CN116820086A - 一种动态障碍物的车辆主动避障控制方法及系统 - Google Patents

Abstract

本发明公开了一种动态障碍物的车辆主动避障控制方法及系统，包括确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数，基于运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型，基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型，以及基于传感器感知盲区潜在障碍物运动学预测模型及传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法。本发明有效解决或在一定程度上降低传感器感知盲区对智能汽车主动安全性能影响，防止因传感器感知盲区内障碍物的突然出现造成安全距离不足引起碰撞事故的问题，提高智能汽车环境感知的能力，降低追尾碰撞事故发生率。

Description

一种动态障碍物的车辆主动避障控制方法及系统

技术领域

本发明涉及汽车电子技术领域，具体涉及一种动态障碍物的车辆主动避障控制方法及系统。

背景技术

随着车辆的增多，目前所导致的交通事故频发，同时致使人员伤亡数量也在不断增长，汽车行驶过程中通过人为观察注意安全驾驶的局限性日益凸显。

现如今，虽然智能汽车车载传感器不断增加，但是其感知能力仍然有限，不能及时发现传感器感知盲区内存在的潜在交通事故风险，使该类潜在交通事故呈现出潜伏性和突发性等特点，依据现有安全距离模型(或安全时距模型)对传感器感知盲区内潜在交通事故进行规避就有一定的局限性。

发明内容

本发明的目的旨在至少在一定程度上解决上述的技术问题之一，通过对传感器感知盲区进行特征分析，建立传感器感知盲区潜在障碍物运动学预测模型，建立传感器感知盲区安全距离模型。主要解决多传感器在智能汽车上的应用，在一定程度上能够提高智能汽车环境感知的能力，降低追尾碰撞事故发生率。

为此，本发明的第一个目的在于提出一种动态障碍物的车辆主动避障控制方法，用以降低传感器感知盲区对智能汽车主动安全性能的影响，防止因传感器感知盲区内障碍物的突然出现造成安全距离不足引起碰撞事故的问题，在一定程度上能够提高智能汽车环境感知的能力，降低追尾碰撞事故发生率。

本发明的第二个目的在于提出一种动态障碍物的车辆主动避障控制系统。

本发明的第三个目的在于提出一种电子设备。

本发明的第四个目的在于提出一种非暂时性计算机可读存储介质。

为达到上述目的，本发明第一方面实施例提出的一种动态障碍物的车辆主动避障控制方法，包括：

确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数；

基于所述运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型；

基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型；以及

基于所述传感器感知盲区潜在障碍物运动学预测模型及所述传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法。

根据本发明的一个实施例，还包括：

确定用于进行所述车辆主动避障控制算法的离线测试的控制器，并基于所述离线测试确定通讯功能和算法功能后进行实车试验；

确定通过所述实车试验后确定所述动态障碍物的车辆主动避障控制方法。

根据本发明的一个实施例，所述确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数包括：

基于车辆历史工况数据和避障数据分析车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数。

根据本发明的一个实施例，所述基于车辆历史工况数据和避障数据分析车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数包括：

采集所述传感器感知盲区内的传感器感知盲区图片并对采集的所述传感器感知盲区图片进行标签处理获取所述避障数据。

根据本发明的一个实施例，所述对采集的所述传感器感知盲区图片进行标签处理获取所述避障数据包括：

基于所述传感器感知盲区图片通过算法模型提取所述传感器感知盲区的特征信息；

基于所述特征信息对不同的所述传感器感知盲区进行识别分类；

其中所述识别分类的识别率通过增加所述传感器感知盲区图片数量和优化所述算法模型。

根据本发明的一个实施例，所述传感器包括摄像头、红外热成像仪、激光雷达或毫米波雷达中的一种或多种。

根据本发明的一个实施例，所述运动特征参数通过车载计算机或后台远程服务器中的一种或多种确定。

为达到上述目的，本发明第二方面实施例提出一种动态障碍物的车辆主动避障控制系统，包括：

参数确定模块，用于确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数；

第一模型建立模块，用于基于所述运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型；

第二模型建立模块，用于基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型；以及

主动避障控制模块，用于基于所述传感器感知盲区潜在障碍物运动学预测模型及所述传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法。

为达到上述目的，本发明第三方面实施例提出的一种电子设备，包括：

存储器，其用于存储计算机可执行指令；以及

处理器，其用于运行所述计算机可执行指令，以执行上述第一方面中动态障碍物的车辆主动避障控制方法的任一实施例。

为达到上述目的，本发明第四方面实施例提出的一种非暂时性计算机可读存储介质，所述存储介质上存储有计算机可执行指令，当所述指令被计算机执行时，使得所述计算机执行上述第一方面中动态障碍物的车辆主动避障控制方法的任一实施例。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

与现有技术相比，本申请实施例的有益效果是：

本发明提供一种动态障碍物的车辆主动避障控制方法及系统，基于传感器感知盲区潜在障碍物运动学预测模型、无人驾驶汽车与传感器感知盲区的相对距离、车速等相关参数，以及基于前方障碍物运动特征的安全距离模型为核心，建立传感器感知盲区主动避障安全距离模型，主要考虑对传感器感知盲区内可能存在的障碍物进行主动避障，进一步的提高智能驾驶汽车的主动安全性能，降低了传感器感知盲区对智能汽车主动安全性能的影响，防止因传感器感知盲区内障碍物的突然出现造成安全距离不足引起碰撞事故的问题，将多传感器应用在智能汽车上，在一定程度上能够提高智能汽车环境感知的能力，降低追尾碰撞事故发生率。

为了能更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例,并配合附图，详细说明如下。本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明中的技术方案，下面将对实施例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发明的一些实施例，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是根据本发明一个实施例提供的动态障碍物的车辆主动避障控制方法的流程图；

图2是根据本发明一个实施例提供的动态障碍物的车辆主动避障控制方法的流程图；

图3是根据本发明一个实施例提供的动态障碍物的车辆主动避障控制系统的结构示意图；

图4是根据本发明一个实施例提供的电子设备的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

现阶段，如何降低传感器感知盲区对智能汽车主动安全性能的影响，防止因传感器感知盲区内障碍物的突然出现造成安全距离不足引起碰撞事故成为了人们亟待需要解决的问题。因此，为了解决该问题，本发明提出了一种动态障碍物的车辆主动避障控制方法及系统。

具体的，下面参考附图描述本发明实施例的一种动态障碍物的车辆主动避障控制方法及系统。

图1是根据本发明一个实施例提供的动态障碍物的车辆主动避障控制方法的流程图，需要说明的是，本发明实施例的动态障碍物的车辆主动避障控制方法可应用于本发明实施例的动态障碍物的车辆主动避障控制系统，该系统可被配置于电子设备上，也可以被配置在服务器中。其中，电子设备可以是PC机或移动终端(例如智能手机、平板电脑等)。本发明实施例对此不作限定。

参考图1，本实施例提供一种动态障碍物的车辆主动避障控制方法，其中该方法包括：

S110，确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数；

其中，确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数包括：

基于车辆历史工况数据和避障数据分析车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数；

其中，运动特征参数通过车载计算机(控制器)或后台远程服务器(云计算)中的一种或多种确定，当然，本领域技术人员应当知晓，运动特征参数包括但不限于通过车载计算机(控制器)或后台远程服务器(云计算)中的一种或多种确定，其他适当的可以确定运动特征参数的方式均在本发明的保护范围内。

需要说明的是，基于车辆历史工况数据和避障数据分析车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数包括：

采集传感器感知盲区内的传感器感知盲区图片并对采集的传感器感知盲区图片进行标签处理获取避障数据。

需要说明的是，对采集的传感器感知盲区图片进行标签处理获取避障数据包括：

基于传感器感知盲区图片通过算法模型提取传感器感知盲区的特征信息；

基于特征信息对不同的传感器感知盲区进行识别分类；

其中识别分类的识别率通过增加传感器感知盲区图片数量和优化算法模型。

S120，基于运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型；

S130，基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型；以及

S140，基于传感器感知盲区潜在障碍物运动学预测模型及传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法。

其中，算法模型的具体实例为，在无人驾驶汽车主动安全领域，安全距离模型是用来衡量当前车辆是否处于危险状态的关键因素，好的安全距离模型能够反应包括车辆、驾驶员、道路以及突发情况等各种信息，典型的模型大约有如下几种：

其一，新型汽车主动避撞安全距离模型，针对现有模型的不足,通过驾驶员试验大数据分析获得了反映驾驶员驾驶特点的模型参数；

其二，新型主动防撞安全预警距离模型，为了使得主动防撞的安全预警距离模型能够反映驾驶员主观感受和个体驾驶特性，对汽车制动过程中关键参数进行了了分析，并且安全预警距离模型引入指数加权的最小二乘法；

其三，一种新型的横向动力学摄动模型，在此基础上设计了摄动安全距离模型，进一步的设计了横向主动避撞，综合鲁棒控制器，该控制器能有效抑制参数摄动、传感器噪声和未建模误差的影响，使系统有较好的鲁棒性；

上述主动避撞安全距离模型包括了纵向主动制动和横向换道避撞模型，但是，这些安全距离模型并不能很好的适用于无人驾驶汽车领域。

上述安全距离模型全部都是以车辆的环境感知环节探测到前方障碍物为前提，由于复杂环境和不规则道路的普遍存在，现有主动避撞控制算法并不实用于大多数道路。因此，设计合理的传感器感知盲区主动避撞算法，能提高无人驾驶汽车在传感器感知盲区处的安全性能，具有极高的应用价值和社会经济效益。

本发明实施例提供的一种动态障碍物的车辆主动避障控制方法，基于传感器感知盲区潜在障碍物运动学预测模型、无人驾驶汽车与传感器感知盲区的相对距离、车速等相关参数，以及基于前方障碍物运动特征的安全距离模型为核心，建立传感器感知盲区主动避障安全距离模型，主要考虑对传感器感知盲区内可能存在的障碍物进行主动避障，进一步的提高智能驾驶汽车的主动安全性能，降低了传感器感知盲区对智能汽车主动安全性能的影响，防止因传感器感知盲区内障碍物的突然出现造成安全距离不足引起碰撞事故的问题，将多传感器应用在智能汽车上，在一定程度上能够提高智能汽车环境感知的能力，降低追尾碰撞事故发生率。

作为本发明的一个实施例，动态障碍物的车辆主动避障控制方法还包括：

确定用于进行车辆主动避障控制算法的离线测试的控制器，并基于离线测试确定通讯功能和算法功能后进行实车试验；

确定通过实车试验后确定动态障碍物的车辆主动避障控制方法。

在本发明一个实施例中，传感器包括摄像头、红外热成像仪、激光雷达或毫米波雷达中的一种或多种，当然，本领域技术人员应当知晓，传感器包括但不限于摄像头、红外热成像仪、激光雷达或毫米波雷达中的一种或多种，其他适当的传感器均在本发明的保护范围内。

图2是根据本发明一个具体实施例提供的动态障碍物的车辆主动避障控制方法的流程图，具体的，请参考图2，首选需要确定车辆在不同工况下传感器感知盲区潜在障碍物的运动特征参数，基于该运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型，其次基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型，以及基于传感器感知盲区潜在障碍物运动学预测模型及传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法，最后确定用于进行车辆主动避障控制算法的离线测试的控制器，并基于离线测试确定通讯功能和算法功能后进行实车试验，通过实车试验后确定所述动态障碍物的车辆主动避障控制方法。

与上述几种实施例提供的动态障碍物的车辆主动避障控制方法相对应，本发明的一种实施例还提供了一种动态障碍物的车辆主动避障控制系统，由于本发明实施例提供的动态障碍物的车辆主动避障控制系统与上述几种实施例提供的动态障碍物的车辆主动避障控制方法相对应，因此在动态障碍物的车辆主动避障控制方法的实施方式也适用于本实施例提供的动态障碍物的车辆主动避障控制系统，在本实施例中不再详细描述。

图3是根据本发明一个实施例提供的动态障碍物的车辆主动避障控制系统的结构示意图；

参考图3，该动态障碍物的车辆主动避障控制系统300包括：参数确定模块310、第一模型建立模块320、第二模型建立模块330和主动避障控制模块340，其中：

参数确定模块310，用于确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数；

第一模型建立模块320，用于基于运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型；

第二模型建立模块330，用于基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型；以及

主动避障控制模块340，用于基于所述传感器感知盲区潜在障碍物运动学预测模型及所述传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法。

本发明实施例提供的一种动态障碍物的车辆主动避障控制系统，基于传感器感知盲区潜在障碍物运动学预测模型、无人驾驶汽车与传感器感知盲区的相对距离、车速等相关参数，以及基于前方障碍物运动特征的安全距离模型为核心，建立传感器感知盲区主动避障安全距离模型，主要考虑对传感器感知盲区内可能存在的障碍物进行主动避障，进一步的提高智能驾驶汽车的主动安全性能，降低了传感器感知盲区对智能汽车主动安全性能的影响，防止因传感器感知盲区内障碍物的突然出现造成安全距离不足引起碰撞事故的问题，将多传感器应用在智能汽车上，在一定程度上能够提高智能汽车环境感知的能力，降低追尾碰撞事故发生率。

在本发明的一个实施例中，参数确定模块310，具体用于基于车辆历史工况数据和避障数据分析车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数；

其中，运动特征参数通过车载计算机(控制器)或后台远程服务器(云计算)中的一种或多种确定，当然，本领域技术人员应当知晓，运动特征参数包括但不限于通过车载计算机(控制器)或后台远程服务器(云计算)中的一种或多种确定，其他适当的可以确定运动特征参数的方式均在本发明的保护范围内。

在本发明的一个实施例中，基于车辆历史工况数据和避障数据分析车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数包括：

采集传感器感知盲区内的传感器感知盲区图片并对采集的传感器感知盲区图片进行标签处理获取避障数据。

在本发明的一个实施例中，对采集的传感器感知盲区图片进行标签处理获取避障数据包括：

基于传感器感知盲区图片通过算法模型提取传感器感知盲区的特征信息；

基于特征信息对不同的传感器感知盲区进行识别分类；

其中识别分类的识别率通过增加传感器感知盲区图片数量和优化算法模型。

在本发明的一个实施例中，动态障碍物的车辆主动避障控制方法还包括：

确定用于进行车辆主动避障控制算法的离线测试的控制器，并基于离线测试确定通讯功能和算法功能后进行实车试验；

确定通过实车试验后确定动态障碍物的车辆主动避障控制方法。

在本发明一个实施例中，传感器包括摄像头、红外热成像仪、激光雷达或毫米波雷达中的一种或多种，当然，本领域技术人员应当知晓，传感器包括但不限于摄像头、红外热成像仪、激光雷达或毫米波雷达中的一种或多种，其他适当的传感器均在本发明的保护范围内。

同时，本发明实施例提供的一种动态障碍物的车辆主动避障控制系统，可以预测盲区风险，降低交通事故率。

在本发明的另一个实施例中，还提供了一种电子设备，包括：

存储器，其用于存储计算机可执行指令；以及

处理器，其用于运行计算机可执行指令，以执行上述实施例中任一项所论述的动态障碍物的车辆主动避障控制方法。其中，电子设备可以包括一个或多个处理器和存储器。存储器中存储有计算机可执行指令，该指令在由处理器执行时，使电子设备执行上述动态障碍物的车辆主动避障控制方法的任一实施例。电子设备还可以包括通信接口。

处理器可以是任何合适的处理设备，例如微处理器(microprocessor)、微控制器(microcontroller)、集成电路或其他合适的处理设备。存储器可以包括任何合适的计算系统或介质，包括但不限于非暂时性计算机可读介质、随机存取存储器(RAM)、只读存储器(ROM)、硬盘、闪存或其他存储器设备。存储器可以存储计算机可执行指令，该指令可以由处理器执行，以使电子设备执行上述动态障碍物的车辆主动避障控制方法的任一实施例。存储器还可以存储数据。

本发明实施例中，处理器可以执行包括在指令中的各种模块，以实现上述动态障碍物的车辆主动避障控制系统中的动态障碍物的车辆主动避障控制方法的实施例。例如，电子设备可以实现上述动态障碍物的车辆主动避障控制系统中的各个模块，以执行图1所示的方法S110、S120、S130及140以及图2所示的方法。

在本发明的再一个实施例中，还提供了一种非暂时性计算机可读存储介质。该计算机可读存储介质上存储有计算机可执行指令，当指令被计算机执行时，使得计算机执行上述动态障碍物的车辆主动避障控制系统中的动态障碍物的车辆主动避障控制方法的任一实施例。

在本发明的又一个实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一动态障碍物的车辆主动避障控制方法。

根据本发明实施例的装置，下面参考图4，其示出了适于用来实现本发明实施例的电子设备400的结构示意图。本发明实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。

图4示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM402被安装。在该计算机程序被处理装置401执行时，执行本发明实施例的方法中限定的上述功能。

需要说明的是，本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数，基于运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型，基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型，以及基于传感器感知盲区潜在障碍物运动学预测模型及传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

最后应当说明的是，以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种动态障碍物的车辆主动避障控制方法，其特征在于，包括：

确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数；

基于所述运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型；

基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型；以及

基于所述传感器感知盲区潜在障碍物运动学预测模型及所述传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法。

2.根据权利要求1所述的动态障碍物的车辆主动避障控制方法，其特征在于，还包括：

确定用于进行所述车辆主动避障控制算法的离线测试的控制器，并基于所述离线测试确定通讯功能和算法功能后进行实车试验；

确定通过所述实车试验后确定所述动态障碍物的车辆主动避障控制方法。

3.根据权利要求1所述的动态障碍物的车辆主动避障控制方法，其特征在于，所述确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数包括：

基于车辆历史工况数据和避障数据分析车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数。

4.根据权利要求3所述的动态障碍物的车辆主动避障控制方法，其特征在于，所述基于车辆历史工况数据和避障数据分析车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数包括：

采集所述传感器感知盲区内的传感器感知盲区图片并对采集的所述传感器感知盲区图片进行标签处理获取所述避障数据。

5.根据权利要求4所述的动态障碍物的车辆主动避障控制方法，其特征在于，所述对采集的所述传感器感知盲区图片进行标签处理获取所述避障数据包括：

基于所述传感器感知盲区图片通过算法模型提取所述传感器感知盲区的特征信息；

基于所述特征信息对不同的所述传感器感知盲区进行识别分类；

其中所述识别分类的识别率通过增加所述传感器感知盲区图片数量和优化所述算法模型。

6.根据权利要求1所述的动态障碍物的车辆主动避障控制方法，其特征在于，所述传感器包括摄像头、红外热成像仪、激光雷达或毫米波雷达中的一种或多种。

7.根据权利要求1所述的动态障碍物的车辆主动避障控制方法，其特征在于，所述运动特征参数通过车载计算机或后台远程服务器中的一种或多种确定。

8.一种动态障碍物的车辆主动避障控制系统，其特征在于，包括：

参数确定模块，用于确定车辆不同工况下传感器感知盲区潜在障碍物的运动特征参数；

第一模型建立模块，用于基于所述运动特征参数建立传感器感知盲区潜在障碍物运动学预测模型；

第二模型建立模块，用于基于多个传感器感知盲区、多种障碍物运动形式、多种主动避障控制方法及静态障碍物建立传感器感知盲区安全距离模型；以及

主动避障控制模块，用于基于所述传感器感知盲区潜在障碍物运动学预测模型及所述传感器感知盲区安全距离模型确定动态障碍物的车辆主动避障控制算法。

9.一种电子设备，其特征在于，包括：

存储器，其用于存储计算机可执行指令；以及

处理器，其用于运行所述计算机可执行指令，以执行权利要求1至7中任一项所述的动态障碍物的车辆主动避障控制方法。

10.一种非暂时性计算机可读存储介质，其特征在于，所述存储介质上存储有计算机可执行指令，当所述指令被计算机执行时，使得所述计算机执行权利要求1至7中任一项所述的动态障碍物的车辆主动避障控制方法。