CN115092177B - 一种无人驾驶车辆匝道目标场景的id分配方法及存储介质 - Google Patents

一种无人驾驶车辆匝道目标场景的id分配方法及存储介质 Download PDF

Info

Publication number
CN115092177B
CN115092177B CN202210715115.3A CN202210715115A CN115092177B CN 115092177 B CN115092177 B CN 115092177B CN 202210715115 A CN202210715115 A CN 202210715115A CN 115092177 B CN115092177 B CN 115092177B
Authority
CN
China
Prior art keywords
target
ramp
vehicle
lane
scene
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
Application number
CN202210715115.3A
Other languages
English (en)
Other versions
CN115092177A (zh
Inventor
徐榕
邱利宏
王晟
汪哲文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202210715115.3A priority Critical patent/CN115092177B/zh
Publication of CN115092177A publication Critical patent/CN115092177A/zh
Application granted granted Critical
Publication of CN115092177B publication Critical patent/CN115092177B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种无人驾驶车辆匝道目标场景的ID分配方法及存储介质。所述方法包括以下步骤，获取自动驾驶的场景信息、目标信息以及地图信息；对场景信息和目标信息进行预处理；确定本车当前所处的行车场景；将目标分为主路目标和匝道目标；确定感兴趣车道及车道线的有效标志位，以及本车周围目标所在车道；为主路目标和匝道目标分配场景ID。本发明能够有效避免匝道场景下的交通事故，并使自动驾驶系统在匝道场景避免碰撞的情况下能够控制得更加平顺。

Description

一种无人驾驶车辆匝道目标场景的ID分配方法及存储介质
技术领域
本发明涉及自动驾驶技术领域，具体涉及一种无人驾驶车辆匝道目标场景的ID分配方法及存储介质。
背景技术
当前工程应用领域，无人驾驶车辆决策控制大多仅针对本车前方目标车辆或者本车侧前方切入目标的跟车控制，鲜有对匝道路口对本车行驶轨迹有影响的目标进行控制策略。但在实际结构化道路行驶过程中，匝道场景为常见的场景，若该场景下自动驾驶不能准确选择目标导致功能失效，则会使得自动驾驶过程中接管次数影响驾驶体验。
为了使自动驾驶能够适用于更多的场景，有效避免匝道场景下的交通事故，设计匝道场景下的目标选择就显得尤为重要。
发明内容
针对现有技术存在的上述不足，本发明的目的在于解决现有自动驾驶场景中缺少对匝道路口场景下的目标选择的问题，提供一种无人驾驶车辆匝道目标场景的ID分配方法及存储介质，能够有效避免匝道场景下的交通事故，并使自动驾驶系统在匝道场景避免碰撞的情况下能够控制得更加平顺。
为了解决上述技术问题，本发明采用如下技术方案：
一种无人驾驶车辆匝道目标场景的ID分配方法，包括以下步骤，
获取自动驾驶的场景信息、目标信息以及地图信息；
对场景信息和目标信息进行预处理；
基于地图信息以及预处理后的场景信息和目标信息，确定本车当前所处的行车场景；
基于地图信息拟合主路和匝道口分界线，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标；
根据地图信息获取本车当前位置车道总数及本车当前所处车道，确定感兴趣车道及车道线的有效标志位，以及本车周围目标所在车道；
为主路目标和匝道目标分配场景ID，其中，对主路目标根据同一车道内目标纵向与本车的位置关系分配场景ID；对匝道目标，与本车纵向最小的车道为匝道第一条车道，并将该条车道上的目标按照距离本车距离的远近关系由小到大依次排序，匝道其余车道以此类推分配场景ID。
进一步，所述场景信息包括车辆所处位置是主车道或匝道，主车道或匝道车道数量；
所述目标信息包括目标与本车的横向距离、纵向距离、航向角、目标车尺寸；
所述地图信息包括左右两侧路沿点迹，前方一定距离范围内匝道是否存在、匝道类型、导航信息表示的本车是否进入匝道，以及当前位置车道总数、本车所在车道。
进一步，对场景信息和目标信息进行预处理包括，筛除目标信息中不符合场景或者可信度过低的目标；删除场景中不稳定或者横纵向位置不符合场景的目标，以及目标大小不符合实际的目标。
进一步，所述行车场景包括，本车在主路正常行驶，本车在中间车道经过分流匝道口，本车在最近匝道口侧经过分流匝道、本车在最近匝道口侧准备进入分流匝道、本车在中间车道经过汇流匝道、本车在最近匝道口侧经过汇流匝道、本车在匝道正常行驶、本车在匝道口准备汇入主路。
进一步，基于地图信息拟合主路和匝道口分界线，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标包括，
从地图信息中提取路沿点迹或车道线点迹，选取能表征主路和匝道口分界的点迹并拟合，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标。
进一步，确定感兴趣车道及车道线的有效标志位以及本车周围目标所在车道包括，
根据地图信息获取本车当前位置车道总数及本车当前所处车道，所述感兴趣车道包括本车当前所处车道及左右两侧各两条车道；其中，当本车处于最左侧车道时仅关注本车当前所处车道及右侧两条车道；
车道线有效标志位用最小二乘法拟合车道线点迹，得车道线三次曲线方程为：Y＝A0+ A1*X+A2*X^2+A3*X^3；其中，X表示车道线上点的纵坐标，Y表示车道线上点的横坐标；
将目标的横向坐标与车道线有效标志位进行对比，确定本车周围目标所在车道。
进一步，将目标的横向坐标与车道线有效标志位进行对比，确定本车周围目标所在车道包括，
当目标的横向坐标位于两车道线之间时，则目标位于该两车道线之间的车道；
当目标的横向坐标位于一车道线上侧时，根据目标车辆相对本车的横纵向距离、航向角、目标车尺寸计算目标垂直投影落在不同车道的面积占比，再根据本车横向车速方向设置不同百分比阈值，当投影面积落在更近车道的百分比超过阈值时，将目标分配在距离本车更近的车道，否则分配在远离本车的车道；距离本车较近车道的占比为： 其中，S1为距离本车较近车道中的投影面积，S2为距离本车较远车道的投影面积。
进一步，所述本车周围目标所在车道包括，左左车道、左车道、本车道、右车道、右右车道、匝道上。
本发明还提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行所述的无人驾驶车辆匝道目标场景的ID分配方法的步骤。
与现有技术相比，本发明具有如下有益效果：
采用本发明提供的无人驾驶车辆匝道目标场景的ID分配方法，能够根据数据还原真实的场景、快速筛选感兴趣的目标，便于针对不同ID的目标进行不同的控制策略，能够有效避免匝道场景下的交通事故，并使自动驾驶系统在匝道场景避免碰撞的情况下能够控制得更加平顺。
附图说明
图1为本发明一种无人驾驶车辆匝道目标场景的ID分配方法的流程图。
图2为本发明一种无人驾驶车辆匝道目标场景的ID分配方法中目标类型分类示意图。
图3为本发明一种无人驾驶车辆匝道目标场景的ID分配方法中本车及车道线示意图。
图4为本发明一种无人驾驶车辆匝道目标场景的ID分配方法中目标车辆车道分配示意图。
具体实施方式
下面将结合附图及实施例对本发明作进一步说明。
实施例一
本实施例公开一种无人驾驶车辆匝道目标场景的ID分配方法。
一种无人驾驶车辆匝道目标场景的ID分配方法，参见图1，包括以下步骤，
获取自动驾驶的场景信息、目标信息以及地图信息。
对场景信息和目标信息进行预处理。
基于地图信息以及预处理后的场景信息和目标信息，确定本车当前所处的行车场景。
基于地图信息拟合主路和匝道口分界线，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标。
根据地图信息获取本车当前位置车道总数及本车当前所处车道，确定感兴趣车道及车道线的有效标志位，以及本车周围目标所在车道。
为主路目标和匝道目标分配场景ID，其中，对主路目标根据同一车道内目标纵向与本车的位置关系分配场景ID。对匝道目标，与本车纵向最小的车道为匝道第一条车道，并将该条车道上的目标按照距离本车距离的远近关系由小到大依次排序，匝道其余车道以此类推分配场景ID。
具体实施时，所述场景信息包括车辆所处位置是主车道或匝道，主车道或匝道车道数量。所述目标信息包括目标与本车的横向距离、纵向距离、航向角、目标车尺寸。所述地图信息包括左右两侧路沿点迹，前方一定距离范围内匝道是否存在、匝道类型、导航信息表示的本车是否进入匝道，以及当前位置车道总数、本车所在车道。实施时，关注的距离范围一般为前方两公里内。
对场景信息和目标信息进行预处理包括，筛除目标信息中不符合场景或者可信度过低的目标。删除场景中不稳定或者横纵向位置不符合场景的目标，以及目标大小不符合实际的目标。
所述行车场景包括，本车在主路正常行驶，本车在中间车道经过分流匝道口，本车在最近匝道口侧经过分流匝道、本车在最近匝道口侧准备进入分流匝道、本车在中间车道经过汇流匝道、本车在最近匝道口侧经过汇流匝道、本车在匝道正常行驶、本车在匝道口准备汇入主路。
具体实施时，基于地图信息拟合主路和匝道口分界线，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标包括，从地图信息中提取路沿点迹或车道线点迹，选取能表征主路和匝道口分界的点迹并拟合，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标。
进一步，确定感兴趣车道及车道线的有效标志位以及本车周围目标所在车道包括，
根据地图信息获取本车当前位置车道总数及本车当前所处车道，所述感兴趣车道包括本车当前所处车道及左右两侧各两条车道，具体包括，左左车道、左车道、本车道、右车道、右右车道、匝道上。一般默认关注本车道及左右两侧各两条车道。当本车处于最左侧车道时仅关注本车当前所处车道及右侧两条车道。
车道线有效标志位用最小二乘法拟合车道线点迹，得车道线三次曲线方程为：Y＝A0+ A1*X+A2*X^2+A3*X^3。其中，X表示车道线上点的纵坐标，Y表示车道线上点的横坐标。
将目标的横向坐标与车道线有效标志位进行对比，确定本车周围目标所在车道。具体包括，
当目标的横向坐标位于两车道线之间时，则目标位于该两车道线之间的车道。
当目标的横向坐标位于一车道线上侧时，根据目标车辆相对本车的横纵向距离、航向角、目标车尺寸计算目标垂直投影落在不同车道的面积占比，再根据本车横向车速方向设置不同百分比阈值，当投影面积落在更近车道的百分比超过阈值时，将目标分配在距离本车更近的车道，否则分配在远离本车的车道。距离本车较近车道的占比为： 其中，S1为距离本车较近车道中的投影面积，S2为距离本车较远车道的投影面积。
实施例二
为了进一步说明本发明无人驾驶车辆匝道目标场景的ID分配方法的实际效果，本实施例公开了一种基于实施例一实现的无人驾驶车辆匝道目标场景的ID分配方法及应用场景。
本实施例提供的无人驾驶车辆匝道目标场景的ID分配方法，包括：
1.接收来自传感的场景信息和目标信息，并进行预处理，包括筛除目标信息中不符合场景或者可信度过低的目标，例如删除场景中不稳定或者横纵向位置不符合场景，目标大小不符合实际的目标。
2.确定本车当前所处的行车环境并分类。根据地图输出信息，包括左右两侧路沿点迹，前方一定距离范围内匝道是否存在匝道类型、导航信息表示的本车是否进入匝道以及当前位置车道总数及本车所在车道等，将本车行驶环境分为本车在主路正常行驶，本车在中间车道经过分流匝道口，本车在最近匝道口侧经过分流匝道、本车在最近匝道口侧准备进入分流匝道、本车在中间车道经过汇流匝道、本车在最近匝道口侧经过汇流匝道、本车在匝道正常行驶、本车在匝道口准备汇入主路。
3.根据步骤2中区分出的不同场景，从地图输出的路沿点迹或者车道线点迹中选取能表征主路和匝道分界的点迹，并拟合，比较目标和分界线的相对位置关系，如图2所示，将目标分为主路目标和匝道目标。
4.根据地图输入的本车当前位置车道总数及本车当前所处车道ID，确定感兴趣车道，及车道线的有效标志位。包括左侧无关区域目标，左左车道内目标，左车道内目标，本车道内目标，右车道内目标，右右车道内目标，右侧无关区域内目标，匝道上目标。默认关注本车道及左右两侧各两条车道，如图3所示。当本车处于最左侧车道时仅关注本车道及右侧两条车道，仅左侧车道线，右车道线，右右车道线和右右右车道线有效标志位并用最小二乘法拟合车道线点迹，得车道线三次曲线方程为：
Y＝A0+A1*X+A2*X^2+A3*X^3。
5.如图4所示，再根据目标车辆相对横纵向距离，航向角，目标车尺寸计算车辆垂直投影落在不同车道的面积占比，S1为较近车道中的投影面积，S2为较远车道的投影面积，其中较近车道的占比为：
根据本车横向车速方向设置不同百分比阈值，当投影面积落在更近车道的百分比超过阈值时，将目标分配在离本车更近的车道，否则分配在远离本车的车道。
6.对主路上目标，根据同一车道内目标纵向与本车的位置关系，给目标分配场景ID。再参见图2，本车车道正前方第一个目标为RT1，RT1之前为RT2，左侧车道离本车最近，且半个车身超过本车车头的目标为RT3，RT3之后，但目标车头纵向超过本车车尾的目标为RT7，目标车头未超过本车车尾的目标为RT9。同理右侧车道目标分别为RT4,RT8,RT10。左左车道目标分别为RT23，RT27，RT39。右右车道目标分别为RT24，RT28，RT40。
对于匝道目标，认为纵向距离最小的车道为匝道第一条车道，并将该条车道上的目标按照距离本车距离的远近关系从RT101开始由小到大依次排序，第二条车道目标从RT201开始由小到大排序，以此类推。
实施例三
本实施例在实施例一的基础上，公开了一种存储介质。
一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行所述的无人驾驶车辆匝道目标场景的ID分配方法的步骤。计算机可读存储介质可以是U盘、硬盘或其他具有存储功能的设备。
如上所述，本发明的提醒系统不限于所述配置，其他可以实现本发明的实施例的系统均可落入本发明所保护的范围内。
最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种无人驾驶车辆匝道目标场景的ID分配方法，其特征在于，包括以下步骤，
获取自动驾驶的场景信息、目标信息以及地图信息；
对场景信息和目标信息进行预处理；
基于地图信息以及预处理后的场景信息和目标信息，确定本车当前所处的行车场景；
基于地图信息拟合主路和匝道口分界线，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标；
根据地图信息获取本车当前位置车道总数及本车当前所处车道，确定感兴趣车道及车道线的有效标志位，以及本车周围目标所在车道；
为主路目标和匝道目标分配场景ID，其中，对主路目标根据同一车道内目标纵向与本车的位置关系分配场景ID；对匝道目标，与本车纵向最小的车道为匝道第一条车道，并将该条车道上的目标按照距离本车距离的远近关系由小到大依次排序，匝道其余车道以此类推分配场景ID；
所述场景信息包括车辆所处位置是主车道或匝道，主车道或匝道车道数量；
所述目标信息包括目标与本车的横向距离、纵向距离、航向角、目标车尺寸；
所述地图信息包括左右两侧路沿点迹，前方一定距离范围内匝道是否存在、匝道类型、导航信息表示的本车是否进入匝道，以及当前位置车道总数、本车所在车道。
2.根据权利要求1所述的无人驾驶车辆匝道目标场景的ID分配方法，其特征在于，对场景信息和目标信息进行预处理包括，筛除目标信息中不符合场景或者可信度过低的目标；删除场景中不稳定或者横纵向位置不符合场景的目标，以及目标大小不符合实际的目标。
3.根据权利要求1所述的无人驾驶车辆匝道目标场景的ID分配方法，其特征在于，所述行车场景包括，本车在主路正常行驶，本车在中间车道经过分流匝道口，本车在最近匝道口侧经过分流匝道、本车在最近匝道口侧准备进入分流匝道、本车在中间车道经过汇流匝道、本车在最近匝道口侧经过汇流匝道、本车在匝道正常行驶、本车在匝道口准备汇入主路。
4.根据权利要求1所述的无人驾驶车辆匝道目标场景的ID分配方法，其特征在于，基于地图信息拟合主路和匝道口分界线，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标包括，
从地图信息中提取路沿点迹或车道线点迹，选取能表征主路和匝道口分界的点迹并拟合，比较目标和匝道口分界线的相对位置关系，将目标分为主路目标和匝道目标。
5.根据权利要求1所述的无人驾驶车辆匝道目标场景的ID分配方法，其特征在于，确定感兴趣车道及车道线的有效标志位以及本车周围目标所在车道包括，
根据地图信息获取本车当前位置车道总数及本车当前所处车道，所述感兴趣车道包括本车当前所处车道及左右两侧各两条车道；其中，当本车处于最左侧车道时仅关注本车当前所处车道及右侧两条车道；
车道线有效标志位用最小二乘法拟合车道线点迹，得车道线三次曲线方程为：Y = A0 +A1*X + A2* X^2 + A3* X^3；其中，X表示车道线上点的纵坐标，Y表示车道线上点的横坐标；
将目标的横向坐标与车道线有效标志位进行对比，确定本车周围目标所在车道。
6.根据权利要求5所述的无人驾驶车辆匝道目标场景的ID分配方法，其特征在于，将目标的横向坐标与车道线有效标志位进行对比，确定本车周围目标所在车道包括，
当目标的横向坐标位于两车道线之间时，则目标位于该两车道线之间的车道；
当目标的横向坐标位于一车道线上侧时，根据目标车辆相对本车的横纵向距离、航向角、目标车尺寸计算目标垂直投影落在不同车道的面积占比，再根据本车横向车速方向设置不同百分比阈值，当投影面积落在更近车道的百分比超过阈值时，将目标分配在距离本车更近的车道，否则分配在远离本车的车道；距离本车较近车道的占比为：，其中，S1为距离本车较近车道中的投影面积，S2为距离本车较远车道的投影面积。
7.根据权利要求5所述的无人驾驶车辆匝道目标场景的ID分配方法，其特征在于，所述本车周围目标所在车道包括，左左车道、左车道、本车道、右车道、右右车道、匝道上。
8.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行如权利要求1~7中任一项所述的无人驾驶车辆匝道目标场景的ID分配方法的步骤。
CN202210715115.3A 2022-06-22 2022-06-22 一种无人驾驶车辆匝道目标场景的id分配方法及存储介质 Active CN115092177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210715115.3A CN115092177B (zh) 2022-06-22 2022-06-22 一种无人驾驶车辆匝道目标场景的id分配方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210715115.3A CN115092177B (zh) 2022-06-22 2022-06-22 一种无人驾驶车辆匝道目标场景的id分配方法及存储介质

Publications (2)

Publication Number Publication Date
CN115092177A CN115092177A (zh) 2022-09-23
CN115092177B true CN115092177B (zh) 2024-06-25

Family

ID=83293730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210715115.3A Active CN115092177B (zh) 2022-06-22 2022-06-22 一种无人驾驶车辆匝道目标场景的id分配方法及存储介质

Country Status (1)

Country Link
CN (1) CN115092177B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113721599A (zh) * 2020-05-25 2021-11-30 华为技术有限公司 定位方法和定位装置
CN113990106A (zh) * 2021-11-10 2022-01-28 河海大学 一种高速公路车道分配系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6308233B2 (ja) * 2016-02-29 2018-04-11 トヨタ自動車株式会社 車両制御装置及び車両制御方法
CN107727411B (zh) * 2017-10-30 2019-09-27 青岛慧拓智能机器有限公司 一种自动驾驶车辆测评场景生成系统及方法
CN109272748B (zh) * 2018-09-06 2020-05-19 东南大学 车车通信结合辅助驾驶环境下匝道协同汇入方法及系统
CN110893858B (zh) * 2018-09-12 2021-11-09 华为技术有限公司 一种智能驾驶方法及智能驾驶系统
US11195030B2 (en) * 2018-09-14 2021-12-07 Honda Motor Co., Ltd. Scene classification
CN110361015B (zh) * 2018-09-30 2021-04-02 长城汽车股份有限公司 道路特征点提取方法及系统
DE102018008624A1 (de) * 2018-10-31 2020-04-30 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum samplingbasierten Planen möglicher Trajektorien für Kraftfahrzeuge
CN110488825B (zh) * 2019-08-19 2022-03-18 中国第一汽车股份有限公司 一种自动驾驶的匝道口识别方法及车辆
WO2022087879A1 (zh) * 2020-10-28 2022-05-05 华为技术有限公司 一种场景文件的获取方法以及装置
CN112416004B (zh) * 2020-11-19 2021-12-14 腾讯科技（深圳）有限公司 一种基于自动驾驶的控制方法、装置、车辆以及相关设备
CN112799964B (zh) * 2021-03-17 2021-08-10 中汽数据有限公司 测试场景生成方法、装置、设备和存储介质
CN113002544B (zh) * 2021-04-13 2022-04-22 知行汽车科技（苏州）有限公司 一种匝道汇入点轨迹规划方法
CN113276855B (zh) * 2021-05-08 2023-03-14 重庆长安汽车股份有限公司 一种稳定跟车系统及方法
CN114590260B (zh) * 2022-03-28 2024-07-09 智己汽车科技有限公司 一种上下匝道变道方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113721599A (zh) * 2020-05-25 2021-11-30 华为技术有限公司 定位方法和定位装置
CN113990106A (zh) * 2021-11-10 2022-01-28 河海大学 一种高速公路车道分配系统

Also Published As

Publication number Publication date
CN115092177A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN110675656B (zh) 一种基于瞬时风险识别的智能车辆换道预警方法
KR102295577B1 (ko) Ecu, 상기 ecu를 포함하는 무인 자율 주행 차량, 및 이의 주행 차로 판단 방법
CN109760675B (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
US20200262447A1 (en) Method, apparatus and server for real-time learning of travelling strategy of driverless vehicle
CN109634282A (zh) 自动驾驶车辆、方法和装置
CN111284493A (zh) 用于控制车辆行驶的装置和方法
CN102254439B (zh) 交通信号灯分配时长的获取方法及装置
US10740629B2 (en) Image processing system, image processing method, information processing device and recording medium
CN104157160B (zh) 车辆行驶控制方法、装置及车辆
CN110879399B (zh) 处理点云数据的方法、装置、车辆、电子设备和介质
JP2020042783A (ja) 無人運転車に基づく障害物分類方法、装置、機器及び記憶媒体
CN113421432A (zh) 交通限行信息检测方法、装置、电子设备和存储介质
WO2023197408A1 (zh) 车速控制模型训练样本的确定方法及装置
CN110458050B (zh) 基于车载视频的车辆切入检测方法及装置
CN112859062B (zh) 一种基于雷达的车辆排队长度检测方法及系统
CN112373474B (zh) 车道线融合及横向控制方法、系统、车辆及存储介质
US20210402992A1 (en) Apparatus and method for setting planned trajectory
US20210004011A1 (en) Device and method for determining u-turn strategy of autonomous vehicle
CN117576659A (zh) 交通路面处理状态检测系统
CN113619578A (zh) 一种车辆防碰撞方法、防碰撞系统和计算机可读存储介质
SE1550429A1 (en) Device and method for classification of road segment
CN115092177B (zh) 一种无人驾驶车辆匝道目标场景的id分配方法及存储介质
CN113740874A (zh) 一种道路边沿检测方法、电子设备及车辆
CN106710311A (zh) 船舶定线制警戒区水上交通冲突数据自动采集方法
US20200062252A1 (en) Method and apparatus for diagonal lane detection

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
GR01 Patent grant
GR01 Patent grant