CN111873989A - 车辆控制方法及装置 - Google Patents

车辆控制方法及装置 Download PDF

Info

Publication number
CN111873989A
CN111873989A CN202010745767.2A CN202010745767A CN111873989A CN 111873989 A CN111873989 A CN 111873989A CN 202010745767 A CN202010745767 A CN 202010745767A CN 111873989 A CN111873989 A CN 111873989A
Authority
CN
China
Prior art keywords
vehicle
determining
obstacle
track
safety
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.)
Granted
Application number
CN202010745767.2A
Other languages
English (en)
Other versions
CN111873989B (zh
Inventor
白钰
马杰
许笑寒
任冬淳
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology 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 Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202010745767.2A priority Critical patent/CN111873989B/zh
Publication of CN111873989A publication Critical patent/CN111873989A/zh
Application granted granted Critical
Publication of CN111873989B publication Critical patent/CN111873989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • 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
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本说明书公开了车辆控制方法及装置，通过获取车辆的位置、预测轨迹以及规划轨迹，根据车辆的位置，确定车道坐标系，根据车道坐标系、预测轨迹的信息以及规划轨迹的信息，确定预测轨迹与规划轨迹在车道坐标系下的差异，针对预先对车辆的周围环境划分的各区域，根据差异，确定该区域对车辆的安全影响表征值，根据各区域对车辆的安全影响表征值，对车辆进行控制。通过上述方法，本说明书可确定车辆的预测轨迹与规划轨迹之间的差异，从而确定车辆的周围环境中各区域对车辆的安全影响表征值，也即，确定各区域对车辆行驶的安全情况，从而实现对车辆进行控制，在复杂的行驶场景中，达到更加合理的控制车辆的效果。

Description

车辆控制方法及装置
技术领域
本说明书涉及交通安全技术领域，尤其涉及车辆控制方法及装置。
背景技术
目前，车辆在行驶过程中的安全问题逐渐成为关注的焦点。
通常，车辆上可安装有自动紧急制动(Autonomous Emergency Braking，AEB)***。AEB***可实时监测车辆前方行驶环境，并在可能发生碰撞危险时自动启动车辆制动***使车辆减速，以避免碰撞或减轻碰撞后果。
由于AEB***考虑的是车辆前方的行驶环境，因此，AEB***的识别范围较小，不适用于复杂的现实场景，并且，AEB***简单地依据各障碍物与车辆之间的距离等因素，选择目标障碍物，未考虑到车辆行驶过程中的实际情况，导致AEB***不足以保障车辆行驶安全。
发明内容
本说明书实施例提供车辆控制方法及装置，以部分解决现有技术存在的上述问题。
本说明书实施例采用下述技术方案：
本说明书提供的车辆控制方法，车辆上安装有激光雷达，所述激光雷达用于采集所述车辆周围环境对应的点云数据；所述方法包括：
获取所述激光雷达采集的点云数据以及所述车辆的位置；
根据所述点云数据，确定各障碍物的信息，所述障碍物的信息包括障碍物的位置、速度；并根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系；
针对各障碍物，确定该障碍物对应的动态参数，根据所述车道坐标系、所述动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的横向安全距离以及纵向安全距离；
根据所述横向安全距离以及该障碍物的位置，确定该障碍物在横向上对所述车辆的安全影响表征值，和/或，根据所述纵向安全距离以及该障碍物的位置，确定该障碍物在纵向上对所述车辆的安全影响表征值；
根据确定出的各障碍物的安全影响表征值，在各障碍物中，选择至少一个目标障碍物；
根据所述目标障碍物的信息以及所述车辆的位置，对所述车辆进行控制。
可选地，所述障碍物的信息包括障碍物类型；
确定该障碍物对应的动态参数，具体包括：
根据预先确定的各障碍物类型与动态参数的对应关系以及该障碍物的障碍物类型，确定该障碍物对应的动态参数。
可选地，根据所述车道坐标系、所述动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的横向安全距离以及纵向安全距离，具体包括：
获取所述车辆的速度；
根据所述车辆的速度，确定所述车辆在所述车道坐标系下的车辆横向速度以及车辆纵向速度，并根据该障碍物的速度，确定该障碍物在所述车道坐标系下的障碍物横向速度以及障碍物纵向速度；
根据所述车辆横向速度、所述障碍物横向速度以及所述动态参数，确定所述横向安全距离，并根据所述车辆纵向速度、所述障碍物纵向速度以及所述动态参数，确定所述纵向安全距离。
可选地，所述动态参数包括横向动态参数以及纵向动态参数；
根据所述车道坐标系、所述动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的横向安全距离以及纵向安全距离，具体包括：
根据所述车道坐标系、所述横向动态参数以及该障碍物的速度，确定所述横向安全距离，并根据所述车道坐标系、所述纵向动态参数以及该障碍物的速度，确定所述纵向安全距离。
可选地，所述动态参数包括第一动态参数以及第二动态参数；
根据所述车道坐标系、所述动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的横向安全距离以及纵向安全距离，具体包括：
根据所述车道坐标系、所述第一动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的第一横向安全距离以及第一纵向安全距离；
根据所述车道坐标系、所述第二动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的第二横向安全距离以及第二纵向安全距离。
可选地，根据所述横向安全距离以及该障碍物的位置，确定该障碍物在横向上对所述车辆的安全影响表征值，具体包括：
根据所述第一横向安全距离、所述第二横向安全距离以及该障碍物的位置，确定该障碍物在横向上对所述车辆的安全影响表征值；
根据所述纵向安全距离以及该障碍物的位置，确定该障碍物在纵向上对所述车辆的安全影响表征值，具体包括：
根据所述第一纵向安全距离、所述第二纵向安全距离以及该障碍物的位置，确定该障碍物在纵向上对所述车辆的安全影响表征值。
可选地，根据各障碍物的横向安全概率以及纵向安全概率，在各障碍物中，选择至少一个目标障碍物，具体包括：
根据所述车辆与各障碍物的相对位置，对各障碍物进行分类；
针对每个类的障碍物，根据该类中各障碍物的安全影响表征值，对该类中的各障碍物进行排序；
根据排序结果，在该类中的各障碍物中，选择目标障碍物。
本说明书提供一种车辆控制装置，所述装置所在的车辆上安装有激光雷达，所述激光雷达用于采集所述车辆周围环境对应的点云数据，所述装置包括：
获取模块，用于获取所述激光雷达采集的点云数据以及所述车辆的位置；
第一确定模块，用于根据所述点云数据，确定各障碍物的信息，所述障碍物的信息包括障碍物的位置、速度；并根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系；
第二确定模块，用于针对各障碍物，确定该障碍物对应的动态参数，根据所述车道坐标系、所述动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的横向安全距离以及纵向安全距离；
第三确定模块，用于根据所述横向安全距离以及该障碍物的位置，确定该障碍物在横向上对所述车辆的安全影响表征值，和/或，根据所述纵向安全距离以及该障碍物的位置，确定该障碍物在纵向上对所述车辆的安全影响表征值；
选择模块，用于根据确定出的各障碍物的安全影响表征值，在各障碍物中，选择至少一个目标障碍物；
第一控制模块，用于根据所述目标障碍物的信息以及所述车辆的位置，对所述车辆进行控制。
本说明书提供的车辆控制方法，所述方法包括：
获取车辆的位置、预测轨迹以及规划轨迹，所述预测轨迹是为所述车辆预测得到的未参考所述车辆周围环境中的障碍物的信息的轨迹，所述规划轨迹是为所述车辆规划得到的避开所述障碍物的轨迹；
根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系；
根据所述车道坐标系、所述预测轨迹的信息以及所述规划轨迹的信息，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异；
针对预先对所述车辆的周围环境划分的各区域，根据所述差异，确定该区域对所述车辆的安全影响表征值，所述安全影响表征值与所述差异负相关；
根据各区域对所述车辆的安全影响表征值，对所述车辆进行控制。
可选地，根据所述车道坐标系、所述预测轨迹的信息以及所述规划轨迹的信息，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异，具体包括：
根据预设的时间间隔，分别对所述预测轨迹以及所述规划轨迹进行采样；
将所述预测轨迹中的采样点作为预测采样点，将所述规划轨迹中的采样点作为规划采样点；
根据所述车辆到达各采样点的时刻，在各采样点中，确定相同时刻的预测采样点与规划采样点；
根据各相同时刻的预测采样点与规划采样点的位置，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异。
可选地，根据各相同时刻的预测采样点与规划采样点在所述车道坐标系下的位置，确定所述差异，具体包括：
针对各时刻，根据该时刻的预测采样点与规划采样点的位置，确定在所述车道坐标系下该时刻的预测采样点与规划采样点之间的横向距离，作为该时刻对应的横向距离；
根据各时刻对应的横向距离，确定所述差异。
可选地，根据各时刻对应的横向距离，确定所述差异，具体包括：
确定第一指定时刻以及第二指定时刻；
确定所述第一指定时刻之前的各时刻对应的横向距离的和值，作为第一和值，并确定所述第二指定时刻之前的各时刻对应的横向距离的和值，作为第二和值；
根据所述第一和值以及所述第二和值，确定所述差异。
可选地，根据各时刻对应的横向距离，确定所述差异，具体包括：
根据各时刻对应的横向距离，确定任意相邻时刻对应的横向距离的变化程度；
根据各变化程度，确定所述差异。
可选地，确定该区域对所述车辆的安全影响表征值，具体包括：
确定各规划采样点的加速度；
根据各规划采样点的加速度，确定加速度小于预设的加速度阈值的规划采样点的数量；
根据所述数量以及所述差异，确定各区域对所述车辆的安全影响表征值。
可选地，根据各区域对所述车辆的安全影响表征值，对所述车辆进行控制，具体包括：
根据各区域对所述车辆的安全影响表征值，在各区域中，确定对所述车辆的安全影响表征值最小的区域作为目标区域；
根据所述目标区域内的各障碍物的信息，对所述车辆进行控制。
本说明书提供一种车辆控制装置，所述装置包括：
获取轨迹模块，用于获取所述装置所在的车辆的位置、预测轨迹以及规划轨迹，所述预测轨迹是为所述车辆预测得到的未参考所述车辆周围环境中的障碍物的信息的轨迹，所述规划轨迹是为所述车辆规划得到的避开所述障碍物的轨迹；
确定车道模块，用于根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系；
确定差异模块，用于根据所述车道坐标系、所述预测轨迹的信息以及所述规划轨迹的信息，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异；
确定安全模块，用于针对预先对所述车辆的周围环境划分的各区域，根据所述差异，确定该区域对所述车辆的安全影响表征值，所述安全影响表征值与所述差异负相关；
第二控制模块，用于根据各区域对所述车辆的安全影响表征值，对所述车辆进行控制。
本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述车辆控制方法。
本说明书提供的一种车辆设备，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程序时实现上述车辆控制方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书中，可获取车辆的位置、预测轨迹以及规划轨迹，预测轨迹是是为车辆预测得到的未参考车辆周围环境中的障碍物的信息的轨迹，规划轨迹是为车辆规划得到的避开障碍物的轨迹，根据车辆的位置，确定车辆所在的车道，根据车道，确定以车道为参照的车道坐标系，根据车道坐标系、预测轨迹的信息以及规划轨迹的信息，确定预测轨迹与规划轨迹在车道坐标系下的差异，针对预先对车辆的周围环境划分的各区域，根据差异，确定该区域对车辆的安全影响表征值，安全影响表征值与差异负相关，根据各区域对车辆的安全影响表征值，对车辆进行控制。通过上述方法，本说明书可确定车辆的预测轨迹与规划轨迹之间的差异，从而确定车辆的周围环境中各区域对车辆的安全影响表征值，也即，确定各区域对车辆行驶的安全情况，从而实现对车辆进行控制，在复杂的行驶场景中，达到更加合理的控制车辆的效果。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书实施例提供的一种车辆控制方法流程图；
图2为本说明书实施例提供的车辆与障碍物在车道坐标系下的位置示意图；
图3为本说明书实施例提供的另一种车辆控制方法流程图；
图4为本说明书实施例提供的预测轨迹与规划轨迹在车道坐标系下的示意图；
图5为本说明书实施例提供的一种车辆控制装置的结构示意图；
图6为本说明书实施例提供的另一种车辆控制装置的结构示意图；
图7为本说明书实施例提供的对应于图1的车辆设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
现有的车辆安全模块，一般使用的是自动紧急制动(Autonomous EmergencyBraking，AEB)***，国家标准文件中对AEB***的解释为：“实时监测车辆前方行驶环境，并在可能发生碰撞危险时自动启动车辆制动***使车辆减速，以避免碰撞或减轻碰撞后果”。由此可知，首先，AEB***仅考虑车辆前方行驶环境，而在实际的驾驶场景中，行驶中的车辆不仅需要考虑前方的行驶环境，以避免与前方车辆发生碰撞等交通事故，承担交通事故责任，而且，同时还需要考虑左右两侧以及后方的驾驶环境，以避免与车辆四周的任何障碍物发生碰撞等交通事故，从而保障车辆在驾驶过程中的安全性。其次，AEB***在可能发生碰撞危险时自动启动车辆制动***，以避免碰撞或减轻碰撞后果，也即，AEB***不能保障车辆完全不会与其他车辆等障碍物碰撞，因此，行驶中的车辆依然存在可能发生碰撞等安全性问题。
故，本说明书提供一种车辆控制方法，通过车辆的位置，建立车道坐标系，根据车辆周围环境中的障碍物的信息，确定每个障碍物与车辆之间的横向安全距离以及纵向安全距离，并确定每个障碍物的安全影响表征值，基于各障碍物的安全影响表征值，选择目标障碍物，根据目标障碍物的信息以及车辆的位置，对车辆进行控制。
另外，本说明书还提供另一种车辆控制方法，通过获取的车辆的位置、预测轨迹以及规划轨迹，建立车道坐标系，确定预测轨迹与规划轨迹在车道坐标系下的差异，根据差异，确定预先对车辆的周围环境划分的各区域对车辆的安全影响表征值，基于各区域对车辆的安全影响表征值，对车辆进行控制。
本说明书提供的上述两种车辆控制方法，均可单独使用，也可结合在一起使用，以保障车辆安全行驶。也即，可单独使用第一种车辆控制方法，也可单独使用第二种车辆控制方法，以解决现有的AEB***的不足，还可在使用第一种车辆控制方法的过程中，使用第二种车辆控制方法确定目标区域，使用第一种车辆控制方法确定目标区域的目标障碍物，从而根据目标区域中的目标障碍物，对车辆进行控制。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种车辆控制方法流程图，具体可包括以下步骤：
S100：获取所述激光雷达采集的点云数据以及所述车辆的位置。
在本说明书中，车辆可包括普通车辆以及无人设备，无人设备主要包括无人车、无人机等智能无人驾驶设备，主要用于代替人工配送物品，例如在大型货物仓储中心运输分拣后的货物，或将货物从某一地点运输到另一地点。
车辆上可安装有激光雷达，激光雷达可包括机械式激光雷达、固态激光雷达等，由于机械式激光雷达可扫描车辆周围环境信息，得到全景点云数据，因此，机械式激光雷达可放置在车辆的顶部，由于固态激光雷达的工作原理，为得到全景点云数据，可在车辆上放置多个固态激光雷达，本说明书中，对激光雷达的种类、数量、在车辆上的放置位置，不做限制。
故，本说明书中，通过激光雷达可采集车辆周围环境对应的点云数据，车辆周围环境是指以车辆为中心，车辆四周的环境信息，可包括静态障碍物、动态障碍物、车道等。
车辆上可安装有定位模块，例如，全球定位***(Global Positioning System，GPS)等，定位模块用于定位车辆的位置。除此之外，车辆上还可安装有图像传感器等，通过计算机视觉的方式，确定车辆当前的位置。本说明书中对使用何种方式确定车辆的位置，不做具体限制。
车辆上可安装有处理器，通过处理器获取激光雷达采集的点云数据，并通过对点云数据进行处理等操作，以实现对车辆的控制。由于本说明书提供的车辆控制方法的执行主体可以为车辆，具体为车辆上的处理器等部件，为便于描述，以下统称为车辆。
另外，车辆上还可安装有通信设备，例如，无线保真(WIreless FIdelity，WiFi)、蓝牙等模块，通过通信设备，将激光雷达采集的点云数据、车辆的位置等信息发送给服务器，服务器根据接收到的点云数据、车辆的位置等信息，实现对车辆的控制。也即，本说明书提供的车辆控制方法的执行主体也可以为服务器。因此，为便于描述，以下以车辆作为执行主体为例，对车辆控制方法进行说明。
S102：根据所述点云数据，确定各障碍物的信息，所述障碍物的信息包括障碍物的位置、速度；并根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系。
车辆在获取点云数据之后，可对点云数据进行数据处理，得到车辆周围环境中各障碍物的信息。
具体的，车辆可对点云数据进行目标检测，确定点云数据中各障碍物的类型、位置、速度等信息。例如，可将点云数据输入预先训练完成的目标检测模型，通过目标检测模型，得到点云数据中各目标的边界框信息、各目标的类型等信息，其中，目标即为障碍物，障碍物的类型可包括静态障碍物、动态障碍物，动态障碍物又可划分为自行车、汽车、摩托车、行人等类型。需要说明的是，车辆对点云数据进行目标检测后，得到的是各障碍物在世界坐标系或者地理坐标系下的位置以及速度等信息，并且，车辆的定位模块定位车辆的位置信息也是在世界坐标系或者地理坐标系下的位置。位置可由经纬度、通用横墨卡托格网***(Universal Transverse Mercator Grid System，UTM)等表示。
另外，车辆还可使用现有的其他方式对点云数据进行目标检测，上述只是提供的一种实现方式，关于使用现有的其他方式对点云数据进行目标检测的过程，本说明书不再一一赘述。
同时，车辆可根据车辆的位置，确定车辆所在的车道。
具体的，车辆中可预先存储地图，例如，高精地图、三维地图等。根据车辆当前的位置以及地图信息，可确定车辆当前所在的车道或者车辆当前所在的道路。
在确定车辆所在的车道之后，车辆可根据车道，确定以车道为参照的车道坐标系。
具体的，根据地图中车辆所在的车道，可建立车道坐标系，该坐标系的纵轴平行于车道，横轴垂直于车道。其中，车道坐标系可为二维平面坐标系，坐标系所在的平面平行于地面，也可以为三维立体坐标系。结合实际情况，一般情况下，车道坐标系为二维平面坐标系。
或者，车辆可根据地图信息，确定车辆所在的道路的中心线，建立车道坐标系时，可将车道坐标系纵轴平行于道路的中心线，车道坐标系横轴垂直于道路的中心线。
在一种优选的情况中，车道坐标系的原点可为车辆的中心点。关于车道坐标系的原点，本说明书不作限制。
图2为本说明书实施例提供的车辆与障碍物在车道坐标系下的位置示意图。在图2中，两条车道由虚线隔开，A为本说明书中的车辆，B为车辆周围环境中的障碍物，车道坐标系的纵轴方向为平行于车道的车辆的行驶方向，车道坐标系的横轴方向与垂直于车道的车辆的左侧方向。车辆A周围的黑色边框为车辆根据自身的尺寸以及当前位置确定的车辆与周围环境的最小外接信息，障碍物B周围的黑色边框为车辆根据目标检测的结果，确定的障碍物B与周围环境的最小外接信息，表征障碍物B的位置。
S104：针对各障碍物，确定该障碍物对应的动态参数，根据所述车道坐标系、所述动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的横向安全距离以及纵向安全距离。
在确定车辆周围环境中的各障碍物的信息之后，针对各障碍物，首先，可确定该障碍物对应的动态参数。
具体的，动态参数可包括横向动态参数以及纵向动态参数，例如，横向最大加速度、横向最小加速度、纵向最大加速度、纵向最小加速度、横向最大减速度、横向最小减速度、纵向最大减速度、纵向最小减速度等。不同类型的障碍物可对应不同的动态参数。因此，车辆可预先确定各障碍物类型与动态参数的对应关系。例如，由于汽车加速度等一般大于自行车的加速度，汽车类型的障碍物对应一种动态参数，自行车类型的障碍物对应另一种动态参数，动态参数的取值可根据障碍物类型与实际情况预先设置。
因此，针对各障碍物，车辆可根据该障碍物的障碍物类型以及各障碍物类型与动态参数的对应关系，选择该障碍物的障碍物类型对应的动态参数，作为该障碍物对应的动态参数。
然后，根据车道坐标系、动态参数以及该障碍物的速度，确定在车道坐标系下该障碍物与车辆之间的横向安全距离以及纵向安全距离。
具体的，车辆可获取车辆的速度，根据车辆的速度，确定车辆在车道坐标系下的车辆横向速度以及车辆纵向速度，并根据该障碍物的速度，确定该障碍物在车道坐标系下的障碍物横向速度以及障碍物纵向速度，根据车辆横向速度、障碍物横向速度以及动态参数，确定横向安全距离，并根据车辆纵向速度、障碍物纵向速度以及动态参数，确定纵向安全距离。
也即，车辆可将车辆的速度、该障碍物的速度在车道坐标系下进行速度分解，得到车辆横向速度、车辆纵向速度、障碍物横向速度以及障碍物纵向速度。根据车辆横向速度、障碍物横向速度以及动态参数，确定横向安全距离。根据车辆纵向速度、障碍物纵向速度以及动态参数，确定纵向安全距离。
在确定横向安全距离时，由于动态参数可包括横向动态参数以及纵向动态参数，而横向动态参数可包括横向最大加速度、横向最小加速度、横向最大减速度、横向最小减速度等，因此，车辆可根据车道坐标系、横向动态参数以及该障碍物的速度，确定横向安全距离。
具体的，可预先设置反应时间以及车辆的动态参数，车辆与该障碍物在反应时间内，均以横向加速度相互靠近，然后以横向减速度进行减速，确定车辆与该障碍物未发生碰撞等交通事故的距离，作为横向安全距离，其中，横向加速度可以为横向最大加速度或者横向最小加速度，横向减速度可以为横向最大减速度或者横向最小减速度。因此，横向安全距离可如公式(1)所示。
Figure BDA0002608300490000131
其中，dH为横向安全距离，μ为车辆与该障碍物之间的最小距离，取值为非负数，vH,A为车辆的当前车辆横向速度，ρ为反应时间，vH,A,ρ为车辆经过在反应时间内以横向加速度加速之后的车辆横向速度，aH,A,-为车辆的横向减速度，vH,B为该障碍物的当前障碍物横向速度，vH,B,ρ为该障碍物经过在反应时间内以横向加速度加速之后的障碍物横向速度，aH,B,-为该障碍物的横向减速度。
在确定纵向安全距离时，而纵向动态参数可包括纵向最大加速度、纵向最小加速度、纵向最大减速度、纵向最小减速度等，因此，车辆可根据车道坐标系、纵向动态参数以及该障碍物的速度，确定纵向安全距离。
具体的，在确定纵向安全距离时，根据车辆与该障碍物所处的场景不同，纵向安全距离的计算方式也不同。
当车辆与该障碍物在纵向上为跟车行驶时，也即，车辆与该障碍物在纵向上的行驶方向一致，以车辆在该障碍物的后方为例，车辆在反应时间内以纵向加速度加速前进，然后以纵向减速度进行减速，同时，该障碍物以最大减速度进行减速行驶时，确定车辆与该障碍物未发生碰撞等交通事故的距离，作为纵向安全距离，则纵向安全距离可如公式(2)所示。
Figure BDA0002608300490000141
其中，dZ,T为车辆与该障碍物在纵向上跟车行驶时的纵向安全距离，vZ,A为车辆当前车辆纵向速度，aZ,A,+为车辆在反应时间内的纵向加速度，aZ,A,-为车辆的纵向减速度，aZ,B,-为该障碍物的纵向减速度，vZ,B为该障碍物的当前障碍物纵向速度。
当车辆与该障碍物在纵向上为会车行驶时，也即，车辆与该障碍物在纵向上的行驶方向相反，车辆与该障碍物在反应时间内分别以纵向加速度加速前进，然后分别以纵向减速度进行减速时，确定车辆与该障碍物未发生碰撞等交通事故的距离，作为纵向安全距离，则纵向安全距离可如公式(3)所示。
Figure BDA0002608300490000142
其中，dZ,F为车辆与该障碍物在纵向上会车行驶时的纵向安全距离，vZ,A,ρ为车辆经过在反应时间内以纵向加速度加速之后的车辆纵向速度，vZ,B,ρ为该障碍物经过在反应时间内以纵向加速度加速之后的障碍物纵向速度。
上述内容为本说明书实施例提供的一种确定的车辆与障碍物之间的横向安全距离以及纵向安全距离的方式，在本说明书中，除了上述内容之外，还可采用其他方式来根据车道坐标系、动态参数以及该障碍物的速度，确定在车道坐标系下该障碍物与车辆之间的横向安全距离以及纵向安全距离，而本说明书中，不管采用何种方式确定横向安全距离，均需要满足车辆与该障碍物之间的横向安全距离与横向相对速度负相关，其中，横向相对速度为在车道坐标系下的车辆横向速度与障碍物横向速度的差值，也即，横向相对速度越大，横向安全距离越小，横向相对速度越小，横向安全距离越大。而本说明书可确定车辆与该障碍物在车道坐标系下的横向速度，因此，只有满足横向安全距离与横向相对速度负相关的关系，即可确定车辆与该障碍物之间的横向安全距离。
同样，在本说明书中，当车辆与该障碍物会车行驶或者跟车行驶时，车辆与该障碍物之间的纵向安全距离与纵向相对速度负相关，其中，纵向相对速度为在车道坐标系下的车辆纵向速度与障碍物纵向速度的差值。
另外，针对每一种障碍物类型对应的动态参数，车辆可预先为该动态参数设置两个不同的参数值，可记为第一动态参数、第二动态参数。同样，车辆的动态参数也可预先设置两个不同的参数值。其中，第一动态参数可为该动态参数的最大取值，第二动态参数可为该动态参数的最小取值。或者，设置动态参数的取值区间，即大于等于第二动态参数并且小于等于第一动态参数。不同动态参数的取值区间与障碍物类型有关，以汽车类型对应的纵向最大加速度为例，车辆可设置汽车类型对应的纵向最大加速度的最大值为2.7m/s2，汽车类型对应的纵向最大加速度的最小值为0.5m/s2，也即，第一动态参数为2.7m/s2，第二动态参数为0.5m/s2。
在本说明书中，针对同一种障碍物类型对应的动态参数，设置两个参数值，分别为第一动态参数以及第二动态参数，不管是第一动态参数还是第二动态参数，均可根据上述内容，确定该障碍物类型的障碍物与车辆之间的横向安全距离和/或纵向安全距离。也即，根据车道坐标系、第一动态参数以及该障碍物的速度，确定在车道坐标系下该障碍物与车辆之间的第一横向安全距离以及第一纵向安全距离，根据车道坐标系、第二动态参数以及该障碍物的速度，确定在车道坐标系下该障碍物与车辆之间的第二横向安全距离以及第二纵向安全距离。
但是，第一动态参数为该动态参数的最大取值，表明确定该障碍物与车辆之间的安全距离较短，是以较为激进的方式保障车辆的行驶安全，第二动态参数为该动态参数的最小取值，表明确定该障碍物与车辆之间的安全距离较长，是以较为舒缓的方式保障车辆的行驶安全。因此，可将第一横向安全距离作为最小横向安全距离，将第二横向安全距离作为最大横向安全距离，将第一纵向安全距离作为最小纵向安全距离，将第二纵向安全距离作为最大纵向安全距离。
另外，由于车辆、障碍物的动态参数均可设置两个不同的参数值，根据上述公式(1)至公式(3)可得到四个横向安全距离，可在四个横向安全距离中，选择一个横向安全距离，作为车辆与该障碍物之间的横向安全距离，或者，选择两个横向安全距离，分别作为车辆与该障碍物之间的最大横向安全距离以及最小横向安全距离。根据上述公式(1)至公式(3)可得到四个纵向安全距离，可在四个纵向安全距离中，选择一个纵向安全距离，作为车辆与该障碍物之间的纵向安全距离，或者，选择两个纵向安全距离，分别作为车辆与该障碍物之间的最大纵向安全距离以及最小纵向安全距离。其中，在四个横向安全距离中选择横向安全距离或者在四个纵向安全距离中选择纵向安全距离的方式，可以为随机选择，或者先排序，根据排序结果进行选择等。
S106：根据所述横向安全距离以及该障碍物的位置，确定该障碍物在横向上对所述车辆的安全影响表征值，和/或，根据所述纵向安全距离以及该障碍物的位置，确定该障碍物在纵向上对所述车辆的安全影响表征值。
在确定在车道坐标系下车辆与该障碍物之间的横向安全距离以及纵向安全距离之后，可确定该障碍物对车辆的安全影响表征值，其中，该障碍物对车辆的安全影响表征值可包括该障碍物在横向上对所述车辆的安全影响表征值以及该障碍物在纵向上对所述车辆的安全影响表征值。
先来说该障碍物在横向上对车辆的安全影响表征值，根据横向安全距离以及该障碍物的位置，车辆可确定该障碍物在横向上对车辆的安全影响表征值。
首先，车辆可根据该障碍物的位置以及车辆的位置，确定车辆与该障碍物之间的当前距离。
具体的，根据对点云的目标检测结果，可确定该障碍物的边界框信息，另外，根据车辆的尺寸等数据，可确定车辆的边界框信息。因此，根据车辆与该障碍物的边界框信息，可确定车辆与该障碍物之间的当前距离。其中，当前距离包括当前横向距离以及当前纵向距离。
车辆与该障碍物之间的当前横向距离为车辆的边界框的一侧与该障碍物的边界框的不同侧之间的距离。当车辆位于该障碍物的左侧时，当前横向距离为车辆的边界框右侧与该障碍物的边界框的左侧之间的距离，当车辆位于该障碍物的右侧时，当前横向距离为车辆的边界框左侧与该障碍物的边界框的右侧之间的距离。当该障碍物的边界框与车辆的边界框在横向上的投影存在重合时，则可将该障碍物与车辆之间的当前横向距离设置为零。同样，车辆与障碍物之间的当前纵向距离为车辆的边界框的一侧与该障碍物的边界框的不同侧之间的距离。当车辆位于该障碍物的前方时，当前纵向距离为车辆的边界框下侧与该障碍物的边界框的上侧之间的距离，当车辆位于该障碍物的后方时，当前纵向距离为车辆的边界框上侧与该障碍物的边界框的下侧之间的距离。当该障碍物的边界框与车辆的边界框在纵向上的投影存在重合时，则可将该障碍物与车辆之间的当前纵向距离设置为零。
根据当前横向距离、横向安全距离，车辆可确定该障碍物在横向上对车辆的安全影响表征值，其中，该障碍物在横向上对车辆的安全影响表征值与当前横向安全距离正相关。也即，当前横向安全距离越大，该障碍物在横向上对车辆的安全影响表征值越大，该障碍物在横向上对车辆的行驶安全越不存在威胁，车辆行驶时该障碍物在横向上对车辆越安全。
另外，车辆还可根据第一横向安全距离、第二横向安全距离以及该障碍物的位置，确定该障碍物在横向上对所述车辆的安全影响表征值。
具体的，车辆可确定当前横向距离与第一横向安全距离的差值的对数，与第一横向安全距离与第二横向安全距离的差值的对数的比值，作为该障碍物在横向上对车辆的安全影响表征值，可如公式(4)所示。
Figure BDA0002608300490000171
其中，PH为该障碍物在横向上对车辆的安全影响表征值，DH为当前横向距离，Dis1,H为第一横向安全距离，Dis2,H为第二横向安全距离。
再来说该障碍物在纵向上对所述车辆的安全影响表征值，根据纵向安全距离以及该障碍物的位置，车辆可确定该障碍物在纵向上对车辆的安全影响表征值。
根据当前纵向距离、纵向安全距离，车辆可确定该障碍物在纵向上对车辆的安全影响表征值，其中，该障碍物在纵向上对车辆的安全影响表征值与当前纵向安全距离正相关。也即，当前纵向安全距离越大，该障碍物在纵向上对车辆的安全影响表征值越大，该障碍物在纵向上对车辆的行驶安全越不存在威胁，车辆行驶时该障碍物在纵向上对车辆越安全。
另外，车辆还可根据第一纵向安全距离、第二纵向安全距离以及该障碍物的位置，确定该障碍物在纵向上对所述车辆的安全影响表征值。
具体的，车辆可确定当前纵向距离与第一纵向安全距离的差值的对数，与第一纵向安全距离与第二纵向安全距离的差值的对数的比值，作为该障碍物在纵向上对车辆的安全影响表征值，可如公式(5)所示。
Figure BDA0002608300490000181
其中，PZ为该障碍物在纵向上对车辆的安全影响表征值，DZ为当前纵向距离，Dis1,Z为第一纵向安全距离，Dis2,Z为第二纵向安全距离。
除了上述内容之外，在本说明书中，还可预先训练安全模型，将所述横向安全距离以及该障碍物的位置输入预先训练的安全模型，得到所述安全模型输出的该障碍物在横向上对所述车辆的安全影响表征值，将所述纵向安全距离以及该障碍物的位置输入所述安全模型，得到所述安全模型输出的该障碍物在纵向上对所述车辆的安全影响表征值。其中，在预习训练安全模型时，可采用有监督训练或者无监督训练，安全模型可以机器学习模型，例如，神经网络模型。关于训练安全模型的具体内容，可参考现有的训练方法，本说明书不再赘述。
S108：根据确定出的各障碍物的安全影响表征值，在各障碍物中，选择至少一个目标障碍物。
S110：根据所述目标障碍物的信息以及所述车辆的位置，对所述车辆进行控制。
在确定各障碍物的安全影响表征值之后，车辆可根据各障碍物的安全影响表征值，在各障碍物中，选择至少一个目标障碍物。
具体的，首先，车辆预先对车辆周围环境划分区域，例如，将车辆周围环境划分为车辆前方，车辆左方，车辆右方等区域。
然后，车辆可在各区域中，选择目标区域。根据车辆与各障碍物的相对位置，确定目标区域中的各障碍物。根据目标区域中的各障碍物的安全影响表征值，选择目标障碍物。也就是说，车辆可先选择目标区域，这里的目标区域指的是对车辆行驶安全有影响的区域，然后在目标区域中选择目标障碍物。或者，车辆可根据车辆与各障碍物的相对位置，对各障碍物进行分类，也即，将位于同一区域内的障碍物分为一类。针对每个类的障碍物，根据该类中各障碍物的安全影响表征值，对该类中的各障碍物进行排序，根据排序结果，在该类中的各障碍物中，选择目标障碍物，也就是说，车辆可在每一个区域中选择出目标障碍物。
首先描述第一种方式，选择目标区域，根据目标区域，对车辆进行控制。图3为本说明书实施例提供的另一种车辆控制方法流程图，具体可包括以下步骤：
S200：获取车辆的位置、预测轨迹以及规划轨迹，所述预测轨迹是为所述车辆预测得到的未参考所述车辆周围环境中的障碍物的信息的轨迹，所述规划轨迹是为所述车辆规划得到的避开所述障碍物的轨迹。
在本说明书中，相同内容不再重复，可参考上述内容，例如，执行主体均可以为车辆或者服务器等。
车辆可获取预测轨迹以及规划轨迹。其中，预测轨迹为车辆根据历史轨迹，预测得到的轨迹。车辆在得到预测轨迹时，未考虑到车辆周围环境中的障碍物的信息，也即，车辆在按照预测轨迹行驶的情况下，不能避开周围环境中的各障碍物，在车辆行驶的过程中，若车辆遇到障碍物，则车辆会停止。因此，预测轨迹从直观上看，在车道坐标系下为一条带有速度信息的直线，车辆最终并不按照预测轨迹行驶。
规划轨迹为车辆根据周围环境中各障碍物的信息，规划得到的避开各障碍物的轨迹。也即，车辆在得到规划轨迹时，考虑到车辆周围环境中的障碍物的信息，也即，车辆在按照规划轨迹行驶的情况下，可避开周围环境中的各障碍物。规划轨迹同样是一条带有速度信息的轨迹。
S202：根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系。
S204：根据所述车道坐标系、所述预测轨迹的信息以及所述规划轨迹的信息，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异。
在获取预测轨迹以及规划轨迹之后，车辆可根据预设的时间间隔，分别对预测轨迹以及规划轨迹进行采样，将预测轨迹中的采样点作为预测采样点，将规划轨迹中的采样点作为规划采样点，根据车辆到达各采样点的时刻，在各采样点中，确定相同时刻的预测采样点与规划采样点。
参考图2，图4为本说明书实施例提供的预测轨迹与规划轨迹在车道坐标系下的示意图。在图4中，较粗的虚线为预测轨迹，较细的虚线为规划轨迹，X1、X2为规划轨迹上的两个采样点，Y1、Y2为预测轨迹上的两个采样点，车辆到达X1的时刻与到达Y1的时刻相同，故，X1与Y1为相同时刻对应的规划采样点与预测采样点。X2与Y2同样为相同时刻对应的规划采样点与预测采样点。并且，车辆到达Y1的时刻与车辆到达Y2的时刻为相邻时刻，故，Y1、Y2为相邻时刻的预测采样点，X1、X2为相邻时刻的规划采样点。
根据各相同时刻的预测采样点与规划采样点的位置，车辆可确定预测轨迹与规划轨迹在所述车道坐标系下的差异。
具体的，针对各时刻，根据该时刻的预测采样点与规划采样点的位置，确定在车道坐标系下该时刻的预测采样点与规划采样点之间的横向距离，作为该时刻对应的横向距离，根据各时刻对应的横向距离，确定差异。
当然，车辆还可确定在车道坐标系下该时刻的预测采样点与规划采样点之间的纵向距离，作为该时刻对应的纵向距离，根据各时刻对应的纵向距离，确定差异。
考虑到该时刻对应的纵向距离与横向距离均可确定差异，下文将以横向距离为例，对确定差异的过程进行描述。
本说明书可提供两种确定根据各时刻对应的横向距离确定差异的方式。
以下对第一种方式进行描述。
车辆可确定第一指定时刻以及第二指定时刻，确定第一指定时刻之前的各时刻对应的横向距离的和值，作为第一和值，确定第二指定时刻之前的各时刻对应的横向距离的和值，作为第二和值，根据第一和值以及第二和值，确定差异。
具体的，车辆可确定第二指定时刻在第一指定时刻之后，若第一指定时刻之前，规划轨迹的采样点与预测轨迹的采样点的个数均为n个，第二指定时刻之前，规划轨迹的采样点与预测轨迹的采样点的个数均为N个，则差异可如公式(6)所示。
Figure BDA0002608300490000211
其中，U为预测轨迹与规划轨迹之间的差异，Xi为第i个规划采样点，Yi为第i个预测采样点。
另外，除了公式(6)所示的方法之外，车辆还可在各规划采样点中，随机选择n个规划采样点，在各预测采样点中，确定n个规划采样点对应的预测采样点。或者，n个规划轨迹的采样点、n个预测轨迹的采样点为第一指定时刻与第二指定时刻之间的采样点等。关于上述内容中采样点的选取，本说明书不再一一赘述。
以下对第二种方式进行描述。
车辆可根据各时刻对应的横向距离，确定任意相邻时刻对应的横向距离的变化程度。其中，横向距离的变化程度δ可如公式(7)所示。
Figure BDA0002608300490000212
根据各变化程度，确定差异，其中，差异与变化程度正相关。也即，变化程度越大，差异越大，变化程度越小，差异越小。因此，只要根据公式(7)确定出任意相邻时刻对应的横向距离的变化程度，即可确定差异。在一种比较优选的方式中，可将最大变化程度作为差异。
S206：针对预先对所述车辆的周围环境划分的各区域，根据所述差异，确定该区域对所述车辆的安全影响表征值，所述安全影响表征值与所述差异负相关。
在确定预测轨迹与规划轨迹之间的差异之后，车辆可针对各区域，根据各采样点的位置，确定位于该区域内的各采样点。
具体的，预先对车辆的周围环境划分各区域的方式可参考上述内容。由于上述内容确定差异采用了两种方式，因此，在根据差异确定该区域对车辆的安全影响表征值时，同样可采用两种方式确定。
针对第一种方式，由于第一种确定差异的方式为采样点的横向距离的和值的比值，因此，根据各采样点的位置，可确定位于该区域中的各采样点，在确定差异时，可将所有采样点之间的横向距离的和值作为第二和值，将位于该区域中的规划采样点与各规划采样点对应的预测采样点之间的横向距离的和值，作为第一和值，根据第一和值以及第二和值，确定预测轨迹与规划轨迹在该区域中的差异。根据预测轨迹与规划轨迹在该区域中的差异，确定该区域对车辆的安全影响表征值。例如，可设置区域权重，将预测轨迹与规划轨迹在该区域中的差异与区域权重的乘积，作为该区域对车辆的安全影响表征值。由于安全影响表征值与差异负相关，差异越小，安全影响表征值越大，车辆在该区域中行驶的安全性越高。
针对第二种方式，由于第二种确定差异的方式为通过采样点的横向距离的变化程度确定，因此，而变化程度越大，差异越大，安全影响值越小，车辆在该区域中行驶的安全性越低。因此，可根据该区域中采样点的信息，确定该区域中的采样点的变化程度，根据该区域中的采样点的变化程度，确定预测轨迹与规划轨迹在该区域中的差异，将差异的倒数作为安全影响值。在本说明书中，只要确定了差异，便可根据差异与安全影响值负相关的关系，确定安全影响值。
另外，在本说明书中，由于各采样点均在车道坐标系下，因此，在车道坐标系下，采样点的变化程度的取值的符号(也即，采样点的变化程度的取值为正值还是负值)，同样可作为确定目标区域的依据。沿用上例，在图4中，若车道坐标系的坐标原点位于车辆的中心，采样点X1、X2、Y1、Y2确定出的采样点变化程度的取值为正值，则，车辆的左前方为安全区域，车辆的右前方为危险区域，也即，目标区域为车辆的右前方区域，车辆在行驶过程中需要避开车辆右前方，同理，若采样点变化程度的取值为负值，则，车辆的右前方为安全区域，车辆的左前方为危险区域，也即，目标区域为车辆的左前方区域，车辆在行驶过程中需要避开车辆左前方。
另外，本说明书中，车辆还可确定各规划采样点的加速度，根据各规划采样点的加速度，确定加速度小于预设的加速度阈值的规划采样点的数量，根据数量以及差异，确定各区域对车辆的安全影响表征值。
具体的，针对各区域，可确定位于该区域中的规划采样点，根据各规划采样点的加速度，确定该区域中加速度小于加速度阈值的规划采样点的数量，其中，这里的加速度实际为刹车的加速度，也即，上文中提到的减速度，按照上文中的表示，这里可描述为确定该区域中减速度大于减速度阈值的规划采样点的数量。其中，数量与安全影响表征值负相关，也即，数量越多，车辆在该区域中行驶的刹车次数越多，安全影响表征值越小，该区域对车辆的行驶安全的威胁性越大，车辆在该区域中行驶越不安全。只要确定该区域中减速度大于减速度阈值的规划采样点的数量以及规划轨迹与预测轨迹在该区域中的差异，便可确定该区域对车辆的安全影响表征值。
S208：根据各区域对所述车辆的安全影响表征值，对所述车辆进行控制。
在确定各区域对车辆的安全影响表征值之后，可在各区域中，根据各区域对车辆的安全影响表征值，确定目标区域，然后，根据目标区域中的各障碍物的信息，对车辆进行控制。
具体的，按照各区域对车辆的安全影响表征值的大小，可对各区域进行排序，根据排序结果，选择安全影响表征值最小的区域，作为目标区域，这是由于安全影响表征值越小的区域，车辆在该区域中行驶的安全性越小，也即，该区域越有可能对车辆行驶安全存在威胁性。当然，还可在各区域中，随机选择目标区域。另外，在本说明书中，选择的目标区域的个数可以为一个或者多个。
在选择目标区域之后，可确定目标区域中的障碍物的信息，根据各障碍物的位置、速度等信息，对车辆进行控制。其中，确定目标区域中的障碍物的信息，可参考上述内容。
此外，针对各区域，还可确定该区域内的最大变化程度、在所述车道坐标系下该区域内的最大变化程度的取值信息，根据最大变化程度在该区域内的取值的正负，确定车辆在该区域内的行驶方向，根据所述车辆在该区域内的行驶方向，对所述车辆进行控制。
以上是第一种方式，即，先确定目标区域，然后确定目标区域中的障碍物，根据目标区域中的各障碍物的信息，对车辆进行控制。
再来描述第二种方式，针对每个区域，选择目标障碍物，根据目标障碍物，对车辆进行控制。
针对各区域，根据各障碍物的位置，可确定位于该区域中的各障碍物。根据各障碍物的安全影响表征值，可确定目标障碍物，根据目标障碍物的位置、速度以及车辆的位置等信息，对车辆进行控制。
具体的，针对该区域中的各障碍物，根据该障碍物在横向上以及在纵向上对车辆的安全影响表征值，确定该障碍物的综合安全影响表征值，例如，可将该障碍物在横向上对车辆的安全影响表征值与该障碍物在纵向上对车辆的安全影响表征值的和值，作为该障碍物的综合安全影响表征值，或者，可将该障碍物在横向上对车辆的安全影响表征值与该障碍物在纵向上对车辆的安全影响表征值中的最小值，作为该障碍物的综合安全影响表征值。
根据该区域中各障碍物的综合安全影响表征值，对各障碍物进行排序。根据排序结果，在各障碍物中确定目标障碍物。例如，可选择综合安全影响表征值最小的障碍物作为目标障碍物，这是由于综合安全影响表征值最小的障碍物对行驶中的车辆最危险。当然，也可在各障碍物中，随机选择目标障碍物。
另外，在本说明书中，可根据选择的目标障碍物在横向上以及在纵向上对车辆的安全影响表征值，确定车辆的行驶方向，根据车辆的行驶方向，对车辆进行控制。
本说明书中可选择一个或多个目标障碍物。本说明书中选择多个目标障碍物后，可根据每个目标障碍物在横向上对车辆的安全影响表征值，对各目标障碍物进行排序，选择在横向上对车辆的安全影响表征值最小的目标障碍物，也即选择在横向上对车辆最危险的目标障碍物，以便确定车辆是否需要在横向上避开该目标障碍物，从而实现对车辆的控制，例如，判断车辆是否需要改变行驶方向等，根据判断结果，控制车辆。并且，车辆还可根据每个目标障碍物在纵向上对车辆的安全影响表征值，对各目标障碍物进行排序，选择在纵向上对车辆的安全影响表征值最小的目标障碍物，也即，选择在纵向上对车辆最危险的目标障碍物，以便确定车辆是否需要在纵向上避开该目标障碍物，从而实现对车辆的控制，例如，判断车辆是否需要改变行驶方向或者降低车速等，根据判断结果，控制车辆。
本说明书提供的上述车辆控制方法，具体可应用于使用无人设备进行配送的领域，例如，使用无人设备进行快递、外卖等配送的场景。具体的，在上述的场景中，可使用多个无人设备所构成的无人驾驶车队进行配送。
基于图1所示的车辆控制方法，本说明书实施例还对应提供一种车辆控制装置的结构示意图，如图4所示。
图5为本说明书实施例提供的一种车辆控制装置的结构示意图，所述装置包括：
获取模块501，用于获取所述激光雷达采集的点云数据以及所述车辆的位置；
第一确定模块502，用于根据所述点云数据，确定各障碍物的信息，所述障碍物的信息包括障碍物的位置、速度；并根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系；
第二确定模块503，用于针对各障碍物，确定该障碍物对应的动态参数，根据所述车道坐标系、所述动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的横向安全距离以及纵向安全距离；
第三确定模块504，用于根据所述横向安全距离以及该障碍物的位置，确定该障碍物在横向上对所述车辆的安全影响表征值，和/或，根据所述纵向安全距离以及该障碍物的位置，确定该障碍物在纵向上对所述车辆的安全影响表征值；
选择模块505，用于根据确定出的各障碍物的安全影响表征值，在各障碍物中，选择至少一个目标障碍物；
第一控制模块506，用于根据所述目标障碍物的信息以及所述车辆的位置，对所述车辆进行控制。
可选地，所述障碍物的信息包括障碍物类型；
所述第二确定模块503具体用于，根据预先确定的各障碍物类型与动态参数的对应关系以及该障碍物的障碍物类型，确定该障碍物对应的动态参数。
可选地，所述第二确定模块503具体用于，获取所述车辆的速度；根据所述车辆的速度，确定所述车辆在所述车道坐标系下的车辆横向速度以及车辆纵向速度，并根据该障碍物的速度，确定该障碍物在所述车道坐标系下的障碍物横向速度以及障碍物纵向速度；根据所述车辆横向速度、所述障碍物横向速度以及所述动态参数，确定所述横向安全距离，并根据所述车辆纵向速度、所述障碍物纵向速度以及所述动态参数，确定所述纵向安全距离。
可选地，所述动态参数包括横向动态参数以及纵向动态参数；
所述第二确定模块503具体用于，根据所述车道坐标系、所述横向动态参数以及该障碍物的速度，确定所述横向安全距离，并根据所述车道坐标系、所述纵向动态参数以及该障碍物的速度，确定所述纵向安全距离。
可选地，所述动态参数包括第一动态参数以及第二动态参数；
所述第二确定模块503具体用于，根据所述车道坐标系、所述第一动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的第一横向安全距离以及第一纵向安全距离；根据所述车道坐标系、所述第二动态参数以及该障碍物的速度，确定在所述车道坐标系下该障碍物与所述车辆之间的第二横向安全距离以及第二纵向安全距离。
可选地，所述第三确定模块504具体用于，根据所述第一横向安全距离、所述第二横向安全距离以及该障碍物的位置，确定该障碍物在横向上对所述车辆的安全影响表征值；
所述第三确定模块504具体用于，根据所述第一纵向安全距离、所述第二纵向安全距离以及该障碍物的位置，确定该障碍物在纵向上对所述车辆的安全影响表征值。
可选地，所述选择模块505具体用于，根据所述车辆与各障碍物的相对位置，对各障碍物进行分类；针对每个类的障碍物，根据该类中各障碍物的安全影响表征值，对该类中的各障碍物进行排序；根据排序结果，在该类中的各障碍物中，选择目标障碍物。
基于图3所示的车辆控制方法，本说明书实施例还对应提供另一种车辆控制装置的结构示意图，如图6所示。
图6为本说明书实施例提供的另一种车辆控制装置的结构示意图，所述装置包括：
获取轨迹模块601，用于获取车辆的位置、预测轨迹以及规划轨迹，所述预测轨迹是为所述车辆预测得到的未参考所述车辆周围环境中的障碍物的信息的轨迹，所述规划轨迹是为所述车辆规划得到的避开所述障碍物的轨迹；
确定车道模块602，用于根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系；
确定差异模块603，用于根据所述车道坐标系、所述预测轨迹的信息以及所述规划轨迹的信息，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异；
确定安全模块604，用于针对预先对所述车辆的周围环境划分的各区域，根据所述差异，确定该区域对所述车辆的安全影响表征值，所述安全影响表征值与所述差异负相关；
第二控制模块605，用于根据各区域对所述车辆的安全影响表征值，对所述车辆进行控制。
可选地，所述确定差异模块603具体用于，根据预设的时间间隔，分别对所述预测轨迹以及所述规划轨迹进行采样；将所述预测轨迹中的采样点作为预测采样点，将所述规划轨迹中的采样点作为规划采样点；根据所述车辆到达各采样点的时刻，在各采样点中，确定相同时刻的预测采样点与规划采样点；根据各相同时刻的预测采样点与规划采样点的位置，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异。
可选地，所述确定差异模块603具体用于，针对各时刻，根据该时刻的预测采样点与规划采样点的位置，确定在所述车道坐标系下该时刻的预测采样点与规划采样点之间的横向距离，作为该时刻对应的横向距离；根据各时刻对应的横向距离，确定所述差异。
可选地，所述确定差异模块603具体用于，确定第一指定时刻以及第二指定时刻；确定所述第一指定时刻之前的各时刻对应的横向距离的和值，作为第一和值，并确定所述第二指定时刻之前的各时刻对应的横向距离的和值，作为第二和值；根据所述第一和值以及所述第二和值，确定所述差异。
可选地，所述确定差异模块603具体用于，根据各时刻对应的横向距离，确定任意相邻时刻对应的横向距离的变化程度；根据各变化程度，确定所述差异。
可选地，所述确定安全模块604具体用于，确定各规划采样点的加速度；
根据各规划采样点的加速度，确定加速度小于预设的加速度阈值的规划采样点的数量；根据所述数量，确定各区域对所述车辆的安全影响表征值。
可选地，所述第二控制模块605具体用于，根据各区域对所述车辆的安全影响表征值，在各区域中，确定对所述车辆的安全影响表征值最小的区域作为目标区域；根据所述目标区域内的各障碍物的信息，对所述车辆进行控制。
本说明书实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的车辆控制方法。
基于图1所示的车辆控制方法，本说明书实施例还提出了图7所示的车辆设备的示意结构图。如图7，在硬件层面，该车辆设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的车辆控制方法。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、***、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、***或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.车辆控制方法，其特征在于，所述方法包括：
获取车辆的位置、预测轨迹以及规划轨迹，所述预测轨迹是为所述车辆预测得到的未参考所述车辆周围环境中的障碍物的信息的轨迹，所述规划轨迹是为所述车辆规划得到的避开所述障碍物的轨迹；
根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系；
根据所述车道坐标系、所述预测轨迹的信息以及所述规划轨迹的信息，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异；
针对预先对所述车辆的周围环境划分的各区域，根据所述差异，确定该区域对所述车辆的安全影响表征值，所述安全影响表征值与所述差异负相关；
根据各区域对所述车辆的安全影响表征值，对所述车辆进行控制。
2.如权利要求1所述的方法，其特征在于，根据所述车道坐标系、所述预测轨迹的信息以及所述规划轨迹的信息，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异，具体包括：
根据预设的时间间隔，分别对所述预测轨迹以及所述规划轨迹进行采样；
将所述预测轨迹中的采样点作为预测采样点，将所述规划轨迹中的采样点作为规划采样点；
根据所述车辆到达各采样点的时刻，在各采样点中，确定相同时刻的预测采样点与规划采样点；
根据各相同时刻的预测采样点与规划采样点的位置，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异。
3.如权利要求2所述的方法，其特征在于，根据各相同时刻的预测采样点与规划采样点在所述车道坐标系下的位置，确定所述差异，具体包括：
针对各时刻，根据该时刻的预测采样点与规划采样点的位置，确定在所述车道坐标系下该时刻的预测采样点与规划采样点之间的横向距离，作为该时刻对应的横向距离；
根据各时刻对应的横向距离，确定所述差异。
4.如权利要求3所述的方法，其特征在于，根据各时刻对应的横向距离，确定所述差异，具体包括：
确定第一指定时刻以及第二指定时刻；
确定所述第一指定时刻之前的各时刻对应的横向距离的和值，作为第一和值，并确定所述第二指定时刻之前的各时刻对应的横向距离的和值，作为第二和值；
根据所述第一和值以及所述第二和值，确定所述差异。
5.如权利要求3所述的方法，其特征在于，根据各时刻对应的横向距离，确定所述差异，具体包括：
根据各时刻对应的横向距离，确定任意相邻时刻对应的横向距离的变化程度；
根据各变化程度，确定所述差异。
6.如权利要求2所述的方法，其特征在于，确定该区域对所述车辆的安全影响表征值，具体包括：
确定各规划采样点的加速度；
根据各规划采样点的加速度，确定加速度小于预设的加速度阈值的规划采样点的数量；
根据所述数量以及所述差异，确定各区域对所述车辆的安全影响表征值。
7.如权利要求1所述的方法，其特征在于，根据各区域对所述车辆的安全影响表征值，对所述车辆进行控制，具体包括：
根据各区域对所述车辆的安全影响表征值，在各区域中，确定对所述车辆的安全影响表征值最小的区域作为目标区域；
根据所述目标区域内的各障碍物的信息，对所述车辆进行控制。
8.车辆控制装置，其特征在于，所述装置包括：
获取轨迹模块，用于获取车辆的位置、预测轨迹以及规划轨迹，所述预测轨迹是为所述车辆预测得到的未参考所述车辆周围环境中的障碍物的信息的轨迹，所述规划轨迹是为所述车辆规划得到的避开所述障碍物的轨迹；
确定车道模块，用于根据所述车辆的位置，确定所述车辆所在的车道，根据所述车道，确定以所述车道为参照的车道坐标系；
确定差异模块，用于根据所述车道坐标系、所述预测轨迹的信息以及所述规划轨迹的信息，确定所述预测轨迹与所述规划轨迹在所述车道坐标系下的差异；
确定安全模块，用于针对预先对所述车辆的周围环境划分的各区域，根据所述差异，确定该区域对所述车辆的安全影响表征值，所述安全影响表征值与所述差异负相关；
第二控制模块，用于根据各区域对所述车辆的安全影响表征值，对所述车辆进行控制。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一所述的方法。
10.一种车辆设备，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程序时实现上述权利要求1-7任一所述的方法。
CN202010745767.2A 2020-07-29 2020-07-29 车辆控制方法及装置 Active CN111873989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010745767.2A CN111873989B (zh) 2020-07-29 2020-07-29 车辆控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010745767.2A CN111873989B (zh) 2020-07-29 2020-07-29 车辆控制方法及装置

Publications (2)

Publication Number Publication Date
CN111873989A true CN111873989A (zh) 2020-11-03
CN111873989B CN111873989B (zh) 2021-07-06

Family

ID=73201022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010745767.2A Active CN111873989B (zh) 2020-07-29 2020-07-29 车辆控制方法及装置

Country Status (1)

Country Link
CN (1) CN111873989B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114291110A (zh) * 2021-12-29 2022-04-08 广州小鹏自动驾驶科技有限公司 车辆控制方法、装置、电子设备及存储介质
CN114872735A (zh) * 2022-07-10 2022-08-09 成都工业职业技术学院 基于神经网络算法的自动驾驶物流车辆决策方法和装置
CN115092136A (zh) * 2022-07-27 2022-09-23 广州小鹏自动驾驶科技有限公司 车速规划方法、装置、车辆及存储介质
CN115148025A (zh) * 2022-06-28 2022-10-04 重庆长安汽车股份有限公司 一种交通目标轨迹预测方法及可读存储介质
CN116061975A (zh) * 2023-04-04 2023-05-05 北京集度科技有限公司 车辆控制器、车辆及车辆控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013214225A1 (de) * 2013-07-19 2015-01-22 Bayerische Motoren Werke Aktiengesellschaft Dynamische Neuplanung einer Fahrtrajektorie mittels LQ-Regelung für einen Ausweichassistenten
CN104812650A (zh) * 2012-09-12 2015-07-29 罗伯特·博世有限公司 用于获知车辆行驶时驾驶员故意或非故意变道的方法和信息***
CN109878513A (zh) * 2019-03-13 2019-06-14 百度在线网络技术（北京）有限公司 防御性驾驶策略生成方法、装置、设备及存储介质
CN109937343A (zh) * 2017-06-22 2019-06-25 百度时代网络技术（北京）有限公司 用于自动驾驶车辆交通预测中的预测轨迹的评估框架
CN110352450A (zh) * 2017-03-02 2019-10-18 日产自动车株式会社 驾驶辅助方法及驾驶辅助装置
CN110794823A (zh) * 2018-07-17 2020-02-14 百度（美国）有限责任公司 预测自动驾驶车辆的对象移动的方法和***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104812650A (zh) * 2012-09-12 2015-07-29 罗伯特·博世有限公司 用于获知车辆行驶时驾驶员故意或非故意变道的方法和信息***
DE102013214225A1 (de) * 2013-07-19 2015-01-22 Bayerische Motoren Werke Aktiengesellschaft Dynamische Neuplanung einer Fahrtrajektorie mittels LQ-Regelung für einen Ausweichassistenten
CN110352450A (zh) * 2017-03-02 2019-10-18 日产自动车株式会社 驾驶辅助方法及驾驶辅助装置
CN109937343A (zh) * 2017-06-22 2019-06-25 百度时代网络技术（北京）有限公司 用于自动驾驶车辆交通预测中的预测轨迹的评估框架
CN110794823A (zh) * 2018-07-17 2020-02-14 百度（美国）有限责任公司 预测自动驾驶车辆的对象移动的方法和***
CN109878513A (zh) * 2019-03-13 2019-06-14 百度在线网络技术（北京）有限公司 防御性驾驶策略生成方法、装置、设备及存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114291110A (zh) * 2021-12-29 2022-04-08 广州小鹏自动驾驶科技有限公司 车辆控制方法、装置、电子设备及存储介质
CN114291110B (zh) * 2021-12-29 2023-08-25 广州小鹏自动驾驶科技有限公司 车辆控制方法、装置、电子设备及存储介质
CN115148025A (zh) * 2022-06-28 2022-10-04 重庆长安汽车股份有限公司 一种交通目标轨迹预测方法及可读存储介质
CN115148025B (zh) * 2022-06-28 2023-10-20 重庆长安汽车股份有限公司 一种交通目标轨迹预测方法及可读存储介质
CN114872735A (zh) * 2022-07-10 2022-08-09 成都工业职业技术学院 基于神经网络算法的自动驾驶物流车辆决策方法和装置
CN114872735B (zh) * 2022-07-10 2022-10-04 成都工业职业技术学院 基于神经网络算法的自动驾驶物流车辆决策方法和装置
CN115092136A (zh) * 2022-07-27 2022-09-23 广州小鹏自动驾驶科技有限公司 车速规划方法、装置、车辆及存储介质
CN115092136B (zh) * 2022-07-27 2023-09-12 广州小鹏自动驾驶科技有限公司 车速规划方法、装置、车辆及存储介质
CN116061975A (zh) * 2023-04-04 2023-05-05 北京集度科技有限公司 车辆控制器、车辆及车辆控制方法

Also Published As

Publication number Publication date
CN111873989B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN111619560B (zh) 车辆控制方法及装置
CN111873989B (zh) 车辆控制方法及装置
US10872531B2 (en) Image processing for vehicle collision avoidance system
KR102513185B1 (ko) 규칙 기반 항법
EP3602220B1 (en) Dynamic sensor selection for self-driving vehicles
US11608060B1 (en) Speed planning for autonomous vehicles
US8712104B2 (en) Traffic signal mapping and detection
US11352021B1 (en) Systems and methods for interfacing with an occupant
US11635763B2 (en) 3D occlusion reasoning for accident avoidance
CN111427369A (zh) 一种无人车控制方法及装置
JPWO2018158875A1 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
WO2022183329A1 (zh) 一种智能驾驶方法、装置、存储介质及计算机程序
US20200201325A1 (en) Systems and methods for prioritizing data processing
WO2022138123A1 (en) Available parking space identification device, available parking space identification method, and program
US12037017B2 (en) Collision evaluation using a hierarchy of grids
US20230084623A1 (en) Attentional sampling for long range detection in autonomous vehicles
CN112149487B (zh) 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法
US20220402522A1 (en) Tree based behavior predictor
EP4145420A1 (en) Hierarchical processing of traffic signal face states
US20240101106A1 (en) Systems and methods for scene understanding
US20240092358A1 (en) Systems and methods for scene understanding
JP2024062325A (ja) 情報処理装置及びプログラム
CN112149487A (zh) 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法
CN118397871A (zh) 使用自主车辆进行的行人横穿道路的管理
CN117022262A (zh) 无人车速度规划控制方法、装置、电子设备及存储介质

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