一种自动驾驶车辆动态获取路测数据的方法及自动驾驶车辆与流程

1.本技术涉及自动驾驶车辆技术领域，尤其涉及一种自动驾驶车辆动态获取路测数据的方法、自动驾驶车辆及存储介质。


背景技术：

2.自动驾驶车辆是通过ecu(electronic control unit，电子控制单元)等车载终端设备，对车辆中各个部分进行精准的控制与计算分析，从而实现车辆的全自动运行，达到车辆无人驾驶的目的。
3.感知、预测、决策、规划、控制等是自动驾驶中的常规操作。为了有效且精确地自动驾驶车辆，自动驾驶系统的自动驾驶算法必须基于路测数据集进行训练，其中路测数据集是具有已知的带标注的数据。传统情况下，自动驾驶车辆在获取路测数据时，没有考虑到不同的场景使用不同的感知细度。自动驾驶算法在训练时，无法得到更精细的标注数据，从而影响自动驾驶算法的能力，进而影响自动驾驶车辆的驾驶安全。


技术实现要素：

4.有鉴于此，实有必要提供一种自动驾驶车辆动态获取路测数据的方法、自动驾驶车辆及存储介质。
5.第一方面，本技术实施例提供一种自动驾驶车辆动态获取路测数据的方法，所述自动驾驶车辆动态获取路测数据的方法包括：
6.根据所述第一细度场景数据判断是否需要提高感知细度；
7.当需要提高感知细度时，切换至第二感知模式；以及
8.在第二感知模式下，感知当前环境得到第二细度场景数据，其中，所述第二感知模式下的感知细度高于所述第一感知模式下的感知细度；
9.根据所述第二细度场景数据生成路测数据。
10.进一步，所述自动驾驶车辆在所述第一感知模式下启动的传感器数量少于所述自动驾驶车辆在所述第二感知模式下启动的传感器数量。
11.进一步，所述自动驾驶车辆在所述第一感知模式下启动的算法模块数量少于所述自动驾驶车辆在所述第二感知模式下启动的算法模块数量。
12.进一步，所述传感器包括激光雷达，所述自动驾驶车辆在所述第二感知模式下激光雷达点云的栅格颗粒小于所述自动驾驶车辆在所述第一感知模式下激光雷达点云的栅格颗粒。
13.进一步，所述根据所述第一细度场景数据判断是否需要提高感知细度，具体包括：
14.根据所述第一细度场景数据获取障碍物与所述自动驾驶车辆的距离；
15.当所述障碍物与所述自动驾驶车辆的距离小于第一预设值时，需要提高感知细度。
16.进一步，所述根据所述第一细度场景数据判断是否需要提高感知细度，还包括：
17.根据所述第一细度场景数据识别第一细度场景的类型，其中，所述自动驾驶车辆存储着第一场景类型，所述第一场景类型为需要所述自动驾驶车辆提高感知细度的场景；
18.当所述第一细度场景的类型与第一场景类型相匹配时，需要提高感知细度。
19.第二方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上所述的自动驾驶车辆动态获取路测数据的方法。
20.第三方面，本技术实施例提供一种自动驾驶车辆，所述自动驾驶车辆包括：
21.存储器，用于存储程序指令；以及
22.处理器，用于执行所述程序指令以使所述服务器实现如上所述的自动驾驶车辆动态获取路测数据的方法。
23.第四方面，本技术实施例提供一种自动驾驶车辆，所述自动驾驶车辆具有第一感知模式和第二感知模式，所述自动驾驶车辆包括：
24.第一感知模块，用于在第一感知模式下，感知当前环境得到第一细度场景数据；
25.场景分析模块，用于根据所述第一细度场景数据判断是否需要提高感知细度；
26.切换模块，用于当需要提高感知细度时切换至第二感知模式；
27.第二感知模块，用于在第二感知模式下感知当前环境得到第二细度场景数据，其中，所述第二感知模式下的感知细度高于所述第一感知模式下的感知细度；
28.路测数据生成模块，用于根据所述第二细度场景数据生成路测数据。
29.进一步，所述场景分析模块包括：
30.距离计算单元，用于根据所述第一细度场景数据获取障碍物与所述自动驾驶车辆的距离；
31.判断单元，用于当所述障碍物与所述自动驾驶车辆的距离小于第一预设值时，需要提高感知细度。
32.上述自动驾驶车辆动态获取路测数据的方法、自动驾驶车辆及存储介质，通过在第一感知模式下，自动驾驶车辆感知当前环境得到第一细度场景数据。根据第一细度场景数据判断是否需要提高感知细度。以及当需要提高感知细度时，切换至第二感知模式。在第二感知模式下，感知当前环境得到第二细度场景数据。实现了动态的调整感知细度获取路测数据，提供了更精细化的数据，进而提高了标注数据的准确率，从而提高车载自动驾驶算法的能力。
附图说明
33.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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示出的结构获得其他的附图。
34.图1为本技术实施例提供的自动驾驶车辆示意图。
35.图2为本技术实施例提供的自动驾驶车辆动态获取路测数据的方法的流程示意图。
36.图3为本技术实施例提供的自动驾驶车辆动态获取路测数据的方法的步骤s102的
第一子步骤流程示意图。
37.图4为本技术实施例提供的自动驾驶车辆动态获取路测数据的方法的步骤s102的第二子步骤流程示意图。
38.图5为本技术实施例提供的实际获取路测数据场景示意图。
39.图6为本技术实施例的使用路测数据的场景示意图。
40.图7为本技术实施例的自动驾驶车辆内部模块示意图。
41.图8为本技术实施例的自动驾驶车辆的判断模块示意图。
42.图9为本技术实施例提供的自动驾驶车辆的内部结构示意图。
43.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
44.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。说明书附图示出本发明的实施例的示例。可以理解的是，说明书附图示出的比例并非本发明实际实施的比例，其仅为示意说明为目的，并非依照原尺寸作图。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。
45.请结合参看图1，其为本技术实施例提供的自动驾驶车辆示意图。
46.自动驾驶车辆100是一种通过电脑系统实现无人驾驶的智能汽车，集感知、预测、决策、规划、控制等功能于一体。自动驾驶车辆100上安装有激光雷达、各类传感器和监控装置，实现对周围环境和交通状况的获取。自动驾驶车辆100是在无人操控的条件下自动将乘客从一个位置运送到另一个位置的车辆。自动驾驶车辆100还可以是摩托车、卡车、运动型多用途车辆(suv)、休闲车辆(rv)、船舶、飞行器等任何其它运输设备。在示例性实施例中，自动驾驶车辆100是所谓的四级或五级自动驾驶系统。四级系统指的是“高度自动化”的自动驾驶系统。四级系统的自动驾驶车辆可做出自主决策，一般不需要人类驾驶员做出任何操作，依靠可实时更新的道路信息数据支持，便可实现自动取还车、自动编队巡航、自动避障等各种实际场景下的应对功能。五级系统指的是“全自动化”的自动驾驶系统。五级系统的自动驾驶车辆可做出自主决策，完全不需要人类驾驶员做出任何操作，依靠可实时更新的道路信息数据支持，便可实现全天候、全地域的自动驾驶，并能应对环境气候及地理位置的变化产生的各种实际路况问题。
47.请结合参看图2，其为本技术实施例提供的自动驾驶车辆动态获取路测数据的方法流程示意图。自动驾驶车辆具有第一感知模式和第二感知模式。第一感知模式为自动驾驶车辆100在普通路段正常行驶时使用的模式。第二感知模式为自动驾驶车辆100在特殊路段，特定的场景时使用的模式。自动驾驶车辆100动态获取路测数据的方法具体包括下面步骤。
48.步骤s101，在第一感知模式下，感知当前环境得到第一细度场景数据。具体地，自动驾驶车辆100上设置有若干传感器，若干传感器可以为摄像机、毫米波雷达及红外线传感器，在本实施例中，第一感知模式为自动驾驶车辆100在普通路段正常行驶时使用的模式。相应地，自动驾驶车辆100在第一感知模式下启动普通路段正常行驶所需的传感器和算法模块对自动驾驶车辆100的周围环境进行感知得到相应的场景数据。该场景数据的细度为
第一细度。可以理解地，自动驾驶车辆采用不同传感器或者算法模块进行感知时，得到的场景数据的细度不同。例如，自动驾驶车辆100设有精测激光雷达和粗测激光雷达。在普通路段行驶时，自动驾驶车辆100在普通路段行驶时只需开启粗测激光雷达，当自动驾驶车辆100要停靠到狭小的停车位时，就需启动精测激光雷达，提高感知细度，以获取更精细的数据。场景数据包括自动驾驶车辆100的位置信息、行驶信息、道路信息、障碍物的信息、天气等，其中，障碍物的信息包括：障碍物的位置信息、速度和加速度中至少一项。例如：场景数据包括自动驾驶车辆100的本车信息，例如，gps定位信息、行驶速度及行驶方向等。场景数据还包括道路信息，例如，路段、直道、弯道、匝道等信息。以及场景数据还包括障碍物信息，如障碍物的位置信息、类型、速度及加速度等信息。
49.步骤s102，根据所述第一细度场景数据判断是否需要提高感知细度。具体地，自动驾驶车辆100提高感知细度，会造成感知计算量加大，在有限车载算力的条件下，普通情况不需要过高感知细度。当自动驾驶车辆100在狭窄的通道中、车身两边出现密集的人群等时，自动驾驶车辆100需要提高感知细度，以获得更精细的数据，保证自动驾驶车辆100的行驶安全。自动驾驶车辆100如何根据所述第一细度场景数据判断是否需要提高感知细度将在下文详细描述。
50.步骤s103，当需要提高感知细度时，切换至第二感知模式。具体地，第二感知模式为自动驾驶车辆100在特殊路段，特定的场景时使用的模式。例如，自动驾驶车辆100在狭窄的道路行驶、或者自动驾驶车辆100近距离遇到密集的行人等场景，自动驾驶车辆100需要启用第二感知模式。第一感知模式和第二感知模式的区别在于：自动驾驶车辆100在第二感知模式下启动的传感器数量多于自动驾驶车辆100在第一感知模式下启动的传感器数量。或者，自动驾驶车辆100在第二感知模式下启动的算法模块数量多于自动驾驶车辆100在第一感知模式下启动的算法模块数量。或者自动驾驶车辆100在第二感知模式下激光雷达点云的栅格颗粒小于自动驾驶车辆100在第一感知模式下激光雷达点云的栅格颗粒。
51.步骤s104，在第二感知模式下，感知当前环境得到第二细度场景数据，其中，所述第二感知模式下的感知细度高于所述第一感知模式下的感知细度。具体地，场景数据包括自动驾驶车辆100的位置信息、行驶信息、道路信息、障碍物的信息、天气等，其中，障碍物的信息包括：障碍物的位置信息、速度和加速度中至少一项。在第二感知模式下感知到的第二细度场景数据，比在第一感知模式下的感知到的第一细度场景数据更加精细。
52.步骤s105，根据所述第二细度场景数据生成路测数据。具体地，自动驾驶车辆100使用车载的自动驾驶算法计算第二细度场景数据得到路测数据。其中，路测数据包括了自动驾驶车辆100对路上障碍物的感知、预测、决策、规划等数据，也包括了对路上每个障碍物轨迹的精准跟踪。自动驾驶车辆100提高感知细度的方式包括自动驾驶车辆100增加传感器数量获取路测数据、增加算法模块计算所述路测数据；以及降低激光雷达点云的栅格颗粒大小获取路测数据。例如，自动驾驶车辆100设有精测毫米波雷达及粗测毫米波雷达，在马路上行驶不需要使用精细毫米波雷达，在倒车入库时，就需要开启精细毫米波雷达。例如，自动驾驶车辆100一般不需要做手势识别，当当前场景为交警指挥交通时，就需要启用手势识别模块。例如，自动驾驶车辆100进入施工修路路段两边有临时搭建的锥筒时，需要降低激光雷达点云的栅格颗粒大小以获取更精细的数据。例如，在普通情况下栅格颗粒是10厘米，但在非常狭窄的道路情况下，自动驾驶车辆100可动态降低栅格颗粒度，将栅格颗粒改
变为5厘米，对障碍物大小识别更加精细。通过自动驾驶车辆100获取更精细的路测数据，从而在标注路测数据时，可以获得更加准确的标注数据，更加准确的标注数据有利于训练出更加强大的车载端的自动驾驶算法，提高自动驾驶车辆100的安全系数。
53.上述实施例自动驾驶车辆100通过动态调节感知细度，获取更精细的路测数据，进而提高了标注数据的准确率，从而提高车载自动驾驶算法的能力。
54.请结合参看图3，其为本技术实施例提供的自动驾驶车辆动态获取路测数据的方法的步骤s102的第一子步骤流程示意图。步骤s102具体包括下面的步骤：
55.s1021，根据所述第一细度场景数据获取障碍物与所述自动驾驶车辆的距离。具体地，自动驾驶车辆100通过摄像机、毫米波雷达及红外线等传感器获取障碍物的数据，其中，障碍物的信息包括障碍物的位置信息、长度及宽度等。自动驾驶车辆100设有定位传感器，通过定位传感器获取自身的当前位置信息。自动驾驶车辆100通过自身的当前位置信息和障碍物的位置信息计算障碍物与自动驾驶车辆100的距离。
56.s1022，当所述障碍物与所述自动驾驶车辆的距离小于第一预设值时，需要提高感知细度。具体地，自动驾驶车辆100判断出障碍物与所述自动驾驶车辆100的距离小于第一预设值时，需要提高感知细度。如图5，当自动驾驶车辆100前方出现密集的人群时，并且自动驾驶车辆100与密集的人群的距离很近，此时自动驾驶车辆100可以通过调用精度更小的雷达传感器或者降低激活雷达点云的栅格颗粒大小以获取更精细的数据。
57.请结合参看图4，其为本技术实施例提供的自动驾驶车辆动态获取路测数据的方法的步骤s102的第二子步骤流程示意图。步骤s102具体包括下面的步骤：
58.s1023，根据所述第一细度场景数据识别第一细度场景的类型，其中，所述自动驾驶车辆存储着第一场景类型，所述第一场景类型为需要所述自动驾驶车辆提高感知细度的场景。具体地，自动驾驶车辆100预选存储着第一场景类型，例如，交警指挥交通的场景、自动驾驶车辆100近距离的盲区发现障碍物的场景等。
59.s1024，当所述第一细度场景的类型与第一场景类型相匹配时，需要提高感知细度。具体地，自动驾驶车辆100识别当前场景为交警指挥交通的场景，并且交警指挥交通的场景被自动驾驶车辆100预先标记为第一场景类型，则自动驾驶车辆100通过增加手指识别的算法模块去识别交警的手势，获取到更精细的路测数据。
60.请结合参看图6，其为本技术实施例的使用路测数据的场景示意图。该场景包括自动驾驶车辆100、服务器200和客户端300，自动驾驶车辆100和服务器200之间通过无线网络连接，服务器200和客户端300之间通过有线或无线网络连接。
61.在获取路测数据时，自动驾驶车辆100在道路上行驶，自动驾驶车辆100上的激光雷达、摄像头等传感器采集路测数据并进行存储，发送给服务器200。服务器200调用自动驾驶算法，对路测数据进行相应的处理，得出处理数据，并利用处理数据对路测数据进行标注。
62.客户端300接收服务器200发送的路测数据，在服务器200上无法准确对路测数据进行标注时，就需要标注人员在客户端300通过标注工具来对识别出的障碍物进行校正和补标。在一些实施例中，客户端300可以是电脑、平板电脑等终端。服务器200可以是塔式服务器、机架式服务器、刀片式服务器、高密度服务器、机柜式服务器等。
63.具体地，自动驾驶车辆100在路上收集路测数据的过程中是有时间顺序的，路测数
据包括了自动驾驶车辆100对路上障碍物的感知、预测、决策、规划等数据，也包括了对路上每个障碍物轨迹的精准跟踪。自动驾驶车辆100通过无线网络将路测数据上传到服务器200。自动驾驶车辆100在路上收集路测数据的过程中是有时间顺序的，自动驾驶车辆100在路上实时处理路测数据时也必须有时间上的顺序性，但是路测数据在被服务器200获取后，可以不限制于时间顺序，可以利用后面的数据来对前面的数据进行标注。例如，第一标签的路测数据包括一个行人站在马路边上，第二标签的路测数据包括这个行人穿过马路的追踪轨迹。通过第二标签的路测数据的行为数据可知，第一标签的路测数据中的该行人的意图为“横穿马路”，将第二标签的路测数据中行人的行为数据对第一标签的路测数据进行标注。其中，所述第一标签的路测数据是在第一时间进行路测所得，所述第二标签的路测数据是在第二时间路测所得，所述第一时间早于所述第二时间。
64.请结合参看图7，其为本技术实施例的自动驾驶车辆内部模块示意图。自动驾驶车辆100包括第一感知模块101、场景分析模块102、切换模块103、第二感知模块104及路测数据生成模块105。
65.第一感知模块101，用于在第一感知模式下，感知当前环境得到第一细度场景数据。具体地，自动驾驶车辆100上设置的激光雷达、摄像头等传感器采集场景数据并进行存储。
66.场景分析模块102，用于根据所述第一细度场景数据判断是否需要提高感知细度。具体地，场景分析模块102根据第一感知模块101获取的第一细度场景数据判断是否需要提高感知细度。
67.切换模块103，用于当需要提高感知细度时，切换至第二感知模式。具体地，当场景分析模块102判断为需要提高感知细度时，切换模块103将第一感知模式切换至第二感知模式。
68.第二感知模块104，用于在第二感知模式下感知当前环境得到第二细度场景数据，其中，所述第二感知模式下的感知细度高于所述第一感知模式下的感知细度。具体地，第二感知模块104感知当前环境得到第二细度场景数据。
69.路测数据生成模块105，用于根据所述第二细度场景数据生成路测数据。具体地，路测数据生成模块105根据第二感知模块104感知到的第二细度场景数据生成路测数据。
70.请结合参看图8，其为本技术实施例的自动驾驶车辆的场景分析模块示意图。场景分析模块102包括距离计算单元1021及第一调整单元1022。
71.距离计算单元1021，用于根据所述第一细度场景数据获取障碍物与所述自动驾驶车辆的距离。具体地，距离计算单元1021根据场景数据获取模块101获取的第一细度场景数据，获取障碍物与自动驾驶车辆100的距离。
72.判断单元1022，当所述障碍物与所述自动驾驶车辆的距离小于第一预设值时，需要提高感知细度。具体地，当判断单元1022判断出障碍物与自动驾驶车辆100的距离小于第一预设值时，则需要提高自动驾驶车辆100的感知细度。
73.请结合参看图9，其为本技术实施例提供的自动驾驶车辆的内部结构示意图。自动驾驶车辆100包括存储器1001、处理器1002和总线1003。其中，存储器1001至少包括一种类型的可读存储介质，该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器1001在一些实施例中可以是自动驾驶车辆
100的内部存储单元，例如自动驾驶车辆100的硬盘。存储器1001在另一些实施例中也可以是的外部自动驾驶车辆100存储设备，例如自动驾驶车辆100上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器1001还可以既包括自动驾驶车辆100的内部存储单元也包括外部存储设备。存储器1001不仅可以用于存储安装于自动驾驶车辆100的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
74.总线1003可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
75.进一步地，自动驾驶车辆100还可以包括显示组件1004。显示组件1004可以是led(light emitting diode，发光二极管)显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示组件1004也可以适当的称为显示装置或显示单元，用于显示在自动驾驶车辆100中处理的信息以及用于显示可视化的用户界面。
76.进一步地，自动驾驶车辆100还可以包括通信组件1005，通信组件1005可选的可以包括有线通信组件和/或无线通信组件(如wi-fi通信组件、蓝牙通信组件等)，通常用于在自动驾驶车辆100与其他设备之间建立通信连接。
77.处理器1002在一些实施例中可以是一中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器1001中存储的程序代码或处理数据。
78.可以理解地，图9仅示出了具有组件1001-1005的自动驾驶车辆100，本领域技术人员可以理解的是，图9示出的结构并不构成对自动驾驶车辆100的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
79.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
80.在本技术所提供的几个实施例中，应该理解到，所揭露的系统、方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，该单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
81.该作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
82.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
83.该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台仿真计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、流动硬盘、只读存储介质(rom，read-only memory)、随机存取存储介质(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
84.以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。