CN115892076B - 车道障碍物筛选方法、装置和域控制器 - Google Patents

Abstract

本申请涉及一种车道障碍物筛选方法、装置和域控制器，通过根据障碍物与车辆的距离、障碍物的车道信息与位置信息对障碍物进行筛选，得到至少一个第一障碍物，在以车辆为中心的第一区域内根据车辆的行驶场景与第一规划轨迹、第一障碍物的预测运动轨迹对第一障碍物进行筛选，得到第二障碍物，根据车辆的行驶场景、车辆与第二障碍物的运动状态、车辆与第二障碍物之间的距离，以及第二障碍物的类型和行驶路权，确定第二障碍物的重要度等级并进行排序，得到目标障碍物，其中，车辆根据目标障碍物确定车辆的第二规划轨迹，解决了相关技术中车道障碍物筛选准确度性低的问题。

Description

车道障碍物筛选方法、装置和域控制器

技术领域

本申请涉及车辆自动驾驶领域，特别是涉及一种车道障碍物筛选方法、装置和域控制器。

背景技术

在自动驾驶系统中，预测模块起着十分重要的作用，预测模块接收来自上游感知模块发出的障碍物信息、定位模块发出的自车定位信息、高精地图模块发出的道路信息、规划模块发出的自车规划轨迹，预测模块通过意图识别与轨迹预测算法为特定目标障碍物生成未来一段时间的轨迹信息，并将轨迹信息发送给规划模块，进而规划出一条自车可行驶轨迹，而后再通过控制模块控制自车完成自动驾驶任务。正因如此，预测模块的准确性与计算效率成为影响自动驾驶系统性能的重要因素。

在轨迹规划的过程中，预测模块需要先对障碍物进行筛选，依据障碍物的等级与类型选用不同的预测算法。在相关技术中，在预测模块筛选障碍物时，仅仅考虑了障碍物的位置信息与车道信息，且筛选时的场景较为简单，筛选精度不足，在交叉路口、并道行驶等复杂场景下均不适用；或者根据车辆与障碍物的相对位置筛选障碍物，逻辑较为简单，准确度较低。

目前，针对相关技术中，障碍物筛选方法准确度较低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种车道障碍物筛选方法、装置和域控制器，以至少解决相关技术中障碍物筛选方法准确度较低的问题。

第一方面，本申请实施例提供了一种车道障碍物筛选方法，包括：

根据障碍物与车辆的距离、所述障碍物的车道信息与位置信息，对所述障碍物进行筛选，得到至少一个第一障碍物；

在以所述车辆为中心的第一区域内，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物的预测运动轨迹，对至少一个所述第一障碍物进行筛选，得到第二障碍物；

根据所述车辆的行驶场景、所述车辆与所述第二障碍物运动的加速度、所述车辆与所述第二障碍物之间的距离、所述第二障碍物的类型与行驶路权，确定所述第二障碍物的重要度等级；

根据所述第二障碍物的重要度等级确定目标障碍物，其中，所述车辆根据所述目标障碍物确定第二规划轨迹。

在其中一些实施例中，确定车辆的行驶场景包括：

获取所述车辆的第一规划轨迹，根据所述第一规划轨迹生成第一轨迹点；

选取以所述车辆为中心的第二区域内的多个所述第一轨迹点作为第二轨迹点；

选取以所述第二轨迹点为中心的多个区域作为第三区域，在所述第三区域内存在交叉口的情况下，确定所述行驶场景为交叉口场景，或者，在所述第三区域内不存在交叉口的情况下，确定所述行驶场景为平行车道场景。

在其中一些实施例中，根据所述车辆的位置、所述障碍物的车道信息与位置信息对所述障碍物进行筛选包括以下至少之一：

选取以所述车辆的位置为中心的第四区域内的多个所述障碍物作为所述第一障碍物；

选取所述车道信息不为空的所述障碍物作为所述第一障碍物；

选取临近交叉口的所述障碍物作为所述第一障碍物；

选取所述车辆前方临近车道的行人类型的所述障碍物作为所述第一障碍物，其中，所述车道信息包括历史车道信息和当前车道信息。

在其中一些实施例中，在所述行驶场景为所述交叉口场景的情况下，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物未来运动轨迹，对至少一个所述第一障碍物进行筛选包括：

在所述第一障碍物为非行人类型障碍物的情况下，遍历所述车辆前方所有车道的前继车道；

选取与所述车辆的第一规划轨迹存在并道和/或重叠可能的所述前继车道；

将选取的每个所述前继车道上与所述车辆的实际距离最近的所述第一障碍物作为所述第二障碍物。

在其中一些实施例中，在所述行驶场景为所述交叉口场景的情况下，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物未来运动轨迹，对至少一个所述第一障碍物进行筛选还包括：

在所述第一障碍物为行人类型障碍物，且在以所述第一障碍物为中心的第五区域内存在所述车辆的第一规划轨迹的情况下，获取所述第一障碍物的当前位置，预测所述第一障碍物在第一时间后的未来位置；

将所述当前位置与所述未来位置在所述车辆的第一规划轨迹上进行投影，选取所述投影的长度小于第一阈值的所述第一障碍物，和/或所述当前位置的投影长度与所述未来位置的投影长度的乘积小于第二阈值的所述第一障碍物，作为所述第二障碍物。

在其中一些实施例中，在所述行驶场景为所述平行车道场景的情况下，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物未来运动轨迹，对至少一个所述第一障碍物进行筛选包括：

遍历所述车辆所在车道和所述车辆左右临近车道的所有车道序列，选取每个车道序列中在所述车辆前方的所有非行人类型的所述第一障碍物中距离与所述车辆最近的障碍物作为所述第二障碍物，和/或选取每个车道序列中在所述车辆后方的所有非行人类型的所述第一障碍物中距离与所述车辆最近的障碍物作为所述第二障碍物。

在其中一些实施例中，在所述行驶场景为所述交叉口场景的情况下，确定所述第二障碍物的重要度等级包括：

根据所述交叉口场景的多个维度的重要度系数和各维度的重要度，确定所述第二障碍物的重要度等级，其中，所述交叉口场景的多个维度包括所述第二障碍物的类型、所述第二障碍物的路权、所述第二障碍物在当前时刻与所述车辆距离均值以及所述第二障碍物在预设时刻与所述车辆距离均值。

在其中一些实施例中，在所述行驶场景为所述平行车道场景的情况下，确定所述第二障碍物的重要度等级包括：

根据所述平行车道场景的多个维度的重要度系数和各维度的重要度，确定所述第二障碍物的重要度等级，其中，所述平行车道场景的多个维度包括所述第二障碍物的类型、所述第二障碍物与所述车辆性对横向加速度的、所述第二障碍物在当前时刻与所述车辆距离均值的以及所述第二障碍物在预设时刻与所述车辆距离均值的重要度。

第二方面，本申请实施例提供了一种车道障碍物筛选装置，包括：

第一筛选模块，用于根据障碍物与车辆的距离、所述障碍物的车道信息与位置信息，对所述障碍物进行筛选，得到至少一个第一障碍物；

第二筛选模块，用于在以所述车辆为中心的第一区域内，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物的预测运动轨迹，对至少一个所述第一障碍物进行筛选，得到第二障碍物；

重要度等级确定模块，用于根据所述车辆的行驶场景、所述车辆与所述第二障碍物运动的加速度、所述车辆与所述第二障碍物之间的距离、所述第二障碍物的类型与行驶路权，确定所述第二障碍物的重要度等级；

目标确定模块，用于根据所述第二障碍物的重要度等级确定目标障碍物，其中，所述车辆根据所述目标障碍物确定第二规划轨迹。

第三方面，本申请实施例提供了一种域控制器，其特征在于，包括：

至少一个处理器；

与所述至少一个处理器通信连接的存储器；

所述存储器中存储有可被所述至少一个处理器处理执行的计算机指令，所述计算机指令被所述至少一个处理器执行时实现如上述第一方面任一项所述的车道障碍物筛选方法。

相比于相关技术，本申请实施例提供的车道障碍物筛选，通过根据障碍物与车辆的距离、障碍物的车道信息与位置信息对障碍物进行筛选，得到第一障碍物，在以车辆为中心的第一区域内，根据车辆的行驶场景、车辆的第一规划轨迹、第一障碍物的预测运动轨迹，对至少一个第一障碍物进行筛选，得到第二障碍物，并根据多个维度，包括车辆的行驶场景、车辆与第二障碍物运动的加速度、车辆与第二障碍物之间的距离、第二障碍物的类型和行驶路权，确定第二障碍物的重要度等级，根据重要度等级确定目标障碍物，其中，车辆根据目标障碍物进行第二轨迹规划，解决了相关技术中障碍物筛选方法准确度较低的问题。

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是本申请实施例的车道障碍物筛选方法的应用环境图；

图2是本申请实施例的车道障碍物筛选方法的流程图；

图3是本申请实施例的车道障碍物筛选方法的行驶场景确定示意图；

图4是本申请实施例的车道障碍物筛选方法的第一障碍物筛选示意图；

图5是本申请实施例的车道障碍物筛选方法在交叉口场景下的第二障碍物的筛选示意图；

图6是本申请实施例的车道障碍物筛选方法在平行车道场景下的第二障碍物的筛选示意图；

图7是本申请实施例的车道障碍物筛选方法的整体流程图；

图8是本申请实施例的车道障碍物筛选装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块（单元）的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“多个”是指两个或两个以上。

本申请的车道障碍物识别方法、装置和域控制器，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。其中，终端102可以是车辆轨迹规划设备，例如车辆自动驾驶系统中的预测模块、控制模块等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，服务器104存储有实现车道目标障碍物筛选的算法，终端102可以通过从服务器104下载算法来应用于车辆轨迹规划的功能。

在本实施例中提供了一种车道障碍物筛选方法，图2是本申请实施例的车道障碍物筛选方法的流程图，如图2所示，该流程包括如下步骤：

步骤S201，根据障碍物与车辆的距离、障碍物的车道信息与位置信息，对障碍物进行筛选，得到至少一个第一障碍物。

其中，障碍物的车道信息包括障碍物是否在车辆所处的平行车道内或是否在车辆前方交叉口四个方向的车道内，位置信息包括障碍物是否临近交叉口，或者在障碍物为行人类型的情况下，障碍物附近是否有临近车道。将符合筛选条件的障碍物赋予standard（标准），即第一障碍物，其余障碍物赋inattention（非注意盲视）。

步骤S202，在以车辆为中心的第一区域内，根据车辆的行驶场景、车辆的第一规划轨迹、第一障碍物的预测运动轨迹，对至少一个第一障碍物进行筛选，得到第二障碍物。

其中，车辆的第一规划轨迹指的是车辆在当前时刻的规划行驶路径。将以自车为中心，在预设半径范围内的区域作为第一区域，根据车辆行驶场景的不同，采取的筛选方法不同。

当车辆处于交叉口场景时，根据第一区域内的每个非行人类型的第一障碍物所处的车道，获取各个第一障碍物的前继车道（即第一障碍物的预测运动轨迹），当第一障碍物的预测运动轨迹与车辆的第一规划轨迹出现并道或重叠的可能时，选取该轨迹中距离车辆最近的第一障碍物赋attention（即作为第二障碍物）。对于行人类型的第一障碍物，则根据行人当前的位置信息与未来的位置信息确定在预设时间内该行人的起始位置与终止位置，并根据起始位置与终止位置在车辆第一规划轨迹的车道段上的投影判断该第一障碍物是否为第二障碍物。

当车辆处于平行车道场景时，以自车为中心，在预设半径范围内的区域作为第一区域，遍历自车与自车左右临近车道的所有第一障碍物的车道序列，根据车道序列中第一障碍物与自车的距离判断该第一障碍物是否为第二障碍物。

步骤S203，根据车辆的行驶场景、车辆与第二障碍物运动的加速度、车辆与第二障碍物之间的距离、第二障碍物的类型与行驶路权，确定第二障碍物的重要度等级。

其中，车辆与第二障碍物之间的距离为欧式距离，指在m维空间中两个点之间的真实距离，或者向量的自然长度。第二障碍物的类型包括行人、两轮车和车辆，行驶路权依据交通法规进行设定，具体包括：（1）有交通标志、标线控制的，让优先通行的一方先行；（2）没有交通标志、标线控制的，在进入路口前停车瞭望，让右方道路的来车先行；（3）转弯的机动车让直行的车辆先行；（4）相对方向行驶的右转弯的机动车让左转弯的车辆先行。另外，行人类型障碍物的路权设定为最高，两轮车类型障碍物的路权次之，车辆类型障碍物的路权设定为最低。

步骤S204，根据第二障碍物的重要度等级确定目标障碍物，其中，车辆根据目标障碍物确定未来的自车规划确定第二规划轨迹。

其中，第二规划轨迹指的是车辆的规划模块根据选取的目标障碍物重新规划的未来的车辆行驶的规划路径。选取重要度等级前n大的第二障碍物作为目标障碍物，将目标障碍物发送至其他模块，为后续的轨迹规划提供相应的信息。

通过上述步骤S201至S204，通过根据障碍物与车辆的距离、障碍物的车道信息与位置信息对障碍物进行筛选，得到至少一个第一障碍物，在以车辆为中心的第一区域内根据车辆的行驶场景与第一规划轨迹、第一障碍物的预测运动轨迹对第一障碍物进行筛选，得到第二障碍物，根据车辆的行驶场景、车辆与第二障碍物的运动状态、车辆与第二障碍物之间的距离，以及第二障碍物的类型和行驶路权，确定第二障碍物的重要度等级并进行排序，得到目标障碍物，并根据目标障碍物确定车辆的第二规划轨迹，根据实际的车道和行驶状态对障碍物进行多轮筛选后，再根据多个维度信息确定障碍物的重要度等级进行排序，解决了相关技术中车道障碍物筛选准确度性低的问题，实现了提高车道障碍物筛选精度与筛选速度的有益效果。

在其中一些实施例中，确定车辆的行驶场景包括：

获取车辆的所述第一规划轨迹，根据第一规划轨迹生成第一轨迹点，选取以车辆为中心的第二区域内的多个第一轨迹点作为第二轨迹点，选取以第二轨迹点为中心的多个区域作为第三区域，在第三区域内存在交叉口的情况下，确定行驶场景为交叉口场景，或者，在第三区域内不存在交叉口的情况下，确定行驶场景为平行车道场景。

其中，图3是本申请实施例的车道障碍物筛选方法的行驶场景确定示意图，如图3所示，在车辆自动驾驶系统的预测规划模块获取车辆的第一规划轨迹与规划预测模块生成的第一轨迹点，选取与车辆当前位置的距离小于10m的第二区域内的第一轨迹点作为第二轨迹点，若以选取的各个第二轨迹点为中心，半径为1m的第三区域内存在交叉口，则判定当前的行驶场景为交叉口场景，否则，则判定当前的行驶场景为平行车道场景。

在其中一些实施例中，根据车辆的位置、障碍物的车道信息与位置信息对障碍物进行筛选包括以下至少之一：

选取以车辆的位置为中心的第四区域内的多个障碍物作为第一障碍物；选取车道信息不为空的障碍物作为第一障碍物；选取临近交叉口的障碍物作为第一障碍物；选取车辆前方临近车道的行人类型的障碍物作为第一障碍物，其中，车道信息包括历史车道信息和当前车道信息。

其中，图4是本申请实施例的车道障碍物筛选方法的第一障碍物筛选示意图，如图4所示，选取满足以下条件至少之一的障碍物作为第一障碍物：

（1）如图4所示，选取以自车为中心，左右各宽3m，前后各长20m的区域作为第四区域，第四区域内的障碍物作为第一障碍物。

（2）选取在车道内的障碍物，即历史车道信息与当前车道信息均不为空的障碍物作为第一障碍物，其中，历史车道信息指该障碍物过去一段时间是否位于车道内，当前车道信息指该障碍物当前是否位于车道内。示例性地，如图4所示，障碍物f的当前车道信息不存在，即障碍物f不在车道内，则障碍物f不属于第一障碍物。

（3）将临近交叉口的障碍物（即交叉口1m半径范围内的障碍物）作为第一障碍物，示例性地，如图4所示，图4中的障碍物m、e、h、k、L均临近交叉口，因此被选择为第一障碍物。

（4）将自车前方有临近车道的行人类型障碍物，示例性地，如图4所示，图4中的障碍物e、o均为行人类型障碍物，位于自车前方且在临近车道上，因此被选择为第一障碍物。

在其中一些实施例中，在行驶场景为交叉口场景的情况下，根据车辆的行驶场景、车辆的第一规划轨迹、第一障碍物未来运动轨迹，对至少一个第一障碍物进行筛选包括：

在第一障碍物为非行人类型障碍物的情况下，遍历车辆前方所有车道的前继车道，选取与车辆的第一规划轨迹存在并道和/或重叠可能的前继车道，将选取的每个前继车道上与车辆的实际距离最近的第一障碍物作为第二障碍物。

其中，在交叉口场景下，当第一障碍物为非行人类型障碍物时，选取以自车为中心，60m半径范围内（即第一区域）的非行人类型的第一障碍物，并遍历自车前方所有车道的前继车道，前继车道是指处于某个车道上的车辆未来可能的行驶路径。当前继车道与自车的第一规划轨迹存在重叠和/或并道的可能性时，选取该前继车道上与自车的实际距离最近的第一障碍物作为第二障碍物。

示例性地，图5是本申请实施例的车道障碍物筛选方法在交叉口场景下的第二障碍物的筛选示意图，如图5所示，标注为overlap的虚线为与自车的第一规划轨迹存在重叠可能的前继车道，如图5中的两个overlap车道与自车的第一规划轨迹存在A与B两个重叠交点，在A交点所处的前继车道上，与自车实际距离最近的非行人类型第一障碍物为车辆a，在B交点所处的前继车道上，与自车实际距离最近的非行人类型第一障碍物为车辆b，则选取车辆a与车辆b作为第二障碍物。相似地，图5中标注为Merge的虚线为与自车的第一规划轨迹存在并道可能的前继车道，如图5中的三条前继车道，与自车的第一规划轨迹存在E、F、G三种并道的可能性，以与自车存在并道F可能性的前继车道为例，该前继车道对应的车道上存在两个非行人类型的第一障碍物车辆f与车辆h，则选取其中与自车的实际距离最近的车辆f作为第二障碍物。

在其中一些实施例中，在行驶场景为交叉口场景的情况下，根据车辆的行驶场景、车辆的第一规划轨迹、第一障碍物未来运动轨迹，对至少一个第一障碍物进行筛选还包括：

在第一障碍物为行人类型障碍物，且在以第一障碍物为中心的第五区域内存在车辆的第一规划轨迹的情况下，获取第一障碍物的当前位置，预测第一障碍物在第一时间后的未来位置；

将当前位置与未来位置在车辆的第一规划轨迹上进行投影，选取所述投影的长度小于第一阈值的所述第一障碍物，和/或所述当前位置的投影长度与所述未来位置的投影长度的乘积小于第二阈值的所述第一障碍物，作为所述第二障碍物。

其中，在交叉口场景下，当第一障碍物为行人类型障碍物时，选取以自车为中心，60m半径范围内（即第一区域）的行人类型的第一障碍物，若以该行人为中心的半径5m的范围内存在有自车的第一规划轨迹的车道段时，获取该行人当前的位置信息、速度与加速度，同时根据该行人的速度与加速度预测3s后该行人的位置信息，将该行人的起始位置与终止位置在临近的自车第一规划轨迹的车道段上进行投影，若该行人起始位置或终止位置在车道段上的投影长度小于5m，或起始位置的在车道段上的投影与终止位置在车道段上的投影的乘积小于0，则将该行人类型的第一障碍物作为第二障碍物。

在其中一些实施例中，在行驶场景为平行车道场景的情况下，根据车辆的行驶场景、车辆的第一规划轨迹、第一障碍物未来运动轨迹，对至少一个第一障碍物进行筛选包括：

遍历车辆所在车道和车辆左右临近车道的所有车道序列，选取每个车道序列中在车辆前方的所有非行人类型的第一障碍物中距离与车辆最近的障碍物作为所述第二障碍物，和/或选取每个车道序列中在车辆后方的所有非行人类型的第一障碍物中距离与车辆最近的障碍物作为第二障碍物。

其中，选取以自车为中心，半径100m范围内（即第一区域）的所有非行人类型的第一障碍物，遍历自车所在车道与自车所在车道的左右临近车道的所有车道序列，选取每个车道序列中在自车前方和在自车后方距离自车最近的第一障碍物作为第二障碍物。

示例性地，图6是本申请实施例的车道障碍物筛选方法在平行车道场景下的第二障碍物的筛选示意图，如图6所示，自车车道的车道序列中，距离自车前方最近的障碍物为j，距离自车后方最近的障碍物为i；在自车左侧临近车道的车道序列中，距离自车前方最近的障碍物为L，距离自车后方最近的障碍物为o；在自车右侧临近车道的车道序列中，距离自车前方最近的障碍物为n，距离自车后方最近的障碍物为m，则选取障碍物i、j、L、o、n、m为第二障碍物。

在其中一些实施例中，在行驶场景为交叉口场景的情况下，确定第二障碍物的重要度等级包括：

根据交叉口场景的多个维度的重要度系数和各维度的重要度，确定第二障碍物的重要度等级，其中，交叉口场景的多个维度包括第二障碍物的类型、第二障碍物的路权、第二障碍物在当前时刻与车辆距离均值以及第二障碍物在预设时刻与车辆距离均值。

其中，获取自车与第二障碍物的速度与加速度信息，根据自车与第二障碍物的速度与加速度信息分别计算自车以及第二障碍物未来1s、2s、3s的位置，并计算未来1s、2s、3s时自车与障碍物的欧式距离，得到在这三个时刻自车与障碍物之间的平均欧式距离。最终的重要度等级计算公式为：

Level = c ₁ ×L _type + c ₂ ×L _rightofway + c ₃ ×LD _start + c ₄ ×LD _avg

其中，c ₁ 、c ₂ 、c ₃ 、c ₄ 为四个维度的重要度系数，由工程标定得出；L _type 为障碍物类型代表的重要度，行人>两轮车>车辆；L _rightofway 为障碍物路权代表的重要度；LD _start 为当前时刻障碍物与自车的欧式距离代表的重要度，距离越近重要度越高；LD _avg 为三个预设时刻障碍物与自车的欧式距离的均值代表的重要度，距离越近重要度越高。

在其中一些实施例中，在行驶场景为交叉口场景的情况下，确定第二障碍物的重要度等级包括：

根据平行车道场景的多个维度的重要度系数和各维度的重要度，确定第二障碍物的重要度等级，其中，平行车道场景的多个维度包括第二障碍物的类型、第二障碍物与车辆性对横向加速度的、第二障碍物在当前时刻与车辆距离均值的以及第二障碍物在预设时刻与车辆距离均值的重要度。

其中，根据自车与第二障碍物的速度与加速度信息分别计算自车以及第二障碍物未来1s、2s、3s的位置，并计算未来1s、2s、3s时自车与障碍物的欧式距离，得到在这三个时刻自车与障碍物之间的平均欧式距离。同时，计算当前时刻障碍物相对自车的横向加速度，用来表征障碍物的切入和切出情况。最终的重要度等级由四个维度综合判断，计算公式为：

Level = c ₁ ×L _type + c ₂ ×LΔαv + c ₃ ×LD _start + c ₄ ×LD _avg

其中，c ₁ 、c ₂ 、c ₃ 、c ₄ 为四个维度的重要度系数，由工程标定得出；L _type 为障碍物类型代表的重要度，两轮车>车辆；LΔαv为障碍物与自车相对横向加速度代表的重要度，Δαv为目标障碍物与自车相对横向加速度代表的重要度，Δαv=αy _obstacle –αy _ego ，对于自车右侧的障碍物，该值越大，重要度越高，对于自车左侧的障碍物，该值越小，重要度越高；LD _start 为当前时刻障碍物与自车的欧式距离代表的重要度，距离越近重要度越高；LD _avg 为在三个预设时刻障碍物与自车的欧式距离的均值代表的重要度，距离越近重要度越高。

图7是本申请实施例的车道障碍物筛选方法的整体流程图，如图7所示，本申请实施例提供的车道障碍物筛选方法主要包括以下流程：

根据高精地图获取自车与障碍物的位置信息，并结合自车的规划轨迹、障碍物的运动与轨迹信息，对障碍物进行筛选。筛选的主要流程为，分析车辆所处的行驶场景，根据行驶场景与路权设定，结合自车与障碍物的位置与运动轨迹信息，对目标障碍物进行多轮筛选，得到三种类型的目标障碍物，筛选后还需对障碍物进行重要度等级的计算与排序，以减少目标障碍物的数量，提高筛选的精度。最终筛选出的目标障碍物用于车辆的轨迹预测。

本申请实施例还提供了一种车道障碍物筛选装置，图8是本申请实施例的车道障碍物筛选装置的结构框图，如图8所示，本装置包括：

第一筛选模块81，用于根据障碍物与车辆的距离、障碍物的车道信息与位置信息，对障碍物进行筛选，得到至少一个第一障碍物；

第二筛选模块82，用于在以车辆为中心的第一区域内，根据车辆的行驶场景、车辆的第一规划轨迹、第一障碍物的预测运动轨迹，对至少一个第一障碍物进行筛选，得到第二障碍物；

重要度等级确定模块83，用于根据车辆的行驶场景、车辆与第二障碍物运动的加速度、车辆与第二障碍物之间的距离、第二障碍物的类型与行驶路权，确定第二障碍物的重要度等级；

目标确定模块84，用于根据第二障碍物的重要度等级确定目标障碍物，其中，车辆根据目标障碍物确定第二轨迹规划。

本申请还提供了一种域控制器，包括至少一个处理器，与至少一个处理器通信连接的存储器，存储器中存储有可被至少一个处理器处理执行的计算机指令，计算机指令被至少一个处理器执行时实现如上述实施例中任一项所述的车道障碍物筛选方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种车道障碍物筛选方法，其特征在于，包括：

根据障碍物与车辆的距离、所述障碍物的车道信息与位置信息，对所述障碍物进行筛选，得到至少一个第一障碍物；

在以所述车辆为中心的第一区域内，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物的预测运动轨迹，对至少一个所述第一障碍物进行筛选，得到第二障碍物；

根据所述车辆的行驶场景、所述车辆与所述第二障碍物运动的加速度、所述车辆与所述第二障碍物之间的距离、所述第二障碍物的类型与行驶路权，确定所述第二障碍物的重要度等级；

根据所述第二障碍物的重要度等级确定目标障碍物，其中，所述车辆根据所述目标障碍物确定第二规划轨迹；

其中，确定所述车辆的行驶场景包括：

获取所述车辆的第一规划轨迹，根据所述第一规划轨迹生成第一轨迹点；

选取以所述车辆为中心的第二区域内的多个所述第一轨迹点作为第二轨迹点；

选取以所述第二轨迹点为中心的多个区域作为第三区域，在所述第三区域内存在交叉口的情况下，确定所述行驶场景为交叉口场景，或者，在所述第三区域内不存在交叉口的情况下，确定所述行驶场景为平行车道场景。

2.根据权利要求1所述的车道障碍物筛选方法，其特征在于，根据所述车辆的位置、所述障碍物的车道信息与位置信息对所述障碍物进行筛选包括以下至少之一：

选取以所述车辆的位置为中心的第四区域内的多个所述障碍物作为所述第一障碍物；

选取所述车道信息不为空的所述障碍物作为所述第一障碍物；

选取临近交叉口的所述障碍物作为所述第一障碍物；

选取所述车辆前方临近车道的行人类型的所述障碍物作为所述第一障碍物，其中，所述车道信息包括历史车道信息和当前车道信息。

3.根据权利要求1所述的车道障碍物筛选方法，其特征在于，在所述行驶场景为交叉口场景的情况下，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物未来运动轨迹，对至少一个所述第一障碍物进行筛选包括：

在所述第一障碍物为非行人类型障碍物的情况下，遍历所述车辆前方所有车道的前继车道；

选取与所述车辆的第一规划轨迹存在并道和/或重叠可能的所述前继车道；

将选取的每个所述前继车道上与所述车辆的实际距离最近的所述第一障碍物作为所述第二障碍物。

4.根据权利要求1所述的车道障碍物筛选方法，其特征在于，在所述行驶场景为交叉口场景的情况下，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物未来运动轨迹，对至少一个所述第一障碍物进行筛选还包括：

在所述第一障碍物为行人类型障碍物，且在以所述第一障碍物为中心的第五区域内存在所述车辆的第一规划轨迹的情况下，获取所述第一障碍物的当前位置，预测所述第一障碍物在第一时间后的未来位置；

将所述当前位置与所述未来位置在所述车辆的第一规划轨迹上进行投影，选取所述投影的长度小于第一阈值的所述第一障碍物，和/或所述当前位置的投影长度与所述未来位置的投影长度的乘积小于第二阈值的所述第一障碍物，作为所述第二障碍物。

5.根据权利要求1所述的车道障碍物筛选方法，其特征在于，在所述行驶场景为平行车道场景的情况下，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物未来运动轨迹，对至少一个所述第一障碍物进行筛选包括：

遍历所述车辆所在车道和所述车辆左右临近车道的所有车道序列，选取每个车道序列中在所述车辆前方的所有非行人类型的所述第一障碍物中距离与所述车辆最近的障碍物作为所述第二障碍物，和/或选取每个车道序列中在所述车辆后方的所有非行人类型的所述第一障碍物中距离与所述车辆最近的障碍物作为所述第二障碍物。

6.根据权利要求1所述的车道障碍物筛选方法，其特征在于，在所述行驶场景为交叉口场景的情况下，确定所述第二障碍物的重要度等级包括：

根据所述交叉口场景的多个维度的重要度系数和各维度的重要度，确定所述第二障碍物的重要度等级，其中，所述交叉口场景的多个维度包括所述第二障碍物的类型、所述第二障碍物的路权、所述第二障碍物在当前时刻与所述车辆距离均值以及所述第二障碍物在预设时刻与所述车辆距离均值。

7.根据权利要求1所述的车道障碍物筛选方法，其特征在于，在所述行驶场景为平行车道场景的情况下，确定所述第二障碍物的重要度等级包括：

根据所述平行车道场景的多个维度的重要度系数和各维度的重要度，确定所述第二障碍物的重要度等级，其中，所述平行车道场景的多个维度包括所述第二障碍物的类型、所述第二障碍物与所述车辆性对横向加速度的、所述第二障碍物在当前时刻与所述车辆距离均值的以及所述第二障碍物在预设时刻与所述车辆距离均值的重要度。

8.一种车道障碍物筛选装置，其特征在于，包括：

第一筛选模块，用于根据障碍物与车辆的距离、所述障碍物的车道信息与位置信息，对所述障碍物进行筛选，得到至少一个第一障碍物；

第二筛选模块，用于在以所述车辆为中心的第一区域内，根据所述车辆的行驶场景、所述车辆的第一规划轨迹、所述第一障碍物的预测运动轨迹，对至少一个所述第一障碍物进行筛选，得到第二障碍物；

重要度等级确定模块，用于根据所述车辆的行驶场景、所述车辆与所述第二障碍物运动的加速度、所述车辆与所述第二障碍物之间的距离、所述第二障碍物的类型与行驶路权，确定所述第二障碍物的重要度等级；

目标确定模块，用于根据所述第二障碍物的重要度等级确定目标障碍物，其中，所述车辆根据所述目标障碍物确定第二规划轨迹；

其中，确定所述车辆的行驶场景包括：

获取所述车辆的第一规划轨迹，根据所述第一规划轨迹生成第一轨迹点；

选取以所述车辆为中心的第二区域内的多个所述第一轨迹点作为第二轨迹点；

选取以所述第二轨迹点为中心的多个区域作为第三区域，在所述第三区域内存在交叉口的情况下，确定所述行驶场景为交叉口场景，或者，在所述第三区域内不存在交叉口的情况下，确定所述行驶场景为平行车道场景。

9.一种域控制器，其特征在于，包括：

至少一个处理器；

与所述至少一个处理器通信连接的存储器；

所述存储器中存储有可被所述至少一个处理器处理执行的计算机指令，所述计算机指令被所述至少一个处理器执行时实现如权利要求1至权利要求7任一项所述的车道障碍物筛选方法。

Images