CN110412595A - 路基感知方法、***、车辆、设备和存储介质 - Google Patents
路基感知方法、***、车辆、设备和存储介质 Download PDFInfo
- Publication number
- CN110412595A CN110412595A CN201910480779.4A CN201910480779A CN110412595A CN 110412595 A CN110412595 A CN 110412595A CN 201910480779 A CN201910480779 A CN 201910480779A CN 110412595 A CN110412595 A CN 110412595A
- Authority
- CN
- China
- Prior art keywords
- perception
- global
- perception information
- information
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种无人驾驶感知路基感知方法、***、车辆、设备和存储介质，终端通过获取多个感知基站发送的感知数据，并根据多个感知数据，生成全局感知信息，进而广播全局感知信息。上述全局感知信息中是根据多个感知基站发送的感知数据生成的，避免了由于车辆感知距离有限，导致的全局感知信息中存在盲区的问题，提高了无人驾驶的安全性。
Description
技术领域
本发明涉及无人驾驶技术领域，特别是涉及了一种路基感知方法、***、车辆、设备和存储介质。
背景技术
无人驾驶汽车，又称自动驾驶汽车，是一种通过电脑***实现无人驾驶的智能汽车。无人驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位***协同合作，让车辆可以在没有任何人类主动的操作下，自动安全地操作机动车辆。在车辆行驶过程中，无人驾驶汽车需要通过感知***了解周围的交通状况，根据行驶路线上的道路和交通状况进行导航，以保证车辆的安全、正常行驶。
现有的无人驾驶汽车的感知***通常设置在车辆上各类传感器(摄像头、红外装置、激光雷达、毫米波雷达等)和计算设备，来获取车辆的感知信息。通过各类传感器实时获取车辆外界感知数据，并通过计算设备将感知数据转换为能够被车辆识别的导航数据，进而对车辆行驶进行规划和控制。
然而采用上述感知***，感知***的有效感知距离有限，仅能感知到车辆周围的局部信息，当遇到遮挡物时，无人驾驶汽车感知信息可能存在盲区。
发明内容
基于此，有必要针对问题感知***可能存在盲区的问题，提供一种路基感知方法、基站、车辆、装置、设备和存储介质。
第一方面，一种路基感知方法，所述方法包括：
获取多个感知基站发送的感知数据；
根据多个所述感知数据，生成全局感知信息；
广播所述全局感知信息。
在其中一个实施例中，所述根据多个所述感知数据，生成全局感知信息，包括：
将多个所述感知数据进行融合处理，生成所述全局感知信息。
在其中一个实施例中，所述将多个所述感知数据进行融合处理，生成所述全局感知信息，包括：
将多个所述感知数据融合至高精地图中，生成所述全局感知信息。
在其中一个实施例中，各所述感知基站的覆盖区域之间存在重叠。
在其中一个实施例中，所述感知基站包括激光雷达、毫米波雷达、摄像头和红外传感器中的至少一种。
第二方面，一种路基感知方法，所述方法包括：
接收广播的全局感知信息；所述全局感知信息为根据多个感知基站获取的感知数据生成的感知信息；
根据所述全局感知信息，控制车辆行驶。
在其中一个实施例中，所述根据所述全局感知信息，控制车辆行驶，包括：
获取所述车辆的位置信息；
根据所述车辆的位置信息，确定所述车辆在所述全局感知信息中的坐标；
根据所述车辆在所述全局感知信息中的坐标，及所述全局感知信息，控制所述车辆行驶。
第三方面，一种路基感知***，所述***包括：至少两个感知基站、计算设备和通讯设备；所述计算设备分别与所述至少两个感知基站和所述通讯设备连接；
所述至少两个感知基站用于向所述计算设备发送多个感知数据；
所述计算设备用于根据所述多个感知数据，生成全局感知信息；
所述通讯设备用于广播所述全局感知信息。
在其中一个实施例中，所述计算设备具体用于将多个所述感知数据进行融合处理，生成所述全局感知信息。
在其中一个实施例中，所述计算设备具体用于将多个所述感知数据融合至高精地图中，生成所述全局感知信息。
第四方面，一种无人驾驶车辆，所述车辆包括：
接收模块，用于接收计算终端广播的全局感知信息；所述全局感知信息为根据多个基站获取的感知数据生成的感知信息；
控制模块，用于根据所述全局感知信息，控制车辆行驶。
第五方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述路基感知方法所示方法步骤。
第六方面，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上述路基感知方法所示方法步骤。
上述路基感知方法、***、车辆、设备和存储介质，终端通过获取多个感知基站发送的感知数据，并根据多个感知数据，生成全局感知信息，进而广播全局感知信息。上述全局感知信息中是根据多个感知基站发送的感知数据生成的，避免了由于车辆感知距离有限，导致的全局感知信息中存在盲区的问题，提高了无人驾驶的安全性。
附图说明
图1为一个实施例中路基感知方法的应用环境的示意图；
图2为一个实施例中路基感知方法的流程示意图；
图2a为一个实施例中感知基站覆盖范围的示意图；
图3为另一个实施例中路基感知方法的流程示意图；
图4为另一个实施例中路基感知方法的流程示意图；
图5为一个实施例中提供的计算装置的结构示意图；
图6为一个实施例中提供的无人驾驶车辆的结构示意图；
图7为另一个实施例中提供的无人驾驶车辆的结构示意图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。
本实施例提供的路基感知方法，可以适用于如图1所示的应用环境中。其中，感知基站102与计算装置104连接，计算装置104与无人驾驶车辆106连接，计算装置104可以为智能手机、平板电脑、笔记本电脑、台式电脑或个人数字助理等具有数据处理功能的电子设备，本实施例对计算装置104的具体形式不做限定。
需要说明的是，本申请实施例提供的路基感知方法，其执行主体可以是计算装置或无人驾驶车辆，该计算装置或无人驾驶车辆可以通过软件、硬件或者软硬件结合的方式实现成为无人驾驶感知***的部分或者全部。
图2为一个实施例中路基感知方法的流程示意图。本实施例涉及的是计算装置通过获取多个感知数据生成全局感知信息，并广播全局感知信息的具体过程。如图2所示，该方法包括以下步骤：
S101、获取多个感知基站发送的感知数据。
其中，感知数据可以是通过感知基站获得的包括道路、行人、车辆、障碍物等对象信息。感知基站可以是架设在道路两侧的基站，其上可以设置一个或多个传感器，传感器可以包括激光雷达、毫米波雷达、摄像头和红外传感器。一个感知基站上可以设置多个同一类的传感器，也可以设置多个不同类的传感器，本申请实施例对此不做限制。例如，有3个感知基站，分别为感知基站1、感知基站2和感知基站3，其中感知基站1上设置1个毫米波雷达；感知基站2上设置2个激光雷达；感知基站3上设置1个激光雷达和1个摄像头。通过传感器扫描周围环境获得传感器数据，该传感器数据可以是感知数据，也可以是对上述传感器数据进行处理，获得处理后的数据，为感知数据，本申请实施例对此不做限制。多个感知基站可以是均匀地设置在道路两侧，也可以是根据道路状态来设置感知基站的密度，本申请实施例对此不做限制。例如，在人、车密度高，且遮挡物多的城市道路，可以每隔50米设置一个感知基站，在人、车密度高，且遮挡物少的乡村道路，可以每隔200米设置一个感知基站。
具体地，计算装置可以通过无线传输或有线传输的方式，获取多个感知基站发送的感知数据，其可以同时接收多个感知基站发送的感知数据，也可以分别接收多个感知基站发送的感知数据，本申请实施例对此不做限制。计算装置可以是当感知基站获取到感知数据时，直接通过无线传输的方式获取该感知数据；也可以是感知基站获取到感知数据后，当感知基站与计算装置通过有线网络连接时，获取多个感知数据；本申请实施例对此不做限制。
S102、根据多个感知数据，生成全局感知信息。
具体地，全局感知信息可以是根据多个感知数据生成的感知信息，该感知信息中可以包括上述多个感知数据中的各对象。其可以是将多个感知数据中各对象的坐标统一在一个坐标系下，生成的感知信息。在将多个感知数据中各对象的坐标统一在一个坐标系时，可以是将是多个感知数据中各对象的坐标统一在自定义的一个坐标系下，也可以是将多个感知数据中各对象的坐标统一在地球坐标系下，本申请实施例对此不做限制。
在具体根据多个感知数据，生成全局感知信息的过程中，计算装置可以直接将多个感知数据中的对象的坐标统一至同一坐标系中，获得全局感知信息；也可以是先对多个感知数据进行处理，获得边界更加清晰的各对象，再将各对象的坐标统一至感知信息中，获得全局感知信息；本申请实施例对此不做限制。
S103、广播全局感知信息。
具体地，在上述实施例的基础上，计算装置生成全局感知信息中，可以通过广播的方式，广播该全局感知信息。其可以通过预设频段将全局感知信息广播出去，相应的，在接收该全局感知信息时，可以是在广播全局感知信息的预设频段内接收该全局感知信息的。例如，计算装置通过100-105MHz的频段广播全局感知信息，在接收该全局感知信息时，通过100-105MHz的频段接收该全局感知信息。
在具体的广播全局感知信息时，可以是各计算装置在其最大广播发射功率的范围内广播全局感知信息，也可以是根据预先划分的范围，控制广播发射功率，使得各计算装置在预设的范围内广播全局感知信息，本申请实施例对此不做限制。例如，存在2个计算装置，分别为计算装置1和计算装置2，该计算装置1和计算装置2的最大广播发射功率能够覆盖的范围为5km的圆形区域，其中，计算装置1和计算装置2之间的间隔距离为7公里，则可以通过设置计算装置1的广播发射功率，使得计算装置1的广播覆盖范围为4.5km，设置计算装置的发射功率，使得计算装置2的广播覆盖范围为3.5km。
上述路基感知方法，终端通过获取多个感知基站发送的感知数据，并根据多个感知数据，生成全局感知信息，进而广播全局感知信息。上述全局感知信息中是根据多个感知基站发送的感知数据生成的，避免了由于车辆感知距离有限，导致的全局感知信息中存在盲区的问题，提高了无人驾驶车辆的安全性。
可选地，将多个感知数据，进行融合处理，生成全局感知信息。
具体地，融合处理可以是从感知数据识别各对象的处理方法，全局感知信息可以是感知数据经过融合处理后得到的数据，其可以明确感知数据中的各对象是什么，及各对象的位置信息。其中，感知数据中的各对象可以是以扫描云图的形式呈现的，通过融合处理可以确定该扫描云图中各对象是什么，且其在扫描云图中的具***置。例如，感知数据是以点云云图的形式出现的，该点云云图中可以包括多个对象的点云数据，各点云数据的边界不清楚，通过感知处理，获取各对象对应的点云数据的边界，以识别出各对象是什么，并根据该边界，确定各对象的具***置。进一步假设，点云云图中包括3个区域，通过融合处理，获取3个区域的边界，识别该3个区域分别对应1个行人和2个车辆，进而根据1个行人和2个车辆对应的区域，确定1个行人和2个车辆的具***置。
在具体的将多个感知数据，进行融合处理，生成全局感知信息的过程中，可以一次对一个感知数据进行感知处理，获得该感知数据中各对象对应的感知信息，进而对其他感知数据进行融合处理，修正上述各对象对应的感知信息；也可以是对多个感知数据中的同一对象进行融合处理，获得该同一对象的感知信息，进而对多个感知数据中的其他对象进行融合处理，获得其他对象的感知信息；还可以是将多个感知数据输入预设的感知处理模型中，通过深度学习，得到全局感知信息，本申请实施例对此不做限制。
可选地，将多个感知数据融合至高精地图中，生成全局感知信息。
具体地，在上述实施例的基础上，对感知数据进行融合处理后，还可以将融合处理后的感知数据融入高精地图中，获得全局感知信息，其中，高精地图可以是详细的标注出来道路上的具体车道，车道线的宽度和长短，路灯位置等信息的地图，可以理解为把一个现实世界的道路完全矢量化的地图，高精地图中可以包括多个地图元素，各地图元素的对应的坐标数据的精度高，误差小，一般来说，普通导航地图的精度误差在10-15米左右，包含的对象也十分单一；而高精地图的精度误差在15-20厘米以内，且可以详细的标注出来各对象。无人驾驶车辆可以依据高精地图，控制车辆行驶。全局感知信息是将上述感知数据对应的各对象的坐标，转换至高精地图坐标系下的坐标，获得加入了感知数据中各对象的新的高精度地图，即为全局感知信息。
在上述实施例的基础上，计算装置可以同时获得各对象对应的感知信息，也可以分别获得各对象对应的感知信息。则在将感知信息融合到高精地图的过程中，可以同时将各对象对应的感知信息融合至高精地图中，以获得全局感知信息；也可以分别将各对象对应的感知信息融合至高精地图中，以获得全局感知信息；本申请实施例对此不做限制。
上述路基感知方法，将多个感知数据融合至高精地图中，生成全局感知信息，由于高精地图的精度更高，与实际的路况更加接近，因此使得将多个感知数据融合至高精地图中得到的全局感知信息更加接近实际的路况，进一步地提升了根据全局感知信息控制无人驾驶车辆行驶的安全性。
可选地，各感知基站的覆盖区域之间存在重叠。
具体地，感知基站的覆盖区域可以是指感知基站获取感知数据的所对应的区域。其中，一个感知基站可以与其相邻的所有感知基站的覆盖区域之间存在重叠。例如，如图2a所示，圆形框代表感知基站的覆盖范围，其中感知基站1的覆盖范围可以与其相邻的感知基站2、感知基站3、感知基站4的覆盖范围之间存在重叠。
上述路基感知方法，通过各感知基站的翻盖区域之间存在重叠，避免了由于一个感知基站的覆盖范围边缘处信号差，引起的获得不到该区域内感知数据的情况，进而避免了通过全局感知信息中存在盲区的情况，进一步地提升了无人驾驶车辆根据全局感知信息行驶的安全性。
可选地，感知基站包括激光雷达、毫米波雷达、摄像头和红外传感器中的至少一种。
具体地，感知基站可以通过安装在感知基站上的传感器获得感知数据，其中传感器可以包括但不限于摄像头、红外装置、激光雷达、毫米波雷达。感知基站与计算装置连接，可以通过无线网络连接，也可以通过有线网络连接，本申请实施例对此不做限制。可以多个感知基站与一个计算装置连接，也可以一个感知基站与一个计算装置连接，本申请实施例对此不做限制。
上述实施例重点描述了如何获取多个感知基站发送的感知数据，生成全局感知信息，并将全局感知信息广播出去。下面通过图3-4来详细说明无人驾驶车辆如何通过上述全局感知信息控制车辆行驶。
图3为一个实施例中路基感知方法的流程示意图，本实施例涉及的是无人驾驶车辆如何通过全局感知信息控制车辆行驶的具体过程，如图3所示，该方法包括以下步骤：
S201、接收广播的全局感知信息；全局感知信息为根据多个感知基站获取的感知数据生成的感知信息。
具体地，在具体接收广播的全局感知信息时，可以在预设的订阅距离内接收全局感知信息，预设的订阅距离内可以存在一个广播的全局感知信息，也可以存在多个广播的全局感知信息，本申请实施例对此不做限制。当预设的订阅距离内存在一个广播的全局感知信息时，则接收该全局感知信息；若预设的订阅距离内存在多个广播的全局感知信息时，可以同时接收多个广播的全局感知信息，也可以是根据距离，选择一个广播的全局感知信息来接收。例如，在预设的订阅范围内存在3个广播的全局感知信息，分别为全局感知信息1、全局感知信息2和全局感知信息3，其中，无人驾驶车辆距离全局感知信息1对应的计算装置1的距离为1km，无人驾驶车辆距离全局感知信息2对应的计算装置2的距离为1.5km，无人驾驶车辆距离全局感知信息3对应的计算装置3的为距离0.8km，则选择接收距离最近的全局感知信息3。
S202、根据全局感知信息，控制车辆行驶。
具体地，在上述实施例的基础上，接收到全局感知信息后，无人驾驶车辆可以根据该全局感知信息，控制车辆行驶。当接收到全局感知信息时，也就是获取到多个对象的坐标，进而可以根据无人驾驶车辆的位置信息，控制无人驾驶车辆沿道路的坐标行驶，并躲避行人、车辆和障碍物的坐标。
上述路基感知方法，无人驾驶车辆通过接收广播的全局感知信息，其中，全局感知信息为根据多个感知基站获取的感知数据生成的感知信息，并根据全局感知信息，控制车辆行驶。使得无人驾驶车辆是根据多个感知基站获取的感知数据生成的全局感知信息行驶，避免了由于车辆感知距离有限，导致的全局感知信息中存在盲区的问题，提高了无人驾驶车辆的安全性。
进一步地，无人驾驶车辆可以根据其在全局感知信息中的位置信息，及全局感知信息，控制无人驾驶车辆行驶。下面通过图4所示实施例来详细描述。
图4为另一个实施例中路基感知方法的流程示意图，本实施例涉及的是无人驾驶车辆如何根据其在全局感知信息中的位置信息，及全局感知信息，控制无人驾驶车辆行驶具体过程，如图4所示，上述S302“根据全局感知信息，控制车辆行驶”一种可能的实现方法，包括以下步骤：
S301、获取车辆的位置信息。
具体地，车辆的位置信息可以是用于表示车辆在全局感知信息中的具***置，其可以是一组坐标数据，也可以是一组经度纬度数据，本申请实施例对此不做限制。在具体获取车辆的位置信息的过程中，可以通过安装在车辆上的定位装置，获取车辆的位置信息，也可以是通过设置在感知基站上的传感器，获取车辆的位置信息，本申请实施例对此不做限制。
S302、根据车辆的位置信息，确定车辆在全局感知信息中的坐标。
具体地，在上述是实施例的基础上，全局感知信息可以将多个感知数据进行融合处理获得的感知信息，其可以包括感知数据中各对象的位置信息。通过车辆的位置信息与上述全局感知信息中各对象的位置信息，确定车辆与全局感知信息中各对象的相对位置。例如，当车辆和全局感知信息中各对象的位置信息均为地球坐标系下的坐标，车辆的位置信息可以用经度纬度来进行表示，以获得该车辆在全局感知信息中的坐标。
S303、根据车辆在全局感知信息中的坐标，及全局感知信息，控制车辆行驶。
具体地，在上述实施例的基础上，可以根据车辆在全局感知信息中的坐标，及全局感知信息，控制车辆行驶。当接收到全局感知信息时，也就是获取到多个对象位置信息，同时，无人驾驶车辆还获得了该车辆在全局感知信息中的位置信息，也就是说，可以通过控制无人驾驶车辆在全局感知信息中的位置，使得车辆不接触行人、车辆和障碍物，且在道路的范围内沿预设的方向移动，即控制了无人驾驶车辆的行驶。
上述路基感知方法，无人驾驶车辆通过获取车辆的位置信息，并根据车辆的位置信息，确定车辆在全局感知信息中的坐标，进而根据车辆在全局感知信息中的坐标，及全局感知信息，控制车辆行驶。使得无人驾驶车辆是根据多个感知基站获取的感知数据生成的全局感知信息，及无人驾驶车辆的位置信息行驶的，进一步地提高了无人驾驶车辆的安全性。
应该理解的是，虽然图2-4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2-4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。
图5为一个实施例提供的路基感知***的结构示意图。如图5所示，该路基感知***包括：至少两个感知基站110、计算设备120和通讯设备130，其中：
至少两个感知基站110用于向计算设备120发送多个感知数据；
计算设备120，用于根据多个所述感知数据，生成全局感知信息；
通讯设备130，用于广播所述全局感知信息。
在一个实施例中，计算设备120具体用于将多个所述感知数据，进行感知处理，生成所述全局感知信息。
在一个实施例中，计算设备120具体用于将多个所述感知数据融合至高精地图中，生成所述全局感知信息。
在一个实施例中，各所述感知基站的覆盖区域之间存在重叠。
在一个实施例中，所述感知基站包括激光雷达、毫米波雷达、摄像头和红外传感器中的至少一种。
本申请实施例提供的路基感知***，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于一种路基感知***的具体限定可以参见上文中对于路基感知方法的限定，在此不再赘述。上述路基感知***中的各个设备可全部或部分通过软件、硬件及其组合来实现。上述各设备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。
图6为一个实施例提供的无人驾驶车辆的结构示意图。如图6所示，无人驾驶车辆包括：接收模块210和控制模块220，其中：
接收模块210，用于接收计算终端广播的全局感知信息；所述全局感知信息为根据多个基站获取的感知数据生成的感知信息；
控制模块220，用于根据所述全局感知信息，控制车辆行驶。
本申请实施例提供的无人驾驶车辆，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图7为另一个实施例提供的无人驾驶车辆的结构示意图。在上述图6所示实施例的基础上，如图7所示，控制模块220包括：获取单元221、确定单元22和控制单元223，其中：
获取单元221，用于获取所述车辆的位置信息；
确定单元222，用于根据所述车辆的位置信息，确定所述车辆在所述全局感知信息中的坐标；
控制单元223，用于根据所述车辆在所述全局感知信息中的坐标，及所述全局感知信息，控制所述车辆行驶。
本申请实施例提供的无人驾驶车辆，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于一种无人驾驶车辆的具体限定可以参见上文中对于路基感知方法的限定，在此不再赘述。上述无人驾驶车辆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。
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终端，其内部结构图可以如图8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、显示屏和输入装置。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***和计算机程序。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。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备被处理器执行时以实现一种路基感知方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开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，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取多个感知基站发送的感知数据；
根据多个所述感知数据，生成全局感知信息；
广播所述全局感知信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将多个所述感知数据进行融合处理，生成所述全局感知信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将多个所述感知数据融合至高精地图中，生成所述全局感知信息。
在一个实施例中，各所述感知基站的覆盖区域之间存在重叠。
在一个实施例中，所述感知基站包括激光雷达、毫米波雷达、摄像头和红外传感器中的至少一种。
本实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
接收广播的全局感知信息；所述全局感知信息为根据多个感知基站获取的感知数据生成的感知信息；
根据所述全局感知信息，控制车辆行驶。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取所述车辆的位置信息；根据所述车辆的位置信息，确定所述车辆在所述全局感知信息中的坐标；根据所述车辆在所述全局感知信息中的坐标，及所述全局感知信息，控制所述车辆行驶。
本实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
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：
获取多个感知基站发送的感知数据；
根据多个所述感知数据，生成全局感知信息；
广播所述全局感知信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将多个所述感知数据进行融合处理，生成所述全局感知信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将多个所述感知数据融合至高精地图中，生成所述全局感知信息。
在一个实施例中，各所述感知基站的覆盖区域之间存在重叠。
在一个实施例中，所述感知基站包括激光雷达、毫米波雷达、摄像头和红外传感器中的至少一种。
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：
接收广播的全局感知信息；所述全局感知信息为根据多个感知基站获取的感知数据生成的感知信息；
根据所述全局感知信息，控制车辆行驶。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取所述车辆的位置信息；根据所述车辆的位置信息，确定所述车辆在所述全局感知信息中的坐标；根据所述车辆在所述全局感知信息中的坐标，及所述全局感知信息，控制所述车辆行驶。
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，所述的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，本公开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(Synchlink)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。
以上所述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。
以上所述实施例仅表达了本发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种路基感知方法，其特征在于，所述方法包括：
获取多个感知基站发送的感知数据；
根据多个所述感知数据，生成全局感知信息；
广播所述全局感知信息。
2.根据权利要求1所述方法，其特征在于，所述根据多个所述感知数据，生成全局感知信息，包括：
将多个所述感知数据进行融合处理，生成所述全局感知信息。
3.根据权利要求2所述方法，其特征在于，所述将多个所述感知数据进行融合处理，生成所述全局感知信息，包括：
将多个所述感知数据融合至高精地图中，生成所述全局感知信息。
4.根据权利要求1-3任一项所述方法，其特征在于，各所述感知基站的覆盖区域之间存在重叠。
5.根据权利要求1-3任一项所述方法，其特征在于，所述感知基站包括激光雷达、毫米波雷达、摄像头和红外传感器中的至少一种。
6.一种路基感知方法，其特征在于，所述方法包括：
接收广播的全局感知信息；所述全局感知信息为根据多个感知基站获取的感知数据生成的感知信息；
根据所述全局感知信息，控制车辆行驶。
7.一种路基感知***，其特征在于，所述***包括：至少两个感知基站、计算设备和通讯设备；所述计算设备分别与所述至少两个感知基站和所述通讯设备连接；
所述至少两个感知基站用于向所述计算设备发送多个感知数据；
所述计算设备用于根据所述多个感知数据，生成全局感知信息；
所述通讯设备用于广播所述全局感知信息。
8.根据权利要求7所述***，其特征在于，所述计算装置包括融合单元；所述融合单元分别与所述至少两个感知基站和所述通讯设备连接；
所述融合单元，用于将多个所述感知数据进行融合处理，生成所述全局感知信息。
9.根据权利要求8所述***，其特征在于，
所述融合单元具体用于将多个所述感知数据融合至高精地图中，生成所述全局感知信息。
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1-6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910480779.4A CN110412595A (zh) | 2019-06-04 | 2019-06-04 | 路基感知方法、***、车辆、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910480779.4A CN110412595A (zh) | 2019-06-04 | 2019-06-04 | 路基感知方法、***、车辆、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110412595A true CN110412595A (zh) | 2019-11-05 |
Family
ID=68358434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910480779.4A Pending CN110412595A (zh) | 2019-06-04 | 2019-06-04 | 路基感知方法、***、车辆、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110412595A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111426326A (zh) * | 2020-01-17 | 2020-07-17 | 深圳市镭神智能***有限公司 | 一种导航方法、装置、设备、***及存储介质 |
| CN111866728A (zh) * | 2020-09-23 | 2020-10-30 | 深圳市速腾聚创科技有限公司 | 多站点路基网络感知方法、装置、终端和*** |
| CN112687107A (zh) * | 2021-03-15 | 2021-04-20 | 中智行科技有限公司 | 感知数据获取方法和装置 |
| CN113433542A (zh) * | 2020-03-18 | 2021-09-24 | 广州汽车集团股份有限公司 | 一种车辆定位方法、装置、路侧设备及存储介质 |
| CN114067556A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 环境感知方法、装置、服务器和可读存储介质 |
| CN114078325A (zh) * | 2020-08-19 | 2022-02-22 | 北京万集科技股份有限公司 | 多感知***配准方法、装置、计算机设备和存储介质 |
| CN114449533A (zh) * | 2020-10-30 | 2022-05-06 | 北京万集科技股份有限公司 | 基站部署方法、环境感知方法、装置、计算机设备和存储介质 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001099930A (ja) * | 1999-09-29 | 2001-04-13 | Fujitsu Ten Ltd | 周辺監視センサ |
| CN101241188A (zh) * | 2007-02-06 | 2008-08-13 | 通用汽车环球科技运作公司 | 防撞***与使用数据融合检测高架桥位置的方法 |
| BRPI0703071A2 (pt) * | 2007-08-02 | 2009-03-17 | Andre Mauro Vas | sistema móvel modular de rastreamento, segurança e análise de desempenho automotivo |
| CN106093924A (zh) * | 2016-06-01 | 2016-11-09 | 杨星 | 通信与雷达协同感知的运动状态信息提取方法 |
| CN106774306A (zh) * | 2016-11-30 | 2017-05-31 | 百度在线网络技术（北京）有限公司 | 应用于无人驾驶车辆的启动检测方法、装置和*** |
| CN107274695A (zh) * | 2016-04-08 | 2017-10-20 | 上海三思电子工程有限公司 | 智能照明***、智能车辆及其车辆辅助驾驶***和方法 |
| CN107328410A (zh) * | 2017-06-30 | 2017-11-07 | 百度在线网络技术（北京）有限公司 | 用于定位自动驾驶车辆的方法和汽车电脑 |
| CN108061903A (zh) * | 2017-11-29 | 2018-05-22 | 江苏若博机器人科技有限公司 | 一种多传感器融合全天候低速无人车探测避障*** |
| CN108182817A (zh) * | 2018-01-11 | 2018-06-19 | 北京图森未来科技有限公司 | 自动驾驶辅助***、路侧端辅助***和车载端辅助*** |
| CN108510775A (zh) * | 2018-03-12 | 2018-09-07 | 北京图森未来科技有限公司 | 一种车路协同***及其车路协同路侧感知设备 |
| CN108549084A (zh) * | 2018-01-30 | 2018-09-18 | 西安交通大学 | 一种基于稀疏二维激光雷达的目标检测与姿态估计方法 |
| CN108828527A (zh) * | 2018-06-19 | 2018-11-16 | 驭势（上海）汽车科技有限公司 | 一种多传感器数据融合方法、装置、车载设备及存储介质 |
| CN108877269A (zh) * | 2018-08-20 | 2018-11-23 | 清华大学 | 一种交叉路口车辆状态检测及v2x广播方法 |
| CN109086277A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技（上海）股份有限公司 | 一种重叠区构建地图方法、***、移动终端及存储介质 |
| CN109147317A (zh) * | 2018-07-27 | 2019-01-04 | 中国科学院深圳先进技术研究院 | 基于车路协同的自动驾驶导航***、方法及装置 |
| CN109166314A (zh) * | 2018-09-29 | 2019-01-08 | 河北德冠隆电子科技有限公司 | 基于全方位跟踪检测雷达的路况感知设备及车路协同*** |
| CN109344813A (zh) * | 2018-11-28 | 2019-02-15 | 北醒（北京）光子科技有限公司 | 一种基于rgbd的目标识别和场景建模方法及装置 |
| CN109353179A (zh) * | 2018-10-19 | 2019-02-19 | 中国第汽车股份有限公司 | 一种基于高精地图云信息的主动悬架***及控制方法 |
| CN109774712A (zh) * | 2018-12-17 | 2019-05-21 | 北京汽车集团有限公司 | 车辆控制的方法、装置及车辆 |
| CN110132290A (zh) * | 2019-05-20 | 2019-08-16 | 北京百度网讯科技有限公司 | 感知信息融合处理方法、装置、设备和存储介质 |
-
2019
- 2019-06-04 CN CN201910480779.4A patent/CN110412595A/zh active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001099930A (ja) * | 1999-09-29 | 2001-04-13 | Fujitsu Ten Ltd | 周辺監視センサ |
| CN101241188A (zh) * | 2007-02-06 | 2008-08-13 | 通用汽车环球科技运作公司 | 防撞***与使用数据融合检测高架桥位置的方法 |
| BRPI0703071A2 (pt) * | 2007-08-02 | 2009-03-17 | Andre Mauro Vas | sistema móvel modular de rastreamento, segurança e análise de desempenho automotivo |
| CN107274695A (zh) * | 2016-04-08 | 2017-10-20 | 上海三思电子工程有限公司 | 智能照明***、智能车辆及其车辆辅助驾驶***和方法 |
| CN106093924A (zh) * | 2016-06-01 | 2016-11-09 | 杨星 | 通信与雷达协同感知的运动状态信息提取方法 |
| CN106774306A (zh) * | 2016-11-30 | 2017-05-31 | 百度在线网络技术（北京）有限公司 | 应用于无人驾驶车辆的启动检测方法、装置和*** |
| CN109086277A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技（上海）股份有限公司 | 一种重叠区构建地图方法、***、移动终端及存储介质 |
| CN107328410A (zh) * | 2017-06-30 | 2017-11-07 | 百度在线网络技术（北京）有限公司 | 用于定位自动驾驶车辆的方法和汽车电脑 |
| CN108061903A (zh) * | 2017-11-29 | 2018-05-22 | 江苏若博机器人科技有限公司 | 一种多传感器融合全天候低速无人车探测避障*** |
| CN108182817A (zh) * | 2018-01-11 | 2018-06-19 | 北京图森未来科技有限公司 | 自动驾驶辅助***、路侧端辅助***和车载端辅助*** |
| CN108549084A (zh) * | 2018-01-30 | 2018-09-18 | 西安交通大学 | 一种基于稀疏二维激光雷达的目标检测与姿态估计方法 |
| CN108510775A (zh) * | 2018-03-12 | 2018-09-07 | 北京图森未来科技有限公司 | 一种车路协同***及其车路协同路侧感知设备 |
| CN108828527A (zh) * | 2018-06-19 | 2018-11-16 | 驭势（上海）汽车科技有限公司 | 一种多传感器数据融合方法、装置、车载设备及存储介质 |
| CN109147317A (zh) * | 2018-07-27 | 2019-01-04 | 中国科学院深圳先进技术研究院 | 基于车路协同的自动驾驶导航***、方法及装置 |
| CN108877269A (zh) * | 2018-08-20 | 2018-11-23 | 清华大学 | 一种交叉路口车辆状态检测及v2x广播方法 |
| CN109166314A (zh) * | 2018-09-29 | 2019-01-08 | 河北德冠隆电子科技有限公司 | 基于全方位跟踪检测雷达的路况感知设备及车路协同*** |
| CN109353179A (zh) * | 2018-10-19 | 2019-02-19 | 中国第汽车股份有限公司 | 一种基于高精地图云信息的主动悬架***及控制方法 |
| CN109344813A (zh) * | 2018-11-28 | 2019-02-15 | 北醒（北京）光子科技有限公司 | 一种基于rgbd的目标识别和场景建模方法及装置 |
| CN109774712A (zh) * | 2018-12-17 | 2019-05-21 | 北京汽车集团有限公司 | 车辆控制的方法、装置及车辆 |
| CN110132290A (zh) * | 2019-05-20 | 2019-08-16 | 北京百度网讯科技有限公司 | 感知信息融合处理方法、装置、设备和存储介质 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111426326A (zh) * | 2020-01-17 | 2020-07-17 | 深圳市镭神智能***有限公司 | 一种导航方法、装置、设备、***及存储介质 |
| CN111426326B (zh) * | 2020-01-17 | 2022-03-08 | 深圳市镭神智能***有限公司 | 一种导航方法、装置、设备、***及存储介质 |
| CN113433542A (zh) * | 2020-03-18 | 2021-09-24 | 广州汽车集团股份有限公司 | 一种车辆定位方法、装置、路侧设备及存储介质 |
| CN114067556B (zh) * | 2020-08-05 | 2023-03-14 | 北京万集科技股份有限公司 | 环境感知方法、装置、服务器和可读存储介质 |
| CN114067556A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 环境感知方法、装置、服务器和可读存储介质 |
| CN114078325A (zh) * | 2020-08-19 | 2022-02-22 | 北京万集科技股份有限公司 | 多感知***配准方法、装置、计算机设备和存储介质 |
| CN114078325B (zh) * | 2020-08-19 | 2023-09-05 | 北京万集科技股份有限公司 | 多感知***配准方法、装置、计算机设备和存储介质 |
| WO2022062571A1 (zh) * | 2020-09-23 | 2022-03-31 | 深圳市速腾聚创科技有限公司 | 多站点路基网络感知方法、装置、终端和*** |
| CN112566032A (zh) * | 2020-09-23 | 2021-03-26 | 深圳市速腾聚创科技有限公司 | 多站点路基网络感知方法、终端和*** |
| US20230228593A1 (en) * | 2020-09-23 | 2023-07-20 | Suteng Innovation Technology Co., Ltd. | Method, device and system for perceiving multi-site roadbed network and terminal |
| CN111866728A (zh) * | 2020-09-23 | 2020-10-30 | 深圳市速腾聚创科技有限公司 | 多站点路基网络感知方法、装置、终端和*** |
| CN114449533A (zh) * | 2020-10-30 | 2022-05-06 | 北京万集科技股份有限公司 | 基站部署方法、环境感知方法、装置、计算机设备和存储介质 |
| CN114449533B (zh) * | 2020-10-30 | 2024-02-06 | 北京万集科技股份有限公司 | 基站部署方法、环境感知方法、装置、计算机设备和存储介质 |
| CN112687107B (zh) * | 2021-03-15 | 2021-05-25 | 中智行科技有限公司 | 感知数据获取方法和装置 |
| CN112687107A (zh) * | 2021-03-15 | 2021-04-20 | 中智行科技有限公司 | 感知数据获取方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110412595A (zh) | 路基感知方法、***、车辆、设备和存储介质 | |
| US10591914B2 (en) | Systems and methods for autonomous vehicle behavior control | |
| US10427676B2 (en) | Trajectory planner for autonomous driving using bézier curves | |
| US11157784B2 (en) | Explainable learning system and methods for autonomous driving | |
| CN109814543B (zh) | 道路廊道 | |
| CN109389832B (zh) | 使用v2x通信***提高障碍意识的***和方法 | |
| US10322717B2 (en) | Expert mode for vehicles | |
| US20190072978A1 (en) | Methods and systems for generating realtime map information | |
| US10146224B2 (en) | Processor-implemented systems and methods for automated driving | |
| US10613547B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
| US10466704B2 (en) | Autonomous vehicle localization | |
| CN110377027A (zh) | 无人驾驶感知方法、***、装置和存储介质 | |
| CN109383423A (zh) | 使用v2x通信***提高障碍意识的***和方法 | |
| US20180315314A1 (en) | Automated vehicle route traversal | |
| CN110244719A (zh) | 自动驾驶感知方法、车辆、***、设备和存储介质 | |
| CN109945891A (zh) | 用于对准车辆中的惯性测量单元的***和方法 | |
| US20180004215A1 (en) | Path planning of an autonomous vehicle for keep clear zones | |
| CN112236648A (zh) | 使用v2x补充信息增强导航体验 | |
| US20190026588A1 (en) | Classification methods and systems | |
| US20180096493A1 (en) | Detection and recalibration for a camera system using lidar data | |
| US20200262349A1 (en) | Display system, display method, and program | |
| US20210073539A1 (en) | Port area monitoring method and system and central control system | |
| US10495733B2 (en) | Extendable sensor mount | |
| US20200050191A1 (en) | Perception uncertainty modeling from actual perception systems for autonomous driving | |
| CN110027558B (zh) | 自主车辆的可放松转弯边界 |
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 |