【技术实现步骤摘要】
一种基于多对象同步控制的自动驾驶方法
[0001]本专利技术涉及自动驾驶
,更具体地说,涉及一种基于多对象同步控制的自动驾驶 方法。
技术介绍
[0002]通常所称的自动驾驶,结合设定的路线与环境识别(包括道路信息识别、路况识别等), 从起始地向目的地自动行进,行进过程中,对路况进行判定并自动反应,进而实现“自动驾 驶”。现有技术中,无论是针对常规意义的汽车,还是用于特定用途的类汽车(通常为各种功 能或造型的自动行走设备),均是从汽车自身出发,主动进行汽车自身的控制,进而完成自动 驾驶。
[0003]关于环境识别现有技术中,无论采用视觉解决方案或雷达解决方案,均是根据汽车对自 身感知范围的物体进行识别,进而决定下一步动作。进而,不同车型由于解决方案的不同、 软硬件技术的差异、配置(不同车型、同一车型不同配置型号存在的软硬件数量、质量不同) 的区别等因素,造成不同汽车自身的识别能力存在较大性能差异,进而不同车辆实现的所谓
ꢀ“
自动驾驶”的水平参差不齐。以现有技术实现的“自动驾驶”,除了实用效果较差之外,还 造成无法针对自动驾驶技术制定更明确的交通法规的困境,反过来也制约自动驾驶的发展。
[0004]另一方面,由于汽车根据对自身感知范围的物体进行识别以决定下一步动作,而“自动 驾驶”的识别水平、机械性能存在明显的极限边界,包括“视觉”盲区(如图像采集、雷达 信号的遮挡)、识别范围(特别是近距离识别)、制动距离等,在极限之外,特别是突发状况, 如“鬼探头”、旁车加速并线、后方车辆疾速 ...
【技术保护点】
【技术特征摘要】
1.一种基于多对象同步控制的自动驾驶方法,其特征在于,获取行驶区域内的行驶设备的路线需求、行驶设备的各操控部件的性能参数、速度信息、位置信息,以及行驶区域内除行驶设备以外的外部环境数据;基于所有行驶设备实时的位置信息、速度信息、路线需求、各操控部件的性能参数及外部环境数据,实时计算针对于每个行驶设备的最优下一步动作,每个行驶设备基于对应的最优一下步动作进行自动操控,实现自动驾驶。2.根据权利要求1所述的基于多对象同步控制的自动驾驶方法,其特征在于,外部环境数据对应的环境因素包括但不限于天气、障碍物、行人、公共事件、舆情、市民的行程安排、人力车、特勤需求、停车空间状况、物流需求。3.根据权利要求1所述的基于多对象同步控制的自动驾驶方法,其特征在于,基于路线需求,计算行驶设备的行驶路线,对于某一个行驶设备,结合各操控部件的性能参数、速度信息、位置信息,按照预设的安全准则,根据其他行驶设备的行驶速度和/或行驶位置及当前计算的其他行驶设备的每个操控部件的最优下一步动作,计算该行驶设备的每个操控部件的最优下一步动作。4.根据权利要求1所述的基于多对象同步控制的自动驾驶方法,其特征在于,通过部署于行驶区域且覆盖行驶区域的对应类型的传感器,获取行驶区域内所有行驶设备的各操控部件的性能参数、速度信息、位置信息,通过与行驶设备关联的人机交互装置获取行驶区域内所有行驶设备的路线需求,并通过计算系统,实时计算针对于每个行驶设备的每个操控部件的最优下一步动作。5.根据权利要求4所述的基于多对象同步控制的自动驾驶方法,其特征在于,所述的计算系统为对等网络,利用对等网络对目标进行非特定特征识别及位置识别,所述的目标包括行驶设备、除行驶设备外的其他固定或移动的物体;对等网络包括多个节点设备,所有节点设备之间无主次关系;节点设备设置数据采集装置、运算模块,数据采集装置包括至少一种类型传感器,用于采集不同对应类型的感知数据;设置于不同的采集位置的节点设备采集目标的至少一种点样本,点样本为对应传感器类型的感知数据;对于某一个节点设备,对采集的感知数据进行处理,得到结果数据,并向其他节点设备传播所述的结果数据;接收到所述的结果数据的其他节点设备,将所述的结果数据作为采集的原始数据之一,通过所述的结果数据对其他节点设备的结果数据形成影响;基于此,在不需要获取目标的身份信息的情况下,对等网络中的多个节点设备进行协同计算,确定每个唯一性的目标为其自身,实现非特定特征识别,以及对行驶设备、除行驶设备外的其他固定或移动的物体进行位置识别。6.根据权利要求5所述的基于多对象同步控制的自动驾驶方法,其特征在于,当前节点设备接收其他节点设备输出的结果数据;对于当前节点设备,将采集的感知数据结合来自其他节点设备的结果数据,计算得到当前节点设备的结果数据,并发送至其他节点设备;对等网络中的节点设备随着感知数据的采集与结果数据的计算,进行协同计算。7.根据权利要求5所述的基于多对象同步控制的自动驾驶方法,其特征在于,对等网络中,针对于某一个目标的某一种点样本,从采集点样本的节点设备向其他节点设备传递的结果数据中,后续节点设备根据该点样本的特征调节感知注意力,或者,报告该点样本的特征供后续的节点设备调节感知注意力;如果后续的其他节点设备未侦测到该点样本的特
征,但是从其他点样本的特征能够确定未能侦测到的该点样本的特征仍然属于该目标时,则继续将该未能侦测到的该点样本的特征表述在当前节点设备的结果数据中并传递至其他节点设备。8.根据权利要求7所述的基于多对象同步控制的自动驾驶方法,其特征在于,报告该点样本的特征供后续的节点设备调节感知注意力的方法为:针对前序节点设备提供的表达点样本的特征的结果数据,或点样本的特征调节后续的节点设备的数据处理模型的参数,使得后续的节点设备提高对该点样本的特征进行鉴别的算力;或者,后续的节点设备使用感知注意力模型匹配接收的点样本的特征或表达了点样本的特征的结果数据进行算力调节。9.根据权利要求8所述的基于多对象同步控制的自动驾驶方法,其特征在于,节点设备在处理若干前序的节点设备输出的结果数据时,基于数据处理模型,当若干前序的节点设备所描述的目标能够通过某些共性点样本特征确定为同一目标时,将各节点设备描述的点样本特征及其他信息合并到同一目标。10.根据权利要求9所述的基于多对象同步控制的自动驾驶方法,其特征在于,当节点设备收到的结果数据表明当前的节点设备在当前次接收结果数据之前,用于标识目标的标志,与其他节点设备用于标识该目标的标志不同,并且其他节点设备为该目标分配的标志更新,则对当前的节点设备在当前次接收结果数据之前用于标识目标的标志进行转换。11.根据权利要求9所述的基于多对象同步控制的自动驾驶方法,其特征在于,对当前的节点设备在当前次接收结果数据之前用于标识目标的标志进行转换的方法为:将当前的节点设备在当前次接收结果数据之前用于标识目标的标志替换为最新的其他节点设备为该目标分配的标志;或者,记录当前的节点设备在当前次接收结果数据之前用于标识目标的标志与更新后的其他节点设备为该目标分配的标志之间的转换关系,在需要引用当前的节点设备当前次接收的结果数据时,进行转换;或者,节点设备部署转换模型,根据输入的原始数据或结果数据,针对多个目标的标志进行相应的转换。12.根据权利要求7所述的基于多对象同步控制的自动驾驶方法,其特征在于,对于不同采集位置的节点设备先后采集的一种或多种点样本,如果某一种或多种点样本在不同采集位置的特征值分别符合预设的相近条件或者由特定模型判定具备相关性达到阈值,且在每个采集位置为唯一,则判定在不同采集位置的该种点样本具备关联性。13.根据权利要求7所述的基于多对象同步控制的自动驾驶方法,其特征在于,对于不同采集位置的节点设备同时采集的一种或多种点样本...
【专利技术属性】
技术研发人员:陈飞,
申请(专利权)人:耀灵人工智能浙江有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。