CN116394981A - 车辆控制方法和自动驾驶提示方法及相关装置 - Google Patents
车辆控制方法和自动驾驶提示方法及相关装置 Download PDFInfo
- Publication number
- CN116394981A CN116394981A CN202310666662.1A CN202310666662A CN116394981A CN 116394981 A CN116394981 A CN 116394981A CN 202310666662 A CN202310666662 A CN 202310666662A CN 116394981 A CN116394981 A CN 116394981A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- information
- automatic driving
- road
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 141
- 230000004927 fusion Effects 0.000 claims abstract description 90
- 230000008569 process Effects 0.000 claims abstract description 59
- 238000007499 fusion processing Methods 0.000 claims abstract description 8
- 230000006399 behavior Effects 0.000 claims description 44
- 238000009826 distribution Methods 0.000 claims description 34
- 230000007613 environmental effect Effects 0.000 claims description 31
- 230000033001 locomotion Effects 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 69
- 238000012795 verification Methods 0.000 description 13
- 230000001276 controlling effect Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000003068 static effect Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 241000283070 Equus zebra Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
Abstract
本说明书实施方式提供一种车辆控制方法和自动驾驶提示方法及相关装置。所述方法可以包括：获取所述车辆处于驾驶员驾驶状态下，基于普通导航地图生成的导航路径信息；对应所述导航路径信息，存储所述车辆行驶于所述导航路径信息对应路段的过程中，采集到的定位数据和环境数据；将所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹；基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。实现车辆可以在普通导航地图基础上，实现自动驾驶。
Description
技术领域
本说明书中实施方式涉及车辆技术领域，特别是涉及一种车辆控制方法和自动驾驶提示方法及相关装置。
背景技术
车辆的自动驾驶已成为学术界与工业界研究与应用的重要方向。目前，自动驾驶技术的应用通常依赖于高精度导航地图。即，需要使用高精度导航地图实现车辆的高精度定位，以及进一步的运动规划和控制。
然而，高精度导航地图生产和更新的成本高难以快速适配人们活动范围内路段情况的动态变化。
发明内容
本说明书中多个实施方式提供一种车辆控制方法和自动驾驶提示方法及相关装置，可以使用普通导航地图，实现自动驾驶。
本说明书的一个实施方式提供一种车辆的控制方法，应用于车辆，该方法包括：获取在驾驶员驾驶所述车辆从第一位置行驶至第二位置的过程中，基于普通导航地图生成的导航路径信息；对应所述导航路径信息，存储所述车辆行驶于所述导航路径信息对应路段的过程中，采集到的定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；在所述车辆行驶于导航路径信息表示的路段，多于指定行驶次数阈值的次数的情况下，根据所述普通导航地图，对所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹；基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。
本说明书的一个实施方式还提供一种车辆控制装置，包括：导航路径获取单元，用于获取在驾驶员驾驶所述车辆从第一位置行驶至第二位置的过程中，基于普通导航地图生成的导航路径信息；存储单元，用于对应所述导航路径信息，存储所述车辆行驶于所述导航路径信息对应路段的过程中，采集到的定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；融合单元，用于在所述车辆行驶于导航路径信息表示的路段，多于指定行驶次数阈值的次数的情况下，根据所述普通导航地图，对所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的目标融合行驶轨迹；调整单元，用于基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。
本说明书的一个实施方式还提供一种自动驾驶提示方法，应用于车辆，所述方法包括：确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段；获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法基于普通导航地图，对车辆环境信息进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；提示所述自动驾驶信心信息。
本说明书的一个实施方式还提供一种自动驾驶提示装置，应用于车辆，所述装置包括：确定单元，用于确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段；信心信息获取单元，用于获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法基于普通导航地图，对车辆环境信息进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；提示单元，用于提示所述自动驾驶信心信息。
本说明书的一个实施方式提供一种电子设备，电子设备包括存储器及处理器，存储器中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以实现如上的车辆的控制方法，或者，以实现如上所述的自动驾驶提示方法。
本说明书的一个实施方式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至少一条计算机程序，至少一条计算机程序被处理器执行时能够实现如上的车辆控制方法，或者，实现如上所述的自动驾驶提示方法。
本说明书提供的多个实施方式，通过车辆行驶过程中，获取所述车辆基于普通导航地图生成的导航路径信息并基于对应导航路径信息采集定位数据和环境数据，进一步的，车辆使用定位数据、环境数据和普通地图数据建立指定路段的联合地图，如此，当所述车辆再次行驶在所述指定路段时，便可以基于所述指定路段的联合地图执行自动驾驶，从而实现在普通导航地图情况下的自动驾驶。
附图说明
为了更清楚地说明本发明实施方式中的技术方案，下面将对实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，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的附图。
图1为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。
图2为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。
图3为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。
图4为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。
图5为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。
图6为本说明书的一个实施方式提供的一种自动驾驶提示方法的流程示意图。
图7为本说明书的一个实施方式提供的一种车辆控制装置的模块示意图。
图8位本说明书的一个实施方式提供的一种自动驾驶提示装置的流程示意图。
图9为本说明书的一个实施方式提供的一种电子设备的示意框图。
具体实施方式
下面将结合本说明书中的附图，对本本说明书提供的实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是一部分实施方式，而不是全部的实施方式。基于本说明书提供的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
高精度导航地图相对于普通导航地图是精度更高、数据维度更多的电子地图。精度更高可以体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。
高精度导航地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。第二类是车道周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施信息。在车辆执行自动驾驶的过程中，可以将依据高精度导航地图、车联网技术提供的多维度信息对具体驾驶问题做出判断、输出车辆控制信号并交给执行层执行。
高精度导航地图的实际应用可以包括制图过程、用图过程和更新过程三个紧耦合的过程，以保证数据的高频流动和更新。具体的，例如，制图过程可以包括外业采集和内业制作，用图过程可以包括高精（自）定位、环境感知和路径规划，更新过程可以包括变化检测和交叉验证等。
高精度导航地图动态比较繁琐的制图过程，决定了后期的更新维护也会占据很大的工作量。车辆实现智能驾驶所需要的高精度地图依据更新频率可以划分为四类：更新频率为一个月的长期静态数据、更新频率为1小时的短期静态数据、更新频率为1分钟的半动态数据、更新频率为1秒钟的动态数据。与当前普及的普通导航地图1~2月更新一次的频率相比，高精度导航地图的更新频率之高、难度之大可想而知。高精度导航地图的制作和更新成本都非常高。
在相关技术中，车辆实现自动驾驶，对于高精度导航地图有非常强的依赖性。因此，有必要提供一种车辆可以基于普通导航地图，实现自动驾驶的技术方案。
本说明书的实施方式所描述的车辆可以是有人驾驶且有辅助智能驾驶功能的车辆，也可以是能够自动智能行驶车辆。车辆类型具体可以包括轿车、越野车、货车等，本说明书的实施方式对车辆不作具体限定。
本说明书的一个实施方式提供一种车辆控制方法。所述车辆控制方法可以应用于车辆的车辆控制系统。所述车辆控制方法可以包括：熟路发现阶段、影子模式验证阶段、自动驾驶路径推荐阶段和自动驾驶阶段。所述熟路发现阶段可以实现控制车辆自动发现熟路，以及分析驾驶员的驾驶风格和道路状况分析。所述影子模式验证阶段可以通过对车辆的虚拟自动驾驶与驾驶员驾驶进行对比验证，得出可以实现自动驾驶的路径。所述自动驾驶路径推荐阶段可以实现针对能够自动驾驶的路径向驾驶员进行推荐，并与驾驶员进行交互确认。所述自动驾驶阶段可以实现在驾驶员允许的路径执行车辆的自动驾驶。
请参阅图1，在所述熟路发现阶段可以包括以下步骤。
步骤S11：获取在驾驶员驾驶所述车辆从第一位置行驶至第二位置的过程中，基于普通导航地图生成的导航路径信息。
在本实施方式中，普通导航地图（Standard Definition Map）是一种用于车机的地图。车机可以利用普通导航地图与用户交互，实现车辆的导航。普通导航地图更新周期长、制作相对简单、成本也相对低。导航路径信息可以是基于普通导航地图产生的，用于表示从指定起点到指定终点的途径路径。具体的，导航路径信息可以包括：表达起点的起点信息、表达终点的终点信息和途经点信息。如此，导航路径信息可以对应从起点信息表示位置至终点信息表示位置之间的路段，该路段涵盖所述途经点信息表示的途经点。在一些实施方式中，导航路径信息还可以包括道路的车道数量。
在本实施方式中，第一位置可以为导航路径信息的起点，第二位置可以为导航路径信息的终点。或者，第二位置为终点，第一位置可以为途经点。或者，第一位置为起点，第二位置为途经点。当然，第一位置和第二位置也可以为导航路径信息中不同的途经点。
步骤S12：结合车辆的卫星定位数据和惯导定位数据，得到车辆的定位数据。
在一些实施方式中，所述车辆控制系统可以接收所述车辆的卫星定位数据；其中，所述卫星定位数据具有第一频率；获取所述车辆的惯导系统生成的惯导定位数据；其中，所述惯导定位数据具有第二频率；其中，所述第二频率大于所述第一频率；基于所述惯导定位数据校正所述卫星定位数据，得到所述车辆的定位数据；其中，所述车辆的定位数据具有所述第二频率。
在本实施方式中，车辆通过卫星定位系统和接收器接收卫星定位数据。可以针对接收到的卫星信号进行解算，得到卫星定位数据。在一些实施方式中，可以采取多个模型针对卫星定位数据分别进行解算之后，选取最优解作为最终使用的卫星定位数据。
在本实施方式中，惯导系统是一个使用加速计和陀螺仪来测量物体的加速度和角速度，并可以连续估算运动物体位置、姿态和速度的辅助导航系统。通过检测惯导系统的加速度和角速度，惯导可以检测位置变化。具体的，例如，向东或向西的运动。速度变化，例如，速度大小或方向的变化。姿态变化，例如，绕各个轴的旋转。具体的，例如，可以通过针对陀螺仪输出信号的解算，得出表示姿态的姿态数据。结合速度的速度数据和姿态数据，便可以得出表示车辆的相对位置变化的位置变化数据。
在本实施方式中，惯导定位数据的第二频率高于卫星定位数据的第一频率。如此，为了提升针对车辆的位置的定位精度。可以采用高频率的惯导定位数据对相对低频率的卫星定位数据进行校正，提升卫星定位数据的频率。具体的，例如，可以先按照采集时间将卫星定位数据和惯导定位数据进行数据对齐，此时，由于卫星定位数据的数据频率小于惯导定位数据的数据频率，使得，部分惯导定位数据没有对应的卫星定位数据。如此，可以基于连续的惯导定位数据之间表示的位置变化数据，推断补全惯导定位数据对应的卫星定位数据。如此，使得补全后的卫星定位数据可以具有第二频率。
进一步的，补全后的卫星定位数据连续排列形成车辆的定位数据。车辆的惯导定位数据还可以用于输入给车辆控制系统的自动驾驶决策规划模块执行自动驾驶过程。
步骤S13：对应所述导航路径信息，存储所述车辆行驶于所述导航路径信息对应路段的过程中，采集到的定位数据和环境数据，其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息。
在本实施方式中，所述环境数据可以用于表示车辆行驶过程中，通过采集到的包括表示交通标识的传感数据。具体的，例如，车辆可以设置有多个检测设备和传感器，并可以通过该多个检测设备和传感器采集环境数据。具体的，例如，环境数据可以包括鸟瞰图数据或平面图数据。在一些实施方式中，具体的，可以基于BEVFormer作为主干网，并针对不同交通标识设置相关的检测头，来实现得出表示障碍物和交通标识的环境数据。可以，基于一定的交通标识数据针对BEVFormer的检测头进行训练，提升BEVFormer的检测精度。当然，在一些实施方式中，也可以通过HDMapNet或者VectorMapNet实现。交通标识可以包括地面交通标识和空中交通标识。地面交通标识可以包括车道线、停止线等。空中交通标识识别可以包括红绿灯、交通牌等识别。在一些实施方式中，针对红绿灯和交通牌进行识别的过程中，可以基于3D检测结果，与车辆的相机的外参关系，将红绿灯和交通牌的各角点分别投影到车辆的前视相机的PV（PerspectiveView）视角图像上。可以分别针对红绿灯和交通牌设置矩形框。如此，可以对红绿灯的矩形框中的图像进行红灯、黄灯和绿灯识别，对交通牌的矩形框中的图像进行交通标识的识别。
当然，在一些实施方式中，环境数据中还可以包括有表示道路中动态障碍物和静态障碍物的障碍物数据。可以在生成联合地图数据过程中，仅仅关注环境数据中的表示交通标识的交通标识数据，而过滤掉表示障碍物的障碍物数据。动态障碍物可以包括机动车、行人或非机动车等。静态障碍物可以包括水马、锥桶等。作为联合地图数据也可以仅仅过滤掉动态障碍物数据，保留静态障碍物数据。因此，动态障碍物数据不具有通用性，使得在生成联合地图数据时，可以不必保留。针对静态障碍物数据，可能会持续一定时间，可以随着车辆多次行驶于相应路段，随着实际道路中静态障碍物的情况，更新联合地图数据。
在本实施方式中，定位数据和环境数据都可以分别对应有采集时间。如此，便可以通过采集时间将定位数据和环境数据相对应。具体的，可以理解为，通过采集时间为定位数据和环境数据建立对应关系，存在对应关系的定位数据和环境数据中，环境数据可以表示定位数据所表示的位置的环境信息。
在本实施方式中，可以对应导航路径信息存储定位数据和环境数据。导航路径信息可以包括有起点信息、终点信息和途经点信息。导航路径信息本身为基于普通导航地图生成，使得导航路径信息会与普通导航地图中的地图数据存在一定的对应关系。如此，将采集到的定位数据和环境数据，与导航路径信息对应存储之后，存储的定位数据和环境数据与普通导航地图中的地图数据，也建立了对应关系。具体的，例如，可以将定位数据和环境数据分别按照采集时间独立存储入数据库，并在数据库中对应存储导航路径信息。在一些实施方式中，也可以通过采集时间为定位数据和环境数据建立对应关系之后，连同导航路径信息一同对应存储入数据库中。此时，普通导航地图、存储的定位数据和环境数据整体便可以作为联合地图数据。在联合地图数据中，可以通过定位数据在普通导航地图对应位置，增加了环境数据，如此，联合地图数据可以比普通导航地图具有更多的信息。
在本实施方式中，采集和存储的车辆定位数据和环境数据与基于普通导航地图生成的导航路径信息相对应。即，在普通导航地图提供的指定道路中，采集车辆当前的定位数据和环境数据，从而基于普通导航地图、定位数据和环境数据生成联合地图数据用于为自动驾驶提供导航信息。
步骤S14：在所述车辆行驶于导航路径信息表示的路段，多于指定行驶次数阈值的次数的情况下，根据所述普通导航地图，对所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹。
在本实施方式中，可以将存储的定位数据和环境数据进行融合，得到一个较高精度的目标融合行驶轨迹。具体的，可以利用所述车辆的定位数据和所述普通导航地图，基于指定算法生成所述导航路径信息对应的路段轨迹信息；所述路段轨迹信息包括表示路段的路段信息；基于所述鸟瞰图数据指示的车道线和道路的车道数量，确定所述车辆在所述路段信息表示道路的目标车道信息；其中，所述目标车道信息用于表示所述车辆处于所述道路中的车道；结合所述路段轨迹信息和所述目标车道信息，得到目标融合行驶轨迹。
在本实施方式中，结合定位数据、普通导航地图和导航路径信息可以获得车辆途径的道路的路段信息。通过定位数据和普通导航地图，可以确定车辆途径的道路的路段信息。在本实施方式中，可以从鸟瞰图数据中识别出表示车道线的交通标识信息。如此，便可以根据车道线划分车道。进而，可以确定表示所述车辆相对于道路的目标车道的目标车道信息。进而，根据路段信息和目标车道信息，便可以得出在导航路径信息涉及的多个道路的路段信息中，每个路段信息对应的目标车道信息。当然，如此便可以基于路段信息和目标车道信息，得到可以表示车辆的车道级定位的目标融合行驶轨迹。具体的，可以基于车辆的定位数据，使用隐马尔可夫模型（HMM）进行地图匹配得普通导航地图中对应导航路径信息对应道路拓扑数据。所述道路拓扑数据可以用于作为所述导航路径信息对应的路段轨迹信息。进而，车辆控制系统可以基于导航路径信息中的车道数量，以及环境数据，确定车辆处于道路中的具体车道的目标车道信息。如此，将定位数据、路段轨迹信息和目标车道信息相对应，得到所述目标融合行驶轨迹。
进一步的，从所述鸟瞰图数据中识别出所述车辆相对于车道的横向轨迹数据；其中，所述横向轨迹数据用于表示所述车辆相对于所述目标车道信息表示车道的横向偏移；将所述横向轨迹数据融入所述目标融合行驶轨迹。具体的，可以基于环境数据识别出车辆所在的车道的车道线中心点，通过对比车道线线中心点与车辆的相机标定中心点之间的差异，计算车辆在车道内的横向偏移数据。该横向偏移数据可以更加准确的表述车辆在车道内的位置变化。可以利用该横向偏移调整所述定位数据，使得所述定位数据可以更加准确表示车辆的位置。
具体的，例如，可以基于卡尔曼滤波将所述定位数据与所述横向偏移进行融合处理，得到目标融合行驶轨迹。所述目标融合行驶轨迹可以更加准确的标识车辆的位置。在一些实施方式中，融合所述定位数据和所述横向偏移数据的方式，还可以为采用图优化算法。
步骤S15：针对导航路径信息划分熟路组；其中，同一个熟路组中包括的导航路径信息中，导航路径信息的起点信息表示的位置之间符合第一设定距离条件，且终点信息表示的位置之间符合第二设定距离条件。
在本实施方式中，可以根据导航路径信息的起点信息和终点信息与设定条件的关系，进行划分熟路组。具体的，设定条件可以包括：导航路径信息的起点信息表示的起点之间符合第一设定距离关系、导航路径信息的终点信息表示的终点之间符合所述第二设定距离关系。当然，第一设定距离关系可以表示起点之间的距离需要满足的条件。第二设定距离关系可以表示终点之间的距离需要满足的条件。第一设定距离关系和第二设定距离关系可以相同，当然，也可以不同。具体的，第一设定距离关系和第二距离设定关系，可以依照实际需求进行设定。具体的，例如，第一设定距离关系为小于200米，第二设定距离关系也可以为小于200米。当然，第一设定距离关系可以为小于100米，第二设定距离关系可以为小于150米。在一些实施方式中，所述设定条件也可以包括路径重合度大于指定重合度阈值。具体的，多个路径信息的起点、途经点和终点总体形成路径之间的重合度。重合度阈值可以为70%，或75%、80%等等。在一些实施方式中，所述熟路组可以理解为“熟路组”，可以理解为车辆已经至少一次行驶于熟路组中导航路径信息对应的路段。当然，在一些实施方式中，也可以针对车辆行驶于导航路径信息对应路段的次数进行限定，在次数大于指定行驶次数阈值的情况下，才将导航路径信息划分入熟路组。
在一些实施方式中，不同熟路组可以用于表示一个驾驶员的使用场景。具体的，例如，对应驾驶员的上班场景的熟路组可以为上班熟路组，上班熟路组中包含的导航路径信息都表示驾驶员的上班路径。当然，也可以有下班熟路组，或者购物熟路组等等。
步骤S16：从所述目标融合行驶轨迹中解析得到所述车辆相对于道路的纵向和/或横向的目标速度分布，进而确定驾驶员的驾驶风格。
在本实施方式中，可以根据所述目标融合行驶轨迹解析出车辆的横向速度数据和纵向速度数据分布，作为前述两个方向的目标速度分布数据。可以将目标速度分布数据与预先设定的驾驶风格进行匹配，得出对应驾驶员的目标驾驶风格。具体的，在解析目标速度分布数据的过程中，可以排除对应路口区域的目标融合行驶轨迹。通常路口区域的情况比较复杂，相对于其他路段具有较强的特殊性，排除路口区域的目标融合行驶轨迹可以使得解析得到的目标速度分布数据可以更加准确的表示在非路口区域的路段的速度情况，进而可以较为准确的确定目标驾驶风格。进一步的，每种驾驶风格都可以对应有基准速度分布数据，可以将目标速度分布数据分别与每种驾驶风格的基准速度分布数据进行比较，并将与目标速度分布数据最为相似的基准速度分布数据对应的驾驶风格，确定为目标驾驶风格。在一些实施方式中，可以根据横向速度数据和纵向速度数据计算方差，每种驾驶风格都可以对应有一个取值范围，不同驾驶风格之间取值范围不重叠，如此，可以将包含所述方差的取值范围对应的驾驶风格确定为目标驾驶风格。
进一步的，在一些实施方式中，可以根据目标速度分布数据确定导航路径信息涉及路段的驾驶难度。所述驾驶难度可以包括高难度、普通难度和低难度。具体的，例如，如果一个路段的纵向的目标速度分布数据小于一定的速度阈值，可以判定该路段为经常拥堵路段，可以认定该路段为高难度。如果一个路段的纵向目标速度分布数据较为均匀的维持在一个较快速度，可以认定该路段为低难度。在一些实施方式中，可以针对路口区域单独识别驾驶难度。具体的，例如，根据目标融合行驶轨迹得出路口区域横向的目标速度分布数据经常变化，说明车辆在经过该路口区域时面临较复杂的驾驶情况，判定该路口区域的驾驶难度为高难度。所属领域技术人员，可以根据实际需要进行设定难度规则，以指定导航路径信息涉及路段的驾驶难度。
请参阅图2，所述影子模式验证阶段，可以基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。具体的，车辆控制系统可以从所述目标融合行驶轨迹中解析得到所述车辆相对于路段的纵向和/或横向的目标速度分布；调整所述自动驾驶决策规划模块，以使所述车辆自动驾驶于所述熟路组对应的路段的过程中，所述车辆的速度分布趋于所述目标速度分布。具体的，所述影子模式验证阶段可以包括以下步骤。
步骤S21：在车辆行驶过程中，结合车辆的卫星定位数据和惯导定位数据，得到车辆的定位数据。
在本实施方式中，车辆控制系统可以在车辆行驶过程中，不断结合车辆的卫星定位数据和惯导定位数据，以得到由补全的卫星定位数据形成的定位数据，具体的，可以参照前述实施方式介绍，不再赘述。
步骤S22：基于采集到的环境数据，进行障碍物和交通标识识别，得到表示障碍物的障碍物数据，和表示交通标识的交通标识数据。
在本实施方式中，具体的，可以基于环境数据进行障碍物识别、空中交通标识识别、地面交通标识识别等。具体的，可以参见前述实施方式对照解释，不再赘述。
步骤S23：结合所述车辆的导航路径信息、所述交通标识数据和所述定位数据，生成目标融合行驶轨迹数据。
在本实施方式中，可以将车辆行驶过程中，生成的定位数据和环境数据进行融合，得到一个较高精度的目标融合行驶轨迹数据。目标融合行驶轨迹数据可以是指趋于实时生成车辆的目标融合行驶轨迹数据。具体的，可以参照前述实施方式对照解释，不再赘述。
步骤S24：基于从环境数据中识别出的地面交通标识数据，进行局部语义建图，得到局部语义地图。
在本实施方式中，所述局部语义地图可以用于表示车辆所处环境中地面交通标识之间的位置关系。具体的，可以针对从环境数据具有地面交通标识的多个图像帧进行跟踪。例如，可以利用滤波的方式，对BEV视角下地面交通标识的类型、空间位置进行跟踪。对于跟踪的地面交通标识可以进行识别得到交通标识数据之后，再进一步的确认是否保留。例如，针对一些由于障碍物遮挡导致交通标识数据，相较于之前识别到的交通标识数据来说，可能是同一个交通标识，但由于障碍物遮挡之后，导致识别到的交通标识数据不够准确，可以放弃该图像帧的交通标识数据。通过放弃不够准确的交通标识数据，可以一定程度上可以减少出现错误的情况。具体的，滤波的算法可以包括但不限于：卡尔曼滤波、扩展卡尔曼滤波和粒子滤波等。
在本实施方式中，可以针对局部语义地图中的交通标识数据进行指定优化处理，以使得所述交通标识数据具有较为准确的处于三维空间的空间位置数据。具体的，可以基于BA局部优化算法，针对交通标识数据进行优化处理。进一步的，可以按照设定规则，针对多个交通标识数据添加相对位置标注。具体的，例如，针对表示停止线的交通标识数据与表示斑马线的交通标识数据，添加表示斑马线位于停止线前方的位置关系标注。例如，可以按照识别出的表示车道线的交通标识数据的先后顺序，进行顺序标注车道线位置关系。
步骤S25：根据表示障碍物的障碍物数据和所述局部语义地图进行轨迹预测，得到轨迹预测结果。
在本实施方式中，可以将障碍物数据和局部语义地图输入给轨迹预测模块，以得到轨迹预测模块输出的轨迹预测结果。具体的，例如，轨迹预测模块可以采用TNT或者DenseTNT实现。具体的，例如，轨迹预测模块可以基于局部语义地图获取表示车辆的所处车道的车道数据、车道数量、距离下一路口的距离、下一路口的导航指令信息、路口车道分配关系、动态障碍物数据和静态障碍物数据等，得出车辆的多个预测轨迹。导航指令信息可以包括但不限于直行、左转、右转和掉头等。路口车道分配关系是指车道被允许的行驶行为。例如，最右侧车道为右转车道，中间为直行车道，最左侧车道为左转车道。轨迹预测模块可以根据前述输入的多个参数进行多轨迹预测，并进一步的为多个轨迹进行打分，并选择得分最高的预测轨迹作为轨迹预测结果。
步骤S26：基于所述目标融合行驶轨迹数据、导航路径信息和所述轨迹预测结果，进行所述车辆的虚拟行为规划和虚拟运动规划。
在一些实施方式中，车辆控制系统可以将目标融合行驶轨迹数据、车辆的导航路径信息和轨迹预测结果，输入至车辆控制系统的自动驾驶决策规划模块，由所述自动驾驶决策规划模块输出虚拟行为规划和虚拟运动规划。自动驾驶决策规划模块输出的虚拟行为规划可以用于实现所述轨迹预测结果。具体的，例如，若车辆所处的车道与轨迹预测结果表示的目标车道不符，自动驾驶决策规划模块需要给出需要变道的虚拟行为规划。如果，存在表示限速的交通标识信息，自动驾驶决策规划模块可以根据车速判断是否输出需要降速或提速的虚拟行为规划。自动驾驶决策规划模块可以根据红绿灯的状态和车辆到达路口的距离，输出决定降速或刹车的虚拟行为规划。对于过路口，自动驾驶决策规划模块可以基于设定规则，输出转入下一路段之后的目标车道的虚拟行为规划。例如，设定规则可以包括：默认右转之后进入右侧第一个车道，左转到右侧最后一个车道，直行进入与车道的横向距离较近的车道等。进一步的，还可以结合驾驶员的驾驶风格、具体的，在进行决策判断时，在多个规划中选择与车主驾驶风格相近似的规划。针对一些，被标记为驾驶难度大的路段，自动驾驶决策规划模块可以输出偏谨慎的虚拟行为规划。具体的，偏谨慎的虚拟行为规划可以为被认定具有较高安全性的虚拟行为规划。例如，在车辆前方具有动态障碍物的情况下，自动驾驶决策规划模块可以输出控制车辆停车等待的虚拟行为规划。在车辆行驶于路口的情况下，自动驾驶决策规划模块可以输出控制车辆避免变道的虚拟行为规划。
进一步的，可以自动驾驶决策规划模块可以基于虚拟行为规划的规划结果，进行虚拟运动规划。具体的，例如，可以结合虚拟行为规划、障碍物数据进行虚拟运动规划。具体的，例如，自动驾驶决策规划模块可以采取横纵分离的虚拟运动规划，或者横纵融合的虚拟运动规划。在一些实施方式中，自动驾驶决策规划模块可以采用MPC（ModelPredictiveControl，模型预测控制）进行虚拟运动规划。
在本实施方式中，自动驾驶决策规划模块可以每间隔一个时间周期，输出虚拟行为规划和虚拟运动规划。时间周期可以为80毫秒、100毫秒、150毫秒等。
步骤S27：将基于所述虚拟行为规划和所述虚拟运动规划的虚拟控制数据，与驾驶员的实际控制数据的进行比较，得出差异数据，以根据所述差异数据修改所述自动驾驶决策规划模块。
在本实施方式中，差异数据可以用于表示基于虚拟控制数据控制车辆，与驾驶员控制车辆之间的差异。具体的，差异数据可以包括行为规划差异数据和运动规划差异数据。
在本实施方式中，车辆控制系统可以基于虚拟行为规划和虚拟运动规划执行针对车辆的虚拟控制，得出虚拟控制数据。具体的，例如，车辆控制系统可以基于虚拟行为规划，模拟车辆的横向控制和纵向控制得到虚拟横向控制数据和虚拟纵向控制数据。在本实施方式中，车辆控制系统可以结合车辆运动学，针对车辆的虚拟横向控制数据和虚拟纵向控制数据表示的控制进行模拟。进一步的，可以根据虚拟控制数据模拟针对车辆的控制，依照前文实施方式介绍的技术方案形成车辆的目标融合行驶轨迹数据的方式，生成虚拟行驶轨迹数据。具体的，可以针对每个所述时间周期的虚拟控制数据，得出该虚拟控制数据对应的虚拟行驶轨迹数据。
在本实施方式中，车辆控制系统可以读取驾驶员实际控制所述车辆产生的实际横向控制数据和实际纵向控制数据，进而生成差异数据。具体的，可以针对虚拟横向控制数据和实际横向控制数据进行比较，针对虚拟纵向控制数据和实际纵向控制数据进行比较，根据比较结果得出所述虚拟行为规划的虚拟横向差异数据和虚拟纵向差异数据。进一步的，分别根据所述虚拟横向差异数据和所述虚拟纵向差异数据表示的差异，调整所述自动驾驶决策规划模块。具体的，例如，可以将虚拟横向控制数据表示的控制方向，与实际横向控制数据针对车辆的控制方向比较，在二者方向相反的情况下，记录表示方向差异的差异数据。例如，可以将虚拟纵向控制数据表示的加速或减速，与实际纵向控制数据针对车辆的加速或减速控制进行比较，在二者不一致的情况下，记录表示加减速差异的差异数据。当然，在一些实施方式中，差异数据可以表示存在方向差异的差异次数。
在一些实施方式中，可以根据差异数据调整自动驾驶决策规划模块，以使得虚拟控制数据可以达成与驾驶员的实际控制数据之间，减少虚拟行为规划与驾驶员的实际驾驶行为之间的偏差。具体的，虚拟控制数据可以形成车辆的虚拟控制行驶轨迹数据，所述虚拟控制行驶轨迹数据可以具有横向速度分布和纵向速度分布，可以通过调整自动驾驶决策规划模块使得虚拟控制行驶轨迹数据的横向速度分布和纵向速度分布，与驾驶员的实际驾驶车辆形成的横向速度分布和纵向速度分布趋于相同。
在本实施方式中，在一个时间周期结束之后，如果认定该时间周期的虚拟行为规划与驾驶员的实际驾驶行为之间存在差异，可以将该时间周期作为目标时间周期，可以记录将该目标时间周期对应的目标融合行驶轨迹数据和轨迹预测结果。如此，自动驾驶决策规划模块可以将当前输入的目标融合行驶轨迹数据和轨迹预测结果，与之前记录的目标时间周期对应的目标融合行驶轨迹数据和轨迹预测结果，进行比较。在当前的目标融合行驶轨迹数据和轨迹预测结果，与记录的目标融合行驶轨迹数据和轨迹预测结果较为近似的情况下，目标时间周期对应的差异数据作为所述自动决策规划模块的一个输入量，以使得自动决策规划模块在生成虚拟行为规划时，可以结合之前的差异数据，如此使得到的虚拟行为规划可以更加接近驾驶员的实际驾驶行为。在一些实施方式中，因为当前的目标融合行驶轨迹数据和轨迹预测结果仅仅可能是与目标时间周期的目标融合行驶轨迹数据和轨迹预测结果相近似，但并不相同。为了避免自动驾驶决策规划模块调整幅度过大，反而导致输出的虚拟行为规划与驾驶员的实际驾驶行为更大的差异。可以将目标时间周期的差异数据进行加权之后，输入给自动驾驶决策规划模块。具体的，例如，针对差异数据进行加权的权值可以为0.2、0.3或0.35等。
在本实施方式中，如果认定车辆行驶于该导航路径信息表示路段时，自动驾驶决策规划模块输出的虚拟行为规划与驾驶员的实际驾驶行为之间没有差异。可以进一步判断是否需要进行虚拟运动规划的修正。具体的，可以根据每个时间周期的虚拟行为规划，模拟控制车辆得到车辆在每个时间周期的虚拟控制行驶轨迹数据，以及获得每个时间周期对应的车辆实际的目标融合行驶轨迹数据。如此，进一步计算虚拟控制行驶轨迹数据与车辆实际的目标融合行驶轨迹数据之间的绝对位姿误差（absolute pose error，APE），如此，可以根据绝对位姿误差针对自动驾驶决策规划模块进行修订。当然，在一些实施方式中，可以在绝对位姿误差的取值大于一个设定位姿误差阈值的情况下，才针对自动驾驶决策规划模块进行修订。当然，在一些实施方式中，还可以计算虚拟控制行驶轨迹数据和车辆实际的目标融合行驶轨迹数据之间的绝对轨迹误差（absolute trajectory error，ATE）、相对位姿误差（relative poseerror，RPE）和相对轨迹误差（relativetrajectory error，RTE），并相应的修正自动驾驶决策规划模块。
步骤S28：根据所述差异数据，生成导航路径信息对应的自动驾驶信心信息。
在本实施方式中，可以根据所述差异数据针对被划分为熟路组的导航路径信息，生成对应导航路径信息的自动驾驶信心信息。具体的，例如，可以根据车辆重复行驶在同一个导航路径信息表示的路段的差异数据，按照信心指数生成规则生成导航路径信息的自动驾驶信心信息。具体的，例如，信心指数生成规则可以包括：车辆行驶于所述导航路径信息表示路段的差异数据等于第一指定阈值，认定车辆行驶于所述路径信息表示路段的自动驾驶信心信息为优秀；车辆行驶于所述导航路径信息表示路段的差异数据大于第一指定阈值，且小于等于第二指定阈值的情况下，认定车辆行驶于所述导航路径信息表示路段的自动驾驶信心信息为良好；车辆行驶于所述导航路径信息的差异数据大于第二指定阈值，且小于等于第三阈值的情况下，认定车辆行驶于所述导航路径信息表示路段的自动驾驶信心信息为正常；车辆行驶于所述导航路径信息的差异数据大于第三阈值的情况下，认定车辆行驶于所述路段路径信息表示路段的自动驾驶信心信息为差。在一些实施方式中，可以根据差异数据，统计车辆行驶于导航路径信息表示路段过程中，每公里出现虚拟行为规划与驾驶员的实际驾驶行为之间的差异次数。如此，第一指定阈值可以为0，在差异次数等于第一指定阈值的情况下，可以表示该导航路径信息对应的自动驾驶信心信息为优秀，此时表示自动驾驶能力为优秀。第二指定阈值可以为1，在差异次数大于0，并小于等于1时，可以表示该导航路径信息对应的自动驾驶信心信息为良好，此时表示自动驾驶能力为良好。第三指定阈值可以为2，在差异次数大于1，并小于等于2时，可以表示该导航路径信息对应的自动驾驶信心信息为正常，此时表示自动驾驶能力为正常。当差异次数大于2时，可以表示该导航路径信息对应的自动驾驶信心信息为差，此时表示自动驾驶能力为差。
在一些实施方式中，自动驾驶信心信息可以为具体的数值。具体的，可以设定自动驾驶信心信息的最大值为100。当差异次数为0时，可以认定导航路径信息对应的自动驾驶信心信息为100，此时表示自动驾驶能力为优秀。当差异次数大于0并小于等于1时，可以映射至数值小于100并大于等于90的取值区间，此时表示自动驾驶能力为良好。当差异次数大于1并小于等于2时，可以映射至数值小于90并大于等于80，此时表示自动驾驶能力为正常。当差异次数大于2时，可以映射至数值小于80，此时表示自动驾驶能力为差。在一些实施方式中，可以结合驾驶难度，为自动驾驶信心信息的数值设置权值。具体的，导航路径信息的自动驾驶难度为高难度时，可以为前述计算得出的自动驾驶信心信息设置第一权值。当导航路径信息的自动驾驶难度为普通难度时，可以为自动驾驶信心信息设置第二权值。当导航路径信息的自动驾驶难度为低难度时，可以为自动驾驶信心信息设置第三权值。其中，第一权值大于第二权值大于第三权值。在自动驾驶信心信息为100时，可以无需设置权值。如此，可以将自动驾驶的难度作用至自动驾驶信心信息，以使得可以更加安全、准确的表征车辆执行自动驾驶的安全性。
在本实施方式中，可以根据自动驾驶信心信息，为导航路径信息设置相应的颜色。具体的，在车辆的终端通过普通导航地图展示该导航路径信息表示的路段时，可以以该颜色表示该导航路径信息的自动驾驶信心信息。具体的，例如，针对前述自动驾驶信心信息为优秀的导航路径信息，颜色可以为墨绿，自动驾驶信心信息为良好的导航路径信息，颜色可以为绿色，自动驾驶信心信息为正常的导航路径信息，颜色可以为黄色，自动驾驶信心信息为差的导航路径信息，颜色可以为红色。
在一些实施方式中，影子模式可以具有验证周期。具体的，验证周期的时长可以为一周。当然，验证周期的时长也可以为10天、15天、或者3天等等。车辆控制系统可以根据验证周期的最后两天的虚拟驾驶数据，生成导航路径信息的自动驾驶信心信息。如此，使得自动驾驶信心信息可以很好的表示车辆的自动驾驶能力。当然，车辆也可以通过显示界面提供设置功能，驾驶员可以设置选择，让车辆控制系统学习自身的驾驶风格，也可以选择不让车辆控制系统学习自身的驾驶风格。
请参阅图3。自动驾驶路径推荐阶段可以包括以下步骤。
步骤S31：在驾驶员驾驶车辆的过程中，根据车辆的当前导航路径在熟路组中匹配，得出与所述当前导航路径信息适配的目标导航路径信息。
在本实施方式中，车辆控制系统可以根据车辆的当前导航路径信息，判断是否存在已经划分熟路组的导航路径信息与该当前导航路径信息相适配。将熟路组中，与当前导航路径信息适配的导航路径信息，作为目标导航路径信息。具体的，将当前导航路径与熟路组中的导航路径信息匹配，可以包括：计算当前导航路径与熟路组中导航路径信息之间，表示路段的重合度，并将重合度的取值最大的导航路径信息，作为目标导航路径信息。当然，目标导航路径信息表示的路段需要涵盖车辆的当前位置。
在本实施方式中，在车辆控制系统得出目标导航路径信息之后，可以提醒驾驶员，车辆控制系统已经对当前导航路径信息匹配得出目标导航路径信息，使得车辆控制系统已经具备了一定的自动驾驶能力。具体的，可以通过语音的方式对驾驶员进行提醒。
步骤S32：在所述车辆的终端界面显示目标导航路径信息的自动驾驶信心信息。
在本实施方式中，车辆控制系统可以在车辆的终端界面显示普通导航地图，并显示目标导航路径信息的自动驾驶信心信息。具体的，例如，可以直接在终端界面显示自动驾驶信心信息的取值。当然，也可以显示自动驾驶信心信息对应的颜色。具体的，例如，在终端界面显示的普通导航地图中，对应目标导航路径信息的路段颜色为目标导航路径信息的自动驾驶信心信息对应的颜色。
在一些情况下，当目标导航路径信息的自动驾驶信心信息表示的自动驾驶能力，为正常或差时，可以通过语音提醒驾驶员，如果启动车辆的自动驾驶，需要多注意。
步骤S33：根据接收的驾驶员的指令，启动自动驾驶。
在本实施方式中，车辆控制系统可以通过语音或者显示界面的按钮，与驾驶员进行交互，在得到驾驶员发出的确定启动自动驾驶指令的情况下，启动车辆的自动驾驶。
请参阅图4。自动驾驶阶段可以包括以下步骤。
步骤S41：在车辆行驶过程中，结合车辆的卫星定位数据和惯导定位数据，得到车辆的当前定位数据。
在本实施方式中，车辆控制系统可以在车辆行驶过程中，不断结合车辆的卫星定位数据和惯导定位数据，以得到由补全的卫星定位数据形成的当前定位数据，具体的，可以参照前述实施方式介绍，不再赘述。
步骤S42：基于采集到的当前环境数据，进行障碍物和交通标识识别，得到表示障碍物的障碍物数据，和表示交通标识的交通标识数据。
在本实施方式中，具体的，可以基于当前环境数据进行障碍物识别、空中交通标识识别、地面交通标识识别等。具体的，可以参见前述实施方式对照解释，不再赘述。
步骤S43：结合所述车辆的当前导航路径信息、所述交通标识数据和所述当前定位数据，生成当前目标融合行驶轨迹数据。
在本实施方式中，可以将车辆行驶过程中，生成的当前定位数据和当前环境数据进行融合，得到一个较高精度的目标融合行驶轨迹数据。具体的，可以参照前述实施方式对照解释，不再赘述。
步骤S44：基于所述交通标识数据包括的地面交通标识数据，进行局部语义建图，得到局部语义地图。
在本实施方式中，局部语义地图较为准确的表示车辆当前所处环境中地面交通标识的信息。如此，通过建立车辆所处位置的局部语义地图，为进一步实现自动驾驶提供较为准确的信息。具体的，可以参照前述实施方式对照解释，不再赘述。
步骤S45：根据表示障碍物的障碍物数据和所述局部语义地图进行轨迹预测，得到轨迹预测结果。
在本实施方式中，轨迹预测模块可以根据表示障碍物的障碍物数据、局部语义地图进行轨迹预测，以便于自动驾驶决策规划模块进行最终的行为规划和运动规划。具体的，可以参照前述实施方式对照解释，不再赘述。
步骤S46：基于所述目标融合行驶轨迹数据和所述轨迹预测结果，进行所述车辆的行为规划和运动规划，以根据所述行为规划和所述运动规划控制所述车辆行驶。
在本实施方式中，车辆控制系统的自动驾驶决策规划模块可以根据目标融合行驶轨迹数据和轨迹预测结果，生成车辆的行为规划和运动规划，如此，车辆便可以根据该行为规划和运动规划控制车辆实现自动驾驶。
在一些实施方式中，车辆的控制方法还可以包括：针对存储的导航路径信息划分熟路组；其中，同一个熟路组中包括的导航路径信息中，导航路径信息的起点信息表示的位置之间符合第一设定距离条件，且终点信息表示的位置之间符合第二设定距离条件；针对同一个熟路组中导航路径信息分别对应的联合地图数据，进行互相校正，得到目标联合地图数据；在基于所述自动驾驶决策规划模块执行自动驾驶的过程中，将所述目标联合地图数据作为所述自动驾驶决策规划模块的输入。
在本实施方式中，可以对同一个熟路组中导航路径信息对应的联合地图数据进行互相校准，以提升联合地图数据的精准度。具体的，例如，将对应同一个熟路组的多个联合地图数据的环境数据进行均值处理，定位数据也进行均值处理。当然，所属领域技术人员，还可以做出其他变更，不在赘述。
在本实施方式中，可以将目标联合地图数据作为一个输入，提供给自动驾驶决策规划模块。如此，使得自动驾驶决策规划模块可以结合输入的当前定位数据、当前环境数据、导航路径信息和目标联合地图数据，更加准确的指定车辆的行为规划和运动规划。具体的，输入给自动驾驶决策规划模块，可以是包括所述当前定位数据表示位置的局部联合地图数据。如此，减少了数据运算量，也满足使用的需求。再者，可以使用存储的定位数据、环境数据、导航路径信息和联合地图数据等，对自动驾驶决策规划模块进行预训练，实现自动驾驶决策规划模块可以较为准确的从该些数据中提取出有效的信息。
请参阅图5，本说明书的一个实施方式提供一种车辆的控制方法，应用于所述车辆，所述车辆的控制方法可以包括以下步骤。
步骤S50：获取在驾驶员驾驶所述车辆从第一位置行驶至第二位置的过程中，基于普通导航地图生成的导航路径信息。
步骤S51：对应所述导航路径信息，存储所述车辆行驶于所述导航路径信息对应路段的过程中，采集到的定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息。
步骤S52：在所述车辆行驶于导航路径信息表示的路段，多于指定行驶次数阈值的次数的情况下，根据所述普通导航地图，对所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹。
步骤S53：基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。
在本实施方式中，在驾驶员驾驶车辆的过程中，普通导航地图可以生成车辆形成的导航路径信息。车辆的车辆控制系统可以在车辆行驶过程中，生成定位数据和环境数据。并可以对应普通导航地图存储定位数据和环境数据。
在一些情况下，驾驶员可能会驾驶车辆多次行驶于导航路径信息对应的路段。具体的，在行驶于同一个导航路径信息表示路段的次数超过指定行驶次数阈值的情况下，可以将该导航路径信息对应的路段作为熟路，并可以对应导航路径信息生成能够相对于普通导航地图车道级定位的目标融合行驶轨迹。
在本实施方式中，可以以目标融合行驶轨迹作为基准，调整车辆的自动驾驶决策规划模块，以使得自动驾驶决策规划模块，在被输入所述目标融合行驶轨迹对应的定位数据和环境数据的情况下，可以控制车辆自动驾驶，以使得车辆的行驶轨迹趋于所述目标融合行驶轨迹。
本实施方式涉及的技术方案的细节，可以参照前述实施方式对照解释，不再赘述。
在一些实施方式中，所述车辆设置有多个电子控制单元。所述车辆的控制方法还可以包括：由所述车辆的多个电子控制单元生成所述定位数据和所述环境数据。
在本实施方式中，车辆可以设置有多个电子控制单元，每个电子控制单元可以分别实现车辆所需的功能。电子控制单元也可以与车辆的传感器配合使用，通过传感器采集数据，由电子控制单元进行数据处理。具体的，例如，车辆可以设置有多个环境传感器，并将环境传感器采集到的传感信号提供给相应的电子控制单元，由所述电子控制单元针对传感信号进行处理得出环境数据。车辆还可以设置有生成定位数据的电子控制单元。具体的，电子控制单元可以为定位模组，可以通过GPS系统信号，或者北斗系统信号生成定位数据。电子控制单元还可以包括：惯性导航定位模块。
在本实施方式中，定位数据和环境数据都在车辆内部署的电子控制单元中运算处理，使得车辆控制系统可以较少的与网络中的服务器交互，提升了车辆控制的自主性。进一步的，车辆控制系统根据自身设置的电子控制单元获取环境数据和定位数据之后，便可以由车辆控制系统自行生成语义地图，而可以无需从服务器获取高精度地图。
在一些实施方式中，所述车辆的控制方法还可以包括：针对存储的导航路径信息划分熟路组；其中，同一个熟路组中包括的导航路径信息中，导航路径信息的起点信息表示的位置之间符合第一设定距离条件，且终点信息表示的位置之间符合第二设定距离条件；或，导航路径信息之间涉及的路段的重合度，高于指定重合度阈值。
在本实施方式中，在所述熟路发现阶段中，将存储的导航路径信息划分熟路组。如此，被划分为熟路组中的导航路径信息，可以被认定为属于相同或相似的行程。通过划分熟路组，可以便于多个不同导航路径信息涉及的定位数据和环境数据进行互相校正。不同熟路组可以用于表示一个驾驶员的使用场景。
本实施方式涉及的技术方案的细节，可以参照前述熟路发现阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，所述环境数据包括鸟瞰图数据；所述普通导航地图对应道路记录有车道数量；将所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹，可以包括：利用所述车辆的定位数据和所述普通导航地图，基于指定算法生成所述导航路径信息对应的路段轨迹信息；所述路段轨迹信息包括表示道路的路段信息；基于所述鸟瞰图数据指示的车道线和道路的车道数量，确定所述车辆在所述路段信息表示道路的目标车道信息；其中，所述目标车道信息用于表示所述车辆处于所述道路中的车道；结合所述路段轨迹信息和所述目标车道信息，得到目标融合行驶轨迹。
在本实施方式中，目标融合行驶轨迹可以用于表示车辆于导航路径信息表示路段的行驶情况。在一些实施方式中，目标融合行驶轨迹可以为针对驾驶员驾驶车辆的情况下形成。使得，目标融合行驶轨迹可以一定程度上表示驾驶员对于车辆的控制结果。如此，得到目标融合行驶轨迹之后，便可以将目标融合行驶轨迹作为目标，以调整车辆的自动驾驶决策规划模块，使得后续车辆再次行驶于相同路段时，车辆控制系统可以控制车辆自动驾驶时，形成的融合行驶轨迹可以趋于与目标融合行驶轨迹相同。
本实施方式涉及的技术方案的细节，可以参照前述熟路发现阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，所述车辆的控制方法还可以包括：从所述鸟瞰图数据中识别出所述车辆相对于车道的横向轨迹数据；其中，所述横向轨迹数据用于表示所述车辆相对于所述目标车道信息表示车道的横向偏移；将所述横向轨迹数据融入所述目标融合行驶轨迹。
在本实施方式中，车辆行驶于路段过程中，车辆在车道内的行驶情况还是会存在一定的变化。通常车辆的中心难以一直处于车道的中心线，会相对于中心线发生一定的横向偏移。通过分析得出横向轨迹数据，进而根据横向轨迹数据对目标融合行驶轨迹校正，使得目标融合行驶轨迹数据可以更加准确。
本实施方式涉及的技术方案的细节，可以参照前述熟路发现阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块的步骤，可以包括：从所述目标融合行驶轨迹中解析得到所述车辆相对于路段的纵向和/或横向的目标速度分布；调整所述自动驾驶决策规划模块，以使所述车辆自动驾驶于所述熟路组对应的路段的过程中，所述车辆的速度分布趋于所述目标速度分布。
在本实施方式中，通过调整车辆的自动驾驶决策规划模块，可以使得车辆控制系统学习驾驶员针对车辆的驾驶习惯。实现，车辆在执行自动驾驶的过程中，对车辆的控制接近驾驶员对车辆的控制。
本实施方式涉及的技术方案的细节，可以参照前述影子模式验证阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，调整所述自动驾驶决策规划模块的步骤，可以包括：基于从所述环境数据中识别出的地面交通标识数据，进行局部语义建图，得到局部语义地图；根据从所述环境数据中识别出的表示障碍物的障碍物数据和所述局部语义地图进行轨迹预测，得到轨迹预测结果；将所述目标融合行驶轨迹数据、导航路径信息和所述轨迹预测结果，输入至所述自动驾驶决策规划模块，得到所述车辆的虚拟行为规划和虚拟运动规划；将模拟执行所述虚拟行为规划和所述虚拟运动规划形成的虚拟控制数据，与驾驶员的实际控制数据进行比较，得出差异数据，以根据所述差异数据修改所述自动驾驶决策规划模块。
在本实施方式中，可以通过计算虚拟控制数据与驾驶员的实际控制数据之间的差异数据，可以得出车辆控制系统控制车辆自动驾驶，与驾驶员驾驶车辆的差异程度。进而，可以在车辆多次行驶于同一个路段后，不断调整自动驾驶决策规划模块，以减少差异程度。使得虚拟控制数据趋于与驾驶员的实际控制数据相同。
本实施方式涉及的技术方案的细节，可以参照前述影子模式验证阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，所述车辆的控制方法还可以包括：根据所述差异数据，生成驾驶路径信息对应的自动驾驶信心信息。
在本实施方式中，自动驾驶信心信息可以用于表示车辆在导航路径信息涉及路段执行自动驾驶的能力。在一些情况下，自动驾驶信心信息也可以用于表示车辆在导航路径信息涉及路段执行自动驾驶的安全性。
本实施方式涉及的技术方案的细节，可以参照前述影子模式验证阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，在所述普通导航地图中，通过所述导航路径信息对应路段的颜色，表示所述自动驾驶信心信息。
在本实施方式中，通过普通导航地图中路段的颜色，表示自动驾驶信心信息。使得，驾驶员在驾驶车辆的过程中，便可以通过查看普通导航地图获知在路段上执行自动驾驶的驾驶能力。给驾驶员带来了便利。本实施方式涉及的技术方案的细节，可以参照前述影子模式验证阶段中相关实施方式对照解释，也可以参照自动驾驶路径推荐阶段相关实施方式对照解释，不再赘述。
在一些实施方式中，所述车辆的控制方法还可以包括：根据所述目标速度分布按照设定难度规则，确定路段对应的驾驶难度；其中，所述驾驶难度包括高难度或低难度；其中，所述设定难度规则包括：所述纵向速度分布表示所述车辆的速度小于指定速度阈值，认定所述路段对应的驾驶难度为高难度；或者，所述纵向速度分布表示所述车辆的速度分布均匀，且平均速度大于所述指定速度阈值，认定所述路段对应的驾驶难度为低难度。
在本实施方式中，路段的驾驶难度可以一定程度上表示路段中路况的复杂程度。驾驶难度为高难度，可以理解为路段中路况较为复杂。驾驶难度为低难度，可以理解为路段中路况良好，较少干扰车辆行驶的因素。
本实施方式涉及的技术方案的细节，可以参照前述熟路发现阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，所述车辆的控制方法还可以包括：在驾驶员驾驶车辆的过程中，根据车辆的当前导航路径在熟路组中匹配，得出与所述当前导航路径信息适配的目标导航路径信息；在所述车辆的终端界面显示目标导航路径信息的自动驾驶信心信息；根据接收的驾驶员的指令，启动自动驾驶。
在本实施方式中，向驾驶员反馈所述自动驾驶信心信息表示的执行自动驾驶的驾驶能力，可以包括：控制所述车辆的车载显示器，根据自动驾驶信心信息区分颜色展示路段；其中，路段的颜色用于表示所述车辆执行自动驾驶的驾驶能力；或者，通过语音播报，所述路段的自动驾驶信心信息表示的执行自动驾驶的驾驶能力。
在本实施方式中，车辆控制系统可以根据定位数据，结合普通导航地图确定车辆所处的路段。具体的，在路段具有自动驾驶信心信息的情况下，可以向驾驶员反馈所述自动驾驶信心信息，以使得驾驶员可以获知车辆所处路段的自动驾驶的驾驶能力。如此，驾驶员可以自行判断是否启动车辆的自动驾驶。
在本实施方式中，可以通过不同的颜色表示不同路段的自动驾驶的驾驶能力。驾驶员可以在查看车载显示器之后，了解所处路段的自动驾驶的驾驶能力。在一些实施方式中，车辆的控制系统也可以通过语音播报的方式，告知驾驶员车辆所路段的自动驾驶的驾驶能力。如此，驾驶员可以无需查看车载显示器，便可以获知车辆所处路段的自动驾驶的驾驶能力。
在本实施方式中，车载显示器可以为设置在车辆内的电子装置。具体的，车载显示器可以为应用于车辆的LCD或LED显示器。当然，在一些实施方式中，具体的，例如，车载显示器可以为汽车平视显示器（Head Up Display，HUD），或，增强现实显示设备（AugmentedReality，AR）等。
本实施方式中，涉及的技术方案，可以与前述实施方式对照解释。
请参阅图6。本说明书的一个实施方式一种自动驾驶提示方法。所述自动驾驶提示方法应用于车辆。所述自动驾驶提示方法可以包括以下步骤。
步骤S60：确定车辆从指定的第一位置行驶至指定的第二位置涉及的路段。
步骤S61：获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法基于普通导航地图，对车辆环境信息进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的。
步骤S62：提示所述自动驾驶信心信息。
在本实施方式中，第一位置可以用于表示行程的起点位置。第二位置可以用于表示行程的终点位置。在一些实施方式中，第一位置可以为车辆控制系统采集的车辆当前的定位数据表示的位置。第二位置可以是驾驶员向车辆控制系统输入的目标位置。从第一位置至目标位置可以形成一个路段。所述路段中可以包括多个子路段。具体的，例如，路段中可以有途经点。如此，第一位置至最近的途经点，相邻途经点之间，或，最后的途经点与第二位置之间可以分别形成子路段。当然，在一些实施方式中，也可以将路段中涉及的每个道路作为一个子路段。
在本实施方式中，可以分别将车辆历史上行驶于子路段时计算得出的差异数据，作为每个子路段的历史差异数据。进而，可以根据前文实施方式介绍的生成每个子路段的自动驾驶信心信息。车辆的控制系统可以在驾驶员驾驶的过程中，至少基于环境信息执行自动驾驶决策算法的运算。如此，车辆控制系统会模拟自动驾驶车辆的控制过程，生成虚拟控制数据。如此，将虚拟控制数据与车辆被驾驶员驾驶产生的实际控制数据比较，可以得出表示车辆控制系统控制车辆执行自动驾驶的结果，与驾驶员驾驶车辆的差异程度的差异数据。如此，车辆控制系统可以动态的修改自动驾驶决策算法中的参数，以期望减少差异数据表示的差异程度，使得车辆控制系统可以学习驾驶员驾驶车辆的驾驶习惯。
在本实施方式中，自动驾驶决策算法可以集成于车辆控制系统中。具体的，例如，车辆控制系统中可以具有自动驾驶决策规划模块，自动驾驶决策算法可以应用于自动驾驶决策规划模块。
在一些实施方式中，车辆控制系统也可以在车辆行驶于某一路段的次数多于指定行驶次数阈值的情况下，才使用存储的环境信息生成目标融合行驶轨迹，进而可以根据目标融合行驶轨迹基于自动驾驶决策算法生成虚拟控制数据。并将虚拟控制数据与存储的驾驶员的实际控制数据进行比较得出历史差异数据。实现，对应子路段生成自动驾驶信心信息。如此，在生成自动驾驶信心信息之后，可以存储在车辆设置的存储器中，以便于读取使用。自动驾驶信心信息可以随着车辆进一步行驶于相应子路段进行更新。
本实施方式涉及的技术方案的细节，可以参照前述影子模式验证阶段中相关实施方式对照解释，不再赘述。
在本实施方式中，车辆控制系统可以控制车辆向驾驶员提示所行驶的路段对应的自动驾驶信心信息。如此，驾驶员可以自行判断是否启动自动驾驶。
本实施方式涉及的技术方案的细节，可以参照前述自动驾驶路径推荐阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，提示所述自动驾驶信心信息的步骤，可以包括：控制所述车辆的车载显示器，提示所述车辆能执行自动驾驶的路段，以及对应路段提示路段的自动驾驶信心信息。
在本实施方式中，车辆控制系统可以控制车辆的车载显示器中，可以提示能够执行自动驾驶的路段，以及路段的自动驾驶信心信息。如此，驾驶员可以快速的了解车辆对于所行驶路段或后续路段中，车辆的自动驾驶能力。便于驾驶员决定是否启动自动驾驶，或者，便于驾驶员规划在后续路段启动自动驾驶。具体的，例如，车辆控制系统可以控制车载显示器显示普通导航地图，并可以针对普通导航地图中路段的颜色表示自动驾驶信心信息。如此，驾驶员看到相关界面之后，便可以了解路段能够执行自动驾驶，以及车辆执行自动驾驶的能力情况。
本实施方式涉及的技术方案的细节，可以参照前述自动驾驶路径推荐阶段中相关实施方式对照解释，不再赘述。
在一些实施方式中，控制所述车辆的车载显示器，提示所述车辆能执行自动驾驶的路段，以及对应路段提示路段的自动驾驶信心信息的步骤，可以包括：区分不同的路段，分别提示每个路段的自动驾驶信心信息。
在本实施方式中，不同路段的自动驾驶信心信息之间相互独立。即，不同路段的自动驾驶信心信息可以相同，也可以不相同。如此，分别提示每个路段的自动驾驶信心信息，可以较为准确的表达车辆控制系统于不同路段的自动驾驶能力。如此，给了驾驶员较为准确信息反馈，以便于驾驶员在不同路段具体采用较为适当的驾驶行为。具体的，例如，针对自动驾驶信心信息表示自动驾驶能力为差的路段，驾驶员在启动自动驾驶功能之后，也需要谨慎观察外部情况，以便于出现意外情况即时接管车辆。在本实施方式中，具体的，例如，为了较为明显的区分不同的路段，在车载显示器中可以通过颜色，或者，纹路，图案来提示相同或者不同的自动驾驶信心信息。
本实施方式涉及的技术方案的细节，可以参照前述自动驾驶路径推荐阶段中相关实施方式对照解释，不再赘述。
本说明书的一个实施方式还提供一种车辆控制装置。如图7所示，所述车辆控制装置可以包括以下模块。
导航路径获取单元，用于获取在驾驶员驾驶所述车辆从第一位置行驶至第二位置的过程中，基于普通导航地图生成的导航路径信息；
存储单元，用于对应所述导航路径信息，存储所述车辆行驶于所述导航路径信息对应路段的过程中，采集到的定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；
融合单元，用于在所述车辆行驶于导航路径信息表示的路段，多于指定行驶次数阈值的次数的情况下，根据所述普通导航地图，对所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的目标融合行驶轨迹；
调整单元，用于基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。
关于车辆控制装置实现的具体功能和效果，可以参照本说明书其他实施方式对照解释，在此不再赘述。所述车辆控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。所述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
请参阅图8。本说明书的一个实施方式还提供一种自动驾驶提示装置。所述自动驾驶提示装置应用于车辆。所述自动驾驶提示装置可以包括以下单元。
确定单元，用于确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段；
信心信息获取单元，用于获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法基于普通导航地图，对车辆环境信息进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；
提示单元，用于提示所述自动驾驶信心信息。
关于自动驾驶提示装置实现的具体功能和效果，可以参照本说明书其他实施方式对照解释，在此不再赘述。所述自动驾驶提示装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。所述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
请参阅图9。本说明书实施方式还提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一实施方式中的车辆控制方法或者自动驾驶提示方法。
所述电子设备可以包括被系统总线连接的处理器、非易失性存储介质、内存储器、通信接口、显示装置和输入装置。所述非易失性存储介质可以存储有操作系统和相关的计算机程序。
本说明书实施方式还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得，该计算机执行上述任一实施方式中的车辆控制方法或者自动驾驶提示方法。
可以理解，本文中的具体的例子只是为了帮助本领域技术人员更好地理解本说明书实施方式，而非限制本发明的范围。
可以理解，在本说明书中的各种实施方式中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本说明书实施方式的实施过程构成任何限定。
可以理解，本说明书中描述的各种实施方式，既可以单独实施，也可以组合实施，本说明书实施方式对此并不限定。
除非另有说明，本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
可以理解，本说明书实施方式的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit，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。可以实现或者执行本说明书实施方式中的公开的各方法、步骤及逻辑框图。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。结合本说明书实施方式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中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
可以理解，本说明书实施方式中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(programmableROM，PROM)、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本说明书的范围。
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，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
在本说明书所提供的几个实施方式中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，所述单元的划分，仅仅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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所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网络单元上。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方式方案的目的。
另外，在本说明书各个实施方式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。
所述功能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，本说明书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所述技术方案的部分可以以软件产品的形式体现出来，所述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(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本说明书的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本说明书的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (19)
1.一种车辆的控制方法，其特征在于，应用于所述车辆，所述方法包括：
获取在驾驶员驾驶所述车辆从第一位置行驶至第二位置的过程中，基于普通导航地图生成的导航路径信息；
对应所述导航路径信息，存储所述车辆行驶于所述导航路径信息对应路段的过程中，采集到的定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；
在所述车辆行驶于导航路径信息表示的路段，多于指定行驶次数阈值的次数的情况下，根据所述普通导航地图，对所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹；
基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。
2.根据权利要求1所述的方法，其特征在于，所述车辆设置有多个电子控制单元，所述方法还包括：
由所述车辆的多个电子控制单元生成所述定位数据和所述环境数据。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对存储的导航路径信息划分熟路组；其中，同一个熟路组中包括的导航路径信息中，导航路径信息的起点信息表示的位置之间符合第一设定距离条件，且终点信息表示的位置之间符合第二设定距离条件；或，导航路径信息之间涉及的路段的重合度，高于指定重合度阈值。
4.根据权利要求1所述的方法，其特征在于，所述环境数据包括鸟瞰图数据；所述普通导航地图对应道路记录有车道数量；对所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹，包括：
利用所述车辆的定位数据和所述普通导航地图，基于指定算法生成所述导航路径信息对应的路段轨迹信息；所述路段轨迹信息包括表示路段的路段信息；
基于所述鸟瞰图数据指示的车道线和路段的车道数量，确定所述车辆在所述路段信息表示道路的目标车道信息；其中，所述目标车道信息用于表示所述车辆处于所述道路中的车道；
结合所述路段轨迹信息和所述目标车道信息，得到目标融合行驶轨迹。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
从所述鸟瞰图数据中识别出所述车辆相对于车道的横向轨迹数据；其中，所述横向轨迹数据用于表示所述车辆相对于所述目标车道信息表示车道的横向偏移；
将所述横向轨迹数据融入所述目标融合行驶轨迹。
6.根据权利要求1所述的方法，其特征在于，基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块的步骤，包括：
从所述目标融合行驶轨迹中解析得到所述车辆相对于道路的纵向和/或横向的目标速度分布；
调整所述自动驾驶决策规划模块，以使所述车辆自动驾驶于所述路段的过程中，所述车辆的速度分布趋于所述目标速度分布。
7.根据权利要求6所述的方法，其特征在于，调整所述自动驾驶决策规划模块的步骤，包括：
基于从所述环境数据中识别出的地面交通标识数据，进行局部语义建图，得到局部语义地图；
根据从所述环境数据中识别出的表示障碍物的障碍物数据和所述局部语义地图进行轨迹预测，得到轨迹预测结果；
将所述目标融合行驶轨迹数据、导航路径信息和所述轨迹预测结果，输入至所述自动驾驶决策规划模块，得到所述车辆的虚拟行为规划和虚拟运动规划；
将模拟执行所述虚拟行为规划和所述虚拟运动规划形成的虚拟控制数据，与驾驶员的实际控制数据进行比较，得出差异数据，以根据所述差异数据修改所述自动驾驶决策规划模块。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
根据所述差异数据，生成导航路径信息对应的自动驾驶信心信息。
9.根据权利要求8所述的方法，其特征在于，在所述普通导航地图中，通过所述导航路径信息对应路段的颜色，表示所述自动驾驶信心信息。
10.根据权利要求7所述的方法，其特征在于，所述方法还包括：
根据所述目标速度分布按照设定难度规则，确定路段对应的驾驶难度；其中，所述驾驶难度包括高难度或低难度；其中，所述设定难度规则包括：所述纵向速度分布表示所述车辆的速度小于指定速度阈值，认定所述路段对应的驾驶难度为高难度；
或者，所述纵向速度分布表示所述车辆的速度分布均匀，且平均速度大于所述指定速度阈值，认定所述路段对应的驾驶难度为低难度。
11.根据权利要求8所述的方法，其特征在于，所述车辆存储的导航路径信息被划分为熟路组，且同一个熟路组中包括的导航路径信息中，导航路径信息的起点信息表示的位置之间符合第一设定距离条件，且终点信息表示的位置之间符合第二设定距离条件；所述方法还包括：
在驾驶员驾驶车辆的过程中，根据车辆的当前导航路径在熟路组中匹配，得出与所述当前导航路径信息适配的目标导航路径信息；
根据所述路段的自动驾驶信心信息，向驾驶员反馈所述自动驾驶信心信息表示的执行自动驾驶的驾驶能力。
12.根据权利要求11所述的方法，其特征在于，向驾驶员反馈所述自动驾驶信心信息表示的执行自动驾驶的驾驶能力的步骤，包括：
控制所述车辆的车载显示器，根据自动驾驶信心信息区分颜色展示路段；其中，路段的颜色用于表示所述车辆执行自动驾驶的驾驶能力；或者，
通过语音播报，所述路段的自动驾驶信心信息表示的执行自动驾驶的驾驶能力。
13.一种自动驾驶提示方法，其特征在于，应用于车辆，所述方法包括：
确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段；
获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法基于普通导航地图，对车辆环境信息进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；
提示所述自动驾驶信心信息。
14.根据权利要求13所述的方法，其特征在于，提示所述自动驾驶信心信息的步骤，包括：控制所述车辆的车载显示器，提示所述车辆能执行自动驾驶的路段，以及对应路段提示路段的自动驾驶信心信息。
15.根据权利要求14所述的方法，其特征在于，控制所述车辆的车载显示器，提示所述车辆能执行自动驾驶的路段，以及对应路段提示路段的自动驾驶信心信息的步骤，包括：区分不同的路段，分别提示每个路段的自动驾驶信心信息。
16.一种车辆控制装置，其特征在于，包括：
导航路径获取单元，用于获取在驾驶员驾驶所述车辆从第一位置行驶至第二位置的过程中，基于普通导航地图生成的导航路径信息；
存储单元，用于对应所述导航路径信息，存储所述车辆行驶于所述导航路径信息对应路段的过程中，采集到的定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；
融合单元，用于在所述车辆行驶于导航路径信息表示的路段，多于指定行驶次数阈值的次数的情况下，根据所述普通导航地图，对所述定位数据和所述环境数据进行融合处理，得到所述车辆相对于所述普通导航地图的目标融合行驶轨迹；
调整单元，用于基于所述目标融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。
17.一种自动驾驶提示装置，其特征在于，应用于车辆，所述装置包括：
确定单元，用于确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段；
信心信息获取单元，用于获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法基于普通导航地图，对车辆环境信息进行融合处理，得到所述车辆相对于所述普通导航地图的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；
提示单元，用于提示所述自动驾驶信心信息。
18.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以实现如权利要求1至12中任一项所述的车辆的控制方法，或者，以实现如权利要求13至15中任一项所述的自动驾驶提示方法。
19.一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至少一条计算机程序，所述至少一条计算机程序被处理器执行时能够实现如权利要求1至12中任一项所述的车辆的控制方法，或者，实现如权利要求13至15中任一项所述的自动驾驶提示方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310666662.1A CN116394981B (zh) | 2023-06-07 | 2023-06-07 | 车辆控制方法和自动驾驶提示方法及相关装置 |
| CN202311415819.XA CN117382670A (zh) | 2023-06-07 | 2023-06-07 | 车辆控制方法和自动驾驶提示方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310666662.1A CN116394981B (zh) | 2023-06-07 | 2023-06-07 | 车辆控制方法和自动驾驶提示方法及相关装置 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311415819.XA Division CN117382670A (zh) | 2023-06-07 | 2023-06-07 | 车辆控制方法和自动驾驶提示方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116394981A true CN116394981A (zh) | 2023-07-07 |
| CN116394981B CN116394981B (zh) | 2023-09-01 |
Family
ID=87009070
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310666662.1A Active CN116394981B (zh) | 2023-06-07 | 2023-06-07 | 车辆控制方法和自动驾驶提示方法及相关装置 |
| CN202311415819.XA Pending CN117382670A (zh) | 2023-06-07 | 2023-06-07 | 车辆控制方法和自动驾驶提示方法及相关装置 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311415819.XA Pending CN117382670A (zh) | 2023-06-07 | 2023-06-07 | 车辆控制方法和自动驾驶提示方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN116394981B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116700298A (zh) * | 2023-08-08 | 2023-09-05 | 浙江菜鸟供应链管理有限公司 | 路径规划方法、系统、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200002214A (ko) * | 2018-06-29 | 2020-01-08 | 현대엠엔소프트 주식회사 | 차량용 경로 탐색과 안내 장치 및 방법 |
| CN111380548A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳美行科技有限公司 | 线路推荐方法、装置、车载设备和存储介质 |
| US20210300422A1 (en) * | 2020-03-30 | 2021-09-30 | Toyota Research Institute, Inc. | Systems and methods for semi-autonomously controlling a vehicle |
| CN114518122A (zh) * | 2022-02-18 | 2022-05-20 | 腾讯科技（深圳）有限公司 | 行车导航方法、装置、计算机设备、存储介质和计算机程序产品 |
| CN115700204A (zh) * | 2021-07-14 | 2023-02-07 | 魔门塔(苏州)科技有限公司 | 自动驾驶策略的置信度确定方法及装置 |
| CN115973164A (zh) * | 2022-12-07 | 2023-04-18 | 自信智行科技有限公司 | 车辆领航辅助驾驶方法、介质和装置 |
-
2023
- 2023-06-07 CN CN202310666662.1A patent/CN116394981B/zh active Active
- 2023-06-07 CN CN202311415819.XA patent/CN117382670A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200002214A (ko) * | 2018-06-29 | 2020-01-08 | 현대엠엔소프트 주식회사 | 차량용 경로 탐색과 안내 장치 및 방법 |
| CN111380548A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳美行科技有限公司 | 线路推荐方法、装置、车载设备和存储介质 |
| US20210300422A1 (en) * | 2020-03-30 | 2021-09-30 | Toyota Research Institute, Inc. | Systems and methods for semi-autonomously controlling a vehicle |
| CN115700204A (zh) * | 2021-07-14 | 2023-02-07 | 魔门塔(苏州)科技有限公司 | 自动驾驶策略的置信度确定方法及装置 |
| CN114518122A (zh) * | 2022-02-18 | 2022-05-20 | 腾讯科技（深圳）有限公司 | 行车导航方法、装置、计算机设备、存储介质和计算机程序产品 |
| CN115973164A (zh) * | 2022-12-07 | 2023-04-18 | 自信智行科技有限公司 | 车辆领航辅助驾驶方法、介质和装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116700298A (zh) * | 2023-08-08 | 2023-09-05 | 浙江菜鸟供应链管理有限公司 | 路径规划方法、系统、设备及存储介质 |
| CN116700298B (zh) * | 2023-08-08 | 2023-11-21 | 浙江菜鸟供应链管理有限公司 | 路径规划方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117382670A (zh) | 2024-01-12 |
| CN116394981B (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7020728B2 (ja) | システム、方法およびプログラム | |
| JP7045628B2 (ja) | 車両の動作を制御するための車両の装置、車両、およびコンピュータプログラム | |
| JP6969962B2 (ja) | 車両の運転支援及び／又は走行制御のための地図情報提供システム | |
| JP7432285B2 (ja) | レーンマッピング及びナビゲーション | |
| JP2021012709A (ja) | 検出された障壁に基づく車両のナビゲーション | |
| KR20180009755A (ko) | 차선의 추정 방법 | |
| JP4370869B2 (ja) | 地図データ更新方法および地図データ更新装置 | |
| KR20200123474A (ko) | 자율 주행을 위한 항법 정보의 융합 프레임워크 및 배치 정렬 | |
| RU2742213C1 (ru) | Способ управления информацией о полосах движения, способ управления движением и устройство управления информацией о полосах движения | |
| CN110920609A (zh) | 用于模仿前车的系统和方法 | |
| CN113544467A (zh) | 对齐用于导航的道路信息 | |
| CN116394981B (zh) | 车辆控制方法和自动驾驶提示方法及相关装置 | |
| GB2510698A (en) | Driver assistance system | |
| CN112519677A (zh) | 控制装置 | |
| CN113743469A (zh) | 一种融合多源数据及综合多维指标的自动驾驶决策方法 | |
| CN112781600A (zh) | 一种车辆导航方法、装置及存储介质 | |
| CN114930123A (zh) | 用于检测交通灯的系统和方法 | |
| KR102624829B1 (ko) | 차량의 위치 정보를 이용한 주행 안내 제공 방법, 장치 및 컴퓨터프로그램 | |
| CN117651668A (zh) | 用于监测车道标记质量的系统和方法 | |
| CN115735168A (zh) | 用于对交通工具进行导航的控制回路 | |
| CN115698633A (zh) | 用于运行用于引导机动车的辅助功能的方法 | |
| CN115905449B (zh) | 语义地图构建方法及具有熟路模式的自动驾驶系统 | |
| CN116394980B (zh) | 车辆控制方法和自动驾驶提示方法及相关装置 | |
| CN114056337A (zh) | 车辆行驶行为预测方法、装置及计算机程序产品 | |
| CN117268425B (zh) | 车辆的精准导航方法、系统、介质、计算设备及车辆 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |