CN115503757A - 自动驾驶车辆的控制方法、装置以及自动驾驶系统 - Google Patents

Abstract

本申请提供了一种自动驾驶车辆的控制方法、装置以及自动驾驶系统，该方法包括：自动驾驶车辆行驶过程中，在自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，预定参数包括偏航角以及俯仰角中至少之一，预定条件包括：自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，和/或自动驾驶车辆所在道路的坡度变化率小于第三阈值；在目标参数位于第一预定范围的情况下，根据目标参数，修正目标传感器测得的障碍物的位置信息；在目标参数不位于第一预定范围的情况下，降低自动驾驶车辆的自动驾驶等级。本申请解决了随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

Description

自动驾驶车辆的控制方法、装置以及自动驾驶系统

技术领域

本申请涉及自动驾驶领域，具体而言，涉及一种自动驾驶车辆的控制方法、装置、计算机可读存储介质、处理器以及自动驾驶系统。

背景技术

如今自动驾驶的车辆基本都有用到摄像头、毫米波雷达、激光雷达等传感器以及高精度地图等众多技术，来保证自动驾驶车辆对自身定位和周围障碍物的精准定位，提升自动驾驶的安全性。在自动驾驶算法里的多传感器融合算法模块中，很多都是直接使用传感器发送过来的障碍物位置信息进行数据处理和融合，但在实际车辆行驶过程中，传感器物理安装位置随着行驶时间的加长，其安装角度发生变化的概率也大大提高，那么此时周围障碍物的定位就不再精准，严重时甚至会发生自动驾驶安全事故。

因此，亟需一种方法，来解决随着行驶时间的增加，自动驾驶车辆对周围障碍物的定位不准确的问题。

在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。

发明内容

本申请的主要目的在于提供一种自动驾驶车辆的控制方法、装置、计算机可读存储介质、处理器以及自动驾驶系统，以解决现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

根据本申请实施例的一个方面，提供了一种自动驾驶车辆的控制方法，包括：自动驾驶车辆行驶过程中，在所述自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，所述预定参数包括偏航角以及俯仰角中至少之一，在所述预定参数包括所述偏航角的情况下，所述预定条件包括：所述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，所述预定加速度为所述自动驾驶车辆在垂直于行驶方向上的加速度，在所述预定参数包括所述俯仰角的情况下，所述预定条件包括：所述自动驾驶车辆所在道路的坡度变化率小于第三阈值；在所述目标参数位于第一预定范围的情况下，根据所述目标参数，修正所述目标传感器测得的障碍物的位置信息；在所述目标参数不位于所述第一预定范围的情况下，降低所述自动驾驶车辆的自动驾驶等级。

可选地，对目标传感器的预定参数进行标定，得到目标参数，包括：根据所述目标传感器采集的一帧数据以及边界线方程，对所述偏航角进行标定，得到标定后偏航角，所述边界线方程为根据高精度地图确定的所述自动驾驶车辆所在道路边界线的方程；对连续多帧所述数据对应的所述标定后偏航角进行统计学特征分析，得到最终偏航角。

可选地，根据所述目标传感器采集的一帧数据以及边界线方程，对所述偏航角进行标定，得到标定后偏航角，包括：根据一帧所述数据，确定多个第一静止障碍物的位置信息以及类型，所述第一静止障碍物为位于所述道路两侧且不移动的障碍物；在所述边界线方程为直线方程，且第一目标障碍物的数量大于第四阈值的情况下，根据边界线方程以及多个所述第一目标障碍物的位置信息，确定所述标定后偏航角，其中，所述第一目标障碍物为所述类型相同的所述第一静止障碍物；在所述边界线方程不为所述直线方程，且所述类型相同的所述第一静止障碍物的数量大于所述第四阈值的情况下，根据多个所述第一目标障碍物的位置信息，确定所述标定后偏航角。

可选地，根据边界线方程以及多个所述第一目标障碍物的位置信息，确定所述标定后偏航角，包括：将位于所述道路同一侧的所述第一目标障碍物的位置信息进行最小二乘拟合，得到第一拟合线方程；根据所述第一拟合线方程与所述边界线方程，确定所述标定后偏航角。

可选地，所述道路包括相对的第一边界线以及第二边界线，所述边界线方程包括第一边界线子方程和第二边界线子方程，在多个所述第一目标障碍物位于所述道路不同侧的情况下，所述第一拟合线方程包括第一拟合线子方程和第二拟合线子方程，所述第一边界线子方程和所述第一拟合线子方程分别对应所述第一边界线，所述第二边界线子方程和所述第二拟合线子方程分别对应所述第二边界线，根据所述第一拟合线方程与所述边界线方程，确定所述标定后偏航角，包括：在所述第一目标障碍物位于所述道路不同侧的情况下，确定所述第一边界线子方程与所述第一拟合线子方程之间的夹角为第一夹角、所述第二边界线子方程与所述第二拟合线子方程之间的夹角为第二夹角；在所述第一夹角与所述第二夹角中之一为无效夹角的情况下，确定所述第一夹角与所述第二夹角中的有效夹角为所述标定后偏航角，所述无效夹角对应的所述第一目标障碍物的数量小于或者等于所述第四阈值，所述有效夹角对应的所述第一目标障碍物的数量大于所述第四阈值；在所述第一夹角与所述第二夹角均为所述有效夹角，且所述第一夹角与所述第二夹角之差位于第二预定范围的情况下，确定所述第一夹角与所述第二夹角的平均值为所述标定后偏航角；在所述第一夹角与所述第二夹角均为所述有效夹角，且所述第一夹角与所述第二夹角之差不位于所述第二预定范围的情况下，分别获取所述自动驾驶车辆与所述第一边界线的边界线距离以及所述自动驾驶车辆与所述第二边界线的边界线距离，确定所述第一夹角和所述第二夹角中，所述边界线距离的最小值对应的夹角为所述标定后偏航角。

可选地，所述道路包括相对的第一边界线以及第二边界线，所述边界线方程包括与所述第一边界线对应的第一边界线子方程和与所述第二边界线对应的第二边界线子方程，根据所述第一拟合线方程与所述边界线方程，确定所述标定后偏航角，包括：在所有的所述第一目标障碍物均位于所述道路同一侧的情况下，获取第一距离以及第二距离，所述第一距离为所述第一边界线子方程与所述第一拟合线方程的距离，所述第二距离为所述第二边界线子方程与所述第一拟合线方程的距离；确定所述第一边界线子方程以及所述第二边界线子方程中，所述第一距离与所述第二距离中的最小值对应的子方程为目标子边界线方程；确定所述第一拟合线方程与所述目标子边界线方程之间的夹角为所述标定后偏航角。

可选地，根据多个所述第一目标障碍物的位置信息，确定所述标定后偏航角，包括：确定第二目标障碍物的位置信息与所述边界线方程之间的距离为第三距离，并计算各所述第三距离的平均值，所述第二目标障碍物为位于所述道路同一侧的所有所述第一目标障碍物；确定所述平均值是否小于第五阈值；在所述平均值大于或者等于所述第五阈值的情况下，根据所述偏航角、第三预定范围以及预设角度步进，确定所述标定后偏航角；在所述平均值小于所述第五阈值的情况下，确定所述偏航角为所述标定后偏航角。

可选地，在所述平均值大于或者等于所述第五阈值的情况下，根据所述偏航角、第三预定范围以及预设角度步进，确定所述标定后偏航角，包括：更新步骤，在所述平均值大于或者等于所述第五阈值的情况下，从所述偏航角开始，以所述预设角度步进增大或者减小所述偏航角，得到更新角度，所述更新角度位于所述第三预定范围；修正步骤，根据所述更新角度，修正各所述第二目标障碍物的位置信息，得到修正后的位置信息；计算步骤，计算修正后的位置信息与所述边界线方程之间的距离平均值；第一确定步骤，确定所述距离平均值是否小于所述第五阈值；第二确定步骤，在所述距离平均值小于所述第五阈值的情况下，确定所述更新角度为所述标定后偏航角，在所述距离平均值大于或者等于所述第五阈值的情况下，依次执行所述更新步骤、所述修正步骤、所述计算步骤以及所述第一确定步骤，直到所述距离平均值小于所述第五阈值或者所述更新角度达到所述第三预定范围的边界。

可选地，在对目标传感器的预定参数进行标定，得到目标参数之前，所述方法还包括：获取第六阈值、所述自动驾驶车辆的车速以及所述道路两侧的各所述障碍物的速度；根据所述车速以及位于各所述速度，确定所述速度与所述车速的方向相反，且预定差值位于第五预定范围的所述障碍物为初始静止障碍物，所述预定差值为所述速度的绝对值与所述车速的绝对值的差值绝对值；根据所述初始静止障碍物的位置信息以及所述边界线方程，计算各所述初始静止障碍物与所述边界线方程的距离，得到多个第四距离；确定小于所述第六阈值的所述第四距离对应的所述初始静止障碍物为所述第一静止障碍物。

可选地，对目标传感器的预定参数进行标定，得到目标参数，包括：从所述目标传感器采集的连续多帧数据中提取第二静止障碍物，并获取第一高度，所述第一高度为所述目标传感器测得的所述第二静止障碍物的高度信息，所述第二静止障碍物为位于所述道路上或者所述道路两侧的、与所述自动驾驶车辆的距离位于第四预定范围且不移动的障碍物；获取第二高度与第五距离之间的拟合关系，得到第二拟合线方程，所述第二高度为根据高精度地图确定的所述第二静止障碍物的高度信息，所述第五距离为所述第二静止障碍物与所述自动驾驶车辆在所述行驶方向上的实时距离；在所述第二静止障碍物的数量大于第七阈值的情况下，对所述第一高度与所述第五距离进行拟合，得到第三拟合线方程；确定所述第二拟合线方程与所述第三拟合线方程的夹角为最终俯仰角。

根据本申请实施例的另一方面，还提供了一种自动驾驶车辆的控制装置，包括：标定单元，用于自动驾驶车辆行驶过程中，在所述自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，所述预定参数包括偏航角以及俯仰角中至少之一，在所述预定参数包括所述偏航角的情况下，所述预定条件包括：所述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，所述预定加速度为所述自动驾驶车辆在垂直于行驶方向上的加速度，在所述预定参数包括所述俯仰角的情况下，所述预定条件包括：所述自动驾驶车辆所在道路的坡度变化率小于第三阈值；修正单元，用于在所述目标参数位于第一预定范围的情况下，根据所述目标参数，修正所述目标传感器测得的障碍物的位置信息；降低单元，用于在所述目标参数不位于所述第一预定范围的情况下，降低所述自动驾驶车辆的自动驾驶等级。

根据本申请实施例的再一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。

根据本申请实施例的又一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。

根据本申请实施例的另一方面，还提供了一种自动驾驶系统，包括自动驾驶车辆、一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。

在本申请实施例中，自动驾驶车辆的控制方法，首先在自动驾驶车辆行驶过程中，自动驾驶车辆满足自动驾驶车辆偏航角的变化率小于第一阈值且预定加速度的变化率小于第二阈值时，对传感器的偏航角进行标定，和/或自动驾驶车辆满足自动驾驶车辆所在道路的坡度变化率小于第三阈值的时，对传感器的俯仰角进行标定，得到目标参数，保证了标定后的传感器的姿态信息较为准确；之后，在目标参数位于第一预定范围的情况下，根据目标参数，修正传感器测得的障碍物的位置信息，保证了传感器对车辆周围障碍物的精准定位，从而保证自动驾驶车辆的驾驶安全；在目标参数不位于第一预定范围的情况下，说明传感器的定位不准确，自动驾驶风险较高，此时降低自动驾驶车辆的自动驾驶等级，避免了由于传感器的定位不准造成驾驶事故。本申请有效地解决了现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了根据本申请的实施例的自动驾驶车辆的控制方法的流程示意图；

图2示出了根据本申请的实施例的水平直道场景下道路边界线和障碍物的位置关系示意图；

图3示出了根据本申请的实施例的水平非直道场景下道路边界线和障碍物的位置关系示意图；

图4示出了根据本申请的实施例的障碍物的高度随障碍物与车辆距离的关系图；

图5示出了根据本申请的实施例的自动驾驶车辆的控制装置的示意图；

图6示出了根据本申请的实施例的多传感器融合算法模块的结构示意图；

图7示出了根据本申请的实施例的水平标定流程示意图；

图8示出了根据本申请的实施例的俯仰标定流程示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。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的过程、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。

应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。

正如背景技术中所说的，现有技术中的随着行驶时间的增加，自动驾驶车辆的传感器定位不准确，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种自动驾驶车辆的控制方法、装置、计算机可读存储介质、处理器以及自动驾驶系统。

根据本申请的实施例，提供了一种自动驾驶车辆的控制方法。

图1是根据本申请实施例的自动驾驶车辆的控制方法的流程图。如图1所示，该方法包括以下步骤：

步骤S101，自动驾驶车辆行驶过程中，在上述自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，上述预定参数包括偏航角以及俯仰角中至少之一，在上述预定参数包括上述偏航角的情况下，上述预定条件包括：上述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，上述预定加速度为上述自动驾驶车辆在垂直于行驶方向上的加速度，在上述预定参数包括上述俯仰角的情况下，上述预定条件包括：上述自动驾驶车辆所在道路的坡度变化率小于第三阈值；

上述过程中，在上述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值的情况下，说明自动驾驶车辆在相对水平的方向上平稳行驶，此时对目标传感器的偏航角进行标定，可以使得标定后的偏航角较为准确；在自动驾驶车辆所在道路的坡度变化率小于第三阈值的情况下，说明自动驾驶车辆的俯仰角变化较小，此时对目标传感器的俯仰角进行标定，可以使得标定后的俯仰角较为准确。

上述自动驾驶车辆偏航角、上述预定加速度以及上述坡度都是经过滤波处理后得到的。

根据目标传感器安装在自动驾驶车辆上的位置不同，有的情况可以同时探测到道路左右两侧，有的只能探测到道路单侧，这两种情况本申请均适用。

为了进一步地保证偏航角的标定效果较好，根据本申请的另一种具体的实施例，在上述预定参数包括上述偏航角的情况下，上述预定条件包括：上述自动驾驶车辆偏航角的变化率小于第一阈值，预定加速度的变化率小于第二阈值，以及上述道路的坡度变化率小于第三阈值，这样可以进一步地避免坡度对偏航角标定结果的干扰。

另外，上述预定参数包括偏航角以及俯仰角中至少之一的情况下，上述预定条件还包括：上述自动驾驶车辆的车速大于第八阈值。

上述目标传感器可以包括激光雷达(Lidar)和/或毫米波雷达(Radar)。其中，激光雷达用于采集车辆周围障碍物的点云信息或者对象信息；毫米波雷达具备测高能力，也是用于采集车辆周围障碍物的点云信息或者对象信息。激光雷达和激光雷达的动态标定原理类似，点云信息和对象信息的动态标定算法数据处理也是类似的，区别是点云数据量大，所占缓存空间也更大，算法运行时间稍长，标定结果的精准度会稍好，但不会相差很多。本领域技术人员可根据自身硬件平台资源和传感器数据信息类型，自行选择使用的传感器类型。

激光雷达和激光雷达的安装位置不同，但其障碍物位置信息均会统一到车体坐标系下，并且最终的动态标定原理是类似的，因此安装位置是不受影响的。

在实际的应用过程中，自动驾驶车辆的控制过程中，会通过各种传感器实时采集车速、车辆的偏航角、车辆的横向加速度以及纵向加速度等自车信息，还会接收高精度地图发送的前方不同距离下的道路坡度信息、道路边界线、车道线、道路上的龙门架以及道路指示牌等固定高度的障碍物、以及道路两侧的栏杆、花坛以及墙体等障碍物信息。这些信息经过多传感器融合算法处理，作为控制自动驾驶车辆行驶的参考数据。

本申请下述的根据高精度地图得到的数据，均为高精度地图在有效可用状态下的数据。

本申请的一种实施例中，在上述预定参数包括上述偏航角的情况下，对目标传感器的预定参数进行标定，得到目标参数，包括如下具体步骤：

步骤S201，根据上述目标传感器采集的一帧数据以及边界线方程，对上述偏航角进行标定，得到标定后偏航角，上述边界线方程为根据高精度地图确定的上述自动驾驶车辆所在道路边界线的方程；

步骤S202，对连续多帧上述数据对应的上述标定后偏航角进行统计学特征分析，得到最终偏航角。

上述过程通过目标传感器连续各帧的数据以及边界线方程，确定连续多帧对应的标定后偏航角，在对连续多帧对应的标定后偏航角进行统计学分析，可以剔除多个标定后偏航角中不准确的值，使得得到的最终偏航角较为精准。并且，上述过程还实现了在自动驾驶车辆的行驶过程中，对目标传感器的偏航角的动态标定，进一步地保证了后续根据目标传感器得到的障碍物信息较为准确，从而进一步地保证了自动驾驶车辆的驾驶安全。

上述步骤S201具体包括：

步骤S301，根据一帧上述数据，确定多个第一静止障碍物的位置信息以及类型，上述第一静止障碍物为位于上述道路两侧且不移动的障碍物；

上述类型可以包括栏杆、花坛以及墙体。在实际的应用过程中，道路边界线的边界线方程可能为如图2所示的直线，此时自动驾驶车辆处于直道场景；还可能为如图3所示的曲线，此时自动驾驶车辆处于非直道场景。针对不同形态的边界线方程，对偏航角的标定过程也不相同，具体说明如下：

步骤S302，在上述边界线方程为直线方程，且第一目标障碍物的数量大于第四阈值的情况下，根据边界线方程以及多个上述第一目标障碍物的位置信息，确定上述标定后偏航角，其中，上述第一目标障碍物为上述类型相同的上述第一静止障碍物；

水平直道场景下，上述自动驾驶车辆偏航角的变化率小于第一阈值，指偏航角稳定在0附近小范围波动，预定加速度的变化率小于第二阈值，指预定加速度在0附近小范围波动。

步骤S303，在上述边界线方程不为上述直线方程，且上述类型相同的上述第一静止障碍物的数量大于上述第四阈值的情况下，根据多个上述第一目标障碍物的位置信息，确定上述标定后偏航角。

水平非直道场景下，上述自动驾驶车辆偏航角的变化率小于第一阈值，指偏航角稳定在非0值附近小范围波动，预定家私杜的变化率小于第二阈值，指预定加速度在非0值附近小范围波动。

上述实施例的具体原理为：在自动驾驶车辆行驶过程中，利用目标传感器探测到周围的栏杆、花坛、墙体等绝对静止障碍物的位置信息，结合自车运动轨迹、姿态和道路坡度信息，若目标传感器的偏航角度正常，那么绝对静止障碍物的位置分布和高精度地图的道路边界线是平行或平移后可重合的，具体可参见图2和图3。若目标传感器的偏航角度异常，则在角度允许范围内，依次将绝对静止障碍物的位置旋转某个角度α、平行或平移后可与道路边界线重合，则角度α就是目标传感器标定后的偏航角度。

上述的第四阈值的大小取决于第一目标障碍物的类型。目标传感器获取的上述一帧数据中，上述第一目标障碍物为栏杆的情况下对应的第四阈值、上述第一目标障碍物为墙体的情况下对应的第四阈值，以及上述第一目标障碍物为花坛的情况下对应的第四阈值依次增大，这样可以进一步地保证后续的偏航角标定结果较为准确可靠。

需要说明的是，上述步骤S302以及上述步骤S303中，只要一种类型的第一目标障碍物的数量大于上述第四阈值，即可根据该类型的第一目标障碍物的位置信息来确定标定后偏航角。如一帧数据中，存在多种类型的第一目标障碍物的数量大于上述第四阈值，为了简化计算过程，本领域技术人员可以选择大于第一阈值的一种类型的第一目标障碍物来标定偏航角，还可以分别根据每种类型的第一目标障碍物，来标定偏航角，从而进一步地保证标定精度较好。

另外，在所有类型的第一目标障碍物的数量均不满足大于上述第四阈值的情况下，结束偏航角标定。

为了进一步地保证最终偏航角的稳定性，上述步骤S202的具体实现方式可以为：计算连续多帧上述数据对应的上述标定后偏航角的平均值，得到上述最终偏航角。上述步骤S202具体实现方式还可以为：计算连续多帧上述数据对应的上述标定后偏航角的众数，得到上述最终偏航角。上述步骤S202的具体步骤还可以为：计算连续多帧上述数据对应的上述标定后偏航角的中位数，得到上述最终偏航角。

在其他实施例中，多个上述第一静止障碍物的类型以及数量并不限于从目标传感器采集的帧数据中获取，还可以从高精度地图中提取。也就是说，对目标传感器的预定参数进行标定，得到目标参数，还可以包括：根据上述目标传感器采集的一帧数据以及高精度地图，对上述偏航角进行标定，得到标定后偏航角；对连续多帧上述数据对应的上述标定后偏航角进行统计学特征分析，得到最终偏航角。

那么，根据上述目标传感器采集的一帧数据以及高精度地图，对上述偏航角进行标定，得到标定后偏航角的过程为：根据上述高精度地图，确定多个第一静止障碍物的类型以及上述道路边界线的边界线方程，上述第一静止障碍物为位于上述道路两侧且不移动的障碍物；根据一帧上述数据，确定多个第一静止障碍物的位置信息；确定类型相同的上述第一静止障碍物为第一目标障碍物，并计算各上述类型对应的上述第一目标障碍物的数量；在上述边界线方程为直线方程，且第一目标障碍物的数量大于第四阈值的情况下，根据边界线方程以及多个上述第一目标障碍物的位置信息，确定上述标定后偏航角，其中，上述第一目标障碍物为上述类型相同的上述第一静止障碍物；在上述边界线方程不为上述直线方程，且上述类型相同的上述第一静止障碍物的数量大于上述第四阈值的情况下，根据多个上述第一目标障碍物的位置信息，确定上述标定后偏航角。

本申请的一种实施例中，根据边界线方程以及多个上述第一目标障碍物的位置信息，确定上述标定后偏航角，包括：

步骤S3021，将位于上述道路同一侧的上述第一目标障碍物的位置信息进行最小二乘拟合，得到第一拟合线方程；

步骤S3022，根据上述第一拟合线方程与上述边界线方程，确定上述标定后偏航角。

在直道场景下，通过最小二乘拟合位于道路同一侧的上述第一目标障碍物的位置信息，可以较为简单快捷地得到第一目标障碍物的直线方程，即上述的第一拟合线方程，再计算直线方程与直线的边界线方程之间的夹角，即可得到标定后偏航角。

在实际应用中，自动驾驶车辆行驶过程中，由于路上的障碍物遮挡以及自动驾驶车辆在道路上的位置等因素，目标传感器仅能采集到道路一侧的障碍物数据，这种情况下，直接计算得到一个拟合线方程和对应边的边界线方程即可。其他情况下，自动驾驶车辆可能可以采集到道路两侧的障碍物数据，但是一侧的障碍物数据清晰度不够或者不完整，还可能可以较为清楚完整地采集到道路两侧的障碍物数据，这种情况下，具体的执行方式可以为：

上述道路包括相对的第一边界线以及第二边界线，上述边界线方程包括第一边界线子方程和第二边界线子方程，在多个上述第一目标障碍物位于上述道路不同侧的情况下，上述第一拟合线方程包括第一拟合线子方程和第二拟合线子方程，上述第一边界线子方程和上述第一拟合线子方程分别对应上述第一边界线，上述第二边界线子方程和上述第二拟合线子方程分别对应上述第二边界线，上述步骤S3022的具体实现方式可以包括：在上述第一目标障碍物位于上述道路不同侧的情况下，确定上述第一边界线子方程与上述第一拟合线子方程之间的夹角为第一夹角、上述第二边界线子方程与上述第二拟合线子方程之间的夹角为第二夹角；在上述第一夹角与上述第二夹角中之一为无效夹角的情况下，确定上述第一夹角与上述第二夹角中的有效夹角为上述标定后偏航角，上述无效夹角对应的上述第一目标障碍物的数量小于或者等于上述第四阈值，上述有效夹角对应的上述第一目标障碍物的数量大于上述第四阈值；在上述第一夹角与上述第二夹角均为上述有效夹角，且上述第一夹角与上述第二夹角之差位于第二预定范围的情况下，确定上述第一夹角与上述第二夹角的平均值为上述标定后偏航角；在上述第一夹角与上述第二夹角均为上述有效夹角，且上述第一夹角与上述第二夹角之差不位于上述第二预定范围的情况下，分别获取上述自动驾驶车辆与上述第一边界线的边界线距离以及上述自动驾驶车辆与上述第二边界线的边界线距离，确定上述第一夹角和上述第二夹角中，上述边界线距离的最小值对应的夹角为上述标定后偏航角。

上述处理方式中，在第一夹角和第二夹角二者中只有一个有效夹角的情况下，以其中的有效夹角作为标定后偏航角；在二者均为有效夹角并且相差不大的情况下，则取二者平均值作为标定后偏航角；在二者均为有效夹角且相差较大的情况下，以自动驾驶车辆靠近的道路边界线对应的夹角为标定后偏航角，通过上述处理方式可以进一步地实现较为准确地对偏航角进行标定。

另外，在上述第一夹角与上述第二夹角均为上述无效夹角的情况下，偏航角标定结束。

本申请实施例中，上述步骤303的具体实现方式还可以包括：确定第二目标障碍物的位置信息与上述边界线方程之间的距离为第三距离，并计算各上述第三距离的平均值，上述第二目标障碍物为位于上述道路同一侧的所有上述第一目标障碍物；确定上述平均值是否小于第五阈值；在上述平均值大于或者等于上述第五阈值的情况下，根据上述偏航角、第三预定范围以及预设角度步进，确定上述标定后偏航角；在上述平均值小于上述第五阈值的情况下，确定上述偏航角为上述标定后偏航角。在上述平均值小于上述第五阈值的情况下，说明目标传感器的当前偏航角正常，无需再标定；在上述平均值大于或者等于上述第五阈值的情况下，根据当前的偏航角、预设的第三预定范围以及预设角度步进，来对偏航角进行标定，进一步地实现了非直道场景下对偏航角的精确标定。

根据本申请的另一种具体的实施例，在上述平均值大于或者等于上述第五阈值的情况下，根据上述偏航角、第三预定范围以及预设角度步进，确定上述标定后偏航角，包括：更新步骤，在上述平均值大于或者等于上述第五阈值的情况下，从上述偏航角开始，以上述预设角度步进增大或者减小上述偏航角，得到更新角度，上述更新角度位于上述第三预定范围；修正步骤，根据上述更新角度，修正各上述第二目标障碍物的位置信息，得到修正后的位置信息；计算步骤，计算修正后的位置信息与上述边界线方程之间的距离平均值；第一确定步骤，确定上述距离平均值是否小于上述第五阈值；第二确定步骤，在上述距离平均值小于上述第五阈值的情况下，确定上述更新角度为上述标定后偏航角，在上述距离平均值大于或者等于上述第五阈值的情况下，依次执行上述更新步骤、上述修正步骤、上述计算步骤以及上述第一确定步骤，直到上述距离平均值小于上述第五阈值或者上述更新角度达到上述第三预定范围的边界。

上述方法还包括：确定上述第二目标障碍物的数量是否大于上述第四阈值，在确定上述第二目标障碍物的数量大于上述第四阈值的情况下，设置遍历轮询旗标Flag＝0；上述更新步骤包括：在上述平均值大于或者等于上述第五阈值的情况下，从上述偏航角开始，以上述预设角度步进增大或者减小上述偏航角，得到更新角度，并设置上述遍历轮询旗标Flag＝1，上述更新角度位于上述第三预定范围。

当然，上述的遍历轮询旗标的数值并不限于上述的0和1，本领域技术人员可以根据实际情况具体设置，如在确定上述第二目标障碍物的数量大于上述第四阈值的情况下，设置遍历轮询旗标Flag＝第一数值，得到更新角度，并设置上述遍历轮询旗标Flag＝第二数值，第一数值与第二数值不同。

在上述平均值小于上述第五阈值的情况下，确定上述偏航角为上述标定后偏航角，包括：在上述平均值小于上述第五阈值的情况下，确定上述遍历轮询旗标Flag是否等于0；在确定上述遍历轮询旗标Flag＝0的情况下，确定上述偏航角为上述标定后偏航角；在确定上述遍历轮询旗标Flag≠0的情况下，确定上述更新角度为上述标定后偏航角。

在上述距离平均值小于上述第五阈值的情况下，确定上述更新角度为上述标定后偏航角，包括：在上述平均值小于上述第五阈值的情况下，确定上述遍历轮询旗标Flag是否等于0；在确定上述遍历轮询旗标Flag＝0的情况下，确定上述偏航角为上述标定后偏航角；在确定上述遍历轮询旗标Flag≠0的情况下，确定上述更新角度为上述标定后偏航角。

上述方法还包括：在上述更新角度达到上述第三预定范围的边界的情况下，确定当前的上述偏航角超出允许工作范围。

需要说明的是，上述第三预定范围可以与上述第一预定范围相同，上述第三预定范围也可以是对上述第一预定范围做适当收紧之后得到的。

在上述预定参数包括俯仰角的情况下，对目标传感器的预定参数进行标定，得到目标参数，包括：从上述目标传感器采集的连续多帧数据中提取第二静止障碍物，并获取第一高度，上述第一高度为上述目标传感器测得的上述第二静止障碍物的高度信息，上述第二静止障碍物为位于上述道路上或者上述道路两侧的、与上述自动驾驶车辆的距离位于第四预定范围且不移动的障碍物；获取第二高度与第五距离之间的拟合关系，得到第二拟合线方程，上述第二高度为根据高精度地图确定的上述第二静止障碍物的高度信息，上述第五距离为上述第二静止障碍物与上述自动驾驶车辆在上述行驶方向上的实时距离；在上述第二静止障碍物的数量大于第七阈值的情况下，对上述第一高度与上述第五距离进行拟合，得到第三拟合线方程；确定上述第二拟合线方程与上述第三拟合线方程的夹角为最终俯仰角。

上述实施例在车辆行驶过程中，利用目标传感器探测到的前方道路的龙门架、道路指示牌等高度固定的第二静止障碍物的高度信息，以及第二静止障碍物与上述自动驾驶车辆在上述行驶方向上的实时距离，结合高精度地图反馈的第二拟合线方程，对目标传感器的俯仰角进行标定，实现了对传感器的俯仰角的动态标定，保证了标定后的传感器的准确性。

为了保证高度信息的有效性和可靠性，需要选择合适的距离区间作为上述第四预定范围。

具体的，上述的对上述第一高度与上述第五距离进行拟合，得到第三拟合线方程的具体过程可以为：以上述第一高度为因变量，以上述第五距离为自变量，对上述第一高度与上述第五距离进行最小二乘拟合，得到上述第三拟合线方程。

在实际应用过程中，如图4所示，自动驾驶车辆行驶过程中，自车运动轨迹、运动姿态和高精度地图提供的前方道路坡度信息，若道路坡度是稳定的(在很小范围内波动)，那么自动驾驶车辆靠近龙门架、道路指示牌等高度固定的障碍物的过程中，其第二高度Z和上述第五距离X所拟合后的直线在Z-X应该是平行于X轴的。

因此，为了简化对目标传感器的俯仰角的标定过程，对目标传感器的预定参数进行标定，得到目标参数，还可以包括：从上述目标传感器采集的连续多帧数据中提取第二静止障碍物，并获取第一高度，上述第一高度为上述目标传感器测得的上述第二静止障碍物的高度信息，上述第二静止障碍物为位于上述道路上或者上述道路两侧的、与上述自动驾驶车辆的距离位于第四预定范围且不移动的障碍物；根据第二高度，得到y＝第二高度的第二拟合线方程，其中，上述第二高度为根据高精度地图确定的上述第二静止障碍物的高度信息；在上述第二静止障碍物的数量大于第七阈值的情况下，对上述第一高度与上述第五距离进行拟合，得到第三拟合线方程；确定上述第二拟合线方程与上述第三拟合线方程的夹角为最终俯仰角。上述过程省略了对从高精度地图中获取的第二高度与第五距离进行拟合的过程，进一步地保证了上述的俯仰角的标定过程较为简单，容易实现。

需要说明的是，目标传感器的一帧数据只能获得一个上述第一高度，因此，上述第一拟合线方程是根据目标传感器的连续多帧数据拟合得到的。为了进一步地保证俯仰角的标定稳定性，上述方法还包括：在得到最终俯仰角后，根据目标传感器实时获取的帧数据，对上述最终俯仰角进行动态更新。

需要说明的是，上述的障碍物的位置信息是障碍物在车体坐标系下的位置信息。

步骤S102，在上述目标参数位于第一预定范围的情况下，根据上述目标参数，修正上述目标传感器测得的障碍物的位置信息；

具体地，在根据上述目标参数，修正上述目标传感器测得的障碍物的位置信息之前，还包括：步骤S401，将目标传感器探测到的障碍物的初始位置信息(x，y，z)转换到车体坐标系下；

具体过程为：根据目标传感器当前的安装角度

计算四元数转换矩阵Rotation_Matrix；根据四元数转换矩阵、安装位置Pos_Tra＝[x0，y0，z0]以及位置信息，得到障碍物在车体坐标系下的具体位置(X，Y，Z)：

(X,Y,Z)＝(x,y,z)×Rotation_Matrix+Pos_Tra

上述障碍物位置的转换和平移可以在自动驾驶车辆的传感器内部实现，也有在多传感器融合算法模块里实现，都是可行的，本申请以在多传感器融合算法模块里实现为例。

步骤S402，根据目标传感器获取每帧数据的时间、自动驾驶车辆的速度以及加速度，实时确定位置调整量(△x，△y，△z)，并对障碍物在车体坐标系下的具体位置(X，Y，Z)进行实时调整，得到新位置(X0，Y0，Z0)＝(X，Y，Z)+(△x，△y，△z)，该新位置就是上述目标传感器测得的障碍物的位置信息。

根据上述目标参数，修正上述目标传感器测得的障碍物的位置信息的具体过程可以为：根据目标参数，重新计算四元数转换矩阵Rotation_Matrix，再根据重新计算的四元数转换矩阵Rotation_Matrix、安装位置Pos_Tra以及位置信息，得到障碍物在车体坐标系下的具体位置，再采用位置调整量(△x，△y，△z)对该位置进行实时调整，得到修正后的位置信息。

步骤S103，在上述目标参数不位于上述第一预定范围的情况下，降低上述自动驾驶车辆的自动驾驶等级。

本申请的自动驾驶车辆的控制方法，首先，在自动驾驶车辆行驶过程中，自动驾驶车辆满足自动驾驶车辆偏航角的变化率小于第一阈值且预定加速度的变化率小于第二阈值时，对传感器的偏航角进行标定，和/或自动驾驶车辆满足自动驾驶车辆所在道路的坡度变化率小于第三阈值的时，对传感器的俯仰角进行标定，得到目标参数，保证了标定后的传感器的姿态信息较为准确；之后，在目标参数位于第一预定范围的情况下，根据目标参数，修正传感器测得的障碍物的位置信息，保证了传感器对车辆周围障碍物的精准定位，从而保证自动驾驶车辆的驾驶安全；在目标参数不位于第一预定范围的情况下，说明传感器的定位不准确，自动驾驶风险较高，此时降低自动驾驶车辆的自动驾驶等级，避免了由于传感器的定位不准造成驾驶事故。本申请有效地解决了现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

上述方法通过对传感器的偏航角进行标定，能提高自动驾驶车辆对周围障碍物的精准定位；通过对传感器的俯仰角进行标定，能使得自动驾驶车辆获得的障碍物高度信息的可靠性大大提升，有利于自动驾驶车辆判决自车是否能安全通行某些限高区域，来保证自动驾驶安全。并且可大大降低传感器标定对于高精度、高成本标定设备的依赖，降低静态标定设备的成本；同时上述方法可以代替车辆下线的动态标定流程，节省建设动态标定场所的成本。

上述的降低上述自动驾驶车辆的自动驾驶等级，包括控制自动驾驶车辆退出自动驾驶，并通知相关人员接手车辆的控制权。

在上述目标参数不位于上述第一预定范围的情况下，上述方法还包括：发出警报信息。这样可以及时告知驾驶员和/或车辆管理员，需要物理机械调整目标传感器的预定参数，有利于自动驾驶车辆实现自动驾驶降级甚至退出等功能安全模块，保证车辆的安全行驶。

在实际的应用过程中，目标传感器在采集障碍物信息时，除了获取到所在道路的道路上以及道路两侧的障碍物信息外，还可能采集到相邻道路一侧的障碍物信息，此种情况下，为了进一步地避免非车辆所在道路上的障碍物信息对后续的过程造成干扰，影响后续标定效果，根据本申请的又一种具体的实施例，在对目标传感器的预定参数进行标定，得到目标参数之前，上述方法还包括：获取第六阈值、上述自动驾驶车辆的车速以及上述道路两侧的各上述障碍物的速度；根据上述车速以及位于各上述速度，确定上述速度与上述车速的方向相反，且预定差值位于第五预定范围的上述障碍物为初始静止障碍物，上述预定差值为上述速度的绝对值与上述车速的绝对值的差值绝对值；根据上述初始静止障碍物的位置信息以及上述边界线方程，计算各上述初始静止障碍物与上述边界线方程的距离，得到多个第四距离；确定小于上述第六阈值的上述第四距离对应的上述初始静止障碍物为上述第一静止障碍物。上述实施例中，通过设置合适的第五阈值，从第一目标障碍物中。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例还提供了一种自动驾驶车辆的控制装置，需要说明的是，本申请实施例的自动驾驶车辆的控制装置可以用于执行本申请实施例所提供的用于自动驾驶车辆的控制方法。以下对本申请实施例提供的自动驾驶车辆的控制装置进行介绍。

图5是根据本申请实施例的自动驾驶车辆的控制装置的示意图。如图5所示，该装置包括：

标定单元10，用于自动驾驶车辆行驶过程中，在上述自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，上述预定参数包括偏航角以及俯仰角中至少之一，在上述预定参数包括上述偏航角的情况下，上述预定条件包括：上述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，上述预定加速度为上述自动驾驶车辆在垂直于行驶方向上的加速度，在上述预定参数包括上述俯仰角的情况下，上述预定条件包括：上述自动驾驶车辆所在道路的坡度变化率小于第三阈值；

上述过程中，在上述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值的情况下，说明自动驾驶车辆在相对水平的方向上平稳行驶，此时对目标传感器的偏航角进行标定，可以使得标定后的偏航角较为准确；在自动驾驶车辆所在道路的坡度变化率小于第三阈值的情况下，说明自动驾驶车辆的俯仰角变化较小，此时对目标传感器的俯仰角进行标定，可以使得标定后的俯仰角较为准确。

上述自动驾驶车辆偏航角、上述预定加速度以及上述坡度都是经过滤波处理后得到的。

根据目标传感器安装在自动驾驶车辆上的位置不同，有的情况可以同时探测到道路左右两侧，有的只能探测到道路单侧，这两种情况本申请均适用。

为了进一步地保证偏航角的标定效果较好，根据本申请的另一种具体的实施例，在上述预定参数包括上述偏航角的情况下，上述预定条件包括：上述自动驾驶车辆偏航角的变化率小于第一阈值，预定加速度的变化率小于第二阈值，以及上述道路的坡度变化率小于第三阈值，这样可以进一步地避免坡度对偏航角标定结果的干扰。

另外，上述预定参数包括偏航角以及俯仰角中至少之一的情况下，上述预定条件还包括：上述自动驾驶车辆的车速大于第八阈值。

上述目标传感器可以包括激光雷达(Lidar)和/或毫米波雷达(Radar)。其中，激光雷达用于采集车辆周围障碍物的点云信息或者对象信息；毫米波雷达具备测高能力，也是用于采集车辆周围障碍物的点云信息或者对象信息。激光雷达和激光雷达的动态标定原理类似，点云信息和对象信息的动态标定算法数据处理也是类似的，区别是点云数据量大，所占缓存空间也更大，算法运行时间稍长，标定结果的精准度会稍好，但不会相差很多。本领域技术人员可根据自身硬件平台资源和传感器数据信息类型，自行选择使用的传感器类型。

激光雷达和激光雷达的安装位置不同，但其障碍物位置信息均会统一到车体坐标系下，并且最终的动态标定原理是类似的，因此安装位置是不受影响的。

在实际的应用过程中，自动驾驶车辆的控制过程中，会通过各种传感器实时采集车速、车辆的偏航角、车辆的横向加速度以及纵向加速度等自车信息，还会接收高精度地图发送的前方不同距离下的道路坡度信息、道路边界线、车道线、道路上的龙门架以及道路指示牌等固定高度的障碍物、以及道路两侧的栏杆、花坛以及墙体等障碍物信息。这些信息经过多传感器融合算法处理，作为控制自动驾驶车辆行驶的参考数据。

本申请下述的根据高精度地图得到的数据，均为高精度地图在有效可用状态下的数据。

本申请的一种实施例中，在上述预定参数包括上述偏航角的情况下，上述标定单元包括：第一标定模块，用于根据上述目标传感器采集的一帧数据以及边界线方程，对上述偏航角进行标定，得到标定后偏航角，上述边界线方程为根据高精度地图确定的上述自动驾驶车辆所在道路边界线的方程；第一分析模块，用于对连续多帧上述数据对应的上述标定后偏航角进行统计学特征分析，得到最终偏航角。

上述过程通过目标传感器连续各帧的数据以及边界线方程，确定连续多帧对应的标定后偏航角，在对连续多帧对应的标定后偏航角进行统计学分析，可以剔除多个标定后偏航角中不准确的值，使得得到的最终偏航角较为精准。并且，上述过程还实现了在自动驾驶车辆的行驶过程中，对目标传感器的偏航角的动态标定，进一步地保证了后续根据目标传感器得到的障碍物信息较为准确，从而进一步地保证了自动驾驶车辆的驾驶安全。

上述第一标定模块具体包括：第一确定子模块，用于根据一帧上述数据，确定多个第一静止障碍物的位置信息以及类型，上述第一静止障碍物为位于上述道路两侧且不移动的障碍物；第二确定子模块，用于在上述边界线方程为直线方程，且第一目标障碍物的数量大于第四阈值的情况下，根据边界线方程以及多个上述第一目标障碍物的位置信息，确定上述标定后偏航角，其中，上述第一目标障碍物为上述类型相同的上述第一静止障碍物；第三确定子模块，用于在上述边界线方程不为上述直线方程，且上述类型相同的上述第一静止障碍物的数量大于上述第四阈值的情况下，根据多个上述第一目标障碍物的位置信息，确定上述标定后偏航角。

上述类型可以包括栏杆、花坛以及墙体。在实际的应用过程中，道路边界线的边界线方程可能为如图2所示的直线，此时自动驾驶车辆处于直道场景；还可能为如图3所示的曲线，此时自动驾驶车辆处于非直道场景。针对不同形态的边界线方程，对偏航角的标定过程也不相同，具体说明如下：

水平直道场景下，上述自动驾驶车辆偏航角的变化率小于第一阈值，指偏航角稳定在0附近小范围波动，预定加速度的变化率小于第二阈值，指预定加速度在0附近小范围波动。

水平非直道场景下，上述自动驾驶车辆偏航角的变化率小于第一阈值，指偏航角稳定在非0值附近小范围波动，预定家私杜的变化率小于第二阈值，指预定加速度在非0值附近小范围波动。

上述实施例的具体原理为：在自动驾驶车辆行驶过程中，利用目标传感器探测到周围的栏杆、花坛、墙体等绝对静止障碍物的位置信息，结合自车运动轨迹、姿态和道路坡度信息，若目标传感器的偏航角度正常，那么绝对静止障碍物的位置分布和高精度地图的道路边界线是平行或平移后可重合的，具体可参见图2和图3。若目标传感器的偏航角度异常，则在角度允许范围内，依次将绝对静止障碍物的位置旋转某个角度α、平行或平移后可与道路边界线重合，则角度α就是目标传感器标定后的偏航角度。

上述的第四阈值的大小取决于第一目标障碍物的类型。目标传感器获取的上述一帧数据中，上述第一目标障碍物为栏杆的情况下对应的第四阈值、上述第一目标障碍物为墙体的情况下对应的第四阈值，以及上述第一目标障碍物为花坛的情况下对应的第四阈值依次增大，这样可以进一步地保证后续的偏航角标定结果较为准确可靠。

需要说明的是，上述第二确定子模块以及上述第三确定子模块中，只要一种类型的第一目标障碍物的数量大于上述第四阈值，即可根据该类型的第一目标障碍物的位置信息来确定标定后偏航角。如一帧数据中，存在多种类型的第一目标障碍物的数量大于上述第四阈值，为了简化计算过程，本领域技术人员可以选择大于第一阈值的一种类型的第一目标障碍物来标定偏航角，还可以分别根据每种类型的第一目标障碍物，来标定偏航角，从而进一步地保证标定精度较好。

另外，在所有类型的第一目标障碍物的数量均不满足大于上述第四阈值的情况下，结束偏航角标定。

为了进一步地保证最终偏航角的稳定性，上述第一分析模块具体可以包括：第一计算子模块，用于计算连续多帧上述数据对应的上述标定后偏航角的平均值，得到上述最终偏航角。上述第一分析模块还可以包括：第二计算子模块，用于计算连续多帧上述数据对应的上述标定后偏航角的众数，得到上述最终偏航角。上述第一分析模块还可以包括：第三计算子模块，用于计算连续多帧上述数据对应的上述标定后偏航角的中位数，得到上述最终偏航角。

在其他实施例中，多个上述第一静止障碍物的类型以及数量并不限于从目标传感器采集的帧数据中获取，还可以从高精度地图中提取。也就是说，上述标定单元还可以包括：第二标定模块，用于根据上述目标传感器采集的一帧数据以及高精度地图，对上述偏航角进行标定，得到标定后偏航角；第二分析模块，用于对连续多帧上述数据对应的上述标定后偏航角进行统计学特征分析，得到最终偏航角。

那么，上述第二标定模块包括：第四确定子模块，用于根据上述高精度地图，确定多个第一静止障碍物的类型以及上述道路边界线的边界线方程，上述第一静止障碍物为位于上述道路两侧且不移动的障碍物；第五确定子模块，用于根据一帧上述数据，确定多个第一静止障碍物的位置信息；第六确定子模块，用于确定类型相同的上述第一静止障碍物为第一目标障碍物，并计算各上述类型对应的上述第一目标障碍物的数量；第七确定子模块，用于在上述边界线方程为直线方程，且第一目标障碍物的数量大于第四阈值的情况下，根据边界线方程以及多个上述第一目标障碍物的位置信息，确定上述标定后偏航角，其中，上述第一目标障碍物为上述类型相同的上述第一静止障碍物；第八确定子模块，用于在上述边界线方程不为上述直线方程，且上述类型相同的上述第一静止障碍物的数量大于上述第四阈值的情况下，根据多个上述第一目标障碍物的位置信息，确定上述标定后偏航角。

本申请的一种实施例中，上述第二确定子模块或者上述第七确定子模块还分别用于将位于上述道路同一侧的上述第一目标障碍物的位置信息进行最小二乘拟合，得到第一拟合线方程；根据上述第一拟合线方程与上述边界线方程，确定上述标定后偏航角。

在直道场景下，通过最小二乘拟合位于道路同一侧的上述第一目标障碍物的位置信息，可以较为简单快捷地得到第一目标障碍物的直线方程，即上述的第一拟合线方程，再计算直线方程与直线的边界线方程之间的夹角，即可得到标定后偏航角。

在实际应用中，自动驾驶车辆行驶过程中，由于路上的障碍物遮挡以及自动驾驶车辆在道路上的位置等因素，目标传感器仅能采集到道路一侧的障碍物数据，这种情况下，直接计算得到一个拟合线方程和对应边的边界线方程即可。其他情况下，自动驾驶车辆可能可以采集到道路两侧的障碍物数据，但是一侧的障碍物数据清晰度不够或者不完整，还可能可以较为清楚完整地采集到道路两侧的障碍物数据，这种情况下，具体的执行方式可以为：

上述道路包括相对的第一边界线以及第二边界线，上述边界线方程包括第一边界线子方程和第二边界线子方程，在多个上述第一目标障碍物位于上述道路不同侧的情况下，上述第一拟合线方程包括第一拟合线子方程和第二拟合线子方程，上述第一边界线子方程和上述第一拟合线子方程分别对应上述第一边界线，上述第二边界线子方程和上述第二拟合线子方程分别对应上述第二边界线，上述第二确定子模块或者上述第七确定子模块还分别用于：在上述第一目标障碍物位于上述道路不同侧的情况下，确定上述第一边界线子方程与上述第一拟合线子方程之间的夹角为第一夹角、上述第二边界线子方程与上述第二拟合线子方程之间的夹角为第二夹角；在上述第一夹角与上述第二夹角中之一为无效夹角的情况下，确定上述第一夹角与上述第二夹角中的有效夹角为上述标定后偏航角，上述无效夹角对应的上述第一目标障碍物的数量小于或者等于上述第四阈值，上述有效夹角对应的上述第一目标障碍物的数量大于上述第四阈值；在上述第一夹角与上述第二夹角均为上述有效夹角，且上述第一夹角与上述第二夹角之差位于第二预定范围的情况下，确定上述第一夹角与上述第二夹角的平均值为上述标定后偏航角；在上述第一夹角与上述第二夹角均为上述有效夹角，且上述第一夹角与上述第二夹角之差不位于上述第二预定范围的情况下，分别获取上述自动驾驶车辆与上述第一边界线的边界线距离以及上述自动驾驶车辆与上述第二边界线的边界线距离，确定上述第一夹角和上述第二夹角中，上述边界线距离的最小值对应的夹角为上述标定后偏航角。

上述处理方式中，在第一夹角和第二夹角二者中只有一个有效夹角的情况下，以其中的有效夹角作为标定后偏航角；在二者均为有效夹角并且相差不大的情况下，则取二者平均值作为标定后偏航角；在二者均为有效夹角且相差较大的情况下，以自动驾驶车辆靠近的道路边界线对应的夹角为标定后偏航角，通过上述处理方式可以进一步地实现较为准确地对偏航角进行标定。

另外，在上述第一夹角与上述第二夹角均为上述无效夹角的情况下，偏航角标定结束。

本申请实施例中，上述第三确定子模块以及上述第八确定子模块还分别用于：确定第二目标障碍物的位置信息与上述边界线方程之间的距离为第三距离，并计算各上述第三距离的平均值，上述第二目标障碍物为位于上述道路同一侧的所有上述第一目标障碍物；确定上述平均值是否小于第五阈值；在上述平均值大于或者等于上述第五阈值的情况下，根据上述偏航角、第三预定范围以及预设角度步进，确定上述标定后偏航角；在上述平均值小于上述第五阈值的情况下，确定上述偏航角为上述标定后偏航角。在上述平均值小于上述第五阈值的情况下，说明目标传感器的当前偏航角正常，无需再标定；在上述平均值大于或者等于上述第五阈值的情况下，根据当前的偏航角、预设的第三预定范围以及预设角度步进，来对偏航角进行标定，进一步地实现了非直道场景下对偏航角的精确标定。

根据本申请的另一种具体的实施例，上述第三确定子模块以及上述第八确定子模块还分别用于：更新步骤，在上述平均值大于或者等于上述第五阈值的情况下，从上述偏航角开始，以上述预设角度步进增大或者减小上述偏航角，得到更新角度，上述更新角度位于上述第三预定范围；修正步骤，根据上述更新角度，修正各上述第二目标障碍物的位置信息，得到修正后的位置信息；计算步骤，计算修正后的位置信息与上述边界线方程之间的距离平均值；第一确定步骤，确定上述距离平均值是否小于上述第五阈值；第二确定步骤，在上述距离平均值小于上述第五阈值的情况下，确定上述更新角度为上述标定后偏航角，在上述距离平均值大于或者等于上述第五阈值的情况下，依次执行上述更新步骤、上述修正步骤、上述计算步骤以及上述第一确定步骤，直到上述距离平均值小于上述第五阈值或者上述更新角度达到上述第三预定范围的边界。

上述装置还包括：第一确定单元，用于确定上述第二目标障碍物的数量是否大于上述第四阈值，在确定上述第二目标障碍物的数量大于上述第四阈值的情况下，设置遍历轮询旗标Flag＝0；上述更新步骤包括：在上述平均值大于或者等于上述第五阈值的情况下，从上述偏航角开始，以上述预设角度步进增大或者减小上述偏航角，得到更新角度，并设置上述遍历轮询旗标Flag＝1，上述更新角度位于上述第三预定范围。

当然，上述的遍历轮询旗标的数值并不限于上述的0和1，本领域技术人员可以根据实际情况具体设置，如在确定上述第二目标障碍物的数量大于上述第四阈值的情况下，设置遍历轮询旗标Flag＝第一数值，得到更新角度，并设置上述遍历轮询旗标Flag＝第二数值，第一数值与第二数值不同。

在上述平均值小于上述第五阈值的情况下，上述第三确定子模块以及上述第八确定子模块还分别用于：在上述平均值小于上述第五阈值的情况下，确定上述遍历轮询旗标Flag是否等于0；在确定上述遍历轮询旗标Flag＝0的情况下，确定上述偏航角为上述标定后偏航角；在确定上述遍历轮询旗标Flag≠0的情况下，确定上述更新角度为上述标定后偏航角。

上述第三确定子模块以及上述第八确定子模块还分别用于：在上述平均值小于上述第五阈值的情况下，确定上述遍历轮询旗标Flag是否等于0；在确定上述遍历轮询旗标Flag＝0的情况下，确定上述偏航角为上述标定后偏航角；在确定上述遍历轮询旗标Flag≠0的情况下，确定上述更新角度为上述标定后偏航角。

上述装置还包括：第二确定单元，用于在上述更新角度达到上述第三预定范围的边界的情况下，确定当前的上述偏航角超出允许工作范围。

需要说明的是，上述第三预定范围可以与上述第一预定范围相同，上述第三预定范围也可以是对上述第一预定范围做适当收紧之后得到的。

在上述预定参数包括俯仰角的情况下，上述标定单元包括：第一提取模块，用于从上述目标传感器采集的连续多帧数据中提取第二静止障碍物，并获取第一高度，上述第一高度为上述目标传感器测得的上述第二静止障碍物的高度信息，上述第二静止障碍物为位于上述道路上或者上述道路两侧的、与上述自动驾驶车辆的距离位于第四预定范围且不移动的障碍物；获取模块，用于获取第二高度与第五距离之间的拟合关系，得到第二拟合线方程，上述第二高度为根据高精度地图确定的上述第二静止障碍物的高度信息，上述第五距离为上述第二静止障碍物与上述自动驾驶车辆在上述行驶方向上的实时距离；第一拟合模块，用于在上述第二静止障碍物的数量大于第七阈值的情况下，对上述第一高度与上述第五距离进行拟合，得到第三拟合线方程；第一确定模块，用于确定上述第二拟合线方程与上述第三拟合线方程的夹角为最终俯仰角。

上述实施例在车辆行驶过程中，利用目标传感器探测到的前方道路的龙门架、道路指示牌等高度固定的第二静止障碍物的高度信息，以及第二静止障碍物与上述自动驾驶车辆在上述行驶方向上的实时距离，结合高精度地图反馈的第二拟合线方程，对目标传感器的俯仰角进行标定，实现了对传感器的俯仰角的动态标定，保证了标定后的传感器的准确性。

为了保证高度信息的有效性和可靠性，需要选择合适的距离区间作为上述第四预定范围。

具体的，上述的对上述第一高度与上述第五距离进行拟合，得到第三拟合线方程的具体过程可以为：以上述第一高度为因变量，以上述第五距离为自变量，对上述第一高度与上述第五距离进行最小二乘拟合，得到上述第三拟合线方程。

在实际应用过程中，如图4所示，自动驾驶车辆行驶过程中，自车运动轨迹、运动姿态和高精度地图提供的前方道路坡度信息，若道路坡度是稳定的(在很小范围内波动)，那么自动驾驶车辆靠近龙门架、道路指示牌等高度固定的障碍物的过程中，其第二高度Z和上述第五距离X所拟合后的直线在Z-X应该是平行于X轴的。

因此，为了简化对目标传感器的俯仰角的标定过程，上述标定单元还可以包括：第二提取模块，用于从上述目标传感器采集的连续多帧数据中提取第二静止障碍物，并获取第一高度，上述第一高度为上述目标传感器测得的上述第二静止障碍物的高度信息，上述第二静止障碍物为位于上述道路上或者上述道路两侧的、与上述自动驾驶车辆的距离位于第四预定范围且不移动的障碍物；第二拟合模块，用于根据第二高度，得到y＝第二高度的第二拟合线方程，其中，上述第二高度为根据高精度地图确定的上述第二静止障碍物的高度信息；第三拟合模块，用于在上述第二静止障碍物的数量大于第七阈值的情况下，对上述第一高度与上述第五距离进行拟合，得到第三拟合线方程；第二确定模块，用于确定上述第二拟合线方程与上述第三拟合线方程的夹角为最终俯仰角。上述过程省略了对从高精度地图中获取的第二高度与第五距离进行拟合的过程，进一步地保证了上述的俯仰角的标定过程较为简单，容易实现。

需要说明的是，目标传感器的一帧数据只能获得一个上述第一高度，因此，上述第一拟合线方程是根据目标传感器的连续多帧数据拟合得到的。为了进一步地保证俯仰角的标定稳定性，上述装置还包括：在得到最终俯仰角后，根据目标传感器实时获取的帧数据，对上述最终俯仰角进行动态更新。

需要说明的是，上述的障碍物的位置信息是障碍物在车体坐标系下的位置信息。

修正单元20，用于在上述目标参数位于第一预定范围的情况下，根据上述目标参数，修正上述目标传感器测得的障碍物的位置信息；

具体地，上述装置还包括：转换单元，用于在根据上述目标参数，修正上述目标传感器测得的障碍物的位置信息之前，将目标传感器探测到的障碍物的初始位置信息(x，y，z)转换到车体坐标系下；第三确定单元，用于根据目标传感器获取每帧数据的时间、自动驾驶车辆的速度以及加速度，实时确定位置调整量(△x，△y，△z)，并对障碍物在车体坐标系下的具体位置(X，Y，Z)进行实时调整，得到新位置(X0，Y0，Z0)＝(X，Y，Z)+(△x，△y，△z)，该新位置就是上述目标传感器测得的障碍物的位置信息。

上述转换单元具体包括：第一计算模块，用于根据目标传感器当前的安装角度

计算四元数转换矩阵Rotation_Matrix；得到模块，用于根据四元数转换矩阵、安装位置Pos_Tra＝[x0，y0，z0]以及位置信息，得到障碍物在车体坐标系下的具体位置(X，Y，Z)：

(X,Y,Z)＝(x,y,z)×Rotation_Matrix+Pos_Tra

上述障碍物位置的转换和平移可以在自动驾驶车辆的传感器内部实现，也有在多传感器融合算法模块里实现，都是可行的，本申请以在多传感器融合算法模块里实现为例。

上述修正单元包括：第二计算模块，用于根据目标参数，重新计算四元数转换矩阵Rotation_Matrix，再根据重新计算的四元数转换矩阵Rotation_Matrix、安装位置Pos_Tra以及位置信息，得到障碍物在车体坐标系下的具体位置，再采用位置调整量(△x，△y，△z)对该位置进行实时调整，得到修正后的位置信息。

降低单元30，用于在上述目标参数不位于上述第一预定范围的情况下，降低上述自动驾驶车辆的自动驾驶等级。

本申请的自动驾驶车辆的控制装置，通过标定单元，在自动驾驶车辆行驶过程中，自动驾驶车辆满足自动驾驶车辆偏航角的变化率小于第一阈值且预定加速度的变化率小于第二阈值时，对传感器的偏航角进行标定，和/或自动驾驶车辆满足自动驾驶车辆所在道路的坡度变化率小于第三阈值的时，对传感器的俯仰角进行标定，得到目标参数，保证了标定后的传感器的姿态信息较为准确；通过修正单元，在目标参数位于第一预定范围的情况下，根据目标参数，修正传感器测得的障碍物的位置信息，保证了传感器对车辆周围障碍物的精准定位，从而保证自动驾驶车辆的驾驶安全；在目标参数不位于第一预定范围的情况下，说明传感器的定位不准确，自动驾驶风险较高，通过降低单元降低自动驾驶车辆的自动驾驶等级，避免了由于传感器的定位不准造成驾驶事故。本申请有效地解决了现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

上述装置通过对传感器的偏航角进行标定，能提高自动驾驶车辆对周围障碍物的精准定位；通过对传感器的俯仰角进行标定，能使得自动驾驶车辆获得的障碍物高度信息的可靠性大大提升，有利于自动驾驶车辆判决自车是否能安全通行某些限高区域，来保证自动驾驶安全。并且可大大降低传感器标定对于高精度、高成本标定设备的依赖，降低静态标定设备的成本；同时上述装置可以代替车辆下线的动态标定流程，节省建设动态标定场所的成本。

上述的降低上述自动驾驶车辆的自动驾驶等级，包括控制自动驾驶车辆退出自动驾驶，并通知相关人员接手车辆的控制权。

上述装置还包括：发出单元，用于在上述目标参数不位于上述第一预定范围的情况下，发出警报信息。这样可以及时告知驾驶员和/或车辆管理员，需要物理机械调整目标传感器的预定参数，有利于自动驾驶车辆实现自动驾驶降级甚至退出等功能安全模块，保证车辆的安全行驶。

在实际的应用过程中，目标传感器在采集障碍物信息时，除了获取到所在道路的道路上以及道路两侧的障碍物信息外，还可能采集到相邻道路一侧的障碍物信息，此种情况下，为了进一步地避免非车辆所在道路上的障碍物信息对后续的过程造成干扰，影响后续标定效果，根据本申请的又一种具体的实施例，上述装置还包括：获取单元，用于在对目标传感器的预定参数进行标定，得到目标参数之前，获取第六阈值、上述自动驾驶车辆的车速以及上述道路两侧的各上述障碍物的速度；第四确定单元，用于根据上述车速以及位于各上述速度，确定上述速度与上述车速的方向相反，且预定差值位于第五预定范围的上述障碍物为初始静止障碍物，上述预定差值为上述速度的绝对值与上述车速的绝对值的差值绝对值；计算单元，用于根据上述初始静止障碍物的位置信息以及上述边界线方程，计算各上述初始静止障碍物与上述边界线方程的距离，得到多个第四距离；第五确定单元，用于确定小于上述第六阈值的上述第四距离对应的上述初始静止障碍物为上述第一静止障碍物。上述实施例中，通过设置合适的第五阈值，从第一目标障碍物中。

上述自动驾驶车辆的控制装置包括处理器和存储器，上述标定单元、上述修正单元以及上述降低单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本申请实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述自动驾驶车辆的控制方法。

本申请实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述自动驾驶车辆的控制方法。

本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：

步骤S101，自动驾驶车辆行驶过程中，在上述自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，上述预定参数包括偏航角以及俯仰角中至少之一，在上述预定参数包括上述偏航角的情况下，上述预定条件包括：上述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，上述预定加速度为上述自动驾驶车辆在垂直于行驶方向上的加速度，在上述预定参数包括上述俯仰角的情况下，上述预定条件包括：上述自动驾驶车辆所在道路的坡度变化率小于第三阈值；

步骤S102，在上述目标参数位于第一预定范围的情况下，根据上述目标参数，修正上述目标传感器测得的障碍物的位置信息；

步骤S103，在上述目标参数不位于上述第一预定范围的情况下，降低上述自动驾驶车辆的自动驾驶等级。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：

步骤S101，自动驾驶车辆行驶过程中，在上述自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，上述预定参数包括偏航角以及俯仰角中至少之一，在上述预定参数包括上述偏航角的情况下，上述预定条件包括：上述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，上述预定加速度为上述自动驾驶车辆在垂直于行驶方向上的加速度，在上述预定参数包括上述俯仰角的情况下，上述预定条件包括：上述自动驾驶车辆所在道路的坡度变化率小于第三阈值；

步骤S102，在上述目标参数位于第一预定范围的情况下，根据上述目标参数，修正上述目标传感器测得的障碍物的位置信息；

步骤S103，在上述目标参数不位于上述第一预定范围的情况下，降低上述自动驾驶车辆的自动驾驶等级。

根据本申请的实施例的又一方面，还提供了一种自动驾驶系统，包括自动驾驶车辆、一个或多个处理器，存储器以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于执行任意一种上述的方法。

本申请的自动驾驶系统中，处理器用于执行任一种的控制方法，该方法首先在自动驾驶车辆行驶过程中，自动驾驶车辆满足自动驾驶车辆偏航角的变化率小于第一阈值且预定加速度的变化率小于第二阈值时，对传感器的偏航角进行标定，和/或自动驾驶车辆满足自动驾驶车辆所在道路的坡度变化率小于第三阈值的时，对传感器的俯仰角进行标定，得到目标参数，保证了标定后的传感器的姿态信息较为准确；之后，在目标参数位于第一预定范围的情况下，根据目标参数，修正传感器测得的障碍物的位置信息，保证了传感器对车辆周围障碍物的精准定位，从而保证自动驾驶车辆的驾驶安全；在目标参数不位于第一预定范围的情况下，说明传感器的定位不准确，自动驾驶风险较高，此时降低自动驾驶车辆的自动驾驶等级，避免了由于传感器的定位不准造成驾驶事故。本申请有效地解决了现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

并且，上述自动驾驶系统的处理器通过对传感器的偏航角进行标定，能提高自动驾驶车辆对周围障碍物的精准定位；通过对传感器的俯仰角进行标定，能使得自动驾驶车辆获得的障碍物高度信息的可靠性大大提升，有利于自动驾驶车辆判决自车是否能安全通行某些限高区域，来保证自动驾驶安全。并且可大大降低传感器标定对于高精度、高成本标定设备的依赖，降低静态标定设备的成本；同时上述方法可以代替车辆下线的动态标定流程，节省建设动态标定场所的成本。

为了使得本领域技术人员较为清楚地了解本申请的技术方案，下面将结合具体的实施例进行说明。

实施例

自动驾驶车辆的控制方法应用于多传感器融合算法模块，如图6所示，上述多传感器融合算法模块包括坐标系转换模块、障碍物初步筛选模块、水平标定模块、俯仰标定模块以及决策处理模块。具体处理过程如下：

步骤一：坐标系转换模块用于在车辆行驶过程中，行驶车速大于设定的速度阈值，将传感器探测到的障碍物信息(x，y，z)转换到车体坐标系下，根据其安装角度Rota_angle，计算四元数转换矩阵Rotation_Matrix，再结合其安装位置Pos_Tra，则障碍物位置(x，y，z)经过转换和平移后，在车体坐标系下的具体位置(X，Y，Z)：

(X,Y,Z)＝(x,y,z)×Rotation_Matrix+Pos_Tra

对自动驾驶车辆的车速信息、自动驾驶车辆偏航角yaw_rate和横向加速度(即上述的预定加速度)等信息做滤波处理，得到平稳的车速信息、yaw_rate和横向加速度，同时结合自身运动姿态对障碍物位置信息(X，Y，Z)实时做微小调整，得到新位置(X0，Y0，Z0)＝(X，Y，Z)+(△x，△y，△z)；同时记录下高精度地图的有效可用状态、道路边界线、道路边缘类型(花坛、墙体、金属栏杆等)、前方不同距离下的道路坡度和龙门架或者道路指示牌等信息；

步骤二：障碍物初步筛选模块用于根据障碍物的速度信息，结合自动驾驶车辆的的车速信息，初步筛选出上述障碍物中的静止障碍物，得到初始静止障碍物；

步骤三：当自动驾驶车辆偏航角yaw_rate、横向加速度处于稳定状态(很小范围内波动)，并且高精度地图的坡度信息也处于稳定状态(很小范围内波动)时，进入水平标定模块；

步骤四：当高精度地图反馈自车前方不同纵向距离的坡度信息处于稳定状态(很小范围内波动)时，同时前方反馈前方有龙门架或者道路指示牌等固定高度的障碍物时，进入俯仰标定模块；

步骤五：决策处理模块判断动态标定的传感器的最终偏航角yaw_angle和最终俯仰角pitch_angle是否在允许的工作范围(即上述的第一预定范围)，若在允许的工作范围内，则更新安装角度Rota angle，重新计算转换矩阵Rotation_Matrix，对障碍物位置信息进行补偿修正；若超过允许的工作范围，则及时告知驾驶员/车辆管理员该传感器需要物理机械调整，并对自车做自动驾驶降级甚至退出。

针对水平标定模块的具体执行过程，见图7所示的水平标定流程示意图，作详细说明：

S1：根据高精度地图道路的边界线方程，结合传感器自身探测误差，设定合适的横向距离误差Dx(即上述第六阈值)，对初筛的绝对静止障碍物作进一步筛选，得到有效的静止障碍物，也就是上述的第一静止障碍物；

S2：当高精度地图的道路边界线方程是直线时，类似于图2所示的水平标定直道场景，进入S3水平直道标定；当高精度地图的道路边界线方程不是直线时，类似于图3所示的水平标定非直道场景，进入S4水平非直道标定；

S3：水平直道标定，判断自动驾驶车辆偏航角yaw_rate和横向加速度是否稳定且在0附近小范围内波动，若是，进入S31，继续标定；否则，结束标定。

S31：判断有效的静止障碍物的数目M_Line是否大于设定阈值(即上述的第四阈值)N_Threshold_Line，这里的M_Line和N_Threshold_Line的设定，取决于高精度地图提供的道路边缘类型(花坛、墙体、金属栏杆等)，若是，进入S32，继续标定；否则，结束标定。

S32：根据所有有效的静止障碍物位置信息(X0，Y0)，对所有位置点进行最小二乘拟合，得到的直线方程，即上述第一拟合线方程，与边界线方程的夹角即为新的偏航角yaw_angle_new；

S33：分别统计左侧边界线的偏航角yaw_angle_new_left和右侧边界线的偏航角yaw_angle_new_right；

S34：根据yaw_angle_new_left和yaw_angle_new_right的差异情况，综合判决得出标定后偏航角yaw_angle_new，逻辑如下：

二者均为无效角度，无输出；

二者只有一个有效角度，则以其中的有效角度输出；

二者均为有效角度，并且相差不大时，取均值输出；

二者均为有效角度，但且相差较大，以自车靠近的边界线的有效角度，作为输出；

S35：为保证偏航角的角度稳定性，多帧累计计算后，得到最终的yaw_angle，水平直道标定流程结束。

S4：水平非直道标定，判断自车的yaw_rate和横向加速度是否稳定且各自在某个非0值附近小范围内波动，若是，进入S41，继续标定；否则，结束标定。

S41：判断有效的静止障碍物数目M_No_Line是否大于设定阈值N_Threshold_No_Line，这里的M_No_Line和N_Threshold_No_Line的设定，取决于高精度地图提供的道路边缘类型(花坛、墙体、金属栏杆等)；若是，进入S42，继续标定；否则，结束标定。

S42：将当前有效的静止障碍物位置点构成集合D，并记录遍历轮询旗标Flag＝0；

S43：计算集合中所有的位置点与边界线方程的距离，构成数组Dis_n，并求取其均值Dis_Ave；

S44：设定判决曲线平行或重合的最小距离Dis_Threshold(即上述的第五阈值)，判断Dis_Ave是否小于Dis_Threshold，若是，进入S45，否则，进入S46。

S45：判断遍历轮询旗标Flag是否为0，若是，表明当前偏航角正常，无需再标定，结束标定；否则，进入S48；

S46：在允许的角度工作范围(即上述的第三预定范围)内，以设定的角度步进值(即上述的预设角度步进)angle_step遍历，以yaw_angle_new产生新的旋转矩阵，对初筛的绝对静止障碍物重新进行转换平移和筛选，形成新集合D’，遍历轮询旗标Flag＝1；

S47：判断遍历是否结束，若是，说明遍历结束仍未找出合适的安装角度，说明当前超过允许工作范围，标定结束；否则，进入S43，重新计算集合D’中所有的位置点与边界线方程的最小距离，同时构成数组Dis_n，并求取其均值Dis_Ave；

S48：确定上述更新角度为上述标定后偏航角。

S49：为保证偏航角的稳定性，多帧累计统计后，得到最终偏航角的yaw_angle，水平非直道标定流程结束。

如图8所示，针对俯仰标定模块，作详细说明：

S5：根据高精度地图提供的龙门架/道路指示牌的高度信息，筛选出静止障碍物，得到第二静止障碍物；

S51：为保证高度信息的有效性和可靠性，选择合适的纵向距离区间(即上述第四预定范围)，统计落在该纵向距离区间的静止障碍物对应的高度信息，并统计静止障碍物的数目；

S52：判断静止障碍物数目是否大于设定阈值M(即上述的第七阈值)，若是，进入S53；否则，俯仰标定结束；

S53：以障碍物和龙门架/道路指示牌的纵向距离X为横轴，高度Z为纵轴，建立坐标系，形成(Z，X)点集；

S54：采用最小二乘拟合，障碍物拟合直线和龙门架/道路指示牌的拟合直线，二者的夹角就是最终俯仰角度pitch_angle。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：

1)、本申请的自动驾驶车辆的控制方法，首先，在自动驾驶车辆行驶过程中，自动驾驶车辆满足自动驾驶车辆偏航角的变化率小于第一阈值且预定加速度的变化率小于第二阈值时，对传感器的偏航角进行标定，和/或自动驾驶车辆满足自动驾驶车辆所在道路的坡度变化率小于第三阈值的时，对传感器的俯仰角进行标定，得到目标参数，保证了标定后的传感器的姿态信息较为准确；之后，在目标参数位于第一预定范围的情况下，根据目标参数，修正传感器测得的障碍物的位置信息，保证了传感器对车辆周围障碍物的精准定位，从而保证自动驾驶车辆的驾驶安全；在目标参数不位于第一预定范围的情况下，说明传感器的定位不准确，自动驾驶风险较高，此时降低自动驾驶车辆的自动驾驶等级，避免了由于传感器的定位不准造成驾驶事故。本申请有效地解决了现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

2)、本申请的自动驾驶车辆的控制装置，通过标定单元，在自动驾驶车辆行驶过程中，自动驾驶车辆满足自动驾驶车辆偏航角的变化率小于第一阈值且预定加速度的变化率小于第二阈值时，对传感器的偏航角进行标定，和/或自动驾驶车辆满足自动驾驶车辆所在道路的坡度变化率小于第三阈值的时，对传感器的俯仰角进行标定，得到目标参数，保证了标定后的传感器的姿态信息较为准确；通过修正单元，在目标参数位于第一预定范围的情况下，根据目标参数，修正传感器测得的障碍物的位置信息，保证了传感器对车辆周围障碍物的精准定位，从而保证自动驾驶车辆的驾驶安全；在目标参数不位于第一预定范围的情况下，说明传感器的定位不准确，自动驾驶风险较高，通过降低单元降低自动驾驶车辆的自动驾驶等级，避免了由于传感器的定位不准造成驾驶事故。本申请有效地解决了现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

3)、本申请的自动驾驶系统中，处理器用于执行任一种的控制方法，该方法首先在自动驾驶车辆行驶过程中，自动驾驶车辆满足自动驾驶车辆偏航角的变化率小于第一阈值且预定加速度的变化率小于第二阈值时，对传感器的偏航角进行标定，和/或自动驾驶车辆满足自动驾驶车辆所在道路的坡度变化率小于第三阈值的时，对传感器的俯仰角进行标定，得到目标参数，保证了标定后的传感器的姿态信息较为准确；之后，在目标参数位于第一预定范围的情况下，根据目标参数，修正传感器测得的障碍物的位置信息，保证了传感器对车辆周围障碍物的精准定位，从而保证自动驾驶车辆的驾驶安全；在目标参数不位于第一预定范围的情况下，说明传感器的定位不准确，自动驾驶风险较高，此时降低自动驾驶车辆的自动驾驶等级，避免了由于传感器的定位不准造成驾驶事故。本申请有效地解决了现有技术中随着行驶时间的增加，自动驾驶车辆的传感器定位不准确的问题。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (14)

1.一种自动驾驶车辆的控制方法，其特征在于，包括：

自动驾驶车辆行驶过程中，在所述自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，所述预定参数包括偏航角以及俯仰角中至少之一，在所述预定参数包括所述偏航角的情况下，所述预定条件包括：所述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，所述预定加速度为所述自动驾驶车辆在垂直于行驶方向上的加速度，在所述预定参数包括所述俯仰角的情况下，所述预定条件包括：所述自动驾驶车辆所在道路的坡度变化率小于第三阈值；

在所述目标参数位于第一预定范围的情况下，根据所述目标参数，修正所述目标传感器测得的障碍物的位置信息；

在所述目标参数不位于所述第一预定范围的情况下，降低所述自动驾驶车辆的自动驾驶等级。

2.根据权利要求1所述的方法，其特征在于，对目标传感器的预定参数进行标定，得到目标参数，包括：

根据所述目标传感器采集的一帧数据以及边界线方程，对所述偏航角进行标定，得到标定后偏航角，所述边界线方程为根据高精度地图确定的所述自动驾驶车辆所在道路边界线的方程；

对连续多帧所述数据对应的所述标定后偏航角进行统计学特征分析，得到最终偏航角。

3.根据权利要求1所述的方法，其特征在于，根据所述目标传感器采集的一帧数据以及边界线方程，对所述偏航角进行标定，得到标定后偏航角，包括：

根据一帧所述数据，确定多个第一静止障碍物的位置信息以及类型，所述第一静止障碍物为位于所述道路两侧且不移动的障碍物；

在所述边界线方程为直线方程，且第一目标障碍物的数量大于第四阈值的情况下，根据边界线方程以及多个所述第一目标障碍物的位置信息，确定所述标定后偏航角，其中，所述第一目标障碍物为所述类型相同的所述第一静止障碍物；

在所述边界线方程不为所述直线方程，且所述类型相同的所述第一静止障碍物的数量大于所述第四阈值的情况下，根据多个所述第一目标障碍物的位置信息，确定所述标定后偏航角。

4.根据权利要求3所述的方法，其特征在于，根据边界线方程以及多个所述第一目标障碍物的位置信息，确定所述标定后偏航角，包括：

将位于所述道路同一侧的所述第一目标障碍物的位置信息进行最小二乘拟合，得到第一拟合线方程；

根据所述第一拟合线方程与所述边界线方程，确定所述标定后偏航角。

5.根据权利要求4所述的方法，其特征在于，所述道路包括相对的第一边界线以及第二边界线，所述边界线方程包括第一边界线子方程和第二边界线子方程，在多个所述第一目标障碍物位于所述道路不同侧的情况下，所述第一拟合线方程包括第一拟合线子方程和第二拟合线子方程，所述第一边界线子方程和所述第一拟合线子方程分别对应所述第一边界线，所述第二边界线子方程和所述第二拟合线子方程分别对应所述第二边界线，根据所述第一拟合线方程与所述边界线方程，确定所述标定后偏航角，包括：

在所述第一目标障碍物位于所述道路不同侧的情况下，确定所述第一边界线子方程与所述第一拟合线子方程之间的夹角为第一夹角、所述第二边界线子方程与所述第二拟合线子方程之间的夹角为第二夹角；

在所述第一夹角与所述第二夹角中之一为无效夹角的情况下，确定所述第一夹角与所述第二夹角中的有效夹角为所述标定后偏航角，所述无效夹角对应的所述第一目标障碍物的数量小于或者等于所述第四阈值，所述有效夹角对应的所述第一目标障碍物的数量大于所述第四阈值；

在所述第一夹角与所述第二夹角均为所述有效夹角，且所述第一夹角与所述第二夹角之差位于第二预定范围的情况下，确定所述第一夹角与所述第二夹角的平均值为所述标定后偏航角；

在所述第一夹角与所述第二夹角均为所述有效夹角，且所述第一夹角与所述第二夹角之差不位于所述第二预定范围的情况下，分别获取所述自动驾驶车辆与所述第一边界线的边界线距离以及所述自动驾驶车辆与所述第二边界线的边界线距离，确定所述第一夹角和所述第二夹角中，所述边界线距离的最小值对应的夹角为所述标定后偏航角。

6.根据权利要求4所述的方法，其特征在于，所述道路包括相对的第一边界线以及第二边界线，所述边界线方程包括与所述第一边界线对应的第一边界线子方程和与所述第二边界线对应的第二边界线子方程，根据所述第一拟合线方程与所述边界线方程，确定所述标定后偏航角，包括：

在所有的所述第一目标障碍物均位于所述道路同一侧的情况下，获取第一距离以及第二距离，所述第一距离为所述第一边界线子方程与所述第一拟合线方程的距离，所述第二距离为所述第二边界线子方程与所述第一拟合线方程的距离；

确定所述第一边界线子方程以及所述第二边界线子方程中，所述第一距离与所述第二距离中的最小值对应的子方程为目标子边界线方程；

确定所述第一拟合线方程与所述目标子边界线方程之间的夹角为所述标定后偏航角。

7.根据权利要求3所述的方法，其特征在于，根据多个所述第一目标障碍物的位置信息，确定所述标定后偏航角，包括：

确定第二目标障碍物的位置信息与所述边界线方程之间的距离为第三距离，并计算各所述第三距离的平均值，所述第二目标障碍物为位于所述道路同一侧的所有所述第一目标障碍物；

确定所述平均值是否小于第五阈值；

在所述平均值大于或者等于所述第五阈值的情况下，根据所述偏航角、第三预定范围以及预设角度步进，确定所述标定后偏航角；

在所述平均值小于所述第五阈值的情况下，确定所述偏航角为所述标定后偏航角。

8.根据权利要求7所述的方法，其特征在于，在所述平均值大于或者等于所述第五阈值的情况下，根据所述偏航角、第三预定范围以及预设角度步进，确定所述标定后偏航角，包括：

更新步骤，在所述平均值大于或者等于所述第五阈值的情况下，从所述偏航角开始，以所述预设角度步进增大或者减小所述偏航角，得到更新角度，所述更新角度位于所述第三预定范围；

修正步骤，根据所述更新角度，修正各所述第二目标障碍物的位置信息，得到修正后的位置信息；

计算步骤，计算修正后的位置信息与所述边界线方程之间的距离平均值；

第一确定步骤，确定所述距离平均值是否小于所述第五阈值；

第二确定步骤，在所述距离平均值小于所述第五阈值的情况下，确定所述更新角度为所述标定后偏航角，在所述距离平均值大于或者等于所述第五阈值的情况下，依次执行所述更新步骤、所述修正步骤、所述计算步骤以及所述第一确定步骤，直到所述距离平均值小于所述第五阈值或者所述更新角度达到所述第三预定范围的边界。

9.根据权利要求3所述的方法，其特征在于，在对目标传感器的预定参数进行标定，得到目标参数之前，所述方法还包括：

获取第六阈值、所述自动驾驶车辆的车速以及所述道路两侧的各所述障碍物的速度；

根据所述车速以及位于各所述速度，确定所述速度与所述车速的方向相反，且预定差值位于第五预定范围的所述障碍物为初始静止障碍物，所述预定差值为所述速度的绝对值与所述车速的绝对值的差值绝对值；

根据所述初始静止障碍物的位置信息以及所述边界线方程，计算各所述初始静止障碍物与所述边界线方程的距离，得到多个第四距离；

确定小于所述第六阈值的所述第四距离对应的所述初始静止障碍物为所述第一静止障碍物。

10.根据权利要求1至9中任一项所述的方法，其特征在于，对目标传感器的预定参数进行标定，得到目标参数，包括：

从所述目标传感器采集的连续多帧数据中提取第二静止障碍物，并获取第一高度，所述第一高度为所述目标传感器测得的所述第二静止障碍物的高度信息，所述第二静止障碍物为位于所述道路上或者所述道路两侧的、与所述自动驾驶车辆的距离位于第四预定范围且不移动的障碍物；

获取第二高度与第五距离之间的拟合关系，得到第二拟合线方程，所述第二高度为根据高精度地图确定的所述第二静止障碍物的高度信息，所述第五距离为所述第二静止障碍物与所述自动驾驶车辆在所述行驶方向上的实时距离；

在所述第二静止障碍物的数量大于第七阈值的情况下，对所述第一高度与所述第五距离进行拟合，得到第三拟合线方程；

确定所述第二拟合线方程与所述第三拟合线方程的夹角为最终俯仰角。

11.一种自动驾驶车辆的控制装置，其特征在于，包括：

标定单元，用于自动驾驶车辆行驶过程中，在所述自动驾驶车辆满足预定条件的情况下，对目标传感器的预定参数进行标定，得到目标参数，其中，所述预定参数包括偏航角以及俯仰角中至少之一，在所述预定参数包括所述偏航角的情况下，所述预定条件包括：所述自动驾驶车辆偏航角的变化率小于第一阈值，以及预定加速度的变化率小于第二阈值，所述预定加速度为所述自动驾驶车辆在垂直于行驶方向上的加速度，在所述预定参数包括所述俯仰角的情况下，所述预定条件包括：所述自动驾驶车辆所在道路的坡度变化率小于第三阈值；

修正单元，用于在所述目标参数位于第一预定范围的情况下，根据所述目标参数，修正所述目标传感器测得的障碍物的位置信息；

降低单元，用于在所述目标参数不位于所述第一预定范围的情况下，降低所述自动驾驶车辆的自动驾驶等级。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至10中任意一项所述的方法。

13.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至10中任意一项所述的方法。

14.一种自动驾驶系统，其特征在于，包括：

自动驾驶车辆；

一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至10中任意一项所述的方法。

Images