CN114348023A - 一种基于盲区的无人驾驶设备控制方法及装置 - Google Patents
一种基于盲区的无人驾驶设备控制方法及装置 Download PDFInfo
- Publication number
- CN114348023A CN114348023A CN202210087075.2A CN202210087075A CN114348023A CN 114348023 A CN114348023 A CN 114348023A CN 202210087075 A CN202210087075 A CN 202210087075A CN 114348023 A CN114348023 A CN 114348023A
- Authority
- CN
- China
- Prior art keywords
- unmanned equipment
- unmanned
- detection range
- determining
- current position
- 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 64
- 238000001514 detection method Methods 0.000 claims abstract description 219
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 abstract description 12
- 230000003068 static effect Effects 0.000 abstract description 12
- 238000011217 control strategy Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 27
- 230000001276 controlling effect Effects 0.000 description 24
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000000903 blocking effect Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Abstract
本说明书公开了一种基于盲区的无人驾驶设备控制方法及装置,先根据无人驾驶设备的当前位置以及高精地图,确定该无人驾驶设备的预估探测范围,以及根据在当前位置采集的点云数据,确定该无人驾驶设备的实际探测范围,然后根据该预估探测范围与该实际探测范围的差异,判断该无人驾驶设备周围环境中是否存在探测盲区,若存在,则按照预设的安全策略控制该无人驾驶设备。通过比对实际探测区域与预估探测区域,来判断是否存在对行驶存在威胁的盲区,在存在盲区时按照安全控制策略控制无人驾驶设备,提高了复杂路况下静态障碍物对无人驾驶设备的探测造成遮挡时行驶的安全性。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种基于盲区的无人驾驶设备控制方法及装置。
背景技术
目前,随着自动驾驶技术的发展,如何提高无人驾驶设备的行驶安全性是需要重点考虑的问题之一。
现有技术中,一般在控制无人驾驶设备行驶时,会根据传感器采集到的障碍物信息,预测障碍物的行驶路径,进一步确定决策并规划该无人驾驶设备的行驶轨迹以控制该无人驾驶设备安全行驶。从而避免与障碍物发生碰撞,保证无人驾驶设备的行驶安全。
但是,在实际情况中,由于道路环境中静态障碍物的遮挡,该无人驾驶设备周围环境可能存在探测盲区,难以采集到探测盲区内的环境数据,以及时确定安全的行驶策略并控制该无人驾驶设备安全行驶。可见,目前亟需一种基于盲区的无人驾驶设备控制方法,以及时确定安全的行驶策略并控制该无人驾驶设备安全行驶,提高无人驾驶设备行驶的安全性。
发明内容
本说明书实施例提供的一种基于盲区的无人驾驶设备控制方法及装置,用于至少部分的解决现有技术中存在的问题。
本说明书采用下述技术方案:
本说明书提供了一种基于盲区的无人驾驶设备控制方法,包括:
获取无人驾驶设备在当前位置采集的点云数据;
根据所述无人驾驶设备的当前位置以及高精地图,确定所述无人驾驶设备在当前位置的预估探测范围;
根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,所述实际探测范围用于表征所述无人驾驶设备在周围环境中探测不到的区域;
根据所述实际探测范围与所述预估探测范围的差异,判断所述无人驾驶设备周围环境中是否存在探测盲区;
若是,则按照预设的安全策略控制所述无人驾驶设备;
若否,则继续按照当前的行驶策略控制所述无人驾驶设备。
可选地,获取无人驾驶设备在当前位置采集的点云数据之前,所述方法还包括:
获取预先标注有风险区域的高精地图,所述风险区域为存在探测盲区的区域;
根据所述无人驾驶设备的当前位置以及所述高精地图,判断所述无人驾驶设备是否位于任一风险区域内;
若是,则按照预设的安全策略控制所述无人驾驶设备。
可选地,根据所述无人驾驶设备的当前位置以及高精地图,确定所述无人驾驶设备在当前位置的预估探测范围,具体包括:
根据所述无人驾驶设备的当前位置,确定在所述高精地图中标注的所述无人驾驶设备周围的各障碍物;
根据各障碍物的参数以及所述无人驾驶设备的当前位置,确定所述无人驾驶设备能够采集到的点云数据的区域在水平面的投影,作为所述无人驾驶设备在当前位置的预估探测范围;
所述障碍物的参数至少包括障碍物的位置以及形状。
可选地,根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,具体包括:
根据所述点云数据,确定各激光点在水平面的投影;
根据所述各激光点的投影组成的最小外接多边形,确定所述无人驾驶设备在当前位置的实际探测范围。
可选地,根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,具体包括:
确定所述无人驾驶设备行驶到当前位置前采集的若干点云数据,作为历史数据;
根据所述历史数据以及所述点云数据,确定所述无人驾驶设备周围的动态障碍物;
针对所述点云数据中每个动态障碍物,根据该动态障碍物与所述无人驾驶设备的相对位置,确定该动态障碍物的遮挡范围;
根据所述无人驾驶设备在当前位置的预估探测范围,对所述点云数据中所述遮挡范围进行填充,确定所述无人驾驶设备在当前位置的实际探测范围。
可选地,根据所述实际探测范围与所述预估探测范围的差异,判断所述无人驾驶设备周围环境中是否存在探测盲区,具体包括:
确定所述实际探测范围与所述预估探测范围之间的每处差异;
根据第一差异阈值,确定每处差异在水平面的投影面积大于所述第一差异阈值的各差异之和,作为总差异;
确定所述总差异与所述预估探测范围之间的比值;
当所述比值大于第二差异阈值时,确定所述无人驾驶设备周围环境中存在探测盲区;
其中,所述差异包括面积差异或者体积差异。
可选地,按照预设的安全策略控制所述无人驾驶设备,具体包括:
控制所述无人驾驶设备当前运行的传感器从低功耗模式变换为正常功耗模式,和/或启动所述无人驾驶设备当前未运行的传感器,并采集所述无人驾驶设备周围的环境数据。
可选地,按照预设的安全策略控制所述无人驾驶设备,具体包括:
控制所述无人驾驶设备停止行驶;或者,
控制所述无人驾驶设备的速度;或者,
开启所述无人驾驶设备的告警设备,通过所述告警设备对所述无人驾驶设备周围的交通参与者进行告警。
本说明书提供了一种基于盲区的无人驾驶设备控制装置,包括:
数据获取模块,用于获取无人驾驶设备在当前位置采集的点云数据;
预估探测范围确定模块,用于根据所述无人驾驶设备的当前位置以及高精地图,确定所述无人驾驶设备在当前位置的预估探测范围;
实际探测范围确定模块,用于根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,所述实际探测范围用于表征所述无人驾驶设备在周围环境中探测不到的区域;
判断及控制模块,用于根据所述实际探测范围以及所述预估探测范围的差异,判断所述无人驾驶设备周围环境中是否存在探测盲区,若是,则按照预设的安全策略控制所述无人驾驶设备,若否,则继续按照当前的行驶策略控制所述无人驾驶设备。
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基于盲区的无人驾驶设备控制方法。
本说明书提供了一种电子设备,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基于盲区的无人驾驶设备控制方法。
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:
在本说明书提供的基于盲区的无人驾驶设备控制方法,先根据无人驾驶设备的当前位置以及高精地图,确定该无人驾驶设备的预估探测范围,以及根据在当前位置采集的点云数据,确定该无人驾驶设备的实际探测范围,然后根据该预估探测范围与该实际探测范围的差异,判断该无人驾驶设备周围环境中是否存在探测盲区,若存在,则按照预设的安全策略控制该无人驾驶设备。通过比对实际探测区域与预估探测区域,来判断是否存在对行驶存在威胁的盲区,在存在盲区时按照安全控制策略控制无人驾驶设备,提高了复杂路况下静态障碍物对无人驾驶设备的探测造成遮挡时行驶的安全性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书提供的一种临时障碍物遮挡无人驾驶设备示意图;
图2为本说明书提供的一种基于盲区的无人驾驶设备控制的流程示意图;
图3为本说明书提供的一种高精地图风险区域标注示意图;
图4为本说明书提供的一种填充动态障碍物的遮挡范围平面示意图;
图5为本说明书提供的一种基于盲区的无人驾驶设备控制装置的示意图;
图6为本说明书提供的一种实现基于盲区的无人驾驶设备控制方法的电子设备示意图。
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申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于说明书中的实施例,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,都属于本申请保护的范围。
一般的,为了避免无人驾驶设备与障碍物发生碰撞,提高无人驾驶设备行驶的安全性,无人驾驶设备可根据传感器采集到的障碍物信息,确定避障行驶决策并进行轨迹规划。
但是,由于实际环境的复杂性,障碍物会对无人驾驶设备采集的环境数据造成遮挡,导致无人驾驶设备对环境的感知存在盲区。而若盲区内存在其他交通参与者,当其他交通参与者从盲区内驶出时,容易导致无人驾驶设备不能及时做出反应,导致出现威胁行驶的安全的事件发生。
上述所说的盲区容易出现在交叉口、存在高架桥桥墩的场景、或者侧面存在建筑物进出口的道路等场景中,可见这种场景中的盲区均是由静态障碍物造成的。
上述造成无人驾驶设备探测盲区的障碍物,通常为固定的静态障碍物。但是,实际场景中,无人驾驶设备周围环境中也会存在临时的静态障碍物。例如,临时停车、临时搭建的建筑物等临时出现的静态障碍物,为了方便描述后续简称为临时障碍物。由于临时障碍物也可对无人驾驶设备探测周围环境造成遮挡,且临时障碍物具有较强的随机性,难以预先确定其位置和形态,因此难以预先确定临时障碍物造成的风险,可见临时障碍物对无人驾驶设备的行驶安全威胁较大。
当然,动态障碍物一般也视为是临时在无人驾驶设备周围出现的障碍物,但是由于动态障碍物造成的盲区的位置以及大小等变化较快,形成盲区影响较小,因此本说明书中后续所说的临时障碍物,均是指临时的静态的障碍物。
本说明书提供了临时障碍物对无人驾驶设备探测周围环境造成遮挡的场景示意图,如图1所示。
图1中左图为无临时障碍物的对照场景示意图,右图为存在临时障碍物的场景示意图,图1左右两图中,无人驾驶设备与临时障碍物所在的场景为三岔的交叉口,其中标注A的矩形框表示无人驾驶设备,标注B的矩形框表示临时障碍物。以该无人驾驶设备A中心为圆心的圆表示该无人驾驶设备A的最大探测范围,即,该无人驾驶设备A周围环境中不存在任何障碍物时能够探测到的区域。竖向实线覆盖的范围表示该无人驾驶设备A实际的探测范围,即,该无人驾驶设备A周围环境中存在障碍物对该无人驾驶设备A造成遮挡的情况下能够探测到的区域。图1右图中,粗实线包围的范围表示该临时障碍物B的遮挡范围。
可见,对于该无人驾驶设备A,由于该临时障碍物B的遮挡,使得该无人驾驶设备A在该交叉口处,能够感知到的周围环境范围减少,无法感知到右侧路口的环境数据,若该遮挡范围内存在他交通参与者,且该交通参与者行驶路径与该无人驾驶设备A的行驶路径存在交点时,该无人驾驶设备A由于难以采集到该交通参与者的信息,并及时确定安全的行驶策略,因此,该无人驾驶设备A难以避免该遮挡范围内的交通危险。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图2为本说明书中一种基于盲区的无人驾驶设备控制方法的流程示意图,具体包括以下步骤:
S100:获取无人驾驶设备在当前位置采集的点云数据。
目前,无人驾驶设备在行驶过程中,可通过无人驾驶设备上设置的雷达采集周围环境的点云数据,以确定行驶策略并规划路径。同理,在本说明书的一个或多个实施例中,无人驾驶设备上设置有雷达,在无人驾驶设备行驶过程中,会按照预设的时间间隔不断的采集点云数据,以感知周围环境。
当然了,以无人驾驶设备在当前时刻采集的点云数据为例,该次采集的点云数据应该与该无人驾驶设备在当前时刻所在的采集位置,即,当前位置所匹配。因此,无人驾驶设备可以确定该无人驾驶设备的当前位置,以及该无人驾驶设备在当前位置采集的点云数据。
其中,该雷达具体可以为激光雷达、毫米波雷达等,该无人驾驶设备具体采用何种雷达,本说明书对此不做限制。具体采用何种方法确定该无人驾驶设备的当前位置可以根据需要确定,本说明书对此不做限制。例如,可以根据雷达采集到的点云数据进行定位,或者可以采用全球卫星导航系统(Global Navigation Satellite System,GNSS)进行定位。
该无人驾驶设备在确定自身的当前位置以及获取在当前位置采集的点云数据后,该无人驾驶设备自身可以通过后续步骤根据采集到的点云数据,确定行驶策略并控制该无人驾驶设备。
当然了,也可以将采集到的点云数据上传至服务器,由服务器根据点云数据确定无人驾驶设备的行驶决策,并根据确定出的行驶决策控制无人驾驶设备。
本说明书中提到的无人驾驶设备可以是指无人车、机器人、无人配送设备等能够实现自动驾驶的设备。为了方便说明,下面仅以无人驾驶设备为执行主体进行说明。
S102:根据所述无人驾驶设备的当前位置以及高精地图,确定所述无人驾驶设备在当前位置的预估探测范围。
无人驾驶设备在行驶过程中,还可以不断对自身进行定位,并根据得到的定位结果进行决策。该无人驾驶设备也可以根据高精地图,对自身进行有效控制,保证无人驾驶设备的安全行驶。基于此,该无人驾驶设备可以根据该无人驾驶设备的当前位置以及高精地图,确定该无人驾驶设备在当前位置的预估探测范围。
具体地,在本说明书一个或多个实施例中,该无人驾驶设备可以先根据其当前位置,确定在高精地图中标注的无人驾驶设备周围的各障碍物。然后根据各障碍物的参数以及该无人驾驶设备的当前位置,确定各障碍物的遮挡范围的总体积。最后根据该无人驾驶设备的传感器的最大采集范围的体积与各障碍物的遮挡范围的总体积之差,确定该无人驾驶设备能够采集到的点云数据的区域的体积,作为该无人驾驶设备在当前位置的预估探测范围。
其中,障碍物的参数可以是指高精地图中各地图元素的矢量数据,这里的参数至少包括障碍物的位置以及形状,使得该无人驾驶设备能够根据各障碍物的参数,确定各障碍物与该无人驾驶设备的相对位置,以确定各障碍物的遮挡范围。具体如何确定该无人驾驶设备能够采集到的点云数据的区域,可以根据需要确定,本说明书对此不做限制。该预估探测范围用于表征只有高精地图中各地图元素对该无人驾驶设备造成遮挡的理想情况下,该无人驾驶设备在周围环境中能够探测到的区域。
例如,该无人驾驶设备可以在仿真系统中基于高精地图中各地图元素的矢量数据,构建仿真环境并进行仿真,确定该无人驾驶设备能够采集到的点云数据的区域的体积,作为该无人驾驶设备在当前位置的预估探测范围。
S104:根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,所述实际探测范围用于表征所述无人驾驶设备在周围环境中探测不到的区域。
通过步骤S100得到该无人驾驶设备在当前位置采集的点云数据后,该无人驾驶设备可以根据该点云数据,确定该无人驾驶设备在当前位置的实际探测范围。则后续该无人驾驶设备可以通过比较步骤S102得到的预估探测范围与该实际探测范围,确定该无人驾驶设备周围环境中,是否存在障碍物对该无人驾驶设备造成遮挡。
具体地,在本说明书一个或多个实施例中,该无人驾驶设备可以根据采集得到的点云数据,确定各激光点组成的最小外接多面体。则该最小外接多面体的体积,即为该无人驾驶设备在实际行驶过程中,实际能够采集到的点云数据的区域的体积。因此,该最小外接多面体的体积可以作为该无人驾驶设备在当前位置的实际探测范围。
其中,该实际探测范围用于表征该无人驾驶设备在周围环境中探测不到的区域。当然了,该无人驾驶设备能够探测到的区域和探测不到的区域是对立的,能够探测到的区域之外的区域即为探测不到的区域,因此,该实际探测范围也可以用于表征该无人驾驶设备在周围环境中能够探测到的区域。
S106:根据所述实际探测范围以及所述预估探测范围的差异,判断所述无人驾驶设备周围环境中是否存在探测盲区,若是,则执行步骤S108,若否,则执行步骤S110。
通过上述确定出无人驾驶设备在当前位置的预估探测范围以及在当前位置的实际探测范围之后,该无人驾驶设备可以根据该实际探测范围以及该预估探测范围的差异,判断该无人驾驶设备周围环境中是否存在临时障碍物导致对该无人驾驶设备造成遮挡,形成探测盲区。
具体地,在本说明书一个或多个实施例中,该无人驾驶设备可以先根据该实际探测范围与该预估探测范围之间的体积之差,确定该实际探测范围与该预估探测范围的差异,并确定该差异与该预估探测范围之间的比值。最后对该比值与预设的第二差异阈值进行比较,当该比值大于该第二差异阈值时,确定该无人驾驶设备周围环境中存在探测盲区。
其中,第二差异阈值用于表征该无人驾驶设备对周围环境临时障碍物总遮挡范围的可接受程度。换句话说,当总差异不大于该第二差异阈值时,可以理解为造成各差异的各临时障碍物的总遮挡范围较小,对该无人驾驶设备探测周围环境的影响较小,即对该无人驾驶设备的行驶安全不构成威胁。当总差异大于该第二差异阈值时,则说明造成各差异的各临时障碍物的总遮挡范围较大,对该无人驾驶设备探测周围环境的影响较大,对该无人驾驶设备的行驶安全构成了威胁。第二差异阈值具体大小可以根据需要确定,本说明书对此不做限制。
例如,假设第二差异阈值为20%,预估探测范围为150m3,实际探测范围为110m3,则差异为40m3,总差异与该预估探测范围的比值为26.7%。由于该比值大于该第二差异阈值,则可确定该无人驾驶设备周围环境存在探测盲区,即该无人驾驶设备周围环境中各临时障碍物的总遮挡范围较大,对该无人驾驶设备的行驶安全构成了威胁。
此外,在本说明书一个或多个实施例中,该无人驾驶设备可以先确定该实际探测范围与该预估探测范围之间的每处差异。然后确定各差异的体积之和,作为总差异。其次确定该总差异与该预估探测范围之间的比值。最后对该比值与预设的第二差异阈值进行比较,当该比值大于该第二差异阈值时,确定该无人驾驶设备周围环境中存在探测盲区。其中,每处差异是指根据该预估探测范围,确定该实际探测范围相比于该预估探测范围缺少的部分。
进一步地,考虑到实际探测中存在误差的情况,或者为了避免累积的威胁较小的差异对总差异的影响,或者上述两种情况同时存在,该无人驾驶设备还可以根据第一差异阈值,确定每处差异在水平面的投影面积大于该第一差异阈值的各差异之和,作为总差异。其次确定该总差异与该预估探测范围之间的比值。最后当该比值大于第二差异阈值时,确定该无人驾驶设备周围环境中存在探测盲区。
其中,第一差异阈值可以用于表征该无人驾驶设备对误差的判断阈值,即当某处差异在水平面的投影面积不大于该第一差异阈值时,可以理解为该处差异是由探测误差造成的,在计算总差异时,可以忽略不计。当然了,该第一差异也可以用于表征该无人驾驶设备对周围环境单个临时障碍物遮挡范围的可接受程度。换句话说,当某处差异在水平面的投影面积不大于该第一差异阈值时,可以理解为造成该处差异的该临时障碍物的遮挡范围很小,对该无人驾驶设备探测周围环境的影响很小,即对该无人驾驶设备的行驶安全不构成威胁,此时,无需将该处差异计算入总差异内。当该处差异大于该第一差异阈值时,则说明造成该处差异的该临时障碍物的遮挡范围较大,对该无人驾驶设备探测周围环境的影响较大,对该无人驾驶设备的行驶安全构成了威胁,需将该处差异计算入总差异内。第一差异阈值具体大小可以根据需要确定,本说明书对此不做限制。这里提到的差异包括面积差异或者体积差异。
S108:按照预设的安全策略控制所述无人驾驶设备。
若步骤S106中,确定无人驾驶设备周围环境中存在盲区,则该无人驾驶设备需要按照预设的安全行驶策略控制该无人驾驶设备,保证该无人驾驶设备的行驶安全。
具体地,在本说明书一个或多个实施例中,该无人驾驶设备可以控制自身最大程度的获取周围的环境数据,以避免探测盲区内的交通危险。
例如,控制该无人驾驶设备当前运行的传感器从低功耗模式变换为正常功耗模式,或者启动该无人驾驶设备当前未运行的传感器,并采集该无人驾驶设备周围的环境数据,或者上述两种策略同时进行。
当然了,采集该无人驾驶设备周围的环境数据是一方面,该无人驾驶设备还可以按照安全的驾驶策略,控制自身的行驶方式。
例如,控制该无人驾驶设备停止行驶,根据预设停止时段,检测该无人驾驶设备周围环境中是否存在其他交通参与者正在通行,直到预设停止时段内无其他交通参与者通行,则控制该无人驾驶设备以不高于预设安全速度(如,10米每秒)继续行驶。或者,不停止行驶,仅控制该无人驾驶设备的行驶速度不高于预设安全速度即可。或者,开启该无人驾驶设备的告警设备,通过该告警设备(如,危险报警闪光灯、警示音设备)对该无人驾驶设备周围的交通参与者进行告警。当然了,控制该无人驾驶设备停止或行驶时,都可以开启该无人驾驶设备的告警设备进行告警。
S110:继续按照当前的行驶策略控制所述无人驾驶设备。
若步骤S106中,确定无人驾驶设备周围环境中不存在盲区,则该无人驾驶设备继续按照当前的行驶策略控制自身即可。
基于图2所示的基于盲区的无人驾驶设备控制方法,先根据无人驾驶设备的当前位置以及高精地图,确定该无人驾驶设备的预估探测范围,以及根据在当前位置采集的点云数据,确定该无人驾驶设备的实际探测范围,然后根据该预估探测范围与该实际探测范围的差异,判断该无人驾驶设备周围环境中是否存在探测盲区,若存在,则按照预设的安全策略控制该无人驾驶设备。通过比对实际探测区域与预估探测区域,来判断是否存在对行驶存在威胁的盲区,在存在盲区时按照安全控制策略控制无人驾驶设备,降低了复杂路况下静态障碍物对无人驾驶设备探测遮挡带来的威胁。
此外,在本说明书一个或多个实施例中,针对前述交叉口或存在高架桥桥墩等场景,由于建筑物等固定的静态的障碍物导致的对无人驾驶设备采集周围环境数据造成遮挡,使得无人驾驶设备难以采集到盲探测区内其他交通参与者的运动信息。为了避免此种情况下的交通危险,在步骤S100之前,无人驾驶设备还可以先获取预先标注有风险区域的高精地图,然后根据该无人驾驶设备的当前位置以及该高精地图,判断该无人驾驶设备是否位于任一风险区域内,若是,则按照预设的安全策略控制该无人驾驶设备。
其中,风险区域为存在探测盲区的区域,如,对于存在高架桥桥墩的路口,该高架桥桥墩可能会在各个方向上对无人驾驶设备造成不同遮挡,但是,都会导致该无人驾驶设备周围环境中存在探测盲区,因此,可以将以该高架桥桥墩为中心,10米为半径的范围设置为风险区域,表征该无人驾驶设备在该区域内周围环境中存在探测不到的区域。具体如何在高精地图上标注该风险区域,可以根据需要确定,本说明书对此不做限制。
例如,该高精地图可以通过矢量数据记录该风险区域的地理位置以及范围大小。当然了,在风险区域内,该无人驾驶设备可能只在某段路存在探测盲区,因此,该高精地图也可以只通过矢量数据标注每段存在探测盲区的路。如图3所示。
图3为本说明书提供的一种高精地图风险区域标注示意图。图3中左图中的圆表示风险区域的范围,左图表示通过矢量数据记录了竖向实线覆盖的圆的位置与范围。如,通过(该路口中心地理坐标,半径)的数据对标注该交叉口为风险区域。右图表示通过矢量数据记录了竖向实线覆盖的三个矩形框的位置与范围。如,以某一矩形框为例,可以记录该矩形框的对角地理坐标。通过三个矩形框表示该三个矩形框覆盖的范围为风险区域。
进一步地,预先标注有风险区域的高精地图中,还可以标注各固定的静态的障碍物造成的遮挡范围的大小与位置,以辅助该无人驾驶设备进行决策。
需要说明的是,上述标注高精地图中的风险区域,为执行本方法的预先步骤。也就是说,无人驾驶设备在基于盲区对无人驾驶设备进行控制时,标注有风险区域的高精地图已被确定出。当然了,考虑到该标注有风险区域的高精地图的有效性,可能会随道路建设以及道路周围环境的改变而变化,因此,可以根据预设时长(如,每季度)对该标注有风险区域的高精地图进行标注更新,以提高风险区域标注的有效性。
当该无人驾驶设备获取到该标注有风险区域的高精地图后,该无人驾驶设备能够以预设判断时段为间隔,根据自身的当前位置以及该高精地图的标注数据,判断该无人驾驶设备是否位于任一风险区域内,若是,则按照预设的安全策略控制该无人驾驶设备,安全策略的具体内容可以参考步骤S108中的相应描述,此处不再赘述。若否,则执行步骤S100以及之后的各个步骤。
此外,在本说明书一个或多个实施例中,步骤S102以及步骤S104中,可以根据预设的高度,确定该无人驾驶设备的预估探测范围和实际探测范围。具体的,通常无人驾驶设备的高度是有限的,因此当无人驾驶设备周围环境中临时障碍物的高度超过无人驾驶设备时,就会造成探测盲区。于是,该无人驾驶设备可根据预设的高度,确定预估探测范围和实际探测范围即可,超出该预设高度的数据并不影响后续步骤中判断探测盲区是否存在的结果,因此可以省去来节省计算量。
当然了,由于无人驾驶设备的雷达的俯仰角度、安装位置等因素,可能该无人驾驶设备的探测高度是有限的,因此无人驾驶设备可以根据实际的探测高度,确定该预设的高度。
另外,在本说明书一个或多个实施例中,步骤S102中,确定无人驾驶设备在当前位置的预估探测范围时,对于体积的计算较为复杂,为了提高效率,该无人驾驶设备还可以先根据该无人驾驶设备的当前位置,确定在高精地图中标注的该无人驾驶设备周围的各障碍物,然后根据各障碍物的参数以及该无人驾驶设备的当前位置,确定该无人驾驶设备能够采集到的点云数据的区域在水平面的投影,作为该无人驾驶设备在当前位置的预估探测范围。
具体地,确定该无人驾驶设备的当前位置以及该无人驾驶设备能够采集到的点云数据的区域可以参考步骤S102中的相应描述,此处不再赘述。在得到该无人驾驶设备能够采集到的点云数据的区域后,可以将该区域投影至水平面,以投影面积作为该预估探测范围,如图1左图所示。
图1左图的相关说明可以参考前述内容。其中,左图中以该无人驾驶设备中心为圆心的圆表示该无人驾驶设备的最大探测范围在水平面的投影,即,该无人驾驶设备周围环境中不存在任何障碍物时能够探测到的区域在水平面的投影。竖向实线覆盖的范围表示该无人驾驶设备实际的探测范围在水平面的投影,即,去除高精地图中该交叉口右侧路口上下两侧的建筑物的遮挡范围后,该无人驾驶设备预估能够采集到的点云数据的区域在水平面的投影,以此作为该无人驾驶设备在当前位置的预估探测范围。
进一步地,在本说明书一个或多个实施例中,对应于上述确定预估探测范围的方式,步骤S104中,无人驾驶设备在确定实际探测范围时,该无人驾驶设备还可以先根据获取到的点云数据,确定各激光点在水平面的投影。然后根据各激光点的投影组成的最小外接多边形,确定该无人驾驶设备在当前位置的实际探测范围。
具体地,各激光点在水平面的投影可以根据各激光点的三维数据确定,该投影的最小外接多边形的面积,即为该无人驾驶设备在实际行驶过程中,实际能够采集到的点云数据的区域的面积。因此,该最小外接多边形的面积可以作为该无人驾驶设备在当前位置的实际探测范围,如图1右图所示。
图1右图的相关说明可以参考前述内容。其中右图中以该无人驾驶设备中心为圆心的圆表示该无人驾驶设备的最大探测范围在水平面的投影,即,该无人驾驶设备周围环境中不存在任何障碍物时能够探测到的区域在水平面的投影。竖向实线覆盖的范围表示该无人驾驶设备在实际行驶过程中,能够采集到的点云数据的区域在水平面的投影,即,该无人驾驶设备在当前位置的实际探测范围。粗实线包围的范围表示该临时障碍物的遮挡范围在水平面的投影。
对应于上述确定预估探测范围以及实际探测范围的方法,则后续在步骤S106中,该无人驾驶设备可以先根据该实际探测范围与该预估探测范围之间的面积之差,确定该实际探测范围与该预估探测范围的差异。其次确定该差异与该预估探测范围之间的比值。最后对该比值与预设的第二差异阈值进行比较,当该比值大于该第二差异阈值,确定该无人驾驶设备周围环境中存在探测盲区。
更进一步地,在本说明书一个或多个实施例中,步骤S104中,通常在无人驾驶设备的实际行驶过程中周围环境会存在动态障碍物,如,其他的交通参与者。若将动态障碍物对该无人驾驶设备的遮挡也计入预估探测范围与实际探测范围的差异中,则当该无人驾驶设备周围环境中动态障碍物较多时,该无人驾驶设备会长期按照预设的安全策略控制自身,降低配送效率。因此,为了避免动态障碍物的影响,该无人驾驶设备还可以先确定该无人驾驶设备行驶到当前位置前采集的若干点云数据,作为历史数据。
然后,根据该历史数据以及在当前位置采集的点云数据,确定该无人驾驶设备周围的动态障碍物。
其次,针对该点云数据中每个动态障碍物,根据该动态障碍物与该无人驾驶设备的相对位置,确定该动态障碍物的遮挡范围。
最后,根据该无人驾驶设备在当前位置的预估探测范围,对该点云数据中属于各动态障碍物的遮挡范围进行填充,确定该无人驾驶设备在当前位置的实际探测范围。
其中,该无人驾驶设备在行驶过程中是按照一定的时间间隔,不断的采集点云数据,因此,该无人驾驶设备行驶到当前位置前采集的若干点云数据,可作为历史数据辅助该无人驾驶设备进行分析。通过将历史数据与在当前位置采集的点云数据进行比对,确定该无人驾驶设备周围环境中的动态障碍物,并进一步确定各动态障碍物的遮挡范围。
当然了,由于动态障碍物处于运动的状态中,相对于该无人驾驶设备,可能历史数据中,某一动态障碍物处于该无人驾驶设备周围,但是该无人驾驶设备行至当前位置后,在当前位置采集的点云数据中,该动态障碍物已远离该无人驾驶设备,不再处于该点云数据中,则无需确定该动态障碍物的遮挡范围。换句话说,该点云数据中的动态障碍物,是指根据历史数据确定的至少部分还处于该点云数据中的动态障碍物。
对于对动态障碍物的遮挡范围进行填充,是指根据该无人驾驶设备在当前位置的预估探测范围,在由各动态障碍物的遮挡造成的不存在激光点的遮挡范围内补充激光点,如图4所示。
图4为本说明书提供的一种填充动态障碍物的遮挡范围平面示意图。其中,图4中左图为存在动态障碍物402对无人驾驶设备400造成遮挡的示意图,右图为对动态障碍物402的遮挡范围进行补充后的示意图。图4左右两图中,无人驾驶设备与动态障碍物所在的场景为交叉口,以该无人驾驶设备中心为圆心的圆表示该无人驾驶设备的最大探测范围,即,该无人驾驶设备周围环境中不存在任何障碍物时能够探测到的区域。竖向实线覆盖的范围表示该无人驾驶设备实际的探测范围,即,该无人驾驶设备周围环境中存在障碍物对该无人驾驶设备造成遮挡的情况下能够探测到的区域。图4左图中,粗实线包围的范围表示该动态障碍物402的遮挡范围。当然了,为了方便描述,图4仅给出了平面示意图,可以理解为差异为面积时的示意。当差异为体积时,与此同理。
进一步地,无人驾驶设备还可以根据历史数据以及在当前位置采集的点云数据,确定无人驾驶设备周围的临时障碍物,若前述确定出的某一动态障碍物对某一临时障碍物造成遮挡,则在对该动态障碍物的遮挡范围进行补充时,可以根据该确定出的临时障碍物的形状与位置,确定如何填充激光点。
当然了,对于动态障碍物造成的遮挡范围,无人驾驶设备还可以在步骤S104中,确定实际探测范围时,不对由动态障碍物造成的遮挡范围进行填充,仅标注即可,在后续步骤S106中,计算无人驾驶设备确定出的预估探测范围与实际探测范围的差异时,针对每处差异,确定每处由非动态障碍物造成的各差异之和,作为总差异,并确定该总差异与该预估探测范围之间的比值。最后当该比值大于第二差异阈值时,确定该无人驾驶设备周围环境中存在探测盲区。
更进一步地,在本说明书一个或多个实施例中,步骤S106中,根据实际探测范围以及预估探测范围的差异,判断无人驾驶设备周围环境中是否存在探测盲区时,相对于该无人驾驶设备行驶方向后方的临时障碍物对该无人驾驶设备的行驶安全通常不构成威胁,因此,该无人驾驶设备还可以先确定实际探测范围与预估探测范围之间的每处差异的位置。然后根据每处差异与该无人驾驶设备的相对位置,确定每处差异在该无人驾驶设备非后方的各差异之和,作为总差异。其次确定该总差异与该预估探测范围之间的比值。最后当该比值大于第二差异阈值时,确定该无人驾驶设备周围环境中存在探测盲区。以此提高判断该无人驾驶设备周围是否存在盲区的可信度。
另外,在本说明书一个或多个实施例中,步骤S102中确定的预估探测范围和步骤S104中确定的实际探测范围,无人驾驶设备可以根据自身的实际行驶情况,确定范围的大小。
例如,可以根据速度,确定范围的大小。具体地,当该无人驾驶设备的行驶速度较大时,可以确定两个较大的范围,如,40米每秒时,确定两个范围为以该无人驾驶设备为中心,100米为半径的范围。当该无人驾驶设备的行驶适度较小时,可以确定两个较小的范围,如,10米每秒时,确定两个范围为以该无人驾驶设备为中心,50米为半径的范围。即范围与该无人驾驶设备的行驶速度呈正相关。通过灵活的确定探测范围,可以在以较低速度行驶时,减少运算量,提高效率。
此外,在本说明书一个或多个实施例中,步骤S108中,无人驾驶设备若根据安全驾驶策略,最大程度的获取周围的环境数据时,为了避免低功耗模式下传感器采集到的数据出现误差导致步骤S106中得出错误的判断结果,该无人驾驶设备还可以根据正常功耗模式的传感器采集到的环境数据,或启动该无人驾驶设备当前未运行的传感器采集到的环境数据,或两种策略同时进行采集到的环境数据,确定该无人驾驶设备在当前位置的第二实际探测范围,并与根据低功耗模式下运行的传感器采集的点云数据确定的第一实际探测范围进行比较。根据第一实际探测范围与第二实际探测范围的差异,确定根据低功耗模式下运行的传感器采集的点云数据确定的第一实际探测范围是否可信。具体过程与步骤S106同理,可以参考前述的相应说明,此处不再赘述。
当然了,由于无人驾驶设备可能始终处于行驶状态,上述确定出的第二实际探测范围可能相对第一实际探测范围存在误差。因此,该无人驾驶设备也可以不根据第一实际探测范围与第二实际探测范围的差异,确定根据低功耗模式下运行的传感器采集的点云数据确定的第一实际探测范围是否可信。而是根据安全模式下确定的第二实际探测范围,与该无人驾驶设备在当前位置确定的预估探测范围的差异,判断该无人驾驶设备周围环境中是否存在探测盲区,若是则执行步骤S108,若否,则执行步骤S110。
另外,在本说明书一个或多个实施例中,无人驾驶设备还可以根据确定出的预估探测范围与实际探测范围的差异,确定各临时障碍物的遮挡范围的大小与位置,并辅助该无人驾驶设备进行决策。
本说明书提供的基于盲区的无人驾驶设备控制方法,可应用于无人驾驶设备的配送过程中,如,使用无人驾驶设备进行快递、外卖等配送的场景中。当无人驾驶设备应用于配送领域时,可通过本说明书基于盲区的无人驾驶设备控制方法,判断无人驾驶设备执行配送任务时周围环境中是否存在探测盲区,并在存在探测盲区时按照安全控制策略控制无人驾驶设备,提高了无人驾驶设备行驶的安全性。
以上为本说明书的一个或多个实施例提供的基于盲区的无人驾驶设备控制方法,基于同样的思路,本说明书还提供了相应的基于盲区的无人驾驶设备控制装置,如图5所示。
图5为本说明书提供的一种基于盲区的无人驾驶设备控制装置示意图,包括:
数据获取模块500,用于获取无人驾驶设备在当前位置采集的点云数据;
预估探测范围确定模块502,用于根据所述无人驾驶设备的当前位置以及高精地图,确定所述无人驾驶设备在当前位置的预估探测范围;
实际探测范围确定模块504,用于根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,所述实际探测范围用于表征所述无人驾驶设备在周围环境中探测不到的区域;
判断及控制模块506,用于根据所述实际探测范围以及所述预估探测范围的差异,判断所述无人驾驶设备周围环境中是否存在探测盲区,若是,则按照预设的安全策略控制所述无人驾驶设备,若否,则继续按照当前的行驶策略控制所述无人驾驶设备。
可选地,所述装置还包括:风险区域判断模块508,用于获取预先标注有风险区域的高精地图,所述风险区域为存在探测盲区的区域,根据所述无人驾驶设备的当前位置以及所述高精地图,判断所述无人驾驶设备是否位于任一风险区域内,若是,则按照预设的安全策略控制所述无人驾驶设备。
可选地,所述预估探测范围确定模块502,根据所述无人驾驶设备的当前位置,确定在所述高精地图中标注的所述无人驾驶设备周围的各障碍物,根据各障碍物的参数以及所述无人驾驶设备的当前位置,确定所述无人驾驶设备能够采集到的点云数据的区域在水平面的投影,作为所述无人驾驶设备在当前位置的预估探测范围,所述障碍物的参数至少包括障碍物的位置以及形状。
可选地,所述实际探测范围确定模块504,根据所述点云数据,确定各激光点在水平面的投影,根据所述各激光点的投影组成的最小外接多边形,确定所述无人驾驶设备在当前位置的实际探测范围。
可选地,所述实际探测范围确定模块504,确定所述无人驾驶设备行驶到当前位置前采集的若干点云数据,作为历史数据,根据所述历史数据以及所述点云数据,确定所述无人驾驶设备周围的动态障碍物,针对所述点云数据中每个动态障碍物,根据该动态障碍物与所述无人驾驶设备的相对位置,确定该动态障碍物的遮挡范围,根据所述无人驾驶设备在当前位置的预估探测范围,对所述点云数据中所述遮挡范围进行填充,确定所述无人驾驶设备在当前位置的实际探测范围。
可选地,所述判断及控制模块506,确定所述实际探测范围与所述预估探测范围之间的每处差异,根据第一差异阈值,确定每处差异在水平面的投影面积大于所述第一差异阈值的各差异之和,作为总差异,确定所述总差异与所述预估探测范围之间的比值,当所述比值大于第二差异阈值时,确定所述无人驾驶设备周围环境中存在探测盲区,其中,所述差异包括面积差异或者体积差异。
可选地,所述判断及控制模块506,控制所述无人驾驶设备当前运行的传感器从低功耗模式变换为正常功耗模式,和/或启动所述无人驾驶设备当前未运行的传感器,并采集所述无人驾驶设备周围的环境数据。
可选地,所述判断及控制模块506,控制所述无人驾驶设备停止行驶,或者,控制所述无人驾驶设备的速度,或者,开启所述无人驾驶设备的告警设备,通过所述告警设备对所述无人驾驶设备周围的交通参与者进行告警。
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2提供的基于盲区的无人驾驶设备控制方法。
本说明书还提供了图6所示的电子设备的结构示意图。如图6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2所述的基于盲区的无人驾驶设备控制方法。
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,比如逻辑器件异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,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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 (11)
1.一种基于盲区的无人驾驶设备控制方法,其特征在于,包括:
获取无人驾驶设备在当前位置采集的点云数据;
根据所述无人驾驶设备的当前位置以及高精地图,确定所述无人驾驶设备在当前位置的预估探测范围;
根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,所述实际探测范围用于表征所述无人驾驶设备在周围环境中探测不到的区域;
根据所述实际探测范围与所述预估探测范围的差异,判断所述无人驾驶设备周围环境中是否存在探测盲区;
若是,则按照预设的安全策略控制所述无人驾驶设备;
若否,则继续按照当前的行驶策略控制所述无人驾驶设备。
2.如权利要求1所述的方法,其特征在于,获取无人驾驶设备在当前位置采集的点云数据之前,所述方法还包括:
获取预先标注有风险区域的高精地图,所述风险区域为存在探测盲区的区域;
根据所述无人驾驶设备的当前位置以及所述高精地图,判断所述无人驾驶设备是否位于任一风险区域内;
若是,则按照预设的安全策略控制所述无人驾驶设备。
3.如权利要求1所述的方法,其特征在于,根据所述无人驾驶设备的当前位置以及高精地图,确定所述无人驾驶设备在当前位置的预估探测范围,具体包括:
根据所述无人驾驶设备的当前位置,确定在所述高精地图中标注的所述无人驾驶设备周围的各障碍物;
根据各障碍物的参数以及所述无人驾驶设备的当前位置,确定所述无人驾驶设备能够采集到的点云数据的区域在水平面的投影,作为所述无人驾驶设备在当前位置的预估探测范围;
所述障碍物的参数至少包括障碍物的位置以及形状。
4.如权利要求3所述的方法,其特征在于,根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,具体包括:
根据所述点云数据,确定各激光点在水平面的投影;
根据所述各激光点的投影组成的最小外接多边形,确定所述无人驾驶设备在当前位置的实际探测范围。
5.如权利要求1所述的方法,其特征在于,根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,具体包括:
确定所述无人驾驶设备行驶到当前位置前采集的若干点云数据,作为历史数据;
根据所述历史数据以及所述点云数据,确定所述无人驾驶设备周围的动态障碍物;
针对所述点云数据中每个动态障碍物,根据该动态障碍物与所述无人驾驶设备的相对位置,确定该动态障碍物的遮挡范围;
根据所述无人驾驶设备在当前位置的预估探测范围,对所述点云数据中所述遮挡范围进行填充,确定所述无人驾驶设备在当前位置的实际探测范围。
6.如权利要求1所述的方法,其特征在于,根据所述实际探测范围与所述预估探测范围的差异,判断所述无人驾驶设备周围环境中是否存在探测盲区,具体包括:
确定所述实际探测范围与所述预估探测范围之间的每处差异;
根据第一差异阈值,确定每处差异在水平面的投影面积大于所述第一差异阈值的各差异之和,作为总差异;
确定所述总差异与所述预估探测范围之间的比值;
当所述比值大于第二差异阈值时,确定所述无人驾驶设备周围环境中存在探测盲区;
其中,所述差异包括面积差异或者体积差异。
7.如权利要求1所述的方法,其特征在于,按照预设的安全策略控制所述无人驾驶设备,具体包括:
控制所述无人驾驶设备当前运行的传感器从低功耗模式变换为正常功耗模式,和/或启动所述无人驾驶设备当前未运行的传感器,并采集所述无人驾驶设备周围的环境数据。
8.如权利要求1所述的方法,其特征在于,按照预设的安全策略控制所述无人驾驶设备,具体包括:
控制所述无人驾驶设备停止行驶;或者,
控制所述无人驾驶设备的速度;或者,
开启所述无人驾驶设备的告警设备,通过所述告警设备对所述无人驾驶设备周围的交通参与者进行告警。
9.一种基于盲区的无人驾驶设备控制装置,其特征在于,包括:
数据获取模块,用于获取无人驾驶设备在当前位置采集的点云数据;
预估探测范围确定模块,用于根据所述无人驾驶设备的当前位置以及高精地图,确定所述无人驾驶设备在当前位置的预估探测范围;
实际探测范围确定模块,用于根据所述点云数据,确定所述无人驾驶设备在当前位置的实际探测范围,所述实际探测范围用于表征所述无人驾驶设备在周围环境中探测不到的区域;
判断及控制模块,用于根据所述实际探测范围以及所述预估探测范围的差异,判断所述无人驾驶设备周围环境中是否存在探测盲区,若是,则按照预设的安全策略控制所述无人驾驶设备,若否,则继续按照当前的行驶策略控制所述无人驾驶设备。
10.一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1~8任一项所述的方法。
11.一种电子设备,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1~8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210087075.2A CN114348023A (zh) | 2022-01-25 | 2022-01-25 | 一种基于盲区的无人驾驶设备控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210087075.2A CN114348023A (zh) | 2022-01-25 | 2022-01-25 | 一种基于盲区的无人驾驶设备控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114348023A true CN114348023A (zh) | 2022-04-15 |
Family
ID=81093964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210087075.2A Pending CN114348023A (zh) | 2022-01-25 | 2022-01-25 | 一种基于盲区的无人驾驶设备控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114348023A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115685223A (zh) * | 2022-12-15 | 2023-02-03 | 深圳市智绘科技有限公司 | 位置识别方法、装置、电子设备及可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105009175A (zh) * | 2013-01-25 | 2015-10-28 | 谷歌公司 | 基于传感器盲点和局限性来修改自主车辆的行为 |
CN105774809A (zh) * | 2014-12-26 | 2016-07-20 | 中国移动通信集团公司 | 一种行车盲区提示的方法和装置 |
DE102017216567A1 (de) * | 2017-09-19 | 2019-03-21 | Audi Ag | Verfahrung zur Ermittlung einer Umgebungskarte in einem Kraftfahrzeug und Kraftfahrzeug |
CN110347145A (zh) * | 2018-04-03 | 2019-10-18 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的感知辅助 |
CN110356339A (zh) * | 2018-03-26 | 2019-10-22 | 比亚迪股份有限公司 | 一种变道盲区监测方法、系统及车辆 |
US20210197811A1 (en) * | 2018-08-22 | 2021-07-01 | Mitsubishi Electric Corporation | Course prediction device, computer readable medium, and course prediction method |
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 |
CN113753081A (zh) * | 2019-01-15 | 2021-12-07 | 北京百度网讯科技有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
CN113859228A (zh) * | 2020-06-30 | 2021-12-31 | 上海商汤智能科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
CN113954772A (zh) * | 2020-07-20 | 2022-01-21 | 现代奥特奥博株式会社 | 传感器的用电量节约方法 |
-
2022
- 2022-01-25 CN CN202210087075.2A patent/CN114348023A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105009175A (zh) * | 2013-01-25 | 2015-10-28 | 谷歌公司 | 基于传感器盲点和局限性来修改自主车辆的行为 |
CN105774809A (zh) * | 2014-12-26 | 2016-07-20 | 中国移动通信集团公司 | 一种行车盲区提示的方法和装置 |
DE102017216567A1 (de) * | 2017-09-19 | 2019-03-21 | Audi Ag | Verfahrung zur Ermittlung einer Umgebungskarte in einem Kraftfahrzeug und Kraftfahrzeug |
CN110356339A (zh) * | 2018-03-26 | 2019-10-22 | 比亚迪股份有限公司 | 一种变道盲区监测方法、系统及车辆 |
CN110347145A (zh) * | 2018-04-03 | 2019-10-18 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的感知辅助 |
US20210197811A1 (en) * | 2018-08-22 | 2021-07-01 | Mitsubishi Electric Corporation | Course prediction device, computer readable medium, and course prediction method |
CN113753081A (zh) * | 2019-01-15 | 2021-12-07 | 北京百度网讯科技有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
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 |
CN113859228A (zh) * | 2020-06-30 | 2021-12-31 | 上海商汤智能科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
CN113954772A (zh) * | 2020-07-20 | 2022-01-21 | 现代奥特奥博株式会社 | 传感器的用电量节约方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115685223A (zh) * | 2022-12-15 | 2023-02-03 | 深圳市智绘科技有限公司 | 位置识别方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111427369B (zh) | 一种无人车控制方法及装置 | |
CN109801508B (zh) | 路口处障碍物的运动轨迹预测方法及装置 | |
CN111619560B (zh) | 车辆控制方法及装置 | |
Leonard et al. | A perception‐driven autonomous urban vehicle | |
KR20200096096A (ko) | 라이더, 레이더 및 카메라 센서의 데이터를 사용하는 강화 학습을 기초로 하여 자율 주행 시 최적화된 자원 할당을 위한 방법 및 장치 | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
CN113296541B (zh) | 一种基于未来碰撞风险的无人设备控制方法及装置 | |
Rummelhard et al. | Probabilistic grid-based collision risk prediction for driving application | |
CN113581211A (zh) | 一种车辆行驶控制方法、系统、装置及可读存储介质 | |
CN107923757B (zh) | 非固态对象监测 | |
JP2015518600A5 (zh) | ||
EP3624082A1 (en) | Intelligent roadside unit | |
CN111873989B (zh) | 车辆控制方法及装置 | |
CN115485526A (zh) | 用于自主车辆的交叉路口管理的系统和方法 | |
CN115292435B (zh) | 高精地图的更新方法和装置、电子设备和存储介质 | |
CN109318899B (zh) | 自动驾驶车辆的弯道行驶方法、装置、设备和存储介质 | |
CN113043955A (zh) | 路况信息显示装置、方法及车辆 | |
CN114348023A (zh) | 一种基于盲区的无人驾驶设备控制方法及装置 | |
CN113968243A (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
US11698639B2 (en) | Predicting jaywalking behaviors of vulnerable road users | |
CN114590250A (zh) | 一种无人设备的控制方法及装置 | |
WO2022244285A1 (ja) | 保険料算定方法、プログラム及び保険料算定システム | |
CN114643984A (zh) | 驾驶避险方法、装置、设备、介质及产品 | |
CN114590249A (zh) | 一种无人设备控制方法、装置、设备及存储介质 |
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 |