CN114750759B - 一种跟车目标确定方法、装置、设备及介质 - Google Patents
一种跟车目标确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114750759B CN114750759B CN202210408078.1A CN202210408078A CN114750759B CN 114750759 B CN114750759 B CN 114750759B CN 202210408078 A CN202210408078 A CN 202210408078A CN 114750759 B CN114750759 B CN 114750759B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- followed
- distance
- coefficient
- lane line
- 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 54
- 238000012937 correction Methods 0.000 claims description 96
- 238000005070 sampling Methods 0.000 claims description 56
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 16
- 229920000832 Cutin Polymers 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- 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
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及汽车自动化技术领域,具体涉及一种跟车目标确定方法、装置、设备及介质。该方法包括:通过获取本车传感器反馈的车道线信息以确定参数项的反馈值,并根据第一车辆参数确定参数项的预测值。由于第一车辆参数包含本车当前车速、曲率以及与待跟随车辆的纵向距离,因而上述预测值表征了基于待跟随车辆与本车行驶状态预测的车道线区域。另由于上述反馈值表征了本车传感器检测的本车所在路段的车道线区域,因而可根据反馈值和预测值综合估算出最终的车道线区域,进而根据待跟随车辆的所在位置是否处于车道线区域内以确定是否将待跟随车辆作为跟车目标。由此解决相关技术中无法确定跟车目标是否与本车处于相同车道的问题。
Description
技术领域
本申请涉及汽车自动化技术领域,具体涉及一种跟车目标确定方法、装置、设备及介质。
背景技术
随着科技的发展,近年来的车辆多具备自动驾驶功能。通过该功能可保证在一定时间内驾驶员可以脱手脱脚驾驶。该功能主要通过图像采集装置获取本车所在路段的车道线,以对本车行驶轨迹进行规划,保证车辆在车道内行驶。上述控制方式主要依赖于图像采集装置捕捉的车道图像,当受天气影响或车道较为拥堵时会导致车道图像不清晰,置信度较低时,将会退出自动驾驶模式。
为避免因上述原因频繁退出自动驾驶模式,多通过启用跟车模式从本车前方选定处于与本车横向距离满足要求的机动车辆,以跟随该机动车辆的轨迹自动驾驶。然而,在车道图像置信度较低的情况下,仅根据横向距离无法确定跟车目标是否与本车处于同一车道,造成安全隐患。
发明内容
本申请实施例提供一种跟车目标确定方法、装置、设备及介质,用于解决相关技术中无法确定跟车目标是否与本车处于相同车道的问题。
第一方面,本申请实施例提供了一种跟车目标确定方法,所述方法包括:
响应于跟车指示,获取本车传感器反馈的车道线信息以及第一车辆参数;其中,所述车道线信息至少包括表征车道线轨迹的参数项的反馈值;所述第一车辆参数至少包括本车的本车车速、本车曲率以及待跟随车辆与本车的纵向距离,所述待跟随车辆为所述传感器基于预设决策条件选定的位于本车前方的车辆;
基于所述第一车辆参数确定所述参数项的预测值,并基于所述反馈值与所述预测值确定本车所在路段的车道线区域;
根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标。
本申请实施例通过获取本车传感器反馈的车道线信息以确定参数项的反馈值,并根据第一车辆参数确定参数项的预测值。由于第一车辆参数包含本车当前车速、曲率以及与待跟随车辆的纵向距离,因而上述预测值表征了基于待跟随车辆与本车行驶状态预测的车道线区域。另由于上述反馈值表征了本车传感器检测的本车所在路段的车道线区域,因而可根据反馈值和预测值综合估算出最终的车道线区域,进而根据待跟随车辆的所在位置是否处于车道线区域内以确定是否将待跟随车辆作为跟车目标。由此解决相关技术中无法确定跟车目标是否与本车处于相同车道的问题。
响应于跟车指示,获取本车传感器反馈的车道线信息以及第一车辆参数;其中,所述车道线信息至少包括表征车道线轨迹的参数项的反馈值;所述第一车辆参数至少包括本车的本车车速、本车曲率以及待跟随车辆与本车的纵向距离,所述待跟随车辆为所述传感器基于预设决策条件选定的位于本车前方的车辆;
基于所述第一车辆参数确定所述参数项的预测值,并基于所述反馈值与所述预测值确定本车所在路段的车道线区域;
根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标。
在一些可能的实施例中,所述参数项包括常数项系数、一次项系数、二次项系数以及三次项系数;所述基于所述第一车辆参数确定所述参数项的预测值,包括:
将预设的三次项标定值作为所述三次项系数的预测值,并根据所述第一车辆参数确定待处理系数的初始值;其中,所述待处理系数包括所述常数项系数、所述一次项系数和所述二次项系数;
基于预设采样次数,每隔第一预设时长对本车的第二车辆参数进行采样;其中,所述第二车辆参数是基于本车传感器确定的,所述第二车辆参数包括本车的本车车速和横摆角速度;
根据所述第二车辆参数确定预测数据;其中,所述预测数据至少包括纵向修正距离、修正角度和横向修正距离;所述纵向修正距离表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后的车身纵向距离差;所述修正角度表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身的角度变化;所述横向修正距离表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身横向距离差;
基于所述预测数据和所述待处理系数的初始值确定所述预测值。
本申请实施例中基于预设采样次数,每隔预设时间对本车的车速和横摆角速度进行采集,并根据每次采集后的本车车速和横摆角速度确定车道线轨迹方程中的各参数项的预测值,以提高对车道线轨迹区域的预测精度。
在一些可能的实施例中,所述根据所述第一车辆参数确定待处理系数的初始值,包括:
基于预设的车速对应关系,确定所述本车车速所在的预设速度区间对常数项初值和一次项初值;将所述常数项初值作为所述常数项系数的初始值,并将所述一次项初值作为所述一次项系数的初始值;
根据所述纵向距离和所述本车车速确定预计时间,并根据所述本车曲率和所述预计时间确定所述二次项系数的初始值;其中,所述预计时间表征采用所述本车车速行驶,本车从当前位置到达所述待跟随车辆所在位置所需的时间。
本申请实施例预设有不同速度区间对应的常数项初值和一次项初值,其原因在于,在车道线轨迹方程中常数项系数表征车道线轨迹与本车的横向距离、一次项系数表征车道线轨迹的航向角,这两个参数项均与本车车速负相关,故此可根据本车车速所在的预设速度区间确定常常数项系数的初始值和一次项系数的初始值。另由于二次项系数表征车道线轨迹的曲率,根据纵向距离与本车车速可得到延本车车速行驶,从本车当前位置到达待跟随车辆所在位置的预计时间,根据该预计时间与本车曲率即可确定三次项系数的初始值。
在一些可能的实施例中,所述根据所述第二车辆参数确定预测数据,包括:
针对每次采样得到的第二车辆参数,根据所述本车车速和所述第一预设时长确定所述第二车辆参数对应的纵向修正距离;
针对每次采样得到的第二车辆参数,根据所述横摆角速度和所述第一预设时长确定所述第二车辆参数对应的修正角度;
针对每次采样得到的第二车辆参数,根据所述修正角度和所述第一预设时长离确定所述第二车辆参数对应的横向修正距离。
本申请实施例中根据每次采样得到的第二车辆参数确定单次采样的纵向修正距离、修正角度以及横向修正距离。纵向修正距离表征延本车车速行驶,本车从当前位置到达待跟随车辆所在位置前后的车身纵向距离变化、修正角度表征延本车车速行驶,本车从当前位置到达待跟随车辆所在位置前后的车身角度变化、横向修正距离表征延本车车速行驶,本车从当前位置到达待跟随车辆所在位置前后的车身横向距离变化。通过这三个修正参数对表征车道线轨迹的参数项的初始值进行修正,以提高对车道线轨迹区域的预测精度。
在一些可能的实施例中,所述基于所述预测数据和所述待处理系数的初始值确定所述预测值,包括:
基于每次采样得到的第二车辆参数对应的纵向修正距离进行累加,得到纵向修正值;对基于每次采样得到的第二车辆参数对应的修正角度进行累加,得到角度修正值;对基于每次采样得到的第二车辆参数对应的横向修正距离进行累加,得到横向累加值;
基于车道线轨迹方程,根据所述待处理系数的初始值、所述纵向累加值、所述横向累加值确定所述常数项系数的预测值和所述一次项系数的预测值;
将所述二次项系数的初始值作为所述二次项系数的预测值。
本申请实施例中将每次采样得到的修正参数进行累加。通过将各待处理系数的初始值作为车道线轨迹方程中对应参数项的值后,将修正参数带入方程,以获取常数项系数的预测值和一次项系数的预测值,另由于确定二次项系数初始值时,代入了本车与待跟随车辆的纵向距离,即已参考了本车所在的真实路况,因而可将二次项系数的初始值作为二次项系数的预测值。
在一些可能的实施例中,所述车道线信息还包括表征所述传感器反馈车道线轨迹是否准确的置信度;所述基于所述反馈值与所述预测值确定本车所在路段的车道线区域,包括:
若所述置信度处于第一置信度区间,则根据所述参数项的反馈值确定所述车道线区域;
若所述置信度处于第二置信度区间,则根据所述参数项的预测值确定所述车道线区域;
若所述置信度处于第三置信度区间,则采用最小二乘法对所述反馈值和所述预测值进行拟合运算,并根据所述参数项的拟合运算结果确定所述车道线区域。
本申请实施例在置信度较高时,选用传感器反馈的参数项确定车道线区域,在置信度较低时,选用参数项的预测值确定车道线区域。并在置信度适中时,通过最小二乘法对参数项的反馈值和预测值进行拟合,以得到综合传感器反馈结果和基于车辆参数预测结果得到的最终的车道线区域,由此提高车道线轨迹的预测精度。
在一些可能的实施例中,所述根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标,包括:
根据本车传感器获取所述待跟随车辆的行驶信息;其中,所述行驶信息至少包括所述待跟随车辆的车速、加速度、航向角以及所在位置;
确定所述待跟随车辆延所述行驶信息行驶第二预设时长后的预测位置,并确定所述待跟随车辆行驶至所述预测位置时所述待跟随车辆的车体左边界和车体右边界;
根据所述车体左边界、所述车体右边界和所述车道线区域确定是否将所述待跟随车辆作为跟车目标。
本申请实施例根据待跟随车辆当前的行驶信息确定待跟随车辆即将行驶的轨迹,由此可确定待跟随车辆是否驶离车道线区域。当待跟随车辆将驶离车道线区域时表征待跟随车辆与本车不处于同一车道线,此时不应将待跟随车辆作为跟车目标。
在一些可能的实施例中,所述根据所述车体左右边界和所述车道线区域确定是否将所述待跟随车辆作为跟车目标,包括:
若第二距离与第一权重之积大于第一距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第一距离表征本车中心点到达车体左边界的横向距离;所述第二距离表征本车中心点到达所述车道线区域的左边界的横向距离;
若第四距离与所述第一权重之积大于第三距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第三距离表征本车中心点到达车体右边界的横向距离;所述第四距离表征本车中心点到达所述车道线区域的右边界的横向距离;
若所述第二距离与第二权重之积大于所述第一距离,则将所述待跟随车辆作为所述跟车目标;
若所述第四距离与所述第二权重之积大于所述第三距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第一权重和所述第二权重是根据所述置信度确定的,且所述第一权重大于所述第二权重。
本申请实施例根据置信度的不同设有对应的权重。由此可根据本车与车道线左右边界的横向距离以及本车与待跟随车辆左右边界的横向距离的比对结果,确定待跟随车辆是否要驶离车道线区域,由此可避免选定的跟车目标与本车不处于同一车道线。
第二方面,本申请实施例提供了一种跟车目标确定装置,所述装置包括:
参数获取模块,被配置为执行响应于跟车指示,获取本车传感器反馈的车道线信息以及第一车辆参数;其中,所述车道线信息至少包括表征车道线轨迹的参数项的反馈值;所述第一车辆参数至少包括本车的本车车速、本车曲率以及待跟随车辆与本车的纵向距离,所述待跟随车辆为所述传感器基于预设决策条件选定的位于本车前方的车辆;
区域预测模块,被配置为执行基于所述第一车辆参数确定所述参数项的预测值,并基于所述反馈值与所述预测值确定本车所在路段的车道线区域;
目标判定模块,被配置为执行根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标。
在一些可能的实施例中,所述参数项包括常数项系数、一次项系数、二次项系数以及三次项系数;执行所述基于所述第一车辆参数确定所述参数项的预测值,所述区域预测模块被配置为:
将预设的三次项标定值作为所述三次项系数的预测值,并根据所述第一车辆参数确定待处理系数的初始值;其中,所述待处理系数包括所述常数项系数、所述一次项系数和所述二次项系数;
基于预设采样次数,每隔第一预设时长对本车的第二车辆参数进行采样;其中,所述第二车辆参数是基于本车传感器确定的,所述第二车辆参数包括本车的本车车速和横摆角速度;
根据所述第二车辆参数确定预测数据;其中,所述预测数据至少包括纵向修正距离、修正角度和横向修正距离;所述纵向修正距离表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后的车身纵向距离差;所述修正角度表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身的角度变化;所述横向修正距离表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身横向距离差;
基于所述预测数据和所述待处理系数的初始值确定所述预测值。
在一些可能的实施例中,执行所述根据所述第一车辆参数确定待处理系数的初始值,所述区域预测模块被配置为:
基于预设的车速对应关系,确定所述本车车速所在的预设速度区间对常数项初值和一次项初值;将所述常数项初值作为所述常数项系数的初始值,并将所述一次项初值作为所述一次项系数的初始值;
根据所述纵向距离和所述本车车速确定预计时间,并根据所述本车曲率和所述预计时间确定所述二次项系数的初始值;其中,所述预计时间表征采用所述本车车速行驶,本车从当前位置到达所述待跟随车辆所在位置所需的时间。
在一些可能的实施例中,执行所述根据所述第二车辆参数确定预测数据,所述区域预测模块被配置为:
针对每次采样得到的第二车辆参数,根据所述本车车速和所述第一预设时长确定所述第二车辆参数对应的纵向修正距离;
针对每次采样得到的第二车辆参数,根据所述横摆角速度和所述第一预设时长确定所述第二车辆参数对应的修正角度;
针对每次采样得到的第二车辆参数,根据所述修正角度和所述第一预设时长离确定所述第二车辆参数对应的横向修正距离。
在一些可能的实施例中,执行所述基于所述预测数据和所述待处理系数的初始值确定所述预测值,所述区域预测模块被配置为:
基于每次采样得到的第二车辆参数对应的纵向修正距离进行累加,得到纵向修正值;对基于每次采样得到的第二车辆参数对应的修正角度进行累加,得到角度修正值;对基于每次采样得到的第二车辆参数对应的横向修正距离进行累加,得到横向累加值;
基于车道线轨迹方程,根据所述待处理系数的初始值、所述纵向累加值、所述横向累加值确定所述常数项系数的预测值和所述一次项系数的预测值;
将所述二次项系数的初始值作为所述二次项系数的预测值。
在一些可能的实施例中,所述车道线信息还包括表征所述传感器反馈车道线轨迹是否准确的置信度;执行所述基于所述反馈值与所述预测值确定本车所在路段的车道线区域,所述目标判定模块被配置为:
若所述置信度处于第一置信度区间,则根据所述参数项的反馈值确定所述车道线区域;
若所述置信度处于第二置信度区间,则根据所述参数项的预测值确定所述车道线区域;
若所述置信度处于第三置信度区间,则采用最小二乘法对所述反馈值和所述预测值进行拟合运算,并根据所述参数项的拟合运算结果确定所述车道线区域。
在一些可能的实施例中,执行所述根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标,所述目标判定模块被配置为:
根据本车传感器获取所述待跟随车辆的行驶信息;其中,所述行驶信息至少包括所述待跟随车辆的车速、加速度、航向角以及所在位置;
确定所述待跟随车辆延所述行驶信息行驶第二预设时长后的预测位置,并确定所述待跟随车辆行驶至所述预测位置时所述待跟随车辆的车体左边界和车体右边界;
根据所述车体左边界、所述车体右边界和所述车道线区域确定是否将所述待跟随车辆作为跟车目标。
在一些可能的实施例中,执行所述根据所述车体左右边界和所述车道线区域确定是否将所述待跟随车辆作为跟车目标,所述目标判定模块被配置为:
若第二距离与第一权重之积大于第一距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第一距离表征本车中心点到达车体左边界的横向距离;所述第二距离表征本车中心点到达所述车道线区域的左边界的横向距离;
若第四距离与所述第一权重之积大于第三距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第三距离表征本车中心点到达车体右边界的横向距离;所述第四距离表征本车中心点到达所述车道线区域的右边界的横向距离;
若所述第二距离与第二权重之积大于所述第一距离,则将所述待跟随车辆作为所述跟车目标;
若所述第四距离与所述第二权重之积大于所述第三距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第一权重和所述第二权重是根据所述置信度确定的,且所述第一权重大于所述第二权重。
第三方面,本申请提供一种电子设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行第一方面中任一项所述的方法包括的步骤。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时,使所述计算机执行第一方面中任一项所述的方法。
第五方面,本申请提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行第一方面中任一项所述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的应用场景示意图;
图2为本申请实施例提供的一种跟车目标确定方法整体流程图;
图3为本申请实施例提供的基于第二车辆参数确定累加值示意图;
图4为本申请实施例提供的各累加值对应车辆含义示意图;
图5为本申请实施例提供的对车道线区域扩充示意图;
图6为本申请实施例提供的相关距离示意图;
图7为本申请实施例提供的车体左右边界示意图;
图8为本申请实施例提供的驶离趋势下的距离比对示意图;
图9为本申请实施例提供的驶离趋势下的距离比对的另一示意图;
图10为本申请实施例提供的驶入趋势下的距离比对示意图;
图11为本申请实施例提供的驶入趋势下的距离比对的另一示意图;
图12为本申请实施例提供的一种跟车目标确定装置1200结构图;
图13为本申请实施例提供的一种电子设备的结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,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,都属于本申请保护的范围。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任意组合。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以按不同于此处的顺序执行所示出或描述的步骤。
本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请中的“多个”可以表示至少两个,例如可以是两个、三个或者更多,本申请实施例不做限制。
本申请技术方案中,对数据的采集、传播、使用等,均符合国家相关法律法规要求。
自动驾驶功能针对不同车速,具体划分为交通拥堵辅助(Traffic JamAssis,TJA)和高速驾驶辅助(Highway Assist,HWA)两种驾驶模式。交通拥堵辅助功能主要针对车速在较低范围内的横向对重控制行驶策略。具体通过图像采集装置获取本车所在路段的车道线,以对本车行驶轨迹进行规划,保证车辆在车道内行驶。然而车道较为拥堵或受如大雾、大雨等导致视线较差的天气影响时,会使采集的车道图像置信度较低,此时图像采集装置无法识别到完整的车道线轨迹。
为在该条件下实现自动驾驶需启用跟车模式。跟车模式即为车辆行驶过程中为保证稳定行驶,控制本车以与前方选定的跟车目标相同车速跟随目标车辆的行驶轨迹自动行驶。相关技术中,多从本车前方选定处于与本车横向距离满足要求的机动车辆,以跟随该机动车辆的轨迹自动驾驶。然而,在车道图像置信度较低的情况下,仅根据横向距离无法确定跟车目标是否与本车处于同一车道,造成安全隐患。
为解决上述问题,本申请的发明构思为:通过获取本车传感器反馈的车道线信息以确定参数项的反馈值,并根据第一车辆参数确定参数项的预测值。由于第一车辆参数包含本车当前车速、曲率以及与待跟随车辆的纵向距离,因而上述预测值表征了基于待跟随车辆与本车行驶状态预测的车道线区域。另由于上述反馈值表征了本车传感器检测的本车所在路段的车道线区域,因而可根据反馈值和预测值综合估算出最终的车道线区域,进而根据待跟随车辆的所在位置是否处于车道线区域内以确定是否将待跟随车辆作为跟车目标。由此解决相关技术中无法确定跟车目标是否与本车处于相同车道的问题。
参见图1,为根据本申请一个实施例的应用场景示意图。
如图1所示,该应用场景中例如可以包括网络10、车辆20以及服务器30。其中:车辆20包括图1中示出的轿车20_1、货车20_2以及客车20_n等多种具备自动驾驶功能的车辆。
在图1示出的应用场景中,车辆20启用自动驾驶模式后,实时监测传感器反馈的车道线轨迹。若车道线轨迹的置信度较低时则启用跟车模式。
服务器30从本车前方选定一机动车辆作为待跟随车辆,根据车辆20的当前车速、车辆20的曲率以及车辆20与待跟随车辆的纵向距离预测车辆20当前所在路段的车道线预测轨迹。服务器30结合传感器反馈的车道线轨迹的置信度,根据上述车道线轨迹和车道线预测轨迹确定轨迹预测区域。若待跟随车辆处于该轨迹预测区域内,则跟随待跟随车辆行驶。
在一些可能的实施例中,服务器30传感器反馈的车道线轨迹的置信度确定轨迹预测区域。具体的,当置信度较高时,服务器30将传感器反馈的车道线轨迹作为轨迹预测区域;当置信度较低时,服务器30将车道线预测轨迹作为轨迹预测区域;当置信度适中时,服务器30采用最小二乘法对车道线预测轨迹和传感器反馈的车道线轨迹进行拟合以得到轨迹预测区域。
需要说明的是,本申请中的描述中仅就单个服务器或智能设备加以详述,但是本领域技术人员应当理解的是,图1示出的服务器30旨在表示本申请的技术方案涉及的服务器的操作。对单个服务器加以详述至少为了说明方便,而非暗示对服务器的数量、类型或是位置等具有限制。应当注意,如果向图示环境中添加附加模块或从其中去除个别模块,不会改变本申请的示例实施例的底层概念。
介绍了本申请技术方案的应用场景后,下面结合附图对本申请实施例提供的一种车辆出行方法进行详细说明,具体如图2所示,包括下述步骤:
步骤201:响应于跟车指示,获取本车传感器反馈的车道线信息以及第一车辆参数;其中,所述车道线信息至少包括表征车道线轨迹的参数项的反馈值;所述第一车辆参数至少包括本车的本车车速、本车曲率以及待跟随车辆与本车的纵向距离,所述待跟随车辆为所述传感器基于预设决策条件选定的位于本车前方的车辆;
本申请实施例中,车辆启用跟车模式后预先基于预设决策条件选定位于本车前方的机动车辆作为待跟随车辆。然后获取传感器反馈的车道线信息和第一车辆参数。该车道线信息表征车传感器确定的本车所在路段的车道线轨迹。该车道线轨迹可由车道线轨迹方程y=C0+C1X+C2X2+C3X3进行表示。其中,车道线轨迹方程中的常数项系数C0表征本车与车道线横向距离、C1表征车道线轨迹的航向角、C2表征车道线轨迹的曲率、C3表征车道线轨迹曲率的变化率。X表征纵向距离、y表征横向距离。
应理解的是,上述参数项的反馈值即为根据传感器反馈的车道线轨迹确定的C0~C3的值。
为保证车辆行驶的安全性,当车速较高时,应以本车为中心,收缩可行驶车道的范围。即车道线轨迹方程中的常数项系数与一次项系数均应随车速增加而减少,以减小跟车目标的判断范围。此外,三次项系数对车道线轨迹的预测结果影响较低,可以忽略。由于路况拥堵或受天气原因影响,会导致传感器无法完整、准确的识别车道线轨迹。即上述反馈值并不能准确表征本车所在路况的车道线真实轨迹。
基于此,本申请基于大量试验数据设定第一车辆参数与参数项的对应关系,以直接基于第一车辆参数确定各参数项的预测值。即脱离传感器,仅通过第一车辆参数对本车所在路况的车道线轨迹进行预测。具体参见下述步骤。
步骤202:基于所述第一车辆参数确定所述参数项的预测值,并基于所述反馈值与所述预测值确定本车所在路段的车道线区域;
前文已提及,三次项系数对车道线轨迹的预测结果影响可以忽略。因而本申请实施例将预设的三次项标定值作为三次项系数的预测值。具体可将三次项系数的预测值设为0。进一步的,根据第一车辆参数确定待处理系数的初始值,待处理系数即为待求取预测值的常数项系数、一次项系数和二次项系数。
实施时,本申请实施例预先基于大量实验数据设定本车车速与常数项初值和一次项初值的对应关系,以及预计时间与曲率系数的对应关系。具体的,确定本车车速后,查表得到本车车速所在的预设速度区间对应的常数项初值和一次项初值,并将常数项初值作为常数项系数的初始值,并将一次项初值作为一次项系数的初始值。
进一步的,根据纵向距离和本车车速确定表征采用本车车速行驶,本车从当前位置到达待跟随车辆所在位置所需的预计时间。由于预计时间越大表征待跟随车辆距离本车越远,曲率的变化率应越小。因此可在确定预计时间后,查表得到曲率权重。此外,前文已提及车道线轨迹公式中的C2表征车道线曲率,车道线曲率的具体数值为过对车道线轨迹公式进行求导后得到的2C2。即本车曲率对应上述2C2。因而根据本车曲率估算车道线轨迹方程中二次项系数的初始值时,需将本车曲率与曲率权重之积的一半作为二次项系数的初始值。
通过上述流程获取待处理系数的初始值后,需基于车辆行驶的实际情况对初始值进行修正,以提高车道线区域的预测精度。
实施时,可基于预设采样次数,每隔第一预设时长对本车的第二车辆参数进行采样。第二车辆参数是基于本车传感器确定的,包括本车的本车车速V和横摆角速度Y。进一步的,根据每次采样得到的第二车辆参数确定本次采样的第二车辆参数对应的预测数据。进而根据预测数据和待处理参数的初始值确定各待处理参数的预测值。
申请实施例中的预测数据包括纵向修正距离、修正角度和横向修正距离。为便于说明如何根据预测数据和待处理参数的初始值确定各待处理参数的预测值。下面以0.02秒采样一次(即第一预设时长为0.02s),共计采样50次为例(即采样周期为0.02s×50=1s)进行说明,具体参见图3,该采样周期内共计得到50组第二车辆参数,每组第二车辆参数为Vn和Yn,n为不大于50的正整数。针对每次采样得到的第二车辆参数,根据本车车速Vn和采样周期T确定本次采样的纵向修正距离d_s,并根据横摆角速度Yn和采样周期T确定本次采样对应的修正角度d_C1,根据本次采样得到修正角度d_C1和纵向修正距离d_s确定本次采样的横向修正距离d_C0。
其中,纵向修正距离d_s为本车车速Vn与第一预设时长T之积,表征本车延当前行驶方向,采用本车车速行驶第一预设时长对应时长前后的车身纵向距离差。修正角度d_C1为横摆角速度Yn与第一预设时长T之积,表征本车延当前行驶方向,采用本车车速行驶第一预设时长对应时长前后车身的角度变化。横向修正距离d_C0则为修正角度d_C1的正弦值与纵向修正距离d_s之积,表征本车延当前行驶方向,采用本车车速行驶第一预设时长对应时长前后车身横向距离差。具体如图4所示,图4中的标号1处,即为本车当前位姿。标号2处即为本车行驶第一预设时长T后的车辆位姿。图4中示出的实线与虚线间的夹角即为修正角度d_C1。标号1和标号2的车辆位姿纵向距离即为d_s,横向距离即为d_C0。
通过上述流程获取每次采样的纵向修正距离d_s、修正角度d_C1以及横向修正距离d_C0后(共计50个d_s、d_C1以及d_C0)。将每次得到的d_s进行累加,得到采样周期内的纵向修正距离之和dx。将每次得到的d_C1累加,得到采样周期的修正角度之和dC1。相应的,将每次得到的d_C0累加,得到采样周期内的横向修正距离之和dC0。
将各参数项的初始值作为车道线轨迹方程,得到下述公式(1)中待求解的车道线轨迹方程:
y1=C0_est+C1_estX+C2_estX2+C3_estX+C3'(1)
其中,C0_est为上述常数项系数的初始值;C1_est为上述一次项系数的初始值;C2_est为上述二次项系数的初始值;C3'为预先标定的三次项系数的预测值,本申请中C3'=0。
前文已提及,车道线轨迹方程中的未知数X表征纵向距离,因而可将上述dx作为未知数X带入上式(1)中,所得结果即为本车相距车道线的横向距离y1。另由于采样周期内本车行驶前后横向距离变化了dC0。所以,用上述横向距离y1减去dC0即为本车在采样周期内移动后与车道线轨迹的横向距离,即常数项系数的预测值C0'。
相应的,将上式(1)求导得到y1'=C1_est+2C2_estX;将dx带入该式可得到dx处的车道线的方向角度y1'。另由于采样周期内本车行驶前后车体偏移了dC1。所以,用上述y1'减去dC1后即为一次项系数的预测值C1',表征dx处车道线的航向角。
此外,由于上述确定二次项系数的初始值时,代入了本车与待跟随车辆的纵向距离,即已参考了本车所在的真实路况,因而该值无需修正,可将二次项系数的初始值直接作为二次项系数的预测值C2'。
综上,通过上述步骤201获取了本车传感器反馈的车道线轨迹,进而得到车道线轨迹方程中各参数项系数的反馈值C0~C3。通过上述步骤202得到了基于车辆参数预测的车道线轨迹,进而得到各参数项系数的预测值C3'~C3'。由于车辆传感器反馈车道线轨迹时会同步所反馈轨迹的置信度,该置信度表征反馈结果的可信程度。
本申请实施例中,当置信度处于第一置信度区间时表征传感器的反馈结果较为接近真实路况,此时根据参数项的反馈值C0~C3确定车道线区域,无需借鉴预测值C3'~C3'。相应的,当置信度处于第二置信度区间时表征传感器的反馈结果参考价值较低,此时可根据参数项的预测值C3'~C3'确定车道线区域,无需借鉴反馈值C0~C3。此外,当置信度处于第三置信度区间时表征传感器的反馈结果较为接近真实路况,但所探测的距离较小(例如探测距离End小于50米)。此时需根据参数项的预测值C3'~C3'和反馈值C0~C3,采用最小二乘法拟合以得到最终的车道线区域。
具体的,可分别将反馈值C0~C3和C3'~C3'带入车道线轨迹方程,以得到传感器反馈的第一车道线轨迹方程以及基于车辆参数预测的第二车道线轨迹方程。接下来,在第一车道线轨迹方程的[0,End]上均匀取点5个,并在第二车道线方程的[End,50]均匀取点5个。然后将上述10个点进行最小二乘法拟合出最终的车道线轨迹方程,该方程对应最终的车道线区域。上述流程即表征在传感器探测范围内选用传感器的反馈值确定车道线轨迹,超出传感器探测范围的部分则选用预测值确定余下车道线轨迹。
通过上述流程确定车道线区域后,需根据车道线区域和待跟随车辆的所在位置确定是否将待跟随车辆作为跟车目标。实施时,首先根据本车传感器获取待跟随车辆的行驶信息,行驶信息包括待跟随车辆的车速、加速度、航向角以及所在位置。具体通过下述公式(2)确定待跟随车辆在采用上述行驶信息行驶第二预设时间后相对于本车的预测位置:
d=d0+vt+0.5at2(2)
其中,d0为待跟随车辆相对于本车的位置;v为待跟随车辆相对于本车的速度;a为待跟随车辆相对于本车的加速度;t为第二预设时间。d为待跟随车辆通过上述v和a行驶第二预设时间后相对于本车的预测位置;
获取上述式(2)后,代入待跟随车辆的行驶信息即可获知待跟随车辆沿当前行驶状态行驶0.5s后的位姿,即待跟随车辆行驶第二预设时长后的预测位置。需要说明的是,上述根据行驶信息确定预测位置的目的在于基于待跟随车辆的当前行驶状态,预测待跟随车辆行驶一小段距离后的位姿。进而根据该位姿判断待跟随车辆是否将会驶离或驶入车道线区域。
步骤203:根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标。
考虑到上述车道线区域是通过估算方式得到的,并不能完全等同于真实路况。因而可基于传感器反馈的置信度为车道线区域进行扩充。待跟随车辆存在驶入车道线区域(Cutin)和驶离车道线区域(Cutout)两种趋势。本申请基于这两种趋势设置了对应的权重,用于对车道线区域进行扩充,以根据待跟随车辆在预测位置处的车体左右边界与扩充后的车道线区域的位置关系确定是否将待跟随车辆作为跟车目标。
如图5所示,图5中的线1即为基于上述预测值和反馈值确定的车道线区域的左右边界。线2为基于第一权重对线1进行扩充后,用于判断待跟随车辆是否Cutout的边界线。相应的,线3为基于第二权重对线1进行扩充后,用于判断待跟随车辆是否Cutin的边界线。为提高判断精度,需控制第一权重大于第二权重。即,将车道线区域左边界向左扩充第一权重的横向距离得到Cutout左边界,将车道线右边界向右扩充第一权重的横向距离得到Cutout右边界。将车道线区域左边界向左扩充第二权重的横向距离得到Cutin左边界,将车道线右边界向右扩充第二权重的横向距离得到Cutin右边界。
实施时,当本车传感器反馈的置信度较高时,可将表征Cutout的第一权重设置为1.25,并将表征Cutin的第二权重设置为1。当置信度较低时,可适当放宽判断范围,具体可将表征Cutout的第一权重设置为1.5,并将表征Cutin的第二权重设置为1.2。
应理解的是,跟车模式需确定跟车目标与本车处于相同车道。因而可将本车中心点作为坐标系原点,构建车辆坐标系。具体如图6所示,本车中心点与待跟随车辆的车体左边界的横向距离为第一距离。本车中心点与车道线区域左边界的横向距离为第二距离。本车中心点与待跟随车辆的车体右边界的横向距离为第三距离。本车中心点与车道线区域右边界的横向区域为第四距离。
另需说明的是,实际应用中的传感器采集的前车图像多为后视图,因而待跟随车辆的车体左右边界具体应如图7所示,其车体左右边界表示为待跟随车辆后视图中的车体左右截面。
根据待跟随车辆在预测位置处的车体左右边界与扩充后的车道线区域的位置关系确定是否将待跟随车辆作为跟车目标时,其判断流程具体包括下述四点:
第一点,待跟随车辆的车体左边界与Cutout左边界线的位置判断;
第二点,待跟随车辆的车体右边界与Cutout右边界线的位置判断;
第三点,待跟随车辆的车体左边界与Cutin左边界线的位置判断;
第四点,待跟随车辆的车体右边界与Cutin右边界线的位置判断。
针对第一点,待跟随车辆的车体左边界与Cutout左边界线的位置判断具体参见图8,图8中的线1为车道线区域的左边界,线2为根据第一权重对线1向左扩充后得到的Cutout左边界线。
如图8所示,当待跟随车辆的车体左边界处于线2左侧时,表征待跟随车辆驶离本车所在车道,此时不应将待跟随车辆作为跟车目标。即,第一距离大于或等于第二距离与第一权重之积时,待跟随车辆的车体已超出Cutout边界线,此时不将待跟随车辆作为跟车目标。
针对第二点,待跟随车辆的车体右边界与Cutout右边界线的位置判断具体参见图9,图9中的线1为车道线区域的右边界,线2为根据第一权重对线1向右扩充后得到的Cutout右边界线。
如图9所示,当待跟随车辆的车体右边界处于线2右侧时,表征待跟随车辆驶离本车所在车道,此时不应将待跟随车辆作为跟车目标。即,第三距离大于或等于第四距离与第一权重之积时,待跟随车辆的车体已超出Cutout边界线,此时不将待跟随车辆作为跟车目标。
针对第三点,待跟随车辆的车体左边界与Cutin左边界线的位置判断具体参见图10,图10中的线1为车道线区域的左边界,线3为根据第二权重对线1向左扩充后得到的Cutin左边界线。
如图10所示,当待跟随车辆的车体左边界处于线3右侧时,表征待跟随车辆驶入本车所在车道,此时可将待跟随车辆作为跟车目标。即,第二距离与第二权重之积大于第一距离时,可将待跟随车辆作为跟车目标。
针对第四点,待跟随车辆的车体右边界与Cutin右边界线的位置判断具体参见图11,图11中的线1为车道线区域的右边界,线3为根据第二权重对线1向右扩充后得到的Cutin边界线。
如图11所示,当待跟随车辆的车体右边界处于线3左侧时,表征待跟随车辆驶入本车所在车道,此时可将待跟随车辆作为跟车目标。即,第四距离与第二权重之积大于第三距离时,可将待跟随车辆作为跟车目标。
上述流程中基于传感器识别的车道线轨迹的置信度,根据传感器识别的车道线轨迹以及根据本车姿态估算的车道线轨迹预测出车道线区域。进而通过对待跟随车辆在预测位置处的车体左右边界确定待跟随车辆是否在预测位置处驶离或驶入了本车所在车道。以解决相关技术中无法确定跟车目标是否与本车处于相同车道的问题。
基于相同的发明构思,本申请实施例提供了一种跟车目标确定装置1200,如图12所示,包括:
参数获取模块1201,被配置为执行响应于跟车指示,获取本车传感器反馈的车道线信息以及第一车辆参数;其中,所述车道线信息至少包括表征车道线轨迹的参数项的反馈值;所述第一车辆参数至少包括本车的本车车速、本车曲率以及待跟随车辆与本车的纵向距离,所述待跟随车辆为所述传感器基于预设决策条件选定的位于本车前方的车辆;
区域预测模块1202,被配置为执行基于所述第一车辆参数确定所述参数项的预测值,并基于所述反馈值与所述预测值确定本车所在路段的车道线区域;
目标判定模块1203,被配置为执行根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标。
在一些可能的实施例中,所述参数项包括常数项系数、一次项系数、二次项系数以及三次项系数;执行所述基于所述第一车辆参数确定所述参数项的预测值,所述区域预测模块1202被配置为:
将预设的三次项标定值作为所述三次项系数的预测值,并根据所述第一车辆参数确定待处理系数的初始值;其中,所述待处理系数包括所述常数项系数、所述一次项系数和所述二次项系数;
基于预设采样次数,每隔第一预设时长对本车的第二车辆参数进行采样;其中,所述第二车辆参数是基于本车传感器确定的,所述第二车辆参数包括本车的本车车速和横摆角速度;
根据所述第二车辆参数确定预测数据;其中,所述预测数据至少包括纵向修正距离、修正角度和横向修正距离;所述纵向修正距离表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后的车身纵向距离差;所述修正角度表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身的角度变化;所述横向修正距离表征本车延当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身横向距离差;
基于所述预测数据和所述待处理系数的初始值确定所述预测值。
在一些可能的实施例中,执行所述根据所述第一车辆参数确定待处理系数的初始值,所述区域预测模块1202被配置为:
基于预设的车速对应关系,确定所述本车车速所在的预设速度区间对常数项初值和一次项初值;将所述常数项初值作为所述常数项系数的初始值,并将所述一次项初值作为所述一次项系数的初始值;
根据所述纵向距离和所述本车车速确定预计时间,并根据所述本车曲率和所述预计时间确定所述二次项系数的初始值;其中,所述预计时间表征采用所述本车车速行驶,本车从当前位置到达所述待跟随车辆所在位置所需的时间。
在一些可能的实施例中,执行所述根据所述第二车辆参数确定预测数据,所述区域预测模块1202被配置为:
针对每次采样得到的第二车辆参数,根据所述本车车速和所述第一预设时长确定所述第二车辆参数对应的纵向修正距离;
针对每次采样得到的第二车辆参数,根据所述横摆角速度和所述第一预设时长确定所述第二车辆参数对应的修正角度;
针对每次采样得到的第二车辆参数,根据所述修正角度和所述第一预设时长离确定所述第二车辆参数对应的横向修正距离。
在一些可能的实施例中,执行所述基于所述预测数据和所述待处理系数的初始值确定所述预测值,所述区域预测模块1202被配置为:
基于每次采样得到的第二车辆参数对应的纵向修正距离进行累加,得到纵向修正值;对基于每次采样得到的第二车辆参数对应的修正角度进行累加,得到角度修正值;对基于每次采样得到的第二车辆参数对应的横向修正距离进行累加,得到横向累加值;
基于车道线轨迹方程,根据所述待处理系数的初始值、所述纵向累加值、所述横向累加值确定所述常数项系数的预测值和所述一次项系数的预测值;
将所述二次项系数的初始值作为所述二次项系数的预测值。
在一些可能的实施例中,所述车道线信息还包括表征所述传感器反馈车道线轨迹是否准确的置信度;执行所述基于所述反馈值与所述预测值确定本车所在路段的车道线区域,所述目标判定模块1203被配置为:
若所述置信度处于第一置信度区间,则根据所述参数项的反馈值确定所述车道线区域;
若所述置信度处于第二置信度区间,则根据所述参数项的预测值确定所述车道线区域;
若所述置信度处于第三置信度区间,则采用最小二乘法对所述反馈值和所述预测值进行拟合运算,并根据所述参数项的拟合运算结果确定所述车道线区域。
在一些可能的实施例中,执行所述根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标,所述目标判定模块1203被配置为:
根据本车传感器获取所述待跟随车辆的行驶信息;其中,所述行驶信息至少包括所述待跟随车辆的车速、加速度、航向角以及所在位置;
确定所述待跟随车辆延所述行驶信息行驶第二预设时长后的预测位置,并确定所述待跟随车辆行驶至所述预测位置时所述待跟随车辆的车体左边界和车体右边界;
根据所述车体左边界、所述车体右边界和所述车道线区域确定是否将所述待跟随车辆作为跟车目标。
在一些可能的实施例中,执行所述根据所述车体左右边界和所述车道线区域确定是否将所述待跟随车辆作为跟车目标,所述目标判定模块1203被配置为:
若第二距离与第一权重之积大于第一距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第一距离表征本车中心点到达车体左边界的横向距离;所述第二距离表征本车中心点到达所述车道线区域的左边界的横向距离;
若第四距离与所述第一权重之积大于第三距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第三距离表征本车中心点到达车体右边界的横向距离;所述第四距离表征本车中心点到达所述车道线区域的右边界的横向距离;
若所述第二距离与第二权重之积大于所述第一距离,则将所述待跟随车辆作为所述跟车目标;
若所述第四距离与所述第二权重之积大于所述第三距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第一权重和所述第二权重是根据所述置信度确定的,且所述第一权重大于所述第二权重。
下面参照图13来描述根据本申请的这种实施方式的电子设备130。图13显示的电子设备130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图13所示,电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133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、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。
存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324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。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备130交互的设备通信,和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、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135进行。并且,电子设备130还可以通过网络适配器136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136通过总线133与用于电子设备130的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备130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、冗余处理器、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。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器132,上述指令可由装置1200的处理器131执行以完成上述方法。可选地,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器131执行时实现如本申请提供的一种跟车目标确定方法或埋点数据的获取方法中的任一方法。
在示例性实施例中,本申请提供的一种跟车目标确定方法或埋点数据的获取方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种跟车目标确定方法或埋点数据的获取方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。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。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。
本申请的实施方式的用于跟车目标确定或埋点数据的获取的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,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。
可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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图像缩放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图像缩放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图像缩放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图像缩放设备上,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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种跟车目标确定方法,其特征在于,所述方法包括:
响应于跟车指示,获取本车传感器反馈的车道线信息以及第一车辆参数;其中,所述车道线信息至少包括表征车道线轨迹的参数项的反馈值;所述第一车辆参数至少包括本车的本车车速、本车曲率以及待跟随车辆与本车的纵向距离,所述待跟随车辆为所述传感器基于预设决策条件选定的位于本车前方的车辆;所述参数项包括常数项系数、一次项系数、二次项系数以及三次项系数;
将预设的三次项标定值作为所述三次项系数的预测值,并根据所述第一车辆参数确定待处理系数的初始值;其中,所述待处理系数包括所述常数项系数、所述一次项系数和所述二次项系数;
基于预设采样次数,每隔第一预设时长对本车的第二车辆参数进行采样;其中,所述第二车辆参数是基于本车传感器确定的,所述第二车辆参数包括本车的本车车速和横摆角速度;
根据所述第二车辆参数确定预测数据;其中,所述预测数据至少包括纵向修正距离、修正角度和横向修正距离;所述纵向修正距离表征本车沿当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后的车身纵向距离差;所述修正角度表征本车沿当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身的角度变化;所述横向修正距离表征本车沿当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身横向距离差;
基于所述预测数据和所述待处理系数的初始值确定所述待处理系数的预测值,并基于所述反馈值与所述参数项的预测值确定本车所在路段的车道线区域;
根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一车辆参数确定待处理系数的初始值,包括:
基于预设的车速对应关系,确定所述本车车速所在的预设速度区间对常数项初值和一次项初值;将所述常数项初值作为所述常数项系数的初始值,并将所述一次项初值作为所述一次项系数的初始值;
根据所述纵向距离和所述本车车速确定预计时间,并根据所述本车曲率和所述预计时间确定所述二次项系数的初始值;其中,所述预计时间表征采用所述本车车速行驶,本车从当前位置到达所述待跟随车辆所在位置所需的时间。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第二车辆参数确定预测数据,包括:
针对每次采样得到的第二车辆参数,根据所述本车车速和所述第一预设时长确定所述第二车辆参数对应的纵向修正距离;
针对每次采样得到的第二车辆参数,根据所述横摆角速度和所述第一预设时长确定所述第二车辆参数对应的修正角度;
针对每次采样得到的第二车辆参数,根据所述修正角度和所述第一预设时长确定所述第二车辆参数对应的横向修正距离。
4.根据权利要求3所述的方法,其特征在于,所述基于所述预测数据和所述待处理系数的初始值确定所述待处理系数的预测值,包括:
基于每次采样得到的第二车辆参数对应的纵向修正距离进行累加,得到纵向修正值;对基于每次采样得到的第二车辆参数对应的修正角度进行累加,得到角度修正值;对基于每次采样得到的第二车辆参数对应的横向修正距离进行累加,得到横向累加值;
基于车道线轨迹方程,根据所述待处理系数的初始值、所述纵向修正值、所述横向累加值确定所述常数项系数的预测值和所述一次项系数的预测值;
将所述二次项系数的初始值作为所述二次项系数的预测值。
5.根据权利要求1所述的方法,其特征在于,所述车道线信息还包括表征所述传感器反馈车道线轨迹是否准确的置信度;所述基于所述反馈值与所述参数项的预测值确定本车所在路段的车道线区域,包括:
若所述置信度处于第一置信度区间,则根据所述参数项的反馈值确定所述车道线区域;
若所述置信度处于第二置信度区间,则根据所述参数项的预测值确定所述车道线区域;
若所述置信度处于第三置信度区间,则采用最小二乘法对所述反馈值和所述预测值进行拟合运算,并根据所述参数项的拟合运算结果确定所述车道线区域。
6.根据权利要求5所述的方法,其特征在于,所述根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标,包括:
根据本车传感器获取所述待跟随车辆的行驶信息;其中,所述行驶信息至少包括所述待跟随车辆的车速、加速度、航向角以及所在位置;
确定所述待跟随车辆沿所述行驶信息行驶第二预设时长后的预测位置,并确定所述待跟随车辆行驶至所述预测位置时所述待跟随车辆的车体左边界和车体右边界;
根据所述车体左边界、所述车体右边界和所述车道线区域确定是否将所述待跟随车辆作为跟车目标。
7.根据权利要求6所述的方法,其特征在于,所述根据所述车体左边界、所述车体右边界和所述车道线区域确定是否将所述待跟随车辆作为跟车目标,包括:
若第二距离与第一权重之积大于第一距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第一距离表征本车中心点到达车体左边界的横向距离;所述第二距离表征本车中心点到达所述车道线区域的左边界的横向距离;
若第四距离与所述第一权重之积大于第三距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第三距离表征本车中心点到达车体右边界的横向距离;所述第四距离表征本车中心点到达所述车道线区域的右边界的横向距离;
若所述第二距离与第二权重之积大于所述第一距离,则将所述待跟随车辆作为所述跟车目标;
若所述第四距离与所述第二权重之积大于所述第三距离,则将所述待跟随车辆作为所述跟车目标;其中,所述第一权重和所述第二权重是根据所述置信度确定的,且所述第一权重大于所述第二权重。
8.一种跟车目标确定装置,其特征在于,所述装置包括:
参数获取模块,被配置为执行响应于跟车指示,获取本车传感器反馈的车道线信息以及第一车辆参数;其中,所述车道线信息至少包括表征车道线轨迹的参数项的反馈值;所述第一车辆参数至少包括本车的本车车速、本车曲率以及待跟随车辆与本车的纵向距离,所述待跟随车辆为所述传感器基于预设决策条件选定的位于本车前方的车辆;所述参数项包括常数项系数、一次项系数、二次项系数以及三次项系数;
区域预测模块,被配置为执行将预设的三次项标定值作为所述三次项系数的预测值,并根据所述第一车辆参数确定待处理系数的初始值;其中,所述待处理系数包括所述常数项系数、所述一次项系数和所述二次项系数;
基于预设采样次数,每隔第一预设时长对本车的第二车辆参数进行采样;其中,所述第二车辆参数是基于本车传感器确定的,所述第二车辆参数包括本车的本车车速和横摆角速度;
根据所述第二车辆参数确定预测数据;其中,所述预测数据至少包括纵向修正距离、修正角度和横向修正距离;所述纵向修正距离表征本车沿当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后的车身纵向距离差;所述修正角度表征本车沿当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身的角度变化;所述横向修正距离表征本车沿当前行驶方向,采用所述本车车速行驶所述第一预设时长对应时长前后车身横向距离差;
基于所述预测数据和所述待处理系数的初始值确定所述待处理系数的预测值,并基于所述反馈值与所述参数项的预测值确定本车所在路段的车道线区域;
目标判定模块,被配置为执行根据所述车道线区域和所述待跟随车辆的所在位置确定是否将所述待跟随车辆作为跟车目标。
9.一种电子设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行权利要求1-7中任一项所述的方法包括的步骤。
10.一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存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时,使所述计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210408078.1A CN114750759B (zh) | 2022-04-19 | 2022-04-19 | 一种跟车目标确定方法、装置、设备及介质 |
PCT/CN2022/117116 WO2023201964A1 (zh) | 2022-04-19 | 2022-09-05 | 一种跟车目标确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210408078.1A CN114750759B (zh) | 2022-04-19 | 2022-04-19 | 一种跟车目标确定方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114750759A CN114750759A (zh) | 2022-07-15 |
CN114750759B true CN114750759B (zh) | 2024-04-30 |
Family
ID=82331412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210408078.1A Active CN114750759B (zh) | 2022-04-19 | 2022-04-19 | 一种跟车目标确定方法、装置、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114750759B (zh) |
WO (1) | WO2023201964A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114750759B (zh) * | 2022-04-19 | 2024-04-30 | 合众新能源汽车股份有限公司 | 一种跟车目标确定方法、装置、设备及介质 |
CN115320589B (zh) * | 2022-10-13 | 2023-02-10 | 青岛慧拓智能机器有限公司 | 跟车速度规划方法、装置、芯片、终端、电子设备及介质 |
CN115320592B (zh) * | 2022-10-13 | 2023-02-10 | 青岛慧拓智能机器有限公司 | 车速规划方法、装置、芯片、终端、计算机设备及介质 |
CN116682095B (zh) * | 2023-08-02 | 2023-11-07 | 天津所托瑞安汽车科技有限公司 | 一种关注目标的确定方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017043279A (ja) * | 2015-08-28 | 2017-03-02 | 株式会社デンソー | 車両制御装置、及び走路信頼度判定方法 |
CN109409202A (zh) * | 2018-09-06 | 2019-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 基于动态感兴趣区域的鲁棒性车道线检测方法 |
CN110803163A (zh) * | 2018-07-19 | 2020-02-18 | 广州小鹏汽车科技有限公司 | 车辆行驶轨迹的预测、车辆跟随目标的选择方法及设备 |
CN112215209A (zh) * | 2020-11-13 | 2021-01-12 | 中国第一汽车股份有限公司 | 跟车目标确定方法、装置、车辆及存储介质 |
CN112740295A (zh) * | 2020-03-31 | 2021-04-30 | 华为技术有限公司 | 检测车辆行驶场景的复杂度的方法和装置 |
CN113353078A (zh) * | 2021-06-24 | 2021-09-07 | 中汽创智科技有限公司 | 一种无车道线自动跟车轨迹确定方法及装置 |
WO2021217420A1 (zh) * | 2020-04-28 | 2021-11-04 | 华为技术有限公司 | 车道线跟踪方法和装置 |
WO2021259000A1 (zh) * | 2020-06-24 | 2021-12-30 | 中国第一汽车股份有限公司 | 跟车控制方法、装置、车辆及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114750759B (zh) * | 2022-04-19 | 2024-04-30 | 合众新能源汽车股份有限公司 | 一种跟车目标确定方法、装置、设备及介质 |
-
2022
- 2022-04-19 CN CN202210408078.1A patent/CN114750759B/zh active Active
- 2022-09-05 WO PCT/CN2022/117116 patent/WO2023201964A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017043279A (ja) * | 2015-08-28 | 2017-03-02 | 株式会社デンソー | 車両制御装置、及び走路信頼度判定方法 |
CN110803163A (zh) * | 2018-07-19 | 2020-02-18 | 广州小鹏汽车科技有限公司 | 车辆行驶轨迹的预测、车辆跟随目标的选择方法及设备 |
CN109409202A (zh) * | 2018-09-06 | 2019-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 基于动态感兴趣区域的鲁棒性车道线检测方法 |
CN112740295A (zh) * | 2020-03-31 | 2021-04-30 | 华为技术有限公司 | 检测车辆行驶场景的复杂度的方法和装置 |
WO2021217420A1 (zh) * | 2020-04-28 | 2021-11-04 | 华为技术有限公司 | 车道线跟踪方法和装置 |
WO2021259000A1 (zh) * | 2020-06-24 | 2021-12-30 | 中国第一汽车股份有限公司 | 跟车控制方法、装置、车辆及存储介质 |
CN112215209A (zh) * | 2020-11-13 | 2021-01-12 | 中国第一汽车股份有限公司 | 跟车目标确定方法、装置、车辆及存储介质 |
CN113353078A (zh) * | 2021-06-24 | 2021-09-07 | 中汽创智科技有限公司 | 一种无车道线自动跟车轨迹确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023201964A1 (zh) | 2023-10-26 |
CN114750759A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114750759B (zh) | 一种跟车目标确定方法、装置、设备及介质 | |
CN109598066B (zh) | 预测模块的效果评估方法、装置、设备和存储介质 | |
EP2806411B1 (en) | Driving model generation device, driving model generation method, driving evaluation device, driving evaluation method, and driving support system | |
CN108334077B (zh) | 确定自动驾驶车辆的速度控制的单位增益的方法和系统 | |
US20130179379A1 (en) | Preceding-Vehicle Identifying Apparatus And Following-Distance Control Apparatus | |
CN112242069A (zh) | 一种确定车速的方法和装置 | |
CN113537362A (zh) | 一种基于车路协同的感知融合方法、装置、设备及介质 | |
US11748593B2 (en) | Sensor fusion target prediction device and method for vehicles and vehicle including the device | |
CN110562251A (zh) | 一种自动驾驶方法及装置 | |
JP6908674B2 (ja) | 自動運転車両を動作させるための所定のキャリブレーションテーブルに基づく車両制御システム | |
CN110654380B (zh) | 用于控制车辆的方法和装置 | |
JP2018063476A (ja) | 運転支援装置、運転支援方法及び運転支援用コンピュータプログラム | |
CN111707258B (zh) | 一种外部车辆监测方法、装置、设备及存储介质 | |
EP3605500B1 (en) | Output device, control method, program, and storage medium | |
CN112671487B (zh) | 一种车辆测试的方法、服务器以及测试车辆 | |
Sandblom et al. | Sensor data fusion for multiple configurations | |
CN109887321B (zh) | 无人车变道安全判别方法、装置及存储介质 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN112319505B (zh) | 自动驾驶换道判断方法、装置、设备及存储介质 | |
CN114475593A (zh) | 行驶轨迹预测方法、车辆及计算机可读存储介质 | |
CN112428991B (zh) | 车辆控制方法、装置、介质、设备及车辆 | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
US20220383736A1 (en) | Method for estimating coverage of the area of traffic scenarios | |
CN110497906B (zh) | 车辆控制方法、装置、设备和介质 | |
US11307302B2 (en) | Method and device for estimating an absolute velocity of an obstacle, and non-volatile computer-readable storage medium |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant after: United New Energy Automobile Co.,Ltd. Address before: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant before: Hezhong New Energy Vehicle Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |