CN114103996A - 基于共享感知数据的自动驾驶控制方法、装置及设备 - Google Patents

基于共享感知数据的自动驾驶控制方法、装置及设备 Download PDF

Info

Publication number
CN114103996A
CN114103996A CN202111416013.3A CN202111416013A CN114103996A CN 114103996 A CN114103996 A CN 114103996A CN 202111416013 A CN202111416013 A CN 202111416013A CN 114103996 A CN114103996 A CN 114103996A
Authority
CN
China
Prior art keywords
vehicle
target
perception
data
digital twin
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
CN202111416013.3A
Other languages
English (en)
Other versions
CN114103996B (zh
Inventor
杨小枫
黄洪
冯刚
张晔
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.)
Guoqi Intelligent Control Beijing Technology Co Ltd
Original Assignee
Guoqi Intelligent Control Beijing Technology 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 Guoqi Intelligent Control Beijing Technology Co Ltd filed Critical Guoqi Intelligent Control Beijing Technology Co Ltd
Priority to CN202111416013.3A priority Critical patent/CN114103996B/zh
Publication of CN114103996A publication Critical patent/CN114103996A/zh
Application granted granted Critical
Publication of CN114103996B publication Critical patent/CN114103996B/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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0027Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • 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
    • B60W40/00Estimation 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
    • B60W40/02Estimation 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
    • 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
    • B60W2552/00Input parameters relating to infrastructure
    • B60W2552/50Barriers
    • 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
    • B60W2554/00Input parameters relating to objects
    • B60W2554/40Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404Characteristics

Landscapes

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

Abstract

本申请提供一种基于共享感知数据的自动驾驶控制方法、装置及设备,通过基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,备选车辆为距离目标车辆第一范围内的车辆,备选车辆与目标车辆通过数字孪生网络连接,数字孪生网络用于实现至少两个车辆的数字镜像,以及各车辆的数字镜像之间的通信;通过数字孪生网络,获取感知车辆的目标感知数据,其中,目标感知数据表征感知车辆所在道路的行驶环境信息;基于目标感知数据,生成自动驾驶指令,自动驾驶指令用于控制目标车辆行驶。提高了目标车辆的感知能力,扩大了感知范围,有效提高了自动驾驶过程中的安全性和平稳性。

Description

基于共享感知数据的自动驾驶控制方法、装置及设备
技术领域
本申请涉及自动驾驶控制技术领域,尤其涉及一种基于共享感知数据的自动驾驶控制方法、装置及设备。
背景技术
当前,车辆实现自动驾驶功能,通常是基于车辆设置的计算单元和传感器单元实现的,即通过车辆的传感器单元对行驶环境进行数据采集,再由计算单元进行计算和分析,得到针对车辆的控制指令。
然而,由于车辆设置的传感器数据和布放位置等方面因素的限制,在复杂路况下,传感器会受到行驶环境中临近物体的遮挡,而导致传感器的检测范围受限,进而影响车辆在自动驾驶过程中的感知能力,降低车辆行驶的安全性和平稳性。
发明内容
本申请提供一种基于共享感知数据的自动驾驶控制方法、装置及设备,用以解决现有技术中传感器的检测范围受限,影响车辆的感知能力的问题。
第一方面,本申请提供了一种基于共享感知数据的自动驾驶控制方法,包括:
基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,所述备选车辆为距离所述目标车辆第一范围内的车辆,所述备选车辆与所述目标车辆通过数字孪生网络连接,所述数字孪生网络用于实现至少两个车辆的数字镜像,以及各所述车辆的数字镜像之间的通信;通过所述数字孪生网络,获取所述感知车辆的目标感知数据,其中,所述目标感知数据表征所述感知车辆所在道路的行驶环境信息;基于所述目标感知数据,生成自动驾驶指令,所述自动驾驶指令用于控制所述目标车辆行驶。
在一种可能的实现方式中,基于目标车辆的位置,从多个备选车辆中,确定感知车辆,包括:基于所述目标车辆的位置和所述第一范围,通过所述数字孪生网络,确定至少一个所述备选车辆;根据各所述备选车辆和所述目标车辆的位置关系,确定感知车辆。
在一种可能的实现方式中,所述数字孪生网络中包括至少两个相互通信的数字孪生体,所述数字孪生体表征所述车辆的数字镜像;基于所述目标车辆的位置和所述第一范围,通过所述数字孪生网络,确定至少一个所述备选车辆,包括:获取所述目标车辆对应的目标数字孪生体;根据所述目标数字孪生体对应的第一位置坐标和所述第一范围,确定至少一个备选数字孪生体,所述备选数字孪生体对应的第二位置坐标位于所述第一位置坐标的所述第一范围内;根据所述备选数字孪生体,确定对应的备选车辆。
在一种可能的实现方式中,根据各所述备选车辆和所述目标车辆的位置关系,确定感知车辆,包括:将与所述目标车辆处于第一位置关系和/或第二位置关系的备选车辆,确定为感知车辆;其中,所述第一位置关系表征所述备选车辆位于所述目标车辆所在车道,且所述备选车辆位于所述目标车辆的前方;所述第二位置关系表征所述备选车辆位于所述目标车辆所在车道的相邻车道。
在一种可能的实现方式中,目标感知数据包括基于目标传感器采集的目标传感器数据,通过所述数字孪生网络,获取所述感知车辆的目标感知数据,包括:通过数字孪生网络,获取所述感知车辆的感知区域和目标车辆的感知区域,所述感知区域表征车辆的所述目标传感器在当前位置所能够覆盖的区域;根据所述感知车辆的感知区域和所述目标车辆的感知区域,确定感知盲区,所述感知盲区为所述感知车辆的感知区域内未被所述目标车辆的感知区域覆盖的区域;根据感知盲区,获取对应的目标传感器采集的目标传感器数据。
在一种可能的实现方式中,根据感知盲区,获取对应的目标传感器采集的目标传感器数据,包括:通过所述数字孪生网络,获取感知车辆的数字孪生体;基于所述感知车辆的数字孪生体,获取所述感知盲区对应的目标传感器标识;根据所述目标传感器标识,获得对应的所述目标传感器采集的目标传感器数据。
在一种可能的实现方式中,所述目标感知数据包括车辆的传感器数据和基于车辆的传感器数据生成的预测数据,其中,所述传感器数据用于表征距离车辆周围第二范围内的目标物体的实际位置,所述预测数据用于表征所述目标物体在第一时长后的预测位置。
在一种可能的实现方式中,所述传感器数据包括原始传感器数据和特征数据,所述特征数据为对原始传感器数据进行特征识别后生成的数据,所述特征数据用于表征所述目标物体的类别,以及所述目标物体的所述实际位置。
在一种可能的实现方式中,在获取所述感知车辆的目标感知数据前,还包括:接收所述感知车辆发送的提示信息,所述提示信息表征所述感知车辆当前的目标感知数据相对上一采集周期的目标感知数据发生变化;通过所述数字孪生网络,获取所述感知车辆的目标感知数据,包括:若接收到所述提示信息,则通过所述数字孪生网络,获取所述感知车辆的目标感知数据。
第二方面,本申请提供了一种基于共享感知数据的自动驾驶控制装置,包括:
确定模块,用于基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,所述备选车辆为距离所述目标车辆第一范围内的车辆,所述备选车辆与所述目标车辆通过数字孪生网络连接,所述数字孪生网络用于实现至少两个车辆的数字镜像,以及各所述车辆的数字镜像之间的通信关系;
获取模块,用于通过所述数字孪生网络,获取所述感知车辆的目标感知数据,其中,所述目标感知数据表征所述感知车辆所在道路的行驶环境信息;
控制模块,用于基于所述目标感知数据,生成自动驾驶指令,所述自动驾驶指令用于控制所述目标车辆行驶。
在一种可能的实现方式中,所述确定模块,具体用于:基于所述目标车辆的位置和所述第一范围,通过所述数字孪生网络,确定至少一个所述备选车辆;根据各所述备选车辆和所述目标车辆的位置关系,确定感知车辆。
在一种可能的实现方式中,所述数字孪生网络中包括至少两个相互通信的数字孪生体,所述数字孪生体表征所述车辆的数字镜像;所述确定模块在基于所述目标车辆的位置和所述第一范围,通过所述数字孪生网络,确定至少一个所述备选车辆时,具体用于:获取所述目标车辆对应的目标数字孪生体;根据所述目标数字孪生体对应的第一位置坐标和所述第一范围,确定至少一个备选数字孪生体,所述备选数字孪生体对应的第二位置坐标位于所述第一位置坐标的所述第一范围内;根据所述备选数字孪生体,确定对应的备选车辆。
在一种可能的实现方式中,所述确定模块在根据各所述备选车辆和所述目标车辆的位置关系,确定感知车辆时,具体用于:将与所述目标车辆处于第一位置关系和/或第二位置关系的备选车辆,确定为感知车辆;其中,所述第一位置关系表征所述备选车辆位于所述目标车辆所在车道,且所述备选车辆位于所述目标车辆的前方;所述第二位置关系表征所述备选车辆位于所述目标车辆所在车道的相邻车道。
在一种可能的实现方式中,目标感知数据包括基于目标传感器采集的目标传感器数据,所述获取模块,具体用于:通过数字孪生网络,获取所述感知车辆的感知区域和目标车辆的感知区域,所述感知区域表征车辆的所述目标传感器在当前位置所能够覆盖的区域;根据所述感知车辆的感知区域和所述目标车辆的感知区域,确定感知盲区,所述感知盲区为所述感知车辆的感知区域内未被所述目标车辆的感知区域覆盖的区域;根据感知盲区,获取对应的目标传感器采集的目标传感器数据。
在一种可能的实现方式中,所述获取模块在根据感知盲区,获取对应的目标传感器采集的目标传感器数据时,具体用于:通过所述数字孪生网络,获取感知车辆的数字孪生体;基于所述感知车辆的数字孪生体,获取所述感知盲区对应的目标传感器标识;根据所述目标传感器标识,获得对应的所述目标传感器采集的目标传感器数据。
在一种可能的实现方式中,所述目标感知数据包括车辆的传感器数据和基于车辆的传感器数据生成的预测数据,其中,所述传感器数据用于表征距离车辆周围第二范围内的目标物体的实际位置,所述预测数据用于表征所述目标物体在第一时长后的预测位置。
在一种可能的实现方式中,所述传感器数据包括原始传感器数据和特征数据,所述特征数据为对原始传感器数据进行特征识别后生成的数据,所述特征数据用于表征所述目标物体的类别,以及所述目标物体的所述实际位置。
在一种可能的实现方式中,在获取所述感知车辆的目标感知数据前,所述获取模块,还用于:接收所述感知车辆发送的提示信息,所述提示信息表征所述感知车辆当前的目标感知数据相对上一采集周期的目标感知数据发生变化;所述获取模块在通过所述数字孪生网络,获取所述感知车辆的目标感知数据时,具体用于:若接收到所述提示信息,则通过所述数字孪生网络,获取所述感知车辆的目标感知数据。
第三方面,本申请提供了一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如本申请实施例第一方面任一项所述的基于共享感知数据的自动驾驶控制方法。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如本申请实施例第一方面任一项所述的基于共享感知数据的自动驾驶控制方法。
根据本申请实施例的第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面任一项所述的基于共享感知数据的自动驾驶控制方法。
本申请提供的基于共享感知数据的自动驾驶控制方法、装置及设备,通过基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,所述备选车辆为距离所述目标车辆第一范围内的车辆,所述备选车辆与所述目标车辆通过数字孪生网络连接,所述数字孪生网络用于实现至少两个车辆的数字镜像,以及各所述车辆的数字镜像之间的通信;通过所述数字孪生网络,获取所述感知车辆的目标感知数据,其中,所述目标感知数据表征所述感知车辆所在道路的行驶环境信息;基于所述目标感知数据,生成自动驾驶指令,所述自动驾驶指令用于控制所述目标车辆行驶。由于在生成自动驾驶指令前,获取了感知车辆的目标感知数据,使目标车辆的自动驾驶指令可以基于感知车辆的感知数据生成,因此提高了目标车辆的感知能力,扩大了感知范围,有效提高了自动驾驶过程中的安全性和平稳性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的基于共享感知数据的自动驾驶控制方法的一种应用场景图;
图2为本申请一个实施例提供的种基于共享感知数据的自动驾驶控制方法的流程图;
图3为本申请实施例提供的一种数量孪生网络的示意图;
图4为图2所示实施例中步骤S101的具体实现步骤流程图;
图5为本申请实施例提供的一种第一位置关系示意图;
图6为本申请实施例提供的一种第二位置关系示意图;
图7为本申请实施例提供的一种基于目标感知数据进行道路感知的示意图;
图8为本申请另一个实施例提供的基于共享感知数据的自动驾驶控制方法的流程图;
图9为本申请实施例提供的一种覆盖盲区的示意图,如图9所示;
图10为图8所示实施例中步骤S205的具体实现步骤流程图;
图11为本申请一个实施例提供的基于共享感知数据的自动驾驶控制装置的结构示意图;
图12为本申请一个实施例提供的电子设备的示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
下面对本申请实施例的应用场景进行解释:
图1为本申请实施例提供的基于共享感知数据的自动驾驶控制方法的一种应用场景图,本申请实施例提供的基于共享感知数据的自动驾驶控制方法可以应用于车辆自动驾驶控制的场景下,示例性地,如图1所示,本申请实施例提供的方法的执行主体可以为服务器1,服务器1与多个智能汽车2通信连接。其中,智能汽车2上传自身的运行数据、感知数据等车辆数据,并接收服务器发送的自动驾驶指令,实现汽车车辆的自动驾驶功能。进一步地,具体地,在服务器内部署有数字孪生系统(图中未示出),其中,各智能汽车对应一个数字孪生体,用于映射智能汽车对的数字镜像。各数字孪生体之间相互通信连接,并能够进行数据交互,构成数字孪生网络。数字孪生网络可以通过一台服务器实现,也可以通过分布式系统实现,服务器通过数字孪生网络,实现对各智能汽车的各类信息接收和发送。
当前,车辆实现自动驾驶功能,通常是基于车辆设置的计算单元和传感器单元实现的,即通过车辆的传感器单元对行驶环境进行数据采集,再由计算单元进行计算和分析,得到针对车辆的控制指令,然而,由于车辆设置的传感器数据和布放位置等方面因素的限制,在复杂路况下,传感器会受到行驶环境中临近物体的遮挡,而导致传感器的检测范围受限,进而影响车辆在自动驾驶过程中的感知能力。在一些相关的技术方案中,基于车车之间的短距离数据传输技术,由于带宽和实时性方面的限制,只能实现小信息量的预警类信息,无法有效提高车辆在复杂环境下的感知能力;在另一些相关技术方案中,车辆之间通过中心服务器或边缘服务器的转发,实现数据交互,然而,由于感知数据(例如图像数据)的数据量比较大,在自动驾驶过程中,目标车辆无法长时间的、可靠的通过获得其他车辆的感知数据来进行处理,进而实现扩展感知范围和感知效果的目的。
因此,综上,现有技术中由于车辆间无法实现可靠的感知数据共享,导致仅依靠目标车辆本身的传感器无法在复杂路况下获得足够的感知数据,从而导致了感知能力不足,进而出现自动驾驶过程中行驶安全性低、平稳性差等问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请一个实施例提供的种基于共享感知数据的自动驾驶控制方法的流程图,如图2所示,本实施例提供的种基于共享感知数据的自动驾驶控制方法包括以下几个步骤:
步骤S101,基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,备选车辆为距离目标车辆第一范围内的车辆,备选车辆与目标车辆通过数字孪生网络连接,数字孪生网络用于实现至少两个车辆的数字镜像,以及各车辆的数字镜像之间的通信。
示例性地,本实施例的执行主体可以为服务器,其中,该服务器可以包括中心云服务器或边缘云服务器,或者其他的服务器的实现形式,此处不进行具体限定,可以根据需要设置。服务器与包括目标车辆在内的多个车辆通信,并进行数据交互,从而实现本实施例提供的方案。进一步地,服务器内部署有由数字孪生体构成的数量孪生网络,示例性地,图3为本申请实施例提供的一种数量孪生网络的示意图,参考图3,其中,车辆在服务器注册后,物理空间的车辆对应一个数字孪生体,用于实现车辆的数字镜像,更具体地,车辆的数字镜像,即为物理空间的车辆在虚拟空间的模拟,数字镜像能够表现车辆在真实的物理空间的运行状态等车辆信息,并能够响应针对数字镜像的输入,实现对物理空间的车辆进行控制,而数字孪生体是数字镜像的一种具体实现方式,如图3所示,各数字孪生体之间相互通信连接,构成数字孪生网络。数字孪生体的具体实现方法为现有技术,此处不再进行赘述。进一步地,数字孪生网络中的数字孪生体之间,能够相互通信并能够进行数据交互,从而在服务器一端实现各数字孪生体对应的车辆之间的数据交互。
进一步地,具体地,目标车辆为受控的自动驾驶车辆,目标车辆在与其通信的服务器的控制下,实现自动驾驶功能。其中,具体地,目标车辆可以是基于纯云控模式(即完全由服务器对其进行控制)实现自动驾驶,也可以是基于网联云控模式(即车联网和云控的混合模式,由服务器、车机系统以及其他计算单元共同完成自动驾驶控制)实现自动驾驶。
在本实施例步骤中,示例性地,目标车辆执行自动驾驶功能时,服务器通过目标车辆上报的位置信息,对其进行定位,确定目标车辆的位置,之后,服务器基于数字孪生网络,确定距离目标车辆第一范围内的汽车为备选车辆,再从备选车辆中选择出一个或多个车辆,作为感知车辆。其中,在一种可能的实现方式中,服务器将第一范围内的所有车辆作为感知车辆,在另一种可能的实现方式中,服务器基于各备选车辆的位置,将距离目标车辆最近的一个备选车辆作为感知车辆,即基于距离因素确定感知车辆。
在一种可能的实现方式中,如图4所示,步骤S101的实现方式包括:
步骤S1011,基于目标车辆的位置和第一范围,通过数字孪生网络,确定至少一个备选车辆;
示例性地,数字孪生网络中包括至少两个相互通信的数字孪生体,数字孪生体表征在服务器注册的车辆(包括目标车辆)的数字镜像,数字孪生体用于车辆的车辆信息,其中,包括其中包括车辆的位置坐标。进一步地,确定至少一个备选车辆的实现方式包括:获取目标车辆对应的目标数字孪生体;根据目标数字孪生体对应的第一位置坐标和第一范围,确定至少一个备选数字孪生体,备选数字孪生体对应的第二位置坐标位于第一位置坐标的第一范围内;根据备选数字孪生体,确定对应的备选车辆。
在该过程中,基于数字孪生体可以为一个带有功能接口的功能单元,通过调用对应的功能接口,可以获得车辆位置的坐标,例如,在对目标车辆进行自动驾驶控制的过程中,服务器中目标车辆的数字孪生体,通过感知车辆对应的数字孪生体的功能接口,获得感知车辆的相关车辆信息。此处不对此过程的具体实现进行赘述。
步骤S1012,根据各备选车辆和目标车辆的位置关系,确定感知车辆。
示例性地,确定备选车辆后,感知车辆还可以基于备选车辆和目标车辆的位置关系确定,具体地,通过在多个备选车辆中,根据各备选车辆与目标车辆的位置关系,例如位于目标车辆的前方、后方等,确定至少一个感知车辆。
更具体地,在一种可能的实现方式中,根据各备选车辆和目标车辆的位置关系,确定感知车辆的实现方式包括:将与目标车辆处于第一位置关系和/或第二位置关系的备选车辆,确定为感知车辆;其中,第一位置关系表征备选车辆位于目标车辆所在车道,且备选车辆位于目标车辆的前方;第二位置关系表征备选车辆位于目标车辆所在车道的相邻车道。
图5为本申请实施例提供的一种第一位置关系示意图,如图5所示,目标车辆对应的第一范围内包括多个备选车辆(备选车辆a、备选车辆b、备选车辆c),当某一备选车辆位于目标车辆的同一车道,且该备选车辆位于目标车辆前方时,该备选车辆的运行状态的改变(例如刹车),会影响位于同一车道后方的目标车辆的运行状态,而该备选车辆的运行状态是否改变,取决于其所在道路的行驶环境信息,例如是否有障碍物(例如车辆、行人)出现等,而同时,能够表征该行驶环境信息的感知数据(例如传感器信息)由于目标车辆受到前车的阻挡,无法获得该部分感知数据,导致目标车辆无法基于该部分感知数据进行预判控制(例如提前减速)。因此,如图5所示,该与目标车辆处于同一车辆且位于目标车辆前侧的备选车辆的感知数据,对于位于同一车辆后方位置的目标车辆,为有效感知数据,将该备选车辆(备选车辆a)确定感知车辆,在后续的步骤中获取该备选车辆的目标感知数据,可以提高目标车辆的纵向感知范围,增强目标车辆在沿直线行驶的场景下的感知能力。其中,通过第一位置关系确的感知车辆可以与目标车辆相邻,也可以不与目标车辆相邻,两种情况均可以提高目标车辆的纵向感知范围。
图6为本申请实施例提供的一种第二位置关系示意图,如图6所示,与图5所示场景类似,目标车辆对应的第一范围内包括多个备选车辆(备选车辆a、备选车辆b、备选车辆c),当某一备选车辆与位于目标车辆的相邻车道时,根据车辆间具体的位置,备选车辆会对目标车辆的传感器单元形成一定程度的阻挡,从而影响目标车辆的感知范围,形成感知盲区;因此,位于目标车辆的临道的备选车辆的感知数据,能够提供目标车辆由于被阻挡而无法感知到的有效感知数据。将该备选车辆(备选车辆b)确定感知车辆,在后续的步骤中获取该备选车辆的目标感知数据,可以提高目标车辆的横向感知范围,增强目标车辆在变道行驶的场景下的感知能力。
可以理解的是,在确定感知车辆时,可以单独使用上述图6、图7所示实施例中的任一种方法,也可以同时使用两种方法,此处不进行重复举例说明。
步骤S102,通过数字孪生网络,获取感知车辆的目标感知数据,其中,目标感知数据表征感知车辆所在道路的行驶环境信息。
示例性地,确定感知车辆后,基于数字孪生网络中感知车辆对应的数字孪生体,服务器可以获得该感知车辆对应的表征感知车辆所在道路的行驶环境信息的数据,即目标感知数据。
其中,与上述实施例步骤中通过数字孪生网络确定备选车辆及感知车辆的步骤类似,基于数字孪生网络中感知车辆对应的数字孪生体,进行功能接口调用,即可获得对应的目标感知数据。其中,目标感知数据的实现方式有多种,例如可以为感知车辆的传感器数据,即感知车辆的传感器采集的数据,更具体地,例如图像数据、雷达数据等。
再例如,还可以为感知车辆基于传感器数据生成的预测数据,其中,示例性地,传感器数据用于表征距离车辆周围第二范围内的目标物体的实际位置,预测数据用于表征目标物体在第一时长后的预测位置。预测数据为传感器数据经感知车辆的计算单元处理后所生成的数据,该预测数据也可以通过感知车辆对应的数字孪生体获得。由于预测数据是进行处理加工过的数据,其有效信息密度比原始的传感器数据的有效信息密度高,因此可以降低后续基于目标感知数据生成自动驾驶指令时服务器的计算量,减轻服务器负载,提高对目标车辆进行自动驾驶控制的实时性。
步骤S103,基于目标感知数据,生成自动驾驶指令,自动驾驶指令用于控制目标车辆行驶。
目标感知数据能够表征感知车辆所在道路的行驶环境信息,该行驶环境信息可以用于扩大目标车辆的感知范围和感知能力。图7为本申请实施例提供的一种基于目标感知数据进行道路感知的示意图,如图7所示,目标感知数据为基于目标传感器采集的目标传感器数据,更具体地,目标传感器为图像传感器,目标传感器数据为图像数据。服务器在获取目标感知数据后,将目标感知数据和目标车辆本身的感知数据(也为通过图像传感器采集的图像数据,图中示为原始感知数据),进行信息融合,可以得到一个表征更大范围的图像数据的实际感知区域(即图中原始感知数据的感知区域与目标感知数据的感知区域之和)。利用该实际感知区域对应的图像数据,基于预设的路径规划算法和预设的避障算法,生成用于控制目标车辆行驶的自动驾驶指令,并发送给目标车辆,能够实现更好的控制效果,例如更加平顺的加减速、更加合理的变道时机等。同时,由于数据计算和处理过程在服务器一侧完成,不需要目标车辆与其他车辆之间进行数据的交互,因此避免了由于网络问题导致的时延和不稳定,提高自动驾驶控制过程中的实时性和稳定性。
本实施例中,通过基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,备选车辆为距离目标车辆第一范围内的车辆,备选车辆与目标车辆通过数字孪生网络连接,数字孪生网络用于实现至少两个车辆的数字镜像,以及各车辆的数字镜像之间的通信;通过数字孪生网络,获取感知车辆的目标感知数据,其中,目标感知数据表征感知车辆所在道路的行驶环境信息;基于目标感知数据,生成自动驾驶指令,自动驾驶指令用于控制目标车辆行驶。由于在生成自动驾驶指令前,获取了感知车辆的目标感知数据,使目标车辆的自动驾驶指令可以基于感知车辆的感知数据生成,因此提高了目标车辆的感知能力,扩大了感知范围,有效提高了自动驾驶过程中的安全性和平稳性。
图8为本申请另一个实施例提供的基于共享感知数据的自动驾驶控制方法的流程图,如图8所示,本实施例提供的基于共享感知数据的自动驾驶控制方法在图2所示实施例提供的基于共享感知数据的自动驾驶控制方法的基础上,对步骤S102进一步细化,并增加了一种低功率模式的实现步骤,则本实施例提供的基于共享感知数据的自动驾驶控制方法包括以下几个步骤:
步骤S201,基于目标车辆的位置,从多个备选车辆中,确定感知车辆。
步骤S202,接收感知车辆发送的提示信息,提示信息表征感知车辆当前的目标感知数据相对上一采集周期的目标感知数据发生变化。
步骤S203A,若接收到提示信息,则通过数字孪生网络,获取感知车辆的感知区域和目标车辆的感知区域,感知区域表征车辆的目标传感器在当前位置所能够覆盖的区域。
步骤S203B,若未接收到提示信息,则返回步骤S201。
示例性地,提示信息是感知车辆基于自身的车辆信息的变化情况生成的信息,由于感知车辆通常是通过自身的传感器进行持续的数据采集,例如图像数据、雷达数据等。因此,会生成大量的传感器数据。若实时对该传感器数据进行上传,并同步至对应的数字孪生体,则会造成服务器的负担,因此,感知车辆在采集到目标感知数据后,与上一采集周期的目标感知数据进行对比,若发生变化,则此次采集的目标感知数据为有效的目标感知数据,进而向服务器发送提示信息,以使服务器通过后续步骤,获取目标感知数据,若未发生变化,则此次采集的目标感知数据为无效的目标感知数据,返回步骤S201,重新定位感知车辆。
本实施例步骤中,通过接收感知车辆的提示信息,来判断是否进行后续的步骤,实现了对自动驾驶车辆的低功率可靠控制,由于本实施例所提供的方法是基于目标车辆外部的感知车辆的感知数据进行感知范围扩展,在该过程中,会面临感知数据量大,增加服务器和网络带宽的负担的问题,因此,基于本实施例步骤,可以实现对感知车辆的感知数据的动态接收,从而降低服务器的负载,提高服务器的运行稳定性。
进一步地,其中,目标传感器,是指特定类型的传感器,例如,图像传感器(即摄像头)、激光雷达等。感知区域表征车辆的目标传感器在当前位置所能够覆盖的区域。服务器通过目标车辆对应的数字孪生体和感知车辆的数字孪生体,可以分别获得目标传感器对应的标识,而每一目标传感器对应一个固定的,以车身为参考系的监测区域,例如车身后方4平方米的区域,因此,根据目标车辆和感知车辆的位置,以及各目标传感器所对应的监测区域,即可获得感知车辆的感知区域和目标车辆的感知区域。
步骤S204,根据感知车辆的感知区域和目标车辆的感知区域,确定感知盲区,感知盲区为感知车辆的感知区域内未被目标车辆的感知区域覆盖的区域。
当感知车辆位于目标车辆同一车道的前方,或者位于目标车辆一侧的相邻车道时,感知车辆的感知区域和目标车辆的感知区域是不同的,其中包括一部分重叠部分和一部分仅能由感知车辆感知到的区域,该区域即为感知盲区。图9为本申请实施例提供的一种覆盖盲区的示意图,如图9所示,示例性地,感知车辆行驶在目标车辆所在车道的临道,目标传感器为雷达传感器,在感知车辆位于如图9所示的位置时,感知车辆的感知区域包括a1、a2、a3、a4,四个区域,目标车辆包括b1、b2、b3、b4,四个区域,其中,(目标车辆的)覆盖盲区为a2、a3区域。
步骤S205,根据感知盲区,获取对应的目标传感器采集的目标传感器数据。
进一步地,感知盲区为感知车辆的多个感知区域中的一个,在确定感知盲区后,根据对应的感知区域标识,即可对应的确定目标传感器,并获取目标传感器的数据。
示例性地,如图10所示,步骤S205的具体实现步骤包括:
步骤S2051,通过数字孪生网络,获取感知车辆的数字孪生体。
步骤S2052,基于感知车辆的数字孪生体,获取感知盲区对应的目标传感器标识。
步骤S2053,根据目标传感器标识,获得对应的目标传感器采集的目标传感器数据。
本实施例步骤中,通过对比感知车辆和目标车辆的感知区域,确定感知盲区,进而基于感知盲区获取对应的目标传感器数据,从而实现对感知车辆的感知数据中的有价值数据的筛选,降低数据传输量和数据处理量,提高数据处理的效率和感知效果。
步骤S206,获取基于感知车辆的传感器数据生成的预测数据。
进一步地,在确定感知盲区,并获取对应的目标传感器数据后,还可以获取该目标传感器数据对应的预测数据,其中,目标传感器数据,既可以是原始传感器数据,例如图像数据、雷达数据,也可以是基于原始数据进行特征识别后,得到的用于表征目标物体以及目标物体的位置坐标的特征数据;预测数据是感知车辆对目标传感器数据进行处理后得到的数据,用于预测感知盲区内的目标物体(障碍物,例如行人、车辆)的移动位置。其中,经处理的传感器数据(特征数据)以及预测数据是由感知车辆进行处理后生成的,在一些应用场景下,例如目标车辆为低计算能力的车辆,而感知车辆为高计算能力的车辆,则通过本实施例步骤的方法,可以是低计算能力的目标车辆无需自身进行数据处理,而利用高计算能力的感知车辆的计算能力,将处理后的数据直接使用,从而提高低计算能力的目标车辆的感知能力。
步骤S207,根据目标传感器数据和预测数据,生成自动驾驶指令,并将自动驾驶指令发送至目标车辆。
示例性地,在获得目标传感器数据后,根据目标传感器数据中的原始传感器数据、特征数据,以及预测数据,基于预设的路径规划算法,即可生成对应的自动驾驶指令,并将该自动驾驶指令发送至目标车辆,即可实现目标车辆的自动驾驶控制。其中,原始传感器数据、特征数据、以及预测数据的具体实现,可以是不同的方式,以及不同方式之间的组合,取决于路径规划算法的具体需要,此处不进行一一举例赘述。
本实施例中,步骤S201的实现方式与本申请图2所示实施例中的步骤S101的实现方式相同,在此不再一一赘述。
图11为本申请一个实施例提供的基于共享感知数据的自动驾驶控制装置的结构示意图,如图11所示,本实施例提供的基于共享感知数据的自动驾驶控制装置3包括:
确定模块31,用于基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,备选车辆为距离目标车辆第一范围内的车辆,备选车辆与目标车辆通过数字孪生网络连接,数字孪生网络用于实现至少两个车辆的数字镜像,以及各车辆的数字镜像之间的通信关系;
获取模块32,用于通过数字孪生网络,获取感知车辆的目标感知数据,其中,目标感知数据表征感知车辆所在道路的行驶环境信息;
控制模块33,用于基于目标感知数据,生成自动驾驶指令,自动驾驶指令用于控制目标车辆行驶。
在一种可能的实现方式中,确定模块31,具体用于:基于目标车辆的位置和第一范围,通过数字孪生网络,确定至少一个备选车辆;根据各备选车辆和目标车辆的位置关系,确定感知车辆。
在一种可能的实现方式中,数字孪生网络中包括至少两个相互通信的数字孪生体,数字孪生体表征车辆的数字镜像;确定模块31在基于目标车辆的位置和第一范围,通过数字孪生网络,确定至少一个备选车辆时,具体用于:获取目标车辆对应的目标数字孪生体;根据目标数字孪生体对应的第一位置坐标和第一范围,确定至少一个备选数字孪生体,备选数字孪生体对应的第二位置坐标位于第一位置坐标的第一范围内;根据备选数字孪生体,确定对应的备选车辆。
在一种可能的实现方式中,确定模块31在根据各备选车辆和目标车辆的位置关系,确定感知车辆时,具体用于:将与目标车辆处于第一位置关系和/或第二位置关系的备选车辆,确定为感知车辆;其中,第一位置关系表征备选车辆位于目标车辆所在车道,且备选车辆位于目标车辆的前方;第二位置关系表征备选车辆位于目标车辆所在车道的相邻车道。
在一种可能的实现方式中,目标感知数据包括基于目标传感器采集的目标传感器数据,获取模块32,具体用于:通过数字孪生网络,获取感知车辆的感知区域和目标车辆的感知区域,感知区域表征车辆的目标传感器在当前位置所能够覆盖的区域;根据感知车辆的感知区域和目标车辆的感知区域,确定感知盲区,感知盲区为感知车辆的感知区域内未被目标车辆的感知区域覆盖的区域;根据感知盲区,获取对应的目标传感器采集的目标传感器数据。
在一种可能的实现方式中,获取模块32在根据感知盲区,获取对应的目标传感器采集的目标传感器数据时,具体用于:通过数字孪生网络,获取感知车辆的数字孪生体;基于感知车辆的数字孪生体,获取感知盲区对应的目标传感器标识;根据目标传感器标识,获得对应的目标传感器采集的目标传感器数据。
在一种可能的实现方式中,目标感知数据包括车辆的传感器数据和基于车辆的传感器数据生成的预测数据,其中,传感器数据用于表征距离车辆周围第二范围内的目标物体的实际位置,预测数据用于表征目标物体在第一时长后的预测位置。
在一种可能的实现方式中,传感器数据包括原始传感器数据和特征数据,特征数据为对原始传感器数据进行特征识别后生成的数据,特征数据用于表征目标物体的类别,以及目标物体的实际位置。
在一种可能的实现方式中,在获取感知车辆的目标感知数据前,获取模块32,还用于:接收感知车辆发送的提示信息,提示信息表征感知车辆当前的目标感知数据相对上一采集周期的目标感知数据发生变化;获取模块32在通过数字孪生网络,获取感知车辆的目标感知数据时,具体用于:若接收到提示信息,则通过数字孪生网络,获取感知车辆的目标感知数据。
其中,确定模块31、获取模块32、控制模块33依次连接。本实施例提供的基于共享感知数据的自动驾驶控制方法可以执行如图2-图10任一所示的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图12为本申请一个实施例提供的电子设备的示意图,如图12所示,本实施例提供的电子设备4包括:处理器41,以及与处理器41通信连接的存储器42。
其中,存储器42存储计算机执行指令;
处理器41执行存储器42存储的计算机执行指令,以实现本申请图2-图10所对应的实施例中任一实施例提供的基于共享感知数据的自动驾驶控制方法。
其中,存储器41和处理器42通过总线43连接。
相关说明可以对应参见图2-图10所对应的实施例中的步骤所对应的相关描述和效果进行理解,此处不做过多赘述。
本申请一个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,计算机程序被处理器执行以实现本申请图2-图10所对应的实施例中任一实施例提供的基于共享感知数据的自动驾驶控制方法。
其中,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本申请一个实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本申请图2-图10所对应的实施例中任一实施例提供的基于共享感知数据的自动驾驶控制方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员在考虑说明书及实践这里公开的申请后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (13)

1.一种基于共享感知数据的自动驾驶控制方法,其特征在于,所述方法包括:
基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,所述备选车辆为距离所述目标车辆第一范围内的车辆,所述备选车辆与所述目标车辆通过数字孪生网络连接,所述数字孪生网络用于实现至少两个车辆的数字镜像,以及各所述车辆的数字镜像之间的通信;
通过所述数字孪生网络,获取所述感知车辆的目标感知数据,其中,所述目标感知数据表征所述感知车辆所在道路的行驶环境信息;
基于所述目标感知数据,生成自动驾驶指令,所述自动驾驶指令用于控制所述目标车辆行驶。
2.根据权利要求1所述的方法,其特征在于,基于目标车辆的位置,从多个备选车辆中,确定感知车辆,包括:
基于所述目标车辆的位置和所述第一范围,通过所述数字孪生网络,确定至少一个所述备选车辆;
根据各所述备选车辆和所述目标车辆的位置关系,确定感知车辆。
3.根据权利要求2所述的方法,其特征在于,所述数字孪生网络中包括至少两个相互通信的数字孪生体,所述数字孪生体表征所述车辆的数字镜像;基于所述目标车辆的位置和所述第一范围,通过所述数字孪生网络,确定至少一个所述备选车辆,包括:
获取所述目标车辆对应的目标数字孪生体;
根据所述目标数字孪生体对应的第一位置坐标和所述第一范围,确定至少一个备选数字孪生体,所述备选数字孪生体对应的第二位置坐标位于所述第一位置坐标的所述第一范围内;
根据所述备选数字孪生体,确定对应的备选车辆。
4.根据权利要求2所述的方法,其特征在于,根据各所述备选车辆和所述目标车辆的位置关系,确定感知车辆,包括:
将与所述目标车辆处于第一位置关系和/或第二位置关系的备选车辆,确定为感知车辆;
其中,所述第一位置关系表征所述备选车辆位于所述目标车辆所在车道,且所述备选车辆位于所述目标车辆的前方;
所述第二位置关系表征所述备选车辆位于所述目标车辆所在车道的相邻车道。
5.根据权利要求1所述的方法,其特征在于,目标感知数据包括基于目标传感器采集的目标传感器数据,通过所述数字孪生网络,获取所述感知车辆的目标感知数据,包括:
通过数字孪生网络,获取所述感知车辆的感知区域和目标车辆的感知区域,所述感知区域表征车辆的所述目标传感器在当前位置所能够覆盖的区域;
根据所述感知车辆的感知区域和所述目标车辆的感知区域,确定感知盲区,所述感知盲区为所述感知车辆的感知区域内未被所述目标车辆的感知区域覆盖的区域;
根据感知盲区,获取对应的目标传感器采集的目标传感器数据。
6.根据权利要求5所述的方法,其特征在于,根据感知盲区,获取对应的目标传感器采集的目标传感器数据,包括:
通过所述数字孪生网络,获取感知车辆的数字孪生体;
基于所述感知车辆的数字孪生体,获取所述感知盲区对应的目标传感器标识;
根据所述目标传感器标识,获得对应的所述目标传感器采集的目标传感器数据。
7.根据权利要求1所述的方法,其特征在于,所述目标感知数据包括车辆的传感器数据和基于车辆的传感器数据生成的预测数据,其中,所述传感器数据用于表征距离车辆周围第二范围内的目标物体的实际位置,所述预测数据用于表征所述目标物体在第一时长后的预测位置。
8.根据权利要求7所述的方法,其特征在于,所述传感器数据包括原始传感器数据和特征数据,所述特征数据为对原始传感器数据进行特征识别后生成的数据,所述特征数据用于表征所述目标物体的类别,以及所述目标物体的所述实际位置。
9.根据权利要求1-8任一项所述的方法,其特征在于,在获取所述感知车辆的目标感知数据前,还包括:
接收所述感知车辆发送的提示信息,所述提示信息表征所述感知车辆当前的目标感知数据相对上一采集周期的目标感知数据发生变化;
通过所述数字孪生网络,获取所述感知车辆的目标感知数据,包括:
若接收到所述提示信息,则通过所述数字孪生网络,获取所述感知车辆的目标感知数据。
10.一种基于共享感知数据的自动驾驶控制装置,其特征在于,包括:
确定模块,用于基于目标车辆的位置,从多个备选车辆中,确定感知车辆,其中,所述备选车辆为距离所述目标车辆第一范围内的车辆,所述备选车辆与所述目标车辆通过数字孪生网络连接,所述数字孪生网络用于实现至少两个车辆的数字镜像,以及各所述车辆的数字镜像之间的通信关系;
获取模块,用于通过所述数字孪生网络,获取所述感知车辆的目标感知数据,其中,所述目标感知数据表征所述感知车辆所在道路的行驶环境信息;
控制模块,用于基于所述目标感知数据,生成自动驾驶指令,所述自动驾驶指令用于控制所述目标车辆行驶。
11.一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至9中任一项所述的基于共享感知数据的自动驾驶控制方法。
13.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1至9中任一项所述的基于共享感知数据的自动驾驶控制方法。
CN202111416013.3A 2021-11-25 2021-11-25 基于共享感知数据的自动驾驶控制方法、装置及设备 Active CN114103996B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111416013.3A CN114103996B (zh) 2021-11-25 2021-11-25 基于共享感知数据的自动驾驶控制方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111416013.3A CN114103996B (zh) 2021-11-25 2021-11-25 基于共享感知数据的自动驾驶控制方法、装置及设备

Publications (2)

Publication Number Publication Date
CN114103996A true CN114103996A (zh) 2022-03-01
CN114103996B CN114103996B (zh) 2024-10-11

Family

ID=80375595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111416013.3A Active CN114103996B (zh) 2021-11-25 2021-11-25 基于共享感知数据的自动驾驶控制方法、装置及设备

Country Status (1)

Country Link
CN (1) CN114103996B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114578370A (zh) * 2022-04-06 2022-06-03 北京安录国际技术有限公司 一种激光雷达协同应用系统和应用方法
CN114655207A (zh) * 2022-05-13 2022-06-24 中汽创智科技有限公司 一种数据处理方法、装置、设备及存储介质
CN114724379A (zh) * 2022-06-08 2022-07-08 中汽创智科技有限公司 数据处理方法、装置、设备及存储介质
CN114802311A (zh) * 2022-06-28 2022-07-29 国汽智控(北京)科技有限公司 全局化车辆控制方法、装置、电子设备及存储介质
WO2023201736A1 (zh) * 2022-04-22 2023-10-26 北京小米移动软件有限公司 信息处理方法及装置、通信设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110874945A (zh) * 2018-08-31 2020-03-10 百度在线网络技术(北京)有限公司 基于车路协同的路侧感知系统及其车辆控制方法
CN111391855A (zh) * 2020-02-18 2020-07-10 北京聚利科技有限公司 车辆的辅助控制方法和装置
CN112180364A (zh) * 2020-09-25 2021-01-05 华人运通(上海)自动驾驶科技有限公司 获取车辆周围环境的方法、装置、电子设备及存储介质
CN112249034A (zh) * 2020-12-14 2021-01-22 国汽智控(北京)科技有限公司 一种汽车大脑系统及车辆驾驶控制方法
CN113060157A (zh) * 2021-03-30 2021-07-02 恒大新能源汽车投资控股集团有限公司 盲区路况播报装置、路况信息共享装置、系统及车辆
CN113301533A (zh) * 2021-07-28 2021-08-24 武汉理工大学 一种基于车车通讯的感知信息补偿系统与方法
CN113311817A (zh) * 2021-07-28 2021-08-27 国汽智控(北京)科技有限公司 车辆协同控制测试方法、装置、电子设备及存储介质
CN113442929A (zh) * 2021-06-21 2021-09-28 国汽智控(北京)科技有限公司 一种车辆控制方法、装置、设备和计算机可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110874945A (zh) * 2018-08-31 2020-03-10 百度在线网络技术(北京)有限公司 基于车路协同的路侧感知系统及其车辆控制方法
CN111391855A (zh) * 2020-02-18 2020-07-10 北京聚利科技有限公司 车辆的辅助控制方法和装置
CN112180364A (zh) * 2020-09-25 2021-01-05 华人运通(上海)自动驾驶科技有限公司 获取车辆周围环境的方法、装置、电子设备及存储介质
CN112249034A (zh) * 2020-12-14 2021-01-22 国汽智控(北京)科技有限公司 一种汽车大脑系统及车辆驾驶控制方法
CN113060157A (zh) * 2021-03-30 2021-07-02 恒大新能源汽车投资控股集团有限公司 盲区路况播报装置、路况信息共享装置、系统及车辆
CN113442929A (zh) * 2021-06-21 2021-09-28 国汽智控(北京)科技有限公司 一种车辆控制方法、装置、设备和计算机可读存储介质
CN113301533A (zh) * 2021-07-28 2021-08-24 武汉理工大学 一种基于车车通讯的感知信息补偿系统与方法
CN113311817A (zh) * 2021-07-28 2021-08-27 国汽智控(北京)科技有限公司 车辆协同控制测试方法、装置、电子设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114578370A (zh) * 2022-04-06 2022-06-03 北京安录国际技术有限公司 一种激光雷达协同应用系统和应用方法
WO2023201736A1 (zh) * 2022-04-22 2023-10-26 北京小米移动软件有限公司 信息处理方法及装置、通信设备及存储介质
CN114655207A (zh) * 2022-05-13 2022-06-24 中汽创智科技有限公司 一种数据处理方法、装置、设备及存储介质
CN114724379A (zh) * 2022-06-08 2022-07-08 中汽创智科技有限公司 数据处理方法、装置、设备及存储介质
CN114802311A (zh) * 2022-06-28 2022-07-29 国汽智控(北京)科技有限公司 全局化车辆控制方法、装置、电子设备及存储介质
CN114802311B (zh) * 2022-06-28 2022-09-13 国汽智控(北京)科技有限公司 全局化车辆控制方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN114103996B (zh) 2024-10-11

Similar Documents

Publication Publication Date Title
CN114103996B (zh) 基于共享感知数据的自动驾驶控制方法、装置及设备
JP7199545B2 (ja) 自律エージェントによる行動方針選択のための多視点システムおよび方法
CN107727106B (zh) 动态地图构成方法、动态地图构成系统以及移动终端
CN109278752B (zh) 基于合作感知的插电式混合动力汽车能量优化控制方法
CN111127931B (zh) 一种智能网联汽车的车路云协同方法、装置及系统
US11453410B2 (en) Reducing processing requirements for vehicle control
CN110789515B (zh) 机动车辆中用于硬件验证的系统和方法
DE112019001659T5 (de) Steuervorrichtung, steuerverfahren und programm
EP3929807A1 (en) System and method for sensor fusion system having distributed convolutional neural network
CN113335297B (zh) 一种车辆控制方法及装置
CN106778907A (zh) 一种基于多传感器信息融合的智能行车预警系统
CN114932902B (zh) 一种基于车联网技术的鬼探头预警避让方法及系统
US11987266B2 (en) Distributed processing of vehicle sensor data
WO2023023336A1 (en) Detected object path prediction for vision-based systems
CN114845267A (zh) 一种基于车联网的传感器数据共享方法和装置
JP3562278B2 (ja) 環境認識装置
CN112461255A (zh) 一种路径规划方法、车端设备及电子设备
CN113611008B (zh) 一种车辆行驶场景采集方法、装置、设备及介质
TW201800290A (zh) 交通工具用主動安全系統及其控制方法
CN114179785B (zh) 一种基于面向服务的融合泊车控制系统、电子设备和车辆
CN115240470A (zh) 基于nr-v2x的弱势交通参与者碰撞预警系统与方法
CN112249010A (zh) 车辆自动紧急制动的控制方法和装置及存储介质
Lu et al. An anti-collision algorithm for self-organizing vehicular ad-hoc network using deep learning
CN112351407A (zh) 一种基于5g分级决策的aeb策略方法
CN113790761B (zh) 驾驶端定位方法、装置、计算机设备和存储介质

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