CN118254831A - 基于前车侧方停车的车辆控制方法、装置、车辆及介质 - Google Patents
基于前车侧方停车的车辆控制方法、装置、车辆及介质 Download PDFInfo
- Publication number
- CN118254831A CN118254831A CN202410575851.2A CN202410575851A CN118254831A CN 118254831 A CN118254831 A CN 118254831A CN 202410575851 A CN202410575851 A CN 202410575851A CN 118254831 A CN118254831 A CN 118254831A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- lateral
- front vehicle
- lateral parking
- 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 54
- 230000002441 reversible effect Effects 0.000 claims abstract description 19
- 230000006399 behavior Effects 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 46
- 238000009826 distribution Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Abstract
本发明公开了一种基于前车侧方停车的车辆控制方法、装置、车辆及介质。该方法包括:当自车行驶在具有违停队列的道路且自车行驶在违停队列旁的车道时,判断违停队列之中是否存在空缺的停车位;若违停队列之中存在空缺的所述停车位,判断所述前车是否存在停入所述停车位的侧方停车意图;若所述前车存在所述侧方停车意图,预测所述前车的侧方停车轨迹,并根据所述侧方停车轨迹控制自车避让行驶。本申请通过判断前车是否具有侧方停车意图,可以提前知晓前车准备侧方停车,进而及时依据前车的侧方停车轨迹作出避让行驶,不必等到前车开始倒车了才作出反应,避免卡住前车的倒车路线,能够更早地识别出前车的侧方停车行为,从而提高车辆的通行效率。
Description
技术领域
本发明实施例涉及自动驾驶技术领域,尤其涉及一种基于前车侧方停车的车辆控制方法、装置、车辆及介质。
背景技术
自动驾驶车辆在从起始点向目的地行驶的过程中,除了需要避开路上的各种障碍物以确保安全外,还需要应对各种特殊的操作场景。这些场景包括但不限于对前车的各种异常行为进行识别和应对,以便在遇到问题时能够及时脱困。在某些特定的情况下,例如在经过一些右侧有违停车比较多的路段时,自动驾驶车辆可能会遇到前方有社会车辆正在侧方停车的情况。在这种情况下,自动驾驶车辆需要提前礼让或及时绕行,以避免发生碰撞或其他危险情况。然而,现有的自动驾驶逻辑存在一些问题。例如,自动驾驶车辆会预测前车的行为,如果发现前车在倒车,主车会寻找一个安全的距离停靠下来。但是,这种逻辑存在以下问题:其一,自动驾驶车辆需要能够及时识别到前车正在倒车。如果识别的时间太晚,或者主车开始倒车的时间太晚,那么主车就会卡死在前车后方,这不仅会影响前车的侧方停车,也会对主车的行驶造成困扰。其二,如果前车在主车当前车道处于倒车状态,那么主车通常会等待前车完成操作。但是,这种做法会严重影响通行效率,因为主车需要在此处等待前车完成倒车和侧方停车的全部过程。
发明内容
本发明实施例提供了一种基于前车侧方停车的车辆控制方法、装置、车辆及介质,旨在解决现有的自动驾驶策略遇到前车倒车的情况下主车卡在前车后方或主车等待前车完成侧方停车导致影响通行效率的问题。
第一方面,本发明实施例提供了一种基于前车侧方停车的车辆控制方法,所述方法包括:
当自车行驶在具有违停队列的道路且自车行驶在所述违停队列旁的车道时,判断所述违停队列之中是否存在空缺的停车位;
若所述违停队列之中存在空缺的所述停车位,判断所述前车是否存在停入所述停车位的侧方停车意图;
若所述前车存在所述侧方停车意图,预测所述前车的侧方停车轨迹,并根据所述侧方停车轨迹控制自车避让行驶。
第二方面,本发明实施例还提供了一种基于前车侧方停车的车辆控制装置,包括用于执行上述所述方法的单元。
第三方面,本发明实施例还提供了一种车辆,所述车辆包括存储器以及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种基于前车侧方停车的车辆控制方法、装置、车辆及介质。其中,该方法包括:当自车行驶在具有违停队列的道路且自车行驶在所述违停队列旁的车道时,判断所述违停队列之中是否存在空缺的停车位;若所述违停队列之中存在空缺的所述停车位,判断所述前车是否存在停入所述停车位的侧方停车意图;若所述前车存在所述侧方停车意图,预测所述前车的侧方停车轨迹,并根据所述侧方停车轨迹控制自车避让行驶。本申请通过判断前车是否具有侧方停车意图,可以提前知晓前车准备侧方停车,进而及时依据前车的侧方停车轨迹作出避让行驶,不必等到前车开始倒车了才作出反应,避免卡住前车的倒车路线,能够更早地识别出前车的侧方停车行为,从而提高车辆的通行效率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的基于前车侧方停车的车辆控制方法的步骤流程示意图;
图2为本发明实施例的基于前车侧方停车的车辆控制方法的子步骤示意图;
图3为本发明实施例的摆放分布类型的示意图;
图4为本发明实施例的纵向分布的不同停车方式的示意图;
图5为本发明另一实施例的基于前车侧方停车的车辆控制方法的步骤流程示意图;
图6为本发明又一实施例的基于前车侧方停车的车辆控制方法的步骤流程示意图;
图7为本发明再一实施例的基于前车侧方停车的车辆控制方法的步骤流程示意图;
图8为本发明实施例提供的基于前车侧方停车的车辆控制装置的示意性框图;
图9为本发明实施例提供的一种车辆的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1,图1为本发明实施例提供的基于前车侧方停车的车辆控制方法的流程图。该基于前车侧方停车的车辆控制方法应用于自动驾驶车辆中。下面对所述基于前车侧方停车的车辆控制方法进行详细说明。如图1所示,所述方法包括以下步骤:S110-S130。
S110、当自车行驶在具有违停队列的道路且自车行驶在所述违停队列旁的车道时,判断所述违停队列之中是否存在空缺的停车位。
在本实施例中,违停队列是指路边违章停车的多辆车辆组成的队列,违停队列可以是连续的多辆车辆停靠的队列,也可以是中间具有空缺停车位的非连续的队列,违停队列容易出现在交通繁忙道路、居民区、商业区和临时施工区域等。车辆可以通过视觉传感器、激光雷达、毫米波雷达、高精定图、车辆间通信(Vehicle-to-Everything)、机器学习算法等来识别道路上具有违停队列,车辆识别违停队列的方式可以是上述的任意一种或多种的方式,在此不作限定。需要说明的是,只有当车辆行驶在具有违停队列的道路上,且同时行驶在违停队列旁边的车道时,才执行空缺停车位的判断。例如,违停队列位于最右侧车道,自车行驶在右侧第二条车道时才会执行空缺停车位的判断,如果自车行驶在右侧第三条或更靠外的车道时则不必执行空缺停车位的判断,因为通常车辆是在右侧第二条车道执行侧方停车的。当车辆满足行驶在在具有违停队列的道路且同时行驶在违停队列旁边的车道时,开始执行违停队列中的空缺的停车位的判断。
违停队列中的空缺的停车位的判断采用以下几种方式,其一通过视觉传感器识别,高清摄像头能够捕获路面图像,通过图像处理和计算机视觉算法,识别出路面的停车线以及车辆的轮廓,当相邻车辆间的间距大于正常车辆长度加上安全距离时,***可以判断出此区域存在空余的停车位;其二通过激光雷达识别激光雷达能够生成高精度的三维点云图,以此确定周围环境的三维几何结构。通过分析点云数据,自动驾驶车辆可以准确测定各个车辆之间的距离和空隙,进而识别出可供停车的空间。其三通过超声波传感器与毫米波雷达识别,超声波传感器和毫米波雷达常用于近距离探测,它们可以帮助车辆精确测量与周围障碍物(包括车辆)的距离,尤其是在低速行驶和停车阶段,这些传感器有助于识别出违停车辆之间的小型空隙。其四通过高精度地图识别,自动驾驶车辆通常会使用高精度地图,地图中包含了每个停车位的确切位置和尺寸信息,通过与实时传感器数据相结合,车辆可以在地图上定位自己并寻找空闲的停车位。通过上述的一种或多种方式均可以准确判断出违停队列中是否具有空缺的停车位,本实施例在此不作限定。
S120、若所述违停队列之中存在空缺的所述停车位,判断所述前车是否存在停入所述停车位的侧方停车意图。
在本实施例中,侧方停车意图指的是车辆具有侧方停车的预兆,具体来说,例如可以是在侧方停车位缺口前方慢慢停下来,也可以是偏移当前车道往侧方停车位缺口侧扭一把方向,还可以是其他的方式,这取决于侧方停车的停车方式和停车位的形状大小。譬如,停车位为竖直的缺口,采用正常的侧方位停车方式,车辆先直行到停车位前方的与前车并排的位置,然后再打方向倒车入库,在这种场景下的侧方停车,车辆缓慢行驶到停车位前方的与前车并排的位置,则视为具有侧方停车意图。又譬如,停车位为竖直的缺口,采用先入车头的侧方位停车方式,车辆先往缺口侧扭一把方向,然后再往缺口外侧扭行进到缺口左前方,最后再打方向倒车入库,在这种场景下的侧方停车,车辆往缺口扭一把方向,则视为具有侧方停车意图。当然可以理解的是,还可以是其他的判断方式,在此不作限定。
在一实施例中,如图2所示,所述步骤S120包括:S121-S122。
S121、通过预先训练的侧方停车模型识别所述前车是否执行停入所述停车位的一阶段的侧方停车行为,其中,所述一阶段的侧方停车行为是车辆入库前的车辆调整行为;
S122、若所述前车执行停入所述停车位的一阶段的侧方停车行为,则判定所述前车存在停入所述停车位的侧方停车意图。
在本实施例中,通常侧方停车的行为可以拆解为两个阶段,一阶段的侧方停车行为是车辆入库前的车辆调整行为,主要是调整车辆的位置,将车辆的位置摆好,方便倒车入库,例如,侧方停车位缺口前方慢慢停下来,偏移当前车道往侧方停车位缺口侧扭一把方向;二阶段的侧方停车行为是车辆入库行为,也即车辆以一个倾斜角度开始慢慢倒进侧方停车位,其行为表现例如可以是亮起倒车灯,或者是倒车。现有的侧方停车的识别方式通常是在二阶段才开始识别到,也即等到前车倒车了才知晓前车要侧方停车。因此为了能更早和更准确地识别到前车的侧方位停车,本实施例通过识别前车一阶段的侧方停车行为来认定前车具有侧方停车意图。具体而言,采用侧方停车模型来识别前车一阶段的侧方停车行为,侧方停车模型预先训练好,侧方停车模型可以采用神经网络模型、决策书模型和K近邻模型等进行训练得到,无论是何种算法模型,只要其能够识别出前车出现一阶段的侧方停车行为即可,在此不作限定。在侧方停车模型识别到前车出现一阶段的侧方停车行为时,即可确认前车具有侧方停车意图,以便自车能够及时作出响应决策。
在本实施例中,所述侧方停车模型的训练步骤包括:获取车辆在路边的侧方停车位附近行驶的车辆数据,获取在所述路边的违停队列的摆放分布类型,将所述车辆数据和所述摆放分布类型组成一条训练数据,其中,所述车辆数据包括行驶过程中每一帧对应的车辆位置和车辆速度,所述摆放分布类型包括纵向排布、横向排布和斜向排布;对所述训练数据进行正反例标注,其中,对所述车辆速度存在负速度的所述训练数据标注为正例,对所述车辆速度不存在负速度的所述训练数据标注为反例;将标注完成的所述训练数据输入到深度学习模型中进行训练得到所述侧方停车模型,其中,所述侧方停车模型用于识别出车辆在面对所述摆放分布类型分别为所述纵向排布、所述横向排布和所述斜向排布时的一阶段的侧方停车行为。
具体地,由于侧方停车的识别判断取决于侧方停车的停车方式和停车位的形状大小,因此侧方停车行为的识别与侧方停车的停车方式和停车位的形状大小具有强相关性,因此采用车辆在侧方停车位附近的车辆数据(能够表现出停车方式)和违停队列的摆放分布类型(能够表现出停车位缺口的形状)来组成一条训练数据,获取多条训练数据用于模型的训练。
需要说明的是,停车位的形状大小与违停队列的摆放分布类型相关,一般来说,如图3所示,违停队列的摆放分布类型通常包括:纵向排布、横向排布和斜向排布。纵向排布是违停车辆在路边以竖直停放的方式排列,纵向排布的停车位缺口为竖直的缺口;横向排布是违停车辆在路边以横停的方式排列,横向排布的停车位缺口为横向的缺口;斜向排布是违停车辆在路边以倾斜的角度停放的方式排列,可以是斜向上也可以是斜向下,斜向排布的停车位缺口为倾斜的缺口。因此,通过摆放分布类型可以判断出停车位缺口的形状,进而能够依据停车位缺口的形状来分析出不同的侧方停车方法。
对于不同的形状的侧方停车位缺口,车辆通常采取不同的侧方停车方式,且对于同一种形状的侧方停车位缺口,可以采用多种不同的侧方停车方式。举例来说,如图4所示,对于纵向排布的竖直的停车位缺口,车辆采取的侧方位的停车方式通常包括以下四种,第一种是先入车头的停车方式,第二种是先入车尾的停车方式,第三种是正常的侧方位的停车方式,第四种是逆向的侧方停车方式,每种停车方式的行驶轨迹如图中的箭头表示,第一个箭头表示侧方停车的一阶段,第二个箭头表示侧方停车的二阶段。当然可以理解的是,对于其他的摆放分布类型,如横向排布和斜向排布,各自都对应有多种不同的侧方停车方式,在此不再一一举例说明。因此,通过收集车辆在不同的摆放分别类型下采用不同的侧方停车方式进行侧方停车的数据作为训练数据进行模型训练能够训练出准确识别各种场景下侧方停车的行为。
其中,车辆数据包括车辆在侧方停车位附近行驶过程中每一帧对应的车辆位置和车辆速度。通过从第一帧到最后一帧的车辆位置和车辆速度的数据,可以清楚展现出车辆侧方停车位附近的行驶轨迹,从而能够分析出车辆的侧方停车方式。在其他实施例中,为了进一步提高模型的识别准确度,还可以获取车辆的车辆类型(小汽车、面包车、客车)、加速度和横摆角等车辆数据组成训练数据进行训练。
在训练前,首先需要对训练数据进行标注,因为获取的训练数据中一部分数据是车辆停入了侧方停车位,一部分数据是车辆没有停入侧方停车位。对于车辆停入了侧方停车位的训练数据标注为正例,对于车辆没有停入侧方停车位的训练数据标注为反例。具体而言,可以通过分析车辆速度来得知训练数据是否停入了侧方停车位,通常来说,车辆侧方位停车都需要执行倒车,而倒车对应的车辆速度为负速度,也即负值。因此,通过判断在多帧的车辆速度中,是否存在连续多帧的车辆速度为负速度,就可以确认该训练数据的车辆停入了侧方停车位,因此标注成正例。相反地,没有负速度的说明车辆没有停入了侧方停车位,将该训练数据标注为反例。
在标注完成后,首先对训练数据进行特征工程,将训练数据转换为适合模型输入的特征,然后构建一个模块,例如可以是卷积神经网络模型、循环神经网络模块、时空卷积网络等,将已标注好的训练数据划分为训练集、验证集和测试集;接着使用反向传播算法和其他优化策略(如Adam、SGD等),通过训练集中的正反例数据训练神经网络模型,目标是让模型能够区分不同的一阶段的侧方停车行为和非侧方停车行为;再设计合适的损失函数,比如交叉熵损失,用于衡量模型预测结果与实际标签之间的差距,设置评价指标,例如准确率、召回率、F1分数等,用于监控模型在验证集上的表现;接着根据验证集上的性能调整模型参数,包括但不限于学习率、网络层数、节点数等;紧接着在独立的测试集上评估模型性能,确保模型不仅在训练集上表现良好,也能在未见过的新数据上有效识别侧方停车行为;最后经过充分验证后,将最优模型进行微调或集成,使其能够在实际应用中实时准确识别各类摆放分布下的侧方停车行为。综上,通过本发明实施例的侧方停车模型可以准确地识别出前车的一阶段的侧方停车行为,极大地提高了识别的准确率和及时性。
S130、若所述前车存在所述侧方停车意图,预测所述前车的侧方停车轨迹,并根据所述侧方停车轨迹控制自车避让行驶。
在本实施例中,在判断出前车存在侧方停车意图之后,自车随即预测前车得到侧方停车轨迹,自车会认为前车按照预测的侧方停车轨迹进行侧方停车,由此基于该预测的侧方停车轨迹控制自车作出及时避让行驶的行为,避让行驶例如可以是刹停、倒车、绕行、倒车绕行、让车绕行等。其中,侧方停车轨迹的预测可以采取以下几种方式,其一是使用多种传感器,如摄像头、激光雷达、毫米波雷达、超声波传感器等,持续收集前车的实时位置、速度、加速度、方向角等运动状态信息,以及前车周围的环境信息,包括道路结构、泊车位标识、行人和其他车辆等来预测前车的侧方停车轨迹;其二是利用时空序列预测模型,如Social LSTM、Intent Net、GAT-LSTM等,这些模型能够结合历史轨迹数据和环境信息来预测未来轨迹,结合时态卷积神经网络(TCNs)或长短时记忆网络(LSTMs)等递归神经网络结构,建立前车动态模型,考虑到车辆的物理约束和驾驶行为逻辑从而预测前车的侧方停车轨迹;其三是利用高精度地图信息,明确道路布局,包括侧方停车位的具***置、大小和方向,以便分析前车相对于路边停车位的位置关系,以及其与路边其他车辆的相对位置,基于此计算出前车的侧方停车轨迹。当然可以理解的是,还可以是其他的轨迹预测方式,只要能够预测出前车未来的侧方停车轨迹即可,在此不作限定。
在一实施例中,如图5所示,所述步骤S130包括:S231-S237。
S231、若所述前车存在所述侧方停车意图且自车与所述前车跟车行驶,控制自车减速与所述前车保持安全距离直到所述前车停下;
S232、判断所述前车是否执行二阶段的侧方停车行为,其中,所述二阶段的侧方停车行为是车辆入库行为;
S233、若所述前车执行二阶段的侧方停车行为,预测所述前车的侧方位停车轨迹,并判断自车的前方和侧方是否存在足够自车绕行所述前车的绕行空间;
S234、若存在所述绕行空间,则根据所述侧方位停车轨迹控制自车绕行或倒车绕行;
S235、若不存在所述绕行空间,则根据所述侧方位停车轨迹控制自车刹停或倒车让行。
在一实施例中,在判断出前车具有侧方停车意图后,由于此时自车与前车为跟车行驶,两者的前后距离较近,因此首先控制自车的车速,先减速行驶,等到前车停下,因为前车完成一阶段的侧方停车会停下来,此时需要观测前车是否是真的是想进行侧方停车,也即进行二阶段的侧方停车行为的判断。通常来将,二阶段的侧方停车行为包括前车亮起倒车灯或观测到有倒车的趋势,如果出现上述的行为,则开始预测前车的侧方位停车轨迹,并判断自车的前方和侧方是否存在足够空间以供自车绕行。其中,前方的空间是自车与前车之间的空间距离,侧方的空间是自车的外侧,也即自车的左边的空间距离。如果绕行空间足够,那么则基于预测的侧方停车轨迹来控制自车绕行或倒车绕行,譬如,如果自车预计的绕行轨迹与预测的侧方停车轨迹没有重叠的话,则直接控制自车绕行;如果自车预计的绕行轨迹与预测的侧方停车轨迹有重叠的话,说明空间不够,控制自车倒车绕行,也即先倒车腾出空间后再绕行。如果绕行空间不够,那么则基于预测的侧方停车轨迹来控制自车刹停或倒车让行,譬如,自车在侧方停车轨迹之外,则控制自车刹停原地先等待前车完成侧方停车后再通行;如果自车在侧方停车轨迹上,则说明前车倒车会撞到自车,此时控制自车向后倒车避让前车,等待前车完成侧方停车后再通行。由此,在跟车行驶的场景下,基于不同的预测轨迹作出不同的行驶决策,保证车辆安全通行,提高了通行效率。
S236、若识别出所述前车为违停车辆,根据当前的交通状况控制自车绕行;
S237、若识别出所述前车停下且预设时间内无行驶行为,根据当前的交通状况控制自车绕行或控制自车与所述前车跟车行驶。
在本实施例中,对于违停车辆较多的道路,违停车辆还会作出其他的违停方式。譬如,直接停靠在违停队列左边的车道,组成了两列违停队列,也有的情况是前方塞车,前车在等待通行。对于这些场景,自车可以将前车识别为违停车辆,基于正常的自动驾驶逻辑将前车当成是障碍物即可,控制自车根据当前的交通状况绕行。如果前车停下来一段时间内没反应,则将前车识别为静态车辆,控制自车根据当前的交通状况绕行或者继续跟车行驶。
在一实施例中,如图6所示,所述步骤S130包括:S331-S333。
S331、若所述前车存在所述侧方停车意图且自车与所述前车非跟车行驶,预测所述前车的侧方位停车轨迹,并判断自车的侧方是否存在足够自车绕行所述前车的绕行空间;
S332、若存在所述绕行空间,则根据所述侧方位停车轨迹控制自车绕行;
S333、若不存在所述绕行空间,则控制自车减速并刹停在所述侧方位停车轨迹之外,当自车的前方和侧方存在绕行空间时控制自车绕行。
在一实施例中,在判断出前车具有侧方停车意图后,由于此时自车与前车为并非是跟车行驶,两者前后距离较远,自车有充分的时间来应对前车的侧方停车,因此相对于上述跟车行驶的应对策略,无需减速等待前车停下,可以直接预测前车的侧方停车轨迹,并判断自车的侧方是否存在足够空间以供自车绕行。如果绕行空间足够,那么则基于预测的侧方停车轨迹来控制自车绕行。如果绕行空间不够,先减速停下来,停在前车的侧方停车轨迹之外,避免卡主前车,等到前车入库了或者是前车腾出了足够的空间,再控制自车绕行。由此,在非跟车行驶的场景下,基于不同的预测轨迹作出不同的行驶决策,保证车辆安全通行,提高了通行效率。
在一实施例中,如图7所示,所述基于前车侧方停车的车辆控制方法还包括步骤:S140-S160。
S140、判断自车分别与前车和后车之间的距离是否超过安全距离阈值;
S150、若自车与前车之间的距离超过所述安全距离阈值且自车与后车之间的距离未超过所述安全距离阈值,则控制自车倒车;
S160、若自车分别与前车和后车之间的距离均超过所述安全距离阈值,则控制自车鸣笛。
在本实施例中,对每台车设置一个安全距离阈值,来判断与前后车是否过近,如果前车倒车入侵了自车的安全阈值距离,自车需要进行倒车避让,同时建立在与后方障碍物保持一个安全距离的前提下,后方车辆给自车腾出足够的空间才能继续进行倒车。如果前车与自车离得太近进入了危险距离,则需要进行鸣笛。
图8是本发明实施例提供的一种基于前车侧方停车的车辆控制装置300的示意性框图。如图8所示,对应于以上基于前车侧方停车的车辆控制方法,本发明还提供一种基于前车侧方停车的车辆控制装置300。该基于前车侧方停车的车辆控制装置300包括用于执行上述基于前车侧方停车的车辆控制方法的单元,该装置可以被配置于车辆中。具体地,请参阅图8,该基于前车侧方停车的车辆控制装置300包括:停车位判断单元301、意图判断单元302和控制单元303。
其中,停车位判断单元301,用于当自车行驶在具有违停队列的道路且自车行驶在所述违停队列旁的车道时,判断所述违停队列之中是否存在空缺的停车位;意图判断单元302,用于若所述违停队列之中存在空缺的所述停车位,判断所述前车是否存在停入所述停车位的侧方停车意图;控制单元303,用于若所述前车存在所述侧方停车意图,预测所述前车的侧方停车轨迹,并根据所述侧方停车轨迹控制自车避让行驶。
在一实施例中,所述意图判断单元302包括:一阶段识别单元和意图判定单元。
其中,一阶段识别单元,用于通过预先训练的侧方停车模型识别所述前车是否执行停入所述停车位的一阶段的侧方停车行为,其中,所述一阶段的侧方停车行为是车辆入库前的车辆调整行为;意图判定单元,用于若所述前车执行停入所述停车位的一阶段的侧方停车行为,则判定所述前车存在停入所述停车位的侧方停车意图。
在一实施例中,所述一阶段识别单元包括:获取单元、标注单元和训练单元。
其中,获取单元,用于获取车辆在路边的侧方停车位附近行驶的车辆数据,获取在所述路边的违停队列的摆放分布类型,将所述车辆数据和所述摆放分布类型组成一条训练数据,其中,所述车辆数据包括行驶过程中每一帧对应的车辆位置和车辆速度,所述摆放分布类型包括纵向排布、横向排布和斜向排布;标注单元,用于对所述训练数据进行正反例标注,其中,对所述车辆速度存在负速度的所述训练数据标注为正例,对所述车辆速度不存在负速度的所述训练数据标注为反例;训练单元,用于将标注完成的所述训练数据输入到深度学习模型中进行训练得到所述侧方停车模型,其中,所述侧方停车模型用于识别出车辆在面对所述摆放分布类型分别为所述纵向排布、所述横向排布和所述斜向排布时的一阶段的侧方停车行为。
在一实施例中,所述控制单元303包括:减速单元、二阶段判断单元、第一预测单元、第一绕行单元、让车单元、第二绕行单元和第三绕行单元。
其中,减速单元,用于若所述前车存在所述侧方停车意图且自车与所述前车跟车行驶,控制自车减速与所述前车保持安全距离直到所述前车停下;二阶段判断单元,用于判断所述前车是否执行二阶段的侧方停车行为,其中,所述二阶段的侧方停车行为是车辆入库行为;第一预测单元,用于若所述前车执行二阶段的侧方停车行为,预测所述前车的侧方位停车轨迹,并判断自车的前方和侧方是否存在足够自车绕行所述前车的绕行空间;第一绕行单元,用于若存在所述绕行空间,则根据所述侧方位停车轨迹控制自车绕行或倒车绕行;让车单元,用于若不存在所述绕行空间,则根据所述侧方位停车轨迹控制自车刹停或倒车让行。第二绕行单元,用于若识别出所述前车为违停车辆,根据当前的交通状况控制自车绕行;第三绕行单元,用于若识别出所述前车停下且预设时间内无行驶行为,根据当前的交通状况控制自车绕行或控制自车与所述前车跟车行驶。
在一实施例中,所述控制单元303包括:第二预测单元、第四绕行单元和第五绕行单元。
其中,第二预测单元,用于若所述前车存在所述侧方停车意图且自车与所述前车非跟车行驶,预测所述前车的侧方位停车轨迹,并判断自车的侧方是否存在足够自车绕行所述前车的绕行空间;第四绕行单元,用于若存在所述绕行空间,则根据所述侧方位停车轨迹控制自车绕行;第五绕行单元,用于若不存在所述绕行空间,则控制自车减速并刹停在所述侧方位停车轨迹之外,当自车的前方和侧方存在绕行空间时控制自车绕行。
在一实施例中,所述基于前车侧方停车的车辆控制装置300还包括:距离判断单元、倒车单元和鸣笛单元。
其中,距离判断单元,用于判断自车分别与前车和后车之间的距离是否超过安全距离阈值;倒车单元,用于若自车与前车之间的距离超过所述安全距离阈值且自车与后车之间的距离未超过所述安全距离阈值,则控制自车倒车;鸣笛单元,用于若自车分别与前车和后车之间的距离均超过所述安全距离阈值,则控制自车鸣笛。
上述基于基于前车侧方停车的车辆控制装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图9所示的车辆上运行。
请参阅图9,图9是本申请实施例提供的一种车辆的示意性框图。
参阅图9,该车辆500包括通过***总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作***5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种基于基于前车侧方停车的车辆控制方法。
该处理器502用于提供计算和控制能力,以支撑整个车辆500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种基于基于前车侧方停车的车辆控制方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的车辆500的限定,具体的车辆500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现上述方法的步骤。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行上述方法的步骤。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元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,或者该技术方案的全部或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车辆执行本发明各个实施例所述方法的全部或部分步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于前车侧方停车的车辆控制方法,其特征在于,所述方法包括:
当自车行驶在具有违停队列的道路且自车行驶在所述违停队列旁的车道时,判断所述违停队列之中是否存在空缺的停车位;
若所述违停队列之中存在空缺的所述停车位,判断所述前车是否存在停入所述停车位的侧方停车意图;
若所述前车存在所述侧方停车意图,预测所述前车的侧方停车轨迹,并根据所述侧方停车轨迹控制自车避让行驶。
2.根据权利要求1所述的方法,其特征在于,所述判断所述前车是否存在停入所述停车位的侧方停车意图的步骤包括:
通过预先训练的侧方停车模型识别所述前车是否执行停入所述停车位的一阶段的侧方停车行为,其中,所述一阶段的侧方停车行为是车辆入库前的车辆调整行为;
若所述前车执行停入所述停车位的一阶段的侧方停车行为,则判定所述前车存在停入所述停车位的侧方停车意图。
3.根据权利要求2所述的方法,其特征在于,所述侧方停车模型的训练步骤包括:
获取车辆在路边的侧方停车位附近行驶的车辆数据,获取在所述路边的违停队列的摆放分布类型,将所述车辆数据和所述摆放分布类型组成一条训练数据,其中,所述车辆数据包括行驶过程中每一帧对应的车辆位置和车辆速度,所述摆放分布类型包括纵向排布、横向排布和斜向排布;
对所述训练数据进行正反例标注,其中,对所述车辆速度存在负速度的所述训练数据标注为正例,对所述车辆速度不存在负速度的所述训练数据标注为反例;
将标注完成的所述训练数据输入到深度学习模型中进行训练得到所述侧方停车模型,其中,所述侧方停车模型用于识别出车辆在面对所述摆放分布类型分别为所述纵向排布、所述横向排布和所述斜向排布时的一阶段的侧方停车行为。
4.根据权利要求1-3任一项所述的方法,其特征在于,若所述前车存在所述侧方停车意图,预测所述前车的侧方停车轨迹,并根据所述侧方停车轨迹控制自车避让行驶的步骤包括:
若所述前车存在所述侧方停车意图且自车与所述前车跟车行驶,控制自车减速与所述前车保持安全距离直到所述前车停下;
判断所述前车是否执行二阶段的侧方停车行为,其中,所述二阶段的侧方停车行为是车辆入库行为;
若所述前车执行二阶段的侧方停车行为,预测所述前车的侧方位停车轨迹,并判断自车的前方和侧方是否存在足够自车绕行所述前车的绕行空间;
若存在所述绕行空间,则根据所述侧方位停车轨迹控制自车绕行或倒车绕行;
若不存在所述绕行空间,则根据所述侧方位停车轨迹控制自车刹停或倒车让行。
5.根据权利要求4所述的方法,其特征在于,所述控制自车减速与所述前车保持安全距离直到所述前车停下的步骤之后,还包括:
若识别出所述前车为违停车辆,根据当前的交通状况控制自车绕行;
若识别出所述前车停下且预设时间内无行驶行为,根据当前的交通状况控制自车绕行或控制自车与所述前车跟车行驶。
6.根据权利要求1-3任一项所述的方法,其特征在于,若所述前车存在所述侧方停车意图,预测所述前车的侧方停车轨迹,并根据所述侧方停车轨迹控制自车避让行驶的步骤包括:
若所述前车存在所述侧方停车意图且自车与所述前车非跟车行驶,预测所述前车的侧方位停车轨迹,并判断自车的侧方是否存在足够自车绕行所述前车的绕行空间;
若存在所述绕行空间,则根据所述侧方位停车轨迹控制自车绕行;
若不存在所述绕行空间,则控制自车减速并刹停在所述侧方位停车轨迹之外,当自车的前方和侧方存在绕行空间时控制自车绕行。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断自车分别与前车和后车之间的距离是否超过安全距离阈值;
若自车与前车之间的距离超过所述安全距离阈值且自车与后车之间的距离未超过所述安全距离阈值,则控制自车倒车;
若自车分别与前车和后车之间的距离均超过所述安全距离阈值,则控制自车鸣笛。
8.一种基于前车侧方停车的车辆控制装置,其特征在于,包括用于执行上述权利要求1-7任一项所述方法的单元。
9.一种车辆,其特征在于,所述车辆包括存储器以及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现如权利要求1-7中任一项所述的方法。
Publications (1)
Publication Number | Publication Date |
---|---|
CN118254831A true CN118254831A (zh) | 2024-06-28 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11820365B2 (en) | Systems and methods for navigating a vehicle | |
WO2022105579A1 (zh) | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 | |
CN111284493B (zh) | 用于控制车辆行驶的装置和方法 | |
CN105938365B (zh) | 车辆控制装置 | |
CN111696373B (zh) | 车队协同感知方法、车队协同控制方法和*** | |
JP4933962B2 (ja) | 分岐路進入判定装置 | |
CN111284492A (zh) | 用于控制车辆行驶的装置及方法 | |
CN112242071B (zh) | 基于动态编组重构的道路自动驾驶车辆协同避障方法 | |
JP6180928B2 (ja) | 走行細長通路を求める方法 | |
CN109733392B (zh) | 一种避障方法及装置 | |
JP6468261B2 (ja) | 自動運転システム | |
US20220234615A1 (en) | In-vehicle device and driving assist method | |
CN115087573B (zh) | 一种关键目标选取方法、装置及*** | |
JP2021033614A (ja) | 自動運転システム | |
CN112193246A (zh) | 车辆及用于执行车辆间距离控制的方法 | |
CN113895456A (zh) | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 | |
US20220153266A1 (en) | Vehicle adaptive cruise control system, method and computer readable medium for implementing the method | |
CN116745195A (zh) | 车道外安全驾驶的方法和*** | |
KR20170056233A (ko) | 차량의 회전 주행 제어 장치 및 방법 | |
CN117227714A (zh) | 一种自动驾驶车辆转弯避让控制方法及*** | |
CN116461525A (zh) | 车辆变道方法、装置、设备、介质及车辆 | |
CN115376333B (zh) | 一种交叉口车辆调度方法、装置及电子设备 | |
CN111204335A (zh) | 用于运行车辆以避免或消除交通拥堵的方法和设备 | |
CN118254831A (zh) | 基于前车侧方停车的车辆控制方法、装置、车辆及介质 | |
CN114954452A (zh) | 一种基于自适应巡航的车速控制方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |