Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020107974 - OBSTACLE AVOIDANCE METHOD AND DEVICE USED FOR DRIVERLESS VEHICLE

Document

说明书

发明名称 0001   0002   0003   0004   0005   0006   0007   0008   0009   0010   0011   0012   0013   0014   0015   0016   0017   0018   0019   0020   0021   0022   0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056   0057   0058   0059   0060   0061   0062   0063   0064   0065   0066   0067   0068   0069   0070   0071   0072   0073   0074   0075   0076   0077   0078   0079   0080   0081   0082   0083   0084   0085   0086   0087   0088   0089   0090   0091   0092   0093   0094   0095   0096   0097   0098   0099   0100   0101   0102   0103   0104   0105   0106   0107   0108   0109   0110   0111   0112   0113   0114  

权利要求书

1   2   3   4   5   6   7   8   9   10   11   12   13   14  

附图

1   2   3   4   5   6  

说明书

发明名称 : 用于无人驾驶车的避障方法和装置

[0001]
本申请要求于2018年11月30日提交的、申请号为201811458406.9、申请人为百度在线网络技术(北京)有限公司、发明名称为“用于无人驾驶车的避障方法和装置”的中国专利申请的优先权,该申请的全文以引用的方式并入本申请中。

技术领域

[0002]
本申请实施例涉及计算机技术领域,具体涉及无人驾驶技术领域,尤其涉及用于无人驾驶车的避障方法和装置。

背景技术

[0003]
无人驾驶车在行进过程中,需要对环境进行感知。在对环境进行感知时,检测前方的障碍物是环境感知的一个重要部分。
[0004]
通常需要设置在无人驾驶车上的相机采集环境图像,并使用激光雷达来测量前方物体的距离。无人驾驶车的车载大脑可以对相机所采集的环境图像进行分析,以确定前方是否存在障碍物,以及通过激光雷达的反馈数据确定障碍物的距离。
[0005]
发明内容
[0006]
本申请实施例提出了一种用于无人驾驶车的避障方法和装置。
[0007]
第一方面,本申请实施例提供了一种用于无人驾驶车的避障方法,该方法包括:响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息,障碍物信息包括障碍物的图像以及位置信息;接收预设终端设备发送的、根据所展示的障碍物信息而输入的障碍物的类别信息,其中,类别信息用于指示障碍物的类别;根据类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令。
[0008]
在一些实施例中,响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息,包括:响应于确定预设行驶路径中有障碍物,利用预先训练的障碍物类别识别模型,确定障碍物的参考类别信息,参考类别信息用于指示障碍物是否属于可忽略障碍物;若参考类别信息指示障碍物不属于可忽略障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息;其中障碍物类别识别模型基于使用多个历史障碍物信息以及根据该多个历史障碍物信息分别设置的该多个历史障碍物的历史类别信息对初始障碍物类别识别模型训练得到,用于根据障碍物信息确定障碍物的参考类别信息。
[0009]
在一些实施例中,该方法还包括:若参考类别信息指示障碍物不属于可忽略障碍物,确定障碍物与无人驾驶车之间的距离;若距离小于预设距离阈值,则生成减速行驶的指令。
[0010]
在一些实施例中,在接收预设终端设备发送的、根据障碍物信息而输入的障碍物的类别信息之前,该方法还包括:向预设终端设备发送用于提示预设行驶路径中有障碍物的提示信息,以使预设终端设备播放提示信息。
[0011]
在一些实施例中,根据类别信息所指示的障碍物的类别,确定无人驾驶车的行车指令,包括:若类别信息指示障碍物不属于可忽略障碍物,则将无人驾驶车的当前状态信息以及障碍物信息输入到预先训练的避障模型生成避障指令,避障模型基于使用多个历史避障记录对初始避障模型训练得到。
[0012]
在一些实施例中,在响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备之前,该方法还包括:根据所获取的无人驾驶车的当前环境数据,确定预设行驶路径中是否有障碍物。
[0013]
第二方面,本申请实施例提供了一种用于无人驾驶车的避障装置,该装置包括:发送单元,被配置成响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息,障碍物信息包括障碍物的图像以及位置信息;接收单元,被配置成接收预设终端设备发送的、根据所展示的障碍物 信息而输入的障碍物的类别信息,其中,类别信息用于指示障碍物的类别;指令生成单元,被配置成根据类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令。
[0014]
在一些实施例中,发送单元进一步被配置成:响应于确定预设行驶路径中有障碍物,利用预先训练的障碍物类别识别模型,确定障碍物的参考类别信息,参考类别信息用于指示障碍物是否属于可忽略障碍物;若参考类别信息指示障碍物不属于可忽略障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息;其中障碍物类别识别模型基于使用多个历史障碍物信息以及根据该多个历史障碍物信息分别设置的该多个历史障碍物的历史类别信息对初始障碍物类别识别模型训练得到,用于根据障碍物信息确定障碍物的参考类别信息。
[0015]
在一些实施例中,发送单元进一步被配置成:若所述参考类别信息指示障碍物不属于可忽略障碍物,确定所述障碍物与所述无人驾驶车之间的距离;若所述距离小于预设距离阈值,则生成减速行驶的指令。
[0016]
在一些实施例中,该装置还包括提示单元,被配置成:在接收单元接收预设终端设备发送的、由预设用户根据障碍物信息而输入的障碍物的类别信息之前,向预设终端设备发送用于提示预设行驶路径中有障碍物的提示信息,以使预设终端设备播放提示信息。
[0017]
在一些实施例中,指令生成单元,进一步被配置成:若类别信息指示障碍物不属于可忽略障碍物,则将无人驾驶车的当前状态信息以及障碍物信息输入到预先训练的避障模型生成避障指令,避障模型基于使用多个历史避障记录对初始避障模型训练得到。
[0018]
在一些实施例中,该装置还包括确定单元,确定单元被配置成:在发送单元响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备之前,根据所获取的无人驾驶车的当前环境数据,确定预设行驶路径中是否有障碍物。
[0019]
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述 一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
[0020]
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0021]
本申请实施例提供的用于无人驾驶车的避障方法和装置,通过响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息,之后,接收预设终端设备发送的、根据障碍物信息而输入的障碍物的类别信息,最后,根据类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令。通过将预设终端设备作为人机交互接口,从而使得无人驾驶车可以接收用户对障碍物类别的判断,并根据用户对障碍物类别的判断来决策避障策略。上述方法实现了在无人驾驶车行进过程中,由人工对障碍物进行辅助识别,并根据上述辅助识别结果来确定避障指令,可以减少由于对全部障碍物进行躲避而执行的减速行驶、绕行甚至停车等操作,从而可以改善由于对障碍物进行躲避而执行的减速行驶、绕行甚至停车引起的驾驶时间延长的现象。

附图说明

[0022]
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
[0023]
图1是本申请的一个实施例的用于无人驾驶车的避障方法可以应用于其中的示例性系统架构图;
[0024]
图2是根据本申请的用于无人驾驶车的避障方法的一个实施例的流程图;
[0025]
图3是根据本申请的用于无人驾驶车的避障方法的一个应用场景的示意图;
[0026]
图4是根据本申请的用于无人驾驶车的避障方法的又一个实施例的流程图;
[0027]
图5是根据本申请的用于无人驾驶车的避障装置的一个实施例的 结构示意图;
[0028]
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

[0029]
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
[0030]
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0031]
图1示出了本申请的一个实施例的用于无人驾驶车的避障方法可以应用于其中的示例性系统架构100。
[0032]
如图1所示,系统架构100可以包括无人驾驶车的控制系统101、终端设备102和用户103。终端设备102可以通过网络与控制系统101进行通信连接。上述网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
[0033]
控制系统101包括感知单元和驾驶决策单元。感知单元包括多个车载传感器,车载传感器可以实时采集无人驾驶车的环境数据。车载传感器可以包括车载摄像机、激光雷达传感器、毫米波雷达传感器、碰撞传感器、速度传感器、空气压力传感器等。
[0034]
驾驶决策单元可以为ECU(Electronic Control Unit,电子控制单元),或者可以为车载电脑,还可以为远程服务器。驾驶决策单元可以获取车载传感器采集的数据,对数据进行处理并响应。
[0035]
控制系统101可以将车载传感器采集的无人驾驶车的环境数据通过网络发送至终端设备102。终端设备102可以在其展示页面中展示环境图像。上述环境图像中可以包括障碍物信息。
[0036]
用户103可以使用终端设备102通过网络与控制系统101交互,以接收或发送消息等。终端设备102上可以安装有各种客户端应用, 例如地图类应用、视频播放类应用等。用户103可以根据终端设备上述显示的环境图像中的障碍物的图像对障碍物是否可忽略进行判断,并向终端设备102输入判断结果。终端设备102可以将上述判断结果发送至上述控制系统101。
[0037]
终端设备102可以是硬件,也可以是软件。当终端设备104为硬件时,可以是具有显示屏并且支持地图显示的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备102为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
[0038]
在一些应用场景中,上述终端设备102可以是设置在远程服务端的终端设备,上述用户103也可以位于远程服务端。
[0039]
在另外一些应用场景中,上述终端设备可以是设置在无人驾驶车内的终端设备,上述用户也可以位于无人驾驶车内。
[0040]
需要说明的是,本申请实施例所提供的用于无人驾驶车的避障方法一般由控制系统103执行,相应地,用于无人驾驶车的避障装置一般设置于控制系统103中。
[0041]
应该理解,图1中的终端设备、控制系统的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备和控制系统。
[0042]
继续参考图2,其示出了根据本申请的用于无人驾驶车的避障方法的一个实施例的流程200。该用于无人驾驶车的避障方法,包括以下步骤:
[0043]
步骤201,响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息。
[0044]
通常,在无人驾驶车上路行驶之前,需要预先规划无人驾驶车的行驶路径。在本实施例中,上述预设行驶路径可以为在无人驾驶车位于当前位置时,上述规划路径中所规划的无人驾驶车下一段待行驶的路径。
[0045]
在本实施例中,用于无人驾驶车的避障方法的执行主体可以首先 通过各种方法确定预设行驶路径中是否有障碍物。响应于确定预设行驶路径中有障碍物,上述执行主体可以将障碍物信息发送至预设终端设备(例如图1所示的终端设备)。上述预设终端设备可以在其展示页面展示障碍物信息。
[0046]
在本实施例的一些可选的实现方式中,在步骤201之前,用于无人驾驶车的避障方法还可以包括:根据所获取的无人驾驶车的当前环境数据,确定预设行驶路径中是否有障碍物。
[0047]
在这些可选的实现方式中,用于无人驾驶车的避障方法的执行主体(例如图1所示的控制系统)可以获取无人驾驶车的当前环境数据。
[0048]
通常,无人驾驶车上可以包括感知单元。感知单元包括多个车载传感器。多个车载传感器用于采集环境数据。上述环境数据包括无人驾驶车自身的状态信息以及无人驾驶车周围的状态信息。自身的状态信息包括速度、加速度、转向角度、所处位置等信息。周围状态信息包括道路位置、道路方向、周围的物体、车辆、行人等信息。
[0049]
例如,设置在车辆前端的车载摄像头可以采集无人驾驶车前方道路环境的图像。激光雷达传感器可以采集无人驾驶车周围环境中的物体的位置、大小、外部形貌等数据。
[0050]
在一些应用场景中,上述执行主体可以在上述无人驾驶车行进过程中实时获取环境数据,从而根据环境数据判断无人驾驶车预设行驶路径中是否有障碍物存在。
[0051]
上述障碍物可以为车辆、行人、动物、植物、警示标志等。
[0052]
通常,上述执行主体可以对实时获取到的环境数据进行分析,根据预设障碍物判断条件对周围环境进行判断,以确定无人驾驶车的预设行驶路径中是否有障碍物。例如上述预设障碍物判断条件可以包括地面上物体的高度高于地平面的第一预设高度以上。或者从天空中垂下的物体与地面之间的距离小于第二预设高度。这里的第一预设高度例如可以为10厘米。第二预设高度例如可以为无人驾驶车的高度。
[0053]
在一些应用场景中,上述执行主体可以将实时获取到的环境数据输入到预先训练的障碍物判断模型中,来判断无人驾驶车的预设行驶路径中是否有障碍物。上述障碍物判断模型例如可以是支持向量机模 型、朴素贝叶斯模型、神经网络模型等。
[0054]
上述障碍物判断模型可以是使用多个标记有障碍物的环境数据和标记无障碍物的环境数据,对初始障碍物判断模型进行训练得到的。
[0055]
上述障碍物信息可以包括障碍物的图像。障碍物的图像例如可以是由车载摄像机拍摄到的障碍物的图像,或者可以是根据车载激光雷达传感器扫描到的障碍物的形状、大小等生成的障碍物的图像等。
[0056]
进一步地,在上述预设终端设备的展示页面中还可以展示障碍物的位置数据。障碍物的位置数据例如可以包括障碍物的坐标。
[0057]
在一些应用场景中,上述预设终端设备可以设置在无人驾驶车内。
[0058]
在另外一些应用场景中,上述预设终端设备可以设置在远程服务端。
[0059]
步骤202,接收预设终端设备发送的、根据所展示的障碍物信息而输入的障碍物的类别信息。
[0060]
上述执行主体可以通过网络接收预设终端设备发送的、由预设用户输入的障碍物的类别信息。上述类别信息用于指示障碍物的类别。障碍物的类别包括可忽略障碍物和不可忽略障碍物。上述类别信息可以包括数字、符号或者数字和符号的组合等。也就是说,障碍物属于可忽略障碍物,或者属于不可忽略障碍物。
[0061]
可以由控制系统根据所确定的预设行驶路径中是否有障碍物的结果来确定车辆是否需要进行避障。通常当预设行驶路径中有障碍物时,需要实施避障策略;没有障碍物时,无人驾驶车可以按照预设行驶路径继续行驶。上述避障策略包括改变预设行驶路径,对障碍物绕行,减速行驶或者停车等。
[0062]
在本实施例中,将对于可忽略的障碍物,无人驾驶车按照预设行驶路径行驶,也作为一种避障策略。
[0063]
由于控制系统并不能对全部的障碍物是否为可忽略障碍物进行准确判断,如果出现将可忽略障碍物误判为不可忽略障碍物,则会发生无人驾驶车辆在行驶过程中由于采取对障碍物绕行,减速行驶或绕行等避障策略而引起行驶时间延长的现象。
[0064]
上述预设用户可以在预设终端设备的屏幕中观察到上述障碍物信 息。如果障碍物本身对无人驾驶车不会造成损伤,以及无人驾驶车在其上经过也不会对障碍物造成重大危害,则上述障碍物可以为可忽略障碍物。否则,障碍物为不可忽略障碍物。上述障碍物例如可以为在地面上生长的草,或者高空垂下的树叶、丝带等。
[0065]
预设用户可以将对障碍物类别的判断结果,输入到预设终端设备中。例如可以通过文字输入窗口或者音频输入窗口输入上述判断结果。还可以根据预设终端设屏幕展示的障碍物类别的选择项进行选择来输入上述判断结果。
[0066]
上述预设终端设备可以将障碍物的类别信息发送给上述执行主体。
[0067]
在一些应用场景中,上述预设用户可以是位于无人驾驶车内的用户,例如车辆安全员等。
[0068]
在另外一些应用场景中,上述预设用户可以是位于远程服务端的远程监控用户等。
[0069]
步骤203,根据类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令。
[0070]
在本实施例中,若上述类别信息指示障碍物属于可忽略障碍物,上述执行主体所生成的避障指令指示无人驾驶车沿预设行驶路径继续行驶。
[0071]
若上述类别信息指示障碍物属于不可忽略障碍物,上述执行主体生成的避障指令包括改变预设行驶路径对障碍物绕行的绕行行驶路径、绕行行驶速度等。
[0072]
在本实施例的一些可选的实现方式中,若所述类别信息指示所述障碍物属于不可忽略障碍物,则将无人驾驶车的当前状态信息以及障碍物信息输入到预先训练的避障模型生成避障指令,所述避障模型基于使用多个历史避障记录对初始避障模型训练得到。
[0073]
上述避障策略模型可以是现有的各种避障策略模型,例如基于神经网络的避障策略模型、基于DRL(Deep Reinforcement Learning,深度增强学习)的避障策略模型等。
[0074]
在这些实施方式中,在由预设用户输入的类别信息指示障碍物属 于不可忽略障碍物时,可以将无人驾驶车的当前状态、障碍物的位置等相关数据输入到预先训练的避障策略模型中,生成避障指令。车辆的当前状态信息所指示的当前状态例如可以包括车辆当前位置、车辆速度、加速度、姿态角等。上述避障指令例如可以包括绕行行驶路径、绕行行驶速度等,此外,避障指令还可以包括停车指令等。
[0075]
在这些可选的实现方式中,使用避障策略模型对不可忽略的障碍物生成避障指令,避免车辆与障碍物碰撞,可以加快生成避障指令的速度。
[0076]
继续参见图3,图3是根据本实施例的用于无人驾驶车的避障方法的应用场景300的一个示意图。在图3的应用场景中,无人驾驶车301的上的车载传感器可以实时采集无人驾驶车301的环境数据。在无人驾驶车301的预设行驶路径中有障碍物303。上述障碍物303例如可以为草。车载控制单元302根据所获取的无人驾驶车在当前状态下的环境数据,确定无人驾驶车的预设行驶路径中有障碍物304。之后,响应于确定在无人驾驶车的行进方向上有障碍物,控制单元302将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息,以使预设终端设备在其展示页面中展示障碍物信息305,上述障碍物信息包括障碍物的图像以及位置信息。接着,控制单元302接收预设终端设备发送的、由预设用户根据障碍物的图像而输入的障碍物的类别信息306,这里障碍物的类别信息用于指示障碍物是可忽略障碍物。最后,控制单元302根据上述预设用户输入的障碍物的类别信息指示障碍物为可忽略障碍物,则生成沿预设路径继续行驶的指令307。
[0077]
本申请的上述实施例提供的方法,通过响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息,之后,接收预设终端设备发送的、由预设用户根据障碍物信息而输入的障碍物的类别信息,最后,根据所述类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令。
[0078]
上述方法通过将预设终端设备作为人机交互接口,从而使得无人驾驶车可以接收用户对障碍物类别的判断,并根据预设用户对障碍物 类别的判断来决策避障指令。上述方法实现了在无人驾驶车的行进过程中,由人工对障碍物进行辅助识别,并根据上述辅助识别结果来确定避障指令,可以减少由于对障碍物进行躲避而执行减速行驶、绕行甚至停车等操作,从而可以改善由于对所有障碍物进行躲避而引起的驾驶时间延长的现象。
[0079]
进一步参考图4,其示出了用于无人驾驶车的避障方法的又一个实施例的流程400。该用于无人驾驶车的避障方法的流程400,包括以下步骤:
[0080]
步骤401,响应于确定预设行驶路径中有障碍物,利用预先训练的障碍物类别识别模型,确定障碍物的参考类别信息。
[0081]
在本实施例中,用于无人驾驶车的避障方法的执行主体(例如图1所示的控制系统)内可以设置预先训练的障碍物类别识别模型。或者上述执行主体可以通过有线网络或无线网络与设置障碍物类别识别模型的电子设备通信。上述障碍物类别识别模型用于根据输入的障碍物信息确定障碍物的参考类别信息。
[0082]
上述预先训练的障碍物类别识别模型可以是基于使用多个历史障碍物信息以根据该多个历史障碍物信息分别设置的该多个历史障碍物的历史类别信息对初始障碍物类别识别模型训练得到的。上述预先训练的障碍物类别识别模型用于根据障碍物信息确定障碍物的参考类别信息。
[0083]
上述参考类别信息用于指示障碍物是否属于可忽略障碍物。
[0084]
上述障碍物类别识别模型可以是各种机器学习模型,例如人工神经网络膜、卷积神经网络模型等。
[0085]
步骤402,若参考类别信息指示障碍物不属于可忽略障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息。
[0086]
在本实施例中,若在步骤402中得到障碍物物的参考类别信息所指示的障碍物属于可忽略障碍物,则上述执行主体可以忽略上述障碍物,上述执行主体生成的避障指令指示无人驾驶车按照原定行驶路径 行驶继续行驶。
[0087]
若参考类别信息指示障碍物不属于可忽略障碍物,则上述执行主体可以将障碍物的相关数据发送至预设终端设备,以使预设终端设备在其展示页面中展示上述障碍物信息。
[0088]
在本实施例中,由于在将障碍物的相关数据发送给预设终端设备进行展示之前,采用障碍物类别识别模型对环境数据进行了一次处理。减少了预设用户识别障碍物的类别信息的工作量,有利于缩短预设用户处理所展示的障碍物进行处理的时间。
[0089]
步骤403,接收预设终端设备发送的、由预设用户根据所展示的障碍物信息而输入的障碍物的类别信息。
[0090]
在本实施例中,步骤403与图2所示实施例的步骤202相同,此处不赘述。
[0091]
步骤404,根据类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令。
[0092]
在本实施例中,步骤404与图2所示实施例的步骤203相同,此处不赘述。
[0093]
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于无人驾驶车的避障方法的流程400突出了采用预先训练的障碍物类别识别模型确定障碍物的参考类别信息,若参考类别信息指示障碍物为不可忽略障碍物,再将障碍物的相关数据发送至预设终端设备的步骤,从而可以首先由障碍物类别识别模型对障碍物是否可忽略进行判断,然后再由预设用户进行判断。一方面可以减少预设用户的工作量,另一方面还可以进一步缩短无人驾驶车的行驶时间。
[0094]
在本实施例的一些可选的实现方式中,在步骤403的接收预设终端设备发送的、由预设用户根据所展示的障碍物信息而输入的所述障碍物的类别信息之前,用于无人车的避障方法还包括:若参考类别信息指示障碍物不属于可忽略障碍物,确定障碍物与无人驾驶车之间的距离;若距离小于预设距离阈值,则生成减速行驶的指令。
[0095]
在这些可选的实现方式中,由于参考类别信息指示障碍物不属于可忽略障碍物,用于无人车的避障方法的执行主体可以进一步确定障 碍物与无人驾驶车之间的距离。当障碍物与无人驾驶车之间的距离小于预设距离阈值时,生成减速行驶的指令可以使无人驾驶车减速行驶,从而使得预设用户有足够的时间来根据展示在预设终端设备上的障碍物信息判断障碍物的类别,以避免由于预设用户未及时对障碍物的类别作出判断,而引起的无人驾驶车与障碍物碰撞的现象。
[0096]
在本申请的用于无人驾驶车的避障方法各实施例的一些可选的实现方式中,在图2所示实施例的步骤203和图4所示实施例的步骤404之前,用于无人驾驶车的避障方法可以进一步包括:向预设终端设备发送用于提示预设路径中有障碍物的提示信息,以使预设终端设备播放上述提示信息。
[0097]
在这些可选的实现方式中,上述执行主体在确定了预设行驶路径中有障碍物,向预设终端设备发送障碍物信息,以使预设终端设备在其展示页面中展示障碍物信息的同时,可以向预设终端设备发送用于提示行驶方向上有障碍物的提示信息,以使预设终端设备播放上述提示信息。这些提示信息用来提示预设用户根据预设终端设备的展示页面中所展示的障碍物的图像和位置信息对障碍物的类别进行判断。
[0098]
这样一来,预设用户不用时刻观察预设终端设备的展示页面中所展示的环境图像的细节,仅需要在接收到提示信息时对预设终端设备所展示的障碍物信息进行判断,来对预设行驶路径中的障碍物的类别进行判断。可以减少预设用户的工作量,避免预设用户疲劳而引起的误判、漏判等。
[0099]
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于无人驾驶车的避障装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于如图5所示,本实施例的用于无人驾驶车的避障装置500包括:发送单元501、接收单元502和指令生成单元503。其中,发送单元501,被配置成响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使所述预设终端设备在其展示页面中展示所述障碍物信息,所述障碍物信息包括所述障碍物的图像以及位置信息;接收单元502,被配 置成接收所述预设终端设备发送的、由预设用户根据所展示的障碍物信息而输入的障碍物的类别信息,其中,所述类别信息用于指示所述障碍物的类别;指令生成单元503,被配置成根据所述类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令。
[0100]
在本实施例中,用于无人驾驶车的避障装置500的发送单元501、接收单元502和指令生成单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明,在此不再赘述。
[0101]
在本实施例的一些可选的实现方式中,发送单元501进一步被配置成:响应于确定预设行驶路径中有障碍物,利用预先训练的障碍物类别识别模型,确定障碍物的参考类别信息,参考类别信息用于指示障碍物是否属于可忽略障碍物;若参考类别信息指示障碍物不属于可忽略障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息;其中障碍物类别识别模型基于使用多个历史障碍物信息以及预设用户根据该多个历史障碍物信息分别设置的该多个历史障碍物的历史类别信息对初始障碍物类别识别模型训练得到,用于根据障碍物信息确定障碍物的参考类别信息。
[0102]
在本实施例的一些可选的实现方式中,发送单元501进一步被配置成:若所述参考类别信息指示障碍物不属于可忽略障碍物,确定所述障碍物与所述无人驾驶车之间的距离;若所述距离小于预设距离阈值,则生成减速行驶的指令。
[0103]
在本实施例的一些可选的实现方式中,用于无人驾驶车的避障装置500还包括提示单元(图中未示出)。提示单元被配置成:在接收单元接收预设终端设备发送的、由预设用户根据障碍物信息而输入的障碍物的类别信息之前,向预设终端设备发送用于提示预设行驶路径中有障碍物的提示信息,以使预设终端设备播放提示信息。
[0104]
在本实施例的一些可选的实现方式中,指令生成单元503进一步被配置成:若类别信息指示障碍物不属于可忽略障碍物,则将无人驾驶车的当前状态信息以及障碍物信息输入到预先训练的避障模型生成避障指令,避障模型基于使用多个历史避障记录对初始避障模型训练 得到。
[0105]
在本实施例的一些可选的实现方式中,用于无人驾驶车的避障装置500还包括确定单元(图中未示出)。确定单元被配置成:在发送单元响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备之前,根据所获取的无人驾驶车的当前环境数据,确定预设行驶路径中是否有障碍物。
[0106]
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
[0107]
如图6所示,计算机系统600包括中央处理单元(CPU,Central Processing Unit)601,其可以根据存储在只读存储器(ROM,Read Only Memory)602中的程序或者从存储部分606加载到随机访问存储器(RAM,Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O,Input/Output)接口605也连接至总线604。
[0108]
以下部件连接至I/O接口605:包括硬盘等的存储部分606;以及包括诸如LAN(局域网,Local Area Network)卡、调制解调器等的网络接口卡的通信部分607。通信部分607经由诸如因特网的网络执行通信处理。驱动器608也根据需要连接至I/O接口605。可拆卸介质609,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器608上,以便于从其上读出的计算机程序根据需要被安装入存储部分606。
[0109]
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分607从网络上被下载和安装,和/或从可拆卸介质609被安装。在该计算机程序被中央处理单元(CPU)601 执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
[0110]
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0111]
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
[0112]
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、接收单元和指令生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,发送单元还可以被描述为“响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使所述预设终端设备在其展示页面中展示所述障碍物信息的单元”。
[0113]
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使预设终端设备在其展示页面中展示障碍物信息,障碍物信息包括障碍物的图像以及位置信息;接收预设终端设备发送的、由预设用户根据所展示的障碍物信息而输入的障碍物的类别信息,其中,类别信息用于指示障碍物的类别;根据类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令。
[0114]
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限 于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

权利要求书

[权利要求 1]
一种用于无人驾驶车的避障方法,包括: 响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使所述预设终端设备在其展示页面中展示所述障碍物信息,所述障碍物信息包括所述障碍物的图像以及位置信息; 接收所述预设终端设备发送的、根据所展示的所述障碍物信息而输入的所述障碍物的类别信息,其中,所述类别信息用于指示所述障碍物的类别; 根据所述类别信息所指示的所述障碍物的类别,确定所述无人驾驶车的避障指令。
[权利要求 2]
根据权利要求1所述的方法,其中,所述响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使所述预设终端设备在其展示页面中展示所述障碍物信息,包括: 响应于确定所述预设行驶路径中有障碍物,利用预先训练的障碍物类别识别模型,确定所述障碍物的参考类别信息,所述参考类别信息用于指示所述障碍物是否属于可忽略障碍物; 响应于所述参考类别信息指示所述障碍物不属于可忽略障碍物,将障碍物信息发送至所述预设终端设备,以使所述预设终端设备在其展示页面中展示所述障碍物信息;其中 所述障碍物类别识别模型基于使用多个历史障碍物信息以及根据所述多个历史障碍物信息分别设置的所述多个历史障碍物的历史类别信息对初始障碍物类别识别模型训练得到,用于根据障碍物信息确定障碍物的参考类别信息。
[权利要求 3]
根据权利要求2所述的方法,其中,在所述接收所述预设终端设备发送的、根据所展示的障碍物信息而输入的所述障碍物的类别信息之前,所述方法还包括: 响应于所述参考类别信息指示障碍物不属于可忽略障碍物,确定 所述障碍物与所述无人驾驶车之间的距离; 若所述距离小于预设距离阈值,则生成减速行驶的指令。
[权利要求 4]
根据权利要求1所述的方法,其中,在所述接收所述预设终端设备发送的、根据所述障碍物信息而输入的所述障碍物的类别信息之前,所述方法还包括: 向所述预设终端设备发送用于提示预设行驶路径中有障碍物的提示信息,以使所述预设终端设备播放所述提示信息。
[权利要求 5]
根据权利要求1所述的方法,其中,所述根据所述类别信息所指示的障碍物的类别,确定无人驾驶车的避障指令,包括: 响应于所述类别信息指示所述障碍物不属于可忽略障碍物,则将所述无人驾驶车的当前状态信息以及障碍物信息输入到预先训练的避障模型生成避障指令,所述避障模型基于使用多个历史避障记录对初始避障模型训练得到。
[权利要求 6]
根据权利要求1所述的方法,其中,在所述响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备之前,所述方法还包括: 根据所获取的无人驾驶车的当前环境数据,确定预设行驶路径中是否有障碍物。
[权利要求 7]
一种用于无人驾驶车的避障装置,包括: 发送单元,被配置成响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备,以使所述预设终端设备在其展示页面中展示所述障碍物信息,所述障碍物信息包括所述障碍物的图像以及位置信息; 接收单元,被配置成接收所述预设终端设备发送的、根据所展示的所述障碍物信息而输入的所述障碍物的类别信息,其中,所述类别信息用于指示所述障碍物的类别; 指令生成单元,被配置成根据所述类别信息所指示的所述障碍物的类别,确定所述无人驾驶车的避障指令。
[权利要求 8]
根据权利要求7所述的装置,其中,所述发送单元进一步被配置成: 响应于确定所述预设行驶路径中有障碍物,利用预先训练的障碍物类别识别模型,确定所述障碍物的参考类别信息,所述参考类别信息用于指示所述障碍物是否属于可忽略障碍物; 响应于所述参考类别信息指示所述障碍物不属于可忽略障碍物,将障碍物信息发送至所述预设终端设备,以使所述预设终端设备在其展示页面中展示所述障碍物信息;其中 所述障碍物类别识别模型基于使用多个历史障碍物信息以及根据所述多个历史障碍物信息分别设置的所述多个历史障碍物的历史类别信息对初始障碍物类别识别模型训练得到,用于根据障碍物信息确定障碍物的参考类别信息。
[权利要求 9]
根据权利要求8所述的装置,其中,所述发送单元进一步被配置成: 响应于所述参考类别信息指示障碍物不属于可忽略障碍物,确定所述障碍物与所述无人驾驶车之间的距离; 响应于所述距离小于预设距离阈值,则生成减速行驶的指令。
[权利要求 10]
根据权利要求7所述的装置,其中,所述装置还包括提示单元,被配置成: 在所述接收单元接收所述预设终端设备发送的、根据所述障碍物信息而输入的所述障碍物的类别信息之前,向所述预设终端设备发送用于提示预设行驶路径中有障碍物的提示信息,以使所述预设终端设备播放所述提示信息。
[权利要求 11]
根据权利要求7所述的装置,其中,所述指令生成单元,进 一步被配置成: 响应于所述类别信息指示所述障碍物不属于可忽略障碍物,则将所述无人驾驶车的当前状态信息以及障碍物信息输入到预先训练的避障模型生成避障指令,所述避障模型基于使用多个历史避障记录对初始避障模型训练得到。
[权利要求 12]
根据权利要求7所述的装置,其中,所述装置还包括确定单元,所述确定单元被配置成: 在所述发送单元响应于确定预设行驶路径中有障碍物,将障碍物信息发送至预设终端设备之前,根据所获取的无人驾驶车的当前环境数据,确定预设行驶路径中是否有障碍物。
[权利要求 13]
一种电子设备,包括: 一个或多个处理器; 存储装置,其上存储有一个或多个程序, 当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
[权利要求 14]
一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。

附图

[ 图 1]  
[ 图 2]  
[ 图 3]  
[ 图 4]  
[ 图 5]  
[ 图 6]