CN116118783A - 自动驾驶域控制器实现行车数据优化的方法及装置 - Google Patents

Abstract

本申请实施例提供一种自动驾驶域控制器实现行车数据优化的方法及装置。采用本申请实施例，能够针对出现动物撞亡场景的目标路段进行提前预警，提高自动驾驶域控制器针对动物出没或动物撞亡场景的全面性和智能性，以及在目标路段出现动物出没时制定更具针对性的驾驶优化策略，进一步提高自动驾驶域控制器针对动物出没或动物撞亡场景的全面性和智能性，提高驾驶安全性，根据驾驶优化策略与车身域控制器和座舱域控制器进行交互，协作执行驾驶优化策略，预防因动物出没或动物撞亡导致的安全事故的发生，提高了自动驾驶域控制、车身域控制器和座舱域控制器面对特殊场景的针对性。

Description

自动驾驶域控制器实现行车数据优化的方法及装置

技术领域

本申请涉及车辆技术领域，尤其涉及自动驾驶域控制器实现行车数据优化的方法及装置。

背景技术

随着社会的发展，越来越多的人拥有属于自己的车辆，而在车辆行驶的过程中需要车辆的驾驶员集中精神，注意道路情况，避免安全事故的发生。

但由于宠物弃养、动物繁殖等因素，在小区路段或者靠近生活区域的路段中，总是会发生动物横穿马路的情况；由于动物的体型较小，导致车辆的驾驶员容易在车辆驾驶的过程中忽略它，导致动物撞亡事件的发生，影响驾驶员的安全和身心健康，以及还可能会在后续出现多次碾压事件，进一步影响动物生命、道路安全和驾驶员的身心健康。

针对动物出没甚至撞亡的场景，目前导航地图并不会接收到类似上报事件并基于统计数据做优化分析以及功能实现，一般靠车辆的驾驶员自身发现，但发现时已经离动物本身较近，不容易避让。

发明内容

本申请实施例提供一种自动驾驶域控制器实现行车数据优化的方法及装置，能够针对出现动物撞亡场景的目标路段进行提前预警，提高自动驾驶域控制器针对动物出没或动物撞亡场景的全面性和智能性，以及在目标路段出现动物出没时制定更具针对性的驾驶优化策略，进一步提高自动驾驶域控制器针对动物出没或动物撞亡场景的全面性和智能性，提高驾驶安全性，根据驾驶优化策略与车身域控制器和座舱域控制器进行交互，协作执行驾驶优化策略，预防因动物出没或动物撞亡导致的安全事故的发生，提高了自动驾驶域控制、车身域控制器和座舱域控制器面对特殊场景的针对性。

第一方面，本申请实施例提供了一种自动驾驶域控制器实现行车数据优化的方法，所述方法应用于目标车辆的域控制系统中的自动驾驶域控制器，所述域控制系统包括所述自动驾驶域控制器、车身域控制器和座舱域控制器，所述方法包括：

获取所述目标车辆的导航线路；

获取历史上车辆在所述导航线路中多个位置节点的行驶数据，所述行驶数据包括速度信息、加速度信息、行驶影像数据；

根据所述行驶数据确定目标路段，其中，所述目标路段包括发生动物撞亡的路段；

所述目标车辆行驶在所述目标路段的情况下，开启所述目标车辆的动物识别算法，以识别所述目标车辆周围是否存在动物；

若存在，确定所述动物的体型大小和运动速度；

根据所述体型大小和所述运动速度，制定第一驾驶优化策略，其中所述第一驾驶优化策略至少包括第一灯光控制策略和车速控制策略；

向所述车身域控制器发送第一指示信息，以指示所述车身域控制器控制所述目标车辆执行所述第一灯光控制策略；

向所述座舱域控制器发送第二指示信息，以指示所述座舱域控制器根据车速控制策略控制所述目标车辆发出第一提示信息，提示所述目标车辆的驾驶员控制车速。

本申请实施例针对动物撞亡场景，根据自动驾驶域控制器收集相关信息，对发生动物撞亡场景的路段进行预警，避免动物撞亡事件的再次发生，提高了自动驾驶域控制器针对特殊场景的智能性和全面性，进一步的，在预警阶段，针对监测到的动物的行为特点，制定针对性的驾驶优化策略，提高了自动驾驶域控制器的针对性。

在第一方面的又一种可能的实施方式中，所述根据所述行驶数据确定目标路段，包括：

确定加速度值超过第一预设阈值和所述加速度的变化值超过第二预设阈值的非路口路段；

确定与所述非路口路段对应的行驶影像数据中是否存在包含动物撞亡的影像数据；

若存在，则将所述非路口路段确定为目标路段。

在第一方面的又一种可能的实施方式中，在所述确定与所述非路口路段对应的行驶影像数据中是否存在包含动物撞亡的影像数据之后，所述方法还包括：

若存在，将与所述动物撞亡事件对应的实时撞亡时间和路段上报导航服务器，以使所述导航服务器向道路清洁部门发送动物撞亡事件。

在第一方面的又一种可能的实施方式中，所述根据所述体型大小和所述运动速度，制定第一驾驶优化策略，包括：

根据所述体型大小和所述运动速度，评估所述目标车辆的驾驶员在当前位置是否能够观测到所述动物；

根据评估结果确定第一灯光控制策略；

根据所述运动速度确定所述动物是否会干扰到所述目标车辆的行驶；

若是，则根据所述运动速度确定车速控制策略。

在第一方面的又一种可能的实施方式中，所述根据评估结果确定第一灯光控制策略，包括：

若评估结果为所述目标车辆的驾驶员在当前位置能够观测到所述动物，则制定包括开启所述目标车辆的远光灯的第一灯光控制策略；

若评估结果为所述目标车辆的驾驶员在当前位置不能够观测到所述动物，则制定包括开启所述目标车辆配置的大范围照明灯的第一灯光控制策略。

在第一方面的又一种可能的实施方式中，根据所述运动速度评估所述动物是否会干扰到所述目标车辆的行驶，包括：

根据动物识别算法，确定所述动物的运动朝向；

根据所述运动速度和所述运动朝向，预测所述动物的第一行动轨迹；

获取所述目标车辆的当前的速度信息和转向信息；

根据所述速度信息和转向信息，预测所述目标车辆的第二行动轨迹；

确定所述第一行动轨迹和所述第二行动轨迹是否有重合，以评估所述动物是否会干扰到所述目标车辆的行驶。

在第一方面的又一种可能的实施方式中，在所述根据所述行驶数据确定目标路段之后，包括：

预估所述目标车辆到达所述目标路段的时间点；

根据所述时间点和所述行驶数据，确定在所述时间点的所述目标路段的路灯状态；

根据所述时间点预估所述目标路段的拥堵状态；

根据所述行驶数据确定动物撞亡事件发生的第一车道；

根据所述路灯状态、所述拥堵状态和所述第一车道制定所述第二驾驶优化策略，所述第二驾驶优化策略至少包括车道选择策略，所述车道选择策略用于避开所述第一车道；

向所述座舱域控制器发送第三指示信息，以指示所述座舱域控制器控制所述目标车辆发出第二提示信息，提示将所述目标车辆行驶至与所述车道选择策略对应的车道。

第二方面，本申请实施例提供一种自动驾驶域控制器实现行车数据优化的装置，所述装置至少包括第一获取单元、第二获取单元、第一确定单元、开启单元、第二确定单元、第一制定单元、第一发送单元和第二发送单元。该自动驾驶域控制器实现行车数据优化的装置用于实现第一方面任一项实施方式所描述方法，其中第一获取单元、第二获取单元、第一确定单元、开启单元、第二确定单元、第一制定单元、第一发送单元和第二发送单元的介绍如下：

第一获取单元，用于获取目标车辆的导航线路；

第二获取单元，用于获取历史上车辆在所述导航线路中多个位置节点的行驶数据，所述行驶数据包括速度信息、加速度信息、行驶影像数据；

第一确定单元，用于根据所述行驶数据确定目标路段，其中，所述目标路段包括发生动物撞亡的路段；

开启单元，用于所述目标车辆行驶在所述目标路段的情况下，开启所述目标车辆的动物识别算法，以识别所述目标车辆周围是否存在动物；

第二确定单元，用于若存在，确定所述动物的体型大小和运动速度；

第一制定单元，用于根据所述体型大小和所述运动速度，制定第一驾驶优化策略，其中所述第一驾驶优化策略至少包括第一灯光控制策略和车速控制策略；

第一发送单元，用于向车身域控制器发送第一指示信息，以指示所述车身域控制器控制所述目标车辆执行所述第一灯光控制策略；

第二发送单元，用于向座舱域控制器发送第二指示信息，以指示所述座舱域控制器根据车速控制策略控制所述目标车辆发出第一提示信息，提示所述目标车辆的驾驶员控制车速。

本申请实施例针对动物撞亡场景，根据自动驾驶域控制器收集相关信息，对发生动物撞亡场景的路段进行预警，避免动物撞亡事件的再次发生，提高了自动驾驶域控制器针对特殊场景的智能性和全面性，进一步的，在预警阶段，针对监测到的动物的行为特点，制定针对性的驾驶优化策略，提高了自动驾驶域控制器的针对性。

在第二方面的又一种可能的实施方式中，所述第一确定单元用于：

确定加速度值超过第一预设阈值和所述加速度的变化值超过第二预设阈值的非路口路段；

确定与所述非路口路段对应的行驶影像数据中是否存在包含动物撞亡的影像数据；

若存在，则将所述非路口路段确定为目标路段。

在第二方面的又一种可能的实施方式中，所述第一确定单元还用于：

若存在，将与所述动物撞亡事件对应的实时撞亡时间和路段上报导航服务器，以使所述导航服务器向道路清洁部门发送动物撞亡事件。

在第二方面的又一种可能的实施方式中，所述第一制定单元用于：

根据所述体型大小和所述运动速度，评估所述目标车辆的驾驶员在当前位置是否能够观测到所述动物；

根据评估结果确定第一灯光控制策略；

根据所述运动速度确定所述动物是否会干扰到所述目标车辆的行驶；

若是，则根据所述运动速度确定车速控制策略。

在第二方面的又一种可能的实施方式中，在所述根据评估结果确定第一灯光控制策略方面，所述第一制定单元具体用于：

若评估结果为所述目标车辆的驾驶员在当前位置能够观测到所述动物，则制定包括开启所述目标车辆的远光灯的第一灯光控制策略；

若评估结果为所述目标车辆的驾驶员在当前位置不能够观测到所述动物，则制定包括开启所述目标车辆配置的大范围照明灯的第一灯光控制策略。

在第二方面的又一种可能的实施方式中，在所述根据所述运动速度评估所述动物是否会干扰到所述目标车辆的行驶方面，所述第一制定单元具体用于：

根据动物识别算法，确定所述动物的运动朝向；

根据所述运动速度和所述运动朝向，预测所述动物的第一行动轨迹；

获取所述目标车辆的当前的速度信息和转向信息；

根据所述速度信息和转向信息，预测所述目标车辆的第二行动轨迹；

确定所述第一行动轨迹和所述第二行动轨迹是否有重合，以评估所述动物是否会干扰到所述目标车辆的行驶。

在第二方面的又一种可能的实施方式中，所述自动驾驶域控制器实现行车数据优化的装置还包括：

第一预估单元，用于预估所述目标车辆到达所述目标路段的时间点；

第三确定单元，用于根据所述时间点和所述行驶数据，确定在所述时间点的所述目标路段的路灯状态；

第二预估单元，用于根据所述时间点预估所述目标路段的拥堵状态；

第四确定单元，用于根据所述行驶数据确定动物撞亡事件发生的第一车道；

第二制定单元，用于根据所述路灯状态、所述拥堵状态和所述第一车道制定所述第二驾驶优化策略，所述第二驾驶优化策略至少包括车道选择策略，所述车道选择策略用于避开所述第一车道；

第三发送单元，用于向所述座舱域控制器发送第三指示信息，以指示所述座舱域控制器控制所述目标车辆发出第二提示信息，提示将所述目标车辆行驶至与所述车道选择策略对应的车道。

第三方面，本申请实施例提供一种车辆，该车辆包括域控制系统，所述域控制系统包括自动驾驶域控制器、车身域控制器、座舱域控制器和存储器，所述自动驾驶域控制器、所述车身域控制器和所述座舱域控制器通信连接；存储器中存储有计算机程序；该自动驾驶域控制器可根据存储器中的计算机程序执行前述第一方面或者第一方面的任一种可能的实现方式所描述的方法。

可选的，上述计算机程序可以存在存储器中。示例性的，存储器可以为非瞬时性（non-transitory）存储器，例如只读存储器（Read Only Memory，ROM），其可以与处理器集成在同一块器件上，也可以分别设置在不同的器件上，本申请实施例对存储器的类型以及存储器与处理器的设置方式不做限定。

在一种可能的实施方式中，上述至少一个存储器位于上述车辆之外。

在又一种可能的实施方式中，上述至少一个存储器位于上述车辆之内。

在又一种可能的实施方式之中，上述至少一个存储器的部分存储器位于上述车辆之内，另一部分存储器位于上述车辆之外。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储计算机程序，当所述指令在至少一个处理器上运行时，实现前述第一方面或者第一方面的任一种可选的方案所描述的方法。

第五方面，本申请提供了一种计算机程序产品，计算机程序产品包括计算机程序，当所述程序在至少一个处理器上运行时，实现前述第一方面或者第一方面的任一种可选的方案所描述的方法中。

可选的，该计算机程序产品可以为一个软件安装包，在需要使用前述方法的情况下，可以下载该计算机程序产品并在计算设备上执行该计算机程序产品。

本申请第三至第五方面所提供的技术方案，其有益效果可以参考第一方面和第二方面的技术方案的有益效果，此处不再赘述。

附图说明

下面将对实施例描述中所需要使用的附图作简单的介绍。

图1是本申请实施例提供的一种车辆的架构示意图；

图2是本申请实施例提供的一种自动驾驶域控制器实现行车数据优化的方法的流程示意图；

图3是本申请实施例提供的一种制定第一驾驶优化策略的方法的流程示意图；

图4是本申请实施例提供的一种目标车辆执行第一灯光控制策略的示意图；

图5是本申请实施例提供的一种确定动物是否会干扰到所述目标车辆的行驶的示意图；

图6是本申请实施例提供的一种自动驾驶域控制器实现行车数据优化的装置的结构示意图；

图7是本申请实施例提供的一种车辆的结构示意图。

具体实施方式

下面结合附图对本申请实施例进行详细介绍。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面对本申请实施例应用的系统架构进行介绍。需要说明的是，本申请描述的系统架构及业务场景是为了更加清楚的说明本申请的技术方案，并不构成对于本申请提供的技术方案的限定，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请提供的技术方案对于类似的技术问题，同样适用。

请参见图1，图1是本申请实施例提供的一种车辆的架构示意图，所述车辆包括域控制系统，所述域控制系统包括自动驾驶域控制器101、车身域控制器102和座舱域控制器103，其中：

可选的，所述车辆上预设有包括摄像头、传感器、激光雷达和毫米波雷达、大范围探照灯、引导灯等多种装置或设备。

自动驾驶域控制器101主要负责实现和控制车辆的自动驾驶功能，其需要具备对于图像信息的接收能力、对于图像信息的处理和判断能力、对于数据的处理和计算能力、导航与路线规划能力、对于实时情况的快速判断和决策能力，需要处理感知、决策、控制三个层面的算法，对于域控制器的软硬件要求都最高。

在本实施例中，所述自动驾驶域控制器101根据所述车辆的导航线路获取到对应的行驶数据，进而根据所述行驶数据确定发生动物撞亡事件的目标路段，针对性地生成针对动物撞亡事件的驾驶优化策略，进而对所述车辆在发生所述动物撞亡事件的目标路段的驾驶过程进行优化。

进一步的，自动驾驶域控制器101与所述车身域控制器102进行交互，以执行所述驾驶优化策略中的灯光控制策略。

车身域控制器102主要控制各种车身功能，包括但不限于对于车前灯、车后灯、内饰灯、车门锁、车窗、天窗、雨刮器、电动后备箱、智能钥匙、空调、天线、网关通信等的控制。

车身域控制器102可根据所述自动驾驶域控制器101发出的指示信息或请求消息，控制所述车辆的灯光。

座舱域控制器103主要控制车辆的智能座舱中的各种电子信息系统功能，这些功能包括中控系统、车载信息娱乐系统、抬头显示、座椅系统、仪表系统、后视镜系统、驾驶行为监测系统、导航系统等。

所述座舱域控制器103可根据所述自动驾驶域控制器101发出的指示信息，控制所述车辆内部的图标或显示器发出对应的提示信息。

自动驾驶域控制器101、车身域控制器102和座舱域控制器103均设置在所述车辆内部，且三者均属于域控制系统，但三者所负责的区域和功能不同，上述过程中涉及到的信息交互属于车机系统内部的信息交互。

请参见图2，图2是本申请实施例提供的一种自动驾驶域控制器实现行车数据优化的方法的流程示意图，该自动驾驶域控制器实现行车数据优化的方法可以基于图1所示的系统架构示意图中的自动驾驶域控制器实现，也可以基于其他架构实现，该方法包括但不限于如下步骤：

步骤S201：获取所述目标车辆的导航线路。

所述导航线路为所述目标车辆内的车载导航的导航线路，所述导航线路由多个路段组成，所述路段由多个位置节点组成。

在所述目标车辆的驾驶员打开车载导航，输入目的地后，所述自动驾驶域控制即可获取到所述目标车辆的导航线路。

可选的，所述自动驾驶域控制器与所述目标车辆的驾驶员的智能手机联动，以获取所述智能手机中导航应用中的导航路线。

所述导航线路用于确定所述目标车辆将要行驶的路段，可选的，若是所述目标车辆在行驶过程中未按照导航线路行驶，或是导航线路发生变化，则重新获取所述目标车辆的更新后的导航线路。

步骤S202：获取历史上车辆在所述导航线路中多个位置节点的行驶数据。

具体的，所述车辆既可以是所述目标车辆，也可以是其他车辆，只要是在所述导航线路中的多个位置节点的某一个位置节点行驶过的车辆，均可获取其行驶数据；所述导航线路中包括多个路段，所述多个路段包括多个位置节点，所述多个位置节点包括起始点、多个中间点和终点；所述多个位置节点之间的距离优选为50m；所述行驶数据包括速度信息、加速度信息、行驶影像数据。

可选的，通过所述目标车辆本地的数据库获取所述目标车辆与所述导航线路中的多个位置节点对应的行驶数据。

可选的，通过与预设的城市内道路两侧的基站进行通信，获取历史的车辆与所述导航线路中的多个位置节点对应的行驶数据。

可选的，通过与导航服务器进行交互，获取历史的车辆与所述导航线路中的多个位置节点对应的行驶数据。

需要说明的是，所述行驶影像数据包括取景区域为所述车辆的车前方或车身两侧的影像数据。

所述行驶数据对应的多个位置节点是基于所述目标车辆的导航线路决定的，所述目标车辆的驾驶员使用一次导航获取一次行驶数据，在一种可选的实施方式中，即使未获取到所述目标车辆的导航线路，仍实时获取所述目标车辆所在城市的多个路段中的多个位置节点的行驶数据，以提前生成目标路段。

步骤S203：根据所述行驶数据确定目标路段。

其中，所述目标路段包括发生动物撞亡的路段；需要说明的是，已发生动物撞亡事件的路段代表着在当前路段动物易出没，可能再次发生动物撞亡事件，以及已有的动物撞亡事件之后的多次碾压事件的发生。

进一步的，造成动物撞亡事件的车辆会存在车速或车辆加速度突然变化的情况，以及已发生动物撞亡事件的路段上行驶的车辆会因紧急避让导致车速或车辆加速度突然变化。

基于此，根据所述行驶数据中的速度突变或加速度突变，来确定目标路段，在一种可选的实施方式中，确定加速度值超过第一预设阈值和所述加速度的变化值超过第二预设阈值的非路口路段；考虑到一般车辆在紧急制动时，最大减速度一般为7.5m/s2-8m/s2；普通制动时，汽车的平均减速度一般为3m/s2-4m/s2，因此，所述第一预设阈值优选为3.5m/s2-8m/s2之间的值，所述第二预设阈值优选为3m/s2，具体的需求可根据具体情况确定，例如可根据车辆的驾驶模式确定，例如运动模式、节能模式等。

确定与所述非路口路段对应的行驶影像数据中是否存在包含动物撞亡的影像数据；所述自动驾驶域控制对所述行驶影像数据进行检测的过程中所涉及到的算法包括基于人工智能的图像识别算法，例如进行神经网络训练过的图像识别模型，以及图像跟踪算法，例如灰度法、背景减法和色彩识别法；在实际应用中，所述自动驾驶域控制器根据已完成针对动物识别的神经网络训练的图像识别模型对所述行驶影像数据进行识别，确定所述行驶影像数据中存在动物的影像数据，进一步的，根据所述图像跟踪算法对所述动物进行持续跟踪，确定是否出现动物撞亡场景。

若存在，则将所述非路口路段确定为目标路段。

需要说明的是，设置所述目标路段的意图在于放置动物撞亡事件的再次发生，但由于未发生动物撞亡事件的非路口路段仍然存在动物撞亡事件发生的可能性，因此，在一种可选的实施方式中，即使在所述非路口路段未发生动物撞亡事件，但若是所述非路口路段对应的影像数据中多次出现动物横穿马路等危害驾驶员生命安全的事件，将所述非路口路段标注为目标路段，在该实施方式中，所述目标路段包括发生动物撞亡事件的路段和动物易出没的路段。

进一步的，为了防止动物撞亡后的二次碾压，在一种可选的实施方式中，在确定了所述影像数据中存在动物撞亡事件之后，立即将与所述动物撞亡事件对应的撞亡时间和路段上报导航服务器，以使所述导航服务器向道路清洁部门发送动物撞亡事件。

在一种可选的实施方式中，在确定了目标路段之后，预估所述目标车辆到达所述目标路段的时间点；根据所述时间点和所述行驶数据中的行驶影像数据，确定在所述时间点的所述目标路段的路灯状态，所述路灯状态包括开启和关闭；

根据所述时间点预估所述目标路段的拥堵状态；与导航服务器进行交互，确定所述目标路段的拥堵状态，进一步的， 根据历史的在时间点的所述目标路段的行驶数据，可预估所述目标路段的拥堵状态，所述拥堵状态用于评估所述目标车辆是否可以在所述目标路段变换车道；

根据所述行驶数据确定动物撞亡事件发生的第一车道；

根据所述路灯状态、所述拥堵状态和所述第一车道制定所述第二驾驶优化策略，所述第二驾驶优化策略至少包括车道选择策略，所述车道选择策略用于避开所述第一车道；

向所述座舱域控制器发送第三指示信息，以指示所述座舱域控制器控制所述目标车辆发出第二提示信息，提示将所述目标车辆行驶至与所述车道选择策略对应的车道；可选的，若所述目标路段为单车道，如小区内部道路，则所述第二提示信息还用于询问所述目标车辆的驾驶员是否更换路线，以避让所述第一车道。

可选的，所述第二提示信息包括在所述目标车辆的车内显示器显示需转入的车道，以及第二语音播报信息，所述第二语音播报信息用于提示所述目标车辆的驾驶员将所述目标车辆行驶至与所述车道选择策略对应的车道。

步骤S204：所述目标车辆行驶在所述目标路段的情况下，开启所述目标车辆的动物识别算法，以识别所述目标车辆周围是否存在动物。

所述动物识别算法的实现方式有多种，可选的，所述动物识别算法根据毫米波雷达实现，具体的卡尔曼滤波器主要用于跟踪动物的状态。这里动物的状态向量包括位置，速度，加速度等被跟踪动物的属性。卡尔曼滤波器使用包含噪声的观测值估计动物的真实位置，是所有雷达跟踪系统的核心算法。在具体实现中首先建立车辆的状态向量，状态迁移方程，协方差矩阵等，然后迭代预测（Prediction）、更新（Update）；预测步骤中，根据状态迁移矩阵和控制矩阵预测车辆的下一状态，并更新协方差；更新步骤中，使用传感器反馈的包含噪声的测量值，融合预测的状态值，基于概率估计一个最可能的动物行为状态；在本实施方式中，针对噪声去除的办法包括去除多普勒速度为0的信号，以及使用固定的噪声限值，滤除低于限值的信号。

可选的，基于激光雷达的障碍物识别算法，具体的，首选读取单帧点云图文件，点云图文件是(x，y， z)笛卡尔坐标和强度值的列表，列表的每一行表示一个点的相对坐标和强度；其次，进行点云切片，即舍弃车身周围一定范围外的所有数据；再其次，进行体素网格过滤，所述体素网格过滤在整个点云空间创建多个体素立方体网格堆叠填充整个空间，过滤点云的方法是每个体素立方体内只留下一个点， 因此立方体每一边的长度越大，点云的分辨率就越低. 但是如果体素网格太大, 就会损失掉物体原本的特征，进行体素网格过滤之后点云图会变成较为稀疏的、保留原有障碍物特征的点云数据；再其次，进行点云分割，所述点云分割的目的在于将不同的物体进行区域切分，即分理处哪些是路面、哪些是不可碰撞的物体，以便于下一步的点云聚类；再其次，进行点云聚类，所述点云聚类是指把除地面外的不同物体的点云分别组合聚集起来，形成多个点集，那么每一个点集就可以代表一个障碍物以及它的大小范围；最终，添加边界框，使用一个立方体体将所有障碍物对应的点云包含进去，尤其是针对动物的，可作出特别标注。障碍物目标及其大致轮廓检测完成。

可选的，利用所述目标车辆上的车载相机拍摄的图像进行识别，即根据上述的已完成针对动物识别的神经网络训练的图像识别模型对拍摄的图像进行识别，以确定图像中的动物以及动物的位置信息，从而得到车辆当前所处位置周围的动物情况。

步骤S205：若存在，确定所述动物的体型大小和运动速度。

可选的，根据所述目标车辆的车外摄像头获取到的所述动物的影像数据，确定所述动物的体型大小和运动速度。

可选的，根据毫米波雷达或激光雷达确定所述动物的体型大小和运动速度。

可选的，所述体型大小可分为小体型、中体型和大体型，所述小体型例如猫、小型犬等小型动物，所述中体型例如羊、中型犬，所述大体型例如大型犬、牛、马、羊驼等。

步骤S206：根据所述体型大小和所述运动速度，制定第一驾驶优化策略。

其中，所述第一驾驶优化策略至少包括第一灯光控制策略和车速控制策略；所述第一灯光控制策略用于所述车身域控制器执行，所述车速控制策略既用于所述座舱域控制器执行。

制定所述第一驾驶优化策略的过程可如图3所述，图3为本申请实施例提供的一种制定第一驾驶优化策略的方法的流程示意图，具体如下所述。

通过驾驶优化策略对在目标路段行驶的目标车辆进行行车数据优化。

步骤S301：根据所述体型大小和所述运动速度，评估所述目标车辆的驾驶员在当前位置是否能够观测到所述动物。

在一种可选的实施方式中，获取所述目标路段的路灯状态，确定所述目标路段的路灯是否开启；

进一步的，若确定所述路灯为开启状态，则根据定位的所述动物当前的具体位置，确定所述动物是否处于路灯照明区域；

若所述动物处于路灯照明区域，则根据所述动物的运动速度，确定所述动物是否会离开所述路灯照明区域，进而确定所述目标车辆的驾驶员在当前位置能够观测到所述动物；

可选的，更进一步的，若所述动物未处于路灯照明区域，则根据定位的所述动物当前的具体位置，以及所述动物的体型大小和运动速度，确定所述动物是否会移动至路灯照明区域；

若所述动物会在所述目标车辆与所述动物之间的距离小于20m之前，移动至路灯照明区域，则确定所述目标车辆的驾驶员能够在行驶过程中观测到所述动物；反之，则确定为不能观测到所述动物，上述的20m为优选的驾驶员能够操控车辆进行避让的有效距离。

步骤S302：根据评估结果确定第一灯光控制策略。

若评估结果为所述目标车辆的驾驶员在当前位置能够观测到所述动物，则制定包括开启所述目标车辆的远光灯的第一灯光控制策略；需要说明的是，若所述目标车辆已开启远光灯，则默认所述第一灯光控制策略已执行，若所述目标车辆已开启其他车前灯，则将其他车前灯切换为远光灯，若所述目标车辆未开启车前灯，则开启所述目标车辆的远光灯。

上述的第一灯光控制策略针对于在检测时已在路灯照明区域，且不会离开所述路灯照明区域的动物。需要说明的是，针对在检测时未在照明区域，但有可能在所述目标车辆的行驶过程中移动到路灯照明区域的动物，可使用该第一灯光控制策略，但需附加语音提示，以提示所述目标车辆的驾驶员出现了向路灯照明区域移动的动物。

若评估结果为所述目标车辆的驾驶员在当前位置不能够观测到所述动物，则制定包括开启所述目标车辆配置的大范围照明灯的第一灯光控制策略；

上述的第一灯光控制策略针对于在检测时已在路灯照明区域，但会离开所述路灯照明区域的动物，以及在检测未在照明区域的动物，且在所述目标车辆移动的过程中不会移动至路灯照明区域；需要说明的是，所述大范围照明灯不同于常见车型中的车前灯，常见的车前灯仅会照亮车辆前方的区域，因此，通过所述大范围照明灯照亮车辆两侧的区域，一方面为驾驶员提供明亮的视野，以观测到所述目标车辆两侧动物，另一方面可对所述目标车辆两侧动物进行警示。

需要说明的是，上述的大范围照明灯为预设的照明区域为朝向所述目标车辆的左前方、正前方和右前方共180度的照明灯，一般安装于所述目标车辆的车顶或车头部分，以图4对上述的大范围照明灯的使用进行说明，图4为本申请实施例提供的一种目标车辆执行第一灯光控制策略的示意图。

在一种可选的实施方式中，所述车辆预先安装有流明高、亮度集中的引导灯，所述引导灯为可改变朝向的聚光灯，所述引导灯可在确定所述动物的具体位置后，朝向所述动物的引导方向开启，所述引导方向为所述动物的前方，通过所述引导灯发射的光柱在所述动物附近的地面上形成的光斑引诱所述动物移动，进而将所述动物引诱至远离所述目标路段的地方。

进一步的，在使用所述引导灯的过程中，根据所述目标车辆的当前的速度信息和转向信息，调整所述引导灯的朝向，以在所述目标车辆的行驶过程中，所述引导灯仍然能够在所述动物的引导方向上的地面处形成光斑，吸引所述动物移动，尤其是针对对光斑好奇的猫科动物；因此，所述第一灯光控制策略还包括开启所述目标车辆预先安装的引导灯。

在一种可选的实施方式中，所述第一灯光控制策略还包括打开车辆后方的减速警示灯。

在另一种可选的实施方式中，所述第一灯光控制策略还包括提前开启所述目标车辆的转向灯，预防所述目标车辆突然转向导致的安全事故的发生。

在另一种可选的实施方式中，所述第一灯光控制策略还包括远近光切换，以警示所述目标车辆前方的动物。

步骤S303：根据所述运动速度确定所述动物是否会干扰到所述目标车辆的行驶。

在一种可选的实施方式中，以图5对本步骤进行说明，图5为本申请实施例提供的一种确定动物是否会干扰到所述目标车辆的行驶的示意图，具体如下：

首先，根据上述的动物识别算法，确定所述动物的运动朝向；根据所述运动速度和所述运动朝向，预测所述动物的第一行动轨迹；获取所述目标车辆的当前的速度信息和转向信息；根据所述速度信息和转向信息，预测所述目标车辆的第二行动轨迹；确定所述第一行动轨迹和所述第二行动轨迹是否有重合，以评估所述动物是否会干扰到所述目标车辆的行驶；

上述的图5中所述动物所在的虚线部分为所述动物的第一行动轨迹，所述目标车辆所在的虚线部分为所述目标车辆的第二行动轨迹，两个虚线部分重合的地方则为两者之间的重合的点位，也代表着所述第一行动轨迹和所述第二行动轨迹有重合，还代表着所述动物可能会干扰到所述目标车辆的行驶。

步骤S304：若是，则根据所述运动速度确定车速控制策略。

若有重合，则根据所述动物的运动速度确定所述动物到达上述的重合的点位的时间点；进一步的，降低所述目标车辆的车速，以增加所述目标车辆到达上述的重合的点位的时长，进而使所述目标车辆在所述时间点对所述动物进行避让。

基于上述过程，针对动物撞亡场景的路段生成了驾驶优化策略，提高了自动驾驶域控制器针对此类特殊场景的全面性和智能性。

步骤S207：向所述车身域控制器发送第一指示信息，以指示所述车身域控制器控制所述目标车辆执行所述第一灯光控制策略。

步骤S208：向所述座舱域控制器发送第二指示信息，以指示所述座舱域控制器根据车速控制策略控制所述目标车辆发出第一提示信息，提示所述目标车辆的驾驶员控制车速。

所述第一提示信息包括在所述目标车辆的车内显示器显示所述目标路段的动物影像，以及第一语音播报信息，所述第一语音播报信息用于提示所述目标车辆的驾驶员控制车速。

本申请实施例能够针对出现动物撞亡场景的目标路段进行提前预警，提高自动驾驶域控制器针对动物出没或动物撞亡场景的全面性和智能性，以及在目标路段出现动物出没时制定更具针对性的驾驶优化策略，进一步提高自动驾驶域控制器针对动物出没或动物撞亡场景的全面性和智能性，提高驾驶安全性，根据驾驶优化策略与车身域控制器和座舱域控制器进行交互，协作执行驾驶优化策略，预防因动物出没或动物撞亡导致的安全事故的发生，提高了自动驾驶域控制、车身域控制器和座舱域控制器面对特殊场景的针对性。

上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。

请参见图6，图6是本申请实施例提供一种自动驾驶域控制器实现行车数据优化的装置60的结构示意图，该自动驾驶域控制器实现行车数据优化的装置60可以为前面提及的自动驾驶域控制器或者自动驾驶域控制器中的器件，该自动驾驶域控制器实现行车数据优化的装置60可以包括第一获取单元601、第二获取单元602、第一确定单元603、开启单元604、第二确定单元605、第一制定单元606、第一发送单元607和第二发送单元608，其中，各个单元的详细描述如下。

第一获取单元601，用于获取目标车辆的导航线路；

第二获取单元602，用于获取历史上车辆在所述导航线路中多个位置节点的行驶数据，所述行驶数据包括速度信息、加速度信息、行驶影像数据；

第一确定单元603，用于根据所述行驶数据确定目标路段，其中，所述目标路段包括发生动物撞亡的路段；

开启单元604，用于所述目标车辆行驶在所述目标路段的情况下，开启所述目标车辆的动物识别算法，以识别所述目标车辆周围是否存在动物；

第二确定单元605，用于若存在，确定所述动物的体型大小和运动速度；

第一制定单元606，用于根据所述体型大小和所述运动速度，制定第一驾驶优化策略，其中所述第一驾驶优化策略至少包括第一灯光控制策略和车速控制策略；

第一发送单元607，用于向车身域控制器发送第一指示信息，以指示所述车身域控制器控制所述目标车辆执行所述第一灯光控制策略；

第二发送单元608，用于向座舱域控制器发送第二指示信息，以指示所述座舱域控制器根据车速控制策略控制所述目标车辆发出第一提示信息，提示所述目标车辆的驾驶员控制车速。

在一种可能的实施方式中，所述第一确定单元603用于：

确定加速度值超过第一预设阈值和所述加速度的变化值超过第二预设阈值的非路口路段；

确定与所述非路口路段对应的行驶影像数据中是否存在包含动物撞亡的影像数据；

若存在，则将所述非路口路段确定为目标路段。

在一种可能的实施方式中，所述第一确定单元603还用于：

若存在，将与所述动物撞亡事件对应的实时撞亡时间和路段上报导航服务器，以使所述导航服务器向道路清洁部门发送动物撞亡事件。

在一种可能的实施方式中，所述第一制定单元606用于：

根据所述体型大小和所述运动速度，评估所述目标车辆的驾驶员在当前位置是否能够观测到所述动物；

根据评估结果确定第一灯光控制策略；

根据所述运动速度确定所述动物是否会干扰到所述目标车辆的行驶；

若是，则根据所述运动速度确定车速控制策略。

在一种可能的实施方式中，在所述根据评估结果确定第一灯光控制策略方面，所述第一制定单元606具体用于：

若评估结果为所述目标车辆的驾驶员在当前位置能够观测到所述动物，则制定包括开启所述目标车辆的远光灯的第一灯光控制策略；

若评估结果为所述目标车辆的驾驶员在当前位置不能够观测到所述动物，则制定包括开启所述目标车辆配置的大范围照明灯的第一灯光控制策略。

在一种可能的实施方式中，在所述根据所述运动速度评估所述动物是否会干扰到所述目标车辆的行驶方面，所述第一制定单元606具体用于：

根据动物识别算法，确定所述动物的运动朝向；

根据所述运动速度和所述运动朝向，预测所述动物的第一行动轨迹；

获取所述目标车辆的当前的速度信息和转向信息；

根据所述速度信息和转向信息，预测所述目标车辆的第二行动轨迹；

确定所述第一行动轨迹和所述第二行动轨迹是否有重合，以评估所述动物是否会干扰到所述目标车辆的行驶。

在一种可能的实施方式中，所述自动驾驶域控制器实现行车数据优化的装置60还包括：

第一预估单元，用于预估所述目标车辆到达所述目标路段的时间点；

第三确定单元，用于根据所述时间点和所述行驶数据，确定在所述时间点的所述目标路段的路灯状态；

第二预估单元，用于根据所述时间点预估所述目标路段的拥堵状态；

第四确定单元，用于根据所述行驶数据确定动物撞亡事件发生的第一车道；

第二制定单元，用于根据所述路灯状态、所述拥堵状态和所述第一车道制定所述第二驾驶优化策略，所述第二驾驶优化策略至少包括车道选择策略，所述车道选择策略用于避开所述第一车道；

第三发送单元，用于向所述座舱域控制器发送第三指示信息，以指示所述座舱域控制器控制所述目标车辆发出第二提示信息，提示将所述目标车辆行驶至与所述车道选择策略对应的车道。

请参见图7，图7是本申请实施例提供的一种车辆70的结构示意图，所述车辆70包括域控制系统，所述域控制系统包括自动驾驶域控制器701、车身域控制器702、座舱域控制器703和存储器704，所述自动驾驶域控制器701、所述车身域控制器702和所述座舱域控制器703通信连接。

其中，存储器704（Memory）是所述车辆70中的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器704既可以包括所述车辆70的内置存储器，当然也可以包括所述车辆70所支持的扩展存储器。存储器704提供存储空间，该存储空间存储了所述车辆70的操作系统，该存储空间还存储了处理器执行相应操作所需的程序代码或指令，可选的，该存储空间还可以存储该处理器执行该相应操作后产生的相关数据。

需要说明的是，所述车辆70中的自动驾驶域控制器701的各个操作的实现还可以对应参照图2和图3中的方法实施例的相应描述。

本申请实施例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存储有计算机程序，所述计算机程序包括程序指令，所述计算机程序当被处理器执行时使所述处理器实现所述实施例中自动驾驶域控制器所执行的操作。

本申请实施例还提供一种计算机程序产品，当所述计算机程序产品在处理器上运行时，实现所述实施例中自动驾驶域控制器所执行的操作。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过程序来指令相关的硬件来完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可存储程序代码的介质。

Claims (10)

1.一种自动驾驶域控制器实现行车数据优化的方法，其特征在于，所述方法应用于目标车辆的域控制系统中的自动驾驶域控制器，所述域控制系统包括所述自动驾驶域控制器、车身域控制器和座舱域控制器，所述方法包括：

获取所述目标车辆的导航线路；

获取历史上车辆在所述导航线路中多个位置节点的行驶数据，所述行驶数据包括速度信息、加速度信息、行驶影像数据；

根据所述行驶数据确定目标路段，其中，所述目标路段包括发生动物撞亡的路段；

所述目标车辆行驶在所述目标路段的情况下，开启所述目标车辆的动物识别算法，以识别所述目标车辆周围是否存在动物；

若存在，确定所述动物的体型大小和运动速度；

根据所述体型大小和所述运动速度，制定第一驾驶优化策略，其中所述第一驾驶优化策略至少包括第一灯光控制策略和车速控制策略；

向所述车身域控制器发送第一指示信息，以指示所述车身域控制器控制所述目标车辆执行所述第一灯光控制策略；

向所述座舱域控制器发送第二指示信息，以指示所述座舱域控制器根据车速控制策略控制所述目标车辆发出第一提示信息，提示所述目标车辆的驾驶员控制车速。

2.根据权利要求1所述的方法，其特征在于，所述根据所述行驶数据确定目标路段，包括：

确定加速度值超过第一预设阈值和所述加速度的变化值超过第二预设阈值的非路口路段；

确定与所述非路口路段对应的行驶影像数据中是否存在包含动物撞亡的影像数据；

若存在，则将所述非路口路段确定为目标路段。

3.根据权利要求2所述的方法，其特征在于，在所述确定与所述非路口路段对应的行驶影像数据中是否存在包含动物撞亡的影像数据之后，所述方法还包括：

若存在，将与所述动物撞亡事件对应的实时撞亡时间和路段上报导航服务器，以使所述导航服务器向道路清洁部门发送动物撞亡事件。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述体型大小和所述运动速度，制定第一驾驶优化策略，包括：

根据所述体型大小和所述运动速度，评估所述目标车辆的驾驶员在当前位置是否能够观测到所述动物；

根据评估结果确定第一灯光控制策略；

根据所述运动速度确定所述动物是否会干扰到所述目标车辆的行驶；

若是，则根据所述运动速度确定车速控制策略。

5.根据权利要求4所述的方法，其特征在于，所述根据评估结果确定第一灯光控制策略，包括：

若评估结果为所述目标车辆的驾驶员在当前位置能够观测到所述动物，则制定包括开启所述目标车辆的远光灯的第一灯光控制策略；

若评估结果为所述目标车辆的驾驶员在当前位置不能够观测到所述动物，则制定包括开启所述目标车辆配置的大范围照明灯的第一灯光控制策略。

6.根据权利要求4所述的方法，其特征在于，所述根据所述运动速度评估所述动物是否会干扰到所述目标车辆的行驶，包括：

根据动物识别算法，确定所述动物的运动朝向；

根据所述运动速度和所述运动朝向，预测所述动物的第一行动轨迹；

获取所述目标车辆的当前的速度信息和转向信息；

根据所述速度信息和转向信息，预测所述目标车辆的第二行动轨迹；

确定所述第一行动轨迹和所述第二行动轨迹是否有重合，以评估所述动物是否会干扰到所述目标车辆的行驶。

7.根据权利要求1所述的方法，其特征在于，在所述根据所述行驶数据确定目标路段之后，包括：

预估所述目标车辆到达所述目标路段的时间点；

根据所述时间点和所述行驶数据，确定在所述时间点的所述目标路段的路灯状态；

根据所述时间点预估所述目标路段的拥堵状态；

根据所述行驶数据确定动物撞亡事件发生的第一车道；

根据所述路灯状态、所述拥堵状态和所述第一车道制定所述第二驾驶优化策略，所述第二驾驶优化策略至少包括车道选择策略，所述车道选择策略用于避开所述第一车道；

向所述座舱域控制器发送第三指示信息，以指示所述座舱域控制器控制所述目标车辆发出第二提示信息，提示将所述目标车辆行驶至与所述车道选择策略对应的车道。

8.一种自动驾驶域控制器实现行车数据优化的装置，其特征在于，所述装置包括：

第一获取单元，用于获取目标车辆的导航线路；

第二获取单元，用于获取历史上车辆在所述导航线路中多个位置节点的行驶数据，所述行驶数据包括速度信息、加速度信息、行驶影像数据；

第一确定单元，用于根据所述行驶数据确定目标路段，其中，所述目标路段包括发生动物撞亡的路段；

开启单元，用于所述目标车辆行驶在所述目标路段的情况下，开启所述目标车辆的动物识别算法，以识别所述目标车辆周围是否存在动物；

第二确定单元，用于若存在，确定所述动物的体型大小和运动速度；

第一制定单元，用于根据所述体型大小和所述运动速度，制定第一驾驶优化策略，其中所述第一驾驶优化策略至少包括第一灯光控制策略和车速控制策略；

第一发送单元，用于向车身域控制器发送第一指示信息，以指示所述车身域控制器控制所述目标车辆执行所述第一灯光控制策略；

第二发送单元，用于向座舱域控制器发送第二指示信息，以指示所述座舱域控制器根据车速控制策略控制所述目标车辆发出第一提示信息，提示所述目标车辆的驾驶员控制车速。

9.一种车辆，其特征在于，所述车辆包括域控制系统，所述域控制系统包括自动驾驶域控制器、车身域控制器、座舱域控制器和存储器，所述自动驾驶域控制器、所述车身域控制器和所述座舱域控制器通信连接，所述自动驾驶域控制器用于调用至少一个存储器中存储的计算机程序，以实现如权利要求1-7任一项所述的方法。

10.一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中存储有计算机程序，当所述计算机程序在处理器上运行时，实现如权利要求1-7任一项所述的方法。

Images