CN117485373A - 车辆碰撞风险评估方法和装置、无人车和存储介质 - Google Patents
车辆碰撞风险评估方法和装置、无人车和存储介质 Download PDFInfo
- Publication number
- CN117485373A CN117485373A CN202311636909.1A CN202311636909A CN117485373A CN 117485373 A CN117485373 A CN 117485373A CN 202311636909 A CN202311636909 A CN 202311636909A CN 117485373 A CN117485373 A CN 117485373A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- vehicle
- obstacle
- relative
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012502 risk assessment Methods 0.000 title claims abstract description 55
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
-
- 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
- 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
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆碰撞风险评估方法和装置、无人车和存储介质,其中该方法包括获取目标车辆的障碍物信息,以确定目标车辆与障碍物的相对车速;基于相对车速和目标车辆的安全制动时间,确定目标车辆的至少两个距离窗口,其中,距离窗口纵向切分目标车辆的前方区域;基于相对车速和目标车辆的车头位置,确定目标车辆的干涉窗口,其中,干涉窗口表示与以相对车速运动的目标车辆存在干涉的区域,干涉窗口与至少两个距离窗口分别具有交叠区域;基于障碍物与交叠区域的相对位置,评估目标车辆相对障碍物的碰撞风险。这样,可以对目标车辆当前所处环境的碰撞风险进行实时评估,且可靠性高。
Description
技术领域
本申请属于自动驾驶技术领域,具体涉及一种车辆碰撞风险评估方法和装置、无人车和存储介质。
背景技术
碰撞风险评估是实现安全自动驾驶的关键一步,通过对车辆当前环境的感知,可以获取其周围潜在关联对象,并由此进行碰撞风险评估,从而识别车辆周围的威胁,因此,车辆碰撞风险评估方法的可靠和高效至关重要。
公开于该背景技术部分的信息仅仅旨在增加对本申请的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本申请的目的在于提供一种车辆碰撞风险评估方法,其用于解决当前车辆碰撞风险评估可靠性和实时性差的问题。
为实现上述目的,本申请提供了一种车辆碰撞风险评估方法,所述方法包括:
获取目标车辆的障碍物信息,以确定所述目标车辆与障碍物的相对车速;
基于所述相对车速和目标车辆的安全制动时间,确定所述目标车辆的至少两个距离窗口,其中,所述距离窗口纵向切分所述目标车辆的前方区域;
基于所述相对车速和目标车辆的车头位置,确定所述目标车辆的干涉窗口,其中,所述干涉窗口表示与以所述相对车速运动的目标车辆存在干涉的区域,所述干涉窗口与至少两个距离窗口分别具有交叠区域;
基于所述障碍物与交叠区域的相对位置,评估所述目标车辆相对障碍物的碰撞风险。
一实施例中,在所述障碍物的设定位置位于交叠区域中时,所述方法还包括:
判断所述干涉窗口与所述目标车辆所处车道边界是否具有目标干涉位置,其中,所述目标干涉位置为障碍物前方干涉窗口与目标车辆所处车道边界的最近干涉位置;若是,
基于所述目标干涉位置与障碍物的距离,修正所述目标车辆相对障碍物的碰撞风险。
一实施例中,所述方法还包括:
确定所述车道边界的约束类型,其中,所述约束类型包括硬约束和软约束;
基于所述约束类型,确定修正所述目标车辆相对障碍物碰撞风险的力度。
一实施例中,所述方法还包括:
获取所述目标车辆的预测轨迹,以确定所述障碍物和预测轨迹是否干涉,其中,所述目标车辆的预测轨迹基于目标车辆的感知设备和预设的预测模型获得;若是,
基于所述障碍物和预测轨迹的干涉位置相对于目标距离窗口的位置,确定修正所述目标车辆相对障碍物碰撞风险的力度,其中,所述目标距离窗口为所述障碍物的设定位置位于的距离窗口。
一实施例中,基于所述相对车速和目标车辆的安全制动时间,确定所述目标车辆的至少两个距离窗口,具体包括:
基于所述目标车辆的安全制动时间和预设时间参数,确定所述目标车辆的至少两个风险动态距离;
以所述至少两个风险动态距离纵向切分所述目标车辆的前方区域,确定所述目标车辆的至少三个距离窗口,其中,所述至少三个距离窗口的风险等级在远离所述目标车辆的方向上逐级降低。
一实施例中,基于所述相对车速和目标车辆的车头位置,确定所述目标车辆的干涉窗口,具体包括:
基于所述相对车速分解的相对横向车速和相对纵向车速之比,确定所述目标车辆的行驶方向系数;
基于所述目标车辆的车头位置和目标构造函数,确定所述目标车辆的两条行驶方向线,其中,所述两条行驶方向线之间区域限定所述干涉窗口,所述目标构造函数是以行驶方向系数为斜率的直线函数。
一实施例中,基于所述障碍物与交叠区域的相对位置,评估所述目标车辆相对障碍物的碰撞风险,具体包括:
在所述障碍物位于距离目标车辆最远的距离窗口时,确定所述目标车辆相对障碍物无碰撞风险;和/或,
在所述障碍物位于所述干涉窗口之外的区域时,确定所述目标车辆相对障碍物无碰撞风险。
一实施例中,所述目标车辆包括至少两个障碍物,所述方法具体包括:
评估所述目标车辆相对至少两个障碍物的碰撞风险;
选取所述目标车辆相对至少两个障碍物的最高碰撞风险,确定为所述目标车辆的当前碰撞风险。
本申请还提供一种车辆碰撞风险评估装置,包括:
获取模块,用于获取目标车辆的障碍物信息,以确定所述目标车辆与障碍物的相对车速;
第一确定模块,用于基于所述相对车速和目标车辆的安全制动时间,确定所述目标车辆的至少两个距离窗口,其中,所述距离窗口纵向切分所述目标车辆的前方区域;
第二确定模块,用于基于所述相对车速和目标车辆的车头位置,确定所述目标车辆的干涉窗口,其中,所述干涉窗口表示与以所述相对车速运动的目标车辆存在干涉的区域,所述干涉窗口与至少两个距离窗口分别具有交叠区域;
评估模块,用于基于所述障碍物与交叠区域的相对位置,评估所述目标车辆相对障碍物的碰撞风险。
本申请还提供一种无人车,包括:
至少一个处理器;以及
存储器,所述存储器存储指令,当所述指令被所述至少一个处理器执行时,使得所述至少一个处理器执行如上所述的车辆碰撞风险评估方法。
本申请还提供一种机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如上所述的车辆碰撞风险评估方法。
与现有技术相比,根据本申请的车辆碰撞风险评估方法,通过确定目标车辆与障碍物的相对车速,再分别结合安全制动时间和车头位置确定目标车辆的距离窗口和干涉窗口,这其中,距离窗口纵向切分目标车辆前方区域、干涉窗口则表示与以相对车速运动的目标车辆存在干涉的区域,这样,通过比较干涉窗口和距离窗口的交叠区域和障碍物的相对位置,可以快速实时地评估目标车辆相对该障碍物的碰撞风险,且可靠性较高。
在另一个方面,通过判断干涉窗口与目标车辆所处车道边界是否具有目标干涉位置,若是,则基于目标干涉位置与障碍物的距离,修正目标车辆相对障碍物的碰撞风险。这其中,考虑了干涉位置与障碍物的距离对目标车辆与障碍物发生碰撞可能的影响,进一步提升评估方法的可靠性。
在另一个方面,通过获取目标车辆的预测轨迹,以确定障碍物和预测轨迹是否干涉,若是,基于障碍物和预测轨迹的干涉位置相对于目标距离窗口的位置,确定修正目标车辆相对障碍物碰撞风险的力度。这其中,考虑了预测轨迹的指引,障碍物和预测轨迹的干涉位置越接近目标距离窗口,目标车辆在目标距离窗口内发生碰撞的可能性越高,进而以此修正碰撞风险等级,进一步提升评估方法的可靠性。
在另一个方面,可以同时评估目标车辆相对多个障碍物的碰撞风险,并选取其中的最高碰撞风险为目标车辆车辆的当前碰撞风险,目标车辆进而可以以该风险等级进行进一步的决策,提升了自动驾驶过程中决策的有效性。
附图说明
图1是根据本申请一实施例车辆碰撞风险评估方法的应用场景图;
图2是根据本申请一实施例车辆碰撞风险评估方法的流程图;
图3是根据本申请一实施例车辆碰撞风险评估方法中,目标车辆前方包括多个障碍物的场景图;
图4是根据本申请一实施例车辆碰撞风险评估方法中,对目标车辆前方两个障碍物进行融合的场景图;
图5是根据本申请一实施例车辆碰撞风险评估方法中,单个障碍物与距离窗口和干涉窗口的重叠区域位置关系的场景图;
图6是根据本申请一实施例车辆碰撞风险评估方法中,将目标车辆前方部分区域切分为距离窗口的场景图;
图7是根据本申请一实施例车辆碰撞风险评估方法中,利用设定形状区域将目标车辆前方部分区域切分为距离窗口的场景图;
图8是根据本申请一实施例车辆碰撞风险评估方法中,对目标车辆进行轮廓膨胀后确定干涉窗口的场景图;
图9是根据本申请一实施例车辆碰撞风险评估方法中,不同障碍物与干涉窗口和距离窗口重叠区域位置关系的场景图;
图10是根据本申请一实施例车辆碰撞风险评估方法中,目标车辆相对障碍物的干涉窗口与硬约束类型车道边界具有目标干涉位置的场景图;
图11是根据本申请一实施例车辆碰撞风险评估方法中,目标车辆相对障碍物的干涉窗口与软约束类型车道边界具有目标干涉位置的场景图;
图12是根据本申请一实施例车辆碰撞风险评估方法中,目标车辆的预测轨迹与障碍物的干涉位置与障碍物上设定位置位于同一距离窗口的场景图;
图13是根据本申请一实施例车辆碰撞风险评估方法中,目标车辆的预测轨迹与障碍物的干涉位置与障碍物上设定位置位于不同距离窗口的场景图;
图14是根据本申请一实施例车辆碰撞风险评估方法中,目标车辆针对多个障碍物判断碰撞风险等级的场景图;
图15根据本申请一实施例车辆碰撞风险评估装置的模块图;
图16是根据本申请一实施例无人车的硬件结构图。
具体实施方式
以下将结合附图所示的各实施方式对本申请进行详细描述。但该等实施方式并不限制本申请,本领域的普通技术人员根据该等实施方式所做出的结构、方法、或功能上的变换均包含在本申请的保护范围内。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在介绍本申请实施例之前,对本申请实施例涉及的基础技术和一些技术术语进行示意性的解释:
自动驾驶:指不需要测试驾驶员执行物理性驾驶操作的情况下,能够对车辆行驶任务进行指导与决策,并代替测试驾驶员操控行为使车辆完成安全行驶的功能。自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术。
自动驾驶系统:实现车辆的不同级别的自动驾驶功能的系统,例如辅助驾驶系统(L2)、需要人监管的高速自动驾驶系统(L3)和高度/完全自动驾驶系统(L4/L5)。
全局坐标系(Global Coordinate):全局坐标系是三维空间物体所在的坐标系,模型的顶点坐标就是基于这个坐标系来表达的。例如,全局坐标系可以是WGS(WorldGeodeticSystem)84坐标系、GCJ-02坐标系(中国国家测绘局制订的地理信息系统的坐标系统)等。
车体坐标系(Forward-Left-Up,FLU):用于描述车辆周边物体与车辆关系的坐标系,通常可以以车辆后轴中心作为原点,沿车辆行驶方向为x轴方向,面向车辆前方左手所指方向为y轴方向,与地面垂直指向车顶方向为z轴方向。
弗莱纳(Frenet)坐标系:也叫道路坐标系,以车辆的起始位置为原点,坐标轴相互垂直,分为S轴方向(即沿着道路参考线的切线方向,被称为纵向)和L轴方向(即参考线当前的法向,被称为横向),坐标表示为(S,L)。
本申请实施例提供的车辆碰撞风险评估方法可以应用于自动驾驶汽车上,包括L2、L3、L4及以上级别的自动驾驶系统。
参图1,以本申请实施例提供的车辆碰撞风险评估方法的一个应用场景为例。用户可以手动驾驶车辆,也可以借助车辆的智能驾驶系统进行自动驾驶。不论是手动驾驶或自动驾驶的过程中,终端都可以基于传感器、激光雷达、摄像头、毫米波雷达、导航系统、定位系统、高精度地图等来实现采集场景信息,并提供给车辆控制的一些决策依据信息。其中,终端可以是用户驾驶的车辆,或是车辆上的智能车载设备/模块、又或是用户在驾驶车辆的过程中,配置于车辆上的台式计算机、笔记本电脑、智能手机和平板电脑,以及用户携带的便携式可穿戴设备等。
在本申请的各实施例中,终端可以获取目标车辆的障碍物信息,进而确定与目标车辆关联的一个或多个障碍物。终端进而基于与各障碍物的相对车速和目标车辆的安全制动时间,确定目标车辆对应各障碍物的距离窗口;以及基于与各障碍物的相对车速和目标车辆的车头位置,确定目标车辆对应各障碍物的干涉窗口。干涉窗口与距离窗口具有交叠区域,终端可以通过障碍物与交叠区域的相对位置,评估目标车辆相对障碍物的碰撞风险。
具体参图2,介绍本申请车辆碰撞风险评估方法的一实施例。在本实施例中,该方法包括:
S11、获取目标车辆的障碍物信息,以确定目标车辆与障碍物的相对车速。
如图3所示,对于目标车辆而言,当前时刻的障碍物信息可能指示了目标车辆的检测区域内包括了一个或多个障碍物(障碍物a、b、c),通常地,这些障碍物彼此在位置上具有物理间隔。本申请公开的实施例中,可以是基于一些预设的标准选定其中某一个或者某几个障碍物进行碰撞风险评估,也可以是对所有的障碍物进行碰撞风险评估。
如图4所示,在一些实施例中,还可以将两个或者更多个具有物理间隔的障碍物以一定的标准进行“融合”,并将融合后的障碍物作为碰撞风险评估的考虑对象,从而更整体地考虑目标车辆的当前行驶环境。例如,障碍物a和障碍物b为散落在地面的静止碎石,且两者的间距小于设定的参考间距,则可以使用虚拟的边界模拟障碍物a和障碍物b的共同外廓,目标车辆将该虚拟的边界视为障碍物a和b的实体范围进行碰撞风险评估。
具体的,目标车辆可以利用本车搭载的摄像头、激光雷达等传感器,直接获取障碍物信息。或者,车道周边设有能与摄像头通信的边缘通信设备,目标车辆可以与边缘通信设备建立无线通信,进而通过边缘通信设备间接地实时获取摄像头拍摄所得的视频,并从视频中获取障碍物信息。示范性地,以上过程中可以获取的障碍物信息包括但不限于:障碍物的位置、障碍物的形状、障碍物的速度、障碍物的加速度、障碍物的角速度、障碍物的朝向等。
本实施例中,目标车辆可以通过障碍物的速度和本车速度,确定目标车辆与障碍物的相对车速。需要说明的是,本申请各实施例的车辆碰撞风险评估方法可以基于多种坐标系进行,所说的目标车辆的本车车速和障碍物的速度可以是在全局坐标系、车体坐标系、弗莱纳坐标系等不同坐标系的速度,本申请对此不作限制。
S12、基于相对车速和目标车辆的安全制动时间,确定目标车辆的至少两个距离窗口。
如图5所示,距离窗口纵向切分目标车辆的前方区域,也即,每个距离窗口都可以视为目标车辆前方区域中的一部分。距离窗口可以表示目标车辆相对障碍物在纵向接近的风险等级。例如,可以用距离窗口w1至w4纵向切分目标车辆的前方区域,并且从距离窗口w1至w4分别代表纵向高风险、纵向中风险、纵向低风险、纵向无风险。如图6所示,又例如,可以用距离窗口w1至w3纵向切分目标车辆的前方区域,并且从距离窗口w1至w3分别代表纵向高风险、纵向中风险、纵向低风险,可以看出,此时目标车辆的前方区域并未被完全切分。如图7所示,又例如,可以用设定形状的距离窗口w1和w2纵向切分目标车辆的前方区域,距离窗口w1代表纵向有风险,距离窗口w2代表纵向无风险。本申请对距离窗口的具体形式以及各距离窗口的纵向风险等级并不作限制。
目标车辆的安全制动时间表示目标车辆在以当前车速行驶时,施加最大的制动加速度可以使目标车辆停止所需要的时间。一实施例中,安全制动时间可以表示为:
Tstop=V/amax
其中,V表示目标车辆的当前车速,amax表示目标车辆的最大制动加速度。
具体地,以确定有风险距离窗口和无风险距离窗口为例,可以基于相对车速和目标车辆的安全制动时间的乘积,获得风险动态距离;进而,将纵向上小于该风险动态距离的区域切分为有风险窗口,并将纵向上大于该风险动态距离的区域切分为无风险窗口。
为了将目标车辆的前方区域进行更精细的距离窗口划分,还可以基于目标车辆的安全制动时间和预设时间参数,确定目标车辆的至少两个风险动态距离,并以该至少两个风险动态距离纵向切分目标车辆的前方区域,确定目标车辆的至少三个距离窗口,这至少三个距离窗口的风险等级在远离所述目标车辆的方向上逐级降低。
继续参图5,一个场景中,以确定纵向上高风险、中风险、低风险、无风险的四个风险等级的距离窗口(分别对应距离窗口w1至w4)为例。可以先利用预设时间参数对安全制动时间进行修正,获得三个定义的安全时间:
t1=Tstop+T
t2=Tstop+2T
t3=Tstop+3T
其中,t1至t3分别表示三个安全时间,Tstop表示安全制动时间,T表示预设时间参数。
再利用t1至t3三个安全时间分别确定对应的风险动态距离:
S1=V0*t1
S2=V0*t2
S3=V0*t3
其中,S1、S2、S3分别表示高风险动态距离、中风险动态距离和低风险动态距离,V0表示相对车速。
确定S1、S2、S3三个风险动态距离后,类似地,可以将纵向上小于S1的区域切分为纵向高风险距离窗口,S1和S2之间的区域切分为纵向中风险距离窗口,S2和S3之间的区域切分为纵向低风险距离窗口,纵向上大于S3的区域切分为纵向无风险距离窗口。可以理解,在远离目标车辆的方向上,纵向高风险距离窗口、纵向中风险距离窗口、纵向低风险距离窗口和纵向无风险距离窗口的风险等级逐级降低。
需要说明的是,在以上的一些实施例中,将距离目标车辆最远的距离窗口定义为纵向无风险距离窗口,所说的“纵向无风险距离窗口”并未暗示完全排除目标车辆和障碍物碰撞的风险,而只是指相对“纵向低风险距离窗口”、“纵向中风险距离窗口”、“纵向高风险距离窗口”而言,“纵向无风险距离窗口”的纵向风险等级更低。
S13、基于相对车速和目标车辆的车头位置,确定目标车辆的干涉窗口。
干涉窗口表示与以该相对车速运动的目标车辆存在干涉的区域,干涉窗口与上述的至少两个距离窗口分别具有交叠区域。以图5为例,目标车辆前方两条行驶线L1和L2之间的区域即为干涉窗口,干涉窗口与距离窗口w1、w2、w3、w4分别对应有交叠区域R1、R2、R3、R4。
具体地,可以基于目标车辆与障碍物的相对车速分解的相对横向车速和相对纵向车速之比,确定目标车辆的行驶方向系数,再基于目标车辆的车头位置和目标构造函数,确定目标车辆的两条行驶方向线,这两条行驶方向线之间区域即可限定干涉窗口。以图5为例,其中的干涉区域即基于目标车辆与障碍物b的相对车速确定,可以理解,目标车辆对于障碍物a和c当有分别对应的干涉区域,图中并未示出。
目标构造函数是以行驶方向系数为斜率的直线函数,以纵向车速方向为x轴,横向车速方向为y轴为例,该目标构造函数可以表示为:
y=kx+b
其中,k为行驶方向系数,k=相对横向车速/相对纵向车速。
在获得目标构造函数后,结合车头位置上的任意点均可求得其中的b值,进而确定一条行驶方向线。为了更好地模拟与以相对车速运动的目标车辆存在干涉的区域,不同的实施例中,可以依据实际场景的需要选取车头位置上合适的参考点,确定两条行驶方向线。
如图5所示,一实施例中,可以以车头位置上的左右两点,确定行驶方向线,这样的行驶方向线可以大致地模拟目标车辆车宽上的干涉范围。
如图8所示,一实施例中,可以从碰撞安全性角度考虑,利用预设车身膨胀系数对目标车辆进行外廓的膨胀,这样膨胀后的车身外廓相对目标车辆的真实投影有一定扩张。在此过程中,目标车辆的车头位置上左右两点也会对应至膨胀后的位置,进而确定行驶方向线。
在更多的场景下,也可以选用车身结构上车头位置以外的其它位置进行参考获得行驶方向线,例如车身两侧的后视镜位置、车身两侧的门把手位置等。因此,本申请所说的车头位置可以是用于大致限定车身宽的合适位置,本申请对此并不作限制。
S14、基于障碍物与交叠区域的相对位置,评估目标车辆相对障碍物的碰撞风险。
如图9所示,本申请各实施例中,可以预设障碍物与交叠区域具有多种相对位置。以目标车辆前方包括多个交叠区域的场景为例,障碍物b1可以位于某个交叠区域R3之中,或者障碍物b2可以横跨两个交叠区域R2和R3,或者障碍物b3中只有部分位于某个交叠区域R2中,或者障碍物b4中只有部分横跨两个交叠区域R1和R2,或者障碍物b5位于交叠区域之外等。对应地,目标车辆相对障碍物的风险也可以基于上述相对位置中的一种或几种进行判断。例如:
①障碍物位于交叠区域之外
以图9为例,障碍物b5位于交叠区域之外,表示目标车辆在纵向和横向上与该障碍物b5碰撞的可能性都相对最低,即可以判定目标车辆相对该障碍物的碰撞风险为最低等级,或称之为“无风险”。一实施例中,可以通过判断障碍物b5是否位于干涉窗口之外的区域判断障碍物b5是否位于交叠区域之外,也即将判断障碍物b5与交叠区域的相对位置拆分为两个独立步骤,其中步骤一判断障碍物b5与干涉窗口的相对位置,步骤二判断障碍物b5与距离窗口的相对位置,这样,在判断障碍物b5位于干涉窗口之外时,可以直接认为目标车辆与该障碍物b5碰撞的可能性相对最低(无碰撞风险)。
需要说明的是,以上实施例所述的步骤一和步骤二的顺序可以彼此调换。例如图9中,可以首先判断障碍物b5与距离窗口的相对位置,若障碍物b5位于距离目标车辆最远的距离窗口w4,则确定目标车辆相对该障碍物b5的碰撞风险为最低等级(无碰撞风险)。这样的场景下,无论障碍物b5是否位于交叠区域之中,都不影响目标车辆相对该障碍物b5的碰撞风险;也即,在障碍物位于距离目标车辆最远的交叠区域时,目标车辆相对该障碍物的碰撞风险同样为最低等级(无碰撞风险)。
②障碍物横跨两个交叠区域/障碍物部分横跨两个交叠区域
以图9为例,障碍物b2横跨两个交叠区域R2和R3,障碍物b4部分横跨两个交叠区域R1和R2。此时,可以选定交叠区域R2和R3中的任意一个进行目标车辆相对障碍物b2的碰撞风险判断,也可以选定交叠区域R1和R2中任意一个进行目标车辆相对障碍物b4的碰撞风险判断。又或者,可以进一步判断障碍物b2位于交叠区域R2和R3的比例,并选取占比更大的交叠区域进行目标车辆相对障碍物b2的碰撞风险判断。又或者,可以以交叠区域R2和R3中距离目标车辆最近的交叠区域R2进行目标车辆相对障碍物b2的碰撞风险判断。可知地,目标车辆相对障碍物b4的碰撞风险判断方式也可类似,在此不做赘述。
③障碍物位于单个交叠区域/障碍物部分位于单个交叠区域
以图9为例,障碍物b3可以直接以交叠区域R2进行碰撞风险判断,障碍物b1可以直接以交叠区域R3进行碰撞风险判断。
在以上的实施例中,均可以以障碍物上合适的位置判断其与交叠区域的相对位置。例如,利用车头位置上两个点和目标构造函数确定的两条行驶方向线为:
y1=kx+b1
y2=kx+b2
其中,y1为车头左侧行驶方向线,y2为车头右侧行驶方向线。
选取障碍物上某个角点(x3,y3)代入到两条行驶方向线的方程中,得到y1=kx3+b1,y2=kx3+b2。若y3小于y1、且大于y2则表示该点在两条行驶方向线之间的干涉窗口内,否则处于干涉窗口外。同时,结合该点与目标车辆的距离判断其所处于的距离窗口,进而最终确定该点与交叠区域的相对位置。
本实施例中,为了提升目标车辆碰撞风险评估的可靠性,在障碍物的设定位置位于交叠区域中时,还可以进一步从其它维度确认是否对当前的碰撞风险进行修正。同样地,这里的设定位置可以为障碍物上任意合适的位置,此处不再赘述。
一个方面,可以判断干涉窗口与目标车辆所处车道边界是否具有目标干涉位置,若是,则基于目标干涉位置与障碍物的距离,修正目标车辆相对障碍物的碰撞风险。
如图10所示,在较多场景下,车道不会过长地保持直线延伸,并且由于干涉窗口反应的是与以相对车速运动的目标车辆存在干涉的区域,干涉窗口本身在延伸至距离目标车辆足够远处时,可能与车道边界产生干涉;也即,干涉窗口的范围延伸出了目标车辆所处车道边界之外。目标干涉位置即为障碍物前方干涉窗口与目标车辆所处车道边界的最近干涉位置。
本实施例提出,目标干涉位置与障碍物的距离D1越近,目标车辆与障碍物发生碰撞的可能应当越低。概因为,目标干涉位置与障碍物的距离D1越近,目标车辆越可能在接近该目标干涉位置时提前修正或规划行驶轨迹,进而使目标车辆趋向偏离干涉窗口的轨迹行进。
具体的修正策略中,可以判断目标干涉位置与障碍物的距离D1是否小于设定参考距离,若是,则降低目标车辆相对障碍物的碰撞风险;若否,则不对目标车辆相对障碍物的碰撞风险进行修正。
更进一步的,在判断干涉窗口与目标车辆所处车道边界具有干涉位置时,还可以进一步确定该车道边界的约束类型,并基于约束类型确定修正目标车辆相对障碍物碰撞风险的力度。约束类型可以包括硬约束和软约束,例如图10中,当前车道边界之外为非通行区域时,将对应的车道边界确定为硬约束;又例如图11中,若当前车道边界之外为另一可通行车道时,将对应的车道边界确定为软约束。当然,车道边界的约束类型也可以是依据其它标准进行判断,或者存储在目标车辆可以获取的地图信息中,本申请对此不作限制。
本实施例进一步提出,相对于软约束类型的车道边界,目标车辆行驶出硬约束类型的车道边界的可能性更低。因此,在车道边界为硬约束时,可以相对软约束提高修正目标车辆相对障碍物碰撞风险的力度。
例如参图10,目标车辆的干涉窗口与目标车辆所处车道边界具有目标干涉位置,并且该目标干涉位置与障碍物的距离D1小于设定参考距离。示范性地,若目标车辆相对该障碍物的在先碰撞风险评估结果为高风险,且该车道边界为硬约束,则向下修正两个风险等级(由高风险修正为低风险);例如参图11,而若该车道边界为软约束,则向下修正一个风险等级(由高风险修正为中风险)。
另一个方面,还可以获取目标车辆的预测轨迹,以确定障碍物和预测轨迹是否干涉,若是,基于障碍物和预测轨迹的干涉位置相对于目标距离窗口的位置,确定修正目标车辆相对障碍物碰撞风险的力度。
如图12所示,预测轨迹是指在当前时刻预测未来一段时间内的目标车辆的移动的轨迹,通常以目标车辆当前时刻之后的未来时间段作为轨迹的预测时间,例如8秒、10秒、6秒等。
在一个具体的场景中,目标车辆可以通过感知设备获取感知数据。其中,感知设备可以包括路侧协同设备、处于该区域内的车载设备和行人携带的移动设备等,感知数据可以包括在该区域内的运动对象的导航信息、历史轨迹和运动状态等数据。根据感知数据和从地图服务器中获取的地图数据,得到目标车辆的预测轨迹。例如,可以基于预设模型(例如预先训练的机器学习模型),根据感知数据,得到当前的预测轨迹,本申请对此对此不具体限定。
本实施例提出,障碍物和预测轨迹的干涉位置越接近目标距离窗口,目标车辆在目标距离窗口内发生碰撞的可能性越高。参图12,场景1中,若障碍物b和预测轨迹具有干涉位置A(位于距离窗口w3),而障碍物b上设定位置位于的目标距离窗口为窗口w3,表明预测轨迹也预测障碍物b在该距离窗口w3内可能与目标车辆发生碰撞。参图13,场景2中,若障碍物b和预测轨迹具有干涉位置B(位于距离窗口w3),而障碍物b上设定位置位于的目标距离窗口为窗口w2,表明预测轨迹预测障碍物b在该距离窗口w3内不可能与目标车辆发生碰撞。
具体的修正策略中,可以判断障碍物和预测轨迹的干涉位置是否位于目标距离窗口,若是,则提高目标车辆相对障碍物的碰撞风险;若否,则不对目标车辆相对障碍物的碰撞风险进行修正。当然,在不同的场景中,此时的修正策略也可以根据实际需要进行适应性调整,例如障碍物和预测轨迹的干涉位置不位于目标距离窗口时,也可以降低目标车辆相对障碍物的碰撞风险。
在以上的各实施例中,主要以单个障碍物为例,评估目标车辆相对障碍物的碰撞风险。在实际的应用场景中,可以分别评估目标车辆相对更多个障碍物的碰撞风险,并选取目标车辆相对这些障碍物的最高碰撞风险,确定为目标车辆的当前碰撞风险。
如图14所示,目标车辆的前方有三个障碍物a、b、c,目标车辆相对该三个障碍物a、b、c的风险等级分别为高风险、低风险、无风险。此时,目标车辆会将当前碰撞风险确定为高风险,并以该高风险的障碍物a为对象进行进一步的决策。
参图15,介绍本申请车辆碰撞风险评估装置的一实施例。在本实施例中,该车辆碰撞风险评估装置包括获取模块21、第一确定模块22、第二确定模块23以及评估模块24。
获取模块21用于获取目标车辆的障碍物信息,以确定所述目标车辆与障碍物的相对车速;第一确定模块22,用于基于所述相对车速和目标车辆的安全制动时间,确定所述目标车辆的至少两个距离窗口,其中,所述距离窗口纵向切分所述目标车辆的前方区域;第二确定模块23,用于基于所述相对车速和目标车辆的车头位置,确定所述目标车辆的干涉窗口,其中,所述干涉窗口表示与以所述相对车速运动的目标车辆存在干涉的区域,所述干涉窗口与至少两个距离窗口分别具有交叠区域;评估模块24,用于基于所述障碍物与交叠区域的相对位置,评估所述目标车辆相对障碍物的碰撞风险。
一实施例中,评估模块24还用于判断所述干涉窗口与所述目标车辆所处车道边界是否具有目标干涉位置,其中,所述目标干涉位置为障碍物前方干涉窗口与目标车辆所处车道边界的最近干涉位置;若是,基于所述目标干涉位置与障碍物的距离,修正所述目标车辆相对障碍物的碰撞风险。
一实施例中,评估模块24还用于确定所述车道边界的约束类型,其中,所述约束类型包括硬约束和软约束;基于所述约束类型,确定修正所述目标车辆相对障碍物碰撞风险的力度。
一实施例中,评估模块24还用于获取所述目标车辆的预测轨迹,以确定所述障碍物和预测轨迹是否干涉,其中,所述目标车辆的预测轨迹基于目标车辆的感知设备和预设的预测模型获得;若是,基于所述障碍物和预测轨迹的干涉位置相对于目标距离窗口的位置,确定修正所述目标车辆相对障碍物碰撞风险的力度,其中,所述目标距离窗口为所述障碍物的设定位置位于的距离窗口。
一实施例中,第一确定模块22具体用于基于所述目标车辆的安全制动时间和预设时间参数,确定所述目标车辆的至少两个风险动态距离;以所述至少两个风险动态距离纵向切分所述目标车辆的前方区域,确定所述目标车辆的至少三个距离窗口,其中,所述至少三个距离窗口的风险等级在远离所述目标车辆的方向上逐级降低。
一实施例中,第二确定模块23具体用于基于所述相对车速分解的相对横向车速和相对纵向车速之比,确定所述目标车辆的行驶方向系数;基于所述目标车辆的车头位置和目标构造函数,确定所述目标车辆的两条行驶方向线,其中,所述两条行驶方向线之间区域限定所述干涉窗口,所述目标构造函数是以行驶方向系数为斜率的直线函数。
一实施例中,评估模块24具体用于在所述障碍物位于距离目标车辆最远的距离窗口时,确定所述目标车辆相对障碍物无碰撞风险;和/或,在所述障碍物位于所述干涉窗口之外的区域时,确定所述目标车辆相对障碍物无碰撞风险。
一实施例中,所述目标车辆包括至少两个障碍物,评估模块24具体用于评估所述目标车辆相对至少两个障碍物的碰撞风险;选取所述目标车辆相对至少两个障碍物的最高碰撞风险,确定为所述目标车辆的当前碰撞风险。
如上参照图1至图14,对根据本说明书实施例车辆碰撞风险评估方法进行了描述。在以上对方法实施例的描述中所提及的细节,同样适用于本说明书实施例的车辆碰撞风险评估装置。上面的车辆碰撞风险评估装置可以采用硬件实现,也可以采用软件或者硬件和软件的组合来实现。
图16示出了根据本说明书的实施例的无人车的硬件结构图。如图16所示,无人车30可以包括至少一个处理器31、存储器32(例如非易失性存储器)、内存33和通信接口34,并且至少一个处理器31、存储器32、内存33和通信接口34经由内部总线35连接在一起。至少一个处理器31执行在存储器32中存储或编码的至少一个计算机可读指令。
应该理解,在存储器32中存储的计算机可执行指令当执行时使得至少一个处理器31进行本说明书的各个实施例中以上结合图1至图14描述的各种操作和功能。
在本说明书的实施例中,无人车30可以配置功能终端承载上述的硬件结构,该终端可以包括但不限于:个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动电子设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴电子设备、消费电子设备等等。
根据一个实施例,提供了一种比如机器可读介质的程序产品。机器可读介质可以具有指令(即,上述以软件形式实现的元素),该指令当被机器执行时,使得机器执行本说明书的各个实施例中以上结合图1-图14描述的各种操作和功能。具体地,可以提供配有可读存储介质的系统或者装置,在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下,从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此机器可读代码和存储机器可读代码的可读存储介质构成了本说明书的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上或云上下载程序代码。
本领域技术人员应当理解,上面公开的各个实施例可以在不偏离发明实质的情况下做出各种变形和修改。因此,本说明书的保护范围应当由所附的权利要求书来限定。
需要说明的是,上述各流程和各系统结构图中不是所有的步骤和单元都是必须的,可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的,可以根据需要进行确定。上述各实施例中描述的装置结构可以是物理结构,也可以是逻辑结构,即,有些单元可能由同一物理客户实现,或者,有些单元可能分由多个物理客户实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件单元或模块可以通过机械方式或电气方式实现。例如,一个硬件单元、模块或处理器可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上面结合附图阐述的具体实施方式描述了示例性实施例,但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”,并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的,具体实施方式包括具体细节。然而,可以在没有这些具体细节的情况下实施这些技术。在一些实例中,为了避免对所描述的实施例的概念造成难以理解,公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说,对本公开内容进行的各种修改是显而易见的,并且,也可以在不脱离本公开内容的保护范围的情况下,将本文所对应的一般性原理应用于其它变型。因此,本公开内容并不限于本文所描述的示例和设计,而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (11)
1.一种车辆碰撞风险评估方法,其特征在于,所述方法包括:
获取目标车辆的障碍物信息,以确定所述目标车辆与障碍物的相对车速;
基于所述相对车速和目标车辆的安全制动时间,确定所述目标车辆的至少两个距离窗口,其中,所述距离窗口纵向切分所述目标车辆的前方区域;
基于所述相对车速和目标车辆的车头位置,确定所述目标车辆的干涉窗口,其中,所述干涉窗口表示与以所述相对车速运动的目标车辆存在干涉的区域,所述干涉窗口与至少两个距离窗口分别具有交叠区域;
基于所述障碍物与交叠区域的相对位置,评估所述目标车辆相对障碍物的碰撞风险。
2.根据权利要求1所述的车辆碰撞风险评估方法,其特征在于,在所述障碍物的设定位置位于交叠区域中时,所述方法还包括:
判断所述干涉窗口与所述目标车辆所处车道边界是否具有目标干涉位置,其中,所述目标干涉位置为障碍物前方干涉窗口与目标车辆所处车道边界的最近干涉位置;若是,
基于所述目标干涉位置与障碍物的距离,修正所述目标车辆相对障碍物的碰撞风险。
3.根据权利要求2所述的车辆碰撞风险评估方法,其特征在于,所述方法还包括:
确定所述车道边界的约束类型,其中,所述约束类型包括硬约束和软约束;
基于所述约束类型,确定修正所述目标车辆相对障碍物碰撞风险的力度。
4.根据权利要求2所述的车辆碰撞风险评估方法,其特征在于,所述方法还包括:
获取所述目标车辆的预测轨迹,以确定所述障碍物和预测轨迹是否干涉,其中,所述目标车辆的预测轨迹基于目标车辆的感知设备和预设的预测模型获得;若是,
基于所述障碍物和预测轨迹的干涉位置相对于目标距离窗口的位置,确定修正所述目标车辆相对障碍物碰撞风险的力度,其中,所述目标距离窗口为所述障碍物的设定位置位于的距离窗口。
5.根据权利要求1所述的车辆碰撞风险评估方法,其特征在于,基于所述相对车速和目标车辆的安全制动时间,确定所述目标车辆的至少两个距离窗口,具体包括:
基于所述目标车辆的安全制动时间和预设时间参数,确定所述目标车辆的至少两个风险动态距离;
以所述至少两个风险动态距离纵向切分所述目标车辆的前方区域,确定所述目标车辆的至少三个距离窗口,其中,所述至少三个距离窗口的风险等级在远离所述目标车辆的方向上逐级降低。
6.根据权利要求1所述的车辆碰撞风险评估方法,其特征在于,基于所述相对车速和目标车辆的车头位置,确定所述目标车辆的干涉窗口,具体包括:
基于所述相对车速分解的相对横向车速和相对纵向车速之比,确定所述目标车辆的行驶方向系数;
基于所述目标车辆的车头位置和目标构造函数,确定所述目标车辆的两条行驶方向线,其中,所述两条行驶方向线之间区域限定所述干涉窗口,所述目标构造函数是以行驶方向系数为斜率的直线函数。
7.根据权利要求1所述的车辆碰撞风险评估方法,其特征在于,基于所述障碍物与交叠区域的相对位置,评估所述目标车辆相对障碍物的碰撞风险,具体包括:
在所述障碍物位于距离目标车辆最远的距离窗口时,确定所述目标车辆相对障碍物无碰撞风险;和/或,
在所述障碍物位于所述干涉窗口之外的区域时,确定所述目标车辆相对障碍物无碰撞风险。
8.根据权利要求1所述的车辆碰撞风险评估方法,其特征在于,所述目标车辆包括至少两个障碍物,所述方法具体包括:
评估所述目标车辆相对至少两个障碍物的碰撞风险;
选取所述目标车辆相对至少两个障碍物的最高碰撞风险,确定为所述目标车辆的当前碰撞风险。
9.一种车辆碰撞风险评估装置,其特征在于,包括:
获取模块,用于获取目标车辆的障碍物信息,以确定所述目标车辆与障碍物的相对车速;
第一确定模块,用于基于所述相对车速和目标车辆的安全制动时间,确定所述目标车辆的至少两个距离窗口,其中,所述距离窗口纵向切分所述目标车辆的前方区域;
第二确定模块,用于基于所述相对车速和目标车辆的车头位置,确定所述目标车辆的干涉窗口,其中,所述干涉窗口表示与以所述相对车速运动的目标车辆存在干涉的区域,所述干涉窗口与至少两个距离窗口分别具有交叠区域;
评估模块,用于基于所述障碍物与交叠区域的相对位置,评估所述目标车辆相对障碍物的碰撞风险。
10.一种无人车,包括:
至少一个处理器;以及
存储器,所述存储器存储指令,当所述指令被所述至少一个处理器执行时,使得所述至少一个处理器执行如权利要求1至8任一项所述的车辆碰撞风险评估方法。
11.一种机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如权利要求1至8任一项所述的车辆碰撞风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311636909.1A CN117485373A (zh) | 2023-12-01 | 2023-12-01 | 车辆碰撞风险评估方法和装置、无人车和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311636909.1A CN117485373A (zh) | 2023-12-01 | 2023-12-01 | 车辆碰撞风险评估方法和装置、无人车和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117485373A true CN117485373A (zh) | 2024-02-02 |
Family
ID=89678252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311636909.1A Pending CN117485373A (zh) | 2023-12-01 | 2023-12-01 | 车辆碰撞风险评估方法和装置、无人车和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117485373A (zh) |
-
2023
- 2023-12-01 CN CN202311636909.1A patent/CN117485373A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215433B (zh) | 用于自动驾驶仿真的基于视觉的驾驶场景生成器 | |
US11016500B2 (en) | Simulation-based method to evaluate perception requirement for autonomous driving vehicles | |
CN111328411B (zh) | 用于自动驾驶车辆的行人概率预测系统 | |
CN113844451B (zh) | 行驶设备控制方法、装置、电子设备及存储介质 | |
EP3447597B1 (en) | Autonomous driving device | |
CN110621541B (zh) | 用于生成轨迹以操作自动驾驶车辆的方法和系统 | |
CN112418092B (zh) | 一种障碍物感知的融合方法、装置、设备及储存介质 | |
CN110576847A (zh) | 基于焦点的对传感器数据的标记 | |
CN113997950A (zh) | 车辆控制装置和车辆控制方法 | |
CN117184060B (zh) | 轨迹修正方法和装置、无人车和存储介质 | |
CN111830958B (zh) | 用于操作自动驾驶车辆的方法、系统和机器可读介质 | |
Kim et al. | Automated complex urban driving based on enhanced environment representation with GPS/map, radar, lidar and vision | |
CN112149487A (zh) | 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法 | |
US20230256991A1 (en) | Method and system for conditional operation of an autonomous agent | |
EP3857327B1 (en) | Implementation of dynamic cost function of self-driving vehicles | |
CN115859821A (zh) | 创建用于模拟自主驾驶车辆的模拟环境的方法和系统 | |
US11210941B2 (en) | Systems and methods for mitigating anomalies in lane change detection | |
Kim et al. | Safety evaluation of autonomous vehicles for a comparative study of camera image distance information and dynamic characteristics measuring equipment | |
CN114763156A (zh) | 使用基于关注度的事件结构的认知情境意识的方法 | |
CN113771845B (zh) | 预测车辆轨迹的方法、装置、车辆和存储介质 | |
US11851088B2 (en) | Method for determining capability boundary and associated risk of a safety redundancy autonomous system in real-time | |
CN117485373A (zh) | 车辆碰撞风险评估方法和装置、无人车和存储介质 | |
CN113811793A (zh) | 基于近邻的点云过滤系统 | |
CN114435401B (zh) | 空位识别方法、车辆及可读存储介质 | |
RU2790105C2 (ru) | Способ и электронное устройство для управления беспилотным автомобилем |
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 |