CN109116846B - 一种自动驾驶方法、装置、计算机设备和存储介质 - Google Patents
一种自动驾驶方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109116846B CN109116846B CN201810994402.6A CN201810994402A CN109116846B CN 109116846 B CN109116846 B CN 109116846B CN 201810994402 A CN201810994402 A CN 201810994402A CN 109116846 B CN109116846 B CN 109116846B
- Authority
- CN
- China
- Prior art keywords
- current
- vehicle
- distance
- video image
- current vehicle
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G05D1/0231—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
- G05D1/0212—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
- G05D1/0257—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
- G05D1/0276—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)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种自动驾驶方法、装置、计算机设备和存储介质。所述自动驾驶方法包括:获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志;感知当前车辆与周围物体之间的距离;根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号。上述自动驾驶方法,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及一种自动驾驶方法、装置、计算机设备和存储介质。
背景技术
随着汽车自动驾驶技术的迅猛发展,各种不同形式的自动驾驶样车和自动驾驶道路测试实验不断出现。
传统的自动驾驶方式主要是通过测距雷达探测当前车辆与周围障碍物距离的方法来确定行驶状态和选择行驶路线,由此可见,在传统的自动驾驶过程中,选择行驶的决策方式比较单一。
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过程中,既能提高行车安全性,又能增加行驶路线选择方式多样性的自动驾驶方法、装置、计算机设备和存储介质。
一种自动驾驶方法,包括:
获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志;
感知当前车辆与周围物体之间的距离;
根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号。
在一个实施例中,所述的自动驾驶方法,所述采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像,包括:
采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像,并根据当前车辆速度自动调整采集所述第一视频图像和所述第二视频图像的频率。
在一个实施例中,所述的自动驾驶方法,所述获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志之前,包括:
采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像。
在一个实施例中,所述的自动驾驶方法,所述获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,包括:
通过分析所述第一视频图像获取当前行驶车道上的行驶方向的指示标志,通过分析所述第二视频图像获取前方交通信号灯的状态标志。
在一个实施例中,所述的自动驾驶方法,所述通过分析所述第一视频图像获取当前行驶车道上的行驶方向的指示标志,通过分析所述第二视频图像获取前方交通信号灯的状态标志,包括:
通过将所述第一视频图像输入预先建立的第一分析模型,获取所述指示标志;所述第一分析模型由车道上路标指示的第一图像样本训练得到;
通过将所述第二视频图像输入预先建立的第二分析模型,获取所述状态标志;所述第二分析模型由交通信号灯的第二图像样本训练得到。
在一个实施例中,所述的自动驾驶方法,所述感知当前车辆与周围物体之间的距离,包括:
通过设置于当前车辆车顶激光测距仪以及设置于当前车辆车头的雷达,测量当前车辆与周围物体的距离。
在一个实施例中,所述的自动驾驶方法,还包括:
根据所述动作指示信号,指示当前车辆上的控制器控制当前车辆进行自动驾驶。
一种自动驾驶装置,包括:
获取模块,用于获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志;
距离感知模块,用于感知当前车辆与周围物体之间的距离;
指示模块,用于根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志;
感知当前车辆与周围物体之间的距离;
根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志;
感知当前车辆与周围物体之间的距离;
根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号。
本申请实施例中的一种自动驾驶方法、装置、计算机设备和存储介质,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,感知当前车辆与周围物体之间的距离,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号,在选择行驶路线时,不仅考虑了当前车辆与周围物体之间的距离,还结合了当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志获取当前车辆自动驾驶的动作指示信号,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
附图说明
图1为一个实施例中自动驾驶方法的应用环境图;
图2为一个实施例中自动驾驶方法的流程示意图;
图3为一个实施例中获取地面路标指示和交通信号灯状态步骤的流程示意图;
图4为另一个实施例中车辆外观示意图;
图5为一个实施例中自动驾驶装置的结构框图;
图6为另一个实施例中自动驾驶装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
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。
本申请提供的自动驾驶方法,可以应用于如图1所示的应用环境中。其中,终端102与服务器104通过有线或无线网络进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用存放在本地的服务器或者是存放在远程的多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种自动驾驶方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志。
具体地,可以通过预设在车辆上的摄像头获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志。其中获取前方交通信号灯的状态标志的摄像头可以设置多个,获取当前行驶车道上的行驶方向的指示标志的摄像头可以设置一个。
步骤204,感知当前车辆与周围物体之间的距离。
具体地,可以通过预设在车辆上的测距雷达、激光测距仪等,获取当前车辆与周围物体(障碍物)之间的距离信息。
步骤206,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号。
具体地,当前车辆自动驾驶的动作指示信号可以包括“准备行驶”、“行驶”、“准备停止”以及“停止”四种状态中的一个。
上述自动驾驶方法,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,感知当前车辆与周围物体之间的距离,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号,在选择行驶路线时,不仅考虑了当前车辆与周围物体之间的距离,还结合了当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志获取当前车辆自动驾驶的动作指示信号,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
在一个实施例中,在步骤202之前还可以包括以下步骤:采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像。
在上述自动驾驶方法中,在采集地面路标指示标志时,可以通过车辆上预设的视频采集设备(例如,摄像头),获取当前行驶车道上路标指示视频图像信号,在获取视频图像过程,将根据当前车辆速度自动调整采集图像的频率。在采集前方交通信号灯的状态标志时,可以通过车辆上预设的视频采集设备,获取前方交通信号灯视频图像信号,可以设置一个以上交通信号灯视频采集设备,并根据预先建立的双目视觉模型,实现距离检测和信号灯的识别。
上述实施例,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,感知当前车辆与周围物体之间的距离,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号,在选择行驶路线时,不仅考虑了当前车辆与周围物体之间的距离,还结合了当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志获取当前车辆自动驾驶的动作指示信号,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
在一个实施例中,在采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像时,还可以根据当前车辆速度自动调整采集第一视频图像和第二视频图像的频率。
在上述实施例中,根据当前车辆速度自动调整采集第一视频图像和第二视频图像的频率,可以在保证采集必要的视频图像的前提下,不耗费内存资源。
上述实施例,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,感知当前车辆与周围物体之间的距离,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号,在选择行驶路线时,不仅考虑了当前车辆与周围物体之间的距离,还结合了当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志获取当前车辆自动驾驶的动作指示信号,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
在一个实施例中,可以通过以下方式获取当前行驶车道上的行驶方向的指示标志以及前方交通信号灯的状态标志:通过分析第一视频图像获取当前行驶车道上的行驶方向的指示标志,通过分析第二视频图像获取前方交通信号灯的状态标志。
在上述实施例中,在获取当前行驶车道上的行驶方向的指示标志时,可以根据预先建立的机器学习分析模型,获取当前行驶车道上的路标指示,根据预先建立的机器学习分析模型,获取当前行驶路口的交通信号灯状态。
上述实施例,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,感知当前车辆与周围物体之间的距离,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号,在选择行驶路线时,不仅考虑了当前车辆与周围物体之间的距离,还结合了当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志获取当前车辆自动驾驶的动作指示信号,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
在一个实施例中,可以通过执行以下步骤获取当前行驶车道上的行驶方向的指示标志以及前方交通信号灯的状态标志:通过将第一视频图像输入预先建立的第一分析模型,获取指示标志;第一分析模型由车道上路标指示的第一图像样本训练得到;通过将第二视频图像输入预先建立的第二分析模型,获取状态标志;第二分析模型由交通信号灯的第二图像样本训练得到。
第一图像样本中的地面路标可以包括:左转、直行、右转、左转加直行、右转加直行以及类型不确定的标识共6类;第二图像样本中的交通信号灯状态可以包括:圆形灯、左转箭头灯、直行箭头灯、右转箭头灯、类型不确定的信号灯、非信号灯共6类。如图3所示,具体可以通过以下步骤获取地面路标指示和交通信号灯状态:
步骤302,针对第一视频图像初步检测出路标图像区域;针对第二视频图像,利用单目视觉模型以主动学***面中初步检测出交通信号灯灯板位置。
其中,可以根据单目视觉模型预先建立二维深度网络训练交通信号灯灯板的检测分类器,在单幅图像上进行遍历搜索,初步找出可能存在交通信号灯灯板的候选区。该交通信号灯灯板检测分类器由可视层、隐层1、隐层2和标签层构成,可视层和隐层之间通过一组权值进行连接,网络权值将通过无监督训练和监督训练获得。
步骤304,利用双目视觉模型获取被检测交通信号灯的深度信息,并筛选出正确的交通信号灯灯板以备后续进一步识别。
其中,对可能存在交通信号灯灯板的候选区,可以根据双目视觉模型,通过建立基于交通信号灯在图像坐标系和世界坐标系中的位置信息模型,筛选出正确的交通信号灯灯板区域,并获得交通信号灯与车辆的大致位置关系。
步骤306,通过建立的机器学习模型对地面路标指示和交通信号灯状态进行识别。
对地面路标指示和筛选出的交通信号灯灯板区域,可以分别通过离线训练,建立地面路标指示训练模型和交通信号灯训练模型,获得地面路标指示分类器和交通信号灯状态识别分类器,进而获得相关识别信息。
上述实施例,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,感知当前车辆与周围物体之间的距离,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号,在选择行驶路线时,不仅考虑了当前车辆与周围物体之间的距离,还结合了当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志获取当前车辆自动驾驶的动作指示信号,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
在一个实施例中,可以通过以下步骤感知当前车辆与周围物体之间的距离:通过设置于当前车辆车顶激光测距仪以及设置于当前车辆车头的雷达,测量当前车辆与周围物体的距离。
在上述实施例中,如图4所示,可以将车顶位置设置激光测距仪,在车头位置设置雷达,雷达的数量可以为多个,还可以在车顶位置设置多个交通信号灯视频采集摄像头,在车头位置设置地面路标采集摄像头。
上述实施例,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,感知当前车辆与周围物体之间的距离,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号,在选择行驶路线时,不仅考虑了当前车辆与周围物体之间的距离,还结合了当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志获取当前车辆自动驾驶的动作指示信号,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
在一个实施例中,自动驾驶方法还可以包括以下步骤:根据动作指示信号,指示当前车辆上的控制器控制当前车辆进行自动驾驶。
在上述实施例中,可以根据表1所示的决策表获取动作指示信号。可以根据状态条件信息获取车辆下一步的驾驶动作。车辆状态条件信息可以包括交通信号灯转态以及与前面障碍物的距离,驾驶动作可以包括左转、直行以及右转。
表1
上述实施例,获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志,感知当前车辆与周围物体之间的距离,根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号,在选择行驶路线时,不仅考虑了当前车辆与周围物体之间的距离,还结合了当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志获取当前车辆自动驾驶的动作指示信号,既提高了行车的安全性,也增加了行驶路线选择方式的多样性。
应该理解的是,虽然图2和图3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和图3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5所示,提供了一种自动驾驶装置,包括:获取模块502、距离感知模块504以及指示模块506,获取模块502、距离感知模块504分别与指示模块506相连接。
获取模块502,用于获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志;
距离感知模块504,用于感知当前车辆与周围物体之间的距离;
指示模块506,用于根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号。
在一个实施例中,如图6所示,还提供了一种自动驾驶装置,其中,获取模块502,包括:视频采集模块5021和图像分析模块5022。除此之外,还可以包括控制模块508。视频采集模块5021与图像分析模块5022相连接,图像分析模块5022、距离感知模块504以及控制模块508分别与指示模块506相连接。
视频采集模块5021,用于采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像。
图像分析模块5022,用于通过分析第一视频图像获取当前行驶车道上的行驶方向的指示标志,通过分析第二视频图像获取前方交通信号灯的状态标志。
控制模块508,用于根据动作指示信号,指示当前车辆上的控制器控制当前车辆进行自动驾驶。
关于自动驾驶装置的具体限定可以参见上文中对于自动驾驶方法的限定,在此不再赘述。上述自动驾驶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。
需要说明的是,本发明实施例所涉及的术语“第一\第二\第三”仅仅是用于区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本发明实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过***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***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储自动驾驶数据。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。该计算机程序被处理器执行时以实现一种自动驾驶方法。
本领域技术人员可以理解,图7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、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志;
感知当前车辆与周围物体之间的距离;
根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号。
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:
获取当前行驶车道上的行驶方向的指示标志,以及前方交通信号灯的状态标志;
感知当前车辆与周围物体之间的距离;
根据指示标志、状态标志以及距离,获取当前车辆自动驾驶的动作指示信号。
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,上述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、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(S7nchlink)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 (10)
1.一种自动驾驶方法,其特征在于,包括:
采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像;
通过将所述第一视频图像输入预先建立的第一分析模型,获取当前行驶车道上的行驶方向的指示标志;所述第一分析模型由车道上路标指示的第一图像样本训练得到;
通过将所述第二视频图像输入预先建立的第二分析模型,获取前方交通信号灯的状态标志;所述第二分析模型由当前车辆前方交通信号灯的第二图像样本训练得到;
感知当前车辆与周围物体之间的距离;
根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号;
所述根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号,包括:设定车辆与周围物体之间的安全距离;判断当前车辆与周围物体之间的距离与所述安全距离之间的大小关系;根据所述指示标志、所述状态标志以及所述大小关系,获取当前车辆自动驾驶的动作指示信号;所述动作指示信号用于指示当前车辆左转、右转以及直行。
2.根据权利要求1所述的自动驾驶方法,其特征在于,所述采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像,包括:
采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像,并根据当前车辆速度自动调整采集所述第一视频图像和所述第二视频图像的频率。
3.根据权利要求1或2所述的自动驾驶方法,其特征在于,所述感知当前车辆与周围物体之间的距离,包括:
通过设置于当前车辆车顶激光测距仪以及设置于当前车辆车头的雷达,测量当前车辆与周围物体的距离。
4.根据权利要求1或2所述的自动驾驶方法,其特征在于,还包括:
根据所述动作指示信号,指示当前车辆上的控制器控制当前车辆进行自动驾驶。
5.一种自动驾驶装置,其特征在于,包括:
获取模块,用于采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像;通过将所述第一视频图像输入预先建立的第一分析模型,获取当前行驶车道上的行驶方向的指示标志;所述第一分析模型由车道上路标指示的第一图像样本训练得到;通过将所述第二视频图像输入预先建立的第二分析模型,获取前方交通信号灯的状态标志;所述第二分析模型由当前车辆前方交通信号灯的第二图像样本训练得到;
距离感知模块,用于感知当前车辆与周围物体之间的距离;
指示模块,用于根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号;所述根据所述指示标志、所述状态标志以及所述距离,获取当前车辆自动驾驶的动作指示信号,包括:设定车辆与周围物体之间的安全距离;判断当前车辆与周围物体之间的距离与所述安全距离之间的大小关系;根据所述指示标志、所述状态标志以及所述大小关系,获取当前车辆自动驾驶的动作指示信号;所述动作指示信号用于指示当前车辆左转、右转以及直行。
6.根据权利要求5所述的装置,其特征在于,所述获取模块,还用于采集当前行驶车道上车辆前方路标指示的第一视频图像和交通信号灯的第二视频图像,并根据当前车辆速度自动调整采集所述第一视频图像和所述第二视频图像的频率。
7.根据权利要求5或6所述的装置,其特征在于,所述距离感知模块,用于通过设置于当前车辆车顶激光测距仪以及设置于当前车辆车头的雷达,测量当前车辆与周围物体的距离。
8.根据权利要求5或6所述的装置,其特征在于,所述指示模块,还用于根据所述动作指示信号,指示当前车辆上的控制器控制当前车辆进行自动驾驶。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的自动驾驶方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的自动驾驶方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810994402.6A CN109116846B (zh) | 2018-08-29 | 2018-08-29 | 一种自动驾驶方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810994402.6A CN109116846B (zh) | 2018-08-29 | 2018-08-29 | 一种自动驾驶方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109116846A CN109116846A (zh) | 2019-01-01 |
CN109116846B true CN109116846B (zh) | 2022-04-05 |
Family
ID=64861185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810994402.6A Active CN109116846B (zh) | 2018-08-29 | 2018-08-29 | 一种自动驾驶方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109116846B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109991978B (zh) * | 2019-03-19 | 2021-04-02 | 莫日华 | 一种基于网络的智能自动驾驶的方法及装置 |
CN110155007A (zh) * | 2019-04-28 | 2019-08-23 | 深圳市元征科技股份有限公司 | 车辆的刹车控制方法、车载设备以及刹车控制装置 |
CN112016344A (zh) * | 2019-05-28 | 2020-12-01 | 深圳市商汤科技有限公司 | 信号指示灯的状态检测方法及装置、驾驶控制方法及装置 |
CN110727269B (zh) * | 2019-10-09 | 2023-06-23 | 陈浩能 | 车辆控制方法及相关产品 |
US20210155158A1 (en) * | 2019-11-22 | 2021-05-27 | Telenav, Inc. | Navigation system with lane estimation mechanism and method of operation thereof |
CN112987707A (zh) * | 2019-11-29 | 2021-06-18 | 北京京东乾石科技有限公司 | 一种车辆的自动驾驶控制方法及装置 |
CN113160548B (zh) * | 2020-01-23 | 2023-03-10 | 宝马股份公司 | 用于车辆的自动驾驶的方法、设备和车辆 |
CN113287076A (zh) * | 2020-05-20 | 2021-08-20 | 深圳元戎启行科技有限公司 | 传感器模块及包括其的自动驾驶***和车辆 |
CN112904843B (zh) * | 2021-01-14 | 2022-04-08 | 清华大学苏州汽车研究院(吴江) | 一种自动驾驶场景确定方法、装置、电子设备及存储介质 |
CN112859884B (zh) * | 2021-04-25 | 2021-07-30 | 北京三快在线科技有限公司 | 一种控制无人驾驶设备的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542260A (zh) * | 2011-12-30 | 2012-07-04 | 中南大学 | 一种面向无人驾驶车的道路交通标志识别方法 |
CN206038325U (zh) * | 2016-09-18 | 2017-03-22 | 中国石油大学(华东) | 一种无人驾驶智能测试车辆 |
CN107316486A (zh) * | 2017-07-11 | 2017-11-03 | 湖南星云智能科技有限公司 | 基于双摄像头的无人驾驶汽车视觉识别*** |
CN207473410U (zh) * | 2017-11-16 | 2018-06-08 | 尹新通 | 一种汽车智能自动驾驶装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9070305B1 (en) * | 2010-01-22 | 2015-06-30 | Google Inc. | Traffic light detecting system and method |
CN102819263B (zh) * | 2012-07-30 | 2014-11-05 | 中国航天科工集团第三研究院第八三五七研究所 | 多摄像头无人车视觉感知*** |
JP5883833B2 (ja) * | 2013-08-05 | 2016-03-15 | 富士重工業株式会社 | 車外環境認識装置 |
JP2018510373A (ja) * | 2015-02-10 | 2018-04-12 | モービルアイ ビジョン テクノロジーズ リミテッド | 自律車両ナビゲーションのための疎な地図 |
US9721472B2 (en) * | 2015-09-22 | 2017-08-01 | Ford Global Technologies, Llc | Formulating lane level routing plans |
CN105718870B (zh) * | 2016-01-15 | 2019-06-14 | 武汉光庭科技有限公司 | 自动驾驶中基于前向摄像头的道路标线提取方法 |
CN106205170B (zh) * | 2016-08-30 | 2020-06-12 | 上海交通大学 | 一种用于自动驾驶的路口精确停车装置与方法 |
CN107831789A (zh) * | 2017-12-12 | 2018-03-23 | 成都育芽科技有限公司 | 一种无人自动驾驶汽车交通信号灯同步控制方法 |
-
2018
- 2018-08-29 CN CN201810994402.6A patent/CN109116846B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542260A (zh) * | 2011-12-30 | 2012-07-04 | 中南大学 | 一种面向无人驾驶车的道路交通标志识别方法 |
CN206038325U (zh) * | 2016-09-18 | 2017-03-22 | 中国石油大学(华东) | 一种无人驾驶智能测试车辆 |
CN107316486A (zh) * | 2017-07-11 | 2017-11-03 | 湖南星云智能科技有限公司 | 基于双摄像头的无人驾驶汽车视觉识别*** |
CN207473410U (zh) * | 2017-11-16 | 2018-06-08 | 尹新通 | 一种汽车智能自动驾驶装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109116846A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109116846B (zh) | 一种自动驾驶方法、装置、计算机设备和存储介质 | |
CN113284366B (zh) | 车辆盲区预警方法、预警装置、mec平台和存储介质 | |
CN106740841B (zh) | 基于动态控制的车道线检测方法、装置及车载设备 | |
CN109284674B (zh) | 一种确定车道线的方法及装置 | |
US20190295420A1 (en) | Lane determination method, device and storage medium | |
CN110210280B (zh) | 一种超视距感知方法、***、终端和存储介质 | |
JP6444835B2 (ja) | 画像処理装置、画像処理プログラムおよび画像処理システム | |
US20180373943A1 (en) | Computer implemented detecting method, computer implemented learning method, detecting apparatus, learning apparatus, detecting system, and recording medium | |
US20220171065A1 (en) | Systems and methods for predicting a pedestrian movement trajectory | |
US11371851B2 (en) | Method and system for determining landmarks in an environment of a vehicle | |
CN206623754U (zh) | 车道线检测装置 | |
JP2019099138A (ja) | 車線維持補助方法及び装置 | |
US11200432B2 (en) | Method and apparatus for determining driving information | |
CN114556249A (zh) | 用于预测车辆轨迹的***和方法 | |
JP2018501543A (ja) | 現在存在する走行状況を特定するための方法及び装置 | |
JP7172441B2 (ja) | 進行可能方向検出装置及び進行可能方向検出方法 | |
AU2018410435B2 (en) | Port area monitoring method and system, and central control system | |
CN112654998B (zh) | 一种车道线检测方法和装置 | |
WO2021062594A1 (en) | Systems and methods for jointly predicting trajectories of multiple moving objects | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
KR20200043252A (ko) | 차량의 부감 영상 생성 시스템 및 그 방법 | |
CN110727269B (zh) | 车辆控制方法及相关产品 | |
JP2017072550A (ja) | 自車位置認識装置 | |
JP6753915B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理システム | |
CN109144052B (zh) | 用于自动驾驶车辆的导航***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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |