CN111309013A - 一种碰撞距离确定方法及系统、车辆、存储介质 - Google Patents
一种碰撞距离确定方法及系统、车辆、存储介质 Download PDFInfo
- Publication number
- CN111309013A CN111309013A CN202010112887.9A CN202010112887A CN111309013A CN 111309013 A CN111309013 A CN 111309013A CN 202010112887 A CN202010112887 A CN 202010112887A CN 111309013 A CN111309013 A CN 111309013A
- Authority
- CN
- China
- Prior art keywords
- collision
- vehicle
- points
- contour
- distance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005070 sampling Methods 0.000 claims description 55
- 230000002093 peripheral effect Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 230000004888 barrier function Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例涉及智能汽车技术领域,公开了一种碰撞距离确定方法及系统、车辆、存储介质,该方法包括:获取车辆的行车包络以及障碍物的位置轮廓;若根据行车包络以及位置轮廓检测到车辆与障碍物存在碰撞风险,确定障碍物上满足碰撞预判条件的N个碰撞点;根据行车路径轨迹,获取车辆上与N个碰撞点对应的N个轮廓点;对N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值,最终将N个距离值中取值最小的距离值确定为车辆与障碍物之间的碰撞距离。实施本申请实施例,能够快速求得车辆与障碍物之间的碰撞距离,从而提高了避障路线调整的及时性。
Description
技术领域
本申请涉及智能汽车技术领域,具体涉及一种碰撞距离确定方法及系统、车辆、存储介质。
背景技术
随着汽车智能化的发展,自动驾驶技术已成为时下热门的研究课题。其中,路径规划是自动驾驶技术的关键一环,而安全无碰撞对路径规划尤为重要。目前的智能汽车会利用超声波雷达探测附近的障碍物,若检测到车辆与障碍物具有碰撞风险,则主动根据两者之间的距离调整路径轨迹来避障。然而,现有方式中,车辆通常是在行驶过程中通过迭代法逐步求得车辆与障碍物位置之间的距离,这种方式计算繁杂,进而影响到避障路线调整的及时性,不利于行车安全。
申请内容
本申请实施例公开了一种碰撞距离确定方法及系统、车辆、存储介质,能够快速求得车辆与障碍物之间的碰撞距离,从而提高了避障路线调整的及时性。
本申请实施例第一方面公开一种碰撞距离确定方法,所述方法包括:
获取车辆的行车包络以及障碍物的位置轮廓;所述行车包络是所述车辆从当前位姿沿行车路径轨迹行驶所形成的轮廓包络;
若根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险,确定所述障碍物上满足碰撞预判条件的N个碰撞点;其中,所述N为正整数,所述碰撞预判条件至少包括碰撞点为所述位置轮廓与所述行车包络相交部分的端点;
根据所述行车路径轨迹,获取所述车辆上与所述N个碰撞点对应的N个轮廓点;
对所述N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值;
将所述N个距离值中取值最小的距离值确定为所述车辆与所述障碍物之间的碰撞距离。
作为一种可选的实施方式,在本申请实施例第一方面中,所述获取车辆的行车包络以及障碍物的位置轮廓,包括:
获取车辆的当前位姿;
获取所述车辆对应的外围轮廓线;
根据所述当前位姿和所述外围轮廓线,生成所述车辆在所述当前位姿下对应的目标轮廓线;
根据所述目标轮廓线和所述行车路径轨迹,生成所述车辆的行车包络;
以及,获取障碍物的位置轮廓。
作为一种可选的实施方式,在本申请实施例第一方面中,所述获取所述车辆对应的外围轮廓线,包括:
调用所述车辆对应的车辆模型,并从所述车辆模型中提取车辆轮廓曲线;所述车辆轮廓曲线包括车头曲线段、车尾曲线段和车身两侧曲线段;
获取采样参数;所述采样参数用于确定对所述车辆轮廓曲线的采样位置;
根据所述采样参数,对所述车辆轮廓曲线进行采样处理,获得采样点集合;
根据所述采样点集合,生成所述车辆对应的外围轮廓线。
作为一种可选的实施方式,在本申请实施例第一方面中,所述行车路径轨迹为圆弧形路径轨迹;所述根据所述行车路径轨迹,获取所述车辆上与所述N个碰撞点对应的N个轮廓点,包括:
根据所述圆弧形路径轨迹对应的曲率中心,获取所述N个碰撞点各自与所述曲率中心之间对应的距离,作为所述N个碰撞点对应的曲率半径;
以所述曲率中心为圆心点,根据所述N个碰撞点对应的曲率半径生成N条运动弧线;
获取所述目标轮廓线上与所述N条运动弧线相交的N个交点,作为所述N个碰撞点对应的N个轮廓点。
作为一种可选的实施方式,在本申请实施例第一方面中,所述对所述N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值,包括:
对所述N个碰撞点中每一碰撞点均按照以下公式进行计算,获得N个距离值,即:
ai 2=bi 2+ci 2-2bicicosβi,li=ciβi;
其中,所述ai为目标碰撞点i与所述目标碰撞点i对应的目标轮廓点之间的距离,所述bi为所述目标轮廓点与所述曲率中心之间的距离,所述ci为所述目标碰撞点i对应的曲率半径,所述βi为所述目标碰撞点i与所述目标轮廓点之间对应的转角值,所述li为所述目标碰撞点i与所述目标轮廓点之间运动弧线段对应的距离值,所述目标碰撞点i为所述N个碰撞点中任一碰撞点。
作为一种可选的实施方式,在本申请实施例第一方面中,所述碰撞预判条件还包括碰撞点为所述相交部分上对应于最大曲线斜率绝对值的顶点;所述若根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险,确定所述障碍物上满足碰撞预判条件的N个碰撞点,包括:
若根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险,获取所述位置轮廓与所述行车包络的相交部分;
若所述相交部分为曲线段,获取所述曲线段上对应于最大曲线斜率绝对值的顶点;
若所述顶点不是所述曲线段的端点,则将所述曲线段的两个端点以及所述顶点确定为所述障碍物上的3个碰撞点。
本申请实施例第二方面公开一种碰撞距离确定系统,所述系统包括:
第一获取单元,用于获取车辆的行车包络以及障碍物的位置轮廓;所述行车包络是所述车辆从当前位姿沿行车路径轨迹行驶所形成的轮廓包络;
碰撞点确定单元,用于在根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险时,确定所述障碍物上满足碰撞预判条件的N个碰撞点;其中,所述N为正整数,所述碰撞预判条件至少包括碰撞点为所述位置轮廓与所述行车包络相交部分的端点;
第二获取单元,用于根据所述行车路径轨迹,获取所述车辆上与所述N个碰撞点对应的N个轮廓点;
距离求解单元,用于对所述N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值;
距离确定单元,用于将所述N个距离值中取值最小的距离值确定为所述车辆与所述障碍物之间的碰撞距离。
作为一种可选的实施方式,在本申请实施例第二方面中,所述第一获取单元,包括:
位姿获取子单元,用于获取车辆的当前位姿;
轮廓线获取子单元,用于获取所述车辆对应的外围轮廓线;
轮廓线生成子单元,用于根据所述当前位姿和所述外围轮廓线,生成所述车辆在所述当前位姿下对应的目标轮廓线;
包络生成子单元,用于根据所述目标轮廓线和所述行车路径轨迹,生成所述车辆的行车包络;
位置轮廓获取子单元,用于获取障碍物的位置轮廓。
作为一种可选的实施方式,在本申请实施例第二方面中,所述轮廓线获取子单元,包括:
提取模块,用于调用所述车辆对应的车辆模型,并从所述车辆模型中提取车辆轮廓曲线;所述车辆轮廓曲线包括车头曲线段、车尾曲线段和车身两侧曲线段;
获取模块,用于获取采样参数;所述采样参数用于确定对所述车辆轮廓曲线的采样位置;
采样模块,用于根据所述采样参数,对所述车辆轮廓曲线进行采样处理,获得采样点集合;
生成模块,用于根据所述采样点集合,生成所述车辆对应的外围轮廓线。
作为一种可选的实施方式,在本申请实施例第二方面中,所述行车路径轨迹为圆弧形路径轨迹;所述第二获取单元,包括:
半径获取子单元,用于根据所述圆弧形路径轨迹对应的曲率中心,获取所述N个碰撞点各自与所述曲率中心之间对应的距离,作为所述N个碰撞点对应的曲率半径;
弧线生成子单元,用于以所述曲率中心为圆心点,根据所述N个碰撞点对应的曲率半径生成N条运动弧线;
轮廓点获取子单元,用于获取所述目标轮廓线上与所述N条运动弧线相交的N个交点,作为所述N个碰撞点对应的N个轮廓点。
作为一种可选的实施方式,在本申请实施例第二方面中,所述距离求解单元具体用于对所述N个碰撞点中每一碰撞点均按照以下公式进行计算,获得N个距离值,即:
ai 2=bi 2+ci 2-2bicicosβi,li=ciβi;
其中,所述ai为目标碰撞点i与所述目标碰撞点i对应的目标轮廓点之间的距离,所述bi为所述目标轮廓点与所述曲率中心之间的距离,所述ci为所述目标碰撞点i对应的曲率半径,所述βi为所述目标碰撞点i与所述目标轮廓点之间对应的转角值,所述li为所述目标碰撞点i与所述目标轮廓点之间运动弧线段对应的距离值,所述目标碰撞点i为所述N个碰撞点中任一碰撞点。
作为一种可选的实施方式,在本申请实施例第二方面中,所述碰撞预判条件还包括碰撞点为所述相交部分上对应于最大曲线斜率绝对值的顶点;所述碰撞点确定单元,包括:
相交部分获取子单元,用于在根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险时,获取所述位置轮廓与所述行车包络的相交部分;
顶点获取子单元,用于在所述相交部分为曲线段时,获取所述曲线段上对应于最大曲线斜率绝对值的顶点;
确定子单元,用于在所述顶点不是所述曲线段的端点时,将所述曲线段的两个端点以及所述顶点确定为所述障碍物上的3个碰撞点。
本申请实施例第三方面公开一种车辆,所述车辆包括本申请实施例第二方面公开的碰撞距离确定系统。
本申请实施例第四方面公开一种碰撞距离确定系统,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本申请实施例第一方面公开的一种碰撞距离确定方法。
本申请实施例第五方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本申请实施例第一方面公开的一种碰撞距离确定方法。
与现有技术相比,本申请实施例具有以下有益效果:
本申请实施例中,在检测到车辆与障碍物存在碰撞风险时,通过获取车辆从当前位姿沿行车路径轨迹行驶所形成的行车包络以及障碍物的位置轮廓,在障碍物上确定满足碰撞预判条件的N个碰撞点,且N个碰撞点至少包括位置轮廓与行车包络相交部分的两个端点,从而结合行车路径轨迹的实际轨迹特性,获取车辆上与N个碰撞点对应的N个轮廓点,并计算N个碰撞点与各自对应的轮廓点之间的距离值,最终取最小距离值作为车辆与障碍物之间的碰撞距离,能够提高确定碰撞距离的准确度,并且在检测到障碍物时快速求得车辆与障碍物之间的碰撞距离,提高了避障路线调整的及时性,从而保障了行车安全。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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获得其他的附图。
图1是本申请实施例公开的一种碰撞距离确定方法的流程示意图;
图2a是本实施例中一种行车包络及障碍物的位置轮廓的示意图;
图2b是本实施例中一种获取车辆上轮廓点的示意图;
图3是本申请实施例公开的另一种碰撞距离确定方法的流程示意图;
图4是本申请实施例公开的一种碰撞距离确定系统的结构示意图;
图5是本申请实施例公开的另一种碰撞距离确定系统的结构示意图;
图6是本申请实施例公开的又一种碰撞距离确定系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本申请实施例的术语“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。
本申请实施例公开了一种碰撞距离确定方法及系统、车辆、存储介质,能够快速求得车辆与障碍物之间的碰撞距离,从而提高了避障路线调整的及时性。本申请实施例公开的碰撞距离确定方法应用于车辆,具体的,还可应用于上述车辆内的终端设备,比如行车记录仪、车载大屏等,对此不作限定。以下结合附图进行详细描述。
实施例一
请参阅图1,图1是本申请实施例公开的一种碰撞距离确定方法的流程示意图。如图1所示,该方法可以包括以下步骤。
101、获取车辆的行车包络以及障碍物的位置轮廓。
本申请实施例中,行车包络是车辆从当前位姿沿行车路径轨迹行驶时,由车辆轮廓线所形成的轮廓包络。车辆轮廓线可以是对车辆实际轮廓处理后的矩形轮廓、多边形轮廓或者曲线轮廓,对此不作具体限定。可选的,车辆的当前位姿可以包括车辆后轮轴中心点坐标和车辆横摆角,并可以根据定位单元(比如GPS)的定位结果、轮速传感器测得的车辆轮速、惯性测量单元(Inertial Measurement Unit,IMU)测得的角速度和航向角等信息所确定。
本申请实施例中,当车辆行驶时,通常会利用设于车辆上的探测传感器对道路周边环境进行探测,当探测到障碍物时,则主动采集障碍物的位置轮廓。其中,探测传感器可以为超声波雷达、光学传感器(比如双目相机、单目相机)、激光雷达等,对此不作具体限定。可选的,可以利用超声波雷达发出能量波时刻与接收到障碍物的回波时刻的时间差来测量障碍物的距离值,并根据该距离值测得障碍物相对于对车辆的位置。基于上述原理,通过超声波雷达对障碍物轮廓进行扫描,可以获取障碍物轮廓上的一系列点位置,以此生成障碍物的位置轮廓,位置轮廓可以包括单个直线段、多个直线段或者弧线段等,对此不作具体限定。
102、若根据行车包络以及位置轮廓检测到车辆与障碍物存在碰撞风险,确定障碍物上满足碰撞预判条件的N个碰撞点;其中,N为正整数,碰撞预判条件至少包括碰撞点为位置轮廓与行车包络相交部分的端点。
本申请实施例中,判断出车辆与障碍物存在碰撞风险,可以包括但不限于以下三种情况:1、位置轮廓与行车包络相交;2、位置轮廓与行车包络相切;3、位置轮廓与行车包络不相交,但位置轮廓位于行车包络内。
作为一种可选的实施方式,步骤102具体可以包括:
根据行车包络以及位置轮廓,获取位置轮廓与行车包络的相交部分;
如果相交部分为单个目标点,则直接将该目标点作为障碍物上的一个碰撞点;如果相交部分为单个线段,则直接将该线段的两个端点作为障碍物上的两个碰撞点;如果相交部分为多个线段,则将每个线段的两端点均作为障碍物的碰撞点;
其中,上述线段可以为曲线段或者直线段,对此不作限定。
进一步的,作为一种可选的实施方式,碰撞预判条件还包括碰撞点为相交部分上对应于最大曲线斜率绝对值的顶点。更具体的,如果相交部分为曲线段,还可以获取曲线段上对应于最大曲线斜率绝对值的顶点,若该顶点不是曲线段的端点,则将曲线段的两个端点以及顶点确定为障碍物上的3个碰撞点。
可见,上述可选的实施方式结合位置轮廓的不同形状特征,对碰撞点的确定方式进行了说明,使得本申请技术方案更加具体、完整。
再进一步的,作为一种可选的实施方式,行车包络可以包括互不相交的两条包络线。根据行车包络以及位置轮廓,获取位置轮廓与行车包络的相交部分,该步骤具体可以包括:
建立参考坐标系,并将上述两条包络线和障碍物的位置轮廓转换至该参考坐标系下,获得车辆的两条包络线在参考坐标系下对应的第一方程和第二方程,以及位置轮廓在参考坐标系下对应的第三方程;
联立第一方程、第二方程和第三方程求解实数根;
如果存在两个实数根a1和a2,则表示位置轮廓与行车包络相交,获取位置轮廓上分别以a1和a2为X轴坐标的两个坐标点,以此从位置轮廓中提取位置轮廓与行车包络的相交部分,其中,上述两个坐标点分别为相交部分的两个端点;
如果只存在一个实数根a3,则表示位置轮廓与行车包络相交或相切,获取位置轮廓上以a3为X轴坐标的目标点,并判断位置轮廓上是否存在任一端点位于两条行车包络内,若不存在,将目标点确定为相交部分;若存在,结合目标点和位置轮廓上位于行车包络内的端点,从位置轮廓中提取出相交部分,其中,位置轮廓上位于行车包络内的端点以及上述目标点分别为相交部分的两个端点;
如果不存在实数根,判断位置轮廓上的两个端点是否均位于两条行车包括内,若是,根据位置轮廓上的两个端点从位置轮廓中提取出相交部分,其中,位置轮廓上的两个端点分别为相交部分的两个端点。
其中,可选的,建立参考坐标系可以包括但不限于以下两种方式:1、以车辆后轴中心位置为原点,建立参考坐标系,该参考坐标系的X轴方向可以为车头方向,且Y轴方向在水平面上垂直于X轴方向;2、若位置轮廓为直线段,以该直线段的一个端点为原点,建立参考坐标系,该参考坐标系的X轴方向可以为直线段所在方向,且Y轴方向在水平面上垂直于X轴方向。
103、根据行车路径轨迹,获取车辆上与N个碰撞点对应的N个轮廓点。
本申请实施例中,行车路径轨迹可以是直线路径轨迹,也可以是圆弧线路径轨迹,对此不作具体限定。
作为一种可选的实施方式,若行车路径轨迹为圆弧形路径轨迹,步骤103具体可以为:
根据圆弧形路径轨迹对应的曲率中心,获取N个碰撞点各自与曲率中心之间对应的距离,作为N个碰撞点对应的曲率半径;
以曲率中心为圆心点,根据N个碰撞点对应的曲率半径生成N条运动弧线;
获取目标轮廓线上与N条运动弧线相交的N个交点,作为N个碰撞点对应的N个轮廓点。
下面结合应用实例进行描述。请参阅图2a和图2b,图2a是本实施例中一种行车包络及障碍物的位置轮廓的示意图,图2b是本实施例中一种获取车辆上轮廓点的示意图。如图2a和图2b所示,车辆沿着圆弧线路径轨迹201行驶时,其目标轮廓线202生成行车包络203,且圆弧线路径轨迹201的曲率中心为O。假设行车包络203与障碍物的位置轮廓204的相交部分如图2b所示,该相交部分的两端点为点A和点B。由于相交部分为圆弧形,再取圆弧段AB上的顶点C,最终将点A、点B和点C作为障碍物上的碰撞点。
进一步的,以曲率中心O为圆心点:根据曲率半径OA生成第一运动弧线,获得第一运动弧线与目标轮廓线202的交点A’,即碰撞点A对应的轮廓点;根据曲率半径OB生成第二运动弧线,获得第二运动弧线与目标轮廓线202的交点B’,即碰撞点B对应的轮廓点;以及,根据曲率半径OC生成第三运动弧线,获得第三运动弧线与目标轮廓线202的交点C’,即碰撞点C对应的轮廓点。
可见,在车辆沿着圆弧形路径轨迹行驶时,车辆轮廓上的不同轮廓点以相同的曲率中心和不同曲率半径做曲线运动。基于该原理,上述可选的实施方式能够结合圆弧形路径轨迹的曲线特性,快速获得车辆上最先与障碍物上的碰撞点相撞的轮廓点。
104、对N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值。
作为一种可选的实施方式,若行车路径轨迹为圆弧形路径轨迹,步骤104具体可以为:
对N个碰撞点中每一碰撞点均按照以下公式进行计算,获得N个距离值,即:
ai 2=bi 2+ci 2-2bicicosβi,li=ciβi;
其中,ai为目标碰撞点i与目标碰撞点i对应的目标轮廓点之间的距离,bi为目标轮廓点与曲率中心之间的距离,ci为目标碰撞点i对应的曲率半径,βi为目标碰撞点i与目标轮廓点之间对应的转角值,li为目标碰撞点i与目标轮廓点之间运动弧线段对应的距离值,目标碰撞点i为N个碰撞点中任一碰撞点。
可见,实施上述可选的实施方式,能够结合圆弧形路径轨迹的曲线特性,求得障碍物上的不同碰撞点与车辆上相应轮廓点相撞前车辆的可行驶距离,使得该可行驶距离更加贴合汽车沿着行车路径轨迹的实际行驶距离。
105、将N个距离值中取值最小的距离值确定为车辆与障碍物之间的碰撞距离。
可见,实施图1所描述的方法,能够提高确定碰撞距离的准确度,并且在检测到障碍物时快速求得车辆与障碍物之间的碰撞距离,提高了避障路线调整的及时性,从而保障了行车安全。
实施例二
请参阅图3,图3是本申请实施例公开的另一种碰撞距离确定方法的流程示意图。如图3所示,该方法可以包括以下步骤。
301、获取车辆的当前位姿以及车辆对应的外围轮廓线。
作为一种可选的实施方式,获取车辆对应的外围轮廓线这一步骤具体可以包括:
调用车辆对应的车辆模型,并从车辆模型中提取车辆轮廓曲线;车辆轮廓曲线包括车头曲线段、车尾曲线段和车身两侧曲线段;
获取采样参数;采样参数用于确定对车辆轮廓曲线的采样位置;
根据采样参数,对车辆轮廓曲线进行采样处理,获得采样点集合;
根据采样点集合,生成车辆对应的外围轮廓线。
其中,车辆模型是标准三维模型,可用作车辆实际外形、轮廓等方面的参考;车辆轮廓曲线是二维轮廓曲线,可以从不同视图下的车辆模型中提取。可选的,预设数据库预先存储有对不同车辆标识构建的车辆模型,故实际应用中,只需根据车辆标识,即可快速从预设数据库中获取到与该车辆标识对应的车辆模型。其中,车辆标识包括车辆品牌和型号、车牌号、车架号(Vehicle Identification Number,VIN)等中的至少一项,对此不作具体限定。
其中,采样参数可以由人为设置,也可以是根据车辆标识直接调用的预设采样参数或者历史使用过的采样参数,对此不作具体限定。可选的,采样参数可以包括N个采样线值,N为正整数。根据采样参数,对车辆轮廓曲线进行采样处理,获得采样点集合,具体可以包括:
以车辆轮廓曲线中的车辆后轴中心位置为原点,建立车辆平面坐标系,该车辆平面坐标系的X轴方向为车头方向,Y轴方向在水平面上垂直于X轴方向;
根据N个采样线值,获取N个采样线值在车辆平面坐标系中对应的N条采样线;其中,N条采样线均平行于X轴方向;
利用N条采样线,获取车辆轮廓曲线上与N条采样线的所有相交点,并将上述相交点作为采样点添加至采样点集合。
具体的,可以结合直角连接折线和连接直线对采样点集合中的采样点进行两两连接,从而生成车辆对应的外围轮廓线。
可见,实施上述可选的实施方式,能够利用到车辆轮廓上的曲线段区域,提高了生成外围轮廓线的精度,使得外围轮廓线更加贴合车辆实际轮廓,进而改善了碰撞检测时的准确性。
302、根据当前位姿和外围轮廓线,生成车辆在当前位姿下对应的目标轮廓线。
以实施一中所描述的参考坐标系为例,假设在参考坐标系中,车辆在当前位姿下的实际后轴中心位置位于原点O,且实际车头方向与X轴方向呈30°,则按照当前位姿将外围轮廓线转换至参考坐标系,获得的目标轮廓线中的后轴中心位置也位于原点O,且目标轮廓线中的车头方向与X轴方向呈30°。
303、根据目标轮廓线和行车路径轨迹,生成车辆的行车包络。
可见,实施上述步骤301~步骤303,能够在生成行车包络前,对标准的外围轮廓线进行位姿调整,使得生成的目标轮廓线更符合车辆的当前位姿,提高行车包络的准确度。
304、获取障碍物的位置轮廓。
305、若根据行车包络以及位置轮廓检测到车辆与障碍物存在碰撞风险,确定障碍物上满足碰撞预判条件的N个碰撞点。
本申请实施例中,N为正整数,碰撞预判条件至少包括碰撞点为位置轮廓与行车包络相交部分的端点。
306、根据行车路径轨迹,获取车辆上与N个碰撞点对应的N个轮廓点。
307、对N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值。
308、将N个距离值中取值最小的距离值确定为车辆与障碍物之间的碰撞距离。
在本申请实施例中,步骤304~步骤308可以参照图1所示实施例中对步骤101~步骤105的描述,此处不再赘述。
可见,实施图3所描述的方法,能够提高确定碰撞距离的准确度,并且在检测到障碍物时快速求得车辆与障碍物之间的碰撞距离,提高了避障路线调整的及时性,从而保障了行车安全;此外,还能够在生成行车包络前,对标准的外围轮廓线进行位姿调整,使得生成的目标轮廓线更符合车辆的当前位姿,提高行车包络的准确度。
实施例三
请参阅图4,图4是本申请实施例公开的一种碰撞距离确定系统的结构示意图。该碰撞距离确定系统应用于车辆,使得车辆可以执行实施例一或实施例二中任一种碰撞距离确定方法。如图4所示,该碰撞距离确定系统可以包括第一获取单元401、碰撞点确定单元402、第二获取单元403、距离求解单元404以及距离确定单元405,其中:
第一获取单元401,用于获取车辆的行车包络以及障碍物的位置轮廓;行车包络是车辆从当前位姿沿行车路径轨迹行驶所形成的轮廓包络。
碰撞点确定单元402,用于在根据行车包络以及位置轮廓检测到车辆与障碍物存在碰撞风险时,确定障碍物上满足碰撞预判条件的N个碰撞点;其中,N为正整数,碰撞预判条件至少包括碰撞点为位置轮廓与行车包络相交部分的端点。
作为一种可选的实施方式,碰撞预判条件还包括碰撞点为相交部分上对应于最大曲线斜率绝对值的顶点;碰撞点确定单元402,包括:
相交部分获取子单元,用于在根据行车包络以及位置轮廓检测到车辆与障碍物存在碰撞风险时,获取位置轮廓与行车包络的相交部分;
顶点获取子单元,用于在相交部分为曲线段时,获取曲线段上对应于最大曲线斜率绝对值的顶点;
确定子单元,用于在顶点不是曲线段的端点时,将曲线段的两个端点以及顶点确定为障碍物上的3个碰撞点。
第二获取单元403,用于根据行车路径轨迹,获取车辆上与N个碰撞点对应的N个轮廓点。
作为一种可选的实施方式,行车路径轨迹为圆弧形路径轨迹;第二获取单元403,包括:
半径获取子单元,用于根据圆弧形路径轨迹对应的曲率中心,获取N个碰撞点各自与曲率中心之间对应的距离,作为N个碰撞点对应的曲率半径;
弧线生成子单元,用于以曲率中心为圆心点,根据N个碰撞点对应的曲率半径生成N条运动弧线;
轮廓点获取子单元,用于获取目标轮廓线上与N条运动弧线相交的N个交点,作为N个碰撞点对应的N个轮廓点。
距离求解单元404,用于对N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值。
作为一种可选的实施方式,距离求解单元404具体用于对N个碰撞点中每一碰撞点均按照以下公式进行计算,获得N个距离值,即:
ai 2=bi 2+ci 2-2bicicosβi,li=ciβi;
其中,ai为目标碰撞点i与目标碰撞点i对应的目标轮廓点之间的距离,bi为目标轮廓点与曲率中心之间的距离,ci为目标碰撞点i对应的曲率半径,βi为目标碰撞点i与目标轮廓点之间对应的转角值,li为目标碰撞点i与目标轮廓点之间运动弧线段对应的距离值,目标碰撞点i为N个碰撞点中任一碰撞点。
距离确定单元405,用于将N个距离值中取值最小的距离值确定为车辆与障碍物之间的碰撞距离。
可见,实施图4所描述的系统,能够提高确定碰撞距离的准确度,并且在检测到障碍物时快速求得车辆与障碍物之间的碰撞距离,提高了避障路线调整的及时性,从而保障了行车安全。
实施例四
请参阅图5,图5是本申请实施例公开的另一种碰撞距离确定系统的结构示意图。其中,图5所示的碰撞距离确定系统是由图4所示的碰撞距离确定系统进行优化得到的。与图4所示的碰撞距离确定系统相比较,图5所示的系统中:
第一获取单元401,包括:
位姿获取子单元4011,用于获取车辆的当前位姿;
轮廓线获取子单元4012,用于获取车辆对应的外围轮廓线;
轮廓线生成子单元4013,用于根据当前位姿和外围轮廓线,生成车辆在当前位姿下对应的目标轮廓线;
包络生成子单元4014,用于根据目标轮廓线和行车路径轨迹,生成车辆的行车包络;
位置轮廓获取子单元4015,用于获取障碍物的位置轮廓。
作为一种可选的实施方式,轮廓线获取子单元4012,包括:
提取模块,用于调用车辆对应的车辆模型,并从车辆模型中提取车辆轮廓曲线;车辆轮廓曲线包括车头曲线段、车尾曲线段和车身两侧曲线段;
获取模块,用于获取采样参数;采样参数用于确定对车辆轮廓曲线的采样位置;
采样模块,用于根据采样参数,对车辆轮廓曲线进行采样处理,获得采样点集合;
生成模块,用于根据采样点集合,生成车辆对应的外围轮廓线。
可见,实施图5所描述的系统,能够提高确定碰撞距离的准确度,并且在检测到障碍物时快速求得车辆与障碍物之间的碰撞距离,提高了避障路线调整的及时性,从而保障了行车安全;此外,还能够在生成行车包络前,对标准的外围轮廓线进行位姿调整,使得生成的目标轮廓线更符合车辆的当前位姿,提高行车包络的准确度。
实施例五
请参阅图6,图6是本申请实施例公开的又一种碰撞距离确定系统的结构示意图。如图6所示,该碰撞距离确定系统可以包括:
存储有可执行程序代码的存储器601;
与存储器601耦合的处理器602;
其中,处理器602调用存储器601中存储的可执行程序代码,执行图1或图3所示的一种碰撞距离确定方法。
本申请实施例公开一种车辆,该车辆包括图4或图5任意一种碰撞距离确定系统。
本申请实施例还公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行图1或图3所示的一种碰撞距离确定方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本申请实施例公开的一种碰撞距离确定方法及系统、车辆、存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (11)
1.一种碰撞距离确定方法,其特征在于,所述方法包括:
获取车辆的行车包络以及障碍物的位置轮廓;所述行车包络是所述车辆从当前位姿沿行车路径轨迹行驶所形成的轮廓包络;
若根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险,确定所述障碍物上满足碰撞预判条件的N个碰撞点;其中,所述N为正整数,所述碰撞预判条件至少包括碰撞点为所述位置轮廓与所述行车包络相交部分的端点;
根据所述行车路径轨迹,获取所述车辆上与所述N个碰撞点对应的N个轮廓点;
对所述N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值;
将所述N个距离值中取值最小的距离值确定为所述车辆与所述障碍物之间的碰撞距离。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆的行车包络以及障碍物的位置轮廓,包括:
获取车辆的当前位姿;
获取所述车辆对应的外围轮廓线;
根据所述当前位姿和所述外围轮廓线,生成所述车辆在所述当前位姿下对应的目标轮廓线;
根据所述目标轮廓线和所述行车路径轨迹,生成所述车辆的行车包络;
以及,获取障碍物的位置轮廓。
3.根据权利要求2所述的方法,其特征在于,所述获取所述车辆对应的外围轮廓线,包括:
调用所述车辆对应的车辆模型,并从所述车辆模型中提取车辆轮廓曲线;所述车辆轮廓曲线包括车头曲线段、车尾曲线段和车身两侧曲线段;
获取采样参数;所述采样参数用于确定对所述车辆轮廓曲线的采样位置;
根据所述采样参数,对所述车辆轮廓曲线进行采样处理,获得采样点集合;
根据所述采样点集合,生成所述车辆对应的外围轮廓线。
4.根据权利要求2或3所述的方法,其特征在于,所述行车路径轨迹为圆弧形路径轨迹;所述根据所述行车路径轨迹,获取所述车辆上与所述N个碰撞点对应的N个轮廓点,包括:
根据所述圆弧形路径轨迹对应的曲率中心,获取所述N个碰撞点各自与所述曲率中心之间对应的距离,作为所述N个碰撞点对应的曲率半径;
以所述曲率中心为圆心点,根据所述N个碰撞点对应的曲率半径生成N条运动弧线;
获取所述目标轮廓线上与所述N条运动弧线相交的N个交点,作为所述N个碰撞点对应的N个轮廓点。
5.根据权利要求4所述的方法,其特征在于,所述对所述N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值,包括:
对所述N个碰撞点中每一碰撞点均按照以下公式进行计算,获得N个距离值,即:
ai 2=bi 2+ci 2-2bicicosβi,li=ciβi;
其中,所述ai为目标碰撞点i与所述目标碰撞点i对应的目标轮廓点之间的距离,所述bi为所述目标轮廓点与所述曲率中心之间的距离,所述ci为所述目标碰撞点i对应的曲率半径,所述βi为所述目标碰撞点i与所述目标轮廓点之间对应的转角值,所述li为所述目标碰撞点i与所述目标轮廓点之间运动弧线段对应的距离值,所述目标碰撞点i为所述N个碰撞点中任一碰撞点。
6.根据权利要求1~5任一项所述的方法,其特征在于,所述碰撞预判条件还包括碰撞点为所述相交部分上对应于最大曲线斜率绝对值的顶点;所述若根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险,确定所述障碍物上满足碰撞预判条件的N个碰撞点,包括:
若根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险,获取所述位置轮廓与所述行车包络的相交部分;
若所述相交部分为曲线段,获取所述曲线段上对应于最大曲线斜率绝对值的顶点;
若所述顶点不是所述曲线段的端点,则将所述曲线段的两个端点以及所述顶点确定为所述障碍物上的3个碰撞点。
7.一种碰撞距离确定系统,其特征在于,所述系统包括:
第一获取单元,用于获取车辆的行车包络以及障碍物的位置轮廓;所述行车包络是所述车辆从当前位姿沿行车路径轨迹行驶所形成的轮廓包络;
碰撞点确定单元,用于在根据所述行车包络以及所述位置轮廓检测到所述车辆与所述障碍物存在碰撞风险时,确定所述障碍物上满足碰撞预判条件的N个碰撞点;其中,所述N为正整数,所述碰撞预判条件至少包括碰撞点为所述位置轮廓与所述行车包络相交部分的端点;
第二获取单元,用于根据所述行车路径轨迹,获取所述车辆上与所述N个碰撞点对应的N个轮廓点;
距离求解单元,用于对所述N个碰撞点与各自对应的轮廓点之间的行车距离进行求解,获得N个距离值;
距离确定单元,用于将所述N个距离值中取值最小的距离值确定为所述车辆与所述障碍物之间的碰撞距离。
8.根据权利要求7所述的系统,其特征在于,所述第一获取单元,包括:
位姿获取子单元,用于获取车辆的当前位姿;
轮廓线获取子单元,用于获取所述车辆对应的外围轮廓线;
轮廓线生成子单元,用于根据所述当前位姿和所述外围轮廓线,生成所述车辆在所述当前位姿下对应的目标轮廓线;
包络生成子单元,用于根据所述目标轮廓线和所述行车路径轨迹,生成所述车辆的行车包络;
位置轮廓获取子单元,用于获取障碍物的位置轮廓。
9.根据权利要求8所述的系统,其特征在于,所述行车路径轨迹为圆弧形路径轨迹;所述第二获取单元,包括:
半径获取子单元,用于根据所述圆弧形路径轨迹对应的曲率中心,获取所述N个碰撞点各自与所述曲率中心之间对应的距离,作为所述N个碰撞点对应的曲率半径;
弧线生成子单元,用于以所述曲率中心为圆心点,根据所述N个碰撞点对应的曲率半径生成N条运动弧线;
轮廓点获取子单元,用于获取所述目标轮廓线上与所述N条运动弧线相交的N个交点,作为所述N个碰撞点对应的N个轮廓点。
10.一种车辆,其特征在于,所述车辆包括如权利要求7~9任一项所述的碰撞距离确定系统。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1~6任一项所述的一种碰撞距离确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112887.9A CN111309013B (zh) | 2020-02-24 | 2020-02-24 | 一种碰撞距离确定方法及系统、车辆、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112887.9A CN111309013B (zh) | 2020-02-24 | 2020-02-24 | 一种碰撞距离确定方法及系统、车辆、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111309013A true CN111309013A (zh) | 2020-06-19 |
CN111309013B CN111309013B (zh) | 2022-12-13 |
Family
ID=71153140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010112887.9A Active CN111309013B (zh) | 2020-02-24 | 2020-02-24 | 一种碰撞距离确定方法及系统、车辆、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111309013B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665852A (zh) * | 2020-06-30 | 2020-09-15 | 中国第一汽车股份有限公司 | 一种障碍物避让方法、装置、车辆及存储介质 |
CN111951552A (zh) * | 2020-08-11 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 一种自动驾驶中风险管理的方法以及相关装置 |
CN112015184A (zh) * | 2020-09-08 | 2020-12-01 | 广东博智林机器人有限公司 | 移动设备碰撞检测方法、装置及存储介质 |
CN112462781A (zh) * | 2020-11-30 | 2021-03-09 | 广州小鹏自动驾驶科技有限公司 | 一种越障方法和装置 |
CN112464384A (zh) * | 2020-12-14 | 2021-03-09 | 星觅(上海)科技有限公司 | 一种碰撞时间预估方法、装置、设备及存储介质 |
CN113192130A (zh) * | 2021-05-31 | 2021-07-30 | 网易(杭州)网络有限公司 | 一种间距检测的方法和装置 |
CN113670632A (zh) * | 2021-08-18 | 2021-11-19 | 北京经纬恒润科技股份有限公司 | 碰撞检测方法及装置 |
CN113771850A (zh) * | 2021-09-08 | 2021-12-10 | 恒大新能源汽车投资控股集团有限公司 | 车辆道路行驶控制方法及装置、计算机可读存储介质 |
CN114200945A (zh) * | 2021-12-13 | 2022-03-18 | 哈尔滨工业大学芜湖机器人产业技术研究院 | 一种移动机器人的安全控制方法 |
CN114310893A (zh) * | 2021-12-30 | 2022-04-12 | 浙江国自机器人技术股份有限公司 | 机器人行驶控制方法、装置、设备及存储介质 |
CN114341761A (zh) * | 2020-12-25 | 2022-04-12 | 深圳市优必选科技股份有限公司 | 防撞方法、移动机器及存储介质 |
CN114379545A (zh) * | 2020-10-16 | 2022-04-22 | 上海汽车集团股份有限公司 | 一种车辆防碰撞方法及装置 |
CN114485511A (zh) * | 2020-10-27 | 2022-05-13 | 湖南中车智行科技有限公司 | 一种车辆限界宽度的测量方法及装置 |
CN114510053A (zh) * | 2022-02-17 | 2022-05-17 | 北京京东乾石科技有限公司 | 机器人规划路径校验方法、装置、存储介质及电子设备 |
CN114590252A (zh) * | 2022-04-01 | 2022-06-07 | 广州文远知行科技有限公司 | 自动驾驶车辆避障控制方法、装置、设备及可读存储介质 |
CN115230694A (zh) * | 2022-09-20 | 2022-10-25 | 毫末智行科技有限公司 | 自动驾驶车辆的障碍物识别方法、装置及车辆 |
WO2024000616A1 (zh) * | 2022-06-30 | 2024-01-04 | 魔门塔(苏州)科技有限公司 | 行驶路径边界确定方法及装置、车辆、存储介质、终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120306663A1 (en) * | 2011-06-01 | 2012-12-06 | GM Global Technology Operations LLC | Fast Collision Detection Technique for Connected Autonomous and Manual Vehicles |
CN107672588A (zh) * | 2017-08-29 | 2018-02-09 | 广州小鹏汽车科技有限公司 | 一种自动泊车路径障碍物碰撞检测方法、装置及系统 |
US20180251092A1 (en) * | 2017-03-06 | 2018-09-06 | GM Global Technology Operations LLC | Vehicle collision prediction algorithm using radar sensor and upa sensor |
EP3456596A1 (en) * | 2017-09-14 | 2019-03-20 | Continental Automotive GmbH | Method and device of predicting a possible collision |
CN109878513A (zh) * | 2019-03-13 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 防御性驾驶策略生成方法、装置、设备及存储介质 |
CN110147105A (zh) * | 2019-05-27 | 2019-08-20 | 安徽江淮汽车集团股份有限公司 | 无人驾驶车辆的路径控制方法、设备、存储介质及装置 |
CN110189547A (zh) * | 2019-05-30 | 2019-08-30 | 广州小鹏汽车科技有限公司 | 一种障碍物检测方法、装置及车辆 |
-
2020
- 2020-02-24 CN CN202010112887.9A patent/CN111309013B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120306663A1 (en) * | 2011-06-01 | 2012-12-06 | GM Global Technology Operations LLC | Fast Collision Detection Technique for Connected Autonomous and Manual Vehicles |
US20180251092A1 (en) * | 2017-03-06 | 2018-09-06 | GM Global Technology Operations LLC | Vehicle collision prediction algorithm using radar sensor and upa sensor |
CN108528442A (zh) * | 2017-03-06 | 2018-09-14 | 通用汽车环球科技运作有限责任公司 | 使用雷达传感器和upa传感器的车辆碰撞预测算法 |
CN107672588A (zh) * | 2017-08-29 | 2018-02-09 | 广州小鹏汽车科技有限公司 | 一种自动泊车路径障碍物碰撞检测方法、装置及系统 |
EP3456596A1 (en) * | 2017-09-14 | 2019-03-20 | Continental Automotive GmbH | Method and device of predicting a possible collision |
CN109878513A (zh) * | 2019-03-13 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 防御性驾驶策略生成方法、装置、设备及存储介质 |
CN110147105A (zh) * | 2019-05-27 | 2019-08-20 | 安徽江淮汽车集团股份有限公司 | 无人驾驶车辆的路径控制方法、设备、存储介质及装置 |
CN110189547A (zh) * | 2019-05-30 | 2019-08-30 | 广州小鹏汽车科技有限公司 | 一种障碍物检测方法、装置及车辆 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665852B (zh) * | 2020-06-30 | 2022-09-06 | 中国第一汽车股份有限公司 | 一种障碍物避让方法、装置、车辆及存储介质 |
CN111665852A (zh) * | 2020-06-30 | 2020-09-15 | 中国第一汽车股份有限公司 | 一种障碍物避让方法、装置、车辆及存储介质 |
CN111951552B (zh) * | 2020-08-11 | 2021-10-15 | 腾讯科技(深圳)有限公司 | 一种自动驾驶中风险管理的方法以及相关装置 |
CN111951552A (zh) * | 2020-08-11 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 一种自动驾驶中风险管理的方法以及相关装置 |
CN112015184A (zh) * | 2020-09-08 | 2020-12-01 | 广东博智林机器人有限公司 | 移动设备碰撞检测方法、装置及存储介质 |
CN114379545A (zh) * | 2020-10-16 | 2022-04-22 | 上海汽车集团股份有限公司 | 一种车辆防碰撞方法及装置 |
CN114379545B (zh) * | 2020-10-16 | 2024-02-02 | 上海汽车集团股份有限公司 | 一种车辆防碰撞方法及装置 |
CN114485511A (zh) * | 2020-10-27 | 2022-05-13 | 湖南中车智行科技有限公司 | 一种车辆限界宽度的测量方法及装置 |
CN112462781A (zh) * | 2020-11-30 | 2021-03-09 | 广州小鹏自动驾驶科技有限公司 | 一种越障方法和装置 |
CN112464384A (zh) * | 2020-12-14 | 2021-03-09 | 星觅(上海)科技有限公司 | 一种碰撞时间预估方法、装置、设备及存储介质 |
CN114341761B (zh) * | 2020-12-25 | 2024-04-02 | 优必康(青岛)科技有限公司 | 防撞方法、移动机器及存储介质 |
CN114341761A (zh) * | 2020-12-25 | 2022-04-12 | 深圳市优必选科技股份有限公司 | 防撞方法、移动机器及存储介质 |
CN113192130A (zh) * | 2021-05-31 | 2021-07-30 | 网易(杭州)网络有限公司 | 一种间距检测的方法和装置 |
CN113192130B (zh) * | 2021-05-31 | 2022-12-06 | 网易(杭州)网络有限公司 | 一种间距检测的方法和装置 |
CN113670632B (zh) * | 2021-08-18 | 2024-04-12 | 北京经纬恒润科技股份有限公司 | 碰撞检测方法及装置 |
CN113670632A (zh) * | 2021-08-18 | 2021-11-19 | 北京经纬恒润科技股份有限公司 | 碰撞检测方法及装置 |
CN113771850A (zh) * | 2021-09-08 | 2021-12-10 | 恒大新能源汽车投资控股集团有限公司 | 车辆道路行驶控制方法及装置、计算机可读存储介质 |
CN114200945A (zh) * | 2021-12-13 | 2022-03-18 | 哈尔滨工业大学芜湖机器人产业技术研究院 | 一种移动机器人的安全控制方法 |
CN114200945B (zh) * | 2021-12-13 | 2024-04-02 | 长三角哈特机器人产业技术研究院 | 一种移动机器人的安全控制方法 |
CN114310893A (zh) * | 2021-12-30 | 2022-04-12 | 浙江国自机器人技术股份有限公司 | 机器人行驶控制方法、装置、设备及存储介质 |
CN114310893B (zh) * | 2021-12-30 | 2024-03-01 | 浙江国自机器人技术股份有限公司 | 机器人行驶控制方法、装置、设备及存储介质 |
CN114510053A (zh) * | 2022-02-17 | 2022-05-17 | 北京京东乾石科技有限公司 | 机器人规划路径校验方法、装置、存储介质及电子设备 |
CN114590252A (zh) * | 2022-04-01 | 2022-06-07 | 广州文远知行科技有限公司 | 自动驾驶车辆避障控制方法、装置、设备及可读存储介质 |
WO2024000616A1 (zh) * | 2022-06-30 | 2024-01-04 | 魔门塔(苏州)科技有限公司 | 行驶路径边界确定方法及装置、车辆、存储介质、终端 |
CN115230694A (zh) * | 2022-09-20 | 2022-10-25 | 毫末智行科技有限公司 | 自动驾驶车辆的障碍物识别方法、装置及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN111309013B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111309013B (zh) | 一种碰撞距离确定方法及系统、车辆、存储介质 | |
CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
US11313976B2 (en) | Host vehicle position estimation device | |
WO2018221453A1 (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
US11321950B2 (en) | Apparatus and method for detecting lane information, and computer-readable recording medium storing computer program programmed to execute same method | |
US20210207977A1 (en) | Vehicle position estimation device, vehicle position estimation method, and computer-readable recording medium for storing computer program programmed to perform said method | |
US11898855B2 (en) | Assistance control system that prioritizes route candidates based on unsuitable sections thereof | |
CN109229109B (zh) | 判断车辆行驶方向的方法、装置、设备和计算机存储介质 | |
CN110794406B (zh) | 多源传感器数据融合系统和方法 | |
CN109583416B (zh) | 伪车道线识别方法及系统 | |
CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
CN112744217B (zh) | 碰撞检测方法、行驶路径的推荐方法及其装置和存储介质 | |
KR20200093271A (ko) | 랜드마크 위치 추정 장치와 방법 및 이러한 방법을 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체 | |
US20240271945A1 (en) | Vehicle, Vehicle Positioning Method and Apparatus, Device, and Computer-Readable Storage Medium | |
CN118235180A (zh) | 预测可行驶车道的方法和装置 | |
CN111591288B (zh) | 基于距离变换图的碰撞检测方法及装置 | |
CN116958935A (zh) | 基于多视角的目标定位方法、装置、设备及介质 | |
KR20210041969A (ko) | 지도 매칭을 이용한 온라인 카메라 캘리브레이션 장치 및 방법 | |
CN116242375A (zh) | 一种基于多传感器的高精度电子地图生成方法和系统 | |
CN113670632B (zh) | 碰撞检测方法及装置 | |
CN112731451B (zh) | 一种基于激光雷达检测地面障碍物的方法及系统 | |
CN111311627A (zh) | 一种车辆轮廓线的生成方法及系统、车辆、存储介质 | |
JP2017218115A (ja) | 車両回転角推定装置 | |
EP4336466A2 (en) | Method and apparatus for modeling object, storage medium, and vehicle control method |
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 |