CN114179832A - 用于自动驾驶车辆的变道方法 - Google Patents

用于自动驾驶车辆的变道方法 Download PDF

Info

Publication number
CN114179832A
CN114179832A CN202111639588.1A CN202111639588A CN114179832A CN 114179832 A CN114179832 A CN 114179832A CN 202111639588 A CN202111639588 A CN 202111639588A CN 114179832 A CN114179832 A CN 114179832A
Authority
CN
China
Prior art keywords
lane
autonomous vehicle
vehicle
obtaining
lane change
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
Application number
CN202111639588.1A
Other languages
English (en)
Other versions
CN114179832B (zh
Inventor
封志奇
于宁
潘安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
Apollo Zhilian Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Apollo Zhilian Beijing Technology Co Ltd filed Critical Apollo Zhilian Beijing Technology Co Ltd
Priority to CN202111639588.1A priority Critical patent/CN114179832B/zh
Publication of CN114179832A publication Critical patent/CN114179832A/zh
Application granted granted Critical
Publication of CN114179832B publication Critical patent/CN114179832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开提供了一种用于自动驾驶车辆的变道方法，涉及人工智能技术领域，尤其涉及自动驾驶技术领域。实现方案为：获取自主车辆的当前车道和当前位置；基于当前位置，预测自主车辆从当前车道变道到目标车道的变道时间和自主车辆的变道冲突区域；基于当前位置，获得自主车辆周围的目标车辆对应于变道时间内的多个时间点的行驶轨迹点集合，行驶轨迹点集合中的每一个轨迹点指示目标车辆在多个时间点中的对应时间点处的预测位置；响应于行驶轨迹点集合中的任一轨迹点所指示的预测位置位于变道冲突区域中，将目标车辆确定为障碍车辆；以及基于障碍车辆的行驶轨迹点集合，获得决策结果，决策结果指示自主车辆是否变道。

Description

用于自动驾驶车辆的变道方法
技术领域
本公开涉及数据处理技术领域，尤其涉及自动驾驶技术领域，具体涉及一种用于自动驾驶车辆的变道方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
在自动驾驶领域，越来越多的自动驾驶车辆被研发并投入使用，并成为交通物流等领域的有力竞争者。随着自动驾驶车辆带来的便利性被越来越多的人接受，自动驾驶的安全性问题也逐渐引起人们的关注。
自动驾驶变道技术是实现自动驾驶的关键技术之一。自动驾驶变道技术中的变道决策过程，根据自动驾驶车辆自身以及其周围的环境进行变道决策，以决定自动驾驶车辆是否变道。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种用于自动驾驶车辆的变道方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种用于自动驾驶车辆的变道方法，包括：获取自主车辆的当前车道和当前位置；基于所述当前位置，预测所述自主车辆从所述当前车道变道到目标车道的变道时间和所述自主车辆的变道冲突区域；获得所述自主车辆周围的目标车辆对应于所述变道时间内的多个时间点的行驶轨迹点集合，所述行驶轨迹点集合中的每一个轨迹点指示所述目标车辆在所述多个时间点中的对应时间点处的预测位置；响应于所述行驶轨迹点集合中的任一轨迹点所指示的预测位置位于所述变道冲突区域中，将所述目标车辆确定为障碍车辆；以及基于所述障碍车辆的所述行驶轨迹点集合，获得决策结果，所述决策结果指示所述自主车辆是否变道。
根据本公开的另一方面，提供了一种用于自动驾驶车辆的变道装置，包括：第一获取单元，被配置用于获取自主车辆的当前车道和当前位置；第一预测单元，被配置用于基于所述当前位置，预测所述自主车辆从所述当前车道变道到目标车道的变道时间和所述自主车辆的变道冲突区域；第二获取单元，被配置用于获得所述自主车辆周围的目标车辆对应于所述变道时间内的多个时间点的行驶轨迹点集合，所述行驶轨迹点集合中的每一个轨迹点指示所述目标车辆在所述多个时间点中的对应时间点处的预测位置；第一确定单元，被配置用于响应于所述行驶轨迹点集合中的任一轨迹点所指示的预测位置位于所述变道冲突区域中，将所述目标车辆确定为障碍车辆；以及决策单元，被配置用于基于所述障碍车辆的所述行驶轨迹点集合，获得决策结果，所述决策结果指示所述自主车辆是否变道。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的实施例中所述的用于自动驾驶车辆的变道方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开的实施例中所述的用于自动驾驶车辆的变道方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现本公开的实施例中所述的用于自动驾驶车辆的变道方法。
根据本公开的另一方面，提供了一种自动驾驶车辆，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的实施例中所述的用于自动驾驶车辆的变道方法。
根据本公开的一个或多个实施例，通过基于本车车辆的变道时间，获得变道冲突区域，使后续根据该变道冲突区域预测障碍车辆的过程中，对于预计会驶入变道冲突区域的车辆(例如位于目标车道和目标车道相邻车道(区别于本车所在的车道)上的车)均作为障碍车辆，并将其运动轨迹纳入最后变道决策的判断，提升决策的准确性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图；
图2示出了根据本公开的实施例的用于自动驾驶车辆的变道方法的流程图；
图3示出了根据本公开的实施例的用于自动驾驶车辆的变道方法中预测自主车辆从当前车道变道到目标车道的变道时间的过程的流程图；
图4示出了根据本公开的实施例的实现用于自动驾驶车辆的变道方法的场景图；
图5示出了根据本公开的实施例的用于自动驾驶车辆的变道方法中基于障碍车辆的行驶轨迹点集合获得决策结果的过程的流程图；
图6示出了可以实现根据本公开的实施例的用于自动驾驶车辆的变道方法中基于多个时间点对应的多个差值获得决策结果的过程的流程图；
图7示出了可以实现根据本公开的实施例的用于自动驾驶车辆的变道方法中基于多个差值的统计学特征获得风险分析结果的过程的流程图；
图8示出了根据本公开的实施例的用于自动驾驶车辆的变道装置的结构框图；以及
图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1，该***100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
在本公开的实施例中，机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
服务器120可以运行使得能够执行用于自动驾驶车辆的变道方法的一个或多个服务或软件应用。在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的***配置是可能的，其可以与***100不同。因此，图1是用于实施本文所描述的各种方法的***的一个示例，并且不旨在进行限制。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
网络130可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是卫星通信网络、局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(包括例如蓝牙、WiFi)和/或这些与其他网络的任意组合。
***100还可以包括一个或多个数据库150。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件***支持的常规存储库。
机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个：视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周，用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。
机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如，北斗、GPS、GLONASS以及GALILEO)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块，移动通信网络可以实施任何适合的通信技术，例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置112还可以具有车联网或车联万物(Vehicle-to-Everything，V2X)模块，被配置用于实现例如与其它车辆143进行车对车(Vehicle-to-Vehicle，V2V)通信和与基础设施144进行车辆到基础设施(Vehicle-to-Infrastructure，V2I)通信的车与外界的通信。此外，通信装置112还可以具有被配置为例如通过使用IEEE802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112，机动车辆110还可以经由网络130接入服务器120。
机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器，例如中央处理单元(CPU)或图形处理单元(GPU)，或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶***。自动驾驶***被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向***以及制动***等以分别控制加速、转向和制动，而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如，可以使用车载处理器执行某一些处理，而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外，控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
图1的***100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
参看图2，根据本公开的一些实施例的用于自动驾驶车辆的变道方法200，包括：
步骤S210：获取自主车辆的当前车道和当前位置；
步骤S220：基于所述当前位置，预测所述自主车辆从所述当前车道变道到目标车道的变道时间和所述自主车辆的变道冲突区域；
步骤S230：基于所述当前位置，获得所述自主车辆周围的目标车辆对应于所述变道时间内的多个时间点的行驶轨迹点集合；以及
步骤S240：响应于所述行驶轨迹点集合中的任一轨迹点所指示的预测位置位于所述变道冲突区域中，将所述目标车辆确定为障碍车辆；以及
步骤S250：基于所述障碍车辆的所述行驶轨迹点集合，获得决策结果，所述决策结果指示所述自主车辆是否变道。
根据本公开的用于自动驾驶车辆的变道方法，在自动驾驶车辆变道的过程中，通过基于本车车辆的变道时间，获得变道冲突区域，使后续根据该变道冲突区域预测障碍车辆的过程中，对于预计会驶入变道冲突区域的车辆(例如位于目标车道和目标车道相邻车道(区别于本车所在的车道)上的车)均作为障碍车辆，并将其运动轨迹纳入最后变道决策的判断，提升决策的准确性。
在相关技术中，在变道决策过程中，基于自主车辆的预测轨迹、位于自主车辆所在的当前车道的车辆的预测轨迹和位于自主车辆要变道的目标车道上的车辆的预测轨迹作为变道决策的判断依据。例如，在自主车辆执行变道的预测时间区间中，通过基于自主车辆的预测轨迹、位于当前车道的车辆的预测轨迹以及位于目标车道上的车辆的预测轨迹，判断位于当前车道的车辆和位于目标车道的车辆是否与自主车辆存在碰撞的风险，并根据碰撞风险，进行变道决策。由于其仅仅将当前车道上的车辆和目标车道上的车辆的预测轨迹纳入变道决策的判断过程中，对于位于目标车道的远离当前车道一侧的相邻车道上的车辆不进行考量，使基于决策结果进行变道的过程中面临与位于目标车道的远离当前车道一侧的相邻车道上的车辆之间的碰撞风险。同时，若将更多的车辆的预测轨迹纳入决策考量，由于基于预测轨迹判断碰撞风险的过程是考虑了自主车辆和更多车辆中的每一个车辆的预测轨迹而进行的，使得计算量大，影响决策结果的获取效率。
在根据本公开的实施例中，首先根据自主车辆的变道时间预测变道冲突区域，使根据变道冲突区域可以对自主车辆周围的所有车辆(例如位于目标车道和目标车道相邻车道(区别于本车所在的车道)上的车辆)进行障碍车辆的预测，以实现自主车辆周围的车辆的筛选，后续基于经筛选后获得的障碍车辆的预测轨迹获得决策结果的过程中，由于障碍车辆是对自主车辆周围的所有车辆进行筛选而获得的，是决策结果的获取过程考虑了自主车辆周围的所有车辆，避免了例如位于目标车道的远离当前车道一侧的相邻车道上的车辆之间的碰撞风险导致决策结果不准确，提升决策结果的准确性。同时，由于障碍车辆经过筛选获得，其数量大大减少，可以减少基于障碍车辆和自主车辆的预测轨迹获得决策结果获得过程中的计算量，提升决策结果的获取效率。
在一些实施例中，用于自动驾驶车辆的变道方法由处理器执行，其中，自主车辆是指由处理器进行决策，以实现自动驾驶的车辆。
在一些实施例中，响应于变道指令，执行获取自主车辆的当前车道和当前位置的步骤。
在一些实施例中，变道指令是由驾驶人员发送的。在另一些实施例中，变道指令是由变道意图决策模块基于自主车辆的环境数据进行决策而发送的。例如，变道意图决策模块基于自主车辆的路径规划指向左转车道和自主车辆的当前车道的标识指示当前车道为直行车道，进行决策，发送指示自主车辆变换到左转车道的变道指令。
在一些实施例中，如图3所示，预测所述自主车辆从所述当前车道变道到目标车道的变道时间包括：
步骤S310：获得所述当前位置在垂直于所述延伸方向的第一方向上相对所述目标车道的相对距离和所述目标车道的车道宽度；以及
步骤S320：基于所述相对距离和所述目标车道的车道宽度，获得所述变道时间。
通过基于自主车辆距离目标车道的垂直距离和车道宽度，获得变道时间，简化变道时间的计算过程，从而减少计算量，节省数据处理时间，提升决策速度。
参看图4，对根据本公开的一些实施例的用于自动驾驶车辆的变道方法进行示例性介绍。
如图4所示，位于当前车道401的自主车辆410预计将向目标车道402进行变道，其中目标车道402上具有第一车辆420，与目标车道402相邻的区别于当前车道401的相邻车道403上具有第二车辆430。其中，自主车辆410、第一车辆420以及第二车辆430的当前位置以实线框表示，自主车辆410、第一车辆420以及第二车辆430的预测位置以虚线框表示。
在预测自主车辆410从当前车道401变道到目标车道402的变道时间的过程中，采用公式(1)获得变道时间T，其中
Figure BDA0003443570740000091
其中，d为自主车辆401的当前位置在垂直与目标车道402的延伸方向上相对目标车道402的相对距离；w为目标车道402的车道宽度；以及ΔT为跨一个车道的宽度w进行变道的时间。
在一些实施例中，基于自主车辆上的摄像装置获得自主车辆的当前位置在垂直于目标车道的延伸方向的第一方向上相对目标车道的相对距离和目标车道的车道宽度。
在一些实施例中，基于高精度地图，获得自主车辆的当前位置在垂直于目标车道的延伸方向的第一方向上相对目标车道的相对距离和目标车道的车道宽度。
在一些实施例中，在获得变道时间之后，进一步获得自主车辆的变道冲突区域。继续参看图4，获得变道冲突区域404。
在一些实施例中，获得变道冲突区域的方法包括获取目标车道上具有预设长度的分段，其中，该分段的起始位置与自主车辆的当前位置齐平。
在一些实施例中，获得变道冲突区域的方法包括基于自主车辆的当前车速和变道时间获得变道冲突区域。其中，变道冲突区域至少覆盖目标车道在延伸方向上的分段，该分段的第一端与所述当前位置齐平，该分段的第二端与第一端之间的距离不小于该自主车辆的预测行驶距离，该预测行驶距离是基于该自主车辆的当前速度预测该自主车辆在所述当前车道上匀速运动所述变道时间所获得的。
变道冲突区域基于自主车辆匀速运动的假设获得，一方面使变道冲突区域的获取方法简单，另一方面使变道冲突区域的获取与自主车辆的当前车速相关，提升变道冲突区域的准确性。
在一些实施例中，变道冲突区域在垂直于所述延伸方向的第一方向上从自主车辆靠近所述目标车道的一侧至少延伸到目标车道的远离所述自主车辆的一侧。
在一些实施例中，获得自主车辆周围的目标车辆对应于所述变道时间内的多个时间点的行驶轨迹点集合包括：获取自主车辆周围的目标车辆在预设时间段内的预测轨迹，其中该预测轨迹包括多个轨迹点；基于该多个轨迹点、该预设时间段和变道时间，获得该多个轨迹点中的对应于变道时间的行驶轨迹点集合。
在一些实施例中，基于预测模块获得目标车辆在预设时间段内的预测轨迹。预测模块例如可以采用神经网络基于目标车辆的车速和位置获得预测轨迹。在一些实施例中，对于位于自主车辆周围的多个目标车辆中的每一个目标车辆，均采用预测模块预测其预测轨迹。在另一些实施例中，预测模块还预测自主车辆的预测轨迹。
在一些实施例中，预测轨迹所包括的多个轨迹点采用世界空间坐标系中的坐标表示，例如对应于时间点t的轨迹点表示为(xt，yt)。在一些实施例中，变道冲突区域表示为位于世界坐标系中的点集(x，y)，其中，x1<x<x2,y1<y<y2，x1、x2、y1和y2是变道冲突区域位于世界空间的边界。
在一些实施例中，通过将xt与x1和x2进行比较，以及将yt与y1和y2进行比较，判断目标车辆的预测轨迹行驶轨迹点集合中的轨迹点所指示的预测位置是否位于变道冲突区域。
在一些实施例中，响应于x1<xt<x2并且y1<yt<y2，确定目标车辆的预测轨迹行驶轨迹点集合中的对应于时间点t的轨迹点(xt，yt)所指示的预测位置是否位于变道冲突区域。
在一个示例中，如图4所示，将第一车辆420以及第二车辆430分别作为自主车辆410的目标车辆，采用变道冲突区域404对第一车辆420以及第二车辆430的预测轨迹(虚线框表示)进行判断后，确定第一车辆420以及第二车辆430均为自主车辆410的障碍车辆。
在一些实施例中，如图5所示，基于所述障碍车辆的所述行驶轨迹点集合，获得决策结果包括：
步骤S510：获得所述自主车辆在所述变道时间内进行变道时对应于所述多个时间点的变道轨迹点集合，所述变道轨迹点集合中的每一个轨迹点指示所述自主车辆在所述多个时间点中的对应时间点处的预测位置；
步骤S520：对于所述多个时间点中的每一个时间点，获得在所述行驶轨迹点集合中的对应于该时间点的第二轨迹点在所述延伸方向上相对于预设位置的第一距离，和在所述变道轨迹点集合中的对应于该时间点的第一轨迹点在所述延伸方向上相对于所述预设位置的第二距离，并且利用所述第二距离减去所述第一距离，以获得差值；以及
步骤S530：基于所述多个时间点对应的多个差值，获得所述决策结果。
通过自主车辆的变道预测轨迹和障碍车辆的行驶预测轨迹中，多个轨迹点在沿着目标车道的延伸方向上的多个距离之间的差值，获得主车车辆是否与障碍车辆碰撞的预测结果，从而获得决策结果，该决策结果与自主车辆和障碍车辆的多个轨迹点相关，减少误差，提升决策结果的准确性。
在一个示例中，采用基于目标车道中心线的Frenet坐标系中的横纵坐标(l，s)表示变道轨迹点集合中的每一个轨迹点和行驶轨迹点集合中的每一个轨迹点。
在Frenet坐标系中，纵轴为目标车道的中心线，横轴垂直于目标车道的中心线。在自主车辆行驶过程中，随着自主车辆位置的变化，Frenet坐标系的坐标原点发生变化。
在根据本公开的实施例中，将障碍车辆的行驶轨迹点集合中的每一个轨迹点和自主车辆的变道轨迹点集合中的每一个轨迹点均表示为横纵坐标(l，s)，则横坐标l指示轨迹点偏离目标车道的中心线的距离，纵坐标指示沿着目标车道的中心线轨迹点距离Frenet坐标系原点的距离。
在根据本公开的实施例中，在相同的多个时间点处获得障碍车辆的行驶轨迹点集合和自主车辆的变道轨迹点集合，使得行驶轨迹点集合中的多个轨迹点和变道轨迹点集合中的多个轨迹点一一对应，利用Frenet坐标系表示行驶轨迹点集合和变道轨迹点集合中的每一个轨迹点，行驶轨迹点集合中的每一个轨迹点的纵坐标为第一距离，变道轨迹点集合中的每一个轨迹点的横坐标为第二距离。利用行驶轨迹点集合和变道轨迹点集合中对应的轨迹点的纵坐标就可以计算步骤S520中第二距离减去第一距离的差值。
参看图4，获得自主车辆410的变道轨迹点集合中的对应于多个时间点(例如，时间点t0、t1和t2)多个轨迹点，例如轨迹点(l0，s0)、(l1，s1)和(l2，s2)以及获得第一车辆420(也是障碍车辆)的行驶轨迹点集合中的对应于多个时间点(例如，时间点t0、t1和t2)多个轨迹点，例如轨迹点(l′0，s′0)、(l′1，s′1)和(l′2，s′2)。在步骤S520中，对于多个时间点中的每一个时间点，获得差值，例如，对于时间点t0，获得差值Δs0＝s′0-s0；同样，对于时间点t1，获得Δs1＝s′1-s1；对于时间点t2，获得Δs2＝s′2-s2；。
在一些实施例中，基于多个时间点对应的多个差值获得决策结果包括：
响应于所述多个差值中的第一差值大于零，获得所述决策结果，所述决策结果指示所述自主车辆不变道。
当多个差值中的第一差值大于零时，说明有碰撞的可能性，做出不变道的决策结果，保证行车安全性。
在一些实施例中，参看图6，基于所述多个时间点对应的多个差值，获得所述决策结果包括：
步骤S610：基于所述多个差值的统计学特征，获得风险分析结果，所述风险分析结果指示所述障碍车辆和所述自主车辆之间是否存在碰撞风险；以及
步骤S620：基于所述风险分析结果，获得所述决策结果。
基于多个差值的统计学特征获得决策结果，提升决策结果的准确性的同时，减少计算量，提升决策效率。同时，在根据本公开的实施例中，通过基于多个差值的统计学特征获得决策结果获得风险分析结果，能够克服基于匀速运动假设获得变道冲突区域过程带来的估计不准确问题，提升所获得的决策结果的准确性。
在一些实施例中，多个差值的统计学特征包括多个差值的均值、标准差或者方差等。
在一些实施例中，基于均值大于预设值，确定障碍车辆与自主车辆之间存在碰撞风险。
在一些实施例中，如图7所示，基于所述多个差值的统计学特征，获得风险分析结果包括：
步骤S710：获得所述多个差值的标准偏差σ和均值μ；
步骤S720：响应于确定μ与3σ之和大于零，获得所述风险分析结果，所述风险分析结果指示所述障碍车辆和所述自主车辆之间存在碰撞风险。
通过获得多个差值的标准偏差和均值进行3-sigma法则的判断，确定μ与3σ之和(即μ+3σ)大于0时，确定障碍车辆与自主车辆之间存在碰撞风险，进一步提升风险分析结果的准确性。
在3-sigma法则的判断过程中，若数据服从正态分布，则异常值被定义为一组结果值中与平均值的偏差超过三倍标准差的值。即在正态分布的假设下，距离平均值三倍标准差之外的值出现的概率很小，因此可认为是异常值。根据3-sigma法则获得风险分析结果，使风险分析结果的结果可靠，进一步提升决策结果的准确性。
在一些实施例中，响应于所述风险分析结果指示所述障碍车辆和所述自主车辆之间存在碰撞风险，获得所述决策结果，所述决策结果指示所述自主车辆不变道。
在一些实施例中，响应于所述决策结果指示所述自主车辆不变道，更新所述当前位置，以获得更新的位置；其中，所述获取自主车辆的当前车道和当前位置还包括：将所述更新的位置确定为当前位置。
在不变道的情况下，在自主车辆的行驶过程，基于自主车辆的当前位置的更新，持续进行根据本方案的检测，直到决策结果指示自主车辆可以变道之后，进行变道。
在一些实施例中，根据本公开的用于自用驾驶车辆的变道方法针对车辆位置的变化循环执行步骤S210-步骤S250，直到决策结果指示自主车辆可以变道。
在一些实施例中，自主车辆通过构建虚拟障碍物，获得变道缓冲区域，并响应于风险分析结果指示障碍车辆和自主车辆之间的碰撞风险不存在后，获得指示自主车辆变道的决策结果，并立即执行变道。
根据本公开的另一方面，还提供一种用于自动驾驶车辆的变道装置，参看图8，装置800包括：第一获取单元810，被配置用于获取自主车辆的当前车道和当前位置；第一预测单元820，被配置用于基于所述当前位置，预测所述自主车辆从所述当前车道变道到目标车道的变道时间和所述自主车辆的变道冲突区域；第二获取单元830，被配置用于基于所述当前位置，获得所述自主车辆周围的目标车辆对应于所述变道时间内的多个时间点的行驶轨迹点集合，所述行驶轨迹点集合中的每一个轨迹点指示所述目标车辆在所述多个时间点中的对应时间点处的预测位置；第一确定单元840，被配置用于响应于所述行驶轨迹点集合中的任一轨迹点所指示的预测位置位于所述变道冲突区域中，将所述目标车辆确定为障碍车辆；以及决策单元850，被配置用于基于所述障碍车辆的所述行驶轨迹点集合，获得决策结果，所述决策结果指示所述自主车辆是否变道。
在一些实施例中，所述第一预测单元820包括：第一获取子单元，被配置用于获得所述当前位置在垂直于所述延伸方向的第一方向上相对所述目标车道的相对距离和所述目标车道的车道宽度；以及第一计算单元，被配置用于基于所述相对距离和所述目标车道的车道宽度，获得所述变道时间。
在一些实施例中，所述变道冲突区域至少覆盖所述目标车道在延伸方向上的分段，所述分段的第一端与所述当前位置齐平，所述分段的第二端与所述第一端之间的距离不小于所述自主车辆的预测行驶距离，所述预测行驶距离是基于所述自主车辆的当前速度预测所述自主车辆在所述当前车道上匀速运动所述变道时间所获得的。
在一些实施例中，所述决策单元850包括：第二获取子单元，被配置用于获得所述自主车辆在所述变道时间内进行变道时对应于所述多个时间点的变道轨迹点集合，所述变道轨迹点集合中的每一个轨迹点指示所述自主车辆在所述多个时间点中的对应时间点处的预测位置；第二计算单元，被配置用于对于所述多个时间点中的每一个时间点，获得在所述行驶轨迹点集合中的对应于该时间点的第二轨迹点在所述延伸方向上相对于预设位置的第一距离，和在所述变道轨迹点集合中的对应于该时间点的第一轨迹点在所述延伸方向上相对于所述预设位置的第二距离，并且利用所述第二距离减去所述第一距离，以获得差值；以及决策子单元，被配置用于基于所述多个时间点对应的多个差值，获得所述决策结果。
在一些实施例中，所述决策子单元包括：第一响应单元，被配置用于响应于所述多个差值中的第一差值大于零，获得所述决策结果，所述决策结果指示所述自主车辆不变道。
在一些实施例中，所述决策子单元包括：风险分析单元，被配置用于基于所述多个差值的统计学特征，获得风险分析结果，所述风险分析结果指示所述障碍车辆和所述自主车辆之间是否存在碰撞风险；决策结果获取单元，被配置用于基于所述风险分析结果，获得所述决策结果。
在一些实施例中，所述风险分析单元包括：第三获取子单元，被配置用于获得所述多个差值的标准偏差σ和均值μ；以及第二响应单元，被配置用于响应于确定μ与3σ之和大于0，获得所述风险分析结果，所述风险分析结果指示所述障碍车辆和所述自主车辆之间存在碰撞风险。
在一些实施例中，还包括：更新单元，被配置用于响应于所述决策结果指示所述自主车辆不变道，更新所述当前位置，以获得更新的位置；其中，所述第一获取单元还包括：确定单元，被配置用于将所述更新的位置确定为当前位置。
根据本公开的另一方面，还提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的实施例所述的方法。
根据本公开的另一方面，还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
根据本公开的另一方面，还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
根据本公开的另一方面，还提供一种自动驾驶车辆，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的实施例所述的方法。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
参考图9，现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元909加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备，输入单元906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由计算单元901执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、***和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (20)

1.一种用于自动驾驶车辆的变道方法，包括：
获取自主车辆的当前车道和当前位置；
基于所述当前位置，预测所述自主车辆从所述当前车道变道到目标车道的变道时间和所述自主车辆的变道冲突区域；
获得所述自主车辆周围的目标车辆对应于所述变道时间内的多个时间点的行驶轨迹点集合，所述行驶轨迹点集合中的每一个轨迹点指示所述目标车辆在所述多个时间点中的对应时间点处的预测位置；
响应于所述行驶轨迹点集合中的任一轨迹点所指示的预测位置位于所述变道冲突区域中，将所述目标车辆确定为障碍车辆；以及
基于所述障碍车辆的所述行驶轨迹点集合，获得决策结果，所述决策结果指示所述自主车辆是否变道。
2.根据权利要求1所述的方法，其中，所述预测所述自主车辆从所述当前车道变道到目标车道的变道时间包括：
获得所述当前位置在垂直于所述延伸方向的第一方向上相对所述目标车道的相对距离和所述目标车道的车道宽度；以及
基于所述相对距离和所述目标车道的车道宽度，获得所述变道时间。
3.根据权利要求1或2所述的方法，其中，所述变道冲突区域至少覆盖所述目标车道在延伸方向上的分段，所述分段的第一端与所述当前位置齐平，所述分段的第二端与所述第一端之间的距离不小于所述自主车辆的预测行驶距离，所述预测行驶距离是基于所述自主车辆的当前速度预测所述自主车辆在所述当前车道上匀速运动所述变道时间所获得的。
4.根据权利要求1-3任意一项所述的方法，其中，所述基于所述障碍车辆的所述行驶轨迹点集合，获得决策结果包括：
获得所述自主车辆在所述变道时间内进行变道时对应于所述多个时间点的变道轨迹点集合，所述变道轨迹点集合中的每一个轨迹点指示所述自主车辆在所述多个时间点中的对应时间点处的预测位置；
对于所述多个时间点中的每一个时间点，获得在所述行驶轨迹点集合中的对应于该时间点的第二轨迹点在所述延伸方向上相对于预设位置的第一距离，和在所述变道轨迹点集合中的对应于该时间点的第一轨迹点在所述延伸方向上相对于所述预设位置的第二距离，并且利用所述第二距离减去所述第一距离，以获得差值；以及
基于所述多个时间点对应的多个差值，获得所述决策结果。
5.根据权利要求4所述的方法，其中，所述基于所述多个时间点对应的多个差值，获得所述决策结果包括：
响应于所述多个差值中的第一差值大于零，获得所述决策结果，所述决策结果指示所述自主车辆不变道。
6.根据权利要求4所述的方法，其中，所述基于所述多个时间点对应的多个差值，获得所述决策结果包括：
基于所述多个差值的统计学特征，获得风险分析结果，所述风险分析结果指示所述障碍车辆和所述自主车辆之间是否存在碰撞风险；以及
基于所述风险分析结果，获得所述决策结果。
7.根据权利要求6所述的方法，其中，所述基于所述多个差值的统计学特征，获得风险分析结果包括：
获得所述多个差值的标准偏差σ和均值μ；以及
响应于确定μ与3σ之和大于零，获得所述风险分析结果，所述风险分析结果指示所述障碍车辆和所述自主车辆之间存在碰撞风险。
8.根据权利要求1-7任一项所述的方法，还包括：
响应于所述决策结果指示所述自主车辆不变道，更新所述当前位置，以获得更新的位置；其中，所述获取自主车辆的当前车道和当前位置还包括：
将所述更新的位置确定为当前位置。
9.一种用于自动驾驶车辆的变道装置，包括：
第一获取单元，被配置用于获取自主车辆的当前车道和当前位置；
第一预测单元，被配置用于基于所述当前位置，预测所述自主车辆从所述当前车道变道到目标车道的变道时间和所述自主车辆的变道冲突区域；
第二获取单元，被配置用于基于所述当前位置，获得所述自主车辆周围的目标车辆对应于所述变道时间内的多个时间点的行驶轨迹点集合，所述行驶轨迹点集合中的每一个轨迹点指示所述目标车辆在所述多个时间点中的对应时间点处的预测位置；
第一确定单元，被配置用于响应于所述行驶轨迹点集合中的任一轨迹点所指示的预测位置位于所述变道冲突区域中，将所述目标车辆确定为障碍车辆；以及
决策单元，被配置用于基于所述障碍车辆的所述行驶轨迹点集合，获得决策结果，所述决策结果指示所述自主车辆是否变道。
10.根据权利要求9所述的装置，其中，所述第一预测单元包括：
第一获取子单元，被配置用于获得所述当前位置在垂直于所述延伸方向的第一方向上相对所述目标车道的相对距离和所述目标车道的车道宽度；以及
第一计算单元，被配置用于基于所述相对距离和所述目标车道的车道宽度，获得所述变道时间。
11.根据权利要求9或10所述的装置，其中，所述变道冲突区域至少覆盖所述目标车道在延伸方向上的分段，所述分段的第一端与所述当前位置齐平，所述分段的第二端与所述第一端之间的距离不小于所述自主车辆的预测行驶距离，所述预测行驶距离是基于所述自主车辆的当前速度预测所述自主车辆在所述当前车道上匀速运动所述变道时间所获得的。
12.根据权利要求9-11任意一项所述的装置，其中，所述决策单元包括：
第二获取子单元，被配置用于获得所述自主车辆在所述变道时间内进行变道时对应于所述多个时间点的变道轨迹点集合，所述变道轨迹点集合中的每一个轨迹点指示所述自主车辆在所述多个时间点中的对应时间点处的预测位置；
第二计算单元，被配置用于对于所述多个时间点中的每一个时间点，获得在所述行驶轨迹点集合中的对应于该时间点的第二轨迹点在所述延伸方向上相对于预设位置的第一距离，和在所述变道轨迹点集合中的对应于该时间点的第一轨迹点在所述延伸方向上相对于所述预设位置的第二距离，并且利用所述第二距离减去所述第一距离，以获得差值；以及
决策子单元，被配置用于基于所述多个时间点对应的多个差值，获得所述决策结果。
13.根据权利要求12所述的装置，其中，所述决策子单元包括：
第一响应单元，被配置用于响应于所述多个差值中的第一差值大于零，获得所述决策结果，所述决策结果指示所述自主车辆不变道。
14.根据权利要求12所述的装置，其中，所述决策子单元包括：
风险分析单元，被配置用于基于所述多个差值的统计学特征，获得风险分析结果，所述风险分析结果指示所述障碍车辆和所述自主车辆之间是否存在碰撞风险；以及
决策结果获取单元，被配置用于基于所述风险分析结果，获得所述决策结果。
15.根据权利要求14所述的装置，其中，所述风险分析单元包括：
第三获取子单元，被配置用于获得所述多个差值的标准偏差σ和均值μ；以及
第二响应单元，被配置用于响应于确定μ与3σ之和大于0，获得所述风险分析结果，所述风险分析结果指示所述障碍车辆和所述自主车辆之间存在碰撞风险。
16.根据权利要求9-15任一项所述的装置，还包括：
更新单元，被配置用于响应于所述决策结果指示所述自主车辆不变道，更新所述当前位置，以获得更新的位置；其中，所述第一获取单元还包括：
确定单元，被配置用于将所述更新的位置确定为当前位置。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。
20.一种自动驾驶车辆，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
CN202111639588.1A 2021-12-29 2021-12-29 用于自动驾驶车辆的变道方法 Active CN114179832B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111639588.1A CN114179832B (zh) 2021-12-29 2021-12-29 用于自动驾驶车辆的变道方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111639588.1A CN114179832B (zh) 2021-12-29 2021-12-29 用于自动驾驶车辆的变道方法

Publications (2)

Publication Number Publication Date
CN114179832A true CN114179832A (zh) 2022-03-15
CN114179832B CN114179832B (zh) 2023-12-19

Family

ID=80545181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111639588.1A Active CN114179832B (zh) 2021-12-29 2021-12-29 用于自动驾驶车辆的变道方法

Country Status (1)

Country Link
CN (1) CN114179832B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115140048A (zh) * 2022-06-28 2022-10-04 哈尔滨工业大学 一种自动驾驶行为决策与轨迹规划模型与方法
CN115179949A (zh) * 2022-09-13 2022-10-14 毫末智行科技有限公司 车辆的压速变道控制方法、装置、设备及存储介质
CN115626158A (zh) * 2022-12-07 2023-01-20 深圳曦华科技有限公司 车辆转向防剐蹭方法及相关装置
WO2024037375A1 (zh) * 2022-08-17 2024-02-22 ***通信集团河北有限公司 交通区域锁控制方法、装置、设备和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190004529A1 (en) * 2017-07-03 2019-01-03 Hyundai Motor Company Ecu, autonomous vehicle including ecu, and method of controlling lane change for the same
US20190061765A1 (en) * 2017-08-23 2019-02-28 Uber Technologies, Inc. Systems and Methods for Performing Lane Changes Around Obstacles
CN109739246A (zh) * 2019-02-19 2019-05-10 百度在线网络技术（北京）有限公司 一种变换车道过程中的决策方法、装置、设备及存储介质
CN110020504A (zh) * 2019-04-23 2019-07-16 吉林大学 基于后侵入和碰撞时间的无人车行驶环境复杂度量化方法
CN110293968A (zh) * 2019-06-18 2019-10-01 百度在线网络技术（北京）有限公司 自动驾驶车辆的控制方法、装置、设备及可读存储介质
US20200290651A1 (en) * 2019-03-12 2020-09-17 Baidu Online Network Technology (Beijing) Co., Ltd. Vehicle Track Prediction Method and Device, Storage Medium and Terminal Device
CN111775938A (zh) * 2020-06-24 2020-10-16 福瑞泰克智能***有限公司 一种变道路径规划方法、装置及***
CN112590813A (zh) * 2020-12-09 2021-04-02 禾多科技（北京）有限公司 自动驾驶车辆信息生成方法、装置、电子设备和介质
CN113183967A (zh) * 2021-06-04 2021-07-30 多伦科技股份有限公司 一种车辆安全控制方法、装置、设备及存储介质
CN113479217A (zh) * 2021-07-26 2021-10-08 惠州华阳通用电子有限公司 一种基于自动驾驶的变道避障方法与***
CN113844447A (zh) * 2021-11-02 2021-12-28 阿波罗智能技术(北京)有限公司 自动驾驶碰撞检测方法、装置、电子设备及可读存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190004529A1 (en) * 2017-07-03 2019-01-03 Hyundai Motor Company Ecu, autonomous vehicle including ecu, and method of controlling lane change for the same
US20190061765A1 (en) * 2017-08-23 2019-02-28 Uber Technologies, Inc. Systems and Methods for Performing Lane Changes Around Obstacles
CN109739246A (zh) * 2019-02-19 2019-05-10 百度在线网络技术（北京）有限公司 一种变换车道过程中的决策方法、装置、设备及存储介质
US20200290651A1 (en) * 2019-03-12 2020-09-17 Baidu Online Network Technology (Beijing) Co., Ltd. Vehicle Track Prediction Method and Device, Storage Medium and Terminal Device
CN110020504A (zh) * 2019-04-23 2019-07-16 吉林大学 基于后侵入和碰撞时间的无人车行驶环境复杂度量化方法
CN110293968A (zh) * 2019-06-18 2019-10-01 百度在线网络技术（北京）有限公司 自动驾驶车辆的控制方法、装置、设备及可读存储介质
CN111775938A (zh) * 2020-06-24 2020-10-16 福瑞泰克智能***有限公司 一种变道路径规划方法、装置及***
CN112590813A (zh) * 2020-12-09 2021-04-02 禾多科技（北京）有限公司 自动驾驶车辆信息生成方法、装置、电子设备和介质
CN113183967A (zh) * 2021-06-04 2021-07-30 多伦科技股份有限公司 一种车辆安全控制方法、装置、设备及存储介质
CN113479217A (zh) * 2021-07-26 2021-10-08 惠州华阳通用电子有限公司 一种基于自动驾驶的变道避障方法与***
CN113844447A (zh) * 2021-11-02 2021-12-28 阿波罗智能技术(北京)有限公司 自动驾驶碰撞检测方法、装置、电子设备及可读存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115140048A (zh) * 2022-06-28 2022-10-04 哈尔滨工业大学 一种自动驾驶行为决策与轨迹规划模型与方法
WO2024037375A1 (zh) * 2022-08-17 2024-02-22 ***通信集团河北有限公司 交通区域锁控制方法、装置、设备和存储介质
CN115179949A (zh) * 2022-09-13 2022-10-14 毫末智行科技有限公司 车辆的压速变道控制方法、装置、设备及存储介质
CN115179949B (zh) * 2022-09-13 2022-11-29 毫末智行科技有限公司 车辆的压速变道控制方法、装置、设备及存储介质
CN115626158A (zh) * 2022-12-07 2023-01-20 深圳曦华科技有限公司 车辆转向防剐蹭方法及相关装置

Also Published As

Publication number Publication date
CN114179832B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
US20220309920A1 (en) Controlling vehicle-infrastructure cooperated autonomous driving
CN114179832B (zh) 用于自动驾驶车辆的变道方法
CN113887400B (zh) 障碍物检测方法、模型训练方法、装置及自动驾驶车辆
CN114758502B (zh) 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆
CN114047760A (zh) 路径规划方法、装置、电子设备及自动驾驶车辆
CN114394111B (zh) 用于自动驾驶车辆的变道方法
CN115556769A (zh) 障碍物状态量确定方法及装置、电子设备和介质
CN115675528A (zh) 基于相似场景挖掘的自动驾驶方法和车辆
CN113850909B (zh) 点云数据处理方法、装置、电子设备及自动驾驶设备
CN115366920A (zh) 用于自动驾驶车辆的决策方法及装置、设备和介质
CN115583243B (zh) 确定车道线信息的方法、车辆控制方法、装置和设备
CN115900724A (zh) 路径规划方法和装置
CN114179834B (zh) 车辆停靠方法、装置、电子设备、介质及自动驾驶车辆
CN116311943B (zh) 交叉路口的平均延误时间的估算方法及装置
CN116859724B (zh) 时序自回归同时决策和预测的自动驾驶模型及其训练方法
CN115019278B (zh) 一种车道线拟合方法、装置、电子设备和介质
CN114333405B (zh) 用于辅助车辆停车的方法
EP4047583A2 (en) Method and apparatus for controlling vehicle-infrastructure cooperated autonomous driving, electronic device, and vehicle
CN115952670A (zh) 自动驾驶场景仿真方法和装置
CN114604241A (zh) 车辆驾驶风险评估方法、装置、电子设备及边缘计算设备
CN115861953A (zh) 场景编码模型的训练方法、轨迹规划方法及装置
CN117707172A (zh) 自动驾驶车辆的决策方法及装置、车辆、设备和介质
CN116469069A (zh) 用于自动驾驶的场景编码模型训练方法、装置及介质
CN116363604A (zh) 目标交通事件识别方法、装置、设备及介质
CN116466685A (zh) 针对自动驾驶感知算法的评测方法及装置、设备和介质

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
GR01 Patent grant
GR01 Patent grant