CN109389838A - 无人驾驶路口路径规划方法、***、设备及存储介质 - Google Patents

无人驾驶路口路径规划方法、***、设备及存储介质 Download PDF

Info

Publication number
CN109389838A
CN109389838A CN201811417693.9A CN201811417693A CN109389838A CN 109389838 A CN109389838 A CN 109389838A CN 201811417693 A CN201811417693 A CN 201811417693A CN 109389838 A CN109389838 A CN 109389838A
Authority
CN
China
Prior art keywords
crossing
traffic police
instruction
traffic
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.)
Pending
Application number
CN201811417693.9A
Other languages
English (en)
Inventor
侯发伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aiways Automobile Shanghai Co Ltd
Original Assignee
Aiways Automobile Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aiways Automobile Co Ltd filed Critical Aiways Automobile Co Ltd
Priority to CN201811417693.9A priority Critical patent/CN109389838A/zh
Publication of CN109389838A publication Critical patent/CN109389838A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/113—Recognition of static hand signs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种无人驾驶路口路径规划方法、***、设备及存储介质，该方法包括采集车辆前方的图像，根据图像判断车辆前方的行驶环境；如果为路口环境，则检测所述图像中是否存在交通信号灯和交警；如果在图像中检测到交警，根据交警的手势确定交警指令；如果在所述图像中检测到交通信号灯，根据交通信号灯的图像确定信号灯指令；根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，进一步可以通过训练好的控制模型来进行路径规划决策。通过采用本发明的方案，当出现路***通信号灯故障或拥堵需交警指挥交通时，能够实时针对交警手势进行准确识别并结合交通信号灯和交警手势规划合适路径，帮助无人驾驶车辆顺利通过十字路口。

Description

无人驾驶路口路径规划方法、***、设备及存储介质
技术领域
本发明涉及无人驾驶技术领域，尤其涉及一种无人驾驶路口路径规划方法、***、设备及存储介质。
背景技术
无人驾驶***分为感知***、决策规划***和执行机构；其中感知及决策规划***作为无人驾驶算法的核心***，起着至关重要的作用。目前，针对十字路口环境中的无人驾驶感知模块主要基于交通信号灯及交通标志的识别，并基于交通规则计算得出无人车行驶路径，而对于有交警指挥干预下的十字路口路径规划较少，当十字路***通信号灯故障或拥堵需交警指挥交通时，将无法遵照交警指挥通过十字路口。
发明内容
针对现有技术中的问题，本发明的目的在于提供一种无人驾驶路口路径规划方法、***、设备及存储介质，克服当路***通信号灯故障或拥堵需要交警指挥交通时，将无法遵照交警指挥通过路口的问题，针对交警手势进行准确识别并结合交通信号灯和交警手势规划合适路径。
本发明实施例提供一种无人驾驶路口路径规划方法，所述方法包括如下步骤：
采集车辆前方的图像，根据所述图像判断车辆前方的行驶环境；
如果车辆前方的行驶环境为路口环境，则检测所述图像中是否存在交通信号灯和交警；
如果在所述图像中检测到交警，根据交警的手势确定交警指令；
如果在所述图像中检测到交通信号灯，根据交通信号灯的图像确定信号灯指令；
根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划。
可选地，所述方法还包括如下步骤：
采集多个路口环境以及多个非路口环境的图像作为训练集，训练环境识别模型，所述环境识别模型的输入为图像，输出为行驶环境类型；
所述根据所述图像判断车辆前方的行驶环境，包括如下步骤：
将所述图像输入所述环境识别模块，判断输出的行驶环境类型为路口环境还是非路口环境。
可选地，所述方法还包括如下步骤：
采集多个交警在不同角度拍摄的图像作为训练集，训练交警身份识别模型，所述交警身份识别模型的输入为图像，输出为是否检测到交警的结果；
所述检测所述图像中是否存在交通信号灯，包括如下步骤：
将所述图像输入所述交警身份识别模型，根据模型的输出结果判定是否检测到交警。
可选地，所述方法还包括如下步骤：
采集指示各个不同指令的交警手势在多个不同角度的图像作为训练集，训练交警手势识别模型，所述交警手势识别模型的输入为图像，输出为交警指令；
所述根据交警的手势确定交警指令，包括如下步骤：
从所述图像中截取交警的手臂部分的图像，将截取的图像输入所述交警手势识别模型，根据模型的输出结果确定交警指令。
可选地，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，包括如下步骤：
根据图像中检测到交警指令还是信号灯指令确定当前路口工况；
将当前路口工况、检测到的交警指令和/或信号灯指令作为控制模型输入，输入至训练好的路口路径规划控制模型，得到车辆在路口行驶的车辆控制指令，所述车辆控制指令包括车辆的方向盘转角信号、油门信号、制动踏板信号和转向灯信号中的至少一种。
可选地，所述根据图像中检测到交警指令还是信号灯指令确定当前路口工况，包括如下步骤：
如果当前仅检测到交警指令，则当前路口工况为交通信号灯故障交警指挥工况；
如果当前仅检测到信号灯指令，则当前路口工况为交通信号灯正常无交警工况；
如果当前同时检测到交警指令和信号灯指令，则当前路口工况为交通信号灯正常有交警工况。
可选地，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，还包括如下步骤：
获取车辆设置的GPS定位仪的测量数据、惯性测量单元的测量数据、激光雷达的测量数据和毫米波雷达的测量数据，作为控制模型的输入，与当前路口工况、检测到的交警指令和/或信号灯指令一起输入训练好的路口路径规划控制模型。
可选地，所述方法还包括如下步骤：
采集驾驶员在各个路口的路口数据，所述路口数据包括对应路口的路口工况、交警指令、信号灯指令、车辆设置的GPS定位仪的测量数据、惯性测量单元的测量数据、激光雷达的测量数据和毫米波雷达的测量数据；
采集驾驶员在各个路口的驾驶数据，所述驾驶数据包括对应路口的车辆的方向盘转角信号、油门信号、制动踏板信号和转向灯信号；
将驾驶员的路口数据和驾驶数据根据路口位置和时间进行匹配，加入控制模型的训练集，训练路口路径规划控制模型，所述路口路径规划控制模型的输入为路口数据，输出为驾驶数据。
可选地，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，包括如下步骤：
判断是否同时检测到交警指令和信号灯指令；
如果仅检测到交警指令，则根据交警指令确定车辆在路口行驶的路径规划；
如果仅检测到信号灯指令，则根据信号灯指令确定车辆在路口行驶的路径规划；
如果同时检测到交警指令和信号灯指令，则进一步判断交警指令和信号灯指令是否存在一致；
如果存在一致，则根据一致的指令确定车辆在路口行驶的路径规划；
如果不一致，则将处理请求发送至云端服务器，根据云端服务器返回的指令确定车辆在路口行驶的路径规划。
可选地，所述方法还包括如下步骤：
所述云端服务器存储各个路口的位置数据；
车载控制器将车辆当前的位置、车辆采集的图像以及检测到的交警指令和/或信号灯指令发送至所述云端服务器；
所述云端服务器根据车辆当前的位置和车辆采集的图像确定车辆前方路口的位置范围，存储该路口所对应的车辆检测到的指令数据。
可选地，所述处理请求包括车辆当前的位置、车辆采集的图像、车辆识别到的交警指令和信号灯指令；
所述将处理请求发送至云端服务器之后，还包括如下步骤：
所述云端服务器接收到所述处理请求后，根据车辆当前的位置和车辆采集的图像确定车辆前方的路口的位置范围；
所述云端服务器判断当前时段内是否有数量大于预设阈值的其他车辆上传该路口检测到的交警指令；
如果是，则所述云端服务器整合当前时段内所有车辆上传的交警指令，根据投票决策机制确定该路口当前时段的指令；
所述云端服务器将该路口当前时段的指令返回至发送处理请求的车辆。
可选地，所述方法还包括如下步骤：
所述云端服务器接收各个路口的交通信号灯状态变更通知，根据变更通知变更对应路口的交通信号灯状态；
所述云端服务器接收交警上报的交警指挥开始通知和位置数据，根据位置数据更新对应路口的交警指挥状态；
所述云端服务器判断当前时段内是否有其他车辆上传该路口检测到的指令数据之后，还包括如下步骤：
如果当前时段内无其他车辆上传该路口检测到的交警指令，则所述云端服务器判断该路口对应的交通信号灯状态；
如果该路口对应的交通信号灯状态为故障，则所述云端服务器将车辆检测到的交警指令作为该路口的指令返回至发送处理请求的车辆；
如果该路口对应的交通信号灯状态为正常，则所述云端服务器判断该路口当前时刻之前是否接收到交警上报的交警指挥开始通知且未接收到交警上报的交警指挥结束通知，如果是，则所述云端服务器将车辆检测到的交警指令作为该路口的指令返回至发送处理请求的车辆。
可选地，所述方法还包括如下步骤：
获取车辆行驶的出发地和目的地之间的规划路线；
提取规划路线中各个路口的位置数据；
根据各个路口的位置数据在所述云端服务器查询，判断各个路口在当前时段内的指令类型；
如果一路口在当前时段内的指令类型为交警指令，则进一步判断该路口的交警指令与规划路线中该路口的行驶方向是否存在冲突；
如果存在冲突，则将该规划路线中经过该路口的部分路线变更为其他可选路线。
本发明实施例还提供一种无人驾驶路口路径规划***，应用于所述的无人驾驶路口路径规划方法，所述***包括：
图像采集模块，用于采集车辆前方的图像；
行驶环境判断模块，用于根据所述图像判断车辆前方的行驶环境；
指令检测模块，用于检测路口环境的图像中是否存在交通信号灯和交警；如果在所述图像中检测到交警，根据交警的手势确定交警指令；如果在所述图像中检测到交通信号灯，根据交通信号灯的图像确定信号灯指令；
路径规划模块，用于根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划。
本发明实施例还提供一种无人驾驶路口路径规划设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的无人驾驶路口路径规划方法的步骤。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的无人驾驶路口路径规划方法的步骤。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
本发明所提供的无人驾驶路口路径规划方法、***、设备及存储介质具有下列优点：
本发明解决了现有技术中的问题，当出现路***通信号灯故障或拥堵需交警指挥交通时，能够实时针对交警手势进行准确识别并结合交通信号灯和交警手势规划合适路径，帮助无人驾驶车辆顺利通过十字路口。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的无人驾驶路口路径规划方法的流程图；
图2是本发明一实施例的控制模型的示意图；
图3是本发明另一实施例的根据交警指令和信号灯指令确定路口的正确指令的流程图；
图4是本发明另一实施例的云端服务器根据处理请求确定路口的指令的流程图；
图5是本发明另一实施例的完整路径规划的流程图；
图6是本发明一实施例的无人驾驶路口路径规划***的结构示意图；
图7是本发明一实施例的无人驾驶路口路径规划设备的示意图；
图8是本发明一实施例的与无人驾驶路口路径规划设备相连接的外部设备的示意图；
图9是本发明一实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
如图1所示，为了解决上述技术问题，本发明实施例提供一种无人驾驶路口路径规划方法，所述方法包括如下步骤：
S100：车载控制器通过摄像头采集车辆前方的图像，根据所述图像判断车辆前方的行驶环境，具体为判断车辆前方的行驶环境为路口环境还是非路口环境；
S200：如果车辆前方的行驶环境为路口环境，则车载控制器检测所述图像中是否存在交通信号灯和交警；
S300：如果在所述图像中检测到交警，则车载控制器根据交警的手势确定交警指令，交警的指令主要包括停止、允许直行、允许左转、允许右转、左转待转、变道、减速慢行、靠边停车等等中的一种或多种的组合；
S400：如果在所述图像中检测到交通信号灯，则车载控制器根据交通信号灯的图像确定信号灯指令；信号灯指令包括但不限于允许直行、禁止直行、允许左转、禁止左转、允许右转、禁止右转、允许掉头、禁止掉头等等中的一种或多种的组合。
S500：车载控制器根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划。
在该实施例中，所述无人驾驶路口路径规划方法主要由车载控制器来执行，具体地，也可以采用其他执行主体，例如，采用与车辆绑定的移动终端执行所述无人驾驶路口路径规划方法，或采用云端服务器执行所述无人驾驶路口路径规划方法等等，均属于本发明的保护范围之内。
此处步骤的编号仅为区分各个步骤，而不表示步骤之间的顺序，上述步骤也可以调换顺序，只要能实现本发明的技术方案即可。
在该实施例中，可以通过创建环境识别模型来实现行驶环境的识别。所述方法还包括如下步骤：
采集多个路口环境以及多个非路口环境的图像作为训练集，训练环境识别模型，所述环境识别模型的输入为图像，输出为行驶环境类型，训练可以使用现有的支持向量机训练方法或卷积神经网络训练方法等；
所述根据所述图像判断车辆前方的行驶环境，包括如下步骤：
将所述图像输入所述环境识别模块，判断输出的行驶环境类型为路口环境还是非路口环境。
但本发明不限于此，也可以采用其他的环境识别算法，例如，标记路口环境中的特征并记录，将采集的图像与路口环境中的特征进行比对，判断是否一致，根据比对结果判断行驶环境的类型。
在该实施例中，对交警身份的识别也可以采用训练识别模型的方法，具体地，所述方法还包括如下步骤：
采集多个交警在不同角度拍摄的图像作为训练集，训练交警身份识别模型，所述交警身份识别模型的输入为图像，输出为是否检测到交警的结果；
所述检测所述图像中是否存在交通信号灯，包括如下步骤：
将所述图像输入所述交警身份识别模型，根据模型的输出结果判定是否检测到交警。
交警的特征可以从交警的荧光服、警服、帽子、警徽等位置抓取，训练交警身份识别模型的方法也可以采用现有的支持向量机或卷积神经网络等方式训练。另外，也可以采用其他的交警识别算法，均属于本发明的保护范围之内。
在检测到交通信号灯时，对交通信号灯的指令的识别可以通过识别交通信号灯的颜色、位置、形状来识别。
在检测到交警时，进一步对交警的手势进行识别，同样地，在该实施例中，也可以通过建立交警手势识别模型来实现，具体地，所述方法还包括如下步骤：
采集指示各个不同指令的交警手势在多个不同角度的图像作为训练集，训练交警手势识别模型，所述交警手势识别模型的输入为图像，输出为交警指令；训练的方式也可以采用现有的支持向量机训练方法或卷积神经网络训练方法等；
所述根据交警的手势确定交警指令，包括如下步骤：
从所述图像中截取交警的手臂部分的图像，将截取的图像输入所述交警手势识别模型，根据模型的输出结果确定交警指令。
另外，采用其他的交警手势算法对交警手势进行识别也是可以的，均属于本发明的保护范围之内。例如，在图像中识别交警的手部动作，对手部动作的图像进行处理，根据手势绘制图形，采用矩阵形式对图形构造模式，将采集的图像所对应的模式与预设的几种手势类型所对应的模式进行比对，可以确定采集图像所对应的手势类型。
在本发明一实施例中，可以采用端到端的控制模型来实现路口行驶的路径规划。具体地，在该实施例中，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，包括如下步骤：
根据图像中检测到交警指令还是信号灯指令确定当前路口工况；
将当前路口工况、检测到的交警指令和/或信号灯指令作为控制模型输入，输入至训练好的路口路径规划控制模型，得到车辆在路口行驶的车辆控制指令，所述车辆控制指令包括车辆的方向盘转角信号、油门信号、制动踏板信号和转向灯信号中的至少一种。
所述根据图像中检测到交警指令还是信号灯指令确定当前路口工况，包括如下步骤：
如果当前仅检测到交警指令，则当前路口工况为交通信号灯故障交警指挥工况；
如果当前仅检测到信号灯指令，则当前路口工况为交通信号灯正常无交警工况；
如果当前同时检测到交警指令和信号灯指令，则当前路口工况为交通信号灯正常有交警工况。
如图2所示，为本发明一实施例的路口路径规划控制模型的示意图。其中，输入为路口数据，输出为驾驶数据。输入可以为包括多个参数的一个多维数组，例如，以数字表示路口工况的类型，1表示交通信号灯故障交警指挥工况，2表示交通信号灯正常无交警工况，3表示交通信号灯正常有交警工况；利用数字表示交警指令的类型，例如，1表示前行，2表示左转等，利用数字表示信号灯指令，例如，1表示前行，2表示左转等，如果没有检测到交警指令，则交警指令对应的维度为0，如果没有检测到信号灯指令，则信号灯指令对应的维度为0。输出也可以是一个多维数组，包括四个维度：方向盘转角信号、油门信号、制动踏板信号和转向灯信号，各个维度不同的值可以表示不同的控制指令。
进一步地，在该实施例中，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，还可以包括如下步骤：
获取车辆设置的GPS定位仪的测量数据、惯性测量单元的测量数据、激光雷达的测量数据和毫米波雷达的测量数据，作为控制模型的输入，与当前路口工况、检测到的交警指令和/或信号灯指令一起输入训练好的路口路径规划控制模型。
具体地，端到端的控制模型的输入和输出可以根据实际情况和需要进行调整，而不以此处列出的和图中示出的为限。
该实施例的路口路径规划控制模型，可以通过事先采集驾驶员的驾驶习惯数据进行学习，采用神经网络或其他机器学习模型，并且可以不断优化控制模型，最优化模型参数。
在该实施例中，训练模型之前，需要首先采集训练集的数据，具体地，采集驾驶员在各个路口的路口数据，所述路口数据包括对应路口的路口工况、交警指令、信号灯指令、车辆设置的GPS定位仪的测量数据、惯性测量单元的测量数据、激光雷达的测量数据和毫米波雷达的测量数据；
采集驾驶员在各个路口的驾驶数据，所述驾驶数据包括对应路口的车辆的方向盘转角信号、油门信号、制动踏板信号和转向灯信号；
将驾驶员的路口数据和驾驶数据根据路口位置和时间进行匹配，加入控制模型的训练集，即训练集中包括各个路口数据组和与各个路口数据组一一对应的驾驶数据，训练路口路径规划控制模型，所述路口路径规划控制模型的输入为路口数据，输出为驾驶数据。
如图3所示，本发明还提供了另一实施例中的路径规划方法，在该实施例中，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，包括如下步骤：
判断是否同时检测到交警指令和信号灯指令；
如果仅检测到交警指令，则根据交警指令确定车辆在路口行驶的路径规划，此时说明当前路口没有交通信号灯或交通信号灯故障，则以交警指示为准；
如果仅检测到信号灯指令，则根据信号灯指令确定车辆在路口行驶的路径规划，此时说明当前没有交警在该路口指挥，只需要根据交通信号灯的指令进行路径规划即可；
如果同时检测到交警指令和信号灯指令，则进一步判断交警指令和信号灯指令是否存在一致；
如果存在一致，则根据一致的指令确定车辆在路口行驶的路径规划；此处交警指令和信号灯指令一致，可以是两者完全相同，例如交警指令为允许直行，而信号灯指令也为允许直行，则此时确定车辆在该路口为直行，也可以是部分一致，例如交警指令为允许直行，而信号灯指令包括允许直行和允许右转，则根据两者重合的部分，即允许直行确定车辆在该路口为直行；
如果不一致，为了避免识别出错，则将处理请求发送至云端服务器，由云端服务器进行判断处理，根据云端服务器返回的指令确定车辆在路口行驶的路径规划。云端服务器可以综合多个车辆的上传数据进行整合、并且可以结合交警部门的反馈、交通信号灯的反馈以及路况报告、天气报告等信息，综合判断该路口正确的指令。
该实施例进一步给出了一种云端服务器判断路口正确的指令的方案，但可理解的是，此方案仅为示例，不作为本发明保护范围的限制。
在该实施例中，所述无人驾驶路口路径规划方法还包括如下步骤：
所述云端服务器存储各个路口的位置数据；
车载控制器将车辆当前的位置、车辆采集的图像以及检测到的交警指令和/或信号灯指令发送至所述云端服务器；此处的车载控制器不限于无人驾驶车辆的车载控制器，在有驾驶员操作的车辆中，如果车载控制器加入了车联网，也可以将采集的信息上传到云端服务器，为云端服务器判断提供更多的数据支持；
所述云端服务器根据车辆当前的位置和车辆采集的图像确定车辆前方路口的位置范围，存储该路口所对应的车辆检测到的指令数据。
在该实施例中，所述处理请求包括车辆当前的位置、车辆采集的图像、车辆识别到的交警指令和信号灯指令；
如图4所示，所述将处理请求发送至云端服务器之后，还包括如下步骤：
所述云端服务器接收到所述处理请求后，根据车辆当前的位置和车辆采集的图像确定车辆前方的路口的位置范围，根据该位置范围即可以定位到发送处理请求的车辆所对应的路口；
所述云端服务器判断当前时段内是否有数量大于预设阈值的其他车辆上传该路口检测到的交警指令；例如，设定预设阈值为2，即除了该车辆之外，还需要至少两辆车辆也上传了该路口检测到的交警指令；
如果是，则所述云端服务器整合当前时段内所有车辆上传的交警指令，根据投票决策机制确定该路口当前时段的指令；采用投票决策机制可以进一步提高交警手势判断的准确率；
所述云端服务器将该路口当前时段的指令返回至发送处理请求的车辆。
由于仅仅依靠车辆上传的采集信息，云端服务器的数据量可以比较小，在短时间内无法形成有效的判断依据，因此。云端服务器还可以结合各个路口的交通信号灯本身的反馈以及交警部门的反馈、交通路口信息等等来综合判断。具体地，所述方法还包括如下步骤：
所述云端服务器接收各个路口的交通信号灯状态变更通知，根据变更通知变更对应路口的交通信号灯状态；
所述云端服务器接收交警上报的交警指挥开始通知和位置数据，根据位置数据更新对应路口的交警指挥状态；
所述云端服务器判断当前时段内是否有其他车辆上传该路口检测到的指令数据之后，还包括如下步骤：
如果当前时段内无其他车辆上传该路口检测到的交警指令，则所述云端服务器判断该路口对应的交通信号灯状态；
如果该路口对应的交通信号灯状态为故障，则所述云端服务器将车辆检测到的交警指令作为该路口的指令返回至发送处理请求的车辆；
如果该路口对应的交通信号灯状态为正常，则所述云端服务器判断该路口当前时刻之前是否接收到交警上报的交警指挥开始通知且未接收到交警上报的交警指挥结束通知，如果是，则所述云端服务器将车辆检测到的交警指令作为该路口的指令返回至发送处理请求的车辆，否则，云端服务器可以进一步请求交管部门，请交管部门协助确定该路口当前的正确指令。
如图5所示，基于上述方案，所述云端服务器中存储了各个路口当前时刻的正确的指令，则可以根据所述方法还包括如下步骤：
车载控制器获取车辆行驶的出发地和目的地之间的规划路线；由于规划路线一般是根据交通信号灯的指示和已有的交通指示牌来进行规划的，而没有考虑到可能当前有交警指挥交通的情况，可能会有所偏差；
车载控制器提取规划路线中各个路口的位置数据；
车载控制器根据各个路口的位置数据在所述云端服务器查询，判断各个路口在当前时段内的指令类型；
如果一路口在当前时段内的指令类型为交警指令，则车载控制器进一步判断该路口的交警指令与规划路线中该路口的行驶方向是否存在冲突；
如果存在冲突，在该种情况下，可能会出现车辆来到此路口后，无法按照既定的规划路线行走的情况，因此车载控制器提前将该规划路线中经过该路口的部分路线变更为其他可选路线。
出发地和目的地之间的距离可以有一定的限值，此处目的地也不一定指的是最终的目的地，可以将出发地和最终目的地之间的路程分段，每一段进行路径规划时，从云端服务器获取到当前路段的各个路口是否有交警指挥交通的信息，并根据该信息调整当前路段的路径规划，在行驶到当前路段时，再获取下一个路段的各个路口的交警指挥信息，调整下一个路段的路径规划，从而保证交警指挥信息获取的时效性。
采用该种方式，不仅可以最大程度优化无人驾驶在路口处的路径规划，还可以优化无人驾驶在整段路程中的路径规划。
如图6所示，本发明实施例还提供一种无人驾驶路口路径规划***，应用于所述的无人驾驶路口路径规划方法，所述***包括：
图像采集模块100，用于采集车辆前方的图像；
行驶环境判断模块200，用于根据所述图像判断车辆前方的行驶环境；
指令检测模块300，用于检测路口环境的图像中是否存在交通信号灯和交警；如果在所述图像中检测到交警，根据交警的手势确定交警指令；如果在所述图像中检测到交通信号灯，根据交通信号灯的图像确定信号灯指令；
路径规划模块400，用于根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划。
本发明实施例还提供一种无人驾驶路口路径规划设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的无人驾驶路口路径规划方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备600以通用计算设备的形式表现。电子设备600的组合可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组合(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储平台等。
如图8所示，在该实施例中，与电子设备600通信的外部设备700还可以包括摄像头、激光雷达、毫米波雷达、GPS、V2X(Vehicle toeverything，车辆与外界信息交换)设备、域控制器/工控机等，从外部设备700获取探测的数据，作为无人驾驶路口路径规划的输入。此处外部设备700仅为举例，各个设备与路径规划设备的通讯方式也仅为示例，本发明不限于此。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的无人驾驶路口路径规划方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，与现有技术相比，本发明所提供的无人驾驶路口路径规划方法、***、设备及存储介质具有下列优点：
本发明解决了现有技术中的问题，当出现路***通信号灯故障或拥堵需交警指挥交通时，能够实时针对交警手势进行准确识别并结合交通信号灯和交警手势规划合适路径，帮助无人驾驶车辆顺利通过十字路口。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (16)

1.一种无人驾驶路口路径规划方法，其特征在于，包括如下步骤：
采集车辆前方的图像，根据所述图像判断车辆前方的行驶环境；
如果车辆前方的行驶环境为路口环境，则检测所述图像中是否存在交通信号灯和交警；
如果在所述图像中检测到交警，根据交警的手势确定交警指令；
如果在所述图像中检测到交通信号灯，根据交通信号灯的图像确定信号灯指令；
根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划。
2.根据权利要求1所述的无人驾驶路口路径规划方法，其特征在于，还包括如下步骤：
采集多个路口环境以及多个非路口环境的图像作为训练集，训练环境识别模型，所述环境识别模型的输入为图像，输出为行驶环境类型；
所述根据所述图像判断车辆前方的行驶环境，包括如下步骤：
将所述图像输入所述环境识别模块，判断输出的行驶环境类型为路口环境还是非路口环境。
3.根据权利要求1所述的无人驾驶路口路径规划方法，其特征在于，还包括如下步骤：
采集多个交警在不同角度拍摄的图像作为训练集，训练交警身份识别模型，所述交警身份识别模型的输入为图像，输出为是否检测到交警的结果；
所述检测所述图像中是否存在交警，包括如下步骤：
将所述图像输入所述交警身份识别模型，根据模型的输出结果判定是否检测到交警。
4.根据权利要求1所述的无人驾驶路口路径规划方法，其特征在于，还包括如下步骤：
采集指示各个不同指令的交警手势在多个不同角度的图像作为训练集，训练交警手势识别模型，所述交警手势识别模型的输入为图像，输出为交警指令；
所述根据交警的手势确定交警指令，包括如下步骤：
从所述图像中截取交警的手臂部分的图像，将截取的图像输入所述交警手势识别模型，根据模型的输出结果确定交警指令。
5.根据权利要求1所述的无人驾驶路口路径规划方法，其特征在于，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，包括如下步骤：
根据图像中检测到交警指令还是信号灯指令确定当前路口工况；
将当前路口工况、检测到的交警指令和/或信号灯指令作为控制模型输入，输入至训练好的路口路径规划控制模型，得到车辆在路口行驶的车辆控制指令，所述车辆控制指令包括车辆的方向盘转角信号、油门信号、制动踏板信号和转向灯信号中的至少一种。
6.根据权利要求5所述的无人驾驶路口路径规划方法，其特征在于，所述根据图像中检测到交警指令还是信号灯指令确定当前路口工况，包括如下步骤：
如果当前仅检测到交警指令，则当前路口工况为交通信号灯故障交警指挥工况；
如果当前仅检测到信号灯指令，则当前路口工况为交通信号灯正常无交警工况；
如果当前同时检测到交警指令和信号灯指令，则当前路口工况为交通信号灯正常有交警工况。
7.根据权利要求5所述的无人驾驶路口路径规划方法，其特征在于，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，还包括如下步骤：
获取车辆设置的GPS定位仪的测量数据、惯性测量单元的测量数据、激光雷达的测量数据和毫米波雷达的测量数据，作为控制模型的输入，与当前路口工况、检测到的交警指令和/或信号灯指令一起输入训练好的路口路径规划控制模型。
8.根据权利要求7所述的无人驾驶路口路径规划方法，其特征在于，所述方法还包括如下步骤：
采集驾驶员在各个路口的路口数据，所述路口数据包括对应路口的路口工况、交警指令、信号灯指令、车辆设置的GPS定位仪的测量数据、惯性测量单元的测量数据、激光雷达的测量数据和毫米波雷达的测量数据；
采集驾驶员在各个路口的驾驶数据，所述驾驶数据包括对应路口的车辆的方向盘转角信号、油门信号、制动踏板信号和转向灯信号；
将驾驶员的路口数据和驾驶数据根据路口位置和时间进行匹配，加入控制模型的训练集，训练路口路径规划控制模型，所述路口路径规划控制模型的输入为路口数据，输出为驾驶数据。
9.根据权利要求1所述的无人驾驶路口路径规划方法，其特征在于，所述根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划，包括如下步骤：
判断是否同时检测到交警指令和信号灯指令；
如果仅检测到交警指令，则根据交警指令确定车辆在路口行驶的路径规划；
如果仅检测到信号灯指令，则根据信号灯指令确定车辆在路口行驶的路径规划；
如果同时检测到交警指令和信号灯指令，则进一步判断交警指令和信号灯指令是否存在一致；
如果存在一致，则根据一致的指令确定车辆在路口行驶的路径规划；
如果不一致，则将处理请求发送至云端服务器，根据云端服务器返回的指令确定车辆在路口行驶的路径规划。
10.根据权利要求9所述的无人驾驶路口路径规划方法，其特征在于，所述方法还包括如下步骤：
所述云端服务器存储各个路口的位置数据；
车载控制器将车辆当前的位置、车辆采集的图像以及检测到的交警指令和/或信号灯指令发送至所述云端服务器；
所述云端服务器根据车辆当前的位置和车辆采集的图像确定车辆前方路口的位置范围，存储该路口所对应的车辆检测到的指令数据。
11.根据权利要求10所述的无人驾驶路口路径规划方法，其特征在于，所述处理请求包括车辆当前的位置、车辆采集的图像、车辆识别到的交警指令和信号灯指令；
所述将处理请求发送至云端服务器之后，还包括如下步骤：
所述云端服务器接收到所述处理请求后，根据车辆当前的位置和车辆采集的图像确定车辆前方的路口的位置范围；
所述云端服务器判断当前时段内是否有数量大于预设阈值的其他车辆上传该路口检测到的交警指令；
如果是，则所述云端服务器整合当前时段内所有车辆上传的交警指令，根据投票决策机制确定该路口当前时段的指令；
所述云端服务器将该路口当前时段的指令返回至发送处理请求的车辆。
12.根据权利要求11所述的无人驾驶路口路径规划方法，其特征在于，还包括如下步骤：
所述云端服务器接收各个路口的交通信号灯状态变更通知，根据变更通知变更对应路口的交通信号灯状态；
所述云端服务器接收交警上报的交警指挥开始通知和位置数据，根据位置数据更新对应路口的交警指挥状态；
所述云端服务器判断当前时段内是否有其他车辆上传该路口检测到的指令数据之后，还包括如下步骤：
如果当前时段内无其他车辆上传该路口检测到的交警指令，则所述云端服务器判断该路口对应的交通信号灯状态；
如果该路口对应的交通信号灯状态为故障，则所述云端服务器将车辆检测到的交警指令作为该路口的指令返回至发送处理请求的车辆；
如果该路口对应的交通信号灯状态为正常，则所述云端服务器判断该路口当前时刻之前是否接收到交警上报的交警指挥开始通知且未接收到交警上报的交警指挥结束通知，如果是，则所述云端服务器将车辆检测到的交警指令作为该路口的指令返回至发送处理请求的车辆。
13.根据权利要求12所述的无人驾驶路口路径规划方法，其特征在于，还包括如下步骤：
获取车辆行驶的出发地和目的地之间的规划路线；
提取规划路线中各个路口的位置数据；
根据各个路口的位置数据在所述云端服务器查询，判断各个路口在当前时段内的指令类型；
如果一路口在当前时段内的指令类型为交警指令，则进一步判断该路口的交警指令与规划路线中该路口的行驶方向是否存在冲突；
如果存在冲突，则将该规划路线中经过该路口的部分路线变更为其他可选路线。
14.一种无人驾驶路口路径规划***，其特征在于，应用于权利要求1至13中任一项所述的无人驾驶路口路径规划方法，所述***包括：
图像采集模块，用于采集车辆前方的图像；
行驶环境判断模块，用于根据所述图像判断车辆前方的行驶环境；
指令检测模块，用于检测路口环境的图像中是否存在交通信号灯和交警；如果在所述图像中检测到交警，根据交警的手势确定交警指令；如果在所述图像中检测到交通信号灯，根据交通信号灯的图像确定信号灯指令；
路径规划模块，用于根据交警指令和/或信号灯指令确定车辆在路口行驶的路径规划。
15.一种无人驾驶路口路径规划设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至13中任一项所述的无人驾驶路口路径规划方法的步骤。
16.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至13中任一项所述的无人驾驶路口路径规划方法的步骤。
CN201811417693.9A 2018-11-26 2018-11-26 无人驾驶路口路径规划方法、***、设备及存储介质 Pending CN109389838A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811417693.9A CN109389838A (zh) 2018-11-26 2018-11-26 无人驾驶路口路径规划方法、***、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811417693.9A CN109389838A (zh) 2018-11-26 2018-11-26 无人驾驶路口路径规划方法、***、设备及存储介质

Publications (1)

Publication Number Publication Date
CN109389838A true CN109389838A (zh) 2019-02-26

Family

ID=65429826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811417693.9A Pending CN109389838A (zh) 2018-11-26 2018-11-26 无人驾驶路口路径规划方法、***、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109389838A (zh)

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109903576A (zh) * 2019-04-22 2019-06-18 爱驰汽车有限公司 基于导航的车辆变道提醒方法、***、设备及存储介质
CN110347043A (zh) * 2019-07-15 2019-10-18 武汉天喻信息产业股份有限公司 一种智能驾驶控制方法及装置
CN110598563A (zh) * 2019-08-15 2019-12-20 北京致行慕远科技有限公司 可移动设备行进的处理方法、装置及存储介质
CN110658820A (zh) * 2019-10-10 2020-01-07 北京京东乾石科技有限公司 无人驾驶车辆的控制方法及装置、电子设备、存储介质
CN110689747A (zh) * 2019-10-12 2020-01-14 北京百度网讯科技有限公司 自动驾驶车辆的控制方法和装置、自动驾驶车辆
CN111047871A (zh) * 2019-11-19 2020-04-21 北京航空航天大学 一种基于车联网的人机驾驶混合交通协同控制***及方法
CN111081045A (zh) * 2019-12-31 2020-04-28 智车优行科技（上海）有限公司 姿态轨迹预测方法及电子设备
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、***、存储介质和处理器
CN111599179A (zh) * 2020-05-21 2020-08-28 北京航空航天大学 一种基于风险动态平衡的无信号交叉口自动驾驶运动规划方法
CN111666906A (zh) * 2020-06-10 2020-09-15 上海商汤智能科技有限公司 提示信息生成方法、装置、电子设备及存储介质
CN111814657A (zh) * 2020-07-06 2020-10-23 南京工业大学 一种基于图像识别的无人车停车方法、***及存储介质
CN111824003A (zh) * 2019-04-23 2020-10-27 上海汽车集团股份有限公司 一种车灯的控制方法及控制***
CN111931726A (zh) * 2020-09-23 2020-11-13 北京百度网讯科技有限公司 交通灯检测的方法、装置、计算机存储介质和路侧设备
CN111985373A (zh) * 2020-08-12 2020-11-24 杭州鸿泉物联网技术股份有限公司 基于交通路口识别的安全预警方法、装置及电子设备
WO2020238699A1 (zh) * 2019-05-28 2020-12-03 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
CN112208539A (zh) * 2019-07-09 2021-01-12 奥迪股份公司 用于自动驾驶车辆的***、车辆、方法和介质
CN112487869A (zh) * 2020-11-06 2021-03-12 深圳优地科技有限公司 机器人路口通行方法、装置和智能设备
CN112765823A (zh) * 2021-01-26 2021-05-07 陈佳伟 一种基于大数据的远程桌面控制***及方法
CN112991799A (zh) * 2019-12-17 2021-06-18 现代自动车株式会社 使用v2x通信的车辆自动驾驶***和方法
CN113033464A (zh) * 2021-04-10 2021-06-25 阿波罗智联(北京)科技有限公司 信号灯检测方法、装置、设备以及存储介质
CN113140120A (zh) * 2020-01-16 2021-07-20 华为技术有限公司 确定交通指示信息的方法及装置
CN113160547A (zh) * 2020-01-22 2021-07-23 华为技术有限公司 一种自动驾驶方法及相关设备
CN113192352A (zh) * 2021-06-03 2021-07-30 山东交通学院 一种接收交管人员指令的自动驾驶方法及***
CN113295181A (zh) * 2021-07-28 2021-08-24 国汽智控(北京)科技有限公司 车辆的路径规划方法、装置和***
CN113514074A (zh) * 2021-07-09 2021-10-19 北京航空航天大学 一种交叉口的路径规划方法、装置及存储介质
CN113954835A (zh) * 2020-07-15 2022-01-21 广州汽车集团股份有限公司 一种车辆在路口处的行驶控制方法、***及计算机可读存储介质
CN114202942A (zh) * 2022-01-12 2022-03-18 北京京东乾石科技有限公司 交通灯相关模块控制方法和装置
US11422559B2 (en) 2020-02-18 2022-08-23 Wipro Limited Method and system of navigating an autonomous vehicle at an intersection of roads

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013207223A1 (de) * 2013-04-22 2014-10-23 Ford Global Technologies, Llc Verfahren zur Erkennung von nicht motorisierten Verkehrsteilnehmern
CN104943684A (zh) * 2014-03-31 2015-09-30 比亚迪股份有限公司 无人驾驶汽车控制***和具有其的汽车
CN107084733A (zh) * 2017-04-10 2017-08-22 广东数相智能科技有限公司 一种基于无人驾驶的路径规划的方法、装置及***
CN107490382A (zh) * 2017-07-31 2017-12-19 中北智杰科技（北京）有限公司 一种无人驾驶汽车路径规划***及控制方法
CN107813830A (zh) * 2016-08-31 2018-03-20 法乐第(北京)网络科技有限公司 一种辅助车辆驾驶的方法及装置
CN107813817A (zh) * 2016-08-25 2018-03-20 大连楼兰科技股份有限公司 无人驾驶***、无人驾驶方法及车辆
CN107944624A (zh) * 2017-11-17 2018-04-20 南京大学 一种基于隐马尔科夫模型的无人车路口驾驶决策方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013207223A1 (de) * 2013-04-22 2014-10-23 Ford Global Technologies, Llc Verfahren zur Erkennung von nicht motorisierten Verkehrsteilnehmern
CN104943684A (zh) * 2014-03-31 2015-09-30 比亚迪股份有限公司 无人驾驶汽车控制***和具有其的汽车
CN107813817A (zh) * 2016-08-25 2018-03-20 大连楼兰科技股份有限公司 无人驾驶***、无人驾驶方法及车辆
CN107813830A (zh) * 2016-08-31 2018-03-20 法乐第(北京)网络科技有限公司 一种辅助车辆驾驶的方法及装置
CN107084733A (zh) * 2017-04-10 2017-08-22 广东数相智能科技有限公司 一种基于无人驾驶的路径规划的方法、装置及***
CN107490382A (zh) * 2017-07-31 2017-12-19 中北智杰科技（北京）有限公司 一种无人驾驶汽车路径规划***及控制方法
CN107944624A (zh) * 2017-11-17 2018-04-20 南京大学 一种基于隐马尔科夫模型的无人车路口驾驶决策方法

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109903576A (zh) * 2019-04-22 2019-06-18 爱驰汽车有限公司 基于导航的车辆变道提醒方法、***、设备及存储介质
CN111824003A (zh) * 2019-04-23 2020-10-27 上海汽车集团股份有限公司 一种车灯的控制方法及控制***
WO2020238699A1 (zh) * 2019-05-28 2020-12-03 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
CN112208539A (zh) * 2019-07-09 2021-01-12 奥迪股份公司 用于自动驾驶车辆的***、车辆、方法和介质
CN110347043A (zh) * 2019-07-15 2019-10-18 武汉天喻信息产业股份有限公司 一种智能驾驶控制方法及装置
CN110347043B (zh) * 2019-07-15 2023-03-10 武汉天喻信息产业股份有限公司 一种智能驾驶控制方法及装置
CN110598563A (zh) * 2019-08-15 2019-12-20 北京致行慕远科技有限公司 可移动设备行进的处理方法、装置及存储介质
CN110658820A (zh) * 2019-10-10 2020-01-07 北京京东乾石科技有限公司 无人驾驶车辆的控制方法及装置、电子设备、存储介质
CN110689747A (zh) * 2019-10-12 2020-01-14 北京百度网讯科技有限公司 自动驾驶车辆的控制方法和装置、自动驾驶车辆
CN111047871B (zh) * 2019-11-19 2021-08-06 北京航空航天大学 一种基于车联网的人机驾驶混合交通协同控制***及方法
CN111047871A (zh) * 2019-11-19 2020-04-21 北京航空航天大学 一种基于车联网的人机驾驶混合交通协同控制***及方法
CN112991799A (zh) * 2019-12-17 2021-06-18 现代自动车株式会社 使用v2x通信的车辆自动驾驶***和方法
CN111081045A (zh) * 2019-12-31 2020-04-28 智车优行科技（上海）有限公司 姿态轨迹预测方法及电子设备
CN113140120A (zh) * 2020-01-16 2021-07-20 华为技术有限公司 确定交通指示信息的方法及装置
CN113160547B (zh) * 2020-01-22 2023-02-03 华为技术有限公司 一种自动驾驶方法及相关设备
CN113160547A (zh) * 2020-01-22 2021-07-23 华为技术有限公司 一种自动驾驶方法及相关设备
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、***、存储介质和处理器
US11422559B2 (en) 2020-02-18 2022-08-23 Wipro Limited Method and system of navigating an autonomous vehicle at an intersection of roads
CN111599179A (zh) * 2020-05-21 2020-08-28 北京航空航天大学 一种基于风险动态平衡的无信号交叉口自动驾驶运动规划方法
CN111666906A (zh) * 2020-06-10 2020-09-15 上海商汤智能科技有限公司 提示信息生成方法、装置、电子设备及存储介质
CN111814657A (zh) * 2020-07-06 2020-10-23 南京工业大学 一种基于图像识别的无人车停车方法、***及存储介质
CN113954835A (zh) * 2020-07-15 2022-01-21 广州汽车集团股份有限公司 一种车辆在路口处的行驶控制方法、***及计算机可读存储介质
CN111985373A (zh) * 2020-08-12 2020-11-24 杭州鸿泉物联网技术股份有限公司 基于交通路口识别的安全预警方法、装置及电子设备
CN111931726A (zh) * 2020-09-23 2020-11-13 北京百度网讯科技有限公司 交通灯检测的方法、装置、计算机存储介质和路侧设备
CN111931726B (zh) * 2020-09-23 2024-06-11 阿波罗智联(北京)科技有限公司 交通灯检测的方法、装置、计算机存储介质和路侧设备
CN112487869A (zh) * 2020-11-06 2021-03-12 深圳优地科技有限公司 机器人路口通行方法、装置和智能设备
CN112765823B (zh) * 2021-01-26 2022-11-18 北京城建智控科技股份有限公司 一种基于大数据的远程桌面控制***及方法
CN112765823A (zh) * 2021-01-26 2021-05-07 陈佳伟 一种基于大数据的远程桌面控制***及方法
CN113033464A (zh) * 2021-04-10 2021-06-25 阿波罗智联(北京)科技有限公司 信号灯检测方法、装置、设备以及存储介质
CN113033464B (zh) * 2021-04-10 2023-11-21 阿波罗智联(北京)科技有限公司 信号灯检测方法、装置、设备以及存储介质
CN113192352A (zh) * 2021-06-03 2021-07-30 山东交通学院 一种接收交管人员指令的自动驾驶方法及***
CN113514074A (zh) * 2021-07-09 2021-10-19 北京航空航天大学 一种交叉口的路径规划方法、装置及存储介质
CN113514074B (zh) * 2021-07-09 2023-11-17 北京航空航天大学 一种交叉口的路径规划方法、装置及存储介质
CN113295181A (zh) * 2021-07-28 2021-08-24 国汽智控(北京)科技有限公司 车辆的路径规划方法、装置和***
CN114202942B (zh) * 2022-01-12 2023-09-01 北京京东乾石科技有限公司 交通灯相关模块控制方法和装置
CN114202942A (zh) * 2022-01-12 2022-03-18 北京京东乾石科技有限公司 交通灯相关模块控制方法和装置

Similar Documents

Publication Publication Date Title
CN109389838A (zh) 无人驾驶路口路径规划方法、***、设备及存储介质
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
US11835951B2 (en) Object motion prediction and autonomous vehicle control
US11644319B2 (en) Destination changes in autonomous vehicles
US11022974B2 (en) Sensor-based object-detection optimization for autonomous vehicles
US20190101924A1 (en) Anomaly Detection Systems and Methods for Autonomous Vehicles
KR102470186B1 (ko) 자율 주행 능력들을 갖춘 차량의 작동에 대한 개입
CA3127637A1 (en) Operator assistance for autonomous vehicles
BR112019016268B1 (pt) Método para uso no atravessamento de uma rede de transporte de veículo e veículo autônomo
CN110471411A (zh) 自动驾驶方法和自动驾驶装置
CN107944375A (zh) 基于场景分割的自动驾驶处理方法及装置、计算设备
CN110325928A (zh) 自主车辆运行管理
CN109213134A (zh) 生成自动驾驶策略的方法和装置
CN108646752A (zh) 自动驾驶***的控制方法及装置
CN107054360A (zh) 用于自动控制带有侦察车的跟随车的方法和***
CN106541947A (zh) 车辆主动驾驶控制***及控制方法和车辆、智能车机
CN106292432A (zh) 信息处理方法、装置和电子设备
CN118104211A (zh) 用于测试云和车载自主车辆***的***、方法和计算机程序产品
JP7462837B2 (ja) 低信頼度の物体検出条件における車両動作のための注釈及びマッピング
CN115659701B (zh) 车路协同v2x应用场景的验证方法、设备和存储介质
US11755008B2 (en) Using plays for human-AI decision-making in remote autonomous vehicle support
US11899446B2 (en) Verifying authorized personnel for interaction with autonomous vehicles
US20230153384A1 (en) Training classification model for an autonomous vehicle by using an augmented scene
Raj et al. Application of Cloud Robotics in Autonomous Vehicles
CN118339069A (zh) 响应于施工区域手势信号的自动驾驶车辆机动

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
TA01 Transfer of patent application right

Effective date of registration: 20200923

Address after: 201821 J871 room 6, 1288 Yecheng Road, Jiading District, Shanghai.

Applicant after: AIWAYS AUTO (SHANGHAI) Co.,Ltd.

Address before: 334000 Jiangxi Province, Shangrao city Shangrao Economic & Technological Development Zone West Park Avenue

Applicant before: AIWAYS AUTOMOBILE (SHANGHAI) Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20190226

RJ01 Rejection of invention patent application after publication