CN114228707B - 一种无人驾驶车辆的防撞方法及系统 - Google Patents

Abstract

本发明提供一种无人驾驶车辆的防撞方法，包括以下步骤：设定采样周期的初始时长,采集行人进入车辆检测范围内一个采样周期的行进信息，综合车辆行驶参考轨迹及行人的预测轨迹判断车辆与行人是否相撞：若不相撞，则继续以当前的车速行驶；若存在相撞的可能，则采样周期的时长由模糊规则进行制定，以密切跟踪行人位置的变化情况，适应不断变化的路况信息，当有突发状况，如分神行人误入车辆的行驶范围，也可及时计算和判断是否采取措施，提高了无人驾驶车辆的行驶安全性，在保障行驶安全的同时提高了车辆正常行驶的通过率。本发明还提供一种采用上述无人驾驶车辆的防撞方法所采用的系统。

Description

一种无人驾驶车辆的防撞方法及系统

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种无人驾驶车辆的防撞方法及系统。

背景技术

随着自动驾驶技术的迅速发展，车辆的主动安全方面也面临更加严苛的考验。行人作为弱势道路使用者，其安全问题也日益得到重视。目前无人驾驶行人避障控制多在城市工况下预测行人轨迹，进行碰撞风险等级评估，实施横向或纵向避障控制策略。由于校园内无信号灯,无人行横道的场景较多，且上下课高峰期人流量密集，行人的行走意图具有极大的不确定性，其具有人流量密集，路况复杂的特点，而现有技术的无人驾驶行人避障控制方法难以满足校园内的特殊场景使用，难以保障无人驾驶车辆在校园内的行驶安全性。

发明内容

本发明旨在至少解决上述存在的技术问题之一，提供一种能够提高行驶安全性的无人驾驶车辆的防撞方法。

为达到上述目的，本发明所采用的技术方案是：

一种无人驾驶车辆的防撞方法，包括以下步骤：

S1，设置采样周期的初始时长；

S2，采集车辆的行驶信息以及按照设置的采样周期的初始时长，采集进入车辆前方预设检测范围内的行人于一个采样周期的行进信息；

S3，根据车辆的行驶信息拟合车辆的行驶参考轨迹以得到车辆局部路径函数f(x)，并对车辆局部路径函数以预设的频率进行更新；根据步骤S2采集的行人于当前采样周期时长内的行进信息，获得当前采样周期所对应的行人的预测轨迹方程；

S4，综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点：若不存在相交点，预测车辆与行人不相撞，则车辆继续以当前的车速行驶，并返回至步骤S2；若存在相交点，预测车辆与行人可能相撞，则进入步骤S5；

S5，判断车辆与行人的预计相撞时间是否大于P个当前采样周期的时长：

若车辆与行人的预计相撞时间小于或等于P个当前采样周期的时长，则车辆减速至安全车速v_t直至行人安全通过车辆的行驶范围，返回至步骤S2；

若车辆与行人的预计相撞时间大于P个当前采样周期的时长，则车辆继续以当前的车速行驶，并根据预设的模糊规则重新制定采样周期的时长，得到一新的采样周期，进入步骤S6；

S6，经过制定的新采样周期再次采集行人的行进信息，并根据新采样周期采集的的行人行进信息更新行人的预测轨迹方程，进入步骤S7；

S7，综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点：若不存在相交点，预测车辆与行人不相撞，则车辆继续以当前的车速行驶，并返回至步骤S6；若存在相交点，预测车辆与行人可能相撞，则进入步骤S5。

进一步地，步骤S3中，采用三次样条插值法拟合车辆的行驶参考轨迹。

进一步地，当前采样周期所对应的行人的预测轨迹方程的获得方法为：假设行人的行走轨迹为直线，进入车辆前方预设检测范围内的行人于当前采样周期开始时采集到的坐标位置为(x_n1,y_n1)及当前采样周期结束时的坐标位置(x_n2,y_n2)，坐标位置采用世界坐标系，其中n表示第n个采样周期；将当前采样周期对应的两个坐标位置(x_n1,y_n1)、(x_n2,y_n2)代入直线方程(1)：

(x-x_n1)÷(x_n2－x_n1)＝(y-y_n1)÷(y_n2－y_n1) (1)

可得行人预测轨迹方程g_n(x)。

进一步地，步骤S4及S7中“综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点”的方法为：

联立车辆局部路径函数f(x)和行人当前采样周期所对应的预测轨迹方程g_n(x)求解，若无实数解，行人轨迹和车辆轨迹无相交点，故不会相撞；若存在实数解，求出相交点M(x_n，y_n)，表示行人和车辆存在相撞的可能。

进一步地，车辆与行人的预计相撞时间通过以下方法获得：

获得行人在当前采样周期的平均行走速度v_n：

由行人于当前采样周期结束时的位置坐标(x_n2,y_n2)及步骤S4中相交点M的坐标(x_n，y_n)，根据两点间的距离公式可求出当前采样周期结束时行人与相交点M的距离L_j：

根据当前采样周期结束时行人与相交点M的距离L_j及行人在当前采样周期的平均速度v_n求出当前采样周期预测的行人刚进入车辆行驶范围的时间t_n1：

式中，α为车辆的车宽半径；θ为车辆宽度方向所在的坐标系y轴与当前采样周期行人预测轨迹g_n(x)的夹角；

根据当前采样周期结束时行人与相交点的距离L_j及行人在当前采样周期的平均速度v_n求出当前采样周期预测的行人刚走出车辆行驶范围的时间t_n2：

车头前端运动到相交点M(x_n，y_n)的时间t_s为：

式中，L_r1为当前车辆车头前端的中心位置与相交点M的距离，v_v为车辆的当前车速；

故当t_n1＜t_s＜t_n2时行人与车相撞，以t_s为相撞时间。

进一步地，行人在当前采样周期的平均行走速度v_n通过以下方法获得：

将行人于当前采样周期开始时的坐标位置(x_n1,y_n1)及结束时的坐标位置(x_n2,y_n2)带入两点间的距离公式求出行人在当前采样周期时长内走过的距离L_n：

因此，行人在当前采样周期的平均行走速度v_n为：

v_n为行人在当前采样周期的平均速度；L_n为行人在当前采样周期内走过的直线路程；t_pn为当前采样周期的时间长度。

进一步地，采样周期的个数P的确定方法为：

通过车辆的安全制动距离D及当前车速v_v获得车辆的安全制动时间t_d：

式中，D为安全制动距离；

根据车辆的安全制动时间t_d及当前采样周期的时长获得采样周期的个数P：

式中，t_pn为当前采样的采样周期时长。

进一步地，安全制动距离D、安全车速v_t的确定方法为：

v_v为当前车速；v_t为车辆到达距离相撞点预设距离时的安全车速；τ为检测环节时滞和制动协调时间；d₀为冗余距离；t为车辆由当前车速v_v到v_t所需的时间；a为车辆的制动减速度；

联立方程(2)-(4)求出车辆的安全制动距离D、安全车速v_t及车辆由当前车速v_v到安全车速v_t所需的时间t。

进一步地，步骤S6中“根据采集的新采样周期内的行人行进信息更新行人的预测轨迹方程”的方法为：将上一轮采样周期结束时采集的行人坐标位置作为新采样周期开始时行人的坐标位置，经过新采样周期再次采集行人的位置坐标，将经过新采样周期再次采集得到的行人位置坐标与上一轮采样周期结束时采集的行人坐标位置代入直线方程(1)，以更新得到当前采样的行人的轨迹方程g_n(x)。

进一步地，步骤S2还包括以下步骤：采集车辆前方预设检测范围的行人数量，并根据车辆前方预设检测范围内的行人数量对车辆的一级车速进行分级，确定车辆行驶的一级车速后，再按照设定的加速度使车辆加速至确定好的一级车速并以所述一级车速行驶。

本发明还提供一种所述无人驾驶车辆的防撞方法所采用的系统，包括：

信息采集模块，用于采集车辆的行驶信息以及进入车辆前方预设检测范围内的行人的行进信息；

轨迹拟合模块，用于根据车辆的行驶信息拟合车辆的行驶参考轨迹以得到车辆局部路径函数，并对车辆局部路径函数以预设的频率进行更新；及用于根据采集的进入车辆前方预设检测范围内的行人于当前采样周期时长内的行进信息，获得行人的预测轨迹方程；

周期确定模块，用于确定采样周期的初始时长，并在预测车辆与行人可能发生相撞时根据设定的模糊规则重新制定新的采样周期的时长；

预测模块，用于综合车辆行驶参考轨迹及行人的预测轨迹方程判断车辆与行人是否相撞，当预测车辆与行人可能相撞时，判断车辆与行人的预计相撞时间是否大于P个当前采样周期的时长；

安全车速确定模块，用于确定车辆的当前车速及安全车速v_t；

车速控制模块，用于根据预测模块的预测结果控制车辆的车速：若预测车辆与行人不相撞或车辆与行人的预计相撞时间大于P个当前采样周期的时长时，则控制车辆继续以当前的车速行驶；若预计相撞时间小于或等于P个当前采样周期的时长，则控制车辆减速至安全车速v_t直至行人安全通过车辆的行驶范围。

由于采用上述技术方案，本发明具有以下有益效果：

1、上述无人驾驶车辆的防撞方法及系统，设定采样周期的初始时长,采集行人进入车辆检测范围内一个采样周期的行进信息，综合车辆行驶参考轨迹及行人的预测轨迹判断车辆与行人是否相撞：若不相撞，则继续以当前的车速行驶；若存在相撞的可能，考虑到路上行人意图复杂多变，可能存在分神行人误入车辆行驶范围的情况，因此，接下来采样周期的时长由模糊规则进行制定，以密切跟踪行人位置的变化情况，及适应不断变化的路况信息，当有突发状况，如分神行人误入车辆的行驶范围，也可及时计算和判断是否采取措施，提高了无人驾驶车辆的行驶安全性，且相较于现有技术预测存在相撞可能即制动的方式，上述无人驾驶车辆的防撞方法及系统在保障行驶安全的同时提高了车辆正常行驶的通过率。

2、上述无人驾驶车辆的防撞方法及系统，通过拟合车辆的行驶参考轨迹及建立行人的预测轨迹方程，对行人行进速度和行进轨迹等行进信息进行滚动预测，结合了实时的路上行人状况，以此优化车辆的速度控制，使得车辆以高效率运行，能适应校园人流密集的复杂路况，保证车辆可以安全通过具有人流量密集，路况复杂等特点的场景，满足在校园等特殊场景的无人驾驶车辆使用，且上述无人驾驶车辆的防撞方法鲁棒性强。

3、上述无人驾驶车辆的防撞方法，通过探测车辆前方预设检测范围内的行人数量，并根据探测到的行人数量制定车辆行驶的一级车速，能够进一步提高车辆行驶的安全性能。

附图说明

图1为本发明较佳实施方式的无人驾驶车辆的防撞方法所使用的车辆的俯视结构图。

图2为本发明较佳实施方式的车辆的预设检测范围的示意图。

图3为本发明较佳实施方式的车辆的行驶参考轨迹及行人的预测轨迹的拟合示意图。

图4为本发明较佳实施方式中计算行人至车辆行驶范围预计时间的示意图。

图5为本发明较佳实施方式的无人驾驶车辆的防撞方法的流程图。

图6为本发明较佳实施方式的无人驾驶车辆的防撞系统的模块图。

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，都属于本发明保护的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请同时参见图1至图5，本发明一较佳实施方式提供一种无人驾驶车辆的防撞方法，包括以下步骤：

S1，设置采样周期的初始时长。

S2，采集车辆的行驶信息以及按照设置的采样周期的初始时长，采集进入车辆前方预设检测范围内的行人于一个采样周期的行进信息。

在本实施方式中，车辆于车头前方安装有120度前置激光雷达，并于车头的相对两侧安装有毫米波雷达。通过安装于车头前方的120度前置激光雷达扫描车辆前方弧长半径为30米的扇形区域是否有行人并采集行人的行进信息，所述扇形区域构成车辆前方的预设检测范围。毫米波雷达用于检测出车辆周围的障碍物信息，当行人进入毫米波雷达的预警范围时车辆制动，避免相撞。120度前置激光雷达及毫米波雷的结构均属于现有技术，为省略篇幅，这里不再赘述。在本实施方式中，120度前置激光雷达及毫米波雷达的扫描频率均应大于10HZ，以避免扫描的延误，导致检测数据的实时性差。可以理解，车辆前方的预设检测范围的大小也可以根据需要设置为其他数目。

在本实施方式中，行人的行进信息为行人的坐标位置，而通过激光雷达获取行人的行进信息属于现有技术，为省略篇幅，这里不再赘述。可以理解，也可以采用现有技术的其他方式采集行人的行进信息。

在本实施方式中，步骤S2还包括以下步骤：采集车辆前方预设检测范围内的行人数量，并根据车辆前方预设检测范围内的行人数量对车辆的一级车速进行分级，确定车辆行驶的一级车速后，再按照设定的加速度使车辆加速至确定好的一级车速并以所述一级车速行驶。

例如，当在车辆前方预设的检测区域内检测到行人，且行人数目为5人以下时，车辆行驶的一级车速为30km/h；当检测到行人数目为5-10人时，控制车辆行驶的一级车速为25km/h；当行人数目大于10人时，控制车辆行驶的一级车速为20km/h。通过以车辆前方检测范围内的行人数目对车辆行驶的一级车速进行分级，能够进一步增加车辆的行驶安全性。可以理解，车辆行驶的一级车速也可以根据需要设置为其他数值，只要能够确保行驶的安全性即可。

S3，根据车辆的行驶信息拟合车辆的行驶参考轨迹以得到车辆局部路径函数f(x)，并对车辆局部路径函数以预设的频率进行更新；根据步骤S2采集的行人于当前采样周期时长内的行进信息，获得当前采样周期所对应的行人的预测轨迹方程。

在本实施方式中，通过GNSS(全球导航卫星系统)和惯性导航检测汽车的行驶速度和位置，再根据检测到的汽车的行驶速度和位置拟合车辆的行驶参考轨迹以得到车辆局部路径函数f(x)。具体地，采用三次样条插值法拟合车辆的行驶参考轨迹。因为三次样条曲线具有在插值点两侧二阶导数连续的优点，因此三次样条曲线的曲率是连续的，也就意味着转向盘转角不会发生突变，因此本实施方式采用三次样条插值法拟合车辆的行驶参考轨迹，得到车辆局部路径函数f(x)，且使车辆局部路径函数以20HZ的频率实时更新，以满足轨迹生成的需求。通过三次样条插值法拟合车辆的行驶参考轨迹，得到车辆局部路径函数f(x)的方法属于现有技术，为省略篇幅，这里不再赘述。

根据步骤S2采集的行人于当前采样周期时长内的行进信息，获得当前采样周期所对应的行人的预测轨迹方程的方法具体为：

假设行人的行走轨迹为直线，进入车辆前方预设检测范围内的行人于当前采样周期开始时采集到的坐标位置为(x_n1,y_n1)及当前采样周期结束时的坐标位置为(x_n2,y_n2)，坐标位置采用世界坐标系，其中n表示第n个采样周期；将当前采样周期内采集的坐标位置(x_n1,y_n1)及(x_n2,y_n2)代入直线方程(1)：

(x-x_n1)÷(x_n2－x_n1)＝(y-y_n1)÷(y_n2－y_n1) (1)

可得行人预测轨迹方程g_n(x)＝((x-x_n1)(y_n2－y_n1))÷(x_n2－x_n1)+y_n1。

在采样周期采集行人的两个坐标位置，因为行人是由第一个坐标位置向第二个坐标位置移动的，因此，根据采样周期内采集的行人的两个坐标位置还可知道行人的行进方向。

S4，综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点：若不存在相交点，预测车辆与行人不相撞，则车辆继续以当前的车速行驶，并返回至步骤S2；若存在相交点，预测车辆与行人可能相撞，则进入步骤S5。

在本实施方式中，联立车辆局部路径函数f(x)和当前周期对应的行人预测轨迹方程g_n(x)求解，若无实数解，行人轨迹和车辆轨迹无相交点，故不会相撞；若存在实数解，求出相交点M(x_n，y_n)，表示行人和车辆存在相撞的可能，其中，M(x_n，y_n)表示车辆局部路径函数f(x)和第n次采样周期的行人预测轨迹方程g_n(x)的相交点。

S5，判断车辆与行人的预计相撞时间是否大于P个当前采样周期的时长：

若车辆与行人的预计相撞时间小于或等于P个当前采样周期的时长，则车辆减速至安全车速v_t并以安全车速v_t行驶，直至行人安全通过车辆的行驶范围，待行人安全通过车辆的行驶范围后，返回至步骤S2。在本实施方式中，车辆的行驶范围为车辆在车宽方向的相对两侧面沿车辆行驶轨迹延长形成的延伸面围成的区域。

若车辆与行人的预计相撞时间大于P个当前采样周期的时长，则车辆继续以当前的车速，在本实施方式中，即步骤S2中确定好的一级车速行驶，并根据预设的模糊规则重新制定采样周期的时长，得到一新的采样周期，进入步骤S6。

具体地，所述车辆与行人的预计相撞时间通过以下方法得到：

获得行人在当前采样周期的平均行走速度v_n，具体为：

将行人于当前采样周期开始时的坐标位置(x_n1,y_n1)及当前采样周期结束时的坐标位置(x_n2,y_n2)带入两点间的距离公式可求出行人在当前采样周期走过的距离L_n：

因此，行人在当前采样周期的平均行走速度v_n为：

v_n为行人在当前采样周期的平均速度；L_n为行人在当前采样周期内走过的直线路程；t_pn为当前采样周期的时长。

由行人于当前采样周期结束时的位置坐标(x_n2,y_n2)及步骤S4中的相交点的坐标M(x_n，y_n)，根据两点间的距离公式可求出当前采样周期结束时行人与相交点的距离L_j：

根据当前采样周期结束时行人与相交点的距离L_j及人在当前采样周期的平均速度v_n可求出当前采样周期预测的行人刚进入车辆行驶范围，即图4中，行人到达A点的时间t_n1：(图4中A、B点分别为车辆在车宽方向上的相对两侧沿车辆行驶轨迹的延伸面与行人轨迹的交点)

式中，α为车辆的车宽半径，所述车宽半径为车宽尺寸的一半；θ为车辆宽度方向所在的坐标系y轴(x轴为车辆的长度方向)与当前采样周期行人预测轨迹g_n(x)的夹角，具体计算方法如下：

由惯性导航经坐标变换(坐标变换为现有技术，已经成熟应用于机器人上)可得车辆上O点(车辆的后轴中心点)的坐标O(x_o，y₀),将O(x_o，y₀)与相交点M(x_n，y_n)代入直线方程可得到车辆O点到相交点M的直线方程：G_om(x)＝((x-x_o)(y_n－y_o))÷(x_n－x_o)+y_o。

由车辆O点到相交点M的直线方程G_om(x)及当前周期行人的预测轨迹g_n(x)，根据两条直线的夹角公式求出直线方程G_om(x)与当前周期行人的预测轨迹g_n(x)的夹角θ'，由于直线方程G_om(x)与车宽方向垂直，因此，θ＝90°-θ'。

根据当前采样周期结束时行人与相交点的距离L_j及行人在当前采样周期的平均速度v_n可求得当前采样周期预测的行人刚走出车辆行驶范围，即图4中，行人到达B点的时间t_n2：

车头前端运动到相交点M(x_n，y_n)的时间t_s为：

式(7)中，L_r1为当前车辆车头前端的中心位置与相交点M的距离，其根据GNSS(全球导航卫星系统)和惯性导航检测到的当前车辆车头前端的中心位置坐标及获得的相交点M的坐标，根据两点间的距离公式可求出L_r1；

v_v为车辆的当前车速；

若t_n1＜t_s＜t_n2，则行人与车相撞，以t_s为相撞时间。

具体地，采样周期的个数P的确定方法为：

通过车辆的安全制动距离D及当前车速v_v获得车辆的安全制动时间t_d：

式中，D为车辆的安全制动距离；

根据车辆的安全制动时间t_d及当前采样周期的时长获得采样周期的个数P：

式中，t_pn为当前采样周期的时长。

则在步骤S5中，若车辆与行人的预计相撞时间小于或等于P个当前采样周期的时长，即t_s≤P*t_pn,则车辆减速至安全车速v_t直至行人安全通过车辆的行驶范围：

若车辆与行人的预计相撞时间大于P个当前采样周期的时长，即t_s＞P*t_pn,则车辆继续以当前的车速，在本实施方式中，为步骤S2确定好的一级车速行驶，并根据预设的模糊规则重新制定采样周期的时长，得到一个新的采样周期，进入步骤S6。

在本实施方式中，安全车速v_t及安全制动距离D的确定方法为：

式中，v_v为车辆的当前车速；v_t为车辆，例如车辆车头前端到达距离相撞点(即当前采样周期计算获得的相交点)预设距离，例如，0.5m时的安全车速；τ为检测环节时滞和制动协调时间，在本实施方式中取0.2秒；d₀为冗余距离，在本实施方式中取0.5m；t为车辆由当前车速v_v到安全车速v_t所需的时间；a为车辆的制动减速度。根据查找文献和资料，车辆的制动减速度及步骤S2中的加速度设为2.5-3.5m/s2时，能够兼顾车辆的实时性和乘客的舒适性。

联立(10)(11)(12)可求出安全制动距离D、安全车速v_t及车辆由当前车速v_v到安全车速v_t所需的时间t。

模糊规则，本质是定义在X*Y的二元模糊关系R，模糊规则的形式为：if x is Athen y is B。在本实施方式中，

由于检测的采样周期时长与行人及车辆的安全密切相关，故采取由预测到和车辆可能相撞的行人在当前采样周期的平均行走速度v_n和车辆的当前车速调整检测的采样周期长度。在本实施方式中，通过IF THEN条件语句形式表示模糊规则，IF表示条件，THEN表示输出，即当满足IF条件时就会得出THEN的结论。例如：IF X1(和车辆可能相撞的行人在当前采样周期的平均行走速度v_n)is M1-M2 and X2(车辆当前速度)is N1-N2,THEN Y(采样周期长度)is K，其表示的是输入是X1和X2，当满足X1值在M1-M2范围内并且X2值在N1-N2范围内时，输出Y的值为K。模糊规则的建立属于现有技术，模糊规则建立过程中采用的具体数据，例如X1、X2与Y之间的具体对应关系等是由工程经验得出的，为省略篇幅，这里不再赘述。

S6，经过制定的新采样周期再次采集行人的行进信息，并根据新采样周期采集的的行人行进信息更新行人的预测轨迹方程，进入步骤S7。

在本实施方式中，步骤S6中“根据采集的新采样周期内的行人行进信息更新行人的预测轨迹方程”的方法为：将上一轮采样周期结束时采集的行人坐标位置作为新采样周期开始时行人的坐标位置，经过新采样周期再次采集行人的位置坐标，将经过新采样周期再次采集得到的行人位置坐标与上一轮采样周期结束时采集的行人坐标位置代入直线方程(1)，以更新得到当前采样的行人的轨迹方程g_n(x)。

S7，综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点：若不存在相交点，预测车辆与行人不相撞，则车辆继续以当前的车速行驶，并返回至步骤S6；若存在相交点，预测车辆与行人可能相撞，则进入步骤S5。

具体地，在本实施方式中，设置采样周期的初始时长为1秒，即，120度前置激光雷达每相隔1秒提取一次信息。对于第一个采样周期T1(采样周期的时长t_p1为1秒)，当行人首次出现在车辆前方预设的检测范围内时进行第一次扫描，并记录下行人的位置坐标为(x₁₁,y₁₁)，相隔一个采样周期的时长后，即相隔1秒进行第二次扫描，检测到此行人的位置坐标为(x₁₂,y₁₂)；将所述位置坐标(x₁₁,y₁₁)、(x₁₂,y₁₂)代入直线方程(1)，即：

(x-x₁₁)÷(x₁₂－x₁₁)＝(y-y₁₁)÷(y₁₂－y₁₁)

得到行人于第一个采样周期T1时长内对应的预测轨迹方程g₁(x)。

综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点，即联立车辆局部路径函数f(x)和行人预测轨迹方程g₁(x)求解：

若无实数解，行人轨迹和车辆轨迹无相交点，故不会相撞，车辆继续以当前的车速进行行驶，并按照设置的采样周期的初始时长，再次采集进入车辆前方预设检测范围内的行人于当前采样周期的行进信息，并再次综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点，即再次进入步骤S2进行循环；

若存在实数解，求出相交点(x_n，y_n)，表示行人和车辆存在相撞的可能，此时，判断车辆与行人的预计相撞时间是否大于P个当前采样周期的初始时长，具体为：

将行人于第一个采样周期开始时的坐标位置(x₁₁,y₁₁)及结束时的坐标位置(x₁₂,y₁₂)带入两点间的距离公式可求出行人在首次采样周期走过的距离L₁：

因此，行人在第一个采样周期时长内的平均行走速度v₁为：

t_p1取第一个采样周期的时间长度，为1秒。

由行人于第一个采样周期结束时的位置坐标(x₁₂,y₁₂)及相交点坐标(x_n，y_n)，根据两点间的距离公式可求出第一个采样周期结束时行人与相交点的距离L_j：

根据第一个采样周期结束时行人与相交点的距离L_j及行人在第一个采样周期的平均速度可求出第一个采样周期预测的行人刚进入车辆行驶范围的时间t₁₁：

式中，α为车辆车宽半径；θ为车辆宽度方向所在的坐标系y轴与行人预测轨迹g₁(x)的夹角；

根据第一个采样周期结束时行人与相交点的距离L_j及行人在第一个采样周期的平均速度可求出第一个采样周期预测的行人刚走出车辆行驶范围的时间t₁₂：

而车头前端运动到相交点M(x_n，y_n)的时间t_s为：

L_r1为当前车辆车头前端的中心位置与相交点M的距离，v_v为车辆的当前车速；故当t1＜ts＜t2时行人与车相撞，以t_s为相撞时间。

根据车辆的当前车速等通过公式(10)、(11)及(12)确定确定车辆的安全制动距离D、安全车速v_t：

根据车辆的当前车速、车辆的安全制动距离D及安全车速v_t通过公式(8)、(9)确定采样周期的个数P，即

将t_s与P*t_P1进行比较，若车辆与行人的预计相撞时间小于或等于P个第一个采样周期的初始时长，则车辆减速至安全车速v_t直至行人安全通过车辆的行驶区域；

若车辆与行人的预计相撞时间大于P个第一个采样周期的初始时长，则车辆继续以当前的车速行驶，并根据预设的模糊规则重新制定采样周期的时长为t_p2，得到一新的采样周期T2；

经过新的采样周期T2再次采集行人的行进信息，此时，此行人的坐标位置为(x₂₂,y₂₂)；

经过制定的新采样周期再次采集行人的行进信息，并根据新采样周期采集的的行人行进信息更新行人的预测轨迹方程，具体地，将上一轮采样周期结束时采集的行人坐标位置，即第一个采样周期T1结束时行人的坐标位置(x₁₂,y₁₂)作为新采样周期T2开始时行人的坐标位置(x₂₁,y₂₁)，将(x₂₁,y₂₁)、(x₂₂,y₂₂)带入直线方程(1)，以更新得到当前采样周期的行人的轨迹方程g₂(x)。

综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点：

若存在相交点，预测车辆与行人可能相撞，则再次根据车速和行人的行走信息判断车辆与行人的预计相撞时间是否大于P个采样周期T2的时长，若小于或等于P个采样周期T2的时长，车辆减速进入安全车速；若大于P个采样周期T2的时长，车辆继续以当前车速行驶，并根据预设的模糊规则重新制定一新采样周期T3，经过新的采样周期T3再次采集行人的行进信息，根据新采样周期T3采集的行人的行进信息对行人的预测轨迹方程进行更新，再次综合车辆局部路径函数及行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点，即循环步骤S5-S7。

若不存在相交点，预测车辆与行人不相撞，则车辆继续以当前的车速行驶，且以新制定的采样周期T2再次采集进入车辆前方预设检测范围内的行人的行进信息，并根据采集的的行人行进信息更新行人的预测轨迹方程，再次综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点，即循环步骤S6-S7。

在激光雷达检测范围内的行人都以如上方式进行预测，当行人出现在激光雷达检测范围外时，判断对车辆行驶没有影响，不再预测。需要说明的是预测行人时，当预测行人与车辆不会相撞时，检测不相撞的行人采样周期恒定为1秒，只有预测与车辆可能相撞的行人，采样周期才为变周期，以减少对算力的要求。

本发明实施方式还提供一种所述无人驾驶车辆的防撞方法所采用的系统，包括：

信息采集模块，用于采集车辆的行驶信息以及进入车辆前方预设检测范围内的行人的行进信息；在本实施方式中，信息采集模块还用于采集车辆前方预设检测范围的行人数量。

轨迹拟合模块，用于根据车辆的行驶信息拟合车辆的行驶参考轨迹以得到车辆局部路径函数，并对车辆局部路径函数以预设的频率进行更新；及用于根据采集的进入车辆前方预设检测范围内的行人于当前采样周期时长内的行进信息，获得行人的预测轨迹方程。

周期确定模块，用于确定采样周期的初始时长，并在预测车辆与行人可能发生相撞时根据设定的模糊规则重新制定新的采样周期的时长；

预测模块，用于综合车辆行驶参考轨迹及行人的预测轨迹方程判断车辆与行人是否相撞，当预测车辆与行人可能相撞时，判断车辆与行人的预计相撞时间是否大于P个当前采样周期的时长；

安全车速确定模块，用于确定车辆的当前车速及安全车速v_t；在本实施方式中，安全车速确定模块还用于根据探测到的车辆前方预设范围内的行人数量，并由行人数量制定车辆行驶的一级车速。

车速控制模块，用于根据预测模块的预测结果控制车辆的车速：若预测车辆与行人不相撞或车辆与行人的预计相撞时间大于P个当前采样周期的时长时，则控制车辆继续以当前的车速行驶；若预计相撞时间小于或等于P个当前采样周期的时长，则控制车辆减速至安全车速v_t直至行人安全通过车辆的行驶范围。

在本实施方式中，车速控制模块还用于在安全车速确定模块确定好一级车速后控制车辆按照设定的加速度加速至确定好的一级车速并以所述一级车速进行行驶。

具体地，在本实施方式中，车速控制模块为现有技术中的PI控制器，其本质是让当前的控制量(控制前的车速)逼近目标控制量(即车辆所要达到车速)，即：

式中，T为时间，V_e(T)为第T时刻和T-1时刻的速度差值，v_T为控制输出量，即车辆所要达到车速，V_(T-1)为上一时刻的车速，k_p为比例系数；T_i为积分系数。

可以理解，采样周期的初始时长可根据需要设置为其他数值。

可以理解，本发明的无人驾驶车辆的防撞方法及系统不限于在校园的无人驾驶的场景上使用，其也可以用于其他无人驾驶的场景。

上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所提示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。

Claims (11)

1.一种无人驾驶车辆的防撞方法，其特征在于，包括以下步骤：

S1，设置采样周期的初始时长；

S2，采集车辆的行驶信息以及按照设置的采样周期的初始时长，采集进入车辆前方预设检测范围内的行人于一个采样周期的行进信息；

S3，根据车辆的行驶信息拟合车辆的行驶参考轨迹以得到车辆局部路径函数f(x)，并对车辆局部路径函数以预设的频率进行更新；根据步骤S2采集的行人于当前采样周期时长内的行进信息，获得当前采样周期所对应的行人的预测轨迹方程；

S4，综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点：若不存在相交点，预测车辆与行人不相撞，则车辆继续以当前的车速行驶，并返回至步骤S2；若存在相交点，预测车辆与行人可能相撞，则进入步骤S5；

S5，判断车辆与行人的预计相撞时间是否大于P个当前采样周期的时长：

若车辆与行人的预计相撞时间小于或等于P个当前采样周期的时长，则车辆减速至安全车速v_t直至行人安全通过车辆的行驶范围，返回至步骤S2；

若车辆与行人的预计相撞时间大于P个当前采样周期的时长，则车辆继续以当前的车速行驶，并根据预设的模糊规则重新制定采样周期的时长，得到一新的采样周期，进入步骤S6；

S6，经过制定的新采样周期再次采集行人的行进信息，并根据新采样周期采集的行人行进信息更新行人的预测轨迹方程，进入步骤S7；

S7，综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点：若不存在相交点，预测车辆与行人不相撞，则车辆继续以当前的车速行驶，并返回至步骤S6；若存在相交点，预测车辆与行人可能相撞，则进入步骤S5。

2.如权利要求1所述的无人驾驶车辆的防撞方法，其特征在于，步骤S3中，采用三次样条插值法拟合车辆的行驶参考轨迹。

3.如权利要求1所述的无人驾驶车辆的防撞方法，其特征在于，当前采样周期所对应的行人的预测轨迹方程的获得方法为：假设行人的行走轨迹为直线，进入车辆前方预设检测范围内的行人于当前采样周期开始时采集到的坐标位置为(x_n1,y_n1)及当前采样周期结束时的坐标位置(x_n2,y_n2)，坐标位置采用世界坐标系，其中n表示第n个采样周期；将当前采样周期对应的两个坐标位置(x_n1,y_n1)、(x_n2,y_n2)代入直线方程(1)：

(x-x_n1)÷(x_n2－x_n1)＝(y-y_n1)÷(y_n2－y_n1) (1)

可得行人预测轨迹方程g_n(x)。

4.如权利要求3所述的无人驾驶车辆的防撞方法，其特征在于，步骤S4及S7中“综合车辆局部路径函数及当前采样周期所对应的行人的预测轨迹方程判断车辆与行人的轨迹是否有相交点”的方法为：

联立车辆局部路径函数f(x)和行人当前采样周期所对应的预测轨迹方程g_n(x)求解，若无实数解，行人轨迹和车辆轨迹无相交点，故不会相撞；若存在实数解，求出相交点M(x_n，y_n)，表示行人和车辆存在相撞的可能。

5.如权利要求3所述的无人驾驶车辆的防撞方法，其特征在于，车辆与行人的预计相撞时间通过以下方法获得：

获得行人在当前采样周期的平均行走速度v_n：

由行人于当前采样周期结束时的位置坐标(x_n2,y_n2)及步骤S4中相交点M的坐标(x_n，y_n)，根据两点间的距离公式可求出当前采样周期结束时行人与相交点M的距离L_j：

根据当前采样周期结束时行人与相交点M的距离L_j及行人在当前采样周期的平均速度v_n求出当前采样周期预测的行人刚进入车辆行驶范围的时间t_n1：

式中，α为车辆的车宽半径；θ为车辆宽度方向所在的坐标系y轴与当前采样周期行人预测轨迹g_n(x)的夹角；

根据当前采样周期结束时行人与相交点的距离L_j及行人在当前采样周期的平均速度v_n求出当前采样周期预测的行人刚走出车辆行驶范围的时间t_n2：

车头前端运动到相交点M(x_n，y_n)的时间t_s为：

式中，L_r1为当前车辆车头前端的中心位置与相交点M的距离，v_v为车辆的当前车速；

故当t_n1＜t_s＜t_n2时行人与车相撞，以t_s为相撞时间。

6.如权利要求5所述的无人驾驶车辆的防撞方法，其特征在于，行人在当前采样周期的平均行走速度v_n通过以下方法获得：

将行人于当前采样周期开始时的坐标位置(x_n1,y_n1)及结束时的坐标位置(x_n2,y_n2)带入两点间的距离公式求出行人在当前采样周期时长内走过的距离L_n：

因此，行人在当前采样周期的平均行走速度v_n为：

v_n为行人在当前采样周期的平均速度；L_n为行人在当前采样周期内走过的直线路程；t_pn为当前采样周期的时间长度。

7.如权利要求1所述的无人驾驶车辆的防撞方法，其特征在于，采样周期的个数P的确定方法为：

通过车辆的安全制动距离及当前车速v_v获得车辆的安全制动时间t_d：

式中，D为安全制动距离；

根据车辆的安全制动时间t_d及当前采样周期的时长获得采样周期的个数P：

式中，t_pn为当前采样的采样周期时长。

8.如权利要求7所述的无人驾驶车辆的防撞方法，其特征在于，安全制动距离D、安全车速v_t的确定方法为：

v_v为当前车速；v_t为车辆到达距离相撞点预设距离时的安全车速；τ为检测环节时滞和制动协调时间；d₀为冗余距离；t为车辆由当前车速v_v到v_t所需的时间；a为车辆的制动减速度；

联立方程(2)-(4)求出安全制动距离D、安全车速v_t及车辆由当前车速v_v到安全车速v_t所需的时间t。

9.如权利要求1所述的无人驾驶车辆的防撞方法，其特征在于，步骤S6中“根据采集的新采样周期内的行人行进信息更新行人的预测轨迹方程”的方法为：将上一轮采样周期结束时采集的行人坐标位置作为新采样周期开始时行人的坐标位置，经过新采样周期再次采集行人的位置坐标，将经过新采样周期再次采集得到的行人位置坐标与上一轮采样周期结束时采集的行人坐标位置代入直线方程(1)，以更新得到当前采样的行人的轨迹方程g_n(x)。

10.如权利要求1所述的无人驾驶车辆的防撞方法，其特征在于，步骤S2还包括以下步骤：采集车辆前方预设检测范围的行人数量，并根据车辆前方预设检测范围内的行人数量对车辆的一级车速进行分级，确定车辆行驶的一级车速后，再按照设定的加速度使车辆加速至确定好的一级车速并以所述一级车速行驶。

11.一种如权利要求1所述无人驾驶车辆的防撞方法所采用的系统，其特征在于，包括：

信息采集模块，用于采集车辆的行驶信息以及进入车辆前方预设检测范围内的行人的行进信息；

轨迹拟合模块，用于根据车辆的行驶信息拟合车辆的行驶参考轨迹以得到车辆局部路径函数，并对车辆局部路径函数以预设的频率进行更新；及用于根据采集的进入车辆前方预设检测范围内的行人于当前采样周期时长内的行进信息，获得行人的预测轨迹方程；

周期确定模块，用于确定采样周期的初始时长，并在预测车辆与行人可能发生相撞时根据设定的模糊规则重新制定新的采样周期的时长；

预测模块，用于综合车辆行驶参考轨迹及行人的预测轨迹方程判断车辆与行人是否相撞，当预测车辆与行人可能相撞时，判断车辆与行人的预计相撞时间是否大于P个当前采样周期的时长；

安全车速确定模块，用于确定车辆的当前车速及安全车速v_t；

车速控制模块，用于根据预测模块的预测结果控制车辆的车速：若预测车辆与行人不相撞或车辆与行人的预计相撞时间大于P个当前采样周期的时长时，则控制车辆继续以当前的车速行驶；若预计相撞时间小于或等于P个当前采样周期的时长，则控制车辆减速至安全车速v_t直至行人安全通过车辆的行驶范围。

Images