CN114454899A - 车辆驾驶方法及装置 - Google Patents

车辆驾驶方法及装置 Download PDF

Info

Publication number
CN114454899A
CN114454899A CN202210357467.6A CN202210357467A CN114454899A CN 114454899 A CN114454899 A CN 114454899A CN 202210357467 A CN202210357467 A CN 202210357467A CN 114454899 A CN114454899 A CN 114454899A
Authority
CN
China
Prior art keywords
task
automatic driving
unmanned vehicle
driving
tasks
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210357467.6A
Other languages
English (en)
Other versions
CN114454899B (zh
Inventor
刘宪艺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neolix Technologies Co Ltd
Original Assignee
Neolix Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Neolix Technologies Co Ltd filed Critical Neolix Technologies Co Ltd
Priority to CN202210357467.6A priority Critical patent/CN114454899B/zh
Publication of CN114454899A publication Critical patent/CN114454899A/zh
Application granted granted Critical
Publication of CN114454899B publication Critical patent/CN114454899B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0011Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00Input parameters relating to infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本公开涉及无人驾驶技术领域,提供了车辆驾驶方法及装置。该方法包括:在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息;根据道路信息生成任务集合;利用任务集合控制无人车,当任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值;当失败次数小于等于预设阈值时,重复执行目标自动驾驶任务,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车。采用上述技术手段,解决现有技术中,自动驾驶和远程遥控驾驶之间的切换并不智能,无人驾驶存在效率低的问题。

Description

车辆驾驶方法及装置
技术领域
本公开涉及无人驾驶技术领域,尤其涉及一种车辆驾驶方法及装置。
背景技术
随着人工智能的发展,人工智能被广泛应用于各行各业,使得机器代替人类劳动成为一种潮流,极大地促进了劳动力的解放。人工智能被应用于车辆驾驶领域,无人驾驶技术和无人车等技术或概念越来越火爆。无人驾驶,包括:自动驾驶和远程遥控驾驶。目前,无人驾驶是在某些交通情况简单的路段,使用自动驾驶,在某些交通情况复杂的路段,使用远程遥控驾驶,而路段的交通情况复杂是否复杂,只能是依据预先设定的程序判别,预先设定的程序只是根据经验,笼统对路段进行划分,可见,现有技术中,自动驾驶和远程遥控驾驶之间的切换并不智能,进而目前无人驾驶存在效率低的问题。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下技术问题:自动驾驶和远程遥控驾驶之间的切换并不智能,无人驾驶存在效率低的问题。
发明内容
有鉴于此,本公开实施例提供了一种车辆驾驶方法、装置、电子设备和计算机可读的存储介质,以解决现有技术中,自动驾驶和远程遥控驾驶之间的切换并不智能,无人驾驶存在效率低的问题。
本公开实施例的第一方面,提供了一种车辆驾驶方法,包括:在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息;根据道路信息生成任务集合,其中,任务集合包括一个或多个自动驾驶任务,当任务集合中存在多个自动驾驶任务时,多个自动驾驶任务之间存在执行次序;利用任务集合控制无人车,当任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,失败次数是指每个自动驾驶任务的重启次数;当失败次数小于等于预设阈值时,重复执行目标自动驾驶任务,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车。
本公开实施例的第二方面,提供了一种车辆驾驶装置,包括:获取模块,被配置为在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息;生成模块,被配置为根据道路信息生成任务集合,其中,任务集合包括一个或多个自动驾驶任务,当任务集合中存在多个自动驾驶任务时,多个自动驾驶任务之间存在执行次序;第一控制模块,被配置为利用任务集合控制无人车,当任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,失败次数是指每个自动驾驶任务的重启次数;第二控制模块,被配置为当失败次数小于等于预设阈值时,重复执行目标自动驾驶任务,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车。
本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是:在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息;根据道路信息生成任务集合,其中,任务集合包括一个或多个自动驾驶任务,当任务集合中存在多个自动驾驶任务时,多个自动驾驶任务之间存在执行次序;利用任务集合控制无人车,当任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,失败次数是指每个自动驾驶任务的重启次数;当失败次数小于等于预设阈值时,重复执行目标自动驾驶任务,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车。采用上述技术手段,可以解决现有技术中,自动驾驶和远程遥控驾驶之间的切换并不智能,无人驾驶存在效率低的问题,进而提高无人车无人驾驶的效率。
附图说明
为了更清楚地说明本公开实施例中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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的附图。
图1是本公开实施例的一种车辆驾驶方法的计算机终端的硬件结构框图;
图2是本公开实施例提供的一种车辆驾驶方法的流程示意图;
图3是本公开实施例提供的一种车辆驾驶装置的结构示意图;
图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
本公开实施例所提供的方法实施例可以在计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例,图1示意性示出了本公开实施例的一种车辆驾驶方法的计算机终端的硬件结构框图。如图1所示,计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器(Microprocessor Unit,简称是MPU)或可编程逻辑器件(Programmable logic device,简称是PLD)等处理装置和用于存储数据的存储器104,可选地,上述计算机终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述计算机终端的结构造成限定。例如,计算机终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本公开实施例中的车辆驾驶方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104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104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。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。
传输设备106用于经由网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为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,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
图2是本公开实施例提供的一种车辆驾驶方法的流程示意图。如图2所示,该车辆驾驶方法包括:
S201,在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息;
S202,根据道路信息生成任务集合,其中,任务集合包括一个或多个自动驾驶任务,当任务集合中存在多个自动驾驶任务时,多个自动驾驶任务之间存在执行次序;
S203,利用任务集合控制无人车,当任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,失败次数是指每个自动驾驶任务的重启次数;
S204,当失败次数小于等于预设阈值时,重复执行目标自动驾驶任务,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车。
本公开实施例可以应用于无人车的自动驾驶模块上,自动驾驶模块通过上述技术手段控制无人车,无人车上还设置有远程驾驶模块。远程驾驶模块和自动驾驶模块可以直接通信,也可以通过服务器通信。根据道路信息生成任务集合,比如道路信息表示无人车需要先出库、左转、直行、右转和停车,那么多个自动驾驶任务,依次为出库任务、左转任务、直行任务、右转任务和停车任务。具体的,比如左转任务包括几个操作步骤,可以根据任务数据库确定:比如任务数据库中记录左转任务的操作步骤为:无人车进入左转弯之前靠右侧行驶;当无人车行驶至座椅与无人车左边的直角突出点对齐时,向左打死方向盘;当无人车的左后车轮越过直角突出点时,开始逐渐向右回方向盘驶出弯道;将无人车摆正后驶出弯道。
预设阈值由人提前设置。目标自动驾驶任务是任务集合中的一个任务。判断失败次数是否大于预设阈值,举例说明:预设阈值为3,当目标自动驾驶任务第3次执行失败(此时重启次数为3),因为此时失败次数等于预设阈值,所以第4次执行目标自动驾驶任务,如果第4次还失败了,则通过无人车的远程驾驶模块控制无人车。
需要说明的是,利用任务集合控制无人车,与执行任务集合是同一个含义,利用目标自动驾驶任务控制无人车,与执行目标自动驾驶任务是同一个含义。
根据本公开实施例提供的技术方案,在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息;根据道路信息生成任务集合,其中,任务集合包括一个或多个自动驾驶任务,当任务集合中存在多个自动驾驶任务时,多个自动驾驶任务之间存在执行次序;利用任务集合控制无人车,当任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,失败次数是指每个自动驾驶任务的重启次数;当失败次数小于等于预设阈值时,重复执行目标自动驾驶任务,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车。采用上述技术手段,可以解决现有技术中,自动驾驶和远程遥控驾驶之间的切换并不智能,无人驾驶存在效率低的问题,进而提高无人车无人驾驶的效率。
在步骤S201中,在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息,包括:获取无人车的起始地;对自动驾驶指令进行解析,得到无人车的目的地和到达时刻;获取起始地和目的地之间的目标地图;基于到达时刻,利用数学模型从目标地图上确定出目标道路;获取目标道路对应的道路信息。
目标地图包括多条从起始地到目的地的道路,可以根据到达时刻,从多条道路中确定出目标道路。
基于到达时刻,利用数学模型从目标地图上确定出目标道路之前,方法还包括:分别根据路径最短规则、红路灯最少规则、耗时最短规则、行人最少规则和车辆最少规则,建立路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数;基于路径最短函数、路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数,构建数学模型。
目标地图包括多条从起始地到目的地的道路。
每个函数可以理解为一个约束条件。路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数虽然分别是根据路径最短规则、红路灯最少规则、耗时最短规则、行人最少规则和车辆最少规则建立的,但是路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数可以用于计算每条道路的长度、每条道路上需要经过红绿灯的数量、每条道路耗时时间、每条道路上行人的数量和每条道路上车辆的数量。通过路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数对每条道路进行计算,将得到的五个计算结果加权求和,得到每条道路对应的数学模型的输出。根据每条道路对应的数学模型的输出,确定目标道路。
对五个计算结果加权求和的权值根据到达时刻确定。到达时刻和无人车到达目的地的到达时长是同等概念的,如果到达时长较长,那么应该注重安全,红路灯最少函数、行人最少函数和车辆最少函数的计算结果对应的权值较大,路径最短函数和耗时最短函数的计算结果对应的权值较小;如果到达时长较短,那么应该注重时间,红路灯最少函数、行人最少函数和车辆最少函数的计算结果对应的权值较小,路径最短函数和耗时最短函数的计算结果对应的权值较大。
在执行步骤S202之后,根据道路信息生成任务集合之后,方法还包括:当任务集合中存在多个自动驾驶任务时:执行当前自动驾驶任务,如果执行成功,则执行当前自动驾驶任务的下一个自动驾驶任务,直至执行完任务集合中所有的自动驾驶任务,结束,如果执行失败,则判断失败次数是否大于预设阈值;当失败次数小于等于预设阈值时,重复执行当前自动驾驶任务,直至当前自动驾驶任务执行成功,执行成功后,则执行当前自动驾驶任务的下一个自动驾驶任务,直至执行完任务集合中所有的自动驾驶任务,结束;当失败次数大于预设阈值时,生成当前自动驾驶任务对应的远程驾驶任务;利用远程驾驶模块执行远程驾驶任务,当远程驾驶任务执行成功后,则执行当前自动驾驶任务的下一个自动驾驶任务,直至执行完任务集合中所有的自动驾驶任务,结束。
本公开实施例,可以理解为一个执行任务的循环,用于依次执行任务集合中的每个自动驾驶任务。当每次当前自动驾驶任务执行失败,需要给当前自动驾驶任务的失败次数加1,当前自动驾驶任务的失败次数初始值为0。当前自动驾驶任务是当前时刻需要执行的自动驾驶任务。当前自动驾驶任务对应的远程驾驶任务,比如当前自动驾驶任务是出库,那么远程驾驶任务也是出库,只是自动驾驶任务是自动驾驶模块执行的,远程驾驶任务是远程遥控驾驶模块执行的。当远程驾驶任务执行成功后,再次利用自动驾驶模块执行当前自动驾驶任务的下一个自动驾驶任务。远程驾驶模块只执行远程驾驶任务。
在步骤S202中,根据道路信息生成任务集合,包括:将道路信息输入神经网络模型,输出任务集合;其中,神经网络模型已通过训练,学习并保存有道路信息和自动驾驶任务之间的对应关系。
本公开实施例可以借助神经网络模型,实现快速生成任务集合。对神经网络模型的训练,可以是深度学习训练,具体训练过程和现有的深度学习训练是一样的。
在步骤S203中,利用任务集合控制无人车,包括:实时获取无人车对应的路况信息;根据路况信息生成新的自动驾驶任务,以更新任务集合。
举例说明:任务集合中的自动驾驶任务依次为出库任务、左转任务、直行任务、右转任务和停车任务。但是无人车在实际执行直行任务时,通过无人车上设置的感应器探测到无人车前方10米有行人通过马路(路况信息),此时可以生成新的自动驾驶任务—停车让行任务。
在步骤S204中,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车,包括:在通过远程驾驶模块控制无人车时,获取远程驾驶模块控制无人车的操作指令;利用操作指令更新任务数据库;其中,任务数据库包括多个自动驾驶任务以及每个自动驾驶任务所包括的操作步骤,任务数据库用于生成和/或更新任务集合。
自动驾驶模块执行目标自动驾驶任务,说明目标自动驾驶任务所包括的操作步骤,可能有问题,在通过远程驾驶模块控制无人车时,获取远程驾驶模块控制无人车的操作指令,根据该操作指令更新任务数据库中目标自动驾驶任务所包括的操作步骤。更新后的任务数据库用于生成和/或更新任务集合。任务数据库具体的作用,可以见上文。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是本公开实施例提供的一种车辆驾驶装置的示意图。如图3所示,该车辆驾驶装置包括:
获取模块301,被配置为获取模块,被配置为在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息;
生成模块302,被配置为根据道路信息生成任务集合,其中,任务集合包括一个或多个自动驾驶任务,当任务集合中存在多个自动驾驶任务时,多个自动驾驶任务之间存在执行次序;
第一控制模块303,被配置为利用任务集合控制无人车,当任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,失败次数是指每个自动驾驶任务的重启次数;
第二控制模块304,被配置为当失败次数小于等于预设阈值时,重复执行目标自动驾驶任务,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车。
本公开实施例可以应用于无人车的自动驾驶模块上,自动驾驶模块通过上述技术手段控制无人车,无人车上还设置有远程驾驶模块。根据道路信息生成任务集合,比如道路信息表示无人车需要先出库、左转、直行、右转和停车,那么多个自动驾驶任务,依次为出库任务、左转任务、直行任务、右转任务和停车任务。具体的,比如左转任务包括几个操作步骤,可以根据任务数据库确定:比如任务数据库中记录左转任务的操作步骤为:无人车进入左转弯之前靠右侧行驶;当无人车行驶至座椅与无人车左边的直角突出点对齐时,向左打死方向盘;当无人车的左后车轮越过直角突出点时,开始逐渐向右回方向盘驶出弯道;将无人车摆正后驶出弯道。
预设阈值由人提前设置。目标自动驾驶任务是任务集合中的一个任务。判断失败次数是否大于预设阈值,举例说明:预设阈值为3,当目标自动驾驶任务第3次执行失败,因为此时失败次数等于预设阈值,所以第4次执行目标自动驾驶任务,如果第4次还失败了,则通过无人车的远程驾驶模块控制无人车。
需要说明的是,利用任务集合控制无人车,与执行任务集合是同一个含义,利用目标自动驾驶任务控制无人车,与执行目标自动驾驶任务是同一个含义。
根据本公开实施例提供的技术方案,在接收到自动驾驶指令的情况下,获取自动驾驶指令对应的道路信息;根据道路信息生成任务集合,其中,任务集合包括一个或多个自动驾驶任务,当任务集合中存在多个自动驾驶任务时,多个自动驾驶任务之间存在执行次序;利用任务集合控制无人车,当任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,失败次数是指每个自动驾驶任务的重启次数;当失败次数小于等于预设阈值时,重复执行目标自动驾驶任务,当失败次数大于预设阈值时,通过无人车的远程驾驶模块控制无人车。采用上述技术手段,可以解决现有技术中,自动驾驶和远程遥控驾驶之间的切换并不智能,无人驾驶存在效率低的问题,进而提高无人车无人驾驶的效率。
可选地,获取模块301还被配置为获取无人车的起始地;对自动驾驶指令进行解析,得到无人车的目的地和到达时刻;获取起始地和目的地之间的目标地图;基于到达时刻,利用数学模型从目标地图上确定出目标道路;获取目标道路对应的道路信息。
目标地图包括多条从起始地到目的地的道路,可以根据到达时刻,从多条道路中确定出目标道路。
可选地,获取模块301还被配置为分别根据路径最短规则、红路灯最少规则、耗时最短规则、行人最少规则和车辆最少规则,建立路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数;基于路径最短函数、路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数,构建数学模型。
目标地图包括多条从起始地到目的地的道路。
每个函数可以理解为一个约束条件。路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数虽然分别是根据路径最短规则、红路灯最少规则、耗时最短规则、行人最少规则和车辆最少规则建立的,但是路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数可以用于计算每条道路的长度、每条道路上需要经过红绿灯的数量、每条道路耗时时间、每条道路上行人的数量和每条道路上车辆的数量。通过路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数对每条道路进行计算,将得到的五个计算结果加权求和,得到每条道路对应的数学模型的输出。根据每条道路对应的数学模型的输出,确定目标道路。
对五个计算结果加权求和的权值根据到达时刻确定。到达时刻和无人车到达目的地的到达时长是同等概念的,如果到达时长较长,那么应该注重安全,红路灯最少函数、行人最少函数和车辆最少函数的计算结果对应的权值较大,路径最短函数和耗时最短函数的计算结果对应的权值较小;如果到达时长较短,那么应该注重时间,红路灯最少函数、行人最少函数和车辆最少函数的计算结果对应的权值较小,路径最短函数和耗时最短函数的计算结果对应的权值较大。
可选地,第一控制模块303还被配置为当任务集合中存在多个自动驾驶任务时:执行当前自动驾驶任务,如果执行成功,则执行当前自动驾驶任务的下一个自动驾驶任务,直至执行完任务集合中所有的自动驾驶任务,结束,如果执行失败,则判断失败次数是否大于预设阈值;当失败次数小于等于预设阈值时,重复执行当前自动驾驶任务,直至当前自动驾驶任务执行成功,执行成功后,则执行当前自动驾驶任务的下一个自动驾驶任务,直至执行完任务集合中所有的自动驾驶任务,结束;当失败次数大于预设阈值时,生成当前自动驾驶任务对应的远程驾驶任务;利用远程驾驶模块执行远程驾驶任务,当远程驾驶任务执行成功后,则执行当前自动驾驶任务的下一个自动驾驶任务,直至执行完任务集合中所有的自动驾驶任务,结束。
本公开实施例,可以理解为一个执行任务的循环,用于依次执行任务集合中的每个自动驾驶任务。当每次当前自动驾驶任务执行失败,需要给当前自动驾驶任务的失败次数加1,当前自动驾驶任务的失败次数初始值为0。当前自动驾驶任务是当前时刻需要执行的自动驾驶任务。当前自动驾驶任务对应的远程驾驶任务,比如当前自动驾驶任务是出库,那么远程驾驶任务也是出库,只是自动驾驶任务是自动驾驶模块执行的,远程驾驶任务是远程遥控驾驶模块执行的。当远程驾驶任务执行成功后,再次利用自动驾驶模块执行当前自动驾驶任务的下一个自动驾驶任务。远程驾驶模块只执行远程驾驶任务。
可选地,生成模块302还被配置为将道路信息输入神经网络模型,输出任务集合;其中,神经网络模型已通过训练,学习并保存有道路信息和自动驾驶任务之间的对应关系。
本公开实施例可以借助神经网络模型,实现快速生成任务集合。对神经网络模型的训练,可以是深度学习训练,具体训练过程和现有的深度学习训练是一样的。
可选地,第一控制模块303还被配置为实时获取无人车对应的路况信息;根据路况信息生成新的自动驾驶任务,以更新任务集合。
举例说明:任务集合中的自动驾驶任务依次为出库任务、左转任务、直行任务、右转任务和停车任务。但是无人车在实际执行直行任务时,通过无人车上设置的感应器探测到无人车前方10米有行人通过马路(路况信息),此时可以生成新的自动驾驶任务—停车让行任务。
可选地,第二控制模块304还被配置为在通过远程驾驶模块控制无人车时,获取远程驾驶模块控制无人车的操作指令;利用操作指令更新任务数据库;其中,任务数据库包括多个自动驾驶任务以及每个自动驾驶任务所包括的操作步骤,任务数据库用于生成和/或更新任务集合。
自动驾驶模块执行目标自动驾驶任务,说明目标自动驾驶任务所包括的操作步骤,可能有问题,在通过远程驾驶模块控制无人车时,获取远程驾驶模块控制无人车的操作指令,根据该操作指令更新任务数据库中目标自动驾驶任务所包括的操作步骤。更新后的任务数据库用于生成和/或更新任务集合。任务数据库具体的作用,可以见上文。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的电子设备4的示意图。如图4所示,该实施例的电子设备4包括:处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序403可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器402中,并由处理器401执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序403在电子设备4中的执行过程。
电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以是电子设备4的内部存储单元,例如,电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备,例如,电子设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、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单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。

Claims (10)

1.一种车辆驾驶方法,其特征在于,包括:
在接收到自动驾驶指令的情况下,获取所述自动驾驶指令对应的道路信息;
根据所述道路信息生成任务集合,其中,所述任务集合包括一个或多个自动驾驶任务,当所述任务集合中存在多个所述自动驾驶任务时,多个所述自动驾驶任务之间存在执行次序;
利用所述任务集合控制无人车,当所述任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,所述失败次数是指每个所述自动驾驶任务的重启次数;
当所述失败次数小于等于所述预设阈值时,重复执行所述目标自动驾驶任务,当所述失败次数大于所述预设阈值时,通过所述无人车的远程驾驶模块控制所述无人车。
2.根据权利要求1所述的方法,其特征在于,所述在接收到自动驾驶指令的情况下,获取所述自动驾驶指令对应的道路信息,包括:
获取所述无人车的起始地;
对所述自动驾驶指令进行解析,得到所述无人车的目的地和到达时刻;
获取所述起始地和所述目的地之间的目标地图;
基于所述到达时刻,利用数学模型从所述目标地图上确定出目标道路;
获取所述目标道路对应的道路信息。
3.根据权利要求2所述的方法,其特征在于,所述基于所述到达时刻,利用数学模型从所述目标地图上确定出目标道路之前,所述方法还包括:
分别根据路径最短规则、红路灯最少规则、耗时最短规则、行人最少规则和车辆最少规则,建立路径最短函数、红路灯最少函数、耗时最短函数,行人最少函数和车辆最少函数;
基于所述路径最短函数、所述路径最短函数、所述红路灯最少函数、所述耗时最短函数,所述行人最少函数和所述车辆最少函数,构建所述数学模型。
4.根据权利要求1所述的方法,其特征在于,所述根据所述道路信息生成任务集合之后,所述方法还包括:
当所述任务集合中存在多个所述自动驾驶任务时:
执行当前自动驾驶任务,如果执行成功,则执行所述当前自动驾驶任务的下一个自动驾驶任务,直至执行完所述任务集合中所有的所述自动驾驶任务,结束,如果执行失败,则判断所述失败次数是否大于所述预设阈值;
当所述失败次数小于等于所述预设阈值时,重复执行所述当前自动驾驶任务,直至所述当前自动驾驶任务执行成功,执行成功后,则执行所述当前自动驾驶任务的下一个自动驾驶任务,直至执行完所述任务集合中所有的所述自动驾驶任务,结束;
当所述失败次数大于所述预设阈值时,生成所述当前自动驾驶任务对应的远程驾驶任务;
利用所述远程驾驶模块执行所述远程驾驶任务,当所述远程驾驶任务执行成功后,则执行所述当前自动驾驶任务的下一个自动驾驶任务,直至执行完所述任务集合中所有的所述自动驾驶任务,结束。
5.根据权利要求1所述的方法,其特征在于,所述根据所述道路信息生成任务集合,包括:
将所述道路信息输入神经网络模型,输出所述任务集合;
其中,所述神经网络模型已通过训练,学习并保存有所述道路信息和所述自动驾驶任务之间的对应关系。
6.根据权利要求1所述的方法,其特征在于,所述利用所述任务集合控制无人车,包括:
实时获取所述无人车对应的路况信息;
根据所述路况信息生成新的自动驾驶任务,以更新所述任务集合。
7.根据权利要求1所述的方法,其特征在于,所述当所述失败次数大于所述预设阈值时,通过所述无人车的远程驾驶模块控制所述无人车,包括:
在通过所述远程驾驶模块控制所述无人车时,获取所述远程驾驶模块控制所述无人车的操作指令;
利用所述操作指令更新任务数据库;
其中,所述任务数据库包括多个所述自动驾驶任务以及每个所述自动驾驶任务所包括的操作步骤,所述任务数据库用于生成和/或更新所述任务集合。
8.一种车辆驾驶装置,其特征在于,包括:
获取模块,被配置为在接收到自动驾驶指令的情况下,获取所述自动驾驶指令对应的道路信息;
生成模块,被配置为根据所述道路信息生成任务集合,其中,所述任务集合包括一个或多个自动驾驶任务,当所述任务集合中存在多个所述自动驾驶任务时,多个所述自动驾驶任务之间存在执行次序;
第一控制模块,被配置为利用所述任务集合控制无人车,当所述任务集合中存在目标自动驾驶任务执行失败,判断失败次数是否大于预设阈值,其中,所述失败次数是指每个所述自动驾驶任务的重启次数;
第二控制模块,被配置为当所述失败次数小于等于所述预设阈值时,重复执行所述目标自动驾驶任务,当所述失败次数大于所述预设阈值时,通过所述无人车的远程驾驶模块控制所述无人车。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述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计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
CN202210357467.6A 2022-04-07 2022-04-07 车辆驾驶方法及装置 Active CN114454899B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210357467.6A CN114454899B (zh) 2022-04-07 2022-04-07 车辆驾驶方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210357467.6A CN114454899B (zh) 2022-04-07 2022-04-07 车辆驾驶方法及装置

Publications (2)

Publication Number Publication Date
CN114454899A true CN114454899A (zh) 2022-05-10
CN114454899B CN114454899B (zh) 2022-08-02

Family

ID=81418072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210357467.6A Active CN114454899B (zh) 2022-04-07 2022-04-07 车辆驾驶方法及装置

Country Status (1)

Country Link
CN (1) CN114454899B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111409643A (zh) * 2020-04-15 2020-07-14 新石器慧通(北京)科技有限公司 远程驾驶方法、远程驾驶装置及远程驾驶系统
WO2021135371A1 (zh) * 2019-12-31 2021-07-08 华为技术有限公司 一种自动驾驶方法、相关设备及计算机可读存储介质
CN113085894A (zh) * 2021-04-01 2021-07-09 银隆新能源股份有限公司 车辆的控制方法及装置、自动驾驶车辆
CN113419546A (zh) * 2021-08-24 2021-09-21 新石器慧通(北京)科技有限公司 一种无人车的控制方法、装置、介质及电子设备
WO2022016457A1 (zh) * 2020-07-23 2022-01-27 华为技术有限公司 控制车辆驾驶模式切换的方法和装置
CN114013452A (zh) * 2021-09-29 2022-02-08 江铃汽车股份有限公司 自动驾驶控制方法、系统、可读存储介质及车辆

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021135371A1 (zh) * 2019-12-31 2021-07-08 华为技术有限公司 一种自动驾驶方法、相关设备及计算机可读存储介质
CN111409643A (zh) * 2020-04-15 2020-07-14 新石器慧通(北京)科技有限公司 远程驾驶方法、远程驾驶装置及远程驾驶系统
WO2022016457A1 (zh) * 2020-07-23 2022-01-27 华为技术有限公司 控制车辆驾驶模式切换的方法和装置
CN113085894A (zh) * 2021-04-01 2021-07-09 银隆新能源股份有限公司 车辆的控制方法及装置、自动驾驶车辆
CN113419546A (zh) * 2021-08-24 2021-09-21 新石器慧通(北京)科技有限公司 一种无人车的控制方法、装置、介质及电子设备
CN114013452A (zh) * 2021-09-29 2022-02-08 江铃汽车股份有限公司 自动驾驶控制方法、系统、可读存储介质及车辆

Also Published As

Publication number Publication date
CN114454899B (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN109946995A (zh) 自动驾驶的仿真测试方法、装置及智能终端
CN111079533B (zh) 无人车驾驶决策方法、无人车驾驶决策装置及无人车
EP4063792A2 (en) Method and apparatus for generating a simulation scene, electronic device and storage medium
CN113129596B (zh) 行驶数据处理方法、装置、设备、存储介质及程序产品
CN111666714B (zh) 自动驾驶仿真场景识别的方法及装置
CN112382165B (zh) 驾驶策略生成方法、装置、介质、设备及仿真系统
CN109584579B (zh) 基于人脸识别的交通信号灯控制方法及计算机设备
CN113071476A (zh) 自主泊车的方法、装置、设备及自动驾驶车辆
CN112492052A (zh) 智能网联车辆数据的远程调试方法及装置
CN113739811A (zh) 关键点检测模型的训练和高精地图车道线的生成方法设备
CN103164232A (zh) 更新智能终端操作系统的方法、系统以及计算机
CN111739283A (zh) 一种基于聚类的路况计算方法、装置、设备及介质
CN114454899B (zh) 车辆驾驶方法及装置
CN112230663B (zh) 车辆定位数据的监测方法、装置
CN115610435B (zh) 对象行驶意图的预测方法和装置、存储介质及电子装置
CN114333409B (zh) 目标跟踪方法、装置、电子设备及存储介质
CN115534935A (zh) 车辆行驶控制方法、装置、电子设备和计算机可读介质
CN114655254A (zh) 自动驾驶车辆控制方法、装置及电子设备
CN115049151A (zh) 导航路线推荐方法、装置、设备及存储介质
CN114721692A (zh) 自动驾驶模型的升级系统、方法及装置
CN114489714A (zh) 一种车载数据处理方法、装置、电子设备及存储介质
CN113696909A (zh) 机动车自动行驶控制方法、装置及计算机可读存储介质
CN111340234A (zh) 视频数据处理方法、装置、电子设备和计算机可读介质
CN112230632A (zh) 用于自动驾驶的方法、装置、设备和存储介质
CN112561166A (zh) 车辆的调度方法和装置、存储介质、电子装置

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