CN112562373A - 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 - Google Patents
汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 Download PDFInfo
- Publication number
- CN112562373A CN112562373A CN202011380468.XA CN202011380468A CN112562373A CN 112562373 A CN112562373 A CN 112562373A CN 202011380468 A CN202011380468 A CN 202011380468A CN 112562373 A CN112562373 A CN 112562373A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- command
- roadside
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F9/00—Arrangement of road signs or traffic signals; Arrangements for enforcing caution
- E01F9/60—Upright bodies, e.g. marker posts or bollards; Supports for road signs
- E01F9/604—Upright bodies, e.g. marker posts or bollards; Supports for road signs specially adapted for particular signalling purposes, e.g. for indicating curves, road works or pedestrian crossings
- E01F9/608—Upright bodies, e.g. marker posts or bollards; Supports for road signs specially adapted for particular signalling purposes, e.g. for indicating curves, road works or pedestrian crossings for guiding, warning or controlling traffic, e.g. delineator posts or milestones
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F9/00—Arrangement of road signs or traffic signals; Arrangements for enforcing caution
- E01F9/60—Upright bodies, e.g. marker posts or bollards; Supports for road signs
- E01F9/604—Upright bodies, e.g. marker posts or bollards; Supports for road signs specially adapted for particular signalling purposes, e.g. for indicating curves, road works or pedestrian crossings
- E01F9/619—Upright bodies, e.g. marker posts or bollards; Supports for road signs specially adapted for particular signalling purposes, e.g. for indicating curves, road works or pedestrian crossings with reflectors; with means for keeping reflectors clean
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种简单实用的汽车自动驾驶车道级定位和路边交通标识和指挥信号的识别方法。本发明的方法为,在车道的路面上设有反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码指令进而确定该编码指令表示的指令内容,根据所确定的该指令内容对车辆进行控制,其中所述反射镜群的编码指令表示的指令内容是车辆位置、车道属性等路边静态标识。红绿灯等动态标识信息由路边有源发射装置发射给车辆。根据具体情况,一部分静态标识也可由路边有源发射装置发射给车辆。
Description
技术领域
本发明涉及一种直接向车辆提供车道级定位、路边交通标识和指挥信号电子指令的道路设备与汽车自动驾驶方法。
背景技术
乘坐飞毯自由地到想去的地方,是人类许多世纪来的神话。技术发展到今天,用汽车自动驾驶来实现这个愿望,是近期人工智能和汽车行业认为可能实现的目标。如果这项技术成功付诸实现,除极少数人希望拥有私家车外,绝大多数人只需要像用Uber或滴滴打车那样,随时随地招来一部自动驾驶的出租车,输入目的地,就可安全到达。私家车不要了,家里的车库不要了,商场街道上的停车场也不要了。乘客在旅途中可以把车辆作为继续工作、社交、娱乐或休息的场所。作者认为这是最近的未来人工智能可能给人类生活带来最大的变革。
这就是为什么,以中国为例,从2014开始资本大量进入这个领域。但是,好景不长,大约3年之后,从2017年下半年开始,中国汽车自动驾驶圈已经开始感受到资本的阵阵寒意,企业融资难度加大,失败的企业激增[1]。发展至2019年,业界更有“自动驾驶进入资本寒冬”的说法。
发明内容
理由很简单,资本所关心的商业化落地的可能性与进程没有达到要求[2]。
从技术上来说,工程师们把激光、雷达、通讯和人工智能最前沿技术引入这个领域,例如LIDAR,毫米波雷达,C-V2X,5G-V2X,DeepLearning,CNN,……,等等等等。但是,为什么还不能解决商业化落地化的问题呢?作者认为,技术走错了路线。
举一个例子来说明。假设项目的目标是实现汽车制造的自动化。技术上有2条路线:第一条路线,研发万能的能自主行走的机器人,识别并使用人类使用的扳手改锥焊***推车吊车等等工具,识别螺杆螺帽和各种汽车零件,利用几十年前就有的人工汽车装配车间的设备,让机器人在模仿工人组装汽车步骤的软件指挥下工作,准确地代替人类完成汽车安装;第二条路线,把几十年前就有的人工汽车装配车间改造成今天大多数现代化车厂的自动生产线,在该生产线的两边安装比万能的机器人简单的多的各种机械手,每个机械手完成一个简单的操作,最后在生产线的终端完成整车的自动安装。显然,正确并导致成功的是第二条路线。
目前汽车驾驶自动化是走类似的第一条路线。为什么这么说?请看看目前业界识别交叉路口红绿灯的方法:使用最广泛的是各种基于人工智能的视觉识别算法[3]。由于只用颜色和形状信息来识别效果不好,研究者们提出诸如“级联分类器”方法、“特征分类”方法、卷积神经网络(CNN)方法等等。对多个红绿灯同时出现在同一交叉路口的情况,车辆难以确定到底哪一个红绿灯适用于当前车道中的车辆位置,因而只好用高精度地图,将红绿灯的位置、大小等信息存放在高精度地图中。在车辆行驶的过程中,根据车辆的位置从高精度地图中找出适用于当前位置的红绿灯的坐标,再使用坐标转换将地图中的坐标映射到拍摄到的视野的图像中。又由于红绿灯在整个视野中只占很小的面积,必须从图像中剪切出感兴趣区域(ROI),最后对ROI使用目标检测网络进行红绿灯识别。即使经过这么复杂的过程,各种方法报告的最高识别正确率只能达到99%左右。这是什么概念?就是说自动驾驶汽车每经过100次交叉路口就可能误判交通灯1次!对于定位技术领域,情况也类似。目前使用人工智能识别的车道级定位技术只能做到90%左右的正确率[4]。此外,靠全球卫星定位***加上各种增强方法可以得到厘米级定位位,再使用高精度地图可以达到车道级定位的精度,但经济和技术上代价太高。
有鉴于此,本发明的目的在于提供一种简单实用的汽车自动驾驶车道级定位、路边交通标识和指挥信号电子指令的道路设备与汽车自动驾驶方法。
为达到上述目的,本发明的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法为,在车道的路边或路面上设有专门设置的装置,由所述的装置直接向车辆提供自动驾驶所需的车道级定位、路边交通标识和指挥信号电子指令。这种专门设置的装置,可以是无源的反射镜群(详见下面解释),在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码指令进而确定该编码指令表示的指令内容,根据所确定的该指令内容对车辆进行控制,其中所述反射镜群的编码指令表示的指令内容是车道线、车辆所在位置与车道属性和该路段路边交通标识与指挥信号的信息。此外,这种专门设置的装置,也可以是有源的发射装置群。此时,在车辆上设有控制单元和接收器,所述接收器接收所述发射装置群对所述接收器发射的波,所述控制单元根据所述发射波确定其所表示的编码指令进而确定该编码指令表示的指令内容,根据所确定的该指令内容对车辆进行控制,其中所述发射装置群的编码指令表示的指令内容是车辆所在位置与车道属性和该路段路边交通标识与指挥信号的信息。
采用如上方法,仅需在道路上设置相应的无源反射镜群或有源发射器,即可非常有效且高精度地提供车辆所在位置与车道属性和该路段路边交通标识与指挥信号的信息。因此,本发明的方法简单且实用。
本发明优选,所述车道属性信息包括行驶规则信息。
本发明优选,所述车道属性信息包括本车道在道路中的位置信息。
本发明优选,所述车道属性信息包括:a)本车道在道路中的位置,即哪一条车道,根据这个信息,以便在车辆即时收到指令数据总表(查看[0056])中选择交叉路口多个红绿灯信号中对应的红绿灯信号;b)本车道允许的左与右拐或直行行驶规则;或者c)如果本车道不允许行驶的下一步操作,则需要向左或右跨越几条车道才能到达目标车道。
本发明优选,所述控制单元根据预先存储的图表确定自动驾驶所需的全部编码指令对应的具体内容。例如,编码0表示车道线标识,该反射镜位置表示其与车辆的直线距离和偏角;编码0002表示限速75公里标识;编码0005表示左拐车道标识,等等。
本发明优选,所述控制单元根据预先存储的图表确定所述编码指令表示的静态-动态交通标识信息;根据车辆即时接收到路边发送的静态-动态交通标识的指令数据总表(详见[0056])确定静态-动态交通标识信息。
本发明优选,所述发射波为超声波、电磁波、光波或激光等物理波。
本发明优选,所述反射镜群包含1个或多个反射镜,多个反射镜群中的反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的不同排列形成编码指令信号。
本发明优选,通过所述反射镜的尺寸、质材、形状、表面光洁度或平凹等不同,使得反射镜形成的反射波的频率、波形、峰值、宽度或波形积分不同,从而得到不同的反射波。
另外,本发明还提供一种道路***,在车道旁或路面上设有多个反射镜群,所述反射镜群包含1个或多个反射镜,由所述反射镜群直接向车辆提供自动驾驶所需的车道线信息、车道级定位、路边交通标识和指挥信号电子指令。
本发明优选,多个反射镜群中的反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的排列不同形成编码信号。
本发明优选,在路面上设有凹洞,所述反射镜群设置在所述凹洞中。
本发明优选,在路旁或者路面上设有发送装置,所述发送装置中存储有表示该发送装置所设置的路段的静态交通标识与动态交通标识的信息的数据总表,所述发送装置将该数据总表以一定频率向行驶在所述路段的车辆发送。
本发明优选,所述发送装置设置在静态交通标识发生变化或距离交叉路口规定距离处。
本发明优选,在建筑物的入口附近设有表示停车标识的反射镜。
本发明优选,在道路上设有指示出租车停驻位置的反射镜。
附图说明
图1是用于表示一个道路场景例的示意图。
图2是用于表示一个实施例的汽车自动驾驶方法与道路***结构的示意图。
图3是用于表示本发明一个实施例的汽车自动驾驶方法、车道级定位方法与道路***的示意图。
具体实施方式
现在全世界的公路的交通控制设备都是为人类驾驶设计的,正如几十年前的汽车组装车间是为工人手工组装设计的一样。从上面描述的目前自动驾驶的红绿灯和其他交通标识的识别方法来看,就像汽车自动生产的第一条路线的万能机器人。
如果自动驾驶要走第二条路线,那就要彻底改造现有公路,使其适合自动驾驶,就像现代汽车自动生产线完全不同于旧式的人工汽车组装车间一样。
那么适合自动驾驶的公路设备会是怎样的呢?总的一个原则是道路要用车辆听得懂的语言直接和车辆说话,而不要用人工智能把人类听得懂的语言翻译成车辆听得懂的语言向车辆说话。也就是:通过硬件、软件或软硬件混合的方式,向车辆传送能够无疑义地准确识别的代码指令,代替通过人工智能图像识别,从现场现有的供人类识别的文字、图形或颜色等的路边交通标识的摄像数据来识别这些标识和信号的方法。最直接的办法自然是用代码指令发生器来向到来的车辆发送人类驾驶员须要识别的交通标识和指挥信号的所有代码。但这实现起来很困难。举最简单的例子,我们不可能在每一小段的车道线标识线上安装一个有源的代码指令发生器,因为它是天文数字。所以,我们要分静态信息和动态信息两类来讨论。
静态信息指标示在路面和路旁的不随时间变化的交通标识,我们称为静态交通标识。例如:车道线、直行或拐弯箭头、限速和让路停车标识等等。对这类标识,我们要尽可能多地用无源的回波反射器(以下通称反射镜)来向到来的车辆发送指令。这个反射器应该就是一小块由金属或是其他材料制成的反射镜,安装在到来的车辆行进的车道(最好是在中线)附近,由安装在车辆的头、腹或尾部(或其他部位)的发射器发出的发射波(超声波、电磁波、光波、激光或其他波)照射后产生反射的回波。这个发射波只有固定一种(种类、频率、强度),但借助反射镜的尺寸、质材、形状或表面光洁度和平凹等不同,导致其辐射反射特性(频率、波形、峰值、宽度、波形积分等)不同,因而得到不同的回波(反射波)。理论上来说,我们只要能得到2种不同的回波,用N个这种反射镜排列,就能得到2+22+…+2N个编码,从而得到2+22+…+2N个标识的指令。在实施中,作为例子,如果我们能得到5种不同的回波,分别用1个、2个和3个这种反射镜排列起来,就能得到:0、1、2、3、4共5个;00、01、…04、10、…、44,即52=共25个;000、001、…、444,即53=125个编码,总共5+25+125=155个标识的指令。在绝大多数的路况,就足够使用了。
下面,我们详细介绍一下静态标识中的车道属性反射镜:不论是人类驾驶还是自动驾驶,在繁忙的交叉路口,我们对车辆定位的经纬度的精确数值和周围的建筑物并无兴趣,我们感兴趣的是车辆对车道边线、人行道边线、STOP线、距交叉路口或某出口的距离、处于哪一条车道、是否允许车辆下一步的拐弯和直行等等。这些信息是可以通过在车辆行进的车道上放置一系列编码反射镜告知车辆的。例如,车辆现在所在的是第几车道,是左拐与右拐与直行哪种车道。这就是最精确的“车道级定位”。这样,高精密地图就不是必需了。虽然,高精度地图可以为无人车提供的某些先验信息,包括道路曲率、航向、坡度和横坡角等,这些信息对于无人车的安全性和舒适性都至关重要。但这些信息是不需要“车道级精度”的,这种信息是某一段路段共享的,甚至包括当前时刻遇到暴雨与大雪与沙尘等恶劣天气,车载传感器很难感知到远处的障碍物、可通行空间等等信息,都是可以通过设置在该路段的信息中心的LTE-V2X通讯***推送给到达该路段的所有车辆的。既不必需高精度地图,也不必需5G通讯。
特别是,对道路与车道的新增和废弃场合,只要在新增和废弃投入实行之前,在到达新增或废弃的道路与车道的入口前一定距离的有关车道上完成设置允许进入新增道路与车道或禁止进入废弃道路与车道的硬件(反射镜)或软件(局部路段的LTE-V2X信息推送),道路与车道新增和废弃这种变更的信息可以在变更实行后瞬间通知到前来的车辆。这就轻而易举地解决了昂贵的高精度地图完成投入使用后,还要投入更大费用的追踪更新工作上(如高德地图公司所说[5],制作地图只是完成了10%的工作,另外90%的实力竞争是在数据迭代更新上)。
在复杂程度不同的交叉路口,用不同编码的反射镜通知沿着本车道前来的车辆该车道对应的属性信息。方法如下。
预先约定如下的符号语义解释:
1.直:直行车道;
2.左:左拐车道;
3.右:右拐车道;
4.左/直:左拐兼直行车道;
5.直/右:右拐兼直行车道;
6.左pq:p是自然数1,2,3,…,q是①,②,③,…,p或q缺失时表示0(下同)。表示从该车道向右要跨越p条车道才能到达直行车道,从该车道向右要跨越q条车道才能到达右拐车道。例如:左1②,表示车道本身是左拐车道,如果要直行,需越过1个车道,如果要右拐,需越过2个车道。
7.qp右:表示从该车道向左要跨越p条车道才能到达直行车道,从该车道向左要跨越q条车道才能到达左拐车道。例如:②1右,表示车道本身是右拐车道,如果要直行,需越过1个车道,如果要左拐,需越过2个车道。
8.q1直q2:表示从该车道向左要跨越q1条车道才能到达左拐车道,从该车道向右要跨越q2条车道才能到达右拐车道。例如③直②,表示车道本身是直行车道,如果要左拐,需越过3个车道,如果要右拐,需越过2个车道。
9.如果以上定义不能涵盖更加复杂的车道,还可以增加符号及其定义。
图1中示出了一种道路场景,为双向四车道的场景,其中,在右侧的两车道上分别设有左转直行标识151a和右转直行标识151b,对应该图的场景,可以有如下表格:
表1反射镜群编码含义例1
同样的道理,对应其他场景,例如还可以有如下表格。
表2反射镜群编码含义例2
表3反射镜群编码含义例3
用同样的方法就可以定义任何车道数的交叉路口车道的符号。有了这些信息,控制***就知道当前车道是否允许车辆运行规划中的下一步操作,如果不允许需要向左或向右跨越几个车道才能到达允许下一个操作的车道。指令直接且明确,不必查地图,也不必计算。
同样,在多层隧道和立交区域,我们也可以用设置在车道上代表隧道的-2,-1到0(地面),再到立交的第1,2,…,5层的反射镜,来告知车辆所在的第几层。
此外,当我们把所有反射镜都安装在车道中线时,可以把指示车道中线和不同车道符号反射镜两个信息合二为一。例如,我们在使用不同编码(即不同符号)的反射镜代表哪一条车道的同时,这些反射镜的位置又是该车道的中线。实际上,如果我们约定所有反射镜都准确地安装在车道中线上,那么,所有反射镜都可以按照其编码提供一个特定意义的指令,其位置又可代表车道中线的位置。同样,如果我们约定所有反射镜都准确地安装在车道边线上,那么,所有反射镜都可以按照其编码提供一个特定意义的指令,其位置又可代表车道边线的位置。对于远离城市的简单道路,如果使用车载的光学摄像及毫米波雷达图像处理可以获得车道中线(或边线)信息,在进一步提高软件性能保证满足在该路段自动驾驶安全要求的基础上,也可以不用反射镜方法。
反射镜的排列可以是一维的(如条形码),也可以是2维的(如2维码)。我们可以把我们对路边(或路面)反射镜的扫描,想象为是一个车辆行驶过程中,对地面的条形码(或2维码)的扫描读出器。
另外,可以预先在车辆的存储装置中存储表示编码与交通标识的对应关系的图表(第1图表),控制单元根据该图表来确定反射波对应的编码所表示的交通标识。不言而喻,也可以预先在车辆的存储装置中存储表示反射波与编码的对应关系的图表(第2图表),控制单元根据该图表来确定接收到的反射波所表示的编码。
这种有源的发射和无源的反射***在技术和构成上可遵循如下原则:1.有源的发射波发射器-反射波接收器属于车载装置,成本不是考虑的中心。但无源的反射器,因为数量太大,成本一定要考虑。比如,车道线标识,考虑公路上每隔一定距离(例如5米)安装1个,在车道转弯处可以适当增加设置密度(即减小设置距离)。如果车道线标识反射镜放在车道中心,让自动驾驶的车道保持***(LKA)保持车辆中线与车道线标识线一致,那么对双车道公路,就要2条车道中线的标识线。如果车道线标识放在车道边沿,让自动驾驶的车道保持***保持车辆中线与两边车道线标识线等距,那么对双车道公路,就要4条车道线标识线。所以,车道线标识放在车道中心要节省一些。即便如此,全球的公路如果都要改造,那么需要安装的车道线标识反射镜就是天文数字。它只用一种最节省的单反射镜(例如,编码为“0”的反射镜),不用2位及以上的编码。以现在的物价考虑,这种反射镜成本最好在200元人民币或30美元左右。2.如果所有交通标识的反射器都要安装在各条车道路面(例如车道中线)以方便车载的发射器-接收器工作,那么反射镜可以躲藏在不会被车轮触及的路面小凹洞里,车轮伤不到它,他也不妨碍车辆行走。3.大量安装这种反射镜,可考虑发明一种像插秧机的机器,在公路上自动安装。4.可以在每个家庭、商店、办公楼等建筑物的门口(下车点)设置反射镜(例如最节省的编码为“1”的单反射镜)作为停车标识,在车辆行进到接近下车点时,在车道中线行进的车辆必须由“靠边停车”的交通标识引导下行进到下车点处停车;另外,在交通不繁忙的街道边也可以设置这样的反射镜,引导空闲的出租车停驻在此等待有人叫车(即所谓的“趴活”)。之所以在街道上设置,是考虑到以后绝大多数的停车场将会取消,因此利用空旷的街道来停放出租车。
以下讨论动态信息的交通标识。主要是指红绿灯、雨雪天路滑、大风、道路前方交通拥挤等等警告标识。发明人的方法是具体化到把红绿灯的有源电子指令发射器像上述的无源反射镜一样,直接安装在每一个车道,例如,车道中线(或路旁)上。红绿灯的电子指令发射器从交叉路口现有的信号灯***接受代表红绿黄灯的电信号(不是需要识别的颜色和图像信息),在距离交叉路口规定距离(比如100米)开始,车辆陆续接收该车道对应红绿灯的电子指令信号,并在到达交叉路口时依指令及其他协同命令执行。由于红绿灯的电子指令发射器安装在各个车道上,上面提到的多交通灯交叉路口产生的到底服从哪一个交通灯信号的问题就迎刃而解了。由于这类动态信息的红绿灯的电子指令发射器的需求数量比上述静态信息的反射镜少好几个数量级,所以成本就不是最主要问题。
如果为了节省大量的反射镜制作和安装成本问题,对除只与位置有关的车道线、车道属性、下车点等反射镜之外的大部分静态交通标识(如限速)、全部动态交通标识和红绿灯等所有信号采用有源的地面发射-车载接收的直接向车辆提供路边交通标识和指挥信号电子指令数据总表,也是一种选择。下面详细介绍这种软硬件混合的具体方式:
整体而言,可以在路边每隔一定距离(特别是在限速等标识数字更改时)设置一个统一储存有该路段设置的大部分静态、全部动态交通标识和红绿灯等所有交通控制信号形成的指令数据总表的发送装置,使用合适的物理波(如超声波、电磁波等等),以一定频率向前来的所有车辆发送这个数据总表,由车载接收器接收后,根据车辆自身的特点(车型、载重量、由车道属性标识反射镜等硬件装置确认的车道,距离交叉路口的距离等等),从指令数据总表中选择适用本车辆的指令,传递给汽车自动驾驶单元。由于在路边每隔一定距离,就有一个交通标识和控制信号形成的指令数据总表的发送装置,车辆在两个或几个这样的发送装置的有效发送范围内,就会形成信号的重叠或混淆。所以,每个数据总表必须带有该发送装置所在的路段编号,而车辆运行中可从导航地图中(或者从路边的“路段编号”反射镜中)获取的路段编号,选择与之相匹配的指令数据总表。
另外,从技术上说,为了实现本发明的实际实施,很重要的是上文提到的车载发射波发生器、反射镜、反射波接收及处理装置。发明人初步的考虑是可以从现有毫米波雷达作为切入点。因为处于毫米波波段的电磁波不会受到雨、雾、灰尘等常见的环境因素影响,因此,毫米波具有全天候的强抗干扰的探测性能。此外,在探测距离上,由于毫米波在大气中衰减弱,所以可以探测感知到更远的距离,中远程毫米波雷达可以达到250米的探测距离。因此,在高速行驶过程中,毫米波雷达能够更早地探测到本车道前方的各种反射镜。在制作工艺上,毫米波雷达具有体积小、重量轻、易集成等特性,容易安装在汽车上;在成本上,毫米波雷达的价格可以控制在千元左右。还有一个很好的特点,是毫米波可以穿透塑料,但对金属非常敏感。如果用不同金属作为反射镜,并把金属反射镜装置在塑料盒中埋在车道线上,反射镜就可以得到很好的保护。
<实施方式1:偏重硬件的方式>
这种方式的特点是所有静态标识都是用无源反射镜将该标识的编码转给车辆;所有动态标识都是用各自的有源发射装置将该标识的编码转给车辆。
图2中的示意图用于表示实施方式1的汽车自动驾驶方法与道路***结构。
如图2所示,在本实施例中,以车辆将要通过交叉路口前的情况为例进行说明。具体而言,以双向四车道为例,车辆200行驶在道路101上,道路101的另一侧是对向道路102,前方是交叉路口103,在道路101上画有通常的车道边线标识11,在道路101与交叉路口103之间画有人行道标识12。另外,在本实施例中,在路面上,沿着车道的中心线X(虚拟的线)设有多个反射镜群11a。反射镜群11a中分别包含成本最低的只含一个反射镜(例如,“0”号反射镜)的车道中线反射镜,以及2个或多个反射特性的不同的反射镜,这些反射镜通过不同的排列能够生成的编码。
另外,关于反射镜群,在图2中放置在车道中线附近,与沿着车道边线标识11上设置反射镜群相比,是为了最大限度地避免可能被相邻车道上车辆覆盖的情况,在被覆盖的情况下,发射-反射都会被阻断。此外在对向道路102上也设有反射镜群,只是这些反射镜群在图中并未绘出。此外,当我们把所有反射镜都安装在车道中线时,可以把指示车道中线位置和不同编码反射镜两个信息合二为一。我们在使用不同编码的反射镜代表不同指令的同时,这些反射镜的位置又是该车道的中线。实际上,如果我们约定所有反射镜都准确地安装在车道中线上,那么,所有反射镜都可以按照其编码提供一个特定意义的指令,其位置又可代表车道中线的位置。同样道理,如果我们约定所有反射镜都准确地安装在车道边线上,那么,所有反射镜都可以按照其编码提供一个特定意义的指令,其位置又可代表车道边线的位置。当然,我们也可以把反射镜吊在各车道的正上空,这样最有利于扫描和信号接收,只是要加大成本。
另外,在本实施例中,在道路的路面上设有凹洞(未图示),反射镜群11a设置在凹洞中。
另外,车辆200具有发射-接收器201以及与该发射-接收器201连接的控制单元202。发射-接收器201发射出发射波,该发射波被置于车道中线附近的反射镜群11a反射,形成规定的反射波,发射-接收器201接收该反射波,并将表示该反射波的信息发送给控制单元202,控制单元202得到编码,根据该编码确定反射波所对应的道路标识来执行车辆200的自动驾驶,具体而言,就是使车辆200“骑着”所识别出的该道路标识行驶。这是在车道中心线X上设置反射镜群11a的方式。
另外,在本实施例中,在道路101旁(路边)设有多个发送装置群13(包括发射器与存储装置),该发送装置群13设置在距离交叉路口103规定距离(例如100m)处,用于发出表示交叉路口103处的道路101的通行规则的红绿灯状态和其他动态标识的电子指令信息。车辆200(通过未图示的信息收发器)接收该电子指令信息,根据该电子指令信息执行车辆200的自动驾驶。
下面参照图3对车道属性反射镜具体的实施例进行说明,参照图3,在本实施例中,车辆200行驶在左转专用的车道101a上,在车道101a的靠近路口处的地面上设有左转标识101b,在左转标识101b的附近设有一个反射镜111a,该反射镜111a的编码表示车道101a是左转专用车道,不能直行,也不能右转。
以上是偏重硬件的实施方式。和下面两种方式相比,最安全的应该是所有静态标识都由反射镜/反射镜组合的偏重硬件的方式。
<实施方式2:软硬件混合方式>
这种方式的特点是所有和位置有关的静态标识(如车道线、车道属性、人行横道等等)都是用无源反射镜将该标识的编码转给车辆;除此以外的所有静态标识(如限速)及所有动态标识都是用有源的地面发射-车载接收的发射装置将指令数据总表传送给车辆。
为了节省大量的反射镜制作和安装成本问题,采用软件硬件混合方式,这就是把图2的发送装置群13集合为一个发射装置,它存储有表示该发送装置13所设置的路段除与位置有关的车道线等静态标识的反射镜之外的绝大部分静态交通标识与所有动态交通标识信息的指令数据总表,发送装置13将该数据总表以一定频率向行驶车辆200发送。车辆200根据自身情况从数据总表中选择适用于本车辆的信息,控制单元202根据该信息对车辆进行控制。这里所谓的“自身情况”例如包括自身车型、载重量、车道属性标识和路段标识等反射镜确定的车道和路段信息、距离交叉路口的距离或这些的任意组合。另外,数据总表中还可以包含发送装置13所设置的路段的路段编号。
<实施方式3>
1.需要天量设置的车道线标识采用无源的单片金属反射镜。如[0058]所述,用车载的毫米波雷达装置来定位它。
2.除1.提到的车道线标识之外的静态动态标识和指挥信号,均采用由路边供电的有源的发射器向车辆发送各个标识特有的编码指令,而不是像<方式1>和<方式2>那样,用具有不同反射波特性的反射镜排列来形成不同的编码,再由车载的接收器接收后转化成编码指令。
3.上面2.的方式,可以考虑采用路边供电的有源的主动式射频识别(RFID)方法来实现。例如,采用车载特高频(UHF)或微波频率和有效读取范围1-2米的射频识别读取装置,来从路边或路面的射频识别电子标签获取如车道属性之类的信息。当然,这种射频识别读取装置和电子标签必须是满足汽车自动驾驶正确率和寿命要求的。
除以上1./2./3.之外的其他路边指令,可以归入上述的指令数据总表由LTE-V2X方式发给车辆。
<实施方式的总结>
由于现代公路的交通指挥***设备是建立在人类驾驶车辆的基础之上,几乎所有标识和指挥信号都是文字、图形、形状和颜色等等由人类驾驶员依靠眼睛识别后执行。目前国内外绝大部分自动驾驶的研发者采用的都是人工智能的识别方法,但其识别正确率在当前和相对长期的将来都无法满足安全驾驶的要求。发明人认为这是一条不正确的技术路线,为此,本发明提出一条实际有效的技术路线的思路。
本发明提供了一种汽车自动驾驶方法,其中,在车道的路边或路面上设有专门设置的装置,由所述的装置直接向车辆提供自动驾驶所需的车道级定位、路边交通标识和指挥信号电子指令。这种专门设置的装置,可以是无源的反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码指令进而确定该编码指令表示的指令内容,根据所确定的该指令内容对车辆进行控制,其中所述反射镜群的编码指令表示的指令内容是车道线、车辆所在位置与车道属性和该路段路边交通标识与指挥信号的信息。此外,这种专门设置的装置,也可以是有源的发射装置群。此时,在车辆上设有控制单元和接收器,所述接收器接收所述发射装置群对所述接收器发射的波,所述控制单元根据所述发射波确定其所表示的编码指令进而确定该编码指令表示的指令内容,根据所确定的该指令内容对车辆进行控制,其中所述发射装置群的编码指令表示的指令内容是车辆所在位置与车道属性和该路段路边交通标识与指挥信号的信息。
按照本发明的实施方式,通过不同无源反射镜的不同反射波而形成编码信号,或有源的发射装置群发出的不同的编码信号,来代表不同的路边标识和指挥信号,车辆根据该编码来识别交通标识和指挥信号,如此,与现有主流技术中的通过人工智能图像识别和高精度地图定位的方式相比,能够大大降低成本,提高识别精度,可靠地进行自动驾驶。
反射镜的排列可以是一维的(如条形码),也可以是2维的(如2维码)。我们可以把我们对路边(或路面)反射镜的扫描,想象为是一个车辆行驶过程中,对地面的条形码(或2维码)的扫描读出器。
本发明特别提供了一种自动驾驶车道级定位方法,其中,在车道的路面上设有无源反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码指令进而确定该编码指令表示的车道属性指令内容,根据所确定的该指令内容对车辆进行控制。同样,也可以用有源的发射装置群发出的不同的编码信号,来代表不同车道属性,由车载的接收器接收后交给控制单元对车辆进行控制。
采用如上所述的方法,仅需在车道上设置相应的反射镜群或发射装置,即可非常有效且高精度地提供车道属性信息,因此,本发明的方法简单且实用。
优选的,所述车道属性信息包括行驶规则信息。这里的行驶规则信息例如包括直行车道信息、左转车道信息及等。
另外,优选的,所述车道属性信息包括车道在道路中的位置信息。这里的“车道在道路中的位置信息”是指本车道左侧和/或右侧有几条相邻车道以及这些相邻车道属性的信息。
按照本发明的偏重硬件的实施方式,提供了一种汽车自动驾驶方法,其中,在车道旁或路面上设有多个反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码进而确定该编码表示的内容,根据所确定的该内容对车辆进行控制。所述发射器与所述接收器可以是一个装置,也可以独立构成。同样,也可以用有源的发射装置群发出的不同的编码信号,由车载的接收器接收后交给控制单元根据编码进而确定该编码表示的内容对车辆进行控制。
另外,在上述方法中,可选的,在车辆的存储装置中预先存储表示编码与交通标识的对应关系的图表,所述控制单元根据预先存储的图表确定所述编码表示的内容进行控制。
在上述方法中,可选地,所述控制单元根据预先存储的图表确定所述编码表示的静态-动态交通标识。
在上述方法中,可选地,所述发射波为超声波、电磁波、光波、激光或其他可供使用的物理学上的波。
在上述方法中,可选地,所述反射镜群包含1个或多个反射镜,多个反射镜群中,反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的不同排列形成编码信号。
在上述方法中,可选地,通过所述反射镜的尺寸、质材、形状、表面光洁度或平凹等不同,使得反射镜形成的反射波的频率、波形、峰值、宽度或波形积分等不同,从而得到不同的反射波。
另一方面,在上述软硬件混合方式,汽车自动驾驶方法中,可选地,在路旁或者路面上设有发送装置(电子指令发射器与存储装置),所述发送装置中存储有表示该发送装置所设置的路段的除车道线、停车点以外的大部分静态交通标识与所有动态交通标识的信息的指令数据总表,所述发送装置将该数据总表以一定频率向行驶在所述路段的车辆发送。接收到所述数据总表的车辆根据自身情况从所述数据总表中选择适用于本车辆的指令信息,所述控制单元根据该指令信息对车辆进行控制。车辆根据自身车型、载重量、由从车道属性和路段标识等反射镜确定的车道和路段信息、距离交叉路口的距离或这些的任意组合从所述指令数据总表中选择适用于本车辆的信息。所述数据总表中包含所述发送装置所设置的路段的路段编号。
在道路方面,本申请提供一种道路***,其中,在车道旁或路面上设有多个反射镜群,所述反射镜群包含多个反射镜,多个反射镜对所述反射波的反射特性不同,从而能够通过反射形成编码信号。
在道路***中,可选地,通过所述反射镜的尺寸、质材、形状、表面光洁度或平凹不同使得,所述多个反射镜形成的反射波的频率、波形、峰值、宽度或波形积分不同,从而得到不同的反射波。
在道路***中,可选地,在路面上设有凹洞,所述反射镜群设置在所述凹洞中。
在道路***中,软硬件混合方式,其特征在于,在路旁或者路面上设有发送装置,所述发送装置发出除车道线等只表示位置性质的标识以外的表示静态、动态交通标识(的状态)的电子指令信息。
在道路***中,可选地,所述发送装置设置在距离交叉路口规定距离处,以及在静态交通标识发生变化的处所。
实施方式3的总结:1.需要天量设置的车道线标识采用无源的单片金属反射镜,车辆上用设置毫米波雷达装置来定位它。2.除1.提到的车道线标识之外的所有静态动态标识和指挥信号,均采用由路边供电的有源的发射器向车辆发送各个标识特有的编码指令,而不是像<方式1>和<方式2>那样,用具有不同反射波特性的反射镜排列来形成不同的编码,再由车载的接收器接收后转化成编码指令。3.上面2.的方式,可以考虑采用路边供电的有源的主动式射频识别(RFID)方法来实现。例如,采用车载特高频(UHF)或微波频率和有效读取范围1-2米的射频识别读取装置,来从路边或路面的射频识别电子标签获取如车道属性之类的信息。当然,这种射频识别读取装置和电子标签必须是满足汽车自动驾驶正确率和寿命要求的。4.除以上1./2./3.之外的其他路边指令,可以归入上述的指令数据总表由LTE-V2X方式发给车辆。
另外,本发明的所有实施方式的方法可以和通过通信获取指令的方法组合使用,即,在车辆行驶时,左右车道有车要并入当前车道,司机驾驶时是在本车的左右前方闪尾灯向本车表示他的意图。在自动驾驶主流技术路线场合,也是要由感知***去寻找和捕捉后由人工智能方法识别的。在本实施方式的方法中,如果要求并线的车辆直接用V2V通信向自动车发送消息请求本车让他并入就可,不必使用人工智能“识别”方法。车辆自动驾驶***接到要求并线车辆的V2V信息后,采取必要措施让要求并线的车辆并道。
也就是说,本发明中,车辆有3种方法获得外界控制信号:1.地面“反射镜”;2.路边发射的单独指令或“指令数据总表”;3.其他车辆直接用V2V通信向自动车发送的请求信息;4.当然还可以从其他信息源来的信息。本专利的核心思想是希望这些信息都是不产生疑义的指令信息,而不是需要“识别”和复杂计算的源始信息。
<本申请的技术在汽车自动驾驶全栈解决方法中的地位>
典型的自动驾驶汽车的全栈解决方案分四个部分[6]。(1)通过道路网络规划路线。这一部分任务用现在普及的GPS就基本上可以完成。(2)行为层,其决定将汽车推向目的地并遵守道路规则的局部驾驶任务。(3)运动规划模块选择通过环境的连续路径以完成局部导航任务。(4)控制***实时地校正执行规划运动中的错误。本专利的方法主要应用在(2)中直接向车辆提供路边交通标识静态及红绿灯等动态信息的电子指令,以使车辆在行驶中严格遵守道路规则,不负责对运动的车辆、行人及随机出现的障碍物的检测,故与(1)、(3)和(4)的任务无关。
<实用性与经济可行性分析>
现代化公路是历经近百年积累而建成的。如果按本专利提供的方法改造,在经济上是否可行?在此作者提供一组简单数据。中国全国公路共500万公里;美国全国公路共665万公里(2015);全球公路共6500万公里(2013)。以双车道(应该占大多数)来估计:每车道中线每隔一定距离(例如5米)安装1个车道标识反射镜,1公里双车道公路要安装400个。按上述每个反射镜200元计算,共需8万人民币。加上比车道标识反射镜少得多的其他静态、动态信息装置和工程费用,每公里100万人民币应该足够。中国500万公里公路共需5万亿人民币。以2019中国GDP为99万亿计算,大约是全国1年GDP的1/20。把这个算法用到美国公路总数和GDP总数,以上费用也大约是美国1年GDP的1/20。如果分10年完成这种公路改造工程,那费用就是1年GDP的1/200。对中国来说,就是每年5000亿人民币。而根据参考文献[2],中国从2016到2019每年在汽车自动驾驶产业上的投入分别是6014、9938、8528和5940亿,都超过5000亿。从收益上来说,如果本专利方法10年之后实现,得到的是绝大多数家庭的车库、几乎全部商店、街道和公共场所的停车场被解放;每年国家GDP增长0.5%;全球交通事故死亡率减低几十倍;最重要的是人类终于进入了汽车自动驾驶的时代!
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
【参考文献】
[1]自动驾驶的2019:创企关停/巨头受挫除了满屏尴尬还有啥?
https://zhidao.***.com/question/925163743268075699.html?fr=iks&word=%B1%B1%BE%A9%CA%D0%C6%FB%B3%B5%D7%D4%B6%AF%BC%DD%CA%BB%D1%D0%B7%A2%C7%E9%BF%F6&ie=gbk
[2]2020-2023中国高等级自动驾驶产业发展趋势研究
2020年04月06日新浪财经-自媒体综合
https://finance.sina.com.cn/stock/stockzmt/2020-04-06/doc-iimxyqwa5382413.shtml
[3]自动驾驶发展与关键技术综述
https://new.qq.com/omn/20190604/20190604A0JJYB.html
[4]基于视觉和毫米波雷达的车道级定位方法
https://www.sohu.com/a/224987096_465591
[5]众包制图是绘制高精地图的灵丹妙药吗?
https://www.d1ev.com/kol/81666
[6]城市道路自动驾驶车辆运动规划和控制技术综述
https://blog.csdn.net/hgdwdtt/article/details/82052577
Claims (16)
1.一种汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,在车道的路边或路面上设有专门设置的装置,由所述的装置直接向车辆提供自动驾驶所需的车道线信息、车道级定位、路边交通标识和指挥信号电子指令。
2.根据权利要求1所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,在车道的路边或路面上专门设置的装置,可以是无源的反射镜群,在车辆上设有控制单元、发射器与接收器,所述发射器发射出的发射波被所述反射镜群反射,所述接收器接收所述反射镜群对所述发射波进行反射而形成的反射波,所述控制单元根据所述反射波确定其所表示的编码指令进而确定该编码指令表示的指令内容,根据所确定的该指令内容对车辆进行控制,其中所述反射镜群的编码指令表示的指令内容是车道线、车辆所在位置与车道属性和该路段路边交通标识与指挥信号的信息。
3.根据权利要求1所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,在车道的路边或路面上专门设置的装置,也可以是有源的发射装置群,在车辆上设有控制单元和接收器,所述接收器接收所述发射装置群对所述接收器发射的波,所述控制单元根据所述发射波确定其所表示的编码指令进而确定该编码指令表示的指令内容,根据所确定的该指令内容对车辆进行控制,其中所述发射装置群的编码指令表示的指令内容是车辆所在位置与车道属性和该路段路边交通标识与指挥信号的信息。
4.根据权利要求1、2或3所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,所述车道属性信息包括行驶规则信息,所述车道属性信息包括:a)本车道在道路中的位置,即哪一条车道,根据这个信息,以便在车辆即时收到指令数据总表中选择交叉路口多个红绿灯信号中对应的红绿灯信号;b)本车道允许的左右拐或直行行驶规则;或者c)如果本车道不允许行驶的下一步操作,则需要向左或右跨越几条车道才能到达目标车道,所述车辆所在位置包括车辆对车道边线、人行道边线、STOP线、距交叉路口的距离等,所述的路边交通标识和指挥信号是指该路段的所有静态-动态交通标识和红绿灯等交通指挥信号。
5.根据权利要求2和3所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,控制单元根据预先存储的图表确定编码指令表示的静态、动态交通标识与指挥信号内容对车辆进行控制。
6.根据权利要求2和3所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,所述发射波为超声波、电磁波、光波或激光等物理波。
7.根据权利要求1或2所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,所述反射镜群包含1个或多个反射镜,多个反射镜群中的反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的不同排列形成编码指令信号。
8.根据权利要求7所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,通过所述反射镜的尺寸、质材、形状、表面光洁度或平凹等不同,使得反射镜形成的反射波的频率、波形、峰值、宽度或波形积分不同,从而得到不同的反射波。
9.根据权利要求1或2所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,所述反射镜群中的反射镜的排列是一维的或者二维的。
10.根据权利要求1或2所述的汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法,其特征在于,在约定所述的所有反射镜都安装在车道中线上时,在使用不同编码代表不同的路边标识的同时,这些反射镜的位置又是该车道的中线,同样道理,在约定所有反射镜都准确地安装在车道边线上的情况下,那么,所有反射镜都按照其编码提供一个特定意义的指令,其位置又代表车道边线的位置;或者,也可把反射镜吊在各车道的正上空。
11.一种道路***,其特征在于,在车道旁或路面上设有多个无源反射镜群,所述反射镜群包含1个或多个反射镜,由所述反射镜群直接向车辆提供自动驾驶所需的车道线信息、车道级定位、路边交通标识和指挥信号电子指令;也可以在车道旁或路面上设有多个有源的发射装置,由所述发射装置群直接向车辆提供自动驾驶所需的车道级定位、路边交通标识和指挥信号电子指令。
12.根据权利要求11所述的道路***,其特征在于,多个反射镜群中的反射镜对所述反射波的反射特性存在不同,从而能够通过反射镜的排列不同形成编码信号。
13.根据权利要求11和12所述的道路***,其特征在于,在路面上设有凹洞,所述反射镜或发射装置设置在所述凹洞中。
14.根据权利要求11所述的道路***,其特征在于,在路旁或者路面上设有发送装置,所述发送装置中存储有表示该发送装置所设置的路段的静态交通标识与动态交通标识的信息的数据总表,所述发送装置将该数据总表以一定频率向行驶在所述路段的车辆发送。
15.根据权利要求14所述的道路***,其特征在于,所述发送装置设置在静态交通标识发生变化或距离交叉路口规定距离处。
16.根据权利要求11所述的道路***,其特征在于,在建筑物的入口附近及出租车停驻位置设有表示停车标识的反射镜或停车标识的发射装置。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010885567.7A CN112071103A (zh) | 2020-08-28 | 2020-08-28 | 汽车自动驾驶方法与道路*** |
CN2020108855677 | 2020-08-28 | ||
CN2020113584497 | 2020-11-27 | ||
CN202011358449 | 2020-11-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112562373A true CN112562373A (zh) | 2021-03-26 |
Family
ID=75046833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011380468.XA Pending CN112562373A (zh) | 2020-08-28 | 2020-11-30 | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112562373A (zh) |
WO (1) | WO2022041942A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861833A (zh) * | 2021-04-26 | 2021-05-28 | 禾多科技(北京)有限公司 | 车辆车道级定位方法、装置、电子设备和计算机可读介质 |
CN113247021A (zh) * | 2021-06-08 | 2021-08-13 | 宝能(广州)汽车研究院有限公司 | 车辆控制方法、***、电子设备及计算机可读存储介质 |
WO2022041942A1 (zh) * | 2020-08-28 | 2022-03-03 | 郭荣江 | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 |
CN115346378A (zh) * | 2022-08-12 | 2022-11-15 | 智小途(上海)数字科技有限公司 | 一种道路高精度定位***和方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973687B (zh) * | 2022-05-13 | 2024-03-05 | 北京百度网讯科技有限公司 | 一种交通信息处理方法、装置、设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596525A (zh) * | 2014-12-29 | 2015-05-06 | 西南交通大学 | 一种基于编码图形的车辆定位方法 |
CN107025795A (zh) * | 2016-11-15 | 2017-08-08 | 山东科技大学 | 一种基于rfid道路标志的车辆导行方法 |
CN109537488A (zh) * | 2018-12-29 | 2019-03-29 | 上海域驾智能科技有限公司 | 一种自动驾驶车路协同标识牌、自动驾驶***及控制方法 |
US20190250269A1 (en) * | 2018-02-12 | 2019-08-15 | Magna Electronics Inc. | Advanced driver-assistance and autonomous vehicle radar and marking system |
CN110126879A (zh) * | 2019-05-27 | 2019-08-16 | 江苏飞梭智行设备有限公司 | 基于rfid射频实现车速控制的方法和路段标识的*** |
CN110175662A (zh) * | 2019-05-05 | 2019-08-27 | 昆明理工大学 | 一种交通设施二维码识别装置及方法 |
CN111076731A (zh) * | 2019-10-28 | 2020-04-28 | 张少军 | 自动驾驶高精定位与路径规划方法 |
CN210488782U (zh) * | 2019-09-11 | 2020-05-08 | 泽一交通工程咨询(上海)有限公司 | 车路协同交通标志牌 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0886662A (ja) * | 1994-07-18 | 1996-04-02 | Sumitomo Electric Ind Ltd | 車載の走行経路表示装置、道路情報送信装置、経路案内システムおよびナビゲーションシステムの表示方法 |
JP2003272087A (ja) * | 2002-03-13 | 2003-09-26 | Seitoo Kk | 安全運転支援システム並びにこれに適用できる路面標示並びにその施工方法 |
KR101610116B1 (ko) * | 2014-10-15 | 2016-04-08 | 현대자동차 주식회사 | 차로 이탈 경고 시스템 및 그 제어 방법 |
CN107111944B (zh) * | 2014-12-30 | 2021-03-23 | 3M创新有限公司 | 车辆识别***识别的标牌 |
CN104960469A (zh) * | 2015-07-02 | 2015-10-07 | 曾林旺 | 行车安全指示*** |
CN112562373A (zh) * | 2020-08-28 | 2021-03-26 | 郭荣江 | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 |
CN112071103A (zh) * | 2020-08-28 | 2020-12-11 | 郭荣江 | 汽车自动驾驶方法与道路*** |
-
2020
- 2020-11-30 CN CN202011380468.XA patent/CN112562373A/zh active Pending
-
2021
- 2021-06-11 WO PCT/CN2021/099777 patent/WO2022041942A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596525A (zh) * | 2014-12-29 | 2015-05-06 | 西南交通大学 | 一种基于编码图形的车辆定位方法 |
CN107025795A (zh) * | 2016-11-15 | 2017-08-08 | 山东科技大学 | 一种基于rfid道路标志的车辆导行方法 |
US20190250269A1 (en) * | 2018-02-12 | 2019-08-15 | Magna Electronics Inc. | Advanced driver-assistance and autonomous vehicle radar and marking system |
CN109537488A (zh) * | 2018-12-29 | 2019-03-29 | 上海域驾智能科技有限公司 | 一种自动驾驶车路协同标识牌、自动驾驶***及控制方法 |
CN110175662A (zh) * | 2019-05-05 | 2019-08-27 | 昆明理工大学 | 一种交通设施二维码识别装置及方法 |
CN110126879A (zh) * | 2019-05-27 | 2019-08-16 | 江苏飞梭智行设备有限公司 | 基于rfid射频实现车速控制的方法和路段标识的*** |
CN210488782U (zh) * | 2019-09-11 | 2020-05-08 | 泽一交通工程咨询(上海)有限公司 | 车路协同交通标志牌 |
CN111076731A (zh) * | 2019-10-28 | 2020-04-28 | 张少军 | 自动驾驶高精定位与路径规划方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022041942A1 (zh) * | 2020-08-28 | 2022-03-03 | 郭荣江 | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 |
CN112861833A (zh) * | 2021-04-26 | 2021-05-28 | 禾多科技(北京)有限公司 | 车辆车道级定位方法、装置、电子设备和计算机可读介质 |
CN113247021A (zh) * | 2021-06-08 | 2021-08-13 | 宝能(广州)汽车研究院有限公司 | 车辆控制方法、***、电子设备及计算机可读存储介质 |
CN115346378A (zh) * | 2022-08-12 | 2022-11-15 | 智小途(上海)数字科技有限公司 | 一种道路高精度定位***和方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022041942A1 (zh) | 2022-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10867139B2 (en) | Method and system for autonomous vehicles | |
US11953340B2 (en) | Updating road navigation model using non-semantic road feature points | |
CN112562373A (zh) | 汽车自动驾驶车道级定位和路边交通标识与指挥信号的识别方法 | |
JP6550117B2 (ja) | 複数の情報源を用いる建設区域検出 | |
US11685360B2 (en) | Planning for unknown objects by an autonomous vehicle | |
US10739780B1 (en) | Detecting street parked vehicles | |
US20220383743A1 (en) | Blinking traffic light detection | |
JP2022535351A (ja) | 車両ナビゲーションのためのシステム及び方法 | |
CN111383456B (zh) | 一种用于智能道路基础设施***的本地化人工智能*** | |
US20210294331A1 (en) | Object identification for autonomous road vehicles | |
JP2023532482A (ja) | 開いている扉を検出するためのシステムおよび方法 | |
EP3995379B1 (en) | Behavior prediction for railway agents for autonomous driving system | |
US20230222908A1 (en) | Roadway information detection system consists of sensors on the autonomous vehicles and devices for the road | |
CN112071103A (zh) | 汽车自动驾驶方法与道路*** | |
CN110869703A (zh) | 导航方法和导航设备 | |
US20200219399A1 (en) | Lane level positioning based on neural networks | |
KR20240026262A (ko) | 자율주행에 있어 인지가능한 교통정보를 포함하는 정보물 | |
JP2024096461A (ja) | 交差点形状表現アルゴリズム | |
KR20240026261A (ko) | 자율주행에 있어 인지가능한 교통정보를 포함하는 정보물 | |
CN118235172A (zh) | 基于机器学习的交通灯相关性映射 | |
Ibru | Advancing Intersection Management by Utilizing Cost Effective Intelligent Vehicle Concepts and Vehicle-to-Infrastructure Communication Techniques |
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 |