CN117944685A - 车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品 - Google Patents
车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品 Download PDFInfo
- Publication number
- CN117944685A CN117944685A CN202211344841.5A CN202211344841A CN117944685A CN 117944685 A CN117944685 A CN 117944685A CN 202211344841 A CN202211344841 A CN 202211344841A CN 117944685 A CN117944685 A CN 117944685A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- driving mode
- driver
- control
- 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 165
- 238000011217 control strategy Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 60
- 230000001133 acceleration Effects 0.000 claims description 51
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 22
- 230000008921 facial expression Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 18
- 238000001514 detection method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006996 mental state Effects 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
- 238000011176 pooling Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请涉及一种车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品。该方法包括:获取车辆的驾驶员的驾驶状态,根据驾驶员的驾驶状态确定目标驾驶模式,基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理得到车辆控制策略,并基于车辆控制策略控制车辆驾驶。采用上述方法可以根据驾驶员的实际驾驶状态调整车辆当前的驾驶模式,使得车辆不仅能够在驾驶员完全参与的驾驶模式下驾驶,还能够在驾驶员部分参与或不参与的驾驶模式下驾驶,从而使得车辆在驾驶过程中的驾驶策略可灵活调整,还能够保证车辆安全驾驶,解决了车辆在自动驾驶过程中驾驶策略僵化以使车辆存在安全隐患的问题。
Description
技术领域
本申请涉及交通技术领域,特别是涉及一种车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品。
背景技术
随着社会的发展,人们生活水平在不断提高,人们的用车需求也越来越大。为了缓解驾驶员驾驶疲劳的情况,自动驾驶系统随之发展起来,在一定程度上能够代替驾驶员手动驾驶。
但是,当前自动驾驶处于初始阶段,自动驾驶过程中驾驶策略僵化,导致车辆存在安全隐患的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品,能够解决车辆在自动驾驶过程中驾驶策略僵化、安全隐患等问题。
第一方面,本申请提供了一种车辆驾驶控制方法,车辆包括自动驾驶模块,自动驾驶模块用于支持自动驾驶,该方法包括:
获取车辆的驾驶员的驾驶状态;
根据驾驶员的驾驶状态确定目标驾驶模式;目标驾驶模式包括手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式;
基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略;车辆控制策略包括车辆在目标驾驶模式下驾驶时车辆执行器的控制信息;
基于车辆控制策略控制车辆驾驶。
在其中一个实施例中,基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理得到车辆控制策略,包括:
获取车辆在目标驾驶模式下驾驶操作输入信号的第一权重系数,以及自动驾驶信号的第二权重系数;
根据驾驶操作输入信号、第一权重系数、自动驾驶信号和第二权重系数,确定车辆控制策略。
在其中一个实施例中,若目标驾驶模式为手动驾驶模式,则第二权重系数为预设的第一阈值;若目标驾驶模式为高级自动驾驶模式,则第一权重系数为第一阈值。
在其中一个实施例中,车辆执行器包括制动踏板和加速踏板;获取车辆的驾驶员的驾驶状态,包括:
若检测到车辆的制动踏板的制动控制量大于或等于预设的制动控制量阈值,则获取驾驶员的驾驶状态,制动控制量阈值为通过自动驾驶算法确定的标准制动控制量得到的;或者,
若检测到的车辆的加速踏板的加速控制量大于或等于预设的加速控制量阈值,则获取驾驶员的驾驶状态,加速控制量阈值为通过自动驾驶算法确定的标准加速控制量得到的。
在其中一个实施例中,上述方法还包括:
接收车辆的启动信号,初始化车辆的驾驶模式为手动驾驶模式。
在其中一个实施例中,根据驾驶员的驾驶状态确定目标驾驶模式,包括:
根据车辆所处道路的环境信息,确定道路环境参数;道路环境参数表征车辆所处道路环境的复杂度;
根据道路环境参数和驾驶员的驾驶状态确定目标驾驶模式。
在其中一个实施例中,上述方法还包括:
通过车载显示设备显示车辆当前的驾驶模式。
本申请实施例的技术方案中,可以获取车辆的驾驶员的驾驶状态,根据驾驶员的驾驶状态确定目标驾驶模式,基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略,并基于车辆控制策略控制车辆驾驶;该方法在车辆驾驶过程中,可以根据驾驶员的实际驾驶状态调整车辆当前的驾驶模式,使得车辆不仅能够在驾驶员完全参与的驾驶模式下驾驶,还能够在驾驶员部分参与的驾驶模式和驾驶员不参与的驾驶模式下驾驶,从而使得车辆在驾驶过程中的驾驶策略可灵活调整,还能够保证车辆安全驾驶,解决了车辆在自动驾驶过程中驾驶策略僵化以使车辆存在安全隐患的问题;另外,该方法可以根据车辆内驾驶员的驾驶状态灵活调整车辆的驾驶模式,使得驾驶员的疲劳程度较大时也能够让车辆安全驾驶,提高车辆驾驶时的安全性。
第二方面,本申请提供了一种驾驶模式切换方法,该方法包括:
在车辆按照车辆控制策略驾驶的过程中,若检测到车辆的车辆执行器存在外力控制,则获取车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态;车辆控制策略为如上述权利要求1-7中任一项的方法中的步骤确定的;
根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,控制车辆的驾驶模式进行模式切换。
在其中一个实施例中,根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,控制车辆的驾驶模式进行模式切换,包括:
检测控制量是否满足预设的控制条件;
若控制量满足控制条件,则根据驾驶状态与驾驶模式的映射关系,获取驾驶员的驾驶状态对应的目标驾驶模式,并控制车辆当前的驾驶模式切换为目标驾驶模式;
若控制量不满足控制条件,则控制车辆保持驾驶模式不变。
在其中一个实施例中,获取驾驶员的驾驶状态对应的目标驾驶模式,包括:
若驾驶状态为高疲劳状态,则确定目标驾驶模式为高级自动驾驶模式;高级自动驾驶模式表示驾驶员不参与的驾驶模式;
若驾驶状态为低疲劳状态,则确定目标驾驶模式为低级自动驾驶模式;低级自动驾驶模式表示驾驶员部分参与的驾驶模式;
若驾驶状态为不疲劳状态,则确定目标驾驶模式为手动驾驶模式;手动驾驶模式表示驾驶员完全参与的驾驶模式。
在其中一个实施例中,车辆执行器包括制动踏板和加速踏板,控制量包括制动踏板的制动控制量和加速踏板的加速控制量;
检测控制量是否满足预设的控制条件,包括:
若制动控制量大于或等于预设的制动控制量阈值,且加速控制量大于或等于预设的加速控制量阈值,则确定控制量满足控制条件;
若制动控制量小于制动控制量阈值,且加速控制量小于加速控制量阈值,则确定控制量不满足控制条件。
在其中一个实施例中,获取车辆内驾驶员的驾驶状态,包括:
获取车辆内驾驶员的人脸图像;
对人脸图像中的面部表情和眼睛状态进行识别;
根据面部表情和眼睛状态的识别结果确定驾驶员的驾驶状态。
在其中一个实施例中,上述方法还包括:
在车辆以手动驾驶模式驾驶的过程中,若检测到用户对车辆触发了自动模式切换指令,则控制将车辆从手动驾驶模式切换为自动驾驶模式。
在其中一个实施例中,自动驾驶模式包括高级自动驾驶模式和低级自动驾驶模式,控制将车辆从手动驾驶模式切换为自动驾驶模式,包括:
若车辆内驾驶员的驾驶状态为高疲劳状态,则控制将车辆从手动驾驶模式切换为高级自动驾驶模式;
若车辆内驾驶员的驾驶状态为低疲劳状态,则控制将车辆从手动驾驶模式切换为低级自动驾驶模式。
本申请实施例的技术方案中,可以在车辆按照车辆控制策略驾驶的过程中,若检测到车辆的车辆执行器存在外力控制,则获取车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,并根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,控制车辆的驾驶模式进行模式切换;该方法可以根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,共同确定控制车辆当前的驾驶模式进行模式切换,提高了车辆驾驶模式切换的准确度;同时,还能够避免因驾驶员误撞车辆执行器而切换车辆的驾驶模式,造成车辆不安全驾驶的问题,从而能够提高车辆在驾驶过程中的安全性;再者,该方法可以根据驾驶员的驾驶意图切换车辆的驾驶模式,使得车辆在驾驶过程中驾驶策略能够根据实际情况任意调整,解决了车辆在驾驶过程中驾驶策略僵化的问题。
第三方面,本申请提供了一种车辆驾驶控制装置,车辆包括自动驾驶模块,自动驾驶模块用于支持自动驾驶,该装置包括:
驾驶状态获取模块,用于获取车辆的驾驶员的驾驶状态;
驾驶模式确定模块,用于根据驾驶员的驾驶状态确定目标驾驶模式;目标驾驶模式包括手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式;
处理模块,用于基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略;车辆控制策略包括车辆在目标驾驶模式下驾驶时车辆执行器的控制信息;
驾驶控制模块,用于基于车辆控制策略控制车辆驾驶。
第四方面,本申请提供了一种驾驶模式切换装置,该装置包括:
控制量获取模块,用于在车辆按照车辆控制策略驾驶的过程中,若检测到车辆的车辆执行器存在外力控制,则获取车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态;车辆控制策略为通过上述第一方面的任一项的方法的步骤确定的;
模式切换模块,用于根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,控制车辆的驾驶模式进行模式切换。
第五方面,本申请还提供了一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面和第二方面的任一项的方法的步骤。
第六方面,本申请还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面和第二方面的任一项的方法的步骤。
第七方面,本申请还提供了一种计算机程序产品,计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现上述第一方面和第二方面的任一项的方法的步骤。
附图说明
图1为一个实施例中车辆驾驶控制方法的流程示意图;
图2为另一个实施例中车辆驾驶控制方法的流程示意图;
图3为另一个实施例中车辆驾驶控制方法的流程示意图;
图4为一个实施例中驾驶模式切换方法的流程示意图;
图5为另一个实施例中驾驶模式切换方法的流程示意图;
图6为另一个实施例中驾驶模式切换方法的流程示意图;
图7为一个实施例中车辆驾驶控制装置的结构框图;
图8为一个实施例中驾驶模式切换装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
车辆在自动驾驶过程中,在一些特殊驾驶环境和驾驶员的驾驶状态下,为了保证车辆安全驾驶,可能无法完全按照预先规划好的自动驾驶的车辆控制策略驾驶,为了解决该问题,就需要根据实际驾驶环境和驾驶员的驾驶状态去调整车辆的自动驾驶模式以及对应的车辆控制策略。然而,当前自动驾驶处于初始阶段,自动驾驶过程中驾驶策略僵化,导致车辆存在安全隐患的问题,也就是,传统技术中没有一种能够根据实际驾驶环境和驾驶员的驾驶状态去调整车辆的自动驾驶模式以及对应的车辆控制策略的方案,以使车辆按照调整后的车辆控制策略驾驶,提高车辆驾驶过程中的安全性。
基于此,本申请实施例提供了一种车辆驾驶控制方法,能够根据实际驾驶环境和驾驶员的驾驶状态去调整车辆的自动驾驶模式以及对应的车辆控制策略,使车辆按照调整后的车辆控制策略驾驶,以解决自动驾驶过程中驾驶策略僵化导致车辆存在安全隐患的问题。该车辆驾驶控制方法,可以适用于图1所示的应用场景,该应用场景包括:自动驾驶车辆和计算机设备。其中,自动驾驶车辆和计算机设备之间为通信连接,该连接方式可以为蓝牙、移动网络、wifi等方式。可选地,自动驾驶车辆可以为汽车、卡车、公交车、大巴车等等车辆,本实施例对自动驾驶车辆的具体形式不做限定;上述计算机设备可以但不限于是车载中控、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备来实现,本实施例对计算机设备的具体形式不做限定。
如图1所示为本申请实施例提供的车辆驾驶控制方法的流程示意图,下述实施例中将以计算机设备为执行主体来对车辆驾驶控制方法进行说明。该车辆驾驶控制方法适用于自动驾驶的车辆,该车辆包括自动驾驶模块,自动驾驶模块用于支持自动驾驶,该车辆驾驶控制方法可以包括以下步骤:
S100、获取车辆的驾驶员的驾驶状态。
具体地,车辆在驾驶过程中,计算机设备可以获取第三方摄像设备或者车辆上已安装的摄像设备采集到的当前时刻的驾驶员图像,然后采用目标检测算法对驾驶员图像进行检测处理,得到车辆内驾驶员的驾驶状态。可选地,上述驾驶员图像可以为包括车内环境和驾驶员的图像。上述目标检测算法可以为单阶段检测算法,也可以为双阶段检测算法。可选地,驾驶员的驾驶状态可以表征驾驶员的疲劳状态,也就是驾驶员的疲劳程度。
或者,计算机设备还可以接收车辆内驾驶员通过语音、手势、按键等方式输入的当前时刻的驾驶状态,该情况下,驾驶状态是驾驶员根据自身精神状态确定的。
S110、根据驾驶员的驾驶状态确定目标驾驶模式。其中,目标驾驶模式包括手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式。
其中,计算机设备可以在映射关系中查找与上文步骤中获取到的驾驶员的驾驶状态一致的驾驶状态,然后将映射关系中查找到的该驾驶状态对应的驾驶模式确定为目标驾驶模式。可选地,上述映射关系中可以包括不同驾驶员的不同驾驶状态、不同驾驶状态对应的驾驶模式以及不同驾驶状态与不同驾驶模式之间的对应关系。
在本申请实施例中,驾驶模式可以为手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式,对应地,目标驾驶模式可以为手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式。这里需要说明的是,手动驾驶模式表示驾驶员完全参与的驾驶模式,也就是完全由驾驶员手动控制车辆执行器运动的驾驶模式;低级自动驾驶模式表示驾驶员部分参与的驾驶模式,也就是车辆的自动驾驶模块和驾驶员手动共同控制车辆执行器运动的驾驶模式;高级自动驾驶模式表示驾驶员不参与的驾驶模式,也就是完全由车辆的自动驾驶模块控制车辆执行器运动的驾驶模式。可选地,车辆执行器可以包括多个机械结构,如方向盘、电动机、电磁阀、制动踏板和加速踏板等等,对此本申请实施例不做限定。
另外,计算机设备还可以对上文步骤中获取到的驾驶员的驾驶状态进行特征提取和/或信息转换等处理,得到车辆的目标驾驶模式。
S120、基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略,其中,车辆控制策略包括车辆在目标驾驶模式下驾驶时车辆执行器的控制信息。
这里需要说明的是,上述驾驶员的驾驶操作可以理解为驾驶员手动操控车辆执行器的操作,对应地,驾驶员的驾驶操作的驾驶操作输入信号可以理解为驾驶员手动操控车辆执行器的触发信号,该驾驶操作输入信号可以包括手动触发车辆执行器运动的变化量和运动方向。
上述自动驾驶模块生成的自动驾驶信号可以理解为车辆的自动驾驶模块控制车辆执行器运动时对应的触发信号,该自动驾驶信号可以包括自动触发车辆执行器运动的变化量和运动方向。
在本申请实施例中,车辆在驾驶的过程中,同一时刻,可以存在驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号中的至少一种信号,具体根据目标驾驶模式确定。可选地,上述车辆控制策略可以包括车辆在目标驾驶模式下驾驶时的控制信息,该控制信息可以包括车辆执行器运动时的总变化量。
在本申请实施例中,基于上文步骤中获取到的目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略。可选地,该处理可以为算术运算、信号比对和/或路径规划、避障等处理;其中,算术运算处理可以为加法运算、减法运算、乘法运算、除法运算、对数运算和/或指数运算等等实现;信号比对处理可以理解为信号大小的比较处理过程;路径规划处理可以采用启发式搜索算法、模拟退火算法、模糊逻辑算法和/或人工势场法等等实现;避障处理可以为采用避障算法可以为快速扩展随机树算法和/或概率路线图方法等等实现。
S130、基于车辆控制策略控制车辆驾驶。
其中,计算机设备可以根据获取到的车辆控制策略控制车辆执行器运动,以使车辆向前安全行驶。
本申请实施例提供的车辆驾驶控制方法,可以获取车辆的驾驶员的驾驶状态,根据驾驶员的驾驶状态确定目标驾驶模式,基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略,并基于车辆控制策略控制车辆驾驶;该方法在车辆驾驶过程中,可以根据驾驶员的实际驾驶状态调整车辆当前的驾驶模式,使得车辆不仅能够在驾驶员完全参与的驾驶模式下驾驶,还能够在驾驶员部分参与的驾驶模式和驾驶员不参与的驾驶模式下驾驶,从而使得车辆在驾驶过程中的驾驶策略可灵活调整,还能够保证车辆安全驾驶,解决了车辆在自动驾驶过程中驾驶策略僵化以使车辆存在安全隐患的问题;另外,该方法可以根据车辆内驾驶员的驾驶状态灵活调整车辆的驾驶模式,使得驾驶员的疲劳程度较大时也能够让车辆安全驾驶,提高车辆驾驶时的安全性。
下面对上述基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理得到车辆控制策略的过程进行说明。在一实施例中,如图2所示,上述S130中的步骤可以包括:
S131、获取车辆在目标驾驶模式下驾驶操作输入信号的第一权重系数,以及自动驾驶信号的第二权重系数。
具体地,不同驾驶模式下驾驶操作输入信号的第一权重系数是不同的,并给不同驾驶模式下自动驾驶信号的第二权重系数也是不同的。可选地,第一权重系数和第二权重系数均可以为[0,1]之间的任一数值,但是,第一权重系数与第二权重系数之和小于等于1。
其中,第一权重系数和第二权重系数均可以是用户自定义的数值,或者,第一权重系数也可以是根据历史时间段内驾驶操作输入信号的权重系数计算得到的数值,第二权重系数也可以是根据历史时间段内自动驾驶信号的权重系数计算得到的数值。
S132、根据驾驶操作输入信号、第一权重系数、自动驾驶信号和第二权重系数,确定车辆控制策略。
基于上述步骤中获取到的驾驶操作输入信号、第一权重系数、自动驾驶信号和第二权重系数,对驾驶操作输入信号、第一权重系数、自动驾驶信号和第二权重系数进行加权求和,得到车辆控制策略。具体加权求和过程可以通过公式(1)表示为:
a*X+b*Y=Z (1);
其中,a表示第一权重系数,X表示驾驶操作输入信号,b表示第二权重系数,Y表示自动驾驶信号,Z表示车辆控制策略,也就是车辆执行器运动时的总变化量。
在实际应用中,车辆执行器中每个机械结构对应的驾驶操作输入信号和自动驾驶信号均有对应的权重系数。针对每个机械结构,可以将对应的驾驶操作输入信号和自动驾驶信号分别与对应的权重系数进行加权求和,得到该机械结构对应的车辆控制策略,其中,不同机械结构对应的车辆控制策略不同。
在本申请实施例中,若目标驾驶模式为手动驾驶模式,则第二权重系数为预设的第一阈值;若目标驾驶模式为高级自动驾驶模式,则第一权重系数为第一阈值。其中,上述预设的第一阈值为0。
同时,若目标驾驶模式为低级自动驾驶模式,则第一权重系数和第二权重系数均不等于第一阈值,该情况下,第一权重系数和第二权重系数可以根据预设的权重规则确定的。可选地,根据实际需求,预设的权重规则可以为按照第一权重系数大于第二权重系数的设定规则,还可以为第一权重系数小于第二权重系数的设定规则,当然,还可以为第一权重系数等于第二权重系数的设定规则。
本申请实施例的技术方案中,可以获取车辆在目标驾驶模式下驾驶操作输入信号的第一权重系数和自动驾驶信号的第二权重系数,并根据驾驶操作输入信号、第一权重系数、自动驾驶信号和第二权重系数,确定车辆控制策略;该方法使得车辆在自动驾驶过程中还能够考虑驾驶员的手动操控信号,通过驾驶员的手动操控信号和自动驾驶信号共同确定车辆控制策略,从而能够改变车辆在自动驾驶过程中的车辆控制策略,提高车辆控制策略的灵活性。
为了解决自动驾驶过程中驾驶策略僵化的问题,可以根据车辆内驾驶员的驾驶状态适当加入手动驾驶,下面对如何触发获取车辆的驾驶员的驾驶状态的过程进行说明。在一实施例中,上述车辆执行器包括制动踏板和加速踏板;在执行上述S100中的步骤之前,上述车辆驾驶控制方法还可以包括:若检测到车辆的制动踏板的制动控制量大于或等于预设的制动控制量阈值,则获取驾驶员的驾驶状态,制动控制量阈值为通过自动驾驶算法确定的标准制动控制量得到的。或者,若检测到的车辆的加速踏板的加速控制量大于或等于预设的加速控制量阈值,则获取驾驶员的驾驶状态,加速控制量阈值为通过自动驾驶算法确定的标准加速控制量得到的。
在实际应用中,车辆上安装有多个传感器,多个传感器可以包括轮速传感器、加速度传感器等等,但在本申请实施例中,多个传感器中包括制动深度传感器和油门踏板位置传感器,其中,制动深度传感器可以检测制动踏板的制动控制量,油门踏板位置传感器可以检测加速踏板的加速控制量。
可选地,计算机设备可以获取车辆上制动深度传感器发送的制动踏板的制动控制量,并判断制动踏板的制动控制量是否大于或等于预设的制动控制量阈值,若是,表明驾驶员当前有参与驾驶操作,此时可以获取驾驶员的驾驶状态。
或者,计算机设备可以获取车辆上油门踏板位置传感器发送的加速踏板的加速控制量,并判断加速踏板的加速控制量是否大于或等于预设的加速控制量阈值,若是,表明驾驶员当前有参与驾驶操作,此时可以获取驾驶员的驾驶状态。
在实际应用中,驾驶员当前有参与驾驶操作时才触发获取驾驶员的驾驶状态,驾驶员当前没有参与驾驶操作时不用触发获取驾驶员的驾驶状态,基于此,为了极大程度上减小车辆驾驶控制方法的运算量,并提高触发获取驾驶状态的准确性,在本申请实施例中,计算机设备可以同时获取车辆上制动深度传感器发送的制动踏板的制动控制量和车辆上油门踏板位置传感器发送的加速踏板的加速控制量,并判断制动踏板的制动控制量是否大于或等于预设的制动控制量阈值,以及加速踏板的加速控制量是否大于或等于预设的加速控制量阈值,若确定制动踏板的制动控制量大于或等于预设的制动控制量阈值且加速踏板的加速控制量大于或等于预设的加速控制量阈值时,表明驾驶员当前有参与驾驶操作,此时可以获取驾驶员的驾驶状态。
在本申请实施例中,在执行上述S100中的步骤之前,上述车辆驾驶控制方法还可以包括:接收车辆的启动信号,初始化车辆的驾驶模式为手动驾驶模式。
这里需要说明的是,车辆进入驾驶过程之前,驾驶员可以通过手势、语音、按键等方式输入车辆的启动信号,计算机设备接收到车辆的启动信号后,可以启动车辆,并初始化车辆的驾驶模式为手动驾驶模式。
本申请实施例的技术方案中,可以根据驾驶员是否有触发操作对应的触发信号来确定获取驾驶员的驾驶状态,为进一步根据驾驶员的驾驶状态调整车辆的驾驶模式做准备,并且根据驾驶员的触发操作能够及时调整车辆的驾驶模式,从而还可以提高车辆驾驶过程中的安全性。
下面对上述根据驾驶员的驾驶状态确定目标驾驶模式的过程进行说明。在一实施例中,如图3所示,上述S120中的步骤可以包括:
S121、根据车辆所处道路的环境信息,确定道路环境参数。其中,道路环境参数表征车辆所处道路环境的复杂度。
具体地,车辆在驾驶过程中,计算机设备可以获取第三方摄像设备或者车辆上已安装的摄像设备采集到的当前时刻的道路环境图像,然后采用目标检测算法对道路环境图像进行检测处理,得到车辆周围环境中交通参与者的位置信息和状态信息,然后根据车辆周围环境中交通参与者的位置信息和状态信息,确定道路环境参数。可选地,上述交通参与者可以为道路上的栅栏、建筑物、车辆和/或行人等等,对应地,交通参与者的状态信息可以表征交通参与者为静态或动态的一种状态信息。
一实施例中,根据车辆周围环境中交通参与者的位置信息和状态信息,确定道路环境参数的方式可以是将交通参与者的位置信息和状态信息代入预设的复杂度计算公式,以计算车辆所处道路环境的复杂度,即道路环境参数。
又一实施例中,根据车辆周围环境中交通参与者的位置信息和状态信息,确定道路环境参数的方式还可以是预先训练好一种算法模型,将车辆周围环境中交通参与者的位置信息和状态信息均输入到该算法模型中,通过该算法模型输出道路环境参数。
S122、根据道路环境参数和驾驶员的驾驶状态确定目标驾驶模式。
基于前文步骤中获取到的道路环境参数和驾驶员的驾驶状态综合确定目标驾驶模式。这里需要说明的是,车辆复杂度比较高的道路环境中驾驶时,为了调整车辆当前的驾驶模式,除了考虑驾驶员的驾驶状态外,还可以将道路环境参数引入考虑以确定精准度较高的目标驾驶模式,进一步在极大程度上让车辆安全驾驶。其中,复杂度比较高的道路环境可以为发生交通事故的道路环境,还可以为交通参与者较多的道路环境。
例如,根据道路环境参数和驾驶员的驾驶状态确定目标驾驶模式的方式可以是在映射关系中查找与道路环境参数和驾驶员的驾驶状态一致的环境参数和驾驶状态,然后将映射关系中与查找到的环境参数和驾驶状态具有一一对应关系的驾驶模式确定为目标驾驶模式。可选地,这里的映射关系中可以包括道路的不同环境参数、驾驶员的不同驾驶状态、不同驾驶模式以及这三者之间的对应关系。
又例如,根据道路环境参数和驾驶员的驾驶状态确定目标驾驶模式的方式还可以是根据道路环境参数和驾驶员的驾驶状态进行算术运算得到驾驶模式等级指标,然后将与驾驶模式等级指标对应的驾驶模式确定为目标驾驶模式。
在本申请实施例中,车辆在驾驶的整个过程中,不同时刻均有对应的驾驶模式。具体地,计算机设备可以实时将车辆当前的驾驶模式发送给车载显示设备,以指示车载显示设备显示车辆当前的驾驶模式。
本申请实施例的技术方案中,可以根据车辆所处道路的环境信息,确定道路环境参数,并根据道路环境参数和驾驶员的驾驶状态确定目标驾驶模式;该方法可以通过道路环境参数和车辆内驾驶员的驾驶状态综合确定目标驾驶模式,使得确定出的目标驾驶模式的精确度更高,从而能够让车辆在所处驾驶环境中更安全驾驶,避免车辆发生交通事故的概率。
一种实施例中,本申请还提供一种车辆驾驶控制方法,车辆包括自动驾驶模块,自动驾驶模块用于支持自动驾驶;该方法包括以下过程:
(1)接收车辆的启动信号,初始化车辆的驾驶模式为手动驾驶模式。
(2)若检测到车辆的制动踏板的制动控制量大于或等于预设的制动控制量阈值,则获取驾驶员的驾驶状态,制动控制量阈值为通过自动驾驶算法确定的标准制动控制量得到的;或者,若检测到的车辆的加速踏板的加速控制量大于或等于预设的加速控制量阈值,则获取驾驶员的驾驶状态,加速控制量阈值为通过自动驾驶算法确定的标准加速控制量得到的。
(3)根据车辆所处道路的环境信息,确定道路环境参数;道路环境参数表征车辆所处道路环境的复杂度。
(4)根据道路环境参数和驾驶员的驾驶状态确定目标驾驶模式;目标驾驶模式包括手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式。
(5)获取车辆在目标驾驶模式下驾驶操作输入信号的第一权重系数,以及自动驾驶信号的第二权重系数;其中,若目标驾驶模式为手动驾驶模式,则第二权重系数为预设的第一阈值;若目标驾驶模式为高级自动驾驶模式,则第一权重系数为第一阈值。
(6)根据驾驶操作输入信号、第一权重系数、自动驾驶信号和第二权重系数,确定车辆控制策略;车辆控制策略包括车辆在目标驾驶模式下驾驶时车辆执行器的控制信息。
(7)基于车辆控制策略控制车辆驾驶。其中,在车辆驾驶的过程中,通过车载显示设备显示车辆当前的驾驶模式。
以上(1)至(7)中的执行过程具体可以参见上述实施例的描述,其实现原理和技术效果类似,在此不再赘述。
车辆在驾驶的过程中,为了使车辆在驾驶过程中的驾驶策略比较灵活,进一步提高车辆在驾驶过程中的安全性,就需要切换车辆的驾驶模式。基于此,本申请实施例提供了一种驾驶模式切换方法,如图4所示为驾驶模式切换方法的流程示意图,下述实施例中将以计算机设备为执行主体来对驾驶模式切换方法进行说明。
S200、在车辆按照车辆控制策略驾驶的过程中,若检测到车辆的车辆执行器存在外力控制,则获取车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态。其中,车辆控制策略为如图1-图3实施例中的步骤确定的。
具体地,在车辆按照车辆控制策略驾驶的过程中,基于驾驶员的驾驶意图需要调整车辆当前的驾驶模式,此时,驾驶员可以操控车辆执行器,以使车辆执行器受外力控制。可选地,驾驶员的驾驶意图可以理解为驾驶员参与车辆驾驶的意图;车辆执行器可以包括多个机械结构,如方向盘、电动机、电磁阀、制动踏板和加速踏板等等,对此本申请实施例不做限定。
在实际应用中,车辆上安装有多个车辆执行器传感器;若车辆执行器不存在外力控制时,车辆执行器传感器是无法检测到数据的,若车辆执行器存在外力控制时,车辆执行器传感器可以检测到对应数据。其中,车辆执行器存在的外力是车辆内的驾驶员施加给车辆执行器的,并且车辆执行器存在外力控制时,车辆执行器传感器可以检测到车辆执行器在外力控制下产生的控制量。
同时,在车辆按照车辆控制策略驾驶的过程中,还可以实时获取车辆内驾驶员的驾驶状态。一实施例中,获取车辆内驾驶员的驾驶状态的方式可以是获取第三方摄像设备或者车辆上已安装的摄像设备采集到的当前时刻的驾驶员图像,然后采用目标检测算法对驾驶员图像进行检测处理,得到车辆内驾驶员的驾驶状态。又一实施例,获取车辆内驾驶员的驾驶状态的方式还可以是接收车辆内驾驶员通过语音、手势、按键等方式输入的当前时刻的驾驶状态,该情况下,驾驶状态是驾驶员根据自身精神状态确定的。在本申请实施例中,驾驶员的驾驶状态可以表征驾驶员的疲劳状态,也就是驾驶员的疲劳程度。
S210、根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,控制车辆的驾驶模式进行模式切换。
具体地,根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,确定是否需要控制车辆当前的驾驶模式进行模式切换,然后根据确定结果做进一步处理。可选地,确定结果可以为需要控制车辆当前的驾驶模式进行模式切换,也可以为不需要控制车辆当前的驾驶模式进行模式切换。可选地,上述控制车辆的驾驶模式进行模式切换可以理解为控制车辆从当前的驾驶模式切换成目标驾驶模式。需要说明的是,车辆当前的驾驶模式和目标驾驶模式均可以为手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式,但是车辆当前的驾驶模式与目标驾驶模式不同。
其中,根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,确定是否需要控制车辆当前的驾驶模式进行模式切换的方式可以是在映射关系中查找车辆执行器的控制量和驾驶员的驾驶状态,并获取映射关系中与查找到的控制量和驾驶状态具有一一对应关系的驾驶模式,然后将查找到的该驾驶模式与车辆当前的驾驶模式进行对比,若两者相同,则确定不需要控制车辆当前的驾驶模式进行模式切换,若两者不相同,则确定需要控制车辆当前的驾驶模式进行模式切换。
另外,根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,确定是否需要控制车辆当前的驾驶模式进行模式切换的方式还可以是预先训练好一种算法模型,将车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态均输入到该算法模型中,通过该算法模型输出目标驾驶模式,然后将目标驾驶模式与车辆当前的驾驶模式进行对比,若两者相同,则确定不需要控制车辆当前的驾驶模式进行模式切换,若两者不相同,则确定需要控制车辆当前的驾驶模式进行模式切换。
在实际应用中,若确定结果为需要控制车辆当前的驾驶模式进行模式切换时,进一步可以控制车辆的驾驶模式进行模式切换;若确定结果为不需要控制车辆当前的驾驶模式进行模式切换时,进一步可以控制车辆当前的驾驶模式保持不变,也就是不切换当前的驾驶模式。
这里需要说明的是,在车辆驾驶的过程中,由于车辆内驾驶员的疲劳程度较高可能产生误撞车辆执行器的情况,导致驾驶员给车辆执行器施加了外力作用,该情况下,为了提高车辆在驾驶过程中的安全性,避免车辆发生交通事故,也是无法让驾驶员参与驾驶操控的,为了解决这一系列问题,就需要提高车辆驾驶模式切换的准确度。
在本申请实施例中,可以根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,共同确定是否需要控制车辆当前的驾驶模式进行模式切换,以提高车辆驾驶模式切换的准确度。
在一些场景下,在确定驾驶员的手动驾驶操作是有效的之后,进一步根据驾驶员的驾驶状态确定目标驾驶模式,以调整车辆当前的驾驶模式,下面对获取驾驶员的驾驶状态对应的目标驾驶模式的过程进行说明。在一实施例中,上述S203中获取驾驶员的驾驶状态对应的目标驾驶模式的步骤可以包括:若驾驶状态为高疲劳状态,则确定目标驾驶模式为高级自动驾驶模式;若驾驶状态为低疲劳状态,则确定目标驾驶模式为低级自动驾驶模式;若驾驶状态为不疲劳状态,则确定目标驾驶模式为手动驾驶模式。其中,高级自动驾驶模式表示驾驶员不参与的驾驶模式;低级自动驾驶模式表示驾驶员部分参与的驾驶模式;手动驾驶模式表示驾驶员完全参与的驾驶模式。
在本申请实施例中,驾驶员的驾驶状态可以为高疲劳状态、低疲劳状态或不疲劳状态;这里需要说明的是,高疲劳状态可以表示疲劳程度较高的状态,低疲劳状态可以表示疲劳程度较低的状态,不疲劳状态可以表示疲劳程度接近0的状态。其中,上述高级自动驾驶模式也可以理解为全自动驾驶模式,低级自动驾驶模式也可以理解为半自动驾驶模式,手动驾驶模式也可以理解为人工驾驶模式。
另外,车辆在以手动驾驶模式驾驶的过程中,若驾驶员不想参与手动驾驶操作了,此时驾驶员需要主动将当前的手动驾驶模式切换为自动驾驶模式,基于此,驾驶员可以触发车辆的自动模式切换指令,以使计算机设备响应该自动模式切换指令,控制车辆将当前的手动驾驶模式切换为自动驾驶模式。在一实施例中,在执行上述S210中的步骤之后,或者在车辆按照车辆控制策略驾驶的过程中,上述驾驶模式切换方法还包括:在车辆以手动驾驶模式驾驶的过程中,若检测到用户对车辆触发了自动模式切换指令,则控制将车辆从手动驾驶模式切换为自动驾驶模式。可选地,上述驾驶员触发自动模式切换指令的方式可以为手势、按键、语音等方式。
在本申请实施例中,上述自动驾驶模式包括高级自动驾驶模式和低级自动驾驶模式。在一实施例中,若检测到用户对车辆触发了自动模式切换指令,则上述控制将车辆从手动驾驶模式切换为自动驾驶模式的步骤可以包括:若车辆内驾驶员的驾驶状态为高疲劳状态,则控制将车辆从手动驾驶模式切换为高级自动驾驶模式;若车辆内驾驶员的驾驶状态为低疲劳状态,则控制将车辆从手动驾驶模式切换为低级自动驾驶模式。
本申请实施例提供的驾驶模式切换方法可以在车辆按照车辆控制策略驾驶的过程中,若检测到车辆的车辆执行器存在外力控制,则获取车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,并根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,控制车辆的驾驶模式进行模式切换;该方法可以根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,共同确定控制车辆当前的驾驶模式进行模式切换,提高了车辆驾驶模式切换的准确度;同时,还能够避免因驾驶员误撞车辆执行器而切换车辆的驾驶模式,造成车辆不安全驾驶的问题,从而能够提高车辆在驾驶过程中的安全性;再者,该方法可以根据驾驶员的驾驶意图切换车辆的驾驶模式,使得车辆在驾驶过程中驾驶策略能够根据实际情况任意调整,解决了车辆在驾驶过程中驾驶策略僵化的问题。
下面对上述根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,控制车辆的驾驶模式进行模式切换的过程进行说明。在一实施例中,如图5所示,上述S210中的步骤可以包括:
S211、检测控制量是否满足预设的控制条件。
在车辆驾驶的过程中,驾驶员的身体不可能是固定的,可能会导致驾驶员的身体部位轻轻触碰到车辆执行器,从而使得车辆执行器受外力作用,进一步,车辆执行器在外力控制下产生对应的控制量,该情况下,对应产生的控制量是无效的,且此时产生的控制量较小;但在驾驶员的意识状态清醒的情况下,驾驶员施加给车辆执行器的外力较大,该情况下,对应产生的控制量是有效的,且此时产生的控制量较大。因此,在实际应用中,计算机设备可以检测车辆执行器在外力控制下产生的控制量是否满足预设的控制条件,以筛选出驾驶员的意识状态清醒时施加给车辆执行器的外力对应产生的控制量,即筛选有效控制量。
可选地,上述预设的控制条件可以为预设的控制量范围,该控制量范围可以是根据历史时间段内车辆执行器的有效控制量自定义确定的,还可以是根据预设的控制量阈值确定的。在实际应用中,若仅以预设的控制量阈值为基准来作为筛选有效控制量是不够准确的,基于此,在预设的控制量阈值的基础上给予一定的浮动范围,保证确定的预设的控制量范围更加贴合实际应用。在本申请实施例中,可以通过预设的浮动值来确定该浮动范围,相当于,在实际处理过程中,可以预留一些控制量误差值来确定预设的控制量范围。
对应地,检测车辆执行器在外力控制下产生的控制量是否满足预设的控制条件可以理解为检测车辆执行器在外力控制下产生的控制量是否落入预设的控制量范围内。
在本申请实施例中,上述车辆执行器包括制动踏板和加速踏板,对应地,车辆执行器在外力控制下产生的控制量包括制动踏板的制动控制量和加速踏板的加速控制量。在一实施例中,上述S211中检测控制量是否满足预设的控制条件的步骤可以包括:若制动控制量大于或等于预设的制动控制量阈值,且加速控制量大于或等于预设的加速控制量阈值,则确定控制量满足控制条件;若制动控制量小于制动控制量阈值,且加速控制量小于加速控制量阈值,则确定控制量不满足控制条件。
其中,车辆上安装的多个传感器包括制动深度传感器和油门踏板位置传感器;这里的制动深度传感器可以检测制动踏板的制动控制量,这里的油门踏板位置传感器可以检测加速踏板的加速控制量。
可选地,计算机设备可以获取车辆上制动深度传感器发送的制动踏板的制动控制量,并判断制动踏板的制动控制量是否大于或等于预设的制动控制量阈值,若是,表明制动踏板的制动控制量是有效的,可以确定控制量满足预设的控制条件。另外,计算机设备还可以获取车辆上油门踏板位置传感器发送的加速踏板的加速控制量,并判断加速踏板的加速控制量是否大于或等于预设的加速控制量阈值,若是,表明加速踏板的制动控制量是有效的,可以确定控制量满足预设的控制条件。
在实际应用中,存在驾驶员的有效驾驶操作时才触发控制车辆的驾驶模式进行模式切换,存在驾驶员的无效驾驶操作时就不会触发控制车辆的驾驶模式进行模式切换,基于此,为了极大程度上减小车辆驾驶控制方法的运算量,并提高触发控制车辆的驾驶模式进行模式切换的准确性,在本申请实施例中,计算机设备可以同时获取车辆上制动深度传感器发送的制动踏板的制动控制量和车辆上油门踏板位置传感器发送的加速踏板的加速控制量,并判断制动踏板的制动控制量是否大于或等于预设的制动控制量阈值,以及加速踏板的加速控制量是否大于或等于预设的加速控制量阈值,若确定制动踏板的制动控制量大于或等于预设的制动控制量阈值且加速踏板的加速控制量大于或等于预设的加速控制量阈值时,表明制动踏板的制动控制量是有效的且加速踏板的制动控制量也是有效的,可以确定控制量满足预设的控制条件。
S212、若控制量满足控制条件,则根据驾驶状态与驾驶模式的映射关系,获取驾驶员的驾驶状态对应的目标驾驶模式,并控制车辆的驾驶模式切换为目标驾驶模式。
若确定车辆执行器在外力控制下产生的控制量满足控制条件,表明该控制量是有效的,此时,可以从驾驶状态与驾驶模式的映射关系中查找与车辆内驾驶员的驾驶状态一致的驾驶状态,然后将查找到的驾驶状态对应的驾驶模式确定为目标驾驶模式,然后基于确定的目标驾驶模式控制车辆当前的驾驶模式切换为目标驾驶模式。
S213、若控制量不满足控制条件,则控制车辆保持驾驶模式不变。
在实际应用中,若确定车辆执行器在外力控制下产生的控制量不满足控制条件,表明车辆执行器在外力控制下产生的控制量是无效的,也就是,驾驶员没有手动参与的驾驶意图,此时可以控制车辆保持当前的驾驶模式不变。
本申请实施例的技术方案中,可以检测控制量是否满足预设的控制条件以筛选有效的控制量,进一步根据检测结果确定出的目标驾驶模式的准确度较高,并且还能够避免因驾驶员误撞无故切换驾驶模式给车辆带来的安全隐患,提高车辆在驾驶过程中的安全性。
下面对上述获取车辆内驾驶员的驾驶状态的过程进行说明。在一实施例中,如图6所示,上述S200中的步骤可以包括:
S201、获取车辆内驾驶员的人脸图像。
由于驾驶员的驾驶状态可以通过驾驶员的面部表情和眼睛状态确定,因此,为了减小数据处理量,可以仅获取车辆内驾驶员的人脸图像,以对驾驶员的人脸图像进行分析处理得到驾驶员的驾驶状态。
可选地,车辆内驾驶员的人脸图像的获取方式可以是先获取驾驶员的驾驶员图像,然后对驾驶员图像进行裁剪得到;车辆内驾驶员的人脸图像的获取方式还可以是直接通过第三方摄像设备或者车辆上已安装的摄像设备采集驾驶员的人脸图像得到的。
S202、对人脸图像中的面部表情和眼睛状态进行识别。
具体地,计算机设备可以采用识别算法,对获取到的人脸图像中的面部表情和眼睛状态进行识别,得到面部表情和眼睛状态的识别结果。可选地,上述识别算法可以为基于面部特征的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法或利用神经网络进行识别的算法等等,这里的神经网络可以为由卷积神经网络、空间金字塔池化网络和循环神经网络等等中的至少一种组成的。
在本申请实施例中,面部表情的识别结果可以为高兴、害怕、喜悦、微笑、哭泣、伤心等等;眼睛状态的识别结果可以表示眼睛睁开的程度,如全睁、半睁、闭眼等等。
S203、根据面部表情和眼睛状态的识别结果确定驾驶员的驾驶状态。
其中,计算机设备可以分别获取面部表情的识别结果对应的权重系数和眼睛状态的识别结果对应的权重系数,然后根据面部表情的识别结果、面部表情的识别结果的权重系数、眼睛状态的识别结果和眼睛状态的识别结果的权重系数进行加权求和,得到驾驶员的驾驶状态等级,然后根据驾驶状态等级确定对应的驾驶状态。
或者,计算机设备还可以预先训练一种神经网络模型,然后将面部表情识别结果和眼睛状态的识别结果均输入至该神经网络模型中,该神经网络模型输出驾驶员的驾驶状态。
本申请实施例的技术方案中,可以获取车辆内驾驶员的人脸图像,对人脸图像中的面部表情和眼睛状态进行识别,并根据面部表情和眼睛状态的识别结果确定驾驶员的驾驶状态;该方法可以获取驾驶员的人脸图像,进一步能够对数据量较少的有效图像(即人脸图像)进行识别,以确定出驾驶员的驾驶状态,该过程不仅可以减少数据运算量,并且通过有效图像确定出的驾驶状态的准确性较高。
一种实施例中,本申请还提供一种驾驶模式切换方法,车辆包括自动驾驶模块,自动驾驶模块用于支持自动驾驶;该方法包括以下过程:
(1)在车辆按照车辆控制策略驾驶的过程中,若检测到车辆的车辆执行器存在外力控制,则获取车辆执行器在外力控制下产生的控制量;其中,车辆执行器包括制动踏板和加速踏板,控制量包括制动踏板的制动控制量和加速踏板的加速控制量,车辆控制策略为如图1-图3实施例中的步骤确定的。
(2)获取车辆内驾驶员的人脸图像。
(3)对人脸图像中的面部表情和眼睛状态进行识别。
(4)根据面部表情和眼睛状态的识别结果确定驾驶员的驾驶状态。
(5)若制动控制量大于或等于预设的制动控制量阈值,且加速控制量大于或等于预设的加速控制量阈值,则确定控制量满足控制条件。
(6)若制动控制量小于制动控制量阈值,且加速控制量小于加速控制量阈值,则确定控制量不满足控制条件。
(7)若控制量满足控制条件,则根据驾驶状态与驾驶模式的映射关系,获取驾驶员的驾驶状态对应的目标驾驶模式,并控制车辆当前的驾驶模式切换为目标驾驶模式;若控制量不满足控制条件,则控制车辆保持驾驶模式不变。
其中,获取驾驶员的驾驶状态对应的目标驾驶模式的过程包括:
(71)若驾驶状态为高疲劳状态,则确定目标驾驶模式为高级自动驾驶模式;高级自动驾驶模式表示驾驶员不参与的驾驶模式。
(72)若驾驶状态为低疲劳状态,则确定目标驾驶模式为低级自动驾驶模式;低级自动驾驶模式表示驾驶员部分参与的驾驶模式。
(73)若驾驶状态为不疲劳状态,则确定目标驾驶模式为手动驾驶模式;手动驾驶模式表示驾驶员完全参与的驾驶模式。
(8)在车辆以手动驾驶模式驾驶的过程中,若检测到用户对车辆触发了自动模式切换指令且车辆内驾驶员的驾驶状态为高疲劳状态,则控制将车辆从手动驾驶模式切换为高级自动驾驶模式;或者,若检测到用户对车辆触发了自动模式切换指令且车辆内驾驶员的驾驶状态为低疲劳状态,则控制将车辆从手动驾驶模式切换为低级自动驾驶模式。
以上(1)至(8)中的执行过程具体可以参见上述实施例的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的车辆驾驶控制方法的车辆驾驶控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个车辆驾驶控制装置实施例中的具体限定可以参见上文中对于车辆驾驶控制方法的限定,在此不再赘述。
在一个实施例中,图7为本申请一个实施例中车辆驾驶控制装置的结构示意图,本申请实施例提供的车辆驾驶控制装置可以应用于计算机设备中。如图7所示,本申请实施例的车辆驾驶控制装置,可以包括:驾驶状态获取模块11、驾驶模式确定模块12、处理模块13和驾驶控制模块14;其中:
驾驶状态获取模块11,用于获取车辆的驾驶员的驾驶状态;
驾驶模式确定模块12,用于根据驾驶员的驾驶状态确定目标驾驶模式;目标驾驶模式包括手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式;
处理模块13,用于基于目标驾驶模式,对驾驶员的驾驶操作的驾驶操作输入信号和自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略;车辆控制策略包括车辆在目标驾驶模式下驾驶时车辆执行器的控制信息;
驾驶控制模块14,用于基于车辆控制策略控制车辆驾驶。
本申请实施例提供的车辆驾驶控制装置可以用于执行本申请上述车辆驾驶控制装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,处理模块13包括:权重系数获取单元和控制策略确定单元,其中:
权重系数获取单元,用于获取车辆在目标驾驶模式下驾驶操作输入信号的第一权重系数,以及自动驾驶信号的第二权重系数;
控制策略确定单元,用于根据驾驶操作输入信号、第一权重系数、自动驾驶信号和第二权重系数,确定车辆控制策略。
其中,若目标驾驶模式为手动驾驶模式,则第二权重系数为预设的第一阈值;若目标驾驶模式为高级自动驾驶模式,则第一权重系数为第一阈值。
本申请实施例提供的车辆驾驶控制装置可以用于执行本申请上述车辆驾驶控制装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,车辆执行器包括制动踏板和加速踏板;驾驶状态获取模块11具体用于:
若检测到车辆的制动踏板的制动控制量大于或等于预设的制动控制量阈值,则获取驾驶员的驾驶状态,制动控制量阈值为通过自动驾驶算法确定的标准制动控制量得到的;或者,
若检测到的车辆的加速踏板的加速控制量大于或等于预设的加速控制量阈值,则获取驾驶员的驾驶状态,加速控制量阈值为通过自动驾驶算法确定的标准加速控制量得到的。
本申请实施例提供的车辆驾驶控制装置可以用于执行本申请上述车辆驾驶控制装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,车辆驾驶控制装置还包括:初始化模块,其中:
初始化模块,用于接收车辆的启动信号,初始化车辆的驾驶模式为手动驾驶模式。
本申请实施例提供的车辆驾驶控制装置可以用于执行本申请上述车辆驾驶控制装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,驾驶模式确定模块12具体用于:
根据车辆所处道路的环境信息,确定道路环境参数;道路环境参数表征车辆所处道路环境的复杂度;
根据道路环境参数和驾驶员的驾驶状态确定目标驾驶模式。
本申请实施例提供的车辆驾驶控制装置可以用于执行本申请上述车辆驾驶控制装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,车辆驾驶控制装置还包括:显示模块,其中:
显示模块,用于通过车载显示设备显示车辆当前的驾驶模式。
本申请实施例提供的车辆驾驶控制装置可以用于执行本申请上述车辆驾驶控制装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的驾驶模式切换方法的驾驶模式切换装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个驾驶模式切换装置实施例中的具体限定可以参见上文中对于驾驶模式切换方法的限定,在此不再赘述。
在一个实施例中,图8为本申请一个实施例中驾驶模式切换装置的结构示意图,本申请实施例提供的驾驶模式切换装置可以应用于计算机设备中。如图8所示,本申请实施例的驾驶模式切换装置,可以包括:控制量获取模块21和模式切换模块22;其中:
控制量获取模块21,用于在车辆按照车辆控制策略驾驶的过程中,若检测到车辆的车辆执行器存在外力控制,则获取车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态;车辆控制策略为如图1-图3实施例中的步骤确定的;
模式切换模块22,用于根据车辆执行器在外力控制下产生的控制量和车辆内驾驶员的驾驶状态,控制车辆的目标驾驶模式进行模式切换。
本申请实施例提供的驾驶模式切换装置可以用于执行本申请上述驾驶模式切换装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,模式切换模块22包括:检测单元、第一确定单元和第二确定单元,其中:
检测单元,用于检测控制量是否满足预设的控制条件;
第一确定单元,用于在检测单元的检测结果为是时,根据驾驶状态与驾驶模式的映射关系,获取驾驶员的驾驶状态对应的目标驾驶模式,并控制车辆当前的驾驶模式切换为目标驾驶模式;
第二确定单元,用于在检测单元的检测结果为否时,控制车辆保持驾驶模式不变。
本申请实施例提供的驾驶模式切换装置可以用于执行本申请上述驾驶模式切换装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,第一确定单元具体用于:
若驾驶状态为高疲劳状态,则确定目标驾驶模式为高级自动驾驶模式;高级自动驾驶模式表示驾驶员不参与的驾驶模式;
若驾驶状态为低疲劳状态,则确定目标驾驶模式为低级自动驾驶模式;低级自动驾驶模式表示驾驶员部分参与的驾驶模式;
若驾驶状态为不疲劳状态,则确定目标驾驶模式为手动驾驶模式;手动驾驶模式表示驾驶员完全参与的驾驶模式。
本申请实施例提供的驾驶模式切换装置可以用于执行本申请上述驾驶模式切换装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,车辆执行器包括制动踏板和加速踏板,控制量包括制动踏板的制动控制量和加速踏板的加速控制量;检测单元具体用于:
若制动控制量大于或等于预设的制动控制量阈值,且加速控制量大于或等于预设的加速控制量阈值,则确定控制量满足控制条件;
若制动控制量小于制动控制量阈值,且加速控制量小于加速控制量阈值,则确定控制量不满足控制条件。
本申请实施例提供的驾驶模式切换装置可以用于执行本申请上述驾驶模式切换装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,控制量获取模块21具体用于:
获取车辆内驾驶员的人脸图像;
对人脸图像中的面部表情和眼睛状态进行识别;
根据面部表情和眼睛状态的识别结果确定驾驶员的驾驶状态。
本申请实施例提供的驾驶模式切换装置可以用于执行本申请上述驾驶模式切换装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,驾驶模式切换装置还包括:控制模块,其中:
控制模块,用于在车辆以手动驾驶模式驾驶的过程中,若检测到用户对车辆触发了自动模式切换指令,则控制将车辆从手动驾驶模式切换为自动驾驶模式。
本申请实施例提供的驾驶模式切换装置可以用于执行本申请上述驾驶模式切换装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,自动驾驶模式包括高级自动驾驶模式和低级自动驾驶模式;控制模块具体用于:
若车辆内驾驶员的驾驶状态为高疲劳状态,则控制将车辆从手动驾驶模式切换为高级自动驾驶模式;
若车辆内驾驶员的驾驶状态为低疲劳状态,则控制将车辆从手动驾驶模式切换为低级自动驾驶模式。
本申请实施例提供的驾驶模式切换装置可以用于执行本申请上述驾驶模式切换装置实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
关于车辆驾驶控制装置的具体限定可以参见上文中对于车辆驾驶控制方法的限定,在此不再赘述。上述车辆驾驶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。同时,关于驾驶模式切换装置的具体限定可以参见上文中对于驾驶模式切换方法的限定,在此不再赘述。上述驾驶模式切换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。上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。
在一个实施例中,提供了一种计算机设备,该计算机设备内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆控制策略和驾驶员的驾驶状态。该计算机设备的网络接口用于与外部的终点通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆驾驶控制方法和驾驶模式切换方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现本申请上述车辆驾驶控制方法和驾驶模式切换方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本申请上述车辆驾驶控制方法和驾驶模式切换方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本申请上述车辆驾驶控制方法和驾驶模式切换方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (19)
1.一种车辆驾驶控制方法,车辆包括自动驾驶模块,所述自动驾驶模块用于支持自动驾驶,其特征在于,所述方法包括:
获取所述车辆的驾驶员的驾驶状态;
根据所述驾驶员的驾驶状态确定目标驾驶模式;所述目标驾驶模式包括手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式;
基于所述目标驾驶模式,对所述驾驶员的驾驶操作的驾驶操作输入信号和所述自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略;所述车辆控制策略包括所述车辆在所述目标驾驶模式下驾驶时车辆执行器的控制信息;
基于所述车辆控制策略控制所述车辆驾驶。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标驾驶模式,对所述驾驶员的驾驶操作的驾驶操作输入信号和所述自动驾驶模块生成的自动驾驶信号进行处理得到车辆控制策略,包括:
获取所述车辆在所述目标驾驶模式下所述驾驶操作输入信号的第一权重系数,以及所述自动驾驶信号的第二权重系数;
根据所述驾驶操作输入信号、所述第一权重系数、所述自动驾驶信号和所述第二权重系数,确定所述车辆控制策略。
3.根据权利要求2所述的方法,其特征在于,若所述目标驾驶模式为所述手动驾驶模式,则所述第二权重系数为预设的第一阈值;若所述目标驾驶模式为所述高级自动驾驶模式,则所述第一权重系数为所述第一阈值。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述车辆执行器包括制动踏板和加速踏板;所述获取所述车辆的驾驶员的驾驶状态,包括:
若检测到所述车辆的制动踏板的制动控制量大于或等于预设的制动控制量阈值,则获取所述驾驶员的驾驶状态,所述制动控制量阈值为通过自动驾驶算法确定的标准制动控制量得到的;或者,
若检测到的所述车辆的加速踏板的加速控制量大于或等于预设的加速控制量阈值,则获取所述驾驶员的驾驶状态,所述加速控制量阈值为通过自动驾驶算法确定的标准加速控制量得到的。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
接收所述车辆的启动信号,初始化所述车辆的驾驶模式为所述手动驾驶模式。
6.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述驾驶员的驾驶状态确定目标驾驶模式,包括:
根据所述车辆所处道路的环境信息,确定道路环境参数;所述道路环境参数表征所述车辆所处道路环境的复杂度;
根据所述道路环境参数和所述驾驶员的驾驶状态确定所述目标驾驶模式。
7.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
通过车载显示设备显示所述车辆当前的驾驶模式。
8.一种驾驶模式切换方法,其特征在于,所述方法包括:
在车辆按照车辆控制策略驾驶的过程中,若检测到所述车辆的车辆执行器存在外力控制,则获取所述车辆执行器在外力控制下产生的控制量和所述车辆内驾驶员的驾驶状态;所述车辆控制策略为如上述权利要求1-7中任一项所述的方法中的步骤确定的;
根据所述车辆执行器在外力控制下产生的控制量和所述车辆内驾驶员的驾驶状态,控制所述车辆的驾驶模式进行模式切换。
9.根据权利要求8所述的方法,其特征在于,所述根据所述车辆执行器在外力控制下产生的控制量和所述车辆内驾驶员的驾驶状态,控制所述车辆的驾驶模式进行模式切换,包括:
检测所述控制量是否满足预设的控制条件;
若所述控制量满足所述控制条件,则根据驾驶状态与驾驶模式的映射关系,获取所述驾驶员的驾驶状态对应的目标驾驶模式,并控制所述车辆当前的驾驶模式切换为所述目标驾驶模式;
若所述控制量不满足所述控制条件,则控制所述车辆保持驾驶模式不变。
10.根据权利要求9所述的方法,其特征在于,所述获取所述驾驶员的驾驶状态对应的目标驾驶模式,包括:
若所述驾驶状态为高疲劳状态,则确定所述目标驾驶模式为高级自动驾驶模式;所述高级自动驾驶模式表示所述驾驶员不参与的驾驶模式;
若所述驾驶状态为低疲劳状态,则确定所述目标驾驶模式为低级自动驾驶模式;所述低级自动驾驶模式表示所述驾驶员部分参与的驾驶模式;
若所述驾驶状态为不疲劳状态,则确定所述目标驾驶模式为手动驾驶模式;所述手动驾驶模式表示所述驾驶员完全参与的驾驶模式。
11.根据权利要求10所述的方法,其特征在于,所述车辆执行器包括制动踏板和加速踏板,所述控制量包括所述制动踏板的制动控制量和所述加速踏板的加速控制量;
所述检测所述控制量是否满足预设的控制条件,包括:
若所述制动控制量大于或等于预设的制动控制量阈值,且所述加速控制量大于或等于预设的加速控制量阈值,则确定所述控制量满足所述控制条件;
若所述制动控制量小于所述制动控制量阈值,且所述加速控制量小于所述加速控制量阈值,则确定所述控制量不满足所述控制条件。
12.根据权利要求8-10中任一项所述的方法,其特征在于,所述获取所述车辆内驾驶员的驾驶状态,包括:
获取所述车辆内驾驶员的人脸图像;
对所述人脸图像中的面部表情和眼睛状态进行识别;
根据所述面部表情和眼睛状态的识别结果确定所述驾驶员的驾驶状态。
13.根据权利要求8-10中任一项所述的方法,其特征在于,所述方法还包括:
在所述车辆以手动驾驶模式驾驶的过程中,若检测到用户对所述车辆触发了自动模式切换指令,则控制将所述车辆从手动驾驶模式切换为所述自动驾驶模式。
14.根据权利要求13所述的方法,其特征在于,所述自动驾驶模式包括高级自动驾驶模式和低级自动驾驶模式,所述控制将所述车辆从手动驾驶模式切换为所述自动驾驶模式,包括:
若所述车辆内驾驶员的驾驶状态为高疲劳状态,则控制将所述车辆从手动驾驶模式切换为所述高级自动驾驶模式;
若所述车辆内驾驶员的驾驶状态为低疲劳状态,则控制将所述车辆从手动驾驶模式切换为所述低级自动驾驶模式。
15.一种车辆驾驶控制装置,车辆包括自动驾驶模块,所述自动驾驶模块用于支持自动驾驶,其特征在于,所述装置包括:
驾驶状态获取模块,用于获取所述车辆的驾驶员的驾驶状态;
驾驶模式确定模块,用于根据所述驾驶员的驾驶状态确定目标驾驶模式;所述目标驾驶模式包括手动驾驶模式、低级自动驾驶模式或高级自动驾驶模式;
处理模块,用于基于所述目标驾驶模式,对所述驾驶员的驾驶操作的驾驶操作输入信号和所述自动驾驶模块生成的自动驾驶信号进行处理,得到车辆控制策略;所述车辆控制策略包括所述车辆在所述目标驾驶模式下驾驶时车辆执行器的控制信息;
驾驶控制模块,用于基于所述车辆控制策略控制所述车辆驾驶。
16.一种驾驶模式切换装置,其特征在于,所述装置包括:
控制量获取模块,用于在车辆按照车辆控制策略驾驶的过程中,若检测到所述车辆的车辆执行器存在外力控制,则获取所述车辆执行器在外力控制下产生的控制量和所述车辆内驾驶员的驾驶状态;所述车辆控制策略为通过上述权利要求1-7中任一项所述的方法中的步骤确定的;
模式切换模块,用于根据所述车辆执行器在外力控制下产生的控制量和所述车辆内驾驶员的驾驶状态,控制所述车辆的目标驾驶模式进行模式切换。
17.一种计算机设备,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权利要求1-14中任一项所述的方法的步骤。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-14中任一项所述的方法的步骤。
19.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-14中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211344841.5A CN117944685A (zh) | 2022-10-31 | 2022-10-31 | 车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211344841.5A CN117944685A (zh) | 2022-10-31 | 2022-10-31 | 车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117944685A true CN117944685A (zh) | 2024-04-30 |
Family
ID=90799133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211344841.5A Pending CN117944685A (zh) | 2022-10-31 | 2022-10-31 | 车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117944685A (zh) |
-
2022
- 2022-10-31 CN CN202211344841.5A patent/CN117944685A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113056749B (zh) | 用于自主机器应用的未来对象轨迹预测 | |
CN107472252B (zh) | 自主切换期间的驾驶员胜任能力 | |
CN108537326B (zh) | 用于自动驾驶车辆的方法、介质和系统 | |
US11055544B2 (en) | Electronic device and control method thereof | |
US10146222B2 (en) | Driver training in an autonomous vehicle | |
Althoff et al. | Model-based probabilistic collision detection in autonomous driving | |
Tran et al. | A human-vehicle collaborative driving framework for driver assistance | |
US10054944B2 (en) | System and method for configuring autonomous vehicle responses based on a driver profile | |
KR20220154203A (ko) | 주차된 차량의 처리 능력을 통한 ann 훈련 | |
US11465650B2 (en) | Model-free reinforcement learning | |
JP2019510677A (ja) | 運転者のルールベース型支援のための制御データ作成方法 | |
CN110386145A (zh) | 一种目标驾驶员驾驶行为实时预测系统 | |
US12005922B2 (en) | Toward simulation of driver behavior in driving automation | |
JP7241972B2 (ja) | ユーザの運転の好みに適応した自動運転車の制御 | |
JP2019156171A (ja) | 走行制御装置、車両、走行制御システム、走行制御方法およびプログラム | |
US20210016788A1 (en) | Device and Method for Interacting Between a Vehicle Capable of Being Driven in an at Least Partially Automated Manner and a Vehicle User | |
CN112644507B (zh) | 驾驶者状态判定装置 | |
Gusikhin et al. | Intelligent vehicle systems: applications and new trends | |
CN115551757A (zh) | 乘客筛查 | |
CN113232668B (zh) | 一种驾驶辅助方法、系统、介质及终端 | |
CN116348355A (zh) | 用于测试车辆的驾驶员辅助系统的方法和系统 | |
CN117944685A (zh) | 车辆驾驶控制方法、驾驶模式切换方法、装置及相关产品 | |
CN115956041A (zh) | 驾驶辅助装置、学习装置、驾驶辅助方法、驾驶辅助程序、学习完成模型的生成方法、学习完成模型生成程序 | |
WO2018097818A1 (en) | Virtual reality interface to an autonomous vehicle | |
CN117058730A (zh) | 用于机器学习模型的数据集生成和增强 |
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 |