CN116572996B - 一种车辆的控制方法、装置和无人驾驶车辆 - Google Patents

Abstract

本公开涉及自动驾驶技术领域，提供了一种车辆的控制方法、装置和无人驾驶车辆，该方法包括：检测到车辆前方存在障碍物，并确定障碍物的类型；在障碍物的类型为静态障碍物的情况下，获取静态障碍物的位置信息和属性信息；确定车辆前方预设距离范围内的第一风险区域、第二风险区域和第三风险区域；在基于位置信息确定静态障碍物位于第二风险区域的情况下，根据静态障碍物的位置信息和属性信息，生成模拟因子；基于模拟因子，模拟车辆与静态障碍物在静态障碍物所在处发生碰撞时所产生的危险程度；根据危险程度，确定车辆对静态障碍物的应对策略，并根据应对策略对车辆进行控制。本公开提升了车辆碰撞风险预测以及车辆控制的准确性。

Description

一种车辆的控制方法、装置和无人驾驶车辆

技术领域

本公开属于自动驾驶技术领域，具体涉及一种车辆的控制方法、装置和无人驾驶车辆。

背景技术

矿山无人驾驶运输作业中，无人驾驶矿车通常按照预设路径行驶。在矿车行驶路径上，有时会出现落石等障碍物，如果不能及时进行识别并采取合适解决措施，将影响矿车的正常行驶，从而影响整体运行效率。

目前，无人驾驶矿车主要基于传感器（如激光雷达）等进行前方障碍物的识别，但是受限于传感器精度等问题，无人驾驶矿车在行驶时往往存在横向行驶偏差，如何对横向行驶偏差范围内的障碍物碰撞风险进行准确的识别，并基于此对车辆进行有效控制，成为本领域亟待解决的一个问题。

相关技术中，通常是根据横向行驶偏差范围内的障碍物距离车身扫掠区域中线的远近，来确定碰撞风险的相对大小，从而控制车辆行驶策略。然而，该方法对障碍物的碰撞预测不准确，进而使得后续对车辆的控制容易引发安全隐患或者导致运行效率低等问题。

发明内容

本公开旨在至少解决现有技术中存在的技术问题之一，提供一种车辆的控制方法、装置和无人驾驶车辆。

根据本公开的一个方面，公开了一种车辆的控制方法，包括：在车辆按照目标路径行驶过程中，检测到车辆前方存在障碍物，并确定所述障碍物的类型，所述车辆为自动驾驶车辆，所述障碍物的类型包括静态障碍物和动态障碍物；在所述障碍物的类型为静态障碍物的情况下，获取所述静态障碍物的位置信息和属性信息；确定所述车辆前方预设距离范围内的第一风险区域、第二风险区域和第三风险区域，所述第一风险区域为所述车辆按照所述目标路径行驶时的车身扫掠范围，所述第二风险区域紧邻所述第一风险区域且其宽度与所述车辆的行驶横向偏差相关，所述第三风险区域为远离所述第一风险区域的其他区域；在基于所述位置信息确定所述静态障碍物位于所述第二风险区域的情况下，根据所述静态障碍物的位置信息和属性信息，生成模拟因子；基于模拟因子，模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度；根据所述危险程度，确定所述车辆对所述静态障碍物的应对策略，并根据所述应对策略对所述车辆进行控制。

根据本公开的另一个方面，提供了一种车辆的控制装置，包括：障碍物检测模块，用于在车辆按照目标路径行驶过程中，检测到车辆前方存在障碍物，并确定所述障碍物的类型，所述车辆为自动驾驶车辆，所述障碍物的类型包括静态障碍物和动态障碍物；障碍物信息获取模块，用于在所述障碍物的类型为静态障碍物的情况下，获取所述静态障碍物的位置信息和属性信息；风险区域确定模块，用于确定所述车辆前方预设距离范围内的第一风险区域、第二风险区域和第三风险区域，所述第一风险区域为所述车辆按照所述目标路径行驶时的车身扫掠范围，所述第二风险区域紧邻所述第一风险区域且其宽度与所述车辆的行驶横向偏差相关，所述第三风险区域为远离所述第一风险区域的其他区域；模拟器，用于在基于所述位置信息确定所述静态障碍物位于所述第二风险区域的情况下，根据所述静态障碍物的位置信息和属性信息，生成模拟因子，并模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度；车辆控制模块，用于根据所述危险程度，确定所述车辆对所述静态障碍物的应对策略，并根据所述应对策略对所述车辆进行控制。

根据本公开的另一个方面，提供了一种无人驾驶车辆，包括上述任一项所述的控制装置。

本公开的上述技术方案具有如下有益的技术效果：

本公开实施例提供的车辆的控制方法，对无人驾驶车辆前方第二风险区域（即与车辆行驶横向偏差相关的区域）的静态障碍物进行识别， 根据静态障碍物的位置信息和属性信息，生成模拟因子，并模拟预测车辆和静态障碍物发生碰撞的危险程度，以根据危险程度确定对车辆采取何种应对措施，提升了车辆碰撞风险预测以及车辆控制的准确性，降低了碰撞风险预测不准确带来的安全隐患以及对运行效率的不良影响。

附图说明

图1是本公开实施例的一种车辆的控制方法的示意图；

图2是本公开实施例的一种风险区域分布的示意图；

图3是本公开实施例的一种车辆的控制装置的结构示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本公开进一步详细说明。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

如图1所示，根据本发明实施例提供了一种车辆的控制方法，该方法可以应用于车辆端，也可以应用于平台端，该方法包括以下步骤：

步骤S102，在车辆按照目标路径行驶过程中，检测到车辆前方存在障碍物，并确定所述障碍物的类型，所述车辆为自动驾驶车辆，所述障碍物的类型包括静态障碍物和动态障碍物。

在该步骤中，车辆为自动驾驶车辆，车辆的目标路径行驶可以是为该自动驾驶车辆预先规划的行驶路径。例如，无人驾驶矿卡根据预先规划的行驶路线进行运输作业。

在该步骤中，可以根据车端设置的传感器检测前方存在障碍物，并确定所述障碍物的类型，其中，障碍物的类型可以是静态障碍物（比如，静态的落石、冰块、其他散落物、停止的其他车辆等）或者动态障碍物（比如，运动的车辆、人等）。其中，传感器可以是激光雷达、毫米波雷达或摄像头等。或者，也可以通过该车辆周围的其他车辆识别是否该车辆前方存在障碍物，并通过V2V传递给该车辆，或者传递给云平台。或者，也可以通过路侧设备检测该车辆的前方是否存在障碍物，并传递给该车辆，或者传递给云平台。可选的，为了提升障碍物识别的准确性，并减少识别的盲区（比如，该车辆可能只能对障碍物的一面进行识别，障碍物的另一面为该车辆识别的盲区），可以结合上述至少两种障碍物检测方法对障碍物进行识别（也可以应用于识别步骤S104中的属性信息），并根据至少两种识别结果确定最终的识别结果。例如，通过该车端的传感器、路测设备和车辆周围其他车辆的传感器同时采集障碍物信息，再一并汇总到车端或者平台端，以实现障碍物的检测。

步骤S104，在所述障碍物的类型为静态障碍物的情况下，获取所述静态障碍物的位置信息和属性信息。

在该实施例中，静态障碍物的属性信息，用于表征静态障碍物的自身固有特性，用于仿真模拟。属性信息包括但不限于大小、种类、形状等信息。

其中，对于不规则障碍物，大小可以是指静态障碍物的最大外形尺寸（长、宽、高），或者，也可以确定包绕不规则物体的最小圆形包络块，将该最小圆形包络块的直径或半径作为该静态障碍物的大小。

其中，静态障碍物的种类可以是石块、冰块、其他车辆（如故障车辆）等。

其中，静态障碍物的形状可以是障碍物有无尖锐角、尖锐角朝向等。

在该步骤中，可以通过车端、路侧或者周围其他车辆设置的传感器、并结合定位等方式获取静态障碍物的位置信息和属性信息。例如，可以通过车端设置的激光雷达获取静态障碍物的属性信息。再例如，可以根据路侧设备的位置，并结合路侧设备拍摄到的静态障碍物的图像，二者结合确定静态障碍物的位置信息。

步骤S106，确定所述车辆前方预设距离范围内的第一风险区域、第二风险区域和第三风险区域，所述第一风险区域为所述车辆按照所述目标路径行驶时的车身扫掠范围，所述第二风险区域紧邻所述第一风险区域且其宽度与所述车辆的行驶横向偏差相关，所述第三风险区域为远离所述第一风险区域的其他区域。

该步骤中，如图2所示，提供了一种风险区域分布的示意图，其中，第一风险区域S1是车辆（即灰色方块）按照目标路径行驶时的车身扫掠范围，也即，车辆的前、后、左、右边界所扫掠的包络区域。第二风险区域S2是受车辆传感器精度、车辆定位精度等影响而产生的行驶横向偏差区域，第二风险区域的宽度与车辆的行驶横向偏差相关，该区域分布在第一风险区域的两侧。第三风险区域S3是分布在第二风险区域更靠外的区域，对于车辆行驶来说属于（相对）安全区域。

步骤S108，在基于所述位置信息确定所述静态障碍物位于所述第二风险区域的情况下，根据所述静态障碍物的位置信息和属性信息，生成模拟因子。

在该步骤中，可以根据静态障碍物的位置信息和属性信息，生成对应的障碍物模拟数据，即进行障碍物的物理建模和/或场景建模。可选的，模拟因子包括以下一个或者多个：所述静态障碍物的重量、所述静态障碍物的形状、所述静态障碍物的尺寸、所述静态障碍物与所述车辆之间的距离。当然也可以包括障碍物的速度信息，对于静态障碍物来说，速度为0。其中，障碍物的重量可以根据障碍物的属性信息计算或者预测。例如，可以根据障碍物的大小、形状和类型预估障碍物的重量。

可选的，可以将静态障碍物的位置信息和属性信息输入仿真模拟软件中，输出其在对应行驶环境中的物理建模。或者，也可以根据静态障碍物的属性信息匹配***中预存的模型元素，将匹配到的模型元素或者匹配到的模型元素的调整结果作为该静态障碍物的模拟因子。比如，***中预存了不同类型车辆的模型元素，则如果检测到静态障碍物的类型是洒水车时，可以直接根据类型查找洒水车对应的模型元素，即得到模拟因子。再例如，***中可以预存落石的基础模型，在静态障碍物的类型为落石时，可以对落石的基础模型进行适应性调整得到对应的模拟因子。可选的，为了提升模拟效率，在落石的尺寸小于预设尺寸阈值时，直接使用落石的基础模型；在落石的尺寸大于或等于预设尺寸阈值时，基于落石的其他属性对落石的基础模型进行精细化调整，得到最终的模拟因子。可选的，预设尺寸阈值与车辆的车轮尺寸相关。比如，预设尺寸阈值可以是车轮直径的15%，其中，落石的尺寸小于预设尺寸阈值，即落石的最大直径小于车轮直径的15%。可选的，基于落石的其他属性对落石的基础模型进行精细化调整，可以包括：确定落石与车辆的碰撞面，判断该碰撞面上落石是否存在尖锐角（根据感测到的障碍物的表面弧度确定），如果存在尖锐角，则针对尖锐角信息（尖锐角位置、尺寸等）对基础模型进行调整，同时忽略其他特征的调整，以提升模拟因子的生成效率。需要说明的是，也可以根据静态障碍物的所有或者其他部分属性信息生成模拟因子，本公开对此不做具体限定。

可选的，所述根据所述静态障碍物的位置信息和属性信息，生成模拟因子包括：获取所述静态障碍物所在区域的地图数据；根据所述静态障碍物的位置信息、属性信息以及所述地图数据，生成所述模拟因子。在该实施例中，可以根据静态障碍物所在区域的预设范围内的地图数据，生成场景模拟因子，在场景中生成对应的物理模拟因子。其中，地图数据中可以涵盖静态障碍物周围的挡墙、悬崖等信息。基于此，可以对车辆和静态障碍物的碰撞过程和结果进行更精确的模拟。

步骤S110，基于模拟因子，模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度。

在该步骤中，根据上述模拟得到的物理模拟因子（以及场景模拟因子），可以对车辆与静态障碍物碰撞产生危险程度进行模拟。可选的，可以利用所述模拟因子、预存的车辆动力学模型、动量守恒公式和动能守恒公式，模拟所述车辆和所述静态障碍物的碰撞过程和/或碰撞结果，并根据所述碰撞过程和/或所述碰撞结果确定所述危险程度。

其中，危险程度可以根据碰撞过程、碰撞结果或者碰撞过程和碰撞结果的结合，划分成不同的等级。例如，根据碰撞结果确定危险程度可以包括：如果碰撞结果为翻车则为危险程度高，卡停则为危险程度中，车辆碾压障碍物通过则为危险程度低。另外，也可以考虑车损情况，车损情况越严重，对应危险程度越高。再例如，根据碰撞过程确定危险程度包括：确定碰撞过程中车辆的位置是否偏离原行驶轨迹过大，越大则危险程度越高；或者，是否有跌落悬崖的情况，若有则危险程度很高。

可选的，基于模拟因子，模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度，还可以包括：根据所述模拟因子以及至少所述车辆的当前行驶速度，模拟所述车辆与所述静态障碍物在静态障碍物所在处发生碰撞时所产生的危险程度。在该实施例中，可以基于车辆的当前行驶速度，模拟所述车辆与所述静态障碍物碰撞时所产生的危险程度。另外，由于车辆速度控制可能存在误差，因此为了进一步提升模拟的准确性，还可以根据所述模拟因子以及多个行驶速度，模拟所述车辆与所述静态障碍物在静态障碍物所在处发生碰撞时所产生的危险程度，所述多个行驶速度包括所述当前行驶速度以及至少一个与所述当前行驶速度相差指定速度差值的其他目标速度。其中，指定速度差值可以尽量小，使得当前行驶速度和所述其他目标速度比较接近。

步骤S112，根据所述危险程度，确定所述车辆对所述静态障碍物的应对策略，并根据所述应对策略对所述车辆进行控制。

在该步骤中，应对策略可以包括减速、绕行、骑行等。可选的，可以根据所述危险程度，确定所述车辆的减速度，所述危险程度和所述减速度的绝对值呈正比；按照所述减速度对所述车辆进行减速控制。也即，在危险程度越高的情况下，采取让车辆更快减速的策略，以降低安全隐患。

上述实施例提供的车辆的控制方法，对无人驾驶车辆前方第二风险区域（即与车辆行驶横向偏差相关的区域）的静态障碍物进行识别， 根据静态障碍物的位置信息和属性信息，生成模拟因子，并模拟预测车辆和静态障碍物发生碰撞的危险程度，以根据危险程度确定对车辆采取何种应对措施，提升了车辆碰撞风险预测以及车辆控制的准确性，降低了碰撞风险预测不准确带来的安全隐患以及对运行效率的不良影响。

图3是根据本公开实施例提供的一种车辆的控制装置，用于实现上述的车辆的控制方法。该装置包括：

障碍物检测模块30，用于在车辆按照目标路径行驶过程中，检测到车辆前方存在障碍物，并确定所述障碍物的类型，所述车辆为自动驾驶车辆，所述障碍物的类型包括静态障碍物和动态障碍物。

障碍物信息获取模块32，用于在所述障碍物的类型为静态障碍物的情况下，获取所述静态障碍物的位置信息和属性信息。

风险区域确定模块34，用于确定所述车辆前方预设距离范围内的第一风险区域、第二风险区域和第三风险区域，所述第一风险区域为所述车辆按照所述目标路径行驶时的车身扫掠范围，所述第二风险区域紧邻所述第一风险区域且其宽度与所述车辆的行驶横向偏差相关，所述第三风险区域为远离所述第一风险区域的其他区域。

模拟器36，用于在基于所述位置信息确定所述静态障碍物位于所述第二风险区域的情况下，根据所述静态障碍物的位置信息和属性信息，生成模拟因子，并模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度。

车辆控制模块38，用于根据所述危险程度，确定所述车辆对所述静态障碍物的应对策略，并根据所述应对策略对所述车辆进行控制。

可选的，所述模拟器还用于：获取所述静态障碍物所在区域的地图数据；根据所述静态障碍物的位置信息、属性信息以及所述地图数据，生成所述模拟因子。

可选的，所述模拟器还用于：利用所述模拟因子、预存的车辆动力学模型、动量守恒公式和动能守恒公式，模拟所述车辆和所述静态障碍物的碰撞过程和/或碰撞结果，并根据所述碰撞过程和/或所述碰撞结果确定所述危险程度。

可选的，所述车辆控制模块还用于：根据所述危险程度，确定所述车辆的减速度，所述危险程度和所述减速度的绝对值呈正比；按照所述减速度对所述车辆进行减速控制。

可选的，所述模拟器还用于：根据所述模拟因子以及至少所述车辆的当前行驶速度，模拟所述车辆与所述静态障碍物在静态障碍物所在处发生碰撞时所产生的危险程度。

可选的，所述模拟器还用于：根据所述模拟因子以及多个行驶速度，模拟所述车辆与所述静态障碍物在静态障碍物所在处发生碰撞时所产生的危险程度，所述多个行驶速度包括所述当前行驶速度以及至少一个与所述当前行驶速度相差指定速度差值的速度。

本公开实施例提供的车辆的控制装置，对无人驾驶车辆前方第二风险区域（即与车辆行驶横向偏差相关的区域）的静态障碍物进行识别， 根据静态障碍物的位置信息和属性信息，生成模拟因子，并模拟预测车辆和静态障碍物发生碰撞的危险程度，以根据危险程度确定对车辆采取何种应对措施，提升了车辆碰撞风险预测以及车辆控制的准确性，降低了碰撞风险预测不准确带来的安全隐患以及对运行效率的不良影响。

根据本公开的另一个方面，提供了一种无人驾驶车辆，包括上述任一项所述的控制装置。该装置在上述实施例中做了说明，在此不再赘述。

在本公开的描述中，需要说明的是，除非另有说明，“多个”的含义是两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系仅是为了便于描述本公开和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本公开的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。“垂直”并不是严格意义上的垂直，而是在误差允许范围之内。“平行”并不是严格意义上的平行，而是在误差允许范围之内。

在本公开的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可视具体情况理解上述术语在本公开中的具体含义。

上面结合附图对本公开的实施例进行了描述，但是本公开并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本公开的启示下，在不脱离本公开宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本公开的保护之内。

Claims (10)

1.一种车辆的控制方法，其特征在于，包括：

在车辆按照目标路径行驶过程中，检测到车辆前方存在障碍物，并确定所述障碍物的类型，所述车辆为自动驾驶车辆，所述障碍物的类型包括静态障碍物和动态障碍物；

在所述障碍物的类型为静态障碍物的情况下，获取所述静态障碍物的位置信息和属性信息；

确定所述车辆前方预设距离范围内的第一风险区域、第二风险区域和第三风险区域，所述第一风险区域为所述车辆按照所述目标路径行驶时的车身扫掠范围，所述第二风险区域紧邻所述第一风险区域且其宽度与所述车辆的行驶横向偏差相关，所述第三风险区域为远离所述第一风险区域的其他区域；

在基于所述位置信息确定所述静态障碍物位于所述第二风险区域的情况下，根据所述静态障碍物的位置信息和属性信息，生成模拟因子；

基于模拟因子，模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度；

根据所述危险程度，确定所述车辆对所述静态障碍物的应对策略，并根据所述应对策略对所述车辆进行控制。

2.根据权利要求1所述的方法，其特征在于，所述根据所述静态障碍物的位置信息和属性信息，生成模拟因子包括：

获取所述静态障碍物所在区域的地图数据；

根据所述静态障碍物的位置信息、属性信息以及所述地图数据，生成所述模拟因子。

3.根据权利要求1或2所述的方法，其特征在于，所述基于模拟因子，模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度包括：

利用所述模拟因子、预存的车辆动力学模型、动量守恒公式和动能守恒公式，模拟所述车辆和所述静态障碍物的碰撞过程和/或碰撞结果，并根据所述碰撞过程和/或所述碰撞结果确定所述危险程度。

4.根据权利要求1所述的方法，其特征在于，所述根据所述危险程度，确定所述车辆对所述静态障碍物的应对策略，并根据所述应对策略对所述车辆进行控制包括：

根据所述危险程度，确定所述车辆的减速度，所述危险程度和所述减速度的绝对值呈正比；

按照所述减速度对所述车辆进行减速控制。

5.根据权利要求1所述的方法，其特征在于，所述基于模拟因子，模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度，包括：

根据所述模拟因子以及至少所述车辆的当前行驶速度，模拟所述车辆与所述静态障碍物在静态障碍物所在处发生碰撞时所产生的危险程度。

6.根据权利要求5所述的方法，其特征在于，所述根据所述模拟因子以及至少所述车辆的当前行驶速度，模拟所述车辆与所述静态障碍物在静态障碍物所在处发生碰撞时所产生的危险程度，包括：

根据所述模拟因子以及多个行驶速度，模拟所述车辆与所述静态障碍物在静态障碍物所在处发生碰撞时所产生的危险程度，所述多个行驶速度包括所述当前行驶速度以及至少一个与所述当前行驶速度相差指定速度差值的速度。

7.根据权利要求1所述的方法，其特征在于，所述模拟因子包括以下一个或者多个：所述静态障碍物的重量、所述静态障碍物的形状、所述静态障碍物的尺寸、所述静态障碍物与所述车辆之间的距离。

8.根据权利要求1所述的方法，其特征在于，所述属性信息包括以下一个或者多个：大小、种类、形状。

9.一种车辆的控制装置，其特征在于，包括：

障碍物检测模块，用于在车辆按照目标路径行驶过程中，检测到车辆前方存在障碍物，并确定所述障碍物的类型，所述车辆为自动驾驶车辆，所述障碍物的类型包括静态障碍物和动态障碍物；

障碍物信息获取模块，用于在所述障碍物的类型为静态障碍物的情况下，获取所述静态障碍物的位置信息和属性信息；

风险区域确定模块，用于确定所述车辆前方预设距离范围内的第一风险区域、第二风险区域和第三风险区域，所述第一风险区域为所述车辆按照所述目标路径行驶时的车身扫掠范围，所述第二风险区域紧邻所述第一风险区域且其宽度与所述车辆的行驶横向偏差相关，所述第三风险区域为远离所述第一风险区域的其他区域；

模拟器，用于在基于所述位置信息确定所述静态障碍物位于所述第二风险区域的情况下，根据所述静态障碍物的位置信息和属性信息，生成模拟因子，并模拟所述车辆与所述静态障碍物在所述静态障碍物所在处发生碰撞时所产生的危险程度；

车辆控制模块，用于根据所述危险程度，确定所述车辆对所述静态障碍物的应对策略，并根据所述应对策略对所述车辆进行控制。

10.一种无人驾驶车辆，其特征在于，包括权利要求9所述的控制装置。