CN114475665A - 自动驾驶车辆的控制方法、控制装置及自动驾驶系统 - Google Patents
自动驾驶车辆的控制方法、控制装置及自动驾驶系统 Download PDFInfo
- Publication number
- CN114475665A CN114475665A CN202210266049.6A CN202210266049A CN114475665A CN 114475665 A CN114475665 A CN 114475665A CN 202210266049 A CN202210266049 A CN 202210266049A CN 114475665 A CN114475665 A CN 114475665A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- head
- point cloud
- preset
- automatic driving
- 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 73
- 238000011217 control strategy Methods 0.000 claims abstract description 63
- 230000015654 memory Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 12
- 230000003137 locomotive effect Effects 0.000 claims description 4
- 230000004397 blinking Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000007787 long-term memory Effects 0.000 description 4
- 230000006403 short-term memory Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Lighting Device Outwards From Vehicle And Optical Signal (AREA)
Abstract
本申请提供了一种自动驾驶车辆的控制方法、控制装置及自动驾驶系统，该方法包括：获取第一预定车辆的多个车头图像，第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于自动驾驶车辆后方的车辆；根据多个车头图像，确定第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，车头预定转向灯为车头的靠近自动驾驶车辆的转向灯；根据第一确定结果，生成自动驾驶车辆的第一控制策略，并控制自动驾驶车辆按照第一控制策略行驶。本申请实现了较为准确地识别后方车辆的变道意图，之后根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义。
Description
技术领域
本申请涉及自动驾驶车辆领域，具体而言，涉及一种自动驾驶车辆的控制方法、控制装置、计算机可读存储介质、处理器、电子设备以及自动驾驶系统。
背景技术
当前，自动驾驶车辆依靠机器视觉、雷达和全球定位系统等的协同合作，可以在没有人类主动操纵的情况下，安全自主地运行。由于传统人工驾驶车辆与自动驾驶车辆在环境感知、决策和执行等方面存在明显的差异。故如果能够清楚的了解自动驾驶车辆周围车辆的车辆动态，对于自动驾驶车辆的控制策略具有明显的积极意义。
因此，如何较为准确地识别自动驾驶车辆的周围车辆是否有变道意图，是目前亟需解决的问题。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种自动驾驶车辆的控制方法、控制装置、计算机可读存储介质、处理器、电子设备以及自动驾驶系统，以解决现有技术中难以较为准确地识别自动驾驶车辆的周围车辆是否有变道意图的问题。
根据本发明实施例的一个方面，提供了一种自动驾驶车辆的控制方法，包括：获取第一预定车辆的多个车头图像，所述第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于所述自动驾驶车辆后方的车辆；根据多个所述车头图像，确定所述第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，所述车头预定转向灯为车头的靠近所述自动驾驶车辆的转向灯；根据所述第一确定结果，生成所述自动驾驶车辆的第一控制策略，并控制所述自动驾驶车辆按照所述第一控制策略行驶。
可选地，获取第一预定车辆的多个车头图像，包括：获取所述第一预定车辆的第一激光点云图像；根据所述第一激光点云图像，确定所述车头对应的点云；将所述车头对应的点云投影至所述自动驾驶车辆的图像传感器上，得到所述车头图像。
可选地，根据所述第一激光点云图像，确定所述车头对应的点云，包括：根据所述第一激光点云图像，确定所述第一预定车辆的矩形轮廓；根据所述矩形轮廓，确定第一预定点云以及预定长度，所述第一预定点云为所述车头的两个顶点对应的点云，所述预定长度为所述矩形轮廓的长边的长度；根据所述第一激光点云图像、所述第一预定点云以及所述预定长度，确定所述车头对应的点云。
可选地，根据所述第一激光点云图像、所述第一预定点云以及所述预定长度，确定所述车头对应的点云，包括：根据所述预定长度，确定预设距离；确定所述第一激光点云图像中，与所述第一预定点云的距离小于或者等于所述预设距离的多个点云为第二预定点云；确定所述第一预定点云以及所述第二预定点云构成所述车头对应的点云。
可选地，根据多个所述车头图像，确定所述第一预定车辆的车头预定转向灯是否在闪烁，包括：从多个所述车头图像中识别所述车头预定转向灯图像；获取第一分析模型，所述第一分析模型为使用多组第一数据通过机器学习训练出的，每组所述第一数据均包括：多个历史车头预定转向灯图像以及对应的第一历史确定结果；将多个所述车头预定转向灯图像输入所述第一分析模型中，得到所述第一确定结果。
可选地，根据多个所述车头图像，确定所述第一预定车辆的车头预定转向灯是否在闪烁，包括：获取第二分析模型，所述第二分析模型为使用多组第二数据通过机器学习训练出的，每组所述第二数据均包括：多个历史车头图像以及对应的第二历史确定结果；将多个所述车头图像输入所述第二分析模型中，得到预定结果，所述预定结果为表征所述第一预定车辆的转向灯是否在闪烁的结果；根据所述预定结果，确定所述车头预定转向灯是否在闪烁，得到所述第一确定结果。
可选地，根据所述第一确定结果，生成所述自动驾驶车辆的第一控制策略，包括：在所述第一预定车辆与所述自动驾驶车辆不在同一车道，且所述第一确定结果为所述车头预定转向灯在闪烁的情况下，确定所述第一预定车辆将并入所述自动驾驶车辆所在的车道；在确定所述第一预定车辆将并入所述自动驾驶车辆所在的车道的情况下，生成控制所述自动驾驶车辆以当前速度行驶或者加速行驶的所述第一控制策略。
可选地，所述方法还包括：获取第二预定车辆的多个车尾图像，所述第二预定车辆为所述行驶道路上与所述自动驾驶车辆相邻，且位于所述自动驾驶车辆前方的车辆；根据多个车尾图像，确定所述第二预定车辆的车尾预定转向灯是否在闪烁，得到第二确定结果，所述车尾预定转向灯为车尾的靠近所述自动驾驶车辆的转向灯；根据所述第二确定结果，生成所述自动驾驶车辆的第二控制策略，并控制所述自动驾驶车辆按照所述第二控制策略行驶。
可选地，获取第二预定车辆的多个车尾图像，包括：获取所述第二预定车辆的第二激光点云图像；根据所述第二激光点云图像，确定所述车尾对应的点云；将所述车尾对应的点云投影至所述自动驾驶车辆的图像传感器上，得到所述车头图像。
可选地，根据所述第二确定结果，生成所述自动驾驶车辆的第二控制策略，包括：在所述第二预定车辆与所述自动驾驶车辆不在同一车道，且所述第二确定结果为所述车尾预定转向灯在闪烁的情况下，确定所述第二预定车辆将并入所述自动驾驶车辆所在的车道；在确定所述第二预定车辆将并入所述自动驾驶车辆所在的车道的情况下，生成控制所述自动驾驶车辆以当前速度行驶或者减速行驶的所述第二控制策略。
根据本发明实施例的另一方面，还提供了一种自动驾驶车辆的控制装置，包括第一获取单元、第一确定单元以及第一生成单元，其中，所述第一获取单元用于获取第一预定车辆的多个车头图像，所述第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于所述自动驾驶车辆后方的车辆；所述第一确定单元用于根据多个所述车头图像，确定所述第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，所述车头预定转向灯为车头的靠近所述自动驾驶车辆的转向灯；所述第一生成单元用于根据所述第一确定结果，生成所述自动驾驶车辆的第一控制策略，并控制所述自动驾驶车辆按照所述第一控制策略行驶。
根据本发明实施例的再一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。
根据本发明实施例的又一方面，还提供了一种电子设备，所述电子设备包括一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
根据本发明实施例的另一方面，还提供了一种自动驾驶系统，所述自动驾驶系统包括自动驾驶车辆以及所述自动驾驶车辆的控制装置，所述控制装置用于执行任一种所述的方法。
采用本申请的技术方案，所述的自动驾驶车辆的控制方法，首先获取行驶道路上与自动驾驶车辆相邻、且位于所述自动驾驶车辆后方的第一预定车辆的多个车头图像，即获取自动驾驶车辆斜后方和/或正后方的车辆的车头图像；然后，根据多个所述车头图像，确定所述第一预定车辆车头靠近所述自动驾驶车辆的转向灯是否在闪烁，得到第一确定结果；最后，根据得到的所述第一确定结果，生成第一控制策略，并控制所述自动驾驶车辆按照所述第一控制策略行驶。本申请的所述方法，通过获取位于自动驾驶车辆斜后方以及正后方的车辆的车头图像，这样当自动驾驶车辆后方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车头图像，再根据车头图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定所述自动驾驶车辆后方的车辆的变道意图，实现了较为准确地识别后方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，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示出了根据本申请的实施例的自动驾驶车辆的控制方法的流程示意图；
图2示出了根据本申请的实施例的自动驾驶车辆的控制装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的，现有技术中难以较为准确地识别自动驾驶车辆的周围车辆是否有变道意图，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种自动驾驶车辆的控制方法、控制装置、计算机可读存储介质、处理器、电子设备以及自动驾驶系统。
根据本申请的实施例，提供了一种自动驾驶车辆的控制方法。
图1是根据本申请实施例的自动驾驶车辆的控制方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，获取第一预定车辆的多个车头图像，上述第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于上述自动驾驶车辆后方的车辆；
步骤S102，根据多个上述车头图像，确定上述第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，上述车头预定转向灯为车头的靠近上述自动驾驶车辆的转向灯；
步骤S103，根据上述第一确定结果，生成上述自动驾驶车辆的第一控制策略，并控制上述自动驾驶车辆按照上述第一控制策略行驶。
上述的自动驾驶车辆的控制方法，首先获取行驶道路上与自动驾驶车辆相邻、且位于上述自动驾驶车辆后方的第一预定车辆的多个车头图像，即获取自动驾驶车辆斜后方和/或正后方的车辆的车头图像；然后，根据多个上述车头图像，确定上述第一预定车辆车头靠近上述自动驾驶车辆的转向灯是否在闪烁，得到第一确定结果；最后，根据得到的上述第一确定结果，生成第一控制策略，并控制上述自动驾驶车辆按照上述第一控制策略行驶。本申请的上述方法，通过获取位于自动驾驶车辆斜后方以及正后方的车辆的车头图像，这样当自动驾驶车辆后方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车头图像，再根据车头图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定上述自动驾驶车辆后方的车辆的变道意图，实现了较为准确地识别后方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
为了较为简单快捷地得到上述第一预定车辆的车头图像，进而进一步地方便后续根据车头图像，较为准确地得到上述第一预定车辆的变道意图，根据本申请的一种具体的实施例，获取第一预定车辆的多个车头图像，包括：获取上述第一预定车辆的第一激光点云图像；根据上述第一激光点云图像，确定上述车头对应的点云；将上述车头对应的点云投影至上述自动驾驶车辆的图像传感器上，得到上述车头图像。
具体地，根据上述第一激光点云图像，确定上述车头对应的点云，包括：根据上述第一激光点云图像，确定上述第一预定车辆的矩形轮廓；根据上述矩形轮廓，确定第一预定点云以及预定长度，上述第一预定点云为上述车头的两个顶点对应的点云，上述预定长度为上述矩形轮廓的长边的长度；根据上述第一激光点云图像、上述第一预定点云以及上述预定长度，确定上述车头对应的点云。本实施例中，首先根据第一激光点云图像，确定车辆的矩形轮廓，再根据矩形轮廓，确定矩形轮廓的左前顶点以及右前顶点对应的点云以及矩形长度，最后，根据矩形长度、顶点对应的点云以及激光点云图像，来确定车头的点云，这样可以较为准确地得到车头对应的点云。
再一种具体的实施例中，根据上述矩形轮廓，确定第一预定点云的具体步骤如下，首先获取矩形轮廓的长L、宽W以及上述第一预定车辆的朝向与坐标系X轴(或者Y轴)之间的角度H，根据长宽获取几何中心点位置信息(X1，Y1)，再根据几何中心位置信息、长L、宽W以及朝向H来确定上述第一预定点云的位置(X2，Y2)，对应公式如下：
其中，
表示上述第一预定点云为上述第一预定车辆的左角点时的位置信息，
表示上述第一预定点云为上述第一预定车辆为上述第一预定车辆的右角点时的位置，
表示几何中心点到上述第一预定点云的向量。
当然，确定上述第一预定点云的方法并不限于上述的方法，本领域技术人员可以选择其他任意合适的方法计算上述的第一预定点云。
本申请的另一种具体的实施例中，根据上述第一激光点云图像、上述第一预定点云以及上述预定长度，确定上述车头对应的点云，包括：根据上述预定长度，确定预设距离；确定上述第一激光点云图像中，与上述第一预定点云的距离小于或者等于上述预设距离的多个点云为第二预定点云；确定上述第一预定点云以及上述第二预定点云构成上述车头对应的点云。本实施例中，根据车辆矩形轮廓的长度，来确定上述预设距离，也就是根据车身整体长度确定车头长度，得到上述预设距离，之后确定上述车头的点云由上述第一预定点云以及第二预定点云构成，上述第二预定点云为与上述第一预定点云的距离小于或者等于上述预设距离的多个点云，这样进一步地保证了较为合理地确定不同车型对应的车头点云，进一步地实现了较为准确地确定车头点云。
根据本申请的另一种具体的实施例，根据多个上述车头图像，确定上述第一预定车辆的车头预定转向灯是否在闪烁，包括：从多个上述车头图像中识别上述车头预定转向灯图像；获取第一分析模型，上述第一分析模型为使用多组第一数据通过机器学习训练出的，每组上述第一数据均包括：多个历史车头预定转向灯图像以及对应的第一历史确定结果；将多个上述车头预定转向灯图像输入上述第一分析模型中，得到上述第一确定结果。通过从车头图像中提取出车头预定转向灯图像，再使用上述第一分析模型分析多个上述车头预定转向灯图像，得到上述第一确定结果，这样进一步地保证了较为准确地确定上述第一确定结果。
具体的一种实施例中，根据多个上述车头图像，确定上述第一预定车辆的车头预定转向灯是否在闪烁，包括：获取第二分析模型，上述第二分析模型为使用多组第二数据通过机器学习训练出的，每组上述第二数据均包括：多个历史车头图像以及对应的第二历史确定结果；将多个上述车头图像输入上述第二分析模型中，得到预定结果，上述预定结果为表征上述第一预定车辆的转向灯是否在闪烁的结果；根据上述预定结果，确定上述车头预定转向灯是否在闪烁，得到上述第一确定结果。本实施例中，通过将多个车头图像直接输入第二分析模型，这样可以进一步地实现较为简单快捷地得到上述第一确定结果。
在实际的应用过程中，上述第一分析模型以及上述第二分析模型均可以选择卷积神经网络模型以及长短期记忆网络模型等。
为了进一步地保证自动驾驶车辆的安全行驶，本申请的再一种具体的实施例中，根据上述第一确定结果，生成上述自动驾驶车辆的第一控制策略，包括：在上述第一预定车辆与上述自动驾驶车辆不在同一车道，即上述第一预定车辆位于上述自动驾驶车辆的斜后方，且上述第一确定结果为上述车头预定转向灯在闪烁的情况下，确定上述第一预定车辆将并入上述自动驾驶车辆所在的车道；在确定上述第一预定车辆将并入上述自动驾驶车辆所在的车道的情况下，生成控制上述自动驾驶车辆以当前速度行驶或者加速行驶的上述第一控制策略。
在实际的应用过程中，体型较大的卡车、货车等车辆也可能位于自动驾驶车辆的正前方或者斜前方，这种情况下，为了进一步地实现较为准确地识别车辆的变道意图，上述方法还包括：获取第二预定车辆的多个车尾图像，上述第二预定车辆为上述行驶道路上与上述自动驾驶车辆相邻，且位于上述自动驾驶车辆前方的车辆；根据多个车尾图像，确定上述第二预定车辆的车尾预定转向灯是否在闪烁，得到第二确定结果，上述车尾预定转向灯为车尾的靠近上述自动驾驶车辆的转向灯；根据上述第二确定结果，生成上述自动驾驶车辆的第二控制策略，并控制上述自动驾驶车辆按照上述第二控制策略行驶。本实施例中，当自动驾驶车辆前方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车尾图像，再根据车尾图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定上述自动驾驶车辆前方的车辆的变道意图，实现了较为准确地识别前方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
本申请的再一种具体的实施例中，对于体型较大的卡车、货车等车辆，在和自动驾驶车辆并行时，可能由于卡车、货车等车辆的车体过长，造成既无法获取到车头灯也无法获取到车尾灯的问题，这种情况下，本申请的上述方法还包括如下步骤：获取第二预定车辆的多个车身侧面图像，上述第二预定车辆为上述行驶道路上与上述自动驾驶车辆相邻，且位于上述自动驾驶车辆周围的车辆；根据多个车身侧面图像，确定上述第二预定车辆的侧面车身上的转向灯是否在闪烁，得到第三确定结果；根据上述第三确定结果，生成上述自动驾驶车辆的第三控制策略，并控制上述自动驾驶车辆按照上述第三控制策略行驶。
同样地，本申请的上述方法还可以延伸到获取车辆各个位置的转向灯图像，如有些车辆会在后视镜或后视镜下方车身处加装转向灯等，来确定车辆的变道意图。
当然，当自动驾驶车辆周围的车辆的车型较小的情况下，基本不存在由于视角等问题无法获取车头图像或者车尾图像的情况，这种情况下，既可以选择车辆的车头图像，也可以选择车辆的车尾图像，还可以同时获取车头图像以及车尾图像，在根据上述的图像来确定车辆的变道意图。
为了较为简单快捷地得到上述第二预定车辆的车头图像，进而进一步地方便后续根据车头图像，较为准确地得到上述第二预定车辆的变道意图，根据本申请的一种具体的实施例，获取第二预定车辆的多个车尾图像，包括：获取上述第二预定车辆的第二激光点云图像；根据上述第二激光点云图像，确定上述车尾对应的点云；将上述车尾对应的点云投影至上述自动驾驶车辆的图像传感器上，得到上述车头图像。
具体地，根据上述第二激光点云图像，确定上述车尾对应的点云，包括：根据上述第二激光点云图像，确定上述第二预定车辆的矩形轮廓；根据上述第二预定车辆的矩形轮廓，确定第三预定点云以及预设长度，上述第三预定点云为上述车尾的两个顶点对应的点云，上述预设长度为上述第二预定车辆的矩形轮廓的长边的长度；根据上述第二激光点云图像、上述第三预定点云以及上述预设长度，确定上述车尾对应的点云。本实施例中，首先根据第二激光点云图像，确定车辆的矩形轮廓，再根据车辆的矩形轮廓，确定矩形轮廓的左后顶点以及右后顶点对应的点云以及矩形长度，最后，根据矩形长度、顶点对应的点云以及激光点云图像，来确定车尾的点云，这样可以较为准确地得到车尾对应的点云。
本申请的另一种具体的实施例中，根据上述第二激光点云图像、上述第三预定点云以及上述预设长度，确定上述车尾对应的点云，包括：根据上述预设长度，确定预定距离；确定上述第二激光点云图像中，与上述第三预定点云的距离小于或者等于上述预定距离的多个点云为第四预定点云；确定上述第四预定点云以及上述第三预定点云构成上述车尾对应的点云。本实施例中，根据车辆矩形轮廓的长度，来确定上述预定距离，也就是根据车身整体长度确定车尾长度，得到上述预定距离，之后确定上述车尾的点云由上述第四预定点云以及第三预定点云构成，上述第四预定点云为与上述第三预定点云的距离小于或者等于上述预设距离的多个点云，这样进一步地保证了较为合理地确定不同车型对应的车尾点云，进一步地实现了较为准确地确定车头点云。
根据本申请的另一种具体的实施例，根据多个上述车尾图像，确定上述第二预定车辆的车尾预定转向灯是否在闪烁，包括：从多个上述车尾图像中识别上述车尾预定转向灯图像；获取第三分析模型，上述第三分析模型为使用多组第三数据通过机器学习训练出的，每组上述第三数据均包括：多个历史车尾预定转向灯图像以及对应的第三历史确定结果；将多个上述车尾预定转向灯图像输入上述第三分析模型中，得到上述第二确定结果。通过从车尾图像中提取出车尾预定转向灯图像，再使用上述第三分析模型分析多个上述车尾预定转向灯图像，得到上述第二确定结果，这样进一步地保证了较为准确地确定上述第二确定结果。
具体的一种实施例中，根据多个上述车尾图像，确定上述第二预定车辆的车尾预定转向灯是否在闪烁，包括：获取第四分析模型，上述第四分析模型为使用多组第四数据通过机器学习训练出的，每组上述第四数据均包括：多个历史车尾图像以及对应的第四历史确定结果；将多个上述车尾图像输入上述第四分析模型中，得到预定结果，上述预定结果为表征上述第二预定车辆的转向灯是否在闪烁的结果；根据上述预定结果，确定上述车尾预定转向灯是否在闪烁，得到上述第二确定结果。本实施例中，通过将多个车尾图像直接输入第四分析模型，这样可以进一步地实现较为简单快捷地得到上述第二确定结果。
在实际的应用过程中，上述第三分析模型以及上述第四分析模型均可以选择卷积神经网络模型以及长短期记忆网络模型等。
为了进一步地保证自动驾驶车辆的安全行驶，根据本申请的另一种具体的实施例，根据上述第二确定结果，生成上述自动驾驶车辆的第二控制策略，包括：在上述第二预定车辆与上述自动驾驶车辆不在同一车道，且上述第二确定结果为上述车尾预定转向灯在闪烁的情况下，确定上述第二预定车辆将并入上述自动驾驶车辆所在的车道；在确定上述第二预定车辆将并入上述自动驾驶车辆所在的车道的情况下，生成控制上述自动驾驶车辆以当前速度行驶或者减速行驶的上述第二控制策略。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种自动驾驶车辆的控制装置，需要说明的是，本申请实施例的自动驾驶车辆的控制装置可以用于执行本申请实施例所提供的用于自动驾驶车辆的控制方法。以下对本申请实施例提供的自动驾驶车辆的控制装置进行介绍。
图2是根据本申请实施例的自动驾驶车辆的控制装置的示意图。如图2所示，该装置包括第一获取单元10、第一确定单元20以及第一生成单元30，其中，上述第一获取单元10用于获取第一预定车辆的多个车头图像，上述第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于上述自动驾驶车辆后方的车辆；上述第一确定单元20用于根据多个上述车头图像，确定上述第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，上述车头预定转向灯为车头的靠近上述自动驾驶车辆的转向灯；上述第一生成单元30用于根据上述第一确定结果，生成上述自动驾驶车辆的第一控制策略，并控制上述自动驾驶车辆按照上述第一控制策略行驶。
上述的自动驾驶车辆的控制装置，通过上述第一获取单元获取行驶道路上与自动驾驶车辆相邻、且位于上述自动驾驶车辆后方的第一预定车辆的多个车头图像，即获取自动驾驶车辆斜后方和/或正后方的车辆的车头图像；通过上述第一确定单元根据多个上述车头图像，确定上述第一预定车辆车头靠近上述自动驾驶车辆的转向灯是否在闪烁，得到第一确定结果；通过上述第一生成单元根据得到的上述第一确定结果，生成第一控制策略，并控制上述自动驾驶车辆按照上述第一控制策略行驶。本申请的上述装置，通过获取位于自动驾驶车辆斜后方以及正后方的车辆的车头图像，这样当自动驾驶车辆后方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车头图像，再根据车头图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定上述自动驾驶车辆后方的车辆的变道意图，实现了较为准确地识别后方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
为了较为简单快捷地得到上述第一预定车辆的车头图像，进而进一步地方便后续根据车头图像，较为准确地得到上述第一预定车辆的变道意图，根据本申请的一种具体的实施例，上述第一获取单元包括第一获取模块、第一确定模块以及第一投影模块，其中，上述第一获取模块用于获取上述第一预定车辆的第一激光点云图像；上述第一确定模块用于根据上述第一激光点云图像，确定上述车头对应的点云；上述第一投影模块用于将上述车头对应的点云投影至上述自动驾驶车辆的图像传感器上，得到上述车头图像。
具体地，上述第一确定模块包括第一确定子模块、第二确定子模块以及第三确定子模块，其中，上述第一确定子模块用于根据上述第一激光点云图像，确定上述第一预定车辆的矩形轮廓；上述第二确定子模块用于根据上述矩形轮廓，确定第一预定点云以及预定长度，上述第一预定点云为上述车头的两个顶点对应的点云，上述预定长度为上述矩形轮廓的长边的长度；上述第三确定子模块用于根据上述第一激光点云图像、上述第一预定点云以及上述预定长度，确定上述车头对应的点云。本实施例中，首先根据第一激光点云图像，确定车辆的矩形轮廓，再根据矩形轮廓，确定矩形轮廓的左前顶点以及右前顶点对应的点云以及矩形长度，最后，根据矩形长度、顶点对应的点云以及激光点云图像，来确定车头的点云，这样可以较为准确地得到车头对应的点云。
再一种具体的实施例中，根据上述矩形轮廓，确定第一预定点云的具体步骤如下，首先获取矩形轮廓的长L、宽W以及上述第一预定车辆的朝向与坐标系X轴(或者Y轴)之间的角度H，根据长宽获取几何中心点位置信息(X1，Y1)，再根据几何中心位置信息、长L、宽W以及朝向H来确定上述第一预定点云的位置(X2，Y2)，对应公式如下：
其中，
表示上述第一预定点云为上述第一预定车辆的左角点时的位置信息，
表示上述第一预定点云为上述第一预定车辆为上述第一预定车辆的右角点时的位置，
表示几何中心点到上述第一预定点云的向量。
当然，确定上述第一预定点云的方法并不限于上述的方法，本领域技术人员可以选择其他任意合适的方法计算上述的第一预定点云。
本申请的另一种具体的实施例中，上述第三确定子模块还用于根据上述预定长度，确定预设距离；上述第三确定子模块还用于确定上述第一激光点云图像中，与上述第一预定点云的距离小于或者等于上述预设距离的多个点云为第二预定点云；上述第三确定子模块还用于确定上述第一预定点云以及上述第二预定点云构成上述车头对应的点云。本实施例中，根据车辆矩形轮廓的长度，来确定上述预设距离，也就是根据车身整体长度确定车头长度，得到上述预设距离，之后确定上述车头的点云由上述第一预定点云以及第二预定点云构成，上述第二预定点云为与上述第一预定点云的距离小于或者等于上述预设距离的多个点云，这样进一步地保证了较为合理地确定不同车型对应的车头点云，进一步地实现了较为准确地确定车头点云。
根据本申请的另一种具体的实施例，上述第一确定单元包括第一识别模块、第二获取模块以及第一输入模块，其中，上述第一识别模块用于从多个上述车头图像中识别上述车头预定转向灯图像；上述第二获取模块用于获取第一分析模型，上述第一分析模型为使用多组第一数据通过机器学习训练出的，每组上述第一数据均包括：多个历史车头预定转向灯图像以及对应的第一历史确定结果；上述第一输入模块用于将多个上述车头预定转向灯图像输入上述第一分析模型中，得到上述第一确定结果。通过从车头图像中提取出车头预定转向灯图像，再使用上述第一分析模型分析多个上述车头预定转向灯图像，得到上述第一确定结果，这样进一步地保证了较为准确地确定上述第一确定结果。
具体的一种实施例中，上述第一确定单元包括第三获取模块、第二输入模块以及第二确定模块，其中，上述第三获取模块用于获取第二分析模型，上述第二分析模型为使用多组第二数据通过机器学习训练出的，每组上述第二数据均包括：多个历史车头图像以及对应的第二历史确定结果；上述第二输入模块用于将多个上述车头图像输入上述第二分析模型中，得到预定结果，上述预定结果为表征上述第一预定车辆的转向灯是否在闪烁的结果；上述第二确定模块用于根据上述预定结果，确定上述车头预定转向灯是否在闪烁，得到上述第一确定结果。本实施例中，通过将多个车头图像直接输入第二分析模型，这样可以进一步地实现较为简单快捷地得到上述第一确定结果。
在实际的应用过程中，上述第一分析模型以及上述第二分析模型均可以选择卷积神经网络模型以及长短期记忆网络模型等。
为了进一步地保证自动驾驶车辆的安全行驶，本申请的再一种具体的实施例中，上述第一生成单元包括第三确定模块以及第一生成模块，其中，上述第三确定模块用于在上述第一预定车辆与上述自动驾驶车辆不在同一车道，即上述第一预定车辆位于上述自动驾驶车辆的斜后方，且上述第一确定结果为上述车头预定转向灯在闪烁的情况下，确定上述第一预定车辆将并入上述自动驾驶车辆所在的车道；上述第一生成模块用于在确定上述第一预定车辆将并入上述自动驾驶车辆所在的车道的情况下，生成控制上述自动驾驶车辆以当前速度行驶或者加速行驶的上述第一控制策略。
在实际的应用过程中，体型较大的卡车、货车等车辆也可能位于自动驾驶车辆的正前方或者斜前方，这种情况下，为了进一步地实现较为准确地识别车辆的变道意图，上述装置还包括第二获取单元、第二确定单元以及第二生成单元，其中，上述第二获取单元用于获取第二预定车辆的多个车尾图像，上述第二预定车辆为上述行驶道路上与上述自动驾驶车辆相邻，且位于上述自动驾驶车辆前方的车辆；上述第二确定单元用于根据多个上述车尾图像，确定上述第二预定车辆的车尾预定转向灯是否在闪烁，得到第二确定结果，上述车尾预定转向灯为车尾的靠近上述自动驾驶车辆的转向灯；上述第二生成单元用于根据上述第二确定结果，生成上述自动驾驶车辆的第二控制策略，并控制上述自动驾驶车辆按照上述第二控制策略行驶。本实施例中，当自动驾驶车辆前方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车尾图像，再根据车尾图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定上述自动驾驶车辆前方的车辆的变道意图，实现了较为准确地识别前方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
本申请的再一种具体的实施例中，对于体型较大的卡车、货车等车辆，在和自动驾驶车辆并行时，可能由于卡车、货车等车辆的车体过长，造成既无法获取到车头灯也无法获取到车尾灯的问题，这种情况下，本申请的上述方法还包括如下步骤：获取第二预定车辆的多个车身侧面图像，上述第二预定车辆为上述行驶道路上与上述自动驾驶车辆相邻，且位于上述自动驾驶车辆周围的车辆；根据多个车身侧面图像，确定上述第二预定车辆的侧面车身上的转向灯是否在闪烁，得到第三确定结果；根据上述第三确定结果，生成上述自动驾驶车辆的第三控制策略，并控制上述自动驾驶车辆按照上述第三控制策略行驶。
同样地，本申请的上述方法还可以延伸到获取车辆各个位置的转向灯图像，如有些车辆会在后视镜或后视镜下方车身处加装转向灯等，来确定车辆的变道意图。
当然，当自动驾驶车辆周围的车辆的车型较小的情况下，基本不存在由于视角等问题无法获取车头图像或者车尾图像的情况，这种情况下，既可以选择车辆的车头图像，也可以选择车辆的车尾图像，还可以同时获取车头图像以及车尾图像，在根据上述的图像来确定车辆的变道意图。
为了较为简单快捷地得到上述第二预定车辆的车头图像，进而进一步地方便后续根据车头图像，较为准确地得到上述第二预定车辆的变道意图，根据本申请的一种具体的实施例，上述第二获取单元包括第四获取模块、第四确定模块以及第二投影模块，其中，上述第四获取模块用于获取上述第二预定车辆的第二激光点云图像；上述第四确定模块用于根据上述第二激光点云图像，确定上述车尾对应的点云；上述第二投影模块用于将上述车尾对应的点云投影至上述自动驾驶车辆的图像传感器上，得到上述车头图像。
具体地，上述第四确定模块包括第四确定子模块、第五确定子模块以及第六确定子模块，其中，上述第四确定子模块用于根据上述第二激光点云图像，确定上述第二预定车辆的矩形轮廓；上述第五确定子模块用于根据上述第二预定车辆的矩形轮廓，确定第三预定点云以及预设长度，上述第三预定点云为上述车尾的两个顶点对应的点云，上述预设长度为上述第二预定车辆的矩形轮廓的长边的长度；上述第六确定子模块用于根据上述第二激光点云图像、上述第三预定点云以及上述预设长度，确定上述车尾对应的点云。本实施例中，首先根据第二激光点云图像，确定车辆的矩形轮廓，再根据车辆的矩形轮廓，确定矩形轮廓的左后顶点以及右后顶点对应的点云以及矩形长度，最后，根据矩形长度、顶点对应的点云以及激光点云图像，来确定车尾的点云，这样可以较为准确地得到车尾对应的点云。
本申请的另一种具体的实施例中，上述第六确定子模块还用于根据上述预设长度，确定预定距离；上述第六确定子模块还用于确定上述第二激光点云图像中，与上述第三预定点云的距离小于或者等于上述预定距离的多个点云为第四预定点云；上述第六确定子模块还用于确定上述第四预定点云以及上述第三预定点云构成上述车尾对应的点云。本实施例中，根据车辆矩形轮廓的长度，来确定上述预定距离，也就是根据车身整体长度确定车尾长度，得到上述预定距离，之后确定上述车尾的点云由上述第四预定点云以及第三预定点云构成，上述第四预定点云为与上述第三预定点云的距离小于或者等于上述预设距离的多个点云，这样进一步地保证了较为合理地确定不同车型对应的车尾点云，进一步地实现了较为准确地确定车头点云。
根据本申请的另一种具体的实施例，上述第二确定单元包括第二识别模块、第五获取模块以及第三输入模块，其中，上述第二识别模块用于从多个上述车尾图像中识别上述车尾预定转向灯图像；上述第五获取模块用于获取第三分析模型，上述第三分析模型为使用多组第三数据通过机器学习训练出的，每组上述第三数据均包括：多个历史车尾预定转向灯图像以及对应的第三历史确定结果；上述第三输入模块用于将多个上述车尾预定转向灯图像输入上述第三分析模型中，得到上述第二确定结果。通过从车尾图像中提取出车尾预定转向灯图像，再使用上述第三分析模型分析多个上述车尾预定转向灯图像，得到上述第二确定结果，这样进一步地保证了较为准确地确定上述第二确定结果。
具体的一种实施例中，上述第二确定单元包括第六获取模块、第四输入模块以及第五确定模块，其中，上述第六获取模块用于获取第四分析模型，上述第四分析模型为使用多组第四数据通过机器学习训练出的，每组上述第四数据均包括：多个历史车尾图像以及对应的第四历史确定结果；上述第四输入模块用于将多个上述车尾图像输入上述第四分析模型中，得到预定结果，上述预定结果为表征上述第二预定车辆的转向灯是否在闪烁的结果；上述第五确定模块用于根据上述预定结果，确定上述车尾预定转向灯是否在闪烁，得到上述第二确定结果。本实施例中，通过将多个车尾图像直接输入第四分析模型，这样可以进一步地实现较为简单快捷地得到上述第二确定结果。
在实际的应用过程中，上述第三分析模型以及上述第四分析模型均可以选择卷积神经网络模型以及长短期记忆网络模型等。
为了进一步地保证自动驾驶车辆的安全行驶，根据本申请的另一种具体的实施例，上述第二生成单元包括第六确定模块以及第二生成模块，其中，上述第六确定模块用于在上述第二预定车辆与上述自动驾驶车辆不在同一车道，且上述第二确定结果为上述车尾预定转向灯在闪烁的情况下，确定上述第二预定车辆将并入上述自动驾驶车辆所在的车道；上述第二生成模块用于在确定上述第二预定车辆将并入上述自动驾驶车辆所在的车道的情况下，生成控制上述自动驾驶车辆以当前速度行驶或者减速行驶的上述第二控制策略。
上述自动驾驶车辆的控制装置包括处理器和存储器，上述第一获取单元、上述第一确定单元以及上述第一生成单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中难以较为准确地识别自动驾驶车辆的周围车辆是否有变道意图的问题。
存储器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)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述自动驾驶车辆的控制方法。
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述自动驾驶车辆的控制方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
步骤S101，获取第一预定车辆的多个车头图像，上述第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于上述自动驾驶车辆后方的车辆；
步骤S102，根据多个上述车头图像，确定上述第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，上述车头预定转向灯为车头的靠近上述自动驾驶车辆的转向灯；
步骤S103，根据上述第一确定结果，生成上述自动驾驶车辆的第一控制策略，并控制上述自动驾驶车辆按照上述第一控制策略行驶。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
步骤S101，获取第一预定车辆的多个车头图像，上述第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于上述自动驾驶车辆后方的车辆；
步骤S102，根据多个上述车头图像，确定上述第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，上述车头预定转向灯为车头的靠近上述自动驾驶车辆的转向灯；
步骤S103，根据上述第一确定结果，生成上述自动驾驶车辆的第一控制策略，并控制上述自动驾驶车辆按照上述第一控制策略行驶。
根据本申请的又一种典型的实施例，还提供了一种自动驾驶系统，上述自动驾驶系统包括自动驾驶车辆以及上述自动驾驶车辆的控制装置，上述控制装置用于执行任一种上述的方法。
上述的自动驾驶系统，包括自动驾驶车辆以及上述自动驾驶车辆的控制装置，上述控制装置用于执行任一种上述的方法，上述方法通过获取位于自动驾驶车辆斜后方以及正后方的车辆的车头图像，这样当自动驾驶车辆后方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车头图像，再根据车头图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定上述自动驾驶车辆后方的车辆的变道意图，实现了较为准确地识别后方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如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信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
上述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，在本发明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。
上述集成的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取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1)、本申请上述的自动驾驶车辆的控制方法，首先获取行驶道路上与自动驾驶车辆相邻、且位于上述自动驾驶车辆后方的第一预定车辆的多个车头图像，即获取自动驾驶车辆斜后方和/或正后方的车辆的车头图像；然后，根据多个上述车头图像，确定上述第一预定车辆车头靠近上述自动驾驶车辆的转向灯是否在闪烁，得到第一确定结果；最后，根据得到的上述第一确定结果，生成第一控制策略，并控制上述自动驾驶车辆按照上述第一控制策略行驶。本申请的上述方法，通过获取位于自动驾驶车辆斜后方以及正后方的车辆的车头图像，这样当自动驾驶车辆后方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车头图像，再根据车头图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定上述自动驾驶车辆后方的车辆的变道意图，实现了较为准确地识别后方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
2)、本申请上述的自动驾驶车辆的控制装置，通过上述第一获取单元获取行驶道路上与自动驾驶车辆相邻、且位于上述自动驾驶车辆后方的第一预定车辆的多个车头图像，即获取自动驾驶车辆斜后方和/或正后方的车辆的车头图像；通过上述第一确定单元根据多个上述车头图像，确定上述第一预定车辆车头靠近上述自动驾驶车辆的转向灯是否在闪烁，得到第一确定结果；通过上述第一生成单元根据得到的上述第一确定结果，生成第一控制策略，并控制上述自动驾驶车辆按照上述第一控制策略行驶。本申请的上述装置，通过获取位于自动驾驶车辆斜后方以及正后方的车辆的车头图像，这样当自动驾驶车辆后方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车头图像，再根据车头图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定上述自动驾驶车辆后方的车辆的变道意图，实现了较为准确地识别后方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
3)、本申请上述的自动驾驶系统，包括自动驾驶车辆以及上述自动驾驶车辆的控制装置，上述控制装置用于执行任一种上述的方法，上述方法通过获取位于自动驾驶车辆斜后方以及正后方的车辆的车头图像，这样当自动驾驶车辆后方有体型较大的车辆，如卡车、货车等车辆时，可以较为简单且较为准确地得到该车辆的车头图像，再根据车头图像确定靠近自动驾驶车辆的转向灯的闪烁情况，确定上述自动驾驶车辆后方的车辆的变道意图，实现了较为准确地识别后方车辆的变道意图的目的，之后再根据确定的变道意图来控制自动驾驶车辆的行驶，对于自动驾驶车辆的控制策略具有积极意义，保证了自动驾驶车辆的安全驾驶。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (15)
1.一种自动驾驶车辆的控制方法，其特征在于，包括：
获取第一预定车辆的多个车头图像，所述第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于所述自动驾驶车辆后方的车辆；
根据多个所述车头图像，确定所述第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，所述车头预定转向灯为车头的靠近所述自动驾驶车辆的转向灯；
根据所述第一确定结果，生成所述自动驾驶车辆的第一控制策略，并控制所述自动驾驶车辆按照所述第一控制策略行驶。
2.根据权利要求1所述的方法，其特征在于，获取第一预定车辆的多个车头图像，包括：
获取所述第一预定车辆的第一激光点云图像；
根据所述第一激光点云图像，确定所述车头对应的点云；
将所述车头对应的点云投影至所述自动驾驶车辆的图像传感器上，得到所述车头图像。
3.根据权利要求2所述的方法，其特征在于，根据所述第一激光点云图像，确定所述车头对应的点云，包括：
根据所述第一激光点云图像，确定所述第一预定车辆的矩形轮廓；
根据所述矩形轮廓，确定第一预定点云以及预定长度，所述第一预定点云为所述车头的两个顶点对应的点云，所述预定长度为所述矩形轮廓的长边的长度；
根据所述第一激光点云图像、所述第一预定点云以及所述预定长度，确定所述车头对应的点云。
4.根据权利要求3所述的方法，其特征在于，根据所述第一激光点云图像、所述第一预定点云以及所述预定长度，确定所述车头对应的点云，包括：
根据所述预定长度，确定预设距离；
确定所述第一激光点云图像中，与所述第一预定点云的距离小于或者等于所述预设距离的多个点云为第二预定点云；
确定所述第一预定点云以及所述第二预定点云构成所述车头对应的点云。
5.根据权利要求1所述的方法，其特征在于，根据多个所述车头图像，确定所述第一预定车辆的车头预定转向灯是否在闪烁，包括：
从多个所述车头图像中识别所述车头预定转向灯图像；
获取第一分析模型，所述第一分析模型为使用多组第一数据通过机器学习训练出的，每组所述第一数据均包括：多个历史车头预定转向灯图像以及对应的第一历史确定结果；
将多个所述车头预定转向灯图像输入所述第一分析模型中，得到所述第一确定结果。
6.根据权利要求1所述的方法，其特征在于，根据多个所述车头图像，确定所述第一预定车辆的车头预定转向灯是否在闪烁，包括：
获取第二分析模型，所述第二分析模型为使用多组第二数据通过机器学习训练出的，每组所述第二数据均包括：多个历史车头图像以及对应的第二历史确定结果；
将多个所述车头图像输入所述第二分析模型中，得到预定结果，所述预定结果为表征所述第一预定车辆的转向灯是否在闪烁的结果；
根据所述预定结果，确定所述车头预定转向灯是否在闪烁，得到所述第一确定结果。
7.根据权利要求1所述的方法，其特征在于，根据所述第一确定结果，生成所述自动驾驶车辆的第一控制策略，包括：
在所述第一预定车辆与所述自动驾驶车辆不在同一车道，且所述第一确定结果为所述车头预定转向灯在闪烁的情况下，确定所述第一预定车辆将并入所述自动驾驶车辆所在的车道；
在确定所述第一预定车辆将并入所述自动驾驶车辆所在的车道的情况下，生成控制所述自动驾驶车辆以当前速度行驶或者加速行驶的所述第一控制策略。
8.根据权利要求1至7中任一项所述的方法，其特征在于，所述方法还包括：
获取第二预定车辆的多个车尾图像，所述第二预定车辆为所述行驶道路上与所述自动驾驶车辆相邻，且位于所述自动驾驶车辆前方的车辆；
根据多个车尾图像，确定所述第二预定车辆的车尾预定转向灯是否在闪烁，得到第二确定结果，所述车尾预定转向灯为车尾的靠近所述自动驾驶车辆的转向灯；
根据所述第二确定结果，生成所述自动驾驶车辆的第二控制策略，并控制所述自动驾驶车辆按照所述第二控制策略行驶。
9.根据权利要求8所述的方法，其特征在于，获取第二预定车辆的多个车尾图像，包括：
获取所述第二预定车辆的第二激光点云图像；
根据所述第二激光点云图像，确定所述车尾对应的点云；
将所述车尾对应的点云投影至所述自动驾驶车辆的图像传感器上，得到所述车头图像。
10.根据权利要求8所述的方法，其特征在于，根据所述第二确定结果，生成所述自动驾驶车辆的第二控制策略，包括：
在所述第二预定车辆与所述自动驾驶车辆不在同一车道，且所述第二确定结果为所述车尾预定转向灯在闪烁的情况下，确定所述第二预定车辆将并入所述自动驾驶车辆所在的车道；
在确定所述第二预定车辆将并入所述自动驾驶车辆所在的车道的情况下，生成控制所述自动驾驶车辆以当前速度行驶或者减速行驶的所述第二控制策略。
11.一种自动驾驶车辆的控制装置，其特征在于，包括：
第一获取单元，用于获取第一预定车辆的多个车头图像，所述第一预定车辆为行驶道路上与自动驾驶车辆相邻，且位于所述自动驾驶车辆后方的车辆；
第一确定单元，用于根据多个所述车头图像，确定所述第一预定车辆的车头预定转向灯是否在闪烁，得到第一确定结果，所述车头预定转向灯为车头的靠近所述自动驾驶车辆的转向灯；
第一生成单元，用于根据所述第一确定结果，生成所述自动驾驶车辆的第一控制策略，并控制所述自动驾驶车辆按照所述第一控制策略行驶。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至10中任意一项所述的方法。
13.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至10中任意一项所述的方法。
14.一种电子设备，其特征在于，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至10中任意一项所述的方法。
15.一种自动驾驶系统，其特征在于，包括：
自动驾驶车辆；
所述自动驾驶车辆的控制装置，所述控制装置用于执行权利要求1至10中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210266049.6A CN114475665A (zh) | 2022-03-17 | 2022-03-17 | 自动驾驶车辆的控制方法、控制装置及自动驾驶系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210266049.6A CN114475665A (zh) | 2022-03-17 | 2022-03-17 | 自动驾驶车辆的控制方法、控制装置及自动驾驶系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114475665A true CN114475665A (zh) | 2022-05-13 |
Family
ID=81486934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210266049.6A Pending CN114475665A (zh) | 2022-03-17 | 2022-03-17 | 自动驾驶车辆的控制方法、控制装置及自动驾驶系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114475665A (zh) |
Citations (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101975952A (zh) * | 2010-09-13 | 2011-02-16 | 天津市星际空间地理信息工程有限公司 | 一种机载lidar单片模式下的数字线划图半自动测图方法 |
| US20120271539A1 (en) * | 2011-04-19 | 2012-10-25 | GM Global Technology Operations LLC | Device and method for driver assistance |
| CN103226833A (zh) * | 2013-05-08 | 2013-07-31 | 清华大学 | 一种基于三维激光雷达的点云数据分割方法 |
| CN103679741A (zh) * | 2013-12-30 | 2014-03-26 | 北京建筑大学 | 一种基于三维线特征的激光点云数据自动配准方法 |
| DE102013219023A1 (de) * | 2013-09-23 | 2015-03-26 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zur Unterstützung eines Fahrers eines Fahrzeugs beim Spurwechsel |
| US9285230B1 (en) * | 2013-12-20 | 2016-03-15 | Google Inc. | Methods and systems for detecting road curbs |
| CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术（北京）有限公司 | 高精地图数据配准关系确定方法及装置 |
| US20160291134A1 (en) * | 2015-04-06 | 2016-10-06 | Google Inc. | Long Range Steerable LIDAR System |
| CN106891888A (zh) * | 2015-12-17 | 2017-06-27 | 福特全球技术公司 | 车辆转向信号检测 |
| US20180147984A1 (en) * | 2016-11-28 | 2018-05-31 | Toyota Jidosha Kabushiki Kaisha | Driving support apparatus for a vehicle |
| CN108154560A (zh) * | 2018-01-25 | 2018-06-12 | 北京小马慧行科技有限公司 | 激光点云标注方法、装置及可读存储介质 |
| CN108280886A (zh) * | 2018-01-25 | 2018-07-13 | 北京小马智行科技有限公司 | 激光点云标注方法、装置及可读存储介质 |
| CN108528431A (zh) * | 2017-03-02 | 2018-09-14 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
| CN108528432A (zh) * | 2017-03-02 | 2018-09-14 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
| CN108898628A (zh) * | 2018-06-21 | 2018-11-27 | 北京纵目安驰智能科技有限公司 | 基于单目的车辆三维目标姿态估计方法、系统、终端和存储介质 |
| CN110196429A (zh) * | 2018-04-02 | 2019-09-03 | 北京航空航天大学 | 车辆目标识别方法、存储介质、处理器以及系统 |
| EP3626585A1 (en) * | 2018-09-21 | 2020-03-25 | Visteon Global Technologies, Inc. | Driver assistance system and method for displaying traffic information |
| CN111145570A (zh) * | 2019-12-18 | 2020-05-12 | 北京小马慧行科技有限公司 | 车辆的控制方法、控制装置、存储介质和处理器 |
| US20200159239A1 (en) * | 2018-11-16 | 2020-05-21 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for positioning vehicles under poor lighting conditions |
| CN111959507A (zh) * | 2020-07-06 | 2020-11-20 | 江铃汽车股份有限公司 | 一种变道控制方法、系统、可读存储介质及车辆 |
| CN112937521A (zh) * | 2021-04-13 | 2021-06-11 | 广州小马慧行科技有限公司 | 自动驾驶车辆的远程控制方法与自动驾驶车辆的控制方法 |
| CN112990151A (zh) * | 2021-05-10 | 2021-06-18 | 湖北亿咖通科技有限公司 | 障碍物检测模块的精度检测方法和电子设备 |
| CN113071494A (zh) * | 2021-04-28 | 2021-07-06 | 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 |
| CN113085893A (zh) * | 2021-03-31 | 2021-07-09 | 银隆新能源股份有限公司 | 基于图像识别的车辆控制方法及装置 |
| CN113085722A (zh) * | 2021-06-09 | 2021-07-09 | 禾多科技（北京）有限公司 | 车辆控制方法、电子设备和计算机可读介质 |
| CN113128497A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 目标形状估计方法及装置 |
| US20220036579A1 (en) * | 2020-07-29 | 2022-02-03 | Uatc, Llc | Systems and Methods for Simulating Dynamic Objects Based on Real World Data |
| WO2022022694A1 (zh) * | 2020-07-31 | 2022-02-03 | 北京智行者科技有限公司 | 自动驾驶环境感知方法及系统 |
-
2022
- 2022-03-17 CN CN202210266049.6A patent/CN114475665A/zh active Pending
Patent Citations (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101975952A (zh) * | 2010-09-13 | 2011-02-16 | 天津市星际空间地理信息工程有限公司 | 一种机载lidar单片模式下的数字线划图半自动测图方法 |
| US20120271539A1 (en) * | 2011-04-19 | 2012-10-25 | GM Global Technology Operations LLC | Device and method for driver assistance |
| CN103226833A (zh) * | 2013-05-08 | 2013-07-31 | 清华大学 | 一种基于三维激光雷达的点云数据分割方法 |
| DE102013219023A1 (de) * | 2013-09-23 | 2015-03-26 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zur Unterstützung eines Fahrers eines Fahrzeugs beim Spurwechsel |
| US9285230B1 (en) * | 2013-12-20 | 2016-03-15 | Google Inc. | Methods and systems for detecting road curbs |
| CN103679741A (zh) * | 2013-12-30 | 2014-03-26 | 北京建筑大学 | 一种基于三维线特征的激光点云数据自动配准方法 |
| US20160291134A1 (en) * | 2015-04-06 | 2016-10-06 | Google Inc. | Long Range Steerable LIDAR System |
| CN106891888A (zh) * | 2015-12-17 | 2017-06-27 | 福特全球技术公司 | 车辆转向信号检测 |
| CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术（北京）有限公司 | 高精地图数据配准关系确定方法及装置 |
| US20180147984A1 (en) * | 2016-11-28 | 2018-05-31 | Toyota Jidosha Kabushiki Kaisha | Driving support apparatus for a vehicle |
| CN108528431A (zh) * | 2017-03-02 | 2018-09-14 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
| CN108528432A (zh) * | 2017-03-02 | 2018-09-14 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
| CN108154560A (zh) * | 2018-01-25 | 2018-06-12 | 北京小马慧行科技有限公司 | 激光点云标注方法、装置及可读存储介质 |
| CN108280886A (zh) * | 2018-01-25 | 2018-07-13 | 北京小马智行科技有限公司 | 激光点云标注方法、装置及可读存储介质 |
| CN110196429A (zh) * | 2018-04-02 | 2019-09-03 | 北京航空航天大学 | 车辆目标识别方法、存储介质、处理器以及系统 |
| CN108898628A (zh) * | 2018-06-21 | 2018-11-27 | 北京纵目安驰智能科技有限公司 | 基于单目的车辆三维目标姿态估计方法、系统、终端和存储介质 |
| EP3626585A1 (en) * | 2018-09-21 | 2020-03-25 | Visteon Global Technologies, Inc. | Driver assistance system and method for displaying traffic information |
| US20200159239A1 (en) * | 2018-11-16 | 2020-05-21 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for positioning vehicles under poor lighting conditions |
| CN111145570A (zh) * | 2019-12-18 | 2020-05-12 | 北京小马慧行科技有限公司 | 车辆的控制方法、控制装置、存储介质和处理器 |
| CN113128497A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 目标形状估计方法及装置 |
| CN111959507A (zh) * | 2020-07-06 | 2020-11-20 | 江铃汽车股份有限公司 | 一种变道控制方法、系统、可读存储介质及车辆 |
| US20220036579A1 (en) * | 2020-07-29 | 2022-02-03 | Uatc, Llc | Systems and Methods for Simulating Dynamic Objects Based on Real World Data |
| WO2022022694A1 (zh) * | 2020-07-31 | 2022-02-03 | 北京智行者科技有限公司 | 自动驾驶环境感知方法及系统 |
| CN113085893A (zh) * | 2021-03-31 | 2021-07-09 | 银隆新能源股份有限公司 | 基于图像识别的车辆控制方法及装置 |
| CN112937521A (zh) * | 2021-04-13 | 2021-06-11 | 广州小马慧行科技有限公司 | 自动驾驶车辆的远程控制方法与自动驾驶车辆的控制方法 |
| CN113071494A (zh) * | 2021-04-28 | 2021-07-06 | 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 |
| CN112990151A (zh) * | 2021-05-10 | 2021-06-18 | 湖北亿咖通科技有限公司 | 障碍物检测模块的精度检测方法和电子设备 |
| CN113085722A (zh) * | 2021-06-09 | 2021-07-09 | 禾多科技（北京）有限公司 | 车辆控制方法、电子设备和计算机可读介质 |
Non-Patent Citations (5)
| Title |
|---|
| 彭金栓;付锐;郭应时;: "自然驾驶条件下驾驶人换道行为实时预测", 哈尔滨工业大学学报, no. 09, 30 September 2015 (2015-09-30) * |
| 李宇寂;鲁奉军;王迪;尚秉旭;: "基于多属性决策的无人驾驶自主变道决策技术研究", 汽车文摘, no. 04 * |
| 李立雪;牛路标;黄腾达;李友鹏;: "一种车载LiDAR建筑物立面点云精细分割方法", 黑龙江工程学院学报, no. 03, 25 June 2016 (2016-06-25) * |
| 李茁;王田苗;胡坤磊;李晓飞;王肖;: "复杂环境下的激光雷达目标物实时检测方法", 激光杂志, no. 03, 25 March 2018 (2018-03-25) * |
| 罗海峰;方莉娜;陈崇成;黄志文;: "基于DBN的车载激光点云路侧多目标提取", 测绘学报, no. 02 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108509832B (zh) | 用于产生虚拟车道的方法和装置 | |
| CN111880533B (zh) | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 | |
| CN106980813B (zh) | 机器学习的注视生成 | |
| CN108025672B (zh) | 可预先给定的光图案的投影 | |
| US9268740B2 (en) | External environment recognizing device for vehicle and light distribution control system using the same | |
| EP4220537A2 (en) | Road profile along a predicted path | |
| CN108116409B (zh) | 用于生成自主驾驶路线的方法和设备 | |
| CN105291955A (zh) | 根据车辆的环境定向车辆的大灯的照明区域的方法和设备 | |
| CN110203210A (zh) | 一种车道偏离预警方法、终端设备及存储介质 | |
| KR20170081375A (ko) | 운전 보조 장치 및 그 제어방법 | |
| CN110834667B (zh) | 车辆转向控制方法、装置、车辆、终端设备及存储介质 | |
| CN110008891B (zh) | 一种行人检测定位方法、装置、车载计算设备及存储介质 | |
| DE102018115992A1 (de) | Fahrzeuge, die auf grundlage von nachfolgenden fahrzeugen die spur wechseln | |
| US10366541B2 (en) | Vehicle backup safety mapping | |
| CN112084232A (zh) | 基于目标他车视野信息的车辆行驶风险评估方法及装置 | |
| CN110758234A (zh) | 车灯投影方法及相关产品 | |
| CN114194190A (zh) | 车道机动意图检测系统和方法 | |
| CN115520100A (zh) | 汽车电子后视镜系统及车辆 | |
| KR101850794B1 (ko) | 주차 지원 장치 및 방법 | |
| CN114475665A (zh) | 自动驾驶车辆的控制方法、控制装置及自动驾驶系统 | |
| WO2023029469A1 (zh) | 车辆行驶预警方法及装置 | |
| CN114644014A (zh) | 一种基于车道线的智能驾驶方法及相关设备 | |
| JP7111137B2 (ja) | 表示制御装置、および表示制御プログラム | |
| Apostoloff | Vision based lane tracking using multiple cues and particle filtering | |
| CN112550129A (zh) | 一种车辆控制方法、装置及车辆 |
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 |