CN115635963B - 目标对象筛选方法、装置、电子装置、存储介质和车辆 - Google Patents

Abstract

本申请涉及一种目标对象筛选方法、装置、电子装置、存储介质和车辆，其中，该对象筛选方法包括：识别自车预设范围内多个对象，获取自车从当前时刻起与各对象发生碰撞的时间间隔；确定在发生碰撞的第一时刻，以及，在自车运动到多个目标位置的第二时刻时自车和各对象的第一位置关系，第一位置关系包括：对象处于自车所在车道或者相邻车道；获取对应于对象的横向安全距离，获取自车与各对象的第一横向距离，根据第一位置关系、横向安全距离、第一横向距离、时间间隔，在多个对象中筛选得到目标对象，解决了车辆避免碰撞系统对周围危险目标的筛选结果不准确的问题，实现了对自车周围危险目标的筛选结果准确性的提高。

Description

目标对象筛选方法、装置、电子装置、存储介质和车辆

技术领域

本申请涉及汽车领域，特别是涉及目标对象筛选方法、装置、电子装置、存储介质和车辆。

背景技术

当前车辆普遍应用的主动安全技术包括纵向避免碰撞和横向避免碰撞。

其中，纵向避免碰撞系统包括自动紧急制动AEB系统，其基本原理为利用传感器感知自车前方的目标，当系统判断存在碰撞危险时，则通过控制车辆的纵向运动，对自车进行减速或刹停，以达到避免碰撞或减轻碰撞的目的。横向避免碰撞系统包括自动紧急转向AES系统、紧急转向辅助系统EMA系统，其基本原理为利用传感器感知自车前方的目标，当系统判断存在碰撞危险时，系统辅助驾驶员转向逃逸或自动逃逸。其中，辅助转向为通过控制车辆的横向运动，对驾驶员辅助即在驾驶员的力矩或转角基础上施加额外的力矩或转角；自动转向为系统决策自车是否存在逃逸路径，并规划出一条代价最小的逃逸路径，控制车辆的横/纵向运动联动执行该逃逸路径。

在自车周围的目标中筛选出最危险目标是车辆避免碰撞系统的基础，相关技术中车辆避免碰撞系统对周围危险目标的筛选结果不准确。

针对相关技术中存在车辆避免碰撞系统对周围危险目标的筛选结果不准确的问题，目前还没有提出有效的解决方案。

发明内容

在本实施例中提供了一种目标对象筛选方法、装置、电子装置、存储介质和车辆，以解决相关技术中的问题。

第一个方面，在本实施例中提供了一种目标对象筛选方法，识别自车预设范围内的多个对象，并获取所述自车从当前时刻起与各所述对象发生碰撞的时间间隔；

分别确定在发生碰撞的第一时刻，以及，在所述自车运动到多个目标位置的第二时刻时所述自车和各所述对象的第一位置关系，其中，在所述第二时刻，各所述目标位置与相应所述对象的位置之间的连线垂直于所述自车的行驶方向，所述第一位置关系包括：所述对象处于所述自车所在车道或者相邻车道；

获取对应于所述对象的横向安全距离，以及获取所述自车与各所述对象的第一横向距离，根据所述第一位置关系、所述横向安全距离、所述时间间隔、所述第一横向距离，在多个所述对象中筛选得到目标对象。

在其中的一些实施例中，判断在所述第一时刻和/或所述第二时刻，所述自车所在车道是否存在满足预设条件的对象，其中，所述预设条件包括：在当前时刻，所述自车与各所述对象之间的第一横向距离小于相应横向安全距离；

在判断到所述自车所在车道存在满足所述预设条件的所述对象的情况下，则在所述自车所在车道中筛选得到所述目标对象；或者，在判断到所述自车所在车道不存在满足所述预设条件的所述对象的情况下，则在所述相邻车道中筛选得到所述目标对象。

在其中的一些实施例中，根据对应于各所述对象的横向安全距离和所述第一横向距离，确定所述第一横向距离小于相应横向安全距离的至少一个候选对象，并在所述至少一个候选对象中筛选所述时间间隔最小的候选对象为所述目标对象。

在其中的一些实施例中，若存在多个所述时间间隔最小的候选对象，则在所述时间间隔最小的候选对象中筛选所述第一横向距离最小的候选对象为所述目标对象。

在其中的一些实施例中，获取车道宽度，当前时刻多个所述对象的位置和对应的宽度，所述自车的运动参数和自车宽度；

根据各所述对象的位置、所述自车的运动参数，计算所述第二时刻所述自车位置和当前时刻所述自车位置之间的第二横向距离；

根据第二时刻各所述对象的位置、所述第二横向距离、所述车道宽度，确定所述自车和各所述对象的第一位置关系。

在其中的一些实施例中，获取车道宽度，当前时刻多个所述对象的位置和对应宽度，所述自车的运动参数和自车宽度；

根据所述时间间隔，计算第一时刻各所述对象与所述自车发生碰撞的碰撞位置；

根据所述碰撞位置、所述自车的运动参数，计算所述当前时刻所述自车所处位置，和所述第一时刻所述自车所处位置之间的第三横向距离；

根据第二时刻各所述对象的位置、所述第三横向距离、所述车道宽度，确定所述自车和各所述对象的第一位置关系。

在其中的一些实施例中，获取所述目标对象运动状态，所述自车的运动参数，自车长度，其中，所述目标对象运动状态包括：当前时刻所述目标对象的位置、速度、加速度；

根据所述目标对象运动状态、所述运动参数、自车驾驶员的反应时间、所述自车长度，计算避免与所述目标对象发生碰撞所需的自车减速度。

第二个方面，在本实施例中提供了一种目标对象筛选装置，

识别模块，识别自车预设范围内的多个对象，并获取所述自车从当前时刻起与各所述对象发生碰撞的时间间隔；

计算模块，分别确定在发生碰撞的第一时刻，以及，在所述自车运动到多个目标位置的第二时刻时所述自车和各所述对象的第一位置关系，其中，在所述第二时刻，各所述目标位置与相应所述对象的位置之间的连线垂直于所述自车的行驶方向，所述第一位置关系包括：所述对象处于所述自车所在车道或者相邻车道；

筛选模块，获取对应于所述对象的横向安全距离，以及获取所述自车与各所述对象的第一横向距离，根据所述第一位置关系、所述横向安全距离、所述第一横向距离、所述时间间隔，在多个所述对象中筛选得到目标对象。

第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的目标对象筛选方法。

第四个方面，在本实施例中提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一个方面所述的目标对象筛选方法的步骤。

第五个方面，在本实施例中提供了一种车辆，包括路端传感器、通讯模块、存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述路端传感器包括激光雷达、毫米波雷达和摄像头，所述处理器分别连接所述处理器、路端传感器和通讯模块，所述处理器执行所述计算机程序时实现上述第一个方面所述的目标对象筛选方法。

与相关技术相比，在本实施例中提供的目标对象筛选方法、装置、电子装置、存储介质和车辆，识别自车预设范围内的多个对象，并获取自车从当前时刻起与各对象发生碰撞的时间间隔；分别确定在发生碰撞的第一时刻，以及，在自车运动到多个目标位置的第二时刻时自车和各对象的第一位置关系，其中，在第二时刻，各目标位置与相应对象的位置之间的连线垂直于自车的行驶方向，第一位置关系包括：对象处于自车所在车道或者相邻车道；获取对应于对象的横向安全距离，以及获取自车与各对象的第一横向距离，根据第一位置关系、横向安全距离、第一横向距离、时间间隔，在多个对象中筛选得到目标对象，解决了车辆避免碰撞系统对周围危险目标的筛选结果不准确的问题，实现了对自车周围危险目标的筛选结果准确性的提高。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是一个实施例中目标筛选方法的终端的硬件结构框图；

图2是一个实施例中目标筛选方法的流程图；

图3是一个实施例中第一位置关系的示意图；

图4是一个实施例中目标筛选方法的优选流程图；

图5是一个实施例中目标对象筛选方法的触发场景；

图6是一个实施例中目标筛选装置的结构框图。

具体实施方式

为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。

除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块（单元）的过程、方法和系统、产品或设备并未限定于列出的步骤或模块（单元），而可包括未列出的步骤或模块（单元），或者可包括这些过程、方法、产品或设备固有的其他步骤或模块（单元）。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。

在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本申请一实施例的目标筛选方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个（图1中仅示出一个）处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的目标对象筛选方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（NetworkInterface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种目标筛选方法，图2是本实施例的目标筛选方法的流程图，如图2所示，该流程包括如下步骤：

步骤S201，识别自车预设范围内的多个对象，并获取自车从当前时刻起与各对象发生碰撞的时间间隔。

基于自车的位置，检测自车周围的对象，并获得周围多个对象的信息。比较当前时刻自车的运动情况和多个对象的信息，计算自车和各对象以现在的速度和当前路径继续行驶，两者从当前时刻到发生碰撞之间的时间间隔。

示例性地，通过雷达传感器与视觉传感器检测自车周围的对象，并判断预设范围 内多个对象的有效性，以减少对象的错误识别，其中，有效性判断包括连续性判断和置信度 判断。获取自车信息以及多个有效对象的信息，包括：当前时刻自车的加速度、速度，多个对 象的加速度、速度、所处位置。计算得到自车和对象之间的速度差

、加速度差

和路程

，根据加速度，速度与位置的物理关系公式计算时间间隔t：

,式中，

，

，其中

为自车的加速度，

为对象的加速度。 其中，当

为零且

大于零时，确定间隔时间

；当

和

等于零，或者，

为零且

小于零时，设置间隔时间t为100s。

步骤S202，分别确定在发生碰撞的第一时刻，以及，在自车运动到多个目标位置的第二时刻时自车和各对象的第一位置关系，其中，在第二时刻，各目标位置与相应对象的位置之间的连线垂直于自车的行驶方向，第一位置关系包括：对象处于自车所在车道或者相邻车道。

假设自车和多个对象以当前速度和路径继续行驶，根据当前时刻自车的速度及加速度，计算在第一时刻自车和各对象之间相隔的第二横向距离；根据车道宽度和第二横向距离，判断第一时刻时，多个对象的第一位置关系。

假设自车以当前速度和路径继续行驶，多个对象停止运动，根据当前时刻自车的速度及加速度，计算在第二时刻自车和各对象之间相隔的第二横向距离，根据车道宽度和第二横向距离，判断第一时刻时，多个对象的第一位置关系。

其中，不同的第一位置关系对应不同危险等级，根据第一位置关系和各对象与自车发生碰撞的时间间隔可以评估多个对象的危险等级。

示例性地，多个对象的危险等级从高到低按照以下顺序排列：在第一时刻处于自车所在车道的对象、第二时刻处于自车所在车道的对象、第一时刻处于自车相邻车道的对象、第二时刻处于自车相邻车道的对象。在处于相同的第一位置关系的至少一个对象中，各对象之间的相对危险等级按照各对象与自车发生碰撞的时间间隔的升序排序，即第一时刻处于自车所在车道中，发生碰撞的时间间隔最短的对象的危险等级排序最高。

步骤S203，获取对应于对象的横向安全距离，以及获取自车与各对象的第一横向距离，根据第一位置关系、横向安全距离、第一横向距离、时间间隔，在多个对象中筛选得到目标对象。

不同类型对象对应不同的横向安全距离，可选地，卡车等大型车辆的横向安全距离较大，自行车、行人等小型对象的横向安全距离较小。

根据第一位置关系得到的危险等级排序，先后考虑处于不同车道位置的多个对象和自车之间的第一横向距离和横向安全距离，得到候选对象，并根据时间间隔在候选对象中筛选得到最危险的目标对象。

通过上述步骤，分别判断自车和对象都按照当前速度和路径移动而发生碰撞的第一时刻，以及，自车运动到目标位置的第二时刻对象和自车之间的相对车道位置关系，根据两个时间维度下的相对车道位置关系、碰撞时间间隔评估多个对象的危险程度，并在此基础上结合与对象类型对应的横向安全距离，筛选得到目标对象。通过相对车道位置关系、碰撞时间间隔、对象的类型等多个因素，在两个时间维度下，综合评估自车周围多个对象的危险程度，筛选得到最危险的目标对象，多维度、多因素的筛选方法，提高了对自车周围危险目标的筛选结果准确性和可靠性。

在其中的一些实施例中，判断在第一时刻和/或第二时刻，自车所在车道是否存在满足预设条件的对象，其中，预设条件包括：在当前时刻，自车与各对象之间的第一横向距离小于相应横向安全距离。在判断到自车所在车道存在满足预设条件的对象的情况下，则在自车所在车道中筛选得到目标对象；或者，在判断到自车所在车道不存在满足预设条件的对象的情况下，则在相邻车道中筛选得到目标对象。

不同目标类型有不同的横向安全距离，示例性地，大型车辆时横向安全距离较大，如卡车的横向安全距离为1.5m，汽车的横向安全距离为1m；小型对象的横向安全距离较小，如自行车的横向安全距离为0.5m，摩托车的横向安全距离为0.6m，行人的横向安全距离为0.3m。

当第一时刻和第二时刻，自车所在车道皆存在满足预设条件的对象时，将第一时刻和第二时刻，自车所在车道皆存在满足预设条件的对象都视为候选对象。示例性地，为第一时刻自车所在车道的对象赋予第一预设权重，为第二时刻自车所在车道的对象赋予第二预设权重，其中，权重值越高，对象的危险程度越高，筛选目标对象时将优先考虑高权重的对象。

当第一时刻自车所在车道存在满足预设条件的对象，但第二时刻自车所在车道不存在满足预设条件的对象时，将第一时刻自车所在车道满足预设条件的对象列为候选对象；当第二时刻自车所在车道存在满足预设条件的对象，但第一时刻自车所在车道不存在满足预设条件的对象时，将第二时刻自车所在车道满足预设条件的对象列为候选对象。

当第一时刻和第二时刻自车所在车道皆不存在满足预设条件的对象时，在相邻车道上满足预设条件的对象中筛选得到目标对象。

在其中的一些实施例中，根据对应于各对象的横向安全距离和第一横向距离，确定第一横向距离小于相应横向安全距离的至少一个候选对象，并在至少一个候选对象中筛选时间间隔最小的候选对象为目标对象。

可选地，若存在多个时间间隔最小的候选对象，则在时间间隔最小的候选对象中筛选第一横向距离最小的候选对象为目标对象。

若对象满足预设条件，则表明当前时刻满足预设条件的对象和自车处于同一行驶车道上。在和自车处于同一行驶车道的候选对象中，根据对象类型和自车与对象发生碰撞的时间间隔为条件，筛选最危险的目标对象。

在其中的一些实施例中，获取车道宽度，当前时刻多个对象的位置和对应的宽度，自车的运动参数和自车宽度；根据各对象的位置、自车的运动参数，计算第二时刻自车位置和当前时刻自车位置之间的第二横向距离；根据第二时刻各对象的位置、第二横向距离、车道宽度，确定自车和各对象的第一位置关系。

自车的运动参数包括自车的曲率C及曲率变化率Cr。根据各对象的位置确定各对象对应的目标位置。根据自车的曲率及曲率变化率，计算自车运动到各对象对应的目标位置时，自车横向发生的偏移量，即第二横向距离。

示例性地，以自车当前时刻所在位置为原点，建立坐标系，其中，以自车行驶方向 为x轴，以垂直于自车的行驶方向为y轴，获取对象的坐标位置

。当自车运动 到

时，则代表自车运动到了目标位置。

获取自车的曲率C及曲率变化率Cr：C= yawrate /speed，其中yawrate代表自车的横摆角速度，speed代表自车当前时刻运动速度；Cr由自车曲率的微分计算得到。

根据自车的曲率C及曲率变化率Cr，可以计算得到第二横向距离

。设自车的宽度为

，目标的宽度为

，车道 宽度为

。

图3是本实施例第一位置关系的示意图，如图所示，InPath为该对象处于自车所在的当前车道，AdjancentLe为对象处于自车所在车道的左侧，AdjancentRi为该对象处于自车所在车道的右侧。

确定自车和各对象的第一位置关系方法如下：

当满足

时，则判定第二时刻该对象 InPath，即该对象处于自车所在的当前车道，该对象和目标会发生碰撞。

当满足

&&

时，则判断第二时刻该对象AdjancentLe，即该对象处于自车所在车道 的左侧，其中，&&表示逻辑与；

当满足

&&

，则判断第二时刻该对象AdjancentRi，即该对象处于自车所在车道的右 侧，其中，&&表示逻辑与。

在其中的一些实施例中，获取车道宽度，当前时刻多个对象的位置和对应宽度，自车的运动参数和自车宽度；根据时间间隔，计算第一时刻各对象与自车发生碰撞的碰撞位置；根据碰撞位置、自车的运动参数，计算当前时刻自车所处位置，和第一时刻自车所处位置之间的第三横向距离；根据第二时刻各对象的位置、第三横向距离、车道宽度，确定自车和各对象的第一位置关系。

示例性地，以自车当前时刻所在位置为原点，建立坐标系，其中，以自车行驶方向 为x轴，以垂直于自车的行驶方向为y轴，获取对象的坐标位置

，以及当前时 刻对象的运动速度

，加速度

，设置从当前时刻到自车和对象以当前速度和路径运 动发生碰撞的第一时刻的时间间隔为TTC，当

时，

，其 中，min代表返回最小值。

根据TTC和对象的坐标位置可以计算得到，碰撞发生的纵向位置

，

。根据自车的曲率C及曲率变化率Cr，可以计算得到第三横 向距离

。

确定自车和各对象的第一位置关系方法与上一实施例中方法一致。

在其中的一些实施例中，获取目标对象运动状态，自车的运动参数，自车长度，其中，目标对象运动状态包括：当前时刻目标对象的位置、速度、加速度；根据目标对象运动状态、运动参数、自车驾驶员的反应时间、自车长度，计算避免与目标对象发生碰撞所需的自车减速度。

获取目标对象的运动状态，包括：静态对象和动态对象。分别对静态对象和动态对象采用区别的自车减速度计算方法。

示例性地，获取对象的位置

，假设自车驾驶员对危险对象减速需 要的反应时间为

，则在驾驶员反应时间内自车行驶的纵向位移为：

，设自车的后轴到前杠的距离为

，当前时 刻自车的行驶速度为

，目标对象的行驶速度为

。

当目标对象为静态对象时，ANegLgtReq计算公式如下：

。

当目标对象为动态对象时，有两种计算方法：

采用计算公式：

，计算自车减速 度ANegLgtReq。

或者，在时间间隔TTC内以预设单位时间为间隔进行采样计算，得到当前时刻到第 一时刻的未来时间内，每隔单位时间ANegLgtReq（i）的大小，计算公式如下：

，其中，Ti为采样 时间（50ms），

、

分别为目标对象和自车的当前速度。在ANegLgtReq（i）其中选取 最小计算结果作为当前避让碰撞的纵向需要的减速度ANegLgtReq，计算公式如下：

，其中，min为返回最小值。

下面通过优选实施例对本实施例进行描述和说明。

图4是本申请一实施例的目标筛选方法的优选流程图，如图4所示，该目标筛选方法包括如下步骤：

步骤S401，通过雷达传感器与视觉传感器检测出自车周围的目标信息。

步骤S402，基于自车的位置确定筛选感兴趣区域ROI。

步骤S403，评估感兴趣区域ROI内目标的有效性。

其中，有效性的判断从目标连续性，置信度等方面考虑。

步骤S404，计算自车和对象以现在的速度和相同的路径继续行驶，从当前时刻到碰撞时刻的时间间隔TTC。

步骤S405，计算第一时刻和第二时刻多个对象和自车的第一位置关系，根据第一位置关系与时间间隔TTC评估各对象的危险等级，并按照危险程度高低排序多个对象。

第一时刻和第二时刻多个对象和自车的第一位置关系包括以下可能性：

1、第一时刻对象位于InPathTTC车道，即对象和自车处于同一车道。如InPathTTC车道有多个对象，则按照时间间隔TTC升序的排序顺序输出对象的ID；

2、第一时刻对象位于AdjancetLeTTC车道，即对象处于和自车所在车道的左侧车道。如AdjancetLeTTC车道有多个对象，则按照时间间隔TTC升序的排序顺序输出对象的ID；

3、第一时刻对象位于AdjancetRiTTC车道，即对象处于和自车所在车道的右侧车道。如AdjancetRiTTC车道有多个对象，则按照时间间隔TTC升序的排序顺序输出对象的ID；

4、第二时刻对象位于InPathT0车道，即对象和自车处于同一车道。如InPathT0车道有多个对象，则按照时间间隔TTC升序的排序顺序输出对象的ID；

5、第二时刻对象位于AdjancetLeT0车道，即对象处于和自车所在车道的左侧车道。如AdjancetLeT0车道有多个对象，则按照时间间隔TTC升序的排序顺序输出对象的ID；

6、第二时刻对象位于AdjancetRiT0车道，即对象处于和自车所在车道的右侧车道。如AdjancetRiT0车道有多个对象，则按照时间间隔TTC升序的排序顺序输出对象的ID；

其中，时间间隔TTC越短，对象的危险程度越高。

步骤S406，根据横向安全距离，确定处于在自车当前的行驶车道上的对象为候选对象，在候选对象中筛选最危险的目标对象。

不同目标类型对应不同的横向安全距离，当前时刻对象和自车的第一横向距离小于横向安全距离，确定对象处于在自车当前的行驶车道上。对自车行驶车道上的候选对象，选择时间间隔TTC最短的对象为目标对象。若存在多个最短时间间隔一致的目标，选择与自车第一横向距离相对最小的目标作为目标对象。

步骤S407，根据目标对象的位置信息、自车驾驶员对危险目标减速需要的反应时间，计算避免自车和目标对象碰撞的自车减速度。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图5是本申请一实施例目标对象筛选方法的触发场景，目标对象筛选方法的触发场景包括但不限于图5中的四种情形。

场景1，自车与前方车辆有碰撞风险，系统自动转向完成避障；

场景2，自车与前方VRU（Vulnerable Road Users，弱势道路使用者）有碰撞风险，系统自动转向完成避障；

场景3，自车与前方未知类型物体有碰撞风险，系统自动转向完成避障；

场景4，路口的无车道线场景，自车与前方VRU有碰撞风险，系统自动转向完成避障。

在本实施例中还提供了一种目标筛选装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6是本实施例的目标筛选装置的结构框图，如图6所示，该装置包括：

识别模块，识别自车预设范围内的多个对象，并获取自车从当前时刻起与各对象发生碰撞的时间间隔；

计算模块，分别确定在发生碰撞的第一时刻，以及，在自车运动到多个目标位置的第二时刻时自车和各对象的第一位置关系，其中，在第二时刻，各目标位置与相应对象的位置之间的连线垂直于自车的行驶方向，第一位置关系包括：对象处于自车所在车道或者相邻车道；

筛选模块，获取对应于对象的横向安全距离，以及获取自车与各对象的第一横向距离，根据第一位置关系、横向安全距离、第一横向距离、时间间隔，在多个对象中筛选得到目标对象。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S201，识别自车预设范围内的多个对象，并获取自车从当前时刻起与各对象发生碰撞的时间间隔；

S202，分别确定在发生碰撞的第一时刻，以及，在自车运动到多个目标位置的第二时刻时自车和各对象的第一位置关系，其中，在第二时刻，各目标位置与相应对象的位置之间的连线垂直于自车的行驶方向，第一位置关系包括：对象处于自车所在车道或者相邻车道；

S203，获取对应于对象的横向安全距离，以及获取自车与各对象的第一横向距离，根据第一位置关系、横向安全距离、第一横向距离、时间间隔，在多个对象中筛选得到目标对象。

需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。

此外，结合上述实施例中提供的目标筛选方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种目标筛选方法。

结合上述实施例中提供的目标筛选方法，在本实施例中还可以提供一种车辆来实现，该车辆包括路端传感器、通讯模块、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，路端传感器包括激光雷达、毫米波雷达和摄像头，处理器分别连接处理器、路端传感器和通讯模块，处理器执行计算机程序时实现上述实施例中的任意一种目标筛选方法。

应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。

显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。

“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (11)

1.一种目标对象筛选方法，其特征在于，包括：

识别自车预设范围内的多个对象，并获取所述自车从当前时刻起与各所述对象发生碰撞的时间间隔；

分别确定在发生碰撞的第一时刻，以及，在所述自车运动到多个目标位置的第二时刻时所述自车和各所述对象的第一位置关系，其中，在所述第二时刻，各所述目标位置与相应所述对象的位置之间的连线垂直于所述自车的行驶方向，所述第一位置关系包括：所述对象处于所述自车所在车道或者相邻车道；

获取对应于所述对象的横向安全距离，以及获取所述自车与各所述对象的第一横向距离，根据所述第一位置关系、所述横向安全距离、所述第一横向距离、所述时间间隔，在多个所述对象中筛选得到目标对象。

2.根据权利要求1所述的目标对象筛选方法，其特征在于，在所述对象中筛选得到目标对象，包括：

判断在所述第一时刻和/或所述第二时刻，所述自车所在车道是否存在满足预设条件的对象，其中，所述预设条件包括：在当前时刻，所述自车与各所述对象之间的第一横向距离小于相应横向安全距离；

在判断到所述自车所在车道存在满足所述预设条件的所述对象的情况下，则在所述自车所在车道中筛选得到所述目标对象；或者，在判断到所述自车所在车道不存在满足所述预设条件的所述对象的情况下，则在所述相邻车道中筛选得到所述目标对象。

3.根据权利要求2所述的目标对象筛选方法，其特征在于，在所述自车所在车道或者所述相邻车道中筛选得到所述目标对象，包括：

根据对应于各所述对象的横向安全距离和所述第一横向距离，确定所述第一横向距离小于相应横向安全距离的至少一个候选对象，并在所述至少一个候选对象中筛选所述时间间隔最小的候选对象为所述目标对象。

4.根据权利要求3所述的目标对象筛选方法，其特征在于，筛选所述时间间隔最小的候选对象为所述目标对象，包括：

若存在多个所述时间间隔最小的候选对象，则在所述时间间隔最小的候选对象中筛选所述第一横向距离最小的候选对象为所述目标对象。

5.根据权利要求1所述的目标对象筛选方法，其特征在于，确定所述第二时刻所述自车与各所述对象的第一位置关系，包括：

获取车道宽度，当前时刻多个所述对象的位置和对应的宽度，所述自车的运动参数和自车宽度；

根据各所述对象的位置、所述自车的运动参数，计算所述第二时刻所述自车位置和当前时刻所述自车位置之间的第二横向距离；

根据第二时刻各所述对象的位置、所述第二横向距离、所述车道宽度，确定所述自车和各所述对象的第一位置关系。

6.根据权利要求1所述的目标对象筛选方法，其特征在于，确定在所述第一时刻所述自车与多个所述对象的第一位置关系，包括：

获取车道宽度，当前时刻多个所述对象的位置和对应宽度，所述自车的运动参数和自车宽度；

根据所述时间间隔，计算第一时刻各所述对象与所述自车发生碰撞的碰撞位置；

根据所述碰撞位置、所述自车的运动参数，计算所述当前时刻所述自车所处位置，和所述第一时刻所述自车所处位置之间的第三横向距离；

根据第二时刻各所述对象的位置、所述第三横向距离、所述车道宽度，确定所述自车和各所述对象的第一位置关系。

7.根据权利要求1所述的目标对象筛选方法，其特征在于，在所述对象中筛选得到目标对象之后，所述方法还包括：

获取所述目标对象运动状态，所述自车的运动参数，自车长度，其中，所述目标对象运动状态包括：当前时刻所述目标对象的位置、速度、加速度；

根据所述目标对象运动状态、所述运动参数、自车驾驶员的反应时间、所述自车长度，计算避免与所述目标对象发生碰撞所需的自车减速度。

8.一种目标对象筛选装置，其特征在于，包括：

识别模块，识别自车预设范围内的多个对象，并获取所述自车从当前时刻起与各所述对象发生碰撞的时间间隔；

计算模块，分别确定在发生碰撞的第一时刻，以及，在所述自车运动到多个目标位置的第二时刻时所述自车和各所述对象的第一位置关系，其中，在所述第二时刻，各所述目标位置与相应所述对象的位置之间的连线垂直于所述自车的行驶方向，所述第一位置关系包括：所述对象处于所述自车所在车道或者相邻车道；

筛选模块，获取对应于所述对象的横向安全距离，以及获取所述自车与各所述对象的第一横向距离，根据所述第一位置关系、所述横向安全距离、所述第一横向距离、所述时间间隔，在多个所述对象中筛选得到目标对象。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至权利要求7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至权利要求7中任一项所述的目标对象筛选方法的步骤。

11.一种车辆，包括路端传感器、通讯模块、存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述路端传感器包括激光雷达、毫米波雷达和摄像头，所述处理器分别连接所述处理器、路端传感器和通讯模块，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至权利要求7中任一项所述的目标筛选方法。

Images