CN114655206A - 一种跟车目标决策方法、车辆及存储介质 - Google Patents
一种跟车目标决策方法、车辆及存储介质 Download PDFInfo
- Publication number
- CN114655206A CN114655206A CN202210466400.6A CN202210466400A CN114655206A CN 114655206 A CN114655206 A CN 114655206A CN 202210466400 A CN202210466400 A CN 202210466400A CN 114655206 A CN114655206 A CN 114655206A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- global path
- obstacle
- real
- 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 34
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000004888 barrier function Effects 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 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
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/162—Speed limiting therefor
-
- 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
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- 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
- B60W2552/50—Barriers
-
- 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
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种跟车目标决策方法、车辆及存储介质。本发明采用全局路径信息作为先验,结合自车定位信息和状态信息建立运动模型,以及感知障碍物数据信息,在不需要额外车道线检测的情况下,利用栅格空间比车道线检测的三次拟合曲线更准确地描述了车道模型,完成车道和本车所处环境的初略建模。进一步根据空间位置关系筛选出跟车目标。该方案在泊车等低速行驶环境,保证了前车切入切出时本车的安全性和平稳性跟车。采用此方法可以在考虑成本的基础上,不受场景复杂性和实时性的影响,从而有效提高了自动驾驶车辆的安全性和乘坐舒适性。
Description
技术领域
本发明属于目标决策技术领域,具体涉及一种跟车目标决策方法、车辆及存储介质。
背景技术
跟车目标决策是自动驾驶环境认知较为重要的一环,能够为纵向速度规划提供比较准确且稳定的跟车目标。其主要功能是在自动驾驶车辆行驶过程中,结合感知测量障碍物数据和全局规划路径信息,完成智能驾驶车辆虚拟本车道生成,并结合本车信息,识别本车换道等场景,进一步调整虚拟本车道位置。基于生成的虚拟本车道,对感知测量的障碍物进行处理,筛选出本车道前方障碍车辆,并选取离本车最近的障碍车辆为纵向速度规划模块的加减速规划目标,实现自动驾驶过程中的安全、平稳跟车。
前向跟车目标决策在自动驾驶领域已有大量研究和量产方案,如CN110696828A中,描述了一种前向目标选择方法,主要利用前向目标选择模型和实时感知数据确定实时前向目标;该模型通过集成学习方法训练获得。针对由于不同传感器性能表现各异导致在弯道场景下进行目标车辆选择出现的漏选和误选问题,CN111469841A中,结合智能驾驶车辆的第一运动信息和目标选择区段,确定目标车辆。上述两个专利涉及的两个方法都需要感知数据完成车道线目标测量,基于测量车道线目标数据进行前向目标初选和确定目标选择区段。在没有感知数据测量车道线目标的应用中,CN105631217A——《基于本车自适应虚拟车道的前方有效目标选择***及方法》,首先初始化生成本车自适应虚拟车道,并根据本车运动状态信息和车载雷达感知数据,对本车虚拟车道进行自适应调整,并根据雷达测量目标所处本车虚拟车道位置计算其处于本车车道的概率,进行有效目标选择。虽然该方法对切入切出目标能够及时选取和释放,但是对虚拟本车道准确性和自适应参数标定要求较高。
发明内容
针对现有技术的上述不足,本发明要解决的技术问题是提供一种跟车目标决策方法、车辆及存储介质,避免传感器和计算设备成本过高、算法过于复杂且无法保证车辆行车的稳定性和可行性的问题。
为解决上述技术问题,本发明采用如下技术方案:
一种跟车目标决策方法,包括以下步骤:
S1:根据全局路径、本车实时定位信息和状态信息计算本车道与全局路径之间的距离,判定本车是否换道以完成本车所处车道决策;
同时根据全局路径的位置计算并生成本车当前位置下全局路径对应的车道空间;
S2:判断本车是否处于全局路径所在车道,如果处于全局路径所在车道,则进入障碍物投射;如果不处于全局路径所在车道,则先进入自适应调整生成本车道后再进入障碍物投射;
S3:如果本车处于全局路径所在车道,基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间;
如果本车不处于全局路径所在车道,则根据本车所处车道决策结果完成对应车道位置的偏移调整,得到最终本车所在的车道,然后基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间;
S4:过滤掉不处于最终本车所在的车道的障碍物;
S5:对投射处于最终本车所在的车道的障碍物,根据障碍物与本车的实时纵向距离,完成本车前方障碍物筛选;
S6:根据所述步骤S5所筛选出的障碍物与本车的实时纵向距离,筛选出离本车纵向距离最近的障碍物,并进行纵向规划计算本车的加速度以控制本车加减速。
进一步完善上述技术方案,所述步骤S1中计算本车与全局路径之间的距离来判定本车是否换道包括:
如果该距离在标定车道的一半宽度范围内,则判定为本车在全局路径所在车道;
如果该距离超过标定车道一半宽度范围的左边界,则判定本车进行左换道自适应处理,得到最终本车所在的车道;
如果该距离超过标定车道一半宽度范围的右边界,则判定本车进行右换道自适应处理,得到最终本车所在的车道;
完成本车所处车道决策。
进一步地,所述步骤S1中:
接收到本车实时定位信息后,在本车所在坐标系,按照标定的横纵向分辨率生成采样空间,并根据全局路径的位置和角度信息计算并生成本车当前位置下全局路径对应的车道空间,所述车道空间用于后续车道建模。
进一步地,所述步骤S3中进行障碍物投射时,实时获取障碍物感知定位数据,针对不同场景进行障碍物膨胀边界标定,并将障碍物投射到所述采样空间中。
本发明还涉及一种车辆,采用如上所述的一种跟车目标决策方法的步骤。
本发明还涉及一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序被处理器运行时,执行如上所述的一种跟车目标决策方法的步骤。
相比现有技术,本发明具有如下有益效果:
本发明的一种跟车目标决策方法,采用全局路径信息作为先验,结合自车定位信息和状态信息建立运动模型,以及感知障碍物数据信息,在不需要额外车道线检测的情况下,利用栅格空间比车道线检测的三次拟合曲线更准确地描述了车道模型,完成车道和本车所处环境的初略建模。进一步根据空间位置关系筛选出跟车目标。该方案在泊车等低速行驶环境,保证了前车切入切出时本车的安全性和平稳性跟车。采用此方法可以在考虑成本的基础上,不受场景复杂性和实时性的影响,从而有效提高了自动驾驶车辆的安全性和乘坐舒适性。
附图说明
图1为实施例的一种跟车目标决策方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
请参见图,具体实施例的一种跟车目标决策方法,包括以下步骤:
S1:根据全局路径、本车实时定位信息和状态信息计算本车道与全局路径之间的距离,判定本车是否换道以完成本车所处车道决策;
同时根据全局路径的位置计算并生成本车当前位置下全局路径对应的车道空间;
S2:判断本车是否处于全局路径所在车道,如果处于全局路径所在车道,则进入障碍物投射;如果不处于全局路径所在车道,则先进入自适应调整生成本车道后再进入障碍物投射;
S3:如果本车处于全局路径所在车道,基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间;
如果本车不处于全局路径所在车道,则根据本车所处车道决策结果完成对应车道位置的偏移调整,得到最终本车所在的车道,然后基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间;
S4:过滤掉不处于最终本车所在的车道的障碍物;
S5:对投射处于最终本车所在的车道的障碍物,根据障碍物与本车的实时纵向距离,完成本车前方障碍物筛选;
S6:根据所述步骤S5所筛选出的障碍物与本车的实时纵向距离,筛选出离本车纵向距离最近的障碍物,并进行纵向规划计算本车的加速度以控制本车加减速。
实施例的一种跟车目标决策方法,采用全局路径信息作为先验,结合自车定位信息和状态信息建立运动模型,以及感知障碍物数据信息,在不需要额外车道线检测的情况下,利用栅格空间比车道线检测的三次拟合曲线更准确地描述了车道模型,完成车道和本车所处环境的初略建模。进一步根据空间位置关系筛选出跟车目标。该方案在泊车等低速行驶环境,保证了前车切入切出时本车的安全性和平稳性跟车。采用此方法可以在考虑成本的基础上,不受场景复杂性和实时性的影响,从而有效提高了自动驾驶车辆的安全性和乘坐舒适性。
其中,所述步骤S1中计算本车与全局路径之间的距离来判定本车是否换道包括:
如果该距离在标定车道的一半宽度范围内,则判定为本车在全局路径所在车道;
如果该距离超过标定车道一半宽度范围的左边界,则判定本车换道到左车道;
如果该距离超过标定车道一半宽度范围的右边界,则判定本车换道到右车道;
完成本车所处车道决策。
所述标定车道即为全局路径所在车道。
实施时,所述步骤S1还包括:获取本车实时定位信息、速度、方向盘转角以及横摆角速度,构成本车运动模型,基于该运动模型并结合本车实时定位信息与全局路径之间的空间位置关系来标定本车所在车道ID,从而判定本车是否换道;
如果标定为0,则本车在全局路径所在车道,则不需要换道;
如果标定为1,则本车在全局路径左相邻车道,则判定本车进行左换道自适应处理,得到最终本车所在的车道;
如果标定为2,则本车在全局路径右相邻车道,则判定本车进行右换道自适应处理,得到最终本车所在的车道。
其中,所述步骤S1中:接收到本车实时定位信息后,在本车所在坐标系,按照标定的横纵向分辨率生成采样空间,并根据全局路径的位置和角度信息计算并生成本车当前位置下全局路径对应的车道空间,所述车道空间用于后续车道建模。
实施时,由于获取本车定位信息是实时的,所以会在本车所在坐标系,按照标定的横纵向分辨率不断生成前方全局路径所在车道的栅格空间(即所述采样空间),用于表达全局路径所在车道。
其中,所述步骤S3中进行障碍物投射时,实时获取障碍物感知定位数据,针对不同场景进行障碍物膨胀边界标定,并将障碍物投射到所述采样空间中。
实施时,不同场景包括跟车、会车和横穿。
实施时,实时获取障碍物感知定位数据,进行环境建模,将障碍物投射到所述采样空间中,然后判断障碍物是否处于最终本车所在的车道(即当前本车所在车道),得到障碍物所处车道标志位:
如果标志位为1,则障碍物处于最终本车所在的车道;
如果标志位为0,则障碍物不在最终本车所在的车道,过滤掉该目标。
对于标志位为1的处于最终本车所在的车道的障碍物,结合障碍物在本车坐标系下的实时位置信息,判断障碍物与本车相对前后位置关系,得到相应的标志位:
如果标志位为1,则障碍物处于本车前方;
如果标志位为0,则障碍物处于本车后方,过滤掉该目标。
进一步地,对于标志位为1的处于最终本车所在的车道的本车前方障碍物,基于其本车坐标系下实时的纵向距离信息,筛选出离本车纵向距离最近的障碍物,作为本车的最终跟车目标。
本发明还提供一种车辆,采用上述的一种跟车目标决策方法的步骤。
本发明还提供一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序被处理器运行时,执行如上所述的一种跟车目标决策方法的步骤。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种跟车目标决策方法,其特征在于:包括以下步骤:
S1:根据全局路径、本车实时定位信息和状态信息计算本车道与全局路径之间的距离,判定本车是否换道以完成本车所处车道决策;
同时根据全局路径的位置计算并生成本车当前位置下全局路径对应的车道空间;
S2:判断本车是否处于全局路径所在车道,如果处于全局路径所在车道,则进入障碍物投射;如果不处于全局路径所在车道,则先进入自适应调整生成本车道后再进入障碍物投射;
S3:如果本车处于全局路径所在车道,基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间;
如果本车不处于全局路径所在车道,则根据本车所处车道决策结果完成对应车道位置的偏移调整,得到最终本车所在的车道,然后基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间;
S4:过滤掉不处于最终本车所在的车道的障碍物;
S5:对投射处于最终本车所在的车道的障碍物,根据障碍物与本车的实时纵向距离,完成本车前方障碍物筛选;
S6:根据所述步骤S5所筛选出的障碍物与本车的实时纵向距离,筛选出离本车纵向距离最近的障碍物,并进行纵向规划计算本车的加速度以控制本车加减速。
2.根据权利要求1所述一种跟车目标决策方法,其特征在于:所述步骤S1中计算本车与全局路径之间的距离来判定本车是否换道包括:
如果该距离在标定车道的一半宽度范围内,则判定为本车在全局路径所在车道;
如果该距离超过标定车道一半宽度范围的左边界,则判定本车进行左换道自适应处理,得到最终本车所在的车道;
如果该距离超过标定车道一半宽度范围的右边界,则判定本车进行右换道自适应处理,得到最终本车所在的车道;
完成本车所处车道决策。
3.根据权利要求1所述一种跟车目标决策方法,其特征在于:所述步骤S1中:
接收到本车实时定位信息后,在本车所在坐标系,按照标定的横纵向分辨率生成采样空间,并根据全局路径的位置和角度信息计算并生成本车当前位置下全局路径对应的车道空间,所述车道空间用于后续车道建模。
4.根据权利要求3所述一种跟车目标决策方法,其特征在于:所述步骤S3中进行障碍物投射时,实时获取障碍物感知定位数据,针对不同场景进行障碍物膨胀边界标定,并将障碍物投射到所述采样空间中。
5.一种车辆,其特征在于:采用如权利要求1-4任一项所述的一种跟车目标决策方法的步骤。
6.一种存储介质,其特征在于:所述存储介质存储有一个或者多个程序,所述一个或者多个程序被处理器运行时,执行如权利要求1-4中任一项所述的一种跟车目标决策方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210466400.6A CN114655206A (zh) | 2022-04-29 | 2022-04-29 | 一种跟车目标决策方法、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210466400.6A CN114655206A (zh) | 2022-04-29 | 2022-04-29 | 一种跟车目标决策方法、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114655206A true CN114655206A (zh) | 2022-06-24 |
Family
ID=82036638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210466400.6A Pending CN114655206A (zh) | 2022-04-29 | 2022-04-29 | 一种跟车目标决策方法、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114655206A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107264531A (zh) * | 2017-06-08 | 2017-10-20 | 中南大学 | 一种半结构化环境中智能车辆自主换道超车运动规划方法 |
CN108519773A (zh) * | 2018-03-07 | 2018-09-11 | 西安交通大学 | 一种结构化环境下无人驾驶车辆的路径规划方法 |
CN109987092A (zh) * | 2017-12-28 | 2019-07-09 | 郑州宇通客车股份有限公司 | 一种车辆避障换道时机的确定方法及避障换道的控制方法 |
CN110562258A (zh) * | 2019-09-30 | 2019-12-13 | 驭势科技(北京)有限公司 | 一种车辆自动换道决策的方法、车载设备和存储介质 |
US20200172110A1 (en) * | 2017-08-18 | 2020-06-04 | Sony Corporation | Vehicle traveling control device, vehicle traveling control method, and program |
CN111653113A (zh) * | 2020-04-20 | 2020-09-11 | 浙江吉利汽车研究院有限公司 | 车辆的局部路径确定方法、装置、终端和存储介质 |
-
2022
- 2022-04-29 CN CN202210466400.6A patent/CN114655206A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107264531A (zh) * | 2017-06-08 | 2017-10-20 | 中南大学 | 一种半结构化环境中智能车辆自主换道超车运动规划方法 |
US20200172110A1 (en) * | 2017-08-18 | 2020-06-04 | Sony Corporation | Vehicle traveling control device, vehicle traveling control method, and program |
CN109987092A (zh) * | 2017-12-28 | 2019-07-09 | 郑州宇通客车股份有限公司 | 一种车辆避障换道时机的确定方法及避障换道的控制方法 |
CN108519773A (zh) * | 2018-03-07 | 2018-09-11 | 西安交通大学 | 一种结构化环境下无人驾驶车辆的路径规划方法 |
CN110562258A (zh) * | 2019-09-30 | 2019-12-13 | 驭势科技(北京)有限公司 | 一种车辆自动换道决策的方法、车载设备和存储介质 |
CN111653113A (zh) * | 2020-04-20 | 2020-09-11 | 浙江吉利汽车研究院有限公司 | 车辆的局部路径确定方法、装置、终端和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11921510B1 (en) | Approach for consolidating observed vehicle trajectories into a single representative trajectory | |
CN107117179B (zh) | 基于乘员注意的自主控制 | |
CN107121979B (zh) | 自主置信控制 | |
US10035508B2 (en) | Device for signalling objects to a navigation module of a vehicle equipped with this device | |
CN105936276B (zh) | 行驶控制装置 | |
JP6696593B2 (ja) | 走行履歴の記憶方法、走行軌跡モデルの生成方法、自己位置推定方法、及び走行履歴の記憶装置 | |
US8160811B2 (en) | Method and system to estimate driving risk based on a hierarchical index of driving | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
US20170316684A1 (en) | Vehicle lane map estimation | |
CN110471406A (zh) | 自动驾驶*** | |
EP4242998A1 (en) | Traffic stream information determination method and apparatus, electronic device and storage medium | |
US20220176989A1 (en) | High precision position estimation method through road shape classification-based map matching and autonomous vehicle thereof | |
CN117490727B (zh) | 定位精度评价方法、装置和电子设备 | |
US20220204041A1 (en) | Vehicle and Method of Controlling Cut-In Response | |
US20220314979A1 (en) | Apparatus and Method for Controlling Driving of Vehicle | |
JP2018105636A (ja) | 経路生成装置 | |
US20210370962A1 (en) | Automatic comfort score system based on human driving reference data | |
CN116901963A (zh) | 自动驾驶车辆的制动控制方法、装置、车辆和介质 | |
CN114655206A (zh) | 一种跟车目标决策方法、车辆及存储介质 | |
CN116853235A (zh) | 碰撞预警方法、装置、计算机设备和存储介质 | |
CN116736855A (zh) | 评估自主驾驶规划和控制的方法和*** | |
CN113602285B (zh) | 一种车辆自动驾驶的控制方法、装置、设备及介质 | |
JP7308141B2 (ja) | 自己位置推定方法及び自己位置推定装置 | |
CN114802207A (zh) | 一种智能泊车***障碍物信息融合方法及其*** | |
CN112578792B (zh) | 一种十字路口辅助控制方法及存储介质 |
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 |