CN114620072B - 车辆控制方法、装置、存储介质、电子设备及车辆 - Google Patents
车辆控制方法、装置、存储介质、电子设备及车辆 Download PDFInfo
- Publication number
- CN114620072B CN114620072B CN202210249440.5A CN202210249440A CN114620072B CN 114620072 B CN114620072 B CN 114620072B CN 202210249440 A CN202210249440 A CN 202210249440A CN 114620072 B CN114620072 B CN 114620072B
- Authority
- CN
- China
- Prior art keywords
- intersection
- target
- vehicle
- information
- track
- 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 41
- 238000001514 detection method Methods 0.000 claims abstract description 95
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation 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
- 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
- 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
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种车辆控制方法、装置、存储介质、电子设备及车辆。该方法包括:根据目标车辆的当前位置确定目标检测区域;获取该目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;根据该历史行驶轨迹,获取该目标检测区域内的一个或多个待定路口的路口信息;根据待定路口的路口信息控制目标车辆行驶。这样,在没有高精度车载地图或者地图不准确的情况下,也可以根据样本车辆的历史行驶轨迹确定准确的路口信息,并根据该路口信息对目标车辆进行控制,从而提高车辆辅助驾驶或者自动驾驶的可靠性。
Description
技术领域
本公开涉及自动驾驶领域,具体地,涉及一种车辆控制方法、装置、存储介质、电子设备及车辆。
背景技术
随着计算机技术的发展,车辆中辅助驾驶和自动驾驶的应用越来越多。车辆在进行辅助驾驶或者自动驾驶时,需要通过传感器检测获取车辆周围的环境信息,并根据环境信息对车辆进行控制,以便实现安全可靠的车辆行驶。而在车辆行驶过程中,路口信息是道路中最为复杂的环境信息,在相关技术中,存在路口检测不准确的问题,会影响辅助驾驶或者自动驾驶的可靠性。
发明内容
为克服相关技术中存在的上述问题,本公开提供一种车辆控制方法、装置、存储介质、电子设备及车辆。
根据本公开实施例的第一方面,提供一种车辆控制方法,所述方法包括:
根据目标车辆的当前位置确定目标检测区域;
获取所述目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;
根据所述历史行驶轨迹,获取所述目标检测区域内的一个或多个待定路口的路口信息;
根据所述待定路口的路口信息控制所述目标车辆行驶。
可选地,所述获取所述目标检测区域内一个或多个第一样本车辆的历史行驶轨迹包括:
获取在当前时间之前的预设时间范围内,一个或多个第一样本车辆在所述目标检测区域内行驶的待定轨迹数据;
根据所述待定轨迹数据获取所述历史行驶轨迹。
可选地,所述根据所述待定轨迹数据获取所述历史行驶轨迹包括:
对所述待定轨迹数据进行预处理后,得到目标轨迹数据;所述预处理包括噪声处理和/或合并处理;
将所述目标轨迹数据作为所述历史行驶轨迹。
可选地,所述根据所述历史行驶轨迹,获取所述目标检测区域内的一个或多个待定路口的路口信息包括:
将所述历史行驶轨迹输入预先训练的路口检测模型中,得到所述目标检测区域内的一个或多个待定路口的路口信息;其中,所述路口信息包括所述待定路口的路口位置和路口类型;
所述根据所述待定路口的路口信息控制所述目标车辆行驶包括:
根据所述待定路口的路口位置和路口类型控制所述目标车辆行驶。
可选地,所述路口检测模型通过以下方式训练得到:
获取一个或多个第二样本车辆在样本区域中的行驶轨迹样本;
对所述样本区域进行标记,确定一个或多个样本路口的路口信息;
根据所述行驶轨迹样本和所述样本路口,对预设神经网络模型进行训练,得到所述路口检测模型。
可选地,所述根据所述待定路口的路口信息控制所述目标车辆行驶包括:
根据所述目标车辆的当前位置信息和行驶方向,从所述一个或多个待定路口中,确定在所述目标车辆的行驶方向上与所述当前位置的距离最近的目标路口;
根据所述目标路口的路口信息控制所述目标车辆行驶。
可选地,所述路口信息包括路口位置,所述根据所述目标路口的路口信息控制所述目标车辆行驶包括:
根据所述目标车辆的当前位置和所述目标路口的路口位置,获取所述目标车辆与所述目标路口的目标距离;
在所述目标距离小于或等于距离阈值的情况下,获取所述目标路口的交通指示信息;
根据所述目标路口的所述交通指示信息和所述路口信息,控制所述目标车辆行驶。
可选地,所述获取所述目标路口的交通指示信息包括:
获取所述目标车辆当前所在车道的目标车道类型;
从所述目标路口的多个交通信号灯中,确定所述目标车道类型对应的目标信号灯;
根据所述目标信号灯的指示信息,获取所述目标路口的交通指示信息。
可选地,所述获取所述目标车辆当前所在车道的目标车道类型包括:
根据所述历史行驶轨迹,获取所述目标车辆当前所在道路的一个或多个待定车道信息,所述待定车道信息包括待定车道的位置信息和类型信息;
根据所述待定车道的位置信息和所述目标车辆的当前位置,从所述一个或多个待定车道中确定所述目标车辆当前所在的待定车道;
将所述目标车辆当前所在的待定车道的类型信息,作为所述目标车道类型。
根据本公开实施例的第二方面,提供一种车辆控制装置,所述装置包括:
区域确定模块,被配置为根据目标车辆的当前位置确定目标检测区域;
轨迹获取模块,被配置为获取所述目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;
路口信息获取模块,被配置为根据所述历史行驶轨迹,获取所述目标检测区域内的一个或多个待定路口的路口信息;
车辆控制模块,被配置为根据所述待定路口的路口信息控制所述目标车辆行驶。
可选地,所述轨迹获取模块,被配置为获取在当前时间之前的预设时间范围内,一个或多个第一样本车辆在所述目标检测区域内行驶的待定轨迹数据;根据所述待定轨迹数据获取所述历史行驶轨迹。
可选地,所述轨迹获取模块,被配置为对所述待定轨迹数据进行预处理后,得到目标轨迹数据;所述预处理包括噪声处理和/或合并处理;将所述目标轨迹数据作为所述历史行驶轨迹。
可选地,所述路口信息获取模块,被配置为将所述历史行驶轨迹输入预先训练的路口检测模型中,得到所述目标检测区域内的一个或多个待定路口的路口信息;其中,所述路口信息包括所述待定路口的路口位置和路口类型;
所述车辆控制模块,被配置为根据所述待定路口的路口位置和路口类型控制所述目标车辆行驶。
可选地,所述装置还包括模型训练模块,所述模型训练模块,被配置为获取一个或多个第二样本车辆在样本区域中的行驶轨迹样本;对所述样本区域进行标记,确定一个或多个样本路口的路口信息;根据所述行驶轨迹样本和所述样本路口,对预设神经网络模型进行训练,得到所述路口检测模型。
可选地,所述车辆控制模块,被配置为根据所述目标车辆的当前位置信息和行驶方向,从所述一个或多个待定路口中,确定在所述目标车辆的行驶方向上与所述当前位置的距离最近的目标路口;根据所述目标路口的路口信息控制所述目标车辆行驶。
可选地,所述路口信息包括路口位置,所述车辆控制模块,被配置为根据所述目标车辆的当前位置和所述目标路口的路口位置,获取所述目标车辆与所述目标路口的目标距离;在所述目标距离小于或等于距离阈值的情况下,获取所述目标路口的交通指示信息;根据所述目标路口的所述交通指示信息和所述路口信息,控制所述目标车辆行驶。
可选地,所述车辆控制模块,被配置为获取所述目标车辆当前所在车道的目标车道类型;从所述目标路口的多个交通信号灯中,确定所述目标车道类型对应的目标信号灯;根据所述目标信号灯的指示信息,确定所述目标路口的交通指示信息。
可选地,所述车辆控制模块,被配置为根据所述历史行驶轨迹,获取所述目标车辆当前所在道路的一个或多个待定车道信息,所述待定车道信息包括待定车道的位置信息和类型信息;根据所述待定车道的位置信息和所述目标车辆的当前位置,从所述一个或多个待定车道中确定所述目标车辆当前所在的待定车道;将所述目标车辆当前所在的待定车道的类型信息,作为所述目标车道类型。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行本公开第一方面所提供的车辆控制方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现本公开第一方面所提供的车辆控制方法的步骤。
根据本公开实施例的第五方面,提供一种车辆,该车辆包括本公开第三方面所提供的电子设备。
本公开的实施例提供的技术方案可以包括以下有益效果:根据目标车辆的当前位置确定目标检测区域;获取该目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;根据该历史行驶轨迹,获取该目标检测区域内的一个或多个待定路口的路口信息;根据待定路口的路口信息控制目标车辆行驶。这样,在没有高精度车载地图或者地图不准确的情况下,也可以根据样本车辆的历史行驶轨迹确定准确的路口信息,并根据该路口信息对目标车辆进行控制,从而提高车辆辅助驾驶或者自动驾驶的可靠性。
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,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种车辆控制方法的流程图。
图2是根据一示例性实施例示出的一种历史行驶轨迹的示意图。
图3是根据一示例性实施例示出的一种根据历史行驶轨迹确定的道路和路口的示意图。
图4是根据一示例性实施例示出的一种路口检测模型的训练方法的流程图。
图5是根据图1所示实施例示出的一种S104步骤的流程图。
图6是根据一示例性实施例示出的一种车辆控制装置的框图。
图7是根据一示例性实施例示出的另一种车辆控制装置的框图。
图8是根据一示例性实施例示出的电子设备的框图。
图9是根据一示例性实施例示出的车辆的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先,对本公开的应用场景进行说明。本公开可以应用于车辆辅助驾驶或自动驾驶的场景,车辆在进行辅助驾驶或者自动驾驶时,需要对道路的路口信息进行检测,以便提前确定车辆的行驶路径和行驶参数。在相关技术中,可以根据车载地图确定车辆行驶路径上的路口信息(例如路口位置或路口类型),从而确定车辆与路口的距离,根据该距离控制车辆减速,根据该距离控制车辆减速、转向或变更车道。但是由于城市道路改造较为频繁,车载地图的更新不够及时,会导致车载地图的路口信息存在错误的情况,导致路口检测不准确,进而会影响车辆辅助驾驶或者自动驾驶的可靠性。
为了解决上述问题,本公开提供了一种车辆控制方法、装置、存储介质、电子设备及车辆,可以根据一个或多个样本车辆的历史行驶轨迹获取路口信息,以便在没有高精度车载地图或者地图不准确的情况下也可以获取准确的路口信息,并根据该路口信息对目标车辆进行控制,从而提高车辆辅助驾驶或者自动驾驶的可靠性。
下面结合具体实施例对本公开进行说明。
图1是根据一示例性实施例示出的一种车辆控制方法,如图1所示,该方法可以包括:
S101、根据目标车辆的当前位置确定目标检测区域。
在本步骤中,该目标车辆可以是具有自动驾驶功能或辅助驾驶功能的车辆,该目标车辆可以安装有定位装置,可以首先根据定位装置的定位结果确定目标车辆的当前位置,然后可以根据当前位置和检测参数确定目标检测区域。
示例地,该检测参数可以包括目标检测距离,可以将当前位置作为圆心,将目标检测距离为半径,以确定圆形区域,将该圆形区域作为目标检测区域;也可以将当前位置为中心点,将目标检测距离的两倍作为边长,以确定正方形区域,将该正方形区域作为目标检测区域。
需要说明的是,该检测参数既可以是预先设置的检测参数,也可以由目标车辆的控制模块根据当前行车环境或行车参数确定的检测参数,本公开对此不作限定。示例地,上述目标检测距离可以是预先设置的距离参数,也可以由目标车辆的控制模块根据当前行车环境或行车参数确定。
例如,若当前行车环境为城区道路或者车辆行驶速度小于第一预设速度阈值,则可以设置较小的目标检测距离(例如200米或300米);再例如,若当前行车环境为郊区道路或者车辆行驶速度大于第二预设速度阈值,则可以设置较大的目标检测距离(例如500米或800米)。上述第一预设速度阈值可以小于或等于第二预设速度阈值,例如,第一预设速度阈值可以为10千米每小时至40千米每小时之间的任意数值,第二预设速度阈值可以为40千米每小时至80千米每小时之间的任意数值。
S102、获取该目标检测区域内一个或多个第一样本车辆的历史行驶轨迹。
其中,该一个或多个第一样本车辆可以包括普通社会车辆,也可以包括具有自动驾驶功能或辅助驾驶功能的智能车辆。该第一样本车辆可以具备众包数据采集功能,通过车辆上设置的数据采集装置,在车辆行驶过程中采集得到该第一样本车辆的历史行驶轨迹。例如,通过周期性采集第一样本车辆的位置信息,将多个位置信息按照采集时间连接后可以得到该第一样本车辆的历史行驶轨迹。
图2是根据一示例性实施例示出的一种历史行驶轨迹的示意图,如图2所示,黑色轨迹为目标检测区域内根据一个或多个第一样本车辆采集的位置信息得到的历史行驶轨迹。
需要说明的是,在相关技术中可以通过专业采集车进行道路环境数据采集,但是这样的采集方式效率较低而且及时性不够,而在本公开中,通过第一样本车辆(该第一样本车辆也可以称作众包车辆,包括普通社会车辆和/或智能车辆)在日常行驶过程中完成对行驶轨迹的采集,可以提高数据采集的效率和及时性,并降低了采集成本。
进一步地,通过多个第一样本车辆采集的历史行驶轨迹可以存储在服务器中,目标车辆可以从该服务器获取目标检测区域对应的历史行驶轨迹,可以提高目标车辆对数据进行存储和处理的效率。上述服务器可以是本地服务器或云服务器。
S103、根据该历史行驶轨迹,获取该目标检测区域内的一个或多个待定路口的路口信息。
图3是根据一示例性实施例示出的一种根据历史行驶轨迹确定的道路和路口的示意图,如图3所示,根据多个历史行驶轨迹可以确定多条道路的边界线,然后根据多个道路的交叉口可以得到待定路口301和待定路口302。
S104、根据待定路口的路口信息控制目标车辆行驶。
示例地,对于自动驾驶车辆,可以将该待定路口的路口信息输入车辆的自动驾驶规控模块,由自动驾驶规控模块根据该待定路口的路口信息,规划车辆行驶的路径,并控制车辆的行驶参数(例如速度、加速度或转向角),以便车辆能够安全可靠的驶过该待定路口。
另外,对于普通车辆或辅助驾驶车辆,可以将该待定路口的路口信息通过图像或语音进行展示,以便驾驶员根据展示的路口信息对车辆进行控制。
采用上述方法,根据目标车辆的当前位置确定目标检测区域;获取该目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;根据该历史行驶轨迹,获取该目标检测区域内的一个或多个待定路口的路口信息;根据待定路口的路口信息控制目标车辆行驶。这样,在没有高精度车载地图或者地图不准确的情况下,也可以根据样本车辆的历史行驶轨迹确定准确的路口信息,并根据该路口信息对目标车辆进行控制,从而提高车辆辅助驾驶或者自动驾驶的可靠性。
在本公开的另一实施例中,上述S102步骤可以包括:
首先,获取在当前时间之前的预设时间范围内,一个或多个第一样本车辆在该目标检测区域内行驶的待定轨迹数据。
其中,该预设时间范围可以是当前时间的前X天或前Y小时的时间范围,其中X或Y可以为任意正整数。
然后,根据该待定轨迹数据获取该历史行驶轨迹。
示例地,可以直接将该待定轨迹数据作为该历史行驶轨迹;也可以对该待定轨迹数据进行预处理后,得到目标轨迹数据;将该目标轨迹数据作为该历史行驶轨迹。其中,该预处理可以包括噪声处理(去除明显错误的噪声轨迹数据)和/或合并处理(将同一个第一样本车辆在相同时间的多条重复轨迹数据进行合并)。
需要说明的是,上述待定轨迹数据同样可以存储在服务器中,上述对待定轨迹数据进行预处理的步骤可以由服务器完成,这样从服务器获取的待定轨迹数据可以直接作为该历史行驶轨迹;上述对待定轨迹数据进行预处理的步骤也可以由车辆侧完成,也就是目标车辆从服务器获取原始的待定轨迹数据后进行上述预处理。
这样,通过使用预设时间范围内的历史行驶轨迹,可以进一步提高路口检测的准确性,避免道路施工导致路口变化时使用过时的历史行驶轨迹得到错误的路口检测结果;另外,还可以减少历史行驶轨迹的数量,提高数据处理效率。
在本公开的另一实施例中,上述S103步骤获取目标检测区域内的一个或多个待定路口的路口信息的方式可以包括以下任意一种或多种:
方式一、首先根据历史行驶轨迹确定一条或多条道路,然后任意两条或多条道路的交叉口作为待定路口,得到一个或多个待定路口的路口信息。
方式二、还可以根据历史行驶轨迹获取每个区域位置点的停留车辆数目和正常行驶车辆数目;然后根据多个区域位置点的停留车辆数目和正常行驶车辆数目确定道路和待定路口。
其中,该区域位置点可以是一个小范围的位置区域(该位置区域可以为正方形或多边形的栅格区域),例如可以将目标检测区域分割为多个N米×N米的栅格区域,每个栅格区域作为一个区域位置点,N可以为0.1至10之间的任意数值,例如N为1或2。上述历史行驶轨迹可以包括第一样本车辆行驶经过的区域位置点以及在该区域位置点的停留时间。该停留车辆数目可以表征在该区域位置点内连续停留时间大于或等于第一预设时间阈值的车辆的数目,该第一预设时间可以为大于或等于1秒的任意时间,例如5秒、10秒或20秒。该正常行驶车辆数目可以表征在该区域位置点内连续停留时间小于或等于第二预设时间阈值的车辆的数目,该第二预设时间可以为小于或等于第一预设时间的任意时间,例如1秒或5秒。
为了进一步提高检测准确性,上述停留车辆数目可以表征在该区域位置点内连续停留时间大于或等于第一预设时间阈值且小于或等于第三预设时间阈值的车辆的数目,该第三预设时间阈值可以是大于第一预设时间阈值的较大的时间,例如5分钟、10分钟或30分钟,这样,可以避免将由于事故或其他原因停车的车辆长时间停车的情况统计为路口停车,提高检测得到的待定路口的准确性。
进一步地,根据多个区域位置点的停留车辆数目和正常行驶车辆数目确定道路和待定路口可以包括以下步骤:
首先,将停留车辆数目和正常行驶车辆数目的和值大于或等于预设数目阈值的区域位置点作为候选道路位置点,并根据多个候选道路位置点的相邻关系得到一条或多条道路。
然后,将停留车辆数目和行驶车辆数目的比值作为车辆停留比例,然后可以根据车辆停留比例和上述道路,得到一个或多个待定路口。
例如,将车辆停留比例在预设范围内的区域位置点作为待定路口,其中,该预设范围可以是大于或等于第一预设比例,且小于或等于第二预设比例的范围,其中第一预设比例小于第二预设比例,例如第一预设比例可以是30%或40%,第二预设比例可以是60%或70%。
这样,可以根据第一样本车辆的行驶行为检测得到更为准确的路口信息。
方式三、将该历史行驶轨迹输入预先训练的路口检测模型中,得到该目标检测区域内的一个或多个待定路口的路口信息。
其中,该路口信息包括该待定路口的路口位置和路口类型。该路口位置可以用经纬度表示,也可以用WGS84(World Geodetic System 1984)坐标系中的坐标表示。该路口类型可以包括直行路口、十字路口、丁字路口、X型路口、Y型路口和环岛路口中的任意一种。
需要说明的是,该历史行驶轨迹中包括第一样本车辆在每个区域位置点的停留时间。
这样,可以通过路口检测模型对历史行驶轨迹进行检测获取准确的待定路口的路口信息,并根据目标路口的路口位置和路口类型控制目标车辆行驶。示例地,若检测得到的待定路口的路口类型为丁字路口,而规划路径中需要直行通过该待定路口,则可以根据该路口类型对车辆的行驶路径进行重新规划或校正,绕过该待定路口继续行驶。
图4是根据一示例性实施例示出的一种路口检测模型的训练方法的流程图,如图4所示,该训练方法可以包括:
S401、获取一个或多个第二样本车辆在样本区域中的行驶轨迹样本。
同样地,该一个或多个第二样本车辆也可以包括普通社会车辆,也可以包括具有自动驾驶功能或辅助驾驶功能的智能车辆。该第二样本车辆可以包括上述第一样本车辆,也可以与上述第一样本车辆不同,本公开对此不作限定。
S402、对样本区域进行标记,确定一个或多个样本路口的路口信息。
示例地,可以人工标记样本区域中的样本路口的路口信息,也可以通过已有的高精度地图对样本区域的样本路口进行标记。
同样地,该路口信息包括该待定路口的路口位置和路口类型。该路口位置可以用经纬度表示,也可以用WGS84坐标系中的坐标表示。该路口类型可以包括直行路口、十字路口、丁字路口、X型路口、Y型路口和环岛路口中的任意一种。
S403、根据该行驶轨迹样本和该样本路口,对预设神经网络模型进行训练,得到路口检测模型。
其中,该预设神经网络模型可以是现有技术中通用的检测分类模型,对该预设神经网络模型进行训练的方式也可以看现有技术中的训练方式,本公开对此不再赘述。
这样,通过获取行驶轨迹样本并标注样本路口,对预设神经网络模型进行训练,可以得到路口检测模型,通过路口检测模型对历史行驶轨迹进行检测获取准确的待定路口的路口信息,从而根据目标路口的路口信息控制目标车辆行驶,提高车辆控制的可靠性。
图5是根据图1所示实施例示出的一种S104步骤的流程图,如图5所示,上述S104步骤可以包括:
S1041、根据目标车辆的当前位置信息和行驶方向,从一个或多个待定路口中,确定在目标车辆的行驶方向上与当前位置的距离最近的目标路口。
S1042、根据目标路口的路口信息控制目标车辆行驶。
示例地,在本步骤中,可以通过以下方式控制目标车辆行驶:
首先,根据该目标车辆的当前位置和该目标路口的路口位置,获取该目标车辆与该目标路口的目标距离。
其次,在该目标距离小于或等于距离阈值的情况下,获取该目标路口的交通指示信息。
最后,根据该目标路口的该交通指示信息和该路口信息,控制该目标车辆行驶。
其中,该距离阈值可以是预先设置的距离,也可以是根据目标车辆的当前行车环境或行车参数确定的距离。
例如,若当前行车环境为城区道路或者车辆行驶速度小于第一预设速度阈值,则该距离阈值可以是较小的距离(例如50米或100米);再例如,若当前行车环境为郊区道路或者车辆行驶速度大于第二预设速度阈值,则可以设置较大的目标检测距离(例如200米或300米)。上述第一预设速度阈值可以小于或等于第二预设速度阈值,例如,第一预设速度阈值可以为10千米每小时至40千米每小时之间的任意数值,第二预设速度阈值可以为40千米每小时至80千米每小时之间的任意数值。
需要说明的是,该距离阈值可以小于或等于确定上述目标检测区域的目标检测距离。
这样,可以确定距离目标车辆的当前位置最近的目标路口,然后根据该目标路口的路口信息控制目标车辆行驶,以提高车辆控制的可靠性。
在本公开的另一实施例中,上述交通指示信息可以是交通信号灯(红绿灯)的指示信息,可以通过以下步骤获取交通指示信息:
S11、获取该目标车辆当前所在车道的目标车道类型。
其中,该目标车道类型可以包括直行车道、左转车道或者右转车道。
在本步骤中,可以根据地面上的车道标识获取该目标车道类型,例如,通过目标车辆上的摄像头获取路面图像,从路面图像中提取车道类型标识,根据该车道类型标识可以确定目标车道类型。
进一步地,在本步骤中,还可以通过以下方式获取目标车辆当前所在车道的目标车道类型:
首先,根据上述历史行驶轨迹,获取目标车辆当前所在道路的一个或多个待定车道信息。
其中,该待定车道信息包括待定车道的位置信息和类型信息。
该待定车道的位置信息包括车道线位置;该待定车道的类型信息可以包括直行车道、左转车道或者右转车道。
示例地,可以将历史行驶轨迹输入预先训练的车道检测模型中,识别出待定车道的车道线位置,通过该车道线位置确定待定车道的位置信息;然后根据该待定车道上车辆通过待定路口的行驶方向确定该待定车道的类型信息。
需要说明的是,该车道检测模型可以是根据现有技术中的聚类分析模型进行训练后得到,训练方法也可以采用现有技术中的常规训练方法,本公开对此不再赘述。
其次,根据该待定车道的位置信息和该目标车辆的当前位置,从该一个或多个待定车道中确定该目标车辆当前所在的待定车道。
最后,将该目标车辆当前所在的待定车道的类型信息,作为该目标车道类型。
示例地,根据目标车辆的当前位置最接近的两条车道线可以确定该目标车辆当前所在的待定车道。若该待定车道为直行车道,则该目标车道类型为直行车道;若该待定车道为左转车道,则该目标车道类型为左转车道;若该待定车道为右转车道,则该目标车道类型为右转车道。
S12、从该目标路口的多个交通信号灯中,确定该目标车道类型对应的目标信号灯。
该交通信号灯可以包括直行信号灯、左转信号灯和右转信号灯;这样可以将目标车道类型对应的信号灯作为目标信号灯。例如,若该目标车道类型为直行车道,则对应的目标信号灯为直行信号灯。
S13、根据目标信号灯的指示信息,获取该目标路口的交通指示信息。
示例地,可以通过车载相机,拍摄获取目标信号灯的图像,根据拍摄的图像确定目标信号灯的颜色及时间;然后可以根据目标信号灯的颜色和时间确定该交通指示信息。例如,若目标车道类型为左转车道,则目标信号灯为左转信号灯,若左转信号灯为绿色,时间指示为20秒,则可以确定该交通指示信息为允许左转,剩余时间为20秒。
这样,可以根据目标车辆当前所在的车道,获取对应的交通指示信息,提高了信号分析的效率。
图6是根据一示例性实施例示出的一种车辆控制装置600的框图,如图6所示,该装置600可以包括:
区域确定模块601,被配置为根据目标车辆的当前位置确定目标检测区域;
轨迹获取模块602,被配置为获取所述目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;
路口信息获取模块603,被配置为根据所述历史行驶轨迹,获取所述目标检测区域内的一个或多个待定路口的路口信息;
车辆控制模块604,被配置为根据所述待定路口的路口信息控制所述目标车辆行驶。
可选地,所述轨迹获取模块602,被配置为获取在当前时间之前的预设时间范围内,一个或多个第一样本车辆在所述目标检测区域内行驶的待定轨迹数据;根据所述待定轨迹数据获取所述历史行驶轨迹。
可选地,所述轨迹获取模块602,被配置为对所述待定轨迹数据进行预处理后,得到目标轨迹数据;所述预处理包括噪声处理和/或合并处理;将所述目标轨迹数据作为所述历史行驶轨迹。
可选地,所述路口信息获取模块603,被配置为将所述历史行驶轨迹输入预先训练的路口检测模型中,得到所述目标检测区域内的一个或多个待定路口的路口信息;其中,所述路口信息包括所述待定路口的路口位置和路口类型;
所述车辆控制模块604,被配置为根据所述待定路口的路口位置和路口类型控制所述目标车辆行驶。
图7是根据一示例性实施例示出的另一种车辆控制装置的框图,如图7所示,该装置还可以包括模型训练模块701;
所述模型训练模块701,被配置为获取一个或多个第二样本车辆在样本区域中的行驶轨迹样本;对所述样本区域进行标记,确定一个或多个样本路口的路口信息;根据所述行驶轨迹样本和所述样本路口,对预设神经网络模型进行训练,得到所述路口检测模型。
可选地,所述车辆控制模块604,被配置为根据所述目标车辆的当前位置信息和行驶方向,从所述一个或多个待定路口中,确定在所述目标车辆的行驶方向上与所述当前位置的距离最近的目标路口;根据所述目标路口的路口信息控制所述目标车辆行驶。
可选地,所述路口信息包括路口位置,所述车辆控制模块604,被配置为根据所述目标车辆的当前位置和所述目标路口的路口位置,获取所述目标车辆与所述目标路口的目标距离;在所述目标距离小于或等于距离阈值的情况下,获取所述目标路口的交通指示信息;根据所述目标路口的所述交通指示信息和所述路口信息,控制所述目标车辆行驶。
可选地,所述车辆控制模块604,被配置为获取所述目标车辆当前所在车道的目标车道类型;从所述目标路口的多个交通信号灯中,确定所述目标车道类型对应的目标信号灯;根据所述目标信号灯的指示信息,确定所述目标路口的交通指示信息。
可选地,所述车辆控制模块604,被配置为根据所述历史行驶轨迹,获取所述目标车辆当前所在道路的一个或多个待定车道信息,所述待定车道信息包括待定车道的位置信息和类型信息;根据所述待定车道的位置信息和所述目标车辆的当前位置,从所述一个或多个待定车道中确定所述目标车辆当前所在的待定车道;将所述目标车辆当前所在的待定车道的类型信息,作为所述目标车道类型。
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,此处将不做详细阐述说明。
采用上述装置,根据目标车辆的当前位置确定目标检测区域;获取该目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;根据该历史行驶轨迹,获取该目标检测区域内的一个或多个待定路口的路口信息;根据待定路口的路口信息控制目标车辆行驶。这样,在没有高精度车载地图或者地图不准确的情况下,也可以根据样本车辆的历史行驶轨迹确定准确的路口信息,并根据该路口信息对目标车辆进行控制,从而提高车辆辅助驾驶或者自动驾驶的可靠性。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现本公开提供的车辆控制方法的步骤。
图8是根据一示例性实施例示出的电子设备900的框图。例如,电子设备900可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理、路由器等。
参照图8,电子设备900可以包括以下一个或多个组件:处理组件902,存储器904,电力组件906,多媒体组件908,音频组件910,输入/输出(I/O)接口912,传感器组件914,以及通信组件916。
处理组件902通常控制电子设备900的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令,以完成上述车辆控制方法的全部或部分步骤。此外,处理组件902可以包括一个或多个模块,便于处理组件902和其他组件之间的交互。例如,处理组件902可以包括多媒体模块,以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在电子设备900的操作。这些数据的示例包括用于在电子设备900上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件906为电子设备900的各种组件提供电力。电力组件906可以包括电源管理***,一个或多个电源,及其他与为电子设备900生成、管理和分配电力相关联的组件。
多媒体组件908包括在所述电子设备900和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件908包括一个前置摄像头和/或后置摄像头。当电子设备900处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如,音频组件910包括一个麦克风(MIC),当电子设备900处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中,音频组件910还包括一个扬声器,用于输出音频信号。
I/O接口912为处理组件902和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器,用于为电子设备900提供各个方面的状态评估。例如,传感器组件914可以检测到电子设备900的打开/关闭状态,组件的相对定位,例如所述组件为电子设备900的显示器和小键盘,传感器组件914还可以检测电子设备900或电子设备900一个组件的位置改变,用户与电子设备900接触的存在或不存在,电子设备900方位或加速/减速和电子设备900的温度变化。传感器组件914可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件914还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件916被配置为便于电子设备900和其他设备之间有线或无线方式的通信。电子设备900可以接入基于通信标准的无线网络,例如Wi-Fi,2G、3G、4G、5G、NB-IOT、eMTC、或其他6G等,或它们的组合。在一个示例性实施例中,通信组件916经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件916还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述车辆控制方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器904,上述指令可由电子设备900的处理器920执行以完成上述车辆控制方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述车辆控制方法的代码部分。
图9是根据一示例性实施例示出的车辆的框图,如图9所示,该车辆可以包括上述电子设备900。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种车辆控制方法,其特征在于,所述方法包括:
根据目标车辆的当前位置确定目标检测区域;
获取所述目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;
根据所述历史行驶轨迹,获取所述目标检测区域内的一个或多个待定路口的路口信息;
根据所述待定路口的路口信息控制所述目标车辆行驶;
所述获取所述目标检测区域内一个或多个第一样本车辆的历史行驶轨迹包括:
获取在当前时间之前的预设时间范围内,一个或多个第一样本车辆在所述目标检测区域内行驶的待定轨迹数据;
根据所述待定轨迹数据获取所述历史行驶轨迹;
所述根据所述历史行驶轨迹,获取所述目标检测区域内的一个或多个待定路口的路口信息包括:
将所述历史行驶轨迹输入预先训练的路口检测模型中,得到所述目标检测区域内的一个或多个待定路口的路口信息;其中,所述路口信息包括所述待定路口的路口位置和路口类型;
所述根据所述待定路口的路口信息控制所述目标车辆行驶包括:
根据所述待定路口的路口位置和路口类型控制所述目标车辆行驶;
所述路口检测模型通过以下方式训练得到:
获取一个或多个第二样本车辆在样本区域中的行驶轨迹样本;
对所述样本区域进行标记,确定一个或多个样本路口的路口信息;
根据所述行驶轨迹样本和所述样本路口,对预设神经网络模型进行训练,得到所述路口检测模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待定轨迹数据获取所述历史行驶轨迹包括:
对所述待定轨迹数据进行预处理后,得到目标轨迹数据;所述预处理包括噪声处理和/或合并处理;
将所述目标轨迹数据作为所述历史行驶轨迹。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述待定路口的路口信息控制所述目标车辆行驶包括:
根据所述目标车辆的当前位置信息和行驶方向,从所述一个或多个待定路口中,确定在所述目标车辆的行驶方向上与所述当前位置的距离最近的目标路口;
根据所述目标路口的路口信息控制所述目标车辆行驶。
4.根据权利要求3所述的方法,其特征在于,所述路口信息包括路口位置,所述根据所述目标路口的路口信息控制所述目标车辆行驶包括:
根据所述目标车辆的当前位置和所述目标路口的路口位置,获取所述目标车辆与所述目标路口的目标距离;
在所述目标距离小于或等于距离阈值的情况下,获取所述目标路口的交通指示信息;
根据所述目标路口的所述交通指示信息和所述路口信息,控制所述目标车辆行驶。
5.根据权利要求4所述的方法,其特征在于,所述获取所述目标路口的交通指示信息包括:
获取所述目标车辆当前所在车道的目标车道类型;
从所述目标路口的多个交通信号灯中,确定所述目标车道类型对应的目标信号灯;
根据所述目标信号灯的指示信息,获取所述目标路口的交通指示信息。
6.根据权利要求5所述的方法,其特征在于,所述获取所述目标车辆当前所在车道的目标车道类型包括:
根据所述历史行驶轨迹,获取所述目标车辆当前所在道路的一个或多个待定车道信息,所述待定车道信息包括待定车道的位置信息和类型信息;
根据所述待定车道的位置信息和所述目标车辆的当前位置,从所述一个或多个待定车道中确定所述目标车辆当前所在的待定车道;
将所述目标车辆当前所在的待定车道的类型信息,作为所述目标车道类型。
7.一种车辆控制装置,其特征在于,所述装置包括:
区域确定模块,被配置为根据目标车辆的当前位置确定目标检测区域;
轨迹获取模块,被配置为获取所述目标检测区域内一个或多个第一样本车辆的历史行驶轨迹;
路口信息获取模块,被配置为根据所述历史行驶轨迹,获取所述目标检测区域内的一个或多个待定路口的路口信息;
车辆控制模块,被配置为根据所述待定路口的路口信息控制所述目标车辆行驶;
所述轨迹获取模块,被配置为获取在当前时间之前的预设时间范围内,一个或多个第一样本车辆在所述目标检测区域内行驶的待定轨迹数据;根据所述待定轨迹数据获取所述历史行驶轨迹;
所述路口信息获取模块,被配置为将所述历史行驶轨迹输入预先训练的路口检测模型中,得到所述目标检测区域内的一个或多个待定路口的路口信息;其中,所述路口信息包括所述待定路口的路口位置和路口类型;
所述车辆控制模块,被配置为根据所述待定路口的路口位置和路口类型控制所述目标车辆行驶;
所述装置还包括模型训练模块,所述模型训练模块,被配置为获取一个或多个第二样本车辆在样本区域中的行驶轨迹样本;对所述样本区域进行标记,确定一个或多个样本路口的路口信息;根据所述行驶轨迹样本和所述样本路口,对预设神经网络模型进行训练,得到所述路口检测模型。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
10.一种车辆,其特征在于,所述车辆包括权利要求8所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210249440.5A CN114620072B (zh) | 2022-03-14 | 2022-03-14 | 车辆控制方法、装置、存储介质、电子设备及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210249440.5A CN114620072B (zh) | 2022-03-14 | 2022-03-14 | 车辆控制方法、装置、存储介质、电子设备及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114620072A CN114620072A (zh) | 2022-06-14 |
CN114620072B true CN114620072B (zh) | 2023-05-09 |
Family
ID=81901638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210249440.5A Active CN114620072B (zh) | 2022-03-14 | 2022-03-14 | 车辆控制方法、装置、存储介质、电子设备及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114620072B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821542B (zh) * | 2022-06-23 | 2022-09-09 | 小米汽车科技有限公司 | 目标检测方法、装置、车辆及存储介质 |
CN115009330B (zh) * | 2022-06-30 | 2023-09-01 | 上海富欣智能交通控制有限公司 | 列车检测区域的确定方法及装置 |
CN115311879B (zh) * | 2022-08-01 | 2023-11-14 | 初速度(深圳)科技有限公司 | 一种车辆的控制方法、装置、设备、介质及车辆 |
CN115366887B (zh) * | 2022-08-25 | 2024-05-28 | 武汉大学 | 适应自动驾驶的路口分类及车辆驾驶方法及设备 |
CN116256780B (zh) * | 2023-05-16 | 2023-09-08 | 智道网联科技(北京)有限公司 | 高架桥区域的车辆定位方法、装置及电子设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112665590A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆的轨迹确定方法、装置、电子设备及计算机存储介质 |
CN113895456A (zh) * | 2021-09-08 | 2022-01-07 | 北京汽车研究总院有限公司 | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697875B (zh) * | 2017-10-23 | 2020-11-06 | 华为技术有限公司 | 规划行驶轨迹的方法及装置 |
CN111650626B (zh) * | 2020-06-01 | 2021-08-06 | 知行汽车科技(苏州)有限公司 | 道路信息获取方法、装置及存储介质 |
CN111854771B (zh) * | 2020-06-09 | 2023-01-24 | 阿波罗智能技术(北京)有限公司 | 地图质量的检测处理方法、装置、电子设备和存储介质 |
CN111907521B (zh) * | 2020-06-15 | 2022-11-22 | 浙江吉利汽车研究院有限公司 | 一种自动驾驶车辆的横向控制方法、装置及存储介质 |
CN113879295B (zh) * | 2020-07-02 | 2024-04-12 | 华为技术有限公司 | 轨迹预测方法及装置 |
CN112937598A (zh) * | 2021-03-31 | 2021-06-11 | 戴姆勒股份公司 | 用于评估和/或调整车辆驾驶辅助或自动驾驶功能的方法和设备 |
CN113442923B (zh) * | 2021-07-18 | 2022-08-19 | 苏州清研精准汽车科技有限公司 | 车辆感知与智慧交通数据融合的自动驾驶优化方法和*** |
-
2022
- 2022-03-14 CN CN202210249440.5A patent/CN114620072B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112665590A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆的轨迹确定方法、装置、电子设备及计算机存储介质 |
CN113895456A (zh) * | 2021-09-08 | 2022-01-07 | 北京汽车研究总院有限公司 | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114620072A (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114620072B (zh) | 车辆控制方法、装置、存储介质、电子设备及车辆 | |
US10071745B2 (en) | Automated drive assisting system, automated drive assisting method, and computer program | |
US10315664B2 (en) | Automatic driving assistance system, automatic driving assistance method, and computer program | |
US10303257B2 (en) | Communication between autonomous vehicle and external observers | |
CN106611497B (zh) | 交通量预测***及预测方法、车辆用显示装置以及车辆 | |
CN102889892B (zh) | 实景导航的方法及导航终端 | |
EP2541208B1 (en) | Travel guidance apparatus, travel guidance method, and computer program product | |
CN104537837B (zh) | 确定交通路线的方法、装置及*** | |
CN110874229A (zh) | 自动驾驶汽车的地图升级方法、装置 | |
CN104933293A (zh) | 一种道路信息处理方法及装置 | |
JP6221874B2 (ja) | 自動運転支援装置、自動運転支援方法及びプログラム | |
JP6361403B2 (ja) | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム | |
CN110827556A (zh) | 交通信号灯的指示状态提示方法、装置及存储介质 | |
JP2016224593A (ja) | 道路形状検出システム、道路形状検出方法及びコンピュータプログラム | |
CN113442950B (zh) | 基于多车辆的自动驾驶控制方法、装置和设备 | |
CN111757288A (zh) | 道路交通环境中的感知基站及其消息发送方法、装置 | |
CN110940349A (zh) | 用于规划车辆的轨迹的方法 | |
CN112781600A (zh) | 一种车辆导航方法、装置及存储介质 | |
US20200118433A1 (en) | Drive assistance system | |
CN112857381A (zh) | 一种路径推荐方法、装置及可读介质 | |
CN109961646B (zh) | 一种路况信息的纠错方法及装置 | |
CN112815962A (zh) | 联合应用传感器参数的标定方法及装置 | |
CN116834767A (zh) | 运动轨迹生成方法、装置、设备及存储介质 | |
CN114633764B (zh) | 交通信号灯检测方法、装置、存储介质、电子设备及车辆 | |
KR102600313B1 (ko) | 교차로 통행 정보 분석 방법 |
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 |