CN117657202A - 一种刹车事件的评估方法、装置及车辆 - Google Patents
一种刹车事件的评估方法、装置及车辆 Download PDFInfo
- Publication number
- CN117657202A CN117657202A CN202211054594.5A CN202211054594A CN117657202A CN 117657202 A CN117657202 A CN 117657202A CN 202211054594 A CN202211054594 A CN 202211054594A CN 117657202 A CN117657202 A CN 117657202A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- target obstacle
- obstacle
- period
- 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
- 238000011156 evaluation Methods 0.000 title abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 72
- 238000012795 verification Methods 0.000 claims description 61
- 238000013461 design Methods 0.000 claims description 47
- 230000008859 change Effects 0.000 claims description 45
- 238000001514 detection method Methods 0.000 claims description 38
- 230000008447 perception Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000010200 validation analysis Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 54
- 230000006399 behavior Effects 0.000 description 48
- 230000006870 function Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 20
- 230000001186 cumulative effect Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提供一种刹车事件的评估方法、装置及车辆,该方法包括:获取刹车事件对应的第一数据,第一数据包括自车在第一时间段内的行为信息以及自车周围的障碍物的信息;其中,在第一时间段内,自车的减速度小于第一阈值;根据行为信息和障碍物的信息,从自车周围的障碍物中确定目标障碍物;根据目标障碍物的信息,评估刹车事件是否合理,并控制提示装置输出提示信息,提示信息用于指示刹车事件是否合理。该方法可以有效提升刹车事件的评估效率以及评估准确率,使得刹车事件的评估结果可以用于对智能驾驶算法进行优化,有助于提升智能驾驶算法的性能;并且可以控制提示装置输出用于指示刹车事件的评估结果的提示信息,便于对刹车事件进行溯源和分析。
Description
技术领域
本申请涉及智能驾驶技术领域,特别涉及一种刹车事件的评估方法、装置及车辆。
背景技术
随着智能驾驶技术的蓬勃发展,车辆的智能化已经逐步成为车辆领域的研究热点。自动驾驶汽车在真正商业化应用前,需要经历大量的道路测试才能达到商用要求。采用实车路测来优化自动驾驶算法耗费的时间和成本太高,且开放道路测试仍受到法规限制,极端交通条件和场景复现困难,测试安全存在隐患。
因此,目前仿真及虚拟测试已逐渐成为被国际认可的自动驾驶功能验证中必不可少的一环。其中,自动驾驶功能验证中的刹车事件的合理性评测,对智能驾驶技术的提升具有极大的作用。一些技术方案中,将自动驾驶系统输出的刹车事件与人工标注的结果或数据集进行对比,该方法的评测结果真实可靠,但由于需要大量人工标注,该方法难以在大量的数据上进行泛化使用。另一些技术方案中,通过对仿真及虚拟测试中的自车行为分析,实现对刹车事件进行评测,但是缺乏真实数据进行对比验证,以及仿真及虚拟测试中的存在真实性和交互性等问题,导致该方法的评测准确率存在一些误差。
因此,如何提升刹车事件的评估效率和准确率,以及对刹车事件进行溯源分析,以优化自动驾驶算法,是本领域亟需解决的技术问题。
发明内容
本申请提供一种刹车事件的评估方法、装置以及车辆,用于提升刹车事件的评估效率以及评估准确率,使得刹车事件的评估结果可以用于对智能驾驶算法进行优化,有助于提升智能驾驶算法的性能。
本申请提供的刹车事件的评估方法可以由电子装置执行。电子装置可以被抽象为计算机系统。电子装置可以是整机,也可以是整机中的部分器件,例如:系统芯片或处理芯片。具体地,电子装置可以是诸如车辆中的车载电脑、车机等这样的终端装置或车载设备,也可以是能够被设置在车辆或车载设备中的计算机系统中的系统芯片、决策处理芯片或其他类型的芯片等。
第一方面,本申请实施例提供一种刹车事件的评估方法,该方法包括:获取刹车事件对应的第一数据,该第一数据包括自车在第一时间段内的行为信息以及自车周围的障碍物的信息;其中,在第一时间段内,自车的减速度小于第一阈值;根据行为信息和障碍物的信息,从自车周围的障碍物中确定目标障碍物;根据目标障碍物的信息,评估刹车事件是否合理,并控制提示装置输出提示信息,提示信息用于指示刹车事件是否合理。
在该方法中,电子装置可以通过行为信息和障碍物的信息,从自车周围的障碍物中确定目标障碍物,并根据目标障碍物的信息,评估刹车事件是否合理,可以有效提升刹车事件的评估效率和评估准确率,使得刹车事件的评估结果可以用于对智能驾驶算法进行优化,提升智能驾驶算法的性能;以及,可以控制提示装置输出用于指示刹车事件的评估结果的提示信息,便于对刹车事件进行溯源分析。
在一种可能的设计中,上述提示信息还用于指示以下至少一项:目标障碍物的标识,目标障碍物的类型,刹车事件的场景类型,刹车事件的类型,自车在第一时间段内的实际刹车量,自车的刹车时长,刹车事件的运行设计域(Operational Design Domain,ODD)判定结果的验证结果,目标障碍物的感知检测结果的验证结果,目标障碍物的入侵预测轨迹的验证结果,或,验证标记;其中,目标障碍物的感知检测结果包括目标障碍物被检测出的宽度和目标障碍物被检测出的相对于自车的朝向;入侵预测轨迹为目标障碍物入侵自车所在车道的行驶轨迹;刹车事件的ODD判定结果的验证结果用于指示刹车事件的ODD判定结果是否准确;目标障碍物的感知检测结果的验证结果用于指示目标障碍物的感知检测结果是否准确;目标障碍物的入侵预测轨迹的验证结果用于指示目标障碍物的入侵预测轨迹是否预测正确;验证标记用于指示是否需要通过第一方式验证刹车事件的合理性。可以理解的是,第一方式可以是人工验证的方式或者通过其他的自动驾驶功能验证系统再次验证的方式。
在该设计中,上述提示信息还可以用于指示多项信息,例如,目标障碍物的标识,目标障碍物的类型,刹车事件的场景类型,刹车事件的类型,自车在第一时间段内的实际刹车量,自车的刹车时长,刹车事件的ODD判定结果的验证结果,目标障碍物的感知检测结果的验证结果,目标障碍物的入侵预测轨迹的验证结果,或,验证标记;如此,进一步有助于用户对刹车事件进行溯源分析,并且由于提示信息指示了多项与刹车事件关联的信息,该提示信息可以用于优化智能驾驶算法。
在一种可能的设计中,自车在第一时间段内的行为信息包括以下至少一项:自车的位置,自车的速度,自车在第一时间段内的规划刹车量,自车在第一时间段内的实际刹车量,自车的行驶场景,刹车事件的类型,驾驶决策方案,或,自车的刹车时长。其中,自车的行驶场景可以包括变道、直行、或转弯中的至少一项。刹车事件的类型可以包括自动紧急制动(Autonomous Emergency Braking,AEB)和/或普通刹车。其中,驾驶决策方案可以理解为电子装置基于智能驾驶算法为自车规划的驾驶决策方案,例如对目标障碍物作出的避让决策。
在该设计中,可以获取第一时间段内与自车相关的多种信息,使得后续根据该行为信息确定出的目标障碍物更加准确。
可以理解的是,自车周围的障碍物的信息即自车的感知信息,可以包括障碍物的位置信息、障碍物的行为信息(例如速度和加速度)、或图像信息中的任一项。该感知信息可以基于车辆的车载感知装置所获取,车载感知装置可以包括例如但不限于激光雷达、毫米波雷达、超声波雷达、摄像头等;感知信息还可以由例如V2X(Vehicle to Everything),V2V(Vehicle to Vehicle)或V2I(Vehicle to Infrastructure)等方式获得。示例性的,当上述方法是由电子装置执行时,可以通过电子装置中的采集装置获取感知信息,采集装置可以通过与该电子装置中的处理装置连接的接口电路,将感知信息发送给处理装置;或者,可以通过电子装置外连的采集装置获取感知信息,采集装置可以通过有线或无线连接的方式,将感知信息发送给电子装置中的处理装置。可选的,所述处理装置可以根据感知信息获取自车的行为信息(例如驾驶决策方案、自车在第一时间段内的规划刹车量、自车在第一时间段内的实际刹车量等)。
在一种可能的设计中,根据行为信息和障碍物的信息,从自车周围的障碍物中确定目标障碍物,包括:根据行为信息和障碍物的信息,从自车周围的障碍物中确定至少一个障碍物,至少一个障碍物与自车的行驶行为会发生冲突;根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,确定目标障碍物,其中,风险墙是根据自车的预设碰撞时间和车头时距确定的第一位置。可以理解的是,“至少一个障碍物与自车的行驶行为会发生冲突”在指电子装置根据智能驾驶算法预测出的会与自车的驾驶行为发生冲突的至少一个障碍物。
在该设计中,从自车周围的障碍物中确定至少一个障碍物之后,还可以进一步根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,在至少一个障碍物中确定出目标障碍物,有效提升目标障碍物的准确率,进而使得后续根据目标障碍物的信息对刹车事件的评估更准确。
在一种可能的设计中,根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,确定目标障碍物,包括:在至少一个障碍物中确定第一候选集,第一候选集中包括与风险墙的距离最近的N个障碍物,和/或,与自车的距离最近的M个障碍物;N和M均为正整数;在第一候选集中确定第二候选集,第二候选集中包括会对自车产生冲突的障碍物;确定第二候选集中与自车的冲突系数最大的障碍物为目标障碍物。在本申请实施例中,冲突系数可以理解为障碍物在第一时间段内与自车发生冲突的概率。
在该设计中,提供了多种目标障碍物的方式,并且将与自车的冲突系数最大的障碍物确定为目标障碍物,使得目标障碍物更为准确。
在一种可能的设计中,可以根据第二候选集中的第一障碍物与自车之间的距离、以及自车的规划刹车量,确定第一障碍物在第一时间段内的至少一个子时间段内的风险系数,其中,第一障碍物在至少一个子时间段内的第一子时间段内的风险系数用于指示第一障碍物在第一子时间段中与自车发生碰撞的概率;其中,第一子时间段是至少一个子时间段中的任一个子时间段;基于第一障碍物在至少一个子时间段内的风险系数,确定第一障碍物与自车的冲突系数。在本申请实施例中,第一时间段包括至少一个子时间段,每个子时间段可以对应第一障碍物在该子时间段内的一个或多个图像帧。例如,可以将第一障碍物在至少一个子时间段内的多个风险系数的总和,作为第一障碍物与自车的冲突系数。又例如,可以将第一障碍物在至少一个子时间段内的多个风险系数的平均值,作为第一障碍物与自车的冲突系数。
在该设计中,可以基于第一障碍物与自车之间的距离、以及自车的规划刹车量,确定第一障碍物在第一时间段内的至少一个子时间段内的风险系数,并根据至少一个子时间段内的风险系数,确定第一障碍物与自车的冲突系数,使得该冲突系数可以准确地表征障碍物在第一时间段内与自车发生冲突的概率,进而使得根据该冲突系数确定出的目标障碍物更为准确。
在一种可能的设计中,在根据目标障碍物的信息,评估刹车事件是否合理之前,所述方法还包括:获取目标障碍物的信息。
在一种可能的设计中,目标障碍物的信息包括目标障碍物的类型;其中,目标障碍物的类型可以是一种或多种。可以理解的是,在第一时间段内,电子装置通过目标检测算法对目标障碍物进行检测会得到一个或多个类型信息,因此电子装置获取目标障碍物的类型有多种情况,包括但不限于以下情况:
情况1:获取目标障碍物在第一时间段内的至少一个子时间段内对应的多种类型信息;将多种类型信息中出现频率最高的类型信息作为目标障碍物的类型信息。在本申请实施例中,“至少一个子时间段内对应的多种类型信息”可以是指至少一个子时间段中的一个子时间段或多个子时间段对应的多种类型信息。多种类型信息中出现频率最高的类型信息可以包括至少一个类型信息,例如可以是1个类型信息、2个类型信息、3个类型信息、或4个类型信息等中的任一项。在情况1中,对于目标障碍物被检测出多种类型信息的情况,可以将多种类型信息中出现频率最高的类型信息作为目标障碍物的类型信息,如此,使得后续根据目标障碍物的类型对刹车事件的合理性进行评估更准确。
情况2,获取目标障碍物在第一时间段内的至少一个子时间段内对应的类型信息只有一种,则将这种类型信息作为目标障碍物的类型信息。
在一种可能的设计中,目标障碍物的信息包括刹车事件的ODD判定结果的验证结果;相应的,获取目标障碍物的信息,包括:获取刹车事件在第一时间段内的至少一个子时间段内对应的ODD判定结果;其中,至少一个子时间段内对应的ODD判定结果用于指示刹车事件在至少一个子时间段内被判定为ODD外或ODD内;根据至少一个子时间段内对应的ODD判定结果,确定刹车事件的ODD判定结果的验证结果。其中,至少一个子时间段是根据自车的规划刹车量确定的,例如至少一个子时间段可以是第一时间段内自车的规划刹车量中最大的前n个子时间段。
在该设计中,在获取到刹车事件的ODD判定结果之后,还可以进一步验证ODD判定结果是否准确,有助于提升刹车事件评估的准确性。
在一种可能的设计中,根据至少一个子时间段内对应的ODD判定结果,确定刹车事件的ODD判定结果的验证结果,包括:若至少一个子时间段中的全部或部分子时间段对应的ODD判定结果指示刹车事件被判定为ODD外,则确定刹车事件被判定为ODD外属于正确判定;否则,确定刹车事件被判定为ODD外属于错误判定。
在该设计中,根据至少一个子时间段中的全部时间段对应的ODD判定结果,确定刹车事件的ODD判定结果的验证结果,使得确定出的刹车事件的ODD判定结果的验证结果更准确。以及,根据至少一个子时间段中的部分时间段对应的ODD判定结果,有效提升确定刹车事件的ODD判定结果的验证结果的效率。
在一种可能的设计中,目标障碍物的信息包括刹车事件的场景类型;获取目标障碍物的信息,包括:根据在第一时间段内的至少一个子时间段内刹车事件的场景被识别为通用场景和/或问题场景的频率,确定刹车事件的场景类型;其中,问题场景为目标障碍物与自车冲突的场景。
在该设计中,可以根据在第一时间段内的至少一个子时间段内刹车事件的场景被识别为通用场景和/或问题场景的频率,确定刹车事件的场景类型,有效提升刹车事件的场景类型的效率。
在一种可能的设计中,目标障碍物的信息包括验证标记,该验证标记用于指示是否需要通过第一方式验证刹车事件的合理性;相应的,获取目标障碍物的信息,包括:确定目标障碍物在第一时间段内第一次出现时,目标障碍物与自车之间的第一距离;根据第一距离和第二距离,确定验证标记。其中,第二距离是与自车的车身长度关联的距离,例如第二距离可以是车身长度,又例如第二距离可以是车身长度的1.5倍。
在该设计中,可以确定目标障碍物在第一时间段内第一次出现时,目标障碍物与自车之间的第一距离,并根据与自车的车身长度关联的第二距离和第一距离,确定验证标记,该验证标记用于指示是否需要通过第一方式验证刹车事件的合理性。如此,便于用户后续对刹车事件再次核验,进一步提升刹车事件的评估准确率。
在一种可能的设计中,目标障碍物的信息包括目标障碍物的感知检测结果;其中,目标障碍物的感知检测结果包括目标障碍物被检测出的宽度和目标障碍物被检测出的相对于自车的朝向;根据目标障碍物的信息,评估刹车事件是否合理,并控制提示装置输出提示信息,包括:如果目标障碍物的感知检测结果在第一时间段内满足第一条件,认为刹车事件不合理;控制提示装置输出提示信息,提示信息用于指示刹车事件不合理,以及指示目标障碍物的感知检测结果不准确。
在该设计中,通过判断目标障碍物的感知检测结果是否准确,来判断刹车事件是否合理,可以有效提升刹车事件评估的准确率。
其中,第一条件可以包括但不限于:检测确定的目标障碍物相对于自车的朝向的偏转角度的变化值大于第二阈值;和/或,检测确定的目标障碍物的宽度变化值大于第三阈值。可以理解的是,第二阈值或第三阈值可以是一个或多个阈值,例如第二阈值包括阈值1和阈值2,第三阈值包括阈值3和阈值4。
在本申请实施例中,目标障碍物相对于自车的朝向的偏转角度的变化值可以为以下一项或多项:第一时间段内的任意两个相邻的子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值,或者,第一时间段内的多个子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值的平均值,或者,第一时间段内的多个子时间段内目标障碍物相对于自车的朝向的累积来回偏转角度(向左转、向右转)的累计变化值。相应的,若第二阈值包括阈值1、阈值2和阈值3,第一条件可以是第一时间段内的任意两个相邻的子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值大于阈值1,或者,第一条件可以是一时间段内的多个子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值的平均值大于阈值2,或者,第一条件可以是目标障碍物相对于自车的朝向的偏转角度的变化值可以是第一时间段内的多个相邻的子时间段内目标障碍物相对于自车的朝向的累积来回偏转角度(向左转、向右转)的累计变化值大于阈值3。
在本申请实施例中,检测确定的目标障碍物的宽度变化值为以下一项或多项:第一时间段内的多个子时间段内目标障碍物被检测出的宽度之间的差值,和/或,第一时间段内的多个子时间段内目标障碍物被检测出的宽度变大或变小的累计变化值。相应的,若第三阈值包括阈值4和阈值5,第一条件可以是第一时间段内的任意多个子时间段内目标障碍物被检测出的宽度之间的差值大于阈值4,和/或,第一条件可以是第一时间段内的多个子时间段内目标障碍物被检测出的宽度变大或变小的累计变化值大于阈值5。
在一种可能的设计中,目标障碍物的信息包括目标障碍物在第一时间段内的入侵预测轨迹,入侵预测轨迹为目标障碍物入侵自车所在车道的行驶轨迹;根据目标障碍物的信息,评估刹车事件是否合理,并控制提示装置输出提示信息,包括:若入侵预测轨迹在第一时间段内满足第二条件,认为刹车事件不合理;控制提示装置输出提示信息,提示信息用于指示刹车事件不合理,以及用于指示入侵预测轨迹预测错误。
在该设计中,通过判断目标障碍物的入侵预测轨迹是否预测准确,来判断刹车事件是否合理,可以有效提升刹车事件评估的准确率。
其中,第二条件可以包括但不限于以下至少一项:入侵预测轨迹指示目标障碍物在第一时间段内的第二子时间段存在入侵意图,但在第一时间段内的第三子时间段不存在入侵意图,或者,入侵预测轨迹指示目标障碍物在第一时间段内的第四子时间段不存在入侵意图,但在第一时间段内的第五子时间段存在入侵意图;或者,若入侵预测轨迹指示目标障碍物横向移动的距离小于第四阈值;和/或,指示目标障碍物在第一时间段内的第四子时间段不存在入侵意图,但在第一时间段内的第五子时间段存在入侵意图;其中,入侵意图为目标障碍物入侵自车所在车道的意图。
第二方面,本申请实施例还提供了一种电子装置。作为一种示例,该装置包括:
获取模块,用于获取刹车事件对应的第一数据,第一数据包括自车在第一时间段内的行为信息以及自车周围的障碍物的信息;其中,在第一时间段内,自车的减速度小于第一阈值;
处理模块,用于根据行为信息和障碍物的信息,从自车周围的障碍物中确定目标障碍物;
处理模块,还用于根据目标障碍物的信息,评估刹车事件是否合理;以及,控制提示装置输出提示信息,提示信息用于指示刹车事件是否合理。
在一种可能的设计中,处理模块具体用于:根据行为信息和障碍物的信息,从自车周围的障碍物中确定至少一个障碍物,至少一个障碍物与自车的行驶行为会发生冲突;根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,确定目标障碍物,其中,风险墙是根据自车的预设碰撞时间和车头时距确定的第一位置。
在一种可能的设计中,处理模块用于根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,确定目标障碍物,包括:在至少一个障碍物中确定第一候选集,第一候选集中包括与风险墙的距离最近的N个障碍物,和/或,与自车的距离最近的M个障碍物;N和M均为正整数;在第一候选集中确定第二候选集,第二候选集中包括会对自车产生冲突的障碍物;确定第二候选集中与自车的冲突系数最大的障碍物为目标障碍物。
在一种可能的设计中,处理模块还用于:根据第二候选集中的第一障碍物与自车之间的距离、以及自车的规划刹车量,确定第一障碍物在第一时间段内的至少一个子时间段内的风险系数,其中,第一障碍物在至少一个子时间段内的第一子时间段内的风险系数用于指示第一障碍物在第一子时间段中与自车发生碰撞的概率;其中,第一子时间段是至少一个子时间段中的任一个子时间段;基于第一障碍物在至少一个子时间段内的风险系数,确定第一障碍物与自车的冲突系数。
在一种可能的设计中,在处理模块根据目标障碍物的信息,评估刹车事件是否合理之前,获取模块还用于获取目标障碍物的信息。
在一种可能的设计中,目标障碍物的信息包括目标障碍物的类型;获取模块,还用于获取目标障碍物在第一时间段内的至少一个子时间段内对应的多种类型信息;处理模块,还用于将多种类型信息中出现频率最高的类型信息作为目标障碍物的类型信息。
在一种可能的设计中,目标障碍物的信息包括刹车事件的ODD判定结果的验证结果;获取模块,还用于获取刹车事件在第一时间段内的至少一个子时间段内对应的ODD判定结果;其中,至少一个子时间段是根据自车的规划刹车量确定的;其中,至少一个子时间段内对应的ODD判定结果用于指示刹车事件在至少一个子时间段内被判定为ODD外或ODD 内;处理模块,还用于根据至少一个子时间段内对应的ODD判定结果,确定刹车事件的 ODD判定结果的验证结果。
在一种可能的设计中,处理模块用于根据至少一个子时间段内对应的ODD判定结果,确定刹车事件的ODD判定结果的验证结果,包括:若至少一个子时间段中的全部或部分子时间段对应的ODD判定结果指示刹车事件被判定为ODD外,则处理模块确定刹车事件被判定为ODD外属于正确判定;否则,处理模块确定刹车事件被判定为ODD外属于错误判定。
在一种可能的设计中,目标障碍物的信息包括刹车事件的场景类型;处理模块,还用于根据在第一时间段内的至少一个子时间段内刹车事件的场景被识别为通用场景和/或问题场景的频率,确定刹车事件的场景类型;其中,问题场景为目标障碍物与自车冲突的场景。
在一种可能的设计中,目标障碍物的信息包括验证标记,验证标记用于指示是否需要通过第一方式验证刹车事件的合理性;处理模块,还用于确定目标障碍物在第一时间段内第一次出现时,目标障碍物与自车之间的第一距离;根据第一距离和第二距离,确定验证标记;其中,第二距离是与自车的车身长度关联的距离。
在一种可能的设计中,目标障碍物的信息包括目标障碍物的感知检测结果;其中,目标障碍物的感知检测结果包括目标障碍物被检测出的宽度和目标障碍物被检测出的相对于自车的朝向;如果目标障碍物的感知检测结果在第一时间段内满足第一条件,认为刹车事件不合理;处理模块,还用于控制提示装置输出提示信息,提示信息用于指示刹车事件不合理,以及指示目标障碍物的感知检测结果不准确。
在一种可能的设计中,目标障碍物的信息包括目标障碍物在第一时间段内的入侵预测轨迹,入侵预测轨迹为目标障碍物入侵自车所在车道的行驶轨迹;若入侵预测轨迹在第一时间段内满足第二条件,认为刹车事件不合理;处理模块,还用于控制提示装置输出提示信息,提示信息用于指示刹车事件不合理,以及用于指示入侵预测轨迹预测错误。
其中,第一条件和第二条件请参见前文的相关描述,这里不再赘述。
第三方面,本申请实施例还提供了一种车辆,包括第二方面以及第二方面任一可能的设计中所述的装置,用以实现上述第一方面或第一方面的任一种可能的设计中的方法。
第四方面,本申请提供一种计算设备,包括处理器,处理器与存储器相连,存储器存储计算机程序或指令,处理器用于执行存储器中存储的计算机程序或指令,以使得计算设备执行上述第一方面以及第一方面的任一种可能的设计中所述的方法。
第五方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序或指令,当该计算机程序或指令被执行时,使得计算机执行上述第一方面以及第一方面的任一种可能的设计中所述的方法。
第六方面,本申请提供一种计算机程序产品,当计算机执行计算机程序产品时,使得计算机执行上述第一方面以及第一方面的任一种可能的设计中所述的方法。
第七方面,本申请提供一种芯片,芯片与存储器相连,用于读取并执行存储器中存储的计算机程序或指令,以实现上述第一方面以及第一方面的任一种可能的设计中所述的方法。
对于,第二方面至第七方面的有益效果,请参见第一方面中的相应描述,这里不再赘述。
附图说明
图1A示例性示出本申请实施例中一种可能的刹车场景的示意图;
图1B示例性示出本申请实施例中另一种可能的刹车场景的示意图;
图1C示例性示出本申请实施例中另一种可能的刹车场景的示意图;
图1D示例性示出本申请实施例中另一种可能的刹车场景的示意图;
图1E示例性示出本申请实施例中另一种可能的刹车场景的示意图;
图1F示例性示出本申请实施例中另一种可能的刹车场景的示意图;
图1G示例性示出本申请实施例中另一种可能的刹车场景的示意图;
图2为本申请提供的一种电子装置的结构示意图;
图3为本申请提供的一种处理模块的组成示意图;
图4为本申请提供的第二种电子装置的结构示意图;
图5示例性示出本申请实施例提供的一种刹车事件的评估方法的流程示意图;
图6示例性示出本申请实施例提供的自车的实际刹车量和规划刹车量的示意图;
图7示例性示出本申请实施例提供的障碍物的风险系数的分析示意图;
图8示例性示出本申请实施例提供的目标障碍物相对于自车的朝向的偏转角度的变化示意图;
图9示例性示出本申请实施例提供的目标障碍物的宽度变化示意图;
图10示例性示出本申请实施例提供的入侵轨迹的示意图;
图11为本申请实施例提供的一种芯片系统的结构示意图。
具体实施方式
下面将结合附图,对本申请实施例进行详细描述。
在自动驾驶领域,经常会遇到自车与他车在行驶过程中,产生交互的情况。目前针对自车与他车进行交互的场景,主流的决策方法主要是自车基于他车的预测轨迹,得到一个决策方案,并基于该决策方案进行行驶。在实际情况中,假设如图1A所示,他车处于待左转状态,自车处于直行状态,按照正常左转让直行的规则,自车预测他车会让行自车,基于自车对他车的该种预测轨迹,得到的决策方案可能为自车加速,快速通过。然而,在实际交互过程中,他车在未来的行为不一定会按照该预测轨迹进行让行,若自车依旧按照之前得到的该决策方案进行行驶,则自车与他车发生碰撞或剐蹭的概率较大,自车安全通过的概率较低。另一方面,当自车于他车即将发生碰撞的情况下,自车或者驾驶员可能会紧急刹车(例如自车启动AEB(自动紧急刹车)功能以避免碰撞)。再一方面,由于自车预测结果和实际情况可能不符合,即使在同样的场景下,也有可能出现不同的结果,从而自动驾驶控制策略的泛化性较差。因此车辆的刹车事件可能出现误刹车的情况,因此需要对刹车事件进行评估,并根据刹车事件的评估结果对自动驾驶算法进行优化。
有鉴于此,本申请提供一种刹车事件的评估方法、装置及车辆,该方法包括:获取刹车事件对应的第一数据,第一数据包括自车在第一时间段内的行为信息以及自车周围的障碍物的信息;其中,在第一时间段内,自车的减速度小于第一阈值;根据行为信息和障碍物的信息,从自车周围的障碍物中确定目标障碍物;根据目标障碍物的信息,评估刹车事件是否合理,并控制提示装置输出提示信息,提示信息用于指示刹车事件是否合理。该方法可以有效提升刹车事件的评估效率和评估准确率,使得刹车事件的评估结果可以用于对智能驾驶算法进行优化,提升智能驾驶算法的性能;以及,可以控制提示装置输出用于指示刹车事件的评估结果的提示信息,便于用户对刹车事件进行溯源和分析。
可以理解的是,方法和装置是基于同一技术构思的,由于方法及装置解决问题的原理相似,因此装置与方法的实施可以相互参见,重复之处不再赘述。
其中,本申请实施例中的电子装置可用于支持车辆实现本申请实施例提供的刹车事件的评估方法。可选的,本申请实施例的电子装置可为车载设备、车载服务器、或车载芯片等。
其中,本申请实施例中车辆可以基于车辆与外界无线通信技术(例如,vehicle toeverything(V2X))与其它物体进行通信。例如,可以基于车辆间无线通信技术(例如,vehicle to vehicle(V2V))实现车辆与其它物体之间的通信。车辆与其它物体之间进行通信可以基于 Wi-Fi、第五代(5th generation,5G)移动通信技术、长期演进(long termevolution,LTE) 等进行通信。
业界关于自动驾驶汽车提出了分级标准,其中,国际自动机工程师学会(societyof automotive engineers international,SAE International)提出的驾驶自动化分级标准包括L0-L5 等六个级别。其中,对于驾驶自动化分级为L1-L2级的车辆,驾驶员支持系统能够为驾驶员提供一些支持功能,但是无论车辆的驾驶员支持功能是否已经开启,驾驶员都必须自己驾驶车辆,并且驾驶员需要时刻监督驾驶员支持系统提供的这些支持功能,以及驾驶员需要根据车辆的驾驶情况,控制车辆进行转向、制动、或加速中的任一项,以保证车辆行驶的安全。L0-L2级的支持功能的区别在于:L0级的支持功能仅限于提供警告和瞬时协助, L1级的支持功能为转向、制动或加速中的至少一项,L2级的支持功能为转向、制动、加速、全速自适应巡航、主动车道保持、或限速识别中的至少一项。驾驶自动化分级为L3级的车辆可以实现半自动驾驶,该车辆的自动驾驶系统既能完成某些驾驶任务,也能在某些情况下监控驾驶环境,但驾驶员需要随时准备重新取得驾驶控制权,例如当车辆的驾驶状态由自动驾驶状态切换为待用户接管状态时,驾驶员必须驾驶车辆。驾驶自动化分级为L4级的车辆可以实现高度自动驾驶,该车辆的自动驾驶系统在某些环境和特定条件下,能够完成驾驶任务并监控驾驶环境。驾驶自动化分级为L5级的车辆可以实现完全自动驾驶,该车辆的自动驾驶系统在所有条件下都能完成的所有驾驶任务。
本申请实施例提供的方案用于评估车辆的刹车事件的合理性,则本申请实施例的方案可以适用于驾驶自动化分级为L1-L5级的车辆。此外,应理解,根据实际使用的需要,本申请的技术方案也可以应用在飞行器、移动机器人等其他载具或交通工具。
首先,结合具体的附图对本申请中的涉及刹车场景进行相应说明。
在本申请实施例中,刹车场景分为问题场景和正常行驶场景。其中,正常行驶场景包括直行场景、转弯场景、或变道场景中的至少一项;问题场景包括跟车场景、插车(cutin)场景、横向博弈场景、纵向博弈场景、或纵向博弈场景中的至少一项。图1A示出了直行场景的示意图,该场景中自车沿着自车所在车道行驶,他车沿着预测轨迹行驶,且自车与他车存在碰撞的可能性,因此自车可能会刹车。图1B示出了转弯场景的示意图,该场景中自车从其所在车道转入他车所在的横向车道,他车左转弯,他车的预测行驶轨迹与自车的预测行驶轨迹无重叠,因此自车不需要刹车。图1C示出了变道场景的示意图,该场景中自车从其所在车道转入相邻车道,他车沿着其所在车道直行,他车的预测行驶轨迹与自车的预测行驶轨迹无重叠,因此自车不需要刹车。图1D示出了跟车场景的示意图,该场景中自车跟在他车后面,但他车突然停车,为避免与他车冲突,自车需要刹车。图1E示出了插车场景的示意图,该场景中他车从其所在车道插入自车所在车道,自车与他车存在碰撞的可能性,因此自车需要刹车。图1F示出了横向博弈场景的示意图,该场景中自车和他车在不同的车道行驶,他车将要横穿自车所在车道的场景,因此自车需要刹车。图1G示出了横向博弈场景的示意图,该场景中自车和他车在同一车道行驶,自车对他车作出向前错开(如图 1G中的(a)所示)或向后错开(如图1G中的(b)所示)的博弈,因此自车需要刹车。
示例性的,图2中的(a)示出了一种可能的电子装置的结构示意图,该结构可包括处理模块210、通信模块220。可选的,上述图2中(a)所示结构可以是车载设备,或具有本申请所示电子装置的功能部件。
可选的,如图2中的(b)所示,该电子装置中还可以包括用于采集感知信息的采集模块230。其中,本申请实施例中的采集模块可以包括摄像装置、雷达装置等用于信息采集功能的装置,雷达可以包括激光雷达、毫米波雷达、超声波雷达等。
在一种可能的实施方式中,通信模块220可以获取刹车事件对应的第一数据,所述第一数据包括自车在第一时间段内的行为信息以及所述自车周围的障碍物的信息;其中,在所述第一时间段内,所述自车的减速度小于第一阈值。
可以理解的,本申请实施例中的电子装置获取到的感知信息包括了自车的行为信息,以及自车周围的障碍物的信息。例如,本申请实施例的自车在第一时间段内的行为信息可以包括所述自车的位置,所述自车的速度,所述自车在所述第一时间段内的规划刹车量,所述自车在所述第一时间段内的实际刹车量,所述自车的行驶场景,所述刹车事件的类型,驾驶决策方案,或,所述自车的刹车时长中的一项或多项。又例如,第一数据中还可以包括自车所处的位置,自车当前的车轮转向,在自车阈值范围内的其他车辆的位置,其他车辆与自车的距离,在自车阈值范围内的道路边界的位置,道路边界与自车的距离等。
其中,本申请中该阈值范围可以是自车采集装置(例如,传感器等)的最大感知范围,例如,假设自车采集装置的感知范围是以该采集装置所在车辆自身为圆点,半径为200米所构成的圆形区域,则本申请中的阈值范围可以是以自车为圆点,半径为200米所构成的圆形区域。
可选的,如图2中的(c)所示,该电子装置中还可以包括执行模块240,用于执行该处理模块得到的决策方案。例如,当车辆处于自动驾驶状态时,执行模块通过电子装置中的通信模块获取到处理模块确定的决策方案后,根据该决策方案控制车辆进行行驶。可以理解的,当电子装置中不包括执行模块时,电子装置中的通信模块可以通过有线或无线连接的方式(例如,蓝牙连接,网络连接,或者接口电路等),将决策方案发送给电子装置外连的执行模块,从而使执行模块根据该决策方案控制车辆自动驾驶。
可选的,如图2中的(d)所示,电子装置还可以包含存储模块250,用于存储一个或多个程序以及数据信息;其中所述一个或多个程序包括指令。可选的,如图2中的(e)所示,电子装置还可以包含显示屏幕260,显示屏幕260可以实时显示用于指示刹车事件是否合理的提示信息。
当该结构是车载设备或其他电子设备时,采集模块230可包括摄像装置、雷达装置等用于支持感知信息采集功能的装置;处理模块210可以是处理器,例如,中央处理单元(central processing unit,CPU);采集模块230可以通过通信模块220与处理模块210进行通信;处理模块210可以根据获取到的自车在第一时间段内的行为信息以及自车周围的障碍物的信息,执行本申请提供的刹车事件的评估方法。
当该结构是具有本申请所示电子装置的功能部件时,采集模块230可包括摄像装置、传感装置以及雷达装置等用于支持感知信息采集功能的装置;处理模块210可以是处理器;采集模块230可以通过通信模块220与处理模块210进行通信;处理模块210可以根据获取到的自车在第一时间段内的行为信息以及自车周围的障碍物的信息,执行本申请提供的刹车事件的评估方法。
当该结构是芯片或芯片系统时,采集模块230可以是被芯片控制的摄像装置、传感装置以及雷达装置中的一种或多种;处理模块210可以是芯片的处理器,可以包括一个或多个中央处理单元。应理解,本申请实施例中的处理模块210可以由处理器或处理器相关电路组件实现,采集模块230可以由摄像装置、传感装置以及雷达装置等相关的采集装置实现。
其中,处理模块210可以用于执行本申请任一实施例中由电子装置执行刹车事件的评估方法的全部操作,例如根据获取到的自车在第一时间段内的行为信息以及自车周围的障碍物的信息,从自车周围的障碍物中确定目标障碍物;以及根据目标障碍物的信息,评估刹车事件是否合理,并控制提示装置输出提示信息,该提示信息用于指示刹车事件是否合理。
该处理模块210获取到的自车在第一时间段内的行为信息以及自车周围的障碍物的信息,可以是来自于外接的传感器或摄像器采集到的图像信息,声音信息中的一种或多种;或者,该处理模块210获取到的自车在第一时间段内的行为信息以及自车周围的障碍物的信息,可以是来自于自身传感器或摄像器采集到的图像信息,声音信息中的一种或多种。
处理模块210可以包括多个功能模块,例如,如图3所示,处理模块中包括的多个功能模块可以分别为获取模块、评估模块和控制模块。其中,获取模块用于感知信息的自车在第一时间段内的行为信息以及自车周围的障碍物的信息,为下游模块建立道路,障碍物,博弈目标等构成的世界模型,评估模块能够根据自车在第一时间段内的行为信息以及自车周围的障碍物的信息,对刹车事件进行评估,控制模块能够控制提示装置输出提示信息,该提示信息用于指示刹车事件是否合理。
图4示出了另一种电子装置的结构示意图,用于执行本申请实施例提供的由电子装置执行的动作。如图4所示,电子装置可包括处理器、存储器、接口电路。
此外,电子装置还可以包括其他组件,例如采集装置等。处理器主要用于实现本申请实施例提供的处理操作,例如对获取到的自车在第一时间段内的行为信息以及自车周围的障碍物的信息进行分析处理。存储器主要用于存储软件程序和数据。采集装置可用于采集自车在第一时间段内的行为信息以及自车周围的障碍物的信息等。接口电路可用于支持电子装置的通信,例如,当采集装置采集到自车在第一时间段内的行为信息以及自车周围的障碍物的信息后,可以通过接口电路将采集到自车在第一时间段内的行为信息以及自车周围的障碍物的信息发送给处理器。接口电路可包括收发器或输入输出接口。
进一步的,本领域普通技术人员可知,随着车辆架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。应理解,图2至图4仅为便于理解而示例的简化示意图,该系统架构中还可以包括其他设备或者还可以包括其他单元模块。
下面结合图5对本申请实施例提供的方法进行说明。该方法可由电子装置执行。其中,该电子装置可以包括处理装置,通信装置。处理装置可以是现场可编程门阵列(fieldprogrammable gate array,FPGA),可以是专用集成芯片(application specificintegrated circuit, ASIC),还可以是中央处理器(central processor unit,CPU)等。电子装置可包括图2至图 4所示的任意一个或多个结构。
本申请实施例中提供的方法可以用于评估车辆在自动驾驶状态下的刹车事件,或者辅助驾驶状态下的刹车事件的合理性。该方法包括:
S501、电子装置获取刹车事件对应的第一数据。
其中,第一数据包括自车在第一时间段内的行为信息以及自车周围的障碍物的信息。
在本申请实施例中,在第一时间段内,自车的减速度小于第一阈值。也就是说,第一时间段是刹车事件发生的时间内自车的减速度的小于第一阈值的时间段。在一些可能的实施例中,第一阈值例如可以是-3m/S5、-2.5m/S5、或-3.5m/S5中的任一项。
在一种可能的实施方式中,自车在第一时间段内的行为信息包括以下至少一项:自车的位置,自车的速度,自车在第一时间段内的规划刹车量,自车在第一时间段内的实际刹车量,自车的行驶场景,刹车事件的类型,驾驶决策方案,或,自车的刹车时长。其中,自车的位置包括自车在第一时间段内的一个或多个时刻对应的位置。类似的,自车的速度包括自车在第一时间段内的一个或多个时刻对应的速度,以及,自车的减速度包括自车在第一时间段内的一个或多个时刻对应的减速度。自车在第一时间段内的规划刹车量是电子装置通过驾驶决策算法为自车规划的刹车量,自车在第一时间段内的实际刹车量是自车发生刹车事件时实际执行的刹车量。其中,自车的行驶场景可以包括变道、直行、或转弯中的至少一项。刹车事件的类型可以包括自动紧急制动(Autonomous Emergency Braking,AEB) 和/或普通刹车。其中,驾驶决策方案可以理解为电子装置基于智能驾驶算法为自车规划的驾驶决策方案,例如对目标障碍物作出的避让决策。自车的刹车时长可以理解刹车事件的持续时长,该刹车时长可以大于或等于第一时间段对应的时长。
其中,刹车量是指车辆的减速度,图6中的(a)示出了自车在第一时间段内的实际刹车量,图6中的(b)示出了自车在第一时间段内的规划刹车量。
可以理解的是,自车周围的障碍物的信息即自车的感知信息,可以包括障碍物的位置信息、障碍物的行为信息(例如速度和加速度)、或图像信息中的任一项。该感知信息可以基于车辆的车载感知装置所获取,车载感知装置可以包括例如但不限于激光雷达、毫米波雷达、超声波雷达、摄像头等;感知信息还可以由例如V2X(Vehicle to Everything),V2V(Vehicle to Vehicle)或V2I(Vehicle to Infrastructure)等方式获得。示例性的,可以通过电子装置中的采集装置获取感知信息,采集装置可以通过与该电子装置中的处理装置连接的接口电路,将感知信息发送给处理装置;或者,可以通过电子装置外连的采集装置获取感知信息,采集装置可以通过有线或无线连接的方式,将感知信息发送给电子装置中的处理装置。可选的,所述处理装置可以根据感知信息获取自车的行为信息(例如驾驶决策方案、自车在第一时间段内的规划刹车量、自车在第一时间段内的实际刹车量等)。
S502、电子装置根据自车的行为信息和障碍物的信息,从自车周围的障碍物中确定目标障碍物。
在一种可能的实施方式中,电子装置根据自车的行为信息和障碍物的信息,从自车周围的障碍物中确定目标障碍物,包括:电子装置根据行为信息和障碍物的信息,从自车周围的障碍物中确定至少一个障碍物,该至少一个障碍物与自车的行驶行为会发生冲突;根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,确定目标障碍物。可以理解的是,“至少一个障碍物与自车的行驶行为会发生冲突”在指电子装置根据智能驾驶算法预测出的会与自车的驾驶行为发生冲突的至少一个障碍物。如此,从自车周围的障碍物中确定至少一个障碍物之后,还可以进一步根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,在至少一个障碍物中确定出目标障碍物,有效提升目标障碍物的准确率,进而使得后续根据目标障碍物的信息对刹车事件的评估更准确。
其中,风险墙是根据自车的预设碰撞时间和车头时距确定的第一位置。预设碰撞时间例如可以是纵向碰撞时间(Time to collision,TTC),车头时距是指在同一车道上行驶的车辆队列中,两连续车辆车头端部通过某一断面的时间间隔。可以理解的是,在第一位置与车辆之间,自车与障碍物发生碰撞的概率较大;在第一位置与车辆之外,自车与障碍物发生碰撞的概率较小。例如,第一位置可以是与车辆距离10米的位置,因此自车与障碍物的距离小于10米,则自车与障碍物发生碰撞的概率较大;自车与障碍物的距离大于10米,则自车与障碍物发生碰撞的概率较小。
在一些可能实施例中,电子装置可以通过预设的目标识别算法对行为信息和障碍物的信息进行处理,从自车周围的障碍物中确定4个预测会自车的驾驶行为的发生冲突的障碍物,并根据这4个障碍物与自车的风险墙的距离和/或与自车的距离,在这4个障碍物中确定目标障碍物。
在一些可能的实施例中,自车的行为信息以自车的位置信息为例,障碍物的信息以障碍物的位置信息为例,电子装置可以确定出自车与自车周围的障碍物之间的距离,并根据自车与自车周围的障碍物之间的距离,从自车周围的障碍物中确定出会与自车的行驶行为发生冲突的至少一个障碍物;进一步的,根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,确定目标障碍物。
在一种可能的实施方式中,电子装置根据至少一个障碍物与自车的风险墙的距离和/或与自车的距离,确定目标障碍物,包括:在至少一个障碍物中确定第一候选集,第一候选集中包括与风险墙的距离最近的N个障碍物,和/或,与自车的距离最近的M个障碍物;N和M均为正整数;在第一候选集中确定第二候选集,第二候选集中包括会对自车产生冲突的障碍物;确定第二候选集中与自车的冲突系数最大的障碍物为目标障碍物。在本申请实施例中,冲突系数可以理解为障碍物在第一时间段内与自车发生冲突的概率。如此,提供了多种目标障碍物的方式,并且将与自车的冲突系数最大的障碍物确定为目标障碍物,使得目标障碍物更为准确。
在一种可能的实施例中,至少一个障碍物以10个障碍物为例,将这10个障碍物中与风险墙的距离最近的3个障碍物作为第一候选集,且第一候选集中存在预测会对自车产生冲突的2个障碍物,将这2个障碍物作为第二候选集,并将这2个障碍物中与自车的冲突系数最大的障碍物为目标障碍物。
在另一种可能的实施例中,至少一个障碍物以10个障碍物为例,将这10个障碍物中与风险墙的距离最近的3个障碍物作为第一候选集,且第一候选集中存在预测会对自车产生冲突的1个障碍物,将这1个障碍物作为第二候选集,并将这1个障碍物的冲突系数最大的障碍物为目标障碍物。
在另一种可能的实施例中,至少一个障碍物以10个障碍物为例,将这10个障碍物中与自车的距离最近的4个障碍物作为第一候选集,且第一候选集中存在预测会对自车产生冲突的2个障碍物,将这2个障碍物作为第二候选集,并将这2个障碍物中与自车的冲突系数最大的障碍物为目标障碍物。
在另一种可能的实施例中,至少一个障碍物以10个障碍物为例,将这10个障碍物中与自车的距离最近的4个障碍物、以及这10个障碍物中与风险墙的距离最近的3个障碍物作为第一候选集,且第一候选集中存在预测会对自车产生冲突的4个障碍物,将这4个障碍物作为第二候选集,并将这4个障碍物中与自车的冲突系数最大的障碍物为目标障碍物。
其中,电子装置可以根据第二候选集中的第一障碍物与自车之间的距离、以及自车的规划刹车量,确定第一障碍物在第一时间段内的至少一个子时间段内的风险系数,其中,第一障碍物在至少一个子时间段内的第一子时间段内的风险系数用于指示第一障碍物在第一子时间段中与自车发生碰撞的概率;其中,第一子时间段是至少一个子时间段中的任一个子时间段;基于第一障碍物在至少一个子时间段内的风险系数,确定第一障碍物与自车的冲突系数。如此,使得该冲突系数可以准确地表征障碍物在第一时间段内与自车发生冲突的概率,进而使得根据该冲突系数确定出的目标障碍物更为准确。
在本申请实施例中,第一时间段包括至少一个子时间段,每个子时间段可以对应第一障碍物在该子时间段内的一个或多个图像帧。例如,可以将第一障碍物在至少一个子时间段内的多个风险系数的总和,作为第一障碍物与自车的冲突系数。又例如,可以将第一障碍物在至少一个子时间段内的多个风险系数的平均值,作为第一障碍物与自车的冲突系数。在一种可能的实施例中,至少一子时间段以10个子时间段为例,电子装置可以计算第一障碍物在这10个子时间段中每个子时间段对应的风险系数,将这10个子时间段对应的风险系数相加得到第一障碍物的冲突系数,或者,将这10个子时间段对应的风险系数的平均值作为第一障碍物的冲突系数。如图7所示,在计算障碍物1和障碍物2的冲突系数时,电子装置可以根据障碍物1在连续的100个子时间段中的每一帧自车对应的风险系数,确定障碍物1的冲突系数;以及电子装置可以根据障碍物2在连续的100个子时间段中的每一帧自车对应的风险系数,确定障碍物2的冲突系数。
在一种可能的实施方式中,至少一个子时间段中的第一子时间段的风险系数=自车在第一子时间段的刹车量/第一障碍物与自车之间的距离,相应的,第一障碍物的风险系数可以根据如下公式确定:
/>
其中,ScoreObj为第一障碍物的风险系数,seqstart为至少一个子时间段中的第一个子时间段、seqend为至少一个子时间段中的第二个子时间段,ai为自车在第i个子时间段的规划刹车量,dObj为第i个子时间段内第一障碍物与自车之间的距离。
S503、电子装置根据目标障碍物的信息,评估刹车事件是否合理。
可以理解的是,电子装置在根据目标障碍物的信息控制提示装置输出提示信息之前,电子装置还需要获取目标障碍物的信息。
在本申请实施例中,目标障碍物的信息包括但不限于目标障碍物的类型、刹车事件的运行设计域(Operational Design Domain,ODD)判定结果的验证结果、刹车事件的场景类型、或验证标记中的一项或多项。
其中,目标障碍物的类型为电子装置通过目标检测算法识别出的目标障碍物的类型;刹车事件的ODD判定结果的验证结果用于指示刹车事件的ODD判定结果是否准确;刹车事件的场景类型是电子装置通可以过场景识别算法对刹车事件的场景进行识别得到的,例如可以是图1A-图1G所示的场景。其中,验证标记用于指示是否需要通过第一方式验证刹车事件的合理性。第一方式可以是人工验证的方式或者通过其他的自动驾驶功能验证系统再次验证的方式。
ODD是指自动驾驶系统功能设定的运行条件。每个自动驾驶系统运行的前提条件及适用范围可能都不太一样,只有当全部条件都满足时自动驾驶才能保证正常运行,相反欠缺任何一个前提条件,自动驾驶系统都有可能出现故障,这时就需要采取紧急停车措施或是驾驶员手动接管。自动驾驶ODD包括但不限于天气条件、区域和时段限制、速度区间、交通流量及道路特征等。
相应的,电子装置获取目标障碍物的信息,有多种实现方式,包括但不限于以下方式:
实施方式1,目标障碍物的信息包括目标障碍物的类型;其中,目标障碍物的类型可以是一种或多种。可以理解的是,在第一时间段内,电子装置通过目标检测算法对目标障碍物进行检测会得到一个或多个类型信息,因此电子装置获取目标障碍物的类型有多种情况,包括但不限于以下情况:
情况1,获取目标障碍物在第一时间段内的至少一个子时间段内对应的多种类型信息;将多种类型信息中出现频率最高的类型信息作为目标障碍物的类型信息。在本申请实施例中,“至少一个子时间段内对应的多种类型信息”可以是指至少一个子时间段中的一个子时间段或多个子时间段对应的多种类型信息。多种类型信息中出现频率最高的类型信息可以包括至少一个类型信息,例如可以是1个类型信息、2个类型信息、3个类型信息、或4个类型信息等中的任一项。在情况1中,对于目标障碍物被检测出多种类型信息的情况,可以将多种类型信息中出现频率最高的类型信息作为目标障碍物的类型信息,如此,使得后续根据目标障碍物的类型对刹车事件的合理性进行评估更准确。在一种可能的实施例中,至少一个子时间段以1个子时间段为例,多种类型信息以2种类型信息为例,且这个子时间段对应2种类型信息,则电子装置将2种类型信息中出现频率最高的类型信息作为目标障碍物的类型信息。
情况2,获取目标障碍物在第一时间段内的至少一个子时间段内对应的类型信息只有一种,则将这种类型信息作为目标障碍物的类型信息。在一种可能的实施例中,至少一个子时间段以10个子时间段为例,多种类型信息以10种类型信息为例,1个子时间段对应一种类型信息,则电子装置将这10种类型信息中出现频率最高的类型信息作为目标障碍物的类型信息。
实施方式2,目标障碍物的信息包括刹车事件的ODD判定结果的验证结果;相应的,电子装置获取目标障碍物的信息,包括:获取刹车事件在第一时间段内的至少一个子时间段内对应的ODD判定结果;其中,至少一个子时间段是根据自车的规划刹车量确定的;其中,至少一个子时间段内对应的ODD判定结果用于指示刹车事件在至少一个子时间段内被判定为ODD外或ODD内;根据至少一个子时间段内对应的ODD判定结果,确定刹车事件的ODD判定结果的验证结果。其中,至少一个子时间段是根据自车的规划刹车量确定的,例如至少一个子时间段可以是第一时间段内自车的规划刹车量中最大的前n个子时间段。如此,在获取到刹车事件的ODD判定结果之后,还可以进一步验证ODD判定结果是否准确,有助于提升刹车事件评估的准确性。
其中,ODD判定结果包括ODD内和ODD外,刹车事件被判定为ODD内即刹车事件满足自动驾驶系统功能设定的运行条件,刹车事件被判定为ODD外即刹车事件不满足自动驾驶系统功能设定的运行条件。
在一种可能的实施方式中,电子装置根据至少一个子时间段内对应的ODD判定结果,确定刹车事件的ODD判定结果的验证结果,包括:若至少一个子时间段中的全部或部分子时间段对应的ODD判定结果指示刹车事件被判定为ODD外,则确定刹车事件被判定为 ODD外属于正确判定;否则,确定刹车事件被判定为ODD外属于错误判定。类似的,在另一种可能的实施方式中,若至少一个子时间段中的全部或部分子时间段对应的ODD判定结果指示刹车事件被判定为ODD内,则确定刹车事件被判定为ODD内属于正确判定;否则,确定刹车事件被判定为ODD外属于错误判定。如此,根据至少一个子时间段中的全部时间段对应的ODD判定结果,确定刹车事件的ODD判定结果的验证结果,使得确定出的刹车事件的ODD判定结果的验证结果更准确。以及,根据至少一个子时间段中的部分时间段对应的ODD判定结果,有效提升确定刹车事件的ODD判定结果的验证结果的效率。
在一种可能的实施例中,至少一个子时间段是第一时间段内为自车的规划刹车量中的刹车量最大的前10个子时间段,若刹车事件在这10个子时间段内的ODD判断结果均指示刹车事件被判定为ODD外,则电子装置确定刹车事件被判定为ODD外属于正确判定;否则,电子装置确定刹车事件被判定为ODD外属于错误判定。
在另一种可能的实施例中,至少一个子时间段是第一时间段内为自车的规划刹车量中的刹车量最大的前8个子时间段,刹车事件在这个8个子时间段中的5个或5个以上子时间段内的ODD判断结果指示刹车事件被判定为ODD外,则电子装置确定刹车事件被判定为ODD外属于正确判定;否则,电子装置确定刹车事件被判定为ODD外属于错误判定。
在另一种可能的实施例中,至少一个子时间段是第一时间段内为自车的规划刹车量中的刹车量最大的前5个子时间段,刹车事件在这个5个子时间段中的3个或3个以上子时间段内的ODD判断结果指示刹车事件被判定为ODD外,则电子装置确定刹车事件被判定为ODD外属于正确判定;否则,电子装置确定刹车事件被判定为ODD外属于错误判定。
实施方式3,目标障碍物的信息包括刹车事件的场景类型,相应的,电子装置获取目标障碍物的信息,包括:根据在第一时间段内的至少一个子时间段内刹车事件的场景被识别为通用场景和/或问题场景的频率,确定刹车事件的场景类型。如此,可以有效提升刹车事件的场景类型的效率。
在一种可能的实施例中,至少一个子时间段内以1个子时间段为例,若这个子时间段内刹车事件的场景均被识别为通用场景,则电子装置确定刹车事件的场景类型为通用场景。
在另一种可能的实施例中,至少一个子时间段内以1个子时间段为例,若这个子时间段内刹车事件的场景均被识别为问题场景,则电子装置确定刹车事件的场景类型为问题场景。
在另一种可能的实施例中,至少一个子时间段内以1个子时间段为例,若这个子时间段内刹车事件的场景被识别为问题场景的次数是12次,以及刹车事件的场景被识别为问题场景的次数是3次,则电子装置确定刹车事件的场景类型为问题场景。
在一种可能的实施例中,至少一个子时间段内以10个子时间段为例,若这10个子时间段内的每个子时间段内,刹车事件的场景均被识别为通用场景,则电子装置确定刹车事件的场景类型为通用场景。
在另一种可能的实施例中,至少一个子时间段内以10个子时间段为例,若这10个子时间段的每个子时间段内,刹车事件的场景均被识别为问题场景,则电子装置确定刹车事件的场景类型为问题场景。
在另一种可能的实施例中,至少一个子时间段内以10个子时间段为例,若这10个子时间段的每个子时间段内,刹车事件的场景被识别为问题场景的次数是8次,以及刹车事件的场景被识别为问题场景的次数是2次,则电子装置确定刹车事件的场景类型为问题场景。
请参见图1A-图1G在本申请实施例中,通用场景例如可以是直行场景、变道场景、或转弯场景中的任一项;问题场景为目标障碍物与自车冲突的场景,问题场景例如可以是跟车场景、插车场景、横向博弈场景、或纵向博弈场景中的一项或多项;通用场景为自车的正常行驶场景。在一种可能的实施例中,至少一个子时间段内以10个子时间段为例,若这10个子时间段的每个子时间段内,刹车事件的场景被识别为插车场景的次数是8次,以及刹车事件的场景被识别为跟车场景的次数是2次,则电子装置确定刹车事件的场景类型为跟车场景。在另一种可能的实施例中,至少一个子时间段内以1个子时间段为例,若这个子时间段内刹车事件的场景被识别为横向博弈场景的次数是5次,以及刹车事件的场景被识别为跟车场景的次数是1次,则电子装置确定刹车事件的场景类型为横向博弈场景。
实施方式4,目标障碍物的信息包括验证标记,该验证标记用于指示是否需要通过第一方式验证刹车事件的合理性;相应的,电子装置获取目标障碍物的信息,包括:确定目标障碍物在第一时间段内第一次出现时,目标障碍物与自车之间的第一距离;根据第一距离和第二距离,确定验证标记。其中,第二距离是与自车的车身长度关联的距离,例如第二距离可以是自车的车身长度,又例如第二距离可以是自车的车身长度的1.5倍。例如,第一距离大于或等于第二距离时,该验证标记用于指示需要通过第一方式验证刹车事件的合理性。又例如,第一距离小于第二距离时,验证标记用于指示不需要通过第一方式验证刹车事件的合理性。如此,便于用户后续对刹车事件再次核验,进一步提升刹车事件的评估准确率。
S504、电子装置控制提示装置输出提示信息,该提示信息用于指示刹车事件是否合理。
在本申请实施例中,提示信息还可以用于指示以下至少一项:目标障碍物的标识,目标障碍物的类型,刹车事件的场景类型,刹车事件的类型,自车在第一时间段内的实际刹车量,自车的刹车时长,刹车事件的运行设计域ODD判定结果的验证结果,目标障碍物的感知检测结果的验证结果,目标障碍物的入侵预测轨迹的验证结果,或,验证标记。其中,目标障碍物的感知检测结果包括目标障碍物被检测出的宽度和目标障碍物被检测出的相对于自车的朝向;入侵预测轨迹为目标障碍物入侵自车所在车道的行驶轨迹;刹车事件的ODD判定结果的验证结果用于指示刹车事件的ODD判定结果是否准确;目标障碍物的感知检测结果的验证结果用于指示目标障碍物的感知检测结果是否准确;目标障碍物的入侵预测轨迹的验证结果用于指示目标障碍物的入侵预测轨迹是否预测正确;验证标记用于指示是否需要通过第一方式验证刹车事件的合理性。如此,上述提示信息还可以用于指示多项信息,进一步有助于用户对刹车事件进行溯源分析,并且由于提示信息指示了多项与刹车事件关联的信息,该提示信息可以用于优化智能驾驶算法。
实施方式1,上述目标障碍物的信息包括目标障碍物的感知检测结果;其中,目标障碍物的感知检测结果包括目标障碍物被检测出的宽度和目标障碍物被检测出的相对于自车的朝向;相应的,电子装置根据目标障碍物的信息,评估刹车事件是否合理,并控制提示装置输出提示信息,包括:如果目标障碍物的感知检测结果在第一时间段内满足第一条件,认为刹车事件不合理;控制提示装置输出提示信息,提示信息用于指示刹车事件不合理,以及指示目标障碍物的感知检测结果不准确。如此,通过判断目标障碍物的感知检测结果是否准确,来判断刹车事件是否合理,可以有效提升刹车事件评估的准确率。
其中,第一条件可以包括但不限于:检测确定的目标障碍物相对于自车的朝向的偏转角度的变化值大于第二阈值;和/或,检测确定的目标障碍物的宽度变化值大于第三阈值。可以理解的是,第二阈值或第三阈值可以是一个或多个阈值,例如第二阈值包括阈值1和阈值2,第三阈值包括阈值3和阈值4。在一种可能的实施方式中,目标障碍物相对于自车的朝向的偏转角度的变化如图8所示。
在本申请实施例中,目标障碍物相对于自车的朝向的偏转角度的变化值可以为以下一项或多项:第一时间段内的任意两个相邻的子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值,或者,第一时间段内的多个子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值的平均值,或者,第一时间段内的多个子时间段内目标障碍物相对于自车的朝向的累积来回偏转角度(向左转、向右转)的累计变化值。相应的,若第二阈值包括阈值1、阈值2和阈值3,第一条件可以是第一时间段内的任意两个相邻的子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值大于阈值1,或者,第一条件可以是一时间段内的多个子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值的平均值大于阈值2,或者,第一条件可以是目标障碍物相对于自车的朝向的偏转角度的变化值可以是第一时间段内的多个相邻的子时间段内目标障碍物相对于自车的朝向的累积来回偏转角度(向左转、向右转)的累计变化值大于阈值3。
在一种可能的实施例中,目标障碍物相对于自车的朝向的偏转角度的变化值为第一时间段内的任意两个相邻的子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值、以及第一时间段内的多个子时间段内目标障碍物相对于自车的朝向的累积来回偏转角度 (向左转、向右转)的累计变化值;且第二阈值包括阈值1和阈值3,第一条件是:第一时间段内的任意两个相邻的子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值大于阈值1,或者,第一时间段内的多个相邻的子时间段内目标障碍物相对于自车的朝向的累积来回偏转角度(向左转、向右转)的累计变化值大于阈值3。阈值1为1.5°和阈值3为 5°为例,第一时间段内的任意两个相邻的子时间段内目标障碍物相对于自车的朝向的偏转角度的变化值大于1.5°,或者,第一时间段内的多个相邻的子时间段内目标障碍物相对于自车的朝向的累积来回偏转角度(向左转、向右转)的累计变化值大于5°,则电子装置控制提示装置输出提示信息,该提示信息用于指示刹车事件不合理,以及指示目标障碍物的感知检测结果不准确。在一种可能的实施方式中,电子装置检测确定的目标障碍物的宽度变化如图9所示。
在本申请实施例中,检测确定的目标障碍物的宽度变化值为以下一项或多项:第一时间段内的多个子时间段内目标障碍物被检测出的宽度之间的差值,和/或,第一时间段内的多个子时间段内目标障碍物被检测出的宽度变大或变小的累计变化值。相应的,若第三阈值包括阈值4和阈值5,第一条件可以是第一时间段内的任意多个子时间段内目标障碍物被检测出的宽度之间的差值大于阈值4,和/或,第一条件可以是第一时间段内的多个子时间段内目标障碍物被检测出的宽度变大或变小的累计变化值大于阈值5。
在一种可能的实施例中,检测确定的目标障碍物的宽度变化值为第一时间段内的多个子时间段内目标障碍物被检测出的宽度之间的差值,和/或,第一时间段内的多个子时间段内目标障碍物被检测出的宽度变大或变小的累计变化值;且第二阈值包括阈值4和阈值5,第一条件是:第一时间段内的多个子时间段内目标障碍物被检测出的宽度之间的差值大于阈值4,和/或,第一时间段内的多个子时间段内目标障碍物被检测出的宽度变大或变小的累计变化值大于阈值3。阈值3为0.5米和阈值3为1米为例,第一时间段内的多个子时间段内目标障碍物被检测出的宽度之间的差值大于0.5米,和/或,第一时间段内的多个子时间段内目标障碍物被检测出的宽度变大或变小的累计变化值大于1米,则电子装置控制提示装置输出提示信息,提示信息用于指示刹车事件不合理,以及指示目标障碍物的感知检测结果不准确。
实施方式2,目标障碍物的信息包括目标障碍物在第一时间段内的入侵预测轨迹,入侵预测轨迹为目标障碍物入侵自车所在车道的行驶轨迹;相应的,电子装置可以根据目标障碍物的信息,评估刹车事件是否合理,并控制提示装置输出提示信息,包括:若入侵预测轨迹在第一时间段内满足第二条件,认为刹车事件不合理;控制提示装置输出提示信息,提示信息用于指示刹车事件不合理,以及用于指示入侵预测轨迹预测错误。在该实施方式中,电子装置通过判断目标障碍物的入侵预测轨迹是否预测错误,来判断刹车事件是否合理,可以有效提升刹车事件评估的准确率。
其中,第二条件可以包括但不限于以下至少一项:入侵预测轨迹指示目标障碍物在第一时间段内的第二子时间段存在入侵意图,但在第一时间段内的第三子时间段不存在入侵意图,或者,入侵预测轨迹指示目标障碍物在第一时间段内的第四子时间段不存在入侵意图,但在第一时间段内的第五子时间段存在入侵意图;或者,入侵预测轨迹指示目标障碍物横向移动的距离小于第四阈值。其中,所述入侵意图为所述目标障碍物入侵所述自车所在车道的意图。其中,第二子时间段、第三子时间段、第三子时间段、和第四子时间段可以是一个时刻或多个时刻的集合。需要说明的是,入侵预测轨迹预测错误可以是入侵预测轨迹误判或入侵预测轨迹不稳定导致的。
在一种可能的实施例中,若入侵预测轨迹指示目标障碍物在第一时间段内的第二子时间段存在入侵意图,但在第一时间段内的第三子时间段不存在入侵意图,则认为入侵预测轨迹预测错误,以及认为刹车事件不合理;电子装置可以控制提示装置输出相应的提示信息,该提示信息用于指示刹车事件不合理,以及用于指示入侵预测轨迹预测错误。
在另一种可能的实施例中,若入侵预测轨迹指示目标障碍物在第一时间段内的第二子时间段存在入侵意图,但在第一时间段内的第三子时间段不存在入侵意图,以及,入侵预测轨迹指示目标障碍物在第一时间段内的第四子时间段不存在入侵意图,但在第一时间段内的第五子时间段存在入侵意图;则认为入侵预测轨迹预测错误,以及认为刹车事件不合理;电子装置可以控制提示装置输出相应的提示信息,该提示信息用于指示刹车事件不合理,以及用于指示入侵预测轨迹预测错误。如图10所示,目标障碍物在子时间段10-20内存在入侵意图,但在子时间段20-42内不存在入侵意图;以及,目标障碍物在子时间段42-50内存在入侵意图,但在子时间段50-110内不存在入侵意图,则电子装置认为入侵预测轨迹预测错误,以及认为刹车事件不合理;电子装置可以控制提示装置输出相应的提示信息,该提示信息用于指示刹车事件不合理,以及用于指示入侵预测轨迹预测错误。
在另一种可能的实施例中,若入侵预测轨迹指示目标障碍物在第一时间段内的第二子时间段存在入侵意图,但在第一时间段内的第三子时间段不存在入侵意图,以及,入侵预测轨迹指示目标障碍物横向移动的距离小于第四阈值;则认为入侵预测轨迹预测错误,以及认为刹车事件不合理;电子装置可以控制提示装置输出相应的提示信息,该提示信息用于指示刹车事件不合理,以及用于指示入侵预测轨迹预测错误。
在另一种可能的实施例中,入侵预测轨迹指示目标障碍物横向移动的距离小于第四阈值;则认为入侵预测轨迹预测错误,以及认为刹车事件不合理;电子装置可以控制提示装置输出相应的提示信息,该提示信息用于指示刹车事件不合理,以及用于指示入侵预测轨迹预测错误。
本申请实施例还提供了一种车辆,该车辆可以包括上述电子装置。
本申请实施例还提供了一种终端设备,该终端设备可以包括上述电子装置。需要说明的是,本申请实施例中的终端设备,例如可以为车载终端、车载控制器、车载模块、车载模组、车载部件、车载芯片、车载单元、车载雷达或车载摄像头等其他传感器,车辆可通过该车载终端、车载控制器、车载模块、车载模组、车载部件、车载芯片或车载单元。
本申请实施例还提供了一种芯片系统,请参见图11,该芯片系统1100包括至少一个处理器,当程序指令在至少一个处理器1101中执行时,使得上述图5所示实施例中的刹车事件的评估方法得以实现。
可选的,该芯片系统还包括通信接口1103,通信接口用于输入或输出信息。
可选的,该芯片系统还包括存储器1102,该存储器1102通过通信接口1103耦合处理器,用于存储上述指令,以便处理器通过通信接口1103读取存储器中存储的指令。
应理解,本申请实施例中不限定上述处理器1101、存储器1102以及通信接口1103之间的连接介质。本申请实施例在图11中以存储器1102、处理器1101以及通信接口1103之间通过通信总线1104连接,总线在图11中以粗线表示,其它部件之间的连接方式,仅是示意性说明,并不作为限定。所述总线可以包括地址总线、数据总线、控制总线等。为了便于表示,图11中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线等。
本申请实施例还提供了一种包括指令的计算机程序产品,当其在上述装置上运行时,以执行如上述所示实施例中的刹车事件的评估方法。
本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,当计算机程序被运行时,实现如上述实施例中的刹车事件的评估方法。
示意性的,例如,模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。
本申请实施例中对模块的划分是示意性的,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。另外,在本申请各个实施例中的各功能模块可以集成在一个处理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请的方法、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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (20)
1.一种刹车事件的评估方法,其特征在于,包括:
获取刹车事件对应的第一数据,所述第一数据包括自车在第一时间段内的行为信息以及所述自车周围的障碍物的信息;其中,在所述第一时间段内,所述自车的减速度小于第一阈值;
根据所述行为信息和所述障碍物的信息,从所述自车周围的障碍物中确定目标障碍物;
根据所述目标障碍物的信息,评估所述刹车事件是否合理,并控制提示装置输出提示信息,所述提示信息用于指示所述刹车事件是否合理。
2.根据权利要求1所述的方法,其特征在于,所述提示信息还用于指示以下至少一项:
所述目标障碍物的标识,所述目标障碍物的类型,所述刹车事件的场景类型,所述刹车事件的类型,所述自车在所述第一时间段内的实际刹车量,所述自车的刹车时长,所述刹车事件的运行设计域ODD判定结果的验证结果,所述目标障碍物的感知检测结果的验证结果,所述目标障碍物的入侵预测轨迹的验证结果,或,验证标记;
其中,所述目标障碍物的感知检测结果包括所述目标障碍物被检测出的宽度和所述目标障碍物被检测出的相对于所述自车的朝向;所述入侵预测轨迹为所述目标障碍物入侵所述自车所在车道的行驶轨迹;所述刹车事件的ODD判定结果的验证结果用于指示所述刹车事件的ODD判定结果是否准确;所述目标障碍物的感知检测结果的验证结果用于指示所述目标障碍物的感知检测结果是否准确;所述目标障碍物的入侵预测轨迹的验证结果用于指示所述目标障碍物的入侵预测轨迹是否预测正确;所述验证标记用于指示是否需要通过第一方式验证所述刹车事件的合理性。
3.根据权利要求1或2所述的方法,其特征在于,所述行为信息包括以下至少一项:
所述自车的位置,所述自车的速度,所述自车在所述第一时间段内的规划刹车量,所述自车在所述第一时间段内的实际刹车量,所述自车的行驶场景,所述刹车事件的类型,驾驶决策方案,或,所述自车的刹车时长;
其中,所述行驶场景包括变道、直行、或转弯中的至少一项。
4.根据权利要求1-3任一项所述的方法,其特征在于,根据所述行为信息和所述障碍物的信息,从所述自车周围的障碍物中确定目标障碍物,包括:
根据所述行为信息和所述障碍物的信息,从所述自车周围的障碍物中确定至少一个障碍物,所述至少一个障碍物与所述自车的行驶行为会发生冲突;
根据所述至少一个障碍物与所述自车的风险墙的距离和/或与所述自车的距离,确定所述目标障碍物,其中,所述风险墙是根据所述自车的预设碰撞时间和车头时距确定的第一位置。
5.根据权利要求4所述的方法,其特征在于,根据所述至少一个障碍物与所述自车的风险墙的距离和/或与所述自车的距离,确定所述目标障碍物,包括:
在所述至少一个障碍物中确定第一候选集,所述第一候选集中包括与所述风险墙的距离最近的N个障碍物,和/或,与所述自车的距离最近的M个障碍物;所述N和所述M均为正整数;
在所述第一候选集中确定第二候选集,所述第二候选集中包括会对所述自车产生冲突的障碍物;
确定所述第二候选集中与所述自车的冲突系数最大的障碍物为所述目标障碍物。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述第二候选集中的第一障碍物与所述自车之间的距离、以及所述自车的规划刹车量,确定所述第一障碍物在所述第一时间段内的至少一个子时间段内的风险系数,其中,所述第一障碍物在所述至少一个子时间段内的第一子时间段内的风险系数用于指示所述第一障碍物在所述第一子时间段中与所述自车发生碰撞的概率;其中,所述第一子时间段是所述至少一个子时间段中的任一个子时间段;
基于所述第一障碍物在所述至少一个子时间段内的风险系数,确定所述第一障碍物与所述自车的冲突系数。
7.根据权利要求1-6任一项所述的方法,其特征在于,在根据所述目标障碍物的信息,评估所述刹车事件是否合理之前,所述方法还包括:
获取所述目标障碍物的信息。
8.根据权利要求7所述的方法,其特征在于,所述目标障碍物的信息包括所述目标障碍物的类型;
获取所述目标障碍物的信息,包括:
获取所述目标障碍物在所述第一时间段内的至少一个子时间段内对应的多种类型信息;
将所述多种类型信息中出现频率最高的类型信息作为所述目标障碍物的类型信息。
9.根据权利要求7或8所述的方法,其特征在于,所述目标障碍物的信息包括所述刹车事件的ODD判定结果的验证结果;
获取所述目标障碍物的信息,包括:
获取所述刹车事件在所述第一时间段内的至少一个子时间段内对应的ODD判定结果;其中,所述至少一个子时间段是根据所述自车的规划刹车量确定的;
其中,所述至少一个子时间段内对应的ODD判定结果用于指示所述刹车事件在所述至少一个子时间段内被判定为ODD外或ODD内;
根据所述至少一个子时间段内对应的ODD判定结果,确定所述刹车事件的ODD判定结果的验证结果。
10.根据权利要求9所述的方法,其特征在于,根据所述至少一个子时间段内对应的ODD判定结果,确定所述刹车事件的ODD判定结果的验证结果,包括:
若所述至少一个子时间段中的全部或部分子时间段对应的ODD判定结果指示所述刹车事件被判定为ODD外,则确定所述刹车事件被判定为ODD外属于正确判定;否则,确定所述刹车事件被判定为ODD外属于错误判定。
11.根据权利要求7-10任一项所述的方法,其特征在于,所述目标障碍物的信息包括所述刹车事件的场景类型;
获取所述目标障碍物的信息,包括:
根据在所述第一时间段内的至少一个子时间段内所述刹车事件的场景被识别为通用场景和/或问题场景的频率,确定所述刹车事件的场景类型;其中,所述问题场景为所述目标障碍物与所述自车冲突的场景。
12.根据权利要求7-11任一项所述的方法,其特征在于,所述目标障碍物的信息包括验证标记,所述验证标记用于指示是否需要通过第一方式验证所述刹车事件的合理性;
获取所述目标障碍物的信息,包括:
确定所述目标障碍物在所述第一时间段内第一次出现时,所述目标障碍物与所述自车之间的第一距离;
根据所述第一距离和第二距离,确定所述验证标记;其中,所述第二距离是与所述自车的车身长度关联的距离。
13.根据权利要求1-12任一项所述的方法,其特征在于,所述目标障碍物的信息包括所述目标障碍物的感知检测结果;其中,所述目标障碍物的感知检测结果包括所述目标障碍物被检测出的宽度和所述目标障碍物被检测出的相对于所述自车的朝向;
根据所述目标障碍物的信息,评估所述刹车事件是否合理,并控制提示装置输出提示信息,包括:
如果所述目标障碍物的感知检测结果在所述第一时间段内满足第一条件,认为所述刹车事件不合理;
控制所述提示装置输出所述提示信息,所述提示信息用于指示所述刹车事件不合理,以及指示所述目标障碍物的感知检测结果不准确。
14.根据权利要求13所述的方法,其特征在于,所述第一条件包括以下至少一项:
检测确定的所述目标障碍物相对于所述自车的朝向的偏转角度的变化值大于第二阈值;或者,
检测确定的所述目标障碍物的宽度变化值大于第三阈值。
15.根据权利要求1-14任一项所述的方法,其特征在于,所述目标障碍物的信息包括所述目标障碍物在所述第一时间段内的入侵预测轨迹,所述入侵预测轨迹为所述目标障碍物入侵所述自车所在车道的行驶轨迹;
根据所述目标障碍物的信息,评估所述刹车事件是否合理,并控制提示装置输出提示信息,包括:
若所述入侵预测轨迹在所述第一时间段内满足第二条件,认为所述刹车事件不合理;
控制所述提示装置输出所述提示信息,所述提示信息用于指示所述刹车事件不合理,以及用于指示所述入侵预测轨迹预测错误。
16.根据权利要求15所述的方法,其特征在于,所述第二条件包括以下至少一项:
所述入侵预测轨迹指示所述目标障碍物在所述第一时间段内的第二子时间段存在入侵意图,但在所述第一时间段内的第三子时间段不存在所述入侵意图;或者,
所述入侵预测轨迹指示所述目标障碍物在所述第一时间段内的第四子时间段不存在入侵意图,但在所述第一时间段内的第五子时间段存在所述入侵意图;或者,
所述入侵预测轨迹指示所述目标障碍物横向移动的距离小于第四阈值;
其中,所述入侵意图为所述目标障碍物入侵所述自车所在车道的意图。
17.一种电子装置,其特征在于,包括:包括用于执行权利要求1-16任一所述方法的模块或单元。
18.一种车辆,其特征在于,包括如权利要求17所述的电子装置。
19.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序或指令,当所述计算机程序或指令被计算设备执行时,以使得所述计算设备执行如权利要求1至16中任一项所述的方法。
20.一种芯片,其特征在于,包括至少一个处理器和接口;
所述接口,用于为所述至少一个处理器提供计算机程序、指令或者数据;
所述至少一个处理器用于执行所述计算机程序或指令,以使得如权利要求1至16中任一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211054594.5A CN117657202A (zh) | 2022-08-31 | 2022-08-31 | 一种刹车事件的评估方法、装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211054594.5A CN117657202A (zh) | 2022-08-31 | 2022-08-31 | 一种刹车事件的评估方法、装置及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117657202A true CN117657202A (zh) | 2024-03-08 |
Family
ID=90071975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211054594.5A Pending CN117657202A (zh) | 2022-08-31 | 2022-08-31 | 一种刹车事件的评估方法、装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117657202A (zh) |
-
2022
- 2022-08-31 CN CN202211054594.5A patent/CN117657202A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shalev-Shwartz et al. | On a formal model of safe and scalable self-driving cars | |
CN108334055B (zh) | 车辆自动驾驶算法的检验方法、装置、设备及存储介质 | |
CN107571866B (zh) | 用于分析传感器数据的方法 | |
JP2015081083A (ja) | 予測的運転者支援システムのための、妥当性規則に基づく信頼度推定 | |
WO2019106789A1 (ja) | 処理装置及び処理方法 | |
US11661061B2 (en) | Method and device for assisting a driver in a vehicle | |
CN109910880B (zh) | 车辆行为规划的方法、装置、存储介质和终端设备 | |
CN113442917B (zh) | 用于宿主机动车辆的警告系统 | |
CN111833648A (zh) | 一种车辆碰撞预警方法及装置 | |
CN111932881A (zh) | 交通路口管理方法、装置、终端设备及存储介质 | |
CN111413973A (zh) | 车辆的换道决策方法及装置、电子设备、存储介质 | |
CN116390879A (zh) | 用于避免即将发生的碰撞的系统和方法 | |
CN109887321B (zh) | 无人车变道安全判别方法、装置及存储介质 | |
CN113815620A (zh) | 一种车辆安全行驶的评估方法、装置、设备及存储介质 | |
CN116135640A (zh) | 一种车辆防碰撞预警方法、系统及车辆 | |
CN113335311B (zh) | 一种车辆碰撞检测方法、装置、车辆及存储介质 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN105946578A (zh) | 油门踏板控制方法、装置及车辆 | |
CN113602263A (zh) | 车辆避让方法、装置、车载设备及存储介质 | |
US11429843B2 (en) | Vehicle operation labeling | |
CN115358415A (zh) | 自动驾驶学习模型的分布式训练方法及自动驾驶方法 | |
CN117657202A (zh) | 一种刹车事件的评估方法、装置及车辆 | |
CN112352268A (zh) | 用于车辆的驾驶辅助系统、带驾驶辅助系统的车辆和用于车辆的驾驶辅助方法 | |
CN113561996B (zh) | 轨迹规划方法及装置 | |
CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |