CN110134124A - 车辆行驶的控制方法、装置、存储介质和处理器 - Google Patents
车辆行驶的控制方法、装置、存储介质和处理器 Download PDFInfo
- Publication number
- CN110134124A CN110134124A CN201910356686.0A CN201910356686A CN110134124A CN 110134124 A CN110134124 A CN 110134124A CN 201910356686 A CN201910356686 A CN 201910356686A CN 110134124 A CN110134124 A CN 110134124A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- predicted
- traffic
- intersection
- information
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
- G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种车辆行驶的控制方法、装置、存储介质和处理器。车辆位于路口,该控制方法包括:获取预定时间内预定区域中的人的预定运动轨迹以及物的预定运动轨迹,预定区域包括路口且预定区域中的各位置与车辆的距离小于预定距离;根据人的预定运动轨迹和物的预定运动轨迹控制车辆在路口的行驶。上述的控制方法中,首先获取预定区域中的所有人在预定时间内的预定运动轨迹和所有物在预定时间内的预定运动轨迹,然后根据这些人的预定运动轨迹和物的预定运动轨迹来控制车辆在路口的行驶,避免车辆在路口的行驶与预定运动轨迹相撞,使得车辆安全地自动通过带有交通信号灯的路口。
Description
技术领域
本申请涉及无人驾驶领域,具体而言,涉及一种车辆行驶的控制方法、装置、存储介质和处理器。
背景技术
在无人驾驶过程中,有时候会遇到路口的交通信号灯出现异常的情况,比如,交通信号灯不亮、交通信号灯不停闪烁或者交通信号灯一直显示一个颜色等情况。在这种情况下,无法根据交通信号灯的显示来制定对应的行驶策略,并且,路口的状况很复杂,很难安全行驶。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解,因此,背景技术中可能包含某些信息,这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种车辆行驶的控制方法、装置、存储介质和处理器,以解决现有技术中在路口交通信号灯出现异常的情况下难以安全行驶的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种车辆行驶的控制方法,所述车辆位于路口,所述控制方法包括:获取预定时间内预定区域中的人的预测运动轨迹信息以及物的预测运动轨迹信息,所述预测运动轨迹信息包括预测轨迹以及所述预定时间内各时刻对应的预测轨迹中的位置,所述预定区域包括路口和与所述路口距离小于预定距离的区域;根据所述人的预测运动轨迹信息和所述物的预测运动轨迹信息控制所述车辆在所述路口的行驶。
进一步地,获取所述人的预测运动轨迹信息包括:根据所述人的当前位置、当前速度、当前加速度以及当前运动方向,获取所述人的预测轨迹;根据车辆当前可见的交通信号灯的状态、所述人的预测轨迹,获取所述人当前可见的交通信号灯的预测状态;根据所述人的预测轨迹、所述人当前可见的交通信号灯的预测状态以及道路通行权信息,获取所述人的预测运动信息。
进一步地,所述物包括预定车辆,获取所述预定车辆的预测运动轨迹信息包括:根据所述车辆的当前位置、当前速度、当前加速度以及当前运动方向,获取所述车辆的预测轨迹;根据车辆当前可见的交通信号灯的状态、所述车辆的预测轨迹,获取所述车辆当前可见的交通信号灯的预测状态;根据所述车辆的预测轨迹、所述车辆当前可见的交通信号灯的预测状态以及道路通行权信息,获取所述车辆的预测运动信息。
进一步地,根据所述人的预测运动轨迹信息和所述物的预测运动轨迹信息控制所述车辆在路口的行驶包括:根据所述人的预测运动轨迹信息、所述物的预测运动轨迹信息以及所述车辆的目的地制定所述车辆在所述路口的通行策略,所述通行策略包括通行轨迹和通行轨迹中各位置的运动速度;控制所述车辆按照所述通行策略行驶。
进一步地,根据所述人的预测运动轨迹信息、所述物的预测运动轨迹信息以及所述车辆的目的地制定所述车辆在所述路口的通行策略包括:根据所述人的预测运动轨迹信息、所述物的预测运动轨迹信息以及所述车辆的目的地获取多个预备通行策略;对各所述预备通行策略中的碰撞点的情况进行预测;根据所述碰撞点的情况选择其中的一个所述预备通行策略为所述通行策略。
进一步地,对各所述预备通行策略中的碰撞点的情况进行预测包括:对各所述预备通行策略中的所述碰撞点的数量进行预测;对各所述碰撞点的责任方进行预测。
进一步地,所述车辆为无责任方的所述碰撞点为无责任碰撞点,根据所述碰撞点的情况选择其中的一个所述预备通行策略为所述通行策略包括:根据预测得到的所述碰撞点的数量以及预测到的各所述碰撞点的责任方的情况计算所述预备通行策略中所述车辆为无责任方的所述碰撞点的数量;确定无所述碰撞点或所述无责任碰撞点的数量最少的所述预备通行策略为所述通行策略。
根据本申请的另一方面,提供了一种车辆行驶的控制装置,所述车辆位于路口,所述控制装置包括:获取单元,用于获取预定时间内预定区域中的人的预测运动轨迹信息以及物的预测运动轨迹信息,所述预测运动轨迹信息包括预测轨迹以及所述预定时间内各时刻对应的预测轨迹中的位置,所述预定区域包括路口和与所述路口距离小于预定距离的区域;控制单元,用于根据所述人的预测运动轨迹信息和所述物的预测运动轨迹信息控制所述车辆在所述路口的行驶。
根据本申请的另一方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行任意一种所述的控制方法。
根据本申请的另一方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任意一种所述的控制方法。
应用本申请的技术方案,上述的控制方法中,首先获取预定区域中的所有人在预定时间内的预测运动轨迹信息和所有物在预定时间内的预测运动轨迹信息,然后根据这些人的预测运动轨迹信息和物的预测运动轨迹信息来控制车辆在路口的行驶,避免车辆在路口的行驶与预测运动轨迹信息相撞,使得车辆在路口的行驶较为安全,该控制方法可以应用于各种车辆在路口的行驶过程中,一种具体的应用中,其应用在自动驾驶汽车中,对应地,该控制方法为自动驾驶汽车行驶的控制方法。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了根据本申请的车辆行驶的控制方法的实施例的流程示意图;以及
图2示出了根据本申请的车辆行驶的控制装置的实施例的结构框图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应该理解的是,当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时,该元件可直接在该另一元件上,或者也可存在中间元件。而且,在说明书以及权利要求书中,当描述有元件“连接”至另一元件时,该元件可“直接连接”至该另一元件,或者通过第三元件“连接”至该另一元件。
现有技术中,在路口交通信号灯出现异常的情况下,路口情况较为复杂,自动驾驶汽车难以安全行驶,为了解决这一技术问题,根据本申请的实施例,提供了一种车辆行驶的控制方法。
图1是根据本申请实施例的车辆行驶的控制方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,获取预定时间内预定区域中的人的预测运动轨迹信息以及物的预测运动轨迹信息,上述预测运动轨迹信息包括预测轨迹以及上述预定时间内各时刻对应的预测轨迹中的位置,上述预定区域包括路口和与上述路口距离小于预定距离的区域,也就是说,该路口位于预定区域中,且预定区域中的各个位置与车辆的距离小于预定距离;
步骤S102,根据上述人的预测运动轨迹信息和上述物的预测运动轨迹信息控制上述车辆在上述路口的行驶。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
上述的控制方法中,首先获取预定区域中的所有人在预定时间内的预测运动轨迹信息和所有物在预定时间内的预测运动轨迹信息,然后根据这些人的预测运动轨迹信息和物的预测运动轨迹信息来控制车辆在路口的行驶,避免车辆在路口的行驶与预测运动轨迹信息相撞,使得车辆在路口的行驶较为安全,该控制方法可以应用于各种车辆在路口的行驶过程中,一种具体的应用中,其应用在自动驾驶汽车中,对应地,该控制方法为自动驾驶汽车行驶的控制方法。
需要说明的是,本申请中的控制方法应用在车辆在路口的情况中,该路口的交通信号灯可以为正常状态,也可以为非正常状态,即异常状态,正如背景技术中阐述的,比如,交通信号灯不亮、交通信号灯不停闪烁或者交通信号灯一直显示一个颜色等情况。
还需要说明的是,上述的预定区域中的人在预定时间内的预测运动轨迹信息可以为一个点,也可以为一条线,即预测出来的人可以是运动的,也可以是静止的;同样的,上述的预定区域中的物在预定时间内的预测运动轨迹信息可以为一个点,也可以为一条线,即预测出来的物可以是运动的,也可以是静止的。
获取预定区域内的人在预定时间内的预测运动轨迹信息的方法可以为现有技术中任何可行的方法,本领域技术人员可以根据实际情况选择合适的方法来获取对应的预测轨迹,本申请的一种实施例中,获取预定区域内的人在预定时间内的预测运动轨迹信息的过程包括:根据上述人的当前位置、当前速度、当前加速度以及当前运动方向,获取上述人的预测轨迹;根据车辆当前可见的交通信号灯的状态、上述人的预测轨迹,获取上述人当前可见的交通信号灯的预测状态;根据上述人的预测轨迹、上述人当前可见的交通信号灯的预测状态以及道路通行权信息,获取上述人的预测运动信息。具体地,人的当前位置、当前速度、当前加速度以及当前运动方向可以通过摄像头以及激光雷达等设备来获取,后续可以根据人的当前位置、当前速度、当前加速度以及当前运动方向来计算获取上述人的预测运动轨迹信息。
在实际的应用过程中,获取预定时间内预定区域中的人的预测运动轨迹信息还可以采用其他的方式,本申请的一种具体的实施例中,获取预定区域内的人在预定时间内的预测运动轨迹信息的过程包括:根据上述人的当前位置、当前速度、当前加速度、当前运动方向以及当前所处的空间形状等信息,利用历史统计数据和机器学习方法生成每个人的预定运动轨迹;然后,利用上述人的当前位置、当前速度、当前加速度、当前运动方向、当前所处的空间形状、当前的道路通行权以及预定运动轨迹,根据历史统计数据和机器学习方法获取人预定时间内的各时刻对应的预测轨迹中的位置,由此得到人的预测运动轨迹信息。需要说明的是,本申请中的预定区域中的物可以包括任意物体,可以包括位于路口中间的开放式的交通指挥亭,这种物体可以直接确定其预测运动轨迹信息的物体,当然,预定区域中的物也可以包括除需要控制的车辆之外的其他车辆,具体以可以包括汽车、自行车以及滑板车等等,该其他车辆也称为预定车辆。
获取预定车辆在预定时间内的预测运动轨迹信息的方法可以为现有技术中任何可行的方法,本领域技术人员可以根据实际情况选择合适的方法来获取对应的预测轨迹,本申请的一种实施例中,获取预定区域内的预定车辆在预定时间内的预测运动轨迹信息的过程包括:根据上述车辆的当前位置、当前速度、当前加速度以及当前运动方向,获取上述车辆的预测轨迹;根据车辆当前可见的交通信号灯的状态、上述车辆的预测轨迹,获取上述车辆当前可见的交通信号灯的预测状态;根据上述车辆的预测轨迹、上述车辆当前可见的交通信号灯的预测状态以及道路通行权信息,获取上述车辆的预测运动信息。具体地,预定车辆的当前位置、当前速度、当前加速度以及当前运动方向可以通过摄像头以及激光雷达等设备来获取,后续可以根据预定车辆的当前位置、当前速度、当前加速度以及当前运动方向来计算获取上述预定车辆的预测运动轨迹信息。
在实际的应用过程中,获取预定时间内预定区域中的车辆的预测运动轨迹信息还可以采用任何合适的方式,本申请的一种具体的实施例中,获取上述预定车辆的预测运动轨迹信息包括:根据上述车辆的当前位置、当前速度、当前加速度、当前运动方向以及当前所处的空间形状等信息,利用历史统计数据和机器学习方法生成每个车辆的预定运动轨迹;然后,利用上述车辆的当前位置、当前速度、当前加速度、当前运动方向、当前所处的空间形状、当前的道路通行权以及预定运动轨迹,根据历史统计数据和机器学习方法获取车辆预定时间内的各时刻对应的预测轨迹中的位置,由此得车辆的预测运动轨迹信息。为了进一步保证车辆在路口的行驶安全,本申请的一种实施例中,根据上述人的预测运动轨迹信息和上述物的预测运动轨迹信息控制上述车辆在路口的行驶包括:根据上述人的预测运动轨迹信息、上述物的预测运动轨迹信息以及上述车辆的目的地制定上述车辆在上述路口的通行策略,上述通行策略包括通行轨迹中各位置的运动速度和通行轨迹;控制上述车辆按照上述通行策略行驶。
需要说明的是,制定出的通行策略应该是符合交通规定的。
本申请的更为具体的一种实施例中,上述通行策略还包括通行速度,即车辆在通行轨迹上的各个位置上的行驶速度,后续,控制车辆还按照该通行速度行驶,进一步保证了该车辆在路口行驶的安全性。
在实际的应用过程中,根据预测运动轨迹信息获取的通行策略并不一定绝对安全,因为,预定区域中的人或者物并不一定会按照预测运动轨迹信息来行驶,其有可能并不严格按照预测运动轨迹信息来行驶,因此,在控制车辆按照直接根据运动轨迹获取的通行策略来行驶的情况下,该车辆并不一定绝对安全,其还是有可能发生碰撞的,为了进一步保证车辆在路口通行的安全,且进一步保障用户的利益,本申请的一种实施例中,根据上述人的预测运动轨迹信息、上述物的预测运动轨迹信息以及上述车辆的目的地制定上述车辆在上述路口的通行策略包括:根据上述人的预测运动轨迹信息、上述物的预测运动轨迹信息以及上述车辆的目的地获取多个预备通行策略;对各上述预备通行策略中的碰撞点的情况进行预测,即对该预备通行策略中可能发生的碰撞点(也可以称为可能碰撞点)的情况进行预测;根据上述碰撞点的情况选择其中的一个上述预备通行策略为上述通行策略。该方法中,先根据上述人的预测运动轨迹信息、上述物的预测运动轨迹信息以及上述车辆的目的地获取多个预备通行策略,然后根据各个通行策略中可能发生碰撞点的情况来进行筛选,得到最终的通行策略,该通行策略能够进一步保证车辆在路口的行驶安全。
在车辆按照通行策略行驶的过程中,有可能会发生碰撞,为了进一步保障用户的利益,本申请的一种实施例中,对各上述预备通行策略中的碰撞点的情况进行预测包括:对各上述预备通行策略中的上述碰撞点的数量进行预测;对各上述碰撞点的责任方进行预测。
由于在对各上述预备通行策略中的碰撞点的情况进行预测的过程中,已经对各上述预备通行策略中上述车辆为无责任方的上述碰撞点(也称为无责任碰撞点)的数量进行了预测,因此,根据上述碰撞点的情况选择其中的一个上述预备通行策略为上述通行策略包括:根据预测得到的碰撞点的数量以及预测到的各碰撞点的责任方的情况计算预备通行策略中车辆为无责任方的碰撞点的数量,确定上述无碰撞点或无责任碰撞点的数量最少的上述预备通行策略为上述通行策略。在实际的应用过程中,会优先选择无碰撞点的预备通行策略为上述通行策略,在通行策略不存在无碰撞点的情况下,再选择无责任碰撞点的数量最少的上述预备通行策略为上述通行策略,这样可以保证车辆的通行策略较为安全,且无责任碰撞点较少,进一步保障了用户的利益。
在实际的应用过程中,有可能会出现无责任碰撞点数量相同且为最少的预备通行策略,在这种情况中,根据上述碰撞点的情况选择其中的一个上述预备通行策略为上述通行策略包括:确定上述无责任碰撞点的数量最少且碰撞点的数量最少的上述预备通行策略为上述通行策略。即如果两个预备通行策略的无责任碰撞点的数量相同且都为最少,则比较这两个预备通行策略的碰撞点的数量,选择碰撞点数量最少的预备通行策略为通行策略。
当然,根据上述碰撞点的情况选择其中的一个上述预备通行策略为上述通行策略的过程并不限于上述的过程,本申请的另一种具体的实施例中,根据上述碰撞点的情况选择其中的一个上述预备通行策略为上述通行策略包括:确定上述碰撞点的数量最少的上述预备通行策略为上述通行策略。在这种方案中,有可能出现碰撞点数量相同且都最少的预备通行策略,在这种情况下,确定上述碰撞点的数量最少且无责任碰撞点数量最少的上述预备通行策略为上述通行策略,即两个预备通行策略的碰撞点的数量相同且最少的情况下,选择无责任碰撞点最少的预备通行策略为通行策略。
需要说明的是,本申请中的预定时间和预定区域可以根据实际情况来确定,比如预定区域可以根据被控制的车辆的行驶目的地、路口区域的面积大小等来确定,预定时间可以根据被控制的车辆的行驶目的地、路口区域的面积大小等情况来确定。
本申请实施例还提供了一种车辆行驶的控制装置,需要说明的是,本申请实施例的车辆行驶的控制装置可以用于执行本申请实施例所提供的用于车辆行驶的控制方法。以下对本申请实施例提供的车辆行驶的控制装置进行介绍。
图2是根据本申请实施例的车辆行驶的控制装置的示意图。如图2所示,该装置包括:
获取单元10,用于获取预定区域中的人的预测运动轨迹信息以及上述预定区域中的物的预测运动轨迹信息,上述预测运动轨迹信息包括预测轨迹以及上述预定时间内各时刻对应的预测轨迹中的位置,上述预定区域包括路口和与上述路口距离小于预定距离的区域;
控制单元20,用于根据上述人的预测运动轨迹信息和上述物的预测运动轨迹信息控制上述车辆在上述路口的行驶。
上述的控制装置中,获取单元获取预定区域中的所有人在预定时间内的预测运动轨迹信息和所有物在预定时间内的预测运动轨迹信息,控制单元根据这些人的预测运动轨迹信息和物的预测运动轨迹信息来控制车辆在路口的行驶,避免车辆在路口的行驶与预测运动轨迹信息相撞,使得车辆在路口的行驶较为安全,该控制装置可以应用于各种车辆在路口的行驶过程中,一种具体的应用中,其应用在自动驾驶汽车中,对应地,该控制装置为自动驾驶汽车行驶的控制装置。
需要说明的是,本申请中的控制装置应用在车辆在路口的情况中,该路口的交通信号灯可以为正常状态,也可以为非正常状态,即异常状态,正如背景技术中阐述的,比如,交通信号灯不亮、交通信号灯不停闪烁或者交通信号灯一直显示一个颜色等情况。
还需要说明的是,上述的预定区域中的人在预定时间内的预测运动轨迹信息可以为一个点,也可以为一条线,即预测出来的人可以是运动的,也可以是静止的;同样的,上述的预定区域中的物在预定时间内的预测运动轨迹信息可以为一个点,也可以为一条线,即预测出来的物可以是运动的,也可以是静止的。
获取单元可以为现有技术中任何可行的装置,本领域技术人员可以根据实际情况选择合适的装置来获取对应的预测轨迹,本申请的一种实施例中,获取单元包括第一获取模块和第二获取模块,
第一获取模块用于获取预测区域内的人在预测时间内的预测运动轨迹信息,该第一获取模块包括第一获取子模块和第二获取子模块和第三子模块,其中,第一获取子模块用于根据上述人的当前位置、当前速度、当前加速度以及当前运动方向,获取上述人的预测轨迹;根据车辆当前可见的交通信号灯的状态、上述人的预测轨迹,获取上述人当前可见的交通信号灯的预测状态;根据上述人的预测轨迹、上述人当前可见的交通信号灯的预测状态以及道路通行权信息,获取上述人的预测运动信息。
在实际的应用过程中,获取模块还可以采用任何合适的方式获取预定时间内预定区域中的人的预测运动轨迹信息,本申请的一种具体的实施例中,获取模块包括第四获取子模块和第五获取子模块,其中,第四获取子模块用于根据上述人的当前位置、当前速度、当前加速度、当前运动方向以及当前所处的空间形状等信息,利用历史统计数据和机器学习方法生成每个人的预定运动轨迹;第五获取子模块利用上述人的当前位置、当前速度、当前加速度、当前运动方向、当前所处的空间形状、当前的道路通行权以及预定运动轨迹,根据历史统计数据和机器学习方法获取人预定时间内的各时刻对应的预测轨迹中的位置,由此得到人的预测运动轨迹信息。
需要说明的是,本申请中的预定区域中的物可以包括任意物体,可以包括位于路口中间的开放式的交通指挥亭,这种物体可以直接确定其预测运动轨迹信息的物体,当然,预定区域中的物也可以包括除需要控制的车辆之外的其他车辆,具体以可以包括汽车、自行车以及滑板车等等,该其他车辆也称为预定车辆。
第二获取模块可以为现有技术中任何可行的装置,本领域技术人员可以根据实际情况选择合适的装置来获取对应的预测轨迹,本申请的一种实施例中,第二获取模块包括第六获取子模块、第七获取子模块和第八获取子模块,其中,第六获取子模块根据上述车辆的当前位置、当前速度、当前加速度以及当前运动方向,获取上述车辆的预测轨迹;第七获取子模块根据车辆当前可见的交通信号灯的状态、上述车辆的预测轨迹,获取上述车辆当前可见的交通信号灯的预测状态;第八获取子模块根据上述车辆的预测轨迹、上述车辆当前可见的交通信号灯的预测状态以及道路通行权信息,获取上述车辆的预测运动信息。
在实际的应用过程中,第二获取模块可以采用任何合适的方式获取预定时间内预定区域中的车辆的预测运动轨迹信息,本申请的一种具体的实施例中,第二获取模块包括第九获取子模块和第十获取子模块,其中,第九获取子模块用于根据上述人的当前位置、当前速度、当前加速度、当前运动方向以及当前所处的空间形状等信息,利用历史统计数据和机器学习方法生成每个人的预定运动轨迹;第十获取子模块利用上述人的当前位置、当前速度、当前加速度、当前运动方向、当前所处的空间形状、当前的道路通行权以及预定运动轨迹,根据历史统计数据和机器学习方法获取人预定时间内的各时刻对应的预测轨迹中的位置,由此得到人的预测运动轨迹信息。
为了进一步保证车辆在路口的行驶安全,本申请的一种实施例中,上述控制单元包括制定模块和控制模块,其中,制定模块用于根据上述人的预测运动轨迹信息、上述物的预测运动轨迹信息以及上述车辆的目的地制定上述车辆在上述路口的通行策略,上述通行策略包括通行轨迹中各位置的运动速度和通行轨迹;控制模块用于控制上述车辆按照上述通行策略行驶。
本申请的更为具体的一种实施例中,上述通行策略还包括通行速度,即车辆在通行轨迹上的各个位置上的行驶速度,后续,控制车辆还按照该通行速度行驶,进一步保证了该车辆在路口行驶的安全性。
需要说明的是,制定出的通行策略应该是符合交通规定的。
在实际的应用过程中,根据预测运动轨迹信息获取的通行策略并不一定绝对安全,因为,预定区域中的人或者物并不一定会按照预测运动轨迹信息来行驶,其有可能并不严格按照预测运动轨迹信息来行驶,因此,在控制车辆按照直接根据运动轨迹获取的通行策略来行驶的情况下,该车辆并不一定绝对安全,其还是有可能发生碰撞的,为了进一步保证车辆在路口通行的安全,且进一步保障用户的利益,本申请的一种实施例中,制定模块包括制定子模块、碰撞点预测子模块以及确定子模块,其中,制定子模块用于根据上述人的预测运动轨迹信息、上述物的预测运动轨迹信息以及上述车辆的目的地获取多个预备通行策略;碰撞点预测子模块用于对各上述预备通行策略中的碰撞点的情况进行预测,即对该预备通行策略中可能发生的碰撞点(也可以称为可能碰撞点)的情况进行预测;确定子模块用于根据上述碰撞点的情况选择其中的一个上述预备通行策略为上述通行策略。该装置中,先根据上述人的预测运动轨迹信息、上述物的预测运动轨迹信息以及上述车辆的目的地获取多个预备通行策略,然后根据各个通行策略中可能发生碰撞点的情况来进行筛选,得到最终的通行策略,该通行策略能够进一步保证车辆在路口的行驶安全。
在车辆按照通行策略行驶的过程中,有可能会发生碰撞,为了进一步保障用户的利益,本申请的一种实施例中,碰撞点预测子模块包括第一预测子模块和第二预测子模块,其中,第一预测子模块用于对各上述预备通行策略中的上述碰撞点的数量进行预测;第二预测子模块用于对各上述碰撞点的责任方进行预测。
由于在对各上述预备通行策略中的碰撞点的情况进行预测的过程中,已经对各上述预备通行策略中上述车辆为无责任方的上述碰撞点(也称为无责任碰撞点)的数量进行了预测,因此,确定子模块用于确定上述无责任碰撞点的数量最少的上述预备通行策略为上述通行策略。这样可以保证车辆的通行策略的无责任碰撞点较少,进一步保障了用户的利益。
在实际的应用过程中,有可能会出现无责任碰撞点数量相同且为最少的预备通行策略,在这种情况中,确定子模块用于根据预测得到的碰撞点的数量以及预测到的各碰撞点的责任方的情况计算预备通行策略中车辆为无责任方的碰撞点的数量,然后确定上述无碰撞点或无责任碰撞点的数量最少的上述预备通行策略为上述通行策略。在实际的应用过程中,确定子模块会优先选择无碰撞点的预备通行策略为上述通行策略,在通行策略不存在无碰撞点的情况下,再选择无责任碰撞点的数量最少的上述预备通行策略为上述通行策略,这样可以保证车辆的通行策略较为安全,且无责任碰撞点较少,进一步保障了用户的利益。
需要说明的是,本申请中的预定时间和预定区域可以根据实际情况来确定,比如预定区域可以根据被控制的车辆的行驶目的地、路口区域的面积大小等来确定,预定时间可以根据被控制的车辆的行驶目的地、路口区域的面积大小等情况来确定。
上述车辆行驶的控制装置包括处理器和存储器,上述获取单元和控制单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来使得车辆在路口的行驶较为安全。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述车辆行驶的控制方法。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述车辆行驶的控制方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现至少以下步骤:
步骤S101,获取预定时间内预定区域中的人的预测运动轨迹信息以及物的预测运动轨迹信息,上述预测运动轨迹信息包括预测轨迹以及上述预定时间内各时刻对应的预测轨迹中的位置,上述预定区域包括路口和与上述路口距离小于预定距离的区域,也就是说,该路口位于预定区域中,且预定区域中的各个位置与车辆的距离小于预定距离;
步骤S102,根据上述人的预测运动轨迹信息和上述物的预测运动轨迹信息控制上述车辆在上述路口的行驶。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有至少如下方法步骤的程序:
步骤S101,获取预定时间内预定区域中的人的预测运动轨迹信息以及物的预测运动轨迹信息,上述预测运动轨迹信息包括预测轨迹以及上述预定时间内各时刻对应的预测轨迹中的位置,上述预定区域包括路口和与上述路口距离小于预定距离的区域,也就是说,该路口位于预定区域中,且预定区域中的各个位置与车辆的距离小于预定距离;
步骤S102,根据上述人的预测运动轨迹信息和上述物的预测运动轨迹信息控制上述车辆在上述路口的行驶。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
1)、本申请的控制方法中,首先获取预定区域中的所有人在预定时间内的预测运动轨迹信息和所有物在预定时间内的预测运动轨迹信息,然后根据这些人的预测运动轨迹信息和物的预测运动轨迹信息来控制车辆在路口的行驶,避免车辆在路口的行驶与预测运动轨迹信息相撞,使得车辆在路口的行驶较为安全,该控制方法可以应用于各种车辆在路口的行驶过程中,一种具体的应用中,其应用在自动驾驶汽车中,对应地,该控制方法为自动驾驶汽车行驶的控制方法。
2)、本申请的控制装置中,获取单元获取预定区域中的所有人在预定时间内的预测运动轨迹信息和所有物在预定时间内的预测运动轨迹信息,控制单元根据这些人的预测运动轨迹信息和物的预测运动轨迹信息来控制车辆在路口的行驶,避免车辆在路口的行驶与预测运动轨迹信息相撞,使得车辆在路口的行驶较为安全,该控制装置可以应用于各种车辆在路口的行驶过程中,一种具体的应用中,其应用在自动驾驶汽车中,对应地,该控制装置为自动驾驶汽车行驶的控制装置。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车辆行驶的控制方法,其特征在于,所述车辆位于路口,所述控制方法包括:
获取预定时间内预定区域中的人的预测运动轨迹信息以及物的预测运动轨迹信息,所述预测运动轨迹信息包括预测轨迹以及所述预定时间内各时刻对应的预测轨迹中的位置,所述预定区域包括路口和与所述路口距离小于预定距离的区域;
根据所述人的预测运动轨迹信息和所述物的预测运动轨迹信息控制所述车辆在所述路口的行驶。
2.根据权利要求1所述的控制方法,其特征在于,获取所述人的预测运动轨迹信息包括:
根据所述人的当前位置、当前速度、当前加速度以及当前运动方向,获取所述人的预测轨迹;
根据车辆当前可见的交通信号灯的状态、所述人的预测轨迹,获取所述人当前可见的交通信号灯的预测状态;
根据所述人的预测轨迹、所述人当前可见的交通信号灯的预测状态以及道路通行权信息,获取所述人的预测运动信息。
3.根据权利要求1所述的控制方法,其特征在于,所述物包括预定车辆,获取所述预定车辆的预测运动轨迹信息包括:
根据所述车辆的当前位置、当前速度、当前加速度以及当前运动方向,获取所述车辆的预测轨迹;
根据车辆当前可见的交通信号灯的状态、所述车辆的预测轨迹,获取所述车辆当前可见的交通信号灯的预测状态;
根据所述车辆的预测轨迹、所述车辆当前可见的交通信号灯的预测状态以及道路通行权信息,获取所述车辆的预测运动信息。
4.根据权利要求1至3中任一项所述的控制方法,其特征在于,根据所述人的预测运动轨迹信息和所述物的预测运动轨迹信息控制所述车辆在路口的行驶包括:
根据所述人的预测运动轨迹信息、所述物的预测运动轨迹信息以及所述车辆的目的地制定所述车辆在所述路口的通行策略,所述通行策略包括通行轨迹和通行轨迹中各位置的运动速度;
控制所述车辆按照所述通行策略行驶。
5.根据权利要求4所述的控制方法,其特征在于,根据所述人的预测运动轨迹信息、所述物的预测运动轨迹信息以及所述车辆的目的地制定所述车辆在所述路口的通行策略包括:
根据所述人的预测运动轨迹信息、所述物的预测运动轨迹信息以及所述车辆的目的地获取多个预备通行策略;
对各所述预备通行策略中的碰撞点的情况进行预测;
根据所述碰撞点的情况选择其中的一个所述预备通行策略为所述通行策略。
6.根据权利要求5所述的控制方法,其特征在于,对各所述预备通行策略中的碰撞点的情况进行预测包括:
对各所述预备通行策略中的所述碰撞点的数量进行预测;
对各所述碰撞点的责任方进行预测。
7.根据权利要求6所述的控制方法,其特征在于,所述车辆为无责任方的所述碰撞点为无责任碰撞点,根据所述碰撞点的情况选择其中的一个所述预备通行策略为所述通行策略包括:
根据预测得到的碰撞点的数量以及预测到的各所述碰撞点的责任方的情况计算所述预备通行策略中所述车辆为无责任方的所述碰撞点的数量;
确定无所述碰撞点或所述无责任碰撞点的数量最少的所述预备通行策略为所述通行策略。
8.一种车辆行驶的控制装置,其特征在于,所述车辆位于路口,所述控制装置包括:
获取单元,用于获取预定时间内预定区域中的人的预测运动轨迹信息以及物的预测运动轨迹信息,所述预测运动轨迹信息包括预测轨迹以及所述预定时间内各时刻对应的预测轨迹中的位置,所述预定区域包括路口和与所述路口距离小于预定距离的区域;
控制单元,用于根据所述人的预测运动轨迹信息和所述物的预测运动轨迹信息控制所述车辆在所述路口的行驶。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至7中任意一项所述的控制方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356686.0A CN110134124B (zh) | 2019-04-29 | 2019-04-29 | 车辆行驶的控制方法、装置、存储介质和处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356686.0A CN110134124B (zh) | 2019-04-29 | 2019-04-29 | 车辆行驶的控制方法、装置、存储介质和处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110134124A true CN110134124A (zh) | 2019-08-16 |
CN110134124B CN110134124B (zh) | 2022-04-29 |
Family
ID=67575712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910356686.0A Active CN110134124B (zh) | 2019-04-29 | 2019-04-29 | 车辆行驶的控制方法、装置、存储介质和处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110134124B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827326A (zh) * | 2019-11-14 | 2020-02-21 | 清华大学苏州汽车研究院(吴江) | 模拟人车冲突场景模型生成方法、装置、设备和存储介质 |
CN110850874A (zh) * | 2019-11-11 | 2020-02-28 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆的控制方法、装置、系统及存储介质 |
CN111289003A (zh) * | 2020-02-06 | 2020-06-16 | 广州小马智行科技有限公司 | 路径规划方法、装置、系统、存储介质和处理器 |
CN111402614A (zh) * | 2020-03-27 | 2020-07-10 | 北京经纬恒润科技有限公司 | 一种车辆行驶决策调整方法、装置及车载终端 |
CN112509353A (zh) * | 2020-11-04 | 2021-03-16 | 深圳优地科技有限公司 | 一种机器人的过路方法、装置、机器人和存储介质 |
CN114005272A (zh) * | 2021-09-30 | 2022-02-01 | 淮阴工学院 | 一种基于5g云计算终端的道路交通调控方法 |
CN115394093A (zh) * | 2022-08-11 | 2022-11-25 | 重庆长安汽车股份有限公司 | 红绿灯路口辅助车辆通行的方法及装置 |
CN117348440A (zh) * | 2023-10-08 | 2024-01-05 | 广州汽车集团股份有限公司 | 一种智能驾驶的仿真测试方法、装置、系统及计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201732479U (zh) * | 2010-07-12 | 2011-02-02 | 郑硕钧 | 车船碰撞预警控制系统 |
CN103370249A (zh) * | 2010-10-05 | 2013-10-23 | 谷歌公司 | 用于预测检测到的物体的行为的系统和方法 |
WO2016135207A1 (en) * | 2015-02-26 | 2016-09-01 | Volvo Truck Corporation | Method of controlling inter-vehicle gap(s) |
CN108196535A (zh) * | 2017-12-12 | 2018-06-22 | 清华大学苏州汽车研究院(吴江) | 基于增强学习和多传感器融合的自动驾驶系统 |
US20180209801A1 (en) * | 2017-01-23 | 2018-07-26 | Uber Technologies, Inc. | Dynamic routing for self-driving vehicles |
CN108357496A (zh) * | 2018-02-12 | 2018-08-03 | 北京小马智行科技有限公司 | 自动驾驶控制方法及装置 |
CN108604421A (zh) * | 2016-01-29 | 2018-09-28 | 日产自动车株式会社 | 车辆的行驶控制方法及车辆的行驶控制装置 |
US20180314247A1 (en) * | 2017-04-26 | 2018-11-01 | The Charles Stark Draper Laboratory, Inc. | Enhancing Autonomous Vehicle Perception wth Off-Vehicle Collected Data |
US10156848B1 (en) * | 2016-01-22 | 2018-12-18 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle routing during emergencies |
CN109606353A (zh) * | 2018-12-29 | 2019-04-12 | 中企超控科技有限公司 | 一种无人驾驶车辆的转向系统 |
CN109635793A (zh) * | 2019-01-31 | 2019-04-16 | 南京邮电大学 | 一种基于卷积神经网络的无人驾驶行人轨迹预测方法 |
-
2019
- 2019-04-29 CN CN201910356686.0A patent/CN110134124B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201732479U (zh) * | 2010-07-12 | 2011-02-02 | 郑硕钧 | 车船碰撞预警控制系统 |
CN103370249A (zh) * | 2010-10-05 | 2013-10-23 | 谷歌公司 | 用于预测检测到的物体的行为的系统和方法 |
WO2016135207A1 (en) * | 2015-02-26 | 2016-09-01 | Volvo Truck Corporation | Method of controlling inter-vehicle gap(s) |
US10156848B1 (en) * | 2016-01-22 | 2018-12-18 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle routing during emergencies |
CN108604421A (zh) * | 2016-01-29 | 2018-09-28 | 日产自动车株式会社 | 车辆的行驶控制方法及车辆的行驶控制装置 |
US20180209801A1 (en) * | 2017-01-23 | 2018-07-26 | Uber Technologies, Inc. | Dynamic routing for self-driving vehicles |
US20180314247A1 (en) * | 2017-04-26 | 2018-11-01 | The Charles Stark Draper Laboratory, Inc. | Enhancing Autonomous Vehicle Perception wth Off-Vehicle Collected Data |
CN108196535A (zh) * | 2017-12-12 | 2018-06-22 | 清华大学苏州汽车研究院(吴江) | 基于增强学习和多传感器融合的自动驾驶系统 |
CN108357496A (zh) * | 2018-02-12 | 2018-08-03 | 北京小马智行科技有限公司 | 自动驾驶控制方法及装置 |
CN109606353A (zh) * | 2018-12-29 | 2019-04-12 | 中企超控科技有限公司 | 一种无人驾驶车辆的转向系统 |
CN109635793A (zh) * | 2019-01-31 | 2019-04-16 | 南京邮电大学 | 一种基于卷积神经网络的无人驾驶行人轨迹预测方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110850874A (zh) * | 2019-11-11 | 2020-02-28 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆的控制方法、装置、系统及存储介质 |
CN110827326A (zh) * | 2019-11-14 | 2020-02-21 | 清华大学苏州汽车研究院(吴江) | 模拟人车冲突场景模型生成方法、装置、设备和存储介质 |
CN111289003A (zh) * | 2020-02-06 | 2020-06-16 | 广州小马智行科技有限公司 | 路径规划方法、装置、系统、存储介质和处理器 |
CN111402614A (zh) * | 2020-03-27 | 2020-07-10 | 北京经纬恒润科技有限公司 | 一种车辆行驶决策调整方法、装置及车载终端 |
CN112509353A (zh) * | 2020-11-04 | 2021-03-16 | 深圳优地科技有限公司 | 一种机器人的过路方法、装置、机器人和存储介质 |
CN112509353B (zh) * | 2020-11-04 | 2022-05-24 | 深圳优地科技有限公司 | 一种机器人的过路方法、装置、机器人和存储介质 |
CN114005272A (zh) * | 2021-09-30 | 2022-02-01 | 淮阴工学院 | 一种基于5g云计算终端的道路交通调控方法 |
CN115394093A (zh) * | 2022-08-11 | 2022-11-25 | 重庆长安汽车股份有限公司 | 红绿灯路口辅助车辆通行的方法及装置 |
CN117348440A (zh) * | 2023-10-08 | 2024-01-05 | 广州汽车集团股份有限公司 | 一种智能驾驶的仿真测试方法、装置、系统及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110134124B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110134124B (zh) | 车辆行驶的控制方法、装置、存储介质和处理器 | |
US10543844B2 (en) | Controlling driving modes of self-driving vehicles | |
US20200239024A1 (en) | Autonomous vehicle routing with roadway element impact | |
JP2023509831A (ja) | 自律マシン・アプリケーションにおける車線変更プランニング及び制御 | |
JP2021082294A (ja) | 自律マシン適用におけるradarセンサを使用する障害物インスタンスの検出のためのディープ・ニューラル・ネットワーク | |
CN110352153A (zh) | 自主车辆中用于障碍物躲避的安全程序分析 | |
US11899462B2 (en) | Motion-plan validator for autonomous vehicle | |
Choi et al. | Advanced driver-assistance systems: Challenges and opportunities ahead | |
JP2023024276A (ja) | 譲るシナリオにおける自律型車両のための行動計画立案 | |
US20220381569A1 (en) | Optimization of autonomous vehicle route calculation using a node graph | |
US20230050467A1 (en) | Ground height-map based elevation de-noising | |
CN115257811A (zh) | 自动驾驶车辆的路径选择方法、装置及电子设备 | |
US20240354217A1 (en) | Pause, resume, and replay functions for pipeline execution in an orchestration framework | |
CN111145570A (zh) | 车辆的控制方法、控制装置、存储介质和处理器 | |
US20230256988A1 (en) | Dynamic lidar adjustments based on av road conditions | |
US20220398412A1 (en) | Object classification using augmented training data | |
US12032058B2 (en) | Adaptive radar calculator | |
US12072437B2 (en) | Radar inter-pulse doppler phase generation using performant bounding volume hierarchy micro-step scene interpolation | |
US12062290B1 (en) | Adaptive dispatch and routing of autonomous vehicles based on threshold distances | |
US12124356B2 (en) | Lightweight software test library for vehicle compute hardware coverage testing | |
CN114604272B (zh) | 车辆的控制方法、装置与车辆 | |
US20250085430A1 (en) | Detection of a translucent matter based on secondary lidar returns | |
US12221128B2 (en) | Reducing and processing simulated and real-world radar data | |
US20240140482A1 (en) | Identifying events based on changes in actor importance | |
US11869361B2 (en) | Coordinated multi-vehicle routing |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |