CN114802250A - 数据处理方法、装置、设备、自动驾驶车辆及介质 - Google Patents

Abstract

本公开提供了用于自动驾驶车辆的数据处理方法、装置、电子设备、自动驾驶车辆、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及自动驾驶、物联网、智能交通、云服务、和高精地图等技术领域。具体实现方案为：响应于确定车辆处于变道过程中，确定变道场景数据；基于变道场景数据，确定目标变道场景类别；基于目标变道场景类别，从变道场景数据中确定目标场景数据；以及基于目标场景数据，确定变道识别结果，变道识别结果用于表征变道过程是否处于安全状态。

Description

数据处理方法、装置、设备、自动驾驶车辆及介质

技术领域

本公开涉及人工智能技术领域，尤其涉及自动驾驶、车联网、智能交通、云服务、和高精地图等技术领域，尤其涉及用于自动驾驶车辆的数据处理方法、装置、电子设备、自动驾驶车辆、存储介质、以及程序产品。

背景技术

以自动驾驶模式运行的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航至各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。

变道行驶通常是响应于用于转向行驶的指令而进行的对应转向车道的行驶，或者是响应于用于绕开施工路段的指令而进行的变换车道行驶。然而，对于复杂的变道驾驶场景，会有很多动态障碍物发生突发行驶的情况，造成车辆无法安全地按照预定变道轨迹进行变道行驶。

发明内容

本公开提供了一种用于自动驾驶车辆的数据处理方法、装置、电子设备、自动驾驶车辆、存储介质以及程序产品。

根据本公开的一方面，提供了一种用于自动驾驶车辆的数据处理方法，包括：响应于确定车辆处于变道过程中，确定变道场景数据；基于上述变道场景数据，确定目标变道场景类别；基于上述目标变道场景类别，从上述变道场景数据中确定目标场景数据；以及基于上述目标场景数据，确定变道识别结果，其中，上述变道识别结果用于表征上述变道过程是否处于安全状态。

根据本公开的另一方面，提供了一种用于自动驾驶车辆的数据处理装置，包括：响应模块，用于响应于确定车辆处于变道过程中，确定变道场景数据；类别确定模块，用于基于上述变道场景数据，确定目标变道场景类别；数据确定模块，用于基于上述目标变道场景类别，从上述变道场景数据中确定目标场景数据；以及结果确定模块，用于基于上述目标场景数据，确定变道识别结果，其中，上述变道识别结果用于表征上述变道过程是否处于安全状态。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行如本公开的方法。

根据本公开的另一方面，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，上述计算机指令用于使上述计算机执行如本公开的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如本公开的方法。

根据本公开的另一方面，提供了一种自动驾驶车辆，包括如本公开上述的电子设备。

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

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开实施例的可以应用用于自动驾驶车辆的数据处理方法及装置的示例性系统架构；

图2示意性示出了根据本公开实施例的用于自动驾驶车辆的数据处理方法的应用场景图；

图3示意性示出了根据本公开实施例的用于自动驾驶车辆的数据处理方法的流程图；

图4示意性示出了根据本公开实施例的确定目标变道场景类别的流程示意图；

图5示意性示出了根据本公开实施例的用于自动驾驶车辆的数据处理方法的流程示意图；

图6示意性示出了根据本公开实施例的用于自动驾驶车辆的数据处理装置的框图；以及

图7示意性示出了根据本公开实施例的适于实现用于自动驾驶车辆的数据处理方法的电子设备的框图。

具体实施方式

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

本公开提供了一种用于自动驾驶车辆的数据处理方法、装置、电子设备、自动驾驶车辆、存储介质以及程序产品。

根据本公开的实施例，提供了一种用于自动驾驶车辆的数据处理方法，包括：响应于确定车辆处于变道过程中，确定变道场景数据；基于变道场景数据，确定目标变道场景类别；基于目标变道场景类别，从变道场景数据中确定目标场景数据；以及基于目标场景数据，确定变道识别结果，其中，变道识别结果用于表征变道过程是否处于安全状态。

在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

图1示意性示出了根据本公开实施例的可以应用用于自动驾驶车辆的数据处理方法及装置的示例性系统架构。

需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如，在另一实施例中，可以应用用于自动驾驶车辆的数据处理方法及装置的示例性系统架构可以包括自动驾驶车辆的车载终端，但车载终端可以无需与服务器进行交互，即可实现本公开实施例提供的用于自动驾驶车辆的数据处理方法及装置。

如图1所示，根据该实施例的系统架构100系统可以包括自动驾驶车辆101、网络102和服务器103。自动驾驶车辆101可以通过网络102通信地联接到一个或多个服务器103。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、例如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103可以是任何类型的服务器或服务器集群，例如，网络或云服务器、应用服务器、后端服务器或其组合。服务器可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。

自动驾驶车辆101可以是指配置成处于自动驾驶模式下运行的车辆。但是并不局限于此。自动驾驶车辆也可在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。

自动驾驶车辆101可以包括：车载终端、车辆控制模块、无线通信模块、用户接口模块、以及传感模块。自动驾驶车辆101还可以包括普通车辆中包括的常用部件，例如：发动机、车轮、方向盘、变速器等。常用部件可由车载终端和车辆控制模块使用多种通信指令进行控制，例如：加速指令、减速指令、转向指令、以及制动指令等。

自动驾驶车辆101中的各个模块可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。

传感模块可以包括但不限于一个或多个摄像机、全球定位系统(GPS)单元、惯性测量单元(IMU)、雷达单元、以及光探测和测距(LIDAR)单元。GPS单元可包括收发器，收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元可基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元可表示利用无线电信号来感测自动驾驶车辆的周围环境内的障碍物的系统。除感测障碍物之外，雷达单元可另外感测障碍物的速度和/或前进方向。LIDAR单元可使用激光来感测自动驾驶车辆所处环境中的障碍物。除其它部件之外LIDAR单元还可包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机可包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转或倾斜平台上。

传感模块还可包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可配置成感测方向盘、自动驾驶车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测自动驾驶车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可集成为集成式油门/制动传感器。

车辆控制模块可以包括但不限于转向单元、油门单元(也称为加速单元)和制动单元。转向单元用来调整自动驾驶车辆的方向或前进方向。油门单元用来控制电动机或发动机的速度，进而控制自动驾驶车辆的速度和加速度。制动单元通过提供摩擦使自动驾驶车辆的车轮或轮胎减速而使自动驾驶车辆减速。

无线通信模块允许自动驾驶车辆与例如装置、传感器、其它车辆等外部模块之间的通信。例如，无线通信模块可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，例如，通过网络与服务器通信。无线通信模块可使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或模块通信。用户接口模块可以是在自动驾驶车辆内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。

自动驾驶车辆101的功能中的一些或全部可由车载终端控制或管理，尤其在自动驾驶模式下操作时。车载终端包括必要的硬件(例如，处理器、存储器、存储装置)和软件(例如，操作系统、规划和路线安排程序)，以从传感模块、控制模块、无线通信模块和/或用户接口模块接收信息，处理所接收的信息，并生成用于控制自动驾驶车辆的指令。可替代地，车载终端可与控制模块集成在一起。

例如，作为乘客的用户可例如经由用户接口模块来指定行程的起始位置和目的地。车载终端获得行程相关数据。例如，车载终端可从MPOI服务器中获得位置和可行驶路径，MPOI服务器可以是服务器的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务。可替代地，此类位置和地图可本地高速缓存在车载终端的永久性存储装置中。

当自动驾驶车辆沿着可行驶路径移动时，车载终端也可从交通信息系统或服务器获得实时交通信息。服务器可由第三方实体进行操作。服务器的功能可与车载终端集成在一起。基于实时交通信息、和位置信息以及由传感模块检测或感测的实时本地环境数据，车载终端可规划最佳路径并且根据所规划的最佳路径例如经由控制模块控制自动驾驶车辆，以安全且高效到达指定目的地。

应该理解，图1中的自动驾驶车辆、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的自动驾驶车辆、网络和服务器。

应注意，以下方法中各个操作的序号仅作为该操作的表示以便描述，而不应被看作表示该各个操作的执行顺序。除非明确指出，否则该方法不需要完全按照所示顺序来执行。

图2示意性示出了根据本公开实施例的用于自动驾驶车辆的数据处理方法的应用场景图。

如图2所示，车辆(即自动驾驶车辆，以下简称车辆)ADC201行驶第一车道上，开始由第一车道向第二车道变道。处于第一车道的、且位于车辆ADC201后方的障碍物OBS201也开始由第一车道向第二车道变道。处于第二车道的、且位于车辆ADC201左后方的障碍物OBS202突然沿道路行驶方向加速行驶。处于第三车道的、且与车辆ADC201并排的障碍物OBS203，开始由第三车道向第二车道变道。

在变道过程中，针对上述复杂的变道场景，需要确定控制车辆ADC1例如按照行驶至初始车道的策略还是按照预定变道轨迹变道的策略行驶，以提高驾驶安全，降低碰撞风险。

根据本公开的实施例，车辆上的车载终端或者与车载终端相通信联接的服务器利用本公开实施例提供的数据处理方法，能够接收来自传感模块的变道场景数据，根据变道场景数据例如交通情况、障碍物的数据、车辆数据等来确定例如变道过程是否处于安全状态的变道识别结果，并能够根据变道识别结果生成合理的变道策略，以此来提高车辆处于自动驾驶模式下的变道过程的智能性和灵活性。

图3示意性示出了根据本公开实施例的用于自动驾驶车辆的数据处理方法的流程图。

如图3所示，该方法包括操作S310～S340。

在操作S310，响应于确定车辆处于变道过程中，确定变道场景数据。

在操作S320，基于变道场景数据，确定目标变道场景类别。

在操作S330，基于目标变道场景类别，从变道场景数据中确定目标场景数据。

在操作S340，基于目标场景数据，确定变道识别结果。变道识别结果用于表征变道过程是否处于安全状态。

根据本公开的实施例，变道场景数据可以包括以下至少一项：与变道相关的障碍物的数据、车辆数据、场景数据、以及道路交通规则数据。

根据本公开的实施例，与变道相关的障碍物的数据可以包括：障碍物的大小、障碍物的行驶速度、障碍物的行驶方向、以及障碍物的行驶加速度等状态数据和属性数据。

根据本公开的实施例，车辆数据可以包括：车辆的大小、车辆的行驶速度、车辆的行驶方向、车辆的行驶驾驶度等状态数据和属性数据。

根据本公开的实施例，场景数据可以包括：天气、可见度、道路泥泞程度、交通拥堵情况、施工情况等客观的行驶场景数据。

根据本公开的实施例，道路交通规则数据可以包括：限速规则、不可逆行规则、不可跨实线变道规则等主观的行驶规则数据。

根据本公开的实施例，目标变道场景类别可以指在车辆变道过程中，与周围障碍物所形成的交通场景的场景类别。例如，车辆与并行的障碍物同时变道的场景类别、车辆后方的障碍物与车辆同时变道的场景类别、障碍物突然加速的场景类别等。但是并不局限于此。目标变道场景类别还可以指在车辆变道过程中，车辆周围障碍物与车辆之间的相对位置关系。例如，车辆的前方、后方、左侧、右侧中的一个方位或多个方位具有障碍物的场景类别。

根据本公开的实施例，可以基于变道场景数据，确定目标变道场景类别。例如，根据变道场景数据，确定车辆周围的障碍物的障碍物数据，例如障碍物是否为动态障碍物，障碍物与车辆之间的相对位置、动态障碍物的预定轨迹等。

根据本公开的实施例，目标场景数据可以是指变道场景数据中的一部分数据，可以基于目标变道场景类别，从变道场景数据中确定目标场景数据。

例如，可以基于目标变道场景类别，来利用不同的处理模型或者决策规则来进行数据处理，进而从变道场景数据中提取与目标变道场景类别相匹配的目标场景数据。

例如，目标变道场景类别为车辆的侧向具有障碍物的场景类别，车辆与障碍物之间有可能为同时变道的交互关系，存在交叉碰撞的风险，因此，目标场景数据中可以包括用于确定车辆的预定变道轨迹的数据以及用于确定障碍物的预定轨迹的数据。还例如，目标变道场景类别为车辆后方有障碍物行驶的场景类别。目标场景数据可以包括用于确定车辆的行驶速度与障碍物的行驶速度之间的差值的数据。

利用本公开实施例提供的用于自动驾驶车辆的数据处理方法，可以通过变道场景数据来确定目标变道场景类别，可以基于目标变道场景类别，采用不同的驾驶决策或者处理模型来进行处理，使得分析更为精准、有针对性、且细致。进一步地，基于目标变道场景类别，可以从变道场景数据中确定目标场景数据，进而基于目标场景数据来确定变道识别结果。以此将复杂多变的变道场景数据进行简化处理，在提高处理效率的同时、提高最终变道识别结果的识别精度。

根据本公开的实施例，针对操作S320，基于变道场景数据，确定目标变道场景类别，可以包括：从多个模板变道场景数据中确定与变道场景数据相匹配的目标模板变道场景数据。基于模板变道场景数据与变道场景类别之间的映射关系，确定与目标模板变道场景数据相匹配的目标变道场景类别。

根据本公开的其他实施例，针对操作S320，基于变道场景数据，确定目标变道场景类别，还可以包括：将变道场景数据输入至场景类别识别模型中，得到目标变道场景类别。场景类别识别模型的网络结构不做限定，只要是能够基于变道场景数据来得到目标变道场景类别的深度学习模型即可。

图4示意性示出了根据本公开实施例的确定目标变道场景类别的流程示意图。

如图4中的模板变道场景所示，可以根据车辆ADC401与障碍物之间的障碍物相对位置，预先对变道场景进行变道场景类别划分，得到多个模板变道场景类别。例如车辆ADC401周围包括障碍物OBS401～OBS411中的一个或多个的变道场景类别。障碍物OBS401、OBS402、OBS403、OBS404为车辆ADC401的前向障碍物，障碍物OBS405、OBS406、OBS407为车辆ADC401的侧向障碍物，障碍物OBS408、OBS409、OBS410、OBS411为车辆ADC401的后向障碍物。确定与变道场景类别相对应的模板变道场景数据，建立变道场景类别和与变道场景类别相对应的模板变道场景数据之间的映射关系。

如图4中的变道场景所示，基于变道场景数据，确定车辆ADC402，例如处于当前变道运行状态的车辆，周围的障碍物包括前向障碍物OBS412、OBS413、OBS414，后向障碍物OBS415、OBS416，侧向障碍物OBS417。可以基于变道场景数据与多个模板变道场景数据进行一一比对，从多个模板变道场景数据中确定目标模板变道场景数据。例如，根据障碍物与车辆之间的障碍物相对位置来确定目标模板变道场景数据。根据模板变道场景数据和变道场景类别之间的映射关系，确定目标变道场景类别。

根据本公开的实施例，可以基于预先划分的车辆与周围障碍物之间的障碍物相对位置来确定变道场景类别，实现根据障碍物相对位置对变道场景进行精细划分，使得障碍物与车辆之间的关系更为明确、细粒度，可以对不同障碍物采取不同的处理模型或者决策规则来进行分析，进而能够更为准确的把握车辆与障碍物之间是否有碰撞的风险。

根据本公开的实施例，可以基于目标变道场景类别，从变道场景数据中确定障碍物的障碍物轨迹。在确定障碍物的障碍物轨迹和车辆的预定变道轨迹之间的关系满足预定障碍物判别关系的情况下，将障碍物作为目标障碍物。从变道场景数据中确定与目标障碍物相关的数据，作为目标场景数据。在确定障碍物的障碍物轨迹和车辆的预定变道轨迹之间的关系不满足预定障碍物判别关系的情况下，可以停止对该障碍物的数据处理操作。例如，可以将变道场景数据中的与该障碍物相关的数据删除。

根据本公开的实施例，预定障碍物判别关系可以指：预定碰撞关系，或者预定轨迹相交关系。

例如，车辆处于变道过程，位于车辆正后方的障碍物处于直行状态，则车辆的预定变道轨迹与处于车辆正后方的障碍物的障碍物轨迹之间不存在相交关系，则车辆的预定变道轨迹与处于车辆正后方的障碍物的障碍物轨迹之间的关系不满足预定障碍物判别关系，该障碍物为非目标障碍物。

例如，车辆处于变道过程，位于车辆正后方的障碍物也处于变道过程，且目标车道相同。则车辆的预定变道轨迹与处于车辆正后方的障碍物的障碍物轨迹之间有可能存在相交关系，则车辆的预定变道轨迹与处于车辆正后方的障碍物的障碍物轨迹之间的关系满足预定障碍物判别关系，该障碍物为目标障碍物。

根据本公开的实施例，可以基于变道场景数据中的车辆与障碍物之间的障碍物相对位置，确定目标变道场景类别，实现对车辆的变道场景的初步认识。基于目标变道场景类别，确定变道场景数据中的车辆的预定变道轨迹与障碍物的障碍物轨迹之间的关系，从多个障碍物之中确定目标障碍物，实现对车辆的变道场景的精细认识。基于目标障碍物，从变道场景数据中筛选得到目标场景数据，进而实现对变道场景的精准认识。由此，可以通过逐级筛选的方式，对复杂、多变的变道场景进行简易、且精准地分析。

根据本公开的实施例，针对操作S340，基于目标场景数据，确定变道识别结果，可以包括：确定与目标变道场景类别相匹配的预定安全变道条件。基于目标场景数据和预定安全变道条件，确定变道识别结果。

根据本公开的实施例，在确定目标场景数据满足预定安全变道条件的情况下，确定第一变道识别结果。第一变道识别结果用于表征变道过程处于安全状态。在确定目标场景数据不满足目标预定安全变道条件的情况下，确定第二变道识别结果。第二变道识别结果用于表征所述变道过程处于不安全状态。

根据本公开的实施例，预定安全变道条件，可以根据目标变道场景类别来预先设定。预定安全变道条件可以用于作为变道过程是否处于安全状态的标准条件。目标场景数据满足预定安全变道条件，则变道过程处于安全状态，反之，则变道过程处于不安全状态。

例如，目标变道场景类别为车辆后方有障碍物变道行驶的变道场景类别，预定安全变道条件可以包括两者之间的相对行驶速度大于或者等于预定行驶速度阈值。还例如，目标变道场景类别为车辆与障碍物同时向同一车道变道的变道场景类别。预定安全变道条件可以包括两者之间的相对距离大于或者等于预定距离阈值，或者两者之间的相对距离大于或者等于预定距离阈值，且相对行驶速度大于或者等于预定行驶速度阈值。

例如，目标变道场景类别为障碍物位于车辆的侧向的场景类别。预定安全变道条件可以包括两者之间的相对距离大于或者等于预定距离阈值。沿着行驶方向，车辆与障碍物之间存在负值的纵向相对距离，小于预定距离阈值。例如在障碍物相对车辆位置靠前的情况下，则目标场景数据不满足预定安全变道条件，车辆的变道策略可以包括避障变道的策略，例如让路。在障碍物相对车辆位置靠后的情况下，车辆与障碍物之间存在正值的纵向相对距离，大于预定距离阈值。则目标场景数据满足预定安全变道条件，车辆的变道策略可以包括按照预定变道轨迹变道的策略，例如超车。在障碍物位于车辆的侧向，且障碍物与车辆位置平齐的情况下，预定安全变道条件还包括相对行驶速度，例如，车辆行驶速度相对障碍物行驶速度更快或者相当的情况下，相对行驶速度大于或者等于预定行驶速度阈值，则目标场景数据满足预定安全变道条件，车辆的变道策略可以包括按照预定变道轨迹变道的策略，例如超车。车辆行驶速度相对障碍物行驶速度更慢的情况下，相对行驶速度小于预定行驶速度阈值，则目标场景数据不满足预定安全变道条件，车辆的变道策略可以包括避障变道的策略，例如让路。

根据本公开的实施例，利用目标变道数据以及预定安全变道条件，可以使得变道更为安全、智能。

根据本公开的其他实施例，还可以对目标变道数据进行修正，以使得变道识别结果与实际更为贴合，对实际变道风险把控的更为精准、有效。

例如，基于目标场景数据，确定预定时间段内的车辆与目标障碍物之间的相对距离变化。对相对距离变化进行修正，得到修正后的距离变化。基于修正后的距离变化和预定安全变道条件，确定变道识别结果。

根据本公开的实施例，可以通过如下公式来对相对距离进行修正。

其中，Δv表示相对行驶速度变化，s[t[i]]表示t[i]时刻车辆与障碍物之间的相对距离，s[t[i-1]]表示t[i-1]时刻车辆与障碍物之间的相对距离。

bias＝w_t*Δv；公式(2)

其中，bias表示速度偏置，w_t表示权重。

new_acc＝acc-bias；公式(3)

其中，new_acc表示障碍物的修正后的加速度，acc表示障碍物的初始加速度。

根据本公开的实施例，可以根据修正后的加速度，通过线性外推的计算方式，确定障碍物与车辆之间的修正后的相对距离变化。可以针对主车在障碍物前方，障碍物的加速度相对于车辆的加速度更大的变道场景，在难以及时预测障碍物的障碍物轨迹的情况下，通过对车辆与障碍物之间的相对距离变化进行修正来提高障碍物轨迹的预测精度，提高变道识别结果的识别精度，进而保证变道过程的安全性。

图5示意性示出了根据本公开实施例的用于自动驾驶车辆的数据处理方法的流程示意图。

如图5中的第一变道场景所示，车载终端可以响应于变道指令，执行变道准备阶段的操作，例如，获取场景数据，根据场景数据确定目标车道的变道汇入口，例如第一障碍物OBS501和第二障碍物OBS502之间的汇入口。根据车辆ADC501所在位置和目标车道的变道汇入口，确定预定变道轨迹。

如图5中的第二变道场景所示，车载终端控制车辆ADC501按照预定变道轨迹变道行驶。在变道行驶的过程中，车载终端通过传感模块获取变道场景数据，并根据变道场景数据确定目标变道场景类别，例如车辆ADC501后方具有第二障碍物OBS502、且车辆ADC501前方具有第一障碍物OBS501的目标变道场景类别。可以基于目标变道场景类别，从变道场景数据中确定第二障碍物OBS502突然加速，车辆ADC501的预定变道轨迹与第二障碍物OBS502的障碍物轨迹之间的关系满足预定障碍物判别关系，将第二障碍物OBS502作为目标障碍物。将变道场景数据中的与目标障碍物相关的数据作为目标场景数据。基于目标场景数据，确定变道识别结果。并基于目标变道场景识别结果，生成变道策略。

如图5中的第三变道场景A所示，目标变道场景识别结果可以包括：按照预定变道轨迹继续变道，则会有碰撞风险，例如被障碍物追尾的碰撞风险。可以生成行驶至初始车道的策略。

如图5中的第三变道场景B-1所示，目标变道场景识别结果可以包括：按照预定变道轨迹继续变道，则会有碰撞风险，例如被障碍物追尾的碰撞风险。可以生成避障变道的策略。例如，在变道的过程中，生成横纵向配合的避障变道策略，以使得在避让后方突然加速的第二障碍物OBS502的同时，处于变道过程中。如图5中的第三变道场景B-2所示，在确定第二障碍物OBS502已行驶至车辆前方，风险解除的情况下，可以更新预定变道轨迹，按照更新后的预定变道轨迹行驶，最终完成变道任务。

如图5中的第三变道场景C所示，目标变道场景识别结果可以包括：按照预定变道轨迹继续变道，无碰撞风险，例如第二障碍物OBS502与车辆ADC501之间的距离足够大，即使后方第二障碍物OBS502突然加速，也处于安全变道状态。可以生成按照预定变道轨迹变道的策略，按照预定变道轨迹变道行驶，最终完成变道任务。

图6示意性示出了根据本公开实施例的用于自动驾驶车辆的数据处理装置的框图。

如图6所示，用于自动驾驶车辆的数据处理装置600包括：响应模块610、类别确定模块620、数据确定模块630、以及结果确定模块640。

响应模块610，用于响应于确定车辆处于变道过程中，确定变道场景数据。

类别确定模块620，用于基于变道场景数据，确定目标变道场景类别。

数据确定模块630，用于基于目标变道场景类别，从变道场景数据中确定目标场景数据。

结果确定模块640，用于基于目标场景数据，确定变道识别结果，其中，变道识别结果用于表征变道过程是否处于安全状态。

根据本公开的实施例，类别确定模块包括：模板确定单元、类别确定单元。

模板确定单元，用于从多个模板变道场景数据中确定与变道场景数据相匹配的目标模板变道场景数据。

类别确定单元，用于基于模板变道场景数据与变道场景类别之间的映射关系，确定与目标模板变道场景数据相匹配的目标变道场景类别。

根据本公开的实施例，模板确定单元包括：第一确定子单元、第二确定子单元。

第一确定子单元，用于基于变道场景数据，确定车辆周围的障碍物、和障碍物与车辆之间的障碍物相对位置。

第二确定子单元，用于从多个模板变道场景数据中确定与障碍物相对位置相匹配的目标模板变道场景数据。

根据本公开的实施例，数据确定模块包括：轨迹确定单元、关系确定单元、数据确定单元。

轨迹确定单元，用于基于目标变道场景类别，从变道场景数据中确定障碍物的障碍物轨迹。

关系确定单元，用于在确定障碍物的障碍物轨迹和车辆的预定变道轨迹之间的关系满足预定障碍物判别关系的情况下，将障碍物作为目标障碍物。

数据确定单元，用于从变道场景数据中确定与目标障碍物相关的数据，作为目标场景数据。

根据本公开的实施例，结果确定模块包括：条件确定单元、结果确定单元。

条件确定单元，用于确定与目标变道场景类别相匹配的预定安全变道条件。

结果确定单元，用于基于目标场景数据和预定安全变道条件，确定变道识别结果。

根据本公开的实施例，结果确定单元包括：速度确定子单元、距离修正子单元、结果确定子单元。

速度确定子单元，用于基于目标场景数据，确定预定时间段内的车辆与目标障碍物之间的相对距离变化。

距离修正子单元，用于对相对距离变化进行修正，得到修正后的距离变化。

结果确定子单元，用于基于修正后的距离变化和预定安全变道条件，确定变道识别结果。

根据本公开的实施例，用于自动驾驶车辆的数据处理装置还包括，在结果确定模块之后：生成模块。

生成模块，用于基于变道识别结果，生成变道策略。

根据本公开的实施例，变道策略包括以下至少一项：行驶至初始车道的策略、按照预定变道轨迹变道的策略、避障变道的策略。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质、一种自动驾驶车辆和一种计算机程序产品。

根据本公开的实施例，一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例的方法。

根据本公开的实施例，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，计算机指令用于使计算机执行如本公开实施例的方法。

根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开实施例的方法。

根据本公开的实施例，一种配置有上述电子设备的自动驾驶车辆，配置的电子设备可在其处理器执行时能够实现上述实施例所描述的用于自动驾驶车辆的数据处理方法。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如用于自动驾驶车辆的数据处理方法。例如，在一些实施例中，用于自动驾驶车辆的数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的用于自动驾驶车辆的数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于自动驾驶车辆的数据处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。

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

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

Claims (18)

1.一种用于自动驾驶车辆的数据处理方法，包括：

响应于确定车辆处于变道过程中，确定变道场景数据；

基于所述变道场景数据，确定目标变道场景类别；

基于所述目标变道场景类别，从所述变道场景数据中确定目标场景数据；以及

基于所述目标场景数据，确定变道识别结果，其中，所述变道识别结果用于表征所述变道过程是否处于安全状态。

2.根据权利要求1所述的方法，其中，所述基于所述变道场景数据，确定目标变道场景类别，包括：

从多个模板变道场景数据中确定与所述变道场景数据相匹配的目标模板变道场景数据；以及

基于模板变道场景数据与变道场景类别之间的映射关系，确定与所述目标模板变道场景数据相匹配的所述目标变道场景类别。

3.根据权利要求2所述的方法，其中，所述从多个模板变道场景数据中确定与所述变道场景数据相匹配的目标模板变道场景数据，包括：

基于所述变道场景数据，确定车辆周围的障碍物、和所述障碍物与所述车辆之间的障碍物相对位置；以及

从所述多个模板变道场景数据中确定与所述障碍物相对位置相匹配的目标模板变道场景数据。

4.根据权利要求2或3所述的方法，其中，所述基于所述目标变道场景类别，从所述变道场景数据中确定目标场景数据，包括：

基于所述目标变道场景类别，从所述变道场景数据中确定所述障碍物的障碍物轨迹；

在确定所述障碍物的障碍物轨迹和所述车辆的预定变道轨迹之间的关系满足预定障碍物判别关系的情况下，将所述障碍物作为目标障碍物；以及

从所述变道场景数据中确定与所述目标障碍物相关的数据，作为所述目标场景数据。

5.根据权利要求4所述的方法，其中，所述基于所述目标场景数据，确定变道识别结果，包括：

确定与所述目标变道场景类别相匹配的预定安全变道条件；以及

基于所述目标场景数据和所述预定安全变道条件，确定所述变道识别结果。

6.根据权利要求5所述的方法，其中，所述基于所述目标场景数据和所述预定安全变道条件，确定所述变道识别结果，包括：

基于所述目标场景数据，确定预定时间段内的所述车辆与所述目标障碍物之间的相对距离变化；

对所述相对距离变化进行修正，得到修正后的距离变化；以及

基于所述修正后的距离变化和所述预定安全变道条件，确定所述变道识别结果。

7.根据权利要求1至6中任一项所述的方法，还包括，在所述基于所述目标场景数据，确定变道识别结果之后：

基于所述变道识别结果，生成变道策略，

其中，所述变道策略包括以下至少一项：

行驶至初始车道的策略、按照预定变道轨迹变道的策略、避障变道的策略。

8.一种用于自动驾驶车辆的数据处理装置，包括：

响应模块，用于响应于确定车辆处于变道过程中，确定变道场景数据；

类别确定模块，用于基于所述变道场景数据，确定目标变道场景类别；

数据确定模块，用于基于所述目标变道场景类别，从所述变道场景数据中确定目标场景数据；以及

结果确定模块，用于基于所述目标场景数据，确定变道识别结果，其中，所述变道识别结果用于表征所述变道过程是否处于安全状态。

9.根据权利要求8所述的装置，其中，所述类别确定模块包括：

模板确定单元，用于从多个模板变道场景数据中确定与所述变道场景数据相匹配的目标模板变道场景数据；以及

类别确定单元，用于基于模板变道场景数据与变道场景类别之间的映射关系，确定与所述目标模板变道场景数据相匹配的所述目标变道场景类别。

10.根据权利要求9所述的装置，其中，所述模板确定单元包括：

第一确定子单元，用于基于所述变道场景数据，确定车辆周围的障碍物、和所述障碍物与所述车辆之间的障碍物相对位置；以及

第二确定子单元，用于从所述多个模板变道场景数据中确定与所述障碍物相对位置相匹配的目标模板变道场景数据。

11.根据权利要求9或10所述的装置，其中，所述数据确定模块包括：

轨迹确定单元，用于基于所述目标变道场景类别，从所述变道场景数据中确定所述障碍物的障碍物轨迹；

关系确定单元，用于在确定所述障碍物的障碍物轨迹和所述车辆的预定变道轨迹之间的关系满足预定障碍物判别关系的情况下，将所述障碍物作为目标障碍物；以及

数据确定单元，用于从所述变道场景数据中确定与所述目标障碍物相关的数据，作为所述目标场景数据。

12.根据权利要求11所述的装置，其中，所述结果确定模块包括：

条件确定单元，用于确定与所述目标变道场景类别相匹配的预定安全变道条件；以及

结果确定单元，用于基于所述目标场景数据和所述预定安全变道条件，确定所述变道识别结果。

13.根据权利要求12所述的装置，其中，所述结果确定单元包括：

速度确定子单元，用于基于所述目标场景数据，确定预定时间段内的所述车辆与所述目标障碍物之间的相对距离变化；

距离修正子单元，用于对所述相对距离变化进行修正，得到修正后的距离变化；以及

结果确定子单元，用于基于所述修正后的距离变化和所述预定安全变道条件，确定所述变道识别结果。

14.根据权利要求8至13中任一项所述的装置，还包括，在所述结果确定模块之后：

生成模块，用于基于所述变道识别结果，生成变道策略，

其中，所述变道策略包括以下至少一项：

行驶至初始车道的策略、按照预定变道轨迹变道的策略、避障变道的策略。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至7中任一项所述的方法。

17.一种计算机程序产品，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至7中任一项所述的方法。

18.一种自动驾驶车辆，包括：如权利要求15所述的电子设备。

Images