CN115214635A - 无人车的越障方法、装置、无人车及存储介质 - Google Patents

Abstract

本申请实施例适用于无人驾驶技术领域，提供了一种无人车的越障方法、装置、无人车及存储介质，该方法包括：当检测到静态障碍物时，获取静态障碍物的障碍物信息；若障碍物信息满足目标越障策略对应越障条件，则获取目标越障策略对应的目标行驶参数；控制无人车基于目标行驶参数朝静态障碍物行驶。采用上述方法可以使无人车在面对静态障碍物时，无需重新规划避障路径，也可通过静态障碍物，减少无人车在避障时所耗费的时间。

Description

无人车的越障方法、装置、无人车及存储介质

技术领域

本申请属于无人驾驶技术领域，尤其涉及一种无人车的越障方法、装置、无人车及存储介质。

背景技术

随着无人驾驶技术的不断发展，基于无人驾驶技术的无人车已广泛应用于仓库物流、公共交通或智能车模等领域。其中，无人车的安全避障是无人驾驶技术中的重要分支。

传统的无人车在遇到障碍物时，通常是结合障碍物的位置，规划安全可行驶的避障路径。然而，传统的无人车在规划避障路径，且沿避障路径行驶绕过障碍物时，通常需要耗费大量的时间。

发明内容

本申请实施例提供了一种无人车的越障方法、装置、无人车及存储介质，可以解决传统的无人车在避障时需要耗费大量时间的问题。

第一方面，本申请实施例提供了一种无人车的越障方法，该方法包括：

当检测到静态障碍物时，获取静态障碍物的障碍物信息；

若障碍物信息满足目标越障策略对应越障条件，则获取目标越障策略对应的目标行驶参数；

控制无人车基于目标行驶参数朝静态障碍物行驶。

第二方面，本申请实施例提供了一种无人车的越障装置，该装置包括：

障碍物信息获取模块，用于当检测到静态障碍物时，获取静态障碍物的障碍物信息；

目标行驶参数获取模块，用于若障碍物信息满足目标越障策略对应越障条件，则获取目标越障策略对应的目标行驶参数；

控制模块，用于控制无人车基于目标行驶参数朝静态障碍物行驶。

第三方面，本申请实施例提供了一种无人车，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面的方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在无人车上运行时，使得无人车执行上述第一方面的方法。

本申请实施例与现有技术相比存在的有益效果是：在无人车检测到静态障碍物时，获取静态障碍物的障碍物信息；之后，将障碍物信息与越障策略的越障条件进行比较，确定满足越障条件的目标越障策略，以及目标越障策略对应的目标行驶参数。之后，将无人车以目标行驶参数向静态障碍物行驶。这样，无人车在面对静态障碍物时，无需重新规划避障路径，也可通过静态障碍物，从而可以减少无人车在整个避障过程中所耗费的时间。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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为本申请一实施例中无人车的结构示意图；

图2是本申请一实施例提供的一种无人车的越障方法的实现流程图；

图3是本申请一实施例提供的一种无人车的越障方法中获取静碍物信息的一种实现方式示意图；

图4为本申请一实施例中无人车获取静态障碍物的障碍物信息的应用场景示意图；

图5是本申请一实施例提供的一种无人车的越障方法中调整当前行驶参数至目标行驶参数的一种实现方式示意图；

图6是本申请一实施例提供的一种无人车的越障方法中调整车身高度的一种实现方式示意图；

图7是本申请一实施例提供的一种无人车的越障装置的结构示意图；

图8是本申请一实施例提供的一种无人车的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

本申请实施例提供的无人车的越障方法的执行主体为无人车的越障装置，该越障装置可以设置在无人车内。其中，无人车包括但不限于仓库物流车或智能车模等，本申请实施例对无人车的具体类型不作任何限制。

以无人车为智能车模为例，参照图1，图1为本申请一实施例中无人车的结构示意图。其中，智能车模包括车轮和通过高度调节装置调节与地面的车身高度的车身。其中，车身可以包括多个近红外传感器，分别设置于智能车模的车身前端和车身后端，用于采集智能车模与障碍物之间的距离或其他参数；聚合物电池，其电池容量可以为1100毫安时(mAh)，用于对各个模块进行供电。其中，音频设备可以包括语音采集触摸板、喇叭和出声孔用于进行语音服务，例如，语音唤醒服务。通讯设备可以为图1中的4G通信模块或5G通信模块等。其中，通信设备用于与语音识别模块、车轮驱动模块或其他模块进行通信，以传输语音或控制指令。灯光驱动设备可以包括大灯、尾灯等设备。传感器可以包括但不限于图像采集传感器或雷达传感器。其中，在传感器为图像采集传感器时，其可以包括图1中的300万的摄像头以及补光灯，用于采集障碍物，以及障碍物的障碍物信息。显示屏可以用于显示车辆参数，还可以用于显示障碍物信息，或智能家居设备的控制信息。充电口，用于对聚合物电池进行充电。其中，充电口可以为安卓充电口，也可以为通用串行总线的硬件接口(TYPE-C)形式的充电口，对此不作限定。

其中，因智能车模通常用于家居环境中，不仅可以通过物联网功能与车辆进行智能交互，以对车辆进行控制。还可以与家庭中的智能家居设备进行交互，控制智能家居设备的运行。通常，智能车模需要预先进行路径规划，而后沿着规划后的路径进行行驶，以分别控制不同位置下的智能家居设备。

其中，上述路径规划包括：对家居环境进行建模，生成家居地图。例如，智能车模在家居环境行驶的过程中执行环境采集、数据处理、环境增强等步骤，生成家居地图。并且，在行驶的过程中，提取物体信息。例如，提取可被控制的智能家居设备的设备信息，或其他物体的物体信息。

另外，在后续执行控制任务的过程中，无人车可以根据预先设置的面对障碍物时的处理方法避开障碍物，以到达指定地点，并控制对应的智能家居设备。其中，该处理方法通常是生成避障路径，绕开障碍物进行行驶。然而，无人车在生成避障路径，且沿避障路径行驶绕过障碍物时，通常需要耗费大量的时间。

基于此，为了提高无人车的行驶效率，本实施例提供了一种无人车的越障方法，使无人车在面对障碍物可以选择直接越障的方式通过障碍物。

请参阅图2，图2示出了本申请实施例提供的一种无人车的越障方法的实现流程图，该方法包括如下步骤：

S201、当检测到静态障碍物时，无人车的越障装置获取静态障碍物的障碍物信息。

在一实施例中，通常，障碍物一般可以分为静态障碍物或动态障碍物，对于动态障碍物，其包括但不限于动物、人等可以活动的对象。因此，在检测到动态障碍物时，可以通过发出提示信息，提醒人或驱逐动物离开。

可以理解的是，若动态障碍物已离开，则可以直接沿原本规划的路径直行。若动态障碍物未离开，则需要重新规划避障路线；例如，从动态障碍物的左侧、右侧或后侧规划新的路线。

在一实施例中，静态障碍物包括但不限于桌子、椅子等不可主动移动的障碍物。其中，无人车可以安装图像采集传感器，以采集包含障碍物的图像。并且，无人车的越障装置内部还具有对障碍物的图像进行识别的识别模型，该识别模型用于对采集到的障碍物的图像进行模型处理，以输出障碍物的类别。即输出障碍物为静态障碍物的类别或动态障碍物的类别。

在一实施例中，上述障碍物信息包括但不限于静态障碍物的坡度角和/或高度。其中，坡度角为静态障碍物朝向无人车的坡面，与水平地面的夹角；高度为静态障碍物的顶点与水平地面的距离。无人车的越障装置可以通过安装的雷达传感器获取上述障碍物信息。

具体的，在本实施例中，参照图3，无人车的越障装置具体可以通过如下S301-S305计算静态障碍物的高度和/或坡度角。详述如下：

S301、无人车的越障装置通过传感器确定静态障碍物的顶点和底点；底点指静态障碍物与地面接触的点，传感器、顶点及底点处于同一竖直平面。

在一实施例中，上述传感器已在上述进行解释，对此不再进行说明。

在一实施例中，上述顶点为静态障碍物中最高的点之一；底点为静态障碍物与地面接触的点之一。在本实施例中，顶点、底点和传感器均需处于同一竖直平面。示例性的，静态障碍物可能为立方体，其面对无人车的侧面中，顶点为该侧面的上水平直线中的一点；底点通常为该侧面中的下水平直线中的一点。

需要说明的是，若传感器、顶点和底点未处于同一竖直平面，则在计算顶点与底点所连接的线段与水平地面之间的坡度角时，其坡度角可能计算不准。因此，为了提高计算的坡度角的准确度，采集的顶点及底点需和传感器处于同一竖直平面。

S302、无人车的越障装置分别获取传感器与顶点之间的第一距离、传感器与底点之间的第二距离以及传感器与地面之间的第三距离。

在一实施例中，因传感器具有测距功能，因此，无人车的越障装置可以基于传感器直接获取传感器与顶点之间的第一距离、传感器与底点之间的第二距离。其中，传感器与地面的第三距离也可以由传感器进行采集。然而，该第三距离通常是固定的，因此，无人车的越障装置只需通过传感器采集一次第三距离即可。之后，存储该第三距离。

具体的，参照图4，图4为本申请一实施例中无人车的越障装置获取静态障碍物的障碍物信息的应用场景示意图。图4中A点即为静态障碍物的顶点，B点即为静态障碍物的底点；摄像头为图像采集传感器中的摄像装置，因此，摄像头所在的位置可以认为是传感器所在的位置；S1为传感器与顶点之间的第一距离；S2为传感器与底点之间的第二距离；H为传感器与地面之间的第三距离。

在静态障碍物信息只包括静态障碍物的高度时，执行S303、无人车的越障装置根据第一距离和第三距离，计算静态障碍物的高度。

在一实施例中，在根据第一距离和第三距离，计算静态障碍物的高度时，还需确定传感器与顶点所在的第一直线与竖直方向之间的第一夹角；之后，根据第一夹角、第一距离和第三距离计算高度。其中，竖直方向可以认为是图4中H所表示的虚线。具体的，上述第一夹角即为S1所表示的直线，与H所表示的虚线之间的夹角θ₁。

需要说明的是，在确定顶点的位置时，上述无人车的越障装置可以通过调节摄像头的旋转角度，确定第一直线与竖直方向上的夹角。也即，无人车的越障装置在确定顶点时，即可对应的确定第一夹角，对此不作限定。

在一具体实施例中，无人车的越障装置可以将第一夹角、第一距离及第三距离导入高度计算公式中，得到高度；其中，高度计算公式可以为：

h＝H-S₁·cosθ₁；

其中，h为高度，H为第三距离，S₁为第一距离，θ₁为第一夹角。

在静态障碍物信息只包括静态障碍物的坡度角时，执行S304、无人车的越障装置根据第一距离、第二距离、第三距离及高度，计算底点和顶点所在的坡面的坡度角。

在一实施例中，在计算坡度角时，无人车的越障装置还需确定传感器与底点所在的第二直线与竖直方向之间的第二夹角，之后，无人车的越障装置可以将第一夹角、第二夹角、第一距离、第二距离、第三距离及高度导入坡度角计算公式中，得到坡度角。具体的，坡度角计算公式如下：

其中，θ₃为坡度角，H为第三距离，h为高度，S₁为第一距离，θ₁为第一夹角，S2为第二距离，θ₂第二夹角。

其中，第二夹角的获取方式与第一夹角的获取方式类似，对此不再进行说明。

需要说明的是，上述障碍物信息可以为一种，也可以为多种，对此不作限定。即本实施例中，所使用的障碍物信息可以仅包括静态障碍物的高度或坡度角，也可以同时包括高度和坡度角。

在静态障碍物信息包括静态障碍物的高度和坡度角时，执行S305、无人车的越障装置根据第一距离和第三距离，计算静态障碍物的高度；以及，根据第一距离、第二距离、第三距离及高度，计算底点和顶点所在的坡面的坡度角。

其中，高度和坡度角的计算方式均已在上述进行解释，对此不再进行说明。

可以理解的是，因障碍物信息可以仅基于第一距离、第二距离、第三距离、第一夹角和第二夹角等参数进行计算，且该参数均可以通过传感器进行获取，其参数的获取方式简单。并且，根据上述参数进行计算时，只需将其输入上述公式即可，使得无人车的越障装置获取障碍物信息的手段也更加便捷。

S202、若障碍物信息满足目标越障策略对应越障条件，则无人车的越障装置获取目标越障策略对应的目标行驶参数。

在一实施例中，无人车的越障装置内部存储的越障策略可以包括一种，也可以同时包括多种，对此不作限定。例如，越障策略可以包括爬坡策略，和/或，跨障策略。需要说明的是，每种越障策略均对应一种越障条件。其中，目标越障策略即为多种越障策略中，障碍物信息满足的越障条件所对应的越障策略。

其中，在确定目标越障策略后，无人车的越障装置可以根据目标越障策略对应的目标行驶参数朝静态障碍物行驶，以越过静态障碍物。即目标行驶参数为无人车的越障装置能够越过静态障碍物的参数。该参数可以预先进行设置。即无人车的越障装置内部预先存储有每种目标越障策略对应的目标行驶参数。

示例性的，对于爬坡策略，其对应的越障条件可以为：静态障碍物的坡度角是否小于预设角度，若小于，则确定障碍物信息满足爬坡策略对应的越障条件。此时，障碍物信息即为静态障碍物的坡度角。

或者，若高度小于无人车的车轮高度，则确定障碍物信息满足跨障策略对应的越障条件。此时，障碍物信息即为静态障碍物的高度。可以理解的是，若高度小于无人车的车轮高度，则表示无人车可以直接从静态障碍物的上端行驶。

其中，预设角度可以根据实际情况进行设置，例如，上述预设角度可以为大于90°的角度。可以理解的是，在预设角度大于90°时，无人车在行驶的过程中，将受到重力的影响，而掉落至地面。

需要补充的是，若无人车的车轮高度大于该静态障碍物的高度，则无人车的越障装置可以无需考虑爬坡策略，也即无需考虑静态障碍物的坡度角。通常，在车轮高度大于障碍物高度时，无人车可以直接爬过该静态障碍物。其中，无人车的车轮高度可以设置为车轮的直径所对应的数值，也可以为车轮的半径所对应的数值，也可以根据其他实际情况进行设置，对此不作限定。

还需要补充的是，若获取的障碍物信息同时包括静态障碍物的高度和坡度角，且坡度角满足上述爬坡策略对应的越障条件，以及高度满足跨障策略对应的越障条件，则无人车的越障装置可以只将爬坡策略确定为目标越障策略。

可以理解的是，在静态障碍物的高度小于无人车的车轮高度时，可以认为无人车能够直接从静态障碍物的上端通过。因此，只需考虑无人车在越过静态障碍物时所需的行驶速度即可。而针对爬坡策略，不同的坡度角，无人车通常需要不同的车速，以爬上静态障碍物。

需要补充的是，若障碍物信息不满足目标越障策略对应越障条件，则表示无人车无法跨越该静态障碍物。因此，无人车的越障装置可以根据静态障碍物信息重新规划避障路线。

基于此，通过上述基于坡度角和/或高度分别对应设置的爬坡策略和越障策略，使得无人车的越障装置在面对静态障碍物时，可以根据静态障碍物的障碍物信息，合理的选择跨越障碍物的策略，无需耗费大量时间重新规划避障路线。

S203、无人车的越障装置控制无人车基于目标行驶参数朝静态障碍物行驶。

在一实施例中，上述S102中已说明目标行驶参数即为无人车能够越过静态障碍物的参数。因此，无人车可以直接根据目标行驶参数越过静态障碍物，无需花费较多的时间绕开障碍物。

在本实施例中，在无人车检测到静态障碍物时，获取静态障碍物的障碍物信息；之后，将障碍物信息与越障策略的越障条件进行比较，确定满足越障条件的目标越障策略，以及目标越障策略对应的目标行驶参数。之后，将无人车以目标行驶参数向静态障碍物行驶。这样，无人车在面对静态障碍物时，无需重新规划避障路径，也可通过静态障碍物，从而可以减少无人车在整个避障过程中所耗费的时间。

在一具体实施例中，目标行驶参数具体可以为目标车速，参照图5，无人车的越障装置具体可以通过S501-S504将无人车的当前行驶参数调整至目标越障对应的目标行驶参数。详述如下：

S501、无人车的越障装置获取无人车与静态障碍物之间的第四距离。

在一实施例中，上述第四距离为无人车与静态障碍物之间的水平距离。其中，在识别障碍物的类别，以执行上述S101-S103时，无人车可以先根据车身前端设置的近红外传感器，行驶至与障碍物间隔第四距离的位置处。而后，无人车的越障装置执行上述S101-S103。此时，第四距离的数值可以根据实际情况进行设置，且该数值为一个固定的值。或者，在行驶无人车行驶的过程中，无人车的越障装置识别该路径上的障碍物。之后，在检测到障碍物为静态障碍物时，先执行S101-S102。之后，在执行上述步骤时，无人车与静态障碍物之间的距离确定为第四距离。此时，第四距离并不是一个固定的数值。

S502、无人车的越障装置根据第四距离和无人车的预设加速度范围，确定无人车行驶至静态障碍物时的最大车速。

在一实施例中，上述预设加速度范围可以预先进行确定。通常，对于智能车模而言，其行驶速度并不快，因此，其所需使用的最大加速度通常较小。并且，无人车的预设加速度范围也可以出厂时预先确定。

在一实施例中，上述最大车速为无人车行驶至静态障碍物时的最大车速，其可以由无人车的越障装置根据当前车速，最大加速度以及第四距离进行计算得到。

需要说明的是，最大车速应当小于或等于无人车能够行驶的实际速度最大值。也即无人车的实际速度最大值为Vmax，则最大车速应当小于该Vmax。

S503、若最大车速大于或等于目标车速，则无人车的越障装置根据第四距离和预设加速度范围，调整无人车的当前车速至目标车速。

可以理解的是，若最大车速大于或等于目标车速，则表明无人车在到达静态障碍物之前，能够将当前车速调整至对应的目标车速。其中，在调整的过程中，无人车的越障装置可以根据当前车速和第四距离，从预设角速度范围中选择合适的加速度进行调整，以使无人车可以合理的进行加速行驶。也可以根据最大加速度调整当前车速，并在当前车速调整至目标车速时，维持目标车速进行行驶，减少无人车越过静态障碍物所需的时间。

可以理解的是，若当前车速大于目标车速，则无需对当前车速进行调整。

S504、若最大车速小于目标车速，则无人车的越障装置根据第四距离和预设加速度范围，调整无人车与静态障碍物的第四距离，并根据调整后的第四距离确定目标车速。

在一实施例中，若无人车即使以最大加速度调整当前车速，也无法在到达静态障碍物时，使当前车速调整值目标车速，则无人车的越障装置可以根据最大加速以及目标车速，计算无人车从零速度开始，使用最大加速度加速到目标车速时所需行驶的距离。之后，将该距离确定为调整后的第四距离。例如，无人车向后移动相应距离。

其中，根据调整后的第四距离将当前车速调整至目标车速时，此时当前车速应当为零。即，无人车向后移动相应距离后，其没有向前行驶的初始速度。因此，在无人车位于调整后的第四距离时，其当前车速为0。

需要补充的是，在计算出调整后的第四距离后，无人车的越障装置还可以先判断调整后的第四距离是否超过预设行驶距离，若超过，则无人车的越障装置可以选择生成避障路线，绕开静态障碍物。即，在计算出调整后的第四距离后，无人车后退至调整后的第四距离的时间，与在调整后的第四距离行驶并跨越静态障碍物所需的时间之和，可能超过无人车生成避障路线，以及沿避障路线进行行驶所需的时间。基于此，无人车的越障装置可以通过对调整后的第四距离与预设行驶距离的判断结果，合理的选择是否进行越障还是避障，以减少无人车所需的时间。

在一实施例中，在无人车基于目标行驶参数朝静态障碍物行驶时，无人车的车身可能与静态障碍物产生碰撞，使得无人车无法越过障碍物。

基于此，本实施例中，无人车的车身可以设置为可调节车身。即车身与地面之间的车身高度可调。具体的，参照图1，图1中包括的高度调节装置即用于调节车身高度。参照图6，无人车的越障装置可以通过如下S601-S603调节车身高度。详述如下：

S601、在无人车行驶的过程中，无人车的越障装置采集车身与静态障碍物之间的最短距离。

S602、若最短距离大于预设距离阈值，则无人车的越障装置控制车身高度不变。

S603、若最短距离小于或等于预设距离阈值，则无人车的越障装置调节车身高度，以使最短距离大于预设距离阈值。

在一实施例中，上述无人车的越障装置可以通过近红外传感器采集车身与静态障碍物之间的距离。其中，近红外传感器可以设置有多个，以采集多个距离，之后，从多个距离中确定数值最小的最短距离。

可以理解的是，在最短距离大于预设距离阈值，则可认为车身的其他位置也将大于预设距离阈值。即无人车的越障装置可以仅需根据最短距离与预设距离阈值的判定结果调节车身高度，且在最短距离大于预设距离阈值时，可以认为无人车在越过静态障碍物时，车身与静态障碍物不会产生碰撞，以影响无人车的越障过程。

需要说明的是，因静态障碍物与无人车接触的表面(通常为坡面)可能并不规则，使得无人车在越过静态障碍物时，车身与静态障碍物产生碰撞。具体的，请参照图4中静态障碍物的表面。

基于此，在最短距离小于或等于预设距离阈值时，则表明在行驶过程中，车身可能与静态障碍物产生碰撞。因此，需要调节车身高度，以使最短距离大于预设距离阈值。对应的，若最短距离大于预设距离阈值，则表明无人车的越障装置无需对车身高度进行调节，因此可以控制车身高度不变。

其中，上述预设距离阈值可以根据实际情况进行设置。可以理解的是，因静态障碍物的表面并不规则，因此，无人车在越过静态障碍物时可能产生震动，使得原本未与静态障碍物产生接触的车身与静态障碍物产生碰撞。基于此，设置预设距离阈值可用于防止上述情况产生，保证无人车的安全行驶。

请参阅图7，图7是本申请实施例提供的一种无人车的越障装置的结构框图。本实施例中无人车的越障装置包括的各模块用于执行图2、图3、图5和图6对应的实施例中的各步骤。具体请参阅图2、图3、图5和图6以及图2、图3、图5和图6所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图7，无人车的越障装置700可以包括：障碍物信息获取模块710、目标行驶参数模块720以及控制模块730，其中：

障碍物信息获取模块710，用于当检测到静态障碍物时，获取静态障碍物的障碍物信息。

目标行驶参数获取模块720，用于若障碍物信息满足目标越障策略对应越障条件，则获取目标越障策略对应的目标行驶参数。

控制模块730，用于控制无人车基于目标行驶参数朝静态障碍物行驶。

在一实施例中，障碍物信息包括坡度角和/或高度，障碍物信息获取模块710还用于：

通过传感器确定静态障碍物的顶点和底点；底点指静态障碍物与地面接触的点，传感器、顶点及底点处于同一竖直平面；分别获取传感器与顶点之间的第一距离、传感器与底点之间的第二距离以及传感器与地面之间的第三距离；根据第一距离和第三距离，计算静态障碍物的高度；和/或，根据第一距离、第二距离、第三距离及高度，计算底点和顶点所在的坡面的坡度角。

在一实施例中，障碍物信息获取模块710还用于：

确定传感器与顶点所在的第一直线与竖直方向之间的第一夹角；将第一夹角、第一距离及第三距离导入高度计算公式中，得到高度；高度计算公式为：

h＝H-S₁·cosθ₁；

其中，h为高度，H为第三距离，S₁为第一距离，θ₁为第一夹角。

在一实施例中，障碍物信息获取模块710还用于：

确定传感器与顶点所在的第一直线与竖直方向之间的第一夹角；确定传感器与底点所在的第二直线与竖直方向之间的第二夹角；将第一夹角、第二夹角、第一距离、第二距离、第三距离及高度导入坡度角计算公式中，得到坡度角；坡度角计算公式为：

其中，θ₃为坡度角，H为第三距离，h为高度，S₁为第一距离，θ₁为第一夹角，S2为第二距离，θ₂第二夹角。

在一实施例中，目标越障策略包括爬坡策略和/或跨障策略；无人车的越障装置700还包括：

越障条件确定模块，用于若坡度角小于或等于预设角度，则确定障碍物信息满足爬坡策略对应的越障条件；或者，若高度小于无人车的车轮高度，则确定障碍物信息满足跨障策略对应的越障条件。

目标越障策略确定模块，用于若障碍物信息满足爬坡策略对应的越障条件，且满足跨障策略对应的越障条件，则将爬坡策略确定为目标越障策略。

在一实施例中，目标行驶参数包括目标车速；无人车的越障装置700还包括：

第四距离获取模块，用于获取无人车与静态障碍物之间的第四距离。

最大车速确定模块，用于根据第四距离和无人车的预设加速度范围，确定无人车行驶至静态障碍物时的最大车速。

第一目标车速调整模块，用于若最大车速大于或等于目标车速，则根据第四距离和预设加速度范围，调整无人车的当前车速至目标车速；

第二目标车速调整模块，用于若最大车速小于目标车速，则根据第四距离和预设加速度范围，调整无人车与静态障碍物的第四距离，并根据调整后的第四距离将当前车速调整至目标车速。

在一实施例中，无人车包括车身；车身与地面之间的车身高度可调；无人车的越障装置700还包括：

采集模块，用于在无人车行驶的过程中，采集车身与静态障碍物之间的最短距离。

车身高度控制模块，用于若最短距离大于预设距离阈值，则控制车身高度不变。

车身高度调节模块，用于若最短距离小于或等于预设距离阈值，则调节车身高度，以使最短距离大于预设距离阈值。

当理解的是，图7示出的无人车的越障装置的结构框图中，各模块用于执行图2、图3、图5和图6对应的实施例中的各步骤，而对于图2、图3、图5和图6对应的实施例中的各步骤已在上述实施例中进行详细解释，具体请参阅图2、图3、图5和图6以及图2、图3、图5和图6所对应的实施例中的相关描述，此处不再赘述。

图8是本申请一实施例提供的一种无人车的结构框图。如图8所示，该实施例的无人车800包括：处理器810、存储器820以及存储在存储器820中并可在处理器810运行的计算机程序830，例如无人车的越障方法的程序。处理器810执行计算机程序830时实现上述各个无人车的越障方法各实施例中的步骤，例如图2所示的S201至S203。或者，处理器810执行计算机程序830时实现上述图7对应的实施例中各模块的功能，例如，图7所示的模块710至730的功能，具体请参阅图7对应的实施例中的相关描述。

示例性的，计算机程序830可以被分割成一个或多个模块，一个或者多个模块被存储在存储器820中，并由处理器810执行，以实现本申请实施例提供的无人车的越障方法。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序830在无人车800中的执行过程。例如，计算机程序830可以实现本申请实施例提供的无人车的越障方法。

无人车800可包括，但不仅限于，处理器810、存储器820。本领域技术人员可以理解，图86仅仅是无人车800的示例，并不构成对无人车800的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如无人车还可以包括输入输出设备、网络接入设备、总线等。

所称处理器810可以是中央处理单元，还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器820可以是无人车800的内部存储单元，例如无人车800的硬盘或内存。存储器820也可以是无人车800的外部存储设备，例如无人车800上配备的插接式硬盘，智能存储卡，闪存卡等。进一步地，存储器820还可以既包括无人车800的内部存储单元也包括外部存储设备。

本申请实施例提供了一种计算机可读存储介质，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述各个实施例中的无人车的越障方法。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在无人车上运行时，使得无人车执行上述各个实施例中的无人车的越障方法。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种无人车的越障方法，其特征在于，所述方法包括：

当检测到静态障碍物时，获取所述静态障碍物的障碍物信息；

若所述障碍物信息满足目标越障策略对应越障条件，则获取所述目标越障策略对应的目标行驶参数；

控制所述无人车基于所述目标行驶参数朝所述静态障碍物行驶。

2.根据权利要求1所述的方法，其特征在于，所述障碍物信息包括坡度角和/或高度；所述获取所述静态障碍物的障碍物信息，包括：

通过传感器确定所述静态障碍物的顶点和底点；所述底点指所述静态障碍物与地面接触的点，所述传感器、所述顶点及所述底点处于同一竖直平面；

分别获取所述传感器与所述顶点之间的第一距离、所述传感器与所述底点之间的第二距离以及所述传感器与所述地面之间的第三距离；

根据所述第一距离和所述第三距离，计算所述静态障碍物的高度；

和/或，根据所述第一距离、所述第二距离、所述第三距离及所述高度，计算所述底点和所述顶点所在的坡面的坡度角。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一距离和所述第三距离，计算所述静态障碍物的高度，包括：

确定所述传感器与所述顶点所在的第一直线与竖直方向之间的第一夹角；

将所述第一夹角、所述第一距离及所述第三距离导入高度计算公式中，得到所述高度；所述高度计算公式为：

h＝H-S₁·cosθ₁；

其中，h为所述高度，H为所述第三距离，S₁为所述第一距离，θ₁为所述第一夹角。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一距离、所述第二距离、所述第三距离及所述高度，计算所述底点和所述顶点所在的坡面的坡度角，包括：

确定所述传感器与所述顶点所在的第一直线与竖直方向之间的第一夹角；

确定所述传感器与所述底点所在的第二直线与竖直方向之间的第二夹角；

将所述第一夹角、所述第二夹角、所述第一距离、所述第二距离、所述第三距离及所述高度导入坡度角计算公式中，得到所述坡度角；所述坡度角计算公式为：

其中，θ₃为所述坡度角，H为所述第三距离，h为所述高度，S₁为所述第一距离，θ₁为所述第一夹角，S2为所述第二距离，θ₂为所述第二夹角。

5.根据权利要求2所述的方法，其特征在于，所述目标越障策略包括爬坡策略和/或跨障策略；在所述获取所述静态障碍物的障碍物信息之后，还包括：

若所述坡度角小于或等于预设角度，则确定所述障碍物信息满足所述爬坡策略对应的越障条件；或者，若所述高度小于所述无人车的车轮高度，则确定所述障碍物信息满足所述跨障策略对应的越障条件；

在所述获取所述目标越障策略对应的目标行驶参数之前，还包括：

若所述障碍物信息满足所述爬坡策略对应的越障条件，且满足所述跨障策略对应的越障条件，则将所述爬坡策略确定为所述目标越障策略。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述目标行驶参数包括目标车速；在所述获取所述目标越障策略对应的目标行驶参数之后，还包括：

获取所述无人车与所述静态障碍物之间的第四距离；

根据所述第四距离和所述无人车的预设加速度范围，确定所述无人车行驶至所述静态障碍物时的最大车速；

若所述最大车速大于或等于所述目标车速，则根据所述第四距离和所述预设加速度范围，调整所述无人车的当前车速至所述目标车速；

若所述最大车速小于所述目标车速，则根据所述第四距离和所述预设加速度范围，调整所述无人车与所述静态障碍物的第四距离，并根据调整后的所述第四距离将所述当前车速调整至所述目标车速。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述无人车包括车身；所述车身与地面之间的车身高度可调；所述控制所述无人车基于所述目标行驶参数朝所述静态障碍物行驶，包括；

在所述无人车行驶的过程中，采集所述车身与所述静态障碍物之间的最短距离；

若所述最短距离大于预设距离阈值，则控制所述车身高度不变；

若所述最短距离小于或等于所述预设距离阈值，则调节所述车身高度，以使所述最短距离大于所述预设距离阈值。

8.一种无人车的越障装置，其特征在于，所述装置包括：

障碍物信息获取模块，用于当检测到静态障碍物时，获取所述静态障碍物的障碍物信息；

目标行驶参数获取模块，用于若所述障碍物信息满足目标越障策略对应越障条件，则获取所述目标越障策略对应的目标行驶参数；

控制模块，用于控制所述无人车基于所述目标行驶参数朝所述静态障碍物行驶。

9.一种无人车，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。

Images