CN117629236A - 一种车辆自动驾驶方法和装置 - Google Patents
一种车辆自动驾驶方法和装置 Download PDFInfo
- Publication number
- CN117629236A CN117629236A CN202311610709.9A CN202311610709A CN117629236A CN 117629236 A CN117629236 A CN 117629236A CN 202311610709 A CN202311610709 A CN 202311610709A CN 117629236 A CN117629236 A CN 117629236A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- point cloud
- cloud data
- data
- speed
- 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 38
- 230000003068 static effect Effects 0.000 claims abstract description 70
- 238000012216 screening Methods 0.000 claims abstract description 15
- 230000036961 partial effect Effects 0.000 claims description 36
- 238000001914 filtration Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 18
- 230000033001 locomotion Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013503 de-identification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
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:利用车辆雷达组件获取该车辆的周围环境中存在的物体的点云数据,从点云数据中筛选出静态点云数据,并根据所述静态点云数据确定出相对于车辆的多组相对速度,进一步根据多组相对速度确定车辆自身的速度信息;本发明的实施例能够在多种行驶场景(例如:高速行驶、通信延迟异常等)中,利用周围环境的点云数据确定车辆自身的速度信息,以辅助车辆自身的行驶状态,提高了确定车辆自身速度的灵活性和准确性,提高了车辆自动驾驶的效果。
Description
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
目前,车辆自动驾驶技术应用于多种车辆行驶场景中;在多种行驶场景(尤其是高速行驶场景)中,对于车辆的运动信息的计算和控制均存在较高要求,然而在一些行驶场景可能存在通信网络或通信链路存在较大延迟的情况,导致车辆无法实时获取车辆自身的运动信息,提高了用车风险;又由于车辆雷达组件在探测车辆周围物体时也需要车辆提供自身的运动信息,车辆无法实时获取自身运动信息的情况也影响了车辆的雷达组件生成探测数据的准确性,从而降低了车辆通过雷达组件判断自身行驶行为的准确性,影响了自动驾驶的效果。
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,能够利用车辆雷达组件获取该车辆的周围环境中存在的物体的点云数据,从点云数据中筛选出静态点云数据,并根据所述静态点云数据确定出相对于车辆的多组相对速度,进一步根据多组相对速度确定车辆自身的速度信息;本发明的实施例能够在多种行驶场景(例如:高速行驶、通信延迟异常等)中,利用周围环境的点云数据确定车辆自身的速度信息,以辅助车辆自身的行驶状态,提高了确定车辆自身速度的灵活性和准确性,提高了车辆自动驾驶的效果。
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:利用车辆雷达组件获取所述车辆的周围环境中存在的物体的点云数据;基于所述点云数据对应的运动参数特征,从所述点云数据中筛选出静态点云数据;根据所述静态点云数据,为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度;根据多组所述相对速度,确定所述车辆自身的速度信息。
可选地,在从所述点云数据中筛选出静态点云数据之后,进一步包括:计算筛选出的所述静态点云数据在所述点云数据中的占比;在所述占比超过预设占比阈值的情况下,执行为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度的步骤。
可选地,所述为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度,包括:循环执行步骤N1-N2,直到全部静态点云数据均被选取到:N:从未被选取过的静态点云数据中任意选取两个目标点云数据构成一个数据组;N2:基于所述数据组中两个所述目标点云数据包括的径向速度、所述径向速度在预设的坐标系中的俯仰角和水平角,计算对应于所述数据组的第一方向上的第一分速度以及第二方向上的第二速度,其中,所述坐标系中的一个坐标轴平行于所述车辆的行驶方向,所述第一方向或者第二方向平行于所述车辆的行驶方向且所述第一方向与所述第二方向相垂直;从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度。
可选地,所述从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度,包括:获取预先构建的所述车辆的速度可变化范围在所述第一方向和所述第二方向的网格化数据;利用投票算法,为每一个所述数据组对应的第一分速度以及第二分速度分配所述网格化数据中的网格;根据每一个所述网格分配到的数据组的数量,选取数据组的数量最高的网格所分配到的多个目标数据组;确定多个所述目标数据组对应的第一分速度以及第二分速度为相对于所述车辆的多组相对速度。
可选地,所述车辆自动驾驶方法,还包括:利用霍夫变换模型将数据组转换成对应的直线,根据在网格内相交的直线的数量确定每一个所述网格分配到的数据组的数量。
可选地,所述根据多组所述相对速度,确定所述车辆自身的速度信息,包括:针对多组所述相对速度执行卡尔曼滤波操作,根据所述卡尔曼滤波操作的结果指示的相对速度的反方向值,确定所述车辆自身的行驶速度。
可选地,所述根据多组所述相对速度,确定所述车辆自身的速度信息,进一步包括:从所述卡尔曼滤波操作的结果中选取相邻两帧对应的行驶速度,根据所述相邻两帧的行驶速度对应的的速度差以及时间差,计算出所述车辆的加速度。
第二方面,本发明实施例提供一种车辆自动驾驶装置,其特征在于,包括:获取数据模块、筛选数据模块和确定速度模块;
所述获取数据模块,用于利用车辆雷达组件获取所述车辆的周围环境中存在的物体的点云数据;基于所述点云数据对应的运动参数特征,从所述点云数据中筛选出静态点云数据;
所述筛选数据模块,用于根据所述静态点云数据,为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度;
所述确定速度模块,用于根据多组所述相对速度,确定所述车辆自身的速度信息。
可选地,所述车辆自动驾驶装置,用于在从所述点云数据中筛选出静态点云数据之后,进一步包括:计算筛选出的所述静态点云数据在所述点云数据中的占比;在所述占比超过预设占比阈值的情况下,执行为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度的步骤。
可选地,所述车辆自动驾驶装置,用于为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度,包括:循环执行步骤N1-N2,直到全部静态点云数据均被选取到:N:从未被选取过的静态点云数据中任意选取两个目标点云数据构成一个数据组;N2:基于所述数据组中两个所述目标点云数据包括的径向速度、所述径向速度在预设的坐标系中的俯仰角和水平角,计算对应于所述数据组的第一方向上的第一分速度以及第二方向上的第二速度,其中,所述坐标系中的一个坐标轴平行于所述车辆的行驶方向,所述第一方向或者第二方向平行于所述车辆的行驶方向且所述第一方向与所述第二方向相垂直;从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度。
可选地,所述车辆自动驾驶装置,用于从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度,包括:获取预先构建的所述车辆的速度可变化范围在所述第一方向和所述第二方向的网格化数据;利用投票算法,为每一个所述数据组对应的第一分速度以及第二分速度分配所述网格化数据中的网格;根据每一个所述网格分配到的数据组的数量,选取数据组的数量最高的网格所分配到的多个目标数据组;确定多个所述目标数据组对应的第一分速度以及第二分速度为相对于所述车辆的多组相对速度。
可选地,所述车辆自动驾驶装置,还用于利用霍夫变换模型将数据组转换成对应的直线,根据在网格内相交的直线的数量确定每一个所述网格分配到的数据组的数量。
可选地,所述车辆自动驾驶装置,用于根据多组所述相对速度,确定所述车辆自身的速度信息,包括:针对多组所述相对速度执行卡尔曼滤波操作,根据所述卡尔曼滤波操作的结果指示的相对速度的反方向值,确定所述车辆自身的行驶速度。
可选地,所述车辆自动驾驶装置,用于根据多组所述相对速度,确定所述车辆自身的速度信息,进一步包括:从所述卡尔曼滤波操作的结果中选取相邻两帧对应的行驶速度,根据所述相邻两帧的行驶速度对应的的速度差以及时间差,计算出所述车辆的加速度。
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:能够利用车辆雷达组件获取该车辆的周围环境中存在的物体的点云数据,从点云数据中筛选出静态点云数据,并根据所述静态点云数据确定出相对于车辆的多组相对速度,进一步根据多组相对速度确定车辆自身的速度信息;本发明的实施例能够在多种行驶场景(例如:高速行驶、通信延迟异常等)中,利用周围环境的点云数据确定车辆自身的速度信息,以辅助车辆自身的行驶状态,提高了确定车辆自身速度的灵活性和准确性,提高了车辆自动驾驶的效果。
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利用霍夫变换模型处理点云数据的示意图;
图3是根据本发明实施例提供的一种统计相对速度信息的示意图;
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。
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:利用车辆雷达组件获取所述车辆的周围环境中存在的物体的点云数据;基于所述点云数据对应的运动参数特征,从所述点云数据中筛选出静态点云数据。
具体地,在车辆的自动驾驶中,通常车辆可以通过雷达组件(例如激光雷达、毫米波雷达等)探测车辆周围环境中的其他物体表征的速度信息,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的数据为点云数据;通常雷达组件获取的速度信息是其他物体的多个雷达采样点的点云数据包含的速度信息,该获取到的速度类型为径向速度(即多普勒速度);进一步地,车辆可以根据获取雷达组件获取到的速度信息进一步确定车辆自身的速度信息。
进一步地,通过雷达组件获取到的车辆周围的其他物体的点云数据中包含运动参数特征(例如:径向速度等),基于速度信息可以确定出动态点云数据或静态点云数据;可以理解的是,生成静态点云数据的雷达采样点所归属的物体可能是环境中的静态物体;在本发明的实施例中,需要通过点云数据包含的速度信息确定车辆自身的速度信息,由于静态点云数据对应的径向速度可以分解出第一方向的速度Vx和第二方向的速度Vx,通过分解后的Vx、Vy可以推算出代表车辆自身的速度的反方向值(例如通过两个静态点云数据的组合可以反应车辆自身的速度的反方向),即可以确定车辆自身的速度信息;又由于动态点云数据对应的径向速度包含其自身的运动速度信息,在将静态点云和动态点云混合的情况下所确定的Vx和Vy可能带来偏差;因此在本发明的实施例中,首先从点云数据中筛选出一定数据量的静态点云数据用于后续处理;优选地,在从所述点云数据中筛选出静态点云数据之后,进一步包括:计算筛选出的所述静态点云数据在所述点云数据中的占比;在所述占比超过预设占比阈值的情况下,执行为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度的步骤。例如:预设占比阈值为80%或90%等;通过计算静态点云数据在所述点云数据中的占比,结合设置的预设占比阈值,提高利用静态点云数据确定相对于车辆的多组相对速度的数据有效性和准确性。
步骤S102:根据所述静态点云数据,为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度。
具体地,首先从所有筛选出的静态点云数据中划分出多个数据组,每一个数据组中包含两个点的点云数据;例如:存在N个静态点云数据,则可以得到CN 2个数据组,通过每一个数据组计算出一组相对速度(即Vx和Vy);其中,针对一个数据组,基于径向速度Vdoppler计算对应的相对速度Vx和Vy的计算公式可以为如下所示的公式(1)和公式(2)
Vdoppler=Vx*cosθ+Vy*sinθ (1)
其中,Vdoppler(包括V1 doppler、V2 doppler)代表一组目标点云数据包括的径向速度,Vx和Vy分别代表第一方向上的第一分速度以及第二方向上的第二速度;“θ”(包括θ1、θ2)代表水平角,“β”(包括β1、β2)代表俯仰角,“θ”、“β”即径向速度在预设的坐标系中的水平角和俯仰角。
进一步地,通过循环计算使得每一个数据组包含的点云数据(静态点云数据)均执行公式(1)和公式(2)的计算步骤,即,所述为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度,包括:循环执行步骤N1-N2,直到全部静态点云数据均被选取到:N:从未被选取过的静态点云数据中任意选取两个目标点云数据构成一个数据组;N2:基于所述数据组中两个所述目标点云数据包括的径向速度、所述径向速度在预设的坐标系中的俯仰角和水平角,计算对应于所述数据组的第一方向上的第一分速度以及第二方向上的第二速度,其中,所述坐标系中的一个坐标轴平行于所述车辆的行驶方向,所述第一方向或者第二方向平行于所述车辆的行驶方向且所述第一方向与所述第二方向相垂直;从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度。
进一步地,从CN 2个数据组中选取出用于计算车辆自身速度的一些候选数据组,可以理解的是,由于车辆的运动状态的变化,通过车辆雷达获取的静态点云数据对应的径向速度存在较大的差异,因此在本发明的实施例中,进一步筛选可以更加准确地用于确定车辆自身速度的多组相对速度Vx和Vy。
进一步地,本发明的实施例中,从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度的具体方法为:
首先,为车辆的速度可变化范围(例如:0-180)在所述第一方向和所述第二方向的网格化数据,其中,设置网格的范围大小与计算精度直接关联;可以根据应用场景设置具体的网格的范围大小。
进一步地,利用投票算法,基于每一个数据组对应的相对速度,对网格投票,根据每一个所述网格分配到的数据组的数量,选取数据组的数量最高的网格所分配到的多个目标数据组;进一步地,确定多个所述目标数据组对应的第一分速度以及第二分速度为相对于所述车辆的多组相对速度(即用于计算车辆自身速度的相对速度集合)。
优选地,本发明的实施例利用霍夫变换模型将数据组包含的数据转换成对应的直线,根据在网格内相交的直线的数量确定每一个所述网格分配到的数据组的数量;图2示出了一种霍夫变换模型处理后的多个点云数据(多普勒速度)转换成的直线,如图2所示,任意两个直线可能存在相交后的交点,交点既可以对应为两个点云数据存在可能的解Vx和Vy,相交的直线的数量对应于投票的数量,而交点(即获得的Vx和Vy)的位置可以归属于不同的网格内(图3未示出具体的网格,以圆圈范围作为示例说明),通过交点(即Vx和Vy的解)与网格范围的位置关系(内部或外部等),例如如果交点在外部可能为“速度过大,不可能的解”,类似地,交点在内部可能为“可能的解或真实解”。可以确定出不同网格内的数据组数量(投票数量),即,利用霍夫变换模型将数据组转换成对应的直线,根据在网格内相交的直线的数量确定每一个所述网格分配到的数据组的数量。
进一步地,选取投票数量最高的网格作为用于确定所述车辆自身的速度信息的多组相对速度的集合;即,所述从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度,包括:获取预先构建的所述车辆的速度可变化范围在所述第一方向和所述第二方向的网格化数据;利用投票算法,为每一个所述数据组对应的第一分速度以及第二分速度分配所述网格化数据中的网格;根据每一个所述网格分配到的数据组的数量,选取数据组的数量最高的网格所分配到的多个目标数据组;确定多个所述目标数据组对应的第一分速度以及第二分速度为相对于所述车辆的多组相对速度。
图3示出了一种基于网格统计相对速度信息的示意图;如图3所示,X、Y代表坐标系中互为垂直方向的坐标轴,M轴代表各个网格对应的投票数量(即该网格分配到的数据组的数量),可以进一步根据投票数量选取网格中投票数量最高(即被分配的数据组的数量最高)的网格;可以理解的是,图3仅为一种可视化的统计示意图,本发明对具体的统计方法不做限定。本发明的实施例通过投票数量获取到投票数量最多的多组相对速度,从而提升了通过相对速度确定车辆自身的速度信息的准确性和精细化程度。
步骤S103:根据多组所述相对速度,确定所述车辆自身的速度信息。
具体地,在确定出多组相对速度(Vx和Vy)之后,进一步基于多组相对速度(Vx和Vy确定所述车辆自身的速度信息。
在本发明的实施例中,速度信息包括:行驶速度的信息和加速度的信息。
确定车辆自身的行驶速度的方法为:针对多组所述相对速度执行卡尔曼滤波操作,根据所述卡尔曼滤波操作的结果指示的相对速度的反方向值,确定所述车辆自身的行驶速度。具体地,数据滤波是去除噪声还原真实数据的一种数据处理技术,卡尔曼(Kalman)滤波是目前应用最为广泛的滤波方法,其在通信,导航,制导与控制等多领域得到了较好的应用。本发明的实施例通过针对多组相对速度执行卡尔曼滤波操作,提升了数据处理的有效性和效率,进一步地根据所述卡尔曼滤波操作的结果指示的相对速度的反方向值作为所述车辆自身的行驶速度,提高了确定出车辆自身的行驶速度的准确性。即所述根据多组所述相对速度,确定所述车辆自身的速度信息,包括:针对多组所述相对速度执行卡尔曼滤波操作,根据所述卡尔曼滤波操作的结果指示的相对速度的反方向值,确定所述车辆自身的行驶速度。
确定车辆自身的加速度的方法为:基于相邻两帧的行驶速度、速度差和时间差,计算出加速度。即,所述根据多组所述相对速度,确定所述车辆自身的速度信息,进一步包括:从所述卡尔曼滤波操作的结果中选取相邻两帧对应的行驶速度,根据所述相邻两帧的行驶速度对应的速度差以及时间差,计算出所述车辆的加速度。
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。其包括获取数据模块401、筛选数据模块402和确定速度模块403;其中,
所述获取数据模块401,用于利用车辆雷达组件获取所述车辆的周围环境中存在的物体的点云数据;基于所述点云数据对应的运动参数特征,从所述点云数据中筛选出静态点云数据;
所述筛选数据模块402,用于根据所述静态点云数据,为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度;
所述确定速度模块403,用于根据多组所述相对速度,确定所述车辆自身的速度信息。
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可用于利用车辆雷达组件获取所述车辆的周围环境中存在的物体的点云数据;基于所述点云数据对应的运动参数特征,从所述点云数据中筛选出静态点云数据;根据所述静态点云数据,为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度;根据多组所述相对速度,确定所述车辆自身的速度信息;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:一种处理器包括获取数据模块、筛选数据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并筛选出静态点云数据的模块”。
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:利用车辆雷达组件获取所述车辆的周围环境中存在的物体的点云数据;基于所述点云数据对应的运动参数特征,从所述点云数据中筛选出静态点云数据;根据所述静态点云数据,为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度;根据多组所述相对速度,确定所述车辆自身的速度信息。
根据本发明实施例的技术方案,能够利用车辆雷达组件获取该车辆的周围环境中存在的物体的点云数据,从点云数据中筛选出静态点云数据,并根据所述静态点云数据确定出相对于车辆的多组相对速度,进一步根据多组相对速度确定车辆自身的速度信息;本发明的实施例能够在多种行驶场景(例如:高速行驶、通信延迟异常等)中,利用周围环境的点云数据确定车辆自身的速度信息,以辅助车辆自身的行驶状态,提高了确定车辆自身速度的灵活性和准确性,提高了车辆自动驾驶的效果。
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:
利用车辆雷达组件获取所述车辆的周围环境中存在的物体的点云数据;
基于所述点云数据对应的运动参数特征,从所述点云数据中筛选出静态点云数据;
根据所述静态点云数据,为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度;
根据多组所述相对速度,确定所述车辆自身的速度信息。
2.根据权利要求1所述的车辆自动驾驶方法,其特征在于,
在从所述点云数据中筛选出静态点云数据之后,进一步包括:
计算筛选出的所述静态点云数据在所述点云数据中的占比;
在所述占比超过预设占比阈值的情况下,执行为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度的步骤。
3.根据权利要求1所述的车辆自动驾驶方法,其特征在于,
所述为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度,包括:
循环执行步骤N1-N2,直到全部静态点云数据均被选取到:
N:从未被选取过的静态点云数据中任意选取两个目标点云数据构成一个数据组;
N2:基于所述数据组中两个所述目标点云数据包括的径向速度、所述径向速度在预设的坐标系中的俯仰角和水平角,计算对应于所述数据组的第一方向上的第一分速度以及第二方向上的第二速度,其中,所述坐标系中的一个坐标轴平行于所述车辆的行驶方向,所述第一方向或者第二方向平行于所述车辆的行驶方向且所述第一方向与所述第二方向相垂直;
从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度。
4.根据权利要求3所述的车辆自动驾驶方法,其特征在于,
所述从计算出的每一个所述数据组对应的第一分速度以及第二分速度中,确定出相对于所述车辆的多组相对速度,包括:
获取预先构建的所述车辆的速度可变化范围在所述第一方向和所述第二方向的网格化数据;
利用投票算法,为每一个所述数据组对应的第一分速度以及第二分速度分配所述网格化数据中的网格;
根据每一个所述网格分配到的数据组的数量,选取数据组的数量最高的网格所分配到的多个目标数据组;
确定多个所述目标数据组对应的第一分速度以及第二分速度为相对于所述车辆的多组相对速度。
5.根据权利要求4所述的车辆自动驾驶方法,其特征在于,还包括:
利用霍夫变换模型将数据组转换成对应的直线,根据在网格内相交的直线的数量确定每一个所述网格分配到的数据组的数量。
6.根据权利要求1所述的车辆自动驾驶方法,其特征在于,
所述根据多组所述相对速度,确定所述车辆自身的速度信息,包括:
针对多组所述相对速度执行卡尔曼滤波操作,根据所述卡尔曼滤波操作的结果指示的相对速度的反方向值,确定所述车辆自身的行驶速度。
7.根据权利要求6所述的车辆自动驾驶方法,其特征在于,所述根据多组所述相对速度,确定所述车辆自身的速度信息,进一步包括:
从所述卡尔曼滤波操作的结果中选取相邻两帧对应的行驶速度,根据所述相邻两帧的行驶速度对应的的速度差以及时间差,计算出所述车辆的加速度。
8.一种车辆自动驾驶装置,其特征在于,包括:获取数据模块、筛选数据模块和确定速度模块;
所述获取数据模块,用于利用车辆雷达组件获取所述车辆的周围环境中存在的物体的点云数据;基于所述点云数据对应的运动参数特征,从所述点云数据中筛选出静态点云数据;
所述筛选数据模块,用于根据所述静态点云数据,为对应于所述静态点云数据的雷达采样点确定出相对于所述车辆的多组相对速度;
所述确定速度模块,用于根据多组所述相对速度,确定所述车辆自身的速度信息。
9.一种车辆自动驾驶的车载电子设备,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311610709.9A CN117629236A (zh) | 2023-11-29 | 2023-11-29 | 一种车辆自动驾驶方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311610709.9A CN117629236A (zh) | 2023-11-29 | 2023-11-29 | 一种车辆自动驾驶方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117629236A true CN117629236A (zh) | 2024-03-01 |
Family
ID=90029881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311610709.9A Pending CN117629236A (zh) | 2023-11-29 | 2023-11-29 | 一种车辆自动驾驶方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117629236A (zh) |
-
2023
- 2023-11-29 CN CN202311610709.9A patent/CN117629236A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11915492B2 (en) | Traffic light recognition method and apparatus | |
CN107816976B (zh) | 一种接近物体的位置确定方法和装置 | |
JP2022531092A (ja) | 自律マシン・アプリケーションのための変換された現実世界センサ・データから現実的試験データをシミュレーションすること | |
CN112512887B (zh) | 一种行驶决策选择方法以及装置 | |
CN115220449B (zh) | 路径规划的方法、装置、存储介质、芯片及车辆 | |
US20220270377A1 (en) | Method and apparatus for detecting corner points of lane lines, electronic device and storage medium | |
CN110770540B (zh) | 用于构建环境模型的方法和装置 | |
CN116968742A (zh) | 一种车辆自动驾驶方法和装置 | |
CN113064153B (zh) | 一种确定目标对象跟踪门限的方法、装置 | |
CN117629236A (zh) | 一种车辆自动驾驶方法和装置 | |
CN114782638B (zh) | 生成车道线的方法、装置、车辆、存储介质及芯片 | |
CN115675504A (zh) | 一种车辆告警方法以及相关设备 | |
CN117170384A (zh) | 一种车辆自动驾驶方法和装置 | |
CN113313654A (zh) | 激光点云滤波去噪方法、系统、设备及存储介质 | |
CN117911527A (zh) | 一种校准车载拍摄设备的方法和装置 | |
CN115179930B (zh) | 车辆控制方法、装置、车辆及可读存储介质 | |
WO2024108380A1 (zh) | 自动泊车方法及装置 | |
CN117179750A (zh) | 用户损伤预测的方法及装置 | |
US20230294727A1 (en) | Hazard detection using occupancy grids for autonomous systems and applications | |
CN117183949A (zh) | 一种车门智能防磕碰方法和装置 | |
CN117549793A (zh) | 一种车辆充电方法和装置 | |
CN117400934A (zh) | 一种车辆自动驾驶方法、服务端和系统 | |
CN116935362A (zh) | 一种碰撞损伤预测方法、装置及车辆 | |
CN117087701A (zh) | 一种自动驾驶方法及装置 | |
CN116708549A (zh) | 一种推送化妆信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |