CN114326723A - 一种无人设备的控制方法及控制装置 - Google Patents

Abstract

本说明书公开了一种无人设备的控制方法及控制装置，获取到无人设备周围各障碍物的行驶数据，根据获取到的行驶数据，确定出各障碍物之间的行为匹配度。在得到各障碍物间的行为匹配度后，根据行为匹配度，对各障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含有至少一个障碍物。在得到聚类主体后，针对每个聚类主体，根据该聚类主体中包含的障碍物的行驶数据，确定该聚类主体对应的状态数据，再根据状态数据，确定出针对无人设备的行驶决策，基于行驶决策对无人设备进行控制。

Description

一种无人设备的控制方法及控制装置

技术领域

本说明书涉及无人驾驶技术领域，尤其涉及一种无人设备的控制方法及控制装置。

背景技术

在自动驾驶的环境下，自动驾驶车辆为了避免出现交通事故，需要对移动障碍物的移动轨迹进行预测，从而使得自动驾驶车辆能够实施合适的驾驶决策，以避免与移动障碍物发生碰撞。

目前，自动驾驶车辆针对移动障碍物，尤其是针对低速移动障碍物的主要方式为：预测自动驾驶车辆感知范围内的所有低速移动障碍物的移动轨迹，根据预测结果实施自动驾驶车辆的驾驶决策。例如：自动驾驶车辆在面对行人穿过马路时，将预测每个行人的移动轨迹，并根据预测结果实施自动驾驶车辆的驾驶决策。

由于低速移动障碍物，例如行人在移动过程中个体数量较多，且自由度较高，需要预留出充足的安全距离以避免与低速移动障碍物发生碰撞。因此自动驾驶车辆往往需要大量的计算量，来预测出每个个体的移动轨迹，且因为每个个体的移动轨迹都将对最终行驶决策产生影响，所以，这样在自动驾驶车辆行驶过程中，面对大量低速移动障碍物时，自动驾驶车辆的通行效率较低。

所以，如何能够在保证自动驾驶车辆面对低速移动障碍物时的安全性的情况下，减少自动驾驶车辆的计算量，提高自动驾驶车辆在面对大量低速移动障碍物时通行效率，则是一个亟待解决的问题。

发明内容

本说明书提供一种无人设备的控制方法及控制装置，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种无人设备的控制方法，包括：

获取无人设备周围各障碍物的行驶数据；

根据所述行驶数据，确定所述各障碍物之间的行为匹配度；

根据所述行为匹配度，对所述各障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含有至少一个障碍物；

针对每个聚类主体，根据该聚类主体中所包含的障碍物的行驶数据，确定该聚类主体对应的状态数据；

根据每个聚类主体对应的状态数据，确定针对所述无人设备的行驶决策；

根据所述行驶决策，对所述无人设备进行控制。

可选地，所述行驶数据包括：障碍物的位置和速度；

根据所述行驶数据，确定所述各障碍物之间的行为匹配度，具体包括：

针对所述各障碍物中的任意两个障碍物，根据这两个障碍物中每个障碍物的位置和速度，确定这两个障碍物之间的行为匹配度。

可选地，针对所述各障碍物中的任意两个障碍物，根据这两个障碍物中每个障碍物的位置和速度，确定这两个障碍物之间的行为匹配度，具体包括：

根据观测障碍物时采用的速度单位和距离单位，确定速度数据对应的权重，作为速度权重，以及位置数据对应的权重，作为位置权重；

针对所述各障碍物中的任意两个障碍物，根据这两个障碍物中每个障碍物的位置及速度，以及所述速度权重和所述位置权重，确定这两个障碍物之间的行为匹配度。

可选地，根据所述行为匹配度，对所述各障碍物进行聚类，得到至少一个聚类主体，具体包括：

根据所述行为匹配度，从所述各障碍物中确定出至少一个聚类核心；

针对每个聚类核心，根据该聚类核心中包含的障碍物的行驶数据，确定该聚类核心对应的行驶数据，并根据该聚类核心对应的行驶数据以及除位于该聚类核心以外的其他障碍物的行驶数据，确定归属于该聚类核心的障碍物；

将归属于该聚类核心的障碍物以及该聚类核心，作为一个聚类主体。

可选地，以聚类核心中包含的障碍物的数量落入到预设数量范围，且任意两个障碍物之间的行为匹配度不低于预设行为匹配度为约束条件，从所述各障碍物中确定出至少一个聚类核心。

可选地，针对每个聚类主体，根据该聚类主体中所包含的障碍物的行驶数据，确定该聚类主体对应的状态数据，具体包括：

针对每个聚类主体，根据该聚类主体中包含的障碍物的位置，确定该聚类主体的边界信息；

根据该聚类主体的边界信息，以及该聚类主体中包含的障碍物的速度，确定该聚类主体对应的状态数据。

可选地，所述障碍物包括：行人，所述无人设备包括无人车。

本说明书提供了一种无人设备的控制装置，包括：

获取模块，用于获取无人设备周围各障碍物的行驶数据；

匹配度确定模块，用于根据所述行驶数据，确定所述各障碍物之间的行为匹配度；

聚类模块，用于根据所述行为匹配度，对所述各障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含有至少一个障碍物；

状态数据确定模块，用于针对每个聚类主体，根据该聚类主体中所包含的障碍物的行驶数据，确定该聚类主体对应的状态数据；

决策模块，用于根据每个聚类主体对应的状态数据，确定针对所述无人设备的行驶决策；

控制模块，用于根据所述行驶决策，对所述无人设备进行控制。

本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述无人设备的控制方法。

本说明书提供了一种无人设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述无人设备的控制方法。

本说明书采用的上述至少一个技术方案能够达到以下有益效果：

在本说明书提供的无人设备的控制方法，获取到无人设备周围各障碍物的行驶数据，根据获取到的行驶数据，确定出各障碍物之间的行为匹配度。在得到各障碍物间的行为匹配度后，根据行为匹配度，对各障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含有至少一个障碍物。在得到聚类主体后，针对每个聚类主体，根据该聚类主体中包含的障碍物的行驶数据，确定该聚类主体对应的状态数据，再根据状态数据，确定出针对无人设备的行驶决策，基于行驶决策对无人设备进行控制。

从上述方法中可以看出，通过上述无人设备的控制方法，可以根据各障碍物间的行为匹配度，将一部分障碍物聚类为一个聚类主体来参与做出行驶决策。这样能够保证无人设备能够安全行驶的情况下，在一定程度上减少做出控制无人设备的行驶决策的计算量。同时，能够减少对最终决策产生的影响的障碍物个数，提高了无人设备在面对大量障碍物时的通行效率。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书中提供的一种无人设备的控制方法的流程示意图；

图2A～2C为本说明书提供一种对障碍物进行聚类的方式的示意图；

图3A～3C为本说明书提供的无人设备的运行场景的示意图；

图4为本说明书提供的一种无人设备的控制装置的示意图；

图5为本说明书提供的一种对应于图1的电子设备的示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书中提供的一种无人设备的控制方法的流程示意图，包括以下步骤：

S101：获取无人设备周围各障碍物的行驶数据。

在本说明书中，具体实施无人设备的控制方法的执行主体可以是无人设备本身，其中，无人设备可以是无人车、自动配送机器人等。而在本说明书中应用本说明书提供的无人设备的控制方法的无人设备可以用于执行配送领域的配送任务，如，使用无人设备进行快递、物流、外卖等配送的业务场景。

目前，在无人驾驶领域，使得无人设备实现面对障碍物做出行驶决策的主要方式为：采集到无人设备感知范围内的所有障碍物的数据，根据采集到的多个障碍物的数据对障碍物的移动轨迹进行预测，以做出相应的控制无人设备行驶的行驶决策。

这种方式，需要预测无人设备感知范围内所有的障碍物的移动轨迹，而这样需要消耗大量的计算资源，而为了能够一定程度上的减少无人设备在面对障碍物时需要的计算资源，同时提高无人设备在面对大量障碍物时的通行效率，本说明书提出了一种无人设备的控制方法。

首先，无人设备可以通过设置于无人设备上的传感器，获取到无人设备周围各障碍物的行驶数据。传感器可以包含：摄像头、激光雷达等，其中，通过传感器采集到的数据可以确定出诸如障碍物的位置、速度等行驶数据，例如，将图像中拍摄到的障碍物，基于摄像头的位姿，得到各障碍物的位置，同样可以根据连续拍摄的多帧图像，确定出障碍物的速度。

上述无人设备获取到的行驶数据可以包括：障碍物的位置、障碍物的速度及障碍物的碰撞体积等数据。其中，速度可以为矢量，包括方向及大小。

在实际应用中，行人及自行车等低速移动的障碍物在穿过道路时，往往具有集群的特征，即，一起穿过道路的低速移动的障碍物具有类似的位置及速度，因此，本方案可以将这类具有集群特征的低速移动的障碍物聚类为至少一个聚类主体，这样可以减少无人设备做出行驶决策时的计算量。

无人设备在获取到障碍物的行驶数据后，为了实现障碍物的聚类，需要先确定出各障碍物间的行为匹配度。

S102：根据所述行驶数据，确定所述各障碍物之间的行为匹配度。

无人设备根据上述障碍物的行驶数据，确定出感知范围内的障碍物之间的行为匹配度。

无人设备可以根据障碍物的行驶数据中包含的数据之间的关系来确定出各障碍物之间的行为匹配度。例如，针对任意两个障碍物，若这两个障碍物之间的位置相近且速度的大小及方向相近，则可以确定这两个障碍物之间的行为匹配度较高。再例如，针对任意两个障碍物，若这两个障碍物之间的位置相近，但是速度的大小及方向相差较大，则可以确定这两个障碍物之间的行为匹配度较低。

也就是说，行为匹配度表征了这两个障碍物之间在综合了位置及速度两个维度之后的匹配度，因此，若两个障碍物之间的行为匹配度越高，则表示这两个障碍物无论在位置上还是在速度上越接近，则可以将这两个障碍物聚类在同一个聚类主体的概率越大。

下面为本说明书提供的一种各障碍物之间的行为匹配度的方式：

针对任意两个障碍物，无人设备确定出这两个障碍物在以无人设备为原点的二维坐标系内障碍物的坐标，及这两个障碍物的速度及方向。

无人设备将这两个障碍物的坐标及速度分解到以无人设备为原点的二维坐标系的横轴及纵轴上，得到用于表征这两个障碍物行驶数据的四组数值。在根据预先设置的公式计算出这两个障碍物间的行为匹配度。

其中，确定出这两个障碍物间的行为匹配度的具体方式可以参照如下公式：

其中，D_1,2表示这两个障碍物间的行为匹配度，p_x1、p_x2表示这两个障碍物的位置在坐标系内横轴上的分量，p_y1、p_y2表示这两个障碍物的位置在坐标系内纵轴上的分量，v_x1、v_x2表示这两个障碍物的速度在坐标系内横轴上的分量，v_y1、v_y2表示这两个障碍物的速度在坐标系内纵轴上的分量，w₁、w₂、w₃、w₄为用于平衡速度及距离的权重。

在本说明书中，权重可以为根据观测障碍物时采用的速度单位和距离单位，确定速度数据对应的权重，作为速度权重，如上述公式中的w₃、w₄，以及位置数据对应的权重，作为位置权重，如上述公式中的w₁、w₂。

若速度数据与位置数据的单位不匹配，容易导致得到的速度及位置数据的数量级相差较大，则可能造成最终得到的行为匹配度只和速度或位置其中一项关联性较强。例如，若速度数据设置的单位为千米每小时，而位置数据设置的单位为米，则速度数据的数量级往往为十位数，而位置数据的数量级可能为百位数。

因此在上述公式中设置权重的目的为平衡距离与速度对于这两个障碍物之间的行为匹配度的影响程度。例如，若速度数据是数量级为十位数，位置数据的数量级为百位数，则设置w₁、w₂的值为1，而w₃、w₄的值为100，以此来实现平衡距离与速度对这两个障碍物之间的行为匹配度的影响程度。当然，上述权重可以根据实际需求而进行设定，本说明书不对上述权重的具体数值进行限定。

上述为本说明书提供的一种各障碍物之间的行为匹配度的方式，当然，能够确定出各障碍物间行为匹配度的方式有很多种，如，通过计算两个障碍物之间在行驶数据上的余弦相似度，来确定这两个障碍物之间的行为匹配度，这里就不一一举例说明了。

S103：根据所述行为匹配度，对所述各障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含有至少一个障碍物。

无人设备在得到各障碍物之间的行为匹配度后，可以根据各障碍物之间的行为匹配度，对障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含至少一个障碍物。在本说明书中对障碍物进行聚类的方式具体可以为图2A～2C所示的方式。

图2A～2C为本说明书中提供一种对障碍物进行聚类的方式的示意图：

如图2A所示，图中各圆点代表在无人设备感知范围内所有的障碍物，其中各圆点间的距离由上述得到的各障碍物之间的行为匹配度决定，即，行为匹配度越大的两个障碍物在图2A中，两者之间的距离越小。

无人设备根据各障碍物之间的行为匹配度，首先从各障碍物中确定出至少一个聚类核心。

针对如何选取聚类核心，具体可以为图2B所示的方式。

以聚类核心中包含的障碍物的数量落入到预设数量范围，且任意两个障碍物之间的行为匹配度不低于预设行为匹配度为约束条件，从各障碍物中确定出至少一个聚类核心。即，聚类核心为能够同时满足一个聚类核心中障碍物的数量不少于阈值，且任意两个聚类核心内的障碍物之间的行为匹配度不低于预设的行为匹配度这两个条件的障碍物。如图2B所示，其中圆圈内表示的为满足上述约束条件的三个障碍物对应的圆点，将圆圈内包含的三个障碍物作为一个聚类核心。

在上述条件的约束下，将符合条件的多个障碍物作为聚类核心，需要说明的是，在这种选取聚类核心的方式下，聚类核心至少包含两个障碍物，且由于在聚类核心只包含两个的情况下得到的聚类结果较差，所以使用聚类核心只包含两个障碍物的情况较少，因此针对于每个聚类核心中包含的障碍物的最小值通常为三个，在实际应用中，每个聚类核心中包含的障碍物的最小值可以根据实际需要进行设置。

针对得到的每个聚类核心，无人设备可以根据该聚类核心中包含的障碍物的行驶数据，确定该聚类核心对应的行驶数据。

其中，确定出聚类核心的行驶数据的方式可以为：将该聚类核心中包含的所有障碍物的中心点位置作为该聚类核心的位置，将该聚类核心中包含的所有障碍物的速度的平均值作为该聚类核心的速度，将该聚类核心的位置及速度作为该聚类核心的行驶数据。

无人设备根据得到的该聚类核心的行驶数据后，确定出该聚类核心的中心点，如图2C中大圆圈中的小圆点所示。以该聚类核心的中心点为圆心，以预设的行为匹配度所代表的距离为半径，得到如图2C中大圆圈，将该大圆圈内所包含的所有圆点所代表的障碍物作为一个聚类主体。

将在大圆圈外无法进行聚类的多个圆点作为一类特殊的聚类主体，即每个聚类主体中只包含一个障碍物。

上述为本说明书结合图2A～2C所介绍的一种对障碍物进行聚类的方式，同样的能够对障碍物进行聚类的方式有很多种，这里就不一一举例说明了。

S104：针对每个聚类主体，根据该聚类主体中所包含的障碍物的行驶数据，确定该聚类主体对应的状态数据。

无人设备在对各障碍物进行聚类之后，为了做出合适的行驶决策，需要得到上述多个聚类主体的状态数据。

在本说明书中，确定出聚类主体的状态数据的方式可以为：

无人设备根据上述提到的确定出聚类核心的行驶数据的方式得到聚类核心的行驶数据。同时，针对每个聚类主体，根据该聚类主体中包含的障碍物的位置，确定该聚类主体的边界信息，例如：将可以把该聚类主体内包含的所有障碍物包含在内部的最小图形，作为该聚类主体的边界信息。而后，无人设备可以根据该聚类主体的边界信息，以及该聚类主体的行驶数据，确定出该聚类主体对应的状态数据。

同理，能够确定出聚类主体的状态数据的方式可以有很多种，这里就不一一举例说明了。

S105：根据每个聚类主体对应的状态数据，确定针对所述无人设备的行驶决策。

无人设备在得到所有聚类主体对应的状态数据后，即可以将一个聚类主体中包含的各障碍物视为一个整体，通过这个聚类主体的状态数据，来整体表征该聚类主体中包含的所有障碍物的状态。可以通过该聚类主体的状态数据将该聚类主体当成一个个体来分析，以确定出针对无人设备的行驶决策。

下面结合图3A～3C具体说明无人设备在面临图示的几种无人设备的运行场景下如何制定行驶决策。

图3A～3C为本说明书提供的无人设备的运行场景的示意图：

图3A～3C中，各原点代表障碍物，圆圈表示为聚类主体，各箭头代表着图示中各障碍物及无人设备的移动方向。

如图3A所示的无人设备的运行场景下，聚类主体及所有的障碍物个体都将远离无人设备的行驶道路，则无人设备可以制定保持原定速度通行的行驶决策。

如图3B所示的无人设备的运行场景下，聚类主体及一个障碍物个体即将进入到无人设备的行驶道路中，则无人设备可以制定停车等待障碍物通过的行驶决策。

如图3C所示的无人设备的运行场景下，聚类主体即将远离无人设备的行驶道路，存在两个障碍物个体在距离无人设备的行驶道路较远的位置，且正在接近无人设备的行驶道路，则无人设备可以制定加速通行的行驶决策。

S106：根据所述行驶决策，对所述无人设备进行控制。

无人设备在得到对应于目前行驶环境的行驶决策后，依据得到的行驶决策对无人设备进行控制。

从上述介绍的一种无人设备的控制方法可以看出，利用障碍物间的行为匹配度，将障碍物聚类为聚类主体，减少了能够影响无人设备做出决策的个体数量，一定程度上减少了的减少无人设备在面对障碍物时需要的计算资源，同时，由于每一个障碍物都将对最终的行驶决策产生影响，容易造成无人设备的决策冲突，本说明书提供的这种方法可以在一定程度上的减少无人设备的决策冲突，从而提高无人设备在面对大量障碍物时的通行效率。

图4为本说明书提供的一种无人设备的控制装置的示意图，包括：

获取模块401，用于获取无人设备周围各障碍物的行驶数据；

匹配度确定模块402，用于根据所述行驶数据，确定所述各障碍物之间的行为匹配度；

聚类模块403，用于根据所述行为匹配度，对所述各障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含有至少一个障碍物；

状态数据确定模块404，用于针对每个聚类主体，根据该聚类主体中所包含的障碍物的行驶数据，确定该聚类主体对应的状态数据；

决策模块405，用于根据每个聚类主体对应的状态数据，确定针对所述无人设备的行驶决策；

控制模块406，用于根据所述行驶决策，对所述无人设备进行控制。

可选地，所述行驶数据包括：障碍物的位置和速度；

所述匹配度确定模块402具体用于，针对所述各障碍物中的任意两个障碍物，根据这两个障碍物中每个障碍物的位置和速度，确定这两个障碍物之间的行为匹配度。

可选地，所述匹配度确定模块402具体用于，根据观测障碍物时采用的速度单位和距离单位，确定速度数据对应的权重，作为速度权重，以及位置数据对应的权重，作为位置权重；针对所述各障碍物中的任意两个障碍物，根据这两个障碍物中每个障碍物的位置及速度，以及所述速度权重和所述位置权重，确定这两个障碍物之间的行为匹配度。

可选地，所述聚类模块403具体用于，根据所述行为匹配度，从所述各障碍物中确定出至少一个聚类核心；针对每个聚类核心，根据该聚类核心中包含的障碍物的行驶数据，确定该聚类核心对应的行驶数据，并根据该聚类核心对应的行驶数据以及除位于该聚类核心以外的其他障碍物的行驶数据，确定归属于该聚类核心的障碍物；将归属于该聚类核心的障碍物以及该聚类核心，作为一个聚类主体。

可选地，所述聚类模块403具体用于，以聚类核心中包含的障碍物的数量落入到预设数量范围，且任意两个障碍物之间的行为匹配度不低于预设行为匹配度为约束条件，从所述各障碍物中确定出至少一个聚类核心。

可选地，所述行驶数据包括：障碍物的位置和速度；

所述状态数据确定模块404具体用于，针对每个聚类主体，根据该聚类主体中包含的障碍物的位置，确定该聚类主体的边界信息；根据该聚类主体的边界信息，以及该聚类主体中包含的障碍物的速度，确定该聚类主体对应的状态数据。

可选地，所述障碍物包括：行人，所述无人设备包括无人车。

本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种无人设备的控制方法。

本说明书还提供了图5所示的一种对应于图1的电子设备的示意结构图。如图5所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的无人设备的控制方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书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，对于系统实施例而言，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。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种无人设备的控制方法，其特征在于，包括：

获取无人设备周围各障碍物的行驶数据；

根据所述行驶数据，确定所述各障碍物之间的行为匹配度；

根据所述行为匹配度，对所述各障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含有至少一个障碍物；

针对每个聚类主体，根据该聚类主体中所包含的障碍物的行驶数据，确定该聚类主体对应的状态数据；

根据每个聚类主体对应的状态数据，确定针对所述无人设备的行驶决策；

根据所述行驶决策，对所述无人设备进行控制。

2.如权利要求1所述的方法，其特征在于，所述行驶数据包括：障碍物的位置和速度；

根据所述行驶数据，确定所述各障碍物之间的行为匹配度，具体包括：

针对所述各障碍物中的任意两个障碍物，根据这两个障碍物中每个障碍物的位置和速度，确定这两个障碍物之间的行为匹配度。

3.如权利要求2所述的方法，其特征在于，针对所述各障碍物中的任意两个障碍物，根据这两个障碍物中每个障碍物的位置和速度，确定这两个障碍物之间的行为匹配度，具体包括：

根据观测障碍物时采用的速度单位和距离单位，确定速度数据对应的权重，作为速度权重，以及位置数据对应的权重，作为位置权重；

针对所述各障碍物中的任意两个障碍物，根据这两个障碍物中每个障碍物的位置及速度，以及所述速度权重和所述位置权重，确定这两个障碍物之间的行为匹配度。

4.如权利要求1所述的方法，其特征在于，根据所述行为匹配度，对所述各障碍物进行聚类，得到至少一个聚类主体，具体包括：

根据所述行为匹配度，从所述各障碍物中确定出至少一个聚类核心；

针对每个聚类核心，根据该聚类核心中包含的障碍物的行驶数据，确定该聚类核心对应的行驶数据，并根据该聚类核心对应的行驶数据以及除位于该聚类核心以外的其他障碍物的行驶数据，确定归属于该聚类核心的障碍物；

将归属于该聚类核心的障碍物以及该聚类核心，作为一个聚类主体。

5.如权利要求4所述的方法，其特征在于，根据所述行为匹配度，从所述各障碍物中确定出至少一个聚类核心，具体包括：

以聚类核心中包含的障碍物的数量落入到预设数量范围，且任意两个障碍物之间的行为匹配度不低于预设行为匹配度为约束条件，从所述各障碍物中确定出至少一个聚类核心。

6.如权利要求1所述的方法，其特征在于，所述行驶数据包括：障碍物的位置和速度；

针对每个聚类主体，根据该聚类主体中所包含的障碍物的行驶数据，确定该聚类主体对应的状态数据，具体包括：

针对每个聚类主体，根据该聚类主体中包含的障碍物的位置，确定该聚类主体的边界信息；

根据该聚类主体的边界信息，以及该聚类主体中包含的障碍物的速度，确定该聚类主体对应的状态数据。

7.如权利要求1～6任一项所述的方法，其特征在于，所述障碍物包括：行人，所述无人设备包括无人车。

8.一种无人设备的控制装置，其特征在于，包括：

获取模块，用于获取无人设备周围各障碍物的行驶数据；

匹配度确定模块，用于根据所述行驶数据，确定所述各障碍物之间的行为匹配度；

聚类模块，用于根据所述行为匹配度，对所述各障碍物进行聚类，得到至少一个聚类主体，其中，每个聚类主体中包含有至少一个障碍物；

状态数据确定模块，用于针对每个聚类主体，根据该聚类主体中所包含的障碍物的行驶数据，确定该聚类主体对应的状态数据；

决策模块，用于根据每个聚类主体对应的状态数据，确定针对所述无人设备的行驶决策；

控制模块，用于根据所述行驶决策，对所述无人设备进行控制。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。

10.一种无人设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～7任一项所述的方法。

Images