[发明专利]车辆的控制方法、控制装置、处理器与车辆

说明书

本申请提供了一种车辆的控制方法、控制装置、处理器与车辆。该方法包括获取洒水车的实时雷达点云数据和实时图像数据，实时雷达点云数据用于表征洒水车的局部信息；根据实时雷达点云数据和实时图像数据，确定出洒水车靠近目标车辆的边，目标车辆和洒水车位于同一个行驶区域内；至少根据洒水车靠近目标车辆的边，确定目标车辆的实时行驶信息，实时行驶信息至少包括目标车辆下一时刻的行驶速度。本方案中根据局部点云数据就实现了对洒水车靠近目标车辆的边的确定，进而避免了对目标车辆的实时行驶信息的影响，可以实现对目标车辆的精准导航。

技术领域

本申请涉及自动驾驶，具体而言，涉及一种车辆的控制方法、控制装置、计算机可读存储介质、处理器与车辆。

背景技术

现有的方案中，若想实现对洒水车模型的构建一般需要识别出洒水车的四个顶点，然而在实际运行中，由于遮挡等原因，精确获取到洒水车的四个顶点是比较困难的，进而使得难以精确构建出洒水车模型，进一步导致影响目标车辆的行驶规划。

发明内容

本申请的主要目的在于提供一种车辆的控制方法、控制装置、计算机可读存储介质、处理器与车辆，以解决现有技术中难以精确构建出洒水车模型，进一步导致影响目标车辆的行驶规划的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种车辆的控制方法，包括：获取洒水车的实时雷达点云数据和实时图像数据，所述实时雷达点云数据用于表征所述洒水车的局部信息；根据所述实时雷达点云数据和所述实时图像数据，确定出所述洒水车靠近目标车辆的边，所述目标车辆和所述洒水车位于同一个行驶区域内；至少根据所述洒水车靠近目标车辆的边，确定所述目标车辆的实时行驶信息，所述实时行驶信息至少包括所述目标车辆下一时刻的行驶速度。

可选地，根据所述实时雷达点云数据和所述实时图像数据，确定出所述洒水车靠近目标车辆的边，包括：构建神经网络模型，其中，所述神经网络模型是采用历史时间段内获取的多组历史雷达点云数据、历史图像数据以及所述历史雷达点云数据和历史图像数据对应的洒水车靠近目标车辆的边训练得到的；将所述实时雷达点云数据和所述实时图像数据输入至所述神经网络模型中进行运算，得到所述洒水车靠近目标车辆的边。

可选地，所述方法还包括：将所述历史雷达点云数据投影至水平面上，得到所述历史雷达点云数据的历史二维鸟瞰图；采用鸟瞰图编码的方式将所述历史二维鸟瞰图转化为历史特征图。

可选地，构建神经网络模型，包括：采用历史时间段内获取的多组历史雷达点云数据对应的所述历史特征图、所述历史图像数据以及所述历史雷达点云数据和历史图像数据对应的洒水车靠近目标车辆的边进行训练，得到所述神经网络模型；将所述实时雷达点云数据和所述实时图像数据输入至所述神经网络模型中进行运算，得到所述洒水车靠近目标车辆的边，包括：获取所述实时雷达点云数据对应的实时特征图；将所述实时特征图和所述实时图像数据输入至所述神经网络模型中进行运算，得到所述洒水车靠近目标车辆的边。

可选地，在所述洒水车位于所述目标车辆的前方的情况下，所述实时雷达点云数据用于表征所述洒水车的尾部信息。

可选地，在所述洒水车位于所述目标车辆的右侧的情况下，所述实时雷达点云数据用于表征所述洒水车的左侧信息。

可选地，在所述洒水车位于所述目标车辆的左侧的情况下，所述实时雷达点云数据用于表征所述洒水车的右侧信息。

可选地，所述神经网络模型为深度学习模型。

可选地，至少根据所述洒水车靠近目标车辆的边，确定所述目标车辆的实时行驶信息，包括：获取所述目标车辆的当前时刻的行驶速度和行驶加速度；根据所述洒水车靠近目标车辆的所述边，确定出当前时刻所述目标车辆与洒水车之间的距离；根据所述目标车辆的当前时刻的行驶速度、行驶加速度和当前时刻所述目标车辆与洒水车之间的距离，确定所述目标车辆的下一时刻的行驶速度和行驶加速度。

可选地，所述实时图像数据还用于确定所述洒水车的朝向。