CN116125897A - 自动驾驶决策方法、装置、电子设备及存储介质 - Google Patents
自动驾驶决策方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116125897A CN116125897A CN202310187414.9A CN202310187414A CN116125897A CN 116125897 A CN116125897 A CN 116125897A CN 202310187414 A CN202310187414 A CN 202310187414A CN 116125897 A CN116125897 A CN 116125897A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- vehicle
- transverse
- longitudinal
- distance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011217 control strategy Methods 0.000 claims abstract description 24
- 230000006835 compression Effects 0.000 claims description 28
- 238000007906 compression Methods 0.000 claims description 28
- 230000000149 penetrating effect Effects 0.000 claims description 25
- 238000012805 post-processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- 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
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请提供一种自动驾驶决策方法、装置、电子设备及存储介质，涉及自动驾驶技术领域。方法包括：通过本车上的传感组件获取障碍物的横纵位置记录；根据横纵位置记录，通过预设的漂动模式判断策略，判断障碍物在传感组件的感知范围内的漂动情况，以得到表征漂动情况的判断结果；根据判断结果，执行对应的控制策略，以控制本车根据控制策略行驶。如此，可以改善自动驾驶传感融合算法中传感器的输出结果容易受到环境、障碍物遮挡等噪声干扰，导致车载传感器的检测目标与本车的横向位置发生波动，进而影响辅助驾驶稳定性的问题。
Description
技术领域
本发明涉及自动驾驶技术领域，具体而言，涉及一种自动驾驶决策方法、装置、电子设备及存储介质。
背景技术
当下，自动驾驶感知外界环境的方案通常有三种，按照硬件成本高低顺序分别为激光雷达+摄像头+超声波雷达、超声波雷达+摄像头、纯摄像头。就超声波雷达+摄像头的环境感知方案而言，超声波雷达在位置检测方面略强于摄像头，而摄像头结合视觉算法强在能感知出目标的类别及粗略位置关系，因此超声波雷达+摄像头的方案一般都涉及到对两种传感器的输出结果进行数据融合。然而，当车辆行驶在复杂场景下，如车身两侧存在多个锥形桶，并且在锥形桶附近存在大的物体背景或遮挡，传感融合算法中雷达的输出结果就较易受到噪声干扰，导致锥形桶目标与本车的横向位置发生波动。当锥形桶在近距离飘入与本车存在碰撞风险的区域时，将严重影响辅助驾驶的稳定性。
发明内容
有鉴于此，本申请实施例的目的在于提供一种自动驾驶决策方法、装置、电子设备及存储介质，能够改善自动驾驶传感融合算法中传感器的输出结果容易受到环境、障碍物遮挡等噪声干扰，导致车载传感器的检测目标与本车的横向位置发生波动，进而影响辅助驾驶稳定性的问题。
为实现上述技术目的，本申请采用的技术方案如下：
第一方面，本申请实施例提供了一种自动驾驶决策方法，所述方法包括：
通过本车上的传感组件获取障碍物的横纵位置记录；
根据所述横纵位置记录，通过预设的漂动模式判断策略，判断所述障碍物在所述传感组件的感知范围内的漂动情况，以得到表征所述漂动情况的判断结果；
根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶。
结合第一方面，在一些可选的实施方式中，通过本车上的传感组件获取障碍物的横纵位置记录，包括：
通过预先构建的即刻横纵位置简单编码器对所述传感组件采集到的数据进行第一后处理，通过预先构建的历史横纵位置简单编码器对所述传感组件采集到的数据进行第二后处理，以得到所述横纵位置记录。
结合第一方面，在一些可选的实施方式中，所述第一后处理包括：
当所述障碍物与本车的纵向距离小于所述传感组件能首次识别出所述障碍物的横纵位置、所述障碍物与本车的纵向距离处于距离本车的第一预设距离阈值内、且所述障碍物到本车的控车轨迹的最短距离小于第二预设距离阈值时，所述历史横纵位置简单编码器对应位置的数值M＝M+1，M为大于等于0的整数。
结合第一方面，在一些可选的实施方式中，所述第二后处理包括：
当所述障碍物到所述控车轨迹的最短距离小于第二预设距离阈值时，所述即刻横纵位置简单编码器对应位置的数值N置为指定值；
判断是否存在到所述控车轨迹的最短距离小于预设压迫限的所述障碍物；
若存在，设定延续判断周期K＝1；
判断处于所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量是否超过第一数量阈值；
若超过，判断是否仍存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物；
当所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量超过所述第一数量阈值，且仍存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物时，所述延续判断周期K＝K+1；
当所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量超过所述第一数量阈值，且不存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物时，所述即刻横纵位置简单编码器对应位置的数值N＝1+S，其中，S表征同一个区域内所述障碍物的数量。
结合第一方面，在一些可选的实施方式中，所述漂动模式判断策略包括：
判断即刻横纵位置简单编码器在纵向距离本车第三预设距离阈值的区域中，是否存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物；
若存在，进一步判断所述历史横纵位置简单编码器所覆盖区域中所述障碍物的数量以及所述即刻横纵位置简单编码器中的所述延续判断周期K；
当所述数量大于预设的第二数量阈值，且所述延续判断周期K大于等于预设周期阈值时，搜索所述历史横纵位置简单编码器，以得到表征所述障碍物的漂动情况的第一状态，并将所述第一状态作为所述判断结果；
当所述数量小于等于预设的第二数量阈值时，直接搜索所述历史横纵位置简单编码器，以得到表征所述障碍物的漂动情况的第二状态，并将所述第二状态作为所述判断结果。
结合第一方面，在一些可选的实施方式中，根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶，包括：
当所述第一状态为所述障碍物在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物与所述控车轨迹的最短距离逐渐缩小时，控制本车对所述障碍物不进行制动；
当所述第一状态为所述障碍物在所述传感组件的识别区域中，且从所述障碍物出现就一直稳定的侵入本车道时，控制本车对所述障碍物进行制动；
当所述第一状态为所述障碍物在第四预设距离阈值以外所述传感组件的识别区域中，且所述障碍物侵入本车道的横向距离的数值处于波动状态时，选取数值波动范围的中心值作为制动条件，并控制本车根据所述制动条件进行制动。
结合第一方面，在一些可选的实施方式中，根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶，包括：
当所述第二状态为所述障碍物当前在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物侵入本车道的横向距离的数值逐渐增大时，计算所述障碍物在与本车纵向距离大于第四预设距离阈值区域中侵入本车道横向距离的均值、所述障碍物在与本车纵向距离小于第四预设距离阈值区域中侵入本车道横向距离的均值，并将两个所述均值的中心值作为所述制动条件，控制本车根据所述制动条件进行制动；
当所述第二状态为所述障碍物当前在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物侵入本车道的横向距离，在所述障碍物与本车纵向距离第四预设距离阈值以外所述传感组件能识别的区域中逐渐增大时，以所述障碍物进入与本车纵向距离第四预设距离阈值以内的区域后，所述障碍物的当前横向位置作为制动条件，并控制本车根据所述制动条件进行制动。
第二方面，本申请实施例还提供一种自动驾驶决策装置，所述装置包括：
获取单元，用于通过本车上的传感组件获取障碍物的横纵位置记录；
判断单元，用于根据所述横纵位置记录，通过预设的漂动模式判断策略，判断所述障碍物在所述传感组件的感知范围内的漂动情况，以得到表征所述漂动情况的判断结果；
执行单元，用于根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶。
第三方面，本申请实施例还提供一种电子设备，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行上述的方法。
第四方面，本申请实施例还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有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
采用上述技术方案的发明，具有如下优点：
在本申请提供的技术方案中，当车辆在自动驾驶过程中，前方出现如行人、车辆、锥形桶等障碍物，通过传感组件获取障碍物的横纵位置记录。随后根据横纵位置记录判断障碍物被传感组件感知后的漂动情况，以得到表征漂动情况的判断结果。进而基于判断结果进行决策，以控制车辆根据对应的控制策略行驶。如此，可以改善自动驾驶传感融合算法中传感器的输出结果容易受到环境、障碍物遮挡等噪声干扰，导致车载传感器的检测目标与本车的横向位置发生波动，进而影响辅助驾驶稳定性的问题。
附图说明
本申请可以通过附图给出的非限定性实施例进一步说明。应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的电子设备的框图。
图2为本申请实施例提供的自动驾驶决策方法的流程示意图。
图3为本申请实施例提供的自动驾驶决策装置的框图。
图标：100-电子设备；101-处理器；102-存储器；200-自动驾驶决策装置；210-获取单元；220-判断单元；230-执行单元。
具体实施方式
以下将结合附图和具体实施例对本申请进行详细说明，需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，本申请实施例提供一种电子设备100，可以包括处理器101及存储器102。存储器102内存储计算机程序，当计算机程序被所述处理器101执行时，使得电子设备100能够执行下述自动驾驶决策方法中的相应步骤。
其中，电子设备100可以是但不限于是个人电脑、服务器等设备。
请参照图2，本申请还提供一种自动驾驶决策方法，可以应用于上述的电子设备100中。
其中，自动驾驶决策方法可以包括如下步骤：
步骤110，通过本车上的传感组件获取障碍物的横纵位置记录；
步骤120，根据所述横纵位置记录，通过预设的漂动模式判断策略，判断所述障碍物在所述传感组件的感知范围内的漂动情况，以得到表征所述漂动情况的判断结果；
步骤130，根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶。
在上述的实施方式中，当车辆在自动驾驶过程中，前方出现如行人、车辆、锥形桶等障碍物，通过传感组件获取障碍物的横纵位置记录。随后根据横纵位置记录判断障碍物被传感组件感知后的漂动情况，以得到表征漂动情况的判断结果。进而基于判断结果进行决策，以控制车辆根据对应的控制策略行驶。如此，可以改善自动驾驶传感融合算法中传感器的输出结果容易受到环境、障碍物遮挡等噪声干扰，导致车载传感器的检测目标与本车的横向位置发生波动，进而影响辅助驾驶稳定性的问题。
下面将对自动驾驶决策方法的各步骤进行详细阐述，如下：
在步骤110中，传感组件可以是摄像头、超声波雷达等。障碍物可以是行人、车辆、锥形桶等任意对自动驾驶中的车辆造成干扰的对象。
在本实施例中，传感组件以摄像头和超声波雷达为例，障碍物以锥形桶为例。通过摄像头和超声波雷达分别获取锥形桶的位置信息，进而对摄像头和超声波雷达的位置信息进行数据融合，得到锥形桶的横纵位置记录。
在步骤120中，漂动是指当传感组件为摄像头和超声波雷达时，车辆行驶在复杂场景下，如车身两侧存在多个锥形桶，并且在锥形桶附近存在大的物体背景或遮挡。传感融合算法中超声波雷达的输出结果就较易受到噪声干扰，导致锥形桶目标与本车的横向位置发生波动。
在本实施例中，在获取横纵位置记录后，基于横纵位置记录判断障碍物在摄像头和超声波传感器感知范围内锥形桶的位置分布，根据锥形桶的位置分布情况得到对应的表征锥形桶位置数据漂动情况的判断结果。
在步骤130中，得到判断结果后，根据判断结果的不同，执行对应的控制策略，以控制本车根据控制策略行驶。例如，当锥形桶在摄像头和超声波雷达的感知范围内，且锥形桶的横向位置随时间变化始终稳定的侵入本车道时，确定判断结果为锥形桶位置存在漂动，对应的控制策略为车辆无需对锥形桶进行制动。
作为一种可选的实施方式，步骤110可以包括：
通过预先构建的即刻横纵位置简单编码器对所述传感组件采集到的数据进行第一后处理，通过预先构建的历史横纵位置简单编码器对所述传感组件采集到的数据进行第二后处理，以得到所述横纵位置记录。
在本实施例中，即刻横纵位置简单编码器和历史横纵位置简单编码器的构建方式为，以车辆中点为坐标系原点，将车辆中心到传感组件能稳定识别出锥形桶目标的行驶区域，按照每10m一个区域划定纵向子编码器来进行划分；将车辆中心到本车两侧2.5m的区域，按照每0.1m一个区域划定横向子编码器来进行划分。纵横子编码器划分完成后，使用2个二维数组按照纵横子编码器的构建方式分别生成即刻横纵位置简单编码器和历史横纵位置简单编码器，生成后将内部所有元素初始化为0。
作为一种可选的实施方式，第一后处理可以包括：
当所述障碍物与本车的纵向距离小于所述传感组件能首次识别出所述障碍物的横纵位置、所述障碍物与本车的纵向距离处于距离本车的第一预设距离阈值内、且所述障碍物到本车的控车轨迹的最短距离小于第二预设距离阈值时，所述历史横纵位置简单编码器对应位置的数值M＝M+1，M为大于等于0的整数。
在本实施例中，控车轨迹可以理解为本车在行驶前，预设的行车路径，本车在自动驾驶过程中沿该行车路经行驶。第一预设距离阈值和第二预设距离阈值可以根据实际需求灵活设置，例如3倍时距、5倍时距、6m等。其中，时距是指以车辆的当前车速，在预设时长后所能行驶的距离。例如3倍时距，是指车辆在当前车速下，3秒后能行驶的距离。
示例性的，障碍物以锥形桶为例、传感组件以超声波雷达和摄像头为例、第一预设距离阈值以6倍时距为例、第二预设距离阈值以3m为例，当锥形桶与本车的纵向距离小于超声波雷达和摄像头能首次识别出锥形桶的横纵位置、锥形桶与本车的纵向距离处于距离本车的6倍时距内、且锥形桶到本车的控车轨迹的最短距离小于3m时，历史横纵位置简单编码器对应位置的数值M＝M+1，即锥形桶满足以上3个条件时，历史横纵位置简单编码器执行一次位置记录工作。
作为一种可选的实施方式，第二后处理可以包括：
当所述障碍物到所述控车轨迹的最短距离小于第二预设距离阈值时，所述即刻横纵位置简单编码器对应位置的数值N置为指定值；
判断是否存在到所述控车轨迹的最短距离小于预设压迫限的所述障碍物；
若存在，设定延续判断周期K＝1；
判断处于所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量是否超过第一数量阈值；
若超过，判断是否仍存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物；
当所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量超过所述第一数量阈值，且仍存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物时，所述延续判断周期K＝K+1；
当所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量超过所述第一数量阈值，且不存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物时，所述即刻横纵位置简单编码器对应位置的数值N＝1+S，其中，S表征同一个区域内所述障碍物的数量。
在本实施例中，数值N的指定值可以根据实际情况灵活设置，比如0、1、2等，本实施例以1为例。
在本实施例中，第一数量阈值及其量词可以根据实际情况灵活设置，比如4名、5个、6辆等，本实施例以5个为例。
在本实施例中，预设压迫限可以理解为一种临界值，当障碍物与控车轨迹的最短距离小于这个临界值时，表征该障碍物会对车辆的自动驾驶造成干扰；当障碍物与控车轨迹的最短距离大于这个临界值时，则表征该障碍物不会对车辆的自动驾驶造成干扰。本实施例以2m为例。
示例性的，障碍物以锥形桶为例、第二预设距离阈值以3m为例，当锥形桶到控车轨迹的最短距离小于3m时，即刻横纵位置简单编码器对应位置的数值N置为1。随后判断是否存在到控车轨迹的最短距离小于2m的锥形桶。若存在，设定延续判断周期K＝1；若不存在，则直接统计即刻横纵位置简单编码器中锥形桶的位置分布。
为每一次连续执行命令设定一个单位时刻，将本示例的上述步骤设定为第一时刻，将本实施例的下述步骤设定为第二时刻。
第二时刻时，判断处于历史横纵位置简单编码器所覆盖区域中的锥形桶的数量是否超过5个，若超过，判断是否仍存在到控车轨迹的最短距离小于2m的锥形桶；若不超过，则重复执行第一时刻中的命令。
当历史横纵位置简单编码器所覆盖区域中的锥形桶的数量超过5个，且仍存在到控车轨迹的最短距离小于2m的锥形桶时，延续判断周期K＝K+1；当历史横纵位置简单编码器所覆盖区域中的锥形桶的数量超过5个，且不存在到控车轨迹的最短距离小于2m的锥形桶时，即刻横纵位置简单编码器对应位置的数值N＝1+S。
作为一种可选的实施方式，漂动模式判断策略可以包括：
判断即刻横纵位置简单编码器在纵向距离本车第三预设距离阈值的区域中，是否存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物；
若存在，进一步判断所述历史横纵位置简单编码器所覆盖区域中所述障碍物的数量以及所述即刻横纵位置简单编码器中的所述延续判断周期K；
当所述数量大于预设的第二数量阈值，且所述延续判断周期K大于等于预设周期阈值时，搜索所述历史横纵位置简单编码器，以得到表征所述障碍物的漂动情况的第一状态，并将所述第一状态作为所述判断结果；
当所述数量小于等于预设的第二数量阈值时，直接搜索所述历史横纵位置简单编码器，以得到表征所述障碍物的漂动情况的第二状态，并将所述第二状态作为所述判断结果。
示例性的，障碍物为锥形桶、第三预设距离阈值为3倍时距、预设压迫限为2m、第二数量阈值为5个、预设周期阈值为15。判断即刻横纵位置简单编码器在纵向距离本车3倍时距的区域中，是否存在到控车轨迹的最短距离小于2m的锥形桶。若存在，进一步判断历史横纵位置简单编码器所覆盖区域中所述障碍物的数量以及即刻横纵位置简单编码器中的延续判断周期K；若不存在，车辆继续按照无压迫锥形桶的逻辑进行行驶。
当锥形桶的数量大于5个，且延续判断周期K大于等于15时(例如K＝15)，从左下角开始搜索历史横纵位置简单编码器，根据历史纵横位置简单编码器中锥形桶的位置分布，得到表征锥形桶的漂动情况的第一状态，并将第一状态作为判断结果；
当锥形桶的数量小于等于5个时，直接从左下角开始搜索历史横纵位置简单编码器，根据历史纵横位置简单编码器中锥形桶的位置分布，得到表征锥形桶的漂动情况的第二状态，并将第二状态作为判断结果。
作为一种可选的实施方式，步骤130可以包括：
当所述第一状态为所述障碍物在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物与所述控车轨迹的最短距离逐渐缩小时，控制本车对所述障碍物不进行制动；
当所述第一状态为所述障碍物在所述传感组件的识别区域中，且从所述障碍物出现就一直稳定的侵入本车道时，控制本车对所述障碍物进行制动；
当所述第一状态为所述障碍物在第四预设距离阈值以外所述传感组件的识别区域中，且所述障碍物侵入本车道的横向距离的数值处于波动状态时，选取数值波动范围的中心值作为制动条件，并控制本车根据所述制动条件进行制动。
可理解的，第四预设距离阈值以60m为例、障碍物以锥形桶为例，当锥形桶在与本车纵向距离小于60m的区域中，且锥形桶与控车轨迹的最短距离逐渐缩小时，控制本车对锥形桶不进行制动。例如，车辆的控车轨迹为直线行驶时，道路上放置的锥形桶通常并不会在车道上移动，即锥形桶与控车轨迹的最短距离应当始终不变。当锥形桶在车辆行驶过程中与控车轨迹的最短距离逐渐缩小，可以认定传感组件对锥形桶位置识别的数据存在漂动，车辆无需对锥形桶进行制动。
当锥形桶在传感组件的识别区域中，且从锥形桶出现就一直稳定的侵入本车道时，控制本车对锥形桶进行制动。例如当本车的控车轨迹为直线行驶时，在本车控车轨迹的前方出现一个从右侧横向侵入本车道3m的锥形桶，即该锥形桶会对本车的行驶路线造成压迫或阻挡。并且，该锥形桶自出现在传感组件的感知范围后，对本车道的右侧横向侵入距离始终保持3m。认定该锥形桶会对自动驾驶过程中，本车的控车轨迹造成实质性干扰，且并未出现传感数据漂动，控制本车根据锥形桶与本车的当前纵向距离进行制动。当锥形桶与本车的当前纵向大于45m时，控制本车减速行驶并缓慢制动；当锥形桶与本车的当前纵向距离大于25m且小于等于45m时，控制本车缓慢制动；当锥形桶与本车的当前纵向距离小于25m时，控制本车紧急制动。
当锥形桶在60m以外传感组件的识别区域中，且锥形桶侵入本车道的横向距离的数值处于波动状态时，选取数值波动范围的中心值作为制动条件，并控制本车根据制动条件进行制动。例如锥形桶在60m以外传感组件的识别区域中，对本车道的横向侵入距离在1m到4.6m之间波动，则选取波动范围的中心值2.8m作为锥形桶对本车道的横向侵入距离。随后判断锥形桶侵入本车道2.8m时，是否会对本车的行驶造成干扰或阻挡。若会，则控制车辆进行制动；若不会，则控制车辆继续按照无障碍物的控车轨迹进行行驶。
作为一种可选的实施方式，步骤130可以包括：
当所述第二状态为所述障碍物当前在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物侵入本车道的横向距离的数值逐渐增大时，计算所述障碍物在与本车纵向距离大于第四预设距离阈值区域中侵入本车道横向距离的均值、所述障碍物在与本车纵向距离小于第四预设距离阈值区域中侵入本车道横向距离的均值，并将两个所述均值的中心值作为所述制动条件，控制本车根据所述制动条件进行制动；
当所述第二状态为所述障碍物当前在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物侵入本车道的横向距离，在所述障碍物与本车纵向距离第四预设距离阈值以外所述传感组件能识别的区域中逐渐增大时，以所述障碍物进入与本车纵向距离第四预设距离阈值以内的区域后，所述障碍物的当前横向位置作为制动条件，并控制本车根据所述制动条件进行制动。
可理解的，第四预设距离阈值以60m为例、障碍物以锥形桶为例，当锥形桶当前在与本车纵向距离小于60m的区域中，且锥形桶侵入本车道的横向距离的数值逐渐增大时，计算锥形桶在与本车纵向距离大于60m区域中侵入本车道横向距离的均值、锥形桶在与本车纵向距离小于60m区域中侵入本车道横向距离的均值，并将两个所述均值的中心值作为制动条件，控制本车根据制动条件进行制动。例如，锥形桶在与本车纵向距离大于60m的区域中侵入本车道的距离从0.8m逐渐增大至1.8m，锥形桶在与本车纵向距离小于60m的区域中侵入本车道的距离从1.8m逐渐增大至4.8m。计算两个侵入距离范围的均值，锥形桶在与本车纵向距离大于60m的区域中侵入本车道的距离均值为1.3m，锥形桶在与本车纵向距离小于60m的区域中侵入本车道的距离均值为3.3m，并取两个均值的中心值2.3m作为制动条件。根据该制动条件控制本车进行制动。当锥形桶与本车的纵向距离逐渐缩小，且锥形桶侵入本车道的横向距离逐渐增大时，以横向位置作为制动条件的计算依据。
当锥形桶当前在与本车纵向距离小于60m的区域中，且锥形桶侵入本车道的横向距离在锥形桶与本车纵向距离60m以外传感组件能识别的区域中逐渐增大时，以锥形桶进入与本车纵向距离60m以内的区域后，锥形桶的当前横向位置作为制动条件，并控制本车根据制动条件进行制动。简单来说，锥形桶与本车纵向距离60m以外传感组件能识别的区域中就已经开始逐渐侵入本车道时，锥形桶逐渐靠近并进入与本车纵向距离60m后，本车根据锥形桶每一时刻的当前位置进行减速制动。
下面对车载传感组件的识别目标出现位置数据漂动情况下，漂动障碍物的后处理及决策方式进行阐述，如下：
传感组件以超声波雷达及摄像头为例，障碍物以锥形桶为例。
首先以车辆中点为坐标系原点，将车辆中心到传感组件能稳定识别出锥形桶目标的行驶区域，按照每10m一个区域划定纵向子编码器来进行划分；将车辆中心到本车两侧2.5m的区域，按照每0.1m一个区域划定横向子编码器来进行划分。
使用2个二维数组按照上述子编码器的区域划分方式，分别生成即刻横纵位置简单编码器和历史横纵位置简单编码器，生成后将内部所有元素初始化为0。
其中，历史横纵位置简单编码器的横纵位置记录逻辑为：锥形桶纵向距离本车中心小于传感组件能稳定识别出锥形桶的横纵位置，且处于距离本车6倍时距内时，根据锥形桶到控车轨迹的距离，历史横纵位置简单编码器对应位置的数值M＝M+1；
在下一时刻，该锥形桶依然存在时，按照上述的历史横纵位置简单编码器的横纵位置记录逻辑，继续在历史横纵位置简单编码器对应位置区域，令数值M＝M+1。
即刻横纵位置简单编码器的横纵位置记录逻辑为：根据锥形桶到控车轨迹上的距离，将即刻横纵位置简单编码器对应位置的元素置位为1，同时判断是否存在到本车控车轨迹距离小于压迫限的锥形桶。如果存在，设置延续判断周期K，并令K＝1；如果不存在，直接统计即刻横纵位置简单编码器中锥形桶的位置分布。
在下一时刻，按照上述即刻横纵位置简单编码器的横纵位置记录逻辑，判断处于历史横纵位置简单编码器所覆盖区域中的锥形桶数量是否超过5个，如果超过5个并且仍存在到本车控车轨迹距离小于压迫限的锥形桶，令K＝K+1；若S个锥形桶落入同一个区域，该区域数值N＝1+S；如果不存在到本车控车轨迹距离小于压迫限的锥形桶，重置K＝0。
判断当前时刻处于历史横纵位置简单编码器所覆盖区域中的锥形桶数量。
当处于历史横纵位置简单编码器所覆盖区域中的锥形桶数量大于5个、纵向距离本车3倍时距的区域中存在到控车轨迹的最短距离小于压迫限的锥形桶、且延续判断周期K>＝15时，从历史横纵位置简单编码器的左下角开始搜索，判断该锥形桶的历史横纵位置简单编码器中锥形桶位置的模式。
如果该锥形桶在纵向距离小于本车60m的区域中，距离本车控车轨迹的距离逐渐缩小，说明该锥形桶确实出现传感数据漂动，对该锥形桶不进行制动；如果该锥形桶在本车中心到传感组件可稳定识别锥形桶的区域中，从出现就一直稳定的侵入本车道，则按照正常的减速逻辑进行制动；如果该锥形桶在60m之外传感组件能稳定识别锥形桶的纵向区域中，且该锥形桶横向位置侵入本车道的数值处于某区间中波动，选取波动区间的中心作为该锥形桶侵入本车道的最终距离，来进行制动。
当处于历史横纵位置简单编码器所覆盖区域中的锥形桶数量不大于5个，锥形桶在传感组件能稳定识别的60m范围内、且侵入本车道的锥形桶与本车距离小于3倍时距时，从历史横纵位置简单编码器的左下角开始搜索，判断该锥形桶的历史横纵位置简单编码器中锥形桶位置的模式。
如果锥形桶的横向位置逐渐侵入本车道，以该锥形桶出现时横向位置的均值到60m区域中横向位置均值的中心点进行减速，当该锥形桶的纵向距离逐渐接近时，后处理的横向位置也逐渐侵入，以该横向位置来进行制动；当锥形桶侵入本车道的横向距离在60之外传感组件能稳定识别锥形桶的纵向区域中逐渐增大，以锥形桶距离本车60m后，每一时刻最新的锥形桶横向位置来进行减速；其余情况与处于历史横纵位置简单编码器所覆盖区域中的锥形桶数量大于5个、纵向距离本车3倍时距的区域中存在到控车轨迹的最短距离小于压迫限的锥形桶、且延续判断周期K>＝15时，锥形桶的横向位置模式判断方式相同。
请参照图3，本申请还提供一种自动驾驶决策装置200，自动驾驶决策装置200包括至少一个可以软件或固件(Firmware)的形式存储于存储器102中或固化在电子设备100的操作系统(Operating System，OS)中的软件功能模块。处理器101用于执行存储器102中存储的可执行模块，例如自动驾驶决策装置200所包括的软件功能模块及计算机程序等。
自动驾驶决策装置200包括获取单元210、判断单元220和执行单元230，各单元具有的功能可以如下：
获取单元210，用于通过本车上的传感组件获取障碍物的横纵位置记录；
判断单元220，用于根据所述横纵位置记录，通过预设的漂动模式判断策略，判断所述障碍物在所述传感组件的感知范围内的漂动情况，以得到表征所述漂动情况的判断结果；
执行单元230，用于根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶。
可选地，获取单元210还用于：
通过预先构建的即刻横纵位置简单编码器对所述传感组件采集到的数据进行第一后处理，通过预先构建的历史横纵位置简单编码器对所述传感组件采集到的数据进行第二后处理，以得到所述横纵位置记录。
可选地，第一后处理可以包括：
当所述障碍物与本车的纵向距离小于所述传感组件能首次识别出所述障碍物的横纵位置、所述障碍物与本车的纵向距离处于距离本车的第一预设距离阈值内、且所述障碍物到本车的控车轨迹的最短距离小于第二预设距离阈值时，所述历史横纵位置简单编码器对应位置的数值M＝M+1，M为大于等于0的整数。
可选地，第二后处理可以包括：
当所述障碍物到所述控车轨迹的最短距离小于第二预设距离阈值时，所述即刻横纵位置简单编码器对应位置的数值N置为指定值；
判断是否存在到所述控车轨迹的最短距离小于预设压迫限的所述障碍物；
若存在，设定延续判断周期K＝1；
判断处于所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量是否超过第一数量阈值；
若超过，判断是否仍存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物；
当所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量超过所述第一数量阈值，且仍存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物时，所述延续判断周期K＝K+1；
当所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量超过所述第一数量阈值，且不存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物时，所述即刻横纵位置简单编码器对应位置的数值N＝1+S，其中，S表征同一个区域内所述障碍物的数量。
可选地，漂动模式判断策略可以包括：
判断即刻横纵位置简单编码器在纵向距离本车第三预设距离阈值的区域中，是否存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物；
若存在，进一步判断所述历史横纵位置简单编码器所覆盖区域中所述障碍物的数量以及所述即刻横纵位置简单编码器中的所述延续判断周期K；
当所述数量大于预设的第二数量阈值，且所述延续判断周期K大于等于预设周期阈值时，搜索所述历史横纵位置简单编码器，以得到表征所述障碍物的漂动情况的第一状态，并将所述第一状态作为所述判断结果；
当所述数量小于等于预设的第二数量阈值时，直接搜索所述历史横纵位置简单编码器，以得到表征所述障碍物的漂动情况的第二状态，并将所述第二状态作为所述判断结果。
可选地，执行单元230还用于：
当所述第一状态为所述障碍物在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物与所述控车轨迹的最短距离逐渐缩小时，控制本车对所述障碍物不进行制动；
当所述第一状态为所述障碍物在所述传感组件的识别区域中，且从所述障碍物出现就一直稳定的侵入本车道时，控制本车对所述障碍物进行制动；
当所述第一状态为所述障碍物在第四预设距离阈值以外所述传感组件的识别区域中，且所述障碍物侵入本车道的横向距离的数值处于波动状态时，选取数值波动范围的中心值作为制动条件，并控制本车根据所述制动条件进行制动。
可选地，执行单元230还用于：
当所述第二状态为所述障碍物当前在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物侵入本车道的横向距离的数值逐渐增大时，计算所述障碍物在与本车纵向距离大于第四预设距离阈值区域中侵入本车道横向距离的均值、所述障碍物在与本车纵向距离小于第四预设距离阈值区域中侵入本车道横向距离的均值，并将两个所述均值的中心值作为所述制动条件，控制本车根据所述制动条件进行制动；
当所述第二状态为所述障碍物当前在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物侵入本车道的横向距离，在所述障碍物与本车纵向距离第四预设距离阈值以外所述传感组件能识别的区域中逐渐增大时，以所述障碍物进入与本车纵向距离第四预设距离阈值以内的区域后，所述障碍物的当前横向位置作为制动条件，并控制本车根据所述制动条件进行制动。
在本实施例中，处理器101可以是一种集成电路芯片，具有信号的处理能力。上述处理器101可以是通用处理器。例如，该处理器101可以是中央处理器(Central ProcessingUnit，CPU)、数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
存储器102可以是，但不限于，随机存取存储器，只读存储器，可编程只读存储器，可擦除可编程只读存储器，电可擦除可编程只读存储器等。在本实施例中，存储器102可以用于存储横纵位置记录、漂动模式判断策略、控制策略、即刻横纵位置简单编码器、历史横纵位置简单编码器、第一预设距离阈值、第二预设距离阈值、第三预设距离阈值、第四预设距离阈值、第一数量阈值、压迫限等。当然，存储器102还可以用于存储程序，处理器101在接收到执行指令后，执行该程序。
可以理解的是，图1中所示的电子设备100结构仅为一种结构示意图，电子设备100还可以包括比图1所示更多的组件。图1中所示的各组件可以采用硬件、软件或其组合实现。
需要说明的是，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备100的具体工作过程，可以参考前述方法中的各步骤对应过程，在此不再过多赘述。
本申请实施例还提供一种计算机可读存储介质。计算机可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述实施例中所述的自动驾驶决策方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
综上所述，本申请实施例提供一种自动驾驶决策方法、装置、电子设备及存储介质。在本方案中，当车辆在自动驾驶过程中，前方出现如行人、车辆、锥形桶等障碍物，通过传感组件获取障碍物的横纵位置记录。随后根据横纵位置记录判断障碍物被传感组件感知后的漂动情况，以得到表征漂动情况的判断结果。进而基于判断结果进行决策，以控制车辆根据对应的控制策略行驶。如此，可以改善自动驾驶传感融合算法中传感器的输出结果容易受到环境、障碍物遮挡等噪声干扰，导致车载传感器的检测目标与本车的横向位置发生波动，进而影响辅助驾驶稳定性的问题。
在本申请所提供的实施例中，应该理解到，所揭露的装置、系统和方法，也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的系统、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，所述模块、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动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。另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，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 (10)
1.一种自动驾驶决策方法，其特征在于，所述方法包括：
通过本车上的传感组件获取障碍物的横纵位置记录；
根据所述横纵位置记录，通过预设的漂动模式判断策略，判断所述障碍物在所述传感组件的感知范围内的漂动情况，以得到表征所述漂动情况的判断结果；
根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶。
2.根据权利要求1所述的方法，其特征在于，通过本车上的传感组件获取障碍物的横纵位置记录，包括：
通过预先构建的即刻横纵位置简单编码器对所述传感组件采集到的数据进行第一后处理，通过预先构建的历史横纵位置简单编码器对所述传感组件采集到的数据进行第二后处理，以得到所述横纵位置记录。
3.根据权利要求2所述的方法，其特征在于，所述第一后处理包括：
当所述障碍物与本车的纵向距离小于所述传感组件能首次识别出所述障碍物的横纵位置、所述障碍物与本车的纵向距离处于距离本车的第一预设距离阈值内、且所述障碍物到本车的控车轨迹的最短距离小于第二预设距离阈值时，所述历史横纵位置简单编码器对应位置的数值M＝M+1，M为大于等于0的整数。
4.根据权利要求3所述的方法，其特征在于，所述第二后处理包括：
当所述障碍物到所述控车轨迹的最短距离小于第二预设距离阈值时，所述即刻横纵位置简单编码器对应位置的数值N置为指定值；
判断是否存在到所述控车轨迹的最短距离小于预设压迫限的所述障碍物；
若存在，设定延续判断周期K＝1；
判断处于所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量是否超过第一数量阈值；
若超过，判断是否仍存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物；
当所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量超过所述第一数量阈值，且仍存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物时，所述延续判断周期K＝K+1；
当所述历史横纵位置简单编码器所覆盖区域中的所述障碍物的数量超过所述第一数量阈值，且不存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物时，所述即刻横纵位置简单编码器对应位置的数值N＝1+S，其中，S表征同一个区域内所述障碍物的数量。
5.根据权利要求4所述的方法，其特征在于，所述漂动模式判断策略包括：
判断即刻横纵位置简单编码器在纵向距离本车第三预设距离阈值的区域中，是否存在到所述控车轨迹的最短距离小于所述预设压迫限的所述障碍物；
若存在，进一步判断所述历史横纵位置简单编码器所覆盖区域中所述障碍物的数量以及所述即刻横纵位置简单编码器中的所述延续判断周期K；
当所述数量大于预设的第二数量阈值，且所述延续判断周期K大于等于预设周期阈值时，搜索所述历史横纵位置简单编码器，以得到表征所述障碍物的漂动情况的第一状态，并将所述第一状态作为所述判断结果；
当所述数量小于等于预设的第二数量阈值时，直接搜索所述历史横纵位置简单编码器，以得到表征所述障碍物的漂动情况的第二状态，并将所述第二状态作为所述判断结果。
6.根据权利要求5所述的方法，其特征在于，根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶，包括：
当所述第一状态为所述障碍物在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物与所述控车轨迹的最短距离逐渐缩小时，控制本车对所述障碍物不进行制动；
当所述第一状态为所述障碍物在所述传感组件的识别区域中，且从所述障碍物出现就一直稳定的侵入本车道时，控制本车对所述障碍物进行制动；
当所述第一状态为所述障碍物在第四预设距离阈值以外所述传感组件的识别区域中，且所述障碍物侵入本车道的横向距离的数值处于波动状态时，选取数值波动范围的中心值作为制动条件，并控制本车根据所述制动条件进行制动。
7.根据权利要求5所述的方法，其特征在于，根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶，包括：
当所述第二状态为所述障碍物当前在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物侵入本车道的横向距离的数值逐渐增大时，计算所述障碍物在与本车纵向距离大于第四预设距离阈值区域中侵入本车道横向距离的均值、所述障碍物在与本车纵向距离小于第四预设距离阈值区域中侵入本车道横向距离的均值，并将两个所述均值的中心值作为所述制动条件，控制本车根据所述制动条件进行制动；
当所述第二状态为所述障碍物当前在与本车纵向距离小于第四预设距离阈值的区域中，且所述障碍物侵入本车道的横向距离，在所述障碍物与本车纵向距离第四预设距离阈值以外所述传感组件能识别的区域中逐渐增大时，以所述障碍物进入与本车纵向距离第四预设距离阈值以内的区域后，所述障碍物的当前横向位置作为制动条件，并控制本车根据所述制动条件进行制动。
8.一种自动驾驶决策装置，其特征在于，所述装置包括：
获取单元，用于通过本车上的传感组件获取障碍物的横纵位置记录；
判断单元，用于根据所述横纵位置记录，通过预设的漂动模式判断策略，判断所述障碍物在所述传感组件的感知范围内的漂动情况，以得到表征所述漂动情况的判断结果；
执行单元，用于根据所述判断结果，执行对应的控制策略，以控制本车根据所述控制策略行驶。
9.一种电子设备，其特征在于，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行如权利要求1-7中任一项所述的方法。
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计算机上运行时，使得所述计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310187414.9A CN116125897A (zh) | 2023-03-02 | 2023-03-02 | 自动驾驶决策方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310187414.9A CN116125897A (zh) | 2023-03-02 | 2023-03-02 | 自动驾驶决策方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116125897A true CN116125897A (zh) | 2023-05-16 |
Family
ID=86310073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310187414.9A Pending CN116125897A (zh) | 2023-03-02 | 2023-03-02 | 自动驾驶决策方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116125897A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005100232A (ja) * | 2003-09-26 | 2005-04-14 | Toyota Motor Corp | 車輌の走行制御装置 |
| JP2013097591A (ja) * | 2011-11-01 | 2013-05-20 | Mitsubishi Electric Corp | 車両の後側方障害物警報装置 |
| US20130245997A1 (en) * | 2012-03-16 | 2013-09-19 | Fujitsu Limited | Undulation detection device and method |
| FR3033485A1 (fr) * | 2015-03-10 | 2016-09-16 | Fybots | Appareil autonome de netttoyage de sol, a detection d'obstacles amelioree. |
| DE102018001376A1 (de) * | 2017-03-30 | 2018-10-04 | Mazda Motor Corporation | Fahrzeugfahrassistenzsystem, Verfahren zum Unterstützen des Fahrens eines Fahrzeugs und Computerprogrammprodukt |
| CN110135377A (zh) * | 2019-05-21 | 2019-08-16 | 北京百度网讯科技有限公司 | 物体运动状态检测方法、装置、服务器和计算机可读介质 |
| CN110654380A (zh) * | 2019-10-09 | 2020-01-07 | 北京百度网讯科技有限公司 | 用于控制车辆的方法和装置 |
| CN110929639A (zh) * | 2019-11-20 | 2020-03-27 | 北京百度网讯科技有限公司 | 用于确定图像中障碍物位置的方法、装置、设备和介质 |
| WO2021092702A1 (en) * | 2019-11-13 | 2021-05-20 | Youval Nehmadi | Autonomous vehicle environmental perception software architecture |
| CN113165670A (zh) * | 2021-03-01 | 2021-07-23 | 华为技术有限公司 | 一种智能驾驶方法、装置、存储介质及计算机程序 |
| WO2021196145A1 (zh) * | 2020-04-02 | 2021-10-07 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
| CN114675295A (zh) * | 2022-03-23 | 2022-06-28 | 北京主线科技有限公司 | 一种障碍物判定的方法、装置、设备及存储介质 |
| JP2022138848A (ja) * | 2021-03-11 | 2022-09-26 | マツダ株式会社 | レーダによる移動体検出方法 |
| CN115626155A (zh) * | 2022-10-20 | 2023-01-20 | 重庆长安汽车股份有限公司 | 基于栅格地图的锥形桶可视化方法及装置 |
-
2023
- 2023-03-02 CN CN202310187414.9A patent/CN116125897A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005100232A (ja) * | 2003-09-26 | 2005-04-14 | Toyota Motor Corp | 車輌の走行制御装置 |
| JP2013097591A (ja) * | 2011-11-01 | 2013-05-20 | Mitsubishi Electric Corp | 車両の後側方障害物警報装置 |
| US20130245997A1 (en) * | 2012-03-16 | 2013-09-19 | Fujitsu Limited | Undulation detection device and method |
| FR3033485A1 (fr) * | 2015-03-10 | 2016-09-16 | Fybots | Appareil autonome de netttoyage de sol, a detection d'obstacles amelioree. |
| DE102018001376A1 (de) * | 2017-03-30 | 2018-10-04 | Mazda Motor Corporation | Fahrzeugfahrassistenzsystem, Verfahren zum Unterstützen des Fahrens eines Fahrzeugs und Computerprogrammprodukt |
| CN110135377A (zh) * | 2019-05-21 | 2019-08-16 | 北京百度网讯科技有限公司 | 物体运动状态检测方法、装置、服务器和计算机可读介质 |
| CN110654380A (zh) * | 2019-10-09 | 2020-01-07 | 北京百度网讯科技有限公司 | 用于控制车辆的方法和装置 |
| WO2021092702A1 (en) * | 2019-11-13 | 2021-05-20 | Youval Nehmadi | Autonomous vehicle environmental perception software architecture |
| CN110929639A (zh) * | 2019-11-20 | 2020-03-27 | 北京百度网讯科技有限公司 | 用于确定图像中障碍物位置的方法、装置、设备和介质 |
| WO2021196145A1 (zh) * | 2020-04-02 | 2021-10-07 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
| CN113165670A (zh) * | 2021-03-01 | 2021-07-23 | 华为技术有限公司 | 一种智能驾驶方法、装置、存储介质及计算机程序 |
| JP2022138848A (ja) * | 2021-03-11 | 2022-09-26 | マツダ株式会社 | レーダによる移動体検出方法 |
| CN114675295A (zh) * | 2022-03-23 | 2022-06-28 | 北京主线科技有限公司 | 一种障碍物判定的方法、装置、设备及存储介质 |
| CN115626155A (zh) * | 2022-10-20 | 2023-01-20 | 重庆长安汽车股份有限公司 | 基于栅格地图的锥形桶可视化方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| KI-SEO KIM等: "deep learning based on smooth driving for autonomous navigation", 《2018IEEE/ASME INTERNATIONAL CONFERENCE ON ADVANCED INTELLIGENT MECHATRONICS》, 2 September 2018 (2018-09-02) * |
| MOHOD OMAMA等: "drift reduced navigation with deep explainable features", 《2022IEEE/RSJ INTERNATIONAL CONFERENCE ON THE INTELLIGENT ROBOTS AND SYSTEMS》, 26 December 2022 (2022-12-26) * |
| 赵祚喜;汪宁;张智刚;赵汝祺;俞龙;罗锡文;: "一种适用于非360°探测机器人的避障导航算法", 机械工程学报, no. 19, 5 October 2010 (2010-10-05) * |
| 陈安柱;张峰;吴宇豪;: "一种智能行车辅助避障系统与方法设计研究", 河北农机, no. 12, 3 December 2018 (2018-12-03) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11703876B2 (en) | Autonomous driving system | |
| EP3086990B1 (en) | Method and system for driver assistance for a vehicle | |
| JP6404634B2 (ja) | 予測的な先進運転支援システムの一貫性のある挙動生成 | |
| CN106985780B (zh) | 车辆安全辅助系统 | |
| CN112389466B (zh) | 车辆自动避让方法、装置、设备及存储介质 | |
| US10343686B2 (en) | Autonomous driving system | |
| EP2302412B1 (en) | System and method for evaluation of an automotive vehicle forward collision threat | |
| CN112193246B (zh) | 车辆及用于执行车辆间距离控制的方法 | |
| US11926299B2 (en) | System and method for predicting road collisions with a host vehicle | |
| EP3221856A1 (en) | Lane assistance system responsive to extremely fast approaching vehicles | |
| CN113853640B (zh) | 电子控制装置 | |
| CN109318894B (zh) | 车辆驾驶辅助系统、车辆驾驶辅助方法及车辆 | |
| KR102467223B1 (ko) | 차선을 변경하는 차량에 근거한 자율 주행 제어 방법 및 장치 | |
| US11042160B2 (en) | Autonomous driving trajectory determination device | |
| KR20220004747A (ko) | 자동 비상 제동 시스템 및 방법 | |
| US11180141B2 (en) | Vehicle control system | |
| CN116872921A (zh) | 一种车辆规避风险方法、系统、车辆及存储介质 | |
| KR20170070580A (ko) | Ecu, 상기 ecu를 포함하는 무인 자율 주행 차량, 및 이의 차선 변경 제어 방법 | |
| CN109887321B (zh) | 无人车变道安全判别方法、装置及存储介质 | |
| CN113504782B (zh) | 障碍物防撞方法、装置、系统和移动工具 | |
| US20230034560A1 (en) | Method for tracking a remote target vehicle in an area surrounding a motor vehicle by means of a collision detection device | |
| CN114291116B (zh) | 周围车辆轨迹预测方法、装置、车辆及存储介质 | |
| CN113022593B (zh) | 障碍物处理方法、装置和行驶设备 | |
| CN116125897A (zh) | 自动驾驶决策方法、装置、电子设备及存储介质 | |
| US20210284148A1 (en) | Travel control apparatus, vehicle, travel control method, and non-transitory computer-readable storage 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 |