智能驾驶车辆的控制方法、装置、设备及存储介质与流程

1.本技术涉及智能驾驶技术领域，尤其涉及一种智能驾驶车辆的控制方法、装置、设备及存储介质。


背景技术：

2.智能驾驶是指汽车通过搭载先行的传感器、控制器、执行器、通讯模块等设备实现协助驾驶员对车辆的操控，甚至完全代替驾驶员实现无人驾驶的功能。目前智能驾驶的级别可以分为从l0到l5六个级别。其中，l0代表无任何辅助驾驶的人类驾驶员驾驶，l1-l5则按智能驾驶的成熟程度和驾驶员的参程度进行划分。
3.目前智能驾驶的实现需要高精度的定位数据，智能驾驶的级别越高，对于定位数据的精度要求越高。目前的智能驾驶定位数据通常是使用高精度定位模块的定位数据，但由于车辆驾驶过程中通常存在一些复杂场景，这些复杂场景会影响定位数据的精确性，而精度较低的定位数据会使得高级别的智能驾驶车辆存在较大的安全隐患。


技术实现要素：

4.本技术提供一种智能驾驶车辆的控制方法、装置、车辆及存储介质，能够提高智能驾驶车辆的驾驶安全性。
5.为达到上述目的，本技术采用如下技术方案：
6.本技术实施例第一方面，提供一种智能驾驶车辆的控制方法，该方法包括：
7.获取车辆行驶过程中采集的图像以及雷达探测结果，并根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景；
8.若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果，第一定位结果为基于卫星定位系统的定位结果，第一定位结果中包括车辆当前的第一位置数据和第一位置数据的置信度，目标场景用于指示卫星定位系统的定位误差大于预设的误差阈值的场景；
9.若第一位置数据的置信度小于第一预设阈值，则获取目标场景的区域范围，若区域范围大于预设的区域范围，则控制车辆由智能驾驶模式切换为跟随模式。
10.在一个实施例中，雷达探测结果中包括目标物体的距离、目标物体的方位角以及雷达当前探测到的点云数据；
11.根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景，包括：
12.若根据图像确定目标物体中包括多个建筑物，则根据建筑物的距离、建筑物方位角和雷达当前探测到的点云数据，确定各建筑物的高宽比以及多个建筑物的覆盖度，高宽比用于指示建筑物的高度与宽度的比值，覆盖度用于指示目标物体在车辆周围预设范围中的覆盖范围；
13.若建筑物的高宽比大于第二预设阈值，且建筑物的覆盖度大于第三预设阈值，则确定车辆当前处于的场景为目标场景。
14.在一个实施例中，根据建筑物的距离、建筑物方位角和雷达当前探测到的点云数据确定各建筑物的高宽比以及多个建筑物的覆盖度，包括：
15.根据建筑物的距离和建筑物的方位角确定建筑物的位置；
16.根据点云数据生成车辆当前的周围环境的三维模型；
17.根据建筑物的位置从三维模型中确定出建筑物的高度、建筑物的宽度以及建筑物相对车辆的覆盖角度范围；
18.根据建筑物的高度、建筑物的宽度确定建筑物的高度比；
19.根据覆盖角度范围确定建筑物的覆盖度。
20.在一个实施例中，根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景，包括：
21.若根据图像确定出车辆的周围预设范围包括多个其他车辆，且其他车辆中包括目标车辆，则根据雷达探测结果获取目标车辆的距离和目标车辆的覆盖面积，目标车辆用于指示车辆体积大于预设体积阈值的车辆；
22.根据目标车辆的距离和目标车辆的覆盖面积，确定目标车辆的覆盖度，若覆盖度大于第四预设阈值，则确定车辆当前处于的场景为目标场景。
23.在一个实施例中，根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景，包括：
24.若根据图像和/或根据探测结果确定出车辆处于高架桥下、隧道以及车辆上空有遮挡的区域中，则确定车辆当前处于的场景为目标场景。
25.在一个实施例中，方法还包括：
26.若确定车辆当前行驶于为异常天气下，则控制车辆退出智能驾驶模式，异常天气包括太阳风暴、雷暴和极光。
27.在一个实施例中，若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果之后，方法还包括：
28.获取第二定位结果，第二定位结果为基于高精地图的定位结果，第二定位结果中包括车辆当前的第二位置数据和第二位置数据的置信度；
29.若第一位置数据的置信度小于第二位置数据的置信度，则将第二定位结果作为车辆的当前定位结果。
30.本技术实施例第二方面，提供一种智能驾驶车辆的控制装置，该装置包括：
31.第一获取模块，用于获取车辆行驶过程中采集的图像以及雷达探测结果；
32.第一确定模块，用于根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景；
33.第二获取模块，用于若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果，第一定位结果为基于卫星定位系统的定位结果，第一定位结果中包括车辆当前的第一位置数据和第一位置数据的置信度，目标场景用于指示卫星定位系统的定位误差大于预设的误差阈值的场景；
34.控制模块，用于若第一位置数据的置信度小于第一预设阈值，则获取目标场景的区域范围，若区域范围大于预设的区域范围，则控制车辆由智能驾驶模式切换为跟随模式。
35.本技术实施例第三方面，提供一种电子设备，包括存储器和处理器，存储器存储有
计算机程序，计算机程序被处理器执行时实现本技术实施例第一方面中的智能驾驶车辆的控制方法。
36.本技术实施例第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本技术实施例第一方面中的智能驾驶车辆的控制方法。
37.本技术实施例提供的技术方案带来的有益效果至少包括：
38.本技术实施例提供的智能驾驶车辆的控制方法，通过获取车辆行驶过程中采集的图像以及雷达探测结果，并根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景，若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果，第一定位结果为基于卫星定位系统的定位结果，第一定位结果中包括车辆当前的第一位置数据和第一位置数据的置信度，目标场景用于指示卫星定位系统的定位误差大于预设的误差阈值的场景。若第一位置数据的置信度小于第一预设阈值，则获取目标场景的区域范围，若区域范围大于预设的区域范围，则控制车辆由智能驾驶模式切换为跟随模式。本技术实施例提供的智能驾驶车辆的控制方法，在确定出智能驾驶车辆处于定位误差较大的场景时，则根据车辆当前的定位结果的置信度以及目标场景的区域范围来控制车辆的智能驾驶模式的切换，从而避免定位结果的误差导致智能驾驶车辆存在较大的安全隐患，进而可以提高自动驾驶车辆通行的安全性。
附图说明
39.图1为本技术实施例提供的一种车载终端的内部结构示意图；
40.图2为本技术实施例提供的一种智能驾驶车辆的控制方法的流程图；
41.图3为本技术实施例提供的一种城市峡谷场景的示意图；
42.图4为本技术实施例提供的一种城市峡谷场景中建筑物覆盖度的示意图；
43.图5为本技术实施例提供的一种车辆包围场景的示意图；
44.图6为本技术实施例提供的一种智能驾驶车辆的控制装置的结构图。
具体实施方式
45.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
46.以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
47.另外，“基于”或“根据”的使用意味着开放和包容性，因为“基于”或“根据”一个或多个条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出的值。
48.智能驾驶是指汽车通过搭载先行的传感器、控制器、执行器、通讯模块等设备实现协助驾驶员对车辆的操控，甚至完全代替驾驶员实现无人驾驶的功能。目前智能驾驶的级别可以分为从l0到l5六个级别。其中，l0代表无任何辅助驾驶的人类驾驶员驾驶，l1-l5则
按智能驾驶的成熟程度和驾驶员的参程度进行划分。
49.目前智能驾驶的实现需要高精度的定位数据，智能驾驶的级别越高，对于定位数据的精度要求越高。目前的智能驾驶定位数据通常是使用高精度定位模块的定位数据，但由于车辆驾驶过程中通常存在一些复杂场景，这些复杂场景会影响定位数据的精确性，而精度较低的定位数据会使得高级别的智能驾驶车辆存在较大的安全隐患。
50.为了解决上述问题，本技术实施例提供了一种智能驾驶车辆的控制方法，通过获取车辆行驶过程中采集的图像以及雷达探测结果，并根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景，若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果，第一定位结果为基于卫星定位系统的定位结果，第一定位结果中包括车辆当前的第一位置数据和第一位置数据的置信度，目标场景用于指示卫星定位系统的定位误差大于预设的误差阈值的场景。若第一位置数据的置信度小于第一预设阈值，则获取目标场景的区域范围，若区域范围大于预设的区域范围，则控制车辆由智能驾驶模式切换为跟随模式。本技术实施例提供的智能驾驶车辆的控制方法，在确定出智能驾驶车辆处于定位误差较大的场景时，则根据车辆当前的定位结果的置信度以及目标场景的区域范围来控制车辆的智能驾驶模式的切换，从而避免定位结果的误差导致智能驾驶车辆存在较大的安全隐患，进而可以提高自动驾驶车辆通行的安全性。
51.本技术实施例提供的智能驾驶车辆的控制方法的执行主体可以为电子设备，该电子设备可以为计算机设备、终端设备，或者服务器，其中，终端设备可以为车载终端、各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等，本技术对比不作具体限定。
52.本技术以电子设备为车载终端为例示出，图1为本技术实施例提供的一种车载终端的内部结构示意图。如图1所示，该车载终端包括通过系统总线连接的处理器和存储器。其中，该处理器用于提供计算和控制能力。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以上各个实施例提供的一种智能驾驶车辆的控制方法的步骤。内存储器为非易失性存储介质中的操作系统和计算机程序提供高速缓存的运行环境。
53.本领域技术人员可以理解，图1中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备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。
54.基于上述执行主体，本技术实施例提供一种智能驾驶车辆的控制方法。如图2所示，该方法包括以下步骤：
55.步骤201、获取车辆行驶过程中采集的图像以及雷达探测结果，并根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景。
56.其中，目标场景用于指示卫星定位系统的定位误差大于预设的误差阈值的场景。示例的，目标场景可以为：车辆处于被建筑物包围的场景、车辆处于被大型车辆包围的场景、隧道场景、车辆处于高架桥下、车辆处于树荫遮挡下，或者车辆行驶于异常天气中，该异常天气可以为太阳风暴、雷暴和极光等。
57.步骤202、若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果。
58.其中，第一定位结果为基于卫星定位系统的定位结果，第一定位结果中包括车辆
当前的第一位置数据和第一位置数据的置信度。
59.需要说明的是，车辆的智能驾驶系统中包括定位模块，该定位模块能获取车辆当前的第一定位结果，也能对第一定位结果的准确性进行评估，得到第一定位结果的置信度。若置信度较高则说明第一定位结果的准确性较高，若置信度较低则说明第一定位结果的准确性较低。
60.步骤203、若第一位置数据的置信度小于第一预设阈值，则获取目标场景的区域范围，若区域范围大于预设的区域范围，则控制车辆由智能驾驶模式切换为跟随模式。
61.第一预设阈值可以为80％，或者根据智能驾驶车辆对定位精度的要求进行设置，本技术实施例对此不做具体限定。预设的区域范围可以为2千米，同样的，预设的区域范围也可以根据智能驾驶车辆对定位精度的要求进行设置，本技术实施例对此不做具体限定。
62.可以理解的是，若目标场景的第一位置数据的置信度较小，且该目标场景的区域范围较大，则说明车辆的定位误差会越来越大，这时则需要控制车辆由智能驾驶模式切换为车辆跟随模式，或者控制车辆进行功能降级。
63.其中，控制车辆进行功能降级可以理解为：若当前车辆处于较高级别的智能驾驶模式，则控制车辆切换为低级别的智能驾驶模式。
64.本技术实施例提供了一种智能驾驶车辆的控制方法，通过获取车辆行驶过程中采集的图像以及雷达探测结果，并根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景，若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果，第一定位结果为基于卫星定位系统的定位结果，第一定位结果中包括车辆当前的第一位置数据和第一位置数据的置信度，目标场景用于指示卫星定位系统的定位误差大于预设的误差阈值的场景。若第一位置数据的置信度小于第一预设阈值，则获取目标场景的区域范围，若区域范围大于预设的区域范围，则控制车辆由智能驾驶模式切换为跟随模式。本技术实施例提供的智能驾驶车辆的控制方法，在确定出智能驾驶车辆处于定位误差较大的场景时，则根据车辆当前的定位结果的置信度以及目标场景的区域范围来控制车辆的智能驾驶模式的切换，从而避免定位结果的误差导致智能驾驶车辆存在较大的安全隐患，进而可以提高自动驾驶车辆通行的安全性。
65.可选的，上述步骤201中的雷达探测结果包括目标物体的距离、目标物体的方位角以及雷达当前探测到的点云数据。
66.上述步骤201中根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景的过程可以为：
67.若根据图像确定目标物体中包括多个建筑物，则根据建筑物的距离、建筑物方位角和雷达当前探测到的点云数据，确定各建筑物的高宽比以及多个建筑物的覆盖度。
68.若建筑物的高宽比大于第二预设阈值，且建筑物的覆盖度大于第三预设阈值，则确定车辆当前处于的场景为目标场景，该目标场景可以称为城市峡谷场景。
69.其中，图像为车辆上安装的图像采集设备采集的车辆行驶过程中周围的图像信息，雷达探测结果为车辆上安装的雷达的探测结果。目标物体是指车辆周围的行人，其他车辆、建筑物等。雷达探测结果中包括目标物体的距离、目标物体的方位角以及雷达当前探测到的点云数据。目标物体的距离是指目标物体至车辆的距离，目标物体的方位角是指目标物体相对于车辆的方位角。
70.其中，高宽比用于指示建筑物的高度与宽度的比值，覆盖度用于指示目标物体在车辆周围预设范围中的覆盖范围。
71.具体的，根据图像确定目标物体中包括多个建筑物的过程可以为：
72.车辆的智能驾驶系统中包括感知模块，感知模块中预设有目标检测模型，通过将实时采集的图像输入至目标检测模型中就可以确定出车辆周围包括的目标物体。
73.可选的，上述根据建筑物的距离、建筑物方位角和雷达当前探测到的点云数据确定各建筑物的高宽比以及多个建筑物的覆盖度的过程可以为：
74.根据建筑物的距离和建筑物的方位角确定建筑物的位置，然后根据点云数据生成车辆当前的周围环境的三维模型，再根据建筑物的位置从三维模型中确定出建筑物的高度、建筑物的宽度以及建筑物相对车辆的覆盖角度范围，并根据建筑物的高度、建筑物的宽度确定建筑物的高度比，最后根据覆盖角度范围确定建筑物的覆盖度。
75.在实际执行过程中，图3为本技术实施例提供的一种城市峡谷场景的示意图，如图3所示，车辆周围的目标物体中建筑物，其中，图3中的r1为建筑物与车辆的距离，a1为建筑物相对车辆的方位角，具体的，该方位角是建筑物与车辆行驶方向之间的夹角。根据r1和a1就可以确定出车辆的位置。根据雷达探测到的点云数据可以生成当前周围环境的点云模型，然后根据确定出的车辆的位置，在点云模型中确定出该建筑物对应的模型，这样就可以获取到建筑物的高度，建筑物的宽度以及建筑物相对于车辆的覆盖角度范围。最后就可以用建筑物的高度除以建筑物的宽度得到建筑物的高度比，以及根据覆盖角度范围处于360
°
就可以得到建筑物的覆盖度。
76.其中，图4为本技术实施例提供的建筑物覆盖度的示意图，如图4所示，可以根据雷达探测结果确定出建筑物在车辆周围360
°
中占有的角度，然后用建筑物占有的角度处于360
°
就可以得到建筑物的覆盖度。
77.可以理解的是，在城市峡谷场景中，由于车辆处于多个建筑物包围的场景中，卫星定位会存在多径效应或过度遮挡的问题，车辆停止启动时会出现定位无法收敛的情况，这就导致高级别智能驾驶的一些功能无法打开，但用户无法理解该场景情况，会误判车辆出现问题或功能有问题，而这时会同时车辆会进行场景提示，提示当前进入城市峡谷场景，能帮助用户理解场景和以及正确使用智能驾驶的功能。
78.可选的，在根据图像和雷达检测结果确定出当前场景为城市峡谷场景后，可以进一步的根据当前的高精地图来获取当前城市峡谷场景的覆盖范围，若覆盖范围大于预设的范围，则说明车辆当前真正处于城市峡谷场景，这样可以避免根据图像和雷达检测结果确定出的城市峡谷场景出现错误的情况。
79.可选的，上述步骤201中根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景的过程还可以为：
80.若根据图像确定出车辆的周围预设范围包括多个其他车辆，且其他车辆中包括目标车辆，则根据雷达探测结果获取目标车辆的距离和目标车辆的覆盖面积，目标车辆用于指示车辆体积大于预设体积阈值的车辆。然后，根据目标车辆的距离和目标车辆的覆盖面积，确定目标车辆的覆盖度，若覆盖度大于第四预设阈值，则确定车辆当前处于的场景为目标场景。
81.其中，上述的目标场景可以称为车辆包围场景，图5为本技术实施例提供的一种车
辆包围场景的示意图。目标车辆可以为大卡车、货车、公交车和大巴车等体积较大的车辆。第四预设阈值可以为40％，或者根据智能驾驶车辆的定位精度需求进行设置，本技术实施例对此不作具体限定。
82.在实际执行过程中，若通过图像识别确定出车辆周围包括多个车辆，且这多个车辆中还包括体积较大的车辆，则根据雷达探测结果来获取自车与大车的距离以及大车的覆盖面积。根据目标车辆的距离和目标车辆的覆盖面积可以确定出车辆周围预设范围中，目标车辆的覆盖度。若覆盖度大于40％，则确定车辆当前处于车辆包围场景。
83.可以理解的是，当智能驾驶车辆处于车辆包围场景中，由于车辆周围其他车辆的遮挡使得定位可能会出现偏差，同时车辆上的视觉感知和激光探测也存在遮挡，无法明确自测位置，因此若检测到车辆处于这种场景下，可以根据定位结果的置信度以及该场景的区域范围，确定是否控制车辆由智能驾驶模式切换为车辆根据模式，或者进行功能降级。同时，还可以生成提示信息，提示驾驶人员当前区域存在定位误差，以使驾驶人员注意并随时接管车辆。
84.可选的，上述步骤201中根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景的过程还可以为：
85.若根据图像和/或根据探测结果确定出车辆处于高架桥下、隧道以及车辆上空有遮挡的区域中，则确定车辆当前处于的场景为目标场景。
86.可以理解的是，当车辆处于高架桥下、隧道以及车辆上空有遮挡的区域时会导致卫星定位存在误差，因此若检测到车辆处于这种场景下，可以根据定位结果的置信度以及该场景的区域范围，确定是否控制车辆由智能驾驶模式切换为车辆根据模式，或者进行功能降级。同时，还可以生成提示信息，提示驾驶人员当前区域存在定位误差，以使驾驶人员注意并随时接管车辆。
87.同时，隧道场景下，定位系统定位中的惯导推算会累加，当隧道的距离过长时会出现定位不准确的情况。此外，对于有两层或两层以上的复杂高架，容易出现高架层定位出错的情况，因此针对这种复杂高架可以通过高度检测、视觉感知与激光雷达进行目标识别来明确车辆身处位置和层数，降低车道识别错误风险。
88.可选的，方法还包括：若确定车辆当前行驶于为异常天气下，则控制车辆退出智能驾驶模式，异常天气包括太阳风暴、雷暴和极光。
89.同样的，在车辆行驶在异常天气的情况下，如太阳风暴、雷暴和极光这种异常天气下，网络和卫星数据都会收到严重干扰，定位准确性大幅下降，这时就需要控制车辆退出智能驾驶模式。同时在退出智能驾驶模式之前，会生成提示信息，以提醒驾驶人员随时接管车辆。
90.可选的，若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果之后，方法还包括：
91.获取第二定位结果，第二定位结果为基于高精地图的定位结果，第二定位结果中包括车辆当前的第二位置数据和第二位置数据的置信度；若第一位置数据的置信度小于第二位置数据的置信度，则将第二定位结果作为车辆的当前定位结果。
92.在实际执行过程中，可以通过车辆上的摄像头识别车道特征、红路灯和指示牌等信息来判断车辆所在位置的大致区域，并通过车道线确认车辆所在定位，以及通过地标指
示牌确认车辆车道，最后得到车辆的位置。将识别得到的车辆位置与高精地图进行匹配，得到车辆的第二定位结果以及第二定位结果的置信度。根据第一定位结果中的置信度和第二定位结果的置信度来确定高精地图定位和定位系统定位之间的优先级，若第一位置数据的置信度小于第二位置数据的置信度，则将第二定位结果作为车辆的当前定位结果。这样可以利用高精地图的定位来弥补定位系统的定位误差，可以提高定位结果的准确性。
93.如图6所示，本技术实施例还提供了一种智能驾驶车辆的控制装置，该装置包括：
94.第一获取模块11，用于获取车辆行驶过程中采集的图像以及雷达探测结果；
95.第一确定模块12，用于根据图像和/或雷达探测结果确定车辆当前处于的场景是否为目标场景；
96.第二获取模块13，用于若车辆当前处于的场景为目标场景，则获取车辆当前的第一定位结果，第一定位结果为基于卫星定位系统的定位结果，第一定位结果中包括车辆当前的第一位置数据和第一位置数据的置信度，目标场景用于指示卫星定位系统的定位误差大于预设的误差阈值的场景；
97.控制模块14，用于若第一位置数据的置信度小于第一预设阈值，则获取目标场景的区域范围，若区域范围大于预设的区域范围，则控制车辆由智能驾驶模式切换为跟随模式。
98.在一个实施例中，雷达探测结果中包括目标物体的距离、目标物体的方位角以及雷达当前探测到的点云数据；第一确定模块12具体用于：
99.若根据图像确定目标物体中包括多个建筑物，则根据建筑物的距离、建筑物方位角和雷达当前探测到的点云数据，确定各建筑物的高宽比以及多个建筑物的覆盖度，高宽比用于指示建筑物的高度与宽度的比值，覆盖度用于指示目标物体在车辆周围预设范围中的覆盖范围；
100.若建筑物的高宽比大于第二预设阈值，且建筑物的覆盖度大于第三预设阈值，则确定车辆当前处于的场景为目标场景。
101.在一个实施例中，第一确定模块12具体用于：根据建筑物的距离和建筑物的方位角确定建筑物的位置；
102.根据点云数据生成车辆当前的周围环境的三维模型；
103.根据建筑物的位置从三维模型中确定出建筑物的高度、建筑物的宽度以及建筑物相对车辆的覆盖角度范围；
104.根据建筑物的高度、建筑物的宽度确定建筑物的高度比；
105.根据覆盖角度范围确定建筑物的覆盖度。
106.在一个实施例中，第一确定模块12具体用于：若根据图像确定出车辆的周围预设范围包括多个其他车辆，且其他车辆中包括目标车辆，则根据雷达探测结果获取目标车辆的距离和目标车辆的覆盖面积，目标车辆用于指示车辆体积大于预设体积阈值的车辆；
107.根据目标车辆的距离和目标车辆的覆盖面积，确定目标车辆的覆盖度，若覆盖度大于第四预设阈值，则确定车辆当前处于的场景为目标场景。
108.在一个实施例中，第一确定模块12具体用于：若根据图像和/或根据探测结果确定出车辆处于高架桥下、隧道以及车辆上空有遮挡的区域中，则确定车辆当前处于的场景为目标场景。
109.在一个实施例中，控制模块14还用于：
110.若确定车辆当前行驶于为异常天气下，则控制车辆退出智能驾驶模式，异常天气包括太阳风暴、雷暴和极光。
111.在一个实施例中，第二获取模块13还用于获取第二定位结果，第二定位结果为基于高精地图的定位结果，第二定位结果中包括车辆当前的第二位置数据和第二位置数据的置信度；若第一位置数据的置信度小于第二位置数据的置信度，则将第二定位结果作为车辆的当前定位结果。
112.本实施例提供的智能驾驶车辆的控制装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再多加赘述。
113.关于智能驾驶车辆的控制装置的具体限定可以参见上文中对于智能驾驶车辆的控制方法的限定，在此不再赘述。上述智能驾驶车辆的控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于车载终端中的处理器中，也可以以软件形式存储于车载终端中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
114.本技术的另一实施例中，还提供一种车辆，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时实现如本技术实施例的智能驾驶车辆的控制方法的步骤。
115.本技术另一实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如本技术实施例的智能驾驶车辆的控制方法的步骤。
116.本技术另一实施例中，还提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在智能驾驶车辆的控制装置上运行时，使得智能驾驶车辆的控制装置执行上述方法实施例所示的方法流程中智能驾驶车辆的控制方法执行的各个步骤。
117.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本技术实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
118.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
119.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在
不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。