一种车辆控制方法、车辆及存储介质与流程

1.本发明涉及车辆控制技术领域，尤其涉及一种车辆控制方法、车辆及存储介质。


背景技术：

2.高级别自动驾驶(无人驾驶)车辆，在自动驾驶系统出现故障时，自动驾驶车辆将无法保证安全停车，从而产生危险。现有技术中，一些自动驾驶车辆会有两套独立且相同的自动驾驶系统互为冗余，但成本较高；一些自动驾驶车辆会在自动驾驶系统失效时直接进行制动，没有任何感知信息来辅助停车，这种设计无法保证停车的安全可靠性。


技术实现要素：

3.本发明提供了一种车辆控制方法、车辆及存储介质，以解决自动驾驶故障时无法保证停车安全的问题。
4.根据本发明的一方面，提供了一种车辆控制方法，该方法包括：
5.根据图像信息或地图信息确定车道线信息；
6.根据车道线信息确定停车轨迹；以及
7.根据停车轨迹对车辆进行控制。
8.根据本发明的另一方面，提供了一种车辆，该车辆包括：
9.图像采集装置，用于采集图像信息；
10.至少一个处理器；以及
11.与至少一个处理器通信连接的存储器；其中，
12.存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的车辆控制方法。
13.根据本发明的另一方面，提供了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指令，计算机指令用于使处理器执行时实现本发明任一实施例的车辆控制方法。
14.本发明实施例的技术方案，通过根据图像信息或地图信息确定车道线信息；根据所述车道线信息确定停车轨迹；以及根据所述停车轨迹对车辆进行控制，解决了自动驾驶系统故障时无法安全停车的问题，将图像信息或地图信息作为安全停车的辅助信息，根据图像信息或地图信息确定车辆所在道路的车道线信息，通过车道线信息辅助停车。通过车道线信息确定停车轨迹，根据停车轨迹对车辆进行控制，实现车辆的安全停车，保证车辆和驾驶人员的安全。同时在保证安全停车的前提下降低安全停车系统复杂程度并且提高经济性。
15.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
16.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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获得其他的附图。
17.图1是根据本发明实施例一提供的一种车辆控制方法的流程图；
18.图2是根据本发明实施例二提供的一种车辆控制方法的流程图；
19.图3是根据本发明实施例二提供的一种图像采集装置的状态更新的实现流程图；
20.图4是实现本发明实施例的车辆控制方法的车辆的结构示意图。
具体实施方式
21.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。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，都应当属于本发明保护的范围。
22.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
23.实施例一
24.图1为本发明实施例一提供了一种车辆控制方法的流程图，本实施例可适用于对车辆进行安全停车控制的情况，该方法可以由计算机设备执行，计算机设备可以安装在车辆上。如图1所示，该方法包括：
25.s101、根据图像信息或地图信息确定车道线信息。
26.在本实施例中，图像信息具体可以理解为车辆行驶过程中所采集图像的信息。图像信息可以包括车辆周围环境的信息，车辆所行驶的道路的信息等。图像信息由图像采集装置采集，图像采集装置可以安装在车辆上。图像采集装置可以是照相机、摄像机等。地图信息为车辆所行驶道路的地图信息，通常由第三方地图供应商提供给自动驾驶系统，例如，自动驾驶系统从第三方地图供应商处获取地图，结合全球定位系统gps返回的定位信息，获取车辆定位附近的地图信息。车道线信息具体可以理解为车辆所行驶道路上的车道线的相关信息，例如，车道线信息可以是描述车道线的函数、参数。
27.具体的，获取图像采集装置所采集的图像信息，从自动驾驶系统获取地图信息，对图像信息和地图信息进行判断，判断图像信息和地图信息是否为可靠信息，选择可靠的信息辅助车辆实现安全停车。分别判断图像信息和地图信息的可靠性，从图像信息和地图信息中选择一种信息用于确定车道线信息，例如，从图像信息中筛选出车道线，通过数据处
理，确定可以代表车道线的车道线信息。
28.s102、根据车道线信息确定停车轨迹。
29.在本实施例中，停车轨迹具体可以理解为控制车辆停止行驶时的轨迹，例如，车辆行驶在道路上时，车辆按照交通规则行驶在两侧车道线的中间，当车辆的自动驾驶系统发生故障时，车辆需按照停车轨迹停车，保证车辆安全。
30.具体的，车道线信息为车辆两侧的车道线信息，但是图像采集装置所采集的车道线信息可能存在信息不准确、信息缺失(例如，仅有一侧的车道线)等问题，因此，在确定车道线信息后，判断车道线信息是否准确、可靠，同时判断车道线信息是一侧车道线的信息，还是两侧车道线的信息，根据车道线信息选择相应的路径作为停车轨迹。
31.s103、根据停车轨迹对车辆进行控制。
32.在确定停车轨迹后，可以直接根据停车轨迹生成相应的控制指令控制车辆沿停车轨迹刹停，实现车辆的安全停车，控制指令可以是方向盘控制指令、减速度指令等；或者根据停车轨迹确定车辆相对于轨迹的循迹误差，根据循迹误差进行误差延迟补偿，根据补偿后的信息生成相应的控制指令控制车辆安全停车，使车辆以较小的循迹误差沿停车轨迹刹停。
33.本发明实施例提供了一种车辆控制方法，通过根据图像信息或地图信息确定车道线信息；根据车道线信息确定停车轨迹；以及根据停车轨迹对车辆进行控制，解决了自动驾驶系统故障时无法安全停车的问题，将图像信息或地图信息作为安全停车的辅助信息，根据图像信息或地图信息确定车辆所在道路的车道线信息，通过车道线信息辅助停车。通过车道线信息确定停车轨迹，根据停车轨迹对车辆进行控制，实现车辆的安全停车，保证车辆和驾驶人员的安全。同时在保证安全停车的前提下降低安全停车系统复杂程度并且提高经济性。
34.实施例二
35.图2为本发明实施例二提供的一种车辆控制方法的流程图，本实施例在上述实施例的基础上进行细化。如图2所示，该方法包括：
36.s201、获取图像信息和地图信息。
37.当车辆的自动驾驶系统(或称上位机)发生故障，且无法自主对车辆进行控制完成紧急停车时，获取地图信息和图像信息并根据图像信息或地图信息进行车辆停车控制。
38.s202、响应于地图信息可用，根据地图信息确定车道线信息。
39.判断地图信息是否可用。车辆的自动驾驶系统一般有监控地图模块状况的监控节点，负责将地图模块的状态进行转发，通过地图模块的状态表示地图信息的状态。当地图信息出现精度低、缺失等不可用的问题时，此时的地图信息无法作为可靠信息用于控制车辆安全停车，监控节点会直接报错，指示地图信息不可用，并下发给执行车辆控制方法的智能设备。
40.具体而言，自动驾驶系统的地图信息转发节点以下任一步骤失败时，监控节点都将报错：1、读取地图(读取失败)；2、读取车辆定位(读取失败)；3、从地图中确定当前所在车道线(定位超出地图范围，找不到车道线)；4、拟合车道线(车道线边界点数量过少)；5、发送车道线(发送失败)。
41.或者，执行车辆控制方法的智能设备通过监控高精度地图信息相关报文的收发状
态也可以确定地图信息是否可用。当地图信息可用时，此时的地图信息为可靠信息，可以用于辅助车辆完成安全停车，因此，可以根据地图信息确定车道线信息。根据地图信息确定车道线信息的方式可以是：根据车辆的定位确定车辆在地图中所在的位置，地图中会预先保存各道路的车道线，以及车道线信息，根据车辆所在的位置确定车道线信息。或者，为了减少通讯负担，根据车辆的位置确定车道线后，通过对车道线进行数据拟合，确定车道线信息，例如：拟合成三次曲线，将曲线参数作为车道线信息。
42.当地图信息可用时，通过地图信息对图像信息进行可靠性验证，确定图像信息是否可用并保存，由于地图信息和图像信息均为实时更新的，因此图像信息是否可用也是实时更新的。
43.s203、响应于地图信息不可用，且图像信息可用，根据图像信息确定车道线信息。
44.当地图信息不可用时，此时的地图信息无法用于辅助车辆进行安全停车，需通过图像信息辅助车辆进行安全停车。当地图信息不可用时，获取上一次对图像信息是否可用的验证结果，确定图像信息是否可用。当图像信息可用时，从图像信息中筛选出车道线，对车道线进行数据拟合，确定车道线信息。从图像信息中筛选出车道线可以是通过算法、神经网络模型等方式筛选出构成车道线的像素点，根据像素点的坐标进行数据拟合，得到车道线信息。
45.需要知道的是，s202与s203为并列步骤，在实际应用中选择其中一个执行。
46.作为本实施例的一个可选实施例，本可选实施例进一步优化包括：车辆包括图像采集装置，图像采集装置用于采集图像信息，该方法还包括：判断图像信息是否可用；
47.其中，判断图像信息是否可用，具体包括：响应于图像采集装置的状态为正常，确定图像信息可用。
48.在本实施例中，图像采集装置可以安装在车辆的左前方、右前方、中间等位置上，图像采集装置也可以是车辆的行车记录仪等。图像采集装置在安装时，需尽量保证对车道线的有效采集，保证图像信息的准确性。图像采集装置可设置为独立供电，保证车辆中部分零件或设备故障时图像采集装置依然可以正常工作，为安全停车提供可靠信息参考。
49.具体的，在车辆上设置图像采集装置，采集图像信息，辅助车辆安全停车。判断图像采集装置的状态，图像采集装置的状态可分为正常和异常。正常状态的图像采集装置，其采集的图像信息是可用的信息，异常状态的图像采集装置所采集的图像信息不可用。图像采集装置的状态可根据地图信息和图像信息进行判断及更新。获取图像采集装置最近时刻的状态，如果图像采集装置的状态为正常，确定图像信息可用。
50.作为本实施例的一个可选实施例，本可选实施例进一步优化包括：车辆包括图像采集装置，该方法还包括：响应于地图信息可用时，基于地图信息和图像信息对图像采集装置的状态进行更新。
51.具体的，图像采集装置的状态可根据地图信息和图像信息进行判断。当地图信息可用时，如果通过地图信息确定图像信息不可靠，确定图像采集装置的状态为异常，将图像采集装置的状态更新为异常；如果通过地图信息确定图像信息可靠，确定图像采集装置的状态为正常，将图像采集装置的状态更新为正常。通过地图信息判断图像信息是否可靠的方式可以是地图信息与图像信息中的车道线信息差别较大，不在误差允许范围内。
52.通过实时对图像采集装置的状态进行更新，可以避免在图像采集装置出现角度偏
移或者功能损坏等失效情况时，仍然采用图像采集装置的图像信息进行停车的情况。
53.可选的，图3为本技术实施例提供的一种图像采集装置的状态更新的实现流程图，其中，图像信息包括图像车道线参数，地图信息包括地图车道线参数，基于所述地图信息和所述图像信息对所述图像采集装置的状态进行更新，包括如下步骤：
54.s301、根据地图车道线参数，确定图像车道线参数的车道线偏差。
55.在本实施例中，图像车道线参数具体可以理解为图像中车道线的参数，车道线参数可以确定唯一的车道线；地图车道线参数具体可以理解为地图中车道线的参数。这里，车道线偏差具体可以理解为图像采集装置所采集的图像中车道线相对于地图中车道线的偏差。
56.示例性的，本技术中的车道线优先采用三次曲线参数进行表示，车道线与车道线参数的关系如下所示：y＝c0+c1*x+c2*x2+c3*x3，其中，y为车道线，c0、c1、c2和c3为车道线参数。为了方便计算，在确定图像车道线参数和地图车道线参数时，以同一位置作为原点。
57.具体的，在地图信息可用时，将地图信息中地图车道线参数作为车道线参数的对照标准，判断图像车道线参数是否准确，进而确定图像采集装置是否可靠，即图像采集装置的状态是否正常。通过对地图信息中的车道线进行处理，确定地图车道线参数，或者预先已对地图信息进行处理确定了地图车道线参数，直接从地图信息中获取地图车道线参数。通过对图像信息中的车道线进行处理，确定图像车道线参数，或者，图像采集装置在采集图像信息后，对图像信息中的车道线进行识别和处理得到图像车道线参数，直接获取图像信息中的图像车道线参数。通过图像车道线参数和地图车道线参数计算两条车道线的偏差，例如，计算预设距离内图像车道线和地图车道线的平均偏差。
58.s302、根据车道线偏差确定概率参数。
59.在本实施例中，概率参数具体可以理解为用于评判地图车道线和图像车道线的偏差大小的参数。假设地图车道线和图像车道线符合一种参数分布类型，根据参数分布类型确定概率计算公式，根据车道线偏差和概率计算公式进行计算，得到概率参数。
60.示例性的，本技术提供一种概率参数计算方法，基于3-sigma准则比较图像车道线与地图车道线的数据。假设以地图的车道线为基准，此时图像采集装置的车道线与地图车道线的偏差符合均值为0以及标准差为sigma的正态分布。计算预设距离内图像车道线与地图车道线的平均偏差e，将e作为车道线偏差，以此计算出数值分布在(-∞，-e)∪(e,∞)中的概率参数p。概率参数p可以作为图像车道线评判指标，概率p越大，偏差e越小。其中，预设距离可以是任意值，也可以根据车辆行驶过程中的安全距离确定，例如，安全距离为30-40m，预设距离为50m。预设距离也可以考虑图像采集装置的有效识别范围。
61.s303、根据当前车辆速度、概率参数和对应的概率阈值对计数值进行更新，其中，计数值用于表示图像采集装置的状态。
62.在本实施例中，当前车辆速度具体可以理解为车辆在当前数据处理时刻的行驶速度。概率阈值具体可以理解为概率的边界值，用于判断概率参数是否符合要求。
63.具体的，获取当前车辆速度，可以是从自动驾驶系统中获取，也可以从传感器等设备中获取。确定概率参数所对应的概率阈值，通过比较概率参数和概率阈值的大小确定图像车道线和地图车道线的吻合程度。由于概率参数越大，偏差越小，因此，可以设定概率参数大于或等于相应的概率阈值时，确定图像车道线与地图车道线吻合，否则，确定为不吻
合。当前车辆速度满足一定条件时，如果图像车道线与地图车道线吻合，对计数值进行更新，例如，减少计数值的数值；如果图像车道线与地图车道线不吻合，对计数值的更新可以是增加计数值的数值。
64.图像采集装置存在内在算法短暂性失效的场景，如在弯道和变道时，车道线检测不稳定，以及在当前车道不存在车道线或者车道线不清晰等情况时，摄像头的车道线识别也很困难。此时，仅仅因为暂时错误识别的图像车道线与地图车道线不吻合，就判定摄像头失效是不恰当的。因此在实时检测图像采集装置的状态时，可以通过一个计数值来表征过去一段时间内图像采集装置所采集的图像车道线不吻合地图车道线的次数，当计数值达到某一阈值时，则可以判定图像采集装置的状态为异常，其提供的图像车道线参数不可用。
65.作为本实施例的一个可选实施例，本可选实施例进一步优化包括：概率参数包括第一概率参数、第二概率参数和第三概率参数，其中，第一概率参数为左车道线的概率参数、第二概率参数为右车道线的概率参数，第三概率参数为中间车道线的概率参数，图像信息还包括自诊断信号，自诊断信号包括图像车道线参数的状态信息。
66.在本实施例中，第一概率参数、第二概率参数和第三概率参数均为一种概率参数，用于表示不同的车道线的概率参数。左车道线和右车道线为车辆行驶过程中，车辆左侧和右侧的车道线。其中，左右可以按照车辆的车头方向或行驶方向进行区分。自诊断信号具体可以理解为对图像采集装置所采集图像的有效性判定的信号，自诊断信号可以包括两侧车道线的有效识别范围、质量以及数据有效性等。本技术实施例所提供的自诊断信号优选包括图像车道线参数的状态信息，用于表示图像车道线参数的状态，正常状态的图像车道线参数信息可以用于表明图像采集装置的正常状态，以及用于进行安全停车。
67.本可选实施例进一步通过a1-a2来实现根据当前车辆速度、概率参数和对应的概率阈值对计数值进行更新：
68.a1、响应于当前车辆速度大于速度阈值，且第三概率参数小于第一概率阈值，对计数值按照预设步长进行递增。
69.在本实施例中，速度阈值具体可以理解为用于衡量速度的边界值，速度阈值可以根据实际需求预先设置。第一概率阈值的大小可以根据需求设置。预设步长具体可以理解为预先设置的数值，例如，1、2等。
70.比较当前车辆速度和速度阈值，如果当前车辆速度大于速度阈值，进一步比较第三概率参数及其对应的第一概率阈值的大小。如果当前车辆速度大于速度阈值，且第三概率参数小于第一概率阈值，此时图像车道线与地图车道线不吻合，对计数值按照预设步长进行递增，例如：计数值可以加一。
71.a2、响应于当前车辆速度大于速度阈值，且第三概率参数不小于第一概率阈值，根据图像车道线参数、自诊断信号、第一概率参数和第二概率参数对计数值进行更新。
72.比较当前车辆速度和速度阈值，在当前车辆速度大于速度阈值时，比较第三概率参数及其对应的第一概率阈值的大小。如果当前车辆速度大于速度阈值，且第三概率参数大于或等于第一概率阈值，此时图像车道线与地图车道线吻合，对计数值更新，此时对计数值的更新包括递减。由于图像车道线与地图车道线吻合包括中间车道线吻合、左车道线吻合、右车道线吻合等不同情况，因此，进一步根据图像车道线参数、自诊断信号、第一概率参数和第二概率参数对计数值进行更新。例如，左车道线或右车道线吻合时，分别对计数值进
行递减；中间车道线吻合，且左右车道线的数据均正常时，对计数值进行递减。
73.作为本实施例的一个可选实施例，本可选实施例可进一步通过b1-b3来实现根据图像车道线参数、自诊断信号、第一概率参数和第二概率参数对计数值进行更新：
74.b1、响应于图像车道线参数和自诊断信号满足第一预设条件，对计数值按照预设步长进行递减。
75.在本实施例中，第一预设条件具体可以理解为预先设置的条件，例如，数据的有效范围。判断图像车道线参数和自诊断信号是否满足第一预设条件，例如，分别判断图像车道线参数，如左车道线参数和右车道线参数，是否在设定的有效范围内，自诊断信号是否在设定的有效范围内，若是，确定满足第一预设条件。当确定满足第一预设条件时，对计数值按照预设步长进行递减。
76.b2、响应于图像车道线参数和自诊断信号满足第一预设条件，且第一概率参数不小于第二概率阈值，对计数值按照预设步长进行递减。
77.当图像车道线参数和自诊断信号满足第一预设条件时，进一步比较第一概率参数和第二概率阈值，当第一概率参数不小于第二概率阈值时，此时图像中的左车道线与地图左车道线吻合，计数值按照预设步长进行递减。
78.b3、响应于图像车道线参数和自诊断信号满足第一预设条件且第二概率参数不小于第三概率阈值，对计数值按照预设步长进行递减。
79.当图像车道线参数和自诊断信号满足第一预设条件时，比较第二概率参数和第三概率阈值，当第二概率参数不小于第三概率阈值时，此时图像中的右车道线与地图右车道线吻合，计数值按照预设步长进行递减。
80.在本实施例中，第二概率阈值和第三概率阈值均可以预先设置，第一概率阈值、第二概率阈值和第三概率阈值的作用相同，均为用于衡量概率参数的大小是否符合条件。
81.通过步骤b1-b3可以实现对计数值的递减，在满足不同步骤中的条件时，分别递减，且可以同时满足上述的两个或三个步骤。例如，假设图像车道线参数和自诊断信号满足第一预设条件，第一概率参数不小于第二概率阈值且第二概率参数不小于第三概率阈值，预设步长为1；图像车道线参数和自诊断信号满足第一预设条件(执行步骤b1)，计数值减1；然后确定第一概率参数不小于第二概率阈值(执行步骤b2)，计数值再次减1；进一步确定第二概率参数不小于第三概率阈值(执行步骤b3)，计数值继续减1，计数值一共减3。
82.本技术实施例中的第一概率参数、第二概率参数和第三概率参数的大小可以相同，也可以不同，具体可以根据实际需求进行设置。
83.针对其他情况，计数值保持不变，例如，当前车辆速度小于或等于速度阈值时，计数值不进行增减。
84.s304、响应于更新后的计数值不大于计数阈值，确定图像采集装置的状态为正常。
85.在本实施例中，计数阈值具体可以理解为计数值的边界值，用于判断计数值是否满足条件。当更新后的计数值不大于计数阈值时，确定图像采集装置的状态为正常；当更新后的计数值大于或等于计数阈值时，确定图像采集装置的状态为异常。
86.在确定车道线信息后，根据车道线信息确定停车轨迹。当根据图像信息确定车道线信息时，车道线信息包括图像车道线参数和自诊断信号，自诊断信号包括图像车道线参数的状态信息，此时执行s204-s206确定停车轨迹，在车道线信息来源于图像信息的情况
下，进一步对停车轨迹进行选择。当根据地图信息确定车道线信息时，车道线信息包括地图车道线参数，此时执行s207确定停车轨迹。需要知道的是，s204-s206与s207为并行方案。
87.s204、响应于图像车道线参数和自诊断信号满足第一预设条件，根据图像车道线参数确定第一车道线，将第一车道线确定为停车轨迹。
88.在本实施例中，第一车道线具体可以理解为根据图像车道线参数所选择的车道线。第一预设条件可以是图像车道线参数中左车道线参数和右车道线参数，以及自诊断信号均在设定的有效范围内。当图像车道线参数和自诊断信号满足第一预设条件时，根据图像车道线参数可以确定车辆的左车道线和右车道线，根据左车道线和右车道线选择处于左右两侧车道线中间的任意一条车道线作为第一车道线，例如，根据左车道线和右车道线确定中间车道线，将中间车道线作为第一车道线，将第一车道线确定为停车轨迹。
89.s205、响应于图像车道线参数和自诊断信号满足第二预设条件，根据图像车道线参数确定第二车道线，将第二车道线确定为停车轨迹。
90.在本实施例中，第二预设条件可以是自诊断信号在有效范围内，图像车道线参数中的左车道线参数和右车道线参数仅有一侧数据正常，即仅一侧的车道线参数在有效范围内。当图像车道线参数和自诊断信号满足第二预设条件时，确定图像车道线参数中正常的车道线参数和异常的车道线参数，选择正常的车道线参数作为第二车道线；或者，也可以通过正常的车道线参数对异常的车道线参数进行校正，将校正后的两侧车道线参数均视为正常，根据左、右两侧的车道线参数确定第二车道线，方式可参考s204。
91.具体而言，对异常的车道线参数进行校正的方式可以是：确定异常的车道线参数的方向(左或者右)，在正常的车道线的相应方向(右或者左)按照一定规则生成车道线，将所生成车道线的参数作为校正后的车道线参数。例如，车道的宽度预先已知，通常情况下，两侧的车道线是平行的，因此，按照一定宽度将正常的车道线向异常的车道线的方向平移，可得到校正后的车道线。
92.s206、响应于图像车道线参数和自诊断信号满足第三预设条件，根据第一预设规则生成第三车道线，将第三车道线确定为停车轨迹。
93.在本实施例中，第三预设条件可以是自诊断信号在有效范围内，图像车道线参数中的左车道线参数和右车道线参数均不在有效范围内。第一预设规则具体可以理解为预先设置的车道线生成规则。
94.当图像车道线参数和自诊断信号满足第三预设条件时，确定预先设置的第一预设规则，根据第一预设规则生成第三车道线，将第三车道线作为停车轨迹。第一预设规则可以是车道线三次曲线参数c0、c1、c2和c3的选择规则，例如，c0、c1、c2和c3均为0，即第三车道线为由车头中心点出发、始终指向车辆正前方的直线。
95.s207、根据地图车道线参数确定第四车道线，将第四车道线确定为停车轨迹。
96.地图车道线参数也可以包括左右两侧的车道线参数，根据地图车道线参数选择一条车道线作为第四车道线，例如，选择两侧车道线中间的任意一条车道线作为第四车道线，优选的，选择地图车道线的中间车道线作为第四车道线，将第四车道线作为停车轨迹。
97.作为本实施例的一个可选实施例，本可选实施例进一步优化包括：响应于地图信息不可用，且图像信息不可用，根据第二预设规则生成第五车道线，将第五车道线确定为停车轨迹。
98.在本实施例中，第二预设规则与第一预设规则可以相同，也可以不同。当地图信息不可用，且图像信息不可用时，此时无法根据地图信息和图像信息直接确定车道线信息，获取第二预设规则，根据第二预设规则生成第五车道线，将第五车道线确定为停车轨迹。
99.s208、根据停车轨迹确定横向误差和航向误差。
100.在本实施例中，横向误差具体可以理解为车辆水平方向的误差；航向误差具体可以理解为车辆航向角变化的误差。
101.当停车轨迹确定后，停车轨迹的参数相应确定，停车轨迹的表达式与车道线的表达式相同，因此，停车轨迹的参数与车道线的参数相同，包括c0、c1、c2和c3。将零次项参数c0的相反值确定为横向误差，将一次项参数c1相反值的反正切函数(arctan(-c1))确定为航向误差。
102.本技术实施例对c0、c1的含义进行推导：假设图像采集装置位置为x＝0，y＝0，y轴指向车左侧，x轴指向正前。航向误差为x＝0处车道线方向与车辆方向(即x轴正方向)之间的夹角，等于曲线在该处的导数的反正切函数，即航向误差＝arctan(0-y'(x＝0))＝arctan(-c1)。考虑到航向误差通常很小，故认为横向误差即为曲线与x＝0直线的交点到图像采集装置的距离(截距)，等于0-y(x＝0)＝-c0。
103.s209、根据车辆行驶信息对航向误差进行补偿。
104.在本实施例中，车辆行驶信息具体可以理解为车辆行驶过程中相关信息，例如横摆角速度、方向盘转角、车道线曲率数据，其中，横摆角速度可以由横摆角速度传感器采集，方向盘转角可以由方向盘转角传感器采集。车道线曲率可以通过图像采集装置或地图确定。当传感器失效时，可以不进行补偿，即补偿后的航向误差等于原来的航向误差。
105.假设延迟时长为t_d，延迟补偿模块通过使用其他传感器的数据计算出车辆在过去t_d时长内的车辆航向角变化delta_yaw、车道朝向变化delta_lane_heading，将这一变化叠加至根据车道线参数c1计算出的航向误差e_heading_camera中：
106.e_heading_corrected＝
107.e_heading_camera+delta_yaw
–
delta_lane_heading；
108.delta_yaw的计算方式如下：
109.车辆航向角变化量通过对横摆角速度进行积分得到。本技术实施例中，横摆角速度可由车辆传感器直接进行测量。但由于传感器的精度受限，对测量得到的横摆角速度yaw_rate_sensor进行积分后会出现较为明显的误差，即“零点偏移”现象。因此本技术还使用车辆方向盘转角和车辆基本参数计算横摆角速度yaw_rate_model(基于两轮线性车辆模型)：
[0110][0111]
其中，velocity为车速，l为车辆轴距，δ为方向盘转角，steering_ratio为转向比，k为操控稳定性系数，计算方式为：
[0112][0113]
其中，m为车辆质量，lf为车辆质心至前轴距离，lr为车辆质心至后轴距离，c_alpha_f为前轮侧偏刚度，c_alpha_r为后轮侧偏刚度。
[0114]
由于车辆方向盘的转动导致车辆出现转动、产生横摆角速度，而后传感器测量得到测量值。因此设车辆的实际横摆角速度相对方向盘转角传感器的测量信号延迟为t_steering，传感器测量到的横摆角速度相对实际延迟为t_sensor。通常t_sensor小于t_d。设当前时刻为t_0，则通过摄像头计算得到的航向误差对应(t_0-t_d)时刻。通过以下方法计算t_d时间内车辆航向角的变化：
[0115]
1)选取(t_0-t_d+t_sensor)时刻至t_0时刻的所有横摆角速度测量值yaw_rate_sensor进行累加，并乘以测量信号采样周期，得到航向补偿量delta_yaw_sensor。
[0116]
2)选取(t_0-t_steering-t_sensor)时刻至(t_0-t_steering)时刻的所有车辆方向盘转角测量信号，计算对应的横摆角速度yaw_rate_model并进行累加，最后乘以测量信号采样周期，得到航向补偿量delta_yaw_steering。
[0117]
3)将两个补偿量叠加，得到车辆航向角变化delta_yaw：
[0118]
delta_yaw＝delta_yaw_sensor+delta_yaw_steering
[0119]
delta_lane_heading的计算方式如下：
[0120]
车道朝向的变化通过图像采集装置识别到的车道曲率curvature和历史t_d时长内的车速进行计算。由于道路的曲率变化缓慢，因此选取当前时刻的车道线参数中的二次项参数c2和一次项参数c1计算车道曲率：
[0121]
根据公式y＝c0+c1*x+c2*x2+c3*x3，当x＝0时，y'＝c1，y”＝2c2。
[0122][0123]
选取(t_0-t_d)时刻至t_0时刻的所有车速测量信号进行累加，并乘以车道曲率和测量信号采样周期，得到车道朝向变化delta_lane_heading。
[0124]
s210、根据补偿后的航向误差和横向误差确定控制指令并控制车辆。
[0125]
本技术实施例中的控制指令优选包括方向盘转角指令和减速度指令，分别发送至横向控制系统(可以是通过方向盘进行横向控制，也可以是通过对左右侧车轮施加不同制动力进行转向)和纵向控制系统(例如气压式和机械式制动系统)。减速度指令可以是预先确定大小和方向的减速度，例如，为确保车辆在不同路面附着情况下能够安全停车，减速度指令选取为-3m/s2。根据补偿后的航向误差和横向误差结合给定的公式计算原始方向盘转角指令。进一步根据当前车辆速度计算最大安全方向盘转角，通过最大安全方向盘转角对原始方向盘转角指令进行限幅，得到限幅后的方向盘转角指令。若限幅后的方向盘转角指令与当前方向盘转角差距大于当前车辆速度下定义的安全差距值，则可以再次进行限幅，得到最终的方向盘转角指令。车辆横向控制系统根据方向盘转角指令操纵与转向柱连接的电机，从而控制方向盘转角。纵向控制系统根据减速度指令操纵行车制动或驻车制动使车辆减速至停车。
[0126]
本技术实施例提供了一种车辆控制方法，对车道线信息的确定过程进行细化，通过判断地图信息和图像信息是否可用确定车道线信息。图像信息是否可用依据图像采集装置的状态确定，避免图像采集装置出现角度偏移或功能损坏等失效情况仍然采集图像采集装置所采集的图像信息进行安全停车，提高数据可靠性。本技术进一步对图像采集装置的状态更新进行细化，通过计数值表示图像采集装置的状态。通过地图信息和图像信息确定车道线偏差，根据车道线偏差确定概率参数，进一步根据当前车辆速度、概率参数和对应的
概率阈值对计数值进行更新。通过设置计数值对图像采集装置的状态进行表示，可以避免车道线检测不稳定导致的图像采集装置的状态更新不合理的情况发生。同时根据停车轨迹确定横向误差和航向误差，并对航向误差进行补偿，减小误差，对车辆进行准确控制，保证车辆的安全停车。
[0127]
实施例三
[0128]
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0129]
如图4所示，车辆40包括图像采集装置400、至少一个处理器401，以及与至少一个处理器401通信连接的存储器，如只读存储器(rom)402、随机访问存储器(ram)403等，其中，图像采集装置400用于采集图像信息，图像采集装置400的数量可以是一个或者多个。存储器存储有可被至少一个处理器执行的计算机程序，处理器401可以根据存储在只读存储器(rom)402中的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储车辆40操作所需的各种程序和数据。处理器401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
[0130]
车辆40中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许车辆40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0131]
处理器401可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器401的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器401执行上文所描述的各个方法和处理，例如车辆控制方法。
[0132]
在一些实施例中，车辆控制方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到车辆40上。当计算机程序加载到ram 403并由处理器401执行时，可以执行上文描述的车辆控制方法的一个或多个步骤。备选地，在其他实施例中，处理器401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆控制方法。
[0133]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器
可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0134]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0135]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0136]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0137]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0138]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0139]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0140]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明
的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种车辆控制方法，包括：根据图像信息或地图信息确定车道线信息；根据所述车道线信息确定停车轨迹；以及根据所述停车轨迹对车辆进行控制。2.根据权利要求1所述的方法，所述根据图像信息或地图信息确定车道线信息，包括：响应于所述地图信息可用，根据所述地图信息确定车道线信息；以及响应于所述地图信息不可用，且所述图像信息可用，根据所述图像信息确定车道线信息。3.根据权利要求2所述的方法，所述车辆包括图像采集装置，所述图像采集装置用于采集所述图像信息，所述方法还包括：判断所述图像信息是否可用；其中，所述判断所述图像信息是否可用，具体包括：响应于所述图像采集装置的状态为正常，确定所述图像信息可用。4.根据权利要求1所述的方法，所述车辆包括图像采集装置，所述方法还包括：响应于所述地图信息可用时，基于所述地图信息和所述图像信息对所述图像采集装置的状态进行更新。5.根据权利要求4所述的方法，所述图像信息包括图像车道线参数，所述地图信息包括地图车道线参数，所述基于所述地图信息和所述图像信息对所述图像采集装置的状态进行更新，包括：根据所述地图车道线参数，确定所述图像车道线参数的车道线偏差；根据所述车道线偏差确定概率参数；根据当前车辆速度、所述概率参数和对应的概率阈值对计数值进行更新，其中，所述计数值用于表示所述图像采集装置的状态；以及响应于更新后的计数值不大于计数阈值，确定所述图像采集装置的状态为正常。6.根据权利要求5所述的方法，所述概率参数包括第一概率参数、第二概率参数和第三概率参数，其中，所述第一概率参数为左车道线的概率参数、所述第二概率参数为右车道线的概率参数，所述第三概率参数为中间车道线的概率参数，所述图像信息还包括自诊断信号，所述自诊断信号包括所述图像车道线参数的状态信息；所述根据当前车辆速度、所述概率参数和对应的概率阈值对计数值进行更新，包括：响应于所述当前车辆速度大于速度阈值，且所述第三概率参数小于第一概率阈值，对所述计数值按照预设步长进行递增；响应于所述当前车辆速度大于速度阈值，且所述第三概率参数不小于第一概率阈值，根据所述图像车道线参数、自诊断信号、第一概率参数和第二概率参数对所述计数值进行更新。7.根据权利要求6所述的方法，所述根据所述图像车道线参数、自诊断信号、第一概率参数和第二概率参数对所述计数值进行更新，包括：响应于所述图像车道线参数和自诊断信号满足第一预设条件，对所述计数值按照预设步长进行递减；响应于所述图像车道线参数和自诊断信号满足第一预设条件且所述第一概率参数不小于第二概率阈值，对所述计数值按照预设步长进行递减；
响应于所述图像车道线参数和自诊断信号满足第一预设条件且所述第二概率参数不小于第三概率阈值，对所述计数值按照预设步长进行递减。8.根据权利要求1所述的方法，所述车道线信息包括图像车道线参数和自诊断信号，所述自诊断信号包括所述图像车道线参数的状态信息，所述根据所述车道线信息确定停车轨迹，包括：响应于所述图像车道线参数和自诊断信号满足第一预设条件，根据所述图像车道线参数确定第一车道线，将所述第一车道线确定为停车轨迹；响应于所述图像车道线参数和自诊断信号满足第二预设条件，根据所述图像车道线参数确定第二车道线，将所述第二车道线确定为停车轨迹；响应于所述图像车道线参数和自诊断信号满足第三预设条件，根据第一预设规则生成第三车道线，将所述第三车道线确定为停车轨迹。9.根据权利要求1所述的方法，所述车道线信息包括地图车道线参数，所述根据所述车道线信息确定停车轨迹，包括：根据所述地图车道线参数确定第四车道线，将所述第四车道线确定为停车轨迹。10.根据权利要求1所述的方法，所述根据所述停车轨迹对车辆进行控制，包括：根据所述停车轨迹确定横向误差和航向误差；根据所述车辆行驶信息对所述航向误差进行补偿；以及根据补偿后的航向误差和所述横向误差确定控制指令并控制车辆。11.一种车辆，包括：图像采集装置，用于采集图像信息；至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的车辆控制方法。12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-10中任一项所述的车辆控制方法。

技术总结
本发明公开了一种车辆控制方法、车辆及存储介质，该方法包括：根据图像信息或地图信息确定车道线信息；根据车道线信息确定停车轨迹；以及根据停车轨迹对车辆进行控制，解决了自动驾驶系统故障时无法安全停车的问题，将图像信息或地图信息作为安全停车的辅助信息，根据图像信息或地图信息确定车辆所在道路的车道线信息，通过车道线信息辅助停车。通过车道线信息确定停车轨迹，根据停车轨迹对车辆进行控制，实现车辆的安全停车，保证车辆和驾驶人员的安全。同时在保证安全停车的前提下降低安全停车系统复杂程度并且提高经济性。全停车系统复杂程度并且提高经济性。全停车系统复杂程度并且提高经济性。


技术研发人员：文霆钧 杨洁 陈思全
受保护的技术使用者：北京图森智途科技有限公司
技术研发日：2022.03.15
技术公布日：2023/9/23