CN107316500A - 自动驾驶中的威胁度计算方法、目标选择方法及应用 - Google Patents
自动驾驶中的威胁度计算方法、目标选择方法及应用 Download PDFInfo
- Publication number
- CN107316500A CN107316500A CN201710420037.3A CN201710420037A CN107316500A CN 107316500 A CN107316500 A CN 107316500A CN 201710420037 A CN201710420037 A CN 201710420037A CN 107316500 A CN107316500 A CN 107316500A
- Authority
- CN
- China
- Prior art keywords
- threat
- destination object
- lateral
- automatic pilot
- fore
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了威胁度计算方法、自动驾驶所关注的目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备。该威胁度计算方法用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,包括:获得目标对象相对于本体对象的纵向距离和横向距离以及目标对象的第一纵向速度和第一横向速度;和基于该纵向距离、横向距离、第一纵向速度和第一横向速度计算威胁度。根据本发明的威胁度计算方法、自动驾驶所关注的目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备有助于准确地定义目标对象的威胁度,从而及时地识别和选择目标,实现改进的自动驾驶。
Description
技术领域
本发明总的来说涉及自动驾驶领域,且更加具体地,涉及自动驾驶所关注的对象的威胁度计算方法、目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备。
背景技术
随着科技的进步,自动驾驶技术也得到了很大的发展,尤其是应用自动驾驶技术的汽车。目前,许多产品车型的高端配置都具有自动驾驶功能,该类型车辆所搭载的传感器一般包括视觉传感器,超声波传感器,毫米波雷达,激光雷达等类型。这些传感器通常在数据处理后,给出数十个目标的运动信息。如果没有对各类型的传感器进行数据融合处理,那么探测所得到的目标数量将会更多。如何从这些数量众多的目标个体中筛选出最值得关注和持续追踪的目标是值得研究的问题。
现有技术中对于自动驾驶场景中涉及的众多目标缺乏有效的判断机制,从而无法筛选出最值得关注和持续追踪的目标。这导致在自动驾驶的运动控制端缺乏有效的目标信息输入,从而影响自动驾驶中的运动控制,进而造成较高的自动驾驶风险。
因此,存在对于改进的自动驾驶所关注的对象的筛选机制的需要。
发明内容
本发明的目的在于针对上述现有技术中的缺陷和不足,提供新颖的和改进的威胁度计算方法、自动驾驶所关注的目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备。
根据本发明的一方面,提供了一种威胁度计算方法,用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,所述方法包括:获得目标对象相对于本体对象的纵向距离和横向距离以及所述目标对象的第一纵向速度和第一横向速度;和,基于所述纵向距离、所述横向距离、所述第一纵向速度和所述第一横向速度计算所述威胁度。
在上述威胁度计算方法中,基于所述纵向距离、所述横向距离、所述第一纵向速度和所述第一横向速度计算所述威胁度具体包括:获得本体对象的第二纵向速度和第二横向速度;计算目标对象的所述第一纵向速度和本地对象的所述第二纵向速度的纵向速度差值;计算目标对象的所述第一横向速度和本地对象的所述第二横向速度的横向速度差值;计算所述横向距离除以所述横向速度差值得到的横向移动时间;计算所述纵向距离除以所述纵向速度差值得到的纵向移动时间;和,基于所述纵向距离、所述横向距离、所述横向移动时间和所述纵向移动时间计算所述威胁度。
在上述威胁度计算方法中,所述计算目标对象的所述第一横向速度和本地对象的所述第二横向速度的横向速度差值具体为:令所述本体对象的所述第二横向速度为零;和,将所述目标对象的所述第一横向速度计算为所述横向速度差值。
在上述威胁度计算方法中,所述威胁度与所述纵向距离、所述横向距离、所述横向移动时间和所述纵向移动时间成负相关关系。
在上述威胁度计算方法中,基于所述纵向距离的绝对值、所述横向距离的绝对值、所述横向移动时间的绝对值和所述纵向移动时间的绝对值的N次方根计算所述威胁度,且N是大于等于2的整数。
在上述威胁度计算方法中,所述威胁度是所述纵向距离的绝对值、所述横向距离的绝对值、所述横向移动时间的绝对值和所述纵向移动时间的绝对值的N次方根的倒数的加权和。
在上述威胁度计算方法中,N等于2。
在上述威胁度计算方法中,与所述纵向距离相关的第一权重值等于1。
在上述威胁度计算方法中,与所述横向距离相关的第二权重值在所述横向距离小于第一阈值的情况下等于1,且在所述横向距离大于第一阈值的情况下等于0。
在上述威胁度计算方法中,所述第一阈值等于5米。
在上述威胁度计算方法中,与所述横向移动时间相关的第三权重值在满足所述横向距离随时间缩短且所述横向距离小于第二阈值的情况下等于1,否则等于0。
在上述威胁度计算方法中,所述第二阈值等于5米。
在上述威胁度计算方法中,与所述纵向移动时间相关的第四权重值在满足所述纵向距离随时间缩短的情况下等于1,否则等于0。
在上述威胁度计算方法中,所述目标对象的纵向距离、横向距离、第一纵向速度和第一横向速度是由所述本体对象通过自身安装的传感器获取的或者通过无线通信的方式从目标对象或者第三方获取的。
根据本发明的另一方面,提供了一种自动驾驶所关注的目标选择方法,包括:通过如上所述的方法计算多个目标对象的威胁度;和,选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
在上述目标选择方法中,在选择需要关注的目标对象之前进一步包括:依据所述多个目标对象的威胁度大小对所述多个目标对象进行排序。
在上述目标选择方法中,在选择需要关注的目标对象之后进一步包括:依据所述需要关注的目标对象对自动驾驶的本体对象进行自动控制。
根据本发明的再一方面,提供了一种自动驾驶辅助装置,用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,所述自动驾驶辅助装置包括:第一获取单元,用于获得目标对象相对于本体对象的纵向距离和横向距离以及所述目标对象的第一纵向速度和第一横向速度;和,计算单元,用于基于所述纵向距离、所述横向距离、所述第一纵向速度和所述第一横向速度计算所述威胁度。
在上述自动驾驶辅助装置中,进一步包括:第二获取单元,用于获得本体对象的第二纵向速度和第二横向速度;所述计算单元具体用于:计算目标对象的所述第一纵向速度和本地对象的所述第二纵向速度的纵向速度差值;计算目标对象的所述第一横向速度和本地对象的所述第二横向速度的横向速度差值;计算所述横向距离除以所述横向速度差值得到的横向移动时间;计算所述纵向距离除以所述纵向速度差值得到的纵向移动时间;和,基于所述纵向距离、所述横向距离、所述横向移动时间和所述纵向移动时间计算所述威胁度。
在上述自动驾驶辅助装置中,所述计算单元计算目标对象的所述第一横向速度和本地对象的所述第二横向速度的横向速度差值具体为:令所述本体对象的所述第二横向速度为零;将所述目标对象的所述第一横向速度计算为所述横向速度差值。
在上述自动驾驶辅助装置中,所述威胁度与所述纵向距离、所述横向距离、所述横向移动时间和所述纵向移动时间成负相关关系。
在上述自动驾驶辅助装置中,所述计算单元具体用于基于所述纵向距离的绝对值、所述横向距离的绝对值、所述横向移动时间的绝对值和所述纵向移动时间的绝对值的N次方根计算所述威胁度,且N是大于等于2的整数。
在上述自动驾驶辅助装置中,所述威胁度是所述纵向距离的绝对值、所述横向距离的绝对值、所述横向移动时间的绝对值和所述纵向移动时间的绝对值的N次方根的倒数的加权和。
在上述自动驾驶辅助装置中,N等于2。
在上述自动驾驶辅助装置中,与所述纵向距离相关的第一权重值等于1。
在上述自动驾驶辅助装置中,与所述横向距离相关的第二权重值在所述横向距离小于第一阈值的情况下等于1,且在所述横向距离大于第一阈值的情况下等于0。
在上述自动驾驶辅助装置中,所述第一阈值等于5米。
在上述自动驾驶辅助装置中,与所述横向移动时间相关的第三权重值在满足所述横向距离随时间缩短且所述横向距离小于第二阈值的情况下等于1,否则等于0。
在上述自动驾驶辅助装置中,所述第二阈值等于5米。
在上述自动驾驶辅助装置中,与所述纵向移动时间相关的第四权重值在满足所述纵向距离随时间缩短的情况下等于1,否则等于0。
在上述自动驾驶辅助装置中,所述第一获取单元包括:距离传感器,用于获取所述目标对象的纵向距离和横向距离;和,速度传感器,用于获取所述目标对象的第一纵向速度和第一横向速度。
在上述自动驾驶辅助装置中,所述第一获取单元是无线通信单元,用于经由无线通信从所述目标对象或者第三方接收所述目标对象的纵向距离、横向距离、第一纵向速度和第一横向速度
根据本发明的又一方面,提供了一种自动驾驶设备,用于选择所关注的目标对象,包括:如上所述的自动驾驶辅助装置;和,选择器,用于选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
在上述自动驾驶设备中,进一步包括:排序器,用于依据所述多个目标对象的威胁度大小对所述多个目标对象进行排序。
在上述自动驾驶设备中,进一步包括:控制器,用于依据所述需要关注的目标对象对自动驾驶的本体对象进行自动控制。
根据本发明的又一方面,提供了一种车载设备,包括:存储器,用于存储计算机可执行指令;和,处理器,用于执行所述存储器存储的计算机可执行指令,以执行如上所述的威胁度计算方法。
根据本发明的又一方面,提供了一种车载设备,包括:存储器,用于存储计算机可执行指令;和,处理器,用于执行所述存储器存储的计算机可执行指令,以执行如上所述的目标选择方法。
根据本发明的威胁度计算方法、自动驾驶所关注的目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备有助于准确地定义目标对象的威胁度,从而及时地识别和选择目标,实现改进的自动驾驶。
附图说明
图1是根据本发明实施例的威胁度计算方法的示意性流程图;
图2是示意性地示出自动驾驶车辆中的各个传感器的布置位置的俯视图;
图3是示意性地示出自动驾驶车辆中的各个传感器的布置位置的侧视图;
图4是示出各个传感器的探测范围的示意图;
图5是根据本发明实施例的威胁度计算方法的具体实例的流程图;
图6是根据本发明实施例的自动驾驶所关注的目标选择方法的示意性流程图;
图7A到图8B示出了根据本发明实施例的目标选择方法的效果图;
图9是根据本发明实施例的自动驾驶辅助装置的示意性框图;
图10是根据本发明实施例的自动驾驶设备的示意性框图;和
图11是根据本发明实施例的车载设备的示意性框图。
具体实施方式
以下描述用于公开本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
以下说明书和权利要求中使用的术语和词不限于字面的含义,而是仅由本发明人使用以使得能够清楚和一致地理解本发明。因此,对本领域技术人员很明显仅为了说明的目的而不是为了如所附权利要求和它们的等效物所定义的限制本发明的目的而提供本发明的各种实施例的以下描述。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
虽然比如“第一”、“第二”等的序数将用于描述各种组件,但是在这里不限制那些组件。该术语仅用于区分一个组件与另一组件。例如,第一组件可以被称为第二组件,且同样地,第二组件也可以被称为第一组件,而不脱离发明构思的教导。在此使用的术语“和/或”包括一个或多个关联的列出的项目的任何和全部组合。
在这里使用的术语仅用于描述各种实施例的目的且不意在限制。如在此使用的,单数形式意在也包括复数形式,除非上下文清楚地指示例外。另外将理解术语“包括”和/或“具有”当在该说明书中使用时指定所述的特征、数目、步骤、操作、组件、元件或其组合的存在,而不排除一个或多个其它特征、数目、步骤、操作、组件、元件或其组的存在或者附加。
包括技术和科学术语的在这里使用的术语具有与本领域技术人员通常理解的术语相同的含义,只要不是不同地限定该术语。应当理解在通常使用的词典中限定的术语具有与现有技术中的术语的含义一致的含义。
下面结合附图和具体实施方式对本发明作进一步详细的说明:
根据本发明实施例的一方面,提供了一种威胁度计算方法,用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,该威胁度计算方法包括:获得目标对象相对于本体对象的纵向距离和横向距离以及该目标对象的第一纵向速度和第一横向速度;和,基于该纵向距离、该横向距离、该第一纵向速度和该第一横向速度计算该威胁度。
图1是根据本发明实施例的威胁度计算方法的示意性流程图。如图1所示,根据本发明实施例的威胁度计算方法用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,且包括:S1,获得目标对象的各项参数,即,目标对象相对于本体对象的纵向距离和横向距离以及该目标对象的第一纵向速度和第一横向速度;和S2,基于该各项参数,即纵向距离、横向距离、第一纵向速度和第一横向速度计算该威胁度。
在根据本发明实施例的威胁度计算方法中,通过考虑目标的横向坐标、纵向坐标、横向速度和纵向速度,对所探测到的目标进行目标威胁度的计算。这样,可以准确地判断目标对于本地对象,例如本车辆的威胁度情况,从而对目标作出及时的识别和选择。同时,根据本发明实施例的威胁度计算方法也有助于获得本体对象需要真正关注的目标,从而为后续的车辆控制,例如自适应巡航功能提供有效的目标信息。
此外,在根据本发明实施例的威胁度计算方法中,仅需要获得目标对象相对于本体对象的纵向距离和横向距离以及该目标对象的第一纵向速度和第一横向速度就可以计算出目标对象相对于本体对象的威胁度,从而简化系统的整体设计,并降低成本。
具体来说,目前开发的安装于自动驾驶车辆的传感器均可以对处于其探测范围内的目标实现探测,同时提供探测所得目标的运动信息,包括但不限于:纵向距离,横向距离,纵向速度,横向速度,纵向加速度等。也就是说,根据本发明实施例的威胁度计算方法可以基于现有的自动驾驶车辆的传感器的测量数据做出威胁度判断,而不需要安装额外的传感器,从而能够最大限度地减少车辆改造所造成的成本。
图2和图3示意性地示出了自动驾驶车辆中的各个传感器的布置位置。其中,图2是示意性地示出自动驾驶车辆中的各个传感器的布置位置的俯视图,且图3是示意性地示出自动驾驶车辆中的各个传感器的布置位置的侧视图。
此外,图4是示出各个传感器的探测范围的示意图。这里,本领域技术人员可以理解,虽然图2和图3中所示的各个传感器主要为用于前向和侧向目标的探测的传感器,根据本发明实施例的的威胁度计算方法不仅适用于前向和侧向目标选择,同样也适用于后向等方位的目标选择。
在下文中,以前向和侧向探测为例来说明根据本发明实施例的方法。并且,在下文中,各个物理参数所用的单位均采用国际单位制(IS)。
在上述威胁度计算方法中,基于该纵向距离、该横向距离、该第一纵向速度和该第一横向速度计算该威胁度具体包括:获得本体对象的第二纵向速度和第二横向速度;计算目标对象的该第一纵向速度和本地对象的该第二纵向速度的纵向速度差值;计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值;计算该横向距离除以该横向速度差值得到的横向移动时间;计算该纵向距离除以该纵向速度差值得到的纵向移动时间;和,基于该纵向距离、该横向距离、该横向移动时间和该纵向移动时间计算该威胁度。
图5是根据本发明实施例的威胁度计算方法的具体实例的流程图。如图5所示,根据本发明实施例的威胁度计算方法包括:S10,获得目标对象的各项参数,即目标对象相对于本体对象的纵向距离、横向距离、第一纵向速度和第一横向速度;S11,获得本体对象的第二纵向速度和第二横向速度;S12,计算目标对象的该第一纵向速度和本地对象的该第二纵向速度的纵向速度差值;S13,计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值;S14,计算该横向距离除以该横向速度差值得到的横向移动时间;S15,计算该纵向距离除以该纵向速度差值得到的纵向移动时间;和S16,基于该纵向距离、该横向距离、该横向移动时间和该纵向移动时间计算该威胁度。
也就是说,在根据本发明实施例的威胁度计算方法中,可以例如通过传感器直接获得目标对象的纵向距离、横向距离、纵向速度和横向速度的信息。并且,可以通过本体对象,例如本车辆的内部系统,直接读取本车辆的纵向速度和横向速度,从而计算目标车辆与本车辆之间的纵向速度和横向速度的差值。这是因为在自动驾驶过程中,目标对于本体的威胁度是由相对速度确定的,即两者之间的相对速度越大,则两者之间的距离减小的速度越快,意味着越有可能发生碰撞。因此,在获得目标车辆与本车辆之间的纵向速度和横向速度的差值,就可以通过距离除以速度来获得纵向和横向上的移动时间,这也被称为碰撞时间(TTC:time-to-collision)。
另外,在自动驾驶领域中,在很多情况下,例如自动驾驶车辆在道路上行驶的情况下,本体对象的横向速度为零,也就是,例如,车辆均在自己的车道上行驶,除非遇到转弯等特殊情况,一般来说横向速度相对于纵向速度可忽略。因此,针对这种情况,在根据本发明实施例的威胁度计算方法的实例中,可以认为本体对象的横向速度为零。这样,目标对象的横向速度就可以被作为目标对象与本地对象之间的速度差值,从而应用于计算横向碰撞时间。
也就是,在上述威胁度计算方法中,该计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值具体为:令该本体对象的该第二横向速度为零;和,将该目标对象的该第一横向速度计算为该横向速度差值。
另外,在根据本发明实施例的威胁度计算方法中,上述目标对象相对于本体对象的纵向距离、横向距离、横向速度和纵向速度都是相对于本体对象的直角坐标系计算的。具体地说,将本地对象的行进方向作为Y轴正方向,并将本地对象的垂直于行进方向的横向方向作为X轴方向,并以此来获得目标对象的各个参数。
通常情况下,以本体对象,例如车辆为原点,正方向为车头朝向的方向。横向方向指的就是车辆横向轴的方向,通常正方向为车辆右侧。也就是说,位于本车辆右前方的目标,坐标符号(x+,y+);位于本车辆左前方的目标,坐标符号(x-,y+)。
例如,当目标对象在本体对象的前方时,目标对象相对于本体对象的纵向距离为正,而目标对象在本体对象的后方时,目标对象相对于本体对象的纵向距离为负。又例如,当目标对象在本体对象的右方时,目标对象相对于本体对象的横向距离为正,而目标对象在本体对象的左方时,目标对象相对于本体对象的横向距离为负。
当然,在根据本发明实施例的威胁度计算方法中,也可以不采用以本体对象为原点的直角坐标系,而采用其它方法定义目标对象相对于本体对象的纵向距离、横向距离、横向速度和纵向速度。例如,可以不定义绝对坐标系,而是将目标对象靠近本体对象的方向作为正方向,而将目标对象远离本体对象的方向作为负方向。这样,当目标对象相对于本体对象以靠近本体对象的方向移动时,其横向速度和纵向速度均为正值,相应计算出来的横向移动时间和纵向移动时间也为正值,意味着威胁度具有增大的趋势。相反地,当目标对象相对于本体对象以远离本体对象的方向移动时,其横向速度和纵向速度均为负值,相应计算出来的横向移动时间和纵向移动时间也为负值,意味着威胁度具有减小的趋势。
这样,在根据本发明实施例的威胁度计算方法中,通过可以直接得到的目标对象相对于本体对象的纵向距离、横向距离、横向速度和纵向速度,进一步计算出目标对象相对于本体对象的横向移动时间和纵向移动时间。下面,将对如上面图5的步骤S16中的基于该纵向距离、该横向距离、该横向移动时间和该纵向移动时间计算威胁度的方法进行具体描述。
在上述威胁度计算方法中,该威胁度与该纵向距离、该横向距离、该横向移动时间和该纵向移动时间成负相关关系。
也就是说,从定性的角度来看,威胁度与纵向距离、横向距离、横向移动时间和纵向移动时间均为负相关。具体来说,目标对象相对于本体对象纵向/横向距离越大,目标的威胁度越小,而目标对象相对于本体对象纵向/横向距离越小,目标的威胁度越大。同样的,目标对象相对于本体对象纵向/横向移动时间越长,目标的威胁度越小,而目标对象相对于本体对象纵向/横向移动时间越短,目标的威胁度越大。
在根据本发明实施例的威胁度计算方法的实现过程中,发现从实际的工程角度出发,如果采用得到的纵向距离、横向距离、横向移动时间和纵向移动时间的原始数据而不进行处理,可能会产生原始数据的数值过大,而无法准确地反映出其变化对于威胁度的影响的情况。因此,在实际的数据处理过程中,对采取到的原始数据进行一定程度的缩小,从而使得上述参数的变化能够准确和及时地反映出对威胁度的影响。
在上述威胁度计算方法中,基于该纵向距离的绝对值、该横向距离的绝对值、该横向移动时间的绝对值和该纵向移动时间的绝对值的N次方根计算该威胁度,且N是大于等于2的整数。
当然,本领域技术人员可以理解,除了将上述参数取N次方根的处理之外,还可以采用其它方式,比如除以某一预定系数等。并且,由于如上所述,因为参数计算时选择的基准不同,参数可能会出现负值。因此,在计算N次方根时,对于负值参数,可能需要取该参数的绝对值来进行计算。
在具体威胁度的计算过程中,需要根据每个参数对于威胁度的影响,来在这四个参数的基础上综合判断目标对象对于本体对象的威胁度。因此,在根据本发明实施例的威胁度计算方法中,通过采用加权和的方式,既考虑到每个参数对于威胁度的作用,又能够区分各个参数之间对于威胁度的计算可能具有的不同权重。
也就是,在上述威胁度计算方法中,该威胁度是该纵向距离的绝对值、该横向距离的绝对值、该横向移动时间的绝对值和该纵向移动时间的绝对值的N次方根的倒数的加权和。
如上所述,从实际的工程角度出发,发现上述参数的平方根能够比较好地应用于根据本发明实施例的威胁度计算方法。因此,在上述威胁度计算方法中,N等于2。
接下来,将以示例的形式描述关于纵向距离、横向距离、横向移动时间和纵向移动时间的每一项的权重。
在上述威胁度计算方法中,与该纵向距离相关的第一权重值等于1。
也就是说,在该示例中,因为本体对象的运动方向为纵向,总是考虑纵向距离对于威胁度的影响。
在上述威胁度计算方法中,与该横向距离相关的第二权重值在该横向距离小于第一阈值的情况下等于1,且在该横向距离大于第一阈值的情况下等于0。
也就是说,在该示例中,因为认为本体对象在横向上基本上保持静止,而仅需要考虑目标对象相对于本体对象的横向距离。又因为,横向方向并不是目标对象的行进方向,所以相对于纵向距离来说,不需要总是考虑横向距离的影响,而是仅需要在横向距离小于某一阈值的情况下再考虑即可。例如,从本车辆的角度来看,只有当目标车辆在横向上靠近本车辆时,才需要考虑目标车辆的威胁度。
该第一阈值可以根据自动驾驶所涉及的道路情况和自动驾驶的本体对象的情况来进行设置。例如,在上述威胁度计算方法中,该第一阈值等于5米。
在上述威胁度计算方法中,与该横向移动时间相关的第三权重值在满足该横向距离随时间缩短且该横向距离小于第二阈值的情况下等于1,否则等于0。
也就是说,在横向上,同样存在着目标对象靠近本体对象和目标对象远离本体对象两种情况。那么,相对于目标对象远离本体对象的情况,目标对象靠近本体对象的情况会对本体对象产生更大的威胁度。因此,综合上面对于横向距离的考虑,仅当目标对象在横向上靠近本体对象,并且目标对象相对于本体对象的横向距离已经小于一预定阈值的情况下,才考虑横向移动时间对于威胁度的影响。这里,该第二阈值可以与第一阈值相同,也可以与第一阈值不同。例如,在上述威胁度计算方法中,该第二阈值等于5米。
例如,在采用如上所述的直角坐标系的情况下,当横向距离与第一横向速度的正负关系相反时,表示横向距离随时间缩短。具体地,当横向距离为正,第一横向速度为负时,表示目标对象在本体对象的右侧,且正在向左移动,从而靠近本体对象。同样,当横向距离为负,第一横向速度为正时,表示目标对象在本体对象的左侧,且正在向右移动,从而靠近本体对象。
另外,如上所述,在采用其它坐标系的情况下,可能并不适于依据目标对象相对于本体对象的横向距离和横向速度的正负关系来进行判断。在这种情况下,仅需要满足目标对象相对于本体对象的横向距离随时间缩短的条件即可。
对于纵向移动时间也是如此,例如,在探测前向车辆的情况下,当本车速度大于前车速度时,前车对于本车的威胁度随时间增大。相反,在探测后向车辆的情况下,当本车速度小于后车速度时,后车对于本车的威胁度随时间增大。
因此,在上述威胁度计算方法中,与该纵向移动时间相关的第四权重值在满足该纵向距离随时间缩短的情况下等于1,否则等于0。
下面,将参考具体的数学公式,对于根据本发明实施例的威胁度计算方法中,由目标对象的纵向距离、横向距离、纵向速度和横向速度计算威胁度的一具体实例进行描述。
为了获得目标威胁度,采用如下面公式(1)所示的计算方法:
其中,Ti表示的是目标i的目标威胁度;Rix,Riy,Vix,Viy分别代表目标i探测所得的纵向距离,横向距离,纵向速度,横向速度;Vhost表示本车纵向速度,delta_Vx表示的是本车和目标的相对纵向速度。
表示的是目标i横向移动所需要的时间。表示的是在纵向方向上,本车接近目标车辆所需要的时间。对于横向距离和横向移动速度,需要用正负号区分其相对位置或者方向。例如,以本车为参照点,当目标位于本车右侧时,其横向距离取值为正;当目标位于本车左侧时,其横向距离取值为负。当目标向右移动时,其横向移动速度取值为正;当目标向左移动时,其横向移动速度取值为负。这在上文中进行了描述,所以需要先去绝对值再开方。
delta_Vx以及A,B,C,D各项系数的具体定义参考以下公式(2)到(6)。当目标纵向速度大于等于本车车速时,delta_Vx等于1,其余情况下delta_Vx=|Vix-Vhost|。A的取值一直为1。当目标的横向距离小于等于5时,B的取值为1,其余情况下B取值为0。当目标横向距离与横向速度相乘所得值小于等于0且B=1的时候,C取值为1,其余情况下C取值为0。当目标纵向速度小于等于本车车速时,D取值为1,其余情况下D取值为0。
A=1
(3)
代表的是目标当前所在位置所对应的威胁度大小,距离越近,威胁度就越大。但是B系数的取值,是为了确保目标的选择尽量保证在横向距离正负5米以内。超出该范围的目标暂时不认为具有需要关注的较高威胁度。针对的是目标横向移动产生的威胁度,采用横向移动所需时间进行判断:横向运动完成位移所需时间越短,威胁度越高。但是这一项的系数C只有在目标横向移动靠近本车辆且横向距离小于设定值时才有效,否则这一项的系数C将为0。针对的是目标纵向移动产生的威胁度,采用纵向距离除以相对速度的方法。但是这一项只有在本车纵向车速大于目标车速时才有效,其余情况下将为0。
另外,关于纵向加速度和横向加速度对于威胁度贡献的部分,由于目前的传感器探测周期均在50毫秒以内,因此加速度带来的影响会及时反映在速度方面的变化,因此在根据本发明实施例的威胁度计算方法中,暂时不考虑加速度部分。
此外,关于后向探测对应的威胁度计算公式,公式(1)到(5)都与之前提到的相同,仅是以下面的公式(7)替代上面的公式(6):
也就是说,这一项只有在本车纵向车速小于目标车速时才有效,其余情况下将为0。
另外,在根据本发明实施例的威胁度计算方法中,目标对象相对于本体对象的各个参数,例如纵向距离、横向距离、纵向速度和横向速度可以是通过本体对象的传感器,例如自动驾驶车辆上安装的传感器获得,也可以通过其它方式获得。例如,随着车联网的发展,可以实现各个车辆之间的无线通信。因此,目标车辆在通过车辆内部系统获得自身的驾驶数据之后,可以直接通过无线通信的方式发送给本车辆。或者,所有车辆可以将自身的驾驶数据同一上传到第三方服务器,例如数据中心的服务器,本车辆再根据需要,从第三方服务器获得所需的参数。同样,对于目标车辆相对于本车的距离,也可以通过各个车辆的定位数据来间接计算得到。总而言之,在根据本发明实施例的威胁度计算方法中,并不限定获得各个参数的具体方式,即可以是直接获得,也可以是间接获得。
也就是,在上述威胁度计算方法中,该目标对象的纵向距离、横向距离、第一纵向速度和第一横向速度是由该本体对象通过自身安装的传感器获取的或者通过无线通信的方式从目标对象或者第三方获取的。
根据本发明实施例的另一方面,提供了一种自动驾驶所关注的目标选择方法,包括:通过上面描述的根据本发明实施例的威胁度计算方法计算多个目标对象的威胁度;和,选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
图6是根据本发明实施例的自动驾驶所关注的目标选择方法的示意性流程图。如图6所示,根据本发明实施例的自动驾驶所关注的目标选择方法包括:S20,通过上面描述的根据本发明实施例的威胁度计算方法计算多个目标对象的威胁度;和S21,选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
在上述目标选择方法中,在选择需要关注的目标对象之前进一步包括:依据该多个目标对象的威胁度大小对该多个目标对象进行排序。
这样,通过排序,可以直观地了解多个目标对象对于本体对象的威胁度大小,然后选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
并且,在选定目标对象之后,可以根据目标对象对本体对象进行控制,例如,作为自动驾驶车辆的自适应巡航功能的跟车目标。并且,在选定目标对象之后,也有助于后续自动驾驶的信息获取。例如,在后续自动驾驶过程中,可以对于所关注的目标对象获取尽可能多和尽可能详细的信息,而对于其它目标对象,仅获得一般程度的信息即可。又或者,对于所关注的目标对象,可以提高获取信息的频率,从而实现资源的有效利用。
也就是,在上述目标选择方法中,在选择需要关注的目标对象之后进一步包括:依据该需要关注的目标对象对自动驾驶的本体对象进行自动控制。
这里,本领域技术人员可以理解,在根据本发明实施例的目标选择方法中,计算威胁度的步骤中的其它细节与之前关于根据本发明实施例的威胁度计算方法中的相应细节相同,为了避免冗余便不再赘述。
图7A到图8B示出了根据本发明实施例的目标选择方法的效果图。具体来说,图7A、图7B、图8A和图8B均示出了视觉传感器探测所得的目标信息。其中,图7A的信息是在图7B之前约2秒获得,图7中深色SUV即将从左侧车道切入本车道。图8A的信息在图8B之前约2秒获得,图8中深色轿车由本车道偏出至右侧相邻车道。
各目标探测所得信息格式为[ID,纵向距离,横向距离,纵向速度,横向速度]。其中,图7A探测所得的信息为:[ID1,22.0,0.8,8.5,0.2],[ID3,12.1,-2.6,7.2,0.4],[ID4,58.3,-4.0,7.6,0.0],[ID13,35.1,6.1,8.5,0.0]。图7B探测所得的信息为:[ID1,20.6,1.0,8.4,0.0],[ID3,8.8,-1.4,7.5,0.6],[ID4,29.2,4.7,7.3,-0.6]。
在图7A中各目标的威胁度经计算可得:T1=1.8681,T3=2.0945,T4=1.1415,T13=0.5477。在图7B中各目标的威胁度经计算可得:T1=2.0957,T3=2.7502,T4=1.5118。由此可以看出,T3的威胁度在两个时刻均最高,也即ID为3的目标(黑色SUV)对本车具有较高的威胁度。这样就可以在图7A所对应的时刻就将ID3对应的目标选中,让本车提前做好潜在可能的减速准备,避免由于目标选择较晚导致发生可能的碰撞。相对地,在现有技术中,可能会长时间关注本车道目标,而对横向切入的更具威胁的目标无法及时识别。
图8A探测所得的信息为:[ID15,24.5,1.4,14.3,0.2],[ID14,37.5,0.2,13.0,0.1],[ID13,79.5,-2.7,17.8,0.3],[ID9,46.5,-3.2,17.6,0.1]。图8B探测所得的信息为:[ID15,22.9,2.1,13.6,0.3],[ID14,33.9,0.1,12.5,0.1],[ID13,86.2,-2.4,17.8,0.2],[ID9,52.6,-3.3,17.5,0.0]。
在图8A中各目标的威胁度经计算可得:T15=1.1956,T14=2.6209,T13=1.0541,T9=0.8824。在图8B中各目标的威胁度经计算可得:T15=1.1317,T14=3.5968,T13=1.0419,T9=0.8624。由此可以看出T14的威胁度在两个时刻均最高,也即ID为14的目标(浅色轿车)对本车具有较高的威胁度。这样就可以在图8A所对应的时刻就将ID14对应的目标选中,让本车提前做好潜在可能的减速准备,避免由于目标选择较晚导致发生可能的碰撞。相对地,在现有技术中,由于ID为15的车辆距离最近,虽然其从本车道偏离右车道,但仍然可能长时间关注该车辆。从而无法在该车辆偏出本车道时,对于被遮挡的车辆,即ID为14的车辆进行及时识别。
因此,从图7A到图8B可以看出,根据本发明实施例的威胁度计算方法和目标选择方法有助于准确地定义目标对象的威胁度,从而实现改进的自动驾驶。
根据本发明的再一方面,提供了一种自动驾驶辅助装置,用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,该自动驾驶辅助装置包括:第一获取单元,用于获得目标对象相对于本体对象的纵向距离和横向距离以及该目标对象的第一纵向速度和第一横向速度;和,计算单元,用于基于该纵向距离、该横向距离、该第一纵向速度和该第一横向速度计算该威胁度。
图9是根据本发明实施例的自动驾驶辅助装置的示意性框图。如图9所示,根据本发明实施例的自动驾驶辅助装置100用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,包括:第一获取单元110,用于获得目标对象相对于本体对象的纵向距离和横向距离以及该目标对象的第一纵向速度和第一横向速度;和,计算单元120,用于基于第一获取单元110所获取的纵向距离、横向距离、第一纵向速度和第一横向速度计算该威胁度。
在上述自动驾驶辅助装置中,进一步包括:第二获取单元,用于获得本体对象的第二纵向速度和第二横向速度;该计算单元具体用于:计算目标对象的该第一纵向速度和本地对象的该第二纵向速度的纵向速度差值;计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值;计算该横向距离除以该横向速度差值得到的横向移动时间;计算该纵向距离除以该纵向速度差值得到的纵向移动时间;和,基于该纵向距离、该横向距离、该横向移动时间和该纵向移动时间计算该威胁度。
在上述自动驾驶辅助装置中,该计算单元计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值具体为:令该本体对象的该第二横向速度为零;将该目标对象的该第一横向速度计算为该横向速度差值。
在上述自动驾驶辅助装置中,该威胁度与该纵向距离、该横向距离、该横向移动时间和该纵向移动时间成负相关关系。
在上述自动驾驶辅助装置中,该计算单元具体用于基于该纵向距离的绝对值、该横向距离的绝对值、该横向移动时间的绝对值和该纵向移动时间的绝对值的N次方根计算该威胁度,且N是大于等于2的整数。
在上述自动驾驶辅助装置中,该威胁度是该纵向距离的绝对值、该横向距离的绝对值、该横向移动时间的绝对值和该纵向移动时间的绝对值的N次方根的倒数的加权和。
在上述自动驾驶辅助装置中,N等于2。
在上述自动驾驶辅助装置中,与该纵向距离相关的第一权重值等于1。
在上述自动驾驶辅助装置中,与该横向距离相关的第二权重值在该横向距离小于第一阈值的情况下等于1,且在该横向距离大于第一阈值的情况下等于0。
在上述自动驾驶辅助装置中,该第一阈值等于5米。
在上述自动驾驶辅助装置中,与该横向移动时间相关的第三权重值在满足该横向距离随时间缩短且该横向距离小于第二阈值的情况下等于1,否则等于0。
在上述自动驾驶辅助装置中,该第二阈值等于5米。
在上述自动驾驶辅助装置中,与该纵向移动时间相关的第四权重值在满足该纵向距离随时间缩短的情况下等于1,否则等于0。
在上述自动驾驶辅助装置中,该第一获取单元包括:距离传感器,用于获取该目标对象的纵向距离和横向距离;和,速度传感器,用于获取该目标对象的第一纵向速度和第一横向速度。
在上述自动驾驶辅助装置中,该第一获取单元是无线通信单元,用于经由无线通信从该目标对象或者第三方接收该目标对象的纵向距离、横向距离、第一纵向速度和第一横向速度。
这里,本领域技术人员可以理解,根据本发明实施例的自动驾驶辅助装置的其它细节与之前关于根据本发明实施例的威胁度计算方法所描述的相应细节完全相同,为了避免冗余将不再赘述。
根据本发明的又一方面,提供了一种自动驾驶设备,用于选择所关注的目标对象,包括:自动驾驶辅助装置,用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度的;和,选择器,用于选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象;其中,该自动驾驶辅助装置包括:第一获取单元,用于获得目标对象相对于本体对象的纵向距离和横向距离以及该目标对象的第一纵向速度和第一横向速度;和,计算单元,用于基于该纵向距离、该横向距离、该第一纵向速度和该第一横向速度计算该威胁度。
图10是根据本发明实施例的自动驾驶设备的示意性框图。如图10所示,根据本发明实施例的自动驾驶设备200包括自动驾驶辅助装置210和选择器220。该自动驾驶辅助装置210用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,且包括:第一获取单元211,用于获得目标对象相对于本体对象的纵向距离和横向距离以及该目标对象的第一纵向速度和第一横向速度;和,计算单元212,用于基于第一获取单元211所获取的纵向距离、横向距离、第一纵向速度和第一横向速度计算该威胁度。并且,该选择器220用于基于自动驾驶辅助装置210计算的多个目标对象的威胁度,选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
在上述自动驾驶设备中,该自动驾驶辅助装置进一步包括:第二获取单元,用于获得本体对象的第二纵向速度和第二横向速度;该计算单元具体用于:计算目标对象的该第一纵向速度和本地对象的该第二纵向速度的纵向速度差值;计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值;计算该横向距离除以该横向速度差值得到的横向移动时间;计算该纵向距离除以该纵向速度差值得到的纵向移动时间;和,基于该纵向距离、该横向距离、该横向移动时间和该纵向移动时间计算该威胁度。
在上述自动驾驶设备中,该计算单元计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值具体为:令该本体对象的该第二横向速度为零;将该目标对象的该第一横向速度计算为该横向速度差值。
在上述自动驾驶设备中,该威胁度与该纵向距离、该横向距离、该横向移动时间和该纵向移动时间成负相关关系。
在上述自动驾驶设备中,该计算单元具体用于基于该纵向距离的绝对值、该横向距离的绝对值、该横向移动时间的绝对值和该纵向移动时间的绝对值的N次方根计算该威胁度,且N是大于等于2的整数。
在上述自动驾驶设备中,该威胁度是该纵向距离的绝对值、该横向距离的绝对值、该横向移动时间的绝对值和该纵向移动时间的绝对值的N次方根的倒数的加权和。
在上述自动驾驶设备中,N等于2。
在上述自动驾驶设备中,与该纵向距离相关的第一权重值等于1。
在上述自动驾驶设备中,与该横向距离相关的第二权重值在该横向距离小于第一阈值的情况下等于1,且在该横向距离大于第一阈值的情况下等于0。
在上述自动驾驶设备中,该第一阈值等于5米。
在上述自动驾驶设备中,与该横向移动时间相关的第三权重值在满足该横向距离随时间缩短且该横向距离小于第二阈值的情况下等于1,否则等于0。
在上述自动驾驶设备中,该第二阈值等于5米。
在上述自动驾驶设备中,与该纵向移动时间相关的第四权重值在满足该纵向距离随时间缩短的情况下等于1,否则等于0。
在上述自动驾驶设备中,该第一获取单元包括:距离传感器,用于获取该目标对象的纵向距离和横向距离;和,速度传感器,用于获取该目标对象的第一纵向速度和第一横向速度。
在上述自动驾驶设备中,该第一获取单元是无线通信单元,用于经由无线通信从该目标对象或者第三方接收该目标对象的纵向距离、横向距离、第一纵向速度和第一横向速度。
在上述自动驾驶设备中,进一步包括:排序器,用于依据该多个目标对象的威胁度大小对该多个目标对象进行排序。
在上述自动驾驶设备中,进一步包括:控制器,用于依据该需要关注的目标对象对自动驾驶的本体对象进行自动控制。
这里,本领域技术人员可以理解,根据本发明实施例的自动驾驶设备的其它细节与之前关于根据本发明实施例的威胁度计算方法和目标选择方法所描述的相应细节完全相同,为了避免冗余将不再赘述。
根据本发明的又一方面,提供了一种车载设备,包括:存储器,用于存储计算机可执行指令;和,处理器,用于执行该存储器存储的计算机可执行指令,以执行用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度的威胁度计算方法。该威胁度计算方法包括:获得目标对象相对于本体对象的纵向距离和横向距离以及该目标对象的第一纵向速度和第一横向速度;和,基于该纵向距离、该横向距离、该第一纵向速度和该第一横向速度计算该威胁度。
在上述车载设备中,基于该纵向距离、该横向距离、该第一纵向速度和该第一横向速度计算该威胁度具体包括:获得本体对象的第二纵向速度和第二横向速度;计算目标对象的该第一纵向速度和本地对象的该第二纵向速度的纵向速度差值;计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值;计算该横向距离除以该横向速度差值得到的横向移动时间;计算该纵向距离除以该纵向速度差值得到的纵向移动时间;和,基于该纵向距离、该横向距离、该横向移动时间和该纵向移动时间计算该威胁度。
在上述车载设备中,该计算目标对象的该第一横向速度和本地对象的该第二横向速度的横向速度差值具体为:令该本体对象的该第二横向速度为零;和,将该目标对象的该第一横向速度计算为该横向速度差值。
在上述车载设备中,该威胁度与该纵向距离、该横向距离、该横向移动时间和该纵向移动时间成负相关关系。
在上述车载设备中,基于该纵向距离的绝对值、该横向距离的绝对值、该横向移动时间的绝对值和该纵向移动时间的绝对值的N次方根计算该威胁度,且N是大于等于2的整数。
在上述车载设备中,该威胁度是该纵向距离的绝对值、该横向距离的绝对值、该横向移动时间的绝对值和该纵向移动时间的绝对值的N次方根的倒数的加权和。
在上述车载设备中,N等于2。
在上述车载设备中,与该纵向距离相关的第一权重值等于1。
在上述车载设备中,与该横向距离相关的第二权重值在该横向距离小于第一阈值的情况下等于1,且在该横向距离大于第一阈值的情况下等于0。
在上述车载设备中,该第一阈值等于5米。
在上述车载设备中,与该横向移动时间相关的第三权重值在满足该横向距离随时间缩短且该横向距离小于第二阈值的情况下等于1,否则等于0。
在上述车载设备中,该第二阈值等于5米。
在上述车载设备中,与该纵向移动时间相关的第四权重值在满足该纵向距离随时间缩短的情况下等于1,否则等于0。
在上述车载设备中,该目标对象的纵向距离、横向距离、第一纵向速度和第一横向速度是由该本体对象通过自身安装的传感器获取的或者通过无线通信的方式从目标对象或者第三方获取的。
根据本发明的又一方面,提供了一种车载设备,包括:存储器,用于存储计算机可执行指令;和,处理器,用于执行该存储器存储的计算机可执行指令,以执行自动驾驶所关注的目标选择方法。该目标选择方法包括:通过如上所述的威胁度计算方法方法计算多个目标对象的威胁度;和,选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
在上述车载设备中,在选择需要关注的目标对象之前进一步包括:依据所述多个目标对象的威胁度大小对所述多个目标对象进行排序。
在上述车载设备中,在选择需要关注的目标对象之后进一步包括:依据所述需要关注的目标对象对自动驾驶的本体对象进行自动控制。
图11是根据本发明实施例的车载设备的示意性框图。如图11所示,根据本发明实施例的车载设备300包括:存储器310,用于存储计算机可执行指令;和,处理器320,用于执行该存储器存储的计算机可执行指令,以执行如上所述的威胁度计算方法和/或自动驾驶所关注的目标选择方法。
这里,本领域技术人员可以理解,根据本发明实施例的车载设备的其它细节与之前关于根据本发明实施例的威胁度计算方法和目标选择方法所描述的相应细节完全相同,为了避免冗余将不再赘述。
在本发明的实施例中,车载设备可以安装到各种类型的交通运输工具中,而并不仅限于常规意义的家用轿车,也可以是任何其他类型的车辆或者有人驾驶或者无人驾驶的交通工具,比如地面、水上和/或空中的交通运输工具。因此,虽然在本发明的描述中,采用术语“车载设备”,但本领域技术人员可以理解,该设备并不局限于与车辆相关联,而可以是任何具有与移动终端的通信功能的机载设备,包括但不限于各种类型的导航装置、全球定位系统(GPS)接收器、事件数据记录器(EDR)、飞行数据记录器(FDR)、汽车信息娱乐装置、船舶电子装置(例如,船舶导航装置、陀螺仪或者罗盘仪)、航空电子装置。
因此,根据本发明实施例的威胁度计算方法、目标选择方法、自动驾驶辅助装置和自动驾驶设备也可以应用于各种类型的交通运输工具的自动驾驶,而不仅限于车辆的自动驾驶。
该车载设备包括一个或多个处理器,例如如上图11所示的处理器320。该一个或多个处理器中的每一个都可以是能够执行机器可读和可执行指令的设备,例如,计算机、微处理器、微控制器、集成电路、微芯片或者任何其他计算设别。该一个或多个处理器可以耦合到在车辆的各个模块之间提供信号互联互通的通信路径。该通信路径可以使得任何数量的处理器相互通信地耦合,包括但不限于车载设备中的处理器,并且可以允许耦合到通信路径的车载设备中的模块以分布式计算环境操作。具体来说,每个模块可以操作为可发送和/或接收数据的节点。并且,“通信地耦合”指的是相互耦合的组成部分之间可以相互交换数据,例如以电信号、电磁信号、光信号的形式。
另外,车载设备包括耦合到通信路径的一个或多个存储器模块,例如如上图11所示的存储器310。该存储器模块可以配置为包括易失性存储器,比如静态随机存取存储器(S-RAM)和动态随机存取存储器(D-RAM),以及非易失性存储器,比如闪存存储器、只读存储器(ROM)和可擦可编程只读存储器(EPROM)和电可擦可编程只读存储器(EEPROM)。在该存储器模块中,存储任意形式的机器可读和可执行指令以由处理器访问。该机器可读和可执行指令可以是以任何编程语言所写的逻辑或者算法,比如可直接由处理器执行的机器语言,或者可被编译或者汇编为机器可读指令并存储在存储器模块中的汇编语言、面向对象编程(OOP)语言、Javascript语言、微代码等。替代地,该机器可读和可执行指令也可以以硬件描述语言写成,比如以可编程逻辑阵列(FPGA)或者专用集成电路(ASIC)等实现的逻辑。
根据本发明的威胁度计算方法、自动驾驶所关注的目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备通过基于目标对象的横向坐标、纵向坐标、横向速度和纵向速度计算威胁度,有助于准确地定义目标对象的威胁度,从而及时地识别和选择目标,实现改进的自动驾驶。
根据本发明的威胁度计算方法、自动驾驶所关注的目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备通过基于目标对象的横向坐标、纵向坐标、横向速度和纵向速度计算威胁度,有助于获得本体对象需要真正关注的目标,从而为后续的车辆控制提供有效的目标信息。
根据本发明的威胁度计算方法、自动驾驶所关注的目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备仅需要获得目标对象的纵向距离、横向距离、纵向速度和横向速度就可以计算出目标对象相对于本体对象的威胁度,从而简化系统的整体设计,并降低成本。
根据本发明的威胁度计算方法、自动驾驶所关注的目标选择方法、自动驾驶辅助装置、自动驾驶设备和车载设备可以基于现有的设备所获得的自动驾驶数据做出威胁度判断,而不需要安装额外的组件,从而能够最大限度地减少改造成本。
Claims (10)
1.一种威胁度计算方法,用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,所述方法包括:
获得目标对象相对于本体对象的纵向距离和横向距离以及所述目标对象的第一纵向速度和第一横向速度;和
基于所述纵向距离、所述横向距离、所述第一纵向速度和所述第一横向速度计算所述威胁度。
2.如权利要求1所述的威胁度计算方法,其中,基于所述纵向距离、所述横向距离、所述第一纵向速度和所述第一横向速度计算所述威胁度具体包括:
获得本体对象的第二纵向速度和第二横向速度;
计算目标对象的所述第一纵向速度和本地对象的所述第二纵向速度的纵向速度差值;
计算目标对象的所述第一横向速度和本地对象的所述第二横向速度的横向速度差值;
计算所述横向距离除以所述横向速度差值得到的横向移动时间;
计算所述纵向距离除以所述纵向速度差值得到的纵向移动时间;和
基于所述纵向距离、所述横向距离、所述横向移动时间和所述纵向移动时间计算所述威胁度。
3.如权利要求2所述的威胁度计算方法,其中,所述计算目标对象的所述第一横向速度和本地对象的所述第二横向速度的横向速度差值具体为:
令所述本体对象的所述第二横向速度为零;
将所述目标对象的所述第一横向速度计算为所述横向速度差值。
4.如权利要求3所述的威胁度计算方法,其中,所述威胁度与所述纵向距离、所述横向距离、所述横向移动时间和所述纵向移动时间成负相关关系。
5.如权利要求4所述的威胁度计算方法,其中,基于所述纵向距离的绝对值、所述横向距离的绝对值、所述横向移动时间的绝对值和所述纵向移动时间的绝对值的N次方根计算所述威胁度,且N是大于等于2的整数。
6.一种自动驾驶所关注的目标选择方法,包括:
通过如权利要求1到5中任意一项所述的方法计算多个目标对象的威胁度;和
选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
7.一种自动驾驶辅助装置,用于计算自动驾驶的情况下目标对象对于自动驾驶的本体对象的威胁度,所述自动驾驶辅助装置包括:
第一获取单元,用于获得目标对象相对于本体对象的纵向距离和横向距离以及所述目标对象的第一纵向速度和第一横向速度;和
计算单元,用于基于所述纵向距离、所述横向距离、所述第一纵向速度和所述第一横向速度计算所述威胁度。
8.一种自动驾驶设备,用于选择所关注的目标对象,包括:
如权利要求7所述的自动驾驶辅助装置;和
选择器,用于选择威胁度值最大的一个或多个目标对象作为需要关注的目标对象。
9.一种车载设备,包括:
存储器,用于存储计算机可执行指令;和
处理器,用于执行所述存储器存储的计算机可执行指令,以执行如权利要求1到5中任意一项所述的威胁度计算方法。
10.一种车载设备,包括:
存储器,用于存储计算机可执行指令;和
处理器,用于执行所述存储器存储的计算机可执行指令,以执行如权利要求6所述的目标选择方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710420037.3A CN107316500B (zh) | 2017-06-06 | 2017-06-06 | 自动驾驶中的威胁度计算方法、目标选择方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710420037.3A CN107316500B (zh) | 2017-06-06 | 2017-06-06 | 自动驾驶中的威胁度计算方法、目标选择方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107316500A true CN107316500A (zh) | 2017-11-03 |
CN107316500B CN107316500B (zh) | 2020-11-20 |
Family
ID=60183216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710420037.3A Active CN107316500B (zh) | 2017-06-06 | 2017-06-06 | 自动驾驶中的威胁度计算方法、目标选择方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316500B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108572643A (zh) * | 2018-01-16 | 2018-09-25 | 蔚来汽车有限公司 | 在自动驾驶中使用的避障方法和避障系统、以及记录介质 |
CN109658717A (zh) * | 2018-12-06 | 2019-04-19 | 北京百度网讯科技有限公司 | 用于控制车辆的方法、装置、设备和存储介质 |
WO2019169603A1 (en) * | 2018-03-08 | 2019-09-12 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Post collision analysis-based vehicle action optimization for autonomous driving vehicles |
CN110349425A (zh) * | 2019-08-13 | 2019-10-18 | 浙江吉利汽车研究院有限公司 | 一种用于车路协同自动驾驶系统的重要目标生成方法 |
CN110971327A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 用于环境目标的时间同步方法及装置 |
CN111645675A (zh) * | 2019-11-12 | 2020-09-11 | 摩登汽车有限公司 | 汽车防碰撞控制方法、装置、系统及汽车 |
CN112248986A (zh) * | 2020-10-23 | 2021-01-22 | 厦门理工学院 | 一种车辆自动制动方法、装置、设备和存储介质 |
CN112660121A (zh) * | 2020-12-19 | 2021-04-16 | 广州亚美智造科技有限公司 | 隐患车辆的识别预警方法、装置、车载终端和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007283910A (ja) * | 2006-04-17 | 2007-11-01 | Toyota Central Res & Dev Lab Inc | 障害物回避制御装置及び障害物回避制御プログラム |
US8473144B1 (en) * | 2012-10-30 | 2013-06-25 | Google Inc. | Controlling vehicle lateral lane positioning |
CN105844967A (zh) * | 2016-05-16 | 2016-08-10 | 广州大学 | 基于车车通信的车辆碰撞预警及主动控制方法 |
CN106379316A (zh) * | 2016-09-06 | 2017-02-08 | 江苏大学 | 一种车辆主动避撞模式切换方法 |
US20170057499A1 (en) * | 2015-09-01 | 2017-03-02 | Mando Corporation | Driving assistance apparatus and driving assistance method |
CN106564494A (zh) * | 2015-10-09 | 2017-04-19 | 通用汽车环球科技运作有限责任公司 | 用于控制具有自动驾驶系统的车辆的方法和系统 |
CN106585623A (zh) * | 2016-12-21 | 2017-04-26 | 驭势科技(北京)有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
-
2017
- 2017-06-06 CN CN201710420037.3A patent/CN107316500B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007283910A (ja) * | 2006-04-17 | 2007-11-01 | Toyota Central Res & Dev Lab Inc | 障害物回避制御装置及び障害物回避制御プログラム |
US8473144B1 (en) * | 2012-10-30 | 2013-06-25 | Google Inc. | Controlling vehicle lateral lane positioning |
US20170057499A1 (en) * | 2015-09-01 | 2017-03-02 | Mando Corporation | Driving assistance apparatus and driving assistance method |
CN106564494A (zh) * | 2015-10-09 | 2017-04-19 | 通用汽车环球科技运作有限责任公司 | 用于控制具有自动驾驶系统的车辆的方法和系统 |
CN105844967A (zh) * | 2016-05-16 | 2016-08-10 | 广州大学 | 基于车车通信的车辆碰撞预警及主动控制方法 |
CN106379316A (zh) * | 2016-09-06 | 2017-02-08 | 江苏大学 | 一种车辆主动避撞模式切换方法 |
CN106585623A (zh) * | 2016-12-21 | 2017-04-26 | 驭势科技(北京)有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108572643A (zh) * | 2018-01-16 | 2018-09-25 | 蔚来汽车有限公司 | 在自动驾驶中使用的避障方法和避障系统、以及记录介质 |
CN108572643B (zh) * | 2018-01-16 | 2021-07-27 | 上海蔚来汽车有限公司 | 在自动驾驶中使用的避障方法和避障系统、以及记录介质 |
WO2019169603A1 (en) * | 2018-03-08 | 2019-09-12 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Post collision analysis-based vehicle action optimization for autonomous driving vehicles |
CN110462703A (zh) * | 2018-03-08 | 2019-11-15 | 百度时代网络技术(北京)有限公司 | 基于碰撞后分析的自动驾驶车辆的车辆动作优化 |
CN110971327A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 用于环境目标的时间同步方法及装置 |
CN109658717A (zh) * | 2018-12-06 | 2019-04-19 | 北京百度网讯科技有限公司 | 用于控制车辆的方法、装置、设备和存储介质 |
CN110349425A (zh) * | 2019-08-13 | 2019-10-18 | 浙江吉利汽车研究院有限公司 | 一种用于车路协同自动驾驶系统的重要目标生成方法 |
CN111645675A (zh) * | 2019-11-12 | 2020-09-11 | 摩登汽车有限公司 | 汽车防碰撞控制方法、装置、系统及汽车 |
CN112248986A (zh) * | 2020-10-23 | 2021-01-22 | 厦门理工学院 | 一种车辆自动制动方法、装置、设备和存储介质 |
CN112248986B (zh) * | 2020-10-23 | 2021-11-05 | 厦门理工学院 | 一种车辆自动制动方法、装置、设备和存储介质 |
CN112660121A (zh) * | 2020-12-19 | 2021-04-16 | 广州亚美智造科技有限公司 | 隐患车辆的识别预警方法、装置、车载终端和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107316500B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316500A (zh) | 自动驾驶中的威胁度计算方法、目标选择方法及应用 | |
CN111670468B (zh) | 移动体行为预测装置以及移动体行为预测方法 | |
US10235881B2 (en) | Autonomous operation capability configuration for a vehicle | |
US10296004B2 (en) | Autonomous operation for an autonomous vehicle objective in a multi-vehicle environment | |
CN109522784B (zh) | 用于区分可越过物体与不可越过物体的装置和方法 | |
US11460851B2 (en) | Eccentricity image fusion | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
CN111860493B (zh) | 一种基于点云数据的目标检测方法及装置 | |
CN110388931A (zh) | 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法 | |
US10254758B2 (en) | Object tracking by unsupervised learning | |
DE102020103509A1 (de) | Erkennung und vermeidung von kollisionsverhalten | |
CN106164998A (zh) | 路径预测装置 | |
CN105684039B (zh) | 用于驾驶员辅助系统的状况分析 | |
CN111527013A (zh) | 车辆变道预测 | |
CN109300324A (zh) | 一种无人驾驶汽车的环境信息获取方法及装置 | |
US11188085B2 (en) | Vehicle capsule networks | |
US10495480B1 (en) | Automated travel lane recommendation | |
CN110395257B (zh) | 一种车道线实例检测方法和装置、自动驾驶车辆 | |
CN111413973A (zh) | 车辆的换道决策方法及装置、电子设备、存储介质 | |
JP7520444B2 (ja) | 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム | |
CN111062405A (zh) | 训练图像识别模型的方法和装置以及图像识别方法和装置 | |
KR20240047408A (ko) | 비전 기반 시스템을 위한 검출된 오브젝트 경로 예측 | |
CN114119625A (zh) | 点云数据的分割与分类 | |
US20230202497A1 (en) | Hypothesis inference for vehicles | |
US20230048926A1 (en) | Methods and Systems for Predicting Properties of a Plurality of Objects in a Vicinity of a Vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |