用于控制车辆的方法和装置与流程

本申请涉及计算机技术领域，具体涉及一种用于控制车辆的方法和装置。

背景技术：

中国经济快速发展，企业生产技术不断提高，对自动化技术要求不断提高的环境下，运输车辆，例如自动导引运输车(automatedguidedvehicle，简称agv)，已成为自动化运输物流的关键。

现有的控制车辆的方法通常是基于激光雷达或毫米波雷达进行障碍物检测和避障，激光雷达或毫米波雷达分别安装在车辆顶部或者四周，以探测障碍物距离，获得目标障碍物位置信息，从而进行避障。然而，激光雷达容易受到雨雪雾等恶劣天气影响，红外线波的侦测能力大幅减弱，而毫米波雷达探测距离有限。

技术实现要素：

本申请的目的在于提出一种改进的用于控制车辆的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于控制车辆的方法，该方法包括：获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像；根据图像确定车辆的行进方向上是否存在障碍物；响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息；根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹；控制车辆按照调整后的期望行驶轨迹行驶。

在本实施例中，根据图像确定车辆的行进方向上是否存在障碍物，包括：对图像进行图像分割得到至少一个子图像；基于预先建立的图像分类模型确定至少一个子图像中是否存在障碍物图像，图像分类模型用于表征图像与图像标签之间的对应关系，图像标签用于指示图像是否为障碍物图像；响应于确定出至少一个子图像中存在障碍物图像，确定车辆的行进方向上存在障碍物。

在本实施例中，根据图像确定车辆的行进方向上是否存在障碍物，包括：对图像进行语义分割，得到图像所包括的每个子图像为障碍物图像的概率的集合；响应于确定出概率的集合中包括大于预设阈值的概率，确定车辆的行进方向上存在障碍物。

在本实施例中，响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息，包括：根据视觉传感器的标定参数和障碍物显示在图像中的位置，确定障碍物的位置信息。

在本实施例中，根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹，包括：根据障碍物的位置信息和车辆的位置信息，确定车辆与障碍物之间的距离信息；利用基于贝叶斯估计的信息融合方法，根据距离信息调整期望行驶轨迹。

在本实施例中，控制车辆按照调整后的期望行驶轨迹行驶，包括：执行如下车辆控制步骤：基于调整后的行驶轨迹、车辆当前的位姿信息和车辆的轴距，确定下一个预设的行驶周期内车辆的目标位置信息；根据目标位置信息和位姿信息，确定车辆在行驶周期内的行驶参数，行驶参数包括行驶速度和转向角度；控制车辆在行驶周期内按照行驶参数行驶；确定车辆是否位于期望行驶轨迹的终点区域，如果是，则停止执行车辆控制步骤；如果否，则继续执行车辆控制步骤。

第二方面，本申请实施例提供了一种用于控制车辆的装置，该装置包括：获取单元，用于获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像；第一确定单元，用于根据图像确定车辆的行进方向上是否存在障碍物；第二确定单元，用于响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息；调整单元，用于根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹；控制单元，用于控制车辆按照调整后的期望行驶轨迹行驶。

在本实施例中，第一确定单元，包括：第一分割子单元，用于对图像进行图像分割得到至少一个子图像；第一确定子单元，用于基于预先建立的图像分类模型确定至少一个子图像中是否存在障碍物图像，图像分类模型用于表征图像与图像标签之间的对应关系，图像标签用于指示图像是否为障碍物图像；第二确定子单元，用于响应于确定出至少一个子图像中存在障碍物图像，确定车辆的行进方向上存在障碍物。

在本实施例中，第一确定单元，包括：第二分割子单元，用于对图像进行语义分割，得到图像所包括的每个子图像为障碍物图像的概率的集合；第三确定子单元，用于响应于确定出概率的集合中包括大于预设阈值的概率，确定车辆的行进方向上存在障碍物。

在本实施例中，第二确定单元，进一步配置用于：根据视觉传感器的标定参数和障碍物显示在图像中的位置，确定障碍物的位置信息。

在本实施例中，调整单元，包括：第四子单元，用于根据障碍物的位置信息和车辆的位置信息，确定车辆与障碍物之间的距离信息；调整子单元，用于利用基于贝叶斯估计的信息融合装置，根据距离信息调整期望行驶轨迹。

在本实施例中，控制单元，进一步配置用于：执行如下车辆控制步骤：基于调整后的行驶轨迹、车辆当前的位姿信息和车辆的轴距，确定下一个预设的行驶周期内车辆的目标位置信息；根据目标位置信息和位姿信息，确定车辆在行驶周期内的行驶参数，行驶参数包括行驶速度和转向角度；控制车辆在行驶周期内按照行驶参数行驶；确定车辆是否位于期望行驶轨迹的终点区域，如果是，则停止执行车辆控制步骤；如果否，则继续执行车辆控制步骤。

第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如第一方面上述的方法。

本申请实施例提供的用于控制车辆的方法和装置，通过获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像，并根据图像确定车辆的行进方向上是否存在障碍物；而后响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息，并根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹，最后控制车辆按照调整后的期望行驶轨迹行驶，提高了车辆控制的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于控制车辆的方法的一个实施例的示意性流程图；

图3是根据本申请的用于控制车辆的方法的应用场景的示意图；

图4是根据本申请的用于控制车辆的方法的又一个实施例的示意性流程图；

图5是根据本申请的用于控制车辆的装置的一个实施例的示例性结构图；

图6是适于用来实现本申请实施例的车载智能设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于控制车辆的方法或用于控制车辆的装置的示例性系统架构100。

如图1所示，系统架构100可以包括系统架构100可以包括车辆101、网络102和对车辆101提供支持的服务器103。车辆101中可以设置有车载智能设备104。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

车载智能设备104上安装有车辆101的控制系统，其可以获取车辆101上安装的视觉传感器采集的车辆101的行进方向上的图像，并根据图像确定车辆的行进方向上是否存在障碍物；而后响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息，并根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹，最后控制车辆按照调整后的期望行驶轨迹行驶。车载智能设备104也可以通过网络102与服务器103交互，以接收路径规划信息、控制指令等。

车辆101还可以安装有各种传感器，例如，视觉传感器、陀螺仪、加速计等。在各驱动轮中可以安装有用于测量角位移的数字编码器，数字编码器可以确定出驱动轮的行驶距离。此处，车辆101的驱动方式可以是两轮差动驱动的方式。需要说明的是，车辆101可以安装有除上述列举外的各种类型和功能的传感器，在此不再赘述。

服务器103可以是提供各种服务的服务器，例如对车辆101进行管理并分配任务的管理服务器，管理服务器可以向车载智能设备104发送直行控制指令等信息，以使车载智能设备104对车辆101进行控制。

需要指出的是，上述直行控制指令也可以在车辆101所安装的传感器检测到某一信息时自动触发，此时，上述系统架构100可以不存在网络102和服务器103。

需要说明的是，本申请实施例所提供的用于控制车辆的方法一般由车载智能设备104执行，相应地，用于控制车辆的装置一般设置于车载智能设备104中。

应该理解，图1中的车辆、车载智能设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的车辆、车载智能设备、网络和服务器。

继续参考图2，示出了根据本申请的用于控制车辆的方法的一个实施例的流程200。该用于控制车辆的方法，包括以下步骤：

继续参考图2，示出了根据本申请的用于控制车辆的方法的一个实施例的流程200。该用于控制车辆的方法，包括以下步骤：

步骤201，获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像。

在本实施例中，用于控制车辆的方法运行于其上的电子设备(例如图1所示的车载智能设备)可以首先获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像。车辆可以是能利用信息交流，进行独立计划、调整和执行其行动的车辆，例如自主车辆(autonomousvehicle)。视觉传感器可以是利用光学元件和成像装置获取外部环境图像信息的仪器，其主要功能是获取足够的机器视觉系统要处理的最原始图像。视觉传感器可以是各种摄像设备，例如，ccd(chargecoupleddevice，电荷耦合器件)摄像机、数字摄像机。车辆的行进方向上的图像可以是车辆前方的图像，倒车时也可以是车辆后方的图像。车辆的车头和车尾可以安装有一个或多个视觉传感器。

步骤202，根据图像确定车辆的行进方向上是否存在障碍物。

在本实施例中，上述电子设备可以根据步骤201中获取的图像确定车辆的行进方向上是否存在障碍物。可以利用机器视觉来确定采集到的图像中的目标区域，目标区域可以理解为较大可能性为障碍物的图像的区域。可以使用一些图像处理方法对获取到的图像进行处理，图像处理方法可以包括图像校正、图像滤波、图像灰度化、图像增强等。而后可以进行图像分割，图像分割就是把图像分成若干个特定的、具有独特性质的区域。图像分割方法主要包括基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。

在深度学习领域，可以使用多层神经网络模型，例如深度神经网络、卷积神经网络，来进行图像的分割。还可以通过运动侦测技术分割出运动物体的图像，可以基于粒子滤波算法进行目标区域的跟踪。作为示例，可以根据目标区域实际运动建立系统模型和观测模型，计算目标区域的颜色、梯度，并构造相似度函数。并通过粒子滤波器获得目标区域当前的观测值，利用卡尔曼滤波对粒子集的状态均值和协方差进行处理，产生新的高斯分布，然后根据产生的高斯分布采样新的粒子集，计算权值和输出，最后重采样粒子集，完成视觉跟踪过程。通过对目标区域的跟踪，可以更准确、高效的确定出后续获取的图像中车辆的行进方向上是否存在障碍物。

在本实施例的一些可选实现方式中，根据图像确定车辆的行进方向上是否存在障碍物，包括：对图像进行图像分割得到至少一个子图像；基于预先建立的图像分类模型确定至少一个子图像中是否存在障碍物图像，图像分类模型用于表征图像与图像标签之间的对应关系，图像标签用于指示图像是否为障碍物图像；响应于确定出至少一个子图像中存在障碍物图像，确定车辆的行进方向上存在障碍物。

在本实现方式中，可以对视觉传感器实时采集的图像，或经过一些图像处理方法处理过的图像进行图像分割，将分割后的子图像作为输入，将子图像的标签作为输出，训练初始的朴素贝叶斯模型(naivebayesianmodel，nbm)或支持向量机(supportvectormachine，svm)等用于分类的模型，得到图像分类模型。图像分类模型也可以是技术人员基于对大量的图像和图像标签的统计而预先制定的、存储有图像或图像特征与图像标签的对应关系的对应关系表；同样可以是通过采集道路中不同场景的视频，形成正负样本数据库，采用特征提取和模式识别方法训练学习正负样本，得到表征道路障碍物特征的，用于对障碍物图像和非障碍物图像进行分类的模型。

在本实施例的一些可选实现方式中，根据图像确定车辆的行进方向上是否存在障碍物，包括：对图像进行语义分割，得到图像所包括的每个子图像为障碍物图像的概率的集合；响应于确定出概率的集合中包括大于预设阈值的概率，确定车辆的行进方向上存在障碍物。

在本实施例中，图像的语义分割，简单而言就是给定一张图片，对图片上的每一个像素点分类，对于障碍物的检测，可以通过判断图像中的像素点的颜色值所在的范围确定出各个像素点属于障碍物的概率值。可以将图像导入预先训练的全卷积网络模型，得到与图像中各个像素对应的区域为障碍物区域的概率。可选的，还可以将图像中各个像素作为条件随机场中的节点，并将图像中像素与像素间的关系作为条件随机场中的边，根据第三概率和预先训练的条件随机场模型确定第一概率。

在本实现方式中，可以基于深度学习的框架，以人工标注的图像作为训练数据，训练一个基于全卷积网络的高效的道路图像分割模型。全卷积网络模型相比传统卷积神经网络模型，剔除了网络结构的中的全连接层，大大减少了模型的参数，同时通过上采样的方法，将图像分割转变成一个pixel-wise(像素对像素)的预测问题，相比传统的patch-wise(像素块对像素块)的方法节约了计算时间。而后，可以使用crf(conditionalrandomfieldalgorithm，条件随机场)和图像增强的方法进一步优化处理结果。

步骤203，响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息。

在本实施例中，上述电子设备响应于步骤202中确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息。在确定不存在障碍物的情况下，车辆的运动完全由路径规划来引导，也就是常规的路径跟踪策略。存在障碍物时，上述电子设备可以利用角点检测方法计算目标区域在图像像素点的位置。通过预先标定的视觉传感器的内外参数，像素平面坐标系、像平面坐标系、相机坐标系和世界坐标系之间的关系进行三维重建，最终可以得到障碍物在世界坐标系下的坐标。

在本实施例的一些可选实现方式中，响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息，包括：根据视觉传感器的标定参数和障碍物显示在图像中的位置，确定障碍物的位置信息。采用三线标定法可以确定视觉传感器的外部参数，以视觉传感器是摄像机为例，摄像机的外部参数可以包括摄像机相对车体的侧倾角、俯仰角、方向角、摄像机在车体中离地面的高度和摄像机光心距车体纵轴的横向距离。需要说明的是，上述三线标定法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤204，根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹。

在本实施例中，上述电子设备可以根据步骤203中得到的障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹。路径规划信息可以是车辆管理方向上述电子设备下发的，上述电子设备可以利用贝叶斯估计法、扩展卡尔曼滤波法、神经网络与模糊推理法等信息融合方法，将视觉传感器的信息与路径规划信息融合，获得道路精确信息，以做出准确的道路决策。

在本实施例中，上述电子设备可以首先基于车辆与障碍物在世界坐标系下的坐标，计算车辆与障碍物的横向与纵向距离。纵向可以是指车辆行驶的方向，横向可以是指与车辆行驶的方向垂直的方向。还可以基于车辆与障碍物的横向距离与纵向距离，计算车辆与障碍物的角度偏差。角度偏差可以通过以下公式计算：

θ＝arctan(w/n)(1)

其中，θ表示车辆与障碍物的角度偏差；w表示障碍物相对车辆的横向距离，障碍物在车辆右侧为正，左侧为负；n表示障碍物相对车辆的纵向距离，障碍物在车辆行驶前方为正，车辆行驶后方为负。

在本实施例的一些可选实现方式中，根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹，包括：根据障碍物的位置信息和车辆的位置信息，确定车辆与障碍物之间的距离信息；利用基于贝叶斯估计的信息融合方法，根据距离信息调整期望行驶轨迹。具体的，可以对机动障碍物的运动规律进行有效的状态预知，结合目标贝叶斯预测进行实时路径规划的方法，经过局部多次重规划来调整期望行驶轨迹。首先对车辆行轨迹的关键节点，利用的危险代价对约束条件进行量化，建立综合威胁评估数据库，将威胁中心位置作为沃若诺依(voronoi)图的点，以威胁大小作为voronoi图邻近区域的距离量度，构建威胁配置的voronoi图。然后运用dijkstra算法(单源最短路径算法)、double-sweeping(二重扫除算法)等算法搜索出目标点与车辆之间的最优路径或次优路径，建立起车辆的可行路径。可选的，还可以利用神经网络-扩展卡尔曼滤波法(nnekf，neuralnetworkextendedkalmanfilter)调整期望行驶轨迹。

步骤205，控制车辆按照调整后的期望行驶轨迹行驶。

在本实施例中，上述电子设备可以控制车辆按照经步骤204调整后得到的期望行驶轨迹行驶。可以采用基于预瞄点法的跟随控制策略或现有技术中其他跟随控制策略，精确控制车辆的速度和转向角度，准确规避道路障碍物。

本申请的上述实施例提供的方法通过获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像，并根据图像确定车辆的行进方向上是否存在障碍物；而后响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息，并根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹，最后控制车辆按照调整后的期望行驶轨迹行驶，提高了车辆控制的效率。

继续参见图3，图3是根据本实施例的用于控制车辆的方法的应用场景的一个示意图。在图3的应用场景中，用于控制车辆301的车载智能设备获取到服务器发送的路径规划信息304，开始控制车辆301按照路径规划信息中的期望行驶轨迹行驶，由于行进方向上可能会存在障碍物，所以需要实时获取车辆301上安装的视觉传感器302采集的车辆的行进方向上的图像305，并根据图像305确定车辆的行进方向上是否存在障碍物；而后响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息，并根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹，最后控制车辆按照调整后的期望行驶轨迹行驶，实现了车辆的避障。

继续参考图4，示出了根据本申请的用于控制车辆的方法的一个实施例的流程400。该用于控制车辆的方法，包括以下步骤：

步骤401，获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像。

在本实施例中，用于控制车辆的方法运行于其上的电子设备(例如图1所示的车载智能设备)可以首先获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像。

步骤402，根据图像确定车辆的行进方向上是否存在障碍物。

在本实施例中，上述电子设备可以根据步骤401中获取的图像确定车辆的行进方向上是否存在障碍物。

步骤403，响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息。

在本实施例中，上述电子设备响应于步骤402中确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息。

步骤404，根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹。

在本实施例中，上述电子设备可以根据步骤403中得到的障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹。

步骤405，控制车辆按照调整后的期望行驶轨迹行驶。

在本实施例中，上述电子设备可以控制车辆按照经步骤404调整后得到的期望行驶轨迹行驶。可以采用基于预瞄点法的跟随控制策略或其他跟随控制策略，精确控制车辆的速度和转向角度，准确规避道路障碍物。基于预瞄点法的跟随控制策略，即在道路前方一定距离的地方设定一个预瞄点，通过控制预瞄点与期望道路的横向距离，来实现对期望路径的跟踪。

在本实施例中，步骤405中的控制步骤分解成如下的5个子步骤，即：步骤4051、步骤4052、步骤4053、步骤4054和步骤4055。

步骤4051，基于调整后的行驶轨迹、车辆当前的位姿信息和车辆的轴距，确定下一个预设的行驶周期内车辆的目标位置信息。

在本实施例中，上述电子设备可以基于调整后的行驶轨迹、车辆当前的位姿信息和车辆的轴距，确定下一个预设的行驶周期内车辆的目标位置信息。车辆当前的位姿信息可以包括车辆的位置信息、速度、和航向角，位姿信息可以从车辆的组合导航系统中获取。调整后的行驶轨迹是离散的，可以用矩阵z表示。下一个预设的行驶周期内车辆的目标位置可以是预瞄点的位置，为了实现更精确的车辆控制，可以把系统延时考虑在内。

可以通过如下公式计算上个行驶周期车辆的转弯半径：

其中，r0表示上个行驶周期车辆的转弯半径，l表示车辆轴距，δ0表示上个行驶周期车轮的转角。

由于车辆的软硬件系统会存在系统延时，可以通过如下公式预测车辆由于延时会行驶至的位置，以及延时时间内航向角的变化量：

i0＝v0t0(3)

其中，t0表示系统延时时间，v0表示上个行驶周期车辆行驶速度，i0表示t0内车辆行驶的弧长，d0表示i0对应的弦长，ω0表示上个行驶周期车辆的航向角，(xc，yc)表示预测位置相对车辆位置的坐标，(xw，yw)表示预测位置在世界坐标系下的坐标，δω表示延时时间内航向角的变化量。

根据坐标(xw，yw)可以计算预测位置与调整后的行驶轨迹上所有附近点的距离，从中获取距离最近的点的坐标(xz，yz)，根据设置的预瞄距离k，和矩阵z可以获得预瞄点的坐标(xp，yp)。

步骤4052，根据目标位置信息和位姿信息，确定车辆在行驶周期内的行驶参数，行驶参数包括行驶速度和转向角度。

在本实施例中，上述电子设备可以根据目标位置信息和位姿信息，确定车辆在本行驶周期的行驶参数，行驶参数包括行驶速度和车轮转向角度。行驶速度可以根据车辆行驶的道路情况确定，例如，路况较差，或调整后的行驶轨迹弯曲程度较大可以适当较低车辆的速度。

可以通过如下公式确定车辆位置与预瞄点位置横向偏差：

bias＝(xp-xw)·sin(π+ω+δω)-(yp-yw)·cos(π+ω+δω)(10)

其中，bias表示车辆位置与预瞄点位置横向偏差，ω表示车辆的航向角。

而后，可以通过如下公式确定本行驶周期内车轮转向角度：

其中，δ表示本行驶周期的车轮转向角度，l表示本行驶周期的车辆位置与预瞄点的直线距离。

步骤4053，控制车辆在行驶周期内按照行驶参数行驶。

在本实施例中，上述电子设备可以控制车辆在行驶周期内按照行驶参数行驶。上述电子设备可以通过对车辆电机、舵机等装置的控制，使得车辆在行驶周期内按照行驶参数行驶。

步骤4054，确定车辆是否位于期望行驶轨迹的终点区域。

在本实施例中，上述电子设备可以确定车辆是否位于期望行驶轨迹的终点区域。如果是，则进入步骤4055，如果否，则进入步骤4056。

步骤4055，如果是，则停止执行车辆控制步骤。

在本实施例中，上述电子设备可以响应于步骤4054中确定出车辆位于期望行驶轨迹的终点区域，停止执行车辆控制步骤。上述电子设备也可以响应于接收到用于指示车辆停止行驶或其他车辆管理方发送的用于改变车辆行驶状态的指令，停止执行车辆控制步骤。

步骤406，如果否，则继续执行车辆控制步骤。

在本实施例中，上述电子设备可以响应于步骤4054中确定出车辆不位于期望行驶轨迹的终点区域，继续执行车辆控制步骤。上述电子设备可以通过如下公式确定本行驶周期内的一些参数，以供下一行驶周期计算使用。

首先，可以通过如下公式确定本行驶周期内转弯半径和行驶弧长：

其中，r表示本行驶周期内的转弯半径和弧长，i表示本行驶周期内的行驶弧长。

其次，可以通过如下公式确定本行驶周期内车辆行驶到预瞄点的行驶时间，公式如下：

其中，t表示本行驶周期内车辆行驶到预瞄点的行驶时间，v表示本行驶周期内的行驶速度。

而后，可以通过如下公式确定本行驶周期内车轮转角变化量，公式如下：

其中，δδ表示本行驶周期内车轮转角变化量。

最后，可以通过如下公式确定本行驶周期内车辆在预瞄点的航向角：

ω1＝ω0+δδ(16)

其中，ω1表示本行驶周期内车辆在预瞄点的航向角。

在本实施例中，上述电子设备可以确定调整后的行驶轨迹所体现的航向角与本行驶周期内车辆在预瞄点的航向角的偏差，将确定出的偏差最小的车轮转角作为本行驶周期的车轮转角。而后可以将以上本行驶周期内的参数，作为步骤4051中上个行驶周期的参数，开始再次执行步骤4051以确定下个行驶周期的预瞄点位置。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于控制车辆的方法的流程400突出了控制车辆按照调整后的期望行驶轨迹行驶的步骤。由此，本实施例描述的方案可以实现更精确的车辆控制。

进一步参考图5，作为对上述方法的实现，本申请提供了一种用于控制车辆的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于控制车辆的装置500包括：获取单元501，第一确定单元502，第二确定单元503，调整单元504，控制单元505，其中，获取单元501，用于获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像；第一确定单元502，用于根据图像确定车辆的行进方向上是否存在障碍物；第二确定单元503，用于响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息；调整单元504，用于根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹；控制单元505，用于控制车辆按照调整后的期望行驶轨迹行驶。

在本实施例中，获取单元501，第一确定单元502，第二确定单元503，调整单元504，控制单元505的具体处理可以参考图2对应实施例步骤201、步骤202、步骤203、步骤204、步骤205的详细描述，在此不再赘述。

在本实施例的一些可选实现方式中，第一确定单元502，包括：第一分割子单元(图中未示出)，用于对图像进行图像分割得到至少一个子图像；第一确定子单元(图中未示出)，用于基于预先建立的图像分类模型确定至少一个子图像中是否存在障碍物图像，图像分类模型用于表征图像与图像标签之间的对应关系，图像标签用于指示图像是否为障碍物图像；第二确定子单元(图中未示出)，用于响应于确定出至少一个子图像中存在障碍物图像，确定车辆的行进方向上存在障碍物。

在本实施例的一些可选实现方式中，第一确定单元502，包括：第二分割子单元(图中未示出)，用于对图像进行语义分割，得到图像所包括的每个子图像为障碍物图像的概率的集合；第三确定子单元(图中未示出)，用于响应于确定出概率的集合中包括大于预设阈值的概率，确定车辆的行进方向上存在障碍物。

在本实施例的一些可选实现方式中，第二确定单元503，进一步配置用于：根据视觉传感器的标定参数和障碍物显示在图像中的位置，确定障碍物的位置信息。

在本实施例的一些可选实现方式中，调整单元504，包括：第四子单元(图中未示出)，用于根据障碍物的位置信息和车辆的位置信息，确定车辆与障碍物之间的距离信息；调整子单元(图中未示出)，用于利用基于贝叶斯估计的信息融合装置，根据距离信息调整期望行驶轨迹。

在本实施例的一些可选实现方式中，控制单元505，进一步配置用于：执行如下车辆控制步骤：基于调整后的行驶轨迹、车辆当前的位姿信息和车辆的轴距，确定下一个预设的行驶周期内车辆的目标位置信息；根据目标位置信息和位姿信息，确定车辆在行驶周期内的行驶参数，行驶参数包括行驶速度和转向角度；控制车辆在行驶周期内按照行驶参数行驶；确定车辆是否位于期望行驶轨迹的终点区域，如果是，则停止执行车辆控制步骤；如果否，则继续执行车辆控制步骤。

从图5中可以看出，本实施例中用于控制车辆的装置500通过获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像，并根据图像确定车辆的行进方向上是否存在障碍物；而后响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息，并根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹，最后控制车辆按照调整后的期望行驶轨迹行驶，提高了车辆控制的效率。

下面参考图6，其示出了适于用来实现本申请实施例的车载智能设备的计算机系统600的结构示意图。图6示出的车载智能设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口606。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分，所述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元，第一确定单元，第二确定单元，调整单元，控制单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像的单元”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入服务器中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：获取车辆上安装的视觉传感器采集的车辆的行进方向上的图像；根据图像确定车辆的行进方向上是否存在障碍物；响应于确定出车辆的行进方向上存在障碍物，根据图像确定障碍物的位置信息；根据障碍物的位置信息和车辆的位置信息，调整预先获取的车辆的路径规划信息中包括的期望行驶轨迹；控制车辆按照调整后的期望行驶轨迹行驶。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。