CN115476877A - 车辆控制方法、装置、设备及自动驾驶车辆 - Google Patents
车辆控制方法、装置、设备及自动驾驶车辆 Download PDFInfo
- Publication number
- CN115476877A CN115476877A CN202211150833.7A CN202211150833A CN115476877A CN 115476877 A CN115476877 A CN 115476877A CN 202211150833 A CN202211150833 A CN 202211150833A CN 115476877 A CN115476877 A CN 115476877A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- grid
- probability
- determining
- target obstacle
- 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
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
Abstract
本公开提供了一种车辆控制方法、装置、设备及自动驾驶车辆。涉及人工智能领域,尤其涉及自动驾驶领域。具体实现方案为:确定车辆的目标障碍物;确定目标障碍物在预设时间段内一直处于静止状态的概率值;在该概率值小于预设概率阈值的情况下,预测目标障碍物的运动轨迹;基于目标障碍物的运动轨迹,确定车辆的通行路线;基于该通行路线控制该车辆的行驶。根据本公开的方案,能避免因障碍物发生运动而导致的碰撞,提高车辆驾驶的安全性。
Description
技术领域
本公开涉及人工智能领域,尤其涉及自动驾驶领域。
背景技术
车辆在行驶过程中需要与障碍车进行博弈来形成合理的驾驶行为。在博弈过程中需要考虑障碍物的行为,即自动驾驶系统中预测模块输出的预测线。相关技术中,自动驾驶系统的预测模块主要对当前时刻的动态障碍物进行预测,对当前时刻的静态障碍物不输出预测线,所以车辆遇到静止障碍物时不会考虑静止障碍物的行为,而仅考虑静止障碍物的尺寸来进行决策。但是,静态障碍物是有由静转动的可能性的,无法避免因静态障碍物发生运动而导致的碰撞,进而导致安全性低。
发明内容
本公开提供了一种车辆控制方法、装置、设备及自动驾驶车辆。
根据本公开的第一方面,提供了一种车辆控制方法,包括:
确定车辆的目标障碍物;
确定该目标障碍物在预设时间段内一直处于静止状态的概率值;
在概率值小于预设概率阈值的情况下,预测该目标障碍物的运动轨迹;
基于该目标障碍物的运动轨迹,确定车辆的通行路线;
基于该通行路线控制该车辆的行驶。
根据本公开的第二方面,提供了一种车辆控制装置,包括:
第一确定模块,用于确定车辆的目标障碍物;
第二确定模块,用于确定该目标障碍物在预设时间段内一直处于静止状态的概率值;
预测模块,用于在概率值小于预设概率阈值的情况下,预测该目标障碍物的运动轨迹;
第三确定模块,用于基于该目标障碍物的运动轨迹,确定车辆的通行路线;
控制模块,用于基于该通行路线控制该车辆的行驶。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行上述第一方面所提供的方法。
根据本公开的第四方面,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,该计算机指令用于使该计算机执行上述第一方面所提供的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现上述第一方面所提供的方法。
根据本公开的第六方面,提供了一种车辆,包括上述第三方面所提供的电子设备。
根据本公开的第七方面,提供了一种自动驾驶车辆,包括上述第三方面所提供的电子设备。
根据本公开的技术方案,能避免因障碍物发生运动而导致的碰撞,提高车辆驾驶的安全性。
上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请公开的一些实施方式,而不应将其视为是对本申请范围的限制。
图1是根据本公开实施例的主车与障碍车可能发生碰撞的场景示意图一;
图2是根据本公开实施例的主车与障碍车可能发生碰撞的场景示意图二;
图3是根据本公开实施例的主车与障碍车可能发生碰撞的场景示意图三;
图4是根据本公开实施例的主车与障碍车可能发生碰撞的场景示意图四;
图5是根据本公开实施例的车辆控制方法的流程示意图;
图6是根据本公开实施例的以障碍车的位置为原点,建立数轴的示意图一;
图7是根据本公开实施例的以障碍车的位置为原点,建立数轴的示意图二;
图8是根据本公开实施例的运动轨迹与规划轨迹不相交情况下各栅格的概率示意图;
图9是根据本公开实施例的运动轨迹与规划轨迹相交于栅格b情况下的概率示意图;
图10是根据本公开实施例的运动轨迹与规划轨迹相交于栅格c情况下的概率示意图;
图11是根据本公开实施例的运动轨迹与规划轨迹相交于栅格d情况下的概率示意图;
图12是根据本公开实施例的当障碍物静止时,将主车的规划轨迹投影至数轴上的示意图;
图13是根据本公开实施例的车辆控制装置的结构示意图;
图14是根据本公开实施例的车辆控制的场景示意图;
图15是用来实现本公开实施例的车辆控制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。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。
本公开的说明书实施例和权利要求书及上述附图中的术语″第一″、″第二″和″第三″等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。此外,术语″包括″和″具有″以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元。方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在对本公开实施例的技术方案进行介绍之前,先对本公开可能使用到的技术术语做进一步说明:
主车:自动驾驶车辆。
障碍车:自动驾驶车辆遇到的其他车辆。
正态分布:X~N(μ,σ2),f(x)为x的概率,X服从参数为μ,σ的正态分布,正态分布曲线关于x=μ对称,σ为标准差。
主车在行驶过程中需要与障碍车进行博弈来形成合理的驾驶行为。自动驾驶系统的预测模块主要对动态障碍物进行预测,对静态障碍物不输出预测线,所以主车遇到静止障碍物时不会考虑静止障碍物的行为,而仅考虑障碍物的尺寸来进行决策。但静态障碍物是有由静转动的可能的,如果主车没有考虑这个运动趋势,则可能出现碰撞的情况。下面,列举主车与障碍车可能发生碰撞的几种场景。
场景一:主车被静态障碍物干扰。
如图1所示,障碍车车头探出路口寻找进入路口的机会,主车在行驶的过程中被障碍物的车头干扰减速至停车。于是出现了障碍车和主车同时静止的情况。主车发现障碍车不动,于是选择箭头所示轨迹进行借道(nudge)障碍物;障碍车发现主车不动,也选择了起步进入路口。障碍物和主车有碰撞的危险。在这个场景下,基于自动驾驶能力的限制,自动驾驶车辆的灵活性不如人工驾驶的车辆,为了避免碰撞,主车的最佳选择是等待障碍车通过之后再起步。
如图2所示,主车在路口左转,遇到探出路口的障碍车,主车被障碍车的车头干扰减速至停车。障碍车和主车同时静止。如果主车吸取图1场景的经验,保持静止不动,等待障碍车通行,会出现长期停滞不前的情况,因为主车挡住了障碍车的去路。在这个场景下,主车的最佳选择是按照箭头所示轨迹进行nudge障碍车。
场景二:主车被动态障碍物逼停,同时动态障碍物也被主车逼停。
如图3所示,障碍车右转转入路口,主车直行通过路口,主车受到障碍车预测线的干扰减速刹停,障碍车见主车驶过来也减速刹停,障碍车和主车同时静止。主车不再受到障碍车预测线干扰,开始起步运动;障碍车发现主车静止了,也开始起步运动,有碰撞风险。在这个场景下,基于自动驾驶能力的限制,自动驾驶车辆的灵活性不如人工驾驶的车辆,为了避免碰撞,主车的最佳选择是等待障碍车通过之后再起步。
如图4所示,障碍车左转转入路口,主车直行通过路口,主车受到障碍车预测线的干扰减速刹停,障碍车见主车驶过来也减速刹停,障碍车和主车同时静止。主车吸取图3场景的经验,等待障碍车通过之后再起步,会出现长期停滞不前的情况,因为障碍车的意图是左转,主车挡住了障碍车的去路。在这个场景下,主车的最佳选择是起步通过路口。
本公开为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个问题,提出了一种车辆控制方法,通过对与主车存在博弈行为的静止障碍物进行行为预测,使主车在决策时考虑静态障碍物的运动趋势,从而做出合理的行为,能避免因静态障碍物发生运动而导致的碰撞,提高车辆驾驶的安全性。
本公开实施例提供了一种车辆控制方法,图5是根据本公开实施例的车辆控制方法的流程示意图,该车辆控制方法可以应用于车辆控制装置。该车辆控制装置位于电子设备,该电子设备可以是车辆的一部分,也可以独立于车辆但能与车辆通信连接。该电子设备包括但不限于固定设备和/或移动设备。例如,固定设备包括但不限于服务器,服务器可以是云服务器或普通服务器。例如,移动设备包括但不限于:手机、平板电脑、车载终端中的一项或是多项终端。在一些可能的实现方式中,该车辆控制方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图5所示,该车辆控制方法包括:
S501:确定车辆的目标障碍物;
S502:确定目标障碍物在预设时间段内一直处于静止状态的概率值;
S503:在概率值小于预设概率阈值的情况下,预测目标障碍物的运动轨迹;
S504:基于目标障碍物的运动轨迹,确定车辆的通行路线;
S505:基于该通行路线控制该车辆的行驶。
本公开实施例中,目标障碍物是车辆在规划通行路线(也可称为行驶路线)时需考虑的障碍物。该目标障碍物可以是机动车,也可以是非机动车,还可以是机器人。以上仅为示例性说明,不作为对目标障碍物全部可能的类型的限定,只是这里不做穷举。
本公开实施例中,可根据读取的配置参数确定预设时间段的时长。
本公开实施例中,预设时间段可根据设计需求如安全需求或舒适度需求进行设定或调整。比如,为了提高驾驶的安全性,采用的预设时间段的时长位于第一阈值范围;为了提高乘坐人员的舒适性,采用的预设时间段的时长位于第二阈值范围。为了兼顾驾驶的安全性及乘坐人员的舒适性,采用的预设时间段的时长位于第三阈值范围。以上仅为示例性说明,不作为对预设时间段的确定方式的限定,只是这里不做穷举。
本公开实施例中,预设时间段由第一时刻和至少一个第二时刻组成。
本公开实施例中,预设概率阈值可根据设计需求如安全需求或舒适度需求进行设定或调整。
本公开实施例中,若目标障碍物在预设时间段内一直处于静止状态的概率值不小于预设概率值,则可将目标障碍物视为死车。在确定车辆的通信路线时,可以忽略死车。
本公开实施例中,若目标障碍物在预设时间段内一直处于静止状态的概率值小于预设概率值,则可将目标障碍物视为非死车。在确定车辆的通信路线时,需要考虑非死车。
本公开实施例中,通行路线是为车辆规划出的行驶路线。这里,通行路线包括车辆的目标行驶轨迹。通行路线还可进一步包括:目标行驶轨迹上各个位置对应的速度和到达时间。
本公开实施例的技术方案,确定车辆的目标障碍物,确定目标障碍物在预设时间段内一直处于静止状态的概率值;在概率值小于预设概率阈值的情况下,预测目标障碍物的运动轨迹;基于目标障碍物的运动轨迹,确定车辆的通行路线;基于该通行路线控制该车辆的行驶;如此,车辆在行驶过程中,确定通行路线时考虑在预设时间段内一直处于静止状态的概率值小于预设概率阈值的障碍物,能有效避免因障碍物在预设时间段内发生运动而导致的碰撞,提高了车辆驾驶的安全性。
在一些实施例中,S501可包括:
S501a:响应于车辆的行驶速度小于第一阈值或减速度大于第二阈值,将位于车辆前方且行驶速度小于第三阈值或减速度大于第四阈值的障碍物,确定为车辆的候选障碍物;
S501b:响应于查询到车辆因候选障碍物执行过停车或减速的指令,将候选障碍物确定为目标障碍物。
本公开实施例中,第一阈值、第二阈值、第三阈值和第四阈值,均可根据设计需求如安全需求或舒适度需求进行设定或调整。
举例来说,若车辆的减速度大于第二阈值,位于车辆前方的障碍物1和障碍物2满足行驶速度小于第三阈值或减速度大于第四阈值的条件,则将障碍物1和障碍物2都确定为候选障碍物。若检测到车辆因障碍物1执行过停车或减速的指令,则仅将障碍物1确定为目标障碍物。
举例来说,若车辆的行驶速度小于第一阈值,位于车辆前方的障碍物3和障碍物4满足行驶速度小于第三阈值或减速度大于第四阈值的条件,则将障碍物3和障碍物4都确定为候选障碍物。若检测到车辆因障碍物4执行过停车或减速的指令,则仅将障碍物4确定为目标障碍物。
如此,通过对候选障碍物做进一步筛选,能够准确地从候选障碍物中确定出目标障碍物,从而为后续确定通行路线提供准确的数据基础,有助于提高车辆行驶的安全性。
在一些实施例中,S502可包括:
S502a:获取目标障碍物的特征;
S502b:基于特征确定目标障碍物在预设时间段内一直处于静止状态的概率值。
本公开实施例中,特征包括但不限于以下至少之一:地理环境(路口/非路口)、交通灯信息(红灯/绿灯)、目标障碍物与车辆的相对位姿、目标障碍物的信号灯(左转灯/右转灯/双闪灯)、是否处于排队场景、静止的时长等。
在一些实施方式中,可以使用预先训练好的第一模型,基于特征确定目标障碍物在预设时间段内一直处于静止状态的概率值。本公开不对该第一模型的训练方法进行限定。
如此,能够预测出该目标障碍物在预设时间段内一直处于静止状态的概率值,从而为后续确定车辆的通行路线提供准确的数据基础,有助于提高车辆行驶的安全性。
在一些实施例中,S503可包括:
S503a:获取车辆的规划轨迹;
S503b:获取目标障碍物的运动轨迹;
S503c:基于规划轨迹与运动轨迹,得到车辆是否让行目标障碍物的结论;
S503d:基于结论确定车辆的通行路线。
本公开实施例中,规划轨迹是在第一时刻之前,为车辆规划的通行轨迹。这里,第一时刻是预设时间段的起始时刻。
本公开实施例中,运动轨迹是预测出的目标障碍物的通行轨迹。
在一些实施方式中,通过预先训练好的第二模型,获取目标障碍物的运动轨迹。本公开不对该第二模型的训练方法进行限定。
如此,先基于规划轨迹与运动轨迹,得到车辆是否让行目标障碍物的结论,再基于结论确定车辆的通行路线,能够使确定出的通行路线更准确,有助于提高车辆行驶的安全性。
在一些实施例中,该车辆控制方法还可包括:基于目标障碍物建立数轴,该数轴的概率分布遵循正态分布;基于该数轴构建目标障碍物的栅格图,该栅格图包括N个栅格对应的图像,N为大于1的整数。
在一些实施方式中,基于该数轴建立目标障碍物的栅格图,包括:沿数轴以σ×σ的大小建立目标障碍物的栅格图,σ为正态分布的标准差。
本公开实施例中,N的数值可根据用户需求进行设定或调整。比如,N=5。又比如,N=7。再比如,N=9。以上仅为示例性说明,不作为对N的取值的限定,只是这里不做穷举。
如此,为后续确定N个栅格的概率值的分布情况提供计算依据,基于正态分布为目标障碍物建立数轴,能提高N个栅格的概率值的分布情况的确定速度,从而有助于提高通行路线的确定速度,进一步提高车辆行驶的安全性。
在一些实施例中,S503c可包括:
S503c1:确定规划轨迹和运动轨迹的交点;
S503c2:基于该交点确定N个栅格的概率值;
S503c3:基于N个栅格的概率值,得到车辆是否让行目标障碍物的结论。
在目标障碍物处于非静止状态下,如图6所示,以目标障碍物为障碍车为例,在障碍车前方与障碍车朝向垂直的方向,以障碍车的位置为0点,建立数轴。沿着数轴以5m×5m的大小建立栅格图。若车辆的规划轨迹和障碍车的运动轨迹存在交点,将该交点所在的栅格的中心坐标记为Q。数轴的概率分布遵循μ=Q,σ=5的正态分布X~N(μ,σ2),每个栅格的概率为其所在栅格图中心点的x值±σ/2积分所对应的概率。若车辆的规划轨迹和障碍车的运动轨迹不存在交点,则每个栅格平均分配概率。
在目标障碍物处于静止状态下,如图7所示,以目标障碍物为障碍车为例,在障碍车前方与障碍车朝向垂直的方向,以障碍车的位置为0点,建立数轴。沿着数轴以5m×5m的大小建立栅格图。数轴的概率分布遵循μ=0,σ=5的正态分布X~N(μ,σ2),每个栅格的概率为其所在栅格图中心点的x值±σ/2积分所对应的概率。
如此,能快速得到车辆是否让行目标障碍物的结论,从而有助于提高通行路线的确定速度,进一步提高车辆行驶的安全性。
在一些实施例中,N个栅格包括第一栅格和第二栅格。基于交点确定N个栅格的概率值,包括:获取在第一栅格发生条件下发生交点位于第二栅格的概率;获取第一栅格单独发生的概率;获取第二栅格单独发生的概率;基于在第一栅格发生条件下发生交点位于第二栅格的概率,第一栅格单独发生的概率和第二栅格单独发生的概率,确定交点位于第二栅格条件下发生第一栅格的概率;将交点位于第二栅格条件下发生第一栅格的概率,确定为第一栅格的概率。
在一些实施例中,利用贝叶斯定理,结合目标障碍物的运动轨迹,得到每个栅格的概率。每个栅格的概率可表示为:P(A|B)=P(B|A)P(A)/P(B),其中,B代表运动轨迹上的行为,A为每个栅格的概率值。
下面,对每个栅格的概率值的求取进行举例。
首先,为了简化下面的计算,先计算N(μ,σ=5)的概率分布。
[μ-σ/2,μ+σ/2],P=0.383;
[μ+σ/2,μ+3σ/2],P=0.2417;
[μ-σ/2,μ-3σ/2],P=0.2417;
[μ+3σ/2,μ+5σ/2],P=0.0606;
[μ-3σ/2,μ-5σ/2],P=0.0606;
[μ+5σ/2,μ+7σ/2],P=0.0062;
[μ-5σ/2,μ-7σ/2],P=0.0062;
[μ+7σ/2,+∞),P=0;
(-∞,μ-7σ/2],P=0。
其次,初始状态时,目标障碍物的运动轨迹与车辆的规划轨迹不相交,即每个栅格的概率是0.143,如图8所示。
再次,若目标障碍物的运动轨迹与车辆的规划轨迹相交于栅格b,则计算栅格a、b、c、d、e、f、g的概率。
栅格a的概率为P(a|b)=P(b|a)P(a)/P(b):
P(a)=0.143;
P(b|a)为以a的坐标为μ,σ=5的正态分布中栅格b的概率,所以P(b|a)=0.2417;
P(b)=P(b|a)P(a)+P(b|b)P(b)+P(b|c)P(c)+P(b|d)P(d)+P(b|e)P(e)+P(b|f)P(f)+P(b|g)P(g)=0.2417*0.143+0.383*0.143+0.2417*0.143+0.0606*0.143+0.0062*0.143+0*0.143+0*0.143=0.13345;
则P(a|b)=P(b|a)P(a)/P(b)=0.2417*0.143/0.13345=0.259。
栅格b的概率为:
P(b|b)=P(b|b)P(b)/P(b)=0.383*0.143/0.13345=0.410。
栅格c的概率为:
P(c|b)=P(b|c)P(c)/P(b)=0.2417*0.143/0.13345=0.259。
栅格d的概率为:
P(d|b)=P(b|d)P(d)/P(b)=0.0606*0.143/0.13345=0.065。
栅格e的概率为:
P(e|b)=P(b|e)P(e)/P(b)=0.0062*0.143/0.1334=0.007。
栅格f的概率为:
P(f|b)=P(b|f)P(f)/P(b)=0*0.143/0.1334=0。
栅格g的概率为:
P(g|b)=P(b|g)P(g)/P(b)=0*0.143/0.1334=0。
所以,得到新的栅格概率如图9所示。
再次,若目标障碍物的运动轨迹与车辆的规划轨迹相交于栅格c,则计算栅格a、b、c、d、e、f、g的概率。
栅格a的概率为P(a|c)=P(c|a)P(a)/P(c):
P(a)=0.259;
P(c|a)为以a的坐标为μ,σ=5的正态分布中栅格c的概率,所以P(c|a)=0.0606;
P(c)=P(c|a)P(a)+P(c|b)P(b)+P(c|c)P(c)+P(c|d)P(d)+P(c|e)P(e)+P(c|f)P(f)+P(c|g)P(g)=0.0606*0.259+0.2417*0.410+0.383*0.259+0.2417*0.065+0.0606*0.007+0.0062*0+0*0=0.2301;
P(a|c)=P(c|a)P(a)/P(c)=0.0606*0.259/0.2301=0.068。
栅格b的概率为:
P(b|c)=P(c|b)P(b)/P(c)=0.2417*0.410/0.2301=0.430。
栅格c的概率为:
P(c|c)=P(c|c)P(c)/P(c)=0.383*0.259/0.2301=0.431。
栅格d的概率为:
P(d|c)=P(c|d)P(d)/P(c)=0.2417*0.065/0.2301=0.068。
栅格e的概率为:
P(e|c)=P(c|e)P(e)/P(c)=0.0606*0.007/0.2301=0.002。
栅格f的概率为:
P(f|c)=P(c|f)P(f)/P(c)=0.0062*0/0.2301=0。
栅格g的概率为:
P(g|c)=P(c|g)P(g)/P(c)=0*0/0.2301=0。
所以,得到新的栅格概率如图10所示。
最后,目标障碍物静止于栅格d,由于目标障碍物静止,所以目标障碍物正前方的栅格d为目标障碍物的行为,那么计算栅格a、b、c、d、e、f、g的概率。
栅格a的概率为P(a|d)=P(d|a)P(a)/P(d);
P(a)=0.068;
P(d|a)为以a的坐标为μ,σ=5的正态分布中d栅格的概率,所以P(d|a)=0.0062;
P(d)=P(d|a)P(a)+P(d|b)P(b)+P(d|c)P(c)+P(d|d)P(d)+P(d|e)P(e)+P(d|f)P(f)+P(d|g)P(g)=0.0062*0.068+0.0606*0.430+0.2417*0.431+0.383*0.068+0.2417*0.002+0.0606*0+0.0062*0=0.1572;
P(a|d)=P(d|a)P(a)/P(d)=0.0062*0.068/0.1572=0.003。
栅格b的概率为:
P(b|d)=P(d|b)P(b)/P(d)=0.0606*0.430/0.1572=0.166。
栅格c的概率为:
P(c|d)=P(d|c)P(c)/P(d)=0.2417*0.431/0.1572=0.663。
栅格d的概率为:
P(d|d)=P(d|d)P(d)/P(d)=0.383*0.068/0.1572=0.166。
栅格e的概率为:
P(e|d)=P(d|e)P(e)/P(d)=0.2417*0.002/0.1572=0.003。
栅格f的概率为:
P(f|d)=P(d|f)P(f)/P(d)=0.0606*0/0.1572=0。
栅格g的概率为:
P(g|d)=P(d|g)P(g)/P(d)=0.0062*0/0.1572=0。
所以,得到新的栅格概率如图11所示。
如此,能够结合目标障碍物的运动轨迹,得到每个栅格的概率,从而为根据目标障碍物的栅格图辅助车辆进行决策提供数据支撑。
应理解,图6~图11所示的示意图仅仅是示例性而不是限制性的,并且其是可扩展的,本领域技术人员可以基于图6~图11的例子进行各种显而易见的变化和/或替换,得到的技术方案仍属于本公开实施例的公开范围。
在一些实施例中,基于N个栅格的概率值,得到车辆是否让行目标障碍物的结论,包括:在目标障碍物处于静止状态时,将规划轨迹投影至数轴上,得到投影后的规划轨迹的轨迹方向;基于轨迹方向以及N个栅格的概率值的分布情况,得到车辆是否让行目标障碍物的结论。
这里,N个栅格的概率值的分布情况,能够表征概率值的大小的分布情况。
如此,能快速得到车辆是否让行目标障碍物的结论,从而有助于提高通行路线的确定速度,进一步提高车辆行驶的安全性。
在一些实施例中,基于轨迹方向以及N个栅格的概率值的分布情况,得到车辆是否让行目标障碍物的结论,包括:在轨迹方向为从概率值大的栅格指向概率值小的栅格的情况下,确定车辆无需让行目标障碍物。
在一些实施方式中,若车辆因目标障碍物停车,在确定车辆无需让行目标障碍物时,继续前进。
在一些实施方式中,若车辆因目标障碍物减速,在确定车辆无需让行目标障碍物时,调整车速继续前进。
如此,能快速得到车辆是否让行目标障碍物的结论,从而有助于提高通行路线的确定速度,进一步提高车辆行驶的安全性。
在一些实施例中,基于轨迹方向以及N个栅格的概率值的分布情况,得到车辆是否让行目标障碍物的结论,包括:在轨迹方向为从概率值小的栅格指向概率值大的栅格的情况下,确定车辆需要让行目标障碍物。
在一些实施方式中,若车辆因目标障碍物停车,在确定车辆需让行目标障碍物时,保持停车状态,直至目标障碍物通过。
在一些实施方式中,若车辆因目标障碍物减速,在确定车辆需要让行目标障碍物时,减速至0,直至目标障碍物通过。
如此,能快速得到车辆是否让行目标障碍物的结论,从而有助于提高通行路线的确定速度,进一步提高车辆行驶的安全性。
实际应用中,判断车辆是否应该让行目标障碍物的方式,可分为:
当目标障碍物非静止时,通过对目标障碍物运动轨迹的预测来进行决策,为常规方法。
当目标障碍物静止时,将车辆的规划轨迹投影至目标障碍车的栅格图的数轴上,如图12所示,斜线部分为主车的原始规划轨迹,箭头部分为投影之后的投影轨迹;如果投影后的轨迹方向从能量高的地方指向能量低的地方,车辆无需让行障碍车,直接行驶;如果投影后的轨迹方向从能量低的地方指向能量高的地方,车辆需要让行目标障碍车。这里,能量的高低通过概率值的大小表示。概率值大表示能量高,概率值小表示能量低。
应理解,图12所示的示意图仅仅是示例性而不是限制性的,并且其是可扩展的,本领域技术人员可以基于图12的例子进行各种显而易见的变化和/或替换,得到的技术方案仍属于本公开实施例的公开范围。
本公开实施例提供了一种车辆控制装置,如图13所示,该车辆控制装置可以包括:第一确定模块1301,用于确定车辆的目标障碍物;第二确定模块1302,用于确定该目标障碍物在预设时间段内一直处于静止状态的概率值;预测模块1303,用于在概率值小于预设概率阈值的情况下,预测该目标障碍物的运动轨迹;第三确定模块1304,用于基于该目标障碍物的运动轨迹,确定车辆的通行路线;控制模块1305,用于基于通行路线控制车辆的行驶。
在一些实施例中,该第一确定模块1301,包括:第一确定子模块,用于响应于车辆的行驶速度小于第一阈值或减速度大于第二阈值,将位于车辆前方的行驶速度小于第三阈值或减速度大于第四阈值的障碍物,确定为车辆的候选障碍物;第二确定子模块,用于响应于查询到车辆因候选障碍物执行过停车或减速的指令,将候选障碍物确定为目标障碍物。
在一些实施例中,该第二确定模块1302,包括:第一获取子模块,用于获取目标障碍物的特征;第三确定子模块,用于基于特征确定目标障碍物在预设时间段内一直处于静止状态的概率值。
在一些实施例中,该第三确定模块1304,包括:第二获取子模块,用于获取车辆的规划轨迹;第四确定子模块,用于基于规划路线与运动轨迹,得到车辆是否让行目标障碍物的结论;第五确定子模块,用于基于结论确定针对目标障碍物的通行路线。
在一些实施例中,该车辆控制装置,还可以包括:建立模块1306(图中未示出),用于基于目标障碍物建立数轴,数轴的概率分布遵循正态分布;构建模块1307(图中未示出),用于基于数轴建立目标障碍物的栅格图,栅格图包括N个栅格对应的图像,N为大于1的整数。
在一些实施例中,该第四确定子模块,用于:确定规划轨迹和运动轨迹的交点;基于交点确定N个栅格的概率值;基于N个栅格的概率值,得到车辆是否让行目标障碍物的结论。
在一些实施例中,N个栅格包括第一栅格和第二栅格,该第四确定子模块用于:获取在第一栅格发生条件下发生交点位于第二栅格的概率;获取第一栅格单独发生的概率;获取第二栅格单独发生的概率;基于在第一栅格发生条件下发生交点位于第二栅格的概率,第一栅格单独发生的概率和第二栅格单独发生的概率,确定交点位于第二栅格条件下发生第一栅格的概率;将交点位于第二栅格条件下发生第一栅格的概率,确定为第一栅格的概率。
在一些实施例中,该第四确定子模块用于:在目标障碍物处于静止状态时,将规划轨迹投影至数轴上,得到投影后的规划轨迹的轨迹方向;基于投影后的轨迹方向以及N个栅格的概率值的分布情况,得到车辆是否让行目标障碍物的结论。
在一些实施例中,该第四确定子模块用于:在轨迹方向为从概率值大的栅格指向概率值小的栅格的情况下,确定车辆无需让行目标障碍物。
在一些实施例中,该第四确定子模块,用于:在轨迹方向为从概率值小的栅格指向概率值大的栅格的情况下,确定车辆需要让行目标障碍物。
本领域技术人员应当理解,本公开实施例的车辆控制装置中各处理模块的功能,可参照前述的车辆控制方法的相关描述而理解,本公开实施例的车辆控制装置中各处理模块,可通过实现本公开实施例所述的功能的模拟电路而实现,也可以通过执行本公开实施例所述的功能的软件在电子设备上的运行而实现。
本公开实施例的车辆控制装置,能有效避免因障碍物在预设时间段内发生运动而导致的碰撞,提高车辆驾驶的安全性。
本公开实施例还提供了车辆控制的场景示意图,如图14所示,车辆向电子设备如云服务器发送车辆自身相关信息和采集信息;车辆自身相关信息包括车辆的状态信息,如速度、所处位置等;采集信息可以是位于车辆前方的障碍物的相关信息,电子设备为每个车辆确定目标障碍物,并为每个车辆确定合适的通行路线。电子设备向车辆返回与车辆所处环境相适应的通行路线,以供车辆基于通行路线控制车辆的行驶。如此,能避免因障碍物发生运动而导致的碰撞,提高车辆驾驶的安全性。
本公开不对车辆和电子设备的个数进行限定,实际应用中可包括多个车辆、多个电子设备。
应理解,图14所示的场景图仅仅是示意性而非限制性的,本领域技术人员可以基于图14的例子进行各种显而易见的变化和/或替换,得到的技术方案仍属于本公开实施例的公开范围。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,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、一种计算机程序产品、一种车辆和一种自动驾驶车辆。
图15示出了可以用来实施本公开的实施例的示例电子设备1500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15所示,设备1500包括计算单元1501,其可以根据存储在只读存储器(Read-Only Memory,ROM)1502中的计算机程序或者从存储单元1508加载到随机访问存储器(Random Access Memory,RAM)1503中的计算机程序,来执行各种适当的动作和处理。在RAM1503中,还可存储设备1500操作所需的各种程序和数据。计算单元1501、ROM 1502以及RAM1503通过总线1504彼此相连。输入/输出(Input/Output,I/O)接口1505也连接至总线1504。
设备1500中的多个部件连接至I/O接口1505,包括:输入单元1506,例如键盘、鼠标等;输出单元1507,例如各种类型的显示器、扬声器等;存储单元1508,例如磁盘、光盘等;以及通信单元1509,例如网卡、调制解调器、无线通信收发机等。通信单元1509允许设备1500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1501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1501的一些示例包括但不限于中央处理单元(Central Processing Unit,CPU)、图形处理单元(Graphics Processing Unit,GPU)、各种专用的人工智能(ArtificialIntelligence,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(Digital Signal Processor,DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1501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1508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1502和/或通信单元1509而被载入和/或安装到设备1500上。当计算机程序加载到RAM 1503并由计算单元1501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1501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(Field Programmable Gate Array,FPGA)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用标准产品(Application-Specific Standard Products,ASSP)、芯片上系统的系统(System on Chip,SOC)、复杂可编程逻辑设备(Complex Programmable Logic Device,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、只读存储器、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、快闪存储器、光纤、便捷式紧凑盘只读存储器(Compact Disk Read Only Memory,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,阴极射线管(Cathode Ray Tube,CRT)或者液晶显示器(Liquid Crystal Display,LCD)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(Local Area Network,LAN)、广域网(Wide Area Network,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和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 (25)
1.一种车辆控制方法,包括:
确定车辆的目标障碍物;
确定所述目标障碍物在预设时间段内一直处于静止状态的概率值;
在所述概率值小于预设概率阈值的情况下,预测所述目标障碍物的运动轨迹;
基于所述目标障碍物的运动轨迹,确定所述车辆的通行路线;
基于所述通行路线控制所述车辆的行驶。
2.根据权利要求1所述的方法,其中,所述确定车辆的目标障碍物,包括:
响应于所述车辆的行驶速度小于第一阈值或减速度大于第二阈值,将位于所述车辆前方且行驶速度小于第三阈值或减速度大于第四阈值的障碍物,确定为所述车辆的候选障碍物;
响应于查询到所述车辆因所述候选障碍物执行过停车或减速的指令,将所述候选障碍物确定为所述目标障碍物。
3.根据权利要求1所述的方法,其中,所述确定所述目标障碍物在预设时间段内一直处于静止状态的概率值,包括:
获取所述目标障碍物的特征;
基于所述特征,确定所述目标障碍物在所述预设时间段内一直处于静止状态的概率值。
4.根据权利要求1所述的方法,其中,所述基于所述目标障碍物的运动轨迹,确定所述车辆的通行路线,包括:
获取所述车辆的规划轨迹;
基于所述规划轨迹与所述运动轨迹,得到所述车辆是否让行所述目标障碍物的结论;
基于所述结论确定所述车辆的通行路线。
5.根据权利要求4所述的方法,还包括:
基于所述目标障碍物建立数轴,所述数轴的概率分布遵循正态分布;
基于所述数轴构建所述目标障碍物的栅格图,所述栅格图包括N个栅格对应的图像,所述N为大于1的整数。
6.根据权利要求5所述的方法,其中,所述基于所述规划轨迹与所述运动轨迹,得到所述车辆是否让行所述目标障碍物的结论,包括:
确定所述规划轨迹和所述运动轨迹的交点;
基于所述交点确定所述N个栅格的概率值;
基于所述N个栅格的概率值,得到所述车辆是否让行所述目标障碍物的结论。
7.根据权利要求6所述的方法,其中,所述N个栅格包括第一栅格和第二栅格,所述基于所述交点确定所述N个栅格的概率值,包括:
获取在所述第一栅格发生条件下发生交点位于所述第二栅格的概率;
获取所述第一栅格单独发生的概率;
获取所述第二栅格单独发生的概率;
基于在所述第一栅格发生条件下发生交点位于所述第二栅格的概率,所述第一栅格单独发生的概率和所述第二栅格单独发生的概率,确定交点位于所述第二栅格条件下发生所述第一栅格的概率;
将交点位于所述第二栅格条件下发生所述第一栅格的概率,确定为所述第一栅格的概率。
8.根据权利要求6所述的方法,其中,所述基于所述N个栅格的概率值,得到所述车辆是否让行所述目标障碍物的结论,包括:
在所述目标障碍物处于静止状态时,将所述规划轨迹投影至所述数轴上,得到投影后的所述规划轨迹的轨迹方向;
基于所述轨迹方向以及所述N个栅格的概率值的分布情况,得到所述车辆是否让行所述目标障碍物的结论。
9.根据权利要求8所述的方法,其中,所述基于所述轨迹方向以及所述N个栅格的概率值的分布情况,得到所述车辆是否让行所述目标障碍物的结论,包括:
在所述轨迹方向为从概率值大的栅格指向概率值小的栅格的情况下,确定所述车辆无需让行所述目标障碍物。
10.根据权利要求8所述的方法,其中,所述基于所述投影后的轨迹方向以及所述N个栅格的概率值的分布情况,得到所述车辆是否让行所述目标障碍物的结论,包括:
在所述轨迹方向为从概率值小的栅格指向概率值大的栅格的情况下,确定所述车辆需要让行所述目标障碍物。
11.一种车辆控制装置,包括:
第一确定模块,用于确定车辆的目标障碍物;
第二确定模块,用于确定所述目标障碍物在预设时间段内一直处于静止状态的概率值;
预测模块,用于在所述概率值小于预设概率阈值的情况下,预测所述目标障碍物的运动轨迹;
第三确定模块,用于基于所述目标障碍物的运动轨迹,确定所述车辆的通行路线;
控制模块,用于基于所述通行路线控制所述车辆的行驶。
12.根据权利要求11所述的装置,其中,所述第一确定模块,包括:
第一确定子模块,用于响应于所述车辆的行驶速度小于第一阈值或减速度大于第二阈值,将位于所述车辆前方且行驶速度小于第三阈值或减速度大于第四阈值的障碍物,确定为所述车辆的候选障碍物;
第二确定子模块,用于响应于查询到所述车辆因所述候选障碍物执行过停车或减速的指令,将所述候选障碍物确定为所述目标障碍物。
13.根据权利要求11所述的装置,其中,所述第二确定模块,包括:
第一获取子模块,用于获取所述目标障碍物的特征;
第三确定子模块,用于基于所述特征,确定所述目标障碍物在预设时间段内一直处于静止状态的概率值。
14.根据权利要求11所述的装置,其中,所述第三确定模块,包括:
第二获取子模块,用于获取所述车辆的规划轨迹;
第四确定子模块,用于基于所述规划轨迹与所述运动轨迹,得到所述车辆是否让行所述目标障碍物的结论;
第五确定子模块,用于基于所述结论确定所述车辆的通行路线。
15.根据权利要求14所述的装置,还包括:
建立模块,用于基于所述目标障碍物建立数轴,所述数轴的概率分布遵循正态分布;
构建模块,用于基于所述数轴构建所述目标障碍物的栅格图,所述栅格图包括N个栅格对应的图像,所述N为大于1的整数。
16.根据权利要求15所述的装置,其中,所述第四确定子模块,用于:
确定所述规划轨迹和所述运动轨迹的交点;
基于所述交点确定所述N个栅格的概率值;
基于所述N个栅格的概率值,得到所述车辆是否让行所述目标障碍物的结论。
17.根据权利要求16所述的装置,其中,所述N个栅格包括第一栅格和第二栅格,所述第四确定子模块用于:
获取在所述第一栅格发生条件下发生交点位于所述第二栅格的概率;
获取所述第一栅格单独发生的概率;
获取所述第二栅格单独发生的概率;
基于在所述第一栅格发生条件下发生交点位于所述第二栅格的概率,所述第一栅格单独发生的概率和所述第二栅格单独发生的概率,确定交点位于所述第二栅格条件下发生所述第一栅格的概率;
将交点位于所述第二栅格条件下发生所述第一栅格的概率,确定为所述第一栅格的概率。
18.根据权利要求16所述的装置,其中,所述第四确定子模块用于:
在所述目标障碍物处于静止状态时,将所述规划轨迹投影至所述数轴上,得到投影后的所述规划轨迹的轨迹方向;
基于所述轨迹方向以及所述N个栅格的概率值的分布情况,得到所述车辆是否让行所述目标障碍物的结论。
19.根据权利要求18所述的装置,其中,所述第四确定子模块用于:
在所述轨迹方向为从概率值大的栅格指向概率值小的栅格的情况下,确定所述车辆无需让行所述目标障碍物。
20.根据权利要求18所述的装置,其中,所述第四确定子模块,用于:
在所述轨迹方向为从概率值小的栅格指向概率值大的栅格的情况下,确定所述车辆需要让行所述目标障碍物。
21.一种电子设备,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1-10中任一项所述的方法。
22.一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1-10中任一项所述的方法。
23.一种计算机程序产品,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1-10中任一项所述的方法。
24.一种车辆,包括:包括如权利要求21所述的电子设备。
25.一种自动驾驶车辆,包括:包括如权利要求21所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211150833.7A CN115476877A (zh) | 2022-09-21 | 2022-09-21 | 车辆控制方法、装置、设备及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211150833.7A CN115476877A (zh) | 2022-09-21 | 2022-09-21 | 车辆控制方法、装置、设备及自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115476877A true CN115476877A (zh) | 2022-12-16 |
Family
ID=84423461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211150833.7A Pending CN115476877A (zh) | 2022-09-21 | 2022-09-21 | 车辆控制方法、装置、设备及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115476877A (zh) |
-
2022
- 2022-09-21 CN CN202211150833.7A patent/CN115476877A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110667576B (zh) | 自动驾驶车辆的弯道通行控制方法、装置、设备和介质 | |
CN111775961B (zh) | 自动驾驶车辆规划方法、装置、电子设备及存储介质 | |
CN110320910B (zh) | 车辆的避让控制方法、装置、电子设备与存储介质 | |
JP2022160538A (ja) | 衝突検出方法、装置、電子機器、記憶媒体、自動運転車両及びコンピュータプログラム | |
JP2023547745A (ja) | 車両の障害物回避方法、装置、電子機器、記憶媒体 | |
CN112230634A (zh) | 一种机器人避障方法和装置 | |
CN115203969A (zh) | 自动驾驶仿真场景的控制方法、装置、设备和存储介质 | |
WO2021246169A1 (ja) | 情報処理装置、情報処理システム、および方法、並びにプログラム | |
CN114815851A (zh) | 机器人跟随方法、装置、电子设备以及存储介质 | |
CN114475585A (zh) | 路口自动驾驶方法、装置、电子设备及自动驾驶车辆 | |
CN113753078A (zh) | 障碍物轨迹的预测方法、装置、电子设备及自动驾驶车辆 | |
CN112925313A (zh) | 机器人的避让处理方法、装置、电子设备和介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN111231952B (zh) | 车辆控制方法、装置及设备 | |
CN115476877A (zh) | 车辆控制方法、装置、设备及自动驾驶车辆 | |
US20230008289A1 (en) | Route processing method and apparatus | |
JP2023030098A (ja) | 車線変更制御方法、車線変更制御装置、電子機器および記憶媒体 | |
CN114655254A (zh) | 自动驾驶车辆控制方法、装置及电子设备 | |
CN111324135A (zh) | 无人机控制方法、装置、电子设备及计算机可读介质 | |
CN115903773A (zh) | 移动体控制装置、移动体、学习装置及方法、及存储介质 | |
CN114030483A (zh) | 车辆控制方法、装置、电子设备和介质 | |
CN112433526A (zh) | 开放区域多无人车避让方法、装置、存储介质和电子设备 | |
CN117565894A (zh) | 自动驾驶车辆控制方法、装置、设备及存储介质 | |
CN114995400A (zh) | 基于混合微粒群算法的移动机器人路径规划方法及系统 | |
CN117068198A (zh) | 轨迹规划方法、装置、电子设备及自动驾驶车辆 |
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 |