CN115320583A - 目标障碍车确定方法、装置、车辆及介质 - Google Patents

目标障碍车确定方法、装置、车辆及介质 Download PDF

Info

Publication number
CN115320583A
CN115320583A CN202211229566.2A CN202211229566A CN115320583A CN 115320583 A CN115320583 A CN 115320583A CN 202211229566 A CN202211229566 A CN 202211229566A CN 115320583 A CN115320583 A CN 115320583A
Authority
CN
China
Prior art keywords
vehicle
obstacle
target
moment
loss value
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
Application number
CN202211229566.2A
Other languages
English (en)
Other versions
CN115320583B (zh
Inventor
王永超
史亮
苏阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiaomi Automobile Technology Co Ltd
Original Assignee
Xiaomi Automobile Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiaomi Automobile Technology Co Ltd filed Critical Xiaomi Automobile Technology Co Ltd
Priority to CN202211229566.2A priority Critical patent/CN115320583B/zh
Publication of CN115320583A publication Critical patent/CN115320583A/zh
Application granted granted Critical
Publication of CN115320583B publication Critical patent/CN115320583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60W30/0956—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
    • 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
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • 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
    • B60W40/10—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 vehicle motion
    • B60W40/105—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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects

Abstract

本公开涉及一种目标障碍车确定方法、装置、车辆及介质，包括获取车辆的自车规划路径以及车辆周围的多个障碍车的预测轨迹；根据自车规划路径以及预测轨迹，确定车辆的速度规划曲线，并基于速度规划曲线得到不同时刻下的车辆的目标跟车距离；针对不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下车辆与多个障碍车的实际距离，获得对应该时刻的总损失值，总损失值根据车辆与多个障碍车之间的损失值确定；从不同时刻下的总损失值中确定最大的总损失值，并将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车。本公开可以给车辆驾驶员和障碍车驾驶员之间带来更好的交互体验。

Description

目标障碍车确定方法、装置、车辆及介质
技术领域
本公开涉及车辆控制技术领域，具体涉及了一种目标障碍车确定方法、装置、车辆及介质。
背景技术
相关技术中，由于自动驾驶技术无需人类来驾驶机动车辆，所以理论上可以有效避免人类的驾驶失误，减少交通事故的发生，且能够提高公路的运输效率。因此，自动驾驶技术越来越受到重视。
自动驾驶技术的关键技术包括：地图及定位、环境感知、融合预测、决策规划以及底层控制，其中，决策规划主要集中在速度规划以及路径规划。在速度规划算法过程中，需要甄别造成自车减速的障碍车，从而辅助优化车辆的速度规划曲线。但在造成自车减速的障碍车较多的情况下，驾驶员在确认对车辆造成影响的主要障碍车时会产生误判，从而不能作出相应的决策，降低了驾驶员的驾驶体验感，还会对车辆的行驶造成较大的安全威胁。
发明内容
为克服相关技术中存在的问题，本公开提供一种目标障碍车确定方法、装置、车辆及介质，解决了驾驶员在确定对车辆造成影响的主要障碍车时会产生误判，从而降低驾驶员的驾驶体验感的问题。
根据本公开实施例的第一方面，提供一种目标障碍车确定方法，包括：
获取车辆的自车规划路径以及所述车辆周围的多个障碍车的预测轨迹；
根据所述自车规划路径以及所述预测轨迹，确定所述车辆的速度规划曲线，并基于所述速度规划曲线得到不同时刻下的所述车辆的目标跟车距离；
针对所述不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离，获得对应该时刻的总损失值；所述总损失值根据所述车辆与所述多个障碍车之间的损失值确定，并用于表征所述多个障碍车在该时刻下对所述车辆造成的安全风险的大小；
从所述不同时刻下的总损失值中确定最大的总损失值，并将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车。
可选地，根据所述自车规划路径以及所述预测轨迹，确定所述车辆的速度规划曲线，并基于所述速度规划曲线得到不同时刻下的所述车辆的目标跟车距离的步骤，包括：
根据所述预测轨迹，得到所述多个障碍车的ST图；
基于动态规划算法，根据所述自车规划路径以及所述ST图，得到所述速度规划曲线；
根据速度规划曲线，获得在不同时刻的每一时刻下所述车辆的车速；
根据该时刻下每个障碍车与所述车辆之间的车速差以及所述车速，得到该时刻每个障碍车对于所述车辆的跟车时距；
根据所述车速以及所述跟车时距，得到所述目标跟车距离。
可选地，根据该时刻下每个障碍车与所述车辆之间的车速差以及所述车速，得到该时刻每个障碍车对于所述车辆的跟车时距的步骤，包括：
根据该时刻下每个障碍车与所述车辆之间的车速差以及所述车速，采用查表的方法得到当前时刻下的跟车时距。
可选地，针对所述不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离，获得对应该时刻的总损失值的步骤，包括：
针对所述不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离之间的大小关系，确定该时刻下的每个障碍车对于所述车辆的损失值；
将该时刻的所有损失值相加，得到该时刻下的所述总损失值。
可选地，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离之间的大小关系，确定该时刻下的每个障碍车对于所述车辆的损失值的步骤，包括：
在所述目标跟车距离小于所述实际距离的情况下，确定所述障碍车对于所述车辆的损失值为零；
在所述目标跟车距离大于所述实际距离的情况下，根据所述目标跟车距离和所述实际距离之间的差值以及权重系数，得到所述障碍车对于所述车辆的损失值。
可选地，根据所述目标跟车距离和所述实际距离之间的差值以及权重系数，得到所述障碍车对于所述车辆的损失值的步骤，包括：
将所述目标跟车距离和所述实际距离之间的差值的平方与权重系数的乘积作为所述障碍车对于所述车辆的损失值。
可选地，所述将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车的步骤之后，所述方法还包括：
输出提示信息，所述提示信息用于提醒驾驶员注意所述目标障碍车。
根据本公开实施例的第二方面，提供一种目标障碍车确定装置，包括：
获取模块，被配置为获取车辆的自车规划路径以及所述车辆周围的多个障碍车的预测轨迹；
第一确定模块，被配置为根据所述自车规划路径以及所述预测轨迹，确定所述车辆的速度规划曲线，并基于所述速度规划曲线得到不同时刻下的所述车辆的目标跟车距离；
获得模块，被配置为针对所述不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离，获得对应该时刻的总损失值；所述总损失值根据所述车辆与所述多个障碍车之间的损失值确定，并用于表征所述多个障碍车在该时刻下对所述车辆造成的安全风险的大小；
第二确定模块，被配置为从所述不同时刻下的总损失值中确定最大的总损失值，并将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车。
根据本公开实施例的第三方面，提供一种车辆，所述车辆包括：处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现上述第一方面所述的方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现上述第一方面所述的方法。
本公开的实施例通过车辆的自车规划路径和多个障碍车的预测轨迹得到不同时刻下的每一时刻的目标跟车距离，并得到该时刻下的车辆与障碍车之间的实际距离，以预估每个障碍车对车辆造成的不同安全风险大小，将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车，在确定目标障碍车之后，可以根据目标障碍车的行驶速度和实际行驶路径的变化，对车辆的速度规划和行驶路径规划进行优化调整，或者提示驾驶员控制车辆避让或继续行驶，给车辆驾驶员和障碍车驾驶员之间带来更好的驾驶交互体验，同时减少了车辆之间产生碰撞的风险，减小了安全威胁。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种目标障碍车确定方法的流程图。
图2是根据一示例性实施例示出的一种目标障碍车确定方法中S12步骤的流程图。
图3是某一道路上车辆的自车规划路径、障碍车A的预测轨迹以及障碍车B的预测轨迹的示意图。
图4是根据某一道路上车辆的自车规划路径、障碍车A的预测轨迹以及障碍车B的预测轨迹得到的ST图。
图5是根据另一示例性实施例示出的一种目标障碍车确定方法的流程图。
图6是根据一示例性实施例示出的一种目标障碍车确定装置的框图。
图7是一示例性实施例示出的一种车辆的功能框图示意图。
图8是根据一示例性实施例示出的一种用于目标障碍车确定方法的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中，自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆，实现自动驾驶。一些自动驾驶车辆可能要求来自操作者（诸如，领航员、驾驶员、或者乘客）的一些初始输入或者连续输入。自动驾驶车辆准许操作者从手动操作模式切换到自动驾驶模式或者介于两者之间的模式。
在自动驾驶模式下，若仅以车辆与障碍车之间的距离作为判断造成车辆减速的主要障碍车的依据，在每个车辆的行驶状态不同，判断的主要障碍车不准确，导致车辆无法针对确定出的障碍车做速度规划调整，可能造成驾驶员驾驶体验感差，甚至造成安全事故。
针对上述问题，本公开的构思包括：针对车辆以及车辆周围多个障碍车的预测行驶轨迹，确定在不同时刻下的每个时刻，多个障碍车对车辆可能造成的风险程度大小，将最大损失值中占比最大的损失值对应的障碍车作为目标障碍车，车辆可以根据确定的目标障碍车的行驶速度和实际行驶路径的变化，对车辆的速度规划和行驶路径规划进行优化调整，或者可以提示驾驶员控制车辆避让或继续行驶，给车辆驾驶员和障碍车驾驶员之间带来更好的驾驶交互体验，同时减少了车辆之间产生碰撞的风险，减小了安全威胁。
请参阅图1，图1是根据一示例性实施例示出的一种目标障碍车确定方法的流程图，如图1所示，目标障碍车确定方法用于车辆中，包括以下步骤：
在步骤S11中，获取车辆的自车规划路径以及车辆周围的多个障碍车的预测轨迹。
具体地，可以针对车辆和车辆周围的多个障碍车均获取当前位置、速度、轮廓、地图信息、历史运动状态、环境、以及全局路径调度信息等，以通过上述信息确定车辆的自车规划路径和多个障碍车的预测轨迹。车辆的自车规划路径可以是根据车辆已行驶的轨迹，在未考虑障碍车的未来行进路线时所规划的该车辆的预测行进路线。预测轨迹是车辆预测的障碍车未来的行进路线。
在步骤S12中，根据自车规划路径以及预测轨迹，确定车辆的速度规划曲线，并基于速度规划曲线得到不同时刻下的车辆的目标跟车距离。
示例地，可以根据与自车规划路径有重叠部分的障碍车的预测轨迹得到车辆的速度规划曲线，或者是直接根据自车规划路径以及多个障碍车的预测轨迹，确定车辆的速度规划曲线。
具体地，速度规划曲线是在车辆在行驶过程中，考虑了障碍车的预测轨迹后规划的速度变化过程。目标跟车距离是指车辆行驶过程中，周围的障碍车相对于车辆可以保证车辆安全的距离。根据车辆的自车规划路径，对车辆在行驶过程中可能发生的碰撞状况进行规避后得到车辆的速度规划曲线，根据速度规划曲线可以得到每个时刻下车辆的速度，并根据该速度可以得到目标跟车距离。
在步骤S13中，针对不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下车辆与多个障碍车的实际距离，获得对应该时刻的总损失值；总损失值根据车辆与多个障碍车之间的损失值确定，并用于表征多个障碍车在该时刻下对车辆造成的安全风险的大小。
具体地，在每一时刻下，车辆周围的每个障碍车都可能会对车辆造成碰撞、刮擦的事故的安全风险，但每个障碍车对于车辆的安全风险不同，在此处将风险程度量化，即通过每个障碍车对于车辆的损失值表示该障碍车对车辆造成的安全风险程度，其中，损失值越大表示在该时刻下对应的障碍车对车辆造成的安全风险越大，而总损失值是在该时刻下的多个障碍车对车辆造成的安全风险程度，一般情况下，可以将车辆周围的多个障碍车对车辆造成的损失值相加作为总损失值。
在步骤S14中，从不同时刻下的总损失值中确定最大的总损失值，并将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车。
具体地，总损失值最大的时刻是车辆可能遭受事故的安全风险最大的时刻，而目标障碍车是在安全风险最大的时刻下对车辆造成的安全威胁最大的障碍车。
另外，不同时刻下的总损失值中可能会存在总损失值相同的情况，而在确定的最大的总损失值存在多个的情况下，可以在多个最大的总损失值中确定最大的损失值，以确定目标障碍车。例如，在第一时刻下、第二时刻下、第三时刻下确定的最大的总损失值均为N，其中，第二时刻下中最大的总损失值中，某一障碍车对车辆的损失值最大，则将该障碍车确定为目标障碍车。
本公开的实施例通过车辆的自车规划路径和多个障碍车的预测轨迹得到不同时刻下的每一时刻的目标跟车距离，并得到该时刻下的车辆与障碍车之间的实际距离，以预估每个障碍车对车辆造成的不同安全风险大小，将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车，在确定目标障碍车之后，可以根据目标障碍车的行驶速度和实际行驶路径的变化，对车辆的速度规划和行驶路径规划进行优化调整，或者提示驾驶员控制车辆避让或继续行驶，给车辆驾驶员和障碍车驾驶员之间带来更好的驾驶交互体验，同时减少了车辆之间产生碰撞的风险，减小了安全威胁。
进一步地，目标障碍车是造成自车减速的主要障碍车辆，可能是未来几秒要超车的车辆，还可能是一些误检车辆，一般情况下，这些车辆并不位于自车前方，需要研发人员深入分析后才能确定，效率较低。而本公开通过车辆自车规划路径和多个障碍车的预测轨迹，得到表征不同时刻下的每个时刻每个障碍车对车辆的造成的安全风险大小的损失值，可以根据损失值直接确定目标障碍车，提升了确定目标障碍车的效率。
另外，对目标障碍车的确定过程不涉及对车辆的硬件设施和电路结构的改进，只对算法进行优化，在成本相同的情况下提升驾驶员的驾驶体验感。
在一种实施方式中，参照图2，图2是根据一示例性实施例示出的一种目标障碍车确定方法中S12步骤的流程图，步骤S12包括：
S121、根据预测轨迹，得到多个障碍车的ST图。
具体地，ST图以时间T为横轴，规划路径的距离S为纵轴，构建此坐标系的目的一是能够将速度规划投影至此二维平面中来，从而可以根据此坐标系优化速度规划曲线；二是可以将障碍车的预测轨迹投影至该平面，从而做出合理的决策，例如避让或者根据当前状态继续行驶；三是通过S值能够构建速度与路径之间的关系，从而可以更好地将速度和路径融合成一条轨迹。
示例性地，图3是某一道路上车辆的自车规划路径、障碍车A的预测轨迹以及障碍车B的预测轨迹的示意图，其中，未标示的框表示自车车辆，标示有A和B的框分别为障碍车A和障碍车B。对应地，图4是根据某一道路上车辆的自车规划路径、障碍车A的预测轨迹以及障碍车B的预测轨迹得到的ST图，图4中标示有A的区域表示障碍车A在t0时刻至t1时刻可能会占用车辆前方的一段道路，图中标示有B的区域表示障碍车B在t0时刻至t1时刻可能会占用车辆前方的一段道路，图4中以虚线标示的曲线是在考虑了障碍车A和障碍车B的预测轨迹的情况下，规划出的车辆的路径曲线，根据这个曲线可以得到每个时刻的速度，最终可以得到考虑了障碍车A和B的行驶轨迹的速度规划曲线。
在ST图中，斜率是S值对于时间的一阶导数即速度，斜率越大，表示速度越大，S值对于时间的二阶导数则表示加速度。
S122、基于动态规划算法，根据自车规划路径以及ST图，得到速度规划曲线。
具体地，动态规划（Dynamic programming）算法是求解决策过程最优化的过程，动态规划算法一般应用于最优化问题，这类问题一般存在多个解，每个解都具有一个度量值，根据该度量值中的最大值或者最小值对应得到具有最优解。
在速度规划的过程中，根据障碍车的预测轨迹，规避了障碍车可能的行驶轨迹，并基于车辆行驶的安全性、舒适度和效率的问题，通过动态规划算法规划的速度规划曲线，不仅应用于寻找目标障碍车的目的，在动态规划下还可以决策不同时刻下车辆的行驶路径、行驶速度和行为决策，以减小在未来行驶路径中碰撞到障碍车的安全风险。
S123、根据速度规划曲线，获得在不同时刻的每一时刻下车辆的车速。
S124、根据该时刻下每个障碍车与车辆之间的车速差以及车速，得到该时刻每个障碍车对于车辆的跟车时距。
具体地，根据速度规划曲线可以得到在不同时刻的每一时刻下的车辆的车速，并根据ST图得到该时刻下每个障碍车的车速，根据该时刻下的车辆的车速以及每个障碍车与车辆之间的车速差，可以采用查表的方法得到该时刻每个障碍车对于车辆的跟车时距。跟车时距一般是指车辆与障碍车之间的纵向车距，一般用于体现自动驾驶功能的安全性，可以看做是如果前车刹停，且后车不减速，后车撞上前车所需要的时间。
一般情况下，当车辆前方有障碍车，且障碍车的行驶速度小于车辆的行驶速度时，需要控制车辆进行减速，确保车辆与障碍车之间的距离为所设定的可以保障安全的目标跟车距离。当前方的障碍车发生移线，或车辆移线行驶使得车辆前方无障碍车时，可以对车辆进行加速控制，使车辆恢复至设定的行驶速度，可以在保证安全驾驶的同时提高驾驶的效率。
S125、根据车速以及跟车时距，得到目标跟车距离。
具体地，目标跟车距离是车辆行驶过程中与障碍车之间的保持的安全行驶距离，一般与车辆的车速以及车辆行驶的环境状态有关。例如，机动车在高速公路上行驶，车速超过100km/h时，应当与同车道前车保持100m以上的距离，车速低于100km/h时，与同车道前车距离可以适当缩短，但最小距离不得少于50m。而在市区行车，跟车距离没有绝对的标准，要根据车速判断。例如，市区行车在车辆车速超过60km/h时，那么跟车距离就等于车速的数值，单位是米。车速为40km/h时，跟车距离要大于等于30m。上述跟车距离是根据行驶的经验确定的范围，而在本实施例中，目标跟车距离可以根据车速以及跟车时距的乘积确定。
如上所述，通过动态规划算法，可以基于车辆的安全性、舒适性和车辆行驶效率等多种因素得到最优的速度规划曲线，一般情况下，车辆的未来行驶路径根据最优的速度规划曲线获得的，采用该速度规划曲线得到的车辆速度用于计算目标跟车距离时更准确，因此根据目标跟车距离计算得到的损失值能够更合理的衡量障碍车对本车造成的安全风险的大小。
在另一种实施例中，步骤S124包括：
根据该时刻下每个障碍车与车辆之间的车速差以及车速，采用查表的方法得到当前时刻下的跟车时距。
具体地，根据车辆行驶模式和/或车辆的型号、性能不同，在实际调试的过程中可以得到跟车时距表，在应用时，根据不同时刻下的任一时刻中每个障碍车与车辆之间的车速差以及车辆的车速，调取该跟车时距表，从中查询得到对应的跟车时距。
在一种实施方式中，针对不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下车辆与多个障碍车的实际距离，获得对应该时刻的总损失值的步骤，包括：
针对不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下车辆与多个障碍车的实际距离之间的大小关系，确定该时刻下的每个障碍车对于车辆的损失值。
将该时刻的所有损失值相加，得到该时刻下的总损失值。
具体地，损失值是在不同时刻中的每一时刻下，其中一个障碍车对于车辆造成的安全风险程度大小，总损失值是该时刻下的多个障碍车对于车辆造成的安全风险程度大小，根据目标跟车距离以及实际距离之间的大小关系，可以确定每个障碍车对车辆造成安全风险的程度，每个障碍车对于车辆造成的损失值相加即为总损失值。进一步的，在实际距离大于目标跟车距离时，障碍车对车辆造成安全风险的程度较小，可以忽略不计，因此损失值可以预设为零或者其余较小的值；在实际距离小于目标跟车距离时，障碍车对车辆造成安全风险的程度较大，此时需要综合考虑车辆以及障碍车之间的车速差值，以及车辆以及障碍车之间的实际距离与目标跟车距离之间的差值，量化障碍车对车辆造成的安全风险程度大小。
在其中一种实施方式中，根据该时刻对应的目标跟车距离，以及该时刻下车辆与多个障碍车的实际距离之间的大小关系，确定该时刻下的每个障碍车对于车辆的损失值的步骤，包括：
在目标跟车距离小于实际距离的情况下，确定障碍车对于车辆的损失值为零。
具体地，在目标跟车距离小于实际距离时，对应的障碍车与车辆之间的距离较远，此时障碍车对车辆造成的风险较小，或者障碍车对车辆造成的风险可以忽略不计，因此，可以将损失值的大小确定为零，用于后续计算总损失值。
在目标跟车距离大于实际距离的情况下，根据目标跟车距离和实际距离之间的差值以及权重系数，得到障碍车对于车辆的损失值。
具体地，权重系数的具体数值是基于车辆调试时得到的系数，可以根据障碍车的车型大小等参数获得，或者，可以将所有车辆的权重系数作为一个固定不变的值。在目标跟车距离大于实际距离时，对应的障碍车与车辆之间的距离较近，障碍车对车辆具有一定的风险或风险较大，此时障碍车对车辆造成的风险需要根据目标跟车距离和实际距离之间的差值以及权重系数得到。
在一些实施例中，将目标跟车距离和实际距离之间的差值的平方与权重系数的乘积作为障碍车对于车辆的损失值。
值得说明的是，假设车辆的车速与两个障碍车之间车速差相同，则在此种情况下，基于车速差查表计算得到的该车辆分别相对于两个障碍车的目标跟车距离也相同。而若其中一个障碍车与车辆之间实际距离较小，另一个障碍车与车辆之间实际距离较大，与车辆距离较小的障碍车对车辆造成的安全威胁较大。因此，采用目标跟车距离与实际距离的差值计算得到的损失值能够合理的衡量障碍车对本车造成的安全风险的大小。例如，参照图3，若障碍车A和障碍车B的车速均为20km/h，车辆的车速为25km/h，障碍车A与车辆之间的实际距离为12m，障碍车B与车辆之间的实际距离为15m，此时车辆与障碍车A和障碍车B的车速差相同，基于车速差和车辆的车速查表得到的该车辆分别相对于两个障碍车的目标跟车距离也相同，明显距离车辆更近的障碍车A对车辆造成的安全风险较大，因此在此时可以采用目标跟车距离和实际距离之间的差值用于计算障碍车对于车辆的损失值。
请参阅图5，图5是根据另一示例性实施例示出的一种目标障碍车确定方法的流程图，如图5所示，目标障碍车确定方法用于车辆中，包括以下步骤：
在步骤S101中，获取车辆的自车规划路径以及车辆周围的多个障碍车的预测轨迹。
在步骤S102中，根据自车规划路径以及预测轨迹，确定车辆的速度规划曲线，并基于速度规划曲线得到不同时刻下的车辆的目标跟车距离。
在步骤S103中，针对不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下车辆与多个障碍车的实际距离，获得对应该时刻的总损失值；总损失值根据车辆与多个障碍车之间的损失值确定，并用于表征多个障碍车在该时刻下对车辆造成的安全风险的大小。
在步骤S104中，从不同时刻下的总损失值中确定最大的总损失值，并将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车。
上述步骤S101-S104可以参照步骤S11-S14的详细介绍，这里不再赘述。
在步骤S105中，输出提示信息，提示信息用于提醒驾驶员注意目标障碍车。
具体地，在确定目标障碍车后，输出提示信息用于提示驾驶员注意目标车辆，例如，采用语音提示“注意超车”、“注意前车”的方式提示驾驶员，又例如，在车辆的车载娱乐控制系统（HUT）的屏幕上显示周围较近的几个障碍车的图标，并以红色标示目标障碍车，或者在目标障碍车的旁边以红色警示符号闪烁的方式作为提示信息。
请参阅图6，图6是根据一示例性实施例示出的一种目标障碍车确定装置500的框图。参照图6，该装置包括获取模块510、第一确定模块520、获得模块530和第二确定模块540。
该获取模块510被配置为获取车辆的自车规划路径以及车辆周围的多个障碍车的预测轨迹；
该第一确定模块520被配置为根据自车规划路径以及预测轨迹，确定车辆的速度规划曲线，并基于速度规划曲线得到不同时刻下的车辆的目标跟车距离；
该获得模块530被配置为针对不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下车辆与多个障碍车的实际距离，获得对应该时刻的总损失值；总损失值根据车辆与多个障碍车之间的损失值确定，并用于表征多个障碍车在该时刻下对车辆造成的安全风险的大小；
该第二确定模块540被配置为从不同时刻下的总损失值中确定最大的总损失值，并将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车。
在一些实施例中，第一确定模块520包括：
第一获得子模块，被配置为根据预测轨迹，得到多个障碍车的ST图；
第二获得子模块，被配置为基于动态规划算法，根据自车规划路径以及ST图，得到速度规划曲线；
第三获得子模块，被配置为根据速度规划曲线，获得在不同时刻的每一时刻下车辆的车速；
第四获得子模块，被配置为用于根据该时刻下每个障碍车与车辆之间的车速差以及车速，得到该时刻每个障碍车对于车辆的跟车时距；
第五获得子模块，被配置为根据车速以及跟车时距，得到目标跟车距离。
在一些实施例中，第四获得子模块具体用于：
根据该时刻下每个障碍车与车辆之间的车速差以及车速，采用查表的方法得到当前时刻下的跟车时距。
在一些实施例中，获得模块530包括：
确定子模块，被配置为针对不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下车辆与多个障碍车的实际距离之间的大小关系，确定该时刻下的每个障碍车对于车辆的损失值；
运算子模块，被配置为将该时刻的所有损失值相加，得到该时刻下的总损失值。
在一些实施例中，确定子模块包括：
第一子模块，被配置为在目标跟车距离小于实际距离的情况下，确定障碍车对于车辆的损失值为零；
第二子模块，被配置为在目标跟车距离大于实际距离的情况下，根据目标跟车距离和实际距离之间的差值以及权重系数，得到障碍车对于车辆的损失值。
在一些实施例中，第二子模块具体用于：
将目标跟车距离和实际距离之间的差值的平方与权重系数的乘积作为障碍车对于车辆的损失值。
在一些实施例中，目标障碍车确定装置500还包括提示模块；
该提示模块被配置为输出提示信息，提示信息用于提醒驾驶员注意目标障碍车。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种车辆，车辆包括：处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器用于执行机器可执行指令，以实现上述的目标障碍车确定方法。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现上述的目标障碍车确定方法。
图7是根据一示例性实施例示出的一种车辆600的框图。例如，车辆600可以是混合动力车辆，也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆600可以是自动驾驶车辆或者半自动驾驶车辆。
参照图7，车辆600可包括各种子系统，例如，信息娱乐系统610、感知系统620、决策控制系统630、驱动系统640以及计算平台650。其中，车辆600还可以包括更多或更少的子系统，并且每个子系统都可包括多个部件。另外，车辆600的每个子系统之间和每个部件之间可以通过有线或者无线的方式实现互连。
在一些实施例中，信息娱乐系统610可以包括通信系统，娱乐系统以及导航系统等。
感知系统620可以包括若干种传感器，用于感测车辆600周边的环境的信息。例如，感知系统620可包括全球定位系统（全球定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统）、惯性测量单元（inertial measurement unit，IMU）、激光雷达、毫米波雷达、超声雷达以及摄像装置。
决策控制系统630可以包括计算系统、整车控制器、转向系统、油门以及制动系统。
驱动系统640可以包括为车辆600提供动力运动的组件。在一个实施例中，驱动系统640可以包括引擎、扭矩源、传动系统和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将扭矩源提供的扭矩转换成机械扭矩。
车辆600的部分或所有功能受计算平台650控制。计算平台650可包括至少一个处理器651和第一存储器652，处理器651可以执行存储在第一存储器652中的指令653。
处理器651可以是任何常规的处理器，诸如商业可获得的CPU。处理器还可以包括诸如图像处理器（Graphic Process Unit，GPU），现场可编程门阵列（Field ProgrammableGate Array，FPGA）、片上系统（System on Chip，SOC）、专用集成芯片（ApplicationSpecific Integrated Circuit，ASIC）或它们的组合。
第一存储器652可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。
除了指令653以外，第一存储器652还可存储数据，例如道路地图，路线信息，车辆的位置、方向、速度等数据。第一存储器652存储的数据可以被计算平台650使用。
在本公开实施例中，处理器651可以执行指令653，以完成上述的目标障碍车确定方法的全部或部分步骤。
图8是根据一示例性实施例示出的一种用于目标障碍车确定方法的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图8，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由第二存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。第二存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述目标障碍车确定方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入/输出接口1958。装置1900可以操作基于存储在第二存储器1932的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM， LinuxTM，FreeBSDTM或类似。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的目标障碍车确定方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种目标障碍车确定方法，其特征在于，包括：
获取车辆的自车规划路径以及所述车辆周围的多个障碍车的预测轨迹；
根据所述自车规划路径以及所述预测轨迹，确定所述车辆的速度规划曲线，并基于所述速度规划曲线得到不同时刻下的所述车辆的目标跟车距离；
针对所述不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离，获得对应该时刻的总损失值；所述总损失值根据所述车辆与所述多个障碍车之间的损失值确定，并用于表征所述多个障碍车在该时刻下对所述车辆造成的安全风险的大小；
从所述不同时刻下的总损失值中确定最大的总损失值，并将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车。
2.根据权利要求1所述的方法，其特征在于，根据所述自车规划路径以及所述预测轨迹，确定所述车辆的速度规划曲线，并基于所述速度规划曲线得到不同时刻下的所述车辆的目标跟车距离的步骤，包括：
根据所述预测轨迹，得到所述多个障碍车的ST图；
基于动态规划算法，根据所述自车规划路径以及所述ST图，得到所述速度规划曲线；
根据速度规划曲线，获得在不同时刻的每一时刻下所述车辆的车速；
根据该时刻下每个障碍车与所述车辆之间的车速差以及所述车速，得到该时刻每个障碍车对于所述车辆的跟车时距；
根据所述车速以及所述跟车时距，得到所述目标跟车距离。
3.根据权利要求2所述的方法，其特征在于，根据该时刻下每个障碍车与所述车辆之间的车速差以及所述车速，得到该时刻每个障碍车对于所述车辆的跟车时距的步骤，包括：
根据该时刻下每个障碍车与所述车辆之间的车速差以及所述车速，采用查表的方法得到当前时刻下的跟车时距。
4.根据权利要求1所述的方法，其特征在于，针对所述不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离，获得对应该时刻的总损失值的步骤，包括：
针对所述不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离之间的大小关系，确定该时刻下的每个障碍车对于所述车辆的损失值；
将该时刻的所有损失值相加，得到该时刻下的所述总损失值。
5.根据权利要求4所述的方法，其特征在于，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离之间的大小关系，确定该时刻下的每个障碍车对于所述车辆的损失值的步骤，包括：
在所述目标跟车距离小于所述实际距离的情况下，确定所述障碍车对于所述车辆的损失值为零；
在所述目标跟车距离大于所述实际距离的情况下，根据所述目标跟车距离和所述实际距离之间的差值以及权重系数，得到所述障碍车对于所述车辆的损失值。
6.根据权利要求5所述的方法，其特征在于，根据所述目标跟车距离和所述实际距离之间的差值以及权重系数，得到所述障碍车对于所述车辆的损失值的步骤，包括：
将所述目标跟车距离和所述实际距离之间的差值的平方与权重系数的乘积作为所述障碍车对于所述车辆的损失值。
7.根据权利要求1所述的方法，其特征在于，所述将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车的步骤之后，所述方法还包括：
输出提示信息，所述提示信息用于提醒驾驶员注意所述目标障碍车。
8.一种目标障碍车确定装置，其特征在于，包括：
获取模块，被配置为获取车辆的自车规划路径以及所述车辆周围的多个障碍车的预测轨迹；
第一确定模块，被配置为根据所述自车规划路径以及所述预测轨迹，确定所述车辆的速度规划曲线，并基于所述速度规划曲线得到不同时刻下的所述车辆的目标跟车距离；
获得模块，被配置为针对所述不同时刻中的每一时刻，根据该时刻对应的目标跟车距离，以及该时刻下所述车辆与所述多个障碍车的实际距离，获得对应该时刻的总损失值；所述总损失值根据所述车辆与所述多个障碍车之间的损失值确定，并用于表征所述多个障碍车在该时刻下对所述车辆造成的安全风险的大小；
第二确定模块，被配置为从所述不同时刻下的总损失值中确定最大的总损失值，并将最大的总损失值中占比最大的损失值对应的障碍车确定为目标障碍车。
9.一种车辆，其特征在于，所述车辆包括：处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1-7中任一项所述的方法。
CN202211229566.2A 2022-10-09 2022-10-09 目标障碍车确定方法、装置、车辆及介质 Active CN115320583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211229566.2A CN115320583B (zh) 2022-10-09 2022-10-09 目标障碍车确定方法、装置、车辆及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211229566.2A CN115320583B (zh) 2022-10-09 2022-10-09 目标障碍车确定方法、装置、车辆及介质

Publications (2)

Publication Number Publication Date
CN115320583A true CN115320583A (zh) 2022-11-11
CN115320583B CN115320583B (zh) 2023-03-24

Family

ID=83913287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211229566.2A Active CN115320583B (zh) 2022-10-09 2022-10-09 目标障碍车确定方法、装置、车辆及介质

Country Status (1)

Country Link
CN (1) CN115320583B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115583240A (zh) * 2022-11-25 2023-01-10 小米汽车科技有限公司 跟车方法、装置、车辆及介质
CN115593438A (zh) * 2022-11-25 2023-01-13 小米汽车科技有限公司（Cn） 跟车方法、装置以及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140176321A1 (en) * 2012-12-20 2014-06-26 Automotive Research & Testing Center Intuitive eco-driving assistance method and system
CN104933228A (zh) * 2015-05-27 2015-09-23 西安交通大学 基于速度障碍的无人车实时轨迹规划方法
US20190012919A1 (en) * 2014-10-20 2019-01-10 Robert Brandriff Vehicle Collision Avoidance System and Method
WO2019213980A1 (zh) * 2018-05-08 2019-11-14 清华大学 基于行车安全场的车辆智能安全决策方法
CN110962847A (zh) * 2019-11-26 2020-04-07 清华大学苏州汽车研究院（吴江） 车道居中辅助自适应巡航的轨迹规划方法和系统
CN112677963A (zh) * 2021-01-07 2021-04-20 吉林大学 智能网联四轮独立转向和独立驱动电动汽车紧急避障系统
CN113895459A (zh) * 2021-11-11 2022-01-07 北京经纬恒润科技股份有限公司 一种障碍物的筛选方法及系统
CN114771563A (zh) * 2022-04-06 2022-07-22 扬州大学 一种自动驾驶车辆轨迹规划控制实现方法
CN114987496A (zh) * 2022-05-24 2022-09-02 浙江零跑科技股份有限公司 一种自动紧急刹车系统的危险目标筛选方法
CN115027464A (zh) * 2022-07-29 2022-09-09 西安电子科技大学芜湖研究院 一种基于方向包围盒的自动驾驶碰撞检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140176321A1 (en) * 2012-12-20 2014-06-26 Automotive Research & Testing Center Intuitive eco-driving assistance method and system
US20190012919A1 (en) * 2014-10-20 2019-01-10 Robert Brandriff Vehicle Collision Avoidance System and Method
CN104933228A (zh) * 2015-05-27 2015-09-23 西安交通大学 基于速度障碍的无人车实时轨迹规划方法
WO2019213980A1 (zh) * 2018-05-08 2019-11-14 清华大学 基于行车安全场的车辆智能安全决策方法
CN110962847A (zh) * 2019-11-26 2020-04-07 清华大学苏州汽车研究院（吴江） 车道居中辅助自适应巡航的轨迹规划方法和系统
CN112677963A (zh) * 2021-01-07 2021-04-20 吉林大学 智能网联四轮独立转向和独立驱动电动汽车紧急避障系统
CN113895459A (zh) * 2021-11-11 2022-01-07 北京经纬恒润科技股份有限公司 一种障碍物的筛选方法及系统
CN114771563A (zh) * 2022-04-06 2022-07-22 扬州大学 一种自动驾驶车辆轨迹规划控制实现方法
CN114987496A (zh) * 2022-05-24 2022-09-02 浙江零跑科技股份有限公司 一种自动紧急刹车系统的危险目标筛选方法
CN115027464A (zh) * 2022-07-29 2022-09-09 西安电子科技大学芜湖研究院 一种基于方向包围盒的自动驾驶碰撞检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115583240A (zh) * 2022-11-25 2023-01-10 小米汽车科技有限公司 跟车方法、装置、车辆及介质
CN115593438A (zh) * 2022-11-25 2023-01-13 小米汽车科技有限公司（Cn） 跟车方法、装置以及存储介质

Also Published As

Publication number Publication date
CN115320583B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
JP7255782B2 (ja) 障害物回避方法、障害物回避装置、自動運転装置、コンピュータ可読記憶媒体及びプログラム
CN115320583B (zh) 目标障碍车确定方法、装置、车辆及介质
EP4067821A1 (en) Path planning method for vehicle and path planning apparatus for vehicle
CN109195845B (zh) 车辆控制系统、车辆控制方法及存储介质
US20200339128A1 (en) Vehicle control apparatus
US11254313B2 (en) Travelling control apparatus
US11091035B2 (en) Automatic driving system
CN113677581A (zh) 一种车道保持方法、车载设备和存储介质
US20200247415A1 (en) Vehicle, and control apparatus and control method thereof
CN110606070B (zh) 一种智能驾驶车辆及其制动方法、车载设备和存储介质
US10967859B2 (en) Vehicle control apparatus and vehicle control method
US11358599B2 (en) Traveling control apparatus, traveling control method, and non-transitory computer-readable storage medium storing program
US11285957B2 (en) Traveling control apparatus, traveling control method, and non-transitory computer-readable storage medium storing program
EP4074565A1 (en) Automated lane changing device and method for vehicle
WO2018220851A1 (ja) 自動運転車の制御のための車両制御装置及び方法
JP2019197467A (ja) 車両制御装置
CN115042821B (zh) 车辆控制方法、装置、车辆及存储介质
JP7048833B1 (ja) 車両制御装置、車両制御方法、およびプログラム
CN110599790B (zh) 一种智能驾驶车辆进站停靠的方法、车载设备和存储介质
JP2021160714A (ja) 車両制御装置および車両制御方法
JP7189088B2 (ja) 車両制御装置、車両、車両制御装置の動作方法およびプログラム
JP2020154748A (ja) 制御システム
CN115520225B (zh) 车辆避障方法、装置、介质及车辆
CN115352447B (zh) 车辆行驶控制方法、装置、车辆及可读存储介质
CN115230692B (zh) 车辆控制方法、装置、车辆及可读存储介质

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