CN112512887B - 一种行驶决策选择方法以及装置 - Google Patents
一种行驶决策选择方法以及装置 Download PDFInfo
- Publication number
- CN112512887B CN112512887B CN202080004262.9A CN202080004262A CN112512887B CN 112512887 B CN112512887 B CN 112512887B CN 202080004262 A CN202080004262 A CN 202080004262A CN 112512887 B CN112512887 B CN 112512887B
- Authority
- CN
- China
- Prior art keywords
- range
- vehicle
- distance
- confidence
- interval
- 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.)
- Active
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 37
- 230000008447 perception Effects 0.000 claims abstract description 125
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 230000015654 memory Effects 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 22
- 238000012216 screening Methods 0.000 claims description 9
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 description 28
- 230000008569 process Effects 0.000 description 27
- 230000008859 change Effects 0.000 description 26
- 230000006870 function Effects 0.000 description 24
- 239000011159 matrix material Substances 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000004438 eyesight Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000016776 visual perception Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 208000031427 Foetal heart rate deceleration Diseases 0.000 description 2
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请实施例提供了涉及智能汽车、网联汽车和自动驾驶领域的一种行驶决策选择方法以及装置,用于扩大为车辆选择行驶决策并规划行车路径时可用的感知范围,提高车辆的行车安全性和稳定性,提高用户体验。该方法包括:获取车辆上配置的传感器采集到的感知信息;从至少一个范围区间中选择出与感知信息匹配的第一范围区间,至少一个范围区间基于传感器的输出信息将传感器的检测范围进行划分得到的,每个范围区间对应至少一个行驶决策;结合车辆的车速,从第一范围区间对应的至少一个行驶决策中选择出车辆的行驶决策,并控制车辆根据车辆的行驶决策行驶。
Description
技术领域
本申请涉及汽车领域,尤其涉及一种行驶决策选择方法以及装置。
背景技术
决策与规划是自动驾驶技术中的一个重要组成模块,如进行全局路径规划、行为决策或者局部路径规划等。现阶段,通常是由上游的感知模块输出环境和一些关键目标物的位置信息,经过决策与规划模块生成对自车的控制目标,如参考路径或者参考轨迹等,并输出给下游的控制环节,完成对车辆的闭环控制。
然而,进行行车路径的规划时,通常是基于确定型感知信息,即置信度高于一定值的感知信息来进行规划的,将导致能感知到的范围有限。
发明内容
本申请实施例提供了一种行驶决策选择方法以及装置,用于扩大为车辆选择行驶决策并规划行车路径时可用的感知范围,提高车辆的行车安全性和稳定性,提高用户体验。
有鉴于此,第一方面,本申请提供一种行驶决策选择方法,包括:首先,获取车辆上配置的传感器采集到的感知信息;然后,根据感知信息,从至少一个范围区间中选择出第一范围区间,所述至少一个范围区间基于所述传感器的输出信息将所述传感器的检测范围进行划分得到的,传感器的输出信息包括检测目标物的距离结果、距离结果对应的置信度或距离结果与距离结果对应的置信度之间的关系中的至少一个,每个范围区间具有对应的至少一个行驶决策;随后,结合车辆的车速,从第一范围区间对应的至少一个行驶决策中选择出车辆的行驶决策,并控制该车辆根据该车辆的行驶决策进行行驶。
本申请实施方式中,在选择行驶决策之前,已将传感器的检测范围划分了至少一个范围区间,每个范围区间都有对应的距离范围。在选择行驶决策的过程中,可以使用每个范围区间对应的至少一个行驶决策,选择车辆的行驶决策,如加速、减速、保持车速或者变道等决策,并控制车辆按照该行驶决策来行驶。通常传感器检测到的物体的距离越远,置信度也就越低。因此,相对于仅使用置信度高的感知信息来规划行车路径,本申请提供的行驶决策选择方法中,针对传感器的检测范围划分了范围区间,得到的一个或者多个范围区间覆盖了传感器的检测范围。在选择行驶决策的过程中,即使感知信息所包括的距离较远或者置信度较低,也可以使用感知到的更远的距离来选择行驶决策,使车辆可以对更远的障碍物进行提前规避,当前于增加了在决定车辆的行驶决策时的可用的感知范围,提高了车辆的行车安全性,提高用户体验。且对与车辆距离更远的障碍物进行提前规避,可以提前进行加速或者减速等决策,避免车辆因距离过近而导致的剧烈加速或者剧烈减速等,使车辆的行驶过程更平顺,提高用户体验。
在一种可能的实施方式中,每个范围区间对应一个距离范围,感知信息中包括传感器检测到的障碍物与车辆的第一距离,从至少一个范围区间中选择出与感知信息匹配的第一范围区间,可以包括:对第一距离与前述的至少一个范围区间对应的距离范围进行匹配,从而可以获知第一距离处于第一范围区间所对应的距离范围内,进而筛选出与第一距离匹配的第一范围区间。
在本申请实施方式中,每个范围区间具有对应的行驶决策,从而可以根据车辆和物体的距离选择与之匹配的范围区间,并根据该范围区间对应的一个或多个行驶决策选择车辆的行驶决策,从而可以基于更大的感知范围,选择车辆的行驶决策,进而基于更大的感知范围规划出车辆行车路径。
在一种可能的实施方式中,每个范围区间对应一个置信度范围,且所述至少一个范围区间对应的置信度范围覆盖所述传感器在所述检测范围内检测到的信息的置信度,感知信息中还包括第一置信度,第一置信度用于表示第一距离的准确程度;上述的从至少一个范围区间中选择出与感知信息匹配的第一范围区间,可以包括:对第一置信度与前述的至少一个范围区间对应的置信度范围进行匹配,从而获知第一置信度在第一范围区间对应的置信度范围内,进而筛选出第一范围区间。
本申请实施方式中,可以基于感知信息所包括的置信度选择与之匹配的范围区间,进而从该范围区间的至少一个行驶决策中选择车辆的行驶决策。即使在置信度较低的场景中,也可以选择出车辆的行驶决策。进而针对更远距离或者置信度更低的距离选择行驶决策,使车辆可以对较远距离的障碍物进行提前处理,如提前减速或者提前变道等,提高车辆行驶的安全性。
在一种可能的实施方式中,感知信息中所包括的第一置信度为根据传感器的检测范围和传感器与障碍物的距离得到。其中,传感器通常设置于车辆中,传感器与障碍物的距离即可以理解为车辆和传感器之间的距离。通常,车辆和传感器之间的距离越远,第一置信度越低,车辆和传感器之间的距离越近,第一置信度越高。
在一种可能的实施方式中,在获取感知信息之前,本申请提供的行驶决策选择方法还包括:对传感器的检测范围进行划分,得到至少一个距离范围,至少一个距离范围与至少一个范围区间一一对应。
因此,本申请实施方式中,可以对传感器的检测范围进行划分,从而得到每个范围区间对应的距离范围,使前述的至少一个范围区间对应的距离范围可以覆盖传感器的检测范围,相当于增加了在选择行驶决策时的可用感知范围。在一种可能的实施方式中,在获取感知信息之前,对传感器的检测范围进行划分,得到至少一个距离范围可以包括:对传感器在检测范围内可检测的置信度的范围进行划分,得到至少一个置信度范围,该至少一个范围区间对应的置信度范围,覆盖了该传感器在该检测范围内检测到的信息的置信度。然后根据距离结果与距离结果对应的置信度之间的关系,计算与每个置信度范围对应的距离范围,得到至少一个距离范围。
本申请实施例中,传感器的可检测到的置信度范围划分为了至少一个置信度范围,每个置信度范围具有对应的距离范围,每个范围区间设置了至少一个行驶决策。因此,在选择行驶决策时,可以根据感知信息所包括的距离和置信度来选择行驶决策,进而规划车辆的行车路径,即使感知信息所包括的距离较远,或者置信度较低,也可以提前进行行车路径的规划,相当于扩大规划行车路径时可用的感知范围,提高车辆的行车安全性和稳定性,提高用户体验。可以理解的是,相对于仅使用置信度高于一定值的感知信息来规划行车路径,本申请中提前划定了范围区间,使得后续规划行车路径时,可以使用更大的感知范围来规划行车路径,从而提前针对车辆前方的障碍物选择合适的行驶决策,从而快速、安全地规划出安全性、稳定性更高的行车路径,提高用户体验。
在一种可能的实施方式中,根据距离结果与距离结果对应的置信度的关系,确定与至少一个距离范围一一对应的至少一个置信度范围,该至少一个置信度范围用于从至少一个范围区间中筛选与感知信息匹配的范围区间。
在一种可能的实施方式中,在获取感知信息之前,本申请提供的行驶决策选择方法还可以包括:对传感器的检测范围进行划分,得到至少一个距离范围,即该至少一个距离范围覆盖了传感器的检测范围;然后根据至少一个距离范围,以及距离结果与距离结果对应的置信度之间的关系,得到与至少一个距离范围一一对应的至少一个置信度范围,每个范围区间对应一个置信度范围和距离范围。
本申请实施方式中,可以先划分置信度范围,然后根据距离结果与距离结果对应的置信度之间的关系,计算每个置信度对应的距离范围即一个范围区间具有对应的距离区间和置信度区间,从而使后续可以根据距离或者置信度来选择行驶决策,增加了选择行驶决策时可用的感知范围,提高车辆的安全性和稳定性,提高用户体验。
在一种可能的实施方式中,若至少一个范围区间是根据传感器输出的距离结果对监测范围进行划分得到,则可以直接对感知信息所包括的第一距离与每个范围区间对应的距离范围进行匹配,筛选出与第一距离匹配的范围区间。
在另一种可能的实施方式中,若至少一个范围区间是根据传感器输出的距离结果对应的置信度划分得到的,每个范围区间对应了一个置信度范围,则可以对感知信息所包括的第一置信度与每个范围区间对应的距离范围进行匹配,从而筛选出与该第一置信度匹配的范围区间。
在另一种可能的实施方式中,若至少一个范围区间时根据距离结果划分的,而感知信息中包括了第一置信度和前述的距离结果与距离结果对应的置信度之间的关系,则可以根据该距离结果与距离结果对应的置信度之间的关系计算与该第一置信度对应的第一距离,然后对该第一距离与每个范围区间对应的距离范围进行匹配,从而得到与该第一距离匹配的范围区间。
在一种可能的实施方式中,本申请提供的行驶决策选择方法还可以包括:获取传感器采集到的历史距离信息历史距离信息以及对应的置信度;根据历史距离信息和对应的置信度获取距离结果与距离结果对应的置信度之间的关系。
本申请实施方式中,可以根据传感器采集到的历史距离信息历史距离信息以及对应的置信度,统计传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系,以进行后续的范围区间的划分,从而确定个范围区间所对应的置信度范围和距离范围。
在一种可能的实施方式中,在选择车辆的行驶决策时,可以根据车辆的车速,以及障碍物的速度,计算车辆与障碍物的相对速度,障碍物的速度可以是根据一段时间内获取到的感知信息计算得到的;然后结合相对速度从第一范围区间对应的至少一个行驶决策中筛选出车辆的行驶决策。
本申请实施方式中,在选择行驶决策时,可以结合车辆和障碍物之间的相对速度,选择车辆的行驶决策,更准确地选择车辆的行驶决策,进一步提高车辆行驶的安全性。
在一种可能的实施方式中,每个范围区间对应的至少一个行驶决策为根据应用场景确定,该应用场景可以包括但不限于:自动巡航、跟车或者自动泊车等场景。第二方面,本申请提供一种行驶决策选择装置,该行驶决策选择装置具有实现上述第一方面行驶决策选择方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第二方面,本申请提供一种行驶决策选择装置,该行驶决策选择装置具有实现上述第一方面行驶决策选择方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第三方面,本申请提供一种行驶决策选择方法,包括:获取至少一个范围区间,该至少一个范围区间中的每个范围区间对应置信度范围和距离范围,该至少一个范围区间所包括的距离范围覆盖传感器的检测范围,所述至少一个置信度范围覆盖所述传感器在所述检测范围内检测到的信息的置信度;然后,设定与至少一个范围区间中每个范围区间的至少一个行驶决策,每个范围区间和每个范围区间对应的至少一个行驶决策用于选择车辆的行驶决策,车辆的行驶决策用于生成车辆的行车路径。
本申请实施例中,将传感器的检测范围划分了一个或者多个距离范围,每个距离范围具有相应的置信度范围,一个范围区间对应一个距离范围和一个置信度范围,每个范围区间对应至少一个行驶决策。在选择行驶决策的过程中,可以使用置信度或者距离进行匹配,并按照固定的规则设定每个范围区间的行驶决策,如加速、减速、保持车速或者变道等决策,并控制车辆按照该行驶决策行驶。通常传感器检测到的物体的距离越远,置信度也就越低。因此,本申请提供的行驶决策选择方法中,在选择行驶决策的过程中,可以使用感知到的更远的距离来选择行驶决策,可以理解为可以针对更远距离的物体选择行驶决策,使车辆可以对更远的障碍物进行提前规避,提高了车辆的行车安全性,提高用户体验。且对与车辆距离更远的障碍物进行提前规避,可以提前进行加速或者减速等决策,使车辆的行驶过程更平顺,提高用户体验。
在一种可能的实施方式中,获取至少一个范围区间,可以包括:首先,对传感器的检测范围进行划分,得到至少一个距离范围,并根据传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系,计算每个距离度范围对应的置信度范围,一个范围区间对应一个置信度范围和一个距离范围。
因此,本申请实施方式中,可以基于车辆与物体的距离来对传感器的检测范围进行划分,得到一个或者多个距离范围,并根据每个距离范围对应的置信度范围,得到至少一个范围区间。即一个范围区间具有对应的距离区间和置信度区间,从而使后续可以根据更远距离或者更低置信度来选择行驶决策,相当于增加了选择行驶决策时可用的感知范围,提高车辆的安全性和稳定性,提高用户体验。
在一种可能的实施方式中,获取至少一个范围区间,可以包括:对传感器可检测到的置信度的范围进行划分得到至少一个置信度范围,并根据传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系计算每个置信度范围对应的距离范围一个范围区间对应一个置信度范围和一个距离范围。
因此,本申请实施方式中,可以基于置信度进行划分,得到一个或者多个置信度范围。通常,置信度与距离之间具有对应关系,每个置信度范围具有对应的距离范围,该置信度范围和距离范围即可组成对传感器的感知范围划分得到的一个或者多个范围区间。
在一种可能的实施方式中,在设定了与至少一个范围区间中每个范围区间对应的至少一个行驶决策之后,上述方法还包括:获取车辆中设置的传感器采集到的感知信息,该感知信息中可以包括障碍物的信息,如车辆与障碍物之间的第一距离;从至少一个范围区间中选择出与该感知信息匹配的范围区间,并结合车辆的车速从第一范围区间的至少一个行驶决策,选择出车辆的行驶决策,并控制车辆根据该行驶决策行驶,以使车辆按照该行驶决策行驶。
因此,在本申请实施方式中,在选择车辆的行驶决策的过程中,可以基于前述划分得到的至少一个范围区间中每个范围区间对应的至少一个行驶决策,来选择车辆的行驶决策。相对于仅使用置信度较高的感知信息来决定车辆的行驶决策,本申请提供的至少一个范围区间所对应的距离范围覆盖了传感器的检测范围,即使感知信息的置信度低,也可以使用该感知信息,相当于可以根据更远距离或者更低置信度来选择行驶决策,从而使得可以使用更大的感知范围选择行驶决策,进而规划出车辆的行车路径,可以对更远的物体进行感知,从而规划出更准确以及更安全的行车路径。
在一种可能的实施方式中,感知信息中包括障碍物与车辆的距离,根据感知信息以及每个范围区间对应的至少一个行驶决策,选择车辆的行驶决策,可以包括:筛选出障碍物和车辆的距离在在第一范围区间的距离范围内;然后,结合车辆的车速从第一范围区间的至少一个行驶决策中选择车辆的行驶决策。
因此,在本申请实施方式中,每个范围区间具有对应的行驶决策,从而可以根据传感器检测到的物体的距离选择与之匹配的范围区间,并根据该范围区间对应的一个或多个行驶决策选择车辆的行驶决策,从而可以基于更大的感知范围,选择车辆的行驶决策。
在一种可能的实施方式中,感知信息中可以包括置信度;上述的根据感知信息以及每个范围区间对应的至少一个行驶决策,选择车辆的行驶决策,还可以包括:若感知信息所包括的置信度在第一范围区间所对应的置信度范围内,则结合车辆的车速从第一范围区间的至少一个行驶决策中选择车辆的行驶决策。
因此,在本申请实施方式中,可以基于感知信息所包括的置信度选择对应的范围区间,进而选择车辆的行驶决策,即使置信度较低,也可以选择车辆的行驶决策,进而针对更远距离或者置信度更低的物体选择行驶决策,提高车辆行驶的安全性。
在一种可能的实施方式中,可以根据车辆的速度,计算车辆相对于障碍物的相对车速,然后结合该相对车速,从第一范围区间中的至少一个行驶决策中选择车辆的行驶决策。
因此,本申请实施方式中,还可以结合车辆的速度和/或车辆与障碍物的相对速度,更准确地选择车辆的行驶决策,进一步提高车辆行驶的安全性。
在一种可能的实施方式中,感知信息中所包括的置信度与传感器与障碍物的距离相关。通常,传感器感知到的信息随着距离的增加,置信度也就越低。
在一种可能的实施方式中,获取传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系,可以包括:获取传感器采集到的历史距离信息历史距离信息以及对应的置信度;根据历史距离信息和对应的置信度传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系。
因此,本申请实施方式中,可以根据传感器采集到的历史距离信息历史距离信息以及对应的置信度,统计传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系,以完成后续的范围区间的划分。
第四方面,本申请提供一种行驶决策选择装置,该行驶决策选择装置具有实现上述第三方面行驶决策选择方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第五方面,本申请实施例提供一种行驶决策选择装置,该行驶决策选择装置具有实现上述第一方面或第三方面行驶决策选择方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第六方面,本申请实施例提供一种行驶决策选择装置,包括:处理器和存储器,其中,处理器和存储器通过线路互联,处理器调用存储器中的程序代码用于执行上述第一方面或第三方面任一项所示的行驶决策选择方法中与处理相关的功能。
第七方面,本申请实施例提供了一种行驶决策选择装置,该行驶决策选择装置也可以称为数字处理芯片或者芯片,芯片包括处理单元和通信接口,处理单元通过通信接口获取程序指令,程序指令被处理单元执行,处理单元用于执行如上述第一方面、第一方面任一可选实施方式、第三方面或第三方面任一可选实施方式中与处理相关的功能。
可选地,前述的行驶决策选择装置可以是芯片或者车辆等。
第八方面,本申请实施例提供了一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述第一方面、第一方面任一可选实施方式、第三方面或第三方面任一可选实施方式中的方法。
第九方面,本申请实施例提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面、第一方面任一可选实施方式、第三方面或第三方面任一可选实施方式中的方法。
附图说明
图1为本申请实施例提供的一种车辆的结构示意图;
图2为本申请实施例提供的一种行驶决策选择方法的流程示意图;
图3A为本申请实施例中的一种规划行车路径的场景示意图;
图3B为本申请实施例中的另一种规划行车路径的场景示意图;
图3C为本申请实施例中的另一种规划行车路径的场景示意图;
图4A为本申请实施例中的一种范围区间的示意图;
图4B为本申请实施例中的另一种范围区间的示意图;
图5为本申请实施例中的另一种范围区间的示意图;
图6A为本申请实施例中的一种泊车场景示意图;
图6B为本申请实施例中的另一种泊车场景下的驾驶舱示意图;
图6C为本申请实施例中的另一种泊车场景下的显示界面示意图;
图6D为本申请实施例中的另一种泊车场景示意图;
图7为本申请实施例提供的一种行驶决策选择装置的结构示意图;
图8为本申请实施例提供的另一种行驶决策选择装置的结构示意图;
图9为本申请实施例提供的另一种行驶决策选择装置的结构示意图;
图10为本申请实施例提供的一种芯片的结构示意图。
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,本领域技术人员在没有作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。
本申请实施例提供的行驶决策选择方法可以应用于各种规划路径的场景。示例性地,本申请可以应用于为车辆选择行驶决策的场景,或者,本申请提供的行驶决策选择方法可以由车辆来执行。此外,本申请也可以应用于对各类机器人进行路径规划的场景,例如货运机器人、探测机器人、扫地机器人或其他类型的机器人,此处以货运机器人为例对应用场景作进一步描述,当货运机器人在进行运输时,需要为货运机器人规划路径,从而安全稳定地完成运输。
下面结合附图,对本申请的实施例进行描述。本领域普通技术人员可知,随着技术的发展和新场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
为了便于理解本方案,本申请实施例中首先结合图1对本申请提供的车辆的结构进行介绍。请先参阅图1,图1为本申请实施例提供的车辆的一种结构示意图,车辆100可以配置为自动驾驶模式。例如,车辆100可以在处于自动驾驶模式中的同时控制自身,并且可通过人为操作来确认车辆及其周边环境的当前状态,确定周边环境中的是否存在障碍物,基于障碍物的信息来控制车辆100。在车辆100处于自动驾驶模式中时,也可以将车辆100置为在没有和人交互的情况下操作。
车辆100可包括各种子***,例如行进***102、传感器***104、控制***106、一个或多个***设备108以及电源110、计算机***112和用户接口116。可选地,车辆100可包括更多或更少的子***,并且每个子***可包括多个部件。另外,车辆100的每个子***和部件可以通过有线或者无线互连。
行进***102可包括为车辆100提供动力运动的组件。在一个实施例中,行进***102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。
其中,引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合,例如,汽油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他***提供能量。传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中,传动装置120还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。
传感器***104可包括感测关于车辆100周边的环境的信息的若干个传感器。例如,传感器***104可包括定位***122(定位***可以是全球定位GPS***,也可以是北斗***或者其他定位***)、惯性测量单元(inertial measurement unit,IMU)124、雷达126、激光测距仪128以及相机130。传感器***104还可包括被监视车辆100的内部***的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。在本申请以下实施方式中提及的传感器,即可以是雷达126、激光测距仪128或者相机130等。
其中,定位***122可用于估计车辆100的地理位置。IMU 124用于基于惯性加速度来感知车辆100的位置和朝向变化。在一个实施例中,IMU 124可以是加速度计和陀螺仪的组合。雷达126可利用无线电信号来感知车辆100的周边环境内的物体,具体可以表现为毫米波雷达或激光雷达。在一些实施例中,除了感知物体以外,雷达126还可用于感知物体的速度和/或前进方向。激光测距仪128可利用激光来感知车辆100所位于的环境中的物体。在一些实施例中,激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他***组件。相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。
控制***106为控制车辆100及其组件的操作。控制***106可包括各种部件,其中包括转向***132、油门134、制动单元136、计算机视觉***140、线路控制***142以及障碍避免***144。
其中,转向***132可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘***。油门134用于控制引擎118的操作速度并进而控制车辆100的速度。制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中,制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制车辆100的速度。计算机视觉***140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍体。计算机视觉***140可使用物体识别算法、运动中恢复结构(Structure from Motion,SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中,计算机视觉***140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。线路控制***142用于规划车辆100的行驶路线以及行驶速度。在一些实施例中,线路控制***142可以包括横向规划模块1421和纵向规划模块1422,横向规划模块1421和纵向规划模块1422分别用于结合来自障碍避免***144、GPS 122和一个或多个预定地图的数据为车辆100规划行驶路线和行驶速度。障碍避免***144用于识别、评估和避免或者以其他方式越过车辆100的环境中的障碍体,前述障碍体具体可以表现为实际障碍体和可能与车辆100发生碰撞的虚拟移动体。在一个实例中,控制***106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
车辆100通过***设备108与外部传感器、其他车辆、其他计算机***或用户之间进行交互。***设备108可包括无线通信***146、车载电脑148、麦克风150和/或扬声器152。在一些实施例中,***设备108为车辆100的用户提供与用户接口116交互的手段。例如,车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中,***设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如,麦克风150可从车辆100的用户接收音频(例如,语音命令或其他音频输入)。类似地,扬声器152可向车辆100的用户输出音频。无线通信***146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信***146可使用3G蜂窝通信,例如码分多址(code division multiple access,CDMA)、EVD0、全球移动数据传输***(global system for mobile communication,GSM)/通用无线分组业务(general packet radio service,GPRS),或者4G蜂窝通信,例如LTE。或者第五代移动通信技术(5th-Generation,5G)通信。无线通信***146可利用无线局域网(wireless local area network,WLAN)通信。在一些实施例中,无线通信***146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议,例如各种车辆通信***,例如,无线通信***146可包括一个或多个专用短程通信(dedicated short range communications,DSRC)设备,这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
电源110可向车辆100的各种组件提供电力。在一个实施例中,电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中,电源110和能量源119可一起实现,例如一些全电动车中那样。
车辆100的部分或所有功能受计算机***112控制。计算机***112可包括至少一个处理器113,处理器113执行存储在例如存储器114这样的非暂态计算机可读介质中的指令115。计算机***112还可以是采用分布式方式控制车辆100的个体组件或子***的多个计算设备。处理器113可以是任何常规的处理器,诸如商业可获得的中央处理器(centralprocessing unit,CPU)。可选地,处理器113可以是诸如专用集成电路(applicationspecific integrated circuit,ASIC)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机***112的其它部件,但是本领域的普通技术人员应该理解该处理器、或存储器实际上可以包括不存储在相同的物理外壳内的多个处理器、或存储器。例如,存储器114可以是硬盘驱动器或位于不同于计算机***112的外壳内的其它存储介质。因此,对处理器113或存储器114的引用将被理解为包括可以并行操作或者可以不并行操作的处理器或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中,处理器113可以位于远离车辆100并且与车辆100进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于车辆100内的处理器113上执行而其它则由远程处理器113执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,存储器114可包含指令115(例如,程序逻辑),指令115可被处理器113执行来执行车辆100的各种功能,包括以上描述的那些功能。存储器114也可包含额外的指令,包括向行进***102、传感器***104、控制***106和***设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。除了指令115以外,存储器114还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度以及其它这样的车辆数据,以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机***112使用。用户接口116,用于向车辆100的用户提供信息或从其接收信息。可选地,用户接口116可包括在***设备108的集合内的一个或多个输入/输出设备,例如无线通信***146、车载电脑148、麦克风150或扬声器152等。
计算机***112可基于从各种子***(例如,行进***102、传感器***104和控制***106)以及从用户接口116接收的输入来控制车辆100的功能。例如,计算机***112可以用个can总线和车辆100内的其他***或者部件进行通信,如计算机***112可利用来自控制***106的输入以便控制转向***132来避免由传感器***104和障碍避免***144检测到的障碍体。在一些实施例中,计算机***112可操作来对车辆100及其子***的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与车辆100分开安装或关联。例如,存储器114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图1不应理解为对本申请实施例的限制。本申请提供的行驶决策选择方法,可以由计算机***112、雷达126、激光测距仪130或者***设备,如车载电脑148或者其他车载终端等来执行。例如,本申请提供的行驶决策选择方法可以由车载电脑148来执行,车载电脑148可以为车辆选择行驶决策以及规划行车路径,并根据行车路径生成控制指令,将控制指令发送至计算机***112,由计算机***112控制车辆的控制***106中的转向***132、油门134、制动单元136、计算机视觉***140、线路控制***142或者障碍避免***144等,从而实现车辆的自动驾驶。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等,本申请实施例不做特别的限定。
决策与规划,是自动驾驶技术中的一个重要组成模块。现阶段,自动驾驶***的主流技术框架如下图所示,一般由上游的感知模块输出环境和一些关键目标物的位置信息,经过决策与规划模块,生成对车辆的控制目标,如控制车辆的参考路径或参考轨迹等,输出给下游的控制环节,来完成闭环控制。在决策与规划模块的决策与规划过程中,通常会包括对自身的运动轨迹进行估计的过程,也可能会含有对其它目标的运动轨迹进行估计的过程。决策与规划模块连同控制模块,通常在安全、稳定、快速和准确的前提下,实现对车辆的控制。
通常,在车辆的行车路径规划的过程中,可以将传感器采集到的信息经处理后得到感知信息,包括车辆周围的物体的信息,如车辆的感知范围内的物体的位置、大小或者与车辆的距离等,然后根据感知信息对车辆的行车路径进行规划。感知信息通常可以包括确定型感知信息或者概率型感知信息。确定型感知信息即置信度大于阈值的感知信息,如置信度大于95%的感知信息即为确定型感知信息,概率型感知信息即包括了感知到的信息和置信度的信息。
通常,障碍物的感知信息的置信度与传感器与该障碍物的距离、环境、障碍物的大小等相关,例如,传感器与障碍物的距离越远,障碍物的感知信息的置信度越低,而传感器与障碍物的距离越近,障碍物的感知信息的置信度越低高。因此,若仅采用确定型感知信息,则可能因确定型感知信息对应的感知范围受限,导致规划的行车路径不稳定,不能对更远距离的路障进行提前规划,降低用户体验。
因此,本申请提供一种行驶决策选择方法,用于为规划行车路径提供更远的感知范围,提高用户体验。下面对本申请提供的行驶决策选择方法进行详细说明。
请参阅图2,本申请提供的一种行驶决策选择方法的流程示意图,如下所述。
201、获取至少一个范围区间。
其中,该至少一个范围区间时基于传感器的输出信息对传感器的检测范围进行划分得到,传感器的输出信息可以包括但不限于目标物(为便于理解,以下称为障碍物)的距离结果、距离结果对应的置信度或者距离结果与对应的置信度之间的关系等中的一个或者多个。该距离结果可以是传感器监测到的障碍物和车辆之间的距离,置信度用于表示该距离的准确程度。该至少一个范围区间所对应的距离范围覆盖了传感器的检测范围。例如,若传感器的检测范围覆盖了以传感器为中心,半径200米的范围,该检测范围包括了多个距离范围,如0-50米为一个距离范围,50-150为一个距离范围,150-200为一个距离范围。并在,在本申请中的划分方式中,对于两个范围区间的临界值,可以划分至前一个范围区间,也可以划分至后一范围区间,本申请对此不作限定。
可选地,每个范围区间还对应了一个置信度范围。通常,每个范围区间所对应的置信度范围和距离范围之间具有映射关系,该映射关系可以是传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系,该置信度表示传感器检测到的距离结果的准确度,车辆与物体的距离是传感器检测到的车辆与物体的距离。可以理解为,该至少一个范围区间所对应的置信度范围覆盖了传感器在检测范围内检测到的信息的置信度。通常,传感器设置于车辆中,因此,车辆与物体的距离即传感器和物体的距离。例如,传感器在检测范围内可检测到的置信度处于0-100%范围内,该0-100%范围划分为了多个置信度范围,如0-80%为一个置信度范围,80%-95%为一个置信度范围,95%以上为一个置信度范围。
该传感器可以是车辆内部设置的传感器,如前述的传感器***104中的传感器,或者也可以是设置于车辆外部的传感器,如与车辆建立了连接,并设置在车身表面的传感器,具体可以根据实际应用场景进行调整。
具体地,在划分范围区间时,可以通过多种方式划分,下面示例性地,对几种可行的划分方式进行介绍。
方式一、基于置信度进行划分
在一种可能的实施方式中,可以基于置信度进行划分。对传感器的检测范围内检测到的物体的置信度的范围,得到一个或者多个置信度范围。即该一个或者多个置信度范围覆盖传感器在检测范围内检测到的信息的置信度。然后基于传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系,计算每个置信度范围对应的距离范围。每个范围区间都有对应的置信度范围和距离范围,该至少一个范围区间对应的至少一个距离范围覆盖了传感器的检测范围。
示例性地,如表1所示,可以将95%-100%划分为范围区间1,将85%-95%划分为范围区间2,依次类推。并且,每个范围区间都有对应的距离范围。通常,因传感器的误差,可能导致每个范围区间对应的距离可能不相同。例如,80米对应的置信度范围可能为93%-96%,因此,范围区间1和范围区间2可能存在部分距离重合,后续在选择行驶决策时,可以基于不重合的置信度范围来选择车辆的行驶决策。
区间 | 置信度范围 | 距离范围(米) |
范围区间1 | (95%,100%] | (0,90] |
范围区间2 | (85%,95%] | (70,120] |
范围区间3 | (60%,85%] | (110,170] |
范围区间4 | (40%,65%] | (150,220] |
范围区间5 | [0,40%] | [210,+∞] |
表1
其中,车辆与传感器监测到的物体的距离以及置信度可以是通过预设的感知算法,或者也可以称为感知模型输出得到的。可以通过统计车辆与传感器检测到的物体之间的距离,以及对应的置信度,得到该距离和置信度之间的关系。为便于理解,以下将传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系称为距离和置信度之间的关系。该置信度为传感器检测到的物体的信息的准确度,检测到的物体的信息可以包括物体的大小、位置、运动方向、速度或者与车辆的距离等信息。可以理解为,该置信度可以表示为传感器检测到的物体的大小、位置、运动方向、速度或者与车辆的距离等信息的准确度。
具体地,该为距离和置信度之间的关系可以是线性关系、指数关系、对数关系或者数列等,具体可以根据实际应用场景确定,本申请对此不作限定。
在一些可能的场景中,同一个传感器可能检测物体的不同信息,如物体的大小、方向、位置等信息,或者,传感器对于同一距离的不同类型的物体的置信度也可能不相同,例如,若传感器为摄像头,则可能因摄像头的对焦点的限制,导致采集到的图像的部分内容不清晰,导致不同位置的物体的置信度不相同。因此,同一个传感器可能具有多种距离和不同数据类型的置信度之间的关系,如距离和物体大小的置信度之间的关系,距离和物体的方向之间的置信度的关系等,具体可以根据实际应用场景进行调整。为便于理解,在本申请以下实施方式中,仅以其中一种类型的数据的置信度和距离之间的关系进行示例性说明,并不作为限定。
在一种可能的实施方式中,可以获取传感器采集到的历史距离信息历史距离信息以及对应的置信度,然后根据历史距离信息和对应的置信度,计算出传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系。例如,可以采集传感器采集到的大量的障碍物的信息,并作为预设的感知算法的输入,输出车辆与传感器检测到的物体的距离以及对应的置信度。然后对该距离以及对应的置信度之间的关系进行拟合,得到该关系,示例性地,该关系可以表示为y=ax,y为置信度,x为距离,a为常数。
进一步地,感知模型也可以是通过大量的传感器采集到的信息进行训练得到。示例性地,该感知模型可以是目标检测神经网络、语义分割神经网络、卷积神经网络或者构建得到的网络等其中的一种或者多种的组合。例如,该目标检测神经网络可以是2D目标检测的深度神经网络,如基于区域卷积神经网络(regions with CNN features,RCNN)的演进网络,也可以是3D目标检测的深度神经网络,如基于前向传播(forward propagation,FP)的神经网络,或者基于分割网络(Segmentation Network,SegNet)的演进网络等。
在一种可能的实施方式中,车辆与传感器检测到的物体的距离和置信度之间的关系可以通过传感器采集到的实时信息和对应的置信度进行实时更新。例如,在车辆行驶途中,可以保存对比传感器在不同位置采集到的数据的信息,更新距离和置信度之间的关系。
方式二、基于距离进行划分
在另一种可能的实施方式中,可以基于距离对传感器的检测范围进行划分,得到一个或者多个距离范围。
可选地,还可以基于传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系,计算每个距离范围对应的置信度范围。该每个距离范围对应的置信度范围,用于后续筛选与感知信息匹配的范围区间。
例如,如表2所示,可以将0-80的范围划分为范围区间1,将80-120的距离划分为范围区间2,将120-160的距离划分为范围区间3等,依次类推。通常,因传感器的误差,可能导致每个范围区间对应的置信度不相同,例如,范围区间1和范围区间2可能存在部分置信度重合,后续在选择行驶决策时,可以基于不存在重合的距离范围对感知信息进行匹配。
区间 | 距离范围(米) | 置信度范围 |
范围区间1 | (0,80] | (98%,100%] |
范围区间2 | (80,120] | (85%,98%] |
范围区间3 | (120,160] | (62%,87%] |
范围区间4 | (160,200] | (40%,65%] |
范围区间5 | [200,+∞] | [0,45%] |
表2
当然,在一些可能的场景中,也可以距离和置信度进行范围区间的划分,即前述的方式一和方式二可以组合起来得到一个或者多个范围区间,具体可以根据实际应用场景进行调整,此处不作限定。
因此,本方式二中,可以结合置信度来划分传感器的检测范围得到一个或者多个范围区间,该范围区间可以用于选择行驶决策,进而通过行驶决策规划行车路径。从而使规划行车路径时,相对于使用置信度高于阈值的感知信息来规划行车路径,本申请提供的行驶决策选择方法可以提高选择行驶决策时使用的感知范围,可以提前选择车辆的行驶决策,从而可以使车辆进行提前加速或者减速等操作,使车辆的控制更平稳,提高车辆的行车安全性,提高用户体验。可以理解为,本申请提供的行驶决策选择方法,引入了概率型的感知信息,用来表征感知信息的不确定度,从而使后续可以根据不确定的感知信息来选择行驶决策,增加了规划行车路径时使用的感知范围。
在一些可能的场景中,可能存在多个传感器,在划分范围区间时,可以分别对每个传感器的检测范围进行划分,得到每个传感器对应的范围区间;也可以对每个传感器在同一置信度对应的距离进行加权运算后进行划分,或者对每个传感器在同一距离的置信度进行加权运算后划分等,具体可以根据实际应用场景进行调整。因此,在本申请实施方式中,针对不同的传感器,可以使用不同的划分方式,在选择车辆的行驶决策的过程中,可以多种传感器协同工作,进一步提高车辆的行车安全性。
例如,激光雷达在70m范围内,对车辆或者行人等的感知置信度较高,而在70-150m范围内,对车辆或者行人等的感知的置信度较低(如在50%-80%之间);而视觉感知传感器在80m范围内,对车辆或者行人等的感知置信度较高,而在80-150m范围内,对车辆或者行人等的感知的置信度较低。通常,通过多个传感器对环境中的物体的信息进行感知,可以提高检测到的准确度,可以避免误检或者漏检等情况,提高检测到的信息的准确度。
202、设定至少一个范围区间中每个范围区间的至少一个行驶决策。
其中,行驶决策可以包括加速、减速、定速巡航、跟车、保持车速或者变道等决策。不同范围区间设定的行驶决策可以相同,也可以不相同。例如,范围区间1对应的行驶决策可以是定速巡航、减速跟车、变道行驶或者提速等决策,或者,还可以包括控制车速在第一预设范围或者控制车辆相对于障碍物的速度在第二预设范围等决策。
在一些可能的场景中,针对车辆的行驶决策可以是根据预先设定的,也可以是由用户选择的。例如,可以预先设定不同的距离对应不同的决策,0-20米的范围设定减速或者保持速度或者设定对应的车速范围或者相对车速范围等决策,40-80米可以设定加速、减速或者变道等或者设定对应的车速范围或者相对车速范围决策,80米以上可以设定加速、定速巡航、减速或者变道或者设定对应的车速范围或者相对车速范围等决策。又例如,可以由用户选择行驶决策,其中,加速和减速可以设定为必选决策,如定速巡航、变道等决策可以由用户通过交互界面进行选择。
需要说明的是,在设定了至少一个范围区间中每个范围区间对应的至少一个行驶决策之后,在车辆行驶前或者行驶途中,即可通过划分的至少一个范围区间以及对应的行驶决策规划车辆的行车路径,并控制车辆按照行车路径进行行驶。此外,在车辆行驶前或者行驶途中,也可以对划分的范围区间或者每个范围区间对应的行驶决策进行更新。如传感器在环境中可能存在损耗,导致出现误差或者基线漂移等,因此也可以在使用的过程中根据传感器采集到的信息对范围区间进行实时更新,以提高划分的范围区间与传感器检测到的准确度匹配。
因此,在本申请实施方式中,不同的范围区间具有对应的行驶决策,以使后续在规划行车路径时,可以通过选择的行驶决策进行规划。可以理解为,本申请提供了分段式的行驶规划区间,可以基于不同的范围区间处理不同置信度的感知信息,提高了规划行车路径时的感知范围。
通常,在不同的场景中,每个范围区间对应的行驶决策是根据应用场景确定的,例如,该应用场景可以包括但不限于:自动巡航、跟车或者自动泊车等场景。具体例如,在高速自动巡航场景中,车辆的车速较高,多个范围区间对应的距离范围分别可以是0m-100m,100m-200m,200m-300m等,0m-100m对应的行驶决策包括减速或者变道,100m-200m对应的行驶决策为保持车速或者变道,200m-300m对应的行驶决策可以包括加速、变道等行驶决策。在低速跟车场景中,0m-100m对应的决策为减速,100m以上的距离范围对应的行驶决策为加速。当然,也可以通过划分不同的距离范围,并为每个距离范围设定对应的行驶决策来适应不同的场景。例如,在低速跟车场景中,每个范围区间对应的距离范围与高速自动巡航的距离范围可能不相同,例如,多个范围区间对应的距离范围分别可以是0-50m,50-100m,100m-150m,0-50m对应的行驶决策为减速或者变道等决策,50-100m对应的行驶决策为加速或者保持车速等决策,100m-150m对应的行驶决策是加速或者保持车速等决策,150m以上的距离范围则对应加速或者变道等行驶决策。还例如,在自动泊车场景中,因车辆与障碍物之间的距离较近,划分的距离范围也可能不相同,例如,多个范围区间对应的距离范围可以包括0-1m,1m-2m,2m-5m等,0-1m对应的行驶决策是减速,1m-2m对应的行驶决策为保持车速,2m-5m对应的行驶决策为缓慢加速。
此外,在不同的环境中,每个范围区间对应的行驶决策也可能不相同。例如,在烟雾环境和非烟雾环境中每个范围区间对应的行驶决策不同,在雨雾环境中和晴朗环境中每个范围区间对应的行驶决策也不相同,具体可以根据实际应用场景调整行驶决策,本申请对此不作限定。
需要说明的是,步骤201-202为可选步骤。该步骤201-202也可以单独实施,或者可以由其他设备执行步骤201-202,然后将划分得到的至少一个范围区间配置在传感器中,或者,将该至少一个范围区间发送至车载终端或者其他控制车辆的设备中。例如,在某一个传感器出厂前,即可在该传感器中设置存储介质,该存储介质可以写入指令代码,该指令代码用于执行前述步骤201-202,或者,在该存储介质中写入划分的范围区间的详细信息等。
通常,在实际应用中,无需每次选择行驶决策时都进行范围区间的划分。,具体可以根据实际应用场景进行调整。或者,在一些场景中,可以提前划定好一个或者多个范围区间,在每次选择行驶决策或者规划行车路径时,无需再次划定范围区间。
203、获取传感器采集到的感知信息。
车辆配置有传感器,在车辆的行驶途中或者启动行驶之前,可以获取该传感器采集到的感知信息。例如,传感器采集到障碍物的图像、激光点云或者电磁回波点云等信息,然后该信息输入至预先设定的感知算法或者称为感知模型,输出感知信息。
具体地,该感知信息可以包括但不限于以下一项或者多项:车辆的速度、车辆相对于障碍物的速度、障碍物的位置、障碍物的方向、障碍物的大小等信息。该障碍物可以是传感器检测范围内的车辆、行人、道路、交通灯、交通标志等。
通常,不同的传感器采集到的信息可能不同。具体例如,该传感器可以包括摄像头,则传感器采集到的信息可以包括图像的像素值;该传感器可以包括激光雷达,传感器采集到的信息则可以包括3D激光点云;该传感器还可以包括毫米波雷达,则传感器采集到的信息可以包括电磁回波构成的点云,该传感器所包括的具体类型可以根据实际应用进行调整,不同类型的传感器采集到的信息可能相同,也可能不相同,此处仅仅是示例性说明,并不作为限定。
不同的传感器可能对应不同的感知模型,也可以对应相同的感知模型,即感知模型可以对不同类型的输入数据进行处理,得到对应的感知信息。该感知模型可以是通过大量的与前述的传感器相关的历史数据进行训练得到。
可选地,感知信息中还可以包括置信度,用于表示感知信息所包括的信息的准确度。例如,若感知信息中可以包括车辆相对于障碍物的速度,置信度可以用于表示该车辆相对于障碍物的速度的准确度。以使后续选择车辆的行驶决策以及对车辆的行驶路径进行规划时,可以参考该置信度进行规划,得到更准确的行车路径。
204、从至少一个范围区间中选择出与感知信息匹配的第一范围区间。
其中,在通过感知算法得到感知信息之后,可以从至少一个范围区间中选择出与感知信息匹配的第一范围区间。该至少一个范围区间可以是前述步骤202中划分得到的至少一个范围区间,每个范围区间对应一个距离范围,可选地,每个范围区间还对应一个置信度范围,具体参阅前述步骤202中的描述,此处不再赘述。
在一种可能的实施方式中,感知信息中可以包括车辆和障碍物之间的第一距离,步骤204具体可以包括:对该第一距离与每个范围区间的距离范围进行对比,筛选出第一范围区间,该第一距离在该第一范围区间对应的距离范围内。感知信息中可以包括车辆与障碍物之间的距离,且障碍物在车辆的行驶方向上,如处于同一车道或者障碍物在车辆行驶方向的前方,则可以选择与车辆与障碍物之间的距离匹配的范围区间作为第一范围区间。
例如,若感知信息包括的车辆与障碍物之间的距离为90米,范围区间1的距离范围为50-150米,范围区间2的距离范围为0-50米,对感知信息包括的90米与范围区间进行比对,该90米在范围区间1所包括的50-150米范围内,则确定与该90匹配的范围区间为范围区间1。
在一种可能的实施方式中,感知信息中可以包括第一置信度,该第一置信度用于表示感知信息所包括的车辆与障碍物之间的距离的准确程度。步骤204具体可以包括:可以对该第一置信度与每个范围区间所包括的置信度范围进行匹配,筛选出第一范围区间,该第一置信度处于第一范围区间所包括的置信度范围内。
例如,若第一置信度为95%,范围区间1包括的置信度范围为94%-96%,范围区间2包看的置信度范围为96%-100%,95%处于范围区间1所包括的置信度范围中,即确定与第一置信度匹配的范围区间为范围区间1。
当然,在一种可能的实施方式中,前述的至少一个范围区间可以是结合置信度和距离划分的,感知信息中可以同时包括车辆和障碍物的第一距离以及该第一距离的第一置信度,且障碍物位于车辆的行驶方向。则可以结合车辆和障碍物的第一距离以及该距离的第一置信度,从至少一个范围区间中筛选出第一范围区间。
例如,若车辆与障碍物之间的距离为90米,置信度为95%,第一范围区间对应的距离范围为50-150米,置信度为94%-96%,即感知信息中所包括的距离处于第一范围区间的距离范围内,感知信息中所包括的置信度处于第一范围区间对应的置信度范围内,则确认筛选出的范围区间为第一范围区间,该第一范围区间为距离范围为50-150米,置信度范围为94%-96%。
又例如,在一种场景中,可以提前设置置信度和距离的优先级,当置信度在范围区间1,而距离在范围区间2时,若距离的优先级高于置信度的优先级,则可以确认障碍物对应的范围区间为范围区间2;若置信度的优先级高于距离的优先级,则可以确认障碍物对应的范围区间为范围区间1。
此外,在一些实施方式中,可以仅对传感器的检测范围进行划分,得到每个范围区间对应的距离范围。在此场景中,感知信息中可以包括置信度和距离与置信度之间的关系,则根据该距离和置信度之间的关系,计算出该置信度对应的距离,然后对该距离和每个范围区间对应的距离范围进行匹配,从而筛选出与该感知信息匹配的第一范围区间。
在一种可能的场景中,可能存在多个传感器检测到的信息,从而可能得到多个感知信息,每个感知信息中所包括的信息和置信度可能不相同。在此场景中,可以选择多个感知信息中置信度最高的作为最终的感知信息,并根据该最终的感知信息筛选出第一范围区间,也可以是对多个感知进行加权运算,置信度高的感知信息对应的权重值也高,从而得到最终的感知信息。例如,若感知模型输出了3个传感器对应的感知信息,包括3种与障碍物的距离,则可以对该3种与障碍物的距离进行加权运算,置信度高的距离对应的权重值也就越高,从而得到加权运算后的距离,并根据加权运算后的距离选择第一范围区间。
205、结合车辆的车速,从第一范围区间的至少一个行驶决策中选择出车辆的行驶决策。
具体地,可以结合车辆的车速,根据预先设定的规则,选择出车辆的行驶决策。例如,为每个范围区间设置最高车速和最低车速,若车辆与障碍物之间的距离在第一范围区间的距离范围内,且车辆的车速小于该第一范围区间的最高车速,大于最低车速,第一范围区间的行驶决策包括加速、跟车和减速,则此时可以选择加速或者跟车作为车辆的行驶决策;若车辆的车速小于最低速度,此时可以选择加速作为车辆的行驶决策,使车辆的车速保持在第一范围区间的最高车速和最低车速之间。
可选地,可以为每个范围区间设置最高相对车速和最低相对车速。根据车辆的车速,感知信息所包括的障碍物的速度,计算出车辆相对于障碍物的相对速度。然后基于该相对车速,从第一范围区间的至少一个行驶决策中选择车辆的行驶决策。例如,第一范围区间的行驶决策包括加速、跟车和减速,若车辆与障碍物之间的距离在第一范围区间的距离范围内,且车辆与障碍物之间的相对车速小于第一范围区间的最高相对车速,小于最低相对车速,则可以选择加速或者跟车作为车辆的行驶决策;若车辆与障碍物之间的相对速度小于最低相对车速,则将加速作为车辆的行驶决策;若车辆与障碍物之间的相对速度大于最高相对车速,则将减速作为车辆的行驶决策。
在一种可能的实施方式中,可以结合车辆的速度和车辆与障碍物的相对速度,从第一范围区间对应的至少一个行驶决策中选择车辆的行驶决策。例如,可以为每个范围区间设置最高车速、最低车速、最高相对车速和最低相对车速,可以基于车辆的速度和车辆与障碍物之间的相对速度选择车辆的行驶决策,使车辆的车速保持在最高车速和最低车速之间,车辆和障碍物之间的相对速度保持在最高相对车速和最低相对车速之间。
示例性地,以某一个范围区间为例,该范围区间的距离范围为10-20米,对应的行驶决策可以包括减速和保持车速。车辆的速度为30km/h,车辆相对于前车的相对速度为5km/h,为提高车辆的行车安全性,控制目标为将车辆相对于前车的相对速度保持为0km/h,因此,此时的行驶决策为减速,以使车辆相对于前车的相对速度保持为0km/h。或者,控制目标可以设定为速度20km/h,此时的行驶决策为减速,从而使车辆的速度降低至20km/h或者更低。
此外,在一些场景中,可以将置信度高于阈值的感知信息作为确定型感知信息处理,并基于确定型感知信息选择车辆的行驶决策,即可以使用确定型感知信息对应的规划算法,如,提高本申请提供的行驶决策选择方法在规划行车路径时的兼容性。
在一些场景中,除了结合车辆的速度或者车辆与障碍物的相对速度,还可以结合其他数据,如与车辆的行驶方向不同的车辆、车辆周围的障碍车辆的行驶行为(如变道、超车等)、或者行驶环境变化等,来选择车辆的行驶决策。例如,若100-200米的距离范围对应的行驶决策为加速或者保持车速,此时,若天气为晴朗,且周围没有车辆在变道或者超车,则此时可以选择加速;若天气突然变化,出现雨雾,则此时可以选择保持车速,使车辆可以安全行驶。
206、控制车辆根据车辆的行驶决策行驶。
在选择了车辆的行驶决策之后,可以控制车辆执行该行驶决策。例如,若该车辆的行驶决策为加速,则控制车辆加速,若该车辆的行驶决策为减速,则控制车辆减速,若车辆的行驶决策为保持车速,则控制车速不变;若车辆的行驶决策为变道,则生成车辆进行变道的路径,并根据该路径控制车辆行驶。
具体地,可以结合车辆的车速和车辆的行驶决策,规划车辆的行车路径,并控制车辆根据该行车路径行驶。例如,若车辆的行驶决策为减速,则可以生成车辆执行减速决策这一过程中车辆的行驶路线,并通过控制车辆的转向***、制动***等,来控制车辆根据该行驶路径来行驶。
通常,若车辆的行驶决策为加速、减速或者保持车速等,车辆的行驶路径可以包括与车道平行或者接近于车道平行的路线,若车辆的行驶决策为变道,则车辆的行驶路径可以包括车辆从当前车道行驶至相邻车道的曲线。
更具体地,当该行车路径包括曲线时,该行车路径具体可以包括车辆的行驶曲线、转向角度、转向半径或者车速等信息。
为便于理解,以一个具体的场景为例对本申请提供的方法的进行示例性说明,在具有自动驾驶功能的车辆中,车辆内的传感器的感知范围划分了多个范围区间,每个范围区间包括了距离范围和相应的置信度范围,如,范围区间1包括的距离范围为[0,10],置信度范围为[98%,100%],范围区间2包括的距离范围为(10,50],置信度范围为[97%,98%),范围区间3包括的距离范围为(50,100],置信度范围为[95%,97%),范围区间4包括的距离范围为(100,+∞],置信度范围为[0%,95%)。每个范围区间提前设定了相应的行驶决策,如[0,10]米的范围的行驶决策包括减速,(10,50]米的范围的行驶决策包括减速和保持车速,(50,100]米的范围的行驶决策包括保持车速和变道,(100,+∞]米范围的行驶决策包括保持车速、加速和变道。在自动驾驶场景中,如图3A所示,在车辆的行驶途中,若检测到车辆的前方存在障碍物301,且障碍物301与车辆的距离为126m,处于范围区间4所包括的距离范围内,该距离对应的范围区间的行驶决策中,相应的行驶决策包括:保持车速、加速和变道。可以根据用户的需求选择行驶决策,例如若用户需求为快速到达,则选择行驶决策为变道或者加速,若用户需求为平稳行驶,则选择行驶决策为保持车速等。示例性地,若用户的需求为快速到达,且车辆与障碍物301的距离逐渐减小,此时,出于车辆的安全和用户的快速到达的需求考虑,选择车辆的行驶决策为变道。然后基于车辆当前的车速、障碍物的车速和路况生成变道的行驶路径302,控制车辆按照该行驶路径302行驶。为便于理解,该变道决策对应的行驶路径的俯视图可以如图3B所示,在检测到车辆前方,即车辆的行驶方向中存在障碍物301,且选择车辆的行驶决策为变道之后,生成行驶路径302,并控制车辆按照该行车路径行驶。生成该行驶路径的方式可以包括速度时间图(speed-time graph,ST)算法、3DST算法(3d speed-time graph,SLT)算法等。其中,规划车辆的行驶路径的方式有多种,下面示例性地,以其中一种规划方式为例进行示例性说明,如图3C所示,选取车辆变道后所在的位置3031,规划车辆行驶至位置3031的两段曲线3021和3022,曲线3021和3022相切,基于车辆当前的车速,计算车辆的转向半径,即曲线3031的半径r1,以及曲线3022的半径r2,然后对曲线3021和曲线3022进行平滑处理,得到行车路径302,并控制车辆根据该转向半径,沿行车路径302行驶。
进一步地,若本申请提供的行驶决策选择方法由车载终端、车载电脑或者其他外接设备来执行,则在车载终端、车载电脑或者其他外接设备规划得到行车路径之后,可以将该行车路径传送至前述图1中所示的控制***106,由控制***106根据行车路径所包括的行驶曲线和车速等信息,通过微分(PD)控制、比例、积分和微分(PID)控制等方式生成控制指令,从而控制转向***132、油门134或者制动单元136等,以控制车辆按照行车路径行驶。
因此,在选择行驶决策之前,已划分了至少一个范围区间,每个范围区间都有对应的置信度和距离范围,且置信度范围包括的值和距离范围包括的值之间具有映射关系,该映射关系为传感器输出的距离结果和该距离结果对应的置信度之间的关系,该映射关系可以是预先设定的,也可以根据传感器采集到的信息进行实时更新。在选择行驶决策的过程中,可以使用基于每个范围区间的至少一个行驶决策,选择车辆的行驶决策,如加速、减速、保持车速或者变道等决策。通常传感器检测到的物体的距离越远,置信度也就越低。相对于使用置信度高于阈值的感知信息来规划行车路径,本申请提供的行驶决策选择方法可以使用置信度不高于阈值的感知信息来选择行驶决策,相当于可以扩大规划行车路径时使用的感知范围。因此,本申请提供的行驶决策选择方法中,在选择行驶决策的过程中,可以使用感知到的更远距离的障碍物来选择行驶决策,可以理解为可以针对更远距离的物体确定行驶决策,使车辆可以对更远的障碍物进行提前规避,提高了车辆的行车安全性,提高用户体验。且对与车辆距离更远的障碍物进行提前规避,可以提前进行加速或者减速等决策,使车辆的行驶过程更平顺,提高用户体验。
更进一步地,为便于理解,下面对本申请提供的行驶决策选择方法划分的多个范围区间和行驶决策的选择方式,以一个具体的应用场景进行示例性说明。
示例性地,如图4A所示,可以将车辆401上设置的传感器的感知范围分为4个区间,区间1的距离范围为0-20米(m),区间2的距离范围为20-65米,区间3的距离范围为65-150米,区间4的距离范围为150-250米。其中,临界距离可以划分至邻近的两个区间中的任意一个,例如,20m距离可以划分至区间1,也可以划分至区间2,具体可以根据实际应场景进行调整。
然后为每个区间设置对应的行驶决策,例如,针对自动驾驶模式,为区间1设置的行驶决策包括刹车和保持跟车,为区间2设置的行驶决策包括跟车、变道和减速,为区间3设置的行驶决策包括加速、跟车、变道和减速,为区间4设置的行驶决策包括加速。
其中,与距离车辆较近的感知区域,如区间1和区间2,在此范围内,传感器检测到的信息通常置信度较高,可以理解为确定型感知信息对应的范围区间。而与车辆较远的感知区域,如区间3或区间4,在此范围内,传感器检测到的信息通常置信度较低,即检测到的信息的准确度较低,可以理解为概率型感知信息对应的范围区间。因此,本申请实施例中划分的范围区间增加了可用的区间3和区间4的距离范围,用来选择车辆的行驶决策,进而规划车辆的行车路径,增加了规划行车路径时的可用感知范围。
因此,本申请提供的方案相当于增加了规划行车路径时的感知范围。例如,视觉感知在100m范围内,可以较可靠的检测出障碍物,是确定型感知范围;而在100-200m区间,由于距离变远或图像变小等一系列原因,检测出车辆的成功率降低,置信度也降低。在本申请提供的方案中,对100-200m区间也进行了区域划分,并基于此选择车辆的行驶决策,并规划车辆的行车路径,相当于增加了规划行车路径时的感知范围。
此外,参阅图4B,以障碍物402为前车为例,Vr可以理解为车辆与前车之间的相对速度,Ve可以理解为车辆自身的速度。其中,前车可以是移动状态,即前车速度不为0,也可以是静止状态,即前车速度为0,或者此处的前车也可以替换为其他障碍物,如红绿灯、路障、三角锥等物体。
在选择行驶决策时,若障碍物402与车辆401之间的距离障碍物在区间1的距离范围内,该区间1可以理解为紧急刹车区间,即车辆与障碍物402障碍物之间的距离过近,不在安全距离范围内,且与安全距离之间相差较大,需要降低车辆的车速,以使车辆和障碍物保持更安全的距离。此时,车辆的控制目标可以是停车或者是车速保持的范围满足0≤Vr≤30,0≤Ve≤60,从而避免车辆与前车形成追尾事故。该安全距离可以是提前设定的值,或者根据设定的算法计算出来的值,如根据车辆的当前速度、制动距离或者前车速度等计算出来的值,该安全距离可以理解为保证车辆可以安全行驶避免碰撞的距离。
若前车402与车辆401之间的距离障碍物在区间2的距离范围内,此时车辆与前车的距离处于正常刹车区间,即车辆与前车的距离不在安全距离内,但与安全距离之间相差较小,车辆401的控制目标可以设定为30≤Vr≤60,60≤Ve≤100,此时可以适当降低车辆401的车速,使车辆的速度处于控制目标的范围内。
若前车402与车辆401之间的距离障碍物在区间3的距离范围内,此时车辆与前车的距离处于舒适调速区间,前车与车辆的距离不小于安全距离。此场景中,可以根据实际场景调整车辆的车速,控制目标可以设定为60≤Vr≤100,100≤Ve≤125,以使车辆可以保持快速并安全的行驶。
若402与车辆401之间的距离障碍物在区间4的距离范围内,此时车辆与前车的距离处于预判区间,前车与车辆的距离不小于安全距离,车辆处于较为安全的位置。此场景中,可以根据实际场景调整车辆的车速,控制目标可以设定为100≤Vr≤150,125≤Ve≤150,以使车辆可以保持快速并安全的行驶。并且,可以提前对与和车辆的距离处于该距离范围内的障碍物进行规避,进一步提高车辆的行驶安全性。
当然,除了参考Vr和Ve选择控制目标,也可以直接根据车辆与前述的距离作为控制距离,选择车辆加速或者减速的行驶决策,例如,若车辆与障碍物的距离过近,则控制车辆减速,从而增加车辆与障碍物之间的距离;若车辆与障碍物的距离过远,则控制车辆保持车速或者加速,从而保持该距离或者减小该距离,具体可以根据实际应用场景进行调整,此处仅仅是示例性说明,并不作为限定。
为便于理解,可以理解的为,前述图4A所示的4个区间中,区间1和区间2为确定型感知信息对应的范围区间,即置信度高于阈值的感知信息对应的范围区间,区间3和区间4为置信度不高于阈值的感知信息对应的范围区间。当根据感知信息中携带置信度或者距离确认车辆与障碍物的距离处于区间1或区间2中时,可以使用已有的根据选择型感知信息来规划行车路径的方式,来为车辆规划行车路径,从而提高本申请提供的行驶决策选择方法中规划行车路径的方式的兼容性。当根据感知信息中携带置信度或者距离确认车辆与障碍物的距离处于区间3或区间4时,则可以结合车辆的速度和/或车辆与障碍物的相对速度选择车辆的行驶决策,从而提前对更远距离的障碍物进行提前应对,如规避障碍物、提前减速等,进而提高车辆行驶的安全性,使车辆的行驶过程变化更平滑,提高用户体验。
更具体地,为便于理解,对选择车辆的行驶决策的过程进行更详细的说明。
以参考Vr和Ve选择控制目标为例,在确认车辆和障碍物至今的距离处于某一个范围区间的距离范围内后,可以设定范围区间的边界的速度的控制目标,然后该范围区间的边界的速度的控制目标作为车辆的速度控制目标。
示例性地,如图5所示,以其中一个范围区间,如区间i为例,当感知到障碍物402与车辆之间的距离在区间i中时,即车辆感知到的区间i的范围内存在障碍物,此处以障碍物为前车为例。
若车辆和前车之间的相对距离不断减少,则车辆与前车的相对距离则会向区间i-1靠近,此时以Vr1=60km/h和Ve1=100km/h为边界车速,以此边界车速为控制目标进行减速运动规划,生成车辆的行车路径,此时该车辆的行车路径可以是在当前车道内继续行驶,如保持直线行驶。当车辆与前车的相对距离减少至区间i的边界时,则控制目标为Vr1=60km/h和Ve1=100km/h。如车辆的车速大于100km/h,车辆和前车的相对速度大于60km/h,则降低车速,即行驶决策为减速,使车速不大于100km/h,车辆和前车的相对速度不大于60km/h。
若车辆和前车之间的相对距离不断增加,则车辆与前车的相对距离将向区间i+1靠近,此时以Vr2=100km/h和Ve2=125km/h为边界车速对车辆的运动轨迹和车速进行控制。当与前车距离减少至区间i的边界时,控制目标为使自车速度Ve2=125km/h,并且与前车的相对速度Vr2=100km/h。
因此,在本申请实施方式中,根据传感器检测到物体的置信度和距离划分了范围区间,对更大的范围进行了划分,相对于仅使用置信度较高的感知信息规划行车路径,本申请提供的方法相当于增加了感知范围。并选择了每个范围区间对应的行驶决策。可以获知车辆和障碍物之间的相对距离对应的范围区间,并根据范围区间选择对应的行驶决策,从而使车辆可以针对更远距离的障碍物选择行驶决策并规划行车路径,如提前减速以避免碰撞,提高了车辆的行车安全性,且可以提前进行更平滑的加速或者减速,可以提高用户体验。
在一些场景中,针对不同类型的障碍物,每个范围区间所设定的行驶决策类型也不相同。例如,若障碍物为移动物体,所设置的行驶决策可以参阅前述图4A中的介绍。又例如,若障碍物为静止物体,则当车辆逐渐向障碍物靠近时,为每个范围区间所设置的行驶决策则仅包括减速或者变道,而不包括加速,以提高车辆的行车安全性。
此外,本申请提供的行驶决策选择方法,除了规划车辆在行驶过程中的路径,还可以应用于泊车场景中。示例性地,泊车场景可以如图6A所示,车辆601处于停车场内,停车场内有一个或者多个不可用车位602,和一个或者多个未停放车辆的可用车位603。在启动自动泊车之后,车辆的驾驶舱可以参阅图6B,可以在车辆的仪表盘中的显示屏中显示车辆当前处于自动泊车模式,车位603可以有一个或者多个,可以在车辆的交互显示界面1000中显示可用的车位,并由用户选择泊入的车位。交互显示界面1000所显示的界面可以如图6C所示,用户可以选择多个车位603中的其中一个车位6031。随后,自动泊入车位的场景如图6D所示,可以根据传感器检测到的环境中的障碍物的距离和置信度,选择车辆和障碍物之间的距离所在的范围区间对应的行驶决策,从而为车辆601规划泊入车位6031的行车路径604,规划行车路径的具体方式可以参阅前述图3C的相关介绍,此处不再赘述。
前述对本申请提供的行驶决策选择方法的流程进行了详细说明,下面结合前述图2-6D对应的方法实施例,对本申请提供的装置进行阐述。
请参阅图7,本申请提供的一种行驶决策选择装置的结构示意图。该行驶决策选择装置用于执行前述图2-6D对应的方法的步骤。
该行驶决策选择装置可以包括:
感知模块701,用于获取车辆上配置的传感器采集到的感知信息;
决策模块702,用于从至少一个范围区间中选择出与所述感知信息匹配的第一范围区间,至少一个范围区间基于传感器的输出信息将传感器的检测范围进行划分得到的,传感器的输出信息包括检测目标物的距离结果、距离结果对应的置信度或距离结果与距离结果对应的置信度之间的关系中的至少一个,至少一个范围区间中的每个范围区间对应至少一个行驶决策,每个范围区间具有对应的至少一个行驶决策;
决策模块702,还用于根据车辆的车速,从第一范围区间对应的至少一个行驶决策中选择出车辆的行驶决策;
控制模块703,用于控制和测量根据该车辆的行驶决策行驶。
在一种可能的实施方式中,决策模块702,具体用于从至少一个范围区间中,选择出与第一距离匹配的第一范围区间,第一距离处于第一范围区间包括的距离范围内。
在一种可能的实施方式中,每个范围区间还包括置信度范围,至少一个范围区间对应的置信度范围覆盖传感器在检测范围内检测到的信息的置信度,感知信息中还包括第一置信度,第一置信度用于表示第一距离的准确程度;
决策模块702,具体用于从至少一个范围区间中,选择出与第一置信度匹配的第一范围区间,第一置信度包括于感知信息中,第一置信度用于表示第一距离的准确程度。
在一种可能的实施方式中,本申请提供的行驶决策选择装置还可以包括:划分模块705,用于在所述感知模块获取感知信息之前,对所述传感器的检测范围进行划分,得到至少一个距离范围,所述至少一个距离范围与所述至少一个范围区间一一对应。
在一种可能的实施方式中,划分模块705,具体用于:在感知模块701获取感知信息之前,获取至少一个置信度范围,至少一个置信度范围中的每个置信度范围不重合,该至少一个置信度范围覆盖所述传感器在所述检测范围内检测到的信息的置信度;根据至少一个置信度范围,以及距离结果与距离结果对应的置信度之间的关系,计算与至少一个置信度范围一一对应的至少一个距离范围,每个范围区间对应一个置信度范围和距离范围。
在一种可能的实施方式中,划分模块705,还用于:根据距离结果与距离结果对应的置信度的关系,确定与至少一个距离范围一一对应的至少一个置信度范围,至少一个置信度范围用于从至少一个范围区间中筛选与感知信息匹配的范围区间。
在一种可能的实施方式中感知模块701,还用于:获取传感器采集到的历史距离信息历史距离信息以及对应的置信度;根据历史距离信息和对应的置信度获取距离结果与距离结果对应的置信度之间的关系。
在一种可能的实施方式中决策模块702,具体用于:根据车辆的车速,计算车辆与障碍物的相对速度;结合相对速度,从第一范围区间对应的至少一个行驶决策中选择出车辆的行驶决策。
在一种可能的实施方式中,控制模块703可以通过车辆的车辆执行机构704来控制车辆根据行车路径行驶。该车辆执行机构704可以包括前述图1中行进***102或者控制***106中的一个或者多个模块。
在一种可能的实施方式中,每个范围区间对应的至少一个行驶决策为根据应用场景确定,该应用场景包括但不限于:自动巡航、跟车或者自动泊车等场景。
请参阅图8,本申请提供的另一种行驶决策选择装置的结构示意图。该行驶决策选择装置用于执行前述图2-6D对应的方法的步骤。
划分模块801,用于获取至少一个范围区间,该至少一个范围区间中的每个范围区间具有对应的置信度范围和距离范围,该至少一个范围区间所包括的距离范围覆盖传感器的检测范围,至少一个置信度范围覆盖所述传感器在所述检测范围内检测到的信息的置信度;
决策模块802,用于设定与每个范围区间对应的至少一个行驶决策,每个范围区间和每个范围区间对应的至少一个行驶决策用于选择车辆的行驶决策,车辆的行驶决策用于生成车辆的行车路径。
在一种可能的实施方式中,划分模块801,具体用于:
基于车辆与传感器检测到的物体的距离对传感器的检测范围进行划分,得到至少一个距离范围,并根据传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系,计算每个距离度范围对应的置信度范围,每个范围区间对应一个置信度范围和距离范围,一个范围区间包括一个置信度范围和一个距离范围。
在一种可能的实施方式中,划分模块801,具体用于:
对传感器可检测到的置信度的范围进行划分得到至少一个置信度范围,并根据传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系计算每个置信度范围对应的距离范围,每个范围区间对应一个置信度范围和距离范围。
在一种可能的实施方式中,行驶决策选择装置还可以包括:控制模块805和感知模块804;
感知模块804,用于获取感知信息,感知信息包括障碍物的信息,如车辆与障碍物之间的第一距离;
控制模块805,用于根据感知信息,从第一范围区间的至少一个行驶决策中选择出车辆的行驶决策,并控制车辆根据该行驶决策行驶。
在一种可能的实施方式中,感知信息中包括障碍物与车辆的距离,控制模块805,具体用于:
确定感知信息所包括的置信度在第一范围区间所包括的置信度范围内;结合车辆的车速从第一范围区间的至少一个行驶决策中选择车辆的行驶决策。在一种可能的实施方式中,控制模块805,还用于:
根据车辆的速度,计算车辆相对于障碍物的相对车速,然后结合该相对车速,从第一范围区间中的至少一个行驶决策中选择车辆的行驶决策。在一种可能的实施方式中,感知信息还包括车辆的速度和/或车辆与障碍物的相对速度;
控制模块805,具体用于结合车辆的速度和/或车辆与障碍物的相对速度,从第一范围区间的至少一个行驶决策中选择出车辆的行驶决策。
在一种可能的实施方式中,感知信息中所包括的置信度与传感器与障碍物的距离相关。
在一种可能的实施方式中,行驶决策选择装置还可以包括获取模块803,具体用于:
获取传感器采集到的历史距离信息历史距离信息以及对应的置信度;
根据历史距离信息和对应的置信度获取传感器的输出信息所包括的距离结果与该距离结果对应的置信度之间的关系。
可选地,车辆执行机构806与前述的车辆执行机构704类似,此处不再赘述。
请参阅图9,本申请提供的另一种行驶决策选择装置的结构示意图,如下所述。
该行驶决策选择装置可以包括处理器901和存储器902。该处理器901和存储器902通过线路互联。其中,存储器902中存储有程序指令和数据。
存储器902中存储了前述图2-6D中的步骤对应的程序指令以及数据。
处理器901用于执行前述图2-6D中任一实施例所示的行驶决策选择装置执行的方法步骤。
可选地,该行驶决策选择装置还可以包括收发器903,用于接收或者发送数据。
本申请实施例中还提供一种计算机可读存储介质,该计算机可读存储介质中存储有用于生成车辆行驶速度的程序,当其在计算机上行驶时,使得计算机执行如前述图2-6D所示实施例描述的方法中的步骤。
可选地,前述的图9中所示的行驶决策选择装置为芯片。
本申请实施例还提供了一种行驶决策选择装置,该行驶决策选择装置也可以称为数字处理芯片或者芯片,芯片包括处理单元和通信接口,处理单元通过通信接口获取程序指令,程序指令被处理单元执行,处理单元用于执行前述图2-6D中任一实施例所示的行驶决策选择装置执行的方法步骤。
本申请实施例还提供一种数字处理芯片。该数字处理芯片中集成了用于实现上述处理器901,或者处理器901的功能的电路和一个或者多个接口。当该数字处理芯片中集成了存储器时,该数字处理芯片可以完成前述实施例中的任一个或多个实施例的方法步骤。当该数字处理芯片中未集成存储器时,可以通过通信接口与外置的存储器连接。该数字处理芯片根据外置的存储器中存储的程序代码来实现上述实施例中行驶决策选择装置执行的动作。
本申请实施例中还提供一种包括计算机程序产品,当其在计算机上行驶时,使得计算机执行如前述图2-6D所示实施例描述的方法中行驶决策选择装置所执行的步骤。
本申请实施例提供的行驶决策选择装置可以为芯片,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使芯片执行上述图2-6D所示实施例描述的行驶决策选择方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
具体地,前述的处理单元或者处理器可以是中央处理器(central processingunit,CPU)、网络处理器(neural-network processing unit,NPU)、图形处理器(graphicsprocessing unit,GPU)、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)或现场可编程逻辑门阵列(fieldprogrammable 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。通用处理器可以是微处理器或者也可以是任何常规的处理器等。
示例性地,请参阅图10,图10为本申请实施例提供的芯片的一种结构示意图,所述芯片可以表现为神经网络处理器NPU 100,NPU 100作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路100,通过控制器1004控制运算电路1003提取存储器中的矩阵数据并进行乘法运算。
在一些实现中,运算电路1003内部包括多个处理单元(process engine,PE)。在一些实现中,运算电路1003是二维脉动阵列。运算电路1003还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路1003是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器1002中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器1001中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)1008中。
统一存储器1006用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)1005,DMAC被搬运到权重存储器1002中。输入数据也通过DMAC被搬运到统一存储器1006中。
总线接口单元(bus interface unit,BIU)1010,用于AXI总线与DMAC和取指存储器(instruction fetch buffer,IFB)1009的交互。
总线接口单元1010(bus interface unit,BIU),用于取指存储器1009从外部存储器获取指令,还用于存储单元访问控制器1005从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1006或将权重数据搬运到权重存储器1002中或将输入数据数据搬运到输入存储器1001中。
向量计算单元1007包括多个运算处理单元,在需要的情况下,对运算电路的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/全连接层网络计算,如批归一化(batch normalization),像素级求和,对特征平面进行上采样等。
在一些实现中,向量计算单元1007能将经处理的输出的向量存储到统一存储器1006。例如,向量计算单元1007可以将线性函数和/或非线性函数应用到运算电路1003的输出,例如对卷积层提取的特征平面进行线性插值,再例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元1007生成归一化的值、像素级求和的值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路1003的激活输入,例如用于在神经网络中的后续层中的使用。
控制器1004连接的取指存储器(instruction fetch buffer)1009,用于存储控制器1004使用的指令;
统一存储器1006,输入存储器1001,权重存储器1002以及取指存储器1009均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中,循环神经网络中各层的运算可以由运算电路1003或向量计算单元1007执行。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述图2-6D的方法的程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
Claims (20)
1.一种行驶决策选择方法,其特征在于,包括:
获取车辆上配置的传感器采集到的感知信息;
从至少一个范围区间中选择出与所述感知信息匹配的第一范围区间,所述至少一个范围区间基于所述传感器的输出信息将所述传感器的检测范围进行划分得到的,所述传感器的输出信息包括检测目标物的距离结果、距离结果对应的置信度或距离结果与距离结果对应的置信度之间的关系中的至少一个,所述至少一个范围区间中的每个范围区间对应至少一个行驶决策;
结合所述车辆的车速,从所述第一范围区间对应的至少一个行驶决策中选择出所述车辆的行驶决策,并控制所述车辆根据所述车辆的行驶决策行驶。
2.根据权利要求1所述的方法,其特征在于,所述每个范围区间对应一个距离范围,所述感知信息中包括第一距离,所述第一距离为所述车辆和障碍物的距离,
所述从至少一个范围区间中选择出与所述感知信息匹配的第一范围区间,包括:
从所述至少一个范围区间中,选择出与所述第一距离匹配的所述第一范围区间。
3.根据权利要求1所述的方法,其特征在于,所述每个范围区间对应一个置信度范围,所述感知信息中包括第一置信度,所述第一置信度用于表示所述感知信息所包括的所述车辆与障碍物的距离的准确程度;
所述从至少一个范围区间中选择出与所述感知信息匹配的第一范围区间,包括:
从所述至少一个范围区间中,选择出与所述第一置信度匹配的所述第一范围区间,所述第一置信度处于所述第一范围区间包括的置信度范围内。
4.根据权利要求1-3中任一项所述的方法,其特征在于,在获取所述感知信息之前,所述方法还包括:
对所述传感器的检测范围进行划分,得到至少一个距离范围,所述至少一个距离范围与所述至少一个范围区间一一对应。
5.根据权利要求4所述的方法,其特征在于,所述对所述传感器的检测范围进行划分,得到至少一个距离范围,包括:
获取至少一个置信度范围,所述至少一个置信度范围中的每个置信度范围不重合,所述至少一个置信度范围覆盖所述传感器在所述检测范围内检测到的信息的置信度;
根据所述至少一个置信度范围以及所述距离结果与距离结果对应的置信度之间的关系,将所述传感器的检测范围划分为至少一个距离范围。
6.根据权利要求4所述的方法,其特征在于,在所述对所述传感器的检测范围进行划分,得到至少一个距离范围之后,所述方法还包括:
根据所述距离结果与距离结果对应的置信度的关系,确定与所述至少一个距离范围一一对应的至少一个置信度范围,所述至少一个置信度范围用于从所述至少一个范围区间中筛选与所述感知信息匹配的范围区间。
7.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
获取所述传感器采集到的历史距离信息以及对应的置信度;
根据所述历史距离信息和对应的置信度获取所述距离结果与距离结果对应的置信度之间的关系。
8.根据权利要求1-3中任一项所述的方法,其特征在于,所述结合所述车辆的车速,从所述第一范围区间的至少一个行驶决策中选择出所述车辆的行驶决策,包括:
根据所述车辆的车速,计算所述车辆与障碍物的相对速度;
结合所述相对速度,从所述第一范围区间对应的至少一个行驶决策中选择出所述车辆的行驶决策。
9.根据权利要求1-3中任一项所述的方法,其特征在于,所述每个范围区间对应的至少一个行驶决策为根据应用场景确定,所述应用场景包括:自动巡航、跟车或者自动泊车。
10.一种行驶决策选择装置,其特征在于,包括:
感知模块,用于获取车辆上配置的传感器采集到的感知信息;
决策模块,用于从至少一个范围区间中选择出与所述感知信息匹配的第一范围区间,所述至少一个范围区间基于所述传感器的输出信息将所述传感器的检测范围进行划分得到的,所述传感器的输出信息包括检测目标物的距离结果、距离结果对应的置信度或距离结果与距离结果对应的置信度之间的关系中的至少一个,所述至少一个范围区间中的每个范围区间对应至少一个行驶决策;
所述决策模块,还用于结合所述车辆的车速,从所述第一范围区间对应的至少一个行驶决策中选择出所述车辆的行驶决策;
控制模块,用于控制所述车辆根据所述车辆的行驶决策行驶。
11.根据权利要求10所述的装置,其特征在于,所述每个范围区间对应一个距离范围,所述感知信息中还包括第一距离,所述第一距离为所述车辆和障碍物的距离;
所述决策模块,具体用于从所述至少一个范围区间中,选择出与所述第一距离匹配的所述第一范围区间,所述第一距离处于所述第一范围区间包括的距离范围内。
12.根据权利要求10所述的装置,其特征在于,所述每个范围区间对应一个置信度范围,所述感知信息中包括第一置信度,所述第一置信度用于表示所述感知信息所包括的所述车辆与障碍物的距离的准确程度;
所述决策模块,具体用于基于第一置信度,从所述至少一个范围区间中,选择出与所述第一置信度对应的所述第一范围区间。
13.根据权利要求10-12中任一项所述的装置,其特征在于,所述装置还包括:
划分模块,用于在所述感知模块获取所述感知信息之前,对所述传感器的检测范围进行划分,得到至少一个距离范围,所述至少一个距离范围与所述至少一个范围区间一一对应。
14.根据权利要求13所述的装置,其特征在于,所述每个范围区间包括置信度范围,所述装置还包括:划分模块,具体用于:
获取至少一个置信度范围,所述至少一个置信度范围中的每个置信度范围不重合,所述至少一个置信度范围覆盖所述传感器在所述检测范围内检测到的信息的置信度;
根据所述至少一个置信度范围,以及所述距离结果与距离结果对应的置信度之间的关系,得到与所述至少一个置信度范围一一对应的至少一个距离范围,所述至少一个置信度范围和所述至少一个距离范围组成所述至少一个范围区间。
15.根据权利要求13所述的装置,其特征在于,所述划分模块,还用于根据所述距离结果与距离结果对应的置信度的关系,确定与所述至少一个距离范围一一对应的至少一个置信度范围,所述至少一个置信度范围用于从所述至少一个范围区间中筛选与所述感知信息匹配的范围区间。
16.根据权利要求10-12中任一项所述的装置,其特征在于,所述感知模块,还用于:
获取所述传感器采集到的历史距离信息以及对应的置信度;
根据所述历史距离信息和对应的置信度获取所述距离结果与距离结果对应的置信度之间的关系。
17.根据权利要求10-12中任一项所述的装置,其特征在于,所述决策模块,具体用于:
根据所述车辆的车速,计算所述车辆与障碍物的相对速度;
结合所述相对速度,从所述第一范围区间对应的至少一个行驶决策中选择出所述车辆的行驶决策。
18.根据权利要求10-12中任一项所述的装置,其特征在于,所述每个范围区间对应的至少一个行驶决策为根据应用场景确定,所述应用场景包括:自动巡航、跟车或者自动泊车。
19.一种行驶决策选择装置,其特征在于,包括处理器;
所述处理器通过通信接口获取程序指令,当所述程序指令被所述处理器执行时实现权利要求1-9任一项所述的方法;或者,
所述处理器和存储器耦合,所述存储器存储有程序,当所述存储器存储的程序指令被所述处理器执行时实现权利要求1至9中任一项所述的方法。
20.一种计算机可读存储介质,包括程序,当其被处理单元所执行时,执行如权利要求1至9中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/103181 WO2022016351A1 (zh) | 2020-07-21 | 2020-07-21 | 一种行驶决策选择方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112512887A CN112512887A (zh) | 2021-03-16 |
CN112512887B true CN112512887B (zh) | 2021-11-30 |
Family
ID=74953137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080004262.9A Active CN112512887B (zh) | 2020-07-21 | 2020-07-21 | 一种行驶决策选择方法以及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112512887B (zh) |
WO (1) | WO2022016351A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113799799A (zh) * | 2021-09-30 | 2021-12-17 | 中国第一汽车股份有限公司 | 一种安全补偿方法、装置、存储介质及电子设备 |
CN114655131B (zh) * | 2022-03-29 | 2023-10-13 | 东风汽车集团股份有限公司 | 车载感知传感器调整方法、装置、设备及可读存储介质 |
CN114771576A (zh) * | 2022-05-19 | 2022-07-22 | 北京百度网讯科技有限公司 | 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆 |
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 |
CN117196266B (zh) * | 2023-11-07 | 2024-01-23 | 成都工业职业技术学院 | 基于神经网络的无人驾驶共享汽车区域调度方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008265706A (ja) * | 2007-04-25 | 2008-11-06 | Nissan Motor Co Ltd | 車両用走行制御装置および車両用走行制御方法 |
US9367065B2 (en) * | 2013-01-25 | 2016-06-14 | Google Inc. | Modifying behavior of autonomous vehicles based on sensor blind spots and limitations |
CN107067753B (zh) * | 2017-05-23 | 2020-01-07 | 东南大学 | 一种基于行车安全距离的跟车自动驾驶方法 |
CN108860148B (zh) * | 2018-06-13 | 2019-11-08 | 吉林大学 | 基于驾驶员跟车特性安全距离模型的自适应巡航控制方法 |
JP7027279B2 (ja) * | 2018-08-07 | 2022-03-01 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
CN110949383B (zh) * | 2018-09-26 | 2021-03-30 | 广州汽车集团股份有限公司 | 一种自动驾驶车辆跟车行驶的控制方法及装置 |
JP7065410B2 (ja) * | 2018-09-28 | 2022-05-12 | パナソニックIpマネジメント株式会社 | 空き駐車スペース検知装置および空き駐車スペース検知方法 |
CN110843779B (zh) * | 2019-10-16 | 2021-08-13 | 华为技术有限公司 | 一种车辆行驶控制的方法和装置 |
CN111324115B (zh) * | 2020-01-23 | 2023-09-19 | 北京百度网讯科技有限公司 | 障碍物位置检测融合方法、装置、电子设备和存储介质 |
-
2020
- 2020-07-21 WO PCT/CN2020/103181 patent/WO2022016351A1/zh active Application Filing
- 2020-07-21 CN CN202080004262.9A patent/CN112512887B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
WO2022016351A1 (zh) | 2022-01-27 |
CN112512887A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7255782B2 (ja) | 障害物回避方法、障害物回避装置、自動運転装置、コンピュータ可読記憶媒体及びプログラム | |
CN112512887B (zh) | 一种行驶决策选择方法以及装置 | |
WO2021000800A1 (zh) | 道路可行驶区域推理方法及装置 | |
CN112859830B (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
CN113631452B (zh) | 一种变道区域获取方法以及装置 | |
CN112534483B (zh) | 预测车辆驶出口的方法和装置 | |
CN113792566A (zh) | 一种激光点云的处理方法及相关设备 | |
WO2022142839A1 (zh) | 一种图像处理方法、装置以及智能汽车 | |
CN115042821B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
US20240017719A1 (en) | Mapping method and apparatus, vehicle, readable storage medium, and chip | |
CN113954858A (zh) | 一种规划车辆行驶路线的方法以及智能汽车 | |
CN114056347A (zh) | 车辆运动状态识别方法及装置 | |
CN115147796A (zh) | 评测目标识别算法的方法、装置、存储介质及车辆 | |
CN112810603B (zh) | 定位方法和相关产品 | |
CN114792149A (zh) | 一种轨迹预测方法、装置及地图 | |
CN114261404A (zh) | 一种自动驾驶方法及相关装置 | |
CN114842440B (zh) | 自动驾驶环境感知方法、装置、车辆及可读存储介质 | |
CN115100630B (zh) | 障碍物检测方法、装置、车辆、介质及芯片 | |
CN112829762A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
CN113022573A (zh) | 道路结构检测方法及装置 | |
CN115675504A (zh) | 一种车辆告警方法以及相关设备 | |
CN115205848A (zh) | 目标检测方法、装置、车辆、存储介质及芯片 | |
CN115082886B (zh) | 目标检测的方法、装置、存储介质、芯片及车辆 | |
CN115407344B (zh) | 栅格地图创建方法、装置、车辆及可读存储介质 | |
CN114556251B (zh) | 用于确定车辆可通行空间的方法和装置 |
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 |