CN114475657B - 自动驾驶车辆的控制方法、装置和电子设备 - Google Patents
自动驾驶车辆的控制方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114475657B CN114475657B CN202210166012.6A CN202210166012A CN114475657B CN 114475657 B CN114475657 B CN 114475657B CN 202210166012 A CN202210166012 A CN 202210166012A CN 114475657 B CN114475657 B CN 114475657B
- Authority
- CN
- China
- Prior art keywords
- grid
- probability
- state
- determining
- detection state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 137
- 238000012545 processing Methods 0.000 claims description 27
- 230000003068 static effect Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种自动驾驶车辆的控制方法、装置和电子设备，涉及环境感知、自动驾驶等人工智能技术领域。具体实现方案为：在控制自动驾驶车辆移动时，可以先确定自动驾驶车辆检测到的可行驶区域对应的栅格区域；其中，栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格；并根据自动驾驶车辆的检测位置和初始检测状态为占用状态的栅格的位置，确定栅格区域中栅格对应的目标检测状态，这样可以准确地对环境进行感知；再根据准确感知的栅格对应的目标检测状态，控制自动驾驶车辆在可行驶区域内移动，可以有效地提高自动驾驶车辆移动的安全性。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及环境感知、自动驾驶等人工智能技术领域，具体涉及一种自动驾驶车辆的控制方法、装置和电子设备。
背景技术
在自动驾驶技术领域，对于自动驾驶车辆例如自动驾驶车辆或者移动机器人而言，准确地进行环境感知，对于提高自动驾驶车辆移动的安全性是至关重要的。
因此，如何准确地进行环境感知，以提高自动驾驶车辆移动的安全性是本领域技术人员亟待解决的问题。
发明内容
本公开提供了一种自动驾驶车辆的控制方法、装置和电子设备，可以准确地进行环境感知，从而提高了自动驾驶车辆移动的安全性。
根据本公开的第一方面，提供了一种自动驾驶车辆的控制方法，该自动驾驶车辆的控制方法可以包括：
确定自动驾驶车辆检测到的可行驶区域对应的栅格区域；其中，所述栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格。
根据所述自动驾驶车辆的检测位置和所述初始检测状态为占用状态的栅格的位置，确定所述栅格区域中栅格对应的目标检测状态；其中，所述目标检测状态包括占用状态或空闲状态。
根据所述栅格对应的目标检测状态，控制所述自动驾驶车辆在所述可行驶区域内移动。
根据本公开的第二方面，提供了一种自动驾驶车辆的控制装置，该自动驾驶车辆的控制装置可以包括：
确定单元，用于确定自动驾驶车辆检测到的可行驶区域对应的栅格区域。其中，所述栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格。
处理单元，用于根据所述自动驾驶车辆的检测位置和所述初始检测状态为占用状态的栅格的位置，确定所述栅格区域中栅格对应的目标检测状态；其中，所述目标检测状态包括占用状态或空闲状态。
控制单元，用于根据所述栅格对应的目标检测状态，控制所述自动驾驶车辆在所述可行驶区域内移动。
根据本公开的第三方面，提供了一种电子设备，该电子设备可以包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的自动驾驶车辆的控制方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面所述的自动驾驶车辆的控制方法。
根据本公开的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的自动驾驶车辆的控制方法。
根据本公开的技术方案，可以准确地进行环境感知，从而提高了自动驾驶车辆移动的安全性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例提供的自动驾驶车辆的控制方法的流程示意图；
图2是本公开实施例提供的一种自动驾驶车辆所在区域的栅格地图的示意图；
图3是本公开实施例提供的一种可行驶区域对应的栅格区域的示意图；
图4是根据本公开第二实施例提供的确定栅格区域中栅格对应的目标检测状态的方法的流程示意图；
图5是根据本公开第三实施例提供的控制自动驾驶车辆在可行驶区域内移动的方法的流程示意图；
图6是根据本公开第四实施例提供的自动驾驶车辆的控制装置的结构示意图；
图7是本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本公开的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的访问关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。在本公开的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。此外，在本公开实施例中，“第一”、“第二”、“第三”、“第四”、“第五”以及“第六”只是为了区分不同对象的内容而已，并无其它特殊含义。
本公开实施例提供的技术方案可以应用于自动驾驶等人工智能技术领域。在自动驾驶技术领域，准确地进行环境感知，对于提高自动驾驶车辆移动的安全性是至关重要的。
目前，自动驾驶车辆在进行环境感知时，是通过设置在其上的摄像头先采集环境图像；并基于环境图像确定可行驶区域(freespace)；再通过深度学习检测可行驶区域的边界点所属的物理对象的种类；示例的，物理对象的种类可以为人、车、锥桶、或者路沿等；最后，再根据物理对象的种类确定物理对象是否具备主动运动能力；若物理对象具备主动运动能力，则确定该边界点为动态的；相反的，若物理对象不具备主动运动能力，则确定该边界点为静止的，这样可以确定出可行驶区域的边界点的状态，从而根据边界点的状态控制自动驾驶车辆移动。
但是，由于物理对象的种类与边界点的状态之间并不具备必然关系，例如，具备主动运动能力的物理对象，可能是动态的，但也有可能是静态的；不具备主动运动能力的物理对象，可能是静态的，但也有可能是动态的。因此，采用现有的方法，会导致确定结果的准确度较低，从而降低了自动驾驶车辆移动的安全性。
为了提高确定结果的准确度，从而提高自动驾驶车辆移动的安全性，本公开实施例提供了一种自动驾驶车辆的控制方法，在控制自动驾驶车辆移动时，可以先确定自动驾驶车辆检测到的可行驶区域对应的栅格区域；其中，栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格；并根据自动驾驶车辆的检测位置和初始检测状态为占用状态的栅格的位置，确定栅格区域中栅格对应的目标检测状态，这样可以准确地对环境进行感知；再根据准确感知的栅格对应的目标检测状态，控制自动驾驶车辆在可行驶区域内移动，可以有效地提高自动驾驶车辆移动的安全性。
可以理解的是，本公开提供的自动驾驶车辆的控制方法除了可以应用于自动驾驶车辆之外，还可以应用到其他可移动设备，例如移动机器人等，在此，本公开实施例只是以应用于自动驾驶车辆为例进行说明，但并不代表本公开实施例仅局限于此。
基于上述技术构思，本公开实施例提供了一种自动驾驶车辆的控制方法，下面，将通过具体的实施例对本公开提供的自动驾驶车辆的控制方法进行详细地说明。可以理解的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图1是根据本公开第一实施例提供的自动驾驶车辆的控制方法的流程示意图，该自动驾驶车辆的控制方法可以由软件和/或硬件装置执行，例如，该硬件装置可以为终端或者服务器。示例的，请参见图1所示，该自动驾驶车辆的控制方法可以包括：
S101、确定自动驾驶车辆检测到的可行驶区域对应的栅格区域；其中，栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格。
示例的，在本公开实施例中，确定自动驾驶车辆检测到的可行驶区域对应的栅格区域时，可以先确定自动驾驶车辆所在区域的栅格地图，示例的，可参见图2所示，图2是本公开实施例提供的一种自动驾驶车辆所在区域的栅格地图的示意图，栅格地图中，栅格的大小和分辨率可以根据实际需要的精度进行设置。
在确定出自动驾驶车辆所在区域的栅格地图后，可以结合基于自动驾驶车辆上设置的摄像头采集的图像信息中确定出的可行驶区域的信息，从栅格地图中确定可行驶区域对应的栅格区域。示例的，可行驶区域对应的栅格区域可参见图3所示，图3是本公开实施例提供的一种可行驶区域对应的栅格区域的示意图。其中，图3中底部的半圈表示自动驾驶车辆上设置的摄像头，可行驶区域通常为一个扇形区域，栅格区域中黑色栅格为初始检测状态为占用状态的栅格，白色栅格为初始检测状态为处于空闲状态的栅格，即未被占用的栅格，其它栅格为状态不确定的栅格。
在确定出可行驶区域对应的栅格区域后，该栅格区域中的栅格的初始检测状态可以理解为仅根据摄像头采集的图像信息确定的，但是由于采集的图像信息可能存在误差，因此，在本公开实施例中，可以根据自动驾驶车辆的检测位置和初始检测状态为占用状态的栅格的位置，确定栅格区域中各栅格对应的目标检测状态，即执行下述S102：
S102、根据自动驾驶车辆的检测位置和初始检测状态为占用状态的栅格的位置，确定栅格区域中栅格对应的目标检测状态；其中，目标检测状态包括占用状态或空闲状态。
其中，自动驾驶车辆的检测位置，可以理解为自动驾驶车辆检测可行驶区域对应的栅格区域时，其所处的位置。
示例的，可参见上述图3所示，初始检测状态为占用状态的栅格的位置，是指可行驶区域对应的栅格区域中黑色栅格的位置。
S103、根据栅格对应的目标检测状态，控制自动驾驶车辆在可行驶区域内移动。
示例的，若栅格对应的目标检测状态为占用状态，说明该栅格处存在障碍物时，则可以控制自动驾驶车辆绕过该栅格处移动；相反的，若栅格对应的目标检测状态为空闲状态，说明栅格处不存在障碍物时，则可以控制自动驾驶车辆在该栅格处移动。
可以看出，本公开实施例中，在控制自动驾驶车辆移动时，可以先确定自动驾驶车辆检测到的可行驶区域对应的栅格区域；其中，栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格；并根据自动驾驶车辆的检测位置和初始检测状态为占用状态的栅格的位置，确定栅格区域中栅格对应的目标检测状态，这样可以准确地对环境进行感知；再根据准确感知的栅格对应的目标检测状态，控制自动驾驶车辆在可行驶区域内移动，可以有效地提高自动驾驶车辆移动的安全性。
基于上述图1所示的实施例，为了便于理解在上述S102中，如何根据自动驾驶车辆的检测位置和初始检测状态为占用状态的栅格的位置，确定栅格区域中栅格对应的目标检测状态，下面，将通过下述图4所示的实施例二进行详细描述。
实施例二
图4是根据本公开第二实施例提供的确定栅格区域中栅格对应的目标检测状态的方法的流程示意图，该方法同样可以由软件和/或硬件装置执行，示例的，请参见图4所示，该确定方法可以包括：
S401、根据自动驾驶车辆的当前检测位置、当前检测到的初始检测状态为占用状态的栅格的位置、以及历史检测到的初始检测状态为占用状态的栅格的位置，确定栅格当前分别为空闲状态的第一概率以及占用状态的第二概率。
示例的，假设当前为t时刻，自动驾驶车辆在t时刻的位置，即当前检测位置记为xt，且自动驾驶车辆在当前检测位置xt采集的图像信息检测出的初始检测状态为占用状态的栅格的位置记为zt，历史时刻包括t时刻之前的第1时刻、第2时刻、…、以及第t-1时刻。栅格地图中初始化所有栅格概率阈值，示例的，概率阈值可以为0.5，对应的栅格状态为状态不确定。
采用二值贝叶斯滤波算法，通过下述公式1可以确定栅格区域中每一个栅格t时刻为空闲状态的第一概率。
其中，mi，j表示空闲状态，P(mi，j|z1：t，xt，)表示栅格区域中每一个栅格t时刻为空闲状态的第一概率，z1：t-1表示自动驾驶车辆在第1个检测时刻至t-1个检测时刻中，各检测时刻采集的图像信息确定出的初始检测状态为占用状态的栅格的位置。
在根据上述公式1确定出栅格区域中每一个栅格t时刻为空闲状态的第一概率后，可以根据贝叶斯原理及马尔科夫性对上述公式1进行变换，得到下述公式2：
针对上述公式2，再采用二值滤波算法对公式2进行处理，就可以得到上述栅格区域中每一个栅格t时刻为占用状态的第二概率，可参见下述公式3：
其中，-mi，j表示空闲状态，P(-mi，j|z1：t，xt，)表示栅格区域中每一个栅格t时刻为占用状态的第二概率。
需要说明的是，在本公开实施例中，上述确定栅格当前分别为空闲状态的第一概率以及占用状态的第二概率时，在一种可能的实现方式中，如上所示，可以先通过上述公式1确定栅格区域中每一个栅格t时刻为空闲状态的第一概率；再通过上述公式2和公式3确定栅格区域中每一个栅格t时刻为占用状态的第二概率；在另外一种可能的实现方式中，也可以通过上述公式1确定栅格区域中每一个栅格t时刻为占用状态的第二概率；再通过上述公式2和公式3确定栅格区域中每一个栅格t时刻为空闲状态的第一概率；具体可以根据实际需要进行设置，上述只是以先通过上述公式1确定栅格区域中每一个栅格t时刻为空闲状态的第一概率；再通过上述公式2和公式3确定栅格区域中每一个栅格t时刻为占用状态的第二概率为例进行说明，但并不代表本公开实施例仅局限于此。
需要说明的是，上述在结合当前检测到的栅格的初始检测状态和历史检测到的栅格的初始检测状态，共同确定栅格为占用状态的第二概率时，若基于某一时刻，例如当前时刻第t时刻的图像信息确定栅格落在可行驶区域，则可以记栅格在第t时刻为占用状态的第二概率为a，相反的，若当前时刻地t时刻的图像信息确定栅格落在可行驶区域，则可以记栅格在第t时刻为占用状态的第二概率为b，即不具备参考意义，因此，可继续维持上一次得到的概率值，示例的，可参见下述公式4：
其中，a和b的取值可以根据实际需要进行设置，在此，对于a和b的取值，本公开实施例不做进一步地限制。
在确定栅格区域中栅格对应的目标检测状态时，不仅需要确定栅格当前分别为空闲状态的第一概率以及占用状态的第二概率，还需要进一步确定栅格历史分别为空闲状态的第三概率以及占用状态的第四概率，并结合第三概率和第四概率，共同确定栅格对应的目标检测状态。
S402、确定栅格历史分别为空闲状态的第三概率以及占用状态的第四概率。
示例的，结合上述S401中的描述，假设当前为t时刻，则历史时刻包括t时刻之前的第1时刻、第2时刻、…、以及第t-1时刻；对应的，确定出的栅格历史分别为空闲状态的第三概率以及占用状态的第四概率可以包括：栅格第1时刻分别为空闲状态的第三概率以及占用状态的第四概率、栅格第1时刻分别为空闲状态的第三概率以及占用状态的第四概率、…、以及栅格第t-1时刻分别为空闲状态的第三概率以及占用状态的第四概率，即包括了栅格在t时刻之前的每一个时刻分别为空闲状态的第三概率以及占用状态的第四概率。
以确定栅格第t-1时刻分别为空闲状态的第三概率以及占用状态的第四概率为例，示例的，在确定栅格第t-1时刻分别为空闲状态的第三概率以及占用状态的第四概率时，可以根据自动驾驶车辆的第t-1时刻的检测位置、第t-1时刻检测到的初始检测状态为占用状态的栅格的位置、以及第t-1时刻之前的历史检测到的初始检测状态为占用状态的栅格的位置，共同确定栅格第t-1时刻分别为空闲状态的第三概率以及占用状态的第四概率，其具体实现方法与上述S401中，根据自动驾驶车辆的当前第t时刻的检测位置、第t检测到的初始检测状态为占用状态的栅格的位置、以及第t时刻之前的历史检测到的初始检测状态为占用状态的栅格的位置，共同确定栅格当前分别为空闲状态的第一概率以及占用状态的第二概率的实现方法类似，可参见上述S401中的相关描述，在此，本公开实施例不再进行赘述。
S403、根据第一概率、第二概率、第三概率以及第四概率确定栅格对应的目标检测状态。
示例的，根据第一概率、第二概率、第三概率以及第四概率确定栅格对应的目标检测状态时，可以根据第一概率和第二概率，构造栅格当前对应的第一对数值；并根据第三概率和第四概率，构造栅格历史对应的第二对数值；再基于第一对数值和第二对数值，确定栅格对应的目标检测状态。
可以理解的是，在本公开实施例中，根据第一概率和第二概率，构造栅格当前对应的第一对数值、与根据第三概率和第四概率，构造栅格历史对应的第二对数值的方法类似，因此，为了避免赘述，将以根据第一概率和第二概率，构造栅格当前对应的第一对数值为例进行描述，但并不代表本公开实施例仅局限于此。
示例的，根据第一概率和第二概率，构造栅格当前对应的第一对数值时，可以计算第一概率和第二概率的比值，并基于比值构造栅格当前对应的第一对数值，可参见下述公式5和公式6：
其中，p(x)+p(-x)＝1。
在分别构造出栅格当前对应的第一对数值、以及栅格历史对应的第二对数值后，就可以基于第一对数值和第二对数值，确定栅格对应的目标检测状态。示例的，基于第一对数值和第二对数值，确定栅格对应的目标检测状态时，可以先确定第一对数值和第二对数值的和值；并基于和值与预设对数值的差值确定栅格对应的目标概率；再基于目标概率确定栅格对应的目标检测状态，可参见下述公式7：
l(mi，j|z1：txt)＝l(mi，j|zt，xt)+l(mi，j|z1：t-1，xt-1)-l(mi，j) 公式7
其中，l(mi，j|zt，xt)表示栅格当前对应的第一对数值，l(mi，j|z1：t-1，xt-1)栅格历史对应的第二对数值，l(mi，j)表示初始化的一个对数值；l(mi，j|z1：txt)表示和值与预设对数值的差值。
示例的，基于差值确定栅格对应的目标概率时，可以根据反解出处于[0，1]区间的一个概率值，该概率值即为栅格对应的目标概率，从而确定出栅格对应的目标概率。
可以理解的是，上述在确定栅格对应的目标概率时，通过将概率转换为对数值，再基于对数值反解出概率，这样做好处有两个：好处1、可以较好地解决了数值不稳定，精度不高的问题；好处2、可以将乘除运算变换为加减运算，降低了数据处理量。
示例的，基于目标概率确定栅格对应的目标检测状态时，若目标概率大于或等于预设概率阈值，则确定栅格对应的目标检测状态为占用状态；若目标概率小于预设概率阈值，则确定栅格对应的目标检测状态为空闲状态，可参见下述公式8所示：
其中，status表示栅格对应的目标检测状态，threshod表示预设概率阈值。
可以看出，本公开实施例中，在确定栅格区域中栅格对应的目标检测状态时，可以根据自动驾驶车辆的当前检测位置、当前检测到的初始检测状态为占用状态的栅格的位置、以及历史检测到的初始检测状态为占用状态的栅格的位置，确定栅格当前分别为空闲状态的第一概率以及占用状态的第二概率；并确定栅格历史分别为空闲状态的第三概率以及占用状态的第四概率；再根据第一概率、第二概率、第三概率以及第四概率确定栅格对应的目标检测状态，这样结合栅格历史状态可以准确地确定出栅格对应的目标检测状态，从而有效地提高了确定出的目标检测状态的准确度。
在根据自动驾驶车辆的检测位置和初始检测状态为占用状态的栅格的位置，确定栅格区域中栅格对应的目标检测状态后，就可以根据栅格对应的目标检测状态，控制自动驾驶车辆在可行驶区域内移动，即执行上述S103。为了便于理解在上述S103中，如何根据栅格对应的目标检测状态，控制自动驾驶车辆在可行驶区域内移动，下面，将通过下述图5所示的实施例三进行详细描述。
实施例三
图5是根据本公开第三实施例提供的控制自动驾驶车辆在可行驶区域内移动的方法的流程示意图，该方法同样可以由软件和/或硬件装置执行，示例的，请参见图5所示，该控制方法可以包括：
S501、根据栅格对应的目标检测状态和栅格对应的历史状态，确定栅格对应的类型；其中，类型包括静止类型或运动类型。
示例的，若栅格对应的类型为运动类型，则说明该栅格处存在障碍物；相反的，若栅格对应的类型为静止类型，则说明栅格处不存在障碍物。
示例的，根据栅格对应的目标检测状态和历史状态，确定栅格对应的类型时，响应于目标检测状态和历史状态中为空闲状态的次数大于预设次数阈值，则判断最近多次确定的栅格对应的历史目标概率是否满足预设条件。其中，预设条件包括：最近多次确定的栅格对应的历史目标概率，相对于之前确定的栅格对应的历史目标概率逐步增大，且最近多次确定的栅格对应的历史目标概率小于占用状态对应的阈值。其中，占用状态对应的阈值可以根据实际需要进行设置。
若满足，则确定栅格对应的类型为运动类型；若不满足，则确定栅格对应的类型为静止类型。
示例的，最近多次的取值可以根据实际需要进行设置。假设最近多次为3次，且该最近3次由早到晚分别确定出的栅格对应的历史目标概率分别为P1、P2以及P3；之前确定的栅格对应的历史目标概率为最近3次之前确定出的栅格对应的历史目标概率，若P1、P2以及P3均大于历史目标概率，且P2大于P1，P3大于P2，则可以认为最近3次确定的栅格对应的历史目标概率，相对于之前确定的栅格对应的历史目标概率逐步增大。
在确定出栅格对应的类型后，就可以根据栅格对应的类型，控制自动驾驶车辆在可行驶区域内移动，即执行下述S502：
S502、根据栅格对应的类型，控制自动驾驶车辆在可行驶区域内移动。
示例的，若栅格对应的类型为运动类型，说明该栅格处存在障碍物时，则可以控制自动驾驶车辆绕过该栅格处移动；相反的，若栅格对应的类型为静止类型，说明栅格处不存在障碍物时，则可以控制自动驾驶车辆在该栅格处移动。
可以看出，本公开实施例中，在控制自动驾驶车辆移动时，可以先根据栅格对应的目标检测状态和栅格对应的历史状态，确定栅格对应的类型；其中，类型包括静止类型或运动类型；并根据栅格对应的类型，控制自动驾驶车辆在可行驶区域内移动，这样可以准确地控制自动驾驶车辆在可行驶区域内移动，从而有效地提高自动驾驶车辆移动的安全性。
实施例四
图6是根据本公开第四实施例提供的自动驾驶车辆的控制装置60的结构示意图，示例的，请参见图6所示，该自动驾驶车辆的控制装置60可以包括：
确定单元601，用于确定自动驾驶车辆检测到的可行驶区域对应的栅格区域；其中，栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格。
处理单元602，用于根据自动驾驶车辆的检测位置和初始检测状态为占用状态的栅格的位置，确定栅格区域中栅格对应的目标检测状态；其中，目标检测状态包括占用状态或空闲状态。
控制单元603，用于根据栅格对应的目标检测状态，控制自动驾驶车辆在可行驶区域内移动。
可选的，处理单元602包括第一处理模块、第二处理模块以及第三处理模块。
第一处理模块，用于根据自动驾驶车辆的当前检测位置、当前检测到的初始检测状态为占用状态的栅格的位置、以及历史检测到的初始检测状态为占用状态的栅格的位置，确定栅格当前分别为空闲状态的第一概率以及占用状态的第二概率。
第二处理模块，用于确定栅格历史分别为空闲状态的第三概率以及占用状态的第四概率。
第三处理模块，用于根据第一概率、第二概率、第三概率以及第四概率确定栅格对应的目标检测状态。
可选的，第三处理模块包括第一处理子模块和第二处理子模块。
第一处理子模块，用于根据第一概率和第二概率，构造栅格当前对应的第一对数值；并根据第三概率和第四概率，构造栅格历史对应的第二对数值。
第二处理子模块，用于基于第一对数值和第二对数值，确定栅格对应的目标检测状态。
可选的，第二处理子模块，具体用于确定第一对数值和第二对数值的和值；基于和值与预设对数值的差值确定栅格对应的目标概率；并基于目标概率确定栅格对应的目标检测状态。
可选的，第二处理子模块，具体用于若目标概率大于或等于预设概率阈值，则确定栅格对应的目标检测状态为占用状态；若目标概率小于预设概率阈值，则确定栅格对应的目标检测状态为空闲状态。
可选的，控制单元603包括第一控制模块和第二控制模块。
第一控制模块，用于根据栅格对应的目标检测状态和栅格对应的历史状态，确定栅格对应的类型；其中，类型包括静止类型或运动类型。
第二控制模块，用于根据栅格对应的类型，控制自动驾驶车辆在可行驶区域内移动。
可选的，第一控制模块包括第一控制子模块和第二控制子模块。
第一控制子模块，用于响应于目标检测状态和历史状态中为空闲状态的次数大于预设次数阈值，则判断最近多次确定的栅格对应的历史目标概率是否满足预设条件。
其中，预设条件包括：最近多次确定的栅格对应的历史目标概率，相对于之前确定的栅格对应的历史目标概率逐步增大，且最近多次确定的栅格对应的历史目标概率小于占用状态对应的阈值。
第二控制子模块，用于若满足，则确定栅格对应的类型为运动类型；若不满足，则确定栅格对应的类型为静止类型。
本公开实施例提供的自动驾驶车辆的控制装置60，可以执行上述任一实施例所示的自动驾驶车辆的控制方法的技术方案，其实现原理以及有益效果与自动驾驶车辆的控制方法的实现原理及有益效果类似，可参见自动驾驶车辆的控制方法的实现原理及有益效果，此处不再进行赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图7是本公开实施例提供的一种电子设备70的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备70包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备70操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备70中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备70通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如自动驾驶车辆的控制方法。例如，在一些实施例中，自动驾驶车辆的控制方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备70上。当计算机程序加载到RAM703并由计算单元701执行时，可以执行上文描述的自动驾驶车辆的控制方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行自动驾驶车辆的控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (10)
1.一种自动驾驶车辆的控制方法，包括：
确定自动驾驶车辆检测到的可行驶区域对应的栅格区域；其中，所述栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格；
根据所述自动驾驶车辆的当前检测位置、当前检测到的初始检测状态为占用状态的栅格的位置、以及历史检测到的初始检测状态为占用状态的栅格的位置，确定所述栅格当前分别为空闲状态的第一概率以及占用状态的第二概率；
确定所述栅格历史分别为空闲状态的第三概率以及占用状态的第四概率；
根据所述第一概率和所述第二概率，构造所述栅格当前对应的第一对数值；并根据所述第三概率和所述第四概率，构造所述栅格历史对应的第二对数值；
确定所述第一对数值和所述第二对数值的和值；
基于所述和值与预设对数值的差值确定所述栅格对应的目标概率；并基于所述目标概率确定所述栅格对应的目标检测状态，其中，所述目标检测状态包括占用状态或空闲状态；
根据所述栅格对应的目标检测状态，控制所述自动驾驶车辆在所述可行驶区域内移动。
2.根据权利要求1所述的方法，其中，所述基于所述目标概率确定所述栅格对应的目标检测状态，包括：
若所述目标概率大于或等于预设概率阈值，则确定所述栅格对应的目标检测状态为占用状态；
若所述目标概率小于所述预设概率阈值，则确定所述栅格对应的目标检测状态为空闲状态。
3.根据权利要求1所述的方法，其中，所述根据所述栅格对应的目标检测状态，控制所述自动驾驶车辆在所述可行驶区域内移动，包括：
根据所述栅格对应的目标检测状态和所述栅格对应的历史状态，确定所述栅格对应的类型；其中，所述类型包括静止类型或运动类型；
根据所述栅格对应的类型，控制所述自动驾驶车辆在所述可行驶区域内移动。
4.根据权利要求3所述的方法，其中，所述根据所述栅格对应的所述目标检测状态和所述历史状态，确定所述栅格对应的类型，包括：
响应于所述目标检测状态和所述历史状态中为空闲状态的次数大于预设次数阈值，则判断最近多次确定的所述栅格对应的历史目标概率是否满足预设条件；
其中，所述预设条件包括：所述最近多次确定的所述栅格对应的历史目标概率，相对于之前确定的所述栅格对应的历史目标概率逐步增大，且所述最近多次确定的所述栅格对应的历史目标概率小于占用状态对应的阈值；
若满足，则确定所述栅格对应的类型为运动类型；若不满足，则确定所述栅格对应的类型为静止类型。
5.一种自动驾驶车辆的控制装置，包括：
确定单元，用于确定自动驾驶车辆检测到的可行驶区域对应的栅格区域；其中，所述栅格区域中包括初始检测状态为占用状态的栅格和初始检测状态为空闲状态的栅格；
处理单元，用于根据所述自动驾驶车辆的当前检测位置、当前检测到的初始检测状态为占用状态的栅格的位置、以及历史检测到的初始检测状态为占用状态的栅格的位置，确定所述栅格当前分别为空闲状态的第一概率以及占用状态的第二概率；确定所述栅格历史分别为空闲状态的第三概率以及占用状态的第四概率；根据所述第一概率和所述第二概率，构造所述栅格当前对应的第一对数值；并根据所述第三概率和所述第四概率，构造所述栅格历史对应的第二对数值；确定所述第一对数值和所述第二对数值的和值；基于所述和值与预设对数值的差值确定所述栅格对应的目标概率；并基于所述目标概率确定所述栅格对应的目标检测状态，其中，所述目标检测状态包括占用状态或空闲状态；
控制单元，用于根据所述栅格对应的目标检测状态，控制所述自动驾驶车辆在所述可行驶区域内移动。
6.根据权利要求5所述的装置，其中，
所述处理单元，具体用于若所述目标概率大于或等于预设概率阈值，则确定所述栅格对应的目标检测状态为占用状态；若所述目标概率小于所述预设概率阈值，则确定所述栅格对应的目标检测状态为空闲状态。
7.根据权利要求5所述的装置，其中，所述控制单元包括第一控制模块和第二控制模块；
所述第一控制模块，用于根据所述栅格对应的目标检测状态和所述栅格对应的历史状态，确定所述栅格对应的类型；其中，所述类型包括静止类型或运动类型；
所述第二控制模块，用于根据所述栅格对应的类型，控制所述自动驾驶车辆在所述可行驶区域内移动。
8.根据权利要求7所述的装置，其中，所述第一控制模块包括第一控制子模块和第二控制子模块；
所述第一控制子模块，用于响应于所述目标检测状态和所述历史状态中为空闲状态的次数大于预设次数阈值，则判断最近多次确定的所述栅格对应的历史目标概率是否满足预设条件；
其中，所述预设条件包括：所述最近多次确定的所述栅格对应的历史目标概率，相对于之前确定的所述栅格对应的历史目标概率逐步增大，且所述最近多次确定的所述栅格对应的历史目标概率小于占用状态对应的阈值；
所述第二控制子模块，用于若满足，则确定所述栅格对应的类型为运动类型；若不满足，则确定所述栅格对应的类型为静止类型。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的自动驾驶车辆的控制方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的自动驾驶车辆的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210166012.6A CN114475657B (zh) | 2022-02-23 | 2022-02-23 | 自动驾驶车辆的控制方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210166012.6A CN114475657B (zh) | 2022-02-23 | 2022-02-23 | 自动驾驶车辆的控制方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114475657A CN114475657A (zh) | 2022-05-13 |
| CN114475657B true CN114475657B (zh) | 2024-07-02 |
Family
ID=81482300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210166012.6A Active CN114475657B (zh) | 2022-02-23 | 2022-02-23 | 自动驾驶车辆的控制方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114475657B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111857160A (zh) * | 2020-08-17 | 2020-10-30 | 武汉中海庭数据技术有限公司 | 一种无人车路径规划方法和装置 |
| CN113932799A (zh) * | 2021-10-29 | 2022-01-14 | 上海有个机器人有限公司 | 激光地图更新方法、系统、电子设备、介质及程序产品 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6610339B2 (ja) * | 2016-03-03 | 2019-11-27 | 株式会社デンソー | 占有格子地図作成装置 |
| WO2020014951A1 (zh) * | 2018-07-20 | 2020-01-23 | 深圳市道通智能航空技术有限公司 | 建立局部障碍物地图的方法、装置及无人机 |
| CN111307166B (zh) * | 2018-12-11 | 2023-10-03 | 北京图森智途科技有限公司 | 一种构建占据栅格地图的方法及其装置、处理设备 |
| DE102020119954A1 (de) * | 2020-07-29 | 2022-02-03 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erzeugen einer Belegungsgitterkarte für zumindest ein statisches Objekt, Computerprogrammprodukt, computerlesbares Speichermedium sowie Assistenzsystem |
| CN113434788B (zh) * | 2021-07-07 | 2024-05-07 | 北京经纬恒润科技股份有限公司 | 建图方法、装置、电子设备及车辆 |
| CN113640822B (zh) * | 2021-07-07 | 2023-08-18 | 华南理工大学 | 一种基于非地图元素过滤的高精度地图构建方法 |
-
2022
- 2022-02-23 CN CN202210166012.6A patent/CN114475657B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111857160A (zh) * | 2020-08-17 | 2020-10-30 | 武汉中海庭数据技术有限公司 | 一种无人车路径规划方法和装置 |
| CN113932799A (zh) * | 2021-10-29 | 2022-01-14 | 上海有个机器人有限公司 | 激光地图更新方法、系统、电子设备、介质及程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114475657A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112801164A (zh) | 目标检测模型的训练方法、装置、设备及存储介质 | |
| CN114987546A (zh) | 轨迹预测模型的训练方法、装置、设备及存储介质 | |
| EP4145408A1 (en) | Obstacle detection method and apparatus, autonomous vehicle, device and storage medium | |
| CN116312063A (zh) | 一种船舶避让决策方法、装置、设备及介质 | |
| CN116740355A (zh) | 自动驾驶图像的分割方法、装置、设备及存储介质 | |
| CN114475657B (zh) | 自动驾驶车辆的控制方法、装置和电子设备 | |
| CN116560373A (zh) | 基于盲区障碍物的机器人避障方法、装置、设备和介质 | |
| CN116481513A (zh) | 地图生成方法、装置、电子设备 | |
| KR20230006628A (ko) | 이미지 처리 방법과 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
| CN114919661A (zh) | 一种泊车控制方法、装置、设备和存储介质 | |
| CN114812576A (zh) | 地图匹配方法、装置及电子设备 | |
| CN114647816A (zh) | 车道线的确定方法、装置、设备及存储介质 | |
| CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
| CN112668653A (zh) | 基于激光雷达地图的回环检测方法、装置、设备及介质 | |
| CN114049615B (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
| CN117589188B (zh) | 行车路径规划方法、装置、电子设备和存储介质 | |
| CN114590248B (zh) | 行驶策略的确定方法、装置、电子设备和自动驾驶车辆 | |
| CN113361379B (zh) | 生成目标检测系统和检测目标的方法及装置 | |
| CN114115640B (zh) | 图标的确定方法、装置、设备以及存储介质 | |
| CN111126204B (zh) | 可行驶区域检测方法及相关设备 | |
| CN112669220B (zh) | 深度图像插值方法、装置、设备和介质 | |
| EP4036861A2 (en) | Method and apparatus for processing point cloud data, electronic device, storage medium, computer program product | |
| CN116353627A (zh) | 车辆规划控制方法及装置、电子设备及车辆 | |
| CN116879921A (zh) | 基于栅格的激光雷达感知方法、装置、设备和介质 | |
| CN113963326A (zh) | 交通标志检测方法、装置、设备、介质和自动驾驶车辆 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240530 Address after: Room 109, No. 5, Lane 1688, Shenchang Road, Minhang District, Shanghai, 200335 Applicant after: Junjiu Electronic Technology (Shanghai) Co.,Ltd. Country or region after: China Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant |