CN114475601A - 一种车辆控制方法、装置、车辆和存储介质 - Google Patents

Abstract

本发明公开了一种车辆控制方法、装置、车辆和存储介质。该方法包括在获取安装在车辆上的激光雷达与摄像头采集的道路环境数据；若所述车辆的驾驶模式为自动跟车模式，则根据所述道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种；基于识别结果、所述道路环境数据以及车辆的行驶状态信息，控制所述车辆在当前车道上跟车行驶。本方案通过识别道路环境中的车道线指引元素、交通指示信号和加塞对象中的至少一种，来灵活且精准的自动控制车辆跟车行驶，极大的提高了自动跟随前车行驶的安全性和可靠性。

Description

一种车辆控制方法、装置、车辆和存储介质

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种车辆控制方法、装置、车辆和存储介质。

背景技术

随着汽车的普及，交通拥堵逐渐成为人们生活中面临的难题之一。目前，为解决在长时间的交通拥堵对驾驶员造成的生理和心理负担，可通过在满足交通拥堵的路况条件下，将车辆的驾驶模式切换至自动跟车模式，控制目标车辆在一定的安全距离范围内跟随前方车辆行驶。然而，如上所述的自动跟车模式不涉及道路环境因素，车辆自动跟车的安全性和可靠性较差。

发明内容

本发明实施例提供一种车辆控制方法、装置、车辆和存储介质，以提高自动跟随前车行驶的安全性和可靠性。

第一方面，本发明实施例提供了一种车辆控制方法，包括：

获取安装在车辆上的激光雷达与摄像头采集的道路环境数据；

若所述车辆的驾驶模式为自动跟车模式，则根据所述道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种；

基于识别结果、所述道路环境数据以及所述车辆的行驶状态信息，控制所述车辆在当前车道上跟车行驶。

第二方面，本发明实施例还提供了一种车辆控制装置，包括：

数据获取模块，用于获取安装在车辆上的激光雷达与摄像头采集的道路环境数据；

数据识别模块，用于若所述车辆的驾驶模式为自动跟车模式，则根据所述道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种；

车辆控制模块，用于基于识别结果、所述道路环境数据以及所述车辆的行驶状态信息，控制所述车辆在当前车道上跟车行驶。

第三方面，本发明实施例还提供了一种车辆，所述车辆包括：

安装在车辆上的至少一个激光雷达和至少一个摄像头，用于采集所述车辆预设范围内的道路点云数据和道路图像数据；

一个或多个处理器，与所述至少一个激光雷达和所述至少一个摄像头通信连接；以及，

与所述一个或多个处理器通信连接的存储器，所述存储器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时，使得所述一个或多个处理器实现本发明任意实施例所述的车辆控制方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的车辆控制方法。

本发明实施例的技术方案，通过安装在车辆上的激光雷达和摄像头采集道路环境数据，并在自动跟车模式下，基于采集到的道路环境数据识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种，进而基于识别到的结果、采集的道路环境数据以及车辆的行驶状态信息，控制车辆在当前车道上跟车行驶。因此，本发明实施例提出了一种适应不同道路环境的自动跟车方案，基于道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种控制车辆在当前车道上跟车行驶，提升了车辆跟车行驶的安全性和可靠性。

附图说明

图1为本发明实施例一提供的一种车辆控制方法的流程图；

图2A为本发明实施例提供的一种车辆控制系统的架构图；

图2B为本发明实施例提供的一种车辆控制方法的原理图；

图3为本发明实施例提供的联合环境数据的效果图；

图4为本发明实施例二提供的一种车辆控制方法的流程图；

图5为本发明实施例三提供的一种车辆控制方法的流程图；

图6为本发明实施例四提供了一种车辆控制装置的结构框图；

图7为本发明实施例五提供的一种车辆的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种车辆控制方法的流程图，本实施例可适用于对车辆进行自动控制的情况，尤其适用于在自动跟车模式下，控制车辆在当前车道自动跟随前车行驶的情况。该方法可以由车辆控制装置来执行，该装置可以采用软件和/或硬件的方式来实现。该装置可配置于自动驾驶车辆的车辆控制系统中，如图1所示，该方法具体包括：

S101，获取安装在车辆上的激光雷达与摄像头采集的道路环境数据。

其中，本实施例所采用的激光雷达配置于车辆上，用于扫描车辆前方的道路点云数据，为了获取视场角更广的道路环境数据，本实施例的激光雷达优选为大视场角的激光雷达。例如，可以选择水平视场角为180°的激光雷达，以实现对车辆正前方、左前方和右前方道路区域范围进行实时且精准的扫描。本实施例所采用的摄像头也配置于车辆上，用于采集车辆前方一定范围内的道路图像数据，该摄像头可以由支持可见光和红外光的双目传感器构成，红外光传感器有助于提高道路信息的夜间检测精度，从而实现在白天和夜间均能准确采集车辆前方的道路图像数据。

本实施例的道路环境数据可以包括激光雷达采集的道路点云数据和摄像头采集的道路图像数据，还可以是对道路点云数据和道路图像数据进行联合标定得到的一组融合数据。对此本实施例不进行限定，本实施例优选将道路点云数据和道路图像数据联合标定后的融合数据作为道路环境数据。具体的标定方式将在后续实施例进行详细介绍。

可选的，在本实施例中，无论车辆处于自动跟车模式还是人工驾驶模式，在车辆行驶过程中，安装于车辆上的激光雷达都会实时扫描道路点云数据，安装于车辆上的摄像头会实时采集道路图像数据，车辆控制系统会实时获取激光雷达和摄像头采集的数据(即道路点云数据和道路图像数据)，并对获取的数据进行处理得到道路环境数据。例如，可以是对获取的数据进行联合标定处理。此时，车辆处于人工驾驶模式时获取的激光雷达和摄像头采集的数据，可作为汽车辅助驾驶功能的输入数据。在一些实施例中，当车辆处于人工驾驶模式时，激光雷达和摄像头不工作或处于低功耗模式，当车辆切换至自动跟车模式时，触发激光雷达和摄像头采集数据。

S102，若车辆的驾驶模式为自动跟车模式，则根据道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种。

其中，自动跟车模式是自动控制车辆跟随当前行驶车道上的前车行驶的模式。车道线指引元素可以是用于协助进行车道定位的元素，例如，可以包括但不限于：道路上的车道线和/或道路边沿线等。交通指示信号可以是道路中用于指示车辆是否可以正常通行和/或指示车辆通行的行驶方向的指示信号，例如，可以是路口的交通指示灯的指示信号(即红灯、绿灯或黄灯)，也可以是当前车道尽头处的方向指示信号(例如直行箭头、左转箭头、掉头箭头等)。加塞对象可以是想要从当前车道的相邻车道，插入到目标车辆(即执行本实施例的车辆控制系统所在车辆)和当前车道的前车之间的周围移动对象。例如，本实施例的加塞对象可以是相邻车道中想要加塞到目标车辆前方的车辆，也可以是想要从目标车辆前方横穿过去的行人等，横穿表示行人的行进方向与目标车辆的行驶方向或当前车道延伸方向相交，通常指垂直相交。

可选的，本实施例中，车辆的驾驶模式至少包括自动跟车模式和人工驾驶模式。车辆控制系统在车辆行驶过程中，若检测到车辆的驾驶模型切换为自动跟车模式，就会根据获取的道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种。

本实施例中，识别内容包括道路环境数据中的车道线指引元素、交通指示信号以及加塞对象。需要说明的是，道路环境数据与实际行驶场景相关联，因此，道路环境数据每一时刻的识别结果是不同的，识别结果可以是车道线指引元素、交通指示信号以及加塞对象的任意组合。在一些实施例中，可以根据实际行驶场景，选择需要识别的内容。示例的，若行驶场景为高速公路场景，由于高速公路上可能不会出现红绿灯等交通指示信号，所以此时可以只识别车道线指引元素和加塞对象；若当前行驶场景为城市道路的路口场景，则此时可以识别车道线指引元素、交通指示信号和加塞对象。本实施例根据道路环境数据，识别道路环境数据中的车道线指引元素、交通指示信号以及加塞对象的方式有很多，一种可实现方式为基于深度学习技术，采用预先训练好的目标识别模型来从道路环境数据中识别车道线指引元素、交通指示信号以及加塞对象。另一种可实现方式为基于预设的图像识别算法，来从道路环境数据中识别车道线指引元素、交通指示信号以及加塞对象。

示例性的，从道路环境数据中识别交通指示信号时，可以是从道路环境数据中先识别是否包含交通指示灯，若包含，再进一步基于道路环境数据中的色彩纹理信息，确定交通指示灯的颜色信息作为识别到的交通指示信号。从道路环境数据中识别车道线指引元素时，可以先基于道路环境数据中各位置点的高度值，提取出道路地面数据，再进一步从道路地面数据中提取车道线和/或道路边沿线。需要说明的是，本实施例在识别车道线指引元素时，可以设置车道线的优先级高于道路边沿线，具体的，可以优先选择识别目标车辆所在车道的车道线，若识别不到车道线，再去识别该车道的道路边沿线。

从道路环境数据中识别加塞对象的过程可以包括如下两个子步骤：

S1021,根据道路环境数据，识别周围移动对象的行驶状态信息。

其中，周围移动对象可以是位于目标车辆的当前车道和相邻车道中的可移动对象，例如，目标车辆周围的其他车辆或行人等。周围移动对象的行驶状态信息可以包括但不限于：行驶速度、行驶位置、行驶方向和预测路径等。

可选的，本实施例根据道路环境数据，识别周围移动对象的行驶状态信息的方式可以是基于每一帧道路环境数据，都进行周围移动对象的识别，得到各周围移动对象在每一帧道路环境数据中的具体位置，针对各周围移动对象在连续多帧道路环境数据中的位置信息，计算各周围移动对象的行驶状态信息。

S1022，根据周围移动对象的行驶状态信息中的位置信息和航向信息，从周围移动对象中识别加塞对象。

在本实施例中，根据周围移动对象的行驶状态信息中的位置信息和航向信息，识别加塞对象的方式有很多，对此本实施例不进行限定。一种可实现方式为：将周围移动对象的行驶状态信息中的位置信息和航向信息输入到预先训练好的加塞对象识别模型中，该加塞对象识别模型会基于训练时的算法，对每一周围移动对象的行驶状态信息进行解析，来确定各周围移动对象是否为加塞对象。另一种可实现方式为：根据周围移动对象的行驶状态信息中的位置信息，从周围移动对象中识别出目标移动对象，根据目标移动对象的位置信息和航向信息，确定目标移动对象是否为加塞对象。具体的，根据周围移动对象的行驶状态信息中的位置信息，选择在沿当前车道方向上的行驶位置位于目标车辆和前方车辆之间的周围移动对象作为目标移动对象，然后根据目标移动对象的位置信息判断目标移动对象位于目标车辆的左侧还是右侧，根根相对方位获取加塞角度范围，最后根据目标移动对象的航向信息和对应的加塞角度范围，识别所述目标移动对象是否为加塞对象。可以理解，目标移动对象还可以结合周围移动对象与目标车辆的横向距离进行选择。本实施例中，当前车道的左侧相邻车道和右侧相邻车道设置的加塞角度范围不同。例如，以目标车辆的行驶方向视为0度方向，针对左侧相邻车道的目标移动对象，其航向信息需要大于300°且小于350°时，才将其识别为加塞对象。

S103，基于识别结果、道路环境数据以及车辆的行驶状态信息，控制车辆在当前车道上跟车行驶。

在S102识别到交通指示信号的情况下，可以根据交通指示信号，确定当前是否可以通行，例如，若交通指示信号为红灯，则不能通行，此时需要控制自动驾驶车辆停止；若交通指示信号为绿灯，则可以根据道路环境数据和目标车辆的行驶状态信息，控制目标车辆继续在当前车道上跟随前车行驶。

在S102识别到加塞对象的情况下，可以根据当前的道路环境数据，确定是否需要避让该加塞对象，若需要避让加塞对象，则控制车辆在当前车道减速或停车，等加塞对象完全进入当前车道后，将该加塞对象作为当前车道的前车，继续跟随其在当前车道保持安全距离行驶。若不需要避让加塞对象，则可以控制车辆加速跟随前车行驶，以缩短目标车辆与前车的之间的间隔距离，使得距离缩短后，加塞对象难以进行本次加塞。需要说的是，控制车辆缩短目标车辆与前车的之间的间隔距离后，虽然可避免加塞的情况出现，但是距离前车过近，前车启动或者急刹会影响目标车辆舒适性，且存在安全隐患，所以在检测到加塞事件解除后，即不存在加塞对象后，还需要控制车辆与前车保持足够的安全距离和碰撞时间。

在S102识别到车道线指引元素的情况下，可以根据车道指引元素，定位目标车辆当前行驶车道(即当前车道)，进而控制目标车辆基于目标车辆的行驶状态信息和道路环境数据，在当前车道跟车前车行驶，若前车出现违规变道的情况，控制车辆继续在当前车道行驶，而非跟随前车变道。

需要说明的是，在本实施例中，根据车道线指引元素和道路环境数据，控制车辆在当前车道上跟车行驶的过程；根据交通指示信号和道路环境数据，控制车辆在当前车道上跟车行驶的过程；以及根据加塞对象和道路环境数据，控制车辆在当前车道上跟车行驶的过程，是三个相互独立的过程，具体执行哪个过程，取决于S102的识别结果，即S102中识别到了哪些结果，就基于哪些结果和道路环境数据来控制车辆在当前车道跟车行驶。

示例性的，图2A-2B所示。本实施例的自动驾驶车辆上安装有大视场角激光雷达和支持可见光和红外光的双目摄像头，激光雷达可实时采集道路点云数据，摄像头可实时采集道路图像数据。对采集的道路点云数据和道路图像数据进行联合标定，得到道路环境数据。本实施例采用大视场角的激光雷达加可见光与红外的摄像头作为感知系统部分，提高了系统检测的可靠性和检测精度。标定后的道路环境数据会输入到感知处理组件，由感知处理组件对道路环境数据进行解析，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种，发送至决策控制组件，由决策处理组件基于识别到的结果、所述道路环境数据、自身转向信息和自身速度信息，生成控制指令发送至车辆制动组件，由车辆制动组件从横向和纵向两个维度来控制车辆在当前车道跟随前车行驶。其中，纵向是指车辆行驶方向，横向是指车辆左转和右转方向。另外，在行驶过程中遇到障碍物、加塞对象、红绿灯或出现故障等情况下，可以通过声光报警组件来提醒驾驶员，以便驾驶员根据实际情况，确定是否需要切换为人工驾驶，来保证驾驶车辆的安全性。

本发明实施例的技术方案，通过安装在车辆上的激光雷达和摄像头采集道路环境数据，并在自动跟车模式下，基于采集到的道路环境数据识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种，进而基于识别到的结果、采集的道路环境数据以及车辆的行驶状态信息，来控制车辆在当前车道上跟车行驶。因此，本发明实施例提出了一种适应不同道路环境的自动跟车方案，基于道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种控制车辆在当前车道上跟车行驶，提升了车辆跟车行驶的安全性和可靠性。

可选的，在上述技术方案的基础上，本发明实施例获取安装在车辆上的激光雷达与摄像头采集的道路环境数据的具体实现方式为：获取激光雷达采集的道路点云数据和摄像头采集的道路图像数据，其中，激光雷达和摄像头均安装在所述车辆上；对道路点云数据和道路图像数据进行联合标定处理，得到道路环境数据。具体的，本实施例可以预先对摄像头进行内参标定，如采用张氏标定法，以及对标定好内参的摄像头与激光雷达进行外参标定，如采用标定工具(autoware)基于PNP(pespective-n-point，三维点-二维点)算法来实现外参标定。对激光雷达采集的道路点云数据和摄像头采集的道路图像数据进行联合标定处理的过程可以是基于预先标定的内参和外参，将道路点云数据和道路图像数据的坐标转换到同一坐标系下，使得每一坐标点下不仅包含道路图像数据中的色彩纹理信息，还包含道路点云数据中的距离信息。极大的提高了后续基于该道路环境数据识别加塞对象、车道线指引元素和交通指示信号等的精准性和可靠性。示例性的，图3示出了通过该方式得到的道路环境数据的效果图。

实施例二

图4为本发明实施例二提供的一种车辆控制方法的流程图，本实施例在上述各实施例的基础上，进一步优化了车辆的控制过程。如图4所示，具体包括如下步骤：

S401,获取安装在车辆上的激光雷达与摄像头采集的道路环境数据。

S402，根据道路环境数据，确定车辆预设范围内的道路的车道通行状况。

其中，车辆预设范围可以是道路环境数据所包含的范围，即摄像头和激光雷达的数据采集视场角对应的范围。

可选的，本实施例根据道路环境数据，确定车辆预设范围内的道路的车道通行状况的一种可实施方式为：根据道路环境数据，解析周围车辆的行驶状态信息，再结合目标车辆的行驶状态信息，确定车辆预设范围内的道路的车道通行状况。具体的，可以根据当前时刻前的一段时间内(如最近的3分钟内)，目标车辆和周围车辆的平均行驶速度和刹车制动的次数，确定车辆预设范围内的道路的车道通行状况。另一种可实施方式为：可以在道路两侧设置路测设备，路测设备用于扫描通过路测设备对应的检测路段的移动车辆，基于路测设备采集的扫描数据解析通过检测路段的移动车辆的行驶状态信息，进而确定该路段的车道通行状况，并将车道通行状况发送至通过检测路段的移动车辆。

S403，判断车道通行状况是否满足预设拥堵条件，若满足，则执行S404，若不满足，则执行S405。

可选的，判断车道通行状况是否满足预设条件的一种可实施方式为：若当前时刻前的一段时间内(如最近的3分钟内)，目标车辆和周围车辆的平均行驶速度低于预设速度阈值(如25km/h)且刹车制动的次数大于预设制动次数，则判断车道通行状况满足预设拥堵条件，执行S404，否则执行S405。判断车道通行状况是否满足预设条件的另一种可实施方式为：在车辆接收车道通行状况之后，对所述车道通行状况进行数据处理，计算该车辆通过该检测路段的平均时间，若该车辆通过该检测路段的平均时间大于预设时间阈值，则判断车道通行状况满足预设拥堵条件，执行S404，否则执行S405。

S404，将车辆的驾驶模式切换至自动跟车模式。

可选的，本实施例可以是在检测到当前车道通行状况满足预设拥堵条件，即车道通行状况为拥堵时，直接从人工驾驶模式切换至自动跟车模式，或向驾驶员发出是否切换自动跟车模式的询问，在接收到驾驶员发出的自动跟车模式切换指令后，响应该自动跟车模式切换指令，从人工驾驶模式切换至自动跟车模式。需要说明的是，本实施例也可以在驾驶员想要启动自动跟车时，主动向车辆发送自动跟车模式切换指令，此时车辆可以响应该切换指令，触发从人工驾驶模式切换至自动跟车模式。

S405，保持人工驾驶模型控制车辆行驶。

S406，若车辆的驾驶模式为自动跟车模式，则道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种。

S407，基于识别结果、道路环境数据以及车辆的行驶状态信息，控制车辆在当前车道上跟车行驶。

本实施例的方案，通过安装在车辆上的激光雷达和摄像头采集道路环境数据，若基于采集的道路环境数据识别到车辆预设范围内处于拥堵状态，则切换至自动跟车模式，并基于道路环境数据识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种，进而基于识别到的结果采集的道路环境数据以及车辆的行驶状态信息，来控制车辆在当前车道上跟车行驶。本实施例的方案在基于实时采集的道路环境数据，检测车辆处于拥堵环境的时候，自动切换到自动跟车模式来自动控制车辆在当前车道跟随前车行驶，可以避免长时间的交通拥堵导致驾驶员疲惫，提高了道路拥堵状态下车辆行驶的安全性。

实施例三

图5为本发明实施例三提供的一种车辆控制方法的流程图，本实施例在上述各实施例的基础上，进一步优化了基于识别结果和道路环境数据，控制车辆在当前车道上跟车行驶的过程。如图5所示，具体包括如下步骤：

S501，获取安装在车辆上的激光雷达与摄像头采集的道路环境数据。

S502，若车辆的驾驶模式为自动跟车模式，则根据道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种。

S503，若识别结果包括车道线指引元素，则根据车道线指引元素，确定车辆行驶的当前车道。

可选的，若识别到的车道线指引元素为当前车道的车道线，则可以基于该车道线直接定位目标车辆当前行驶车道，若识别到的车道线指引元素为道路边沿线，则可以基于道路边沿线距离目标车辆的距离，以及标准车道宽度，来确定目标车辆当前行驶车道是第几车道。

需要说明的是，若未识别到车道指引元素，则本实施例还可以基于道路环境数据，确定车辆周围的其他车辆在道路上的位置信息，进而基于其他车辆在道路上的位置信息，推算目标车辆当前所处车道。例如，可以是根据周围车辆在道路上的位置信息，解析目标车辆左侧或右侧并排行驶的车辆数量，并根据解析结果，来定位目标车辆当前行驶车道。

S504,根据道路环境数据和车辆的行驶状态信息，控制车辆按照预设跟随算法在当前车道上跟随前方车辆行驶。

其中，预设跟随算法可以是预先设置好的，对于不同间隔车距所采用的跟车速度和跟车路径等。本实施例可以在识别出目标车辆当前行驶的车道后，根据道路环境数据，结合预设跟随算法，生成车辆当前控制指令，发送至车辆制动组件，以使车辆制动组件控制目标车辆基于目标车辆的行驶状态信息和道路环境数据，在当前车道跟车前车行驶，若前车出现违规变道的情况，控制车辆继续在当前车道行驶，而非跟随前车变道。

S505,若识别结果包括交通指示信号，则根据道路环境数据，识别车辆前方的交通路口。

具体的，本实施例根据道路环境数据，识别前方交通路口的方式可以有很多，例如，一种可实现方式为基于深度学习技术，采用预先训练好的交通路口识别模型来从道路环境数据中识别车辆前方的交通路口。另一种可实现方式为基于预设的图像识别算法，来从道路环境数据中识别车辆前方的交通路口。

S506,根据交通指示信号，确定交通路口的通行状态,若通行状态指示不可通行，则执行S507，若通行状态指示可通行，则执行S508。

具体的，本实施例可以根据交通指示信息，判断当前交通路况的交通信号灯是否为绿灯，若是，则说明当前交通路口的通行状态为可通行，此时执行S508的操作，否则，说明当前交通路口的通行状态为不可通行，需要执行后续S507的操作。

S507，控制车辆在交通路口的指定区域内停车等待，并输出切换人工驾驶模式的提示信息。

具体的，若当前交通路口的通行状态为不可通行，则需要控制车辆在交通路口的停车线前停车等待，并向驾驶员输出是否替换至人工驾驶模式的提示信息。若接收到驾驶员触发的人工驾驶模式切换指令，则触发从自动跟车模式切换至人工驾驶模式，并停止后续自动跟车操作，否则，等待通行状态指示可通行时，执行后续S508的操作。

S508，根据道路环境数据、通行状态以及车辆的行驶状态信息，控制车辆按照预设跟随算法通过交通路口。

具体的，若当前交通路口的通行状态为可通行，此时可以根据道路环境数据、通行状态中的行驶方向信息以及车辆的行驶状态信息，按照预设跟随算法，控制车辆安全行驶过当前交通路口。

S509，若识别结果包括加塞对象，则根据加塞对象、车辆的前方车辆对应的道路环境数据，判断车辆是否满足防加塞条件，若是，则执行S510，若否，则执行S511。

根据加塞对象、车辆的前方车辆对应的道路环境数据，判断车辆是否满足防加塞条件，具体可以包括如下子步骤：

S5091，根据前方车辆对应的道路环境数据，确定车辆与前方车辆之间的距离和第一碰撞时间。具体的，根据前方车辆对应的道路环境数据，确定目标车辆与前方车辆的行驶位置和行驶速度，进而确定目标车辆与前方车辆之间的距离L1(相对距离L1)，以及确定目标车辆与前方车辆之间的相对速度V1；根据相对距离L1和相对速度V1，预测第一碰撞时间T1,即T1＝L1/V1。

S5092，根据加塞对象对应的道路环境数据，确定第二碰撞时间。具体的，根据加塞对象对应的道路环境数据，确定目标车辆和加塞对象的行驶位置和行驶速度，进而确定目标车辆与加塞对象之间的距离L2(相对距离L2)，以及确定目标车辆与加塞对象之间的相对速度V2；根据相对距离L2和相对速度V2，预测第二碰撞时间T2,即T2＝L2/V2。

S5093，根据第一碰撞时间、第二碰撞时间以及车辆与前方车辆之间的距离，判断车辆是否满足防加塞条件。具体的，若第一碰撞时间和第二碰撞时间大于预设时间(如均大于2s)，且车辆与前方车辆之间的距离大于预设距离(如大于1米)，则认为车辆满足防加塞条件，否则认为不满足防加塞条件。

S510，根据前方车辆对应的道路环境数据和车辆的行驶状态信息，控制车辆与前方车辆的距离，以防止加塞对象的加塞行为。

具体的，可以根据前方车辆对应的道路环境数据，计算前方车辆与目标车辆之间的距离，再根据前方车辆与目标车辆之间的距离和目标车辆的行驶状态信息，控制车辆加速跟随前方车辆行驶，以缩短目标车辆与前方车辆的之间的距离，使得在距离缩短后，加塞对象难以进行本次加塞。例如，可以是将目标车辆与前车之间的间隔距离缩短至小于预设距离值(如1米)或第一碰撞时间小于预设时长(如1.5s)。

S511，根据加塞对象、前方车辆对应的道路环境数据以及车辆的行驶状态信息，控制车辆与前方车辆的距离，以避免车辆与加塞对象发生碰撞。

具体的，可以根据加塞对象、前方车辆对应的道路环境数据，计算前方车辆与目标车辆之间的距离以及加塞对象与目标车辆之间的距离，再根据前方车辆与目标车辆之间的距离、加塞对象与目标车辆之间的距离和目标车辆的行驶状态信息，控制车辆减速或缓慢停车，等加塞对象完全进入当前车道后，将该加塞对象作为当前车道的前方车辆，继续跟随其在当前车道保持安全距离行驶。

本发明实施例的方案，基于车道线指引元素(即车道线和/或边沿线)定位目标车辆当前行驶车道，并基于此对目标车辆做横向控制，使得横向控制更平滑。另外本实施控制车辆行驶的过程中，还结合了交通指示信号，防止盲目的跟随前车行驶，导致违反交通法规的情况出现。此外，在面对加塞对象时，首先考虑是否满足防加塞条件，而非一味的避让，进一步提高了自动跟车行驶的安全性和可靠性。

实施例四

图6为本发明实施例四提供了一种车辆控制装置的结构框图。本公开实施例适用于对车辆进行自动控制的情况，尤其适用于控制车辆在当前车道自动跟随前车行驶的情况。该装置可以采用软件和/或硬件来实现，该装置可以实现本公开任意实施例的车辆控制方法。如图6所示，该装置包括：

数据获取模块601，用于获取安装在车辆上的激光雷达与摄像头采集的道路环境数据；

数据识别模块602，用于若所述车辆的驾驶模式为自动跟车模式，则根据所述道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种；

车辆控制模块603，用于基于识别结果、所述道路环境数据以及所述车辆的行驶状态信息，控制所述车辆在当前车道上跟车行驶。

本发明实施例的技术方案，通过安装在车辆上的激光雷达和摄像头采集道路环境数据，并在自动跟车模式下，基于采集到的道路环境数据识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种，进而基于识别到的结果、采集的道路环境数据以及车辆的行驶状态信息，控制车辆在当前车道上跟车行驶。因此，本发明实施例提出了一种适应不同道路环境的自动跟车方案，基于道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种控制车辆在当前车道上跟车行驶，提升了车辆跟车行驶的安全性和可靠性。进一步的，所述装置还包括：

拥堵状态确定模块，用于根据所述道路环境数据，确定所述车辆预设范围内的道路的车道通行状况；

驾驶模式切换模块，用于若所述车道通行状况满足预设拥堵条件，则将所述车辆的驾驶模式切换至自动跟车模式。

进一步的，所述数据识别模块602具体用于：

根据所述道路环境数据，识别周围移动对象的行驶状态信息；

根据所述周围移动对象的行驶状态信息中的位置信息和航向信息，从所述周围移动对象中识别加塞对象。

进一步的，所述车辆控制模块603具体用于：

根据所述车道线指引元素，确定所述车辆行驶的当前车道；

根据所述道路环境数据和所述车辆的行驶状态信息，控制所述车辆按照预设跟随算法在所述当前车道上跟随前方车辆行驶。

进一步的，所述车辆控制模块603还具体用于：

根据所述道路环境数据，识别所述车辆前方的交通路口；

根据所述交通指示信号，确定所述交通路口的通行状态；

若所述通行状态指示不可通行，则控制所述车辆在所述交通路口的指定区域内停车等待，并输出切换人工驾驶模式的提示信息；

若所述通行状态指示可通行，则根据所述道路环境数据、所述通行状态以及所述车辆的行驶状态信息，控制所述车辆按照预设跟随算法通过所述交通路口。

进一步的，所述车辆控制模块603具体包括：

防加塞条件判断单元，用于根据所述加塞对象、所述车辆的前方车辆对应的道路环境数据，判断所述车辆是否满足防加塞条件；

防加塞控制单元，用于若是，则根据所述前方车辆对应的道路环境数据和所述车辆的行驶状态信息，控制所述车辆与所述前方车辆的距离，以防止所述加塞对象的加塞行为；

避让控制单元，用于若否，则根据所述加塞对象、所述前方车辆对应的道路环境数据以及所述车辆的行驶状态信息，控制所述车辆与所述前方车辆之间的距离，以避免所述车辆与所述加塞对象发生碰撞。

进一步的，防加塞条件判断单元具体用于：

第一时间确定子单元，用于根据所述前方车辆对应的道路环境数据，确定所述车辆与所述前方车辆之间的距离和第一碰撞时间；

第二时间确定子单元，用于根据所述加塞对象对应的道路环境数据，确定第二碰撞时间；

防加塞条件判断子单元，用于根据所述第一碰撞时间、所述第二碰撞时间以及所述车辆与所述前方车辆之间的距离，判断所述车辆是否满足防加塞条件。

进一步的，防加塞条件判断子单元具体用于：

若所述第一碰撞时间和所述第二碰撞时间大于预设时间，且所述车辆与所述前方车辆之间的距离大于预设距离，则所述车辆满足防加塞条件。

进一步的，数据获取模块601具体用于：

获取所述激光雷达采集的道路点云数据和所述摄像头采集的道路图像数据，所述激光雷达和所述摄像头均安装在所述车辆上；对所述道路点云数据和所述道路图像数据进行联合标定处理，得到所述道路环境数据。

本发明实施例所提供的车辆控制装置可执行本发明任意实施例所提供的车辆控制方法，具备执行方法相应的功能模块和有益效果。

实施例六

图7为本发明实施例六提供的一种车辆的结构示意图，图7示出了适于用来实现本发明实施例实施方式的示例性车辆的框图。图7显示的设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，车辆12以通用计算设备的形式表现。车辆12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

车辆12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被车辆12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器(高速缓存32)。车辆12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明实施例各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。

车辆12也可以与一个或多个外部设备14(例如配置于车辆上的激光雷达、摄像头、显示器24等)通信，还可与一个或者多个使得用户能与该车辆12交互的设备通信，和/或与使得该车辆12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，车辆12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与车辆12的其它模块通信。应当明白，尽管图7中未示出，可以结合车辆12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的车辆控制方法。

实施例七

本发明实施例七还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时用于执行本发明实施例所提供的车辆控制方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。

计算机可读的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。计算机可读的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，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

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发明实施例操作的计算机程序代码，所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)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种车辆控制方法，其特征在于，包括：

获取安装在车辆上的激光雷达与摄像头采集的道路环境数据；

若所述车辆的驾驶模式为自动跟车模式，则根据所述道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种；

基于识别结果、所述道路环境数据以及所述车辆的行驶状态信息，控制所述车辆在当前车道上跟车行驶。

2.根据权利要求1所述的方法，其特征在于，所述获取安装在车辆上的激光雷达与摄像头采集的道路环境数据之后，还包括：

根据所述道路环境数据，确定所述车辆预设范围内的道路的车道通行状况；

若所述车道通行状况满足预设拥堵条件，则将所述车辆的驾驶模式切换至自动跟车模式。

3.根据权利要求1所述的方法，其特征在于，所述根据所述道路环境数据，识加塞对象，包括：

根据所述道路环境数据，识别周围移动对象的行驶状态信息；

根据所述周围移动对象的行驶状态信息中的位置信息和航向信息，从所述周围移动对象中识别加塞对象。

4.根据权利要求1所述的方法，其特征在于，若所述识别结果包括车道线指引元素，则所述基于识别结果、所述道路环境数据以及所述车辆的行驶状态信息，控制车辆在当前车道上跟车行驶，包括：

根据所述车道线指引元素，确定所述车辆行驶的当前车道；

根据所述道路环境数据和所述车辆的行驶状态信息，控制所述车辆按照预设跟随算法在所述当前车道上跟随前方车辆行驶。

5.根据权利要求1所述的方法，其特征在于，若所述识别结果包括交通指示信号，则所述基于识别结果、所述道路环境数据以及所述车辆的行驶状态信息，控制车辆在当前车道上跟车行驶，包括：

根据所述道路环境数据，识别所述车辆前方的交通路口；

根据所述交通指示信号，确定所述交通路口的通行状态；

若所述通行状态指示不可通行，则控制所述车辆在所述交通路口的指定区域内停车等待，并输出切换人工驾驶模式的提示信息；

若所述通行状态指示可通行，则根据所述道路环境数据、所述通行状态以及所述车辆的行驶状态信息，控制所述车辆按照预设跟随算法通过所述交通路口。

6.根据权利要求1所述的方法，其特征在于，若所述识别结果包括加塞对象，则所述基于识别结果、所述道路环境数据以及所述车辆的行驶状态信息，控制车辆在当前车道上跟车行驶，包括：

根据所述加塞对象、所述车辆的前方车辆对应的道路环境数据，判断所述车辆是否满足防加塞条件；

若是，则根据所述前方车辆对应的道路环境数据和所述车辆的行驶状态信息，控制所述车辆与所述前方车辆之间的距离，以防止所述加塞对象的加塞行为；

若否，则根据所述加塞对象、所述前方车辆对应的道路环境数据以及所述车辆的行驶状态信息，控制所述车辆与所述前方车辆之间的距离，以避免所述车辆与所述加塞对象发生碰撞。

7.根据权利要求6所述的方法，其特征在于，所述根据所述加塞对象、所述车辆的前方车辆对应的道路环境数据，判断所述车辆是否满足防加塞条件，包括：

根据所述前方车辆对应的道路环境数据，确定所述车辆与所述前方车辆之间的距离和第一碰撞时间；

根据所述加塞对象对应的道路环境数据，确定第二碰撞时间；

根据所述第一碰撞时间、所述第二碰撞时间以及所述车辆与所述前方车辆之间的距离，判断所述车辆是否满足防加塞条件。

8.根据权利要求7所述的方法，其特征在于，所述根据所述第一碰撞时间、所述第二碰撞时间以及所述车辆与所述前方车辆之间的距离，判断所述车辆是否满足防加塞条件，包括：

若所述第一碰撞时间和所述第二碰撞时间大于预设时间，且所述车辆与所述前方车辆之间的距离大于预设距离，则所述车辆满足防加塞条件。

9.根据权利要求1所述的方法，其特征在于，所述获取安装在车辆上的激光雷达与摄像头采集的道路环境数据，包括：

获取所述激光雷达采集的道路点云数据和所述摄像头采集的道路图像数据，所述激光雷达和所述摄像头均安装在所述车辆上；

对所述道路点云数据和所述道路图像数据进行联合标定处理，得到所述道路环境数据。

10.一种车辆控制装置，其特征在于，包括：

数据获取模块，用于获取安装在车辆上的激光雷达与摄像头采集的道路环境数据；

数据识别模块，用于若所述车辆的驾驶模式为自动跟车模式，则根据所述道路环境数据，识别道路环境中的车道线指引元素、交通指示信号以及加塞对象中的至少一种；

车辆控制模块，用于基于识别结果、所述道路环境数据以及所述车辆的行驶状态信息，控制所述车辆在当前车道上跟车行驶。

11.一种车辆，其特征在于，包括：

安装在车辆上的至少一个激光雷达和至少一个摄像头，用于采集所述车辆预设范围内的道路点云数据和道路图像数据；

一个或多个处理器，与所述至少一个激光雷达和所述至少一个摄像头通信连接；以及，

与所述一个或多个处理器通信连接的存储器，所述存储器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时，使得所述一个或多个处理器实现如权利要求1-9中任一所述的车辆控制方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的车辆控制方法。

Images