CN116052442A - 道路陷坑的风险识别方法、系统、电子设备、存储介质 - Google Patents
道路陷坑的风险识别方法、系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN116052442A CN116052442A CN202211617519.5A CN202211617519A CN116052442A CN 116052442 A CN116052442 A CN 116052442A CN 202211617519 A CN202211617519 A CN 202211617519A CN 116052442 A CN116052442 A CN 116052442A
- Authority
- CN
- China
- Prior art keywords
- pit
- vehicle
- depth
- data
- road
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 81
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 41
- 230000008859 change Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 9
- 206010034719 Personality change Diseases 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 4
- 238000003032 molecular docking Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种道路陷坑的风险识别方法、系统、电子设备、存储介质，所述方法包括：获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水；如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险；如果判断所述陷坑有水，且获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，则基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，基于所述陷坑的第二深度，判断所述陷坑的第二风险。本发明通过深度条件筛选，排除没有风险的陷坑，避免系统反复的误报和误触发影响正常驾驶。
Description
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种道路陷坑的风险识别方法、系统、电子设备、存储介质。
背景技术
目前智能驾驶车辆避让的对象主要是锥桶、卡车、轿车，但一些速度高的驾驶场景，路面设计不合理、在突降暴雨时水流不畅而积水、或路面压溃等情形导致的路面陷坑，车辆高速通过陷坑可能会有较大风险，如此时转动方向盘或猛踩刹车，车辆易失控甚至影响生命安全。即使陷坑没有水但未被识别，车辆经过也会发生较大的危险。
目前针对陷坑的识别方法不够准确，要么只通过图像识别，要么只通过激光雷达，陷坑深度探测精度有限，实现效果不是很好，往往有些陷坑虽然面积较大，但水面不深，不对车辆行驶或者行人有危害或者影响，而有些陷坑虽然较深，但水面面积较小，也不对车辆行驶或者行人有危害或者影响，这些情形都容易产生错误的预警信息。
公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
针对现有技术存在的问题，本发明提供一种道路陷坑的风险识别方法、系统、电子设备、存储介质。
本发明提供的一种道路陷坑的风险识别方法，所述方法包括：
获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水；
如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险；
如果判断所述陷坑有水，且获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，则基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，基于所述陷坑的第二深度，判断所述陷坑的第二风险。
根据本发明提供的一种道路陷坑的风险识别方法，所述方法还包括：
如果判断所述陷坑有水，且未能获取到他车经过所述陷坑时的车况数据和所述陷坑无水时的监测数据，则规划车辆减速至安全速度以下，和/或，给出安全提示。
根据本发明提供的一种道路陷坑的风险识别方法，所述方法还包括：
基于所述道路探测数据，预测所述陷坑的面积；
如果所述陷坑的面积小于预定阈值，则判断所述陷坑无风险。
根据本发明提供的一种道路陷坑的风险识别方法，基于所述道路探测数据，预测所述陷坑的面积，包括：
基于若干传感器的道路探测数据，确定所述陷坑的包围盒；
基于所述包围盒，预测所述陷坑的面积；
其中，所述若干传感器至少包括如下的一种：
激光雷达、毫米波雷达、超声波雷达、图像传感器。
根据本发明提供的一种道路陷坑的风险识别方法，获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水，包括：
获取图像传感器的关于所述陷坑的图像探测数据；
基于所述图像探测数据，判断所述陷坑是否有水。
根据本发明提供的一种道路陷坑的风险识别方法，如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险，包括：
如果判断所述陷坑无水，则基于激光雷达获取所述陷坑的第一深度，所述第一深度包括平均深度和最大深度；
如果所述平均深度和所述最大深度满足第一条件，即所述平均深度大于第一阈值，且所述最大深度大于第二阈值，则判断所述陷坑的风险不可接受，执行避让陷坑逻辑；
如果所述平均深度和所述最大深度满足第二条件，即所述平均深度小于第三阈值，且所述最大深度小于第四阈值，则判断所述陷坑无风险，其中，所述第三阈值小于所述第一阈值，所述第四阈值小于所述第二阈值；
如果所述平均深度和所述最大深度不满足所述第一条件和所述第二条件，则判断所述陷坑存在风险，规划车辆减速至安全速度以下，和/或，给出安全提示。
根据本发明提供的一种道路陷坑的风险识别方法，获取到他车经过所述陷坑时的车况数据，包括：
获取云端的他车经过所述陷坑时的车况数据，其中，所述车况数据包括车身高度信息，所述车况数据通过所述他车上传至所述云端；
对应的，基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，包括：
基于所述车身高度信息，获取他车经过所述陷坑时的车身高度变化，作为所述第二深度。
根据本发明提供的一种道路陷坑的风险识别方法，获取到他车经过所述陷坑时的车况数据，包括：
获取他车经过所述陷坑时的车况数据，其中，所述车况数据包括他车经过所述陷坑时的视频数据，所述车况数据来自与自车连接的路设端的监控摄像头和/或自车的图像传感器；
对应的，基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，包括：
基于所述视频数据，预测所述第二深度。
根据本发明提供的一种道路陷坑的风险识别方法，基于所述视频数据，预测所述第二深度，包括：
基于所述视频数据，获取所述他车经过所述陷坑时的车辆姿态变化和/或水花溅起高度；
基于所述车辆姿态变化和/或所述水花溅起高度，预测所述第二深度。
根据本发明提供的一种道路陷坑的风险识别方法，获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，包括：
获取与自车连接的路设端的监控摄像头传来的图像数据；
其中，所述图像数据包括所述陷坑无水时的图像；
对应的，基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，包括：
基于所述图像数据和所述道路探测数据，预测所述陷坑的第二深度。
根据本发明提供的一种道路陷坑的风险识别方法，基于所述陷坑的第二深度，判断所述陷坑的第二风险，包括：
如果所述第二深度大于第五阈值，则判断所述陷坑的风险不可接受，执行避让陷坑逻辑；
如果所述第二深度小于第五阈值，且所述第二深度大于第六阈值，且自车速度大于安全速度，则判断所述陷坑存在风险，规划车辆减速至所述安全速度以下，和/或，给出安全提示，其中，所述第六阈值小于所述第五阈值；
如果所述第二深度小于第六阈值，则给出安全提示。
根据本发明提供的一种道路陷坑的风险识别方法，执行避让陷坑逻辑，包括：
获取对周围其他车辆情况的感知结果；
基于所述感知结果，判断是否满足避让换道条件；
如果判断满足所述避让换道条件，则规划变道；
如果判断不满足所述避让换道条件，则控制自车刹停，待满足所述避让换道条件后再规划变道。
本发明还提供的一种道路陷坑的风险识别系统，所述系统包括：
获取模块，用来获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水；
无水模块，用来执行如下判断：如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险；
有水模块，用来执行如下判断：如果判断所述陷坑有水，且获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，则基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，基于所述陷坑的第二深度，判断所述陷坑的第二风险。
本发明还提供的一种电子设备，包括存储器、处理器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程序时实现如上述任一项所述道路陷坑的风险识别方法的步骤。
本发明还提供的一种汽车，所述汽车具备自动驾驶和/或辅助驾驶功能，所述汽车包括所述的电子设备。
本发明还提供的一种非暂态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如上述任一项所述道路陷坑的风险识别方法的步骤。
本发明提供的道路陷坑的风险识别方法、系统、电子设备、存储介质，通过深度条件筛选，排除没有风险的陷坑，避免系统反复的误报和误触发影响正常驾驶。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图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为本发明提供的一种道路陷坑的风险识别方法的流程示意图；
图2为本发明提供的一种道路陷坑的风险识别方法的另一流程示意图；
图3为本发明提供的一种道路陷坑的风险识别系统的结构示意图；
图4为本发明提供的一种道路陷坑的风险识别系统的另一系统结构示意图；
图5为本发明提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的道路陷坑的风险识别方法进行详细地说明。
图1为本发明提供的一种道路陷坑的风险识别方法的流程示意图，图2为本发明提供的一种道路陷坑的风险识别方法的另一流程示意图，如图1和2所示，本发明提供的一种道路陷坑的风险识别方法，方法可以包括如下步骤。
优选地，本发明所述的方法适用于在道路上行驶的各类车辆，包括乘用车、商用车，下面以商用车为例进行介绍，搭载有L3级别的自动驾驶域控制器(Autonomous DomainUnit，ADU)。
S100、获取道路探测数据，基于道路探测数据，判断陷坑是否有水。陷坑中有水后，车辆更容易打滑失控，会加大陷坑的风险，并且有水的陷坑更难于预测其深度，因此，首先判断陷坑有没有水，决定接下来的判断风险的逻辑大方向。
需要说明的是，所述的道路探测数据包括针对道路上各种陷坑的探测数据。
优选地，道路探测数据的获取，依赖于设置在自车上的探测装置。
可选地，获取道路探测数据，基于道路探测数据，判断陷坑是否有水，包括：
获取图像传感器的关于陷坑的图像探测数据；
基于图像探测数据，判断陷坑是否有水。
进一步地，通过摄像头作为所述图像传感器获取图像信息以判断陷坑是否有水。由于水体的反射光线的效果，对于图像传感器，比较容易辨认水体。
S200、如果判断陷坑无水，则获取陷坑的第一深度，基于第一深度，判断陷坑的第一风险。
优选地，无水陷坑的深度相较于有水陷坑，能够获取更多有关深度的精确数据，能够更精确地判定陷坑的风险，也因此，无水陷坑在考虑深度阈值时的冗余量时，可以设置的相较于有水陷坑更小。
可选地，如果判断陷坑无水，则获取陷坑的第一深度，基于第一深度，判断陷坑的第一风险，包括：
如果判断陷坑无水，则基于激光雷达获取陷坑的第一深度，第一深度包括平均深度和最大深度；
如果平均深度和最大深度满足第一条件，即平均深度大于第一阈值，且最大深度大于第二阈值，则判断陷坑的风险不可接受，执行避让陷坑逻辑；
如果平均深度和最大深度满足第二条件，即平均深度小于第三阈值，且最大深度小于第四阈值，则判断陷坑无风险，其中，第三阈值小于第一阈值，第四阈值小于第二阈值；
如果平均深度和最大深度不满足第一条件和第二条件，则判断陷坑存在风险，规划车辆减速至安全速度以下，和/或，给出安全提示。
进一步地，根据长距离激光雷达扫描得到的陷坑的三维点云数据(x，y，z)，对每帧数据的坐标系进行统一，对比正常路面与陷坑底的z值，确定陷坑的平均深度d与最大深度值D，当d>dmax&D>Dmax，开始执行避让陷坑逻辑；当d<dmin&D<Dmin，则车辆直接忽略这样的小陷坑；其余情况，则对比车速，安全速度用v_max表示，若自车车速V>v_max，则提前规划车辆以不大于A的减速度，减速至v_max以下，通过语音和文字提醒驾驶员，小心陷坑洼路面。
可选地，执行避让陷坑逻辑，包括：
获取对周围其他车辆情况的感知结果；
基于感知结果，判断是否满足避让换道条件；
如果判断满足避让换道条件，则规划变道；
如果判断不满足避让换道条件，则控制自车刹停，待满足避让换道条件后再规划变道。
进一步地，利用多传感器感知能力，探测自车左右两侧是否具备横向移动、换道条件，结合陷坑宽度，确定需要的横向平移量、并通过智能系统完成对车辆的横向控制。
S300、如果判断陷坑有水，且获取到他车经过陷坑时的车况数据和/或陷坑无水时的监测数据，则基于车况数据和/或监测数据，预测陷坑的第二深度，基于陷坑的第二深度，判断陷坑的第二风险。
需要说明的是，所述他车指自车外的其他车辆。
可选地，方法还包括：
如果判断陷坑有水，且未能获取到他车经过陷坑时的车况数据和陷坑无水时的监测数据，则规划车辆减速至安全速度以下，和/或，给出安全提示。
优选地，规划车辆减速至安全速度以下，包括：规划车辆以不大于A的减速度，减速至v_max以下。
优选地，安全提示包括：语音提醒驾驶员“请注意陷坑，不要转向”。
进一步地，如果速度没来得及降到v_max以下且来不及转向，这时安全提示包括不要转向。在经过水坑时，高速度下转向会对车身稳定性带来很大影响，所以需要不要转向的安全提示。
可选地，获取到他车经过陷坑时的车况数据，包括：
获取云端的他车经过陷坑时的车况数据，其中，车况数据包括车身高度信息，车况数据通过他车上传至云端；
对应的，基于车况数据和/或监测数据，预测陷坑的第二深度，包括：
基于车身高度信息，获取他车经过陷坑时的车身高度变化，作为第二深度。
进一步地，检查云端是否有其他车辆经过该陷坑，并上传了经过陷坑时的车身高度变化值H；若有，则表明其他车辆的车身高度传感器在经过陷坑时，触发了数据的云端上传机制，上传数据包括车辆速度、车身高度信息等数据，自车从云端获取车身高度变化H，以此作为陷坑的深度。结合云端大数据，曾经过该陷坑的车辆将车身高度变化信息上传云端，自车从云端获取前述车身高度变化信息结合自身获取的陷坑信息，综合计算陷坑的面积与深度。
可选地，获取到他车经过陷坑时的车况数据，包括：
获取他车经过陷坑时的车况数据，其中，车况数据包括他车经过陷坑时的视频数据，车况数据来自与自车连接的路设端的监控摄像头和/或自车的图像传感器；
对应的，基于车况数据和/或监测数据，预测陷坑的第二深度，包括：
基于视频数据，预测第二深度。
可选地，基于视频数据，预测第二深度，包括：
基于视频数据，获取他车经过陷坑时的车辆姿态变化和/或水花溅起高度；
基于车辆姿态变化和/或水花溅起高度，预测第二深度。
优选地，若没有监测到有其他车辆经过该陷坑，则检查路设端是否装有摄像头，摄像头同样可以把车辆的姿态变化、水花溅起高度等图像数据帧上传云端，自车的感知系统从云端接收到图像，对比经过陷坑的几帧图片，确定车身姿态变化在z方向的高度差，结合车辆当前车速，以及溅起的水高度，综合得到当前陷坑深度H，接下来的决策同上。
可选地，获取到他车经过陷坑时的车况数据和/或陷坑无水时的监测数据，包括：
获取与自车连接的路设端的监控摄像头传来的图像数据；
其中，图像数据包括陷坑无水时的图像；
对应的，基于车况数据和/或监测数据，预测陷坑的第二深度，包括：
基于图像数据和道路探测数据，预测陷坑的第二深度。
优选地，判断陷坑有水和无水时的面积基本无变化，则直接通过图像算法获取无水陷坑的深度，作为有水陷坑的深度。如果陷坑有水时的面积远大于陷坑无水时的面积，说明陷坑发生了较大的变化，不能通过无水状态时的深度来估测有水时的深度。
可选地，基于陷坑的第二深度，判断陷坑的第二风险，包括：
如果第二深度大于第五阈值，则判断陷坑的风险不可接受，执行避让陷坑逻辑；
如果第二深度小于第五阈值，且第二深度大于第六阈值，且自车速度大于安全速度，则判断陷坑存在风险，规划车辆减速至安全速度以下，和/或，给出安全提示，其中，第六阈值小于第五阈值；
如果第二深度小于第六阈值，则给出安全提示。
优选地，若H>Hmax，开始执行避让陷坑逻辑；若Hmin<H<Hmax&v>v_max，则提前控制车速至v_max以下，且语音提醒驾驶员不要转动方向盘，智能驾驶系统若激活则控制横向稳定；若H<Hmi n，则语音提醒驾驶员不要转动方向盘。
可选地，方法还包括：
基于道路探测数据，预测陷坑的面积；
如果陷坑的面积小于预定阈值，则判断陷坑无风险。
可选地，基于道路探测数据，预测陷坑的面积，包括：
基于若干传感器的道路探测数据，确定陷坑的包围盒；
基于包围盒，预测陷坑的面积；
其中，若干传感器至少包括如下的一种：
激光雷达、毫米波雷达、超声波雷达、图像传感器。通过多传感器的感知数据融合，提取感兴趣区域，综合考虑，设置合理的判断条件，识别出真实的风险陷坑路面。
需要说明的是，通过判断陷坑的面积，能排除掉许多小陷坑的误报，同时也能节省计算量。
优选地，对陷坑面积的判断可以设置在对陷坑是否有水的判断之前，也可以设置在对陷坑是否有水的判断之后，如图2所示，面积判断后置于有水判断。如果是前置设置，则在判断陷坑面积大于预定阈值后，才执行后续的是否有水判断，否则，直接判断该陷坑无风险，不再执行后续的任何判断。
本实施例基于多传感器对陷坑探测的融合数据以及陷坑云端大数据的获取，通过合理的陷坑面积大小、深度条件筛选排除没有风险的陷坑，避免系统反复的误报，误触发，影响正常驾驶，通过对不同陷坑设置不同的预警等级，减少了不安全的紧急制动、横向移动，精准决策规划能力以及控制精度，减少行车风险。
下面对本发明提供的道路陷坑的风险识别系统进行描述，下文描述的道路陷坑的风险识别系统与上文描述的道路陷坑的风险识别方法可相互对应参照。
图3为本发明提供的一种道路陷坑的风险识别系统的结构示意图，如图3所示，本发明还提供的一种道路陷坑的风险识别系统，系统包括：
获取模块，用来获取道路探测数据，基于道路探测数据，判断陷坑是否有水；
无水模块，用来执行如下判断：如果判断陷坑无水，则获取陷坑的第一深度，基于第一深度，判断陷坑的第一风险；
有水模块，用来执行如下判断：如果判断陷坑有水，且获取到他车经过陷坑时的车况数据和/或陷坑无水时的监测数据，则基于车况数据和/或监测数据，预测陷坑的第二深度，基于陷坑的第二深度，判断陷坑的第二风险。
图4为本发明提供的一种道路陷坑的风险识别系统的另一系统结构示意图，如图4所示，获取模块进一步包括远程数据获取模块和通讯盒子(Telematics-BOX，TBOX)，远程数据获取模块通过以太网与TBOX连接，TBOX通过数据流量卡以http协议下载云端的数据，远程数据获取模块通过ROS2的DDS通讯机制快速低时延地被驾驶规划模块(驾驶规划模块包括无水模块和有水模块)订阅，驾驶规划模块进行决策规划。通过ROS2+DDS、以太网等高速的通讯方式，减少了通信延迟，保证系统以及驾驶员有足够的时间应对陷坑。
驾驶规划模块得到自车的道路探测数据或云端数据后，进行决策规划，将结果发送给车辆控制模块进行车辆控制，车辆控制命令通过车辆对接模块发送至底层软件模块以进行进一步数据过滤处理，最终发给车辆执行机构进行横向和纵向控制。
驾驶规划模块发送语音提醒请求给车载娱乐系统对接模块，该模块进行条件判断，最终输出语音与文字请求给车载娱乐系统，车载娱乐系统控制文字与语音控制器来最终执行语音与文字提醒，使得驾驶员注意陷坑。
通过通信效率更高的ROS2中DDS分布数据分发通信机制，传递给车载娱乐系统对接模块，处理得到陷坑提醒请求，提醒请求包括：界面文字提醒和扬声器语音提醒，然后利用以太网高速通信方式，将请求快速发送至车载信息娱乐系统，提醒驾驶员，保证驾驶员有足够的时间做出响应。
本实施例通过深度条件筛选排除没有风险的陷坑，避免系统反复的误报和误触发影响正常驾驶。
图5为本发明提供的一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行道路陷坑的风险识别方法，所述方法包括：
获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水；
如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险；
如果判断所述陷坑有水，且获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，则基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，基于所述陷坑的第二深度，判断所述陷坑的第二风险。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明还提供的一种汽车，汽车具备自动驾驶和/或辅助驾驶功能，汽车包括所述的电子设备。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的道路陷坑的风险识别方法，所述方法包括：
获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水；
如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险；
如果判断所述陷坑有水，且获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，则基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，基于所述陷坑的第二深度，判断所述陷坑的第二风险。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的道路陷坑的风险识别方法，所述方法包括：
获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水；
如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险；
如果判断所述陷坑有水，且获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，则基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，基于所述陷坑的第二深度，判断所述陷坑的第二风险。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (16)
1.一种道路陷坑的风险识别方法，其特征在于，所述方法包括：
获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水；
如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险；
如果判断所述陷坑有水，且获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，则基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，基于所述陷坑的第二深度，判断所述陷坑的第二风险。
2.根据权利要求1所述的道路陷坑的风险识别方法，其特征在于，所述方法还包括：
如果判断所述陷坑有水，且未能获取到他车经过所述陷坑时的车况数据和所述陷坑无水时的监测数据，则规划车辆减速至安全速度以下，和/或，给出安全提示。
3.根据权利要求1所述的道路陷坑的风险识别方法，其特征在于，所述方法还包括：
基于所述道路探测数据，预测所述陷坑的面积；
如果所述陷坑的面积小于预定阈值，则判断所述陷坑无风险。
4.根据权利要求3所述的道路陷坑的风险识别方法，其特征在于，基于所述道路探测数据，预测所述陷坑的面积，包括：
基于若干传感器的道路探测数据，确定所述陷坑的包围盒；
基于所述包围盒，预测所述陷坑的面积；
其中，所述若干传感器至少包括如下的一种：
激光雷达、毫米波雷达、超声波雷达、图像传感器。
5.根据权利要求1所述的道路陷坑的风险识别方法，其特征在于，获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水，包括：
获取图像传感器的关于所述陷坑的图像探测数据；
基于所述图像探测数据，判断所述陷坑是否有水。
6.根据权利要求1所述的道路陷坑的风险识别方法，其特征在于，如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险，包括：
如果判断所述陷坑无水，则基于激光雷达获取所述陷坑的第一深度，所述第一深度包括平均深度和最大深度；
如果所述平均深度和所述最大深度满足第一条件，即所述平均深度大于第一阈值，且所述最大深度大于第二阈值，则判断所述陷坑的风险不可接受，执行避让陷坑逻辑；
如果所述平均深度和所述最大深度满足第二条件，即所述平均深度小于第三阈值，且所述最大深度小于第四阈值，则判断所述陷坑无风险，其中，所述第三阈值小于所述第一阈值，所述第四阈值小于所述第二阈值；
如果所述平均深度和所述最大深度不满足所述第一条件和所述第二条件，则判断所述陷坑存在风险，规划车辆减速至安全速度以下，和/或，给出安全提示。
7.根据权利要求1所述的道路陷坑的风险识别方法，其特征在于，获取到他车经过所述陷坑时的车况数据，包括：
获取云端的他车经过所述陷坑时的车况数据，其中，所述车况数据包括车身高度信息，所述车况数据通过所述他车上传至所述云端；
对应的，基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，包括：
基于所述车身高度信息，获取他车经过所述陷坑时的车身高度变化，作为所述第二深度。
8.根据权利要求1所述的道路陷坑的风险识别方法，其特征在于，获取到他车经过所述陷坑时的车况数据，包括：
获取他车经过所述陷坑时的车况数据，其中，所述车况数据包括他车经过所述陷坑时的视频数据，所述车况数据来自与自车连接的路设端的监控摄像头和/或自车的图像传感器；
对应的，基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，包括：
基于所述视频数据，预测所述第二深度。
9.根据权利要求8所述的道路陷坑的风险识别方法，其特征在于，基于所述视频数据，预测所述第二深度，包括：
基于所述视频数据，获取所述他车经过所述陷坑时的车辆姿态变化和/或水花溅起高度；
基于所述车辆姿态变化和/或所述水花溅起高度，预测所述第二深度。
10.根据权利要求1所述的道路陷坑的风险识别方法，其特征在于，获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，包括：
获取与自车连接的路设端的监控摄像头传来的图像数据；
其中，所述图像数据包括所述陷坑无水时的图像；
对应的，基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，包括：
基于所述图像数据和所述道路探测数据，预测所述陷坑的第二深度。
11.根据权利要求1所述的道路陷坑的风险识别方法，其特征在于，基于所述陷坑的第二深度，判断所述陷坑的第二风险，包括：
如果所述第二深度大于第五阈值，则判断所述陷坑的风险不可接受，执行避让陷坑逻辑；
如果所述第二深度小于第五阈值，且所述第二深度大于第六阈值，且自车速度大于安全速度，则判断所述陷坑存在风险，规划车辆减速至所述安全速度以下，和/或，给出安全提示，其中，所述第六阈值小于所述第五阈值；
如果所述第二深度小于第六阈值，则给出安全提示。
12.根据权利要求6或11所述的道路陷坑的风险识别方法，其特征在于，执行避让陷坑逻辑，包括：
获取对周围其他车辆情况的感知结果；
基于所述感知结果，判断是否满足避让换道条件；
如果判断满足所述避让换道条件，则规划变道；
如果判断不满足所述避让换道条件，则控制自车刹停，待满足所述避让换道条件后再规划变道。
13.一种道路陷坑的风险识别系统，其特征在于，所述系统包括：
获取模块，用来获取道路探测数据，基于所述道路探测数据，判断陷坑是否有水；
无水模块，用来执行如下判断：如果判断所述陷坑无水，则获取所述陷坑的第一深度，基于所述第一深度，判断所述陷坑的第一风险；
有水模块，用来执行如下判断：如果判断所述陷坑有水，且获取到他车经过所述陷坑时的车况数据和/或所述陷坑无水时的监测数据，则基于所述车况数据和/或所述监测数据，预测所述陷坑的第二深度，基于所述陷坑的第二深度，判断所述陷坑的第二风险。
14.一种电子设备，包括存储器、处理器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，其特征在于，所述处理器执行所述程序时实现如权利要求1-12中任一项所述道路陷坑的风险识别方法的步骤。
15.一种汽车，其特征在于，所述汽车具备自动驾驶和/或辅助驾驶功能，所述汽车包括权利要求14所述的电子设备。
16.一种非暂态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如权利要求1-12中任一项所述道路陷坑的风险识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211617519.5A CN116052442A (zh) | 2022-12-15 | 2022-12-15 | 道路陷坑的风险识别方法、系统、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211617519.5A CN116052442A (zh) | 2022-12-15 | 2022-12-15 | 道路陷坑的风险识别方法、系统、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116052442A true CN116052442A (zh) | 2023-05-02 |
Family
ID=86120857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211617519.5A Pending CN116052442A (zh) | 2022-12-15 | 2022-12-15 | 道路陷坑的风险识别方法、系统、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116052442A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110025577A (ko) * | 2009-09-04 | 2011-03-10 | 현대자동차일본기술연구소 | 차량 주위 노면 정보 제공 장치 |
| CN104050825A (zh) * | 2013-03-13 | 2014-09-17 | 厦门歌乐电子企业有限公司 | 搭载于车辆上的终端装置、车辆及水坑路面的提醒方法 |
| JP2018028486A (ja) * | 2016-08-18 | 2018-02-22 | 西日本高速道路エンジニアリング四国株式会社 | 排水性舗装におけるポットホール発生リスクを定量分析する方法 |
| KR101918186B1 (ko) * | 2017-05-25 | 2019-01-29 | 인천대학교 산학협력단 | 차량에 대한 포트홀 사고 방지 지원 장치 및 그 동작 방법 |
| JP2019168968A (ja) * | 2018-03-23 | 2019-10-03 | 株式会社Ｊｖｃケンウッド | 運転支援装置、運転支援方法、及びプログラム |
| CN112071096A (zh) * | 2020-09-24 | 2020-12-11 | 山东智果云科技有限公司 | 一种低洼路面积水深度检测、预警、预报的方法及装置 |
| CN114283393A (zh) * | 2021-12-28 | 2022-04-05 | 诺博汽车系统有限公司 | 水坑检测提醒方法、装置、电子设备及车辆 |
| CN114872729A (zh) * | 2022-05-16 | 2022-08-09 | 广州小马慧行科技有限公司 | 一种无人驾驶车辆水坑识别方法、装置、设备和存储介质 |
| CN114954232A (zh) * | 2022-05-31 | 2022-08-30 | 岚图汽车科技有限公司 | 一种基于雷达探测的车辆涉水警报方法和装置 |
| CN115273008A (zh) * | 2022-07-29 | 2022-11-01 | 东风汽车有限公司东风日产乘用车公司 | 跟车场景下的路况识别方法、存储介质和电子设备 |
| CN115366905A (zh) * | 2022-07-29 | 2022-11-22 | 珠海市魅族科技有限公司 | 一种车辆辅助驾驶方法、具有辅助驾驶功能的车辆及存储介质 |
| CN115406510A (zh) * | 2022-08-17 | 2022-11-29 | 青岛理工大学 | 一种城市道路积水分级监测预警系统 |
| KR20220164996A (ko) * | 2021-06-07 | 2022-12-14 | 현대모비스 주식회사 | 카메라, 차량 및 그것의 주행 제어 방법 |
-
2022
- 2022-12-15 CN CN202211617519.5A patent/CN116052442A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110025577A (ko) * | 2009-09-04 | 2011-03-10 | 현대자동차일본기술연구소 | 차량 주위 노면 정보 제공 장치 |
| CN104050825A (zh) * | 2013-03-13 | 2014-09-17 | 厦门歌乐电子企业有限公司 | 搭载于车辆上的终端装置、车辆及水坑路面的提醒方法 |
| JP2018028486A (ja) * | 2016-08-18 | 2018-02-22 | 西日本高速道路エンジニアリング四国株式会社 | 排水性舗装におけるポットホール発生リスクを定量分析する方法 |
| KR101918186B1 (ko) * | 2017-05-25 | 2019-01-29 | 인천대학교 산학협력단 | 차량에 대한 포트홀 사고 방지 지원 장치 및 그 동작 방법 |
| JP2019168968A (ja) * | 2018-03-23 | 2019-10-03 | 株式会社Ｊｖｃケンウッド | 運転支援装置、運転支援方法、及びプログラム |
| CN112071096A (zh) * | 2020-09-24 | 2020-12-11 | 山东智果云科技有限公司 | 一种低洼路面积水深度检测、预警、预报的方法及装置 |
| KR20220164996A (ko) * | 2021-06-07 | 2022-12-14 | 현대모비스 주식회사 | 카메라, 차량 및 그것의 주행 제어 방법 |
| CN114283393A (zh) * | 2021-12-28 | 2022-04-05 | 诺博汽车系统有限公司 | 水坑检测提醒方法、装置、电子设备及车辆 |
| CN114872729A (zh) * | 2022-05-16 | 2022-08-09 | 广州小马慧行科技有限公司 | 一种无人驾驶车辆水坑识别方法、装置、设备和存储介质 |
| CN114954232A (zh) * | 2022-05-31 | 2022-08-30 | 岚图汽车科技有限公司 | 一种基于雷达探测的车辆涉水警报方法和装置 |
| CN115273008A (zh) * | 2022-07-29 | 2022-11-01 | 东风汽车有限公司东风日产乘用车公司 | 跟车场景下的路况识别方法、存储介质和电子设备 |
| CN115366905A (zh) * | 2022-07-29 | 2022-11-22 | 珠海市魅族科技有限公司 | 一种车辆辅助驾驶方法、具有辅助驾驶功能的车辆及存储介质 |
| CN115406510A (zh) * | 2022-08-17 | 2022-11-29 | 青岛理工大学 | 一种城市道路积水分级监测预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10179590B2 (en) | Park out assist | |
| CN109074744B (zh) | 矿山用工程机械以及障碍物判别装置 | |
| CN112193246B (zh) | 车辆及用于执行车辆间距离控制的方法 | |
| CN112896157A (zh) | 一种防御性驾驶控制方法、装置、系统、车载终端及存储介质 | |
| CN112373467A (zh) | 无人驾驶汽车的智能避障系统 | |
| CN112026761A (zh) | 一种基于数据共享的汽车辅助驾驶方法 | |
| JP2022521137A (ja) | 車両を安全化するための方法 | |
| CN111994075A (zh) | 一种基于人工智能的驾驶辅助方法 | |
| KR20170070580A (ko) | Ecu, 상기 ecu를 포함하는 무인 자율 주행 차량, 및 이의 차선 변경 제어 방법 | |
| CN114852069A (zh) | 一种车辆、控制车辆行驶的方法和装置 | |
| CN111169474A (zh) | 一种自主式紧急转向避让辅助装置及方法 | |
| CN110696825A (zh) | 车辆控制方法以及实施该方法的车辆 | |
| CN112180951A (zh) | 无人驾驶汽车的智能避障方法、计算机可读取的存储介质 | |
| CN111856510A (zh) | 一种基于激光雷达的车辆前碰撞预测方法 | |
| US11167796B2 (en) | Method and system for providing a steering guidance to a driver of a host vehicle | |
| CN116052442A (zh) | 道路陷坑的风险识别方法、系统、电子设备、存储介质 | |
| CN116118720A (zh) | 一种基于车辆工况可变控制策略的aeb-p系统 | |
| US20240124025A1 (en) | Autonomous driving predictive defensive driving system through interaction based on forward vehicle driving and situation judgement information | |
| CN111565961A (zh) | 用于控制车辆的方法 | |
| CN113879293B (zh) | 车辆避障控制方法、装置、设备和存储介质 | |
| CN117184081B (zh) | 一种停车控制方法、装置、电子设备及存储介质 | |
| EP3848724A1 (en) | System and method for rear crash avoidance of vehicles | |
| CN110989624B (zh) | 行车控制方法、装置及车辆 | |
| CN117351774A (zh) | 一种基于自动驾驶车辆的机非碰撞预警系统及方法 | |
| KR20240051835A (ko) | 전방 차량 주행 정보 및 상황 판단 정보 기반 상호작용을 통한 자율주행 예측 방어 운전 시스템 |
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 |