CN104554258B - 采用虚拟势场技术的避让转向操作的路径规划 - Google Patents

采用虚拟势场技术的避让转向操作的路径规划 Download PDF

Info

Publication number
CN104554258B
CN104554258B CN201410583823.1A CN201410583823A CN104554258B CN 104554258 B CN104554258 B CN 104554258B CN 201410583823 A CN201410583823 A CN 201410583823A CN 104554258 B CN104554258 B CN 104554258B
Authority
CN
China
Prior art keywords
target
potential field
point
vehicle
path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410583823.1A
Other languages
English (en)
Other versions
CN104554258A (zh
Inventor
S.曾
N.K.莫什楚克
R.贾法里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN104554258A publication Critical patent/CN104554258A/zh
Application granted granted Critical
Publication of CN104554258B publication Critical patent/CN104554258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • B62D15/0265—Automatic obstacle avoidance by steering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9318—Controlling the steering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/93185—Controlling the brakes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9322—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using additional data, e.g. driver condition, road state or weather data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9323—Alternative operation using light waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9324—Alternative operation using ultrasonic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Chemical & Material Sciences (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Acoustics & Sound (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了采用虚拟势场技术的避让转向操作的路径规划。用于计算虚拟目标路径的系统和方法，该虚拟目标路径用于计算在目标物体（诸如，在主题车辆前方停止的目标车辆）周围的避让转向路径。该方法包括：使用多个扫描点来确定势场，该势场为二维高斯函数的总和，其中，各个高斯函数均具有由目标物体扫描点和其他物体扫描点所限定的中心。该方法对在X‑Y平面中的网格进行识别，其中，该网格在X平面线和Y平面线相交的位置处包括网格点。该方法对沿与该X平面线相交的Y平面线的各个网格点处的各个X平面线的势场的局部最小点进行识别，其中，局部最小点为曲线点。该方法然后连接曲线点以限定目标路径。

Description

采用虚拟势场技术的避让转向操作的路径规划
技术领域
本发明大体上涉及用于确定在主车辆前方的物体周围的虚拟目标路径的系统和方法，以及更加具体地，本发明涉及使用采用了二次多项式函数的势场法确定在主车辆前方的目标车辆周围的虚拟目标路径避让转向路径的系统和方法。
背景技术
现代车辆有时包括采用了用于启动碰撞警告或防撞的物体检测传感器和其他主动安全应用的防撞系统。现有技术中已知有各种这类防撞系统和/或自适应巡航控制系统，如果检测到有可能或即将与另一车辆或物体发生碰撞，这类系统提供自动车辆控制（诸如，刹车），并且还可提供警告以使驾驶员采取补救措施防止碰撞。例如，众所周知，自适应巡航控制系统采用前视传感器（诸如，雷达或LiDAR传感器），如果车辆正靠近另一车辆，则该前视传感器提供自动速度控制和/或刹车。同样，众所周知，防撞系统采用了传感器用于确定是否即将与物体发生碰撞，即使车辆操作者正在控制车辆，防撞系统也可提供自动车辆刹车。
用于这些类型的系统的物体检测传感器可使用众多技术中的任意一种技术，诸如近程雷达、远程雷达、具有图像处理的摄像头、激光或LiDAR、超声波等。物体检测传感器对在主车辆路径中的车辆和其他物体进行检测，并且应用软件使用物体检测信息提供警告或采取适当的行动。该警告可为在车辆仪表板上或在平视显示器（HUD）中的可视指示，并且/或者，可为声音警告或其他触觉反馈装置，诸如触觉座椅。在许多车辆中，物体检测传感器直接集成到车辆的前保险杠或其他仪表板中。
这些类型的系统常常采用在车辆的近场中具有窄视场的远程传感器。具体地说，传感器信号从车辆上的点源发出并在车辆的前进方向上延伸，通常延伸约150米。碰撞警告系统向车辆前方传输雷达或激光束并对来自车辆前方的物体的反射进行处理。该系统从该反射生成测量结果并基于车辆速度、相对于物体的方向、道路表面状况等对碰撞的可能性进行评估。
有时用在车辆上对车辆周围的物体进行检测并提供这些物体的范围和这些物体的方位的雷达和LiDAR传感器提供来自这些物体的反射作为多个扫描点，这些扫描点合并为点集群范围图，其中，在传感器的整个视场中，每½°提供一个单独的扫描点。因此，如果在主车辆前方检测到目标车辆或其他物体，那么可能会有多个扫描点返回，这些扫描点对目标车辆距主车辆的距离进行识别。通过提供扫描返回点的集群，可更易于检测到具有各种任意形状的物体（诸如，卡车、拖车、自行车、行人、护栏、K-栅栏等），其中，物体越大和/或离主车辆越近，提供的扫描点越多。
迄今，防撞系统一般局限于在车辆驾驶员未及时采取避让动作防止碰撞的情况下提供自动刹车的系统。然而，这类防撞系统可得益于提供自动刹车和转向结合以避免碰撞。
转让给本申请的受让人并以引用的方式并入本文的于2010年10月20日提交的序列号为第12/908,699号的名称为“Vehicle Collision Avoidance and Warning System”（车辆防撞和警告系统）的美国专利申请公开了一种采用自动刹车和转向结合的防撞系统。该防撞系统基于主车辆的速度、主车辆的加速度、目标车辆的速度、目标车辆的加速度、从主车辆到目标车辆的距离以及主车辆和目标车辆所行驶的道路的摩擦系数定义了第一、第二、第三和第四阈值，这些阈值对主车辆与目标车辆发生碰撞的时间进行识别，其中，第一阈值大于第二阈值，第二阈值大于第三阈值，并且第三阈值大于第四阈值。该防撞系统确定发生碰撞的时间是否小于第一阈值，并且如果发生碰撞的时间小于第一阈值，则发起碰撞警告。如果发生碰撞的时间小于第一阈值，则防撞系统还要确定发生碰撞的时间是否小于第二阈值，并且如果发生碰撞的时间小于第二阈值，则提供主车辆的有限自动刹车。如果发生碰撞的时间小于第二阈值，则防撞系统还要确定发生碰撞的时间是否小于第三阈值，并且如果发生碰撞的时间小于第三阈值，则检查与主车辆相邻的道路车道是否无障碍的情况。如果发生碰撞的时间小于第三阈值并且与主车辆相邻的车道并非无障碍，则防撞系统提供全自动防撞刹车。如果发生碰撞的时间小于第三阈值并且与主车辆相邻的车道无障碍，则防撞系统还要确定发生碰撞的时间是否小于第四阈值。如果发生碰撞的时间小于第四阈值并且与主车辆相邻的车道无障碍，则防撞系统同时提供主车辆的自动转向和刹车。
如上所论述的，为本领域所知的是：在车辆驾驶员自身未采取避让动作的情况下，防撞系统提供主车辆的自动转向以避开在主车辆前方的较慢的或停止的物体。该防撞系统向车辆驾驶员提供警告，并且，可根据驾驶员是否采取避让动作提供自动刹车和/或自动转向。如果该系统确定有必要进行自动转向以避免碰撞，则该系统必须为主车辆计算安全转向路径以提供转向控制。某些这类系统能够检测车道标线以便计算主车辆的转向路径，以改变车道以避免碰撞。这些防撞系统还提供转向命令，这些转向命令使主车辆遵循计算出来的转向路径以提供车辆转向。例如，序列号为12/399,317名称为“Model BasedPredictive Control for Automated Lane Centering/Changing Control Systems”（用于自动车道定中/改变控制系统的基于模型的预测控制）的美国专利申请公开了用于在自动或半自动车辆驱动系统中提供转向控制以进行车道改变或车道定中的系统和方法。然而，在没有用于防撞的相邻车道的车道标线的情况下，在这些类型的防撞系统中仍然需要计算避让转向路径。
发明内容
根据本发明的教导，公开了用于计算虚拟目标路径的系统和方法，该虚拟目标路径用于计算在目标物体（诸如，停在主车辆前方的目标车辆）周围的避让转向路径。该方法包括：提供多个扫描点，该多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别，以及将多个扫描点分成从目标物体接收到的目标物体扫描点和从其他物体接收到的其他物体扫描点（如果其存在）。该方法包括：使用多个扫描点来确定势场，该势场为二维高斯函数的总和，其中，各个高斯函数均具有由目标物体扫描点和其他物体扫描点所限定的中心。该方法对在X-Y平面中和转向路径所在的预定区域中的网格进行识别，其中，网格在X平面线和Y平面线相交的位置处包括网格点，以及其中，X平面线均沿主车辆的行驶路径的方向，而Y平面线均沿与X方向垂直的方向。该方法对沿与该X平面线相交的Y平面线的各个网格点处的各个X平面线的势场的局部最小点进行识别，其中，局部最小点为曲线点，以及其中，各个X平面线均包括曲线点。接着，该方法通过使用最小二乘法通过点拟合二次多项式函数，来连接曲线点以限定目标路径。
1、一种用于确定虚拟目标路径的方法，该虚拟目标路径用于计算在主车辆的行驶路径中的目标物体周围的主车辆的避让转向路径，所述方法包括：
提供多个扫描点，该多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别；
将多个扫描点分成从目标物体接收到的目标物体扫描点和从其他物体接收到的其他物体扫描点；
使用多个扫描点来确定势场，该势场为二维高斯函数的总和，其中，各个高斯函数均具有由目标物体扫描点和其他物体扫描点所限定的中心；
对在X-Y平面和转向路径将位于的预定义区域中的网格进行识别，其中，网格包括在X平面线和Y平面线相交位置处网格点，以及其中，X平面线沿主车辆的行驶路径的方向，而Y平面线沿与X方向垂直的方向；
对在各个网格点处来自势场的势场值进行识别；
对各个X平面线在沿与该X平面线相交的Y平面线的各个网格点处的势场的局部最小点进行识别，其中，局部最小点为曲线点，以及其中，各个X平面线均包括曲线点；以及
连接曲线点以限定虚拟目标路径。
2、根据方案1所述的方法，其中，确定为二维高斯函数的总和的势场包括：使用方程式：
其中，U（X，Y）为势场，n和m分别为目标物体点ai（i=1，2，...，n）的数量和物体点bj（j=1，2，...，m）的数量，以及：
其中，A为振幅，以及σx和σy为高斯函数的X和Y扩展。
3、根据方案1所述的方法，其中，识别势场的局部最小点包括：使用约束方程式：
其中，TD为主车辆转向方向，Ygmin为局部最小势场值，以及，Ytg和Ybg分别为目标极限和物体极限并且限定为确保在目标物体点ai的所需侧上的安全区域中或在目标物体点ai和其他物体bj之间的安全区域中发现局部最小点。
4、根据方案3所述的方法，其中，识别势场的局部最小点还包括：使用方程式：
其中，ai为目标物体扫描点，Xg为网格点的X坐标，以及，dt为预定目标安全距离。
5、根据方案4所述的方法，其中，识别势场的局部最小点还包括：使用方程式：
其中，为其他物体的扫描点的向量，以及，db为预定物体安全距离。
6、根据方案1所述的方法，其中，连接曲线点以限定虚拟目标路径包括：使用最小二乘法通过点拟合二次多项式函数。
7、根据方案1所述的方法，其进一步包括：在将扫描点分成目标物体扫描点和其他物体扫描点之前，使用聚类算法来降低多个扫描点的复杂度。
8、根据方案1所述的方法，其进一步包括：忽略距主车辆超出预定安全距离的扫描点。
9、根据方案1所述的方法，其进一步包括：从其他物体中检测目标车辆作为目标物体。
10、根据方案1所述的方法，其进一步包括：计算目标物体和其他物体之间的通道宽度，以及，如果通道宽度小于预定阈值宽度，则中止避让转向操作。
11、根据方案1所述的方法，其中，所述至少一个传感器为至少一个LiDAR传感器。
12、一种用于确定虚拟目标路径的方法，该虚拟目标路径用于计算在主车辆的行驶路径中的目标车辆周围的主车辆的避让转向路径，所述方法包括：
提供多个扫描点，该扫描点用于对来自主车辆上的一个或多个LiDAR传感器的检测到的物体进行识别；
将多个扫描点分成从目标车辆接收到的目标车辆扫描点和从其他物体接收到的其他物体扫描点；
使用多个扫描点来确定势场，所述势场为二维高斯函数的总和，其中，各个高斯函数均具有由目标车辆扫描点和其他物体扫描点所限定的中心；
对在X-Y平面中和转向路径将位于的预定区域中的网格进行识别，其中，网格在X平面线和Y平面线相交的位置处包括网格点，以及其中，X平面线沿主车辆的行驶路径的方向，而Y平面线沿与X方向垂直的方向；
在各个网格点处对来自势场的势场值进行识别；
对各个X平面线在沿与X平面线相交的Y平面线的各个网格点处的势场的局部最小点进行识别，其中，局部最小点为曲线点，以及其中，各个X平面线均包括曲线点；以及
通过使用最小二乘法通过点拟合二次多项式函数，来连接曲线点以限定虚拟目标路径。
13、根据方案12所述的方法，其中，确定为二维高斯函数的总和的势场包括：使用方程式：
其中，U（X，Y）为势场，n和m分别为目标物体点ai（i=1，2，...，n）的数量和物体点bj（j=1，2，...，m）的数量，以及：
其中，A为振幅，以及，σx和σy为高斯函数的X和Y扩展。
14、根据方案12所述的方法，其中，识别势场的局部最小点包括：使用约束方程式：
其中，TD为主车辆转向方向，Ygmin为局部最小势场值，以及，Ytg和Ybg分别为目标极限和物体极限并且限定为确保在目标车辆点ai的所需侧上的安全区域中或在目标车辆点ai和其他物体点bj之间的安全区域中发现局部最小点。
15、根据方案14所述的方法，其中，识别势场的局部最小点还包括：使用方程式：
其中，ai为目标车辆扫描点，Xg为网格点处的X方向势场值，以及dt为预定目标安全距离。
16、根据方案15所述的方法，其中，识别势场的局部最小点还包括：使用方程式：
其中，为其他物体的扫描点的向量，以及，db为预定物体安全距离。
17、根据方案12所述的方法，其进一步包括：忽略距主车辆超出预定安全距离的扫描点。
18、根据方案12所述的方法，其进一步包括：从其他物体中检测目标车辆作为目标物体。
19、根据方案12所述的方法，其进一步包括：计算在目标物体和其他物体之间的通道宽度，以及，如果通道宽度小于预定阈值宽度，则中止避让转向操作。
本发明的附加特征将通过以下结合附图所做的说明和所附权利要求书变得显而易见。
附图说明
图1是在目标车辆后面的主车辆的图示，并且示出了主车辆绕过目标车辆以实现防撞目的的避让转向路径；
图2是图示了避让转向操作的计算和实现的过程的框图；
图3是示出了用于使用几何法确定虚拟目标路径的过程的流程图；
图4是示出了用于在直线路径中行驶的主车辆的直线路径线的图示；
图5是示出了用于在曲线路径中行驶的主车辆的曲线路径线的图示；
图6是示出了用于计算虚拟目标曲线的忽略的检测到的物体的图示；
图7是示出了计算在目标车辆和物体之间的通道宽度的图示；
图8是示出了使用Delaunay三角剖分的空间表示的图形；
图9是示出了用作Dijkstra算法中的顶点的Delaunay三角剖分的所选边的中点的图形；
图10是示出了连接Delaunay三角剖分中的顶点的线段的图形；
图11是示出了使用Dijkstra算法的最短路径的空间表示的图形；
图12是示出了路上没有其他物体的情况下主车辆在目标车辆周围进行避让路径操作的图示；
图13是示出了主车辆在沿着直线路径的目标车辆和其他物体之间进行避让路径操作的图示；
图14是示出了主车辆在目标车辆周围进行相对于其他物体是曲线的避让路径操作的图示；
图15是主车辆在已经过目标车辆之后在物体周围进行避让路径操作的图示；
图16是主车辆使用虚拟势场法在目标车辆周围进行避让路径操作并确定目标极限的图示；
图17是主车辆使用虚拟势场法在目标车辆周围进行避让路径操作并确定物体极限的图示；
图18是二维高斯函数的示例；以及
图19是示出了用于使用虚拟势场方法确定避让转向路径的过程的流程图。
具体实施方式
对涉及用于确定在主车辆前方的目标物体周围的虚拟目标路径以实现防撞目的的系统和方法的本发明实施例的以下论述本质上仅为示例性的，而决不旨在以任何形式限制本发明或其应用或使用。
如以下将详细论述的，本发明提出了采用了用于确定虚拟目标路径的算法的两种技术，该虚拟目标路径用于寻找在主车辆前方的停止的或较慢的物体周围的避让转向路径以实现防撞目的，这两种技术人不使用对道路上的车道标线的检测。这两种算法基于均采用了二次多项式函数的几何法和虚拟势场法。要指出，虽然本发明不包括或论述避免与物体发生碰撞的自动刹车，但是，自动刹车可以与是本发明一部分的防撞系统中的自动避让转向结合使用。还要指出，本发明也不包括或论述向车辆转向系统提供转向命令以遵循避让转向路径。然而，提供这类命令也可是本发明一部分的防撞系统的一部分。
图1是示出了在目标车辆14后方行驶的主车辆12的图示10，其中，目标车辆14比主车辆12行驶得慢或是停止的。目标车辆14旨在表示在主车辆12前方的位于主车辆12的行驶方向的碰撞路径内的任何物体。要指出，在以下整个论述的其他图中，附图标记12和14将分别用于主车辆和目标车辆。主车辆12包括防撞系统16，该防撞系统16可操作地执行包括确定如本文所论述的虚拟目标路径的各种计算和操作。防撞系统16从一般表示为传感器18的一个或多个传感器接收传感器信号，传感器可为用于本文所论述之目的的任何适当的传感器，诸如雷达、LiDAR、摄像头、超声传感器等。针对本发明，系统16通常使用来自设置在主车辆12上的LiDAR传感器的数据扫描点，其中，该数据扫描点还表示为来自仅在目标车辆14上示出的所有物体的扫描点26。该数据扫描点按照本领域技术人员很好理解的方式转换为数据扫描点集群图。使用LiDAR传感器从检测到的物体提供数据扫描点集群是本领域技术人员所熟知的，例如见转让给本申请受让人并以引用的方式并入本文的于2013年5月23日提交的序列号为第13/901,123号的名称为“Probabilistic Target Selection and ThreatAssessment Method and Application to Intersection Collision Alert System”（概率目标选择和威胁评估方法以及交叉碰撞警报系统）的美国专利申请。
防撞系统16使用来自LiDAR传感器18的扫描点26检测目标车辆14，以及，如有必要，在车辆驾驶员自身未在安全时间量内采取适当的避让动作的情况下，在避开其他物体22（诸如，建设桶、护栏、树、指示牌等）的同时，确定在目标车辆14周围的避让转向路径20。防撞系统16使用虚拟目标路径24寻找避让转向路径20。如下文将详细论述的，计算虚拟目标路径24以允许主车辆12经过目标车辆14时使主车辆12与目标车辆14相距安全距离并且还与物体22（若其存在）相距安全距离。如果不存在物体22或者远离目标车辆14足够远的距离，则在避让操作之前虚拟目标路径24会与主车辆方向平行。如果物体22离目标车辆14近到其会出现碰撞问题，则虚拟目标路径24可为弯曲路径。在该具体论述中，无车道标线供传感器18进行检测以识别与目标车辆14相邻的车辆12可转入的车道。防撞系统16将检测在目标车辆14两侧上的物体22，并且将基于这些物体确定目标车辆14哪一侧为主车辆12提供了最安全的避让转向路径。
图2是防撞系统30的示意框图，该防撞系统30可用作在主车辆12上的系统16。系统30包括增强防撞（ECA）控制器32，该ECA控制器32向主车辆12提供转向命令，其中，车辆动态计算由处理器34提供，该处理器34提供了距离值D到车道变换路径处理器36，该距离值D是主车辆12和目标车辆14之间的距离。如果距离D连同在主车辆12和目标车辆14之间的相对速度要求采取避让转向动作，则处理器36使用由虚拟车道处理器提供的虚拟目标路径系数a、b和c计算避让转向路径20。如果要确定避让转向路径20，则处理器36在方块38处为主车辆12提供所需的横向偏移Δ并在方块40处为主车辆12提供所需的方向角以限定路径20，见图1。包括在处理器34中的LiDAR传感器向感知模块处理器42提供数据扫描点图，该感知模块处理器42处理数据并提供传感器数据融合、物体检测、物体追踪等。本领域的技术人员会轻易知晓对来自各类传感器的数据、图像和信息以及其他信号进行处理并结合该信息以检测和监测在主车辆12周围的静止物体和移动物体的处理器和算法。将处理过的数据扫描点信息提供给虚拟车道处理器44，该虚拟车道处理器44输出用于二次多项函数的值a、b和c，从而按照以下将详细论述的方式限定虚拟目标路径24。将比较器46中的横向偏移值Δ减去值c以提供所需横向偏移的变化，并且，将比较器48中的所需方向减去值b以生成所需方向的变化，以提供转向路径20的变化，将这些变化提供给ECA控制器32。
图3是示出了用于使用几何算法确定虚拟目标路径24的过程的流程图62。要指出，在执行几何防撞分析和计算之前，系统30已经基于其他算法以及监测主车辆12和目标车辆14的速度和位置的控制确定可能会发生碰撞或易于发生碰撞的风险。要进一步指出，流程图62的操作是在虚拟车道处理器44中执行的。该算法开始于框64并且接着在决策菱形框66确定是否已接收到来自感知模块处理器42的新数据扫描点图，并且如果未接收到新数据扫描点图，则在框68退出该算法。如果在决策菱形框66接收到了新数据扫描点图，则该算法进行到方框70在扫描集群数据点上执行预处理步骤。该预处理操作执行许多功能，包括：确定哪些数据点来自目标车辆14、哪些数据点来自其他物体22、那些物体是什么等。基于对哪些数据点表示什么物体以及这些数据点相对于主车辆12的位置的确定，该算法在预处理操作中确定对于虚拟目标路径24而言目标车辆14的哪一侧是最好或最安全的一侧，从而使主车辆12可更安全地避开目标车辆14。
以下论述描述了在方框70通过LiDAR传感器18检测到的一组所有物体来检测目标车辆14的方法。基于主车辆12的行驶路径考虑了两种不同的情况。
针对主车辆12行驶在直线路径中的第一种情况，其中，假设主车辆12的横摆率非常小，即。图4是示出了沿由直线162和164所限定的路径跟随目标车辆14的主车辆12的图示160。主车辆12的行驶路径在总体坐标中限定为：
其中，和分别表示主车辆12在总体坐标中的位置和方向，以及为主车辆12的宽度。
一旦计算出了线162和164，则识别出位于路径线162和164所限定的区域内的所有扫描点26，即，满足以下不等式的那些点26：
其中，为各个扫描点26在总体坐标中的位置。
图示160示出了路径线162和164以及位于限定区域内和限定区域外的扫描点26。由于LiDAR传感器18提供了哪个扫描点26属于哪个检测到的物体22的信息，因此针对位于该区域内的各个物体22，可以计算出扫描点26的数量。将限定区域内扫描点26数量最多的物体22视为用于计算虚拟目标曲线的“目标车辆”。
针对主车辆12沿曲线路径行驶的第二种情况，其中，假设主车辆12的横摆角速度大于阈值，即。图5是示出了沿由曲线172和174所限定的曲线路径跟随目标车辆14的主车辆12的图示170。主车辆12在某一时间点的行驶路径可使用具有以下参数的圆曲线进行限定：
其中，为主车辆12的纵向速度，为圆曲线的半径，以及为总体坐标中的圆心的位置。
有了这些参数，可使用主车辆12两侧的两条平行曲线172和174界定主车辆12的路径区域。与第一种情况相似，通过满足以下不等式发现位于该区域内的扫描点26：
。
图示170示出了路径曲线172和174以及位于针对该情况的限定区域内和限定区域外的扫描点26。针对位于该区域内的各个物体22，计算扫描点26的数量，以及，将该区域内扫描点26数量最多的物体26视为用于计算虚拟目标曲线的目标车辆14。
注意，每接收到新扫描点数据并且在开始实际避让转向操作之前，重复以上用于检测目标车辆14的计算。在主车辆12的避让转向操作开始之后，目标车辆14在避让转向操作之前总是对应的检测到的物体22。在避让操作控制已触发而由于大的碰撞时间值避让转向操作未开始的时间段称为“预处理阶段”。
LiDAR传感器18可检测远离目标车辆14的侧面物体和在主车辆12的路径周围的需要在方框70被忽略的不相关物体。这些物体可包括树、房子和其他不会在虚拟目标曲线计算中起作用的不相关物体。因此，需要采用忽略那些遥远物体的技术。这可通过在目标车辆14的两侧上限定安全范围而简单地实现。图6是识别在目标车辆14之外的安全距离的图示180，其中，在安全距离之外检测到的物体182不包括在虚拟目标曲线的计算中。如果检测到的物体满足以下任何条件，则在计算中将其忽略。
其中，和分别为目标扫描点和物体扫描点的Y坐标，以及为安全通道宽度，该安全通道宽度限定了范围，忽略在该范围之外检测到的物体。
例如，当主车辆12经过目标车辆14时，如果没有来自目标车辆14的可用的扫描点，则将目标车辆14最后的可用的扫描点考虑用于方程式（8）中的计算。
如果在任何时刻发现避让转向操作由于在目标车辆14和物体22之间的空间不足而不安全，则应发送信号至ECA控制器32以停止或中止避让转向操作。图7是示出了用于计算在目标车辆14和物体22之间的通道宽度以确定通道宽度是否为避让转向操作提供了充足空间的情况的图示190。为了判定通道宽度，首先选择位于覆盖了从目标车辆14后部到前部的距离的预定边界内的那些物体点。在这些边界内的所选物体点满足以下不等式：
其中，为在目标车辆区域内的物体点的组。接着将通道宽度计算为桶形点与目标车辆14的沿Y坐标的最小距离，更具体地说：
如果方程式（10）中得到的通道宽度小于安全距离，则发送中止信号至ECA控制器32。
下面将在以下十步（编号：1-10）算法中对为在目标车辆14周围的虚拟目标路径24寻找最佳左方向或右方向的算法进行描述。该算法将来自LiDAR传感器18的扫描点26用作输入，其中，假设来自目标车辆14的扫描点26是已知的。这可使用不同的方法来实现，诸如传感器输出的图像处理。
1、使用聚类算法简化扫描图。
2、使用下面论述的方程式（14）和（18）将聚类扫描点转换为总体坐标X-Y。
3、使用本领域技术人员所熟知的“Delaunay三角剖分”用三角形表示在聚类扫描点之间的空间。作为示例，图8示出了用于一组数据扫描点的Delaunay三角剖分，其中，顶行的点和底行的点50表示来自物体22的扫描点，而内部的点52表示来自目标车辆14的扫描点。
4、将顶点54定义为Delaunay三角形的边56的中点，如图9所示，如果：
a、边56不连接两个目标车辆扫描点52，以及
b、沿边56所连接的两个扫描点的Y坐标的差值大于预定阈值T，即，。
5、将线段58定义为连接属于同一三角形的两个顶点54的线，见图10。
6、通过步骤4中的顶点54和步骤5中的线段58定义图形。
7、基于以下的开始节点、结束节点和距离函数，使用“Dijkstra算法”为步骤6中图形中寻找最短路径：
a、将开始节点定义为具有最小X坐标值的顶点54。
b、将结束节点定义为具有最大X坐标值的顶点54。
c、各个线段58的距离由三个分量组成：
其中，为第k条线段58的长度；为从正X坐标测得的第k条线段58的倾斜角的绝对值；为表示在目标车辆扫描点26和物体扫描点之间的通道宽度的分量；以及，系数α1、α2、α3表示距离函数的各个分量的权值。
注意，确定出来的最短路径是根据方程式（11）中的新距离函数，而非在开始和结束节点之间的常规距离。图11示出了选择的沿下路径60从开始节点94到结束节点96的路径，其表示在目标车辆14右侧的虚拟目标路径24。选择加权系数α，从而使对应于在目标车辆14和物体22之间的通道宽度的第三分量在确定最短路径中起到更重要的作用。在图11中，例如，选择下路径60是因为在目标车辆点26和物体点之间的下路径60比上路径宽。
8、基于扫描点与最短路径的相对位置，将扫描点分为左点和右点，即，在路径上方的扫描点属于左点，而在路径下方的扫描点属于右点。
9、如果目标车辆扫描点属于右点，则车道改变的安全方向为“向左”并且将在左组中的非目标车辆扫描点视为物体点；否则，安全方向为“向右”并且将在右组中的非目标车辆扫描点视为物体点。在确定目标曲线系数时忽略其他扫描点。
10、一旦存在来自感知模块处理器42的新数据扫描点时，就重复步骤1至步骤9。
为了寻找方程式（11）中的与目标车辆14和物体22之间的路径的宽度相对应的距离函数，使用以下五个步骤：
1、寻找X坐标值处于由目标车辆扫描点a的X坐标所确定的范围内的顶点54。
2、将在步骤1中得到的顶点54分为两组，这两组的顶点54在目标车辆点26上方或下方。
3、寻找与在步骤1中的各个顶点54相对应的通道宽度，如下：
a、如果顶点54在目标车辆扫描点a下方，则通道宽度计算为在通过三角边连接至顶点54的最小目标车辆点（根据Y坐标）和最小物体点（根据Y坐标）之间的Y坐标差值。
b、如果顶点54在目标车辆扫描点a上方，则通道宽度计算为在通过三角边连接至顶点54的最大目标车辆点（根据Y坐标）和最大物体点（根据Y坐标）之间的Y坐标差值。
4、寻找各组顶点54的通道宽度的最小值，并且将最小值最低的组表示为星号组。如果这些组的最小值相同，则星号组不存在。
5、得到各个线段58的距离函数，如下：
a、如果线段58连接至在步骤1中得到的任何顶点54：
i、如果顶点54属于步骤4中定义的星号组，则将线段58的距离函数设为该组的最小通道宽度。
ii、如果顶点54不属于星号组或星号组不存在，则将线段58的距离函数设为零。
b、如果线段58未连接至在步骤1中得到的任何顶点54，则将距离函数设为零。
寻找虚拟目标路径24的安全方向的算法应在检测到目标车辆14时开始，并需要在实际防撞操作开始之前完成。假如安全车道改变方向由于新的一组数据点时时发生变化，则可采用用于最新近决策的具有更多权值的加权平均法。
回到图3，在已经执行了上面所论述的预处理计算之后，在方框72，该算法确定了曲线点p * ，如图12中的图示88所示，该曲线点p * 为从虚拟路径24安全方向距目标车辆14上的最近扫描点26的预定安全距离，其中，将各个扫描点26指定为并且将在目标车辆14上的最近扫描点指定为。接着，在方框74，该算法确定表示虚拟目标路径24的可能性的目标线92，其在开始避让转向操作前与主车辆12的方向平行并且通过点p * 。
测量在目标车辆14上的最近扫描点26到在路径变化操作既定方向上的目标线92的安全距离。目标线92在总体坐标X-Y中可表示为：
其中，表示曲线点p * 的Y坐标，其通过如下得到：
其中，为目标车辆14上的扫描点26在总体坐标X-Y中的Y坐标；为距目标车辆14的安全距离，以及TD为主车辆12的转弯方向。注意，在避让转向操作开始时，总体坐标X-Y与主车辆坐标x-y相同。将目标车辆点26从主车辆坐标x-y转换为总体坐标X-Y，如下所示：
其中，和表示主车辆12相对于总体坐标X-Y的当前位置，以及为从正X轴沿逆时针方向测得的主车辆12的相对方向角。
可在主车辆坐标x-y中得到目标线92，如下所示：
其中：
接着，在决策菱形框76，该算法确定是否存在任何检测到的周围物体。如果在决策菱形框76没有检测到物体，那么在方框78目标线92变成目标路径24并且该算法在框68结束以等待下一个扫描集群图。换言之，在避让转向操作开始时，目标路径24为平行于主车辆12的目标线92并且与目标车辆14相距安全距离。
如果该算法在决策菱形框76处确实检测到了物体，那么该算法在方框80确定最近的周围物体22到目标线92的距离。如图13中的图示90所示，接着确定从各个检测到的物体点到目标线92的距离。使用在方程式（15）中的线表示，可通过如下得到距离：
其中，和均为在主车辆坐标x-y中检测到的物体点。
接着，在决策菱形框82，该算法确定物体点是否与目标线92相距安全距离。如果在决策菱形框确定所有的物体点均与目标线92相隔安全距离，即，，则目标路径24将为方程式（15）中给出的目标线92（在方框78）。
如果在决策菱形框82确定方程式（17）中给出的任何物体点距目标线92的最小距离均小于安全距离db，即，，则在框84使用如下逐步算法寻找作为目标路径102的目标路径24，如图14中的图示100所示，该目标路径102是曲线的从而通过安全距离避开物体22。
1、将检测到的物体点从主车辆坐标x-y转换为总体坐标X-Y，如下：
。
2、将转换后的物体点按X坐标升序排序，即，。
3、在排序后的物体点中，基于从物体点到方程式（14）中的目标线92的距离和在总体坐标X-Y中的排序后的物体点的Y坐标，选择寻找目标路径24的临界点，具体地：
a) 寻找相距目标线92的距离小于安全距离的第一选择点；
b) 使用如下方程式选择其他临界物体点：
。
4、寻找对应于所选物体点的曲线点。计算曲线点，从而使它们沿Y轴与所选物体点相距安全距离并且通过如下方程式得到：
。
5、如果曲线点相距目标点的最小距离小于安全距离，即，，则忽略曲线点，其中：
。
6、加入对应于目标点的两个曲线点和，如下所示：
其中，定义了目标路径24并且在方程式（13）中给出。
7、如果曲线点相距物体点的最小距离小于安全距离，即，，则忽略曲线点，其中：
。
8、将在步骤4至步骤7中确定的曲线点转换为主车辆坐标x-y，如下所示：
。
9、诸如通过使用方程式（26）通过步骤8中的转换过的曲线点拟合二次多项函数，来寻找目标路径102，其中，曲线拟合在最小二乘意义上完成。
以下论述提供了如何使用最小二乘意义上的曲线拟合方法寻找二次多项式的系数的细节。假设已经计算出了曲线点，下一步是寻找二次多项式，从而使以下成本函数最小化，如下所示：
其中，为曲线点的位置，、和为前一次得到的多项式系数，以及，、和为一些正常数。
方程式（27）中的第一项确保产生的多项式曲线距离曲线点足够近，而其他项确保产生的多项式曲线是平滑的并且多项式系数从一个时刻到下一个时刻无较大变化。为了寻找使方程式（27）中的成本函数e最小化的优化系数，对以下方程组求解。
其可写为以下矩阵的形式：
其中：
。
接着，得到如下二次多项式系数：
。
现在考虑主车辆12基于以上的论述已经沿路径102经过目标车辆14并且仅有来自物体22的物体扫描点可用的情况，如图5中的图示110所示。在这种情况下，目标路径24计算为目标路径112，并且将沿着避免撞到路边物体22的路径引导主车辆12。
如下，为了寻找目标路径112，首先基于物体点的X坐标值将其分成组：
其中，表示第j个物体点，为第k组物体点，以及，为恒定长度，指定了沿X轴的各个组的宽度。
接着得到所选物体点，如下所示：
其中：
。
计算与所选物体点相对应的曲线点，从而使这些曲线点沿Y轴与所选物体点相距安全距离，如下：
。
曲线点最终使用方程式（25）转换为主车辆坐标x-y，以及，通过转换的曲线点拟合二次多项式函数来确定目标路径112。
总结以上所论述的几何法，给出了以下分步式算法。
1、从LiDAR传感器18收集扫描点并且使用聚类算法简化这些扫描点。
2、从检测到的物体的扫描点中寻找在主车辆12的行驶路径中的目标车辆物体。
3、忽略检测到的远离目标车辆14并且与避让车道变化操作不相关的物体的那些扫描点。
4、基于检测到的点确定应急路径变化操作的安全方向，并且将扫描点分为两类，包括：目标车辆点和物体点（如果其存在）。
5、计算在目标车辆和检测到的物体之间的通道宽度，并且，如果通道宽度小于阈值，发送中止信号以停止避让转向操作。
6、使用目标车辆点计算在方程式（15）中给出的目标线92。
7、基于以下情况寻找目标路径24：
a、如果未检测到物体点，那么方程式（15）中的目标线92为所需的目标路径24。
b、在存在一些物体点的情况下：
i、如果从物体点到目标线92的最小距离（方程式（17）中给出的）等于或大于安全距离，则在方程式（15）中的目标线92为所需的目标路径24。
ii、如果物体点到目标线92的最小距离（方程式（17）中给出的）小于安全距离，则遵循上面所定义的算法来寻找目标路径102。
c、在仅有物体点并且主车辆12已经经过目标车辆14的情况下，遵循上面所定义的算法来寻找目标路径112。
8、一旦存在来自LiDAR 传感器18的新数据扫描点时，重复步骤1至步骤4。
势场法和算法也是在虚拟车道处理器44中进行的，并且使用了虚拟势场的概念来计算虚拟目标路径24。首先，该算法创建了在目标车辆扫描点和物体扫描点中具有较大值的人工势场，并且，离这些点越远，其值逐渐减小，从而可以确定主车辆12在目标车辆14和物体22之间的最安全位置。因此，当满足某些限制条件时，在势场的最小值处会找到目标路径24。以下的论述是分别参考图16和图17中的图示120和图示130进行的，图16和图17示出了主车辆12、目标车辆14和避让转向路径20。
为了确保虚拟目标路径24离目标车辆14和物体22足够远，首先将势场定义为二维高斯函数的总和，一个二维高斯函数用于目标车辆扫描点，一个二维高斯函数用于物体扫描点，其最大值出现在各个检测到的点中，如下所示：
其中，n和m分别为目标车辆点ai（i=1，2，…，n）的数量和物体点（j=1，2，…，m）的数量，以及：
其中，A为振幅，以及，σx和σy为高斯函数的X和Y扩展。图18是示出了二维高斯函数的示例的在X-Y-Z空间中的图表。
图19是示出了势场方法的过程的流程图140。在方框142，该算法从LiDAR传感器18收集扫描点26并且使用聚类算法简化扫描点26。方框144，该算法从检测到的物体的扫描点寻找在主车辆12的行驶路径中的目标车辆物体。在方框146，该算法忽略检测到的远离目标车辆14并且与避让车道变化操作不相关的物体的那些扫描点。在方框148该算法使用检测到的扫描点26确定虚拟目标路径24的安全方向，并且，以与上面所论述的在预处理步骤在方框70执行中的几何法相同的方式将扫描点26分为两类，包括：目标车辆点和物体点（如果其存在）。在方框150，该算法计算目标车辆14和检测到的物体之间的通道宽度，并且，如果通道宽度小于阈值，则发送中止信号以停止避让转向操作。在方框152该算法使用方程式（14）和（18）将检测到的目标点和物体点转换为总体坐标X-Y，并且在方框154使用方程式（37）对势场进行定义。
接着，在方框156该算法在发现目标路径24的所需区域中在X-Y平面中定义网格122，并且计算势场各个网点124（g = 1, 2, …, N）处的值。具体地说，网点124是X-Y平面中的X线和X-Y平面中的Y线相交的位置，其中，X-Y平面中的X线在主车辆12的行驶方向上，而Y线与X线垂直。针对网格122中的各条X线 （g = 1, 2, …, N），该算法在方框158确定用于网格122中的那条线的沿Y线的势场的局部最小点，即，在Y方向上具有最小或最低的势场值的网点124，网点124是目标车辆14或物体22可能定位的最低可能点，并由此在避让操作期间主车辆12的最安全位置受限于以下条件：
其中，和分别为目标极限和物体极限，并且定义为确保在目标车辆点的所需侧或在目标车辆点和物体点（如果其存在）之间的安全区域中找到局部最小点。图16中的图示120示出了如何能够找到目标极限的细节，而图17中的图示130示出了如何能够找到物体极限的细节。确定的各条X线的最小点（如果存在）为曲线点，即，。
在方程式（40）中，目标极限（g =1, 2, …, N）确保在目标车辆14的所需侧找到曲线点并且确保曲线点与目标车辆14相距安全距离，其中，目标极限通过如下方程式确定：
。
在方程式（40）中，物体极限（g =1, 2, …, N）确保在物体点的所需侧找到曲线点并且确保曲线点与物体点相距安全距离。为了寻找在各个网格点124处的物体极限，首先寻找与网格点（即，对于g =1, 2, …, N）相距较近间隔的所有物体点的向量，如下所示：
其中，对于所有的g =1, 2, …, N， 为空向量。
接着，得到物体极限，如下所示：
。
在未检测到物体点的情况下，可基于目标极限确定物体极限，如下所示：
其中，α为可任意选择的正常数并且确定目标路径24可以距离目标车辆14多近。
接着，在方框160该算法使用方程式（25）将确定（在方框158）的曲线点转换为主车辆坐标x-y。在方框162该算法通过在方框160转换的曲线点拟合二次多项式函数来找到目标曲线，其中，该曲线拟合在最小二乘意义上完成。接着，该算法返回到方框142等待下一个数据点扫描集群。
本领域的技术人员应理解，本文为了描述本发明所论述的多个和各种步骤和过程可指由使用电现象操作和/或转换数据的计算机、处理器或其他电子计算装置所执行的操作。那些计算机和电子装置可采用各种易失性和/或非易失性存储器，包括其上存储有可执行程序的非临时性计算机可读介质，该可执行程序包括各种能够由计算机或处理器实施的代码或可执行指令，其中，存储器和/或计算机可读介质可包括所有形式和类型的存储器和其他计算机可读介质。
前述论述仅仅公开和描述了本发明的示例性实施例。本领域的技术人员通过这类论述并且通过附图和权利要求书易于认识到：在不脱离如以下权利要求书中限定的本发明的精神和范围的情况下，可对本发明进行各种改变、修改和变化。

Claims (19)

1.一种用于确定虚拟目标路径的方法，该虚拟目标路径用于计算在主车辆的行驶路径中的目标物体周围的主车辆的避让转向路径，所述方法包括：
提供多个扫描点，该多个扫描点用于对从主车辆上的一个或多个传感器检测到的物体进行识别；
将多个扫描点分成从目标物体接收到的目标物体扫描点和从其他物体接收到的其他物体扫描点；
使用多个扫描点来确定势场，该势场为二维高斯函数的总和，其中，各个高斯函数均具有由目标物体扫描点和其他物体扫描点所限定的中心；
对在X-Y平面和转向路径将位于的预定义区域中的网格进行识别，其中，网格包括在X平面线和Y平面线相交位置处网格点，以及其中，X平面线沿主车辆的行驶路径的方向，而Y平面线沿与X方向垂直的方向；
对在各个网格点处来自势场的势场值进行识别；
对各个X平面线在沿与该X平面线相交的Y平面线的各个网格点处的势场的局部最小点进行识别，其中，局部最小点为曲线点，以及其中，各个X平面线均包括曲线点；以及
连接曲线点以限定虚拟目标路径。
2.根据权利要求1所述的方法，其中，确定为二维高斯函数的总和的势场包括：使用方程式：
其中，U（X，Y）为势场，n和m分别为目标物体扫描点ai（i=1，2，...，n）的数量和其他物体扫描点bj（j=1，2，...，m）的数量，以及：
其中，A为振幅，以及σx和σy为高斯函数的X和Y扩展。
3.根据权利要求1所述的方法，其中，识别势场的局部最小点包括：使用约束方程式：
其中，TD为主车辆转向方向，Ygmin为局部最小势场值，以及，Ytg和Ybg分别为目标极限和物体极限并且限定为确保在目标物体扫描点ai的所需侧上的安全区域中或在目标物体扫描点ai和其他物体扫描点bj之间的安全区域中发现局部最小点。
4.根据权利要求3所述的方法，其中，识别势场的局部最小点还包括：使用方程式：
其中，ai为目标物体扫描点，Xg为网格点的X坐标，以及，dt为预定目标安全距离。
5.根据权利要求4所述的方法，其中，识别势场的局部最小点还包括：使用方程式：
其中，为其他物体扫描点的向量，以及，db为预定物体安全距离。
6.根据权利要求1所述的方法，其中，连接曲线点以限定虚拟目标路径包括：使用最小二乘法通过点拟合二次多项式函数。
7.根据权利要求1所述的方法，其进一步包括：在将扫描点分成目标物体扫描点和其他物体扫描点之前，使用聚类算法来降低多个扫描点的复杂度。
8.根据权利要求1所述的方法，其进一步包括：忽略距主车辆超出预定安全距离的扫描点。
9.根据权利要求1所述的方法，其进一步包括：从其他物体中检测目标车辆作为目标物体。
10.根据权利要求1所述的方法，其进一步包括：计算目标物体和其他物体之间的通道宽度，以及，如果通道宽度小于预定阈值宽度，则中止避让转向操作。
11.根据权利要求1所述的方法，其中，所述一个或多个传感器为一个或多个LiDAR传感器。
12.一种用于确定虚拟目标路径的方法，该虚拟目标路径用于计算在主车辆的行驶路径中的目标车辆周围的主车辆的避让转向路径，所述方法包括：
提供多个扫描点，该扫描点用于对从主车辆上的一个或多个LiDAR传感器检测到的物体进行识别；
将多个扫描点分成从目标车辆接收到的目标车辆扫描点和从其他物体接收到的其他物体扫描点；
使用多个扫描点来确定势场，所述势场为二维高斯函数的总和，其中，各个高斯函数均具有由目标车辆扫描点和其他物体扫描点所限定的中心；
对在X-Y平面中和转向路径将位于的预定区域中的网格进行识别，其中，网格在X平面线和Y平面线相交的位置处包括网格点，以及其中，X平面线沿主车辆的行驶路径的方向，而Y平面线沿与X方向垂直的方向；
在各个网格点处对来自势场的势场值进行识别；
对各个X平面线在沿与X平面线相交的Y平面线的各个网格点处的势场的局部最小点进行识别，其中，局部最小点为曲线点，以及其中，各个X平面线均包括曲线点；以及
通过使用最小二乘法通过点拟合二次多项式函数，来连接曲线点以限定虚拟目标路径。
13.根据权利要求12所述的方法，其中，确定为二维高斯函数的总和的势场包括：使用方程式：
其中，U（X，Y）为势场，n和m分别为目标车辆扫描点ai（i=1，2，...，n）的数量和其他物体扫描点bj（j=1，2，...，m）的数量，以及：
其中，A为振幅，以及，σx和σy为高斯函数的X和Y扩展。
14.根据权利要求12所述的方法，其中，识别势场的局部最小点包括：使用约束方程式：
其中，TD为主车辆转向方向，Ygmin为局部最小势场值，以及，Ytg和Ybg分别为目标极限和物体极限并且限定为确保在目标车辆扫描点ai的所需侧上的安全区域中或在目标车辆扫描点ai和其他物体扫描点bj之间的安全区域中发现局部最小点。
15.根据权利要求14所述的方法，其中，识别势场的局部最小点还包括：使用方程式：
其中，ai为目标车辆扫描点，Xg为网格点处的X方向势场值，以及dt为预定目标安全距离。
16.根据权利要求15所述的方法，其中，识别势场的局部最小点还包括：使用方程式：
其中，为其他物体扫描点的向量，以及，db为预定物体安全距离。
17.根据权利要求12所述的方法，其进一步包括：忽略距主车辆超出预定安全距离的扫描点。
18.根据权利要求12所述的方法，其进一步包括：从其他物体中检测目标车辆作为目标物体。
19.根据权利要求12所述的方法，其进一步包括：计算在目标物体和其他物体之间的通道宽度，以及，如果通道宽度小于预定阈值宽度，则中止避让转向操作。
CN201410583823.1A 2013-10-28 2014-10-28 采用虚拟势场技术的避让转向操作的路径规划 Active CN104554258B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/065,279 US9199668B2 (en) 2013-10-28 2013-10-28 Path planning for evasive steering maneuver employing a virtual potential field technique
US14/065279 2013-10-28

Publications (2)

Publication Number Publication Date
CN104554258A CN104554258A (zh) 2015-04-29
CN104554258B true CN104554258B (zh) 2017-06-23

Family

ID=52811846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410583823.1A Active CN104554258B (zh) 2013-10-28 2014-10-28 采用虚拟势场技术的避让转向操作的路径规划

Country Status (3)

Country Link
US (1) US9199668B2 (zh)
CN (1) CN104554258B (zh)
DE (1) DE102014114608A1 (zh)

Families Citing this family (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230135207A1 (en) * 2011-07-06 2023-05-04 Peloton Technology, Inc. Gap measurement for vehicle convoying
US20150285639A1 (en) * 2014-04-04 2015-10-08 Umm-Al-Qura University Method and system for crowd sensing to be used for automatic semantic identification
US9405293B2 (en) * 2014-05-30 2016-08-02 Nissan North America, Inc Vehicle trajectory optimization for autonomous vehicles
JP6285303B2 (ja) * 2014-07-11 2018-02-28 株式会社デンソー 車両制御装置
MX358044B (es) * 2014-08-11 2018-08-03 Nissan Motor Dispositivo de control de desplazamiento y método de control de desplazamiento.
EP3001272B1 (en) * 2014-09-26 2017-04-12 Volvo Car Corporation Method of trajectory planning for yielding manoeuvres
TWI530409B (zh) * 2014-11-07 2016-04-21 財團法人工業技術研究院 自動追蹤防撞警示系統及其方法
DE102014017594A1 (de) * 2014-11-27 2016-06-02 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) Verfahren zur Durchführung eines Ausweichmanövers, Computerprogrammprodukt sowie Kraftfahrzeug
US9766336B2 (en) * 2015-03-16 2017-09-19 Here Global B.V. Vehicle obstruction detection
US9505413B2 (en) * 2015-03-20 2016-11-29 Harman International Industries, Incorporated Systems and methods for prioritized driver alerts
US9868443B2 (en) * 2015-04-27 2018-01-16 GM Global Technology Operations LLC Reactive path planning for autonomous driving
JP2017030569A (ja) * 2015-07-31 2017-02-09 アイシン精機株式会社 駐車支援装置
US9618938B2 (en) * 2015-07-31 2017-04-11 Ford Global Technologies, Llc Field-based torque steering control
US11153953B2 (en) * 2015-07-31 2021-10-19 Stryker Corporation Method and system for maximizing the output of surgical lights
US10099705B2 (en) * 2015-08-31 2018-10-16 Uber Technologies, Inc. Control system for autonomous-capable vehicles
CN106017494B (zh) * 2016-05-23 2019-02-12 福州华鹰重工机械有限公司 基于学徒学习的路径规划方法及装置
EP3291202B1 (en) * 2016-08-29 2019-04-17 Volvo Car Corporation Method of road vehicle trajectory planning
US20180118218A1 (en) * 2016-10-27 2018-05-03 Ford Global Technologies, Llc Method and apparatus for vehicular adaptation to driver state
US20180143641A1 (en) * 2016-11-23 2018-05-24 Futurewei Technologies, Inc. Motion controlling method for an autonomous vehicle and a computer device
JP7016214B2 (ja) * 2016-11-29 2022-02-04 アルパイン株式会社 走行可能領域設定装置および走行可能領域設定方法
KR102568114B1 (ko) * 2016-11-30 2023-08-18 현대오토에버 주식회사 자율 주행 제어 장치 및 방법
KR102441060B1 (ko) * 2016-12-13 2022-09-06 현대자동차주식회사 보행자 추돌 사고 방지 장치, 그를 포함한 시스템 및 그 방법
KR102309420B1 (ko) * 2017-03-03 2021-10-07 현대자동차주식회사 차량 및 그 제어방법
KR102265376B1 (ko) * 2017-03-07 2021-06-16 현대자동차주식회사 차량 및 그 제어방법과 이를 이용한 자율 주행 시스템
DE102017204416A1 (de) * 2017-03-16 2018-09-20 Robert Bosch Gmbh Verfahren und Vorrichtung in einem Kraftfahrzeug zur Schadensminimierung bei Unfallsituationen
IT201700038173A1 (it) * 2017-04-06 2018-10-06 Cnh Ind Italia Spa Sistema utilizzabile per lavori agricoli comprendente un trattore ed un attrezzo trainato provvisto di sistema anticollisione
EP3389026A1 (en) * 2017-04-12 2018-10-17 Volvo Car Corporation Apparatus and method for road vehicle driver assistance
JP6743750B2 (ja) * 2017-04-14 2020-08-19 株式会社ダイフク 物品搬送設備
JP6760204B2 (ja) * 2017-06-06 2020-09-23 トヨタ自動車株式会社 操舵支援装置
KR102463720B1 (ko) * 2017-12-18 2022-11-07 현대자동차주식회사 차량의 경로 생성 시스템 및 방법
CN108445503B (zh) * 2018-03-12 2021-09-14 吉林大学 基于激光雷达与高精度地图融合的无人驾驶路径规划算法
US10884418B2 (en) * 2018-04-25 2021-01-05 Aptiv Technologies Limited Vehicle route planning based on instances of other vehicles stopping automated operation
JP6661695B2 (ja) * 2018-05-09 2020-03-11 三菱電機株式会社 移動体検出装置、車両制御システム、移動体検出方法および車両制御方法
DE102018208205A1 (de) * 2018-05-24 2019-11-28 Ford Global Technologies, Llc Verfahren zum Kartographieren der Umgebung von Kraftfahrzeugen
US10564643B2 (en) 2018-05-31 2020-02-18 Nissan North America, Inc. Time-warping for autonomous driving simulation
US10745011B2 (en) 2018-05-31 2020-08-18 Nissan North America, Inc. Predicting yield behaviors
RU2751382C1 (ru) * 2018-05-31 2021-07-13 Ниссан Норт Америка, Инк. Планирование траектории
US10569773B2 (en) 2018-05-31 2020-02-25 Nissan North America, Inc. Predicting behaviors of oncoming vehicles
WO2019231456A1 (en) 2018-05-31 2019-12-05 Nissan North America, Inc. Probabilistic object tracking and prediction framework
CN108791285A (zh) * 2018-06-13 2018-11-13 北京车和家信息技术有限公司 一种车辆控制方法及车辆
US11427211B2 (en) * 2018-06-18 2022-08-30 Baidu Usa Llc Methods for handling sensor failures in autonomous driving vehicles
CN108898866B (zh) * 2018-07-04 2021-03-16 矩阵数据科技(上海)有限公司 一种智能车辆控制系统
KR102660838B1 (ko) * 2018-08-10 2024-04-26 현대자동차주식회사 차량 및 그 제어방법
US10792568B1 (en) * 2018-09-24 2020-10-06 Amazon Technologies, Inc. Path management for virtual environments
US11157437B2 (en) 2018-09-26 2021-10-26 Micron Technology, Inc. Memory pooling between selected memory resources via a base station
JP6992719B2 (ja) * 2018-09-27 2022-01-13 オムロン株式会社 制御装置
US10901425B2 (en) 2018-11-30 2021-01-26 Honda Motor Co., Ltd. Systems and methods for navigational planning
JP7183521B2 (ja) * 2018-11-30 2022-12-06 マツダ株式会社 経路候補設定システム及び経路候補設定方法
US11443643B2 (en) * 2018-12-13 2022-09-13 10757969 Canada Corporation Control system for controlling unmanned aircraft systems
CN110008872B (zh) * 2019-03-25 2021-04-06 浙江大学 一种结合车辆轨迹和遥感图像的路网提取方法
EP3985641B1 (en) * 2019-06-14 2023-10-04 NISSAN MOTOR Co., Ltd. Travel assistance method and travel assistance device
CN110209171A (zh) * 2019-06-24 2019-09-06 深圳物控智联科技有限公司 一种基于人工势场法的路径规划方法
US10915766B2 (en) * 2019-06-28 2021-02-09 Baidu Usa Llc Method for detecting closest in-path object (CIPO) for autonomous driving
CN110703775B (zh) * 2019-09-16 2022-09-16 江苏大学 一种基于改进人工势场的商用车车道保持路径规划方法
WO2021085109A1 (ja) * 2019-10-31 2021-05-06 ソニー株式会社 軌道計画装置と軌道計画方法およびプログラム
CN112818727A (zh) * 2019-11-18 2021-05-18 华为技术有限公司 一种道路约束确定方法及装置
CN114730526A (zh) * 2019-11-28 2022-07-08 三菱电机株式会社 物体识别装置、物体识别方法及物体识别程序
EP3905105A1 (en) * 2020-04-27 2021-11-03 Aptiv Technologies Limited Method for determining a collision free space
EP3905106A1 (en) 2020-04-27 2021-11-03 Aptiv Technologies Limited Method for determining a drivable area
CN111791898B (zh) * 2020-08-13 2021-07-02 清华大学 一种基于合作型博弈的自动驾驶汽车避撞控制方法
CN111966125B (zh) * 2020-08-18 2022-11-11 重庆交通大学 一种基于改进人工势场的无人机航迹避障重构方法
CN111998867B (zh) * 2020-08-26 2022-07-29 上海汽车集团股份有限公司 一种车辆路径规划方法及装置
CN112109704B (zh) * 2020-09-22 2022-04-01 同济大学 一种基于精准轨迹预测的车辆避撞动态安全路径规划方法
CN112327887B (zh) * 2021-01-05 2021-04-30 成都信息工程大学 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统
US11772640B2 (en) * 2021-04-02 2023-10-03 Verizon Patent And Licensing Inc. Systems and methods for vehicular collision detection based on multi-dimensional collision models
CN113581201B (zh) * 2021-07-22 2022-11-04 重庆邮电大学 一种基于势场模型的无人汽车避撞控制方法及系统
WO2023188250A1 (ja) * 2022-03-31 2023-10-05 株式会社ソニー・インタラクティブエンタテインメント 制御回路、システム、方法およびプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102639379A (zh) * 2009-12-01 2012-08-15 罗伯特·博世有限公司 在避让操作中提前调节车辆横向动力
CN102963358A (zh) * 2011-08-31 2013-03-13 通用汽车环球科技运作有限责任公司 有急动度限制时确定避撞机动路径的系统和方法
CN103192826A (zh) * 2012-01-10 2013-07-10 福特全球技术公司 一种避免主车辆和目标车辆碰撞的方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2005276241B2 (en) * 2004-07-09 2010-06-10 Bae Systems Plc Collision avoidance system
US7991550B2 (en) * 2006-02-03 2011-08-02 GM Global Technology Operations LLC Method and apparatus for on-vehicle calibration and orientation of object-tracking systems
US8050863B2 (en) * 2006-03-16 2011-11-01 Gray & Company, Inc. Navigation and control system for autonomous vehicles
EP2169500B1 (en) * 2008-09-25 2012-04-04 Volvo Car Corporation Method of assessing vehicle paths in a road environment and a vehicle path assessment system.
KR101220542B1 (ko) 2010-08-04 2013-01-10 중앙대학교 산학협력단 로봇 경로 제어 방법 및 장치
US8527172B2 (en) 2010-10-20 2013-09-03 GM Global Technology Operations LLC Vehicle collision avoidance and warning system
US20130030651A1 (en) 2011-07-25 2013-01-31 GM Global Technology Operations LLC Collision avoidance maneuver through differential braking

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102639379A (zh) * 2009-12-01 2012-08-15 罗伯特·博世有限公司 在避让操作中提前调节车辆横向动力
CN102963358A (zh) * 2011-08-31 2013-03-13 通用汽车环球科技运作有限责任公司 有急动度限制时确定避撞机动路径的系统和方法
CN103192826A (zh) * 2012-01-10 2013-07-10 福特全球技术公司 一种避免主车辆和目标车辆碰撞的方法

Also Published As

Publication number Publication date
US20150120138A1 (en) 2015-04-30
CN104554258A (zh) 2015-04-29
DE102014114608A1 (de) 2015-04-30
US9199668B2 (en) 2015-12-01

Similar Documents

Publication Publication Date Title
CN104554258B (zh) 采用虚拟势场技术的避让转向操作的路径规划
CN104554272B (zh) 存在目标车辆和周围物体时的避让转向操作的路径规划
US20220066457A1 (en) Trajectory setting device and trajectory setting method
CN106952471B (zh) 交叉路口处驾驶员意图的预测
CN101327796B (zh) 用于避免后路口交通碰撞的方法和设备
US11400941B2 (en) Moving body behavior prediction device
CN104943689B (zh) 一种汽车主动防撞系统的控制方法
US11898855B2 (en) Assistance control system that prioritizes route candidates based on unsuitable sections thereof
EP3715204A1 (en) Vehicle control device
US20140067206A1 (en) Driver assistant system using influence mapping for conflict avoidance path determination
JP6856452B2 (ja) 物標判定装置及び運転支援システム
CN110214106B (zh) 可操作用于确定车道的一部分的位置的装置
EP3456596A1 (en) Method and device of predicting a possible collision
US10752223B2 (en) Autonomous emergency braking system and method for vehicle at crossroad
CN102132335A (zh) 行驶环境识别装置
JP6301714B2 (ja) 走行経路生成装置
WO2021054051A1 (ja) 電子制御装置
KR20190045308A (ko) 차량 판정 방법, 주행 경로 보정 방법, 차량 판정 장치, 및 주행 경로 보정 장치
JP2019043195A (ja) 車両制御装置
JP5771930B2 (ja) 走行軌跡作成装置
CN114559923A (zh) 一种无人驾驶车辆自动紧急避障系统及其控制方法
US11087147B2 (en) Vehicle lane mapping
JP2020060674A (ja) 地図情報システム
WO2023149003A1 (ja) 車両制御装置
US20230278546A1 (en) Driving assist apparatus

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant