CN115092130A - 车辆碰撞预测方法、装置、电子设备、介质和车辆 - Google Patents
车辆碰撞预测方法、装置、电子设备、介质和车辆 Download PDFInfo
- Publication number
- CN115092130A CN115092130A CN202210686528.3A CN202210686528A CN115092130A CN 115092130 A CN115092130 A CN 115092130A CN 202210686528 A CN202210686528 A CN 202210686528A CN 115092130 A CN115092130 A CN 115092130A
- Authority
- CN
- China
- Prior art keywords
- predicted
- collision
- vehicle
- target object
- predicted collision
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000009471 action Effects 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 29
- 230000001133 acceleration Effects 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000007423 decrease Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 29
- 238000012545 processing Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000016776 visual perception Effects 0.000 description 3
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- 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
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种车辆碰撞预测方法、装置、电子设备、介质和车辆,涉及计算机技术领域,尤其涉及智能交通、自动驾驶领域。方案为:获取第一车辆的第一预测轨迹和目标物体的第二预测轨迹;基于第一预测轨迹和第二预测轨迹确定第一预测碰撞点集合。针对每个预测碰撞点:至少根据该预测碰撞点对应的碰撞时刻,确定所述目标物体在该预测碰撞点处的躲避动作参数;判断躲避动作参数是否满足可执行条件;响应于确定躲避动作参数满足可执行条件,更新第一预测碰撞点集合;响应于确定经更新的第一预测碰撞点集合包括至少一个预测碰撞点,预测第一车辆与目标物体将发生碰撞。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及智能交通、自动驾驶技术领域,具体涉及一种车辆碰撞预测方法、装置、电子设备、计算机可读存储介质、计算机程序产品、车辆和边缘计算设备。
背景技术
车辆碰撞作为常见的交通事故,可能造成经济损失和人员伤亡。随着自动驾驶技术的不断发展,如何减少或避免自动驾驶车辆发生碰撞事故受到越来越多的关注。自动驾驶车辆可以依靠计算机视觉、雷达和全球定位系统等实现自动驾驶功能。在自动驾驶车辆的行驶过程中,为了减少或避免碰撞事故,通常需要准确地预测可能发生的碰撞,从而及时减速避让或绕行。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种车辆碰撞预测方法、装置、电子设备、计算机可读存储介质、计算机程序产品、车辆和边缘计算设备。
根据本公开的一方面,提供了一种车辆碰撞预测方法。该方法包括:获取第一车辆的第一预测轨迹;获取目标物体的第二预测轨迹;基于第一预测轨迹和第二预测轨迹,确定第一预测碰撞点集合。第一预测碰撞点集合包括至少一个预测碰撞点以及每个预测碰撞点对应的碰撞时刻。针对第一预测碰撞点集合中的每个预测碰撞点:至少根据该预测碰撞点对应的碰撞时刻,确定目标物体在该预测碰撞点处的躲避动作参数,躲避动作参数指示目标物体在以满足该参数运动的情况下能够躲避与第一车辆之间的预期碰撞;判断躲避动作参数是否满足可执行条件;以及响应于确定躲避动作参数满足可执行条件,更新第一预测碰撞点集合。该方法还包括响应于确定经更新的第一预测碰撞点集合包括至少一个预测碰撞点,预测第一车辆与目标物体将发生碰撞。
根据本公开的另一方面,提供了一种车辆碰撞预测装置。该装置包括第一获取单元、第二获取单元、预测碰撞点集合确定单元、躲避动作参数确定单元、判断单元、更新单元以及碰撞预测单元。第一获取单元被配置为获取第一车辆的第一预测轨迹;第二获取单元被配置为获取目标物体的第二预测轨迹;预测碰撞点集合确定单元被配置为基于第一预测轨迹和第二预测轨迹,确定第一预测碰撞点集合。第一预测碰撞点集合包括至少一个预测碰撞点以及每个预测碰撞点对应的碰撞时刻。针对第一预测碰撞点集合中的每个预测碰撞点:躲避动作参数确定单元被配置为至少根据该预测碰撞点对应的碰撞时刻,确定目标物体在该预测碰撞点处的躲避动作参数,躲避动作参数指示目标物体在以满足该参数的方式运动的情况下能够躲避与第一车辆之间的预期碰撞;判断单元被配置为判断躲避动作参数是否满足可执行条件;并且更新单元被配置为响应于确定躲避动作参数满足可执行条件,更新第一预测碰撞点集合。并且碰撞预测单元被配置为响应于确定经更新的第一预测碰撞点集合包括至少一个预测碰撞点,预测第一车辆与目标物体将发生碰撞。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的车辆碰撞预测方法。
根据本公开的再一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述的车辆碰撞预测方法。
根据本公开的再一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述的车辆碰撞预测方法。
根据本公开的再一方面,提供了一种车辆,该车辆包括根据上述的电子设备。
根据本公开的再一方面,提供了一种边缘计算设备,该边缘计算设备包括根据上述的电子设备。
根据本公开的一个或多个实施例,可以提升车辆碰撞预测的准确率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的车辆碰撞预测方法的流程图;
图3示出了根据本公开的实施例的车辆碰撞预测方法的部分过程的流程图;
图4示出了根据本公开的实施例的车辆碰撞预测方法的部分过程的流程图;
图5示出了根据本公开的实施例的车辆碰撞预测方法的部分过程的流程图;
图6示出了可以实现根据本公开的实施例的车辆碰撞预测方法的场景图;
图7示出了根据本公开的实施例的车辆碰撞预测装置的结构框图;以及
图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
如上文所述,为了确保自动驾驶车辆的行驶安全,需要准确地预测可能发生的碰撞。本公开提出了一种车辆碰撞预测方法、装置、电子设备、计算机可读存储介质、计算机程序产品、车辆和边缘计算设备。利用车辆和目标物体的预测轨迹,确定预测碰撞点集合;根据预测碰撞点对应的碰撞时刻,确定躲避动作参数;并判断躲避动作参数是否满足可执行条件,当满足该可执行条件时更新预测碰撞点集合;当更新后的预测碰撞点集合中仍存在预测碰撞点时,预测车辆将发生碰撞。由此,能够提升碰撞预测的准确性。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
在本公开的实施例中,机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
服务器120可以运行一个或多个服务或软件应用,该一个或多个服务或软件应用能够执行根据本公开实施例的车辆碰撞预测方法。在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
网络130可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络130可以是卫星通信网络、局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(包括例如蓝牙、WiFi)和/或这些与其他网络的任意组合。
系统100还可以包括一个或多个数据库150。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个:视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外,通过对视觉摄像头捕获的画面进行分析,可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周,用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置,用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置,用于检测物体边缘、形状信息,从而进行物体识别和追踪。由于多普勒效应,雷达装置还可以测量车辆与移动物体的速度变化。
机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如,北斗、GPS、GLONASS以及GALILEO)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块,移动通信网络可以实施任何适合的通信技术,例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置112还可以具有车联网或车联万物(Vehicle-to-Everything,V2X)模块,被配置用于实现例如与其它车辆143进行车对车(Vehicle-to-Vehicle,V2V)通信和与基础设施144进行车辆到基础设施(Vehicle-to-Infrastructure,V2I)通信的车与外界的通信。此外,通信装置112还可以具有被配置为例如通过使用IEEE802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112,机动车辆110还可以经由网络130接入服务器120。
机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器,例如中央处理单元(CPU)或图形处理单元(GPU),或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动,而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如,可以使用车载处理器执行某一些处理,而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外,控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开的实施例的车辆碰撞预测方法200的流程图。
如图2所示,方法200包括:
步骤S210、获取第一车辆的第一预测轨迹;
步骤S220、获取目标物体的第二预测轨迹;
步骤S230、基于第一预测轨迹和第二预测轨迹,确定第一预测碰撞点集合。第一预测碰撞点集合包括至少一个预测碰撞点以及每个预测碰撞点对应的碰撞时刻。
针对第一预测碰撞点集合中的每个预测碰撞点,方法200还包括:
步骤S240、至少根据该预测碰撞点对应的碰撞时刻,确定目标物体在该预测碰撞点处的躲避动作参数。躲避动作参数指示目标物体在以满足该参数运动的情况下能够躲避与第一车辆之间的预期碰撞;
步骤S250、判断躲避动作参数是否满足可执行条件;以及
步骤S260、响应于确定躲避动作参数满足可执行条件,更新第一预测碰撞点集合。
方法200还包括步骤S270、响应于确定经更新的第一预测碰撞点集合包括至少一个预测碰撞点,预测第一车辆与目标物体将发生碰撞。
方法200例如可以由第一车辆执行,第一车辆可以是上文描述的机动车辆110。在一些示例中,目标物体可以是第一车辆周围的固定障碍物(例如路灯、护栏)、行人或行驶中的其他车辆。
在步骤S210中,可以获取第一车辆按照导航线路所规划的轨迹作为第一预测轨迹。例如,可以根据导航线路上的每个位置在高精地图中的坐标来确定第一预测轨迹。
在步骤S220中,可以通过车辆间通信的方式从其他车辆处接收第二预测轨迹,例如,目标物体是处于运动状态的其他车辆,该其他车辆可以将其规划的第二预测轨迹通过车辆间通信传输到第一车辆。在一些其他示例中,目标物体可以是处于静止状态的固定障碍物(例如护栏),第一车辆可以通过相机或雷达感知目标物体的运动状态并通过计算机进一步计算目标物体的第二预测轨迹(在目标物体是固定障碍物的情况下,第二预测轨迹是固定的点)。
在步骤S230中,可以确定第一预测轨迹和第二预测轨迹的一个或多个交点,该一个或多个交点均可以作为预测碰撞点。示例性地,第一预测轨迹和第二预测轨迹之间可以包括3个交点,这3个交点可以分别为预测碰撞点a、预测碰撞点b和预测碰撞点c。每个预测碰撞点具有相应的碰撞时刻,例如预测碰撞点a的碰撞时刻为1秒,这意味着在1秒后第一车辆可能与目标物体在预测碰撞点a处发生碰撞。例如预测碰撞点b的碰撞时刻为2秒,这意味着在2秒后第一车辆可能与目标物体在预测碰撞点b处发生碰撞。例如预测碰撞点c的碰撞时刻为3秒,这意味着在3秒后第一车辆可能与目标物体在预测碰撞点c处发生碰撞。
在步骤S240中,针对第一预测碰撞点集合中的每个预测碰撞点,可以根据预测碰撞点对应的碰撞时刻,确定目标物体在该预测碰撞点处的躲避动作参数。例如,对于预测碰撞点c,根据预测碰撞点c对应的碰撞时刻3秒,确定目标物体在预测碰撞点c处的这3秒内的躲避动作参数(例如转向半径或刹车加速度)。例如,可以确定目标物体的躲避动作参数为5m/s2刹车加速度,这意味着在未来3秒内,若目标物体以5m/s2的刹车加速度进行刹车,则能够躲避与第一车辆之间的预期碰撞。
可执行条件可以是允许目标物体所做出的躲避动作的范围。例如,考虑到躲避动作自身可能带来的安全风险(例如在躲避时目标物体可能发生滑移或侧翻),在该允许的范围内进行躲避动作可以使目标物体不至于引发上述安全风险。
当确定躲避动作参数(5m/s2刹车加速度)满足可执行条件时,表示在当前情况下,目标物体能够以5m/s2的刹车加速度进行减速来躲避与第一车辆的预期碰撞。因此,可以更新第一预测碰撞点集合,更新后的第一预测碰撞点集合例如可以包括预测碰撞点a和预测碰撞点b。
在步骤S270中,响应于确定经更新的第一预测碰撞点集合包括至少一个预测碰撞点(例如包括预测碰撞点a和预测碰撞点b),则可以预测第一车辆与目标物体将发生碰撞。
由此,可以将进一步被预测为不会发生碰撞的预测碰撞点c从第一预测碰撞点集合中去除,而在第一预测碰撞点集合中保留了那些被进一步预测为会发生碰撞的预测碰撞点(预测碰撞点a和预测碰撞点b),可以提升碰撞预测的准确性。
根据一些实施例,步骤S220、获取目标物体的第二预测轨迹可以包括:获取目标物体当前的位置信息和运动状态信息;以及根据位置信息和运动状态信息,确定目标物体的所述第二预测轨迹。
例如,第一车辆可以利用视觉感知模块或雷达感知模块,获取目标物体当前的位置信息和运动状态信息。位置信息可以是目标物体在高精地图中的坐标,运动状态信息可以包括目标物体的运动速度、加速度、转向角度中的一者或多者。基于目标物体当前的坐标和速度、加速度,可以计算出在未来一段时间内目标物体的第二预测轨迹。
由此,当无法从目标物体(例如目标物体是行人)处获取目标物体提供的第二预测轨迹时,可以通过目标物体的位置信息和运动状态信息来确定第二预测轨迹。
图3示出了根据本公开的实施例的车辆碰撞预测方法200的部分过程的流程图。
根据一些实施例,第一预测轨迹可以包括在预设时间段内第一车辆的多个第一预测坐标和每个第一预测坐标对应的时刻,并且第二预测轨迹包括在所述预设时间段内目标物体的多个第二预测坐标和每个第二预测坐标对应的时刻。如图3所示,针对每个时刻,步骤S230可以包括:
步骤S331、确定在该时刻的第一坐标与第二坐标之间的距离;
步骤S332、将距离与距离阈值进行比较;以及
步骤S333、响应于确定距离小于距离阈值,根据第一坐标和第二坐标,确定该时刻对应的预测碰撞点坐标。
在一些示例中,第一预测坐标和第二预测坐标可以是高精地图中的坐标,第一坐标与第二坐标之间的距离可以是欧式距离。
距离阈值可以是根据第一车辆的外形尺寸预先设置的阈值,距离阈值能够为碰撞预测提供安全裕度,提高对车辆与目标物体之间的“擦边式”碰撞的预测准确率。在一些示例中,当第一车辆是大型车辆时,可以适度增大距离阈值;当第一车辆是小型车辆时,可以适度减小距离阈值。
根据一些实施例,上述步骤S333可以包括:将第一坐标和第二坐标的平均值确定为该时刻对应的预测碰撞点坐标。
第一坐标和第二坐标的平均值可以是在平面坐标系中第一坐标和第二坐标的横坐标的平均值以及纵坐标的平均值。
根据一些实施例,方法200还可以包括:分别获取第一车辆的轮廓信息和目标物体的轮廓信息。并且距离阈值可以是基于第一车辆的轮廓信息和目标物体的轮廓信息两者确定的。
由此,在确定距离阈值时,通过将第一车辆和目标物体的轮廓信息均考虑在内,使得距离阈值更加合理,从而进一步提升碰撞的预测准确率。在一些示例中,第一车辆的轮廓信息可以是根据第一车辆的出厂参数预先设置的,第一车辆的轮廓信息可以是第一车辆的迎风面的宽度尺寸;并且目标物体的轮廓信息可以是第一车辆通过视觉感知功能计算得到的,目标物体的轮廓信息可以是目标物体迎风面的宽度尺寸。
在一些示例中,距离阈值可以是第一车辆的迎风面的宽度尺寸、目标物体迎风面的宽度尺寸以及安全裕度三者的总和。
根据一些实施例,上述步骤S250、判断躲避动作参数是否满足可执行条件可以包括:至少根据该预测碰撞点对应的碰撞时刻,查询针对目标物体预先设定的躲避动作的允许值;以及将躲避动作参数与允许值进行比较。并且上述步骤S260、响应于确定躲避动作参数满足可执行条件,更新第一预测碰撞点集合可以包括:响应于确定躲避动作参数满足允许值,将该预测碰撞点从第一预测碰撞点集合中去除。
例如,可以查询碰撞时刻为3秒所对应的预先设定的躲避动作的允许值,该允许值例如可以是6m/s2。躲避动作的允许值表示该目标物体在3秒内能够做出的最大加速度。躲避动作的允许值可以是根据目标物体的行驶性能或交通规则或道路条件允许的车辆最大加速度所预先设定的。
接着,当确定躲避动作参数(5m/s2刹车加速度)满足允许值(6m/s2)时,表示在当前情况下,目标物体能够以5m/s2的刹车加速度进行减速来躲避与第一车辆的预期碰撞。因此,可以将该预测碰撞点c从第一预测碰撞点集合中去除,从而更新第一预测碰撞点集合。
根据一些实施例,躲避动作参数可以包括躲避转向半径,躲避转向半径指示目标物体在以小于该躲避转向半径进行转向的情况下能够躲避预期碰撞,并且允许值包括转向半径允许值。
并且上述步骤S270可以包括:响应于确定躲避转向半径大于转向半径允许值,将该预测碰撞点从第一预测碰撞点集合中去除。
躲避转向半径大于转向半径允许值意味着目标物体被允许以该躲避转向半径进行转向从而躲避预期的碰撞。转向半径允许值可以是根据车辆的转向性能、道路宽度确定的。
针对每个预测碰撞点,通过确定目标物体在该预测碰撞点处的躲避转向半径,并将目标物体能够依靠转向而躲避碰撞的那些预测碰撞点从第一预测碰撞点集合中去除,使得目标物体不能依靠转向而躲避碰撞的那些预测碰撞点保留在第一预测碰撞点集合中。由此,能够减少将不会发生碰撞的情形预测为将发生碰撞的情形的可能性,进一步提升碰撞预测的准确率。第一预测碰撞点集合中剩余的预测碰撞点均可以被认为具有较高的碰撞风险。
图4示出了根据本公开的实施例的车辆碰撞预测方法200的部分过程的流程图。
根据一些实施例,如图4所示,可以通过以下步骤确定躲避转向半径:
步骤S410、获取目标物体的速度;
步骤S420、确定第一预测轨迹与第二预测轨迹在该预测碰撞点处的夹角;
步骤S430、根据夹角和该预测碰撞点对应的碰撞时刻,确定躲避转向角速度;以及
步骤S440、根据躲避转向角速度和目标物体的速度,确定躲避转向半径。
目标物体的速度可以是目标物体在高精地图中的绝对速度Vobstacle。
第一预测轨迹与第二预测轨迹在该预测碰撞点处的夹角θ可以是第一预测轨迹与第二预测轨迹在该预测碰撞点处的切线方向所夹的锐角。
躲避转向角速度ω可以是夹角θ与碰撞时刻的比值。
躲避转向半径ravoid可以是绝对速度Vobstacle与角速度ω的比值。
根据一些实施例,可以通过以下步骤确定转向半径允许值:
获取目标物体的速度;以及
根据该预测碰撞点对应的碰撞时刻以及目标物体的速度,从第一数据表中查询转向半径允许值。第一数据表分别维护目标物体的速度与转向半径允许值之间的关联关系以及碰撞时刻与转向半径允许值之间的关联关系。
目标物体的速度可以是目标物体在高精地图中的绝对速度Vobstacle。
在一些示例中,目标物体的速度Vobstacle例如可以是10m/s,该预测碰撞点对应的碰撞时刻可以是3s。在第一数据表中,10m/s的速度值可以对应于多个碰撞时刻的值,例如,10m/s的速度值可以对应于1s、2s、3s这三个碰撞时刻的值。每个碰撞时刻的值可以分别对应一个转向半径允许值,例如分别对应10m、9m、8m的转向半径允许值。由此,可以基于目标物体的速度10m/s以及碰撞时刻3s,根据二者与转向半径允许值之间的关联关系,从第一数据表中查询到转向半径允许值为8m。
在第一数据表中,更小的速度值可以对应于更小的转向半径允许值。例如,在相同的碰撞时刻下,速度为10m/s所对应的转向半径允许值可以小于速度为11m/s所对应的转向半径允许值。这是因为转向半径允许值越小表示允许目标物体进行越急迫的转向,而当目标物体的速度越来越大时,越不能允许急迫的转向,从而避免转向过急而导致目标物体(例如车辆)发生滑移或侧翻。类似地,在第一数据表中,更大的碰撞时刻可以对应于更小的转向半径允许值。例如,在相同的速度值下,碰撞时刻为2s所对应的转向半径允许值可以小于碰撞时刻为1s所对应的转向半径允许值。这是因为当目标物体的碰撞时刻越小时,意味着距离碰撞越近,目标物体(例如车辆)进行转向的反应时间也越短,目标车辆的性能可能无法满足在非常短的时间内进行急转向,因此可以设定更大的转向半径允许值。由此,通过针对不同的碰撞时刻以及不同的目标物体的速度设置不同的转向半径允许值,能够进一步提升碰撞预测的准确率。
根据一些实施例,躲避动作参数可以包括躲避加速度,躲避加速度指示目标物体在以大于该躲避加速度运动的情况下能够躲避所述预期碰撞,并且允许值包括加速度允许值。
并且上述步骤S270可以包括:响应于确定躲避加速度小于加速度允许值,将该预测碰撞点从第一预测碰撞点集合中去除。
躲避加速度小于加速度允许值意味着目标物体被允许以该加速度允许值进行加速或减速从而躲避预期的碰撞。加速度允许值可以是根据车辆的加减速性能、路面摩擦因数确定的。
针对每个预测碰撞点,通过确定目标物体在该预测碰撞点处的躲避加速度,并将目标物体能够依靠加减速而躲避碰撞的那些预测碰撞点从第一预测碰撞点集合中去除,使得目标物体不能依靠加减速而躲避碰撞的那些预测碰撞点保留在第一预测碰撞点集合中。由此,能够减少将不会发生碰撞的情形预测为将发生碰撞的情形的可能性,进一步提升碰撞预测的准确率。第一预测碰撞点集合中剩余的预测碰撞点均可以被认为具有较高的碰撞风险。
根据一些实施例,可以通过以下步骤确定加速度允许值:
确定目标物体的类型;以及
根据该预测碰撞点对应的碰撞时刻以及目标物体的类型,从第二数据表中查询加速度允许值。第二数据表分别维护目标物体的类型与加速度允许值之间的关联关系以及碰撞时刻与加速度允许值之间的关联关系。
在一些示例中,目标物体的类型例如可以是大型车、小型车、自行车等。在第二数据表中,每种目标物体的类型可以对应于多个碰撞时刻的值,例如,大型车可以对应于1s、2s、3s这三个碰撞时刻的值。每个碰撞时刻的值可以分别对应一个加速度允许值,例如分别对应6m/s2、7m/s2、8m/s2的加速度允许值。由此,可以基于目标物体的类型以及碰撞时刻3s,根据二者与加速度允许值之间的关联关系,从第二数据表中查询到加速度允许值为8m/s2。
在第二数据表中,更小的车型可以对应于更大的加速度允许值。例如,在相同的碰撞时刻下,小型车所对应的加速度允许值可以大于大型车所对应的加速度允许值。这是因为车型越大意味着车辆惯性越大,而由于车辆制动系统自身的限制,惯性越大的车辆往往刹车距离更长,因此应当对应于更小的加速度允许值(若加速度过大可能发生翻车事故)。类似地,在第二数据表中,更大的碰撞时刻可以对应于更大的加速度允许值。例如,在相同的车型下,碰撞时刻为2s所对应的加速度允许值可以大于碰撞时刻为1s所对应的加速度允许值。这是因为当目标物体的碰撞时刻越小时,意味着距离碰撞越近,目标物体(例如车辆)进行制动的反应时间越短,目标车辆的性能可能无法满足在非常短的时间内进行紧急制动,因此可以设定更小的加速度允许值。由此,通过针对不同的碰撞时刻以及不同的目标物体的类型设置不同的加速度允许值,能够进一步提升碰撞预测的准确率。
将理解的是,第二数据表可以是与上述第一数据表相同的数据表,也可以是与上述第一数据表不同的数据表。
根据一些实施例,确定目标物体的类型可以包括以下步骤:
获取包括目标物体的图像;以及
对图像进行图像识别,以确定目标物体是以下各种预设类型中的一种:固定障碍物、行人、行驶的第二车辆。
例如,第一车辆可以通过视觉感知功能捕获包括目标物体的图像,并对捕获的图像进行图像识别。固定障碍物、行人、行驶的第二车辆可以是预设的三种类型。固定障碍物例如可以是建筑物、护栏等,由于这些障碍物无法自行移动,因此在第二数据表中,无论碰撞时刻的取值为何值,相应的加速度允许值均可以被设定为0。行人可以在碰撞发生前以较小的加速度进行避让,因此在第二数据表中相同的碰撞时刻下,“行人”这一目标物体的类型所对应的加速度允许值可以较“固定障碍物”这一目标物体的类型所对应的加速度允许值稍大。类似地,行驶的第二车辆能够在碰撞发生前以较大的加速度进行避让,因此在第二数据表中相同的碰撞时刻下,“行驶的第二车辆”这一目标物体的类型所对应的加速度允许值可以较“行人”这一目标物体的类型进一步增大。由此,针对不同种类的目标物体设定不同的加速度允许值,能够使得第一预测碰撞点集合中的预测碰撞点准确率更高,从而进一步提升碰撞预测准确率。
图5示出了根据本公开的实施例的车辆碰撞预测方法200的部分过程的流程图。
根据一些实施例,如图5所示,上述步骤S230可以包括:
步骤S531、基于第一预测轨迹和第二预测轨迹,确定第二预测碰撞点集合,其中,第二预测碰撞点集合包括多个预测碰撞点以及每个预测碰撞点对应的碰撞时刻;
步骤S532、沿第一预测轨迹,确定第一车辆前方的偏离范围,偏离范围定义了第一预测轨迹两侧的预设面积的区域;以及
步骤S533、从第二预测碰撞点集合中选择落入偏离范围内的预测碰撞点,从而获得第一预测碰撞点集合。
在一些示例中,可以针对每个时刻,将在该时刻的第一预测轨迹上的坐标与第二预测轨迹上的坐标之间的距离小于距离阈值的坐标点(该坐标点可以是第一预测轨迹上的坐标点、第二预测轨迹上的坐标点或二者的平均坐标点)确定为第二预测碰撞点集合中的预测碰撞点。
在步骤S532中,根据一些示例,第一车辆前方的偏离范围可以是沿着第一预测轨迹向前的方向,具有预设宽度和预设长度的矩形区域。预设宽度可以是从第一车辆的中轴线分别向两侧偏移2m的宽度;预设长度例如可以是10m,由此,偏离范围在第一预测轨迹的两侧分别定义了面积为20mm2的区域。
由于未落入偏离范围内的点所预测的碰撞准确率较落入偏离范围内的点所预测的碰撞准确率低(通常,距离第一车辆越近,碰撞预测点的准确率越高),通过将落入偏离范围内的预测碰撞点选入所述第一预测碰撞点集合中,而将未落入偏离范围内的预测碰撞点排除在第一预测碰撞点集合之外,可以在保证碰撞预测准确率的前提下,减少运算量,从而提升运算效率。
根据一些实施例,从第一车辆的位置沿第一预测轨迹向前,偏离范围的侧向偏离距离可以逐渐减小。
由于沿第一预测轨迹向前,预测碰撞点所对应的碰撞准确性会随之降低,通过使偏离范围的侧向偏离距离逐渐减小,进一步将远离第一车辆目前位置的碰撞预测点排除在所述第一预测碰撞点集合之外,能够进一步减少运算量,从而进一步提升运算效率。
下面将继续结合图6描述根据本公开实施例的车辆碰撞预测方法。图6示出了可以实现根据本公开的实施例的车辆碰撞预测方法200的场景图。
如图6所示,车辆610是第一车辆,车辆620是目标物体。沿着车辆610向前的方向,六个空心圆点示出了车辆610的第一预测轨迹。六个空心圆点分别用[X1]、[X2]、[X3]、[X4]、[X5,5s]、[X6]表示,其中X1至X6分别表示每个轨迹点的坐标,5s表示碰撞时刻为5s。六个空心三角形示出了车辆620的第二预测轨迹。六个空心三角形分别用[Y1]、[Y 2]、[Y3]、[Y 4]、[Y5,5s]、[Y6]表示,其中Y1至Y6分别表示每个轨迹点的坐标,5s表示碰撞时刻为5s。
首先,可以针对每个时刻确定在该时刻的第一坐标(图6中的空心圆点中相应一个)与第二坐标(图6中的空心三角形中相应一个)之间的距离;将距离与距离阈值进行比较;在该示例中,由于第五个空心圆点与第五个空心三角形之间的距离小于距离阈值,则确定二者的平均坐标点630为预测碰撞点。
进一步地,由于预测碰撞点630落入偏离范围640内,表示预测碰撞点630处有一定风险会发生碰撞事故。
针对该预测碰撞点630,可以首先通过如下方式计算此处的躲避转向半径:获取目标物体的速度V620;根据第一预测轨迹和第二预测轨迹(两条预测轨迹分别用点划线示出)确定预测碰撞点630处的夹角θ;计算夹角θ与碰撞时刻5s之间的比值,得到躲避转向角速度ω;计算速度V620与躲避转向角速度ω之间的比值,得到躲避转向半径r620。
然后,针对该预测碰撞点630,可以根据预测碰撞点630对应的碰撞时刻5s和目标物体的速度V620,从第一数据表中查询相应的转向半径允许值rallow。
进一步地,通过比较躲避转向半径r620与转向半径允许值rallow,当躲避转向半径r620大于转向半径允许值rallow时,意味着车辆620能够在预测碰撞点630处以躲避转向半径r620进行转向从而避免与车辆610碰撞。由此,可以将预测碰撞点630从预测碰撞点集合中去除。由此,经更新后的预测碰撞点集合为空,可以预测车辆610与车辆620之间将不会发生碰撞。
在一些其他示例中,当躲避转向半径r620小于转向半径允许值rallow时,意味着车辆620不能在预测碰撞点630处以躲避转向半径r620进行转向从而避免与车辆610碰撞。由此,预测碰撞点630将继续被保留在预测碰撞点集合中。由此,经更新后的预测碰撞点集合中包括至少一个预测碰撞点,可以预测车辆610与车辆620之间将发生碰撞。
在一些其他示例中,还可以通过方法200描述的方式计算预测碰撞点630处的躲避加速度,并根据相应加速度阈值来确定是否将预测碰撞点630从预测碰撞点集合中去除。
将理解的是,为了叙述的简洁性,在图6的示例中,预测碰撞点集合仅包含了一个预测碰撞点。在更多的示例中,预测碰撞点集合可以包含更多个预测碰撞点,针对每个预测碰撞点均可以采用上面所描述的方法来进行操作,从而预测车辆与目标物体之间是否将发生碰撞。
图7示出了根据本公开的实施例的车辆碰撞预测装置700的结构框图。
如图7所示,装置700包括第一获取单元710、第二获取单元720、预测碰撞点集合确定单元730、躲避动作参数确定单元740、判断单元750、更新单元760以及碰撞预测单元770。
第一获取单元710被配置为获取第一车辆的第一预测轨迹;
第二获取单元720被配置为获取目标物体的第二预测轨迹;
预测碰撞点集合确定单元730被配置为基于第一预测轨迹和第二预测轨迹,确定第一预测碰撞点集合。第一预测碰撞点集合包括至少一个预测碰撞点以及每个预测碰撞点对应的碰撞时刻。
针对第一预测碰撞点集合中的每个预测碰撞点:
躲避动作参数确定单元740被配置为至少根据该预测碰撞点对应的碰撞时刻,确定目标物体在该预测碰撞点处的躲避动作参数,躲避动作参数指示目标物体在以满足该参数的方式运动的情况下能够躲避与第一车辆之间的预期碰撞;
判断单元750被配置为判断躲避动作参数是否满足可执行条件;并且
更新单元760被配置为响应于确定躲避动作参数满足可执行条件,更新第一预测碰撞点集合。
碰撞预测单元770被配置为响应于确定经更新的第一预测碰撞点集合包括至少一个预测碰撞点,预测第一车辆与目标物体将发生碰撞。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的另一方面,还提供了一种车辆,包括根据上述的电子设备。
根据本公开的另一方面,还提供了一种边缘计算设备,可选的,边缘计算设备除了包括电子设备,还可以包括通信部件等,电子设备可以和通信部件一体集成,也可以分体设置。电子设备可以获取路侧感知设备(如路侧相机)的数据,例如图片和视频等,从而进行图像视频处理和数据计算,再经由通信部件向云控平台传送处理和计算结果。
可选的,边缘计算设备也可以为路侧计算单元(Road Side Computing Unit,RSCU)。可选的,电子设备自身也可以具备感知数据获取功能和通信功能,例如是AI相机,电子设备可以直接基于获取的感知数据进行图像视频处理和数据计算,再向云控平台传送处理和计算结果。
可选的,云控平台在云端执行处理,进行图像视频处理和数据计算,云控平台也可以称为车路协同管理平台、V2X平台、云计算平台、中心系统、云端服务器等。
参考图8,现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备,输入单元806可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (19)
1.一种车辆碰撞预测方法,包括:
获取第一车辆的第一预测轨迹;
获取目标物体的第二预测轨迹;
基于所述第一预测轨迹和所述第二预测轨迹,确定第一预测碰撞点集合,其中,所述第一预测碰撞点集合包括至少一个预测碰撞点以及每个预测碰撞点对应的碰撞时刻;
针对所述第一预测碰撞点集合中的每个预测碰撞点:
至少根据该预测碰撞点对应的碰撞时刻,确定所述目标物体在该预测碰撞点处的躲避动作参数,所述躲避动作参数指示所述目标物体在以满足该参数运动的情况下能够躲避与所述第一车辆之间的预期碰撞;
判断所述躲避动作参数是否满足可执行条件;以及
响应于确定所述躲避动作参数满足所述可执行条件,更新第一预测碰撞点集合;以及
响应于确定经更新的第一预测碰撞点集合包括至少一个预测碰撞点,预测所述第一车辆与所述目标物体将发生碰撞。
2.根据权利要求1所述的方法,其中,判断所述躲避动作参数是否满足可执行条件包括:
至少根据该预测碰撞点对应的碰撞时刻,查询针对所述目标物体预先设定的躲避动作的允许值;以及
将所述躲避动作参数与所述允许值进行比较,
并且其中,响应于确定所述躲避动作参数满足所述可执行条件,更新第一预测碰撞点集合包括:
响应于确定所述躲避动作参数满足所述允许值,将该预测碰撞点从所述第一预测碰撞点集合中去除。
3.根据权利要求2所述的方法,其中,所述躲避动作参数包括躲避转向半径,所述躲避转向半径指示所述目标物体在以小于该躲避转向半径进行转向的情况下能够躲避所述预期碰撞,并且所述允许值包括转向半径允许值;
并且其中,响应于确定所述躲避动作参数满足所述允许值,将该预测碰撞点从所述第一预测碰撞点集合中去除包括:
响应于确定所述躲避转向半径大于所述转向半径允许值,将该预测碰撞点从所述第一预测碰撞点集合中去除。
4.根据权利要求3所述的方法,其中,所述躲避转向半径是通过以下方式确定的:
获取所述目标物体的速度;
确定所述第一预测轨迹与所述第二预测轨迹在该预测碰撞点处的夹角;
根据所述夹角和该预测碰撞点对应的碰撞时刻,确定躲避转向角速度;以及
根据所述躲避转向角速度和所述目标物体的速度,确定所述躲避转向半径。
5.根据权利要求3所述的方法,其中,所述转向半径允许值是通过以下方式确定的:
获取所述目标物体的速度;以及
根据该预测碰撞点对应的碰撞时刻以及所述目标物体的速度,从第一数据表中查询所述转向半径允许值,其中,所述第一数据表分别维护目标物体的速度与转向半径允许值之间的关联关系以及碰撞时刻与转向半径允许值之间的关联关系。
6.根据权利要求2所述的方法,其中,所述躲避动作参数包括躲避加速度,所述躲避加速度指示所述目标物体在以大于该躲避加速度运动的情况下能够躲避所述预期碰撞,并且所述允许值包括加速度允许值;
并且其中,响应于确定所述躲避动作参数满足所述允许值,将该预测碰撞点从所述第一预测碰撞点集合中去除包括:
响应于确定所述躲避加速度小于所述加速度允许值,将该预测碰撞点从所述第一预测碰撞点集合中去除。
7.根据权利要求6所述的方法,其中,所述加速度允许值是通过以下方式确定的:
确定所述目标物体的类型;以及
根据该预测碰撞点对应的碰撞时刻以及所述目标物体的类型,从第二数据表中查询所述加速度允许值,其中,所述第二数据表分别维护目标物体的类型与加速度允许值之间的关联关系以及碰撞时刻与加速度允许值之间的关联关系。
8.根据权利要求7所述的方法,其中,确定所述目标物体的类型包括:
获取包括所述目标物体的图像;以及
对所述图像进行图像识别,以确定所述目标物体是以下各种预设类型中的一种:固定障碍物、行人、行驶的第二车辆。
9.根据权利要求1所述的方法,其中,所述第一预测轨迹包括在预设时间段内所述第一车辆的多个第一预测坐标和每个第一预测坐标对应的时刻,并且所述第二预测轨迹包括在所述预设时间段内所述目标物体的多个第二预测坐标和每个第二预测坐标对应的时刻,
并且其中,基于所述第一预测轨迹和所述第二预测轨迹,确定第一预测碰撞点集合包括:
针对每个时刻:
确定在该时刻的所述第一坐标与所述第二坐标之间的距离;
将所述距离与距离阈值进行比较;以及
响应于确定所述距离小于所述距离阈值,根据所述第一坐标和所述第二坐标,确定该时刻对应的预测碰撞点坐标。
10.根据权利要求9所述的方法,其中,根据所述第一坐标和所述第二坐标,确定该时刻对应的预测碰撞点坐标包括:
将所述第一坐标和所述第二坐标的平均值确定为该时刻对应的预测碰撞点坐标。
11.根据权利要求9所述的方法,还包括:
分别获取所述第一车辆的轮廓信息和所述目标物体的轮廓信息,
其中,所述距离阈值是基于所述第一车辆的轮廓信息和所述目标物体的轮廓信息两者确定的。
12.根据权利要求1所述的方法,其中,基于所述第一预测轨迹和所述第二预测轨迹,确定第一预测碰撞点集合包括:
基于所述第一预测轨迹和所述第二预测轨迹,确定第二预测碰撞点集合,其中,所述第二预测碰撞点集合包括多个预测碰撞点以及每个预测碰撞点对应的碰撞时刻;
沿所述第一预测轨迹,确定所述第一车辆前方的偏离范围,所述偏离范围定义了所述第一预测轨迹两侧的预设面积的区域;以及
从所述第二预测碰撞点集合中选择落入所述偏离范围内的预测碰撞点,从而获得所述第一预测碰撞点集合。
13.根据权利要求12所述的方法,其中,从所述第一车辆的位置沿所述第一预测轨迹向前,所述偏离范围的侧向偏离距离逐渐减小。
14.一种车辆碰撞预测装置,包括第一获取单元、第二获取单元、预测碰撞点集合确定单元、躲避动作参数确定单元、判断单元、更新单元以及碰撞预测单元,其中,
所述第一获取单元被配置为获取第一车辆的第一预测轨迹;
所述第二获取单元被配置为获取目标物体的第二预测轨迹;
所述预测碰撞点集合确定单元被配置为基于所述第一预测轨迹和所述第二预测轨迹,确定第一预测碰撞点集合,其中,所述第一预测碰撞点集合包括至少一个预测碰撞点以及每个预测碰撞点对应的碰撞时刻;
针对所述第一预测碰撞点集合中的每个预测碰撞点:
所述躲避动作参数确定单元被配置为至少根据该预测碰撞点对应的碰撞时刻,确定所述目标物体在该预测碰撞点处的躲避动作参数,所述躲避动作参数指示所述目标物体在以满足该参数的方式运动的情况下能够躲避与所述第一车辆之间的预期碰撞;
所述判断单元被配置为判断所述躲避动作参数是否满足可执行条件;并且
所述更新单元被配置为响应于确定所述躲避动作参数满足所述可执行条件,更新第一预测碰撞点集合;并且
所述碰撞预测单元被配置为响应于确定经更新的第一预测碰撞点集合包括至少一个预测碰撞点,预测所述第一车辆与所述目标物体将发生碰撞。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-13中任一项所述的方法。
18.一种车辆,包括根据权利要求15所述的电子设备。
19.一种边缘计算设备,包括根据权利要求15所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210686528.3A CN115092130A (zh) | 2022-06-16 | 2022-06-16 | 车辆碰撞预测方法、装置、电子设备、介质和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210686528.3A CN115092130A (zh) | 2022-06-16 | 2022-06-16 | 车辆碰撞预测方法、装置、电子设备、介质和车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115092130A true CN115092130A (zh) | 2022-09-23 |
Family
ID=83291557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210686528.3A Pending CN115092130A (zh) | 2022-06-16 | 2022-06-16 | 车辆碰撞预测方法、装置、电子设备、介质和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115092130A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115837921A (zh) * | 2023-02-23 | 2023-03-24 | 深圳佑驾创新科技有限公司 | 车辆轨迹碰撞检测方法、装置、设备及存储介质 |
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 |
-
2022
- 2022-06-16 CN CN202210686528.3A patent/CN115092130A/zh active Pending
Cited By (3)
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 |
CN115837921A (zh) * | 2023-02-23 | 2023-03-24 | 深圳佑驾创新科技有限公司 | 车辆轨迹碰撞检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7355877B2 (ja) | 車路協同自動運転の制御方法、装置、電子機器及び車両 | |
JP7171808B2 (ja) | 自動運転車両計画方法、装置、電子機器及び記憶媒体 | |
US11332132B2 (en) | Method of handling occlusions at intersections in operation of autonomous vehicle | |
CN109634263B (zh) | 基于数据同步的自动驾驶方法、终端及可读存储介质 | |
JPWO2018096644A1 (ja) | 車両用表示制御装置、車両用表示制御方法、および車両用表示制御プログラム | |
EP3893221A1 (en) | Event detection method and apparatus for cloud control platform, device, and storage medium | |
CN115092130A (zh) | 车辆碰撞预测方法、装置、电子设备、介质和车辆 | |
CN114179832A (zh) | 用于自动驾驶车辆的变道方法 | |
WO2020204871A1 (en) | Shared autonomous vehicle operational management | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN114212108A (zh) | 自动驾驶方法、装置、车辆、存储介质及产品 | |
CN114802250A (zh) | 数据处理方法、装置、设备、自动驾驶车辆及介质 | |
US20220198810A1 (en) | Information processing device and information processing method | |
CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
CN115675528A (zh) | 基于相似场景挖掘的自动驾驶方法和车辆 | |
CN115265537A (zh) | 具有交通状态检测机制的导航系统及其操作方法 | |
CN114282776A (zh) | 车路协同评估自动驾驶安全性的方法、装置、设备和介质 | |
EP4047583A2 (en) | Method and apparatus for controlling vehicle-infrastructure cooperated autonomous driving, electronic device, and vehicle | |
CN114604241A (zh) | 车辆驾驶风险评估方法、装置、电子设备及边缘计算设备 | |
CN114379588B (zh) | 进站状态检测方法、装置、车辆、设备和存储介质 | |
CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
US20240092358A1 (en) | Systems and methods for scene understanding | |
US20240101106A1 (en) | Systems and methods for scene understanding | |
CN114379584B (zh) | 车辆控制方法、装置、车辆、设备和存储介质 | |
CN114565304B (zh) | 无人驾驶车辆的调度方法、电子设备和调度运营系统 |
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 |