CN113173161B - 一种基于迭代预测模型的障碍物碰撞距离计算方法 - Google Patents
一种基于迭代预测模型的障碍物碰撞距离计算方法 Download PDFInfo
- Publication number
- CN113173161B CN113173161B CN202110456171.5A CN202110456171A CN113173161B CN 113173161 B CN113173161 B CN 113173161B CN 202110456171 A CN202110456171 A CN 202110456171A CN 113173161 B CN113173161 B CN 113173161B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- distance
- collision
- prediction model
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种基于迭代预测模型的障碍物碰撞距离计算方法,涉及车辆智能驾驶技术领域。本发明通过自动驾驶系统中的感知模块实时反馈的障碍物信息,实时计算并迭代障碍物离自身车辆的直线距离,障碍物离自身车辆行驶轨道的距离,障碍物离自身车辆的碰撞距离以及障碍物离自身车辆的碰撞时间;从而为自动驾驶系统上层360度局部避障系统和决策控制提供强有力的依据。
Description
技术领域
本发明属于车辆智能驾驶技术领域,特别是涉及一种基于迭代预测模型的障碍物碰撞距离计算方法。
背景技术
目前关于障碍物碰撞距离DTC的计算,部分智能泊车系统将直接采用12路超声波或者环视摄像头所探测到的障碍物离自身车辆的直线距离DTV作为碰撞距离DTC,即DTC=DTV,部分中高速自动驾驶系统亦是直接采用毫米波雷达或者前视摄像头所探测到的障碍物离自身车辆的直线距离DTV作为碰撞距离DTC。
现有技术一的优势在于无需通过其他途径再度获取障碍物的碰撞距离,降低了软件或者算法的复杂度,改善了模型的运行和计算效率,但同时也在一定程度上牺牲了碰撞距离精确计算的目的。若车辆直线前进或者直线倒退的情况下,障碍物离自身车辆的最短直线距离DTV实际上的确与障碍物的碰撞距离DTC是等价的,但是当车辆转弯时,以右侧转弯并前进为例,如图1所示,事实上障碍物离自身车辆的碰撞距离DTC与障碍物离自身车辆的直线距离并不等价。因此此时为了实现低速以及中高速自动驾驶系统的精确控制,障碍物离自身车辆的碰撞距离DTC的重新计算是非常有必要的,而且可以在一定程度上保障自动驾驶系统的安全可靠性。
发明内容
本发明的目的在于提供一种基于迭代预测模型的障碍物碰撞距离计算方法,以解决上述提出的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种基于迭代预测模型的障碍物碰撞距离计算方法,包括如下步骤:
Stp1、根据感知层的模块反馈的障碍物信息,判断自身车辆周围是否存在障碍物;若不存在障碍物,则根据车速状况设置障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A,并在Stp1中进行循环;
若存在障碍物,则执行步骤Stp2;
Stp2、建立车辆边界模型;
Stp3、构建车辆姿态模型,作为迭代预测模型的输入量;
Stp4、迭代预测模型激活,确定迭代预测模型的输出量更新频率;
Stp5、根据一个循环时间之后的车辆边界点坐标信息与自身车辆周边障碍物的坐标信息进行对比,判断是否已发生碰撞行为;若未发生碰撞行为,则进入Stp6;若发生碰撞行为,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间设置到默认值B,并直接进入步骤Stp9;
Stp6、迭代预测模型将记录当前时刻下的障碍物离车辆的直线距离;
Stp7、判断迭代预测模型中预测的车辆行驶距离是否超过既设的阈值、和判断迭代预测模型的运行时间是否超过既设的阈值;
若迭代预测模型中预测的车辆行驶距离并未超过既设的阈值并且迭代预测模型的运行时间也没有超过既设的阈值,则返回至Stp5;
若迭代预测模型中预测的车辆行驶距离已超过既设的阈值或者迭代预测模型的运行时间已超过既设的阈值,则进入步骤Stp8;
Stp8、判断是否存在碰撞行为,重新根据车速状况设置障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值C,
Stp9、结束当前迭代预测模型。
进一步地,在所述Stp1中;
当车辆车速低于30km/h时,此时车辆处于低速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为5m、5m、5m和60s;
当车辆车速处于30-70km/h时,此时车辆处于中速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为60m、60m、60m和10min;
当车辆车速大于等于70km/h时,此时车辆处于高速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为200m、200m、200m和30min。
进一步地,在所述Stp2中的,车辆边界模型的建立是以车辆后轴中心点O为坐标原点,车辆前进方向为x轴,右手螺旋准则定义y轴,并根据车辆尺寸参数,依次构建车辆左前角点A点的坐标,右前角点B点的坐标,右后角点C点的坐标,左后角点D点的坐标。
进一步地,在所述Stp3中,迭代预测模型的输入量包括转弯半径、车速和轮速;
其中,所述转弯半径由当前时刻的方向盘转角以及转向传动比计算前轮转角,并综合车辆轴距计算当前车辆的转弯半径作为迭代预测模型的输入量;
其中,所述车速,当当前车速不等于0,以当前时刻的车速作为迭代预测模型的输入量,若当前车速为0,则将用车速默认值xkm/h作为迭代预测模型的输入量;
其中,所述轮速,若当前的轮速不等于0,即以当前时刻的四个轮速作为迭代预测模型的输入量,若当前轮速为0,则将根据默认的车速值xkm/h换算到四个车轮上,作为迭代预测模型的输入量。
进一步地,所述车速默认值的取值范围为1-100km/h。
进一步地,所述Stp4中软件采用软件的循环时间10ms作为迭代预测模型的输出量更新频率;
同时迭代预测模型将根据当前的车辆姿态模型和当前的车辆边界模型,预测10ms之后的车辆姿态模型和车辆边界坐标点,并反馈车辆预测的行驶距离信息。
进一步地,所述迭代预测模型的输出量有:
车辆左前角点A点在10ms后的坐标点、车辆右前角点B点在10ms后的坐标点、车辆右后角点C点在10ms后的坐标点、车辆左后角点D点在10ms后的坐标点、迭代预测模型返回的车辆预测累计时间信息、迭代预测模型返回的车辆预测累计行驶距离信息、障碍物离车辆的直线距离信息、障碍物与车辆行驶轨道的距离信息、障碍物与车辆的碰撞距离信息和障碍物与车辆的碰撞时间信息
进一步地,在所述Stp5中,默认值B的设定包括:将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离设置为0,
将车辆预测累计行驶距离信息设置为障碍物与车辆的碰撞距离;
当车辆初始姿态的时速为0返时,将默认值A对应的碰撞时间设置为此时的碰撞时间,若车辆初始姿态的时速不为0,则将碰撞距离除以时速设置为碰撞时间。
进一步地,在所述Stp7中:
对于全自动泊车系统而言,车辆行驶距离的阈值设为1.5m运行时间的阈值设为15s;
对于低速自动驾驶系统而言,车辆行驶距离的阈值设为5m,运行时间的阈值设为1min;
对于中高速自动驾驶系统而言,车辆行驶距离的阈值设为60m或者100m,运行时间的阈值设为12min或20min。
进一步地,在所述Stp8中,默认值C的设置包括:
若存在碰撞行为,将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离设置为0,将发生碰撞行为时刻下的车辆预测累计行驶距离设置为障碍物与车辆的碰撞距离;若车辆初始姿态的时速为0,将默认值A对应的碰撞时间设置为此时的碰撞时间,若车辆初始姿态的时速不为0,则将碰撞距离除以时速设置为碰撞时间;
若不存在碰撞行为,则将默认值A对应的障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间作为此时的障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间;同时将在迭代预测模型记录下所有的障碍物距离车辆边界最短直线距离值中的最小值作为此时的障碍物与车辆行驶轨道的距离;同时将车辆初始姿态下的障碍物离车辆的直线距离设定为此时的障碍物离车辆的直线距离。
本发明具有以下有益效果:
(1)本发明根据自动驾驶系统中的感知模块实时反馈的障碍物信息,实时计算并迭代障碍物离自身车辆的直线距离,障碍物离自身车辆行驶轨道的距离,障碍物离自身车辆的碰撞距离以及障碍物离自身车辆的碰撞时间;从而为自动驾驶系统上层360度局部避障系统和决策控制提供强有力的依据。
(2)本发明通过构建障碍物与自身车辆碰撞距离快速准确计算的模型,从而可以快速反馈障碍物与自身车辆的碰撞距离DTC以及障碍物与自身车辆的碰撞时间。
(3)本发明提出一种障碍物与自身车辆行驶轨道的距离概念,通过迭代预测模型机制,以初始姿态下的车辆边界模型和车辆姿态模型,实时预测出障碍物离自身行驶轨道的距离;该距离可以辅助自动驾驶系统上层局部防撞路径规划以及决策系统,在一定程度上弥补了碰撞距离DTC和感知层障碍物定位误差的缺陷,并很大程度上改善了自动驾驶系统的安全性和可靠性.
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,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为本发明障碍物碰撞距离计算方法流程图;
图2为本发明自身车辆右转弯前进行驶工况下感兴趣区域示意图;
图3本发明为自身车辆右转弯前进行驶工况下迭代预测模型示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-2所示,以自身车辆右转弯并前进行驶的工况为例,本发明为一种基于迭代预测模型的障碍物碰撞距离计算方法,包括如下步骤:
Stp1、根据感知层的模块反馈的障碍物信息,判断自身车辆周围是否存在障碍物;若不存在障碍物,则根据车速状况设置障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A,并在Stp1中进行循环;
若存在障碍物,则执行步骤Stp2;
Stp2、建立车辆边界模型;
Stp3、构建车辆姿态模型,作为迭代预测模型的输入量;
Stp4、迭代预测模型激活,确定迭代预测模型的输出量更新频率;
Stp5、根据一个循环时间之后的车辆边界点坐标信息与自身车辆周边障碍物的坐标信息进行对比,判断是否已发生碰撞行为;若未发生碰撞行为,则进入Stp6;若发生碰撞行为,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间设置到默认值B,并直接进入步骤Stp9;
Stp6、迭代预测模型将记录当前时刻下的障碍物离车辆的直线距离;
Stp7、判断迭代预测模型中预测的车辆行驶距离是否超过既设的阈值、和判断迭代预测模型的运行时间是否超过既设的阈值;
若迭代预测模型中预测的车辆行驶距离并未超过既设的阈值并且迭代预测模型的运行时间也没有超过既设的阈值,则返回至Stp5;
若迭代预测模型中预测的车辆行驶距离已超过既设的阈值或者迭代预测模型的运行时间已超过既设的阈值,则进入步骤Stp8;
Stp8、判断是否存在碰撞行为,重新根据车速状况设置障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值C,
Stp9、结束当前迭代预测模型。
进一步地,在所述Stp1中;
当车辆车速低于30km/h时,此时车辆处于低速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为5m、5m、5m和60s;
当车辆车速处于30-70km/h时,此时车辆处于中速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为60m、60m、60m和10min;
当车辆车速大于等于70km/h时,此时车辆处于高速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为200m、200m、200m和30min。
进一步地,在所述Stp2中的,车辆边界模型的建立是以车辆后轴中心点O为坐标原点,车辆前进方向为x轴,右手螺旋准则定义y轴,并根据车辆尺寸参数,依次构建车辆左前角点A点的坐标,右前角点B点的坐标,右后角点C点的坐标,左后角点D点的坐标。
进一步地,在所述Stp3中,迭代预测模型的输入量包括转弯半径、车速和轮速;
其中,所述转弯半径由当前时刻的方向盘转角以及转向传动比计算前轮转角,并综合车辆轴距计算当前车辆的转弯半径作为迭代预测模型的输入量;
其中,所述车速,当当前车速不等于0,以当前时刻的车速作为迭代预测模型的输入量,若当前车速为0,则将用车速默认值xkm/h作为迭代预测模型的输入量;
其中,所述轮速,若当前的轮速不等于0,即以当前时刻的四个轮速作为迭代预测模型的输入量,若当前轮速为0,则将根据默认的车速值xkm/h换算到四个车轮上,作为迭代预测模型的输入量。
进一步地,所述车速默认值的取值范围为1-100km/h。
进一步地,所述在所述Stp4中将以软件的操作系统时间,常规采用软件的循环时间10ms作为迭代预测模型的输出量更新频率;
同时迭代预测模型将根据当前的车辆姿态模型和当前的车辆边界模型,预测10ms之后的车辆姿态模型和车辆边界坐标点,并反馈车辆预测的行驶距离信息。
进一步地,所述迭代预测模型的输出量有:
车辆左前角点A点在10ms后的坐标点、车辆右前角点B点在10ms后的坐标点、车辆右后角点C点在10ms后的坐标点、车辆左后角点D点在10ms后的坐标点、迭代预测模型返回的车辆预测累计时间信息、迭代预测模型返回的车辆预测累计行驶距离信息、障碍物离车辆的直线距离信息、障碍物与车辆行驶轨道的距离信息、障碍物与车辆的碰撞距离信息和障碍物与车辆的碰撞时间信息
进一步地,在所述Stp5中,默认值B的设定包括:将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离设置为0,
将车辆预测累计行驶距离信息设置为障碍物与车辆的碰撞距离;
当车辆初始姿态的时速为0返时,将默认值A对应的碰撞时间设置为此时的碰撞时间,若车辆初始姿态的时速不为0,则将碰撞距离除以时速设置为碰撞时间。
进一步地,在所述Stp7中:
对于全自动泊车系统而言,车辆行驶距离的阈值设为1.5m运行时间的阈值设为15s;
对于低速自动驾驶系统而言,车辆行驶距离的阈值设为5m,运行时间的阈值设为1min;
对于中高速自动驾驶系统而言,车辆行驶距离的阈值设为60m或者100m,运行时间的阈值设为12min或20min。
进一步地,在所述Stp8中,默认值C的设置包括:
若存在碰撞行为,将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离设置为0,将发生碰撞行为时刻下的车辆预测累计行驶距离设置为障碍物与车辆的碰撞距离;若车辆初始姿态的时速为0,将默认值A对应的碰撞时间设置为此时的碰撞时间,若车辆初始姿态的时速不为0,则将碰撞距离除以时速设置为碰撞时间;
若不存在碰撞行为,则将默认值A对应的障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间作为此时的障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间;同时将在迭代预测模型记录下所有的障碍物距离车辆边界最短直线距离值中的最小值作为此时的障碍物与车辆行驶轨道的距离;同时将车辆初始姿态下的障碍物离车辆的直线距离设定为此时的障碍物离车辆的直线距离。
在本发明中,以自身车辆右转弯并前进行驶的工况为例,如图2所示,针对障碍物离自身车辆的碰撞距离DTC的计算将只针对感兴趣的区域(图2所示的In Scope)进行计算;在该模型中,迭代预测模型的方式将基于自身车辆当前的车辆信息,如车辆行驶方向,车辆方向盘转角,车辆行驶时速,当前感知系统反馈的障碍物信息等,通过迭代预测模型的方式来实时计算自身车辆按照当前车辆姿态继续行驶一定时间或一定距离的车辆姿态和车辆边界模型的预测,经过多次迭代后的车辆运动模型示意图如图3所示。
同时对于自身车辆左转弯并前进行驶的工况,自身车辆右转弯并倒退行驶的工况以及自身车辆左转弯并倒退行驶的工况均与自身车辆右转弯并前进行驶的工况迭代预测模型理论一致。因此上述以自身车辆右转弯并前进行驶的工况为例。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于:包括如下步骤:
Stp1、根据感知层的模块反馈的障碍物信息,判断自身车辆周围是否存在障碍物;若不存在障碍物,则根据车速状况设置障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A,并在Stp1中进行循环;
若存在障碍物,则执行步骤Stp2;
Stp2、建立车辆边界模型;
Stp3、构建车辆姿态模型,作为迭代预测模型的输入量;
Stp4、迭代预测模型激活,确定迭代预测模型的输出量更新频率;
Stp5、根据一个循环时间之后的车辆边界点坐标信息与自身车辆周边障碍物的坐标信息进行对比,判断是否已发生碰撞行为;若未发生碰撞行为,则进入Stp6;若发生碰撞行为,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间设置到默认值B,并直接进入步骤Stp9;
Stp6、迭代预测模型将记录当前时刻下的障碍物离车辆的直线距离;
Stp7、判断迭代预测模型中预测的车辆行驶距离是否超过既设的阈值、和判断迭代预测模型的运行时间是否超过既设的阈值;
若迭代预测模型中预测的车辆行驶距离并未超过既设的阈值并且迭代预测模型的运行时间也没有超过既设的阈值,则返回至Stp5;
若迭代预测模型中预测的车辆行驶距离已超过既设的阈值或者迭代预测模型的运行时间已超过既设的阈值,则进入步骤Stp8;
Stp8、判断是否存在碰撞行为,重新根据车速状况设置障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值C,
Stp9、结束当前迭代预测模型。
2.根据权利要求1所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,在所述Stp1中;
当车辆车速低于30km/h时,此时车辆处于低速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为5m、5m、5m和60s;
当车辆车速处于30-70km/h时,此时车辆处于中速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为60m、60m、60m和10min;
当车辆车速大于等于70km/h时,此时车辆处于高速状态,则将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离、障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间的默认值A分别设置为200m、200m、200m和30min。
3.根据权利要求1所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,在所述Stp2中的,车辆边界模型的建立是以车辆后轴中心点O为坐标原点,车辆前进方向为x轴,右手螺旋准则定义y轴,并根据车辆尺寸参数,依次构建车辆左前角点A点的坐标,右前角点B点的坐标,右后角点C点的坐标,左后角点D点的坐标。
4.根据权利要求1所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,在所述Stp3中,迭代预测模型的输入量包括转弯半径、车速和轮速;
其中,所述转弯半径由当前时刻的方向盘转角以及转向传动比计算前轮转角,并综合车辆轴距计算当前车辆的转弯半径作为迭代预测模型的输入量;
其中,所述车速,当当前车速不等于0,以当前时刻的车速作为迭代预测模型的输入量,若当前车速为0,则将用车速默认值xkm/h作为迭代预测模型的输入量;
其中,所述轮速,若当前的轮速不等于0,即以当前时刻的四个轮速作为迭代预测模型的输入量,若当前轮速为0,则将根据默认的车速值xkm/h换算到四个车轮上,作为迭代预测模型的输入量。
5.根据权利要求4所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,所述车速默认值的取值范围为1-100km/h。
6.根据权利要求1所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,所述Stp4中软件采用软件的循环时间10ms作为迭代预测模型的输出量更新频率;
同时迭代预测模型将根据当前的车辆姿态模型和当前的车辆边界模型,预测10ms之后的车辆姿态模型和车辆边界坐标点,并反馈车辆预测的行驶距离信息。
7.根据权利要求6所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,所述迭代预测模型的输出量有:
车辆左前角点A点在10ms后的坐标点、车辆右前角点B点在10ms后的坐标点、车辆右后角点C点在10ms后的坐标点、车辆左后角点D点在10ms后的坐标点、迭代预测模型返回的车辆预测累计时间信息、迭代预测模型返回的车辆预测累计行驶距离信息、障碍物离车辆的直线距离信息、障碍物与车辆行驶轨道的距离信息、障碍物与车辆的碰撞距离信息和障碍物与车辆的碰撞时间信息。
8.根据权利要求1所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,在所述Stp5中,默认值B的设定包括:将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离设置为0,
将车辆预测累计行驶距离信息设置为障碍物与车辆的碰撞距离;
当车辆初始姿态的时速为0返时,将默认值A对应的碰撞时间设置为此时的碰撞时间,若车辆初始姿态的时速不为0,则将碰撞距离除以时速设置为碰撞时间。
9.根据权利要求1所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,在所述Stp7中:
对于全自动泊车系统而言,车辆行驶距离的阈值设为1.5m,运行时间的阈值设为15s;
对于低速自动驾驶系统而言,车辆行驶距离的阈值设为5m,运行时间的阈值设为1min;
对于中高速自动驾驶系统而言,车辆行驶距离的阈值设为60m或者100m,运行时间的阈值设为12min或20min。
10.根据权利要求1所述的一种基于迭代预测模型的障碍物碰撞距离计算方法,其特征在于,在所述Stp8中,默认值C的设置包括:
若存在碰撞行为,将障碍物离车辆的直线距离、障碍物与车辆行驶轨道的距离设置为0,将发生碰撞行为时刻下的车辆预测累计行驶距离设置为障碍物与车辆的碰撞距离;若车辆初始姿态的时速为0,将默认值A对应的碰撞时间设置为此时的碰撞时间,若车辆初始姿态的时速不为0,则将碰撞距离除以时速设置为碰撞时间;
若不存在碰撞行为,则将默认值A对应的障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间作为此时的障碍物与车辆的碰撞距离和障碍物与车辆的碰撞时间;同时将在迭代预测模型记录下所有的障碍物距离车辆边界最短直线距离值中的最小值作为此时的障碍物与车辆行驶轨道的距离;同时将车辆初始姿态下的障碍物离车辆的直线距离设定为此时的障碍物离车辆的直线距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110456171.5A CN113173161B (zh) | 2021-04-26 | 2021-04-26 | 一种基于迭代预测模型的障碍物碰撞距离计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110456171.5A CN113173161B (zh) | 2021-04-26 | 2021-04-26 | 一种基于迭代预测模型的障碍物碰撞距离计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113173161A CN113173161A (zh) | 2021-07-27 |
CN113173161B true CN113173161B (zh) | 2022-07-05 |
Family
ID=76926402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110456171.5A Active CN113173161B (zh) | 2021-04-26 | 2021-04-26 | 一种基于迭代预测模型的障碍物碰撞距离计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113173161B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2938228A1 (fr) * | 2008-11-10 | 2010-05-14 | Peugeot Citroen Automobiles Sa | Procede de mesure de distance au moyen d'une camera embarquee dans un vehicule automobile |
EP3339806A1 (en) * | 2016-12-22 | 2018-06-27 | Gestalt Systems GmbH | Navigation for vehicle based on parallel processing to determine collision-free paths |
CN110356401A (zh) * | 2018-04-05 | 2019-10-22 | 北京图森未来科技有限公司 | 一种自动驾驶车辆及其变道控制方法和系统 |
CN111626164A (zh) * | 2020-05-15 | 2020-09-04 | 安徽江淮汽车集团股份有限公司 | 车辆碰撞信息获取方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10723351B1 (en) * | 2017-09-30 | 2020-07-28 | Physician Electronic Networks, L.L.C. | Collision prevention system |
-
2021
- 2021-04-26 CN CN202110456171.5A patent/CN113173161B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2938228A1 (fr) * | 2008-11-10 | 2010-05-14 | Peugeot Citroen Automobiles Sa | Procede de mesure de distance au moyen d'une camera embarquee dans un vehicule automobile |
EP3339806A1 (en) * | 2016-12-22 | 2018-06-27 | Gestalt Systems GmbH | Navigation for vehicle based on parallel processing to determine collision-free paths |
CN110356401A (zh) * | 2018-04-05 | 2019-10-22 | 北京图森未来科技有限公司 | 一种自动驾驶车辆及其变道控制方法和系统 |
CN111626164A (zh) * | 2020-05-15 | 2020-09-04 | 安徽江淮汽车集团股份有限公司 | 车辆碰撞信息获取方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113173161A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109976329B (zh) | 一种车辆避障换道路径的规划方法 | |
Papadimitriou et al. | Fast lane changing computations using polynomials | |
CN112810630B (zh) | 一种自动驾驶车辆轨迹规划方法及系统 | |
Zheng et al. | RRT based path planning for autonomous parking of vehicle | |
US11555927B2 (en) | System and method for providing online multi-LiDAR dynamic occupancy mapping | |
CN113895463B (zh) | 一种适用于自动驾驶车辆掉头的路径规划方法 | |
CN112965476A (zh) | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 | |
CN111679660A (zh) | 一种融合类人驾驶行为的无人驾驶深度强化学习方法 | |
US20230063845A1 (en) | Systems and methods for monocular based object detection | |
CN115257724A (zh) | 一种插电式混动汽车安全节能决策控制方法和系统 | |
CN115077553A (zh) | 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质 | |
CN114516331B (zh) | 车辆换道控制方法、装置和电子设备 | |
CN113276840B (zh) | 一种方向盘反向控制方法、自动泊车系统和车辆 | |
CN114488185A (zh) | 基于多线激光雷达的机器人导航系统方法及系统 | |
CN113173161B (zh) | 一种基于迭代预测模型的障碍物碰撞距离计算方法 | |
CN116872915A (zh) | 一种基于遗传算法的自动泊车多目标自适应轨迹优化方法 | |
Garrido et al. | A two-stage real-time path planning: application to the overtaking manuever | |
CN116052469A (zh) | 一种基于车路协同轨迹预测的车辆碰撞预警方法 | |
CN111176285B (zh) | 一种行进路径规划的方法及装置、车辆、可读存储介质 | |
Zhang et al. | Motion planning in lane change scenario for autonomous vehicles | |
Li et al. | An Efficient Sampling-Based Hybrid A* Algorithm for Intelligent Vehicles | |
CN114967710A (zh) | 基于控制点拟合多项式自动驾驶避障路径规划系统及方法 | |
CN117406754B (zh) | 一种物流机器人环境感知与避障方法及系统 | |
Liu et al. | Gaussian Process-Based Model Predictive Control for Overtaking | |
CN116185041A (zh) | 一种无人物流车绕障方法及系统 |
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 |