CN117184138A - 窄路段辅助驾驶方法、装置、汽车和介质 - Google Patents

Abstract

本申请涉及一种窄路段辅助驾驶方法、装置、汽车和介质，首先在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统；然后在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像；最后当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物。可见，在人类驾驶模式下，通过窄路段时，通过实时渲染的三维环境图像，基于标识出的目标障碍物提前做出驾驶决策，避免剐蹭等意外的发生。

Description

窄路段辅助驾驶方法、装置、汽车和介质

技术领域

本申请涉及自动驾驶技术领域，尤其涉及窄路段辅助驾驶方法、装置、汽车和介质。

背景技术

车辆在行驶过程中，尤其是在窄路段，可能存着视野盲区以及与障碍物之间的车距把控不准的情况。

相关技术中，某些车辆配备有车身雷达，车身雷达能够当车辆与周边障碍物的距离较近时，发出声音提醒，但是，对于视野盲区的不规则障碍物可能无法准确发出正确的提醒，同时，驾驶员的决策错误可能导致在窄路段驶入道路死角而导致无法正常行驶或造成交通事故。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种窄路段辅助驾驶方法、装置、汽车和介质，该方法能够在窄路段提供环境信息，使得驾驶员做出合理的决策，避免交通事故的发生。

本申请第一方面提供一种窄路段辅助驾驶方法，包括：

在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统；

在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像；

当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物。

在一些实施例中，所述窄路段辅助驾驶指令的生成过程，包括：

当所述车辆的第一执行机构被设置到指定位置时或当所述车辆的第二执行结构接收预设操作时，生成窄路段辅助驾驶指令。

在一些实施例中，所述在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像，包括：

解析所述自动驾驶系统输出的环境数据，得到障碍物数据；

基于所述障碍物数据计算自车与每一障碍物的距离关系；

在所述车辆的车内显示屏幕中，渲染所述环境数据得到包括有所述距离关系的三维环境图像。

在一些实施例中，所述当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物，包括：

获得所述环境数据中所述车辆与每一障碍物的实时距离；

当所述障碍物中的目标障碍物对应的实时距离小于告警距离阈值时，确定所述目标障碍物的报警等级；

基于所述报警等级在所述三维环境图像中标识所述目标障碍物。

在一些实施例中，还包括：

若所述目标障碍物为可移动目标，则获得所述自动驾驶系统输出的所述目标障碍物的障碍物预测轨迹；

在所述三维环境图像中渲染所述障碍物预测轨迹。

在一些实施例中，还包括：

生成障碍物提醒指令。

在一些实施例中，所述确定所述目标障碍物的报警等级，包括：

获得所述车辆的当前车速；

基于所述当前车速以及所述车辆与所述目标障碍物的距离值，确定所述目标障碍物的报警等级。

本申请第二方面提供一种窄路段辅助驾驶装置，包括：

启动模块，用于在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统；

渲染模块，用于在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像；

标识模块，用于当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物。

本申请第三方面提供一种汽车，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供的技术方案，首先在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统；然后在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像；最后当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物。可见，在人类驾驶模式下，通过窄路段时，通过实时渲染的三维环境图像，基于标识出的目标障碍物提前做出驾驶决策，避免剐蹭等意外的发生。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的一种窄路段辅助驾驶方法的流程示意图。

图2A和图2B是本申请实施例在应用中三维环境图像的显示效果示意图。

图3是本申请实施例示出的一种窄路段辅助驾驶方法的另一种流程示意图。

图4是本申请实施例示出的一种窄路段辅助驾驶方法的又一种流程示意图。

图5是本申请实施例示出的一种窄路段辅助驾驶装置的结构示意图。

图6是本申请实施例示出的汽车的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”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。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

本申请实施例能够应用到具有自动驾驶系统的车辆中，尤其是行驶在窄路段的场景中，其中，窄路段可以是指道路的宽度小于预设值的道路，例如，仅能够在同一时间在同一位置同时通行一辆汽车的道路，即车辆两侧距离障碍物较近，还可以是例如在狭窄的胡同中，且胡同两侧的墙体距离车身较近，而且可能摆放有各种障碍物，极易发生剐蹭，给车主带来损失。

本申请实施例中，能够在人类驾驶车辆时，基于自动驾驶系统在显示界面中标识出容易出现危险的障碍物，提高用户驾车时决策的正确率，降低行车风险。

以下结合附图详细描述本申请实施例的技术方案。

图1是本申请实施例示出的一种窄路段辅助驾驶方法的流程示意图。

参见图1，本申请实施例提供的一种窄路段辅助驾驶方法，可以包括如下步骤。

S101、在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统。

本申请实施例中，主要应用在人类驾驶模式下，例如L0阶段下，人类驾驶模式下，自动驾驶系统通常是关闭状态，无法给出响应。

本申请实施例中，能够在人类驾驶模式下，对窄路段辅助驾驶指令进行响应，启动自动驾驶系统。

人类驾驶模式，可以是当汽车上电后，将档杆儿位置拨到非自动驾驶的位置，以启动人类驾驶模式。此时，能够满足指令生成条件时，生成窄路段辅助驾驶指令。

应用中，窄路段辅助驾驶指令可以是手动触发满足指令生成条件，也可以是自动触发满足指令生成条件。窄路段辅助驾驶指令，可以表征车辆行驶在狭窄路段上，需要给驾驶员的驾驶决策提供有效的依据。例如，在胡同中，由于道路两侧后视镜也无法观测到车身以下位置的障碍物，因此，相关技术中的雷达等无法给出有效的判断，并且，由于雷达只有在遇到障碍物时才能够起到效果，无法提前做出驾驶决策。

本申请实施例中，当人类驾驶车辆行驶在窄路段时，能够生成窄路段辅助驾驶指令，基于该窄路段辅助驾驶指令启动自动驾驶系统。

需要说明的是，启动自动驾驶系统，可以是启动自动驾驶系统的某个功能模块，例如感知模块，感知模块可以包括有毫米雷达、图像采集装置和/或多种类型的传感器等，通过感知模块可以输出车辆所在位置的环境数据，环境数据中包括有障碍物信息、路面信息和/或建筑物信息等，能够基于该环境数据进行进一步的数据分析或数据处理。

应用中，可以是当车辆行驶在窄路段后自动生成窄路段辅助驾驶指令，例如车辆的速度降低到预设速度如12公里/小时，且在连续多个车身雷达的采集周期内，车身雷达输出的车身两侧距离值均小于预设距离值，则生成窄路段辅助驾驶指令。当然，车辆行驶在窄路段，还可以是基于车辆是图像采集装置采集车辆前方路段后进行图像识别得到的车辆在窄路段行驶的识别结果。

可以理解的是，窄路段辅助驾驶指令中可以包括有需要启动的自动驾驶系统的功能模块的具体标识，以能够启动对应的功能模块。例如，可以启动用于感知周边环境的感知模块以及基于该感知模块输出的感知数据进行轨迹预测的预测模块等。

本申请实施例中，能够在车辆行驶在窄路段时，生成窄路段辅助驾驶指令，并基于该窄路段辅助驾驶指令启动自动驾驶系统。

S102、在车辆的显示界面中渲染基于自动驾驶系统输出的环境数据，得到三维环境图像。

本申请实施例中，自动驾驶系统启动后，能够输出车辆所在环境的环境数据，渲染该环境数据，能够在车辆的显示装置例如显示屏幕中显示三维环境图像，其中三维环境图像为包括有三维视角模型的视图，例如环境模拟显示(Surrounding Reality，SR)图像。

可以理解的是，渲染得到三维环境图像的过程，可以是利用自动驾驶系统的处理装置例如GPU来实现的，可以将环境数据传输给该处理装置，然后该处理装置渲染后在显示界面中显示该三维环境图像。

当然，还可以是基于与自动驾驶系统不同的处理装置，如本申请实施例的执行主体可以是车辆控制器ECU，其内部可以配置有能够渲染图像功能的处理装置，来渲染上述环境数据得到三维环境图像。

本申请实施例中，只要能够得到三维环境图像即可，在三维环境图像中，至少应当包括当前车辆为焦点与每一障碍物之间的距离关系。

在一些实施例中，可以通过解析自动驾驶系统输出的环境数据，得到障碍物数据；然后基于障碍物数据计算自车与每一障碍物的距离关系；最后在车辆的车内显示屏幕中，渲染环境数据得到包括有距离关系的三维环境图像。

本申请实施例中，对于不同障碍物，车辆与障碍物具有不同的距离关系。对于不同的距离关系，能够用于标识出不同的显示效果。例如，能够基于车辆与障碍物之间的距离关系，设置三个不同的距离等级，例如140cm、80cm、60cm，当然可以根据车辆型号进行不同的配置。距离关系与距离等级可以具有对应关系。在三维环境图像中，能够显示该距离关系。例如，利用与每一障碍物的连线显示具体的距离值。

可以理解的是，本申请的三维环境图像，可以渲染以车辆为中心预设范围内的全部环境数据，得到以车辆为中心的三维环境图像，用户能够基于该三维环境图像，提前规划驾驶策略。

S103、当环境数据中表征车辆与目标障碍物的距离值小于告警距离阈值时，在三维环境图像中标识目标障碍物。

本申请实施例中，环境数据中可以包括有车辆与目标障碍物的距离值。其中，目标障碍物可以是在前述识别出的多个障碍物中存着剐蹭风险的障碍物，或者具有碰撞风险的障碍物，例如，胡同中靠墙位置摆放的低矮自行车，可以被识别为目标障碍物，而位于电线杆上的多股电缆，则不被识别为目标障碍物。

本申请实施例中，能够在三维环境图像中，渲染出障碍物的形状，以给出驾驶员后续驾驶决策的依据。请参见图2A和图2B，图2A和图2B是本申请实施例在应用中三维环境图像的显示效果示意图。如图2A所示，图2中，车辆200A行驶在窄路段201A中，具有目标障碍物202和目标包障碍物203，本申请实施例中能够在显示界面中显示该三维环境图像。在图2B中，车辆200B在窄路段201B中，能够标识出目标障碍物204和204。

又例如，车辆正前方一侧具有尖刺状的障碍物，而另一侧为围墙，如果按照相关技术，车辆在通过窄路段时，很容易被尖刺状的障碍物所剐蹭，而本申请实施例中，能够将该障碍物在三维环境图像中进行显示，从而使得用户能够提前将车辆行驶靠墙一侧，避免尖刺状障碍物的剐蹭。

本申请实施例中，当车辆接近目标障碍物时，即车辆与目标障碍物之间的距离值小于告警阈值时，则在三维环境图像中对目标障碍物进行标识。

其中，标识的过程可以是将目标障碍物染色，闪动、和/或动画效果等。

在一些实施例中，可以获得环境数据中车辆与每一障碍物的实时距离；例如，图2B中标识出与目标障碍物204之间的距离值。当障碍物中的目标障碍物对应的实时距离小于告警距离阈值时，确定目标障碍物的报警等级；基于报警等级在三维环境图像中标识目标障碍物。

可以理解的是，前述能够确定出障碍物对应的距离关系，还可以基于该距离关系标识出每一距离关系内的障碍物，例如，140cm内的障碍物标识为黄色、80cm内的障碍物标识为橙色、60cm内的障碍物标识为红色。

可见，在人类驾驶车辆通过窄路段时，基于自动驾驶系统能够在三维环境图像中能够标识出目标障碍物，使得用户能够在无法直观看到视野盲区的细小障碍物例如侧下方位置的小动物等，能够及时调整驾驶策略，给用户在窄路段驾驶时提供辅助驾驶功能，避免剐蹭或决策错误导致的后续问题。

通过本申请实施例，在人类驾驶模式下，通过窄路段时，通过实时渲染的三维环境图像，基于标识出的目标障碍物提前做出驾驶决策，避免剐蹭等安全事故或在窄路段驶入道路死角而导致无法正常行驶的发生。

前述介绍了窄路段辅助驾驶指令可以自动触发，本申请实施例中，窄路段辅助驾驶指令可以基于车辆的指定执行机构来触发得到。指定执行机构可以是车辆的硬件设备，例如档杆儿、能够人机交互的显示屏等。

在一些实施例中，当车辆的第一执行机构被设置到指定位置时或当车辆的第二执行结构接收预设操作时，生成窄路段辅助驾驶指令。

本申请实施例中的，当车辆处于人类驾驶模式时，第一执行机构和第二执行机构均可以是车辆的挂挡装置、驾驶模式选择装置、显示屏交互装置等能够手动触发的硬件设备。例如，用户在选择手动驾驶模式后，可以在手动驾驶模式的档杆儿将一辅助驾驶按钮旋转至指定位置，来生成该窄路段辅助驾驶指令。此时，显示界面中可以显示为车辆处于窄路段辅助驾驶模式，并实时显示三维环境图像。

应用中，还可以是用户下压档杆儿数次，生成该窄路段辅助驾驶指令，以启动自动驾驶系统的功能模块。显示屏交互装置能够基于用户选择的启动操作，来生成该窄路段辅助驾驶指令。

可以理解的是，只要基于执行机构的触发能够生成该窄路段辅助驾驶指令即可，在此不进行枚举。

请继续参见图3，图3是本申请实施例示出的一种窄路段辅助驾驶方法的另一种流程示意图。

本申请实施例中，可以包括如下步骤。

S301、在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统。

S302、在车辆的显示界面中渲染基于自动驾驶系统输出的环境数据，得到三维环境图像。

S303、当环境数据中表征车辆与目标障碍物的距离值小于告警距离阈值时，在三维环境图像中标识目标障碍物。

其中，步骤301到步骤303的执行过程可以参考前述实施例中的步骤101到步骤103的执行过程，在此不进行赘述。

步骤303之后，还包括：

S304、若目标障碍物为可移动目标，则获得自动驾驶系统输出的目标障碍物的障碍物预测轨迹。

S305、在三维环境图像中渲染障碍物预测轨迹。

本申请实施例中，自动驾驶系统还可以启动有预测模块，预测模块能够预测可移动目标的移动轨迹，当目标障碍物为可移动目标，则自动驾驶系统能够输出目标障碍物的障碍物移动轨迹，未来时段例如5秒内。其中，障碍物移动轨迹可以是未来时段内的行动轨迹。目标障碍物例如小动物、自行车、电动车、行人等。

本申请实施例中，车辆行驶在窄路段中，在窄路段中，驾驶员很容易观察不到小动物，尤其是行动到车辆中部从车轮下通过的小动物，相关技术中，距离传感器是无法获知该小动物的具体距离也无法预测其行动轨迹。

本申请实施例中，基于自动驾驶系统的预测模块，能够输出小动物在未来时段内的移动轨迹，从而为用户的驾驶决策提供有力的依据。

本申请实施例中，可以预先训练有深度神经网络模型，该深度神经网络模型可以将多种小动物在各种窄路段下的移动轨迹进行训练，从而能够基于前述环境数据得到小动物在未来的移动轨迹。例如可以使用卡尔曼滤波算法预测小动物在下一时刻的位姿，然后基于该预测出的位姿输入到前述深度神经网络模型中，预测出未来时段内小动物的移动轨迹。

本申请实施例中，如果目标障碍物是可移动目标，在三维环境图像中，还应当将可移动目标的障碍物移动轨迹进行渲染，以使得用户能够直观的看到该移动目标在未来的移动轨迹。

应用中，例如当用户驾驶车辆行驶在窄路段时，当有小动物通过车辆中部底盘时，在三维环境图像中，渲染出小动物的形象的同时还能够渲染出该小动物的移动轨迹，使得用户能够及时刹车，避免出现交通事故。

请参见图4，图4是本申请实施例示出的一种窄路段辅助驾驶方法的又一种流程示意图。

本申请实施例中，可以包括如下步骤。

S401、在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统

S402、在车辆的显示界面中渲染基于自动驾驶系统输出的环境数据，得到三维环境图像。

S403、当环境数据中表征车辆与目标障碍物的距离值小于告警距离阈值时，在三维环境图像中标识目标障碍物。

其中，步骤401到步骤403的执行过程可以参考前述实施例中的步骤101到步骤103的执行过程，在此不进行赘述。

本申请实施例还包括：

S404、生成障碍物提醒指令。

本申请实施例中，还能够生成障碍物提醒指令，障碍物提醒指令能够使得车辆的硬件装置进行提醒操作。例如，障碍物提醒指令可以是指示扬声器按照预设方式鸣响，还可以是指示用户的座椅震动，还可以是进行语音提醒等。

可以理解的是，基于前述障碍物报警等级，对应不同的提醒方式，指示不同的硬件装置。

应用中，可以基于不同的障碍物报警等级指示扬声器以不同的提醒频率发出不同的提醒信息，以能够使得用户知晓目标障碍物是否需要特别关注。

本申请实施例中，能够在人类驾驶模式下基于自动驾驶系统行驶在窄路段时，显示周围包括其它车辆、行人、小动物等的三维环境图像，并能够标识出目标障碍物以及生成障碍物提醒指令，使得用户能够提前规划行车路线，避免事故的发生。

与前述应用功能实现方法实施例相对应，本申请还提供了一种辅助车辆变道的装置、电子设备及相应的实施例。

图5是本申请实施例示出的一种窄路段辅助驾驶装置的结构示意图。

参见图5，本申请示出的一种窄路段辅助驾驶装置，包括：

启动模块51，用于在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统；

渲染模块52，用于在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像；

标识模块53，用于当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物。

在一些实施例中，所述窄路段辅助驾驶指令的生成过程，包括：

当所述车辆的第一执行机构被设置到指定位置时或当所述车辆的第二执行结构接收预设操作时，生成窄路段辅助驾驶指令。

在一些实施例中，所述在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像，包括：

解析所述自动驾驶系统输出的环境数据，得到障碍物数据；

基于所述障碍物数据计算自车与每一障碍物的距离关系；

在所述车辆的车内显示屏幕中，渲染所述环境数据得到包括有所述距离关系的三维环境图像。

在一些实施例中，所述当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物，包括：

获得所述环境数据中所述车辆与每一障碍物的实时距离；

当所述障碍物中的目标障碍物对应的实时距离小于告警距离阈值时，确定所述目标障碍物的报警等级；

基于所述报警等级在所述三维环境图像中标识所述目标障碍物。

在一些实施例中，还包括轨迹显示模块，用于：

若所述目标障碍物为可移动目标，则获得所述自动驾驶系统输出的所述目标障碍物的障碍物预测轨迹；

在所述三维环境图像中渲染所述障碍物预测轨迹。

在一些实施例中，还包括提醒指令生成模块，用于：

生成障碍物提醒指令。

在一些实施例中，所述确定所述目标障碍物的报警等级，包括：

获得所述车辆的当前车速；

基于所述当前车速以及所述车辆与所述目标障碍物的距离值，确定所述目标障碍物的报警等级。

本申请提供的装置，能够在人类驾驶模式下，通过窄路段时，通过实时渲染的三维环境图像，基于标识出的目标障碍物提前做出驾驶决策，避免剐蹭等意外的发生。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图6是本申请实施例示出的汽车的结构示意图。

参见图6，汽车1000包括存储器1010和处理器1020。

处理器1020可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，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、分立硬件组件等。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。

存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种窄路段辅助驾驶方法，其特征在于，包括：

在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统；

在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像；

当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物。

2.根据权利要求1所述的方法，其特征在于，所述窄路段辅助驾驶指令的生成过程，包括：

当所述车辆的第一执行机构被设置到指定位置时或当所述车辆的第二执行结构接收预设操作时，生成窄路段辅助驾驶指令。

3.根据权利要求1所述的方法，其特征在于，所述在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像，包括：

解析所述自动驾驶系统输出的环境数据，得到障碍物数据；

基于所述障碍物数据计算自车与每一障碍物的距离关系；

在所述车辆的车内显示屏幕中，渲染所述环境数据得到包括有所述距离关系的三维环境图像。

4.根据权利要求1所述的方法，其特征在于，所述当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物，包括：

获得所述环境数据中所述车辆与每一障碍物的实时距离；

当所述障碍物中的目标障碍物对应的实时距离小于告警距离阈值时，确定所述目标障碍物的报警等级；

基于所述报警等级在所述三维环境图像中标识所述目标障碍物。

5.根据权利要求1至4任一项所述的方法，还包括：

若所述目标障碍物为可移动目标，则获得所述自动驾驶系统输出的所述目标障碍物的障碍物预测轨迹；

在所述三维环境图像中渲染所述障碍物预测轨迹。

6.根据权利要求1至4任一项所述的方法，还包括：

生成障碍物提醒指令。

7.根据权利要求4所述的方法，所述确定所述目标障碍物的报警等级，包括：

获得所述车辆的当前车速；

基于所述当前车速以及所述车辆与所述目标障碍物的距离值，确定所述目标障碍物的报警等级。

8.一种窄路段辅助驾驶装置，其特征在于，包括：

启动模块，用于在车辆处于人类驾驶模式时，响应于窄路段辅助驾驶指令，启动自动驾驶系统；

渲染模块，用于在所述车辆的显示界面中渲染基于所述自动驾驶系统输出的环境数据，得到三维环境图像；

标识模块，用于当所述环境数据中表征所述车辆与目标障碍物的距离值小于告警距离阈值时，在所述三维环境图像中标识所述目标障碍物。

9.一种汽车，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。