WO2021134441A1

WO2021134441A1 - 基于自动驾驶的车辆速度控制方法、装置和计算机设备

Info

Publication number: WO2021134441A1
Application number: PCT/CN2019/130421
Authority: WO
Inventors: 庄尚芸
Original assignee: 深圳元戎启行科技有限公司
Priority date: 2019-12-31
Filing date: 2019-12-31
Publication date: 2021-07-08
Also published as: CN113424121A

Abstract

一种基于自动驾驶的车辆速度控制方法、装置、计算机设备和存储介质，包括：在车辆（100）行驶过程中采集点云数据；利用点云数据识别驾驶环境中的障碍物；获取车辆（100）的定位信息，根据定位信息获取电子地图；根据定位信息与电子地图识别车辆（100）所在的行驶区域；将障碍物对应的点云数据投影至电子地图，识别障碍物所在区域；当障碍物与车辆（100）在同一行驶区域时，计算障碍物与车辆（100）之间的距离；及根据距离与安全距离的关系，获取对应的减速策略，根据减速策略控制车辆（100）减速。由此在自动驾驶过程中可以有效控制车辆（100）减速，避免与障碍物之间发生碰撞。

Description

基于自动驾驶的车辆速度控制方法、装置和计算机设备

技术领域

本申请涉及一种基于自动驾驶的车辆速度控制、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的发展，自动驾驶技术得以快速发展。在自动驾驶时，需要对车辆周围的障碍物以及行驶路径进行识别，从而控制车辆的自动行驶。车辆在自动行驶的过程中难免会遇到异常情况，例如，车辆前方突然出现其他车辆或者行人需要及时停车，否则可能会产生碰撞造成交通事故。在这种情况下，如何有效的控制车辆避免发生碰撞成为目前需要解决的一个技术问题。

发明内容

根据本申请公开的各种实施例，提供一种基于自动驾驶的车辆速度控制、装置、计算机设备和存储介质。

一种基于自动驾驶的车辆速度控制方法，包括：

在车辆行驶过程中采集点云数据；

利用所述点云数据识别驾驶环境中的障碍物；

获取车辆的定位信息，根据所述定位信息获取电子地图；

根据所述定位信息与所述电子地图识别车辆所在的行驶区域；

将所述障碍物对应的点云数据投影至所述电子地图，识别障碍物所在区域；

当所述障碍物与所述车辆在同一行驶区域时，计算所述障碍物与车辆之间的距离；及

根据所述距离与安全距离的关系，获取对应的减速策略，根据所述减速策略控制车辆减速。

一种基于自动驾驶的车辆速度控制装置，包括：

数据采集模块，用于在车辆行驶过程中采集点云数据；

第一识别模块，用于利用所述点云数据识别驾驶环境中的障碍物；

定位模块，用于获取车辆的定位信息，根据所述定位信息获取电子地图；根据所述定位信息与所述电子地图识别车辆所在的行驶区域；

第二识别模块，用于将所述障碍物对应的点云数据投影至所述电子地图，识别障碍物所在区域；

距离计算模块，用于当所述障碍物与所述车辆在同一行驶区域时，计算所述障碍物与车辆之间的距离；及

车速控制模块，用于根据所述距离与安全距离的关系，获取对应的减速策略，根据所述减速策略控制车辆减速。

一种计算机设备，包括存储器及一个或多个处理器，所述存储器中储存有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

在车辆行驶过程中采集点云数据；

利用所述点云数据识别驾驶环境中的障碍物；

获取车辆的定位信息，根据所述定位信息获取电子地图；

一个或多个存储有计算机可读指令的非易失性计算机可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

在车辆行驶过程中采集点云数据；

利用所述点云数据识别驾驶环境中的障碍物；

获取车辆的定位信息，根据所述定位信息获取电子地图；

本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征和优点将从说明书、附图以及权利要求书变得明显。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为根据一个或多个实施例中基于自动驾驶的车辆速度控制方法的应用场景图。

图2为根据一个或多个实施例中基于自动驾驶的车辆速度控制方法的流程示意图。

图3为根据一个或多个实施例中利用点云数据识别驾驶环境中的障碍物步骤的流程示意图。

图4为根据一个或多个实施例中将障碍物对应的点云数据投影至电子地图，识别障碍物所在区域步骤的流程示意图。

图5为另一个实施例中障碍物行驶区域预测步骤的流程示意图。

图6为根据一个或多个实施例中基于自动驾驶的车辆速度控制装置的框图。

图7为另一个实施例中基于自动驾驶的车辆速度控制装置的框图。

图8为根据一个或多个实施例中计算机设备的框图。

具体实施方式

为了使本申请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。在其中一个实施例中，本申请提供的基于网络监测的车辆控制方法具体可以应用于自动驾驶领域中，例如，可以应用于如图1所示的应用环境中。车辆100中预先安装了传感器102、定位装置104和计算机设备106。通过传感器102采集自动驾驶环境中的点云数据。通过定位装置104实时采集车辆100的定位信息。计算机设备106根据车辆100的定位信息获取对应的电子地图。计算机设备106根据定位信息与电子地图识别车辆100所在的行驶区域。计算机设备106利用点云数据识别驾驶环境中的障碍物，将所述障碍物对应的点云数据投影至电子地图，识别障碍物所在区域。当障碍物与车辆100在同一行驶区域时，计算机设备106计算障碍物与车辆100之间的距离。根据距离与安全距离的关系，获取对应的减速策略，根据减速策略控制车辆100减速。由此能够在自动驾驶过程中可以有效控制车辆减速，避免与障碍物之间发生碰撞。

在一个实施例中，如图2所示，提供了一种基于自动驾驶的车辆速度控制方法，以该方法应用于1中的计算机设备为例进行说明，包括以下步骤：

步骤202，在车辆行驶过程中采集点云数据。

车辆中预先安装了传感器和计算机设备。通过传感器可以采集视觉范围内的环境数据。传感器可以是激光雷达或者超声探测器，例如，激光雷达可以发射激光束作为探测信号。传感器将环境中物体反射回来的信号与探测信号进行比对，得到周围的环境数据。环境数据具体可以是点云数据。点云数据是指扫描环境中的物体以点的形式记录，物体表面多个点所对应点数据的集合。其中，多个具体可以指两个或者两个以上。传感器可以按照预设频率进行采集，得到多帧点云数据。

步骤204，利用点云数据识别驾驶环境中的障碍物。

点云数据可以是三维点云数据，每一帧点云数据可以包括多个点各自对应的点数据。点云数据包括三维坐标、激光反射强度以及颜色信息等中的至少一种。例如，驾驶环境中的物体可以采用不同的颜色进行表示。为了准确识别驾驶环境中的障碍物，计算机设备需要对点云数据进行分割，即将点云数据分割为地面点集合和非地面点集合。其中，地面点集合表示驾驶环境中的地面。非地面集合表示驾驶环境中的物体。计算机设备利用非地面集合进行障碍物识别，得到驾驶环境中的障碍物。

步骤206，获取车辆的定位信息，根据定位信息获取电子地图。

步骤208，根据定位信息与电子地图识别车辆所在的行驶区域。

车辆中还预先安装了定位装置，通过定位装置可以实时采集车辆的定位信息。计算机设备根据车辆的定位信息获取对应的电子地图。电子地图中包括道路信息、车辆在地图中的位置信息等。根据车辆在电子地图中的位置以及道路信息，计算机设备可以识别出车辆当前所在的道路以及具体的行驶区域。行驶区域可以是车道，行驶区域可以包括一个或一个以上的车道。

步骤210，将障碍物对应的点云数据投影至电子地图，识别障碍物所在区域。

为了准确识别驾驶环境中的障碍物是否为需要躲避的障碍物，计算机设备还需要根据点云数据识别障碍物所在的区域。计算机设备将非地面集合中识别出障碍物的点云数据，标记为障碍物对应的点云数据，也可以简称障碍物点云。为了准确识别障碍物在电子地图中的位置，计算机设备将障碍物点云投影至电子地图。具体的，点云数据的三维坐标可以是基于传感器坐标系的坐标。电子地图的坐标可以是基于地图坐标。通过对传感器坐标系与地图坐标系进行转换，将障碍物点云投影至电子地图，生成投影图像。计算机设备在投影图像中识别障碍物所在区域。

步骤212，当障碍物与车辆在同一行驶区域时，计算障碍物与车辆之间的距离。

步骤214，根据距离与安全距离的关系，获取对应的减速策略，根据减速策略控制车辆减速。

障碍物所在区域包括行驶区域与非行驶区域。当障碍物位于行驶区域时，计算设备根据障碍物在电子地图中的位置以及车辆在电子地图中的位置，识别障碍物与车辆是否在同一行驶区域。若在同一行驶区域，表示障碍物与车辆当前在同一车道。计算机设备计算障碍物与车辆之间的距离。障碍物与车辆之间的距离，可以称为障碍物距离。不同的障碍物距离可以采用不同的减速策略。其中，可以根据障碍物距离与安全距离之间的比例，选择不同的加速度，控制车辆在当前行驶速度下按照选定的加速度进行减速。以使得减速后的车辆避免与障碍物发生碰撞。当距离与安全距离的比例小于第一比例时，以第一加速度控制车辆减速；当距离与安全距离的比例小于第二比例时，以第二加速度控制车辆减速；当距离小于安全距离的时，以第三加速度控制车辆减速，直至车辆停止。

本实施例中，通过采集点云数据，可以识别驾驶环境中的障碍物。通过获取车辆的定位信息，可以根据定位信息与电子地图识别车辆所在的行驶区域。将障碍物对应的点云数据投影至电子地图后，能够识别障碍物所在区域。当障碍物与车辆在同一行驶区域时，计算障碍物与车辆之间的距离，从而根据距离与安全距离的关系，调用相应的减速策略控制车辆减速。由此能够在自动驾驶过程中可以有效控制车辆减速，避免与障碍物之间发生碰撞。

在一个实施例中，如3所示，利用点云数据识别驾驶环境中的障碍物的步骤，具体包括：

步骤302，对点云数据进行分割，得到非地面点集合。

步骤304，将非地面点集合进行聚类，根据聚类结果识别驾驶环境中的障碍物。

为了准确识别驾驶环境中的障碍物，计算机设备需要滤除点云数据中的地面点。在其中一个实施例中，对点云数据进行分割，得到非地面点集合包括：将点云数据划分为多个子点云；基于子点云中的多个点数据，生成与子点云对应的分割阈值；遍历子点云中的多个点，根据分割阈值对多个点进行分割，得到非地面点集合。

计算机设备可以根据点云数据中每个点对应的点数据，将点云数据划分为多个子点云。具体的，计算机设备可以将传感器的位置记作原点，将传感器所在的水平面划分为多个网格。计算机设备可以根据点对应的横轴坐标和纵轴坐标确定点所属的网格，将同一网格内所有点组成的集合记作子点云。子点云为对应点云的子集。计算机设备可以采用多种划分方式中的一种，将传感器所在的水平面划分为多个网格。

计算机设备可以从子点云中获取每个点对应的点数据，根据所有点对应的点数据生成子点云对应的分割阈值。分割阈值是指用于将子点云中的点分割为地面点与非地面点的阈值，分割阈值可以是根据点数据生成的高度最大值。不同子点云之间的分割阈值可以是相同的，也可以是不同的。计算机设备可以获取子点云中点对应的竖轴坐标，竖轴坐标可以反映点在竖轴方向上的高度。计算机设备可以根据点对应的竖轴坐标对网格内地面的高度进行评估，得到地面高度坐标，地面高度坐标可以是子点云对应的网格内地面最高点对应的竖轴坐标。计算机设备可以将地面高度坐标的坐标值记作子点云对应的分割阈值，利用分割阈值对子点云中的点进行分割处理。

计算机设备可以对子点云中的多个点进行遍历，依次将每个点对应的竖轴坐标与分割阈值进行比对。当点的竖轴坐标小于分割阈值时，计算机设备可以将点标记为地面点。当点的竖轴坐标大于或等于分割阈值时，计算机设备可以将点标记为非地面点。计算机设备遍历子点云中的每个点，依次对点进行标签标记，以此对子点云进行分割，直到子点云中的所有点完成分割标记。

计算机设备可以在对子点云中的点遍历结束后，获取子点云包括的地面点。计算机设备在对每一个子点云都进行分割处理之后，可以统计划分出的多个子点云各自对应的非地面点。计算机设备可以根据划分出的多个子点云对应的多个非地面点，生成非地面点集合。非地面点集合即是传感器所采集点云数据中的非地面点组成的集合，点云数据中除非地面点集合以外的点为地面点。

计算机设备对非地面点集合进行聚类处理，聚类的方式可以有多种。其中，计算机设备可以确定聚类个数，在待聚类集合中随机选择相应数量的点作为初始类中心，计算每一个点分别计算其到各个类中心的距离，并选择距离最近的类中心作为该点的分组。对于每一个类，分别通过几何重心或均值重新计算聚类中心，经过多次迭代，直至聚类中心收敛。通过聚类处理，可能存在多个聚类结果，不同的聚类结果对应的点的数量不同。计算机设备选择点的数量最多的聚类结果作为最优聚类结果，将该最优聚类结果对应的点云数据作为障碍物对应的点云数据。

在本实施例中，计算机设备获取到传感器采集的点云数据后，根据点云数据中的点数据将点云数据划分为多个子点云，每个子点云相对独立，有效的提高了点云数据的分割效率，从而能够快速提取到点云数据中的非地面点集合，通过对非地面点集合的聚类处理，由此能够快速准确的识别出驾驶环境中的障碍物。

在一个实施例中，如图4所示，将障碍物对应的点云数据投影至电子地图，识别障碍物所在区域的步骤，具体包括：

步骤402，获取传感器坐标系与地图坐标系之间的变换矩阵。

步骤404，通过变换矩阵将障碍物对应的点云数据投影至电子地图。

步骤406，根据投影后的点云在电子地图中的位置，识别障碍物所在区域。

点云数据中的三维坐标是基于传感器坐标系的坐标。电子地图是基于地图坐标系建立的平面图像。为了准确识别障碍物在电子地图中的位置，需要通过坐标系之间的转换将点云数据投影至电子地图中。具体的，计算机设备获取传感器坐标系与地图坐标系之间的变换矩阵，变换矩阵也可以称为传感器坐标系与地图坐标系之间的外参。变换矩阵包括旋转矩阵和平移矩阵，其中旋转矩阵用于传感器坐标系与地图坐标系之间的旋转变换，平移矩阵用于传感器坐标系与地图坐标系之间的平移变换。通过变换矩阵进行旋转变换与平移变换，可以使得传感器坐标系的原点与地图坐标系的原地重合，从而将传感器坐标系与的点云数据对齐到地图坐标系下。

通过变换矩阵，计算机设备将传感器坐标系下的点云数据对齐到地图坐标系下，将对齐后的点云数据投影到地图坐标系下的电子地图，生成投影图像。通过将点云数据投影至原始图像中生成投影图像，由此能够根据投影后的点云在电子地图中的位置，快速准确识别障碍物当前在电子地图中的所在区域。继而计算机设备可以根据所在的区域识别该障碍物是否为需要躲避的障碍物，有助于控制车辆速度，避免发生碰撞。

在一个实施例中，计算障碍物与车辆之间的距离包括：根据障碍物对应的点云数据获取障碍物的位置信息；获取传感器的位置信息作为车辆的位置信息；利用障碍物的位置信息以及车辆的位置信息计算障碍物与车辆之间的距离。

障碍物对应的点云数据可以简称为障碍物点云。障碍物点云中包括多个点，不同点对应不同的三维坐标。通过不同的三维坐标计算障碍物与车辆之间的距离可能存在不同的计算结果，而且计算量较大，耗时较长，不利于快速控制车辆减速。

为了有效减少运算量，提高计算效率，在将障碍物点云投影到电子地图后，计算机设备可以通过电子地图中的点云位置，确定障碍物的位置。障碍物的位置信息可以采用二维坐标进行表示。车辆的定位信息也可以采用二维坐标进行表示。计算机设备通过计算障碍物对应的二维坐标与车辆对应的二维坐标之间的距离，可以得到障碍物与车辆之间的距离。

在一个实施例中，根据距离与安全距离的关系，获取对应的减速策略，根据减速策略控制车辆减速包括：当距离与安全距离的比例小于第一比例时，以第一加速度控制车辆减速至第一速度；根据第一速度继续计算障碍物与车辆之间的距离；当再次计算的距离与安全距离的比例小于第二比例时，以第二加速度控制车辆减速；当再次计算的距离小于安全距离的时，以第三加速度控制车辆减速直至停止。

障碍物与车辆之间的距离可以称为障碍物距离。为了避免车辆在自动驾驶过程中与障碍物发生碰撞，计算机设备预先为车辆设置了相应的安全距离。其中，车辆不同的行驶速度，对应的安全距离不同。安全距离可以采用如下公式(1)进行计算。

其中，S _safe为安全距离，v ₀为车辆的当前行驶速度，a _max为车辆刹车时的最大加速度，S _buffer为缓冲距离。

不同的行驶速度，对应的缓冲距离不同，刹车时的最大加速度也不同，相应的计算得到的安全距离也不同。面对不同车辆不同的行驶速度和障碍物距离，计算机设备可以采用不同的减速策略控制车辆减速。具体的，当距离与安全距离的比例小于第一比例时，以第一加速度控制车辆减速，使得车辆从当前行驶速度减至第一速度。在第一速度后，再次检测障碍物与车辆之间的距离，若距离与安全距离的比例小于第二比例时，以第二加速度控制车辆减速，使得车辆从第一速度减至第二速度，其中第一比例大于第二比例，第一比例与第二比例均大于1。当距离小于安全距离的时，以第三加速度控制车辆减速直至停止。

本实施例中，通过采用不同的减速策略，由此可以使得车辆在自动驾驶过程中有效避免与不同距离的障碍物发生碰撞，进而有效提高了自动驾驶的安全性。

在一个实施例中，该方法还包括：障碍物行驶区域预测步骤，如图5所示，具体包括：

步骤502,根据障碍物对应的点云数据提取点云特征信息。

步骤504,对电子地图进行特征提取，得到地图特征图像。

步骤506,通过轨迹预测模型将点云特征信息与地图特征图像进行融合，对融合后的特征信息进行运算，输出障碍物的预测行驶路径。

当障碍物同为道路中行驶的车辆时，障碍物可能在不同的路段，尤其是拐弯路段可能会变化行驶路径。为了能够持续准确地识别障碍物，计算机设备在识别到障碍物所在的行驶区域之后，还可以进一步预测障碍物的行驶路径。

计算机设备对障碍物对应的点云数据(即障碍物点云)进行特征提取。其中，可以采用栅格化处理方式来提取点云特征信息。计算机设备可以根据预设尺寸将障碍物点云所在的信号区域进行划分，从而得到多个网格单元。预设尺寸的大小可以表示网格单元的大小。计算机设备在对信号区域进行划分时，可以将障碍物点云划分到对应的网格单元中。计算机设备对网格单元中的障碍物点云进行特征提取，进而得到与障碍物对应的点云特征信息。

计算机设备在电子地图中提取地图元素，地图元素可以包括车道线、停止线、行人通道、交通灯、交通指示牌等。计算机设备在提取地图元素后，可根据预先设置的多个元素通道在提取的地图元素中识别每个元素通道对应的地图元素，根据多个元素通道对每个元素通道对应的地图元素进行渲染，得到地图特征图像。计算机设备通过对地图特征图像进行转换，得到地图特征向量。计算机设备通过轨迹预测模型将点云特征向量与地图特征向量进行融合，可以得到融合后的特征信息。通过轨迹预测模型对融合后的特征信息进行预测运算，得到障碍物在预设时间段内的行驶方向以及行驶路径。

具体的，通过轨迹预测模型的感知层提取点云特征信息对应的点云上下文特征，与地图特征图像对应的地图上下文特征。将点云上下文特征与地图上下文特征输入至语义分析层，通过语义分析层将点云上下文特征与地图上下文特征进行融合，得到融合后的特征信息。将融合特征信息输入至预测层，通过预测层对融合后的特征信息进行预测运算，输出障碍物在预设时间段内的行驶方向以及行驶路径。

本实施例中，通过利用轨迹预测模型预测障碍物在预设时间段内的行驶方向以及行驶路径，能够在拐弯路段准确识别障碍物的行驶区域，从而能够有效控制车辆减速，进而提高了自动驾驶的安全性。

应该理解的是，虽然图2-5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，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，提供了一种基于自动驾驶的车辆速度控制装置，包括：数据采集模块602、第一识别模块604、定位模块606、第二识别模块608、距离计算模块610和车速控制模块612，其中：

数据采集模块602，用于在车辆行驶过程中采集点云数据。

第一识别模块604，用于利用点云数据识别驾驶环境中的障碍物。

定位模块606，用于获取车辆的定位信息，根据定位信息获取电子地图；根据定位信息与电子地图识别车辆所在的行驶区域。

第二识别模块608，用于将障碍物对应的点云数据投影至电子地图，识别障碍物所在区域。

距离计算模块610，用于当障碍物与车辆在同一行驶区域时，计算障碍物与车辆之间的距离。

车速控制模块612，用于根据距离与安全距离的关系，获取对应的减速策略，根据减速策略控制车辆减速。

在一个实施例中，第一识别模块604还用于对点云数据进行分割，得到非地面点集合；及将非地面点集合进行聚类，根据聚类结果识别驾驶环境中的障碍物。

在一个实施例中，第一识别模块604还用于将点云数据划分为多个子点云；基于子点云中的多个点数据，生成与子点云对应的分割阈值；及遍历子点云中的多个点，根据分割阈值对多个点进行分割得到非地面点集合。

在一个实施例中，第二识别模块604还用于获取传感器坐标系与地图坐标系之间的变换矩阵；通过变换矩阵将障碍物对应的点云数据投影至电子地图；及根据投影后的点云在电子地图中的位置，识别障碍物所在区域。

在一个实施例中，距离计算模块610还用于将投影后的点云在电子地图中的位置信息作为障碍物的位置信息；将定位信息作为车辆的位置信息；及利用障碍物的位置信息以及车辆的位置信息计算障碍物与车辆之间的距离。

在一个实施例中，车速控制模块612还用于当距离与安全距离的比例小于第一比例时，以第一加速度控制车辆减速；根据第一速度继续计算障碍物与车辆之间的距离；当再次计算的距离与安全距离的比例小于第二比例时，以第二加速度控制车辆减速；及当再次计算的距离小于安全距离的时，以第三加速度控制车辆减速直至停止。

在一个实施例中，如图7所示，该装置还包括预测模块614，用于根据障碍物对应的点云数据提取点云特征信息；对电子地图进行特征提取，得到地图特征图像；及通过轨迹预测模型将点云特征信息与地图特征图像进行融合，对融合后的特征信息进行运算，输出障碍物的预测行驶路径。

关于基于自动驾驶的车辆速度控制装置的具体限定可以参见上文中对于基于自动驾驶的车辆速度控制方法的限定，在此不再赘述。上述基于自动驾驶的车辆速度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。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，其内部结构图可以如图8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、网络接口和数据库。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、计算机可读指令和数据库。该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储点云数据和电子地图等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种基于自动驾驶的车辆速度控制方法。

本领域技术人员可以理解，图8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，提供了一种计算机设备，包括存储器和一个或多个处理器，存储器中储存有计算机可读指令，计算机可读指令被处理器执行时，使得一个或多个处理器执行上述各个实施例中提供的方法步骤。

在一个实施例中，提供了一个或多个存储有计算机可读指令的非易失性计算机可读存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述各个实施例中提供的方法步骤。

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，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性计算机可读取存储介质中，该计算机可读指令在执行时，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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程 ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)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

一种基于自动驾驶的车辆速度控制方法，包括：

在车辆行驶过程中采集点云数据；

利用所述点云数据识别驾驶环境中的障碍物；

获取车辆的定位信息，根据所述定位信息获取电子地图；

根据所述定位信息与所述电子地图识别车辆所在的行驶区域；

将所述障碍物对应的点云数据投影至所述电子地图，识别障碍物所在区域；

当所述障碍物与所述车辆在同一行驶区域时，计算所述障碍物与车辆之间的距离；及

根据所述距离与安全距离的关系，获取对应的减速策略，根据所述减速策略控制车辆减速。
根据权利要求1所述的方法，其特征在于，所述利用所述点云数据识别驾驶环境中的障碍物包括：

对所述点云数据进行分割，得到非地面点集合；及

将所述非地面点集合进行聚类，根据所述聚类结果识别驾驶环境中的障碍物。
根据权利要求2所述的方法，其特征在于，所述对所述点云数据进行分割，得到非地面点集合包括：

将所述点云数据划分为多个子点云；

基于所述子点云中的多个点数据，生成与所述子点云对应的分割阈值；及

遍历所述子点云中的多个点，根据所述分割阈值对多个点进行分割得到非地面点集合。
根据权利要求1所述的方法，其特征在于，所述将所述障碍物对应的点云数据投影至所述电子地图，识别障碍物所在区域包括：

获取传感器坐标系与地图坐标系之间的变换矩阵；

通过所述变换矩阵将所述障碍物对应的点云数据投影至所述电子地图；及

根据投影后的点云在电子地图中的位置，识别所述障碍物所在区域。
根据权利要求4所述的方法，其特征在于，所述计算所述障碍物与车辆之间的距离包括：

将所述投影后的点云在电子地图中的位置信息作为障碍物的位置信息；

将所述定位信息作为车辆的位置信息；及

利用所述障碍物的位置信息以及所述车辆的位置信息计算所述障碍物与车辆之间的距离。
根据权利要求1所述的方法，其特征在于，所述根据所述距离与安全距离的关系，获取对应的减速策略，根据所述减速策略控制车辆减速包括：

当所述距离与安全距离的比例小于第一比例时，以第一加速度控制车辆减速；

根据所述第一速度继续计算所述障碍物与车辆之间的距离；

当再次计算的距离与安全距离的比例小于第二比例时，以第二加速度控制车辆减速；及

当再次计算的距离小于安全距离的时，以第三加速度控制车辆减速直至停止。
根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述障碍物对应的点云数据提取点云特征信息；

对所述电子地图进行特征提取，得到地图特征图像；及

通过所述轨迹预测模型将所述点云特征信息与所述地图特征图像进行融合，对所述融合后的特征信息进行运算，输出所述障碍物的预测行驶路径。
一种基于自动驾驶的车辆速度控制装置，包括：

数据采集模块，用于在车辆行驶过程中采集点云数据；

第一识别模块，用于利用所述点云数据识别驾驶环境中的障碍物；

定位模块，用于获取车辆的定位信息，根据所述定位信息获取电子地图；根据所述定位信息与所述电子地图识别车辆所在的行驶区域；

第二识别模块，用于将所述障碍物对应的点云数据投影至所述电子地图，识别障碍物所在区域；

距离计算模块，用于当所述障碍物与所述车辆在同一行驶区域时，计算所述障碍物与车辆之间的距离；及

车速控制模块，用于根据所述距离与安全距离的关系，获取对应的减速策略，根据所述减速策略控制车辆减速。
根据权利要求8所述的装置，其特征在于，所述第一识别模块还用于对所述点云数据进行分割，得到非地面点集合；及将所述非地面点集合进行聚类，根据所述聚类结果识别驾驶环境中的障碍物。
根据权利要求8所述的装置，其特征在于，所述车速控制模块还用于当所述距离与安全距离的比例小于第一比例时，以第一加速度控制车辆减速；根据所述第一速度继续计算所述障碍物与车辆之间的距离；当再次计算的距离与安全距离的比例小于第二比例时，以第二加速度控制车辆减速；及当再次计算的距离小于安全距离的时，以第三加速度控制车辆减速直至停止。
一种计算机设备，包括存储器及一个或多个处理器，所述存储器中储存有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

在车辆行驶过程中采集点云数据；

利用所述点云数据识别驾驶环境中的障碍物；

获取车辆的定位信息，根据所述定位信息获取电子地图；

根据所述定位信息与所述电子地图识别车辆所在的行驶区域；

将所述障碍物对应的点云数据投影至所述电子地图，识别障碍物所在区域；

当所述障碍物与所述车辆在同一行驶区域时，计算所述障碍物与车辆之间的距离；及

根据所述距离与安全距离的关系，获取对应的减速策略，根据所述减速策略控制车辆减速。
根据权利要求11所述的计算机设备，其特征在于，所述一个或多个处理器还执行以下步骤：

对所述点云数据进行分割，得到非地面点集合；及

将所述非地面点集合进行聚类，根据所述聚类结果识别驾驶环境中的障碍物。
根据权利要求11所述的计算机设备，其特征在于，所述一个或多个处理器还执行以下步骤：

获取传感器坐标系与地图坐标系之间的变换矩阵；

通过所述变换矩阵将所述障碍物对应的点云数据投影至所述电子地图；及

根据投影后的点云在电子地图中的位置，识别所述障碍物所在区域。
根据权利要求11所述的计算机设备，其特征在于，所述一个或多个处理器还执行以下步骤：

当所述距离与安全距离的比例小于第一比例时，以第一加速度控制车辆减速；

根据所述第一速度继续计算所述障碍物与车辆之间的距离；

当再次计算的距离与安全距离的比例小于第二比例时，以第二加速度控制车辆减速；及

当再次计算的距离小于安全距离的时，以第三加速度控制车辆减速直至停止。
根据权利要求11所述的计算机设备，其特征在于，所述一个或多个处理器还执行以下步骤：

根据所述障碍物对应的点云数据提取点云特征信息；

对所述电子地图进行特征提取，得到地图特征图像；及

通过所述轨迹预测模型将所述点云特征信息与所述地图特征图像进行融合，对所述融合后的特征信息进行运算，输出所述障碍物的预测行驶路径。
一个或多个存储有计算机可读指令的非易失性计算机可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

在车辆行驶过程中采集点云数据；

利用所述点云数据识别驾驶环境中的障碍物；

获取车辆的定位信息，根据所述定位信息获取电子地图；

根据所述定位信息与所述电子地图识别车辆所在的行驶区域；

将所述障碍物对应的点云数据投影至所述电子地图，识别障碍物所在区域；

当所述障碍物与所述车辆在同一行驶区域时，计算所述障碍物与车辆之间的距离；及

根据所述距离与安全距离的关系，获取对应的减速策略，根据所述减速策略控制车辆减速。
根据权利要求16所述的存储介质，其特征在于，所述一个或多个处理器还执行以下步骤：

对所述点云数据进行分割，得到非地面点集合；及

将所述非地面点集合进行聚类，根据所述聚类结果识别驾驶环境中的障碍物。
根据权利要求16所述的存储介质，其特征在于，所述一个或多个处理器还执行以下步骤：

获取传感器坐标系与地图坐标系之间的变换矩阵；

通过所述变换矩阵将所述障碍物对应的点云数据投影至所述电子地图；及

根据投影后的点云在电子地图中的位置，识别所述障碍物所在区域。
根据权利要求16所述的存储介质，其特征在于，所述一个或多个处理器还执行以下步骤：

当所述距离与安全距离的比例小于第一比例时，以第一加速度控制车辆减速；

根据所述第一速度继续计算所述障碍物与车辆之间的距离；

当再次计算的距离与安全距离的比例小于第二比例时，以第二加速度控制车辆减速；及

当再次计算的距离小于安全距离的时，以第三加速度控制车辆减速直至停止。
根据权利要求16所述的存储介质，其特征在于，所述一个或多个处理器还执行以下步骤：

根据所述障碍物对应的点云数据提取点云特征信息；

对所述电子地图进行特征提取，得到地图特征图像；及

通过所述轨迹预测模型将所述点云特征信息与所述地图特征图像进行融合，对所述融合后的特征信息进行运算，输出所述障碍物的预测行驶路径。