一种车辆横向位置控制方法及装置与流程

本发明涉及车辆横向位置控制技术领域，特别涉及一种车辆控制方法及系统。

背景技术：

近年来，智能驾驶技术正在逐步发展，并且已经发展出了车道保持辅助系统、自适应巡航系统、刹车辅助系统、自动泊车辅助系统等驾驶辅助系统，涵盖了自动驾驶技术等级l1～l3的技术方案，并实现商业化应用。

在现有技术中，采用的控制策略是通过检测车道线避免车辆驶出车道，这类方案属于安全性驾驶辅助类，当车辆有非主动偏离当前车道的趋势时，介入控制并将车辆控制在车道中间或沿着一条车道线保持不压线的状态。亦有通过检测环境信息，通过环境信息将车辆控制在固定车道内实现安全驾驶。实现比较完善的l2级别车道保持辅助功能。

经检索得到最接近现有技术方案为cn104908734a，检测环境信息来控制车辆的横向位置。

但是上述智能车控制系统的应用场景都较为局限，随着智能驾驶技术越来越完善，更多的横向控制场景需要实现。

技术实现要素：

技术实现要素：
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的第一个目的在于提出一种车辆横向控制方法及系统，该控制方法使车辆可以适应不同的驾驶场景，使维持横向控制状态的同时保证车辆行驶的安全性问题，大大提高了车身的稳定性。

本发明的第二个目的在于提出一种车辆制动稳定控制系统。

一种车辆横向位置控制方法，包括：获取车辆自身信息；获取环境信息，并对所获取的信息进行数据融合；判断数据融合后信息可以识别到的物体，根据判断结果选择不同的道路行驶策略；行驶策略为降级使用，包括多个等级。

获取车辆自身信息为车辆状态信息，所述的车辆状态信息包括车速，车辆偏转率。

一种车辆横向位置控制方法，获取环境信息包括车道线信息、前车信息、前前车信息、两侧道路边沿信息、左右车信息；行驶策略包括：一级策略、二级策略、三级策略；不同是策略可以适应不同的驾驶场景。判断数据融合后信息可以识别到的物体包括：判断识别的车道线条数；若识别到两条车道线信息则采用一级策略；若识别的车道线信息只有一条，则判断是否有前车信息；若有则前车信息则采用一级策略；若一级策略中的车速为低，则保持使用一级策略。

进一步的，若一级策略中的车速为高，则降级到二级策略。判断数据融合后信息可以识别到的物体包括：判断车道线为无，则判断是否有前车；若有前车，则判断是否有前前车；若无前车，则判断两侧道路边沿信息；若有前前车，则判断前车和前前车轨迹是否一致；若前车和前前车轨迹一致且车辆自身信息为低速，则使用一级策略；若前车和前前车轨迹一致且车辆自身信息为高速，则使用二级策略；若前车和前前车轨迹不一致，则使用三级策略。

进一步的，判断是否有前前车，若判断的前前车信息为无，则结合车辆自身信息为低速，则使用二级策略；为高速，则使用三级策略。

进一步的，判断两侧道路边沿信息包括:判断道路两侧道路边沿的信息是否可识别；若可识别,则结合车辆自身信息,为高速则使用三级策略,为高速则退出控制；若不可识别,则进行左右车辆的判断。所述的判断数据融合后信息可以识别到的物体包括：

进一步的，判断左右车辆信息是否可识别；若判断左右车辆可以识别，则判断是否为对向来车，非对向来车且为低速则使用三级策略，为高速则退出控制，若为对向来车则退出控制；若判断左右车辆不可以识别则退出控制。

进一步的，行驶策略包括将判断步骤中的环境信息数据进行数据融合后的数据信息及车辆自身车辆信息，并根据策略信息生成用于控制的目标轨迹，车辆根据目标轨迹运行。

根据本发明的车辆横向位置控制方法，可以使得车辆适应有车道线、无车道线、高速、中速、低速等不同的驾驶场景。

根据本发明的车辆横向位置控制方法，提高了车辆智能驾驶系统的横向位置控制性能，提高了车辆的场景适应能力，保证车辆驾驶安全性。

一种用于智能驾驶系统的车辆横向位置控制系统，包括：参数获取模块、轨迹规划模块和轨迹控制模块；其中，参数获取模块，获取环境信息并进行数据融合，其中获取设备包括雷达、摄像头；轨迹规划模块，接收参数获取模块传入的环境参数信息，结合车辆状态信息，生成车辆目标轨迹；轨迹控制模块，接收轨迹规划模块的轨迹指令，生成底层执行器可执行的控制指令，并发送给执行机构；所述底层执行器为车辆控制机构，控制车辆横向位置，保持横向位置或者进行横向位置的变动。底层执行器一般为车辆上的ep步骤s转向助力系统。

根据本发明的车辆横向位置控制系统，提高了车辆智能驾驶系统的横向位置控制性能，使车辆适应运行过程中遇到的各种复杂道路情况，保证车辆驾驶安全性。

附图说明：

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明实施例提供的一种车辆横向位置控制方法策略选择示意图；

图2是本发明实施例提供的一种三级控制策略降级方法示意图；

图3是本发明实施例提供的一种智能车辆一级策略横向位置控制方法示意图；

图4是本发明实施例提供的一种智能车辆二级策略横向位置控制方法示意图；

图5是本发明实施例提供的一种智能车辆三级策略横向位置控制方法示意图；

图6是本发明实施例提供的一种智能车辆用于智能驾驶系统的横向位置控制装置示意图；

图7是本发明实施例之一的一种智能车辆用于智能驾驶系统的横向位置控制装置示意图；

图8是本发明实施例之一的一种智能车辆用于智能驾驶系统的横向位置控制装置实施例示意图；

图9是本发明实施例之一的一种智能车辆用于智能驾驶系统的横向位置控制装置。

通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

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，所描述的实施例仅仅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的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。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在现有技术中，存在通过毫米波雷达获取前车轨迹信息，结合车辆当前状态进行横向位置跟随的策略。这种方式虽然拓展了横向位置控制辅助系统的使用范围，但由于参考的数据信息太少，会增加车辆行驶过程中的风险与不便，不能在复杂路况中行驶；或者在简单路况中进行了较为复杂的程序运算，不能达到快速准确的目的。为了解决上述问题，本发明提出了一种基于当前感知环境的车辆横向位置辅助控制方法，该方法通过充分利用现有l2驾驶辅助级别传感器(前置摄像头，主雷达)所能提供的环境信息，利用环境信息计算出车辆轨迹运行的数据，可以使车辆适应运行过程中遇到的各种复杂道路情况。

方法包括：获取车辆自身信息；获取环境信息，并对所获取的信息进行数据融合；判断数据融合后信息可以识别到的物体，根据判断结果选择不同的道路行驶策略；所述的行驶策略为降级使用，包括多个等级。行驶策略包括：一级策略、二级策略、三级策略。获取环境信息包括车道线信息、前车信息、前前车信息、两侧道路边沿信息、左右车信息；辆自身信息为车辆状态信息，所述的车辆状态信息包括车速，车辆偏转率。通过获取的不同信息得到不同的行驶策略，可以使车辆在不同的环境中进行横向控制。

进一步的，若一级策略中的车速为高，则降级到二级策略。判断数据融合后信息可以识别到的物体包括：判断车道线为无，则判断是否有前车；若有前车，则判断是否有前前车；若无前车，则判断两侧道路边沿信息；若有前前车，则判断前车和前前车轨迹是否一致；若前车和前前车轨迹一致且车辆自身信息为低速，则使用一级策略；若前车和前前车轨迹一致且车辆自身信息为高速，则使用二级策略；若前车和前前车轨迹不一致，则使用三级策略。

判断是否有前前车，若判断的前前车信息为无，则结合车辆自身信息为低速，则使用二级策略；为高速，则使用三级策略。

判断两侧道路边沿信息包括:判断道路两侧道路边沿的信息是否可识别；若可识别,则结合车辆自身信息,为高速则使用三级策略,为高速则退出控制；若不可识别,则进行左右车辆的判断。所述的判断数据融合后信息可以识别到的物体包括：判断左右车辆信息是否可识别；若判断左右车辆可以识别，则判断是否为对向来车，非对向来车且为低速则使用三级策略，为高速则退出控制，若为对向来车则退出控制；若判断左右车辆不可以识别则退出控制。

判断步骤中的环境信息数据进行数据融合后的数据信息及车辆自身车辆信息，并根据策略信息生成用于控制的目标轨迹，车辆根据目标轨迹运行。

根据本发明的车辆横向位置控制方法，可以使得车辆适应有车道线、无车道线、高速、中速、低速等不同的驾驶场景。

根据本发明的车辆横向位置控制方法，提高车辆智能驾驶系统的横向位置控制性能，提高了车辆的场景适应能力，保证车辆驾驶安全性。

本发明提供的技术方案的三级判断横向位置保持策略，可以提高l2级别车辆横向位置保持辅助功能安全性；对应采用不同级别的数据验证严格程度，实现当前环境数据不满足时，自动降级到可保证安全行驶的横向位置保持的策略；实现l3～l4驾驶辅助级别的自动驾驶。

本实施例中横向位置控制策略决策依赖的车道线、前车、前前车、左/右车以及道路边沿数据；在某些应用中，道路边沿数据可能无法获得，但只需将道路边沿数据对应的策略删除，即不会影响三层横向位置控制策略的使用；

实施例中进行数据处理的为计算机，即控制中心。

实施例中的不同的控制策略为选取的不同的控制信息。

图1为本发明实施例提供的车辆横向控制方法判断流程图；如图1所示，本发明提供了一种车辆横向控制方法。

实施例一

步骤s1.程序启动；

具体的，为车辆启动了智能驾驶系统中的车辆横向控制策略。

步骤s2.根据参数获取模块获取的道路信息判断是否获取了左右两条车道线信息；若已经获取了可识别两条车道线信息，则进入步骤s3选择一级策略，判断当前使用一级策略既可以保证车辆可以准确驾驶的安全性，则使用一级策略输出的判断结果参数控制若未识别出两条车道线，则进入步骤s4；

具体的，车辆获取左右两条车道线信息，可以通过参数获取模块获取，例如通过车辆上设置的主雷达和前置摄像头环境信息获取设备获取环境信息，将环境信息传入数据融合模块进行数据融合。如果在某些应用场景中有新的传感器数据，如高精地图、激光雷达、gps等环境获取设备，可以根据新设备提供的新数据，对横向位置控制策略进行补充和完善，进行数据融合得到新的融合结果，用于车辆横向控制。所述的两条车道线信息可以进行数据融合得到车道中线信息，适用的本车车速范围为低速、中速和高速，即本车目标控制依据的控制轨迹，所述的控制轨迹为一级控制策略之一。详见图3所示。

其中，获取的环境信息判断两车道线信息环境数据信息置信度等级，如果获取的环境信息置信度低于设定的阈值，则进入步骤s4一条车道线的判断。

步骤s3.智能驾驶系统采用一级横向位置辅助控制策略得到的目标轨迹去控制车辆，具体算法见附图3；若在一级策略状态下，系统降级策略(如图2所示)生效，则进入步骤s6；若未降级，则在算法执行完毕后进入步骤s7；

具体的，如附图二所示：降级策略为：以当前策略为一级策略为例，即初始状态为步骤s23，对应附图1为步骤s1中的一级策略；首先判断当前策略可利用环境数据(如车道线，前车等)的置信度等级，置信度为认为设定的数据可信度阈值；若有数据的置信度不为高，则排除该数据，进入步骤s24进行降级处理，使用二级策略进行驾驶，对应图1中步骤s6驾驶策略；若所有可用数据置信度都为高，则再对这些数据进行验证步骤s27；验证的方法包括对单个目标数据本身进行历史前后的验证，以及多个目标数据之间进行相互验证，例如前车轨迹和车道线之间相互验证，前车轨迹和本车轨迹之间相互验证)；若验证结果发现某个数据无效，则排除该数据，则进行降级处理，进入步骤s24二级策略；

一级控制策略中包含的数据信息包括：双侧车道线、单侧车道线、前车、前前车。由数据信息得到的可用数据融合结果包括：车道中线、前车轨迹与车道中线融合结果、前车轨迹、前车与前前车轨迹融合结果，上述数据融合结果为本车目标控制轨迹，也是一级控制策略包含的数据信息；不同的数据融合结果对应不同的适用的本车车速范围；数据融合结果对应的车速范围即是不同的一级控制策略。

步骤s4.判断当前环境是否只识别出一条车道线；若识别出一条车道线，则进入步骤s5是否有前车的判断；若未识别出，则进入步骤s8前车的判断；

具体的，车辆获取车道线信息，可以通过参数获取模块获取，例如通过车辆上设置的主雷达和前置摄像头环境信息获取设备获取环境信息，在s2判断两条车道信息的置信度不高的基础上，判断是否存在一条车道线置信度较高的情况。

步骤s5.判断当前环境下，本车前是否有前车；若有前车，则进入步骤s3选择一级策略；若无前车，则进入步骤s6二级策略；若识别出一条车道线，则进入步骤s5。

具体的，在步骤s4的基础上，判断有前车的情况，选择一级策略，即选择数据融合中的步骤s31车道中线、步骤s33前车轨迹与车道中线融合结果、步骤s35前车轨迹、步骤s37前车与前前车轨迹融合作为车辆轨迹控制策略的参考数据，同时，轨迹控制策略中包含车辆信息，车辆信息可以为车速信息。详情见图3所示。

步骤s6.系统采用二级横向位置辅助控制策略得到的目标轨迹去控制车辆；若在二级策略状态下，系统降级策略生效，则进入步骤s12三级策略使用；若未降级，则在程序执行完毕后进入步骤s7结束状态；

如图4所示二级横向位置控制策略方法，包括单侧车道线、前车、前前车为当前二级策略下决策需要的环境数据；将前述数据进行数据融合，计算出车道中线、前车轨迹、前车与前前车轨迹融合结果，即本车目标控制轨迹；根据目标控制轨迹及车速得到二级策略。

步骤s7.当前程序执行完毕，结束；

步骤s8.判断当前环境下，本车前是否有前车；若有前车，则进入步骤s9有前前车的判断；若为假，则进入步骤s14两侧道路边沿；

具体的，控制系统前车的判断为置信度的判断，置信度为低时候，进入步骤s14两侧道路边沿的判断。置信度为高时候进入步骤s9进行前前车的判断。

步骤s9.判断当前环境下，前车的前方是否还有前车，即前前车；若有前前车，则进入步骤s10轨迹一致判断；若为假，则进入步骤s13车速是否为低速的判断；

步骤s10.判断前车和前前车的运动轨迹是否基本一致；若为真，则进入步骤s11车速是否为低速判断；若为假，则进入步骤s12三级策略启用；

具体的，步骤s10轨迹一致判断为判断前车和前前车运行轨迹的偏差距离，若偏差在轨迹允许的范围内，进入步骤s11进行车速的判断。

步骤s11.判断本车车速是否为低速；若为低速，则进入步骤s3一级策略启用；若为假，则进入步骤s6二级策略启用；

一般的，将车速划分为低速、中速和高速，可以在不同的应用场景中有所不同；对于乘用车，可以定义0～30km/h为低速，30～60km/h为中速，60km/h以上为高速；对于其他应用场景，如低速接驳车，无人物流车等，可以依据使用场景而定；

步骤s12.系统采用三级横向位置辅助控制策略得到的目标轨迹去控制车辆，具体算法见附图5；若在三级策略状态下，系统降级策略(见附图2)生效，则进入步骤s19；若未降级，则在算法执行完毕后进入步骤s7；

如图5所示的三级横向位置控制策略方法，包括前车、前前车、道路两侧边沿、左/右车为当前三级策略下决策需要的环境数据；根据数据信息将数据融合得到前车轨迹、道路中线、根据左/右车推算本车轨迹，即本车目标控制轨迹；将数据融合结果结合车速得到三级控制策略。

步骤s13.基于步骤s9是否有前前车的判断，如果判断为无，则判断本车车速是否为低速；若为真，则进入步骤s6二级策略启用；若为假，则进入步骤s12三级策略启用；

具体的，车辆速度的判断由车辆自身的车速传感器检测得到，并将数据信息传入控制中心。

步骤s14.基于步骤s8是否有前车的判断，如果没有前车则判断当前环境是否可识别两侧道路边沿；若为真，则进入步骤s15车速判断；若为假，则进入步骤s16左右车判断；

具体的，步骤s8进行是否有前车的判断，如果没有前车则判断当前环境是否可识别两侧道路边沿，若为真，真表示信息的置信度高，则进入步骤s15车速判断；若为假，假表示置信度低，则进入步骤s16左右车判断；

步骤s15.基于步骤s14判断，若可以识别两侧道路边沿，则进入步骤s15判断本车车速是否为低速；若为真，则进入步骤s12三级策略启用；若为假，则进入步骤s19退出车辆横向控制系统；

具体的，基于步骤s14判断，若可以识别两侧道路边沿，则进入步骤s15判断本车车速是否为低速，低速一般的划分范围为0～30km/h为低速；若为真，则进入步骤s12三级策略启用；若为假，则进入步骤s19退出车辆横向控制系统；

三级策略包含的内容如图5所示，s44前车、s46前前车、s47道路两侧边沿、s49左/右车为当前三级策略下决策需要的环境数据；

s45前车轨迹、s48道路中线、s50根据左/右车推算本车轨迹为当前三级策略得到的结果，即本车目标控制轨迹；

步骤s16.当前环境下，判断是否可识别左侧或右侧的车辆；若为真，则进入步骤s17是否为对向来车的判断；若为假，则进入步骤s19退出控制策略；

步骤s17.判断左侧或右侧的车辆是否是对向来车；若为为真，则进入步骤s18车辆车速的判断；若为假，则进入步骤s19退出控制；若为真，则进入步骤s12三级控制策略的启用。

步骤s18.判断本车车速是否为低速；若为真，则进入步骤s12三级策略的启用；若为假，则进入步骤s19退出当前控制策略，不适用任何策略；

步骤s19.在该状态下横向位置保持系统退出控制，并提醒驾驶员接管；算法执行完毕进入步骤s7结束程序控制；

本发明的实施例提出了一种用于不同安全等级的横向位置控制降级策略，在车辆在行驶的过程中环境策略或者车辆信息发生变化时候，灵活变换启用车辆的其他控制策略，提高车辆的安全驾驶性能，如图2所示，所述的策略降级方法包括：

若果当前策略为一级策略，即初始状态为步骤s23车辆使用一级策略；首先判断当前策略可利用环境数据的置信度等级，如车道线，前车等；若有数据的置信度不为高，则排除该数据，进入步骤s24二级策略进行降级处理；若所有可用数据置信度都为高，则再对这些数据进行验证步骤s27验证数据是否有效；验证的方法包括对单个目标数据本身进行历史前后的验证，以及多个目标数据之间进行相互验证，例如前车轨迹和车道线之间相互验证，前车轨迹和本车轨迹之间相互验证；若验证结果发现某个数据无效，则排除该数据，并进入步骤s24二级策略，进行降级处理；若验证数据有效则维持一级策略。

其他，步骤s24二级策略降级到步骤s25三级策略，步骤s25三级策略降级到步骤s26退出控制的方式采用和上述相同的验证方式；

三级策略降级方法的区别在于：一级策略和二级策略对数据的置信度等级要求为高，三级策略对数据置信度等级的要求为中或高；每一级策略的数据验证有效的判断阈值不同；一级策略由于数据较为充分，有效阈值为正常；二级和三级策略由于可用数据较少，其有效阈值要更加严格。置信度的等级数值有认为计算并设定。

本发明的实施例中面提出了一级横向位置控制策略的方法，如图3所示，具体的一级控制策略包括：

步骤s30双侧车道线、步骤s32单侧车道线、步骤s34前车、步骤s36前前车为当前一级策略下决策需要的环境数据；

步骤s31车道中线、步骤s33前车轨迹与车道中线融合结果、步骤s35前车轨迹、步骤s37前车与前前车轨迹融合结果为当前一级策略使用的环境数据经过数据融合后得到的数据融合结果，即本车目标控制依据的控制轨迹；

当前一级策略有四种场景，分别用箭头上的数字1、2、3、4表示；四种情况适用的本车车速范围标注在对应的控制策略下；

例如实施例中由步骤s30双侧车道线指向步骤s31车道中线，指向的箭头上标注由1和4，表示此种情况适用于场景1和场景4。

每一个策略结果上若有多个同样数字，则表示对应场景决策得出结果需要同样数量的环境数据；

上述所称的场景具体为：

场景1的环境条件为步骤s30双侧车道线和步骤s34前车，根据本车车速的不同可得到三种控制策略，分别是高速时的步骤s31车道中线、中速时的步骤s33前车轨迹与车道中线融合结果和低速时的步骤s35前车轨迹；

场景2的环境条件为单侧车道线步骤s32和前车步骤s34，根据本车车速的不同可得到三种控制策略，分别是高速时的步骤s31车道中线、中速时的步骤s33前车轨迹与车道中线融合结果和低速时的步骤s35前车轨迹；场景2中的车道中线由步骤s32单侧车道线推算得到；

场景3的环境条件为步骤s34前车和步骤s36前前车；对应得出的决策为步骤s37前车与前前车轨迹融合结果；适用的本车车速条件为低速；

场景4的环境条件为双侧车道线步骤s30；对应得出的决策为步骤s31车道中线；适用的本车车速范围为低速、中速和高速；

出于安全考虑，步骤s33前车轨迹与车道中线融合结果、步骤s35前车轨迹应限制在本车道内，且与有车道线一侧边缘保持安全距离；

如图4所示，本发明的实施例提出了二级横向位置控制策略，所述方法包括：

步骤s38单侧车道线、步骤s40前车、步骤s42前前车为当前二级策略下决策需要的环境数据；

步骤s39推算车道中线、步骤s41前车轨迹、步骤s43前车与前前车轨迹融合结果为当前二级策略得到的结果，即本车目标控制轨迹；

当前一级策略有三种场景，分别用箭头上的数字1、2、3表示；三种情况适用的本车车速范围标注在对应的控制策略下；

如图4所示，由步骤s38单侧车道线指向步骤s39推算车车道中线的方式适用于场景1，对应场景1对应的车辆自身信息为低速或者中速。

每一个策略结果上若有多个同样数字，则表示对应场景决策得出结果需要同样数量的环境数据；

场景1的环境条件为步骤s38单侧车道线；对应得出的决策为步骤s39推算车道中线；适用的本车车速范围为低速、中速；

场景2的环境条件为步骤s40前车和步骤s42前前车；对应得出的决策为步骤s43前车与前前车轨迹融合结果；适用的本车车速条件为中速；

场景3的环境条件为步骤s40前车；对应得出的决策为步骤s41前车轨迹；适用的本车车速范围为低速；

如图5所示：箭头上数字表示当前的可以坚持到的环境信息下车辆可以适用的使用场景。

本实施例中提出了三级横向位置控制策略的具体内容为：步骤s44前车、步骤s46前前车、步骤s47道路两侧边沿、步骤s49左/右车为当前三级策略下决策需要的环境数据；

步骤s45前车轨迹、步骤s48道路中线、步骤s50根据左/右车推算本车轨迹为当前三级策略得到的结果，即本车目标控制轨迹；

当前一级策略有四种场景，分别用箭头上的数字1、2、3、4表示；三种情况适用的本车车速范围标注在对应的控制策略下；

每一个策略结果上若有多个同样数字，则表示对应场景决策得出结果需要同样数量的环境数据；

场景1的环境条件为步骤s44前车和步骤s46前前车；对应得出的决策为步骤s45前车轨迹；适用的本车车速条件为低速，且前车和前前车轨迹不一致；

场景2的环境条件为步骤s44前车；对应得出的决策为步骤s45前车轨迹；适用的本车车速范围为中速；

场景3的环境条件为步骤s47道路两侧边沿；对应得出的决策为步骤s48道路中线；适用的本车车速范围为低速；

场景4的环境条件为步骤s49左/右车；对应得出的决策为步骤s50根据左/右车推算本车轨迹；适用的本车车速范围为低速；

控制方法根据图1中的步骤选择不同的驾驶策略级别，根据车辆自身信息得到不同的级别中的驾驶策略内容，同时将这些信息集合发送给轨迹规划模块，由轨迹规划模块根据获得的信息集合得到目标规划轨迹。

实施例二

本发明实施例提出了一种用于智能驾驶系统的横向位置控制装置，如图6所示，所述装置包括：

本发明的第一个方面提出了一种基于当前感知环境的车辆横向位置辅助控制系统，该系统包括参数获取模块、轨迹规划模块及轨迹规划模块。

参数获取模块，用于获取环境感知参数并进行数据融合，参数获取模块的主要获取设备为雷达、摄像头，其中雷达可以包括主雷达、角雷达、激光雷达，其中摄像头可以包括前置摄像头、后置摄像头；其中所指的环境感知参数包括但不限于：车道线参数、前车速度位置参数、前前车速度位置参数、左/右车速度位置参数、道路边沿参数；参数获取模块在获取设备参数之后将获取的设备参数进行数据融合，数据融合。

本发明提供了多种控制系统数据获取组合方式。

如图7所示：根据主雷达和前置摄像头进行参数的获取工作，将获取的环境信息进行数据融合，得到数据融合的结果，并将数据融合结果发送给控制器中的轨迹规划模块，轨迹规划模块s52参数获取模块传入的环境参数信息，结合车辆自身状态，生成用于控制的目标轨迹。轨迹规划模块的轨迹指令，计算出底层执行器可执行的控制指令，并发送给底层执行器；所述的底层执行器一般包括车辆上的eps转向助力系统。所述执行器也是执行机构。

如图8所示，参数获取模块的设备还可以选取的组合为：主雷达、前置摄像头、角雷达。设备获取数据信息之后将数据信息进行数据融合，得到目标轨迹信息，将目标轨迹信息发送给轨迹规划模块，轨迹规划模块将信息结合车辆信息生成目标轨迹。

如图9所示，参数获取模块的设备还可以选取的组合为：主雷达、前置摄像头、角雷达、激光雷达。设备获取数据信息之后将数据信息进行数据融合，得到目标轨迹信息，将目标轨迹信息发送给轨迹规划模块，轨迹规划模块将信息结合车辆信息生成目标轨迹。

其中参数获取模块的获取设备包括：主雷达、前置摄像头、角雷达、激光雷达等。

轨迹规划模块，根据步骤s51参数获取模块获取的环境参数信息，结合车辆自身状态，生成用于控制的目标轨迹指令；

轨迹控制模块，接收步骤s52轨迹规划模块的轨迹指令，计算出底层执行器可执行的控制指令，并发送给底层执行器；所述的底层执行器一般为车辆上的ep步骤s转向助力系统；

在本发明实施例提供的技术方案中，控制器可以根据参数获取模块获取的环境信息，结合车辆自身的车速，计算得出目标轨迹。并根据环境信息的不同及时调整使用的驾驶策略，提高了车辆自动驾驶时候的环境适应能力，以及车辆安全驾驶的性能。

所述的控制器包括存储器、处理器。

一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现实施例中车辆横向控制的判断步骤，并存储计算机判断信息。

具体的，计算机可读存储介质具有上述所述的技术效果，在此不再赘述。

另一方面，图6为本发明所述的电子设备的结构示意图，如图6所示，本发明还提供一种轨道规划模块的信息处理设备，该设备包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时所述计算机程序被处理器执行时实现实施例中车辆横向控制的判断步骤。具体的，计算机控制，在此不再赘述。

本说明书提供的一种车辆横向控制装置可以为单独的一种车辆横向控制装置，也可以应用在多种数据分析处理系统中。所述系统可以包括上述实施例中任意一个车辆横向控制一种的装置。所述的系统可以为单独的服务器，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述核对差异数据的检测系统可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。

存储器可用于存储应用软件的软件程序以及模块，如本说明书实施例中的一种匝道限速识别的方法对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。

本说明书实施例提供的上述一种匝道限速识别的方法或装置可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作系统的c++语言在pc端实现、linux系统实现，或其他例如使用android、ios系统程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。

需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照对应方法实施例的描述，在此不作一一赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参加即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参加方法实施例的部分说明即可。

本说明书实施例并不局限于必须是符合行业通信标准、标准计算机数据处理和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书实施例的可选实施方案范围之内。另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

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，可轻易想到变化或替换，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所述以权利要求的保护范围为准。