CN114104000B - 一种危险场景的评估与处理系统、方法及存储介质 - Google Patents
一种危险场景的评估与处理系统、方法及存储介质 Download PDFInfo
- Publication number
- CN114104000B CN114104000B CN202111537671.8A CN202111537671A CN114104000B CN 114104000 B CN114104000 B CN 114104000B CN 202111537671 A CN202111537671 A CN 202111537671A CN 114104000 B CN114104000 B CN 114104000B
- Authority
- CN
- China
- Prior art keywords
- dangerous
- vehicle
- scene
- road
- level
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 title description 11
- 230000033001 locomotion Effects 0.000 claims abstract description 78
- 230000006399 behavior Effects 0.000 claims abstract description 53
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 10
- 238000003672 processing method Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000005516 engineering process Methods 0.000 description 6
- 230000001788 irregular Effects 0.000 description 4
- 206010000117 Abnormal behaviour Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 201000009487 Amblyopia Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 108010015780 Viral Core Proteins Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B60W2420/408—
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Abstract
本申请提供了一种危险场景的评估与处理系统、方法及存储介质。本申请通过预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,从而在受控车辆实际行驶过程中,可以将受控车辆的运动场景与标定危险场景进行比较,提前做好预判;并对存在危险的运动场景提前确认危险等级,从而进行主动规避,便于实现安全驾驶。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种基于相邻交通环境的危险场景的评估与处理系统、方法及存储介质。
背景技术
随着科技的发展和汽车技术的迅猛发展,车辆自动驾驶技术逐渐走进人们的生活,越来越多的支持L3级别自动驾驶的车辆从概念走向量产。环境感知、运动预测规划、运动决策控制是智能驾驶技术中的三大核心技术。自动驾驶系统配备了众多传感器并采用多重冗余,一定程度上保证了车辆的控制性能和驾驶能力。
在路况良好、环境单一的场景中,自动驾驶系统的可信赖性比较高。然而在一些环境复杂的场景中,由于其它交通参与者的异常行为(比如事故、违章驾驶、乱穿马路等等),对于正常驾驶的自动驾驶车辆构成了巨大的威胁;同时,若这种异常行为是突然发生的,则自动驾驶系统往往很难做到迅速的风险控制,很容易造成交通事故。
发明名称为“用于汽车防碰撞的方法、装置及汽车”、公告号为“CN105620476B”的发明专利揭示了如下技术方案:通过卫星定位装置和云端存储系统协同工作下,计算得到本车与前后车辆在电子地图上的位置,产生预警碰撞的信号;该专利揭示的方法对于车辆的瞬时制动会因为天气问题和通信设备信号延迟问题产生不可控影响。
发明名称为“用于防止与车辆碰撞的装置和方法”、公告号为“CN104176052B”的发明专利揭示了如下技术方案:在本车与前方车辆有可能发生碰撞且车辆两侧都有车的情况下产生碰撞预警或者刹车制动,在车辆左后方或者右后方在有车的情况下启动转向制动;该专利揭示的方法没有涉及当前方无危险而车体左右两侧有危险时可能的情况,也没有涉及出车辆以外的其它交通参与者的异常行为的情况。
因此,有必要对现有技术进行改善,以对突发危险情况进行规避,最大限度的保证自动驾驶车辆的行驶安全。
发明内容
本申请的目的在于,提供一种危险场景的评估与处理系统、方法及存储介质,可以提前确认危险等级并进行主动规避,最大限度的保证自动驾驶车辆的行驶安全。
为实现上述目的,本申请第一实施例提供了一种危险场景的评估与处理系统,所述系统包括:预处理模块,用于预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,其中,所述标定危险场景包括第一危险等级的车辆危险场景和第二危险等级的道路弱势使用者危险场景,且所述第一危险等级的危险性高于所述第二危险等级的危险性;感知模组,用于实时检测受控车辆的运动状态以及周围环境状态,其中,所述周围环境状态包括周围车辆状态以及周围道路弱势使用者状态;自动驾驶控制器,用于通过总线接收所述运动状态以及周围环境状态获取所述受控车辆的运动场景,将所述运动场景与所述标定危险场景进行比较,并在判定存在与所述运动场景相匹配的标定危险场景时获取所述运动场景的危险等级,进而产生相应的控制指令;自动驾驶执行器,用于通过总线接收并执行所述控制指令,从而控制所述受控车辆进行危险规避。
为实现上述目的,本申请第二实施例提供了一种危险场景的评估与处理方法,其采用本申请所述的危险场景的评估与处理系统,所述方法包括如下步骤:预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,其中,所述标定危险场景包括第一危险等级的车辆危险场景和第二危险等级的道路弱势使用者危险场景,且所述第一危险等级的危险性高于所述第二危险等级的危险性;实时检测受控车辆的的运动状态以及周围环境状态,其中,所述周围环境状态包括周围车辆状态以及周围道路弱势使用者状态;根据所述运动状态以及周围环境状态获取所述受控车辆的运动场景;将所述运动场景与所述标定危险场景进行比较,并在判定存在与所述运动场景相匹配的标定危险场景时获取所述运动场景的危险等级,进而产生相应的控制指令;接收并执行所述控制指令,从而控制所述受控车辆进行危险规避。
为实现上述目的,本申请第三实施例提供了一种计算机可读存储介质,所述存储介质存储有计算机可执行程序,所述计算机可执行程序在被处理器执行时实现本申请所述的方法的步骤。
与现有技术相比,本申请实施例提供的危险场景的评估与处理系统,通过预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,从而在受控车辆实际行驶过程中,可以将受控车辆的运动场景与标定危险场景进行比较,提前做好预判,并对存在危险的运动场景提前确认危险等级,从而进行主动规避,便于实现安全驾驶。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍。显而易见地,下面描述中的附图仅是本申请的一些实施例,对于本领域的普通技术人员来讲,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它的附图。
图1为本申请实施例提供的危险场景的评估与处理系统的架构示意图;
图2为本申请实施例提供的危险场景的评估与处理方法的流程示意图。
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,都属于本申请保护的范围。下述示例具体的参数等也仅是合适范围中的一个示例,即本领域技术人员可以通过本文的说明做合适的范围内选择,而并非要限定于下文示例的具体数值。
需要说明的是,本申请的文件中涉及的术语“包括”和“具有”以及它们的变形,意图在于覆盖不排他的包含。术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序,除非上下文有明确指示,应该理解这样使用的数据在适当情况下可以互换。另外,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本申请的概念。
本申请实施例中涉及的名词适用于如下的解释:
VRU(Vulnerable Road User)道路弱势使用者,一般指行人,自行车、两轮电动车等道路弱势群体;
TTC(Time To Collision)碰撞时间。
在汽车等车辆中,为了防止事故发生,一般基于阈值来判断,只有车辆的运动场景超过设定的阈值时才会触发相应功能;但是由于真实行车环境复杂多变,有些危险场景瞬间发生,自动驾驶系统反应不及,存在巨大隐患。而熟练的驾驶员则可以基于对相邻环境的观察预判存在的风险,在危险场景发生前主动规避,从而能够实现更安全的驾驶。基于目前自动驾驶架构中,对于相邻的交通环境的评估和预判不足,可能会导致潜在的风险,导致危险发生时躲闪不及,存在较大隐患的问题。本申请通过预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,从而在受控车辆实际行驶过程中,可以将受控车辆的运动场景与标定危险场景进行比较,提前做好预判;并对存在危险的运动场景的情况提前确认危险等级,从而进行主动规避,便于实现安全驾驶。
请参阅图1,为本申请实施例提供的危险场景的评估与处理系统的架构示意图。
如图1所示,本实施例危险场景的评估与处理系统10包括:预处理模块11、感知模组12、自动驾驶控制器13以及自动驾驶执行器14;其中,通过总线15实现各个组件之间的信号传输和交互。
所述预处理模块11用于预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景。其中,所述标定危险场景包括第一危险等级的车辆危险场景和第二危险等级的道路弱势使用者危险场景,且所述第一危险等级的危险性高于所述第二危险等级的危险性。
所述感知模组12用于实时检测受控车辆的运动状态以及周围环境状态;其中,所述周围环境状态包括周围车辆状态以及周围道路弱势使用者状态。
所述自动驾驶控制器13用于通过总线15接收所述运动状态以及所述周围环境状态获取所述受控车辆的运动场景,将所述运动场景与所述标定危险场景进行比较,并在判定存在与所述运动场景相匹配的标定危险场景时获取所述运动场景的危险等级,进而产生相应的控制指令。即,所述自动驾驶控制器13除控制受控车辆实现自动驾驶功能之外,还可以根据标定危险场景类型对根据感知模组12实时检测到的受控车辆的运动状态以及周围环境状态获取的运动场景进行评估,从而对潜在的存在危险的运动场景进行预判,并控制受控车辆提前主动规避。
所述自动驾驶执行器14用于通过总线15接收并执行所述控制指令,从而控制所述受控车辆进行危险规避。具体地,所述自动驾驶执行器14可以包括制动执行模块、加速控制模块、转向控制模块等用于完成自动驾驶功能所需的功能模块,这些模块受控于控制指令完成相应动作的方式可参考现有技术,此处不再赘述。
所述系统可以安装于受控车辆(本车)上,根据实时检测到的受控车辆的运动状态以及周围环境状态获取受控车辆的运动场景,通过将获取的运动场景与预先标定的标定危险场景进行比较,并对存在危险的运动场景的情况提前确认危险等级,提前做好预判,从而进行主动规避,便于实现安全驾驶。
在一些实施例中,所述感知模组12可以包括速度传感器、加速度传感器、摄像头或雷达等设备进行数据采集。为了防止事故于未然而提高安全性,可以通过各种传感器等识别存在于本车的周围的行驶中的其它车辆、行人、两轮机动车等相对于本车的相对位置、相对速度等。例如,通过所述速度传感器测得受控车辆的速度,通过所述加速度传感器测得受控车辆的加速度;通过所述摄像头或雷达等设备采集受控车辆周围环境状态目前在市场上已经有实际应用,本申请对此不再赘述。车辆之间的距离可通过距离传感器探测,或根据摄像头拍摄的视频、基于公知的视频识别的方法也可以获得两辆车之间的距离。例如,通过距离传感器可以探测到受控车辆前方的车辆相对于受控车辆的位置数据;进而可以根据该位置数据计算出前方车辆的速度与加速度,并结合受控车辆的速度、加速度,计算出车辆之间的相对距离以及可能的碰撞时间。受控车辆与行人等道路弱势使用者之间的距离可通过红外探测器探测,或根据摄像头拍摄的视频、基于视频识别的方法也可以获得两者之间的距离。例如,通过红外探测器探测一定距离内的人体的存在或移动情况,进而可以结合受控车辆的速度、加速度,计算出受控车辆与人体之间的距离以及可能的碰撞时间。摄像头/雷达可以分别设置于受控车辆的前部、后部、左右侧部,以在受控车辆的周围实质上不产生死角的方式分布;作为雷达,例如使用激光雷达、毫米波雷达等雷达,可以检测从本车的周围接近的其它车辆。
在一些实施例中,所述预处理模块11可以预先对大量的相邻车辆以及道路弱势使用者的行为数据进行学习,并对相邻车辆的非常规驾驶行为以及道路弱势使用者的非常规移动行为的危险场景分别进行标定,可以通过预先对大量(例如目标数量)的相邻车辆以及道路弱势使用者的行为数据进行学习,并对相邻车辆的非常规驾驶行为(相邻车辆的危险驾驶行为)以及道路弱势使用者的非常规移动行为(危险移动行为)的危险场景给与相应的标定,从而获取标定危险场景。在受控车辆实际行驶过程中,可以将受控车辆的运动场景与标定危险场景进行比较,以便提前做好预判,并对存在危险场景的情况提前确认危险等级,从而可以进行主动规避,便于实现安全驾驶。所述预处理模块11预先标定危险场景的依据在于:根据大量学习数据,通过分析事故的发生原因以及从交警执法的角度出发,总结危险交通行为包括跟车距离过近,超速,违规变道,超车后急刹车等、压线行驶,不按车道行驶、道路弱势使用者的异常移动等;在此基础上标定危险场景。
在一些实施例中,所述第一危险等级的车辆危险场景包括以下的至少其中之一:相邻车辆于受控车辆所在车道内存在标定压线行驶行为;相邻车辆于受控车辆所在车道内存在多次切入距离小于预设切入距离阈值的近距离切入行为;相邻车辆与受控车辆的横向车间距存在多次小于预设横向车间距阈值的近车行为;受控车辆所在车道内前方车辆存在多次减速度超过预设减速度阈值的急刹车行为;受控车辆所在车道后方车辆存在多次与受控车辆的速度差大于预设速度差阈值且碰撞时间小于预设碰撞时间阈值;汇入主路的车辆的横向速度大于预设车辆横向速度阈值;周围车辆存在多次连续变道行为。其中,所述标定压线行驶行为包括:预设时间内相邻车辆于受控车辆所在车道内的压线行驶行为次数大于预设次数阈值,或相邻车辆于受控车辆所在车道内的压线行驶行为持续时间大于预设持续时间阈值。例如,可以通过实时计算周围目标车辆的前轮欧式距离和后轮欧式距离;若所述欧式距离均为正数且后轮欧式距离大于前轮欧式距离,表明该目标车辆现在正在靠近所述相邻车道线;若所述欧式距离中有一个为负,表明该目标车辆处于正在压线或者正在变道的状态内。
例如,相邻车辆于受控车辆所在车道内,20s内压线行驶次数大于2次,或压线行驶持续时间超过30s;相邻车辆于受控车辆所在车道内,多于1次近距离切入(随相对速度变化,切入距离阈值有所不同);相邻车辆与受控车辆的横向车间距0.8m以内且次数多于1次的近车行为;受控车辆所在车道内前方车辆存在次数多于1次、减速度超过4m/s2的急刹车行为;受控车辆所在车道后方车辆存在多于1次与受控车辆的速度差大于30kph且TTC小于4s;汇入主路的车辆的横向速度过大(大于0.7m/s);周围车辆存在多于1次连续变道行为。
在一些实施例中,所述第二危险等级的道路弱势使用者危险场景包括以下的至少其中之一:道路弱势使用者的移动速度大于预设移动速度阈值(即VRU速度过大,例如行人大于5kph,两轮机动车大于10kph);道路弱势使用者的横向速度大于预设VRU横向速度阈值(即VRU有横穿意图,例如行人横向速度在3kph以上,两轮机动车横向速度在5kph以上);道路弱势使用者中的两轮机动车的驾驶系数高于预设驾驶系数阈值(例如,检测到有载人两轮机动车、外卖两轮机动车等)。
需要说明的是,本领域技术人员应当理解,对于参数的标定,可采用目前成熟的数据统计软件(如SPSS)实现,本实施例对此不再赘述。需要说明的是,关于标定数据的获取,为了提高参数的精确度以及适用范围,需要保证足够的数据量,同时在采集到的数据中应当涵盖典型车辆的典型的交通行为场景,包括安全场景与危险场景。考虑到安全问题,可采用仿真形式来采集不同条件下的危险场景,如果判定为危险场景,则提取该危险场景从发生到结束过程中对应的交通行为。一条交通行为特指某一种行为从开始到结束的这个过程,例如换道行为,指从换道开始到换道结束。
在一些实施例中,当所述自动驾驶控制器所获取的所述运动场景的危险等级为所述第一危险等级时,产生相应的控制指令以使得所述自动驾驶执行器控制所述受控车辆采取第一规避措施,直到所述运动场景中的危险车辆的威胁解除(例如,直到运动场景中的危险车辆离开所述感知模组的检测范围内)。其中,所述第一规避措施包括:控制所述受控车辆进行横向躲避、加速离开、减速制动的其中之一;其中,所述第一规避措施执行过程中,加速度/减速度保持在预设加/减速阈值(例如1m/s2)以内,以实现无感触发维持良好的行驶舒适性。
在一些实施例中,当所述自动驾驶控制器所获取的所述运动场景的危险等级为所述第二危险等级时,产生相应的控制指令以使得所述自动驾驶执行器控制所述受控车辆采取第二规避措施,直到所述运动场景中的危险道路弱势使用者的威胁解除(例如,直到运动场景中的危险道路弱势使用者离开所述感知模组的检测范围内)。其中,所述第二规避措施为控制所述受控车辆进行减速行驶,其中,所述减速行驶的减速度在预设加/减速阈值以内、且减速幅度在预设减速幅度阈值以内(例如减速度在1m/s2以内,且减速幅度不超过10kph)。优选地,控制所述受控车辆进行减速行驶,直到运动场景中的危险道路弱势使用者离开所述感知模组的检测范围内并持续预设时间;即将危险道路弱势使用者持续作为主目标评估,危险道路弱势使用者消失后仍然预测运动状态一定时间(例如5s),防止出现鬼探头等极其危险的场景。其中,鬼探头指的是在部分路口驾驶员和行人存在视线盲区,而一些安全意识淡薄的行人会突然从前方路边或路口内闯出,令正常行驶的车辆措手不及。
根据以上内容可以看出,本申请实施例提供的危险场景的评估与处理系统,通过预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,从而在受控车辆实际行驶过程中,可以将受控车辆的运动场景与标定危险场景进行比较,提前做好预判;并对存在危险的运动场景提前确认危险等级,从而进行主动规避,便于实现安全驾驶。
基于同一发明构思,本申请还提供了一种采用本申请所述的危险场景的评估与处理系统的危险场景的评估与处理方法。
请参阅图2,其为本申请实施例提供的危险场景的评估与处理方法的流程示意图。如图2所示,本实施例所述的方法包括如下步骤:S21、预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,其中,所述标定危险场景包括第一危险等级的车辆危险场景和第二危险等级的道路弱势使用者危险场景,且所述第一危险等级的危险性高于所述第二危险等级的危险性;S22、实时检测受控车辆的运动状态以及周围环境状态,其中,所述周围环境状态包括周围车辆状态以及周围道路弱势使用者状态;S23、根据所述运动状态以及周围环境状态获取所述受控车辆的运动场景;S24、将所述运动场景与所述标定危险场景进行比较,并在判定存在与所述运动场景相匹配的标定危险场景时获取所述运动场景的危险等级,进而产生相应的控制指令;以及S25、接收并执行所述控制指令,从而控制所述受控车辆进行危险规避。
本实施例所述的方法通过安装于受控车辆(本车)上的危险场景的评估与处理系统,根据实时检测到的受控车辆的运动状态以及周围环境状态获取受控车辆的运动场景,通过将获取的运动场景与标定危险场景进行比较,并对存在危险的运动场景的情况提前确认危险等级,提前做好预判,从而进行主动规避,便于实现安全驾驶。
在一些实施例中,在评估出存在与所述运动场景相匹配的标定危险场景时,可以进行危险等级的判断,若为第一危险等级,则产生相应的控制指令,从而控制所述受控车辆采取第一规避措施;否则为第二危险等级,进而产生相应的控制指令,从而控制所述受控车辆采取第二规避措施。
在一些实施例中,所述方法进一步包括:当所获取的所述运动场景的危险等级为所述第一危险等级时,产生第一控制指令,从而控制所述受控车辆采取第一规避措施,直到所述运动场景中的危险车辆的威胁解除。
在一些实施例中,所述方法进一步包括:当所获取的所述运动场景的危险等级为所述第二危险等级时,产生第二控制指令,从而控制所述受控车辆采取第二规避措施,直到所述运动场景中的危险道路弱势使用者的威胁解除。
根据以上内容可以看出,本申请实施例提供的危险场景的评估与处理系统,通过预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,从而在受控车辆实际行驶过程中,可以将受控车辆的运动场景与标定危险场景进行比较,提前做好预判;并对存在危险的运动场景提前确认危险等级,从而进行主动规避,便于实现安全驾驶。
需要说明的是,本说明书中的各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同/相似的部分互相参见即可。对于本实施例公开的方法实施例而言,由于其与上述实施例公开的系统实施例相对应,所以描述的比较简单,相关之处参见系统实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式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,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。即,本申请还公开了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机可执行程序,所述计算机可执行程序被执行时,实现本申请上述实施例所述的方法。所述计算机可执行程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本领域技术人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的系统及方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种危险场景的评估与处理系统,其特征在于,所述系统包括:预处理模块,用于预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,其中,所述标定危险场景包括第一危险等级的车辆危险场景和第二危险等级的道路弱势使用者危险场景,且所述第一危险等级的危险性高于所述第二危险等级的危险性;感知模组,用于实时检测受控车辆的运动状态以及周围环境状态,其中,所述周围环境状态包括周围车辆状态以及周围道路弱势使用者状态;自动驾驶控制器,用于通过总线接收所述运动状态以及所述周围环境状态获取所述受控车辆的运动场景,将所述运动场景与所述标定危险场景进行比较,并在判定存在与所述运动场景相匹配的标定危险场景时获取所述运动场景的危险等级,进而产生相应的控制指令;自动驾驶执行器,用于通过总线接收并执行所述控制指令,从而控制所述受控车辆进行危险规避;
当所述自动驾驶控制器所获取的所述运动场景的危险等级为所述第一危险等级时,产生相应的控制指令以使得所述自动驾驶执行器控制所述受控车辆采取第一规避措施,直到所述运动场景中的危险车辆的威胁解除;其中,所述第一规避措施包括:控制所述受控车辆进行横向躲避、加速离开、减速制动的其中之一;
当所述自动驾驶控制器所获取的所述运动场景的危险等级为所述第二危险等级时,产生相应的控制指令以使得所述自动驾驶执行器控制所述受控车辆采取第二规避措施,直到所述运动场景中的危险道路弱势使用者的威胁解除;其中,所述第二规避措施为控制所述受控车辆进行减速行驶,直到所述危险道路弱势使用者离开所述感知模组的检测范围内并持续预设时间。
2.根据权利要求1所述的系统,其特征在于,所述第一危险等级的车辆危险场景包括以下的至少其中之一:相邻车辆于受控车辆所在车道内存在标定压线行驶行为;相邻车辆于受控车辆所在车道内存在多次切入距离小于预设切入距离阈值的近距离切入行为;相邻车辆与受控车辆的横向车间距存在多次小于预设横向车间距阈值的近车行为;受控车辆所在车道内前方车辆存在多次减速度超过预设减速度阈值的急刹车行为;受控车辆所在车道后方车辆存在多次与受控车辆的速度差大于预设速度差阈值且碰撞时间小于预设碰撞时间阈值;汇入主路的车辆的横向速度大于预设车辆横向速度阈值;周围车辆存在多次连续变道行为。
3.根据权利要求2所述的系统,其特征在于,所述标定压线行驶行为包括:预设时间内相邻车辆于受控车辆所在车道内的压线行驶行为次数大于预设次数阈值,或相邻车辆于受控车辆所在车道内的压线行驶行为持续时间大于预设持续时间阈值。
4.根据权利要求1所述的系统,其特征在于,所述第二危险等级的道路弱势使用者危险场景包括以下的至少其中之一:道路弱势使用者的移动速度大于预设移动速度阈值;道路弱势使用者的横向速度大于预设VRU横向速度阈值;道路弱势使用者中的两轮机动车的驾驶系数高于预设驾驶系数阈值。
5.根据权利要求1所述的系统,其特征在于,所述第一规避措施执行过程中,加速度/减速度保持在预设加/减速阈值以内。
6.根据权利要求1所述的系统,其特征在于,所述减速行驶的减速度在预设加/减速阈值以内、且减速幅度在预设减速幅度阈值以内。
7.一种危险场景的评估与处理方法,其特征在于,采用权利要求1所述的危险场景的评估与处理系统,所述方法包括如下步骤:预先对相邻车辆的危险驾驶行为对应的危险场景以及道路弱势使用者的危险移动行为对应的危险场景分别进行标定,获取标定危险场景,其中,所述标定危险场景包括第一危险等级的车辆危险场景和第二危险等级的道路弱势使用者危险场景,且所述第一危险等级的危险性高于所述第二危险等级的危险性;实时检测受控车辆的的运动状态以及周围环境状态,其中,所述周围环境状态包括周围车辆状态以及周围道路弱势使用者状态;根据所述运动状态以及周围环境状态获取所述受控车辆的运动场景;将所述运动场景与所述标定危险场景进行比较,并在判定存在与所述运动场景相匹配的标定危险场景时获取所述运动场景的危险等级,进而产生相应的控制指令;接收并执行所述控制指令,从而控制所述受控车辆进行危险规避。
8.根据权利要求7所述的方法,其特征在于,所述方法进一步包括:当所获取的所述运动场景的危险等级为所述第一危险等级时,产生第一控制指令,从而控制所述受控车辆采取第一规避措施,直到所述运动场景中的危险车辆的威胁解除。
9.根据权利要求7所述的方法,其特征在于,所述方法进一步包括:当所获取的所述运动场景的危险等级为所述第二危险等级时,产生第二控制指令,从而控制所述受控车辆采取第二规避措施,直到所述运动场景中的危险道路弱势使用者的威胁解除。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机可执行程序,所述计算机可执行程序在被处理器执行时实现如权利要求7至9中的任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111537671.8A CN114104000B (zh) | 2021-12-16 | 2021-12-16 | 一种危险场景的评估与处理系统、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111537671.8A CN114104000B (zh) | 2021-12-16 | 2021-12-16 | 一种危险场景的评估与处理系统、方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114104000A CN114104000A (zh) | 2022-03-01 |
CN114104000B true CN114104000B (zh) | 2024-04-12 |
Family
ID=80364816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111537671.8A Active CN114104000B (zh) | 2021-12-16 | 2021-12-16 | 一种危险场景的评估与处理系统、方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114104000B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724406A (zh) * | 2022-03-22 | 2022-07-08 | 浙江吉利控股集团有限公司 | 安全防护方法、装置及存储介质 |
CN114954384B (zh) * | 2022-05-16 | 2023-08-29 | 毫末智行科技有限公司 | 一种制动控制方法、装置、系统及车辆 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104176052A (zh) * | 2013-05-21 | 2014-12-03 | 现代自动车株式会社 | 用于防止与车辆碰撞的装置和方法 |
EP2950294A1 (en) * | 2014-05-30 | 2015-12-02 | Honda Research Institute Europe GmbH | Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis |
CN105620476A (zh) * | 2016-01-29 | 2016-06-01 | 北京汽车研究总院有限公司 | 用于汽车防碰撞的方法、装置及汽车 |
SE1550726A1 (en) * | 2015-06-04 | 2016-12-05 | Scania Cv Ab | Method and control unit for avoiding an accident at a crosswalk |
EP3154041A1 (en) * | 2015-10-07 | 2017-04-12 | LG Electronics Inc. | Vehicle surround monitoring device |
JP2018034549A (ja) * | 2016-08-29 | 2018-03-08 | 日産自動車株式会社 | 車両の運動制御方法及び車両の運動制御装置 |
JP2018181061A (ja) * | 2017-04-17 | 2018-11-15 | 株式会社デンソー | 運転支援装置 |
CN108898795A (zh) * | 2018-06-12 | 2018-11-27 | 广州小鹏汽车科技有限公司 | 一种基于移动设备的行人状态实时分析方法及系统 |
CN109035718A (zh) * | 2018-07-31 | 2018-12-18 | 苏州清研微视电子科技有限公司 | 多因素融合的危险驾驶行为分级预警方法 |
CN109756867A (zh) * | 2018-12-29 | 2019-05-14 | 广州中国科学院软件应用技术研究所 | 一种基于lte-v的车路协同车载终端应用系统 |
CN109835348A (zh) * | 2019-01-25 | 2019-06-04 | 中国汽车技术研究中心有限公司 | 一种道路交通危险场景的筛选方法和装置 |
CN109849910A (zh) * | 2018-12-21 | 2019-06-07 | 重庆长安汽车股份有限公司 | 无人驾驶车辆多目标决策控制方法、装置及计算机可读存储介质 |
WO2020052344A1 (zh) * | 2018-09-12 | 2020-03-19 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶系统 |
CN112487907A (zh) * | 2020-11-23 | 2021-03-12 | 北京理工大学 | 一种基于图分类的危险场景识别方法及系统 |
WO2021061488A1 (en) * | 2019-09-27 | 2021-04-01 | Zoox, Inc. | Safety analysis framework |
WO2021118675A1 (en) * | 2019-12-12 | 2021-06-17 | Intel Corporation | Vulnerable road user safety technologies based on responsibility sensitive safety |
WO2021196145A1 (zh) * | 2020-04-02 | 2021-10-07 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100020166A1 (en) * | 2008-07-25 | 2010-01-28 | Robert Levine | Environmental hazard warning system |
US9779312B2 (en) * | 2015-01-30 | 2017-10-03 | Honda Motor Co., Ltd. | Environment recognition system |
US11305766B2 (en) * | 2016-09-26 | 2022-04-19 | Iprd Group, Llc | Combining driver alertness with advanced driver assistance systems (ADAS) |
US11260855B2 (en) * | 2018-07-17 | 2022-03-01 | Baidu Usa Llc | Methods and systems to predict object movement for autonomous driving vehicles |
JP7148453B2 (ja) * | 2019-04-19 | 2022-10-05 | トヨタ自動車株式会社 | 運転支援システム |
JP7393260B2 (ja) * | 2020-03-16 | 2023-12-06 | 本田技研工業株式会社 | 推定装置 |
-
2021
- 2021-12-16 CN CN202111537671.8A patent/CN114104000B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104176052A (zh) * | 2013-05-21 | 2014-12-03 | 现代自动车株式会社 | 用于防止与车辆碰撞的装置和方法 |
EP2950294A1 (en) * | 2014-05-30 | 2015-12-02 | Honda Research Institute Europe GmbH | Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis |
SE1550726A1 (en) * | 2015-06-04 | 2016-12-05 | Scania Cv Ab | Method and control unit for avoiding an accident at a crosswalk |
EP3154041A1 (en) * | 2015-10-07 | 2017-04-12 | LG Electronics Inc. | Vehicle surround monitoring device |
CN105620476A (zh) * | 2016-01-29 | 2016-06-01 | 北京汽车研究总院有限公司 | 用于汽车防碰撞的方法、装置及汽车 |
JP2018034549A (ja) * | 2016-08-29 | 2018-03-08 | 日産自動車株式会社 | 車両の運動制御方法及び車両の運動制御装置 |
JP2018181061A (ja) * | 2017-04-17 | 2018-11-15 | 株式会社デンソー | 運転支援装置 |
CN108898795A (zh) * | 2018-06-12 | 2018-11-27 | 广州小鹏汽车科技有限公司 | 一种基于移动设备的行人状态实时分析方法及系统 |
CN109035718A (zh) * | 2018-07-31 | 2018-12-18 | 苏州清研微视电子科技有限公司 | 多因素融合的危险驾驶行为分级预警方法 |
WO2020052344A1 (zh) * | 2018-09-12 | 2020-03-19 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶系统 |
CN109849910A (zh) * | 2018-12-21 | 2019-06-07 | 重庆长安汽车股份有限公司 | 无人驾驶车辆多目标决策控制方法、装置及计算机可读存储介质 |
CN109756867A (zh) * | 2018-12-29 | 2019-05-14 | 广州中国科学院软件应用技术研究所 | 一种基于lte-v的车路协同车载终端应用系统 |
CN109835348A (zh) * | 2019-01-25 | 2019-06-04 | 中国汽车技术研究中心有限公司 | 一种道路交通危险场景的筛选方法和装置 |
WO2021061488A1 (en) * | 2019-09-27 | 2021-04-01 | Zoox, Inc. | Safety analysis framework |
WO2021118675A1 (en) * | 2019-12-12 | 2021-06-17 | Intel Corporation | Vulnerable road user safety technologies based on responsibility sensitive safety |
WO2021196145A1 (zh) * | 2020-04-02 | 2021-10-07 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
CN112487907A (zh) * | 2020-11-23 | 2021-03-12 | 北京理工大学 | 一种基于图分类的危险场景识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
针对弱势道路使用者的汽车主动避撞系统;肖轩;中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)(第2期);C035-367 * |
Also Published As
Publication number | Publication date |
---|---|
CN114104000A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11584340B2 (en) | Sensor integration based pedestrian detection and pedestrian collision prevention apparatus and method | |
US10821946B2 (en) | Sensor integration based pedestrian detection and pedestrian collision prevention apparatus and method | |
CN106240565B (zh) | 碰撞减轻和躲避 | |
CN106985780B (zh) | 车辆安全辅助系统 | |
JP4309843B2 (ja) | 車両の衝突を阻止する方法および装置 | |
CN114104000B (zh) | 一种危险场景的评估与处理系统、方法及存储介质 | |
KR101511858B1 (ko) | 보행자 또는 이륜차를 인지하는 운전보조시스템 및 그 제어방법 | |
US10754335B2 (en) | Automated driving system | |
EP2208654B1 (en) | Method and system for avoiding host vehicle collisions with a target | |
JP6604388B2 (ja) | 表示装置の制御方法および表示装置 | |
CN112793507A (zh) | 基于惯性器件感知车辆右转运动特性的盲区预警制动系统 | |
US11599117B2 (en) | Systems and methods for obstacle proximity detection | |
EP2172920B1 (en) | Threat assessment for unexpected events | |
CN116853235A (zh) | 碰撞预警方法、装置、计算机设备和存储介质 | |
CN114715143A (zh) | 车辆控制方法、装置、车辆及存储介质 | |
US10843692B2 (en) | Vehicle control system | |
JP2022068115A (ja) | 適応可能な後突警報のためのシステムと方法 | |
CN114375407A (zh) | 用于操作转向辅助系统的方法、转向辅助系统和具有该转向辅助系统的机动车辆 | |
GB2599309A (en) | Vehicle control system and method | |
CN111746534A (zh) | 车辆驾驶辅助系统、包括其的车辆及相应的方法和介质 | |
CN117075526B (zh) | 自动驾驶车辆的远程控制方法和装置 | |
CN112634618B (zh) | 一种应急车道检测方法、装置及设备 | |
KR20230136830A (ko) | 운전자 보조 시스템 및 운전자 보조 방법 | |
GB2524894A (en) | Traffic density sensitivity selector | |
JP2022043784A (ja) | 映像記録装置および映像記録方法 |
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 |