CN111055852B - 一种用于自动驾驶的感兴趣目标搜索区域确定方法 - Google Patents

Abstract

本发明提供了一种用于自动驾驶的感兴趣目标搜索区域确定方法，属于通讯技术领域。该感兴趣目标搜索区域确定方法包括：自车识别并估算当前的第一行驶场景信息；接收其他设备发来的第二行驶场景信息；根据所述第一行驶场景信息和所述第二行驶场景信息确定自车的行驶场景；根据所述行驶场景确定感兴趣目标搜索区域；调节自车的传感器监测所述感兴趣目标搜索区域。本发明的感兴趣目标搜索区域确定方法能够针对性地确定感兴趣目标搜索区域，以提高自动驾驶的安全性。

Description

一种用于自动驾驶的感兴趣目标搜索区域确定方法

技术领域

本发明涉及通讯技术领域，特别是涉及一种用于自动驾驶的感兴趣目标搜索区域确定方法。

背景技术

现有自动驾驶车辆的感知传感器主要是固定安装的方式置于车体上的，感知探测范围、视场角、精度、分辨率等性能参数多为固定的。例如，自动驾驶中常用的前视摄像头、前向雷达、前向激光雷达、后视摄像头、环视摄像头、角雷达、侧雷达、侧激光雷达、超声波雷达等，一般都是固定安装在车体上，有着固定的安装朝向，无法随意的调节安装位置、朝向、视场角，视距等。

自车的目标感知区域一般比较大，区域内包含的目标比较多，在不同的驾驶场景中，目标的重要度是不一样的。而自车的传感器由于其他物体的遮挡，自身探测距离的限制等因素使得其无法实时获取各个重要位置的信息。因此，如何提高自车对重要的区域进行确定和监测对是提高自动驾驶安全的重要举措之一。

发明内容

本发明的一个目的是要提供一种用于自动驾驶的感兴趣目标搜索区域确定方法，能够提高自动驾驶的安全性。

本发明的另一个目的是要有针对性地确定感兴趣目标搜索区域。

特别地，本发明提供了一种用于自动驾驶的感兴趣目标搜索区域确定方法，包括：

自车识别并估算当前的第一行驶场景信息；

接收其他设备发来的第二行驶场景信息；

根据所述第一行驶场景信息和所述第二行驶场景信息确定自车的行驶场景；

根据所述行驶场景确定感兴趣目标搜索区域；

调节自车的传感器监测所述感兴趣目标搜索区域。

可选地，所述第一行驶场景信息包括对应于各个子区域的第一置信度信息；

所述第二行驶场景信息包括对应于所述各个子区域的第二置信度信息，其中，各个子区域根据包含有自车的目标区域划分得到。

可选地，根据所述第一行驶场景信息和所述第二行驶场景信息确定自车的行驶场景，包括：

以置信度高的所述第一行驶场景信息或所述第二行驶场景信息作为判断依据来确定自车的行驶场景。

可选地，所述行驶场景包括高速道路场景、城市道路场景和泊车场景。

可选地，根据所述行驶场景确定感兴趣目标搜索区域，包括：

当所述行驶场景为高速道路场景时，将自车的最小搜索距离、自车对相邻车道的搜索距离以及自车对自车所在车道的搜索距离的集合作为所述感兴趣目标搜索区域。

可选地，所述自车对相邻车道的搜索距离包括相邻车道前向搜索距离和相邻车道后向搜索距离；

所述自车对自车所在车道的搜索距离包括自车道前向搜索距离和自车道后向搜索距离；其中，

各个搜索距离通过以下步骤计算获得：

统计预设路段上各个车辆的车速，以计算预设路段的平均车速

和车速的方差σ；

将

和σ代入正态分布的公式估算某一车辆车速为v的概率p(v)；

根据p(v)、自车车速与其他车辆的速度差和单元检测时间计算所述自车的最小搜索距离；

根据p(v)、自车的变道时间、其他车辆的车速以及自车的偏移量计算所述自车道前向搜索距离和所述相邻车道后向搜索距离；

根据p(v)、自车的减速度、其他车辆的车速以及自车的偏移量计算所述自车道前向搜索距离和所述自车道后向搜索距离。

可选地，根据所述行驶场景确定感兴趣目标搜索区域，包括：

当所述行驶场景为城市道路场景时，将自车的最小搜索距离、自车对相邻范围的搜索距离以及自车对自车所在车道的搜索距离的集合作为所述感兴趣目标搜索区域。

可选地，所述自车对自车所在车道的搜索距离包括自车道前向搜索距离和自车道后向搜索距离。

可选地，根据所述行驶场景确定感兴趣目标搜索区域，包括：

当所述行驶场景为泊车场景时，将自车的最小搜索距离和自车对相邻范围的搜索距离的集合作为所述感兴趣目标搜索区域。

可选地，调节自车的传感器监测所述感兴趣目标搜索区域，包括：

调节自车的所述传感器的感知视场中轴水平方向、安装位置、俯仰视角、感知距离和感知视场角，以使得所述传感器对准所述感兴趣目标搜索区域进行监测。

本发明的方法通过自车和其他设备共同识别场景信息，通过车路协同的方式采集道路场景信息，从而更可靠全面地获得自车的行驶场景，再根据行驶场景来确定感兴趣目标搜索区域，使得所确定的感兴趣目标搜索区域更高效且更有针对性，从而提高自动驾驶的安全性。该方法的主要优势在于一方面能通过自车定位感知设备识别行驶场景，另一方面可以通过车路协同系统的智能网联能力使得系统中的交通参与者对行驶场景达成共识。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本发明一个实施例的感兴趣目标搜索区域确定方法的流程框图；

图2是根据本发明一个实施例的感兴趣目标搜索区域确定方法针对高速道路场景的原理图；

图3是根据本发明一个实施例的感兴趣目标搜索区域确定方法针对城市道路场景的原理图；

图4是根据本发明一个实施例的感兴趣目标搜索区域确定方法针对泊车场景的原理图。

具体实施方式

自车的目标感知区域一般比较大，区域内包含的目标比较多，在不同的驾驶场景中，目标的重要度是不一样的。例如，在高速场景中车辆速度较高，道路封闭同时路面都有车道线和交通标识等参考信息，主要目标一般出现在与自车相同的车道、相邻的车道内，重要目标是那些驾驶行为比较怪异、可能与本车发生碰撞、可能导致潜在交通意外等情形的车辆。因此在不同的场景中，自车和路基设施需要关注的感兴趣目标(包括重要目标)搜索区域是不一样的。有的可能是比较大的区域，结构化道路，目标间隔距离较大，例如高速封闭道路场景；有的可能是比较小的区域、非机构化道路、目标间隔距离很近，例如停车场泊车场景。

本发明针对上述情况提出了一种根据行驶场景来自适应控制调节车辆或路基设施的传感器感兴趣目标搜索区域的方法。

图1是根据本发明一个实施例的感兴趣目标搜索区域确定方法的流程框图。如图1所示，本发明提供了一种用于自动驾驶的感兴趣目标搜索区域确定方法，其一般性地可以包括以下步骤：

S10：自车10识别并估算当前的第一行驶场景信息；

S20：接收其他设备发来的第二行驶场景信息，其他设备可以是其他车辆30或者路基设备20。

S30：根据第一行驶场景信息和第二行驶场景信息确定自车10的行驶场景。

S40：根据行驶场景确定感兴趣目标搜索区域。

S50：调节自车10的传感器监测感兴趣目标搜索区域。

本实施例的方法通过自车10和其他设备共同识别场景信息，通过车路协同的方式采集道路场景信息，从而更可靠全面地获得自车10的行驶场景，再根据行驶场景来确定感兴趣目标搜索区域，使得所确定的感兴趣目标搜索区域更高效且更有针对性，从而提高自动驾驶的安全性。该方法的主要优势在于一方面能通过自车10定位感知设备识别行驶场景，另一方面可以通过车路协同系统的智能网联能力使得系统中的交通参与者对行驶场景达成共识。

一个实施例中，S10中自车10通过高精地图信息和高精定位信息来确定自车10所处的行驶场景，即获取第一行驶场景信息。同时，路基设备20或其他车辆30采集相关区域的环境信息，即获取第二行驶场景信息。自车10和路基设备20需要协同，通过各自的定位感知设备对行驶场景分类达成共识，进而确定二者对应的重要目标搜索区域。

在不同的场景中，自车10和路基设备20都可以通过感知传感器来探测识别重要目标，传感器都可以根据场景来控制调节自身传感器的感兴趣目标感知搜索区域。然而由于不同传感器的定位感知能力不同、场景识别的不确定性等因素，导致自车10无法及时准确的判断获取场景信息。

这里的定位感知能力不足指的是，由于定位感知传感器的性能不足，使得自车10无法清晰的探测识别周边环境特征，导致无法判断所处的场景。例如，在城市高速立交桥下一般都会有一条并行的城市道路，自车10的定位设备无法准确的定位自车10的海拔高度位置，自车10实际是在立交桥上的高速路行驶(高速道路场景)，但是定位设备却将自车10定位到立交桥下并行的城市道路(城市道路场景)，使得自车10无法准确判断所处的场景。在车路协同系统中，路基设备20由于其固定的位置和周边环境，一般都能更准确的提供准确的场景信息，自车10可以通过路基设备20进一步获取准确驾驶场景信息，达成场景共识。

这里的场景识别的不确定性指的是，由于周边环境可能会发生变化，导致场景变化的不确定。例如，在高速封闭道路场景，由于临时道路施工，工程车会将路障标识布置在高速路上，同时高速道路多车道会减少一些车道，会有工程人员在路上行走。这一段路的驾驶场景将由高速封闭道路场景变成了城市开放道路场景。这些场景变化不太能直接通过高精定位从高精地图上获得，但是可以通过车路协同系统的路基设备20中获得，也可以由工程人员将该信息输入到车路协同中，通过无线通信的方式告诉各交通参与者。自车10根据接收的信息，及时的修正场景信息，进而调节重要目标感知搜索范围。

在车路协同系统中，自车10和路基设备20通过无线通讯网络交互信息，双方可以一方面协同交换获取的场景信息，另一方面可以协同调节各自的感知搜索范围以达成协同感知的效果。这样做的主要好处在于，可以快速的使自车10、它车、路基设备20对场景达成共识，进而确定合适的重要目标感知搜索范围。这里的场景共识指的是车路协同系统中在一定地理区域内的各交通参与者(包括自车10、其他交通参与者、路基设备20等)对驾驶场景达成共识，这个共识的场景信息可以被用来做进一步的重要目标感知搜索范围调节。

另一个实施例中，第一行驶场景信息包括对应于各个子区域的第一置信度信息。第二行驶场景信息包括对应于各个子区域的第二置信度信息，其中，各个子区域根据包含有自车10的目标区域划分得到。

进一步地一个实施例中，S30包括：

以置信度高的第一行驶场景信息或第二行驶场景信息作为判断依据来确定自车10的行驶场景。

这里提供一种比较简单的车路协同场景共识达成方法。假设车路协同系统中自车10所位于的大区域(例如，一个包含自车10位置的3×5平方公里的矩形区域)可以分成m个小区域，该区域中假设有能无线通讯的n个交通参与者(包括有网联能力的机动车辆、非机动车辆、路基设备20等)，第i个交通参与者对于第j个区域的场景判断为scenario_ij，对应的置信度为conf_ij，这里i＝1，...，n；j＝1，...，m。例如，scenario_ij＝1，高速场景；scenario_ij＝2，城市场景；scenario_ij＝3，泊车场景；scenario_ij＝4，未知场景；conf_ij＝1，2，3，4，5，conf_ij越高表明置信度越大。如果自车10所处的区域在j_ego，可以通过投票的方式，即公式(1)获得该区域的场景判断k^*：

这里

是一个0/1二值函数，如果事件{scenario_ij＝k}为真，则

否则，

通过上面的方法，我们可以选出来整体置信度最高的场景判断k^*。

根据自车10在高精地图中的定位信息，可以根据所行驶路段的属性，将驾驶场景分类为不同的种类，分类的方式有很多种。一个实施例中，行驶场景包括高速道路场景(车速0-150kph)、城市道路场景(车速0-90kph)和泊车场景(车速0-15kph)。

另一个实施例中，S40包括：

当行驶场景为高速道路场景时，将自车10的最小搜索距离、自车10对相邻车道的搜索距离以及自车10对自车10所在车道的搜索距离的集合作为感兴趣目标搜索区域。

自车对相邻车道的搜索距离包括相邻车道前向搜索距离和相邻车道后向搜索距离；

自车对自车所在车道的搜索距离包括自车道前向搜索距离和自车道后向搜索距离；其中，

各个搜索距离通过以下步骤计算获得：

统计预设路段上各个车辆的车速，以计算预设路段的平均车速

和车速的方差σ；

将

和σ代入正态分布的公式估算某一车辆车速为v的概率p(v)；

根据p(v)、自车车速与其他车辆的速度差和单元检测时间计算自车的最小搜索距离；

根据p(v)、自车的变道时间、其他车辆的车速以及自车的偏移量计算自车道前向搜索距离和相邻车道后向搜索距离；

根据p(v)、自车的减速度、其他车辆的车速以及自车的偏移量计算自车道前向搜索距离和自车道后向搜索距离。

图2是根据本发明一个实施例的感兴趣目标搜索区域确定方法针对高速道路场景的原理图。高速道路场景中的主要目标是中高速车辆，自车10和它车按照结构化道路行驶。图2中的双点划线框区域为自车10搜索区域，虚线框区域为路基设备20的搜索区域，其中L_i，i＝1，2，3，4，5表示自车10周围的五条车道的宽度(例如，车道宽度典型值可选为3.75米)，

表示设定的自车10和路基设备20的搜索区域大小的自适应调节量，这些调节量主要取决于自车10车速V_ego还有该路段车路协同区域通信范围内平均车流速度

具体的相关关系在下文中会详述。

对于高速封闭道路场景，车辆沿着封闭高速道路行驶，周边目标主要为车辆，车辆一般沿着结构化车道高速行驶，或者从匝道并入/离开高速道路，行驶过程中偶有交通标识/路障，但是没有交通红绿灯。需要关注的区域包括本车所在车道、本车相邻左车道/路肩、本车相邻右车道/路肩的前后一定距离,但是目标离本车的距离一般不会非常近(例如，一般不会低于40厘米，该距离主要取决于车速等因素)。整个区域的形状类似于的两个矩形的叠加，这里的矩形大小取决于本车行驶的纵向车速和横向车速，其中靠近自车10很近的区域(图2中自车10外部的实线框区域)是不包含在搜索区域中。同时，路基设备20的感知传感器也会有一个感兴趣目标的搜索区域，一般是无死角全景监测同时考虑结构化道路的因素，路基设备20搜索区域类覆盖高速车道、匝道、隔离带等主要道路的长方形区域，见图3的虚线框区域。

对于高速行驶封闭道路场景，在道路上移动的物体基本为车辆，有研究表明高速公路断面运行车速近似服从正态分布。基于该前提，一个实施例中，路基设备20的感知传感器可以通过获取该路段的所有车辆的车速来估计服从的正态分布。定义Ω＝{V₁，V₂，V₃，...，V_N}为该路段车路协同区域通讯范围内所有车辆的速度集合，V_min为该集合Ω的最小车速、V_max为该集合Ω的最大车速、

为该集合Ω的平均车速、σ为该集合车速的方差，

和σ的求解公式如下：

假设该路段的所有车辆的速度符合正态分布

某一辆车的速度为v的概率p(v)为：

对于图2所示的场景，我们需要计算三类自车10搜索距离：第一类是自车10的最小搜索距离

第二类是自车10对相邻车道的搜索距离；第三类是自车10对自车10所在车道的搜索距离。

自车10的最小搜索距离

可选地，自车10对相邻车道的搜索距离包括相邻车道前向搜索距离

和相邻车道后向搜索距离

其中：

可选地，自车10对自车10所在车道的搜索距离包括自车10道前向搜索距离

和自车10道后向搜索距离

其中：

公式(5)至(8)中，V_ego是自车10速度，

是该路段平均车速；F_i(·)，i＝1，2，3是距离期望值和ΔF_i(·)，i＝2，3是距离偏差值，具体的公式及推导如下所示。

对于

直觉上，当自车10车速等于平均车速时，自车10在车流中几乎保持相对静止，其他车辆30在单位检测时间内相对移动距离很小，此时的非自车10搜索距离是最小的；当自车10车速不等于平均车速时，其他车辆30在单位时间内相对移动距离增大。综合考虑得自车10最小搜索距离的求解公式，其中k₁是与单位检测时间相关的比例系数，abs(·)是求绝对值的运算符。

对于

和

考虑通过变道避免碰撞所需要探测的距离，求解公式如下。k₂是和变道时间相关的比例系数。

其中

是该路段的统计结果；

是考虑了自车10车速的偏移量，车速大于平均车速时偏移量为正，反之为负。直觉上，自车10车速比车流的平均车速快时，前向的搜索距离要适当增大，后向的搜索距离可以适当减小；反之，前向搜索距离可以适当减小，后向搜索距离可以适当增大。所以自车10对相邻车道的搜索距离可以这样计算。

最终表达式可以如下化简：

求解公式(13)和公式(14)可以得到

和

的最终数学表达如下：

对于

和

基于如下原理确定基准量。后车的车速在(V_min，V_max)范围内；考虑前车速度突然变为0的情况，为了避免碰撞，后车与前车的距离应大于后车减速到0行驶的距离。为了能够发现这种潜在的碰撞情况，正前向搜索距离应大于该值。该行驶距离求解公式如下，因为后车的速度是概率分布的，所以最后求解的距离是以期望的形式体现。公式中的k₃是与车辆的减速度相关的比例系数。

同样的，

也是该路段的统计量。自车10偏移量公式如下。

式中sign(V_ego-v)的含义为取(V_ego-v)的正负号，表明自车10速度比前车速度快的偏差极性和自车10速度比前车速度慢的偏差极性相反。

针对前述提出的计算公式，举例说明：在平均车速为90km/h，方差为3km/h的路段，取k₁＝0.5，k₂＝2，

则有

一个实施例中，S40包括：当行驶场景为城市道路场景时，将自车10的最小搜索距离、自车10对相邻范围的搜索距离以及自车10对自车10所在车道的搜索距离的集合作为感兴趣目标搜索区域。

图3是根据本发明一个实施例的感兴趣目标搜索区域确定方法针对城市道路场景的原理图。图3中，双点划线区域为自车10搜索区域，虚线区域为路基设备20的搜索区域，

表示设定的自车10和路基设备20的搜索区域大小的自适应调节量，这些调节量主要取决于自车10车速V_ego还有该路段车路协同区域通信范围内平均车流速度

具体的相关关系在下文中会详述。

城市道路场景的主要目标包含低速行人40和中低速车辆，自车10会按照结构化道路信息行驶，行人40和车辆有不一定不按结构化道路行驶。对于城市复杂道路场景，车辆沿着非封闭城市快速道路行驶，周边目标多为车辆，也可能会有摩托、自行车、行人40等目标，机动车辆一般沿着结构化道路快速或慢速行驶，或者从交通路口进入复杂道路，同时行人40、自行车等非机动车辆也会出现在交通路口或者站在路边靠近快速路的地方。需要关注的区域包括车辆行驶的相同车道、相邻车道、路肩等，同时还需要关注交通路口的相交车道，但是目标离本车的距离一般不会非常近(例如，一般不会低于20厘米，该距离主要取决于车速等因素)。整个区域的形状接近于一个圆形和矩形的叠加，圆形和矩形的大小取决于车速，其中靠近自车10很近的紫色区域是不包含在搜索区域中的，见图3的实线区域。同时，路基设备20的感知传感器也会有一个感兴趣目标的搜索区域，一般是无死角全景监测的一个圆形区域，见图3的虚线区域。

对于该场景，也有三类搜索距离：第一类是自车10的最小搜索距离；第二类是自车10对相邻范围的搜索距离；第三类是自车10对自车10所在车道的搜索距离。在结构化道路上同一方向行驶的车辆速度也服从正态分布。路基传感器获取该路段所有在结构化道路上行驶的车辆的速度，根据方向(十字路口分2个方向，其余情况视为只有1个方向)及前文的求解正态分布参数的方法，得到估计的正态分布。

自车10的最小搜索距离

自车10对相邻范围的搜索距离

自车10对自车10所在车道的搜索距离包括自车10道前向搜索距离

和自车10道后向搜索距离

其中V_ego是自车10速度，

是该路段和自车10速度方向平行的平均车速；F_i′(·)，i＝1，2，3和ΔF_3′(·)的公式及推导如下所示。

对于

基本思想和高速场景相同。但由于场景中存在行人40，除了考虑车辆之间的相对位移，还要考虑车辆与行人40的相对位移。但车辆之间的单位时间的相对位移是比车辆与行人40单位时间的相对位移小的，所以求解公式和高速场景相同。其中k₁是与单位检测时间相关的比例系数，abs(·)是求绝对值的运算符。

对于自车10邻近搜索距离

考虑行人40横穿自车10车道所需的安全距离，通过变道避免碰撞所需要探测的距离，求解公式如下。k_2′是和行人40横穿自车10车道所需时间相关的比例系数。

对于

和

基于高速场景相同原理求解。

针对前述提出的计算公式，举例说明：对平均车速为60km/h，方差为6km/h的路段，取

则有

另一个实施例中，S40包括：当行驶场景为泊车场景时，将自车10的最小搜索距离和自车10对相邻范围的搜索距离的集合作为感兴趣目标搜索区域。

图4是根据本发明一个实施例的感兴趣目标搜索区域确定方法针对泊车场景的原理图。图4中，双点划线圆形区域为自车10搜索区域，虚线区域为路基设备20的搜索区域，σ_i″，i＝1，2表示设定的自车10和路基设备20搜索区域大小的调节量，这些调节量是通过假设固定的泊车车速和交通流平均车速计算得到的，具体的描述如下文。

对于泊车场景，主要目标包含低速的行人40和车辆。车辆在停车场低速前向或倒车行驶，周边车辆、行人40、自行车等都以低速行驶或移动。由于交通状况复杂，车辆不一定会按照结构化道路行驶。需要关注的区域包括车辆前侧、后侧、左侧、右侧，下侧等，目标有可能离本车很近(例如，有可能会接近10厘米，该距离一般为不取决于车速的定值)。整个区域的形状类似于一个圆形，并包含车辆近场区域，其中靠近自车10很近的紫色区域是不包含在搜索区域中的，见图4的实线区域。同时，路基设备20的感知传感器也会有一个感兴趣目标的搜索区域，一般是无死角全景监测的一个圆形区域，见图4的虚线区域。

对于该场景，有两类搜索距离：第一类是自车10的最小搜索距离；第二类是自车10对相邻范围的搜索距离。这两类搜索距离在城市复杂道路场景中也存在，可以认为是城市复杂道路的进一步简化。区别在于运动车辆的运动速度很小，用均值固定，方差近似为0的正态分布模型近似模拟该场景中的运动车辆的速度，则可以用和城市复杂道路相同的计算公式计算。在计算时，考虑平均车速为10km/h，方差很小为1km/h，其余参数和城市复杂道路相同，则有

一个实施例中，S50包括调节自车10的传感器的感知视场中轴水平方向、安装位置、俯仰视角、感知距离和感知视场角，以使得传感器对准感兴趣目标搜索区域进行监测。以实现感知目标的搜索区域的自适应变化，可以利用同一套系统满足不同的场景需求。

确定感兴趣目标搜索区域后，还可以将传感器的优势感知方向同步跟踪锁定重要目标(例如，通过机械转动的方式使得传感器正面朝向中轴方向永远跟踪指向目标所在的位置；或者通过电子控制方式使得传感器能量波束最大方向永远跟踪指向目标所在的位置)，使得该目标尽可能多的处于传感器的优势感知区域，通过融合车端和路路基设备20端传感器数据达到车路协同监测目标的目的。该系统和方法的主要优势在于通过自适应调节控制传感器参数和车路协同的方式，一方面可以增加重要目标的感知探测精度和分辨率，另一方面可以增加感知探测重要目标的概率和响应时间。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (7)

1.一种用于自动驾驶的感兴趣目标搜索区域确定方法，其特征在于，包括：

自车识别并估算当前的第一行驶场景信息；

接收其他设备发来的第二行驶场景信息；

根据所述第一行驶场景信息和所述第二行驶场景信息确定自车的行驶场景；

根据所述行驶场景确定感兴趣目标搜索区域；

调节自车的传感器监测所述感兴趣目标搜索区域；

所述行驶场景包括高速道路场景，根据所述行驶场景确定感兴趣目标搜索区域，包括：

当所述行驶场景为高速道路场景时，将自车的最小搜索距离、自车对相邻车道的搜索距离以及自车对自车所在车道的搜索距离的集合作为所述感兴趣目标搜索区域；

所述自车对相邻车道的搜索距离包括相邻车道前向搜索距离和相邻车道后向搜索距离；

所述自车对自车所在车道的搜索距离包括自车道前向搜索距离和自车道后向搜索距离；其中，

各个搜索距离通过以下步骤计算获得：

统计预设路段上各个车辆的车速，以计算预设路段的平均车速

和车速的方差σ；

将

和σ代入正态分布的公式估算某一车辆车速为v的概率p(v)；

根据p(v)、自车车速与其他车辆的速度差和单元检测时间计算所述自车的最小搜索距离；

根据p(v)、自车的变道时间、其他车辆的车速以及自车的偏移量计算所述相邻车道前向搜索距离和所述相邻车道后向搜索距离；

根据p(v)、自车的减速度、其他车辆的车速以及自车的偏移量计算所述自车道前向搜索距离和所述自车道后向搜索距离。

2.根据权利要求1所述的感兴趣目标搜索区域确定方法，其特征在于，

所述第一行驶场景信息包括对应于各个子区域的第一置信度信息；

所述第二行驶场景信息包括对应于所述各个子区域的第二置信度信息，其中，各个子区域根据包含有自车的目标区域划分得到。

3.根据权利要求2所述的感兴趣目标搜索区域确定方法，其特征在于，根据所述第一行驶场景信息和所述第二行驶场景信息确定自车的行驶场景，包括：

以置信度高的所述第一行驶场景信息或所述第二行驶场景信息作为判断依据来确定自车的行驶场景。

4.根据权利要求1所述的感兴趣目标搜索区域确定方法，其特征在于，所述行驶场景还包括城市道路场景；根据所述行驶场景确定感兴趣目标搜索区域，包括：

当所述行驶场景为城市道路场景时，将自车的最小搜索距离、自车对相邻范围的搜索距离以及自车对自车所在车道的搜索距离的集合作为所述感兴趣目标搜索区域。

5.根据权利要求4所述的感兴趣目标搜索区域确定方法，其特征在于，

所述自车对自车所在车道的搜索距离包括自车道前向搜索距离和自车道后向搜索距离；

根据p(v)、自车的减速度、其他车辆的车速以及自车的偏移量计算所述自车道前向搜索距离和所述自车道后向搜索距离，p(v)为某一车辆车速为v的概率；

根据以下公式计算所述自车的最小搜索距离

和所述自车对相邻范围的搜索距离

其中，定义Ω＝{V₁，V₂，V₃，…，V_N}为该路段车路协同区域通讯范围内所有车辆的速度集合，V_min为该集合Ω的最小车速、V_max为该集合Ω的最大车速、

为该集合Ω的平均车速、σ为该集合车速的方差、v为某一辆车的速度、V_ego是自车速度、abs(·)是求绝对值的运算符、k₁是与单位检测时间相关的比例系数、k_2′是和行人横穿自车车道所需时间相关的比例系数。

6.根据权利要求5所述的感兴趣目标搜索区域确定方法，其特征在于，所述行驶场景还包括泊车场景；根据所述行驶场景确定感兴趣目标搜索区域，包括：

当所述行驶场景为泊车场景时，将自车的最小搜索距离和自车对相邻范围的搜索距离的集合作为所述感兴趣目标搜索区域，其中，所述泊车场景的自车的最小搜索距离和自车对相邻范围的搜索距离的计算公式与所述城市道路场景的自车的最小搜索距离和自车对相邻范围的搜索距离的计算公式一致。

7.根据权利要求1所述的感兴趣目标搜索区域确定方法，其特征在于，调节自车的传感器监测所述感兴趣目标搜索区域，包括：

调节自车的所述传感器的感知视场中轴水平方向、安装位置、俯仰视角、感知距离和感知视场角，以使得所述传感器对准所述感兴趣目标搜索区域进行监测。

Images