CN115123297A - 车辆控制方法、装置、设备、车辆和存储介质 - Google Patents
车辆控制方法、装置、设备、车辆和存储介质 Download PDFInfo
- Publication number
- CN115123297A CN115123297A CN202210729760.0A CN202210729760A CN115123297A CN 115123297 A CN115123297 A CN 115123297A CN 202210729760 A CN202210729760 A CN 202210729760A CN 115123297 A CN115123297 A CN 115123297A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- traffic police
- instruction
- pedestrian
- 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
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
-
- 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
-
- 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
Abstract
本公开提供了一种车辆控制方法、装置、设备和存储介质,涉及人工智能技术领域,具体涉及自动驾驶、智能交通等技术领域。车辆控制方法包括:响应于交警产生的拦截指令,规划停车轨迹;基于所述停车轨迹,控制车辆停靠到所述停车轨迹对应的停靠位置,并保持停靠状态,直至获取到处理完毕指令;响应于所述处理完毕指令,控制所述车辆从所述停靠位置离开。本公开可以合理地应对交警拦截车辆的场景。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及自动驾驶、智能交通等技术领域,尤其涉及一种车辆控制方法、装置、设备、车辆和存储介质。
背景技术
自动驾驶车辆(Autonomous vehicles;Self-driving automobile)又称无人驾驶车辆、电脑驾驶车辆或轮式移动机器人,是一种通过计算平台实现无人驾驶的智能车辆。
由于自动驾驶车辆并未大规模应用,缺乏针对一些典型场景的应对方案。一些典型场景例如为交警拦截场景。
发明内容
本公开提供了一种自动驾驶系统、车辆及检测方法、装置、设备和存储介质。
根据本公开的一方面,提供了一种车辆控制方法,包括:响应于交警产生的拦截指令,规划停车轨迹;基于所述停车轨迹,控制车辆停靠到所述停车轨迹对应的停靠位置,并保持停靠状态,直至获取到处理完毕指令;响应于所述处理完毕指令,控制所述车辆从所述停靠位置离开。
根据本公开的另一方面,提供了一种车辆控制装置,包括:规划模块,用于响应于交警产生的拦截指令,规划停车轨迹;第一控制模块,用于基于所述停车轨迹,控制车辆停靠到所述停车轨迹对应的停靠位置,并保持停靠状态,直至获取到处理完毕指令;第二控制模块,用于响应于所述处理完毕指令,控制所述车辆从所述停靠位置离开。
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如上述任一方面的任一项所述的方法。
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,所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
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,所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
根据本公开的另一方面,提供了一种自动驾驶车辆,包括:如上述任一方面的任一项所述的电子设备。
根据本公开的技术方案,可以合理地应对交警拦截车辆的场景。
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是根据本公开第一实施例的示意图;
图2是本公开实施例对应的应用场景的示意图;
图3是根据本公开第二实施例的示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本公开第四实施例的示意图;
图6是用来实现本公开实施例的车辆控制方法的电子设备的示意图。
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。
以交警拦截场景为例,相关技术中,缺乏针对这一典型场景的应对方案。
为了合理地应对一些典型场景,本公开提供如下实施例。
图1是根据本公开第一实施例的示意图,本实施例提供一种车辆控制方法。如图1所述,本实施例提供的车辆控制方法包括:
101、响应于交警产生的拦截指令,规划停车轨迹。
102、基于所述停车轨迹,控制车辆停靠到所述停车轨迹对应的停靠位置,并保持停靠状态,直至获取到处理完毕指令。
103、响应于所述处理完毕指令,控制所述车辆从所述停靠位置离开。
本实施例提供的方法可以应用于自动驾驶场景,相应地,车辆是自动驾驶车辆。
停车可以具体为靠边停车,此时,车辆可以利用自身的规划系统,规划出从当前位置到停靠位置之间的停车轨迹。
车辆基于停车轨迹停靠到停靠位置后,保持停靠状态,即,保持静止状态,直至交警处理完毕。
车辆在获取到交警的处理完毕指令后,可以从停靠位置驶离,即,在交警处理完毕后,车辆可以继续之前的驾驶任务。
本实施例中,响应于交警产生的拦截指令,规划停车轨迹,基于停车轨迹停靠到停靠位置并保持停靠状态,直至获取到处理完毕指令,响应于处理完毕指令从停靠位置离开,可以合理地应对交警拦截车辆的场景。
为了更好地理解本公开实施例,对本公开实施例的应用场景进行说明。本实施例可以应用于自动驾驶场景。
自动驾驶车辆的自动驾驶功能可以通过自动驾驶系统实现。自动驾驶系统实现的自动驾驶级别目前可以分为L0~L5级别。其中,L0级驾驶表示无自动驾驶,即传统的驾驶员人工驾驶;L1级驾驶又称为辅助驾驶,包括定速巡航、自动泊车以及车道保持等基本功能;L2级驾驶又称为半自动驾驶,包括自动辅助驾驶,危险预判刹车等功能;L3级驾驶又称为有条件自动驾驶,与L2级相比,它可以在正常的路段下实现完全自动化驾驶,但是在一些紧急情况发生时,还是需要人工来进行辅助制动;L4级驾驶属于高度自动驾驶,汽车的整体制动性能以及反应能力已经达到了一个比较高的水准,驾驶员坐在汽车内部不用自己操控,而且汽车行驶比较平稳顺畅;L5级自动驾驶,它可以实现无条件的全自动驾驶技术,不管在任何情况下,都不用担心路况以及天气,实现全自动驾驶。
如图2所示,自动驾驶系统200的核心模块包括:高精地图(High Definition map,HD map)201、定位系统(localization)202、感知系统(Perception)203、预测系统(Prediction)204、全局导航系统(Routing)205、规划模块(Planning)206和控制模块(Control)207。
其中,高精地图201,也称自动驾驶地图、高分辨率地图,是面向自动驾驶汽车的一种新的地图数据范式。高精地图绝对位置精度接近1m相对位置精度在厘米级别,能够达到10-20cm。
定位系统202,可以基于定位装置和高精地图提供高精度(厘米级)定位服务。定位装置例如包括全球定位系统(Global Positioning System,GPS)、全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性导航系统(Inertial NavigationSystem,INS)中的一项或多项。
感知系统203,为自动驾驶车辆提供全方位的环境感知服务。具体可以包括:相机、激光雷达、毫米波雷达、超声波雷达等设备。
预测系统204,以感知系统的数据为输入,通过提取本车和/或障碍物历史运动参数,结合结合卡尔曼滤波、神经网络等手段,推理得到本车和/或障碍物未来时刻运动轨迹。预测的运动轨迹可以提供给规划系统。
全局导航系统205,用于根据车辆初始位置和目标位置,结合路网拓扑结构,通过全局路径搜索算法,得到符合性能评估指标的最优全局导航路径。
规划系统206,主要提供车辆避让障碍物、换道决策,路径规划、速度规划服务。
控制系统207,用于根据决策规划系统提供的驾驶轨迹,进行纵向和横向的跟踪控制。
控制系统207具体可以通过控制器局域网络(Controller Area Network,CAN)总线,控制车辆的底盘系统执行转向、油门、刹车等操作。
结合上述的应用场景,本公开还提供一种车辆控制方法。
图3是根据本公开第二实施例的示意图,本实施例提供一种车辆控制方法。本实施例的方法可以由自动驾驶车辆执行。具体可以由自动驾驶系统的规划系统执行。
本实施例以停车触发事件为交警产生的拦截指令为例。
如图3所示,本实施例提供的车辆控制方法包括:
301、检测周围环境中的障碍物,并确定所述障碍物的类别。
其中,可以采用车辆上的传感器(相机,激光雷达等)实时检测车辆周围环境中的障碍物,通过图像或点云识别算法,辨识出障碍物的类别。
障碍物的类别可以包括:车辆、行人、或者自行车。
302、针对类别是行人的障碍物,识别所述行人是否为交警,若是执行303,否则执行309。
其中,可以针对车辆周围特定范围内(例如10米)的行人,基于所述行人和/或所述行人所驾驶的车辆的信息,识别所述行人是否为交警。
以基于行人和行人所驾驶的车辆识别行人身份为例,可以利用车辆上的相机采集行人的图像,以及行人所驾驶的车辆的图像,将行人的图像输入到第一深度学习模型中,将行人所驾驶的车辆的图像输入到第二深度学习模型中,第一深度学习模型和第二深度学习模型的输出均为分类结果,分类结果可以具体是二分类结果,针对行人,二分类结果包括:行人是交警的概率值(可称为第一概率值),以及行人不是交警的概率值(可称为第二概率值),针对车辆,二分类结果包括:车辆是警车的概率值(可称为第三概率值),以及车辆不是警车的概率值(可简称第四概率值)。之后,可以对第一深度学习模型输出的第一概率值,以及第二深度学习模型输出的第三概率值进行加权运算,获得加权求和后的概率值,若加权求和后的概率值大于预设概率值,则确定行人是交警。加权运算所对应的加权值可以预先配置。
第一深度学习模型和第二深度学习模型的骨干网络可以是卷积神经网络(Convolutional Neural Network,CNN)或Transformer网络等。第一深度学习模型可以提取出行人的服装特征等,从而可以基于服装特征获得行人是交警的概率值,第二深度学习模型可以提取出车辆特征,基于车辆特征可以获得车辆是警车的概率值。
303、判断交警是否产生拦截指令,若是,执行304,否则执行309。
其中,可以基于交警和/或交警所驾驶的警车产生的指令信息,识别是否产生拦截指令。
其中,指令信息可以包括:交警产生的肢体信息、交警产生的语音信息、警车播放的语音信息等。
针对拦截指令,肢体信息例如为靠边停车的手势信息。
语音信息例如为交警或警车所产生的包含靠边停车指令的语音信息。
具体地,可以采用车辆的相机采集交警的肢体图像,以及采用车辆的麦克风采集语音信息,之后,利用深度学习模型对输入的肢体图像或语音信息进行识别,深度学习模型的输出是二分类结果,即是否产生拦截指令。针对图像和语音,也可以分别采用不同的深度学习模型,再将不同的深度学习模型的输出结果进行加权运算,获得最终的指令识别结果。
本实施例中,通过识别交警以及交警的指令信息,可以在交警产生拦截指令时,及时基于交警的拦截指令进行操作,以合理应对交警拦截场景。
304、获取历史驾驶行为数据,判断历史驾驶行为数据是否属于预设类别数据,若是,执行305,否则执行309。
其中,车辆在行驶过程中可以记录日志数据,日志数据中包含驾驶行为数据,从而可以从日志数据中获取历史驾驶行为数据。
其中,预设类别数据是指能够触发车辆靠边停车的历史驾驶行为数据,例如包括:以车辆碰撞数据,和/或,违章驾驶数据。
进一步地,不同类别的数据可以采用不同的系统进行记录,从而可以从不同的系统中获得不同类别的数据。例如,可以通过碰撞检测系统获得车辆碰撞数据,通过违章驾驶检测系统获得违章驾驶数据。
针对碰撞检测系统,可以包括车辆上的压力传感器,基于压力传感器确定发生碰撞,可以记录发生碰撞时的数据。还可以包括车辆上的相机和计算平台,可以计算车辆自身位置区域,以及障碍物的位置区域,相机等采集障碍物与自身位置区域,若两者区域的交集大于预设值,则确定发生碰撞,产生碰撞数据。
另外,针对碰撞事件,可以预先配置不同的危险级别,在危险级别较低时,车辆可以继续正常行驶,在危险级别较高时,车辆需要主动靠边停车等待处理。
危险级别较低的碰撞事件例如是与环境中的路基、锥桶等不涉及人身安全的碰撞事件,危险级别极高的碰撞事件例如是与行人、其他车辆、自行车等发生的碰撞事件。
针对违章驾驶检测系统,可以检测最近时间段内的驾驶任务中是否存在违章数据,若存在,则主动记录违章驾驶的时间、位置、场景、驾驶轨迹等。
本实施例中,车辆识别出交警产生拦截指令后,还可以基于历史驾驶行为数据进一步分析拦截原因,例如,拦截原因是发生过碰撞事件或违章驾驶事件,此时,可以进一步确定是拦截指令,提高拦截指令检测的准确度,进而可以准确地执行靠边停车操作。
另外,预设类别数据选择为车辆碰撞数据和/或违章驾驶数据,符合真实场景下遭遇拦截的原因,使得车辆的控制流程符合真实场景需求。
305、规划停车轨迹。
确定交警产生拦截指令,且,存在违章数据时,可以执行靠边停车,在靠边停车之前需要规划停车轨迹。
具体地,以靠右行驶为例,停靠位置位于右车道的边界上,具体可以以边界上的预设间隔(如100米)的位置作为候选位置,判断候选位置是否为可停靠位置,在可停靠位置中选择距离当前位置最近的候选位置作为最终的停靠位置。其中,是否为可停靠位置可以基于高精地图以及感知系统感知的障碍物情况确定,高精地图可以中可以标注是否可停靠,感知系统可以获知候选位置上是否存在障碍物,若高精地图中标注是可停靠位置且基于感知系统确定候选位置上不存在障碍物,则相应的候选位置是可停靠位置。
确定出停靠位置后,可以采用动态规划(Dynamic programming,DP)、二次规划(Quadratic Programming,QP)、或者,混合A*(Hybrid A*)和RS(Reeds-Shepp)曲线,生成从当前位置到停靠位置之间的停车轨迹。
306、基于所述停车轨迹,控制车辆停靠到所述停车轨迹对应的停靠位置。
规划系统生成停车轨迹后,控制系统可以控制车辆沿着停车轨迹停靠到停靠位置。
307、保持停靠状态,直至获取到处理完毕指令。
其中,将车辆停靠到停靠位置之后,还可以执行如下项中的至少一项:
驻车、开启危险报警灯、打开车窗、旋转车载电脑(Pad)朝向车窗位置、通过车载电脑与交警交互。
本实施例中,通过驻车等操作,可以为交警处理提供准备动作,保证交警的正常处理。
交警的处理过程可以包括:登记车辆信息,与车内电脑交互等,与车内电脑交互时,车辆获取的历史驾驶行为数据,可以提供给交警,以供交警参考。
交警处理完毕后,可以产生处理完毕指令。
其中,处理完毕指令可以携带在操作信息中,操作信息可以包括如下项中的执行一项:语音信息、肢体信息、触控信息。
例如,交警采用语音或肢体提示车辆可以离开,或者,交警也可以点击车内电脑的设定按钮授权车辆离开。
本实施例中,可以基于交警的操作信息获得处理完毕指令,进而可以基于处理完毕指令从停靠位置驶离,实现基于交警,如交警的授权离开,避免“逃逸”等问题。
本实施例中,可以基于语音信息、肢体信息、触控信息中的一项或多项获得交警的操作信息,从而车辆可以采用多种交互方式与交警进行交互。
308、响应于所述处理完毕指令,控制所述车辆从所述停靠位置离开。
其中,车辆在获知处理完毕指令后,可以继续驾驶任务。
309、其他流程。
本实施例的301~308的流程可以称为针对交警拦截场景的执行流程,其他流程是指不同于交警拦截场景的流程,例如,行人不是交警时,可以认为是行人搭载车辆,可以停止到预设的固定停靠点。或者,交警未产生拦截指令时,可以基于交警的其他手势执行相应操作,例如基于直行手势直行行驶等。或者历史驾驶行为数据不是预设类别数据时,可以在停车后主动与交警交互历史驾驶行为数据,以供交警参考。
本实施例中,自动驾驶车辆可以主动区分行人是否为交警;可以辨别交警是否产生拦截指令;通过获取历史驾驶行为数据,可以分析拦截原因;这些都可以为靠边停车提供准确的准备数据;在确定需要靠边停车时,可以自主规划停车轨迹,以安全执行靠边停车动作;通过靠边停车、驻车、开启危险报警灯、开启车窗等动作,可以完成等待交警处理的准确工作;在交警处理完毕之前,保持停靠状态,可以避免不合理的逃逸现象,避免引起法律纠纷。在响应处理完毕指令后从停靠位置离开,可以继续完成自动驾驶任务,保证驾驶任务的顺利执行。
图4是根据本公开第三实施例的示意图,本实施例提供一种车辆控制装置。如图4所示,车辆控制装置400包括:规划模块401、第一控制模块402和第二控制模块403。
规划模块401用于响应于交警产生的拦截指令,规划停车轨迹;第一控制模块402用于基于所述停车轨迹,控制车辆停靠到所述停车轨迹对应的停靠位置,并保持停靠状态,直至获取到处理完毕指令;第二控制模块403用于响应于所述处理完毕指令,控制所述车辆从所述停靠位置离开。
本实施例中,响应于交警产生的拦截指令,规划停车轨迹,基于停车轨迹停靠到停靠位置并保持停靠状态,直至获取到处理完毕指令,响应于处理完毕指令从停靠位置离开,可以合理地应对交警拦截车辆的场景。
一些实施例中,该装置400还包括:第一识别模块、第二识别模块和第三识别模块,所述第一识别模块用于:识别周围环境中的障碍物的障碍物类别;所述第二识别模块用于若所述障碍物类别是行人,基于所述行人和/或所述行人所驾驶的车辆的信息,识别所述行人是交警;所述第三识别模块用于基于所述交警和/或所述交警所驾驶的车辆所产生的指令信息,识别所述交警产生拦截指令。
本实施例中,通过识别交警以及交警的指令信息,可以在交警产生拦截指令时,及时基于交警的拦截指令进行操作,以合理应对交警拦截场景。
一些实施例中,所述规划模块401进一步用于:响应于所述停车触发事件,获取历史驾驶行为数据;若所述历史驾驶行为数据属于预设类别数据,规划停车轨迹。
本实施例中,车辆识别出交警产生拦截指令后,还可以基于历史驾驶行为数据进一步分析拦截原因,例如,拦截原因是发生过碰撞事件或违章驾驶事件,此时,可以进一步确定是拦截指令,提高拦截指令检测的准确度,进而可以准确地执行靠边停车操作。
一些实施例中,该装置400还包括:第三控制模块,用于控制所述车辆执行如下项中的至少一项:驻车、开启危险报警灯、打开车窗、旋转车载电脑朝向车窗位置、通过车载电脑与交警交互。
本实施例中,通过驻车等操作,可以为交警处理提供准备动作,保证交警的正常处理。
一些实施例中,该装置400还包括:检测模块,用于检测交警的操作信息,所述操作信息中包含所述处理完毕指令;获取模块,用于基于所述操作信息获取所述处理完毕指令。
本实施例中,可以基于交警的操作信息获得处理完毕指令,进而可以基于处理完毕指令从停靠位置驶离。
可以理解的是,本公开实施例中,不同实施例中的相同或相似内容可以相互参考。
可以理解的是,本公开实施例中的“第一”、“第二”等只是用于区分,不表示重要程度高低、时序先后等。
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、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,还提供了一种自动驾驶车辆,自动驾驶车辆包括电子设备,如图5所示,自动驾驶车辆500包括电子设备501。关于电子设备的说明可以参见后续实施例。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备600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、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,个人数字助理、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6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600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601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601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601执行上文所描述的各个方法和处理,例如车辆控制方法。例如,在一些实施例中,车辆控制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606。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的车辆控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车辆控制方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(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地图数据采集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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为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 (16)
1.一种车辆控制方法,包括:
响应于交警产生的拦截指令,规划停车轨迹;
基于所述停车轨迹,控制车辆停靠到所述停车轨迹对应的停靠位置,并保持停靠状态,直至获取到处理完毕指令;
响应于所述处理完毕指令,控制所述车辆从所述停靠位置离开。
2.根据权利要求1所述的方法,所述响应于交警产生的拦截指令,规划停车轨迹之前,所述方法还包括:
识别周围环境中的障碍物的障碍物类别;
若所述障碍物类别是行人,基于所述行人和/或所述行人所驾驶的车辆的信息,识别所述行人是交警;
基于所述交警和/或所述交警所驾驶的车辆所产生的指令信息,识别所述交警产生拦截指令。
3.根据权利要求1所述的方法,其中,所述响应于交警产生的拦截指令,规划停车轨迹,包括:
响应于所述交警产生的拦截指令,获取历史驾驶行为数据;
若所述历史驾驶行为数据属于预设类别数据,规划停车轨迹。
4.根据权利要求3所述的方法,其中,所述预设类别数据包括:
车辆碰撞数据;和/或,违章驾驶数据。
5.根据权利要求1-4任一项所述的方法,在所述车辆停靠到所述停靠位置之后,所述方法还包括:
控制所述车辆执行如下项中的至少一项:
驻车、开启危险报警灯、打开车窗、旋转车载电脑朝向车窗位置、通过车载电脑与交警交互。
6.根据权利要求1-4任一项所述的方法,还包括:
检测交警的操作信息,所述操作信息中包含所述处理完毕指令;
基于所述操作信息获取所述处理完毕指令。
7.根据权利要求6所述的方法,其中,所述操作信息包括如下项中的至少一项:
语音信息、肢体信息、触控信息。
8.一种车辆控制装置,包括:
规划模块,用于响应于交警产生的拦截指令,规划停车轨迹;
第一控制模块,用于基于所述停车轨迹,控制车辆停靠到所述停车轨迹对应的停靠位置,并保持停靠状态,直至获取到处理完毕指令;
第二控制模块,用于响应于所述处理完毕指令,控制所述车辆从所述停靠位置离开。
9.根据权利要求8所述的装置,还包括:第一识别模块,用于识别周围环境中的障碍物的障碍物类别;
第二识别模块,用于若所述障碍物类别是行人,基于所述行人和/或所述行人所驾驶的车辆的信息,识别所述行人是交警;
第三识别模块,用于基于所述交警和/或所述交警所驾驶的车辆所产生的指令信息,识别所述交警产生拦截指令。
10.根据权利要求8所述的装置,其中,所述规划模块进一步用于:
响应于所述停车触发事件,获取历史驾驶行为数据;
若所述历史驾驶行为数据属于预设类别数据,规划停车轨迹。
11.根据权利要求8-10任一项所述的装置,还包括:
第三控制模块,用于控制所述车辆执行如下项中的至少一项:
驻车、开启危险报警灯、打开车窗、旋转车载电脑朝向车窗位置、通过车载电脑与交警交互。
12.根据权利要求8-10任一项所述的装置,还包括:
检测模块,用于检测交警的操作信息,所述操作信息中包含所述处理完毕指令;
获取模块,用于基于所述操作信息获取所述处理完毕指令。
13.一种电子设备,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1-7中任一项所述的方法。
14.一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1-7中任一项所述的方法。
15.一种计算机程序产品,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1-7中任一项所述的方法。
16.一种自动驾驶车辆,包括:如权利要求13所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210729760.0A CN115123297A (zh) | 2022-06-24 | 2022-06-24 | 车辆控制方法、装置、设备、车辆和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210729760.0A CN115123297A (zh) | 2022-06-24 | 2022-06-24 | 车辆控制方法、装置、设备、车辆和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115123297A true CN115123297A (zh) | 2022-09-30 |
Family
ID=83380704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210729760.0A Pending CN115123297A (zh) | 2022-06-24 | 2022-06-24 | 车辆控制方法、装置、设备、车辆和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115123297A (zh) |
-
2022
- 2022-06-24 CN CN202210729760.0A patent/CN115123297A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10372136B2 (en) | Local trajectory planning method and apparatus for smart vehicles | |
JP6738932B2 (ja) | シミュレーションプラットフォームに配置された、機械学習モデルを訓練するためのシステム及び方法 | |
CN110667576B (zh) | 自动驾驶车辆的弯道通行控制方法、装置、设备和介质 | |
US11332132B2 (en) | Method of handling occlusions at intersections in operation of autonomous vehicle | |
CN110834630A (zh) | 一种车辆的驾驶控制方法、装置、车辆及存储介质 | |
KR101503473B1 (ko) | 차량의 주행 상황 판단 시스템 및 방법 | |
US11507092B2 (en) | Sequential clustering | |
US11685406B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
WO2021056499A1 (zh) | 数据处理方法、设备和可移动平台 | |
US20230256991A1 (en) | Method and system for conditional operation of an autonomous agent | |
CN110333725B (zh) | 自动驾驶避让行人的方法、系统、设备及存储介质 | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
WO2020254350A1 (en) | Corner case detection and collection for a path planning system | |
CN113635912B (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
CN114771534A (zh) | 自动驾驶车辆的控制方法、训练方法、车辆、设备及介质 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN114212108A (zh) | 自动驾驶方法、装置、车辆、存储介质及产品 | |
CN116261649A (zh) | 一种车辆行驶意图预测方法、装置、终端及存储介质 | |
US11328596B2 (en) | Parking prediction | |
WO2019127076A1 (en) | Automated driving vehicle control by collision risk map | |
CN115469669A (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
CN115123297A (zh) | 车辆控制方法、装置、设备、车辆和存储介质 | |
CN114030483A (zh) | 车辆控制方法、装置、电子设备和介质 | |
CN114771533A (zh) | 自动驾驶车辆的控制方法、装置、设备、车辆及介质 | |
CN114559958A (zh) | 一种脱困策略的确定方法、装置、电子设备及存储介质 |
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 |