车辆控制方法、装置及相关计算机程序产品与流程

文档序号:15691513发布日期:2018-10-16 22:24阅读:151来源:国知局
车辆控制方法、装置及相关计算机程序产品与流程

本发明实施例涉及通信技术领域,尤其涉及一种车辆控制方法、装置及相关计算机程序产品。



背景技术:

目前,随着人们对高效生活的追求,机动车辆作为便利、快捷的交通工具,被人们广泛使用,而,随着机动车辆使用率的激增,道路交通越来越拥挤,道路交通事故也在逐渐增多。为了减少道路交通事故的发生,在驾驶系统领域,通常使用dsrc(dedicatedshortrangecommunication,专用短程通信技术)技术,提供车与车之间、车与路之间以及车与智能交通系统的信息交互,使车辆持续感知周围的环境,并控制车身采取相应的措施,从而能够有效的减少事故的发生。

具体的,在1000米的距离之内,dsrc模块之间能够通过其通信协议,实时获取相互之间对应车辆的状态,进而根据车辆在当前时刻的实时状态,计算自车与对方车辆之间是否存在碰撞风险,并发出碰撞告警,采取减速、刹车或者变道等措施,以避免碰撞。

从上述描述可以看出,自身车辆的dsrc模块,实质上是与其他车辆的dsrc模块进行信息交互,因此,该方式实施的前提是,所有车辆均设置有dsrc模块。此外,自身车辆的dsrc模块,不仅需要不断检测自身车辆的位置与速度,而且还需要与所有距离范围内的其他车辆的dsrc模块通信,并不断的计算,由此可见,dsrc模块的检测和通信过程相对复杂,而且计算量也相对较大。综上,通过dsrc模块实施车间通信,进而减少事故发生的方法,成本较高,而且适用性较差。



技术实现要素:

本发明实施例提供了一种车辆控制方法、装置及相关计算机程序产品,以解决现有技术成本高,且适用性差的问题。

第一方面,本发明实施例提供了一种车辆控制方法,该方法在实施时,本车以自身为参照,获取障碍物t1时刻的状态参数,即,障碍物在t1时刻的朝向信息,和障碍物相对于本车的位置信息,然后,本车获取障碍物在t1时刻之前n个时刻的状态参数,进而,结合该n个历史状态参数,以及t1时刻的状态参数,计算得到障碍物t2时刻的状态参数,并根据障碍物t2时刻的状态参数控制本车的行为。其中,本实施例中,t2时刻是t1时刻之后的时刻,且t1时刻可以理解为当前时刻,那么,t2时刻作为t1时刻之后的时刻,即为将来的时刻。

也就是说,本方案以本车作为参照物,获取障碍物相对于本车的当前状态,并结合障碍物持续一段时间的历史状态,能够预测障碍物即将发生的行为,进而能够以障碍物即将发生的行为控制本车的行为,减少道路交通事故。此外,需要说明的是,由于需要结合障碍物持续一段时间的历史状态,所以,本方案中,n是大于1的正整数。

结合第一方面,在第一方面第一种可能的实现方式中,本车根据障碍物t1时刻和前n个时刻的状态参数,计算t2时刻的状态参数,实质上是根据t1时刻之前的一段历史行为轨迹,预测t2时刻的状态。因此,本实施例中,本车在获知障碍物t1时刻和前n个时刻的状态参数之后,可以将t1时刻的状态参数和n个时刻的状态参数转换为障碍物的轨迹线,该轨迹线表示的是障碍物的一段历史行为轨迹,进而根据该段历史行为轨迹确定障碍物未来的状态。

由此可见,通过历史行为轨迹预测未来状态的方式,能够直观的判断出障碍物t2时刻的状态,不仅准确度高,而且能够简单明了的确定本车下一刻的行为。

结合第一方面,在第一方面第二种可能的实现方式中,具体的,本方案可以预先训练模型,该模型用于计算障碍物处于某个状态时的概率值。因此,本实施例中,在获知障碍物t1时刻的状态参数时,可以假设障碍物在t2时刻可能会在的方位,并预测相应方位对应的预测状态参数,分别将每个预测状态参数以及t1时刻的状态参数代入模型,分别计算得到每个预测状态参数初始概率值,形成第一概率组。进而,提取t1时刻之前n个时刻对应的概率组,其中,n个概率组是该障碍物分别在n个时刻对应的预测状态参数的最终概率值,然后,针对每个方位,根据其对应的第一概率组中的概率值,和n个概率组中的概率值计算,得到第二概率组,即,障碍物t2时刻每个预测状态参数的最终概率值,并选择最终概率值最大的预测状态参数作为t2时刻的状态参数。

也就是说,本方案为了及时、准确的预测障碍物下一刻的行为,本方案中,每隔一定时间段获取一次障碍物的状态参数,并根据预先训练的模型,计算障碍物下一刻的状态参数,从而预测障碍物下一刻的行为,不仅操作简单,计算量小,而且所预测的状态参数准确度也较高。

结合第一方面,在第一方面第三种可能的实现方式中,通常,车辆和行人在行动时,应当遵守交通规则,因此,本车在获取障碍物t1时刻的状态参数时,同时,还可以检测障碍物的转向灯信息,进而根据转向灯信息判断障碍物转向的方向。

采用本实现方式,以障碍物的转向灯信息,以及其历史状态参数为依据,预测障碍物将来的行为轨迹,能够相对准确的判断障碍物的行为轨迹,不仅处理过程简单,而且能够更加有效的避免道路交通事故的发生。

结合第一方面,在第一方面第四种可能的实现方式中,本车在获取障碍物t1时刻的状态参数之前,还可以先定位自身的精确位置,具体的,可以结合预先输入的地图,定位本车在地图上的初始位置,然后,可以通过摄像头等设备采集初始位置周围的环境特征,并检测所采集的环境特征与地图上相应位置的信息匹配度,筛选出匹配度最高的区域,从而能够根据匹配度最高的区域调整初始位置,得到本车的精确位置。

其中,需要指出的是,本方案中,为了使本车的定位更加精确,在首次确定匹配度最高的区域之后,还可以在该区域内再次采集特征,并重复上述检测和调整的步骤,并在重复几次之后,得到本车的精确位置。

由此可见,采用本实现方式,不仅能够精确的定位本车的位置,进而基于本车的精确位置,能够进一步准确的获取本车周围的环境信息,进而为计算障碍物即将发生的行为提供精确的参数依据。

第二方面,本发明实施例还提供了一种车辆控制装置,该装置包括用于执行第一方面及第一方面各实现方式的中方法步骤的模块和单元,具体的,本发明实施例此处不再赘述。

第三方面,本申请还提供了一种车辆控制设备,包括:处理器和存储器;其中,处理器可以执行存储器中所存储的程序或指令,从而实现以第一方面各种实现方式的车辆控制方法。

第四方面,本发明实施例还提供了一种计算机程序产品,包括指令,当指令在计算机上运行时,使得计算机执行第一方面的方法。

采用本发明实施例的车辆控制方法、装置及相关计算机程序产品,首先获取障碍物t1时刻的状态参数,然后,根据t1时刻的状态参数以及t1时刻之前n个时刻的状态参数,计算障碍物t2时刻的状态参数,进而,根据t2时刻的状态参数控制本车的行为。其中,本方案中,状态参数包括障碍物的朝向信息,和障碍物相对于本车的位置信息,t2时刻是t1时刻之后的时刻,n是大于1的正整数。由此可见,本发明实施例的技术方案,通过障碍物在t1时刻及其之前n个时刻的历史状态参数,计算出其在t1时刻之后的状态参数,不仅计算量小,而且执行过程更为简单,此外,本方案在实施过程中,本车无需与障碍物进行通信,因此,也无需安装dsrc模块,所以,与现有技术相比,本方案更加节省成本,适用性更好。

附图说明

为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的车辆控制方法的方法流程图;

图2为本发明实施例提供的道路模型示意图;

图3为本发明实施例提供的车辆行为的第一种实施方式的道路模型示意图;

图4为本发明实施例提供的车辆行为的第二种实施方式的道路模型示意图;

图5为本发明实施例提供的车辆行为的第三种实施方式的道路模型示意图;

图6为本发明实施例提供的车辆行为的第四种实施方式的道路模型示意图;

图7为本发明实施例提供的车辆控制方法的示例图;

图8为本发明实施例提供的车辆控制装置的结构示意图;

图9为本发明实施例提供的车辆控制设备的结构示意图。

具体实施方式

下面结合附图,对本发明的实施例进行描述。

其中,根据对现有技术的描述可知,采用dsrc技术获取障碍物的状态信息,本车只能获取到障碍物当前时刻的信息,对于障碍物即将发生的行为动作,无法得知,而,很大部分道路交通事故,是由于本车错误的判断障碍物即将发生的行为动作而发生的,因此,采用dsrc技术规避道路交通事故的作用极其有限。

有鉴于此,本发明实施例提供了一种车辆控制方法,能够预测障碍物即将发生的行为,进而根据障碍物即将发生的行为控制本车的行为,以规避道路交通事故的发生。参见图1,图1为本发明实施例提供的车辆控制方法的方法流程图,本实施例的方法包括以下步骤:

步骤s101,获取障碍物t1时刻的状态参数。

其中,本发明实施例中,状态参数可以包括,障碍物的朝向信息,速度信息,以及障碍物相对于hv(hostvehicle,本车)的位置信息等信息,而t1时刻可以是当前时刻。

作为hv障碍物的对象可以包括,hv前方的行人、自行车和机动车等,本实施例中,hv可以通过加速度传感器,或者激光传感器等,检测每个对象的行驶速度,从而获取每个障碍物当前时刻的速度信息。此外,作为控制hv行为的参照物,障碍物的部分状态参数可以参照hv的状态和道路信息确定。为了便于确定hv和障碍物的相对关系,本实施例中,可以创建道路模型,并进一步以道路模型为坐标系,定位障碍物的朝向信息和相对于hv的位置信息。其中,道路模型是按照一定比例将实际道路缩小后的道路模拟图,并且,与实际位置相对应的,道路模型中标注交通灯,车道线以及减速牌等标志,同时,还呈现有hv与障碍物的相对位置。由此可见,道路模型能够直观的展示hv、道路和障碍之间的相对关系,并且能够为确定障碍物的位置信息,提供参考坐标系。

具体的,hv可以通过预先设置的摄像头或者行车记录仪等设备,获取其周围的环境图像。其中,环境图像包括,hv所在车道的相关图像,以及hv周围障碍物的图像。在获取到环境图像之后,可以从车道的相关图像中,提取车道宽度,hv所在的具体车道,前方是否有交通灯,及当前交通灯的指示等参数,相应的,还可以根据hv周围障碍物的图像,获知其前方的障碍物,进而,根据上述信息创建道路模型。

例如,请参见图2,图2为本发明实施例提供的道路模型示意图,图2所示的道路模型是三车道的道路模型,其中,道路前方设置有交通灯,rv(remotevehicle,他车)是相对于hv而言的,在本实施例中,rv1和rv2是两个障碍物,并且,图2所示的道路模型很明确的呈现了hv与rv1、rv2的位置关系。

由此可见,本发明实施例通过创建道路模型,能够很直观的展示hv与障碍物的位置关系,并且,还能够为障碍物状态参数的确定,提供参考坐标系,从而能够使hv的行为控制更加简单。

基于上述描述,在创建道路模型之后,可以以道路模型为坐标系,获取障碍物的朝向信息和相对于hv的位置信息。具体的,参考图2,本方案可以基于道路模型,以hv的位置为参考原点,读取障碍物当前时刻的坐标,得到障碍物的位置信息。当然,需要说明的是,在道路模型中,hv和障碍物的模型均占据一定面积,为了保证所得到的位置信息的准确性,本实施例中,可以以每个车辆模型的中心位置的坐标,表示相应车辆的位置。

同样的,在计算障碍物的朝向信息时,可以以hv的纵向方向为参考,获取障碍物的车头到车尾方向的轴线,并将障碍物的车头方向作为该轴线的指向方向,从而得到障碍物的指向向量,通过计算障碍物的指向向量与参考方向的夹角,得到相应障碍物的朝向信息。

此外,需要说明的是,在获取上述状态参数的同时,如果障碍物是机动车,还可以检测当前障碍物是否开启转向灯,从而可以结合障碍物的各项状态参数及转向灯的状态,预测障碍物的行为轨迹。

此外,上述描述是通过摄像设备以及传感器等,获取hv周围的环境参数的过程,其中,通过上述实现过程,所得到的仅仅是以hv自身为参照的环境参数,为了能够获知更多的环境信息,在本发明的一个可选实施例中,可以首先定位hv的精确位置。

具体的,可以使用gps(globalpositioningsystem,全球定位系统)和imu(inertialmeasurementunit,惯性测量单元),结合预先输入的地图,定位hv在地图上的初始位置,然后,可以通过摄像头等设备采集初始位置周围的环境特征,并检测所采集的环境特征与地图上相应位置的信息匹配度,筛选出匹配度最高的区域,从而能够根据匹配度最高的区域调整初始位置,得到hv的精确位置。当然,本实施例仅仅是对该定位过程的简单描述,在实际操作过程中,为了得到hv的精确位置,可以在确定匹配度最高的区域之后,在该区域内再次采集特征,并重复上述检测和调整的步骤,以得到hv的精确位置。

需要指出的是,上述定位过程是本领域技术人员所熟知的技术,可以参考粒子滤波算法,本发明实施例此处不再详述。

由此可见,采用本步骤的方法,不仅能够精确的定位hv的位置,而且基于hv的精确位置,还能够进一步准确的获取本车周围的环境信息,进而为计算障碍物即将发生的行为提供精确的参数依据。

步骤s102,根据t1时刻的状态参数以及t1时刻之前n个时刻的状态参数,计算障碍物t2时刻的状态参数。

其中,本实施例中,t2时刻是t1时刻之后的时刻。具体的,可以是与t1时刻间隔一定时间段的下一时刻。例如,当将间隔时间段设置为10ms时,那么,t2时刻即为t1时刻10ms之后的时刻。n是大于1的正整数。

需要说明的是,车辆和行人在行动时,应当遵守交通规则,例如,机动车在转弯或者变道时,应当开启转向灯,以提醒其他车辆的用户,因此,当hv检测到其前方车辆开启转向灯时,可以根据转向灯判断其前方车辆转向的方向,进而确定该车辆在t2时刻的状态参数。然而,在实际生活中,许多行人并不遵守交通规则,例如。很多用户在开车时操作不规范,变道不开转向灯的情况时常出现,因此,如果hv仅依靠转向灯判断障碍物下一刻的行为,将会产生大量错误的判断,从而造成道路交通事故。有鉴于此,本方案中,当障碍物未开启转向灯时,根据障碍物在t1时刻及其之前n个时刻的状态参数,确定障碍物在t2时刻的状态参数,以确定障碍物即将发生的行为。

其中,hv根据障碍物t1时刻和前n个时刻的状态参数,计算t2时刻的状态参数,实质上是根据t1时刻之前的一段历史行为轨迹,预测t2时刻的状态。因此,本实施例中,hv在获知障碍物t1时刻和前n个时刻的状态参数之后,可以将t1时刻的状态参数和n个时刻的状态参数转换为障碍物的轨迹线,该轨迹线表示的是障碍物的一段历史行为轨迹,进而根据该段历史行为轨迹确定障碍物未来的状态。

此外,具体的,本实施例中,可以预先训练模型,该模型用于计算障碍物处于某个状态时的概率值。因此,本实施例中,在获知障碍物t1时刻的状态参数时,可以假设障碍物在t2时刻可能会在的方位,并预测相应方位对应的预测状态参数,分别将每个预测状态参数以及t1时刻的状态参数代入模型,分别计算得到每个预测状态参数初始概率值,形成第一概率组。进而,提取t1时刻之前n个时刻对应的概率组,其中,n个概率组是该障碍物分别在n个时刻对应的预测状态参数的最终概率值,然后,针对每个方位,根据其对应的第一概率组中的概率值,和n个概率组中的概率值计算,得到第二概率组,即,障碍物t2时刻每个预测状态参数的最终概率值,并选择最终概率值最大的预测状态参数作为t2时刻的状态参数。

例如,障碍物在t1时刻的状态参数是a,障碍物在t2时刻可能会向右转、直行或向左转,根据障碍物当前的速度信息,分别生成其向右转的预测状态参数x、直行的预测状态参数y和向左转的预测状态参数z,分别计算预测状态参数x的初始概率值,得到30%,预测状态参数y的初始概率值,得到40%,预测状态参数z的初始概率值,得到70%。然后,调取障碍物在t1时刻之前3个时刻的概率组,并分别计算预测状态参数x的最终概率值,得到20%,预测状态参数y的最终概率值,得到30%,预测状态参数z的最终概率值,得到90%,那么,可以将障碍物向左转的预测状态参数z,作为障碍物t2时刻的状态参数。

也就是说,为了及时、准确的预测障碍物下一刻的行为,本方案中,每隔一定时间段获取一次障碍物的状态参数,并根据预先训练的模型,计算障碍物下一刻的状态参数,从而预测障碍物下一刻的行为,不仅操作简单,计算量小,而且所预测的状态参数准确度也较高。

步骤s103,根据t2时刻的状态参数控制本车的行为。

基于上述步骤的描述,本方案在得到障碍物t2时刻的状态参数之后,可以得到障碍物t2时刻在道路模型上的轨迹线,进而,可以通过检测该轨迹线的曲率与道路的曲率,预测障碍物即将发生的行为,进而控制本车的行为。

例如,请参见图3至图6,图3至图6分别是不同实施场景下的道路模型图。如图3所示,图3中的障碍物rv1,在最近一段时间内的轨迹线曲率与道路曲率一致,且未开启转向灯,因此,认为障碍物rv1将会一直在中间的车道行驶。如图4所示,虽然障碍物rv1的轨迹线曲率与道路曲率一致,但是障碍物rv1开启了右侧的转向灯,因此,可以认为障碍物rv1将会从中间的车道驶向右侧的车道。再看图5,图5中障碍物rv1的轨迹线曲率与道路曲率明显不一致,虽然障碍物rv1未开启转向灯,但是障碍物rv1的朝向是右侧车道,因此,可以认为障碍物rv1即将从中间的车道驶向右侧的车道。此外,还请参见图6,其中,本实施例中,障碍物rv1的轨迹线曲率与道路曲率相差不大,但是障碍物rv1的部分车身已经位于右侧车道,此种场景下,可以认为是障碍物rv1在变道的过程中,因此,可以认为障碍物rv1即将从中间的车道驶向右侧的车道。

在上述描述的基础上,由于已经获知障碍物即将发生的行为,则可以根据需求控制hv的行为。具体的,可以按照如下规则执行:

当障碍物均在本车道正常行驶,hv可以根据需要保持在所在的车道行驶,或者变道,如果变道,则开启相应的转向灯;当障碍物开启转向灯,hv保持在所在的车道行驶;当障碍物即将变道,hv可以根据判断是否能够在本车道上通过。例如,参见图3,障碍物rv1在本车道正常行驶,那么,hv可以在右侧车道行驶,或者根据需要变道到左侧车道,并且当从右侧车道变道到左侧车道时,开启左侧的转向灯。

此外,在上述基础上,在hv变道,或者超车之前,还可以获取障碍物的型号,然后,根据预先存储的车辆型号与车身宽度的对应关系,查找障碍物的宽度,进而,根据道路模型所展示的相应车道的宽度,计算hv是否能够通过。

由此可见,本方案的车辆控制方法,通过障碍物在t1时刻及其之前n个时刻的历史状态参数,计算出其在t1时刻之后的状态参数,不仅计算量小,而且执行过程更为简单,此外,本方案在实施过程中,本车无需与障碍物进行通信,因此,也无需安装dsrc模块,所以,与现有技术相比,本方案更加节省成本,适用性更好。

为了使本领域技术人员更加清楚、详细的了解本方案,下面结合图7对本方案的执行过程进行详述。

需要说明的是,由于行人和自行车所行驶的车道,与hv所行驶的车道之间,设置有道路围栏或者绿化带等阻隔,因此,行人与自行车的行为基本上无法影响到hv,所以,本实施例中,以hv前方的机动车作为hv的障碍物进行描述。在实施过程中,可以通过各个障碍物的速度信息和位置信息筛选出机动车,具体的,本发明实施例不再详述。

其中,本实施例中,hv精确定位,获取自身周围的环境参数,以及创建道路模型的过程详见上述实施例的描述,本方案此处不再赘述。参见图7,图7为本发明实施例提供的车辆控制方法的示例图,在本实施例中,hv前方有两辆机动车,分别为障碍物rv1和障碍物rv2。其中,由于针对障碍物rv1和障碍物rv2,本方案的实施过程相同,因此,本实施例以rv1为例对本方案进行描述,针对障碍物rv2的实施过程可以参考下述描述。

假设在本实施例中,每隔10ms获取一次障碍物rv1的状态参数,当前时刻是k。获取k时刻的状态参数i,并根据状态参数i确定(k+1)时刻的预测状态参数j。其中,根据图7所示可以看出,障碍物rv1可能的行为状态包括向前直行和向右转两种,因此,本实施例中,预测状态参数j包括,向前直行对应的预测状态参数j1和向右转对应的预测状态参数j2,分别将i和j1,以及i和j2代入公式:

计算得到障碍物rv1的预测状态参数是j1的概率值,以及障碍物rv1的预测状态参数是j1的概率值。

其中,该公式是按照跟踪算法预先训练得到的,而本方案中,跟踪对象即为障碍物rv1。该公式中kj为卡尔曼滤波增益。在目标跟踪系统中,p是马尔科夫转移概率矩阵的初始值且是已知的,ε是各模型概率的初始值。该公式所表达的意思是,假定k时刻目标观测的特征概率密度为z(k),在给定前向观测序列的情况下,系统在k时刻状态为i,在(k+1)时刻状态为j的概率。

需要指出的是,本方案中,障碍物rv1每个时刻对应的两个概率值均被记录,并与其对应的时刻形成状态矩阵,当按照上述公式计算得到障碍物rv1在(k+1)时刻的两个概率值之后,从预先维护的状态矩阵中,抽取(k-n)到k时刻中每个时刻对应的两个预测状态参数概率值,并分别将向前直行时对应的预测状态参数的所有概率值,代入下述公式,得到(k+1)时刻向前直行对应的预测状态参数的最终概率,将向右转时对应的预测状态参数的所有概率值,代入下述公式,得到(k+1)时刻向右转对应的预测状态参数的最终概率。

其中,由于(k+1)时刻是即将到来的时刻,而上述最终概率最大的预测状态参数,即为发生几率最大的行为对应的状态参数,因此,将最终概率最大的预测状态参数作为所预测的(k+1)的状态参数。在本实施例中,障碍物rv1在(k+1)时刻的行为被预测为向右转,向右转的行为对应预测状态参数即为障碍物rv1在(k+1)时刻的状态参数。

其中,在本实施例中,对应障碍物rv2的执行过程,与上述过程相同,本实施例不再赘述。此外,本实施例中,n的取值是4,且障碍物rv1在前4个时刻对应的位置如图7所示。

其中,图7中第五个时刻对应的状态,是预测得到的状态,在计算得到预测状态之后,可以将第一个状态到第五个状态在道路模型上连线形成轨迹线,障碍物rv1和障碍物rv2的轨迹线如图7所示。很明显的,障碍物rv1的轨迹线曲率与道路曲率不一致,障碍物rv1朝向中间的车道,而障碍物rv2的轨迹线曲率虽然与道路曲率一致,但是,障碍物rv2开启了向左的转向灯,因此,障碍物rv1即将向中间或者右侧的车道行驶,而障碍物rv2即将向中间或者左侧的车道行驶,因此,hv可以保持在中间的车道行驶。

由此可见,本方案以障碍物的转向灯,以及其历史行为参数为依据,预测障碍物将来的行为状态,从而能够相对准确的判断障碍物的行为轨迹,不仅不需要安装设置dsrc,而且处理过程简单,能够更加有效的避免道路交通事故的发生,适用性也相对较强,易于推广。

与上述实现方法相对应的,本发明实施例还提供了一种车辆控制装置,参见图8,图8为本发明实施例提供的车辆控制装置的结构示意图,装置用于执行图1至图7所对应的车辆控制方法。

本实施例的装置包括:获取模块11,计算模块12和控制模块13,其中,获取模块11,用于获取障碍物t1时刻的状态参数,其中,状态参数包括障碍物的朝向信息,和障碍物相对于本车的位置信息;计算模块12,用于根据t1时刻的状态参数以及t1时刻之前n个时刻的状态参数,计算障碍物t2时刻的状态参数;其中,t2时刻是t1时刻之后的时刻;n是大于1的正整数;控制模块13,用于根据t2时刻的状态参数控制本车的行为。

在上述实施例的基础上,在另一个实施例中,计算模块包括转换单元和控制单元,其中,转换单元,用于将t1时刻的状态参数和n个时刻的状态参数转换为障碍物的轨迹线;计算单元,用于根据轨迹线计算障碍物t2时刻的状态参数。

在上述实施例的基础上,在一个具体实施例中,计算模块12包括计算单元、提取单元和确定单元,其中,

计算单元,用于根据t1时刻的状态参数计算得到第一概率组,其中,第一概率组包括障碍物t2时刻对应的至少两个预测状态参数的初始概率值;

提取单元,用于提取n个时刻对应的n个概率组,其中,n个概率组是障碍物分别在n个时刻对应的至少两个预测状态参数的最终概率值;

计算单元,还用于根据第一概率组和n个概率组计算得到第二概率组,其中,第二概率组包括障碍物t2时刻对应的至少两个预测状态参数的最终概率值;

确定单元,用于确定第二概率组中最大的最终概率值对应的预测状态参数为t2时刻的状态参数。

此外,装置还包括:定位模块、采集模块、检测模块和调整模块,其中,

定位模块,用于在预先接收的地图上定位hv的初始位置;

采集模块,用于采集初始位置周围的环境特征;

检测模块,用于检测环境特征与地图相应位置的信息匹配度,得到匹配度最高的区域;

调整模块,用于根据匹配度最高的区域调整初始位置,得到hv的精确位置。

基于上述描述,相应的,本发明实施例还提供了一种车辆控制设备,参见图9,图9为本发明实施例提供的车辆控制设备的结构示意图。其中,本实施例的车辆控制设备应用于本车,包括:一个或多个处理器910以及存储器920,图9中以一个处理器910为例进行展示。

此外,执行车辆控制方法的设备还可以包括:输入装置930和输出装置940。处理器910、存储器920、输入装置930和输出装置940可以通过总线或者其他方式连接,如图9所示。

其中,存储器920作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的车辆控制方法对应的程序指令/模块。处理器910通过运行存储在存储器920中的非易失性软件程序、指令以及模块,从而执行上述各种功能以及参数的处理,即实现上述方法实施例的内容。输入装置930可接收外部输入的数字或字符信息,例如,本发明实施例中,接收外部输入的地图,以及接收传感器等外部设备输入的障碍物的各项状态参数,而输出装置940可用于输出控制指令等。

上述设备可执行本发明实施例所提供的方法,并包含执行方法的功能模块。其中,详情请参见上述实施例的描述,本发明实施例此处不再详述。

此外,本领域技术人员应明白,本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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,倘若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。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1