CN117170384A - 一种车辆自动驾驶方法和装置 - Google Patents

Abstract

本发明公开了一种车辆自动驾驶方法和装置，属于自动驾驶技术领域。该方法的一具体实施方式包括：通过获取车辆的周围环境中存在的物体的点云数据并基于点云数据聚类操作确定出目标物体；根据目标物体的点云数据包含的运动参数(径向速度)计算出该物体的实际速度；从而根据目标物体的实际速度确定出车辆相对于目标物体的行驶速度；本发明的实施例通过确定车辆周围的其他物体的实际速度提高了车辆判断周围物体的运动状态的精度和效率，提升了车辆自动驾驶的用户体验。

Description

一种车辆自动驾驶方法和装置

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种车辆自动驾驶方法和装置。

背景技术

在车辆的自动驾驶技术中，通常可以利用雷达组件探测车辆周围环境中的其他物体的运动信息(例如运动速度等)，从而辅助地确定车辆自身的行驶行为，然而利用车辆雷达组件获取到的其他物体的运动速度信息是极坐标系下的径向速度，与车辆行驶方向的所需要获取的其他物体的实际速度存在差异，导致车辆在参考雷达组件获取的径向速度而确定自身的行驶行为时，存在判断自身行驶行为的准确性偏低的问题，影响了车辆自动驾驶的效果。

发明内容

有鉴于此，本发明提供一种车辆自动驾驶方法和装置，能够通过获取车辆的周围环境中存在的物体的点云数据并基于点云数据聚类操作确定出目标物体；根据目标物体的点云数据包含的运动参数(径向速度)计算出该物体的实际速度；从而根据目标物体的实际速度确定出车辆相对于目标物体的行驶速度。本发明的实施例通过确定车辆周围的其他物体的实际速度提高了车辆判断周围物体的运动状态的精度和效率，提升了车辆自动驾驶的用户体验。

为了解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种车辆自动驾驶方法，包括：

获取所述车辆的周围环境中存在的物体的点云数据；对所述点云数据包括的运动参数特征执行聚类操作，根据聚类结果确定出一个或多个目标物体；针对每一个所述目标物体，基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度；根据一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。

可选地，针对所述目标物体的点云数据来源于所述车辆针对所述目标物体的多个雷达采样点的情况，所述运动参数包括所述车辆到所述目标物体的雷达采样点的径向速度；所述基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度，包括：基于所述目标物体的多个雷达采样点对应的径向速度，计算出目标物体的实际速度。

可选地，所述计算出目标物体的实际速度，包括：基于预设的坐标系，将所述目标物体的多个所述雷达采样点所对应的所述径向速度分解为平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量，其中，所述坐标系的一个坐标轴与所述车辆的行驶方向平行；根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量，计算出目标物体的实际速度。

可选地，所述将所述目标物体的多个所述雷达采样点所对应的所述径向速度分解为平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量，包括：针对所述目标物体的每一个所述雷达采样点，执行下述操作：根据所述雷达采样点的径向速度、所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角，计算出平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量。

可选地，所述根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量，计算出目标物体的实际速度，包括：基于所述径向速度、所述第一速度分量、所述第二速度分量以及所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角，构建出速度损失函数；基于所述速度损失函数、多个所述雷达采样点的所述第一速度分量和所述第二速度分量，确定出对应于所述第一速度分量的第一目标速度以及对应于所述第二速度分量的第二目标速度；根据所述第一目标速度以及第二目标速度，计算出所述目标物体的实际速度。

可选地，所述确定出对应于所述第一速度分量的第一目标速度以及对应于所述第二速度分量的第二目标速度，包括：从多个所述雷达采样点中选取基准参考点；将所述基准参考点对应的第一速度分量和第二速度分量输入所述速度损失函数，并利用所述速度损失函数输出对应的参考值；将除所述基准参考点之外的其他参考点对应的第一速度分量和第二速度分量输入所述速度损失函数，并利用所述速度损失函数输出所述每一个所述其他参考点对应的参考值；利用预设的梯度下降模型，以所述基准参考点对应的参考值为起点，对多个所述其他参考点对应的参考值进行迭代计算，直到满足迭代停止条件；从所述梯度下降模型的计算结果中选取速度损失函数的最小参考值，并确定所述最小参考值所对应的第一速度分量、所述第二速度分量为第一目标速度以及第二目标速度。

可选地，所述根据所述第一目标速度以及第二目标速度，计算出所述目标物体的实际速度，包括：根据所述车辆的自车速度、所述第一目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第一相对位置，计算出所述目标物体在所述坐标系中平行于第一坐标轴的第一实际速度；根据所述第二目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第二相对位置，计算出所述目标物体在所述坐标系中平行于第二坐标轴的第二实际速度。

第二方面，本发明实施例提供一种车辆自动驾驶装置，包括：确定物体模块、计算速度模块和确定速度模块；其中，

所述获取数据模块，用于获取所述车辆的周围环境中存在的物体的点云数据；对所述点云数据包括的运动参数特征执行聚类操作，根据聚类结果确定出一个或多个目标物体；

所述计算速度模块，用于针对每一个所述目标物体，基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度；

所述确定速度模块，用于根据一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。

可选地，所述车辆自动驾驶装置，用于针对所述目标物体的点云数据来源于所述车辆针对所述目标物体的多个雷达采样点的情况，所述运动参数包括所述车辆到所述目标物体的雷达采样点的径向速度；所述基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度，包括：基于所述目标物体的多个雷达采样点对应的径向速度，计算出目标物体的实际速度。

可选地，所述车辆自动驾驶装置，用于计算出目标物体的实际速度，包括：基于预设的坐标系，将所述目标物体的多个所述雷达采样点所对应的所述径向速度分解为平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量，其中，所述坐标系的一个坐标轴与所述车辆的行驶方向平行；根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量，计算出目标物体的实际速度。

可选地，所述车辆自动驾驶装置，用于将所述目标物体的多个所述雷达采样点所对应的所述径向速度分解为平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量，包括：针对所述目标物体的每一个所述雷达采样点，执行下述操作：根据所述雷达采样点的径向速度、所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角，计算出平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量。

可选地，所述车辆自动驾驶装置，用于根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量，计算出目标物体的实际速度，包括：基于所述径向速度、所述第一速度分量、所述第二速度分量以及所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角，构建出速度损失函数；基于所述速度损失函数、多个所述雷达采样点的所述第一速度分量和所述第二速度分量，确定出对应于所述第一速度分量的第一目标速度以及对应于所述第二速度分量的第二目标速度；根据所述第一目标速度以及第二目标速度，计算出所述目标物体的实际速度。

可选地，所述车辆自动驾驶装置，用于确定出对应于所述第一速度分量的第一目标速度以及对应于所述第二速度分量的第二目标速度，包括：从多个所述雷达采样点中选取基准参考点；将所述基准参考点对应的第一速度分量和第二速度分量输入所述速度损失函数，并利用所述速度损失函数输出对应的参考值；将除所述基准参考点之外的其他参考点对应的第一速度分量和第二速度分量输入所述速度损失函数，并利用所述速度损失函数输出所述每一个所述其他参考点对应的参考值；利用预设的梯度下降模型，以所述基准参考点对应的参考值为起点，对多个所述其他参考点对应的参考值进行迭代计算，直到满足迭代停止条件；从所述梯度下降模型的计算结果中选取速度损失函数的最小参考值，并确定所述最小参考值所对应的第一速度分量、所述第二速度分量为第一目标速度以及第二目标速度。

可选地，所述车辆自动驾驶装置，用于根据所述第一目标速度以及第二目标速度，计算出所述目标物体的实际速度，包括：根据所述车辆的自车速度、所述第一目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第一相对位置，计算出所述目标物体在所述坐标系中平行于第一坐标轴的第一实际速度；根据所述第二目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第二相对位置，计算出所述目标物体在所述坐标系中平行于第二坐标轴的第二实际速度。

第三方面，本发明实施例提供一种车辆自动驾驶的车载电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述本发明实施例的车辆自动驾驶方法。

第四方面，本发明实施例提供一种车辆自动驾驶的计算机可读存储介质，其上存储有实现车辆自动驾驶的计算机程序，所述计算机程序被车载处理器执行时实现本发明实施例的车辆自动驾驶方法。

上述发明的技术方案具有如下优点或有益效果：能够通过获取车辆的周围环境中存在的物体的点云数据并基于点云数据聚类操作确定出目标物体；根据目标物体的点云数据包含的运动参数(径向速度)计算出该物体的实际速度；从而根据目标物体的实际速度确定出车辆相对于目标物体的行驶速度。本发明的实施例通过确定车辆周围的其他物体的实际速度提高了车辆判断周围物体的运动状态的精度和效率，提升了车辆自动驾驶的用户体验。

附图说明

图1是根据本发明实施例提供的一种车辆自动驾驶方法的主要流程示意图；

图2是根据本发明实施例提供的一种不同类型速度之间关系的示意图；

图3是根据本发明实施例提供的一种预设的梯度下降模型的示意图；

图4是根据本发明实施例提供的一种车辆自动驾驶装置的主要结构示意图；

图5是本发明实施例可以应用于其中的示例性车辆系统架构图；

图6是适于用来实现本发明实施例的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要指出的是，在不冲突的情况下，本发明的实施例以及实施例中的技术特征可以相互结合。

另外，本发明实施例的术语中所包含的“第一”、“第二”、“第三”等是用于区别类似的对象，而不必用于描述特定的个数或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是本发明的实施例中对相同属性的对象在描述时所采用的区分方式。

此外，本发明实施例所涉及的车辆可以是将引擎作为动力源的内燃机车辆、将引擎和电动马达作为动力源的混合动力车辆、将电动马达作为动力源的电动汽车等。

需要说明的是，本发明的技术方案中，所涉及的用户个人信息的收集、使用、保存、共享和转移等处理，均符合相关法律法规的规定，且需要告知用户并获得用户的同意或授权，当适用时，对用户个人信息进行了去标识化和/或匿名化和/或加密的技术处理。

车辆可以通过雷达组件(例如毫米波雷达)探测其他物体表征的速度信息，通过雷达组件获取的速度信息是极坐标系下的径向方向分量的速度信息，并且由于多普勒效应的限制，导致切向方向分量的速度丢失，使得原始信息无法完整的表达，也无法获得其他物体的实际速度，影响了车辆针对其他物体的相对运动的跟踪和判断。

有鉴于此，图1是根据本发明实施例的一种车辆自动驾驶方法的主要步骤的示意图。如图1所示，该车辆自动驾驶方法主要包括以下步骤：

步骤S101：获取所述车辆的周围环境中存在的物体的点云数据；对所述点云数据包括的运动参数特征执行聚类操作，根据聚类结果确定出一个或多个目标物体。

具体地，在车辆自动驾驶中，车辆需要探测器周围环境中的一个或多个物体，即获取所述车辆的周围环境中存在的物体的点云数据，其中，点云数据是通过车辆内部包含的雷达组件探测车辆的周围物体所得到，或者车辆从其他数据源(例如通过车联网设备、其他车辆等)获取，本发明实施例以通过车联国内部雷达组件获取点云数据为例说明。

进一步地，由于获取到的点云数据为数据集合，需要从数据集合中确定出点云数据所关联的目标物体，例如：其他车辆A所关联的点云数据，路边设备B所关联的点云数据等。本发明的实施例通过点云数据包括的运动参数特征(例如速度信息)执行聚类操作(例如使用DBSCAN聚类模型)，可以理解的是，速度相同的点云数据可能归属于同一个运动物体(例如行驶中的车辆等)，还可以结合位置信息等其他参考数据等，从而根据聚类结果划分出不同的目标物体。在确定出不同的目标物体以后，可以进一步计算目标物体的实际速度。

步骤S102：针对每一个所述目标物体，基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度。

具体地，点云数据包含车辆探测到的车联周围的其他物体的多普勒信息，多普勒信息是雷达组件使用多普勒效应所获得的速度相关信息(即云数据包括的运动参数)，然而多普勒信息包含的速度信息仅是物体的雷达采样点与雷达连线的径向速度(例如用Vd表示)，而切向方向速度Vt无法通过探测获得，仅通过一个点的径向速度Vd无法还原该点在实际运动中的纵向速度Vx和横向速度Vy。因此在本发明的实施例中，通过聚类操作得到目标物体的点云数据集合，进一步基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度。

进一步地，针对所述目标物体的点云数据来源于所述车辆针对所述目标物体的多个雷达采样点的情况，所述运动参数包括所述车辆到所述目标物体的雷达采样点的径向速度；所述基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度，包括：基于所述目标物体的多个雷达探测对应的径向速度，计算出目标物体的实际速度。

具体地，雷达组件(例如激光雷达或毫米波雷达)探测车辆以外的其他物体的返回数据是由点云数据组成的，每个点包含2D/3D位置、反射率、和径向速度等信息，在本发明的实施例中，雷达采样点即为与点云数据所对应的存在于被探测的其他物体上的采样点。进一步地，基于所述目标物体的多个雷达探测对应的径向速度，计算出目标物体的实际速度。

图2示出了一种径向速度Vd与纵向速度Vx和横向速度Vy的示意图，如图2所示，A代表设置有雷达组件的车辆，B代表目标物体的一个雷达采样点，A和B的连线为径向速度的示意。“θ”代表水平角，“β”代表俯仰角(图2中未示出)，Vt代表无法通过探测获得的切向方向速度；其中，径向速度Vd与纵向速度Vx和横向速度Vy之间的转换运算关系如公式(1)所示

Vd＝Vx*cosθ/cosβ+Vy*sinθ/cosβ (1)

图2以及公式(1)的描述即为将所述目标物体的多个所述雷达采样点所对应的所述径向速度分解为平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量，包括：针对所述目标物体的每一个所述雷达采样点，执行下述操作：根据所述雷达采样点的径向速度、所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角，计算出平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量。

进一步地，所述计算出目标物体的实际速度，包括：基于预设的坐标系，将所述目标物体的多个所述雷达采样点所对应的所述径向速度分解为平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量，其中，所述坐标系的一个坐标轴(X轴或者Y轴)与所述车辆的行驶方向平行；根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量，计算出目标物体的实际速度；其中，假设预设的坐标系的两个坐标轴包含X轴和Y轴，第一速度分量例如为平行与X轴的横向速度Vy，第二速度分量例如为纵向速度Vx；进一步地，根据公式(1)所示的计算关系，根据多个雷达采样点的第一速度分量所述第二速度分量，计算出目标物体的实际速度。

下面描述本发明实施例根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量计算出目标物体的实际速度的方法：

首先，构建速度损失函数J如公式(2)所示：

其中，Vd为径向速度，第一速度分量Vy所述第二速度分量Vx；“θ”代表水平角，“β”代表俯仰角，即为所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角；基于目标物体的雷达采样点N个点的径向速度与第一速度分量以及第二速度分量之间的误差的平方和构建出速度损失函数。即，所述根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量，计算出目标物体的实际速度，包括：基于所述径向速度、所述第一速度分量、所述第一二速度分量所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角，构建出速度损失函数。

进一步地，基于所述速度损失函数、多个所述雷达采样点的所述第一速度分量或者和所述第二速度分量，确定出对应于所述第一速度分量的第一目标速度以及对应于所述第二速度分量的第二目标速度；根据所述第一目标速度以及第二目标速度，计算出所述目标物体的实际速度。

具体地，在本发明的实施例中，利用预设的梯度下降模型确定出对应于所述第一速度分量的第一目标速度以及对应于所述第二速度分量的第二目标速。

下面结合图3的示意图说明，如图3所示，R代表利用预设的梯度下降模型的起始点，即基准参考点，其中，基准参考点可以为任意选择的一点，优选地，选择点云数据簇中存在概率最高的点、信号最强的点等作为基准参考点；其中，J(θ0,θ1)代表梯度下降模型的代价函数，在本发明的实施例中，代价函数例如为速度损失函数。进一步地基于基准参考点开始进行梯度下降的迭代运算，从而针对损失函数的公式求得最优解。其中，梯度下降模型是一种机器学习方法，通常应用于迭代计算中，对于两个变量的梯度下降其原理如图3所示，其可以选择任意一个点作为出发点(即初始值，如图3所示的R点)，然后根据迭代步长执行迭代，从而一步一步迭代地走向极值点的过程。可以理解的是，极值点可以与最优解(例如最小值点)不同，即选择不同的出发点可能关联于梯度下降的结果，是局部最优解或者全局最优解，本发明的实施例利用梯度下降模型针对损失函数求解，对梯度下降模型本身的具体内容不做限定。

具体地，利用预设的梯度下降模型的方法包括：从多个所述雷达采样点中选取基准参考点；将所述基准参考点对应的第一速度分量和第二速度分量输入所述速度损失函数，并利用所述速度损失函数输出对应的参考值；将除所述基准参考点之外的其他参考点对应的第一速度分量和第二速度分量输入所述速度损失函数，并利用所述速度损失函数输出所述每一个所述其他参考点对应的参考值；利用预设的梯度下降模型，以所述基准参考点对应的参考值为起点，对多个所述其他参考点对应的参考值进行迭代计算，直到满足迭代停止条件；从所述梯度下降模型的计算结果中选取速度损失函数的最小参考值，并确定所述最小参考值所对应的第一速度分量、所述第二速度分量为第一目标速度以及第二目标速度。

进一步地，在利用预设的梯度下降模型、以及损失函数J执行求出最优解(例如极值，损失函数的最小值等)的迭代周期中，每两个迭代周期之间具有迭代步长，确定迭代步长的方法利用如下公式(3)和公式(4)；

其中，Vd为径向速度，第一速度分量Vy所述第二速度分量Vx；“θ”代表水平角，“β”代表俯仰角，Vx和Vy迭代步长分别为损失函数对Vx和Vy的偏导数，针对每一个迭代周期，可以选取损失函数J最小的Vx和Vy组合为出发点，根据迭代步长执行多个周期的迭代操作，直到满足迭代停止条件；其中，迭代停止条件例如为：损失函数J的计算结果小于设定阈值(例如为1e-5等)，或者迭代次数达到设定次数阈值(例如10万次)，本发明对计算结果的设定阈值的具体数值、以及设定次数阈值的具体数值不作限定。

进一步地，在迭代计算停止后，从所述梯度下降模型的所有计算结果中选取速度损失函数的最小参考值，并确定计算出该最小参考值的第一速度分量、所述第二速度分量，将这一组第一速度分量、所述第二速度分量作为最终的结果：第一目标速度以及第二目标速度。

通过上述步骤，可以获取到用于计算目标物体的实际速度在不同方向的第一目标速度以及第二目标速度。

步骤S103：根据一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。

具体地，在根据S102描述步骤确定出第一目标速度以及第二目标速度之后，进一步确定所述目标物体的实际速度。

在本发明的实施例中，所述根据所述第一目标速度以及第二目标速度，计算出所述目标物体的实际速度，包括：根据所述车辆的自车速度、所述第一目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第一相对位置，计算出所述目标物体在所述坐标系中平行于第一坐标轴的第一实际速度；根据所述第二目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第二相对位置，计算出所述目标物体在所述坐标系中平行于第二坐标轴的第二实际速度。

具体地，如公式(5)所示，VXabs代表第一实际速度，VXrel代表第一目标速度、Vego代表车辆的自车速度，ω代表车辆的水平角偏转率，PYrel代表车辆的第一相对位置。即根据所述车辆的自车速度、所述第一目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第一相对位置，计算出所述目标物体在所述坐标系中平行于第一坐标轴的第一实际速度。

VXabs＝VXrel+Vego–ω*PYrel (5)

如公式(6)所示，VYabs代表第二实际速度，VYrel代表第二目标速度、ω代表车辆的水平角偏转率，PXrel代表车辆的第二相对位置。

VYabs＝VYrel+ω*PXrel (6)

其中，水平角偏转率、第一相对位置、第二相对位置可以从车载系统中获取到，第一相对位置、第二相对位置可以为获取的纵向位置或横向位置。可以理解的是，第一和第二仅为代表不同的速度或位置的代号并不代表顺序关系，第二和第二可以互换。

通过公式(5)和公式(6)实现通过目标物体得到的目标速度到目标物体的实际速度的补偿和计算，从而得到一个或多个所述目标物体的实际速度。

进一步地根据计算得到的一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。通常可以利用车辆的处理模块(例如跟踪模块)确定针对各个目标物体的形式行为。

图4示出了可以应用本发明实施例的车辆自动驾驶装置400的结构示意图。其包括确定物体模块401、计算速度模块402和确定速度模块403；其中，

所述获取数据模块401，用于获取所述车辆的周围环境中存在的物体的点云数据；对所述点云数据包括的运动参数特征执行聚类操作，根据聚类结果确定出一个或多个目标物体；

所述计算速度模块402，用于针对每一个所述目标物体，基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度；

所述确定速度模块403，用于根据一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。

图5示出了可以应用本发明实施例的车辆自动驾驶方法或车辆自动驾驶装置的示例性车辆系统架构500。

如图5所示，该车辆系统架构500可包括各种系统，例如车辆自动驾驶装置501、动力系统502、传感器系统503、控制系统504、一个或多个外围设备505、电源506、计算机系统507和用户接口508。可选地，车辆系统架构500可包括更多或更少的系统，并且每个系统可包括多个元件。另外，车辆系统架构500的每个系统和元件可以通过有线或者无线互连。

其中，车辆系统架构500包括的车辆自动驾驶装置501，该车辆自动驾驶装置501可用于获取所述车辆的周围环境中存在的物体的点云数据；对所述点云数据包括的运动参数特征执行聚类操作，根据聚类结果确定出一个或多个目标物体；针对每一个所述目标物体，基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度；根据一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。

动力系统502可包括为车辆提供动力运动的组件。比如，动力系统502可包括引擎、能量源、传动装置、车轮、轮胎等。其中，引擎可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如气油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎将能量源转换成机械能量提供给传动装置。能量源的示例可包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源也可以为车辆的其他系统提供能量。此外，传动装置可包括变速箱、差速器、驱动轴和离合器等。

传感器系统503可包括车辆内部的传感器。传感器系统503还可以感测车辆周边环境的传感器。例如，定位系统(该定位系统可以是全球定位系统(global positioningsystem，GPS)系统)，也可以是北斗系统或者其他定位系统)、雷达、激光测距仪、惯性测量单元(inertial measurement unit，IMU)以及摄像头。定位系统可用于定位车辆的地理位置。IMU用于基于惯性加速度来感测车辆的位置和朝向变化。在一个实施例中，IMU可以是加速度计和陀螺仪的组合。雷达(例如毫米波雷达、激光雷达等)可利用无线电信号来感测车辆的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达还可用于感测物体的速度和/或前进方向等。其中，为了检测位于车辆的前方、后方或侧方的环境信息、对象等，雷达、摄像头等可配置在车辆的外部的适当的位置。例如，为了获取车辆前方的影像，摄像头可在车辆的室内与前风挡相靠近地配置。或者，摄像头可配置在前保险杠或散热器格栅周边。或者，左右后视镜的周边。例如，为了获取车辆后方的影像，摄像头可在车辆的室内与后窗玻璃相靠近地配置。或者，摄像头可配置在后保险杠、后备箱或尾门周边。为了获取车辆侧方的影像，摄像头可在车辆的室内与侧窗中的至少一方相靠近地配置。或者，摄像头可配置在侧镜、挡泥板或车门周边等。激光测距仪可利用激光来感测车辆所位于的环境中的物体。摄像头可用于捕捉车辆的周边环境的多个图像。摄像头可以是静态或视频摄像头，还可以是景深相机。

通过传感器系统503可以获取车辆位置、周围的物体的数据、车辆速度等。

控制系统504可包括有实现车辆自动驾驶的软件系统，控制系统504也可包括油门、方向盘、安全带系统等硬件系统。另外，该控制系统504可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

控制系统504通过外围设备505与车辆内部传感器、外部传感器、车辆自动驾驶装置、其他计算机系统或用户之间进行交互。外围设备505可包括无线通信系统、车载电脑、车载显示设备、虚拟现实装置、麦克风和/或扬声器。

在一些实施例中，外围设备505提供控制系统504的用户与用户接口交互的手段。例如，可以车载显示设备显示车速的实时变化。用户接口还可操作车载电脑来接收用户的输入。车载电脑可以通过触摸屏进行操作。在其他情况中，外围设备可提供用于与位于车内的其它设备通信的手段。例如，麦克风可从控制系统504的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器可向控制系统504的用户输出音频。

无线通信系统可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统可使用蜂窝网络、WiFi与无线局域网(wireless local area network，WLAN)等网络通信，也可以使用红外链路、蓝牙或ZigBee与设备直接通信。

电源506可向车辆的各种组件提供电力。该电源506可以为可再充电锂离子或铅酸电池。

实现车辆自动驾驶的部分或所有功能受计算机系统507控制。计算机系统507可包括至少一个处理器，处理器执行存储在例如存储器这样的非暂态计算机可读介质中的指令。计算机系统507为上述车辆自动驾驶装置提供实现车辆自动驾驶的执行代码。

处理器可以是任何常规的处理器，诸如商业可获得的中央处理器(centralprocessing unit，CPU)。替选地，该处理器可以是诸如专用集成电路(applica tionspecific integrated circuits，ASIC)或其它基于硬件的处理器的专用设备。本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

用户接口508，用于向车辆的用户提供信息或从其接收信息。可选地，用户接口508可包括在外围设备505的集合内的一个或多个输入/输出设备，例如无线通信系统、车载电脑、麦克风和扬声器。

应该理解的，上述组件只是一个示例，实际应用中，上述各个模块或系统中的组件有可能根据实际需要增添或者删除，图5不应理解为对本申请实施例的限制。

下面参考图6，其示出了适于用来实现本发明实施例的计算机系统600的结构示意图。图6示出的计算机系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括确定物体模块、计算速度模块和确定速度模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取数据模块还可以被描述为“获取所述车辆的周围环境中存在的物体的点云数据的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取所述车辆的周围环境中存在的物体的点云数据；对所述点云数据包括的运动参数特征执行聚类操作，根据聚类结果确定出一个或多个目标物体；针对每一个所述目标物体，基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度；根据一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。

根据本发明实施例的技术方案，能够通过获取车辆的周围环境中存在的物体的点云数据并基于点云数据聚类操作确定出目标物体；根据目标物体的点云数据包含的运动参数(径向速度)计算出该物体的实际速度；从而根据目标物体的实际速度确定出车辆相对于目标物体的行驶速度。本发明的实施例通过确定车辆周围的其他物体的实际速度提高了车辆判断周围物体的运动状态的精度和效率，提升了车辆自动驾驶的用户体验。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种车辆自动驾驶方法，其特征在于，包括：

获取所述车辆的周围环境中存在的物体的点云数据；

对所述点云数据包括的运动参数特征执行聚类操作，根据聚类结果确定出一个或多个目标物体；

针对每一个所述目标物体，基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度；

根据一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。

2.根据权利要求1所述的车辆自动驾驶方法，其特征在于，

针对所述目标物体的点云数据来源于所述车辆针对所述目标物体的多个雷达采样点的情况，所述运动参数包括所述车辆到所述目标物体的雷达采样点的径向速度；

所述基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度，包括：

基于所述目标物体的多个雷达采样点对应的径向速度，计算出目标物体的实际速度。

3.根据权利要求2所述的车辆自动驾驶方法，其特征在于，

所述计算出目标物体的实际速度，包括：

基于预设的坐标系，将所述目标物体的多个所述雷达采样点所对应的所述径向速度分解为平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量，其中，所述坐标系的一个坐标轴与所述车辆的行驶方向平行；

根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量，计算出目标物体的实际速度。

4.根据权利要求3所述的车辆自动驾驶方法，其特征在于，

所述将所述目标物体的多个所述雷达采样点所对应的所述径向速度分解为平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量，包括：

针对所述目标物体的每一个所述雷达采样点，执行下述操作：

根据所述雷达采样点的径向速度、所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角，计算出平行于所述坐标系的两个坐标轴的第一速度分量和第二速度分量。

5.根据权利要求3所述的车辆自动驾驶方法，其特征在于，

所述根据多个所述雷达采样点的所述第一速度分量以及所述第二速度分量，计算出目标物体的实际速度，包括：

基于所述径向速度、所述第一速度分量、所述第二速度分量以及所述车辆雷达与所述雷达采样点之间的连线与任一所述坐标轴之间的水平角和俯仰角，构建出速度损失函数；

基于所述速度损失函数、多个所述雷达采样点的所述第一速度分量和所述第二速度分量，确定出对应于所述第一速度分量的第一目标速度以及对应于所述第二速度分量的第二目标速度；

根据所述第一目标速度以及第二目标速度，计算出所述目标物体的实际速度。

6.根据权利要求5所述的车辆自动驾驶方法，其特征在于，

所述确定出对应于所述第一速度分量的第一目标速度以及对应于所述第二速度分量的第二目标速度，包括：

从多个所述雷达采样点中选取基准参考点；

将所述基准参考点对应的第一速度分量和第二速度分量输入所述速度损失函数，并利用所述速度损失函数输出对应的参考值；

将除所述基准参考点之外的其他参考点对应的第一速度分量和第二速度分量输入所述速度损失函数，并利用所述速度损失函数输出所述每一个所述其他参考点对应的参考值；

利用预设的梯度下降模型，以所述基准参考点对应的参考值为起点，对多个所述其他参考点对应的参考值进行迭代计算，直到满足迭代停止条件；

从所述梯度下降模型的计算结果中选取速度损失函数的最小参考值，并确定所述最小参考值所对应的第一速度分量、所述第二速度分量为第一目标速度以及第二目标速度。

7.根据权利要求5所述的车辆自动驾驶方法，其特征在于，

所述根据所述第一目标速度以及第二目标速度，计算出所述目标物体的实际速度，包括：

根据所述车辆的自车速度、所述第一目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第一相对位置，计算出所述目标物体在所述坐标系中平行于第一坐标轴的第一实际速度；

根据所述第二目标速度、所述车辆的水平角偏转率、以及所述车辆所在的第二相对位置，计算出所述目标物体在所述坐标系中平行于第二坐标轴的第二实际速度。

8.一种车辆自动驾驶装置，其特征在于，包括：确定物体模块、计算速度模块和确定速度模块；其中，

所述获取数据模块，用于获取所述车辆的周围环境中存在的物体的点云数据；对所述点云数据包括的运动参数特征执行聚类操作，根据聚类结果确定出一个或多个目标物体；

所述计算速度模块，用于针对每一个所述目标物体，基于所述目标物体的点云数据包含的运动参数计算出所述目标物体的实际速度；

所述确定速度模块，用于根据一个或多个所述目标物体的实际速度，确定所述车辆相对于所述目标物体的行驶速度。

9.一种车辆自动驾驶的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读存储介质，其上存储有实现车辆自动驾驶的计算机程序，其特征在于，包括：

所述计算机程序被车载处理器执行时实现如权利要求1-7中任一所述的方法。