CN114882706A - 一种基于非结构性路面的周向防碰撞预警方法及系统 - Google Patents
一种基于非结构性路面的周向防碰撞预警方法及系统 Download PDFInfo
- Publication number
- CN114882706A CN114882706A CN202210627482.8A CN202210627482A CN114882706A CN 114882706 A CN114882706 A CN 114882706A CN 202210627482 A CN202210627482 A CN 202210627482A CN 114882706 A CN114882706 A CN 114882706A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- collision
- track
- early warning
- scene
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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
本发明涉及一种基于非结构性路面的周向防碰撞预警方法及系统,其方法包括:获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型;根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图;基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警。本发明通过非车道的轨迹预测模型,实现了在越野道路等非结构路面下的多种碰撞安全策略下的周向防碰预警。
Description
技术领域
本发明属于涉及车辆驾驶安全领域,具体涉及一种基于非结构性路面的周向防碰撞预警方法。
背景技术
在交通安全问题上,以车辆碰撞事故造成的伤亡最为严重。在车辆碰撞事故中,除了前向碰撞之外,侧向碰撞也占有较大的比例。发生原因不仅包括疲劳驾驶、超速等违章驾驶,还有驾驶环境带来的客观因素。其中越野道路等非结构性路面几何条件(不平度、松软度)以及物理条件(车道线不清晰、障碍物遮挡视线)的限制,常常引发安全事故。因此实现防碰撞安全预警在行车过程中非常必要的。
目前,行车防碰撞预警算法主要分为两大类。第一类是前向碰撞预警算法,主要应用于前向跟车场景。这一类主要通过车头时距以及车道线位置预测前车驾驶意图,再通过碰撞风险识别算法触发预警,以提醒驾驶人保持车距或执行避碰操作。比如Yang等人提出的方法(W.Yang,B.Wan and X.Qu,"A Forward Collision Warning System UsingDriving Intention Recognition of the Front Vehicle and V2V Communication,"IEEE Access,vol.8,pp.11268-11278,2020.)。这类算法无法处理侧向碰撞场景问题,因此存在误报和漏报的问题。另一类算法是侧向碰撞预警算法。这类算法目前主要解决交叉路口和侧向切入场景带来的侧向碰撞预警问题。这类主要通过获取车辆变道意图来得到轨迹预测模型。基于轨迹预测模型得到当下的碰撞预警指标,再与设定的预警阀值比较,实现防碰撞预警。如Lyu等的方法(N.Lyu,J.Wen,Z.Duan and C.Wu,"Vehicle TrajectoryPrediction and Cut-In Collision Warning Model in a Connected VehicleEnvironment,"IEEE Trans onIntelligent Transportation Systems,vol.23,no.2,pp.966-981,Feb.2022.)。尽管第二类算法弥补了第一类算法在侧向碰撞预警的不足,但仍面临一些挑战:1)这类算法实现的是基于车道线的轨迹预测方法。无法处理车道线和车道边界不清晰或缺失下的非结构性路面的情况,因此这些方法对于非结构路面下的碰撞预警问题没有考虑到。2)由于结构性路面可以准确得到临车相对路线和位置关系,因此多采用的是传统粒子模型。该模型忽略了车辆几何尺寸对碰撞时间及其带来的对预警精度的影响,因此在越野道路等非结构路面下使用十分受限,无法提供充分的安全预警。
发明内容
为解决非结构路面下的周向防碰撞的问题,在本发明的第一方面,提供了一种基于非结构性路面的周向防碰撞预警方法,包括:获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型;根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图;基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警。
在本发明的第二方面,提供了一种基于非结构性路面的周向防碰撞预警系统,包括:获取模块,用于获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型;生成模块,用于根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图;辨识模块,用于基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警。
在本发明的第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明在第一方面提供的基于非结构性路面的周向防碰撞预警方法。
在本发明的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现本发明在第一方面提供的基于非结构性路面的周向防碰撞预警方法。
本发明的有益效果是:
1.由于考虑到了非车道的轨迹预测模型,以及可以越野道路等非结构路面下的轨迹,并根据轨迹预测碰撞时间,从而实现在越野道路等非结构路面下或常规路面的碰撞安全预警;因此,相比于现有的碰撞预警算法,本发明实现了一种通用性的防碰撞预警方法;
2.由于采用多传感数值解析的方式实现车辆矩形模型下的轨迹预测,提高了碰撞安全预警的精度,算法实时性好;
3.基于碰撞时间、相对空间位置和安全余量进行碰撞决策,计算危险时刻并输出驾驶员建议,实现非结构路面下的周向防碰撞预警。
附图说明
图1为本发明的一些实施例中的基于非结构性路面的周向防碰撞预警方法的基本流程图;
图2为本发明的一些实施例中的基于非结构性路面的周向防碰撞预警方法的具体流程图;
图3为本发明的一些实施例中的场景边界辨识示意图;
图4为本发明的一些实施例中的越野道路曲线轨迹侧向碰撞场景图;
图5为本发明的一些实施例中的越野道路曲线轨迹等效碰撞示意图;
图6为本发明的一些实施例中的曲线轨迹航向角变化示意图;
图7为本发明的一些实施例中的场景仿真结果示意图;
图8为本发明的一些实施例中的基于非结构性路面的周向防碰撞预警系统结构图;
图9为本发明的一些实施例中的电子设备结构图
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
参考图1或图2,在本发明的第一方面,提供了一种基于非结构性路面的周向防碰撞预警方法,包括:S100.获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型;S200.根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图;S300.基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警。
作为以下实施例中的步骤S200和步骤S300的基础,步骤S100具体包括:S101.通过安装在车辆上的视觉和激光雷达传感器采集周围环境数据,获得周围车辆(包括一个或多个目标车辆)的运动、位置和空间大小参数。
Tracki={vi,θi,xi,yi,li,bi} (1),
式(1)中,vi为第i个车辆(目标车辆)的车速、θi为第i个车辆(目标车辆)的等效航向角、xi,yi为第i个车辆距离自车坐标系的横纵坐标、li,bi为第i个车辆的空间尺寸。
S102.通过安装在车辆(自身车辆)上的传感器获取自车的转向轮转角α,车速v0,自车的空间尺寸l0,b0;也即是,基于自车传感器获取自车的参数列表表示为:Track={v0,α,l0,b0};
S103.通过自车数据帧判断自车(自身车辆的简称)的轨迹类型,是直线轨迹还是曲线轨迹,并预测自车行驶轨迹,得到轨迹模型。
在得到轨迹参数列表下判断自车的曲线轨迹类型,并预测自车行驶轨迹。基于阿克曼转向关系,可以得到自车的转弯半径r=l0/α,并得到考虑自车几何尺寸的矩形模型下的自车轨迹:
S104.通过对周围环境反馈的数据,对第i个目标车辆的轨迹进行预测,得到轨迹模型。
Tracki=tan(θi)(x-xi)+yi (4)。
参考图3和图4,基于上述步骤或其他方法建立的轨迹模型,建立车辆矩形模型二维平面场景图;当自车做左转向的动作,此时左侧方出现一个目标单位横穿道路。考虑此时存在碰撞风险,因此存在轨迹碰撞点并靠近碰撞点。因此,在本发明的一些实施例的步骤S200中,所述根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图包括:
S201.根据自身车辆及其周围车辆的轨迹模型,以及阿克曼转向原理,生成一个或多个第一场景图;具体地,对场景进行筛选,若不存在轨迹碰撞、存在轨迹碰撞但远离碰撞点则返回步骤S104;
S202.根据自身车辆及其周围车辆的轨迹模型是否存在碰撞点,以及当前自身车辆位置与碰撞点的距离,从所述一个或多个第一场景图筛选出第二场景图。提取存在发生碰撞风险的目标车辆,预测自车和目标单位车辆达到碰撞点的未来等效偏航角θpre。
进一步的,所述根据自身车辆及其周围车辆的轨迹模型是否存在碰撞点,以及当前自身车辆位置与碰撞点的距离,从所述一个或多个第一场景图筛选出第二场景图包括:
S2021.从所述一个或多个第一场景图筛选出满足如下条件的第二场景图:自身车辆及其周围车辆的轨迹模型存在碰撞点,且当前自身车辆位置与碰撞点的距离达到预设值;S2022.基于所述第二场景图,确定所有存在与自身车辆发生碰撞风险的目标车辆,并预测其与自身车辆达到碰撞点的未来等效偏航角.基于阿克曼转向原理,自车曲线轨迹可以视为以转向半径为定值的圆周运动。可以预测出自车达到碰撞点航向角的变化大小θdet,如图6所示。
基于场景图预测等效航向角θpre=θi+θdet,可知自车的航向角沿顺时针偏转了θdet大小。
在碰撞场景,基于自车传感器信号在越野路面下模拟抛物线型车道线,作为判断是前向碰撞还是侧向碰撞的依据。有鉴于此,在本发明的一些实施例的步骤S300中,所述基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警包括:S301.基于笛卡尔坐标系下的双安全边界线模型,辨识所述第二场景图中碰撞场景的类型;所述双安全边界线模型表示为:
其中,c为当前车辆预测轨迹曲率,e为模拟车道线半宽度,y为当前车辆预测的纵坐标;
S302.根据辨识后的所述碰撞场景的类型和预设预警时间,向自身车辆的驾驶员发出不同的碰撞预警。
为了实现基于碰撞时间、相对空间位置和安全余量进行碰撞决策,计算危险时刻并输出驾驶员建议,实现非结构路面下的周向防碰撞预警。在一个优选的步骤S302中,所述根据辨识后的所述碰撞场景的类型和预设预警时间,向自身车辆的驾驶员发出碰撞预警包括:若碰撞场景被辨识为前向碰撞场景,则根据如下方法计算碰撞时间:
其中,TTCf表示前向碰撞场景的碰撞时间,yi表示第i个目标车辆的相对于自身车辆的纵坐标;vr表示目标车辆相对于自身车辆的相对车速,r表示自身车辆转弯半径,θdet表示航向角增量;
继续参考图5,若碰撞场景被辨识为侧向碰撞场景,则此时基于轨迹交点做切线,将切线轨迹代替圆弧轨迹,将曲线轨迹侧向碰撞场景转化为直线轨迹侧向碰撞场景,求解碰撞过渡时间表示为:
碰撞时间表示为:
其中,TTCl表示侧向碰撞场景的碰撞时间,xi、yi分别表示第i个目标车辆的相对于自身车辆的横坐标和纵坐标;vr表示目标车辆相对于自身车辆的相对车速,r表示自身车辆转弯半径,θi为第i个目标车辆的等效航向角,θdet表示航向角增量;
自车直行和曲线轨迹碰撞时间如下:
于是,自车碰撞过渡区间:
其中t0min表示自车首次到达碰撞区间所需时间,t0max表示即首次离开碰撞区间所需时间;
则,目标单位车辆碰撞过渡区间:
其中ti min表示目标车辆首次到达碰撞区间所需时间,ti max表示目标车辆首次离开碰撞区间所需时间。
参考图5和图7,基于上述碰撞时间或碰撞过渡时间的计算或判断,进行安全预警决策。考虑当自车接近碰撞过渡时间区间时,目标单位处在碰撞过渡时间区间外,判断为行驶安全环境。为了提高预警的精度,基于等效航向角对碰撞时间进行优化,即采用t0min d代替t0min,同理ti min d代替ti min。公式如下:
即当满足ti max<t0mind、t0max>ti min d或者t0min>5s,安全驾驶状态。不满足前面条件视为危险场景。
当t0min<5s一级预警,建议驾驶员制动减速度a;驾驶员制动减速度满足:
v0·ti max-a·ti max 2/2=|r|·θdet (13),
当t0min<3s二级预警,建议驾驶员制动减速度a;当t0min<1s三级预警,建议驾驶员紧急制动。
实施例2
参考图8,本发明的第二方面,提供了一种基于非结构性路面的周向防碰撞预警系统1,包括:获取模块11,用于获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型;生成模块12,用于根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图;辨识模块13,用于基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警。
进一步的,所述生成模块12包括:生成单元,用于根据自身车辆及其周围车辆的轨迹模型,以及阿克曼转向原理,生成一个或多个第一场景图;筛选单元,用于根据自身车辆及其周围车辆的轨迹模型是否存在碰撞点,以及当前自身车辆位置与碰撞点的距离,从所述一个或多个第一场景图筛选出第二场景图。
实施例3
参考图9,本发明的第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明在第一方面的方法。
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图9中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。需要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于非结构性路面的周向防碰撞预警方法,其特征在于,包括:
获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型;
根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图;
基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警。
2.根据权利要求1所述的基于非结构性路面的周向防碰撞预警方法,其特征在于,所述根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图包括:
根据自身车辆及其周围车辆的轨迹模型,以及阿克曼转向原理,生成一个或多个第一场景图;
根据自身车辆及其周围车辆的轨迹模型是否存在碰撞点,以及当前自身车辆位置与碰撞点的距离,从所述一个或多个第一场景图筛选出第二场景图。
3.根据权利要求2所述的基于非结构性路面的周向防碰撞预警方法,其特征在于,所述根据自身车辆及其周围车辆的轨迹模型是否存在碰撞点,以及当前自身车辆位置与碰撞点的距离,从所述一个或多个第一场景图筛选出第二场景图包括:
从所述一个或多个第一场景图筛选出满足如下条件的第二场景图:自身车辆及其周围车辆的轨迹模型存在碰撞点,且当前自身车辆位置与碰撞点的距离达到预设值;
基于所述第二场景图,确定所有存在与自身车辆发生碰撞风险的目标车辆,并预测其与自身车辆达到碰撞点的未来等效偏航角。
5.根据权利要求4所述的基于非结构性路面的周向防碰撞预警方法,其特征在于,所述根据辨识后的所述碰撞场景的类型和预设预警时间,向自身车辆的驾驶员发出碰撞预警包括:
若碰撞场景被辨识为前向碰撞场景,则根据如下方法计算碰撞时间:
其中,TTCf表示前向碰撞场景的碰撞时间,yi表示第i个目标车辆的相对于自身车辆的纵坐标;vr表示目标车辆相对于自身车辆的相对车速,r表示自身车辆转弯半径,θdet表示航向角增量;
若碰撞场景被辨识为侧向碰撞场景,则根据如下方法计算碰撞时间:
其中,TTCl表示侧向碰撞场景的碰撞时间,xi、yi分别表示第i个目标车辆的相对于自身车辆的横坐标和纵坐标;vr表示目标车辆相对于自身车辆的相对车速,r表示自身车辆转弯半径,θi为第i个目标车辆的等效航向角,θdet表示航向角增量。
6.根据权利要求1所述的基于非结构性路面的周向防碰撞预警方法,其特征在于,所述获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型包括:
获取自身车辆及其周围车辆的运动、位置和空间数据,并根据其判断各自的轨迹类型;
基于阿克曼转向关系,分别预测所述自身车辆和周围车辆的第一轨迹和第二轨迹,并根据所述第一轨迹和所述第二轨迹分别构建第一轨迹模型和第二轨迹模型。
7.一种基于非结构性路面的周向防碰撞预警系统,其特征在于,包括:
获取模块,用于获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型;
生成模块,用于根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图;
辨识模块,用于基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警。
8.根据权利要求7所述的基于非结构性路面的周向防碰撞预警系统,其特征在于,所述生成模块包括:
生成单元,用于根据自身车辆及其周围车辆的轨迹模型,以及阿克曼转向原理,生成一个或多个第一场景图;
筛选单元,用于根据自身车辆及其周围车辆的轨迹模型是否存在碰撞点,以及当前自身车辆位置与碰撞点的距离,从所述一个或多个第一场景图筛选出第二场景图。
9.一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至6任一项所述的基于非结构性路面的周向防碰撞预警方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于非结构性路面的周向防碰撞预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210627482.8A CN114882706B (zh) | 2022-05-31 | 2022-05-31 | 一种基于非结构性路面的周向防碰撞预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210627482.8A CN114882706B (zh) | 2022-05-31 | 2022-05-31 | 一种基于非结构性路面的周向防碰撞预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114882706A true CN114882706A (zh) | 2022-08-09 |
CN114882706B CN114882706B (zh) | 2023-06-16 |
Family
ID=82680368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210627482.8A Active CN114882706B (zh) | 2022-05-31 | 2022-05-31 | 一种基于非结构性路面的周向防碰撞预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882706B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052471A (zh) * | 2023-01-09 | 2023-05-02 | 内蒙古大学 | 一种车辆过弯冲撞路侧护栏的风险评估方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004059002A1 (de) * | 2004-12-08 | 2006-06-14 | Daimlerchrysler Ag | Verfahren zur Anpassung von Eingriffsparametern eines Assistenzsystems eines Fahrzeuges |
WO2010094363A1 (de) * | 2009-02-20 | 2010-08-26 | Robert Bosch Gmbh | Verfahren und steuergerät zur klassifikation einer kollision eines fahrzeugs |
EP3018026A1 (en) * | 2014-11-06 | 2016-05-11 | Autoliv Development AB | System and method for vehicle path prediction |
EP3456596A1 (en) * | 2017-09-14 | 2019-03-20 | Continental Automotive GmbH | Method and device of predicting a possible collision |
WO2019157193A1 (en) * | 2018-02-09 | 2019-08-15 | Nvidia Corporation | Controlling autonomous vehicles using safe arrival times |
CN111127950A (zh) * | 2019-12-27 | 2020-05-08 | 北京万集智能网联技术有限公司 | 一种车辆碰撞预警处理方法及装置 |
CN111738098A (zh) * | 2020-05-29 | 2020-10-02 | 浪潮(北京)电子信息产业有限公司 | 一种车辆识别方法、装置、设备及存储介质 |
WO2021135728A1 (zh) * | 2019-12-30 | 2021-07-08 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆碰撞预测判断方法及装置 |
WO2021196041A1 (zh) * | 2020-03-31 | 2021-10-07 | 华为技术有限公司 | 一种关键目标选取方法、装置及系统 |
CN113581101A (zh) * | 2021-08-31 | 2021-11-02 | 三一专用汽车有限责任公司 | 工程车辆事故检测处理方法及装置 |
CN113859266A (zh) * | 2021-10-12 | 2021-12-31 | 北京理工大学 | 一种非结构化道路目标车辆换道轨迹预测方法及系统 |
CN114372375A (zh) * | 2022-01-13 | 2022-04-19 | 华中科技大学 | 一种越野车安全行驶区域求解方法及系统 |
-
2022
- 2022-05-31 CN CN202210627482.8A patent/CN114882706B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004059002A1 (de) * | 2004-12-08 | 2006-06-14 | Daimlerchrysler Ag | Verfahren zur Anpassung von Eingriffsparametern eines Assistenzsystems eines Fahrzeuges |
WO2010094363A1 (de) * | 2009-02-20 | 2010-08-26 | Robert Bosch Gmbh | Verfahren und steuergerät zur klassifikation einer kollision eines fahrzeugs |
EP3018026A1 (en) * | 2014-11-06 | 2016-05-11 | Autoliv Development AB | System and method for vehicle path prediction |
EP3456596A1 (en) * | 2017-09-14 | 2019-03-20 | Continental Automotive GmbH | Method and device of predicting a possible collision |
WO2019157193A1 (en) * | 2018-02-09 | 2019-08-15 | Nvidia Corporation | Controlling autonomous vehicles using safe arrival times |
CN111127950A (zh) * | 2019-12-27 | 2020-05-08 | 北京万集智能网联技术有限公司 | 一种车辆碰撞预警处理方法及装置 |
CN113119964A (zh) * | 2019-12-30 | 2021-07-16 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆碰撞预测判断方法及装置 |
WO2021135728A1 (zh) * | 2019-12-30 | 2021-07-08 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆碰撞预测判断方法及装置 |
WO2021196041A1 (zh) * | 2020-03-31 | 2021-10-07 | 华为技术有限公司 | 一种关键目标选取方法、装置及系统 |
CN111738098A (zh) * | 2020-05-29 | 2020-10-02 | 浪潮(北京)电子信息产业有限公司 | 一种车辆识别方法、装置、设备及存储介质 |
CN113581101A (zh) * | 2021-08-31 | 2021-11-02 | 三一专用汽车有限责任公司 | 工程车辆事故检测处理方法及装置 |
CN113859266A (zh) * | 2021-10-12 | 2021-12-31 | 北京理工大学 | 一种非结构化道路目标车辆换道轨迹预测方法及系统 |
CN114372375A (zh) * | 2022-01-13 | 2022-04-19 | 华中科技大学 | 一种越野车安全行驶区域求解方法及系统 |
Non-Patent Citations (5)
Title |
---|
HAITAO MIN: ""Autonomous driving path planning"", 《AUTOMOBOLE ENGINEERING》 * |
YANGYAN GAO: "\"A flexible control allocation method for terminal\"", 《2016 INTERNATIONAL CONFERENCE FOR STUDENTS ON APPLIED ENGINEERING(ICSAE)》 * |
洪昂: ""基于模型预测控制的自动驾驶汽车在十字路口运动规划与控制研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
王成;SHU CHI-WANG;: "爆炸力学高精度数值模拟研究进展", 科学通报, no. 10 * |
许淼: "汽车主动安全控制技术浅析", 《汽车文摘》, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052471A (zh) * | 2023-01-09 | 2023-05-02 | 内蒙古大学 | 一种车辆过弯冲撞路侧护栏的风险评估方法及系统 |
CN116052471B (zh) * | 2023-01-09 | 2024-03-19 | 内蒙古大学 | 一种车辆过弯冲撞路侧护栏的风险评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114882706B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6800899B2 (ja) | 視界に制限のある交差点への接近のためのリスクベースの運転者支援 | |
Li et al. | Risk assessment based collision avoidance decision-making for autonomous vehicles in multi-scenarios | |
US10486707B2 (en) | Prediction of driver intent at intersection | |
CN110488802B (zh) | 一种网联环境下的自动驾驶车辆动态行为决策方法 | |
WO2022007655A1 (zh) | 一种自动换道方法、装置、设备及存储介质 | |
AU2019284146B2 (en) | Testing predictions for autonomous vehicles | |
Kim et al. | Collision risk assessment algorithm via lane-based probabilistic motion prediction of surrounding vehicles | |
US9751506B2 (en) | Algorithms for avoiding automotive crashes at left and right turn intersections | |
EP3699047A1 (en) | Vehicle control apparatus | |
EP3699049A1 (en) | Vehicle control device | |
KR102524859B1 (ko) | 자율 차량 의사 결정을 위한 시맨틱 물체 클러스터링 | |
US11310269B2 (en) | Methods to detect spoofing attacks on automated driving systems | |
Bonnin et al. | A generic concept of a system for predicting driving behaviors | |
US20220203971A1 (en) | Vehicle control method | |
WO2023024542A1 (zh) | 车辆决策规划方法、装置、设备及介质 | |
US11731615B2 (en) | System and method for remote operator assisted driving through collision avoidance | |
CN113442917A (zh) | 用于宿主机动车辆的警告系统 | |
CN116872921A (zh) | 一种车辆规避风险方法、系统、车辆及存储介质 | |
CN114882706A (zh) | 一种基于非结构性路面的周向防碰撞预警方法及系统 | |
Hosseini et al. | Adaptive forward collision warning algorithm for automotive applications | |
CN113911111A (zh) | 车辆碰撞检测方法、系统、电子设备以及存储介质 | |
Ding et al. | Research on safety lane change warning method based on potential angle collision point | |
KR20200133122A (ko) | 차량 충돌 방지 장치 및 방법 | |
WO2023076343A1 (en) | Autonomous vehicle trajectory determination based on state transition model | |
US20230243994A1 (en) | Use of low frequency electromagnetic signals to detect occluded anomalies by a vehicle |
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 |