CN112009470A - 车辆行驶控制方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种车辆行驶控制方法、装置、设备及存储介质，本申请获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息，进而基于影像信息可以判断出车辆前方左右两侧是否存在视线遮挡，在判断不存在视线遮挡时，能够综合考虑路况信息和环境信息，结合贝叶斯定理概率公式计算得到前方出现移动对象的第一概率，该第一概率衡量了前方出现移动对象的可能性，进而可以基于该第一概率确定是否需要对车辆行驶速度进行干预，以更好的限制车速来躲避可能出现的移动对象，从而辅助驾驶员更加安全的进行驾驶。

Description

车辆行驶控制方法、装置、设备及存储介质

技术领域

本申请涉及机动车控制技术领域，更具体的说，是涉及一种车辆行驶控制方法、装置、设备及存储介质。

背景技术

汽车在城市道路的驾驶一直是各大汽车厂商研究的重点技术方向。与高速道路相比，城市道路复杂，情况多变且会出现无法预料的情况发生。这对很多的新手驾驶员和经验比较欠缺的司机难以应付。

实际驾驶过程中，当汽车经过城市道路时左右两侧静止车辆前，左右两侧经常会突然出现行人或者非机动车等移动对象，驾驶员面对这种突发情况难以很好的应付。目前，应对这种情况一般都是依靠驾驶员的驾驶经验，而驾驶员也会因为各种原因的限制和主客观因素的影响，无法处理一些紧急情况，尤其是对一些驾驶经验欠缺的驾驶员。因此，亟需一种车辆行驶控制方案，以至少解决上述指出的问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种车辆行驶控制方法、装置、设备及存储介质，辅助驾驶员更好的控制车辆，以有效躲避前方突然出现的移动对象。具体方案如下：

一种车辆行驶控制方法，包括：

获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息；

基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡；

在判断不存在视线遮挡时，利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率；

至少基于所述第一概率，确定是否对车辆行驶速度进行干预。

优选地，还包括：

在判断存在视线遮挡时，对车辆的行驶速度进行干预。

优选地，所述利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率，包括：

获取统计的车辆历史行驶过程中，在各种路况信息及环境信息下，车辆前方出现和不出现移动对象的统计数据；

利用所述当前的路况信息及环境信息，结合所述统计数据及所述贝叶斯定理概率公式，计算前方出现移动对象的第一概率。

优选地，还包括：

在判断不存在视线遮挡时，基于所述影像信息检测是否拍摄到移动对象，得到影像检测结果；

所述至少基于所述第一概率，确定是否对车辆行驶速度进行干预，包括：

至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预。

优选地，还包括：

在判断不存在视线遮挡时，获取高级驾驶辅助***ADAS对移动对象的检测结果；

所述至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预，包括：

基于所述第一概率、所述影像检测结果及所述ADAS的检测结果，确定是否对车辆行驶速度进行干预。

优选地，所述基于所述第一概率、所述影像检测结果及所述ADAS的检测结果，确定是否对车辆行驶速度进行干预，包括：

在确定所述第一概率大于第一设定概率阈值时，确定所述影像检测结果是否检测到移动对象，若是，则确定对车辆行驶速度进行干预；

在确定所述第一概率小于第二设定概率阈值时，确定所述影像检测结果和所述ADAS的检测结果是否检测到移动对象，若均未检测到移动对象，则不对车辆行驶速度进行干预；所述第二设定概率阈值小于所述第一设定概率阈值；

在确定所述第一概率处于所述第二设定概率阈值和所述第一设定概率阈值之间时，将第一概率、所述影像检测结果及所述ADAS的检测结果作为三个指标，利用信息熵计算公式计算三个指标的信息熵，作为前方出现移动对象的第二概率，并依据所述第二概率确定是否对车辆行驶速度进行干预。

优选地，所述基于所述第一概率、所述影像检测结果及所述ADAS的检测结果，确定是否对车辆行驶速度进行干预，还包括：

在确定所述第一概率为0时，将所述影像检测结果及所述ADAS的检测结果作为两个指标，利用信息熵计算公式计算两个指标的信息熵，作为前方出现移动对象的第三概率，并依据所述第三概率确定是否对车辆行驶速度进行干预。

优选地，还包括：

在确定车辆进入目标路段之前，基于历史采集的所述目标路段的路况信息及环境信息，向用户发出驾驶提示信息。

一种车辆行驶控制装置，包括：

数据获取单元，用于获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息；

遮挡判断单元，用于基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡；

第一概率计算单元，用于在判断不存在视线遮挡时，利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率；

干预判断单元，用于至少基于所述第一概率，确定是否对车辆行驶速度进行干预。

一种车辆行驶控制设备，包括：存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如上所述的车辆行驶控制方法的各个步骤。

一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的车辆行驶控制方法的各个步骤。

借由上述技术方案，本申请获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息，进而基于影像信息可以判断出车辆前方左右两侧是否存在视线遮挡，在判断不存在视线遮挡时，利用当前的路况信息和环境信息，结合贝叶斯定理概率公式，可以计算出前方出现移动对象的第一概率，进而可以至少基于所述第一概率，确定是否对车辆行驶速度进行干预。由此可见，本申请对于车辆前方无视线遮挡时，也能够综合考虑路况信息和环境信息，结合贝叶斯定理概率公式计算得到前方出现移动对象的第一概率，该第一概率衡量了前方出现移动对象的可能性，进而可以基于该第一概率确定是否需要对车辆行驶速度进行干预，以更好的限制车速来躲避可能出现的移动对象，从而辅助驾驶员更加安全的进行驾驶。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本申请实施例提供的车辆行驶控制方法的一流程示意图；

图2为本申请实施例提供的车辆行驶控制方法的另一流程示意图；

图3为本申请实施例提供的车辆行驶控制方法的又一流程示意图；

图4为本申请实施例提供的车辆行驶控制方法的又一流程示意图；

图5为本申请实施例提供的一种车辆行驶控制装置结构示意图；

图6为本申请实施例提供的车辆行驶控制设备的结构示意图。

具体实施方式

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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

本申请提供了一种车辆行驶控制方案，本申请方案可以基于具备数据处理能力的终端实现，该终端可以是行车电脑、手机、服务器、云端等。

接下来，结合图1所述，本申请的车辆行驶控制方法可以包括如下步骤：

步骤S100、获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息。

具体的，可以通过设置在车辆上的前置摄像头，在车辆行驶过程对前方进行拍摄，得到拍摄的影像信息。

进一步的，在车辆行驶过程，还可以获取当前的路况信息和环境信息，其中路况信息可以包括车辆当前行驶道路的道路信息、交通状态信息等，示例如：路况信息可以包括当前所处道路位置、当前道路的限速信息、当前道路两侧的公交站牌、停止车辆等信息环境信息可以包括当前车辆所处的环境信息，如环境温度、湿度、天气状况等。

步骤S110、基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡，若判断不存在视线遮挡，则执行步骤S120。

通过获取的影像信息可以进行图像分析，以识别车辆前方左右两侧是否存在视线遮挡。如识别车辆前方左右两侧是否存在静止的公交车、大货车、大型障碍物等，以公交车为例，其可能会形成视线遮挡。通过图像分析，可以据此确定是否存在视线遮挡。

当通过影像信息判断出不存在视线遮挡时，可以执行下述步骤S120。

步骤S120、利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率。

可选的，本申请实施例可以预先获取车辆历史行驶过程中，在各种路况信息和环境信息下，车辆前方出现和不出现移动对象的统计数据。进而，针对获取的当前的路况信息和环境信息，可以结合统计数据及贝叶斯定理概率公式，来计算当前前方出现移动对象的第一概率。

其中，贝叶斯定理概率公式：P(A|B)＝P(B|A)*P(A)/P(B)。

可以基于历史统计数据，计算得到当前的路况信息和环境信息下，前方出现移动对象的第一概率。

步骤S130、至少基于所述第一概率，确定是否对车辆行驶速度进行干预。

具体地，在计算得到前方出现移动对象的第一概率之后，可以至少基于该第一概率的大小，来确定是否对车辆行驶速度进行干预。示例如，当第一概率超过设定干预概率阈值时，确定需要对车辆行驶速度进行干预。

其中，对车辆行驶速度进行干预的具体干预方式可以有多种，如向用户发出降低速度的提示，该提示可以是通过显示屏输出的文字提示，或者是语音播报的提示，还可以是通过拉紧驾驶员安全带或发出震动等多种形式。除此之外，干预方式还可以是直接介入车辆的操控***，控制车辆降低车速。

其中，车速可以控制在20-30KM/h，可以做到在发现突然出现的移动对象时，能够及时刹车，且刹车距离也在可控范围之内。当然，上述车速还可以根据实际路况情况做调整。

本申请实施例的车辆行驶控制方法，对于车辆前方无视线遮挡时，也能够综合考虑路况信息和环境信息，结合贝叶斯定理概率公式计算得到前方出现移动对象的第一概率，该第一概率衡量了前方出现移动对象的可能性，进而可以基于该第一概率确定是否需要对车辆行驶速度进行干预，以更好的限制车速来躲避可能出现的移动对象，从而辅助驾驶员更加安全的进行驾驶。

在本申请的一些实施例中，结合图2可知，当判断存在视线遮挡时，驾驶员无法看到前方是否会出现移动对象，为了更好的躲避可能突然出现的移动对象，本申请实施例中可以执行下述步骤：

步骤S140、对车辆的行驶速度进行干预。

也即，在确定存在视线遮挡时，可以直接对车辆行驶速度进行干预。具体的干预行驶可以参照前文相关介绍。

图2中步骤S200-S230与上述步骤S100-S130一一对应，详细参照前文介绍，此处不再赘述。

相比于上一实施例，本实施例介绍的车辆行驶控制方法，在基于拍摄的影像信息确定车辆前方左右两侧存在视线遮挡时，为了便于驾驶员能够对前方可能出现的移动对象做出及时反应，可以直接对车辆行驶速度进行干预，既保护了驾驶员，也对道路通行安全进行了合理规避。

在本申请的一些实施例中，进一步公开了又一种车辆行驶控制方法，结合图3所示，该方法可以包括如下步骤：

步骤S300、获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息。

步骤S310、基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡，若判断不存在视线遮挡，则执行步骤S320和步骤S330。

步骤S320、利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率。

具体的，本实施例中步骤S300-S320与上述步骤S100-S320一一对应，详细参照前文介绍，此处不再赘述。

步骤S330、基于所述影像信息检测是否拍摄到移动对象，得到影像检测结果。

相比于前述各实施例，本实施例中在上述步骤S310判断不存在视线遮挡时，在执行步骤S320计算第一概率的同时，进一步执行了步骤S330，即基于拍摄的车辆行驶过程中前方的影像信息，检测是否拍摄到移动对象，进而得到影像检测结果。

其中，可以通过动态对象检测技术，对影像信息进行检测，以确定是否包含有移动对象，该检测结果作为影像检测结果。

步骤S340、至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预。

具体的，在前述确定了第一概率和影像检测结果后，可以综合考虑二者来确定是否对车辆行驶速度进行干预，也即相比于前述各实施例，本实施例中进一步考虑了影像检测结果，也即考虑了通过影像分析的移动对象检测结果，来确定是否对车辆行驶速度进行干预，相比于单一根据第一概率来确定是否干预，本实施例由于增加考虑了通过影像分析的移动对象检测结果，使得考虑因素更加全面，因此做出的是否对车辆行驶速度进行干预的结果也更加准确。

可选的，对于基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预的具体实现方式可以有多种，示例如当第一概率超过设定干预概率阈值时，可以进一步判断影像检测结果是否检测到移动对象，如果检测到移动对象，则确定进行干预，否则确定不进行干预。或者是，将影像检测结果量化为具体数值，如检测到移动对象时值为1，未检测到移动对象时值为0，进而可以基于第一概率和影像检测结果的数值，来综合计算一个总概率值，并基于该总概率值大小来确定是否对车辆行驶速度进行干预。当然，上述仅仅示例了两种可选的实现方式，除此之外，本领域技术人员还可以选择其它策略，以实现基于第一概率和影像检测结果，来确定是否对车辆行驶速度进行干预的目的。

可以理解的是，上述步骤S320和步骤S330之间并无严格的先后顺序限定，二者可以同时执行也可以任意先后顺序执行，图3仅仅示例了其中一种可选的执行顺序。

在本申请的一些实施例中，进一步公开了再一种车辆行驶控制方法，结合图4所示，该方法可以包括如下步骤：

步骤S400、获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息。

步骤S410、基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡，若判断不存在视线遮挡，则执行步骤S420-S440。

步骤S420、利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率。

步骤S430、基于所述影像信息检测是否拍摄到移动对象，得到影像检测结果。

具体的，本实施例中步骤S400-S430与上述步骤S300-S330一一对应，详细参照前文介绍，此处不再赘述。

步骤S440、获取高级驾驶辅助***ADAS对移动对象的检测结果。

相比于前述各实施例，本实施例中在上述步骤S410判断不存在视线遮挡时，在执行步骤S420和步骤S430的同时，进一步执行了步骤S440，即获取高级驾驶辅助***ADAS对移动对象的检测结果。

其中，ADAS(Advanced Driving Assistance System)即高级驾驶辅助***，是利用安装于车辆上的各式各样的传感器，收集车内外的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险，以引起注意和提高安全性的主动安全技术。

本实施例中，在判断不存在视线遮挡时，可以获取ADAS对车辆前方移动对象的检测结果。

步骤S450、基于所述第一概率、所述影像检测结果及所述ADAS的检测结果，确定是否对车辆行驶速度进行干预。

具体的，在上述步骤确定了第一概率、影像检测结果和ADAS检测结果后，可以综合考虑三者来确定是否对车辆行驶速度进行干预，也即相比于前述各实施例，本实施例中进一步考虑了ADAS检测结果，也即考虑了通过ADAS给出的移动对象检测结果，来确定是否对车辆行驶速度进行干预，相比于单一根据第一概率和/或影像检测结果来确定是否干预，本实施例由于增加考虑了通过ADAS的移动对象检测结果，使得考虑因素更加全面，因此做出的是否对车辆行驶速度进行干预的结果也更加准确。

可以理解的是，上述步骤S420-S440之间并无严格的先后顺序限定，三者可以同时执行也可以任意先后顺序执行，图4仅仅示例了其中一种可选的执行顺序。

可选的，对于基于所述第一概率、所述影像检测结果及所述ADAS检测结果，确定是否对车辆行驶速度进行干预的具体实现方式可以有多种，接下来的实施例中介绍其中一种可选的实现方式。

本实施例中，对第一概率按照其大小进行区间划分。

首先，本申请预先可以设定第一设定概率阈值和第二设定概率阈值，第二设定概率阈值小于第一设定概率阈值。

示例如，第一设定概率阈值可以取值为39％，第二设定概率阈值可以取值为19％。

则第一概率可以处于三个区间内，分别为大于第一设定概率阈值、小于第二设定概率阈值、处于所述第二设定概率阈值和所述第一设定概率阈值之间。

1)、在确定所述第一概率大于第一设定概率阈值时：

若第一概率大于第一设定概率阈值，则表明车辆前方出现移动对象的概率已经很大，此时可以进一步确定所述影像检测结果是否检测到移动对象，若是，则可以确定对车辆行驶速度进行干预。此时，可以不用分析ADAS的检测结果。

2)、在确定所述第一概率小于第二设定概率阈值时：

若第一概率小于第二设定概率阈值，则表明车辆前方出现移动对象的概率不是很大，为了进一步安全起见，本申请实施例中可以进一步确定所述影像检测结果和所述ADAS的检测结果是否检测到移动对象，若二者均未检测到移动对象，则可以不对车辆行驶速度进行干预。

此外，若所述影像检测结果和所述ADAS的检测结果中至少存在一项检测到移动对象，则可以确定对车辆行驶速度进行干预。

3)、在确定所述第一概率处于所述第二设定概率阈值和所述第一设定概率阈值之间时：

此第一概率大小表明车辆前方出现移动对象的概率处于中等水平，为了衡量是否对车辆行驶速度进行干预，本申请实施例中引入了信息熵的概念，即将第一概率、所述影像检测结果及所述ADAS的检测结果作为三个指标，利用信息熵计算公式计算三个指标的信息熵，作为前方出现移动对象的第二概率，并依据所述第二概率确定是否对车辆行驶速度进行干预。

其中，一个离散型随机变量X的信息熵H(X)定义为：

其中，p(x)指的是离散型随机变量x的概率。

上述影像检测结果和ADAS检测结果可以量化为具体数值，如检测到移动对象时值为1，未检测到移动对象时值为0。因此，可以将第一概率、影像检测结果及ADAS的检测结果作为三个随机变量的概率，带入上述公式，即可得到三者的信息熵H，可以将该信息熵H作为前方出现移动对象的第二概率。进而可以依据第二概率确定是否对车辆行驶速度进行干预。

示例如，当第二概率大于设定干预概率阈值时，可以确定对车辆行驶速度进行干预，否则，不干预。

进一步可选的，对于上述第2)种情况，也即在第一概率小于第二设定概率阈值时，存在一种特殊情况，即第一概率为0。针对这种情况，本申请实施例中可以将所述影像检测结果及所述ADAS的检测结果作为两个指标，利用上述信息熵计算公式计算两个指标的信息熵，作为前方出现移动对象的第三概率，并依据所述第三概率确定是否对车辆行驶速度进行干预。

可以理解的是，上述仅仅示例了一种基于所述第一概率、所述影像检测结果及所述ADAS检测结果，确定是否对车辆行驶速度进行干预的可选实现方式，除此之外，本领域技术人员还可以采用其它策略来实现。

在本申请的一些实施例中，车辆在行驶过程中可以实时的采集所行驶过路段的路况信息、环境信息等并进行存储。在此基础上，本实施例中可以设置在确定车辆进入目标路段之前，基于历史采集的所述目标路段的路况信息及环境信息，向用户发出驾驶提示信息。示例如，目标路段的限速信息、是否存在公交站、斑马线位置等等，从而让驾驶员提前了解目标路段的信息，以更加安全的通过目标路段。

下面对本申请实施例提供的车辆行驶控制装置进行描述，下文描述的车辆行驶控制装置与上文描述的车辆行驶控制方法可相互对应参照。

参见图5，图5为本申请实施例公开的一种车辆行驶控制装置结构示意图。

如图5所示，该装置可以包括：

数据获取单元11，用于获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息；

遮挡判断单元12，用于基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡；

第一概率计算单元13，用于在判断不存在视线遮挡时，利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率；

干预判断单元14，用于至少基于所述第一概率，确定是否对车辆行驶速度进行干预。

可选的，本申请的车辆行驶控制装置还可以进一步包括：

速度干预单元，用于在判断存在视线遮挡时，对车辆的行驶速度进行干预。

可选的，上述第一概率计算单元利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率的过程，可以包括：

获取统计的车辆历史行驶过程中，在各种路况信息及环境信息下，车辆前方出现和不出现移动对象的统计数据；

利用所述当前的路况信息及环境信息，结合所述统计数据及所述贝叶斯定理概率公式，计算前方出现移动对象的第一概率。

可选的，本申请的车辆行驶控制装置还可以进一步包括：

影像检测结果确定单元，用于在判断不存在视线遮挡时，基于所述影像信息检测是否拍摄到移动对象，得到影像检测结果。基于此，上述干预判断单元至少基于所述第一概率，确定是否对车辆行驶速度进行干预的过程，可以包括：

至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预。

可选的，本申请的车辆行驶控制装置还可以进一步包括：

ADAS检测结果确定单元，用于在判断不存在视线遮挡时，获取高级驾驶辅助***ADAS对移动对象的检测结果。基于此，上述干预判断单元至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预的过程，可以包括：

至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预。

可选的，上述干预判断单元至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预的过程，可以包括：

在确定所述第一概率大于第一设定概率阈值时，确定所述影像检测结果是否检测到移动对象，若是，则确定对车辆行驶速度进行干预；

在确定所述第一概率小于第二设定概率阈值时，确定所述影像检测结果和所述ADAS的检测结果是否检测到移动对象，若均未检测到移动对象，则不对车辆行驶速度进行干预；所述第二设定概率阈值小于所述第一设定概率阈值；

在确定所述第一概率处于所述第二设定概率阈值和所述第一设定概率阈值之间时，将第一概率、所述影像检测结果及所述ADAS的检测结果作为三个指标，利用信息熵计算公式计算三个指标的信息熵，作为前方出现移动对象的第二概率，并依据所述第二概率确定是否对车辆行驶速度进行干预。

进一步的，上述干预判断单元至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预的过程，还可以包括：

在确定所述第一概率为0时，将所述影像检测结果及所述ADAS的检测结果作为两个指标，利用信息熵计算公式计算两个指标的信息熵，作为前方出现移动对象的第三概率，并依据所述第三概率确定是否对车辆行驶速度进行干预。

可选的，本申请的车辆行驶控制装置还可以包括：

驾驶提示单元，用于在确定车辆进入目标路段之前，基于历史采集的所述目标路段的路况信息及环境信息，向用户发出驾驶提示信息。

本申请实施例提供的车辆行驶控制装置可应用于车辆行驶控制设备，如车载电脑、手机、服务器等。可选的，图6示出了车辆行驶控制设备的硬件结构框图，参照图6，车辆行驶控制设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；

在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；

处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；

存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；

其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：

获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息；

基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡；

在判断不存在视线遮挡时，利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率；

至少基于所述第一概率，确定是否对车辆行驶速度进行干预。

可选的，所述程序的细化功能和扩展功能可参照上文描述。

本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：

获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息；

基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡；

在判断不存在视线遮挡时，利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率；

至少基于所述第一概率，确定是否对车辆行驶速度进行干预。

可选的，所述程序的细化功能和扩展功能可参照上文描述。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种车辆行驶控制方法，其特征在于，包括：

获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息；

基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡；

在判断不存在视线遮挡时，利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率；

至少基于所述第一概率，确定是否对车辆行驶速度进行干预。

2.根据权利要求1所述的方法，其特征在于，还包括：

在判断存在视线遮挡时，对车辆的行驶速度进行干预。

3.根据权利要求1所述的方法，其特征在于，所述利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率，包括：

获取统计的车辆历史行驶过程中，在各种路况信息及环境信息下，车辆前方出现和不出现移动对象的统计数据；

利用所述当前的路况信息及环境信息，结合所述统计数据及所述贝叶斯定理概率公式，计算前方出现移动对象的第一概率。

4.根据权利要求1所述的方法，其特征在于，还包括：

在判断不存在视线遮挡时，基于所述影像信息检测是否拍摄到移动对象，得到影像检测结果；

所述至少基于所述第一概率，确定是否对车辆行驶速度进行干预，包括：

至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预。

5.根据权利要求4所述的方法，其特征在于，还包括：

在判断不存在视线遮挡时，获取高级驾驶辅助***ADAS对移动对象的检测结果；

所述至少基于所述第一概率，及所述影像检测结果，确定是否对车辆行驶速度进行干预，包括：

基于所述第一概率、所述影像检测结果及所述ADAS的检测结果，确定是否对车辆行驶速度进行干预。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第一概率、所述影像检测结果及所述ADAS的检测结果，确定是否对车辆行驶速度进行干预，包括：

在确定所述第一概率大于第一设定概率阈值时，确定所述影像检测结果是否检测到移动对象，若是，则确定对车辆行驶速度进行干预；

在确定所述第一概率小于第二设定概率阈值时，确定所述影像检测结果和所述ADAS的检测结果是否检测到移动对象，若均未检测到移动对象，则不对车辆行驶速度进行干预；所述第二设定概率阈值小于所述第一设定概率阈值；

在确定所述第一概率处于所述第二设定概率阈值和所述第一设定概率阈值之间时，将第一概率、所述影像检测结果及所述ADAS的检测结果作为三个指标，利用信息熵计算公式计算三个指标的信息熵，作为前方出现移动对象的第二概率，并依据所述第二概率确定是否对车辆行驶速度进行干预。

7.根据权利要求5所述的方法，其特征在于，所述基于所述第一概率、所述影像检测结果及所述ADAS的检测结果，确定是否对车辆行驶速度进行干预，还包括：

在确定所述第一概率为0时，将所述影像检测结果及所述ADAS的检测结果作为两个指标，利用信息熵计算公式计算两个指标的信息熵，作为前方出现移动对象的第三概率，并依据所述第三概率确定是否对车辆行驶速度进行干预。

8.根据权利要求1所述的方法，其特征在于，还包括：

在确定车辆进入目标路段之前，基于历史采集的所述目标路段的路况信息及环境信息，向用户发出驾驶提示信息。

9.一种车辆行驶控制装置，其特征在于，包括：

数据获取单元，用于获取车辆行驶过程中对前方拍摄的影像信息，以及当前的路况信息及环境信息；

遮挡判断单元，用于基于所述影像信息判断车辆前方左右两侧是否存在视线遮挡；

第一概率计算单元，用于在判断不存在视线遮挡时，利用所述当前的路况信息及环境信息，结合贝叶斯定理概率公式，计算前方出现移动对象的第一概率；

干预判断单元，用于至少基于所述第一概率，确定是否对车辆行驶速度进行干预。

10.一种车辆行驶控制设备，其特征在于，包括：存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如权利要求1～8中任一项所述的车辆行驶控制方法的各个步骤。

11.一种存储介质，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，实现如权利要求1～8中任一项所述的车辆行驶控制方法的各个步骤。

Images