CN114590250A - 一种无人设备的控制方法及装置 - Google Patents
一种无人设备的控制方法及装置 Download PDFInfo
- Publication number
- CN114590250A CN114590250A CN202210261877.0A CN202210261877A CN114590250A CN 114590250 A CN114590250 A CN 114590250A CN 202210261877 A CN202210261877 A CN 202210261877A CN 114590250 A CN114590250 A CN 114590250A
- Authority
- CN
- China
- Prior art keywords
- target area
- unmanned
- unmanned equipment
- traffic participants
- obstacle
- 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 60
- 230000004888 barrier function Effects 0.000 claims abstract description 25
- 238000011217 control strategy Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 230000000903 blocking effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- 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
- 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
- B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书公开了一种无人设备的控制方法及装置，并具体公开了，获取无人设备的定位数据以及采集的障碍物数据，根据障碍物数据，识别出位于该无人设备周围的障碍物，并根据该定位数据以及预设的高精地图，查找出位于无人设备设定邻域内的目标区域，再预测假设有其他交通参与者从该目标区域驶出的情况下，该其他交通参与者驶出目标区域并驶入无人设备所在车道时经过的行驶轨迹，若根据行驶轨迹，确定在无人设备的观测方向上障碍物会遮挡其他交通参与者，将目标区域作为盲区，并在确定无人设备位于目标区域时，根据预设的盲区控制策略，对无人设备进行控制。这样，不仅降低了人工成本，同时，及时发现盲区，降低了无人设备行驶过程中的安全风险。
Description
技术领域
本说明书涉及计算机技术领域，尤其涉及一种无人设备的控制方法及装置。
背景技术
在无人设备自动行驶过程中，当无人设备经过如学校门口、小区门口等存在道路交汇的区域时，会存在车辆汇入。此时，若在该区域中汇入车辆被障碍物遮挡住(即，汇入车辆位于无人设备无法感知的盲区中)时，无人设备将无法感知到该汇入车辆的存在，可能会发生碰撞等危险。因此，针对这些区域，通常会由专职人员前往这些地区，人工测绘出无人设备无法感知的盲区的区域大小，并在高精地图中标注出来。这样，当无人设备确定前方区域存在学校门口、小区门口等存在道路交汇的区域时，若该区域内标注有盲区，则提前降速行驶，避免与从盲区中驶入的车辆发生碰撞。
这样，通过上述方式确定盲区时，必须依赖人工实地测绘确定，存在人工成本高的问题，同时，当存在道路交汇的区域内的实际环境发生改变出现了新的盲区时，而高精地图中又没有及时更新时，无人设备在通过该道路交汇的区域时，由于高精地图中没有将该区域标注为盲区，则会采取措施来避免与从盲区中驶入的车辆发生碰撞，这给无人设备的自动驾驶带来了极大的安全隐患。
发明内容
本说明书提供一种无人设备的控制方法及装置，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种无人设备的控制方法，包括：
获取无人设备的定位数据以及采集的障碍物数据；
根据所述障碍物数据，识别出位于所述无人设备周围的障碍物，并根据所述定位数据以及预设的高精地图，查找出位于所述无人设备设定邻域内的目标区域；
预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹；
若根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物会遮挡所述其他交通参与者，将所述目标区域作为盲区，并在确定所述无人设备位于所述目标区域时，根据预设的盲区控制策略，对所述无人设备进行控制。
可选地，根据所述定位数据以及预设的高精地图，查找出位于所述无人设备设定邻域内的目标区域，具体包括：
基于所述高精地图，根据所述定位数据，确定所述无人设备当前所在车道；
根据所述高精地图中记录的各目标区域的地理坐标，查找出位于所述无人设备所在车道对应的行车方向上的，且位于所述无人设备设定邻域内的所述目标区域。
可选地，预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹，具体包括：
从所述高精地图中获取所述目标区域的地理坐标，以及从所述目标区域驶出的所述其他交通参与者的前进方向对应的方位角；
根据所述地理坐标，以及所述方位角，预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹。
可选地，根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物是否会遮挡所述其他交通参与者，具体包括：
确定所述障碍物与所述无人设备之间的距离，作为障碍物距离，以及确定所述目标区域与所述无人设备之间的距离，作为目标距离；
判断所述障碍物距离是否小于所述目标距离；
若是，根据所述行驶轨迹，确定在所述无人设备的数据采集方向上所述障碍物是否会遮挡所述其他交通参与者。
可选地，根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物是否会遮挡所述其他交通参与者，具体包括：
根据所述行驶轨迹，确定所述障碍物在所述无人设备的观测方向上，对所述其他交通参与者进行遮挡的遮挡率；
根据所述遮挡率，确定在所述无人设备的观测方向上所述障碍物是否会遮挡所述其他交通参与者。
可选地，根据所述行驶轨迹，确定所述障碍物在所述无人设备的观测方向上，对所述其他交通参与者进行遮挡的遮挡率，具体包括：
根据所述障碍物的障碍物数据，确定所述无人设备观测所述障碍物所形成的视角，作为第一视角，以及根据所述行驶轨迹，确定所述无人设备观测所述行驶轨迹覆盖的区域所形成的视角，作为第二视角；
根据所述第一视角与所述第二视角之间的视角重叠度，确定所述障碍物在所述无人设备的数据采集方向上，对所述其他交通参与者进行遮挡的遮挡率。
可选地，所述目标区域包括：交通交汇口。
本说明书提供了一种无人设备的控制装置，包括：
获取模块，用于获取无人设备的定位数据以及采集的障碍物数据；
识别查找模块，用于根据所述障碍物数据，识别出位于所述无人设备周围的障碍物，并根据所述定位数据以及预设的高精地图，查找出位于所述无人设备设定邻域内的目标区域；
预测模块，用于预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹；
控制模块，用于若根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物会遮挡所述其他交通参与者，将所述目标区域作为盲区，并在确定所述无人设备位于所述目标区域时，根据预设的盲区控制策略，对所述无人设备进行控制。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述无人设备的控制方法。
本说明书提供了一种无人设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述无人设备的控制方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的无人设备的控制方法中，获取无人设备的定位数据以及采集的障碍物数据，根据障碍物数据，识别出位于该无人设备周围的障碍物，并根据该定位数据以及预设的高精地图，查找出位于无人设备设定邻域内的目标区域，再预测假设有其他交通参与者从该目标区域驶出的情况下，该其他交通参与者驶出目标区域并驶入无人设备所在车道时经过的行驶轨迹，若根据行驶轨迹，确定在无人设备的观测方向上障碍物会遮挡其他交通参与者，将目标区域作为盲区，并在确定无人设备位于目标区域时，根据预设的盲区控制策略，对无人设备进行控制。
从上述方法中可以看出，本方法中无人设备在通过目标区域时，实时地对无人设备是否能够对从该目标区域驶出并驶入无人设备所在车道的其他交通与者，及时采取相应的盲区控制策略，对无人设备进行控制。这样，相较于依赖预先构建的高精地图来识别盲区，本方法中无人设备可以在通过目标区域时，实时地判断该目标区域是否是盲区，因而可以及时地发现盲区，并采取对应的盲区控制策略控制无人设备行驶，降低了无人设备行驶过程中的安全风险。同时，由于不需要人工实地测绘，以及在高精地图中针对每个目标区域标注出该目标区域是否是盲区，因而降低了人工成本。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中一种无人设备的控制方法的流程示意图；
图2A为本说明书查找目标区域的示意图；
图2B为本说明书从该目标区域驶出的其他交通参与者的前进方向对应的方位角的示意图；
图2C为本说明书中第一视角、第二视角，第一视角与第二视角之间相重叠的重叠视角的示意图；
图2D为本说明书中第一图像区域、第二图像区域，第一图像区域与第二图像区域之间相重叠的重叠图像区域的示意图；
图3为本说明书提供的无人设备的控制方法的详细流程示意图；
图4为本说明书提供的一种无人设备的控制装置的示意图；
图5为本说明书提供的对应于图1的无人设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
下面将结合实施例详细阐述本说明书中提供的无人设备的控制方案。
图1为本说明书中一种无人设备的控制方法的流程示意图，具体包括以下步骤：
步骤S100，获取无人设备的定位数据以及采集的障碍物数据。
在无人驾驶领域中，在无人设备通过如丁字路口、十字路口、小区门口以及学校门口等存在道路交汇的交汇区域时，必须观测在交汇区域中与无人设备所在道路相交汇的侧向道路上的其他交通参与者(如其他车龄、行人等)的通行情况，以预测无人设备通过该交汇区域时，该交汇区域内无人设备与其他交通参与者的交互情况，更根据预测得到的交互情况，控制无人设备通过该交汇区域。
其中，在无人设备观测侧向道路的交通情况时，若存在障碍物将该侧向道路遮挡住，则无人设备将无法观测到侧向道路中被无人设备所遮挡住的部分路段的道路交通情况，也就无法预测无人设备通过该交汇区域时，该交汇区域内无人设备与其他交通参与者的交互情况，这样，无人设备在通过该交汇区域时将存在较大的安全隐患。
针对这一问题，目前常用的解决方案时派遣专用人员前往各交汇区域，人工实地测绘确定各交汇区域内是否存在无法被无人设备观测到的路段，若存在，则将该交汇区域标注为盲区。这样，无人设备在通过交汇区域时，从高精地图中查询出该交汇区域是否是盲区，若是，则根据预设的盲区控制策略，控制无人设备通过该交汇区域。
在上述方案中，当存在部分交汇区域的道路环境发生变化出现了盲区，确未及时在高精地图标注出来时，无人设备在通过该交互区域时，不会根据预设的盲区控制策略，控制无人设备通过该交汇区域，这给无人设备的自动驾驶带来的极大的安全隐患。
为了解决这一问题，本说明书提供一种无人设备的控制方法，在该方法中，无人设备获取自身的定位数据以及采集的障碍物数据，而后，根据该障碍物数据，识别出位于无人设备周围的障碍物。同时，根据该定位数据以及预设的高精地图，查找出位于无人设备设定邻域内的目标区域，并预测假设有其他交通参与者从目标区域驶出的情况下，该其他交通参与者驶出目标区域并驶入无人设备所在车道时经过的行驶轨迹。最后，若根据该行驶轨迹，确定在无人设备的观测方向上障碍物会遮挡其他交通参与者，将目标区域作为盲区，并在确定无人设备位于目标区域时，根据预设的盲区控制策略，对无人设备进行控制。
这样，相较于依赖预先构建的高精地图来识别盲区，本方法中无人设备可以在通过目标区域时，实时地判断该目标区域是否是盲区，因而可以及时地发现盲区，并采取对应的盲区控制策略控制无人设备行驶，降低了无人设备行驶过程中的安全风险。同时，由于不需要人工实地测绘确定，因而降低了人工成本。
下面将结合实施例，详细阐述本说明书中提供人设备的控制方法。
具体实施中，无人设备在行驶过程中，实时获取自身的定位数据，以及在该定位数据所对应的地理位置上采集的障碍物数据。其中，上述障碍物数据，是无人设备上传感器采集的传感器数据，如，无人设备上安装的激光雷达采集的点云数据，无人设备上安装的摄像机采集的图像数据。
需要说明的是，本说明书中所提供的无人设备的控制方法中所涉及到的无人设备可以是指无人车、机器人、自动配送设备等能够实现自动驾驶的设备。基于此，配置有应用本说明书提供的无人设备可以用于执行配送领域的配送任务，如，使用无人设备进行快递、物流、外卖等配送的业务场景。
步骤S102，根据所述障碍物数据，识别出位于所述无人设备周围的障碍物，并根据所述定位数据以及预设的高精地图，查找出位于所述无人设备设定邻域内的目标区域。
其中，上述目标区域即为上文中提及的存在道路交汇的交汇区域，该目标区域具体可以包括交通交汇口，如，丁字路口，十字路口，小区门口，学校门口等区域，在这些区域中，无人设备在存在交汇的一条道路中行驶时，需要及时的观测到另一条道路(即上文中的侧向道路)上的来车以及行人的情况，以保障无人设备可以安全的通过该区域。
具体实施中，无人设备识别障碍物时，若该障碍物数据为点云数据，则无人设备可以以归属于同一障碍物的点云数据中所包含的相邻的两个点云点之间的距离小于设定距离为约束条件，从点云数据中，识别出位于无人设备周围的障碍物。若，该障碍物数据为图像数据，则无人设备可以通过预先训练的障碍物识别模型，来从采集到的图像数据中，识别出位于无人设备周围的障碍物。
而后，无人设备查找目标区域时，首先基于高精地图，根据定位数据，确定无人设备当前所在车道，而后，根据高精地图中记录的各目标区域的地理坐标，查找出位于无人设备所在车道对应的行车方向上的，且位于无人设备设定邻域内的目标区域。
具体实施中，无人设备可以以无人设备所在位置点为圆心，设定距离为半径画圆，将得到的圆所覆盖的区域作为无人设备的设定邻域，而后，根据高精地图中记录的各目标区域的地理坐标，确定出地理坐标落在无人设备的设定邻域内的目标区域，在根据无人设备所在车道对应的行车方向，对确定出的目标区域进行筛选，查找出位于无人设备所在车道对应的行车方向上的，且位于无人设备设定邻域内的目标区域，参见图2A。
需要说明的是，本说明书中无人设备在行驶过程中，可能没有查找到目标区域，也可能仅查找到一个目标区域，当然，还可能查找到多个目标区域。当无人设备查找到至少一个目标区域时，再进一步的针对查找到的每个目标区域，判断该目标区域是否是盲区。
步骤S104，预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹。
实际业务中，在预先构建出的高精地图中，会针对每个目标区域，标注出该目标区域唯一对应的身份标识，以便于无人设备识别各目标区域。同时，针对每个目标区域，该高精地图中还将记录有该目标区域的地理坐标，以及从该目标区域驶出的其他交通参与者的前进方向对应的方位角。其中，该方位角，是指以该目标区域对应的地理坐标对应的位置点为起点，向北延伸出一条指向北方的方向线，以该指向北方的方向线为初始方向，按照顺时针方向旋转到与该目标区域中无人设备需要观测的另一条道路的道路的道路方向相同时，所得到的水平夹角，具体参见图2B。
基于此，无人设备可以针对查找出的每个目标区域，从高精地图中获取该目标区域的地理坐标，以及从该目标区域驶出的其他交通参与者的前进方向对应的方位角，再根据获取到的该目标区域的地理坐标，以及该方位角，预测假设有其他交通参与者从该目标区域驶出的情况下，这些其他交通参与者驶出该目标区域并驶入无人设备所在车道时经过的行驶轨迹。
具体实施中，无人设备可以确定出一条经过该目标区域对应的地理位置所对应的位置点，并与从该目标区域驶出的其他交通参与者的前进方向对应的方位角平行的线段，并将该线段中落在目标区域对应的范围内的部分，作为
假设有其他交通参与者从该目标区域驶出的情况下，这些其他交通参与者驶出该目标区域并驶入无人设备所在车道时经过的行驶轨迹。
当然，本说明书中，无人设备还可以获取指定设备(如，共享电单车、共享单车、共享汽车或预先配置的专用设备等)的历史轨迹数据，并针对每个目标区域，从该历史轨迹数据中，确定出落在该目标区域内的历史轨迹数据，作为目标数据，而后，根据目标数据，假设有其他交通参与者从该目标区域驶出的情况下，这些其他交通参与者驶出该目标区域并驶入无人设备所在车道时经过的行驶轨迹。当然，无人设备还可以通过其他的方式来预测假设有其他交通参与者从该目标区域驶出的情况下，这些其他交通参与者驶出该目标区域并驶入无人设备所在车道时经过的行驶轨迹，此处就不一一举例举例说明了。
步骤S106，若根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物会遮挡所述其他交通参与者，将所述目标区域作为盲区，并在确定所述无人设备位于所述目标区域时，根据预设的盲区控制策略，对所述无人设备进行控制。
具体实施中，无人设备根据预测出的行驶轨迹，确定障碍物在无人设备的观测方向上，对其他交通参与者进行遮挡的遮挡率，再根据确定出的遮挡率，确定在无人设备的观测方向上障碍物是否会遮挡其他交通参与者。若确定在无人设备的观测方向上障碍物会遮挡其他交通参与者，将该目标区域作为盲区，并在确定无人设备位于目标区域时，根据预设的盲区控制策略(如，减速行驶、转变至内侧车道行驶、鸣笛等)，对无人设备进行控制，以保证无人设备成功通过该目标区域。
其中，上述无人设备的观测方向指的是，无人设备上设置的传感器采集传感器数据时所覆盖的方位角。该方位角是基于无人设备所在位置建立的。
具体的，无人设备确定上述遮挡率时，首先根据障碍物的障碍物数据，确定无人设备观测该障碍物所形成的视角，作为第一视角，以及根据预测出的行驶轨迹，确定无人设备观测该行驶轨迹覆盖的区域所形成的视角，作为第二视角，而后，根据第一视角与第二视角之间的视角重叠度，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率。
其中，上述障碍物的障碍物数据，是指从无人设备采集的障碍物数据中，识别出的归属于障碍物的障碍物数据。
例如，如图2C所示，假设该障碍物数据为点云数据时，无人设备将根据采集障碍物数据的激光雷达的位置，以及识别出的障碍物的轮廓，进行连线，确定出无人设备观测该障碍物所形成的视角，作为第一视角(图中的角A)。同时，无人设备确定出预测出的行驶轨迹的边界点(可以是线段端点)，而后，根据采集障碍物数据的激光雷达的位置，以及行驶轨迹的边界点，进行连线，无人设备观测该行驶轨迹覆盖的区域所形成的视角，作为第二视角(图中的角B)。而后，继续确定第一视角与第二视角之间相重叠的重叠视角，并根据该重叠视角和第二视角，确定第一视角与第二视角之间的视角重叠度(例如，重叠视角为10°，该第二视角为20°，该第一视角与第二视角之间的视角重叠度可以是10°÷20°＝50％)，再根据该视角重叠度，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率。
其中，无人设备根据该视角重叠度，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率时，可以直接将该视角重叠度，作为障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率。当然，无人设备也可以根据无人设备与该行驶轨迹的交汇处，与该行驶轨迹上各点之间的距离，对该行驶轨迹进行划分，得到若干个路段，并为每个路段设置对应的权重，该路段距离该交汇处越远，可能造成的安全隐患越小，赋予的权重也就也小。这样，无人设备确定上述遮挡率时，可以针对每个路段，确定该路段对应的视角重叠度，再根据各路段对应的视角重叠度，以及各路段对应的权重，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率。
当然，若该障碍物数据为图像数据，则无人设备可以根据摄像头所在位置，确定出从该图像数据中识别出的障碍物，在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率。在确定第一视角时，无人设备从图像数据中识别出障碍物的轮廓信息，并根据该轮廓信息，确定无人设备观测该障碍物所形成的视角。
当然，本说明书中，无人设备还可以通过其他的方式，来确定障碍物在无人设备的观测方向上，对其他交通参与者进行遮挡的遮挡率。
如图2D所示，假设该障碍物数据为图像数据时，无人设备可以从摄像头采集到的图像数据中，识别出的障碍物的轮廓，并根据该障碍物的轮廓，确定该障碍物所在的图像区域，作为第一图像区域。同时，无人设备根据确定出预测出的行驶轨迹的边界点(可以是线段端点)，确定出该行驶轨迹对应的需要观测的区域(如，该行驶轨迹对应的地面上两米的空间)而后，根据确定出的区域的在世界坐标系下的位置坐标，预测该区域在摄像头采集的图像数据中的成像区域，作为第二图像区域。而后，继续确定第一图像区域与第二图像区域之间相重叠的重叠图像区域，并根据该重叠图像区域和第二图像区域，确定第一视角与第二视角之间的图像区域重叠度(例如，重叠图像区域的区域面积为10，该第二的区域面积为40，该第一图像区域与第二图像区域之间的图像区域重叠度可以是10÷40＝25％)，再根据该图像区域重叠度，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率。
其中，无人设备根据该图像区域重叠度，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率的方式，与上述根据视角重叠度，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率的方式相近似，具体可以参见上述通过视角重叠度，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率的方式，故不再详细阐述。
需要说明的是，若该障碍物数据为点云数据，则无人设备可以根据激光雷达所在位置，确定出从该点云数据中识别出的障碍物所占的第一点云区域，并根据确定出的该行驶轨迹对应的需要观测的区域(如，该行驶轨迹对应的地面上两米的空间)，预测该区域在激光雷达采集的点云数据中所占据的点云区域，作为第二点云区域。进而，根据该第一点云区域和该第二点云区域，确定障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率
通过上述步骤，无人设备可以在通过目标区域时，实时地判断该目标区域是否是盲区，因而可以及时地发现盲区，并采取对应的盲区控制策略控制无人设备行驶，降低了无人设备行驶过程中的安全风险。同时，由于不需要人工实地测绘，以及在高精地图中针对每个目标区域标注出该目标区域是否是盲区，因而降低了人工成本。
实际场景中，无人设备在确定在无人设备的观测方向上障碍物是否会遮挡其他交通参与者之前，还可以先确定障碍物与无人设备之间的距离，作为障碍物距离，并确定目标区域与无人设备之间的距离，作为目标距离，而后，判断该障碍物距离是否小于该目标距离，若是，则确定在无人设备的观测方向上，无人设备识别出的障碍物，可能会遮挡其他交通参与者，因此需要继续根据行驶轨迹，确定在无人设备的数据采集方向上障碍物是否会遮挡所述其他交通参与者。若是，则确定相较于障碍物来说，该目标区域距离无人设备更近，也就是说，在无人设备的观测方向上，无人设备识别出的障碍物不会遮挡其他交通参与者，继续进行下一周期的盲区监测。
下面将以障碍物数据为点云数据为例，说明本说明书中提供的无人设备的控制方法执行时的详细流程示意图，具体参见图3。
步骤S300，无人设备获取自身的定位数据以及激光雷达采集的点云数据。
步骤S302，无人设备从点云数据中，识别出位于无人设备周围的障碍物。
步骤S304，无人设备基于高精地图，根据定位数据，确定无人设备当前所在车道。
步骤S306，无人设备根据高精地图中记录的各目标区域的地理坐标，查找出位于无人设备所在车道对应的行车方向上的，且位于无人设备设定邻域内的目标区域。
步骤S308，无人设备从高精地图中获取目标区域的地理坐标，以及从目标区域驶出的其他交通参与者的前进方向对应的方位角。
步骤S310，无人设备根据该地理坐标以及该方位角，预测假设有其他交通参与者从目标区域驶出的情况下，该其他交通参与者驶出目标区域并驶入无人设备所在车道时经过的行驶轨迹。
步骤S312，无人设备确定障碍物与无人设备之间的距离，作为障碍物距离，并确定目标区域与无人设备之间的距离，作为目标距离。
步骤S314，无人设备判断该障碍物距离是否小于该目标距离，若是，执行步骤S316，否则，执行步骤S300。
步骤S316，无人设备根据识别出的障碍物的障碍物数据，确定无人设备观测该障碍物所形成的视角，作为第一视角，以及根据行驶轨迹，确定无人设备观测该行驶轨迹覆盖的区域所形成的视角，作为第二视角。
步骤S318，无人设备根据该第一视角与该第二视角之间的视角重叠度，确定该障碍物在无人设备的数据采集方向上，对其他交通参与者进行遮挡的遮挡率。
步骤S320，无人设备判断该遮挡率是否大于设定阈值，若是，执行步骤S322，否则，执行步骤S326。
步骤S322，无人设备确定在无人设备的观测方向上障碍物会遮挡其他交通参与者。
步骤S324，无人设备将目标区域作为盲区，并在确定无人设备位于目标区域时，根据预设的盲区控制策略，对无人设备进行控制，返回执行步骤S300。
步骤S326，确定在无人设备的观测方向上障碍物不会遮挡其他交通参与者，返回执行步骤S300。
需要说明的是，上述步骤中，可以先执行步骤S302，再执行步骤S304～步骤S310，也可以先执行步骤S304～步骤S310，在执行步骤S302，也可同时执行，两者之间在执行顺序上不存在必然的联系。
以上为本说明书的一个或多个实施例提供的无人设备的控制方法，基于同样的思路，本说明书还提供了相应的无人设备的控制装置，如图4所示。
图4为本说明书提供的一种无人设备的控制装置示意图，具体包括：
获取模块400，用于获取无人设备的定位数据以及采集的障碍物数据；
识别查找模块401，用于根据所述障碍物数据，识别出位于所述无人设备周围的障碍物，并根据所述定位数据以及预设的高精地图，查找出位于所述无人设备设定邻域内的目标区域；
预测模块402，用于预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹；
控制模块403，用于若根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物会遮挡所述其他交通参与者，将所述目标区域作为盲区，并在确定所述无人设备位于所述目标区域时，根据预设的盲区控制策略，对所述无人设备进行控制。
可选地，所述识别查找模块401，具体用于基于所述高精地图，根据所述定位数据，确定所述无人设备当前所在车道；根据所述高精地图中记录的各目标区域的地理坐标，查找出位于所述无人设备所在车道对应的行车方向上的，且位于所述无人设备设定邻域内的所述目标区域。
可选地，所述预测模块402，具体用于从所述高精地图中获取所述目标区域的地理坐标，以及从所述目标区域驶出的所述其他交通参与者的前进方向对应的方位角；根据所述地理坐标，以及所述方位角，预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹。
可选地，所述控制模块403，具体用于确定所述障碍物与所述无人设备之间的距离，作为障碍物距离，以及确定所述目标区域与所述无人设备之间的距离，作为目标距离；判断所述障碍物距离是否小于所述目标距离；若是，根据所述行驶轨迹，确定在所述无人设备的数据采集方向上所述障碍物是否会遮挡所述其他交通参与者。
可选地，所述控制模块403，具体用于根据所述行驶轨迹，确定所述障碍物在所述无人设备的观测方向上，对所述其他交通参与者进行遮挡的遮挡率；根据所述遮挡率，确定在所述无人设备的观测方向上所述障碍物是否会遮挡所述其他交通参与者。
可选地，所述控制模块403，具体用于根据所述障碍物的障碍物数据，确定所述无人设备观测所述障碍物所形成的视角，作为第一视角，以及根据所述行驶轨迹，确定所述无人设备观测所述行驶轨迹覆盖的区域所形成的视角，作为第二视角；根据所述第一视角与所述第二视角之间的视角重叠度，确定所述障碍物在所述无人设备的数据采集方向上，对所述其他交通参与者进行遮挡的遮挡率。
可选地，所述目标区域包括：交通交汇口。
本说明书还提供了图5所示的无人设备的示意结构图。如图5所述，在硬件层面，该无人设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的无人设备的控制方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存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)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种无人设备的控制方法，其特征在于，包括：
获取无人设备的定位数据以及采集的障碍物数据；
根据所述障碍物数据，识别出位于所述无人设备周围的障碍物，并根据所述定位数据以及预设的高精地图，查找出位于所述无人设备设定邻域内的目标区域；
预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹；
若根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物会遮挡所述其他交通参与者，将所述目标区域作为盲区，并在确定所述无人设备位于所述目标区域时，根据预设的盲区控制策略，对所述无人设备进行控制。
2.如权利要求1所述的方法，其特征在于，根据所述定位数据以及预设的高精地图，查找出位于所述无人设备设定邻域内的目标区域，具体包括：
基于所述高精地图，根据所述定位数据，确定所述无人设备当前所在车道；
根据所述高精地图中记录的各目标区域的地理坐标，查找出位于所述无人设备所在车道对应的行车方向上的，且位于所述无人设备设定邻域内的所述目标区域。
3.如权利要求1所述的方法，其特征在于，预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹，具体包括：
从所述高精地图中获取所述目标区域的地理坐标，以及从所述目标区域驶出的所述其他交通参与者的前进方向对应的方位角；
根据所述地理坐标，以及所述方位角，预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹。
4.如权利要求1所述的方法，其特征在于，根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物是否会遮挡所述其他交通参与者，具体包括：
确定所述障碍物与所述无人设备之间的距离，作为障碍物距离，以及确定所述目标区域与所述无人设备之间的距离，作为目标距离；
判断所述障碍物距离是否小于所述目标距离；
若是，根据所述行驶轨迹，确定在所述无人设备的数据采集方向上所述障碍物是否会遮挡所述其他交通参与者。
5.如权利要求1所述的方法，其特征在于，根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物是否会遮挡所述其他交通参与者，具体包括：
根据所述行驶轨迹，确定所述障碍物在所述无人设备的观测方向上，对所述其他交通参与者进行遮挡的遮挡率；
根据所述遮挡率，确定在所述无人设备的观测方向上所述障碍物是否会遮挡所述其他交通参与者。
6.如权利要求5所述的方法，其特征在于，根据所述行驶轨迹，确定所述障碍物在所述无人设备的观测方向上，对所述其他交通参与者进行遮挡的遮挡率，具体包括：
根据所述障碍物的障碍物数据，确定所述无人设备观测所述障碍物所形成的视角，作为第一视角，以及根据所述行驶轨迹，确定所述无人设备观测所述行驶轨迹覆盖的区域所形成的视角，作为第二视角；
根据所述第一视角与所述第二视角之间的视角重叠度，确定所述障碍物在所述无人设备的数据采集方向上，对所述其他交通参与者进行遮挡的遮挡率。
7.如权利要求1～6任一项所述的方法，其特征在于，所述目标区域包括：交通交汇口。
8.一种无人设备的控制装置，其特征在于，包括：
获取模块，用于获取无人设备的定位数据以及采集的障碍物数据；
识别查找模块，用于根据所述障碍物数据，识别出位于所述无人设备周围的障碍物，并根据所述定位数据以及预设的高精地图，查找出位于所述无人设备设定邻域内的目标区域；
预测模块，用于预测假设有其他交通参与者从所述目标区域驶出的情况下，所述其他交通参与者驶出所述目标区域并驶入所述无人设备所在车道时经过的行驶轨迹；
控制模块，用于若根据所述行驶轨迹，确定在所述无人设备的观测方向上所述障碍物会遮挡所述其他交通参与者，将所述目标区域作为盲区，并在确定所述无人设备位于所述目标区域时，根据预设的盲区控制策略，对所述无人设备进行控制。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。
10.一种无人设备，包括存储器、处理器及存储在存储器上并可在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程序时实现上述权利要求1～7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210261877.0A CN114590250A (zh) | 2022-03-16 | 2022-03-16 | 一种无人设备的控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210261877.0A CN114590250A (zh) | 2022-03-16 | 2022-03-16 | 一种无人设备的控制方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114590250A true CN114590250A (zh) | 2022-06-07 |
Family
ID=81817808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210261877.0A Pending CN114590250A (zh) | 2022-03-16 | 2022-03-16 | 一种无人设备的控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114590250A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116863439A (zh) * | 2023-06-01 | 2023-10-10 | 中国航空油料集团有限公司 | 航油加油车盲区预测方法、装置、系统和航油加油车 |
-
2022
- 2022-03-16 CN CN202210261877.0A patent/CN114590250A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116863439A (zh) * | 2023-06-01 | 2023-10-10 | 中国航空油料集团有限公司 | 航油加油车盲区预测方法、装置、系统和航油加油车 |
| CN116863439B (zh) * | 2023-06-01 | 2024-01-30 | 中国航空油料集团有限公司 | 航油加油车盲区预测方法、装置、系统和航油加油车 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111619560B (zh) | 车辆控制方法及装置 | |
| US11462022B2 (en) | Traffic signal analysis system | |
| CN111427369B (zh) | 一种无人车控制方法及装置 | |
| CN109801508B (zh) | 路口处障碍物的运动轨迹预测方法及装置 | |
| EP3526737B1 (en) | Neural network system for autonomous vehicle control | |
| US20200180615A1 (en) | Method, apparatus, device and readable storage medium for preventing vehicle collision | |
| RU2754705C1 (ru) | Способ помощи при вождении и устройство помощи при вождении | |
| CN113296541B (zh) | 一种基于未来碰撞风险的无人设备控制方法及装置 | |
| CN111873989B (zh) | 车辆控制方法及装置 | |
| CN109318899B (zh) | 自动驾驶车辆的弯道行驶方法、装置、设备和存储介质 | |
| CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
| CN114322799B (zh) | 一种车辆行驶方法、装置、电子设备和存储介质 | |
| CN111399523B (zh) | 一种路径规划的方法及装置 | |
| CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
| CN113341941A (zh) | 一种无人驾驶设备的控制方法及装置 | |
| CN114590250A (zh) | 一种无人设备的控制方法及装置 | |
| CN115292435A (zh) | 高精地图的更新方法和装置、电子设备和存储介质 | |
| CN113008249B (zh) | 移动机器人的避让点检测方法、避让方法以及移动机器人 | |
| US11644332B2 (en) | Automated driving vehicle management system, method, and program | |
| CN111427331B (zh) | 无人驾驶车辆的感知信息展示方法、装置和电子设备 | |
| CN113096427B (zh) | 一种信息显示方法及装置 | |
| CN113452904B (zh) | 一种交通信号灯检测方法及装置 | |
| CN114495065A (zh) | 一种目标物识别的方法及装置 | |
| US20210302991A1 (en) | Method and system for generating an enhanced field of view for an autonomous ground vehicle | |
| CN114348023A (zh) | 一种基于盲区的无人驾驶设备控制方法及装置 |
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 |