CN113895456A - 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 - Google Patents
自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 Download PDFInfo
- Publication number
- CN113895456A CN113895456A CN202111050404.8A CN202111050404A CN113895456A CN 113895456 A CN113895456 A CN 113895456A CN 202111050404 A CN202111050404 A CN 202111050404A CN 113895456 A CN113895456 A CN 113895456A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- information
- driving
- automatic driving
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000006399 behavior Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
Abstract
本申请公开了一种自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质,方法包括:在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取交叉路口的实际路口信息;根据自动驾驶车辆的当前车辆信息识别交叉路口中感兴趣区域内至少一辆其他车辆的车辆信息;利用预先训练的预测模型,基于实际路口信息和至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹;根据实际路口信息、每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为。由此,解决了因无法准确识别周围障碍车、交通灯等信息,容易出现安全事故的问题,不仅降低了与其他车辆的碰撞风险,且提高了车辆的安全性和舒适性。
Description
技术领域
本申请涉及车辆技术领域,特别涉及一种自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质。
背景技术
城市道路交叉路口交通情况复杂多变,自动驾驶车辆如何避免车辆冲突,安全通过交叉路口是自动驾驶安全性的重要参考标准。
然而,目前没有传感器可以直接检测出车辆的行为,同时V2V(vehicle-to-vehicle communication,车与车通信)的车间通讯设备一段时间内也很难在车上普遍配备及正常连通,导致无法准确识别周围障碍车、交通灯等信息,容易出现安全事故,亟待解决。
申请内容
本申请提供一种自动驾驶车辆的交叉路口行驶方法、装置、车辆及存储介质,以解决相关技术中无法准确识别周围障碍车、交通灯等信息,容易出现安全事故的问题,不仅降低了与其他车辆的碰撞风险,减少不必要的加速和急刹,且大大提高了车辆的安全性和驾乘舒适性。
本申请第一方面实施例提供一种自动驾驶车辆的交叉路口行驶方法,包括以下步骤:
在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取所述交叉路口的实际路口信息;
根据所述自动驾驶车辆的当前车辆信息识别所述交叉路口中感兴趣区域内至少一辆其他车辆的车辆信息;
利用预先训练的预测模型,基于所述实际路口信息和所述至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹;以及
根据所述实际路口信息、所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为,以便避开所述每辆其他车辆的同时,通过所述交叉路口。
可选地,所述从当前地图中获取所述交叉路口的实际路口信息,包括:
根据所述自动驾驶车辆的全局路径和所述当前地图得到所述全局路径所在车道的道路拓扑关系;
根据所述道路拓扑关系识别冲突车道的车道信息,生成所述实际路口信息。
可选地,在根据所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为之前,还包括:
在所述自动驾驶车辆距离所述交叉路口预设距离处,获取V2I(vehicle toinfrastructure,车辆基础设施互联系统)设备的V2I信息;
在所述V2I设备根据所述V2I信息确定满足虚拟障碍条件并建立虚拟障碍墙的同时,从所述V2I信息提取所述交叉路口的当前交通灯状态及对应持续时间,得到所述通行信息。
可选地,所述利用预先训练的预测模型,基于所述实际路口信息和所述至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹,包括:
利用所述预测模型预测每辆其他车辆选择所述感兴趣区域中车道的概率;
根据所述概率进行意图预测,得到先验概率,并根据代价函数的似然估计值计算进后验概率,选出满足条件的轨迹作预设时长内的后续行驶轨迹。
可选地,所述根据所述实际路口信息、所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为,包括:
基于所述实际路口信息、所述每辆其他车辆的后续行驶轨迹、所述交叉路口的通行信息、与所述每辆其他车辆的碰撞时间建立周围环境预警模型;
利用所述周围环境预警模型对所述自动驾驶车辆进行预警的同时,生成所述目标局部路径和目标行驶行为。
本申请第二方面实施例提供一种自动驾驶车辆的交叉路口行驶装置,包括:
获取模块,用于在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取所述交叉路口的实际路口信息;
识别模块,用于根据所述自动驾驶车辆的当前车辆信息识别所述交叉路口中感兴趣区域内至少一辆其他车辆的车辆信息;
预测模块,用于利用预先训练的预测模型,基于所述实际路口信息和所述至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹;以及
确定模块,用于根据所述实际路口信息、所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为,以便避开所述每辆其他车辆的同时,通过所述交叉路口。
可选地,所述获取模块,具体用于:
根据所述自动驾驶车辆的全局路径和所述当前地图得到所述全局路径所在车道的道路拓扑关系;
根据所述道路拓扑关系识别冲突车道的车道信息,生成所述实际路口信息。
可选地,在根据所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为之前,所述确定模块,还用于:
在所述自动驾驶车辆距离所述交叉路口预设距离处,获取V2I设备的V2I信息;
在所述V2I设备根据所述V2I信息确定满足虚拟障碍条件并建立虚拟障碍墙的同时,从所述V2I信息提取所述交叉路口的当前交通灯状态及对应持续时间,得到所述通行信息。
可选地,所述预测模块,具体用于:
利用所述预测模型预测每辆其他车辆选择所述感兴趣区域中车道的概率;
根据所述概率进行意图预测,得到先验概率,并根据代价函数的似然估计值计算进后验概率,选出满足条件的轨迹作预设时长内的后续行驶轨迹。
可选地,所述确定模块,具体用于:
基于所述实际路口信息、所述每辆其他车辆的后续行驶轨迹、所述交叉路口的通行信息、与所述每辆其他车辆的碰撞时间建立周围环境预警模型;
利用所述周围环境预警模型对所述自动驾驶车辆进行预警的同时,生成所述目标局部路径和目标行驶行为。
本申请第三方面实施例提供一种车辆,包括:存储器、处理器及存储在所述存储器上并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程序,以实现如上述实施例所述的自动驾驶车辆的交叉路口行驶方法。
本申请第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现行如上述实施例所述的自动驾驶车辆的交叉路口行驶方法。
由此,可以在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取交叉路口的实际路口信息,并根据自动驾驶车辆的当前车辆信息识别交叉路口中感兴趣区域内其他车辆的车辆信息,并利用预先训练的预测模型,基于实际路口信息和其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹,并根据实际路口信息、每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为,以便避开每辆其他车辆的同时,通过交叉路口。由此,解决了相关技术中无法准确识别周围障碍车、交通灯等信息,容易出现安全事故的问题,不仅降低了与其他车辆的碰撞风险,减少不必要的加速和急刹,且大大提高了车辆的安全性和驾乘舒适性。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种自动驾驶车辆的交叉路口行驶方法的流程图;
图2为根据本申请一个实施例的硬件传感器采集信息的处理示意图;
图3为根据本申请实施例提供的自动驾驶车辆的交叉路口行驶装置的方框示意图;
图4为申请实施例提供的车辆的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的自动驾驶车辆的交叉路口行驶方法、装置、车辆及存储介质。针对上述背景技术中心提到的相关技术中无法准确识别周围障碍车、交通灯等信息,容易出现安全事故的问题,本申请提供了一种自动驾驶车辆的交叉路口行驶方法,在该方法中,可以在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取交叉路口的实际路口信息,并根据自动驾驶车辆的当前车辆信息识别交叉路口中感兴趣区域内其他车辆的车辆信息,并利用预先训练的预测模型,基于实际路口信息和其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹,并根据实际路口信息、每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为,以便避开每辆其他车辆的同时,通过交叉路口。由此,解决了相关技术中无法准确识别周围障碍车、交通灯等信息,容易出现安全事故的问题,不仅降低了与其他车辆的碰撞风险,减少不必要的加速和急刹,且大大提高了车辆的安全性和驾乘舒适性。
具体而言,图1为本申请实施例所提供的一种自动驾驶车辆的交叉路口行驶方法的流程示意图。
该实施例中,本申请实施例的自动驾驶车辆的交叉路口行驶方法涉及的硬件传感器主要包括:组合惯导、摄像头、毫米波雷达、超声波雷达、激光雷达等传感器及V2I模块。
具体而言,如图2所示,图2为本申请一个实施例的硬件传感器采集信息的处理示意图。
其中,高精地图用于获取路口道路拓扑关系,如:路口前车道信息、路口停止线、路口与车道关联关系、出路口后车道关系、路口边界、导航信息等;感知融合用于感知输出的车辆的速度、位置、姿态等信息;轨迹预测用于预测障碍车辆在未来2-4s内的行驶轨迹;V2I用于获取路口交通灯的状态及持续时间。
具体而言,如图1所示,该自动驾驶车辆的交叉路口行驶方法包括以下步骤:
在步骤S101中,在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取交叉路口的实际路口信息。
可选地,在一些实施例中,从当前地图中获取交叉路口的实际路口信息,包括:根据自动驾驶车辆的全局路径和当前地图得到全局路径所在车道的道路拓扑关系;根据道路拓扑关系识别冲突车道的车道信息,生成实际路口信息。
其中,路口道路拓扑关系,如:路口前车道信息、路口停止线、路口与车道关联关系、出路口后车道关系、路口边界、导航信息等。
具体地,本申请实施例可以根据车辆的位置,利用高精地图引擎,获取距离车辆一定范围内的路口区域,包含路口边界、路口位置。根据导航提供的全局路径及高精地图获得路径所在车道的道路拓扑关系,确定存在冲突的车道ID、宽度、曲率、坡度、边界等车道信息。
在步骤S102中,根据自动驾驶车辆的当前车辆信息识别交叉路口中感兴趣区域内至少一辆其他车辆的车辆信息。
具体地,本申请实施例可以将车辆信息投影到高精地图,确定路口感兴趣区域内周围车具体地辆的位置、速度、航向、类型等信息。
在步骤S103中,利用预先训练的预测模型,基于实际路口信息和至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹。
可选地,在一些实施例中,利用预先训练的预测模型,基于实际路口信息和至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹,包括:利用预测模型预测每辆其他车辆选择感兴趣区域中车道的概率;根据概率进行意图预测,得到先验概率,并根据代价函数的似然估计值计算进后验概率,选出满足条件的轨迹作预设时长内的后续行驶轨迹。
具体而言,本申请实施例可以根据障碍车航向、历史运动状态、路口信息、周围其他障碍物信息,通过使用Apollo的基于语义地图的预测车道出口的神经网络模型。预测障碍车选择车道的概率进行意图预测获得先验概率,然后根据代价函数的似然估计通过求积的方式,算出一个后验概率,选出一条最为合理的轨迹作为障碍车未来2-4s内的轨迹。
在步骤S104中,根据实际路口信息、每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为,以便避开每辆其他车辆的同时,通过交叉路口。
可选地,在一些实施例中,根据实际路口信息、每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为,包括:基于实际路口信息、每辆其他车辆的后续行驶轨迹、交叉路口的通行信息、与每辆其他车辆的碰撞时间建立周围环境预警模型;利用周围环境预警模型对自动驾驶车辆进行预警的同时,生成目标局部路径和目标行驶行为。
也就是说,本申请实施例可以通过高精地图提供的路口内道路拓扑关系确定的冲突车道(即实际路口信息)、障碍车未来一段时间的轨迹、(即每辆其他车辆的后续行驶轨迹)、交通灯的状态及持续时间(即交叉路口的通行信息)、与每辆其他车辆的碰撞时间TTC(Time-To-Collision,碰撞时间),建立周围环境预警模型,从而根据该预警模型实现对自动驾驶车辆的预警,实现在复杂的路口环境下为自动驾驶车辆提供准确的路口模型,为后续的决策规划奠定基础。
可选地,在一些实施例中,在根据每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为之前,还包括:在自动驾驶车辆距离交叉路口预设距离处,获取V2I设备的V2I信息;在V2I设备根据V2I信息确定满足虚拟障碍条件并建立虚拟障碍墙的同时,从V2I信息提取交叉路口的当前交通灯状态及对应持续时间,得到通行信息。
具体地,本申请实施例可以在自动驾驶车辆接近路口时,提前读取路口交通灯的状态及持续时间,减少不必要的加速和急刹。信号灯可以采用虚拟障碍物的模型实现:当交通灯为红色时,在路口停止线处设置出一道虚拟障碍墙,持续时间即为状态灯时间;当交通灯为绿色或不存在时,虚拟障碍墙消失。
根据本申请实施例提出的自动驾驶车辆的交叉路口行驶方法,可以在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取交叉路口的实际路口信息,并根据自动驾驶车辆的当前车辆信息识别交叉路口中感兴趣区域内其他车辆的车辆信息,并利用预先训练的预测模型,基于实际路口信息和其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹,并根据实际路口信息、每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为,以便避开每辆其他车辆的同时,通过交叉路口。由此,解决了相关技术中无法准确识别周围障碍车、交通灯等信息,容易出现安全事故的问题,不仅降低了与其他车辆的碰撞风险,减少不必要的加速和急刹,且大大提高了车辆的安全性和驾乘舒适性。
其次参照附图描述根据本申请实施例提出的自动驾驶车辆的交叉路口行驶装置。
图3是本申请实施例的自动驾驶车辆的交叉路口行驶装置的方框示意图。
如图3所示,该自动驾驶车辆的交叉路口行驶装置10包括:获取模块100、识别模块200、预测模块300和确定模块400。
其中,获取模块100用于在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取交叉路口的实际路口信息;
识别模块200用于根据自动驾驶车辆的当前车辆信息识别交叉路口中感兴趣区域内至少一辆其他车辆的车辆信息;
预测模块300用于利用预先训练的预测模型,基于实际路口信息和至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹;以及
确定模块400用于根据实际路口信息、每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为,以便避开每辆其他车辆的同时,通过交叉路口。
可选地,获取模块100具体用于:
根据自动驾驶车辆的全局路径和当前地图得到全局路径所在车道的道路拓扑关系;
根据道路拓扑关系识别冲突车道的车道信息,生成实际路口信息。
可选地,在根据每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为之前,确定模块400还用于:
在自动驾驶车辆距离交叉路口预设距离处,获取V2I设备的V2I信息;
在V2I设备根据V2I信息确定满足虚拟障碍条件并建立虚拟障碍墙的同时,从V2I信息提取交叉路口的当前交通灯状态及对应持续时间,得到通行信息。
可选地,预测模块200具体用于:
利用预测模型预测每辆其他车辆选择感兴趣区域中车道的概率;
根据概率进行意图预测,得到先验概率,并根据代价函数的似然估计值计算进后验概率,选出满足条件的轨迹作预设时长内的后续行驶轨迹。
可选地,确定模块400具体用于:
基于实际路口信息、每辆其他车辆的后续行驶轨迹、交叉路口的通行信息、与每辆其他车辆的碰撞时间建立周围环境预警模型;
利用周围环境预警模型对自动驾驶车辆进行预警的同时,生成目标局部路径和目标行驶行为。
需要说明的是,前述对自动驾驶车辆的交叉路口行驶方法实施例的解释说明也适用于该实施例的自动驾驶车辆的交叉路口行驶装置,此处不再赘述。
根据本申请实施例提出的自动驾驶车辆的交叉路口行驶装置,可以在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取交叉路口的实际路口信息,并根据自动驾驶车辆的当前车辆信息识别交叉路口中感兴趣区域内其他车辆的车辆信息,并利用预先训练的预测模型,基于实际路口信息和其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹,并根据实际路口信息、每辆其他车辆的后续行驶轨迹和交叉路口的通行信息确定自动驾驶车辆的目标局部路径和目标行驶行为,以便避开每辆其他车辆的同时,通过交叉路口。由此,解决了相关技术中无法准确识别周围障碍车、交通灯等信息,容易出现安全事故的问题,不仅降低了与其他车辆的碰撞风险,减少不必要的加速和急刹,且大大提高了车辆的安全性和驾乘舒适性。
图4为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
处理器402执行程序时实现上述实施例中提供的自动驾驶车辆的交叉路口行驶方法。
进一步地,车辆还包括:
通信接口403,用于存储器401和处理器402之间的通信。
存储器401,用于存放可在处理器402上运行的计算机程序。
存储器401可能包含高速RAM存储器,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。
如果存储器401、处理器402和通信接口403独立实现,则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。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中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器401、处理器402及通信接口403,集成在一块芯片上实现,则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
处理器402可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上的自动驾驶车辆的交叉路口行驶方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示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至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
Claims (10)
1.一种自动驾驶车辆的交叉路口行驶方法,其特征在于,包括以下步骤:
在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取所述交叉路口的实际路口信息;
根据所述自动驾驶车辆的当前车辆信息识别所述交叉路口中感兴趣区域内至少一辆其他车辆的车辆信息;
利用预先训练的预测模型,基于所述实际路口信息和所述至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹;以及
根据所述实际路口信息、所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为,以便避开所述每辆其他车辆的同时,通过所述交叉路口。
2.根据权利要求1所述的方法,其特征在于,所述从当前地图中获取所述交叉路口的实际路口信息,包括:
根据所述自动驾驶车辆的全局路径和所述当前地图得到所述全局路径所在车道的道路拓扑关系;
根据所述道路拓扑关系识别冲突车道的车道信息,生成所述实际路口信息。
3.根据权利要求1所述的方法,其特征在于,在根据所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为之前,还包括:
在所述自动驾驶车辆距离所述交叉路口预设距离处,获取V2I设备的V2I信息;
在所述V2I设备根据所述V2I信息确定满足虚拟障碍条件并建立虚拟障碍墙的同时,从所述V2I信息提取所述交叉路口的当前交通灯状态及对应持续时间,得到所述通行信息。
4.根据权利要求1所述的方法,其特征在于,所述利用预先训练的预测模型,基于所述实际路口信息和所述至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹,包括:
利用所述预测模型预测每辆其他车辆选择所述感兴趣区域中车道的概率;
根据所述概率进行意图预测,得到先验概率,并根据代价函数的似然估计值计算进后验概率,选出满足条件的轨迹作预设时长内的后续行驶轨迹。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述实际路口信息、所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为,包括:
基于所述实际路口信息、所述每辆其他车辆的后续行驶轨迹、所述交叉路口的通行信息、与所述每辆其他车辆的碰撞时间建立周围环境预警模型;
利用所述周围环境预警模型对所述自动驾驶车辆进行预警的同时,生成所述目标局部路径和目标行驶行为。
6.一种自动驾驶车辆的交叉路口行驶装置,其特征在于,包括:
获取模块,用于在由自动驾驶车辆的当前位置识别到车辆处于交叉路口时,从当前地图中获取所述交叉路口的实际路口信息;
识别模块,用于根据所述自动驾驶车辆的当前车辆信息识别所述交叉路口中感兴趣区域内至少一辆其他车辆的车辆信息;
预测模块,用于利用预先训练的预测模型,基于所述实际路口信息和所述至少一辆其他车辆的车辆信息预测每辆其他车辆的后续行驶轨迹;以及
确定模块,用于根据所述实际路口信息、所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为,以便避开所述每辆其他车辆的同时,通过所述交叉路口。
7.根据权利要求6所述的装置,其特征在于,所述获取模块,具体用于:
根据所述自动驾驶车辆的全局路径和所述当前地图得到所述全局路径所在车道的道路拓扑关系;
根据所述道路拓扑关系识别冲突车道的车道信息,生成所述实际路口信息。
8.根据权利要求6所述的装置,其特征在于,在根据所述每辆其他车辆的后续行驶轨迹和所述交叉路口的通行信息确定所述自动驾驶车辆的目标局部路径和目标行驶行为之前,所述确定模块,还用于:
在所述自动驾驶车辆距离所述交叉路口预设距离处,获取V2I设备的V2I信息;
在所述V2I设备根据所述V2I信息确定满足虚拟障碍条件并建立虚拟障碍墙的同时,从所述V2I信息提取所述交叉路口的当前交通灯状态及对应持续时间,得到所述通行信息。
9.一种车辆,其特征在于,包括:存储器、处理器及存储在所述存储器上并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程序,以实现如权利要求1-5任一项所述的自动驾驶车辆的交叉路口行驶方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-5任一项所述的自动驾驶车辆的交叉路口行驶方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050404.8A CN113895456A (zh) | 2021-09-08 | 2021-09-08 | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050404.8A CN113895456A (zh) | 2021-09-08 | 2021-09-08 | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113895456A true CN113895456A (zh) | 2022-01-07 |
Family
ID=79188800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111050404.8A Pending CN113895456A (zh) | 2021-09-08 | 2021-09-08 | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113895456A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114620072A (zh) * | 2022-03-14 | 2022-06-14 | 小米汽车科技有限公司 | 车辆控制方法、装置、存储介质、电子设备及车辆 |
CN115394093A (zh) * | 2022-08-11 | 2022-11-25 | 重庆长安汽车股份有限公司 | 红绿灯路口辅助车辆通行的方法及装置 |
WO2023134364A1 (zh) * | 2022-01-12 | 2023-07-20 | 华为技术有限公司 | 引导车辆行驶的方法、地图生成方法及相关系统 |
CN117576950A (zh) * | 2024-01-16 | 2024-02-20 | 长沙行深智能科技有限公司 | 一种预测车辆选择经过路口入口和路口出口的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104903172A (zh) * | 2012-10-05 | 2015-09-09 | 雷诺股份公司 | 用于评估在交叉路口的碰撞风险的方法 |
US20200086859A1 (en) * | 2018-09-15 | 2020-03-19 | Toyota Research Institute, Inc. | Systems and methods for estimating the risk associated with a vehicular maneuver |
CN111806465A (zh) * | 2020-07-23 | 2020-10-23 | 北京经纬恒润科技有限公司 | 自动驾驶控制方法及装置 |
CN112710317A (zh) * | 2020-12-14 | 2021-04-27 | 北京四维图新科技股份有限公司 | 自动驾驶地图的生成方法、自动驾驶方法及相关产品 |
CN113283647A (zh) * | 2021-05-19 | 2021-08-20 | 广州文远知行科技有限公司 | 一种障碍物轨迹预测的方法、装置及自动驾驶车辆 |
-
2021
- 2021-09-08 CN CN202111050404.8A patent/CN113895456A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104903172A (zh) * | 2012-10-05 | 2015-09-09 | 雷诺股份公司 | 用于评估在交叉路口的碰撞风险的方法 |
US20200086859A1 (en) * | 2018-09-15 | 2020-03-19 | Toyota Research Institute, Inc. | Systems and methods for estimating the risk associated with a vehicular maneuver |
CN111806465A (zh) * | 2020-07-23 | 2020-10-23 | 北京经纬恒润科技有限公司 | 自动驾驶控制方法及装置 |
CN112710317A (zh) * | 2020-12-14 | 2021-04-27 | 北京四维图新科技股份有限公司 | 自动驾驶地图的生成方法、自动驾驶方法及相关产品 |
CN113283647A (zh) * | 2021-05-19 | 2021-08-20 | 广州文远知行科技有限公司 | 一种障碍物轨迹预测的方法、装置及自动驾驶车辆 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023134364A1 (zh) * | 2022-01-12 | 2023-07-20 | 华为技术有限公司 | 引导车辆行驶的方法、地图生成方法及相关系统 |
CN114620072A (zh) * | 2022-03-14 | 2022-06-14 | 小米汽车科技有限公司 | 车辆控制方法、装置、存储介质、电子设备及车辆 |
CN114620072B (zh) * | 2022-03-14 | 2023-05-09 | 小米汽车科技有限公司 | 车辆控制方法、装置、存储介质、电子设备及车辆 |
CN115394093A (zh) * | 2022-08-11 | 2022-11-25 | 重庆长安汽车股份有限公司 | 红绿灯路口辅助车辆通行的方法及装置 |
CN117576950A (zh) * | 2024-01-16 | 2024-02-20 | 长沙行深智能科技有限公司 | 一种预测车辆选择经过路口入口和路口出口的方法及装置 |
CN117576950B (zh) * | 2024-01-16 | 2024-04-09 | 长沙行深智能科技有限公司 | 一种预测车辆选择经过路口入口和路口出口的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11545033B2 (en) | Evaluation framework for predicted trajectories in autonomous driving vehicle traffic prediction | |
CN111123933B (zh) | 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车 | |
CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
JP6468261B2 (ja) | 自動運転システム | |
US11498577B2 (en) | Behavior prediction device | |
US11205342B2 (en) | Traffic information processing device | |
CN113895456A (zh) | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 | |
CN111583715B (zh) | 一种车辆轨迹预测方法、车辆碰撞预警方法、装置及存储介质 | |
JP6901555B2 (ja) | 自動運転車の制御のための車両制御装置及び方法 | |
US11351996B2 (en) | Trajectory prediction of surrounding vehicles using predefined routes | |
JP3973008B2 (ja) | 安全走行支援装置、その方法及び記録媒体 | |
JP7152339B2 (ja) | 走行制御装置、走行制御方法、およびプログラム | |
CN111731294B (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
US11615702B2 (en) | Determining vehicle path | |
CN113386752A (zh) | 用于确定辅助驾驶系统中最佳巡航车道的方法和装置 | |
US20220327935A1 (en) | Systems and methods for cooperatively managing mixed traffic at an intersection | |
US20220392276A1 (en) | Vehicle behavior evaluation device, vehicle behavior evaluation method, and vehicle behavior evaluation program product | |
CN115257815A (zh) | 一种自动驾驶汽车右转弯的规划方法、装置和终端设备 | |
CN112689584A (zh) | 自动驾驶控制方法以及自动驾驶控制系统 | |
US20220379884A1 (en) | Travel assistance device, travel assistance method, and non-transitory computer readable medium | |
CN115497323B (zh) | 基于v2x的车辆协同变道方法及设备 | |
US20220379918A1 (en) | Vehicle behavior generation device, vehicle behavior generation method, and vehicle behavior generation program product | |
US20220281482A1 (en) | Vehicle control device, vehicle control method, and computer-readable storage medium storing program | |
JP2019214320A (ja) | 認識処理装置、車両制御装置、認識制御方法、およびプログラム | |
JP7334107B2 (ja) | 車両制御方法及び車両制御装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220107 |