CN116513171A - 一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质 - Google Patents
一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质 Download PDFInfo
- Publication number
- CN116513171A CN116513171A CN202310587180.7A CN202310587180A CN116513171A CN 116513171 A CN116513171 A CN 116513171A CN 202310587180 A CN202310587180 A CN 202310587180A CN 116513171 A CN116513171 A CN 116513171A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- information
- lane
- vehicle
- coordinate
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000004888 barrier function Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 13
- 230000006870 function Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
-
- 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
本发明涉及一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质,所述方法包括P1.在全局坐标系下,基于车载感知系统,实时获取障碍物边界形点坐标数组信息和障碍物中心点坐标数据信息,基于车载定位系统,实时获取车辆定位坐标数组信息,基于高精度地图,实时获取车道左边界坐标数据信息、车道右边界坐标数据信息和车道中心线离散形点坐标数组信息。本发明不仅通过frenet坐标系直接过滤车道外不需要处理的障碍物信息,降低算力消耗,而且根据坐标计算的碰撞风险,计算量非常低,且规划生成多个备选路径不需要重新计算障碍物frenet坐标,只通过轨迹中的匹配点坐标位置即可计算碰撞风险,极大减小算力的消耗。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其是涉及一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质。
背景技术
相关技术中,传统的碰撞检测方法,通常用质点或车辆外接圆表示车辆,用多边形盒表示障碍物,通过几何空间检测判断多边形盒是否存在交叉来判断是否有碰撞,然后遍历预选车道轨迹离散点不断的通过几何空间检测做碰撞检测,实现一条道路上的碰撞检测,或者通过基于扫面线、四分法或者网格查找等采样方法做碰撞检测实现,对于几何空间检测本身需要的算力交多,且一般规划算法会生成一系列参考轨迹线,然后再对轨迹做选择,通过不断遍历预选车道线离散点来做碰撞检测使系统资源消耗程指数增加,因此这些方法都对系统性能要求较高,才能保证自动驾驶系统数据处理的实时性。
现有技术中,专利(CN115230694A)公开了一种自动驾驶车辆的障碍物识别方法、装置及车辆;获取自动驾驶车辆基于任一坐标系识别的至少一个障碍物的障碍物信息;将至少一个障碍物的障碍物信息转化为以道路中心线为参考的Frenet坐标系下的碰撞信息,筛除碰撞信息满足筛选条件的障碍物;根据剩余障碍物的碰撞信息生成每个剩余障碍物的碰撞图形,并基于碰撞图形确定与自动驾驶车辆的碰撞结果,且在碰撞结果为确定碰撞时,将确定碰撞的障碍物识别为自动驾驶车辆的需规避障碍物,但是需要先规划行驶区域然后做碰撞检测,如果存在碰撞风险后,需要重新规划形势趋于再次做碰撞检测,多次的碰撞检测会导致更多的算力消耗。
发明内容
鉴于以上现有技术的不足,本发明提供了一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质,不仅通过frenet坐标系直接过滤车道外不需要处理的障碍物信息,降低算力消耗,而且根据坐标计算的碰撞风险,计算量非常低,且规划生成多个备选路径不需要重新计算障碍物frenet坐标,只通过轨迹中的匹配点坐标位置即可计算碰撞风险,极大减小算力的消耗。
为了实现上述目的及其他相关目的,本发明提供的技术方案如下:
一种基于车道信息的自动驾驶碰撞风险检测方法,所述方法包括:
P1.在全局坐标系下,基于车载感知系统,实时获取障碍物边界形点坐标数组信息和障碍物中心点坐标数据信息,基于车载定位系统,实时获取车辆定位坐标数组信息,基于高精度地图,实时获取车道左边界坐标数据信息、车道右边界坐标数据信息和车道中心线离散形点坐标数组信息;
P2.遍历所述车道中心线离散形点坐标数组信息,计算与所述障碍物中心点坐标数据信息最短距离的坐标点,以该坐标点为中心点,沿车道方向选取定长距离,输出参考行驶车道路段数据信息;
P3.基于所述参考行驶车道路段数据信息和所述障碍物边界形点坐标数组信息,以所述车道右边界坐标数据信息为参考线建立Frenet坐标系,输出障碍物左右边界坐标信息和障碍物前后边界坐标信息;
P4.基于所述车辆定位坐标数组信息,以所述车道右边界坐标数据信息为参考线建立Frenet坐标系,根据车辆宽度,输出车辆左右边界坐标信息;
P5.基于所述车辆左右边界坐标信息、所述障碍物左右边界坐标信息和所述障碍物前后边界坐标信息,根据车辆碰撞检测算法,输出车辆碰撞风险数据信息。
进一步的,在步骤P5中,所述车辆碰撞检测算法包括:
P51.获取所述车辆左边界坐标信息(ELsi,ELdi),所述车辆右边界坐标信息(ERsi,ERdi),所述障碍物左边界坐标信息(OLsi,OLdi)和所述障碍物右边界坐标信息(ORsi,ORdi);
P52.若满足函数F且所述障碍物为静态,
其中n为时刻点且为正整数,则车辆存在碰撞风险,输出第一风险指数数据信息;
P53.若满足函数F且障碍物为动态,则计算并对比所述障碍物脱离碰撞的时间和车辆到达障碍物位置时间,输出第二风险指数数据信息;
P54.若不满足函数F且障碍物为静态,则输出不存在碰撞风险数据信息;
P55.若不满足函数F且障碍物为动态,则预测障碍物的行驶轨迹与车辆行驶轨迹是否有交点,输出第三风险指数数据信息。
进一步的,在步骤P53中,所述计算并对比所述障碍物脱离碰撞的时间和车辆到达障碍物位置时间包括:
P531.根据所述障碍物左边界坐标信息(OLsi,OLdi),计算障碍物的移动速度v障和障碍物与水平的夹角α,
P532.基于所述障碍物移动速度v障和水平夹角α,计算所述障碍物脱离碰撞的时间T脱和所述车辆到达障碍物位置的时间T车,
其中v为车辆的平均速度;
P533.根据所述障碍物脱离碰撞的时间T脱和所述车辆到达障碍物位置的时间T车,若T脱大于T车,则无碰撞风险,若T脱小于T车,则存在碰撞风险。
进一步的,所述车辆的平均速度v,
进一步的,在步骤P55中,所述预测障碍物的行驶轨迹与车辆行驶轨迹是否有交点包括若有交点则存在碰撞风险和若无交点则不存在碰撞风险。
进一步的,所述障碍物左右边界坐标信息的确定方法为根据所述障碍物边界形点坐标信息中的左边界值和右边界值,生成当前形点的左车道边界和右车道边界,遍历左右车道边界所有点,计算所述障碍物离左右道路边界的距离,根据左右边界距离和车道宽度,计算得到障碍物左右边界在以道路右边界为frente参考线坐标系下的坐标信息。
进一步的,所述障碍物前后边界坐标信息的确定方法为先从所述参考行驶车道路段数据信息中的起点遍历离散形点,计算得到第一个发生碰撞的形点即为障碍物后边界,再从所述参考行驶车道路段数据信息中的终点向起点遍历离散形点,计算得到第一个发生碰撞的形点即为障碍物前边界坐标。
进一步的,所述车辆碰撞风险数据信息包括第一风险指数数据信息、第二风险指数数据信息、第三风险指数数据信息和不存在碰撞风险数据信息。
为了实现上述目的及其他相关目的,本发明还提供了一种基于车道信息的自动驾驶碰撞风险检测系统,包括计算机设备,该计算机设备被编程或配置以执行任意一项所述基于车道信息的自动驾驶碰撞风险检测方法的步骤。
为了实现上述目的及其他相关目的,本发明还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有被编程或配置以执行任意一项所述基于车道信息的自动驾驶碰撞风险检测方法的计算机程序。
本发明具有以下积极效果:
1.本发明通过frenet坐标系直接过滤车道外不需要处理的障碍物信息,降低算力消耗。
2.本发明获取障碍物在行驶车道的frenet坐标系下的坐标,每个计算周期只需要计算一次障碍物frenet坐标信息,就可以根据相对位置做碰撞风险评估供规划决策直接使用。
3.本发明根据坐标计算的碰撞风险,计算量非常低,且规划生成多个备选路径不需要重新计算障碍物frenet坐标,只通过轨迹中的匹配点坐标位置即可计算碰撞风险,极大减小算力的消耗。
附图说明
图1为本发明方法流程示意图;
图2为本发明的障碍物分布示意图。
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。
实施例1:如图1所示,一种基于车道信息的自动驾驶碰撞风险检测方法,所述方法包括:
P1.在全局坐标系下,基于车载感知系统,实时获取障碍物边界形点坐标数组信息和障碍物中心点坐标数据信息,基于车载定位系统,实时获取车辆定位坐标数组信息,基于高精度地图,实时获取车道左边界坐标数据信息、车道右边界坐标数据信息和车道中心线离散形点坐标数组信息;
P2.遍历所述车道中心线离散形点坐标数组信息,计算与所述障碍物中心点坐标数据信息最短距离的坐标点,以该坐标点为中心点,沿车道方向选取定长距离,输出参考行驶车道路段数据信息;
P3.基于所述参考行驶车道路段数据信息和所述障碍物边界形点坐标数组信息,以所述车道右边界坐标数据信息为参考线建立Frenet坐标系,输出障碍物左右边界坐标信息和障碍物前后边界坐标信息;
P4.基于所述车辆定位坐标数组信息,以所述车道右边界坐标数据信息为参考线建立Frenet坐标系,根据车辆宽度,输出车辆左右边界坐标信息;
P5.基于所述车辆左右边界坐标信息、所述障碍物左右边界坐标信息和所述障碍物前后边界坐标信息,根据车辆碰撞检测算法,输出车辆碰撞风险数据信息。
在本实施例中,在步骤P5中,所述车辆碰撞检测算法包括:
P51.获取所述车辆左边界坐标信息(ELsi,ELdi),所述车辆右边界坐标信息(ERsi,ERdi),所述障碍物左边界坐标信息(OLsi,OLdi)和所述障碍物右边界坐标信息(ORsi,ORdi);
P52.若满足函数F且所述障碍物为静态,
其中n为时刻点且为正整数,则车辆存在碰撞风险,输出第一风险指数数据信息;
P53.若满足函数F且障碍物为动态,则计算并对比所述障碍物脱离碰撞的时间和车辆到达障碍物位置时间,输出第二风险指数数据信息;
P54.若不满足函数F且障碍物为静态,则输出不存在碰撞风险数据信息;
P55.若不满足函数F且障碍物为动态,则预测障碍物的行驶轨迹与车辆行驶轨迹是否有交点,输出第三风险指数数据信息。
在本实施例中,在步骤P53中,所述计算并对比所述障碍物脱离碰撞的时间和车辆到达障碍物位置时间包括:
P531.根据所述障碍物左边界坐标信息(OLsi,OLdi),计算障碍物的移动速度v障和障碍物与水平的夹角α,
P532.基于所述障碍物移动速度v障和水平夹角α,计算所述障碍物脱离碰撞的时间T脱和所述车辆到达障碍物位置的时间T车,
其中v为车辆的平均速度;
P533.根据所述障碍物脱离碰撞的时间T脱和所述车辆到达障碍物位置的时间T车,若T脱大于T车,则无碰撞风险,若T脱小于T车,则存在碰撞风险。
在本实施例中,所述车辆的平均速度v,
在本实施例中,在步骤P55中,所述预测障碍物的行驶轨迹与车辆行驶轨迹是否有交点包括若有交点则存在碰撞风险和若无交点则不存在碰撞风险。
在本实施例中,所述障碍物左右边界坐标信息的确定方法为根据所述障碍物边界形点坐标信息中的左边界值和右边界值,生成当前形点的左车道边界和右车道边界,遍历左右车道边界所有点,计算所述障碍物离左右道路边界的距离,根据左右边界距离和车道宽度,计算得到障碍物左右边界在以道路右边界为frente参考线坐标系下的坐标信息。
在本实施例中,所述障碍物前后边界坐标信息的确定方法为先从所述参考行驶车道路段数据信息中的起点遍历离散形点,计算得到第一个发生碰撞的形点即为障碍物后边界,再从所述参考行驶车道路段数据信息中的终点向起点遍历离散形点,计算得到第一个发生碰撞的形点即为障碍物前边界坐标。
在本实施例中,所述车辆碰撞风险数据信息包括第一风险指数数据信息、第二风险指数数据信息、第三风险指数数据信息和不存在碰撞风险数据信息。
实施例2:在实施例1的一种基于车道信息的自动驾驶碰撞风险检测方法的基础上,下面对本发明作进一步的说明和描述。
如图2所示,基于自动驾驶系统中,感知到的多边形障碍物信息,当前定位坐标信息,高精度地图信息,对障碍物信信息做处理,计算得到当前行驶参考路径中障碍物碰撞风险判断结果。
其中,定位信息包含:坐标信息gaussX/gaussY,航向角azimuth等信息;
其中,高精度地图信息包括车道线、车道中心线、车道线属性、路口属性等。其中车道中心线信息为一系列由车道从后向前的车道中心形点数据组成的数组,每个形点数据包括:形点id信息,高斯坐标系下的x\y坐标,当前车道frenet坐标系下纵向坐标s,当前形点在当前车道的朝向信息,当前形点离道路左边界距离,离道路右边界距离距离,离当前车道左边界距离,离当前车道右边界距离。
其中,感知多边形障碍物包含:障碍物id,障碍物标签(行人、车辆等),障碍物中心点坐标,障碍物速度,障碍物方向,障碍物边界形点坐标数组,每个边界点包含坐标信息(局部坐标或全局坐标)。
首先匹配目标障碍物与行驶路径车道线中最近的形点,根据形点信息中的车道边界信息,计算感知多边形障碍物在车道右边界为基准的Frenet坐标系下的障碍物左右边界坐标信息,前后边界坐标信息;根据形点信息中的车道边界信息,计算车辆行驶到此形点时车辆左右边界在以车道右边界为基准的Frenet坐标系下左右边界坐标,通过判断是否在对应障碍物左右边界范围内,如果在范围内则有碰撞风险,如果不在则计算与障碍物左右边界最小差值即为离障碍物最近距离,同时考虑此障碍物的移动速度和方向,用于规划决策对此障碍物做风险判断,如速度方向相同,且速度大于当前车速则无碰撞风险,速度为0,则当自车行驶到当前位置时就存在碰撞风险。
根据障碍物横向碰撞风险和横向距离和纵向相对距离即可提供规划决策做碰撞风险检测,然后做对应处理。如虽然横向位置存在碰撞风险,但参考距离,则远距离障碍物碰撞风险很低,如果横向位置无碰撞,但横向距离=0.1m,且纵向相对距离=10m,则虽然行驶轨迹不会发生碰撞,但行驶轨迹离障碍物最近只有0.1m依然存在很大的风险,需要规划决策对此障碍物做对应处理才能保证行驶的安全性。
为了实现上述目的及其他相关目的,本发明还提供了一种基于车道信息的自动驾驶碰撞风险检测系统,包括计算机设备,该计算机设备被编程或配置以执行任意一项所述基于车道信息的自动驾驶碰撞风险检测方法的步骤。
为了实现上述目的及其他相关目的,本发明还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有被编程或配置以执行任意一项所述基于车道信息的自动驾驶碰撞风险检测方法的计算机程序。
本申请所提供的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。
综上所述,本发明不仅通过frenet坐标系直接过滤车道外不需要处理的障碍物信息,降低算力消耗,而且根据坐标计算的碰撞风险,计算量非常低,且规划生成多个备选路径不需要重新计算障碍物frenet坐标,只通过轨迹中的匹配点坐标位置即可计算碰撞风险,极大减小算力的消耗。
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 (10)
1.一种基于车道信息的自动驾驶碰撞风险检测方法,其特征在于,所述方法包括:
P1.在全局坐标系下,基于车载感知系统,实时获取障碍物边界形点坐标数组信息和障碍物中心点坐标数据信息,基于车载定位系统,实时获取车辆定位坐标数组信息,基于高精度地图,实时获取车道左边界坐标数据信息、车道右边界坐标数据信息和车道中心线离散形点坐标数组信息;
P2.遍历所述车道中心线离散形点坐标数组信息,计算与所述障碍物中心点坐标数据信息最短距离的坐标点,以该坐标点为中心点,沿车道方向选取定长距离,输出参考行驶车道路段数据信息;
P3.基于所述参考行驶车道路段数据信息和所述障碍物边界形点坐标数组信息,以所述车道右边界坐标数据信息为参考线建立Frenet坐标系,输出障碍物左右边界坐标信息和障碍物前后边界坐标信息;
P4.基于所述车辆定位坐标数组信息,以所述车道右边界坐标数据信息为参考线建立Frenet坐标系,根据车辆宽度,输出车辆左右边界坐标信息;
P5.基于所述车辆左右边界坐标信息、所述障碍物左右边界坐标信息和所述障碍物前后边界坐标信息,根据车辆碰撞检测算法,输出车辆碰撞风险数据信息。
2.根据权利要求1所述的基于车道信息的自动驾驶碰撞风险检测方法,其特征在于,在步骤P5中,所述车辆碰撞检测算法包括:
P51.获取所述车辆左边界坐标信息(ELsi,ELdi),所述车辆右边界坐标信息(ERsi,ERdi),所述障碍物左边界坐标信息(OLsi,OLdi)和所述障碍物右边界坐标信息(ORsi,ORdi);
P52.若满足函数F且所述障碍物为静态,
其中n为时刻点且为正整数,
则车辆存在碰撞风险,输出第一风险指数数据信息;
P53.若满足函数F且障碍物为动态,则计算并对比所述障碍物脱离碰撞的时间和车辆到达障碍物位置时间,输出第二风险指数数据信息;
P54.若不满足函数F且障碍物为静态,则输出不存在碰撞风险数据信息;
P55.若不满足函数F且障碍物为动态,则预测障碍物的行驶轨迹与车辆行驶轨迹是否有交点,输出第三风险指数数据信息。
3.根据权利要求2所述的基于车道信息的自动驾驶碰撞风险检测方法,其特征在于,在步骤P53中,所述计算并对比所述障碍物脱离碰撞的时间和车辆到达障碍物位置时间包括:
P531.根据所述障碍物左边界坐标信息(OLsi,OLdi),计算障碍物的移动速度v障和障碍物与水平的夹角α,
P532.基于所述障碍物移动速度v障和水平夹角α,计算所述障碍物脱离碰撞的时间T脱和所述车辆到达障碍物位置的时间T车,
其中v为车辆的平均速度;
P533.根据所述障碍物脱离碰撞的时间T脱和所述车辆到达障碍物位置的时间T车,若T脱大于T车,则无碰撞风险,若T脱小于T车,则存在碰撞风险。
4.根据权利要求3所述的基于车道信息的自动驾驶碰撞风险检测方法,其特征在于:所述车辆的平均速度v,
5.根据权利要求2所述的基于车道信息的自动驾驶碰撞风险检测方法,其特征在于,在步骤P55中,所述预测障碍物的行驶轨迹与车辆行驶轨迹是否有交点包括若有交点则存在碰撞风险和若无交点则不存在碰撞风险。
6.根据权利要求1所述的基于车道信息的自动驾驶碰撞风险检测方法,其特征在于,所述障碍物左右边界坐标信息的确定方法为根据所述障碍物边界形点坐标信息中的左边界值和右边界值,生成当前形点的左车道边界和右车道边界,遍历左右车道边界所有点,计算所述障碍物离左右道路边界的距离,根据左右边界距离和车道宽度,计算得到障碍物左右边界在以道路右边界为frente参考线坐标系下的坐标信息。
7.根据权利要求1所述的基于车道信息的自动驾驶碰撞风险检测方法,其特征在于:所述障碍物前后边界坐标信息的确定方法为先从所述参考行驶车道路段数据信息中的起点遍历离散形点,计算得到第一个发生碰撞的形点即为障碍物后边界,再从所述参考行驶车道路段数据信息中的终点向起点遍历离散形点,计算得到第一个发生碰撞的形点即为障碍物前边界坐标。
8.根据权利要求1所述的基于车道信息的自动驾驶碰撞风险检测方法,其特征在于:所述车辆碰撞风险数据信息包括第一风险指数数据信息、第二风险指数数据信息、第三风险指数数据信息和不存在碰撞风险数据信息。
9.一种基于车道信息的自动驾驶碰撞风险检测系统,包括计算机设备,其特征在于,该计算机设备被编程或配置以执行权利要求1~8中任意一项所述基于车道信息的自动驾驶碰撞风险检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有被编程或配置以执行权利要求1~8中任意一项所述基于车道信息的自动驾驶碰撞风险检测方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310587180.7A CN116513171A (zh) | 2023-05-23 | 2023-05-23 | 一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310587180.7A CN116513171A (zh) | 2023-05-23 | 2023-05-23 | 一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116513171A true CN116513171A (zh) | 2023-08-01 |
Family
ID=87403027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310587180.7A Pending CN116513171A (zh) | 2023-05-23 | 2023-05-23 | 一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116513171A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116994457A (zh) * | 2023-09-26 | 2023-11-03 | 深圳海星智驾科技有限公司 | 车辆防碰撞的检测方法、装置、计算机设备及存储介质 |
-
2023
- 2023-05-23 CN CN202310587180.7A patent/CN116513171A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116994457A (zh) * | 2023-09-26 | 2023-11-03 | 深圳海星智驾科技有限公司 | 车辆防碰撞的检测方法、装置、计算机设备及存储介质 |
CN116994457B (zh) * | 2023-09-26 | 2023-12-29 | 深圳海星智驾科技有限公司 | 车辆防碰撞的检测方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983781B (zh) | 一种无人车目标搜索系统中的环境探测方法 | |
CN111797734B (zh) | 车辆点云数据处理方法、装置、设备和存储介质 | |
CN111552284A (zh) | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 | |
US8233663B2 (en) | Method for object formation | |
KR101822373B1 (ko) | 물체 탐지 장치 및 방법 | |
JPWO2018016394A1 (ja) | 走路境界推定装置及びそれを用いた走行支援システム | |
CN105404844A (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
CN112455430B (zh) | 无车位线的斜列车位的检测方法、泊车方法及泊车系统 | |
WO2023050638A1 (zh) | 基于激光点云的路沿识别 | |
CN114596712B (zh) | 一种车辆跟驰控制方法和系统 | |
WO2022226831A1 (zh) | 未定义类别障碍物的检测方法、装置和计算机设备 | |
CN116513171A (zh) | 一种基于车道信息的自动驾驶碰撞风险检测方法、系统及介质 | |
Kellner et al. | Multi-cue, model-based detection and mapping of road curb features using stereo vision | |
CN116311127A (zh) | 一种道路边界检测方法、计算机设备、可读存储介质及机动车 | |
CN112660128A (zh) | 用于确定自动驾驶车辆的车道变更路径的设备及其方法 | |
CN112230638A (zh) | 一种车辆的停车路径规划方法和装置 | |
CN113008296A (zh) | 用于通过在点云平面上融合传感器数据来检测汽车环境的方法和汽车控制单元 | |
CN111591288B (zh) | 基于距离变换图的碰撞检测方法及装置 | |
CN114549286A (zh) | 车道线生成方法及装置、计算机可读存储介质、终端 | |
CN113178074A (zh) | 应用于车辆的交通流机器学习建模系统及其方法 | |
CN113740874A (zh) | 一种道路边沿检测方法、电子设备及车辆 | |
CN113432615A (zh) | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 | |
CN115230688B (zh) | 障碍物轨迹预测方法、系统和计算机可读存储介质 | |
WO2023017625A1 (en) | Drive device, vehicle, and method for automated driving and/or assisted driving | |
CN113673383B (zh) | 一种面向复杂道路场景的时空域障碍物检测方法及系统 |
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 |