指令/模块。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的基于自动驾驶系统的车辆控制方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据基于自动驾驶系统的车辆控制方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至基于自动驾驶系统的车辆控制方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
基于自动驾驶系统的车辆控制方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与基于自动驾驶系统的车辆控制方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处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、专用ASIC(专用集成电路)、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。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
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。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (9)
1.一种基于自动驾驶系统的车辆控制方法,所述方法包括:
获取设置于车辆的多个传感器采集到的感知信息,对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息,并生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度;
对各障碍物的属性信息进行融合处理,得到障碍物融合结果,并根据各第一置信度和各障碍物的属性信息确定所述障碍物融合结果的第二置信度;
根据所述障碍物融合结果生成所述车辆的行驶路径,根据所述第二置信度确定所述行驶路径的第三置信度,并根据所述行驶路径和所述第三置信度控制车辆的行驶;
所述根据所述第二置信度确定所述行驶路径的第三置信度,包括:
获取地图信息和所述车辆的定位信息;
获取所述地图信息的第一误差概率,并获取所述定位信息的第二误差概率,根据所述第一误差概率、所述第二误差概率、所述第二置信度确定所述第三置信度。
2.根据权利要求1所述的方法,其中,根据各第一置信度和各障碍物的属性信息确定所述障碍物融合结果的第二置信度,包括:
确定各障碍物的属性信息之间的误差信息,并根据各第一置信度和所述误差信息,确定所述第二置信度。
3.根据权利要求2所述的方法,其中,若各障碍物的属性信息为相同障碍物的属性信息,且各障碍物的属性信息包括第一障碍物属性信息和第二障碍物属性信息;确定各障碍物的属性信息之间的误差信息,包括:
获取所述第一障碍物属性信息表征所述相同障碍物在时间属性上的第一时间,并获取所述第二障碍物属性信息表征所述相同障碍物在时间属性上的第二时间,根据所述第一时间和所述第二时间确定时间误差;
获取所述第一障碍物属性信息表征所述相同障碍物在位置属性上的第一坐标,并获取所述第二障碍物属性信息表征所述相同障碍物在位置属性上的第二坐标,根据所述第一坐标和所述第二坐标确定坐标误差;
其中,所述误差信息包括所述时间误差和所述坐标误差。
4.根据权利要求3所述的方法,其中,各第一置信度包括:与所述第一障碍物属性信息对应的第一子置信度、与所述第二障碍物属性信息对应的第二子置信度;根据各第一置信度和所述误差信息,确定所述第二置信度,包括:
确定所述第一子置信度和所述第二子置信度之间的乘积,并将所述乘积、所述时间误差、所述坐标误差三者之间的乘积确定为所述第二置信度。
5.根据权利要求1至4中任一项所述的方法,其中,根据所述障碍物融合结果生成所述车辆的行驶路径,包括:
根据所述地图信息、所述定位信息、所述障碍物融合结果生成所述车辆的行驶路径。
6.一种基于自动驾驶系统的车辆控制装置,包括:
获取单元,用于获取设置于车辆的多个传感器采集到的感知信息;
识别单元,用于对各传感器的感知信息分别进行障碍物识别处理,得到各传感器各自对应的障碍物的属性信息;
第一生成单元,用于生成各传感器各自对应的第一置信度,第一置信度用于表征识别得到的障碍物的属性信息的可靠程度;
融合单元,用于对各障碍物的属性信息进行融合处理,得到障碍物融合结果;
第一确定单元,用于根据各第一置信度和各障碍物的属性信息确定所述障碍物融合结果的第二置信度;
第二生成单元,用于根据所述障碍物融合结果生成所述车辆的行驶路径;
第二确定单元,用于根据所述第二置信度确定所述行驶路径的第三置信度;
控制单元,用于根据所述行驶路径和所述第三置信度控制车辆的行驶;
所述第二确定单元,包括:
第三获取子单元,用于获取地图信息和所述车辆的定位信息;
第四获取子单元,用于获取所述地图信息的第一误差概率,并获取所述定位信息的第二误差概率;
第二确定子单元,用于根据所述第一误差概率、所述第二误差概率、所述第二置信度确定所述第三置信度。
7.一种电子设备,包括:存储器,处理器;
存储器,用于存储所述处理器可执行指令;
其中,所述处理器被配置为执行如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至5中任一项所述的方法。
9.一种车辆,所述车辆包括如权利要求6所述的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111130415.7A CN113844463B (zh) | 2021-09-26 | 2021-09-26 | 基于自动驾驶系统的车辆控制方法、装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111130415.7A CN113844463B (zh) | 2021-09-26 | 2021-09-26 | 基于自动驾驶系统的车辆控制方法、装置及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113844463A CN113844463A (zh) | 2021-12-28 |
CN113844463B true CN113844463B (zh) | 2023-06-13 |
Family
ID=78980152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111130415.7A Active CN113844463B (zh) | 2021-09-26 | 2021-09-26 | 基于自动驾驶系统的车辆控制方法、装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113844463B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114584949B (zh) * | 2022-03-02 | 2023-05-23 | 阿波罗智能技术(北京)有限公司 | 车路协同确定障碍物属性值的方法、设备及自动驾驶车辆 |
CN114792470A (zh) * | 2022-04-08 | 2022-07-26 | 广州小鹏汽车科技有限公司 | 路况显示方法、装置、可穿戴设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107031619A (zh) * | 2015-12-11 | 2017-08-11 | 现代自动车株式会社 | 用于控制自动驾驶系统的路径的方法和设备 |
WO2021134441A1 (zh) * | 2019-12-31 | 2021-07-08 | 深圳元戎启行科技有限公司 | 基于自动驾驶的车辆速度控制方法、装置和计算机设备 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI559267B (zh) * | 2015-12-04 | 2016-11-21 | Method of quantifying the reliability of obstacle classification | |
CN109196437B (zh) * | 2018-08-21 | 2021-04-09 | 达闼机器人有限公司 | 智能驾驶方法、装置及存储介质 |
US11260876B2 (en) * | 2018-11-05 | 2022-03-01 | Robert Bosch Gmbh | Inter-vehicle sensor validation using senso-fusion network |
US10809736B2 (en) * | 2018-12-27 | 2020-10-20 | Baidu Usa Llc | ST-graph learning based decision for autonomous driving vehicle |
CN109901574B (zh) * | 2019-01-28 | 2021-08-13 | 华为技术有限公司 | 自动驾驶方法及装置 |
CN112069862A (zh) * | 2019-06-10 | 2020-12-11 | 华为技术有限公司 | 目标检测方法和装置 |
US10928820B1 (en) * | 2019-11-12 | 2021-02-23 | Baidu Usa Llc | Confidence levels along the same predicted trajectory of an obstacle |
CN111137283B (zh) * | 2019-12-27 | 2022-02-01 | 芜湖雄狮汽车科技有限公司 | 传感器数据融合方法、装置、高级辅助驾驶系统及车辆 |
CN112249033B (zh) * | 2020-10-30 | 2022-02-01 | 广州小鹏自动驾驶科技有限公司 | 一种车辆的自动驾驶系统及方法 |
CN113313154A (zh) * | 2021-05-20 | 2021-08-27 | 四川天奥空天信息技术有限公司 | 一体化融合多传感器自动驾驶智能感知装置 |
-
2021
- 2021-09-26 CN CN202111130415.7A patent/CN113844463B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107031619A (zh) * | 2015-12-11 | 2017-08-11 | 现代自动车株式会社 | 用于控制自动驾驶系统的路径的方法和设备 |
WO2021134441A1 (zh) * | 2019-12-31 | 2021-07-08 | 深圳元戎启行科技有限公司 | 基于自动驾驶的车辆速度控制方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113844463A (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112415552B (zh) | 车辆位置的确定方法、装置及电子设备 | |
US11615605B2 (en) | Vehicle information detection method, electronic device and storage medium | |
CN111401208B (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
CN111596298B (zh) | 目标对象的定位方法、装置、设备及存储介质 | |
CN111649739B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
US20210190510A1 (en) | Vehicle positioning method, apparatus, electronic device, vehicle and storage medium | |
US11698262B2 (en) | Method and apparatus for generating route planning model, and storage medium | |
CN113844463B (zh) | 基于自动驾驶系统的车辆控制方法、装置及车辆 | |
CN111079079B (zh) | 数据修正方法、装置、电子设备及计算机可读存储介质 | |
CN111368760B (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
CN110794844B (zh) | 自动驾驶方法、装置、电子设备及可读存储介质 | |
JP2022043200A (ja) | 自動運転の遠隔制御方法、自動運転車両及びクラウド機器 | |
CN111638528B (zh) | 定位方法、装置、电子设备和存储介质 | |
CN111413968B (zh) | 车辆的控制方法、装置及电子设备 | |
CN112101209A (zh) | 用于路侧计算设备的确定世界坐标点云的方法和装置 | |
US20210139052A1 (en) | Task scheduling method, apparatus, device, and computer readable storage medium | |
CN111361560B (zh) | 自动驾驶中控制车辆行驶的方法、装置、电子设备 | |
CN114018269B (zh) | 定位方法、装置、电子设备、存储介质以及自动驾驶车辆 | |
CN111597287A (zh) | 地图生成方法、装置及设备 | |
CN111949816B (zh) | 定位处理方法、装置、电子设备和存储介质 | |
CN112577524A (zh) | 信息校正方法和装置 | |
CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
KR20220093382A (ko) | 장애물 검출 방법 및 장치 | |
CN112489460A (zh) | 信号灯信息的输出方法和装置 | |
CN111753768A (zh) | 表示障碍物形状的方法、装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |