发明内容
基于此,有必要针对上述技术问题,提供一种能够在自动驾驶的车辆变道场景中,控制车辆行驶的变道控制方法、装置、车辆、存储介质和程序产品。
第一方面,本申请提供了一种变道控制方法。该方法包括:
在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息;根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道;若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速。
在其中一个实施例中,根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,包括:根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,并在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件;若满足目标条件,则将本次执行的轨迹信息确定步骤得到的初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤;若不满足目标条件,则继续执行轨迹信息确定步骤。
在其中一个实施例中,根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,包括:在每次执行轨迹信息确定步骤之前,从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同;基于各次筛选到的目标信息,执行各次轨迹信息确定步骤。
在其中一个实施例中,执行轨迹信息确定步骤,包括:根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息;根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息,其中,细粒度变道轨迹信息中的轨迹点的密度大于粗粒度变道轨迹信息中的轨迹点的密度,速度点阵信息用于指示细粒度变道轨迹信息中的轨迹点对应的行驶速度。
在其中一个实施例中,该车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征,该行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域,根据车辆行驶信息和行驶环境信息,确定变道位置点,包括:将第一预测行驶走廊信息、车辆运动信息、第二预测行驶走廊信息以及道路环境信息输入至预设的神经网络中,得到神经网络输出的变道位置点。
在其中一个实施例中,该车辆运动信息包括位置信息、速度信息、角速度信息以及加速度信息中的至少一种,该道路环境信息包括车道线信息、道路边界信息、可行驶区域的边界信息、道路坡度信息、道路曲率信息、第一车辆与道路中其他车辆的距离信息、其他车辆的速度信息以及其他车辆的类别信息中的至少一种。
在其中一个实施例中,该变道控制方法还包括:根据第一车辆的变道意图在道路中确定感兴趣区域;将感兴趣区域内的车辆作为第二车辆。
在其中一个实施例中,根据变道位置点,生成粗粒度变道轨迹信息,包括:获取变道机会信息,变道机会信息用于指示第一车辆拥有的变道机会的多寡;根据变道机会信息以及变道位置点,生成粗粒度变道轨迹信息。
在其中一个实施例中,获取变道机会信息,包括:确定第一车辆的当前位置与变道车道的尽头之间的目标距离;根据目标距离确定变道机会信息。
在其中一个实施例中,根据变道机会信息以及变道位置点,生成粗粒度变道轨迹信息,包括:若变道机会信息所指示的变道机会大于预设机会阈值,则基于保守变道策略以及变道位置点,生成粗粒度变道轨迹信息;若变道机会信息所指示的变道机会不大于预设机会阈值,则基于激进变道策略以及变道位置点,生成粗粒度变道轨迹信息;其中,激进变道策略包含的变道加速度大于保守变道策略包含的变道加速度,且,激进变道策略包含的变道转向幅度大于保守变道策略包含的变道转向幅度。
在其中一个实施例中,基于减速位置点控制第一车辆减速,包括:根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略;根据减速策略控制第一车辆减速。
第二方面,本申请还提供了一种变道控制装置。该装置包括:
获取模块,用于在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息;
变道模块,用于根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道;
减速模块,用于若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速。
在其中一个实施例中,该变道模块,具体用于:根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,并在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件;若满足目标条件,则将本次执行的轨迹信息确定步骤得到的初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤;若不满足目标条件,则继续执行轨迹信息确定步骤。
在其中一个实施例中,该变道模块,还具体用于:在每次执行轨迹信息确定步骤之前,从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同;基于各次筛选到的目标信息,执行各次轨迹信息确定步骤。
在其中一个实施例中,该变道模块,包括第一变道单元和第二变道单元。
该第一变道单元,用于:根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息;
该第二变道单元,用于:根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息,其中,细粒度变道轨迹信息中的轨迹点的密度大于粗粒度变道轨迹信息中的轨迹点的密度,速度点阵信息用于指示细粒度变道轨迹信息中的轨迹点对应的行驶速度。
在其中一个实施例中,车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征,行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域,该第一变道单元,具体用于:将第一预测行驶走廊信息、车辆运动信息、第二预测行驶走廊信息以及道路环境信息输入至预设的神经网络中,得到神经网络输出的变道位置点。
在其中一个实施例中,该车辆运动信息包括位置信息、速度信息、角速度信息以及加速度信息中的至少一种,该道路环境信息包括车道线信息、道路边界信息、可行驶区域的边界信息、道路坡度信息、道路曲率信息、第一车辆与道路中其他车辆的距离信息、其他车辆的速度信息以及其他车辆的类别信息中的至少一种。
在其中一个实施例中,该装置还包括确定模块,该确定模块,用于:根据第一车辆的变道意图在道路中确定感兴趣区域;将感兴趣区域内的车辆作为第二车辆。
在其中一个实施例中,该第一变道单元,包括指示子单元和变道子单元。
该指示子单元,用于:获取变道机会信息,变道机会信息用于指示第一车辆拥有的变道机会的多寡;
该变道子单元,用于:根据变道机会信息以及变道位置点,生成粗粒度变道轨迹信息。
在其中一个实施例中,该指示子单元,具体用于:确定第一车辆的当前位置与变道车道的尽头之间的目标距离;根据目标距离确定变道机会信息。
在其中一个实施例中,该变道子单元,具体用于:若变道机会信息所指示的变道机会大于预设机会阈值,则基于保守变道策略以及变道位置点,生成粗粒度变道轨迹信息;若变道机会信息所指示的变道机会不大于预设机会阈值,则基于激进变道策略以及变道位置点,生成粗粒度变道轨迹信息;其中,激进变道策略包含的变道加速度大于保守变道策略包含的变道加速度,且,激进变道策略包含的变道转向幅度大于保守变道策略包含的变道转向幅度。
在其中一个实施例中,该减速模块,具体用于:根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略;根据减速策略控制第一车辆减速。
第三方面,本申请实施例提供一种车辆,包括存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序,该处理器执行该计算机程序时实现上述第一方面任一项所述的步骤。
第四方面,本申请实施例提供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上述第一方面中任一所述的步骤。
第五方面,本申请实施例提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现上述第一方面中任一所述的步骤。
上述变道控制方法、装置、车辆、存储介质和程序产品,首先,在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息,其次,根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道,最后,若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速,通过该方法实现了在自动驾驶的车辆变道场景中控制车辆行驶的目的。
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。
随着现代交通的不断发展,自动驾驶成为了当前的一项热度较高的技术,自动驾驶汽车拥有全面的驾驶感知系统,可以识别道路交通标志、汽车、行人、路况等外部人和物,智能的决策系统对感知的信息快速处理和分析,执行系统精确的执行加速、制动、停车、转向等命令,促进了新型交通的发展,另一方面,自动驾驶技术可以防止车辆驾驶员因驾驶技能差、心理情绪变化、健康疲惫程度等人为因素引起的各种交通事故,能够合理管控、调节道路交通流量,改善道路交通通行状况,提高道路的通行能力,具有广阔的发展应用前景和极大的社会效益。
而在自动驾驶的过程中,一个比较常见的场景是车辆变道场景,例如,在进行高速公路上匝道、路面设置车道数量变窄、前方发生交通事故道路封锁等情况下,均需要进行车辆变道,而车辆如果无法进行精确变道,将会引发一系列的交通事故,甚至会造成无法挽回的社会影响,因此,在自动驾驶过程中如何在车辆变道场景中控制车辆行驶,已经成为了一个亟待解决的问题。
本申请实施例提供的变道控制方法,可以应用于如图1所示的应用环境中。如图1所示,该应用环境包括第一车辆101和第二车辆102,其中,第一车辆101是当前使用的自动驾驶车辆,也即自车,第二车辆102是在第一车辆101变道过程中,与第一车辆101的行驶意图相关的车辆,也即他车,其中,在第一车辆101变道过程中,与第一车辆101的行驶意图相关的车辆可以理解为,第一车辆101在变道行驶过程中需要注意的车辆,例如,第一车辆101在车道103行驶,第一车辆101的左侧车道104上车辆102正在附近行驶,则第一车辆101如果想要变道,就需要考虑车辆102,因此车辆102是在第一车辆101变道过程中,与第一车辆101的行驶意图相关的第二车辆102。可以理解的是,第二车辆102可以是智能驾驶汽车,也可以是人工驾驶的车辆,此外,第一车辆101和第二车辆102可以但不限于是各种小汽车、商用车、客车、大巴车、卡车、摩托车等等。虽然图中仅画出了第二车辆102,但读者可以理解的是,在实际应用环境中,存在有多个车辆,而本申请仅以一个车辆为参考对象进行说明。
在一个实施例中,如图2所示,提供了一种变道控制方法,该变道控制方法执行主体为上述第一车辆101,该方法包括以下步骤:
步骤201、在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息。
其中,车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征;行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域。
在一种可能实现的方式中,首先,第一车辆通过自身车载传感器中的相机、毫米波雷达、超声波雷达等,对周围环境进行全方位感知,获取各个信息特征数据,包括车辆行驶信息和行驶环境信息,其次,相机对所获取的信息特征数据进行前融合,并对该信息特征数据进行追踪、数据关联、数据更新、航迹管理以及置信度优化,同时,毫米波雷达对所获取的信息特征数据也进行前融合,并对该信息特征数据进行追踪、数据关联、数据更新、航迹管理以及置信度优化,进一步的,相机和毫米波雷达对处理后的信息特征数据进行后融合,并对该信息特征数据进行追踪、数据关联、数据更新、航迹管理以及置信度优化,最终,得到置信度更高的信息特征数据。
步骤202、根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道。
其中,该第一车辆的变道轨迹信息指的是第一车辆在变道行驶过程中参考可行驶空间走廊内的轨迹信息,包括变道位置点、行驶速度、变道路线等等,其决定了第一车辆进行变道的行驶轨迹。
具体的,根据前述车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,并且在每次执行轨迹信息确定步骤之前,都从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同,其中,该轨迹信息确定步骤指的是,根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息,根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息。
进一步的,在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件,若满足所述目标条件,则将本次执行的轨迹信息确定步骤得到的变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤;若不满足目标条件,则继续执行轨迹信息确定步骤。
举例说明,根据车辆行驶信息和行驶环境信息,执行第一次轨迹信息确定步骤,获得初始变道轨迹信息A,确定初始变道轨迹信息A的变道成功率是否满足目标条件,若不满足目标条件,从车辆行驶信息和行驶环境信息中筛选目标信息,根据筛选后的目标信息执行第二次轨迹信息确定步骤,获得初始变道轨迹信息B,确定初始变道轨迹信息B的变道成功率是否满足目标条件,若不满足目标条件,迭代执行上述步骤,直到满足目标条件,则将本次执行的轨迹信息确定步骤得到的变道轨迹信息Z作为变道轨迹信息,并停止继续执行轨迹信息确定步骤。
上述通过对变道成功率的不断判断,并迭代执行轨迹信息确定步骤,能够更加精确的获得变道成功率较高的变道轨迹信息,最终基于该变道轨迹信息控制第一车辆变道。
步骤203、若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速。
其中,第一车辆变道失败指的是第一车辆在变道行驶过程中,没有完成规划好的变道过程,且由于变道失败存在一定的安全隐患,所以需要设置应对策略来应对该情况,可选的,应对策略包括控制车辆进行减速,控制车辆急停,控制车辆回归原车道等策略。
在一种可能的实现方式中,若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,该减速位置点指的是,控制第一车辆在变道失败时开始进行减速的位置点,即从该位置点开始,第一车辆进行减速过程,可选的,该减速位置点可以在原始车道上,也可以在目标车道上。根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略,并根据减速策略控制第一车辆减速。
上述变道控制方法、装置、车辆、存储介质和程序产品,首先,在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息,其次,根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道,最后,若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速,通过该方法实现了在自动驾驶的车辆变道场景中控制车辆行驶的目的。
如上文所述,可以根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,如图3所示,本申请实施例提供了一种确定轨迹信息的方法,包括以下步骤:
步骤301、根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,并在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件。
其中,车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征;行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域。
其中,第一车辆的预测行驶区域指的是第一车辆在变道行驶过程中未来可能的行驶区域;第一车辆的行驶特征指的是第一车辆在变道行驶过程中的运动学行驶特征,例如,速度,加速度,车轮角度等等;第二车辆的预测行驶区域指的是第一车辆在变道行驶过程中,第二车辆未来可能的行驶区域;道路环境信息指的是第一车辆在变道行驶过程中所处环境的相关信息,包括静态环境信息和动态环境信息,该静态环境信息包括花坛、收费站、路障、红绿灯等等,该动态环境信息包括行人、运行中的他车、靠近自车的飞禽等等。
在本申请的可选实施例中,为了提高变道成功率,可以根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,其中,该轨迹信息确定步骤指的是,根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息,根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息。
进一步的,在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件。
其中,该目标条件可以根据车辆自身信息、行驶道路路况、行驶天气等多方因素进行修改设置,例如,该目标条件可选的可以设置为成功率大于80%时进行变道或者成功率大于95%时进行变道,本申请在此不做具体限制。
步骤302、若满足目标条件,则将本次执行的轨迹信息确定步骤得到的初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤。
其中,该变道轨迹信息属于第一车辆的变道轨迹信息,当上述初始变道轨迹信息的变道成功率满足目标条件时,将该初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤,例如,当第一车辆第三次迭代执行的轨迹信息确定步骤后,初始变道轨迹信息的变道成功率为95%,而目标条件的成功率为大于90%,则判断该初始变道轨迹信息的变道成功率满足目标条件,并将该初始变道轨迹信息作为变道轨迹信息,同时,停止执行第四次以及后续的轨迹信息确定步骤。
步骤303、若不满足目标条件,则继续执行轨迹信息确定步骤。
例如,当第一车辆第三次迭代执行的轨迹信息确定步骤后,初始变道轨迹信息的变道成功率为80%,而目标条件的成功率为大于90%,则判断该初始变道轨迹信息的变道成功率不满足目标条件,并将该初始变道轨迹信息可选的进行保留或删除信息,同时,继续执行第四次轨迹信息确定步骤。
如上文所述,在确定轨迹信息时,需要根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,而该信息需要在每次执行迭代过程时通过筛选,才能继续迭代执行轨迹信息确定步骤,如图4所示,本申请实施例提供了一种筛选处理目标信息的方法,包括以下步骤:
步骤401、在每次执行轨迹信息确定步骤之前,从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同。
其中,目标信息指的是车辆行驶信息和行驶环境信息的数据信息,其内容经过筛选会减少或合并部分数据信息,当目标信息被筛选后,内容不同的数据信息以筛选后的数据信息作为新的目标信息,而内容相同的数据信息继续保留,直到下一次筛选。
在一种可能实现的方式中,该筛选过程包括针对车辆行驶信息和行驶环境信息进行数据清洗,例如,通过前述车载传感器中的相机、毫米波雷达、超声波雷达获取到的数据信息作为待清洗数据,接着确定清洗特征,根据清洗特征、清洗需求确定目标清洗规则,进一步的,将该待清洗数据和目标清洗规则输入到已经训练好的神经网络模型中,根据目标清洗规则对待清洗数据进行清洗,获得目标信息,在不断筛选的过程中,将获得的目标信息作为待清洗信息,不断重复上述数据清洗过程,以删除冗余、无用、错误的数据信息。
可选的,在第一次执行轨迹信息确定步骤之前,可以对车辆行驶信息和行驶环境信息进行筛选,以使得在第一次轨迹信息确定步骤时就使用置信度较高的数据信息,提高了变道效率。
可选的,在第一次执行轨迹信息确定步骤之前,可以不对车辆行驶信息和行驶环境信息进行筛选,以保留所有的数据信息,提高了数据信息的利用率,增加了变道安全性。
步骤402、基于各次筛选到的目标信息,执行各次轨迹信息确定步骤。
其中,在每次结束目标信息筛选,即数据信息清洗后,均需要对各次筛选获得的目标信息执行轨迹信息确定步骤,在第一次执行完轨迹信息确定步骤后,为了防止后续经过筛选后的目标信息跳过轨迹信息确定步骤而进行了第二次筛选,可选的,可以对每次执行完轨迹信息确定步骤的数据信息进行标签化的处理,首先,执行完轨迹信息确定步骤的数据信息根据ETL原理,加工处理产生标签,该标签含带有已执行轨迹信息确定步骤的信息,其次,在进行目标信息筛选前对数据信息进行判断,若判断含有该标签则进行下一步筛选,若判断不含有该标签则进行轨迹信息确定步骤。
进一步的,如图5所示,本申请实施例提供了一种执行轨迹信息确定步骤的方法,包括以下步骤:
步骤501、根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息。
其中,该变道位置点指的是第一车辆在变道行驶过程中的最佳位置变道点,该粗粒度变道轨迹信息指的是自车参考可行驶走廊内的粗粒度轨迹信息。
在一种可能实现的方式中,首先,通过高精定位信息和高精地图信息进行匹配,确定第一车辆所处的位置信息,若无高精信息,则对无高精定位或无高精地图信息进行视觉地图定位处理,得到视觉地图定位信息,并对低精定位信息、导航信息以及视觉地图定位信息进行融合,确定第一车辆所处的位置信息,其次,根据车辆行驶信息和行驶环境信息,在所处位置点处附近确定最佳变道位置点信息,最后,根据该最佳变道位置点信息,生成自车参考可行驶走廊内的粗粒度轨迹信息,确定自车可行使走廊的边界线和参考线点阵。
步骤502、根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息。
其中,该约束条件指的是限制第一车辆进行变道过程的约束条件,例如:第一车辆的速度、加速度、车体角度、车体角速度等,所处环境中的道路横向坡度、道路纵向坡度、道路曲率等。
在一种可能实现的方式中,对前述粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,对地图车道参考线进行拟合平滑,对自车可行使走廊的边界线和参考线点阵进一步优化,并输出满足车辆动力学特性的速度点阵,最终融合得到细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息。
其中,细粒度变道轨迹信息中的轨迹点的密度大于粗粒度变道轨迹信息中的轨迹点的密度,速度点阵信息用于指示细粒度变道轨迹信息中的轨迹点对应的行驶速度。
在实际应用环境中,第二车辆的选择是多种多样的,需要对其进行精确的选择确定,如图6所示,本申请实施例提供了一种确定第二车辆的方法,包括以下步骤:
步骤601、根据第一车辆的变道意图在道路中确定感兴趣区域。
其中,该变道意图是由前述第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息共同决定的,用于指示第一车辆进行变道的行驶意图,该感兴趣区域指的是与第一车辆变道意图相关的区域,即第一车辆有变道倾向的区域。
在一种可能实现的方式中,根据毫米波雷达和相机获取到的车辆行驶信息和行驶环境信息,输入到训练好的学习模型中,聚类信息为感兴趣区域,该感兴趣区域包括自车前向区域,左侧车道前向区域,左侧车道侧向区域,左侧车道后向区域,右侧车道前向区域,右侧车道侧向区域,右侧车道后向区域,将感兴趣区域进行模块化划分能更好的进行变道规划。
步骤602、将感兴趣区域内的车辆作为第二车辆。
在一种可能实现的方式中,雷达检测感兴趣区域内是否存在第二车辆,车载传感器的内置相机确定第二车辆的距离、速度和属性信息,该属性信息包括第二车辆的颜色、型号、车牌号等信息。
例如,当第一车辆有变道意图时,在已确定的感兴趣区域中的左侧车道前向区域中,存在车辆A和车辆B,在右侧车道后向区域中,存在车辆C,其余感兴趣区域中并未存在车辆,因此确定第二车辆为车辆A、车辆B和车辆C,并确定第二车辆的相关信息。
如前文所述,为了执行轨迹信息确定步骤,本申请需要根据车辆行驶信息和行驶环境信息,确定变道位置点,进一步的,本申请实施例提供了一种确定变道位置点的方法,该方法包括:将第一预测行驶走廊信息、车辆运动信息、第二预测行驶走廊信息以及道路环境信息输入至预设的神经网络中,得到神经网络输出的变道位置点。
其中,车辆运动信息包括位置信息、速度信息、角速度信息以及加速度信息中的至少一种,道路环境信息包括车道线信息、道路边界信息、可行驶区域的边界信息、道路坡度信息、道路曲率信息、第一车辆与道路中其他车辆的距离信息、其他车辆的速度信息以及其他车辆的类别信息中的至少一种。
除此之外,如前文所述,为了执行轨迹信息确定步骤,本申请还需要根据变道位置点,生成粗粒度变道轨迹信息,如图7所示,本申请实施例提供了一种处理变道位置点的方法,该方法包括:
步骤701、获取变道机会信息,该变道机会信息用于指示第一车辆拥有的变道机会的多寡。
在一种可能实现的方式中,该变道机会信息是根据与第二车辆的博弈预测结果所得到的,将前述第一预测行驶走廊信息、车辆运动信息进行信息融合,第二预测行驶走廊信息以及道路环境信息进行信息融合,通过聚类学习,对第二车辆进行横纵向预测和危险等级评测,对环境信息进行障碍物估计和可行驶走廊边界特性估计,并根据信息特征与第二车辆进行博弈预测,得到变道机会信息。
可选的,该变道机会的多寡指的是能够进行变道的自车参考可行驶走廊的多寡,当参考可行驶走廊多时,第一车辆拥有多个可以进行变道的方案,即变道机会多;当参考可行驶走廊少时,第一车辆拥有较少的进行变道的方案,即变道机会少。
步骤702、根据变道机会信息以及变道位置点,生成粗粒度变道轨迹信息。
可选的,由于该变道机会信息存在有多个自车参考可行驶走廊,意味着同时存在多个变道位置点,而根据车辆行驶信息和行驶环境信息,确定一个最佳变道位置点,根据变道机会信息以及该最佳变道位置点,生成粗粒度变道轨迹信息,提高了变道规划的效率。
进一步的,为了处理变道位置点,如图8所示,本申请实施例提供了一种获取变道机会信息的方法,该方法包括:
步骤801、确定第一车辆的当前位置与变道车道的尽头之间的目标距离。
在一种可能实现的方式中,通过高精定位信息和高精地图信息进行匹配,确定第一车辆所处的位置信息,若无高精信息,则对无高精定位或无高精地图信息进行视觉地图定位处理,得到视觉地图定位信息,并对低精定位信息、导航信息以及视觉地图定位信息进行融合,确定第一车辆所处的位置信息。
进一步,通过车载传感器中的相机,对变道车道的尽头进行连续桢的图像采样,从连续的图像中识别出环境物体信息,确保变道车道的尽头是可行驶环境,并最终结合毫米波雷达和超声波雷达确定第一车辆的当前位置与变道车道的尽头之间的目标距离。
步骤802、根据目标距离确定变道机会信息。
例如,目标距离为左前方500米,则根据该目标距离,对路径中的行驶环境信息进行处理,得到与第二车辆的博弈预测结果,进而得到变道机会信息。
除此之外,为了处理变道位置点,如图9所示,本申请实施例提供了一种生成粗粒度变道轨迹信息的方法,该方法包括:
步骤901、若变道机会信息所指示的变道机会大于预设机会阈值,则基于保守变道策略以及变道位置点,生成粗粒度变道轨迹信息。
其中,该预设机会阈值可以根据车辆自身信息、行驶道路路况、行驶天气等多方因素进行修改设置,例如,该预设机会阈值可选的可以设置为20、30、40等,本申请在此不做具体限制。
其中,该保守变道策略指的是在第一车辆进行变道行驶过程中,第一车辆设置的行驶特征值较小,能够更加平缓保守的进行变道,例如,采取较小的速度,加速度,车轮角度等等。
步骤902、若变道机会信息所指示的变道机会不大于预设机会阈值,则基于激进变道策略以及变道位置点,生成粗粒度变道轨迹信息。
其中,该激进变道策略指的是在第一车辆进行变道行驶过程中,第一车辆设置的行驶特征值较大,能够更加快速激进的进行变道,例如,采取较大的速度,加速度,车轮角度等等。
综上所述,激进变道策略包含的变道加速度大于保守变道策略包含的变道加速度,且,激进变道策略包含的变道转向幅度大于保守变道策略包含的变道转向幅度。
如前文所述,本申请实施例可选的还存在第一车辆变道失败的情况,针对这种情况,需要根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速,如图10所示,本申请实施例提供了一种控制第一车辆减速的方法,该方法包括:
步骤1001、根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略。
在一种可能实现的方式中,当变道失败时,首先,根据地图定位信息确定变道失败时第一车辆的位置,其次,根据第一车辆的车辆行驶信息和行驶环境信息确定减速位置点,具体的,通过第一车辆车载传感器中的相机,对变道周围环境进行连续桢的图像采样,从连续的图像中识别出环境物体信息,确定周围的可行驶环境,毫米波雷达和超声波雷达采集周围静态信息和动态信息,并进行可行使区域点云的多边形估计,最终通过信息融合确定减速位置点,并确定减速策略。
其中,该减速策略指的是设置减速时第一车辆的运动学信息,包括速度、加速度、角速度、轮胎转向等。
步骤1002、根据减速策略控制第一车辆减速。
其中,可选的,根据突发情况的紧急程度,该减速策略分为保守减速策略和紧急减速策略,保守减速的加速度小于紧急减速的加速度、速度等,进而提高了第一车辆行驶过程中的安全性。
在一个实施例中,图11为第一车辆的结构整体示意图,如图11所示,在一个具体的实施例中,第一车辆包括传感器、域控制器和系统级芯片(System on Chip,SOC)。
其中,第一车辆的传感器可以包括视觉传感器、距离传感器、惯性传感器、定位传感器。例如,第一车辆的传感器包括相机、毫米波雷达、超声波雷达,高精定位传感器。第一车辆的域控制器包括感知模块、融合模块、环境理解模块、场景理解模块、运动估计模块和决策模块。SOC包括预测模块和规划模块。
具体地,感知模块获取传感器在预设时间段内各时间帧的检测数据,得到目标物的速度信息、属性信息和与目标物的距离等等。融合模块,用于对相同类别的传感器得到的检测数据进行融合关联,和/或,对同一个目标物,将不同类别得到的检测数据得到的数据进行相互融合。预测模块利用融合模块的输出确定第二车辆的预测行驶走廊信息。环境理解模块根据传感器的检测数据,例如相机采集的图像数据和毫米波雷达采集的点云数据,以确定车道线信息、道路边界信息、可行驶区域的边界信息。地图定位模块通过获取高精定位传感器的定位数据和高精地图,匹配定位数据和高精地图,确定第一车辆的行驶轨迹,并对边界线和参考线点阵进行拟合平滑,得到平滑的车辆行驶的参考线,进一步确定第一车辆的位置信息。运动估计模块,通过第一车辆的传感器对第一车辆的运动状态进行估计,并确定位置信息、速度信息、加速度信息、车体角度信息,车体角速度信息,道路坡度信息以及道路曲率信息等等。场景理解模块结合是感知模块、融合模块、预测模块、环境理解模块、地图定位模块以及运动估计模块的输出,确定第一车辆的预测行驶走廊信息。规划模块用于对车道的参考线进行规划和平滑,输出满足第一车辆动力学特性的速度点阵和路径点阵,最后得到第一车辆参考可行驶空间走廊内的细粒度轨迹信息。
在图11的基础上,图12为规划模块的结构示意图。如图12所示,规划模块包括规划子模块和其他规划字模块,其中,规划子模块包括可行使区域估计单元、变道博弈预测单元、战略决策单元、成功率优化单元和规划单元,以下对各个单元的作用做具体说明。
可行驶区域估计单元,用于根据地图定位模块输出的静态可行驶区域和动态可行驶区域进行可行驶区域点云的多边形估计,根据毫米波雷达和相机的检测结果,聚类为自车道前向区域,自车道后向区域,左侧车道前向区域,左侧车道侧向区域,左侧车道后向区域,右侧车道前向区域,右侧车道侧向区域,右侧车道后向区域。
变道博弈预测单元,用于根据地图定位信息,场景理解信息,环境理解信息,预测信息,感知信息,融合信息,可行驶区域信息,进行自车变道博弈的预测,计算高精度摄像头前端融合数据,障碍物属性聚类,路口红黄绿灯融合数据,自车和目标以及车道线的碰撞时间,车头时间,重叠率,横向加速度差,航向角差,车道线关联差,车道线曲率差;根据上匝道功能规划路径,基于匝道附近的前端融合数据结果,预测考虑障碍物和匝道可行驶空间的虚拟跟车可行驶走廊,并进行交通流遭遇上匝道车辆的礼让特性(换道,加速,减速)曲线聚类学习,规划横纵向预测控制路径点阵;对关联目标进行横纵向预测,评测危险等级,估计障碍物和可行驶走廊边界特性。
战略决策单元,用于根据地图定位信息,场景理解信息,环境理解信息,预测信息,感知信息,融合信息,可行驶区域信息,变道博弈预测信息,进行自车上匝道的战略决策,根据危险等级,预测结果,计算障碍物和可行驶空间属性语义决策参考可行驶走廊。
成功率优化单元,用于根据地图定位信息,场景理解信息,环境理解信息,预测信息,感知信息,融合信息,可行驶区域信息,变道博弈预测信息,上匝道战略决策信息,参考可行驶走廊信息,进行自车上匝道的成功率估计,并迭代决策进行成功率优化。
规划单元,根据成功率优化结果,生成变道规划,控制车辆变道。
在一个实施例中,如图13所示,提供了一种变道控制方法,包括以下步骤:
步骤1301、在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息。
其中,车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征,行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域。
步骤1302、在每次执行轨迹信息确定步骤之前,从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同。
步骤1303、将目标信息,即第一预测行驶走廊信息、车辆运动信息、第二预测行驶走廊信息以及道路环境信息输入至预设的神经网络中,得到神经网络输出的变道位置点。
车辆运动信息包括位置信息、速度信息、角速度信息以及加速度信息中的至少一种,道路环境信息包括车道线信息、道路边界信息、可行驶区域的边界信息、道路坡度信息、道路曲率信息、第一车辆与道路中其他车辆的距离信息、其他车辆的速度信息以及其他车辆的类别信息中的至少一种。
步骤1304、根据第一车辆的变道意图在道路中确定感兴趣区域。
步骤1305、将感兴趣区域内的车辆作为第二车辆。
步骤1306、确定第一车辆的当前位置与变道车道的尽头之间的目标距离。
步骤1307、根据目标距离确定变道机会信息,该变道机会信息用于指示第一车辆拥有的变道机会的多寡。
步骤1308、若变道机会信息所指示的变道机会大于预设机会阈值,则基于保守变道策略以及变道位置点,生成粗粒度变道轨迹信息。
步骤1309、若变道机会信息所指示的变道机会不大于预设机会阈值,则基于激进变道策略以及变道位置点,生成粗粒度变道轨迹信息。
其中,激进变道策略包含的变道加速度大于保守变道策略包含的变道加速度,且,激进变道策略包含的变道转向幅度大于保守变道策略包含的变道转向幅度。
步骤1310、根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和1速度点阵信息作为初始变道轨迹信息。
其中,细粒度变道轨迹信息中的轨迹点的密度大于粗粒度变道轨迹信息中的轨迹点的密度,速度点阵信息用于指示细粒度变道轨迹信息中的轨迹点对应的行驶速度。
步骤1311、基于步骤1302中各次筛选到的目标信息,执行各次轨迹信息确定步骤,即步骤1303~步骤1310。并在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件。
步骤1312、若满足目标条件,则将本次执行的轨迹信息确定步骤得到的初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤。
步骤1313、若不满足目标条件,则继续执行轨迹信息确定步骤。
步骤1314、基于变道轨迹信息控制第一车辆变道。
步骤1315、若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点。
步骤1316、根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略。
步骤1317、根据减速策略控制第一车辆减速。
在一个实施例中,如图14所示,提供了一种变道控制装置1400,包括:获取模块1401、变道模块1402和减速模块1403,其中:
获取模块1401,用于在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息。
变道模块1402,用于根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道。
减速模块1403,用于若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速。
在其中一个实施例中,该变道模块1402,具体用于:根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,并在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件;若满足目标条件,则将本次执行的轨迹信息确定步骤得到的初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤;若不满足目标条件,则继续执行轨迹信息确定步骤。
在其中一个实施例中,该变道模块1402,还具体用于:在每次执行轨迹信息确定步骤之前,从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同;基于各次筛选到的目标信息,执行各次轨迹信息确定步骤。
在其中一个实施例中,该变道模块1402,包括第一变道单元和第二变道单元。
该第一变道单元,用于:根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息。
该第二变道单元,用于:根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息,其中,细粒度变道轨迹信息中的轨迹点的密度大于粗粒度变道轨迹信息中的轨迹点的密度,速度点阵信息用于指示细粒度变道轨迹信息中的轨迹点对应的行驶速度。
在其中一个实施例中,车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征,行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域,该第一变道单元,具体用于:将第一预测行驶走廊信息、车辆运动信息、第二预测行驶走廊信息以及道路环境信息输入至预设的神经网络中,得到神经网络输出的变道位置点。
在其中一个实施例中,该车辆运动信息包括位置信息、速度信息、角速度信息以及加速度信息中的至少一种,该道路环境信息包括车道线信息、道路边界信息、可行驶区域的边界信息、道路坡度信息、道路曲率信息、第一车辆与道路中其他车辆的距离信息、其他车辆的速度信息以及其他车辆的类别信息中的至少一种。
在其中一个实施例中,该第一变道单元,包括指示子单元和变道子单元。
该指示子单元,用于:获取变道机会信息,变道机会信息用于指示第一车辆拥有的变道机会的多寡;
该变道子单元,用于:根据变道机会信息以及变道位置点,生成粗粒度变道轨迹信息。
在其中一个实施例中,该指示子单元,具体用于:确定第一车辆的当前位置与变道车道的尽头之间的目标距离;根据目标距离确定变道机会信息。
在其中一个实施例中,该变道子单元,具体用于:若变道机会信息所指示的变道机会大于预设机会阈值,则基于保守变道策略以及变道位置点,生成粗粒度变道轨迹信息;若变道机会信息所指示的变道机会不大于预设机会阈值,则基于激进变道策略以及变道位置点,生成粗粒度变道轨迹信息;其中,激进变道策略包含的变道加速度大于保守变道策略包含的变道加速度,且,激进变道策略包含的变道转向幅度大于保守变道策略包含的变道转向幅度。
在其中一个实施例中,该减速模块1403,具体用于:根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略;根据减速策略控制第一车辆减速。
请参考图15,其示出了本申请实施例提供的另一种变道控制装置1500,该变道控制装置1500除了包含变道控制装置1400包括的各个模块外,可选的,还包括确定模块1404,该确定模块1404,用于:根据第一车辆的变道意图在道路中确定感兴趣区域;将感兴趣区域内的车辆作为第二车辆。
在一个实施例中,提供了一种车辆,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以下步骤:
在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息;根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道;若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速。
在其中一个实施例中,该处理器执行计算机程序时实现以下步骤:根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,并在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件;若满足目标条件,则将本次执行的轨迹信息确定步骤得到的初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤;若不满足目标条件,则继续执行轨迹信息确定步骤。
在其中一个实施例中,该处理器执行计算机程序时实现以下步骤:在每次执行轨迹信息确定步骤之前,从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同;基于各次筛选到的目标信息,执行各次轨迹信息确定步骤。
在其中一个实施例中,该处理器执行计算机程序时实现以下步骤:根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息;根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息,其中,细粒度变道轨迹信息中的轨迹点的密度大于粗粒度变道轨迹信息中的轨迹点的密度,速度点阵信息用于指示细粒度变道轨迹信息中的轨迹点对应的行驶速度。
在其中一个实施例中,该车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征,该行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域,该处理器执行计算机程序时实现以下步骤:将第一预测行驶走廊信息、车辆运动信息、第二预测行驶走廊信息以及道路环境信息输入至预设的神经网络中,得到神经网络输出的变道位置点。
在其中一个实施例中,该车辆运动信息包括位置信息、速度信息、角速度信息以及加速度信息中的至少一种,该道路环境信息包括车道线信息、道路边界信息、可行驶区域的边界信息、道路坡度信息、道路曲率信息、第一车辆与道路中其他车辆的距离信息、其他车辆的速度信息以及其他车辆的类别信息中的至少一种。
在其中一个实施例中,该处理器执行计算机程序时实现以下步骤:根据第一车辆的变道意图在道路中确定感兴趣区域;将感兴趣区域内的车辆作为第二车辆。
在其中一个实施例中,该处理器执行计算机程序时实现以下步骤:获取变道机会信息,变道机会信息用于指示第一车辆拥有的变道机会的多寡;根据变道机会信息以及变道位置点,生成粗粒度变道轨迹信息。
在其中一个实施例中,该处理器执行计算机程序时实现以下步骤:确定第一车辆的当前位置与变道车道的尽头之间的目标距离;根据目标距离确定变道机会信息。
在其中一个实施例中,该处理器执行计算机程序时实现以下步骤:若变道机会信息所指示的变道机会大于预设机会阈值,则基于保守变道策略以及变道位置点,生成粗粒度变道轨迹信息;若变道机会信息所指示的变道机会不大于预设机会阈值,则基于激进变道策略以及变道位置点,生成粗粒度变道轨迹信息;其中,激进变道策略包含的变道加速度大于保守变道策略包含的变道加速度,且,激进变道策略包含的变道转向幅度大于保守变道策略包含的变道转向幅度。
在其中一个实施例中,该处理器执行计算机程序时实现以下步骤:根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略;根据减速策略控制第一车辆减速。
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以下步骤:
在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息;根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道;若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,并在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件;若满足目标条件,则将本次执行的轨迹信息确定步骤得到的初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤;若不满足目标条件,则继续执行轨迹信息确定步骤。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:在每次执行轨迹信息确定步骤之前,从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同;基于各次筛选到的目标信息,执行各次轨迹信息确定步骤。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息;根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息,其中,细粒度变道轨迹信息中的轨迹点的密度大于粗粒度变道轨迹信息中的轨迹点的密度,速度点阵信息用于指示细粒度变道轨迹信息中的轨迹点对应的行驶速度。
在其中一个实施例中,该车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征,该行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域,计算机程序被处理器执行时实现以下步骤:将第一预测行驶走廊信息、车辆运动信息、第二预测行驶走廊信息以及道路环境信息输入至预设的神经网络中,得到神经网络输出的变道位置点。
在其中一个实施例中,该车辆运动信息包括位置信息、速度信息、角速度信息以及加速度信息中的至少一种,该道路环境信息包括车道线信息、道路边界信息、可行驶区域的边界信息、道路坡度信息、道路曲率信息、第一车辆与道路中其他车辆的距离信息、其他车辆的速度信息以及其他车辆的类别信息中的至少一种。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:根据第一车辆的变道意图在道路中确定感兴趣区域;将感兴趣区域内的车辆作为第二车辆。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:获取变道机会信息,变道机会信息用于指示第一车辆拥有的变道机会的多寡;根据变道机会信息以及变道位置点,生成粗粒度变道轨迹信息。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:确定第一车辆的当前位置与变道车道的尽头之间的目标距离;根据目标距离确定变道机会信息。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:若变道机会信息所指示的变道机会大于预设机会阈值,则基于保守变道策略以及变道位置点,生成粗粒度变道轨迹信息;若变道机会信息所指示的变道机会不大于预设机会阈值,则基于激进变道策略以及变道位置点,生成粗粒度变道轨迹信息;其中,激进变道策略包含的变道加速度大于保守变道策略包含的变道加速度,且,激进变道策略包含的变道转向幅度大于保守变道策略包含的变道转向幅度。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略;根据减速策略控制第一车辆减速。
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以下步骤:
在第一车辆变道的过程中,获取第一车辆的车辆行驶信息以及与第一车辆变道相关的行驶环境信息;根据车辆行驶信息和行驶环境信息确定第一车辆的变道轨迹信息,并基于变道轨迹信息控制第一车辆变道;若第一车辆变道失败,则根据车辆行驶信息和行驶环境信息确定第一车辆的减速位置点,并基于减速位置点控制第一车辆减速。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:根据车辆行驶信息和行驶环境信息,迭代执行轨迹信息确定步骤,并在每次执行轨迹信息确定步骤之后,确定本次执行的轨迹信息确定步骤得到的初始变道轨迹信息的变道成功率是否满足目标条件;若满足目标条件,则将本次执行的轨迹信息确定步骤得到的初始变道轨迹信息作为变道轨迹信息,并停止继续执行轨迹信息确定步骤;若不满足目标条件,则继续执行轨迹信息确定步骤。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:在每次执行轨迹信息确定步骤之前,从车辆行驶信息和行驶环境信息中筛选目标信息,且,每次筛选到的目标信息不同;基于各次筛选到的目标信息,执行各次轨迹信息确定步骤。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:根据车辆行驶信息和行驶环境信息,确定变道位置点,并根据变道位置点,生成粗粒度变道轨迹信息;根据粗粒度变道轨迹信息以及第一车辆在变道过程中需要满足的约束条件,生成细粒度变道轨迹信息和速度点阵信息,并将细粒度变道轨迹信息和速度点阵信息作为初始变道轨迹信息,其中,细粒度变道轨迹信息中的轨迹点的密度大于粗粒度变道轨迹信息中的轨迹点的密度,速度点阵信息用于指示细粒度变道轨迹信息中的轨迹点对应的行驶速度。
在其中一个实施例中,该车辆行驶信息包括第一预测行驶走廊信息以及车辆运动信息,第一预测行驶走廊信息用于指示第一车辆的预测行驶区域,车辆运动信息用于指示第一车辆的行驶特征,该行驶环境信息包括第二预测行驶走廊信息以及道路环境信息,第二预测行驶走廊信息用于指示与第一车辆的变道意图相关的第二车辆的预测行驶区域,计算机程序被处理器执行时实现以下步骤:将第一预测行驶走廊信息、车辆运动信息、第二预测行驶走廊信息以及道路环境信息输入至预设的神经网络中,得到神经网络输出的变道位置点。
在其中一个实施例中,该车辆运动信息包括位置信息、速度信息、角速度信息以及加速度信息中的至少一种,该道路环境信息包括车道线信息、道路边界信息、可行驶区域的边界信息、道路坡度信息、道路曲率信息、第一车辆与道路中其他车辆的距离信息、其他车辆的速度信息以及其他车辆的类别信息中的至少一种。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:根据第一车辆的变道意图在道路中确定感兴趣区域;将感兴趣区域内的车辆作为第二车辆。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:获取变道机会信息,变道机会信息用于指示第一车辆拥有的变道机会的多寡;根据变道机会信息以及变道位置点,生成粗粒度变道轨迹信息。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:确定第一车辆的当前位置与变道车道的尽头之间的目标距离;根据目标距离确定变道机会信息。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:若变道机会信息所指示的变道机会大于预设机会阈值,则基于保守变道策略以及变道位置点,生成粗粒度变道轨迹信息;若变道机会信息所指示的变道机会不大于预设机会阈值,则基于激进变道策略以及变道位置点,生成粗粒度变道轨迹信息;其中,激进变道策略包含的变道加速度大于保守变道策略包含的变道加速度,且,激进变道策略包含的变道转向幅度大于保守变道策略包含的变道转向幅度。
在其中一个实施例中,计算机程序被处理器执行时实现以下步骤:根据变道失败时第一车辆的位置与减速位置点之间的距离,确定减速策略;根据减速策略控制第一车辆减速。
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、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-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。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等。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 RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
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本申请专利范围的限制。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,本申请的保护范围应以所附权利要求为准。