CN112249034A - 一种汽车大脑***及车辆驾驶控制方法 - Google Patents
一种汽车大脑***及车辆驾驶控制方法 Download PDFInfo
- Publication number
- CN112249034A CN112249034A CN202011461870.0A CN202011461870A CN112249034A CN 112249034 A CN112249034 A CN 112249034A CN 202011461870 A CN202011461870 A CN 202011461870A CN 112249034 A CN112249034 A CN 112249034A
- Authority
- CN
- China
- Prior art keywords
- information
- automatic driving
- computing platform
- vehicle
- computing platforms
- 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
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种汽车大脑***及车辆驾驶控制方法,其中,汽车大脑***包括:多个计算平台,所述多个计算平台之间通信连接,每一个所述计算平台用于获取其他计算平台中的一个或多个传输的自动驾驶信息,并根据一个或多个所述自动驾驶信息,得到车辆控制信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息,其中不同的计算平台之间获取的环境信息所对应的地理范围不同。通过实施本发明,使多个计算平台对自动驾驶信息进行协同优化,形成交通信息更全、更优的模型,在空间上实现大范围的环境感知,在时间上包含感知个体感知时刻之前、之后的信息,形成更精准、更真实的时空场景,提高车辆驾驶的智能性。
Description
技术领域
本发明涉及自动驾驶领域,具体涉及一种汽车大脑***及车辆驾驶控制方法。
背景技术
随着科技的发展,自动控制技术逐渐运用到车辆控制领域,实现车辆的无人驾驶。在未来无人驾驶会随着技术的成熟逐渐成为车辆驾驶的主流。相关技术中,一般是将车辆自身采集到的环境信息以及自身信息(如速度、行驶方向等),通过预定的规划算法,对车辆发出控制信号,以实现车辆的自动驾驶。
但此车辆驾驶控制方法由于只能基于车辆自身采集到的环境信息、自身信息以及预定的规划算法发出控制指令,当多个车辆使用同一个或者同一系列的规划算法对采集到的环境信息以及自身信息进行路径规划,可能会导致多个车辆拥挤在同一条路线上,影响车辆自动行驶安全性,降低了交通效率;并且依靠单车的能力完成自动驾驶的所有算法,增加了车辆的成本造成了社会资源的浪费。故亟待提出一种汽车大脑***及车辆驾驶控制方法以实现车辆驾驶控制更加智能化。
发明内容
有鉴于此,本发明实施例提供了一种汽车大脑***及车辆驾驶控制方法,以解决现有技术中车辆行驶不够智能的缺陷。
根据第一方面,本发明实施例提供一种汽车大脑***,包括:多个计算平台,所述多个计算平台之间通信连接,每一个所述计算平台用于获取其他计算平台中的一个或多个传输的自动驾驶信息,并根据一个或多个所述自动驾驶信息,得到车辆控制信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息,其中不同的计算平台之间获取的环境信息所对应的地理范围不同。
可选地,所述多个计算平台包括车端计算平台、路端计算平台、边缘云计算平台、区域云计算平台中的至少两个;其中所述车端计算平台获取的环境信息对应的地理范围小于所述路端计算平台,所述路端计算平台获取的环境信息对应的地理范围小于所述边缘云计算平台,所述边缘云计算平台获取的环境信息对应的地理范围小于所述区域云计算平台。
可选地,所述***还包括:中央云计算平台,与所述多个计算平台通信连接,用于监控所述多个计算平台,对所述多个计算平台进行负载均衡,负载均衡根据所述多个计算平台的算力运行情况进行。
根据第二方面,本发明实施例提供一种车辆驾驶控制方法,应用于多个进行通信连接的计算平台中的任意一个计算平台,不同的计算平台之间获取的环境信息所对应的地理范围不同,包括如下步骤:获取其他计算平台中的一个或多个传输的自动驾驶信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息;根据一个或多个所述自动驾驶信息,得到车辆控制信息。
可选地,所述根据一个或多个所述自动驾驶信息,得到车辆控制信息,包括:对一个或多个所述自动驾驶信息进行时间同步;将时间同步后的一个或多个所述自动驾驶信息输入至数字孪生模型,得到融合后的自动驾驶信息;将所述融合后的自动驾驶信息以及一个或多个所述自动驾驶信息进行数据融合,得到目标规划信息,所述目标规划信息包括车辆控制信息。
可选地,所述数字孪生模型包括地图孪生模块、运动物体物理模型孪生模块、运动物体运动控制孪生模块;所述地图孪生模块根据成熟度、时间对环境感知信息进行数字孪生,建立实时的环境地图,所述成熟度根据预设评价标准得到;所述运动物体物理模型孪生模块,对运动物体的空间信息进行数字孪生,建立实时的运动物理模型;所述运动物体运动控制孪生模块根据实时环境地图信息、运动物理模型、控制信息对运动物体的自动驾驶控制信息进行孪生。
可选地,将所述融合后的自动驾驶信息以及一个或多个所述自动驾驶信息进行数据融合,得到车辆控制信息,包括:将所述融合后的自动驾驶信息以及一个或多个所述自动驾驶信息输入至目标算法,得到车辆控制信息,所述目标算法包括环境感知算法、规划算法、决策算法、控制算法。
可选地,所述方法还包括:发送所述目标规划信息。
根据第三方面,本发明实施例提供一种车辆驾驶控制装置,应用于任意一个计算平台,包括:信息获取模块,用于获取其他计算平台中的一个或多个传输的自动驾驶信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息;车辆控制信息确定模块,用于根据一个或多个所述自动驾驶信息,得到车辆控制信息。
根据第四方面,本发明实施例提供一种电子设备,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第一方面或第一方面任一实施方式所述的车辆驾驶控制方法的步骤。
根据第五方面,本发明实施例提供一种存储介质,其上存储有计算机指令,该指令被处理器执行时实现第一方面或第一方面任一实施方式所述的车辆驾驶控制方法的步骤。
本发明技术方案,具有如下优点:
本发明实施例提供的汽车大脑***,多个计算平台对自动驾驶信息进行协同优化,形成交通信息更全、更优的模型,可以在任意地理范围内设置计算平台,在空间上实现大范围的环境感知,在时间上包含感知个体感知时刻之前、之后的信息,形成更精准、更真实的时空场景,车辆可以接受任意一个计算平台下发的控制信息,提高车辆驾驶的智能性,同时,由于车辆可以接受任意一个计算平台的控制信息,减轻了车辆自身的算力、性能和硬件条件。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中汽车大脑***的一个具体示例图;
图2为本发明实施例中汽车大脑***的一个具体示例图;
图3为本发明实施例中车辆驾驶控制方法的一个具体示例图;
图4为本发明实施例中车辆驾驶控制装置的一个具体示例图;
图5为本发明实施例中电子设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明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,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例提供一种汽车大脑***,如图1所示,包括:
多个计算平台,所述多个计算平台之间通信连接,每一个所述计算平台用于获取其他计算平台中的一个或多个传输的自动驾驶信息,并根据一个或多个所述自动驾驶信息,得到车辆控制信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息,其中不同的计算平台之间获取的环境信息所对应的地理范围不同。
示例性地,计算平台由环境感知模块、规划模块、决策模块、控制模块等组成,由这些模块完成环境感知、决策、规划、以及控制信息的融合。每一个***都包含:任务模块、中间件层、操作***层、硬件层,其中任务模块内置多种算法以及文件***实现环境感知、规划、决策、控制、安全措施等功能;中间件层为任务开发提供进程管理、通信等服务功能;操作***实现调度、时间同步管理、内存等管理;硬件层为算法的执行提供运算环境。
多个计算平台获取的环境信息对应的地理范围可以不同,任意一个计算平台通过获取其他计算平台发送的自动驾驶信息,对其他计算平台发送的自动驾驶信息经过环境感知模块、规划模块、决策模块、控制模块,计算得到目标规划信息,目标规划信息包括车辆控制信息,用于控制车辆驾驶。当然,计算平台自身也会基于自身采集到的信息,得到自身的自动驾驶信息。此时,根据一个或多个所述自动驾驶信息,得到目标规划信息的方式还包括:计算平台将其他计算平台发送的自动驾驶信息以及自身的自动驾驶信息经过环境感知***、规划***、决策***、控制***得到目标规划信息。本实施例对根据一个或多个所述自动驾驶信息,得到车辆控制信息的方式以及多个计算平台获取的环境信息所对应的地理范围不做限定,本领域技术人员可以根据需要确定。
本发明实施例提供的汽车大脑***,多个计算平台对自动驾驶信息进行协同优化,形成交通信息更全、更优的模型,可以在任意地理范围内设置计算平台,在空间上实现大范围的环境感知,在时间上包含感知个体感知时刻之前、之后的信息,形成更精准、更真实的时空场景,车辆可以接受任意一个计算平台下发的控制信息,提高车辆驾驶的智能性,同时,由于车辆可以接受任意一个计算平台的控制信息,减轻了车辆自身的算力、性能和硬件条件。
作为本实施例一种可选的实施方式,如图2所示,所述多个计算平台包括车端计算平台、路端计算平台、边缘云计算平台、区域云计算平台中的至少两个;其中所述车端计算平台获取的环境信息对应的地理范围小于所述路端计算平台,所述路端计算平台获取的环境信息对应的地理范围小于所述边缘云计算平台,所述边缘云计算平台获取的环境信息对应的地理范围小于所述区域云计算平台。
示例性地,车端计算平台可以与车载传感器通信连接,车载传感器包括摄像头、毫米波雷达、超声波雷达、激光雷达,实现车辆周围静态目标和动态目标的感知。车端计算平台内部包括自动驾驶算法功能、V2X通信功能,自动驾驶算法功能由环境感知模块、规划模块、决策模块、控制模块支撑,将多个其他计算平台发送的信息首先进行融合,得到融合后的环境感知、规划、决策、控制、安全措施等信息,并将融合后的环境感知、规划、决策、控制、安全措施等信息输入至环境感知模块、规划模块、决策模块、控制模块,优化得到目标规划信息,目标规划信息包括优化后的环境感知、规划、决策、车辆控制、安全措施等信息。车端计算平台将得到的环境感知、规划、决策、车辆控制、安全措施等信息通过V2X发布出去。
路端计算平台与路端传感器通信连接,路端传感器包括摄像头、毫米波雷达、超声波雷达、激光雷达,实现路测设备周围静态目标和动态目标的感知。路端计算平台内部包括自动驾驶算法功能、V2X通信功能,自动驾驶算法功能与路段计算平台执行的内容一致,在此不再赘述。路端计算平台具备比车端计算平台更强大的数据处理能力、更完善的环境信息采集能力,主要实现环境的感知、规划、决策、控制的优化,并将优化得到的环境感知、规划、决策、控制、安全措施等信息通过V2X通信发布出去。
边缘云计算平台与预设范围内的多个路端计算平台通信连接,接收这些路端计算平台所具有的所有数据,具备比路端计算平台更强大的数据处理、分析能力,主要实现环境感知、规划、决策、控制的再次优化。同时,边缘云计算平台具备V2X/5G通信功能、自动驾驶算法功能,自动驾驶算法功能与路段计算平台执行的内容一致,在此不再赘述。边缘云计算平台将优化后的环境感知、规划、决策、控制、安全措施等信息通过V2X或5G发布出去。
区域云计算平台与预设范围内的多个边缘云计算平台通信连接,接收这些边缘云计算平台的所有数据。具备比边缘云计算平台更强大的数据处理、分析能力,主要实现环境感知、规划、决策、控制的再次优化。同时,区域云计算平台具备V2X/5G通信功能、自动驾驶算法功能,自动驾驶算法功能与路段计算平台执行的内容一致,在此不再赘述。区域云计算平台将优化后的环境感知、规划、决策、控制、安全措施等信息通过V2X或5G发布出去。
在每一个计算平台中都包含一个数字孪生模型,该数字孪生模型包括地图孪生模块、运动物体物理模型孪生模块、运动物体运动控制孪生模块;地图孪生模块根据成熟度、时间对环境感知信息进行数字孪生,建立实时的环境地图,所述成熟度根据预设评价标准得到;运动物体物理模型孪生模块,对运动物体的空间信息进行数字孪生,建立实时的运动物理模型;运动物体运动控制孪生模块根据实时环境地图信息、运动物理模型、控制信息对运动物体的自动驾驶控制信息进行孪生。通过数字孪生模型,将其他计算平台发送的环境感知、规划、决策、控制等信息进行融合,得到融合后的环境感知、规划、决策、控制、安全措施等信息,以便后续利用计算平台中的环境感知模块、规划模块、决策模块、控制模块进行再次优化,得到车辆控制信息。
本实施例提供的汽车大脑***,设置有车端计算平台、路端计算平台、边缘云计算平台、区域云计算平台多个计算平台,且各个计算平台对应的地理范围由小到大,能够实现全方位的信息感知,可以根据全方位的信息对车辆的驾驶进行决策、规划、控制,实现了车道级、区域级乃至城市级的信息感知,构建出智慧城市,提高了计算平台覆盖范围内车辆驾驶的智能性。
作为本实施例一种可选的实施方式,汽车大脑还包括:
中央云计算平台,与所述多个计算平台通信连接,用于监控所述多个计算平台,对所述多个计算平台进行负载均衡,负载均衡根据所述多个计算平台的算力运行情况进行。
示例性地,中央云计算平台具备V2X通信功能、各级云状态监控管理功能、中央调度功能。中央调度功能体现在对所辖范围内的区域云计算平台、边缘云计算平台和路端计算平台和车端计算平台进行算力的均衡。
负载算力均衡的具体方式可以是中央云计算平台监控各级计算平台或其中内核的负载,当出现负载不均衡时,进行任务配置或进程的调度管理。其中,负载不均衡遵循负载计算策略和均衡策略,以满足资源利用率最大化的原则;任务配置或进程调度管理,遵循任务配置策略和进程调度管理策略。例如运行时,根据任务的属性利用操作***对任务进行动态任务配置,进程的关闭和启动管理等。
实现负载均衡功能需要在各个计算平台上进行管理界面的设计。例如:设置负责任务和进程管理的模块作为管理界面。管理界面按照功能层级分为全局管理界面和局部管理界面,全局管理界面负责接收中央云计算平台的调度指令,并将调度指令分配给局部管理界面,局部管理界面管理本计算平台上的任务配置和进程,局部管理界面负责对本计算平台负载率进行监控,并将负载率通过全局管理界面发送至云端的全局管理界面。
本发明实施例提供的汽车大脑还包括中央云计算平台,获取其他计算平台的运行情况,均衡其他计算平台的负载,使得整个汽车大脑对数据的处理更加高效,并且能够提高整个汽车大脑的防故障能力。
本发明实施例提供一种车辆驾驶控制方法,如图3所示,应用于多个进行通信连接的计算平台中的任意一个计算平台,不同的计算平台之间获取的环境信息所对应的地理范围不同,包括如下步骤:
S101,获取其他计算平台中的一个或多个传输的自动驾驶信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息。
示例性地,自动驾驶信息包括各个计算平台自身的环境感知、决策、规划、控制信息,其中,具体信息包括计算平台所在范围内的车辆物理信息、车辆运动信息、周围环境信息等,车辆物理信息包括:颜色、型号、车牌、故障、法律状态等信息;车辆运动信息包括:目标地点、当前位置、速度、决策、规划等信息;周围环境信息包括交通信号、交通标识、周边车辆信息、交通事故等信息。
每个计算平台接收到的自动驾驶信息还可以包括其他计算平台自身的运行状态信息以及信息的成熟度,计算平台自身的运行状态信息包括计算平台的负载率、故障信息等;由于自动驾驶信息会经过多个计算平台进行多级融合,则不同来源、不同级别的自动驾驶信息成熟度是不同的,信息成熟度由预设评价标准得到,具体的信息成熟度的确定方式可以由各个传感器参数、法律法规参数、安全参数等共同决定,本实施例对信息成熟度的计算方式不做限定,本领域技术人员可以根据需要确定。
S102,根据一个或多个所述自动驾驶信息,得到车辆控制信息。
示例性地,根据一个或多个所述自动驾驶信息,得到车辆控制信息的方式可以是首先将一个或多个所述自动驾驶信息输入至数字孪生模型,进行数据融合,将融合后的数据输入至计算平台内置的环境感知模块、规划模块、决策模块、控制模块进行再次优化,得到车辆控制信息。
当本计算平台的数据来源还包括自身传感器的数据时,根据一个或多个所述自动驾驶信息,得到车辆控制信息的方式可以是首先将一个或多个所述自动驾驶信息以及自身计算平台获取到的数据共同输入至数字孪生模型,进行数据融合,将融合后的数据输入至计算平台内置的环境感知模块、规划模块、决策模块、控制模块进行再次优化,得到车辆控制信息。
比如,当车端计算平台接收到路端计算平台、边缘云计算平台、区域云计算平台对某个障碍物的速度信息时,车端计算平台对这些不同来源的数据进行数字孪生计算,由于输入的信息可以来自车端计算平台本身的传感器、他车、路端传感器、边缘云计算平台、区域云计算平台,那么对于该障碍物,每一个数据源中的信息种类不同、种类的成熟度也不同。对该障碍物进行数字孪生计算后,取这些不同来源的信息中成熟度最高的信息输入至计算平台内置的环境感知模块、规划模块、决策模块、控制模块进行再次优化,得到车辆控制信息。
本发明实施例提供的车辆驾驶控制方法,多个计算平台对自动驾驶信息进行协同优化,形成交通信息更全、更优的模型,可以在任意地理范围内设置计算平台,在空间上实现大范围的环境感知,在时间上包含感知个体感知时刻之前、之后的信息,形成更精准、更真实的时空场景,车辆可以接受任意一个计算平台下发的控制信息,提高车辆驾驶的智能性,同时,由于车辆可以接受任意一个计算平台的控制信息,减轻了车辆自身的算力、性能和硬件条件。
作为本实施例一种可选的实施方式,所述根据一个或多个所述自动驾驶信息,得到车辆控制信息,包括:
首先,对一个或多个所述自动驾驶信息进行时间同步。
示例性地,由于自动驾驶信息来自于多个计算平台,多个计算平台发送的同一时刻自动驾驶信息可能存在时间误差,那么则需要对自动驾驶信息进行时间同步。时间同步的方式可以是提取每一条信息中的时间信息,将同一时间信息的内容汇总,完成自动驾驶信息的时间同步。
其次,将时间同步后的一个或多个所述自动驾驶信息输入至数字孪生模型,得到融合后的自动驾驶信息。
示例性地,数字孪生模型包括地图孪生模块、运动物体物理模型孪生模块、运动物体运动控制孪生模块;地图孪生模块根据成熟度、时间对环境感知信息进行数字孪生,建立实时的环境地图;运动物体物理模型孪生模块,对运动物体的空间信息进行数字孪生,建立实时的运动物理模型;运动物体运动控制孪生模块根据实时环境地图信息、运动物理模型、控制信息对运动物体的自动驾驶控制信息进行孪生。将时间同步后的一个或多个自动驾驶信息输入至数字孪生模型,得到在该时间融合后的自动驾驶信息。
最后,将融合后的自动驾驶信息以及一个或多个自动驾驶信息进行数据融合,得到目标规划信息,目标规划信息包括车辆控制信息。
示例性地,将融合后的自动驾驶信息以及一个或多个自动驾驶信息进行数据融合,得到目标规划信息的具体方式可以是将所述融合后的自动驾驶信息以及一个或多个自动驾驶信息输入至目标算法,得到目标规划信息,目标算法包括环境感知算法、规划算法、决策算法、控制算法。
具体方式可以是将融合后的环境感知信息输入至环境感知模块,环境感知模块根据融合后的环境感知信息,得到优化后的环境感知信息。此时,将优化后环境感知信息输入至规划模块,规划模块根据优化后的环境感知信息以及将其他计算平台的自动驾驶信息进行融合后的规划信息得到优化后的规划信息,此时将优化后的规划信息输入至决策模块;决策模块根据接收到的优化后的规划信息以及将其他计算平台的自动驾驶信息进行融合后的决策信息得到优化后的决策信息,循环上述过程至控制模块,直至得到优化后的控制信息。本实施例对信息输入感知算法、规划算法、决策算法、控制算法的顺序不做限制,本实施例仅表示一种可选方式,本领域技术人员可以根据需要确定。
作为本实施例一种可选的实施方式,所述方法还包括:发送所述目标规划信息。每个计算平台将生成的目标规划信息发送至别的计算平台或者车辆,以便别的计算平台对其进行再次优化,或者车辆根据目标规划信息中的车辆控制信息进行车辆控制。
本实施例提供一种车辆驾驶控制装置,如图4所示,应用于任意一个计算平台,包括:
信息获取模块201,用于获取其他计算平台中的一个或多个传输的自动驾驶信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息;具体参见上述方法对应部分,在此不再赘述。
车辆控制信息确定模块202,用于根据一个或多个所述自动驾驶信息,得到车辆控制信息。具体参见上述方法对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,车辆控制信息确定模块,包括:
时间同步模块,用于对一个或多个所述自动驾驶信息进行时间同步;具体参见上述方法对应部分,在此不再赘述。
自动驾驶信息确定模块,用于将时间同步后的一个或多个所述自动驾驶信息输入至数字孪生模型,得到融合后的自动驾驶信息;具体参见上述方法对应部分,在此不再赘述。
目标规划信息确定模块,用于将所述融合后的自动驾驶信息以及一个或多个所述自动驾驶信息进行数据融合,得到目标规划信息,所述目标规划信息包括车辆控制信息。具体参见上述方法对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,所述数字孪生模型包括地图孪生模块、运动物体物理模型孪生模块、运动物体运动控制孪生模块;
所述地图孪生模块根据成熟度、时间对环境感知信息进行数字孪生,建立实时的环境地图,所述成熟度根据预设评价标准得到;具体参见上述方法对应部分,在此不再赘述。
所述运动物体物理模型孪生模块,对运动物体的空间信息进行数字孪生,建立实时的运动物理模型;具体参见上述方法对应部分,在此不再赘述。
所述运动物体运动控制孪生模块根据实时环境地图信息、运动物理模型、控制信息对运动物体的自动驾驶控制信息进行孪生。具体参见上述方法对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,目标规划信息确定模块,包括:
模块,用于将所述融合后的自动驾驶信息以及一个或多个所述自动驾驶信息输入至目标算法,得到车辆控制信息,所述目标算法包括环境感知算法、规划算法、决策算法、控制算法。具体参见上述方法对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,所述装置还包括:发送模块,用于发送所述目标规划信息。具体参见上述方法对应部分,在此不再赘述。
本申请实施例还提供一种电子设备,如图5所示,处理器410和存储器420,其中处理器410和存储器420可以通过总线或者其他方式连接。
处理器410可以为中央处理器(Central Processing Unit,CPU)。处理器410还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器420作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的车辆驾驶控制方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理。
存储器420可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器420可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器420中,当被所述处理器410执行时,执行如图3所示实施例中的车辆驾驶控制方法。
上述电子设备的具体细节可以对应参阅图3所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中车辆驾驶控制方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (11)
1.一种汽车大脑***,其特征在于,包括:
多个计算平台,所述多个计算平台之间通信连接,每一个所述计算平台用于获取其他计算平台中的一个或多个传输的自动驾驶信息,并根据一个或多个所述自动驾驶信息,得到车辆控制信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息,其中不同的计算平台之间获取的环境信息所对应的地理范围不同。
2.根据权利要求1所述的汽车大脑***,其特征在于,所述多个计算平台包括车端计算平台、路端计算平台、边缘云计算平台、区域云计算平台中的至少两个;其中所述车端计算平台获取的环境信息对应的地理范围小于所述路端计算平台,所述路端计算平台获取的环境信息对应的地理范围小于所述边缘云计算平台,所述边缘云计算平台获取的环境信息对应的地理范围小于所述区域云计算平台。
3.根据权利要求1所述的汽车大脑***,其特征在于,还包括:
中央云计算平台,与所述多个计算平台通信连接,用于监控所述多个计算平台,对所述多个计算平台进行负载均衡,负载均衡根据所述多个计算平台的算力运行情况进行。
4.一种车辆驾驶控制方法,其特征在于,应用于多个进行通信连接的计算平台中的任意一个计算平台,不同的计算平台之间获取的环境信息所对应的地理范围不同,包括如下步骤:
获取其他计算平台中的一个或多个传输的自动驾驶信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息;
根据一个或多个所述自动驾驶信息,得到车辆控制信息。
5.根据权利要求4所述的方法,其特征在于,所述根据一个或多个所述自动驾驶信息,得到车辆控制信息,包括:
对一个或多个所述自动驾驶信息进行时间同步;
将时间同步后的一个或多个所述自动驾驶信息输入至数字孪生模型,得到融合后的自动驾驶信息;
将所述融合后的自动驾驶信息以及一个或多个所述自动驾驶信息进行数据融合,得到目标规划信息,所述目标规划信息包括车辆控制信息。
6.根据权利要求5所述的方法,其特征在于,所述数字孪生模型包括地图孪生模块、运动物体物理模型孪生模块、运动物体运动控制孪生模块;
所述地图孪生模块根据成熟度、时间对环境感知信息进行数字孪生,建立实时的环境地图,所述成熟度根据预设评价标准得到;
所述运动物体物理模型孪生模块,对运动物体的空间信息进行数字孪生,建立实时的运动物理模型;
所述运动物体运动控制孪生模块根据实时环境地图信息、运动物理模型、控制信息对运动物体的自动驾驶控制信息进行孪生。
7.根据权利要求5所述的方法,其特征在于,将所述融合后的自动驾驶信息以及一个或多个所述自动驾驶信息进行数据融合,得到车辆控制信息,包括:
将所述融合后的自动驾驶信息以及一个或多个所述自动驾驶信息输入至目标算法,得到车辆控制信息,所述目标算法包括环境感知算法、规划算法、决策算法、控制算法。
8.根据权利要求5所述的方法,其特征在于,所述方法还包括:发送所述目标规划信息。
9.一种车辆驾驶控制装置,其特征在于,应用于任意一个计算平台,包括:
信息获取模块,用于获取其他计算平台中的一个或多个传输的自动驾驶信息,所述自动驾驶信息包括环境感知、决策、规划、控制信息;
车辆控制信息确定模块,用于根据一个或多个所述自动驾驶信息,得到车辆控制信息。
10.一种电子设备,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权利要求4-8任一所述的车辆驾驶控制方法的步骤。
11.一种存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现权利要求4-8任一所述的车辆驾驶控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011461870.0A CN112249034B (zh) | 2020-12-14 | 2020-12-14 | 一种汽车大脑***及车辆驾驶控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011461870.0A CN112249034B (zh) | 2020-12-14 | 2020-12-14 | 一种汽车大脑***及车辆驾驶控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112249034A true CN112249034A (zh) | 2021-01-22 |
CN112249034B CN112249034B (zh) | 2021-04-13 |
Family
ID=74225775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011461870.0A Active CN112249034B (zh) | 2020-12-14 | 2020-12-14 | 一种汽车大脑***及车辆驾驶控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112249034B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927543A (zh) * | 2021-02-04 | 2021-06-08 | 浙江吉利控股集团有限公司 | 一种车路协同自动驾驶方法、***及车辆 |
CN112987733A (zh) * | 2021-02-23 | 2021-06-18 | 北京三快在线科技有限公司 | 自动驾驶控制***、方法、可读存储介质及无人设备 |
CN113110425A (zh) * | 2021-03-29 | 2021-07-13 | 重庆智行者信息科技有限公司 | 一种基于自动驾驶的靶车*** |
CN113401145A (zh) * | 2021-07-29 | 2021-09-17 | 国汽智控(北京)科技有限公司 | 一种车辆驾驶控制方法及*** |
CN113442948A (zh) * | 2021-07-09 | 2021-09-28 | 深圳元戎启行科技有限公司 | 基于云端推理服务的自动驾驶方法、装置和计算机设备 |
CN114103996A (zh) * | 2021-11-25 | 2022-03-01 | 国汽智控(北京)科技有限公司 | 基于共享感知数据的自动驾驶控制方法、装置及设备 |
CN114648870A (zh) * | 2022-02-11 | 2022-06-21 | 行云新能科技(深圳)有限公司 | 边缘计算***、边缘计算决策预测方法以及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109421697A (zh) * | 2017-08-30 | 2019-03-05 | 西门子公司 | 一种车辆控制方法、装置和*** |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行*** |
CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路(北京)科技有限公司 | 自动驾驶汽车智能道路*** |
CN111371904A (zh) * | 2020-03-18 | 2020-07-03 | 交通运输部公路科学研究院 | 云边端协同的高速公路云控***及控制方法 |
CN111462481A (zh) * | 2020-03-03 | 2020-07-28 | 北京理工大学 | 包含多功能无人车的云大脑智能交通*** |
US10752269B2 (en) * | 2017-03-09 | 2020-08-25 | General Electric Company | System for vehicle subsystem control |
CN111601266A (zh) * | 2020-03-31 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 协同控制方法及*** |
-
2020
- 2020-12-14 CN CN202011461870.0A patent/CN112249034B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10752269B2 (en) * | 2017-03-09 | 2020-08-25 | General Electric Company | System for vehicle subsystem control |
CN109421697A (zh) * | 2017-08-30 | 2019-03-05 | 西门子公司 | 一种车辆控制方法、装置和*** |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行*** |
CN111462481A (zh) * | 2020-03-03 | 2020-07-28 | 北京理工大学 | 包含多功能无人车的云大脑智能交通*** |
CN111371904A (zh) * | 2020-03-18 | 2020-07-03 | 交通运输部公路科学研究院 | 云边端协同的高速公路云控***及控制方法 |
CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路(北京)科技有限公司 | 自动驾驶汽车智能道路*** |
CN111601266A (zh) * | 2020-03-31 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 协同控制方法及*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927543A (zh) * | 2021-02-04 | 2021-06-08 | 浙江吉利控股集团有限公司 | 一种车路协同自动驾驶方法、***及车辆 |
CN112987733A (zh) * | 2021-02-23 | 2021-06-18 | 北京三快在线科技有限公司 | 自动驾驶控制***、方法、可读存储介质及无人设备 |
CN113110425A (zh) * | 2021-03-29 | 2021-07-13 | 重庆智行者信息科技有限公司 | 一种基于自动驾驶的靶车*** |
CN113442948A (zh) * | 2021-07-09 | 2021-09-28 | 深圳元戎启行科技有限公司 | 基于云端推理服务的自动驾驶方法、装置和计算机设备 |
CN113442948B (zh) * | 2021-07-09 | 2024-01-23 | 深圳元戎启行科技有限公司 | 基于云端推理服务的自动驾驶方法、装置和计算机设备 |
CN113401145A (zh) * | 2021-07-29 | 2021-09-17 | 国汽智控(北京)科技有限公司 | 一种车辆驾驶控制方法及*** |
CN114103996A (zh) * | 2021-11-25 | 2022-03-01 | 国汽智控(北京)科技有限公司 | 基于共享感知数据的自动驾驶控制方法、装置及设备 |
CN114648870A (zh) * | 2022-02-11 | 2022-06-21 | 行云新能科技(深圳)有限公司 | 边缘计算***、边缘计算决策预测方法以及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112249034B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112249034B (zh) | 一种汽车大脑***及车辆驾驶控制方法 | |
CN109769207B (zh) | 一种移动设备动态组网分享算力的***与方法 | |
CN109389832B (zh) | 使用v2x通信***提高障碍意识的***和方法 | |
US10349011B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
US10613547B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
CN112925657A (zh) | 一种车路云协同处理***及方法 | |
CN109756572B (zh) | 一种分布式计算网络***与方法 | |
CN112037553B (zh) | 远程驾驶方法、装置、***、设备及介质 | |
CN112839320B (zh) | 交通信息的传输方法、装置、存储介质和电子设备 | |
CN113496602B (zh) | 智能路侧工具箱 | |
US11176818B2 (en) | Cluster-based management of vehicle power consumption | |
US11350257B2 (en) | Proxy environmental perception | |
EP3895950B1 (en) | Methods and systems for automated driving system monitoring and management | |
CN112927543A (zh) | 一种车路协同自动驾驶方法、***及车辆 | |
CN114501385A (zh) | 一种应用于智能网联交通***的协同自动驾驶*** | |
CN115116257A (zh) | 基于边缘云服务的车辆调度方法、装置、设备及介质 | |
CN113612844A (zh) | 车辆端的数据分享方法、装置、介质及电子设备 | |
CN110789515B (zh) | 机动车辆中用于硬件验证的***和方法 | |
US20220032934A1 (en) | Method, apparatus, device and system for controlling driving | |
WO2022168286A1 (ja) | 通信管理装置、通信管理方法、通信管理プログラム、運転支援装置、運転支援方法及び運転支援プログラム | |
CN113401145B (zh) | 一种车辆驾驶控制方法及*** | |
US11983005B2 (en) | Spinning out vehicular micro clouds | |
US20220038872A1 (en) | Adaptive sensor data sharing for a connected vehicle | |
US20230388849A1 (en) | Communication method and apparatus for automatic driving, device, storage medium and program product | |
EP4152153A1 (en) | Method and system for evaluation and development of automated driving system features |
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 |