CN116572986A - 一种车辆碰撞预警方法及系统 - Google Patents
一种车辆碰撞预警方法及系统 Download PDFInfo
- Publication number
- CN116572986A CN116572986A CN202310662704.4A CN202310662704A CN116572986A CN 116572986 A CN116572986 A CN 116572986A CN 202310662704 A CN202310662704 A CN 202310662704A CN 116572986 A CN116572986 A CN 116572986A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- motion
- self
- curvature
- movement
- 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 47
- 238000012545 processing Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 2
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000883966 Astrophytum capricorne Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 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
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
-
- 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)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种车辆碰撞预警方法及系统,涉及车辆技术领域。在执行所述方法时,先获取自车运动状态,其中,自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止,当自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,其中,运行轨迹包括预测位置坐标以及运动方向,再预测目标车辆运行轨迹,最后根据自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。这样,根据自车定曲率运动或变曲率运动的时间、弧长以及转角可以对准确地对自车运行轨迹进行预测,进而可以准确地进行车辆碰撞预警。
Description
技术领域
本申请涉及车辆技术领域,尤其涉及一种车辆碰撞预警方法及系统。
背景技术
随着技术发展,主动安全功能对城市道路场景的覆盖度要求越来越高。对于车辆沿车道行驶的场景,主动安全避障功能较成熟。对于路口场景,特别是自车左转或右转的场景下,主动安全避障功能受限于对自车轨迹和目标轨迹的预测准确度,存在无法准确识别碰撞风险的问题。
综上所述,如何准确地进行车辆碰撞预警是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本申请提供了一种车辆碰撞预警方法及系统,旨在准确地进行车辆碰撞预警。
第一方面,本申请提供了一种车辆碰撞预警方法,包括:
获取自车运动状态,所述自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止;
当所述自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,所述运行轨迹包括预测位置坐标以及运动方向;
预测目标车辆运行轨迹;
根据所述自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。
可选的,所述根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,包括:
以所述自车运动状态被确定为定曲率运动或变曲率运动时为计时起点,计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角;
获取所述计时起点处自车速度方向;
将所述计时起点处自车后轴中心在地面上的投影作为笛卡尔坐标系的原点,将所述计时起点处自车速度方向作为x轴正方向,自车左侧方向作为y轴正方向,建立笛卡尔坐标系;
根据所述自车定曲率运动或变曲率运动的时间、弧长以及转角,和所述笛卡尔坐标系,预测自车运行轨迹。
可选的,所述计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角之后,还包括:
判断所述自车运动状态是否发生切换,并在判断所述自车运动状态切换的过程中做防抖处理;
若是,则获取自车运动状态切换的时间,根据所述自车运动状态切换的时间对所述自车作曲线运动的计时和弧长进行处理。
可选的,所述预测目标车辆运行轨迹,包括:
获取目标车辆运动状态;
当所述目标车辆运动状态为直线运动时,确定所述目标车辆做匀速运动,根据目标车辆直线运动的速度在自车当前Frenet坐标系下计算目标车辆预测位置坐标和速度,将所述目标车辆预测位置坐标和速度转换至自车笛卡尔坐标系下,以预测所述目标车辆运行轨迹;
当所述目标车辆运动状态为定曲率运动或变曲率运动时,根据目标车辆定曲率运动或变曲率运动的时间、弧长以及转角,预测所述目标车辆运行轨迹。
可选的,所述根据所述自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警,包括:
根据自车预测位置坐标与目标车辆预测位置坐标的关系,以及自车运动方向与目标车辆运动方向的关系,进行碰撞风险评估;
根据评估结果进行车辆碰撞预警。
可选的,所述方法还包括:
获取自车历史轨迹数据,所述自车历史轨迹数据包括一定时间后实际自车位置坐标;
通过比较预测时间的自车位置坐标与所述一定时间后实际自车位置坐标,得到坐标差值;
根据所述坐标差值评估自车轨迹预测的准确度;
当所述准确度低于预设阈值时,显示车辆碰撞预警系统异常。
第二方面,本申请提供了一种车辆碰撞预警系统,包括:
第一获取模块,用于获取自车运动状态,所述自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止;
第一预测模块,用于当所述自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,所述运行轨迹包括预测位置坐标以及运动方向;
第二预测模块,用于预测目标车辆运行轨迹;
预警模块,用于根据所述自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。
可选的,所述第一预测模块,包括:
计算单元,用于以所述自车运动状态被确定为定曲率运动或变曲率运动时为计时起点,计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角;
第一获取单元,用于获取所述计时起点处自车速度方向;
建立单元,用于将所述计时起点处自车后轴中心在地面上的投影作为笛卡尔坐标系的原点,将所述计时起点处自车速度方向作为x轴正方向,自车左侧方向作为y轴正方向,建立笛卡尔坐标系;
第一预测单元,用于根据所述自车定曲率运动或变曲率运动的时间、弧长以及转角,和所述笛卡尔坐标系,预测自车运行轨迹。
可选地,所述第一预测模块,还包括:
第一处理单元,用于判断所述自车运动状态是否发生切换,并在判断所述自车运动状态切换的过程中做防抖处理;
第二处理单元,用于若是,则获取自车运动状态切换的时间,根据所述自车运动状态切换的时间对所述自车作曲线运动的计时和弧长进行处理。
可选地,所述第二预测模块,包括:
第二获取单元,用于获取目标车辆运动状态;
第二预测单元,用于当所述目标车辆运动状态为直线运动时,确定所述目标车辆做匀速运动,根据目标车辆直线运动的速度在自车当前Frenet坐标系下计算目标车辆预测位置坐标和速度,将所述目标车辆预测位置坐标和速度转换至自车笛卡尔坐标系下,以预测所述目标车辆运行轨迹;
第三预测单元,用于当所述目标车辆运动状态为定曲率运动或变曲率运动时,根据目标车辆定曲率运动或变曲率运动的时间、弧长以及转角,预测所述目标车辆运行轨迹。
可选地,所述预警模块,包括:
评估单元,用于根据自车预测位置坐标与目标车辆预测位置坐标的关系,以及自车运动方向与目标车辆运动方向的关系,进行碰撞风险评估;
预警单元,用于根据评估结果进行车辆碰撞预警。
可选地,所述系统还包括:
第二获取模块,用于获取自车历史轨迹数据,所述自车历史轨迹数据包括一定时间后实际自车位置坐标;
比较模块,用于通过比较预测时间的自车位置坐标与所述一定时间后实际自车位置坐标,得到坐标差值;
准确度评估模块,用于根据所述坐标差值评估自车轨迹预测的准确度;
异常显示模块,用于当所述准确度低于预设阈值时,显示车辆碰撞预警系统异常。
第三方面,本申请提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器用于存储指令或代码,所述处理器用于执行所述指令或代码,以使所述设备执行前述第一方面任一项所述的车辆碰撞预警方法。
第四方面,本申请提供了一种计算机存储介质,所述计算机存储介质中存储有代码,当所述代码被运行时,运行所述代码的设备实现前述第一方面任一项所述的车辆碰撞预警方法。
本申请提供了一种车辆碰撞预警方法。在执行所述方法时,先获取自车运动状态,其中,自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止,当自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,其中,运行轨迹包括预测位置坐标以及运动方向,再预测目标车辆运行轨迹,最后根据自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。这样,根据自车定曲率运动或变曲率运动的时间、弧长以及转角可以对准确地对自车运行轨迹进行预测,进而可以准确地进行车辆碰撞预警。
附图说明
为更清楚地说明本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,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例提供的一种车辆碰撞预警方法的流程图;
图2为本申请实施例提供的一种车辆碰撞预警情况的示意图;
图3为本申请实施例提供的另一种车辆碰撞预警情况的示意图;
图4为本申请实施例提供的一种车辆碰撞预警系统的结构图;
图5为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。本申请提供的一种车辆碰撞预警方法及系统,用于涉及车辆技术领域。上述仅为示例,并不对本申请提供的方法及系统名称的应用领域进行限定。
随着技术发展,主动安全功能对城市道路场景的覆盖度要求越来越高。对于车辆沿车道行驶的场景,主动安全避障功能较成熟。对于路口场景,特别是自车左转或右转的场景下,主动安全避障功能受限于对自车轨迹和目标轨迹的预测准确度,存在无法准确识别碰撞风险的问题。
发明人经过研究提出本申请技术方案,在执行所述方法时,先获取自车运动状态,其中,自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止,当自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,其中,运行轨迹包括预测位置坐标以及运动方向,再预测目标车辆运行轨迹,最后根据自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。这样,根据自车定曲率运动或变曲率运动的时间、弧长以及转角可以对准确地对自车运行轨迹进行预测,进而可以准确地进行车辆碰撞预警。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参见图1,图1为本申请实施例提供的一种车辆碰撞预警方法的流程图,包括:
S101:获取自车运动状态。
根据自车曲率和曲率变化率对其运动状态进行分类:直线运动、定曲率运动、变曲率运动、静止。获取自车运动状态,其运动状态也就包括:直线运动、定曲率运动、变曲率运动及静止。
S102:当自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹。
当自车运动状态为定曲率运动或变曲率运动时,以所述自车运动状态被确定为定曲率运动或变曲率运动时为计时起点,计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角,再获取计时起点处自车速度方向,将计时起点处自车后轴中心在地面上的投影作为笛卡尔坐标系的原点,将计时起点处自车速度方向作为x轴正方向,自车左侧方向作为y轴正方向,建立笛卡尔坐标系,其中,该坐标系用于自车位置预测。根据自车定曲率运动或变曲率运动的时间、弧长以及转角,和所述笛卡尔坐标系,预测自车运行轨迹,其中,运行轨迹包括预测位置坐标以及运动方向。
此外,在计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角之后,可以判断自车运动状态是否发生切换,并在判断自车运动状态切换的过程中做防抖处理,若是,则获取自车运动状态切换的时间,根据自车运动状态切换的时间对自车作曲线运动的计时和弧长进行处理,利用处理后的数据对自车运行轨迹进行预测,可以提高自车运行轨迹预测的准确性;若否,则不对数据进行处理。
具体的计算方式如下:
自车处于变曲率运动阶段时,轨迹预测的理论基础是羊角螺线方程,即轨迹的曲率与弧长成正比。根据羊角螺线理论公式,弧长S与曲率K的比例系数A为常数,自车运行轨迹的横纵坐标(x,y)需要对弧长求积分:
考虑到工程运用,采用周期累加的方式计算积分的近似值作为自车横纵坐标的预测值。
以自车状态满足变曲率运动时作为计时起点,tclothiod=0,此时,弧长、转角及横纵坐标初始化为0:SN=0,αN=0,xN=0,yN=0;按算法运行周期dT采样:
tclothiod=tclothiodK+dT
SN=SNK+Vego·dT
其中,tclothiodK,SNk,xNk,yNk为上一个周期采样的计时、弧长和横纵坐标,初始值为0;Vego为自车车速,常数A为当前曲率SN与当前曲率KN的比值:
假设在预测时间内变曲率运动阶段自车做匀加速运动,预测周期dt弧长变化量ds:
每个预测周期(dt)自车的预测弧长Spred、预测曲率Kpred、预测转角αpred:
Spred=SpredK+ds
其中,SpredK为上一预测周期的预测曲率,其初始值为当前曲率SN;自车的横纵向预测坐标(xpred,ypred):
其中,(xpredK,ypredK)为上一个预测周期的预测坐标,其初始值为当前坐标(xN,yN);
如果在变曲率过程中有定曲率运动阶段且达到一定时间阈值,按照自车做匀速圆周运动进行位置计算:
以自车状态满足定曲率运动时作为计时起点,tCR=0;此时,定曲率运动弧长初始化为0,转角及横纵坐标保持当前值:SCR=0;处于定曲率阶段时自车的预测曲率Kpred保持当前值,Kpred=KN;预测转角αpred:
SCR=SCRK+Vego·dt
其中,SCRK,αCR_predk为上一预测周期的预测定曲率弧长和转角,初始值为0;自车的横纵向预测坐标(xpred,ypred):
xpred=xpredK+dxCR·cos(αCR_predk)-dyCR·sin(αCR_predk)
ypred=ypredK+dxCR·sin(αCR_predk)+dyCR·cos(αCR_predk)
其中,(xpredK,ypredK)为上一个预测周期的预测坐标,其初始值为当前坐标(xN,yN)。
S103:预测目标车辆运行轨迹。
根据目标历史轨迹和速度方向判断目标车辆运动状态。其中,由于感知输入位置和速度等属性都是基于历史自车Frenet坐标系的,需要将历史轨迹点转换至当前自车Frenet坐标系。当目标车辆运动状态为定曲率运动或变曲率运动时,根据目标车辆定曲率运动或变曲率运动的时间、弧长以及转角,预测目标车辆运行轨迹。
具体的计算方式如下:
如果目标车辆为直线运动,假设其在预测时间内做匀速运动,先在自车当前Frenet坐标系下计算目标预测坐标,再将预测坐标转换到自车笛卡尔坐标系下。如果目标车辆做定曲率或变曲率运动,先将目标坐标转换至自车笛卡尔坐标系下,再计算目标预测位置。
目标车辆的位置坐标转换方法如下:
xobj_trans=(xobj-yobj·tan(αegoN)·cos(αegoN))+xegoN
其中,(xobj,yobj)为自车当前Frenet坐标系下的目标车辆坐标,(xobjtrans,yobjtrans)为自车笛卡尔坐标系下目标车辆位置坐标,(xegoN,yegoN),αegoN为自车笛卡尔坐标下自车当前位置坐标和转角;
目标车辆的曲率Kobj为:
其中,ωobj为目标车辆的横摆角速度,Vxabsobj为目标车辆的纵向绝对速度;目标车辆的当前弧长Sobj和预测弧长Sobj_pred为:
其中,axobj为目标车辆运动纵向加速度;SobjK为上个采样周期dT目标车辆运动的弧长,初始值为0;Sobj_predK为上个预测周期dt目标车辆运动的弧长,初始值为目标车辆当前弧长Sobj;
目标车辆的变曲率运动位置的计算及预测的后续计算与S102中自车的变曲率运动位置的计算及预测的后续计算相同,此处不再赘述。
S104:根据自车运行轨迹和目标车辆运行轨迹,进行车辆碰撞预警。
根据自车预测位置坐标与目标车辆预测位置坐标的关系,以及自车运动方向与目标车辆运动方向的关系,进行碰撞风险评估,根据评估结果进行车辆碰撞预警。
如图2所示,图2为一种车辆碰撞预警情况的示意图,在预测时间内,在每个采样周期计算自车与目标车辆的横纵向距离差,当横纵向距离差在一定范围内、速度方向不一致、且目标靠近自车则认为有碰撞风险。横纵向距离差阈值与自车在以自车变曲率运动起点为原点的笛卡尔坐标系下的横纵向投影有关。例如,考虑目标车辆的尺寸,其预测区域与自车预测位置,或目标运动方向侧的自车投影区域有交集,认为有碰撞风险。
如图3所示,本申请实施例提供的另一种车辆碰撞预警情况的示意图,考虑目标的宽度,在预测时间内任意时刻目标与自车的预测位置坐标差值满足以下条件时,需要进行碰撞预警:
其中,(xegopred,yegopred)、(xobj_pred,yobj_pred)为自车后轴中心和目标车头中心在自车笛卡尔坐标系下的预测坐标;Lenego、Lenobj为目标车辆和自车的车长,Wdtego、Wdtobj为目标车辆和自车的车宽,dstRego为自车后轴到车尾的距离;为自车的预测转角,即自车预测行驶方向与自车笛卡尔坐标系X轴的夹角。
此外,获取自车历史轨迹数据,自车历史轨迹数据包括一定时间后实际自车位置坐标,通过比较预测时间的自车位置坐标与一定时间后实际自车位置坐标,得到坐标差值,根据坐标差值评估自车轨迹预测的准确度,当准确度低于预设阈值时,显示车辆碰撞预警系统异常。具体的,由于自车历史轨迹数据是较准确的,通过比较预测时间自车位置与实际一定时间后自车位置的坐标差值,就可以评估自车轨迹预测的准确度,横纵向差值可通过RMSE分别评估,预期值范围0.2~0.5。当评估结果不符合预期范围,则显示车辆碰撞预警系统异常,以此可以保证车辆碰撞预警的准确性。
在本申请提供的实施例中,先获取自车运动状态,其中,自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止,当自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,其中,运行轨迹包括预测位置坐标以及运动方向,再预测目标车辆运行轨迹,最后根据自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。这样,根据自车定曲率运动或变曲率运动的时间、弧长以及转角可以对准确地对自车运行轨迹进行预测,进而可以准确地进行车辆碰撞预警。
本申请实施例提供车辆碰撞预警方法的一些具体实现方式,基于此,本申请还提供了对应的系统。下面将从功能模块化的角度对本申请实施例提供的系统进行介绍。
参见图4所示的车辆碰撞系统400的结构示意图,该系统400包括;
第一获取模块410,用于获取自车运动状态,所述自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止;
第一预测模块420,用于当所述自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,所述运行轨迹包括预测位置坐标以及运动方向;
第二预测模块430,用于预测目标车辆运行轨迹;
预警模块440,用于根据所述自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。
可选的,所述第一预测模块420,包括:
计算单元,用于以所述自车运动状态被确定为定曲率运动或变曲率运动时为计时起点,计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角;
第一获取单元,用于获取所述计时起点处自车速度方向;
建立单元,用于将所述计时起点处自车后轴中心在地面上的投影作为笛卡尔坐标系的原点,将所述计时起点处自车速度方向作为x轴正方向,自车左侧方向作为y轴正方向,建立笛卡尔坐标系;
第一预测单元,用于根据所述自车定曲率运动或变曲率运动的时间、弧长以及转角,和所述笛卡尔坐标系,预测自车运行轨迹。
可选地,所述第一预测模块420,还包括:
第一处理单元,用于判断所述自车运动状态是否发生切换,并在判断所述自车运动状态切换的过程中做防抖处理;
第二处理单元,用于若是,则获取自车运动状态切换的时间,根据所述自车运动状态切换的时间对所述自车作曲线运动的计时和弧长进行处理。
可选地,所述第二预测模块430,包括:
第二获取单元,用于获取目标车辆运动状态;
第二预测单元,用于当所述目标车辆运动状态为直线运动时,确定所述目标车辆做匀速运动,根据目标车辆直线运动的速度在自车当前Frenet坐标系下计算目标车辆预测位置坐标和速度,将所述目标车辆预测位置坐标和速度转换至自车笛卡尔坐标系下,以预测所述目标车辆运行轨迹;
第三预测单元,用于当所述目标车辆运动状态为定曲率运动或变曲率运动时,根据目标车辆定曲率运动或变曲率运动的时间、弧长以及转角,预测所述目标车辆运行轨迹。
可选地,所述预警模块440,包括:
评估单元,用于根据自车预测位置坐标与目标车辆预测位置坐标的关系,以及自车运动方向与目标车辆运动方向的关系,进行碰撞风险评估;
预警单元,用于根据评估结果进行车辆碰撞预警。
可选地,所述系统还包括:
第二获取模块,用于获取自车历史轨迹数据,所述自车历史轨迹数据包括一定时间后实际自车位置坐标;
比较模块,用于通过比较预测时间的自车位置坐标与所述一定时间后实际自车位置坐标,得到坐标差值;
准确度评估模块,用于根据所述坐标差值评估自车轨迹预测的准确度;
异常显示模块,用于当所述准确度低于预设阈值时,显示车辆碰撞预警系统异常。
本申请实施例还提供了对应的设备以及计算机存储介质,用于实现本申请实施例提供的方案。
其中,所述设备包括存储器和处理器,所述存储器用于存储指令或代码,所述处理器用于执行所述指令或代码,以使所述设备执行本申请任一实施例所述的方法。
如图5所示,计算机设备01以通用计算设备的形式表现。计算机设备01的组件可以包括但不限于:一个或者多个处理器或者处理单元03,系统存储器08,连接不同系统组件(包括系统存储器08和处理单元03)的总线04。
总线04表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备01典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备01访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器08可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)09和/或高速缓存存储器10。计算机设备01可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统11可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线04相连。存储器08可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块13的程序/实用工具12,可以存储在例如存储器08中,这样的程序模块13包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块13通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备01也可以与一个或多个外部设备02(例如键盘、指向设备、显示器07等)通信,还可与一个或者多个使得用户能与该计算机设备01交互的设备通信,和/或与使得该计算机设备01能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口06进行。并且,计算机设备01还可以通过网络适配器05与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器05通过总线04与计算机设备01的其它模块通信。应当明白,尽管图5中未示出,可以结合计算机设备01使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器单元03通过运行存储在系统存储器08中的程序,从而执行各种功能应用以及数据处理,例如实现本申请实施例提供的一种检查项目标准名称确定方法。
本申请实施例中提到的“第一”、“第二”等名称中的“第一”、“第二”只是用来做名字标识,并不代表顺序上的第一、第二。应当理解,本申请中使用的“系统”、“装置”、“单元”和“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换该词语。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案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存储介质中,如只读存储器(英文:read-only memory,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,或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。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劳动的情况下,即可以理解并实施。
以上所述仅是本申请示例性的实施方式,并非用于限定本申请的保护范围。
Claims (10)
1.一种车辆碰撞预警方法,其特征在于,包括:
获取自车运动状态,所述自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止;
当所述自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,所述运行轨迹包括预测位置坐标以及运动方向;
预测目标车辆运行轨迹;
根据所述自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。
2.根据权利要求1所述的方法,其特征在于,所述根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,包括:
以所述自车运动状态被确定为定曲率运动或变曲率运动时为计时起点,计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角;
获取所述计时起点处自车速度方向;
将所述计时起点处自车后轴中心在地面上的投影作为笛卡尔坐标系的原点,将所述计时起点处自车速度方向作为x轴正方向,自车左侧方向作为y轴正方向,建立笛卡尔坐标系;
根据所述自车定曲率运动或变曲率运动的时间、弧长以及转角,和所述笛卡尔坐标系,预测自车运行轨迹。
3.根据权利要求2所述的方法,其特征在于,所述计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角之后,还包括:
判断所述自车运动状态是否发生切换,并在判断所述自车运动状态切换的过程中做防抖处理;
若是,则获取自车运动状态切换的时间,根据所述自车运动状态切换的时间对所述自车作曲线运动的计时和弧长进行处理。
4.根据权利要求1所述的方法,其特征在于,所述预测目标车辆运行轨迹,包括:
获取目标车辆运动状态;
当所述目标车辆运动状态为直线运动时,确定所述目标车辆做匀速运动,根据目标车辆直线运动的速度在自车当前Frenet坐标系下计算目标车辆预测位置坐标和速度,将所述目标车辆预测位置坐标和速度转换至自车笛卡尔坐标系下,以预测所述目标车辆运行轨迹;
当所述目标车辆运动状态为定曲率运动或变曲率运动时,根据目标车辆定曲率运动或变曲率运动的时间、弧长以及转角,预测所述目标车辆运行轨迹。
5.根据权利要求1所述的方法,其特征在于,所述根据所述自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警,包括:
根据自车预测位置坐标与目标车辆预测位置坐标的关系,以及自车运动方向与目标车辆运动方向的关系,进行碰撞风险评估;
根据评估结果进行车辆碰撞预警。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取自车历史轨迹数据,所述自车历史轨迹数据包括一定时间后实际自车位置坐标;
通过比较预测时间的自车位置坐标与所述一定时间后实际自车位置坐标,得到坐标差值;
根据所述坐标差值评估自车轨迹预测的准确度;
当所述准确度低于预设阈值时,显示车辆碰撞预警系统异常。
7.一种车辆碰撞预警系统,其特征在于,包括:
第一获取模块,用于获取自车运动状态,所述自车运动状态包括直线运动、定曲率运动、变曲率运动以及静止;
第一预测模块,用于当所述自车运动状态为定曲率运动或变曲率运动时,根据自车定曲率运动或变曲率运动的时间、弧长以及转角,预测自车运行轨迹,所述运行轨迹包括预测位置坐标以及运动方向;
第二预测模块,用于预测目标车辆运行轨迹;
预警模块,用于根据所述自车运行轨迹和所述目标车辆运行轨迹,进行车辆碰撞预警。
8.根据权利要求7所述的系统,其特征在于,所述第一预测模块,包括:
计算单元,用于以所述自车运动状态被确定为定曲率运动或变曲率运动时为计时起点,计算得到所述自车定曲率运动或变曲率运动的时间、弧长以及转角;
第一获取单元,用于获取所述计时起点处自车速度方向;
建立单元,用于将所述计时起点处自车后轴中心在地面上的投影作为笛卡尔坐标系的原点,将所述计时起点处自车速度方向作为x轴正方向,自车左侧方向作为y轴正方向,建立笛卡尔坐标系;
第一预测单元,用于根据所述自车定曲率运动或变曲率运动的时间、弧长以及转角,和所述笛卡尔坐标系,预测自车运行轨迹。
9.一种计算机设备,其特征在于,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计算机程序时,实现如权利要求1-6任一项所述的车辆碰撞预警方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如权利要求1-6任一项所述的车辆碰撞预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310662704.4A CN116572986A (zh) | 2023-06-06 | 2023-06-06 | 一种车辆碰撞预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310662704.4A CN116572986A (zh) | 2023-06-06 | 2023-06-06 | 一种车辆碰撞预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116572986A true CN116572986A (zh) | 2023-08-11 |
Family
ID=87541368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310662704.4A Pending CN116572986A (zh) | 2023-06-06 | 2023-06-06 | 一种车辆碰撞预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116572986A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116994436A (zh) * | 2023-09-26 | 2023-11-03 | 青岛慧拓智能机器有限公司 | 一种智慧矿山道路碰撞预警方法 |
-
2023
- 2023-06-06 CN CN202310662704.4A patent/CN116572986A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116994436A (zh) * | 2023-09-26 | 2023-11-03 | 青岛慧拓智能机器有限公司 | 一种智慧矿山道路碰撞预警方法 |
CN116994436B (zh) * | 2023-09-26 | 2024-02-20 | 青岛慧拓智能机器有限公司 | 一种智慧矿山道路碰撞预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102292277B1 (ko) | 자율 주행 차량에서 3d cnn 네트워크를 사용하여 솔루션을 추론하는 lidar 위치 추정 | |
CN108089572B (zh) | 用于车辆定位的方法和装置 | |
KR102335389B1 (ko) | 자율 주행 차량의 lidar 위치 추정을 위한 심층 학습 기반 특징 추출 | |
JP6878493B2 (ja) | 自動運転車両(adv)に用いるピッチ角の補正方法 | |
CN108399218B (zh) | 基于Walsh内核投影技术的自动驾驶车辆定位 | |
KR102350181B1 (ko) | 자율 주행 차량에서 rnn 및 lstm을 사용하여 시간적 평활화를 수행하는 lidar 위치 추정 | |
US10035508B2 (en) | Device for signalling objects to a navigation module of a vehicle equipped with this device | |
CN113267199B (zh) | 行驶轨迹规划方法及装置 | |
JP2020015493A (ja) | 自動運転車両のためのオブジェクト移動を予測するための方法およびシステム | |
CN109229109B (zh) | 判断车辆行驶方向的方法、装置、设备和计算机存储介质 | |
US11506502B2 (en) | Robust localization | |
CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
CN111707258B (zh) | 一种外部车辆监测方法、装置、设备及存储介质 | |
CN116572986A (zh) | 一种车辆碰撞预警方法及系统 | |
CN111746525A (zh) | 泊车路径规划方法、装置、设备及存储介质 | |
JP2017154516A (ja) | 衝突判定装置、衝突判定方法、およびプログラム | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN112009460B (zh) | 一种车辆控制方法、装置、设备及存储介质 | |
CN116088538B (zh) | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 | |
CN116552564A (zh) | 行车轨迹确定方法及装置、电子设备及可读存储介质 | |
CN115123291B (zh) | 一种基于障碍物识别的行为预测方法及装置 | |
CN115447607A (zh) | 用于规划车辆行驶轨迹的方法和装置 | |
CN111338341A (zh) | 车辆避障方法和设备、电子设备、车辆及存储介质 | |
JP4847303B2 (ja) | 障害物検出方法、障害物検出プログラムおよび障害物検出装置 | |
CN115146539B (zh) | 车辆的安全评价参数确定方法、装置和车辆 |
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 |