车辆控制方法及存储介质与流程
本技术实施例涉及智能驾驶,尤其涉及一种车辆控制方法及存储介质。
背景技术:
1、在自动驾驶领域中,通常基于高精地图规划车辆的行驶路径。其中,高精地图是由预先设置的扫描装置或测绘车辆对道路进行扫描,以采集道路的环境数据和车道的空间位置。
2、但随着城市化建设速度不断加快,城市道路经常处于施工或维修状态,且道路上还可能包括围栏、路障、临停车辆或其它障碍物,导致道路的车道信息发生变更。上述情况下,如果仍然采用高精地图所存储的历史车道信息进行路径规划,将极大影响自动驾驶的安全性和可靠性。
技术实现思路
1、本技术实施例的一个目的旨在提供一种车辆控制方法及计算机可读存储介质,提升自动驾驶安全性和灵活性。
2、在第一方面,本技术实施例提供一种车辆控制方法,包括:根据所述车辆上的传感器采集的感知数据,得到每个感知车道对应的第一车道中心线的空间位置,其中,一个所述感知车道对应于行驶道路中的一个现实车道;获取高精地图,并根据所述高精地图,得到每个所述感知车道对应的第二车道中心线的空间位置;根据每个所述感知车道对应的第一车道中心线的空间位置和每个所述感知车道对应的第二车道中心线的空间位置,得到每个所述感知车道对应的位置误差;根据每个所述感知车道对应的位置误差进行评分,得到每个所述感知车道的置信度分数;根据所述置信度分数控制所述车辆进行路径规划。
3、本技术实施例基于置信度分数,提前预判车道是否发生变更,以便车辆及时规划安全可靠高效地路径。另外,本技术实施例对各个感知车道的位置误差进行评分,得到置信度分数,置信度分数能够清晰地表达发生车道变更的概率,为车辆提供了准确可靠的决策信息,帮助车辆预见性地做出更可靠、安全的导航策略。
4、在一些实施例中,所述车辆上的传感器包括激光雷达和相机,所述根据所述车辆上的传感器采集的感知数据,得到每个感知车道对应的第一车道中心线的空间位置,包括:根据所述激光雷达采集的点云数据和所述相机采集的图像数据进行数据融合,得到所述行驶道路对应的感知地图;将所述感知地图输入预训练的道路结构感知模型,得到每个所述感知车道对应的第一车道中心线的空间位置。通过融合点云数据和图像数据,即使在光照环境较差或者下雨或者大雾等视野不清晰的情形下,仍能够获得精确的感知地图,进而可靠地保证从感知地图中提取出每个感知车道对应的第一车道中心线的空间位置。
5、在一些实施例中,所述高精地图包括至少一个标准车道的空间位置,一个所述标准车道对应于一个所述现实车道;所述根据所述高精地图,得到每个所述感知车道对应的第二车道中心线的空间位置,包括:获取所述车辆的当前位姿;根据所述车辆的当前位姿和预设筛选条件在所述高精地图中查找每个所述感知车道对应的所述标准车道;将每个所述感知车道对应的所述标准车道的车道中心线的空间位置作为每个所述感知车道对应的第二车道中心线的空间位置。
6、本技术实施例基于车辆的当前位姿,在高精地图中筛选少数或者关联性较大的标准车道,进而能够减少关于第二车道中心线的计算量,有利于提高车道变更的判断速度。
7、在一些实施例中,所述行驶道路包括至少一个所述现实车道,至少一个所述现实车道包括第一现实车道,所述第一现实车道对应的所述感知车道为包括第一感知车道;所述根据每个所述感知车道对应的第一车道中心线的空间位置和每个所述感知车道对应的第二车道中心线的空间位置,得到每个所述感知车道对应的位置误差,包括:将所述第一感知车道对应的第一车道中心线的空间位置映射至世界坐标系,得到所述第一感知车道对应的第三车道中心线的空间位置;将所述第一感知车道对应的第二车道中心线的空间位置映射至所述世界坐标系,得到所述第一感知车道对应的第四车道中心线的空间位置;根据所述第一感知车道对应的第三车道中心线的空间位置与所述第一感知车道对应的第四车道中心线的空间位置,得到至少一个误差评价指标;根据至少一个所述误差评价指标,得到所述第一感知车道对应的所述位置误差。
8、在一些实施例中,至少一个所述误差评价指标包括第一类评价指标,所述根据所述第一感知车道对应的第三车道中心线的空间位置与所述第一感知车道对应的第四车道中心线的空间位置,得到至少一个误差评价指标,包括:对所述第一感知车道对应的第三车道中心线进行离散点采样,得到多个当前位置点;对所述第一感知车道对应的第四车道中心线进行离散点采样,得到多个标准位置点,其中,一个所述标准位置点对应于一个所述当前位置点;计算每个所述当前位置点和每个所述当前位置点对应的所述标准位置点之间的第一距离值;根据多个所述第一距离值生成所述第一类评价指标,其中,所述第一类评价指标用于评价所述第一感知车道对应的第三车道中心线与所述第一感知车道对应的第四车道中心线之间的距离误差。
9、在一些实施例中,所述误差评价指标还包括第二类评价指标,所述方法还包括:计算多个角度差值,其中,所述角度差值为所述当前位置点的第一切线角度和所述当前位置点对应的所述标准位置点的第二切线角度的差值的绝对值;根据多个所述角度差值生成所述第二类评价指标,所述第二类评价指标用于评价所述第一感知车道对应的第三车道中心线与所述第一感知车道对应的第四车道中心线之间的角度误差。
10、在一些实施例中,所述误差评价指标还包括第三类评价指标,所述方法还包括:计算多个曲率差值,其中,所述曲率差值为所述当前位置点的第一曲率和所述当前位置点对应的所述标准位置点的第二曲率的差值的绝对值;根据多个所述曲率差值生成所述第三类评价指标,所述第三类评价指标用于评价所述第一感知车道对应的第三车道中心线与所述第一感知车道对应的第四车道中心线之间的曲率误差。
11、本技术实施例提出以第三车道中心线与第四车道中心线之间的距离、切向角度的差值及曲率差值表征第一车道中心线与第二车道中心线之间的位置误差,距离、切向角度的差值及曲率差值涵盖各类线条的形状变化特征,当车道被障碍物阻挡而导致第一车道中心线发生任意形态的变更,距离、切向角度的差值及曲率差值都能够可靠准确地描述变更后的第一车道中心线,因此,本技术实施例通过距离、切向角度的差值及曲率差值的三类评价指标,能够准确可靠地评价第一车道中心线与第二车道中心线之间的位置误差。
12、在一些实施例中,所述行驶道路包括至少一个所述现实车道,至少一个所述现实车道包括第一现实车道,所述第一现实车道对应的所述感知车道为包括第一感知车道;所述根据每个所述感知车道对应的位置误差进行评分,得到每个所述感知车道的置信度分数,包括:获取第一先验概率及第二先验概率,所述第一先验概率为所述第一感知车道对应的所述现实车道发生变更时的先验概率,所述第二先验概率为所述第一感知车道对应的所述现实车道没有发生变更时的先验概率;将所述第一感知车道对应的位置误差输入预设的第一概率分布模型,得到所述第一感知车道对应的所述现实车道发生变更时的第一观测概率;将所述第一感知车道对应的位置误差输入预设的第二概率分布模型,得到所述第一感知车道对应的现实车道没有发生变更时的第二观测概率;将所述第一先验概率、所述第二先验概率、所述第一观测概率及所述第二观测概率输入预设的贝叶斯模型,得到所述第一感知车道的置信度分数。第一先验概率和第二先验概率均为关于误差分布的历史数据或领域专家的经验,通过贝叶斯模型融合上述两种先验概率和两种观测概率,如此能够全面地评估发生车道变更时的位置误差的出现概率,比仅依赖当前观测概率进行评估会更为准确可靠。
13、在一些实施例中,所述根据所述置信度分数控制所述车辆进行路径规划,包括:当所述车辆所处现实车道对应的所述感知车道的置信度分数大于或等于预设分数阈值,调整所述车辆的导航轨迹,得到更新后的导航轨迹。
14、第二方面,本技术实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时使处理器执行上述的车辆控制方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com