CN114399659B - 车辆控制信息生成方法、装置、设备和计算机可读介质 - Google Patents
车辆控制信息生成方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN114399659B CN114399659B CN202111624195.3A CN202111624195A CN114399659B CN 114399659 B CN114399659 B CN 114399659B CN 202111624195 A CN202111624195 A CN 202111624195A CN 114399659 B CN114399659 B CN 114399659B
- Authority
- CN
- China
- Prior art keywords
- decision
- current
- historical
- vehicle
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了车辆控制信息生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括:确定当前车辆信息序列和其它车辆信息序列集;从上述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组;基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间;基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树;基于上述当前决策树,生成车辆控制信息。该实施方式不仅可以确保生成车辆控制信息的时效性,还可以提高车辆控制信息的准确度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及车辆控制信息生成方法、装置、设备和计算机可读介质。
背景技术
车辆控制信息用于为自动驾驶车辆提供车辆控制数据。目前,在生成车辆控制信息时,通常采用的方式为:通过传统决策方法,例如有限状态机、半马尔科夫过程等,生成车辆控制信息。
然而,当采用上述方式进行车辆控制信息生成时,经常会存在如下技术问题:
第一,若场景复杂、交互车辆过多,所需观测的数据则越多,会导致生成车辆控制信息的时效性降低;
第二,在预测步长内,未对其它车辆的行为意图进行预测,导致无法确保生成的车辆控制信息的准确度,从而,降低了车辆行驶安全性;
第三,对状态空间过于压缩,导致误删最优决策,从而,导致生成的车辆控制信息的准确度降低。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了车辆控制信息生成方法、装置、设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种车辆控制信息生成方法,该方法包括:确定当前车辆信息序列和其它车辆信息序列集;从上述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组;基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,其中,上述当前状态空间包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合;基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树;基于上述当前决策树,生成车辆控制信息。
第二方面,本公开的一些实施例提供了一种车辆控制信息生成装置,该装置包括:确定单元,被配置成确定当前车辆信息序列和其它车辆信息序列集;选择单元,被配置成从上述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组;第一更新单元,被配置成基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,其中,上述当前状态空间包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合;第二更新单元,被配置成基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树;生成单元,被配置成基于上述当前决策树,生成车辆控制信息。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车辆控制信息生成方法,可以确保生成车辆控制信息的时效性,以及可以提高车辆控制信息的准确度。具体来说,造成生成车辆控制信息的时效性降低的原因在于:若场景复杂、交互车辆过多,所需观测的数据则越多。造成车辆控制信息的准确度降低的原因在于:在预测步长内,未对其它车辆的行为意图进行预测。基于此,本公开的一些实施例的车辆控制信息生成方法,首先,确定当前车辆信息序列和其它车辆信息序列集。然后,从上述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组。通过引入预设观测条件,可以用于对其它车辆信息序列集中的其它车辆信息序列进行筛选。从而,可以减少数据量,避免无关车辆信息的参与。以此,可以提高车辆控制信息生成的时效性。之后,基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,其中,上述当前状态空间包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合。通过对历史状态空间的更新,可以用于对当前车辆信息和其它车辆的行为意图进行状态汇总。而后,基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树。利用汇总后的当前车辆状态和其它车辆状态,可以对历史决策树进行更新,以用于预测其它车辆行为意图。使得决策树可以在其它车辆行为意图的基础上,决策出当前车辆的决策结果,以生成当前决策树。最后,基于上述当前决策树,生成车辆控制信息。由此,可以从更新后的当前决策树中的得到所需的车量控制信息。从而,本公开的一些实施例的车辆控制信息生成方法不仅可以确保生成车辆控制信息的时效性,还可以提高车辆控制信息的准确度。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的车辆控制信息生成方法的一个应用场景的示意图;
图2是根据本公开的车辆控制信息生成方法的一些实施例的流程图;
图3是根据本公开的车辆控制信息生成方法的另一些实施例的流程图;
图4是根据本公开的车辆控制信息生成装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的车辆控制信息生成方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以确定当前车辆信息序列102和其它车辆信息序列集103。接着,计算设备101可以从上述其它车辆信息序列集103中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组104。然后,计算设备101可以基于上述当前车辆信息序列102和上述观测车辆信息序列组104,对历史状态空间105进行更新,得到当前状态空间106,其中,上述当前状态空间106包括当前车辆的第一运动状态向量组1061和其它车辆的第二运动状态向量组集合1062。之后,计算设备101可以基于上述当前状态空间106包括的第一运动状态向量组1061和第二运动状态信息向量组集合1062,对上述当前车辆的历史决策树107进行更新,得到当前决策树108。最后,计算设备101可以基于上述当前决策树108,生成车辆控制信息109。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的车辆控制信息生成方法的一些实施例的流程200。该车辆控制信息生成方法的流程200,包括以下步骤:
步骤201,确定当前车辆信息序列和其它车辆信息序列集。
在一些实施例中,车辆控制信息生成方法的执行主体(如图1所示的计算设备101)可以从信息处理系统中获取当前车辆信息序列和其它车辆信息序列集。其中,当前车辆信息序列可以是当前车辆一段时间内的连续帧车辆信息。其它车辆信息序列集可以是信息处理系统检测到的其它车辆在上述一段时间内的连续帧车辆信息。上述处理系统可以是用于收集车辆信息的系统。当前车辆信息可以包括但不限于以下至少一项:当前车辆坐标、当前车辆车速、当前车辆位姿矩阵、当前车辆胎压、当前车辆里程数、当前车辆油耗、当前车辆载重、当前车辆所在车道、当前车辆前轮转角、当前时间点、当前车辆运动曲线、当前车辆运动曲线的曲率、当前车辆加速度曲线、当前车辆加速度等。其它车辆信息可以包括但不限于以下至少一项:其它车辆坐标、其它车辆车速、其它车辆位姿矩阵、其它车辆胎压、其它车辆里程数、其它车辆油耗、其它车辆载重、其它车辆所在车道、其它车辆前轮转角、其它时间点、其它车辆运动曲线、其它车辆运动曲线的曲率、其它车辆加速度曲线、其它车辆加速度等。当前车辆信息序列中的各个车辆信息对应的时刻可以与其它车辆信息序列集中每个其它车辆信息序列中的各个其它车辆信息对应的时刻相同。
步骤202,从其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组。
在一些实施例中,上述执行主体可以从上述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组。其中,上述预设观测条件可以是:其它车辆信息序列中存在其它车辆信息包括的其它车辆坐标与当前车辆坐标之间的距离值小于预设距离阈值,以及该其它车辆信息包括的其它车辆所在车道与当前车辆所在车道相匹配。上述匹配可以是其它车联与当前车辆处于同一条道路,以及车辆移动方向相同。
实践中,通过预设观测条件,可以筛选出距离较远的其它车辆。以及不同道路(即,与当前车辆无关)的其它车辆。由此,可以大大降低其它车辆的数据量。提高车辆控制信息生成的时效性。
步骤203,基于当前车辆信息序列和观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间。
在一些实施例中,上述执行主体可以基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间。其中,上述当前状态空间可以包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合。上述历史状态空间可以是上一时刻或上一观测周期所生成的当前车辆与其它车辆的状态空间。对历史状态空间进行更新,可以将历史状态空间中关于当前车辆的数据替换为当前车辆信息包括的数据。例如,当前车辆速度值的替换,当前车辆坐标值的替换等。还可以将历史状态空间中关于其它车辆信息的数据替换为表征同一车辆的观测车辆信息中的数据。以此,完成对历史状态空间进行更新,得到当前状态空间。第一运动状态向量可以是表征一段时间内当前车辆的某一类型数据实际变化情况的向量。某一类型的数据可以指:车速数据、坐标数据、位姿矩阵数据或加速度数据等。第二运动状态向量可以是表征一段时间内其它车辆的某一类型数据实际变化情况的向量。
在一些实施例的一些可选的实现方式中,上述基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,可以包括以下步骤:
第一步,基于上述当前车辆信息序列,对上述第一历史运动状态向量组中的第一历史运动状态向量进行更新,得到第一运动状态向量组。其中,可以通过预设的传递函数,对第一历史运动状态向量进行更新,得到更新后运动状态向量。传递函数可以用于进行状态向量的更新。
第二步,响应于确定上述第二历史运动状态向量组集合中存在与上述观测车辆信息序列组中观测车辆信息序列相匹配的第二历史运动状态向量组,对所匹配的第二历史运动状态向量组进行更新。其中,相匹配可以是第二历史运动向量组与观测车辆信息序列对应同一其它车辆。可以通过预设的传递矩阵,对所匹配的第二历史运动状态向量组进行更新。其次,第二历史运动向量组与观测车辆信息序列相匹配可以表征在历史状态空间中已经存在与该观测车辆信息序列对应的其它车辆的状态,表示已经对该车辆进行状态观测。由此,可以通过更新第二历史运动状态向量即可更新对该车辆的状态观测。从而,可以确保更新后的第二历史运动状态向量的时效性。
在一些实施例的一些可选的实现方式中,上述基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,还可以包括以下步骤:
第一步,响应于确定上述观测车辆信息序列组中存在与上述第二历史运动状态向量组集合中各个第二历史运动状态向量组不相匹配的观测车辆信息序列,构建上述观测车辆信息序列组中每个不相匹配的观测车辆信息序列的目标车辆状态向量组。其中,不相匹配可以用于表征历史状态空间中未记录与该观测车辆信息序列对应的其它车辆状态,即,该其它车辆为最新观测到的车辆。因此,可以通过预设的转换矩阵,构建每个不相匹配的观测车辆信息序列的目标车辆状态向量组。从而,可以进一步确保第二历史运动状态向量的时效性。
第二步,将所构建的每个目标车辆状态向量组确定为第二运动状态向量组,以添加至上述第二运动状态向量组集合中,得到当前状态空间。其中,上述当前状态空间可以用于表征到当前时刻为止的一段时间内(例如,2秒)、当前车辆与附近的其它车辆的实际运动变化情况。
步骤204,基于当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对当前车辆的历史决策树进行更新,得到当前决策树。
在一些实施例中,上述执行主体可以基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树。其中,上述历史决策树可以包括多个节点。每个节点可以包括车辆执行动作和决策条件。例如,直行、车辆跟随、避障、左变道、右变道或减速停车等车辆执行动作。决策条件可以是预设的,用于约束决策节点的生成。对于每个车辆执行动作又可以包括横向动作和纵向动作。另外,车辆执行动作还可以包括动作执行信息。例如,动作执行信息可以包括但不限于以下至少一项:车辆速度值、车辆前轮转角、车辆加速度值等。对上述历史决策树进行更新可以是将上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合输入至上述历史决策树,以供根据每个节点中的决策条件,调整子节点的车辆执行动作。由此,可以完成对上述当前车辆的历史决策树的更新,得到当前决策树。
另外,每个节点中的决策条件还可以用于在一定步长内约束动作变化的次数。例如,2秒的步长内,每个节点车辆执行动作只能变化一次。从而,可以用于降低车辆动作变化的复杂度,将其从随时间指数增长变成线性增长。由此,提高生成车辆控制信息的时效性。进而,取消了对其它车辆的行为意图在决策步长内不变的前提。使得每步更新对他车意图的推理,以此提高车辆控制信息的准确度。
在一些实施例的一些可选的实现方式中,上述历史决策树还可以包括历史决策节点组、历史状态节点组和历史结果节点组;以及上述执行主体基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树,可以包括以下步骤:
基于预设的约束条件集合、上述当前状态空间包括的第一运动状态向量组和第二运动状态向量组集合,对上述历史决策树包括的历史决策节点组中的历史决策节点、历史状态节点组中的历史状态节点和历史结果节点组中的历史结果节点进行更新,得到当前决策树。其中,上述当前决策树中的结果节点包括决策信息。可以通过置信度传播算法,根据预设的约束条件集合、上述当前状态空间包括的第一运动状态向量组和第二运动状态向量组集合,对上述历史决策树包括的历史决策节点组中的历史决策节点、历史状态节点组中的历史状态节点和历史结果节点组中的历史结果节点进行更新,得到当前决策树。
步骤205,基于当前决策树,生成车辆控制信息。
在一些实施例中,上述执行主体可以基于上述当前决策树,通过各种方式生成车辆控制信息。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述当前决策树,生成车辆控制信息,可以包括如下步骤:
第一步,对上述当前决策树包括的各个决策信息进行决策评估,得到决策评估值组。其中,可以通过以下步骤进行决策评估,得到决策评估值组:
第一子步骤,可以通过预设的概率分布算法,确定决策信息对应的意图概率分布向量。
第二子步骤,将意图概率分布向量之间的差异小于预设差异的决策信息确定为不确定决策信息。
第三子步骤,对不确定决策信息进行开环模拟,得到决策评估值。其中,开环模拟可以只考虑本车与选取的不确定意图车辆的决策,忽略与其他车辆的交互,并对风险进行评价。可以通过预设的成本函数对不确定决策信息进行评估,得到决策评估值。
第四子步骤,对除不确定决策信息外的其它决策信息进行闭环模拟,得到决策评估值。闭环模拟可以是通过预设的评分矩阵,对对除不确定决策信息外的其它决策信息同时进行决策评估,得到每个决策信息对应的决策评估值。
第二步,根据上述决策评估值组,将从上述决策信息组中选出的满足预设决策条件的决策信息确定为车辆控制信息。上述预设决策条件可以是决策信息组中决策评估值大于预设评估阈值的决策信息。
实践中,通过对每条决策进行决策评估,以去除评估结果较低的决策,使得可以对决策树进行剪枝。达到减少决策数量,提高车辆控制信息生成的时效性的目的。另外,通过划分开环模拟和闭环模拟,可以更好的识别不确定决策信息所潜藏的风险。进而,提高车辆控制信息的准确度。
可选的,上述执行主体还可以响应于检测到异常车辆信息序列,根据上述异常车辆信息序列,对上述车辆控制信息进行更新。其中,上述异常车辆信息序列可以表征检测到附近其它车辆的驾驶行为异常。例如,车速低于最低限速、车速高于最高限速、车辆轨迹曲率过大等。针对此种情况,可以单据根据上述异常车辆信息序列构建异常决策树,同时通过开环模拟的方式进行决策评估,以便及时更新车量控制信息。例如,车辆控制信息为“左变道”。若突然出现速度较快的异常车辆。则可以将车辆控制信息调整为包括但不限于以下车辆执行动作中任意一项:“暂缓变道”、“减速变道”、“归回原车道”。
实践中,由于对决策树的剪枝容易误删最优决策,导致出现异常车辆,即检测到异常车辆信息序列。因此,通过此种方式可以在一定程度上避免误删最优策略导致的车辆控制信息准确度降低的情况。从而,可以解决背景技术部分提及到的技术问题三。进而,可以提高车量控制信息的准确度。
可选的,上述执行主体还可以执行如下步骤:
第一步,响应于确定上述决策组中不存在满足上述预设决策条件的决策信息,基于预设更新条件,对上述当前决策树进行更新,得到更新决策树。其中,上述更新决策树包括更新决策信息组。决策组中不存在满足上述预设决策条件的决策信息可以表征当前车辆在当前时刻没有可选决策。上述预设更新条件可以是再次基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到更新决策树。
第二步,将上述更新决策信息组中满足上述预设决策条件更新决策信息确定为车辆控制信息。
可选的,上述执行主体还可以将上述车辆控制信息发送至上述当前车辆的车辆控制终端,以控制上述当前车辆进行移动。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车辆控制信息生成方法,可以确保生成车辆控制信息的时效性,以及可以提高车辆控制信息的准确度。具体来说,造成生成车辆控制信息的时效性降低的原因在于:若场景复杂、交互车辆过多,所需观测的数据则越多。造成车辆控制信息的准确度降低的原因在于:在预测步长内,未对其它车辆的行为意图进行预测。基于此,本公开的一些实施例的车辆控制信息生成方法,首先,确定当前车辆信息序列和其它车辆信息序列集。然后,从上述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组。通过引入预设观测条件,可以用于对其它车辆信息序列集中的其它车辆信息序列进行筛选。从而,可以减少数据量,避免无关车辆信息的参与。以此,可以提高车辆控制信息生成的时效性。之后,基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,其中,上述当前状态空间包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合。通过对历史状态空间的更新,可以用于对当前车辆信息和其它车辆的行为意图进行状态汇总。而后,基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树。利用汇总后的当前车辆状态和其它车辆状态,可以对历史决策树进行更新,以用于预测其它车辆行为意图。使得决策树可以在其它车辆行为意图的基础上,决策出当前车辆的决策结果,以生成当前决策树。最后,基于上述当前决策树,生成车辆控制信息。由此,可以从更新后的当前决策树中的得到所需的车量控制信息。从而,本公开的一些实施例的车辆控制信息生成方法不仅可以确保生成车辆控制信息的时效性,还可以提高车辆控制信息的准确度。
进一步参考图3,其示出了车辆控制信息生成方法的另一些实施例的流程300。该车辆控制信息生成方法的流程300,包括以下步骤:
步骤301,获取当前车辆的基础信息序列、道路图像序列和点云数据序列集。
在一些实施例中,车辆控制信息生成方法的执行主体(如图1所示的计算设备101)可以通过有线方式或无线方式获取当前车辆的基础信息序列、道路图像序列和点云数据序列集。基础信息可以是车辆在运动过程中的变化信息,例如,车速、加速度、车辆坐标等。道路图像序列可以是当前车辆的车载相机在一定时间段(例如,2秒)内所拍摄的连续帧道路图像。点云数据序列集可以是当前车辆的车载激光雷达在一定时间段(例如,2秒)内扫描的连续帧点云数据序列。
步骤302,基于道路图像序列和点云数据序列集,生成道路信息序列。
在一些实施例中,上述执行主体可以基于上述道路图像序列和上述点云数据序列集,生成道路信息序列。其中,可以通过视觉检测方式,对上述道路图像序列中的各个道路图像进行图像检测,得到道路信息序列。或者可以通过感知检测方式,对上述点云数据序列集中的连续帧点云数据进行感知检测,得到道路信息序列。道路信息可以包括但不限于以下至少一项:当前车辆所在道路信息、车道线信息等。
步骤303,将基础信息序列和道路信息序列中对应的基础信息和道路信息组合为当前车辆信息,得到当前车辆信息序列。
在一些实施例中,上述执行主体可以将上述基础信息序列和上述道路信息序列中对应的基础信息和道路信息组合为当前车辆信息,得到当前车辆信息序列。其中,对应的可以是基础信息和道路信息对应的时间戳相同。
在一些实施例的一些可选的实现方式中,上述执行主体还可以执行如下步骤:
第一步,对上述道路图像序列中的每个道路图像进行目标检测以生成图像检测信息组,得到图像检测信息组序列。其中,可以通过但不限于以下至少一项目标检测算法对上述道路图像序列中的每个道路图像进行目标检测以生成图像检测信息组:SPP(SpatialPyramid Pooling,空间金字塔池化模块)模型和FCN(Fully Convolutional Networks,全卷机神经网络)模型。Resnet(Residual Network,残差神经网络)模型、VGG(VisualGeometry Group Network,卷积神经网络)模型和GoogLeNet(深度神经网络)模型等。
第二步,对上述点云数据序列集中的每个点云数据序列进行目标检测以生成点云检测信息组,得到点云检测信息组序列。其中,可以通过点云检测算法对上述点云数据序列集中的每个点云数据序列进行目标检测以生成点云检测信息组,得到点云检测信息组序列。
第三步,对上述图像检测信息组序列与上述点云检测信息组序列进行融合处理,得到其它车辆信息序列集。其中,融合处理可以是将图像检测信息和点云检测信息中表征同一车辆、同一类型的数据进行融合。例如,对于车辆速度、车辆坐标值、车辆加速度值等类型的数据可以是采用取平均的方式进行融合。
步骤304,从其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组。
步骤305,基于当前车辆信息序列和观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间。
步骤306,基于当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对当前车辆的历史决策树进行更新,得到当前决策树。
步骤307,基于当前决策树,生成车辆控制信息。
在一些实施例中,步骤304-307的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤202-205,在此不再赘述。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的车辆控制信息生成方法的流程300体现了确定当前车辆信息序列和其它车辆信息序列集的步骤。从而,可以提高当前车辆信息序列和其它车辆信息序列集的准确度。进而,可以提高车辆控制信息的准确度。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种车辆控制信息生成装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的车辆控制信息生成装置400包括:确定单元401、选择单元402、第一更新单元403、第二更新单元404和生成单元405。其中,确定单元401,被配置成确定当前车辆信息序列和其它车辆信息序列集;选择单元402,被配置成从上述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组;第一更新单元403,被配置成基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,其中,上述当前状态空间包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合;第二更新单元404,被配置成基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树;生成单元405,被配置成基于上述当前决策树,生成车辆控制信息。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:确定当前车辆信息序列和其它车辆信息序列集;从上述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组;基于上述当前车辆信息序列和上述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,其中,上述当前状态空间包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合;基于上述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对上述当前车辆的历史决策树进行更新,得到当前决策树;基于上述当前决策树,生成车辆控制信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括确定单元、选择单元、第一更新单元、第二更新单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,确定单元还可以被描述为“确定当前车辆信息序列和其它车辆信息序列集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种车辆控制信息生成方法,包括:
确定当前车辆信息序列和其它车辆信息序列集;
从所述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组;
基于所述当前车辆信息序列和所述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,其中,所述当前状态空间包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合;
基于所述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对所述当前车辆的历史决策树进行更新,得到当前决策树;
基于所述当前决策树,生成车辆控制信息;
其中,所述历史状态空间包括:第一历史运动状态向量组和第二历史运动状态向量组集合;以及
所述基于所述当前车辆信息序列和所述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,包括:
基于所述当前车辆信息序列,对所述第一历史运动状态向量组中的第一历史运动状态向量进行更新,得到第一运动状态向量组;
响应于确定所述第二历史运动状态向量组集合中存在与所述观测车辆信息序列组中观测车辆信息序列相匹配的第二历史运动状态向量组,对所匹配的第二历史运动状态向量组进行更新;
其中,所述基于所述当前车辆信息序列和所述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,还包括:
响应于确定所述观测车辆信息序列组中存在与所述第二历史运动状态向量组集合中各个第二历史运动状态向量组不相匹配的观测车辆信息序列,构建所述观测车辆信息序列组中每个不相匹配的观测车辆信息序列的目标车辆状态向量组;
将所构建的每个目标车辆状态向量组确定为第二运动状态向量组,以添加至所述第二运动状态向量组集合中,得到当前状态空间,其中,当前状态空间用于表征到当前时刻为止的一段时间内、当前车辆与附近的其它车辆的实际运动变化情况;
其中,所述历史决策树还包括历史决策节点组、历史状态节点组和历史结果节点组,所述历史决策树中的节点还包括车辆执行动作和决策条件,节点中的决策条件用于在一定步长内约束动作变化的次数;以及
所述基于所述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对所述当前车辆的历史决策树进行更新,得到当前决策树,包括:
基于预设的约束条件集合、所述当前状态空间包括的第一运动状态向量组和第二运动状态向量组集合,对所述历史决策树包括的历史决策节点组中的历史决策节点、历史状态节点组中的历史状态节点和历史结果节点组中的历史结果节点进行更新,得到当前决策树,其中,所述当前决策树中的结果节点包括决策信息;
其中,基于所述当前决策树,生成车辆控制信息,包括:
对所述当前决策树包括的各个决策信息进行决策评估,得到决策评估值组,其中,通过以下步骤进行决策评估,得到决策评估值组:
通过预设的概率分布算法,确定决策信息对应的意图概率分布向量;
将意图概率分布向量之间的差异小于预设差异的决策信息确定为不确定决策信息;
将意图概率分布向量之间的差异小于预设差异的决策信息确定为不确定决策信息;
对除不确定决策信息外的其它决策信息进行闭环模拟,得到决策评估值,其中,闭环模拟是通过预设的评分矩阵,对除不确定决策信息外的其它决策信息同时进行决策评估,得到每个决策信息对应的决策评估值;
根据所述决策评估值组,将从所述决策信息组中选出的满足预设决策条件的决策信息确定为车辆控制信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述车辆控制信息发送至所述当前车辆的车辆控制终端,以控制所述当前车辆进行移动。
3.根据权利要求1所述的方法,其中,所述确定当前车辆信息序列和其它车辆信息序列集,包括:
获取当前车辆的基础信息序列、道路图像序列和点云数据序列集;
基于所述道路图像序列和所述点云数据序列集,生成道路信息序列;
将所述基础信息序列和所述道路信息序列中对应的基础信息和道路信息组合为当前车辆信息,得到当前车辆信息序列。
4.根据权利要求3所述的方法,其中,所述确定当前车辆信息序列和其它车辆信息序列集,还包括:
对所述道路图像序列中的每个道路图像进行目标检测以生成图像检测信息组,得到图像检测信息组序列;
对所述点云数据序列集中的每个点云数据序列进行目标检测以生成点云检测信息组,得到点云检测信息组序列;
对所述图像检测信息组序列与所述点云检测信息组序列进行融合处理,得到其它车辆信息序列集。
5.一种车辆控制信息生成装置,包括:
确定单元,被配置成确定当前车辆信息序列和其它车辆信息序列集;
选择单元,被配置成从所述其它车辆信息序列集中选出满足预设观测条件的其它车辆信息序列作为观测车辆信息序列,得到观测车辆信息序列组;
第一更新单元,被配置成基于所述当前车辆信息序列和所述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,其中,所述当前状态空间包括当前车辆的第一运动状态向量组和其它车辆的第二运动状态向量组集合;
第二更新单元,被配置成基于所述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对所述当前车辆的历史决策树进行更新,得到当前决策树;
生成单元,被配置成基于所述当前决策树,生成车辆控制信息;
其中,所述历史状态空间包括:第一历史运动状态向量组和第二历史运动状态向量组集合;以及
所述基于所述当前车辆信息序列和所述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,包括:
基于所述当前车辆信息序列,对所述第一历史运动状态向量组中的第一历史运动状态向量进行更新,得到第一运动状态向量组;
响应于确定所述第二历史运动状态向量组集合中存在与所述观测车辆信息序列组中观测车辆信息序列相匹配的第二历史运动状态向量组,对所匹配的第二历史运动状态向量组进行更新;
其中,所述基于所述当前车辆信息序列和所述观测车辆信息序列组,对历史状态空间进行更新,得到当前状态空间,还包括:
响应于确定所述观测车辆信息序列组中存在与所述第二历史运动状态向量组集合中各个第二历史运动状态向量组不相匹配的观测车辆信息序列,构建所述观测车辆信息序列组中每个不相匹配的观测车辆信息序列的目标车辆状态向量组;
将所构建的每个目标车辆状态向量组确定为第二运动状态向量组,以添加至所述第二运动状态向量组集合中,得到当前状态空间,其中,当前状态空间用于表征到当前时刻为止的一段时间内、当前车辆与附近的其它车辆的实际运动变化情况;
其中,所述历史决策树包括历史决策节点组、历史状态节点组和历史结果节点组,所述历史决策树中的节点还包括车辆执行动作和决策条件;以及
所述基于所述当前状态空间包括的第一运动状态向量组和第二运动状态信息向量组集合,对所述当前车辆的历史决策树进行更新,得到当前决策树,包括:
基于预设的约束条件集合、所述当前状态空间包括的第一运动状态向量组和第二运动状态向量组集合,对所述历史决策树包括的历史决策节点组中的历史决策节点、历史状态节点组中的历史状态节点和历史结果节点组中的历史结果节点进行更新,得到当前决策树,其中,所述当前决策树中的结果节点包括决策信息;
其中,基于所述当前决策树,生成车辆控制信息,包括:
对所述当前决策树包括的各个决策信息进行决策评估,得到决策评估值组,其中,通过以下步骤进行决策评估,得到决策评估值组:
通过预设的概率分布算法,确定决策信息对应的意图概率分布向量;
将意图概率分布向量之间的差异小于预设差异的决策信息确定为不确定决策信息;
将意图概率分布向量之间的差异小于预设差异的决策信息确定为不确定决策信息;
对除不确定决策信息外的其它决策信息进行闭环模拟,得到决策评估值,其中,闭环模拟是通过预设的评分矩阵,对除不确定决策信息外的其它决策信息同时进行决策评估,得到每个决策信息对应的决策评估值;
根据所述决策评估值组,将从所述决策信息组中选出的满足预设决策条件的决策信息确定为车辆控制信息。
6.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
7.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111624195.3A CN114399659B (zh) | 2021-12-28 | 2021-12-28 | 车辆控制信息生成方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111624195.3A CN114399659B (zh) | 2021-12-28 | 2021-12-28 | 车辆控制信息生成方法、装置、设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114399659A CN114399659A (zh) | 2022-04-26 |
CN114399659B true CN114399659B (zh) | 2023-04-07 |
Family
ID=81229177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111624195.3A Active CN114399659B (zh) | 2021-12-28 | 2021-12-28 | 车辆控制信息生成方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399659B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115240157B (zh) * | 2022-08-05 | 2023-07-18 | 禾多科技(北京)有限公司 | 道路场景数据持久化方法、装置、设备和计算机可读介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096051A (zh) * | 2018-01-31 | 2019-08-06 | 北京京东尚科信息技术有限公司 | 用于生成车辆控制指令的方法和装置 |
CN110562258A (zh) * | 2019-09-30 | 2019-12-13 | 驭势科技(北京)有限公司 | 一种车辆自动换道决策的方法、车载设备和存储介质 |
CN112334368A (zh) * | 2018-06-24 | 2021-02-05 | 三菱电机株式会社 | 车辆控制系统及控制车辆运动的控制方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8457827B1 (en) * | 2012-03-15 | 2013-06-04 | Google Inc. | Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles |
EP3485337B1 (en) * | 2016-09-23 | 2020-10-21 | Apple Inc. | Decision making for autonomous vehicle motion control |
CN109213134B (zh) * | 2017-07-03 | 2020-04-28 | 百度在线网络技术(北京)有限公司 | 生成自动驾驶策略的方法和装置 |
US20190220016A1 (en) * | 2018-01-15 | 2019-07-18 | Uber Technologies, Inc. | Discrete Decision Architecture for Motion Planning System of an Autonomous Vehicle |
CN111311945B (zh) * | 2020-02-20 | 2021-07-09 | 南京航空航天大学 | 一种融合视觉和传感器信息的驾驶决策系统及方法 |
CN113232674A (zh) * | 2021-05-28 | 2021-08-10 | 南京航空航天大学 | 基于决策树和贝叶斯网络的车辆控制方法和装置 |
CN113511222B (zh) * | 2021-08-27 | 2023-09-26 | 清华大学 | 场景自适应式车辆交互行为决策与预测方法及装置 |
-
2021
- 2021-12-28 CN CN202111624195.3A patent/CN114399659B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096051A (zh) * | 2018-01-31 | 2019-08-06 | 北京京东尚科信息技术有限公司 | 用于生成车辆控制指令的方法和装置 |
CN112334368A (zh) * | 2018-06-24 | 2021-02-05 | 三菱电机株式会社 | 车辆控制系统及控制车辆运动的控制方法 |
CN110562258A (zh) * | 2019-09-30 | 2019-12-13 | 驭势科技(北京)有限公司 | 一种车辆自动换道决策的方法、车载设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
An Integrated Framework of Decision Making and Motion Planning for Autonomous Vehicles Considering Social Behaviors;Peng Hang et al.;《ARXIV》;20200522;正文第1-11页 * |
基于博弈论的多车动态交互换道模型;吕志良;《万方学术期刊数据库》;20211210;正文第38-49页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114399659A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
CN110850854A (zh) | 自动驾驶员代理和为自动驾驶员代理提供策略的策略服务器 | |
US11242050B2 (en) | Reinforcement learning with scene decomposition for navigating complex environments | |
CN110654381B (zh) | 用于控制车辆的方法和装置 | |
CN115540894B (zh) | 车辆轨迹规划方法、装置、电子设备和计算机可读介质 | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN112590813A (zh) | 自动驾驶车辆信息生成方法、装置、电子设备和介质 | |
CN113848855A (zh) | 车辆控制系统测试方法、装置、设备、介质及程序产品 | |
CN113033925A (zh) | 用于控制自动驾驶车辆行驶、装置、电子设备和介质 | |
CN112256037B (zh) | 应用于自动驾驶的控制方法、装置、电子设备及介质 | |
CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN114399659B (zh) | 车辆控制信息生成方法、装置、设备和计算机可读介质 | |
CN116279596B (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 | |
CN115534939A (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 | |
CN112622923B (zh) | 用于控制车辆的方法和装置 | |
CN115761702A (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
CN115544817B (zh) | 驾驶场景生成方法、装置、电子设备和计算机可读介质 | |
CN115731526B (zh) | 车道线识别方法、装置、电子设备和计算机可读介质 | |
CN115526069B (zh) | 仿真驾驶场景生成方法、装置、设备和计算机可读介质 | |
CN114724116B (zh) | 车辆通行信息生成方法、装置、设备和计算机可读介质 | |
CN115937801A (zh) | 基于图卷积的车辆轨迹预测方法及装置 | |
CN115973179A (zh) | 模型训练方法、车辆控制方法、装置、电子设备及车辆 | |
CN115534935A (zh) | 车辆行驶控制方法、装置、电子设备和计算机可读介质 | |
CN111832142A (zh) | 用于输出信息的方法和装置 | |
CN113593241B (zh) | 车辆交互信息校验方法、装置、电子设备和可读介质 |
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 | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |