CN115782867A - 轨迹碰撞风险评估方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明涉及自动驾驶技术领域，提供一种轨迹碰撞风险评估方法、装置、电子设备和存储介质。轨迹碰撞风险评估方法包括：基于行车关注区域，对环境栅格地图进行处理，获得至少表征行车关注区域的障碍物信息的占据栅格地图；根据障碍物信息，对占据栅格地图进行处理，获得至少表征行车关注区域的碰撞风险的代价栅格地图；获得候选轨迹集，生成目标车辆随每条候选轨迹运动的行车包络线；根据行车包络线和代价栅格地图，确定每条候选轨迹的碰撞风险代价。本发明的轨迹碰撞风险评估方案，基于栅格地图稠密表达障碍物信息，能够避免点云分割和聚类导致的精度损失；基于车辆轮廓的行车包络线，能够准确计算出候选轨迹的碰撞风险代价。

Description

轨迹碰撞风险评估方法、装置、电子设备和存储介质

技术领域

本发明涉及自动驾驶技术领域，具体地说，涉及一种轨迹碰撞风险评估方法、装置、电子设备和存储介质。

背景技术

目前广泛应用于自动驾驶领域的轨迹规划方案，其过程包括：根据激光点云中表达车道和障碍物的点云数据，结合车辆状态，生成多项式曲线构成的候选轨迹→对生成的一批候选轨迹进行碰撞风险代价评估→根据碰撞风险代价，对候选轨迹进行运动学性能约束检测和精确的碰撞检测，选中通过检测的代价最低的候选轨迹作为直接的轨迹输出，或作为更为精细的轨迹后优化的输入。

其中，在对候选轨迹进行碰撞风险代价评估时，上述的轨迹规划方案存在如下两方面的缺陷：

一方面，进行障碍物避让方向的决策，即判断车辆应当从左侧还是右侧绕过障碍物时，大多以多边形表达的障碍物为基础，这依赖于前置感知模块对点云做分割和聚类处理，而感知模块在将障碍物点云划分为多边形的过程中存在精度损失；

另一方面，进行碰撞风险计算时，通常以候选轨迹上的点，也即沿候选轨迹行驶时的车辆中心点为基准进行碰撞风险代价的估计，这是一种相对粗糙的估计方式，因为车辆中心点到障碍物的距离，不能精确地代表车辆的碰撞风险。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种轨迹碰撞风险评估方法、装置、电子设备和存储介质，基于栅格地图稠密地表达障碍物信息，利于障碍物避让方向的决策，避免点云分割和聚类导致的精度损失；此外，基于车辆轮廓随候选轨迹运动的行车包络线进行碰撞风险代价评估，能够准确计算出碰撞风险代价，进而可以支持更加精细化的基于障碍物避让的轨迹规划。

根据本发明的一个方面，提供一种轨迹碰撞风险评估方法，包括：基于行车关注区域，对环境栅格地图进行处理，获得至少表征所述行车关注区域的障碍物信息的占据栅格地图；根据所述障碍物信息，对所述占据栅格地图进行处理，获得至少表征所述行车关注区域的碰撞风险的代价栅格地图；获得候选轨迹集，生成目标车辆随每条候选轨迹运动的行车包络线；根据所述行车包络线和所述代价栅格地图，确定每条所述候选轨迹的碰撞风险代价。

在一些实施例中，所述对环境栅格地图进行处理前，还包括：根据所述目标车辆的轮廓信息和当前车道的车道信息，生成所述目标车辆沿所述当前车道行驶的车体覆盖区域；根据所述当前车道的相邻车道的车道信息，扩展所述车体覆盖区域，生成所述行车关注区域。

在一些实施例中，所述环境栅格地图的每个栅格具有初始的概率；所述对环境栅格地图进行处理，包括：根据所述环境栅格地图的每个栅格的概率与一概率阈值的关系，将所述环境栅格地图转换为占据栅格地图，使所述占据栅格地图中，至少所述行车关注区域内的障碍物及所述行车关注区域的侧边界对应的栅格的概率，被置为表征存在障碍物的目标概率值。

在一些实施例中，所述将所述环境栅格地图转换为占据栅格地图后，还包括：对所述占据栅格地图进行形态学处理，使与所述行车关注区域内的障碍物对应的栅格所关联的栅格的概率，被置为所述目标概率值；以及，对所述目标概率值对应的栅格区块的边缘进行平滑处理，使经平滑处理后所述栅格区块中新增的栅格的概率，被置为所述目标概率值。

在一些实施例中，所述障碍物信息包括：所述行车关注区域内的障碍物及所述行车关注区域的侧边界对应的栅格，具有表征存在障碍物的目标概率值；所述对所述占据栅格地图进行处理，包括：基于所述目标概率值，对所述占据栅格地图进行连通域搜索；根据搜索获得的连通域，确定所述行车关注区域内的障碍物与所述行车关注区域的侧边界的从属关系；根据所述从属关系，生成至少表征所述行车关注区域的碰撞风险的代价栅格地图。

在一些实施例中，所述确定所述行车关注区域内的障碍物与所述行车关注区域的侧边界的从属关系，包括：以搜索获得的每个连通域为一结点，在各结点之间建立边；其中，每条边的代价根据对应的两个连通域之间的最近距离确定；剪除代价满足代价阈值的边，并根据剪除结果确定所述从属关系。

在一些实施例中，所述生成至少表征所述行车关注区域的碰撞风险的代价栅格地图，包括：获得表征所述行车关注区域内的障碍物的连通域所对应的栅格区块；将所述栅格区块向所属的侧边界投射的投射区域所覆盖的栅格的概率置为所述目标概率值；以及，使用高斯核处理所述占据栅格地图，获得至少表征所述行车关注区域的碰撞风险的代价栅格地图；其中，所述代价栅格地图中，每个栅格的碰撞风险代价与所述栅格至所述目标概率值对应的障碍物栅格的距离负相关。

在一些实施例中，所述生成目标车辆随每条候选轨迹运动的行车包络线，包括：基于每条候选轨迹的轨迹信息，估计每条所述候选轨迹的各轨迹点的执行姿态误差；根据目标车辆的轮廓信息和一当前候选轨迹的各轨迹点的执行姿态误差，生成所述目标车辆在所述当前候选轨迹的各轨迹点的包络框；连接各包络框，生成所述目标车辆随所述当前候选轨迹运动的由多段线性包络线组成的当前行车包络线。

在一些实施例中，所述估计每条所述候选轨迹的各轨迹点的执行姿态误差，包括：基于一候选轨迹的曲率和速度，通过自回归滑动平均模型，估计所述候选轨迹的各轨迹点的执行姿态误差。

在一些实施例中，所述目标车辆随一当前候选轨迹运动的当前行车包络线包括多段线性包络线，每段线性包络线对应所述当前候选轨迹的一轨迹点；所述确定每条所述候选轨迹的碰撞风险代价，包括：将所述当前行车包络线投射至所述代价栅格地图；根据所述代价栅格地图中，所述当前行车包络线的每段线性包络线所经过的栅格的碰撞风险代价，确定每段所述线性包络线的碰撞风险代价；根据所述当前行车包络线的各段线性包络线的碰撞风险代价，确定所述当前候选轨迹的碰撞风险代价。

在一些实施例中，所述确定每段所述线性包络线的碰撞风险代价，取每段所述线性包络线所经过的栅格的最高碰撞风险代价作为对应的线性包络线的碰撞风险代价；所述确定所述当前候选轨迹的碰撞风险代价，取所述当前行车包络线的各段线性包络线的平均碰撞风险代价，作为所述当前候选轨迹的碰撞风险代价。

在一些实施例中，所述确定每条所述候选轨迹的碰撞风险代价后，还包括：获得碰撞风险代价最小的候选轨迹对应的行车包络线中，碰撞风险代价超出第一阈值的线性包络线；调整所述碰撞风险代价超出第一阈值的线性包络线对应的轨迹点；根据所述碰撞风险代价最小的候选轨迹和调整后的轨迹点，生成目标轨迹。

在一些实施例中，所述调整所述碰撞风险代价超出第一阈值的线性包络线对应的轨迹点，包括：获得碰撞风险代价超出所述第一阈值的一当前线性包络线的两边线的碰撞风险代价；将所述当前线性包络线对应的轨迹点朝向目标方向移动目标量；其中，所述目标方向为所述当前线性包络线的碰撞风险代价较大的边线指向碰撞风险代价较小的边线的方向，所述目标量与所述当前线性包络线对应的轨迹点的执行姿态误差相关。

在一些实施例中，所述确定每条所述候选轨迹的碰撞风险代价后，还包括：响应于所有的候选轨迹的碰撞风险代价均高于第二阈值，生成所述目标车辆的实际投影随每条所述候选轨迹运动的投影包络线；以及，根据所述投影包络线和所述代价栅格地图，确定每条所述候选轨迹的碰撞风险代价。

根据本发明的又一个方面，提供一种轨迹碰撞风险评估装置，包括：环境栅格地图处理模块，用于基于行车关注区域，对环境栅格地图进行处理，获得至少表征所述行车关注区域的障碍物信息的占据栅格地图；代价栅格地图生成模块，用于根据所述障碍物信息，对所述占据栅格地图进行处理，获得至少表征所述行车关注区域的碰撞风险的代价栅格地图；行车包络线生成模块，用于获得候选轨迹集，生成目标车辆随每条候选轨迹运动的行车包络线；轨迹碰撞风险估计模块，用于根据所述行车包络线和所述代价栅格地图，确定每条所述候选轨迹的碰撞风险代价。

根据本发明的又一个方面，提供一种电子设备，包括：处理器；存储器，所述存储器中存储有可执行指令；其中，所述可执行指令被所述处理器执行时，实现上述任意实施例所述的轨迹碰撞风险评估方法。

根据本发明的又一个方面，提供一种计算机可读的存储介质，用于存储程序，所述程序被处理器执行时实现上述任意实施例所述的轨迹碰撞风险评估方法。

本发明与现有技术相比的有益效果至少包括：

本发明的轨迹碰撞风险评估方案，通过对环境栅格地图进行处理，获得表征行车关注区域的障碍物信息的占据栅格地图，实现基于栅格地图稠密地表达障碍物信息；根据占据栅格地图，能够进行障碍物避让方向的决策，获得表征行车关注区域的碰撞风险的代价栅格地图，避免对点云做分割和聚类处理的依赖，从而避免在将障碍物点云划分为多边形的过程中产生的精度损失；

此外，本发明的轨迹碰撞风险评估方案，基于车辆轮廓随候选轨迹运动的行车包络线进行碰撞风险代价评估，能够对碰撞风险代价进行更准确的计算，尤其是在车体尺寸接近可通行区域的狭窄场景中，利用行车包络线取代车体中心轨迹线进行碰撞风险代价评估，能够更加准确地计算出碰撞风险代价，进而可以支持更加精细化的基于障碍物避让的轨迹规划。

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，并不能限制本发明。

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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本发明实施例中轨迹碰撞风险评估方法的步骤示意图；

图2示出本发明实施例中对环境栅格地图进行处理的示意图；

图3示出本发明实施例中对占据栅格地图进行处理的步骤示意图；

图4示出本发明实施例中生成代价栅格地图的示意图；

图5示出本发明实施例中生成行车包络线的步骤示意图；

图6示出本发明实施例中生成当前行车包络线的示意图；

图7示出本发明实施例中确定候选轨迹的碰撞风险代价的步骤示意图；

图8示出本发明实施例中轨迹碰撞风险评估方法的流程示意图；

图9示出本发明实施例中生成目标轨迹的步骤示意图；

图10示出本发明实施例中轨迹碰撞风险评估装置的模块示意图；

图11示出本发明实施例中电子设备的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使本发明全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

此外，附图中所示的流程仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤可以分解，有的步骤可以合并或部分合并，且实际执行的顺序有可能根据实际情况改变。需要说明的是，在不冲突的情况下，本发明的实施例及不同实施例中的特征可以相互组合。

本发明的轨迹碰撞风险评估方案，适用于移动机器人、无人车等自动驾驶领域的轨迹规划，具体是对候选轨迹进行碰撞风险代价评估，解决障碍物避让，尤其是狭窄空间中的障碍物避让问题。

图1示出一实施例中轨迹碰撞风险评估方法的主要步骤，参照图1所示，本实施例提供的轨迹碰撞风险评估方法，包括：

步骤S110，基于行车关注区域，对环境栅格地图进行处理，获得至少表征行车关注区域的障碍物信息的占据栅格地图。

行车关注区域是指车辆行驶过程中允许覆盖的大致范围，可结合车体尺寸和控制误差获得。环境栅格地图基于环境点云数据，例如车辆前方的激光雷达所采集到的环境点云数据生成。通过对环境栅格地图进行处理，获得表征行车关注区域的障碍物信息的占据栅格地图，实现基于栅格地图稠密地表达障碍物信息。

步骤S120，根据障碍物信息，对占据栅格地图进行处理，获得至少表征行车关注区域的碰撞风险的代价栅格地图。

根据占据栅格地图，能够进行障碍物避让方向的决策，也即进行障碍物到道路边界归属决策，获得表征行车关注区域的碰撞风险的代价栅格地图，实现在基于栅格地图稠密地表达障碍物信息的基础上直接进行障碍物避让方向的决策，避免对点云做分割和聚类处理的依赖，从而避免在将障碍物点云划分为多边形的过程中产生的精度损失。

步骤S130，获得候选轨迹集，生成目标车辆随每条候选轨迹运动的行车包络线。

碰撞风险本质上是由车体的边缘轮廓、而非车辆中心与障碍物的距离关系决定。尤其是在可行驶空间相对于车辆体积的比例较小的情况，也即在狭窄空间中，中心点不变而姿态角变化时，车辆外轮廓到障碍物的距离可能有显著差异。生成目标车辆随每条候选轨迹运动的行车包络线，有利于后续根据行车包络线精确计算碰撞风险。

步骤S140，根据行车包络线和代价栅格地图，确定每条候选轨迹的碰撞风险代价。

基于车辆轮廓随候选轨迹运动的行车包络线、及精准表达碰撞风险代价的代价栅格地图进行碰撞风险代价评估，能够实现对碰撞风险代价进行准确计算，尤其是在车体尺寸接近可通行区域的狭窄场景中，利用行车包络线取代车体中心轨迹线进行碰撞风险代价评估，能够更加准确地计算出碰撞风险代价，进而可以支持更加精细化的基于障碍物避让的轨迹规划。

在一个实施例中，对环境栅格地图进行处理前，还包括：根据目标车辆的轮廓信息和当前车道的车道信息，生成目标车辆沿当前车道行驶的车体覆盖区域；根据当前车道的相邻车道的车道信息，扩展车体覆盖区域，生成行车关注区域。

目标车辆的轮廓信息，例如是目标车辆的二维包围框；当前车道的车道信息，例如包括当前车辆的两侧边界和车道中心线；根据目标车辆的轮廓信息和当前车道的车道信息，可以生成目标车辆沿当前车道行驶时，车体会覆盖的大致范围，即车体覆盖区域。相邻车道的车道信息，例如包括当前车道两侧是否有相邻同向和对向车道，以及相邻同向/对向车道的情况(包括车道宽度等)；以相邻车道的情况为依据，可计算出目标车辆向两侧借道时，允许车体侵入相邻车道的侵入范围(该侵入范围也可根据高精地图的信息，在允许的条件范围内配置)。结合相邻车道的车道信息和目标车辆的车体覆盖区域，例如将车体覆盖区域向两侧扩展的侵入范围的量，形成一个关注区域(ROI区域)，即行车关注区域。

在一个实施例中，环境栅格地图的每个栅格具有初始的概率；基于行车关注区域，对环境栅格地图进行处理，包括：根据环境栅格地图的每个栅格的概率与一概率阈值的关系，将环境栅格地图转换为占据栅格地图，使占据栅格地图中，至少行车关注区域内的障碍物及行车关注区域的侧边界对应的栅格的概率，被置为表征存在障碍物的目标概率值。

环境栅格地图是基于激光雷达采集的环境点云数据生成的一种概率栅格地图，其生成方式是已有的，本发明对此不作限制。根据环境栅格地图的每个栅格的概率与一概率阈值的关系，可将初始概率大于等于概率阈值的栅格的概率置为1，即目标概率值，实现对概率栅格地图中ROI区域的障碍物提取。此外，ROI区域的左右边界、及ROI区域外的栅格，概率也均置为1，以此表达不希望车辆轮廓在任何情况下侵入。

从而，占据栅格地图所表达的障碍物信息，即包括：行车关注区域内的障碍物及行车关注区域的侧边界对应的栅格，以及行车关注区域外的栅格，具有表征存在障碍物的目标概率值1。

进一步地，在一个实施例中，根据概率阈值，将环境栅格地图转换为占据栅格地图后，还包括：对占据栅格地图进行形态学处理，使与行车关注区域内的障碍物对应的栅格所关联的栅格的概率，被置为目标概率值；以及，对目标概率值对应的栅格区块的边缘进行平滑处理，使经平滑处理后栅格区块中新增的栅格的概率，被置为目标概率值。

图2示出一实施例中对环境栅格地图进行处理的示意，参照图2所示，经上述的将环境栅格地图转换为占据栅格地图的处理，行车关注区域200内的障碍物栅格210、以及行车关注区域200之外的栅格220(包括侧边界栅格和外围栅格，外围栅格未全部示出)，被置为表征存在障碍物的目标概率值1。在该占据栅格地图的基础上，进行后处理操作；先基于形态学的方法，将障碍物栅格210中由于点云遮挡而出现的空腔和缝隙填补，使与障碍物栅格210所关联的栅格(例如图2中示出的位于左侧障碍物栅格210内的一栅格210a)的概率，被置为目标概率值1；再平滑障碍物栅格210对应的栅格区块的边缘，使经平滑处理后栅格区块中新增的栅格(例如图2中示出的位于右侧障碍物栅格210内的一栅格210b)的概率，被置为目标概率值1。

占据栅格地图能够准确地表达行车关注区域的障碍物信息，以利于后续处理生成表达碰撞风险的代价栅格地图。

图3示出一实施例中对占据栅格地图进行处理的主要步骤，参照图3所示，在一个实施例中，根据障碍物信息，对占据栅格地图进行处理，包括：

步骤S310，基于目标概率值，对占据栅格地图进行连通域搜索。

在占据栅格地图的基础上，搜索其中的连通域，每个连通域代表一个或多个空间上连接的障碍物。所说的空间上连接，可以是栅格相邻，也可以是栅格相距小于一定的阈值范围，具体可根据需要设置。此外，行车关注区域的左右侧边界栅格及相连的外围栅格也分别被视为连通域。

步骤S320，根据搜索获得的连通域，确定行车关注区域内的障碍物与行车关注区域的侧边界的从属关系。

根据连通域，能够较直接地确定障碍物与对应的侧边界的从属关系。

步骤S330，根据从属关系，生成至少表征行车关注区域的碰撞风险的代价栅格地图。

根据从属关系，能够便捷地生成代价栅格地图，以此表达行车关注区域内各栅格的碰撞风险。

在一个实施例中，根据搜索获得的连通域，确定行车关注区域内的障碍物与行车关注区域的侧边界的从属关系，包括：以搜索获得的每个连通域为一结点，在各结点之间建立边；其中，每条边的代价根据对应的两个连通域之间的最近距离确定；剪除代价满足代价阈值的边，并根据剪除结果确定从属关系。

将各连通域列为结点(node)，在所有的node间建立边(edge)，边的代价(cost)可由该边所连接的两个连通域之间距离最近的栅格之间的欧式距离决定。在具有上述的结点和边的图上，可使用Graph-Cut(图形切割)算法，将cost超过代价阈值，也即车辆可通行的边剪除。如果此图不可分割成两个图，则说明道路完全堵塞，放弃避让动作；如果可分割成两图，则可根据分割行程的两图，直接获得障碍物与侧边界的从属关系。

在一个实施例中，根据从属关系，生成至少表征行车关注区域的碰撞风险的代价栅格地图，包括：获得表征行车关注区域内的障碍物的连通域所对应的栅格区块；将栅格区块向所属的侧边界投射的投射区域所覆盖的栅格的概率置为目标概率值；以及，使用高斯核处理占据栅格地图，获得至少表征行车关注区域的碰撞风险的代价栅格地图；其中，代价栅格地图中，每个栅格的碰撞风险代价与该栅格至目标概率值对应的障碍物栅格的距离负相关。

图4示出一实施例中生成代价栅格地图的示意，参照图4所示，并可结合图2所示，本实施例中，经上述连通域搜索和边剪除后，获得左侧的障碍物区块410归属于行车关注区域400的左侧边界430、右侧的障碍物区块420归属于行车关注区域400的右侧边界440；表征行车关注区域400内的障碍物的连通域所对应的栅格区块，也即包括左侧的障碍物区块410和右侧的障碍物区块420(图4中，以点状阴影示出左侧的障碍物区块410、右侧的障碍物区块420、左侧边界430和右侧边界440)。栅格区块向所属的侧边界的投射方式，可以根据需要设定，例如可如图4中虚线示出，将栅格区块面向对应的侧边界的角点以一定的斜率投射至对应的侧边界；进而，根据投射结果，将投射区域(以斜线阴影示出)所覆盖的栅格的概率置为目标概率值1，实现根据从属关系，将障碍物区块向所属边界的投射区域设置为占有，以表达不可从此侧进行绕行。

除以斜率设定投射方式外，也可以车宽等参数设定投射长度，具体可根据需要调整，只要确保留有一定富余量，避免车辆碰撞即可。

最后，再使用高斯核处理得到代价栅格地图；代价栅格地图中，表征障碍物的栅格(包括行车关注区域400内的障碍物栅格、行车关注区域400的侧边界栅格和外围栅格)的碰撞风险最高，非障碍物栅格的碰撞风险与其到最近的表征障碍物的栅格的距离呈负相关。

代价栅格地图的表现形式，可以采用概率数值表达各栅格的碰撞风险，也可采用灰度/强度大小等与碰撞风险正相关的参数来表达各栅格的碰撞风险，具体可根据需要设定。

生成的代价栅格地图，可用于后续计算候选轨迹的碰撞风险代价。

候选轨迹集可根据已有的轨迹规划方案生成，本发明对此不作限制。

图5示出一实施例中生成行车包络线的主要步骤，参照图5所示，在一个实施例中，生成目标车辆随每条候选轨迹运动的行车包络线，包括：

步骤S510，基于每条候选轨迹的轨迹信息，估计每条候选轨迹的各轨迹点的执行姿态误差。

由于车辆系统的非理想性和环境感知模块的噪声，控制模块对轨迹的跟随必然存在一定的误差。通过估计控制模块在执行轨迹的过程中会产生的姿态误差，即估计候选轨迹的各轨迹点的执行姿态误差，能够使后续生成的行车包络线更准确表达车辆随轨迹运动的状态。

在一个实施例中，估计每条候选轨迹的各轨迹点的执行姿态误差，具体可包括：基于一候选轨迹的曲率和速度，通过自回归滑动平均模型(NARMAX模型)，估计候选轨迹的各轨迹点的执行姿态误差。NARMAX模型以候选轨迹的曲率和速度信息作为输入，输出控制模块在执行候选轨迹的过程中会产生的姿态误差，即输出候选轨迹的各轨迹点的执行姿态误差。

步骤S520，根据目标车辆的轮廓信息和一当前候选轨迹的各轨迹点的执行姿态误差，生成目标车辆在当前候选轨迹的各轨迹点的包络框。

目标车辆的轮廓信息可包括目标车辆的二维包围框；具体使用时，可选取二维包围框上的若干关键点，例如四个角点。生成目标车辆在一轨迹点的包络框时，可基于目标车辆在该轨迹点的执行姿态误差扩展目标车辆在该轨迹点的二维包围框，生成以方形框表达的包络框。

其中，目标车辆在一轨迹点的二维包围框，具体可根据目标车辆的轮廓信息和对应的候选轨迹的轨迹信息确定，是已有的技术。

步骤S530，连接各包络框，生成目标车辆随当前候选轨迹运动的由多段线性包络线组成的当前行车包络线。

行车包络线表明目标车辆在沿候选轨迹行驶过程中可能占据的区域范围。对每条候选轨迹，将目标车辆在该候选轨迹的各轨迹点的包络框的左边线和右边线分别相连，即生成目标车辆随候选轨迹运动的行车包络线。目标车辆随每条候选轨迹运动的行车包络线由多段线性包络线组成，每段线性包络线对应候选轨迹的一轨迹点，每段线性包络线具体包括目标车辆在对应的轨迹点的包络框的左边线和右边线。

图6示出一实施例中生成当前行车包络线的示意，参照图6所示，对于当前候选轨迹500，首先根据其各轨迹点的执行姿态误差和目标车辆的轮廓信息，生成目标车辆在当前候选轨迹500的各轨迹点的包络框550；再连接各包络框550，生成目标车辆随当前候选轨迹500运动的当前行车包络线580。

图7示出一实施例中确定候选轨迹的碰撞风险代价的主要步骤，参照图7所示，在一个实施例中，根据行车包络线和代价栅格地图，确定每条候选轨迹的碰撞风险代价，包括：

步骤S710，将当前行车包络线投射至代价栅格地图。

可根据当前行车包络线的坐标位置信息，将当前行车包络线投射至代价栅格地图，以获得当前行车包络线与各碰撞风险代价栅格的位置关系。

步骤S720，根据代价栅格地图中，当前行车包络线的每段线性包络线所经过的栅格的碰撞风险代价，确定每段线性包络线的碰撞风险代价。

确定每段线性包络线的碰撞风险代价时，可取每段线性包络线所经过的栅格的最高碰撞风险代价作为对应的线性包络线的碰撞风险代价。当然，根据不同的场景需求，线性包络线的碰撞风险代价的计算方式可以相应调整，例如可对每段线性包络线所经过的栅格的碰撞风险代价进行一定条件的加权计算，以获得每段线性包络线的碰撞风险代价。

步骤S730，根据当前行车包络线的各段线性包络线的碰撞风险代价，确定当前候选轨迹的碰撞风险代价。

确定当前候选轨迹的碰撞风险代价时，可取当前行车包络线的各段线性包络线的平均碰撞风险代价，作为当前候选轨迹的碰撞风险代价。当然，根据不同的场景需求，候选轨迹的碰撞风险代价的计算方式可以相应调整，例如可对各段线性包络线的碰撞风险代价进行一定条件的加权计算，以获得候选轨迹的碰撞风险代价。

计算出的候选轨迹的碰撞风险代价，将用于进一步的轨迹筛选。

图8示出一实施例中轨迹碰撞风险评估方法的实施流程，参照图8所示，并可结合上述各实施例的说明，本实施例中，轨迹碰撞风险评估方法的实施流程包括四个处理环节：

S810，处理环节1，根据环境栅格地图和车辆信息及车道信息，进行基于行车关注区域的障碍物提取、障碍物区块填补等处理，获得表征行车关注区域的障碍物信息的占据栅格地图800a。

S820，处理环节2，基于障碍物归属决策处理占据栅格地图，获得表征行车关注区域的碰撞风险的代价栅格地图800b。

S830，处理环节3，根据候选轨迹集，进行带执行姿态误差的车辆轮廓包络线生成，获得目标车辆随候选轨迹运动的行车包络线800c。

S840，处理环节4，根据行车包络线800c和代价栅格地图800b，进行碰撞风险代价评估，获得每条候选轨迹的碰撞风险代价800d。

上述的轨迹碰撞风险评估方案，通过对环境栅格地图进行处理，获得表征行车关注区域的障碍物信息的占据栅格地图，实现基于栅格地图稠密地表达障碍物信息；根据占据栅格地图，能够进行障碍物避让方向的决策，获得表征行车关注区域的碰撞风险的代价栅格地图，避免对点云做分割和聚类处理的依赖，从而避免在将障碍物点云划分为多边形的过程中产生的精度损失；此外，基于车辆轮廓随候选轨迹运动的行车包络线进行碰撞风险代价评估，能够对碰撞风险代价进行更准确的计算，尤其是在车体尺寸接近可通行区域的狭窄场景中，利用行车包络线取代车体中心轨迹线进行碰撞风险代价评估，能够更加准确地计算出碰撞风险代价，进而可以支持更加精细化的基于障碍物避让的轨迹规划。

在一个实施例中，确定每条候选轨迹的碰撞风险代价后，还可基于行车包络线调整优化候选轨迹，以生成能够使车辆顺利且宽裕地避让障碍物的目标轨迹。

图9示出一实施例中生成目标轨迹的主要步骤；参照图9所示，本实施例中，在确定每条候选轨迹的碰撞风险代价后，还包括：

步骤S910，获得碰撞风险代价最小的候选轨迹对应的行车包络线中，碰撞风险代价超出第一阈值的线性包络线。

碰撞风险代价最小的候选轨迹，是候选轨迹集中最优的候选轨迹。第一阈值可根据自动驾驶场景的严苛程度设置；线性包络线的碰撞风险代价超出第一阈值，表明该线性包络线的碰撞风险代价较大，对应到实际场景中即该线性包络线较靠近障碍物(例如，某段线性包络线的右边线较靠近右侧边界的障碍物)。

步骤S920，调整碰撞风险代价超出第一阈值的线性包络线对应的轨迹点。

可结合上述生成行车包络线的实施例中，针对各轨迹点估计的执行姿态误差，来调整对应的轨迹点。

具体来说，调整碰撞风险代价超出第一阈值的线性包络线对应的轨迹点，包括：获得碰撞风险代价超出第一阈值的一当前线性包络线的两边线的碰撞风险代价；将当前线性包络线对应的轨迹点朝向目标方向移动目标量；其中，目标方向为当前线性包络线的碰撞风险代价较大的边线指向碰撞风险代价较小的边线的方向，目标量与当前线性包络线对应的轨迹点的执行姿态误差相关。

获得当前线性包络线的边线的碰撞风险代价时，可取边线所经过的栅格的最高碰撞风险代价作为对应的边线的碰撞风险代价。若当前线性包络线的两边线的碰撞风险代价相等，可将对应的轨迹点的执行姿态误差的误差方向的反方向确定为目标方向。目标量可等于轨迹点的执行姿态误差；或者，可结合轨迹点的执行姿态误差及当前线性包络线的两边线的碰撞风险代价，基于加权计算来确定所调整的目标量。

步骤S930，根据碰撞风险代价最小的候选轨迹和调整后的轨迹点，生成目标轨迹。

在碰撞风险代价最小的候选轨迹中，将碰撞风险代价超出第一阈值的线性包络线对应的轨迹点替换为调整后的轨迹点，即可生成目标轨迹。

从而，通过对碰撞风险代价最小的候选轨迹的易碰撞轨迹点(即碰撞风险代价超出第一阈值的线性包络线对应的轨迹点)进行调整，既生成能够使车辆顺利且宽裕地、尤其是在易碰撞轨迹点顺利且宽裕地避让障碍物的目标轨迹，又避免对所有轨迹点进行调整而带来的巨大计算量。

在一个实施例中，确定每条候选轨迹的碰撞风险代价后，若出现所有的候选轨迹的碰撞风险代价均较高的情况，还可调整碰撞风险代价的评估依据，以获得更加精准的碰撞风险代价评估结果。

具体来说，确定每条候选轨迹的碰撞风险代价后，还包括：响应于所有的候选轨迹的碰撞风险代价均高于第二阈值，生成目标车辆的实际投影随每条候选轨迹运动的投影包络线；以及，根据投影包络线和代价栅格地图，确定每条候选轨迹的碰撞风险代价。

生成行车包络线时，包络框是一个能够包围车辆的覆盖范围的方形框；采用方形框，能够简化计算，且基本准确地表达车辆在对应的轨迹点可能占据的区域范围。

本实施例中，针对所有的候选轨迹的碰撞风险代价均高于第二阈值的情况，以车辆的实际投影取代包络框，再次对候选轨迹进行碰撞风险代价评估，来确定是否因包络框的计算方式太过严格(包络框会使车辆头部两侧的空区域被纳入车辆的覆盖范围)而导致碰撞风险代价评估不够精准。

在一生成投影包络线的具体示例中，对于一候选轨迹，首先根据其各轨迹点的执行姿态误差和目标车辆的实际投影，生成目标车辆在该候选轨迹的各轨迹点的投影框；再连接各投影框(具体是指连接各投影框的左边线和右边线，每个投影框的左右边线表现为曲线，分别对应目标车辆的左右车身线条)，生成目标车辆的实际投影随该候选轨迹运动的投影包络线。投影包络线由多段曲线包络线组成，每段曲线包络线对应该候选轨迹的一个轨迹点，每段曲线包络线具体包括对应的投影框的左边线和右边线。

后续，根据投影包络线和代价栅格地图，采用上述实施例中说明的碰撞风险代价评估方式，确定每条候选轨迹的碰撞风险代价。

综上，本发明的轨迹碰撞风险评估方案，能够基于栅格地图稠密地表达障碍物信息，进行障碍物避让方向决策，避免点云分割和聚类导致的精度损失；并基于车辆轮廓随候选轨迹运动的行车包络线进行碰撞风险代价评估，能够准确计算出碰撞风险代价，进而可以支持更加精细化的基于障碍物避让的轨迹规划；此外，在评估获得候选轨迹的碰撞风险代价后，能够进一步调整优化候选轨迹以生成引导车辆自动驾驶的目标轨迹，或在评估不够精准时基于车辆实际投影随候选轨迹运动的投影包络线重新评估碰撞风险代价，以提升碰撞风险代价评估的精准性。

本发明实施例还提供一种轨迹碰撞风险评估装置，可用于实现上述任意实施例描述的轨迹碰撞风险评估方法。上述任意实施例描述的轨迹碰撞风险评估方法的特征和原理均可应用至下面的轨迹碰撞风险评估装置实施例。在下面的轨迹碰撞风险评估装置实施例中，对已经阐明的关于轨迹碰撞风险评估的特征和原理不再重复说明。

轨迹碰撞风险评估装置可以应用于移动机器人、无人驾驶车辆的轨迹规划模块中，具体是规划模块中对候选轨迹进行碰撞风险代价评估的子模块，解决障碍物避让，尤其是狭窄空间中的障碍物避让问题。

图10示出一实施例中轨迹碰撞风险评估装置的主要模块，参照图10所示，本实施例提供的轨迹碰撞风险评估装置600，包括：

环境栅格地图处理模块610，用于基于行车关注区域，对环境栅格地图进行处理，获得至少表征行车关注区域的障碍物信息的占据栅格地图；

代价栅格地图生成模块620，用于根据障碍物信息，对占据栅格地图进行处理，获得至少表征行车关注区域的碰撞风险的代价栅格地图；

行车包络线生成模块630，用于获得候选轨迹集，生成目标车辆随每条候选轨迹运动的行车包络线；

轨迹碰撞风险估计模块640，用于根据行车包络线和代价栅格地图，确定每条候选轨迹的碰撞风险代价。

进一步地，轨迹碰撞风险评估装置600还可包括实现上述各轨迹碰撞风险评估方法实施例的其他流程步骤的模块，各个模块的具体原理可参照上述各轨迹碰撞风险评估方法实施例的描述，此处不再重复说明。

本发明的轨迹碰撞风险评估装置，能够基于栅格地图稠密地表达障碍物信息，利于障碍物避让方向的决策，避免点云分割和聚类导致的精度损失；此外，能够基于车辆轮廓随候选轨迹运动的行车包络线进行碰撞风险代价评估，准确计算出碰撞风险代价，进而可以支持更加精细化的基于障碍物避让的轨迹规划。

本发明实施例还提供一种电子设备，该电子设备可部署于移动机器人、无人驾驶车辆的轨迹规划模块中，具体是规划模块中对候选轨迹进行碰撞风险代价评估的子模块，解决障碍物避让，尤其是狭窄空间中的障碍物避让问题。

图11示出一实施例中电子设备的结构；参照图11所示，电子设备660以通用计算设备的形式表现。电子设备660的组件包括但不限于：处理器660a、存储器660b、以及连接不同平台组件的总线660c等。

存储器660b中存储有可执行指令，可执行指令被处理器660a执行时，能够实现上述任意实施例描述的轨迹碰撞风险评估方法。

存储器660b可包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)和/或高速缓存存储单元，还可进一步包括只读存储单元(ROM)。

总线660c可包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备660也可与一个或多个外部设备通信，所说的外部设备例如电子设备660所部署的移动机器人/无人驾驶车辆的其他控制部件，或者用户设备。电子设备660还可以通过网络适配器与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。

本发明的电子设备660，能够基于栅格地图稠密地表达障碍物信息，进行障碍物避让方向的决策，避免点云分割和聚类导致的精度损失；并基于车辆轮廓随候选轨迹运动的行车包络线进行碰撞风险代价评估，准确计算碰撞风险代价，进而可以支持更加精细化的基于障碍物避让的轨迹规划。

本发明实施例还提供一种计算机可读的存储介质，用于存储程序，程序被执行时实现上述任意实施例描述的轨迹碰撞风险评估方法。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行上述任意实施例描述的轨迹碰撞风险评估方法。

本发明的存储介质可由部署于移动机器人、无人驾驶车辆中的轨迹规划模块执行，实现对候选轨迹进行碰撞风险代价评估，解决障碍物避让，尤其是狭窄空间中的障碍物避让问题。

本发明的存储介质被处理器执行时，能够基于栅格地图稠密地表达障碍物信息，利于障碍物避让方向的决策，避免点云分割和聚类导致的精度损失；此外，能够基于车辆轮廓随候选轨迹运动的行车包络线进行碰撞风险代价评估，准确计算出碰撞风险代价，进而可以支持更加精细化的基于障碍物避让的轨迹规划。

存储介质可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如车辆控制器上运行。然而，本发明的存储介质不限于此，其可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子包括但不限于：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读信号介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备，例如利用因特网服务提供商来通过因特网连接。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (17)

1.一种轨迹碰撞风险评估方法，其特征在于，包括：

基于行车关注区域，对环境栅格地图进行处理，获得至少表征所述行车关注区域的障碍物信息的占据栅格地图；

根据所述障碍物信息，对所述占据栅格地图进行处理，获得至少表征所述行车关注区域的碰撞风险的代价栅格地图；

获得候选轨迹集，生成目标车辆随每条候选轨迹运动的行车包络线；

根据所述行车包络线和所述代价栅格地图，确定每条所述候选轨迹的碰撞风险代价。

2.如权利要求1所述的轨迹碰撞风险评估方法，其特征在于，所述对环境栅格地图进行处理前，还包括：

根据所述目标车辆的轮廓信息和当前车道的车道信息，生成所述目标车辆沿所述当前车道行驶的车体覆盖区域；

根据所述当前车道的相邻车道的车道信息，扩展所述车体覆盖区域，生成所述行车关注区域。

3.如权利要求1所述的轨迹碰撞风险评估方法，其特征在于，所述环境栅格地图的每个栅格具有初始的概率；

所述对环境栅格地图进行处理，包括：

根据所述环境栅格地图的每个栅格的概率与一概率阈值的关系，将所述环境栅格地图转换为占据栅格地图，使所述占据栅格地图中，至少所述行车关注区域内的障碍物及所述行车关注区域的侧边界对应的栅格的概率，被置为表征存在障碍物的目标概率值。

4.如权利要求3所述的轨迹碰撞风险评估方法，其特征在于，所述将所述环境栅格地图转换为占据栅格地图后，还包括：

对所述占据栅格地图进行形态学处理，使与所述行车关注区域内的障碍物对应的栅格所关联的栅格的概率，被置为所述目标概率值；以及

对所述目标概率值对应的栅格区块的边缘进行平滑处理，使经平滑处理后所述栅格区块中新增的栅格的概率，被置为所述目标概率值。

5.如权利要求1所述的轨迹碰撞风险评估方法，其特征在于，所述障碍物信息包括：所述行车关注区域内的障碍物及所述行车关注区域的侧边界对应的栅格，具有表征存在障碍物的目标概率值；

所述对所述占据栅格地图进行处理，包括：

基于所述目标概率值，对所述占据栅格地图进行连通域搜索；

根据搜索获得的连通域，确定所述行车关注区域内的障碍物与所述行车关注区域的侧边界的从属关系；

根据所述从属关系，生成至少表征所述行车关注区域的碰撞风险的代价栅格地图。

6.如权利要求5所述的轨迹碰撞风险评估方法，其特征在于，所述确定所述行车关注区域内的障碍物与所述行车关注区域的侧边界的从属关系，包括：

以搜索获得的每个连通域为一结点，在各结点之间建立边；

其中，每条边的代价根据对应的两个连通域之间的最近距离确定；

剪除代价满足代价阈值的边，并根据剪除结果确定所述从属关系。

7.如权利要求5所述的轨迹碰撞风险评估方法，其特征在于，所述生成至少表征所述行车关注区域的碰撞风险的代价栅格地图，包括：

获得表征所述行车关注区域内的障碍物的连通域所对应的栅格区块；

将所述栅格区块向所属的侧边界投射的投射区域所覆盖的栅格的概率置为所述目标概率值；以及

使用高斯核处理所述占据栅格地图，获得至少表征所述行车关注区域的碰撞风险的代价栅格地图；

其中，所述代价栅格地图中，每个栅格的碰撞风险代价与所述栅格至所述目标概率值对应的障碍物栅格的距离负相关。

8.如权利要求1所述的轨迹碰撞风险评估方法，其特征在于，所述生成目标车辆随每条候选轨迹运动的行车包络线，包括：

基于每条候选轨迹的轨迹信息，估计每条所述候选轨迹的各轨迹点的执行姿态误差；

根据目标车辆的轮廓信息和一当前候选轨迹的各轨迹点的执行姿态误差，生成所述目标车辆在所述当前候选轨迹的各轨迹点的包络框；

连接各包络框，生成所述目标车辆随所述当前候选轨迹运动的由多段线性包络线组成的当前行车包络线。

9.如权利要求8所述的轨迹碰撞风险评估方法，其特征在于，所述估计每条所述候选轨迹的各轨迹点的执行姿态误差，包括：

基于一候选轨迹的曲率和速度，通过自回归滑动平均模型，估计所述候选轨迹的各轨迹点的执行姿态误差。

10.如权利要求1所述的轨迹碰撞风险评估方法，其特征在于，所述目标车辆随一当前候选轨迹运动的当前行车包络线包括多段线性包络线，每段线性包络线对应所述当前候选轨迹的一轨迹点；

所述确定每条所述候选轨迹的碰撞风险代价，包括：

将所述当前行车包络线投射至所述代价栅格地图；

根据所述代价栅格地图中，所述当前行车包络线的每段线性包络线所经过的栅格的碰撞风险代价，确定每段所述线性包络线的碰撞风险代价；

根据所述当前行车包络线的各段线性包络线的碰撞风险代价，确定所述当前候选轨迹的碰撞风险代价。

11.如权利要求10所述的轨迹碰撞风险评估方法，其特征在于，所述确定每段所述线性包络线的碰撞风险代价，取每段所述线性包络线所经过的栅格的最高碰撞风险代价作为对应的线性包络线的碰撞风险代价；

所述确定所述当前候选轨迹的碰撞风险代价，取所述当前行车包络线的各段线性包络线的平均碰撞风险代价，作为所述当前候选轨迹的碰撞风险代价。

12.如权利要求10所述的轨迹碰撞风险评估方法，其特征在于，所述确定每条所述候选轨迹的碰撞风险代价后，还包括：

获得碰撞风险代价最小的候选轨迹对应的行车包络线中，碰撞风险代价超出第一阈值的线性包络线；

调整所述碰撞风险代价超出第一阈值的线性包络线对应的轨迹点；

根据所述碰撞风险代价最小的候选轨迹和调整后的轨迹点，生成目标轨迹。

13.如权利要求12所述的轨迹碰撞风险评估方法，其特征在于，所述调整所述碰撞风险代价超出第一阈值的线性包络线对应的轨迹点，包括：

获得碰撞风险代价超出所述第一阈值的一当前线性包络线的两边线的碰撞风险代价；

将所述当前线性包络线对应的轨迹点朝向目标方向移动目标量；

其中，所述目标方向为所述当前线性包络线的碰撞风险代价较大的边线指向碰撞风险代价较小的边线的方向，所述目标量与所述当前线性包络线对应的轨迹点的执行姿态误差相关。

14.如权利要求1-13任一项所述的轨迹碰撞风险评估方法，其特征在于，所述确定每条所述候选轨迹的碰撞风险代价后，还包括：

响应于所有的候选轨迹的碰撞风险代价均高于第二阈值，生成所述目标车辆的实际投影随每条所述候选轨迹运动的投影包络线；以及

根据所述投影包络线和所述代价栅格地图，确定每条所述候选轨迹的碰撞风险代价。

15.一种轨迹碰撞风险评估装置，其特征在于，包括：

环境栅格地图处理模块，用于基于行车关注区域，对环境栅格地图进行处理，获得至少表征所述行车关注区域的障碍物信息的占据栅格地图；

代价栅格地图生成模块，用于根据所述障碍物信息，对所述占据栅格地图进行处理，获得至少表征所述行车关注区域的碰撞风险的代价栅格地图；

行车包络线生成模块，用于获得候选轨迹集，生成目标车辆随每条候选轨迹运动的行车包络线；

轨迹碰撞风险估计模块，用于根据所述行车包络线和所述代价栅格地图，确定每条所述候选轨迹的碰撞风险代价。

16.一种电子设备，其特征在于，包括：

处理器；

存储器，所述存储器中存储有可执行指令；

其中，所述可执行指令被所述处理器执行时，实现如权利要求1-14任一项所述的轨迹碰撞风险评估方法。

17.一种计算机可读的存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如权利要求1-14任一项所述的轨迹碰撞风险评估方法。

Images