CN111806457B - 待预警车辆筛选方法、装置和计算机设备 - Google Patents
待预警车辆筛选方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111806457B CN111806457B CN201910293406.6A CN201910293406A CN111806457B CN 111806457 B CN111806457 B CN 111806457B CN 201910293406 A CN201910293406 A CN 201910293406A CN 111806457 B CN111806457 B CN 111806457B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- radius
- vehicles
- screening
- remote
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Abstract
本申请涉及一种待预警车辆筛选方法、装置和计算机设备。该方法包括:获取主车的车辆信息和多个远车的车辆信息;根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数;根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述筛选规则包括根据所述车辆运行参数之间的相互关系,所述车辆信息用于表征车辆的行驶状态和物理属性信息。采用该方法能够提高筛车的准确度,进而使得车辆的预警更为具有针对性以及更为精准。
Description
技术领域
本申请涉及自动驾驶技术领域,特别是涉及一种待预警车辆筛选方法、装置和计算机设备。
背景技术
随着科技的发展,自动驾驶技术广泛地应用于人们的日常出行中,随之人们对于自动驾驶技术的需求也越来越多。
通常在自动驾驶过程中,车辆需要对自身和周围车辆的行驶情况进行监控,从而确定驾驶策略。例如可以通过判断本车与周围的其他车辆是否有可能存在碰撞的危险,对有碰撞风险的车辆进行预警并进行驾驶策略的确定。通常的车辆预警的方式为,首先根据经验设定一个安全半径,根据安全半径对周围车辆进行初步筛选,将该半径外的车辆确定为安全的车辆,排除明显不会发生碰撞的车辆然后对剩余的车辆进行预警。
然而传统的筛车方式,其依据单一,筛选出的车辆准确度低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高筛选准确度的待预警车辆筛选方法、装置和计算机设备。
第一方面,本申请实施例提供一种待预警车辆筛选方法,所述方法包括:
获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息;
根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态;
根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述筛选规则包括根据所述车辆运行参数之间的相互关系。
第二方面,本申请实施例提供一种待预警车辆筛选装置,所述装置包括:
获取模块,用于获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息;
处理模块,用于根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数,并根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态,所述筛选规则包括根据所述车辆运行参数之间的相对关系。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息;
根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态;
根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述筛选规则包括根据所述车辆运行参数之间的相互关系。
上述待预警车辆筛选方法、装置和计算机设备,由于车辆运行参数能够描述主车和远车的运动轨迹状态,车辆信息用于表征车辆的行驶状态和物理属性信息,筛选规则包括根据车辆运行参数之间的相互关系,因此计算机设备能够根据主车的车辆信息和远车的车辆信息确定的车辆运行参数,并采用预设的筛选规则对车辆运行参数之间的相互关系进行判定,从而从多个远车中筛选出具有碰撞风险的待预警车辆,以进行预警。该方法由于采用了上述包括车辆运行参数之间的相互关系的筛选规则,对上述车辆运行参数之间的相互关系进行判定,因此能够更为准确的估算车辆运行的轨迹,从而对远车的碰撞风险的估算更为准确,因此所确定的待预警车辆也更加精确,其能够避免传统技术中单一依据进行筛车所导致的准确度低的问题,该方法能够大大提高筛车的准确度,从而大大减少无效预警的并提高有效的预警,进而使得车辆的预警更为具有针对性,从而使得交通过程中的车辆预警更为精准,有效性更高。
附图说明
图1a为一个实施例中待预警车辆筛选方法和车辆预警方法的应用场景图图;
图1b为一个实施例中计算机设备的内部结构图;
图2为一个实施例提供的待预警车辆筛选方法的流程示意图;
图2a为一个实施例提供的自行车运动方程所涉及的参量关系的示意图;
图2b为一个实施例提供的在第一时刻主车和待预警车辆的相对运动关系示意图;
图2c为一个实施例提供的在n时刻主车和待预警车辆的相对运动关系示意图;
图3为另一个实施例提供的待预警车辆筛选方法的流程示意图;
图4为又一个实施例提供的待预警车辆筛选方法的流程示意图;
图5为又一个实施例提供的待预警车辆筛选方法的流程示意图;
图6为又一个实施例提供的待预警车辆筛选方法的流程示意图;
图6a为一个实施例提供的子区域的划分示意图;
图6b为又一个实施例提供的主车和远车的位置关系示意图;
图6c为又一个实施例提供的主车和远车的位置关系示意图;
图7为一个实施例提供的车辆预警方法的流程示意图;
图8为另一个实施例提供的车辆预警方法的流程示意图;
图9为又一个实施例提供的车辆预警方法的流程示意图;
图10为又一个实施例提供的车辆预警方法的流程示意图;
图11为一个实施例提供的待预警车辆筛选装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的待预警车辆筛选方法和车辆预警方法,可以适用于图1a所示的系统,该系统包括车辆和路测单元,该系统可以为车对外界信息交换(vehicle toeverything,简称V2X)系统,该V2X系统(包括V2V,vehicle to vehicle,即车车通信,和V2I,vehicle to infrastructure,车和路边单元通信)通过周期性的广播车辆自身的车辆信息和车辆的运动特征。可选地,还可以接收其他车辆广播的车辆信息。
上述方法可以应用于如图1b所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、数据库、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储下述实施例中的筛选规则和/或条件,有关筛选规则和/或条件的具体描述参见下述实施例中的具体描述。该计算机设备的网络接口可以用于与外部的其他设备通过网络连接通信。可选的,该计算机设备可以是服务器,可以是台式机,可以是个人数字助理,还可以是其他的终端设备,例如平板电脑、手机等等,还可以是云端或者远程服务器,本申请实施例对计算机设备的具体形式并不做限定。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。当然,输入装置和显示屏也可以不属于计算机设备的一部分,可以是计算机设备的外接设备。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
需要说明的是,下述方法实施例的执行主体可以是待预警车辆筛选装置和/或车辆预警装置,上述装置可以通过软件、硬件或者软硬件结合的方式实现成为上述计算机设备的部分或者全部。下述方法实施例以执行主体为计算机设备为例进行说明。
本申请实施例中,通过对周围的车辆进行筛选,将明显不具备风险的其他车辆排除得到待预警车辆,从而减少了需要进行预警计算的车辆个数,进而降低了车辆预警的计算量。通过将运动学自行车模型引入预警方法,能够将车辆运动参数引入,从而实现准确预警。为了使得预警过程更为有效,可以首先对远车进行筛选,下面开始详细介绍待预警车辆的筛选方法。
图2为一个实施例提供的待预警车辆筛选方法的流程示意图。本实施例涉及的是计算机设备根据车辆信息,采用预设的筛选规则进行车辆筛选的过程。如图2所示,所述方法包括:
S101、获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息。
具体的,将计算机设备所设置的车辆作为主车,该计算机设备可以通过V2X系统周期性地广播主车的车辆信息,同时接收周边存在的远车的车辆信息。可选地,计算机设备还可以通过V2X系统与路边单元和远车进行交互,互相获取车辆信息。可选地,车辆信息也可以通过网络进行传输,例如3G网络、4G网络或5G网络等。需要说明的是,上述车辆信息用于表征车辆的行驶状态,例如速度和加速度,还可以表征车辆的物理属性信息,例如位置、尺寸和轮廓。
S102、根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态。
具体的,计算机设备根据上述主车的车辆信息和远车的车辆信息,经过数学和物理计算,从而可以得到车辆运行参数。该车辆运行参数可以描述主车的运动轨迹状态,也可以描述远车的运动轨迹状态,还可以描述两车相对的运动轨迹状态。例如,计算机设备能够根据主车的速度和远车的速度,得到远车相对于主车的速度。
S103、根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述筛选规则包括根据所述车辆运行参数之间的相互关系。
具体的,计算机设备可以根据上述车辆运行参数,根据预设的筛选规则,从多个远车中将没有碰撞风险的车辆筛掉,留下有碰撞风险的车辆作为待预警车辆。上述筛选规则可以包括车辆运行参数之间的相对关系,还可以包括车辆运行参数和预设的参数阈值之间的关系,可选地,还可以包括根据国标中的要求,或者企业的要求,或者根据常用地区的道路状况设定的特殊规则。
本实施例中,由于车辆运行参数能够描述主车和远车的运动轨迹状态,车辆信息用于表征车辆的行驶状态和物理属性信息,筛选规则包括根据车辆运行参数之间的相互关系,因此计算机设备能够根据通过主车的车辆信息和远车的车辆信息确定的车辆运行参数,并采用预设的筛选规则对车辆运行参数之间的相互关系进行判定,从而从多个远车中筛选出具有碰撞风险的待预警车辆,以进行预警。该方法由于采用了上述包括车辆运行参数之间的相互关系的筛选规则,对上述车辆运行参数之间的相互关系进行判定,因此能够更为准确的估算车辆运行的轨迹,从而对远车的碰撞风险的估算更为准确,因此所确定的待预警车辆也更加精确,其能够避免传统技术中单一依据进行筛车所导致的准确度低的问题,该方法能够大大提高筛车的准确度,从而大大减少无效预警的并提高有效的预警,进而使得车辆的预警更为具有针对性,从而使得交通过程中的车辆预警更为精准,有效性更高。
在一个实施例中,上述筛选规则包括以下至少一个规则:第一筛选规则:两车的质心距离小于或等于预设的初筛半径;第二筛选规则:两车的质心连线向量与两车的相对运动轨迹向量的夹角为锐角,且两车的质心距离小于或等于预设的预警半径;第三筛选规则包括:主车的行驶速度大于预设的安全时速阈值,远车相对于主车的相对行驶速度大于所述安全时速阈值,且两车的质心距离大于所述预警半径。
具体的,上述筛选规则中可以包括第一筛选规则、第二筛选规则、第三筛选规则中的任意一个,也可以包括任意两个的组合,还可以包括上述三个,对此本实施例不做限定。第一筛选规则可以包括,两车的质心距离大于预设的初筛半径,该初筛半径可以为预先设定的,例如其可以是根据道路情况设定。该第一筛选规则可以用公式或该公式变形的进行表达,其中为两车的质心连线向量,A和B分别代表两车的质心坐标;R为预设的初筛半径,该初筛半径可以是根据经验设定的,也可以是根据车辆所处的实际道路情况或者筛选需求进行调整得的。可选地,初筛半径的调整方法可以参见下述图4-图5所示的实施例。第二筛选规则可以包括:两车的质心连线向量与两车的相对运动轨迹向量的夹角为钝角或直角,且两车的质心距离大于预设的预警半径。当两车的质心连线向量与两车的相对运动轨迹向量的夹角为锐角的时候,即认为两车存在碰撞的可能,当两车的质心连线相量与相对运动轨迹向量的夹角为钝角或者直角,可以判断其中一辆车正在远离另外一辆,因此碰撞的可能性小。可选地,两车的质心连线向量与两车的相对运动轨迹向量的夹角是否为钝角或直角可以通过二者的向量乘积是否小于等于0判断,若小于0,则夹角为钝角,若等于0,则夹角为直角,若大于零,则为锐角,当等于-1的时候,则表明两个向量方向完全相反,即公式或者该公式的变形进行判断,其中为B车相对于A车的相对运动轨迹向量。另外还可以将两车的质心连线向量的绝对值,即两车的质心距离与预设的预警半径进行比较,当两车的质心距离大于预警半径时,则认为两车距离较远,碰撞的可能性较小,当两车的质心距离小于或等于预警半径时,则认为两车距离较近,碰撞的可能性较大。判断质心距离与预设的预警半径的方式可以通过公式或其变形得到,其中Rw表示预警半径。可选地,上述预设的预警半径的确定方法可以是人为设定,也可以是参考初筛半径设置,还可以是根据下述图6的实施例进行确定,对此本实施例不做限定。第三筛选规则可以包括:主车的行驶速度大于预设的安全时速阈值,远车相对于主车的相对行驶速度大于所述安全时速阈值,其中,安全时速阈值可以是人为设定的,或者依据道路情况设定的,例如其可以设置为10KM/h。当主车的行驶速度小于或等于安全时速阈值的时候,且远车相对于主车的相对行驶速度小于或等于安全时速阈值的时候,则认为该速度下两车发生碰撞的可能性比较小;当主车的行驶速度大于安全时速阈值的时候,车辆行驶较快,或者远车相对于主车的相对行驶速度大于安全时速阈值的时候,则认为两车发生碰撞的可能性比较大。在第三筛选条件中,关于两车的质心距离大于预警半径的描述,可以参考第二筛选条件中的描述。
在一个实施例中,上述车辆信息可以包括用于表征车辆行驶状态的行驶速度、行驶加速度、偏航角和车速方向角,以及用于表征车辆的物理属性信息的质心坐标、前轮轴线、后轮轴线和前轮转角中的至少一个。可选地,还可以包括后轮转角、以及根据质心坐标分别与前轮轴线和后轮轴线的垂直距离。
在一个实施例中,上述图2所示的实施例中的步骤S102的一种可能的实现方式还可以包括:将所述主车的车辆信息和所述远车的车辆信息分别带入运动学自行车模型,得到所述主车的运动方程和所述远车的运动方程,并根据所述主车的运动方程和所述远车的运动方程,确定所述车辆运行参数;其中所述车辆运行参数包括:所述主车和所述远车的质心连线向量、所述主车和所述远车的质心距离、所述远车的相对运动轨迹向量、所述主车的行驶速度和所述远车的行驶速度中的至少一个。
具体的,由于车辆运行参数包括:主车和远车的质心连线向量、主车和远车的质心距离、远车的相对运动轨迹向量、主车的行驶速度和远车的行驶速度中的至少一个,因此计算机设备将上述获取到的主车的车辆信息带入运动学自行车模型,得到主车的运动方程,并将远车的车辆信息带入运动学自行车模型,得到远车的运动方程。可选地,运动学自行车模型可以通过如下公式或公式变形进行表达:
可以参见图2a所示,x和y分别表示车辆在GPS提供的惯性坐标下的质心坐标,v代表车辆的行驶速度,a表示车辆的行驶加速度,在运动学自行车模型中车辆的行驶加速度与车辆的行驶速度保持相同的方向。ψ是车辆的偏航角,β为车速方向角,lr和lf分别表示车辆质心坐标与其后轮轴线和前轮轴线的垂直距离。δf表示车辆的前轮转角,该角度可由方向盘转角乘以传动比计算得到,由于大部分车辆的后轮都无法转向,故假设δr为0。
将主车的车辆信息和远车的车辆信息分别带入上述离散化的运动学自行车模型,得到主车的运动方程和远车的运动方程,这里以A代表主车,B代表远车。可选地,主车在t时刻的运动方程可以用下述公式或公式变形进行表达:
当n=0时:
同样的,远车在t时刻的运动方程可以用下述公式或公式变形进行表达:
当n=0时:
本申请实施例中的下标A和B分别代表主车和远车相应的参数,坐标A(xA,yA)和坐标B(xB,yB)分别代表车辆A和车辆B的质心坐标。
之后,计算机设备根据主车的运动方程和远车的运动方程,确定各时刻的车辆运行参数。本申请实施例中可以以A点作为相对运动的参考点保持静止,计算B相对A的运动轨迹,参考图2b和图2c所示,图2b和图2c分别为第一时刻和n时刻下的两车的相对运动示意图,其相对运动的行驶速度和行驶加速度表达式如下:
本实施例中,由于车辆运行参数包括:主车和远车的质心连线向量、主车和远车的质心距离、远车的相对运动轨迹向量、主车的行驶速度和远车的行驶速度中的至少一个,因此计算机设备将主车的车辆信息和远车的车辆信息分别带入离散化的运动学自行车模型,得到主车的运动方程和远车的运动方程,然后根据主车的运动方程和远车的运动方程,确定各时刻的车辆运行参数,进而实现对车辆运行轨迹的估算,使得待预警车辆的筛选能够不同时刻的车辆的运行轨迹,进而使得筛选更为精准。
在一个实施例中,上述筛选规则可以包括第一筛选规则,上述S103的一种可能的实现方式可以为:将所述质心距离满足所述第一筛选条件的远车确定确定为安全车辆,从而得到其他待预警车辆。具体的,计算机设备可以在该质心距离的大于上述初筛半径时,则确定该远车与主车距离远,不存在碰撞的风险,因此将该远车作为安全车辆,安全车辆不会进入下一步的预警流程;如果质心距离的大于上述初筛半径,则确定该远车与主车的距离已经存在碰撞的风险,因此将该远车作为待预警车辆,该车辆可以进入预警流程。本实施例中,通过将两车的质心距离大于初筛半径的远车筛选掉,将其余远车作为待预警车辆,以进入下一步预警流程,由于上述初筛半径能够结合的车辆分布和道路的实际情况,因此该筛选方式计算量大大减小,降低了系统资源的消耗以及提高了筛选效率的同时,其筛选准确度高。
在一个实施例中,上述筛选规则可以包括第二筛选规则,上述S103的另一种可能的实现方式还可以参见图3所示,具体可以包括:
S201、根据所述质心连线向量和所述相对运动轨迹向量,确定所述质心连线向量和所述相对运动轨迹向量的夹角。
本步骤中的具体过程和参数说明可以参见前述第二筛选规则的详细描述,此处不再赘述。
S202、将所述质心连线向量与所述相对运动轨迹向量的夹角,和所述质心距离均满足所述第二筛选规则的远车确定安全车辆,从而得到所述待预警车辆。
具体的,计算机设备可以将上述质心连线向量与相对运动轨迹向量的夹角为钝角或直角,且两车质心距离大于预警半径的远车确定为安全车辆筛选掉,将其余远车作为待预警车辆。
本实施例中,计算机设备能够根据质心连线向量和相对运动轨迹向量,确定这两个向量的夹角,并将该质心连线向量与相对运动轨迹向量的夹角和质心距离满足第二筛选规则的远车确定为安全车辆,从而将其他远车作为待预警车辆,因此能够在一定的预警范围外,通过判断两车在未来时刻的运动轨迹筛选掉不存在碰撞风险的安全车辆,将其他远车作为待预警车辆,进而使得待预警车辆的筛选能够结合车辆的运行轨迹进行筛选,其更为准确以及具有针对性,进而使得车辆的预警准确度更高。
在一个实施例中,上述筛选规则可以包括第三筛选规则,上述S103的又一种可能的实现方式还可以包括:将所述质心距离、所述主车的行驶速度和所述相对行驶速度满足所述第三筛选规则的远车确定为安全车辆,从而得到其他待预警车辆。具体的,计算机设备可以将上述质心距离大于预警半径,当主车的行驶速度小于或等于安全时速阈值时,且远车相对于主车的相对行驶速度小于或等于安全时速阈值,则认为在一定的预警范围外,该远车由于相对主车的行驶速度低的同时且主车的行驶速度低,其不存在与主车碰撞的风险,因此将该远车确定为安全车辆筛选掉,将其他车辆作为待预警车辆以进入预警。本实施例中,计算机设备能够将质心距离、主车的行驶速度和所述相对行驶速度满足第三筛选规则的远车确定为安全车辆,因此能够在一定的预警范围外,通过判断两车的行驶速度和相对行驶速度将行驶速度较慢或者相对行驶速度较慢的远车筛选掉,留下行驶速度较快或者两车相对行驶速度较快的远车作为待预警车辆。采用该方法能够结合行驶速度的快慢筛选掉明显不存在碰撞风险的安全车辆,留下待预警车辆,避免了在主车行驶速度很慢,或者两车相对行驶速度较慢这种碰撞风险很小的情况下的频繁预警,进而有效减少了无效预警,使得待预警车辆的筛选更为准确,进而使得车辆的预警准确度更高。
在一个实施例中,上述筛选规则还可以包括第一筛选规则和第二筛选规则,其可以是首先通过第一筛选规则进行第一步筛选,筛选掉部分安全车辆,然后在其余的远车中按照第二筛选规则进行二次筛选,进一步筛选掉部分安全车辆。需要说明的是,其采用第一筛选规则和第二筛选规则进行筛选的顺序并不做限定。可选地,上述筛选规则还可以包括第二筛选规则和第三筛选规则,或者包括第一筛选规则和第三筛选规则,还可以包括第一筛选规则、第二筛选规则和第三筛选规则,其中,采用上述第一筛选规则、第二筛选规则和第三筛选规则的顺序并不做限定。
图4为又一个实施例提供的待预警车辆筛选方法的流程示意图。本实施例涉及的是计算机设备确定初筛半径的一种可能的实现方式,可选地,在上述实施例的基础上,包括:
S301、根据初始初筛半径获取所述主车周边的远车初始数量。
具体的,计算机设备可以通过V2X系统获取周边远车的ID,还可以根据定位信息确定每个远车与主车的距离,从而统计初始筛选半径中的远车的初始数量。可选地,该初始初筛半径可以为一个固定值,例如设置为500米。那么首先,计算机设备统计周边500米内的远车初始数量。
S302A、若所述初始数量小于或等于预设的远车数量阈值,则将所述初始初筛半径确定为所述初筛半径;所述初筛半径大于或等于预设的初筛半径阈值。
具体的,当上述初始数量小于或者等于预设的远车数量阈值时,则可以将这个初始初筛半径确定为初筛半径。需要说明的是,该初筛半径不能小于预设的初筛半径阈值,该初筛半径阈值可以为国标中的限值,例如300米。上述远车数量阈值为设定值,例如50辆。
S302B、若所述初始数量大于所述远车数量阈值,则缩小所述初始初筛半径,并获缩小后的初始初筛半径范围内的所述远车的调整数量;并判断所述调整数量是否小于或等于所述远车数量阈值;若是,则确定所述缩小后的初始初筛半径为所述初筛半径;若否,则再次缩小所述初始初筛半径,直至所述初始初筛半径范围内的远车的数量小于或等于所述远车数量阈值,并将最后一次缩小得到的初始初筛半径作为所述初筛半径。
具体的,当初始数量大于远车数量阈值时,由于远车数量过多,其计算量过大,因此可以缩小初始初筛半径,并再次获取缩小后的初始初筛半径范围内的远车的调整数量,然后判断调整数量是否小于或等于上述远车数量阈值。如果远车的调整数量小于或等于远车数量阈值,则确定缩小后的初始初筛半径为初筛半径;如果远车的调整数量依旧大于远车数量阈值,则再次缩小初始初筛半径,直至初始初筛半径范围内的远车的数量小于或等于远车数量阈值,然后将最后一次缩小得到的初始初筛半径作为初筛半径。
可选地,对于初筛半径的调整的步进本实施例不做限定,其可以是10米,也可以是30米或者其他的步进。
本实施例中,计算机设备能够根据初始初筛半径获取所述主车周边的远车初始数量,并通过迭代缩小初始初筛半径,直至初始初筛半径内的远车的调整数量小于或等于远车数量阈值的方式,将最后一次缩小得到的初始初筛半径作为最后的初筛半径,从而能够依据车辆分布的密集程度确定合适的远车数量,以进行下一步的预警流程或者筛选流程,能够避免远车数量较多导致的计算量大,且资源浪费的情况,采用该方法,能够大大减少无风险的远车的计算,进而有效减少了无效预警,使得待预警车辆的筛选更为准确,进而使得车辆的预警准确度更高。
图5为又一个实施例提供的待预警车辆筛选方法的流程示意图。在一个实施例中,计算机设备确定初筛半径的另一种可能的实现方式,可以如图5所示,包括:
S401、获取所述主车所处的道路对应的道路信息;所述道路信息用于表征所述道路上车辆分布的密集程度。
具体的,计算机设备可以通过主车和路边单元进行交互,从而通过路边单元获取道路信息。该道路信息能够表征道路上车辆分布的密集程度,例如如果该道路为城市道路,则确定该道路上车辆分布较为密集,如果该道路为高速公路,则确定该道路上车辆分布较为稀疏。
S402、根据所述道路信息调整预设的初始初筛半径,得到所述初筛半径;所述初筛半径大于或等于预设的初筛半径阈值。
具体的,计算机设备可以根据道路信息增大或者减小预设的初始初筛半径,从而得到初筛半径;该初筛半径的最小值限定可以参见前文所述,此处不再赘述。
可选地,本步骤的一种实现方式可以包括:若所述道路信息为车辆密集道路,则减少所述初始初筛半径,得到所述初筛半径;若所述道路信息为车辆稀疏道路,则增加所述初始初筛半径,得到所述初筛半径。具体的,当道路信息为车辆密集道路的时候,则认为车辆可能行驶较慢,因此可以减少初始初筛半径,以避免进入下一流程的远车数量过多;当道路信息为车辆稀疏道路的时候,则认为车辆可能行驶较快,因此可以增加初始初筛半径,以避免由于行驶速度过快导致预警不及时。本实现方式中,通过在车辆密集道路上减少初始初筛半径,以及在车辆稀疏道路上,增加初始初筛半径,最终得到适合当前道路信息的合理初筛半径,从而使得在确保有效预警的同时,合理控制计算量,使得车辆筛选更为有效,其准确度更高。
图6为又一个实施例提供的待预警车辆筛选方法的流程示意图。在一个实施例中,计算机设备确定预警半径的一种可能的实现方式可以如图6所示,包括:
S501、根据所述主车的质心坐标、所述主车的前轮轴线和所述主车的后轮轴线,将所述主车周围的区域划分为多个子区域。
具体的,计算机设备可以根据主车的质心坐标、主车的前轮轴线和主车的后轮轴线的距离和方位,将主车周围的区域划分为多个子区域,例如其可以根据质心坐标和车头朝向划分为左右区域,还可以根据前轮轴线和后轮轴线划分为前中后区域。可选地,上述多个子区域还可以如图6a所示,包括:右前方子区域、右侧子区域、正前方子区域、左前方子区域、左侧子区域、左后方子区域、正后方子区域和右后方子区域。
S502、根据所述主车的车头方向和所述远车的车头方向,确定所述远车相对于主车的车头方向夹角。
具体的,计算机设备还可以根据主车的和远车的车辆信息,分别得到主车的车头方向和远车的车头方向,然后进一步确定出两车的车头方向的夹角。
S503、根据所述远车的质心坐标在所述子区域中的分布和所述车头方向夹角,确定所述预警半径。
具体的,计算机设备还可以根据远车的质心坐标分布在主车的哪个个子区域中,并结合上述车头方向夹角,确定出对应的预警距离。
可选地,其可以根据子区域、预警半径确定公式和车头方向夹角的对应关系确定所述预警半径。可选地,该子区域、预警半径确定公式和车头方向夹角的对应关系可以为一一对应的关系,也可以是一对多的关系,还可以是多对多的关系,本实施例不做限定。可选地,子区域、预警半径确定公式和车头方向夹角的对应关系还可以如下述表1所示。
表1
其中,
Rw=Rw6=Lf,A+Lr,B
Rw=Rw7=Lf,A+Lf,B
Rw=Rw11=Lr,A+Lf,B
Rw=Rw12=Lr,A+Lr,B
其中,Rw为预警半径,θref为所述车头方向夹角,Lf,A为主车的质心坐标与主车的前轮轴线的垂直距离,Lr,A为主车的质心坐标与主车的后轮轴线的垂直距离,Lf,B为远车的质心坐标与远车的前轮轴线的垂直距离,Lr,B为远车的质心坐标与远车的后轮轴线的垂直距离,WA为主车的宽度,WB为远车的宽度;ΔL为预留距离。
如图6b中,在主车的质心坐标A点为原点,X轴正方向保持与主车车头方向同向,可以得到相对主车的新坐标系,新坐标系的角度设置以逆时针为正,Y轴正方向为0°,图6b中远车与主车的车头方向角夹角为120°。为了计算两车刚好相撞的距离,此处将主车和远车都视为矩形,以图6b中远车位于主车右前方为例,两车在主车的右上角C点接触,|AB|为两车质心连线距离,由图可知|AB|<|AC|+|BC|。因此,出于安全考虑,可以采用|AC|+|BC|作为预警距离Rw。由于|AC|是常数,且|BC|的最大值为所以可以得知另外,根据两车的车头方向夹角的不同,可以得知如果预警距离过大,则会产生一些不必要的预警和误报,如图6c所示,两车在相邻车道同向行驶,此处将两车的车头方向夹角小于等于30°时依然认为同向行驶,远车B相对于主车A在其右侧,此时预警距离应使用两车的横向距离,即同样地,根据两车的车头方向角的变化,我们有:可以确定如下公式:
其中ΔL是一个防刮蹭的预留距离,其可以由用户自己定义,可选地,其可以设为1米。需要说明的是,两车逆向行驶同理。
采用上述表1所示的对应关系确定预警半径,其能够结合远车所在的子区域,以及两车的车头方向夹角选择对应的预警半径,从而使得待预警车辆的筛选能够更为精确,以及有效性更高。
本实施例中,计算机设备根据主车的质心坐标、主车的前轮轴线和主车的后轮轴线,将主车周围的区域划分为多个子区域,然后根据主车的车头方向和远车的车头方向,确定出远车相对于主车的车头方向夹角,最后根据远车的质心坐标在子区域中的分布和车头方向夹角,来确定出合理的预警半径,从而使得该预警半径能够结合在远车和主车的于不同方位,以及不同行驶方向的情况,使得预警半径的更为合理,进而使得待预警车辆的筛选更为准确。
上述实施例对待预警车辆筛选方法进行了详细描述,计算机设备在筛选出待预警车辆后,还可以对车辆进行预警,下述实施例将对车辆预警的具体过程进行详细描述。
图7为一个实施例提供的车辆预警方法的流程示意图。本实施例涉及的是计算机设备根据主车和待预警车辆的车辆信息,采用运动学自行车模型对存在碰撞风险的待预警车辆进行预警的具体过程。具体的,如图7所示,所述车辆预警方法包括:
S601、获取主车的车辆信息和待预警车辆的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息。
具体的,该步骤中计算机设备获取主车和待预警车辆的车辆信息的具体方式可以参见前述实施例中S101中的详细描述,此处不再赘述。
S602、根据所述主车的车辆信息和所述待预警车辆的车辆信息,采用运动学自行车模型,确定所述待预警车辆的运动轨迹上是否存在与所述主车距离最近的最近距离点。
具体的,计算机设备可以根据上述主车的车辆信息和待预警车辆的车辆信息,确定出上述主车和待预警车辆的运行特性,计算机设备能够根据车辆的运行特性,判断待预警车辆的运动轨迹上是否存在与主车距离最近的最近距离点。例如,其可以通过判断主车在待预警车辆的运行轨迹方向上的投影点,是否落待预警车辆的运行轨迹向量上或者距离小于一定的距离进行判断。当主车在待预警车辆的运行轨迹方向上的投影点落在待预警车辆的运行轨迹向量上,或者距离小于一定的距离时,则确定待预警车辆的运动轨迹上存在与主车距离最近的最近距离点;当主车在待预警车辆的运行轨迹方向上的投影点并未落待预警车辆的运行轨迹向量上,且距离超过一定的距离时,则确定待预警车辆的运动轨迹上并不存在与主车距离最近的最近距离点。
S603、若存在,则根据车辆运动参数,确定所述待预警车辆与所述主车发生碰撞的碰撞时间。
具体的,当待预警车辆的运动轨迹上存在与主车距离最近的最近距离点时,则可以确定待预警车辆存在与主车发生碰撞的风险。可选地,上述车辆运动参数可以是依据运动学自行车模型确定的参数,其能够表征主车和待预警车辆的运动特性,还可以表征两车的相对运动特性。因此,计算机设备根据车辆运动参数,估算出待预警车辆从当前时刻行驶到上述最近距离点时,发生碰撞所经历的碰撞时间。
可选地,若待预警车辆的运动轨迹上不存在与主车距离最近的最近距离点时,则可以确定待预警车辆不会与主车发生碰撞,此时计算机设备停止对该待预警车辆的预警,以确保预警的准确性并减少运算量。
S604、根据所述碰撞时间和所述距离最近点,对所述待预警车辆进行安全预警。
具体的,计算机设备可以根据碰撞时间,结合上述距离最近点,对所述待预警车辆进行安全预警。可选地,其可以是根据碰撞时间和距离最近点,结合预设的预警标准,判断该碰撞时间和距离最近点的发生碰撞的紧迫程度,事项对待预警车辆的安全预警。例如当碰撞时间较短,且最近距离点距离待碰撞车辆很近,则确定对待预警车辆进行紧急预警;反之,则进行正常预警。可选地,本实施例中的预警方式可以为语音形式,也可以为警示灯,还可以为针对预警方式采取的制动指令,对此本实施例不做限定。
本实施例中,由于车辆信息能够表征车辆的行驶状态和物理属性信息,因此计算机设备能够根据主车的车辆信息和待预警车辆的车辆信息,并采用运动学自行车模型确定出两车的运行特性,由于该方法将运动学自行车模型引入了预警过程,因此能够得到精确的车辆运动特性,然后将精确的运动特性加入到预警过程中,从而大大提高了车辆轨迹预测的精确度。进而使得计算机设备能够根据车辆的运行轨迹,更为准确地判断出待预警车辆的运动轨迹上是否存在与主车距离最近的最近距离点,因此计算机设备能够准确地确定出待预警车辆是否存在于主车发生碰撞的可能性,并基于该结果,在待预警车辆的运动轨迹上存在上述最近距离点的情况下,根据准确的运动特性,进而确定出更为准确的碰撞时间,然后根据碰撞时间和上述最近距离点准确地对待预警车辆进行预警。采用该方法,计算机设备采用运动学自行车模型确定出两车的运行特性,其无需依赖地图中的道路曲率等信息进行车辆的碰撞预警,该方法能够适用于任意曲率的道路,因此大大提高了该方法的泛用性,以及大大提高了车辆轨迹预测的精确度,进而大大提高了预警的准确性,使得车辆行驶更为安全。
在一个实施例中,上述车辆信息可以包括用于表征车辆行驶状态的行驶速度、行驶加速度、偏航角和车速方向角,以及用于表征车辆的物理属性信息的质心坐标、前轮轴线、后轮轴线和前轮转角中的至少一个。可选地,还可以包括后轮转角、以及根据质心坐标分别与前轮轴线和后轮轴线的垂直距离。
图8为另一个实施例提供的车辆预警方法的流程示意图。在一个实施例中,计算机设备确定待预警车辆的运动轨迹上是否存在与主车距离最近的最近距离点可以如图8所示,包括:
S701、将所述主车的车辆信息和所述待预警车辆的车辆信息分别带入离散化的运动学自行车模型,得到所述主车的运动方程和所述待预警车辆的运动方程。
S702、根据所述主车的运动方程和所述远车的运动方程,确定各时刻对应的所述车辆运行参数。
具体的,计算机设备根据将车辆信息带入离散化的运动学自行车模型,从而得到对应车辆的运动方程,以及根据运动方程确定各时刻的车辆运行参数的具体方式可以参见前文中的描述,此处不再赘述。
S703、根据所述车辆运行参数,确定所述待预警车辆的运动轨迹上是否存在与所述主车距离最近的最近距离点。
具体的,计算机设备可以根据上述车辆运行参数,判断待预警车辆的运动轨迹上是否存在与主车距离最近的最近距离点。例如,其可以是在当前时刻的待预警车辆在主车周围预先设定的预警范围内,或者在当前时刻待预警车辆行驶过的轨迹的距离,超过了主车与当前时刻的待预警车辆之间的距离。
可选地,本步骤S703的一种可能的实现的方式还包括:
若当前时刻的车辆运行参数满足预设的条件集合中的至少一个,则确定待预警车辆的运动轨迹上存在与主车的距离最近的最近距离点;若当前时刻的车辆运行参数不满足上述条件集合中所有条件,则继续计算下一时刻的车辆运行参数,并在车辆运行参数满足上述条件集合中的至少一个的时候,则确定下一时刻待预警车辆的运动轨迹上存在与主车的距离最近的最近距离点;以及在车辆运行参数不满足上述条件集合中的所有条件的时候,继续迭代计算再下一个时刻的车辆运行参数,直至车辆运行参数满足条件集合中的至少一个,或者迭代次数大于预设的迭代次数阈值为止。其中,条件集合包括车辆运行参数和预设的预警半径之间的相互关系。
本实现方式中,计算机设备能够在当前时刻的车辆运行参数满足预设的条件集合中的至少一个时,确定待预警车辆的运动轨迹上存在与主车的距离最近的最近距离点,并且在当前时刻的车辆运行参数不满足上述条件集合中所有条件,通过迭代计算,直至找到上述最近距离点进而进行预警,从而准确的判断出辆车是否存在碰撞的可能,或者在迭代次数大于预设的迭代次数阈值的时候停止预警,从而减少预警的计算量,进而降低了资源消耗。
在一个实施例中,车辆运行参数包括:两车的质心连线向量、两车的质心距离、远车相对于主车的相对运动轨迹向量、主车的行驶速度、远车的行驶速度中的至少一个。可选地,车辆运行参数还可以包括:主车的行驶加速度和远车的行驶加速度中的至少一个。
在一个实施例中,上述条件集合可以包括至少一个如下的条件:
第一条件:当前时刻的主车和待预警车辆的质心距离小于预设的预警半径。
第二条件:当前时刻的所述待预警车辆的相对运动轨迹向量的绝对值大于或等于当前时刻的所述主车和所述待预警车辆的质心距离。
第三条件:每一时刻的所述待预警车辆的相对运动轨迹向量的绝对值的和值,大于或等于当前时刻的所述主车和所述待预警车辆的质心距离。
第四条件:前一时刻所述主车的投影距离小于或等于当前时刻的所述主车的投影距离。
具体的,该第四条件可以采用公式DCPAn-1≤DCPAn或者该公式的变形表达。其中,DCPAn-1和DCPAn分别为前一时刻和后一时刻时,主车的在待预警车辆的轨迹向量方向上的投影点与主车的质心坐标之间的投影距离。其中且
第五条件:所述待预警车辆在当前时刻相对于前一时刻的相邻运动轨迹向量,与前一时刻所述主车和所述待预警车辆的质心连线向量的夹角为钝角或直角。
本实施例中,由于上述条件集合可以包括第一条件、第二条件、第三条件、第四条件和第五条件,且该五个条件中包括车辆运动参数的相互关系,因此通过判断车辆运动参数满足上述五个条件中的任意一个时,则确定已经找到了上述最近距离点,从而能够从车辆运动参数中包括的各个参量的角度,更为准确和全面地确定出发生碰撞的风险,进而根据该发生碰撞的最近距离点实现车辆的预警,使得车辆的碰撞预警更为精准。
可选地,在上述实施例的基础上,若上述条件集合包括第四条件,则该第四条件中的投影距离的确定方法可以如图9所示,包括:
S801、将所述主车的质心坐标在所述待预警车辆的相对运动轨迹向量上做投影,得到投影点坐标。
具体的,可以参见图2b和图2c所示,图中的C1和Cn分别为第一时刻和n时刻的投影点坐标。
S802、根据所述投影点坐标和所述主车的质心坐标确定所述投影距离。
具体的,将上述投影点坐标和主车的质心坐标之间的距离,作为投影距离,可选地,还可以得到投影点坐标到主车的质心坐标的投影向量。
本实施例中,计算机设备可以将主车的质心坐标在待预警车辆的相对运动轨迹向量上做投影,得到投影点坐标,并根据该投影点坐标和主车的质心坐标,得到投影距离,进而可以将投影距离确定是否得到最近距离点对应的最近距离,以更为准确的判断是否存在碰撞风险,从而使得车辆的碰撞预警更为准确。
可选地,在上述是实施例的基础上,上述步骤S103中“根据车辆运动参数,确定所述待预警车辆与所述主车发生碰撞的碰撞时间”的一种可能的实现方式可以如图10所示,包括:
S901、判断所述车辆运动参数是否满足所述第四条件或第五条件。
S902A、若是,则根据前一时刻的所述车辆运动参数确定所述碰撞距离。
S902B、若否,则根据当前时刻的所述车辆运动参数确定碰撞距离。
S903、根据所述碰撞距离、当前时刻和前一时刻的所述待预警车辆相对所述主车的相对行驶速度、迭代次数和时间间隔,确定所述碰撞时间。
具体的,计算机设备可以根据上述碰撞距离,并结合上述主车的行驶速度,当前时刻和前一时刻的辆车的相对行驶速度、当前的迭代次数以及时间间隔之间的关系,确定碰撞时间。其中,时间间隔可以为离散化中用到的时间步长,即每个时刻与相邻时刻之间的时间长度,在每个时间步长内可以认为车辆是匀加速直线运动。
本实施例中,计算机设备能够在车辆运动参数满足第四条件或第五条件的时候,说明此时待预警车辆已经开始远离主车,因此将上一时刻的距离作为两车的最近距离;在车辆运动参数不满足第四条件和第五条件的时候,说明此时待预警车辆为更接近主车的状态,因此将当前时刻的距离作为两车的最近距离,从而得到更为准确的最近距离,然后根据该最近距离,结合当前时刻和前一时刻的所述待预警车辆相对所述主车的相对行驶速度、迭代次数和时间间隔,确定所述碰撞时间,从而使得确定的碰撞时间更为准确,车辆的碰撞预警更为准确。
在一个实施例中,上述S104的一种可能的实现方式可以包括:根据预设的最大预警等级、所述碰撞时间、所述时间间隔、所述预警半径、预设的安全系数和最短相对距离,确定所述待预警车辆的安全预警等级;所述最短相对距离为最近距离点与所述主车的质心坐标之间的距离。
具体的,计算机设备可以根据公式或者该公式的变形确定所述安全预警等级W,其中,Wmax为最大预警等级,Rw为预警半径,S为安全系数,DCPAmin为最短相对距离。该最短相对距离为最近距离点与待预警车辆的质心坐标的距离。可选地,最大预警等级可以为认为用户定义,其可以为正整数,例如10,即表征共有10级预警。安全系数可以随不同的碰撞场景(前向碰撞和交叉路口碰撞)的危险程度取不同的值,越危险的地方取值越大,场景的危险程度可以由用户进行定义。对于质心距离小于预警半径的情况,系统可以跳过后续的迭代过程,直接设置ttc=0,使得计算出来的预警等级直接为最大预警等级。
本方案提到的迭代算法可以通过如下场景进行地验证:假设车辆A和车辆B沿同一直线做匀加速运动且方向盘转角均为0°,此时存在βA=βB=0,且ψA=ψB=ψ为常数。此时两车加速度的大小和方向均为常量,因此车辆B相对车辆A的位移坐标可表示为:
以上表达式与匀加速直线运动的相对运动轨迹计算公式吻合,符合预设场景,因此本案能够合理运用。
本实施例中,计算机设备能够根据预设的最大预警等级、碰撞时间、时间间隔、预警半径、预设的安全系数和最短相对距离,确定待预警车辆的安全预警等级,其中,最短相对距离为最近距离点与主车的质心坐标之间的距离,因此计算机设备能够基于准确的碰撞时间,结合上述合理设置的预警半径,以及最短相对距离,并结合预设的足以大预警等级、时间间隔和预设的安全系数,从而能够根据危险程度将按照等级进行预警,使得车辆的碰撞预警更为有效和方便。
在一个实施例中,上述预警半径的确定方式可以包括:
根据所述主车的质心坐标、所述主车的前轮轴线和所述主车的后轮轴线,将所述主车周围的区域划分为多个子区域;
根据所述主车的车头方向和所述远车的车头方向,确定所述远车相对于主车的车头方向夹角;
根据所述远车的质心坐标在所述子区域中的分布和所述车头方向夹角,确定所述预警半径。
在一个实施例中,上述多个子区域包括:右前方子区域、右侧子区域、正前方子区域、左前方子区域、左侧子区域、左后方子区域、正后方子区域和右后方子区域。
在一个实施例中,所述根据所述远车的质心坐标在所述子区域中的分布和所述车头方向夹角,确定所述远车对应的预警半径,包括:
根据子区域、预警半径确定公式和车头方向夹角的对应关系确定所述预警半径。
在一个实施例中,所述子区域、预警半径确定公式和车头方向夹角的对应关系如上述表1所示。
具体的,在车辆预警的流程中,预警半径的确定方法可以参见前文中待预警车辆筛选方法中对预警半径的描述,此处不再赘述。
可选地,在车辆预警过程中,预警半径的确定方法可以参照前述实施例中的描述。
应该理解的是,虽然上述各个实施例中的各个步骤并不是必然按照论述的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各个实施例中的待预警车辆筛选方法可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图11所示,提供了一种待预警车辆筛选装置,包括:
获取模块100,用于获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息;
处理模块200,用于根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数,并根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态,所述筛选规则包括根据所述车辆运行参数之间的相对关系。
在一个实施例中,所述筛选规则包括以下至少一个规则:
第一筛选规则包括:两车的质心距离大于预设的初筛半径;
第二筛选规则包括:两车的质心连线向量与两车的相对运动轨迹向量的夹角为直角或钝角,且两车的质心距离大于预设的预警半径;
第三筛选规则包括:主车的行驶速度小于或等于预设的安全时速阈值,远车相对于主车的相对行驶速度小于或等于所述安全时速阈值,且主车和远车的质心距离大于所述预警半径。
在一个实施例中,所述车辆信息包括用于表征车辆行驶状态的行驶速度、行驶加速度、偏航角和车速方向角,以及用于表征车辆的物理属性信息的质心坐标、前轮轴线、后轮轴线和前轮转角中的至少一个。
在一个实施例中,处理模块200,具体用于将所述主车的车辆信息和所述远车的车辆信息分别带入离散化的运动学自行车模型,得到所述主车的运动方程和所述远车的运动方程;
根据所述主车的运动方程和所述远车的运动方程,确定各时刻的所述车辆运行参数;
所述车辆运行参数包括:所述主车和所述远车的质心连线向量、所述主车和所述远车的质心距离、所述远车的相对运动轨迹向量、所述主车的行驶速度和所述远车的行驶速度中的至少一个。
在一个实施例中,所述筛选规则包括第一筛选规则;处理模块200,具体用于将所述质心距离满足所述第一筛选条件的远车确定为安全车辆,从而得到所述待预警车辆。
在一个实施例中,所述筛选规则包括第二筛选规则;处理模块200,具体用于根据所述质心连线向量和所述相对运动轨迹向量,确定所述质心连线向量和所述相对运动轨迹向量的夹角;将所述质心连线向量与所述相对运动轨迹向量的夹角,和所述质心距离均满足所述第二筛选规则的远车确定确定为安全车辆,从而得到所述待预警车辆。
在一个实施例中,所述筛选规则包括第三筛选规则;处理模块200,具体用于将所述质心距离、所述主车的行驶速度和所述相对行驶速度满足所述第三筛选规则的远车确定为安全车辆,从而得到待预警车辆。
在一个实施例中,所述装置还可以包括:调整模块,用于根据初始初筛半径获取所述主车周边的远车初始数量;若所述初始数量小于或等于预设的远车数量阈值,则将所述初始初筛半径确定为所述初筛半径;所述初筛半径大于或等于预设的初筛半径阈值;若所述初始数量大于所述远车数量阈值,则缩小所述初始初筛半径,并获取缩小后的初始初筛半径范围内的所述远车的调整数量;并判断所述调整数量是否小于或等于所述远车数量阈值;若是,则确定所述缩小后的初始初筛半径为所述初筛半径;若否,则再次缩小所述初始初筛半径,直至所述初始初筛半径范围内的远车的数量小于或等于所述远车数量阈值,并将最后一次缩小得到的初始初筛半径作为所述初筛半径。
在一个实施例中,调整模块,还可以用于获取所述主车所处的道路对应的道路信息;所述道路信息用于表征所述道路上车辆分布的密集程度;根据所述道路信息调整预设的初始初筛半径,得到所述初筛半径;所述初筛半径大于或等于预设的初筛半径阈值。
在一个实施例中,调整模块,具体可以用于若所述道路信息为车辆密集道路,则减少所述初始初筛半径,得到所述初筛半径;若所述道路信息为车辆稀疏道路,则增加所述初始初筛半径,得到所述初筛半径。
在一个实施例中,所述装置还可以包括:确定模块,用于根据所述主车的质心坐标、所述主车的前轮轴线和所述主车的后轮轴线,将所述主车周围的区域划分为多个子区域;根据所述主车的车头方向和所述远车的车头方向,确定所述远车相对于主车的车头方向夹角;根据所述远车的质心坐标在所述子区域中的分布和所述车头方向夹角,确定所述预警半径。
在一个实施例中,所述子区域包括:右前方子区域、右侧子区域、正前方子区域、左前方子区域、左侧子区域、左后方子区域、正后方子区域和右后方子区域。
在一个实施例中,确定模块,具体可以用于根据子区域、预警半径确定公式和车头方向夹角的对应关系确定所述预警半径。
在一个实施例中,所述子区域、预警半径确定公式和车头方向夹角的对应关系如表1所示。
关于待预警车辆筛选装置的具体限定可以参见上文中对于待预警车辆筛选方法的限定,在此不再赘述。上述待预警车辆筛选装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述任一方法实施例中的步骤,具体可以实现以下步骤:
获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息;
根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态;
根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述筛选规则包括根据所述车辆运行参数之间的相互关系。
应当清楚的是,本申请实施例中处理器执行计算机程序的过程,与上述方法中各个步骤的执行过程一致,具体可参见上文中的描述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一方法实施例中的步骤,具体可以实现以下步骤:
获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息;
根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态;
根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述筛选规则包括根据所述车辆运行参数之间的相互关系。
应当清楚的是,本申请实施例中处理器执行计算机程序的过程,与上述方法中各个步骤的执行过程一致,具体可参见上文中的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种待预警车辆筛选方法,其特征在于,所述方法包括:
获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息;
根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态;
根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述筛选规则包括根据所述车辆运行参数之间的相互关系;
其中,所述根据所述主车的车辆信息和每个所述远车的车辆信息,采用预设的筛选规则从多个所述远车中筛选出待预警车辆之前,还包括:
根据初始初筛半径获取所述主车周边的远车初始数量;
若所述初始数量小于或等于预设的远车数量阈值,则将所述初始初筛半径确定为所述初筛半径;所述初筛半径大于或等于预设的初筛半径阈值;
若所述初始数量大于所述远车数量阈值,则缩小所述初始初筛半径,并获取缩小后的初始初筛半径范围内的所述远车的调整数量;并判断所述调整数量是否小于或等于所述远车数量阈值;若是,则确定所述缩小后的初始初筛半径为所述初筛半径;若否,则再次缩小所述初始初筛半径,直至所述初始初筛半径范围内的远车的数量小于或等于所述远车数量阈值,并将最后一次缩小得到的初始初筛半径作为所述初筛半径。
2.根据权利要求1所述的方法,其特征在于,所述筛选规则包括以下至少一个规则:
第一筛选规则包括:两车的质心距离大于所述初筛半径;
第二筛选规则包括:两车的质心连线向量与两车的相对运动轨迹向量的夹角为直角或钝角,且两车的质心距离大于预设的预警半径;
第三筛选规则包括:主车的行驶速度小于或等于预设的安全时速阈值,远车相对于主车的相对行驶速度小于或等于所述安全时速阈值,且主车和远车的质心距离大于所述预警半径。
3.根据权利要求2所述的方法,其特征在于,所述车辆信息包括用于表征车辆行驶状态的行驶速度、行驶加速度、偏航角和车速方向角,以及用于表征车辆的物理属性信息的质心坐标、前轮轴线、后轮轴线和前轮转角中的至少一个。
4.根据权利要求3所述的方法,其特征在于,所述根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数,包括:
将所述主车的车辆信息和所述远车的车辆信息分别带入离散化的运动学自行车模型,得到所述主车的运动方程和所述远车的运动方程;
根据所述主车的运动方程和所述远车的运动方程,确定各时刻的所述车辆运行参数;
所述车辆运行参数包括:所述主车和所述远车的质心连线向量、所述主车和所述远车的质心距离、所述远车的相对运动轨迹向量、所述主车的行驶速度和所述远车的行驶速度中的至少一个。
5.根据权利要求4所述的方法,其特征在于,所述筛选规则包括第一筛选规则;所述根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆,包括:
将所述质心距离满足所述第一筛选条件的远车确定为安全车辆,从而得到所述待预警车辆。
6.根据权利要求4所述的方法,其特征在于,所述筛选规则包括第二筛选规则;所述根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆,包括:
根据所述质心连线向量和所述相对运动轨迹向量,确定所述质心连线向量和所述相对运动轨迹向量的夹角;
将所述质心连线向量与所述相对运动轨迹向量的夹角,和所述质心距离均满足所述第二筛选规则的远车确定为安全车辆,从而得到所述待预警车辆。
7.根据权利要求4所述的方法,其特征在于,所述筛选规则包括第三筛选规则;所述根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆,包括:
将所述质心距离、所述主车的行驶速度和所述相对行驶速度满足所述第三筛选规则的远车确定为安全车辆,从而得到待预警车辆。
8.根据权利要求1至2任一项所述的方法,其特征在于,所述根据所述主车的车辆信息和每个所述远车的车辆信息,采用预设的筛选规则从多个所述远车中筛选出待预警车辆之前,还包括:
获取所述主车所处的道路对应的道路信息;所述道路信息用于表征所述道路上车辆分布的密集程度;
根据所述道路信息调整预设的初始初筛半径,得到所述初筛半径;所述初筛半径大于或等于预设的初筛半径阈值。
9.根据权利要求8所述的方法,其特征在于,所述根据所述道路信息调整初始初筛半径,得到所述初筛半径,包括:
若所述道路信息为车辆密集道路,则减少所述初始初筛半径,得到所述初筛半径;
若所述道路信息为车辆稀疏道路,则增加所述初始初筛半径,得到所述初筛半径。
10.根据权利要求2所述的方法,其特征在于,所述根据所述主车的车辆信息和每个所述远车的车辆信息,采用预设的筛选规则从多个所述远车中筛选出待预警车辆之前,包括:
根据所述主车的质心坐标、所述主车的前轮轴线和所述主车的后轮轴线,将所述主车周围的区域划分为多个子区域;
根据所述主车的车头方向和所述远车的车头方向,确定所述远车相对于主车的车头方向夹角;
根据所述远车的质心坐标在所述子区域中的分布和所述车头方向夹角,确定所述预警半径。
11.根据权利要求10所述的方法,其特征在于,所述子区域包括:
右前方子区域、右侧子区域、正前方子区域、左前方子区域、左侧子区域、左后方子区域、正后方子区域和右后方子区域。
12.根据权利要求11所述的方法,其特征在于,所述根据所述远车的质心坐标在所述子区域中的分布和所述车头方向夹角,确定所述远车对应的预警半径,包括:
根据子区域、预警半径确定公式和车头方向夹角的对应关系确定所述预警半径。
13.根据权利要求12所述的方法,其特征在于,所述子区域、预警半径确定公式和车头方向夹角的对应关系如表1所示,包括:当子区域为右前方子区域,Rw,θrel∈[0°,180°)∪(270°,360°]时,Rw,θrel∈[180°,270°]时,当子区域为右侧子区域,Rw,θrel∈[0°,60°)∪[300°,360°]时,Rw,θrel∈(120°,240°)时,Rw,θrel∈[60°,120°]∪[240°,300°]时,当子区域为正前方子区域,Rw,θrel∈[60°,120°]时,Rw=Lf,A+Lr,B;Rw,θrel∈[240°,300°]时,Rw=Lf,A+Lf,B;Rw,θrel∈[0°,60°)∪(120°,240°)∪[300°,360°]时,当子区域为左前方子区域,Rw,θrel∈(0°,270°)时,Rw,θrel∈[270°,360°]时,当子区域为左侧子区域,Rw,θrel∈(120°,240°)时,Rw,θrel∈[0°,60°)∪[300°,360°]时,Rw,θrel∈[60°,120°]∪[240°,300°]时,当子区域为左后方子区域,Rw,θrel∈(0°,270°)时,Rw,θrel∈[270°,360°]时,当子区域为正后方子区域,Rw,θrel∈[60°,120°]时,Rw=Lr,A+Lf,B;Rw,θrel∈[240°,300°]时,Rw=Lr,A+Lr,B;Rw,θrel∈[0°,60°)∪[300°,360°]时,当子区域为右后方子区域,Rw,θrel∈[0°,180°)∪(270°,360°]时,Rw,θrel∈[180°,270°]时,其中,Rw为预警半径,θrel为所述车头方向夹角,Lf,A为所述主车的质心坐标与所述主车的前轮轴线的垂直距离,Lr,A为所述主车的质心坐标与所述主车的后轮轴线的垂直距离,Lf,B为所述远车的质心坐标与所述远车的前轮轴线的垂直距离,Lr,B为所述远车的质心坐标与所述远车的后轮轴线的垂直距离,WA为所述主车的宽度,WB为所述远车的宽度;ΔL为预留距离。
14.一种待预警车辆筛选装置,其特征在于,所述装置包括:
获取模块,用于获取主车的车辆信息和多个远车的车辆信息;所述车辆信息用于表征车辆的行驶状态和物理属性信息;
处理模块,用于根据所述主车的车辆信息和多个所述远车的车辆信息,获取车辆运行参数,并根据所述车辆运行参数,采用预设的筛选规则从多个所述远车中筛选出待预警车辆;所述车辆运行参数用于描述所述主车和所述远车的运动轨迹状态,所述筛选规则包括根据所述车辆运行参数之间的相对关系;
其中,所述处理模块,还用于根据初始初筛半径获取所述主车周边的远车初始数量;在所述初始数量小于或等于预设的远车数量阈值的情况下,将所述初始初筛半径确定为所述初筛半径;所述初筛半径大于或等于预设的初筛半径阈值;在所述初始数量大于所述远车数量阈值的情况下,缩小所述初始初筛半径,并获取缩小后的初始初筛半径范围内的所述远车的调整数量;并判断所述调整数量是否小于或等于所述远车数量阈值;在所述调整数量小于或等于所述远车数量阈值的情况下,确定所述缩小后的初始初筛半径为所述初筛半径;在所述调整数量大于所述远车数量阈值的情况下,再次缩小所述初始初筛半径,直至所述初始初筛半径范围内的远车的数量小于或等于所述远车数量阈值,并将最后一次缩小得到的初始初筛半径作为所述初筛半径。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至13中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910293406.6A CN111806457B (zh) | 2019-04-12 | 2019-04-12 | 待预警车辆筛选方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910293406.6A CN111806457B (zh) | 2019-04-12 | 2019-04-12 | 待预警车辆筛选方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111806457A CN111806457A (zh) | 2020-10-23 |
CN111806457B true CN111806457B (zh) | 2021-07-30 |
Family
ID=72843719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910293406.6A Active CN111806457B (zh) | 2019-04-12 | 2019-04-12 | 待预警车辆筛选方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111806457B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462764B (zh) * | 2020-11-20 | 2023-11-24 | 北京欣奕华科技有限公司 | 车辆约束图的构建方法及装置 |
CN115035630A (zh) * | 2021-03-05 | 2022-09-09 | 广州汽车集团股份有限公司 | 一种车辆预警提示处理方法、车载控制器及存储介质 |
CN115547099A (zh) * | 2021-06-30 | 2022-12-30 | 中兴通讯股份有限公司 | 预警方法、电子设备和计算机可读存储介质 |
CN113793535B (zh) * | 2021-09-15 | 2022-06-21 | 智道网联科技(北京)有限公司 | 并存交通风险的告警方法、装置和计算机可读存储介质 |
CN113822487A (zh) * | 2021-09-29 | 2021-12-21 | 一汽出行科技有限公司 | 运营车辆的风险预警方法、装置、存储介质及计算机设备 |
CN116935693A (zh) * | 2022-03-31 | 2023-10-24 | 中兴终端有限公司 | 碰撞预警方法、车载终端及存储介质 |
CN115830906B (zh) * | 2022-08-25 | 2024-04-05 | 广州汽车集团股份有限公司 | 安全预警方法、装置、车辆及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108029125A (zh) * | 2015-09-11 | 2018-05-11 | 华为技术有限公司 | 一种通信设备以及用于v2x通信的方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7409295B2 (en) * | 2004-08-09 | 2008-08-05 | M/A-Com, Inc. | Imminent-collision detection system and process |
JP4862693B2 (ja) * | 2007-02-28 | 2012-01-25 | トヨタ自動車株式会社 | 通信システム、端末機及び車載機 |
CN105761546B (zh) * | 2014-12-16 | 2018-06-12 | 中国移动通信集团公司 | 一种车辆防碰撞的方法、装置和系统 |
CN104882025B (zh) * | 2015-05-13 | 2017-02-22 | 东华大学 | 一种基于车联网技术的碰撞检测预警方法 |
US10473793B2 (en) * | 2017-01-19 | 2019-11-12 | Ford Global Technologies, Llc | V2V collaborative relative positioning system |
CN107591025A (zh) * | 2017-08-30 | 2018-01-16 | 千寻位置网络有限公司 | 车辆行驶的预警方法及系统、服务器、汽车终端、存储器 |
KR101944478B1 (ko) * | 2017-08-31 | 2019-01-31 | 김정섭 | 자율주행자동차가 시스템우선모드로 구동됨을 외부 차량으로 알리기 위한 자율주행표시장치 및 방법 |
US10902726B2 (en) * | 2018-08-23 | 2021-01-26 | Intel Corporation | Rogue vehicle detection and avoidance |
CN109584633A (zh) * | 2018-12-17 | 2019-04-05 | 安徽江淮汽车集团股份有限公司 | 一种基于v2x技术的车辆碰撞预警场景实现系统和方法 |
-
2019
- 2019-04-12 CN CN201910293406.6A patent/CN111806457B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108029125A (zh) * | 2015-09-11 | 2018-05-11 | 华为技术有限公司 | 一种通信设备以及用于v2x通信的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111806457A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111816003B (zh) | 车辆预警方法、装置和计算机设备 | |
CN111806457B (zh) | 待预警车辆筛选方法、装置和计算机设备 | |
EP3524934B1 (en) | Systems and methods for determining a projection of an obstacle trajectory onto a reference line of an autonomous vehicle | |
US11225247B2 (en) | Collision prediction and avoidance for vehicles | |
US10816990B2 (en) | Non-blocking boundary for autonomous vehicle planning | |
US11001256B2 (en) | Collision prediction and avoidance for vehicles | |
US10948919B2 (en) | Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles | |
US10515321B2 (en) | Cost based path planning for autonomous driving vehicles | |
US10606277B2 (en) | Speed optimization based on constrained smoothing spline for autonomous driving vehicles | |
US10571921B2 (en) | Path optimization based on constrained smoothing spline for autonomous driving vehicles | |
US11348339B2 (en) | Association and tracking for autonomous devices | |
US10591926B2 (en) | Smooth road reference for autonomous driving vehicles based on 2D constrained smoothing spline | |
EP3474254B1 (en) | Surrounding environment recognition device | |
US11774975B2 (en) | Collision zone detection for vehicles | |
US20190079523A1 (en) | Dp and qp based decision and planning for autonomous driving vehicles | |
US20220135029A1 (en) | Allocation of safety system resources based on probability of intersection | |
CN110109449B (zh) | 速度规划方法、装置、计算机设备和存储介质 | |
CN112829742B (zh) | 乘员安全决策方法和装置 | |
WO2018066133A1 (ja) | 車両判定方法、走行経路補正方法、車両判定装置、及び走行経路補正装置 | |
CN114945959B (zh) | 行驶轨迹确定方法、装置、计算机设备和存储介质 | |
CN112991723B (zh) | 一种基于地理区域的智能网联计算机任务并行颗粒度的划分方法、系统及终端 | |
JP7397408B2 (ja) | 車両制御装置 | |
WO2024051188A1 (zh) | 一种车辆行驶路面坡度预测方法、系统及其车辆 | |
CN115218902B (zh) | 一种轨迹规划方法、装置、设备及存储介质 | |
EP4148388A1 (en) | Vehicle localization to map data |
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 |