CN108595844A - 自动驾驶控制方法及装置 - Google Patents
自动驾驶控制方法及装置 Download PDFInfo
- Publication number
- CN108595844A CN108595844A CN201810384303.6A CN201810384303A CN108595844A CN 108595844 A CN108595844 A CN 108595844A CN 201810384303 A CN201810384303 A CN 201810384303A CN 108595844 A CN108595844 A CN 108595844A
- Authority
- CN
- China
- Prior art keywords
- traffic
- sand table
- traffic equipment
- equipment
- equipments
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
- G09B19/167—Control of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种自动驾驶控制方法及装置。该方法包括:建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型;获取沙盘内所有交通器的定位信息和运动状态信息根据沙盘内所有交通器的定位信息、沙盘的3D数字视景模型和交通器的3D数字交通器模型生成沙盘实时场景;根据沙盘内所有交通器的运动状态信息生成交通器实时运动状态数据库;根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器,以使对应的交通器根据所述行车路线在所述沙盘内的对应轨道行驶。由此,能够在实现无人驾驶交通器自动驾驶功能的同时最大限度地降低交通器的造价成本。
Description
技术领域
本发明涉及自动驾驶控制技术领域,具体而言,涉及一种自动驾驶控制方法及装置。
背景技术
目前在通用道路上的载人交通器要实现自动驾驶功能,需要在未知的、复杂的、经常变化的环境下应付各种情况下的其它交通器,还需要极高的安全性。为了实现上述功能,通用道路上的载人交通器都需要强大的数据处理能力与相应硬件,例如LIDAR激光雷达、毫米波雷达、声纳、2D摄像头、测距摄像头等昂贵的传感器,造价极其昂贵。
在基于沙盘的可视化遥控无人驾驶交通器培训或者比赛***中,当人类遥控操作者数量不够时,当人类遥控操作者需要得到专业培训或对抗时,当比赛中远程人类操作者断线需要自动驾驶接管时,等等多种场景,在这些场景下,需要无人驾驶交通器具备自动驾驶功能,在基于沙盘的可视化遥控无人驾驶交通器培训或者比赛***中,由于不载人,对安全性的要求大幅下降,在这个基础上,如何在实现无人驾驶交通器自动驾驶功能的同时最大限度地降低交通器的造价成本,是本领域技术人员亟待解决的技术问题。
发明内容
为了克服现有技术中的上述不足,本发明的目的在于提供一种自动驾驶控制方法及装置,能够在实现无人驾驶交通器自动驾驶功能的同时最大限度地降低交通器的造价成本。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供一种自动驾驶控制方法,应用于与交通器通信连接的沙盘控制中心服务器,所述交通器位于沙盘内,所述方法包括:
建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型;
获取沙盘内所有交通器的定位信息和运动状态信息;
根据沙盘内所有交通器的定位信息、沙盘的3D数字视景模型和交通器的3D数字交通器模型生成沙盘实时场景;
根据沙盘内所有交通器的运动状态信息生成交通器实时运动状态数据库;
根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器,以使对应的交通器根据所述行车路线在所述沙盘内的对应轨道行驶。
可选地,所述建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型的步骤,包括:
获取沙盘设计图纸和沙盘测绘数据,并根据所述沙盘设计图纸和沙盘测绘数据建立所述3D数字视景模型;以及
获取每个交通器的交通器设计图纸与交通器测绘数据,并根据所述交通器设计图纸与交通器测绘数据建立每个交通器的3D数字交通器模型。
可选地,所述运动状态信息至少包括运动参数、惯性导航数据、车轮转速数据、方向数据、油门数据、制动器数据。
可选地,在建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型的步骤之前,所述方法还包括:
对每个交通器对应的用户的驾驶习惯进行深度学习,生成每个交通器的驾驶策略。
可选地,所述沙盘内还设置有用于停车区域,所述根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器的步骤之后,所述方法还包括:
针对每个交通器,判断与该交通器之间的通信连接断开次数是否大于预设次数阈值;
若是,则根据所述沙盘实时场景和所述交通器实时运动状态数据库控制该交通器在相应时刻驶入停车区域停车。
可选地,所述沙盘内还设置用于为所述交通器进行充电的充电桩,所述根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器的步骤之后,所述方法还包括:
获取每个交通器当前的续航数据;
针对每个交通器,判断该交通器的续航数据是否小于预设续航阈值;
若是,则根据所述沙盘实时场景和所述交通器实时运动状态数据库控制该交通器停靠在所述充电桩进行充电。
可选地,所述根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器的步骤之后,所述方法还包括:
根据所述沙盘实时场景和所述交通器实时运动状态数据库,判断任意两个交通器之间是否存在碰撞危险;
在判定任意两个交通器之间存在碰撞危险时,发送防碰撞指令给所述两个交通器中的至少一个,执行所述防碰撞指令。
可选地,所述根据所述沙盘实时场景和所述交通器实时运动状态数据库,判断任意两个交通器之间是否存在碰撞危险的步骤,包括:
根据所述沙盘实时场景和所述交通器实时运动状态数据库实时计算相邻两个交通器之间的间隔距离,若间隔距离小于预定距离,则认定两个交通器之间存在碰撞危险;或者
实时获得沙盘中每个交通器反馈的运行速度;判断是否存在任意相邻的两个交通器之间,后者速度大于前者速度的情况;
当存在该情况时,根据所述沙盘实时场景和所述交通器实时运动状态数据库实时计算该相邻两个交通器之间的间隔距离,并计算得到该两个交通器之间的实时相对速度;
判断该间隔距离与该相对速度的比值,当该比值小于预设比值时,则判断该两个交通器之间存在碰撞风险。
可选地,所述沙盘控制中心服务器还与模拟驾驶舱通信连接,所述方法还包括:
将每个交通器当前的行驶状况发送给对应的模拟驾驶舱,以使所述对应的模拟驾驶舱中的驾驶者掌握当前交通器的行驶状况。
第二方面,本发明实施例还提供一种自动驾驶控制装置,应用于与交通器通信连接的沙盘控制中心服务器,所述交通器位于沙盘内,所述装置包括:
建立模块,用于建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型;
获取模块,用于获取沙盘内所有交通器的定位信息和运动状态信息;
第一生成模块,用于根据沙盘内所有交通器的定位信息、沙盘的3D数字视景模型和交通器的3D数字交通器模型生成沙盘实时场景;
第二生成模块,用于根据沙盘内所有交通器的运动状态信息生成交通器实时运动状态数据库;
路线规划模块,用于根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器,以使对应的交通器根据所述行车路线在所述沙盘内的对应轨道行驶。
相对于现有技术而言,本发明具有以下有益效果:
本发明实施例提供的自动驾驶控制方法及装置,通过建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型,并获取沙盘内所有交通器的定位信息和运动状态信息根据沙盘内所有交通器的定位信息、沙盘的3D数字视景模型和交通器的3D数字交通器模型生成沙盘实时场景,再根据沙盘内所有交通器的运动状态信息生成交通器实时运动状态数据库,而后,根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器,以使对应的交通器根据所述行车路线在所述沙盘内的对应轨道行驶。由此,由于整个沙盘区域的已知性,沙盘控制中心服务器通过实时获取沙盘区域内所有交通器的准确定位信息和运动状态信息得到对应的沙盘实时场景和交通器实时运动状态数据库,并结合每个交通器的驾驶策略规划每个交通器的行车路线,从而对每个交通器进行自动驾驶控制,在此过程中,交通工具基本不需要感知外部环境,因此不需要安装造价高昂的传感器,本申请在实现无人驾驶交通器自动驾驶功能的同时最大限度地降低交通器的造价成本。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的自动驾驶控制方法的一种应用场景示意框图;
图2为本发明实施例提供的自动驾驶控制方法的流程示意图;
图3为本发明实施例提供的用于实现上述自动驾驶控制方法的沙盘控制中心服务器的结构框图;
图4为图3中所示的自动驾驶控制装置的功能模块图。
图标:100-沙盘控制中心服务器;110-总线;120-处理器;130-存储介质;140-总线接口;150-网络适配器;160-用户接口;200-自动驾驶控制装置;210-建立模块;220-获取模块;230-第一生成模块;240-第二生成模块;250-路线规划模块;300-交通器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语"第一"、"第二"等仅用于区分描述,而不能理解为指示或暗示相对重要性。
目前在通用道路上的载人交通器要实现自动驾驶功能,需要在未知的、复杂的、经常变化的环境下应付各种情况下的其它交通器,还需要极高的安全性。为了实现上述功能,通用道路上的载人交通器都需要强大的数据处理能力与相应硬件,例如LIDAR激光雷达、毫米波雷达、声纳、2D摄像头、测距摄像头等昂贵的传感器,造价极其昂贵。
在基于沙盘的可视化遥控无人驾驶交通器培训或者比赛***中,当人类遥控操作者数量不够时,当人类遥控操作者需要得到专业培训或对抗时,当比赛中远程人类操作者断线需要自动驾驶接管时,等等多种场景,在这些场景下,需要无人驾驶交通器具备自动驾驶功能,在基于沙盘的可视化遥控无人驾驶交通器培训或者比赛***中,由于不载人,对安全性的要求大幅下降,在这个基础上,如何在实现无人驾驶交通器自动驾驶功能的同时最大限度地降低交通器的造价成本,是本领域技术人员亟待解决的技术问题。
以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案,都应该是发明人在本发明过程中对本发明做出的贡献。
为了解决上述问题,请参阅图1,为本发明实施例提供的自动驾驶控制方法的一种应用场景示意框图。本实施例中,所述自动驾驶控制方法应用于与交通器300通信连接的沙盘控制中心服务器100,所述交通器300位于沙盘内,所述沙盘区域是一套缩小版的交通器培训、比赛场地,例如,将一个城市的地形图缩放到一个足球场的大小,然后将原型交通器300进行等比例缩放得到沙盘内的交通器300,这样,就能获得一个包含了缩小版城市和交通器300的沙盘区域。其中,沙盘区域中的相关参数,例如路况、行人、交通器300的模拟均可进行拟真模拟。
所述交通器300可在行驶过程中将自身的运动信息上传给所述沙盘控制中心服务器100。进一步地,所述交通器300还可以与虚拟驾驶舱通信连接,虚拟驾驶舱可以远程控制交通器300在缩小版城市中行驶,交通器300将行驶过程中的各项信息反馈到虚拟驾驶舱,虚拟驾驶舱根据这些信息进行相应动作,或者交通器300可以所述沙盘控制中心服务器100的自动驾驶控制指令在沙盘区域内行驶,并将行驶过程中的各项信息反馈到虚拟驾驶舱,虚拟驾驶舱根据这些信息进行相应动作。
本实施例中,所述沙盘控制中心服务器100应被理解为提供处理、资料库、通讯设施的业务点。举例而言,沙盘控制中心服务器100可以指具有相关通信和资料存储和资料库设施的单个的物理处理器,或它可以指联网或集聚的处理器、相关网路和存放装置的集合体,并且对软体和一个或多个资料库***和支援沙盘控制中心服务器100所提供的服务的应用软体进行操作。沙盘控制中心服务器100可以在配置或性能上差异很大,但是沙盘控制中心服务器100一般可以包括一个或多个中央处理单元和存储单元。沙盘控制中心服务器100还可以包括一个或多个大型存放区设备、一个或多个电源、一个或多个有线或无线网络组件、一个或多个输入/输出组件、或一个或多个作业***,诸如,Windows Server、Mac OSX、Unix、Linux、FreeBSD等等。
下面基于这一应用场景对本发明实施例所提供的自动驾驶控制方法做进一步说明。请参阅图2,为本发明实施例提供的自动驾驶控制方法的一种流程示意图,所述方法由图1中所示的沙盘控制中心服务器100执行。所应说明的是,本发明实施例提供的自动驾驶控制方法不以图2及以下所述的具体顺序为限制,该自动驾驶控制方法可以通过如下步骤实现:
步骤S110,建立沙盘的3D数字视景模型和所有交通器300的3D数字交通器模型。
本实施例中,所述沙盘控制中心服务器100可通过获取沙盘设计图纸和沙盘测绘数据,并根据所述沙盘设计图纸和沙盘测绘数据建立所述3D数字视景模型,同时,获取每个交通器300的交通器设计图纸与交通器测绘数据,并根据所述交通器设计图纸与交通器测绘数据建立每个交通器300的3D数字交通器模型。其中,上述沙盘设计图纸和沙盘测绘数据与当前交通器300所在沙盘数据一致,同样地,上述交通器设计图纸与交通器测绘数据与当前处于沙盘区域内的交通器300数据一致。
步骤S120,获取沙盘内所有交通器300的定位信息和运动状态信息。
本实施例中,所述交通器300可在运动过程中实时感知IMU惯性导航模块、车轮转速传感器、方向传感器、油门传感器、制动器等传感器的运动状态信息,同时通过自身的定位模块或者处于沙盘内的通信基站获取到定位信息,并将定位信息和运动状态信息发送给所述沙盘控制中心服务器100。其中,所述运动状态信息至少包括运动参数、惯性导航数据、车轮转速数据、方向数据、油门数据、制动器数据。
步骤S130,根据沙盘内所有交通器300的定位信息、沙盘的3D数字视景模型和交通器300的3D数字交通器模型生成沙盘实时场景。
本实施例中,生成的沙盘实时场景可以反映当前沙盘区域内各个交通器300的实时状况。
步骤S140,根据沙盘内所有交通器300的运动状态信息生成交通器300实时运动状态数据库。
本实施例中,在获得沙盘内所有交通器300的运动状态信息后,即可生成所述交通器300实时运动状态数据库,所述交通器300实时运动状态数据库可反映当前沙盘区域内每个交通器300的实时运动状态。
步骤S150,根据所述沙盘实时场景和所述交通器300实时运动状态数据库和每个交通器300的驾驶策略规划每个交通器300的行车路线,并将所述行车路线发送给对应的交通器300。
本实施例中,所述沙盘控制中心服务器100可在过去时间范围内对每个交通器300对应的用户的驾驶习惯进行深度学习,生成每个交通器300的驾驶策略,从而记录下用户驾驶习惯,此外,还可以通过设定用户驾驶评分,从而针对不同的交通器300对应的用户,采用不同的驾驶策略。
在实际实施时,所述沙盘控制中心服务器100根据所述沙盘实时场景和所述交通器300实时运动状态数据库和每个交通器300的驾驶策略对每个交通器300在所述沙盘区域内的行车路线进行规划,并将所述行车路线发送给对应的交通器300,所述对应的交通器300根据所述行车路线在所述沙盘内的对应轨道行驶。
由此,由于整个沙盘区域的已知性,沙盘控制中心服务器100通过实时获取沙盘区域内所有交通器300的准确定位信息和运动状态信息得到对应的沙盘实时场景和交通器300实时运动状态数据库,并结合每个交通器300的驾驶策略规划每个交通器300的行车路线,从而对每个交通器300进行自动驾驶控制,在此过程中,交通工具基本不需要感知外部环境,因此不需要安装造价高昂的传感器,本申请在实现无人驾驶交通器300自动驾驶功能的同时最大限度地降低交通器300的造价成本。
可选地,所述沙盘内还可以设置有用于停车区域,所述沙盘控制中心服务器100还可以针对每个交通器300,判断与该交通器300之间的通信连接断开次数是否大于预设次数阈值(例如三次),若是,则根据所述沙盘实时场景和所述交通器300实时运动状态数据库控制该交通器300在相应时刻驶入停车区域停车。
可选地,所述沙盘内还可以设置用于为所述交通器300进行充电的充电桩,所述沙盘控制中心服务器100还可以获取每个交通器300当前的续航数据,并针对每个交通器300,判断该交通器300的续航数据是否小于预设续航阈值(例如剩余续航小于10%总续航),若是,则根据所述沙盘实时场景和所述交通器300实时运动状态数据库控制该交通器300停靠在所述充电桩进行充电。
可选地,在交通器300的自动驾驶过程中,所述沙盘控制中心服务器100还可以根据所述沙盘实时场景和所述交通器300实时运动状态数据库,判断任意两个交通器300之间是否存在碰撞危险。例如,在一种实施方式中,该沙盘控制中心服务器100可根据每个交通器300的当前位置信息实时计算任意相邻两个交通器300之间的间隔距离,并将计算得出的间隔距离与预定距离进行比较,若两个交通器300之间的间隔距离小于预定距离,则认定两个交通器300之间存在碰撞危险。例如,以交通器300行驶的方向为准,两个相邻行驶的交通器300,以行驶在前的交通器300为前者,以行驶在后的交通器300为后者。当前者突然刹车或后者刹车失灵时,前者与后者之间的间隔距离将会减小,当该间隔距离小于预定距离时,表明两车可能发生碰撞,即存在碰撞危险。亦即是说,该预定距离为两个交通器300可能发生碰撞的危险距离。
又例如,在另一种实施方式中,沙盘控制中心服务器100还可以实时获得沙盘中每个交通器300反馈的运行速度,然后判断是否存在任意相邻的两个交通器300之间,后者速度大于前者速度的情况。当存在该情况时,沙盘控制中心服务器100根据每个交通器300的当前位置信息实时计算该相邻两个交通器300之间的间隔距离,同时计算得到该两个交通器300之间的实时相对速度,然后判断该间隔距离与该相对速度的比值,当该比值小于预设比值时(小于预设比值,表示后者可能很快会追上前者),则判断该两个交通器300之间存在碰撞风险。这种判断方式是在后者速度大于前者速度的情况下进行,因为只有后者速度大于前者速度的情况下,才会发生碰撞危险。
接着,在判定任意两个交通器300之间存在碰撞危险时,发送防碰撞指令给所述两个交通器300中的至少一个,执行所述防碰撞指令。例如,当沙盘控制中心服务器100认定两个相邻的交通器300之间存在碰撞危险时,该沙盘控制中心服务器100将发送防碰撞指令给两个交通器300中至少一个,以防止交通器300发生碰撞,造成交通器300的毁损。
具体为,该沙盘控制中心服务器100发送加速指令给两个交通器300中的前者,前者执行加速指令,加速行驶以拉开与后者的距离,以防止碰撞。或者该沙盘控制中心服务器100发送减速指令给两个交通器300中的后者,后者执行减速指令,以减速行驶拉开与前者的距离,以防止碰撞。
或者,该沙盘控制中心服务器100既发送加速指令给两个交通器300中的前者,又发送减速指令给两个交通器300中的后者,以使得两个交通器300拉开距离,避免发生碰撞。
作为另一种实施方式,该沙盘控制中心服务器100还可以判断两个交通器300中的前者与沙盘中位于该前者之前的一个交通器300之间的间隔距离,若该距离大于第一预设阈值,此时,该沙盘控制中心服务器100才发送加速指令至前者,控制前者加速行驶拉开与后者距离,避免碰撞的同时,前者加速行驶又不至于与在该前者之前的交通器300发生碰撞,更好地保证了相邻交通器的安全。
容易理解的,若两个交通器300中的前者与沙盘中位于该前者之前的一个交通器300之间的间隔距离小于第一预设阈值,则若沙盘控制中心服务器100继续控制前者加速以避免与后者碰撞时,可能使得前者与位于前者之前的一个交通器300发生碰撞,则此时该沙盘控制中心服务器100将发送减速指令给两个交通器300中的后者,控制后者减速,以实现拉开前者与后者之间的距离,从而避免前者和后者发生碰撞。
又例如,作为另一种实施方式,该沙盘控制中心服务器100还判断两个交通器300中的后者与沙盘中该后者之后的一个交通器300之间的间隔距离,若该间隔距离大于第二预设阈值,表明后者与后者之后的一个交通器300之间留有足够的安全距离,则该沙盘控制中心服务器100才发送减速指令给后者,控制后者减速以拉开与前者之间的距离,同时保证了后者不至于与后者之后的一个交通器300发生碰撞。
容易理解的,若两个交通器300中的后者与沙盘中的后者之后的一个交通器300之间的间隔距离小于第二预设阈值,则沙盘控制中心服务器100继续控制后者减速以拉开与前者之间的距离,有可能使得后者与后者之后的交通器300发生碰撞,进而此时,该沙盘控制中心服务器100发送加速指令给两个交通器300中的前者,控制前者加速,以拉开与后者之间的距离,防止两车发生碰撞。
又例如,作为另一种实施方式,该沙盘控制中心服务器100还可控制两个交通器300中的任意一个交通器300的运动路径,如左转或右转,还可以控制两个交通器300中的任意一个交通器300执行漂移等技术以避开和相邻交通器发生碰撞。此外,当沙盘控制中心服务器100干预了两个存在碰撞危险的交通器300,避免了两个交通器300发生碰撞时,该沙盘控制中心服务器100还向对应交通器300所在的模拟仓发送提示信息,该提示信息可以为“沙盘中心发现你与其他交通器300有极大的碰撞危险,已提前介入避免事故”等,以及时告知用户。由于由沙盘控制中心服务器100直接对将发生碰撞的交通器300进行干预,其采取行动的时间快于操作人员,进而能及时避免交通器300之间发生碰撞,较好地保护了交通器300,避免了财产损失。
进一步地,所述沙盘控制中心服务器100还可以与模拟驾驶舱通信连接,所述自动驾驶控制方法还可以包括如下步骤:
将每个交通器300当前的行驶状况发送给对应的模拟驾驶舱,也即,每个交通器300在自动驾驶过程中将自身的行驶状况发送给所述沙盘控制中心服务器100,所述沙盘控制中心服务器100行驶状况反馈给对应的模拟驾驶舱中的驾驶者掌握当前交通器300的行驶状况。由此,可以用于消除模拟驾驶舱与所述交通器300断线时的影响,或者用于当前模拟驾驶舱中的驾驶者自动驾驶体验,又或者用于当前模拟驾驶舱中的驾驶者的驾驶培训时等。
请参阅图4,为本发明实施例提供的用于实现上述自动驾驶控制方法的沙盘控制中心服务器100的结构框图。如图4所示,所述沙盘控制中心服务器100可以由总线110作一般性的总线体系结构来实现。根据沙盘控制中心服务器100的具体应用和整体设计约束条件,总线110可以包括任意数量的互连总线和桥接。总线110将各种电路连接在一起,这些电路包括处理器120、存储介质130和总线接口140。可选地,沙盘控制中心服务器100可以使用总线接口140将网络适配器150等经由总线110连接。网络适配器150可用于实现沙盘控制中心服务器100中物理层的信号处理功能,并通过天线实现射频信号的发送和接收。用户接口160可以连接外部设备,例如:键盘、显示器、鼠标或者操纵杆等。总线110还可以连接各种其它电路,如定时源、***设备、电压调节器或者功率管理电路等,这些电路是本领域所熟知的,因此不再详述。
可以替换的,沙盘控制中心服务器100也可配置成通用处理***,例如通称为芯片,该通用处理***包括:提供处理功能的一个或多个微处理器,以及提供存储介质130的至少一部分的外部存储器,所有这些都通过外部总线体系结构与其它支持电路连接在一起。
可替换的,沙盘控制中心服务器100可以使用下述来实现:具有处理器120、总线接口140、用户接口160的ASIC(专用集成电路);以及集成在单个芯片中的存储介质130的至少一部分,或者,沙盘控制中心服务器100可以使用下述来实现:一个或多个FPGA(现场可编程门阵列)、PLD(可编程逻辑器件)、控制器、状态机、门逻辑、分立硬件部件、任何其它适合的电路、或者能够执行本发明通篇所描述的各种功能的电路的任意组合。
其中,处理器120负责管理总线110和一般处理(包括执行存储在存储介质130上的软件)。处理器120可以使用一个或多个通用处理器和/或专用处理器来实现。处理器120的例子包括微处理器、微控制器、DSP处理器和能够执行软件的其它电路。应当将软件广义地解释为表示指令、数据或其任意组合,而不论是将其称作为软件、固件、中间件、微代码、硬件描述语言还是其它。
在图4中存储介质130被示为与处理器120分离,然而,本领域技术人员很容易明白,存储介质130或其任意部分可位于沙盘控制中心服务器100之外。举例来说,存储介质130可以包括传输线、用数据调制的载波波形、和/或与无线节点分离开的计算机制品,这些介质均可以由处理器120通过总线接口140来访问。可替换地,存储介质130或其任意部分可以集成到处理器120中,例如,可以是高速缓存和/或通用寄存器。
所述处理器120可执行上述实施例,具体地,所述存储介质130中存储有自动驾驶控制装置200,所述处理器120可以用于执行所述自动驾驶控制装置200。
进一步地,请参阅图4,所述自动驾驶控制装置200可包括如下功能模块:
建立模块210,用于建立沙盘的3D数字视景模型和所有交通器300的3D数字交通器模型。
获取模块220,用于获取沙盘内所有交通器300的定位信息和运动状态信息。
第一生成模块230,用于根据沙盘内所有交通器300的定位信息、沙盘的3D数字视景模型和交通器300的3D数字交通器模型生成沙盘实时场景。
第二生成模块240,用于根据沙盘内所有交通器300的运动状态信息生成交通器300实时运动状态数据库。
路线规划模块250,用于根据所述沙盘实时场景和所述交通器300实时运动状态数据库和每个交通器300的驾驶策略规划每个交通器300的行车路线,并将所述行车路线发送给对应的交通器300,以使对应的交通器300根据所述行车路线在所述沙盘内的对应轨道行驶。
可以理解的是,本实施例中的各功能模块的具体操作方法可参照上述图2中方法实施例中相应步骤的详细描述,在此不再重复赘述。
进一步地,本发明实施例还提供一种可读存储介质,所述可读存储介质被执行时实现上述的自动驾驶控制方法。
综上所述,本发明实施例提供的自动驾驶控制方法及装置,通过建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型,并获取沙盘内所有交通器的定位信息和运动状态信息根据沙盘内所有交通器的定位信息、沙盘的3D数字视景模型和交通器的3D数字交通器模型生成沙盘实时场景,再根据沙盘内所有交通器的运动状态信息生成交通器实时运动状态数据库,而后,根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器,以使对应的交通器根据所述行车路线在所述沙盘内的对应轨道行驶。由此,由于整个沙盘区域的已知性,沙盘控制中心服务器通过实时获取沙盘区域内所有交通器的准确定位信息和运动状态信息得到对应的沙盘实时场景和交通器实时运动状态数据库,并结合每个交通器的驾驶策略规划每个交通器的行车路线,从而对每个交通器进行自动驾驶控制,在此过程中,交通工具基本不需要感知外部环境,因此不需要安装造价高昂的传感器,本申请在实现无人驾驶交通器自动驾驶功能的同时最大限度地降低交通器的造价成本。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
可以替换的,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等
需要说明的是,在本文中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物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它要素,或者是还包括为这种过程、方法、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其它的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种自动驾驶控制方法,其特征在于,应用于与交通器通信连接的沙盘控制中心服务器,所述交通器位于沙盘内,所述方法包括:
建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型;
获取沙盘内所有交通器的定位信息和运动状态信息;
根据沙盘内所有交通器的定位信息、沙盘的3D数字视景模型和交通器的3D数字交通器模型生成沙盘实时场景;
根据沙盘内所有交通器的运动状态信息生成交通器实时运动状态数据库;
根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器,以使对应的交通器根据所述行车路线在所述沙盘内的对应轨道行驶。
2.根据权利要求1所述的自动驾驶控制方法,其特征在于,所述建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型的步骤,包括:
获取沙盘设计图纸和沙盘测绘数据,并根据所述沙盘设计图纸和沙盘测绘数据建立所述3D数字视景模型;以及
获取每个交通器的交通器设计图纸与交通器测绘数据,并根据所述交通器设计图纸与交通器测绘数据建立每个交通器的3D数字交通器模型。
3.根据权利要求1所述的自动驾驶控制方法,其特征在于,所述运动状态信息至少包括运动参数、惯性导航数据、车轮转速数据、方向数据、油门数据、制动器数据。
4.根据权利要求1所述的自动驾驶控制方法,其特征在于,在建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型的步骤之前,所述方法还包括:
对每个交通器对应的用户的驾驶习惯进行深度学习,生成每个交通器的驾驶策略。
5.根据权利要求1所述的自动驾驶控制方法,其特征在于,所述沙盘内还设置有用于停车区域,所述根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器的步骤之后,所述方法还包括:
针对每个交通器,判断与该交通器之间的通信连接断开次数是否大于预设次数阈值;
若是,则根据所述沙盘实时场景和所述交通器实时运动状态数据库控制该交通器在相应时刻驶入停车区域停车。
6.根据权利要求1所述的自动驾驶控制方法,所述沙盘内还设置用于为所述交通器进行充电的充电桩,其特征在于,所述根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器的步骤之后,所述方法还包括:
获取每个交通器当前的续航数据;
针对每个交通器,判断该交通器的续航数据是否小于预设续航阈值;
若是,则根据所述沙盘实时场景和所述交通器实时运动状态数据库控制该交通器停靠在所述充电桩进行充电。
7.根据权利要求1所述的自动驾驶控制方法,其特征在于,所述根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器的步骤之后,所述方法还包括:
根据所述沙盘实时场景和所述交通器实时运动状态数据库,判断任意两个交通器之间是否存在碰撞危险;
在判定任意两个交通器之间存在碰撞危险时,发送防碰撞指令给所述两个交通器中的至少一个,执行所述防碰撞指令。
8.根据权利要求7所述的自动驾驶控制方法,其特征在于,所述根据所述沙盘实时场景和所述交通器实时运动状态数据库,判断任意两个交通器之间是否存在碰撞危险的步骤,包括:
根据所述沙盘实时场景和所述交通器实时运动状态数据库实时计算相邻两个交通器之间的间隔距离,若间隔距离小于预定距离,则认定两个交通器之间存在碰撞危险;或者
实时获得沙盘中每个交通器反馈的运行速度;判断是否存在任意相邻的两个交通器之间,后者速度大于前者速度的情况;
当存在该情况时,根据所述沙盘实时场景和所述交通器实时运动状态数据库实时计算该相邻两个交通器之间的间隔距离,并计算得到该两个交通器之间的实时相对速度;
判断该间隔距离与该相对速度的比值,当该比值小于预设比值时,则判断该两个交通器之间存在碰撞风险。
9.根据权利要求1-8中任意一项所述的自动驾驶控制方法,其特征在于,所述沙盘控制中心服务器还与模拟驾驶舱通信连接,所述方法还包括:
将每个交通器当前的行驶状况发送给对应的模拟驾驶舱,以使所述对应的模拟驾驶舱中的驾驶者掌握当前交通器的行驶状况。
10.一种自动驾驶控制装置,其特征在于,应用于与交通器通信连接的沙盘控制中心服务器,所述交通器位于沙盘内,所述装置包括:
建立模块,用于建立沙盘的3D数字视景模型和所有交通器的3D数字交通器模型;
获取模块,用于获取沙盘内所有交通器的定位信息和运动状态信息;
第一生成模块,用于根据沙盘内所有交通器的定位信息、沙盘的3D数字视景模型和交通器的3D数字交通器模型生成沙盘实时场景;
第二生成模块,用于根据沙盘内所有交通器的运动状态信息生成交通器实时运动状态数据库;
路线规划模块,用于根据所述沙盘实时场景和所述交通器实时运动状态数据库和每个交通器的驾驶策略规划每个交通器的行车路线,并将所述行车路线发送给对应的交通器,以使对应的交通器根据所述行车路线在所述沙盘内的对应轨道行驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810384303.6A CN108595844A (zh) | 2018-04-26 | 2018-04-26 | 自动驾驶控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810384303.6A CN108595844A (zh) | 2018-04-26 | 2018-04-26 | 自动驾驶控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108595844A true CN108595844A (zh) | 2018-09-28 |
Family
ID=63609594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810384303.6A Pending CN108595844A (zh) | 2018-04-26 | 2018-04-26 | 自动驾驶控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108595844A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685273A (zh) * | 2018-12-25 | 2019-04-26 | 江苏满运软件科技有限公司 | 车辆的刹车失灵预警方法、装置、电子设备、存储介质 |
CN111626264A (zh) * | 2020-06-06 | 2020-09-04 | 梁志彬 | 一种实景反馈式模拟驾驶方法、装置及服务器 |
CN111694019A (zh) * | 2020-05-13 | 2020-09-22 | 华南理工大学 | 一种基于激光雷达和端到端控制算法的智能行驶教育方法 |
CN111857132A (zh) * | 2020-06-19 | 2020-10-30 | 深圳宏芯宇电子股份有限公司 | 一种中央控制式自动驾驶方法、***以及中央控制*** |
CN113409636A (zh) * | 2020-04-30 | 2021-09-17 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种汽车主动防撞模拟装置及其控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646557A (zh) * | 2013-11-13 | 2014-03-19 | 重庆邮电大学 | 基于物联网的三维缩微智能交通管理*** |
CN104680914A (zh) * | 2013-11-28 | 2015-06-03 | 中国航天科工集团第三研究院第八三五七研究所 | 基于微型自主无人车的智能交通调度实物模拟*** |
CN105751912A (zh) * | 2016-03-06 | 2016-07-13 | 张敏 | 自动充电式无人驾驶电动汽车 |
US20170131406A1 (en) * | 2015-11-05 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd | Differential Positioning Method Based on Intelligent Vehicle Infrastructure Cooperative System and Intelligent Vehicle Infrastructure Cooperative System |
-
2018
- 2018-04-26 CN CN201810384303.6A patent/CN108595844A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646557A (zh) * | 2013-11-13 | 2014-03-19 | 重庆邮电大学 | 基于物联网的三维缩微智能交通管理*** |
CN104680914A (zh) * | 2013-11-28 | 2015-06-03 | 中国航天科工集团第三研究院第八三五七研究所 | 基于微型自主无人车的智能交通调度实物模拟*** |
US20170131406A1 (en) * | 2015-11-05 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd | Differential Positioning Method Based on Intelligent Vehicle Infrastructure Cooperative System and Intelligent Vehicle Infrastructure Cooperative System |
CN105751912A (zh) * | 2016-03-06 | 2016-07-13 | 张敏 | 自动充电式无人驾驶电动汽车 |
Non-Patent Citations (2)
Title |
---|
刘春晓 等: "《基于深度学习的无人驾驶路径规划和控制》", 《人工智能》 * |
郝建领: "《无线遥控智能车控制***》", 《万方学位论文》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685273A (zh) * | 2018-12-25 | 2019-04-26 | 江苏满运软件科技有限公司 | 车辆的刹车失灵预警方法、装置、电子设备、存储介质 |
CN113409636A (zh) * | 2020-04-30 | 2021-09-17 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种汽车主动防撞模拟装置及其控制方法 |
CN111694019A (zh) * | 2020-05-13 | 2020-09-22 | 华南理工大学 | 一种基于激光雷达和端到端控制算法的智能行驶教育方法 |
CN111626264A (zh) * | 2020-06-06 | 2020-09-04 | 梁志彬 | 一种实景反馈式模拟驾驶方法、装置及服务器 |
CN111626264B (zh) * | 2020-06-06 | 2020-12-08 | 金宝兴电子(深圳)有限公司 | 一种实景反馈式模拟驾驶方法、装置及服务器 |
CN111857132A (zh) * | 2020-06-19 | 2020-10-30 | 深圳宏芯宇电子股份有限公司 | 一种中央控制式自动驾驶方法、***以及中央控制*** |
CN111857132B (zh) * | 2020-06-19 | 2024-04-19 | 深圳宏芯宇电子股份有限公司 | 一种中央控制式自动驾驶方法、***以及中央控制*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108595844A (zh) | 自动驾驶控制方法及装置 | |
US20210262808A1 (en) | Obstacle avoidance method and apparatus | |
JP7150846B2 (ja) | 自律車両のための物体相互作用予測システムおよび方法 | |
JP6726363B2 (ja) | 生成されたインターフェースを使用する自律走行車の監視 | |
US11161611B2 (en) | Methods and systems for aircraft collision avoidance | |
WO2021102955A1 (zh) | 车辆的路径规划方法以及车辆的路径规划装置 | |
CN112969622A (zh) | 自主运载工具中的冗余 | |
CN110379193A (zh) | 自动驾驶车辆的行为规划方法及行为规划装置 | |
BR112019010737A2 (pt) | interface de mapeamento de suporte remoto de veículo autônomo | |
CN107943016A (zh) | 用于自主车辆的群体驾驶风格学习框架 | |
WO2021244655A1 (zh) | 一种基于智能交通***的交通工具自动驾驶方法、装置和*** | |
JP6716792B2 (ja) | 自律走行車が問題状況に対処するための解決データの生成 | |
CN107850894A (zh) | 用于无人驾驶自主式***的控制规范化 | |
JP2019537159A5 (zh) | ||
US20210165932A1 (en) | Collision filtering for autonomous vehicle simulations | |
CN110532846A (zh) | 自动换道方法、装置及存储介质 | |
CN103578299B (zh) | 一种模拟航空器飞行过程的方法 | |
US10836405B2 (en) | Continual planning and metareasoning for controlling an autonomous vehicle | |
WO2022016901A1 (zh) | 一种规划车辆行驶路线的方法以及智能汽车 | |
KR20220110069A (ko) | 샘플링 기반 기동 실현기 | |
WO2023028858A1 (zh) | 一种测试方法和*** | |
CN110147085A (zh) | 一种自动驾驶的测试方法、测试装置及测试*** | |
EP4235344A1 (en) | A system for repositioning uav swarm | |
CN112810603B (zh) | 定位方法和相关产品 | |
US20230256999A1 (en) | Simulation of imminent crash to minimize damage involving an autonomous vehicle |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |