CN109656245B - 刹车位置的确定方法和装置 - Google Patents
刹车位置的确定方法和装置 Download PDFInfo
- Publication number
- CN109656245B CN109656245B CN201811290746.5A CN201811290746A CN109656245B CN 109656245 B CN109656245 B CN 109656245B CN 201811290746 A CN201811290746 A CN 201811290746A CN 109656245 B CN109656245 B CN 109656245B
- Authority
- CN
- China
- Prior art keywords
- brake
- determining
- information
- density distribution
- braking
- 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 58
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G05D1/0276—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)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种刹车位置的确定方法和装置。本发明刹车位置的确定方法,包括:获取多个车辆的刹车信号以及各车辆发出刹车信号时的位置信息;根据刹车信号和位置信息,确定目标车辆的开启刹车区域。本发明实现了无人驾驶车辆自动确定刹车线位置。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种刹车位置的确定方法和装置。
背景技术
随着汽车技术的智能化,无人驾驶汽车应运而生。无人驾驶汽车依靠车内智能驾驶仪来实现无人驾驶的目的。在无人驾驶汽车行驶过程中,需要为无人驾驶汽车提供车道线的信息。
现有技术,无人驾驶车辆时,需要获知刹车线的位置,即车辆开始启动刹车的位置,便于无人驾驶汽车的安全行驶。因此,现亟需一种可以自动确定刹车线位置的方法。
发明内容
本发明提供一种刹车位置的确定方法和装置,以实现无人驾驶车辆自动确定刹车线位置。
第一方面,本发明提供一种刹车位置的确定方法,包括:
获取多个车辆的刹车信号以及各所述车辆发出刹车信号时的位置信息;
根据所述刹车信号和所述位置信息,确定目标车辆的开启刹车区域。
可选地,所述根据所述刹车信号和所述位置信息,确定目标车辆的开启刹车区域,包括:
根据所述刹车信号,确定所述刹车信号的密度分布信息;
根据所述刹车信号的密度分布信息和所述位置信息,确定所述开启刹车区域。
可选地,所述根据所述刹车信号的密度分布信息和所述位置信息,确定所述开启刹车区域,包括:
将所述刹车信号的密度分布信息和所述位置信息输入至预先训练的神经网络模型中,得到所述开启刹车区域。
可选地,所述根据所述刹车信号的密度分布信息和所述位置信息,确定所述开启刹车区域,包括:
将所述刹车信号的密度分布信息最大的位置,确定为所述开启刹车区域。
可选地,所述方法还包括:
确定多个车辆的轨迹信息;
确定与所述轨迹信息对应的GPS信号的密度分布信息;
根据所述GPS信号的密度分布信息,确定所述目标车辆的停车线区域。
可选地,所述根据所述GPS信号的密度分布信息,确定所述目标车辆的停车线区域,包括:
将所述GPS信号的密度分布信息最大的位置,确定为所述停车线区域。
可选地,所述确定多个车辆的轨迹信息,包括:
接收各车辆发送的GPS信号;
根据各车辆发送的GPS信号,确定各车辆的轨迹信息。
第二方面,本发明提供一种刹车位置的确定装置,包括:
获取模块,用于获取多个车辆的刹车信号以及各所述车辆发出刹车信号时的位置信息;
处理模块,用于根据所述刹车信号和所述位置信息,确定目标车辆的开启刹车区域。
可选地,所述处理模块,具体用于根据所述刹车信号,确定所述刹车信号的密度分布信息;根据所述刹车信号的密度分布信息和所述位置信息,确定所述开启刹车区域。
可选地,所述处理模块,用于将所述刹车信号的密度分布信息和所述位置信息输入至预先训练的神经网络模型中,得到所述开启刹车区域。
可选地,所述处理模块,用于将所述刹车信号的密度分布信息最大的位置,确定为所述开启刹车区域。
可选地,所述处理模块,还用于确定多个车辆的轨迹信息;确定与所述轨迹信息对应的GPS信号的密度分布信息;根据所述GPS信号的密度分布信息,确定所述目标车辆的停车线区域。
可选地,所述处理模块,具体用于将所述GPS信号的密度分布信息最大的位置,确定为所述停车线区域。
可选地,所述获取模块,还用于接收各车辆发送的GPS信号;
所述处理模块,用于根据各车辆发送的GPS信号,确定各车辆的轨迹信息。
第三方面,本发明提供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第一方面所述的刹车位置的确定方法。
第四方面,本发明提供一种电子设备,包括:
处理器;以及
存储器,用于存储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第一方面所述的刹车位置的确定方法。
本发明提供的刹车位置的确定方法和装置,通过各车辆的刹车信号以及各车辆发出刹车信号时的位置信息,可以准确确定目标车辆的开启刹车区域,该开启刹车区域为目标车辆开启刹车的安全距离范围,使得无人驾驶车辆可以在该开启刹车区域的范围内,及时开启刹车,也使得无人驾驶车辆可以安全刹车以不超过刹车线,避免无人驾驶车辆发生交通事故,保证了无人驾驶车辆的安全性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的刹车位置的确定方法的流程示意图;
图2为本发明提供的刹车位置的确定方法的流程示意图;
图3为本发明提供的刹车位置的确定方法的流程示意图;
图4为本发明提供的刹车位置的确定装置的结构示意图;
图5为本发明提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。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他实施例,都属于本发明保护的范围。
本实施例提供一种刹车位置的确定方法和装置,可以应用于无人驾驶汽车等各种应用场景中。本实施例中,当无人驾驶车辆需要刹车时,针对任意一条刹车线,服务器可以根据获取到的各车辆开始启动刹车的刹车信号以及各车辆开始启动刹车时所处的位置信息,分析出各车辆行驶并停止到该刹车线的安全距离范围,从而准确确定出无人驾驶车辆的开启刹车区域。
下面,以服务器作为执行主体,对本实施例的刹车位置的确定方法的具体实现过程进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图1为本发明提供的刹车位置的确定方法的流程示意图,如图1所示,本实施例的刹车位置的确定方法可以包括:
S101、获取多个车辆的刹车信号以及各车辆发出刹车信号时的位置信息。
S102、根据刹车信号和位置信息,确定目标车辆的开启刹车区域。
具体地,由于在任意一个需要刹车的实际场景中,如某个十字路口处,道路上会标识有刹车线,用来标识车辆在刹车时不能超过该刹车线,因此,针对任意一条刹车线,在行驶过该刹车线之前有过刹车的车辆可以在开始启动刹车时向服务器发送刹车信号,以告知服务器车辆在通过该刹车线之前有过刹车,进而,服务器可以预设时长内各车辆的刹车信号,并且,服务器还可以获取各车辆开始启动刹车时所处的位置信息,即各车辆发出刹车信号的位置信息。
其中,车辆可以同时将刹车信号以及位置信息一起发送给服务器,也可以在服务器接收到刹车信号之后再发送位置信息,本实施例对此不做限定。且本实施例对刹车信号和位置信息的具体形式不做限定,刹车信号可以采用标识或代码,位置信息可以为经纬度信息等。另外,各车辆向服务器发送刹车信号和位置信息的同时,还可以向服务器发送自身型号、当前行驶速度以及各性能参数等信息,以便于服务器可以根据这些信息,综合确定各车辆的性能指标。并且,服务器所选择的预设时长可以根据实际情况进行设置,本实施例对此不做限定。例如,预设时长可以为一年、一个月、一周等一段时间。
进一步地,服务器根据刹车信号和位置信息,可以计算出各车辆通常在该刹车线之前的刹车频次,再分析得到各车辆停止到该刹车线的安全距离范围,从而确定出目标车辆的开启刹车区域。
其中,开启刹车区域可以包括起始位置信息和终点位置信息,也可以包括始位置信息和中线位置信息,也可以为中线位置信息和终点位置信息,本实施例对开启刹车区域的具体实现形式不做限定。
进一步地,若任意一台无人驾驶汽车在通过该刹车线之前需要进行刹车,则任意一台无人驾驶车辆可以在该开启刹车区域的范围内,开始启动刹车,便可安全在该刹车线之前顺利停下来,使得无人驾驶车辆安全行驶在道路上。其中,文中的目标车辆指的是无人驾驶车辆。
需要说明的是;针对所有需要刹车的实际场景中,服务器皆可根据上述方式确定出目标车辆的开启刹车区域,此处不做赘述。
本实施例提供的刹车位置的确定方法,通过各车辆的刹车信号以及各车辆发出刹车信号时的位置信息,可以准确确定目标车辆的开启刹车区域,该开启刹车区域为目标车辆开启刹车的安全距离范围,使得无人驾驶车辆可以在该开启刹车区域的范围内,及时开启刹车,也使得无人驾驶车辆可以安全刹车以不超过刹车线,避免无人驾驶车辆发生交通事故,保证了无人驾驶车辆的安全性能。
在上述实施例的基础上,结合图2对图1所示实施例S102中的根据刹车信号和位置信息,确定目标车辆的开启刹车区域的具体实现方式进行详细说明。
图2为本发明提供的刹车位置的确定方法的流程示意图,如图1所示,本实施例的刹车位置的确定方法可以包括:
S201、获取多个车辆的刹车信号以及各车辆发出刹车信号时的位置信息。
其中,S201与图1实施例中的S101实现方式类似,本实施例此处不再赘述。
S2021、根据刹车信号,确定刹车信号的密度分布信息。
具体地,针对任意一条刹车线所在的实际场景中,服务器通过接收各车辆发送的刹车信号,根据各刹车信号在当前场景下实际密度的分布状况,从而,服务器可以确定出刹车信号的密度分布信息。
其中,本实施例对刹车信号的密度分布信息的具体形式不做限定。
S2022、根据刹车信号的密度分布信息和位置信息,确定开启刹车区域。
具体地,由于刹车信号的密度分布可以描述各车辆开始启动刹车分布的具体情况,各位置信息可以确定出各车辆开始启动刹车的具***置,进而,服务器可以根据刹车信号的密度分布信息和位置信息,确定出目标车辆的开启刹车区域。
其中,本实施例对服务器确定开启刹车区域的具体形式不做限定。下面,采用两种可行方式的实施方式对服务器确定开启刹车区域的具体过程进行详细说明。
一种可行的实施方式中,可选地,将刹车信号的密度分布信息和位置信息输入至预先训练的神经网络模型中,得到开启刹车区域。
具体地,针对任意一条刹车线,服务器可以采集并存储不同性能的车辆以各种速度通过该刹车线之前的开始启动刹车时发出的刹车信号和各车辆所在的位置信息,从而模拟出各种场景下各车辆开启刹车的过程。这样,服务器便可对各刹车信号的密度分布信息和位置信息进行训练,得到预先训练的神经网络模型。
其中,预先训练的神经网络模型可以采用深度卷积神经网络(DeepConvolutional Neural Networks)结构,该深度卷积神经网络网络包括但不限于:RCNN(Regions with CNN features),SSD(Single Shot MultiBox Detector)、Mask RCNN等物体检测及其他图像分割模型。
需要说明的是:本实施例对服务器基于深度卷积神经网络结构的原理获得预先训练的神经网络模型的具体实现过程可参照现有技术,此处不做赘述。
进一步地,服务器将获取到的刹车信号的密度分布信息和位置信息,确定当前目标车辆的开启刹车区域。
另一种可行的实施方式中,可选地,将刹车信号的密度分布信息最大的位置,确定为开启刹车区域。
具体地,由于刹车信号的密度分布信息可以表明各车辆开始启动刹车时在当前道路上的实际分布情况,因此,服务器可以将刹车信号的密度分布信息最大的位置,确定为目标车辆的开启刹车区域。
本实施例提供的刹车位置的确定方法,通过根据各车辆的刹车信号,确定刹车信号的密度分布信息,再根据刹车信号的密度分布信息和位置信息,可以准备确定目标车辆的开启刹车区域,该开启刹车区域为目标车辆开启刹车的安全距离范围,使得无人驾驶车辆可以在该开启刹车区域的范围内,及时开启刹车,也使得无人驾驶车辆可以安全刹车以不超过刹车线,避免无人驾驶车辆发生交通事故,保证了无人驾驶车辆的安全性能。
在上述实施例的基础上,结合图3,对本实施例的刹车位置的确定方法的具体实现过程进行详细说明。
图3为本发明提供的刹车位置的确定方法的流程示意图,如图3所示,本实施例的刹车位置的确定方法可以包括:
S301、获取多个车辆的刹车信号以及各车辆发出刹车信号时的位置信息。
S302、根据刹车信号和位置信息,确定目标车辆的开启刹车区域。
其中,S301和S302分别与图1实施例中的S101和S102实现方式类似,本实施例此处不再赘述。
S303、确定多个车辆的轨迹信息。
具体地,针对任意一条刹车线所在的实际场景中,服务器可以确定出各个车辆实际运动的轨迹,即各车辆的轨迹信息。其中,本实施例对服务器确定车辆的轨迹信息的具体实现方式不做限定。
可选地,接收各车辆发送的GPS信号;根据各车辆发送的GPS信号,确定各车辆的轨迹信息。
具体地,由于各车辆上均安装有全球定位***(Global Positioning System,GPS),各车辆上的GPS可以实时或定时向服务器发送GPS信号,使得服务器可以实时或定时或者各车辆的实际位置,从而,在一段时间内,服务器可以将各车辆的实际位置连成一条线,使得服务器可以根据各车辆发送的GPS信号,确定出各车辆的轨迹信息。
其中,本实施例对GPS信号的具体实现形式不做限定。
S304、确定与轨迹信息对应的GPS信号的密度分布信息。
S305、根据GPS信号的密度分布信息,确定目标车辆的停车线区域。
具体地,由于相同道路,刹车线为同一个位置基准,且GPS信号是实时或定时发送的,因此,在车辆刹车后停止行驶时,服务器获得的GPS信号个数最多,进而,服务器可以根据接收到的GPS信号的个数来确定GPS信号的密集程度,从而,服务器可以根据接收到的全部GPS信号,确定出任意一条轨迹信息对应的GPS信号的密度分布信息,再根据该GPS信号的密度分布信息,确定目标车辆的停车线区域。
可选地,将GPS信号的密度分布信息最大的位置,确定为停车线区域。
具体地,由于在车辆刹车后停止行驶时,服务器获得的GPS信号个数最多,GPS信号的密集程度最高,因此,服务器可以将GPS信号的密度分布信息最大的位置,确定为目标车辆的停车线区域,即无人驾驶车辆的停车线区域。
其中,停车线区域中包括最近终止位置和最远终止位置,最远终止位置应该不超过刹车线的实际位置,使得目标车辆可以在安全距离内停止行驶。
需要说明的是,上述S301-S302与S303-S305之间没有时序上的先后顺序,且S301-S302与S303-S305可以同时执行,也可以顺序执行。
本实施例提供的刹车位置的确定方法,通过各车辆的刹车信号以及各车辆发出刹车信号时的位置信息,可以确定目标车辆的开启刹车区域。再通过根据与各车辆的轨迹信息对应的GPS信号的密度分布信息,可以确定目标车辆的停车线区域,使得服务器既可以确定出目标车辆的开启刹车区域,又可以确定出停车线区域,保障了无人驾驶车辆可以在开启刹车区域内及时开启刹车,又保障了无人驾驶车辆可以在停车线区域及时停止行驶,使得无人驾驶车辆可以安全刹车,保证了无人驾驶车辆的安全性能,避免无人驾驶车辆发生交通事故。
图4为本发明提供的刹车位置的确定装置的结构示意图,如图4所示,本实施例的刹车位置的确定装置可以包括:
获取模块41,用于获取多个车辆的刹车信号以及各车辆发出刹车信号时的位置信息;
处理模块42,用于根据刹车信号和位置信息,确定目标车辆的开启刹车区域。
可选地,处理模块42,具体用于根据刹车信号,确定刹车信号的密度分布信息;根据刹车信号的密度分布信息和位置信息,确定开启刹车区域。
可选地,处理模块42,用于将刹车信号的密度分布信息和位置信息输入至预先训练的神经网络模型中,得到开启刹车区域。
可选地,处理模块42,用于将刹车信号的密度分布信息最大的位置,确定为开启刹车区域。
可选地,处理模块42,还用于确定多个车辆的轨迹信息;确定与轨迹信息对应的GPS信号的密度分布信息;根据GPS信号的密度分布信息,确定目标车辆的停车线区域。
可选地,处理模块42,具体用于将GPS信号的密度分布信息最大的位置,确定为停车线区域。
可选地,获取模块41,还用于接收各车辆发送的GPS信号;
处理模块42,用于根据各车辆发送的GPS信号,确定各车辆的轨迹信息。
本实施例的刹车位置的确定装置,可以用于执行图1-图3所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本发明中可以根据上述方法示例对刹车位置的确定装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明各实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
图5为本发明提供的电子设备的硬件结构示意图。如图5所示,该电子设备50,用于实现上述任一方法实施例中对应于服务器的操作,本实施例的电子设备50可以包括:存储器51和处理器52;
存储器51,用于存储计算机程序;
处理器52,用于执行存储器存储的计算机程序,以实现上述实施例中的刹车位置的确定方法。具体可以参见前述方法实施例中的相关描述。
可选地,存储器51既可以是独立的,也可以跟处理器52集成在一起。
当存储器51是独立于处理器52之外的器件时,电子设备50还可以包括:
总线53,用于连接存储器51和处理器52。
可选地,本实施例还包括:通信接口54,该通信接口54可以通过总线53与处理器52连接。处理器52可以控制通信接口53来实现电子设备50的上述的接收和发送的功能。
本实施例提供的电子设备可用于执行上述的刹车位置的确定方法,其实现方式和技术效果类似,本实施例此处不再赘述。
本发明还提供一种计算机可读存储介质,计算机可读存储介质包括计算机程序,计算机程序用于实现如上实施例中的刹车位置的确定方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (14)
1.一种刹车位置的确定方法,其特征在于,包括:
获取多个车辆的刹车信号以及各所述车辆发出刹车信号时的位置信息;
根据所述刹车信号和所述位置信息,确定目标车辆的开启刹车区域;
所述方法还包括:
确定多个车辆的轨迹信息;
确定与所述轨迹信息对应的GPS信号的密度分布信息;
根据所述GPS信号的密度分布信息,确定所述目标车辆的停车线区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述刹车信号和所述位置信息,确定目标车辆的开启刹车区域,包括:
根据所述刹车信号,确定所述刹车信号的密度分布信息;
根据所述刹车信号的密度分布信息和所述位置信息,确定所述开启刹车区域。
3.根据权利要求2所述的方法,其特征在于,所述根据所述刹车信号的密度分布信息和所述位置信息,确定所述开启刹车区域,包括:
将所述刹车信号的密度分布信息和所述位置信息输入至预先训练的神经网络模型中,得到所述开启刹车区域。
4.根据权利要求2所述的方法,其特征在于,所述根据所述刹车信号的密度分布信息和所述位置信息,确定所述开启刹车区域,包括:
将所述刹车信号的密度分布信息最大的位置,确定为所述开启刹车区域。
5.根据权利要求1所述的方法,其特征在于,所述根据所述GPS信号的密度分布信息,确定所述目标车辆的停车线区域,包括:
将所述GPS信号的密度分布信息最大的位置,确定为所述停车线区域。
6.根据权利要求1或5所述的方法,其特征在于,所述确定多个车辆的轨迹信息,包括:
接收各车辆发送的GPS信号;
根据各车辆发送的GPS信号,确定各车辆的轨迹信息。
7.一种刹车位置的确定装置,其特征在于,包括:
获取模块,用于获取多个车辆的刹车信号以及各所述车辆发出刹车信号时的位置信息;
处理模块,用于根据所述刹车信号和所述位置信息,确定目标车辆的开启刹车区域;
所述处理模块,还用于确定多个车辆的轨迹信息;确定与所述轨迹信息对应的GPS信号的密度分布信息;根据所述GPS信号的密度分布信息,确定所述目标车辆的停车线区域。
8.根据权利要求7所述的装置,其特征在于,所述处理模块,具体用于根据所述刹车信号,确定所述刹车信号的密度分布信息;根据所述刹车信号的密度分布信息和所述位置信息,确定所述开启刹车区域。
9.根据权利要求8所述的装置,其特征在于,所述处理模块,用于将所述刹车信号的密度分布信息和所述位置信息输入至预先训练的神经网络模型中,得到所述开启刹车区域。
10.根据权利要求8所述的装置,其特征在于,所述处理模块,用于将所述刹车信号的密度分布信息最大的位置,确定为所述开启刹车区域。
11.根据权利要求7所述的装置,其特征在于,所述处理模块,具体用于将所述GPS信号的密度分布信息最大的位置,确定为所述停车线区域。
12.根据权利要求7或11所述的装置,其特征在于,所述获取模块,还用于接收各车辆发送的GPS信号;
所述处理模块,用于根据各车辆发送的GPS信号,确定各车辆的轨迹信息。
13.一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1-6任一项所述的刹车位置的确定方法。
14.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储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1-6任一项所述的刹车位置的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811290746.5A CN109656245B (zh) | 2018-10-31 | 2018-10-31 | 刹车位置的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811290746.5A CN109656245B (zh) | 2018-10-31 | 2018-10-31 | 刹车位置的确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109656245A CN109656245A (zh) | 2019-04-19 |
CN109656245B true CN109656245B (zh) | 2020-10-27 |
Family
ID=66110629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811290746.5A Active CN109656245B (zh) | 2018-10-31 | 2018-10-31 | 刹车位置的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109656245B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11325529B2 (en) * | 2020-06-18 | 2022-05-10 | Baidu Usa Llc | Early brake light warning system for autonomous driving vehicle |
CN114140270A (zh) * | 2021-10-26 | 2022-03-04 | 北京中交兴路信息科技有限公司 | 基于车辆行驶数据判断车辆救援的方法、***及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903438A (zh) * | 2014-03-14 | 2014-07-02 | 深圳先进技术研究院 | 客运车辆违规停车地点识别方法及*** |
CN108053645A (zh) * | 2017-09-12 | 2018-05-18 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007041916A (ja) * | 2005-08-04 | 2007-02-15 | Nissan Motor Co Ltd | 車両用停止線検出システム |
US7916006B2 (en) * | 2008-06-25 | 2011-03-29 | GM Global Technology Operations LLC | Judgment line calculations for a vehicle safety system |
CN103693040B (zh) * | 2013-12-10 | 2016-04-13 | 金陵科技学院 | 一种基于双模式协作的车辆避撞*** |
KR101915164B1 (ko) * | 2016-12-30 | 2019-01-07 | 현대자동차주식회사 | 자동 주차 시스템 및 자동 주차 방법 |
CN106803353B (zh) * | 2015-11-26 | 2021-06-29 | 罗伯特·博世有限公司 | 用于确定交通信号灯的变换规则的方法和车载*** |
JP2017117096A (ja) * | 2015-12-22 | 2017-06-29 | 三菱自動車工業株式会社 | 車両の運転操作監視装置 |
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 |
KR102585219B1 (ko) * | 2016-11-29 | 2023-10-05 | 삼성전자주식회사 | 차량 속도 제어 방법 및 장치 |
CN108263371A (zh) * | 2016-12-29 | 2018-07-10 | 乐视汽车(北京)有限公司 | 车辆控制装置以及车辆 |
CN108248606A (zh) * | 2016-12-29 | 2018-07-06 | 乐视汽车(北京)有限公司 | 车辆控制方法、装置、以及车辆 |
KR101915167B1 (ko) * | 2016-12-30 | 2018-11-06 | 현대자동차주식회사 | 자동 주차 시스템 및 자동 주차 방법 |
CN106837649B (zh) * | 2017-03-03 | 2018-06-22 | 吉林大学 | 基于信号灯倒计时识别的自学习智能起停*** |
CN107609633B (zh) * | 2017-05-03 | 2020-08-14 | 同济大学 | 车联网复杂网络中基于深度学习的车辆行驶影响因素的位置预测模型构造方法 |
CN108225364B (zh) * | 2018-01-04 | 2021-07-06 | 吉林大学 | 一种无人驾驶汽车驾驶任务决策***及方法 |
CN108248686A (zh) * | 2018-01-31 | 2018-07-06 | 肇庆学院 | 一种基于四轮独立转向驱动线控汽车的紧急制动控制方法 |
-
2018
- 2018-10-31 CN CN201811290746.5A patent/CN109656245B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903438A (zh) * | 2014-03-14 | 2014-07-02 | 深圳先进技术研究院 | 客运车辆违规停车地点识别方法及*** |
CN108053645A (zh) * | 2017-09-12 | 2018-05-18 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109656245A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111123735B (zh) | 自动驾驶仿真运行方法和装置 | |
US10429841B2 (en) | Vehicle control method and apparatus and method and apparatus for acquiring decision-making model | |
CN109032103B (zh) | 无人驾驶车辆的测试方法、装置、设备及存储介质 | |
CN109878515B (zh) | 预测车辆轨迹的方法、装置、存储介质和终端设备 | |
EP3690754A1 (en) | Method and device for creating traffic scenario with domain adaptation on virtual driving environment for testing, validating, and training autonomous vehicle | |
WO2022082476A1 (zh) | 一种仿真交通场景文件生成方法及装置 | |
CN108508881B (zh) | 自动驾驶控制策略调整方法、装置、设备及存储介质 | |
CN111932881A (zh) | 交通路口管理方法、装置、终端设备及存储介质 | |
CN109656245B (zh) | 刹车位置的确定方法和装置 | |
CN111413973A (zh) | 车辆的换道决策方法及装置、电子设备、存储介质 | |
CN110285977B (zh) | 自动驾驶车辆的测试方法、装置、设备及存储介质 | |
CN109637148B (zh) | 车载鸣笛监控***、方法、存储介质及设备 | |
CN117075350B (zh) | 行车交互信息显示方法及装置、存储介质及电子设备 | |
CN111199083A (zh) | 复现无人驾驶车辆事故数据的方法和装置 | |
CN111381575B (zh) | 自动测试方法、装置、服务器、电子设备及存储介质 | |
CN115991196A (zh) | 一种基于lstm的车辆换道策略控制的算法及软件 | |
US20230256994A1 (en) | Assessing relative autonomous vehicle performance via evaluation of other road users | |
CN115743182A (zh) | 自动驾驶车辆的绕行方法、控制方法及车载设备 | |
WO2023133758A1 (zh) | 测试方法及装置 | |
CN104992560A (zh) | 一种行驶路线数据的处理方法及服务器 | |
CN109407662B (zh) | 无人驾驶车辆控制方法及装置 | |
CN108022250B (zh) | 基于自适应阈值分割的自动驾驶处理方法及装置 | |
CN112829757A (zh) | 自动驾驶控制***、服务器装置以及存储程序的存储介质 | |
CN111640330A (zh) | 一种基于边缘计算的防碰撞方法及相关装置 | |
CN111126365A (zh) | 一种数据采集方法及装置 |
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 |