CN116719318A - 碰撞检测方法及装置、自主移动装置、存储介质 - Google Patents

Abstract

本申请实施例提供一种碰撞检测方法及装置、自主移动装置、存储介质，涉及自主移动装置技术领域。该方法通过获取自主移动装置的运动轨迹以及动态障碍物的当前速度、当前位置以及历史运动轨迹；根据动态障碍物的历史运动轨迹，预测动态障碍物的加加速度；根据动态障碍物的当前速度、当前位置、历史运动轨迹以及加加速度，预测动态障碍物从当前到未来指定时段内的未来运动轨迹；根据动态障碍物的未来运动轨迹与自主移动装置的运动轨迹，检测动态障碍物与自主移动装置是否存在碰撞风险，从而可以改善目前自主移动装置难以对快速运动的动态障碍物及时做出安全响应，导致自主移动装置自主运动存在安全隐患的问题。

Description

碰撞检测方法及装置、自主移动装置、存储介质

技术领域

本申请涉及自主移动装置技术领域，更具体地，涉及一种碰撞检测方法及装置、自主移动装置、存储介质。

背景技术

随着自主移动装置技术研发的不断深入，以及自主移动装置在市场中的大面积普及，自主移动装置的运行环境也变得越来越复杂，经常出现人车混流，以及自主移动装置与其他自主移动装置混合作业等情形。其中，自主移动装置可以包括但不限于自主移动机器人(Autonomous Mobile Robot，简称AMR)或自动导引运输车(Automated Guided Vehicle，简称AGV)。

由于对自主移动装置的运行效率的要求越来越高，自主移动装置的行驶速度越来越快，对自主移动装置的安全保护功能的要求越来越高，自主移动装置不仅需要对静态障碍物(例如，运动场景中的墙壁或固定安装的机器)和移动速度较慢的障碍物(例如，移速较慢的其他自主移动装置或人)及时做出安全响应，还需要在自身快速运行的情况下，对快速运动的动态障碍物(例如，移速较快的其他自主移动装置)及时做出安全响应，以确保自主移动装置自主运动的安全。因此，如何对动态障碍物及时做出安全响应成为自主移动装置领域亟待解决的问题。

在相关机器人领域中，由于机器人一般行驶速度比较慢，所以无论是动态障碍物还是静态障碍物，机器人在做碰撞检测以及后续基于碰撞检测结果进行停障或绕障的过程中，通常都是将每一帧检测到的障碍物均视作为静态障碍物，实时更新到障碍物地图中，然后基于障碍物地图判断机器人的行驶轨迹是否会有碰撞的可能。这种将所有障碍物都视为静态障碍物的方式缺少对动态障碍物的预测与碰撞检测，在机器人快速运动时，难以对快速运动的动态障碍物及时做出安全响应，导致机器人和动态障碍物存在碰撞风险。

在相关汽车自动驾驶领域中，由于汽车行驶的速度通常比较快，所以汽车会对动态障碍物做预测以及碰撞检测，以确保汽车可以对动态障碍物做出及时响应，以保证汽车自动驾驶安全。然而，汽车自动驾驶领域中动态障碍物的预测一般会结合实时交通数据、实时路况信息以及实时感知到的障碍物信息，采用深度学习的方式对动态障碍物的轨迹做出预测。这种采用深度学习算法对动态障碍物的轨迹进行预测的方式需要与交通信息结合，且深度学习算法过于复杂，不适用于自主移动装置领域。

也就是说，目前自主移动装置难以对快速运动的动态障碍物及时做出安全响应，导致自主移动装置自主运动存在安全隐患。

发明内容

基于此，本申请实施例提出了一种碰撞检测方法及装置、自主移动装置、存储介质，以改善目前自主移动装置难以对快速运动的动态障碍物及时做出安全响应，导致自主移动装置自主运动存在安全隐患的问题。

第一方面，本申请实施例提供一种碰撞检测方法，该方法包括：获取自主移动装置的运动轨迹以及动态障碍物的当前速度、当前位置以及历史运动轨迹；根据所述动态障碍物的历史运动轨迹，预测所述动态障碍物的加加速度；根据所述动态障碍物的当前速度、当前位置、历史运动轨迹以及所述加加速度，预测所述动态障碍物从当前到未来指定时段内的未来运动轨迹；根据所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹，检测所述动态障碍物与所述自主移动装置是否存在碰撞风险。

第二方面，本申请实施例提供一种碰撞检测装置，该装置包括：数据获取模块，用于获取自主移动装置的运动轨迹以及动态障碍物的当前速度、当前位置、历史运动轨迹；加加速度预测模块，用于根据所述动态障碍物的历史运动轨迹，预测所述动态障碍物的加加速度；轨迹预测模块，用于根据所述动态障碍物的当前速度、当前位置、历史运动轨迹、所述加加速度，预测所述动态障碍物从当前到未来指定时段内的未来运动轨迹；碰撞检测模块，用于根据所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹，检测所述动态障碍物与所述自主移动装置是否存在碰撞风险。

第三方面，本申请实施例提供一种自主移动装置，该自主移动装置包括：存储器和处理器，该存储器上存储有应用程序，该应用程序被配置为当被处理器调用时执行本申请实施例提供的方法。

第四方面，本申请实施例提供一种计算机可读取存储介质，该计算机可读取存储介质上存储有程序代码，该程序代码被配置为当被处理器调用时执行本申请实施例提供的方法。

本申请实施例提供的碰撞检测方法及装置、自主移动装置、存储介质，根据动态障碍物的历史运动轨迹预测动态障碍物的加加速度，根据动态障碍物的当前速度、当前位置、历史运动轨迹以及加加速度，预测动态障碍物从当前到未来指定时段内的未来运动轨迹，根据动态障碍物的未来运动轨迹和自主移动装置的运动轨迹，检测动态障碍物与自主移动装置是否存在碰撞风险，考虑了动态障碍物的未来运动轨迹，可以对未来指定时段内的动态障碍物进行碰撞检测，以便后续可以基于碰撞检测结果提前对动态障碍物进行安全响应，进而确保自主移动装置自主运动的安全性，改善目前自主移动装置难以对快速运动的动态障碍物及时做出安全响应，导致自主移动装置自主运动存在安全隐患的问题。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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，而不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例及附图，都属于本申请保护的范围。

图1示出了本申请实施例提供的碰撞检测系统的结构示意图；

图2示出了本申请一实施例提供的碰撞检测方法的流程示意图；

图3示出了本申请实施例提供的车体坐标系的示意图；

图4示出了本申请一实施例提供的图2中的步骤S130的流程示意图；

图5示出了本申请一示例性实施例提供的环境栅格地图的示意图；

图6示出了本申请一示例性实施例提供的障碍物栅格地图的示意图；

图7示出了本申请另一示例性实施例提供的障碍物栅格地图的示意图；

图8示出了本申请又一示例性实施例提供的障碍物栅格地图的示意图；

图9示出了本申请一示例性实施例提供的距离地图的示意图；

图10示出了本申请一示例性实施例提供的碰撞检测的示意图；

图11示出了本申请另一示例性实施例提供的碰撞检测的示意图；

图12示出了本申请另一实施例提供的碰撞检测方法的流程示意图；

图13示出了本申请一实施例提供的图12中的步骤S130至步骤S160的流程示意图；

图14示出了本申请实施例提供的碰撞检测装置的结构示意图；

图15示出了本申请实施例提供的自主移动装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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。

请参阅图1，图1示出了本申请实施例提供的碰撞检测系统的结构示意图。该碰撞检测系统100可以应用于自主移动装置，例如AMR或AGV。碰撞检测系统100包括建图模块110、感知模块120、定位模块130、预测模块140、碰撞检测模块150以及决策模块150。其中，感知模块120用于对自主移动装置的周围环境信息进行感知，例如，对自主移动装置周围的静态障碍物以及动态障碍物进行感知。感知模块120可以包括一个或多个传感器，传感器可以包括但不限于相机、激光雷达传感器、毫米波雷达传感器以及超宽带传感器等。建图模块110用于在实时定位与建图环节，基于自主移动装置在整个运行场景中运动的过程中感知模块120实时感知到的周围环境信息，构建环境地图，环境地图包括运行场景中的静态障碍物，例如，墙壁或货物架。定位模块130用于对自主移动装置的位置进行实时定位以及实时获取自主移动装置的速度。预测模块140分别与建图模块110、感知模块120、定位模块以及碰撞检测模块150连接，预测模块140用于接收建图模块110输出的环境地图以及定位模块130输出的自主移动装置的当前速度以及当前位置，将环境地图、自主移动装置的当前速度以及当前位置输出到碰撞检测模块150。预测模块140还用于接收感知模块120输出的动态障碍物的障碍物信息(例如，动态障碍物的历史运动轨迹、当前速度以及当前位置，基于障碍物信息预测动态障碍物的未来运动轨迹，将未来运动轨迹输出到碰撞检测模块150。碰撞检测模块150分别与预测模块140与决策模块160连接，碰撞检测模块150用于基于环境地图、动态障碍物的未来运动轨迹以及自主移动装置的运动轨迹进行碰撞检测；在检测到存在碰撞风险时，基于动态障碍物的当前运动方向和自主移动装置的当前运动方向分析动态障碍物以及自主移动装置的运动关系，基于该运动关系决策自主移动装置的下一步运动策略，以便自主移动装置按照下一步运动决策进行继续运动或停车；在检测到不存在碰撞风险时，决策自主移动装置按照原本的运动策略进行运动。

请参阅图2，图2示出了本申请一实施例提供的碰撞检测方法的流程示意图。该碰撞检测方法可以应用于碰撞检测装置或碰撞检测系统或自主移动装置。该碰撞检测方法可以包括以下步骤S110至步骤S140。

步骤S110，获取自主移动装置的运动轨迹以及动态障碍物的当前速度、当前位置以及历史运动轨迹。

自主移动装置具有全局路径，全局路径包括多段曲线路径和多段直线路径，自主移动装置的运动轨迹可以包括自主移动装置的全局路径上的多段曲线路径和/或直线路径。示例的，自主移动装置的运动轨迹可以包括自主移动装置的全局路径上的从当前到未来指定时段内的轨迹。可以从自主移动装置的全局路径中，获取自主移动装置从当前到未来指定时段内的轨迹，将获取到的从当前到未来指定时段内的轨迹作为本申请实施例中的自主移动装置的运动轨迹，自主移动装置的运动轨迹可以包括自主移动装置的当前速度以及当前位置。其中，指定时段可以根据实际对碰撞检测的精度要求进行预先设定，在一些实施方式中，指定时段可以是3秒到5秒内中的任一时段，例如，假设指定时段为5秒，则自主移动装置的运动轨迹包括从当前到未来5秒内的轨迹。通常设定的指定时段越长，则碰撞检测的精度越高，相应地，自主移动装置的安全保障越高。

本申请实施例中的动态障碍物可以指快速运动的物体，动态障碍物可以包括但不限于快速移动的自主移动装置以及人。可以设定速度阈值，将运动速度大于速度阈值的物体确定为动态障碍物。动态障碍物的历史运动轨迹可以包括动态障碍物的历史速度、历史位置、历史加速度以及离散时间点，每个离散时间点对应一个历史速度、一个历史位置以及一个历史加速度。动态障碍物的历史运动轨迹可以包括动态障碍物从过去指定时段(例如3秒左右)到当前之间的轨迹。

需要说明的是，上述提到的自主移动装置的当前速度、自主移动装置的当前位置、动态障碍物的历史速度、动态障碍物的历史位置、动态障碍物的当前速度以及动态障碍物的当前位置均是矢量，具有x轴和y轴两个维度的属性。例如，自主移动装置的当前速度具有x轴方向和y轴方向，也可以理解为自主移动装置的当前速度包括x轴方向上的速度和y轴方向上的速度，即自主移动装置的当前速度可以表示为(Vx，Vy)，类似地，自主移动装置的当前位置可以表示为(x，y)。其中，x和y轴分别是车体坐标系的横轴和纵轴，请参阅图3，灰色矩形表示自主移动装置，灰色箭头表示自主移动装置的前进方向，点o表示自主移动装置的后轴中心，车体坐标系x-o-y以自主移动装置的后轴中心作为原点，以自主移动装置的前进方向为x轴的正方向，以自主移动装置的左侧方向为y轴正方向。

在一些实施方式中，自主移动装置可以通过其上的感知模块对动态障碍物进行实时感知，对感知到的障碍物设置一个标识信息(IdentityDocument，简称ID)，每个感知到的障碍物的标识信息不同；基于障碍物的标识信息，采用障碍物跟踪算法对感知到的动态障碍物进行跟踪，实时获取动态障碍物的障碍物信息；可以采用滤波算法(例如卡尔曼滤波算法)对动态障碍物的障碍物信息进行滤波，以去除障碍物信息中的过大值或过小值从而得到对障碍物信息所包括的数据进行平滑，得到滤波平滑后的障碍物信息。其中，自主移动装置中的感知模块用于对障碍物进行感知，该感知模块可以包括激光雷达传感器、相机、毫米波雷达传感器以及超宽带传感器等感知设备中的一种或多种组合。可以根据自主移动装置上实际部署的感知设备确定对应的障碍物跟踪算法以及滤波算法，在此不做具体限制。

其中，本申请实施例中的每个动态障碍物的障碍物信息可以包括但不限于以下数据：

(1)动态障碍物的标识信息，动态障碍物的标识信息用于跟踪动态障碍物，以便对动态障碍物进行预测并进行相关处理，例如，可以基于动态障碍物的标识信息存储或调用该动态障碍物的障碍物信息。

(2)感知置信度，感知置信度可以用于表征本次障碍物感知精度，感知设备每次感知障碍物得到的障碍物信息都具有对应的感知置信度，可以设置预设置信度来筛选感知到的障碍物信息，由于感知置信度高于预设置信度的障碍物信息的准确性较高，对碰撞检测的贡献价值较高，本申请实施例可以采用感知置信度高于预设置信度的障碍物信息，而感知置信度低于置信度的障碍物信息由于对碰撞检测的贡献价值较低可以舍弃，以减小碰撞检测的计算数据量，从而提升碰撞检测的效率。

(3)动态障碍物的真实轮廓，动态障碍物的真实轮廓指的是动态障碍物在地面的正投影的轮廓。在本申请实施例中，可以根据动态障碍物的真实轮廓的最大长度和最大宽度，设置应用于碰撞检测过程中的动态障碍物的轮廓，在动态障碍物装载有其他东西，例如装载有用于装载货物的顶盘且该顶盘大于动态障碍物的轮廓时，可以根据该顶盘的最大长度和最大宽度设置应用于碰撞检测过程中的动态障碍物的轮廓。在本申请实施例中，应用于碰撞检测过程中的动态障碍物的轮廓可以为矩形。

(4)上述动态障碍物的当前速度和当前位置。

(5)上述动态障碍物的历史运动轨迹。

在另一些实施方式中，自主移动装置可以与动态障碍物建立通信通道，自主移动装置可以基于与动态障碍物的通信通道，直接获取动态障碍物发送的历史运动轨迹、当前速度以及当前位置。

步骤S120，根据动态障碍物的历史运动轨迹，预测动态障碍物的加加速度。

其中，加加速度(jerk)又称急动度，用于描述加速度变化的快慢。加加速度是由加速度的变化量和时间决定的。如前所述，动态障碍物的历史运动轨迹包括过去指定时段到当前之间的轨迹，指定时段可以包括多个离散时间点，可以从历史运动轨迹中，获取多个离散时间点分别对应的历史加速度(或历史速度)；根据多个离散时间点中的每个离散时间点的历史加速度(或历史速度)，解算该离散时间点对应的历史加加速度，得到多个离散时间点分别对应的历史加加速度；计算多个离散时间点分别对应的历史加加速度的平均值，作为所预测的动态障碍物的加加速度。示例的，可以采用以下表达式，根据每个离散时间点的历史加速度，解算该离散时间点对应的历史加加速度：

其中，j表示动态障碍物t时刻的历史加加速度；Δa表示动态障碍物在过去t时刻到当前之间的历史加速度的变化量；Δt表示动态障碍物在过去t时刻到当前之间的时间段。

在一些实施方式中，在得到多个离散时间点分别对应的历史加加速度之后，可以对多个离散时间点分别对应的历史加加速度进行滤波，去除多个加加速度中的过大值或过小值，获取滤波平滑之后的多个加加速度，再计算平滑之后的多个加加速度的平均值，作为所预测的动态障碍物的加加速度，以提升所预测的加加速度的准确性。

步骤S130，根据动态障碍物的当前速度、当前位置、历史运动轨迹以及加加速度，预测动态障碍物从当前到未来指定时段内的未来运动轨迹。

其中，指定时段可以包括多个离散时间点。在得到动态障碍物的加加速度之后，假定动态障碍物在未来指定时段内的加加速度恒定不变，可以根据动态障碍物的当前速度、当前位置、历史运动轨迹以及加加速度，预测动态障碍物未来在多个离散时间点的加速度、速度以及位置；将预测得到的加速度、速度以及位置合成动态障碍物的未来运动轨迹。

本申请实施例预测动态障碍物从当前到未来指定时段内的未来运动轨迹的流程图请参阅图4，自主移动装置的感知模块将感知到的动态障碍物的障碍物信息(例如动态障碍物的历史运动轨迹以及动态障碍物轮廓)、自主移动装置的当前速度以及当前位置输入预测模块，预测模块依次执行加加速度(jerk)预测，加速度预测，速度预测，动态障碍物的未来运动轨迹预测以及轨迹平滑操作，将平滑后的动态障碍物的未来运动轨迹输出至碰撞检测模块，以便碰撞检测模块基于动态障碍物的未来运动轨迹和动态障碍物轮廓进行碰撞检测。

其中，可以先根据动态障碍物的历史运动轨迹和加加速度，预测动态障碍物未来在多个离散时间点的加速度，得到多个加速度。具体地，可以从动态障碍物的历史运动轨迹中，获取动态障碍物距当前时刻最近的两个离散时间点的速度；根据两个离散时间点的速度，预测动态障碍物的初始加速度，其中，初始加速度可以通过两个离散时间点的速度差分得到；可以根据动态障碍物的初始加速度和加加速度，预测动态障碍物未来指定时段内的多个离散时间点分别对应的加速度，得到多个加速度。

示例的，可以采用以下表达式预测动态障碍物的初始加速度：

其中，a₀表示动态障碍物的初始加速度；Δv表示两个离散时间点的速度的差值；Δt表示两个离散时间点的差值。

示例的，可以采用以下表达式预测多个加速度：

a(n)＝a(n-1)+j*t(n)

其中，a(n)表示第n个离散时间点对应的加速度；a(n-1)表示第n-1个离散时间点对应的加速度；j表示预测得到的加加速度；t(n)表示第n个离散时间点。其中，n为大于或等于1的正整数。在n＝1时，a(0)等于上述初始加速度a₀。

在得到多个加速度之后，可以根据多个加速度、多个离散时间点以及动态障碍物的当前速度，预测动态障碍物未来指定时段内的多个离散时间点的速度，得到多个速度。示例的，可以采用以下表达式预测多个速度；

v(n)＝v(n-1)+a(n)*t(n)

其中，v(n)表示第n个离散时间点对应的速度；v(n-1)表示第n-1个离散时间点对应的速度；a(n)表示第n个离散时间点对应的加速度；t(n)表示第n个离散时间点。其中，n为大于或等于1的正整数。在n＝1时，v(0)等于动态障碍物的当前速度。

在得到多个速度之后，可以基于多个速度、多个离散时间点以及动态障碍物的当前位置，预测动态障碍物未来指定时段内的多个离散时间点的位置，得到多个位置。示例的，可以采用以下表达式预测多个位置：

p(n)＝p(n-1)+v(n)*t(n)

其中，p(n)表示第n个离散时间点对应的位置；p(n-1)表示第n-1个离散时间点对应的位置；v(n)表示第n个离散时间点对应的速度；t(n)表示第n个离散时间点。其中，n为大于或等于1的正整数。在n＝1时，p(0)等于动态障碍物的当前位置。

在预测得到动态障碍物未来指定时段内的多个离散时间点对应的加速度、速度、位置之后，可以将多个离散时间点对应的加速度、速度、位置合成动态障碍物的未来运动轨迹。示例的，可以将多个离散时间点连接起来，形成离散点轨迹，离散点轨迹上的每个离散点具有对应的加速度、速度以及位置；可以采用滤波算法(例如卡尔曼滤波算法)，对离散点轨迹上的离散点进行平滑滤波，以去除离散点轨迹上的过大值或过小值，平滑之后的离散点轨迹为动态障碍物的未来运动轨迹，动态障碍物的未来运动轨迹上的每个离散点具有对应的加速度、速度以及位置，动态障碍物的未来运动轨迹上的所有离散点及其对应的时刻、加速度、速度以及位置形成动态障碍物的预测集合，后续可以基于动态障碍物的标识信息获取该预测集合中的数据。

步骤S140，根据动态障碍物的未来运动轨迹与自主移动装置的运动轨迹，检测动态障碍物与自主移动装置是否存在碰撞风险。

可以判断动态障碍物的未来运动轨迹与自主移动装置的运动轨迹是否相交；若动态障碍物的未来运动轨迹与自主移动装置的运动轨迹相交，则认为在轨迹相交位置动态障碍物与自主移动装置可能会发生碰撞，此时可以确定动态障碍物与自主移动装置存在碰撞风险；若动态障碍物的未来运动轨迹与自主移动装置的运动轨迹不相交，则认为动态障碍物与自主移动装置在未来指定时段内不会发生碰撞，此时可以确定动态障碍物与自主移动装置不存在碰撞风险。

在一些实施方式中，可以计算同一时刻的未来运动轨迹上的离散点与自主移动装置的运动轨迹上的离散点的距离；若计算出来的距离小于或等于距离阈值时，则判定动态障碍物的未来运动轨迹与自主移动装置的运动轨迹相交；若计算出来的距离大于距离阈值，则判定动态障碍物的未来运动轨迹与自主移动装置的运动轨迹不相交。在一些实施方式中，距离阈值可以根据实际自主移动装置的尺寸进行预先设定，例如，可以设置距离阈值大于或等于自主移动装置的真实轮廓的最大长度。在另一些实施方式中，距离阈值也可以根据自主移动装置和动态障碍物的真实轮廓实时确定，例如，可以设置距离阈值大于或等于自主移动装置的真实轮廓的一半与动态障碍物的真实轮廓的长度的一半的和。

为了提高膨胀检测精度，对自主移动装置周围进行碰撞检测，在另一些实施方式中，可以将动态障碍物的未来运动轨迹上的多个离散点向周围膨胀第一预设距离，形成多个离散点分别对应的障碍物轮廓，障碍物轮廓可以是矩形；将自主移动装置的运动轨迹上的多个离散点向周围膨胀第二预设距离，形成多个离散点分别对应的矩形轮廓；检测同一时刻的障碍物轮廓与矩形轮廓是否存在交集；若同一时刻的障碍物轮廓与矩形轮廓存在交集，则判定动态障碍物的未来运动轨迹与自主移动装置的运动轨迹相交；若同一时刻的障碍物轮廓与矩形轮廓不存在交集，则判定动态障碍物的未来运动轨迹与自主移动装置的运动轨迹不相交。其中，第一预设距离可以预先设定为以自主移动装置的真实轮廓向周围膨胀第一距离(例如5厘米到10厘米中的任一值)，或者第一预设距离也可以根据自主移动装置的真实轮廓的长度预先设定。第二预设距离可以预先设定为以动态障碍物的真实轮廓向周围膨胀第一距离(例如5厘米到10厘米中的任一值)，第二预设距离也可以根据感知到的动态障碍物的真实轮廓的长度设定。第一预设距离和第二预设距离可以相同，也可以不同。

考虑到简化计算，为了提升碰撞检测效率，在又一些实施方式中，可以获取自主移动装置的建图模块预先构建的环境地图，环境地图可以包括自主移动装置的运行环境中的静态障碍物，静态障碍物可以包括但不限于墙壁、置物架以及货物等；根据环境地图和动态障碍物的未来运动轨迹，构建距离地图；基于距离地图和自主移动装置的运动轨迹，判断动态障碍物的未来运动轨迹是否与自主移动装置的运动轨迹相交。其中，距离地图可以是栅格地图，距离地图中的每个栅格点缓存有当前栅格点与距当前栅格点最近的障碍物(包括静态障碍物或静态障碍物)之间的距离，以便后续碰撞检测过程可以直接获取自主移动装置的运动轨迹上的离散点到最近的障碍物的距离，例如，在自主移动装置的运动轨迹上的某一目标离散点落在某一目标栅格点上，则可以获取目标栅格点缓存的目标栅格点与当前距离最近的障碍物之间的距离，作为目标离散点到最近的障碍物之间的距离。

在一些实施方式中，“根据环境地图和动态障碍物的未来运动轨迹，构建距离地图”可以包括以下步骤：以环境地图作为底图，构建环境栅格地图，将环境地图中的静态障碍物在环境栅格地图中所占据的栅格设置为黑色，其他栅格设置为白色，白色栅格所形成的区域为自主移动装置的可行驶区域，例如，环境栅格地图可以如图5所示，根据图5所示的环境栅格地图可见，自主移动装置的运行环境中的静态障碍物仅包括周围的墙壁，不存在其他静态障碍物；将动态障碍物的未来运动轨迹上的多个离散点输入环境栅格地图中，将未来运动轨迹上的多个离散点所占据的栅格设置为黑色，形成障碍物栅格地图，以未来运动轨迹上的两个离散点为例，请参阅图5和图6，将未来运动轨迹上的两个离散点添加到图5所示的环境栅格地图中，形成的障碍物栅格地图可以如图6所示，图6中间的两个黑色栅格为未来运动轨迹上的两个离散点所占据的栅格，用于表示动态障碍物；因为有静态障碍物和动态障碍物的存在，白色栅格与当前距离最近的障碍物的轮廓点的距离会减小(初始化为正无穷)，所以可以从障碍物栅格地图中的黑色栅格开始逐步向外扩散，更新并缓存每个白色栅格与距离最近的黑色栅格的距离，直到所有白色栅格均已更新，也即直到障碍物栅格地图中的所有栅格均缓存与当前距离最近的障碍物之间的距离，形成距离地图，以图6所示的障碍物栅格地图为例，请参阅图7-9，图7-9中的灰色栅格体现了从未来运动轨迹上的两个离散点所占据的栅格(图6中间的两个黑色栅格)开始逐步向外扩散直到形成距离地图(如图9所示)的过程。后续每次“距离最近的障碍物”更新时，例如，新增距离最近的障碍物时，或者距离最近的障碍物消失时，距离地图中的所有栅格所缓存的与“距离最近的障碍物”之间的距离实时同步更新。

为了提高碰撞检测精度，对自主移动装置周围进行碰撞检测，在另一些实施方式中，“根据环境地图和动态障碍物的未来运动轨迹，构建距离地图”可以包括以下步骤：将未来运动轨迹上的多个离散点向周围进行膨胀第一预设距离，对应形成多个离散点分别对应的障碍物轮廓，得到多个障碍物轮廓，其中，每个障碍物轮廓包括形成障碍物轮廓的多个轮廓点，多个障碍物轮廓大于或等于动态障碍物的真实轮廓；根据环境地图和多个障碍物轮廓，构建距离地图。具体地，以环境地图作为底图，构建环境栅格地图，将环境地图中的静态障碍物在环境栅格地图中所占据的栅格设置为黑色，其他栅格设置为白色，白色栅格所形成的区域为自主移动装置的可行驶区域；将多个障碍物轮廓所包括的轮廓点输入环境栅格地图，将多个障碍物轮廓所包括的轮廓点所占据的栅格设置为黑色，形成障碍物栅格地图；从障碍物栅格地图中的黑色栅格开始逐步向外扩散，更新并缓存每个白色栅格与距离最近的黑色栅格的距离，直到所有白色栅格均已更新，也即直到障碍物栅格地图中的所有栅格均缓存与当前距离最近的障碍物之间的距离，形成距离地图。本实施方式的具体描述可参阅前一实施方式，本实施方式与前一实施方式的区别在于前一实施方式是将未来运动轨迹上的多个离散点输入环境栅格地图，将未来运动轨迹上的多个离散点所占据的栅格设置为黑色，而本实施方式是将多个障碍物轮廓所包括的轮廓点输入环境栅格地图，将多个障碍物轮廓所包括的轮廓点所占据的栅格设置为黑色。

在构建距离地图之后，上述“基于距离地图，判断多个矩形轮廓与多个障碍物轮廓是否存在交集”可以包括以下步骤：获取多个矩形轮廓所包括的每个轮廓点所占据的栅格缓存的距离；若该距离小于或等于上述距离阈值，则确定多个矩形轮廓与多个障碍物轮廓存在交集；若该距离大于上述距离阈值，则确定多个矩形轮廓与多个障碍物轮廓不存在交集。作为一种示例，请参阅图10-11，图10-11中的黑色矩形为自主移动装置的运动轨迹上的当前离散点膨胀形成的矩形，白色矩形为自主移动装置的运动轨迹上的未来离散点膨胀形成的矩形，圆圈表示每段拼接路径的节点，也即相邻两个圆圈之间的线段为一段拼接路径，两侧的折线表示静态障碍物(例如环境地图中的墙壁)，灰色矩形为动态障碍物的未来运动轨迹上的离散点膨胀形成的矩形，图10显示的是不存在碰撞风险的情况，图11显示的是存在碰撞风险的情况，存在碰撞风险的位置通常是指首个存在碰撞风险的位置，如图11中虚线圈出的位置。

本申请实施例提供的碰撞检测方法，根据动态障碍物的历史运动轨迹预测动态障碍物的加加速度，根据动态障碍物的当前速度、当前位置、历史运动轨迹以及加加速度，预测动态障碍物从当前到未来指定时段内的未来运动轨迹，根据动态障碍物的未来运动轨迹和自主移动装置的运动轨迹，检测动态障碍物与自主移动装置是否存在碰撞风险，考虑了动态障碍物的未来运动轨迹，可以对未来指定时段内的动态障碍物进行碰撞检测，以便后续可以基于碰撞检测结果提前对动态障碍物进行安全响应，进而确保自主移动装置自主运动的安全性，改善目前自主移动装置难以对快速运动的动态障碍物及时做出安全响应，导致自主移动装置自主运动存在安全隐患的问题。此外，在采用距离地图时，由于距离地图中还存在静态障碍物，基于距离地图进行碰撞检测，可以同时对动态障碍物和静态障碍物进行碰撞检测，从而可以同时对动态障碍物和静态障碍物做出安全响应，从而确保自主移动装置自主运动的安全。

为了进一步提高自主移动装置自主运动的安全性和自主性，在根据动态障碍物的未来运动轨迹与自主移动装置的运动轨迹，检测到动态障碍物与自主移动装置存在碰撞风险的情况下，请参阅图12，一些实施例中的碰撞检测方法还可以包括以下步骤S150至步骤S160。

步骤S150，在根据动态障碍物的未来运动轨迹与自主移动装置的运动轨迹，检测到动态障碍物与自主移动装置存在碰撞风险的情况下，计算自主移动装置的当前运动方向以及动态障碍物的当前运动方向的差值的绝对值作为偏差角。

其中，自主移动装置的当前运动方向和动态障碍物的当前运动方向基于上述车体坐标系确定。其中，自主移动装置的当前运动方向与上述车体坐标系中的x轴的第一夹角表示自主移动装置的当前运动方向，动态障碍物的当前运动方向与上述车体坐标系中的y轴形成的第二夹角表示动态障碍物的当前运动方向。可以计算第一夹角与第二夹角的差值，取该差值的绝对值作为偏差角。

步骤S160，根据偏差角，确定自主移动装置的下一步运动策略。

若偏差角小于或等于第一预设角度，则认为自主移动装置与动态障碍物的运动关系为同向行驶，此时可以确定自主移动装置的下一步运动策略为减速跟车，例如，控制自主移动装置跟随动态障碍物运动，且始终与动态障碍物距离一定距离，确保自主移动装置与动态障碍物不发生碰撞。其中，第一预设角度可以是预先设定的某一锐角值，例如，第一预设角度可以是45度。

若偏差角大于第一预设角度且小于或等于第二预设角度，则认为自主移动装置与动态障碍物的运动关系为交叉行驶，此时可以确定自主移动装置的下一步运动策略为根据自主移动装置的当前速度和当前位置，确定减速行驶或停车，具体地，计算自主移动装置的当前位置与所检测到的存在碰撞风险的位置之间的距离，若该距离小于或等于预设停车距离，则触发停车，若该距离大于预设停车距离，则触发减速行驶。其中，第二预设角度可以是预先设定的某一钝角值，例如，第二预设角度可以是135度。预先停车距离可以综合考虑自主移动装置的类型、实际运行环境的路面情况以及对安全性要求的高低预先设定，在此不作具体限定。

若偏差角大于第二预设角度且小于或等于第三预设角度，则认为自主移动装置与动态障碍物的运动关系为相向行驶，此时可以确定自主移动装置的下一步运动策略为减速行驶至停车，其中，停车位置不超过存在碰撞风险的位置。其中，第三预设角度可以是预先设定的大于第二预设角度的某一钝角值，例如，第三预设角度可以是180度。

本申请一些实施例提供的碰撞检测方法中的碰撞检测过程(步骤S140至步骤S160)的具体流程图请参阅图13，预测模块将动态障碍物的未来运动轨迹输出到碰撞检测模块，建图模块将环境地图输出到碰撞检测模块，定位模块将自主移动装置的当前运动方向输出到碰撞检测模块，感知模块将动态障碍物的当前运动方向输出到碰撞检测模块。碰撞检测模块根据环境地图构建环境栅格地图，根据动态障碍物的未来运动轨迹和环境栅格地图构建障碍物栅格地图，障碍物栅格地图中的每个栅格计算并缓存距当前栅格最近的障碍物与当前栅格之间的距离，直到所有栅格缓存距离完毕，形成距离地图，基于距离地图进行碰撞检测，在检测到存在碰撞风险时，基于动态障碍物的运动方向和自主移动装置的当前运动方向分析动态障碍物和自主移动装置的运动关系，基于该运动关系决策自主移动装置的下一步运动策略，从而使得自主移动装置可以自主完成与碰撞检测以及基于碰撞检测结果进行安全决策，提升了自主移动装置的自主性和安全性。

基于步骤S150以及步骤S160，本申请实施例提供的碰撞检测方法还具备以下技术效果：在根据动态障碍物的未来运动轨迹与自主移动装置的运动轨迹，检测到动态障碍物与自主移动装置存在碰撞风险的情况下，可以基于自主移动装置和动态障碍物的当前运动关系决策下一步运动策略，从而可以在存在碰撞风险的情况下自主决策运动策略，从而可以自行规避碰撞，可确保自主移动装置自主运动的安全性、自主性、平稳性以及顺畅性。

请参阅图14，图14示出了本申请实施例提供的碰撞检测装置的结构示意图。碰撞检测装置200可以应用于碰撞检测系统或自主移动装置。碰撞检测装置200包括数据获取模块210、加加速度预测模块220、轨迹预测模块230以及碰撞检测模块240。其中，数据获取模块210，用于获取自主移动装置的运动轨迹以及动态障碍物的当前速度、当前位置、历史运动轨迹。加加速度预测模块220，用于根据所述动态障碍物的历史运动轨迹，预测所述动态障碍物的加加速度。轨迹预测模块230，用于根据所述动态障碍物的当前速度、当前位置、历史运动轨迹、所述加加速度，预测所述动态障碍物从当前到未来指定时段内的未来运动轨迹。碰撞检测模块240，用于根据所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹，检测所述动态障碍物与所述自主移动装置是否存在碰撞风险。

在一些实施例中，轨迹预测模块230，还用于根据所述动态障碍物的当前速度、当前位置、历史运动轨迹以及所述加加速度，预测所述动态障碍物未来在所述多个离散时间点的加速度、速度以及位置；将预测得到的加速度、速度以及位置合成所述动态障碍物的未来运动轨迹。

在一些实施例中，轨迹预测模块230，还用于根据所述动态障碍物的历史运动轨迹和所述加加速度，预测所述动态障碍物未来在所述多个离散时间点的加速度，得到多个加速度；根据所述多个加速度、所述多个离散时间点以及所述动态障碍物的当前速度，预测所述动态障碍物未来在所述多个离散时间点的速度，得到多个速度；基于所述多个速度、所述多个离散时间点以及所述动态障碍物的当前位置，预测所述动态障碍物未来在所述多个离散时间点的位置，得到多个位置。

在一些实施例中，轨迹预测模块230，还用于从所述动态障碍物的历史运动轨迹中，获取所述动态障碍物距当前时刻最近的两个离散时间点的速度；根据所述两个离散时间点的速度，预测所述动态障碍物的初始加速度；根据所述动态障碍物的所述初始加速度和所述加加速度，预测所述动态障碍物未来在所述多个离散时间点的加速度，得到多个加速度。

在一些实施例中，碰撞检测模块240，还用于判断所述动态障碍物的未来运动轨迹是否与所述自主移动装置的运动轨迹相交；若所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹相交，确定所述动态障碍物与所述自主移动装置存在碰撞风险；若所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹不相交，确定所述动态障碍物与所述自主移动装置不存在碰撞风险。

在一些实施例中，碰撞检测模块240，还用于获取所述自主移动装置预先构建的环境地图；根据所述环境地图和所述动态障碍物的未来运动轨迹，构建距离地图，所述距离地图中的每个栅格点缓存有当前栅格点与距所述当前栅格点最近的障碍物之间的距离；基于所述距离地图和所述自主移动装置的运动轨迹，判断所述动态障碍物的未来运动轨迹是否与所述自主移动装置的运动轨迹相交。

在一些实施例中，碰撞检测模块240，还用于将所述未来运动轨迹上的多个离散点进行膨胀，对应形成多个障碍物轮廓，所述多个障碍物轮廓大于或等于所述动态障碍物的真实轮廓；根据所述环境地图和所述多个障碍物轮廓，构建所述距离地图。

在一些实施例中，碰撞检测模块240，还用于将所述自主移动装置的运动轨迹上的多个离散点进行膨胀，对应形成多个矩形轮廓，所述矩形轮廓大于或等于所述自主移动装置的轮廓；基于所述距离地图，判断所述多个矩形轮廓与所述多个障碍物轮廓是否存在交集；若所述多个矩形轮廓与所述多个障碍物轮廓存在交集，确定所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹相交；若所述多个矩形轮廓与所述多个障碍物轮廓不存在交集，确定所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹不相交。

在一些实施例中，碰撞检测装置200还可以包括运动策略决策模块。运动策略决策模块，用于在检测到所述动态障碍物与所述自主移动装置存在碰撞风险的情况下，计算所述自主移动装置的当前运动方向以及所述动态障碍物的当前运动方向的差值的绝对值作为偏差角；根据所述偏差角，确定所述自主移动装置的下一步运动策略。

在一些实施例中，运动策略决策模块，还用于若所述偏差角小于或等于第一预设角度，确定所述自主移动装置的下一步运动策略为减速跟车，其中，所述偏差角小于或等于第一预设角度时，所述自主移动装置与所述动态障碍物同向行驶。

在一些实施例中，运动策略决策模块，还用于若所述偏差角大于第一预设角度且小于或等于第二预设角度，确定所述自主移动装置的下一步运动策略为根据所述自主移动装置的当前速度和当前位置，确定减速行驶或停车，其中，所述偏差角大于所述第一预设角度且小于或等于第二预设角度时，所述自主移动装置与所述动态障碍物交叉行驶。

在一些实施例中，运动策略决策模块，还用于若所述偏差角大于第二预设角度且小于或等于第三预设角度，确定所述自主移动装置的下一步运动策略为减速行驶至停车，其中，所述偏差角大于第二预设角度且小于或等于第三预设角度时，所述自主移动装置与所述动态障碍物相向行驶。

所属领域技术人员可以清楚地了解到，本申请实施例提供的以上装置能够实现本申请实施例提供的方法。上述描述装置和模块的具体工作过程，可以参阅本申请实施例中的方法对应的过程，在此不再赘述。

本申请提供的实施例中，所显示或讨论的模块相互之间的耦合、直接耦合或者通信连接，可以是通过一些接口、装置或模块的间接耦合或通信耦合，可以是电性、机械或其他形式，本申请实施例对此不作具体限制。

另外，在本申请实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件的功能模块的形式实现。

请参阅图15，图15示出了本申请实施例提供的自主移动装置的结构示意图。自主移动装置300可以是AGV或AMR等具有自主移动功能的装置。自主移动装置300可以包括存储器310和处理器320，该存储器310中存储有应用程序，该应用程序被配置为当被处理器320调用时执行本申请实施例提供的方法。

处理器320可以包括一个或多个处理核。处理器320利用各种接口和线路连接整个自主移动装置300内各个部分，用于运行或执行存储在存储器310内的指令、程序、代码集或指令集，以及调用运行或执行存储在存储器310内的数据，执行自主移动装置300的各种功能和处理数据。

处理器320可以采用数字信号处理(Digital Signal Processing，简称DSP)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)、可编辑逻辑阵列(Programmable Logic Array，简称PLA)中的至少一种硬件形式来实现。处理器320可集成中央处理器(Central Processing Unit，简称CPU)、图像处理器(Graphics ProcessingUnit，简称GPU)和调制解调器中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成于处理器320中，单独通过一块通信芯片进行实现。

存储器310可以包括随机存储器(Random Access Memory，简称RAM)，也可以包括只读存储器(Read-Only Memory，简称ROM)。存储器310可以用于存储指令、程序、代码、代码集或指令集。存储器310可以包括存储程序区和存储数据区。其中，存储程序区可以存储用于实现操作系统的指令、用于实现至少一个功能的指令、用于实现上述各个方法实施例的指令等。存储数据区可以存储自主移动装置300在使用中所创建的数据等。

本申请实施例还提供一种计算机可读取存储介质，该计算机可读取存储介质上存储有程序代码，该程序代码被配置为当被处理器调用时执行本申请实施例提供的方法。本申请实施例中的计算机可读取存储介质可以是诸如闪存、电可擦除可编辑只读存储器(Electrically-Erasable Programmable Read-Only Memory，简称EEPROM)、可擦除可编辑只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)、硬盘或者ROM之类的电子存储器。在一些实施例中，计算机可读取存储介质可以包括非易失性计算机可读介质(Non-Transitory Computer-Readable Storage Medium，简称Non-TCRSM)。计算机可读取存储介质具有执行上述方法中的任何方法步骤的程序代码的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码可以以适当的形式进行压缩。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (15)

1.一种碰撞检测方法，其特征在于，包括：

获取自主移动装置的运动轨迹以及动态障碍物的当前速度、当前位置以及历史运动轨迹；

根据所述动态障碍物的历史运动轨迹，预测所述动态障碍物的加加速度；

根据所述动态障碍物的当前速度、当前位置、历史运动轨迹以及所述加加速度，预测所述动态障碍物从当前到未来指定时段内的未来运动轨迹；

根据所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹，检测所述动态障碍物与所述自主移动装置是否存在碰撞风险。

2.根据权利要求1所述的方法，其特征在于，所述指定时段包括多个离散时间点，所述根据所述动态障碍物的当前速度、当前位置、历史运动轨迹以及所述加加速度，预测所述动态障碍物从当前到未来指定时段内的未来运动轨迹，包括：

根据所述动态障碍物的当前速度、当前位置、历史运动轨迹以及所述加加速度，预测所述动态障碍物未来在所述多个离散时间点的加速度、速度以及位置；

将预测得到的加速度、速度以及位置合成所述动态障碍物的未来运动轨迹。

3.根据权利要求2所述的方法，其特征在于，所述根据所述动态障碍物的当前速度、当前位置、历史运动轨迹以及所述加加速度，预测所述动态障碍物未来在所述多个离散时间点的加速度、速度以及位置，包括：

根据所述动态障碍物的历史运动轨迹和所述加加速度，预测所述动态障碍物未来在所述多个离散时间点的加速度，得到多个加速度；

根据所述多个加速度、所述多个离散时间点以及所述动态障碍物的当前速度，预测所述动态障碍物未来在所述多个离散时间点的速度，得到多个速度；

基于所述多个速度、所述多个离散时间点以及所述动态障碍物的当前位置，预测所述动态障碍物未来在所述多个离散时间点的位置，得到多个位置。

4.根据权利要求3所述方法，其特征在于，所述根据所述动态障碍物的历史运动轨迹和所述加加速度，预测所述动态障碍物未来在所述多个离散时间点的加速度，得到多个加速度，包括：

从所述动态障碍物的历史运动轨迹中，获取所述动态障碍物距当前时刻最近的两个离散时间点的速度；

根据所述两个离散时间点的速度，预测所述动态障碍物的初始加速度；

根据所述动态障碍物的所述初始加速度和所述加加速度，预测所述动态障碍物未来在所述多个离散时间点的加速度，得到多个加速度。

5.根据权利要求1所述的方法，其特征在于，所述根据所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹，检测所述动态障碍物与所述自主移动装置是否存在碰撞风险，包括：

判断所述动态障碍物的未来运动轨迹是否与所述自主移动装置的运动轨迹相交；

若所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹相交，确定所述动态障碍物与所述自主移动装置存在碰撞风险；

若所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹不相交，确定所述动态障碍物与所述自主移动装置不存在碰撞风险。

6.根据权利要求5所述的方法，其特征在于，所述判断所述动态障碍物的未来运动轨迹是否与所述自主移动装置的运动轨迹相交，包括：

获取所述自主移动装置预先构建的环境地图；

根据所述环境地图和所述动态障碍物的未来运动轨迹，构建距离地图，所述距离地图中的每个栅格点缓存有当前栅格点与距所述当前栅格点最近的障碍物之间的距离；

基于所述距离地图和所述自主移动装置的运动轨迹，判断所述动态障碍物的未来运动轨迹是否与所述自主移动装置的运动轨迹相交。

7.根据权利要求6所述的方法，其特征在于，所述根据所述环境地图和所述动态障碍物的未来运动轨迹，构建距离地图，包括：

将所述未来运动轨迹上的多个离散点进行膨胀，对应形成多个障碍物轮廓，所述多个障碍物轮廓大于或等于所述动态障碍物的真实轮廓；

根据所述环境地图和所述多个障碍物轮廓，构建所述距离地图。

8.根据权利要求7所述的方法，其特征在于，所述基于所述距离地图和所述自主移动装置的运动轨迹，判断所述动态障碍物的未来运动轨迹是否与所述自主移动装置的运动轨迹相交，包括：

将所述自主移动装置的运动轨迹上的多个离散点进行膨胀，对应形成多个矩形轮廓，所述矩形轮廓大于或等于所述自主移动装置的轮廓；

基于所述距离地图，判断所述多个矩形轮廓与所述多个障碍物轮廓是否存在交集；

若所述多个矩形轮廓与所述多个障碍物轮廓存在交集，确定所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹相交；

若所述多个矩形轮廓与所述多个障碍物轮廓不存在交集，确定所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹不相交。

9.根据权利要求1所述的方法，其特征在于，所述根据所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹，检测所述动态障碍物与所述自主移动装置是否存在碰撞风险之后，所述方法还包括：

在检测到所述动态障碍物与所述自主移动装置存在碰撞风险的情况下，计算所述自主移动装置的当前运动方向以及所述动态障碍物的当前运动方向的差值的绝对值作为偏差角；

根据所述偏差角，确定所述自主移动装置的下一步运动策略。

10.根据权利要求9所述的方法，其特征在于，所述根据所述偏差角，确定所述自主移动装置的下一步运动策略，包括：

若所述偏差角小于或等于第一预设角度，确定所述自主移动装置的下一步运动策略为减速跟车，其中，所述偏差角小于或等于第一预设角度时，所述自主移动装置与所述动态障碍物同向行驶。

11.根据权利要求9所述的方法，其特征在于，所述根据所述偏差角，确定所述自主移动装置的下一步运动策略，还包括：

若所述偏差角大于第一预设角度且小于或等于第二预设角度，确定所述自主移动装置的下一步运动策略为根据所述自主移动装置的当前速度和当前位置，确定减速行驶或停车，其中，所述偏差角大于所述第一预设角度且小于或等于第二预设角度时，所述自主移动装置与所述动态障碍物交叉行驶。

12.根据权利要求9所述的方法，其特征在于，所述根据所述偏差角，确定所述自主移动装置的下一步运动策略，还包括：

若所述偏差角大于第二预设角度且小于或等于第三预设角度，确定所述自主移动装置的下一步运动策略为减速行驶至停车，其中，所述偏差角大于第二预设角度且小于或等于第三预设角度时，所述自主移动装置与所述动态障碍物相向行驶。

13.一种碰撞检测装置，其特征在于，包括：

数据获取模块，用于获取自主移动装置的运动轨迹以及动态障碍物的当前速度、当前位置、历史运动轨迹；

加加速度预测模块，用于根据所述动态障碍物的历史运动轨迹，预测所述动态障碍物的加加速度；

轨迹预测模块，用于根据所述动态障碍物的当前速度、当前位置、历史运动轨迹、所述加加速度，预测所述动态障碍物从当前到未来指定时段内的未来运动轨迹；

碰撞检测模块，用于根据所述动态障碍物的未来运动轨迹与所述自主移动装置的运动轨迹，检测所述动态障碍物与所述自主移动装置是否存在碰撞风险。

14.一种自主移动装置，其特征在于，包括存储器和处理器，所述存储器上存储有应用程序，所述应用程序被配置为当被所述处理器调用时执行如权利要求1-12任一项所述的方法。

15.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质上存储有程序代码，所述程序代码被配置为当被处理器调用时执行如权利要求1-12任一项所述的方法。