车辆控制方法、装置、汽车及存储介质

摘要

本公开实施例公开了一种车辆控制方法、装置、汽车及存储介质，所述车辆控制方法包括获取车辆相对于初始规划路径的偏移值；当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制。该技术方案避免了车辆出现较大程度偏移值时采用初始自动驾驶算法对车辆进行回归控制时引发的安全问题及不舒适的体验感，同时还解决了当车辆由于突发性干扰而偏移到非常规道路或者不处于高精度地图范围内时，无法依赖高精度地图进行路径规划的问题，从而实现了无需人工接管，就可返回至初始规划路径的技术效果。

权利要求

1.一种车辆控制方法，其特征在于，包括：

获取车辆相对于初始规划路径的偏移值；

当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制；

所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：根据所述车辆的环境信息，判断所述车辆是否处于常规道路或者高精度地图范围内；

若所述车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对所述车辆进行回归控制，所述预设车控系数包括PID控制中的比例系数P、积分系数I和微分系数D，其中，所述预设车控系数与所述车辆所在路面材质有关；

所述调用预设车控系数对所述车辆进行回归控制，包括：获取所述车辆所在路面图片；

将所述路面图片输入至图片判断模型中，获取所述路面为不同材质时的概率；

选取所述概率最大的材质作为所述车辆所在路面预测材质；

根据所述预测材质，调用与所述预测材质对应的第一预设车控系数对所述车辆进行回归控制。

2.根据权利要求1所述的方法，其特征在于，还包括：在所述车辆进行回归控制后，获取所述车辆与路面的摩擦参数；

根据所述摩擦参数，判断所述车辆所在路面目标材质；

若所述目标材质与所述预测材质相同，继续调用所述第一预设车控系数对所述车辆进行回归控制；

若所述目标材质与所述预测材质不同，调用与所述目标材质对应的第二预设车控系数对所述车辆进行回归控制。

3.根据权利要求1所述的方法，其特征在于，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：根据所述车辆的环境信息，确定所述车辆可行驶区域；

根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制。

4.根据权利要求3所述的方法，其特征在于，所述根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制，包括：将所述车辆的可行驶区域划分为栅格；

确定每个所述栅格从初始位置到目标位置的代价估计，其中，所述初始位置是指所述车辆目前所处位置，所述目标位置是指所述车辆将要回归的位置；

根据所述代价估计，确定所述车辆的从初始位置到目标位置的回归行驶路径。

5.根据权利要求1所述的方法，其特征在于，还包括：当检测到所述车辆出现异常情况时，判断所述异常情况是否属于紧急情况；

在所述异常情况属于所述紧急情况时，停止所述车辆的行驶；

在所述异常情况不属于所述紧急情况时，获取所述车辆相对于初始规划路径的偏移值。

6.一种车辆控制装置，其特征在于，包括：

获取模块，被配置为获取车辆相对于初始规划路径的偏移值；

控制模块，被配置为当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制；

所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：根据所述车辆的环境信息，判断所述车辆是否处于常规道路或者高精度地图范围内；

若所述车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对所述车辆进行回归控制，所述预设车控系数包括PID控制中的比例系数P、积分系数I和微分系数D，其中，所述预设车控系数与所述车辆所在路面材质有关；

所述调用预设车控系数对所述车辆进行回归控制，包括：获取所述车辆所在路面图片；

将所述路面图片输入至图片判断模型中，获取所述路面为不同材质时的概率；

选取所述概率最大的材质作为所述车辆所在路面预测材质；

根据所述预测材质，调用与所述预测材质对应的第一预设车控系数对所述车辆进行回归控制。

7.一种汽车，其特征在于，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-5任一项所述的方法步骤。

8.一种存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-5任一项所述的方法步骤。

说明书

车辆控制方法、装置、汽车及存储介质

技术领域

[0001] 本公开涉及自动驾驶领域，具体涉及一种车辆控制方法、装置、汽车及存储介质。

背景技术

[0002] 随着自动驾驶技术的发展，对自动驾驶的安全问题和异常处理能力提出了更高的期望。在提出本公开的过程中，发明人发现，在车辆的定位与初始规划路径的偏移量比较大的情况下，即使车辆仍在常规道路或者高精度地图范围内时，在对车辆进行回归控制时，采用原有的车控参数或原有的路径规划方式对车辆做回归控制已经不再适应，甚至会引发安全问题。同时，当车辆不在常规道路或者不在高精度地图范围内出现车辆偏移时，原有的路径规划方式会因缺少了高精度地图的支持而失效，此时车辆不得不在周围无障碍的地方进行停车并交由人工接管。

发明内容

[0003] 为了解决相关技术中的问题，本公开实施例提供一种车辆控制方法、装置、汽车及存储介质。

[0004] 第一方面，本公开实施例中提供了一种车辆控制方法。

[0005] 具体地，所述车辆控制方法，包括：

[0006] 获取车辆相对于初始规划路径的偏移值；

[0007] 当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制。

[0008] 结合第一方面，本公开在第一方面的第一种实现方式中，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0009] 根据所述车辆的环境信息，判断所述车辆是否处于常规道路或者高精度地图范围内；

[0010] 若所述车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对所述车辆进行回归控制，所述预设车控系数包括PID控制中的比例系数P、积分系数I和微分系数D。

[0011] 结合第一方面的第一种实现方式，本公开在第一方面的第二种实现方式中，所述调用预设车控系数对所述车辆进行回归控制，包括：

[0012] 获取所述车辆所在路面图片；

[0013] 将所述路面图片输入至图片判断模型中，获取所述路面为不同材质时的概率；

[0014] 选取所述概率最大的材质作为所述车辆所在路面预测材质；

[0015] 根据所述预测材质，调用与所述预测材质对应的第一预设车控系数对所述车辆进行回归控制。

[0016] 结合第一方面的第二种实现方式，本公开在第一方面的第三种实现方式中，还包括：

[0017] 在所述车辆进行回归控制后，获取所述车辆与路面的摩擦参数；

[0018] 根据所述摩擦参数，判断所述车辆所在路面目标材质；

[0019] 若所述目标材质与所述预测材质相同，继续调用所述第一预设车控系数对所述车辆进行回归控制；

[0020] 若所述目标材质与所述预测材质不同，调用与所述目标材质对应的第二预设车控系数对所述车辆进行回归控制。

[0021] 结合第一方面，本公开在第一方面的第四种实现方式中，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0022] 根据所述车辆的环境信息，确定所述车辆可行驶区域；

[0023] 根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制。

[0024] 结合第一方面的第四种实现方式，本公开在第一方面的第五种实现方式中，所述根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制，包括：

[0025] 将所述车辆的可行驶区域划分为栅格；

[0026] 确定每个所述栅格从初始位置到目标位置的代价估计，其中，所述初始位置是指所述车辆目前所处位置，所述目标位置是指所述车辆将要回归的位置；

[0027] 根据所述代价估计，确定所述车辆的从初始位置到目标位置的回归行驶路径。

[0028] 结合第一方面，本公开在第一方面的第六种实现方式中，当检测到所述车辆出现异常情况时，判断所述异常情况是否属于紧急情况；

[0029] 在所述异常情况属于所述紧急情况时，停止所述车辆的行驶；

[0030] 在所述异常情况不属于所述紧急情况时，获取所述车辆相对于初始规划路径的偏移值。

[0031] 第二方面，本公开实施例中提供了一种车辆控制装置。

[0032] 具体地，所述车辆控制装置，包括：

[0033] 第一获取模块，被配置为获取车辆相对于初始规划路径的偏移值；

[0034] 控制模块，被配置为当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制。

[0035] 结合第二方面，本公开在第二方面的第一种实现方式中，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0036] 根据所述车辆的环境信息，判断所述车辆是否处于常规道路或者高精度地图范围内；

[0037] 若所述车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对所述车辆进行回归控制，所述预设车控系数包括PID控制中的比例系数P、积分系数I和微分系数D。

[0038] 结合第二方面的第一种实现方式，本公开在第二方面的第二种实现方式中，所述调用预设车控系数对所述车辆进行回归控制，包括：

[0039] 获取所述车辆所在路面图片；

[0040] 将所述路面图片输入至图片判断模型中，获取所述路面为不同材质时的概率；

[0041] 选取所述概率最大的材质作为所述车辆所在路面预测材质；

[0042] 根据所述预测材质，调用与所述预测材质对应的第一预设车控系数对所述车辆进行回归控制。

[0043] 结合第二方面的第二种实现方式，本公开在第二方面的第三种实现方式中，还包括：

[0044] 第二获取模块，被配置为在所述车辆进行回归控制后，获取所述车辆与路面的摩擦参数；

[0045] 第一判断模块，被配置为根据所述摩擦参数，判断所述车辆所在路面目标材质；

[0046] 第一调用模块，被配置为若所述目标材质与所述预测材质相同，继续调用所述第一预设车控系数对所述车辆进行回归控制；

[0047] 第二调用模块，被配置为若所述目标材质与所述预测材质不同，调用与所述目标材质对应的第二预设车控系数对所述车辆进行回归控制。

[0048] 结合第二方面，本公开在第二方面的第四种实现方式中，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0049] 根据所述车辆的环境信息，确定所述车辆可行驶区域；

[0050] 根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制。

[0051] 结合第二方面的第四种实现方式，本公开在第二方面的第五种实现方式中，所述根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制，包括：

[0052] 将所述车辆的可行驶区域划分为栅格；

[0053] 确定每个所述栅格从初始位置到目标位置的代价估计，其中，所述初始位置是指所述车辆目前所处位置，所述目标位置是指所述车辆将要回归的位置；

[0054] 根据所述代价估计，确定所述车辆的从初始位置到目标位置的回归行驶路径。

[0055] 结合第二方面，本公开在第二方面的第六种实现方式中，还包括：

[0056] 第二判断模块，被配置为当检测到所述车辆出现异常情况时，判断所述异常情况是否属于紧急情况；

[0057] 停止模块，被配置为在所述异常情况属于所述紧急情况时，停止所述车辆的行驶；

[0058] 第三获取模块，被配置为在所述异常情况不属于所述紧急情况时，获取所述车辆相对于初始规划路径的偏移值。

[0059] 第三方面，本公开实施例提供了一种汽车，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现以下方法步骤：

[0060] 获取车辆相对于初始规划路径的偏移值；

[0061] 当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制。

[0062] 结合第三方面，本公开在第三方面的第一种实现方式中，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0063] 根据所述车辆的环境信息，判断所述车辆是否处于常规道路或者高精度地图范围内；

[0064] 若所述车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对所述车辆进行回归控制，所述预设车控系数包括PID控制中的比例系数P、积分系数I和微分系数D。

[0065] 结合第三方面的第一种实现方式，本公开在第三方面的第二种实现方式中，所述调用预设车控系数对所述车辆进行回归控制，包括：

[0066] 获取所述车辆所在路面图片；

[0067] 将所述路面图片输入至图片判断模型中，获取所述路面为不同材质时的概率；

[0068] 选取所述概率最大的材质作为所述车辆所在路面预测材质；

[0069] 根据所述预测材质，调用与所述预测材质对应的第一预设车控系数对所述车辆进行回归控制。

[0070] 结合第三方面的第二种实现方式，本公开在第三方面的第三种实现方式中，所述一条或多条计算机指令还被所述处理器执行以实现以下方法步骤：

[0071] 在所述车辆进行回归控制后，获取所述车辆与路面的摩擦参数；

[0072] 根据所述摩擦参数，判断所述车辆所在路面目标材质；

[0073] 若所述目标材质与所述预测材质相同，继续调用所述第一预设车控系数对所述车辆进行回归控制；

[0074] 若所述目标材质与所述预测材质不同，调用与所述目标材质对应的第二预设车控系数对所述车辆进行回归控制。

[0075] 结合第三方面，本公开在第三方面的第四种实现方式中，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0076] 根据所述车辆的环境信息，确定所述车辆可行驶区域；

[0077] 根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制。

[0078] 结合第三方面的第四种实现方式，本公开在第三方面的第五种实现方式中，所述根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制，包括：

[0079] 将所述车辆的可行驶区域划分为栅格；

[0080] 确定每个所述栅格从初始位置到目标位置的代价估计，其中，所述初始位置是指所述车辆目前所处位置，所述目标位置是指所述车辆将要回归的位置；

[0081] 根据所述代价估计，确定所述车辆的从初始位置到目标位置的回归行驶路径。

[0082] 结合第三方面，本公开在第三方面的第六种实现方式中，所述一条或多条计算机指令还被所述处理器执行以实现以下方法步骤：

[0083] 当检测到所述车辆出现异常情况时，判断所述异常情况是否属于紧急情况；

[0084] 在所述异常情况属于所述紧急情况时，停止所述车辆的行驶；

[0085] 在所述异常情况不属于所述紧急情况时，获取所述车辆相对于初始规划路径的偏移值。

[0086] 第四方面，本公开实施例中提供了一种存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面、第一方面的第一种实现方式至第六种实现方式任一项所述的方法。

[0087] 根据本公开实施例提供的技术方案，通过获取车辆相对于初始规划路径的偏移值，当车辆的偏移值大于预设阈值时，根据车辆的环境信息和/或车辆的自身信息对车辆进行回归控制，从而避免了车辆出现较大程度偏移值时采用初始自动驾驶算法对车辆进行回归控制时引发的安全问题及不舒适的体验感，同时还解决了当车辆由于突发性干扰而偏移到非常规道路或者不处于高精度地图范围内时，无法依赖高精度地图进行路径规划的问题，从而实现了无需人工接管，就可返回至初始规划路径的技术效果。

[0088] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

[0089] 结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：

[0090] 图1示出根据本公开的实施例的车辆控制方法的流程图；

[0091] 图2示出根据本公开的实施例的根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制的流程图；

[0092] 图3示出根据本公开的实施例的所述调用预设车控系数对所述车辆进行回归控制的流程图；

[0093] 图4示出根据本公开的实施例的车辆控制的方法的流程图；

[0094] 图5示出根据本公开的实施例的根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制的流程图；

[0095] 图6示出根据本公开的实施例的根据所述车辆可行驶区域运用A*算法对所述车辆进行回归控制的流程图；

[0096] 图7示出根据本公开的实施例的车辆控制的方法的流程图；

[0097] 图8示出根据本公开的实施例的车辆控制的方法的流程图；

[0098] 图9示出根据本公开的实施例的车辆控制装置的结构框图；

[0099] 图10示出根据本公开的实施例的汽车的结构框图；

[0100] 图11示出适于用来实现根据本公开实施例的车辆控制方法的计算机系统的结构示意图。

具体实施方式

[0101] 下文中，将参考附图详细描述本公开的示例性实施例，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施例无关的部分。

[0102] 在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。

[0103] 另外还可以说明的是，在不冲突的情况下，本公开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公开。

[0104] 如上文所述，当车辆的偏移程度较大时，若通过初始自动驾驶算法对车辆进行回归控制，可能会引发安全问题，还会造成不舒适的体验感。例如，当车辆以36km/h的速度向前行驶，当转向指令阻塞或转向模块宕机0.5秒，车辆会出现5m的偏移量，若采用PID控制(比例-积分-微分控制)，比例系数P会因为5m较大的偏移量让车辆做出较大调整(让方向盘立刻向某一方向打死)，该回归控制不仅会造成体验上的不适，还可能因突然的转向而带来安全问题。

[0105] 为至少部分地解决发明人发现的现有技术中的问题而提出本公开。

[0106] 图1示出根据本公开的实施例的车辆控制方法的流程图。如图1所示，所述车辆控制方法包括以下步骤S101-S102：

[0107] 在步骤S101中，获取车辆相对于初始规划路径的偏移值；

[0108] 在步骤S102中，当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制。

[0109] 根据本公开的实施例，为了解车辆所处环境，可以在车辆上安装信息采集设备，用于采集车辆周围的环境信息。例如，信息采集设备可以包括激光雷达、毫米波雷达、摄像头和定位设备等，其中，激光雷达可以安装在车辆顶部，用于对各个方向进行扫描，以获取车辆周围环境的三维地图，并以点阵的形式标注出周围环境中的反射物(人、车或障碍物等)；毫米波雷达可以安装在车辆四周车体上，用于获取车辆四周环境中障碍物的位置；摄像头可以安装在车辆四周车体或者后视镜旁边，用于获取周围环境图片信息；定位设备可以安装在车体的左后轮上，用于获取车辆在地图中的位置。

[0110] 根据本公开的实施例，为了解车辆自身信息，可以通过控制器局域网络(CAN)获取车辆当前方向盘转向角、车辆行驶速度或加速度等信息。

[0111] 当面对突发性干扰，如：恶劣天气，通信故障，程序错误或躲避障碍物时，车辆在保证自身安全的前提下行驶至初始规划路径之外的位置，即车辆会出现偏离初始规划路径的情况。当车辆完成规避突发性干扰之后，可以通过车辆的环境信息获取车辆当前位置相对于初始规划路径的偏移值。例如，可以通过定位设备确定车辆所在位置，若车辆仍在高精度地图范围内，可以通过高精度地图获取车辆相对于初始规划路径的偏移值；若车辆不在高精度地图范围内，可以通过摄像头拍摄的图片，获取车辆相对于初始规划路径的偏移值。

[0112] 根据本公开的实施例，获取车辆相对于初始规划路径的偏移值后，可以将偏移值与预设阈值做比较，以此判断车辆相对于初始规划路径的偏移程度。根据本公开实施例，可以根据车辆状态和初始自动驾驶算法等实际情况对预设阈值进行调整，例如，预设阈值可以为单个车道的宽度值(3.5m)。

[0113] 根据本公开的实施例，当所述车辆的偏移值大于预设阈值时，不管车辆是否处于常规道路或者高精度地图范围内，都可以根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制。可以根据实际需要设置对车辆的环境信息和车辆的自身信息的获取方式及具体信息内容。例如，可以通过信息采集设备激光雷达、毫米波雷达、摄像头和定位设备等获取车辆的环境信息，和/或通过CAN获取车辆的自身信息，然后通过信息融合处理，获取如下信息：车辆当前位置、预回归位置、周围行人和车辆等障碍物位置、车辆可行驶区域等。然后利用上述信息重新对车辆进行路径规划，让车辆行驶至预回归位置。

[0114] 根据本公开实施例提供的技术方案，通过获取车辆相对于初始规划路径的偏移值，当车辆的偏移值大于预设阈值时，根据车辆的环境信息和/或车辆的自身信息对车辆进行回归控制，从而避免了车辆出现较大程度偏移值时采用初始自动驾驶算法对车辆进行回归控制时引发的安全问题及不舒适的体验感，同时还解决了当车辆由于突发性干扰而偏移到非常规道路或者不处于高精度地图范围内时，无法依赖高精度地图进行路径规划的问题，从而实现了无需人工接管，就可返回至初始规划路径的技术效果。

[0115] 图2示出根据本公开的实施例的根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制的流程图。如图2所示，所述步骤S102，包括以下步骤S201-S202：

[0116] 在步骤S201中，根据所述车辆的环境信息，判断所述车辆是否处于常规道路或者高精度地图范围内；

[0117] 在步骤S202中，若所述车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对所述车辆进行回归控制，所述预设车控系数包括PID控制中的比例系数P、积分系数I和微分系数D。

[0118] 根据本公开的实施例，根据所述车辆的环境信息，例如，定位设备提供的定位信息，或摄像头提供的图片信息，判断车辆是否处于常规道路或者高精度地图范围内，当车辆处于常规道路或者处于高精度地图范围内时，可以调用初始车控系数对车辆进行回归控制，当车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对车辆进行回归控制。

[0119] 根据本公开的实施例，不同的车控系统调用不同的预设车控系数，下面将以PID控制为例进行举例说明，但本公开不限于此，而是也适用于优化PID控制及其他车控系统。PID控制由比例系数P、积分系数I和微分系数D组成，其中，比例控制是基础；积分控制可消除稳态误差，但可能增加超调；微分控制可加快大惯性系统响应速度以及减弱超调趋势。例如，假设预设阈值为3.5m，车辆出现5m的偏移量，大于预设阈值3.5m，且车辆不处于常规道路并且不在高精度地图范围内，此时，可将最高车速限制为25km/h，避免高速行驶产生大幅度颠簸，同时将PID控制中比例系数P下调至原参数的50％，以降低单次转向幅度，将积分系数I调高至原参数的2倍，保证车辆在回归时的路径贴合性。

[0120] 图3示出根据本公开的实施例的所述调用预设车控系数对所述车辆进行回归控制的流程图。如图3所示，所述步骤202，包括以下步骤S301-S304：

[0121] 在步骤S301中，获取所述车辆所在路面图片；

[0122] 在步骤S302中，将所述路面图片输入至图片判断模型中，获取所述路面为不同材质时的概率；

[0123] 在步骤S303中，选取所述概率最大的材质作为所述车辆所在路面预测材质；

[0124] 在步骤S304中，根据所述预测材质，调用与所述预测材质对应的第一预设车控系数对所述车辆进行回归控制。

[0125] 根据本公开的实施例，由于不同的路面材质对应不同的车控系数，当车辆不处于常规道路并且不在高精度地图范围内，可以判断车辆所在路面的材质，然后根据路面的材质选择相应的车控系数。

[0126] 根据本公开的实施例，可以预先将可能出现的路面材质进行分类，例如：土、砂石、沥青、混凝土、木材等，并建立图片判断模型，以各种材质路面的图片作为训练样本，提前对图片判断模型进行训练，该图片判断模型的输入是具体的路面图片，输出是各种材质路面的概率。本公开对图片判断模型不做具体限定，所有能实现对图片进行判断的模型均在本公开的保护范围之内。

[0127] 根据本公开的实施例，下面将以图片判断模型为卷积神经网络模型，路面材质分为土、砂石、沥青、混凝土和木材五类为例进行说明，但本公开不限于此。首先可以通过摄像头获取车辆所在路面图片，并将车辆所在路面图片输入至已训练好的卷积神经网络模型，卷积神经网络模型会输出路面为不同材质时的概率，例如：土2％、砂石80％、沥青6％、混凝土4％、木材8％，此时，材质为砂石的概率最大，说明当前路面为砂石的可能性最大。然后选取概率最大的材质作为车辆所在路面的预测材质，即选取车辆所在路面的预测材质为砂石，最后调用路面材质为砂石时对应的第一预设车控系数(P1、I1、D1)对车辆进行回归控制。

[0128] 根据本公开实施例提供的技术方案，车辆由于突发性干扰而偏移到非常规道路或者不处于高精度地图范围内时，可以不依靠高精度地图，通过判断出车辆所在路面材质，调用与路面材质对应的车控系数进行回归控制，从而实现在任意路面上能够自动进行回归控制的技术效果。

[0129] 图4示出根据本公开的实施例的车辆控制的方法的流程图。如图4所示，所述车辆控制的方法，还包括以下步骤S401-S404：

[0130] 在步骤S401中，在所述车辆进行回归控制后，获取所述车辆与路面的摩擦参数；

[0131] 在步骤S402中，根据所述摩擦参数，判断所述车辆所在路面目标材质；

[0132] 在步骤S403中，若所述目标材质与所述预测材质相同，继续调用所述第一预设车控系数对所述车辆进行回归控制；

[0133] 在步骤S404中，若所述目标材质与所述预测材质不同，调用与所述目标材质对应的第二预设车控系数对所述车辆进行回归控制。

[0134] 根据本公开的实施例，由于随着车辆回归行驶的过程中，车辆所在路面的材质可能会发生变化，因此，在车辆回归行驶的过程中，可以实时判断车辆所在路面的目标材质，从而调用相应的车控系数对车辆进行回归控制。

[0135] 根据本公开的实施例，在车辆回归行驶的过程中，可以实时的获取车辆与路面的摩擦参数，可以根据实际需要设置获取车辆与路面的摩擦参数的方式，例如，可以利用摩擦系数测量设备(摩擦系数测试仪)直接测量摩擦参数；还可以利用车辆发动机功率、自重载重之和、以及实时行驶速度等车辆的自身信息进行计算获取摩擦参数。然后根据摩擦参数，判断车辆所在路面的目标材质。例如，若根据摩擦参数判断车辆所在路面的目标材质为砂石，即和预测材质砂石一致，则可以继续调用第一预设车控系数(P1、I1、D1)对车辆进行回归控制。又例如，随着车辆的继续行驶，车辆行驶到不同材质的路面，根据摩擦参数判断车辆所在路面的目标材质为沥青，即和预测材质砂石不一样，此时可以调用与目标材质沥青对应的第二预设车控系数(P2、I2、D2)对车辆进行回归控制。

[0136] 图5示出根据本公开的实施例的根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制的流程图。如图5所示，所述步骤102，包括以下步骤S501-S502：

[0137] 在步骤S501中，根据所述车辆的环境信息，确定所述车辆可行驶区域；

[0138] 在步骤S502中，根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制。

[0139] 根据本公开的实施例，可以根据摄像头采集的路面图片来判断车辆的可行驶路面与不可行驶路面，例如，将采集的路面图片通过图片判断模型，获取采集的路面为不同材质路面的概率，从而对采集的路面材质做出预测，当预测出采集的路面材质为可行驶的路面材质(例如，土、砂石、沥青、混凝土或木材等)时，则采集的路面为可行驶路面；当预测出采集的路面材质为不可行驶的路面材质(例如，湖面、稻田或沼泽地等)时，则采集的路面为不可行驶路面。

[0140] 根据本公开的实施例，还可以判断出可行驶路面中障碍物的位置信息，可以根据实际需要设置获取障碍物位置信息的具体方式，例如，可以通过激光雷达点云信息判断障碍物的位置信息；或者可以通过摄像头设备输出的图像判断障碍物的位置信息；还可以直接调用原车控系统信息采集设备融合输出障碍物位置信息。当获取了车辆在可行驶路面、不可行驶路面及障碍物的位置信息之后，就可以确定车辆在的可行驶区域，然后再运用路径规划算法对车辆进行回归控制。

[0141] 根据本公开的实施例，下面将以A*算法为例进行举例说明，但本公开不限于此，而是也适用于其他路径规划算法。A*算法的公式表示为:f(i)＝g(i)+h(i)，其中，f(i)是从初始位置经由位置i到目标位置的代价估计，g(i)是从初始位置到位置i的实际代价，h(i)是从位置i到目标位置的代价估计。遍历计算出f(i)为最小代价估计时所经过的位置即为车辆从初始位置到目标位置的最佳回归行驶路径。

[0142] 图6示出根据本公开的实施例的根据所述车辆可行驶区域运用A*算法对所述车辆进行回归控制的流程图。如图6所示，所述步骤502，包括以下步骤S601-S603：

[0143] 在步骤S601中，将所述车辆的可行驶区域划分为栅格；

[0144] 在步骤S602中，确定每个所述栅格从初始位置到目标位置的代价估计，其中，所述初始位置是指所述车辆目前所处位置，所述目标位置是指所述车辆将要回归的位置；

[0145] 在步骤S603中，根据所述代价估计，确定所述车辆的从初始位置到目标位置的回归行驶路径。

[0146] 根据本公开的实施例，首先，将车辆的可行驶区域划分为N*M个栅格，其中，N和M为整数，N和M的大小可以根据实际可以进行设定，假设车辆初始位置即目前所处位置所在的栅格为A1，车辆目标位置即将要回归的位置所在的栅格为AK。其次，确定栅格A1周围的八个栅格A2-A9的代价估计h(2)-h(9)和实际代价g(2)-g(9)，从而确定A2-A9的代价估计f(2)-f(9)。然后，将f(2)-f(9)中最小值对应的栅格确定为下一步目标栅格(假设为A2)，再分别确定A2周围的八个栅格代价估计f，依次下去，直到从栅格A1到栅格AK之间的所有栅格所对应的f均为最小的，此时，这些栅格组成的路径即为车辆从初始位置到目标位置的回归行驶路径。

[0147] 图7示出根据本公开的实施例的车辆控制的方法的流程图。如图7所示，所述数据传输的方法还包括以下步骤S701-S703：

[0148] 在步骤S701中，当检测到所述车辆出现异常情况时，判断所述异常情况是否属于紧急情况；

[0149] 在步骤S702中，在所述异常情况属于所述紧急情况时，停止所述车辆的行驶；

[0150] 在步骤S703中，在所述异常情况不属于所述紧急情况时，获取所述车辆相对于初始规划路径的偏移值。

[0151] 根据本公开的实施例，当检测到车辆出现异常情况时，例如，车辆的转向、油门或刹车等出现响应延时，或定位系统出现异常，或卫星数据更新出现延时等，可利用信息采集设备获取的环境信息或CAN获取的车辆自身信息来判断该异常情况是否属于紧急情况，即是否存在碰撞的风险。若异常情况属于紧急情况时，即存在碰撞的风险时，停止车辆的行驶；若异常情况不属于紧急情况时，即不存在碰撞的风险时，可利用信息采集设备获取的环境信息或CAN获取的车辆自身信息来获取车辆相对于初始规划路径的偏移值。

[0152] 图8示出根据本公开的实施例的车辆控制的方法的流程图。如图8所示，所述数据传输的方法还包括以下步骤S801-S802：

[0153] 在步骤S801中，比较所述车辆的偏移值与预设阈值的大小；

[0154] 在步骤S802中，当所述车辆的偏移值小于预设阈值时，使所述车辆正常行驶。

[0155] 根据本公开的实施例，在获取车辆的偏移值之后，可以进一步比较车辆的偏移值与预设阈值的大小，当偏移值小于或等于预设阈值时，说明车辆的偏移程度不大，在保障安全和舒适的前提下，可以通过初始自动驾驶算法或者重新进行路径规划对车辆进行回归控制，从而实现车辆的正常行驶。

[0156] 根据本公开实施例提供的技术方案，可以实时监控车辆异常情况，并根据异常情况的不同类型及时做出反馈，并针对车辆偏移的不同程度采用不同的处理方式，解决了现有技术中自动驾驶技术面对轨道偏移处理不完善的现状，减少了人工接管情况的发生。

[0157] 图9示出根据本公开的实施例的车辆控制装置900的结构框图。其中，该装置可以通过软件、硬件或者两者的结合实现成为汽车的部分或者全部。如图9所示，所述用于终端设备的装置包括第一获取模块910和控制模块920。

[0158] 所述第一获取模块910被配置为获取车辆相对于初始规划路径的偏移值；

[0159] 所述控制模块920被配置为当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制。

[0160] 根据本公开的实施例，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0161] 根据所述车辆的环境信息，判断所述车辆是否处于常规道路或者高精度地图范围内；

[0162] 若所述车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对所述车辆进行回归控制，所述预设车控系数包括PID控制中的比例系数P、积分系数I和微分系数D。

[0163] 根据本公开的实施例，所述调用预设车控系数对所述车辆进行回归控制，包括：

[0164] 获取所述车辆所在路面图片；

[0165] 将所述路面图片输入至图片判断模型中，获取所述路面为不同材质时的概率；

[0166] 选取所述概率最大的材质作为所述车辆所在路面预测材质；

[0167] 根据所述预测材质，调用与所述预测材质对应的第一预设车控系数对所述车辆进行回归控制。

[0168] 根据本公开的实施例，还包括：

[0169] 第二获取模块930，被配置为在所述车辆进行回归控制后，获取所述车辆与路面的摩擦参数；

[0170] 第一判断模块940，被配置为根据所述摩擦参数，判断所述车辆所在路面目标材质；

[0171] 第一调用模块950，被配置为若所述目标材质与所述预测材质相同，继续调用所述第一预设车控系数对所述车辆进行回归控制；

[0172] 第二调用模块960，被配置为若所述目标材质与所述预测材质不同，调用与所述目标材质对应的第二预设车控系数对所述车辆进行回归控制。

[0173] 根据本公开的实施例，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0174] 根据所述车辆的环境信息，确定所述车辆可行驶区域；

[0175] 根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制。

[0176] 根据本公开的实施例，所述根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制，包括：

[0177] 将所述车辆的可行驶区域划分为栅格；

[0178] 确定每个所述栅格从初始位置到目标位置的代价估计，其中，所述初始位置是指所述车辆目前所处位置，所述目标位置是指所述车辆将要回归的位置；

[0179] 根据所述代价估计，确定所述车辆的从初始位置到目标位置的回归行驶路径。

[0180] 根据本公开的实施例，还包括：

[0181] 第二判断模块970，被配置为当检测到所述车辆出现异常情况时，判断所述异常情况是否属于紧急情况；

[0182] 停止模块980，被配置为在所述异常情况属于所述紧急情况时，停止所述车辆的行驶；

[0183] 第三获取模块990，被配置为在所述异常情况不属于所述紧急情况时，获取所述车辆相对于初始规划路径的偏移值。

[0184] 本公开还公开了一种汽车，图10示出根据本公开的实施例的汽车的结构框图。

[0185] 如图10所示，所述汽车1000包括存储器1001和处理器1002；其中，[0186] 所述存储器1001用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器1002执行以实现以下方法步骤：

[0187] 获取车辆相对于初始规划路径的偏移值；

[0188] 当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制。

[0189] 根据本公开的实施例，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0190] 根据所述车辆的环境信息，判断所述车辆是否处于常规道路或者高精度地图范围内；

[0191] 若所述车辆不处于常规道路并且不在高精度地图范围内，调用预设车控系数对所述车辆进行回归控制，所述预设车控系数包括PID控制中的比例系数P、积分系数I和微分系数D。

[0192] 根据本公开的实施例，所述调用预设车控系数对所述车辆进行回归控制，包括：

[0193] 获取所述车辆所在路面图片；

[0194] 将所述路面图片输入至图片判断模型中，获取所述路面为不同材质时的概率；

[0195] 选取所述概率最大的材质作为所述车辆所在路面预测材质；

[0196] 根据所述预测材质，调用与所述预测材质对应的第一预设车控系数对所述车辆进行回归控制。

[0197] 根据本公开的实施例，所述一条或多条计算机指令还被所述处理器执行以实现以下方法步骤：

[0198] 在所述车辆进行回归控制后，获取所述车辆与路面的摩擦参数；

[0199] 根据所述摩擦参数，判断所述车辆所在路面目标材质；

[0200] 若所述目标材质与所述预测材质相同，继续调用所述第一预设车控系数对所述车辆进行回归控制；

[0201] 若所述目标材质与所述预测材质不同，调用与所述目标材质对应的第二预设车控系数对所述车辆进行回归控制。

[0202] 根据本公开的实施例，所述当所述车辆的偏移值大于预设阈值时，根据所述车辆的环境信息和/或所述车辆的自身信息对所述车辆进行回归控制，包括：

[0203] 根据所述车辆的环境信息，确定所述车辆可行驶区域；

[0204] 根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制。

[0205] 根据本公开的实施例，所述根据所述车辆可行驶区域，运用A*算法对所述车辆进行回归控制，包括：

[0206] 将所述车辆的可行驶区域划分为栅格；

[0207] 确定每个所述栅格从初始位置到目标位置的代价估计，其中，所述初始位置是指所述车辆目前所处位置，所述目标位置是指所述车辆将要回归的位置；

[0208] 根据所述代价估计，确定所述车辆的从初始位置到目标位置的回归行驶路径。

[0209] 根据本公开的实施例，所述一条或多条计算机指令还被所述处理器执行以实现以下方法步骤：

[0210] 当检测到所述车辆出现异常情况时，判断所述异常情况是否属于紧急情况；

[0211] 在所述异常情况属于所述紧急情况时，停止所述车辆的行驶；

[0212] 在所述异常情况不属于所述紧急情况时，获取所述车辆相对于初始规划路径的偏移值。

[0213] 图11示出适于用来实现根据本公开实施例的车辆控制方法的计算机系统的结构示意图。

[0214] 如图11所示，计算机系统1100包括中央处理单元(CPU)1101，其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行上述实施例中的各种处理。在RAM1103中，还存储有系统1100操作所需的各种程序和数据。CPU1101、ROM1102以及RAM1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

[0215] 以下部件连接至I/O接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据可以连接至I/O接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据可以安装在驱动器1110上，以便于从其上读出的计算机程序根据可以被安装入存储部分1108。

[0216] 特别地，根据本公开的实施例，上文描述的方法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，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行上述对象类别确定方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。

[0217] 附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，所述模块、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。

[0218] 描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

[0219] 作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中汽车或计算机系统中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。

[0220] 以上描述仅为本公开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，本公开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所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。例如上述特征与本公开中公开的(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。