CN113859264B - 车辆控制方法、装置、电子设备及存储介质 - Google Patents
车辆控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113859264B CN113859264B CN202111095203.XA CN202111095203A CN113859264B CN 113859264 B CN113859264 B CN 113859264B CN 202111095203 A CN202111095203 A CN 202111095203A CN 113859264 B CN113859264 B CN 113859264B
- Authority
- CN
- China
- Prior art keywords
- target
- scene
- information
- vehicle
- judging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000002372 labelling Methods 0.000 claims description 58
- 238000001514 detection method Methods 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 10
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 208000034656 Contusions Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009519 contusion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- B60W40/10—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 vehicle motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Abstract
本公开提供了一种车辆控制方法、装置、电子设备及存储介质,涉及人工智能领域,尤其涉及自动驾驶、深度学习等技术领域。具体实现方案为:获取车辆的运行信息和所述车辆所处场景的信息,并根据所述运行信息和所述场景的信息,判断所述场景是否是目标场景,如果所述场景是所述目标场景,则根据所述场景的信息获取与所述目标场景对应的目标控制参数,以及根据所述目标控制参数对所述车辆进行自动控制。由此,能够在对车辆进行自动驾驶控制时,有效地提升对车辆所处场景的判定识别能力,辅助车辆控制所涉及的自动驾驶算法生成更为准确的控制参数,还能够有效地提升车辆控制的准确性,有效地提升车辆的自动化控制性能。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及自动驾驶、深度学习等技术领域,具体涉及一种车辆控制方法、装置、电子设备及存储介质。
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。
相关技术中,在对车辆进行自动驾驶控制时,通常在识别到车辆所处驾驶场景较为复杂、特殊时,即触发退出自动驾驶并对驾驶用户进行提示。
发明内容
本公开提供了一种车辆控制方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种车辆控制方法,包括:获取车辆的运行信息和所述车辆所处场景的信息;根据所述运行信息和所述场景的信息,判断所述场景是否是目标场景;如果所述场景是所述目标场景,则根据所述场景的信息获取与所述目标场景对应的目标控制参数;以及根据所述目标控制参数对所述车辆进行自动控制。
根据本公开的第二方面,提供了一种车辆控制装置,包括:第一获取模块,用于获取车辆的运行信息和所述车辆所处场景的信息;判断模块,用于根据所述运行信息和所述场景的信息,判断所述场景是否是目标场景;第二获取模块,用于在所述场景是所述目标场景时,则根据所述场景的信息获取与所述目标场景对应的目标控制参数;以及控制模块,用于根据所述目标控制参数对所述车辆进行自动控制。
根据本公开的第三方面,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,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本公开实施例的车辆控制方法。
根据本公开的第四方面,提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本公开实施例的车辆控制方法。
根据本公开的第五方面,提出了一种计算机程序产品,包括计算机程序,当计算机程序由处理器执行时实现本公开实施例的车辆控制方法。
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。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开实施例的车辆控制方法的流程示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本公开实施例的判定线确定方法示意图;
图6是根据本公开实施例的判定车辆是否跨越判定线的方法示意图;
图7是根据本公开第四实施例的示意图;
图8是根据本公开第五实施例的示意图;
图9示出了可以用来实施本公开的实施例的车辆控制方法的示例电子设备的示意性框图。
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和精神。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。
图1是根据本公开第一实施例的示意图。
其中,需要说明的是,本实施例的车辆控制方法的执行主体为车辆控制装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
本公开实施例涉及人工智能领域,尤其涉及自动驾驶、深度学习等技术领域。
其中,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习,是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
自动驾驶,是指利用雷达、激光、超声波、全球定位系统(Global PositionSystem,GPS)、里程计、计算机视觉等多种技术来感知其周边环境,通过先进的计算和控制系统,来识别障碍物和各种标识牌,规划合适的路径来控制车辆行驶的技术。
如图1所示,该车辆控制方法,包括:
S101:获取车辆的运行信息和车辆所处场景的信息。
其中,用于描述车辆运行状态相关的信息,即可以被称为运行信息,车辆的运行信息具体可以例如为车辆的运行参数信息,车辆的运行决策信息,车辆的运行速度信息等,对此不做限制。
其中,车辆所处场景的信息,可以具体例如为场景的障碍物信息,场景的地势信息,场景的交通标志信息等,对此不做限制。
其中,获取车辆所处场景的信息,可以具体例如为,针对车辆预先配置相应的图像采集装置,图像采集装置可以采集车辆所处场景的图像或者视频流,再对车辆所处场景的图像或者视频流进行解析,以得到车辆所处场景的信息,或者也可以采用其他任意可能的方式,获取车辆所处场景的信息,例如传感器采集的方式,雷达探测的方式等,对此不做限制。
其中,获取车辆的运行信息,可以是获取车辆当前所运行至的位置坐标(该位置坐标可以是以车辆的几何中心点的坐标位置,对此不做限制),并将车辆的运行位置坐标作为车辆的运行信息。
本公开实施例中,获取车辆当前所运行至的位置坐标,可以是获取车辆全局状态中的车辆坐标位置,当然也可以采用其他任意可能的方式,获取车辆当前的坐标位置,并将该坐标位置作为车辆的运行信息,对此不做限制。
S102:根据运行信息和场景的信息,判断场景是否是目标场景。
需要说明的是,本公开实施例描述的车辆控制方法,可以针对车辆所处的不同场景配置不同的车辆控制策略,即可以对车辆当前所处的场景的信息进行分析,以确定车辆当前所处的场景,而后可以根据与车辆所处的场景对应的控制策略,对车辆进行相应控制。
其中,目标场景可以是预先设定的一种场景,该场景相对于通常的场景,可以是较为复杂、特殊的场景,目标场景可以具体例如具有以下特征:
下坡路段坡度过大、红绿灯由于设备问题,亮度过低、异常闪动、或变化规律不合当地交通规则、路边存在障碍物,或者是路段井盖起伏过大,对此不做限制。
本公开实施例中,目标场景可以具体例如为车辆行驶过程中的特殊场景,例如:某路段红绿灯由于设备问题,亮度过低、异常闪动、或变化规律不合当地交通规则的场景;某下坡路段坡度过大,需要执行特殊策略才能保证车辆不顿挫的场景;路边存在障碍物,极容易被车辆识别成行人的场景;某路段井盖起伏过大,需要降低速度保证乘客体感的场景。
一些实施例中,可以根据运行信息和所处场景的信息,结合神经网络模型判断车辆所处场景是否为目标场景,即可以是将车辆的运行信息和车辆所处场景的信息,共同作为预先训练好的神经网络模型的输入参数,以得到神经网络模型输出的判断结果,对此不做限制。
另一些实施例中,还可以获取车辆所处场景的高精度地图,再将车辆的运行信息和车辆所处场景的信息,与车辆所处场景的高精度地图进行比对,以判断车辆所处的场景是否为目标场景,对此不做限制。
S103:如果场景是目标场景,则根据场景的信息获取与目标场景对应的目标控制参数。
其中,本公开实施例描述的车辆控制方法,可以支持针对车辆所处的不同场景,配置不同的控制参数,以根据不同的控制参数,对不同场景的车辆进行控制,相应地,针对车辆所处的目标场景配置的控制参数即可以被称为目标控制参数。
一些实施例中,根据车辆所处场景的信息,获取与目标场景对应的目标控制参数,可以是根据场景信息与控制参数的对应关系,从预先构建的参数存储库中,获取与目标场景对应的目标控制参数,或者也可以采用其他任意可能的方式执行根据场景的信息获取与目标场景对应的目标控制参数的步骤,例如模型预测的方式,算法的方式等,对此不做限制。
S104:根据目标控制参数对车辆进行自动控制。
上述在根据所处场景的信息获取与目标场景对应的目标控制参数后,可以根据目标控制参数对车辆进行自动控制。
其中,根据目标控制参数对车辆进行自动控制,可以是根据目标控制参数生成相应的车辆控制指令,而后车辆可以响应于车辆控制指令,对车辆进行自动控制,对此不做限制。
本实施例中,通过获取车辆的运行信息和车辆所处场景的信息,并根据运行信息和场景的信息,判断场景是否是目标场景,如果场景是目标场景,则根据场景的信息获取与目标场景对应的目标控制参数,以及根据目标控制参数对车辆进行自动控制。由此,能够在对车辆进行自动驾驶控制时,有效地提升对车辆所处场景的判定识别能力,辅助车辆控制所涉及的自动驾驶算法生成更为准确的控制参数,还能够有效地提升车辆控制的准确性,有效地提升车辆的自动化控制性能。
图2是根据本公开第二实施例的示意图。
如图2所示,该车辆控制方法,包括:
S201:获取车辆的运行信息。
S201的描述说明可以具体参见上述实施例的描述说明,在此不再赘述。
S202:获取场景的地图信息,地图信息包括:多种标注信息。
本公开实施例中,可以获取车辆所处场景的高精度地图,场景的高精度地图可以具有一些相关的信息,该信息即可以被称为地图信息,而地图信息可以具体例如为地图的语义信息,地图的描述性信息等,对此不做限制。
其中,地图信息可以包括:多种标注信息,多种标注信息可以用地图信息进行标注,多种标注信息可以具体例如为:多边形、起止点、距离、地图元素等,对此不做限制。
本实施例中,获取场景的地图信息,可以是获取车辆所处场景的高精度地图,再对场景的高精度地图进行解析,以得到场景的地图信息。
S203:根据运行信息从多种标注信息中识别出目标标注信息,并将目标标注信息作为场景的信息。
其中,多种标注信息中与车辆的运行信息相对应的信息即可以被称为目标标注信息。
一些实施例中,根据车辆的运行信息从多种标注信息中识别出目标标注信息,可以是采用相应的配置文件,结合车辆的运行信息以及高精度地图的地图信息,配置相应的标注信息,该标注信息即可以被称为目标标注信息。
本实施例中,通过获取车辆的运行信息,并获取场景的地图信息,地图信息包括:多种标注信息,再根据运行信息从多种标注信息中识别出目标标注信息,并将目标标注信息作为场景的信息,由于是将场景的地图信息中的目标标注信息作为场景的信息,以采用场景的信息辅助对场景的类型进行判定识别,能够有效地提升场景的信息的表征能力,使得所确定的场景的信息能够灵活地表征实际场景的情况,并且通过基于地图信息进行匹配的方式,还能够有效地提升场景的信息的判定效率,提升场景类型的识别的及时性,更有助于车辆自动控制方式的实施落地,还可以有效地避免场景中无关的信息对车辆自动驾驶控制所产生的干扰,有效地辅助提升车辆自动驾驶控制的准确性。
S204:确定目标标注信息对应的目标类别。
其中,多种标注信息可以分别对应多种标注信息类别,相应地,目标标注信息对应的标注信息类别,即可以被称为目标类别。
本公开实施例中,多种标注信息和多种标注信息类别之间可以具有相应的对应关系,例如:标注信息(起止点)可以对应位置点类别,标注信息(多边形)可以对应形状类别、标注信息(距离、地图元素)可以对应距离类别。
也即是说,本公开实施例中,确定目标标注信息对应的目标类别,可以是根据多种标注信息和多种标注信息类别之间的对应关系,确定与目标标注信息对应的标注信息类别,并将该标注信息类别作为目标类别,对此不做限制。
S205:采用与目标类别对应的检测条件对运行信息和目标标注信息进行检测,以判断场景是否是目标场景。
上述在确定目标标注信息对应的目标类别后,可以采用与目标类别对应的检测条件对运行信息和目标标注信息进行检测,以判断场景是否是目标场景,由于是采用地图信息中与车辆的运行信息相适配的标注信息的目标类别确定检测条件,而后采用检测条件辅助判断当前场景是否是目标场景,能够有效地提升检测判定的准确性,且提升了检测判定的灵活性和有效性,有效地提升复杂、特殊的场景的判定识别准确性,保障车辆的自动控制的安全性。
也即是说,本公开实施例中,不同的标注信息类别可以对应不同的检测条件,该检测条件可以用于对运行信息和目标标注信息进行检测,以判断场景是否是目标场景。
可选地,一些实施例中,在目标类别是形状类别的情况下,确定目标标注信息描述的位置区域,并从运行信息中解析得到车辆位置,在车辆位置在位置区域内时,确定场景是目标场景,在车辆位置在位置区域外时,确定场景不是目标场景。
其中,目标标注信息描述的位置区域,可以具体例如为目标标注信息对应于地图中的内部区域,例如,假设目标标注信息是多边形,则位置区域是该多边形对应于高精度地图中所框出的地图区域,在判定车辆位置是否在位置区域内时,可以将车辆位置投射至该高精度地图中,以确定投射的位置点是否在该地图区域中,对此不做限制。
举例而言,当目标标注信息是多边形时,可以确定与目标标注信息对应的目标类别是形状类别,而后可以确定多边形所对应的位置区域,并进一步从车辆的运行信息中解析得到车辆当前的位置坐标,若车辆当前的位置坐标在多边形所对应的位置区域内,则可以确定车辆所处场景是目标场景,反之,若车辆当前的位置坐标在多边形所对应的位置区域外,则可以确定车辆所处场景不是目标场景。
由于是采用与形状类别对应的检测条件,判断当前场景是否是目标场景,从而使得检测条件与形状类别相适配,当场景中存在形状类别的标注信息时,能够参考该适配的检测条件辅助准确地判定识别目标场景,从而可以有效地降低其他外界因素对场景判断的干扰,有效地提升形状类别对应的目标场景判定识别的准确性。
可选地,另一些实施例中,在目标类别是距离类别的情况下,确定目标标注信息描述的参考位置,在车辆位置与参考位置之间的相对距离值小于或等于目标距离值时,确定场景是目标场景,在相对距离值大于目标距离值时,确定场景不是目标场景。
其中,目标标注信息描述的参考位置可以是参考点的位置、参考区域的位置,以及参考元素的位置,由于是充分考虑了目标标注信息的不同表现形态,从而能够有效地提升车辆控制方法的适用性,有效地满足车辆自动驾驶的应用需求。
其中,参考位置具体可以例如为目标标注信息对应的位置坐标,对此不做限制。
举例而言,当目标标注信息是距离或者地图元素时,可以确定与目标标注信息对应的目标类别是距离类别,而后可以确定距离或者地图元素所对应的位置坐标,并进一步从车辆的运行信息中解析得到车辆当前的位置坐标,再确定车辆当前的位置坐标与参考位置之间的相对距离值,若相对距离值小于或等于目标距离值(目标距离值可以根据实际业务场景自适应配置,对此不做限制),则可以确定车辆所处场景是目标场景,反之,若相对距离值大于目标距离值,则可以确定车辆所处场景不是目标场景。
由于是采用与距离类别对应的检测条件,判断当前场景是否是目标场景,当场景中存在距离类别的标注信息时,能够参考与距离类别适配的检测条件辅助准确地判定识别目标场景,从而可以有效地降低其他外界因素对场景判断的干扰,有效地提升距离类别对应的目标场景判定识别的准确性和可靠性。
S206:从场景的信息中解析得到场景特征。
其中,用于对场景进行描述的特征即可以被称为场景特征,场景特征可以具体例如为场景的语义特征,场景的标注特征,场景的空间特征等,对此不做限制。
S207:获取与场景特征相关的多种配置参数,多种配置参数分别对应多种控制模组,控制模组用于向车辆提供相应的控制参数。
本公开实施例中,如图3所示,图3是根据本公开实施例的车辆控制方法的流程示意图,在根据车辆的运行信息和车辆所处场景的信息,采用相应的配置文件,配置相应的标注信息,并将该标注信息作为场景的信息后,还可以采用面对对象继承-多态式处理的方式,针对不同的场景信息进行不同的运算(例如:车道偏好会根据车辆实时所在路段的车道数量,动态更新建议车道;下坡场景会根据车辆位置,动态发送车辆行驶了多长的坡路等),以得到相应的场景处理逻辑,而后可以结合配置文件,得到与场景特征相关的多种配置参数。
其中,多种配置参数可以辅助用于对车辆进行自动控制,多种配置参数可以分别对应多种控制模组(多种控制模组可以是针对车辆预先配置的,对此不做限制)多种控制模组可以根据相应的控制参数对车辆进行自动控制,多种控制模组可以具体例如为图3中的感知模块,规划模块,控制模块等,对此不做限制。
上述在获取与场景特征相关的多种配置参数后,可以将多种配置参数下发到如图3所示的参数服务器中,而后多种控制模组可以从参数服务器中调取相应的配置参数,从而触发后续步骤。
S208:根据多种配置参数,分别生成对应的多种控制参数,多种控制参数被共同作为目标控制参数。
上述在获取与场景特征相关的多种配置参数后,可以根据多种配置参数,分别生成对应的多种控制参数,多种控制参数可以用于对车辆进行自动控制,多种控制参数被共同作为目标控制参数,由于是根据与场景特征相关的配置参数,生成对应的多种控制参数,能够直接地计算出与复杂、特殊的场景适配的控制参数,当采用该控制参数对车辆进行自动化地驾驶控制时,能够获得更为准确的驾驶控制效果,使得控制参数可以有效地满足复杂、特殊的场景的车辆控制需求,并且还实现与通常场景的自动驾驶控制方法无缝地融合,简化了车辆的自动驾驶场景拓展所需的软硬件资源,有效地提升车辆在自动驾驶场景下的控制效果。
一些实施例中,可以由参数服务器对外提供相应的应用程序接口(ApplicationProgramming Interface,API),多种控制模组可以通过API分别调取相应的配置参数,并将调取得到的配置参数共同作为多种控制参数,对此不做限制。
可选地,另一些实施例中,根据多种配置参数,分别生成对应的多种控制参数,可以是从多种控制模组中确定出目标控制模组,目标控制模组已订阅相应的控制参数,并根据目标控制模组对应的配置参数,生成目标控制参数,再将目标控制参数传输至目标控制模组,由于是针对已订阅的目标控制模组生成相应的目标控制参数,当基于该目标控制参数辅助目标控制模组进行控制时,能够使得车辆控制方法更为灵活,支持个性化的自动驾驶场景的控制需求对不同控制模组的加载和调用,能够有效节约控制参数生成的资源消耗,保障车辆控制方法的有效实施,提升驾驶用户的使用体验度。
其中,多种控制模组中,用于执行对车辆进行自动控制的模组,即可以被称为目标控制模组,目标控制模组可以响应于车辆控制指令,采用目标控制参数对车辆进行自动控制。
S209:根据目标控制参数对车辆进行自动控制。
S209的描述说明可以具体参见上述实施例,在此不再赘述。
本实施例中,通过获取车辆的运行信息,并获取场景的地图信息,再根据运行信息从多种标注信息中识别出目标标注信息,并将目标标注信息作为场景的信息,能够有效地提升场景的信息的表征能力,使得所确定的场景的信息能够灵活地表征实际场景的情况,并且通过基于地图信息进行匹配的方式,还能够有效地提升场景的信息的判定效率,提升场景类型的识别的及时性,更有助于车辆自动控制方式的实施落地,还可以有效地避免场景中无关的信息对车辆自动驾驶控制所产生的干扰,有效地辅助提升车辆自动驾驶控制的准确性,在确定目标标注信息对应的目标类别后,可以采用与目标类别对应的检测条件对运行信息和目标标注信息进行检测,以判断场景是否是目标场景,能够有效地提升检测判定的准确性,且提升了检测判定的灵活性和有效性,有效地提升复杂、特殊的场景的判定识别准确性,保障车辆的自动控制的安全性,在获取与场景特征相关的多种配置参数后,可以根据多种配置参数,分别生成对应的多种控制参数,能够直接地计算出与复杂、特殊的场景适配的控制参数,当采用该控制参数对车辆进行自动化地驾驶控制时,能够获得更为准确的驾驶控制效果,使得控制参数可以有效地满足复杂、特殊的场景的车辆控制需求,并且还实现与通常场景的自动驾驶控制方法无缝地融合,简化了车辆的自动驾驶场景拓展所需的软硬件资源,有效地提升车辆在自动驾驶场景下的控制效果。
图4是根据本公开第三实施例的示意图。
如图4所示,该车辆控制方法,包括:
S401:获取车辆的运行信息和车辆所处场景的信息。
S402:确定目标标注信息对应的目标类别。
S401-S402的描述说明可以具体参见上述实施例,在此不再赘述。
S403:在目标类别是位置点类别的情况下,在运行信息和目标标注信息之间满足预设通过条件时,判定场景是目标场景。
也即是说,在确定目标标注信息对应的目标类别是位置点类别的情况下,可以判断车辆的运行信息和目标标注信息之间是否满足预设通过条件(预设通过条件可以根据实际业务场景自适应配置,对此不做限制),在运行信息和目标标注信息之间满足预设通过条件时,判定场景是目标场景。
由于是采用与位置点类别对应的检测条件,判断当前场景是否是目标场景,当场景中存在位置点类别的标注信息时,能够参考与位置点类别适配的检测条件辅助准确地判定识别目标场景,从而可以有效地降低其他外界因素对场景判断的干扰,有效地提升位置点类别对应的目标场景判定识别的准确性和可靠性。
S404:在目标类别是位置点类别的情况下,根据位置点坐标确定判定线。
其中,车辆判定线可以用于判定车辆是否越过位置点,若车辆越过判定线则可以认为车辆越过位置点,若车辆没有越过判定线,则可以认为车辆没有越过位置点。
本公开实施例中,在确定目标标注信息(起止点)的目标类别是位置点类别时,可以确定起止点的二维平面坐标值,该坐标值即可以被称为位置点坐标,如图5所示,图5是根据本公开实施例的判定线确定方法示意图,而后可以从位置点坐标为起点,确定位置点坐标到左右路基之间两个距离最短的点(点a和点b),点a和点b之间的连线即为判定线。
S405:从运行信息中解析得到第一参考位置和第二参考位置,第一参考位置和第二参考位置对应的时间点不相同。
其中,车辆在行驶过程中,车辆的位置可以随着时间的变化发生改变,可以将车辆前一时间点的位置记为第一参考位置,将车辆在后一时间点(第一时间点和第二时间点不相同)的位置记为第二参考位置,对此不做限制。
本公开实施例中,可以一并结合图6对本实施例做具体解释说明,图6是根据本公开实施例的判定车辆是否跨越判定线的方法示意图,如图6所示,可以将上述确定的判定线记为线段CD,将第一参考位置记为点A,将第二参考位置记为点B,点A到判定线CD的垂点记为点A′,点B到判定线CD的垂点记为点B′,点A和判定线CD的夹角分别记为α和β,点B和判定线CD的夹角记为γ,而后可以结合第一参考位置,第二参考位置和判定线CD判断车辆是否越过判定线。
S406:根据第一参考位置和第二参考位置,判断车辆是否跨越判定线,并判断车辆是否位于判定线所属目标路段。
其中,判定线所属的路段即可以被称为目标路段。
本公开实施例中,可以一并结合上述图6对本实施例做具体解释说明,如图6所示,判断车辆是否位于目标路段,可以是判断车辆的第一参考位置(点A),和车辆的第二参考位置(点B)的垂点点A′和点B′,是否在判定线CD上,如果垂点点A′和点B′在判定线CD上,则可以确定车辆位于判定线所属目标路段,反之,如果垂点点A′和点B′不在判定线CD上,则可以确定车辆没有位于判定线所属目标路段。
一些实施例中,判断垂点点A′和点B′,是否在判定线CD上,可以是判断∠α∈[0°,90°]和∠β∈[0°,90°]是否同时同时成立,即需要判断及/>是否同时成立。
相应地,本公开实施例中,判断车辆是否跨越判定线可以是判断车辆的的第一参考位置(点A),和车辆的第二参考位置(点B)是否在判定线CD两侧,可以是判断以下判断条件是否同时成立:
其中:
如果,上述判断条件同时成立,则可以确定车辆跨越判定线,反之,则可以确定车辆没有跨越判定线。
S407:如果车辆跨越判定线,且车辆位于目标路段,则判定运行信息和目标标注信息之间满足预设通过条件。
上述在判断得到车辆跨越判定线,并判断得到车辆位于判定线所属目标路段时,则可以确定车辆的运行信息和目标标注信息之间满足预设通过条件。
S408:如果车辆未跨越判定线,或者车辆未位于目标路段,则判定运行信息和目标标注信息之间不满足预设通过条件。
上述在判断得到车辆未跨越判定线,或者判断得到车辆未位于判定线所属目标路段时,则可以确定车辆的运行信息和目标标注信息之间不满足预设通过条件。
本公开实施例中,由于是根据第一参考位置和第二参考位置,并结合判定线,从而可以基于一个全新可衡量的维度,判断运行信息和目标标注信息之间不满足预设通过条件,有效地提升判断准确度,从而有效地保障整体车辆控制方法的高效执行。
S409:在运行信息和目标标注信息之间不满足预设通过条件时,判定场景不是目标场景。
本实施例中,在运行信息和目标标注信息之间不满足预设通过条件时,则可以判定场景不是目标场景。
S410:如果场景是目标场景,则根据场景的信息获取与目标场景对应的目标控制参数。
S411:根据目标控制参数对车辆进行自动控制。
S410-S411的描述说明可以具体参见上述实施例,在此不再赘述。
本实施例中,通过获取车辆的运行信息和车辆所处场景的信息,并确定目标标注信息对应的目标类别,在目标类别是位置点类别时,则根据位置点坐标确定判定线,并从运行信息中解析得到第一参考位置和第二参考位置,由于是根据第一参考位置和第二参考位置,并结合判定线,从而可以基于一个全新可衡量的维度,判断述运行信息和目标标注信息之间不满足预设通过条件,有效地提升判断准确度,从而有效地保障后续车辆控制方法的执行,在运行信息和目标标注信息之间不满足预设通过条件时,判定场景不是目标场景,在场景是目标场景时,则根据场景的信息获取与目标场景对应的目标控制参数,以及根据目标控制参数对车辆进行自动控制,能够有效地提升车辆控制的准确性,有效地提升车辆的自动化控制性能。
图7是根据本公开第四实施例的示意图。
如图7所示,该车辆控制装置70,包括:
第一获取模块701,用于获取车辆的运行信息和车辆所处场景的信息;
判断模块702,用于根据运行信息和场景的信息,判断场景是否是目标场景;
第二获取模块703,用于在场景是目标场景时,则根据场景的信息获取与目标场景对应的目标控制参数;以及
控制模块704,用于根据目标控制参数对车辆进行自动控制。
在本公开的一些实施例中,如图8所示,图8是根据本公开第五实施例的示意图,该车辆控制装置80,包括:第一获取模块801,判断模块802,第二获取模块803,控制模块804,其中,第一获取模块801,具体用于:
获取车辆的运行信息;
获取场景的地图信息,地图信息包括:多种标注信息;
根据运行信息从多种标注信息中识别出目标标注信息,并将目标标注信息作为场景的信息。
在本公开的一些实施例中,其中,判断模块802,包括:
确定子模块8021,用于确定目标标注信息对应的目标类别;
检测子模块8022,用于采用与目标类别对应的检测条件对运行信息和目标标注信息进行检测,以判断场景是否是目标场景。
在本公开的一些实施例中,其中,检测子模块8022,具体用于:
在目标类别是位置点类别的情况下,在运行信息和目标标注信息之间满足预设通过条件时,判定场景是目标场景;
在运行信息和目标标注信息之间不满足预设通过条件时,判定场景不是目标场景。
在本公开的一些实施例中,其中,检测子模块8022,具体用于:
在目标类别是形状类别的情况下,确定目标标注信息描述的位置区域;
从运行信息中解析得到车辆位置;
在车辆位置在位置区域内时,确定场景是目标场景;
在车辆位置在位置区域外时,确定场景不是目标场景。
在本公开的一些实施例中,其中,检测子模块8022,具体用于:
在目标类别是距离类别的情况下,确定目标标注信息描述的参考位置;
在车辆位置与参考位置之间的相对距离值小于或等于目标距离值时,确定场景是目标场景;
在相对距离值大于目标距离值时,确定场景不是目标场景。
在本公开的一些实施例中,参考位置是以下任一种:
参考点的位置、参考区域的位置,以及参考元素的位置。
在本公开的一些实施例中,其中,检测子模块8022,还用于:
在目标类别是位置点类别的情况下,根据位置点坐标确定判定线;
从运行信息中解析得到第一参考位置和第二参考位置,第一参考位置和第二参考位置对应的时间点不相同;
根据第一参考位置和第二参考位置,判断车辆是否跨越判定线,并判断车辆是否位于判定线所属目标路段;
如果车辆跨越判定线,且车辆位于目标路段,则判定运行信息和目标标注信息之间满足预设通过条件;
如果车辆未跨越判定线,或者车辆未位于目标路段,则判定运行信息和目标标注信息之间不满足预设通过条件。
在本公开的一些实施例中,第二获取模块803,包括:
解析子模块8031,用于从场景的信息中解析得到场景特征;
获取子模块8032,用于获取与场景特征相关的多种配置参数,多种配置参数分别对应多种控制模组,控制模组用于向车辆提供相应的控制参数;
生成子模块8033,用于根据多种配置参数,分别生成对应的多种控制参数,多种控制参数被共同作为目标控制参数。
在本公开的一些实施例中,生成子模块8033,具体用于:
从多种控制模组中确定出目标控制模组,目标控制模组已订阅相应的控制参数;
根据目标控制模组对应的配置参数,生成目标控制参数;
将目标控制参数传输至目标控制模组,其中,目标控制模组响应于车辆控制指令,采用目标控制参数对车辆进行自动控制。
可以理解的是,本实施例附图8中的车辆控制装置80与上述实施例中的车辆控制装置70,第一获取模块801与上述实施例中的第一获取模块701,判断模块802与上述实施例中的判断模块702,第二获取模块803与上述实施例中的第二获取模块703,控制模块804与上述实施例中的控制模块704可以具有相同的功能和结构。
需要说明的是,前述对车辆控制方法的解释说明也适用于本实施例的车辆控制装置,在此不再赘述。
本实施例中,通过获取车辆的运行信息和车辆所处场景的信息,并根据运行信息和场景的信息,判断场景是否是目标场景,如果场景是目标场景,则根据场景的信息获取与目标场景对应的目标控制参数,以及根据目标控制参数对车辆进行自动控制。由此,能够在对车辆进行自动驾驶控制时,有效地提升对车辆所处场景的判定识别能力,辅助车辆控制所涉及的自动驾驶算法生成更为准确的控制参数,还能够有效地提升车辆控制的准确性,有效地提升车辆的自动化控制性能。
根据本公开的实施例,本公开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。
图9示出了可以用来实施本公开的实施例的车辆控制方法的示例电子设备的示意性框图。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、和其他适合的计算机。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、可穿戴设备和其他类似的计算装置。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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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。
计算单元901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901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901执行上文所描述的各个方法和处理,例如车辆控制方法。例如,在一些实施例中,车辆控制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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的车辆控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车辆控制方法。
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。其他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)、互联网及区块链网络。
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,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,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。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (18)
1.一种车辆控制方法,包括:
获取车辆的运行信息;
获取场景的地图信息,所述地图信息包括:多种标注信息;
根据所述运行信息从所述多种标注信息中识别出目标标注信息,并将所述目标标注信息作为所述场景的信息;
确定所述目标标注信息对应的目标类别;
采用与所述目标类别对应的检测条件对所述运行信息和所述目标标注信息进行检测,以判断所述场景是否是目标场景;
如果所述场景是所述目标场景,则根据所述场景的信息获取与所述目标场景对应的目标控制参数;以及
根据所述目标控制参数对所述车辆进行自动控制。
2.根据权利要求1所述的方法,其中,所述采用与所述目标类别对应的检测条件对所述运行信息和所述目标标注信息进行检测,以判断所述场景是否是所述目标场景,包括:
在所述目标类别是位置点类别的情况下,在所述运行信息和所述目标标注信息之间满足预设通过条件时,判定所述场景是所述目标场景;
在所述运行信息和所述目标标注信息之间不满足所述预设通过条件时,判定所述场景不是所述目标场景。
3.根据权利要求1所述的方法,其中,所述采用与所述目标类别对应的检测条件对所述运行信息和所述目标标注信息进行检测,以判断所述场景是否是所述目标场景,包括:
在所述目标类别是形状类别的情况下,确定所述目标标注信息描述的位置区域;
从所述运行信息中解析得到车辆位置;
在所述车辆位置在所述位置区域内时,确定所述场景是所述目标场景;
在所述车辆位置在所述位置区域外时,确定所述场景不是所述目标场景。
4.根据权利要求3所述的方法,其中,所述采用与所述目标类别对应的检测条件对所述运行信息和所述目标标注信息进行检测,以判断所述场景是否是所述目标场景,包括:
在所述目标类别是距离类别的情况下,确定所述目标标注信息描述的参考位置;
在所述车辆位置与所述参考位置之间的相对距离值小于或等于目标距离值时,确定所述场景是所述目标场景;
在所述相对距离值大于所述目标距离值时,确定所述场景不是所述目标场景。
5.根据权利要求4所述的方法,所述参考位置是以下任一种:
参考点的位置、参考区域的位置,以及参考元素的位置。
6.根据权利要求2所述的方法,所述方法还包括:
在所述目标类别是位置点类别的情况下,根据位置点坐标确定判定线;
从所述运行信息中解析得到第一参考位置和第二参考位置,所述第一参考位置和第二参考位置对应的时间点不相同;
根据所述第一参考位置和所述第二参考位置,判断所述车辆是否跨越所述判定线,并判断所述车辆是否位于所述判定线所属目标路段;
如果所述车辆跨越所述判定线,且所述车辆位于所述目标路段,则判定所述运行信息和所述目标标注信息之间满足所述预设通过条件;
如果所述车辆未跨越所述判定线,或者所述车辆未位于所述目标路段,则判定所述运行信息和所述目标标注信息之间不满足所述预设通过条件。
7.根据权利要求1所述的方法,其中,所述根据所述场景的信息获取与所述目标场景对应的目标控制参数,包括:
从所述场景的信息中解析得到场景特征;
获取与所述场景特征相关的多种配置参数,所述多种配置参数分别对应多种控制模组,所述控制模组用于向所述车辆提供相应的控制参数;
根据所述多种配置参数,分别生成对应的多种控制参数,所述多种控制参数被共同作为所述目标控制参数。
8.根据权利要求7所述的方法,其中,所述根据所述多种配置参数,分别生成对应的多种控制参数,包括:
从所述多种控制模组中确定出目标控制模组,所述目标控制模组已订阅所述相应的控制参数;
根据所述目标控制模组对应的配置参数,生成所述目标控制参数;
将所述目标控制参数传输至所述目标控制模组,其中,所述目标控制模组响应于车辆控制指令,采用所述目标控制参数对所述车辆进行自动控制。
9.一种车辆控制装置,包括:
第一获取模块,用于获取车辆的运行信息和所述车辆所处场景的信息;
判断模块,用于根据所述运行信息和所述场景的信息,判断所述场景是否是目标场景;
第二获取模块,用于在所述场景是所述目标场景时,则根据所述场景的信息获取与所述目标场景对应的目标控制参数;以及
控制模块,用于根据所述目标控制参数对所述车辆进行自动控制;
其中,所述第一获取模块,具体用于:
获取车辆的运行信息;
获取所述场景的地图信息,所述地图信息包括:多种标注信息;
根据所述运行信息从所述多种标注信息中识别出目标标注信息,并将所述目标标注信息作为所述场景的信息;
其中,所述判断模块,包括:
确定子模块,用于确定所述目标标注信息对应的目标类别;
检测子模块,用于采用与所述目标类别对应的检测条件对所述运行信息和所述目标标注信息进行检测,以判断所述场景是否是所述目标场景。
10.根据权利要求9所述的装置,其中,所述检测子模块,具体用于:
在所述目标类别是位置点类别的情况下,在所述运行信息和所述目标标注信息之间满足预设通过条件时,判定所述场景是所述目标场景;
在所述运行信息和所述目标标注信息之间不满足所述预设通过条件时,判定所述场景不是所述目标场景。
11.根据权利要求9所述的装置,其中,所述检测子模块,具体用于:
在所述目标类别是形状类别的情况下,确定所述目标标注信息描述的位置区域;
从所述运行信息中解析得到车辆位置;
在所述车辆位置在所述位置区域内时,确定所述场景是所述目标场景;
在所述车辆位置在所述位置区域外时,确定所述场景不是所述目标场景。
12.根据权利要求11所述的装置,其中,所述检测子模块,具体用于:
在所述目标类别是距离类别的情况下,确定所述目标标注信息描述的参考位置;
在所述车辆位置与所述参考位置之间的相对距离值小于或等于目标距离值时,确定所述场景是所述目标场景;
在所述相对距离值大于所述目标距离值时,确定所述场景不是所述目标场景。
13.根据权利要求12所述的装置,所述参考位置是以下任一种:
参考点的位置、参考区域的位置,以及参考元素的位置。
14.根据权利要求10所述的装置,其中,所述检测子模块,还用于:
在所述目标类别是位置点类别的情况下,根据位置点坐标确定判定线;
从所述运行信息中解析得到第一参考位置和第二参考位置,所述第一参考位置和第二参考位置对应的时间点不相同;
根据所述第一参考位置和所述第二参考位置,判断所述车辆是否跨越所述判定线,并判断所述车辆是否位于所述判定线所属目标路段;
如果所述车辆跨越所述判定线,且所述车辆位于所述目标路段,则判定所述运行信息和所述目标标注信息之间满足所述预设通过条件;
如果所述车辆未跨越所述判定线,或者所述车辆未位于所述目标路段,则判定所述运行信息和所述目标标注信息之间不满足所述预设通过条件。
15.根据权利要求9所述的装置,其中,所述第二获取模块,包括:
解析子模块,用于从所述场景的信息中解析得到场景特征;
获取子模块,用于获取与所述场景特征相关的多种配置参数,所述多种配置参数分别对应多种控制模组,所述控制模组用于向所述车辆提供相应的控制参数;
生成子模块,用于根据所述多种配置参数,分别生成对应的多种控制参数,所述多种控制参数被共同作为所述目标控制参数。
16.根据权利要求15所述的装置,其中,所述生成子模块,具体用于:
从所述多种控制模组中确定出目标控制模组,所述目标控制模组已订阅所述相应的控制参数;
根据所述目标控制模组对应的配置参数,生成所述目标控制参数;
将所述目标控制参数传输至所述目标控制模组,其中,所述目标控制模组响应于车辆控制指令,采用所述目标控制参数对所述车辆进行自动控制。
17.一种电子设备,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。
18.一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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111095203.XA CN113859264B (zh) | 2021-09-17 | 2021-09-17 | 车辆控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111095203.XA CN113859264B (zh) | 2021-09-17 | 2021-09-17 | 车辆控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113859264A CN113859264A (zh) | 2021-12-31 |
CN113859264B true CN113859264B (zh) | 2023-12-22 |
Family
ID=78996569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111095203.XA Active CN113859264B (zh) | 2021-09-17 | 2021-09-17 | 车辆控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113859264B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114475479A (zh) * | 2022-01-20 | 2022-05-13 | 奇瑞汽车股份有限公司 | 汽车的控制方法、装置及计算机存储介质 |
CN114546383A (zh) * | 2022-02-22 | 2022-05-27 | 江苏泽景汽车电子股份有限公司 | 一种驾驶场景展示方法、装置、电子设备及存储介质 |
CN115440028B (zh) * | 2022-07-22 | 2024-01-30 | 中智行(苏州)科技有限公司 | 一种基于标签化交通道路场景分类方法 |
CN117601903B (zh) * | 2024-01-19 | 2024-04-26 | 福思(杭州)智能科技有限公司 | 车辆行驶场景的生成方法、装置和存储介质及电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109520744A (zh) * | 2018-11-12 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的驾驶性能测试方法和装置 |
WO2020119372A1 (zh) * | 2018-12-14 | 2020-06-18 | 中兴通讯股份有限公司 | 场强预测方法、装置、设备及存储介质 |
CN112092813A (zh) * | 2020-09-25 | 2020-12-18 | 北京百度网讯科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN112585656A (zh) * | 2020-02-25 | 2021-03-30 | 华为技术有限公司 | 特殊路况的识别方法、装置、电子设备和存储介质 |
WO2021057134A1 (zh) * | 2019-09-27 | 2021-04-01 | 华为技术有限公司 | 场景识别的方法与计算设备 |
CN112712138A (zh) * | 2021-01-19 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、设备及存储介质 |
CN112793570A (zh) * | 2019-10-29 | 2021-05-14 | 北京百度网讯科技有限公司 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
CN112859829A (zh) * | 2019-11-28 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种车辆控制方法、装置、电子设备和介质 |
CN112977411A (zh) * | 2021-04-12 | 2021-06-18 | 石河子大学 | 一种智能底盘控制方法及装置 |
CN113343461A (zh) * | 2021-06-07 | 2021-09-03 | 芜湖雄狮汽车科技有限公司 | 自动驾驶车辆的仿真方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11169536B2 (en) * | 2018-04-09 | 2021-11-09 | SafeAI, Inc. | Analysis of scenarios for controlling vehicle operations |
-
2021
- 2021-09-17 CN CN202111095203.XA patent/CN113859264B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109520744A (zh) * | 2018-11-12 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的驾驶性能测试方法和装置 |
WO2020119372A1 (zh) * | 2018-12-14 | 2020-06-18 | 中兴通讯股份有限公司 | 场强预测方法、装置、设备及存储介质 |
WO2021057134A1 (zh) * | 2019-09-27 | 2021-04-01 | 华为技术有限公司 | 场景识别的方法与计算设备 |
CN112793570A (zh) * | 2019-10-29 | 2021-05-14 | 北京百度网讯科技有限公司 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
CN112859829A (zh) * | 2019-11-28 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种车辆控制方法、装置、电子设备和介质 |
CN112585656A (zh) * | 2020-02-25 | 2021-03-30 | 华为技术有限公司 | 特殊路况的识别方法、装置、电子设备和存储介质 |
CN112092813A (zh) * | 2020-09-25 | 2020-12-18 | 北京百度网讯科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN112712138A (zh) * | 2021-01-19 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、设备及存储介质 |
CN112977411A (zh) * | 2021-04-12 | 2021-06-18 | 石河子大学 | 一种智能底盘控制方法及装置 |
CN113343461A (zh) * | 2021-06-07 | 2021-09-03 | 芜湖雄狮汽车科技有限公司 | 自动驾驶车辆的仿真方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113859264A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113859264B (zh) | 车辆控制方法、装置、电子设备及存储介质 | |
CN113264066B (zh) | 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备 | |
CN113012176B (zh) | 样本图像的处理方法、装置、电子设备及存储介质 | |
CN114415628A (zh) | 自动驾驶测试方法及装置、电子设备和存储介质 | |
CN113191256A (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
CN112580571A (zh) | 车辆行驶的控制方法、装置及电子设备 | |
CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
CN112785625A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN113688935A (zh) | 高精地图的检测方法、装置、设备以及存储介质 | |
CN113135193A (zh) | 输出预警信息的方法、设备、存储介质及程序产品 | |
CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
US20230245429A1 (en) | Method and apparatus for training lane line detection model, electronic device and storage medium | |
JP2023038164A (ja) | 障害物検出方法、装置、自動運転車両、機器、及び記憶媒体 | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN113378605B (zh) | 多源信息融合方法及装置、电子设备和存储介质 | |
CN115690739B (zh) | 多传感器融合障碍物存在性检测方法和自动驾驶车辆 | |
CN114743178B (zh) | 道路边缘线生成方法、装置、设备及存储介质 | |
CN113450794B (zh) | 导航播报的检测方法、装置、电子设备和介质 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN115534944A (zh) | 基于高精地图的车辆控制方法、装置和电子设备 | |
CN114111813A (zh) | 高精地图元素更新方法、装置、电子设备及存储介质 | |
CN115147561A (zh) | 位姿图生成方法、高精地图生成方法和装置 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN113191279A (zh) | 数据标注方法、装置、设备、存储介质以及计算机程序产品 |
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 |