本发明涉及自动驾驶领域，特别涉及一种自动驾驶系统的控制方法及装置。
背景技术：
汽车自动驾驶系统，又称自动驾驶汽车也称无人驾驶汽车，是一种通过车载电脑系统实现无人驾驶的智能汽车系统。目前，汽车自动驾驶系统通常使用地图为车辆规划出行驶路径，对车辆进行导航，控制车辆行驶。在行驶过程中利用视频摄像头、雷达传感器以及激光测距器等传感器组件探测车辆周围的障碍物信息，控制车辆避让车辆周围的障碍物。
在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
现有技术中用于为车辆规划行驶路径的地图的更新是定期通过专门的测绘车辆采集数据然后基于采集到的数据进行更新，更新周期较长、时效性差，因此使用该种地图规划出的车辆行驶路径精度不高，不利于汽车的自动驾驶。
技术实现要素：
本发明实施例提供了一种自动驾驶系统的控制方法及装置，能采用实时更新、时效性高的地图对车辆进行行驶路径的规划，提高了规划的路径的精确度。所述技术方案如下：
一方面，本发明实施例提供了一种自动驾驶系统的控制方法，所述方法包括：从云平台实时获取地图信息，所述地图信息包括地理位置信息和与所述地理位置信息对应的道路特征信息，所述道路特征信息包括：车道宽度、道路曲率、道路坡度、隧道长度、车道线、路面箭头和交通标识，所述道路特征信息为多个车辆终端在行驶过程中采集并发送至所述云平台的；将所述地图信息导入本地存储的道路特征地图；采用栅格法将所述道路特征地图划分成多个具有二值信息的栅格单元，得到栅格地图；在所述栅格地图中确定车辆所在位置对应的第一栅格单元和设定终点对应的第二栅格单元；在所述栅格地图内规划所述第一栅格单元和所述第二栅格单元之间的路径；根据所述路径，控制所述车辆自动行驶。
进一步地，所述方法还包括：在所述车辆的行驶过程中，实时采集所述道路特征信息；将获取到的所述道路特征信息与所述地图信息内的道路特征信息进行特征对比，得到增量特征，所述增量特征为获取到的所述道路特征信息中区别于所述地图信息内的道路特征信息的道路特征信息；将所述增量特征上传至所述云平台。
进一步地，所述在所述栅格地图内规划所述第一栅格单元和所述第二栅格单元之间的路径之后，所述方法还包括：通过车与基础设施通讯获取路况信息，所述路况信息包括：指示灯信息、道路限速信息和道路拥堵信息中的至少一种；根据所述路况信息控制所述车辆在所述路径中的行驶速度。
进一步地，所述方法还包括：在车辆行驶过程中，通过车车通讯获取所述车辆周围的车辆的状态信息，所述状态信息用于指示对应的车辆是否故障；若所述状态信息指示所述车辆周围的车辆中存在故障车辆，则获取所述故障车辆的位置和大小信息；根据所述故障车辆的位置和大小信息，控制所述车辆避开所述故障车辆。
进一步地，所述方法还包括：通过车车通讯获取所述车辆的前方车辆的路径，所述前方车辆为在所述车辆的行驶方向上与所述车辆的距离在设定距离内的车辆；若所述车辆与所述前方车辆的路径至少部分相同，则控制所述车辆跟踪所述前方车辆行驶。
另一方面，本发明实施例提供了一种自动驾驶系统的控制装置，所述装置包括：获取模块，用于从云平台实时获取地图信息，所述地图信息包括地理位置信息和与所述地理位置信息对应的道路特征信息，所述道路特征信息包括：车道宽度、道路曲率、道路坡度、隧道长度、车道线、路面箭头和交通标识，所述道路特征信息为多个车辆终端在行驶过程中采集并发送至所述云平台的；导入模块，用于将所述地图信息导入本地存储的道路特征地图；划分模块，用于采用栅格法将所述道路特征地图划分成多个具有二值信息的栅格单元，得到栅格地图；确定模块，用于在所述栅格地图中确定车辆所在位置对应的第一栅格单元和设定终点对应的第二栅格单元；规划模块，用于在所述栅格地图内规划所述第一栅格单元和所述第二栅格单元之间的路径；控制模块，用于根据所述路径，控制所述车辆自动行驶。
在本发明的一种实现方式中，所述装置还包括：采集模块，用于在所述车辆的行驶过程中，实时采集所述道路特征信息；对比模块，用于将获取到的所述道路特征信息与所述地图信息内的道路特征信息进行特征对比，得到增量特征，所述增量特征为获取到的所述道路特征信息中区别于所述地图信息内的道路特征信息的道路特征信息；发送模块，用于将所述增量特征上传至所述云平台。
在本发明的一种实现方式中，所述获取模块还用于通过车与基础设施通讯获取路况信息，所述路况信息包括：指示灯信息、道路限速信息和道路拥堵信息中的至少一种；所述控制模块，还用于根据所述路况信息控制所述车辆在所述路径中的行驶速度。
在本发明的一种实现方式中，所述获取模块还用于在车辆行驶过程中，通过车车通讯获取所述车辆周围的车辆的状态信息，所述状态信息用于指示对应的车辆是否故障；还用于若所述状态信息指示所述车辆周围的车辆中存在故障车辆，则获取所述故障车辆的位置和大小信息；所述控制模块，还用于根据所述故障车辆的位置和大小信息，控制所述车辆避开所述故障车辆。
在本发明的一种实现方式中，所述获取模块还用于通过车车通讯获取所述车辆的前方车辆的路径，所述前方车辆为在所述车辆的行驶方向上与所述车辆的距离在设定距离内的车辆；所述控制模块，还用于若所述车辆与所述前方车辆的路径至少部分相同，则控制所述车辆跟踪所述前方车辆行驶。
本发明实施例提供的技术方案带来的有益效果是：
本发明实施例通过从云平台实时获取地图信息，并根据地图信息，采用栅格法将车辆的工作空间划分成多个具有二值信息的栅格单元，通过在栅格地图上规划出车辆的行驶路径，从而实现采用实时更新、时效性高的地图对车辆进行行驶路径的规划，提高了规划的路径的精确度。
附图说明
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。
图1是本发明实施例提供的一种自动驾驶系统的应用场景的示意图；
图2是本发明实施例提供的一种自动驾驶系统的控制方法的流程图；
图3是本发明实施例提供的另一种自动驾驶系统的控制方法的流程图；
图4是本发明实施例提供的一种自动驾驶系统的传感器的布置示意图；
图5是本发明实施例提供的一种自动驾驶系统的信息通讯示意图；
图6是本发明实施例提供的一种自动驾驶系统的控制装置的结构示意图；
图7是本发明实施例提供的一种自动驾驶系统的控制装置的结构框图。
图中各符号表示含义如下：
1-激光雷达，21-第一雷达传感器，22-第二雷达传感器，3-超声波雷达，41-立体摄像头，42-环视摄像头，5-定位模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例提供的一种自动驾驶系统的应用场景的示意图。如图1所示，多个车辆终端100与云平台200进行数据交互，车辆终端100通过网络与云平台200实现数据的交互。各个车辆终端100可从云平台200下载地图信息，地图信息包括地理位置信息和与地理位置信息对应的道路特征信息，道路特征信息包括：车道宽度、道路曲率、道路坡度、隧道长度、车道线、路面箭头和交通标识。并且各个车辆终端100也可以将行驶过程中采集到的地图信息上传至云平台200。
图2是本发明实施例提供的一种自动驾驶系统的控制方法的流程图。该方法可以由车辆的控制单元执行。如图2所示，该方法包括：
步骤101：从云平台实时获取地图信息。
其中，地图信息包括地理位置信息和与地理位置信息对应的道路特征信息，道路特征信息包括：车道宽度、道路曲率、道路坡度、隧道长度、车道线、路面箭头和交通标识，并且道路特征信息为各个车辆终端在行驶过程中采集并发送至云平台的。
在步骤101中，与地理位置信息对应的道路特征信息，指的是道路特征信息携带有地理位置信息，便于车辆的控制单元分辨获取的道路特征信息是指的哪一条道路。例如，与地理位置信息对应的车道宽度，指的是该车道宽度携带有地理位置信息，根据该地理位置信息可以得到该车道宽度具体所指的是哪条路段的车道宽度，在本发明实施例中，携带的地理位置信息可以是该车道宽度对应路段的经纬度。
步骤102：将地图信息导入本地存储的道路特征地图。
其中，本地存储的道路特征地图为保存在车辆的存储单元的地图，该道路特征地图中具有供车辆行驶的道路、道路分布情况，以及如步骤101中所述的各类道路特征信息。
在步骤102中，将地图信息导入道路特征地图的过程则是对道路特征地图中的道路特征信息进行更新的过程，从而得到更新后的道路特征地图。
步骤103：采用栅格法将道路特征地图划分成多个具有二值信息的栅格单元，得到栅格地图。
其中，二值信息指的是道路特征地图中各部分具有障碍物和不具有障碍物两种信息，例如若某个栅格单元内不含任何障碍物，则称此栅格单元为自由栅格；反之，称为障碍栅格。本发明实施例中可供车辆行驶的自由空间和障碍物均为栅格单元的集成。例如道路特征地图中道路以外的部分均会被划分为障碍栅格，道路中车辆可行驶部分则为自由栅格。
在本发明实施例中，采用栅格法对道路特征地图进行划分时，首先将道路特征地图划分成多个尺寸一致的栅格单元，即使得整个道路特征地图呈网格状，然后判断道路特征地图中各个栅格单元为自由栅格还是障碍栅格。在本发明的一些实施例中，判断道路特征地图中各个栅格单元的为自由栅格或障碍栅格的方法可以遵循以下原则，先确定道路特征地图中的代表车道的栅格单元和代表非车道的栅格单元，将代表非车道的栅格单元定义为障碍栅格，将代表车道的栅格单元暂定位为自由栅格，然后从本地存储的道路特征地图中获取地图信息，并从地图信息中获取车道线，筛选出车道线中指示不可越过的车道线(如实线)，将筛选出的车道线作为障碍栅格替换代表车道的栅格单元中与该筛选出的车道线处于同一位置的栅格单元，即完成栅格地图的划分。
另外，在划分完栅格地图后，可通过直角坐标法、序号法或四叉树法表示栅格地图中各个栅格单元的具体位置。
在本发明的一些实施例中，车辆要上传所采集到的道路特征信息时，除了采用步骤101中所述的将各个道路特征信息中加入经纬度以外，还可以采用上述栅格地图的标记方式定位后，将栅格地图的标记定位信息与道路特征信息匹配上传至云平台。可便于云平台和车辆快速获取道路特征信息的位置信息。
步骤104：在栅格地图中确定车辆所在位置对应的第一栅格单元和设定终点对应的第二栅格单元。
在步骤104之前包括，获取设定终点。
在本发明实施例的一些实现方式中，设定终点可以从车载人机互动模块中获取，如车辆内设置的终点输入屏幕，由用户自行输入。
在本发明实施例的一些实现方式中，设定终点还可以通过移动终端(如智能手机)远程向车辆发送的终点指令中获取。
步骤104中，确定车辆所在位置时，则可通过车辆自带的定位系统，获取车辆当前所处位置的地理位置信息(如经纬度)，通过地理位置信息匹配至车辆当前所处的位置在栅格地图中对应的第一栅格单元。同时也根据用户输入的终点(设定终点)确定栅格地图中对应的第二栅格单元。
步骤105：在栅格地图内规划第一栅格单元和第二栅格单元之间的路径。
步骤105包括：采用路径搜索算法获取栅格地图中第一栅格单元和第二栅格单元之间的路径。
在本发明的一些实施例中，路径搜索算法可以是a*(a-star)算法，通过该算法可求解出栅格地图中第一栅格单元和第二栅格单元之间最短路径。其中a*算法为现有技术，在此不做详细描述。除了a*算法外，在本发明的一些实施例中还可以使用dijkstra算法(迪杰斯特拉算法)和floyd算法(floyd-warshall，弗洛伊德算法)等多种算法。
步骤106：根据规划出来的路径，控制车辆自动行驶。
本发明实施例通过从云平台实时获取地图信息，并根据地图信息，采用栅格法将车辆的工作空间划分成多个具有二值信息的栅格单元，通过在栅格地图上规划出车辆的行驶路径，从而实现采用实时更新、时效性高的地图对车辆进行行驶路径的规划，提高了规划的路径的精确度。
图3是本发明实施例提供的另一种自动驾驶系统的控制方法的流程图。该方法可以由车辆的控制单元执行。如图3所示，该方法包括：
步骤201：从云平台实时获取地图信息。
其中，地图信息包括道路特征信息，道路特征信息包括：具有位置标识的车道宽度、具有位置标识的道路曲率、具有位置标识的道路坡度、具有位置标识的隧道长度、具有位置标识的车道线、具有位置标识的路面箭头和具有位置标识的交通标识。
步骤201中实时获取地图信息可以是在车辆行驶过程中周期性地从云平台获取地图信息，且该周期较短。获取地图信息可以通过车网通讯(vehicletonetwork，简称v2n)单元将地图信息通过网络从云平台下载。
步骤202：将地图信息导入道路特征地图，道路特征地图为具有初始地图信息的地图。
其中，将地图信息导入道路特征地图后，则相当于对道路特征地图中的车道宽度、道路曲率、道路坡度、隧道长度、车道线、路面箭头和交通标识进行了更新。
在本发明实施例中，车道宽度用于定义车辆在该车道行驶时的车辆横向移动范围，更新后可避免车辆出现越道行驶的情况，提高车辆行驶的安全性。车道曲率用于定义该车道(该车道为弯道)弯曲的程度，更新后可避免车辆在弯道上行驶转弯变向时与弯道的弯曲程度不相符，从而偏离弯道。道路坡度用于定义该车道的陡缓的程度，更新后可在车辆进入坡道时提前换挡调速出现设车辆顺利通过坡道。隧道长度用于定义该隧道的长，更新后可防止车辆根据错误地隧道长度执行错误的驾驶指令(如未进入隧道时提前开启车灯影响对向行驶的驾驶人员或误判驶离隧道在隧道内进行变道或关闭车灯)，提高车辆行驶的安全性。车道线为划分车道的线，更新后可避免车辆行驶时出现压线越道的情况。路面箭头为路面上用于为车辆行驶指导方向的箭头，更新后可避免车辆逆道行驶等不按照指示行驶的情况。交通标识为用文字或符号传递引导、限制、警告或指示信息的道路设施，更新后便于引导车辆行驶。
在本发明实施例中，当导入的地图信息为车道宽度时，车辆的控制单元首先从地图信息内获取与车道宽度对应的地理位置信息，通过地理位置信息确定该车道宽度为具体的哪一条车道的宽度，进而将道路特征地图中的车道宽度进行更改。需要说明的是，该车道宽度为车道中车辆行驶的一条子车道，例如当车道为多车道时，为了准确地确定车辆行驶的是多车道中的何条子车道，可将车道中的各个子车道进行标号。在本发明的一些实施例中，车道的标号原则可以是，在车道的行驶方向为基准，将车道中各个子车道以从左至右的顺序进行标号，例如车道为六车道时，从左至右的标号顺序，则可以是1、2、3、4、5、6。因此车辆上传至云平台的车道宽度的地图信息除了车道的宽度和地理位置信息以外，还应包括具体的子车道的序号。车辆的控制单元从云平台获取到车道宽度的地图信息后，导入特征道路地图时，则可以除了需要确认车道的地理位置，还需确定需更新车道宽度的子车道的序号，从而准确找到车道中宽度出现改变的子车道并将该子车道的宽度更新。
在本发明实施例中，当导入的地图信息为道路曲率时，由于不同子车道的道路曲率不相同，即每条子车道的弯曲程度不同，因此车辆通过不同子车道需要变向的角度也不同，与前文类似的是，道路曲率的地图信息中除了包括道路曲率及地理位置信息外，还应包括需更新道路曲率的子车道的序号，其中具体的序号编号原则与前文所述一致。
在本发明实施例中，当导入的地图信息为道路坡度时，车辆的控制单元首先从地图信息内获取与道路坡度对应的地理位置信息，通过地理位置信息确定该道路坡度为具体的哪一条车道的坡度，进而将道路特征地图中的道路坡度进行更改。由于车道存在坡度时，为了便于车辆通行车道中的各子车道的坡度应保持一致，所以道路坡度的地图信息中可以不包括子车道的序号信息。
在本发明实施例中，当导入的地图信息为隧道长度时，车辆的控制单元首先从地图信息内获取与隧道长度对应的地理位置信息，通过地理位置信息确定该隧道长度为具体的哪一条隧道的长度，进而将道路特征地图中的隧道长度进行更改。
在本发明实施例中，当导入的地图信息为车道线、路面箭头和交通标识时，车辆的控制单元首先从地图信息内获取与车道线、路面箭头和交通标识对应的地理位置信息，通过地理位置信息确定该车道线、路面箭头和交通标识为具体的哪一条道路的道路特征信息。
步骤203：采用栅格法将道路特征地图划分成多个具有二值信息的栅格单元，得到栅格地图。
其中，二值信息指的是道路特征地图中各部分具有障碍物和不具有障碍物两种信息，例如若某个栅格单元内不含任何障碍物，则称此栅格单元为自由栅格；反之，称为障碍栅格。本发明实施例中可供车辆行驶的自由空间和障碍物均为栅格单元的集成。例如道路特征地图中道路以外的部分均会被划分为障碍栅格，道路中车辆可行驶部分则为自由栅格。
在本发明实施例中，采用栅格法对道路特征地图进行划分时，首先将道路特征地图划分成多个尺寸一致的栅格单元，即使得整个道路特征地图呈网格状，然后判断道路特征地图中各个栅格单元为自由栅格还是障碍栅格。在本发明的一些实施例中，判断道路特征地图中各个栅格单元的为自由栅格或障碍栅格的方法可以遵循以下原则，先确定道路特征地图中的代表车道的栅格单元和代表非车道的栅格单元，将代表非车道的栅格单元定义为障碍栅格，将代表车道的栅格单元暂定位为自由栅格，然后从本地存储的道路特征地图中获取地图信息，并从地图信息中获取车道线，筛选出车道线中指示不可越过的车道线(如实线)，将筛选出的车道线作为障碍栅格替换代表车道的栅格单元中与该筛选出的车道线处于同一位置的栅格单元，即完成栅格地图的划分。
示例性地，栅格单元的尺寸可以为0.2m×0.2m，栅格单元的尺寸越小，则表明栅格地图的精度越高。若对栅格地图的精度要求更高则可以降低栅格单元的尺寸，若对栅格地图的精度要求较低则可以增大栅格单元的尺寸，可降低车辆的控制单元的工作强度。
在本发明实施例中，通过栅格法将道路特征地图划分成栅格地图后，会对栅格地图内的每个栅格进行标号，通常采用直角坐标法、序号法或四叉树法。并且在对栅格地图中各个栅格标号时，会将该栅格对应的地理位置信息或定位信息与该栅格的标号进行配对，配对即为通过栅格标号可以确定给栅格的地理位置信息，或通过该栅格的地理位置信息可以确定栅格标号。
步骤204：在栅格地图中确定车辆所在位置对应的第一栅格单元和设定终点对应的第二栅格单元。
步骤204中，通过车辆定位系统获取车辆所在位置并确定第一栅格单元，同时根据用户输入的设定终点确定第二栅格单元。
在本发明实施例中，确定第一栅格单元时，首先通过定位系统确定出车辆所在位置的地理位置信息，如何通过地理位置信息，配对出与该地理位置信息对应的栅格序号，从而确定出第一栅格单元的序号。
另外，当用户输入设定终点后确定第二栅格单元时，可以先根据该设定终点确定出终点特征建筑或终点特征建筑设施，然后根据获取终点特征建筑或终点特征建筑设施的地理位置信息并根据该地理位置信息配对，得到该地理位置信息对应的栅格序号，从而确定出第二栅格单元。
示例性地，用户输入的设定终点，通常为某某路或某建筑(如购物广场、写字楼)，当用户输入的设定终点为某某路时，车辆的控制单元则可以通过v2n获取该路上存在的特征建筑(如写字楼)或特征设施(如路口信号灯)作为终点特征建筑或终点特征设施，同时通过v2n获取终点特征建筑或终点特征设施对应的地理特征信息，然后进行配对，确定出对应的第二栅格单元。当用户输入的设定终点为某建筑，则可直接将该建筑作为终点特征建筑，通过v2n获取终点特征建筑对应的地理特征信息，然后进行配对，确定出对应的第二栅格单元。
步骤205：在栅格地图内规划第一栅格单元和第二栅格单元之间的路径。
步骤205中，采用路径搜索算法获取栅格地图中第一栅格单元和第二栅格单元之间的路径。其中路径搜索算法可以采用a*算法、dijkstra算法(迪杰斯特拉算法)和floyd算法(floyd-warshall，弗洛伊德算法)等多种算法。
在本发明的一些实施例中，规划第一栅格单元和第二栅格单元之间的路径时，可通过车与基础设施通讯(vehicletoinfrastructure，v2i)先获取道路特征地图中道路限行信息，并确定该限行道路中包含的栅格单元，在进行路径规划时，避免规划的路径中包括代表限行道路的栅格单元，避免车辆行驶至限行路径后再次重新规划路径，提高车辆的控制单元的工作效率。
步骤206：根据路径，控制车辆自动行驶。
在通过步骤204-206获取到路径后，还需在车辆行驶时控制其车速，为车辆设定行驶速度，可通过执行步骤206a-206b获取车辆行驶的速度，即可以在执行步骤206时，执行步骤206a-206b，或者在步骤205后，执行步骤206a-206b。
步骤206a：通过车与基础设施通讯获取路况信息，路况信息包括：指示灯信息、道路限速信息和道路拥堵信息中的至少一种。
步骤206a中，车辆通过其内置的v2i获取路况信息。当获取指示灯信息时，需获取指示灯的状态和该状态的时间信息，v2i可通过与道路上的交通信号设施(如信号灯)建立通讯，从交通信号设施中获取当前指示灯的状态和该状态的时间信息。当获取道路限速信息时，需获取的信息应包括该道路上的限速和信息，v2i可通过联网获取该道路的限速信息。当获取道路拥堵信息时，可通过v2i与道路旁设置的监控设施建立通讯，获取该道路上车辆拥堵信息或人流密集信息。
步骤206b：根据路况信息控制车辆在路径中的行驶速度。
步骤206b中，当获取到指示灯信息时，可根据指示灯的状态和该状态的时间，确定车辆的行驶速度。例如，可获取车辆距指示灯的距离以及当前车辆的车速，计算车辆抵达指示灯的时间，并判断车辆抵达指示灯所在路口时指示灯的状态，若指示灯为红灯，则应调低车辆的行驶速度，使车辆抵达指示灯所在路口时指示灯的状态为绿灯；或者当判断车辆抵达指示灯所在路口时指示灯即将由绿灯变为红灯状态，则应调高车辆的行驶速度，使车辆抵达指示灯所在路口时指示灯的状态还为绿灯。
示例性地，如当车辆通过v2i获取到车辆距下一个指示灯距离为400m，此时该指示灯的状态为红灯，且红灯状态持续时间为30s，此时车辆行驶速度为20m/s，经判断后可知车辆在20s后将抵达指示灯，而此时指示灯仍为红灯，为避免停车等待，需将车辆车速调至低于13.3m/s，从而保证车辆可不等待直接过指示灯。
当获取到道路限速信息时，可直接根据限速信息调整车辆在该路段的行驶速度。
当获取道路拥堵信息为车辆拥堵信息时，可控制车辆换道行驶，同样地，经过换道后，应重新执行步骤204-205，得到新的路径；当获取道路拥堵信息为人流密集信息时，应降低车辆行驶速度，如将车辆速度降至安全行驶速度5m/s，从而保证车辆安全驶过人流密集区域。
在经过步骤201-206确定路径后，并沿规划好的路径行驶时，还可以执行步骤207a-207c，通过步骤207a-207c采集道路特征信息，为云平台更新地图信息，即在执行步骤206时，应同步进行步骤207a-207c，且207a-207c与206a-206b相互独立，无先后顺序。
步骤207a：在车辆的行驶过程中，实时采集道路特征信息。
步骤207a包括：车辆沿规划路径行驶时，通过车辆自带的传感器实时采集道路特征信息。
图4是本发明实施例提供的一种自动驾驶系统的传感器的布置示意图，如图4所示，在本实施例中，车辆上设置的传感器包括：设置在车顶上激光雷达1、环绕设置在车身上的雷达传感器、环绕设置在车身上的超声波雷达3和摄像头。该激光雷达1为水平辐射角为360°，因此可在360°的范围内获取智能车的障碍物信息；该雷达传感器可设置在智能车后备箱、前引擎盖的两侧和车身的正前方或正后方，因此可在前后左右方向上障碍物的距离信息；通常超声波雷达3探测距离较短，所以其可用于近距离的障碍物探测，在设置超声波雷达3时可等距环绕车身布置，也可在某处(车辆行驶时易发生擦碰的位置如车身四角的位置)集中设置多个超声波雷达3，设置超声波雷达3用以探测智能车在周向上障碍物的距离信息；摄像头用于观察智能车四周的障碍物信息和路况信息。
在本发明实施例中，车辆还包括定位模块5，定位模块5的定位精度为1-2cm。通过定位模块5获取智能车的位置信息，可便于控制单元获取智能车所在地的地图信息以及与路面基础设施之间的位置关系，提高了智能车的可靠性。
如图4所示，雷达传感器包括四个设置在车身四角位置的第一雷达传感器21和一个设置在车身前方的第二雷达传感器22。其中第一雷达传感器21的探测角度为150°，探测距离为0-80m，第二雷达传感器22的探测角度为20°，探测距离为0-175m。设置在车身前方的第二雷达传感器22可以设置在车身的引擎盖中间位置附近，在本发明实施例中，第二雷达传感器22可以是能进行20°或90°范围的水平转动雷达传感器且探测距离为0-175m，其转动范围不大，主要用于探测智能车前方位置障碍物。设置在车身四角位置的第一雷达传感器21，其探测角度为150°，探测距离为0-80m，其主要用于探测车身位置和车后位置的障碍物信息。
可选地，超声波雷达3包括十个设置在环绕设置在车身上的超声波雷达3，超声波雷达3的探测距离为0-60m。其中超声波雷达3探测距离比雷达传感器小，在本发明实施例中其主要用于获取智能车近距离位置的障碍物信息，雷达传感器则是获取远距离的障碍物信息，其与雷达传感器分工协作，提高了智能车的可靠性。
如图4所示，摄像头包括一个立体摄像头41和四个环视摄像头42，一个立体摄像头41设置在车窗的前挡风玻璃上，两个环视摄像头42设置在智能车的两侧，另两个环视摄像头42设置在智能车的前方和后方。立体摄像头41为前视摄像头设于车窗的前挡风玻璃上，负责观察车辆前方的物体或信号灯，而设于两侧的环视摄像头42则用于观察智能车周围的物体。
图5是本发明实施例提供的一种自动驾驶系统的信息通讯示意图，如图5所示，雷达传感器、超声波雷达3采用控制器局域网络(controllerareanetwork，简称can)总线与控制单元连接，通过can总线连接控制单元。can总线实时性强、传输距离较远、抗电磁干扰能力强、检错能力强，可在高噪声干扰环境中工作，提高了智能车系统信号传输的稳定性。如图5所示，激光雷达1通过用户数据报协议(userdatagramprotocol,简称udp)与控制单元连接，摄像头通过传输控制协议(transmissioncontrolprotocol，简称tcp)与控制单元连接。由于摄像头获取的信息与激光雷达1获取的更为重要，因此在摄像头与控制单元连接时采用了稳定性更好的tcp连接方式，并且由于存在雷达传感器和超声波雷达3，因此在激光雷达1与控制单元连接时采用了稳定性一般的udp连接方式，体现了本发明线路连接与分配的合理性。
通过上述传感器探测出车道宽度、道路曲率、道路坡度、隧道长度、车道线、路面箭头和交通标识。车道宽度、道路曲率、道路坡度和隧道长度可由激光雷达、雷达传感器探测，例如，车道宽度可以由摄像头拍摄车道图片，采用图像处理技术确定车道线的距离，从而得到车道宽度。再如，道路坡度可以通过车辆的定位模块检测出道路上两点的经纬度和高度，从而确定两点的距离和高度差，从而确定道路坡度。车道线、路面箭头和交通标识，则可通过摄像头拍摄后，进行特征识别，判断为何种车道线、路面箭头或交通标识，特征识别的过程可以是将拍摄的图片与车道线、路面箭头和交通标识的模版数据库内的模版进行比对，当比对的相似度大于设定值时，则确定为该车道线、路面箭头或交通标识。
另外，在采集道路特征信息的过程中，需实时对车辆进行定位，将定位后的位置信息与相应的道路特征信息进行匹配，即每一个道路特征信息均具有与其相应的位置信息。
步骤207b：将获取的道路特征信息与地图信息内的道路特征信息进行特征对比，得到增量特征，增量特征为获取的道路特征信息中区别于地图信息内的道路特征信息的道路特征信息。
步骤207b中道路特征信息的车道宽度、道路曲率、道路坡度和隧道长度均可以通过数值表示，因此进行特征对比时，通过比较相应数值的是否相同即可，若进行特征对比后发现数值不相同，即说明采集到的车道宽度、道路曲率、道路坡度或隧道长度的数值为增量特征。
道路特征信息中的车道线、路面箭头和交通标识通过步骤207a识别后，进行特征对比时，可直接对比该道路特征信息是否表示同一种特征，如进行车道线的特征对比时，判断两个车道线是否均为实线或虚线等，若两者不同为实线或虚线等，则表明采集到的车道线为增量特征。路面箭头和交通标识进行特征对比的过程与车道线一致，本发明实施例在此不作赘述。
步骤207c：将增量特征上传至云平台。
步骤207c中，通过v2n将增量特征通过网络上传至云平台。
在本发明的一些实施例中，可以将获取的道路特征信息不经过步骤207b中的特征对比上传至云平台，上传后直接将云平台上的地图信息覆盖即可。
步骤207c仅上传增量特征值云平台，可以节省网络流量，使得地图信息的更新过程更加迅速快捷。
在经过步骤201-206确定路径后，并沿规划好的路径行驶时，还需执行步骤208a-208c，通过步骤208a-208c获取车辆的周围车辆的状态信息，控制车辆自动驾驶，即在执行步骤206时，可以同步进行步骤208a-208c，且208a-208c与206a-206b和207a-207c相互独立，无先后顺序。
步骤208a：在车辆行驶过程中，通过车车通讯获取车辆周围的车辆的状态信息。
步骤208a包括，在车辆沿规划的路径行驶过程中，通过车车通讯(vehicletovehicle，简称v2v)单元获取周围车辆的状态信息，其中，状态信息用于指示对应的车辆是否故障。
步骤208b:若状态信息指示车辆周围的车辆中存在故障车辆，则获取故障车辆的位置和大小信息。
步骤208b中，若通过车车通讯单元检测到周围车辆中存在处于故障状态的车辆，则可以通过两种方式获取故障车辆的位置和大小信息。其一为通过v2v与故障车辆建立通讯，从故障车辆中获取该故障车辆通过定位系统确定的地理位置信息和车辆的存储单元保存的大小信息；其二为通过车辆自带的传感器探测故障车辆的方位以及距离从而确定故障车辆的位置信息，并通过传感器直接探测出故障车辆的大小信息。在本发明实时例中，通过上述两种方式获取到故障车辆的位置和大小信息，可以将v2v和车辆自带的传感器获取的信息进行比较，若两者获取的故障车辆的位置和大小信息一致，则保存该故障车辆的位置和大小信息，若两者获取的故障车辆的位置和大小信息不一致，则以车辆自带的传感器探测的位置和大小信息为准。
步骤208c：根据故障车辆的位置和大小信息，控制车辆避开故障车辆。
步骤208c中，控制车辆避开故障车辆时可以根据故障车辆的位置信息和大小信息判断该故障车辆是否处于车辆的行驶路径上，若判断到该故障车辆不处于车辆的行驶路径，则不改变车辆的行驶路径；若判断到该故障车辆处于车辆的行驶路径，则控制控制车辆向左或向右偏移原来行驶的路径，从而避开故障车辆。另外，若车辆内载有驾驶员，驾驶员还可以对车辆进行紧急制动。
步骤209a:通过车车通讯获取车辆的前方车辆的路径。
步骤209a中，通过v2v与前方车辆建立通讯，获取前方车辆行驶的路径，其中前方车辆为在车辆的行驶方向上与车辆的距离在设定距离内的车辆，设定距离可以是1-2个车辆长度的距离。
步骤209b：若车辆与前方车辆的路径至少部分相同，则控制车辆跟踪前方车辆行驶。
步骤209b中，车辆与前方车辆的路径至少部分相同指的是，前方车辆从当前位置为起点其后续路径中存在部分路径与车辆从当前位置为起点其后续路径中的部分路径相同。在相同的部分路径内，调整车辆车速使车辆与该前方车辆之间达到安全距离，例如一个车辆长度的距离，然后通过v2v实时获取该前方车辆的车速，并控制车辆以该车速跟随该前方车辆行驶直至行驶完部分相同的路径。此时可再次执行步骤209a-209b。若车辆与前方车辆的路径不存在相同部分，则执行步骤206。
在经过步骤201-206确定路径后，并沿规划好的路径行驶时，还可以执行步骤209a-209b，通过步骤209a-209b上传障碍物信息，获取云平台的远程控制指令，对车辆进行控制，即在执行步骤206时，可以同步进行步骤209a-209b，且209a-209b与206a-206b、207a-207c和208a-208c相互独立，无先后顺序。
在本发明的一些实施例中，还可以将车辆的传感器获取的障碍物信息上传至云平台。障碍物信息可以包括：障碍物大小和位置信息，该障碍物信息上传至云平台后，云平台会与步骤208c类似地根据障碍物大小和位置信息判断障碍物是否处于车辆行驶路径，并生成车辆控制指令，发送至车辆，该种模式适用于车辆的控制单元处理速度缓慢的异常状态，如设备老化等情况。
在本发明的一些实施例中，车辆的控制单元还可以搜集车辆运行过程中的日志。并且将日志信息保存起来，回传给云平台，便于开发人员在云平台进行诊断。
图6是本发明实施例提供的一种自动驾驶系统的控制装置的结构示意图，如图6所示，装置包括：
获取模块301，用于从云平台实时获取地图信息，地图信息包括地理位置信息和与地理位置信息对应的道路特征信息，道路特征信息包括：车道宽度、道路曲率、道路坡度、隧道长度、车道线、路面箭头和交通标识，道路特征信息为多个车辆终端在行驶过程中采集并发送至云平台的；
导入模块302，用于将地图信息导入本地存储的道路特征地图；
划分模块303，用于采用栅格法将道路特征地图划分成多个具有二值信息的栅格单元，得到栅格地图；
确定模块304，用于在栅格地图中确定车辆所在位置对应的第一栅格单元和设定终点对应的第二栅格单元；
规划模块305，用于在栅格地图内规划第一栅格单元和第二栅格单元之间的路径；
控制模块306，用于根据路径，控制车辆自动行驶。
在本发明实施例的一种实现方式中，装置还包括：采集模块307，用于在车辆的行驶过程中，实时采集道路特征信息；对比模块308，用于将获取到的道路特征信息与地图信息内的道路特征信息进行特征对比，得到增量特征，增量特征为获取到的道路特征信息中区别于地图信息内的道路特征信息的道路特征信息；发送模块309，用于将增量特征上传至云平台。
在本发明实施例的一种实现方式中，获取模块301还用于通过车与基础设施通讯获取路况信息，路况信息包括：指示灯信息、道路限速信息和道路拥堵信息中的至少一种；控制模块306，还用于根据路况信息控制车辆在路径中的行驶速度。
在本发明实施例的一种实现方式中，获取模块301还用于在车辆行驶过程中，通过车车通讯获取车辆周围的车辆的状态信息，状态信息用于指示对应的车辆是否故障；还用于若状态信息指示车辆周围的车辆中存在故障车辆，则获取故障车辆的位置和大小信息；控制模块306，还用于根据故障车辆的位置和大小信息，控制车辆避开故障车。
在本发明的一种实现方式中，获取模块301还用于通过车车通讯获取车辆的前方车辆的路径，前方车辆为在车辆的行驶方向上与车辆的距离在设定距离内的车辆；控制模块306，还用于若车辆与前方车辆的路径至少部分相同，则控制车辆跟踪前方车辆行驶。
图7是本发明实施例提供的一种自动驾驶系统的控制装置的结构框图，如图7所示，该自动驾驶系统的控制装置700可以是车载电脑等。
通常，自动驾驶系统的控制装置700包括有：处理器701和存储器702。
处理器701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器701可以采用dsp(digitalsignalprocessing，数字信号处理)、fpga(field－programmablegatearray，现场可编程门阵列)、pla(programmablelogicarray，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(centralprocessingunit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以在集成有gpu(graphicsprocessingunit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括ai(artificialintelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的自动驾驶系统的控制方法。
在一些实施例中，自动驾驶系统的控制装置700还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、触摸显示屏705、摄像头706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
显示屏705用于显示ui(userinterface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置自动驾驶系统的控制装置700的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在自动驾驶系统的控制装置700的不同表面或呈折叠设计；在再一些实施例中，显示屏705可以是柔性显示屏，设置在自动驾驶系统的控制装置700的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用lcd(liquidcrystaldisplay，液晶显示屏)、oled(organiclight-emittingdiode,有机发光二极管)等材质制备。
电源709用于为自动驾驶系统的控制装置700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解，图7中示出的结构并不构成对自动驾驶系统的控制装置700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本发明实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由自动驾驶系统的控制装置的处理器执行时，使得自动驾驶系统的控制装置能够执行图2所示实施例提供的自动驾驶系统的控制方法。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述图2所示实施例提供的自动驾驶系统的控制方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。