CN116061911A - 误检刹车检测方法、装置、电子设备及自动驾驶车辆 - Google Patents

Abstract

本公开提供了一种误检刹车检测方法、装置、电子设备及自动驾驶车辆，涉及人工智能技术领域，尤其涉及自动驾驶、智能交通技术领域。具体实现方案为：从车辆行驶过程中检测到的障碍物中，筛选出与车辆存在碰撞风险的可疑障碍物，从各可疑障碍物中筛选出存在误检可能性的误检障碍物。然后分别获取各误检障碍物的检出时刻，得到检出时刻集合。获取车辆的刹车时刻，并通过对比刹车时刻和检出时刻集合，确定刹车时刻的刹车原因是否为障碍物的误检。从而实现了检测车辆的刹车是否由障碍物的误检导致。

Description

误检刹车检测方法、装置、电子设备及自动驾驶车辆

技术领域

本公开涉及人工智能技术领域，尤其涉及自动驾驶、智能交通技术领域。

背景技术

在自动驾驶过程中，在自动驾驶车辆与周围的障碍物距离较近时，自动驾驶车辆需要进行减速或刹停等控制，从而保障自动驾驶车辆行驶的安全性，保障道路交通的安全性。

发明内容

本公开提供了一种误检刹车检测方法、装置、电子设备及自动驾驶车辆。

本公开实施例的第一方面，提供了一种误检刹车检测方法，包括：

从障碍物集合中，筛选出与车辆存在碰撞风险的可疑障碍物；所述障碍物集合为车辆行驶过程中检测到的障碍物；

从各可疑障碍物中筛选出存在误检可能性的误检障碍物；

分别获取各误检障碍物的检出时刻，得到检出时刻集合；

获取所述车辆的刹车时刻，并通过对比所述刹车时刻和所述检出时刻集合，确定所述刹车时刻的刹车原因是否为障碍物的误检。

本公开实施例的第二方面，提供了一种误检刹车检测装置，包括：

筛选模块，用于从障碍物集合中，筛选出与车辆存在碰撞风险的可疑障碍物；所述障碍物集合为车辆行驶过程中检测到的障碍物；

所述筛选模块，还用于从各可疑障碍物中筛选出存在误检可能性的误检障碍物；

获取模块，用于分别获取所述筛选模块筛选的各误检障碍物的检出时刻，得到检出时刻集合；

确定模块，用于获取所述车辆的刹车时刻，并通过对比所述刹车时刻和所述获取模块获取的所述检出时刻集合，确定所述刹车时刻的刹车原因是否为障碍物的误检。

本公开实施例的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中任一项所述的方法。

本公开实施例的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面中任一项所述的方法。

本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面中任一项所述的方法。

本公开实施例的第六方面，提供了一种自动驾驶车辆，包括如第三方面所述的电子设备。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的一种误检刹车检测方法流程图；

图2是本公开实施例提供的一种确定可疑障碍物的方法流程图；

图3是本公开实施例提供的车辆与障碍物的位置关系的第一种示例性示意图；

图4是本公开实施例提供的一种筛选误检障碍物的方法流程图；

图5是本公开实施例提供的车辆与障碍物的位置关系的第二种示例性示意图；

图6是本公开实施例提供的车辆与障碍物的位置关系的第三种示例性示意图；

图7是本公开实施例提供的车辆与障碍物的位置关系的第四种示例性示意图；

图8是本公开实施例提供的一种误检刹车检测过程的示例性示意图；

图9是本公开实施例提供的一种误检刹车检测装置的结构示意图；

图10是用来实现本公开实施例的误检刹车检测方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在自动驾驶过程中，自动驾驶车辆有时会将地面裂纹或地面落叶等物体，错误地认为会阻碍车辆前行，因而采取急刹措施，严重影响的用户乘坐体验，也影响了道路车辆的行驶安全性。

为了检测车辆的刹车是否由障碍物的误检引起，本公开实施例提供了一种误检刹车检测方法，该方法可以应用于电子设备，例如电子设备为自动驾驶车辆中的车载计算机，或者与自动驾驶车辆通信连接的服务器等。如图1所示，该方法包括如下步骤：

S101、从障碍物集合中，筛选出与车辆存在碰撞风险的可疑障碍物。

其中，障碍物集合为车辆行驶过程中检测到的障碍物。

在本公开实施例中，电子设备可在车辆行驶过程中，实时地根据检测到的障碍物信息，预测未来可能与车辆发生碰撞，即与车辆存在碰撞风险的可疑障碍物。或者，获取车辆完整地行驶过程中检测的所有障碍物之后，离线根据障碍物信息，预测当时可能与车辆发生碰撞的可疑障碍物。

其中，障碍物信息包括：障碍物的位置、检出时刻、身份标识号(Identitydocument，ID)、类型、速度、尺寸和航向角等。

S102、从各可疑障碍物中筛选出存在误检可能性的误检障碍物。

误检障碍物，即为实际不影响车辆行驶的障碍物。例如误检障碍物可以为：地面裂痕、树叶和小石子等静态障碍物，以及空中落叶和柳絮等动态障碍物等。

S103、分别获取各误检障碍物的检出时刻，得到检出时刻集合。其中，障碍物的检出时刻为检测到该障碍物的初始时刻。

S104、获取车辆的刹车时刻，并通过对比刹车时刻和检出时刻集合，确定刹车时刻的刹车原因是否为障碍物的误检。

其中，刹车也可以称为急刹。

可以理解的，如果刹车时刻与检出时刻集合中的某一检出时刻距离较近，那么此次刹车很可能是由于障碍物的误检导致。

本公开实施例中，从与车辆存在碰撞风险的可疑障碍物中，筛选出存在误检可能性的误检障碍物，并获取各误检障碍物的检出时刻集合。之后通过对比车辆的刹车时刻和检出时刻集合，从而得到该刹车时刻的刹车原因是否为障碍物的误检。从而实现了检测车辆的刹车是否由障碍物的误检导致。

使得后续能够对误检的障碍物进行分析，从而减少误检的障碍物对自动驾驶车辆行驶的影响。

以下对本公开实施例提供的误检刹车检测方法进行具体说明：

上述S101中筛选与车辆存在碰撞风险的可疑障碍物的方式，包括如下步骤：

步骤一、从障碍物集合中，筛选出位于车辆前进方向上，与车辆距离小于预设距离，且与车辆预测轨迹规划线之间的最短距离小于指定安全阈值的障碍物。

在本公开实施例中，针对检测到车辆周围指定范围内的障碍物，可以先将障碍物投影到该车辆的车体坐标系，根据车辆行驶方向，筛选出位于车辆前进方向上的障碍物，即过滤掉与行驶方向相反的障碍物。例如，车辆向前行驶则过滤车尾方向障碍物，车辆向后倒车则过滤车头方向障碍物。由于与车辆前进方向相反的障碍物不会与车辆发生碰撞，因此本公开实施例筛选位于车辆前进方向上的障碍物。

并针对过滤后的每个障碍物，筛选检出时刻位置与车辆直线距离小于预设距离的障碍物。由于与车辆直线距离过远时，一般不存在碰撞风险，因此本公开实施例筛选与车辆距离小于预设距离的障碍物。

并对比筛选出的障碍物与车辆预测轨迹规划线之间的最短距离，其中，预测轨迹规划线为根据车辆当时的行驶速度预测的未来行驶轨迹。由于与车辆未来行驶轨迹距离过远时，一般不存在碰撞风险，因此本公开实施例筛选与预测轨迹规划线之间的最短距离小于指定安全阈值的障碍物。

在对比时，可以设该障碍物检出时刻位置为P_obs，车辆实时的预测轨迹规划线由多个预测轨迹点组成，即预测轨迹规划线为

其中，S包括的每个元素为一个预测轨迹点，例如，

为第1个预测轨迹点，N为预测轨迹点的数量。可以选择与障碍物检出时刻位置距离最近的预测轨迹段，预测轨迹段为相邻的预测轨迹点连线

i＝1,2,…,N+1。并计算该障碍物检出时刻位置与预测轨迹段之间的垂直距离。获取垂直距离小于指定安全阈值L_s的障碍物。其中，L_s可以通过公式(1)确定：

其中，l_车宽为车辆的宽度，l_{障碍物宽度}为障碍物宽度，l_阈值为预设的距离阈值。

步骤二、在筛选出的障碍物中，根据车辆的车速，预测车辆从检出时刻开始刹车，仍存在碰撞风险的可疑障碍物。

可以根据检出时刻车辆的车速以及障碍物的移动速度，确定车辆从障碍物检出时刻开始刹车，仍能够被车辆追上的障碍物，并作为可疑障碍物。

通过上述方法，本公开实施例能够从车辆周围的障碍物中，筛选出与车辆存在碰撞风险的可疑障碍物。由于存在碰撞风险，才可能会导致车辆刹车，因此检测可疑障碍物，能够方便后续判断刹车原因是否与可疑障碍物有关。

参见图2，上述步骤二中，预测车辆从检出时刻开始刹车仍存在碰撞风险的可疑障碍物的方式，包括如下步骤：

S201、从筛选出的障碍物中，获取在车辆的前进方向上的移动速度小于车速的障碍物。

可以理解的，若障碍物在车辆前进方向上的移动速度大于等于车辆的车速，由于筛选出的障碍物位于车辆前进方向，因此车辆不可能追上该障碍物，因此没有碰撞风险。因此本公开实施例针对车辆的前进方向，从筛选出的障碍物中，获取该方向的移动速度小于车辆在该方向的车速的障碍物，即有可能被车辆追上的障碍物，以进行后续判断。

S202、针对获取的每个障碍物，预测车辆从检出时刻开始刹车，在前进方向上，车辆的位置与该障碍物的位置相同的时刻，作为预测碰撞时刻。

如图3所示，假设车辆的前进方向为y方向，与前进方向垂直的方向为x方向，在车辆的车体坐标系下，在障碍物的检出时刻，障碍物的位置为(x_obs,y_obs)，障碍物的移动速度为(v_x,v_y)，车辆在y方向的移动速度为v_c，通过公式(2)求解预测碰撞时刻：

其中，a为预设的车辆刹车时的最大加速度，t为障碍物与车辆的预测碰撞时刻。

若公式(2)无正实数解，则确定障碍物与车辆无碰撞风险，即障碍物为非可疑障碍物；否则将公式(2)的最小正实数解，作为障碍物与车辆的预测碰撞时刻。

S203、根据该障碍物的移动速度，确定该障碍物在预测碰撞时刻的预测位置。

本公开实施例中，可以假设障碍物一直按照检出时刻的速度移动，得到预测位置为(x_obs+t×v_x,y_obs+t×v_y)。

S204、判断预测位置与车辆预测轨迹规划线之间的最短距离，是否小于指定安全阈值。若是，则执行S205；若否，则执行S206。

S204的判断方式与上述步骤一相同，可参考上述描述，此处不再赘述。

S205、确定该障碍物为可疑障碍物。

S206、确定该障碍物为非可疑障碍物。

通过上述方法，本公开实施例可以根据车辆的车速和障碍物的移动速度，确定车辆从障碍物检出时刻开始刹车，仍具有碰撞风险的障碍物。由于这些障碍物可能导致车辆刹车，因此筛选出这些障碍物，能够方便后续判断刹车原因是否与这些障碍物有关。

本公开实施例中，由于需要分析刹车是否由障碍物的误检导致，因此在筛选出可疑障碍物后，还需要进一步筛选出误检障碍物。

参见图4，上述S102中筛选误检障碍物的方式，包括如下步骤：

S401、针对每个可疑障碍物，判断该可疑障碍物是否为动态障碍物。若该可疑障碍物为动态障碍物，则执行S402；若该可疑障碍物为静态障碍物，则执行S404。

其中，当不同时刻下障碍物的位置不同时，可以确定障碍物为动态障碍物；反之，当不同时刻下障碍物的位置均相同时，可以确定障碍物为静态障碍物。或者，可以通过其他方式确定障碍物的动静状态，本公开实施例对此不作具体限定。

S402、根据检测到该可疑障碍物的时间，确定该可疑障碍物的检测状态是否为稳定检出。

可以理解的，若能够稳定的持续检测到可疑障碍物，则可确定该可疑障碍物的检测状态为稳定检出；反之，若无法稳定的持续检测到可疑障碍物，即检测到可疑障碍物的时长较短，例如对一个可疑障碍物仅检测到一帧，则可确定该可疑障碍物的检测状态为非稳定检出。

S403、将非稳定检出的动态障碍物，作为误检障碍物。

可以理解的，非稳定检出的动态障碍物，大概率是误检出的障碍物，例如实际上并不存在的障碍物，所以不应该被作为可能导致车辆刹车的可疑障碍物，因此将非稳定检出的动态障碍物，作为误检障碍物。

S404、根据车辆的历史行驶轨迹，确定该可疑障碍物是否被车辆碾压。其中，历史行驶轨迹为车辆的真实行驶轨迹。

当车辆的历史行驶轨迹与可疑障碍物的位置存在交集，则可以确定该可疑障碍物被车辆碾压。反之，当车辆的历史行驶轨迹与可疑障碍物的位置不存在交集，则可以确定该可疑障碍物未被车辆碾压。

S405、将被车辆碾压的静态障碍物，作为误检障碍物。

由于静态障碍物可以被车辆碾压，说明该静态障碍物实际上并不影响车辆行驶，不应该被作为可能导致车辆刹车的可疑障碍物，因此将被车辆碾压的静态障碍物，作为误检障碍物。

通过上述方法，本公开实施例可以将非稳定检出的动态障碍物和被车辆碾压的静态障碍物，作为误检障碍物。由于非稳定检出的动态障碍物和被车辆碾压的静态障碍物，大概率不会影响车辆正常行驶，因此不应当被认定为可疑障碍物，因此将这些障碍物作为误检障碍物，提高了确定误检障碍物的准确性。

在本公开实施例中，上述S402确定可疑障碍物的检测状态的方式可以实现为：从该可疑障碍物的检出时刻开始，判断预设时间段内，该可疑障碍物的累计检测时长是否超过预设时长，以及是否在指定时刻检测到该可疑障碍物。

若判断结果均为是，则确定该可疑障碍物的检测状态为稳定检出。

若任一判断结果为否，则确定该可疑障碍物的检测状态为非稳定检出。

本公开实施例中，可以设可疑障碍物的检出时刻为t，预设时间段为t～t+T，预设时长为T/2，指定时刻为t+T。其中，T为预先设置的一段时间，例如T为5秒。

由于累计检测时长不超过预设时长，且指定时刻未检测到的障碍物，是出现时间较短的障碍物，这些障碍物大概率是由误检导致的，实际上可能并不存在，或者并不影响车辆行驶，因此可以将这些动态障碍物作为误检障碍物，从而提高检测误检障碍物的准确性。

在本公开实施例中，上述S404中确定静态障碍物是否被车辆碾压的方式，包括如下步骤：

步骤1、判断该可疑障碍物的中心点和车辆的历史行驶轨迹之间的最短距离，是否小于或等于指定距离。若是，则执行步骤3；若否，则执行步骤2。

如图3所示，假设在车辆的车体坐标系下，车辆前进方向为y，障碍物中心点的位置为(x_obs,y_obs)。若

且|x_obs|≤L_s，则执行步骤3，否则执行步骤2。其中，L_s为指定安全阈值，计算方式可参考公式(1)，l_阈值为预设的长度阈值，l_车长为车辆长度。

步骤2、根据车辆的历史行驶轨迹，确定车辆与该可疑障碍物距离最近时的车辆边界位置，并判断该可疑障碍物的边界位置与车辆边界位置是否存在交集。若存在，则执行步骤3；若不存在，则执行步骤4。

本公开实施例中，在检测到障碍物的长宽和航行角时，可以确定障碍物为凸包。根据车辆与该可疑障碍物距离最近时，障碍物的长宽和航向角，确定障碍物的标定盒(bounding box)位置。并根据车辆与该可疑障碍物距离最近时，车辆的长宽和航向角，确定车辆的标定盒位置。根据这两个标定盒位置，判断两个标定盒是否相交，其中，标定盒可以为矩形或其他形状。

图5和图6中车辆所在的矩形为车辆标定盒，障碍物所在的六边形为障碍物标定盒。在判断时，可以使用跨立算法，判断一个标定盒的任一边，是否与另一标定盒的任一边相交。若是，则确定两个标定盒相交，即该可疑障碍物的边界位置与车辆边界位置存在交集，例如车辆标定盒和障碍物标定盒位置关系如图5所示。若否，参见图6，可能是障碍物标定盒处于车辆标定盒内部，则可以判断障碍物标定盒的任一端点，向任意方向引出的射线，与车辆标定盒的交点数是否为奇数；若是，则障碍物标定盒处于车辆标定盒内部，即障碍物的边界位置与车辆边界位置存在交集。反之，障碍物标定盒不处于车辆标定盒内部，即障碍物的边界位置与车辆边界位置不存在交集。

若未检测到障碍物的长宽和航向角，则确定障碍物为凹包，例如障碍物形状如图7所示，其中图7中车辆所在的矩形为车辆标定盒，此时可以在障碍物的任一边界点处于车辆标定盒内部时，确定障碍物的边界位置与车辆边界位置存在交集；否则，确定障碍物的边界位置与车辆边界位置不存在交集。

步骤3、确定该可疑障碍物被车辆碾压。

步骤4、确定该可疑障碍物未被车辆碾压。

通过上述方法，本公开实施例可以根据静态的可疑障碍物与车辆历史行驶轨迹之间的距离，判断车辆是否碾压该可疑障碍物。由于静态的障碍物被车辆碾压，说明该障碍物并不影响车辆行驶，不应当被认定为影响车辆行驶的可疑障碍物，因此将这些障碍物作为误检障碍物，能够提高确定误检障碍物的准确性。

在确定误检障碍物之后，可以确定车辆真实的刹车是否与误检障碍物有关。即，上述S104确定刹车时刻的刹车原因是否为障碍物的误检的方式，可以实现为：判断检出时刻集合中，是否存在满足预设条件的目标检出时刻。其中，预设条件包括：检出时刻小于或等于刹车时刻，且刹车时刻与检出时刻的差值小于预设时间差。

若存在，则确定刹车时刻的刹车原因为障碍物的误检；

若不存在，则确定刹车时刻的刹车原因不为障碍物的误检。例如，刹车原因可以是车辆前进方向确有影响车辆行驶的障碍物，或者车辆行驶至路口时需要等待红灯结束等。

本公开实施例中，可以将车辆行驶时的加速度小于预设加速度阈值的时刻，作为刹车时刻t_brake，例如预设加速度阈值为-2或-5。假设误检障碍物集合为S₀，各误检障碍物的检出时刻集合为T_c＝{t₁,t₂,…,t_m}，其中，m为误检障碍物数量。若存在t_i∈T_c，t_i≤t_brake，且t_brake-t_i≤t_阈值，则确定刹车时刻t_brake的刹车原因为障碍物的误检。若不存在，则确定刹车时刻t_brake的刹车原因不为障碍物的误检。其中，t_阈值为预设时间差，例如t_阈值为3秒。

由于在检测到误检障碍物之后，才可能为了避免与误检障碍物发生碰撞而刹车，因此目标检出时刻应当小于或等于刹车时刻。而且，刹车时刻与障碍物检出时刻距离较近的情况下，刹车原因才有可能与误检障碍物有关，因此刹车时刻与目标检出时刻的差值应当小于或等于预设时间差。因此本公开实施例在存在目标检出时刻的情况下，确定刹车时刻的刹车原因为障碍物的误检，从而提高确定刹车原因的准确性。

在确定刹车原因为障碍物的误检之后，为了减少此类刹车事件的发生，可以通过与刹车时刻关联的误检障碍物，优化用于检测障碍物的感知模型。具体方式包括如下步骤：

步骤(1)、获取目标检出时刻对应的误检障碍物的障碍物信息。

其中，障碍物信息包括障碍物的检出时刻和障碍物ID。可选的，障碍物信息还可以包括：障碍物类型、速度、尺寸、航向角和标定盒位置等。

可选的，还可以获取感知误检急刹信息，例如，车辆ID和刹车时刻车辆的加速度，以便后续分析人员可基于感知误检急刹信息和障碍物信息进行人工分析。

步骤(2)、获取障碍物信息的误检标签。其中，误检标签用于表示障碍物信息对应的障碍物为误检障碍物。

步骤(3)、利用障碍物信息和误检标签，训练感知模型。其中，感知模型用于检测车辆周围的障碍物。例如，上述步骤一中检测得到的车辆周围的障碍物，可以是感知模型检测到的非误检障碍物。

在训练时，可以将障碍物信息输入感知模型，得到感知模型输出的该障碍物是否为误检障碍物。并根据感知模型输出结果与误检标签进行比较，得到损失值，利用损失值调整感知模型的模型参数，并不断迭代直至感知模型收敛。

通过上述方法，本公开实施例可以基于误检障碍物，训练感知模型，从而使得感知模型能够越来越准确地识别误检障碍物。进而减少误检障碍物引起的刹车，提高车辆行驶安全性和稳定性。

参见图8，以下结合实际应用场景，对本公开实施例提供的误检刹车检测方法的整体流程进行说明：

获取车端信息。其中，车端信息包括：实时位置信息、实时感知报出、实时轨迹预测和实时车况。其中，实时位置信息包括障碍物的当前位置，实时感知报出包括障碍物的检出时刻，实时轨迹预测包括车辆的预测轨迹规划线，实时车况包括车辆的速度和航向角等。其中，对障碍物的检测可由感知模型检测得到。

在进行误检急刹判断时，首先进行误检判断，即先过滤无关障碍物，即过滤不处于车辆行驶方向上的障碍物，之后进行车辆与障碍物碰撞风险计算，得到与车辆存在碰撞风险的可疑障碍物。

然后在可疑障碍物中，进行动态障碍物检出稳定性判断，得到非稳定检出的动态障碍物。并进行静态障碍物碾压判断，得到被车辆碾压的静态障碍物。之后得到非稳定检出的动态障碍物和被车辆碾压的静态障碍物的检出时刻集合，进行障碍物检出时间与急刹时间判断，从而得到急刹时刻的刹车原因是否为障碍物的误检。

在后续进行数据使用的过程中，在刹车原因为障碍物的误检的情况下，进行感知误检急刹场景分析，即获取引起急刹的误检障碍物的障碍物信息。然后对障碍物信息进行数据标注，得到障碍物信息的误检标签。之后利用障碍物信息和误检标签，进行感知模型训练。之后对训练后得到的感知模型进行模型部署，使得车辆后续可使用训练后得到的感知模型，检测车辆周围的障碍物。

本公开实施例通过结合实时的碰撞风险预测，得到可疑障碍物，以及后验的稳定性检出判断和碾压判断，得到误检障碍物，实现了对各种类型障碍物的误检分析，以便对各种误检障碍物是否导致急刹的精准识别。

基于相同的发明构思，对应于上述方法实施例，本公开实施例还提供了一种误检刹车检测装置，如图9所示，该装置包括：筛选模块901、获取模块902和确定模块903；

筛选模块901，用于从障碍物集合中，筛选出与车辆存在碰撞风险的可疑障碍物；障碍物集合为车辆行驶过程中检测到的障碍物；

筛选模块901，还用于从各可疑障碍物中筛选出存在误检可能性的误检障碍物；

获取模块902，用于分别获取筛选模块901筛选的各误检障碍物的检出时刻，得到检出时刻集合；

确定模块903，用于获取车辆的刹车时刻，并通过对比刹车时刻和获取模块902获取的检出时刻集合，确定刹车时刻的刹车原因是否为障碍物的误检。

在本公开的一些实施例中，其中，筛选模块901，具体用于：

针对每个可疑障碍物，判断该可疑障碍物是否为动态障碍物；

若该可疑障碍物为动态障碍物，则根据检测到该可疑障碍物的时间，确定该可疑障碍物的检测状态是否为稳定检出；

将非稳定检出的动态障碍物，作为误检障碍物；

若该可疑障碍物为静态障碍物，则根据车辆的历史行驶轨迹，确定该可疑障碍物是否被车辆碾压；

将被车辆碾压的静态障碍物，作为误检障碍物。

在本公开的一些实施例中，其中，筛选模块901，具体用于：

从该可疑障碍物的检出时刻开始，判断预设时间段内，该可疑障碍物的累计检测时长是否超过预设时长，以及是否在指定时刻检测到该可疑障碍物；

若判断结果均为是，则确定该可疑障碍物的检测状态为稳定检出；

若任一判断结果为否，则确定该可疑障碍物的检测状态为非稳定检出。

在本公开的一些实施例中，其中，筛选模块901，具体用于：

判断该可疑障碍物的中心点和车辆的历史行驶轨迹之间的最短距离，是否小于或等于指定距离；

若是，则确定该可疑障碍物被车辆碾压；

若否，则根据车辆的历史行驶轨迹，确定车辆与该可疑障碍物距离最近时的车辆边界位置，并判断该可疑障碍物的边界位置与车辆边界位置是否存在交集；

若存在，则确定该可疑障碍物被车辆碾压；

若不存在，则确定该可疑障碍物未被车辆碾压。

在本公开的一些实施例中，其中，筛选模块901，具体用于：

从障碍物集合中，筛选出位于车辆前进方向上，与车辆距离小于预设距离，且与车辆预测轨迹规划线之间的最短距离小于指定安全阈值的障碍物；

在筛选出的障碍物中，根据车辆的车速，预测车辆从检出时刻开始刹车，仍存在碰撞风险的可疑障碍物。

在本公开的一些实施例中，其中，筛选模块901，具体用于：

从筛选出的障碍物中，获取在车辆的前进方向上的移动速度小于车速的障碍物；

针对获取的每个障碍物，预测车辆从检出时刻开始刹车，在前进方向上，车辆的位置与该障碍物的位置相同的时刻，作为预测碰撞时刻；

根据该障碍物的移动速度，确定该障碍物在预测碰撞时刻的预测位置；

判断预测位置与车辆预测轨迹规划线之间的最短距离，是否小于指定安全阈值；

若是，则确定该障碍物为可疑障碍物；

若否，则确定该障碍物为非可疑障碍物。

在本公开的一些实施例中，其中，确定模块903，具体用于：

判断检出时刻集合中，是否存在满足预设条件的目标检出时刻；其中，预设条件包括：检出时刻小于或等于刹车时刻，且刹车时刻与检出时刻的差值小于预设时间差；

若存在，则确定刹车时刻的刹车原因为障碍物的误检；

若不存在，则确定刹车时刻的刹车原因不为障碍物的误检。

本公开的技术方案中，所涉及的车辆信息及障碍物信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，电子设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储电子设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

电子设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如误检刹车检测方法。例如，在一些实施例中，误检刹车检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的误检刹车检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行误检刹车检测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

本公开实施例还提供了一种自动驾驶车辆，包括上述的电子设备。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (18)

1.一种误检刹车检测方法，包括：

从障碍物集合中，筛选出与车辆存在碰撞风险的可疑障碍物；所述障碍物集合为车辆行驶过程中检测到的障碍物；

从各可疑障碍物中筛选出存在误检可能性的误检障碍物；

分别获取各误检障碍物的检出时刻，得到检出时刻集合；

获取所述车辆的刹车时刻，并通过对比所述刹车时刻和所述检出时刻集合，确定所述刹车时刻的刹车原因是否为障碍物的误检。

2.根据权利要求1所述的方法，其中，所述从各可疑障碍物中筛选出存在误检可能性的误检障碍物，包括：

针对每个可疑障碍物，判断该可疑障碍物是否为动态障碍物；

若该可疑障碍物为动态障碍物，则根据检测到该可疑障碍物的时间，确定该可疑障碍物的检测状态是否为稳定检出；

将非稳定检出的动态障碍物，作为所述误检障碍物；

若该可疑障碍物为静态障碍物，则根据所述车辆的历史行驶轨迹，确定该可疑障碍物是否被所述车辆碾压；

将被所述车辆碾压的静态障碍物，作为所述误检障碍物。

3.根据权利要求2所述的方法，其中，所述根据检测到该可疑障碍物的时间，确定该可疑障碍物的检测状态是否为稳定检出，包括：

从该可疑障碍物的检出时刻开始，判断预设时间段内，该可疑障碍物的累计检测时长是否超过预设时长，以及是否在指定时刻检测到该可疑障碍物；

若判断结果均为是，则确定该可疑障碍物的检测状态为稳定检出；

若任一判断结果为否，则确定该可疑障碍物的检测状态为非稳定检出。

4.根据权利要求2所述的方法，其中，所述根据所述车辆的历史行驶轨迹，确定该可疑障碍物是否被所述车辆碾压，包括：

判断该可疑障碍物的中心点和所述车辆的历史行驶轨迹之间的最短距离，是否小于或等于指定距离；

若是，则确定该可疑障碍物被所述车辆碾压；

若否，则根据所述车辆的历史行驶轨迹，确定所述车辆与该可疑障碍物距离最近时的车辆边界位置，并判断该可疑障碍物的边界位置与所述车辆边界位置是否存在交集；

若存在，则确定该可疑障碍物被所述车辆碾压；

若不存在，则确定该可疑障碍物未被所述车辆碾压。

5.根据权利要求1-4任一项所述的方法，其中，所述从障碍物集合中，筛选出与车辆存在碰撞风险的可疑障碍物，包括：

从所述障碍物集合中，筛选出位于所述车辆前进方向上，与所述车辆距离小于预设距离，且与所述车辆预测轨迹规划线之间的最短距离小于指定安全阈值的障碍物；

在筛选出的障碍物中，根据所述车辆的车速，预测所述车辆从检出时刻开始刹车，仍存在碰撞风险的可疑障碍物。

6.根据权利要求5所述的方法，其中，所述根据所述车辆的车速，预测所述车辆从检出时刻开始刹车，仍存在碰撞风险的可疑障碍物，包括：

从筛选出的障碍物中，获取在所述车辆的前进方向上的移动速度小于车速的障碍物；

针对获取的每个障碍物，预测所述车辆从检出时刻开始刹车，在所述前进方向上，所述车辆的位置与该障碍物的位置相同的时刻，作为预测碰撞时刻；

根据该障碍物的移动速度，确定该障碍物在所述预测碰撞时刻的预测位置；

判断所述预测位置与所述车辆预测轨迹规划线之间的最短距离，是否小于所述指定安全阈值；

若是，则确定该障碍物为可疑障碍物；

若否，则确定该障碍物为非可疑障碍物。

7.根据权利要求1-4任一项所述的方法，其中，所述通过对比所述刹车时刻和所述检出时刻集合，确定所述刹车时刻的刹车原因是否为障碍物的误检，包括：

判断所述检出时刻集合中，是否存在满足预设条件的目标检出时刻；其中，所述预设条件包括：检出时刻小于或等于所述刹车时刻，且所述刹车时刻与检出时刻的差值小于预设时间差；

若存在，则确定所述刹车时刻的刹车原因为障碍物的误检；

若不存在，则确定所述刹车时刻的刹车原因不为障碍物的误检。

8.一种误检刹车检测装置，包括：

筛选模块，用于从障碍物集合中，筛选出与车辆存在碰撞风险的可疑障碍物；所述障碍物集合为车辆行驶过程中检测到的障碍物；

所述筛选模块，还用于从各可疑障碍物中筛选出存在误检可能性的误检障碍物；

获取模块，用于分别获取所述筛选模块筛选的各误检障碍物的检出时刻，得到检出时刻集合；

确定模块，用于获取所述车辆的刹车时刻，并通过对比所述刹车时刻和所述获取模块获取的所述检出时刻集合，确定所述刹车时刻的刹车原因是否为障碍物的误检。

9.根据权利要求8所述的装置，其中，所述筛选模块，具体用于：

针对每个可疑障碍物，判断该可疑障碍物是否为动态障碍物；

若该可疑障碍物为动态障碍物，则根据检测到该可疑障碍物的时间，确定该可疑障碍物的检测状态是否为稳定检出；

将非稳定检出的动态障碍物，作为所述误检障碍物；

若该可疑障碍物为静态障碍物，则根据所述车辆的历史行驶轨迹，确定该可疑障碍物是否被所述车辆碾压；

将被所述车辆碾压的静态障碍物，作为所述误检障碍物。

10.根据权利要求9所述的装置，其中，所述筛选模块，具体用于：

从该可疑障碍物的检出时刻开始，判断预设时间段内，该可疑障碍物的累计检测时长是否超过预设时长，以及是否在指定时刻检测到该可疑障碍物；

若判断结果均为是，则确定该可疑障碍物的检测状态为稳定检出；

若任一判断结果为否，则确定该可疑障碍物的检测状态为非稳定检出。

11.根据权利要求9所述的装置，其中，所述筛选模块，具体用于：

判断该可疑障碍物的中心点和所述车辆的历史行驶轨迹之间的最短距离，是否小于或等于指定距离；

若是，则确定该可疑障碍物被所述车辆碾压；

若否，则根据所述车辆的历史行驶轨迹，确定所述车辆与该可疑障碍物距离最近时的车辆边界位置，并判断该可疑障碍物的边界位置与所述车辆边界位置是否存在交集；

若存在，则确定该可疑障碍物被所述车辆碾压；

若不存在，则确定该可疑障碍物未被所述车辆碾压。

12.根据权利要求8-11任一项所述的装置，其中，所述筛选模块，具体用于：

从所述障碍物集合中，筛选出位于所述车辆前进方向上，与所述车辆距离小于预设距离，且与所述车辆预测轨迹规划线之间的最短距离小于指定安全阈值的障碍物；

在筛选出的障碍物中，根据所述车辆的车速，预测所述车辆从检出时刻开始刹车，仍存在碰撞风险的可疑障碍物。

13.根据权利要求12所述的装置，其中，所述筛选模块，具体用于：

从筛选出的障碍物中，获取在所述车辆的前进方向上的移动速度小于车速的障碍物；

针对获取的每个障碍物，预测所述车辆从检出时刻开始刹车，在所述前进方向上，所述车辆的位置与该障碍物的位置相同的时刻，作为预测碰撞时刻；

根据该障碍物的移动速度，确定该障碍物在所述预测碰撞时刻的预测位置；

判断所述预测位置与所述车辆预测轨迹规划线之间的最短距离，是否小于所述指定安全阈值；

若是，则确定该障碍物为可疑障碍物；

若否，则确定该障碍物为非可疑障碍物。

14.根据权利要求8-11任一项所述的装置，其中，所述确定模块，具体用于：

判断所述检出时刻集合中，是否存在满足预设条件的目标检出时刻；其中，所述预设条件包括：检出时刻小于或等于所述刹车时刻，且所述刹车时刻与检出时刻的差值小于预设时间差；

若存在，则确定所述刹车时刻的刹车原因为障碍物的误检；

若不存在，则确定所述刹车时刻的刹车原因不为障碍物的误检。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

18.一种自动驾驶车辆，包括如权利要求15所述的电子设备。

Images