CN116279457A - 基于雷达点云的防撞方法、装置、设备及存储介质 - Google Patents

基于雷达点云的防撞方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116279457A
CN116279457A CN202310539449.4A CN202310539449A CN116279457A CN 116279457 A CN116279457 A CN 116279457A CN 202310539449 A CN202310539449 A CN 202310539449A CN 116279457 A CN116279457 A CN 116279457A
Authority
CN
China
Prior art keywords
vehicle
pose
virtual model
driving data
obstacle
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.)
Granted
Application number
CN202310539449.4A
Other languages
English (en)
Other versions
CN116279457B (zh
Inventor
苏振鸾
吴延俊
刘羿
何贝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sinian Zhijia Technology Co ltd
Original Assignee
Beijing Sinian Zhijia Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sinian Zhijia Technology Co ltd filed Critical Beijing Sinian Zhijia Technology Co ltd
Priority to CN202310539449.4A priority Critical patent/CN116279457B/zh
Publication of CN116279457A publication Critical patent/CN116279457A/zh
Application granted granted Critical
Publication of CN116279457B publication Critical patent/CN116279457B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开涉及一种基于雷达点云的防撞方法、装置、设备及存储介质。该方法包括：接收激光雷达扫描障碍物得到的点云；基于点云和本车的车身参数建立障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对障碍物的位姿；基于本车当前的行车数据和位姿预测本车在将来预设时间内的位姿轨迹；确定第二虚拟模型在经过位姿轨迹的过程中，是否与第一虚拟模型发生碰撞；若是，则控制本车制动以防止碰撞。本公开可以防止车辆碰撞，保证车辆在行驶过程中的安全。

Description

基于雷达点云的防撞方法、装置、设备及存储介质
技术领域
本公开涉及自动驾驶技术领域，具体涉及一种基于雷达点云的防撞方法、装置、设备及存储介质。
背景技术
车辆的行驶安全一直是自动驾驶领域非常重视的一个方面。目前自动驾驶车辆常搭载超声波和摄像头等传感器进行安全防护，超声波传感器和摄像头的感知受限于天气和环境等因素，相较之下激光雷达适用性更广。如何使用激光雷达的感知数据对车辆的行驶安全进行防护是随之而来的问题。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种基于雷达点云的防撞方法、装置、设备及存储介质。
第一方面，本公开提供了一种基于雷达点云的防撞方法，包括：
接收激光雷达扫描障碍物得到的点云；
基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对所述障碍物的位姿；
基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹；
确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞；
若是，则控制本车制动以防止碰撞。
可选的，所述基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，包括：
根据所述点云的几何参数生成所述障碍物的第一轮廓图形，将所述第一轮廓图形作为所述第一虚拟模型；
根据所述车身参数生成本车的第二轮廓图形，将所述第二轮廓图形作为所述第二虚拟模型。
可选的，所述确定所述障碍物相对本车的位姿，包括：
将所述点云的坐标转换为车体坐标系下的坐标，确定本车相对所述障碍物的位姿。
可选的，所述基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹，包括：
基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的行车数据和位姿；
按照时序组合本车在所述预设时间中每个时间帧的位姿，得到所述位姿轨迹。
可选的，所述基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的位姿，包括：
将本车当前的行车数据和所述位姿作为本车在所述预设时间中起始的时间帧的行车数据和位姿；
在所述预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间帧的行车数据和位姿，得到本车在每个时间帧的位姿。
可选的，所述确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞，包括：
将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置；
若所述第二轮廓图形与所述第一轮廓图形出现重叠，则确定所述第二虚拟模型与所述第一虚拟模型发生碰撞。
可选的，所述方法还包括：
在将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置时，根据本车在所述时间帧的行车数据，对按照所述位姿放置的第二轮廓图形进行延伸处理；
其中，本车在所述时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由所述横向速度的方向和所述纵向速度的方向确定；延伸的距离由激光雷达得到所述点云到推算出本车所述时间帧的位姿之间的延迟时间，以及所述横向速度和所述纵向速度确定。
第二方面，本公开提供了一种基于雷达点云的防撞装置，包括：
接收模块，用于接收激光雷达扫描障碍物得到的点云；
处理模块，用于基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对所述障碍物的位姿；
预测模块，用于基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹；
确定模块，用于确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞；
控制模块，用于控制本车制动以防止碰撞。
可选的，所述处理模块在基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型时，具体用于根据所述点云的几何参数生成所述障碍物的第一轮廓图形，将所述第一轮廓图形作为所述第一虚拟模型；根据所述车身参数生成本车的第二轮廓图形，将所述第二轮廓图形作为所述第二虚拟模型。
可选的，所述处理模块在确定所述障碍物相对本车的位姿时，具体用于将所述点云的坐标转换为车体坐标系下的坐标，确定本车相对所述障碍物的位姿。
可选的，所述预测模块在基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹时，具体用于基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的行车数据和位姿；按照时序组合本车在所述预设时间中每个时间帧的位姿，得到所述位姿轨迹。
可选的，所述预测模块在基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的位姿时，具体用于将本车当前的行车数据和所述位姿作为本车在所述预设时间中起始的时间帧的行车数据和位姿；在所述预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间帧的行车数据和位姿，得到本车在每个时间帧的位姿。
可选的，所述确定模块在确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞时，具体用于将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置；若所述第二轮廓图形与所述第一轮廓图形出现重叠，则确定所述第二虚拟模型与所述第一虚拟模型发生碰撞。
可选的，所述装置还包括延伸模块，用于在将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置时，根据本车在所述时间帧的行车数据，对按照所述位姿放置的第二轮廓图形进行延伸处理；其中，本车在所述时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由所述横向速度的方向和所述纵向速度的方向确定；延伸的距离由激光雷达得到所述点云到推算出本车所述时间帧的位姿之间的延迟时间，以及所述横向速度和所述纵向速度确定。
第三方面，本公开提供了一种电子设备，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面任一项所述的方法。
第四方面，本公开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如第一方面任一项所述的方法。
本公开提供的基于雷达点云的防撞方法、装置、设备及存储介质，通过在接收激光雷达扫描障碍物得到的点云后，基于点云建立障碍物的第一虚拟模型，基于本车的车身参数建立本车的第二虚拟模型，并确定本车相对障碍物的位姿，然后以本车当前的行车数据和位姿，确定本车将来预设时间内的位姿轨迹，之后利用第二虚拟模型经过该位姿轨迹的过程模拟本车将来预设时间内的行驶过程，当确定第二虚拟模型经过该位姿轨迹的过程中与第一虚拟模型发生碰撞时，则确定本车在将来预设时间内与障碍物存在碰撞风险，并控制本车制动以防止碰撞，从而保证了车辆在行驶过程中的安全。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例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地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的基于雷达点云的防撞方法流程图；
图2为本公开实施例提供的一种应用场景的示意图；
图3为本公开实施例提供的又一种应用场景的示意图；
图4为本公开实施例提供的基于雷达点云的防撞装置的结构示意图；
图5为本公开实施例提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
图1为本公开实施例提供的一种基于雷达点云的防撞方法流程图，该方法可以由基于雷达点云的防撞装置执行，该基于雷达点云的防撞装置可以采用软件和/或硬件的方式实现，该基于雷达点云的防撞装置可配置于电子设备中，其中，电子设备可以理解为诸如车载电脑、域控制器等具有数据处理及运算能力的设备。该方法包括如下步骤：
S101、接收激光雷达扫描障碍物得到的点云。
示例性的，图2为本公开实施例提供的一种应用场景的示意图。该场景中包括本车210、车载电脑220、激光雷达230和障碍物240。
如图2所示，本车210按照规划的路径行驶，其上搭载的激光雷达230扫描到前方的障碍物240，生成障碍物240的点云，车载电脑220接收激光雷达230传输的障碍物点云。
S102、基于点云和本车的车身参数建立障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对障碍物的位姿。
车载电脑220在接收到障碍物点云后，基于点云中包含的障碍物240的几何形状和尺寸信息等，建立障碍物240的第一虚拟模型。本车210的车身参数中包含了本车210的几何形状和尺寸信息等，车载电脑220通过本车210的车身参数即可建立本车210的第二虚拟模型。因为本车210的车身参数是不变的，车载电脑220可以直接获取，所以本车210的第二虚拟模型可以预先建立并存储在车载电脑220中。
在一些实施方式中，基于点云和本车的车身参数建立障碍物的第一虚拟模型和本车的第二虚拟模型，包括：根据点云的几何参数生成障碍物的第一轮廓图形，将第一轮廓图形作为第一虚拟模型；根据车身参数生成本车的第二轮廓图形，将第二轮廓图形作为第二虚拟模型。
由于车辆的防撞任务是一个对实时性要求很高的任务，因此在建立障碍物240的第一虚拟模型时，可以通过障碍物240的点云中包含的几何参数生成障碍物240的轮廓图形，即图2所示的第一轮廓图形241，将第一轮廓图形241作为障碍物240的虚拟模型，如此以图的形式生成虚拟模型，可以减少车载电脑220的运算量，进而提高本方案的实时性。相应的，以本车210的车身参数生成第二轮廓图形211作为本车210的第二虚拟模型。
本公开实施例通过利用点云的几何参数生成障碍物的第一轮廓图形作为障碍物的虚拟模型，利用本车的车身参数生成第二轮廓图形作为本车的虚拟模型，减少建立障碍物和本车的虚拟模型时的运算量，进而提高方案的实时性。
在建立障碍物240的第一虚拟模型和本车210的第二虚拟模型时，车载电脑220同时通过障碍物的点云确定本车相对障碍物的位姿，如此便可以通过第一虚拟模型和第二虚拟模型模拟出当前本车210和障碍物240的环境场景，以便后续预测本车210与障碍物240之间是否存在碰撞风险。
在一些实施方式中，确定障碍物相对本车的位姿，包括：将点云的坐标转换为车体坐标系下的坐标，确定本车相对障碍物的位姿。
车载电脑220通过将点云的坐标转换为车体坐标系下的坐标，可以确定障碍物的点云相对本车的位姿，通过障碍物的点云相对本车的位姿即可确定本车相对障碍物的位姿。
本公开实施例通过将点云的坐标转换为车体坐标系下的坐标，从而确定本车相对障碍物的位姿，以便后续预测本车的位姿轨迹。
S103、基于本车当前的行车数据和位姿预测本车在将来预设时间内的位姿轨迹。
示例性的，车载电脑220获取本车210底盘反馈的当前行车数据，包括本车210前后轮的转向角和轮速等，以及本车210当前的位姿，通过模型预测控制（MPC，ModelPredictive Control）算法预测本车210在将来预设时间内的位姿轨迹。其中，模型预测控制算法是基于车辆运动学模型建立离散线性预测模型，通过该预测模型来根据车辆当前的行车数据和位姿预测车辆的位姿轨迹。
在一些实施方式中，基于本车当前的行车数据和位姿预测本车在将来预设时间内的位姿轨迹，包括：基于车辆运动学模型以及本车当前的行车数据和位姿，推算本车在预设时间中每个时间帧的行车数据和位姿；按照时序组合本车在预设时间中每个时间帧的位姿，得到位姿轨迹。
例如，预设时间为2s，车载电脑220根据当前行车数据预测本车210将来2s内的位姿轨迹，车载电脑220可以将2s分为多个时间帧，然后根据本车210前后轮的转向角和轮速，通过车辆运动学模型建立的预测模型，预测每个时间帧中本车210的位姿以及本车210的转向角和轮速，然后按照时序组合每个时间帧中本车210的位姿，即可得到本车210在将来2s内的位姿轨迹。
在这种情况下，基于车辆运动学模型以及本车当前的行车数据和位姿，推算本车在预设时间中每个时间帧的位姿，包括：将本车当前的行车数据和位姿作为本车在预设时间中起始的时间帧的行车数据和位姿；在预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间帧的行车数据和位姿，得到本车在每个时间帧的位姿。
车载电脑220以本车210当前的行车数据和位姿作为2s内起始的时间帧中本车210的行车数据和位姿，然后根据起始的时间帧中本车210的行车数据和位姿，通过车辆运动学模型推算第二时间帧中本车210的行车数据和位姿，该第二时间帧为起始时间帧的下一时间帧。类似的，根据第二时间帧中本车210的行车数据和位姿，通过车辆运动学模型推算第三时间帧中本车210的行车数据和位姿，第三时间帧为第二时间帧的下一时间帧，以此类推。在已知起始时间帧中本车210的行车数据和位姿的情况下，根据本车在前一时间帧的行车数据和位姿，通过车辆运动学模型即可推算本车在后一时间帧的行车数据和位姿，即可得到预设时间的每个时间帧中本车210的位姿。
示例性的，如图2所示，以第二轮廓图形211表示本车210当前的位姿，将第二轮廓图形211当前的位姿作为2s内起始时间帧中第二轮廓图形211的位姿，根据当前的行车数据，通过车辆运动学模型推算得到下一时间帧中第二轮廓图形的位姿，由第二轮廓图形212表示，并且得到第二轮廓图形212对应的行车数据，然后根据第二轮廓图形212的位姿以及对应的行车数据，通过车辆运动学模型推算得到下下时间帧中第二轮廓图形的位姿，由第二轮廓图形213表示，同样得到第二轮廓图形213对应的行车数据，依此类推，根据第二轮廓图形213推算得到第二轮廓图形214，根据第二轮廓图形214推算得到第二轮廓图形215，根据第二轮廓图形215推算得到第二轮廓图形216，由此第二轮廓图形211、212、213、214、215、216即组成了本车210将来2s内的位姿轨迹。
本公开实施例通过将本车当前的行车数据和位姿作为本车在预设时间中起始的时间帧的行车数据和位姿，然后根据本车在前一时间帧的行车数据和位姿，通过车辆运动学模型推算本车在后一时间帧的行车数据和位姿，从而得到预设时间在本车在每个时间帧的位姿，最后按照时序组合本车在预设时间中每个时间帧的位姿，得到本车在将来预设时间内的位姿轨迹，以便后续判断本车与障碍物之间是否存在碰撞风险。
S104、确定第二虚拟模型在经过位姿轨迹的过程中，是否与第一虚拟模型发生碰撞。
使用第二虚拟模型模拟本车210经过预测的位姿轨迹的过程，确定在该模拟过程中，第二虚拟模型是否与障碍物的第一虚拟模型发生碰撞。
在一些实施方式中，确定第二虚拟模型在经过位姿轨迹的过程中，是否与第一虚拟模型发生碰撞，包括：将第二轮廓图形按照本车在预设时间中每个时间帧的位姿放置；若第二轮廓图形与第一轮廓图形出现重叠，则确定第二虚拟模型与第一虚拟模型发生碰撞。
在本公开实施例中，将本车210的第二轮廓形状作为本车的第二虚拟模型，在模拟第二虚拟模型经过预测的位姿轨迹的过程中，车载电脑220将第二轮廓图形放置为预测的位姿轨迹中每个时间帧的位姿，即是将第二轮廓图形按照预设时间中每个时间帧的位姿进行放置，然后确定第二轮廓图形是否处于其中一个时间帧的位姿时，存在与第一轮廓图形发生重叠的情况，若存在第二轮廓图形与第一轮廓图形出现重叠，则确定第二虚拟模型与第一虚拟模型发生碰撞。
示例性的，参照图2，在将第二轮廓图形按照预设时间中每个时间帧的位姿进行放置后，得到第二轮廓图形211、212、213、214、215、216，然后确定第二轮廓图形211、212、213、214、215、216是否与第一轮廓图形241发生重叠，在图2所示场景中，第二轮廓图形216与第一轮廓图形241发生重叠，也就是说第二虚拟模型与第一虚拟模型发生了碰撞，表明本车210在将来2s内与障碍物240之间存在碰撞风险。
本公开实施例通过将第二轮廓图形按照本车在预设时间中每个时间帧的位姿放置，然后以第二轮廓图形与第一轮廓图形是否出现重叠，来确定第二虚拟模型与第一虚拟模型是否发生碰撞，从而减少预测车辆是否存在碰撞风险时的运算量，提高方案的实时性。
若是，则执行S105。
S105、控制本车制动以防止碰撞。
在确定第二虚拟模型与第一虚拟模型发生碰撞的情况下，表明本车210在将来预设时间内与障碍物240之间存在碰撞风险，车载电脑220控制本车制动以停止前进，从而防止本车210与障碍物240发生碰撞。
本公开实施例通过在接收激光雷达扫描障碍物得到的点云后，基于点云建立障碍物的第一虚拟模型，基于本车的车身参数建立本车的第二虚拟模型，并确定本车相对障碍物的位姿，然后以本车当前的行车数据和位姿，确定本车将来预设时间内的位姿轨迹，之后利用第二虚拟模型经过该位姿轨迹的过程模拟本车将来预设时间内的行驶过程，当确定第二虚拟模型经过该位姿轨迹的过程中与第一虚拟模型发生碰撞时，则确定本车在将来预设时间内与障碍物存在碰撞风险，并控制本车制动以防止碰撞，从而保证了车辆在行驶过程中的安全。
在一些实施例中，该方法还包括：在将第二轮廓图形按照本车在预设时间中每个时间帧的位姿放置时，根据本车在该时间帧的行车数据，对按照该位姿放置的第二轮廓图形进行延伸处理；其中，本车在该时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由横向速度的方向和纵向速度的方向确定；延伸的距离由激光雷达得到点云到推算出本车在该时间帧的位姿之间的延迟时间，以及横向速度和纵向速度确定。
由于车辆的不同程序模块之间可能存在的通讯问题，导致车载电脑在接收到雷达传输的点云时，车辆的行驶数据以及相对障碍物的位姿已经发生较大改变，产生预测位姿轨迹与真实情况不符的危险状况，例如通讯时延、算力波动等，当对点云进行运算时可能由于域控算力波动导致延迟达到800ms，若此时，运行本方案的车载电脑的运算时间为40ms，通过底盘模块得到行驶数据的时间为40ms，中间间隔有760ms的时间车载电脑无法模拟出真正的场景，相当于得到的点云一直保持760ms以前的状态，这样的误差可能造成得到的预测结果不准确。
因此本公开实施例通过本车行车数据中的纵向速度和横向速度，分别在纵向速度方向和横向速度方向上，对第二轮廓图形进行对应的延伸，延伸的距离由纵向速度和横向速度以及可能的最大延迟时间确定。在本公开实施例中，可以通过底盘模块反馈的前后轮转向角及转速，分别计算出本车在车体坐标系下的纵向速度与横向速度。
例如，将激光雷达230扫描得到障碍物点云后传输到车载电脑220的延迟时间，以及车载电脑220到推算出本车在对应时间帧的位姿的延迟时间，双方之和作为可能的最大延迟时间，例如最大延迟时间可设置为800ms，那么在对第二轮廓图形进行延伸时，纵向速度方向上的延伸距离就等于最大延迟时间乘以纵向速度，横向速度方向上的延伸距离就等于最大延迟时间乘以横向速度。图3为本公开实施例提供的又一种应用场景的示意图，结合图2、图3，图3中所示的第二轮廓图形2161即为第二轮廓图形216延伸后的轮廓图形。由此就相当于增大了第二轮廓图形的碰撞面积，作为因延迟而导致预测状况与真实情况不符的危险状况的保障措施，进一步提高防撞方案的安全性。
本公开实施例通过在每个时间帧的第二轮廓图像上，按照该时间帧对应的行车数据中的纵向速度和横向速度，在纵向速度方向和横向速度方向上延伸该第二轮廓图像，纵向速度方向上的延伸距离由延迟时间和纵向速度确定，横向速度方向上的延伸距离由延迟时间和横向速度确定，由此增大第二轮廓图形的碰撞面积，作为因延迟而导致预测状况与真实情况不符的危险状况的保障措施，进一步提高防撞方案的安全性。
图4为本公开实施例提供的基于雷达点云的防撞装置的结构示意图。该基于雷达点云的防撞装置可以是如上实施例的终端中的部件或组件。本公开实施例提供的基于雷达点云的防撞装置可以执行基于雷达点云的防撞方法实施例提供的处理流程，如图4所示，该基于雷达点云的防撞装置300包括：
接收模块301，用于接收激光雷达扫描障碍物得到的点云；
处理模块302，用于基于点云和本车的车身参数建立障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对障碍物的位姿；
预测模块303，用于基于本车当前的行车数据和位姿预测本车在将来预设时间内的位姿轨迹；
确定模块304，用于确定第二虚拟模型在经过位姿轨迹的过程中，是否与第一虚拟模型发生碰撞；
控制模块305，用于控制本车制动以防止碰撞。
在一些实施例中，处理模块302在基于点云和本车的车身参数建立障碍物的第一虚拟模型和本车的第二虚拟模型时，具体用于根据点云的几何参数生成障碍物的第一轮廓图形，将第一轮廓图形作为第一虚拟模型；根据车身参数生成本车的第二轮廓图形，将第二轮廓图形作为第二虚拟模型。
在一些实施例中，处理模块302在确定障碍物相对本车的位姿时，具体用于将点云的坐标转换为车体坐标系下的坐标，确定本车相对障碍物的位姿。
在一些实施例中，预测模块303在基于本车当前的行车数据和位姿预测本车在将来预设时间内的位姿轨迹时，具体用于基于车辆运动学模型以及本车当前的行车数据和位姿，推算本车在预设时间中每个时间帧的行车数据和位姿；按照时序组合本车在预设时间中每个时间帧的位姿，得到位姿轨迹。
在一些实施例中，预测模块303在基于车辆运动学模型以及本车当前的行车数据和位姿，推算本车在预设时间中每个时间帧的位姿时，具体用于将本车当前的行车数据和位姿作为本车在预设时间中起始的时间帧的行车数据和位姿；在预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间帧的行车数据和位姿，得到本车在每个时间帧的位姿。
在一些实施例中，确定模块304在确定第二虚拟模型在经过位姿轨迹的过程中，是否与第一虚拟模型发生碰撞时，具体用于将第二轮廓图形按照本车在预设时间中每个时间帧的位姿放置；若第二轮廓图形与第一轮廓图形出现重叠，则确定第二虚拟模型与第一虚拟模型发生碰撞。
在一些实施例中，该装置还包括延伸模块306，用于在将第二轮廓图形按照本车在预设时间中每个时间帧的位姿放置时，根据本车在该时间帧的行车数据，对按照该位姿放置的第二轮廓图形进行延伸处理；其中，本车在该时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由横向速度的方向和纵向速度的方向确定；延伸的距离由激光雷达得到点云到推算出本车时间帧的位姿之间的延迟时间，以及横向速度和纵向速度确定。
图4所示实施例的基于雷达点云的防撞装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图5为本公开实施例提供的电子设备的结构示意图。该电子设备可以是如上实施例所述的服务器。本公开实施例提供的电子设备可以执行基于雷达点云的防撞方法实施例提供的处理流程，如图5所示，电子设备400包括：存储器401、处理器402、计算机程序和通讯接口403；其中，计算机程序存储在存储器401中，并被配置为由处理器402执行如上所述的基于雷达点云的防撞方法。在特定实施例中，存储器401可以是非易失性固态存储器。在特定实施例中，存储器401包括只读存储器ROM（Read-Only Memory）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（Programmable ROM，PROM）、可擦除PROM（ElectricalProgrammable ROM，EPROM）、电可擦除PROM（Electrically Erasable Programmable ROM，EEPROM）、电可改写ROM（Electrically Alterable ROM，EAROM）或闪存，或者两个或及其以上这些的组合。
另外，本公开实施例还提供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以实现上述实施例所述的基于雷达点云的防撞方法。其中，存储介质可以是非易失性/非临时性计算机可读存储介质，例如，非易失性/非临时性计算机可读存储介质可以是ROM、随机存取存储器（Random Access Memory，RAM）、光盘只读存储器（Compact Disc ROM，CD-ROM）、磁带、软盘和光数据存储设备等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于雷达点云的防撞方法，其特征在于，包括：
接收激光雷达扫描障碍物得到的点云；
基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对所述障碍物的位姿；
基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹；
确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞；
若是，则控制本车制动以防止碰撞。
2.如权利要求1所述的方法，其特征在于，所述基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，包括：
根据所述点云的几何参数生成所述障碍物的第一轮廓图形，将所述第一轮廓图形作为所述第一虚拟模型；
根据所述车身参数生成本车的第二轮廓图形，将所述第二轮廓图形作为所述第二虚拟模型。
3.如权利要求1所述的方法，其特征在于，所述确定所述障碍物相对本车的位姿，包括：
将所述点云的坐标转换为车体坐标系下的坐标，确定本车相对所述障碍物的位姿。
4.如权利要求2所述的方法，其特征在于，所述基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹，包括：
基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的行车数据和位姿；
按照时序组合本车在所述预设时间中每个时间帧的位姿，得到所述位姿轨迹。
5.如权利要求4所述的方法，其特征在于，所述基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的位姿，包括：
将本车当前的行车数据和所述位姿作为本车在所述预设时间中起始的时间帧的行车数据和位姿；
在所述预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间帧的行车数据和位姿，得到本车在每个时间帧的位姿。
6.如权利要求4所述的方法，其特征在于，所述确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞，包括：
将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置；
若所述第二轮廓图形与所述第一轮廓图形出现重叠，则确定所述第二虚拟模型与所述第一虚拟模型发生碰撞。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
在将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置时，根据本车在所述时间帧的行车数据，对按照所述位姿放置的第二轮廓图形进行延伸处理；
其中，本车在所述时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由所述横向速度的方向和所述纵向速度的方向确定；延伸的距离由激光雷达得到所述点云到推算出本车所述时间帧的位姿之间的延迟时间，以及所述横向速度和所述纵向速度确定。
8.一种基于雷达点云的防撞装置，其特征在于，包括：
接收模块，用于接收激光雷达扫描障碍物得到的点云；
处理模块，用于基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对所述障碍物的位姿；
预测模块，用于基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹；
确定模块，用于确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞；
控制模块，用于控制本车制动以防止碰撞。
9.一种电子设备，其特征在于，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7中任一项所述的方法。
10.一种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1-7中任一项所述的方法。
CN202310539449.4A 2023-05-15 2023-05-15 基于雷达点云的防撞方法、装置、设备及存储介质 Active CN116279457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310539449.4A CN116279457B (zh) 2023-05-15 2023-05-15 基于雷达点云的防撞方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310539449.4A CN116279457B (zh) 2023-05-15 2023-05-15 基于雷达点云的防撞方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116279457A true CN116279457A (zh) 2023-06-23
CN116279457B CN116279457B (zh) 2023-08-01

Family

ID=86796202

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310539449.4A Active CN116279457B (zh) 2023-05-15 2023-05-15 基于雷达点云的防撞方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116279457B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359409A (zh) * 2018-10-31 2019-02-19 张维玲 一种基于视觉与激光雷达传感器的车辆可通过性检测系统
JP2019091102A (ja) * 2017-11-10 2019-06-13 株式会社デンソーアイティーラボラトリ 位置姿勢推定システム及び位置姿勢推定装置
CN112313133A (zh) * 2018-04-11 2021-02-02 欧若拉创新公司 基于附加车辆的所确定的横摆参数控制自动驾驶车辆
CN114818051A (zh) * 2022-03-24 2022-07-29 香港大学深圳研究院 基于LiDAR点云和BIM碰撞模拟的室内三维无障碍地图生成方法
CN115331482A (zh) * 2021-05-10 2022-11-11 北京万集科技股份有限公司 车辆预警提示方法、装置、基站及存储介质
CN115494849A (zh) * 2022-10-27 2022-12-20 中国科学院电工研究所 一种自动驾驶车辆导航控制方法及系统
CN115861972A (zh) * 2022-12-22 2023-03-28 北京斯年智驾科技有限公司 一种碰撞检测方法、装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019091102A (ja) * 2017-11-10 2019-06-13 株式会社デンソーアイティーラボラトリ 位置姿勢推定システム及び位置姿勢推定装置
CN112313133A (zh) * 2018-04-11 2021-02-02 欧若拉创新公司 基于附加车辆的所确定的横摆参数控制自动驾驶车辆
CN109359409A (zh) * 2018-10-31 2019-02-19 张维玲 一种基于视觉与激光雷达传感器的车辆可通过性检测系统
CN115331482A (zh) * 2021-05-10 2022-11-11 北京万集科技股份有限公司 车辆预警提示方法、装置、基站及存储介质
CN114818051A (zh) * 2022-03-24 2022-07-29 香港大学深圳研究院 基于LiDAR点云和BIM碰撞模拟的室内三维无障碍地图生成方法
CN115494849A (zh) * 2022-10-27 2022-12-20 中国科学院电工研究所 一种自动驾驶车辆导航控制方法及系统
CN115861972A (zh) * 2022-12-22 2023-03-28 北京斯年智驾科技有限公司 一种碰撞检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN116279457B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN108692734B (zh) 一种路径规划方法和装置
CN109557925B (zh) 自动驾驶车辆障碍物避让方法及装置
JP6174514B2 (ja) 衝突可能性判定装置、運転支援装置、衝突可能性判定方法、及び衝突可能性判定プログラム
CN109941275B (zh) 车道变换方法、装置、电子设备及存储介质
CN109017785B (zh) 车辆换道行驶方法
JP4254844B2 (ja) 走行制御計画評価装置
WO2018158911A1 (ja) 運転支援方法及び運転支援装置
US20190329766A1 (en) Vehicle control device, vehicle control method, and vehicle control program
RU2720501C1 (ru) Способ определения помех, способ помощи при парковке, способ помощи при отъезде и устройство определения помех
JP7193656B2 (ja) 割り込んでくる又は抜け出て行く車両を認識する制御ユニット及び方法
US20220105929A1 (en) Method and Apparatus for Predicting Specification Motion of Other Vehicle
JP2017052411A (ja) 運転支援装置、及び運転支援方法
CN114932901A (zh) 一种自适应速度规划方法、装置和域控制器
US20230174058A1 (en) Control method and apparatus and terminal device
CN113895429B (zh) 一种自动泊车方法、系统、终端及存储介质
CN112428991B (zh) 车辆控制方法、装置、介质、设备及车辆
CN116279457B (zh) 基于雷达点云的防撞方法、装置、设备及存储介质
CN113386747B (zh) 一种具有紧急转向功能的控制方法、系统及存储介质
JP2020066246A (ja) 路面状態推定装置
US20230097675A1 (en) Driving assistance device, driving assistance method, and storage medium
US9254844B2 (en) Apparatus and method for driving control of vehicle
CN115447606A (zh) 一种基于盲区识别的自动驾驶车辆控制方法和装置
CN114872729A (zh) 一种无人驾驶车辆水坑识别方法、装置、设备和存储介质
US11724717B2 (en) Implementation of dynamic cost function of self-driving vehicles
JP2020053069A (ja) 車載用電子制御装置

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
GR01 Patent grant
GR01 Patent grant