CN116729374B - 一种自动驾驶车道保持控制方法、***、装置和存储介质 - Google Patents
一种自动驾驶车道保持控制方法、***、装置和存储介质 Download PDFInfo
- Publication number
- CN116729374B CN116729374B CN202311033160.1A CN202311033160A CN116729374B CN 116729374 B CN116729374 B CN 116729374B CN 202311033160 A CN202311033160 A CN 202311033160A CN 116729374 B CN116729374 B CN 116729374B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- deviation
- center line
- relative
- 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 38
- 238000001514 detection method Methods 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000758 substrate Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 description 22
- 238000012986 modification Methods 0.000 description 12
- 230000004048 modification Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例提供一种自动驾驶车道保持控制方法、***、装置和存储介质,可以实现在GPS信号较弱的直行车道和/或狭窄的直行车道上的高精度车道保持功能。所述方法包括:按照控制周期,基于上一时刻对应的自车相对于车道中心线的偏差以及上一时刻对应的自车相对于车道中心线的偏差估计,得到当前时刻对应的自车相对于车道中心线的偏差观测值;基于当前时刻对应的偏差观测值,对当前时刻对应的自车位置进行修正;基于修正后的自车位置,获取当前时刻对应的车道中心线;基于车道中心线生成当前路径,并基于当前路径进行车道保持控制。
Description
技术领域
本说明书涉及自动驾驶技术领域,特别涉及一种自动驾驶车道保持控制方法、***和存储介质。
背景技术
车道保持模式是自动驾驶技术的常用模式,可以通过识别并跟踪车道中心线,实现自动驾驶。然而,GPS信号较弱的直行车道和/或狭窄的直行车道(例如,港口堆场的直行车道道路狭窄,且道理左右堆放的集装箱遮挡了GPS信号)定位不稳定,自动驾驶可能引发危险情况。
因此,希望提供一种自动驾驶车道保持控制方案,可以实现在GPS信号较弱的直行车道和/或狭窄的直行车道上的高精度车道保持功能。
发明内容
本说明书一个或多个实施例提供一种自动驾驶车道保持控制方法,所述车辆管理方法包括:按照控制周期,基于上一时刻对应的自车相对于车道中心线的偏差以及上一时刻对应的自车相对于车道中心线的偏差估计,得到当前时刻对应的自车相对于车道中心线的偏差观测值,其中,上一时刻对应的偏差按照检测周期获取;基于当前时刻对应的偏差观测值,对当前时刻对应的自车位置进行修正;基于修正后的自车位置,获取当前时刻对应的车道中心线;基于车道中心线生成当前路径,并基于当前路径进行车道保持控制。
本说明书一个或多个实施例提供一种自动驾驶车道保持控制***,所述自动驾驶车道保持控制***包括:观测值获取模块,用于按照控制周期,基于上一时刻对应的自车相对于车道中心线的偏差 以及上一时刻对应的自车相对于车道中心线的偏差估计,得到当前时刻对应的自车相对于车道中心线的偏差观测值,其中,上一时刻对应的偏差按照检测周期获取;修正模块,用于基于当前时刻对应的偏差观测值,对当前时刻对应的自车位置进行修正;车道中心线获取模块,用于基于修正后的自车位置,获取当前时刻对应的车道中心线;路径生成模块,用于基于车道中心线生成当前路径,并基于当前路径进行车道保持控制。
本说明书一个或多个实施例提供一种自动驾驶车道保持控制装置,所述装置包括至少一个存储介质,存储计算机指令;至少一个处理器,执行所述计算机指令,以实现自动驾驶车道保持控制方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行自动驾驶车道保持控制方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的示例性自动驾驶车道保持控制***的应用场景示意图;
图2是根据本说明书一些实施例所示的示例性自动驾驶车道保持控制***的模块图;
图3是根据本说明书一些实施例所示的示例性自动驾驶车道保持控制方法的流程图;
图4是根据本说明书一些实施例所示的示例性得到当前时刻自车偏差的观测值方法的流程图;
图5是根据本说明书一些实施例所示的示例性车道控制模式切换方法的流程图;
图6是根据本说明书一些实施例所示的示例性检测周期和控制周期的示意图;
图7是根据本说明书一些实施例所示的示例性自车相对于车道中心线的偏差的示意图;
图8A和图8B是根据本说明书一些实施例所示的示例性生成当前路径的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中。
图1是根据本说明书一些实施例所示的示例性自动驾驶车道保持控制***的应用场景示意图。在一些实施例中,自动驾驶车道保持控制***的应用场景100可以包括多种自动驾驶场景,例如,私人自动驾驶汽车、共享自动驾驶汽车、无人自动货运汽车等。在一些实施例中,自动驾驶车道保持控制***的应用场景100可以通过实施本说明书披露的方法和/或过程,实现高精度的车道保持功能。
在一些实施例中,如图1所示,自动驾驶车道保持控制***的应用场景100可以包括处理设备110、车辆120、终端设备130、存储设备140和网络150。
处理设备110可以用于处理来自自动驾驶车道保持控制***的应用场景100的至少一个组件或外部数据源(例如,云数据中心)的数据和/或信息。例如,处理设备110可以按照控制周期,基于上一时刻对应的自车相对于车道中心线的偏差以及上一时刻对应的自车相对于车道中心线的偏差估计,得到当前时刻对应的自车相对于车道中心线的偏差观测值。又例如,处理设备110可以基于从第一终端设备130接收的电子地图,并从电子地图上确定距离修正后的自车位置第一预设长度的车道中心线,作为当前时刻对应的车道中心线。在一些实施例中,处理设备110可以包括中央处理单元(CPU)、数字信号处理器(DSP)、片上***(SoC)、微控制器单元(MCU)、计算机、用户控制台等或其任意组合。在一些实施例中,处理设备110可以包括单个服务器或服务器组。服务器组可以是集中式或分布式的。在一些实施例中,处理设备110可以是本地的或远程的。在一些实施例中,处理设备110可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
车辆120可以是用于自动驾驶车道保持控制***的应用场景100的运输服务车辆。在一些实施例中,车辆120可以包括私人自动驾驶汽车、共享自动驾驶汽车、无人自动货运汽车等。在一些实施例中,车辆120可以接收处理设备110发出的指令,并依照指令完成对应的任务。例如,车辆120可以接收进入车道保持模式、退出车道保持模式、进入常规驾驶模式、控制车辆停车等指令,并自动控制车辆120完成对应的操作。在一些实施例中,车辆120可以包括定位组件(例如,GPS模块)、图像采集组件(例如,摄像头)、传感器(例如,雷达传感器、超声波传感器、激光传感器、惯性测量单元传感器)等。在一些实施例中,车辆120可以通过网络150实现与处理设备110的通信。例如,车辆120可以通过网络150向处理设备110发送当前时刻对应的自车位置。
终端设备130可以是显示电子地图和/或车辆路径的终端设备。在一些实施例中,终端设备130可以安装在车辆120上或者是车辆120的组件。在一些实施例中,终端设备130可以通过网络从处理设备110接收电子地图、车辆的路径等,并通过屏幕向用户显示。在一些实施例中,终端设备130可以包括移动设备、平板计算机、膝上型计算机、其他具有输入和/或输出功能的设备等或其任意组合。
存储设备140可以用于存储数据、指令和/或任何其他信息。例如,存储设备可以存储上一时刻对应的自车相对于车道中心线的偏差、历史路径等。在一些实施例中,存储设备可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。在一些实施例中,存储设备可以集成或包括在自动驾驶车道保持控制***的应用场景100的一个或多个其他组件(例如,处理设备110、车辆120、终端设备130)。
网络150可以促进信息和/或数据的交换。在一些实施例中,自动驾驶车道保持控制***的应用场景100的一个或以上组件(例如,处理设备110、车辆120、终端设备130、存储设备140)可以通过网络150向自动驾驶车道保持控制***的应用场景100的其他组件发送信息和/或数据。在一些实施例中,网络150可以包括有线网络或无线网络中的任意一种或多种。在一些实施例中,网络150可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。在一些实施例中,自动驾驶车道保持控制***的应用场景100各组件之间的网络连接可以采用上述一种方式,也可以采取多种方式。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
值得注意的是,自动驾驶车道保持控制***的应用场景100仅出于说明目的而提供,并不旨在限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出各种各样的变化和修改。例如,自动驾驶车道保持控制***的应用场景100还可以包括数据库、信息源等。又例如,自动驾驶车道保持控制***的应用场景100可以在其他设备上实现以实现相似或不同的功能。然而,这些变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的示例性自动驾驶车道保持控制***的模块图。在一些实施例中,自动驾驶车道保持控制***200可以通过处理设备110实现。在一些实施例中,如图2所示,自动驾驶车道保持控制***200可以包括观测值获取模块210、修正模块220、车道中心线获取模块230和/或路径生成模块240。
观测值获取模块210可以用于按照控制周期,基于上一时刻对应的自车相对于车道中心线的偏差以及上一时刻对应的自车相对于车道中心线的偏差估计,得到当前时刻对应的自车相对于车道中心线的偏差观测值。在一些实施例中,上一时刻对应的偏差按照检测周期获取。在一些实施例中,观测值获取模块210可以执行以下一个或多个操作:基于自车的横向速度和航向角变化率,获取上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量;基于上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量和上一时刻对应的自车相对于车道中心线的偏差估计,确定当前时刻对应的自车相对于车道中心线的偏差估计;通过观测器,基于当前时刻对应的自车相对于车道中心线的偏差估计、上一时刻对应的自车相对于车道中心线的偏差以及上一时刻对应的自车相对于车道中心线的偏差估计,得到当前时刻对应的自车相对于车道中心线的偏差观测值。在一些实施例中,观测值获取模块210可以执行以下一个或多个操作:获取上一时刻对应的自车相对于车道中心线的偏差与上一时刻对应的自车相对于车道中心线的偏差估计的运动差值;基于观测器和上一时刻对应的运动差值,获取上一时刻对应的观测计算值;基于当前时刻对应的自车相对于车道中心线的偏差估计和上一时刻对应的观测计算值,获取当前时刻对应的自车相对于车道中心线的偏差观测值。在一些实施例中,观测器为对角矩阵。在一些实施例中,对角矩阵包括第一系数和第二系数,第一系数和第二系数大于0且小于1。在一些实施例中,第一系数对应上一时刻对应的自车相对于车道中心线的偏差的置信度,第二系数对应上一时刻对应的自车相对于车道中心线的偏差估计的置信度。在一些实施例中,第一系数和第二系数中的至少一个基于自车环境信息确定。
修正模块220可以用于基于当前时刻对应的偏差观测值,对当前时刻对应的自车位置进行修正。
车道中心线获取模块230可以用于基于修正后的自车位置,获取当前时刻对应的车道中心线。
路径生成模块240可以用于基于车道中心线生成当前路径,并基于当前路径进行车道保持控制。在一些实施例中,当首次进入车道保持模式时,当前路径基于修正后的自车位置和车道中心线曲线连接。在一些实施例中,当非首次进入车道保持模式时,当前路径基于历史路径与车道中心线拼接。在一些实施例中,路径生成模块240可以执行以下一个或多个操作:判断车道线检测结果是否有效以及在检测周期内检测的自车相对于车道中心线的偏差是否满足第一预设条件;响应于车道线检测结果有效,且在检测周期内检测的自车相对于车道中心线的偏差满足第一预设条件,则确定当前时刻对应的偏差观测值,否则退出车道保持控制模式。在一些实施例中,路径生成模块240可以执行以下一个或多个操作:退出车道保持控制模式后,判断自车与车道中心线的相对位置关系是否满足第二预设条件;响应于相对位置关系不满足第二预设条件,则实施停车;响应于相对位置关系满足第二预设条件,则进入常规控制模式。
需要注意的是,以上对于自动驾驶车道保持控制***200及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该装置的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子装置与其他模块连接。在一些实施例中,图2中披露的模块可以是一个***中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的示例性自动驾驶车道保持控制方法的流程图。在一些实施例中,流程300可以由处理设备110或自动驾驶车道保持控制***200执行。例如,流程300可以以程序或指令的形式存储在存储设备中,当处理设备110或自动驾驶车道保持控制***200执行指令时,可以实现流程300。下面呈现的流程300的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图3中示出的和下面描述的流程300的操作的顺序并非限制性的。
步骤310,按照控制周期,基于上一时刻对应的自车相对于车道中心线的偏差以及上一时刻对应的自车相对于车道中心线的偏差估计,得到当前时刻对应的自车相对于车道中心线的偏差观测值。具体地,步骤310可以由观测值获取模块210执行。
控制周期可以是对自车位置进行修正的周期。也就是说,对自车位置进行修正的当前时刻和对自车位置进行修正的上一时刻可以间隔一个控制周期,例如,一个控制周期为25毫秒或者10毫秒。仅作为示例,图6是根据本说明书一些实施例所示的示例性检测周期和控制周期的示意图,如图6所示,控制周期为Δt,上一时刻tk对自车位置进行修正后,在当前时刻t(k+1)=tk+Δt需要对自车位置再次进行修正。
自车相对于车道中心线的偏差可以是通过检测获取的自车与车道中心线之间的偏差值。在一些实施例中,自车相对于车道中心线的偏差可以用自车角度偏差和自车横向偏差表示。其中,自车角度偏差可以是自车的竖轴线与车道中心线之间的夹角,自车横向偏差可以是自车后轮轴心中点(即后轮连线与自车竖轴线的交点)到车道中心线之间的距离。仅作为示例,图7是根据本说明书一些实施例所示的示例性自车相对于车道中心线的偏差的示意图,如图7所示,自车角度偏差为Δφ,自车横向偏差为Δy,自车相对于车道中心线的偏差可以为z=[Δφ , Δy]。
在一些实施例中,观测值获取模块210可以先通过自车的摄像头获取自车当前位置所在车道的两侧车道边线图像,并基于两侧车道边线图像确定车道中心线位置,然后基于车道中心线位置和自车当前位置,计算自车相对于车道中心线的偏差可以用自车角度偏差和自车横向偏差。
在一些实施例中,上一时刻对应的偏差按照检测周期获取。检测周期可以是对自车相对于车道中心线的偏差进行检测的周期。也就是说,对自车相对于车道中心线的偏差进行检测的相邻两个时刻之间可以间隔一个检测周期,例如检测周期为100毫秒。仅作为示例,如图6所示,检测周期为ΔT,对自车相对于车道中心线的偏差进行检测的相邻时刻T0和T1之间间隔一个检测周期ΔT,即第1个检测周期。
在一些实施例中,在一个相同检测周期内任意时刻的自车相对于车道中心线的偏差相同,为该检测周期内第1个时刻检测的自车相对于车道中心线的偏差。仅作为示例,如图6所示,第1个检测周期内任意时刻(例如,t0和t1)的自车相对于车道中心线的偏差等于该检测周期内第1个时刻T0检测的自车相对于车道中心线的偏差,即z(t0)=z(t1)=z(1)=z(T0)。
在一些实施例中,观测值获取模块210可以确定上一时刻对应的检测周期,然后将上一时刻对应的检测周期对应的自车相对于车道中心线的偏差确定为上一时刻对应的偏差。仅作为示例,如图6所示,对自车位置进行修正的上一时刻tk在第n个检测周期内,则将tk对应的第n个检测周期对应的自车相对于车道中心线的偏差作为tk对应的偏差,即z(tk)=z(n)。
自车相对于车道中心线的偏差估计可以是通过计算获取的对应时刻的自车相对于车道中心线的偏差值。上一时刻对应的自车相对于车道中心线的偏差估计即通过计算获取的上一时刻的自车相对于车道中心线的偏差值。当上一时刻为自车运动的起始时刻,对应的自车相对于车道中心线的偏差估计为0。例如,当前时刻为t1,则上一时刻t0对应的自车相对于车道中心线的偏差估计(t0)=[0,0]。当上一时刻为自车运动的非起始时刻,对应的自车相对于车道中心线的偏差估计可以图4及其相关描述获取。例如,当前时刻为t(k+1),则上一时刻tk对应的自车相对于车道中心线的偏差观测值/>(tk)可以基于tk的上一时刻t(k-1)对应的自车相对于车道中心线的偏差在控制周期内的增量/>和对应的自车相对于车道中心线的偏差观测值/>(t(k-1))获取。
当前时刻对应的自车相对于车道中心线的偏差观测值是用于修正当前时刻的自车在自车横向偏差方向上和自车角度偏差方向上位置的数值。例如,=[/>,/>]。关于获取当前时刻对应的自车相对于车道中心线的偏差观测值的详细描述可以参见图4及其相关描述,在此不再赘述。
步骤320,基于当前时刻对应的偏差观测值,对当前时刻对应的自车位置进行修正。具体地,步骤320可以由修正模块220执行。
当前时刻对应的自车位置可以是当前时刻自车在世界坐标系中的位置。在一些实施例中,修正模块220可以通过自车的GPS模块获取当前时刻的自车位置。例如,当前时刻对应的自车位置为p(t(k+1))。
在一些实施例中,修正模块220可以将车体坐标系中当前时刻对应的偏差观测值转换为世界坐标系中的当前时刻对应的转换偏差观测值,然后用前时刻对应的转换偏差观测值对当前时刻对应的自车位置进行修正,得到修正后的自车位置。例如,将车体坐标系中转换为世界坐标系中的/>,然后对当前时刻对应的自车位置进行修正后得到世界坐标系中的修正后的自车位置p’(t(k+1))= p(t(k+1))+/>。通过对自车位置进行修正,即使因为信号使得卫星定位获取的自车位置存在跳变也能够较好实现车道保持。
步骤330,基于修正后的自车位置,获取当前时刻对应的车道中心线。具体地,步骤330可以由车道中心线获取模块230执行。
在一些实施例中,车道中心线获取模块230可以从电子地图上确定距离修正后的自车位置第一预设长度的车道中心线,作为当前时刻对应的车道中心线。其中,第一预设长度可以是预先人工设置的长度,例如,50m。
步骤340,基于车道中心线生成当前路径,并基于当前路径进行车道保持控制。具体地,步骤340可以由路径生成模块240执行。
在一些实施例中,当首次进入车道保持模式时,当前路径可以基于修正后的自车位置和车道中心线曲线连接。具体地,路径生成模块240可以先在电子地图上确定距离修正后的自车位置第二预设长度的点,然后用曲线链接该点和车道中心线上的点,生成当前路径。其中,第二预设长度可以是预先人工设置的长度,第二预设长度小于第一预设长度,例如,20m。
仅作为示例,图8A和图8B是根据本说明书一些实施例所示的示例性生成当前路径的示意图,如图8A所示,车辆首次进入车道保持模式,路径生成模块240可以先从电子地图上确定距离修正后的自车位置20m的点A,然后采用杜宾(Dubin)曲线将点A和当前时刻对应的车道中心线上的点B连接起来,生成当前路径。
在一些实施例中,当非首次进入车道保持模式时,当前路径可以基于历史路径与车道中心线拼接。历史路径可以是上一时刻生成的路径。具体地,路径生成模块240可以先在电子地图上从修正后的自车位置截取历史路径,然后与当前时刻对应的车道中心线拼接为当前路径。仅作为示例,如图8B所示,车辆非首次进入车道保持模式,路径生成模块240可以在电子地图上从修正后的自车位置截取第一预设长度的历史路径,然后将截取的第一预设长度的历史路径和当前时刻对应的车道中心线拼接为当前路径。
为了避免当前路径上的点发生跳变,在一些实施例中,路径生成模块240可以通过平滑算法,对当前路径进行平滑处理。
在本说明书的一些实施例中,基于修正后的自车位置拼接当前时刻对应的车道中心线,生成当前路径,可以防止当前路径上的点跳变。
车道保持模式是通过横向控制器跟踪当前路径的辅助自动驾驶模式。在一些实施例中,路径生成模块240可以将世界坐标系中的当前路径转换至车体坐标系中的当前车体路径,然后将当前车体路径输入自车的横向控制器中,从而通过横向控制器控制车辆进行车道保持控制。
在一些实施例中,在进入车道保持模式之前,路径生成模块240可以先判断车辆是否进入车道保持模式。关于判断车辆是否进入车道保持模式的详细描述可以参见图5及其相关描述,在此不再赘述。
应当注意,关于流程300的以上描述仅是出于说明的目的而提供的,并且无意于限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出各种各样的变化和修改。然而,这些变化和修改不脱离本说明书的范围。在一些实施例中,流程300可以包括一个或以上附加操作,或者可以省略上述一个或以上操作。
在本说明书的一些实施例中,根据当前时刻对应的偏差观测值对当前时刻对应的自车位置进行修正,并结合电子地图获取的车道中心线生成路径,从而实现高精度的车道保持功能。
图4是根据本说明书一些实施例所示的示例性得到当前时刻自车偏差的观测值方法的流程图。在一些实施例中,流程400可以由处理设备110或自动驾驶车道保持控制***200(例如,观测值获取模块210)执行。例如,流程400可以以程序或指令的形式存储在存储设备中,当处理设备110或自动驾驶车道保持控制***200(例如,观测值获取模块210)执行指令时,可以实现流程400。下面呈现的流程400的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图4中示出的和下面描述的流程400的操作的顺序并非限制性的。
步骤410,基于自车的横向速度和航向角变化率,获取上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量。
自车的横向速度是自车在上一时刻在自车横向偏差方向上的运动速度。例如,vy(tk)。自车的航向角变化率是自车在上一时刻在自车角度偏差方向上的旋转速度。例如,ω(tk)。
上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量包括自车横向偏差在控制周期内的增量和自车角度偏差在控制周期内的增量。其中,自车横向偏差在控制周期内的增量为自车从上一时刻到当前时刻的控制周期内,在自车横向偏差方向上的运动长度。自车角度偏差在控制周期内的增量为自车从上一时刻到当前时刻的控制周期内,在自车角度偏差方向上的旋转角度。
具体地,观测值获取模块210可以基于自车的横向速度和控制周期的时间长度,获取上一时刻对应的自车相对于车道中心线的自车横向偏差在控制周期内的增量;基于自车的航向角变化率和控制周期的时间长度,获取上一时刻对应的自车相对于车道中心线的自车角度偏差在控制周期内的增量。在一些实施例中,观测值获取模块210可以通过公式(1)获取上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量。
(1)
其中,为上一时刻,/>为上一时刻对应的自车的横向速度,/>为上一时刻对应的自车的航向角变化率,/>为控制周期的时间长度,/>为上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量。
步骤420,基于上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量和上一时刻对应的自车相对于车道中心线的偏差估计,确定当前时刻对应的自车相对于车道中心线的偏差估计。
当前时刻对应的自车相对于车道中心线的偏差估计即通过计算获取的当前时刻对应的自车相对于车道中心线的偏差值。在一些实施例中,观测值获取模块210可以基于上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量和上一时刻对应的自车相对于车道中心线的偏差观测值的和,计算当前时刻对应的自车相对于车道中心线的偏差估计。在一些实施例中,观测值获取模块210可以通过公式(2)计算当前时刻对应的自车相对于车道中心线的偏差估计。
(2)
其中,为上一时刻,/>为当前时刻,/>为上一时刻对应的自车相对于车道中心线的偏差观测值,/>为上一时刻对应的自车相对于车道中心线的偏差在控制周期内的增量,/>为当前时刻对应的自车相对于车道中心线的偏差估计。
步骤430,通过观测器,基于当前时刻对应的自车相对于车道中心线的偏差估计、上一时刻对应的自车相对于车道中心线的偏差以及上一时刻对应的自车相对于车道中心线的偏差估计,得到当前时刻对应的自车相对于车道中心线的偏差观测值。
在一些实施例中,观测值获取模块210可以获取上一时刻对应的自车相对于车道中心线的偏差与上一时刻对应的自车相对于车道中心线的偏差估计的运动差值。上一时刻对应的自车相对于车道中心线的偏差与上一时刻对应的自车相对于车道中心线的偏差估计的运动差值可以反应通过检测和计算两种方式获取的上一时刻对应自车相对于车道中心线的偏差之间的差值。
在一些实施例中,观测值获取模块210可以基于观测器和上一时刻对应的运动差值,获取上一时刻对应的观测计算值。
观测器可以是用于观测上一时刻对应的运动差值的矩阵,即对两种方式获取的上一时刻对应的自车相对于车道中心线的偏差值进行置信度分配的矩阵。在一些实施例中,观测器为对角矩阵,对角矩阵可以包括第一系数和第二系数。在一些实施例中,第一系数和第二系数大于0且小于1。仅作为示例,观测器可以是龙伯格(Luenberger)线性观测器。
在一些实施例中,第一系数对应上一时刻对应的自车相对于车道中心线的偏差的置信度,第二系数对应上一时刻对应的自车相对于车道中心线的偏差估计的置信度。可以理解,第一系数越大,则观测器对通过检测方式获取的自车相对于车道中心线的偏差值的信任度更高,第二系数越大,则观测器对通过计算方式获取的自车相对于车道中心线的偏差值的信任度更高。
在一些实施例中,第一系数和第二系数中的至少一个基于自车环境信息确定。自车环境信息是反应自车当前驾驶环境的信息。在一些实施例中,自车环境信息可以包括但不限于天气信息、路况信息和时间信息。
天气信息可以表示自车驾驶时的天气,例如,晴朗、下雨和起雾。当天气晴朗时,检测精度较高,则第一系数更大,观测器对通过检测方式获取的自车相对于车道中心线的偏差值的信任度更高;当天气为下雨和起雾时,检测精度较低,则第二系数更大,观测器对通过计算方式获取的自车相对于车道中心线的偏差值的信任度更高。
路况信息可以反应自车所在道路上的标识信息(例如,车道边线是否清晰、是否被遮挡)和路面平整信息(例如,路面是否平整)。当道路标识不清晰和/或路面不平整时,检测精度较低,则第二系数更大,观测器对通过计算方式获取的自车相对于车道中心线的偏差值的信任度更高;反之第一系数更大,观测器对通过检测方式获取的自车相对于车道中心线的偏差值的信任度更高。
时间信息可以反应自车驾驶时道理是否处于交通运行的高峰期。当处于高峰期时,道理拥挤,检测精度较低,则第二系数更大,观测器对通过计算方式获取的自车相对于车道中心线的偏差值的信任度更高;反之第一系数更大,观测器对通过检测方式获取的自车相对于车道中心线的偏差值的信任度更高。
在一些实施例中,观测值获取模块210可以通过观测器模型确定第一系数和第二系数。具体地,观测值获取模块210可以将输入的自车环境信息融合为一个向量,并将该向量映射为第一系数和第二系数。在一些实施例中,观测器模型可以包括但不限于支持向量机模型、Logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、KNN分类模型、神经网络模型等。
在本说明书的一些实施例中,观测器基于自车环境信息确定第一系数和第二系数,然后基于第一系数和第二系数确定两种方式获取的上一时刻对应的自车相对于车道中心线的偏差值的置信度,使得基于观测器获取的上一时刻对应的运动计算值可以基于自车环境的变化而变化,从而实现不同环境下的自动驾驶车道保持。
上一时刻对应的观测计算值可以是对上一时刻对应的运动差值进行观测(即对两种方式获取的上一时刻对应的自车相对于车道中心线的偏差值进行置信度分配)后计算的自车相对于车道中心线的偏差修正。
在一些实施例中,观测值获取模块210可以通过公式(3)获取上一时刻对应的运动计算值。
(3)
其中,为上一时刻,/>为上一时刻对应的运动差值,/>为观测器,为上一时刻对应的运动计算值。
在一些实施例中,观测值获取模块210可以基于当前时刻对应的自车相对于车道中心线的偏差估计和上一时刻对应的运动计算值,获取当前时刻对应的自车相对于车道中心线的偏差观测值。
在一些实施例中,观测值获取模块210可以通过公式(4)获取当前时刻对应的自车相对于车道中心线的偏差观测值。
(4)
其中,为上一时刻,/>为当前时刻,/>为当前时刻对应的自车相对于车道中心线的偏差观测值,/>为当前时刻对应的自车相对于车道中心线的偏差估计,/>为上一时刻对应的运动计算值。
在本说明书的一些实施例中,采用观测器对两种方式获取的自车相对于车道中心线的偏差估计进行观测,使得当检测周期和控制周期不一致导致检测获取的自车相对于车道中心线的偏差估计信任度低时,可以进一步依赖于计算获取的自车相对于车道中心线的偏差估计来确定上一时刻对应的运动计算值,从而提高了车道保持的控制精度。
应当注意,关于流程400的以上描述仅是出于说明的目的而提供的,并且无意于限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出各种各样的变化和修改。然而,这些变化和修改不脱离本说明书的范围。在一些实施例中,流程400可以包括一个或以上附加操作,或者可以省略上述一个或以上操作。
在本说明书的一些实施例中,基于当前时刻对应的自车相对于车道中心线的偏差估计和通过观测器获取的上一时刻对应的运动计算值,获取当前时刻对应的自车相对于车道中心线的偏差观测值,可以通过观测器来修正通过检查方式获取的当前时刻对应的自车相对于车道中心线的偏差估计,解决了检测周期和控制周期不一致导致的误差,从而提高车道保持的控制精度。
图5是根据本说明书一些实施例所示的示例性车道控制模式切换方法的流程图。在一些实施例中,流程500可以由处理设备110或自动驾驶车道保持控制***200(例如,路径生成模块240)执行。例如,流程500可以以程序或指令的形式存储在存储设备中,当处理设备110或自动驾驶车道保持控制***200(例如,路径生成模块240)执行指令时,可以实现流程500。下面呈现的流程500的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图5中示出的和下面描述的流程500的操作的顺序并非限制性的。
步骤510,路径生成模块240可以判断车道线检测结果是否有效以及在检测周期内检测的自车相对于车道中心线的偏差是否满足第一预设条件。
车道线检测结果可以是自车当前位置所在车道的两侧车道边线图像。关于获取车道线检测结果的相关描述可以参见步骤310,在此不再赘述。在一些实施例中,路径生成模块240可以通过图像识别模型识别所述图像中的两侧车道边线是否缺失、破损、被遮挡等,是则判断车道线检测结果无效,反之则有效。
第一预设条件可以是判断检测周期内检测的自车相对于车道中心线的偏差是否可以安全进入车道保持模式的条件。第一预设条件可以人工预先设置的条件。例如,第一预设条件可以为自车角度偏差Δφ≤5°,自车横向偏差Δy≤5m。
步骤520,路径生成模块240响应于车道线检测结果有效,且在检测周期内检测的自车相对于车道中心线的偏差满足第一预设条件,则可以确定当前时刻对应的偏差观测值,否则退出车道保持控制模式。关于确定当前时刻对应的偏差观测值的详细描述可以参见步骤310,在此不再赘述。仅作为示例,当前时刻t(k+1)的车道线检测结果有效,且Δφ(t(k+1))=3°<5°, Δy(t(k+1))=3m<5m,则可以确定当前时刻t(k+1)对应的偏差观测值。
在一些实施例中,路径生成模块240响应于退出车道保持控制模式后,判断自车与车道中心线的相对位置关系是否满足第二预设条件。第二预设条件可以是判断当前自车与车道中心线的相对位置关系是否可以安全进入常规驾驶模式的条件。第二预设条件可以人工预先设置的条件。例如,第二预设条件可以为自车角度偏差Δφ≤2°,自车横向偏差Δy≤2m。
在一些实施例中,路径生成模块240响应于相对位置关系不满足第二预设条件,则实施停车。仅作为示例,Δφ(t(k+1))=3°>2°, Δy(t(k+1))=3m>2m,路径生成模块240则实施停车。
在一些实施例中,路径生成模块240响应于相对位置关系满足第二预设条件,则进入常规控制模式。常规驾驶模式可以是结合车辆传感器和当前路径实现的完全自动驾驶模式。在一些实施例中,路径生成模块240可以将当前车体路径输入自车的横向控制器中,使得横向控制器基于当前车体路径和传感器获取的其他信息控制车辆进行常规模式驾驶。仅作为示例,Δφ(t(k+1))=1°<2°, Δy(t(k+1))=2m=2m,路径生成模块240退出车道保持控制模式并控制车辆进行常规驾驶模式。
在本说明书的一些实施例中,通过第一预设条件和第二预设条件,确定车辆可以在行车道保持模式、常规驾驶模式和停车之间安全切换,同时将生成的当前路径同时作为车道保持模式和常规驾驶模式下横向控制器的输入,使得两种自动驾驶模式的切换更加平稳,从而提高自动驾驶的控制精度。
本说明书实施例可能带来的有益效果包括但不限于:(1)根据当前时刻对应的偏差观测值对当前时刻对应的自车位置进行修正,并结合电子地图获取的车道中心线生成路径,从而实现高精度的车道保持功能;(2)基于当前时刻对应的自车相对于车道中心线的偏差估计和通过观测器获取的上一时刻对应的运动计算值,获取当前时刻对应的自车相对于车道中心线的偏差观测值,可以通过观测器来修正通过检查方式获取的当前时刻对应的自车相对于车道中心线的偏差估计,解决了检测周期和控制周期不一致导致的误差,从而提高车道保持的控制精度;(3)采用观测器对两种方式获取的自车相对于车道中心线的偏差估计进行观测,使得当检测周期和控制周期不一致导致检测获取的自车相对于车道中心线的偏差估计信任度低时,可以进一步依赖于计算获取的自车相对于车道中心线的偏差估计来确定上一时刻对应的运动计算值,从而提高了车道保持的控制精度;(4)观测器基于自车环境信息确定第一系数和第二系数,然后基于第一系数和第二系数确定两种方式获取的上一时刻对应的自车相对于车道中心线的偏差值的置信度,使得基于观测器获取的上一时刻对应的运动计算值可以基于自车环境的变化而变化,从而实现不同环境下的自动驾驶车道保持;(5)基于修正后的自车位置拼接当前时刻对应的车道中心线,生成当前路径,可以防止当前路径上的点跳变:(6)通过第一预设条件和第二预设条件,确定车辆可以在行车道保持模式、常规驾驶模式和停车之间安全切换,同时将生成的当前路径同时作为车道保持模式和常规驾驶模式下横向控制器的输入,使得两种自动驾驶模式的切换更加平稳,从而提高自动驾驶的控制精度。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (8)
1.一种自动驾驶车道保持控制方法,其特征在于,所述方法包括:
获取上一时刻对应的自车相对于车道中心线的偏差,其中,所述上一时刻对应的所述偏差按照检测周期获取;
基于所述自车的横向速度和航向角变化率,获取所述上一时刻对应的自车相对于车道中心线的所述偏差在控制周期内的增量;
基于所述上一时刻对应的自车相对于车道中心线的所述偏差在所述控制周期内的所述增量和所述上一时刻对应的自车相对于车道中心线的偏差观测值,确定当前时刻对应的自车相对于车道中心线的偏差估计;
确定所述上一时刻对应的自车相对于车道中心线的所述偏差与所述上一时刻对应的自车相对于车道中心线的偏差观测值的差值;
基于观测器和所述上一时刻对应的所述差值,获取所述上一时刻对应的观测计算值,其中,所述上一时刻对应的观测计算值为对所述差值进行观测后计算的自车相对于车道中心线的偏差修正;
基于所述当前时刻对应的自车相对于车道中心线的所述偏差估计和所述上一时刻对应的所述观测计算值,确定所述当前时刻对应的自车相对于车道中心线的偏差观测值;
基于所述当前时刻对应的所述偏差观测值,对所述当前时刻对应的自车位置进行修正;
基于所述修正后的自车位置,获取所述当前时刻对应的车道中心线;
基于所述车道中心线生成当前路径,并基于所述当前路径进行车道保持控制。
2.根据权利要求1所述的方法,其特征在于,
所述观测器为对角矩阵,所述对角矩阵包括第一系数和第二系数,所述第一系数和所述第二系数大于0且小于1;
所述第一系数对应所述上一时刻对应的所述自车相对于车道中心线的所述偏差的置信度,所述第二系数对应所述上一时刻对应的自车相对于车道中心线的偏差估计的置信度;
所述第一系数和所述第二系数中的至少一个基于自车环境信息确定。
3.根据权利要求1所述的方法,其特征在于,所述基于所述车道中心线生成当前路径,包括:
当首次进入车道保持模式时,所述当前路径基于所述修正后的自车位置和所述车道中心线曲线连接;
当非首次进入车道保持模式时,所述当前路径基于历史路径与所述车道中心线拼接。
4.根据权利要求1所述的方法,其特征在于,还包括:
判断车道线检测结果是否有效以及在所述检测周期内检测的自车相对于车道中心线的偏差是否满足第一预设条件;
响应于所述车道线检测结果有效,且在所述检测周期内检测的自车相对于车道中心线的偏差满足第一预设条件,则确定所述当前时刻对应的所述偏差观测值,否则退出车道保持控制模式。
5.根据权利要求4所述的方法,其特征在于,还包括:
退出所述车道保持控制模式后,判断所述自车与车道中心线的相对位置关系是否满足第二预设条件;
响应于所述相对位置关系不满足所述第二预设条件,则实施停车;
响应于所述相对位置关系满足所述第二预设条件,则进入常规控制模式。
6.一种自动驾驶车道保持控制方法***,其特征在于,所述***包括:
观测值获取模块,用于
获取上一时刻对应的自车相对于车道中心线的偏差,其中,所述上一时刻对应的所述偏差按照检测周期获取;
基于所述自车的横向速度和航向角变化率,获取所述上一时刻对应的自车相对于车道中心线的所述偏差在控制周期内的增量;
基于所述上一时刻对应的自车相对于车道中心线的所述偏差在所述控制周期内的所述增量和所述上一时刻对应的自车相对于车道中心线的偏差观测值,确定当前时刻对应的自车相对于车道中心线的偏差估计;
确定所述上一时刻对应的自车相对于车道中心线的所述偏差与所述上一时刻对应的自车相对于车道中心线的偏差观测值的差值;
基于观测器和所述上一时刻对应的所述差值,获取所述上一时刻对应的观测计算值,其中,所述上一时刻对应的观测计算值为对所述差值进行观测后计算的自车相对于车道中心线的偏差修正;
基于所述当前时刻对应的自车相对于车道中心线的所述偏差估计和所述上一时刻对应的所述观测计算值,确定当前时刻对应的自车相对于车道中心线的偏差观测值;
修正模块,用于基于所述当前时刻对应的所述偏差观测值,对所述当前时刻对应的自车位置进行修正;
车道中心线获取模块,用于基于所述修正后的自车位置,获取所述当前时刻对应的车道中心线;
路径生成模块,用于基于所述车道中心线生成当前路径,并基于所述当前路径进行车道保持控制。
7.一种自动驾驶车道保持控制装置,其特征在于,所述装置包括:
至少一个存储介质,存储计算机指令;
至少一个处理器,执行所述计算机指令,以实现权利要求1~5中任一项所述的方法。
8.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行如权利要求1~5中任一项所述的自动驾驶车道保持控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311033160.1A CN116729374B (zh) | 2023-08-16 | 2023-08-16 | 一种自动驾驶车道保持控制方法、***、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311033160.1A CN116729374B (zh) | 2023-08-16 | 2023-08-16 | 一种自动驾驶车道保持控制方法、***、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116729374A CN116729374A (zh) | 2023-09-12 |
CN116729374B true CN116729374B (zh) | 2023-11-10 |
Family
ID=87903043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311033160.1A Active CN116729374B (zh) | 2023-08-16 | 2023-08-16 | 一种自动驾驶车道保持控制方法、***、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116729374B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007261449A (ja) * | 2006-03-29 | 2007-10-11 | Fuji Heavy Ind Ltd | 走行目標点設定装置、車線追従支援装置および車線逸脱防止装置 |
CN108437893A (zh) * | 2018-05-16 | 2018-08-24 | 奇瑞汽车股份有限公司 | 一种汽车偏离车道的预警方法及装置 |
CN111932887A (zh) * | 2020-08-17 | 2020-11-13 | 武汉四维图新科技有限公司 | 车道级轨迹数据的生成方法及设备 |
CN115900735A (zh) * | 2022-12-22 | 2023-04-04 | 重庆长安汽车股份有限公司 | 车辆定位方法、装置、车辆及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112406905B (zh) * | 2020-09-10 | 2022-01-28 | 腾讯科技(深圳)有限公司 | 基于交通工具的数据处理方法、装置、计算机及存储介质 |
-
2023
- 2023-08-16 CN CN202311033160.1A patent/CN116729374B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007261449A (ja) * | 2006-03-29 | 2007-10-11 | Fuji Heavy Ind Ltd | 走行目標点設定装置、車線追従支援装置および車線逸脱防止装置 |
CN108437893A (zh) * | 2018-05-16 | 2018-08-24 | 奇瑞汽车股份有限公司 | 一种汽车偏离车道的预警方法及装置 |
CN111932887A (zh) * | 2020-08-17 | 2020-11-13 | 武汉四维图新科技有限公司 | 车道级轨迹数据的生成方法及设备 |
CN115900735A (zh) * | 2022-12-22 | 2023-04-04 | 重庆长安汽车股份有限公司 | 车辆定位方法、装置、车辆及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116729374A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969655B (zh) | 用于检测车位的方法、装置、设备、存储介质以及车辆 | |
JP6637400B2 (ja) | 車両制御装置 | |
US10552982B2 (en) | Method for automatically establishing extrinsic parameters of a camera of a vehicle | |
KR102682524B1 (ko) | 증강 현실에서 가상 객체를 표시하기 위한 측위 방법 및 장치 | |
US11521329B2 (en) | Updated point cloud registration pipeline based on ADMM algorithm for autonomous vehicles | |
CN106981082A (zh) | 车载摄像头标定方法、装置及车载设备 | |
CN109945891A (zh) | 用于对准车辆中的惯性测量单元的***和方法 | |
US11055540B2 (en) | Method for determining anchor boxes for training neural network object detection models for autonomous driving | |
CN113899363B (zh) | 车辆的定位方法、装置及自动驾驶车辆 | |
US11541890B2 (en) | Vehicle control device and storage medium which stores a computer program for vehicle control | |
US20210356562A1 (en) | A detector for point cloud fusion | |
CN112115857B (zh) | 智能汽车的车道线识别方法、装置、电子设备及介质 | |
US20210233390A1 (en) | Updating maps based on traffic object detection | |
US10796571B2 (en) | Method and device for detecting emergency vehicles in real time and planning driving routes to cope with situations to be expected to be occurred by the emergency vehicles | |
CN113033280A (zh) | 拖车姿态估计的***和方法 | |
CN112440990A (zh) | 用于自主和半自主车辆的路径规划 | |
CN113183975A (zh) | 自动驾驶车辆的控制方法、装置、设备以及存储介质 | |
US20220413506A1 (en) | Route determination system, mobile object, and recording medium | |
CN112447058A (zh) | 泊车方法、装置、计算机设备及存储介质 | |
CN116729374B (zh) | 一种自动驾驶车道保持控制方法、***、装置和存储介质 | |
CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
US20230145561A1 (en) | Systems and methods for validating camera calibration in real-time | |
CN114777770A (zh) | 机器人定位方法、装置、控制终端以及可读存储介质 | |
US11544899B2 (en) | System and method for generating terrain maps | |
CN116872926A (zh) | 一种自动驾驶车道保持方法、***、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |