CN114179829A - 多端协同的车辆行驶方法、装置、系统及介质 - Google Patents
多端协同的车辆行驶方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN114179829A CN114179829A CN202111601720.XA CN202111601720A CN114179829A CN 114179829 A CN114179829 A CN 114179829A CN 202111601720 A CN202111601720 A CN 202111601720A CN 114179829 A CN114179829 A CN 114179829A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- running
- driving
- traffic
- 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 57
- 230000001149 cognitive effect Effects 0.000 claims abstract description 66
- 230000008447 perception Effects 0.000 claims abstract description 35
- 230000019771 cognition Effects 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 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
- 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
-
- B60W2420/408—
-
- 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
- B60W2552/50—Barriers
-
- 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
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
-
- 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
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
- B60W2720/106—Longitudinal acceleration
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/24—Direction of travel
Abstract
本申请公开了多端协同的车辆行驶方法、装置、系统及介质,涉及智能网联汽车领域,该方法包括:获取路端采集的环境感知信息;基于所述环境感知信息,生成交通场景认知信息;获取车辆的行驶信息;基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息;将所述行驶指示信息下发至所述车辆,以使所述车辆根据所述行驶指示信息控制自车的行驶。本申请提供的方案由路端进行感知,云端进行认知和决策,可以提高单车自动驾驶的高效与可靠,同时降低车辆成本。
Description
技术领域
本申请涉及智能网联汽车领域,具体涉及多端协同的车辆行驶方法、装置、系统及介质。
背景技术
目前自动驾驶汽车技术方案主要是以单车智能为主,即依靠车辆自身的感知、决策、控制功能实现车辆的自动驾驶。但是这种技术方案存在单车成本高、感知距离有限且存在感知盲区、车辆算力要求高等问题,因此导致单车的高级别自动驾驶难以落地推广。
发明内容
为了实现低成本、高效率的车辆自动行驶,本申请提供了多端协同的车辆行驶方法、装置、系统及介质。所述技术方案如下:
第一方面,本申请提供了一种多端协同的车辆行驶方法,应用与云端,所述方法包括:
获取路端采集的环境感知信息;
基于所述环境感知信息,生成交通场景认知信息;
获取车辆的行驶信息;
基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息;
将所述行驶指示信息下发至所述车辆,以使所述车辆根据所述行驶指示信息控制自车的行驶。
进一步地,所述基于所述环境感知信息,生成交通场景认知信息,包括:
对所述环境感知信息进行采样和时空同步,得到目标环境信息;所述环境感知信息包括激光雷达数据、毫米波雷达数据或图像数据;
对所述目标环境信息进行环境认知,得到所述交通场景认知信息。
进一步地,所述对所述目标环境信息进行环境认知,得到所述交通场景认知信息包括:
根据所述目标环境信息进行交通对象识别,确定交通对象认知信息;
根据所述目标环境信息进行局部交通环境认知,得到局部交通态势认知信息;
以及根据所述目标环境信息进行全局交通环境认知,得到全局交通态势认知信息;所述交通场景认知信息包括所述交通对象认知信息、所述局部交通态势认知新或所述全局交通态势认知信息。
进一步地,所述基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息,包括:
根据所述交通场景认知信息、所述行驶信息中的车辆当前定位信息以及目的地信息,确定行驶路径信息。
进一步地,所述基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息,还包括:
根据所述交通场景认知信息和所述行驶信息中的车辆行驶状态信息,确定实时行驶控制指令。
进一步地,所述将所述行驶指示信息下发至所述车辆,以使所述车辆根据所述行驶指示信息控制自车的行驶,包括:
通过无线通信网络,将所述行驶指示信息下发至所述车辆,以使所述车辆在确认行驶安全的情况下,根据所述行驶指示信息所包含的行驶路径信息或实时行驶控制指令,控制自车的行驶。
进一步地,所述方法还包括:
根据所述车辆上传的执行反馈信息和所述交通场景认知信息,更新所述行驶指示信息。
第二方面,本申请提供了一种多端协同的车辆行驶装置,所述装置包括:
第一获取模块,用于获取路端采集的环境感知信息;
认知模块,用于基于所述环境感知信息,生成交通场景认知信息;
第二获取模块,用于获取车辆的行驶信息;
决策模块,用于基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息;
传输模块,用于将所述行驶指示信息下发至所述车辆,以使所述车辆根据所述行驶指示信息控制自车的行驶。
第三方面,本申请提供了一种多端协同的车辆行驶系统,所述系统包括:路端子系统、云端子系统和车辆子系统,以实现如第一方面所述的一种多端协同的车辆行驶方法。
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至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面所述的一种多端协同的车辆行驶方法。
第五方面,本申请提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由所述处理器加载并执行以实现如第一方面所述的一种多端协同的车辆行驶方法。
第六方面,本申请提供了一种计算机程序产品,所述计算机程序产品包括计算机指令,所述计算机指令被处理器执行时实现如第一方面所述的一种多端协同的车辆行驶方法。
本申请提供的多端协同的车辆行驶方法、装置、系统及介质,具有如下技术效果:
在本申请提供的方案中,路端负责环境的感知,云端负责根据路端上传的环境感知信息进行对交通场景的认知,同时基于车辆的行驶信息和交通场景认知信息,为车辆生成行驶指示信息,并将该行驶指示信息下发至车辆,以使得车辆根据该行驶指示信息控制自车的自动驾驶。相比于单车的智能驾驶,感知能力由路端体现,能够对交通环境进行全面的感知,从而避免了车辆感知距离有限或存在感知盲区的问题,同时车辆的感知卸载与路端的感知共享,降低了单车成本;相比于单车的智能驾驶,计算决策能力由云端体现,依靠云端更为强大的运算能力和更为便捷的算法升级效率,能够实现对交通环境更为准确、全面的理解和预测,为车辆提供更为可靠的行驶指示信息,包括规划路径和实时行驶控制,同时云端算力的共享也进一步降低了成本。
本申请的附加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
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本申请实施例提供的一种多端协同的车辆行驶系统的架构示意图;
图2是本申请实施例提供的一种多端协同的车辆行驶方法的交互示意图;
图3是本申请实施例提供的另一种多端协同的车辆行驶方法的流程示意图;
图4是本申请实施例提供的一种具体应用场景的示意图;
图5是本申请实施例提供的一种多端协同的车辆行驶装置的示意图;
图6是本申请实施例提供的用于实现一种多端协同的车辆行驶方法的设备的硬件结构示意图。
具体实施方式
为了实现低成本、高效率的车辆自动行驶,本申请实施例提供了多端协同的车辆行驶方法、装置、系统及介质。下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。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。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,其为本申请实施例提供的一种多端协同的车辆行驶系统的架构示意图,如图1所示,该系统可以至少包括路端子系统01、云端子系统02和车辆子系统03。
具体的,所述路端子系统01可以包括激光雷达、毫米波雷达、单目视觉传感器、双目视觉传感器等多种类型的传感设备。具体的,所述路端子系统01可以用于感知并采集道路交通的环境信息,并将该环境信息上传至所述云端子系统02。所述路端子系统01和所述云端子系统02可以通过有线或无线通信方式进行直接或间接地连接,本申请对此不作限制。
具体的,所述云端子系统02可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content DeliveryNetwork,内容分发网络)以及大数据和人工智能平台等基础云计算服务的云服务器。所述云端子系统02可以包括认知模块、决策模块、传输模块,还可以包括安全模块等等。具体的,所述云端子系统02中的认知模块可以用于根据所述路端子系统01上传的环境信息,得到对于交通场景的认知信息;决策模块可以用于根据认知信息和车辆的行驶信息,生成行驶指示信息,并通过传输模块下发至对应的车辆,此外,安全模块还可以保障所述云端子系统02的信息安全与网络安全。
具体的,所述车辆子系统03可以运行在具有自动驾驶功能的智能车辆中,所述云端子系统03可以包括通信模块、AEB(Automatic Emergency Braking,紧急制动辅助)模块和线控执行模块,其中通信模块可以基于V2X(vehicle-to-everything,车与外界的信息交互)的蜂窝通信,用于实现车辆与所述云端子系统02的互联,主要包括上传车辆的行驶信息以及接收所述云端子系统02下发的行驶指示信息,还可以上传响应于行驶指示信息的反馈结果;其中AEB模块用于实现自动紧急刹车,是车辆安全的最后保障;其中线控执行模块用于实现根据行驶指示信息中的行驶路径或实时行驶指令,控制自车的行驶。
本申请实施例还可以结合云技术实现,云技术(Cloud technology)是指在广域网或局域网内将硬件、软件及网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术,也可理解为基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术及应用技术等的总称。云技术需要以云计算作为支撑。云计算是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。具体地,所述云端子系统02中的服务器和数据库位于云端,服务器可以是实体机器,也可以是虚拟化机器。
以下介绍本申请提供的一种多端协同的车辆行驶方法。图2是本申请实施例提供的一种多端协同的车辆行驶方法的流程图,本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。请参照图2,本申请实施例提供的一种多端协同的车辆行驶方法可以包括如下步骤:
S100:路端采集环境感知信息,并将环境感知信息上传至云端。
在本申请实施例中,在路端设置多种类型的感知设备,可以包括但不限于激光雷达、毫米波雷达、视觉传感器、远红外传感器等,上述感知设备可以安装在道路设施上,对交通场景下的人、动物、车、路障、道路线、交通设施、交通标志、天气等要素进行感知,得到多元的道路感知数据,包括但不限于激光雷达数据、毫米波雷达数据、视频数据、图像数据、热成像数据等。上述感知设备实时采集多元的道路感知数据构成环境感知信息。
优选地,路端还可以设有高精度定位设备,采用超宽带追踪技术,实现对运动中的交通要素的厘米级精度的定位,故上述环境感知信息还可以包括各交通要素的定位信息。
可选的,上述感知设备通过有线通信将环境感知信息上传至云端服务器,如采用光纤通信,可以有效减少信息的传输时延。
相比传统的单车智能驾驶方案,将传感器安装在路端,实现车辆的感知卸载,同时环境感知信息可为多辆车共享,降低了单车成本与系统整体成本,此外还可以提供更为全面的道路交通的环境感知信息,而不局限于单车周围的环境,避免了车辆感知距离有限或存在感知盲区的问题。
S200:云端基于环境感知信息,生成交通场景认知信息。
在本申请实施例中,云端服务器根据路端上传的实时、多元的环境感知信息,生成交通场景认知信息,该交通场景认知信息表征对道路交通环境中各交通要素的识别、交通态势的理解和预测等。
在一种可行的实施方式中,对原始的环境感知信息进行融合和认知处理,得到所需的交通场景认知信息,故上述所述步骤S200可以包括以下步骤:
S210:对环境感知信息进行采样和时空同步,得到目标环境信息;所述环境感知信息包括激光雷达数据、毫米波雷达数据或图像数据。
可以理解的是,不同类型的感知设备的数据采集频率不同,为了准确感知、认知环境信息,需要重新采样以对其进行时间、空间上的同步。
上述环境感知信息可以包括但不限于激光雷达数据、毫米波雷达数据或图像数据,本申请对此不作限制。
在另一种可行的实施方式中,数据的采样和时空同步可以在路端设备执行路端将处理后的目标环境信息上传至云端。
S230:对目标环境信息进行环境认知,得到交通场景认知信息。
在本申请实施例中,根据目标环境信息进行环境认知,可以是对交通环境中交通要素的检测、识别及分类,可以是对各交通要素运动状态的追踪,可以是对各交通要素运动趋势的预测等,还可以是对交通环境的仿真重现以及动态描述。
在本申请的一个实施例中,所述步骤S230可以包括以下步骤:
S231:根据目标环境信息进行交通对象识别,确定交通对象认知信息。
交通对象可以包括但不限于人、动物、车、路障、道路线、交通设施、交通标志、天气等交通要素。上述交通对象认知信息可以包括交通对象的类别、交通对象的运动特征、交通对象对车辆行驶的指示灯。示例性,对于交通标志,不仅需要识别出交通标志的区域,还要结合计算机图形图像技术,识别出该区域内的交通标志所表征的指示信息,例如限速30公里每小时。
S233:根据目标环境信息进行局部交通环境认知,得到局部交通态势认知信息。
具体地,局部交通环境可以是以车辆为中心的局部道路环境,局部交通态势认知信息可以包括对该局部道路环境中各交通要素的运动状态的理解和预测。
S235:根据目标环境信息进行全局交通环境认知,得到全局交通态势认知信息。
具体地,全局交通环境可以是车辆当前位置与目的地之间的道路环境,则全局交通态势认知信息可以是对该道路环境中交通状况的理解和预测;全局交通环境还可以是根据行政单位划分的交通环境,便于管理者全面了解本辖区内的交通状况。
可行地,基于高精度地图数据和目标环境信息构建道路交通模型,或是世界模型,对交通场景、交通态势进行动态、多维度、多粒度的描述,从而得到局部交通态势认知新或全局交通态势认知信息。借助云计算强大的计算能力,能有效提升认知效果。
S300:云端获取车辆的行驶信息。
在本申请实施例中,上述车辆的行驶信息可以包括但不限于车辆的行驶状态信息、当前定位信息、出发地信息、目的地信息、途经点信息等,其中行驶状态信息可以包括但不限于实时的速度、加速度、角速度、胎压等。
优选地,车辆端配置有高精度定位模块和5G(5th Generation MobileCommunicationTechnology,第五代移动通信技术)通信模块,将自车的定位信息通过5G模块发送给云端,利用5G超带宽、低时延的特性,保证数据请求与响应的高效。
在图2中示出了由车辆上传自身的信息至云端的方式,在另一种可行的实施方式中,路端可以设有高精度定位设备,采用超宽带追踪技术,实现对运动中的交通要素的厘米级精度的定位,故可以从路端采集的环境感知信息中确定车辆的当前定位信息或行驶状态信息。
S400:云端基于交通场景认知信息和行驶信息,生成行驶指示信息,并将行驶指示信息下发至车辆。
在本申请实施例中,上述行驶指示信息可以包括但不限于行驶路径信息和实时行驶控制指令等各类车辆行驶所需的计算结果和决策信息。
在本申请的一个实施例中,可以根据所述交通场景认知信息、所述行驶信息中的车辆当前定位信息以及目的地信息,确定行驶路径信息。相比于单车对于交通环境进行感知认知时可能会出现的感知范围有限、认知算力有限的问题,基于云计算的交通场景认知和决策,能够更为广泛、全面且准确地理解车辆当前位置至目的地之间交通环境的整体状态以及预测该二者之间交通环境的发展形势,从而可以给车辆提供更为可行、有效的行驶路径。
在本申请的一个实施例中,可以根据所述交通场景认知信息和所述行驶信息中的车辆行驶状态信息,确定实时行驶控制指令。同样的,基于云计算的交通场景认知和决策,能够更为准确的理解和预测车辆当前位置所处的交通环境的详细态势,为车辆当前的行驶状态提供更为准确、到位的指示。
在本申请实施例中,计算决策能力由云端体现,依靠云端更为强大的运算能力和更为便捷的算法升级效率,能够实现对交通环境更为准确、全面的理解和预测,为车辆提供更为可靠的行驶指示信息,包括规划路径和实时行驶控制,同时云端算力的共享也进一步降低了成本。
S500:车辆根据行驶指示信息控制自车的行驶。
具体地,车辆根据行驶指示信息中的行驶路径信息,按照行驶路径行驶,以及根据行驶指示信息中的实时行驶控制指令,控制车辆的行驶速度、加速度、转向角或停止等。
进一步地,车辆响应于行驶指示信息执行相应的操作,并生成执行反馈信息,车辆实时采集执行反馈信息,并上传至云端,以便云端根据执行反馈信息和交通场景认知信息实时更新行驶指示信息。
请参阅图3,图3是本申请实施例提供的另一种多端协同的车辆行驶的流程示意图。如图3所示,路端子系统中的各类感知设备采集道路交通环境数据,经过采样、时空同步、压缩等处理通过有线通信网络上传到基于云计算的云端子系统。云端子系统基于路端上传的感知数据,经过人工智能算法的处理实现对交通参与者的感识别、动线预测和整体交通态势的理解和预测。云端子系统根据整体交通态势的理解和预测、车辆行驶的目的地,规划车辆的行驶路径,并通过无线通信传输给车辆。车辆首先判断是否存在碰撞风险,如果不存在则执行云端子系统下发的行驶轨迹,如果存在风险则启动AEB功能完成制动。
请参阅图4,图4是本申请实施例供的一种具体应用场景下的多端协同的车辆行驶方法。如图4所示,路端-3部署传感器采集十字路口的交通信息,通过光纤与基于云计算的云端子子系统-4连接,上传交通感知数据。基于云计算,根据路端上传的感知数据进行感知识别、环境认知,识别到车辆当前行驶路径上有行人穿行,通过基于5GUU接口协议的蜂窝通信网络下发停车等待指令。车辆-1执行云端子系统下发的停车等待指令,实现安全驾驶。
由上述实施例可知,在本申请提供的方案中,路端负责环境的感知,云端负责根据路端上传的环境感知信息进行对交通场景的认知,同时基于车辆的行驶信息和交通场景认知信息,为车辆生成行驶指示信息,并将该行驶指示信息下发至车辆,以使得车辆根据该行驶指示信息控制自车的自动驾驶。相比于单车的智能驾驶,感知能力由路端体现,能够对交通环境进行全面的感知,从而避免了车辆感知距离有限或存在感知盲区的问题,同时车辆的感知卸载与路端的感知共享,降低了单车成本;相比于单车的智能驾驶,计算决策能力由云端体现,依靠云端更为强大的运算能力和更为便捷的算法升级效率,能够实现对交通环境更为准确、全面的理解和预测,为车辆提供更为可靠的行驶指示信息,包括规划路径和实时行驶控制,同时云端算力的共享也进一步降低了成本。
本申请实施例还提供了一种多端协同的车辆行驶装置500,如图5所示,所述装置500可以包括:
第一获取模块510,用于获取路端采集的环境感知信息;
认知模块520,用于基于所述环境感知信息,生成交通场景认知信息;
第二获取模块530,用于获取车辆的行驶信息;
决策模块540,用于基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息;
传输模块550,用于将所述行驶指示信息下发至所述车辆,以使所述车辆根据所述行驶指示信息控制自车的行驶。
在本申请的一个实施例中,所述认知模块520可以包括:
信息预处理单元,用于对所述环境感知信息进行采样和时空同步,得到目标环境信息;所述环境感知信息包括激光雷达数据、毫米波雷达数据或图像数据;
认知单元,用于对所述目标环境信息进行环境认知,得到所述交通场景认知信息。
在本申请的一个实施例中,所述认知单元可以包括:
对象认知子单元,用于根据所述目标环境信息进行交通对象识别,确定交通对象认知信息;
局部态势认知子单元,用于根据所述目标环境信息进行局部交通环境认知,得到局部交通态势认知信息;
全局态势认知子单元,用于根据所述目标环境信息进行全局交通环境认知,得到全局交通态势认知信息。
在本申请的一个实施例中,所述决策模块540可以包括:
路径规划单元,用于根据所述交通场景认知信息、所述行驶信息中的车辆当前定位信息以及目的地信息,确定行驶路径信息。
在本申请的一个实施例中,所述决策模块540还可以包括:
控制决策单元,用于根据所述交通场景认知信息和所述行驶信息中的车辆行驶状态信息,确定实时行驶控制指令。
在本申请的一个实施例中,所述传输模块550可以包括:
无线传输单元,用于通过无线通信网络,将所述行驶指示信息下发至所述车辆,以使所述车辆在确认行驶安全的情况下,根据所述行驶指示信息所包含的行驶路径信息或实时行驶控制指令,控制自车的行驶。
在本申请的一个实施例中,所述装置500还可以包括:
实时更新单元,用于根据所述车辆上传的执行反馈信息和所述交通场景认知信息,更新所述行驶指示信息。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请实施例提供了一种计算机设备,该计算机设备包括处理器和存储器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的一种多端协同的车辆行驶方法。
图6示出了一种用于实现本申请实施例所提供的一种多端协同的车辆行驶方法的设备的硬件结构示意图,所述设备可以参与构成或包含本申请实施例所提供的装置或系统。如图6所示,设备10可以包括一个或多个(图中采用1002a、1002b,……,1002n来示出)处理器1002(处理器1002可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1004、以及用于通信功能的传输装置1006。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图6所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,设备10还可包括比图6中所示更多或者更少的组件,或者具有与图6所示不同的配置。
应当注意到的是上述一个或多个处理器1002和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到设备10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器1004可用于存储应用软件的软件程序以及模块,如本申请实施例中所述的方法对应的程序指令/数据存储装置,处理器1002通过运行存储在存储器1004内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的一种多端协同的车辆行驶方法。存储器1004可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器1004可进一步包括相对于处理器1002远程设置的存储器,这些远程存储器可以通过网络连接至设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置1006用于经由一个网络接收或者发送数据。上述的网络具体实例可包括设备10的通信供应商提供的无线网络。在一个实例中,传输装置1006包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置1006可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与设备10(或移动设备)的用户界面进行交互。
本申请实施例还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可设置于服务器之中以保存用于实现方法实施例中一种多端协同的车辆行驶方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的一种多端协同的车辆行驶方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供了一种计算机程序产品或计算机程序,所述计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实施方式中提供的一种多端协同的车辆行驶方法。
由上述本申请提供的多端协同的车辆行驶方法、装置、系统及介质的实施例可见,
在本申请提供的方案中,路端负责环境的感知,云端负责根据路端上传的环境感知信息进行对交通场景的认知,同时基于车辆的行驶信息和交通场景认知信息,为车辆生成行驶指示信息,并将该行驶指示信息下发至车辆,以使得车辆根据该行驶指示信息控制自车的自动驾驶。相比于单车的智能驾驶,感知能力由路端体现,能够对交通环境进行全面的感知,从而避免了车辆感知距离有限或存在感知盲区的问题,同时车辆的感知卸载与路端的感知共享,降低了单车成本;相比于单车的智能驾驶,计算决策能力由云端体现,依靠云端更为强大的运算能力和更为便捷的算法升级效率,能够实现对交通环境更为准确、全面的理解和预测,为车辆提供更为可靠的行驶指示信息,包括规划路径和实时行驶控制,同时云端算力的共享也进一步降低了成本。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备和存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也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,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种多端协同的车辆行驶方法,其特征在于,应用于云端,所述方法包括:
获取路端采集的环境感知信息;
基于所述环境感知信息,生成交通场景认知信息;
获取车辆的行驶信息;
基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息;
将所述行驶指示信息下发至所述车辆,以使所述车辆根据所述行驶指示信息控制自车的行驶。
2.根据权利要求1所述的方法,其特征在于,所述基于所述环境感知信息,生成交通场景认知信息,包括:
对所述环境感知信息进行采样和时空同步,得到目标环境信息;所述环境感知信息包括激光雷达数据、毫米波雷达数据或图像数据;
对所述目标环境信息进行环境认知,得到所述交通场景认知信息。
3.根据权利要求2所述的方法,其特征在于,所述对所述目标环境信息进行环境认知,得到所述交通场景认知信息包括:
根据所述目标环境信息进行交通对象识别,确定交通对象认知信息;
根据所述目标环境信息进行局部交通环境认知,得到局部交通态势认知信息;
以及根据所述目标环境信息进行全局交通环境认知,得到全局交通态势认知信息;所述交通场景认知信息包括所述交通对象认知信息、所述局部交通态势认知新或所述全局交通态势认知信息。
4.根据权利要求1所述的方法,其特征在于,所述基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息,包括:
根据所述交通场景认知信息、所述行驶信息中的车辆当前定位信息以及目的地信息,确定行驶路径信息。
5.根据权利要求1所述的方法,其特征在于,所述基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息,还包括:
根据所述交通场景认知信息和所述行驶信息中的车辆行驶状态信息,确定实时行驶控制指令。
6.根据权利要求1所述的方法,其特征在于,所述将所述行驶指示信息下发至所述车辆,以使所述车辆根据所述行驶指示信息控制自车的行驶,包括:
通过无线通信网络,将所述行驶指示信息下发至所述车辆,以使所述车辆在确认行驶安全的情况下,根据所述行驶指示信息所包含的行驶路径信息或实时行驶控制指令,控制自车的行驶。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述车辆上传的执行反馈信息和所述交通场景认知信息,更新所述行驶指示信息。
8.一种多端协同的车辆行驶装置,其特征在于,所述装置包括:
第一获取模块,用于获取路端采集的环境感知信息;
认知模块,用于基于所述环境感知信息,生成交通场景认知信息;
第二获取模块,用于获取车辆的行驶信息;
决策模块,用于基于所述交通场景认知信息和所述行驶信息,生成行驶指示信息;
传输模块,用于将所述行驶指示信息下发至所述车辆,以使所述车辆根据所述行驶指示信息控制自车的行驶。
9.一种多端协同的车辆行驶系统,其特征在于,所述系统包括:路端子系统、云端子系统和车辆子系统,以实现如权利要求1至7中任一项所述的一种多端协同的车辆行驶方法。
10.一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至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1至7中任一项所述的一种多端协同的车辆行驶方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111601720.XA CN114179829A (zh) | 2021-12-24 | 2021-12-24 | 多端协同的车辆行驶方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111601720.XA CN114179829A (zh) | 2021-12-24 | 2021-12-24 | 多端协同的车辆行驶方法、装置、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114179829A true CN114179829A (zh) | 2022-03-15 |
Family
ID=80544960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111601720.XA Pending CN114179829A (zh) | 2021-12-24 | 2021-12-24 | 多端协同的车辆行驶方法、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114179829A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724391A (zh) * | 2022-03-30 | 2022-07-08 | 重庆长安汽车股份有限公司 | 一种拥堵路段车辆引导系统及方法 |
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 |
CN115665699A (zh) * | 2022-12-27 | 2023-01-31 | 博信通信股份有限公司 | 一种多场景的信号覆盖优化方法、装置、设备及介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104943684A (zh) * | 2014-03-31 | 2015-09-30 | 比亚迪股份有限公司 | 无人驾驶汽车控制系统和具有其的汽车 |
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 |
CN110928284A (zh) * | 2018-09-19 | 2020-03-27 | 百度在线网络技术(北京)有限公司 | 辅助控制车辆的自动驾驶的方法、设备、介质和系统 |
CN111367275A (zh) * | 2020-02-18 | 2020-07-03 | 吉利汽车研究院(宁波)有限公司 | 一种智能驾驶控制方法、装置、系统及存储介质 |
CN111516690A (zh) * | 2020-03-27 | 2020-08-11 | 奇瑞汽车股份有限公司 | 智能汽车的控制方法、装置及存储介质 |
CN112026786A (zh) * | 2020-09-09 | 2020-12-04 | 深圳技术大学 | 智能车的协同驾驶控制系统及多车协同驾驶控制系统 |
CN112441019A (zh) * | 2020-11-12 | 2021-03-05 | 深圳慧拓无限科技有限公司 | 一种面向车路协同的智能网联汽车行驶监控系统及方法 |
CN112612287A (zh) * | 2020-12-28 | 2021-04-06 | 清华大学 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
CN112927543A (zh) * | 2021-02-04 | 2021-06-08 | 浙江吉利控股集团有限公司 | 一种车路协同自动驾驶方法、系统及车辆 |
CN113066299A (zh) * | 2021-03-25 | 2021-07-02 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于车路云一体的客运数字交通系统 |
CN113085902A (zh) * | 2021-05-17 | 2021-07-09 | 重庆交通职业学院 | 一种基于网络的智能汽车驾驶预估方法和装置 |
CN113112840A (zh) * | 2021-03-15 | 2021-07-13 | 上海交通大学 | 一种基于车路协同的无人车超视距导航系统及方法 |
CN113485319A (zh) * | 2021-06-08 | 2021-10-08 | 中兴智能汽车有限公司 | 基于5g车路协同的自动驾驶系统 |
CN113581211A (zh) * | 2021-08-30 | 2021-11-02 | 深圳清航智行科技有限公司 | 一种车辆行驶控制方法、系统、装置及可读存储介质 |
-
2021
- 2021-12-24 CN CN202111601720.XA patent/CN114179829A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104943684A (zh) * | 2014-03-31 | 2015-09-30 | 比亚迪股份有限公司 | 无人驾驶汽车控制系统和具有其的汽车 |
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 |
CN110928284A (zh) * | 2018-09-19 | 2020-03-27 | 百度在线网络技术(北京)有限公司 | 辅助控制车辆的自动驾驶的方法、设备、介质和系统 |
CN111367275A (zh) * | 2020-02-18 | 2020-07-03 | 吉利汽车研究院(宁波)有限公司 | 一种智能驾驶控制方法、装置、系统及存储介质 |
CN111516690A (zh) * | 2020-03-27 | 2020-08-11 | 奇瑞汽车股份有限公司 | 智能汽车的控制方法、装置及存储介质 |
CN112026786A (zh) * | 2020-09-09 | 2020-12-04 | 深圳技术大学 | 智能车的协同驾驶控制系统及多车协同驾驶控制系统 |
CN112441019A (zh) * | 2020-11-12 | 2021-03-05 | 深圳慧拓无限科技有限公司 | 一种面向车路协同的智能网联汽车行驶监控系统及方法 |
CN112612287A (zh) * | 2020-12-28 | 2021-04-06 | 清华大学 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
CN112927543A (zh) * | 2021-02-04 | 2021-06-08 | 浙江吉利控股集团有限公司 | 一种车路协同自动驾驶方法、系统及车辆 |
CN113112840A (zh) * | 2021-03-15 | 2021-07-13 | 上海交通大学 | 一种基于车路协同的无人车超视距导航系统及方法 |
CN113066299A (zh) * | 2021-03-25 | 2021-07-02 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于车路云一体的客运数字交通系统 |
CN113085902A (zh) * | 2021-05-17 | 2021-07-09 | 重庆交通职业学院 | 一种基于网络的智能汽车驾驶预估方法和装置 |
CN113485319A (zh) * | 2021-06-08 | 2021-10-08 | 中兴智能汽车有限公司 | 基于5g车路协同的自动驾驶系统 |
CN113581211A (zh) * | 2021-08-30 | 2021-11-02 | 深圳清航智行科技有限公司 | 一种车辆行驶控制方法、系统、装置及可读存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724391A (zh) * | 2022-03-30 | 2022-07-08 | 重庆长安汽车股份有限公司 | 一种拥堵路段车辆引导系统及方法 |
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 |
CN115665699A (zh) * | 2022-12-27 | 2023-01-31 | 博信通信股份有限公司 | 一种多场景的信号覆盖优化方法、装置、设备及介质 |
CN115665699B (zh) * | 2022-12-27 | 2023-03-28 | 博信通信股份有限公司 | 一种多场景的信号覆盖优化方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11217012B2 (en) | System and method for identifying travel way features for autonomous vehicle motion control | |
CN109389832B (zh) | 使用v2x通信系统提高障碍意识的系统和方法 | |
US10613547B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
CN114179829A (zh) | 多端协同的车辆行驶方法、装置、系统及介质 | |
CN113196103A (zh) | 用于自主车辆的对象动作分类 | |
US11760385B2 (en) | Systems and methods for vehicle-to-vehicle communications for improved autonomous vehicle operations | |
US20200034351A1 (en) | Source Authentication And Changed Primitive Verification Systems And Methods For Real Time Updating Of Cloud-Based HD 3-D Map | |
CN112997211B (zh) | 数据分发系统、传感器装置和服务器 | |
CN111768440A (zh) | 用于管理受监视区域的世界模型的技术 | |
CN113848921B (zh) | 车路云协同感知的方法和系统 | |
CN110470311A (zh) | 一种地图生成方法、装置及计算机存储介质 | |
CN114153220B (zh) | 基于人工智能物联网平台用于自动驾驶的远程控制方法 | |
CN110568847B (zh) | 一种车辆的智能控制系统、方法,车载设备和存储介质 | |
CN113479195A (zh) | 用于自动代客泊车的方法和用于执行所述方法的系统 | |
CN114084170A (zh) | 一种服务于cvcs的车载智能单元及其控制方法 | |
CN107395757B (zh) | 基于acp方法和社会物理信息系统的平行车联网系统 | |
Gowtham et al. | An efficient monitoring of real time traffic clearance for an emergency service vehicle using iot | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
WO2023083043A1 (zh) | 一种不可通行区域确认方法、装置、设备及可读存储介质 | |
CN110446106B (zh) | 一种前置摄像头文件的识别方法、电子设备及存储介质 | |
Chai et al. | Technologies for autonomous driving | |
CN111077893B (zh) | 一种基于多灭点的导航方法、电子设备和存储介质 | |
KR20230051035A (ko) | Radar와 lidar 융합을 사용한 대상체 검출 | |
CN112698372A (zh) | 时空数据处理方法、装置、电子设备及存储介质 | |
CN113611121A (zh) | 一种小区内车路信息协同系统及方法 |
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 |