道路环境建模方法及装置、存储介质、终端及移动设备与流程

1.本发明涉及自动驾驶环境建模技术领域，尤其涉及一种道路环境建模方法及装置、存储介质、终端及移动设备。


背景技术：

2.随着近年来政府及相关企业对人工智能产业的大力扶持，自动驾驶技术得以飞速发展，各地区陆续开放自动驾驶专用测试路段，越来越多的自动驾驶公司以推动技术和产品的迭代为目标，开始了大规模的路测。就无人驾驶的发展现状来看，大多数的自动驾驶车辆不仅高度依赖高精地图的道路拓扑信息，而且需要借助各种传感器实时获得车辆周围的障碍物信息，这些周围的环境信息是所有上层技术的基础，因此对自车周围的道路环境进行建模，或者说对周围环境进行数字化处理就显得至关重要。
3.众所周知，计算机软件系统还不具备像人类一样对世界信息直接进行处理的能力，它需要明确的数字输入才能进行逻辑计算和判断，那么就需要对真实世界环境进行高度抽象，转化成对应的环境数据，这个过程就是环境建模。就如同地基对于房屋的重要性，环境模型的优劣将直接影响上层技术的实现难度和效率，因此建立一种高效，完善的环境模型势在必行。
4.目前主要的环境建模方法分成两种：一种为基于地图拓扑结构，另一种为基于三车道模型。
5.基于地图拓扑结构的方法是根据高精地图的拓扑结构衍生而来的，其实质是对高精地图的进一步加工和封装。这种方法通常是依赖定位从高精地图获得车辆周围一定范围内的道路拓扑信息(包含道路级别和车道级别信息)，然后将感知识别到的障碍物信息与车道级别信息关联在一块，最后基于关联信息进行障碍物分析等处理。对于环境结果的使用者来说(比如决策模块，规划模块)，要想使用基于地图拓扑结构的环境模型，首先就需要将感兴趣障碍物或者自车的位置关联到道路拓扑信息上面，然后借助地图自身的拓扑结构获得所需要的信息和关联关系。在这种建模结构中，可以认为高精地图拓扑是连接所有物质之间的媒介，自车和周围障碍物必须通过这个媒介确定彼此的关系；基于地图拓扑结构的方法主要依赖高精地图，但是地图本身是对物理世界的一种客观的描述，然而使用者需要的是左侧，右侧或者前后的主观位置关系，“供求”之间存在一定的差异，往往还需要使用者再进行二次抽象。其次，访问模型过程繁琐且效率低下，当需要找任意两个障碍物之间的关系的时候必须先将它们投影到高精地图上，然后再根据道路之间的关系确定这两个障碍物之间的关系，这个过程对于需要多次进行投影和转化才能实现。当地图比较大的时候，通过地图拓扑进行关系查找的效率会变得异常低下，甚至会限制算法本身的运行效率。最后，将障碍物投影到地图的时候可能会出现误投影(匹配到错误的道路)或者找不到投影结果，这样就会导致真实存在的障碍物却无法被抽象成有效数据，造成使用方拿到环境数据存在错误或者缺失，那么基于这样的建模结果无法很难做出一个全面的判断，最终可能会导致安全事故的发生。
6.基于三车道模型的建模方法是另一种常用的建模方法，此方法区别于直接依赖高清地图之间拓扑关系，而是将周围环境抽象成只有视觉直观看到的左中右三车道模型。这种建模方法首先根据高精地图和定位获取当前车辆位置，进而获得一定长度的车道中心线，以及等长的当前车道左侧平行车道的中心线以及等长的右侧平行车道的中心线；然后将感知提供的当前障碍物信息分别关联到这三个中心线上。在这种模型下，自车和周围障碍物只和左、中、右三个车道相关，能够实现快速的关系定位。基于三车道模型的方法是目前相对来说比较主流的方法，基本上能够满足简单自动驾驶的功能需求，但是由于该模型只覆盖了车辆周围三车道之内的数据，相当于人为的丢失一部分有效数据，这样的结果过于主观；此外，三车道模型无法表达一些复杂的交通场景，比如道路合流，分流，路口等场景，因此该模型无法应对复杂的交通环境。最后三车道模型也无法有效的的表述特殊场景下的障碍物之间的关系，比如逆向车道障碍物，汇入车道障碍物等，这是该模型的固有缺陷，也是其无法得到大范围落地应用的主要原因。


技术实现要素：

7.针对上述现有技术中存在的技术问题，本发明的目的是提供一种道路环境建模方法及装置、存储介质、终端及移动设备，以能更好地满足用户的使用需求。
8.为实现本发明的目的，本发明提供的一种道路环境建模方法及装置、存储介质、终端及移动设备的技术方案具体如下：
9.第一方面
10.本发明实施例提供了一种道路环境建模方法，包括：
11.接收上游输入数据和内部历史数据；
12.基于所述接收的上游输入数据和内部历史数据进行数据融合及数据重建，分别构建静态数据模型、动态数据模型以及预测数据模型。
13.进一步地，构建所述静态数据模型包括：
14.步骤s11：根据自车位置确定周围的车道关系；
15.步骤s12：依据步骤s11确定的车道关系，形成车道参考线；
16.步骤s13：将道路设施和标识信息关联到步骤s12形成的车道参考线上，从而得到静态数据；
17.步骤s14：对步骤s13得到的静态数据进行静态语义分析，并将分析结果叠加到静态数据上。
18.进一步地，在进行车道分流时，构建所述静态数据模型过程还包括：
19.在进行车道分流时，若自车在分流点之前，自车左车道包括分流点之前自车所在的路线和分流路线；
20.若自车在分流点之后，当自车在主干道，则分流道路为自车的左侧车道，将分流道路上的障碍物纳入关注障碍物范围；当自车在分流道路，则主干道为自车的右车道，将主干道路上的障碍物纳入关注障碍物范围。
21.进一步地，构建所述动态数据模型包括如下步骤：
22.步骤s21：投影障碍物到高精度地图上以确定其位置；
23.步骤s22：判定所述障碍物与当前车道参考线是否会发生冲突，并选择关注障碍
物；
24.步骤s23：将步骤s22选择的关注障碍物关联到车道参考线上，从而得到动态数据；
25.步骤s24：对步骤s23得到的动态数据进行动态语义分析，并将分析结果叠加到动态数据上。
26.进一步地，在进行车道合流时，构建所述动态数据模型过程还包括：
27.若自车在主干道上，则将待合流车道上的障碍物通过给定自由切入点的方式关联到右侧或左侧车道上；
28.若自车在待合流车道上，则将主干道上的障碍物分成两种情况进行关联：一种是在道路结构上和自车当前车道有交点，障碍物以自由切入点的方式关联到自车当前车道内；另一种是在道路结构上和自车当前车道没有交点，与自车未来道路有交集，障碍物以强制切入点的方式纳入到自车当前车道关注障碍物内。
29.进一步地，在十字路口行进时，构建所述动态数据模型过程还包括：
30.若自车在十字路口直行，对向左转的障碍物以强制切入点的形式纳入关注障碍物范围；对右转合流到自车当前车道的障碍物以自由切入点的形式投影到自车当前车道内；
31.若自车在十字路口左转，对向车道左转和直行的障碍物以强制切入点的形式纳入关注障碍物范围；对右转合流到自车当前车道的障碍物以自由切入点的形式投影到自车当前车道内；
32.若自车在十字路口右转，对向车道左转障碍物以强制切入点的形式纳入关注障碍物范围；对直行到自车当前车道的障碍物以自由切入点的形式投影到自车当前车道内。
33.进一步地，构建所述预测数据模型包括：
34.步骤s31：将预测的障碍物轨迹与对应的动态障碍物进行关联，并叠加在静态数据上；
35.步骤s32：将预测的障碍物语义信息与对应的动态障碍物进行关联，并叠加在静态数据上。
36.进一步地，所述上游输入数据包括高精地图、定位设备、感知设备、业务层模块、车辆底层模块以及预测模块提供的数据信息；
37.所述内部历史数据包括环境建模模块历史帧数据以及决策模块历史决策行为、规划模块发布的局部路径。
38.第二方面
39.本发明实施例提供了一种道路环境建模装置，所述装置包括数据接收单元以及模型构建单元，
40.所述数据接收单元用于接收上游输入数据和内部历史数据；
41.所述模型构建单元用于基于所述接收的上游输入数据和内部历史数据进行数据融合及数据重建，分别构建静态数据模型、动态数据模型以及预测数据模型。
42.第三方面
43.本发明实施例提供了一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述的道路环境建模方法。
44.第四方面
45.本发明实施例提供了一种终端设备，所述终端设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述的道路环境建模方法。
46.第五方面
47.本发明实施例提供了一种移动设备，包括所述的终端设备。
48.与现有技术相比，本发明具有如下技术优势：
49.1.本发明提供的技术方案充分结合了基于地图拓扑结构和基于三车道模型的思想，建立更加完善的多车道模型，在保证模型数据完整的同时，有效的减低使用复杂度；不仅可以给下游使用模块提供稳定的环境数据，而且能够有效避免下游模块获取数据不一致的问题；
50.2.本发明提供的技术方案方法构建过程分成三个层次和步骤：静态数据及其语义构建，动态数据及其语义构建，预测数据及其语义构建，用户可以根据自己的不同需求，提取不同层的数据及语义，建模流程清晰，数据层次分明，可供下游模块按需选取，进而提升开发和使用效率；
51.3.本发明提供的基于多车道模型能够表述目前几乎所有的结构化道路场景，能够更加完整的表达环境数据，同时有效避免数据的缺失，模型更具备通用性和实用性。
附图说明
52.图1为本发明实施例中道路环境建模方法流程图；
53.图2为本发明实施例中道路环境建模数据交互关系示意图；
54.图3为本发明实施例中多车道道路结构示意图；
55.图4为本发明实施例中构建数据模型的流程示意图；
56.图5为本发明实施例中车辆合流场景中自车在主干道上时情形示意图；
57.图6为本发明实施例中车辆合流场景中自车在合流车道上时情形示意图；
58.图7为本发明实施例中车辆分流场景中自车在分流点之前时情形示意图；
59.图8为本发明实施例中车辆分流场景中自车在分流点之后时情形第一示意图；
60.图9为本发明实施例中车辆分流场景中自车在分流点之后时情形第二示意图；
61.图10为本发明实施例中十字路口场景中自车在路口直行时情形示意图；
62.图11为本发明实施例中十字路口场景中自车在路口左转时情形示意图；
63.图12为本发明实施例中十字路口场景中自车在路口右转时示意图；
64.图13为本发明实施例中道路环境建模装置结构框图。
具体实施方式
65.下面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。
66.如图1所述，本发明实施例提供了一种道路环境建模方法，包括：
67.接收上游输入数据和内部历史数据；
68.基于所述接收的上游输入数据和内部历史数据进行数据融合及数据重建，分别构建静态数据模型、动态数据模型以及预测数据模型。
69.需要说明的是，环境建模模块处于整个规划节点(planning)的最上游，其主要作用是对规划上游输入数据和规划内部历史数据进行融合及数据重建。如图2所示，上游输入数据主要包括高精地图提供的道路拓扑、参考路径及边界等信息；定位提供的自车位置及姿态信息；感知提供的车辆周围一定范围内的障碍物、红绿灯、道路标志等信息；业务层下发的任务及模式等信息；车辆底层反馈的车辆实时状态信息以及预测模块提供的障碍物预测线及意图等信息。内部历史数据主要包括环境建模模块历史帧数据，决策模块历史决策行为，规划模块发布的局部路径等。环境建模模块对上述数据进行进一步的抽象和数据重建，形成数字化环境模型，并提供给下游模块(如决策和规划)使用，从而保证下游模块数据的一致性和高效性。
70.需要说明的是，本发明实施例中将融合后的数据分成三个层次：静态数据及其语义，动态数据及其语义，预测数据及其语义。
71.其中，静态数据及其语义：静态数据主要是指高清地图提供的道路拓扑，车道参考线及边界等一些在物理世界上以静态形式存在的数据。静态语义是指将这些静态数据经过一定的加工得出的更抽象层次的表述，例如前方车道变窄，变宽等；
72.动态数据及其语义：动态数据主要是指感知输入的车辆周围一定范围内的障碍物，红绿灯，道路标志等保持动态变化的数据。动态语义信息是通过处理动态数据得到的更高层次抽象的表述，比如车道的车流量，车道是否拥堵，车道安全系数；
73.预测数据及其语义：预测数据主要指预测模块提供的障碍物未来一段时间内的轨迹。预测语义信息是指预测模块根据障碍物历史轨迹和预测线综合给出的意图信息，如车辆左换道，行人直行或者横穿。
74.如图4所示，为本发明实施例构建静态数据模型、动态数据模型，预测数据模型的步骤，下面以常见的多车道道路结构为例，对建模过程进行说明。
75.多车道道路结构，如图3所示，假设自车(绿色多边形)在五车道的中间(当前)车道，那么根据地图的拓扑关系很容易确定其左右车道，以及其左边车道的左车道(左左)和右边车道的右车道(右右)。
76.其中，构建所述静态数据模型包括：
77.步骤s11：根据自车位置确定周围的车道关系；
78.需要说明的是，根据自车位置确定周围的车道关系，包括确定自车所在车道以及左右车道，及其前继和后继车道关系等；
79.步骤s12：依据步骤s11确定的车道关系，形成车道参考线。
80.需要说明的是，其次依据当前，左车道，右车道的前后继车道关系，分别组合出一定长度的前向路径和后向路径，形成三车道参考线。
81.步骤s13：将道路设施和标识信息关联到步骤s12形成的车道参考线上，从而得到静态数据；
82.需要说明的是，将当前车道一定长度内的道路设施和标识信息(减速带，路口位置，交通灯位置等)关联到当前车道参考线上，按照同样的方式对左车道和右车道进行处
理，最终得到一个基于自车位置的三车道静态数据。
83.步骤s14：对步骤s13得到的静态数据进行静态语义分析，并将分析结果叠加到静态数据上，至此完成整个静态数据模型的构建。
84.在优选的实施例中，在进行车道分流时，构建所述静态数据模型过程还包括：在进行车道分流时，若自车在分流点之前，自车左车道包括分流点之前自车所在的路线和分流路线；若自车在分流点之后，当自车在主干道，则分流道路为自车的左侧车道，将分流道路上的障碍物纳入关注障碍物范围；当自车在分流道路，则主干道为自车的右车道，将主干道路上的障碍物纳入关注障碍物范围。
85.需要说明的是：如图7、8、9所示，车辆分流场景分成两种情况：自车在分流点之前和在分流点之后。
86.对于自车在分流点之前情况(图7)，需要注意的是在静态数据构建过程中，自车左车道是分流点之前自车所在的路线和分流路线两部组合而成的，其他部分构建方式不变。
87.对于自车在分流点之后情况(图8、图9)，又分成自车在主干道及分流道上两种场景。当自车在主干道(图8)，需要将分流道路看作自车的左侧车道，这样能够将分流道路上的障碍物纳入关注障碍物范围。当自车在分流道路上(图9)，按照之前的思路可知分流车道是自车当前车道，那么需要将主干道看作自车的右车道，将主干道路上的障碍物纳入关注障碍物范围，以便应对主干道路上可能会变道到分流道路的障碍物。
88.进一步地，构建所述动态数据模型包括如下步骤：
89.步骤s21：将每个障碍物投影到高精地图上以确定其所在位置；
90.步骤s22：判定所述障碍物与当前车道参考线是否会发生冲突，并选择关注障碍物；具体地，结合当前车道和障碍物的预测信息就可以得出障碍物和当前车道参考线是否会发生冲突。判断条件如下：自车车道及左右车道上的障碍物一定需要设为关注障碍物(自车可能换道，左右车辆也可能随时切入自车车道)，自车左左或右右车道上的障碍物只有正在切入到左或者右车道的障碍物才需要关注(左左和右右车道保持的障碍物不和自车直接冲突，切入车辆可能连续环道两次会存在冲突)，特殊场景下，逆向可能借道的障碍物，路口区域左右转和直行冲突这类障碍物，汇入自车车道障碍物都需要标注为关注障碍物。
91.步骤s23：将步骤s22选择的关注障碍物关联到车道参考线上，从而得到动态数据；具体如下：将上述关注障碍物依次关联到当前参考线上。接下来进行两次模拟，分别假设左车道参考线和右车道参考线为车辆当前参考线，分别按照上述判断条件选择关注障碍物，并分别关联道左右参考线上。
92.步骤s24：最后综合分析三车道动态数据输出动态语义信息，并进行信息叠加，至此完成动态数据建模过程。
93.其中，如图5、图6所示，在进行车道合流时，构建所述动态数据模型过程还包括：
94.对于自车在主干道上的情况，首先根据地图确定当前车道和左右车道，并按照上一部分描述的方法建立静态数据，在处理动态数据的时候，待合流车道上的其他障碍物需要进行特殊处理，在本方案中通过将其描述成自由切入的概念，并给定自由切入点的方式关联到右侧车道上，其他障碍物关联方式不变，预测信息处理方式也如前面描述；
95.对于自车在待合流车道上的情况，建立静态数据和预测数据流程不变，不同的是在这种情况下，自车只有当前一个车道，主干道上的其他障碍物分成两种情况进行关联：一
种是在道路结构上和合流车道有交点，这类障碍物以自由切入点的方式关联到自车当前车道内；另一类是在道路结构上和自车当前车道没有交点，但是由于障碍物变道轨迹和自车未来道路有交集，这类障碍物则描述成强制切入的概念，并通过给强制切入点的方式纳入到自车当前车道关注障碍物内。
96.如图10、11、12所示，在十字路口行进时，构建所述动态数据模型过程还包括：
97.对于自车在路口直行场景，在动态数据建过程中需要考虑对向车道左转的障碍物，在道路拓扑上这两个道路存在通行区域的交叠，这是路口特有的情况，为了表达这种情况，仍旧将对向左转的障碍物转换成强制切入点的形式纳入关注范围。同理对于右转合流到自车当前车道的障碍物则以自由切入点的形式投影到当前车道。其他层数据构建方式不变。
98.对于自车在路口左转场景，在动态数据建过程中需要考虑对向车道左转和直行的障碍物，在道路拓扑上皆和自车车道存在通行区域的交叠，将这种情况下的障碍物转换成强制切入点的形式纳入关注范围。而对于右转合流到自车当前车道的障碍物则以给出其自由切入点的形式投影到当前车道。其他层数据构建方式不变。
99.对于自车在路口右转场景，在动态数据建过程中需要考虑对向车道左转障碍物，在道路拓扑上这两个道路存在通行区域的交叠，也将其转换成强制切入点的形式纳入关注范围。对于直行到自车当前车道的障碍物则以给出其自由切入点的形式投影到当前车道。其他层数据构建方式不变。
100.进一步地，构建所述预测数据模型包括：
101.步骤s31：将预测的障碍物轨迹与对应的动态障碍物进行关联，并叠加在静态数据上；
102.步骤s32：将预测的障碍物语义信息与对应的动态障碍物进行关联，并叠加在静态数据上。
103.需要说明的是，将预测的障碍物轨迹和意图与对应的动态障碍物关联在一起，并叠加在静态数据上，至此完成预测数据的建模过程。
104.通过上述三个步骤就完成了多车道模型的构建，同时也得到了不同层数的模型数据，将这部分数据经过一定的数据整合和接口转换之后，提供给下游模块使用。同时根据不同的模块的使用侧重点不同，可以按需选择获得不同层次的数据，有助于下游模块快速清晰的使用。
105.如图13所示，与上述方法相对应地，本发明实施例提供了一种道路环境建模装置，所述装置包括数据接收单元以及模型构建单元，
106.所述数据接收单元用于接收上游输入数据和内部历史数据；
107.所述模型构建单元用于基于所述接收的上游输入数据和内部历史数据进行数据融合及数据重建，分别构建静态数据模型、动态数据模型以及预测数据模型。
108.对于数据接收单元以及模型构建单元的功能作用以及实施方式，参考上述对方法的描述，此处不再详述。
109.另外，本发明实施例提供了一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述的道路环境建模方法。
110.另外，本发明实施例提供了一种终端设备，所述终端设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述的道路环境建模方法。所述终端设备包括但不限于计算机设备。
111.下面主要结合应用场景对存储介质及计算机设备进行进一步介绍。
112.本领域内的技术人员应明白，本发明实施例可提供为方法、装置(设备或系统)、或计算机设备、存储介质。因此，本发明实施例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，本发明实施例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。
113.本发明是参照根据本发明实施例的方法、装置(设备或系统)、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。
114.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。
115.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。
116.在一个典型的配置中，计算机设备包括一个或多个处理器(cpu)、存储器、输入/输出接口、网络接口和内存。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
117.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
118.还需要说明的是，本发明中术语“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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
119.本领域技术人员应明白，本发明实施例可提供为方法、系统或计算机程序产品。因此，本发明实施例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，本发明实施例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。
120.另外，本发明实施例提供了一种移动设备，包括所述的终端设备。
121.需要说明的是，本技术所称的移动设备可以包括但不限于国际自动机工程师学会(society of automotive engineersinternational，sae international)或中国国家标准《汽车驾驶自动化分级》制定的l0-l5共六个自动驾驶技术等级的车辆。
122.在一些可能的实现方式中，移动设备可以是具有如下各种功能的车辆设备或机器人设备：
123.(1)载人功能，如家用轿车、公共汽车等；
124.(2)载货功能，如普通货车、厢式货车、甩挂车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等；
125.(3)工具功能，如物流配送车、自动导引运输车agv、巡逻车、起重机、吊车、挖掘机、推土机、铲车、压路机、装载机、越野工程车、装甲工程车、污水处理车、环卫车、吸尘车、洗地车、洒水车、扫地机器人、送餐机器人、导购机器人、割草机、高尔夫球车等；
126.(4)娱乐功能，如娱乐车、游乐场自动驾驶装置、平衡车等；
127.(5)特殊救援功能，如消防车、救护车、电力抢修车、工程抢险车等。
128.最后应当说明的是：上述实施例只是用于对本发明的举例和说明，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明不局限于上述实施例，根据本发明教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围内。