CN114103995A - 用于交通路口场景下的无人车的控制方法、装置及无人车 - Google Patents
用于交通路口场景下的无人车的控制方法、装置及无人车 Download PDFInfo
- Publication number
- CN114103995A CN114103995A CN202111403857.4A CN202111403857A CN114103995A CN 114103995 A CN114103995 A CN 114103995A CN 202111403857 A CN202111403857 A CN 202111403857A CN 114103995 A CN114103995 A CN 114103995A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- intersection
- road
- traffic intersection
- roads
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000013598 vector Substances 0.000 claims abstract description 59
- 230000006399 behavior Effects 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000003542 behavioural effect Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种用于路口场景下的无人车控制方法、装置及无人车。该方法包括:规划出无人车在高清地图中自起始点至目标点的路径,并预先加载指定交通路口的高清地图;当所述无人车处于所述路径中的交通路口的路口连接区时,得到与所述路口连接区相关联的多条道路对应的向量信息,根据所述向量信息确定出多条道路之间的空间位置关系,以及确定出所述路径所经过的道路;生成所述无人车通过所述交通路口的行为决策,根据所述行为决策执行自动驾驶。本申请提供的方案,避免了相关技术中的方案占用大量的计算资源的缺陷,且便于实施。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及用于路口场景下的无人车控制方法、装置及无人车。
背景技术
自动驾驶***是利用各种车载传感器和决策规划控制算法来实现车辆的变道、汇流、超车、跟车,转向等行为。由于现实的道路场景的多样性,需要在决策规划控制中针对不同场景给出不同的行为策略。
相关技术中,交通路口场景下的无人车行为的规划与控制依然是自动驾驶车辆控制领域一大难点,主要是因为交通路口场景的复杂性导致。针对交通路口场景,其首要任务是能够决策出无人车在路口应采用什么样的动作行为,如直行、左转、右转、掉头等,而相关技术中针对交通路口场景的行为决策的方案比较复杂,会占用大量的计算资源,且不易实施。
发明内容
为解决或部分解决相关技术中存在的问题,本申请提供一种用于交通路口场景下的无人车控制方法、装置及无人车,避免了相关技术中的方案占用大量的计算资源的缺陷,且便于实施。
本申请第一方面提供一种用于交通路口场景下的无人车控制方法,包括:
规划出无人车在高清地图中自起始点至目标点的路径,并预先加载指定交通路口的高清地图;
当所述无人车处于所述交通路口的路口连接区时,得到与所述路口连接区相关联的多条道路对应的向量信息,根据所述向量信息确定出多条道路之间的空间位置关系,以及确定出所述路径所经过的道路;
生成所述无人车通过所述交通路口的行为决策,根据所述行为决策执行自动驾驶。
在其中一种实现方式中,所述得到与所述路口连接区相关联的多条道路对应的向量信息之前,包括:
依次取所述路径上的至少两个位置点,在所述高清地图中搜索至少两个所述位置点是否处于所述路口连接区,若处于所述路口连接区,则根据至少两个所述位置点对应的向量信息得到当前无人车所处路段的空间位置信息。在其中一种实现方式中,所述得到与所述路口连接区相关联的多条道路对应的向量信息,包括:
得到与所述路口连接区相关联的多条道路的集合,在所述集合中依次查找每条所述道路的中心线,在每条所述道路的中心线上依次确定出至少两个位置点,并得到对应于每条道路的向量信息。
在其中一种实现方式中,所述根据所述向量信息确定出多条道路之间的空间位置关系,包括:
根据所述向量信息确定出与所述路口连接区相关联的多条道路之间的夹角。
在其中一种实现方式中,所述根据所述向量信息确定出与所述路口连接区相关联的多条道路之间的夹角之后,包括:
将多条所述道路根据所述夹角的大小排序生成矩阵。
在其中一种实现方式中,所述确定出所述路径所经过的所述道路,包括:
得到所述无人车在交通路口的驶入路段的空间位置信息,以及得到所述无人车在交通路口的驶出路段的空间位置信息;
根据所述驶入路段和所述驶出路段的空间位置信息确定出所述路径所经过的道路。
在其中一种实现方式中,所述根据所述空间位置关系生成所述无人车通过所述交通路口的行为决策,包括:
分别得到所述驶入路段和所述驶出路段在所述矩阵中位置和夹角,根据所述位置和夹角生成所述无人车通过所述交通路口的行为决策。
本申请第二方面提供一种用于交通路口场景的无人车控制装置,其特征在于,包括:
规划模块,用于规划出无人车在高清地图中自起始点至目标点的路径;
确定模块,用于当所述无人车处于所述路径中的交通路口的路口连接区时,确定出与所述路口连接区相关联的多条道路之间的空间位置关系,以及确定出所述路径所经过的道路;
执行模块,用于生成所述无人车通过所述交通路口的行为决策,根据所述行为决策执行自动驾驶。
在其中一种实现方式中,确定模块包括:
位置点获取子模块,依次取所述路径上的至少两个位置点,在所述高清地图中搜索至少两个所述位置点是否处于所述路口连接区;
处理子模块,用于若所述位置点获取子模块搜索到至少两个所述位置点处于所述路口连接区,则根据至少两个所述位置点对应的向量信息得到当前无人车所处路段的空间位置信息。
本申请第三方面提供一种无人车,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果:
本申请实施例提供的技术方案,首先规划出无人车自起始点至目标点的路径,并预先加载指定交通路口的高清地图;然后当无人车处于交通路口的路口连接区时,得到与所述路口连接区相关联的多条道路对应的向量信息,根据所述向量信息确定出多条道路之间的空间位置关系,以及确定出路径所经过的道路,最后生成无人车通过交通路口的行为决策,根据所述行为决策执行自动驾驶。这样处理后,在无人车通过交通路口时,避免了相关技术中的方案占用大量的计算资源的缺陷,且便于实施。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细地描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的用于交通路口场景下的无人车控制方法的流程示意图;
图2是本申请实施例示出的用于交通路口场景下的无人车控制方法的另一流程示意图;
图3是本申请实施例示出的用于交通路口场景下的无人车控制方法的另一流程示意图;
图4是本申请实施例示出的用于交通路口场景的无人车控制装置的结构示意图;
图5是本申请实施例示出的用于交通路口场景的无人车控制装置的另一结构示意图;
图6是本申请实施例示出的无人车的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
相关技术中,交通路口场景下的无人车行为的规划与控制依然是自动驾驶无人车控制领域一大难点,主要是因为交通路口场景的复杂性导致。针对交通路口场景,其首要任务是能够决策出无人车在路口应采用什么样的动作行为,如直行、左转、右转、掉头等,而相关技术中针对交通路口场景的行为决策的方案比较复杂,会占用大量的计算资源,且不易实施。
针对上述问题,本申请实施例提供一种用于交通路口场景下的无人车控制方法、装置及无人车,简化了无人车通过交通路口处理方法,避免了相关技术中的方案占用大量的计算资源的缺陷,便于实施。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的用于交通路口场景下的无人车控制方法的流程示意图。
参见图1,本申请实施例的方法包括:
步骤S101,规划出无人车在高清地图中自起始点至目标点的路径,并预先加载指定交通路口的高清地图。
该步骤中,无人车也称无人驾驶车或自动驾驶车,路径的规划可以基于自动驾驶的高清地图,也就是说,可以在高清地图上确定出连接于起始点和目标点之间的路径。
步骤S102,当无人车处于路径中的交通路口的路口连接区时,得到与路口连接区相关联的多条道路对应的向量信息,根据向量信息确定出多条道路之间的空间位置关系,以及确定出路径所经过的道路。
该步骤中,路口连接区可以交通路口中多条道路相连接的区域,可以在高清地图的数据容器中搜索当前无人车是否处于交通路口的路口连接区,当处于路口连接区时,分别获取与路口连接区相关联的多条道路对应的向量信息,根据获取的向量信息确定出多条道路之间的空间位置关系。
其中,空间位置关系例如可以包括多条道路的位置、多条道路的方向和多条道路之间的夹角。
步骤S103,生成无人车通过交通路口的行为决策,根据行为决策执行自动驾驶。
该步骤中,可以生成自动驾驶无人车执行直行、左转、右转或掉头的行为决策。
可以看出,本申请实施例提供的方法,首先规划出无人车自起始点至目标点的路径;然后当无人车处于交通路口的路口连接区时,通过向量信息获取与路口连接区相关联的多条道路之间的空间位置关系,以及确定出路径所经过的道路,最后生成无人车通过交通路口的行为决策,根据行为决策执行自动驾驶。这样处理后,简化了无人车通过交通路口处理方法,便于实施。
图2是本申请实施例示出的用于交通路口场景下的无人车控制方法的另一流程示意图,图2相比图1更进一步地介绍了本申请实施例的方案。
参见图2,本申请实施例的方案包括:
步骤S201,规划出无人车在高清地图中自起始点至目标点的路径,并预先加载指定交通路口的高清地图。
可以通过全局路径规划算法生成路径,并离散存储容器V中。
本实施例的全局路径规划算法例如可以包括Dijkstra(迪杰斯特拉算法)算法或A*(A-Star)算法。
Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径,主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。A*(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法,也是解决许多搜索问题的有效算法,算法中的距离估算值与实际值越接近,最终搜索速度越快。
步骤S202,当无人车处于交通路口的路口连接区时,得到与路口连接区相关联的多条道路对应的向量信息。
该步骤中,可以依次取路径上的至少两个位置点,在数据容器V中搜索位置点至少两个位置点是否处于交通路口连接区。
可以依次在多条道路的中心线上取至少两个位置点,根据至少两个位置点得到每条道路对应的向量信息。
步骤S203,根据向量信息确定出与路口连接区相关联的多条道路之间的夹角,将多条道路根据夹角的大小排序生成矩阵。
该步骤中,可以根据预设的公式计算出每条道路对应的向量之间的夹角,由于向量在道路的中心线上,因此,不同向量之间的夹角也是不同道路之间的夹角。然后,将多条道路按照夹角从小到大逆时针排列生成矩阵。
步骤S204,根据无人车在交通路口的驶入路段和驶出路段在矩阵中对应的空间位置信息,生成无人车通过交通路口的行为决策,并执行自动驾驶。
该步骤中,可以在路径中依次取对应于驶入路段和驶出路段的位置点,根据位置点得到驶入路段和驶出路段的向量,依照驶入路段和驶出路段在在矩阵中的位置和夹角生成无人车通过交通路口的行为决策,无人车根据该行为决策执行自动驾驶。
可以看出,本申请实施例提供的方案,是通过计算与路口连接区相关联的多条道路的向量来计算出多条道路的空间位置信息,再确定出无人车在路径上的驶入路段和驶出路段在矩阵中对应的空间位置信息,空间位置信息例如位置和夹角,最后生成无人车通过交通路口的行为决策,这样处理后,简化了无人车通过交通路口处理方法,避免了相关技术中的方案采用神经网络、视觉法、曲线拟合曲率法等方法占用大量的计算资源的缺陷,便于实施。
图3是本申请实施例示出的用于交通路口场景下的无人车控制方法的另一流程示意图,图3相比图1和图2,更详细地介绍了本申请实施例的方案。
参见图3,本申请实施例的方案包括:
步骤S301,规划出无人车自起始点至目标点的路径,并预先加载指定交通路口的高清地图。
该步骤中,可以通过全局路径规划算法生成路径,并离散存储容器V中,即数据容器V中可存储有用于自动驾驶的高清地图数据和规划出的路径数据。
步骤S302,依次取路径上的至少两个位置点。
该步骤中,可以在数据容器V中依次取路径上的点Pi,其中,i表示位置点的取点数量,若i≥2时,可以取位置点Pi-1和位置点Pi-2,
步骤S303,判断至少两个位置点是否处于路口连接区,若处于路口连接区,则进入步骤S304;若不处于路口连接区,则返回步骤S302,直到数据容器V为空。
该步骤中,可以判断位置点Pi-2和位置点Pi-1是否处于路口连接区。
步骤S304,获取当前无人车在路口连接区的驶入路段的空间位置信息。
该步骤中,若位置点Pi中的i≥2时,通过位置点Pi-2,Pi-1组成的向量(R0,Pi-2,R0,Pi-1)来表示当前道路在交通路口的驶入路段Rin的空间位置信息,该驶入路段也是当前无人车在路口连接区所处路段。类似地,可以获取当前道路在交通路口的驶出路段Rout的空间位置信息。
步骤S305,获取与路口连接区相关联的多条道路的道路集合,得到对应于道路集合中每条道路的向量信息。
该步骤中,当无人车处于路口连接区时,首先查找与路口连接区相关联的所有道路的集合Route={R0,R1,R2…Rn},其中,R表示道路,n表示道路的数量;然后,依次查找每条道路R的中心线并在交通路口建立直角坐标系,在直角坐标系中对应的每条道路的中心线上取与路口连接区连接的第一个坐标点(Rn,,P0)和每条道路的中心线上随后第二个坐标点(Rn,P1),这样可以组成和每条道路对应的向量坐标(Rn,P0,Rn,P1)。
步骤S306,根据向量信息确定出与路口连接区相关联的多条道路之间的夹角,将多条道路根据夹角的大小排序生成矩阵。
该步骤中,多条道路之间的夹角可以是相邻道路之间的夹角,也可以是不相邻的两条不同道路之间的夹角。一种实现方式中,可以根据获取位置点的坐标计算出各道路对应的向量的坐标,并根据各道路对应的向量坐标计算出道路之间的夹角,例如,当不同道路间的夹角为R时,可以根据如下公式计算出R的值:
其中,a和b表示空间内的两个向量的坐标,向量a和向量b分别对应于不同的道路,|a|和|b|为向量a和向量b的模。
然后,可以将多条道路按照夹角从小到大排列生成矩阵MR,可以以多条道路的虚拟交点为中心点,然后将多条道路根据夹角大小以中心点逆时针排列生成矩阵,可以理解的,该矩阵也可以理解为是多条道路按照夹角大小排列后集合。
步骤S307,得到当前无人车通过路口连接区时的驶出路段的空间位置信息。
该步骤中,可以依次取路径上的位置点Pi,在高清地图数据中搜索位置点Pi是否经过路口连接区,若道路的ID保持不变,即高精地图中的道路的ID和矩阵MR中的道路信息相对应,道路的ID可以是高精地图数据中记录的道路信息,矩阵中MR中的道路信息可以是根据道路的向量计算出的道路信息,例如道路的方向、道路之间的夹角等。如此,则可以判断出当前无人车所处的路段就是经过路口连接区后的驶出路段。
步骤S308,在矩阵中确定出驶入路段和驶出路段的位置和夹角,根据驶入路段和驶出路段的位置和夹角确定出路径所经过的道路。
例如,由于矩阵MR中包含多条道路的空间位置关系,因此,可以在矩阵MR中查找驶入路段Rin和驶出路段Rout对应的位置T和夹角Angle。
步骤S309,生成无人车通过交通路口的行为决策,并执行自动驾驶。
该步骤中,首先计算出矩阵MR长度值N、道路之间的夹角Aggle及不同道路的位置T,其中,长度值N也可以表示矩阵MR中的道路数量,然后根据长度值N、不同道路的位置T生成无人车通过交通路口的行为决策。
例如,以十字路口为例,若N=4,且T=1时,则生成无人车沿当前道路直行的行为策略;若N=4,且T=0,则生成无人车左转的行为策略;若N=4,且T=2,则生成无人车右转的行为策略;若N=4,T=3,且160度<Aggle≤180度时,则生成无人车掉头的行为策略。
可以看出,本申请实施例提供的方案,当无人车处于路口连接区时,通过获取与路口连接区相关联的多条道路的道路集合,得到对应于道路集合中每条道路的向量信息,并根据向量信息确定出与路口连接区相关联的多条道路之间的夹角,将多条道路根据夹角的大小排序生成矩阵,其中,在每条道路的中心线上取与路口连接区连接的第一个点和每条道路的中心线上随后第二个点组成向量,这样,通过计算向量的夹角可以得到多条道路的矩阵,最后通过获取驶入路段和驶出路段在矩阵中对应的空间位置信息来生成无人车通过交通路口的行为决策,这样处理后,进一步简化了算法,不会占用过多的计算资源。
与前述应用功能实现方法实施例相对应,本申请还提供了一种用于交通路口场景的无人车控制装置、无人车及相应的实施例。
图4是本申请实施例示出的用于交通路口场景的无人车控制装置的结构示意图。
参见图4,本申请实施例的装置包括:
规划模块410,用于规划出无人车在高清地图中自起始点至目标点的路径,并预先加载指定交通路口的高清地图。
无人车可以是无人驾驶无人车,路径的规划可以基于自动驾驶的高清地图。
确定模块420,用于当无人车处于路径中的交通路口的路口连接区时,得到与路口连接区相关联的多条道路对应的向量信息,根据向量信息确定出多条道路之间的空间位置关系,以及确定出路径所经过的道路。
路口连接区可以交通路口中多条道路相连接的区域,可以在高清地图的数据中搜索当前无人车是否处于交通路口的路口连接区。空间位置关系可以包括多条道路之间的夹角。
执行模块430,生成无人车通过交通路口的行为决策,根据行为决策执行自动驾驶。
例如,可以获取无人车在交通路口的驶入路段和驶出路段的空间位置信息,根据驶入路段和驶出路段的空间位置信息生成无人车通过交通路口的行为决策。
可以看出,本申请实施例的装置,当无人车处于交通路口的路口连接区时,能确定出路径所经过的道路,并根据空间位置关系生成无人车通过交通路口的行为决策。这样处理后,简化了无人车通过交通路口处理方法,便于实施。
图5是本申请实施例示出的用于交通路口场景的无人车控制装置的结构示意图。
参见图5,本申请实施例的装置的确定模块420包括:
位置点获取子模块421,用于依次取路径上的至少两个位置点,在高清地图中搜索至少两个位置点是否处于路口连接区。
可以依次在多条道路的中心线上取至少两个位置点,根据至少两个位置点得到每条道路对应的向量信息。
处理子模块422,用于若位置点获取子模块421搜索到至少两个位置点若处于路口连接区,则根据至少两个位置点对应的向量信息得到当前无人车所处路段的空间位置信息。
空间位置关系可以包括无人车所处路段的道路的位置和方向。
可以看出,本实施例的装置,简化了无人车通过交通路口处理方法,避免了相关技术中的方案采用神经网络、视觉法、曲线拟合曲率法等方法占用大量的计算资源的缺陷,便于实施。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不再做详细阐述说明。
图6是本申请实施例示出的无人车的结构示意图。
参见图6,无人车600包括存储器610和处理器620。
处理器620可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器610可以包括各种类型的存储单元,例如***内存、只读存储器(ROM)和永久存储装置。其中,ROM可以存储处理器620或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。***内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。***内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器610可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(例如DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器610可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器610上存储有可执行代码,当可执行代码被处理器620处理时,可以使处理器620执行上文述及的方法中的部分或全部。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质),其上存储有可执行代码(或计算机程序或计算机指令代码),当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时,使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例,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的改进,或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种用于交通路口场景下的无人车的控制方法,其特征在于,包括:
规划出无人车在高清地图中自起始点至目标点的路径,并预先加载指定交通路口的高清地图;
当所述无人车处于所述交通路口的路口连接区时,得到与所述路口连接区相关联的多条道路对应的向量信息,根据所述向量信息确定出多条道路之间的空间位置关系,以及确定出所述路径所经过的道路;
生成所述无人车通过所述交通路口的行为决策,根据所述行为决策执行自动驾驶。
2.根据权利要求1所述的方法,其特征在于,所述得到与所述路口连接区相关联的多条道路对应的向量信息之前,包括:
依次取所述路径上的至少两个位置点,在所述高清地图中搜索至少两个所述位置点是否处于所述路口连接区,若处于所述路口连接区,则根据至少两个所述位置点对应的向量信息得到当前无人车所处路段的空间位置信息。
3.根据权利要求1所述的方法,其特征在于,所述得到与所述路口连接区相关联的多条道路对应的向量信息,包括:
得到与所述路口连接区相关联的多条道路的集合,在所述集合中依次查找每条所述道路的中心线,在每条所述道路的中心线上依次确定出至少两个位置点,并得到对应于每条道路的向量信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述向量信息确定出多条道路之间的空间位置关系,包括:
根据所述向量信息确定出与所述路口连接区相关联的多条道路之间的夹角。
5.根据权利要求4所述的方法,其特征在于,所述根据所述向量信息确定出与所述路口连接区相关联的多条道路之间的夹角之后,包括:
将多条所述道路根据所述夹角的大小排序生成矩阵。
6.根据权利要求5所述的方法,其特征在于,所述确定出所述路径所经过的所述道路,包括:
得到所述无人车在交通路口的驶入路段的空间位置信息,以及得到所述无人车在交通路口的驶出路段的空间位置信息;
根据所述驶入路段和所述驶出路段的空间位置信息确定出所述路径所经过的道路。
7.根据权利要求6所述的方法,其特征在于,所述生成所述无人车通过所述交通路口的行为决策,包括:
分别得到所述驶入路段和所述驶出路段在所述矩阵中位置和夹角,根据所述位置和夹角生成所述无人车通过所述交通路口的行为决策。
8.一种用于交通路口场景的自动驾驶无人车的控制装置,其特征在于,包括:
规划模块,用于规划出无人车在高清地图中自起始点至目标点的路径,并预先加载指定交通路口的高清地图;
确定模块,用于当所述无人车处于所述交通路口的路口连接区时,得到与所述路口连接区相关联的多条道路对应的向量信息,根据所述向量信息确定出多条道路之间的空间位置关系,以及确定出所述路径所经过的道路;
执行模块,用于生成所述自动驾驶无人车通过所述交通路口的行为决策,根据所述行为决策执行自动驾驶。
9.根据权利要求8所述的装置,其特征在于,所述确定模块包括:
位置点获取子模块,用于依次获取所述路径上的至少两个位置点,在所述高清地图中搜索至少两个所述位置点是否处于所述路口连接区;
处理子模块,用于若搜索到至少两个所述位置点处于所述路口连接区,则根据至少两个所述位置点对应的向量信息得到当前无人车所处路段的空间位置信息。
10.一种无人车,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403857.4A CN114103995A (zh) | 2021-11-24 | 2021-11-24 | 用于交通路口场景下的无人车的控制方法、装置及无人车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403857.4A CN114103995A (zh) | 2021-11-24 | 2021-11-24 | 用于交通路口场景下的无人车的控制方法、装置及无人车 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114103995A true CN114103995A (zh) | 2022-03-01 |
Family
ID=80372043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111403857.4A Pending CN114103995A (zh) | 2021-11-24 | 2021-11-24 | 用于交通路口场景下的无人车的控制方法、装置及无人车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114103995A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105277203A (zh) * | 2014-06-30 | 2016-01-27 | 高德信息技术有限公司 | 一种导航动作的生成方法、导航方法和设备 |
CN106931977A (zh) * | 2015-12-31 | 2017-07-07 | 北京四维图新科技股份有限公司 | 一种指示电子地图引导路径的方法及装置 |
CN110162050A (zh) * | 2019-05-22 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 行驶控制方法及行驶控制*** |
CN110599570A (zh) * | 2019-09-17 | 2019-12-20 | 武汉中海庭数据技术有限公司 | 基于众包数据开放场景下的地图生成方法及*** |
CN111951586A (zh) * | 2020-08-07 | 2020-11-17 | 武汉中海庭数据技术有限公司 | 一种车道选择方法、装置、电子设备及存储介质 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、***、存储介质及电子设备 |
CN113532448A (zh) * | 2020-04-13 | 2021-10-22 | 广州汽车集团股份有限公司 | 一种自动驾驶车辆的导航方法及其***、驾驶控制设备 |
-
2021
- 2021-11-24 CN CN202111403857.4A patent/CN114103995A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105277203A (zh) * | 2014-06-30 | 2016-01-27 | 高德信息技术有限公司 | 一种导航动作的生成方法、导航方法和设备 |
CN106931977A (zh) * | 2015-12-31 | 2017-07-07 | 北京四维图新科技股份有限公司 | 一种指示电子地图引导路径的方法及装置 |
CN110162050A (zh) * | 2019-05-22 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 行驶控制方法及行驶控制*** |
CN110599570A (zh) * | 2019-09-17 | 2019-12-20 | 武汉中海庭数据技术有限公司 | 基于众包数据开放场景下的地图生成方法及*** |
CN113532448A (zh) * | 2020-04-13 | 2021-10-22 | 广州汽车集团股份有限公司 | 一种自动驾驶车辆的导航方法及其***、驾驶控制设备 |
CN111951586A (zh) * | 2020-08-07 | 2020-11-17 | 武汉中海庭数据技术有限公司 | 一种车道选择方法、装置、电子设备及存储介质 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、***、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3699048A1 (en) | Travelling track prediction method and device for vehicle | |
EP3703033A1 (en) | Track prediction method and device for obstacle at junction | |
EP3702230B1 (en) | Method and apparatus for planning travelling path, and vehicle | |
CN111301409A (zh) | 一种泊车路径规划方法、装置、车辆和存储介质 | |
CN112595337B (zh) | 避障路径规划方法、装置、电子装置、车辆及存储介质 | |
US20180148052A1 (en) | Drivable area setting device and drivable area setting method | |
JP2020015493A (ja) | 自動運転車両のためのオブジェクト移動を予測するための方法およびシステム | |
JP2020121714A (ja) | 最近の走行経路に対する軌跡基盤行動分析を遂行して、車両のモードを手動走行モードから自律走行モードに変更するか否かを判断する学習方法及び学習装置 | |
CN112529254A (zh) | 一种路径规划方法、装置和电子设备 | |
CN115200604B (zh) | 转弯路径规划方法、设备、车辆及存储介质 | |
CN115042788A (zh) | 交通路口通行方法、装置及电子设备、存储介质 | |
CN114834486A (zh) | 一种规划车辆掉头路径的方法、装置及设备 | |
CN115083200A (zh) | 车辆定位方法、车辆、服务器、***及存储介质 | |
CN114228741A (zh) | 用于自动驾驶车辆的车道保持方法及装置 | |
WO2020103319A1 (zh) | 一种视觉定位地图加载方法、装置、***和存储介质 | |
CN114103995A (zh) | 用于交通路口场景下的无人车的控制方法、装置及无人车 | |
CN115268463A (zh) | 避障路径规划方法、车辆及存储介质 | |
US20230009223A1 (en) | Autonomous driving apparatus for generating a driving path for an intersection based on a driving record, and an autonomous driving method thereof | |
CN116045991A (zh) | 一种车辆的外轮廓无碰撞路径规划方法及装置 | |
CN115973193A (zh) | 车辆交互方法、装置及设备 | |
CN115489544A (zh) | 路口转弯路径参考线生成方法、设备、车辆及存储介质 | |
US11628836B2 (en) | Vehicle exterior environment recognition apparatus | |
JP7043370B2 (ja) | 地図情報生成装置、および自動運転システム | |
CN115099533B (zh) | 一种多路径中位置点拼合方法、装置、设备及存储介质 | |
CN115235499A (zh) | 路径规划方法、车辆及存储介质 |
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 |