自动驾驶方法、智能控制设备及自动驾驶车辆

技术领域

本发明涉及自动驾驶领域，尤其涉及一种基于高精地图先验知识的自动驾驶方法、智能控制设备及自动驾驶车辆。

背景技术

目前自动驾驶车辆所用的地图(三维高清地图、三维高精地图等)一般包括定位用的几何地图信息，以及表示道路语义的语义地图信息。语义地图信息一般包括驾驶行为所需要的一切道路元素信息，例如，描述道路上的静态物体，如红绿灯、车道线等。语义地图信息在描述这些元素时，使用确定性的信息表示，非黑即白，即“有车道线”“没有车道线”、“有红绿灯”或者“没有红绿灯”。根据这些语义地图信息，自动驾驶车辆可以计算出相应的行驶路径，例如，自动驾驶车辆在哪里转弯，哪里停车，从A点到B点的行驶路径中需要走哪些具体的车道。

实际的路况中，除了上述具有固定意义的语义地图信息，还存在一些非固定的语义地图信息，例如，一些被人们默认为停车区域的区域，这些停车区域并没有实际的可停车标识。而一般的语义地图信息并不会对这些停车区进行标注，所以自动驾驶车辆在行驶到该区域时，需要对传感器提供的环境数据进行大量的运算，来确定该区域内车辆的状态，进而规划出最优的决策。

因此，基于语义地图信息的自动驾驶车辆在进行规划决策时，往往需要耗费大量算力，进而耽误规划决策的时间，还有可能因为运算时间过长造成规划决策不够精准。

发明内容

有鉴于此，实有必要提供一种基于高精地图先验知识的自动驾驶方法、智能控制设备及自动驾驶车辆，可以用较少的运算，更快的速度计算出最优的规划决策。

第一方面，本发明实施例提供一种基于高精地图先验知识的自动驾驶方法，所述基于高精地图先验知识的自动驾驶方法包括：

获取所述自动驾驶车辆的当前位置；

从所述高精地图中获取与所述当前位置相关联的先验知识集；

利用设置于所述自动驾驶车辆上的感测装置获取感测信息；

从所述先验知识集中获取与所述感测信息相关联的一个或者多个先验知识；

根据一个或者多个所述先验知识计算出控制指令；

根据所述控制指令控制所述自动驾驶车辆行驶。

第二方面，本发明实施例提供一种智能控制设备，所述智能控制设备包括：

存储器，用于存储程序指令；

处理器，用于执行所述程序指令以使所述智能控制设备实现上述基于高精地图先验知识的自动驾驶方法。

第三方面，本发明实施例提供一种自动驾驶车辆，所述自动驾驶车辆包括智能控制设备，所述智能控制设备包括：

存储器，用于存储程序指令；

处理器，用于执行所述程序指令以使所述智能控制设备实现上述基于高精地图先验知识的自动驾驶方法。

上述，基于高精地图先验知识的自动驾驶方法，通过高精地图给自动驾驶车辆提供一个或者多个关于当前环境的宏观先验知识，使自动驾驶车辆结合这些具有指导意义的先验知识和实时感测信息，能够以更少的算力、更快的速度计算出最优的规划决策，让自动驾驶更安全和便捷。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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示出的结构获得其他的附图。

图1为本发明第一实施例提供的基于高精地图先验知识的自动驾驶方法流程图。

图2为本发明第一实施例提供的基于高精地图先验知识的自动驾驶方法的第一子流程图。

图3为本发明第二实施例提供的基于高精地图先验知识的自动驾驶方法的第一子流程图。

图4为本发明第二实施例提供的基于高精地图先验知识的自动驾驶方法的第二子流程图。

图5a-5b为本发明第一实施例提供的十字路口不同场景示意图。

图6为本发明第一实施例提供的基于高精地图先验知识的自动驾驶方法的第二子流程图。

图7为本发明第三实施例提供的基于高精地图先验知识的自动驾驶方法的第一子流程图。

图8为本发明第一实施例提供的基于高精地图先验知识的自动驾驶方法的第三子流程图。

图9为本发明第一实施例提供的智能控制设备的内部结构示意图。

图10为本发明第一实施例提供的自动驾驶车辆示意图。

图11为本发明第一实施例提供的自动驾驶车辆应用先验知识场景示意图。

100 自动驾驶车辆 900 智能控制设备

901 存储器 902 处理器

903 总线 904 显示器

905 通信组件 110 停泊的车辆

120 可停车区域 130 路障

501 智慧交通灯 150 道路行驶车辆

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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，都属于本发明保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

高精地图的先验知识是存储于高精地图中对自动驾驶车辆决策规划具有一定意义的若干信息。高精地图中的先验知识是与高精地图中的语义地图信息相关联的。语义地图信息是确定的，与语义地图信息相关联的先验知识并不是100％确定的，但是这些先验知识往往能给自动驾驶车辆提供指导性的作用。

先验知识的来源包括但不限于以下四种：(1)自动驾驶车辆的路测数据；(2)人类司机驾驶自动驾驶车辆获取的路测数据；(3)普通车辆或者手机的定位数据；(4)ADAS辅助驾驶数据。ADAS即高级驾驶辅助系统(Advanced Driving Assistance System)是利用安装在车上的各式各样传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航)，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性的系统。先验知识是统计大量的包括但不限于以上4种数据获取的统计信息。

请结合参看图1，其为本发明第一实施例提供的基于高精地图先验知识的自动驾驶方法流程图。

步骤S101，获取自动驾驶车辆的当前位置。利用GPS(全球定位系统，GlobalPositioning System)或者GNSS(全球导航卫星系统，Global Navigation SatelliteSystem)获取自动驾驶车辆当前的位置。根据自动驾驶车辆上设置的传感器获取当前环境的感测数据，根据感测数据从而进一步确定自动驾驶车辆在高精地图中的位置，具体的，利用激光雷达获取的点云数据与高精地图中已经构建好的三维信息做匹配，确定自动驾驶车辆在高精地图中的具体位置。

步骤S102，从高精地图中获取与当前位置相关联的先验知识集。高精地图除了包括地图语义信息、地图几何信息，还包括与高精地图中位置相关联的先验知识。具体的，先验知识与高精地图中某一位置上的物体关联，例如，某位置上的智慧红绿灯，先验知识包括了该红绿灯的闪烁规则。先验知识与高精地图中某一位置周围指定范围的区域关联，该区域通过几何形状在高精地图上表示，例如，一片没有可停车标志的可停车区域，先验知识包括了该区域为停车区域的信息；一个没有限速标志但是实际需要限速的区域，先验知识包括了经过该区域常用的车速是30千米每小时的信息；一个需要U型掉头的区域，先验知识包括了经过该区域常有车辆U型掉头的信息；一个没有画斑马线但是经常有行人经过的马路区域，先验知识包括了该区域有行人的信息。先验知识与高精地图中某一位置周围指定范围的区域中物体的行为关联，例如，某个区域中行人的行为，先验知识包括了该区域的行人不按红绿灯规则过马路的信息。先验知识与高精地图中某一位置周围的路况关联，例如，先验知识包括了该位置指定范围内的某些路段是经常堵车的路段、经常车祸的路段、经常修路的路段、经常有其他车辆危险驾驶的路段、治安不好的路段、经常出现玻璃碎片小石子的路段、经常被水淹的路段、颠簸的路段、空气不好的路段、景色不优美的路段、灰尘太大的路段、耗电耗油的路段，可以路边停车的路段等等的信息。通过获取当前位置获取与当前位置相关联的物体、区域、区域中物体和周围路径关联的先验知识。先验知识集包括一个或者多个先验知识。

步骤S103，利用设置于自动驾驶车辆上的感测装置获取感测信息。具体地，感测装置包括用于获取点云数据的激光雷达，用于获取图像数据的摄像机。激光雷达和/或摄像机用于感测自动驾驶车辆周围的环境，分别得到用点云数据表示的环境数据和/或用图像表示的环境数据。感测信息包括各传感器感测到的环境数据。

步骤S104，从先验知识集中获取与感测信息相关联的一个或者多个先验知识。具体地，识别点云数据和/或图像数据中的物体、指定范围的区域、指定范围的区域中物体和周围的路径。例如，一个智慧红绿灯、一片指定范围的区域、一片指定范围的区域中停放的车辆和一段可行的路径。从先验知识集中获取该智慧红绿灯的闪烁规则、该区域为一片没有可停车标志的可停车区域、该区域中的车辆均为停泊的车辆，该路段在18:00-20:00有90％的概率会堵车等先验知识。

步骤S105，根据一个或者多个先验知识计算出控制指令。具体的，控制指令包括纵向控制、横向控制和标定表。标定表是指速度-加速度-刹车/油门命令标定表。具体的，根据智慧红绿灯的闪烁规则、该区域为一片没有可停车标志的可停车区域、该区域中的车辆均为停泊的车辆，该路段在18:00-20:00有90％的概率会堵车等先验知识，计算出自动驾驶车辆在遇到红灯后的等待指定时长的指令以及行驶路径。该行驶路径避开了先验知识中提到的没有可停车标志的可停车区域，以及该时间段拥挤的路段。将上述等待红灯的时长、行驶路径以及感测数据通过比例积分微分控制(或PID)、线性二次调节器(或LQR)、模型预测控制(或MPC)中的一种方式计算出纵向控制、横向控制和标定表。

步骤S106，根据控制指令控制自动驾驶车辆行驶。具体地，纵向控制、横向控制和标定表转化为方向盘控制量、油门/刹车命令来控制自动驾驶车辆行驶。

请结合参看图2，其为本发明第一实施例提供的步骤S102的子步骤流程图。步骤S102包括下面步骤。

步骤S201，根据当前位置获取高精地图中的先验位置，高精地图包括若干先验位置以及与每一先验位置相关联的一个或者多个先验知识。先验位置是用于采集历史数据的位置。先验位置与当前位置并不是完全重合的。以每一先验位置为中心，根据预设的范围将高精地图划分为大小相同或者大小不同的区域。具体地，查询当前位置处于哪一个先验位置所在范围，即该先验位置是与当前位置对应的。利用当前位置匹配高精地图中的先验位置能够确认该先验位置情况以及与该先验位置相关联的一个或者多个先验知识，节省自动驾驶车辆直接寻找一个或者多个先验知识时的算力。

步骤S202，获取与先验位置相关联的一个或者多个先验知识，一个或者多个先验知识构成先验知识集。获取该先验位置收集的与该位置上物体、区域、区域中物体和周围路径关联的先验知识。具体地，该位置的智慧红绿灯的闪烁规则、该位置是一个没有限速标志但是实际需要限速的区域、经过该区域常用的车速是30千米每小时和该位置左边的支路经常堵车的多个先验知识。上述多个先验知识构成该当前位置的先验知识集。

请结合参看图3，其为本发明第二实施例提供的基于高精地图先验知识的自动驾驶方法的第一子流程图。第二实施例提供的基于高精地图先验知识的自动驾驶方法与第一实施例提供的基于高精地图先验知识的自动驾驶方法的差异在于，第二实施例提供的基于高精地图先验知识的自动驾驶方法还包括下面步骤。

步骤S301，查询先验知识集中是否存在与感测信息相关联的先验知识。具体地，查询先验知识集中是否存在点云数据和/或图像数据中识别出的物体、指定范围的区域、指定范围的区域中物体和周围的路径相关联的先验知识。具体地，该位置是否存在智慧红绿灯，该位置是否存在指定范围的区域、该位置是否存在指定范围的区域中物体和该位置是否存在周围的路径。

步骤S302，若存在先验知识，获取先验知识。若该位置存在智慧红绿灯，该位置存在指定范围的区域、该位置存在指定范围的区域中物体和该位置存在周围的路径。获取该位置的智慧红绿灯的闪烁规则、该位置是一个没有限速标志但是实际需要限速的区域、经过该区域常用的车速是30千米每小时和该位置左边的支路经常堵车的多个先验知识。

步骤S303，若不存在先验知识，自动驾驶车辆根据感测信息计算相关信息。若该位置不存在智慧红绿灯、指定范围的区域、指定范围的区域中物体或周围的路径中的任一信息，相应缺失的信息由自动驾驶车辆根据感测信息计算。

请结合参看图4，其为本发明第二实施例提供的基于高精地图先验知识的自动驾驶方法步骤S301的子流程图。

步骤S401，从感测信息中获取一个或者多个特征数据。从点云数据和/或图像数据中识别出的物体、指定范围的区域、指定范围的区域中物体和周围的路径的特征数据。具体地，从图像数据中计算出智慧红绿灯特征数据，如形状数据，颜色数据等可用于识别该智慧红绿灯的一个或者多个数据。

步骤S402，查询先验知识集中是否存在与一个或者多个特征数据匹配的先验知识。先验知识集除了先验知识还包括用于识别该先验知识的先验特征数据。查询先验知识集中是否存在特征数据与匹配的先验特征数据，从而确定先验知识集中是否存在与一个或者多个特征数据匹配的先验知识。

请结合参看图5a-5b，其为本发明第一实施例提供的同一位置不同场景示意图。先验知识集还包括一个或者多个场景，场景根据时间段划分，不同的时间段对应不同的场景，不同的场景对应的先验知识不同。具体的，一个先验知识集中包括智慧红绿灯501，智慧红绿灯501的先验知识分为3个场景，分别为普通场景，早晚高峰场景，夜间场景。不同场景中道路行驶车辆150的数量不同，自动驾驶车辆100需要处理的道路情况不同。其中，请结合参照图5b，9:00-17:00和20:00-24:00为普通场景，普通场景下红灯和绿灯的亮灯时间长度为45秒，并且红灯和绿灯的亮灯时间固定不做调整；请结合参照图5a，7:00-9:00和18:00-20:00为早晚高峰，早晚高峰场景下红灯和绿灯的亮灯时间长度不固定，在90％的概率下南北向车道红灯和绿灯的亮灯时间为90秒，东西向车道红灯和绿灯的亮灯时间为60秒；0:00-6:00为晚间场景，晚间场景下，红灯和绿灯处于关闭状态，黄灯一直闪烁。

请结合参看图6，其为本发明第一实施例提供的步骤104的子步骤流程图。步骤S104基于不同的时间段实现如何从先验知识集中获取与感测信息相关联的一个或者多个先验知识。步骤S104具体包括下面步骤。

步骤S601，根据当前时间匹配对应的时间段。具体地，当自动驾驶车辆在晚上19:00从南北向车道由南向北行驶到具有智慧红绿灯的十字路口时，19:00属于18:00-20:00时间段。

步骤S602，根据时间段从先验知识集中选择对应的场景。18:00-20:00时间段对应的是早晚高峰的场景。

步骤S603，根据一个或者多个特征数据从对应的场景中匹配相关联的先验知识。根据形状数据，颜色数据等特征数据从当前场景中获取智慧红绿灯在此场景中的先验知识。例如，该智慧红绿灯红灯的亮灯时间为90秒。

自动驾驶车辆根据上述的先验知识调整负责感测红绿灯状态的传感器，具体地，自动驾驶车辆减少感知红绿灯状态的图像传感器的采样频率，减少自动驾驶车辆处理的数据量；若自动驾驶车辆在该路口停留超过90秒，则认为该路口是存在堵车的情况，让自动驾驶车辆进入节能状态，节省了自动驾驶车辆的算力以及节约了能耗。

请结合参看图7，其为本发明第三实施例提供的基于高精地图先验知识的自动驾驶方法的第一子流程图。第三实施例提供的基于高精地图先验知识的自动驾驶方法与第一实施例提供的基于高精地图先验知识的自动驾驶方法的差异在于，第三实施例提供的基于高精地图先验知识的自动驾驶方法还包括下面步骤。

步骤S701，分别计算一个或者多个特征数据和与其相关联的先验知识之间的一个或者多个信息匹配度。特征数据与相关联的先验知识之间存在一个或者多个用于计算信息匹配度的匹配参数，匹配参数是获取该特征数据时的环境参数；先验匹配参数是获取该先验知识时的环境参数。在同一个位置，自动驾驶车辆周围的环境不一样，感知到自动驾驶车辆周围的物体的行为是不一样的。相同环境条件下的先验知识才是具有指导意义的。计算匹配参数与先验匹配参数中各环境参数的匹配度。例如，天气参数、温度参数和湿度参数的匹配度。

步骤S702，根据一个或者多个信息匹配度计算可信度参数。根据预先设定的各环境参数匹配度在计算可信度参数时的权重以及各环境参数，计算出可信度参数。

步骤S703，判定所述可信度参数是否小于预设值。预先设定一个可信度的标准值，将计算出来的可信度参数与标准值比较。

步骤S704，若可信度参数大于或者等于预设值，先验知识可用。

步骤S705，若可信度参数小于预设值，先验知识不可用。

步骤S706，根据感测信息计算出控制指令。具体地，自动驾驶车辆根据感测到物体以及周围环境计算出控制指令。

自动驾驶车辆验证先验知识是否可用，是为了保障自动驾驶车辆行驶的安全性，虽然先验知识是经过验证的可信度很高的信息，但是在一些极端的情况下会存在一些误差，为了自动驾驶车辆能够安全的行驶，在参考先验知识的情况之前需要根据可信度参数验证该先验知识是否可用于自动驾驶车辆现在所处的环境，若获取到的先验知识可用于自动驾驶车辆现在所处的环境，则根据先验知识进行决策规划，节省自动驾驶车辆的算力；若获取到的先验知识不可用于自动驾驶车辆现在所处的环境，则根据感测数据进行决策规划。以保证自动驾驶车辆的安全性和稳定性。

请结合参看图8，其为本发明第一实施例提供的步骤S105的子步骤流程图。步骤S105具体包括下面步骤。

步骤S801，根据一个或者多个先验知识规划出第一行驶路径。根据从先验知识集中获取该智慧红绿灯的闪烁规则、该区域常用的车速是30千米每小时、该区域包含一片没有可停车标志的可停车区域、可停车区域中的车辆均为停泊的车辆、该路段在18:00-20:00有90％的概率会堵车等先验知识规划出第一行驶路径。

请结合参看图11，停泊的车辆110停在可停车区域120中，自动驾驶车辆100行驶在具有路障130的路上，根据先验知识提供的该区域限速30千米每小时的先验知识，自动驾驶车辆100将车速限制在30千米每小时以下，将沿着道路右侧一定距离的位置的路径行驶，该路径为第一路径。

步骤S802，根据感测数据将第一行驶路径调整为第二行驶路径。在第一行驶路径的基础上，自动驾驶车辆根据感测信息中的路况以及其他物体在进行调节得到更为准确的第二行驶路径。具体地，当自动驾驶车辆100在检测到道路右侧有车辆时，根据先验知识提供的关于该区域为可停车区域120，所以自动驾驶车辆100在可停车区域120内检测到的车辆的预测轨迹为静止，也就是停泊的车辆110。第二路径根据感测到的停泊的车辆110调整了自动驾驶车辆距离道路右侧的距离，得到第二路径。根据先验知识，自动驾驶车辆不需要再额外计算该区域中车辆的预测轨迹，减少了自动驾驶车辆100的算力。

步骤S803，根据第二行驶路径计算出控制指令。具体地，根据第二行驶路径通过比例积分微分控制(或PID)、线性二次调节器(或LQR)、模型预测控制(或MPC)中的一种方式计算出纵向控制、横向控制和标定表。

请结合参看图9，其为本发明实施例提供的智能控制设备900的内部结构示意图。在本实施例中，智能控制设备可以为平板电脑、台式计算机、笔记型计算机。智能控制设备可以装载有任一智能等操作系统。智能控制设备900包括存储介质901、处理器902和总线903。其中，存储介质901至少包括一种类型的可读存储介质，该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储介质901在一些实施例中可以是智能控制设备900的内部存储单元，例如智能控制设备900的硬盘。存储介质901在另一些实施例中也可以是的外部智能控制设备900存储设备，例如智能控制设备900上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储介质901还可以既包括智能控制设备900的内部存储单元也包括外部存储设备。存储介质901不仅可以用于存储安装于智能控制设备900的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

总线903可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

进一步地，智能控制设备900还可以包括显示组件904。显示组件904可以是LED(Light Emitting Diode，发光二极管)显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示组件904也可以适当的称为显示装置或显示单元，用于显示在智能控制设备900中处理的信息以及用于显示可视化的用户界面。

进一步地，智能控制设备900还可以包括通信组件905，通信组件905可选的可以包括有线通信组件和/或无线通信组件(如WI-FI通信组件、蓝牙通信组件等)，通常用于在智能控制设备900与其他智能控制设备之间建立通信连接。

处理器902在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储介质901中存储的程序代码或处理数据。

可以理解地，图9仅示出了具有组件901-905以及实现基于高精地图先验知识的自动驾驶方法的智能控制设备900，本领域技术人员可以理解的是，图9示出的结构并不构成对智能控制设备900的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

请结合参看图10，其本发明第一实施例提供的自动驾驶车辆示意图。

自动驾驶车辆100包括智能控制设备900，智能控制设备用于实现基于高精地图先验知识的自动驾驶方法。

上述实施例中，通过高精地图给自动驾驶车辆提供一个或者多个关于当前环境的宏观先验知识，使自动驾驶车辆结合这些具有指导意义的先验知识和实时感测信息，能够以更少的算力、更快的速度计算出最优的规划决策，让自动驾驶更安全和便捷。基于高精地图先验知识的自动驾驶方法大大减少了自动驾驶车辆在对障碍物的行为进行预测方面的算力，根据先验知识中的信息结合感测信息为自动驾驶车辆的行驶决策规划。提高了自动驾驶车辆对熟悉的环境的反应力，减少反应时间，提高路径规划效率以及提高自动驾驶车辆乘车人员的体验度和舒适度，使得自动驾驶车辆能够更加高效安全的为人们服务。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

以上所列举的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属于本发明所涵盖的范围。