CN116279350A

CN116279350A - 一种自动紧急刹车方法、计算机设备、可读存储介质及机动车

Info

Publication number: CN116279350A
Application number: CN202211739452.2A
Authority: CN
Inventors: 丘若峰; 胡凯; 余伟; 王耀农
Original assignee: Zhejiang Zero Run Technology Co Ltd
Current assignee: Zhejiang Zero Run Technology Co Ltd
Priority date: 2022-12-30
Filing date: 2022-12-30
Publication date: 2023-06-23

Abstract

本发明公开了一种自动紧急刹车方法、计算机设备、可读存储介质及机动车，涉及机动车技术领域，包括如下步骤：建立目标集，其中的元素为与自车会车的障碍车辆；创建道路信息集，包括车道线信息以及路沿信息；根据自车位置、目标集和道路信息集计算自车避撞的代价值，所述代价值为自车避撞所需的横向加速度；如果所述代价值小于自车极限运动值，则向驾驶员示警；如果所述代价值大于自车极限运动值，则对车辆进行制动。本发明所提供的目标选择方法通过提取道路信息以及相邻车道障碍车辆的信息，计算评估危险程度。

Description

一种自动紧急刹车方法、计算机设备、可读存储介质及机动车

技术领域

本发明涉及机动车技术领域，具体涉及一种自动紧急刹车方法、计算机设备、可读存储介质及机动车。

背景技术

自动紧急制动(Autonomous Emergency Braking)，是基于环境感知传感器，例如毫米波雷达或视觉摄像头等感知前方可能与车辆、行人或其他交通参与者所发生的碰撞风险，并通过系统触发执行机构，如电子稳定程序(Electronic Stability Program)等来实施制动，以避免碰撞或减轻碰撞程度的主动安全功能。广义上，AEB不仅包含紧急制动功能，还包含前向碰撞预警(Front Collision Warning)以及紧急制动辅助(Emergency BrakingAssist)。AEB系统通过毫米波雷达、双目视觉摄像头、激光雷达以及多传感器数据融合来探测目标信息，并根据目标速度、相对距离等实时计算碰撞风险。当碰撞危险达到所设定的临界值时，系统会通过声音、图像等信息传递方式提醒驾驶员避撞，如果驾驶员未做出任何避撞举动，AEB系统会主动介入实现紧急避撞。

TTC是危险估计中应用最广泛的指标，定义为本车与目标车之间的纵向相对距离除以相对速度。但是，TTC算法只考虑了TTC时刻内主车与目标车辆在纵向上的运动距离，未考虑目标可能存在的驾驶行为，如超车行为、变道行为等。简单的目标选择策略容易导致功能的晚触发，漏触发，从而引发交通事故的发生。可见，现有技术中关于AEB的目标危险估计筛选算法只考虑了主车当前车道，即主车前方的目标，对于相邻车道可能变道切入的目标未做危险估计以及筛选处理。

发明内容

为解决前述问题，本发明提供了一种自动紧急刹车方法，通过提取道路信息以及相邻车道障碍车辆的信息，计算评估危险程度。

为了达到上述目的，本发明采用如下技术方案：

一种自动紧急刹车方法，包括如下步骤：

建立目标集，所述目标集中的元素为与自车会车的障碍车辆；

创建道路信息集，所述道路信息集包括车道线信息以及路沿信息；

根据自车位置、目标集和道路信息集计算自车避撞的代价值，所述代价值为自车避撞所需的横向加速度；

根据代价值进行如下判断：

如果所述代价值大于自车极限运动值，则对车辆进行制动；所述自车极限运动值为当前车速下方向盘满转时车辆所能产生的最大横向加速度。

可选的，根据目标集和道路信息集计算自车避撞的代价值包括如下步骤：

根据自车位置、目标集和道路信息集生成行为，并创建行为列表，所述行为是自车与障碍车辆相切且无碰撞的路径，生成行为时获得每个行为下自车避撞的代价值；

基于递归搜索，对行为列表中的行为所对应的自车位置、目标集和道路信息集重新生成行为，重新生成行为时获得每个重新生成的行为下自车避撞的代价值；

对每个连续的行为取两次生成行为时得到的代价值中的较大值做备选；

从若干备选的代价值中选取最小值作为自车避撞的代价值。

可选的，根据自车位置、目标集和道路信息集生成行为，并创建行为列表包括如下步骤：

预测障碍车辆的横向位置和速度以及自车在预测时间内各个位置的横向速度；

对自车在预测时间内的各个位置执行以下操作：

判断位置上是否存在对应的目标集中的元素和道路信息集中的元素；如果不存在，则行为列表中首个元素赋值0；如果存在，针对目标集计算自车相对障碍车辆的行为所需的代价值；针对道路信息集计算自车相对道路的行为所需的代价值；

对代价值进行筛选，存储筛选出的代价值对应的行为，以及所产生的横向加速度、应施加加速度的时间以及障碍车辆的序号。

可选的，针对目标集计算自车相对障碍车辆的行为所需的代价值包括如下步骤：

遍历目标集内所有障碍车辆，根据如下公式计算自车相对障碍车辆的四个角点的代价值：

自车与障碍车辆横向相对加速度向左：

自车与障碍车辆横向相对加速度向右：

其中，P’为计算的过程表征量，P为自车与障碍车辆的相对距离，width_ego为自车宽度，width_obj为障碍车辆的宽度，P_y为障碍车辆与自车的横向距离，V_y为障碍车辆横向的速度，V_yh为自车横向的速度，A_y为障碍车辆的横向加速度，A_{yh_left}为自车相对障碍车辆的角点向左的代价值；A_{yh_right}为自车相对障碍车辆的角点向右的代价值，TTC为自车与障碍车辆相切或发生碰撞的时间；

求解出的四个角点的代价值中，右侧的角点为ALatRqrdRi1和ALatRqrdRi2，ALatRqrdRi1的TTC值大于ALatRqrdRi2的TTC值；左侧的角点为ALatRqrdLe1和ALatRqrdLe2，ALatRqrdLe1的TTC值大于ALatRqrdLe2；

判断自车相对障碍车角点的代价值所对应的行为是否成立；

对成立的代价值进行筛选；

筛选后根据如下公式计算自车相对目标集内其他障碍车辆的代价值：

Solve(diff(P,t),P,t,a_h)

得到：

V₀＝(V_y-V_yh)＝(V_Lat-Vself_Lat)

a₀＝A_y＝A_Lat

其中，a_h为横向发生位置重叠所需的时间和加速度，t为待判断的TTC值，Posn_Lat是当前障碍车辆的横向位置，V_Lat是障碍车辆的横向速度，Vself_Lat是自车的横向速度,A_Lat是障碍车辆的横向加速度；

障碍车辆在自车的右侧时，如果待判断的TTC值小于ALatRqrdLe1的TTC值和ALatRqrdLe2的TTC值，比较成立的代价值和a_h，如果a_h大于成立的代价值，则将a_h及其t值替换成立的代价值及其TTC值；

障碍车辆在自车的左侧时，如果待判断的TTC值小于ALatRqrdRi1的TTC值和ALatRqrdRi2的TTC值，比较成立的代价值和a_h，如果a_h大于成立的代价值，则将a_h及其t值替换成立的代价值及其TTC值。

可选的，判断自车相对障碍车角点的代价值所对应的行为是否成立包括如下步骤：

如果自车和障碍车辆的相对速度向左，则自车的左前角点相对于障碍车辆的最近的右角点的代价值对应的行为成立，自车的右前角点和相对于障碍车辆的最近的左角点的代价值对应的行为成立；

如果自车和障碍车辆的相对速度向右，则自车的右前角点相对于障碍车辆的最近的左角点的代价值对应的行为成立，自车的左前角点和相对于障碍车辆的最近的右角点的代价值对应的行为成立。

可选的，对成立的代价值进行筛选包括如下步骤：

如果ALatRqrdRi1和ALatRqrdRi2所对应的行为全部有效，判断ALatRqrdRi1和ALatRqrdRi2的大小；

如果ALatRqrdRi2<ALatRqrdRi1，则选择ALatRqrdRi1；否则判断ALatRqrdRi1和ALatRqrdRi2绝对值的大小；

如果abs(ALatRqrdRi1)<abs(ALatRqrdRi2)，选择ALatRqrdRi1，否则选择ALatRqrdRi2；

如果ALatRqrdRi1和ALatRqrdRi2所对应的行为只有一个有效，则选择有效行为对应的代价值；

如果ALatRqrdRi1和ALatRqrdRi2所对应的行为全部无效，分别给ALatRqrdRi1和ALatRqrdRi2及其对应TTC赋极大值；

如果ALatRqrdLe1和ALatRqrdLe2所对应的行为全部有效，判断ALatRqrdLe1和ALatRqrdLe2的大小；

如果ALatRqrdLe1<ALatRqrdLe2，则选择ALatRqrdLe1，否则判断ALatRqrdLe1和ALatRqrdLe2绝对值的大小；

如果abs(ALatRqrdLe2)<abs(ALatRqrdLe1)，则选择ALatRqrdLe1，否则选择ALatRqrdLe2；

如果ALatRqrdLe1和ALatRqrdLe2所对应的行为只有一个有效，则选择有效行为对应的代价值；

如果ALatRqrdLe1和ALatRqrdLe2所对应的行为全部无效，分别给ALatRqrdLe1和ALatRqrdLe2及其对应TTC赋极大值。

可选的，针对道路信息集计算自车相对道路的行为所需的代价值包括如下步骤：

自车的横向速度和道路多项式的一阶系数的乘积与自车的纵向速度和道路多项式的一阶系数的乘积对比，判断自车与车道是否平行，道路多项式为拟合道路曲线的三次多项式，如果平行，TTC_load值赋值为0，如果不平行，按照如下公式计算TTC_load值：

其中，TTC_load为自车与道路边沿相切或发生碰撞的时间，ConstCoeff为道路多项式的常系数，Offset为自车偏置，Vself_Lat为自车的横向速度,，Vself_Lgt为自车的纵向速度，FirstCoeff为道路多项式的一阶系数；

如果车道线处于自车的半宽内，TTC_load赋值为0，同时赋值为0的TTC_load对应的代价值所对应的行为为无效行为，代价值赋值为极大值，如果车道线未处于自车的半宽内，通过常加速模型得到对应的代价值，作为与车道线相切的代价值；

计算TTE时刻自车与车道线的横向位置，TTE为自车到达道路尽头的时刻，如果车道线在自车的左侧，则自车与车道线的横向位置减去自车半宽，如果车道线在自车的右侧，则自车与车道线的横向位置加上自车半宽；如果自车与车道线的横向位置所对应的TTE值大于0，则通过常加速模型得到对应的代价值，作为车辆到达到道路终点的代价值；如果自车与车道线的横向位置所对应的TTE值不大于0，代价值赋值为极大值；

比较TTC_load值和TTE值，如果TTC_load值大于TTE值，则与车道线相切的代价值对应的行为有效，如果TTE值大于0且自车与车道线之间的距离大于自车的半宽，则车辆到达道路终点的行为有效，如果两种行为均为有效，则TTC_load值较小的代价值所对应的行为为有效，如果两种行为均为无效，则分别向两种动作的TTC_load赋值为0。

可选的，对代价值进行筛选包括如下步骤：

判断横向加速度为0是否为可用的行为，所述可用的行为是自车在各个位置不与其他位置计算得到的行为发生碰撞的行为；障碍车辆不发生碰撞的路径，如果横向加速度为0不是一个可用的行为，则对向左移动、向右移动、与道路线相切的行为进行如下判断：

代价值的绝对值是否小于预设阈值，如果不小于，则代价值对应的行为为无用的行为，如果小于，则判断代价值对应的行为是否与其他位置计算得到的行为发生碰撞，如果无碰撞，则该代价值作为筛选出的代价值；

如果不存在筛选出的代价值，则对行为列表中的第一个元素赋极大值。

可选的，创建道路信息集包括如下步骤：

将道路的曲线由三次多项式进行拟合；

将线段分为至少三段，根据如下公式判断每段线段是否为在道路边界内：

其中，Boundaries为道路的宽度，x为线段的在道路的位置，c₀为三次多项式中的常数项，c₁为三次多项式中一次项的系数，c₂为三次多项式中二次项的系数，c₃为三次多项式中三次项的系数；

获得道路的使能信息，如果道路连续且自车在道路内的加速度小于阈值，则该道路为有效道路，否则为无效道路；

计算自车到达道路尽头所需的时间TTE值：

其中，V_rel为自车速度的相反数，a_rel为自车加速度的相反数，P为道路长度减去自车后轴中心到车头的长度；

存储道路的使能信息、TTE值、三次多项式中的常数项和一次项；

将道路信息集按照左、右分开存储，将无效道路的TTE值赋-2，将有效道路但是三次多项式中的常数项不满足限定值的道路的TTE值赋-1，有效道路且三次多项式中的常数项满足限定值的TTE为计算值；

将道路按照降序排序，分开储存排序后的左、右道路的索引值，并将有效道路及其索引值存入道路信息集，最多存入4个有效道路，所述索引值为道路信息集中道路信息的序号。

可选的，建立目标集包括如下步骤：

除自车位置外，其余位置由InPath目标按照距离由近及远依次填入初始目标集，InPath目标为在自车坐标系中y轴的投影与自车有重合的障碍车辆；

遍历得到的初始目标集，如果初始目标集中的元素有效且对应的TTC_F满足预设范围，则将该元素存入目标集，TTC_F为本车与目标车辆之间的纵向相对距离除以相对速度。

本发明所提供的自动紧急刹车方法，基于递归搜索树搜索生成一系列可以无碰撞的避障行为或者避撞路径，在行为生成算法中使用假设，即如果最优路径不是笔直向前，那么它将始终与至少一个对象相切。通过使用此假设，显著降低了寻找最优路径的计算成本，节约了大量算力。并且，通过两次搜索，用当前时刻预测未来时刻，再利用未来时刻进行预测，结合道路信息以及相邻车道的车辆信息，总体计算评估危险程度，将车辆压线、碰撞路沿、相邻车道并线等情况均纳入计算，突破了现有技术中仅考虑自车车道的局限性，所计算出的危险目标拥有更高的置信度。

并且，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前述任意一项所述的自动紧急刹车方法。

同时，本发明还提供了一种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上述任一项所述的自动紧急刹车方法。

此外，本发明还提供了一种机动车，所述机动车具有AEB系统，所述AEB系统执行前述任意一项所述的自动紧急刹车方法；

或所述机动车具有前述的计算机设备；

或所述机动车具有前述的计算机可读存储介质，所述计算机程序被处理器执行时实现前述任意一项所述的自动紧急刹车方法。

本发明的这些特点和优点将会在下面的具体实施方式以及附图中进行详细的揭露。本发明最佳的实施方式或手段将结合附图来详尽表现，但并非是对本发明技术方案的限制。另外，在每个下文和附图中出现的这些特征、要素和组件是具有多个，并且为了表示方便而标记了不同的符号或数字，但均表示相同或相似构造或功能的部件。

附图说明

下面结合附图对本发明作进一步说明：

图1为本发明实施例中的流程图；

图2为本发明实施例中对成立的代价值进行筛选的流程图；

图3为本发明实施例中连续的行为的示意图。

具体实施方式

下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。

在本说明书中引用的“一个实施例”或“实例”或“例子”意指结合实施例本身描述的特定特征、结构或特性可被包括在本专利公开的至少一个实施例中。短语“在一个实施例中”在说明书中的各位置的出现不必都是指同一个实施例。

实施例：

如图1所示，本实施例提供了一种自动紧急刹车方法，用于车辆的AEB系统，包括如下步骤：

建立目标集，目标集中的元素为与自车会车的障碍车辆。本实施例中所提到的会车，并仅指对向来车，而是指在自车坐标系下分别计算自车后轴中心与目标车辆车头、自车车头与目标车车尾的距离，即两车最远边和最近边的距离，这个距离是存在方向的，如果两者同号，则认为该目标是会车目标，将该目标的横向距离赋为真实横向距离，否则将该值赋为100000。

遍历得到的初始目标集，如果初始目标集中的元素有效且对应的TTC_F满足预设范围，则将该元素存入目标集，TTC_F为本车与目标车辆之间的纵向相对距离除以相对速度。具体到本实施例中，TTC_F的预设范围为0<TTC_F<10，而目标的有效性为，初始目标集中的前8个元素为有效。同时，本实施例中，目标集最多容纳6个目标。在其他实施例中，TTC_F的预设范围、元素的有效性，可由本领域技术人员根据车型、标定要求灵活设置，在此不做限定。

创建道路信息集，包括车道线信息以及路沿信息，道路信息集的创建包括如下步骤：

将道路的曲线由三次多项式进行拟合；

其中，Boundaries为道路的宽度，x为线段的在道路的位置，c₀为三次多项式中的常数项，c₁为三次多项式中一次项的系数，c₂为三次多项式中二次项的系数，c₃为三次多项式中三次项的系数。通过此公式就求解出的x的值如果符合不等式要求，则该线段在对应区间段内被视为处于道路边界内。

获得道路的使能信息，如果道路连续且自车在道路内的加速度小于阈值，则该道路为有效道路，否则为无效道路。加速度的阈值根据车辆的车型、性能由本领域技术人员进行设定，具体到本实施例中选用5m/s²。

计算自车到达道路尽头所需的时间TTE值：

将道路信息集按照左、右分开存储，将无效道路的TTE值赋-2，将有效道路但是三次多项式中的常数项不满足限定值的道路的TTE值赋-1，有效道路且三次多项式中的常数项满足限定值的TTE为计算值。本实施例中，常数项的限定值为绝对值大于等于3。

此处需要指出的是，目标集的建立以及道路信息集的建立，并不存在先后顺序，本实施例中的阐述顺序，并非对两个步骤的顺序限定。本实施例在实施时，目标集以及道路信息集既可以同时建立，也可以先后建立，此处不作限定。

完成目标集和道路信息集的建立之后，根据自车位置、目标集和道路信息集计算自车避撞的代价值，代价值为自车避撞所需的横向加速度。代价值的包括如下步骤：

按照如下子步骤，根据自车位置、目标集和道路信息集生成行为，并创建行为列表，行为是自车与障碍车辆相切且无碰撞的路径，生成行为时获得每个行为下自车避撞的代价值：

预测障碍车辆的横向位置和速度以及自车在预测时间内各个位置的横向速度，预测的顺序为按照存储顺序从最后一个开始依次向前，根据常规物理公式中距离、速度、加速度的关系公式，计算出需要预测的时间范围内的各个位置。

对自车在预测时间内的各个位置执行以下操作：

判断位置上是否存在对应的目标集中的元素和道路信息集中的元素；如果不存在，则行为列表中首个元素赋值0；如果存在，针对目标集计算自车相对障碍车辆的行为所需的代价值；针对道路信息集计算自车相对道路的行为所需的代价值。在针对目标集计算自车相对障碍车辆的行为所需的代价值这一步骤中，遍历目标集内所有障碍车辆，根据如下公式计算自车相对障碍车辆的四个角点的代价值：

自车与障碍车辆横向相对加速度向左：

自车与障碍车辆横向相对加速度向右：

其中，P’为计算的过程表征量，P为自车与障碍车辆的相对距离，width_ego为自车宽度，width_obj为障碍车辆的宽度，本领域技术人员均知晓，自车与障碍车辆如何相切会避免碰撞。因此，根据障碍车辆与自车的相对位置不同，自车与障碍车辆的相对距离P也会产生相应变化，进而当自车与障碍车辆横向相对加速度向左以及向右时，分别取不同的值，进而分别计算出两个代价值。P_y为障碍车辆与自车的横向距离，V_y为障碍车辆横向的速度，V_yh为自车横向的速度，A_y为障碍车辆的横向加速度，A_{yh_left}为自车相对障碍车辆的角点向左的代价值；A_{yh_right}为自车相对障碍车辆的角点向右的代价值，TTC为自车与障碍车辆相切或发生碰撞的时间，A_{yh_left}和A_{yh_right}就是所要求解的代价值。

求解出的四个角点的代价值中，每个角点的代价值均对应一个TTC值，右侧的角点为ALatRqrdRi1和ALatRqrdRi2，ALatRqrdRi1的TTC值大于ALatRqrdRi2的TTC值；左侧的角点为ALatRqrdLe1和ALatRqrdLe2，ALatRqrdLe1的TTC值大于ALatRqrdLe2。

根据如下步骤判断自车相对障碍车角点的代价值所对应的行为是否成立。此处所提行为是否成立，指行为是行为否会与导致自车与障碍车辆发生碰撞，如果行为不会导致自车与障碍车辆发生碰撞，则该行为成立，如图2所示，：

按照如下步骤对成立的代价值进行筛选，所筛选出来的行为，即使在这一位置下最为合理的行为：

筛选出成立的代价值后，计算与其它障碍车辆路径相切的行为。与前述计算的区别是，存在纵向TTC_F时间之内，两车在横向上已经达到同一位置这样的可能，也就是说，筛选出成立的代价值后，还需要计算自车与障碍车辆在纵向未碰撞前，横向是否会先发生碰撞。并且，仅当自车与障碍车辆的横向相对速度部位0时需进行这一计算步骤。

根据如下公式计算自车相对目标集内其他障碍车辆的代价值：

Solve(diff(P,t),P,t,a_h)

得到：

V₀＝(V_y-V_yh)＝(V_Lat-Vself_Lat)

a₀＝A_y＝A_Lat

针对道路信息集计算自车相对道路的行为所需的代价值包括如下步骤：

自车的横向速度和道路多项式的一阶系数的乘积与自车的纵向速度和道路多项式的一阶系数的乘积对比，判断自车与车道是否平行，如果自车的横向速度和道路多项式的一阶系数的乘积大于自车的纵向速度和道路多项式的一阶系数的乘积对比，则自车与道路为平行，那么不存在越线，因此TTC_load值赋值为0。道路多项式为拟合道路曲线的三次多项式，如果不平行，按照如下公式计算TTC_load值：

其中，TTC_load为自车与道路边沿相切或发生碰撞的时间，ConstCoeff为道路多项式的常系数，Offset为自车偏置，VselfLat为自车的横向速度,，VselfLgt为自车的纵向速度，FirstCoeff为道路多项式的一阶系数；

而后判断自车是否已经压线：如果车道线处于自车的半宽内，TTC_load赋值为0，同时赋值为0的TTC_load对应的代价值所对应的行为为无效行为，代价值赋值为极大值，如果车道线未处于自车的半宽内，通过常加速模型得到对应的代价值，作为与车道线相切的代价值。常加速度模型为常规物理公式中距离、速度、加速度的关系公式，即v＝at，s＝(1/2)at²。

计算TTE时刻自车与车道线的横向位置，TTE为自车到达道路尽头的时刻，如果车道线在自车的左侧，则自车与车道线的横向位置减去自车半宽，如果车道线在自车的右侧，则自车与车道线的横向位置加上自车半宽；如果自车与车道线的横向位置所对应的TTE值大于0，则通过常加速模型得到对应的代价值，作为车辆到达到道路终点的代价值；如果自车与车道线的横向位置所对应的TTE值不大于0，说明自车此时已经到达道路尽头，因此代价值赋值为极大值，同时对应的行为无效。

比较TTC_load值和TTE值，如果TTC_load值大于TTE值，则与车道线相切的代价值对应的行为有效，如果TTE值大于0且自车与车道线之间的距离大于自车的半宽，则车辆到达道路终点的行为有效。因为如果自车已经到达道路尽头的话，可以认为是无越线风险的。如果两种行为均为有效，则TTC_load值较小的代价值所对应的行为为有效，如果两种行为均为无效，则分别向两种动作的TTC_load赋值为0。

同样需要指出的是，针对目标集计算自车相对障碍车辆的行为所需的代价值，以及针对道路信息集计算自车相对道路的行为所需的代价值，并不存在先后顺序，本实施例中的阐述顺序，并非对两个步骤的顺序限定。本实施例在实施时，自车相对障碍车辆的行为所需的代价值和自车相对道路的行为所需的代价值既可以同时计算，也可以先后计算，此处不做限定。

以上步骤仅为针对单个位置所计算出的代价值，因此，完成针对单个位置计算自车相对障碍车辆的行为所需的代价值和自车相对道路的行为所需的代价值之后，还需要将所有的位置进行串联，因此，按照如下步骤对所计算除的代价值进行筛选，筛选出各个位置之间不会发生碰撞的代价值对应的行为，存储筛选出的代价值对应的行为，以及所产生的横向加速度、应施加加速度的时间以及障碍车辆的序号：

代价值的绝对值是否小于预设阈值，如果不小于，则代价值对应的行为为无用的行为，如果小于，则判断代价值对应的行为是否与其他位置计算得到的行为发生碰撞，如果无碰撞，则该代价值作为筛选出的代价值，对应的行为存入行为列表；此处的阈值是指极限运动状态中所计算出的最大能产生的横向加速度，极限运动状态就是指方向盘打满时候的运动状态。而此处所提的无碰撞，是指当前位置的代价值对应的行为不与其他位置的代价值对应的行为发生碰撞。如果不存在筛选出的代价值，则对行为列表中的第一个元素赋极大值，表示无有效的避撞行为产生。

至此，行为列表建立完成。而后，基于递归搜索，对行为列表中的行为所对应的自车位置、目标集和道路信息集重新生成行为，重新生成行为时获得每个重新生成的行为下自车避撞的代价值。重新生成行为并获取代价值的过程，与前述代价值、行为的计算过程一致，此处不再赘述。

如图3所示，灰色实线矩形为自车当前时刻，灰色虚线矩形为生成行为后的自车位置；黑色矩形为障碍车辆。实线为第一次搜索时产生的其中一个行为，虚线是在该行为的基础上在第二次搜索时产生的4种行为，对每个连续的行为取两次生成行为时得到的代价值中的较大值做备选；

从若干备选的代价值中选取最小值作为自车避撞的代价值。

根据代价值进行如下判断：

如果所述代价值小于自车极限运动值，说明当前可由驾驶员自行避撞，因此无需采取措施；如果所述代价值大于自车极限运动值，则对车辆进行制动；所述自车极限运动值为当前车速下方向盘满转时车辆所能产生的最大横向加速度。

本实施例所提供的自动紧急刹车方法，基于递归搜索树搜索生成一系列可以无碰撞的避障行为或者避撞路径，在行为生成算法中使用假设，即如果最优路径不是笔直向前，那么它将始终与至少一个对象相切。通过使用此假设，显著降低了寻找最优路径的计算成本，节约了大量算力。并且，通过两次搜索，用当前时刻预测未来时刻，再利用未来时刻进行预测，结合道路信息以及相邻车道的车辆信息，总体计算评估危险程度，将车辆压线、碰撞路沿、相邻车道并线等情况均纳入计算，突破了现有技术中仅考虑自车车道的局限性，所计算出的危险目标拥有更高的置信度。

与此同时，本实施例还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述目标选择方法的步骤。

本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。据此，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可实现上述任意一项实施例的方法。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)以及存储器总线动态RAM(RDRAM)等。

并且，本实施例还提供了一种机动车，具有AEB系统，本实施例所提供的机动车的AEB系统执行前述的自动紧急刹车方法。

或机动车具有前述计算机设备；

或所动车具有前述计算机可读存储介质，所述计算机程序被处理器执行时实现前述自动紧急刹车方法。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。