CN117922572A - 掉头场景下车辆限速方法、设备及自动驾驶车辆 - Google Patents
掉头场景下车辆限速方法、设备及自动驾驶车辆 Download PDFInfo
- Publication number
- CN117922572A CN117922572A CN202311695568.5A CN202311695568A CN117922572A CN 117922572 A CN117922572 A CN 117922572A CN 202311695568 A CN202311695568 A CN 202311695568A CN 117922572 A CN117922572 A CN 117922572A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- point
- speed limit
- vehicle speed
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000003993 interaction Effects 0.000 claims abstract description 144
- 230000003068 static effect Effects 0.000 claims abstract description 104
- 230000001133 acceleration Effects 0.000 claims description 57
- 238000012545 processing Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 description 12
- 230000000903 blocking effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241001464837 Viridiplantae Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory 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
本公开提供了一种掉头场景下车辆限速方法、设备及自动驾驶车辆,涉及自动驾驶技术领域,可应用于车辆掉头、车速控制等场景下。具体实现方案包括:根据地图信息,确定掉头路段的对向车道是否存在静态遮挡区;当存在静态遮挡区时,根据地图信息及车辆预期路径,确定至少一个对向关联车道,以及第一关联车道与车辆预期路径的交互点;根据交互点和预设长度,确定对向关联车道的参考线的起始点;当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据至少一个交点与交互点的距离,确定车辆限速值;根据车辆限速值,进行车辆限速。本公开能够提高车辆掉头时对车辆进行限速的准确性。
Description
技术领域
本公开涉及交通领域,具体涉及自动驾驶技术领域,可应用于车辆掉头、车速控制等场景下,尤其涉及一种掉头场景下车辆限速方法、设备及自动驾驶车辆。
背景技术
无人驾驶车辆在需要掉头的场景时,对向车道可能会被绿植或隔离带等静态障碍物遮挡而存在静态遮挡区,无人车(即无人驾驶车辆)无法感知静态遮挡区的任何信息,因而,当对向车道存在静态遮挡区时,会为需要掉头的无人车设置限速值,以避免事故的发生。
但目前这种车辆限速方式,不能结合静态遮挡区的实际情况,限速准确性不高。
发明内容
本公开提供了一种掉头场景下车辆限速方法、设备及自动驾驶车辆,能够提高车辆掉头时对车辆进行限速的准确性。
根据本公开的第一方面,提供了一种掉头场景下车辆限速方法,包括:
根据地图信息,确定掉头路段的对向车道是否存在静态遮挡区;当存在静态遮挡区时,根据地图信息及车辆预期路径,确定至少一个对向关联车道,以及第一关联车道与车辆预期路径的交互点,对向关联车道为车辆掉头所影响的对向车道,第一关联车道为对向关联车道中第一个与车辆预期路径交互的车道;根据交互点和预设长度,确定对向关联车道的参考线的起始点;当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据至少一个交点与交互点的距离,确定车辆限速值;根据车辆限速值,进行车辆限速。
根据本公开的第二方面,提供了一种掉头场景下车辆限速装置,该装置包括:确定模块、处理模块和限速模块。
确定模块,用于根据地图信息,确定掉头路段的对向车道是否存在静态遮挡区;当存在静态遮挡区时,根据地图信息及车辆预期路径,确定至少一个对向关联车道,以及第一关联车道与车辆预期路径的交互点,对向关联车道为车辆掉头所影响的对向车道,第一关联车道为对向关联车道中第一个与车辆预期路径交互的车道;根据交互点和预设长度,确定对向关联车道的参考线的起始点。
处理模块,用于当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据至少一个交点与交互点的距离,确定车辆限速值。
限速模块,用于根据车辆限速值,进行车辆限速。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行根据第一方面的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据第一方面的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例提供的掉头场景下车辆限速方法的流程示意图;
图2为本公开实施例提供的车辆掉头场景的示意图;
图3为本公开实施例提供的掉头场景下车辆限速方法的另一种流程示意图;
图4为本公开实施例提供的掉头场景下车辆限速方法的又一种流程示意图;
图5为本公开实施例提供的掉头场景下车辆限速方法的又一种流程示意图;
图6为本公开实施例提供的掉头场景下车辆限速方法的又一种流程示意图;
图7为本公开实施例提供的掉头场景下车辆限速装置的组成示意图;
图8为本公开实施例提供的电子设备的组成示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
应当理解,在本公开各实施例中,字符“/”一般表示前后关联对象是一种“或”的关系。术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
无人驾驶车辆在需要掉头的场景时,对向车道可能会被绿植或隔离带等静态障碍物遮挡而存在静态遮挡区,无人车(即无人驾驶车辆)无法感知静态遮挡区的任何信息,因而,当对向车道存在静态遮挡区时,会为需要掉头的无人车设置限速值,以避免事故的发生。
但目前这种车辆限速方式,不能结合静态遮挡区的实际情况,限速准确性不高。
示例性地,在无人车需要掉头且对向车道存在静态遮挡区时,即可为无人车设置限速值,并未考虑静态遮挡区的是否真正影响到无人车的掉头,实行限速的准确性不高。
在此背景技术下,本公开提供了一种掉头场景下车辆限速方法,可以提高车辆掉头时对车辆进行限速的准确性。
本公开实施例提供的掉头场景下车辆限速方法的执行主体可以是计算机或服务器,或者还可以是其他具有数据处理能力的电子设备;或者,该方法的执行主体也可以是上述电子设备中的处理器(例如中央处理器(central processing unit,CPU));再或者,该方法的执行主体还可以是上述电子设备中安装的能够实现该方法的功能的应用程序(application,APP);又或者,该方法的执行主体又可以是上述电子设备中具有该方法的功能的功能模块或单元等。在此对该方法的执行主体不作限制。
示例性地,一些实现方式中,本公开实施例提供的掉头场景下车辆限速方法可以应用于设置在无人控制车辆上的控制设备。
下面结合附图对该掉头场景下车辆限速方法进行示例性说明。
图1为本公开实施例提供的掉头场景下车辆限速方法的流程示意图。如图1所示,该方法可以包括:
S101、根据地图信息,确定掉头路段的对向车道是否存在静态遮挡区。
示例性地,地图信息可以存储于云端或控制设备的存储介质中,在车辆需要掉头时,控制设备可以通过无线网络向云端发送请求,以获取地图信息,或者,控制设备可以直接从存储介质中读取地图信息。
示例性地,掉头路段可以为车辆规划的掉头路径所处的路段,对掉头路段的长度不作限制。例如,掉头路段可以是车辆规划的掉头路径的掉头处前方100m的路段。
示例性地,地图信息中可以包括车道信息、静态遮挡区信息,可以在车辆需要掉头时,根据车道信息、静态遮挡区信息,确定掉头路段的对向车道是否存在静态遮挡区。
示例地,对向车道上可以包括一个或多个静态遮挡区,对静态遮挡区的数量也不做限制。
示例性地,在确定掉头路段的对向车道存在静态遮挡区时,可以继续执行S102,在确定掉头路段的对向车道不存在静态遮挡区时,可以不对车辆进行限速控制。
S102、当存在静态遮挡区时,根据地图信息及车辆预期路径,确定至少一个对向关联车道,以及第一关联车道与车道与车辆预期路径的交互点。
其中,对向关联车道为车辆掉头所影响的对向车道,第一关联车道为第一个与车辆预期路径交互的车道。
示例性地,车辆预期路径可以为车辆为了完成掉头而规划出的路径。车辆路径的规划方法可以是本领域内的常规方法,对此不作限制。例如,可以通过混合A*算法实现车辆掉头的路径规划,在此不再赘述。
示例性地,对向关联车道的数量与车辆预期路径相关。例如,参考图2,以对向车道包括左侧车道和右侧车道为例,当车辆预期路径为车辆掉头至左侧车道时,则对向关联车道包括左侧车道。可以理解,当车辆预期路径为车辆掉头至右侧车道时,则对向关联车道包括左侧车道和右侧车道。
示例性的,继续以对向车道包括左侧车道、中间车道和右侧车道为例,无论车辆预期路径为车辆掉头至对向车道中的哪一个,左侧车道均为第一关联车道。
示例性地,可以根据地图信息中的车道信息以及车辆预期路径,确定第一关联车道与车道与车辆预期路径的交互点。可以理解,第一关联车道与车道与车辆预期路径的交互点,可以为车辆预期路径与第一关联车道的车道线相交的点,如图2中的点A。
示例性地,确定出第一关联车道与车道与车辆预期路径的交互点后,可以执行S103。
S103、根据交互点和预设长度,确定对向关联车道的参考线的起始点。
示例性地,预设长度可以为固定值,如10m、50m等,对固定值的大小不作限制。预设长度还可以根据对向关联车道的具体情况确定。例如,在对向关联车道为直线车道时,预设长度可以为预设第一长度,在对向关联车道的曲率不大于预设曲率时,预设长度可以为预设第二长度,在对向关联车道的曲率大于预设曲率时,预设长度可以为预设第三长度,对预设第一长度、预设第二长度和预设第三长度的大小均不作限制。
示例性地,对向关联车道的参考线可以为对向关联车道的车道中心线,对向关联车道的参考线的起始点可以为在对向关联车道的车道中心线上,与交互点对应的对向关联车道的车道中心线的点相差距离为预设长度的点,如图2中的点B。
示例性地,当对向关联车道包括多个时,起始点的个数也为多个,起始点与对向关联车道一一对应。
示例性地,确定出对向关联车道的参考线的起始点后,可以执行S104。
S104、当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据至少一个交点与交互点的距离,确定车辆限速值。
示例性地,起始点与交互点的连线与静态遮挡区的边缘线的交点的数量,与起始点、交互点的位置及静态遮挡区的形状大小有关,对此不作限制。
示例性地,当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,表示静态遮挡区会对无人车的掉头造成影响,需要进行车辆限速。当起始点与交互点的连线与静态遮挡区的边缘线不存在交点时,表示静态遮挡区不会对无人车的掉头造成影响,无需进行车辆限速。
示例性地,当存在两个及两个以上的交点时,如图2中的点C和点C’,可以根据各个交点与交互点的距离中的最小值,确定车辆限速值。
示例性地,在至少一个交点与交互点的距离大于或等于预设第一距离时,车辆限速值可以为预设第一速度,在至少一个交点与交互点的距离小于或等于预设第二距离时,车辆限速值可以为预设第二速度,在至少一个交点与交互点的距离小于预设第一距离且大于预设第二距离时,可以根据在至少一个交点与交互点的距离、预设第一速度和预设第二速度,通过线性插值公式确定车辆限速值。
示例性地,在确定车辆限速值后,可以执行S105。
S105、根据车辆限速值,进行车辆限速。
示例性地,可以根据车辆限速值,对车辆到达交互点之前的行驶速度进行限制,以实现对车辆的限速。
本公开实施例通过根据地图信息,确定掉头路段的对向车道是否存在静态遮挡区,在存在静态遮挡区时,根据地图信息及车辆预期路径,确定至少一个对向关联车道,以及第一关联车道与车道与车辆预期路径的交互点,根据交互点和预设长度,确定对向关联车道的参考线的起始点,可以得到起始点与交互点的连线,在起始点与交互点的连线与静态遮挡区的边缘线存在交点时,可以确定出静态遮挡区会对无人车的掉头造成影响,根据至少一个交点与交互点的距离,确定车辆限速值,根据车辆限速值,进行车辆限速,可以提高车辆掉头时对车辆进行限速的准确性。
图3为本公开实施例提供的掉头场景下车辆限速方法的另一种流程示意图。如图3所示,当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据至少一个交点与交互点的距离,确定车辆限速值,可以包括:
S301、当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,确定至少一个交点与交互点的第一距离。
示例性地,起始点与交互点的连线与静态遮挡区的边缘线的交点可以为一个或多个;当交点只有一个时,该交点与交互点的距离即为第一距离,即第一距离只有一个;当存在多个交点时,各交点与交互点的距离均为第一距离,即第一距离包括多个。
示例性地,在确定低于距离后,可以执行S302。
S302、根据第一距离中的最小值和第一预设阈值,确定是否需要进行车辆限速。
示例性地,当第一距离只有一个时,该第一距离即为第一距离中的最小值。
示例性地,可以将第一距离中的最小值与第一预设阈值进行比较,当第一距离中的最小值小于或等于第一预设阈值时,确定需要进行车辆限速,当第一距离中的最小值大于第一预设阈值时,确定不需要进行车辆限速。
示例性地,在确定需要进行车辆限速后,可以执行S303。
S303、当需要进行车辆限速时,根据至少一个交点与交互点的距离,确定车辆限速值。
示例地,在需要进行车辆限速时,S303的具体实施方式可以参考S104的具体实施方式,在此不再赘述。
本实施例通过在起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,确定至少一个交点与交互点的第一距离,根据第一距离中的最小值和第一预设阈值,确定是否需要进行车辆限速,当需要进行车辆限速时,根据至少一个交点与交互点的距离,确定车辆限速值,可以根据交点与交互点的距离,准确地确定出静态遮挡区是否会对无人车的掉头造成影响,从而在会造成影响时根据至少一个交点与交互点的距离,对车辆进行限速,进一步提高车辆掉头时对车辆进行限速的准确性。
图4为本公开实施例提供的掉头场景下车辆限速方法的又一种流程示意图。如图4所示,当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据至少一个交点与交互点的距离,确定车辆限速值,包括:
S401、当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据起始点与交互点的连线,构建第一区域。
示例性地,对第一区域的构建方式及形状大小均不作限制。例如,如图2所示,可以以起始点B与交互点A的连线作为对称轴,构建矩形区域,将该矩形区域作为第一区域。
示例地,在起始点包括多个时,起始点与交互点的连线也包括多个,构建的第一区域也包括多个,起始点、起始点与交互点的连线及第一区域均一一对应。
示例性地,在构建出第一区域后,可以执行S402。
S402、根据第一区域与静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速。
示例性地,可以计算出第一区域与静态遮挡区的重叠面积,将重叠面积与第二预设阈值进行比较;当重叠面积大于或等于第二预设阈值时,确定需要进行车辆限速;当重叠面积小于第二预设阈值时,确定不需要进行车辆限速。
示例地,当第一区域包括多个、静态遮挡区也包括多个时,可以计算出每个第一区域与各静态遮挡区的重叠面积。当存在大于或等于第二预设阈值的重叠面积时,表明该重叠面积对应的静态遮挡区会对无人车的掉头造成影响。
示例性地,在确定需要进行车辆限速后,可以执行S403。
S403、当需要进行车辆限速时,根据至少一个交点与交互点的距离,确定车辆限速值。
示例地,在需要进行车辆限速时,S403的具体实施方式可以参考S104的具体实施方式,在此不再赘述。
本实施例通过在起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据起始点与交互点的连线,构建第一区域,根据第一区域与静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速,可以根据第一区域与静态遮挡区的重叠面积,准确地确定出静态遮挡区是否会对无人车的掉头造成影响,从而在会造成影响时根据至少一个交点与交互点的距离,对车辆进行限速,进一步提高车辆掉头时对车辆进行限速的准确性。
图5为本公开实施例提供的掉头场景下车辆限速方法的又一种流程示意图。如图5所示,当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据至少一个交点与交互点的距离,确定车辆限速值,包括:
S501、当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,确定交点与交互点的第一距离,并根据起始点与交互点的连线,构建第一区域。
示例地,S501的具体实施方式可以参考S301和S401的内容,在此不再赘述。
S502、根据第一距离中的最小值和第一预设阈值,以及第一区域与静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速。
示例地,S502的具体实施方式可以参考S302和S402的内容,在根据第一距离中的最小值和第一预设阈值确定需要进行车辆限速,并且,根据第一区域与静态遮挡区的重叠面积和第二预设阈值也确定需要进行车辆限速时,确定需要进行车辆限速。
S503、当需要进行车辆限速时,根据至少一个交点与交互点的距离,确定车辆限速值。
示例地,在需要进行车辆限速时,S503的具体实施方式可以参考S104的具体实施方式,在此不再赘述。
本实施例通过在起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,确定交点与交互点的第一距离,并根据起始点与交互点的连线,构建第一区域,根据第一距离中的最小值和第一预设阈值,以及第一区域与静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速,可以根据交点与交互点的距离以及第一区域与静态遮挡区的重叠面积,准确地确定出静态遮挡区是否会对无人车的掉头造成影响,从而在会造成影响时根据至少一个交点与交互点的距离,对车辆进行限速,进一步提高车辆掉头时对车辆进行限速的准确性。
一些可能的实施方式中,根据至少一个交点与交互点的距离,确定车辆限速值,包括:
根据至少一个交点与交互点的距离,通过预先训练好的限速值确定模型,得到车辆限速值。
其中,限速值确定模型的输入参数为车辆与交互点的距离,输出为车辆限速值。
示例性地,可以根据预先获取的包括交点与交互点的距离以及车辆限速值的训练样本,对初始神经网络进行训练,得到训练好的限速值确定模型。
本实施例通过根据至少一个交点与交互点的距离,通过预先训练好的限速值确定模型,得到车辆限速值,可以快速准确地得到车辆限速值。
一些可能的实施方式中,限速值确定模型的输入参数还包括:
车辆的速度,车辆的加速度,车辆与对向关联车道的航向差,车辆以车辆预期路径行驶至交互点的行驶距离,对向车道中静态遮挡区的个数,与车辆距离最近的静态遮挡区的面积,车辆所在车道的宽度,对向关联车道的宽度,车辆与最近前方车辆的距离,车辆与最近后方车辆的距离,第一区域与静态遮挡区的重叠面积,第一区域为根据起始点与交互点的连线构建的。
示例性地,可以预先获取包括所有输入参数和车辆限速值模型的训练样本,对初始神经网络进行训练,得到训练好的限速值确定模型。
本实施例通过设定多个限速值确定模型的输入参数,可以使限速值确定模型能够更准确地得到车辆限速值。
一些可能的实施方式中,限速值确定模型为三层全连接神经网络。
示例性地,限速值确定模型可以包括输入层、隐藏层和输出层。输入层的神经元个数与输入参数的个数相同,隐藏层采用512个神经元,输出层的神经元个数为1个,使用sigmoid激活函数。
本实施例通过设置限速值确定模型的神经网络类型为三层全连接神经网络,可以使限速值确定模型准确地得到车辆限速值。
一些可能的实施方式中,根据车辆限速值,进行车辆限速,包括:
根据车辆限速值、预期车辆限速起点和预期车辆限速终点,进行车辆限速。
示例性地,对预期车辆限速起点和预期车辆限速终点的位置不作限制。例如,预期车辆限速起点可以为车辆预期路径上交互点之前5m的位置,预期车辆限速终点可以为车辆预期路径上交互点之前1.5m的位置。
示例性地,可以根据车辆限速值,控制车辆在预设车辆限速起点和预设车辆限速终点之间的车速不大于车辆限速值,以实现车辆限速。
本实施例通过根据车辆限速值、预期车辆限速起点和预期车辆限速终点,进行车辆限速,可以为车辆设定限速区间,使得车辆可以在限速区间内车速较慢、限速区间外车速尽可能快,提高了掉头路段的车辆通行效率。
图6为本公开实施例提供的掉头场景下车辆限速方法的又一种流程示意图。如图6所示,根据车辆限速值、预设车辆限速起点和预设车辆限速终点,进行车辆限速,包括:
S601、获取车辆在车辆预期路径上的多个加速度规划曲线。
示例性地,加速度规划曲线可以由车辆上的控制设备直接生成,也可以由其他具有计算能力的电子设备生成并发送给控制设备,对加速度规划曲线的获取方式不作限制。
示例性地,加速度规划曲线可以用来反映车辆加速度与时间的关系。
示例性地,加速度规划曲线可以指示车辆从当前位置行驶至交互点的过程中任一时刻的加速度值,从而实现对车辆车速的控制。例如,车辆从一个位置到达另一个位置,可以先加速再减速,也可以先加速、再匀速、再减速,也可以一直匀速行驶,每一种情况都可以有多个对应的加速度规划曲线。
示例地,在获取到加速度规划曲线后,可以执行S602。
S602、根据车辆限速值、预设车辆限速起点和预设车辆限速终点,从多个加速度规划曲线中,确定目标加速度规划曲线。
示例性地,可以根据加速度规划曲线,生成对应的速度规划曲线和行驶距离规划曲线,根据速度规划曲线和行驶距离规划曲线,将在车辆限速起点和车辆限速终点之间的车辆速度不大于车辆限速值所对应的加速度规划曲线,确定为目标加速度规划曲线。
示例性地,目标加速度规划曲线可以包括一个或多个,对此不作限制。
示例地,当在车辆限速起点和车辆限速终点之间的车辆速度不大于车辆限速值所对应的加速度规划曲线只有一个时,该加速度规划曲线即为目标加速度规划曲线。
示例地,当在车辆限速起点和车辆限速终点之间的车辆速度不大于车辆限速值所对应的加速度规划曲线包括多个时,可以随机任选一个加速度规划曲线作为目标加速度规划曲线。也可以根据车辆行驶至交互点的过程中所需花费的时长和加速度的绝对值的大小,从多个在车辆限速起点和车辆限速终点之间的车辆速度不大于车辆限速值所对应的加速度规划曲线中,确定花费时长最短、加速度的绝对值最小所对应的加速度规划曲线为目标加速度规划曲线。
示例性地,在确定出目标加速度规划曲线后,可以执行S603。
S603、根据目标加速度规划曲线对车辆的加速度进行控制,以实现车辆的限速。
示例性地,可以根据目标加速度规划曲线来控制车辆在后续各时刻的加速度,从而控制车辆以车辆预期路径行驶时的车速。
本实施例通过获取车辆在车辆预期路径上的多个加速度规划曲线,根据车辆限速值、车辆限速起点和车辆限速终点,从多个加速度规划曲线中,确定目标加速度规划曲线,根据目标加速度规划曲线对车辆的加速度进行控制,以实现车辆的限速,可以使得车辆根据目标加速度规划曲线行驶,以提高车辆行驶的安全性和乘客的舒适性。
上述主要从方法的角度对本公开实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术目标应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术目标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公开的范围。
在示例性实施例中,本公开实施例还提供一种掉头场景下车辆限速装置,可以用于实现如前述实施例的掉头场景下车辆限速方法。
图7为本公开实施例提供的掉头场景下车辆限速装置的组成示意图。如图7所示,该装置可以包括:确定模块701、处理模块702和限速模块703。
确定模块701,用于根据地图信息,确定掉头路段的对向车道是否存在静态遮挡区;当存在静态遮挡区时,根据地图信息及车辆预期路径,确定至少一个对向关联车道,以及第一关联车道与车辆预期路径的交互点,对向关联车道为车辆掉头所影响的对向车道,第一关联车道为对向关联车道中第一个与车辆预期路径交互的车道;根据交互点和预设长度,确定对向关联车道的参考线的起始点。
处理模块702,用于当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据至少一个交点与交互点的距离,确定车辆限速值。
限速模块703,用于根据车辆限速值,进行车辆限速。
一些可能的实施例中,处理模块702,具体用于:
当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,确定至少一个交点与交互点的第一距离;根据第一距离中的最小值和第一预设阈值,确定是否需要进行车辆限速;当需要进行车辆限速时,根据至少一个交点与交互点的距离,确定车辆限速值。
一些可能的实施例中,处理模块702,具体用于:
当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,根据起始点与交互点的连线,构建第一区域;根据第一区域与静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速;当需要进行车辆限速时,根据至少一个交点与交互点的距离,确定车辆限速值。
一些可能的实施例中,处理模块702,具体用于:
当起始点与交互点的连线与静态遮挡区的边缘线存在至少一个交点时,确定交点与交互点的第一距离,并根据起始点与交互点的连线,构建第一区域;根据第一距离中的最小值和第一预设阈值,以及第一区域与静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速;当需要进行车辆限速时,根据至少一个交点与交互点的距离,确定车辆限速值。
一些可能的实施例中,处理模块702,具体用于:
根据至少一个交点与交互点的距离的最小值,通过预先训练好的限速值确定模型,得到车辆限速值;其中,限速值确定模型的输入参数为车辆与交互点的距离,输出为车辆限速值。
一些可能的实施例中,限速值确定模型的输入参数还包括:
车辆的速度,车辆的加速度,车辆与对向关联车道的航向差,车辆以车辆预期路径行驶至交互点的行驶距离,对向车道中静态遮挡区的个数,与车辆距离最近的静态遮挡区的面积,车辆所在车道的宽度,对向关联车道的宽度,车辆与最近前方车辆的距离,车辆与最近后方车辆的距离,第一区域与静态遮挡区的重叠面积,第一区域为根据起始点与交互点的连线构建的。
一些可能的实施例中,限速值确定模型为三层全连接神经网络。
一些可能的实施例中,限速模块703,具体用于:
根据车辆限速值、预设车辆限速起点和预设车辆限速终点,进行车辆限速。
一些可能的实施例中,限速模块703,具体用于:
获取车辆在车辆预期路径上的多个加速度规划曲线;根据车辆限速值、预设车辆限速起点和预设车辆限速终点,从多个加速度规划曲线中,确定目标加速度规划曲线;根据目标加速度规划曲线对车辆的加速度进行控制,以实现车辆的限速。
需要说明的是,图7中对模块的划分是示意性的,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,还可以将两个或两个以上的功能集成在一个处理模块中。本公开实施例对此不作限制。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
示例性实施例中,电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上实施例所述的方法。该电子设备可以是上述计算机或服务器。
示例性实施例中,可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行根据以上实施例所述的方法。
示例性实施例中,计算机程序产品包括计算机程序,所述计算机程序在被处理器执行时实现根据以上实施例所述的方法。
根据本公开的实施例,本公开还提供了一种自动驾驶车辆,该自动驾驶车辆包括根据本申请上述实施例的电子设备,该电子设备可以执行以上实施例所述的方法。
示例地,该电子设备可以是自动驾驶车辆的车辆控制设备。
此外,上述实施例的自动驾驶车辆的其他构成可以采用于本领域普通技术人员现在和未来知悉的各种技术方案,这里不再详细描述。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如掉头场景下车辆限速方法。例如,在一些实施例中,掉头场景下车辆限速方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的掉头场景下车辆限速方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行掉头场景下车辆限速方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)或者包括中间件部件的计算系统(例如,应用服务器)或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)或者包括这种后台部件、中间件部件或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (20)
1.一种掉头场景下车辆限速方法,所述方法包括:
根据地图信息,确定掉头路段的对向车道是否存在静态遮挡区;
当存在静态遮挡区时,根据地图信息及车辆预期路径,确定至少一个对向关联车道,以及第一关联车道与所述车辆预期路径的交互点,所述对向关联车道为车辆掉头所影响的对向车道,所述第一关联车道为所述对向关联车道中第一个与所述车辆预期路径交互的车道;
根据所述交互点和预设长度,确定所述对向关联车道的参考线的起始点;
当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值;
根据所述车辆限速值,进行车辆限速。
2.根据权利要求1所述的方法,所述当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值,包括:
当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,确定所述至少一个交点与所述交互点的第一距离;
根据所述第一距离中的最小值和第一预设阈值,确定是否需要进行车辆限速;
当需要进行车辆限速时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值。
3.根据权利要求1所述的方法,所述当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值,包括:
当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,根据所述起始点与所述交互点的连线,构建第一区域;
根据所述第一区域与所述静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速;
当需要进行车辆限速时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值。
4.根据权利要求1所述的方法,所述当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值,包括:
当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,确定所述交点与所述交互点的第一距离,并根据所述起始点与所述交互点的连线,构建第一区域;
根据所述第一距离中的最小值和第一预设阈值,以及所述第一区域与所述静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速;
当需要进行车辆限速时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值。
5.根据权利要求1-4任一项所述的方法,所述根据所述至少一个交点与所述交互点的距离,确定车辆限速值,包括:
根据所述至少一个交点与所述交互点的距离的最小值,通过预先训练好的限速值确定模型,得到车辆限速值;
其中,所述限速值确定模型的输入参数为所述车辆与所述交互点的距离,输出为车辆限速值。
6.根据权利要求5所述的方法,所述限速值确定模型的输入参数还包括:
所述车辆的速度,所述车辆的加速度,所述车辆与所述对向关联车道的航向差,所述车辆以所述车辆预期路径行驶至所述交互点的行驶距离,对向车道中所述静态遮挡区的个数,与车辆距离最近的静态遮挡区的面积,所述车辆所在车道的宽度,所述对向关联车道的宽度,所述车辆与最近前方车辆的距离,车辆与最近后方车辆的距离,第一区域与所述静态遮挡区的重叠面积,所述第一区域为根据所述起始点与所述交互点的连线构建的。
7.根据权利要求1-6任一项所述的方法,所述根据所述车辆限速值,进行车辆限速,包括:
根据所述车辆限速值、预设车辆限速起点和预设车辆限速终点,进行车辆限速。
8.根据权利要求7所述的方法,所述根据所述车辆限速值、预设车辆限速起点和预设车辆限速终点,进行车辆限速,包括:
获取车辆在所述车辆预期路径上的多个加速度规划曲线;
根据所述车辆限速值、所述预设车辆限速起点和所述预设车辆限速终点,从多个加速度规划曲线中,确定目标加速度规划曲线;
根据目标加速度规划曲线对所述车辆的加速度进行控制,以实现所述车辆的限速。
9.一种掉头场景下车辆限速装置,所述装置包括:
确定模块,用于根据地图信息,确定掉头路段的对向车道是否存在静态遮挡区;当存在静态遮挡区时,根据地图信息及车辆预期路径,确定至少一个对向关联车道,以及第一关联车道与所述车辆预期路径的交互点,所述对向关联车道为车辆掉头所影响的对向车道,所述第一关联车道为所述对向关联车道中第一个与所述车辆预期路径交互的车道;根据所述交互点和预设长度,确定所述对向关联车道的参考线的起始点;
处理模块,用于当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值;
限速模块,用于根据所述车辆限速值,进行车辆限速。
10.根据权利要求9所述的装置,所述处理模块,具体用于:
当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,确定所述至少一个交点与所述交互点的第一距离;
根据所述第一距离中的最小值和第一预设阈值,确定是否需要进行车辆限速;
当需要进行车辆限速时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值。
11.根据权利要求9所述的装置,所述处理模块,具体用于:
当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,根据所述起始点与所述交互点的连线,构建第一区域;
根据所述第一区域与所述静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速;
当需要进行车辆限速时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值。
12.根据权利要求9所述的装置,所述处理模块,具体用于:
当所述起始点与所述交互点的连线与所述静态遮挡区的边缘线存在至少一个交点时,确定所述交点与所述交互点的第一距离,并根据所述起始点与所述交互点的连线,构建第一区域;
根据所述第一距离中的最小值和第一预设阈值,以及所述第一区域与所述静态遮挡区的重叠面积和第二预设阈值,确定是否需要进行车辆限速;
当需要进行车辆限速时,根据所述至少一个交点与所述交互点的距离,确定车辆限速值。
13.根据权利要求9-12任一项所述的装置,所述处理模块,具体用于:
根据所述至少一个交点与所述交互点的距离的最小值,通过预先训练好的限速值确定模型,得到车辆限速值;
其中,所述限速值确定模型的输入参数为所述车辆与所述交互点的距离,输出为车辆限速值。
14.根据权利要求13所述的装置,所述限速值确定模型的输入参数还包括:
所述车辆的速度,所述车辆的加速度,所述车辆与所述对向关联车道的航向差,所述车辆以所述车辆预期路径行驶至所述交互点的行驶距离,对向车道中所述静态遮挡区的个数,与车辆距离最近的静态遮挡区的面积,所述车辆所在车道的宽度,所述对向关联车道的宽度,所述车辆与最近前方车辆的距离,车辆与最近后方车辆的距离,第一区域与所述静态遮挡区的重叠面积,所述第一区域为根据所述起始点与所述交互点的连线构建的。
15.根据权利要求9-14任一项所述的装置,所述限速模块,具体用于:
根据所述车辆限速值、预设车辆限速起点和预设车辆限速终点,进行车辆限速。
16.根据权利要求15所述的装置,所述限速模块,具体用于:
获取车辆在所述车辆预期路径上的多个加速度规划曲线;
根据所述车辆限速值、所述预设车辆限速起点和所述预设车辆限速终点,从多个加速度规划曲线中,确定目标加速度规划曲线;
根据目标加速度规划曲线对所述车辆的加速度进行控制,以实现所述车辆的限速。
17.一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行根据权利要求1-8任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8任一项所述的方法。
20.一种自动驾驶车辆,包括如权利要求17所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695568.5A CN117922572A (zh) | 2023-12-11 | 2023-12-11 | 掉头场景下车辆限速方法、设备及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695568.5A CN117922572A (zh) | 2023-12-11 | 2023-12-11 | 掉头场景下车辆限速方法、设备及自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117922572A true CN117922572A (zh) | 2024-04-26 |
Family
ID=90761916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311695568.5A Pending CN117922572A (zh) | 2023-12-11 | 2023-12-11 | 掉头场景下车辆限速方法、设备及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117922572A (zh) |
-
2023
- 2023-12-11 CN CN202311695568.5A patent/CN117922572A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3960577B1 (en) | Vehicle driving control method and apparatus | |
CN113715814B (zh) | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 | |
CN113071493B (zh) | 车辆变道控制的方法、设备、存储介质和程序产品 | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
CN112622933B (zh) | 车辆停靠点的确定方法及装置 | |
CN113050621B (zh) | 轨迹规划方法、装置、电子设备和存储介质 | |
CN114475585B (zh) | 路口自动驾驶方法、装置、电子设备及自动驾驶车辆 | |
CN113071476A (zh) | 自主泊车的方法、装置、设备及自动驾驶车辆 | |
CN114506343A (zh) | 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆 | |
CN113119999B (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
US20230008289A1 (en) | Route processing method and apparatus | |
CN113715821B (zh) | 控制车辆的方法、装置、电子设备和介质 | |
CN115743183A (zh) | 自动驾驶控制方法、装置、设备、介质及车辆 | |
CN115959154A (zh) | 变道轨迹的生成方法、装置和存储介质 | |
CN117922572A (zh) | 掉头场景下车辆限速方法、设备及自动驾驶车辆 | |
CN114655254A (zh) | 自动驾驶车辆控制方法、装置及电子设备 | |
CN113791564B (zh) | 远程控制的方法、装置、设备、云端服务器及控制系统 | |
CN114526752B (zh) | 一种路径规划方法、装置、电子设备及存储介质 | |
CN115294764B (zh) | 人行横道区域确定方法、装置、设备及自动驾驶车辆 | |
CN113734162B (zh) | 一种车辆间的避障方法、装置及电子设备 | |
CN116700065A (zh) | 无人驾驶设备的控制方法、装置、电子设备及存储介质 | |
CN116811872A (zh) | 车辆的变道方法、装置、电子设备及存储介质 | |
CN114132344A (zh) | 一种自动驾驶车辆的决策方法、装置、设备及存储介质 | |
CN117565894A (zh) | 自动驾驶车辆控制方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |