CN114030483B - 车辆控制方法、装置、电子设备和介质 - Google Patents
车辆控制方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN114030483B CN114030483B CN202111544722.XA CN202111544722A CN114030483B CN 114030483 B CN114030483 B CN 114030483B CN 202111544722 A CN202111544722 A CN 202111544722A CN 114030483 B CN114030483 B CN 114030483B
- Authority
- CN
- China
- Prior art keywords
- risk
- area
- target
- determining
- turn
- 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 54
- 230000003068 static effect Effects 0.000 claims abstract description 106
- 230000033001 locomotion Effects 0.000 claims abstract description 95
- 230000004888 barrier function Effects 0.000 claims description 58
- 238000013145 classification model Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 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
- 238000011410 subtraction method Methods 0.000 description 1
- 238000011144 upstream manufacturing 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- 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
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- 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
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种车辆控制方法、装置、电子设备和介质,涉及自动驾驶技术领域,尤其涉及路径规划、云计算技术领域。具体实现方案为:根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态;根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域;根据所述风险区域控制主车在所述目标区域中行驶。本公开实现了基于预测的目标静止障碍物的风险区域,控制主车行驶的效果,避免了目标静止障碍物突然启动,导致主车存在碰撞风险的问题,提高了主车的行驶安全性。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及路径规划、云计算及云服务技术领域,特别涉及一种车辆控制方法、装置、电子设备和介质。
背景技术
在自动驾驶技术中,主车通常需要使用感知器件来采集周围环境的数据,以发现周围可能的障碍物,从而进行避障。障碍物一般包括静止障碍物和动态障碍物。
目前通常会根据障碍物的预测运动轨迹来控制主车进行避障。
发明内容
本公开提供了一种用于提高主车行驶安全性的方法、装置、电子设备和介质。
根据本公开的一方面,提供了一种车辆控制方法,包括:
根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态;
根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域;
根据所述风险区域控制主车在所述目标区域中行驶。
根据本公开的另一方面,提供了一种车辆控制装置,包括:
运动状态预测模块,用于根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态;
风险区域确定模块,用于根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域;
车辆控制模块,用于根据所述风险区域控制主车在所述目标区域中行驶。
根据本公开的另一方面,提供了一种电子设备,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本公开中任一项所述的方法。
根据本公开的另一方面,提供了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本公开中任一项所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行本公开中任一项所述的方法。
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。本公开的其它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是根据本公开实施例公开的一些车辆控制方法的流程图;
图2A是根据本公开实施例公开的另一些车辆控制方法的流程图;
图2B是根据本公开实施例公开的一些风险区域的示意图;
图2C是根据本公开实施例公开的一些控制主车行驶的示意图;
图2D是根据本公开实施例公开的一些控制主车行驶的示意图;
图3A是根据本公开实施例公开的另一些车辆控制方法的流程图;
图3B是根据本公开实施例公开的一些盲区区域的示意图;
图3C是根据本公开实施例公开的一些基准方向的示意图;
图3D是根据本公开实施例公开的一些左转方向和右转方向的示意图;
图3E是根据本公开实施例公开的一些盲区风险区域的示意图;
图3F是根据本公开实施例公开的一些风险集合区域的示意图;
图4是根据本公开实施例公开的一些车辆控制装置的结构示意图;
图5是用来实现本公开实施例公开的车辆控制方法的电子设备的框图。
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。
目前业内常见的自动驾驶系统,通常由以下核心模块组成:高精地图、定位模块、感知模块、全局导航模块、预测模块、规划模块和控制模块。
其中,高精地图:提供高精度地图服务。
定位模块:提供厘米级的高精度定位服务。
感知模块:通过相机、激光雷达、毫米波雷达和超声波雷达等设备结合先进的障碍物检测算法,为自动驾驶车辆提供全方位的环境感知服务。
预测模块:以上游感知系统数据为输入,通过提取障碍物历史运动参数,结合卡尔曼滤波和神经网络等手段,推理得到障碍物未来时刻运动轨迹,用于下游规划控制模块使用。
全局导航模块:根据车辆初始位置和目标位置,结合路网拓扑结构,通过全局路径搜索算法,得到符合性能评估指标的最优全局导航路径。
规划模块:主要提供主车避让障碍物、换道决策、路径规划和速度规划服务。
控制模块:根据规划模块提供的驾驶轨迹,进行纵向和横向的跟踪控制。
预测模块是自动驾驶系统中非常核心的模块,障碍物运动趋势以及运动轨迹的预测准确性,直接决定规划模块能否合理且安全的避让障碍物。
申请人在研发过程中发现,目前业内通常基于预测得到的障碍物的运动轨迹与主车运动轨迹的相交点来做路径和速度的规划。然而这种方法仅适用于能够被连续观测并跟踪的动态障碍物,对于静止障碍物由于其不具有确定性的运动趋势,因此无法预测得到准确的运动轨迹。因此对于静止障碍物,目前通常仅根据静止障碍物的当前固定位置,来做路径和速度规划。
然而由于静止障碍物的运动趋势是非确定性的,其有可能从静止状态突然启动,例如以某个方向前进或后退。因此若仅仅根据静止障碍物的当前固定位置,来做路径和速度规划,会存在由于静止障碍物突然启动产生与主车碰撞的风险,影响了主车自动驾驶的安全性。
图1是根据本公开实施例公开的一些车辆控制方法的流程图,本实施例可以适用于控制主车规避静态障碍物行驶的情况。本实施例方法可以由本公开实施例公开的车辆控制装置来执行,所述装置可采用软件和/或硬件实现,并可集成在任意的具有计算能力的电子设备上。
如图1所示,本实施例公开的车辆控制方法可以包括:
S101、根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态。
其中,目标区域表示主车的传感器能够探测到的有效探测区域,传感器包括但不限于照相机、激光雷达、毫米波雷达和超声波雷达等。目标静止障碍物指的是目标区域中的任意静止障碍物。道路属性信息表示目标静止障碍物在高精地图道路中关联的地图信息,例如位置信息、姿态信息和车道信息等等。目标静止障碍物在未来时刻的运动状态包括移动状态和静止状态。
在一种实施方式中,主车通过其搭载的传感器实时获取周围的点云数据,并将传感器能够探测到的有效区域作为目标区域。根据传感器探测到的点云数据,确定目标区域中包括的障碍物,并确定各障碍物在当前时刻的运动状态,当前时刻的运动状态包括移动状态和静止状态。可选的,若传感器包括照相机,则可以根据照相机采集的连续帧图像,采用背景减除法确定连续帧图像中障碍物的运动状态,即若任一障碍物在连续帧图像中的位置并未改变,则确定该障碍物为目标静止障碍物。可选的,若传感器包括雷达,则根据任一障碍物对于多个脉冲发射下回波信号的相位信息,确定该障碍物的运动状态。
对于当前时刻的运动状态为静止状态的目标静止障碍物,将目标静止障碍物的点云数据与主车预存的高精地图进行点云融合,构建当前街景地图,并根据当前街景地图确定目标静止障碍物的道路属性信息,包括但不限于目标静止障碍物的尺寸信息、类型信息、位置信息、姿态信息、车道信息和红绿灯信息等等。基于目标静止障碍物的道路属性信息,预测目标静止障碍物在未来时刻的运动状态。
可选的,将道路属性信息输入至预先训练得到的预测模型中,预测模型的类型为分类模型,包括但不限于SVM(Support Vector Machine,支持向量机)模型、决策树模型和贝叶斯估计模型等,进而根据预测模型的输出结果预测目标静止障碍物在未来时刻的运动状态为移动状态或静止状态。若运动状态为移动状态,则表示目标静止障碍物在未来时刻大概率会启动,若运动状态为静止状态,则表示目标静止障碍物在未来时刻大概率依旧静止。其中,预测模型是根据样本静止障碍物的样本道路属性信息,以及人工标注的样本静止障碍物在未来时刻的运动状态,进行模型训练得到的,未来时刻可以根据实际需求进行设置,优选的为10秒。
可选的,将道路属性信息与预先设定的判定规则进行匹配,并根据匹配结果预测目标静止障碍物在未来时刻的运动状态。具体的,将道路属性信息与移动状态或静止状态对应的标准道路属性信息进行匹配,若道路属性信息与移动状态对应的标准道路属性信息相匹配,则预测目标静止障碍物在未来时刻的运动状态为移动状态;相应的,若道路属性信息与静止状态对应的标准道路属性信息相匹配,则预测目标静止障碍物在未来时刻的运动状态为静止状态。
通过根据目标区域中目标静止障碍物的道路属性信息,预测目标静止障碍物在未来时刻的运动状态,为后续基于在未来时刻的运动状态确定风险区域,奠定了数据基础。
S102、根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域。
其中,目标静止障碍物的位置信息表示目标静止障碍物在世界坐标系中的位置,其可以由目标静止障碍物的中心点位置或形心点位置表示。风险区域表示可能与主车产生碰撞的区域。
在一种实施方式中,当预测目标静止障碍物在未来时刻的运动状态为静止状态时,则根据目标静止障碍物的位置信息,确定目标静止障碍物的外接图形区域,并将外接图形区域作为目标静止障碍物在目标区域中的风险区域。其中,外接图形区域优选的为外接矩形区域。换言之,当预测目标静止障碍物在未来时刻的运动状态为静止状态时,则目标静止障碍物的外接图形区域为可能与主车产生碰撞的区域。
在另一种实施方式中,当预测目标静止障碍物在未来时刻的运动状态为移动状态时,则根据目标静止障碍物的位置信息,确定目标静止障碍物的外接图形区域。并且,根据历史数据中静止障碍物在启动时的平均前进速度、平均后退速度、平均左转速度、以及平均右转速度,预估出目标静止障碍物在启动时的前进风险距离、后退风险距离、左转风险距离和右转风险距离。最终根据前进风险距离、后退风险距离、左转风险距离和右转风险距离,将外接图像区域进行区域延伸,并将得到的延伸区域作为风险区域。换言之,当预测目标静止障碍物在未来时刻的运动状态为移动状态时,则目标静止障碍物外接图形区域的延伸区域,为可能与主车产生碰撞的区域。
通过根据目标静止障碍物的位置信息和运动状态,确定目标静止障碍物在目标区域中的风险区域,实现了根据不同的运动状态,确定目标静止障碍对应的风险区域,扩展了风险区域的多样性,为后续根据风险区域控制主车行驶奠定了数据基础。
S103、根据所述风险区域控制主车在所述目标区域中行驶。
在一种实施方式中,根据目标静止障碍物在目标区域中的风险区域以及主车的行驶属性信息,包括但不限于主车的位置信息、姿态信息、速度信息、以及加速度信息等,采用预设路径规划算法确定主车避让风险区域驾驶路径,且采用速度规划算法,确定主车在驾驶路径中的速度轨迹。
对于路径规划可选的,根据主车的位置信息和速度信息,在道路中进行道路点采样,并根据各采样点确定候选驾驶路径,进而根据风险区域、主车的位置信息、姿态信息、速度信息、加速度信息以及道路曲率等构建路径代价函数,并采用DP(Dynamic Programming,动态规划)算法基于路径代价函数,从候选驾驶路径中确定目标驾驶路径。根据预设目标函数以及约束条件,采用QP(Quadratic Programming,二次规划)算法对目标驾驶路径进行平滑优化,得到最优的主车在目标区域中的驾驶路径。其中,约束条件包括但不限于目标静止障碍物的尺寸信息、类型信息、位置信息、姿态信息、主车路权信息、以及与车道夹角等。
对于速度规划可选的,根据风险区域、主车的位置信息、姿态信息、速度信息、加速度信息以及道路曲率等构建速度代价函数,并采用DP算法基于速度代价函数,从上述得到的驾驶路径对应的候选速度轨迹中确定目标速度轨迹。根据预设目标函数以及约束条件,采用QP算法对目标速度轨迹进行平滑优化,得到最优的主车在驾驶路径中的速度轨迹。
在另一种实施方式中,对于目标区域中当前时刻的运动状态为移动状态的目标移动障碍物,则根据目标移动障碍物的运动趋势给出运动轨迹,并根据目标移动障碍物的运动轨迹和主车的运动轨迹,采用预设路径规划算法确定主车避让目标移动障碍物的驾驶路径,且采用速度规划算法,确定主车在驾驶路径中的速度轨迹。
本公开通过根据目标区域中目标静止障碍物的道路属性信息,预测目标静止障碍物在未来时刻的运动状态,并根据目标静止障碍物的位置信息和运动状态,确定目标静止障碍物在目标区域中的风险区域,进而根据风险区域控制主车在目标区域中行驶,实现了基于预测的目标静止障碍物的风险区域,控制主车行驶的效果,避免了现有技术中仅根据目标静止障碍物的当前固定位置,来做路径和速度规划,当目标静止障碍物突然启动,导致主车存在碰撞风险的问题,提高了主车的行驶安全性。
图2A是根据本公开实施例公开的另一些车辆控制方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。
如图2A所示,本实施例公开的车辆控制方法可以包括:
S201、将目标静止障碍物的道路属性信息输入至二分类模型中,确定目标静止障碍物在未来时刻的运动状态的概率;其中,运动状态为静止状态或移动状态。
其中,二分类模型包括但不限于SVM模型、决策树模型和贝叶斯估计模型等。在本实施例中,二分类模型是根据样本静止障碍物的样本道路属性信息,以及人工标注的样本静止障碍物在未来时刻的运动状态,进行模型训练得到的。
在一种实施方式中,将获取的目标静止障碍物的道路属性信息输入至二分类模型中,二分类模型根据道路属性信息输出目标静止障碍物在未来时刻为静止状态或移动状态的概率。例如,将道路属性信息输入至二分类模型,二分类模型输出静止状态的概率为0.2,或者输出移动状态的概率为0.8。
S202、根据运动状态的概率和概率阈值,确定目标静止障碍物在未来时刻的运动状态。
在一种实施方式中,将静止状态的概率与对应的概率阈值进行比对,若概率大于概率阈值则确定目标静止障碍物在未来时刻的运动状态为静止状态,或者,将移动状态的概率与对应的概率阈值进行比对,若概率大于概率阈值则确定目标静止障碍物在未来时刻的运动状态为移动状态。
例如,假设静止状态对应的概率阈值为0.9,则当静止状态的概率大于0.9时,确定目标静止障碍物在未来时刻的运动状态为静止状态。又例如,假设移动状态对应的概率阈值为0.1,则当移动状态的概率大于0.1时,确定目标静止障碍物在未来时刻的运动状态为移动状态。
可选的,确定二分类模型输出结果的置信度,将静止状态的概率与对应的概率阈值进行比对,且将置信度与置信度阈值进行比对,若概率大于概率阈值,且置信度大于置信度阈值,则确定目标静止障碍物在未来时刻的运动状态为静止状态。
或者,将移动状态的概率与对应的概率阈值进行比对,且将置信度与置信度阈值进行比对,若概率大于概率阈值,且置信度大于置信度阈值,则确定目标静止障碍物在未来时刻的运动状态为移动状态。
S203、在运动状态为移动状态的情况下,根据目标静止障碍物的位置信息和主车的速度信息确定风险时间。
其中,主车的速度信息表示主车的当前行驶速度。
在一种实施方式中,根据主车的位置信息以及目标静止障碍物的位置信息,确定目标静止障碍物与主车的相对距离信息,进而根据主车的速度信息以及相对距离信息之间的比值,确定风险时间。
S204、根据目标静止障碍物的类型,确定目标静止障碍物在启动时的平均前进速度、平均后退速度、平均左转速度、以及平均右转速度。
其中,目标静止障碍物的类型包括但不限于汽车、行人、自行车、电动车或摩托车等。平均前进速度指的是障碍物启动时在前进方向的平均速度,平均后退速度指的是障碍物启动时在后退方向的平均速度,平均左转速度指的是障碍物启动时在左转方向的平均速度,平均右转速度指的是障碍物启动时在右转方向的平均速度。
在一种实施方式中,对多组统计数据中各类型静止障碍物在启动时的前进速度、后退速度、左转速度、以及右转速度求均值,确定各类型静止障碍物在启动时的平均前进速度、平均后退速度、平均左转速度、以及平均右转速度。并且,建立静止障碍物的类型与平均前进速度、平均后退速度、平均左转速度、以及平均右转速度的关联关系。
将目标静止障碍物的类型,与障碍物的类型和平均前进速度、平均后退速度、平均左转速度、以及平均右转速度的关联关系进行匹配,确定目标静止障碍物在启动时的平均前进速度、平均后退速度、平均左转速度、以及平均右转速度。
S205、根据平均前进速度、平均后退速度、平均左转速度、平均右转速度和风险时间,确定风险区域。
在一种实施方式中,分别将平均前进速度、平均后退速度、平均左转速度、平均右转速度和风险时间相乘,确定目标静止障碍物在前进方向、后退方向、左转方向和右转方向的风险距离,进而根据风险距离确定风险区域。
可选的,S205包括以下步骤A1、B1和C1:
A1、根据所述平均前进速度、所述平均后退速度、所述平均左转速度、所述平均右转速度和所述风险时间,分别确定所述目标静止障碍物在启动时的前进风险距离、后退风险距离、左转风险距离和右转风险距离。
在一种实施方式中,将平均前进速度和风险时间相乘,确定目标静止障碍物在前进方向的前进风险距离;将平均后退速度和风险时间相乘,确定目标静止障碍物在后退方向的后退风险距离;将平均左转速度和风险时间相乘,确定目标静止障碍物在左转方向的左转风险距离;将平均右转速度和风险时间相乘,确定目标静止障碍物在右转方向的右转风险距离。
B1、根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域。
在一种实施方式中,根据目标静止障碍物的位置信息,确定目标障碍物的外接矩形,并将该外接矩形所占的区域作为外接矩形区域。
C1、根据所述外接矩形区域、所述前进风险距离、所述后退风险距离、所述左转风险距离和所述右转风险距离,确定所述风险区域。
在一种实施方式中,将外接矩形区域在前进方向以前进风险距离生成前进延伸线,在后退方向以后退风险距离生成后退延伸线,在左转方向以左转风险距离生成左转延伸线,在右转方向以右转风险距离生成右转延伸线。根据前进延伸线、后退延伸线、左转延伸线、右转延伸线、和外接矩形区域,生成延伸区域并将该延伸区域作为目标静止障碍物的风险区域。其中,延伸区域包括但不限于矩形区域和椭圆区域等。
图2B是根据本公开实施例公开的一些风险区域的示意图,如图2B所示,20表示目标静止障碍物的外接矩形区域,21表示前进延伸线,22表示后退延伸线,23表示左转延伸线,24表示右转延伸线,则将构成的椭圆区域25作为目标静止障碍物的风险区域。
通过根据平均前进速度、平均后退速度、平均左转速度、平均右转速度和风险时间,分别确定目标静止障碍物在启动时的前进风险距离、后退风险距离、左转风险距离和右转风险距离,并根据目标静止障碍物的位置信息,确定目标静止障碍物的外接矩形区域,进而根据外接矩形区域、前进风险距离、后退风险距离、左转风险距离和右转风险距离,确定风险区域,使得当目标静止障碍物在未来时刻有可能移动时,预测目标静止障碍物的可触达区域,进而将可触达区域作为目标静止障碍物的风险区域,避免了现有技术中仅根据目标静止障碍物的当前固定位置,来做路径和速度规划,当目标静止障碍物突然启动,导致主车存在碰撞风险的问题,提高了主车的行驶安全性。
S206、根据风险区域控制主车在目标区域中行驶。
在一种实施方式中,在能以合法速度避开风险区域的情况下,优先控制主车绕行风险区域。
图2C是根据本公开实施例公开的一些控制主车行驶的示意图,如图2C所示,25表示目标静止障碍物的风险区域,26表示主车,S1表示主车26的当前行驶轨迹,当确定能以合法速度避开风险区域的情况下,则控制主车以S2的行驶轨迹绕行风险区域。
在另一种实施方式中,在无法以合法速度避开风险区域的情况下,则控制主车刹车,直到目标静止障碍物启动一段时间后,确定能以合法速度避开风险区域时,再控制主车绕行风险区域,或者,等待时间超过时间阈值,则控制主车绕行风险区域。
图2D是根据本公开实施例公开的一些控制主车行驶的示意图,如图2D所示,25表示目标静止障碍物的风险区域,26表示主车,S1表示主车26的当前行驶轨迹,当确定无法以合法速度避开风险区域的情况下,则控制主车刹车。
本公开通过将目标静止障碍物的道路属性信息输入至二分类模型中,确定目标静止障碍物在未来时刻的运动状态的概率,根据运动状态的概率和概率阈值,确定目标静止障碍物在未来时刻的运动状态,基于阈值判断从而提高了确定运动状态的准确性;通过在运动状态为移动状态的情况下,根据位置信息和主车的速度信息确定风险时间,并根据目标静止障碍物的类型,确定目标静止障碍物在启动时的平均前进速度、平均后退速度、平均左转速度、以及平均右转速度,进而根据平均前进速度、平均后退速度、平均左转速度、平均右转速度和风险时间,确定风险区域,使得当目标静止障碍物在未来时刻有可能移动时,预测目标静止障碍物的可触达区域,进而将可触达区域作为目标静止障碍物的风险区域,避免了现有技术中仅根据目标静止障碍物的当前固定位置,来做路径和速度规划,当目标静止障碍物突然启动,导致主车存在碰撞风险的问题,提高了主车的行驶安全性。
在上述实施例的基础上,还包括:
在目标静止障碍物在未来时刻的运动状态为静止状态的情况下,根据目标静止障碍物的位置信息,确定目标静止障碍物的外接矩形区域;将外接矩形区域作为风险区域。
在一种实施方式中,若目标静止障碍物在未来时刻的运动状态为静止状态,表示仅在目标静止障碍物的当前固定位置存在碰撞风险,从而根据目标静止障碍物的位置信息,确定目标障碍物的外接矩形,并将该外接矩形所占的区域作为风险区域。
通过在目标静止障碍物在未来时刻的运动状态为静止状态的情况下,根据目标静止障碍物的位置信息,确定目标静止障碍物的外接矩形区域,并将外接矩形区域作为风险区域,实现了确定未来时刻预测静止的目标静止障碍物的风险区域的效果,提高了风险区域确定的灵活性,避免设置单一的风险区域,导致主车的路径规划和速度规划不合理的问题。
在上述实施例的基础上,道路属性信息包括尺寸信息、类型信息、位置信息、姿态信息、车道信息和红绿灯信息中的至少一种。
其中,尺寸信息表示目标静止障碍物的尺寸大小。类型信息表示目标静止障碍物所属的障碍物类型。位置信息包括目标静止障碍物在世界坐标系的位置,以及目标静止障碍物与主车的相对位置。姿态信息包括目标静止障碍物在世界坐标系的姿态,以及目标静止障碍物与主车的相对姿态。车道信息表示目标静止障碍物所属的车道,例如左转车道、直行车道、掉头车道或者右转车道等。红绿灯信息表示目标静止障碍物所属车道对应的红绿灯状态,包括红灯状态、黄灯状态和绿灯状态,例如假设目标静止障碍物所属左转车道,则将左转车道对应的红绿灯状态作为红绿灯信息。
通过设置尺寸信息、类型信息、位置信息、姿态信息、车道信息和红绿灯信息中的至少一种作为道路属性信息,丰富了道路属性信息的数据多样性,提高了后续预测目标静止障碍物在未来时刻的运动状态的准确性和可靠性。
图3A是根据本公开实施例公开的另一些车辆控制方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。
如图3A所示,本实施例公开的车辆控制方法可以包括:
S301、根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态。
S302、根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域。
S303、根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域。
在一种实施方式中,根据目标静止障碍物的位置信息,确定目标障碍物的外接矩形,并将该外接矩形所占的区域作为外接矩形区域。
S304、根据所述主车的位置信息、所述目标区域以及所述外接矩形区域,确定所述目标静止障碍物导致的所述主车的盲区区域。
在一种实施方式中,根据主车的位置信息以及外接矩形区域,从传感器能够探测到的目标区域中确定目标子区域,并将外接矩形区域在目标子区域中遮挡传感器探测的区域作为盲区区域。
图3B是根据本公开实施例公开的一些盲区区域的示意图,如图3B所示,300表示主车,301表示外接矩形区域,302表示根据主车300的位置信息以及外接矩形区域301,从传感器能够探测到的目标区域中确定的目标子区域。阴影区域303表示外接矩形区域301在目标子区域302中遮挡传感器探测的盲区区域。
S305、在所述盲区区域存在路口的情况下,根据所述盲区区域和所述风险区域确定风险集合区域,并根据所述风险集合区域控制主车在所述目标区域中行驶。
在一种实施方式中,由于盲区区域为主车的传感器无法探测到的区域,且盲区区域又存在路口,因此盲区区域可能存在不确定性的移动障碍物,因此将目标静止障碍物导致的盲区区域,与目标静止障碍物的风险区域产生的并集区域作为风险集合区域,并根据风险集合区域进行路径规划和速度规划,进而控制主车避让风险集合区域。
本公开通过根据目标静止障碍物的位置信息,确定目标静止障碍物的外接矩形区域,并根据主车的位置信息、目标区域以及外接矩形区域,确定目标静止障碍物导致的主车的盲区区域,进而在盲区区域存在路口的情况下,根据盲区区域和风险区域确定风险集合区域,并根据风险集合区域控制主车在目标区域中行驶,使得不仅仅控制主车避让目标静止障碍物的风险区域,还会控制主车避让目标静止障碍物导致的盲区区域,进一步提高了主车行驶的安全性。
可选的,S305中“根据所述盲区区域和所述风险区域确定风险集合区域”,包括以下步骤A2、B2、C2和D2:
A2、根据所述主车的当前行驶方向,从所述盲区区域的候选盲区边界中确定目标盲区边界。
在一种实施方式中,确定各候选盲区边界与当前行驶方向的距离,并将最靠近当前行驶方向的候选盲区边界作为目标盲区边界。
B2、将与所述当前行驶方向垂直,且经过所述目标盲区边界中第一边界顶点的方向,作为第一基准方向,并将与所述当前行驶方向垂直,且经过所述目标盲区边界中第二边界顶点的方向,作为第二基准方向。
在一种实施方式中,确定目标盲区边界的第一边界顶点和第二边界顶点。并根据第一边界顶点的位置信息以及当前行驶方向,将与当前行驶方向垂直,且经过第一边界顶点的方向,作为第一基准方向,根据第二边界顶点的位置信息以及当前行驶方向,将与当前行驶方向垂直,且经过第二边界顶点的方向,作为第二基准方向。其中,第一基准方向和第二基准方向均朝向当前行驶方向。
图3C是根据本公开实施例公开的一些基准方向的示意图,如图3C所示,303表示盲区区域,304表示最靠近当前行驶方向的目标盲区边界,305表示目标盲区边界304的第一边界顶点,306表示目标盲区边界304的第二边界顶点。307表示与当前行驶方向S垂直,且经过第一边界顶点305的第一基准方向,308表示与当前行驶方向S垂直,且经过第二边界顶点306的第二基准方向。
C2、根据所述第一边界顶点的第一顶点位置、所述第二边界顶点的第二顶点位置、所述第一基准方向和所述第二基准方向,确定所述盲区区域的盲区风险区域。
在一种实施方式中,根据第一顶点位置、第一基准方向和最大转向角,确定第一风险位置,并根据第二顶点位置、第二基准方向和最大转向角,确定第二风险位置,进而根据第一风险位置和第二风险位置确定盲区区域的盲区风险区域。
可选的,步骤C2包括以下步骤C21、C22、C23和C24:
C21、根据所述第一基准方向以及最大转向角,确定第一左转方向和第一右转方向,并根据所述第二基准方向以及最大转向角,确定第二左转方向和第二右转方向。
其中,最大转向角表示预设的盲区区域的移动障碍物冲出盲区区域时的最大转向角,其包括最大左转向角和最大右转向角。
在一种实施方式中,以第一基准方向为基准,根据最大左转向角确定第一左转方向,并根据最大右转向角确定第一右转方向。以第二基准方向为基准,根据最大左转向角确定第二左转方向,并根据最大右转向角确定第二右转方向。
图3D是根据本公开实施例公开的一些左转方向和右转方向的示意图,如图3D所示,307表示第一基准方向,308表示第二基准方向,309表示最大转向角中的最大左转向角,310表示最大转向角中的最大右转向角,311表示第一左转方向,312表示第一右转方向,313表示第二左转方向,314表示第二右转方向。
C22、根据所述风险时间和预设风险速度确定盲区风险距离,并根据所述第一顶点位置、所述盲区风险距离、所述第一左转方向和所述第一右转方向,确定第一左转风险位置和第一右转风险位置。
其中,预设风险速度可以根据经验进行设置,优选的将目标区域中限速上限作为预设风险速度。
在一种实施方式中,将风险时间和预设风险速度的乘积作为盲区风险距离。将第一顶点位置按照第一左转方向延伸盲区风险距离,确定第一左转风险位置,且将第一顶点位置按照第一右转方向延伸盲区风险距离,确定第一右转风险位置。
C23、根据所述第二顶点位置、所述盲区风险距离、所述第二左转方向和所述第二右转方向,确定第二左转风险位置和第二右转风险位置。
在一种实施方式中,将风险时间和预设风险速度的乘积作为盲区风险距离。将第二顶点位置按照第二左转方向延伸盲区风险距离,确定第二左转风险位置,且将第二顶点位置按照第二右转方向延伸盲区风险距离,确定第二右转风险位置。
C24、根据所述第一顶点位置、所述第一左转风险位置、所述第一右转风险位置、所述第二顶点位置、所述第二左转风险位置和所述第二右转风险位置,确定所述盲区区域的盲区风险区域。
在一种实施方式中,将第一顶点位置、第一左转风险位置、第一右转风险位置、第二顶点位置、第二左转风险位置和第二右转风险位置所连接成的区域作为盲区区域的盲区风险区域。
图3E是根据本公开实施例公开的一些盲区风险区域的示意图,如图3E所示,315表示第一顶点位置,316第二顶点位置,317表示第一左转风险位置,318表示第一右转风险位置,319表示第二左转风险位置,320表示第二右转风险位置。则将第一顶点位置315、第一左转风险位置317、第一右转风险位置318、第二顶点位置316、第二左转风险位置319和第二右转风险位置320所连接成的区域作为盲区区域的盲区风险区域。
通过根据第一基准方向以及最大转向角,确定第一左转方向和第一右转方向,并根据第二基准方向以及最大转向角,确定第二左转方向和第二右转方向,根据风险时间和预设风险速度确定盲区风险距离,并根据第一顶点位置、盲区风险距离、第一左转方向和第一右转方向,确定第一左转风险位置和第一右转风险位置,根据第二顶点位置、盲区风险距离、第二左转方向和第二右转方向,确定第二左转风险位置和第二右转风险位置,根据第一顶点位置、第一左转风险位置、第一右转风险位置、第二顶点位置、第二左转风险位置和第二右转风险位置,确定盲区区域的盲区风险区域,降低了从盲区区域中冲出移动障碍物导致与主车产生碰撞的风险,提高了主车的行驶安全性。
D2、将所述风险区域、所述盲区区域以及所述盲区风险区域的区域并集,作为所述风险集合区域。
图3F是根据本公开实施例公开的一些风险集合区域的示意图,如图3F所示,竖线阴影区域321表示盲区区域,横线阴影区域322表示盲区区域321的盲区风险区域,斜线阴影区域323表示目标静止障碍物的风险区域。将盲区区域321、盲区风险区域322和风险区域323的区域并集作为风险集合区域。其中,本实施例仅以风险区域为目标静止障碍物的外接矩形区域为例进行解释说明,而并不对风险区域的具体形式进行任何限定。
通过根据主车的当前行驶方向,从盲区区域的候选盲区边界中确定目标盲区边界,将与当前行驶方向垂直,且经过目标盲区边界中第一边界顶点的方向,作为第一基准方向,并将与当前行驶方向垂直,且经过目标盲区边界中第二边界顶点的方向,作为第二基准方向,根据第一边界顶点的第一顶点位置、第二边界顶点的第二顶点位置、第一基准方向和第二基准方向,确定盲区区域的盲区风险区域,将风险区域、盲区区域以及盲区风险区域的区域并集,作为风险集合区域,实现了同时避让风险区域、盲区区域以及盲区风险区域的效果,进一步提高了主车的安全性。
图4是根据本公开实施例公开的一些车辆控制装置的结构示意图,可以适用于控制主车规避静态障碍物行驶的情况。本实施例装置可采用软件和/或硬件实现,并可集成在任意的具有计算能力的电子设备上。
如图4所示,本实施例公开的车辆控制装置40可以包括运动状态预测模块41、风险区域确定模块42和车辆控制模块43,其中:
运动状态预测模块41,用于根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态;
风险区域确定模块42,用于根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域;
车辆控制模块43,用于根据所述风险区域控制主车在所述目标区域中行驶。
可选的,所述风险区域确定模块42,具体用于:
在所述运动状态为移动状态的情况下,根据所述位置信息和所述主车的速度信息确定风险时间;
根据所述目标静止障碍物的类型,确定所述目标静止障碍物在启动时的平均前进速度、平均后退速度、平均左转速度、以及平均右转速度;
根据所述平均前进速度、所述平均后退速度、所述平均左转速度、所述平均右转速度和所述风险时间,确定所述风险区域。
可选的,所述风险区域确定模块42,具体还用于:
根据所述平均前进速度、所述平均后退速度、所述平均左转速度、所述平均右转速度和所述风险时间,分别确定所述目标静止障碍物在启动时的前进风险距离、后退风险距离、左转风险距离和右转风险距离;
根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
根据所述外接矩形区域、所述前进风险距离、所述后退风险距离、所述左转风险距离和所述右转风险距离,确定所述风险区域。
可选的,所述风险区域确定模块42,具体用于:
在所述运动状态为静止状态的情况下,根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
将所述外接矩形区域作为所述风险区域。
可选的,所述装置还包括风险集合区域确定模块,具体用于:
根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
根据所述主车的位置信息、所述目标区域以及所述外接矩形区域,确定所述目标静止障碍物导致的所述主车的盲区区域;
在所述盲区区域存在路口的情况下,根据所述盲区区域和所述风险区域确定风险集合区域,并根据所述风险集合区域控制主车在所述目标区域中行驶。
可选的,所述风险集合区域确定模块,具体还用于:
根据所述主车的当前行驶方向,从所述盲区区域的候选盲区边界中确定目标盲区边界;
将与所述当前行驶方向垂直,且经过所述目标盲区边界中第一边界顶点的方向,作为第一基准方向,并将与所述当前行驶方向垂直,且经过所述目标盲区边界中第二边界顶点的方向,作为第二基准方向;
根据所述第一边界顶点的第一顶点位置、所述第二边界顶点的第二顶点位置、所述第一基准方向和所述第二基准方向,确定所述盲区区域的盲区风险区域;
将所述风险区域、所述盲区区域以及所述盲区风险区域的区域并集,作为所述风险集合区域。
可选的,所述风险集合区域确定模块,具体还用于:
根据所述第一基准方向以及最大转向角,确定第一左转方向和第一右转方向,并根据所述第二基准方向以及最大转向角,确定第二左转方向和第二右转方向;
根据所述风险时间和预设风险速度确定盲区风险距离,并根据所述第一顶点位置、所述盲区风险距离、所述第一左转方向和所述第一右转方向,确定第一左转风险位置和第一右转风险位置;
根据所述第二顶点位置、所述盲区风险距离、所述第二左转方向和所述第二右转方向,确定第二左转风险位置和第二右转风险位置;
根据所述第一顶点位置、所述第一左转风险位置、所述第一右转风险位置、所述第二顶点位置、所述第二左转风险位置和所述第二右转风险位置,确定所述盲区区域的盲区风险区域。
可选的,所述运动状态预测模块41,具体用于:
将目标静止障碍物的道路属性信息输入至二分类模型中,确定所述目标静止障碍物在未来时刻的运动状态的概率;其中,所述运动状态为静止状态或移动状态;
根据所述运动状态的概率和概率阈值,确定所述目标静止障碍物在未来时刻的运动状态。
可选的,所述道路属性信息包括尺寸信息、类型信息、位置信息、姿态信息、车道信息和红绿灯信息中的至少一种。
本公开实施例所公开的车辆控制装置40可执行本公开实施例所公开的车辆控制方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开方法实施例中的描述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
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5示出了可以用来实施本公开的实施例的示例电子设备500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5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501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501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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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)、区块链网络和互联网。
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。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服务中,存在的管理难度大,业务扩展性弱的缺陷。
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 (16)
1.一种车辆控制方法,包括:
根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态;
根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域;
根据所述风险区域控制主车在所述目标区域中行驶;
其中,所述确定所述目标静止障碍物在所述目标区域中的风险区域之后,还包括:
根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
根据所述主车的位置信息、所述目标区域以及所述外接矩形区域,确定所述目标静止障碍物导致的所述主车的盲区区域;
在所述盲区区域存在路口的情况下,根据所述主车的当前行驶方向,从所述盲区区域的候选盲区边界中确定目标盲区边界;
将与所述当前行驶方向垂直,且经过所述目标盲区边界中第一边界顶点的方向,作为第一基准方向,并将与所述当前行驶方向垂直,且经过所述目标盲区边界中第二边界顶点的方向,作为第二基准方向;
根据所述第一边界顶点的第一顶点位置、所述第二边界顶点的第二顶点位置、所述第一基准方向和所述第二基准方向,确定所述盲区区域的盲区风险区域;
将所述风险区域、所述盲区区域以及所述盲区风险区域的区域并集,作为风险集合区域;
根据所述风险集合区域控制主车在所述目标区域中行驶。
2.根据权利要求1所述的方法,其中,所述根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域,包括:
在所述运动状态为移动状态的情况下,根据所述位置信息和所述主车的速度信息确定风险时间;
根据所述目标静止障碍物的类型,确定所述目标静止障碍物在启动时的平均前进速度、平均后退速度、平均左转速度、以及平均右转速度;
根据所述平均前进速度、所述平均后退速度、所述平均左转速度、所述平均右转速度和所述风险时间,确定所述风险区域。
3.根据权利要求2所述的方法,其中,所述根据所述平均前进速度、所述平均后退速度、所述平均左转速度、所述平均右转速度和所述风险时间,确定所述风险区域,包括:
根据所述平均前进速度、所述平均后退速度、所述平均左转速度、所述平均右转速度和所述风险时间,分别确定所述目标静止障碍物在启动时的前进风险距离、后退风险距离、左转风险距离和右转风险距离;
根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
根据所述外接矩形区域、所述前进风险距离、所述后退风险距离、所述左转风险距离和所述右转风险距离,确定所述风险区域。
4.根据权利要求1所述的方法,其中,所述根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域,包括:
在所述运动状态为静止状态的情况下,根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
将所述外接矩形区域作为所述风险区域。
5.根据权利要求2所述的方法,其中,所述根据所述第一边界顶点的第一顶点位置、所述第二边界顶点的第二顶点位置、所述第一基准方向和所述第二基准方向,确定所述盲区区域的盲区风险区域,包括:
根据所述第一基准方向以及最大转向角,确定第一左转方向和第一右转方向,并根据所述第二基准方向以及最大转向角,确定第二左转方向和第二右转方向;
根据所述风险时间和预设风险速度确定盲区风险距离,并根据所述第一顶点位置、所述盲区风险距离、所述第一左转方向和所述第一右转方向,确定第一左转风险位置和第一右转风险位置;
根据所述第二顶点位置、所述盲区风险距离、所述第二左转方向和所述第二右转方向,确定第二左转风险位置和第二右转风险位置;
根据所述第一顶点位置、所述第一左转风险位置、所述第一右转风险位置、所述第二顶点位置、所述第二左转风险位置和所述第二右转风险位置,确定所述盲区区域的盲区风险区域。
6.根据权利要求1所述的方法,其中,所述根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态,包括:
将目标静止障碍物的道路属性信息输入至二分类模型中,确定所述目标静止障碍物在未来时刻的运动状态的概率;其中,所述运动状态为静止状态或移动状态;
根据所述运动状态的概率和概率阈值,确定所述目标静止障碍物在未来时刻的运动状态。
7.根据权利要求1-6中任一所述的方法,其中,所述道路属性信息包括尺寸信息、类型信息、位置信息、姿态信息、车道信息和红绿灯信息中的至少一种。
8.一种车辆控制装置,包括:
运动状态预测模块,用于根据目标区域中目标静止障碍物的道路属性信息,预测所述目标静止障碍物在未来时刻的运动状态;
风险区域确定模块,用于根据所述目标静止障碍物的位置信息和所述运动状态,确定所述目标静止障碍物在所述目标区域中的风险区域;
车辆控制模块,用于根据所述风险区域控制主车在所述目标区域中行驶;
风险集合区域确定模块,具体用于:
根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
根据所述主车的位置信息、所述目标区域以及所述外接矩形区域,确定所述目标静止障碍物导致的所述主车的盲区区域;
在所述盲区区域存在路口的情况下,根据所述主车的当前行驶方向,从所述盲区区域的候选盲区边界中确定目标盲区边界;
将与所述当前行驶方向垂直,且经过所述目标盲区边界中第一边界顶点的方向,作为第一基准方向,并将与所述当前行驶方向垂直,且经过所述目标盲区边界中第二边界顶点的方向,作为第二基准方向;
根据所述第一边界顶点的第一顶点位置、所述第二边界顶点的第二顶点位置、所述第一基准方向和所述第二基准方向,确定所述盲区区域的盲区风险区域;
将所述风险区域、所述盲区区域以及所述盲区风险区域的区域并集,作为风险集合区域;
根据所述风险集合区域控制主车在所述目标区域中行驶。
9.根据权利要求8所述的装置,其中,所述风险区域确定模块,具体用于:
在所述运动状态为移动状态的情况下,根据所述位置信息和所述主车的速度信息确定风险时间;
根据所述目标静止障碍物的类型,确定所述目标静止障碍物在启动时的平均前进速度、平均后退速度、平均左转速度、以及平均右转速度;
根据所述平均前进速度、所述平均后退速度、所述平均左转速度、所述平均右转速度和所述风险时间,确定所述风险区域。
10.根据权利要求9所述的装置,其中,所述风险区域确定模块,具体还用于:
根据所述平均前进速度、所述平均后退速度、所述平均左转速度、所述平均右转速度和所述风险时间,分别确定所述目标静止障碍物在启动时的前进风险距离、后退风险距离、左转风险距离和右转风险距离;
根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
根据所述外接矩形区域、所述前进风险距离、所述后退风险距离、所述左转风险距离和所述右转风险距离,确定所述风险区域。
11.根据权利要求8所述的装置,其中,所述风险区域确定模块,具体用于:
在所述运动状态为静止状态的情况下,根据所述目标静止障碍物的位置信息,确定所述目标静止障碍物的外接矩形区域;
将所述外接矩形区域作为所述风险区域。
12.根据权利要求9所述的装置,其中,所述风险集合区域确定模块,具体还用于:
根据所述第一基准方向以及最大转向角,确定第一左转方向和第一右转方向,并根据所述第二基准方向以及最大转向角,确定第二左转方向和第二右转方向;
根据所述风险时间和预设风险速度确定盲区风险距离,并根据所述第一顶点位置、所述盲区风险距离、所述第一左转方向和所述第一右转方向,确定第一左转风险位置和第一右转风险位置;
根据所述第二顶点位置、所述盲区风险距离、所述第二左转方向和所述第二右转方向,确定第二左转风险位置和第二右转风险位置;
根据所述第一顶点位置、所述第一左转风险位置、所述第一右转风险位置、所述第二顶点位置、所述第二左转风险位置和所述第二右转风险位置,确定所述盲区区域的盲区风险区域。
13.根据权利要求8所述的装置,其中,所述运动状态预测模块,具体用于:
将目标静止障碍物的道路属性信息输入至二分类模型中,确定所述目标静止障碍物在未来时刻的运动状态的概率;其中,所述运动状态为静止状态或移动状态;
根据所述运动状态的概率和概率阈值,确定所述目标静止障碍物在未来时刻的运动状态。
14.根据权利要求8-13中任一所述的装置,其中,所述道路属性信息包括尺寸信息、类型信息、位置信息、姿态信息、车道信息和红绿灯信息中的至少一种。
15.一种电子设备,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1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111544722.XA CN114030483B (zh) | 2021-12-16 | 2021-12-16 | 车辆控制方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111544722.XA CN114030483B (zh) | 2021-12-16 | 2021-12-16 | 车辆控制方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114030483A CN114030483A (zh) | 2022-02-11 |
CN114030483B true CN114030483B (zh) | 2024-06-07 |
Family
ID=80146920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111544722.XA Active CN114030483B (zh) | 2021-12-16 | 2021-12-16 | 车辆控制方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114030483B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115476863B (zh) * | 2022-10-29 | 2024-08-06 | 重庆长安汽车股份有限公司 | 一种车辆加速度确定方法、控制方法、系统、设备及介质 |
CN115468578B (zh) * | 2022-11-03 | 2023-03-24 | 广汽埃安新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012173786A (ja) * | 2011-02-17 | 2012-09-10 | Toyota Motor Corp | 運転支援装置 |
CN105216792A (zh) * | 2014-06-12 | 2016-01-06 | 株式会社日立制作所 | 对周围环境中的障碍物目标进行识别跟踪的方法和设备 |
CN111186437A (zh) * | 2019-12-25 | 2020-05-22 | 北京三快在线科技有限公司 | 一种车辆轨迹的风险确定方法及装置 |
WO2021142799A1 (zh) * | 2020-01-17 | 2021-07-22 | 华为技术有限公司 | 路径选择方法和路径选择装置 |
CN113348119A (zh) * | 2020-04-02 | 2021-09-03 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
CN113715814A (zh) * | 2021-09-02 | 2021-11-30 | 北京百度网讯科技有限公司 | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102683742B1 (ko) * | 2019-01-09 | 2024-07-12 | 현대자동차주식회사 | 차량 및 그 제어방법 |
US11292132B2 (en) * | 2020-05-26 | 2022-04-05 | Edda Technology, Inc. | Robot path planning method with static and dynamic collision avoidance in an uncertain environment |
-
2021
- 2021-12-16 CN CN202111544722.XA patent/CN114030483B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012173786A (ja) * | 2011-02-17 | 2012-09-10 | Toyota Motor Corp | 運転支援装置 |
CN105216792A (zh) * | 2014-06-12 | 2016-01-06 | 株式会社日立制作所 | 对周围环境中的障碍物目标进行识别跟踪的方法和设备 |
CN111186437A (zh) * | 2019-12-25 | 2020-05-22 | 北京三快在线科技有限公司 | 一种车辆轨迹的风险确定方法及装置 |
WO2021142799A1 (zh) * | 2020-01-17 | 2021-07-22 | 华为技术有限公司 | 路径选择方法和路径选择装置 |
CN113348119A (zh) * | 2020-04-02 | 2021-09-03 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
WO2021196145A1 (zh) * | 2020-04-02 | 2021-10-07 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
CN113715814A (zh) * | 2021-09-02 | 2021-11-30 | 北京百度网讯科技有限公司 | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN114030483A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114030483B (zh) | 车辆控制方法、装置、电子设备和介质 | |
CN112526999B (zh) | 速度规划方法、装置、电子设备和存储介质 | |
CN114312836A (zh) | 自动驾驶车辆礼让行人的方法、装置、设备及存储介质 | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN116149329A (zh) | 轨迹确定方法、装置、设备以及自动驾驶车辆 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
WO2022088658A1 (zh) | 一种行人穿行意图估计方法、装置、设备和汽车 | |
CN114212108A (zh) | 自动驾驶方法、装置、车辆、存储介质及产品 | |
KR20200133122A (ko) | 차량 충돌 방지 장치 및 방법 | |
CN117636307A (zh) | 基于语义信息的目标检测方法、设备及自动驾驶车辆 | |
CN117168488A (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN116080399B (zh) | 一种显示方法、显示系统及存储介质 | |
CN116890876A (zh) | 车辆控制方法、装置、电子设备和自动驾驶车辆 | |
CN116215517A (zh) | 碰撞检测方法、装置、设备、存储介质和自动驾驶车辆 | |
CN114103957B (zh) | 变道控制方法、装置、电子设备和存储介质 | |
CN116572946A (zh) | 车辆绕行方法、装置、电子设备、车辆和存储介质 | |
CN114379587B (zh) | 自动驾驶中避让行人的方法与装置 | |
CN115782876A (zh) | 一种变道轨迹生成方法、装置、设备及自动驾驶车辆 | |
CN116013108A (zh) | 基于v2x的车辆轨迹预测方法、装置、设备及自动驾驶车辆 | |
CN115285128A (zh) | 一种危险目标的确定方法、装置、设备及存储介质 | |
CN115447612A (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
CN115123297A (zh) | 车辆控制方法、装置、设备、车辆和存储介质 | |
CN114299758A (zh) | 车辆控制方法及装置、设备、介质和产品 | |
CN116868239A (zh) | 静态占用跟踪 | |
CN114407916B (zh) | 车辆控制及模型训练方法、装置、车辆、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 |