CN114435404A - 一种基于环境感知的智能行车控制方法 - Google Patents

Abstract

本申请公开了一种基于环境感知的智能行车控制方法，包括：基于高精地图和高精定位，在高精地图上以车道为单位标示车辆的导航信息，并将标示有导航信息的车道标记为计划行驶车道，以及在高精地图上标示定位后的车辆占用区域；感知车辆行驶前方预设范围内所有车道内的障碍物信息，并将障碍物信息标示在高精地图上；基于车辆通行数据与障碍物信息，得到车辆的行车基准线；基于行车基准线，控制车辆沿行车基准线行进。本申请公开了能够对道路上障碍物动态轨迹提前做出分析和规避，在保障车辆能够安全通行的前提下，保护了道路上的行人安全。进一步，分析驾驶员的操作控制是否可行，以确定车辆是否可以响应驾驶员的操作，避免驾驶员的误操作。

Description

一种基于环境感知的智能行车控制方法

技术领域

本申请属于汽车自动驾驶技术领域，具体涉及一种基于环境感知的智能行车控制方法。

背景技术

随着科技的发展，车辆的自动驾驶技术越来越成熟，依靠人工智能、视觉计算、雷达、监控装置，对车辆实现实时、连续控制，乘客在使用自动驾驶车辆时，只需要输入目的地，自动驾驶车辆基于当前位置和目的地生成行驶路线，并按照生成的行驶路线行驶。

车辆的智能自动驾驶***，是通过各种探测手段汇总分析后得出的控制策略，整体上以稳妥安全为前提。但是，目前的车辆智能控制都是以空场地为背景，或者交通流量非常小的封闭路段，在日常车辆行驶过程中，对于道路上障碍物的判断，依然以固定障碍物为准，对于移动过程中的行人或其他物体，也依然是按照某一时间点的固定位置进行位置判断。如此一来，当车辆处于交通拥挤、行人较多的路段时，车辆探测到的结果就是周围全是障碍物，导致车辆无法前行。另一方面，在车辆智能自动控制行驶过程中，驾驶员会出于各种原因而介入车辆的操作控制，这其中就含有某些特定情形下造成的误操作。而目前由于车辆的智能水平依然有限，因此车辆的控制策略会相应驾驶员的介入，如此一来，就会出现因驾驶员的误操作而导致的交通事故。

车辆的智能自动控制原则上是安全高于一切，但如何处理动态交通环境，以及如何处理与驾驶员之间的操作冲突，需要更加智能的感知和分析技术，以及后续的车辆控制体系。

发明内容

本申请提出了一种基于环境感知的智能行车控制方法，以周边道路环境动态变化为依据，制定具有预判性的智能控制策略，对道路上的障碍物提前做出分析和规避，在此基础上，进一步的通过环境感知，以分析驾驶员的操作控制是否可行，以确定车辆是否可以响应驾驶员的操作。

为实现上述目的，本申请提供了如下方案：

一种基于环境感知的智能行车控制方法，包括如下步骤：

基于高精地图和高精定位，在所述高精地图上以车道为单位标示车辆的导航信息，并将标示有所述导航信息的车道标记为计划行驶车道，以及在所述高精地图上标示定位后的车辆占用区域；

感知所述车辆行驶前方预设范围内所有车道内的障碍物信息，并将所述障碍物信息标示在所述高精地图上；

基于车辆通行数据与所述障碍物信息，得到所述车辆的行车基准线；

基于所述行车基准线，控制所述车辆沿所述行车基准线行进。

可选的，所述高精地图以车道为单位显示道路数据；

所述高精定位的数据为所述车辆相对所述车道的占用区域。

得到所述障碍物信息的方法包括：

采集所述预设范围内所有车道的前视频信息、所述车辆侧方的侧视频信息和所述车辆后方的后视频信息，并将所述前视频信息、所述后视频信息和所述后视频信息整合后，转换成以所述车辆为中心的二维图像；

使用视觉分析技术识别所述二维图像中的障碍物的影像；

将雷达探测范围映射到所述二维图像中，并通过雷达探测技术，得到所述障碍物的位置数据；

基于所述障碍物的影像和位置数据，得到所述障碍物信息。

可选的，所述障碍物包括固定障碍物和移动障碍物；

所述障碍物信息包括固定障碍物信息和移动障碍物信息，所述移动障碍物信息包括所述移动障碍物的运动趋势；

使用光流分析法识别所述二维图像中的所述固定障碍物和所述移动障碍物，以及所述移动障碍物的运动趋势。

可选的，得到所述行车基准线的方法包括：

基于所述移动障碍物的运动趋势，得到行车安全临界点，同时将所述固定障碍物信息也标记为行车安全临界点；

基于所述行车安全临界点，得到可行驶区域；

基于所述可行驶区域和所述车辆通行数据，得到所述行车基准线。

可选的，若所述可行驶区域不能满足所述车辆通行数据的要求，则中止所述行车基准线，所述车辆在所述行车基准线的中止处停止行进。

可选的，实时监测车辆驾驶员对所述车辆的行车操作；

若所述车辆在所述可行驶区域内行驶，则响应车辆驾驶员的行车操作；

若所述车辆抵达所述可行驶区域的边缘，则所述车辆停止行进，或纠正所述车辆的行驶方向；

若根据所述行车安全临界点不能得到所述可行驶区域，则所述车辆不响应所述车辆驾驶员对所述车辆的所述行车操作。

可选的，根据所述可行驶区域和所述车辆通行数据，获取所述车辆的行驶速度。

本申请的有益效果为：

本申请公开了一种基于环境感知的智能行车控制方法，在现有导航技术的基础上，以车辆周边道路环境的动态变化为依据，制定具有预判性的智能控制策略，生成车辆的行驶线路，从而能够对道路上的障碍物动态轨迹提前做出分析和规避，在保障车辆能够安全通行的前提下，保护了道路上的行人安全。进一步，本申请技术方案不再允许驾驶员的随意介入，而是通过环境感知，在车辆安全行驶的前提下，分析驾驶员的操作控制是否可行，以确定车辆是否可以响应驾驶员的操作，避免驾驶员的误操作。

附图说明

为了更清楚地说明本申请的技术方案，下面对实施例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是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例一种基于环境感知的智能行车控制方法流程示意图；

图2为本申请实施例中模拟的道路情况示意图。

具体实施方式

本申请提供了一种与自动驾驶相关的智能策略技术，但不局限于一种为具备智能控制的车辆提供完全的车辆操作和控制。为了便于理解本申请中的各项技术和技术名词，首先介绍一下有关车辆智能控制的一些相关技术。

自动驾驶***技术(缩写为ADS)是指为车辆执行驾驶任务(例如车辆的横向和纵向控制)并允许车辆在减少人工控制驾驶任务和/或没有人工控制驾驶任务的情况下驾驶的***。

GPS是指向接收机提供地理位置和时间信息的全球导航卫星***(GNSS)。GNSS的例子包括但不限于美国开发的全球定位***、差分全球定位***(DGPS)、北斗导航卫星***(BDS)、GLONASS全球导航卫星***、欧盟伽利略定位***。

自动化车辆(缩写为“AV”)是指以自动化模式(例如在任何自动化水平上)运行的自动化车辆。

车辆的自动化或智能水平是根据“智能水平”或“自动化水平”进行描述的。车辆智能或自动化级别是以下级别之一：V0：没有自动化功能；V1：辅助人类驾驶员控制车辆的基本功能；V2：协助人类驾驶员控制车辆完成简单任务，并提供基本的传感功能；V3：具有详细的实时环境感知功能，并完成相对复杂的驾驶任务；V4：允许车辆在限定条件且有人类驾驶员支持的情况下独立行驶的功能；V5：允许车辆在无人类驾驶员支持的任何情况下独立行驶的功能。

***智能和/或自动化级别是以下级别之一：S0：无功能；S1：***为个体车辆提供巡航控制、被动安全等简单功能；该***检测车辆的速度、位置和距离；S2：***由个体智能组成，可检测车辆功能状态、车辆加速和/或交通标志及信号；个体车辆根据自身信息进行决策，部分实现自动驾驶，提供辅助车辆自适应巡航控制、车道保持、变道级自动泊车等复杂功能；S3：***集成了一组车辆的信息，具有点对点的智能和预测能力，该***可对车辆组进行智能决策，并能够完成协同巡航控制、车辆组队、交叉口处的车辆导航、合流和分流等复杂的有条件自动驾驶任务；S4：***将驾驶行为最优地整合在局部网络中；该***在局部网络中检测并传递详细信息，根据网络中的车辆和交通信息做出决策，并处理复杂的、高水平的自动驾驶任务，如引导交通信号走廊，并为小型交通网络中的车辆提供最优轨迹；S5：车辆自动化和***交通自动化，其中***对整个交通运输网络进行最佳管理；该***在交通运输网络内检测和传递详细信息，并根据网络内所有可用信息做出决定；该***处理全自动驾驶任务，包括个体车辆任务和交通运输任务，并协调所有车辆以管理交通。

该领域其他的一些普通标准可以参考SAE国际标准J3016。

在本实施例中，当涉及到自动驾驶或智能驾驶控制时，可参考或引用上述技术内容。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

众所周知的，车辆必然要在通常意义的道路上行驶，道路上必然有大量其他车辆，在部分路段上，还会有众多行人，对于车辆而言，这些都定义为障碍物，在车辆行驶过程中，既要保证这些障碍物的安全，又要保障车辆自身的通行。但实际上，车辆周边的其他车辆和行人都是处在运动状态下，并非固定不动的，这就对障碍物位置的判断造成很大影响。如果将这些移动中的车辆和行人看作是固定障碍物，则随着时间的推移，车辆需要不断的修正自己的行驶控制策略，直至车辆无法前行。进一步的，驾驶员可能会在此时接管车辆控制，而这个认为介入，则可能直接导致事故的发生。

为此，本申请提出根据道路环境的动态变化，提前预判各种障碍物、特别是行人的运动轨迹，将车辆行进过程中需要的路面区域，和障碍物位置、行人运动轨迹相结合，生成一个带有预判性质的形式控制策略，既保障道路上障碍物、行人的安全，也保证了车辆自身的行进安全。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

如图1所示，为本申请实施例的基于环境感知的智能行车控制方法流程示意图，主要包括以下几个步骤。

S102.基于高精地图和高精定位，在高精地图上以车道为单位标示车辆的导航信息和定位后的车辆占用区域。

现阶段，导航和定位技术已经取得了非常大的进步，相关技术众多，常用的导航技术包括GPS、北斗、伽利略等，日常使用的服务提供商包括高德、百度等，都能够提供完整的导航和定位功能。但是，这些导航和定位功能，却依然停留在道路水平上，仅仅只是显示道路路径。这种导航技术，远远达不到车辆合理规避路面障碍物的要求。

其实，现在的导航技术，特别是北斗导航和定位技术，已经达到了10cm级别的高精度，基于如此的高精地图和高精定位，可以将导航信息标示在某一条车道上，即以路面上的某一条车道为单位，显示导航和道路数据，引导车辆在某一车道内行驶。这条标示有导航信息的车道，作为车辆前行的计划行驶车道，而其他车道，则可以定义为备用行驶区域。在本实施例中，当只有一条车道时，即以该车道为计划行驶车道；当有两条车道时，以右侧车道为计划行驶车道；当有多条车道时，以中间车道为计划行驶车道。同时，基于如此的高精定位，定位出车辆的位置，并基于车辆的外形尺寸，标示车辆相对于车道的占用区域。将计划行驶车道和车辆的占用区域均标示在高精地图上，这样做的目的和好处在于，可以保证在满足相关交通法规规定的前提下，充分利用道路上的不同车道空间，甚至整个道路路面，在保证障碍物特别是行人安全的前提下，保证车辆依然可以规划处一条安全的前行路线。

S104.感知车辆行驶前方预设范围内所有车道内的障碍物信息。

众所周知的，导航路线是从起始地到目的地，但路面环境的变化却是实时的，特别是对于移动中的行人，因此，需要实时感知车辆周围环境，分析障碍物的位置和动作，为安全路线的确认提供数据支持。

在本申请实施例中，各类障碍物的感知采用下述方法：

首先，采集预设范围内的所有车道的前视频信息、车辆侧方的侧视频信息和车辆后方的后视频信息，并将前视频信息、后视频信息和后视频信息整合后，转换成以车辆为中心的二维图像。

如前所述，导航路线是从起始地到目的地，但路面环境的变化却是实时的，特别是对于移动中的行人，因此，需要车辆实时感知并采取控制策略的路段，实际是以车辆当前位置为基准的部分路段，包括车前、车侧和车后所有车道预定距离内的路面部分。在本实施例中，车前路段长度设定为与车速有关，因为车速越高，一段时间内行驶的距离越长，就越需要提前进行分析和预判。具体的，在本实施例中，采用车辆当前速度下10秒钟的行驶距离为车前路段距离范围，但车前路段距离范围最低为50米，举例说明，当前车速为36km/h，即10m/s，则10秒钟的行驶距离为100m，超出最低50m限值，取100m作为车前路段距离范围进行障碍物感知；如果车速再快一些，例如72km/h，即20m/s，则10秒钟的行驶距离为200m，取200m作为车前路段距离范围进行障碍物感知。但若当前车速低于18km/h，即低于5m/s，则10秒钟时间内车辆行驶的距离不超过50m，此时取50m作为车前路段距离范围进行障碍物感知。这种对车前距离的取值方式，可给车辆保留足够的安全距离和路线分析时间。

对于车侧而言，车辆如果变道，则可能与车侧障碍物发送碰撞接触，因此，需要感知车辆两侧所有车道(最低值为两侧各10m)范围内的障碍物情况。

对于车后而言，由于可能存在快速行驶的其他车辆，那么本车辆的变道则有可能与会与后方快速驶来的车辆发送碰撞，因此，车辆后侧的感知范围采用与车辆前方相同的方式，在此不再赘述。

在本实施例中，采用高清摄像头类的视频采集设备，采集车前、车侧、车后的视频信息，采用成熟的360度全景技术进行拼接整合，生成以车辆为中心的360度全景视频数据，然后以0.1s为时间间隔截取视频帧图像，生成连续的以车辆为中心的360度全景的二维图像序列。

然后，使用现有的视觉分析技术，识别每一张二维图像中的障碍物影像。

在本实施例中，将障碍物分为固定障碍物和移动障碍物，相应的，障碍物信息包括固定障碍物信息和移动障碍物信息，其中，固定障碍物信息包括位置、形状和空间尺寸，移动障碍物信息除位置、形状和空间尺寸外，还包括移动障碍物的运动趋势，包括运动方向和速率。移动障碍物主要指的是移动中的物体(车辆)和行人，本实施例后续以横穿道路的行人为例进行说明。障碍物的识别，采用现有成熟的视觉分析识别技术，在此不做限定，进一步的，结合现有成熟理论的光流分析法识别连续图像中同一个障碍物或行人的位置，分辨出固定障碍物和移动障碍物，以及移动障碍物的运动趋势。

随后，再结合雷达探测设备，例如目前车辆上广泛配置的激光雷达探测技术，先将激光雷达的探测范围映射到二维图像中，然后再将雷达探测到的障碍物位置映射到二维图像中的探测范围中，由此得到障碍物的位置数据，包括障碍物相对于车辆前行方向的角度，及与车辆的距离。障碍物的位置、空间形状、占据路面的范围以及运动趋势，构成了障碍物信息。

最后，将感知范围内所有障碍物的信息均标识在高精地图上。

S106.基于车辆通行数据与障碍物信息，得到车辆的行车基准线。

行车基准线指的是车辆行进过程中的目标轨迹的基准线，具体体现了车辆的行驶方向和行车轨迹。该基准线不仅与障碍物的位置有关，而且与车辆通行数据有关，车辆通行数据指的是车辆行进过程中，对道路的占用，以及自身能够实现的行进功能和性能，包括车身形状、外形尺寸、行进过程中对路面的占用区域，以及自身性能，比如车辆的转向性能，如果车辆自身不能完成某个角度的转向，则意味着行车基准线是不现实的。

如图2所示，模拟了一种道路情况：道路为双向两车道设计，中间为道路标线，实线表示车辆不可跨越；车辆位于北向车道向北行驶。此时，感知到在A点位置有一行人正在穿越道路，根据车辆速度和与行人之间的距离，同时结合行人的运动趋势，即行人的运动方向和速率，分析得出车辆将在7s后在B点位置与行人发生接触；另外，感知到在C点位置有一个固定障碍物，其将对行车产生不利影响。

基于上述模拟的道路状况，本申请实施例到达行车基准线的方法包括如下步骤：

首先，基于移动障碍物的运动趋势，得到行车安全临界点，同时将固定障碍物信息也标记为行车安全临界点。

在本实施例中，行车安全临界点指的是车辆必须规避的位置点，该位置点是一个固定障碍物的位置点，也是移动障碍物与车辆发送接触的位置点。图2中，C点处为固定障碍物，其对行车会产生不利影响，标记为一个行车安全临界点；根据前面的感知和分析计算，行人从A点移动到B点时，车辆也同时抵达B点，则B点也标记为一个行车安全临界点。车辆需绕开C、B两个行车安全临界点，才能不与固定障碍物和行人发送碰撞接触；同时，车辆还不能越过道路中的实线，否则将违反相关交通法规规定。将A、B、C三个点均标示在图上，并标示出行人从A到B的运动线路。

然后，在规避行车安全临界点的基础上，构建可行驶区域。如图2中虚线所示内部区域，规避B、C两点且不越过中间实线，剩余的区域均是为可行驶区域，可见，该行驶区域是非常宽泛的。

最后，在可行驶区域内，结合车辆通行数据，特别是车辆对车道的占用区域和车辆自身的转弯性能，规划出一条形车基准线。可见，为了规避C点位置的固定障碍物，形成基准线先是向左偏移，然后为了规避B点，基准线又向右偏移，这样，车辆的行进路线就是先向左偏移，绕开C点固定障碍物，然后向右偏移，从行人的后方绕过行人。

S108.基于行车基准线，有车辆的智能控制***控制车辆沿行车基准线行进。

在本申请实施例中，进一步考虑了可行驶区域不能满足车辆通行数据的要求的情况，例如，在某处位置路面较窄，不足以满足车宽要求，或者需要急转弯，而这个转弯角度是车辆不能实现的，此时中止行车基准线，车辆在行车基准线的中止处停止行进。

进一步的，车辆实时监测车辆驾驶员对车辆的行车操作，包括方向盘转向和踩下油门加速。如果车辆依然处在可行驶区域内，意味着车辆不会与C点的固定障碍物发生碰撞，则车辆可以响应驾驶员的操作，但若提前接近行人的运动线路，车辆的智能控制***将切断驾驶员的操作，并控制车辆停止行进，例如，可以控制车辆在距离行人的运动线路2m的地方停车。

若车辆响应驾驶员的操作，但在驾驶员的操作下，车辆抵达可行驶区域的边缘，例如，距离边缘处30cm时，则车辆的智能控制***切断驾驶员的操作，并控制车辆停止行进，或者纠正车辆的行驶方向，使车辆回归到可行驶区域内或者行车基准线上。

若根据行车安全临界点构建出的区域，没有足够的空间允许车辆通行，例如障碍物很多，或者行人很多，则判断为不能构建可行驶区域，且不能生成行车基准线，此时车辆也不响应车辆驾驶员对车辆的行车操作(例如加速操作)。

另外，车辆在可行驶区域内的车速也要受到相应的限制，不能过快，也不必过慢，可以根据可行驶区域的宽度、长度、转弯角度等参数，结合车辆自身的通行数据，计算车辆的行驶速度。

以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。

Claims (8)

1.一种基于环境感知的智能行车控制方法，其特征在于，包括如下步骤：

基于高精地图和高精定位，在所述高精地图上以车道为单位标示车辆的导航信息，并将标示有所述导航信息的车道标记为计划行驶车道，以及在所述高精地图上标示定位后的车辆占用区域；

感知所述车辆行驶前方预设范围内所有车道内的障碍物信息，并将所述障碍物信息标示在所述高精地图上；

基于车辆通行数据与所述障碍物信息，得到所述车辆的行车基准线；

基于所述行车基准线，控制所述车辆沿所述行车基准线行进。

2.根据权利要求1所述的基于环境感知的智能行车控制方法，其特征在于，所述高精地图以车道为单位显示道路数据；

所述高精定位的数据为所述车辆相对所述车道的占用区域。

3.根据权利要求2所述的基于环境感知的智能行车控制方法，其特征在于，得到所述障碍物信息的方法包括：

采集所述预设范围内所有车道的前视频信息、所述车辆侧方的侧视频信息和所述车辆后方的后视频信息，并将所述前视频信息、所述后视频信息和所述后视频信息整合后，转换成以所述车辆为中心的二维图像；

使用视觉分析技术识别所述二维图像中的障碍物的影像；

将雷达探测范围映射到所述二维图像中，并通过雷达探测技术，得到所述障碍物的位置数据；

基于所述障碍物的影像和位置数据，得到所述障碍物信息。

4.根据权利要求3所述的基于环境感知的智能行车控制方法，其特征在于，所述障碍物包括固定障碍物和移动障碍物；

所述障碍物信息包括固定障碍物信息和移动障碍物信息，所述移动障碍物信息包括所述移动障碍物的运动趋势；

使用光流分析法识别所述二维图像中的所述固定障碍物和所述移动障碍物，以及所述移动障碍物的运动趋势。

5.根据权利要求4所述的基于环境感知的智能行车控制方法，其特征在于，得到所述行车基准线的方法包括：

基于所述移动障碍物的运动趋势，得到行车安全临界点，同时将所述固定障碍物信息也标记为行车安全临界点；

基于所述行车安全临界点，得到可行驶区域；

基于所述可行驶区域和所述车辆通行数据，得到所述行车基准线。

6.根据权利要求5所述的基于环境感知的智能行车控制方法，其特征在于，若所述可行驶区域不能满足所述车辆通行数据的要求，则中止所述行车基准线，所述车辆在所述行车基准线的中止处停止行进。

7.根据权利要求5所述的基于环境感知的智能行车控制方法，其特征在于，实时监测车辆驾驶员对所述车辆的行车操作；

若所述车辆在所述可行驶区域内行驶，则响应车辆驾驶员的行车操作；

若所述车辆抵达所述可行驶区域的边缘，则所述车辆停止行进，或纠正所述车辆的行驶方向；

若根据所述行车安全临界点不能得到所述可行驶区域，则所述车辆不响应所述车辆驾驶员对所述车辆的所述行车操作。

8.根据权利要求5所述的基于环境感知的智能行车控制方法，其特征在于，根据所述可行驶区域和所述车辆通行数据，获取所述车辆的行驶速度。

Images