公开/公告号CN112798002A
专利类型发明专利
公开/公告日2021-05-14
原文格式PDF
申请/专利权人 佛山市金净创环保技术有限公司;
申请/专利号CN202011589982.4
申请日2020-12-29
分类号G01C21/34(20060101);
代理机构44463 佛山粤进知识产权代理事务所(普通合伙);
代理人耿鹏
地址 528000 广东省佛山市南海区桂城街道佛平三路1号金色领域广场1座433室之二
入库时间 2023-06-19 11:00:24
技术领域
本发明涉及一种自主路径规划方法,尤其涉及一种智能车辆自主路径规划方法、系统及可读存储介质。
背景技术
垃圾是人类日常生活和生产中产生的固体废弃物,由于排出量大,成分复杂多样,且具有污染性、资源性和社会性,需要无害化、资源化、减量化和社会化处理,如不能妥善处理,就会污染环境,影响环境卫生,浪费资源,破坏生产生活安全,破坏社会和谐。垃圾处理就是要把垃圾迅速清除,并进行无害化处理,最后加以合理的利用。当今广泛应用的垃圾处理方法是卫生填埋、高温堆肥和焚烧。垃圾处理的目的是无害化、资源化和减量化。垃圾处理过程中都是经过垃圾车将各个区域内的垃圾桶内的垃圾统一倒入垃圾车内,随着垃圾分类的普及化,传统的垃圾收集方式以无法满足垃圾分类处理的需求,因此需要一种智能车辆对垃圾桶进行统一运输至指定地点对垃圾进行处理。
为了能够对智能车辆自主路径规划实现精准的控制,需要开发一款与其相匹配的系统进行控制,该系统接收垃圾清理指令,获取垃圾桶位置信息,生成目的地信息;采集图像信息,提取道路特征,结合目的地信息,生成行进决策;按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动;当车辆位置偏离预定位置时,则根据修正信息对车辆位移参数进行实时动态修正,但是在进行控制过程中,如何实现精准控制的同时,实现车辆智能路径规划都是亟不可待要解决的问题。
发明内容
本发明克服了现有技术的不足,提供一种智能车辆自主路径规划方法、系统及可读存储介质。
为达到上述目的,本发明采用的技术方案为:一种智能车辆自主路径规划方法,包括:
接收垃圾清理指令,获取垃圾桶位置信息,生成目的地信息;
采集图像信息,提取道路特征,结合目的地信息,生成行进决策;
按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动;
获取车辆实时位置信息,将车辆实时位置信息与预定位置信息进行比较,得到偏差率;
判断所述偏差率是否大于预定阈值;
若大于,则生成修正信息,根据修正信息对车辆位移参数进行动态修正,得到修正结果;
将修正结果按照预定方式传输至终端。
本发明一个较佳实施例中,采集图像信息,提取道路特征,结合目的地信息,生成行进决策,还包括:
采集交通信号灯状态,生成信号灯状态信息;
根据信号灯状态信息计算信号灯状态切换时间及相邻路口信号灯切换间隔时间,生成信号灯切换信息;
获取车辆参数信息,通过模型预测车辆平均行驶速度,生成车辆平均行驶速度信息;
根据车辆行驶速度信息结合信号灯切换信息,搜寻最优路径,
建立虚拟道路信息,对最优路径进行反演,得到反演信息;
根据反演信息校正车辆平均行驶速度。
本发明一个较佳实施例中,按照行进决策进行路径规划,得到路径信息;具体包括:
建立世界坐标系,获取垃圾桶位置坐标,生成目的地坐标;
获取车辆初始位置信息,生成车辆初始位置坐标;
计算车辆初始位置坐标与目的地坐标直线距离;
采集车辆初始位置与目的地坐标之间目标区域内障碍物信息,生成障碍物坐标;
剔除障碍物坐标点,建立车辆初始位置与目的地坐标之间的最短折线,生成路径信息。
本发明一个较佳实施例中,按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动,还包括:
获取车辆参数信息,建立运动状态预测模型;
采集车辆运动状态,生成状态信息;
将状态信息与预设状态信息进行比较,得到偏差率;
判断所述偏差率是否大于预定偏差率阈值;
若大于,则生成警告信息,
根据警告信息修正行进决策,得到结果信息;
将结果信息按照预定方式传输至终端。
本发明一个较佳实施例中,还包括:
采集图像信息,提取道路特征,根据道路特征确定车辆行进模式,并生成对应的控制策略;
获取道路交通数据,生成专家预测数据库,根据专家预测数据库预测车辆动态信息,
将控制策略与车辆动态信息进行匹配,生成匹配度信息,将匹配度信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设偏差率阈值,
若大于,则切换至局部路径规划模式,对车辆行进路径进行局部路径规划;
若小于,则切换至全局路径规划模式,对车辆行进路径进行全路径规划。
本发明一个较佳实施例中,所述车辆位移参数包括车速、制动时间、车辆转弯半径、车距、车辆启动时间、车辆变道偏航角中的一种或两种以上的组合。
本发明第二方面还提供了一种智能车辆自主路径规划系统,该系统包括:存储器、处理器,所述存储器中包括智能车辆自主路径规划方法程序,所述智能车辆自主路径规划方法程序被所述处理器执行时实现如下步骤:
接收垃圾清理指令,获取垃圾桶位置信息,生成目的地信息;
采集图像信息,提取道路特征,结合目的地信息,生成行进决策;
按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动;
获取车辆实时位置信息,将车辆实时位置信息与预定位置信息进行比较,得到偏差率;
判断所述偏差率是否大于预定阈值;
若大于,则生成修正信息,根据修正信息对车辆位移参数进行动态修正,得到修正结果;
将修正结果按照预定方式传输至终端。
本发明一个较佳实施例中,采集图像信息,提取道路特征,结合目的地信息,生成行进决策,还包括:
采集交通信号灯状态,生成信号灯状态信息;
根据信号灯状态信息计算信号灯状态切换时间及相邻路口信号灯切换间隔时间,生成信号灯切换信息;
获取车辆参数信息,通过模型预测车辆平均行驶速度,生成车辆平均行驶速度信息;
根据车辆行驶速度信息结合信号灯切换信息,搜寻最优路径,
建立虚拟道路信息,对最优路径进行反演,得到反演信息;
根据反演信息校正车辆平均行驶速度。
本发明一个较佳实施例中,按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动,还包括:
获取车辆参数信息,建立运动状态预测模型;
采集车辆运动状态,生成状态信息;
将状态信息与预设状态信息进行比较,得到偏差率;
判断所述偏差率是否大于预定偏差率阈值;
若大于,则生成警告信息,
根据警告信息修正行进决策,得到结果信息;
将结果信息按照预定方式传输至终端。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括智能车辆自主路径规划方法程序,所述智能车辆自主路径规划方法程序被处理器执行时,实现上述任一项所述的智能车辆自主路径规划方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
(1)通过建立世界坐标系对目的地与车辆初始位置进行统一定位,并检测两者之间的目标区域内的障碍物,并将障碍物对应的坐标点去除,去除后,剩余的坐标点进行车辆路径规划,防止障碍物对路径规划形成干扰,使得路径规划更加的精确。
(2)通过交通信号灯状态信息与车辆平均行驶速度结合,进行模拟,从而实现最优路径的搜寻,综合了多种干扰因素进行判别规划,提高规划精准度,并实现车辆自主、高效的驾驶,实现城市垃圾收集处理的智能化。
(3)根据专家预测数据库预测车辆动态信息,并对路径规划模式,进行全路径规划与局部路径规划之间切换,保证路径规划过程中的精准性,并实现在车辆运行过程中实时进行自主路径规划。
(4)通过建立虚拟道路信息,对最优路径进行反演,从而根据反演结果校正车辆平均行驶速度,保证在交通信号灯切换间隔内,车辆按照预定路径进行行驶,实现路径规划精准性及智能化。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种智能车辆自主路径规划方法的流程图;
图2示出了最优路径反演方法流程图;
图3示出了规避障碍物方法流程图;
图4示出了修正行进决策方法流程图;
图5示出了路径规划模式切换方法流程图;
图6示出了一种智能车辆自主路径规划系统的框图;
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种智能车辆自主路径规划方法的流程图。
如图1所示,本发明第一方面提供了一种智能车辆自主路径规划方法,包括:
S102,接收垃圾清理指令,获取垃圾桶位置信息,生成目的地信息;
S104,采集图像信息,提取道路特征,结合目的地信息,生成行进决策;
S106,按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动;
S108,获取车辆实时位置信息,将车辆实时位置信息与预定位置信息进行比较,得到偏差率;
S110,判断所述偏差率是否大于预定阈值;
S112,若大于,则生成修正信息,根据修正信息对车辆位移参数进行动态修正,得到修正结果;
S114,将修正结果按照预定方式传输至终端。
需要说明的是,通过车载传感器检测道路环境及车辆自身等信息,同时预测车辆的运动状态,当车辆处于危险状态且大于设定值时,系统触发视觉、触觉或声音等警告,使得车辆控制终端对各种危险状态做出适当的反应从而减少意外事故的发生。预警系统包括车道偏离预警系统、防碰撞预警系统,利用传感器对车辆自身和车辆周围环境的状态信息进行感知,实现车辆自适应巡航、车道保持、自主避障、辅助泊车等,以实现自动驾驶控制,车辆能够根据车载传感器感知自身车辆状态和车外环境等信息,利用各种数据处理算法获得决策控制所需信息,并以此作为依据进行决策控制,同时根据当前行驶任务自主发出控制命令,控制车辆在没有驾驶员监督下完全自主、安全、有效地实现驾驶。传感器包括内部传感器和外部传感器,内部传感器用于获取车辆本身的各种状态参数信息;外部传感器安装在智能车辆外部,用于感知外部环境信息。使用合适的传感器可以有效地获取车辆内、外部信息,有助于智能车辆正常工作,提高工作效率,传感器包括视觉传感器、距离传感器、激光雷达、GPS等。
针对不同传感器采集的信息进行信息融合,多个传感器所提供的在空间或时间上的冗余或互补信息或来自同一传感器的多特征信息依据准则进行融合和集成处理,形成对外部环境特征的一致性描述或解释,经过集成处理的多传感器信息融合扩大了系统的时空和频率覆盖范围,避免单一传感器的工作盲区。
如图2所示,本发明公开了最优路径反演方法流程图;
根据本发明实施例,采集图像信息,提取道路特征,结合目的地信息,生成行进决策,还包括:
S202,采集交通信号灯状态,生成信号灯状态信息;
S204,根据信号灯状态信息计算信号灯状态切换时间及相邻路口信号灯切换间隔时间,生成信号灯切换信息;
S206,获取车辆参数信息,通过模型预测车辆平均行驶速度,生成车辆平均行驶速度信息;
S208,根据车辆行驶速度信息结合信号灯切换信息,搜寻最优路径,
S210,建立虚拟道路信息,对最优路径进行反演,得到反演信息;
S212,根据反演信息校正车辆平均行驶速度。
需要说明的是,通过交通信号灯状态信息与车辆平均行驶速度结合,进行模拟,从而实现最优路径的搜寻,综合了多种干扰因素进行判别规划,提高规划精准度,并实现车辆自主、高效的驾驶,实现城市垃圾收集处理的智能化;通过建立虚拟道路信息,对最优路径进行反演,从而根据反演结果校正车辆平均行驶速度,保证在交通信号灯切换间隔内,车辆按照预定路径进行行驶,实现路径规划精准性及智能化。
如图3所示,本发明公开了规避障碍物方法流程图;
根据本发明实施例,按照行进决策进行路径规划,得到路径信息;具体包括:
S302,建立世界坐标系,获取垃圾桶位置坐标,生成目的地坐标;
S304,获取车辆初始位置信息,生成车辆初始位置坐标;
S306,计算车辆初始位置坐标与目的地坐标直线距离;
S308,采集车辆初始位置与目的地坐标之间目标区域内障碍物信息,生成障碍物坐标;
S310,剔除障碍物坐标点,建立车辆初始位置与目的地坐标之间的最短折线,生成路径信息。
需要说明的是,通过建立世界坐标系对目的地与车辆初始位置进行统一定位,并检测两者之间的目标区域内的障碍物,并将障碍物对应的坐标点去除,去除后,剩余的坐标点进行车辆路径规划,防止障碍物对路径规划形成干扰,使得路径规划更加的精确。
如图4所示,本发明公开了修正行进决策方法流程图;
根据本发明实施例,按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动,还包括:
S402,获取车辆参数信息,建立运动状态预测模型;
S404,采集车辆运动状态,生成状态信息;
S406,将状态信息与预设状态信息进行比较,得到偏差率;
S408,判断所述偏差率是否大于预定偏差率阈值;
S410,若大于,则生成警告信息,
S412,根据警告信息修正行进决策,得到结果信息;
S414,将结果信息按照预定方式传输至终端。
如图5所示,本发明公开了路径规划模式切换方法流程图;
根据本发明实施例,还包括:
S502,采集图像信息,提取道路特征,根据道路特征确定车辆行进模式,并生成对应的控制策略;
S504,获取道路交通数据,生成专家预测数据库,根据专家预测数据库预测车辆动态信息;
S506,将控制策略与车辆动态信息进行匹配,生成匹配度信息,将匹配度信息与预设信息进行比较,得到偏差率;
S508,判断所述偏差率是否大于预设偏差率阈值,
S510,若大于,则切换至局部路径规划模式,对车辆行进路径进行局部路径规划;
S512,若小于,则切换至全局路径规划模式,对车辆行进路径进行全路径规划。
需要说明的是,采用栅格法进行全局路径规划的方法就是栅格遍历的过程,也即遍历所有的可能路径直到找到可行路径,规划空间描述规范、形式简单,一致性好,容易实现。每个单元格的值表示该位置处障碍物存在的概率。当智能车辆移动时,栅格图随着车辆运动,并根据当前观测结果更新每个栅格的值。每个栅格对车辆施加一个虚拟的排斥力,大小与单元格值的大小成正比,与单元格到智能车辆所在栅格的距离成反比,同时目标位置对智能车辆产生引力,两者的矢量和决定了智能车辆的运动方向。
根据本发明实施例,所述车辆位移参数包括车速、制动时间、车辆转弯半径、车距、车辆启动时间、车辆变道偏航角中的一种或两种以上的组合。
如图6所示,本发明公开了一种智能车辆自主路径规划系统的框图;
本发明第二方面还提供了一种智能车辆自主路径规划系统,该系统包括:存储器、处理器,所述存储器中包括智能车辆自主路径规划方法程序,所述智能车辆自主路径规划方法程序被所述处理器执行时实现如下步骤:
接收垃圾清理指令,获取垃圾桶位置信息,生成目的地信息;
采集图像信息,提取道路特征,结合目的地信息,生成行进决策;
按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动;
获取车辆实时位置信息,将车辆实时位置信息与预定位置信息进行比较,得到偏差率;
判断所述偏差率是否大于预定阈值;
若大于,则生成修正信息,根据修正信息对车辆位移参数进行动态修正,得到修正结果;
将修正结果按照预定方式传输至终端。
需要说明的是,通过车载传感器检测道路环境及车辆自身等信息,同时预测车辆的运动状态,当车辆处于危险状态且大于设定值时,系统触发视觉、触觉或声音等警告,使得车辆控制终端对各种危险状态做出适当的反应从而减少意外事故的发生。预警系统包括车道偏离预警系统、防碰撞预警系统,利用传感器对车辆自身和车辆周围环境的状态信息进行感知,实现车辆自适应巡航、车道保持、自主避障、辅助泊车等,以实现自动驾驶控制,车辆能够根据车载传感器感知自身车辆状态和车外环境等信息,利用各种数据处理算法获得决策控制所需信息,并以此作为依据进行决策控制,同时根据当前行驶任务自主发出控制命令,控制车辆在没有驾驶员监督下完全自主、安全、有效地实现驾驶。传感器包括内部传感器和外部传感器,内部传感器用于获取车辆本身的各种状态参数信息;外部传感器安装在智能车辆外部,用于感知外部环境信息。使用合适的传感器可以有效地获取车辆内、外部信息,有助于智能车辆正常工作,提高工作效率,传感器包括视觉传感器、距离传感器、激光雷达、GPS等。
针对不同传感器采集的信息进行信息融合,多个传感器所提供的在空间或时间上的冗余或互补信息或来自同一传感器的多特征信息依据准则进行融合和集成处理,形成对外部环境特征的一致性描述或解释,经过集成处理的多传感器信息融合扩大了系统的时空和频率覆盖范围,避免单一传感器的工作盲区。
根据本发明实施例,采集图像信息,提取道路特征,结合目的地信息,生成行进决策,还包括:
采集交通信号灯状态,生成信号灯状态信息;
根据信号灯状态信息计算信号灯状态切换时间及相邻路口信号灯切换间隔时间,生成信号灯切换信息;
获取车辆参数信息,通过模型预测车辆平均行驶速度,生成车辆平均行驶速度信息;
根据车辆行驶速度信息结合信号灯切换信息,搜寻最优路径,
建立虚拟道路信息,对最优路径进行反演,得到反演信息;
根据反演信息校正车辆平均行驶速度。
需要说明的是,通过交通信号灯状态信息与车辆平均行驶速度结合,进行模拟,从而实现最优路径的搜寻,综合了多种干扰因素进行判别规划,提高规划精准度,并实现车辆自主、高效的驾驶,实现城市垃圾收集处理的智能化;通过建立虚拟道路信息,对最优路径进行反演,从而根据反演结果校正车辆平均行驶速度,保证在交通信号灯切换间隔内,车辆按照预定路径进行行驶,实现路径规划精准性及智能化。
根据本发明实施例,按照行进决策进行路径规划,得到路径信息,车辆按照路径信息进行移动,还包括:
获取车辆参数信息,建立运动状态预测模型;
采集车辆运动状态,生成状态信息;
将状态信息与预设状态信息进行比较,得到偏差率;
判断所述偏差率是否大于预定偏差率阈值;
若大于,则生成警告信息,
根据警告信息修正行进决策,得到结果信息;
将结果信息按照预定方式传输至终端。
根据本发明实施例,还包括:
采集图像信息,提取道路特征,
根据道路特征确定车辆行进模式,并生成对应的控制策略;
获取道路交通数据,生成专家预测数据库;
根据专家预测数据库预测车辆动态信息,
将控制策略与车辆动态信息进行匹配,生成匹配度信息;
将匹配度信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设偏差率阈值,
若大于,则切换至局部路径规划模式,对车辆行进路径进行局部路径规划;
若小于,则切换至全局路径规划模式,对车辆行进路径进行全路径规划。
需要说明的是,采用栅格法进行全局路径规划的方法就是栅格遍历的过程,也即遍历所有的可能路径直到找到可行路径,规划空间描述规范、形式简单,一致性好,容易实现。每个单元格的值表示该位置处障碍物存在的概率。当智能车辆移动时,栅格图随着车辆运动,并根据当前观测结果更新每个栅格的值。每个栅格对车辆施加一个虚拟的排斥力,大小与单元格值的大小成正比,与单元格到智能车辆所在栅格的距离成反比,同时目标位置对智能车辆产生引力,两者的矢量和决定了智能车辆的运动方向。
根据本发明实施例,所述车辆位移参数包括车速、制动时间、车辆转弯半径、车距、车辆启动时间、车辆变道偏航角中的一种或两种以上的组合。
根据本发明实施例,按照行进决策进行路径规划,得到路径信息;具体包括:
建立世界坐标系,获取垃圾桶位置坐标,生成目的地坐标;
获取车辆初始位置信息,生成车辆初始位置坐标;
计算车辆初始位置坐标与目的地坐标直线距离;
采集车辆初始位置与目的地坐标之间目标区域内障碍物信息,生成障碍物坐标;
剔除障碍物坐标点,建立车辆初始位置与目的地坐标之间的最短折线,生成路径信息。
需要说明的是,通过建立世界坐标系对目的地与车辆初始位置进行统一定位,并检测两者之间的目标区域内的障碍物,并将障碍物对应的坐标点去除,去除后,剩余的坐标点进行车辆路径规划,防止障碍物对路径规划形成干扰,使得路径规划更加的精确。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括智能车辆自主路径规划方法程序,所述智能车辆自主路径规划方法程序被处理器执行时,实现上述任一项所述的智能车辆自主路径规划方法的步骤。
综上所述,通过建立世界坐标系对目的地与车辆初始位置进行统一定位,并检测两者之间的目标区域内的障碍物,并将障碍物对应的坐标点去除,去除后,剩余的坐标点进行车辆路径规划,防止障碍物对路径规划形成干扰,使得路径规划更加的精确。
通过交通信号灯状态信息与车辆平均行驶速度结合,进行模拟,从而实现最优路径的搜寻,综合了多种干扰因素进行判别规划,提高规划精准度,并实现车辆自主、高效的驾驶,实现城市垃圾收集处理的智能化。
根据专家预测数据库预测车辆动态信息,并对路径规划模式,进行全路径规划与局部路径规划之间切换,保证路径规划过程中的精准性,并实现在车辆运行过程中实时进行自主路径规划。
通过建立虚拟道路信息,对最优路径进行反演,从而根据反演结果校正车辆平均行驶速度,保证在交通信号灯切换间隔内,车辆按照预定路径进行行驶,实现路径规划精准性及智能化。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的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(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
机译: 自主车辆的位置检测方法,自主车辆的位置检测装置以及计算机可读存储介质
机译: 用于控制用于交换主体的自主或部分自主驾驶的车辆的方法,设备,计算机程序产品,计算机可读存储介质和数据载体信号
机译: 自主行进体,自主行进体系统,自主行进体的驱动方法,驱动程序和计算机可读存储介质