CN116872921A - 一种车辆规避风险方法、系统、车辆及存储介质 - Google Patents
一种车辆规避风险方法、系统、车辆及存储介质 Download PDFInfo
- Publication number
- CN116872921A CN116872921A CN202310928222.9A CN202310928222A CN116872921A CN 116872921 A CN116872921 A CN 116872921A CN 202310928222 A CN202310928222 A CN 202310928222A CN 116872921 A CN116872921 A CN 116872921A
- Authority
- CN
- China
- Prior art keywords
- target
- risk
- obstacle
- vehicle
- risk assessment
- 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 81
- 238000012502 risk assessment Methods 0.000 claims abstract description 208
- 238000005070 sampling Methods 0.000 claims description 69
- 238000012544 monitoring process Methods 0.000 claims description 30
- 230000004888 barrier function Effects 0.000 claims description 27
- 230000001133 acceleration Effects 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 230000029087 digestion Effects 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 60
- 238000011156 evaluation Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 230000015654 memory Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 230000008447 perception Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000019771 cognition Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000013209 evaluation strategy Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 208000020990 adrenal cortex carcinoma Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 231100001267 hazard identification Toxicity 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000002346 layers by function Substances 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
- 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
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
-
- B60W2420/408—
-
- 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
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/20—Static objects
-
- 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
- B60W2554/402—Type
-
- 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
- B60W2554/4041—Position
-
- 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
- B60W2554/4042—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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
- B60W2754/20—Lateral distance
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
- B60W2754/30—Longitudinal distance
Abstract
本申请实施例公开了一种车辆规避风险方法、系统、车辆及存储介质,涉及智能驾驶技术领域。方法包括:获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,确定目标车辆与目标障碍物是否发生碰撞的风险评估结果;若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果,生成与目标风险评估结果对应的目标安全防护策略以规避碰撞风险。
Description
技术领域
本申请涉及但不限于智能驾驶技术领域,尤其涉及一种车辆规避风险方法、系统、车辆及存储介质。
背景技术
随着人工智能(Artificial Intelligence,AI)技术的发展,智能驾驶有了长足的进步,从早期的自适应巡航控制系统(adaptive cruise control,ACC)、自动紧急刹车功能(Autonomous Emergency Braking,AEB)到目前的高速/城市自动辅助导航驾驶(Navigateon Autopilot,NOA),如图1中的智能驾驶系统。由于车辆功能的日益强大伴随着应用场景的扩展,以及智能驾驶系统本身性能不足和驾驶员对智能驾驶功能的误用,导致的预期功能安全问题也逐渐显现,如撞上翻倒在路上的其他车辆、撞上横穿的自行车等。为了降低智能驾驶系统的风险,提高智能驾驶的预期功能,目前,需要亟需提供一种新的车辆规避风险的方法。
发明内容
本发明的目的之一在于提供一种车辆规避风险方法、系统、车辆及存储介质,以解决现有技术中智能驾驶系统的安全风险的问题。
为了解决上述问题,本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种车辆规避风险方法,所述方法包括:
获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,其中,所述障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;
根据每一时刻对应的所述第一运动状态信息和所述障碍物信息,执行与所述障碍物类型对应的风险评估策略,从而确定所述目标车辆与所述目标障碍物是否发生碰撞的风险评估结果;
若所述多个时刻对应的多个风险评估结果满足风险条件,从所述多个风险评估结果中确定目标风险评估结果,生成与所述目标风险评估结果对应的目标安全防护策略以规避碰撞风险。
第二方面,本申请实施例提供一种车辆规避风险系统,所述系统包括:自动驾驶主模块、总控模块、监测防护模块和执行器,所述监测防护模块包括辅助感知模块和风险评估与消解模块,其中,
所述自动驾驶主模块,用于获得在连续的多个时刻所述目标车辆的第一运动状态信息并输出至所述总控模块;
所述总控模块,用于将所述第一运动状态信息输出至监测防护模块;
所述辅助感知模块,用于获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,其中,所述障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;
所述风险评估与消解模块,用于根据每一时刻对应的所述第一运动状态信息和所述障碍物信息,执行与所述障碍物类型对应的风险评估策略,从而确定所述目标车辆与所述目标障碍物是否发生碰撞的风险评估结果;若所述多个时刻对应的多个风险评估结果满足风险条件,从所述多个风险评估结果中确定目标风险评估结果,生成与所述目标风险评估结果对应的目标安全防护策略,将所述目标安全防护策略输出至执行器,以执行所述目标安全防护策略规避碰撞风险。
第三方面,本申请实施例提供一种车辆,所述车辆包括控制器,其中,
所述控制器,配置为实现上述所述的方法来运行车辆。
第四方面,本申请实施例提供一种存储介质,所述存储介质存储有一个或者多个计算机程序,一个或者多个计算机程序可被一个或者多个处理器执行,以实现上述方法中的部分或全部步骤。
本申请实施例提供一种车辆规避风险方法、系统、车辆及存储介质,获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,其中,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,从而确定目标车辆与目标障碍物是否发生碰撞的风险评估结果;若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果,生成与目标风险评估结果对应的目标安全防护策略以规避碰撞风险;也就是说,本申请实时监测每一时刻目标车辆的运动状态信息和当前道路场景下目标障碍物的障碍物信息,并通过障碍物类型对应的风险评估策略判断目标车辆与目标障碍物之间是否发生碰撞的风险评估结果;进一步地,在连续的多个时刻对应的风险评估结果满足风险条件,则确定目标风险结果,生成目标风险评估结果对应的目标安全防护策略,从而使得目标车辆规避碰撞风险;如此,提高了车辆自动驾驶的安全性。
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,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1为相关技术中提供的一种可选的自动驾驶主系统的结构示意图;
图2为本申请实施例提供的一种可选的车辆规避风险方法的流程示意图;
图3为本申请实施例提供的一种目标车辆行驶的道路场景的示意图;
图4为本申请实施例提供的一种可选的目标车辆与其他车辆发生在行驶路径上发生碰撞的场景示意图;
图5为本申请实施例提供的一种可选的激光雷达和前向毫米波雷达的探测范围的示意图;
图6为本申请实施例提供的一种生成与目标风险评估结果对应的新的规划路径的示意图;
图7为本申请实施例提供的一种可选的车辆规避风险方法的流程示意图;
图8为本申请实施例提供的一种可选的车辆规避风险方法的流程示意图;
图9为本申请实施例提供的一种可选的确定碰撞角度的场景示意图;
图10为本申请实施例提供的一种可选的车辆规避风险方法的流程示意图;
图11为本申请实施例提供的一种可选的车辆规避风险方法的流程示意图;
图12为本申请实施例提供的一种可选的车辆规避风险方法的流程示意图;
图13为本申请实施例提供的一种可选的车辆规避风险方法的流程示意图;
图14为本申请实施例提供的一种碰撞风险位置的示意图;
图15为本申请实施例提供的一种可选的车辆规避风险方法的流程示意图;
图16为本申请实施例提供的一种可选的车辆规避风险系统的安全架构示意图;
图17为本申请实施例提供的一种辅助感知模块和风险评估与消解模块的结构框图;
图18为本申请实施例提供的一种可选的车辆规避风险过程的示意图;
图19为本申请实施例提供的一种可选的车辆规避风险系统的结构示意图;
图20为本申请实施例提供的一种可选的车辆规避风险系统的结构示意图;
图21为本申请实施例提供的一种车辆的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图和实施例对本申请的技术方案进一步详细阐述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。所涉及的术语“第一/第二/第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一/第二/第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请的目的,不是旨在限制本申请。
参照图2,图2为本申请实施例提供的一种车辆规避风险方法的实现流程示意图,该方法可以由车辆的控制器执行,这里,将结合图2示出的步骤进行说明,
步骤101、获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息。
其中,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个。
本申请实施例中,连续的多个时刻可以是当前时刻之后的连续多个未来时刻,连续多个未来时刻可以理解为按照预先设置的时间间隔确定多个未来时刻,并从多个未来时刻中选取连续的至少两个未来时刻,这里,时间间隔可以为0.01秒(second,s)、0.02s等,当然,时间间隔也可以为0.1-0.4中的任一数字,对此,本申请不做具体限制。其中,多个时刻可以为10个、20个等,也可以是其他数量个,对此,本申请不做具体限制。
本申请实施例中,目标车辆为可以是自动驾驶车辆,这里,自动驾驶车辆的类型不做限定,如车辆类型、大小和品牌。
本申请实施例中,第一运动状态信息为目标车辆在当前道路场景下在每一时刻对应采集的数据信息,第一运动状态信息包括目标车辆的车辆风险规避系统中的自动驾驶主模块所规划的第一规划路径、目标车辆的速度、加速度、航向角和车辆边界信息,当然,第一运动状态信息还可以包括执行器状态,这里,执行器状态包括但不限于刹车力度和刹车夹角、车辆电机扭矩和点击转速、方向盘的转角等。
示例性地,参照图3所示,道路场景包括但不限于目标车辆(如黑色车辆)正常行驶的情况下其他车辆超车行驶场景、目标车辆变道行驶其他车辆减速行驶场景,以及目标车辆弯道或上下匝道行驶场景。
这里,参照图4所示,鸟瞰附图视角中,目标车辆的边界信息和其他车辆的边界信息可以视为一个矩形,矩形的大小由车辆类型与安全边界阈值共同界定,即车辆尺寸加上车辆安全阈值为车辆的边界信息,参照表1所示,示例性地,以车辆类型为小货车为列,车辆实际纵向长度为4.2米(meter,m),横向宽度为1.8m,安全阈值纵向长度为0.3m,横向宽度为0.1m,则车辆预设纵向长度为4.5m,横向宽度为1.9m,即车辆的预设边界信息4.5m×1.9m。
车辆类型 | 车辆尺寸 | 安全阈值 |
小汽车 | 纵向长度约5m-6m,横向宽度约1.9m | 纵向0.3m,横向0.1m |
小货车 | 纵向长度约4.2m,横向宽度约1.8m | 纵向0.3m,横向0.1m |
大货车 | 纵向长度约6.8m-7.6m,横向宽度约2.4m | 纵向0.8m,横向0.2m |
小型客车 | 纵向长度约5.9m,横向宽度约2m | 纵向0.3m,横向0.1m |
中型客车 | 纵向长度约8.6m,横向宽度约2.3m | 纵向0.5m,横向0.2m |
大型客车 | 纵向长度约10m,横向宽度约2.5m | 纵向0.8m,横向0.2m |
表1
本申请实施例中,目标障碍物可以是静止类型的障碍物,即固定不动的目标障碍物,如路沿、道路上的护栏、绿化带、建筑和道路上的交通亭等,目标障碍物也可以是可移动类型的障碍物,可移动类型的障碍物可以是根据时间推移,按照预先设定的规划路径行驶的障碍物,如道路上行驶的其他车辆、行人等,对此,本申请不做具体限定。需要说明的是,目标障碍物可以理解为与目标车辆按照预先设定的规划路径行驶的障碍物。
本申请实施例中,障碍物信息包括障碍物类型,若目标障碍物的障碍物类型为静止障碍物类型,则障碍物信息还可以包括:障碍物位置和障碍物边界信息;若目标障碍物的障碍物类型为可移动障碍物类型,则障碍物信息还可以包括:障碍物位置、障碍物边界信息和第二运动状态信息。
这里,障碍物位置可以利用基于位置服务(Location Based Services,LBS)功能实现定位;也可以利用全球定位系统(Global Positioning System,GPS)模块实现定位;还可以利用基站定位方式实现定位,这里不做具体限定。
这里,第二运动状态信息可以包括但不限于障碍物的速度信息、位置信息以及行驶轨迹信息,行驶轨迹信息可以包括障碍物的运动方向以及障碍物与车道中心线的偏移距离等信息,将障碍物信息和地图信息结合,可以获取各障碍物所处的车道、路口等信息。
本申请实施例中,障碍物信息为获得的当前道路场景下目标车辆行驶方向上预设范围内的目标障碍物的障碍区信息。这里,可以通过车辆的车辆风险规避系统中的监测防护模块的辅助感知模块采集目标车辆预设范围内的障碍物信息并进行分析,通过辅助感知模块如激光雷达、摄像头、毫米波雷达、激光点云、超声波雷达等一个或多个传感器设备较准确的感知周围环境,为规避风险确定路径规划和行车控制提供依据。示例性地,辅助感知模块采用激光雷达和前向毫米波雷达的组合,且激光雷达和前向毫米波雷达针对周围环境的感知探测范围如图5所示,激光雷达(lidar)可实现前向水平视场角(Field of View,FOV)约120度(°)及约150m的探测范围覆盖,前向毫米波雷达(FR)可实现前向水平FOV约150°及约250m的探测范围覆盖。
这里,通过激光雷达准确的获取当前道路场景下的点云,通过算法识别得到障碍物信息,如道路边界、其他车辆的位置及边界;通过毫米波雷达准确的测量当前道路场景下其他车辆的速度、加速度和航向角;进一步地,将激光雷达和毫米波雷达感知的同一时刻的感知结果进行匹配对齐,从而得到同一时刻障碍物的障碍物信息。
本申请实施例中,对于未来连续的多个时刻,获得每一时刻对应的目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,从而得到多个时刻分别对应的第一运动状态信息和障碍物信息。
步骤102、根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,从而确定目标车辆与目标障碍物是否发生碰撞的风险评估结果。
本申请实施例中,风险评估策略用于根据第一运动状态信息和障碍物信息,分析目标车辆在当前道路场景下发生碰撞风险的可能性。风险评估策略包括与静止障碍物类型对应的风险评估策略,以及与可移动障碍物类型对应的风险评估策略。
本申请实施例中,风险评估结果包括存在碰撞风险结果和不存在碰撞风险结果,存在碰撞风险结果包括风险等级、碰撞类型,以及目标车辆与目标障碍物之间的速度或相对速度,不同的风险等级对应不同碰撞严重度;其中,碰撞类型是碰撞位置确定,碰撞风险位置包括但不限于本车正碰,本车前侧剐蹭,本车前左侧碰,本车前右侧碰,本车后左侧碰,本车后右侧碰;碰撞严重度碰撞严重度由目标车辆的车辆姿态是否可控和碰撞能量大小共同表征;其中,碰撞能量的计算需考虑如下一个多个因素:目标车辆的质量、速度、加速度、碰撞风险类型、碰撞物质量、碰撞物外形等,当然,碰撞能量的计算还可以考虑其他因素,对此,本申请不做具体限制。
本申请实施例中,获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息之后,根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,从而确定目标车辆与目标障碍物发生碰撞的风险评估结果,进而得到多个时刻对应的多个风险评估结果。
步骤103、若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果,生成与目标风险评估结果对应的目标安全防护策略以规避碰撞风险。
本申请实施例中,多个风险评估结果满足风险条件可以理解为,多个风险评估结果包括至少两个存在风险结果。示例性地,若选取连续的五个时刻对应的五个风险评估结果中出现三个时刻对应的风险评估结果为存在风险结果,则确定五个时刻对应的五个风险评估结果满足风险条件。
本申请实施例中,目标风险评估结果为多个风险评估结果中出现频次最高的风险评估结果为目标风险评估结果,或者多个风险评估结果中风险等级最高的风险评估结果。
本申请实施例中,安全防护策略包括:简单刹车和转向、启用自动紧急刹车功能进行刹车和生成新的规划路径如第二规划路径,对此,本申请不做具体限制。
本申请实施例中,目标车辆根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,从而确定目标车辆与目标障碍物发生碰撞的风险评估结果,若多个时刻对应的风险评估结果满足风险条件,则目标车辆从多个风险评估结果中确定目标风险评估结果。进一步地,目标车辆根据自身的第一运动状态信息和目标障碍物的障碍物位置、障碍物边界信息和/或第二运动状态信息,生成与目标风险评估结果对应的目标安全防护策略,从而使得车辆规避碰撞风险。
在一种可实现应用场景中,参照图6所示,图6示出的是生成与目标风险评估结果对应的新的规划路径的示意图,其中,虚线表示目标车辆的自动驾驶主模块规划的路径,目标车辆若按照该路径行驶会存在碰撞风险,实线表示生成的新路径,目标车辆按照新路径行驶,则会避免发生碰撞。
本申请实施例提供一种车辆规避风险方法,获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,其中,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,从而确定目标车辆与目标障碍物是否发生碰撞的风险评估结果;若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果,生成与目标风险评估结果对应的目标安全防护策略以规避碰撞风险;也就是说,本申请实时监测每一时刻目标车辆的运动状态信息和当前道路场景下目标障碍物的障碍物信息,并通过障碍物类型对应的风险评估策略判断目标车辆与目标障碍物之间是否发生碰撞的风险评估结果;进一步地,在连续的多个时刻对应的风险评估结果满足风险条件,则确定目标风险结果,生成目标风险评估结果对应的目标安全防护策略,从而使得目标车辆规避碰撞风险;如此,提高了车辆自动驾驶的安全性。
参照图7,图7为本申请实施例提供的一种车辆规避风险方法的实现流程示意图,该方法可以由车辆的控制器执行,这里,将结合图7示出的步骤进行说明,
步骤201、获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息。
其中,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个。
步骤202、在目标车辆的自动紧急刹车功能未启用的情况下,若障碍物类型为静止障碍物类型,针对每一时刻,根据对应的第一运动状态信息和障碍物信息,执行与静止障碍物类型对应的第一风险评估策略,从而确定目标车辆与目标障碍物是否发生碰撞的风险评估结果。
本申请实施例中,自动紧急刹车功能的作用为,采用雷达测出与前车或者障碍物的距离,然后利用数据分析模块将测出的距离与警报距离、安全距离进行比较,小于警报距离时就进行警报提示,而小于安全距离时即使在驾驶员没有来得及踩制动踏板的情况下,若AEB功能未启用,此时启动AEB功能,使汽车自动制动,从而为安全出行保驾护航。
需要说明的是,只有目标车辆的自动紧急刹车功能未启用,才会执行本申请实施例中针对目标车辆,确定与目标障碍物的障碍物类型对应的风险评估策略。若目标车辆的自动紧急刹车功能启用,在可能出现碰撞风险的情况,执行自动紧急刹车策略的同时再执行其他规划策略如转向、新规划的路径,使得目标车辆发生漂移,导致目标车辆发生更严重的碰撞风险。
本申请实施例中,第一风险评估策略是与静止障碍物类型对应的风险评估策略。
本申请实施例中,在第一风险评估策略结合图8所示步骤进行说明,
步骤221、确定目标车辆的第一规划路径在二维空间中的第一函数曲线。
本申请实施例中,二维空间可以是以车辆的后轴中心为原点,以车辆的行驶方向为X轴,以垂直于行驶方向向左为Y轴建立的直角坐标系。
本申请实施例中,第一规划路径为目标车辆在自动驾驶时自主规划的行驶路径,并按照该行驶路径行驶。
步骤222、根据障碍物位置和障碍物边界信息,确定目标障碍物在二维空间中的第二函数曲线。
本申请实施例中,障碍物类型为静止障碍物类型,则障碍物边界信息为固定的,如目标障碍物为路沿,目标车辆可以获得路沿的位置和路沿边界信息,进而根据路沿位置和障碍物信息,在二维空间中拟合路沿的第二函数曲线。
步骤223、根据第一函数曲线和第二函数曲线,确定目标车辆与目标障碍物发生碰撞的碰撞风险位置,以及目标车辆在碰撞风险位置碰撞时的碰撞角度。
本申请实施例中,碰撞风险位置为第一函数曲线与第二函数曲线的存在交点的位置,碰撞风险位置包括但不限于本车正碰,本车前侧剐蹭,本车前左侧碰,本车前右侧碰,本车后左侧碰,本车后右侧碰。
本申请实施例中,由于目标障碍物为静止类型障碍物,碰撞角度可以基于目标车辆第一规划路径、航向角与目标障碍物的碰撞风险位置的切线确定。示例性地,参照图9所示,以目标障碍物为护栏/路沿为例,当护栏/路沿为直线时,碰撞风险位置为以目标车辆的第一规划轨迹拟合得到的第一函数曲线,与以路沿的直线拟合得到的第二函数曲线的交点,碰撞角度θ为在碰撞风险位置处第二函数曲线的切线与目标车辆的规划轨迹之间所形成的夹角。如当护栏/路沿为直线时,碰撞角度为车辆的第一规划轨迹与与护栏/路沿直线在碰撞风险位置处的夹角,当护栏/路沿为曲线时,碰撞角度为在碰撞风险位置处目标车辆的第一规划轨迹与护栏/路沿切线的夹角。
本申请实施例中,步骤223中根据第一函数曲线和第二函数曲线,确定目标车辆与目标障碍物发生碰撞的碰撞风险位置的过程结合图10进行说明,
步骤2231、预先设置多个采样点,并获得每一采样点的X轴坐标;
步骤2232、将每一采样点的X轴坐标分别代入第一函数曲线和第二函数曲线,得到第一函数曲线下的Y轴坐标和第二函数曲线下的Y轴坐标;
步骤2233、计算第一函数曲线下的Y轴坐标和第二函数曲线下的Y轴坐标的差值,将属于差值范围的差值对应的采样点的坐标,确定为碰撞风险位置。
本申请实施例中,多个采样点是基于目标车辆的速度确定的,且多个采样点设置在目标车辆随着时间的推移,按照第一规划路径行驶时预设距离内的采样点,预设距离为目标车辆与目标障碍物之间的距离。
本申请实施例中,差值范围可以是根据实际经验标定的可能发生碰撞的距离范围。
本申请实施例中,目标车辆根据行驶方向,在一定距离内预先设置多个采样点,并获取每一采样点的X轴坐标;然后,将每一采样点的X轴坐标分别代入第一函数曲线和第二函数曲线,得到第一函数曲线下的Y轴坐标和第二函数曲线下的Y轴坐标;进一步地,目标车辆计算第一函数曲线下的Y轴坐标和第二函数曲线下的Y轴坐标的差值,判断差值是否属于差值范围,若差值属于差值范围,则将属于差值范围的差值对应的采样点的坐标,确定为碰撞风险位置。
在一种可实现场景中,目标车辆从坐标原点沿X轴方向一定距离δ(根据车速查表)划分为N个采样点,将每个采样点的X坐标分别代入目标车辆的第一函数曲线和第二函数曲线,计算X坐标在第一函数曲线对应的Y坐标,以及X坐标在第二函数对应的Y坐标,将两个Y坐标作差判断结果的绝对值是否小于Δd_1(可标定),若存在某一采样点的Y坐标差绝对值小于Δd_1则认为存在潜在的碰撞风险,记录存在碰撞风险位置为X坐标和Y坐标。
步骤224、根据碰撞风险位置、碰撞角度和第一速度,确定风险评估结果。
其中,第一运动状态信息包括第一规划路径和第一速度。
本申请实施例中,第一速度为目标车辆的速度。
本申请实施例中,风险评估结果可以基于碰撞风险位置、碰撞角度以及目标车辆当前时刻的行驶速度即第一速度确定的。
本申请实施例中,步骤224中根据碰撞风险位置、碰撞角度和第一速度,确定风险评估结果可以通过如下过程实现:
根据碰撞角度和碰撞风险位置,确定碰撞类型;预先建立碰撞类型、速度和风险等级之间的第一映射关系表;在第一映射关系表中,查找与碰撞类型和第一速度对应的目标风险等级,其中,风险评估结果包括碰撞类型和目标风险等级。
本申请实施例中,碰撞类型是由碰撞角度和碰撞风险位置共同决定,碰撞类型包括但不限于前侧挂车、前侧碰撞和正面碰撞。示例性地,若碰撞角度小于第一预设角度如30°,且碰撞风险位置为车辆前侧,则碰撞类型为前侧剐蹭;若碰撞角度大于第一预设角度小于第二预设角度如75°,且碰撞风险位置为车辆前侧,则碰撞类型为前侧碰撞;若碰撞角度大于第二预设角度小于第三预设角度如90°,且碰撞风险位置为车辆正面,则碰撞类型为正面碰撞。
本申请实施例中,第一映射关系表是由碰撞类型、目标车辆的速度和风险等级确定的,以风险等级包括四个风险等级S1、S2、S3和S4,且四个风险等级按照严重程度进行排列,其中,风险等级S1为碰撞严重程度最小,风险等级S4为碰撞严重程度最大。示例性地,第一映射关系表如表2所示。
表2
本申请实施例中,目标车辆根据碰撞角度和碰撞风险位置,确定碰撞类型之后,在第一映射关系表中查找与碰撞类型和第一速度对应的目标风险等级,从而得到风险评估结果。
步骤203、若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果,生成与目标风险评估结果对应的目标安全防护策略以规避碰撞风险。
由上述可知,本申请实时监测每一时刻目标车辆的运动状态信息和当前道路场景下目标障碍物的障碍物信息,并通过静止障碍物类型对应的第一风险评估策略判断目标车辆与目标障碍物之间是否发生碰撞的风险评估结果;进一步地,在连续的多个时刻对应的风险评估结果满足风险条件,则确定目标风险结果,生成目标风险评估结果对应的目标安全防护策略,从而使得目标车辆规避碰撞风险;如此,提高了车辆自动驾驶的安全性。
参照图11,图11为本申请实施例提供的一种车辆规避风险方法的实现流程示意图,该方法可以由车辆的控制器执行,这里,将结合图11示出的步骤进行说明,
步骤301、获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息。
其中,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个。
步骤302、在目标车辆的自动紧急刹车功能未启用的情况下,若障碍物类型为可移动障碍物类型,根据第一运动状态信息和障碍物信息,执行与可移动障碍物类型对应的第二风险评估策略,从而确定目标车辆与目标障碍物发生碰撞的风险评估结果。
本申请实施例中,第二风险评估策略是与可移动障碍物类型对应的风险评估策略。
本申请实施例中,自动紧急刹车功能的作用为,采用雷达测出与前车或者障碍物的距离,然后利用数据分析模块将测出的距离与警报距离、安全距离进行比较,小于警报距离时就进行警报提示,而小于安全距离时即使在驾驶员没有来得及踩制动踏板的情况下,若AEB功能未启用,此时启动AEB功能,使汽车自动制动,从而为安全出行保驾护航。
需要说明的是,只有目标车辆的自动紧急刹车功能未启用,才会执行本申请实施例中针对目标车辆,确定与目标障碍物的障碍物类型对应的风险评估策略。若目标车辆的自动紧急刹车功能启用,在可能出现碰撞风险的情况,执行自动紧急刹车策略的同时再执行其他规划策略如转向、新规划的路径,使得目标车辆发生漂移,导致目标车辆发生更严重的碰撞风险。
本申请实施例中,在第二风险评估策略结合图12所示步骤进行说明,
步骤321、根据第一运动状态信息包含的目标车辆的速度、加速度和航向角,对目标车辆在目标时段内的运动状态进行短时预测,得到第一预测轨迹;
步骤322、根据第二运动状态信息包含的目标障碍物的速度、加速度和航向角,对目标障碍物在目标时段内的运动状态进行短时预测,得到第二预测轨迹。
本申请实施例中,目标车辆根据自身的速度、加速度和航向角,通过车辆动力学模型对目标车辆在目标时段内的运动状态进行短时预测,得到第一预测轨迹,根据目标障碍物的速度、加速度和航向角,通过车辆动力学模型,对目标障碍物在目标时段内的运动状态进行短时预测,得到第二预测轨迹。
在一种可实现应用场景中,目标车辆根据自身的速度、加速度和航向角,基于车辆动力学模型对目标车辆的运动状态进行短时预测,得到本车在目标时段内的第一预测轨迹S1;根据其他车辆的速度、加速度和航向角,基于车辆动力学模型对其他车辆目标的运动状态进行短时预测,得到其他车辆目标在目标时段内的第二预测轨迹S2;其中,预测的目标时段即时间窗口为可标定至少1s。
步骤323、预先设置目标时段内的多个采样时刻;
步骤324、预测目标车辆按照第一预测轨迹行驶时,在每一采样时刻目标车辆的多个第一边界顶点位置,以及预测目标障碍物按照第二预测轨迹行驶时,在对应采样时刻目标障碍物的多个第二边界顶点位置。
本申请实施例中,边界顶点位置可以理解为以车辆视为矩形时边界信息中各个顶点的位置,且车辆在每一采样时刻均包括四个边界顶点位置。
步骤325、根据多个采样时刻中每一采样时刻对应的多个第一边界顶点位置和多个第二边界顶点位置,确定风险评估结果。
本申请实施例中,在目标时段内预先设置多个采样时刻的情况下,预测目标车辆按照第一预测轨迹行驶时,在每一采样时刻目标车辆的四个第一边界顶点位置,以及预测目标障碍物按照第二预测轨迹行驶时,在对应采样时刻目标障碍物的四个第二边界顶点位置,从而得到多个采样时刻中每一采样时刻对应的四个第一边界顶点位置和四个第二边界顶点位置;进一步地,根据多个采样时刻中每一采样时刻对应的四个第一边界顶点位置和四个第二边界顶点位置,确定目标车辆与目标障碍物之间发生碰撞的风险评估结果。
在一些实施例中,步骤325根据多个采样时刻中每一采样时刻对应的多个第一边界顶点位置和多个第二边界顶点位置,确定风险评估结果的过程结合图13进行说明,
步骤3251、针对每一采样时刻,基于多个第一边界顶点位置和多个第二边界顶点位置,计算任意两个边界顶点位置之间的距离,得到多个距离;
步骤3252、针对多个采样时刻分别对应的多个距离,按照时间顺序依次判断每一距离与距离阈值之间的大小关系;
步骤3253、若存在距离小于距离阈值,根据距离和距离对应的第一边界顶点位置,确定目标车辆的碰撞类型;
步骤3254、基于目标车辆的速度、目标障碍物的速度和碰撞类型,确定风险评估结果。
本申请实施例中,首先,目标车辆针对每一采样时刻,基于目标车辆的四个第一边界顶点位置和目标障碍物的四个第二边界顶点位置,计算任意两个边界顶点位置之间的距离,得到多个距离;然后,目标车辆针对多个采样时刻分别对应的多个距离,按照时间顺序依次判断每一距离与距离阈值之间的大小关系;只要存在距离小于距离阈值,确定该距离对应的第一边界顶点位置,并基于距离和距离对应的第一边界位置确定目标车辆的碰撞类型;最后,基于目标车辆的速度、目标障碍物的速度和碰撞类型,确定目标车辆与目标障碍物之间发生碰撞的风险评估结果。
在一些实施例中,步骤3252针对多个采样时刻分别对应的多个距离,按照时间顺序依次判断每一距离与距离阈值之间的大小关系还可以通过如下过程实现:
针对多个采样时刻中每一采样时刻对应的多个距离,将多个距离中的最短距离,确定为采样时刻目标车辆与目标障碍物之间的距离,从而得到多个采样时刻对应的多个距离;按照时间顺序依次判断每一距离与距离阈值之间的大小关系;即针对每一采样时刻,将每一采样时刻对应的多个距离中的最短距离确定为目标车辆与目标障碍物之间的距离,从而得到多个采样时刻对应的多个距离,进而按照时间顺序异地判断每一距离与距离阈值之间的大小关系,如此,通过筛选出每一采样时刻对应的最短距离,减少了大量的数据比较,减少了计算量。
在一种可实现的应用场景中,在目标时段内计算每个采样时刻的目标车辆的四个第一边界顶点位置,与目标障碍物即最近一辆其他车辆四个第二边界顶点位置之间任意两个位置之间的距离,即目标车辆和最近车辆总共计算4×4=16个距离,从16个距离中得到每个采用时刻的最短距离k,以及最短位置对应的第一边界顶点位置和第二边界顶点位置,记录对应的采样时刻。根据时间顺序依次判断最短距离k是否小于0,若存在某一时刻k小于0则风险评估认为存在直接的碰撞风险,若最短距离k大于0,则认为不存在直接碰撞。根据最短距离节点所处的位置判断目标车辆的碰撞类型,其中,目标车辆的碰撞类型包括但不限于前侧碰撞(又称正面碰撞)、前左侧碰撞和前右侧碰撞,示例性地,参照图14所示。
在一些实施例中,步骤3254基于目标车辆的速度、目标障碍物的速度和碰撞类型,确定风险评估结果可以通过如下过程实现:
基于目标车辆的速度和目标障碍物的速度,确定目标车辆与目标障碍物之间的相对速度;预先建立碰撞类型、相对速度和风险评估结果之间的第二映射关系表;在第二映射关系表中,查找与碰撞类型和相对速度对应的目标风险等级,其中,风险评估结果包括但不限于碰撞类型和目标风险等级。
本申请实施例中,第二映射关系表是由碰撞类型、目标车辆与目标障碍物之间的相对速度,以及风险等级确定的,以风险等级包括四个风险等级S1、S2、S3和S4,且四个风险等级按照严重程度进行排列,其中,风险等级S1为碰撞严重程度最小,风险等级S4为碰撞严重程度最大。示例性地,第二映射关系表如表3所示。
表3
本申请实施例中,目标车辆根据目标车辆的速度和目标障碍物的速度,确定目标车辆与目标障碍物之间的相对速度之后,在第二映射关系表中查找与碰撞类型和相对速度对应的目标风险等级,从而得到目标车辆的风险评估结果。
步骤303、若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果,生成与目标风险评估结果对应的目标安全防护策略。
由上述可知,本申请实时监测每一时刻目标车辆的运动状态信息和当前道路场景下目标障碍物的障碍物信息,并通过可移动障碍物类型对应的第二风险评估策略判断目标车辆与目标障碍物之间是否发生碰撞的风险评估结果;进一步地,在连续的多个时刻对应的风险评估结果满足风险条件,则确定目标风险结果,生成目标风险评估结果对应的目标安全防护策略,从而使得目标车辆规避碰撞风险;如此,提高了车辆自动驾驶的安全性。
参照图15,图15为本申请实施例提供的一种车辆规避风险方法的实现流程示意图,该方法可以由车辆的控制器执行,这里,将结合图15示出的步骤进行说明,
步骤401、获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息。
其中,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个。
步骤402、在目标车辆的自动紧急刹车功能未启用的情况下,根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,从而确定目标车辆与目标障碍物之间是否发生碰撞的风险评估结果。
步骤403、若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果。
本申请实施例中,从多个风险评估结果中确定目标风险评估结果可以通过如下两种方式实现:
第一种,确定多个风险评估结果中出现频次最高的风险评估结果为目标风险评估结果;第二种,确定多个风险评估结果中风险等级最高的风险评估结果为目标风险评估结果。
本申请实施例中,确定出现频次最高的风险评估结果为目标风险评估结果可以理解为,在该道路场景发生该目标风险评估结果的可能性比较大,为避免发生可能性比较大的碰撞风险,将其确定为目标风险评估结果,以减少车辆发生碰撞风险的概率。
本申请实施例中,确定风险等级最高的风险评估结果为目标风险评估结果可以理解为,在该道路场景发生该目标风险评估结果最严重,为避免发生较为严重的碰撞风险。将其确定为目标风险评估结果,以减少车辆发生碰撞风险时的损失。
步骤404、根据目标风险评估结果的风险等级,确定与风险等级对应的安全防护策略集。
本申请实施例中,安全防护策略集中可以包括一个或多个安全防护策略,且包括的多个安全防护策略之间具有安全防护优先级,如,与风险等级对应的安全防护策略集包括单一的纵向控制的安全防护策略和/或横纵向联合控制的安全防护策略中的一种或多种,单一的纵向控制的安全防护策略如简单刹车,以及启用自动紧急刹车功能进行刹车;横纵向联合控制的安全防护策略,如简单转向以及生成新的规划路径,即第二规划路径。
在一种可实现场景中,生成新的规划路径可以通过如下方式实现,考虑车辆行驶在结构化道路上,结构化道路上行驶的车辆不允许出现倒车,因此车辆的航向角不会与车道中心线存在过大夹角。规划问题是建立带约束的代价函数,通过对函数求极值得出问题的解,步骤如下:获得道路边缘拟合出道路中心线作为车辆的指引线,在自车笛卡尔坐标系下拟合出指引线的三次曲线方程;根据指引线进行Frenet坐标系转换,将道路边界,其他车辆目标的几何信息转换至Frenet坐标;根据Frenet坐标生成新的规划路径即第二规划路径。需要说明的是,第一规划路径考虑路径轨迹的平滑性、安全性、舒适性,第二规划路径仅路径轨迹的考虑安全性。
步骤405、按照安全防护策略集中的安全防护策略的优先级顺序,预测实施安全防护策略后,目标车辆与目标障碍物之间是否还会发生碰撞;
步骤406、若是,预测实施下一高优先级对应的安全防护策略,直至预测出目标车辆与目标障碍物之间不会发生碰撞,确定不会发生碰撞的安全防护策略为目标安全防护策略以规避碰撞风险;
步骤407、若否,确定安全防护策略为目标安全防护策略以规避碰撞风险。
本申请实施例中,目标车辆从多个风险评估结果中确定目标风险评估结果之后,根据目标风险评估结果的风险等级,确定与风险等级对应的安全防护策略集,按照安全防护策略集中的安全防护策略的优先级顺序,预测实施安全防护策略后,目标车辆与目标障碍物之间是否还会发生碰撞;若确定仍会发生碰撞,则预测实施下一高优先级对应的安全防护策略,直至预测出目标车辆与目标障碍物之间不会发生碰撞,确定不会发生碰撞的安全防护策略为目标安全防护策略以规避碰撞风险;当然,若确定不会发生碰撞,则确定安全防护策略为目标安全防护策略以规避碰撞风险。
本申请其他实施例中,目标车辆在执行目标风险评估结果对应的目标安全防护策略的过程中,目标车辆还可以实时获得目标车辆与目标障碍物是否发生碰撞的又一风险评估结果,由于目标车辆正在执行目标安全防护策略,故目标车辆与目标障碍物之间发生碰撞的碰撞等级降低,即又一风险评估结果与上述的目标风险评估结果不同,且又一风险评估结果包括的碰撞等级小于目标风险评估结果中包括的碰撞等级;此时,生成与又一风险评估结果对应的又一安全防护策略,并使目标车辆将目标安全防护策略更新为又一安全防护策略从而规避碰撞风险。如此,目标车辆在执行目标风险评估结果对应的目标安全防护策略的过程中,还可以实时确定目标车辆与障碍物之间是否还会发生碰撞,以及发生碰撞的碰撞等级,若碰撞等级降低,则目标车辆可以生成碰撞等级对应的优先级低的安全防护策略并执行,实现了安全防护策略的实时更新,从而利用实时更新后的安全防护策略规避碰撞风险,避免发生碰撞,提升了车辆的智能性,提高了车辆的安全性。
在一种可实现的应用场景中,若风险评估结果中的风险等级为S1,则进行试探性行为如单一的纵向控制如轻微或简单刹车或启动AEB或简单转向,简单刹车时的减速度小于6米每平方秒(m/s2),AEB刹车时的减速度大于6m/s2;这里,目标车辆预测按照轻微刹车是否与前车发生碰撞,若不会发生碰撞,则以简单刹车时的减速度制动,若会发生碰撞,则以AEB减速度制动。若风险评估的结果为S2或S3,则安全防护策略可以是简单转向、启动AEB或生成新的规划路径。根据风险等级,碰撞类型、当前车辆姿态、目标障碍物的位置、与目标障碍物之间的距离等规划避免的行驶路径即安全防护策略。
为了更加理解本申请,下面结合一具体应用实例,对本申请上述实施例的技术方案进一步详细说明。
随着AI技术的发展,智能驾驶有了长足的进步,从早期的ACC、AEB到目前的高速/城市NOA。功能的日益强大伴随着应用场景的扩展,同时因智能驾驶系统本身性能不足和驾驶员对智能驾驶功能的误用导致的预期功能安全问题也逐渐显现。例如特斯拉开启Autopilot撞上翻倒在路上白色大货车、Uber的自动驾驶测试车辆撞上横穿的自行车等。有研究估计自动驾驶车辆需要测试至少4.4亿公里才能证明其性能优于95%的人类驾驶员,这相当于100辆车24小时不间断运行12.5年行驶的里程。显然这无论是对于车企还是自动驾驶开发企业均不可接受的。
如发明CN112612288A的所述,目前业界对预期功能安全问题的解决思路依然沿袭了适用于传统电控系统的功能安全方法论,即对于逻辑明确、规则化的系统可在开发阶段通过多轮测试解决所有问题,并且这类系统在后续投放市场使用的阶段基本不会更新。但作为在目前软件2.0时代AI人工智能技术重要应用的智能驾驶是一个可解释性模糊,更新迭代迅速的系统。其感知认知、决策规划等子系统的性能表现依赖于海量数据不断训练优化,且这一过程不应仅局限于开发阶段,在使用阶段也应予以实施。另一方面遵照预期功能安全标准ISO 21448中的工作流程,预期功能安全开发需要首先在不同的功能层面进行危害识别与风险评估,分析风险对应的潜在触发场景,对触发场景进行测试,根据测试结果优化车辆的自动驾驶系统性能。显然该过程存在典型的长尾效应,极少数的危险场景可能需要测试车辆运行数亿公里才能遇到一次,所以在开发过程中由工程人员完备归纳所有的危险触发场景,完善预期功能安全的工作是不现实的。此外,在L3级的自动驾驶系统中,系统需要及时检测到自动驾驶主系统失效并且通知驾驶员接管,在驾驶员接管前执行降级的驾驶任务。这表明汽车除了配备自动驾驶主系统还需要安装冗余的安全小系统对车辆进行监测和控制。综上在智能驾驶系统中,对当前情形的智能驾驶行为进行独立实时动态监测,评估预期功能安全风险,根据风险评估的结果采取相应措施,对于提升智能驾驶系统整体的安全性是非常必要的。
其中,典型的自动驾驶主系统如图1所示,包括感知模块、决策模块、规划模块和控制模块。
本发明为解决L3级别智能驾驶系统的预期功能安全问题,同时满足冗余最小安全系统的要求,在此基础上设计了一种独立的智能驾驶行为实时动态监测与预期功能安全风险防护系统(简称为监测防护系统),目前监测防护系统的运行设计域考虑高速路且以车辆时速低于60km/h的交通拥堵自动驾驶(Traffic Jam Pilot,TJP)功能为例,在本车正常行驶的情况下其他车辆超车行驶场景、本车变道行驶其他车辆减速行驶场景,以及本车弯道或上下匝道行驶场景种场景,从而解决前向和前侧向的碰撞的风险。
参照图16所示,图16为本申请实施例提供的车辆规避风险系统的安全架构示意图,其中,车辆规避风险系统5包括自动驾驶主系统51、控制器局域网(Controller AreaNetwork,CAN)总线52、监测防护系统53和执行器54,其中,自动驾驶主系统51与相关技术中的自动驾驶主系统相同,自动驾驶主系统51用于根据主感知模块感知511的本车的当前道路场景的信息,通过决策模块512和规划模块513分别决策并规划出规划路径或行驶轨迹(对应上述的第一规划路径),控制模块514获得本车的相关信号,以及根据规划路径生成控制命令,并通过CAN总线52将相关信号和规划路径发送至监测防护系统53,监测防护系统将输出的控制命令发送至执行器54,以使执行器54执行该控制命令。
根据ISO 26262标准要求,L3级别以上自动驾驶的冗余最小安全系统需满足独立性要求,为达到此目标包括如下两方面:一监测防护系统额外设计了辅助感知模块作为独立的安全可信数据源,即监测防护系统53中的辅助感知模块531与自动驾驶主系统51中的主感知模块511不同;二采用独立的运算模块进行辅助感知模块531、风险评估与消解模块532、冗余控制模块533、控制仲裁模534等任务的处理。
监测防护系统53通过车辆CAN总线52获取自动驾驶主系统51的相关信号,相关信号包括但不限于规划信号、控制信号、自动驾驶主系统激活信号和AEB是否启用信号,分析处理得到本车(相当于上述目标车辆)当前的速度、加速度、自动驾驶主系统51规划的路径或轨迹以及执行器状态等信息;其中,执行器状态包括刹车力度和刹车夹角、当前的车速,电机的扭距和转速,以及方向盘的转角。
辅助感知模块531对辅助感知的数据进行识别处理,得到当前场景的车辆、行人、障碍物、道路边界等信息。
这里,参照图17所示,辅助感知模块531的硬件采用激光雷达5311和前向毫米波雷达5312的组合,其中,激光雷达5311可实现前向水平FOV约120°及约150m的探测范围覆盖。前向毫米波雷达5312可实现前向水平FOV约150°及约250m的探测范围覆盖。辅助感知模块531还包括感知认知模块5313,其中,感知认知模块5313通过激光雷达5311准确的获取当前道路场景下不同时刻对应的道路和车辆的点云数据,基于点云数据识别得到道路边界、其他车辆的位置及边界;其中,确定的道路边界为道路边界置信度满足置信度条件的道路边界,道路边界包括道路边界方程和道路边界有效范围。通过毫米波雷达5312准确的测量当前道路场景下其他车辆的相关信息如速度、加速度、航向角。通过目标认知模块5313融合激光雷达和毫米波雷达感知的结果将其他车辆的相关信息进行匹配对齐,根据匹配后的信息确定其他车辆轨迹、其他车辆轨迹有效范围和其他车辆几何边界,几何边界又称几何参数。
其中,目标认知模块5313还可以根据本车的速度、加速度和航向角,通过车辆动力学模型,对本车在时间窗口T内的运动状态进行短时预测,得到本车在时间窗口T内的第一预测轨迹S1;同样的,根据其他车辆的速度、加速度和航向角,通过车辆动力学模型,对其他车辆在时间窗口T内的运动状态进行短时预测,得到其他车辆在时间窗口T内的第二预测轨迹S2,这里,预测的时间窗口可标定至少1s。当然,目标认知模块5313还可以根据激光雷达和毫米波雷达采集的数据信息,确定道路边界方程、道路边界置信度、道路边界有效范围、其他车辆轨迹、其他车辆轨迹有效范围和其他车辆几何边界,对此,本申请不做具体限制。
进一步地,参照图16所示,通过本车的CAN总线52,获取本车自动驾驶主系统的相关信号,其中相关信号包括但不限于路径规划信号、速度规划信号、当前时刻本车的速度、加速度、航向角信号、自动驾驶主系统激活信号、AEB是否启用,以及执行器状态信号。
风险评估与消解模块532对当前道路场景下的车辆、行人进行交互式预测,结合本车的运动状态信息及自动驾驶主系统输出轨迹开展行车安全风险判断与量化评估,判断本车的行为是否与其他的车辆、行人及道路边界发生碰撞。具体地,综合本车与其他车辆短时预测的结果以及道路边界的信息,对当前道路场景的风险进行评估与消解,其中,参照图16和图17所示,风险评估与消解模块532包括前置条件判定模块5321、冲出路沿判断模块5322、车辆迫近判断模块5323和风险消解模块5324四个部分,各模块的实现步骤如下,
第一步,在进行风险评估前,通过前置条件判定模块5321进行前置条件判定,判断AEB是否启用以及自动驾驶主系统的工作状态是否为激活,若AEB未启用且自动驾驶主系统已激活,则风险评估运行,否则不运行。
同时,前置条件判定模块5321还用于确定可能发生碰撞的对象是可移动对象如车辆还是静止对象如路沿,若是静止对象如路沿,则执行第二步;若是可移动对象如车辆,则执行第三步。
第二步,冲出路沿判断模块5322用于结合本车智能驾驶主系统的输出的规划路径、本车当前速度、加速度与路沿的位置及外形进行综合对比,判断未来一段时间内是本车轨迹是否存在与路沿发生冲突碰撞的风险。需要说明的是,冲出路沿判断模块5322的功能对应上述的第一风险评估策略。
这里,首先,冲出路沿判断模块5322以本车的后轴中心为原点,以车辆行驶方向为X轴,以垂直于本车后轴向左为Y轴建立本车坐标系,获得当前时刻本车速度、加速度、自动驾驶主系统51规划的轨迹三次曲线方程(对应上述的以第一规划路径拟合的第一函数曲线)。其次,在本车坐标系中拟合路沿曲线方程(对应上述的第二函数曲线)。然后,从坐标原点沿X轴方向一定距离δ(根据车速查表)划分为N个采样点,将每个采样点的X坐标分别代入本车规划的轨迹方程与路沿曲线方程计算各自的Y坐标,将两个Y坐标作差判断结果的绝对值是否小于Δd_1(可标定),若存在某一采样点的Y坐标差绝对值小于Δd_1则认为存在潜在的碰撞风险,记录存在碰撞风险点的X、Y坐标(对应上述的碰撞风险位置)。
进一步地,根据本车的自动驾驶主系统51输出的规划路径和碰撞风险点坐标可得到碰撞风险点处本车航向角。碰撞类型根据碰撞位置和碰撞角度确定,其中,碰撞角度根据车辆航向角(基于行驶轨迹确定)与路沿夹角确定,其中,当护栏/路沿为直线时,碰撞角度θ为本车轨迹与护栏/路沿交点处切线与护栏/路沿直线的夹角,当护栏/路沿为曲线时,碰撞角度θ为本车轨迹切线与护栏/路沿切线的夹角。
最后,在预先建立的碰撞类型、本车速度和风险等级之间的第一映射关系表中,查找与碰撞类型和本车速度对应的目标风险等级,进而确定风险评估结果,并将风险评估结果分别发送至冗余控制模块533和控制仲裁模块534。
第三步,车辆迫近判断模块5323在时间窗口T内确定多个采样时刻,并预测本车按照第一预测轨迹S1行驶时,在每一采样时刻本车的四个边界点,以及预测其他车辆按照第二预测轨迹S2行驶时,在对应采样时刻其他车辆的四个边界点;进一步地,计算每个采样时刻的本车四个边界点与最近一辆其他车辆四个边界点的两点间距离,即本车和最近车辆总共计算4×4=16个两点间距离,从16个距离中得到每个采用时刻的最短距离、碰撞边界点对,记录对应的采样时刻。根据时间顺序依次判断最短距离k是否小于0,若存在某一时刻k小于0则风险评估认为存在直接的碰撞风险,若最短距离k大于0,则认为不存在直接碰撞。根据最短距离节点所处的位置判断本车的碰撞类型为前碰/前左侧碰/前右侧碰,进而基于碰撞类型,以及本车与其他车辆之间的相对速度,确定风险等级,其中,风险评估结果包括碰撞类型、相对速度和风险等级。需要说明的是,车辆迫近判断模块5323的功能对应上述的第二风险评估策略。
当然,风险等级还可以根据本车的航向角、质量、速度、在不考虑AEB制动的情况下计算可能的碰撞类型及碰撞严重度;其中,碰撞类型为:本车正碰,本车前侧剐蹭,本车前左侧碰,本车前右侧碰,本车后左侧碰,本车后右侧碰;其中,碰撞严重度由车辆姿态是否可控和碰撞能量大小共同表征;其中,碰撞能量的计算需考虑本车质量、本车速度、本车加速度、碰撞类型、碰撞物质量、碰撞物外形,碰撞物又称障碍物。
需要说明的是,若连续五帧数据中出现三帧数据的风险评估结果为存在碰撞风险,则认为当前的自动驾驶主系统的规划控制结果风险不可接受。
风险消解模块5324根据风险等级、碰撞类型和场景初步决策规划本车的试探性行为如简单的刹车或者转向,并进行计算。参照图16和图17所示,风险消解模块5324包括刹停计算模块和快速路径规划模块,其中,刹停计算模块用于计算并预测本车刹车或者转向实施后是否会发生风险,若实施试探性行为后不会发生风险,则将该试探性行为确定为上述的目标安全防护策略;若会发生风险,快速路径规划模块将规划新的路径,并将新的路径确定为目标安全防护策略,并将目标安全防护策略发送至冗余控制模块533。
这里,若风险等级为S1,则进行试探性行为如单一的纵向控制如轻微刹车;若风险评估的结果为S2或S3,则横纵向联合控制进行路径规划,这里,针对风险等级为S2或S3,风险消解模块5324首先通过刹停计算模块预测按照AEB减速度进行制动,判断本车是否会与前车发生碰撞,若不会发生碰撞则直接以AEB减速度制动。若计算结果表明以AEB减速度制动仍无法规避碰撞,则风险消解模块5324通过快速路径规划模块,根据当前的车辆姿态和路沿、他车位置,规划避让行驶路径(对应上述的第二规划路径)。
这里,快速路径规划模块对具体的规划问题进行建模,考虑车辆行驶在结构化道路上,结构化道路上行驶的车辆不允许出现倒车,因此车辆的航向角不会与车道中心线存在过大夹角。规划问题是建立带约束的代价函数,通过对函数求极值得出问题的解,步骤如下,
根据辅助感知模块531得到的道路边缘拟合出道路中心线作为车辆的指引线,在自车笛卡尔坐标系下拟合出指引线的三次曲线方程;根据指引线进行Frenet坐标系转换,将道路边界,其他车辆目标的几何信息转换至Frenet坐标,从而得到规划避让行驶路径。需要说明的是,正常行车轨迹规划中会考虑轨迹的平滑性、安全性、舒适性,在快速路径规划模块中在车里运动状态的限制内仅考虑安全性。
需要说明的是,冲出路沿判断模块5322、车辆迫近判断模块5323和风险消解模块5324针对车辆均是以鸟瞰附图视角进行,将本车和其他目标车辆视为一个矩形,矩形的大小由车辆类型与安全边界阈值共同界定。
冗余控制模块533根据安全规划结果即目标安全防护策略,结合当前执行器的状态对安全规划轨迹(对应第二规划路径)进行跟踪并输出控制命令。
控制仲裁模534块执行根据风险评估结果,输出监测防护系统53的控制命令或自动驾驶主系统51的控制命令,以使执行器54执行该控制命令。这里,若风险评估结果为不存在风险的评估结果,则控制仲裁模534输出自动驾驶主系统51针对自身系统规划的规划路径所生成的控制命令;若风险评估结果为存在风险的评估结果,则控制仲裁模534输出监测防护系统53针对自身系统规划的安全规划轨迹所生成的控制命令。需要说明的是,上述控制命令又称控制指令。
在一种可实现场景中,参照图18所示,车辆规避风险的运行流程如下:
步骤601,通过辅助感知获取其他车辆的位置、形状边界和运动状态状态信息、本车的可行驶区域,以及道路边缘的形状边界;
步骤602,获得本车的相关信息;
步骤603,基于上述所有信息判断自动驾驶主系统51规划的本车的规划路径与道路边缘或者其他车辆是否发生碰撞,若是,则执行步骤604,若否,则执行步骤605。
步骤604,确定当前道路场景下存在风险,生成与风险对应的安全防护策略。
步骤605,确定当前道路场景下不存在风险,按照自动驾驶主系统规划的本车的行驶路径行驶。
在一种可实现场景中,参见图19所示,图19为本申请实施例提供的一种车辆规避风险系统的结构示意图,结合图19,对本发明的应用实践方案作进一步的阐述,相关技术中的智能驾驶系统由智能驾驶主控制器和对应的执行器共同实现,本发明通过在相关技术中的智能驾驶系统上进行改进,得到本申请的车辆规避风险系统,其中,在智能驾驶主控制器602和执行器605之间接入CAN盒603,监测防护系统部署于工控机604上。通过CAN盒603将监测防护系统所需的信号转发至工控机604上进行处理,其中,智能驾驶主控制器602通过传感器601获得场景信息和其他车辆信息,工控机604通过激光雷达606获得更为详细准确的场景信息和其他车辆信息。
由上述可知,本申请在车辆规避风险系统中,通过增加监测防护系统,对当前情形的智能驾驶行为进行独立实时动态监测,评估预期功能安全风险,根据风险评估的结果采取相应措施,从而提升车辆规避风险系统整体的安全性。
本申请实施例提供一种车辆规避风险系统,参照图20所示,图20为本申请实施例提供的一种车辆规避风险系统的安全架构的示意图,该车辆规避风险系统7包括自动驾驶主模块701、总控模块702、监测防护模块703和执行器704,监测防护模块703包括辅助感知模块731、风险评估与消解模块732、冗余控制模块733和控制仲裁模块734,其中,
自动驾驶主模块701,用于获得在连续的多个时刻目标车辆的第一运动状态信息并输出至所述总控模块702;
总控模块702,用于将第一运动状态信息输出至监测防护模块703;
辅助感知模块731,用于获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,其中,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;
风险评估与消解模块732,用于根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,从而确定目标车辆与目标障碍物发生碰撞的风险评估结果;若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果,生成与目标风险评估结果对应的目标安全防护策略,将目标安全防护策略输出至执行器704,以执行目标安全防护策略。
本申请其他实施例中,风险评估与消解模块732,还用于生成多个风险评估结果是否满足风险条件的确定结果并输出至所述控制仲裁模块734;
冗余控制模块733,用于若确定结果为多个风险评估结果满足风险条件,获得目标安全防护策略,根据目标安全防护策略生成监测防护控制指令并输出至所述控制仲裁模块734;
控制仲裁模块734,用于获得确定结果、监测防护控制指令,以及自动驾驶主模块输出的针对第一规划路径生成的自动驾驶控制指令,根据确定结果,输出目标控制指令至执行器704,以执行目标控制指令规避碰撞风险,其中,第一运动状态信息包括第一规划路径,目标控制指令包括:监测防护控制指令或自动驾驶控制指令。
本申请实施例提供一种车辆,参照图21所示,该车辆8包括控制器801,控制器801,配置为根据如下方法来运行车辆,
获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,其中,障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;
根据每一时刻对应的第一运动状态信息和障碍物信息,执行与障碍物类型对应的风险评估策略,从而确定目标车辆与目标障碍物发生碰撞的风险评估结果;
若多个时刻对应的多个风险评估结果满足风险条件,从多个风险评估结果中确定目标风险评估结果,生成与目标风险评估结果对应的目标安全防护策略。
本申请实施例提供一种存储介质,存储介质存储有一个或者多个计算机程序,一个或者多个计算机程序可被一个或者多个处理器执行,以实现上述方法中的部分或全部步骤。所述存储介质可以是瞬时性的,也可以是非瞬时性的。
本申请实施例提供一种计算机程序,包括计算机可读代码,在所述计算机可读代码在计算机设备中运行的情况下,所述计算机设备中的处理器执行用于实现上述方法中的部分或全部步骤。
本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序被计算机读取并执行时,实现上述方法中的部分或全部步骤。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一些实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一些实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
这里需要指出的是:上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考。以上设备、存储介质、计算机程序及计算机程序产品实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请设备、存储介质、计算机程序及计算机程序产品实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
上述处理器可以为目标用途集成电路(Application Specific IntegratedCircuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(Programmable LogicDevice,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
上述计算机存储介质/存储器可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种终端,如移动电话、计算机、平板设备、个人数字助理等。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各步骤/过程的序号的大小并不意味着执行顺序的先后,各步骤/过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台车载终端(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (15)
1.一种车辆规避风险方法,其特征在于,所述方法包括:
获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,其中,所述障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;
根据每一时刻对应的所述第一运动状态信息和所述障碍物信息,执行与所述障碍物类型对应的风险评估策略,从而确定所述目标车辆与所述目标障碍物是否发生碰撞的风险评估结果;
若所述多个时刻对应的多个风险评估结果满足风险条件,从所述多个风险评估结果中确定目标风险评估结果,生成与所述目标风险评估结果对应的目标安全防护策略以规避碰撞风险。
2.根据权利要求1所述的方法,其特征在于,所述根据每一时刻对应的所述第一运动状态信息和所述障碍物信息,执行与所述障碍物类型对应的风险评估策略,包括:
在所述目标车辆的自动紧急刹车功能未启用的情况下,若所述障碍物类型为静止障碍物类型,针对所述每一时刻,根据对应的所述第一运动状态信息和所述障碍物信息,执行与所述静止障碍物类型对应的第一风险评估策略,其中,所述第一风险评估策略包括:
确定所述目标车辆的第一规划路径在二维空间中的第一函数曲线;
根据所述障碍物位置和所述障碍物边界信息,确定所述目标障碍物在所述二维空间中的第二函数曲线;
根据所述第一函数曲线和所述第二函数曲线,确定所述目标车辆与所述目标障碍物发生碰撞的碰撞风险位置,以及所述目标车辆在所述碰撞风险位置碰撞时的碰撞角度;
根据所述碰撞风险位置、所述碰撞角度和第一速度,确定所述风险评估结果,其中,所述第一运动状态信息包括所述第一规划路径和所述第一速度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一函数曲线和所述第二函数曲线,确定所述目标车辆与所述目标障碍物发生碰撞的碰撞风险位置,包括:
预先设置多个采样点,并获得每一采样点的X轴坐标,其中,所述采样点为所述目标车辆与所述目标障碍物可能发生碰撞的点;
将所述每一采样点的X轴坐标分别代入所述第一函数曲线和所述第二函数曲线,得到所述第一函数曲线下的Y轴坐标和所述第二函数曲线下的Y轴坐标;
计算所述第一函数曲线下的Y轴坐标和所述第二函数曲线下的Y轴坐标的差值,将属于差值范围的差值对应的采样点的坐标,确定为所述碰撞风险位置。
4.根据权利要求2所述的方法,其特征在于,所述根据所述碰撞风险位置、所述碰撞角度和第一速度,确定所述风险评估结果,包括:
根据所述碰撞角度和所述碰撞风险位置,确定所述碰撞类型;
预先建立碰撞类型、速度和风险等级之间的第一映射关系表;
在所述第一映射关系表中,查找与所述碰撞类型和所述第一速度对应的目标风险等级,其中,所述风险评估结果包括所述碰撞类型和所述目标风险等级。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第一运动状态信息和所述障碍物信息,执行与所述障碍物类型对应的风险评估策略,包括:
在所述目标车辆的自动紧急刹车功能未启用的情况下,若所述障碍物类型为可移动障碍物类型,根据所述第一运动状态信息和所述障碍物信息,执行与所述可移动障碍物类型对应的第二风险评估策略,其中,所述第二风险评估策略包括:
根据所述第一运动状态信息包含的所述目标车辆的速度、加速度和航向角,对所述目标车辆在目标时段内的运动状态进行短时预测,得到第一预测轨迹;
根据所述第二运动状态信息包含的所述目标障碍物的速度、加速度和航向角,对所述目标障碍物在所述目标时段内的运动状态进行短时预测,得到第二预测轨迹;
预先设置所述目标时段内的多个采样时刻;
预测所述目标车辆按照所述第一预测轨迹行驶时,在每一采样时刻所述目标车辆的多个第一边界顶点位置,以及预测所述目标障碍物按照所述第二预测轨迹行驶时,在对应采样时刻所述目标障碍物的多个第二边界顶点位置;
根据所述多个采样时刻中每一采样时刻对应的多个第一边界顶点位置和多个第二边界顶点位置,确定所述风险评估结果。
6.根据权利要求5所述的方法,其特征在于,所述根据所述多个采样时刻中每一采样时刻对应的多个第一边界顶点位置和多个第二边界顶点位置,确定所述风险评估结果,包括:
针对所述每一采样时刻,基于所述多个第一边界顶点位置和所述多个第二边界顶点位置,计算任意两个边界顶点位置之间的距离,得到多个距离;
针对所述多个采样时刻分别对应的多个距离,按照时间顺序依次判断每一距离与距离阈值之间的大小关系;
若存在距离小于所述距离阈值,根据所述距离和所述距离对应的第一边界顶点位置,确定所述目标车辆的碰撞类型;
基于所述目标车辆的速度、所述目标障碍物的速度和所述碰撞类型,确定所述风险评估结果。
7.根据权利要求6所述的方法,其特征在于,所述针对所述多个采样时刻分别对应的多个距离,按照时间顺序依次判断每一距离与距离阈值之间的大小关系,包括:
针对所述多个采样时刻中每一采样时刻对应的多个距离,将所述多个距离中的最短距离,确定为所述采样时刻所述目标车辆与所述目标障碍物之间的距离,从而得到所述多个采样时刻对应的多个距离;
按照时间顺序依次判断每一距离与所述距离阈值之间的大小关系。
8.根据权利要求6所述的方法,其特征在于,所述基于所述目标车辆的速度、所述目标障碍物的速度和所述碰撞类型,确定所述风险评估结果,包括:
基于所述目标车辆的速度和所述目标障碍物的速度,确定所述目标车辆与所述目标障碍物之间的相对速度;
预先建立碰撞类型、相对速度和风险等级之间的第二映射关系表;
在所述第二映射关系表中,查找与所述碰撞类型和所述相对速度对应的目标风险等级,其中,所述风险评估结果包括所述碰撞类型和所述目标风险等级。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述从所述多个风险评估结果中确定目标风险评估结果,包括:
确定所述多个风险评估结果中出现频次最高的风险评估结果为所述目标风险评估结果;或
确定所述多个风险评估结果中风险等级最高的风险评估结果为所述目标风险评估结果。
10.根据权利要求1至8任一项所述的方法,其特征在于,所述生成与所述目标风险评估结果对应的目标安全防护策略,包括:
根据所述目标风险评估结果的风险等级,确定与所述风险等级对应的安全防护策略集;
按照所述安全防护策略集中的安全防护策略的优先级顺序,预测实施所述安全防护策略后,所述目标车辆与所述目标障碍物之间是否还会发生碰撞;
若是,预测实施下一高优先级对应的安全防护策略,直至预测出所述目标车辆与所述目标障碍物之间不会发生碰撞,确定不会发生碰撞的安全防护策略为所述目标安全防护策略;
若否,确定所述安全防护策略为所述目标安全防护策略。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:所述安全防护策略包括如下至少一种:简单刹车和转向、启用所述自动紧急刹车功能进行刹车和生成第二规划路径。
12.一种车辆规避风险系统,其特征在于,所述系统包括:自动驾驶主模块、总控模块、监测防护模块和执行器,所述监测防护模块包括辅助感知模块和风险评估与消解模块,其中,
所述自动驾驶主模块,用于获得在连续的多个时刻目标车辆的第一运动状态信息并输出至所述总控模块;
所述总控模块,用于将所述第一运动状态信息输出至监测防护模块;
所述辅助感知模块,用于获得在连续的多个时刻目标车辆的第一运动状态信息,以及目标障碍物的障碍物信息,其中,所述障碍物信息包括障碍物类型、障碍物位置、障碍物边界信息和第二运动状态信息中的多个;
所述风险评估与消解模块,用于根据每一时刻对应的所述第一运动状态信息和所述障碍物信息,执行与所述障碍物类型对应的风险评估策略,从而确定所述目标车辆与所述目标障碍物是否发生碰撞的风险评估结果;若所述多个时刻对应的多个风险评估结果满足风险条件,从所述多个风险评估结果中确定目标风险评估结果,生成与所述目标风险评估结果对应的目标安全防护策略,将所述目标安全防护策略输出至执行器,以执行所述目标安全防护策略规避碰撞风险。
13.根据权利要求12所述的系统,其特征在于,所述系统还包括:冗余控制模块和控制仲裁模块;
所述风险评估与消解模块,还用于生成所述多个风险评估结果是否满足所述风险条件的确定结果并输出至所述控制仲裁模块;
所述冗余控制模块,用于若所述确定结果为所述多个风险评估结果满足风险条件,获得所述目标安全防护策略,根据所述目标安全防护策略生成监测防护控制指令并输出至所述控制仲裁模块;
所述控制仲裁模块,用于获得所述确定结果、所述监测防护控制指令,以及所述自动驾驶主模块输出的针对第一规划路径生成的自动驾驶控制指令,根据所述确定结果,输出目标控制指令至执行器,以执行所述目标控制指令规避碰撞风险,其中,所述第一运动状态信息包括所述第一规划路径,所述目标控制指令包括:所述监测防护控制指令或所述自动驾驶控制指令。
14.一种车辆,其特征在于,所述车辆包括:控制器,其中,
所述控制器,配置为根据权利要求1至11中至少一项所述的方法来运行车辆。
15.一种存储介质,其特征在于,所述存储介质存储有一个或者多个计算机程序,一个或者多个计算机程序可被一个或者多个处理器执行,以实现如权利要求1至11中任一项所述的车辆规避风险方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310928222.9A CN116872921A (zh) | 2023-07-26 | 2023-07-26 | 一种车辆规避风险方法、系统、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310928222.9A CN116872921A (zh) | 2023-07-26 | 2023-07-26 | 一种车辆规避风险方法、系统、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116872921A true CN116872921A (zh) | 2023-10-13 |
Family
ID=88267923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310928222.9A Pending CN116872921A (zh) | 2023-07-26 | 2023-07-26 | 一种车辆规避风险方法、系统、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116872921A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117125057A (zh) * | 2023-10-25 | 2023-11-28 | 吉咖智能机器人有限公司 | 一种基于车辆变道的碰撞检测方法、装置、设备及存储介质 |
CN117141472A (zh) * | 2023-10-26 | 2023-12-01 | 集美大学 | 一种车辆行驶主动避障控制系统及方法 |
CN117232501A (zh) * | 2023-11-14 | 2023-12-15 | 双擎科技(杭州)有限公司 | 多传感器信息融合的智能机器人导航装置、方法以及介质 |
-
2023
- 2023-07-26 CN CN202310928222.9A patent/CN116872921A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117125057A (zh) * | 2023-10-25 | 2023-11-28 | 吉咖智能机器人有限公司 | 一种基于车辆变道的碰撞检测方法、装置、设备及存储介质 |
CN117125057B (zh) * | 2023-10-25 | 2024-01-30 | 吉咖智能机器人有限公司 | 一种基于车辆变道的碰撞检测方法、装置、设备及存储介质 |
CN117141472A (zh) * | 2023-10-26 | 2023-12-01 | 集美大学 | 一种车辆行驶主动避障控制系统及方法 |
CN117141472B (zh) * | 2023-10-26 | 2023-12-26 | 集美大学 | 一种车辆行驶主动避障控制系统及方法 |
CN117232501A (zh) * | 2023-11-14 | 2023-12-15 | 双擎科技(杭州)有限公司 | 多传感器信息融合的智能机器人导航装置、方法以及介质 |
CN117232501B (zh) * | 2023-11-14 | 2024-02-20 | 双擎科技(杭州)有限公司 | 多传感器信息融合的智能机器人导航装置、方法以及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6800899B2 (ja) | 視界に制限のある交差点への接近のためのリスクベースの運転者支援 | |
US10877482B2 (en) | Trajectory setting device and trajectory setting method | |
US9937905B2 (en) | Side collision avoidance system and method for vehicle | |
US20190155291A1 (en) | Methods and systems for automated driving system simulation, validation, and implementation | |
Jiménez et al. | An improved method to calculate the time-to-collision of two vehicles | |
CN116872921A (zh) | 一种车辆规避风险方法、系统、车辆及存储介质 | |
CN112440984B (zh) | 车辆控制系统 | |
US10449956B2 (en) | Object tracking by unsupervised learning | |
JP2017521745A (ja) | 車両のナビゲーションモジュールに対象物の存在を知らせる車載装置 | |
US11829131B2 (en) | Vehicle neural network enhancement | |
CN112154455A (zh) | 数据处理方法、设备和可移动平台 | |
US10095238B2 (en) | Autonomous vehicle object detection | |
US11685406B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
US11926299B2 (en) | System and method for predicting road collisions with a host vehicle | |
KR20200040559A (ko) | 동시 차로 변경 차량 예측 장치 및 그의 예측 방법과 그를 이용하는 차량 | |
CN116390879A (zh) | 用于避免即将发生的碰撞的系统和方法 | |
CN113335311B (zh) | 一种车辆碰撞检测方法、装置、车辆及存储介质 | |
US20230034560A1 (en) | Method for tracking a remote target vehicle in an area surrounding a motor vehicle by means of a collision detection device | |
CN112590778B (zh) | 车辆控制的方法、装置、控制器和智能汽车 | |
EP4043309A1 (en) | Vehicle control method, device, controller and intelligent vehicle | |
WO2023145490A1 (ja) | 運転システムの設計方法及び運転システム | |
WO2023145491A1 (ja) | 運転システムの評価方法及び記憶媒体 | |
CN114291116B (zh) | 周围车辆轨迹预测方法、装置、车辆及存储介质 | |
JP6962367B2 (ja) | イベントマップ生成方法及びイベントマップ生成システム、運転支援方法及び運転支援システム | |
RU2806452C1 (ru) | Устройство и способ для определения объектов |
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 |