CN109947113A - 一种有人驾驶汽车与无人驾驶汽车路面共享方法 - Google Patents

一种有人驾驶汽车与无人驾驶汽车路面共享方法 Download PDF

Info

Publication number
CN109947113A
CN109947113A CN201910282653.6A CN201910282653A CN109947113A CN 109947113 A CN109947113 A CN 109947113A CN 201910282653 A CN201910282653 A CN 201910282653A CN 109947113 A CN109947113 A CN 109947113A
Authority
CN
China
Prior art keywords
vehicle
density
travel route
manned
road surface
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
CN201910282653.6A
Other languages
English (en)
Inventor
王晓东
夏靖波
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.)
Xiamen University Tan Kah Kee College
Original Assignee
Xiamen University Tan Kah Kee College
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 Xiamen University Tan Kah Kee College filed Critical Xiamen University Tan Kah Kee College
Priority to CN201910282653.6A priority Critical patent/CN109947113A/zh
Publication of CN109947113A publication Critical patent/CN109947113A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种有人驾驶汽车与无人驾驶汽车路面共享方法，包括以下步骤：步骤S1:获取行驶路线上的道路空间的二维图；步骤S2:实时采集行驶路线上的车辆分布情况；步骤S3:根据得到的道路空间的二维图和车辆分布情况，计算得到行驶路线上的车辆分布密度；步骤S4:根据行驶路线上的车辆分布密度，得到行驶路线上的全局密度最低区域；步骤S5:驱动无人驾驶车辆向全局密度最低区域移动，实现充道路资源的空隙。本发明解决道路资源恶意竞争，提高无人驾驶车辆行驶安全性，并实现道路车辆的均匀分布。

Description

一种有人驾驶汽车与无人驾驶汽车路面共享方法
技术领域
本发明涉及无人驾驶领域，具体涉及一种有人驾驶汽车与无人驾驶汽车路面共享方法。
背景技术
随着无人驾驶车辆从实验室逐渐走向应用(Google、百度公司& 宝马、Uber及各大传统汽车厂商先后参与研发)，则无人驾驶与有人 驾驶车辆共享交通资源的局面将在不久的将来呈现在人们面前(至少 在无人驾驶汽车完全替代有人驾驶之前，这种状况会长期存在)。这 种局面不可避免地导致二者(有人驾驶车辆与无人驾驶车辆)之间如 何协调共享有限的道路资源的问题，其矛盾主要体现在两个方面。
一方面，如果无人驾驶车辆因自己是机器（自定义将优先级低于有人驾驶车辆），而一味地牵就有人驾驶车辆，则会损害无人驾驶乘客的利益。
另一方面，如果无人驾驶车辆强势地与有人驾驶车辆争抢道路资 源，那么又会造成有人驾驶车辆驾驶员的压力。当不同等级的自动驾 驶汽车共享相同的道路时，必然呈现出不同的行驶行为特征，富有预 见性地推理不难得出结论，这种差异会导致道路资源恶意竞争(尤其 是在车辆之间速度、方向差异大时，这种矛盾会变得异常严峻)，如 果不能提出适合的解决方案，这种竞争势必会带来安全、行驶效率、 用户体验等一系列问题，这是现阶段汽车厂商就必须重视和提前探讨 解决的重大问题。
发明内容
有鉴于此，本发明的目的在于提供一种有人驾驶汽车与无人驾驶汽车路面共享方法，解决道路资源恶意竞争，提高无人驾驶车辆行驶安全性。
为实现上述目的，本发明采用如下技术方案：
一种有人驾驶汽车与无人驾驶汽车路面共享方法，包括以下步骤：
步骤S1:获取行驶路线上的道路空间的二维图；
步骤S2:实时采集行驶路线上的车辆分布情况；
步骤S3:根据得到的道路空间的二维图和车辆分布情况，计算得到行驶路线上的车辆分布密度；
步骤S4:根据行驶路线上的车辆分布密度，得到行驶路线上的全局密度最低区域；
步骤S5:驱动无人驾驶车辆向全局密度最低区域移动，实现充道路资源的空隙。
进一步的，所述步骤S1采用视觉SLAM实施即时定位与地图构建，车辆通过对图像传感器数据进行采集和计算，生成行驶路线上的道路空间的二维图。
进一步的，所述步骤S2采用雷达或道路视频监控实时采集行驶路线上的车辆分布情况。
进一步的，所述车辆分布密度计算公式如下:
（1）
为密度，n为车辆数量，为道路面积。
进一步的，所述全局密度最低区域具体计算过程如下：
步骤S51:按照左右模式将对象区域Q分为左右相等的两部分、，分别测算、两个区域的车辆分布密度大小，选取相对密度小的区域；
步骤S52:对步骤S51选取的密度小的区域再进行二分，分为左右相等的两部分、，分别测算两个区域的车辆分布密度大小，选取相对密度小的区域
步骤S53:判断步骤S52选取的小密度区域的面积大小，若小于车辆能够容纳大小则输出、中小的，作为输出。
进一步的，驱动无人驾驶车辆向全局密度最低区域移动，可以采用的方法包括：超车、横向变道、以及减速让道的前向、横向、后向移动。
本发明与现有技术相比具有以下有益效果：
本发明提高了有人驾驶汽车与无人驾驶汽车路面道路资源的使用效率，缓解交通压力。
附图说明
图1是本发明一实施例中应用示意图；
图2是本发明方法流程原理图；
图3是本发明一实施例中道路空间的二维图获取原理图；
图4是本发明一实施例中雷达采集车辆分布情况原理图；
图5是本发明一实施例中无人驾驶车辆移动示意图；
图6是本发明一实施例中无人驾驶车辆与有人驾驶车辆共享路面示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种有人驾驶汽车与无人驾驶汽车路面共享方法，包括以下步骤：
步骤S1:获取行驶路线上的道路空间的二维图；
步骤S2:实时采集行驶路线上的车辆分布情况；
步骤S3:根据得到的道路空间的二维图和车辆分布情况，计算得到行驶路线上的车辆分布密度；
步骤S4:根据行驶路线上的车辆分布密度，得到行驶路线上的全局密度最低区域；
步骤S5:驱动无人驾驶车辆向全局密度最低区域移动，实现充道路资源的空隙。
参照图3，本实施例采用视觉SLAM实施即时定位与地图构建，车辆通过对图像传感器数据进行采集和计算，生成行驶路线上的道路空间的二维图。视觉SLAM包括传感器数据、前端视觉里程计、后端非线性优化、回环检测、建图几个技术模块。传感器采用双目能够计算深度，前端视觉里程计测算客货舱装备的室内大致空间位置；后端优化处理观测和运动模型之间的误差，计算最大后验概率估计；回环检测是识别到达过的地点；用于重构地图。
在本实施例中，所述车辆分布密度计算公式如下:
（1）
为密度，n为车辆数量，为道路面积。如图5所示，扩散过程中，自动驾驶车辆“A”向前向区域中的全局密度最低区域移动（也可以采用降低车速的方式，形成本车与周围车辆的负速度，达成后向移动的效果）；全局密度最低区域为，将前向区域划分为q个等面积子区域，按照公式（1）分别测算对应的车辆密度，即：，全局密度最低区域为密度值最小；
本实施例中，所述全局密度最低区域测算方法采用二分法，具有简单高效的优点；为了实现更加准确的测算，可以通过机器学习方法，对常见的分布状况进行学习（利用python提供的神经网络第三方NeuroLab库，构造深层学习神经网络，基于样本训练计算神经网络）进行最优解的计算；具体计算过程如下：
步骤S51:按照左右模式将对象区域Q分为左右相等的两部分、，分别测算、两个区域的车辆分布密度大小，选取相对密度小的区域；
步骤S52:对步骤S51选取的密度小的区域再进行二分，分为左右相等的两部分、，分别测算两个区域的车辆分布密度大小，选取相对密度小的区域
步骤S53:判断步骤S52选取的小密度区域的面积大小，若小于车辆能够容纳大小则输出、中小的，作为输出。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (6)

1.一种有人驾驶汽车与无人驾驶汽车路面共享方法，其特征在于，包括以下步骤：
步骤S1:获取行驶路线上的道路空间的二维图；
步骤S2:实时采集行驶路线上的车辆分布情况；
步骤S3:根据得到的道路空间的二维图和车辆分布情况，计算得到行驶路线上的车辆分布密度；
步骤S4:根据行驶路线上的车辆分布密度，得到行驶路线上的全局密度最低区域；
步骤S5:驱动无人驾驶车辆向全局密度最低区域移动，实现充道路资源的空隙。
2.根据权利要求1所述的一种有人驾驶汽车与无人驾驶汽车路面共享方法，其特征在于：所述步骤S1采用视觉SLAM实施即时定位与地图构建，车辆通过对图像传感器数据进行采集和计算，生成行驶路线上的道路空间的二维图。
3.根据权利要求1所述的一种有人驾驶汽车与无人驾驶汽车路面共享方法，其特征在于：所述步骤S2采用雷达或道路视频监控实时采集行驶路线上的车辆分布情况。
4.根据权利要求1所述的一种有人驾驶汽车与无人驾驶汽车路面共享方法，其特征在于：从区域道路全局的角度进行整体测算，利用有人驾驶和无人驾驶车辆各自分布密度形成的压力差进行判断，所述车辆分布密度计算公式如下:
（1）
为车辆分布密度，n为车辆数量，为道路面积。
5.根据权利要求1所述的一种有人驾驶汽车与无人驾驶汽车路面共享方法，其特征在于：所述全局密度最低区域具体计算过程如下：
步骤S51:按照左右模式将对象区域Q分为左右相等的两部分、，分别测算、两个区域的车辆分布密度大小，选取相对密度小的区域；
步骤S52:对步骤S51选取的密度小的区域再进行二分，分为左右相等的两部分、，分别测算两个区域的车辆分布密度大小，选取相对密度小的区域
步骤S53:判断步骤S52选取的小密度区域的面积大小，若小于车辆能够容纳大小则输出、中小的，作为输出。
6.根据权利要求1所述的一种有人驾驶汽车与无人驾驶汽车路面共享方法，其特征在于：驱动无人驾驶车辆向全局密度最低区域移动，可以采用的方法包括：超车、横向变道、以及减速让道的前向、横向、后向移动。
CN201910282653.6A 2019-04-10 2019-04-10 一种有人驾驶汽车与无人驾驶汽车路面共享方法 Pending CN109947113A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910282653.6A CN109947113A (zh) 2019-04-10 2019-04-10 一种有人驾驶汽车与无人驾驶汽车路面共享方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910282653.6A CN109947113A (zh) 2019-04-10 2019-04-10 一种有人驾驶汽车与无人驾驶汽车路面共享方法

Publications (1)

Publication Number Publication Date
CN109947113A true CN109947113A (zh) 2019-06-28

Family

ID=67014073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910282653.6A Pending CN109947113A (zh) 2019-04-10 2019-04-10 一种有人驾驶汽车与无人驾驶汽车路面共享方法

Country Status (1)

Country Link
CN (1) CN109947113A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337043A (zh) * 2020-03-17 2020-06-26 北京嘀嘀无限科技发展有限公司 一种路径的规划方法、装置、存储介质和电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105185141A (zh) * 2015-10-14 2015-12-23 浙江大学 一种基于引力场的车辆自动驾驶引导方法
CN106557814A (zh) * 2016-11-15 2017-04-05 成都通甲优博科技有限责任公司 一种道路车辆密度评估方法及装置
CN107154160A (zh) * 2017-06-30 2017-09-12 安徽超清科技股份有限公司 一种救护车快速通行引导***
CN107256627A (zh) * 2017-03-21 2017-10-17 江建国 自动驾驶车辆调度方法、装置及***
CN107336711A (zh) * 2017-06-19 2017-11-10 北京汽车股份有限公司 车辆及其自动驾驶***和方法
CN108519773A (zh) * 2018-03-07 2018-09-11 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
CN111506084A (zh) * 2020-05-19 2020-08-07 安徽江淮汽车集团股份有限公司 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105185141A (zh) * 2015-10-14 2015-12-23 浙江大学 一种基于引力场的车辆自动驾驶引导方法
CN106557814A (zh) * 2016-11-15 2017-04-05 成都通甲优博科技有限责任公司 一种道路车辆密度评估方法及装置
CN107256627A (zh) * 2017-03-21 2017-10-17 江建国 自动驾驶车辆调度方法、装置及***
CN107336711A (zh) * 2017-06-19 2017-11-10 北京汽车股份有限公司 车辆及其自动驾驶***和方法
CN107154160A (zh) * 2017-06-30 2017-09-12 安徽超清科技股份有限公司 一种救护车快速通行引导***
CN108519773A (zh) * 2018-03-07 2018-09-11 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
CN111506084A (zh) * 2020-05-19 2020-08-07 安徽江淮汽车集团股份有限公司 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
沈建武: "《城市道路与交通》", 31 October 2011 *
郝思淳: "自动与非自动驾驶车辆在高速路上的互动策略", 《现代电信科技》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337043A (zh) * 2020-03-17 2020-06-26 北京嘀嘀无限科技发展有限公司 一种路径的规划方法、装置、存储介质和电子设备

Similar Documents

Publication Publication Date Title
CN110588653B (zh) 自主车辆的控制***、控制方法以及控制器
CN111458700B (zh) 车辆映射和定位的方法和***
US10937186B2 (en) Techniques for precisely locating landmarks in monocular camera images with deep learning
US11815897B2 (en) Method and system for generating an importance occupancy grid map
CN114812581B (zh) 一种基于多传感器融合的越野环境导航方法
CN113039579A (zh) 一种生成高分辨率高精度点云的***、设备和方法
WO2021174445A1 (zh) 预测车辆驶出口的方法和装置
WO2022016351A1 (zh) 一种行驶决策选择方法以及装置
CN114051628B (zh) 一种确定目标对象点云集的方法及装置
CN109421716A (zh) 用于车辆巡航控制平稳自适应的***和方法
WO2020224623A1 (en) Deep neural network based driving assistance system
US20220111859A1 (en) Adaptive perception by vehicle sensors
DE102018103473A1 (de) Wirksamer rollradius
CN112947476A (zh) 一种丘陵拖拉机无人驾驶***
Jeong et al. Design and implementation of parking control algorithm for autonomous valet parking
CN109947113A (zh) 一种有人驾驶汽车与无人驾驶汽车路面共享方法
CN109490926B (zh) 一种基于双目相机和gnss的路径规划方法
Lee et al. An obstacle classification method using multi-feature comparison based on 2D LIDAR database
JP6610601B2 (ja) 車両識別装置
US20230045897A1 (en) Object recognition apparatus and non-transitory recording medium
Tehrani et al. Evaluating human & computer for expressway lane changing
CN116343174A (zh) 目标检测方法、装置、车辆和存储介质
US11691566B2 (en) Intelligent vehicle systems and control logic for surround view augmentation with object model recognition
CN116022163A (zh) 基于超局部子图的自动驾驶车辆扫描匹配和雷达姿态估计器
CN115205848A (zh) 目标检测方法、装置、车辆、存储介质及芯片

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: 20190628

RJ01 Rejection of invention patent application after publication