CN113071491B - 一种用于自动驾驶汽车的自主超车方法及其*** - Google Patents
一种用于自动驾驶汽车的自主超车方法及其*** Download PDFInfo
- Publication number
- CN113071491B CN113071491B CN202010007990.7A CN202010007990A CN113071491B CN 113071491 B CN113071491 B CN 113071491B CN 202010007990 A CN202010007990 A CN 202010007990A CN 113071491 B CN113071491 B CN 113071491B
- Authority
- CN
- China
- Prior art keywords
- overtaking
- vehicle
- value
- autonomous
- profit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008901 benefit Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000002401 inhibitory effect Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000008450 motivation Effects 0.000 claims description 3
- 230000001953 sensory effect Effects 0.000 claims 1
- 230000008859 change Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect 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
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于自动驾驶汽车的自主超车方法及其***,所述方法包括:步骤S101、实时根据车辆传感数据判断是否有超车动机;其中,所述车辆传感数据包括当前的本车车速V1、前车车速V2、左侧前车和后车平均车速V3、左侧前车和后车之间的间距D1、前车和前车的前车之间的间距D2、本车与前车之间的间距D3;步骤S102、若有超车动机,则根据所述车辆传感数据中的至少部分数据确定超车收益值;步骤S103、根据所述超车收益值与预设收益阈值的比较结果、以及高精度地图数据生成超车安全策略;步骤S104、根据所述超车安全策略进行超车。所述***用于实现所述方法。本发明能够提高自动驾驶汽车的自主超车的安全性。
Description
技术领域
本发明涉及汽车技术领域,具体涉及一种用于自动驾驶汽车的自主超车方法及其***。
背景技术
目前自动驾驶技术是国家和行业的重点研究技术,当前自动驾驶技术正在逐步走向技术落地和产业应用的阶段,在成本和安全的考量下,高速公路场景的自动驾驶技术具有很高的商业价值和应用基础,针对高速公路自动驾驶的巡航和车道保持已经相对成熟,当前技术研究热点方向正从L2的高速自动驾驶辅助转向取代驾驶员的L3的高速自动驾驶,其中自主超车成为重要的技术课题。
目前对车辆自主超车问题的研究并不完善,当前该技术课题内的主要问题有行为决策方面的换道时机的拟人化选取,以及换道过程的安全性保证。现有超车方法中,没有考虑被超车车辆前方的行驶空间,对于超车动机的计算方法有欠缺,同时,进行安全决策的时候,没有采用高精度地图提供的辅助信息进行超视距范围内的危害规避,导致生成的超车安全策略存在一定的风险。
发明内容
本发明旨在提出一种用于自动驾驶汽车的自主超车方法及其***,进行自主超车时考虑被超车车辆前方的行驶空间,采用高精度地图提供的辅助信息进行超视距范围内的危害规避,以提高自动驾驶汽车的自主超车的安全性。
第一方面,本发明实施例提出一种用于自动驾驶汽车的自主超车方法,包括:
步骤S101、实时根据车辆传感数据判断是否有超车动机;其中,所述车辆传感数据包括当前的本车车速V1、前车车速V2、左侧前车和后车平均车速V3、左侧前车和后车之间的间距D1、前车和前车的前车之间的间距D2、本车与前车之间的间距D3;
步骤S102、若有超车动机,则根据所述车辆传感数据中的至少部分数据确定超车收益值;
步骤S103、根据所述超车收益值与预设收益阈值的比较结果、以及高精度地图数据生成超车安全策略;
步骤S104、根据所述超车安全策略控制本车进行超车。
其中,所述步骤S101包括:
对所述车辆传感数据进行预处理得到数据集{V1,V2,V3,D1,D3,D2};
对所述数据集进行特征提取得到特征向量[V1/V2,V3/V2,D3/V1,D2/V1,D1/V1]T;
将所述特征向量输入采用预先训练好的神经网络模型进行处理得到超车动机值,若超车动机值为第一数值,则有超车动机,若超车动机值为第二数值,则无超车动机。
其中,所述步骤S102包括:
若在预设第一时间周期内持续具有超车动机,则控制本车转向灯打左灯;
若在转向灯打左灯并经过预设第二时间周期后,仍具有超车动机,则根据所述车辆传感数据确定超车收益值。
其中,根据所述车辆传感数据确定超车收益值的步骤具体包括:
若存在超车车道且D1和V1满足第一条件,则根据D1和V1采用第一公式进行计算确定第一收益值;若D2和V2满足第二条件,则根据D2和V2采用第二公式进行计算确定第二收益值;若D2和V2满足第三条件,则根据D2和V2采用第三公式进行计算确定第三收益值;根据左侧车道数量确定第四收益值;
最终累加第一收益值、第二收益值、第三收益值和第四收益值得到超车收益值;
其中,所述第一条件为:D1>=V1×m;
所述第一公式为:K1=K0×D1/V1×m;
所述第二条件为:D2>=V2×m/2;
所述第二公式为:K2=K0×D2/V2×2;
所述第三条件为:D2>=V2×2;
所述第三公式为:K3=K0×D2/(V2×m/2);
其中,K1为第一收益值,K2为第二收益值,K3为第三收益值,K0和m为预设值。
其中,所述步骤S103包括:
若超车收益值大于预设收益阈值,则根据高精度地图数据判断当前道路是否存在禁止超车因素,若不存在禁超车因素,则生成进行超车的超车安全策略;若存在禁止超车因素,则生成不超车的超车安全策略。
其中,所述禁止超车因素包括本车前后方一定距离内指示有禁止超车标志、本车前方一定距离内左侧车道有围蔽施工、本车前方一定距离内有交织路口、本车前方一定距离内有曲率半径小于半径阈值的弯道、本车前方一定距离内有坡度大于坡度阈值的顶坡中的至少一项。
其中,所述步骤S104包括:
根据所述超车安全策略生成超车控制指令;
控制执行机构执行所述超车控制指令,驱动本车进行超车;
其中,超车过程中控制向左换道,并在显示设备上显示向左换道的信息,提示左侧后车与前车;换道至超车车道后,显示设备显示车辆加速超越信息,且在超过右侧车辆时显示向右变道信息。
第二方面,本发明实施例提出一种用于自动驾驶汽车的自主超车***,其用于实现本发明实施例所述的用于自动驾驶汽车的自主超车方法,所述***包括:
超车动机确定单元,用于实时根据车辆传感数据判断是否有超车动机;其中,所述车辆传感数据包括当前的本车车速V1、前车车速V2、左侧前车和后车平均车速V3、左侧前车和后车之间的间距D1、前车和前车的前车之间的间距D2、本车与前车之间的间距D3;
超车收益值获得单元,用于在超车动机确定单元确认到有超车动机时,根据所述车辆传感数据中的至少部分数据确定超车收益值;
超车安全策略生成单元,用于根据所述超车收益值获得单元获得的超车收益值与预设收益阈值之间的比较结果、以及高精度地图数据生成超车安全策略;
超车控制单元,用于根据所述超车安全策略生成单元生成的超车安全策略控制本车进行超车。
其中,所述***包括:
传感装置,用于采集所述车辆传感数据;
所述超车动机确定单元包括:
预处理模块,用于对所述车辆传感数据进行预处理得到数据集{V1,V2,V3,D1,D3,D2};
特征提取模块,用于对所述数据集进行特征提取得到特征向量[V1/V2,V3/V2,D3/V1,D2/V1,D1/V1]T;
预先训练好的神经网络模型,用于对所述特征向量进行处理得到超车动机值,若超车动机值为第一数值,则有超车动机,若超车动机值为第二数值,则无超车动机。
其中,所述超车收益值获得单元包括:
第一处理模块,用于若在预设第一时间周期内持续具有超车动机,则控制本车转向灯打左灯;
第二处理模块,用于若在转向灯打左灯并经过预设第二时间周期后,仍具有超车动机,则根据所述车辆传感数据确定超车收益值。
其中,所述超车收益值获得单元包括:
第一收益计算模块,用于若存在超车车道且D1和V1满足第一条件,则根据D1和V1采用第一公式计算确定第一收益值;
第二收益计算模块,用于若D2和V2满足第二条件,则根据D2和V2采用第二公式计算确定第二收益值;
第三收益计算模块,用于若D2和V2满足第三条件,则根据D2和V2采用第三公式计算确定第三收益值;
第四收益计算模块,用于根据左侧车道数量确定第四收益值;
累加计算模块,用于累加第一收益值、第二收益值、第三收益值和第四收益值得到超车收益值。
其中,所述第一条件为:D1>=V1×m;
所述第一公式为:K1=K0×D1/V1×m;
所述第二条件为:D2>=V2×m/2;
所述第二公式为:K2=K0×D2/V2×2;
所述第三条件为:D2>=V2×2;
所述第三公式为:K3=K0×D2/(V2×m/2);
其中,K1为第一收益值,K2为第二收益值,K3为第三收益值,K0和m为预设值。
其中,所述超车安全策略生成单元包括:
第一判断模块,用于判断超车收益值是否大于预设收益阈值;
第二判断模块,用于根据高精度地图数据判断当前道路是否存在禁止超车因素;
策略生成模块,用于根据第一判断模块和第二判断模块的判断结果生成超车安全策略;其中,若超车收益值大于预设收益阈值且当前道路不存在禁止超车因素,则生成进行超车的超车安全策略。
其中,所述禁止超车因素包括本车前后方一定距离内指示有禁止超车标志、本车前方一定距离内左侧车道有围蔽施工、本车前方一定距离内有交织路口、本车前方一定距离内有曲率半径小于半径阈值的弯道、本车前方一定距离内有坡度大于坡度阈值的顶坡中的至少一项。
其中,所述超车控制单元具体用于根据所述超车安全策略生成超车控制指令;
所述***包括:
执行机构,用于执行所述超车控制指令,驱动本车进行超车;
显示设备,用于在向左换道进行超车过程中,显示向左换道的信息并提示左侧后车与前车;以及本车换道至超车车道后,显示车辆加速超越信息,且在超过右侧车辆时显示向右变道信息。
本发明实施例提出一种用于自动驾驶汽车的自主超车方法及其***,其可以应用于快速路和高速道路的高速自动驾驶中;首先,在计算超车动机时,考虑了被超车车辆前方的行驶空间,使得超车动机的判断更加准确;其次,提出了新的超车收益计算方式,全方位考虑本车周围车辆及车道环境信息;同时,进行超车安全决策时,采用高精度地图提供的辅助信息进行超视距范围内的危害规避,减少生成的超车安全策略的风险,提高了自动驾驶汽车的自主超车的安全性。基于本发明实施例自主超车功能,可以有效提升车辆通行效率,减少到达目的地的耗时,节约总体能源消耗,同时提升车辆整体自动驾驶功能的智能化程度。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一中一种用于自动驾驶汽车的自主超车方法流程图。
图2为本发明实施例一中道路中超车场景示意图。
图3为本发明实施例一中步骤S102具体流程图。
图4为本发明实施例一的一种优选方案对应的自主超车方法流程图。
图5为本发明实施例一中步骤S103具体流程图。
图6为本发明实施例二中一种用于自动驾驶汽车的自主超车***示意图。
图中标记:
超车动机确定单元-1,超车收益值获得单元-2,超车安全策略生成单元-3,第一判断模块-31,第二判断模块-32,策略生成模块-33,超车控制单元-4,传感装置-5,执行机构-6,显示设备-7。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
另外,为了更好的说明本发明,在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。在一些实例中,对于本领域技术人员熟知的手段未作详细描述,以便于凸显本发明的主旨。
实施例一
本发明实施例一提出一种用于自动驾驶汽车的自主超车方法,其可以应用于如本发明实施例二所述的用于自动驾驶汽车的自主超车***,该***包括超车动机确定单元、超车收益值获得单元、超车安全策略生成单元和超车控制单元。
图1为本发明实施例一的一种用于自动驾驶汽车的自主超车方法流程示意图,参阅图1,实施例一的方法包括如下步骤S101-S104:
步骤S101、实时根据车辆传感数据判断是否有超车动机;其中,所述车辆传感数据包括当前的本车车速V1、前车车速V2、左侧前车和后车平均车速V3、左侧前车和后车之间的间距D1、前车和前车的前车之间的间距D2、本车与前车之间的间距D3。
举例而言,如图2所示,E1为本车,S1为前车,S2为左侧前车,S3为左侧后车,S4为前车的前车,图2中弯曲虚线为超车路径。
其中,所述车辆传感数据可以通过安装于本车上的传感装置来获取,所述传感装置包括但不限于毫米波雷达、视觉雷达等,具体可以根据技术需求和成本等综合因素选取合适的传感装置来获取相应的数据。
具体而言,在获取到上述车辆传感数据之后,根据车辆传感数据可以确定其本车是否有超车动机,需说明的是,判断是否有超车动机的过程,可以是利用一个预先训练好的深度学习神经网络,例如RBF网络,来进行处理输出一个值,这个值用于表示是否有超车动机;又例如,通过预设的判断规则或条件,对来所述车辆传感数据进行判断,以确定其是否有超车动机。
其中,当实施例一方法通过实施例二所述***实现时,步骤S101可以通过所述超车动机确定单元来实现。
步骤S102、若有超车动机,则根据所述车辆传感数据中的至少部分数据确定超车收益值;
具体而言,若存在超车车道且D1和V1满足第一条件,则根据D1和V1采用第一公式进行计算确定第一收益值;若D2和V2满足第二条件,则根据D2和V2采用第二公式进行计算确定第二收益值;若D2和V2满足第三条件,则根据D2和V2采用第三公式进行计算确定第三收益值;根据左侧车道数量确定第四收益值;最终累加第一收益值K1、第二收益值K2、第三收益值K3和第四收益值K4得到超车收益值K,即K=K1+K2+K3+K4。
其中,关于超车车道的判断,遵循左侧超车的原则,可以根据视觉识别结果以及与高精度地图数据进行融合判断,如果存在左侧车道,且左侧为同向车道,则认为存在超车车道。其中,第一条件、第二条件、第三条件和第四条件为预设条件。
图3所示为步骤S102具体流程示意图,步骤中首先进行是否存在超车车道的判断,如果存在超车车道,则判断超车车道的超车空间是否满足,即第一条件,如果不存在车道则结束,关于超车空间,如果不满足则结束,如果满足则换算相应的收益值K1并累加;然后判断超车道是否存在换道优势,即第二条件,如过不满足则结束,如果换道优势满足,则换算对应的收益值K2并累加,然后判断待超车辆前方是否存在足够的超车空间,即第三条件,如果不满足超车空间则结束,如果满足则计算收益值K3并累加,然后判断左侧车道数是否等于1,即第四条件,并换算对应收益值K4,最终累加第一收益值K1、第二收益值K2、第三收益值K3和第四收益值K4得到超车收益值K。
其中,当实施例一方法通过实施例二所述***实现时,步骤S102可以通过超车收益值获得单元来实现。
步骤S103、根据所述超车收益值与预设收益阈值的比较结果、以及高精度地图数据生成超车安全策略。
具体而言,步骤中将前面步骤计算得到的超车收益值K和预设收益阈值T进行比较,若超车收益值K大于预设收益阈值T,则进一步地根据高精度地图数据来判断本车所处道路环境是否有其他影响超车的因素存在,若没有其他影响超车的因素存在,则最终生成进行超车的安全策略,若有其他影响超车的因素存在,则安全策略为不进行超车。
其中,当实施例一方法通过实施例二所述***实现时,步骤S103可以通过超车安全策略生成单元来实现。
步骤S104、根据所述超车安全策略控制本车进行超车。
具体而言,步骤中根据前面得到的超车安全策略生成对应的控制指令,用于控制本车执行机构执行控制指令,进行超车。
其中,当实施例一方法通过实施例二所述***实现时,步骤S104可以通过超车控制单元来实现。
在一实施例中,所述步骤S101包括:
步骤S201、对所述车辆传感数据进行预处理得到数据集Data={V1,V2,V3,D1,D3,D2};
步骤S202、对所述数据集进行特征提取得到特征向量EigenVector=[V1/V2,V3/V2,D3/V1,D2/V1,D1/V1]T;
步骤S203、将所述特征向量输入采用预先训练好的神经网络模型进行处理得到超车动机值,若超车动机值为第一数值,例如为1,则表示有超车动机,若超车动机值为第二数值,例如为0,则表示无超车动机。
在一实施例中,自主超车的流程如图4所示,所述步骤S102包括:
步骤S301、若在预设第一时间周期内持续具有超车动机,则控制本车转向灯打左灯;
其中,预设第一时间周期可以优选设置为1秒;
步骤S302、若在转向灯打左灯并经过预设第二时间周期后,仍具有超车动机,则根据所述车辆传感数据确定超车收益值。
其中,预设第二时间周期可以优选设置为3秒;
优选地,所述第一条件为:
D1>=V1×m;
第一条件用于进行左侧超车空间判断。
所述第一公式为:
K1=K0×D1/V1×m;
其中,K1为第一收益值,K0和m为预设值,本实施例中m为2.5-5,优选为4。
需说明的是,K1最大值K1max有限制,具体可以标定决定,即当计算得到的K1大于K1max时,则以K1max作为K1最终计算值。
具体而言,计算左前方最近的车辆和左后方最近的车辆之间是否存在合适的间距。
优选地,所述第二条件为:
D2>=V2×m/2;
第二条件用于待超车辆的前方空间优势判断。
所述第二公式为:
K2=K0×D2/V2×2;
其中,K2为第二收益值,K0和m为预设值,本实施例中m为2.5-5,优选为4。
其中,K2最大值K2max有限制,需要说明的是,如果传感器受到较大车辆的遮挡,导致无法读取的前方车辆信息,则取1/2×K2max。
优选地,所述第三条件为:
D2>=V2×2;
第三条件用于判断左前方最近的车辆和左后方最近的车辆之间是否存在合适的间距。
其中,所述第三公式为:
K3=K0×D2/(V2×m/2);
其中,K3为第三收益值,K0和m为预设值。
优选地,所述根据左侧车道数量确定第四收益值包括:
左侧车道数量越少,则第四收益值K4越大。
具体而言,关于左侧车道是否等于1的判断,如果车道为1则收益值最大,优选设置为第四收益值K4最大为1,如果大于1则收益值较少,K4具体为标定值。
其中,所述步骤S103包括:
若超车收益值K大于预设收益阈值T,则根据高精度地图数据判断当前道路是否存在禁止超车因素,若否,则生成进行超车的超车安全策略,若是,则生成不超车的超车安全策略。
优选地,所述禁止超车因素包括但不限于为:本车前后方一定距离内指示有禁止超车标志、本车前方一定距离内左侧车道有围蔽施工、本车前方一定距离内有交织路口、本车前方一定距离内有曲率半径小于半径阈值的弯道、和/或本车前方一定距离内有坡度大于坡度阈值的顶坡。
其中,禁止超车标志,可能出现在前方,也可能出现在后方,V3(单位m/s)判断范围为Vleft×N,N可以在10-20之间选取,优选为15。
其中,围蔽施工、交织路口、半径过小的弯道、顶坡探测为前方V3×N范围。
图5所示流程中,V3×N=500m。
其中,弯道的半径阈值优选为大于等于125m;
其中,顶坡的坡度阈值优选为小于等于15度。
其中,根据高精度地图数据判断当前道路是否存在禁止超车因素的流程可以参阅图5。
其中,所述步骤S104包括:
步骤S401、根据所述超车安全策略生产超车控制指令;
步骤S402、控制执行机构执行所述超车控制指令,驱动本车进行超车;其中,所述执行机构例如是发动机等驱动车辆行驶的车辆机构。
其中,超车过程中向左换道,并在显示设备上显示向左换道的信息,提示左侧后车与前车;换道至超车车道后,显示设备显示车辆加速超越信息,且在超过右侧车辆时显示向右变道信息。所述显示设备可以安装于乘员舱中控位置,以便于用户获知超车情况。
需说明的是,本文中步骤名称,例如S101、S102、S201等,其仅用于对步骤表示对应的步骤,而不是对步骤的流程顺序进行限定。
实施例二
本发明实施例提出一种用于自动驾驶汽车的自主超车***,其用于实现本发明实施例一所述的用于自动驾驶汽车的自主超车方法。
参阅图6,所述***包括:
超车动机确定单元1,用于实时根据车辆传感数据判断是否有超车动机;其中,所述车辆传感数据包括当前的本车车速V1、前车车速V2、左侧前车和后车平均车速V3、左侧前车和后车之间的间距D1、前车和前车的前车之间的间距D2、本车与前车之间的间距D3;
超车收益值获得单元2,用于在超车动机确定单元确认到有超车动机时,根据所述车辆传感数据中的至少部分数据确定超车收益值;
超车安全策略生成单元3,用于根据所述超车收益值获得单元获得的超车收益值与预设收益阈值之间的比较结果、以及高精度地图数据生成超车安全策略;
超车控制单元4,用于根据所述超车安全策略生成单元生成的超车安全策略控制本车进行超车。
其中,所述***包括:
传感装置5,用于采集所述车辆传感数据;
所述超车动机确定单元1包括:
预处理模块,用于对所述车辆传感数据进行预处理得到数据集{V1,V2,V3,D1,D3,D2};
特征提取模块,用于对所述数据集进行特征提取得到特征向量[V1/V2,V3/V2,D3/V1,D2/V1,D1/V1]T;
预先训练好的神经网络模型,用于对所述特征向量进行处理得到超车动机值,若超车动机值为第一数值,则有超车动机,若超车动机值为第二数值,则无超车动机。
其中,所述超车收益值获得单元2包括:
第一处理模块,用于若在预设第一时间周期内持续具有超车动机,则控制本车转向灯打左灯;
第二处理模块,用于若在转向灯打左灯并经过预设第二时间周期后,仍具有超车动机,则根据所述车辆传感数据确定超车收益值。
其中,所述第二处理模块包括:
确定模块,用于在转向灯打左灯并经过预设第二时间周期后,判断是否仍具有超车动机;
第一收益计算模块,用于若存在超车车道且D1和V1满足第一条件,则根据D1和V1采用第一公式计算确定第一收益值;
第二收益计算模块,用于若D2和V2满足第二条件,则根据D2和V2采用第二公式计算确定第二收益值;
第三收益计算模块,用于若D2和V2满足第三条件,则根据D2和V2采用第三公式计算确定第三收益值;
第四收益计算模块,用于根据左侧车道数量确定第四收益值;
累加计算模块,用于累加第一收益值、第二收益值、第三收益值和第四收益值得到超车收益值。
其中,所述第一条件为:D1>=V1×m;
所述第一公式为:K1=K0×D1/V1×m;
所述第二条件为:D2>=V2×m/2;
所述第二公式为:K2=K0×D2/V2×2;
所述第三条件为:D2>=V2×2;
所述第三公式为:K3=K0×D2/(V2×m/2);
其中,K1为第一收益值,K2为第二收益值,K3为第三收益值,K0和m为预设值。
其中,所述超车安全策略生成单元3包括:
第一判断模块31,用于判断超车收益值是否大于预设收益阈值;
第二判断模块32,用于根据高精度地图数据判断当前道路是否存在禁止超车因素;
策略生成模块33,用于根据第一判断模块和第二判断模块的判断结果生成超车安全策略;其中,若超车收益值大于预设收益阈值且当前道路不存在禁止超车因素,则生成进行超车的超车安全策略。
其中,所述禁止超车因素包括本车前后方一定距离内指示有禁止超车标志、本车前方一定距离内左侧车道有围蔽施工、本车前方一定距离内有交织路口、本车前方一定距离内有曲率半径小于半径阈值的弯道、本车前方一定距离内有坡度大于坡度阈值的顶坡中的至少一项。
其中,所述超车控制单元具体用于根据所述超车安全策略生成超车控制指令;
所述***包括:
执行机构6,用于执行所述超车控制指令,驱动本车进行超车;
显示设备7,用于在向左换道进行超车过程中,显示向左换道的信息并提示左侧后车与前车;以及本车换道至超车车道后,显示车辆加速超越信息,且在超过右侧车辆时显示向右变道信息。
需说明的是,实施例二所述***与实施例一所述方法对应,因此,实施例二所述***未详述部分可以参阅实施例一所述方法的内容得到,此处不再赘述。
基于以上实施例的描述可知,本发明实施例可以应用于快速路和高速道路的高速自动驾驶中;首先,在计算超车动机时,考虑了被超车车辆前方的行驶空间,使得超车动机的判断更加准确;其次,提出了新的超车收益计算方式,全方位考虑本车周围车辆及车道环境信息;同时,进行超车安全决策时,采用高精度地图提供的辅助信息进行超视距范围内的危害规避,减少生成的超车安全策略的风险,提高了自动驾驶汽车的自主超车的安全性。基于本发明实施例自主超车功能,可以有效提升车辆通行效率,减少到达目的地的耗时,节约总体能源消耗,同时提升车辆整体自动驾驶功能的智能化程度。
基于本发明实施例一和二的内容,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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,该计算机软件产品可以存储在计算机可读存储介质中,例如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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)实现本发明各个实施例所述的方法或***。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种用于自动驾驶汽车的自主超车方法,其特征在于,包括:
步骤S101、实时根据车辆传感数据判断是否有超车动机;其中,所述车辆传感数据包括当前的本车车速V1、前车车速V2、左侧前车和后车平均车速V3、左侧前车和后车之间的间距D1、前车和前车的前车之间的间距D2、本车与前车之间的间距D3;
步骤S102、若有超车动机,则根据所述车辆传感数据中的至少部分数据确定超车收益值;
步骤S103、根据所述超车收益值与预设收益阈值的比较结果、以及高精度地图数据生成超车安全策略;其中,若超车收益值大于预设收益阈值,则根据高精度地图数据判断当前道路是否存在禁止超车因素,若不存在禁超车因素,则生成进行超车的超车安全策略;若存在禁止超车因素,则生成不超车的超车安全策略;
步骤S104、根据所述超车安全策略控制本车进行超车。
2.如权利要求1所述的用于自动驾驶汽车的自主超车方法,其特征在于,所述步骤S101包括:
对所述车辆传感数据进行预处理得到数据集{V1,V2,V3,D1,D3,D2};
对所述数据集进行特征提取得到特征向量[V1/V2,V3/V2,D3/V1,D2/V1,D1/V1]T;
将所述特征向量输入采用预先训练好的神经网络模型进行处理得到超车动机值,若超车动机值为第一数值,则有超车动机,若超车动机值为第二数值,则无超车动机。
3.如权利要求2所述的用于自动驾驶汽车的自主超车方法,其特征在于,所述步骤S102包括:
若在预设第一时间周期内持续具有超车动机,则控制本车转向灯打左灯;
若在转向灯打左灯并经过预设第二时间周期后,仍具有超车动机,则根据所述车辆传感数据确定超车收益值。
4.如权利要求1至3任一项所述的用于自动驾驶汽车的自主超车方法,其特征在于,根据所述车辆传感数据确定超车收益值的步骤具体包括:
若存在超车车道且D1和V1满足第一条件,则根据D1和V1采用第一公式进行计算确定第一收益值;若D2和V2满足第二条件,则根据D2和V2采用第二公式进行计算确定第二收益值;若D2和V2满足第三条件,则根据D2和V2采用第三公式进行计算确定第三收益值;根据左侧车道数量确定第四收益值;最终累加第一收益值、第二收益值、第三收益值和第四收益值得到超车收益值。
5.如权利要求4所述的用于自动驾驶汽车的自主超车方法,其特征在于,
所述第一条件为:D1>=V1×m;
所述第一公式为:K1=K0×D1/V1×m;
所述第二条件为:D2>=V2×m/2;
所述第二公式为:K2=K0×D2/V2×2;
所述第三条件为:D2>=V2×2;
所述第三公式为:K3=K0×D2/(V2×m/2);
其中,K1为第一收益值,K2为第二收益值,K3为第三收益值,K0和m为预设值。
6.如权利要求1至3中任一项所述的用于自动驾驶汽车的自主超车方法,其特征在于,所述禁止超车因素包括本车前后方一定距离内指示有禁止超车标志、本车前方一定距离内左侧车道有围蔽施工、本车前方一定距离内有交织路口、本车前方一定距离内有曲率半径小于半径阈值的弯道、本车前方一定距离内有坡度大于坡度阈值的顶坡中的至少一项。
7.如权利要求6所述的用于自动驾驶汽车的自主超车方法,其特征在于,所述步骤S104包括:
根据所述超车安全策略生成超车控制指令;
控制执行机构执行所述超车控制指令,驱动本车进行超车;
其中,超车过程中控制向左换道,并在显示设备上显示向左换道的信息,提示左侧后车与前车;换道至超车车道后,显示设备显示车辆加速超越信息,且在超过右侧车辆时显示向右变道信息。
8.一种用于自动驾驶汽车的自主超车***,其特征在于,所述***包括:
超车动机确定单元,用于实时根据车辆传感数据判断是否有超车动机;其中,所述车辆传感数据包括当前的本车车速V1、前车车速V2、左侧前车和后车平均车速V3、左侧前车和后车之间的间距D1、前车和前车的前车之间的间距D2、本车与前车之间的间距D3;
超车收益值获得单元,用于在超车动机确定单元确认到有超车动机时,根据所述车辆传感数据中的至少部分数据确定超车收益值;
超车安全策略生成单元,用于根据所述超车收益值获得单元获得的超车收益值与预设收益阈值之间的比较结果、以及高精度地图数据生成超车安全策略;其中,所述超车安全策略生成单元包括:第一判断模块,用于判断超车收益值是否大于预设收益阈值;第二判断模块,用于根据高精度地图数据判断当前道路是否存在禁止超车因素;策略生成模块,用于根据第一判断模块和第二判断模块的判断结果生成超车安全策略;其中,若超车收益值大于预设收益阈值且当前道路不存在禁止超车因素,则生成进行超车的超车安全策略;
超车控制单元,用于根据所述超车安全策略生成单元生成的超车安全策略控制本车进行超车。
9.如权利要求8所述的用于自动驾驶汽车的自主超车***,其特征在于,所述***包括:
传感装置,用于采集所述车辆传感数据;
所述超车动机确定单元包括:
预处理模块,用于对所述车辆传感数据进行预处理得到数据集{V1,V2,V3,D1,D3,D2};
特征提取模块,用于对所述数据集进行特征提取得到特征向量[V1/V2,V3/V2,D3/V1,D2/V1,D1/V1]T;
预先训练好的神经网络模型,用于对所述特征向量进行处理得到超车动机值,若超车动机值为第一数值,则有超车动机,若超车动机值为第二数值,则无超车动机。
10.如权利要求8所述的用于自动驾驶汽车的自主超车***,其特征在于,所述超车收益值获得单元包括:
第一处理模块,用于若在预设第一时间周期内持续具有超车动机,则控制本车转向灯打左灯;
第二处理模块,用于若在转向灯打左灯并经过预设第二时间周期后,仍具有超车动机,则根据所述车辆传感数据确定超车收益值。
11.如权利要求8至10中任一项所述的用于自动驾驶汽车的自主超车***,其特征在于,所述超车收益值获得单元包括:
第一收益计算模块,用于若存在超车车道且D1和V1满足第一条件,则根据D1和V1采用第一公式计算确定第一收益值;
第二收益计算模块,用于若D2和V2满足第二条件,则根据D2和V2采用第二公式计算确定第二收益值;
第三收益计算模块,用于若D2和V2满足第三条件,则根据D2和V2采用第三公式计算确定第三收益值;
第四收益计算模块,用于根据左侧车道数量确定第四收益值;
累加计算模块,用于累加第一收益值、第二收益值、第三收益值和第四收益值得到超车收益值。
12.如权利要求11所述的用于自动驾驶汽车的自主超车***,其特征在于,
所述第一条件为:D1>=V1×m;
所述第一公式为:K1=K0×D1/V1×m;
所述第二条件为:D2>=V2×m/2;
所述第二公式为:K2=K0×D2/V2×2;
所述第三条件为:D2>=V2×2;
所述第三公式为:K3=K0×D2/(V2×m/2);
其中,K1为第一收益值,K2为第二收益值,K3为第三收益值,K0和m为预设值。
13.如权利要求8至10中任一项所述的用于自动驾驶汽车的自主超车***,其特征在于,所述禁止超车因素包括本车前后方一定距离内指示有禁止超车标志、本车前方一定距离内左侧车道有围蔽施工、本车前方一定距离内有交织路口、本车前方一定距离内有曲率半径小于半径阈值的弯道、本车前方一定距离内有坡度大于坡度阈值的顶坡中的至少一项。
14.如权利要求13所述的用于自动驾驶汽车的自主超车***,其特征在于,
所述超车控制单元具体用于根据所述超车安全策略生成超车控制指令;
所述***包括:
执行机构,用于执行所述超车控制指令,驱动本车进行超车;
显示设备,用于在向左换道进行超车过程中,显示向左换道的信息并提示左侧后车与前车;以及本车换道至超车车道后,显示车辆加速超越信息,且在超过右侧车辆时显示向右变道信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010007990.7A CN113071491B (zh) | 2020-01-06 | 2020-01-06 | 一种用于自动驾驶汽车的自主超车方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010007990.7A CN113071491B (zh) | 2020-01-06 | 2020-01-06 | 一种用于自动驾驶汽车的自主超车方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113071491A CN113071491A (zh) | 2021-07-06 |
CN113071491B true CN113071491B (zh) | 2022-07-26 |
Family
ID=76608860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010007990.7A Active CN113071491B (zh) | 2020-01-06 | 2020-01-06 | 一种用于自动驾驶汽车的自主超车方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113071491B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108313054A (zh) * | 2018-01-05 | 2018-07-24 | 北京智行者科技有限公司 | 自动驾驶自主换道决策方法和装置及自动驾驶车辆 |
CN108572642A (zh) * | 2017-12-15 | 2018-09-25 | 蔚来汽车有限公司 | 一种自动驾驶***及其横向控制方法 |
CN109991987A (zh) * | 2019-04-29 | 2019-07-09 | 北京智行者科技有限公司 | 自动驾驶决策方法及装置 |
CN110297494A (zh) * | 2019-07-15 | 2019-10-01 | 吉林大学 | 一种基于滚动博弈的自动驾驶车辆换道决策方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6907895B2 (ja) * | 2017-11-15 | 2021-07-21 | トヨタ自動車株式会社 | 自動運転システム |
-
2020
- 2020-01-06 CN CN202010007990.7A patent/CN113071491B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108572642A (zh) * | 2017-12-15 | 2018-09-25 | 蔚来汽车有限公司 | 一种自动驾驶***及其横向控制方法 |
CN108313054A (zh) * | 2018-01-05 | 2018-07-24 | 北京智行者科技有限公司 | 自动驾驶自主换道决策方法和装置及自动驾驶车辆 |
CN109991987A (zh) * | 2019-04-29 | 2019-07-09 | 北京智行者科技有限公司 | 自动驾驶决策方法及装置 |
CN110297494A (zh) * | 2019-07-15 | 2019-10-01 | 吉林大学 | 一种基于滚动博弈的自动驾驶车辆换道决策方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113071491A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220187834A1 (en) | Generating trajectories for autonomous vehicles | |
EP3678911B1 (en) | Pedestrian behavior predictions for autonomous vehicles | |
CN113291308B (zh) | 一种考虑驾驶行为特性的车辆自学习换道决策***及方法 | |
US20210341927A1 (en) | Verifying Predicted Trajectories Using A Grid-Based Approach | |
JP6428928B2 (ja) | オクルージョン制御装置 | |
CN112758092B (zh) | 高速公路匝道限速控制方法、***、车辆及存储介质 | |
US11480967B2 (en) | Pass route planning method and apparatus, device and readable storage medium | |
EP3667556A1 (en) | Autonomous lane change | |
US11351873B2 (en) | Driving assistance method for assistance of a power-intensive driving manoeuver of a subject vehicle, and driving assistance system for a power-intensive driving manoeuver of a subject vehicle | |
CN107848537A (zh) | 自动驾驶辅助装置、自动驾驶辅助方法以及自动驾驶辅助程序 | |
CN110843789A (zh) | 一种基于时序卷积网络的车辆换道意图预测方法 | |
EP4316935A1 (en) | Method and apparatus for obtaining lane change area | |
CN111038488B (zh) | 一种混合动力汽车的能量优化控制方法及装置 | |
CN106715223A (zh) | 用于通知驾驶员的方法和机动车 | |
CN114987498A (zh) | 自动驾驶车辆的拟人化轨迹规划方法、装置、车辆及介质 | |
CN113071491B (zh) | 一种用于自动驾驶汽车的自主超车方法及其*** | |
CN113022586A (zh) | 一种车辆行为预测方法、装置及存储介质 | |
CN114115209A (zh) | 一种车辆、车辆避障方法及装置 | |
CN111784142A (zh) | 高级驾驶辅助***任务复杂度量化模型 | |
CN112158206B (zh) | 一种智能车强制换道汇入点确定方法及装置 | |
Shaout et al. | ADAS Technology Classifications Using a Modified Agile Process | |
US11987247B2 (en) | Scenario-based motion planning and control for coasting | |
US11970166B2 (en) | Speed generation in cautious driving for autonomous vehicles | |
CN115431981B (zh) | 一种基于高精度地图的驾驶辅助识别*** | |
Wang et al. | The optimal maneuver decision of collision avoidance for autonomous vehicle in emergency conditions. |
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 |