CN114789735A

CN114789735A - 一种高效的驾驶辅助方法、装置、设备和车辆

Info

Publication number: CN114789735A
Application number: CN202210365599.3A
Authority: CN
Inventors: 胡心怡; 杨扬
Original assignee: Shanghai Boonray Intelligent Technology Co Ltd
Current assignee: Shanghai Boonray Intelligent Technology Co Ltd
Priority date: 2022-04-08
Filing date: 2022-04-08
Publication date: 2022-07-26

Abstract

本发明公开了一种高效的驾驶辅助方法、装置、设备和车辆，涉及自动驾驶技术领域。其中驾驶辅助方法包括：传感器数据获取步骤，获取传感器探测区域的三维点数据；三维点采样感知区域计算步骤，获取当前的车辆运动信息，获取历史信息中的传感器探测区域的可通行区域，对三维点数据进行采样；可通行区域计算步骤，根据采样后的三维点数据，拟合传感器探测区域的高程数据，计算传感器探测区域的可通行区域；驾驶辅助步骤，重复上述步骤，不断根据可通行区域数据计算辅助驾驶的参数。该技术方案基于车辆的运动信息对传感器数据进行采样，减少了感知计算量，通过估计车辆可通行区域和不可通行区域，提高了道路感知的准确性和驾驶安全性。

Description

一种高效的驾驶辅助方法、装置、设备和车辆

技术领域

本发明涉及自动驾驶领域，尤其涉及驾驶辅助方法、装置、设备、存储介质、程序产品和自动驾驶车辆。

背景技术

自动驾驶技术是一种通过计算机实现辅助驾驶或无人驾驶的技术，其依靠可见光相机、毫米波雷达、激光雷达、惯性导航系统、全球定位系统等传感系统，使计算机可以部分或全部代替人类驾驶员自动安全地操作车辆。

现有技术中，自动驾驶技术主要应用于标准道路场景。标准道路例如根据道路交通相关法律法规规定的具有特定标线、标识等信息的道路。在标准道路场景下，自动驾驶技术可以获取规范的道路标线标识等环境感知信息，可以利用规范的地图测绘提供的普通地图和高精度地图，也可以与智能交通系统中的交通基础设施进行规范的信息交换。依赖这些先验信息，标准道路场景下的现有技术可以过滤掉与道路交通不相关的信息，从而节省了计算量、提高了感知效率。

但是，自动驾驶技术不仅可以应用在标准道路场景中，也可以应用在非标准道路场景。非标准道路场景例如野外环境等自然场景，例如乡村道路等农业环境场景，例如园区内部道路等场景，例如矿山矿井等特定作业场景。

在非标准道路场景下，现有技术无法利用道路标线、地图等先验信息来节省计算量、提高感知效率。因此有必要研究在非标准道路场景下如何节省计算量、提高感知效率的技术问题。

发明内容

发明提供了一种高效的驾驶辅助方法、装置、设备、存储介质、车辆，以解决上述现有技术中存在的问题。

根据本发明的第一方面，提供了一种驾驶辅助方法，包括：

传感器数据获取步骤，获取传感器探测区域的三维点数据；

三维点采样感知区域计算步骤，获取当前的车辆运动信息，获取历史信息中的传感器探测区域的可通行区域，对三维点数据进行采样；

可通行区域计算步骤，根据采样后的三维点数据，拟合传感器探测区域的高程数据，计算传感器探测区域的可通行区域；

驾驶辅助步骤，重复上述步骤，不断根据可通行区域数据计算辅助驾驶的参数。

根据本发明的第二方面，提供了一种驾驶辅助装置，包括：

传感器数据获取模块，获取传感器探测区域的三维点数据；

三维点采样感知区域计算模块，获取当前的车辆运动信息，获取历史信息中的传感器探测区域的可通行区域，对三维点数据进行采样；

可通行区域计算模块，根据采样后的三维点数据，拟合传感器探测区域的高程数据，计算传感器探测区域的可通行区域；

驾驶辅助模块，基于上述模块，不断根据可通行区域数据计算辅助驾驶的参数。

根据本发明的第三方面，提供了一种电子设备，包括：

至少一个处理器，存储器，以及与其他电子设备通信的接口；

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述电子设备能够执行根据第一方面所述的驾驶辅助方法。

根据本发明的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面所述的驾驶辅助方法。

根据本发明的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的驾驶辅助方法。

根据本发明的第六方面，提供了一种自动驾驶车辆，包括根据第三方面所述的电子设备。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

与现有技术相比，本发明的有益效果是：

通过建立传感器数据的采样感知区域，获得了对于车辆下一步行驶更有用的可通行区域的信息，据此对传感器数据进行采样，减少了感知计算量。此外，采样感知区域的建立，综合考虑了车辆的运动信息，基于车辆在未来一段时间内继续进行惯性运动的假设，提高了感知模型的针对性和实用性。通过区分可通行区域和不可通行区域，车辆可以进行有效的路线规划，从而在行驶时避开不可通行的区域，提高车辆行驶的效率，提高了道路感知的准确性和驾驶安全性。

附图说明

附图用于更好地理解本方案，不构成对本发明的限定。其中：

图1示出了根据本发明一个实施例提供的非标准道路场景的示意图；

图2示出了根据本发明一个实施例提供的驾驶辅助方法的示意图；

图3示出了根据本发明一个实施例提供的传感器数据的示意图；

图4示出了根据本发明一个实施例提供的初始状态的可通行区域的示意图；

图5示出了根据本发明一个实施例提供的传感器探测区域和惯性运动区域的示意图；

图6示出了根据本发明一个实施例提供的三维点采样感知区域的示意图；

图7示出了根据本发明一个实施例提供的不可通行区域的示意图；

图8示出了根据本发明一个实施例提供的可通行区域的示意图；

图9示出了根据本发明一个实施例提供的驾驶辅助装置的示意图；

图10示出了根据本发明一个实施例提供的电子设备的示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

所涉及的技术术语包括：

标准道路场景：标准道路是指符合道路交通相关法律法规规定的、具有特定标线标识等信息的法定道路。标准道路场景下，自动驾驶技术可以通过规范的道路标线、标识等信息来获取准确的道路信息，也可以与交通基础设施进行规范的信息交换，从而获得自动驾驶所必需的环境信息。

非标准道路场景：非标准道路场景是指不具备道路交通相关法律法规规定的标线标识等信息的道路。非标准道路场景，例如野外环境等自然场景，例如乡村土路等农业环境场景，例如园区内部道路等内部场景，又例如矿山矿井等特定作业场景。

传感器数据：传感器数据是指传感器获取到的数据。在本发明实施例中，根据情况也会特指自动驾驶相关的传感器获取到的数据。常见的传感器例如可见光相机、红外相机、深度相机、毫米波雷达、激光雷达等。传感器数据既可以是直接从传感器中产生的原始传感器数据，也可以是经过预处理、配准、转换、融合、特征提取等处理后的传感器数据。

点云：点云是指点数据的集合。点云可以通过摄影测量原理或激光测量原理获得。根据激光测量原理获得的点云，包括三维坐标（XYZ）和激光回波强度（intensity），根据摄影测量原理获得的点云，包括三维坐标（XYZ）和颜色信息（RGB）。

三维点：三维点是指具有三维坐标属性的点，例如点云中的点即为三维点。

坐标系：在传感器采集时，获取的三维点的坐标系一般是传感器坐标系。根据数据处理的需要，三维点的坐标系有时候需要转换到其他坐标系，例如地面坐标系。

高程数据：高程数据时指描述地形地貌的空间分布的数据；通过等高线或其他立体模型进行数据采集测量，然后将进行数据内插形成；高程数据采集测量可以基于规则网格，或不规则网格。

传感器探测区域：传感器探测区域是车辆在行驶时传感器能够探测到的区域，该区域的地形需要进行测量，以从中发现可供车辆正常行驶的部分区域。传感器探测区域本质上是一个三维曲面。但在实际应用中，常常假设这个三维曲面可以无交叠地投影到水平面上。也就是说，传感器探测区域不包括屋顶、洞顶、天花板等能够造成投影交叠的区域。传感器探测区域常常使用高程数据描述。

惯性运动区域：惯性运动区域是指根据当前的车辆运动信息而计算出的车辆最有可能前往的区域。为了避免重复存储数据，惯性运动区域不直接存储传感器探测区域数据本身，而是采用一个取值范围从0到1的实数，来表述车辆运动到该区域的可能性。当取值趋近于0时，车辆完全不可能运动到该区域，当取值趋近于1时，车辆非常有可能运动到该区域。

可通行区域：可通行区域描述的传感器探测区域中可以通行的区域。上述可以通行的区域本质上是传感器探测区域的一个子集。为了避免重复存储数据，可通行区域不直接存储传感器探测区域数据本身，而是采用一个取值范围从0到1的实数，来表述对应区域的可通行的程度。当取值趋近于0时，对应区域趋近于完全不可通行，当取值趋近于1时，对应区域趋近于完全可通行。

实施例一

图1是非标准道路场景的示意图。

目前的现有技术中，自动驾驶技术主要应用于标准道路场景。标准道路场景下，可以通过规范的道路标线、标识等信息来获取准确的道路信息。

非标准道路场景也同样存在着自动驾驶的强劲需求。非标准道路场景，例如野外环境等自然场景，例如乡村土路等农业环境场景，例如园区内部道路等内部场景，又例如矿山矿井等特定作业场景。非标准道路场景中的道路所在地面往往是不平整的、并且容易发生改变。例如在农业环境场景，道路所在地面有可能会随着车辆碾压、雨水侵蚀而起伏变化；又例如在矿山场景，道路所在地面有可能会随着矿物的堆积而改变。

综合来说，非标准道路场景下的驾驶辅助至少存在存在如下困难：非标准道路场景下，无法利用标准道路场景的道路标线、标识、地图等信息，即无法利用先验知识将感知集中于道路区域，无法通过排除非道路区域的感知来节省计算量。从而在感知传感器探测区域时，需要对所有区域进行感知，从而导致感知计算量居高不下。

本实施例基于车辆运动信息和历史通行信息，来更加准确地估计车辆可通行区域和不可通行区域，从而构建更加合理的感知模型。

图2示出了驾驶辅助方法的示意图。

本发明实施例提供的驾驶辅助方法，包括如下步骤：

S110传感器数据获取步骤，获取传感器探测区域的三维点数据；

S120三维点采样感知区域计算步骤，获取当前的车辆运动信息，获取历史信息中的传感器探测区域的可通行区域，对三维点数据进行采样；

S130可通行区域计算步骤，根据采样后的三维点数据，拟合传感器探测区域的高程数据，计算传感器探测区域的可通行区域；

S140驾驶辅助步骤，重复上述步骤，不断根据可通行区域数据计算辅助驾驶的参数。

本实施例中，所述传感器数据获取步骤S110包括：

获取原始传感器数据，所述原始传感器数据包括三维点数据；

根据场景是否在室外，进行地面三维点滤波，得到滤波后的三维点数据；

将三维点数据的坐标转换到地面坐标系；

输出坐标转换后的三维点数据。

所述步骤S110的有益效果包括：通过传感器获取的三维点数据，为感知传感器探测区域提供了精确的数据。

本实施例中，所述三维点采样感知区域计算步骤S120包括：

获取当前的车辆运动信息，计算惯性运动区域；

获取历史信息中的传感器探测区域的可通行区域；初始时可通行区域为传感器探测区域全部可通行；

根据惯性运动区域和可通行区域，建立三维点采样感知区域；所述三维点采样感知区域是表示传感器探测区域的各子区域的三维点采样疏密程度的模型；

根据三维点采样感知区域，对三维点数据进行采样；其中通行可能性相对较高的区域，进行相对密集的采样；通行可能性相对较低的区域，进行相对稀疏的采样；

输出采样后的三维点数据。

所述步骤S120的有益效果包括：通过建立三维点采样感知区域，获得了对于车辆下一步行驶更有用的可通行区域的信息，据此对三维点数据进行采样，减少了感知计算量。此外，三维点采样感知区域的建立，综合考虑了车辆的运动信息，基于车辆在未来一段时间内继续进行惯性运动的假设，提高了感知模型的有效性。

本实施例中，所述可通行区域计算步骤S130包括：

根据采样后的三维点数据，拟合传感器探测区域的高程数据；

根据高程数据的以下至少一种信息，计算不可通行区域：地形坡度、地形跨度、车辆越野性能、车辆装载要求；

从传感器探测区域中去除不可通行区域，计算传感器探测区域的可通行区域；将其合并入历史信息中的传感器探测区域的可通行区域。

所述步骤S130的有益效果包括：基于采样后的三维点，进行感知时的计算量将有效减少，从而提高了感知的速度和实时性。

此外，在计算不可通行区域和可通行区域时，利用地形坡度信息，可以将超出车辆爬坡能力的地形排除在外；利用地形跨度和车辆越野性能中的轮胎尺寸，可以将小跨度的坑洼地形忽略；利用车辆装载要求中的满载程度和抛洒标准，可以限制车辆对于坑洼程度较大的地形的通过性。

本实施例中，所述驾驶辅助步骤S140中，所述辅助驾驶的参数包括以下至少一种信息：

车辆的速度、车辆加速度、车辆角速度、车辆的启动信号、车辆的刹车信号、车辆的行驶路线。

所述步骤S140的有益效果包括：通过可通行区域，车辆可以进行有效的路线规划，从而在行驶时避开不可通行的区域，提高车辆行驶的效率。

本实施例并不限定应用场景和具体实现，其可以根据实际情况确定，此处不再赘述。

本实施例可以单独被实施，也可以与其他实施例一起被实施。

实施例二

本实施例对驾驶辅助方法的传感器数据相关内容进行了详细说明，其余部分与实施例一相同。

图3示出了传感器数据的示意图。

原始传感器数据包括三维点数据。

其中一种方式是通过激光雷达来直接获取三维点数据。

另一种方式则是通过可见光相机来获取传感器探测区域的深度图像，并将深度图像转换为三维点数据。

对于三维点数据，要进行滤波以获得与车辆通行相关的地面环境的信息。

如果场景在室外，则不必考虑采集到的三维点会与天花板相关。

如果场景不在室外，例如在矿洞中、体育馆内部等场景，则需要将洞顶或天花板的三维点滤波去除。

洞顶或天花板的滤除，可以考虑三维点在竖直方向上出现的次数。例如，最简单的没有遮挡的环境，三维点在竖直方向上会出现两次，地面一次，洞顶一次。

此外，当三维点数据中出现不合理的孤立点时，也可以通过滤波来去除孤立点。

上述传感器数据滤波的有益效果包括：能够获取与车辆通行性有关的传感器探测区域信息。能够适应室外场景与非室外场景，在各种场景下都获取到合适的三维点数据。

实施例三

本实施例对驾驶辅助方法的坐标系、可通行区域相关内容进行了详细说明，其余部分与实施例一相同。

图4示出了初始状态的可通行区域的示意图。

关于坐标系，传感器探测区域采用三维坐标系。其中X轴竖直向上，Y和Z轴位于水平面上。图1、图3、图4均示意性地展示了X轴、Z轴的纵切面。而点A和点B则示意性的指示了传感器探测区域在Z轴上的全部取值范围。

可通行区域不直接存储传感器探测区域数据本身，而是采用一个取值范围从0到1的实数，来表述对应区域的可通行的程度，当取值趋近于0时，对应区域趋近于完全不可通行，当取值趋近于1时，对应区域趋近于完全可通行。

步骤S110到步骤S140的执行是一个不断循环迭代的过程。

第一次进入循环时，默认可通行区域为传感器探测区域的全部子区域。如图4所示，初始状态的可通行区域

。其中，

用于对传感器探测区域的子区域的索引。y表示Y轴坐标，z表示Z轴坐标。

当第i次进入循环时，步骤S130计算得到新的可通行区域，此时可通行区域

的取值会发生变化，但仍然位于从0到1的实数范围内。

可通行区域

可以是函数，例如分段函数或连续函数。也可以是离散取值，例如以网格来划分传感器探测区域，形成若干子区域，

表示网格的标号。

上述可通行区域的有益效果包括：可通行区域的取值范围

与传感器探测区域的取值范围相同。可通行区域通过对各个子区域描述一个取值范围从0到1的数值。提高了数据表示的效率。

实施例四

本实施例对驾驶辅助方法的惯性运动区域相关内容进行了详细说明，其余部分与实施例一相同。

图5示出了传感器探测区域与惯性运动区域的示意图。

如图5中的点C到点D，示意性地示出了传感器探测区域在Z轴上的取值范围。

在传感器的探测能力不变的情况下，随着车辆的前进，传感器探测区域会不断地向前平移。

由于探测不到的地方无法有效估计车辆能否运动到达。因此惯性运动区域的估计，一般只能在传感器探测区域中估计。即，惯性运动区域一般是传感器探测区域的子集。

获取当前的车辆运动信息，计算惯性运动区域。所述惯性运动区域表示根据当前的车辆运动信息而计算出的车辆最有可能前往的区域。所述车辆运动信息包括以下至少一种信息：

图5中的惯性运动区域由两个三角形组成，左侧的三角形表示车辆在当前位置可能倒车而形成的倒车惯性运动区域；右侧的三角形表示车辆在当前位置可能前进而形成的前进惯性运动区域。而点E和点F则示意性的指示了惯性运动区域在Z轴上的取值范围。

图5中，左侧的三角形小于右侧的三角形，表明车辆的倒车速度小于车辆的前进速度，因此倒车惯性运动区域小于前进惯性运动区域。

此外，左侧三角形和右侧三角形表明，距离车辆越远（最左侧的角点和最右侧的角点），惯性运动区域的可能性越来越小。这是因为要想在下一时刻车辆能够到达距离车辆很远的地方，就需要当前车辆具有很高的速度，受限于车辆本身的性能，因此这种可能性是比较小的。

图5中仅仅示出了一种惯性运动区域的函数形式，而惯性运动区域也可以由任意曲线围成，例如直线、双曲线、抛物线等。具体形式取决于车辆惯性运动的特性，在此不做限定。

此外，当车辆具有较高的当前速度时，前进方向的惯性运动区域会显著大于倒车方向的惯性运动区域；当车辆具有较高的角速度时（例如转弯时），沿着角速度前进方向的惯性运动区域会显著大于沿着角速度倒车方向的惯性运动区域。反之亦然，在此不做赘述。

图5中，惯性运动区域构成一个大三角形结构。大三角形的上方顶点对应的X轴坐标是1。这意味着：大三角形的上方顶点是车辆最有可能在的区域，也就是车辆当前所在的位置。

上述惯性运动区域的有益效果包括：通过计算惯性运动区域，为建立三维点采样感知区域奠定了基础。惯性运动区域，获得了对于车辆下一步行驶更有用的可通行区域的信息，据此对三维点数据进行采样，减少了感知计算量。

实施例五

本实施例对驾驶辅助方法的三维点采样感知区域相关内容进行了详细说明，其余部分与实施例一相同。

图6示出了三维点采样感知区域的示意图。

获取历史信息中的传感器探测区域的可通行区域；初始时可通行区域为传感器探测区域全部可通行，如图4中的可通行区域

所示；

获取惯性运动区域，如图5中的

所示；

根据惯性运动区域和可通行区域，建立三维点采样感知区域，如图6中的

所示。

所述三维点采样感知区域，是表示传感器探测区域的各子区域的三维点采样疏密程度的模型。三维点采样感知区域采用一个取值范围从0到1的实数来表示。当取值趋近于0时，意味着车辆通行可能性相对很低，对应区域趋近于完全不采样或以最稀疏的程度采样，当取值趋近于1时，意味着车辆通行可能性相对很高，对应区域趋近于保留原始数据采样密度或插值以达到足够的采样密度。

如图6所示，三维点采样感知区域

采用了一个较为复杂的公式：

其中，

表示两者都必须大于零；

表示二者中取采样密度的最大值；

上述公式的采用，可以避免惯性运动区域的估计过于保守，为惯性运动区域内的全部可通行区域都采取最大可能的采样密度。而点E和点F则示意性的指示了三维点采样感知区域在Z轴上的取值范围。

此外，三维点采样感知区域

还可以采用其他形式，例如：

上述公式直接采用惯性运动区域与历史可通行区域的乘积。属于比较直观的、兼顾上述两种因素的采样密度策略。该策略下的采样密度偏小。

还可以是：

上述公式直接采用惯性运动区域与历史可通行区域的最大值。可以在计算能力足够的情况下采用最大可能密度的采样策略。

述公式直接采用惯性运动区域与历史可通行区域的最小值。可以在计算能力不足的情况下采用较小密度的采样策略。

三维点采样感知区域计算之后，即用来对三维点进行采样。如图6所示，在

的范围内，根据

的具体值来确定采样密度。

假设通过激光雷达获取的三维点在

处的原始密度是

，则确定后的采样密度是

。

上述三维点采样感知区域的有益效果包括：通过建立三维点采样感知区域，获得了对于车辆下一步行驶更有用的可通行区域的信息，据此对三维点数据进行采样，减少了感知计算量。此外，三维点采样感知区域的建立，综合考虑了车辆的运动信息，基于车辆在未来一段时间内继续进行惯性运动的假设，提高了感知模型的有效性。

实施例六

本实施例对驾驶辅助方法的不可通行区域和可通行区域相关内容进行了详细说明，其余部分与实施例一相同。

图7示出了不可通行区域的示意图；图8示出了可通行区域的示意图。

根据采样后的三维点数据，拟合传感器探测区域的高程数据；如图1、图3所示，基于传感器获取的传感器探测区域的三维点，来拟合高程数据。利用点云点来计算高程数据属于现有技术，在此不再赘述。

根据高程数据的以下至少一种信息，计算不可通行区域：地形坡度、地形跨度、车辆越野性能、车辆装载要求。图1、图3示意性地表示了两种类型的候选不可通行区域，即略微凹陷的地形，以及尖锐凸起的地形。假定根据车辆越野性能和装载要求，图1、图3中略微凹陷的地形经测量其地形坡度和地形跨度，属于车辆可通行区域；而图1、图3中尖锐凸起的地形经测量其地形坡度和地形跨度，属于车辆不可通行区域。

因此如图7所示，点G和点H则示意性的指示了不可通行区域在Z轴上的取值范围。图7中的不可通行区域

在点E到点F的取值范围上全部为1，这是一种特例，假定图1、图3中尖锐凸起的地形全部都不可通行。而一般情况下，凸起或凹陷的地形一般会有边缘区域可通行，而靠近中心的区域可能不可通行（图7中未示出）。

从传感器探测区域中去除不可通行区域，计算传感器探测区域的可通行区域；将其合并入历史信息中的传感器探测区域的可通行区域。如图8所示，进入步骤S110到S140的本次循环时，历史信息中的可通行区域，示意为Z轴上点A到点B的范围。而传感器探测区域，在图4中示意为Z轴上点C到点D的范围。因此，本次循环探测到的可通行区域的范围，即示意为Z轴上点C到点G、以及点H到点D的范围。

本实施例的有益效果包括：基于采样后的三维点，进行感知时的计算量将有效减少，从而提高了感知的速度和实时性。

实施例七

针对上述非标准道路场景的问题，本发明实施例提供了一种驾驶辅助装置。驾驶辅助装置如附图9所示，包括：

传感器数据获取模块110，获取传感器探测区域的三维点数据；

三维点采样感知区域计算模块120，获取当前的车辆运动信息，获取历史信息中的传感器探测区域的可通行区域，对三维点数据进行采样；

可通行区域计算模块130，根据采样后的三维点数据，拟合传感器探测区域的高程数据，计算传感器探测区域的可通行区域；

驾驶辅助模块140，基于上述模块，不断根据可通行区域数据计算辅助驾驶的参数。

上述模型训练装置和驾驶辅助装置的各个模块的有益效果参见前述实施例，此处不再赘述。

值得说明的是，本发明实施例并不限定驾驶辅助装置的应用场景的具体实现，其可以根据实际情况确定，此处不再赘述。

需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，处理模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

实施例八

如图10所示，在本实施例中，一种电子设备600，包括：

至少一个处理器601，存储器608，以及与其他电子设备通信的接口609；所述存储器608存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述电子设备能够执行前述实施例中的驾驶辅助方法。

电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。该电子设备可以是上述的第一设备，也可以是车辆控制设备，或者车辆上的控制中心，对此本方案不做限制。

如图10所示，该电子设备还包括：一个或多个ROM602、RAM603、总线、I/O接口、输入单元606、输出单元607等，以及用于连接各部件的接口，包括高速接口和低速接口，以及与其他电子设备进行通信的接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。本实施例中以一个处理器601为例。

存储器608即为本发明所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本发明所提供的方法。本发明的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本发明所提供的方法。存储器608作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本发明实施例中的方法对应的程序指令/模块。处理器601通过运行存储在存储器608中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。

存储器608可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据自动驾驶车辆的控制的电子设备的使用所创建的数据等。此外，存储器608可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器608可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至数据处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

电子设备的各个部件可以通过总线或者其他方式连接，本实施例中以通过总线连接为例。

输入单元606可接收输入的数字或字符信息，以及产生与数据处理的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出单元607可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

实施例九

根据本实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据前述实施例所述的驾驶辅助方法。

实施例十

根据本实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据前述实施例所述的驾驶辅助方法。

上述实施例所述的存储有计算机程序的计算机可读存储介质和计算机程序产品，这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。本实施例对其不做具体限定。

实施例十一

根据本实施例提供了一种自动驾驶车辆，包括根据上述实施例所述的模型训练装置或上述实施例所述的驾驶辅助装置。

可以理解的是，本实施例同样适用于有人驾驶车辆，有人驾驶车辆可以基于获取到的道路信息以提供给驾驶员提示或自动控制等形式辅助控制车辆的运行。其中，有些车辆内设置有行车电脑或车载单元(on board unit，OBU)，有些车辆内搭载有用户终端例如手机，以及持有用户终端的用户等。车辆内的手机、行车电脑或OBU可作为实施模型训练或驾驶辅助的电子设备。

可以理解的是，本实施例同样适用于智能交通网络中，该智能交通网络中可以包括多辆可以进行无线通信的车辆、和各个车辆进行无线通信的交通控制设备、远程服务器、路侧设备、基站，其中，远程服务器或交通控制设备还可以对交通设施进行控制等等。

本实施例并不对车辆的类型、数量、应用场景进行限定。

应该理解，本发明描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。可以将本发明描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本发明在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims

1.一种驾驶辅助方法，包括：

传感器数据获取步骤，获取传感器探测区域的三维点数据；

2.根据权利要求1所述的方法，所述传感器数据获取步骤包括：

将三维点数据的坐标转换到地面坐标系；

输出坐标转换后的三维点数据。

3.根据权利要求1所述的方法，所述三维点采样感知区域计算步骤包括：

获取当前的车辆运动信息，计算惯性运动区域；

输出采样后的三维点数据。

4.根据权利要求1所述的方法，所述可通行区域计算步骤包括：

5.根据权利要求1所述的方法，所述辅助驾驶的参数包括以下至少一种信息：

6.一种驾驶辅助装置，包括：

传感器数据获取模块，获取传感器探测区域的三维点数据；

7.一种电子设备，其特征在于，包括：

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述电子设备能够执行权利要求1-5中任一项所述的方法。

8.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。

9.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。

10.一种自动驾驶车辆，包括如权利要求7所述的电子设备。