CN112849144A - 车辆控制方法、装置及存储介质 - Google Patents
车辆控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112849144A CN112849144A CN202110133550.0A CN202110133550A CN112849144A CN 112849144 A CN112849144 A CN 112849144A CN 202110133550 A CN202110133550 A CN 202110133550A CN 112849144 A CN112849144 A CN 112849144A
- Authority
- CN
- China
- Prior art keywords
- lane line
- intersection
- current
- time period
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000007477 logistic regression Methods 0.000 claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 2
- 230000009191 jumping Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000007704 transition Effects 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18159—Traversing an intersection
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车辆控制方法、装置及存储介质,属于自动控制技术领域,该方法包括:在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线;若存在则获取车道线类型,并确定车道线类型是否发生跳变;若发生则获取跳变发生位置和跳变发生类型;获取当前统计时间段内运动方向与行驶方向不平行的其它目标的目标数量;获取当前位置与车道线的视觉结束点之间的车道线距离;获取路沿的路沿数量、以及路沿与当前车辆的横向距离;将车道线类型、跳变发生位置、跳变发生类型、目标数量、车道线距离、路沿数量和横向距离输入逻辑回归分类器,得到路口识别结果;在识别出行驶至路口时减速行驶;可以识别出未安装红绿灯的路口,提高路口识别的准确性。
Description
【技术领域】
本申请涉及一种车辆控制方法、装置及存储介质,属于自动控制技术领域。
【背景技术】
路口是道路网的重要组成部分,位于道路会合处。准确的路口识别方法对车辆判断当前的行驶环境,优化行驶方案具有重要意义。
现有技术中,对行驶区域中的路口进行识别包括:获取路口的红绿灯与当前行驶车辆之间的距离;根据该距离判断车辆是否接近路口。
然而,现实生活中许多的路口并没有设置红绿灯,此时,根据红绿灯与当前行驶车辆之间的距离无法确定出路口,从而导致路口识别的准确率低的问题。
【发明内容】
本申请提供了一种车辆控制方法、装置及存储介质,可以解决依赖于红绿灯识别路口时,对于未安装红绿灯的路口无法识别出来的问题。本申请提供如下技术方案:
第一方面,提供一种车辆控制方法,所述方法包括:
在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线;
在所述行驶路面上存在所述车道线时,获取所述车道线类型,并确定所述车道线类型在所述当前统计时间段内是否发生跳变;
在所述车道线类型发生跳变时,获取跳变发生位置和跳变发生类型;
获取所述当前统计时间段内运动方向与所述当前车辆的行驶方向不平行的其它目标的目标数量;
获取当前位置与所述车道线的视觉结束点之间的车道线距离;
获取所述当前统计时间段内所述行驶路面上路沿的路沿数量、以及所述路沿与所述当前车辆的横向距离;
将所述车道线类型、所述跳变发生位置、所述跳变发生类型、所述目标数量、所述车道线距离、所述路沿数量和所述横向距离输入预先训练的逻辑回归分类器,得到路口识别结果;
在所述路口识别结果指示当前行驶至路口时,控制所述当前车辆减速行驶,以减速通过所述路口。
可选地,所述在所述路口识别结果指示当前行驶至路口时,控制所述当前车辆减速行驶之后,还包括:
在所述当前车辆减速行驶的距离达到预设距离、且检测到车道线之后,输出离开所述路口的提示。
可选地,所述在所述当前车辆减速行驶的距离达到预设距离、且检测到车道线之后,还包括:
控制所述当前车辆加速,并继续进行路口识别。
可选地,所述当前统计时间段是所述当前车辆行驶预设距离时所需的时长;所述当前统计时间段的起始时间为上一统计时间段的结束时间,初始统计时间段为所述当前车辆开启路口检测功能时的时间。
可选地,所述路口识别结果用于指示所述当前车辆的行驶方向上存在路口的概率。
可选地,所述车道线类型包括:虚线类型、实线类型、虚线和实线共存类型。
可选地,所述当前车辆减速后的行驶速度低于预设速度。
第二方面,提供一种车辆控制装置,所述装置包括:
车道线检测模块,用于在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线;
跳变检测模块,用于在所述行驶路面上存在所述车道线时,获取所述车道线类型,并确定所述车道线类型在所述当前统计时间段内是否发生跳变;
跳变获取模块,用于在所述车道线类型发生跳变时,获取跳变发生位置和跳变发生类型;
目标获取模块,用于获取所述当前统计时间段内运动方向与所述当前车辆的行驶方向不平行的其它目标的目标数量;
距离获取模块,用于获取当前位置与所述车道线的视觉结束点之间的车道线距离;
路沿统计模块,用于获取所述当前统计时间段内所述行驶路面上路沿的路沿数量、以及所述路沿与所述当前车辆的横向距离;
路口识别模块,用于将所述车道线类型、所述跳变发生位置、所述跳变发生类型、所述目标数量、所述车道线距离、所述路沿数量和所述横向距离输入预先训练的逻辑回归分类器,得到路口识别结果;
车辆控制模块,用于在所述路口识别结果指示当前行驶至路口时,控制所述当前车辆减速行驶,以减速通过所述路口。
第三方面,提供一种车辆控制装置,所述装置包括处理器和存储器;所述存储器中存储有程序,所述程序由所述处理器加载并执行以实现第一方面提供的车辆控制方法。
第四方面,提供一种计算机可读存储介质,所述存储介质中存储有程序,所述程序被处理器执行时用于实现第一方面提供的所述的车辆控制方法。
本申请的有益效果在于:通过在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线;在行驶路面上存在车道线时,获取车道线类型,并确定车道线类型在当前统计时间段内是否发生跳变;在车道线类型发生跳变时,获取跳变发生位置和跳变发生类型;获取当前统计时间段内运动方向与当前车辆的行驶方向不平行的其它目标的目标数量;获取当前位置与车道线的视觉结束点之间的车道线距离;获取当前统计时间段内行驶路面上路沿的路沿数量、以及路沿与当前车辆的横向距离;将车道线类型、跳变发生位置、跳变发生类型、目标数量、车道线距离、路沿数量和横向距离输入预先训练的逻辑回归分类器,得到路口识别结果;在路口识别结果指示当前行驶至路口时,控制当前车辆减速行驶,以减速通过路口;可以解决依赖于红绿灯识别路口时,对于未安装红绿灯的路口无法识别出来的问题;通过结合路口车道线的变化、其它目标的运行状态、路沿的变化来识别路口,可以提高路口识别的准确性。
同时,通过在识别到路口时,控制车辆减速行驶,可以提高车辆通过路口的安全性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,并可依照说明书的内容予以实施,以下以本申请的较佳实施例并配合附图详细说明如后。
【附图说明】
图1是本申请一个实施例提供的车辆控制方法的流程图;
图2是本申请一个实施例提供的车辆控制装置的框图;
图3是本申请一个实施例提供的车辆控制装置的框图。
【具体实施方式】
下面结合附图和实施例,对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
首先,对本申请涉及的若干名词进行介绍。
自动驾驶(Self-driving):是一种通过电脑***实现自动驾驶的智能汽车。
神经网络(Neural Network):是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法模型。
逻辑回归分类器(Logistic Regression Classifier):用于估计某种事物的可能性,也用来进行分类。回归是指对已知公式的未知参数进行估计。比如:已知公式是y=a*x+b,未知参数是a和b,则可以根据很多真实的(x,y)数据(训练样本)对a和b的取值自动估计。
假设具有p个独立变量的向量x’=(x1,x2,…xp),设条件概率P(Y=1|x)=p为根据观测量相对于某事件发生的概率。逻辑回归模型可表示为:
P(Y=1|x)=π(x)=1/(1+e-g(x))
上述函数称为逻辑函数。其中,g(x)=β0+β1x1+β2x2+…+βpxp。β0,β1,β2…βp即为待估计的参数。
可选地,本申请以各个实施例的执行主体为具有计算能力的电子设备为例进行说明,该电子设备可以为终端或服务器,该终端可以为车载计算机、手机、计算机、笔记本电脑、平板电脑等,本实施例不对终端的类型和电子设备的类型作限定。
本实施例中,电子设备与目标车辆上的传感器通信相连,即,目标车辆上安装有多种传感器,比如:激光雷达传感器、图像传感器(或称摄像头)等。在实际实现时,目标车辆还可以安装有其它类型的传感器,本实施例不对目标车辆上安装的传感器类型作限定。电子设备可以为目标车辆上的车载计算机、或者是与目标车辆相独立的设备,本实施例不对电子设备与目标车辆之间的安装方式作限定。
图1是本申请一个实施例提供的车辆控制方法的流程图。该方法至少包括以下几个步骤:
步骤101,在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线。
当前统计时间段的起始时间为上一统计时间段的结束时间,初始统计时间段为当前车辆开启路口检测功能时的时间。
可选地,当前车辆开启路口检测功能的时机包括但不限于以下几种:在当前车辆启动时开启,或者,在确定出当前车辆的行驶路面存在车道线时开启;或者,当前车辆上设置有路口检测功能的控制控件,基于用户对该控制控件的操作开启。
电子设备确定当前车辆的行驶路面是否存在车道线,包括:获取行驶路面的路面图像,对该路面图像进行目标检测;根据目标检测结果确定该行驶路面上是否存在车道线。或者,将路面图像与模板图像进行比较,在路面图像存在与模板图像相匹配的图像区域时,确定行驶路面上存在车道线;在路面图像不存在与模板图像相匹配的图像区域时,确定行驶路面上不存在车道线。
路面图像包括当前车辆左右两侧的路面图像。
其中,对路面图像进行目标检测方式可以通过神经网络模型实现,比如:YOLO算法,或者单步多框检测(Single Shot MultiBox Detector,SSD)算法等,本实施例不对目标检测算法的类型作限定。相应地,目标检测结果用于指示行驶路面上是否存在车道线。
模板图像为各个车道线类型的图像,比如:车道线类型包括:虚线类型、实线类型、虚线和实线共存类型;相应地,模板图像包括具有虚线类型的车道线的图像、具有实线类型的车道线的图像、具有虚线和实线共存类型的车道线的图像。可选地,每种类型的车道线对应的模板图像为至少一张,该至少一张模板图像用于反映该类型的车道线不同的姿态,比如:不同的延伸方向、不同粗细程度等。
本实施例中,实线类型的车道线可以是起拦截作用的物体,比如:路沿、路障等,或者也可以是路面上绘制的实线线条,本实施例不对实线类型的车道线的实现方式作限定。
可选地,每个统计时间段的时长固定,且预存在电子设备中;此时,每个统计时间段的时长可以是用户设置的,或者,默认存储在电子设备中。或者,当前统计时间段是当前车辆行驶预设距离时所需的时长。其中,预设距离可以是用户设置的,或者,默认存储在电子设备中。当前统计时间段是预设距离除以平均行驶速度的商,或者,为预设距离除以当前车辆的历史最大行驶速度的商,本实施例不对当前统计时间段的确定方式作限定。
可选地,在当前统计时间段内,若当前车辆的行驶路面存在车道线,则执行步骤102;若不存在车道线,则再次执行本步骤。
步骤102,在行驶路面上存在车道线时,获取车道线类型,并确定车道线类型在当前统计时间段内是否发生跳变。
电子设备通过对车道线进行检测,可以得到车道线的类型。
可选地,车道线类型在当前统计时间段内发生跳变的场景包括但不限于以下几种:
第一种:实线类型跳变为虚线类型或者虚线和实线共存类型;
第二种:虚线类型或者虚线和实线共存类型跳变为实线类型。
通常来讲,第二种场景下当前车辆靠近路口的概率较大。
确定车道线类型在当前统计时间段内是否发生跳变,包括:确定车道线类型是否发生变化,若是,则确定发生跳变;若否,则未发生跳变。
步骤103,在车道线类型发生跳变时,获取跳变发生位置和跳变发生类型。
跳变发生类型包括但不限于步骤102中列举的两种场景,当然,也可以包括其它场景,比如:从实线类型跳变为检测不到车道线;或者,从虚线和实线共存类型跳变为检测不到车道线等,本实施例在此不对跳变发生类型一一列举。
可选地,在车道线类型未发生跳变时,在步骤102之后执行步骤104。
步骤104,获取当前统计时间段内运动方向与当前车辆的行驶方向不平行的其它目标的目标数量。
由于当前车辆处于路口时,会存在其它车辆或者行人的运动方向与当前车辆的行驶方式不平行,因此,本实施例中,可以通过结合其它目标的目标数量来确定当前车辆是否行驶至路口。
电子设备获取其它目标的目标数量的方式包括:获取行驶方向前方在预设时长内的n张连续行驶图像,对该行驶图像进行目标识别,得到n张行驶图像中指定目标的数量、以及每个指定目标在预设时长内的运动方向;确定各个指定目标中运动方向与行驶方向不平行的其它目标,并统计该其它目标的数量。
其中,指定目标包括但不限于:车辆(如:自行车、电动车、汽车等)、行人等可以在行驶路面上移动的目标,本实施例不对指定目标的类型作限定。
可选地,在行驶路面上存在车道线时,步骤104可以在步骤102和103之前执行,或者也可以在步骤102和103之后执行,或者,还可以与步骤102和103同时执行,本实施例不对步骤104的执行时机作限定。
步骤105,获取当前位置与车道线的视觉结束点之间的车道线距离。
可选地,当前车辆上安装有图像传感器,该图像传感器用于采集行驶方向前方的行驶图像,且图像传感器的采集范围包括驾驶员驾驶时前方视野范围。车道线的视觉结束点为该图像传感器在行驶方向上对车道线的采集范围的临界点,或者,车道线的终止点。换句话说,以驾驶员的视角来看,车道线的视觉结束点为人眼观察不到车道线时的点,或者,为车道线实际上的终止点。
可选地,在行驶路面上存在车道线时,步骤105可以在步骤102和103之前执行,或者也可以在步骤102和103之后执行,或者,还可以与步骤102和103同时执行,本实施例不对步骤105的执行时机作限定。
步骤106,获取当前统计时间段内行驶路面上路沿的路沿数量、以及路沿与当前车辆的横向距离。
路沿作为车道线的一种,电子设备对车道线进行检测时,会检测到行驶路面上是否存在路沿。
路沿可以是基于当前车辆上安装的激光雷达采集的点云数据识别到的;或者,是基于当前车辆上安装的图像传感器采集的路面图像识别到的;或者,是基于点云数据和路面图像识别到的,本实施例不对路沿的识别方式作限定。
其中,横向距离是指在与行驶路面平行、且与行驶方向垂直的方向上的距离。
可选地,在行驶路面上存在车道线时,步骤106可以在步骤102和103之前执行,或者也可以在步骤102和103之后执行,或者,还可以与步骤102和103同时执行,本实施例不对步骤106的执行时机作限定。
步骤107,将车道线类型、跳变发生位置、跳变发生类型、目标数量、车道线距离、路沿数量和横向距离输入预先训练的逻辑回归分类器,得到路口识别结果。
路口识别结果用于指示当前车辆的行驶方向上存在路口的概率。
逻辑回归分类器是通过多组训练数据训练得到的,每组训练数据包括某一车辆在某一行驶时间段内的样本车道线类型、样本跳变发生位置、样本跳变发生类型、样本目标数量、样本车道线距离、样本路沿数量和样本横向距离,以及该车辆是否处于路口的标注结果。
步骤108,在路口识别结果指示当前行驶至路口时,控制当前车辆减速行驶,以减速通过路口。
当前车辆减速后的行驶速度低于预设速度。预设速度可以为用户设置的速度,或者默认设置在电子设备中,或者预设速度基于当前车速确定,比如:预设速度为当前车速减去预设数值之后得到的速度,本实施例不对预设速度的设置方式作限定。
可选地,在路口识别结果指示当前行驶至路口时,控制当前车辆减速行驶之后,还包括:在当前车辆减速行驶的距离达到预设距离、且检测到车道线之后,输出离开路口的提示。
其中,离开路口的提示的输出方式包括但不限于:音频输出、振动输出、和/或灯光提示等,本实施例不对该输出方式作限定。
由于路口通常不具有车道线,因此,在检测到车道线时,通常说明已经离开路口,此时,结合当前车辆的减速行驶的距离,可以提高确定离开路口的准确性。
其中,预设距离为当前行驶区域内各个路口通过时所需行驶的最大距离。可选地,当前行驶区域可以通过定位组件定位得到,该当前行驶区域可以以街道为单位、或者以村、镇或者区等为单位进行划分,本实施例不对当前行驶区域的划分方式作限定。
可选地,在当前车辆减速行驶的距离达到预设距离、且检测到车道线之后,还包括:控制当前车辆加速,并继续进行路口识别。
示意性地,当前车辆加速后的速度为减速前的速度,或者为根据当前车辆当前的行驶环境重新确定出的速度,本实施例不对加速后的速度设置方式作限定。
综上所述,本实施例提供的车辆控制方法,通过在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线;在行驶路面上存在车道线时,获取车道线类型,并确定车道线类型在当前统计时间段内是否发生跳变;在车道线类型发生跳变时,获取跳变发生位置和跳变发生类型;获取当前统计时间段内运动方向与当前车辆的行驶方向不平行的其它目标的目标数量;获取当前位置与车道线的视觉结束点之间的车道线距离;获取当前统计时间段内行驶路面上路沿的路沿数量、以及路沿与当前车辆的横向距离;将车道线类型、跳变发生位置、跳变发生类型、目标数量、车道线距离、路沿数量和横向距离输入预先训练的逻辑回归分类器,得到路口识别结果;在路口识别结果指示当前行驶至路口时,控制当前车辆减速行驶,以减速通过路口;可以解决依赖于红绿灯识别路口时,对于未安装红绿灯的路口无法识别出来的问题;通过结合路口车道线的变化、其它目标的运行状态、路沿的变化来识别路口,可以提高路口识别的准确性。
同时,通过在识别到路口时,控制车辆减速行驶,可以提高车辆通过路口的安全性。
图2是本申请一个实施例提供的车辆控制装置的框图。该装置至少包括以下几个模块:车道线检测模块210、跳变检测模块220、跳变获取模块230、目标获取模块240、距离获取模块250、路沿统计模块260、路口识别模块270和车辆控制模块280。
车道线检测模块210,用于在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线;
跳变检测模块220,用于在所述行驶路面上存在所述车道线时,获取所述车道线类型,并确定所述车道线类型在所述当前统计时间段内是否发生跳变;
跳变获取模块230,用于在所述车道线类型发生跳变时,获取跳变发生位置和跳变发生类型;
目标获取模块240,用于获取所述当前统计时间段内运动方向与所述当前车辆的行驶方向不平行的其它目标的目标数量;
距离获取模块250,用于获取当前位置与所述车道线的视觉结束点之间的车道线距离;
路沿统计模块260,用于获取所述当前统计时间段内所述行驶路面上路沿的路沿数量、以及所述路沿与所述当前车辆的横向距离;
路口识别模块270,用于将所述车道线类型、所述跳变发生位置、所述跳变发生类型、所述目标数量、所述车道线距离、所述路沿数量和所述横向距离输入预先训练的逻辑回归分类器,得到路口识别结果;
车辆控制模块280,用于在所述路口识别结果指示当前行驶至路口时,控制所述当前车辆减速行驶,以减速通过所述路口。
相关细节参考上述方法实施例。
需要说明的是:上述实施例中提供的车辆控制装置在进行车辆控制时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将车辆控制装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的车辆控制装置与车辆控制方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图3是本申请一个实施例提供的车辆控制装置的框图。该装置至少包括处理器301和存储器302。
处理器301可以包括一个或多个处理核心,比如:4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器301还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的车辆控制方法。
在一些实施例中,车辆控制装置还可选包括有:***设备接口和至少一个***设备。处理器301、存储器302和***设备接口之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口相连。示意性地,***设备包括但不限于:射频电路、触摸显示屏、音频电路、和电源等。
当然,车辆控制装置还可以包括更少或更多的组件,本实施例对此不作限定。
可选地,本申请还提供有一种计算机可读存储介质,所述计算机可读存储介质中存储有程序,所述程序由处理器加载并执行以实现上述方法实施例的车辆控制方法。
可选地,本申请还提供有一种计算机产品,该计算机产品包括计算机可读存储介质,所述计算机可读存储介质中存储有程序,所述程序由处理器加载并执行以实现上述方法实施例的车辆控制方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
上述仅为本申请的一个具体实施方式,其它基于本申请构思的前提下做出的任何改进都视为本申请的保护范围。
Claims (10)
1.一种车辆控制方法,其特征在于,所述方法包括:
在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线;
在所述行驶路面上存在所述车道线时,获取所述车道线类型,并确定所述车道线类型在所述当前统计时间段内是否发生跳变;
在所述车道线类型发生跳变时,获取跳变发生位置和跳变发生类型;
获取所述当前统计时间段内运动方向与所述当前车辆的行驶方向不平行的其它目标的目标数量;
获取当前位置与所述车道线的视觉结束点之间的车道线距离;
获取所述当前统计时间段内所述行驶路面上路沿的路沿数量、以及所述路沿与所述当前车辆的横向距离;
将所述车道线类型、所述跳变发生位置、所述跳变发生类型、所述目标数量、所述车道线距离、所述路沿数量和所述横向距离输入预先训练的逻辑回归分类器,得到路口识别结果;
在所述路口识别结果指示当前行驶至路口时,控制所述当前车辆减速行驶,以减速通过所述路口。
2.根据权利要求1所述的方法,其特征在于,所述在所述路口识别结果指示当前行驶至路口时,控制所述当前车辆减速行驶之后,还包括:
在所述当前车辆减速行驶的距离达到预设距离、且检测到车道线之后,输出离开所述路口的提示。
3.根据权利要求2所述的方法,其特征在于,所述在所述当前车辆减速行驶的距离达到预设距离、且检测到车道线之后,还包括:
控制所述当前车辆加速,并继续进行路口识别。
4.根据权利要求1所述的方法,其特征在于,所述当前统计时间段是所述当前车辆行驶预设距离时所需的时长;所述当前统计时间段的起始时间为上一统计时间段的结束时间,初始统计时间段为所述当前车辆开启路口检测功能时的时间。
5.根据权利要求1所述的方法,其特征在于,所述路口识别结果用于指示所述当前车辆的行驶方向上存在路口的概率。
6.根据权利要求1所述的方法,其特征在于,所述车道线类型包括:虚线类型、实线类型、虚线和实线共存类型。
7.根据权利要求1至6任一所述的方法,其特征在于,所述当前车辆减速后的行驶速度低于预设速度。
8.一种车辆控制装置,其特征在于,所述装置包括:
车道线检测模块,用于在当前统计时间段内,确定当前车辆的行驶路面是否存在车道线;
跳变检测模块,用于在所述行驶路面上存在所述车道线时,获取所述车道线类型,并确定所述车道线类型在所述当前统计时间段内是否发生跳变;
跳变获取模块,用于在所述车道线类型发生跳变时,获取跳变发生位置和跳变发生类型;
目标获取模块,用于获取所述当前统计时间段内运动方向与所述当前车辆的行驶方向不平行的其它目标的目标数量;
距离获取模块,用于获取当前位置与所述车道线的视觉结束点之间的车道线距离;
路沿统计模块,用于获取所述当前统计时间段内所述行驶路面上路沿的路沿数量、以及所述路沿与所述当前车辆的横向距离;
路口识别模块,用于将所述车道线类型、所述跳变发生位置、所述跳变发生类型、所述目标数量、所述车道线距离、所述路沿数量和所述横向距离输入预先训练的逻辑回归分类器,得到路口识别结果;
车辆控制模块,用于在所述路口识别结果指示当前行驶至路口时,控制所述当前车辆减速行驶,以减速通过所述路口。
9.一种车辆控制装置,其特征在于,所述装置包括处理器和存储器;所述存储器中存储有程序,所述程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的车辆控制方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有程序,所述程序被处理器执行时用于实现如权利要求1至7任一项所述的车辆控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110133550.0A CN112849144B (zh) | 2021-02-01 | 2021-02-01 | 车辆控制方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110133550.0A CN112849144B (zh) | 2021-02-01 | 2021-02-01 | 车辆控制方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112849144A true CN112849144A (zh) | 2021-05-28 |
CN112849144B CN112849144B (zh) | 2022-05-20 |
Family
ID=75987266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110133550.0A Active CN112849144B (zh) | 2021-02-01 | 2021-02-01 | 车辆控制方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112849144B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114212079A (zh) * | 2022-02-18 | 2022-03-22 | 国汽智控(北京)科技有限公司 | 基于acc的车辆控制方法、装置及*** |
CN116588112A (zh) * | 2023-07-11 | 2023-08-15 | 广汽埃安新能源汽车股份有限公司 | 交叉路口的车辆控制方法、装置及车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104494598A (zh) * | 2014-11-23 | 2015-04-08 | 北京联合大学 | 一种用于智能车辆的路口行驶控制方法 |
KR20190017241A (ko) * | 2017-08-10 | 2019-02-20 | 현대자동차주식회사 | 자율주행차량의 신호등 인식을 위한 능동 제어 방법 및 장치 |
CN110503844A (zh) * | 2018-05-17 | 2019-11-26 | 上海擎感智能科技有限公司 | 一种驾驶速度的提醒方法、***及车载终端 |
CN111002984A (zh) * | 2019-12-24 | 2020-04-14 | 北京汽车集团越野车有限公司 | 一种自动驾驶方法、装置、车辆及自动驾驶设备 |
CN111599178A (zh) * | 2020-05-21 | 2020-08-28 | 知行汽车科技(苏州)有限公司 | 路口识别方法、装置及存储介质 |
-
2021
- 2021-02-01 CN CN202110133550.0A patent/CN112849144B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104494598A (zh) * | 2014-11-23 | 2015-04-08 | 北京联合大学 | 一种用于智能车辆的路口行驶控制方法 |
KR20190017241A (ko) * | 2017-08-10 | 2019-02-20 | 현대자동차주식회사 | 자율주행차량의 신호등 인식을 위한 능동 제어 방법 및 장치 |
CN110503844A (zh) * | 2018-05-17 | 2019-11-26 | 上海擎感智能科技有限公司 | 一种驾驶速度的提醒方法、***及车载终端 |
CN111002984A (zh) * | 2019-12-24 | 2020-04-14 | 北京汽车集团越野车有限公司 | 一种自动驾驶方法、装置、车辆及自动驾驶设备 |
CN111599178A (zh) * | 2020-05-21 | 2020-08-28 | 知行汽车科技(苏州)有限公司 | 路口识别方法、装置及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114212079A (zh) * | 2022-02-18 | 2022-03-22 | 国汽智控(北京)科技有限公司 | 基于acc的车辆控制方法、装置及*** |
CN116588112A (zh) * | 2023-07-11 | 2023-08-15 | 广汽埃安新能源汽车股份有限公司 | 交叉路口的车辆控制方法、装置及车辆 |
CN116588112B (zh) * | 2023-07-11 | 2024-01-30 | 广汽埃安新能源汽车股份有限公司 | 交叉路口的车辆控制方法、装置及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN112849144B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598066B (zh) | 预测模块的效果评估方法、装置、设备和存储介质 | |
CN112133089B (zh) | 一种基于周围环境与行为意图的车辆轨迹预测方法、***及装置 | |
CN110843789B (zh) | 一种基于时序卷积网络的车辆换道意图预测方法 | |
KR20210038852A (ko) | 조기 경보 방법, 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체 및 컴퓨터 프로그램 | |
CN112849144B (zh) | 车辆控制方法、装置及存储介质 | |
CN109074742B (zh) | 周边认知装置、周边认知方法和计算机可读取的记录介质 | |
CN110910673B (zh) | 一种提醒行人碰撞车辆的方法及***、摄像头、移动终端 | |
JP2020046706A (ja) | 物体検出装置、車両制御システム、物体検出方法及び物体検出用コンピュータプログラム | |
JP2022511968A (ja) | 開放された車両ドアを検出するための分類器のトレーニング | |
CN112193252A (zh) | 驾驶风险的预警方法、装置、计算设备及存储介质 | |
EP2913239A1 (en) | Method and unit for managing following space | |
CN114475656B (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN112918488B (zh) | 车辆控制方法、装置及存储介质 | |
CN109887321B (zh) | 无人车变道安全判别方法、装置及存储介质 | |
CN116686028A (zh) | 一种驾驶辅助的方法以及相关设备 | |
CN115520216A (zh) | 行车状态判断方法、装置、计算机设备和存储介质 | |
CN115681483A (zh) | 车辆控制器、车辆及车辆控制方法 | |
CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 | |
CN111599178B (zh) | 路口识别方法、装置及存储介质 | |
US11881031B2 (en) | Hierarchical processing of traffic signal face states | |
CN113911139B (zh) | 车辆控制方法、装置和电子设备 | |
CN112810631B (zh) | 可运动物体的运动轨迹的预测方法、计算机设备及车辆 | |
CN114506345B (zh) | 车辆控制方法、车辆控制装置、车辆和计算机可读存储介质 | |
US12046048B2 (en) | Systems and methods for utilizing models to detect dangerous tracks for vehicles | |
CN113650616B (zh) | 一种基于采集数据的车辆行为预测方法及*** |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 215123 g2-1901 / 1902 / 2002, No. 88, Jinjihu Avenue, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee after: Zhixing Automotive Technology (Suzhou) Co.,Ltd. Address before: 215123 g2-1901 / 1902 / 2002, No. 88, Jinjihu Avenue, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee before: IMOTION AUTOMOTIVE TECHNOLOGY (SUZHOU) Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |