基于V2X的自动驾驶车辆、方法和装置与流程

本发明涉及智能车领域，特别涉及一种基于v2x的自动驾驶车辆、方法和装置。

背景技术：

为了缓解驾驶员疲劳甚至解放驾驶员，兴起了自动驾驶车辆；自动驾驶车辆(autonomousvehicles；self-pilotingautomobile)又称无人驾驶车辆、电脑驾驶车辆、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能车辆。并且，自动驾驶车辆依靠人工智能、摄像头、雷达及全球定位系统协同合作，让车辆可以在没有任何人类主动干预下，车辆自动驾驶。

目前，主要是在车辆的前端和后端分别设置摄像头，在车辆的两侧分别设置雷达。车辆通过摄像头获取车辆前后的第一图像数据，通过雷达获取车辆所在车道的车道线信息；根据该第一图像数据和车道线信息，控制车辆行驶。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

当前自动驾驶车辆只能应用天气状况较好时，目前的车载雷达和摄像头受环境影响较大，在下雨或有雾的环境下识别误差较大无法有效识别障碍物，造成很大的安全隐患。

技术实现要素：

为了解决现有技术的问题，本发明实施例提供了一种(a)的方法和装置。

所述技术方案如下：

第一方面，提供了一种基于v2x的自动驾驶车辆，所述车辆包括：

车身、车对外界的信息交换系统v2x系统、多个第一雷达、第二雷达、第三雷达、多个第四雷达、全球定位模块gps模块、第一摄像头和多个第二摄像头；

多个第一雷达分别设置于车身的四个角落的外侧，多个第一雷达用于检测车辆两侧和车辆后方的第一范围的第一雷达信息；

第二雷达设置于车身正前方，用于检测车辆前方的第二范围的第二雷达信息；

第三雷达设置于车身顶部，用于检测车辆周围360度的第三范围内的第三雷达信息；

多个第四雷达均匀设置于车身外侧周围，用于检测车辆周围的第四范围内的第四雷达信息；

第一摄像头设置于车内的后视镜的位置处，用于采集车辆前方第五范围内的第一图像；

多个第二摄像头设置于车身正前方和正后方以及车身两侧的倒车镜位置处，用于采集车辆周围第六范围内的第二图像；

v2x系统用于获取服务器提供的道路状况和其他车辆发布的车辆信息。

第二方面，提供了一种基于v2x的自动驾驶方法，所述方法包括：

从服务器中获取障碍物识别模型，障碍物识别模型用于确定障碍物类型；

从多个第一雷达获取第一雷达信息，从第二雷达获取第二雷达信息，从第三雷达获取第三雷达信息，从多个第四雷达获取第四雷达信息，从第一摄像头获取第一图像，从多个第二摄像头获取第二图像；

基于障碍物识别模型，从第一雷达信息、第二雷达信息、第三雷达信息、第四雷达信息、第一图像和第二图像中识别障碍物和车道线，并获取障碍物的障碍物信息和车道线的车道线信息；

获取v2x接收到的预设范围内的其他车辆的车辆信息，并从车辆信息中识别障碍车辆，并获取障碍车辆的车辆信息，其他车辆是在预设范围内当前车辆之外的车辆；

基于障碍物信息、障碍车辆的车辆信息，进行障碍物整合，得到当前车辆周围的目标障碍物，并获取目标障碍物的障碍物信息；

周期性的基于gps模块定位当前车辆所在区域，并基于车道线信息和目标障碍物的障碍物信息确定当前车辆在区域的位置；

基于目标障碍物的障碍物信息和当前车辆的位置制定当前车辆的行进路线，并控制当前车辆按照行进路线行进。

可选的，从车辆信息中识别障碍车辆，包括：

基于其他车辆的车速和行车方向预测每辆其他车辆在预设时间内的行进范围；

获取当前车辆的车速和行车方向，并预测当前车辆预设时间内的行进范围；

基于当前车辆的行进范围和其他车辆的行进范围确定障碍车辆。

可选的，基于障碍物信息、障碍车辆的车辆信息，进行障碍物整合，得到当前车辆周围的目标障碍物，包括：

获取障碍物的障碍物类型、障碍物的位置信息和障碍车辆的位置信息；

将其中处于相同位置的相同类型的障碍物或障碍车辆进行合并，得到当前车辆周围的目标障碍物。

可选的，障碍物信息包括路标和地标建筑，周期性的基于gps模块确定当前车辆所在区域，并基于车道线和障碍物信息确定当前车辆在区域的位置，包括：

从服务器中获取地图信息，基于gps模块确定当前车辆所在的地图信息中道路的区域范围；

基于路标和地标建筑确定当前车辆在区域范围的位置。

可选的，基于目标障碍物和当前车辆的位置制定当前车辆的行进路线，并控制当前车辆按照行进路线行进，包括：

获取目标障碍物的位置信息并将地图信息和目标障碍物的位置信息进行合并；

基于当前车辆的位置和目标障碍物的位置信息制定当前车辆的行进路线，并控制车辆按照行进路线行进。

第三方面，提供了一种基于v2x的自动驾驶装置，所述装置包括：

获取模块，用于从服务器中获取障碍物识别模型，障碍物识别模型用于确定障碍物类型；

获取模块，用于从多个第一雷达获取第一雷达信息，用于从第二雷达获取第二雷达信息，用于从第三雷达获取第三雷达信息，用于从多个第四雷达获取第四雷达信息，用于从第一摄像头获取第一图像，用于从多个第二摄像头获取第二图像；

识别模块，用于基于障碍物识别模型，从第一雷达信息、第二雷达信息、第三雷达信息、第四雷达信息、第一图像和第二图像中识别障碍物和车道线，并获取障碍物的障碍物信息和车道线的车道线信息；

识别模块，用于获取v2x接收到的预设范围内的其他车辆的车辆信息，并从车辆信息中识别障碍车辆，并获取障碍车辆的车辆信息，其他车辆是在预设范围内当前车辆之外的车辆；

整合模块，用于基于障碍物信息、障碍车辆的车辆信息，进行障碍物整合，得到当前车辆周围的目标障碍物，并获取目标障碍物的障碍物信息；

定位模块，用于周期性的基于gps模块定位当前车辆所在区域，并基于车道线信息和目标障碍物的障碍物信息确定当前车辆在区域的位置；

控制模块，用于基于目标障碍物的障碍物信息和当前车辆的位置制定当前车辆的行进路线，并控制当前车辆按照行进路线行进。

可选的，识别模块，用于：

基于其他车辆的车速和行车方向预测每辆其他车辆在预设时间内的行进范围；

获取当前车辆的车速和行车方向，并预测当前车辆预设时间内的行进范围；

基于当前车辆的行进范围和其他车辆的行进范围确定障碍车辆。

可选的，整合模块，用于：

获取障碍物的障碍物类型、障碍物的位置信息和障碍车辆的位置信息；

将其中处于相同位置的相同类型的障碍物或障碍车辆进行合并，得到当前车辆周围的目标障碍物。

可选的，定位模块，用于：

从服务器中获取地图信息，基于gps模块确定当前车辆所在的地图信息中道路的区域范围；

基于路标和地标建筑确定当前车辆在区域范围的位置。

第四方面，提供了一种车载终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上述第一方面所述的基于v2x的自动驾驶方法。

第五方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上述第一方面所述的基于v2x的自动驾驶方法。

本发明实施例提供的技术方案带来的有益效果至少包括：

本发明实施例中，通过设置在当前车辆上用于采集当前车辆周围信息的多种雷达和摄像头采集雷达信息和图像，并基于服务器获取的障碍物识别模型识别车辆周围的障碍物，通过v2x系统获取当前车辆预设范围内其他车辆的车辆信息，基于障碍物和其他车辆的车辆信息规划当前车辆的行车路线，有效降低了环境对传感器检测的影响，提高了自动驾驶的安全性。

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基于v2x的自动驾驶车辆的结构示意图；

图2是本发明实施例提供的一种基于v2x的自动驾驶方法的流程图；

图3是本发明实施例提供的一种基于v2x的自动驾驶装置结构示意图；

图4是本发明实施例提供的一种基于v2x的自动驾驶车辆的车载终端结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

本发明实施例提供了一种基于v2x的自动驾驶车辆，具体车型可以为轿车、吉普车、suv等车型，也可以是卡车、货车等车型这里不做具体限定。v2x系统(vehicletox，意为vehicletoeverything，即车对外界的信息交换系统)可以使得车与车、车与基站、基站与基站之间能够通信。从而获得实时路况、道路信息、行人信息等一系列交通信息。

如图1所示，本实施例以普通家用轿车车型为例进行介绍，车辆可以包括：

车身、车对外界的信息交换系统v2x系统、多个第一雷达、第二雷达、第三雷达、多个第四雷达、全球定位模块gps模块、第一摄像头和多个第二摄像头；多个第一雷达分别设置于车身的四个角落的外侧，多个第一雷达用于检测车辆两侧和车辆后方的第一范围的第一雷达信息；第二雷达设置于车身正前方，用于检测车辆前方的第二范围的第二雷达信息；第三雷达设置于车身顶部，用于检测车辆周围360度的第三范围内的第三雷达信息；多个第四雷达均匀设置于车身外侧周围，用于检测车辆周围的第四范围内的第四雷达信息；第一摄像头设置于车内的后视镜的位置处，用于采集车辆前方第五范围内的第一图像；多个第二摄像头设置于车身正前方和正后方以及车身两侧的倒车镜位置处，用于采集车辆周围第六范围内的第二图像；v2x系统用于获取服务器提供的道路状况和其他车辆发布的车辆信息。

具体的，v2x系统，通过v2x系统车辆可以实现与外界车辆、基站的信息交互，即v2x系统用于获取周围车辆的车辆信息以及基站提供的路况、地图等信息。车辆还包括设置于车顶的第三雷达，该第三雷达可以是激光雷达，可以检测车辆周围360度范围的障碍物信息，具体的激光雷达可以设置在前排座椅中间的车顶位置，车身的四个角落的外侧位置可以分别设置一个第一雷达，该第一雷达可以是中距离雷达，具体的四个中距雷达传感器可以设置在车辆四角靠近车胎的位置，其中每个中距雷达传感器的探测角度可以设置为150度，探测距离为80米，进而可以探测车辆两侧以及后方对应范围内的障碍物。车辆的正前方可以设置一个第二雷达，第二雷达可以是长距离雷达，该长距离雷达的探测角度范围和距离可以是远距离20度，距离可以是175米，近距离90度，距离60米。长距离雷达可以探测车辆前方的障碍物和该障碍物相对车辆的距离。车辆周围还可以设置十个第四雷达，第四雷达可以是超声波雷达，其可以沿车辆周身均匀设置，以检测车身周边近距离的障碍物的距离。

车辆还可以设置一个gps模块，可以设置在车辆内后座中间对应的位置，进而可以对车辆进行定位。另外车辆还可以包括前视摄像头和环视摄像头，具体的，第一摄像头为可以是前视摄像头，前视摄像头可以设置在车内后视镜的位置，也可以设置在其他位置以采集车辆前方的图像信息。第二摄像头可以是环视摄像头，可以才车辆的两侧和前后分别设置一个环视摄像头以采集车辆周围的图像信息，具体的车辆两侧的环视摄像头可以设置在车辆倒车镜的位置处，车辆前后的环视摄像头可以设置在车辆的正前方位置和正后方位置处。通过环视摄像头采集的图像信息并对该图像信息进行分析可以得到车辆周围的障碍物信息。

通过立体摄像头采集的图像信息可以分析出车辆前方出现的障碍物信息的类型和距离等信息。车辆还包括互联控制单元，即中央处理单元，中央处理单元可以接收上述几类传感器、激光雷达和两种摄像头采集的数据，中央处理单元还可以接收v2x信息。

本发明实施例提供了一种上述车辆的基于v2x的自动驾驶方法，该方法可以由车载终端和服务器实现。其中，

服务器可以包括处理器、存储器、收发器等部件。处理器，可以为cpu(centralprocessingunit，中央处理单元)等，可以用于确定终端位置所属的目标区域范围对应的目标音频数据，等处理。存储器，可以为ram(randomaccessmemory，随机存取存储器)，flash(闪存)等，可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等，如车载终端发送的获取请求等。收发器，可以用于与车载终端或其它服务器(如定位服务器)进行数据传输，例如，向车载终端发送地图信息和障碍物识别模型，收发器可以包括天线、匹配电路、调制解调器等。

车载终端可以包括处理器、存储器、屏幕等部件。处理器，可以为cpu(centralprocessingunit，中央处理单元)等，可以用于判断触碰信号是否满足预设的触发条件，接收指令，控制显示器进行显示，等处理。存储器，可以为ram(randomaccessmemory，随机存取存储器)，flash(闪存)等，可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等，如第一雷达信息、第一图像等。屏幕可以是触控屏，可以用于显示设备列表、控制页面，还可以用于检测触碰信号等。车载终端还可以包括收发器、图像检测部件、音频输出部件和音频输入部件等。收发器，可以用于与其它设备进行数据传输，例如，接收服务器发送的地图信息和障碍物识别模型，可以包括天线、匹配电路、调制解调器等。图像检测部件可以是摄像头等。音频输出部件可以是音箱、耳机等。音频输入部件可以是麦克风等。

如图2所示，该方法的处理流程可以包括如下的步骤：

在步骤101中，从服务器中获取障碍物识别模型，障碍物识别模型用于确定障碍物类型。

在实施中，车载终端可以从服务器中获取障碍物识别模型，其中障碍物识别模型可以包括图像识别模型和传感器识别模型。基于图像识别模型和传感器模型对获取的车辆周围的环境中的建筑物，路标等进行识别，得到影响车辆行驶的障碍物。其中，图像识别模型可以是技术人员基于服务器获取的不同车辆采集的图像信息训练的图像识别模型，对其中车辆、建筑物、路标、车道线、人和动物等不同信息分别设置对应的特征点，以使在车辆获取到图像时基于图像识别模型可以识别出图像中的车辆、建筑物、路标、车道线、人和动物等。同理，传感器识别模型是技术人员预先基于不同传感器或不同雷达采集的数据，进行处理，并分别得到的对应的点云数据，并基于得到的障碍物的轮廓建立的模型，进而设置对应的特征信息，以使传感器或雷达采集到障碍物信息时基于特征信息识别出障碍物。

步骤102，从多个第一雷达获取第一雷达信息，从第二雷达获取第二雷达信息，从第三雷达获取第三雷达信息，从多个第四雷达获取第四雷达信息，从第一摄像头获取第一图像，从多个第二摄像头获取第二图像。

具体的，第一雷达可以是上述车辆实施例中的中距离雷达，第二雷达可以是上述车辆实施例中的长距离雷达，第三雷达可以是上述车辆实施例中的激光雷达，第四雷达可以是上述车辆实施例中的超声波雷达，第一摄像头为可以是上述车辆实施例中的前视摄像头，第二摄像头可以是上述车辆实施例中的环视摄像头。分别获取中距离雷达的雷达信息，长距离雷达的雷达信息，激光雷达的雷达信息，超声波雷达的雷达信息，前视摄像头采集的图像和环视摄像头采集的图像。

步骤103，基于障碍物识别模型，从第一雷达信息、第二雷达信息、第三雷达信息、第四雷达信息、第一图像和第二图像中识别障碍物和车道线，并获取障碍物的障碍物信息和车道线的车道线信息。

分别对中距离雷达的雷达信息、长距离雷达的雷达信息、激光雷达的雷达信息和超声波雷达的雷达信息进行分析并建立坐标系得到对应的点云数据，并从点云数据中得到待识别的轮廓信息，基于该轮廓信息提取特征点，将该特征点与障碍物识别模型中的传感器识别模型中的特征进行匹配，将匹配度达到预设阈值的轮廓确定为传感器识别模型中障碍物类型或车道线，即识别出障碍物和车道线。识别出障碍物后和车道线后可以从采集到该障碍物和车道线的雷达中获取对应的障碍物信息和车道线信息。

对第一图像和第二图像进行图像分析，具体可以采用边缘检测法和二值化方法等图像处理方法，对采集的图像进行处理，进而基于图像识别模型识别出障碍物和车道线。识别出障碍物后和车道线后可以从采集到该障碍物和车道线的图像中获取对应的障碍物信息和车道线信息。

该障碍物信息可以包括障碍物相对当前车辆的方向、距离等信息，车道线信息可以包括车道线距离当前车辆的方向和距离等信息。

步骤104，获取v2x接收到的预设范围内的其他车辆的车辆信息，并从车辆信息中识别障碍车辆，并获取障碍车辆的车辆信息，其他车辆是在预设范围内当前车辆之外的车辆。

中央处理单元可以获取v2x系统接收预设范围的其他车辆的车辆信息，即其他车辆的车辆信息，其中预设范围可以是技术人员预先设置的范围，例如可以是当前车辆周围300m范围内，或者500m范围内，具体可以根据需求进行设定这里不做限定。该其他车辆的车辆信息可以包括其他车辆的车速、其他车辆的车辆位置信息、制动防抱死系统状态、车身稳定性系统状态、牵引力控制系统状态和车道偏移预警系统状态等。其中，其他车辆的车辆位置信息是其他车辆在地图上的实际位置，制动防抱死系统、车身稳定性系统状态和牵引力控制系统状态可以用来判断其他车辆是否处于失控状态。车道偏移预警系统可以用于判断其他车辆是否在其他车辆行进方向的下个路口进行转向。进而可以得到其他车辆的行驶状态、行驶方向和行驶速度等车辆信息。

可选的，可以基于其他车辆的车速和行车方向预测每辆其他车辆在预设时间内的行进范围；获取当前车辆的车速和行车方向，并预测当前车辆预设时间内的行进范围；基于当前车辆的行进范围和其他车辆的行进范围确定障碍车辆。

识别障碍车辆的过程可以是从其他车辆的车辆信息中获取其他车辆的车速和行车方向，该行车防线可以包括其他车辆的转向信息，基于技术人员预先设置的时间参数，即预设时间，预测其他车辆在预设时间内可能行驶的位置，得到每个其他车辆的行进范围，然后获取当前车辆的车速和行车方向，预测当前车辆在预设时间内的行进范围，从而确定与当前车辆行进范围有交叉的其他车辆的行进范围对应的其他车辆，将该其他车辆作为障碍车辆。

步骤105，基于障碍物信息、障碍车辆的车辆信息，进行障碍物整合，得到当前车辆周围的目标障碍物，并获取目标障碍物的障碍物信息。

从障碍物信息、障碍车辆的车辆信息中获取在每一时刻对应的障碍物和障碍车辆的位置信息，将相同时刻处于同一位置的障碍物或障碍车辆整确定为同一个障碍物或障碍车辆，进而得到当前车辆周围预设范围内的目标障碍物，该目标障碍物可以包括障碍车辆，然后从对应的雷达、摄像头或v2x系统中获取对应的障碍物信息，即目标障碍物的障碍物信息。

可选的，基于障碍物信息、障碍车辆的车辆信息，进行障碍物整合，得到当前车辆周围的目标障碍物，的过程可以如下：获取障碍物的障碍物类型、障碍物的位置信息和障碍车辆的位置信息；将其中处于相同位置的相同类型的障碍物或障碍车辆进行合并，得到当前车辆周围的目标障碍物。

步骤106，周期性的基于gps模块定位当前车辆所在区域，并基于车道线信息和目标障碍物的障碍物信息确定当前车辆在区域的位置。

可以周期性的获取gps模块中当前车辆的定位信息，确定当前周期内当前车辆所在位置，由于gps模块的精度问题，实际确定的准确位置是一个区域，通过车辆采集的车道线信息和目标障碍物信息可以确定当前车辆实际所在位置。

可选的，障碍物信息可以包括路标和地标建筑，周期性的基于gps模块确定当前车辆所在区域，并基于车道线和障碍物信息确定当前车辆在区域的位置，过程可以如下：可以从服务器中获取地图信息，基于gps模块确定当前车辆所在的地图信息中道路的区域范围；基于路标和地标建筑确定当前车辆在区域范围的位置。

中央处理单元可以通过v2x系统从服务器获取地图信息，基于gps模块确定的定位信息，即当前车辆所在区域，确定当前车辆在地图中的位置，然后基于识别出的路标和地标建筑与地图中对应路标和地图建筑的位置确定当前车辆在该区域的位置，即实际的位置。

步骤107，基于目标障碍物的障碍物信息和当前车辆的位置制定当前车辆的行进路线，并控制当前车辆按照行进路线行进。

在确定目标障碍物后，基于障碍物信息中障碍物的尺寸、位置、速度、运动方向等信息和当前车辆所在的位置，可以确定当前车辆通过目标障碍物的一条或多条可行路线，然后从中确定出最佳路线，该最佳路线可以是形式距离最短的路线。然后中央处理单元可以控制车辆按照该最佳路线行进，即按照制定定行进路线行进。

可选的，基于目标障碍物和当前车辆的位置制定当前车辆的行进路线，并控制当前车辆按照行进路线行进，具体过程可以如下：获取目标障碍物的位置信息并将地图信息和目标障碍物的位置信息进行合并；基于当前车辆的位置和目标障碍物的位置信息制定当前车辆的行进路线，并控制车辆按照行进路线行进。

在确定当前车辆在地图上的具体位置后，可以获取确定的目标障碍物的障碍物信息，然后从中获取目标障碍物的位置信息，该位置信息是相对于当前车辆的位置信息，基于当前车辆在地图上的具体位置，可以将目标障碍物的位置信息与地图信息进行整合，将对应的位置进行合并，即将目标障碍物标注在地图中，然后基于地图中目标账障碍物的位置制定当前车辆的行进路线，并控制车辆按照行进路线行进。

可选的，当前车辆在按照行进路线行进的过程中还可以通过v2x系统向其他车辆广播当前车辆的包括其他车辆车速、其他车辆车辆位置信息、制动防抱死系统状态、车身稳定性系统状态、牵引力控制系统状态和车道偏移预警系统状态等的车辆信息。

本发明实施例中，通过设置在当前车辆上用于采集当前车辆周围信息的多种雷达和摄像头采集雷达信息和图像，并基于服务器获取的障碍物识别模型识别车辆周围的障碍物，通过v2x系统获取当前车辆预设范围内其他车辆的车辆信息，基于障碍物和其他车辆的车辆信息规划当前车辆的行车路线，多种不同雷达的配合使用有效降低了环境对雷达检测的影响，通过v2x系统进行车辆之间的交互，可以更加精确的掌握周围车辆的状态、位置等车辆信息，提高了自动驾驶的安全性。

基于相同的技术构思，本发明实施例还提供了一种基于v2x的自动驾驶装置，该装置可以为上述实施例中的车载终端，如图3所示，该装置包括：

获取模块310，用于从服务器中获取障碍物识别模型，障碍物识别模型用于确定障碍物类型；

获取模块310，用于从多个第一雷达获取第一雷达信息，用于从第二雷达获取第二雷达信息，用于从第三雷达获取第三雷达信息，用于从多个第四雷达获取第四雷达信息，用于从第一摄像头获取第一图像，用于从多个第二摄像头获取第二图像；

识别模块320，用于基于障碍物识别模型，从第一雷达信息、第二雷达信息、第三雷达信息、第四雷达信息、第一图像和第二图像中识别障碍物和车道线，并获取障碍物的障碍物信息和车道线的车道线信息；

识别模块320，用于获取v2x接收到的预设范围内的其他车辆的车辆信息，并从车辆信息中识别障碍车辆，并获取障碍车辆的车辆信息，其他车辆是在预设范围内当前车辆之外的车辆；

整合模块330，用于基于障碍物信息、障碍车辆的车辆信息，进行障碍物整合，得到当前车辆周围的目标障碍物，并获取目标障碍物的障碍物信息；

定位模块340，用于周期性的基于gps模块定位当前车辆所在区域，并基于车道线信息和目标障碍物的障碍物信息确定当前车辆在区域的位置；

控制模块350，用于基于目标障碍物的障碍物信息和当前车辆的位置制定当前车辆的行进路线，并控制当前车辆按照行进路线行进。

可选的，识别模块320，用于：

基于其他车辆的车速和行车方向预测每辆其他车辆在预设时间内的行进范围；

获取当前车辆的车速和行车方向，并预测当前车辆预设时间内的行进范围；

基于当前车辆的行进范围和其他车辆的行进范围确定障碍车辆。

可选的，整合模块330，用于：

获取障碍物的障碍物类型、障碍物的位置信息和障碍车辆的位置信息；

将其中处于相同位置的相同类型的障碍物或障碍车辆进行合并，得到当前车辆周围的目标障碍物。

可选的，定位模块340，用于：

从服务器中获取地图信息，基于gps模块确定当前车辆所在的地图信息中道路的区域范围；

基于路标和地标建筑确定当前车辆在区域范围的位置。

可选的，控制模块350，用于：

获取目标障碍物的位置信息并将地图信息和目标障碍物的位置信息进行合并；

基于当前车辆的位置和目标障碍物的位置信息制定当前车辆的行进路线，并控制车辆按照行进路线行进。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

需要说明的是：上述实施例提供的基于v2x的自动驾驶装置在自动驾驶车辆时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于v2x的自动驾驶装置与基于v2x的自动驾驶方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

在示例性实施例中，还提供了一种计算机可读存储介质，存储介质中存储有至少一条指令，至少一条指令由处理器加载并执行以实现上述实施例中的基于v2x的自动驾驶方法。例如，所述计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

图4是本发明实施例提供的一种计算机设备的结构示意图，该计算机设备可以是上述实施例中的车载终端。该计算机设备1000可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessingunits，cpu)1001和一个或一个以上的存储器1002，其中，所述存储器1002中存储有至少一条指令，所述至少一条指令由所述处理器1001加载并执行以实现下述基于v2x的自动驾驶方法步骤：

从服务器中获取障碍物识别模型，障碍物识别模型用于确定障碍物类型；

从多个第一雷达获取第一雷达信息，从第二雷达获取第二雷达信息，从第三雷达获取第三雷达信息，从多个第四雷达获取第四雷达信息，从第一摄像头获取第一图像，从多个第二摄像头获取第二图像；

基于障碍物识别模型，从第一雷达信息、第二雷达信息、第三雷达信息、第四雷达信息、第一图像和第二图像中识别障碍物和车道线，并获取障碍物的障碍物信息和车道线的车道线信息；

获取v2x接收到的预设范围内的其他车辆的车辆信息，并从车辆信息中识别障碍车辆，并获取障碍车辆的车辆信息，其他车辆是在预设范围内当前车辆之外的车辆；

基于障碍物信息、障碍车辆的车辆信息，进行障碍物整合，得到当前车辆周围的目标障碍物，并获取目标障碍物的障碍物信息；

周期性的基于gps模块定位当前车辆所在区域，并基于车道线信息和目标障碍物的障碍物信息确定当前车辆在区域的位置；

基于目标障碍物的障碍物信息和当前车辆的位置制定当前车辆的行进路线，并控制当前车辆按照行进路线行进。

可选的，从车辆信息中识别障碍车辆，包括：

基于其他车辆的车速和行车方向预测每辆其他车辆在预设时间内的行进范围；

获取当前车辆的车速和行车方向，并预测当前车辆预设时间内的行进范围；

基于当前车辆的行进范围和其他车辆的行进范围确定障碍车辆。

可选的，基于障碍物信息、障碍车辆的车辆信息，进行障碍物整合，得到当前车辆周围的目标障碍物，包括：

获取障碍物的障碍物类型、障碍物的位置信息和障碍车辆的位置信息；

将其中处于相同位置的相同类型的障碍物或障碍车辆进行合并，得到当前车辆周围的目标障碍物。

可选的，障碍物信息包括路标和地标建筑，周期性的基于gps模块确定当前车辆所在区域，并基于车道线和障碍物信息确定当前车辆在区域的位置，包括：

从服务器中获取地图信息，基于gps模块确定当前车辆所在的地图信息中道路的区域范围；

基于路标和地标建筑确定当前车辆在区域范围的位置。

可选的，基于目标障碍物和当前车辆的位置制定当前车辆的行进路线，并控制当前车辆按照行进路线行进，包括：

获取目标障碍物的位置信息并将地图信息和目标障碍物的位置信息进行合并；

基于当前车辆的位置和目标障碍物的位置信息制定当前车辆的行进路线，并控制车辆按照行进路线行进。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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。