CN110262521A - 一种自动驾驶控制方法 - Google Patents
一种自动驾驶控制方法 Download PDFInfo
- Publication number
- CN110262521A CN110262521A CN201910672528.6A CN201910672528A CN110262521A CN 110262521 A CN110262521 A CN 110262521A CN 201910672528 A CN201910672528 A CN 201910672528A CN 110262521 A CN110262521 A CN 110262521A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- front obstacle
- automatic pilot
- sides
- data
- 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 39
- 230000004438 eyesight Effects 0.000 claims abstract description 56
- 230000033001 locomotion Effects 0.000 claims description 27
- 230000000007 visual effect Effects 0.000 claims description 25
- 230000004888 barrier function Effects 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- 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
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及一种自动驾驶控制方法，包括：获取车辆的初始位置信息和目标位置信息，在导航地图中生成自动驾驶路径；判断车辆是否处于预设的正常状态；获取两侧障碍物距离数据和前方障碍物双目视觉数据；判断车辆两侧是否存在碰撞趋势；对前方障碍物进行3D建模；根据前方障碍物3D模型数据对前方障碍物进行识别；根据车辆与前方障碍物的距离和对前方障碍物的识别结果，确定碰撞风险最高值；判断碰撞风险最高值是否低于预设阈值；当车辆处于正常状态、车辆两侧不存在碰撞趋势且碰撞风险最高值低于预设阈值时，继续按照自动驾驶路径驾驶。该方法精度高，而且在车辆高速驾驶时，无需降低帧率即可将数据传给处理器。
Description
技术领域
本发明涉及自动驾驶领域，尤其涉及一种自动驾驶控制方法。
背景技术
随着近年来科技水平的不断提升，人工智能飞速发展，其广泛运用到各个领域之中。其中，由于自动驾驶车辆能够高效利用交通资源，缓解交通拥堵、减少碳排放，自动驾驶技术越来越成为人们所关注的焦点。
自动驾驶车辆是依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让计算机可以在没有任何人类主动的操作下，自动安全地操作机动车辆。例如，通过包括视觉传感器、雷达传感器以及激光测距器等监控装置来获取周围的交通状况，并通过一个详尽的电子地图对前方的道路进行导航。其中，视觉传感器一般安装在车辆后视镜附近，用于识别交通信号灯，并在计算机的辅助下辨别移动的障碍物，比如前方车辆、自行车或是行人。
由于目前的视觉传感器对于车辆周围障碍物图像采集的精度较低，误差一般在几厘米范围内，因此对于障碍物与车辆的距离、障碍物的运动轨迹等的描述精度较低，无法满足自动驾驶车辆所要求的精度。另外，由于目前的视觉传感器向车载计算机传输图像的帧率最高仅能达到60帧，当车辆高速行驶时，该传输速度无法满足车辆的高速行驶需求。如果为了能够及时传回图像而降低帧率，将会进一步降低对障碍物的描述精度，从而容易引发安全事故。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种自动驾驶控制方法，不但能够满足自动驾驶车辆所要求的精度，而且在车辆需要高速驾驶时，也无需降低帧率即可采集的数据及时地传回给处理器。
有鉴于此，本发明实施例提供了一种自动驾驶控制方法，包括：
获取车辆的初始位置信息和目标位置信息，在导航地图中生成自动驾驶路径；
在按照所述自动驾驶路径开始驾驶后，根据车辆上传感器采集的信息判断车辆是否处于预设的正常状态；
获取两侧障碍物距离数据和前方障碍物双目视觉数据；
根据所述两侧障碍物距离数据判断车辆两侧是否存在碰撞趋势；
根据所述前方障碍物双目视觉数据对前方障碍物进行3D建模；
根据建立的前方障碍物3D模型数据和预先获取的车头3D模型数据，计算车辆与前方障碍物的距离；
根据所述前方障碍物3D模型数据对前方障碍物进行识别；
根据车辆与前方障碍物的距离和对所述前方障碍物的识别结果，确定碰撞风险最高值；
判断所述碰撞风险最高值是否低于预设阈值；
当车辆处于正常状态、车辆两侧不存在碰撞趋势且碰撞风险最高值低于预设阈值时，继续按照所述自动驾驶路径驾驶。
优选的，所述在导航地图中生成自动驾驶路径，包括：
根据车辆的初始位置信息，得到车辆在导航地图中的初始定位；
根据车辆的目标位置信息，得到目的地在导航地图中的目标定位；
根据所述初始定位和目标定位，在导航地图中生成自动驾驶路径。
优选的，所述方法还包括：
获取驾驶中车辆的GPS定位信息；
判断获取的GPS定位信息与所述自动驾驶路径是否匹配；
当所述GPS定位信息与所述自动驾驶路径匹配、车辆处于正常状态、车辆两侧不存在碰撞趋势且碰撞风险最高值低于预设阈值时，则继续按照所述自动驾驶路径驾驶。
优选的，所述根据前方障碍物双目视觉数据对前方障碍物进行3D建模，包括：
根据第一视觉传感器获取的前方障碍物的视觉数据，计算第一视觉传感器与前方障碍物上每个视觉采集点的第一距离；
根据第二视觉传感器获取的前方障碍物的视觉数据，计算第二视觉传感器与前方障碍物上每个视觉采集点的第二距离；
根据所述第一距离和所述第二距离，基于同一3D坐标系，建立前方障碍物的3D模型。
优选的，所述方法还包括:
当车辆两侧存在碰撞趋势和/或与前方障碍物的碰撞风险最高值超过预设阈值时，则根据所述两侧障碍物运动轨迹、所述前方障碍物3D模型数据和预先获取的交通规则信息，获取避让驾驶路径；
根据所述避让驾驶路径继续驾驶；
当根据所述两侧障碍物运动轨迹、所述前方障碍物3D模型数据和所述交通规则信息判定车辆满足预设停车条件时，则停止驾驶，并告警。
优选的，所述根据所述两侧障碍物距离数据判断车辆两侧是否存在碰撞趋势，包括：
处理所述两侧障碍物距离数据，得到两侧障碍物分别与车辆的距离，和，两侧障碍物的运动轨迹、运动速度及运动加速度；
根据所述运动轨迹、运动速度、运动加速度和用于判定碰撞趋势的预设条件，判断车辆两侧是否存在碰撞趋势。
优选的，通过由两个基于全局快门的视觉传感器组成的双目视觉传感器采集前方障碍物双目视觉数据。
本发明实施例提供一种自动驾驶控制方法，该方法由符合车规级的Xilinx异构处理器执行，实现对车辆上各类传感器所采集数据的实时处理，并且以车辆上现有传感器为基础，采用至少一组基于全局快门的双目视觉传感器采集前方障碍物的双目视觉数据，从而根据双目视觉数据对前方障碍物进行3D建模，不仅能够获得可以清晰、精确地前方障碍物3D模型数据，还能解决现有前置摄像头低帧传输的问题。可见，该方法不但能够满足自动驾驶车辆所要求的精度，而且在车辆需要高速驾驶时，也无需降低帧率即可采集的数据及时地传回给处理器。
附图说明
图1为本发明实施例提供的一种自动驾驶控制方法流程图；
图2为本发明实施例提供的双目视觉传感器采集前方障碍物信息的示意图；
图3为本发明实施例提供的计算视觉传感器与前方障碍物上视觉采集点的距离的示意图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明实施例提供一种自动驾驶控制方法，该方法由符合车规级的Xilinx异构处理器执行，实现对车辆上各类传感器所采集数据的实时处理，并且以车辆上现有传感器为基础，采用至少一组基于全局快门的双目视觉传感器采集前方障碍物的双目视觉数据，并且根据双目视觉数据对前方障碍物进行3D建模，不仅能够获得可以清晰、精确地前方障碍物3D模型数据，还能解决现有前置摄像头低帧传输的问题。该方法不但能够满足自动驾驶车辆所要求的精度，而且在车辆需要高速驾驶时，也无需降低帧率即可采集的数据及时地传回给处理器。
需要说明的是，上述Xilinx异构处理器可以内置于车载计算机中，该车载计算机还包括具有通信功能收发器，用于与车辆上传感器进行通信。通过该处理器，对车辆上如雷达、双目视觉传感器等传感器采集的信息进行实时处理，进而根据处理结果控制车辆自动驾驶。
根据处理器的发展，目前可以完成上述实时处理数据的处理器多为基于FPGA(Field-Programmable Gate Array，即现场可编程门阵列)的架构。这是因为，非FPGA架构的处理机制基本为中断机制，系统由一个时钟计数器计数，一般较快的速度下，1秒可以计数到5GHz即5亿次。然而，中断都是在某一时间点触发，中断触发后，处理器将参考该计数器去执行中断事件，直到完成该事件。与此不同的是，基于FPGA架构的处理器可以有多个计数器，达到每个事件都对应一个计数器，从而处理器可以同时去处理多个事件，处理速度更快，实时性更高。
基于以上分析，本发明实施例采用的Xilinx(赛灵思)异构处理器，由FPGA+ARM+GPU等构成，同时拥有ARM的串行高速的优点、GPU的高速浮点运算的优点和FPGA的并行计算的优点，同时还满足车规级要求。
图1为本发明实施例提供的一种自动驾驶控制方法流程图，如图1所示，该方法可以包括：
步骤101，获取车辆的初始位置信息和目标位置信息，在导航地图中生成自动驾驶路径。
自动驾驶车辆具有GPS(Global Positioning System，全球定位系统)差分定位系统，GPS差分定位系统工作时，通过与GPS差分基站通信，获得车辆所在位置的GPS信息。这里的初始位置信息是指自动驾驶行程的起始位置的GPS信息，目标位置信息则是指自动驾驶行程的目的地位置的GPS信息。其中，目标位置信息可以根据用户在前述GPS差分定位系统中输入的目的地名称获取得到。例如，用户与GPS差分定位系统提供的用户界面交互，语音或者文字输入目的地信息。
根据车辆的初始位置信息和目标位置信息，可以在导航地图中生成自动驾驶路径。具体实现时，首先根据车辆的初始位置信息，得到车辆在导航地图中的初始定位；然后根据车辆的目标位置信息，得到目的地在导航地图中的目标定位；最后根据所述初始定位和目标定位，在导航地图中生成自动驾驶路径。
当车辆的初始定位和目标定位确定后，可以形成一条或多条可选的自动驾驶路径。当存在多条可选的自动驾驶路径时，可以根据预设的筛选条件，从中选出一条作为最终的自动驾驶路径。例如，预设驾驶时间为筛选条件，选出驾驶时间最短的路径作为最终的自动驾驶路径。
步骤102，在按照所述自动驾驶路径开始驾驶后，根据车辆上传感器采集的信息判断车辆是否处于预设的正常状态。
自动驾驶车辆上具有多个传感器，例如视觉传感器、左后轮传感器、倒车雷达传感器、侧面雷达传感器等，再如发动机状态检测器、IMU、GPS、轮速计、油表和水位计等各种检测仪表，这些传感器在车辆开始驾驶后，将实时采集车辆相应的信息，例如油表检测的油位数据、水位计检测的水位数据或者发动机状态检测器检测的发动机温度等状态数据。根据车辆上传感器采集的信息可以判断出车辆是否处于正常状态。其中，正常状态为一预设状态，当车辆的各项数据符合该预设状态时，判定车辆处于正常状态，否则，车辆处于异常状态。
在执行步骤102的同时，执行步骤103，获取两侧障碍物距离数据和前方障碍物双目视觉数据。
具体的，通过车辆左、右两侧的雷达传感器实时采集车辆左、右两侧障碍物的距离数据，并实时传输给处理器；通过设置在车辆车头上的两个视觉传感器实时采集前方障碍物双目视觉数据，并实时传输给处理器；该两个视觉传感器构成构双目视觉传感器。
需要说明的是，本发明实施例通过由两个基于全局快门(global shutter)的视觉传感器组成的双目视觉传感器采集前方障碍物双目视觉数据。
视觉传感器都是由像素块(pix)组成，每个像素块都是一个最基本的光电二极管，一个像素块的大小目前有两种，一种是基于rolling shutter的0.8um的pix，另一种是基于global shutter的3.0um的pix。由于在将基于rolling shutter的视觉传感器放在移动车辆上拍摄物体时，拍摄的物体会被拉长，需要在后期对其进行校准修复处理，因此基于rolling shutter的视觉传感器需要额外的数据处理过程，而基于global shutter的视觉传感器则不需要。另外，由于基于global shutter的视觉传感器能够实现ROI(region ofinterest，感兴趣区域)提取，因而具有较小的数据传输量，从而解决其他传感器的低帧传输的问题，尤其适用于高速驾驶的场景。
步骤104，根据所述两侧障碍物距离数据判断车辆两侧是否存在碰撞趋势。
具体的，根据已有算法，处理所述两侧障碍物距离数据，得到两侧障碍物分别与车辆的距离，和，两侧障碍物的运动轨迹、运动速度及运动加速度。根据所述运动轨迹、运动速度、运动加速度和用于判定碰撞趋势的预设条件，判断车辆两侧是否存在碰撞趋势。
步骤105，根据所述前方障碍物双目视觉数据对前方障碍物进行3D建模。
前方障碍物双目视觉数据由双目视觉传感器实时采集并传输给处理器，双目视觉传感器包括第一视觉传感器和第二视觉传感器，或称第一摄像头和第二摄像头。图2为本发明实施例提供的双目视觉传感器采集前方障碍物信息的示意图，如图2所示，每一个视觉传感器可以瞬间抓拍障碍物多点信息，基本上在十万至百万点之间，远远高出激光雷达所具有的数量级。
步骤105具体实现时，首先根据第一视觉传感器获取的前方障碍物的视觉数据，计算第一视觉传感器与前方障碍物上每个视觉采集点的第一距离；并且，根据第二视觉传感器获取的前方障碍物的视觉数据，计算第二视觉传感器与前方障碍物上每个视觉采集点的第二距离；然后根据所述第一距离和所述第二距离，基于同一3D坐标系，建立前方障碍物的3D模型。
图3为本发明实施例提供的计算视觉传感器与前方障碍物上视觉采集点的距离的示意图。如图3所示，根据三角形的角边角原理，已知b和c的角度和两个传感器之间的距离，可以计算出视觉采集点与第一视觉传感器之间的距离，同时也可以计算出视觉采集点与第二视觉传感器之间的距离；进而，可以确定不同坐标系下视觉采集点的坐标(x，y，z)。将障碍物的每一个视觉采集点的坐标都这样计算出来，即可得到每个视觉传感器下障碍物的3维模型，将两个视觉传感器下的障碍物3维模型匹配到同一坐标系，即可得到障碍物的3D模型。
步骤106，根据建立的前方障碍物3D模型数据和预先获取的车头3D模型数据，计算车辆与前方障碍物的距离。
基于步骤105记载的方法，预先获取车头3D模型数据，这里的车头3D模型数据可以理解为两个视觉传感器共同可视的车辆头部的3D模型数据。
根据已有算法对前方障碍物3D模型数据和车头3D模型数据进行计算，可以得到车辆与前方障碍物的距离。
步骤107，根据所述前方障碍物3D模型数据对前方障碍物进行识别。
作为一种可能的实现方式，可以将前方障碍物3D模型数据与预先存储的数据库数据进行特征比对，来对前方障碍物进行识别，识别结果可以为行人、车辆或者自行车等等。
步骤108，根据车辆与前方障碍物的距离和对所述前方障碍物的识别结果，确定碰撞风险最高值。
根据车辆与前方障碍物的距离可以进一步计算得到前方障碍物的运动轨迹、运动速度等信息，再结合对前方障碍物的识别结果，根据已有算法计算出碰撞风险的最高值，即最坏的情况。
步骤109，判断所述碰撞风险最高值是否低于预设阈值。
步骤110，当车辆处于正常状态、车辆两侧不存在碰撞趋势且碰撞风险最高值低于预设阈值时，继续按照所述自动驾驶路径驾驶。
经过步骤102-109的实时数据处理过程，当判定车辆处于正常状态、车辆两侧不存在碰撞趋势且碰撞风险最高值低于预设阈值时，则继续按照自动驾驶路径进行驾驶。
反之，当车辆处于异常状态时，则停止驾驶，并告警。
在另外的实施例中，当车辆处于正常状态、车辆两侧存在碰撞趋势、和/或、与前方障碍物的碰撞风险最高值超过预设阈值时，则根据所述两侧障碍物运动轨迹、所述前方障碍物3D模型数据和预先获取的交通规则信息，获取避让驾驶路径；根据所述避让驾驶路径继续驾驶；
同时，当根据所述两侧障碍物运动轨迹、所述前方障碍物3D模型数据和所述交通规则信息判定车辆满足预设停车条件时，则停止驾驶，并告警。
在另外的实施例中，在按照所述自动驾驶路径开始驾驶后，本发明实施例提供的控制方法，还包括：获取驾驶中车辆的GPS定位信息；判断获取的GPS定位信息与所述自动驾驶路径是否匹配。
相应地，当所述GPS定位信息与所述自动驾驶路径匹配、车辆处于正常状态、车辆两侧不存在碰撞趋势且碰撞风险最高值低于预设阈值时，则继续按照所述自动驾驶路径驾驶。
本发明实施例提供一种自动驾驶控制方法，该方法由符合车规级的Xilinx异构处理器执行，实现对车辆上各类传感器所采集数据的实时处理，并且以车辆上现有传感器为基础，采用至少一组基于全局快门的双目视觉传感器采集前方障碍物的双目视觉数据，从而根据双目视觉数据对前方障碍物进行3D建模，不仅能够获得可以清晰、精确地前方障碍物3D模型数据，还能解决现有前置摄像头低帧传输的问题。可见，该方法不但能够满足自动驾驶车辆所要求的精度，而且在车辆需要高速驾驶时，也无需降低帧率即可采集的数据及时地传回给处理器。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种自动驾驶控制方法，其特征在于，所述方法包括：
获取车辆的初始位置信息和目标位置信息，在导航地图中生成自动驾驶路径；
在按照所述自动驾驶路径开始驾驶后，根据车辆上传感器采集的信息判断车辆是否处于预设的正常状态；
获取两侧障碍物距离数据和前方障碍物双目视觉数据；
根据所述两侧障碍物距离数据判断车辆两侧是否存在碰撞趋势；
根据所述前方障碍物双目视觉数据对前方障碍物进行3D建模；
根据建立的前方障碍物3D模型数据和预先获取的车头3D模型数据，计算车辆与前方障碍物的距离；
根据所述前方障碍物3D模型数据对前方障碍物进行识别；
根据车辆与前方障碍物的距离和对所述前方障碍物的识别结果，确定碰撞风险最高值；
判断所述碰撞风险最高值是否低于预设阈值；
当车辆处于正常状态、车辆两侧不存在碰撞趋势且碰撞风险最高值低于预设阈值时，继续按照所述自动驾驶路径驾驶。
2.根据权利要求1所述的自动驾驶控制方法，其特征在于，所述在导航地图中生成自动驾驶路径，包括：
根据车辆的初始位置信息，得到车辆在导航地图中的初始定位；
根据车辆的目标位置信息，得到目的地在导航地图中的目标定位；
根据所述初始定位和目标定位，在导航地图中生成自动驾驶路径。
3.根据权利要求1所述的自动驾驶控制方法，其特征在于，所述方法还包括：
获取驾驶中车辆的GPS定位信息；
判断获取的GPS定位信息与所述自动驾驶路径是否匹配；
当所述GPS定位信息与所述自动驾驶路径匹配、车辆处于正常状态、车辆两侧不存在碰撞趋势且碰撞风险最高值低于预设阈值时，则继续按照所述自动驾驶路径驾驶。
4.根据权利要求1所述的自动驾驶控制方法，其特征在于，所述根据前方障碍物双目视觉数据对前方障碍物进行3D建模，包括：
根据第一视觉传感器获取的前方障碍物的视觉数据，计算第一视觉传感器与前方障碍物上每个视觉采集点的第一距离；
根据第二视觉传感器获取的前方障碍物的视觉数据，计算第二视觉传感器与前方障碍物上每个视觉采集点的第二距离；
根据所述第一距离和所述第二距离，基于同一3D坐标系，建立前方障碍物的3D模型。
5.根据权利要求1所述的自动驾驶控制方法，其特征在于，所述方法还包括:
当车辆两侧存在碰撞趋势和/或与前方障碍物的碰撞风险最高值超过预设阈值时，则根据所述两侧障碍物运动轨迹、所述前方障碍物3D模型数据和预先获取的交通规则信息，获取避让驾驶路径；
根据所述避让驾驶路径继续驾驶；
当根据所述两侧障碍物运动轨迹、所述前方障碍物3D模型数据和所述交通规则信息判定车辆满足预设停车条件时，则停止驾驶，并告警。
6.根据权利要求1所述的自动驾驶控制方法，其特征在于，所述根据所述两侧障碍物距离数据判断车辆两侧是否存在碰撞趋势，包括：
处理所述两侧障碍物距离数据，得到两侧障碍物分别与车辆的距离，和，两侧障碍物的运动轨迹、运动速度及运动加速度；
根据所述运动轨迹、运动速度、运动加速度和用于判定碰撞趋势的预设条件，判断车辆两侧是否存在碰撞趋势。
7.根据权利要求1所述的自动驾驶控制方法，其特征在于，
通过由两个基于全局快门的视觉传感器组成的双目视觉传感器采集前方障碍物双目视觉数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910672528.6A CN110262521A (zh) | 2019-07-24 | 2019-07-24 | 一种自动驾驶控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910672528.6A CN110262521A (zh) | 2019-07-24 | 2019-07-24 | 一种自动驾驶控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110262521A true CN110262521A (zh) | 2019-09-20 |
Family
ID=67928103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910672528.6A Pending CN110262521A (zh) | 2019-07-24 | 2019-07-24 | 一种自动驾驶控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110262521A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110827578A (zh) * | 2019-10-23 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 一种基于车路协同的车辆防碰撞提示方法、装置及系统 |
| CN111469836A (zh) * | 2020-02-28 | 2020-07-31 | 广东中科臻恒信息技术有限公司 | 基于车载单元和路侧单元的避障方法、设备、存储介质 |
| CN111661359A (zh) * | 2020-06-24 | 2020-09-15 | 科大智能机器人技术有限公司 | 一种机场特种车辆自动引导对接系统和方法 |
| CN111813116A (zh) * | 2020-07-09 | 2020-10-23 | 海南发控智慧环境建设集团有限公司 | 一种基于三维模型的避障辅助系统 |
| CN113561992A (zh) * | 2021-07-30 | 2021-10-29 | 广州文远知行科技有限公司 | 自动驾驶车辆轨迹生成方法、装置、终端设备及介质 |
| CN113734120A (zh) * | 2020-05-28 | 2021-12-03 | 比亚迪股份有限公司 | 车辆的控制方法、装置和车辆 |
| CN113968216A (zh) * | 2020-07-25 | 2022-01-25 | 华为技术有限公司 | 一种车辆碰撞检测方法、装置及计算机可读存储介质 |
| WO2024244790A1 (zh) * | 2023-06-01 | 2024-12-05 | 北京鉴智科技有限公司 | 一种基于双目立体视觉的车辆剐蹭识别方法和装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130128001A1 (en) * | 2011-11-18 | 2013-05-23 | Ganmei YOU | Method and system for detecting object on a road |
| CN103587524A (zh) * | 2013-10-25 | 2014-02-19 | 江苏大学 | 一种横向主动避撞系统及其控制方法 |
| CN104210488A (zh) * | 2014-07-30 | 2014-12-17 | 浙江吉利控股集团有限公司 | 防止车辆与路沿碰撞的方法及装置 |
| CN104943689A (zh) * | 2015-06-03 | 2015-09-30 | 奇瑞汽车股份有限公司 | 一种汽车主动防撞系统的控制方法 |
| CN205490841U (zh) * | 2016-02-24 | 2016-08-17 | 深圳市大疆创新科技有限公司 | 无人机及其使用的多目影像模组 |
| CN106394555A (zh) * | 2016-08-29 | 2017-02-15 | 无锡卓信信息科技股份有限公司 | 基于3d摄像头的无人驾驶汽车避障系统及方法 |
| CN106926843A (zh) * | 2017-03-17 | 2017-07-07 | 奇瑞汽车股份有限公司 | 一种用于观光电动汽车的自动驾驶控制系统及控制方法 |
| CN107487288A (zh) * | 2016-10-17 | 2017-12-19 | 宝沃汽车（中国）有限公司 | 一种车辆及其驾驶安全系统 |
| CN109017786A (zh) * | 2018-08-09 | 2018-12-18 | 北京智行者科技有限公司 | 车辆避障方法 |
| CN109374008A (zh) * | 2018-11-21 | 2019-02-22 | 深动科技（北京）有限公司 | 一种基于三目摄像头的图像采集系统及方法 |
| CN109785428A (zh) * | 2019-01-21 | 2019-05-21 | 苏州大学 | 一种基于多态约束卡尔曼滤波的手持式三维重建方法 |
-
2019
- 2019-07-24 CN CN201910672528.6A patent/CN110262521A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130128001A1 (en) * | 2011-11-18 | 2013-05-23 | Ganmei YOU | Method and system for detecting object on a road |
| CN103587524A (zh) * | 2013-10-25 | 2014-02-19 | 江苏大学 | 一种横向主动避撞系统及其控制方法 |
| CN104210488A (zh) * | 2014-07-30 | 2014-12-17 | 浙江吉利控股集团有限公司 | 防止车辆与路沿碰撞的方法及装置 |
| CN104943689A (zh) * | 2015-06-03 | 2015-09-30 | 奇瑞汽车股份有限公司 | 一种汽车主动防撞系统的控制方法 |
| CN205490841U (zh) * | 2016-02-24 | 2016-08-17 | 深圳市大疆创新科技有限公司 | 无人机及其使用的多目影像模组 |
| CN106394555A (zh) * | 2016-08-29 | 2017-02-15 | 无锡卓信信息科技股份有限公司 | 基于3d摄像头的无人驾驶汽车避障系统及方法 |
| CN107487288A (zh) * | 2016-10-17 | 2017-12-19 | 宝沃汽车（中国）有限公司 | 一种车辆及其驾驶安全系统 |
| CN106926843A (zh) * | 2017-03-17 | 2017-07-07 | 奇瑞汽车股份有限公司 | 一种用于观光电动汽车的自动驾驶控制系统及控制方法 |
| CN109017786A (zh) * | 2018-08-09 | 2018-12-18 | 北京智行者科技有限公司 | 车辆避障方法 |
| CN109374008A (zh) * | 2018-11-21 | 2019-02-22 | 深动科技（北京）有限公司 | 一种基于三目摄像头的图像采集系统及方法 |
| CN109785428A (zh) * | 2019-01-21 | 2019-05-21 | 苏州大学 | 一种基于多态约束卡尔曼滤波的手持式三维重建方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110827578A (zh) * | 2019-10-23 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 一种基于车路协同的车辆防碰撞提示方法、装置及系统 |
| CN110827578B (zh) * | 2019-10-23 | 2022-05-10 | 江苏广宇协同科技发展研究院有限公司 | 一种基于车路协同的车辆防碰撞提示方法、装置及系统 |
| CN111469836A (zh) * | 2020-02-28 | 2020-07-31 | 广东中科臻恒信息技术有限公司 | 基于车载单元和路侧单元的避障方法、设备、存储介质 |
| CN113734120A (zh) * | 2020-05-28 | 2021-12-03 | 比亚迪股份有限公司 | 车辆的控制方法、装置和车辆 |
| CN111661359A (zh) * | 2020-06-24 | 2020-09-15 | 科大智能机器人技术有限公司 | 一种机场特种车辆自动引导对接系统和方法 |
| CN111813116A (zh) * | 2020-07-09 | 2020-10-23 | 海南发控智慧环境建设集团有限公司 | 一种基于三维模型的避障辅助系统 |
| CN113968216A (zh) * | 2020-07-25 | 2022-01-25 | 华为技术有限公司 | 一种车辆碰撞检测方法、装置及计算机可读存储介质 |
| CN113968216B (zh) * | 2020-07-25 | 2023-11-17 | 华为技术有限公司 | 一种车辆碰撞检测方法、装置及计算机可读存储介质 |
| CN113561992A (zh) * | 2021-07-30 | 2021-10-29 | 广州文远知行科技有限公司 | 自动驾驶车辆轨迹生成方法、装置、终端设备及介质 |
| CN113561992B (zh) * | 2021-07-30 | 2023-10-20 | 广州文远知行科技有限公司 | 自动驾驶车辆轨迹生成方法、装置、终端设备及介质 |
| WO2024244790A1 (zh) * | 2023-06-01 | 2024-12-05 | 北京鉴智科技有限公司 | 一种基于双目立体视觉的车辆剐蹭识别方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110262521A (zh) | 一种自动驾驶控制方法 | |
| US11834040B2 (en) | Recognition and prediction of lane constraints and construction areas in navigation | |
| CN110001658B (zh) | 用于车辆的路径预测 | |
| WO2021056499A1 (zh) | 数据处理方法、设备和可移动平台 | |
| JP5938569B2 (ja) | 方位情報を考慮する高度運転者支援システム、及びその動作方法 | |
| EP2372308B1 (en) | Image processing system and vehicle control system | |
| CN110103967A (zh) | 一种车辆自动变道方法及车辆控制系统、车辆 | |
| JP2018152056A (ja) | 視界に制限のある交差点への接近のためのリスクベースの運転者支援 | |
| CN111595357B (zh) | 可视化界面的显示方法、装置、电子设备和存储介质 | |
| JP6834704B2 (ja) | 走行支援装置及びコンピュータプログラム | |
| CN106485233A (zh) | 可行驶区域检测方法、装置和电子设备 | |
| EP3690396B1 (en) | Method and device for providing advanced pedestrian assistance system to protect pedestrian distracted by their smartphone | |
| CN116710976A (zh) | 用于对用于训练远程机器学习模型的数据进行智能机载选择的自主交通工具系统 | |
| WO2020029706A1 (zh) | 一种伪车道线剔除方法及装置 | |
| CN107563256A (zh) | 辅助驾驶信息产生方法及装置、辅助驾驶系统 | |
| CN107444406A (zh) | 车辆辅助驾驶系统及方法 | |
| KR102721869B1 (ko) | 자율 주행 장치 및 방법 | |
| JP6520740B2 (ja) | 物体検出方法、物体検出装置、およびプログラム | |
| CN111986128A (zh) | 偏心图像融合 | |
| CN111968376B (zh) | 一种路况提示方法、装置、电子设备及存储介质 | |
| CN112560567A (zh) | 交通工具风险识别和避免 | |
| CN107408338A (zh) | 驾驶员辅助系统 | |
| WO2022242842A1 (en) | Apparatus and method for assisting an autonomous vehicle and/or a driver of a vehicle | |
| KR101568745B1 (ko) | 적외선 영상 기반의 차량 보조 장치 및 방법 | |
| CN108981740B (zh) | 一种低能见度条件下的盲驾导航系统及其方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 100096 Applicant after: Beijing Idriverplus Technology Co.,Ltd. Address before: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 100096 Applicant before: Beijing Idriverplus Technology Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |