CN115675493B - 利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 - Google Patents
利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 Download PDFInfo
- Publication number
- CN115675493B CN115675493B CN202310005012.2A CN202310005012A CN115675493B CN 115675493 B CN115675493 B CN 115675493B CN 202310005012 A CN202310005012 A CN 202310005012A CN 115675493 B CN115675493 B CN 115675493B
- Authority
- CN
- China
- Prior art keywords
- manned
- vehicle
- unmanned
- track
- data
- 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
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本公开涉及利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置,上述方法包括:形成无人驾驶车辆与有人驾驶车辆的编组;无人驾驶车辆获取编组内有人驾驶车辆的有人驾驶数据;其中,有人驾驶数据包括:用户驾驶有人驾驶车辆在目标区域中作业时,根据有人驾驶车辆的行驶轨迹和停靠位置生成的人工驾驶轨迹图层信息;根据无人驾驶车辆的当前位置信息和目的位置信息,获取人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;至少基于目标行驶轨迹在目标区域执行无人驾驶作业。这样无人驾驶车辆可以根据获得人工驾驶轨迹图层信息中相匹配的目标行驶轨迹在目标区域中执行无人驾驶作业,可以在很大程度上可以提高运行效率。
Description
技术领域
本公开涉及利用人工驾驶轨迹图层信息进行无人驾驶的技术领域,尤其涉及利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置。
背景技术
无人驾驶系统一般通过各类传感器以及相关的算法对所处场景进行感知和识别。而为了提高无人驾驶系统对场景的感知和识别能力,需要不断提高传感器和算法的处理能力。比如增加传感器类型和数量、提高传感器性能及采集足够多的场景数据进行深度学习训练等。
然而,在矿山等无人驾驶领域,随着挖掘过程的推进,装载区的地形变化情况存在无法穷举的情况,加上在采煤等场景中激光雷达无法获取到煤矿的波束反射等情况。单纯的通过提高传感器和算法的处理能力提升无人驾驶系统对场景的感知和识别能力,效率较低。
发明内容
本公开提供了一种利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置。
根据本公开的第一方面,提供了一种利用人工驾驶轨迹图层信息进行无人驾驶的方法,所述方法包括:
形成无人驾驶车辆与有人驾驶车辆的编组;
无人驾驶车辆获取编组内有人驾驶车辆的有人驾驶数据;其中,所述有人驾驶数据包括:用户驾驶所述有人驾驶车辆在目标区域中作业时,根据所述有人驾驶车辆的行驶轨迹和停靠位置生成的人工驾驶轨迹图层信息;
根据无人驾驶车辆的当前位置信息和目的位置信息,获取所述人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;
至少基于所述目标行驶轨迹在所述目标区域执行无人驾驶作业。
根据本公开的第二方面,提供了一种利用人工驾驶轨迹图层信息进行无人驾驶的装置,其特征在于,所述装置包括:
编组模块,用于形成无人驾驶车辆与有人驾驶车辆的编组;
数据获取模块,用于获取编组内有人驾驶车辆的有人驾驶数据;其中,所述有人驾驶数据包括:用户驾驶所述有人驾驶车辆在目标区域中作业时,根据所述有人驾驶车辆的行驶轨迹和停靠位置生成的人工驾驶轨迹图层信息;
轨迹获取模块,用于根据无人驾驶车辆的当前位置信息和目的位置信息,获取所述人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;
作业模块,用于至少基于所述目标行驶轨迹在所述目标区域执行无人驾驶作业。
根据本公开的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本公开的上述方法。
本公开实施例提供的利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置,通过形成无人驾驶车辆与有人驾驶车辆的编组;使得无人驾驶车辆获取编组内有人驾驶车辆的有人驾驶数据;根据无人驾驶车辆的当前位置信息和目的位置信息,获取人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;至少基于目标行驶轨迹在目标区域执行无人驾驶作业。这样无人驾驶车辆可以根据获得人工驾驶轨迹图层信息中相匹配的目标行驶轨迹在目标区域中执行无人驾驶作业,可以在很大程度上可以提高运行效率。
附图说明
在下面结合附图对于示例性实施例的描述中,本公开的更多细节、特征和优点被公开,在附图中:
图1为本公开一示例性实施例提供的场景示意图;
图2为本公开一示例性实施例提供的利用人工驾驶轨迹图层信息进行无人驾驶的方法的流程图;
图3为本公开一示例性实施例提供的利用人工驾驶轨迹图层信息进行无人驾驶的装置的功能模块示意性框图;
图4为本公开一示例性实施例提供的电子设备的结构框图;
图5为本公开一示例性实施例提供的计算机系统的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
由于在矿山等无人驾驶领域,随着挖掘过程的推进,装载区的地形变化情况存在无法穷举的情况,加上在采煤等场景中激光雷达无法获取到煤矿的波束反射等情况。使得单纯的通过提高传感器和算法的处理能力提升无人驾驶系统对场景的感知和识别能力,效率较低。
因此,为了避免单纯的通过提高传感器和算法的处理能力提升无人驾驶系统对场景的感知和识别能力,本公开实施例通过有人驾驶车辆在目标区域中作业时采集到的有人驾驶数据,并将有人操控车辆采集到的数据进行处理,形成无人驾驶车辆可以直接使用的无人驾驶数据,使得无人驾驶车辆可以通过该无人驾驶数据在目标区域中进行作业,这样可以将人工的经验与无人驾驶系统相结合,使得无人驾驶车辆可以基于有人驾驶数据来实现在目标区域中作业。其中,本公开实施例中涉及到的有人驾驶车辆,可以是有人驾驶车辆,还可以是人工遥控驾驶车辆等等,实施例中以有人驾驶车辆为有人驾驶车辆为例进行说明。
在本公开提供的实施例中,可以将有人驾驶车辆与无人驾驶车辆形成编组,有人驾驶车辆由驾驶人员驾驶进行正常的作业,同时车辆自动记录运行数据。其中,本公开实施例中涉及到的有人驾驶车辆,可以是有人驾驶车辆,还可以是人工遥控驾驶车辆等等。
在本公开提供的实施例中,通过将有人驾驶车辆与无人驾驶车辆进行编组,使得有人驾驶车辆与无人驾驶车辆具有相同的作业环境,并且进行相同的作业内容。其中,有人驾驶车辆可以与无人驾驶车辆的完全相同,具备相同的传感器配置和无人驾驶能力;有人驾驶车辆也可以不具备无人驾驶能力,相对于无人驾驶车辆传感器类型和能力做一些降级,但需要根据业务需要,具备基本数据采集和处理能力。并且在有人驾驶车辆作业过程中,会实时将车辆的采集到的基本数据进行记录和存储。其中,该基本数据包括高精度定位数据等,实施例中可以将有人驾驶车辆采集到的该基本数据作为有人驾驶数据。另外,有人驾驶车辆可以采用持续有人驾驶或遥控操作的方式,也可以采用是在需要时临时介入一次的方式,只是应用方式不同,逻辑保持一致。
实施例中,会对上述采集到的有人驾驶数据进行处理。例如,可以是有人驾驶车辆在采集到有人驾驶数据时进行处理,将有人驾驶数据处理为无人驾驶数据,还可以是有人驾驶车辆将采集到的有人驾驶数据发送到云平台,通过云平台来将有人驾驶数据处理为无人驾驶数据,或者是有人驾驶车辆将采集到的有人驾驶数据通过V2V(vehicle-to-vehiclecommunication,车车通信)的方式发送给无人驾驶车辆,通过无人驾驶车辆将有人驾驶数据处理为无人驾驶数据;或者有人驾驶车辆将处理的无人驾驶数据发送给云平台或者无人驾驶车辆。具体发送时,可以是实时发送,还可以采集到一段时间的数据后发送,或者是有人驾驶在完成一次作业后再发送有人驾驶数据。
在有人驾驶车辆通过实时传输的方式向无人驾驶车辆或者云平台发送采集到的有人驾驶数据或无人驾驶数据的场景,可以是将一台有人驾驶车辆与多台无人驾驶车辆形成编组,有人驾驶车辆正常的在目标区域中进行作业,并且在作业的同时采集有人驾驶数据。编组内的无人驾驶车辆基于有人驾驶数据获得的无人驾驶数据在目标区域中作业。
在本公开提供的实施例中,通过将有人驾驶车辆与无人驾驶车辆形成编组,有人驾驶车辆由人工驾驶正常作业,作业过程中实时记录包含车辆的装载属性、位姿、速度和停靠点的有人驾驶数据,并生成有人驾驶车辆在不同装载属性下的行驶轨迹、行驶速度和停靠点,并将这些数据作为无人驾驶数据共享给无人驾驶车辆。当然,如上述所述,可以通过有人驾驶车辆、云平台或者无人驾驶车辆将有人驾驶数据生成无人驾驶数据。
实施例中,通过有人驾驶车辆与无人驾驶车辆共同循环作业,随着场景的更新,有人驾驶的实际参考信息也根据人工的经验更新,编组内无人驾驶车辆的实际运行轨迹也随之更新,使得无人驾驶车辆达到与人工驾驶车辆相同的表现,借助人工的经验保证场景的适应性与高效性。
在本公开提供的一示例性的实施例中,如图1所示,以矿山场景中无人驾驶车辆的装载过程为例进行说明。有人驾驶车辆在进入装载区后,会到达装载停靠点,在此期间有人驾驶车辆的装载状态的为空载状态,那么有人驾驶车辆从进入装载区后到装载停靠点之间的行驶轨迹为空载轨迹;在有人驾驶车辆在装载停靠点完成装载后,驶离装载停靠点到装载区出口之间的行驶轨迹为重载轨迹。期间有人驾驶车辆会识别作业区及各个停靠点。
实施例中,可以将空载轨迹、重载轨迹、待装停靠点、装载停靠点等信息作为图层的基本要素,保存为一个独立的图层,且这个图层与装载区、装载区的进出口、装载位置建立起关联关系;另外,由于装载的具体位置每次或者几次之后会有一些变化,不具备通用性,因此在进行图层数据处理的时候,可以将装载区域内的轨迹信息移除。
实施例中,可以将有人驾驶车辆中形成的轨迹数据图层分享给编组内的其他无人驾驶车辆,可以采用如下方式:有人驾驶车辆将轨迹数据图层上传到云平台,有云平台发送给编组内的其他无人驾驶车辆;或者有人驾驶车辆将轨迹数据图层通过V2V的方式分享给其他无人驾驶车辆。
实施例中,无人驾驶车辆在获取到分享的轨迹数据图层后,进入装载区时,通过目的地与图层数据中的装载停靠点进行匹配,如果目的地在装载停靠点附近,则采用该数据图层。例如,无人驾驶车辆可以获取图层中的待装停靠点,作为车辆待装的合理停靠位置;无人驾驶车辆获取图层中的空载轨迹、空载换向轨迹、重载轨迹等,作为全局参考轨迹;无人驾驶车辆还可以获取轨迹上的最高限速、加减速过程等信息,作为速度规划参考。当然,上述轨迹图层作为无人驾驶车辆的全局参考,在无人驾驶车辆实时检测到障碍物或者其他车辆时,可根据自身的感知和决策能力进行局部的路径规划,以具备更强的适应能力。
本公开实施例中,可以根据业务需求,将一台有人介入的车辆可以与多台无人驾驶的车辆组成编组,能够很大程度上降低人工介入带来的成本提升。并且经过人工作业与无人驾驶作业通过不断的交互,由人工去保证车辆在不同的环境条件以及随时缓慢变化场景中保持最优决策,而无人驾驶车辆则利用自身的优势,适应实时动态变化的场景,例如动态障碍物信息、车辆之间的交互等,达到能力互补,解决长尾问题,提升环境和场景适应性。
基于上述实施例,本公开实施例提供了一种利用人工驾驶轨迹图层信息进行无人驾驶的方法,该如图2所示,该方法可以包括如下步骤:
在步骤S110中,形成无人驾驶车辆与有人驾驶车辆的编组。
本公开实施例中,可以将与无人车具有相同或者相近作业内容的有人驾驶车辆进行编组,或者将与无人驾驶车辆的车型一致的有人驾驶车辆进行编组,便于无人驾驶车辆在目标区域中作业时可以直接基于有人驾驶车辆的产生的有人驾驶车辆进行作业。
在步骤S120中,无人驾驶车辆获取编组内有人驾驶车辆的有人驾驶数据。
其中,有人驾驶数据包括:用户驾驶有人驾驶车辆在目标区域中作业时,根据有人驾驶车辆的行驶轨迹和停靠位置生成的人工驾驶轨迹图层信息。
实施例中,无人驾驶车辆可以通过云平台、近场通信技术或者短程通讯技术获取有人驾驶数据。无人驾驶车辆在通过云平台来获取有人驾驶数据时,云平台可以对有人驾驶数据进行处理,例如优化、筛选或整合等处理,并将处理后的有人驾驶数据发送给无人驾驶车辆,便于无人驾驶车辆可以依据有人驾驶数据更好的在目标区域中作业。
有人驾驶车辆的行驶轨迹可以包括空载行驶轨迹、重载行驶轨迹和空载换向行驶轨迹等等。停靠位置可以包括待装停靠点和装载停靠点等等。因此,人工驾驶轨迹图层信息包括:空载行驶轨迹、重载行驶轨迹、待装停靠点和装载停靠点中的至少一种。
人工驾驶轨迹图层信息与目标区域之间有对应的关联关系,该目标区域包括:行驶区域、排队区域、待装区域、装载区域、待装位和装载位。实施例中,可以将空载行驶轨迹、重载行驶轨迹、待装停靠点、装载停靠点等信息作为图层的基本要素,保存为一个独立的图层,且这个图层与装载区域、装载区域的进出口、装载位建立起关联关系。其中,装载位包括装载停靠点,待装位包括待装停靠点。
人工驾驶轨迹图层信息还可以包括:空载行驶轨迹和重载行驶轨迹上的限速信息、加速度信息或减速度信息。这样无人驾驶车辆可以根据有人驾驶车辆行驶轨迹上的最高限速、加速度信息或减速过程等信息来控制行驶速度。
在步骤S130中,根据无人驾驶车辆的当前位置信息和目的位置信息,获取人工驾驶轨迹图层信息中相匹配的目标行驶轨迹。
实施例中,无人驾驶车辆在获取到分享的人工驾驶轨迹图层信息后,通过当前位置和目的位置与人工驾驶轨迹图层信息中的装载停靠点进行匹配,如果目的地在装载停靠点附近,则采用该人工驾驶轨迹图层信息。例如,无人驾驶车辆可以获取图层中的待装停靠点,作为车辆待装的合理停靠位置;无人驾驶车辆获取图层中的空载轨迹、空载换向轨迹、重载轨迹等,作为全局参考轨迹;无人驾驶车辆还可以获取轨迹上的最高限速、加减速过程等信息,作为速度规划参考。当然,上述轨迹图层作为无人驾驶车辆的全局参考,在无人驾驶车辆实时检测到障碍物或者其他车辆时,可根据自身的感知和决策能力进行局部的路径规划,以具备更强的适应能力。
在步骤S140中,至少基于目标行驶轨迹在目标区域执行无人驾驶作业。
这样通过无人驾驶车辆的当前位置和目的位置信息,来获得目标行驶轨迹,无人驾驶车辆可以基于该目标行驶轨迹在目标区域中执行无人驾驶作业,例如可以按照目标行驶轨迹进行行驶,在行驶到停靠点时进行停靠,还可以根据目标行驶轨迹中携带的速度信息进行速度控制。
本公开提供的实施例中,无人驾驶车辆通过云平台、近场通信技术或者短程通讯技术获取有人驾驶数据。无人驾驶车辆可以从云平台获取的数据经过了云平台的处理。云平台的处理包括对有人驾驶数据进行优化、筛选或整合。
本公开实施例提供的利用人工驾驶轨迹图层信息进行无人驾驶的方法,通过形成无人驾驶车辆与有人驾驶车辆的编组;使得无人驾驶车辆获取编组内有人驾驶车辆的有人驾驶数据;根据无人驾驶车辆的当前位置信息和目的位置信息,获取人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;至少基于目标行驶轨迹在目标区域执行无人驾驶作业。这样无人驾驶车辆可以根据获得人工驾驶轨迹图层信息中相匹配的目标行驶轨迹在目标区域中执行无人驾驶作业,可以在很大程度上可以提高运行效率。
基于上述实施例,在本公开提供的又一实施例中,该方法还可以包括以下步骤:
在步骤S210中,获取有人驾驶车辆在目标区域中作业时的行驶轨迹。其中,该行驶轨迹携带的信息有人驾驶车辆的装载属性。该行驶轨迹包括上述记载的空载行驶轨迹和重载行驶轨迹等。
实施例中,可以获取有人驾驶车辆在目标区域中作业时产生的有人驾驶数据,并基于有人驾驶数据生成行驶轨迹。实施例中以有人驾驶车辆为有人驾驶车辆为例进行说明。
在本公开提供的实施例中,通过将有人驾驶车辆与无人驾驶车辆进行编组,使得有人驾驶车辆与无人驾驶车辆具有相同的作业环境,并且进行相同的作业内容。其中,有人驾驶车辆可以与无人驾驶车辆的完全相同,具备相同的传感器配置和无人驾驶能力;有人驾驶车辆也可以不具备无人驾驶能力,相对于无人驾驶车辆传感器类型和能力做一些降级,但需要根据业务需要,具备基本数据采集和处理能力。并且在有人驾驶车辆作业过程中,会实时将车辆的采集到的基本数据进行记录和存储。其中,该基本数据包括高精度定位数据等,实施例中可以将有人驾驶车辆采集到的该基本数据作为有人驾驶数据。
实施例中,通过有人驾驶数据中的定位数据可以获得行驶轨迹,并且通过对场景识别,来得到作业区域。结合图1及对应的上述实施例可知,行驶轨迹可以是从装载区入口到装载停靠点的行驶轨迹及驶离停靠点的行驶轨迹。还可以根据停靠点进一步划分行驶轨迹,例如停靠点可以包括装载区入口、待装停靠点和装载停靠点,行驶轨迹可以包括从装载区入口到待装停靠点之间的行驶轨迹,从待装停靠点到装载停靠点之间的行驶轨迹,及驶离装载停靠点的行驶轨迹等等。有关目标场景中作业场景的识别,可以包括排队区域、待装区域和装载区域。
在步骤S220中,获取无人驾驶车辆在目标区域作业时的装载状态。
在步骤S230中,至少基于装载属性和行驶轨迹进行行驶。
实施例中,通过上述行驶轨迹会携带有人驾驶车辆的装载属性,该装置属性可以包括空载属性或者重载属性,例如,从装载区入口到装载停靠点的行驶轨迹及驶离停靠点的行驶轨迹为空载行驶轨迹,驶离装载停靠点到装载区出口之间的行驶轨迹为重载行驶轨迹。
无人驾驶车辆在依据有人驾驶车辆的行驶轨迹进行行驶时,通过获取当前无人驾驶车辆的装载状态,例如空载状态或者重载状态,来确定出对应的行驶轨迹,以便按照确定出的行驶轨迹行驶,实现在目标区域中作业。
本公开实施例提供的利用人工驾驶轨迹图层信息进行无人驾驶的方法,通过获取有人驾驶车辆在目标区域中作业时的行驶轨迹,针对无人驾驶车辆在目标区域作业时的装载状态,至少基于该装载状态和该行驶轨迹进行行驶。这样无人驾驶车辆可以根据有人驾驶车辆获得的行驶轨迹和自身的装载状态进行行驶,在很大程度上可以提高运行效率。
基于上述实施例,在本公开提供的又一实施例中,上述步骤S210具体还包括以下步骤:
在步骤S211中,获取有人驾驶车辆在目标区域中作业时的装载属性。
在步骤S212中,基于有人驾驶车辆的装载属性,生成包含多个子行驶轨迹的行驶轨迹。
实施例中,结合图1所示,行驶轨迹可以是从装载区入口到装载停靠点的行驶轨迹及驶离停靠点到装载区出口的行驶轨迹。通过获取行驶轨迹中携带的装载属性,将行驶轨迹可以是从装载区入口到装载停靠点的行驶轨迹及驶离停靠点的行驶轨迹作为空载行驶轨迹,并将驶离停靠点到装载区出口之间的行驶轨迹作为重载行驶轨迹,可以将上述空载行驶轨迹和重载行驶轨迹作为子行驶轨迹。
另外,还可以根据停靠点进一步划分行驶轨迹,例如停靠点可以包括装载区入口、待装停靠点和装载停靠点,行驶轨迹可以包括从装载区入口到待装停靠点之间的行驶轨迹,从待装停靠点到装载停靠点之间的行驶轨迹,及驶离装载停靠点的行驶轨迹等等,可以根据对应行驶轨迹携带的装载属性,来划分为多个子行驶轨迹。该装载属性为重载属性或者空载属性。
因此,基于上述实施例,在本公开提供的又一实施例中,上述步骤S230具体可以包括以下步骤:
在步骤S231中,获取无人驾驶车辆的装载状态。
在步骤S232中,基于无人驾驶车辆的装载状态,确定多个子行驶轨迹中的目标子行驶轨迹。
在步骤S233中,按照目标子行驶轨迹行驶。
实施例中,装载状态包括重载状态或空载状态,目标子行驶轨迹为重载行驶轨迹或空载行驶轨迹;在无人驾驶车辆的装载状态为重载的情况下,确定所述多个子行驶轨迹中的重载行驶轨迹;在无人驾驶车辆的装载状态为空载的情况下,确定多个子行驶轨迹中的空载行驶轨迹。这样无人驾驶车辆在目标区域中作业时,通过获取无人驾驶车辆的装载状态,并基于无人驾驶车辆的装载状态,确定多个子行驶轨迹中的目标子行驶轨迹,进而按照该目标子行驶轨迹行驶。
实施例中,无人驾驶车辆在目标区域中作业时,需要实时确定无人驾驶车辆的装载状态,例如是否为空载状态或重载状态,以便确定对应的空在轨迹或者重载轨迹。如图1所示,当无人驾驶基于空载轨迹行驶时,需要行驶在对应的空载轨迹中;当无人驾驶基于重载轨迹行驶时,需要行驶在对应的重载轨迹中。这样多辆无人驾驶车辆与有人驾驶车辆在目标区域中作业时,使得车辆可以有序行驶,避免在同一作业区域中同时存在空载车辆和重载车辆时,因行驶混乱而造成交通事故的情况出现。
实施例中,为了确定无人驾驶车辆如何按照目标子行驶轨迹行驶,无人驾驶车辆还会获取目标子行驶轨迹中的停靠点。无人驾驶车辆会在按照该目标子行驶轨迹行驶过程中,在无人驾驶车辆达到停靠点时进行停靠。如图1所示,目标子行驶轨迹会包括待装停靠点和装载停靠点等,无人驾驶车辆在行驶到对应的停靠点时,进行停靠。具体可以参见上述实施例,这里不再赘述。
实施例中,无人驾驶车辆在按照目标子行驶轨迹行驶的过程中,还可以获取到获取目标子行驶轨迹中的速度约束信息;并基于该速度约束信息和该目标子行驶轨迹行驶。实施例中,该速度约束信息可以是具体对应行驶轨迹上的速度限制信息,例如限定的最高行驶速度。又例如,因路况等信息,有人驾驶车辆在对应的行驶轨迹上对应的速度较低时,很可能说明该行驶路线路况可能有问题,无人驾驶车辆在行驶到该行驶轨迹时,可以参考有人驾驶车辆在该行驶贵轨迹上对应的车速信息,避免因车速过大等情况导致交通事故的发生。
需要说明的是,本公开实施例提供的该方法,可以应用于无人驾驶车辆,还可以应用于控制无人驾驶车辆的控制台等设备,本公开实施例不限于此。
在采用对应各个功能划分各个功能模块的情况下,本公开实施例提供了一种利用人工驾驶轨迹图层信息进行无人驾驶的装置,该利用人工驾驶轨迹图层信息进行无人驾驶的装置可以为服务器或应用于服务器的芯片。图3为本公开一示例性实施例提供的利用人工驾驶轨迹图层信息进行无人驾驶的装置的功能模块示意性框图。如图3所示,该利用人工驾驶轨迹图层信息进行无人驾驶的装置包括:
编组模块10,用于形成无人驾驶车辆与有人驾驶车辆的编组;
数据获取模块20,用于获取编组内有人驾驶车辆的有人驾驶数据;其中,所述有人驾驶数据包括:用户驾驶所述有人驾驶车辆在目标区域中作业时,根据所述有人驾驶车辆的行驶轨迹和停靠位置生成的人工驾驶轨迹图层信息;
轨迹获取模块30,用于根据无人驾驶车辆的当前位置信息和目的位置信息,获取所述人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;
作业模块40,用于至少基于所述目标行驶轨迹在所述目标区域执行无人驾驶作业。
在本公开提供的又一实施例中,所述人工驾驶轨迹图层信息包括:空载行驶轨迹、重载行驶轨迹、待装停靠点或装载停靠点。
在本公开提供的又一实施例中,所述人工驾驶轨迹图层信息与所述目标区域之间有对应的关联关系,所述目标区域包括:行驶区域、排队区域、待装区域、装载区域、待装位和装载位。
在本公开提供的又一实施例中,所述人工驾驶轨迹图层信息还包括:所述空载行驶轨迹和重载行驶轨迹上的限速信息、加速度信息或减速度信息。
在本公开提供的又一实施例中,所述无人驾驶车辆通过云平台、近场通信技术或者短程通讯技术获取所述有人驾驶数据。
在本公开提供的又一实施例中,所述无人驾驶车辆从云平台获取的数据经过了云平台的处理。
在本公开提供的又一实施例中,所述云平台的处理包括对所述有人驾驶数据进行优化、筛选或整合。
该装置实施例与上述方法实施例相对应,具体参加上述方法对应实施例的描述,这里不再赘述。
本公开实施例提供的利用人工驾驶轨迹图层信息进行无人驾驶的装置,通过形成无人驾驶车辆与有人驾驶车辆的编组;使得无人驾驶车辆获取编组内有人驾驶车辆的有人驾驶数据;根据无人驾驶车辆的当前位置信息和目的位置信息,获取人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;至少基于目标行驶轨迹在目标区域执行无人驾驶作业。这样无人驾驶车辆可以根据获得人工驾驶轨迹图层信息中相匹配的目标行驶轨迹在目标区域中执行无人驾驶作业,可以在很大程度上可以提高运行效率。
本公开实施例还提供一种电子设备,包括:至少一个处理器;用于存储所述至少一个处理器可执行指令的存储器;其中,所述至少一个处理器被配置为执行所述指令,以实现本公开实施例公开的上述方法。
图4为本公开一示例性实施例提供的电子设备的结构示意图。如图4所示,该电子设备1800包括至少一个处理器1801以及耦接至处理器1801的存储器1802,该处理器1801可以执行本公开实施例公开的上述方法中的相应步骤。
上述处理器1801还可以称为中央处理单元(central processing unit,CPU),其可以是一种集成电路芯片,具有信号的处理能力。本公开实施例公开的上述方法中的各步骤可以通过处理器1801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1801可以是通用处理器、数字信号处理器(digital signal processing,DSP)、ASIC、现成可编程门阵列(field-programmable gate array,FPGA)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。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。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储器1802中,例如随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质。处理器1801读取存储器1802中的信息,结合其硬件完成上述方法的步骤。
另外,根据本公开的各种操作/处理在通过软件和/或固件实现的情况下,可从存储介质或网络向具有专用硬件结构的计算机系统,例如图5所示的计算机系统1900安装构成该软件的程序,该计算机系统在安装有各种程序时,能够执行各种功能,包括诸如前文所述的功能等等。图5为本公开一示例性实施例提供的计算机系统的结构框图。
计算机系统1900旨在表示各种形式的数字电子的计算机设备,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,个人数字处理、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5所示,计算机系统1900包括计算单元1901,该计算单元1901可以根据存储在只读存储器(ROM)1902中的计算机程序或者从存储单元1908加载到随机存取存储器(RAM)1903中的计算机程序,来执行各种适当的动作和处理。在RAM 1903中,还可存储计算机系统1900操作所需的各种程序和数据。计算单元1901、ROM 1902以及RAM 1903通过总线1904彼此相连。输入/输出(I/O)接口1905也连接至总线1904。
计算机系统1900中的多个部件连接至I/O接口1905,包括:输入单元1906、输出单元1907、存储单元1908以及通信单元1909。输入单元1906可以是能向计算机系统1900输入信息的任何类型的设备,输入单元1906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1908可以包括但不限于磁盘、光盘。通信单元1909允许计算机系统1900通过网络诸如因特网的与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1901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1901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1901执行上文所描述的各个方法和处理。例如,在一些实施例中,本公开实施例公开的上述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1908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1902和/或通信单元1909而被载入和/或安装到电子设备1900上。在一些实施例中,计算单元1901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开实施例公开的上述方法。
本公开实施例还提供一种计算机可读存储介质,其中,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行本公开实施例公开的上述方法。
本公开实施例中的计算机可读存储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。上述计算机可读存储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。更具体的,上述计算机可读存储介质可以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。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
本公开实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现本公开实施例公开的上述方法。
在本公开的实施例中,可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机,或者,可以连接到外部计算机。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块、部件或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块、部件或单元的名称在某种情况下并不构成对该模块、部件或单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示例性的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (7)
1.一种利用人工驾驶轨迹图层信息进行无人驾驶的方法,其特征在于,所述方法包括:
形成无人驾驶车辆与有人驾驶车辆的编组;
有人驾驶车辆将有人驾驶数据上传云平台,通过云平台发送给所述编组内的无人驾驶车辆;其中,所述有人驾驶数据包括:用户驾驶所述有人驾驶车辆在目标区域中作业时,根据所述有人驾驶车辆的行驶轨迹和停靠位置生成的人工驾驶轨迹图层信息,所述人工驾驶轨迹图层信息包括:空载行驶轨迹、重载行驶轨迹、待装停靠点或装载停靠点,并且,所述人工驾驶轨迹图层被保存为一个独立的图层,且所述人工驾驶轨迹图层信息与所述目标区域之间有对应的关联关系;所述目标区域包括排队区域、待装区域和装载区域;
无人驾驶车辆获取编组内有人驾驶车辆的有人驾驶数据;
根据无人驾驶车辆的当前位置信息和目的位置信息,获取与所述人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;
至少基于所述目标行驶轨迹在所述目标区域执行无人驾驶作业。
2.根据权利要求1所述的方法,其特征在于,所述人工驾驶轨迹图层信息还包括:所述空载行驶轨迹和重载行驶轨迹上的限速信息、加速度信息或减速度信息。
3.根据权利要求1所述的方法,其特征在于,所述无人驾驶车辆从云平台获取的数据经过了云平台的处理。
4.根据权利要求1所述的方法,其特征在于,所述云平台的处理包括对所述有人驾驶数据进行优化、筛选或整合。
5.一种利用人工驾驶轨迹图层信息进行无人驾驶的装置,其特征在于,所述装置包括:
编组模块,用于形成无人驾驶车辆与有人驾驶车辆的编组;
数据获取模块,用于有人驾驶车辆将有人驾驶数据上传云平台,通过云平台发送给所述编组内的无人驾驶车辆;获取编组内有人驾驶车辆的有人驾驶数据;其中,所述有人驾驶数据包括:用户驾驶所述有人驾驶车辆在目标区域中作业时,根据所述有人驾驶车辆的行驶轨迹和停靠位置生成的人工驾驶轨迹图层信息,所述人工驾驶轨迹图层信息包括:空载行驶轨迹、重载行驶轨迹、待装停靠点或装载停靠点,并且,所述人工驾驶轨迹图层被保存为一个独立的图层,且所述人工驾驶轨迹图层信息与所述目标区域之间有对应的关联关系;所述目标区域包括排队区域、待装区域和装载区域;
轨迹获取模块,用于根据无人驾驶车辆的当前位置信息和目的位置信息,获取与所述人工驾驶轨迹图层信息中相匹配的目标行驶轨迹;
作业模块,用于至少基于所述目标行驶轨迹在所述目标区域执行无人驾驶作业。
6.一种电子设备,其特征在于,包括:
至少一个处理器;
用于存储所述至少一个处理器可执行指令的存储器;
其中,所述至少一个处理器被配置为执行所述指令,以实现如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310005012.2A CN115675493B (zh) | 2023-01-04 | 2023-01-04 | 利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310005012.2A CN115675493B (zh) | 2023-01-04 | 2023-01-04 | 利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115675493A CN115675493A (zh) | 2023-02-03 |
CN115675493B true CN115675493B (zh) | 2023-08-11 |
Family
ID=85057601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310005012.2A Active CN115675493B (zh) | 2023-01-04 | 2023-01-04 | 利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115675493B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518557A (zh) * | 2015-08-31 | 2016-04-20 | 株式会社小松制作所 | 矿山的管理系统 |
JP2016095813A (ja) * | 2014-11-17 | 2016-05-26 | ヤンマー株式会社 | 作業車両の移動システム |
CN106708057A (zh) * | 2017-02-16 | 2017-05-24 | 北理慧动(常熟)车辆科技有限公司 | 一种智能车辆编队行驶方法 |
CN108592932A (zh) * | 2018-04-27 | 2018-09-28 | 平安科技(深圳)有限公司 | 一种无人车调度方法、系统、设备及存储介质 |
CN108873902A (zh) * | 2018-07-04 | 2018-11-23 | 北京踏歌智行科技有限公司 | 一种无人驾驶矿用车辆的远程控制方法及装置 |
CN109300324A (zh) * | 2018-11-30 | 2019-02-01 | 北京小马智行科技有限公司 | 一种无人驾驶汽车的环境信息获取方法及装置 |
CN110519703A (zh) * | 2019-08-28 | 2019-11-29 | 北京易控智驾科技有限公司 | 一种矿车无人驾驶系统 |
CN111222728A (zh) * | 2018-11-23 | 2020-06-02 | 长沙智能驾驶研究院有限公司 | 无人驾驶运载车辆调度方法、调度系统及存储介质 |
CN113282090A (zh) * | 2021-05-31 | 2021-08-20 | 三一专用汽车有限责任公司 | 工程车辆无人驾驶控制方法、装置、工程车辆及电子设备 |
CN113721606A (zh) * | 2021-08-16 | 2021-11-30 | 清华大学 | 引导式自动驾驶物流车辆控制系统及方法 |
CN114620060A (zh) * | 2020-12-14 | 2022-06-14 | 宝能汽车集团有限公司 | 自动驾驶模式选择方法、自动驾驶汽车及其控制方法 |
CN115123307A (zh) * | 2022-08-01 | 2022-09-30 | 深圳海星智驾科技有限公司 | 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 |
CN115416692A (zh) * | 2022-09-30 | 2022-12-02 | 浙江吉利控股集团有限公司 | 一种自动驾驶方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700668B (zh) * | 2020-12-22 | 2022-08-02 | 北京百度网讯科技有限公司 | 自动驾驶的远程控制方法、自动驾驶车辆及云端设备 |
-
2023
- 2023-01-04 CN CN202310005012.2A patent/CN115675493B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016095813A (ja) * | 2014-11-17 | 2016-05-26 | ヤンマー株式会社 | 作業車両の移動システム |
CN105518557A (zh) * | 2015-08-31 | 2016-04-20 | 株式会社小松制作所 | 矿山的管理系统 |
CN106708057A (zh) * | 2017-02-16 | 2017-05-24 | 北理慧动(常熟)车辆科技有限公司 | 一种智能车辆编队行驶方法 |
CN108592932A (zh) * | 2018-04-27 | 2018-09-28 | 平安科技(深圳)有限公司 | 一种无人车调度方法、系统、设备及存储介质 |
CN108873902A (zh) * | 2018-07-04 | 2018-11-23 | 北京踏歌智行科技有限公司 | 一种无人驾驶矿用车辆的远程控制方法及装置 |
CN111222728A (zh) * | 2018-11-23 | 2020-06-02 | 长沙智能驾驶研究院有限公司 | 无人驾驶运载车辆调度方法、调度系统及存储介质 |
CN109300324A (zh) * | 2018-11-30 | 2019-02-01 | 北京小马智行科技有限公司 | 一种无人驾驶汽车的环境信息获取方法及装置 |
CN110519703A (zh) * | 2019-08-28 | 2019-11-29 | 北京易控智驾科技有限公司 | 一种矿车无人驾驶系统 |
CN114620060A (zh) * | 2020-12-14 | 2022-06-14 | 宝能汽车集团有限公司 | 自动驾驶模式选择方法、自动驾驶汽车及其控制方法 |
CN113282090A (zh) * | 2021-05-31 | 2021-08-20 | 三一专用汽车有限责任公司 | 工程车辆无人驾驶控制方法、装置、工程车辆及电子设备 |
CN113721606A (zh) * | 2021-08-16 | 2021-11-30 | 清华大学 | 引导式自动驾驶物流车辆控制系统及方法 |
CN115123307A (zh) * | 2022-08-01 | 2022-09-30 | 深圳海星智驾科技有限公司 | 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 |
CN115416692A (zh) * | 2022-09-30 | 2022-12-02 | 浙江吉利控股集团有限公司 | 一种自动驾驶方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
张茂于.《产业专利分析报告(第58册)——自动驾驶》.知识产权出版社,2017,76-78. * |
Also Published As
Publication number | Publication date |
---|---|
CN115675493A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210011908A1 (en) | Model-based structured data filtering in an autonomous vehicle | |
JP2019506647A (ja) | モーション計画に基づく自律走行車の走行方法およびシステム | |
US11162798B2 (en) | Map updates based on data captured by an autonomous vehicle | |
WO2020147361A1 (zh) | 用于控制车辆的方法和装置 | |
US11398150B2 (en) | Navigation analysis for a multi-lane roadway | |
CN109353345B (zh) | 车辆控制方法、装置、设备、介质和车辆 | |
US11803186B2 (en) | Road quality based routing | |
JP2019079396A (ja) | 情報処理システム、情報処理装置、情報処理方法、及びプログラム | |
US20190325223A1 (en) | Tracking objects with multiple cues | |
US11874118B2 (en) | Crowdsourcing map maintenance | |
US11046304B2 (en) | Rider selectable ride comfort system for autonomous vehicle | |
CN115649186B (zh) | 基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质 | |
CN115686028B (zh) | 基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质 | |
CN112712608B (zh) | 用于通过车辆收集性能数据的系统和方法 | |
CN115675493B (zh) | 利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 | |
KR20220102343A (ko) | 로봇 및 그 제어 방법 | |
US20230236598A1 (en) | Low mobility assistance for autonomous vehicles passengers | |
EP4258189A1 (en) | Autonomous vehicle fleet scheduling to maximize efficiency | |
US11745747B2 (en) | System and method of adaptive distribution of autonomous driving computations | |
EP4131203A1 (en) | Information processing device, and information processing method | |
CN115686029B (zh) | 基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质 | |
CN113793518A (zh) | 车辆通行处理方法、装置、电子设备和存储介质 | |
CN115657692A (zh) | 基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质 | |
JP7405795B2 (ja) | 車載情報処理装置、情報処理装置、および情報処理方法 | |
US20240119765A1 (en) | Log management apparatus, log management method, and non-transitory computer readable recording medium |
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 |