CN115707930A - 基于v2x的车辆预警系统和方法 - Google Patents
基于v2x的车辆预警系统和方法 Download PDFInfo
- Publication number
- CN115707930A CN115707930A CN202110959607.2A CN202110959607A CN115707930A CN 115707930 A CN115707930 A CN 115707930A CN 202110959607 A CN202110959607 A CN 202110959607A CN 115707930 A CN115707930 A CN 115707930A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- early warning
- target
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000006870 function Effects 0.000 claims abstract description 122
- 230000004927 fusion Effects 0.000 claims abstract description 67
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 230000003068 static effect Effects 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012502 risk assessment Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008447 perception Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 239000000047 product Substances 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000002054 transplantation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于V2X的车辆预警系统和方法,该系统包括:数据预处理模块,配置用于对来自多个数据源的数据进行预处理,生成经预处理的数据。数据融合模块配置用于对经预处理的数据进行数据融合,生成针对目标的融合数据。环境模型构建模块配置用于根据车辆相关联的目标的融合数据构建环境模型。功能模块配置用于根据环境模型触发一项或多项预警功能。仲裁模块配置用于从多项预警功能中仲裁出将输出的预警功能。输出模块配置用于输出仲裁模块仲裁出的预警功能。本发明具有资源优化、模块解耦和产品级别仲裁的优点。
Description
技术领域
本发明的实施方式总体上涉及智能驾驶技术领域,更具体地,涉及一种基于V2X的车辆预警系统和方法。
背景技术
目前市场上的车辆所采用的主动安全预警功能都是基于智能驾驶系统,智能驾驶通过雷达/摄像头/激光雷达,对环境进行感知,并且完成决策过程。但是主动感知受传感器性能和环境影响,在超视距、遮挡、恶劣环境条件下,处理能力有限,目标感知的精度较差,影响功能使用,极大的影响用户的体验。
V2X(Vehicle-to-Everything,车对外界的信息交换)利用无线通讯技术,目标车辆可以把自身状态通过空口发送给本车。路侧设备同样可以通过空口将红绿灯状态、交通标志、地图信息等路侧信息发送给本车。本车通过收到的信息构建环境模型,有效地避免了传感器视障问题。可以解决由于传感器问题导致的功能限制,优化用户感知。
目前市场上的V2X处于刚刚起步阶段,单一功能设计占绝大部分。功能开发中,没有充分考虑与地图、智能驾驶消息的融合,消息来源单一,整体效率较低。
百度阿波罗系统在自动驾驶架构中增加了V2X模块。但是阿波罗系统仅仅采用它来接收红绿灯消息,对于目标车辆的感知实际上还是依赖于传统传感器技术。对于目标、交通标志、道路的感知依然存在之前所说的路障问题。
发明内容
为了解决现有技术中的上述问题,在第一方面,本发明的实施方式提供了一种基于V2X的车辆预警系统,所述系统包括数据预处理模块、数据融合模块、环境模型构建模块、功能模块、仲裁模块和输出模块。所述数据预处理模块配置用于对来自多个数据源的数据进行预处理,生成经预处理的数据,所述来自多个数据源的数据包括来自车身总线的车身数据、来自多个V2X消息源的V2X数据、来自自动驾驶系统的自动驾驶数据、来自全球定位系统和惯性测量单元的定位数据以及来自高精地图的地图数据。所述数据融合模块配置用于对所述经预处理的数据进行数据融合,将所述经预处理的数据中与相同目标相关联的数据提取出来,生成针对所述目标的融合数据。所述环境模型构建模块配置用于根据所述车辆相关联的目标的融合数据构建环境模型。所述功能模块配置用于根据所述环境模型触发一项或多项预警功能。所述仲裁模块配置用于在所述功能模块同时触发了多项预警功能时,从所述多项预警功能中仲裁出将输出的预警功能。所述输出模块配置用于输出所述仲裁模块仲裁出的预警功能。
在一些实施方式中,所述数据融合模块包括以下子模块中的一个或多个:交通参与者目标信息融合子模块,配置用于融合所述V2X数据和所述自动驾驶数据中与交通参与者目标相关联的信息,获取交通参与者目标融合信息;车道线信息融合子模块,配置用于融合所述V2X数据、所述自动驾驶数据和所述地图数据中的车道信息,生成全局唯一的车道线;道路及车道融合子模块,配置用于融合来自所述V2X数据、所述自动驾驶数据和所述地图数据中的道路和车道信息,形成全局唯一的车道和道路,获取道路和车道的匹配关系,匹配车道与目标车辆的位置关系,并且匹配红绿灯与道路的位置关系;交通标志信息融合子模块,配置用于融合所述V2X数据、所述自动驾驶数据和所述地图数据中的交通标志信息,形成全局唯一的交通标志,并且确定所述交通标志控制的路段信息;静态目标信息融合子模块,配置用于融合所述V2X数据、所述自动驾驶数据和所述地图数据中的静态目标;自由空间信息融合子模块,配置用于根据所述自动驾驶数据和所述V2X数据中的超视距功能数据来获得自由空间区域。
在一些实施方式中,所述环境模型构建模块包括:感兴趣区域范围确定子模块,配置用于根据车辆状态、环境状态和所述功能模块中预警功能的开启情况设定感兴趣区域范围;动态目标选取子模块,配置用于在所述感兴趣区域范围内选择需要预测判断的动态目标,判断碰撞风险,分析预警功能的需求,对所述动态目标的重要度进行排序,从所述动态目标中选择重点动态目标;动态目标分析子模块,配置用于预测所述重点动态目标的运动状态及风险,进行轨迹规划,输出危险目标的预测位置序列;车道线及道路模型构建子模块,配置用于建立所述感兴趣区域范围内的车道线和道路的关联关系,形成有联系的全局道路网络,分析道路拥堵状态,输出拥堵等级;本车预测子模块,配置用于预测所述车辆的轨迹和行驶状态;静态目标危险分析子模块,配置用于分析所述感兴趣区域范围内的静态目标,将危险静态目标过滤出来并传输至所述功能模块,并且输出所述危险静态目标的方位和尺寸。
在一些实施方式中,对来自多个数据源的数据进行预处理包括:对所述来自多个数据源的数据进行异常数据过滤、坐标系转换、统一国际单位、内部标识符分配中的一项或多项处理。
在一些实施方式中,所述预警功能包括前向碰撞预警、逆向超车预警、盲区预警、绿波车速、左转辅助中的一个或多个。
在一些实施方式中,所述输出模块包括:人机接口输出子模块,配置用于在车辆的总线上输出所述仲裁出的预警功能的报警信息;基础安全消息输出子模块,配置用于将所述仲裁出的预警功能的报警信息封装成基础安全消息格式,并且通过V2X接口传输基础安全消息格式的报警信息。
在一些实施方式中,所述输出模块还包括:控制输出子模块,配置用于输出所述仲裁出的预警功能生成的控制命令。
在一些实施方式中,所述输出模块还包括:目标发送子模块,配置用于将所述车辆相关联的目标的融合数据发送至所述车辆的自动驾驶控制器。
在一些实施方式中,所述多个V2X消息包括基础安全消息、交通灯相位与时序消息、地图消息、路侧信息和路侧安全消息中的多个消息。
在第二方面,本发明的实施方式提出了一种基于V2X的车辆预警方法,所述方法包括数据预处理步骤、数据融合步骤、环境模型构建步骤、功能步骤、仲裁步骤和输出步骤。所述数据预处理步骤包括:对来自多个数据源的数据进行预处理,生成经预处理的数据,所述来自多个数据源的数据包括来自车身总线的车身数据、来自多个V2X消息源的V2X数据、来自自动驾驶系统的自动驾驶数据、来自全球定位系统和惯性测量单元的定位数据以及来自高精地图的地图数据。所述数据融合步骤包括:对所述经预处理的数据进行数据融合,将所述经预处理的数据中与相同目标相关联的数据提取出来,生成针对所述目标的融合数据。所述环境模型构建步骤包括:根据所述车辆相关联的目标的融合数据构建环境模型。所述功能步骤包括:根据所述环境模型触发一项或多项预警功能。所述仲裁步骤包括:在所述功能步骤同时触发了多项预警功能时,从所述多项预警功能中仲裁出将输出的预警功能。所述输出步骤包括:输出所述仲裁步骤仲裁出的预警功能。
本发明的实施方式提出的基于V2X的车辆预警系统和方法具有以下技术效果:
(1)资源优化。因为大部分功能的需求信息是重叠的(比如需求目标的信息、对于车道线的需求、对于交通灯的需求),所以计划统一所有功能需求,所有的环境目标信息、危险评估,都从环境模型中提供给功能,这样环境模型进行一次计算就可以满足大部分功能的需求,节约计算资源;
(2)模块解耦。目前的系统按照分模块的方式,将外部信号的接口全部独立出来(信息预处理模块,类似于Autosar的MCAL和ECUAB),后续外部DBC(database computer,数据库计算机)发生变化,只需要对接口耦合部分进行更改,后续处理模块不需要变更,上层软件架构独立于硬件架构,方便软件移植;
(3)产品级别仲裁。通过采用产品级别的仲裁模块,各功能运行时不需要考虑其他功能的触发情况,功能设计更加简单且后续若增加功能,可以直接修改仲裁模块,不需要每个功能模块都加入新功能的仲裁条件。
附图说明
通过参考附图阅读下文的详细描述,本发明实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示出了根据本发明的实施方式的基于V2X的车辆预警系统的框图;
图2示出了根据本发明的实施方式的数据融合模块的框图;
图3示出了根据本发明的实施方式的环境模型构建模块的框图;
图4示出了根据本发明的实施方式的输出模块的框图;
图5示出了用于实现根据本发明的实施方式的基于V2X的车辆预警系统的软件系统架构层级图;
图6示出了根据本发明的实施方式的基于V2X的车辆预警方法的流程图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。
在一个方面,本发明的实施方式提供了一种基于V2X的车辆预警系统。参考图1,其示出了根据本发明的实施方式的基于V2X的车辆预警系统的框图。如图1所示,基于V2X的车辆预警系统100包括数据预处理模块101、数据融合模块102、环境模型构建模块103、功能模块104、仲裁模块105和输出模块106。
数据预处理模块101可以配置用于对来自多个数据源的数据进行预处理,生成经预处理的数据。来自多个数据源的数据可以包括:来自车身总线的车身数据(例如车速、加速度)、来自多个V2X消息源的V2X数据、来自自动驾驶系统的自动驾驶数据(例如自动驾驶目标、本车感知数据)、来自全球定位系统(Global Position System,GPS)和惯性测量单元(Inertial Measurement Unit,IMU)的定位数据以及来自高精地图的地图数据(例如,符合HDMAP协议格式的地图数据)。
作为本发明的一个实施方式,多个V2X消息包括BSM(Basic Safety Message,基础安全消息)、SPAT(Signal phase timing message,交通灯相位与时序消息)、MAP(地图消息)、RSI(Road Side Information,路侧信息)、RSM(Road Safety Message,路侧安全消息)消息集中的多个消息。作为示例,V2X消息可以是V2X空口消息。
相应地,数据预处理模块101可以包括处理上述来自多个数据源的数据的子模块,例如可以包括:车身信息处理(Vehicle Data Processor)子模块,负责处理来自于车身的消息,包括来自控制器局域网(Controller Area Network,CAN)总线、以太网、FlexRay总线等的消息;V2X信息处理(V2X Data Processor)子模块,负责来自于V2X空口接收的消息,包括BSM、MAP、SPAT、RSI、RSM等;地图信号处理(MAP data Processor)子模块,负责处理来自于高精地图的消息;自动驾驶信息处理(ADAS Data Processor)子模块,负责处理来自于自动驾驶系统的信息,包括目标、道路、车道线以及功能配置等;GNSS/IMU处理(GNSS&IMUData Processor)子模块,负责处理GNSS(全球导航卫星系统,Global NavigationSatellite System)和IMU的数据,进行定位数据的预处理。
作为本发明的一个实施方式,对来自多个数据源的数据进行预处理包括:对来自多个数据源的数据进行异常数据过滤(异常值滤波)、坐标系转换、统一国际单位、内部标识符(ID)分配中的一项或多项处理。对数据进行预处理可以使接收信息保持正确性,满足上层应用的需要。
数据融合模块102可以配置用于对经预处理的数据进行数据融合,将经预处理的数据中与相同目标相关联的数据提取出来,生成针对目标的融合数据。数据融合模块102完成了来自于不同信息源的信息的融合。例如目标数据可以来自于V2X BSM消息,也可以来自于V2X RSM消息,或者来自于自动驾驶系统的感知消息。当同一个目标存在多个消息来源时,需要在本模块将这多个信息中的相同目标提取出来,将同一目标进行融合,并根据多个消息中目标的状态,构建一个融合目标的状态,保证向后续模块传递的是物理世界中唯一的目标。举例而言,融合的信息可以包括:车辆目标、道路静态目标、交通标志、红绿灯、车道线、车道边缘等等。融合的目的是将来自不同信息源的同一目标识别出来,并根据不同信息源的特征给予不同的参数权重,并更新目标的特征属性。
环境模型构建模块103可以配置用于根据车辆相关联的目标的融合数据构建环境模型。环境模型构建模块103将所有目标融合成一个统一的环境,保证后续功能需求的内容全部在环境模型中可以找到。环境模型构建了功能运行的“容器”。环境模型将现实世界虚拟化,保证了车辆周围的每一个目标,在环境模型中都有一个虚拟的元素唯一对应。同时,环境模型也可以按照当前情况,选择功能感兴趣的区域来提供信息,避免无效目标对功能运算造成算力压力。
环境模型构建模块103的主要功能在于对动态目标、静态目标进行危险分析,应用运动学/动力学模型,对范围内目标进行持续跟踪,通过TTC(Time-to-collision,碰撞时间)判断目标是否存在风险,向后续模块输出筛选出来的危险目标。
功能模块104可以配置用于根据环境模型触发一项或多项预警功能。功能模块实现了所有的功能具体实现,可以支持多项预警功能。换言之,功能模块104的主要功能在于根据融合模块传输的目标信息,进行各个功能的触发判断,确定是否进行功能预警措施。
作为本发明的一个实施方式,预警功能包括前向碰撞预警、逆向超车预警、盲区预警、绿波车速、左转辅助中的一个或多个。
仲裁模块105,或称功能仲裁模块,可以配置用于在功能模块同时触发了多项预警功能时,从多项预警功能中仲裁出将优先输出的预警功能。
输出模块106可以配置用于输出仲裁模块仲裁出的预警功能。例如,输出模块106可以统一全局的HMI(Human Machine Interface,人机接口)信息,对接外部HMI控制器,进行HMI消息的处理封装。
通过上述基于V2X的车辆预警系统,外界数据通过基础软件的协议栈(CAN协议栈、V2X协议栈),传递给系统中的模块。通过不同模块对数据进行处理,实现了预警功能对环境的感知、预测、决策和报警。目前现有的关于V2X的产品,都只是从某个功能本身出发,没有考虑目标层面整体的分析。本发明的实施方式提出的基于V2X的车辆预警系统提供了一种层级结构清晰的逻辑架构。
本发明的实施方式提出的基于V2X的车辆预警系统具有以下技术效果:
(1)资源优化。因为大部分功能的需求信息是重叠的(比如需求目标的信息、对于车道线的需求、对于交通灯的需求),所以计划统一所有功能需求,所有的环境目标信息、危险评估,都从环境模型中提供给功能,这样环境模型进行一次计算就可以满足大部分功能的需求,节约计算资源;
(2)模块解耦。目前的系统按照分模块的方式,将外部信号的接口全部独立出来(信息预处理模块,类似于Autosar的MCAL和ECUAB),后续外部DBC(database computer,数据库计算机)发生变化,只需要对接口耦合部分进行更改,后续处理模块不需要变更,上层软件架构独立于硬件架构,方便软件移植;
(3)产品级别仲裁。通过采用产品级别的仲裁模块,各功能运行时不需要考虑其他功能的触发情况,功能设计更加简单且后续若增加功能,可以直接修改仲裁模块,不需要每个功能模块都加入新功能的仲裁条件。
作为本发明的一个实施方式,参考图2,其示出了根据本发明的实施方式的数据融合模块的框图。如图2所示,数据融合模块102可以包括交通参与者目标信息融合子模块1021、车道线信息融合子模块1022、道路及车道融合子模块1023、交通标志信息融合子模块1024、静态目标信息融合子模块1025和自由空间信息融合子模块1026中的一个或多个。
交通参与者目标信息融合(Dynamic Object Fusion)子模块1021可以配置用于融合V2X数据和自动驾驶数据中与交通参与者目标相关联的信息,获取交通参与者目标融合信息。具体地,可以包括:融合来自于V2X各个消息集、自动驾驶的相同目标,获取准确信息,提供目标的置信等级,应用于后面的功能,进行目标跟踪,时间维度上融合同一目标。
车道线信息融合(Line Fusion)子模块1022可以配置用于融合V2X数据、自动驾驶数据和地图数据中的车道信息,生成全局唯一的车道线。
道路及车道融合(Road and Lane Fusion)子模块1023可以配置用于融合来自V2X数据、自动驾驶数据和地图数据中的道路和车道信息,形成全局唯一的车道和道路,获取道路和车道的匹配关系,匹配车道与目标车辆的位置关系,并且匹配红绿灯与道路的位置关系。
交通标志信息融合(Trafic Sign Fusion)子模块1024可以配置用于融合V2X数据、自动驾驶数据和地图数据中的交通标志信息,形成全局唯一的交通标志,并且确定交通标志控制的路段信息。
静态目标信息融合(Static Object Fusion)子模块1025可以配置用于融合V2X数据、自动驾驶数据和地图数据中的静态目标,例如石头、静止车辆、施工区域等。
自由空间(Freespace)信息融合子模块1026可以配置用于根据自动驾驶数据和V2X数据中的超视距功能数据来获得自由空间区域,例如形成更大范围的Freespace区域。
作为本发明的一个实施方式,参考图3,其示出了根据本发明的实施方式的环境模型构建模块的框图。如图3所示,环境模型构建模块103可以包括:感兴趣区域范围确定子模块1031、动态目标选取子模块1032、动态目标分析子模块1033、车道线及道路模型构建子模块1034、本车预测子模块1035和静态目标危险分析子模块1036。
感兴趣区域(Region of Interest,ROI)范围确定子模块1031可以配置用于根据车辆状态、环境状态和功能模块中预警功能的开启情况设定感兴趣区域范围。
根据车辆状态和环境状态设定ROI范围,V2X与自动驾驶有一个很大的区别,V2X的感知范围广,这样势必存在与功能无关的目标,这些目标如果参与计算,会导致算力的浪费,所以增加了ROI模块,对功能无作用的目标过滤出去,仅对功能有作用的目标进行后续的预测和分析,增加了芯片利用率。ROI确定可以根据功能的开启情况,来决定判断范围。
动态目标选取(Dynamic Object Confimation)子模块1032可以配置用于在感兴趣区域范围内选择需要预测判断的动态目标(车辆、行人等),判断碰撞风险,分析预警功能的需求,对动态目标的重要度进行排序,从动态目标中选择重点动态目标。
动态目标分析(Dynamic Object Analysis)子模块1033可以配置用于预测重点动态目标的运动状态及风险,进行轨迹规划,输出危险目标的预测位置序列。
车道线及道路模型(Road Model)构建子模块1034可以配置用于建立感兴趣区域范围内的车道线和道路的关联关系,形成有联系的全局道路网络,分析道路拥堵状态,输出拥堵等级。
本车预测子模块1035可以配置用于预测本车的前进路线和轨迹。
静态目标危险分析(Static Object Analysis)子模块1036可以配置用于分析感兴趣区域范围内的静态目标,将危险静态目标过滤出来并传输至功能模块,并且输出危险静态目标的方位和尺寸。
由于V2X信息来源比较繁杂,大部分信号都是无用信号(比如有花坛相隔的临道车辆信号,或者几百米外的慢行车辆信号),在对目标进行风险分析时,通过设定动态ROI范围,节约了芯片计算量。
作为本发明的一个实施方式,参考图4,其示出了根据本发明的实施方式的输出模块的框图。如图4所示,输出模块106可以包括:人机接口(Human Machine Interface,HMI)输出子模块1061和基础安全消息输出子模块1062。
人机接口输出子模块1061可以配置用于在车辆的总线上输出仲裁出的预警功能的报警信息。例如,将报警信号和报警文字按协议处理,并在总线上输出。
基础安全消息(BSM)输出子模块1062可以配置用于将仲裁出的预警功能的报警信息封装成基础安全消息(BSM)格式,并且通过V2X接口传输基础安全消息格式的报警信息。
可选地,输出模块106还可以包括控制输出子模块,配置用于输出仲裁出的预警功能生成的控制命令。
可选地,输出模块106还可以包括目标发送子模块,配置用于将车辆相关联的目标的融合数据发送至车辆的自动驾驶控制器。考虑到自动驾驶融合,将V2X目标封装成自动驾驶控制器能够识别的协议,作为自动驾驶的感知补充。
本发明的实施方式提出的基于V2X的车辆预警系统可以通过软件、固件、软件与硬件的结合等等来实现。另外,基于V2X的车辆预警系统中各个模块的功能可以集中在位于同一物理位置的相同处理器上实现,也可以在多个处理上以分布式方式实现。
作为一个具体示例,参考图5,其示出了用于实现根据本发明的实施方式的基于V2X的车辆预警系统的软件系统架构层级图。
如图5所示,软件系统架构从下向上分层,属于层次架构风格,架构主要分为6层,分别是数据预处理层(Data Pre-Processor Layer)、数据融合层(Data Fusion Layer)、环境模型层(Environment Model Layer)、功能层(Function Layer)、仲裁层(ArbitrationLayer)(或称功能仲裁层(Function Arbitration Layer))、输出层(Output Layer)。可以看出,软件架构的各个层与系统100的各个模块相对应。
可选地,除了6个主要层级以外,还可以包括驾驶员模型(Driver Model)模块、路径规划模型模块、控制输出模块和系统管理(Sys Manager)模块中的一个或多个。这些相互独立的模块可以是预留模块,方便后续扩展协同控制类V2X功能。
本发明的实施方式还提出了一种基于V2X的车辆预警方法。参考图6,其示出了根据本发明的实施方式的基于V2X的车辆预警方法的流程图。如图6所示,基于V2X的车辆预警方法600可以包括数据预处理步骤601、数据融合步骤602、环境模型构建步骤603、功能步骤604、仲裁步骤605和输出步骤606。
数据预处理步骤601可以包括:对来自多个数据源的数据进行预处理,生成经预处理的数据,来自多个数据源的数据包括来自车身总线的车身数据、来自多个V2X消息源的V2X数据、来自自动驾驶系统的自动驾驶数据、来自全球定位系统和惯性测量单元的定位数据以及来自高精地图的地图数据。
数据融合步骤602可以包括:对经预处理的数据进行数据融合,将经预处理的数据中与相同目标相关联的数据提取出来,生成针对目标的融合数据。
环境模型构建步骤603可以包括:根据车辆相关联的目标的融合数据构建环境模型。
功能步骤604可以包括:根据环境模型触发一项或多项预警功能。
仲裁步骤605可以包括:在功能步骤同时触发了多项预警功能时,从多项预警功能中仲裁出将输出的预警功能。
输出步骤606可以包括:输出仲裁步骤仲裁出的预警功能。
方法600中的各个步骤与系统100中的各个模块实现的功能一一对应,关于方法100的各个步骤的具体实施方式和示例请参见上文对于系统的描述,在此不再赘述。
本发明结合自动驾驶和V2X的优势,构建了融合自动驾驶V2X的软件架构,充分利用来自多信息源的消息,构建出精准的环境模型,以支持高精度的功能表现。本发明的实施方式提出的基于V2X的车辆预警系统、方法和软件架构具有以下优势:
(1)依托于V2X实现预警功能,规避了常规传感器环境限制的弊端,具备上帝视角感知,能够实现超视距的目标识别;
(2)架构依托于层次风格,将多个功能的共性模块提取出来(数据预处理模块、融合模块、环境模型构建模块),这样不需要每个功能计算一次,节省了CPU算力,加快了运算速度;
(3)增加了ROI模块,鉴于V2X消息来源于四面八方,大多数都是无用信号,若全部计算,则运行效率极低,ROI根据功能设定了感兴趣的区域,过滤掉对本车无用的V2X消息,增加了运行效率;
(4)架构设定了对外界的统一接口,包含V2X、车身数据接口、自动驾驶数据、地图、GNSS定位等,后续移植仅需要做信号格式和信号名称的匹配,方便了移植。
出于示意的目的,已经给出了本发明的实施方式的前述说明,其并非是穷举性的也并非要将本发明限制为所公开的确切形式。本领域技术人员可以理解的是,在不偏离本发明的范围的情况下可以做出各种变化,并且可以将其中的元件替换为等同物。另外,在不偏离本发明的基本范围的情况下,可以进行很多修改以使得特定的情况或材料适应于本发明的教导。因此,本发明将包括落入所附的权利要求的范围内的所有实施方式。
Claims (10)
1.一种基于V2X的车辆预警系统,其特征在于,所述系统包括数据预处理模块、数据融合模块、环境模型构建模块、功能模块、仲裁模块和输出模块,其中,
所述数据预处理模块配置用于对来自多个数据源的数据进行预处理,生成经预处理的数据,所述来自多个数据源的数据包括来自车身总线的车身数据、来自多个V2X消息源的V2X数据、来自自动驾驶系统的自动驾驶数据、来自全球定位系统和惯性测量单元的定位数据以及来自高精地图的地图数据;
所述数据融合模块配置用于对所述经预处理的数据进行数据融合,将所述经预处理的数据中与相同目标相关联的数据提取出来,生成针对所述目标的融合数据;
所述环境模型构建模块配置用于根据所述车辆相关联的目标的融合数据构建环境模型;
所述功能模块配置用于根据所述环境模型触发一项或多项预警功能;
所述仲裁模块配置用于在所述功能模块同时触发了多项预警功能时,从所述多项预警功能中仲裁出将输出的预警功能;
所述输出模块配置用于输出所述仲裁模块仲裁出的预警功能。
2.根据权利要求1所述的系统,其特征在于,所述数据融合模块包括以下子模块中的一个或多个:
交通参与者目标信息融合子模块,配置用于融合所述V2X数据和所述自动驾驶数据中与交通参与者目标相关联的信息,获取交通参与者目标融合信息;
车道线信息融合子模块,配置用于融合所述V2X数据、所述自动驾驶数据和所述地图数据中的车道信息,生成全局唯一的车道线;
道路及车道融合子模块,配置用于融合来自所述V2X数据、所述自动驾驶数据和所述地图数据中的道路和车道信息,形成全局唯一的车道和道路,获取道路和车道的匹配关系,匹配车道与目标车辆的位置关系,并且匹配红绿灯与道路的位置关系;
交通标志信息融合子模块,配置用于融合所述V2X数据、所述自动驾驶数据和所述地图数据中的交通标志信息,形成全局唯一的交通标志,并且确定所述交通标志控制的路段信息;
静态目标信息融合子模块,配置用于融合所述V2X数据、所述自动驾驶数据和所述地图数据中的静态目标;
自由空间信息融合子模块,配置用于根据所述自动驾驶数据和所述V2X数据中的超视距功能数据来获得自由空间区域。
3.根据权利要求1所述的系统,其特征在于,所述环境模型构建模块包括:
感兴趣区域范围确定子模块,配置用于根据车辆状态、环境状态和所述功能模块中预警功能的开启情况设定感兴趣区域范围;
动态目标选取子模块,配置用于在所述感兴趣区域范围内选择需要预测判断的动态目标,判断碰撞风险,分析预警功能的需求,对所述动态目标的重要度进行排序,从所述动态目标中选择重点动态目标;
动态目标分析子模块,配置用于预测所述重点动态目标的运动状态及风险,进行轨迹规划,输出危险目标的预测位置序列;
车道线及道路模型构建子模块,配置用于建立所述感兴趣区域范围内的车道线和道路的关联关系,形成有联系的全局道路网络,分析道路拥堵状态,输出拥堵等级;
本车预测子模块,配置用于预测所述车辆的轨迹和行驶状态;
静态目标危险分析子模块,配置用于分析所述感兴趣区域范围内的静态目标,将危险静态目标过滤出来并传输至所述功能模块,并且输出所述危险静态目标的方位和尺寸。
4.根据权利要求1所述的系统,其特征在于,对来自多个数据源的数据进行预处理包括:对所述来自多个数据源的数据进行异常数据过滤、坐标系转换、统一国际单位、内部标识符分配中的一项或多项处理。
5.根据权利要求1所述的系统,其特征在于,所述预警功能包括前向碰撞预警、逆向超车预警、盲区预警、绿波车速、左转辅助中的一个或多个。
6.根据权利要求1所述的系统,其特征在于,所述输出模块包括:
人机接口输出子模块,配置用于在车辆的总线上输出所述仲裁出的预警功能的报警信息;
基础安全消息输出子模块,配置用于将所述仲裁出的预警功能的报警信息封装成基础安全消息格式,并且通过V2X接口传输基础安全消息格式的报警信息。
7.根据权利要求6所述的系统,其特征在于,所述输出模块还包括:
控制输出子模块,配置用于输出所述仲裁出的预警功能生成的控制命令。
8.根据权利要求6所述的系统,其特征在于,所述输出模块还包括:
目标发送子模块,配置用于将所述车辆相关联的目标的融合数据发送至所述车辆的自动驾驶控制器。
9.根据权利要求1所述的系统,其特征在于,所述多个V2X消息包括基础安全消息、交通灯相位与时序消息、地图消息、路侧信息和路侧安全消息中的多个消息。
10.一种基于V2X的车辆预警方法,其特征在于,所述方法包括数据预处理步骤、数据融合步骤、环境模型构建步骤、功能步骤、仲裁步骤和输出步骤,其中,
所述数据预处理步骤包括:对来自多个数据源的数据进行预处理,生成经预处理的数据,所述来自多个数据源的数据包括来自车身总线的车身数据、来自多个V2X消息源的V2X数据、来自自动驾驶系统的自动驾驶数据、来自全球定位系统和惯性测量单元的定位数据以及来自高精地图的地图数据;
所述数据融合步骤包括:对所述经预处理的数据进行数据融合,将所述经预处理的数据中与相同目标相关联的数据提取出来,生成针对所述目标的融合数据;
所述环境模型构建步骤包括:根据所述车辆相关联的目标的融合数据构建环境模型;
所述功能步骤包括:根据所述环境模型触发一项或多项预警功能;
所述仲裁步骤包括:在所述功能步骤同时触发了多项预警功能时,从所述多项预警功能中仲裁出将输出的预警功能;
所述输出步骤包括:输出所述仲裁步骤仲裁出的预警功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110959607.2A CN115707930B (zh) | 2021-08-20 | 2021-08-20 | 基于v2x的车辆预警系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110959607.2A CN115707930B (zh) | 2021-08-20 | 2021-08-20 | 基于v2x的车辆预警系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115707930A true CN115707930A (zh) | 2023-02-21 |
CN115707930B CN115707930B (zh) | 2024-07-02 |
Family
ID=85212329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110959607.2A Active CN115707930B (zh) | 2021-08-20 | 2021-08-20 | 基于v2x的车辆预警系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115707930B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070005609A1 (en) * | 1997-10-22 | 2007-01-04 | Intelligent Technologies International, Inc. | Vehicular Communication Arrangement and Method |
CN110232837A (zh) * | 2019-05-08 | 2019-09-13 | 重庆邮电大学 | 一种基于v2x的车路协同防撞预警系统 |
CN110874945A (zh) * | 2018-08-31 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 基于车路协同的路侧感知系统及其车辆控制方法 |
CN111429739A (zh) * | 2018-12-20 | 2020-07-17 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
US20200290638A1 (en) * | 2017-05-06 | 2020-09-17 | The Texas A & M University System | Method and system for vehicular communication and safety monitoring of driving environment to provide early warnings in real-time |
CN111785023A (zh) * | 2020-07-14 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种车辆碰撞风险预警方法及系统 |
-
2021
- 2021-08-20 CN CN202110959607.2A patent/CN115707930B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070005609A1 (en) * | 1997-10-22 | 2007-01-04 | Intelligent Technologies International, Inc. | Vehicular Communication Arrangement and Method |
US20200290638A1 (en) * | 2017-05-06 | 2020-09-17 | The Texas A & M University System | Method and system for vehicular communication and safety monitoring of driving environment to provide early warnings in real-time |
CN110874945A (zh) * | 2018-08-31 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 基于车路协同的路侧感知系统及其车辆控制方法 |
CN111429739A (zh) * | 2018-12-20 | 2020-07-17 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
CN110232837A (zh) * | 2019-05-08 | 2019-09-13 | 重庆邮电大学 | 一种基于v2x的车路协同防撞预警系统 |
CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
CN111785023A (zh) * | 2020-07-14 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种车辆碰撞风险预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115707930B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111123933B (zh) | 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车 | |
US11967230B2 (en) | System and method for using V2X and sensor data | |
EP3547215A1 (en) | Systems and methods for automatically training neural networks | |
EP3300047A1 (en) | Dynamic traffic guide based on v2v sensor sharing method | |
JP2022546320A (ja) | 高度車載機器 | |
JP2022091936A (ja) | 車路協同自動運転の制御方法、装置、電子機器及び車両 | |
US20210191394A1 (en) | Systems and methods for presenting curated autonomy-system information of a vehicle | |
WO2020139961A1 (en) | Distributed system task management using a simulated clock | |
US11397610B2 (en) | Architecture for simulation clock-based simulation of distributed systems | |
US20220161830A1 (en) | Dynamic Scene Representation | |
WO2020139967A1 (en) | Distributed system execution using a serial timeline | |
WO2023023336A1 (en) | Detected object path prediction for vision-based systems | |
US20230080281A1 (en) | Precautionary observation zone for vehicle routing | |
Kheder et al. | Real-time traffic monitoring system using IoT-aided robotics and deep learning techniques | |
US20180342102A1 (en) | Method and system for prioritizing sensors for a perception system | |
WO2023083043A1 (zh) | 一种不可通行区域确认方法、装置、设备及可读存储介质 | |
Farhat et al. | A novel cooperative collision avoidance system for vehicular communication based on deep learning | |
US20230256994A1 (en) | Assessing relative autonomous vehicle performance via evaluation of other road users | |
CN115707930A (zh) | 基于v2x的车辆预警系统和方法 | |
US20220281459A1 (en) | Autonomous driving collaborative sensing | |
CN114049767A (zh) | 一种边缘计算方法、装置及可读存储介质 | |
WO2023087182A1 (zh) | 一种信息交互方法、装置及系统 | |
US20220140963A1 (en) | Communication method and apparatus | |
US20220309693A1 (en) | Adversarial Approach to Usage of Lidar Supervision to Image Depth Estimation | |
US20230385698A1 (en) | Generating training data for vision systems detecting moving objects |
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 |