CN111497847B - 车辆的控制方法和装置 - Google Patents

Abstract

本发明公开了一种车辆的控制方法和装置。其中，该方法包括：采集目标车辆的行驶状态参数，其中，目标车辆按照预设的规划路线行驶，规划路线包括：纵向规划和横向规划；根据行驶状态参数，基于目标控制策略判断是否改变目标车辆的横向规划，其中，目标控制策略从预设的多个候选控制策略中选择得到；根据判断结果继续控制目标车辆行驶。本发明解决了现有技术中无人驾驶汽车的自动化程度较低的技术问题。

Description

车辆的控制方法和装置

技术领域

本发明涉及领域，具体而言，涉及一种车辆的控制方法和装置。

背景技术

无人驾驶汽车是通过车载传感系统感知道路环境，自动规划车路线并控制车辆到达预定目的地的智能汽车。但目前的无人驾驶汽车仍仅能实现跟车行驶，而难以实现超车控制，导致无人驾驶汽车仍存在自动化程度较低的问题。

针对现有技术中无人驾驶汽车的自动化程度较低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种车辆的控制方法和装置，以至少解决了现有技术中无人驾驶汽车的自动化程度较低的技术问题。

根据本发明实施例的一个方面，提供了一种车辆的控制方法，包括：采集目标车辆的行驶状态参数，其中，所述目标车辆按照预设的规划路线行驶，所述规划路线包括：纵向规划和横向规划；根据所述行驶状态参数，基于目标控制策略判断是否改变所述目标车辆的横向规划，其中，所述目标控制策略从预设的多个候选控制策略中选择得到；根据判断结果继续控制所述目标车辆行驶。

进一步地，所述判断结果包括：不超车、左超车和右超车。

进一步地，所述行驶状态参数包括：所述目标车辆与其他车辆的车距、所述目标车辆与周围物体的间距以及到达目的地的时间。

进一步地，所述方法还包括：获取所述目标控制策略，其中，获取所述目标控制策略的步骤包括：获取样本场景信息，其中，所述样本场景信息包括样本车辆和所述样本车辆的行驶状态参数；使用预设的候选控制策略根据所述样本车辆的状态参数判断是否改变所述样本车辆的横向规划，得到所述候选控制策略对应的判断结果；对所述样本场景信息中的样本车辆是否改变横向规划进行标注，得到标注结果；根据所述标注结果和所述判断结果从所述候选控制策略中选择所述目标控制策略。

进一步地，根据所述标注结果和所述判断结果从所述候选控制策略中选择所述目标控制策略，包括：分别确定每个候选控制策略的判断结果与所述标注结果的匹配程度；确定匹配程度最高的候选控制策略为所述目标控制策略。

进一步地，所述样本场景信息包括所述样本车辆行驶的视频信息，对所述样本场景信息中的样本车辆是否改变横向规划进行标注，得到标注结果，包括：获取初始标注结果，其中，多个标注对象对所述视频信息的每一帧进行标注，得到所述初始标注结果；对所述初始标注结果进行统计，得到最终的所述标注结果。

进一步地，对所述初始标注结果进行统计，得到最终的所述标注结果，包括：获取所述视频信息中连续的单位数量的图像帧作为单位片段，根据所述单位片段中的每一帧图像的初步标注结果确定所述单位片段的标注结果；按照单位片段的时间序列，根据所述单位片段的标注结果为所述单位片段设置不同的颜色，得到每个所述标注对象对应的颜色序列；根据多个所述标注对象对应的颜色序列，确定最终的所述标注结果。

进一步地，根据多个所述标注对象的颜色序列，确定最终的所述标注结果，包括：确定每个单位片段最终的标注结果，其中，在多个标注对象的多个颜色序列中，同一个单位片段对应的数量较多的颜色所表示的标注结果为所述单位片段最终的标注结果；按照时间序列连接多个所述单位片段，得到最终的所述标注结果。

进一步地，在确定每个单位片段最终的标注结果之前，上述方法还包括：获取每个标注对象的颜色序列中，偏移的单位片段的数量，其中，所述偏移的单位片段用于表示单位片段的颜色与其他颜色序列中同一单位片段的数量最多的颜色不同的单位片段；如果偏移的单位片段的数量与所述颜色序列所包括的单位片段的数量的比值大于预设值，则确定所述标注对象为异常标注对象；在所述多个颜色序列中剔除所述异常标注对象的颜色序列，再进入确定每个单位片段最终的标注结果的步骤。

根据本发明实施例的一个方面，提供了一种车辆的控制装置，包括：采集模块，用于采集目标车辆的行驶状态参数，其中，所述目标车辆按照预设的规划路线行驶，所述规划路线包括：纵向规划和横向规划；判断模块，用于根据所述行驶状态参数，基于目标控制策略判断是否改变所述目标车辆的横向规划，其中，所述目标控制策略从预设的多个候选控制策略中选择得到；控制模块，用于根据判断结果继续控制所述目标车辆行驶。

根据本发明实施例的一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的车辆的控制方法。

根据本发明实施例的一个方面，提供了一种处理器，处理器用于运行程序，其中，所述程序运行时执行上述的车辆的控制方法。

在本发明实施例中，采集目标车辆的行驶状态参数，其中，所述目标车辆按照预设的规划路线行驶，所述规划路线包括：纵向规划和横向规划；根据所述行驶状态参数，基于目标控制策略判断是否改变所述目标车辆的横向规划，其中，所述目标控制策略从预设的多个候选控制策略中选择得到；根据判断结果继续控制所述目标车辆行驶。上述方案通过从多个候选控制策略中选择的目标控制策略对目标车辆是否更改横向规划进行判断，从而能够确定是否对目标车辆进行超车控制，解决了现有技术中无人驾驶汽车的自动化程度较低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本申请实施例的一种车辆的控制方法的流程图；

图2是根据本申请实施例的一种颜色序列的示意图；以及

图3是根据本申请实施例的一种车辆的控制装置的示意图。

具体实施方式

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。

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。

实施例1

根据本发明实施例，提供了一种车辆的控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种车辆的控制方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，采集目标车辆的行驶状态参数，其中，目标车辆按照预设的规划路线行驶，规划路线包括：纵向规划和横向规划。

具体的，上述目标车辆可以是待控制的车辆，目标车辆可以是无人控制的车辆，或在驾驶员控制的基础上可以进行自动辅助控制的车辆。

预设的规划路线用于表示预先为目标车辆设置的行驶路线，可以在设置出发地和目的地之后，自动为目标车辆设置规划路线。规划路线中包括纵向规划和横向规划，其中纵向规划用于表示车辆行驶方向的规划路线，例如：向前行驶、拐弯行驶等均属于纵向规划；横向规划用于表示与车辆行驶方向垂直的方向的规划路线，例如：变道、超车等。

在目标车辆在行驶之前，根据出发地和目的地，结合当地的地图，即可确定初始的规划路线，规划路线中的纵向规划用于驱使车辆向目的地运行，横向规划用于控制车辆进行必要的变道。

但目标车辆行驶在路面时，还包括其他车辆，而其他车辆的行驶状态是难以预知的，因此在目标车辆根据规划路线行驶至目的地的过程中，需要根据路面其他车辆的行驶状态以及路面的突发状态来调整目标车辆的规划路线，以使得目标车辆能够及时应对路面的实际情况。

步骤S104，根据行驶状态参数，基于目标控制策略判断是否改变目标车辆的横向规划，其中，目标控制策略从预设的多个控制策略中选择得到。

具体的，上述判断结果可以包括：不超车、左超车和右超车。

在一种可选的实施例中，行驶状态参数包括：目标车辆与其他车辆的车距、目标车辆与周围物体的间距以及到达目的地的时间。其中，目标车辆与其他车辆的车距，指的是目标车辆与指定方向上距离其最近的其他车辆的车距，例如，与前方车辆的车辆、与左侧车辆的车距、与右侧车辆的车距等。

在上述示例中，可以预先设置多个候选控制策略，然后从候选控制策略中选择最优的目标控制策略，并使用最优的目标控制策略来判断是否改变目标车辆的横向规划。候选控制策略可以为：目标车辆距离左侧的车辆的距离大于第一预设值，与前方的车辆的距离大于第二预设值，且根据达到目的地的时间确定剩余时间小于预设时间，则判断结果可以为左侧超车。候选控制策略还可以为：目标车辆距离右侧的车辆的距离大于第一预设值，与前方的车辆的距离大于第二预设值，且根据达到目的地的时间确定剩余时间小于预设时间，则判断结果可以为右侧超车。候选控制策略还可以为：根据达到目的地的时间确定剩余时间大于预设时间，则判断结果为不超车。

多个候选控制策略还可以为网络参数不同的多个神经网络模型，神经网络模型的输入均为行驶状态参数，输出均为判断结果。

步骤S106，根据判断结果继续控制目标车辆行驶。

在得到判断结果后，可以根据判断结果向目标车辆发出对应的指令，以使目标车辆能够调整后的规划路线行驶。

由上可知，本申请上述实施例采集目标车辆的行驶状态参数，其中，目标车辆按照预设的规划路线行驶，规划路线包括：纵向规划和横向规划；根据行驶状态参数，基于目标控制策略判断是否改变目标车辆的横向规划，其中，目标控制策略从预设的多个候选控制策略中选择得到；根据判断结果继续控制目标车辆行驶。上述方案通过从多个候选控制策略中选择的目标控制策略对目标车辆是否更改横向规划进行判断，从而能够确定是否对目标车辆进行超车控制，解决了现有技术中无人驾驶汽车的自动化程度较低的技术问题。

作为一种可选的实施例，方法还包括：获取目标控制策略，其中，获取目标控制策略的步骤包括：获取样本场景信息，其中，样本场景信息包括样本车辆和样本车辆行驶状态参数；使用预设的候选控制策略根据样本车辆的状态参数判断是否改变样本车辆的横向规划，得到候选控制策略对应的判断结果；对样本场景信息中的样本车辆是否改变横向规划进行标注，得到标注结果；根据标注结果和判断结果从候选控制策略中选择目标控制策略。

具体的，样本场景信息中包括至少一辆样本车辆，上述样本场景信息可以包括通过设置在样本车辆上的雷达设备检测的点云数据。框出点云数据上的车辆和物体，即可获取到样本车辆的行驶状态参数。

根据样本车辆的行驶状态参数，通过多个候选控制策略，即可以得到多个判断结果。由于样本车辆行驶至不同位置时的行驶状态参数不同，因此根据某个时刻样本车辆的行驶状态参数，能够得到的是样本车辆在该时刻的判断结果。

对场景信息中的样本车辆是否改变横向规划进行标注，可以由标注师进行标注，由于不同人在开车时，即使面临同一种情况，也可能会具有不同的开车行为，因此上述方案可以选择多个标注师对样本车辆是否改变横向规划进行标注，标注的结果可以包括：不改变、左侧改变也即右侧改变，对应的即为：不超车、左侧超车和右侧超车。

在得到多个标注师的标注结果后，可以对多个标注师的标注结果进行统计，从而得到最合适的判断结果，然后基于统计得到的最合适的判断结果，从多个候选的控制策略中选择目标控制策略。

作为一种可选的实施例，根据标注结果和判断结果从候选控制策略中选择目标控制策略，包括：分别确定每个候选控制策略的判断结果与标注结果的匹配程度；确定匹配程度最高的控制策略为目标控制策略。

上述匹配程度可以根据同一时刻候选控制策略对样本车辆的判断结果和标注师对样本车辆的标注结果来确定。

在一种可选的实施例中，以样本场景信息中记录了150帧图像为例，可以每10帧进行一次抽取，一共抽取15帧图像，并将这15帧图像中样本车辆对应候选控制策略输出的判断结果和标注师对应的标注结果进行匹配，从而确定最优判断结果。例如：对于15帧图像，候选控制策略A有14帧图像的判断结果与标注师的标注结果相同，候选控制策略B仅有12帧图像的判断结果与标注师的标注结果相同，则确定候选控制策略A的判断结果与标注结果的匹配程度高于候选控制策略B，如果候选控制策略中没有高于候选控制策略A对应的匹配程度的其他候选控制策略，则可以确定候选控制策略A为目标候选控制策略。

作为一种可选的实施例，样本场景信息包括样本车辆行驶的视频信息，对样本场景信息中的样本车辆是否改变横向规划进行标注，得到标注结果，包括：获取初始标注结果，其中，多个标注对象对视频信息的每一帧图像中，样本车辆是否改变横向规划进行标注，得到初始标注结果；对初始标注结果进行统计，得到最终的标注结果。

在上述方案中，提供给标注师的样本场景信息可以为样本车辆行驶的视频信息，标注师可以对视频信息中的每一帧进行标注，从而得到初始标注结果。

对初始标注结果进行统计，可以是统计每一帧中最多的初始标注结果作为该帧视频的最终标注结果。在一种可选的实施例中，以150帧视频为例，确定标注师的初始标注结果中对每一帧标记最多的初始标注结果(例如：对于第一帧视频，10个标注师中8个标注师的初始标注结果为不改变，两个标注师的初始标注结果为左侧改变，则确定该帧视频的最终标注结果为不改变)，将该结果作为这一帧最终的标注结果，再根据150帧视频的时间序列排列，即可得到样本场景信息的最终标注结果。

该统计过程用于获取不同标注师标注的共性，从而确定对于每一帧的情况下样本车辆最合适的控制方式，从而将最合适的控制方式作为最终的标注结果。上述方案考虑到了不同的人在驾驶车辆时会具有不同的行为，因此通过获取多个标注师的初始标注结果，并根据多个标注师的初始标注结果进行统计，从而得到对于样本车辆来说最合适的控制方式。

作为一种可选的实施例，对初始标注结果进行统计，得到最终的标注结果，包括：获取视频信息中连续的单位数量的图像帧作为单位片段，根据单位片段中的每一帧图像的初步标注结果确定单位片段的标注结果；按照单位片段的时间序列，根据单位片段的标注结果为单位片段设置不同的颜色，得到每个标注对象对应的颜色序列；根据多个标注对象的颜色序列，确定最终的标注结果。

由于一帧视频所占用的时间过短，相邻两帧视频的差别较小，因此在上述方案中，以多帧视频构成的单位片段作为统计的单位，仍以150帧视频信息为例，可以设置每个单位片段包括10帧视频。一个单位片段的标注结果根据该单位片段内的每一帧的出水标注结果确定，可以以单位片段内出现最多的标注结果作为这一单位变短的标注结果。

为了便于可视化的展示，可以根据单位片段的标注结果为单位片段展示不同的颜色，从而得到每个标注对象对应的颜色序列。图2是根据本申请实施例的一种颜色序列的示意图，结合图2所示，在该示例中，仍以150帧为例，每10帧构成一个单位片段，其中，空白处、左斜线填充处和右斜线填充处分别表示不同的颜色，空白表示不改变，左斜线表示左侧改变，右斜线表示右侧改变。15个单位片段按照时间序列排列，即可得到一组颜色序列。类似的，每个标注对象的标注结果按照同样的方式即可得到每个对象对应的颜色序列。

作为一种可选的实施例，根据多个标注对象的颜色序列，确定最终的标注结果，包括：确定每个单位片段最终的标注结果，其中，在多个标注对象的多个颜色序列中，同一个单位片段对应的数量较多的颜色所表示的标注结果为单位片段最终的标注结果；按照时间序列连接多个单位片段，得到最终的标注结果。

在上述方案中，每个标注对象都会生成一个对应的颜色序列，由于不同人在驾驶车辆时会有不同的驾驶行为，使得同一个时间段在不同的颜色序列中对应的颜色并不一定相同，因此需要根据多个颜色序列，对多个标注师的标注结果进行统计，从而得到对每个单位片段来说最合适的驾驶行为。

在一种可选的实施例中，对于一个单位片段，可以选择出现最多的标注结果作为该单位片对对应的最终的标注结果。例如，对于第一个单位片段，10组颜色序列中，8个颜色序列为第一颜色，2个颜色序列为第二颜色，因此选择第一颜色对应的标注结果作为第一个单位片段最终的标注结果。

在分别得到每个单位片段最终的标注结果之后，将每个单位片段按照时间序列连接，即可得到样本场景信息对应的最终标注结果。

作为一种可选的实施例，在确定每个单位片段最终的标注结果之前，方法还包括：获取每个标注对象的颜色序列中，偏移的单位片段的数量，其中，偏移的单位片段用于表示单位片段的颜色与其他颜色序列中同一单位片段的颜色不同的单位片段；如果偏移的单位片段的数量与颜色序列包括的单位片段的数量的比值大于预设值，则确定标注对象为异常标注对象；在多个颜色序列中剔除异常标注对象的颜色序列，再进入确定每个单位片段最终的标注结果的步骤。

需要注意的是，存在一种情况是个别标注对象不会驾驶或驾驶经验较少，导致其标注的结果存在较大的偏差。上述方案考虑到每个标注对象的驾驶经验不一定都较为丰富，导致存在不会驾驶或驾驶经验较少的标注对象不准确的标注对总体的标注对象产生影响，因此需要剔除这部分不准确的标注对象的标注数据。

例如，仍以150帧视频为例，其中每10帧构成一个单位片段，也即每个标注对象的颜色序列中具有15个单位片段。以10个标注对象为例进行说明，10个标注对象对应的10个颜色序列中，第一个单位片段为白色的共有8个，则不为白色的第一个单位片段即为偏移片段。利用上述方式找到每个颜色序列中的偏移片段的数量，并求取该数量与15的比值，如果求得的比值大于预设值，则剔除其对应的颜色序列。

实施例2

根据本发明实施例，提供了一种车辆的控制装置的实施例，图3是根据本申请实施例的一种车辆的控制装置的示意图，如图3所示，该装置包括：

采集模块30，用于采集目标车辆的行驶状态参数，其中，目标车辆按照预设的规划路线行驶，规划路线包括：纵向规划和横向规划；

判断模块32，用于根据行驶状态参数，基于目标控制策略判断是否改变目标车辆的横向规划，其中，目标控制策略从预设的多个候选控制策略中选择得到；

控制模块34，用于根据判断结果继续控制目标车辆行驶。

作为一种可选的实施例，判断结果包括：不超车、左超车和右超车。

作为一种可选的实施例行驶状态参数包括：目标车辆与其他车辆的车距、目标车辆与周围物体的间距以及到达目的地的时间。

作为一种可选的实施例，上述装置还包括：第一获取模块，用于获取目标控制策略，其中，第一获取模块包括：获取子模块，用于获取样本场景信息，其中，样本场景信息包括样本车辆和样本车辆的行驶状态参数；判断子模块，用于使用预设的候选控制策略根据样本车辆的状态参数判断是否改变样本车辆的横向规划，得到候选控制策略对应的判断结果；标注子模块，用于对样本场景信息中的样本车辆是否改变横向规划进行标注，得到标注结果；选择子模块，用于根据标注结果和判断结果从候选控制策略中选择目标控制策略。

作为一种可选的实施例，选择子模块包括：第一确定单元，用于分别确定每个候选控制策略的判断结果与标注结果的匹配程度；第二确定单元，用于确定匹配程度最高的候选控制策略为目标控制策略。

作为一种可选的实施例，样本场景信息包括样本车辆行驶的视频信息，标注子模块包括：获取单元，用于获取初始标注结果，其中，多个标注对象对视频信息的每一帧进行标注，得到初始标注结果；统计单元，用于对初始标注结果进行统计，得到最终的标注结果。

作为一种可选的实施例，统计单元包括：获取子单元，用于获取视频信息中连续的单位数量的图像帧作为单位片段，根据单位片段中的每一帧图像的初步标注结果确定单位片段的标注结果；设置子单元，用于按照单位片段的时间序列，根据单位片段的标注结果为单位片段设置不同的颜色，得到每个标注对象对应的颜色序列；第一确定子单元，用于根据多个标注对象对应的颜色序列，确定最终的标注结果。

作为一种可选的实施例，第一确定子单元包括：第二确定子单元，用于确定每个单位片段最终的标注结果，其中，在多个标注对象的多个颜色序列中，同一个单位片段对应的数量较多的颜色所表示的标注结果为单位片段最终的标注结果；连接子单元，用于按照时间序列连接多个单位片段，得到最终的标注结果。

作为一种可选的实施例，上述装置还包括：第二获取模块，用于在确定每个单位片段最终的标注结果之前，获取每个标注对象的颜色序列中，偏移的单位片段的数量，其中，偏移的单位片段用于表示单位片段的颜色与其他颜色序列中同一单位片段的数量最多的颜色不同的单位片段；确定模块，用于如果偏移的单位片段的数量与颜色序列所包括的单位片段的数量的比值大于预设值，则确定标注对象为异常标注对象；剔除模块，用于在多个颜色序列中剔除异常标注对象的颜色序列，再进入确定每个单位片段最终的标注结果的步骤。

实施例3

根据本发明实施例，提供了一种存储介质，存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行实施例1中任意一项所述的车辆的控制方法。

实施例4

根据本发明实施例，提供了一种处理器，处理器用于运行程序，其中，所述程序运行时执行实施例1中任意一项所述的车辆的控制方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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，在本发明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。

所述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，本发明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计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种车辆的控制方法，其特征在于，包括：

采集目标车辆的行驶状态参数，其中，所述目标车辆按照预设的规划路线行驶，所述规划路线包括：纵向规划和横向规划；

根据所述行驶状态参数，基于目标控制策略判断是否改变所述目标车辆的横向规划，其中，所述目标控制策略从预设的多个候选控制策略中选择得到，所述行驶状态参数包括：所述目标车辆与其他车辆的车距、所述目标车辆与周围物体的间距以及所述目标车辆到达目的地的时间；

根据判断结果继续控制所述目标车辆行驶。

2.根据权利要求1所述的方法，其特征在于，所述判断结果包括：不超车、左超车和右超车。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述目标控制策略，其中，获取所述目标控制策略的步骤包括：

获取样本场景信息，其中，所述样本场景信息包括样本车辆和所述样本车辆的行驶状态参数；

使用预设的候选控制策略根据所述样本车辆的状态参数判断是否改变所述样本车辆的横向规划，得到所述候选控制策略对应的判断结果；

对所述样本场景信息中的样本车辆是否改变横向规划进行标注，得到标注结果；

根据所述标注结果和所述判断结果从所述候选控制策略中选择所述目标控制策略。

4.根据权利要求3所述的方法，其特征在于，根据所述标注结果和所述判断结果从所述候选控制策略中选择所述目标控制策略，包括：

分别确定每个候选控制策略的判断结果与所述标注结果的匹配程度；

确定匹配程度最高的候选控制策略为所述目标控制策略。

5.根据权利要求3所述的方法，其特征在于，所述样本场景信息包括所述样本车辆行驶的视频信息，对所述样本场景信息中的样本车辆是否改变横向规划进行标注，得到标注结果，包括：

获取初始标注结果，其中，多个标注对象对所述视频信息的每一帧进行标注，得到所述初始标注结果；

对所述初始标注结果进行统计，得到最终的所述标注结果。

6.根据权利要求5所述的方法，其特征在于，对所述初始标注结果进行统计，得到最终的所述标注结果，包括：

获取所述视频信息中连续的单位数量的图像帧作为单位片段，根据所述单位片段中的每一帧图像的初步标注结果确定所述单位片段的标注结果；

按照单位片段的时间序列，根据所述单位片段的标注结果为所述单位片段设置不同的颜色，得到每个所述标注对象对应的颜色序列；

根据多个所述标注对象对应的颜色序列，确定最终的所述标注结果。

7.根据权利要求6所述的方法，其特征在于，根据多个所述标注对象对应的颜色序列，确定最终的所述标注结果，包括：

确定每个单位片段最终的标注结果，其中，在多个标注对象的多个颜色序列中，同一个单位片段对应的数量较多的颜色所表示的标注结果为所述单位片段最终的标注结果；

按照时间序列连接多个所述单位片段，得到最终的所述标注结果。

8.根据权利要求7所述的方法，其特征在于，在确定每个单位片段最终的标注结果之前，所述方法还包括：

获取每个标注对象的颜色序列中，偏移的单位片段的数量，其中，所述偏移的单位片段用于表示单位片段的颜色与其他颜色序列中同一单位片段的数量最多的颜色不同的单位片段；

如果偏移的单位片段的数量与所述颜色序列所包括的单位片段的数量的比值大于预设值，则确定所述标注对象为异常标注对象；

在所述多个颜色序列中剔除所述异常标注对象的颜色序列，再进入确定每个单位片段最终的标注结果的步骤。

9.一种车辆的控制装置，其特征在于，包括：

采集模块，用于采集目标车辆的行驶状态参数，其中，所述目标车辆按照预设的规划路线行驶，所述规划路线包括：纵向规划和横向规划；

判断模块，用于根据所述行驶状态参数，基于目标控制策略判断是否改变所述目标车辆的横向规划，其中，所述目标控制策略从预设的多个候选控制策略中选择得到，所述行驶状态参数包括：所述目标车辆与其他车辆的车距、所述目标车辆与周围物体的间距以及所述目标车辆到达目的地的时间；

控制模块，用于根据判断结果继续控制所述目标车辆行驶。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至8中任意一项所述的车辆的控制方法。

11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的车辆的控制方法。

Images