CN117382593A - 一种基于激光点云过滤的车辆紧急制动方法和系统 - Google Patents
一种基于激光点云过滤的车辆紧急制动方法和系统 Download PDFInfo
- Publication number
- CN117382593A CN117382593A CN202311677936.3A CN202311677936A CN117382593A CN 117382593 A CN117382593 A CN 117382593A CN 202311677936 A CN202311677936 A CN 202311677936A CN 117382593 A CN117382593 A CN 117382593A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- point cloud
- point
- collision risk
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000001914 filtration Methods 0.000 title claims abstract description 43
- 230000006870 function Effects 0.000 claims abstract description 37
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 7
- 230000008447 perception Effects 0.000 abstract description 3
- 230000004888 barrier function Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/17—Using electrical or electronic regulation means to control braking
- B60T8/1755—Brake regulation specially adapted to control the stability of the vehicle, e.g. taking into account yaw rate or transverse acceleration in a curve
- B60T8/17558—Brake regulation specially adapted to control the stability of the vehicle, e.g. taking into account yaw rate or transverse acceleration in a curve specially adapted for collision avoidance or collision mitigation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/17—Using electrical or electronic regulation means to control braking
- B60T8/1755—Brake regulation specially adapted to control the stability of the vehicle, e.g. taking into account yaw rate or transverse acceleration in a curve
- B60T8/17551—Brake regulation specially adapted to control the stability of the vehicle, e.g. taking into account yaw rate or transverse acceleration in a curve determining control parameters related to vehicle stability used in the regulation, e.g. by calculations involving measured or detected parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2201/00—Particular use of vehicle brake systems; Special systems using also the brakes; Special software modules within the brake system controller
- B60T2201/02—Active or adaptive cruise control system; Distance control
- B60T2201/022—Collision avoidance systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2250/00—Monitoring, detecting, estimating vehicle conditions
- B60T2250/04—Vehicle reference speed; Vehicle body speed
-
- 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)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于激光点云过滤的车辆紧急制动方法和系统,其方法包括:步骤一,获取多线激光雷达点云,进行点云数据处理,得到感知范围内障碍物信息;步骤二,根据车速和轨迹信息判断是否存在与障碍物碰撞的风险及是否启动前向预警,记录存在碰撞风险的历史数据;步骤三,构造碰撞风险函数模型拟合历史数据,使用该函数模型判断是否存在与障碍物碰撞的风险;步骤四,若存在碰撞风险,则根据车速及与前方障碍物的距离动态调整制动力,控制车辆紧急制动,若需启动前向预警,则进行提示音预警。本发明使用多线激光雷达数据,能适应更多类型的障碍物和场景,并有效地使自动驾驶车辆在紧急情况下作出制动决策,在满足安全性的基础上,避免制动对舒适性的影响。
Description
技术领域
本发明属于自动驾驶制动控制技术领域,具体涉及一种基于激光点云过滤的车辆紧急制动方法和系统。
背景技术
随着汽车工业技术的发展及用户需求的提高,高度自动驾驶、全自动驾驶技术发展迅猛,尤其是封闭、半封闭场景,自动驾驶汽车应用日益广泛。在自动驾驶中,行驶安全性是技术发展的重点研究方向。实际行驶过程中,环境的不确定性以及感知模块可能存在的漏检误检等问题使得紧急情况下发生事故的风险增加。因此,紧急制动系统在自动驾驶中变得尤为重要。
紧急制动系统,是基于环境感知传感器感知前方可能与障碍所发生的碰撞风险,并通过系统触发执行机构来实施制动,以避免碰撞或减轻碰撞的主动安全功能。
在应用场景方面,目前主流的紧急制动系统集中于高速驾驶状态中,且主要为本车道的前向避撞辅助。如公开号为CN114987412A的中国专利说明书“自动紧急制动控制方法、装置、设备及存储介质”中提出了一种针对前车为CCRb场景下的自动紧急制动控制方法,该方法虽然很好地覆盖了前车制动的前向车道制动场景,但无法应对低速、弯道、对向来车或交叉车流等更多复杂场景,并不能适用于自动驾驶车辆。
在传感器方面,目前主流的紧急制动系统中多用毫米波雷达和视觉传感器进行感知。其中视觉传感器主要识别车辆前方影像信息,能够准确输出物体类型,但无法准确输出纵向的距离。毫米波雷达通过雷达原理识别周围障碍物,能够准确输出物体反射强度和纵向距离,但无法准确输出物体类型,且在毫米波雷达使用时,通常会过滤静态的前景信息,导致对静态障碍物的识别较差。如公开号为CN112440986B的中国专利说明书“一种行车控制方法、行人aeb系统、智能驾驶汽车、控制器及计算机可读存储介质”中提出了一种基于毫米波雷达和视觉传感器的对横穿马路的行人采取紧急制动的方法,虽然能够提高对横穿马路行人的紧急制动效率,但其主要针对高速状态下横穿车道的行人或前车识别,对静态障碍物和金属障碍物的识别效果较差,也不能很好地识别坡道、墙壁等障碍物。
在碰撞风险识别方面,业界主要采用时间碰撞模型和距离碰撞模型两种算法。公开号为CN114179809A的中国专利说明书“基于雷达数据的碰撞时间计算方法、装置、车辆及介质”中提出了一种基于毫米波雷达数据计算碰撞时间的方法,将两车间的相对加速度变化融入碰撞时间的计算中,能够大大提升碰撞时间的计算精度,但无法覆盖转弯时的场景。公开号为CN110488319A的中国专利说明书“一种基于超声波和摄像头融合的碰撞距离计算方法及系统”中提出了一种基于超声波和摄像头融合的碰撞距离计算方法,虽然提升了对碰撞距离的计算精确度,也可应用于转弯场景。但由于使用方向盘转角推算车辆未来轨迹的误差,只适合应用于低速场景。
除了安全性,舒适性也是自动驾驶的重点。紧急制动的安全距离模型阈值设置存在一定的难度,距离过大虽然能保证安全性,但会导致频繁触发制动,影响乘客的乘车体验。因此,需要更加合理地对其进行改进。
发明内容
本发明要解决现有紧急制动系统在自动驾驶中应用场景单一,障碍物识别不稳定且识别类型不足以及制动时无法维持舒适性的问题,提供一种基于激光点云过滤的车辆紧急制动方法和系统。
一种基于激光点云过滤的车辆紧急制动方法,包括以下步骤:
步骤一,获取多线激光雷达点云,进行点云数据预处理、地面点云过滤及障碍物聚类,得到激光雷达感知范围内的障碍物位置及包围盒大小信息;
步骤二,获取当前车速及路径规划模块生成的轨迹,依据车速和轨迹信息判断是否存在与障碍物碰撞风险,记录产生碰撞风险时的数据;
步骤三,构造碰撞风险函数模型拟合历史数据,使用该函数模型判断是否存在与障碍物碰撞风险或进入前向预警范围;
步骤四,若存在碰撞风险,则根据车速及与前方障碍物的距离动态调整制动力,控制车辆紧急制动。
进一步,步骤一所述的点云数据预处理,包括以下子步骤:
(1)对多线激光雷达的数据,只保留每个方向上距离车辆当前位置最近的点云;
(2)将无序的点云按照扫描角度重新排列,去除其中的噪声、离群点并进行降采样。
进一步,步骤一所述的的地面点云过滤,包括以下子步骤:
(1)将点云沿车辆行驶方向分段,在每一段中选取点云高度值z最小的前n个点作为最低点集,求得其高度平均值;
(2)选取该段中高度小于最低点集平均高度与选取阈值之和的点云加入种子点集;
(3)对种子点集S进行拟合,得到地面平面;
(4)计算该段点云中每一个点到地面平面的正交投影的大小,若投影长度小于设定的投影距离阈值,则认为该点属于地面点;
(5)将属于地面的点加入新地面平面的种子点集,重复上述步骤迭代k轮进行优化,最终得到的点即为该段点云的地面点;
(6)去除每段点云数据中的地面点云。
进一步,步骤一所述的障碍物聚类包括:去除地面点云之后的点云进行聚类,将每一类点云视为一个障碍物,其坐标位置即为该类点云中心,其大小即为该类点云的包围盒大小;将障碍物坐标由雷达坐标系转换到车辆坐标系。
进一步,步骤二中依据车速和轨迹信息判断是否存在碰撞风险及是否启动前向预警,具体包括以下子步骤:
(1)获取当前车速信息,计算碰撞时间阈值,其为当前车速除以最大制动减速度,计算预警时间阈值/>,其为碰撞时间阈值与固定值权重的乘积;
(2)获取当前规划模块生成的轨迹T,其为离散的轨迹点序列,,…/>,其中/>表示第i个轨迹点的坐标及到当前时刻的相对时间;
(3)若轨迹T中的最终轨迹点时间大于等于碰撞时间阈值,判断在碰撞时间阈值/>之前的轨迹点自车是否与障碍物包围盒存在碰撞风险;
(4)若轨迹T中的最终轨迹点时间小于碰撞时间阈值,使用车辆在最终轨迹点处的速度和位姿进行推算,将轨迹T延长至碰撞时间阈值/>时刻,判断是否存在碰撞风险;
(5)若存在碰撞风险,记录当前的车辆速度以及车辆到存在碰撞风险障碍物的距离;
(6)若不存在碰撞风险且轨迹T中的最终轨迹点时间大于等于预警时间阈值,判断在碰撞时间阈值/>之前的轨迹点自车是否与障碍物包围盒存在碰撞风险,若存在碰撞风险,则启动前向预警。
(7)若不存在碰撞风险且轨迹T中的最终轨迹点时间小于预警时间阈值,使用车辆在最终轨迹点处的速度和位姿进行推算,将轨迹T延长至预警时间阈值/>时刻,判断是否存在碰撞风险,若存在碰撞风险,则启动前向预警。
进一步,步骤三中所述历史数据,包含车辆存在碰撞风险时的速度以及车辆与存在碰撞风险障碍物的距离;所述碰撞风险函数模型为, 其中v代表车辆的速度,d为该速度下的最大安全距离。
进一步,根据碰撞风险函数模型求得当前速度下的安全距离,若有障碍物到车辆的距离小于该安全距离,则认为存在碰撞风险,若所有障碍物到车辆的距离均大于该距离,则认为无碰撞风险。在行驶过程中,使用车辆当前速度轨迹信息与碰撞风险模型同时判断是否存在碰撞风险。
进一步,步骤四中控制车辆紧急制动与前向预警,具体包含以下子步骤:
(1)采集车辆在不同速度下对应不同制动值的最大制动距离,建立速度、制动值和最大制动距离的映射关系表;
(2)若当前存在碰撞风险,获取当前车速和与障碍物的距离,根据所述映射关系表,控制车辆采用在与障碍物距离内安全刹停的最小刹车值;
(3)若需启动前向预警,则进行提示音预警。
本发明的第二个方面涉及一种基于激光点云过滤的车辆紧急制动系统,包含:
感知模块,用于获取多线激光雷达点云并进行预处理、地面点云过滤、障碍物聚类,得到障碍物信息;
判断模块,用于获取车辆速度及轨迹,采集历史数据,生成函数模型,并根据所述车辆状态与障碍物信息判断所述车辆与所述障碍物是否存在碰撞风险及是否启动前向预警,同时使用函数模型判断所述车辆与所述障碍物是否存在碰撞风险;
触发模块,用于若存在所述碰撞风险,则根据所述速度、制动值和最大制动距离的映射关系匹配制动值,控制所述车辆进行制动,若需启动前向预警,则进行提示音预警。
本发明的第三个方面涉及一种基于激光点云过滤的车辆紧急制动装置,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程序,以实现本发明的一种基于激光点云过滤的车辆紧急制动方法。
本发明的第四个方面涉及一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时,实现本发明的一种基于激光点云过滤的车辆紧急制动方法。
本发明的工作原理:
1.为了适应更多种类的障碍物,本发明基于激光雷达点云数据,进行点云数据预处理、地面点云过滤及障碍物聚类,得到激光雷达感知范围内的障碍物位置及包围盒大小的信息;
2.为了适用于自动驾驶的多种复杂场景,本发明通过获取当前车速及路径规划模块生成的轨迹,依据车速和轨迹信息判断是否与障碍物存在碰撞风险及是否启动前向预警,记录产生碰撞风险时的数据;
3.为了提高弯道处紧急制动的准确率及更好地利用历史经验数据,本发明构造碰撞风险函数模型拟合历史数据,使用该碰撞风险函数模型判断是否与障碍物存在碰撞风险;
4.为了保障自动驾驶的舒适性,若存在碰撞风险,则根据车速及与前方障碍物的距离动态调整制动力,控制车辆紧急制动,若需启动前向预警,则进行提示音预警。
本发明的创新点在于:
1.仅使用多线激光雷达点云数据识别障碍物,并对地面点云进行过滤;
2.针对自动驾驶场景,引入轨迹规划模块的输出轨迹判断是否存在碰撞风险;
3.构造碰撞风险函数模型拟合历史数据,使用该碰撞风险函数模型判断是否与障碍物存在碰撞风险。
本发明的有益效果是:仅依赖多线激光雷达点云,提高了紧急制动系统中感知模块的效率,降低了传感器成本,增加了对静态障碍物的识别能力;对地面点云进行了过滤,能够应用于坡道等场景;使用自车的速度与轨迹判断是否与障碍物存在碰撞风险,相比于使用前轮转角进行轨迹推算的算法,对未来轨迹的计算更加精确,能够应用于弯道等场景;根据当前速度与障碍物距离动态调整制动值,在保持安全性的同时进一步提高舒适性。
附图说明
图1为本发明具体实施例提供的一种基于激光点云过滤的车辆紧急制动方法的流程图。
图2为本发明具体实施例提供的一种基于激光点云过滤的车辆紧急制动方法的循环流程图。
图3为本发明具体实施例提供的地面点云过滤示意图。
图4为本发明具体实施例提供的在时间阈值内使用轨迹信息判断碰撞风险示意图。
图5为本发明具体实施例提供的延长轨迹至时间阈值时判断碰撞风险示意图。
图6为本发明具体实施例提供的一种基于过滤激光点云的车辆紧急制动系统的模块示意图。
图7是本发明实施例中装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和技术效果更佳清楚明白,以下结合说明书附图和实施例,对本发明作进一步详细说明。
实施例1
本实施例提供了一种基于激光点云过滤的车辆紧急制动方法,如图1和图2所示,包括以下步骤:
步骤一:获取多线激光雷达点云,进行点云数据预处理、地面点云过滤及障碍物聚类,得到激光雷达感知范围内的障碍物位置及包围盒大小信息。
本步骤中的点云数据预处理,指的是对多线激光雷达的数据,只保留每个方向上距离车辆当前位置最近的点云,将无序的点云按照扫描角度重新排列,去除其中的噪声、离群点并进行降采样。
本步骤中的地面点云过滤,如图3所示,具体包括以下子步骤:
(1)将点云沿车辆行驶方向分段,在每一段中选取点云高度值z最小的前n个点作为最低点集,求得其高度平均值;
(2)选取该段中高度小于最低点集平均高度与选取阈值之和的点云加入种子点集;
(3)对种子点集S进行拟合,得到地面平面;
(4)计算该段点云中每一个点到地面平面的正交投影的大小,若投影长度小于设定的投影距离阈值,则认为该点属于地面点;
(5)将属于地面的点加入新地面平面的种子点集,重复上述步骤迭代k轮进行优化,最终得到的点即为该段点云的地面点;
(6)去除每段点云数据中的地面点云。
本步骤中的障碍物聚类,指的是将去除地面点云之后的点云进行聚类,将每一类点云视为一个障碍物,其坐标位置即为该类点云中心,其大小即为该类点云的包围盒大小;将障碍物坐标由雷达坐标系转换到车辆坐标系。
步骤二,获取当前车速及路径规划模块生成的轨迹,依据车速和轨迹信息判断是否与障碍物存在碰撞风险及是否启动前向预警,记录产生碰撞风险时的数据,如图4、图5所示,具体包括以下子步骤:
(1)获取当前车速信息,计算碰撞时间阈值,其为当前车速除以最大制动减速度,计算预警时间阈值/>,其为碰撞时间阈值与固定值权重的乘积;
(2)获取当前规划模块生成的轨迹T,其为离散的轨迹点序列,,其中/>表示第i个轨迹点的坐标及到当前时刻的相对时间;
(3)若轨迹T中的最终轨迹点时间大于等于碰撞时间阈值,判断在碰撞时间阈值/>之前的轨迹点自车是否与障碍物包围盒存在碰撞风险;
(4)若轨迹T中的最终轨迹点时间小于碰撞时间阈值,使用车辆在最终轨迹点处的速度和位姿进行推算,将轨迹T延长至碰撞时间阈值/>时刻,判断是否存在碰撞风险;
(5)若存在碰撞风险,记录当前的车辆速度以及车辆到存在碰撞风险障碍物的距离;
(6)若不存在碰撞风险且轨迹T中的最终轨迹点时间大于等于预警时间阈值,判断在碰撞时间阈值/>之前的轨迹点自车是否与障碍物包围盒存在碰撞风险,若存在碰撞风险,则启动前向预警。
(7)若不存在碰撞风险且轨迹T中的最终轨迹点时间小于预警时间阈值,使用车辆在最终轨迹点处的速度和位姿进行推算,将轨迹T延长至预警时间阈值/>时刻,判断是否存在碰撞风险,若存在碰撞风险,则启动前向预警。
步骤三,构造碰撞风险函数模型拟合历史数据,使用该函数模型判断是否与障碍物存在碰撞风险。
本步骤中所述历史数据,包含车辆存在碰撞风险时的速度以及车辆与存在碰撞风险障碍物的距离;所述碰撞风险函数模型为, 其中v代表车辆的速度,d为该速度下的最大安全距离。
进一步,根据碰撞风险函数模型求得当前速度下的安全距离,若有障碍物到车辆的距离小于该安全距离,则认为存在碰撞风险,若所有障碍物到车辆的距离均大于该距离,则认为无碰撞风险。在行驶过程中,使用车辆当前速度轨迹信息与碰撞风险模型同时判断是否存在碰撞风险。
步骤四,控制车辆紧急制动与前向预警,具体包含以下子步骤:
(1)采集车辆在不同速度下对应不同制动值的最大制动距离,建立速度、制动值和最大制动距离的映射关系表:T(v, d)→brake。其中,v为速度,d为制动后车行驶的距离,brake为对应刹车值;
(2)若当前存在碰撞风险,获取当前车速和与障碍物的距离/>,根据所述映射关系表,控制车辆采用在与障碍物距离内安全刹停的最小刹车值。其中为表中速度大于/>的最小值,/>为表中刹车距离小于/>的最小值。
(3)若需启动前向预警,则进行提示音预警。
为了验证所提出方法的性能,本实施例构建自动驾驶车辆紧急制动的场景并进行测试。
首先采集车辆在不同速度下对应不同制动值的最大制动距离,建立速度、制动值和最大制动距离的映射关系表,如步骤四所述。本实施例针对自动驾驶场景,选择10km/h和20km/h两种车辆速度值实例进行采集测试,如表1所示,表是速度与制动值对应最大制动距离对照表,并根据得到的最大制动距离表格进行紧急制动决策。
表1
为了检验算法在不同场景中的适用性,本实施例将场景分为3类,分别为20km/h下的车辆直行障碍物横穿场景、10km/h下的车辆直行障碍物横穿场景、7km/h下的车辆转弯障碍物横穿场景。在每一类场景中,分别设置不同距离的横穿障碍物,测试本发明中紧急制动方法的有效性。将每种场景测试30次后平均计算结果,得到的实验结果如表2、表3、表4所示,其中,表2涉及10km/h直行下障碍物横穿场景下紧急制动情形,表3涉及20km/h直行下障碍物横穿场景下紧急制动情形,表4涉及7km/h转弯下障碍物横穿场景下紧急制动情形。实验表明,本发明能有效地应用于直行和弯道等不同自动驾驶场景之中。
表2
表3
表4
综上所述,本实施例提出的一种基于过滤激光点云的车辆紧急制动方法,能够有效完成自动驾驶车辆在紧急情况下的制动决策。
实施例2
如图6所示,本实施例涉及一种基于激光点云过滤的车辆紧急制动系统,用于实现实施例1的一种基于激光点云过滤的车辆紧急制动方法,包含:
感知模块,用于获取多线激光雷达点云并进行预处理、地面点云过滤、障碍物聚类,得到障碍物信息;
所述的地面点云过滤,具体包括:
(1)将点云沿车辆行驶方向分段,在每一段中选取点云高度值z最小的前n个点作为最低点集,求得其高度平均值;
(2)选取该段中高度小于最低点集平均高度与选取阈值之和的点云加入种子点集;
(3)对种子点集S进行拟合,得到地面平面;
(4)计算该段点云中每一个点到地面平面的正交投影的大小,若投影长度小于设定的投影距离阈值,则认为该点属于地面点;
(5)将属于地面的点加入新地面平面的种子点集,重复上述步骤迭代k轮进行优化,最终得到的点即为该段点云的地面点;
(6)去除每段点云数据中的地面点云。
所述的障碍物聚类,指的是将去除地面点云之后的点云进行聚类,将每一类点云视为一个障碍物,其坐标位置即为该类点云中心,其大小即为该类点云的包围盒大小;将障碍物坐标由雷达坐标系转换到车辆坐标系。
判断模块,用于获取车辆速度及轨迹,采集历史数据,生成函数模型,并根据所述车辆状态与障碍物信息判断所述车辆与所述障碍物是否存在碰撞风险及是否启动前向预警,同时使用函数模型判断所述车辆与所述障碍物是否存在碰撞风险;
具体包括:
(1)获取当前车速信息,计算碰撞时间阈值,其为当前车速除以最大制动减速度,计算预警时间阈值/>,其为碰撞时间阈值与固定值权重的乘积;
(2)获取当前规划模块生成的轨迹T,其为离散的轨迹点序列,,其中/>表示第i个轨迹点的坐标及到当前时刻的相对时间;
(3)若轨迹T中的最终轨迹点时间大于等于碰撞时间阈值,判断在碰撞时间阈值/>之前的轨迹点自车是否与障碍物包围盒存在碰撞风险;
(4)若轨迹T中的最终轨迹点时间小于碰撞时间阈值,使用车辆在最终轨迹点处的速度和位姿进行推算,将轨迹T延长至碰撞时间阈值/>时刻,判断是否存在碰撞风险;
(5)若存在碰撞风险,记录当前的车辆速度以及车辆到存在碰撞风险障碍物的距离;
(6)若不存在碰撞风险且轨迹T中的最终轨迹点时间大于等于预警时间阈值,判断在碰撞时间阈值/>之前的轨迹点自车是否与障碍物包围盒存在碰撞风险,若存在碰撞风险,则启动前向预警;
(7)若不存在碰撞风险且轨迹T中的最终轨迹点时间小于预警时间阈值,使用车辆在最终轨迹点处的速度和位姿进行推算,将轨迹T延长至预警时间阈值/>时刻,判断是否存在碰撞风险,若存在碰撞风险,则启动前向预警。
所述历史数据,包含车辆存在碰撞风险时的速度以及车辆与存在碰撞风险障碍物的距离;所述碰撞风险函数模型为, 其中v代表车辆的速度,d为该速度下的最大安全距离。
根据碰撞风险函数模型求得当前速度下的安全距离,若有障碍物到车辆的距离小于该安全距离,则认为存在碰撞风险,若所有障碍物到车辆的距离均大于该距离,则认为无碰撞风险。在行驶过程中,使用车辆当前速度轨迹信息与碰撞风险模型同时判断是否存在碰撞风险。
触发模块,用于若存在所述碰撞风险,则根据所述速度、制动值和最大制动距离的映射关系匹配制动值,控制所述车辆进行制动,若需启动前向预警,则进行提示音预警。具体包含:
(1)采集车辆在不同速度下对应不同制动值的最大制动距离,建立速度、制动值和最大制动距离的映射关系表:T(v, d)→brake。其中,v为速度,d为制动后车行驶的距离,brake为对应刹车值;
(2)若当前存在碰撞风险,获取当前车速和与障碍物的距离/>,根据所述映射关系表,控制车辆采用在与障碍物距离内安全刹停的最小刹车值。其中为表中速度大于/>的最小值,/>为表中刹车距离小于/>的最小值。
(3)若需启动前向预警,则进行提示音预警。
实施例3
本实施例涉及一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述实施例1的一种基于激光点云过滤的车辆紧急制动方法。
实施例4
本实施例涉及一种基于激光点云过滤的车辆紧急制动装置,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现实施例1的一种基于激光点云过滤的车辆紧急制动方法,如图7所示。
在硬件层面,该计算设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述实施例1所述的方法。当然,除了软件实现方式之外,本发明并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(ProgrammableLogic Device, PLD)(例如现场可编程门阵列(Field Programmable Gate Array,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(HardwareDescription Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(AdvancedBoolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(JavaHardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby HardwareDescription Language)等,目前最普遍使用的是VHDL(Very-High-Speed IntegratedCircuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明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,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (11)
1.一种基于激光点云过滤的车辆紧急制动方法,其特征在于,包括以下步骤:
步骤一,获取多线激光雷达点云,进行点云数据预处理、地面点云过滤及障碍物聚类,得到激光雷达感知范围内的障碍物位置及包围盒大小的信息;
步骤二,获取当前车速及路径规划模块生成的轨迹,依据车速和轨迹信息判断是否存在与障碍物碰撞的风险及是否启动前向预警,记录产生碰撞风险时的数据;
步骤三,构造碰撞风险函数模型拟合历史数据,使用该碰撞风险函数模型判断是否存在与障碍物碰撞的风险;
步骤四,若存在碰撞风险,则根据车速及与前方障碍物的距离动态调整制动力,控制车辆紧急制动,若需启动前向预警,则进行提示音预警。
2.根据权利要求1所述的一种基于激光点云过滤的车辆紧急制动方法,其特征在于,步骤一所述的点云数据预处理,包括以下子步骤:
(S1)对多线激光雷达的数据,只保留每个方向上距离车辆当前位置最近的点云;
(S2)将无序的点云按照扫描角度重新排列,去除其中的噪声、离群点并进行降采样。
3.根据权利要求1所述的一种基于激光点云过滤的车辆紧急制动方法,其特征在于,步骤一所述的地面点云过滤,包括以下子步骤:
(T1)将点云沿车辆行驶方向分段,在每一段中选取点云高度值z最小的前n个点作为最低点集,求得其高度平均值;
(T2)选取该段中高度小于最低点集平均高度与选取阈值之和的点云加入种子点集;
(T3)对种子点集S进行拟合,得到地面平面;
(T4)计算该段点云中每一个点到地面平面的正交投影的大小,若投影长度小于设定的投影距离阈值,则认为该点属于地面点;
(T5)将属于地面的点加入新地面平面的种子点集,重复上述步骤迭代k轮进行优化,最终得到的点即为该段点云的地面点;
(T6)去除每段点云数据中的地面点云。
4.根据权利要求1所述的一种基于激光点云过滤的车辆紧急制动方法,其特征在于,步骤一所述的障碍物聚类包括:将去除地面点云之后的点云进行聚类,将每一类点云视为一个障碍物,其坐标位置即为该类点云中心,其大小即为该类点云的包围盒大小;将障碍物坐标由雷达坐标系转换到车辆坐标系。
5.根据权利要求1所述的一种基于激光点云过滤的车辆紧急制动方法,其特征在于,步骤二中依据车速和轨迹信息判断是否存在碰撞风险及是否启动前向预警,具体包括以下子步骤:
(21)获取当前车速信息,计算碰撞时间阈值,其为当前车速除以最大制动减速度,计算预警时间阈值/>,其为碰撞时间阈值与固定值权重的乘积;
(22)获取当前规划模块生成的轨迹T,其为离散的轨迹点序列,/>,…,其中/>表示第i个轨迹点的坐标及到当前时刻的相对时间;
(23)若轨迹T中的最终轨迹点时间大于等于碰撞时间阈值,判断在碰撞时间阈值之前的轨迹点自车是否与障碍物包围盒存在碰撞风险;
(24)若轨迹T中的最终轨迹点时间小于碰撞时间阈值,使用车辆在最终轨迹点处的速度和位姿进行推算,将轨迹T延长至碰撞时间阈值/>时刻,判断是否存在碰撞风险;
(25)若存在碰撞风险,记录当前的车辆速度以及车辆到存在碰撞风险障碍物的距离;
(26)若不存在碰撞风险且轨迹T中的最终轨迹点时间大于等于预警时间阈值,判断在碰撞时间阈值/>之前的轨迹点自车是否与障碍物包围盒存在碰撞风险,若存在碰撞风险,则启动前向预警;
(27)若不存在碰撞风险且轨迹T中的最终轨迹点时间小于预警时间阈值,使用车辆在最终轨迹点处的速度和位姿进行推算,将轨迹T延长至预警时间阈值/>时刻,判断是否存在碰撞风险,若存在碰撞风险,则启动前向预警。
6.根据权利要求1所述的一种基于激光点云过滤的车辆紧急制动方法,其特征在于,步骤三中所述的历史数据,包含车辆存在碰撞风险时的速度以及车辆与存在碰撞风险障碍物的距离;所述碰撞风险函数模型为, 其中v代表车辆的速度,d为该速度下的最大安全距离。
7.根据权利要求6所述的一种基于激光点云过滤的车辆紧急制动方法,其特征在于,根据碰撞风险函数模型求得当前速度下的安全距离,若有障碍物到车辆的距离小于该安全距离,则认为存在碰撞风险,若所有障碍物到车辆的距离均大于该距离,则认为无碰撞风险;在行驶过程中,使用车辆当前速度轨迹信息与碰撞风险模型同时判断是否存在碰撞风险。
8.根据权利要求1所述的一种基于激光点云过滤的车辆紧急制动方法,其特征在于,步骤四中控制车辆紧急制动及前向预警,具体包含以下子步骤:
(41)采集车辆在不同速度下对应不同制动值的最大制动距离,建立速度、制动值和最大制动距离的映射关系表;
(42)若当前存在碰撞风险,获取当前车速和与障碍物的距离,根据所述映射关系表,控制车辆采用在与障碍物距离内安全刹停的最小刹车值;
(43)若需启动前向预警,则进行提示音预警。
9.一种基于激光点云过滤的车辆紧急制动系统,其特征在于,包括:
感知模块,用于获取多线激光雷达点云并进行预处理、地面点云过滤、障碍物聚类,得到障碍物信息;
判断模块,用于获取车辆速度及轨迹,采集历史数据,生成函数模型,并根据所述车辆状态与障碍物信息判断所述车辆与所述障碍物是否存在碰撞风险及是否启动前向预警,同时使用函数模型判断所述车辆与所述障碍物是否存在碰撞风险;
触发模块,用于若存在所述碰撞风险,则根据所述速度、制动值和最大制动距离的映射关系匹配制动值,控制所述车辆进行制动,若需启动前向预警,则进行提示音预警。
10.一种基于激光点云过滤的车辆紧急制动装置,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程序,以实现如权利要求1-8任一项所述的一种基于激光点云过滤的车辆紧急制动方法。
11.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时,实现权利要求1-8中任一项所述的一种基于激光点云过滤的车辆紧急制动方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311677936.3A CN117382593B (zh) | 2023-12-08 | 2023-12-08 | 一种基于激光点云过滤的车辆紧急制动方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311677936.3A CN117382593B (zh) | 2023-12-08 | 2023-12-08 | 一种基于激光点云过滤的车辆紧急制动方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117382593A true CN117382593A (zh) | 2024-01-12 |
CN117382593B CN117382593B (zh) | 2024-04-05 |
Family
ID=89465123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311677936.3A Active CN117382593B (zh) | 2023-12-08 | 2023-12-08 | 一种基于激光点云过滤的车辆紧急制动方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117382593B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012203187A1 (de) * | 2011-03-01 | 2012-09-06 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Prädiktion und Adaption von Bewegungstrajektorien von Kraftfahrzeugen |
CN110281893A (zh) * | 2018-03-19 | 2019-09-27 | 北京图森未来科技有限公司 | 一种紧急制动系统及方法、半挂车 |
CN110654379A (zh) * | 2018-06-28 | 2020-01-07 | 株式会社万都 | 防撞设备和防撞方法以及驾驶支持设备 |
CN112298132A (zh) * | 2020-10-12 | 2021-02-02 | 清华大学苏州汽车研究院(相城) | 一种车辆自主紧急制动控制系统和控制方法 |
US20210188263A1 (en) * | 2019-12-23 | 2021-06-24 | Baidu International Technology (Shenzhen) Co., Ltd. | Collision detection method, and device, as well as electronic device and storage medium |
CN113044008A (zh) * | 2021-04-02 | 2021-06-29 | 南京交通职业技术学院 | 一种车辆行驶状态自适应的紧急制动控制系统 |
US20210276589A1 (en) * | 2019-01-15 | 2021-09-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, device and computer storage medium for vehicle control |
CN114537374A (zh) * | 2022-03-23 | 2022-05-27 | 浙江亚太机电股份有限公司 | 一种基于可行驶区域的车辆前方防碰撞系统 |
CN114590249A (zh) * | 2022-03-04 | 2022-06-07 | 北京三快在线科技有限公司 | 一种无人设备控制方法、装置、设备及存储介质 |
CN114994638A (zh) * | 2022-08-04 | 2022-09-02 | 之江实验室 | 一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法 |
CN116135638A (zh) * | 2021-11-16 | 2023-05-19 | 宇通客车股份有限公司 | 一种针对车辆横穿的自适应防撞方法、系统及车辆 |
CN116572988A (zh) * | 2023-03-27 | 2023-08-11 | 宁波斯年智驾科技有限公司 | 一种自动驾驶车辆避撞的方法及装置 |
CN116853235A (zh) * | 2023-06-12 | 2023-10-10 | 合创汽车科技有限公司 | 碰撞预警方法、装置、计算机设备和存储介质 |
CN117036374A (zh) * | 2023-08-17 | 2023-11-10 | 摩形新能源汽车咨询集团(澄迈)有限公司 | 一种用于自动驾驶的激光雷达点云分割与运动规划方法 |
CN117075613A (zh) * | 2023-09-18 | 2023-11-17 | 西安青牛智驾科技有限公司 | 无人车辆感知及避障方法、系统、计算机设备及存储介质 |
-
2023
- 2023-12-08 CN CN202311677936.3A patent/CN117382593B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012203187A1 (de) * | 2011-03-01 | 2012-09-06 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Prädiktion und Adaption von Bewegungstrajektorien von Kraftfahrzeugen |
CN110281893A (zh) * | 2018-03-19 | 2019-09-27 | 北京图森未来科技有限公司 | 一种紧急制动系统及方法、半挂车 |
CN110654379A (zh) * | 2018-06-28 | 2020-01-07 | 株式会社万都 | 防撞设备和防撞方法以及驾驶支持设备 |
US20210276589A1 (en) * | 2019-01-15 | 2021-09-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, device and computer storage medium for vehicle control |
US20210188263A1 (en) * | 2019-12-23 | 2021-06-24 | Baidu International Technology (Shenzhen) Co., Ltd. | Collision detection method, and device, as well as electronic device and storage medium |
CN112298132A (zh) * | 2020-10-12 | 2021-02-02 | 清华大学苏州汽车研究院(相城) | 一种车辆自主紧急制动控制系统和控制方法 |
CN113044008A (zh) * | 2021-04-02 | 2021-06-29 | 南京交通职业技术学院 | 一种车辆行驶状态自适应的紧急制动控制系统 |
CN116135638A (zh) * | 2021-11-16 | 2023-05-19 | 宇通客车股份有限公司 | 一种针对车辆横穿的自适应防撞方法、系统及车辆 |
CN114590249A (zh) * | 2022-03-04 | 2022-06-07 | 北京三快在线科技有限公司 | 一种无人设备控制方法、装置、设备及存储介质 |
CN114537374A (zh) * | 2022-03-23 | 2022-05-27 | 浙江亚太机电股份有限公司 | 一种基于可行驶区域的车辆前方防碰撞系统 |
CN114994638A (zh) * | 2022-08-04 | 2022-09-02 | 之江实验室 | 一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法 |
CN116572988A (zh) * | 2023-03-27 | 2023-08-11 | 宁波斯年智驾科技有限公司 | 一种自动驾驶车辆避撞的方法及装置 |
CN116853235A (zh) * | 2023-06-12 | 2023-10-10 | 合创汽车科技有限公司 | 碰撞预警方法、装置、计算机设备和存储介质 |
CN117036374A (zh) * | 2023-08-17 | 2023-11-10 | 摩形新能源汽车咨询集团(澄迈)有限公司 | 一种用于自动驾驶的激光雷达点云分割与运动规划方法 |
CN117075613A (zh) * | 2023-09-18 | 2023-11-17 | 西安青牛智驾科技有限公司 | 无人车辆感知及避障方法、系统、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
吕能超;旷权;谭青山;于仁斌;: "基于车路协同的行人车辆碰撞风险识别与决策方法", 中国安全科学学报, no. 01, 31 January 2015 (2015-01-31), pages 60 - 66 * |
Also Published As
Publication number | Publication date |
---|---|
CN117382593B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111619560B (zh) | 车辆控制方法及装置 | |
CN111427369B (zh) | 一种无人车控制方法及装置 | |
US11932244B2 (en) | Apparatus and method for controlling autonomous driving of vehicle | |
CN112799411B (zh) | 一种无人驾驶设备的控制方法及装置 | |
CN111338360B (zh) | 一种规划车辆行驶状态的方法及装置 | |
CN111873989B (zh) | 车辆控制方法及装置 | |
US20190270452A1 (en) | Vehicle control device | |
JP7152165B2 (ja) | 車両制御装置 | |
US20220314968A1 (en) | Electronic control device | |
CN111186437B (zh) | 一种车辆轨迹的风险确定方法及装置 | |
CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN115871658B (zh) | 一种面向稠密人流的智能驾驶速度决策方法和系统 | |
CN117382593B (zh) | 一种基于激光点云过滤的车辆紧急制动方法和系统 | |
CN117008615A (zh) | 一种策略切换的无人车轨迹规划方法和系统 | |
CN114590249A (zh) | 一种无人设备控制方法、装置、设备及存储介质 | |
CN114623824A (zh) | 一种确定障碍物速度的方法及装置 | |
US20230311879A1 (en) | Autonomous driving control apparatus and method thereof | |
CN115848371B (zh) | Acc系统控制方法、装置及电子设备、存储介质 | |
JP7461512B2 (ja) | 配光制御システム及びセンシングシステム | |
CN114047763B (zh) | 无人车区分碰撞障碍物的系统、方法、装置及电子设备 | |
CN114488091B (zh) | 一种激光点云的去噪方法、装置、存储介质及电子设备 | |
JP2020015345A (ja) | 車両制御装置 | |
CN117585011A (zh) | 一种障碍物碰撞检测方法、装置及设备 | |
CN116620271B (zh) | 基于短时记忆与行为树的智能驾驶行人避让方法和系统 | |
EP3762798B1 (en) | Method, device and program for controlling movement of moving body and storage medium |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |