CN113942511A - 无人驾驶车超车控制方法、装置、设备及存储介质 - Google Patents

无人驾驶车超车控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113942511A
CN113942511A CN202111218133.2A CN202111218133A CN113942511A CN 113942511 A CN113942511 A CN 113942511A CN 202111218133 A CN202111218133 A CN 202111218133A CN 113942511 A CN113942511 A CN 113942511A
Authority
CN
China
Prior art keywords
vehicle
target
determining
information
overtaking
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.)
Granted
Application number
CN202111218133.2A
Other languages
English (en)
Other versions
CN113942511B (zh
Inventor
罗文�
高龙华
唐晟
农东华
覃安之
伍家胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Liuzhou Motor Co Ltd
Original Assignee
Dongfeng Liuzhou Motor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongfeng Liuzhou Motor Co Ltd filed Critical Dongfeng Liuzhou Motor Co Ltd
Priority to CN202111218133.2A priority Critical patent/CN113942511B/zh
Publication of CN113942511A publication Critical patent/CN113942511A/zh
Application granted granted Critical
Publication of CN113942511B publication Critical patent/CN113942511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W30/00Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18Propelling the vehicle
    • B60W30/18009Propelling the vehicle related to particular drive situations
    • B60W30/18163Lane change; Overtaking manoeuvres
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2420/00Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403Image sensing, e.g. optical camera
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2555/00Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20Ambient conditions, e.g. wind or rain

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种无人驾驶车超车控制方法、装置、设备及存储介质。该方法包括:获取摄像头采集的环境感知信息;根据环境感知信息对目标车辆进行识别,得到初始车辆目标信息;根据指定计时周期进行碎片化处理,得到车辆目标碎片信息;根据车辆目标碎片信息确定目标车辆对应的分类结果;根据分类结果确定目标车辆对应的行为状态;根据行为状态确定对应的超车条件;获取无人驾驶车与目标车辆之间的当前行驶距离;在当前行驶距离满足超车条件时,控制无人驾驶车执行超车操作。通过上述方式,引入计时器原则将感知信息碎片化,有效减少因为目标车辆的偶然事件导致的超车判断错误,自适应判断超车时机,提高超车效率,降低超车风险。

Description

无人驾驶车超车控制方法、装置、设备及存储介质
技术领域
本发明涉及无人驾驶技术领域,尤其涉及一种无人驾驶车超车控制方法、装置、设备及存储介质。
背景技术
目前无人驾驶车超车时,如果设置为保守策略,在无人驾驶车四周空旷或与目标距离较远时才超车,超车工况过于苛刻导致很难实现超车;如果设置为激进策略,无人驾驶车根据四周目标的距离判断超车,但车辆并不是匀速的,若四周的车辆开车较为激进或突然加减速,则此时无人驾驶车超车很容易出现危险。并且当前无人驾驶车超车控制时通过车辆的某一种行为或某一变量确定车辆行为特征,但是车辆行为特征是实时变化的,根据某一个偶然的行为认定前车的分类是不合理的,对无人驾驶车超车判断造成影响,进一步降低了超车判断准确度。
中国专利申请:一种控制无人车行车的方法、装置及无人车(公开号:CN110956818A)提出在检测到无人车的前面存在阻挡车辆时,获取阻挡车辆的行驶车速和无人车的行驶信息,用于判断无人车当前是否存在超车需求,若存在,获取无人车侧边的车道的前方和后方预定安全距离内的第一图像和第二图像,且在不包括第一图像和/或第二图像时,向位于无人车前方和/或后方的车辆请求所述第一图像和/或第二图像,最后根据第一图像和所述第二图像,确定是否满足超车条件,若满足,则控制无人车切换车道。该专利存在以下缺陷:在无人驾驶车需要超车时,根据安全距离内的图像来判断超车时机,由于现实情况下车辆是灵活多变的,目标车辆可能急加减速或者突然变向,此时有车辆出现在超车轨迹上,很容易出现碰撞危险。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种无人驾驶车超车控制方法、装置、设备及存储介质,旨在解决当前无人驾驶车进行超车判断时准确度较低,存在碰撞危险的技术问题。
为实现上述目的,本发明提供了一种无人驾驶车超车控制方法,所述方法包括以下步骤:
获取摄像头采集的环境感知信息;
根据所述环境感知信息对目标车辆进行识别,得到初始车辆目标信息;
根据指定计时周期对所述初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息;
根据所述车辆目标碎片信息确定所述目标车辆对应的分类结果;
根据所述分类结果确定所述目标车辆对应的行为状态;
根据所述行为状态确定对应的超车条件;
获取无人驾驶车与所述目标车辆之间的当前行驶距离;
在所述当前行驶距离满足所述超车条件时,控制无人驾驶车执行超车操作。
可选地,所述根据指定计时周期对所述初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息之前,所述方法还包括:
获取当前速度信息;
根据所述当前速度信息确定对应的指定计时周期。
可选地,所述根据所述环境感知信息对目标车辆进行识别,得到初始车辆目标信息,包括:
根据所述环境感知信息对应的平均灰度以及总方差确定最佳区域分割阈值;
根据所述最佳区域分割阈值对所述环境感知信息进行分割,得到目标区域;
对所述目标区域进行筛选,根据筛选后的目标区域确定初始车辆目标信息。
可选地,所述分类结果包括转向意图分类结果以及变速意图分类结果;
所述根据所述车辆目标碎片信息确定所述目标车辆对应的分类结果,包括:
根据所述车辆目标碎片信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数;
根据所述偏离程度以及所述偏离次数确定所述目标车辆的转向意图,得到转向意图分类结果;
根据所述车辆目标碎片信息确定所述指定计时周期内所述目标车辆的边界变化率;
根据所述边界变化率确定所述目标车辆的变速意图,得到变速意图分类结果。
可选地,所述根据所述车辆目标碎片信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数,包括:
根据所述车辆目标碎片信息确定所述目标车辆对应的目标中心点信息;
获取所述目标车辆所处车道对应的车道中心线信息;
根据所述车道中心线信息以及所述目标中心点信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数。
可选地,所述行为状态包括连续性行为状态、偶发性行为状态以及应激性行为状态中的任一种状态;
所述根据所述分类结果确定所述目标车辆对应的行为状态,包括:
在所述转向意图分类结果为不具有转向意图并且所述变速意图分类结果为不具有变速意图时,确定所述目标车辆对应的行为状态为连续性行为状态;
在所述转向意图分类结果为具有转向意图或者所述变速意图分类结果为具有变速意图时,确定所述目标车辆对应的行为状态为偶发性行为状态;
在所述转向意图分类结果为具有转向意图并且所述变速意图分类结果为具有变速意图时,确定所述目标车辆对应的行为状态为应激性行为状态。
可选地,所述根据所述行为状态确定对应的超车条件,包括:
在所述目标车辆对应的行为状态为连续性行为状态时,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于预设安全距离;
在所述目标车辆对应的行为状态为偶发性行为状态时,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于预设警戒距离,其中,所述预设警戒距离大于所述预设安全距离;
在所述目标车辆对应的行为状态为应激性行为状态时,确定对应的超车条件为不允许超车。
此外,为实现上述目的,本发明还提出一种无人驾驶车超车控制装置,所述无人驾驶车超车控制装置包括:
获取模块,用于获取摄像头采集的环境感知信息;
识别模块,用于根据所述环境感知信息对目标车辆进行识别,得到初始车辆目标信息;
碎片化处理模块,用于根据指定计时周期对所述初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息;
分类模块,用于根据所述车辆目标碎片信息确定所述目标车辆对应的分类结果;
确定模块,用于根据所述分类结果确定所述目标车辆对应的行为状态;
所述确定模块,还用于根据所述行为状态确定对应的超车条件;
所述获取模块,还用于获取无人驾驶车与所述目标车辆之间的当前行驶距离;
控制模块,用于在所述当前行驶距离满足所述超车条件时,控制无人驾驶车执行超车操作。
此外,为实现上述目的,本发明还提出一种无人驾驶车超车控制设备,所述无人驾驶车超车控制设备包括: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无人驾驶车超车控制程序,所述无人驾驶车超车控制程序配置为实现如上文所述的无人驾驶车超车控制方法。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有无人驾驶车超车控制程序,所述无人驾驶车超车控制程序被处理器执行时实现如上文所述的无人驾驶车超车控制方法。
本发明通过获取摄像头采集的环境感知信息;根据环境感知信息对目标车辆进行识别,得到初始车辆目标信息;根据指定计时周期对初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息;根据车辆目标碎片信息确定目标车辆对应的分类结果;根据分类结果确定目标车辆对应的行为状态;根据行为状态确定对应的超车条件;获取无人驾驶车与目标车辆之间的当前行驶距离;在当前行驶距离满足超车条件时,控制无人驾驶车执行超车操作。通过上述方式,引入计时器原则将感知信息碎片化,基于当前碎片信息确定当前环境无法超车时,继续针对下一碎片信息进行判断,提高目标车辆的分类精度,有效减少因为目标车辆的偶然事件导致的超车判断错误,自适应判断超车时机,而不是采取单独的超车策略,依据无人驾驶车所处环境判断超车,提高超车效率,降低超车风险。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的无人驾驶车超车控制设备的结构示意图;
图2为本发明无人驾驶车超车控制方法第一实施例的流程示意图;
图3为本发明无人驾驶车超车控制方法第二实施例的流程示意图;
图4为本发明无人驾驶车超车控制装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的无人驾驶车超车控制设备结构示意图。
如图1所示,该无人驾驶车超车控制设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对无人驾驶车超车控制设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及无人驾驶车超车控制程序。
在图1所示的无人驾驶车超车控制设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明无人驾驶车超车控制设备中的处理器1001、存储器1005可以设置在无人驾驶车超车控制设备中,所述无人驾驶车超车控制设备通过处理器1001调用存储器1005中存储的无人驾驶车超车控制程序,并执行本发明实施例提供的无人驾驶车超车控制方法。
本发明实施例提供了一种无人驾驶车超车控制方法,参照图2,图2为本发明无人驾驶车超车控制方法第一实施例的流程示意图。
本实施例中,所述无人驾驶车超车控制方法包括以下步骤:
步骤S10:获取摄像头采集的环境感知信息。
可以理解的是,本实施例的执行主体为无人驾驶车超车控制设备,所述无人驾驶车超车控制设备可以为控制器,例如安装于无人驾驶车辆上的域控制器,接收和处理车载摄像头以及车辆传感器的感知信息。
需要说明的是,实时获取摄像头采集的视频数据,对视频数据进行抽帧处理,得到包含若干帧图像数据的环境感知信息。
步骤S20:根据所述环境感知信息对目标车辆进行识别,得到初始车辆目标信息。
可以理解的是,无人驾驶车通过摄像头识别车辆前方车辆信息,采用车辆识别算法对无人驾驶车前方预设范围内的车辆进行识别,采用车道线识别算法对无人驾驶车周边两条车道的车道线进行识别,得到初始车辆目标信息以及车道线信息。
具体地,为了提高目标车辆的识别精度,所述步骤S20,包括:根据所述环境感知信息对应的平均灰度以及总方差确定最佳区域分割阈值;根据所述最佳区域分割阈值对所述环境感知信息进行分割,得到目标区域;对所述目标区域进行筛选,根据筛选后的目标区域确定初始车辆目标信息。
需要说明的是,假设摄像头环境感知信息的每帧图像对应的总像素数为
Figure BDA0003310313270000071
其中L表示图像灰度级,即灰度值i的像素数为ni;各灰度值出现的概率为:pi=ni/N,其中,
Figure BDA0003310313270000072
假设一个参数T将图像中的像素分为Cl及Ch两类,在[0,T-1]区间内的像素组成cl,在[T,L-1]区间内的像素组成Ch,根据公式(1)以及公式(2)分别确定Cl及Ch对应的概率:
Figure BDA0003310313270000073
Figure BDA0003310313270000074
进一步地,根据公式(3)以及公式(4)分别确定C1及Ch对应的平均灰度:
Figure BDA0003310313270000075
Figure BDA0003310313270000076
其中,u表示摄像头感知到的图像的平均灰度,根据公式(5)确定平均灰度:
u=Plul+uhPh (5)
具体地,根据公式(6)以及公式(7)分别确定Cl及Ch对应的方差:
Figure BDA0003310313270000077
Figure BDA0003310313270000078
进一步地,根据公式(8)确定感知到的图像的总方差:
Figure BDA0003310313270000079
可以理解的是,在[0,L-1]像素区间范围内对参数T进行取值,当总方差σ最大时,得到最佳区域分割阈值,则根据最佳区域分割阈值将区域将图像中的像素分为Cl及Ch两类,其中分割后的Cl表示背景区域,Ch表示目标区域,根据目标区域确定周边车辆信息,由于感知到的图像中可能会出现多个目标,筛选出在无人驾驶车车道及相邻两个车道内的目标车辆O,确定目标车辆的中心点c以及目标车辆的边界b,得到初始车辆目标信息O(c,b)。
步骤S30:根据指定计时周期对所述初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息。
需要说明的是,以指定计时周期t为检测周期将无人驾驶车摄像头感知到的初始车辆目标信息碎片化,得到车辆目标碎片信息O(ct,bt)。
进一步地,本实施例中根据无人驾驶车的不同车速自适应调整计时原则,提高无人驾驶车超车判断的准确度,所述步骤S30之前,所述方法还包括:获取当前速度信息;根据所述当前速度信息确定对应的指定计时周期。
需要说明的是,根据无人驾驶车的不同车速,自适应调整计时原则,当车速较快时,驾驶员驾驶风格相对稳定,而当车速较慢时,驾驶员会根据环境频繁的变换驾驶风格,因此,本实施例中在无人驾驶车车速较快时,增大指定计时周期,以缓解域控制器算力,在无人驾驶车车速较慢时,缩短指定计时周期,从而保证无人驾驶车行车安全,本实施例中车速较快时的指定计时周期大于车速较慢时的指定计时周期,在具体实现中,设置预设映射关系表,在获取到当前速度信息时,确定当前速度信息所属的速度等级,根据速度等级查找预设映射关系表,得到对应的指定计时周期。
在具体实现中,可以根据公式(9)确定对应的指定计时周期:
Figure BDA0003310313270000081
其中,t表示计时器,即指定计时周期,单位是秒,s表示无人驾驶车当前车速,单位是km/h。
步骤S40:根据所述车辆目标碎片信息确定所述目标车辆对应的分类结果。
应当理解的是,根据车辆目标碎片信息对目标车辆的行驶情况进行分析,确定目标车辆的分类结果。本实施例中分类结果包括转向意图分类结果以及变速意图分类结果,根据车辆目标碎片信息确定目标车辆是否具有转向意图,并确定目标车辆是否具有变速意图,从而得到转向意图分类结果以及变速意图分类结果。
步骤S50:根据所述分类结果确定所述目标车辆对应的行为状态。
需要说明的是,本实施例的行为状态为连续性行为状态、偶发性行为状态以及应激性行为状态中的任一种状态;如果目标车辆行驶状态稳定,即目标车辆不具有转向意图且不具有变速意图,则确定目标车辆对应的行为状态为连续性行为状态;如果目标车辆行驶过程偶然发生某种行为,即目标车辆具有转向意图或具有变速意图,则确定目标车辆对应的行为状态为偶发性行为状态;如果目标车辆行驶过程频繁变道、加减速,即目标车辆具有转向意图且具有变速意图,则确定目标车辆对应的行为状态为应激性行为状态。
步骤S60:根据所述行为状态确定对应的超车条件。
应当理解的是,如果目标车辆行驶状态稳定,目标车辆对应的行为状态为连续性行为状态,即确定当前环境可以超车,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于安全距离。如果目标车辆行驶状态较为稳定,目标车辆对应的行为状态为偶发性行为状态,即确定当前环境可以超车,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于警戒距离。如果目标车辆行驶状态不稳定,目标车辆对应的行为状态为应激性行为状态,即确定当前环境不可以超车,确定对应的超车条件为不允许超车,此时,判定识别到当前的车辆目标碎片信息对应的目标车辆有异常行为,标出异常行为标签,继续执行下一车辆目标碎片信息的识别分析流程。
步骤S70:获取无人驾驶车与所述目标车辆之间的当前行驶距离。
步骤S80:在所述当前行驶距离满足所述超车条件时,控制无人驾驶车执行超车操作。
需要说明的是,域控制器可以根据安装于车辆上的雷达探头或其他距离传感器获取无人驾车与目标车辆之间的当前行驶距离。如果目标车辆对应的行为状态为连续性行为状态且当前行驶距离大于安全距离,则控制无人驾驶车执行超车操作,如果该行为状态下当前行驶距离小于或等于安全距离,则不执行超车操作,继续执行下一车辆目标碎片信息的识别分析流程。如果目标车辆对应的行为状态为偶发性行为状态且当前行驶距离大于警戒距离,则控制无人驾驶车执行超车操作,如果该行为状态下当前行驶距离小于或等于警戒距离,则不执行超车操作,继续执行下一车辆目标碎片信息的识别分析流程。
本实施例通过获取摄像头采集的环境感知信息;根据环境感知信息对目标车辆进行识别,得到初始车辆目标信息;根据指定计时周期对初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息;根据车辆目标碎片信息确定目标车辆对应的分类结果;根据分类结果确定目标车辆对应的行为状态;根据行为状态确定对应的超车条件;获取无人驾驶车与目标车辆之间的当前行驶距离;在当前行驶距离满足超车条件时,控制无人驾驶车执行超车操作。通过上述方式,引入计时器原则将感知信息碎片化,基于当前碎片信息确定当前环境无法超车时,继续针对下一碎片信息进行判断,提高目标车辆的分类精度,有效减少因为目标车辆的偶然事件导致的超车判断错误,自适应判断超车时机,而不是采取单独的超车策略,依据无人驾驶车所处环境判断超车,提高超车效率,降低超车风险。
参考图3,图3为本发明无人驾驶车超车控制方法第二实施例的流程示意图。
基于上述第一实施例,本实施例无人驾驶车超车控制方法的所述分类结果包括转向意图分类结果以及变速意图分类结果;
所述步骤S40,包括:
步骤S401:根据所述车辆目标碎片信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数。
可以理解的是,在通过摄像头采集环境感知信息时,采用车道线识别算法对无人驾驶车周边两条车道的车道线进行识别,得到车道线信息,根据车辆目标碎片信息以及车道线信息确定车辆目标所处车道,根据根据车道线信息确定车道中心线信息
Figure BDA0003310313270000101
车道中心线信息可以为车道中心线位于感知图像中的坐标信息,也可以为车辆坐标系下车道中心线对应的坐标信息,根据车辆目标碎片信息O(ct,bt)以及车道中心线
Figure BDA0003310313270000102
确定目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数。
具体地,所述步骤S401,包括:根据所述车辆目标碎片信息确定所述目标车辆对应的目标中心点信息;获取所述目标车辆所处车道对应的车道中心线信息;根据所述车道中心线信息以及所述目标中心点信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数。
需要说明的是,根据车道中心线信息
Figure BDA0003310313270000103
以及目标中心点信息ct确定偏离程度
Figure BDA0003310313270000104
基于目标中心点与车道中心线发生重合以及偏离的次数记录指定计时周期内车辆的偏离次数,例如,如果在指定计时周期内目标车辆始终与车道中心线重合,此时确定偏离次数为0,如果在指定计时周期内目标车辆发生偏离且始终未与车道中心线发生重合,此时确定偏离次数为1。
步骤S402:根据所述偏离程度以及所述偏离次数确定所述目标车辆的转向意图,得到转向意图分类结果。
可以理解的是,当目标车辆偏离程度大或目标车辆偏离次数多时,表明目标车辆有转向意图。可选地,如果偏离程度大于第一预设数值,则确定转向意图分类结果为具有转向意图;如果偏离程度大于第二预设数值,偏离次数大于第三预设数值,则确定转向意图分类结果为具有转向意图,其他情况下,确定转向意图分类结果为不具有转向意图,其中,第二预设数值小于第一预设数值,第一预设数值、第二预设数值以及第三预设数值根据实验标定得到。例如,根据公式(10)确定转向意图分类结果:
Figure BDA0003310313270000111
其中,deviation表征偏离程度,count表征偏离次数,turn表征意图分类结果,turn=0时,转向意图分类结果为不具有转向意图,turn=1时,转向意图分类结果为具有转向意图。
步骤S403:根据所述车辆目标碎片信息确定所述指定计时周期内所述目标车辆的边界变化率。
需要说明的是,根据指定计时周期内车辆目标碎片信息O(ct,bt)确定各个时刻点的目标车辆边界b,根据各个时刻点的目标车辆边界b确定边界变化率rate,其中rate=|bi-bi-1|。
步骤S404:根据所述边界变化率确定所述目标车辆的变速意图,得到变速意图分类结果。
可以理解的是,当边界变化率大时,表明目标车辆有急加速或急减速意图。可选地,如果边界变化率大于预设变化值,则确定变速意图分类结果为具有变速意图;如果边界变化率小于或者等于预设变化值,则确定变速意图分类结果为不具有变速意图,预设变化值可以根据摄像头的安装位置及车辆长宽提前设置。例如,根据公式(11)确定变速意图分类结果:
Figure BDA0003310313270000112
其中,speed表征变速意图分类结果,rate表征边界变化率,如果在感知图像中目标车辆的边界在短时间内产生较大变化,则认为目标车辆有急加速或急减速意图,speed=0时,变速意图分类结果为不具有变速意图,speed=1时,变速意图分类结果为具有变速意图。
所述行为状态包括连续性行为状态、偶发性行为状态以及应激性行为状态中的任一种状态;
所述步骤S50,包括:
步骤S501:在所述转向意图分类结果为不具有转向意图并且所述变速意图分类结果为不具有变速意图时,确定所述目标车辆对应的行为状态为连续性行为状态。
步骤S502:在所述转向意图分类结果为具有转向意图或者所述变速意图分类结果为具有变速意图时,确定所述目标车辆对应的行为状态为偶发性行为状态。
步骤S503:在所述转向意图分类结果为具有转向意图并且所述变速意图分类结果为具有变速意图时,确定所述目标车辆对应的行为状态为应激性行为状态。
可以理解的是,连续性行为状态表征目标车辆行驶状态稳定,即目标车辆行驶过程中的某一段时间内始终保持的一种行为,例如车辆跟驰、环形路车辆转弯等。偶发性行为状态表征目标车辆行驶过程中,偶然发生某种行为,例如在正常行驶中偶然的变道或偶然的加速、减速。应激性行为状态表征目标车辆行驶过程中频繁变道且频繁加减速。基于分类结果根据公式(12)确定目标车辆对应的行为状态:
Figure BDA0003310313270000121
其中,在turn=0且speed=0,即转向意图分类结果为不具有转向意图并且变速意图分类结果为不具有变速意图时,目标车辆对应的行为状态condition为连续性行为状态;在turn=1或speed=1,即转向意图分类结果为具有转向意图或变速意图分类结果为具有变速意图时,目标车辆对应的行为状态condition为偶发性行为状态;在turn=1且speed=1,即转向意图分类结果为具有转向意图并且变速意图分类结果为具有变速意图时,目标车辆对应的行为状态condition为应激性行为状态。
所述步骤S60,包括:
步骤S601:在所述目标车辆对应的行为状态为连续性行为状态时,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于预设安全距离。
步骤S602:在所述目标车辆对应的行为状态为偶发性行为状态时,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于预设警戒距离,其中,所述预设警戒距离大于所述预设安全距离。
步骤S603:在所述目标车辆对应的行为状态为应激性行为状态时,确定对应的超车条件为不允许超车。
需要说明的是,本实施例中根据摄像头采集到的车辆目标碎片信息,确定目标车辆的行为状态,在目标车辆的行为状态condition=连续性时,认为无人驾驶车周边的目标车辆行驶稳定,则当无人驾驶车即将超车时,只需考虑安全距离,当检测到无人驾驶车与周边的目标车辆之间的距离大于预设安全距离时,控制无人驾驶车执行超车操作;在condition=偶发性时,认为无人驾驶车周边的目标车辆行驶较为稳定,则当无人驾驶车即将超车时,需要考虑警戒距离,当检测到无人驾驶车与周边的目标车辆之间的距离大于预设警戒距离时,控制无人驾驶车执行超车操作;在condition=应激性时,认为无人驾驶车周边目标车辆行驶不稳定,则无人驾驶车将不会执行超车操作。预设安全距离以及预设警戒距离可以根据无人驾驶车的当前速度进行确定,还可以为预先设置的固定数值,例如,本实施例中设置预设安全距离为5米,设置预设警戒距离为10米,在指定计时周期内目标车辆对应的行为状态为连续性行为状态,无人驾驶车与目标车辆之间的距离大于5米时,控制无人驾驶车执行超车操作。
本实施例通过获取摄像头采集的环境感知信息;根据环境感知信息对目标车辆进行识别,得到初始车辆目标信息;根据指定计时周期对初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息;根据车辆目标碎片信息确定目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数;根据偏离程度以及偏离次数确定目标车辆的转向意图,得到转向意图分类结果;根据车辆目标碎片信息确定指定计时周期内目标车辆的边界变化率;根据边界变化率确定目标车辆的变速意图,得到变速意图分类结果;根据转向意图分类结果以及变速意图分类结果确定目标车辆对应的行为状态;根据行为状态确定对应的超车条件;获取无人驾驶车与目标车辆之间的当前行驶距离;在当前行驶距离满足超车条件时,控制无人驾驶车执行超车操作。通过上述方式,引入计时器原则将感知信息碎片化,基于当前碎片信息确定当前环境无法超车时,继续针对下一碎片信息进行判断,提高目标车辆的分类精度,有效减少因为目标车辆的偶然事件导致的超车判断错误,根据目标车辆与车道线中心之间的偏离程度以及偏离次数确定目标车辆的转向意图,根据目标车辆的边界变化率确定目标车辆的变速意图,根据转向意图以及变速意图确定目标车辆的行为状态,确定目标是否行驶稳定,根据目标车辆的行为状态自适应判断当前环境是否满足超车条件,而不是采取单独的超车策略,依据无人驾驶车所处环境判断超车,提高超车效率,降低超车风险。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有无人驾驶车超车控制程序,所述无人驾驶车超车控制程序被处理器执行时实现如上文所述的无人驾驶车超车控制方法。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
参照图4,图4为本发明无人驾驶车超车控制装置第一实施例的结构框图。
如图4所示,本发明实施例提出的无人驾驶车超车控制装置包括:
获取模块10,用于获取摄像头采集的环境感知信息。
识别模块20,用于根据所述环境感知信息对目标车辆进行识别,得到初始车辆目标信息。
碎片化处理模块30,用于根据指定计时周期对所述初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息。
分类模块40,用于根据所述车辆目标碎片信息确定所述目标车辆对应的分类结果。
确定模块50,用于根据所述分类结果确定所述目标车辆对应的行为状态。
所述确定模块50,还用于根据所述行为状态确定对应的超车条件。
所述获取模块10,还用于获取无人驾驶车与所述目标车辆之间的当前行驶距离。
控制模块60,用于在所述当前行驶距离满足所述超车条件时,控制无人驾驶车执行超车操作。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过获取摄像头采集的环境感知信息;根据环境感知信息对目标车辆进行识别,得到初始车辆目标信息;根据指定计时周期对初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息;根据车辆目标碎片信息确定目标车辆对应的分类结果;根据分类结果确定目标车辆对应的行为状态;根据行为状态确定对应的超车条件;获取无人驾驶车与目标车辆之间的当前行驶距离;在当前行驶距离满足超车条件时,控制无人驾驶车执行超车操作。通过上述方式,引入计时器原则将感知信息碎片化,基于当前碎片信息确定当前环境无法超车时,继续针对下一碎片信息进行判断,提高目标车辆的分类精度,有效减少因为目标车辆的偶然事件导致的超车判断错误,自适应判断超车时机,而不是采取单独的超车策略,依据无人驾驶车所处环境判断超车,提高超车效率,降低超车风险。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的无人驾驶车超车控制方法,此处不再赘述。
在一实施例中,所述碎片化处理模块30,还用于获取当前速度信息;根据所述当前速度信息确定对应的指定计时周期。
在一实施例中,所述识别模块20,还用于根据所述环境感知信息对应的平均灰度以及总方差确定最佳区域分割阈值;根据所述最佳区域分割阈值对所述环境感知信息进行分割,得到目标区域;对所述目标区域进行筛选,根据筛选后的目标区域确定初始车辆目标信息。
在一实施例中,所述分类结果包括转向意图分类结果以及变速意图分类结果;
所述分类模块40,还用于根据所述车辆目标碎片信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数;根据所述偏离程度以及所述偏离次数确定所述目标车辆的转向意图,得到转向意图分类结果;根据所述车辆目标碎片信息确定所述指定计时周期内所述目标车辆的边界变化率;根据所述边界变化率确定所述目标车辆的变速意图,得到变速意图分类结果。
在一实施例中,所述分类模块40,还用于根据所述车辆目标碎片信息确定所述目标车辆对应的目标中心点信息;获取所述目标车辆所处车道对应的车道中心线信息;根据所述车道中心线信息以及所述目标中心点信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数。
在一实施例中,所述行为状态包括连续性行为状态、偶发性行为状态以及应激性行为状态中的任一种状态;
所述所述确定模块50,还用于在所述转向意图分类结果为不具有转向意图并且所述变速意图分类结果为不具有变速意图时,确定所述目标车辆对应的行为状态为连续性行为状态;在所述转向意图分类结果为具有转向意图或者所述变速意图分类结果为具有变速意图时,确定所述目标车辆对应的行为状态为偶发性行为状态;在所述转向意图分类结果为具有转向意图并且所述变速意图分类结果为具有变速意图时,确定所述目标车辆对应的行为状态为应激性行为状态。
在一实施例中,所述所述确定模块50,还用于在所述目标车辆对应的行为状态为连续性行为状态时,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于预设安全距离;在所述目标车辆对应的行为状态为偶发性行为状态时,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于预设警戒距离,其中,所述预设警戒距离大于所述预设安全距离;在所述目标车辆对应的行为状态为应激性行为状态时,确定对应的超车条件为不允许超车。
此外,需要说明的是,在本文中,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、方法、物品或者系统不仅包括那些要素,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、方法、物品或者系统所固有的要素。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、方法、物品或者系统中还存在另外的相同要素。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
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)

1.一种无人驾驶车超车控制方法,其特征在于,所述无人驾驶车超车控制方法包括:
获取摄像头采集的环境感知信息;
根据所述环境感知信息对目标车辆进行识别,得到初始车辆目标信息;
根据指定计时周期对所述初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息;
根据所述车辆目标碎片信息确定所述目标车辆对应的分类结果;
根据所述分类结果确定所述目标车辆对应的行为状态;
根据所述行为状态确定对应的超车条件;
获取无人驾驶车与所述目标车辆之间的当前行驶距离;
在所述当前行驶距离满足所述超车条件时,控制无人驾驶车执行超车操作。
2.如权利要求1所述的无人驾驶车超车控制方法,其特征在于,所述根据指定计时周期对所述初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息之前,所述方法还包括:
获取当前速度信息;
根据所述当前速度信息确定对应的指定计时周期。
3.如权利要求1所述的无人驾驶车超车控制方法,其特征在于,所述根据所述环境感知信息对目标车辆进行识别,得到初始车辆目标信息,包括:
根据所述环境感知信息对应的平均灰度以及总方差确定最佳区域分割阈值;
根据所述最佳区域分割阈值对所述环境感知信息进行分割,得到目标区域;
对所述目标区域进行筛选,根据筛选后的目标区域确定初始车辆目标信息。
4.如权利要求1所述的无人驾驶车超车控制方法,其特征在于,所述分类结果包括转向意图分类结果以及变速意图分类结果;
所述根据所述车辆目标碎片信息确定所述目标车辆对应的分类结果,包括:
根据所述车辆目标碎片信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数;
根据所述偏离程度以及所述偏离次数确定所述目标车辆的转向意图,得到转向意图分类结果;
根据所述车辆目标碎片信息确定所述指定计时周期内所述目标车辆的边界变化率;
根据所述边界变化率确定所述目标车辆的变速意图,得到变速意图分类结果。
5.如权利要求4所述的无人驾驶车超车控制方法,其特征在于,所述根据所述车辆目标碎片信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数,包括:
根据所述车辆目标碎片信息确定所述目标车辆对应的目标中心点信息;
获取所述目标车辆所处车道对应的车道中心线信息;
根据所述车道中心线信息以及所述目标中心点信息确定所述目标车辆与所处车道的车道线中心之间的偏离程度以及偏离次数。
6.如权利要求4所述的无人驾驶车超车控制方法,其特征在于,所述行为状态包括连续性行为状态、偶发性行为状态以及应激性行为状态中的任一种状态;
所述根据所述分类结果确定所述目标车辆对应的行为状态,包括:
在所述转向意图分类结果为不具有转向意图并且所述变速意图分类结果为不具有变速意图时,确定所述目标车辆对应的行为状态为连续性行为状态;
在所述转向意图分类结果为具有转向意图或者所述变速意图分类结果为具有变速意图时,确定所述目标车辆对应的行为状态为偶发性行为状态;
在所述转向意图分类结果为具有转向意图并且所述变速意图分类结果为具有变速意图时,确定所述目标车辆对应的行为状态为应激性行为状态。
7.如权利要求6所述的无人驾驶车超车控制方法,其特征在于,所述根据所述行为状态确定对应的超车条件,包括:
在所述目标车辆对应的行为状态为连续性行为状态时,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于预设安全距离;
在所述目标车辆对应的行为状态为偶发性行为状态时,确定对应的超车条件为无人驾驶车与周边车辆之间的距离大于预设警戒距离,其中,所述预设警戒距离大于所述预设安全距离;
在所述目标车辆对应的行为状态为应激性行为状态时,确定对应的超车条件为不允许超车。
8.一种无人驾驶车超车控制装置,其特征在于,所述无人驾驶车超车控制装置包括:
获取模块,用于获取摄像头采集的环境感知信息;
识别模块,用于根据所述环境感知信息对目标车辆进行识别,得到初始车辆目标信息;
碎片化处理模块,用于根据指定计时周期对所述初始车辆目标信息进行碎片化处理,得到车辆目标碎片信息;
分类模块,用于根据所述车辆目标碎片信息确定所述目标车辆对应的分类结果;
确定模块,用于根据所述分类结果确定所述目标车辆对应的行为状态;
所述确定模块,还用于根据所述行为状态确定对应的超车条件;
所述获取模块,还用于获取无人驾驶车与所述目标车辆之间的当前行驶距离;
控制模块,用于在所述当前行驶距离满足所述超车条件时,控制无人驾驶车执行超车操作。
9.一种无人驾驶车超车控制设备,其特征在于,所述设备包括: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无人驾驶车超车控制程序,所述无人驾驶车超车控制程序配置为实现如权利要求1至7中任一项所述的无人驾驶车超车控制方法。
10.一种存储介质,其特征在于,所述存储介质上存储有无人驾驶车超车控制程序,所述无人驾驶车超车控制程序被处理器执行时实现如权利要求1至7任一项所述的无人驾驶车超车控制方法。
CN202111218133.2A 2021-10-19 2021-10-19 无人驾驶车超车控制方法、装置、设备及存储介质 Active CN113942511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111218133.2A CN113942511B (zh) 2021-10-19 2021-10-19 无人驾驶车超车控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111218133.2A CN113942511B (zh) 2021-10-19 2021-10-19 无人驾驶车超车控制方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113942511A true CN113942511A (zh) 2022-01-18
CN113942511B CN113942511B (zh) 2023-03-31

Family

ID=79331532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111218133.2A Active CN113942511B (zh) 2021-10-19 2021-10-19 无人驾驶车超车控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113942511B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118545067A (zh) * 2024-07-29 2024-08-27 吉林大学 一种针对紧急避撞的驾驶人驾驶决策失误判断方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102785661A (zh) * 2012-08-20 2012-11-21 深圳先进技术研究院 车道偏离控制系统及方法
CN105438183A (zh) * 2015-12-21 2016-03-30 江苏大学 一种驾驶员激进驾驶状态的识别装置及方法
CN106971194A (zh) * 2017-02-16 2017-07-21 江苏大学 一种基于改进hmm和svm双层算法的驾驶意图识别方法
CN110203204A (zh) * 2019-05-17 2019-09-06 深圳森云智能科技有限公司 一种车辆周边环境感知方法
CN110758382A (zh) * 2019-10-21 2020-02-07 南京航空航天大学 一种基于驾驶意图的周围车辆运动状态预测系统及方法
CN111452789A (zh) * 2020-04-07 2020-07-28 北京汽车集团越野车有限公司 自动驾驶超车控制方法及系统
CN112017441A (zh) * 2019-05-28 2020-12-01 浙江宇视科技有限公司 车辆交通行为检测方法、装置、设备及存储介质
CN112389466A (zh) * 2020-12-03 2021-02-23 安徽江淮汽车集团股份有限公司 车辆自动避让方法、装置、设备及存储介质
CN112700653A (zh) * 2020-12-21 2021-04-23 上海眼控科技股份有限公司 一种车辆违法变道的判定方法、装置、设备及存储介质
CN113239459A (zh) * 2021-05-10 2021-08-10 前海七剑科技(深圳)有限公司 目标筛选方法、筛选系统、电子设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102785661A (zh) * 2012-08-20 2012-11-21 深圳先进技术研究院 车道偏离控制系统及方法
CN105438183A (zh) * 2015-12-21 2016-03-30 江苏大学 一种驾驶员激进驾驶状态的识别装置及方法
CN106971194A (zh) * 2017-02-16 2017-07-21 江苏大学 一种基于改进hmm和svm双层算法的驾驶意图识别方法
CN110203204A (zh) * 2019-05-17 2019-09-06 深圳森云智能科技有限公司 一种车辆周边环境感知方法
CN112017441A (zh) * 2019-05-28 2020-12-01 浙江宇视科技有限公司 车辆交通行为检测方法、装置、设备及存储介质
CN110758382A (zh) * 2019-10-21 2020-02-07 南京航空航天大学 一种基于驾驶意图的周围车辆运动状态预测系统及方法
CN111452789A (zh) * 2020-04-07 2020-07-28 北京汽车集团越野车有限公司 自动驾驶超车控制方法及系统
CN112389466A (zh) * 2020-12-03 2021-02-23 安徽江淮汽车集团股份有限公司 车辆自动避让方法、装置、设备及存储介质
CN112700653A (zh) * 2020-12-21 2021-04-23 上海眼控科技股份有限公司 一种车辆违法变道的判定方法、装置、设备及存储介质
CN113239459A (zh) * 2021-05-10 2021-08-10 前海七剑科技(深圳)有限公司 目标筛选方法、筛选系统、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118545067A (zh) * 2024-07-29 2024-08-27 吉林大学 一种针对紧急避撞的驾驶人驾驶决策失误判断方法及系统

Also Published As

Publication number Publication date
CN113942511B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN112673407B (zh) 用于预测的车辆事故警告和规避的系统和方法
US10854080B2 (en) Vehicle control system
JP6196044B2 (ja) 交通信号認識システム及び方法
JP5924399B2 (ja) 立体物検出装置
EP2560151B1 (en) Driving support device
CN110371018B (zh) 使用其他车辆车灯的信息改善车辆行为
EP2172919A1 (en) Vehicle travel track estimator
CN110816534B (zh) 车辆变道预警方法、设备、存储介质及装置
US9323718B2 (en) Method and device for operating a driver assistance system of a vehicle
CN113593301B (zh) 车辆加塞的预判断方法、车辆及计算机可读存储介质
JP2014081947A (ja) 情報配信装置
CN114126940A (zh) 电子控制装置
CN114842432B (zh) 一种基于深度学习汽车灯光控制方法及系统
CN110858301A (zh) 偏心率地图
CN110834646B (zh) 变道辅助预警方法、装置、设备及存储介质
CN113942511B (zh) 无人驾驶车超车控制方法、装置、设备及存储介质
JP7008515B2 (ja) 情報処理方法及び情報処理装置
CN112319505B (zh) 自动驾驶换道判断方法、装置、设备及存储介质
CN113071515A (zh) 可移动载体控制方法、装置、可移动载体及存储介质
CN110834626B (zh) 行车障碍预警方法、装置、车辆和存储介质
CN111717196A (zh) 一种基于视觉分析的驾驶安全辅助装置
JP2015103070A (ja) 走行支援装置及び走行支援方法
KR20210004317A (ko) 차량의 충돌 방지 제어 장치 및 그 방법
CN115303070A (zh) 车速提醒方法、设备及计算机可读存储介质
CN114333414A (zh) 停车让行检测装置、停车让行检测系统以及记录介质

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