Nothing Special   »   [go: up one dir, main page]

CN114248794A - 车辆的控制方法、装置及车辆 - Google Patents

车辆的控制方法、装置及车辆 Download PDF

Info

Publication number
CN114248794A
CN114248794A CN202011007408.3A CN202011007408A CN114248794A CN 114248794 A CN114248794 A CN 114248794A CN 202011007408 A CN202011007408 A CN 202011007408A CN 114248794 A CN114248794 A CN 114248794A
Authority
CN
China
Prior art keywords
vehicle
obstacle
potential energy
collision
motion state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011007408.3A
Other languages
English (en)
Inventor
张晓毓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yinwang Intelligent Technology Co ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202011007408.3A priority Critical patent/CN114248794A/zh
Priority to PCT/CN2021/114741 priority patent/WO2022062825A1/zh
Publication of CN114248794A publication Critical patent/CN114248794A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了人工智能领域中的一种自动驾驶技术，以提高调整车辆的运动速度和运动方向的安全性。该方法包括：采集预设范围内障碍物的运动状态；将障碍物的运动状态分别输入人工智能AI模型以及势能函数，确定车辆的第一运动状态和第二运动状态，其中，势能函数通过计算障碍物与车辆之间的碰撞势能指示障碍物与车辆发生碰撞的可能性，碰撞势能越大碰撞的可能性越高，碰撞势能越小碰撞的可能性越小，第一运动状态为基于AI模型计算得到的车辆的运动速度和方向，第二运动状态为基于势能函数模型计算得到的车辆的运动速度和方向；基于第一运动状态和/或第二运动状态，确定车辆的目标运动状态，目标运动状态包括车辆的目标运动速度和目标运动方向。

Description

车辆的控制方法、装置及车辆
技术领域
本申请涉及自动驾驶领域，并且更具体地，涉及车辆的控制方法、装置及车辆。
背景技术
人工智能(artificial intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。
自动驾驶是人工智能领域的一种主流应用，自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。自动驾驶的车辆使用各种计算系统来帮助将乘客从一个位置运输到另一位置。一些自动驾驶车辆可能要求来自操作者(诸如，领航员、驾驶员、或者乘客)的一些初始输入或者连续输入。自动驾驶车辆准许操作者从手动模操作式切换到自东驾驶模式或者介于两者之间的模式。由于自动驾驶技术无需人类来驾驶机动车辆，所以理论上能够有效避免人类的驾驶失误，减少交通事故的发生，且能够提高公路的运输效率。因此，自动驾驶技术越来越受到重视。
目前，可以将车辆周围的障碍物的运动状态输入AI模型，以通过AI模型得到车辆的运动速度和运动方向，以调整车辆的运动速度和运动方向，以避免车辆与车辆周围的障碍物发生碰撞。然而，在上述使用AI模型控制车辆的运动速度、运动方向的方案中，由于AI模型的不可解释性和不可预知性，导致控制的车辆的安全性无法满足。
发明内容
本申请提供一种车辆的控制方法、装置及车辆，以提高调整车辆的目标运动速度和目标运动方向的安全性。
第一方面，提供了一种车辆的控制方案，包括：采集预设范围内障碍物的运动状态；将所述障碍物的运动状态分别输入人工智能AI模型以及势能函数，确定车辆的第一运动状态和第二运动状态，其中，所述势能函数通过计算所述障碍物与所述车辆之间的碰撞势能指示所述障碍物与所述车辆发生碰撞的可能性，所述碰撞势能越大所述碰撞的可能性越高，所述碰撞势能越小所述碰撞的可能性越小，所述第一运动状态为基于所述AI模型计算得到的所述车辆的运动速度和方向，所述第二运动状态为基于所述势能函数模型计算得到的所述车辆的运动速度和方向；基于所述第一运动状态和/或第二运动状态，确定所述车辆的目标运动状态，所述目标运动状态包括所述车辆的目标运动速度和目标运动方向。
在本申请实施例中，将障碍物的运动状态分别输入AI模型以及势能函数，以得到第一运动状态和第二运动状态，并基于第一运动状态和第二运动状态确定车辆的目标运动状态，以避免现有技术中，只能基于AI模型确定车辆的目标运动状态，有利于提高确定车辆的目标运动状态的安全性。
另一方面，本申请实施例中，基于势能函数确定车辆的第二运动状态，有利于提高确定目标运动状态的准确性，避免了现有技术中仅基于车辆与障碍物的相对距离确定车辆的目标运动状态。
在一种可能的实现方式中，所述碰撞势能与所述障碍物和所述车辆之间的相对距离反相关，所述碰撞势能与所述障碍物与所述车辆之间的相对速度正相关。
在本申请实施例中，障碍物与车辆之间的碰撞势能与障碍物与车辆之间的相对距离反相关，且与障碍物与车辆之间的相对速度正相关，有利于衡量障碍物与车辆之间发生碰撞的可能性。
可选地，上述相对速度可以为障碍物与车辆之间的相对速度在车辆行驶方向上的分量。
在本申请实施例中，障碍物与车辆之间的碰撞势能与相对速度在车辆行驶方向上的分量正相关，有利于提高障碍物与车辆之间发生碰撞的可能性的准确度。
在一种可能的实现方式中，所述基于所述第一运动状态和/或第二运动状态，确定所述车辆的目标运动状态，包括：若所述障碍物与所述车辆之间的相对距离小于第一预设距离，和/或所述障碍物与所述车辆之间的相对速度高于第一预设速度，则基于所述第二运动状态确定所述车辆的目标运动状态；和/或，若所述障碍物与所述车辆之间的相对距离大于第二预设距离，和/或所述障碍物与所述车辆之间的相对速度低于第二预设速度，则基于所述第一运动状态确定所述车辆的目标运动状态，所述第一预设距离小于或等于所述第二预设距离，所述第一预设速度大于或等于所述第二预设速度。
在本申请实施例中，若障碍物与车辆之间的相对距离小于第一预设距离，和/或障碍物与车辆之间的相对速度高于第一预设速度，即在较紧急的情况下，可以基于势能函数确定的第二运动状态确定车辆的目标运动状态，有利于提高确定车辆的目标运动状态的安全性。
若障碍物与车辆之间的相对距离大于第二预设距离，和/或障碍物与车辆之间的相对速度低于第二预设速度，即在非紧急的情况下，可以基于AI模型确定的第一运动状态确定车辆的目标运动状态，有利于减少确定车辆的目标运动状态的时间。
在一种可能的实现方式中，所述将所述障碍物的运动状态输入势能函数，确定车辆的第二运动状态，包括：基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态，其中，f0表示所述车辆与所述障碍物的当前碰撞势能，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
在本申请实施例中，基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定车辆的第二运动状态，使得当前碰撞势能与调整后的碰撞势能之间的变化较小，也就是说，使得车辆改变的运动速度的较小，车辆改变的运动角度的较小，以提高乘客的舒适度。
在一种可能的实现方式中，所述将所述障碍物的运动状态输入势能函数，确定车辆的第二运动状态，包括：基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，F1表示预设的第一碰撞势能阈值，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
在本申请实施例中，基于第二目标函数min(f＜F1)，确定车辆的第二运动状态，使得调整后的碰撞势能小于预设的第一碰撞势能阈值，有利于提高确定车辆的目标运动状态的安全性。
在一种可能的实现方式中，所述势能函数为
Figure BDA0002696422030000031
其中，k、α、β表示常系数，C表示常量，ν表示所述障碍物与所述车辆的之间的相对速度的大小，d表示所述障碍物与所述车辆之间的相对距离。
第二方面，提供一种车辆的控制方法，包括：计算障碍物与车辆之间的相对速度和相对距离；基于所述相对速度、所述相对距离，以及势能函数计算所述障碍物与所述车辆之间的碰撞势能，其中，所述碰撞势能指示所述障碍物与所述车辆发生碰撞的可能性，所述碰撞势能越大所述碰撞的可能性越高，所述碰撞势能越小所述碰撞的可能性越小；基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态；或基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，f0表示所述车辆与所述障碍物的当前碰撞势能，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能，F1表示预设的第一碰撞势能阈值。
在本申请实施例中，基于势能函数确定车辆的第二运动状态，有利于提高确定目标运动状态的准确性，避免了现有技术中仅基于车辆与障碍物的相对距离确定车辆的目标运动状态。
另一方面，本申请实施例中，基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定车辆的第二运动状态，使得当前碰撞势能与调整后的碰撞势能之间的变化较小，也就是说，使得车辆改变的运动速度的较小，车辆改变的运动角度的较小，以提高乘客的舒适度。基于第二目标函数min(f＜F1)，确定车辆的第二运动状态，使得调整后的碰撞势能小于预设的第一碰撞势能阈值，有利于提高确定车辆的目标运动状态的安全性。
在一种可能的实现方式中，所述碰撞势能与所述障碍物和所述车辆之间的相对距离反相关，所述碰撞势能与所述障碍物与所述车辆之间的相对速度正相关。
在本申请实施例中，障碍物与车辆之间的碰撞势能与障碍物与车辆之间的相对距离反相关，且与障碍物与车辆之间的相对速度正相关，有利于衡量障碍物与车辆之间发生碰撞的可能性。
可选地，上述相对速度可以为障碍物与车辆之间的相对速度在车辆行驶方向上的分量。
在本申请实施例中，障碍物与车辆之间的碰撞势能与相对速度在车辆行驶方向上的分量正相关，有利于提高障碍物与车辆之间发生碰撞的可能性的准确度。
在一种可能的实现方式中，所述基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态，包括：在舒适模式下，基于所述第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态。
在本申请实施例中，在舒适模式下，基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定车辆的第二运动状态，使得当前碰撞势能与调整后的碰撞势能之间的变化较小，也就是说，使得车辆改变的运动速度的较小，车辆改变的运动角度的较小，以提高乘客的舒适度。
需要说明的是，上述舒适模式可以是驾驶员输入的，也可以是车辆中控制器基于目前路况选择的，本申请实施例对此不作限定。
在一种可能的实现方式中，所述方法还包括：在安全模式下，基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，F1表示预设的第一碰撞势能阈值，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
在本申请实施例中，在安全模式下，基于第二目标函数min(f＜F1)，确定车辆的第二运动状态，使得调整后的碰撞势能小于预设的第一碰撞势能阈值，有利于提高确定车辆的目标运动状态的安全性。
需要说明的是，上述安全模式可以是驾驶员输入的，也可以是车辆中控制器基于目前路况选择的，本申请实施例对此不作限定。
第三方面，提供了一种车辆的控制装置，所述装置具有实现上述第一方面的方法设计中的装置的功能。这些功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的单元。
第四方面，提供了一种车辆的控制装置，所述装置具有实现上述第二方面的方法设计中的装置的功能。这些功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的单元。
第五方面，提供了一种计算设备，包括输入输出接口、处理器和存储器。该处理器用于控制输入输出接口收发信号或信息，该存储器用于存储计算机程序，该处理器用于从存储器中调用并运行该计算机程序，使得该计算设备执行上述第一方面中的方法。
第六方面，提供了一种计算设备，包括输入输出接口、处理器和存储器。该处理器用于控制输入输出接口收发信号或信息，该存储器用于存储计算机程序，该处理器用于从存储器中调用并运行该计算机程序，使得该计算设备执行上述第二方面中的方法。
第七方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述各方面中的方法。
第八方面，提供了一种计算机可读介质，所述计算机可读介质存储有程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述各方面中的方法。
第九方面，提供了一种芯片系统，该芯片系统包括处理器，用于计算设备实现上述方面中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。在一种可能的设计中，所述芯片系统还包括存储器，所述存储器，用于保存计算设备必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。
第十方面，提供了一种车辆，包括输入输出接口、处理器和存储器。该处理器用于控制输入输出接口收发信号或信息，该存储器用于存储计算机程序，该处理器用于从存储器中调用并运行该计算机程序，使得该计算设备执行上述各方面中的方法。
可选地，上述车辆可以具有自动驾驶功能。
附图说明
图1是本申请实施例适用的车辆100的功能框图。
图2是本申请实施例的适用的自动驾驶系统的示意图。
图3是本申请实施例的车辆的控制方法的流程图。
图4是本申请另一实施例的智能驾驶系统的架构的示意图。
图5是本申请另一实施例的车辆的控制的流程图。
图6是本申请实施例的坐标系中车辆和障碍物之间关系的示意图。
图7是本申请实施例的坐标系中车辆和障碍物之间运动状态的示意图。
图8是本申请实施例的碰撞风险等级的示意图。
图9是本申请实施例的交互系统的示意图。
图10是本申请实施例的车辆的控制装置的示意图。
图11是本申请实施例的车辆的控制装置的示意图。
图12是本申请另一实施例的计算设备的示意性框图。
具体实施方式
下面将结合附图，对本申请中的技术方案进行描述。为了便于理解，下文结合图1，以智能驾驶的场景为例，介绍本申请实施例适用的场景。
图1是本申请实施例提供的车辆100的功能框图。在一个实施例中，将车辆100配置为完全或部分地自动驾驶模式。例如，车辆100可以在处于自动驾驶模式中的同时控制自身，并且可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定该其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时，可以将车辆100置为在没有和人交互的情况下操作。
车辆100可包括各种子系统，例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地，车辆100可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。
行进系统102可包括为车辆100提供动力运动的组件。在一个实施例中，行进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。
能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他系统提供能量。
传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置120还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。
传感器系统104(又称“采集设备”)可包括感知关于车辆100周边的环境的信息的若干个传感器。例如，传感器系统104可包括定位系统122(定位系统可以是全球定位系统(global positioning system，GPS)系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)124、雷达126、激光测距仪128以及相机130。传感器系统104还可包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。
定位系统122可用于估计车辆100的地理位置。IMU 124用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，IMU 124可以是加速度计和陀螺仪的组合。
雷达126可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感知目标物以外，雷达126还可用于感知目标物的速度、位置、前进方向中的一种或多种状态。
激光测距仪128可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。
相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。
控制系统106为控制车辆100及其组件的操作。控制系统106可包括各种元件，其中包括转向系统132、油门134、制动单元136、计算机视觉系统140、路线控制系统142以及障碍规避系统144。
转向系统132可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘系统。
油门134用于控制引擎118的操作速度并进而控制车辆100的速度。
制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中，制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制车辆100的速度。
计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(structure from motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。
路线控制系统142用于确定车辆100的行驶路线。在一些实施例中，路线控制系统142可结合来自传感器、GPS 122和一个或多个预定地图的数据以为车辆100确定行驶路线。
障碍规避系统144用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。
当然，在一个实例中，控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
车辆100通过外围设备108与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。
在一些实施例中，外围设备108提供车辆100的用户与用户接口116交互手段。例如，车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中，外围设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如，麦克风150可从车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器152可向车辆100的用户输出音频。
无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统146可使用3G蜂窝通信，例如码分多址(code division multipleaccess，CDMA)、全球移动通信系统(Global System for Mobile Communications，GSM)/GPRS，或者第四代(fourth generation，4G)通信，例如LTE。或者第五代(5th-Generation，5G)通信。无线通信系统146可利用WiFi与无线局域网(wireless local area network，WLAN)通信。在一些实施例中，无线通信系统146可利用红外链路、蓝牙或紫蜂(ZigBee)与设备直接通信。其他无线协议，例如各种车辆通信系统，例如，无线通信系统146可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
电源110可向车辆100的各种组件提供电力。在一个实施例中，电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中，电源110和能量源119可一起实现，例如一些全电动车中那样。
车辆100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113，处理器113执行存储在例如数据存储器114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。
处理器113可以是任何常规的处理器，诸如商业可获得的中央处理器(centralprocessing unit，CPU)。替选地，该处理器可以是诸如专用集成电路(applicationspecific integrated circuit，ASIC)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机110的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机110的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。
在一些实施例中，存储器114可包含指令115(例如，程序逻辑)，指令115可被处理器113执行来执行车辆100的各种功能，包括以上描述的那些功能。存储器114也可包含额外的指令，包括向行进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令115以外，存储器114还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统112使用。
在一些实施例中，上述处理器113还可以执行本申请实施例的车辆纵向运动参数的规划方案，以帮助车辆规划纵向运动参数，其中具体的纵向运动参数规划方法可以参照下文中图3的介绍，为了简洁，在此不再赘述。
用户接口116，用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备，例如无线通信系统146、车载电脑148、麦克风150和扬声器152。
计算机系统112可基于从各种子系统(例如，行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制车辆100的功能。例如，计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍规避系统144检测到的障碍物。在一些实施例中，计算机系统112可操作来对车辆100及其子系统的许多方面提供控制。
可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，存储器114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1不应理解为对本发明实施例的限制。
在道路行进的自动驾驶车辆，如上面的车辆100，可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定自动驾驶车辆所要调整的速度。
可选地，自动驾驶车辆100或者与自动驾驶车辆100相关联的计算设备(如图1的计算机系统112、计算机视觉系统140、存储器114)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰等等)来预测所述识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，自动驾驶车辆能够基于所预测的物体的行为来确定车辆将需要调整到稳定状态(例如，加速、减速、或者停止)。在这个过程中，也可以考虑其它因素来确定车辆100的速度，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶车辆的速度的指令之外，计算设备还可以提供修改车辆100的转向角的指令，以使得自动驾驶车辆遵循给定的轨迹和/或维持与自动驾驶车辆附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等，本发明实施例不做特别的限定。
上文结合图1介绍了本申请实施例适用的场景，下文结合图2介绍执行本申请实施例的适用的自动驾驶系统。
图2是本申请实施例的适用的自动驾驶系统的示意图，计算机系统101包括处理器103，处理器103和系统总线105耦合。处理器103可以是一个或者多个处理器，其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)107，显示适配器可以驱动显示器109，显示器109和系统总线105耦合。系统总线105通过总线桥111和输入/输出(input/output，I/O)总线113耦合。I/O接口115和I/O总线耦合。I/O接口115和多种I/O设备进行通信，比如输入设备117(如：键盘，鼠标，触摸屏等)，多媒体盘(media tray)121,(例如，CD-ROM，多媒体接口等)。收发器123(可以发送和/或接受无线电通信信号)，摄像头155(可以捕捉景田和动态数字视频图像)和外部USB接口125。其中，可选地，和I/O接口115相连接的接口可以是USB接口。
其中，处理器103可以是任何传统处理器，包括精简指令集计算(ReducedInstruction Set Computing，RISC)处理器、复杂指令集计算(Complex Instruction SetComputer，CISC)处理器或上述的组合。可选地，处理器可以是诸如专用集成电路ASIC的专用装置。可选地，处理器103可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。
可选地，在本文所述的各种实施例中，计算机系统101可位于远离自动驾驶车辆的地方，并且可与自动驾驶车辆无线通信。在其它方面，本文所述的一些过程在设置在自动驾驶车辆内的处理器上执行，其它由远程处理器执行，包括采取执行单个操纵所需的动作。
计算机101可以通过网络接口129和软件部署服务器149通信。网络接口129是硬件网络接口，比如，网卡。网络127可以是外部网络，比如因特网，也可以是内部网络，比如以太网或者虚拟私人网络(Virtual Private Network，VPN)。可选地，网络127还可以是无线网络，比如Wi-Fi网络，蜂窝网络等。
硬盘驱动接口和系统总线105耦合。硬件驱动接口和硬盘驱动器相连接。系统内存135和系统总线105耦合。运行在系统内存135的数据可以包括计算机101的操作系统137和应用程序143。
操作系统包括外壳(shell)139和内核(kernel)141。外壳139是介于使用者和操作系统之内核间的一个接口。外壳139是操作系统最外面的一层。外壳139管理使用者与操作系统之间的交互：等待使用者的输入，向操作系统解释使用者的输入，并且处理各种各样的操作系统的输出结果。
内核141由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。直接与硬件交互，操作系统内核通常运行进程，并提供进程间的通信，提供CPU时间片管理、中断、内存管理、IO管理等等。
应用程序143包括控制车辆自动驾驶相关的程序，比如，管理自动驾驶的车辆和路上障碍物交互的程序，控制自动驾驶车辆路线或者速度的程序，控制自动驾驶车辆和路上其他自动驾驶车辆交互的程序。应用程序143也存在于软件部署服务器(deployingserver)149的系统上。在一个实施例中，在需要执行应用程序147时，计算机系统101可以从软件部署服务器(deploying server)149下载应用程序143。
在一些实施例中，上述应用程序还可以包括用于本申请实施例提供的目标物的感知方案对应的应用程序，其中本申请实施例的目标物的感知方案将在下文中具体介绍，为了简洁在此不再赘述。
传感器153(又称“采集设备”)和计算机系统101关联。传感器153用于探测计算机101周围的环境。举例来说，传感器153可以探测目标物，例如，动物，车辆，障碍物等，进一步传感器还可以探测上述目标物的周围的环境，比如：动物周围的环境，动物周围出现的其他动物，天气条件，周围环境的光亮度等。可选地，如果计算机101位于自动驾驶的车辆上，传感器可以是激光雷达，摄像头，红外线感应器，化学检测器，麦克风等。
在现有的障碍规避系统中，通常采用AI模型对车辆的运动速度和运动方向进行规划，以避免车辆与车辆周围的障碍物发生碰撞。然而，在上述使用AI模型控制车辆的运动速度、运动方向的方案中，由于AI模型的不可解释性和不可预知性，导致控制的车辆的安全性无法满足。
为了避免上述问题，本申请提供了一种新的车辆的控制方法，即在上述基于AI模型对车辆的运动速度的和运动方向进行控制的基础上，新增一种基于势能函数计算障碍物与车辆之间碰撞势能，以控制车辆的运动速度的和运动方向的方案，使得在控制车辆的运动速度和运动方向的过程中，既可以保留AI模型较高的感知、决策性能，又可以引入势能函数的可解释性和可预知性，以提高控制车辆的运动速度和运动方向的安全性。下文结合图3介绍本申请实施例的车辆的控制方法。
图3是本申请实施例的车辆的控制方法的流程图。应理解，图3所示的方法可以由图1中的障碍规避系统执行，或者由图2所示的处理器103执行。图3所示的方法包括步骤310至步骤330。
310，采集预设范围内障碍物的运动状态。
可选地，上述障碍物的运动状态可以包括障碍物的行驶速度、行驶方向、以及障碍物的位置等信息。
320，将障碍物的运动状态分别输入人工智能AI模型以及势能函数，确定车辆的第一运动状态和第二运动状态，其中，第一运动状态为基于AI模型计算得到的车辆的运动速度和方向，第二运动状态为基于势能函数计算得到的车辆的运动速度和方向。
上述势能函数通过计算障碍物与车辆之间的碰撞势能指示障碍物与车辆发生碰撞的可能性，碰撞势能越大碰撞的可能性越高，碰撞势能越小碰撞的可能性越小。
可选地，上述碰撞势能与障碍物和车辆之间的相对距离反相关，碰撞势能与障碍物与车辆之间的相对速度正相关。
例如，上述势能函数可以表示为
Figure BDA0002696422030000101
其中，k、α、β表示常系数，C表示常量，ν表示所述障碍物与所述车辆的之间的相对速度的大小，d表示所述障碍物与所述车辆之间的相对距离。
又例如，上述势能函数还可以表示为
Figure BDA0002696422030000102
其中，k'、α'、β'表示常系数，C'表示常量，ν'表示所述障碍物与所述车辆的之间的相对速度的大小，d'表示所述障碍物与所述车辆之间的相对距离。
又例如，上述势能函数还可以表示为f”＝f1(v”)+f2(d”)+C”，其中，ν”表示所述障碍物与所述车辆的之间的相对速度的大小，f1(v”)表示基于相对速度的函数，C”表示常量，d'表示所述障碍物与所述车辆之间的相对距离，f2(d”)基于相对距离的函数。
330，基于第一运动状态和/或第二运动状态，确定车辆的目标运动状态，目标运动状态包括车辆的目标运动速度和目标运动方向。
为了便于理解，下文结合图4介绍本申请实施例的智能驾驶系统。图4是本申请另一实施例的智能驾驶系统的架构的示意图。参见图4，智能驾驶系统400包括控制器401、感知设备402、交互系统403和执行系统404。
感知设备402用于通过传感器获取车辆周围的车辆、人和基础设施等障碍物的信息，包括障碍物的图像、探测信息，其中，探测信息可以根据感知设备类型不同而不同。例如，当感知设备为激光雷达时，激光雷达可以向目标发射探测信号(例如，激光束)，然后，将接收到的从目标反射回来的信号(例如，目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关探测信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数。上述障碍物的信息会发送给控制器401，由控制器401根据障碍物的信息进一步确定车辆到达目的地的行驶轨迹，再向执行系统404发送包括速度的控制指令，由执行系统404控制车辆行驶。其中，速度为矢量，包括大小和方向，速度的大小也可以称为速率。为了满足车辆安全行驶的高功能安全要求，控制器401中可以利用冗余的双通道设计，分别计算在同一段区域中车辆的运动速度。
需要说明的是，上述感知设备402可以理解为与图1中的传感系统104至少部分功能相同，上述执行系统404可以理解为与图1所示的行进系统102至少部分功能相同，上述控制器401可以理解为与图1所示的控制系统106至少部分功能相同。
上述控制器401可以包括工作通道和安全通道，工作通道用于利用AI模型规划车辆的第一运动速度和第一运动方向，安全通道利用上述势能函数规划车辆的第二运动速度和第二运动方向。控制器401可以利用工作通道和安全通道分别确定在行驶轨迹中同一段区域中车辆的运动速度和运动方向，再由控制器401根据预设条件确定所要选择的目标运动速度和目标运动方向。其中，由控制器401选择的目标运动速度和目标运动方向也可以称为最优速度。
上述工作通道4011用于利用AI模型进行感知、决策和路径规划，输出车辆的第一运动速度和第一运动方向，使得车辆能够满足质量管理(quality management，QM)要求。工作通道4011，包括第一感知模块40111和决策模块40112。第一感知模块40111用于收集感知设备采集的智能车辆周围的障碍物的信息，并针对障碍物信息进行处理得到路况信息，如障碍物类型、速度、大小、道路等基础设施情况(如当前方向车道数量、交通标识等)。决策模块40112用于根据第一感知模块40111提供的路况信息进一步确定在一段区域内行驶的方向和速度。
上述安全通道4012包括第二感知模块40121、决策和防碰撞模块40122。其中，决策和防碰撞模块40122用于根据第二感知模块40121提供的障碍物的信息，如障碍物与车辆的相对距离和相对速度。采用势能函数确定车辆的第二运动速度和第二运动方向，使得车辆行驶能够满足安全等级满足汽车安全完整性等级ASIL D等级要求。其中，ASIL等级是汽车安全完整性等级，用来描述组件或系统实现既定安全目标的概率。ASIL等级由三个基本要素决定，分别是严重度(severity,S)、暴露率(exposure,E)、可控性(controllability,C)。严重度，用于指示风险一旦发生，车内人员的生命财产遭受损害的严重程度；暴露率，用于指人员或财产遭受损害的概率；可控性，用于描述风险成为现实时驾驶员可在多大程度上采取主动措施避免损害发生。ASIL等级由高到低可分为D、C、B、A四个等级，D级安全风险最小，A级安全风险最大。在四个安全等级之外还有一个质量管理要求，该指令管理要求无安全方面要求，对于自动驾驶模式来说，安全风险相比于ASIL更大。
作为一种可能的实现方式，图4中第一感知模块40111和第二感知模块40112可以合并为一个感知模块，该合并后的感知模块从传感设备402中获得障碍物的信息，并据此信息进一步计算障碍物相对于车辆的距离和障碍物相对于车辆的相对速度等路况信息，并根据决策模块40112和决策和防碰撞模块40122所需的信息，分别向其发送所需内容。
图4所示控制器中第一感知模块40111、决策模块40112、第二感知模块40121、决策和防碰撞模块40122和仲裁模块405可以由硬件实现，也可以由软件实现，或者由硬件和软件共同实现相应的功能。
可选地，系统400中还包括交互系统403，该交互系统403用于实现车辆与驾驶员的消息交互，使得驾驶员可以通过交互系统403向车辆发送操作指示，并通过交互系统403了解车辆的当前状态。
作为一个可能的实施例，系统400还包括仲裁器405，由仲裁器405分别接收工作通道4011规划的第一运动速度和第一运动方向和安全通道4012规划的第二运动速度和第二运动方向，并由仲裁器405根据预设条件选择目标运动速度和目标运动方向。
作为一种可能的实现方式，图4仅是本申请提供的一种车辆的架构示意图，仲裁器可以由控制器中软件或硬件实现其功能。仲裁器也可以由独立的处理器实现冗余通道选择的作用。
可选地，上述步骤330包括：若障碍物与车辆之间的相对距离小于第一预设距离，或障碍物与车辆之间的相对速度高于第一预设速度，则基于第二运动状态确定车辆的目标运动状态；和/或，若障碍物与车辆之间的相对距离大于第二预设距离，或障碍物与车辆之间的相对速度低于第二预设速度，则基于第一运动状态确定车辆的目标运动状态，第一预设距离小于或等于第二预设距离，第一预设速度大于或等于第二预设速度。
上述障碍物与车辆之间的相对距离小于第一预设距离，或障碍物与车辆之间的相对速度高于第一预设速度，可以说明障碍物与车辆之间发生碰撞的可能性较高，属于紧急情况，在该情况下，为了提高安全性，可以将基于势能函数得到的车辆的第二运动状态作为车辆的目标运动状态。
上述障碍物与车辆之间的相对距离大于第二预设距离，或障碍物与车辆之间的相对速度低于第二预设速度，可以说明障碍物与车辆之间发生碰撞的可能性较低，属于非紧急情况，在该情况下，可以将基于AI模型得到的车辆的第一运动状态作为车辆的目标运动状态。
上述基于势能函数计算车辆的第二运动状态的方法有很多种，例如，可以将障碍物与车辆之间碰撞势能的垂直方向作为车辆的运动方向，并基于障碍物的运动速度和相对距离确定车辆的运动速度大小。当然，使用上述方法确定的车辆的第二运动状态有可能使得与车辆的当前运动状态之间的变化较大，也就是说，需要较大的方向调整以及速度调整才能使得车辆避开上述障碍物，在一定程度上会影响乘客的用户体验。
因此，本申请实施例还提供了一种基于势能函数确定车辆的第二运动状态的方法，即计算障碍物与车辆之间的相对速度和相对距离；基于相对速度、相对距离，以及势能函数计算障碍物与车辆之间的碰撞势能；基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定车辆的第二运动状态；或基于第二目标函数min(f＜F1)，确定车辆的第二运动状态，其中，f0表示车辆与障碍物的当前碰撞势能，f表示车辆与障碍物的之间需要调整到的碰撞势能，F1表示预设的第一碰撞势能阈值。
上述第一目标函数min(Δf)，可以理解为，求最优解使得上述当前碰撞势能与调整后碰撞势能变化最小的车辆的运动速度和运动方向，这样，可以使得车辆调整后的运动速度和运动方向。因此，上述基于第一目标函数min(Δf)求解车辆的运动速度和运动方向的方案，可以称为“舒适模式”，在该模式下，由于车辆调整后的运动速度和运动方向与当前运动速度和运动方向的变化量较小，车辆内乘客的舒适度较高。
上述第二目标函数min(f＜F1)，可以理解为，求最优解使得调整后碰撞势能小于预设的碰撞势能阈值，这样，基于上述碰撞势能阈值的设定F1，可以使得车辆调整后的运动速度和运动方向的安全性。因此，上述基于第二目标函数min(f＜F1)求解车辆的运动速度和运动方向的方案，可以称为“安全模式”，在该模式下，由于车辆调整后的运动速度和运动方向使得车辆和障碍物之间的碰撞势能小于预设的碰撞势能阈值，有利于提高车辆行驶的安全性。
为了便于理解，下文结合图5介绍本申请实施例的车辆的控制方法。图5是本申请实施例的车辆的控制的流程图。图5所示的方法包括步骤510至步骤590。
510，确定预设范围内障碍物与车辆之间的相对速度和相对距离。
上述预设范围内的障碍物可以包括一个或多个障碍物。
可以建立以车辆的质心为原点、车辆运动速度方向为X轴正向的二维坐标系，并确定预设范围每个障碍物在二维坐标系中位置，基于障碍物在二位坐标系中的位置确定障碍物与车辆之间的相对距离。
图6示出了本申请实施例的坐标系中车辆和障碍物之间关系的示意图。参见图6所示的坐标系，以车辆610的质心为原点，车辆610行驶速度方向为X轴正向，建立二维坐标系，在该坐标系中还包括障碍物1、障碍物2以及障碍物3。
上述确定车辆610与障碍物的之间相对距离和相对速度的具体过程可以分为以下3个步骤。应理解，计算多个障碍物中每个障碍物与车辆之间相对距离和相对速度的方法都可以采用以下方法，为了简洁，下文以其中一个障碍物(目标障碍物)为例介绍确定相对距离和相对速度的方法。
步骤1：采集T时刻目标障碍物在坐标系中的位置
Figure BDA0002696422030000131
采集T'时刻目标障碍物在坐标系中的位置
Figure BDA0002696422030000132
步骤2：计算车辆610与目标障碍物的当前距离
Figure BDA0002696422030000133
步骤3：计算车辆610与目标障碍物的相对速度，该相对速度的方向指向车辆610。
参见图7，假设目标障碍物在T时刻至T'时刻从位置
Figure BDA0002696422030000134
移动至位置
Figure BDA0002696422030000135
其中，T'＝T+Δt，
Figure BDA0002696422030000136
车辆610的速度为
Figure BDA0002696422030000137
则目标障碍物在Δt时间内移动的距离为
Figure BDA0002696422030000138
目标障碍物与车辆610的相对速度为
Figure BDA0002696422030000139
目标障碍物沿车辆610速度方向的投影为
Figure BDA00026964220300001310
需要说明的是，障碍物只有与自车同向且速度的大小接近时才有可能与自车发生碰撞，计算障碍物沿车辆速度方向的投影即确认障碍物与自车可能发生碰撞的速度分量。换句话说，障碍物沿车辆速度方向的投影用于指示障碍物沿自车行驶速度方向移动所造成与自车碰撞的趋势。将障碍物沿车辆速度方向的投影作为障碍物相对于车辆的相对速度。
520，基于障碍物与车辆之间的相对速度和相对距离，计算障碍物与车辆之间的碰撞势能。
利用
Figure BDA00026964220300001311
计算障碍物的碰撞势能。目标障碍物O的碰撞势能f(O)用于描述目标障碍物O可能与车辆发生碰撞的趋势，或称为车辆为避免目标障碍物的碰撞所应有的逃逸势能。例如，车辆与目标障碍物越近逃逸的趋势越强烈，目标障碍物逼近的越快逃逸的趋势越强烈。上述公式中k、α、β是常系数，C是常量，C的取值可以根据仿真结果、实际经验灵活设定。因为速度ν是目标障碍物相对车辆的速度，是一个既有大小又有方向的矢量。因此，f也是一个矢量且方向与v的方向相同。
值得说明的是，计算f(O)的大小时，则取v的大小带入上述公式计算获得障碍物的碰撞势能。f在x、y方向上的投影分别为
Figure BDA0002696422030000141
其中，vx和vy分别是ν在X轴和Y轴的坐标。
进一步地，决策和防碰撞模块可以根据周围车辆与自车的相对位置确定每个周围车辆在图6所示坐标系中位置。具体地，当以自车为原点的坐标系建立后，该坐标系为二维坐标系，在该二维坐标系的平面中，以周围车辆在该二维坐标系的投影位置作为周围车辆的位置。可选地，确定周围车辆在自车坐标系中位置的方法还包括：将周围车辆在大地坐标系中的坐标转换为二维坐标系，具体实施时可以采用传统技术的方法实现周围车辆在两个坐标系中坐标转换，本申请对此不作限定。
需要说明的是，如果上述障碍物为多个，可以基于矢量和的求解方式，将每个障碍物与目标车辆之间的碰撞势能求和，此时，上述f(O)可以理解为多个障碍物的碰撞势能和。
530，根据碰撞势能判断是否存在预警级别的障碍物。若存在预警级别的障碍物，执行步骤540，若不存在预警级别的障碍物，则可以结束计算过程，或者重新开始计算过程。
本申请实施例中可以基于碰撞势能将障碍物和车辆610之间的碰撞的风险划分为三个等级：安全级别、预警级别和危险级别。当障碍物处于安全级别时本车不存在碰撞可能；当障碍物处于预警级别时本车有碰撞可能，控制器可以通过交互系统提示驾驶员手动操作，进而实现避障；当障碍物处于危险级别时，控制器可以在紧急情况接管车辆的控制权，避免车辆其他模块执行处理中发生紧急情况出现自车与其他车辆碰撞。
值得说明的是，当障碍物处于危险等级时，控制器主动接管的情况仅限于车辆处于自动驾驶模式时由其他模块执行计算或数据处理的过程。对于人工驾驶模式，车辆的操作由驾驶员完全控制，控制器可以不干预车辆的行驶过程。
参见图8，假设碰撞风险等级可以根据车辆的避障能力(如性能和大小)分别预置第一碰撞势能阈值|F1|、第二碰撞势能阈值|F2|，当|F1|≤|f|<|F2|时，障碍物属于预警级别；当|f|≥|F2|时，障碍物属于危险级别；当|f|<|F1|时，障碍物属于安全级别，其中，|F1|<|F2|，则危险区域中的障碍物11属于危险级别，预警区域中的障碍物12、障碍物14、障碍物13属于预警级别，安全区域中的障碍物15、障碍物16、障碍物17属于安全级别。
540，向驾驶员发出警报。
550，根据碰撞势能判断是否存在危险级别的障碍物。若存在危险级别的障碍物，执行步骤560，若不存在危险级别的障碍物，则可以结束计算过程，或者重新开始计算过程。
560，向驾驶员发出警报。
570，选择安全模式或舒适模式。若选择安全模式则执行步骤580，若选择舒适模式选择步骤590。
580，基于第二目标函数min(f＜F1)，确定车辆的第二运动状态。
需要说明的是，在求可行解的过程中可能会存在无数个解(v,θ)，此时，可以在全部可行解中，选择相对于当前速度改变最小的可行解作为最优解，其中，v表示调整后车辆610的运动速度，θ表示调整后车辆610的运动方向。如果不存在满足条件的可行解(v,θ)，此时，可以选择令f最小的可行解(v,θ)作最优解，同时向驾驶员发出警告。
590，基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定车辆的第二运动状态。
需要说明的是，在求可行解的过程中可能会存在无数个解(v,θ)，此时，可以在全部可行解中，选择相对于当前速度改变最小的可行解作为最优解，其中，v表示调整后车辆610的运动速度，θ表示调整后车辆610的运动方向。如果不存在满足条件的可行解(v,θ)，此时，可以选择令Δf最小的可行解(v,θ)作最优解，同时向驾驶员发出警告。
可选地，上述步骤中“向驾驶员发出警报”可以通过图9所示的交互系统实现。如图9所示，该交互系统可以通过多种形式提示驾驶员注意障碍物情况，由驾驶员接管车辆或向车辆发送执行指令，以控制车辆的行驶。例如，音频提示、座椅震动提示、车内闪灯提示。人机交互系统还可以利用不同颜色或背景标识不同等级和区域。
具体地，可以利用以下方式中至少一种形式实现车辆与驾驶员的人机交互过程：
方式1：在车辆的车载显示界面通过文字提示该车辆与周围障碍物存在碰撞风险，以及第一速度和第二速度。示例地，图9中Va和Vb为可选的避障方向，驾驶员可以选择任意一个作为车辆行驶的方向。另外，除了标注Va和Vb为可选的避障方向外，还可以利用不同标识提示向障碍物方向行驶的碰撞风险，例如，在图9中障碍物O1和O2方向，利用五角星标识和文字提示“危险”。
方式2：在该车辆中通过语音提示该车辆与所述周围障碍物存在碰撞风险，第一速度和第二速度；在车辆中通过座椅震动提示所述车辆与周围障碍物存在碰撞风险。
方式3：在车辆中通过车灯闪灯提示车辆与周围障碍物存在碰撞风险。对于危险情况，还可以通过快速闪灯的方式提示驾驶员的注意。
作为一种可能的实现方式，车辆按照上述方法进行躲避障碍物后，可能更改了决策模块所确定的原始行驶轨迹，还需要进一步结合当前时刻车辆所处的路况重新规划或调整原始行驶轨迹，进而保证车辆顺利到达驾驶员指定的目的地。
可选地，车辆除了利用上述控制器确定速度外，也可以接收驾驶员通过界面或语音等形式所选择的速度，在接收上述速度控制指令后，可以以此速度控制车辆行驶。
通过上述人机交互系统，能够提升驾驶员的驾驶体验，帮助驾驶员更好的接管和控制车辆。另一方面，通过人机交互系统也可以让驾驶员了解车辆所处环境的情况，减少驾驶员在紧急情况下无法获知车辆行驶区域而产生的恐惧。紧急情况下，驾驶员还可以通过人工交互系统显示的情况决定是否切换驾驶模式为人工驾驶模式，由驾驶员接管车辆的控制权。
作为一种可能的实现方式，除了利用障碍物与自车的相对速度和相对距离来确认碰撞势能，进而确认障碍物与自车的碰撞风险外，还可以根据障碍物的类型，对不同类型的车辆添加不同权值，具体权值的设置可以考虑不同类型的障碍物与自车发生碰撞的损伤程度。再进一步结合上述碰撞损伤程度确定避障的最优方向和速度。
作为另一种可能的实现方式，控制器除了依赖于其所在车辆的传感设备探测周围障碍物的感知数据外，也可以由其他障碍物向车辆发送其他车辆的信息，包括其他车辆的轨迹信息，车辆自车的避障过程也可以结合上述车辆的信息实现车辆的避障过程。其中，其他障碍物可以通过车外网(vehicle to everything，V2X)通信技术向车辆发送信息。当存在两个或多个避障方向时，还可以根据障碍物的类型、与自车的距离和相对速度确认其与自车发生碰撞的改了，并通过界面显示躲避障碍物的概率，驾驶员可以通过界面选择任意一个可行方向作为避障方向。
作为另一种可能的实现方式，当安全通道确认的第二速度有多个方向时，还可以根据与障碍物的碰撞危险程度选择最安全的方向作为第二速度的方向，其中，碰撞危险程度包括与障碍物发生碰撞的概率、发生碰撞的损伤程度等因素中一种或多种，发生碰撞的损伤程度可以根据障碍物的大小、相对速度和相对距离进行标定，障碍物越大、相对速度越快、相对距离越短，发生碰撞的损伤程度越高。通过上述方式，当存在多个第二速度的方向时，可以根据碰撞风险程度选择最优的方向躲避障碍物，进一步提升自动驾驶的安全性。而且，上述碰撞风险程度可以通过人机交互界面显示给驾驶员，由驾驶员选择最终速度的方向，进而控制车辆按照驾驶员选择的速度行驶。
值得说明的是，对于上述方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请所必须的。
本领域的技术人员根据以上描述的内容，能够想到的其他合理的步骤组合，也属于本申请的保护范围内。其次，本领域技术人员也应该熟悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请所必须的。
上文结合图1至图9介绍了本申请实施例的方法，下文结合图10至图12介绍本申请实施例的装置。应理解，图10至图12所示的装置可以实现上述方法中各个步骤，为了简洁，在此不再赘述。
图10是本申请实施例的车辆的控制装置的示意图。图10所示的装置1000包括：采集单元1010和处理单元1020。
采集单元1010，用于采集预设范围内障碍物的运动状态；
处理单元1020，用于将所述障碍物的运动状态分别输入人工智能AI模型以及势能函数，确定车辆的第一运动状态和第二运动状态，其中，所述势能函数通过计算所述障碍物与所述车辆之间的碰撞势能指示所述障碍物与所述车辆发生碰撞的可能性，所述碰撞势能越大所述碰撞的可能性越高，所述碰撞势能越小所述碰撞的可能性越小，所述第一运动状态为基于所述AI模型计算得到的所述车辆的运动速度和方向，所述第二运动状态为基于所述势能函数模型计算得到的所述车辆的运动速度和方向；
所述处理单元1020，还用于基于所述第一运动状态和/或第二运动状态，确定所述车辆的目标运动状态，所述目标运动状态包括所述车辆的目标运动速度和目标运动方向。
可选地，作为一个实施例，所述碰撞势能与所述障碍物和所述车辆之间的相对距离反相关，所述碰撞势能与所述障碍物与所述车辆之间的相对速度正相关。
可选地，作为一个实施例，若所述障碍物与所述车辆之间的相对距离小于第一预设距离，或所述障碍物与所述车辆之间的相对速度高于第一预设速度，所述处理单元1020还用于基于所述第二运动状态确定所述车辆的目标运动状态；和/或，
若所述障碍物与所述车辆之间的相对距离大于第二预设距离，或所述障碍物与所述车辆之间的相对速度低于第二预设速度，所述处理单元1020还用于基于所述第一运动状态确定所述车辆的目标运动状态，所述第一预设距离小于或等于所述第二预设距离，所述第一预设速度大于或等于所述第二预设速度。
可选地，作为一个实施例，所述处理单元1020还用于：基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态，其中，f0表示所述车辆与所述障碍物的当前碰撞势能，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
可选地，作为一个实施例，所述处理单元1020，还用于：基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，F1表示预设的第一碰撞势能阈值，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
可选地，作为一个实施例，所述势能函数为
Figure BDA0002696422030000171
其中，k、α、β表示常系数，C表示常量，ν表示所述障碍物与所述车辆的之间的相对速度的大小，d表示所述障碍物与所述车辆之间的相对距离。
图11是本申请实施例的车辆的控制装置的示意图。图11所示的装置1100包括：采集单元1110和处理单元1120，采集单元1110用于采集所述处理单元1120所需的数据。
处理单元1120，用于计算障碍物与车辆之间的相对速度和相对距离；
所述处理单元1120，还用于基于所述相对速度、所述相对距离，以及势能函数计算所述障碍物与所述车辆之间的碰撞势能，其中，所述碰撞势能指示所述障碍物与所述车辆发生碰撞的可能性，所述碰撞势能越大所述碰撞的可能性越高，所述碰撞势能越小所述碰撞的可能性越小；
所述处理单元1120，还用于基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态；或
所述处理单元1120，还用于基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，
其中，f0表示所述车辆与所述障碍物的当前碰撞势能，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能，F1表示预设的第一碰撞势能阈值。
可选地，作为一个实施例，所述处理单元，还用于：
在舒适模式下，基于所述第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态。
可选地，作为一个实施例，所述处理单元，还用于：
在安全模式下，基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，F1表示预设的第一碰撞势能阈值，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
在可选的实施例中，所述处理单元1020可以为处理器1220，所述采集单元1010可以为通信接口1230，所述通信设备还可以包括存储器1210，具体如图12所示。
在可选的实施例中，所述处理单元1120可以为处理器1220，所述采集单元1110可以为通信接口1230，所述通信设备还可以包括存储器1210，具体如图12所示。
图12是本申请另一实施例的计算设备的示意性框图。图12所示的计算设备1200可以包括：存储器1210、处理器1220、以及通信接口1230。其中，存储器1210、处理器1220，通信接口1230通过内部连接通路相连，该存储器1210用于存储指令，该处理器1220用于执行该存储器1220存储的指令，以控制输入/输出接口1230接收/发送第二信道模型的至少部分参数。可选地，存储器1210既可以和处理器1220通过接口耦合，也可以和处理器1220集成在一起。
需要说明的是，上述通信接口1230使用例如但不限于收发器一类的收发装置，来实现通信设备1200与其他设备或通信网络之间的通信。上述通信接口1230还可以包括输入/输出接口(input/output interface)。
在实现过程中，上述方法的各步骤可以通过处理器1220中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1210，处理器1220读取存储器1210中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
应理解，本申请实施例中，该处理器可以为中央处理单元(central processingunit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解，本申请实施例中，该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。处理器的一部分还可以包括非易失性随机存取存储器。例如，处理器还可以存储设备类型的信息。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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。
所述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。
另外，在本申请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。
所述功能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，本申请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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (24)

1.一种车辆的控制方法，其特征在于，包括：
采集预设范围内障碍物的运动状态；
将所述障碍物的运动状态分别输入人工智能AI模型以及势能函数，确定车辆的第一运动状态和第二运动状态，其中，所述势能函数通过计算所述障碍物与所述车辆之间的碰撞势能指示所述障碍物与所述车辆发生碰撞的可能性，所述碰撞势能越大所述碰撞的可能性越高，所述碰撞势能越小所述碰撞的可能性越小，所述第一运动状态为基于所述AI模型计算得到的所述车辆的运动速度和方向，所述第二运动状态为基于所述势能函数模型计算得到的所述车辆的运动速度和方向；
基于所述第一运动状态和/或第二运动状态，确定所述车辆的目标运动状态，所述目标运动状态包括所述车辆的目标运动速度和目标运动方向。
2.如权利要求1所述的方法，其特征在于，所述碰撞势能与所述障碍物和所述车辆之间的相对距离反相关，所述碰撞势能与所述障碍物与所述车辆之间的相对速度正相关。
3.如权利要求1或2所述的方法，其特征在于，所述基于所述第一运动状态和/或第二运动状态，确定所述车辆的目标运动状态，包括：
若所述障碍物与所述车辆之间的相对距离小于第一预设距离，或所述障碍物与所述车辆之间的相对速度高于第一预设速度，则基于所述第二运动状态确定所述车辆的目标运动状态；和/或，
若所述障碍物与所述车辆之间的相对距离大于第二预设距离，或所述障碍物与所述车辆之间的相对速度低于第二预设速度，则基于所述第一运动状态确定所述车辆的目标运动状态，所述第一预设距离小于或等于所述第二预设距离，所述第一预设速度大于或等于所述第二预设速度。
4.如权利要求1-3中任一项所述的方法，其特征在于，所述将所述障碍物的运动状态输入势能函数，确定车辆的第二运动状态，包括：
基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态，其中，f0表示所述车辆与所述障碍物的当前碰撞势能，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
5.如权利要求1-3中任一项所述的方法，其特征在于，所述将所述障碍物的运动状态输入势能函数，确定车辆的第二运动状态，包括：
基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，F1表示预设的第一碰撞势能阈值，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述势能函数为
Figure FDA0002696422020000011
其中，k、α、β表示常系数，C表示常量，ν表示所述障碍物与所述车辆的之间的相对速度的大小，d表示所述障碍物与所述车辆之间的相对距离。
7.一种车辆的控制方法，其特征在于，包括：
计算障碍物与车辆之间的相对速度和相对距离；
基于所述相对速度、所述相对距离，以及势能函数计算所述障碍物与所述车辆之间的碰撞势能，其中，所述碰撞势能指示所述障碍物与所述车辆发生碰撞的可能性，所述碰撞势能越大所述碰撞的可能性越高，所述碰撞势能越小所述碰撞的可能性越小；
基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态；或
基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，
其中，f0表示所述车辆与所述障碍物的当前碰撞势能，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能，F1表示预设的第一碰撞势能阈值。
8.如权利要求7所述的方法，其特征在于，所述基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态，包括：
在舒适模式下，基于所述第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态。
9.如权利要求8所述的方法，其特征在于，所述方法还包括：
在安全模式下，基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，F1表示预设的第一碰撞势能阈值，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
10.如权利要求7-9中任一项所述的方法，其特征在于，所述碰撞势能与所述障碍物和所述车辆之间的相对距离反相关，所述碰撞势能与所述障碍物与所述车辆之间的相对速度正相关。
11.一种车辆的控制装置，其特征在于，包括：
采集单元，用于采集预设范围内障碍物的运动状态；
处理单元，用于将所述障碍物的运动状态分别输入人工智能AI模型以及势能函数，确定车辆的第一运动状态和第二运动状态，其中，所述势能函数通过计算所述障碍物与所述车辆之间的碰撞势能指示所述障碍物与所述车辆发生碰撞的可能性，所述碰撞势能越大所述碰撞的可能性越高，所述碰撞势能越小所述碰撞的可能性越小，所述第一运动状态为基于所述AI模型计算得到的所述车辆的运动速度和方向，所述第二运动状态为基于所述势能函数模型计算得到的所述车辆的运动速度和方向；
所述处理单元，还用于基于所述第一运动状态和/或第二运动状态，确定所述车辆的目标运动状态，所述目标运动状态包括所述车辆的目标运动速度和目标运动方向。
12.如权利要求11所述的装置，其特征在于，所述碰撞势能与所述障碍物和所述车辆之间的相对距离反相关，所述碰撞势能与所述障碍物与所述车辆之间的相对速度正相关。
13.如权利要求11或12所述的装置，其特征在于，若所述障碍物与所述车辆之间的相对距离小于第一预设距离，或所述障碍物与所述车辆之间的相对速度高于第一预设速度，所述处理单元还用于基于所述第二运动状态确定所述车辆的目标运动状态；和/或，
若所述障碍物与所述车辆之间的相对距离大于第二预设距离，或所述障碍物与所述车辆之间的相对速度低于第二预设速度，所述处理单元还用于基于所述第一运动状态确定所述车辆的目标运动状态，所述第一预设距离小于或等于所述第二预设距离，所述第一预设速度大于或等于所述第二预设速度。
14.如权利要求11-13中任一项所述的装置，其特征在于，所述处理单元，还用于：
基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态，其中，f0表示所述车辆与所述障碍物的当前碰撞势能，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
15.如权利要求11-13中任一项所述的装置，其特征在于，所述处理单元，还用于：
基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，F1表示预设的第一碰撞势能阈值，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
16.根据权利要求11-15中任一项所述的装置，其特征在于，所述势能函数为
Figure FDA0002696422020000031
其中，k、α、β表示常系数，C表示常量，ν表示所述障碍物与所述车辆的之间的相对速度的大小，d表示所述障碍物与所述车辆之间的相对距离。
17.一种车辆的控制装置，其特征在于，包括：
处理单元，用于计算障碍物与车辆之间的相对速度和相对距离；
所述处理单元，还用于基于所述相对速度、所述相对距离，以及势能函数计算所述障碍物与所述车辆之间的碰撞势能，其中，所述碰撞势能指示所述障碍物与所述车辆发生碰撞的可能性，所述碰撞势能越大所述碰撞的可能性越高，所述碰撞势能越小所述碰撞的可能性越小；
所述处理单元，还用于基于第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态；或
所述处理单元，还用于基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，
其中，f0表示所述车辆与所述障碍物的当前碰撞势能，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能，F1表示预设的第一碰撞势能阈值。
18.如权利要求17所述的装置，其特征在于，所述处理单元，还用于：
在舒适模式下，基于所述第一目标函数min(Δf)，且Δf＝(f-f0)＜0，确定所述车辆的第二运动状态。
19.如权利要求18所述的装置，其特征在于，所述处理单元，还用于：
在安全模式下，基于第二目标函数min(f＜F1)，确定所述车辆的第二运动状态，其中，F1表示预设的第一碰撞势能阈值，f表示所述车辆与所述障碍物的之间需要调整到的碰撞势能。
20.如权利要求17-19中任一项所述的装置，其特征在于，所述碰撞势能与所述障碍物和所述车辆之间的相对距离反相关，所述碰撞势能与所述障碍物与所述车辆之间的相对速度正相关。
21.一种计算设备，其特征在于，包括：至少一个处理器和存储器，所述至少一个处理器与所述存储器耦合，用于读取并执行所述存储器中的指令，以执行如权利要求1-10中任一项所述的方法。
22.一种计算机可读介质，其特征在于，所述计算机可读介质存储有程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机执行如权利要求1-10中任一项所述的方法。
23.一种芯片，其特征在于，包括：至少一个处理器和存储器，所述至少一个处理器与所述存储器耦合，用于读取并执行所述存储器中的指令，以执行如权利要求1-10中任一项所述的方法。
24.一种自动驾驶车辆，其特征在于，包括：至少一个处理器和存储器，所述至少一个处理器与所述存储器耦合，用于读取并执行所述存储器中的指令，以执行如权利要求1-10中任一项所述的方法。
CN202011007408.3A 2020-09-23 2020-09-23 车辆的控制方法、装置及车辆 Pending CN114248794A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011007408.3A CN114248794A (zh) 2020-09-23 2020-09-23 车辆的控制方法、装置及车辆
PCT/CN2021/114741 WO2022062825A1 (zh) 2020-09-23 2021-08-26 车辆的控制方法、装置及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011007408.3A CN114248794A (zh) 2020-09-23 2020-09-23 车辆的控制方法、装置及车辆

Publications (1)

Publication Number Publication Date
CN114248794A true CN114248794A (zh) 2022-03-29

Family

ID=80788792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011007408.3A Pending CN114248794A (zh) 2020-09-23 2020-09-23 车辆的控制方法、装置及车辆

Country Status (2)

Country Link
CN (1) CN114248794A (zh)
WO (1) WO2022062825A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114802435B (zh) * 2022-06-24 2022-10-25 小米汽车科技有限公司 车辆控制方法、装置、车辆、存储介质及芯片
CN115123129B (zh) * 2022-07-01 2023-11-07 浙江极氪智能科技有限公司 行车安全保障方法、装置、设备及存储介质
CN116363905B (zh) * 2023-05-19 2023-09-05 吉林大学 一种异质交通流合流区换道时机判别及主动安全控制方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102490780A (zh) * 2011-12-20 2012-06-13 奇瑞汽车股份有限公司 一种电动助力转向系统、转向控制方法以及汽车
CN102653272A (zh) * 2011-03-03 2012-09-05 富士重工业株式会社 车辆的驾驶辅助装置
CN102874250A (zh) * 2011-07-14 2013-01-16 通用汽车环球科技运作有限责任公司 增强车辆控制的系统及方法
CN106515725A (zh) * 2016-10-20 2017-03-22 深圳市元征科技股份有限公司 一种车辆防碰撞的方法及终端
CN109002041A (zh) * 2018-08-09 2018-12-14 北京智行者科技有限公司 一种车辆避障方法
CN109318890A (zh) * 2018-06-29 2019-02-12 北京理工大学 一种基于动态窗口及障碍物势能场的无人车动态避障方法
CN109334661A (zh) * 2018-09-06 2019-02-15 上海工程技术大学 基于速度障碍模型/碰撞概率密度模型的避障预判方法
CN110225852A (zh) * 2017-01-24 2019-09-10 福特全球技术公司 用于自主车辆的反馈
CN110550029A (zh) * 2019-08-12 2019-12-10 华为技术有限公司 障碍物避让方法及装置
CN111226269A (zh) * 2017-11-17 2020-06-02 爱信艾达株式会社 车辆驾驶辅助系统、车辆驾驶辅助方法以及车辆驾驶辅助程序
CN111383481A (zh) * 2020-03-03 2020-07-07 东南大学 城市拥堵路口智能网联汽车绿色通行车速优化方法
CN111572541A (zh) * 2020-04-14 2020-08-25 吉利汽车研究院（宁波）有限公司 车辆避障方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10259455B2 (en) * 2017-01-25 2019-04-16 Ford Global Technologies, Llc Collision avoidance systems and methods
US10507813B2 (en) * 2017-05-10 2019-12-17 Baidu Usa Llc Method and system for automated vehicle emergency light control of an autonomous driving vehicle
KR102162646B1 (ko) * 2019-03-11 2020-10-07 주식회사 에스더블유엠 자율주행차의 주행 제어방법
CN109866766A (zh) * 2019-04-02 2019-06-11 戴姆勒股份公司 车辆碰撞预防方法及装置
CN111469836B (zh) * 2020-02-28 2022-12-20 广东中科臻恒信息技术有限公司 基于车载单元和路侧单元的避障方法、设备、存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102653272A (zh) * 2011-03-03 2012-09-05 富士重工业株式会社 车辆的驾驶辅助装置
CN102874250A (zh) * 2011-07-14 2013-01-16 通用汽车环球科技运作有限责任公司 增强车辆控制的系统及方法
CN102490780A (zh) * 2011-12-20 2012-06-13 奇瑞汽车股份有限公司 一种电动助力转向系统、转向控制方法以及汽车
CN106515725A (zh) * 2016-10-20 2017-03-22 深圳市元征科技股份有限公司 一种车辆防碰撞的方法及终端
CN110225852A (zh) * 2017-01-24 2019-09-10 福特全球技术公司 用于自主车辆的反馈
CN111226269A (zh) * 2017-11-17 2020-06-02 爱信艾达株式会社 车辆驾驶辅助系统、车辆驾驶辅助方法以及车辆驾驶辅助程序
CN109318890A (zh) * 2018-06-29 2019-02-12 北京理工大学 一种基于动态窗口及障碍物势能场的无人车动态避障方法
CN109002041A (zh) * 2018-08-09 2018-12-14 北京智行者科技有限公司 一种车辆避障方法
CN109334661A (zh) * 2018-09-06 2019-02-15 上海工程技术大学 基于速度障碍模型/碰撞概率密度模型的避障预判方法
CN110550029A (zh) * 2019-08-12 2019-12-10 华为技术有限公司 障碍物避让方法及装置
CN111383481A (zh) * 2020-03-03 2020-07-07 东南大学 城市拥堵路口智能网联汽车绿色通行车速优化方法
CN111572541A (zh) * 2020-04-14 2020-08-25 吉利汽车研究院（宁波）有限公司 车辆避障方法及系统

Also Published As

Publication number Publication date
WO2022062825A1 (zh) 2022-03-31

Similar Documents

Publication Publication Date Title
US12061088B2 (en) Obstacle avoidance method and apparatus
CN110379193B (zh) 自动驾驶车辆的行为规划方法及行为规划装置
CN113460042B (zh) 车辆驾驶行为的识别方法以及识别装置
CN112230642B (zh) 道路可行驶区域推理方法及装置
CN113968216B (zh) 一种车辆碰撞检测方法、装置及计算机可读存储介质
US20230159062A1 (en) Method and apparatus for controlling vehicle driving mode switching
JP2023508114A (ja) 自動運転方法、関連装置及びコンピュータ読み取り可能記憶媒体
CN113156927A (zh) 自动驾驶车辆的安全控制方法及安全控制装置
WO2022062825A1 (zh) 车辆的控制方法、装置及车辆
US20230222914A1 (en) Vehicle reminding method and system, and related device
CN113525373A (zh) 一种车辆的变道控制系统、控制方法
US20230048680A1 (en) Method and apparatus for passing through barrier gate crossbar by vehicle
CN112654547A (zh) 驾驶提醒的方法、装置及系统
CN113954858A (zh) 一种规划车辆行驶路线的方法以及智能汽车
US20230211809A1 (en) Autonomous driving method and apparatus
CN113968242A (zh) 自动驾驶场景生成方法、装置及系统
EP4159564A1 (en) Method and device for planning vehicle longitudinal motion parameters
US20230256970A1 (en) Lane Change Track Planning Method and Apparatus
CN114092898A (zh) 目标物的感知方法及装置
CN117944671A (zh) 一种目标行为预测方法、智能设备及车辆
CN116802580A (zh) 一种路径约束方法及装置
CN114556251B (zh) 用于确定车辆可通行空间的方法和装置
CN112639910B (zh) 交通元素的观测方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20241106

Address after: 518129 Huawei Headquarters Office Building 101, Wankecheng Community, Bantian Street, Longgang District, Shenzhen, Guangdong

Applicant after: Shenzhen Yinwang Intelligent Technology Co.,Ltd.

Country or region after: China

Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen

Applicant before: HUAWEI TECHNOLOGIES Co.,Ltd.

Country or region before: China