CN117782120A - 危险碰撞目标轨迹预测方法、装置、计算机设备 - Google Patents
危险碰撞目标轨迹预测方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN117782120A CN117782120A CN202311500868.3A CN202311500868A CN117782120A CN 117782120 A CN117782120 A CN 117782120A CN 202311500868 A CN202311500868 A CN 202311500868A CN 117782120 A CN117782120 A CN 117782120A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- collision target
- longitudinal
- determining
- 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 49
- 238000004590 computer program Methods 0.000 claims abstract description 16
- 230000001133 acceleration Effects 0.000 claims description 166
- 238000006073 displacement reaction Methods 0.000 claims description 28
- 230000003068 static effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 241000616244 Thetys Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种危险碰撞目标轨迹预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离,基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间,基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标,基于所述最危险碰撞目标信息确定最危险碰撞目标的未来移动轨迹。也就是说,在进行自车避障路径规划的过程中,选择最危险的碰撞目标并进行未来移动轨迹预测,提高了避障路径规划的时效性与安全性。
Description
技术领域
本申请涉及自动驾驶技术领域,特别是涉及一种危险碰撞目标轨迹预测方法、装置、计算机设备和存储介质。
背景技术
自动驾驶技术,依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动操作下,自动安全地控制车辆行驶。轨迹规划作为自动驾驶技术的关键技术之一,可以在车路协同的基础上规划出有效的车辆行驶路径,通常是根据高精地图信息利用全局路径规划方法,规划出一条从起点到终点的路径。当道路前方存在碰撞目标时,车辆会基于感知系统实时获取车辆行驶前方出现的例如车辆、路障等碰撞目标的具体信息,利用局部路径规划方法,规划出一条为避免与碰撞目标发生碰撞需要行驶的路线。
然而,由于车辆和碰撞目标可能时刻处于运动的状态,其速度、加速度和位置等关键信息也会随时间变化,现有技术中通常只进行实时避障路径规划,且多为纵向场景,而未考虑横穿马路的车辆或行人,也未考虑碰撞目标状态变化的情况,导致避障路径规划的时效性与安全性大大降低。
因此,相关技术中亟需一种能够提高避障路径规划的时效性与安全性的方式。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高避障路径规划的时效性与安全性的危险碰撞目标轨迹预测方法、装置、计算机设备和计算机可读存储介质。
第一方面,本申请提供了一种危险碰撞目标轨迹预测方法。所述方法包括:
获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离;
基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间;
基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标的状态信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标;
基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹。
可选的,在本申请的一个实施例中,所述自车信息包括自车速度、自车加速度,所述候选碰撞目标信息包括目标速度、目标加速度,所述基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间包括:
基于所述自车速度和目标速度确定相对速度,基于所述自车加速度和目标加速度确定相对加速度;
基于所述相对距离、相对速度和相对加速度确定碰撞时间。
可选的,在本申请的一个实施例中,所述初始危险碰撞目标包括纵向危险碰撞目标,所述基于所述初始危险碰撞目标的状态信息确定自车避障减速度包括:
当所述纵向危险碰撞目标静止时,基于所述相对距离、自车速度和自车加速度确定自车避障减速度;
当所述纵向危险碰撞目标非静止时,基于所述纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度,其中,所述纵向危险碰撞目标的状态信息包括目标纵向速度、目标加速度、目标宽度、目标位置,所述自车信息包括自车速度、自车加速度、自车宽度、自车位置。
可选的,在本申请的一个实施例中,所述当所述纵向危险碰撞目标非静止时,基于所述纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度包括:
基于所述目标纵向速度以及目标加速度确定目标停止时间和目标停止位置;
基于所述目标纵向速度和自车速度确定相对速度,基于所述目标加速度和自车加速度确定相对加速度,基于所述相对速度和相对加速度确定追击目标时间;
基于所述目标宽度、自车宽度、目标当前位置、自车位置确定目标驶离自车车道时间;
当所述纵向危险碰撞目标减速行驶,且所述自车速度大于目标纵向速度时,比较所述目标停止时间和追击目标时间,基于比较结果确定自车避障减速度;
当所述纵向危险碰撞目标减速行驶,且所述自车速度不大于目标纵向速度时,基于所述目标停止时间确定自车避障减速度;
当所述纵向危险碰撞目标减速行驶且不在当前车道停止时,基于所述目标驶离自车车道时间确定自车避障减速度;
当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度大于目标纵向速度时,基于所述追击目标时间确定自车避障减速度;
当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度不大于目标纵向速度时,则不会发生碰撞。
可选的,在本申请的一个实施例中,所述初始危险碰撞目标包括横向危险碰撞目标,所述基于所述初始危险碰撞目标的状态信息确定自车避障减速度包括:
基于碰撞时间窗口确定横向危险碰撞目标与自车是否存在时间交集;
若存在时间交集,则基于自车速度和横向危险碰撞目标纵向位置确定自车避障减速度。
可选的,在本申请的一个实施例中,所述基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹包括:
若所述最危险碰撞目标静止,则将原始移动轨迹作为未来移动轨迹;
若所述最危险碰撞目标非静止,则基于所述最危险碰撞目标的速度、加速度及与自车的相对距离确定未来移动轨迹。
可选的,在本申请的一个实施例中,所述速度包括纵向速度和横向速度,所述加速度包括纵向加速度和横向加速度,所述相对距离包括纵向相对距离和横向相对距离,所述基于所述最危险碰撞目标的速度、加速度及与自车的相对距离确定未来移动轨迹包括:
基于所述目标速度和目标加速度确定预测时间范围,在所述预测时间范围内选取多个预测时间;
基于所述纵向相对距离、纵向加速度、横向相对距离、横向加速度和多个预测时间确定多个未来纵向位移和未来横向位移;
基于所述纵向速度及纵向加速度、横向速度及横向加速度和多个预测时间确定多个未来纵向速度和横向速度;
基于所述多个未来纵向速度和横向速度确定多个未来航向角;
基于所述多个未来纵向位移、未来横向位移以及未来航向角确定未来移动轨迹。
第二方面,本申请还提供了一种危险碰撞目标轨迹预测装置。所述装置包括:
信息获取模块,用于获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离;
碰撞时间确定模块,用于基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间;
最危险碰撞目标确定模块,用于基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标的状态信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标;
未来移动轨迹预测模块,用于基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行上述各个实施例所述方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述各个实施例所述方法的步骤。
上述危险碰撞目标轨迹预测方法、装置、计算机设备和存储介质,首先,获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离,之后,基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间,之后,基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标,最后,基于所述最危险碰撞目标信息确定最危险碰撞目标的未来移动轨迹。也就是说,在进行自车避障路径规划的过程中,充分考虑多场景的碰撞目标以及碰撞目标的动态变化,选择最危险的碰撞目标并进行未来移动轨迹预测,提高了避障路径规划的时效性与安全性。
附图说明
图1为一个实施例中危险碰撞目标轨迹预测方法的应用环境图;
图2为一个实施例中危险碰撞目标轨迹预测方法的流程示意图;
图3为一个实施例中危险碰撞目标的示意图;
图4为一个实施例中危险碰撞目标驶离自车车道的示意图;
图5为一个实施例中基于横向危险碰撞目标信息确定自车避障减速度的示意图;
图6为一个实施例中危险碰撞目标轨迹预测装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如本文使用的术语“系统”指的是机械和电气硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置,其可以单独或组合提供所描述的功能性。可以包括但不限于专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用或组)、包含软件或固件指令的存储器、组合逻辑电路和/或其它部件。
本申请实施例提供的危险碰撞目标轨迹预测方法,可以应用于如图1所示的应用环境中。图1示出了交通工具10的侧视图,所述交通工具10设置在行进表面70(例如,铺设道路表面)上,并且能够在行进表面70上横穿行进。交通工具10包括交通工具机载导航系统24、数字化道路地图25的计算机可读存储装置或介质(存储器)23、空间监测系统100、交通工具控制器50、全球定位系统(GPS)传感器52、人/机界面(HMI)装置60,并且在一个实施例中包括自主控制器65和远程信息处理控制器75。交通工具10包括但不限于商业交通工具、工业交通工具、农业交通工具、客运交通工具、飞机、船只、火车、全地形交通工具、个人移动设备、机器人和类似的形式的移动平台,以实现本申请的目的。
在一个实施例中,空间监测系统100包括:一个或多个空间传感器和系统,设置为监测交通工具10前方的可视区域32;以及空间监测控制器110。设置为监测交通工具10前方的可视区域32的空间传感器,例如包括激光雷达传感器34、雷达传感器36、数字摄像头38等等。每个空间传感器设置方式包括机载于交通工具上,以监测全部或部分可视区域32,用于检测接近远程对象,例如,道路特征、车道标记、建筑物、行人、道路标志、交通控制灯和标志、其它交通工具以及在交通工具10近侧的地理特征。空间监测控制器110基于来自空间传感器的数据输入而生成可视区域32的表示数字。空间监测控制器110可以评估来自空间传感器的输入,以基于每个接近远程对象确定交通工具10的线性范围、相对速度和轨迹。空间传感器可设置于交通工具10上的各处位置,包括前拐角、后拐角、后侧和中侧。在一个实施例中,空间传感器可包括但不限于前部雷达传感器和摄像头。空间传感器的设置方式使空间监测控制器110能够监测交通流量,包括接近交通工具、交叉口、车道标记以及围绕交通工具10的其它对象。车道标记检测处理器(未显示)可以基于空间监测控制器110生成的数据估测道路。交通工具空间监测系统100的空间传感器可以包括对象定位感测装置,所述对象定位感测装置包括范围传感器,例如,FM-CW(调频连续波)雷达、脉冲和FSK(频移键控)雷达以及Lidar(光检测和测距)装置以及超声波装置,其依赖于例如多普勒效应测量的效应以定位前方对象。对象定位装置可以包括电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)视频图像传感器以及利用数字摄影方法以‘查看’前方对象(包括一个或多个交通工具)的其它摄像头/视频图像处理器。
激光雷达传感器34基于脉冲和反射激光束测量至对象的范围或距离。雷达传感器36基于无线电波确定对象的范围、角度和/或速度。摄像头38包括图像传感器、镜头和摄像头控制器。图像传感器是采用光敏感测元件的多维阵列而将光学图像转换成电子信号的电光装置。摄像头控制器操作性地连接到图像传感器,以监测可视区域32。摄像头控制器设置为控制图像传感器,用于捕获与经由镜头投影到图像传感器上的可视区域32相关联的视场(FOV)的图像。光学镜头可以包括针孔镜头、鱼眼镜头、立体镜头、伸缩镜头等等。摄像头38经由图像传感器以期望速率(例如,每秒30个图像文件)周期性捕获与可视区域32相关联的图像文件。每个图像文件包括以摄像头38的原始分辨率捕获的全部或部分可视区域32的2D或3D像素化表示数字。在一个实施例中,图像文件呈24位图像的形式,包括表示可视区域32的RGB(红-绿-蓝)可见光的光谱值和深度值。图像文件的其它实施例可以包括处于一定分辨率水平的2D或3D图像,描绘了可视区域32的黑白或灰度可见光的光谱、可视区域32的红外光谱或其它图像,本申请对此不作具体限制。在一个实施例中,对于涉及明度和/或亮度的参数,可以评估多个图像文件的图像。可选地,可基于RGB颜色分量、明度、纹理、轮廓或其组合而评估图像。图像传感器与编码器通信,所述编码器对于每个图像文件执行数字信号处理(DSP)。摄像头38的图像传感器可以设置为以标称标准清晰度分辨率(例如,640x480像素)捕获图像。可选地,摄像头38的图像传感器可以设置为以标称高清晰度分辨率(例如,1440x1024像素)或以另一合适的分辨率捕获图像。摄像头38的图像传感器可以预定图像捕获速率捕获静止图像或可选地捕获数字视频图像。在一个实施例中,图像文件作为编码数据文件发送至摄像头控制器,所述编码数据文件存储在非暂时性数字数据存储介质中,用于机载或非机载分析。
摄像头38设置和定位在交通工具10上能够捕获可视区域32的图像的位置中,其中,可视区域32至少部分包括在交通工具10前方并且包括交通工具10的轨迹的行进表面70的部分。可视区域32还可以包括周围环境,例如,包括交通工具交通、路边对象、行人和其它特征、天空、地平线、行进车道和交通工具10前方驶来的交通工具。还可包括其它摄像头(未显示),例如,包括设置在交通工具10的后部分或侧部分上的第二摄像头,用于监测交通工具10的后方以及交通工具10的右侧或左侧中的任意一个方向。
自主控制器65用于实施自主驾驶或高级驾驶员辅助系统(ADAS)交通工具功能性。此类功能性可包括能够提供一定驾驶自动化水平的交通工具机载控制系统。术语‘驾驶员’和‘操作者’描述了负责指导交通工具10的操作的人员,所述操作人员可以参与控制一个或多个交通工具功能,或指导自主交通工具。驾驶自动化可以包括动态驾驶和交通工具操作。驾驶自动化可以包括涉及单个交通工具功能(例如,转向、加速和/或制动)的某种水平的自动控制或干预,其中,驾驶员可以从总体上持续控制交通工具10。驾驶自动化可以包括涉及多个交通工具功能(例如,转向、加速和/或制动)的同时控制的某种水平的自动控制或干预,其中,驾驶员可以从总体上持续控制交通工具10。驾驶自动化可以包括交通工具驾驶功能的同时自动控制(包括转向、加速和制动),其中,驾驶员可以在行程期间中,放弃一段时间周期内对交通工具的控制。驾驶自动化可包括交通工具驾驶功能的同时自动控制(包括转向、加速和制动),其中,驾驶员可以在整个行程中放弃交通工具10的控制。驾驶自动化包括硬件和控制器,设置为在各种驾驶模式下监测空间环境,用于在动态交通工具操作期间执行各种驾驶任务。驾驶自动化包括但不限于巡航控制、自适应巡航控制、车道变换警告、干预和控制、自动停车、加速、制动和类似。自主交通工具功能括但不限于自适应巡航控制(ACC)操作、车道引导和车道保持操作、车道变换操作、转向辅助操作、对象避让操作、停车辅助操作、交通工具制动操作、交通工具速度和加速操作、交通工具横向运动操作,例如,作为车道引导、车道保持和车道变换操作等等。基于此,制动命令可通过自主控制器65独立于通过交通工具操作者的动作并且响应于自主控制功能而生成。
交通工具10的乘客舱中可以包括操作者控制件,包括但不限于方向盘、加速器踏板、制动踏板和操作者输入装置,所述操作者输入装置是HMI装置60的元件。交通工具操作者可以基于操作者控制件与运行的交通工具10交互,并且指导交通工具10的操作,用于提供乘客运输。在交通工具10的一些实施例中,可省略操作者控制装置,包括方向盘、加速器踏板、制动踏板、变速范围选择器和类似的其他控制装置。
HMI装置60提供人机交互,用于指导信息娱乐系统、全球定位系统(GPS)传感器52、导航系统24和类似的操作功能,HMI装置60可以包括控制器。HMI装置60监测操作者请求,并且向操作者提供信息,包括交通工具系统的状态、服务和维护信息。HMI装置60可以与多个操作者界面装置通信,和/或控制多个操作者界面装置的操作,其中,操作者界面装置能够传送与自动交通工具控制系统中的操作相关联的消息。HMI装置60还可以与一个或多个装置通信,所述一个或多个装置监测与交通工具操作者相关联的生物特征数据,例如,包括眼睛视线位置、姿势和头部位置追踪等等。为简化表述,HMI装置60表述为单一装置,但是在本申请系统的实施例中,可以设置为多个控制器和相关联的感测装置。操作者界面装置可以包括能够传送催促操作者动作的消息的装置,并且可以包括电子视觉显示模块,例如,液晶显示器(LCD)装置、平视显示器(HUD)、音频反馈装置、可穿戴装置和触觉座椅。能够催促操作者动作的操作者界面装置可以由HMI装置60控制或通过HMI装置60控制。在操作者的视场中,HUD可投影信息反射到交通工具的挡风玻璃的内部侧上,包括传送与操作自动交通工具控制系统中的一个相关联的置信水平。HUD还可提供增强现实信息,例如,车道位置、交通工具路径、方向和/或导航信息等等。
机载导航系统24基于数字化道路地图25向交通工具操作者提供导航支持和信息。自主控制器65基于数字化道路地图25控制自主交通工具操作或ADAS交通工具功能。
交通工具10可以包括远程信息处理控制器75,所述远程信息处理控制器75包括能够进行交通工具外通信(包括与具有无线和有线通信能力的通信网络90通信)的无线远程信息处理通信系统。远程信息处理控制器75能够进行交通工具外通信,包括短程交通工具对于交通工具(V2V)通信和/或交通工具对于外界(V2x)通信,其可以包括与基础设施监测器(例如,交通摄像头)的通信。可选地或附加地,远程信息处理控制器75具有无线远程信息处理通信系统,所述无线远程信息处理通信系统能够与手持装置(例如,蜂窝电话、卫星电话或另一电话装置)短程无线通信。在一个实施例中,手持装置包括软件应用,所述软件应用包括无线协议,用于与远程信息处理控制器75通信,并且手持装置可以执行交通工具外通信,包括基于通信网络90与非机载服务器95通信。可选地或附加地,远程信息处理控制器75基于通信网络90与非机载服务器95通信而直接执行交通工具外通信。
术语“控制器”和相关术语(例如,微控制器、控制单元、处理器和类似的术语)指的是以下中的一个或各种组合:(多个)专用集成电路(ASIC)、现场可编程门阵列(FPGA)、(多个)电子电路、(多个)中央处理单元,例如,(多个)微处理器和呈存储器和存储装置(只读、可编程只读、随机存取、硬盘驱动等等)的形式的(多个)相关联的非暂时性存储器部件(由存储器23指示)。非暂时性存储器部件能够呈以下形式存储机器可读指令:一个或多个软件或固件程序或例程、(多个)组合逻辑电路、(多个)输入/输出电路和装置、信号调节和缓冲电路系统以及可由一个或多个处理器存取的其它部件,用于实现相应的功能。(多个)输入/输出电路和装置包括监测来自传感器的输入的模拟/数字转换器和相关装置,可以以预设采样频率或响应于触发事件而监测此类输入。软件、固件、程序、指令、控制例程、代码、算法和类似的术语指代控制器可执行指令集,包括校准和查找表。每个控制器执行(多个)控制例程,用于提供相应功能。例程可按定期间隔执行,例如,在正在进行的操作期间每100微秒执行一次。可选地,例程可响应于触发事件而执行。控制器、致动器和/或传感器之间的通信可使用直接有线点对点链路、网络化通信总线链路、无线链路或其他合适的通信链路而实现。通信包括相应的交换数据信号,例如,包括基于传导介质的电气信号、基于空气的电磁信号、基于光学波导的光学信号等等。数据信号可以包括离散的、模拟的或数字化的模拟信号,其表示来自传感器的输入、致动器命令以及控制器之间的通信。术语“信号”指的是传递信息的物理可识别指示符,并且可以为相应的波形(例如,电气、光学、磁性、机械或电磁),例如,DC、AC、正弦波、三角波、方波、振动和类似,其能够通过介质传播。参数被限定为可测量的量,其表示可使用一个或多个传感器和/或物理模型而识别的装置或其它元件的物理性质。参数可具有离散值,例如,“1”或“0”,或在值上无限可变。
在一个实施例中,如图2所示,提供了一种危险碰撞目标轨迹预测方法,包括以下步骤:
S201:获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离。
本申请实施例中,首先,通过摄像头、雷达、车载传感器等车辆感知系统实时获取自车信息以及自车前方多个候选碰撞目标信息,其中,自车信息包括自车速度、自车加速度、自车宽度、横摆角速度以及自车位置信息等,候选碰撞目标指在自车当前行驶方向上未来可能与自车发生碰撞的车辆、行人、路障等,候选碰撞目标信息包括目标速度、目标加速度、危险碰撞目标与自车的相对距离等。需要说明的是,候选碰撞目标是采用相关判断标准筛选得到的有效碰撞目标,具体的,相关判断标准包括目标不为无效跟踪状态,目标类型为行人、自行车、汽车、摩托车、卡车和公交车等,目标运动状态为运动或静止,相对距离小于等于80m,以及特殊目标情况,当以上相关判断标准同时满足时,则为有效碰撞目标,即候选碰撞目标。
S203:基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间。
本申请实施例中,在获取自车信息以及自车前方多个候选碰撞目标信息之后,基于自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间,即未来自车不改变状态时,自车和候选碰撞目标发生碰撞的时间。具体的,可以通过自车和候选碰撞目标的相对状态,基于不同的情况例如自车不会与前车碰撞、自车可以追上前车等,确定碰撞时间。
S205:基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标的状态信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标。
本申请实施例中,在基于自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间之后,基于碰撞时间和相对距离确定初始危险碰撞目标,即从多个候选碰撞目标中,选择较危险的碰撞目标,即碰撞时间短、相对距离近的候选碰撞目标作为初始危险碰撞目标,具体应用中,如图3所示,危险碰撞目标可能包括InPath目标在自车当前车道,AdjacentLe目标在临近左侧车道,AdjacentRi目标在临近右侧车道,以及横穿目标,选择4个InPath目标、2个AdjacentLe目标、2个AdjacentRi目标以及2个横穿目标,作为初始危险碰撞目标。之后,基于初始危险碰撞目标的相关状态信息确定自车为了避免与其发生碰撞所需的减速度,选择自车避障减速度最小对应的初始危险碰撞目标作为最危险碰撞目标。
S207:基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹。
本申请实施例中,在确定最危险碰撞目标之后,基于最危险碰撞目标的相关状态信息,包括速度、加速度、相对距离等信息,采用常加速模型,预测最危险碰撞目标在未来n秒的m个轨迹点信息,其中,n和m为标定值,可选的,n=5,m=100,即采样间隔0.05s,在5s内预测100个轨迹点信息,组成最危险碰撞目标的未来移动轨迹。
上述危险碰撞目标轨迹预测方法中,首先,获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离,之后,基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间,之后,基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标的状态信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标,最后,基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹。也就是说,在进行自车避障路径规划的过程中,充分考虑多场景的碰撞目标以及碰撞目标的动态变化,选择最危险的碰撞目标并进行未来移动轨迹预测,提高了避障路径规划的时效性与安全性。
在本申请的一个实施例中,所述自车信息包括自车速度、自车加速度,所述候选碰撞目标信息包括目标速度、目标加速度,所述基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间包括:
S301:基于所述自车速度和目标速度确定相对速度,基于所述自车加速度和目标加速度确定相对加速度。
S303:基于所述相对距离、相对速度和相对加速度确定碰撞时间。
在本申请的一个实施例中,在获取自车信息以及自车前方多个候选碰撞目标信息之后,基于自车速度Ve和目标速度Vo确定相对速度Vr,基于自车加速度Ae和目标加速度Ao确定相对加速度Ar,具体的,采用下述公式计算得到。
Vr=Ve-Vo,Ar=Ae-Ao
之后,基于相对距离Lr、相对速度和相对加速度,采用运动学公式,计算碰撞时间(Time to collision,TTC),其中,具体计算公式如下所示。
具体的,当Ar等于0,Vr≤0时,表示自车不会与前车碰撞,则将TTC设置为一极大值100s;当Ar等于0,Vr>0时,表示自车可以追上前车,TTC为当Ar大于0时,表示自车可以追上前车,则/>当Ar大于0,Vr 2+2LrAr≥0时,表示自车可以追上前车,当Ar小于0,Vr 2+2LrAr≥0,并且Vr>0时,表示自车可以追上前车,Ar小于0的其他情况,自车不会与前车碰撞,则将TTC设置为一极大值100s。
本实施例中,通过基于自车速度和目标速度确定相对速度,基于自车加速度和目标加速度确定相对加速度,基于相对距离、相对速度和相对加速度确定碰撞时间,能够准确得到每个候选碰撞目标和自车未来发生碰撞的时间,便于有效筛选出对自车最具威胁的危险目标。
在本申请的一个实施例中,所述初始危险碰撞目标包括纵向危险碰撞目标,所述基于所述初始危险碰撞目标的状态信息确定自车避障减速度包括:
S401:当所述纵向危险碰撞目标静止时,基于所述相对距离、自车速度和自车加速度确定自车避障减速度。
S403:当所述纵向危险碰撞目标非静止时,基于所述纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度,其中,所述纵向危险碰撞目标的状态信息包括目标纵向速度、目标加速度、目标宽度、目标位置,所述自车信息包括自车速度、自车加速度、自车宽度、自车位置。
在本申请的一个实施例中,当纵向危险碰撞目标静止时,则基于相对距离、自车速度和自车加速度计算得到自车避障减速度,当纵向危险碰撞目标非静止时,则基于纵向危险碰撞目标的状态,例如加速、减速或匀速行驶等,结合自车信息确定自车避障减速度。具体应用中,可能出现的情况包括纵向危险碰撞目标停止之前发生碰撞,在发生碰撞之前纵向危险碰撞目标已经静止,在发生碰撞之前纵向危险碰撞目标正好驶离当前车道避免了碰撞,纵向危险碰撞目标始终比自车快避免了碰撞等。
本实施例中,通过当纵向危险碰撞目标静止时,基于相对距离、自车速度和自车加速度确定自车避障减速度,当纵向危险碰撞目标非静止时,基于纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度,能够基于纵向危险碰撞目标的状态确定不同的自车避障减速度,便于基于自车避障减速度筛选出最危险的碰撞目标。
在本申请的一个实施例中,所述当所述纵向危险碰撞目标非静止时,基于所述纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度包括:
S501:基于所述目标纵向速度以及目标加速度确定目标停止时间和目标停止位置。
S503:基于所述目标纵向速度和自车速度确定相对速度,基于所述目标加速度和自车加速度确定相对加速度,基于所述相对速度和相对加速度确定追击目标时间。
S505:基于所述目标宽度、自车宽度、目标当前位置、自车位置确定目标驶离自车车道时间。
S507:当所述纵向危险碰撞目标减速行驶,且所述自车速度大于目标纵向速度时,比较所述目标停止时间和追击目标时间,基于比较结果确定自车避障减速度。
S509:当所述纵向危险碰撞目标减速行驶,且所述自车速度不大于目标纵向速度时,基于所述目标停止时间确定自车避障减速度。
S511:当所述纵向危险碰撞目标减速行驶且不在当前车道停止时,基于所述目标驶离自车车道时间确定自车避障减速度。
S513:当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度大于目标纵向速度时,基于所述追击目标时间确定自车避障减速度。
S515:当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度不大于目标纵向速度时,则不会发生碰撞。
在本申请的一个实施例中,当纵向危险碰撞目标非静止时,首先确定目标是否会停止,若纵向危险碰撞目标加速度Ao小于零,则说明目标会停止,基于目标纵向速度以及目标加速度确定目标停止时间Tstop和目标停止位置Lp。具体的,分为两种情况确定,当Ao*Vo>0时,Tstop=TstopDefault,TstopDefault为一极大值,等于1000,表示不会停止,当Ao*Vo<0时,Tstop=|Vo/Ao|。目标停止位置Lp由目标纵向速度Vx和目标停止时间Tstop得到,即Lp=0.5*Vx*Tstop。
之后,基于目标纵向速度Vx和自车速度Ve确定相对速度Vre,基于目标加速度Ao和自车加速度Ae确定相对加速度Are,基于相对速度Vre和相对加速度Are确定追击目标时间(Timeto reach,TTR),即自车正好追上纵向危险碰撞目标的时间。具体计算公式如下所示。
Vre=Ve-Vx,Are=Vre*Vre/(2*Luse),TTR=Vre/Are
之后,确定危险碰撞目标是否会驶离自车车道,若会驶离,则基于目标宽度、自车宽度、目标当前位置、自车位置确定目标驶离自车车道时间(Time to out ego path,TTO),具体的,若VtoPath>0,若VtoPath<0,若VtoPath==0,TTO=1000。其中,VtoPath表示目标驶离车道时速度,width表示目标宽度,egoWidth表示自车宽度,VtoPath和DeltY由以下公式得到。
VToPathT0=Vx*sin(ThetY)+Vy*cos(ThetY)
DeltY=(Y-Yego)*cos(ThetY)
其中,Vx表示目标纵向速度,Vy表示目标横向速度,X表示目标当前纵向位置,Y表示目标当前横向位置,C表示自车曲率,Cr表示自车曲率变化率。
当纵向危险碰撞目标减速行驶,且自车速度大于目标纵向速度时,说明自车可以追上纵向危险碰撞目标,比较目标停止时间和追击目标时间,若目标停止时间小于追击目标时间,则说明在自车与纵向危险碰撞目标可能发生碰撞之前,目标已经停止,则自车避障减速度为目标停止加速度AToStopObj;目标停止时间不小于追击目标时间,则说明在目标停止之前,自车与纵向危险碰撞目标可能发生碰撞,则自车避障减速度为刚好追上目标的加速度AToReachObj。
当纵向危险碰撞目标减速行驶,且自车速度不大于目标纵向速度时,说明在目标停止之后,自车与纵向危险碰撞目标可能发生碰撞,则自车避障减速度为目标停止加速度AToStopObj;如图4所示,当纵向危险碰撞目标减速行驶且不在当前车道停止时,则可能出现自车追上目标时,目标刚好驶离车道,自车避障减速度为自车追上目标时目标刚好驶离车道的加速度AToPassObj。
当纵向危险碰撞目标匀速行驶或加速行驶,且自车速度大于目标纵向速度时,说明自车可能追上纵向危险碰撞目标,与其发生碰撞,则自车避障减速度为刚好追上目标的加速度AToReachObj;当纵向危险碰撞目标匀速行驶或加速行驶,且自车速度不大于目标纵向速度时,说明自车不回追上纵向危险碰撞目标,不会发生碰撞。
具体应用中,刚好追上目标的加速度AToReachObj、目标停止加速度AToStopObj以及自车追上目标时目标刚好驶离车道的加速度AToPassObj采用以下方式进行计算。
Luse=Lr-Ladd
Lr=Px-0.5*ObjLength
Lp=0.5*Vx*Tstop
Lf=Luse+Lp
Vre=Ve-Vx
其中,Luse表示危险碰撞目标与自车的实际相对距离,Ladd表示自车前方到后轴中心距离,Lr表示危险碰撞目标与自车的相对距离,Px表示目标纵向位置,Lp表示目标停止位置即目标从当前到停止时行驶的距离,Lf表示自车到目标停止位置的实际距离,Vre表示相对速度,Ve为自车速度,Vx为目标纵向速度。
如果Luse<=0,AToReachObj=0;
如果Luse>0,当Vre>0,Are=Vre*Vre/(2*Luse),AToReachObj=Ax-Are;当Vre<0,Are=-Vre*Vre/(2*Luse),AToReachObj=Ax-Are;当Vre=0,Vre=Vre+0.1,Are=Vre*Vre/(2*Luse),AToReachObj=Ax-Are。
当AToReachObj≠0时,TTR=Vre/Are。
如果Tstop==0,AToStopObj=single(100)。
如果Tstop不为0,AToStopObj=-Ve*Ve/(2*Lf)。
如果TTO=0,AToPassObj=100。
若果TTO≠0,则
本实施例中,通过基于不同情况确定自车为了避免与危险目标发生碰撞所需的减速度,能够有效筛选出最危险碰撞目标。
在本申请的一个实施例中,所述初始危险碰撞目标包括横向危险碰撞目标,所述基于所述初始危险碰撞目标的状态信息确定自车避障减速度包括:
S601:基于碰撞时间窗口确定横向危险碰撞目标与自车是否存在时间交集。
S603:若存在时间交集,则基于自车速度和横向危险碰撞目标纵向位置确定自车避障减速度。
在本申请的一个实施例中,当初始危险碰撞目标为横向危险碰撞目标,即横穿场景下的危险目标时,如图5所示,基于碰撞时间窗口确定横向危险碰撞目标与自车是否存在时间交集,具体的,危险碰撞区域为图中长方形框选部分,横向危险碰撞目标进入和离开危险碰撞区域的时间为[objTimeIn,objTimeOut],自车进行和离开危险碰撞区域的时间为[EgoTimeIn,EgoTimeOut],若两个时间窗口不存在时间交集,则不会发生碰撞,即自车避障减速度为零,若两个时间窗口存在时间交集,则自车避障减速度与自车速度和横向危险碰撞目标纵向位置有关,可通过下述公式计算得到。
DecA=-Ve*Ve/(2*PX)
其中,DecA为自车避障减速度,Ve为自车速度,PX为横向危险碰撞目标纵向位置。
本实施例中,通过基于碰撞时间窗口确定横向危险碰撞目标与自车是否存在时间交集,若存在时间交集,则基于自车速度和横向危险碰撞目标纵向位置确定自车避障减速度,能够准确得到自车避免与横向危险碰撞目标发生碰撞所需的减速度。
在本申请的一个实施例中,所述基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹包括:
S701:若所述最危险碰撞目标静止,则将原始移动轨迹作为未来移动轨迹。
S703:若所述最危险碰撞目标非静止,则基于所述最危险碰撞目标的速度、加速度及与自车的相对距离确定未来移动轨迹。
在本申请的一个实施例中,当最危险碰撞目标静止时,则将原始移动轨迹作为未来移动轨迹,即未来时间内目标的位置及航向角保持当前位置不变。当所述最危险碰撞目标非静止时,则基于最危险碰撞目标当前的状态,包括速度、加速度、航向角以及与自车的相对距离等信息,采用常加速模型,预测未来移动轨迹,未来移动轨迹包括多个采样点的轨迹点信息。
本实施例中,通过基于最危险碰撞目标的不同状态,能够准确预测最危险碰撞目标的未来移动轨迹。
在本申请的一个实施例中,所述速度包括纵向速度和横向速度,所述加速度包括纵向加速度和横向加速度,所述相对距离包括纵向相对距离和横向相对距离,所述基于所述最危险碰撞目标的速度、加速度及与自车的相对距离确定未来移动轨迹包括:
S801:基于所述目标速度和目标加速度确定预测时间范围,在所述预测时间范围内选取多个预测时间。
S803:基于所述纵向相对距离、纵向加速度、横向相对距离、横向加速度和多个预测时间确定多个未来纵向位移和未来横向位移。
S805:基于所述纵向速度及纵向加速度、横向速度及横向加速度和多个预测时间确定多个未来纵向速度和横向速度。
S807:基于所述多个未来纵向速度和横向速度确定多个未来航向角。
S809:基于所述多个未来纵向位移、未来横向位移以及未来航向角确定未来移动轨迹。
在本申请的一个实施例中,首先判断最危险碰撞目标是否会停止,即主目标的速度与加速度是否反向,若反向则目标会停止,距离停止的时间Tstop采用以下公式计算。
之后,基于停止时间确定预测时间范围,并在预测时间范围内选取多个预测时间。具体的,当采样间隔为TSample,预测100个轨迹点时,预测第n个点时的时间为:
t=min(TStop,TSample×n)
之后,基于纵向相对距离、纵向加速度、横向相对距离、横向加速度和多个预测时间分别确定多个未来纵向位移和未来横向位移。具体的,采用下述公式计算得到。
/>
其中,Pxt_obj表示t时刻(预测第n个点)未来纵向位移,Pyt_obj表示t时刻(预测第n个点)未来横向位移,Px0表示纵向相对距离,aobj_lgt表示纵向加速度,Py0表示横向相对距离,aobj_lat表示横向加速度。
之后,基于纵向速度及纵向加速度、横向速度及横向加速度和多个预测时间确定多个未来纵向速度和横向速度。具体的,采用下述公式计算得到。
Vyt=(Vy0+aobj_lat×t)
其中,Vxt表示t时刻(预测第n个点)未来纵向速度,Vyt表示t时刻(预测第n个点)未来横向速度,Vx0表示纵向速度,Vy0表示横向速度。
之后,基于多个未来纵向速度和横向速度确定多个未来航向角。即t时刻(预测第n个点)主目标的航向角Ht_obj采用下述公式计算得到。
依次遍历n个点,可选地,取n=100,为标定值,最终得到最危险碰撞目标的未来移动轨迹即未来轨迹点组合(Pxt_obj,Pyt_obj,Ht_obj)。
本实施例中,通过基于目标速度和目标加速度确定预测时间范围,在预测时间范围内选取多个预测时间,基于纵向相对距离、纵向加速度、横向相对距离、横向加速度和多个预测时间确定多个未来纵向位移和未来横向位移,基于纵向速度及纵向加速度、横向速度及横向加速度和多个预测时间确定多个未来纵向速度和横向速度,基于多个未来纵向速度和横向速度确定多个未来航向角,基于多个未来纵向位移、未来横向位移以及未来航向角确定未来移动轨迹,能够准确预测危险碰撞目标的未来移动轨迹,提高避障路径规划的时效性。
下面以一个具体实施例说明本申请的危险碰撞目标轨迹预测方法的具体实施步骤。首先,S901,获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离。之后,S903,基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间。具体的,S905-S907,基于所述自车速度和目标速度确定相对速度,基于所述自车加速度和目标加速度确定相对加速度;基于所述相对距离、相对速度和相对加速度确定碰撞时间。
之后,S909,基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标的状态信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标。
具体的,所述初始危险碰撞目标包括纵向危险碰撞目标,S911-S913,当所述纵向危险碰撞目标静止时,基于所述相对距离、自车速度和自车加速度确定自车避障减速度;当所述纵向危险碰撞目标非静止时,基于所述纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度,其中,所述纵向危险碰撞目标的状态信息包括目标纵向速度、目标加速度、目标宽度、目标位置,所述自车信息包括自车速度、自车加速度、自车宽度、自车位置。
S915,基于所述目标纵向速度以及目标加速度确定目标停止时间和目标停止位置。S917,基于所述目标纵向速度和自车速度确定相对速度,基于所述目标加速度和自车加速度确定相对加速度,基于所述相对速度和相对加速度确定追击目标时间。S919,基于所述目标宽度、自车宽度、目标当前位置、自车位置确定目标驶离自车车道时间。
之后,S921,当所述纵向危险碰撞目标减速行驶,且所述自车速度大于目标纵向速度时,比较所述目标停止时间和追击目标时间,基于比较结果确定自车避障减速度。S923,当所述纵向危险碰撞目标减速行驶,且所述自车速度不大于目标纵向速度时,基于所述目标停止时间确定自车避障减速度。S925,当所述纵向危险碰撞目标减速行驶且不在当前车道停止时,基于所述目标驶离自车车道时间确定自车避障减速度。S927,当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度大于目标纵向速度时,基于所述追击目标时间确定自车避障减速度。S929,当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度不大于目标纵向速度时,则不会发生碰撞。
具体的,所述初始危险碰撞目标包括横向危险碰撞目标,S931-S933,基于碰撞时间窗口确定横向危险碰撞目标与自车是否存在时间交集;若存在时间交集,则基于自车速度和横向危险碰撞目标纵向位置确定自车避障减速度。
最后,S935,基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹。具体的,S937,若所述最危险碰撞目标静止,则将原始移动轨迹作为未来移动轨迹。
S939,若所述最危险碰撞目标非静止,则基于所述最危险碰撞目标的速度、加速度及与自车的相对距离确定未来移动轨迹。具体的,S941-S949,基于所述目标速度和目标加速度确定预测时间范围,在所述预测时间范围内选取多个预测时间;基于所述纵向相对距离、纵向加速度、横向相对距离、横向加速度和多个预测时间确定多个未来纵向位移和未来横向位移;基于所述纵向速度及纵向加速度、横向速度及横向加速度和多个预测时间确定多个未来纵向速度和横向速度;基于所述多个未来纵向速度和横向速度确定多个未来航向角;基于所述多个未来纵向位移、未来横向位移以及未来航向角确定未来移动轨迹。
在本申请的一个实施例中,具体应用中,在选择横向危险碰撞目标即横穿目标时,为保证对例如行人、自行车等低速目标的有效选择,通常设置相关规则,分为两种情况,当目标为行人时,自车纵向速度小于60km/h,目标纵向位置有效值根据自车速度不同限定在[8m,20m]之间,目标横向位置有效值根据自车速度不同限定在[2m,4.5m]之间,自车加速度满足绝对值大小小于10m/s2,自车横摆角速度小于2rad/s。当目标为自行车时,自车纵向速度小于60km/h,目标纵向位置有效值小于30m,目标横向位置有效值小于20m,自车加速度满足绝对值大小小于10m/s2,自车横摆角速度小于2rad/s。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的危险碰撞目标轨迹预测方法的危险碰撞目标轨迹预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个危险碰撞目标轨迹预测装置实施例中的具体限定可以参见上文中对于危险碰撞目标轨迹预测方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种危险碰撞目标轨迹预测装置600,包括:信息获取模块601、碰撞时间确定模块603、最危险碰撞目标确定模块605和未来移动轨迹预测模块607,其中:
信息获取模块601,用于获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离。
碰撞时间确定模块603,用于基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间。
最危险碰撞目标确定模块605,用于基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标的状态信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标。
未来移动轨迹预测模块607,用于基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹。
在本申请的一个实施例中,所述自车信息包括自车速度、自车加速度,所述候选碰撞目标信息包括目标速度、目标加速度,所述碰撞时间确定模块还用于:
基于所述自车速度和目标速度确定相对速度,基于所述自车加速度和目标加速度确定相对加速度;
基于所述相对距离、相对速度和相对加速度确定碰撞时间。
在本申请的一个实施例中,所述初始危险碰撞目标包括纵向危险碰撞目标,所述最危险碰撞目标确定模块还用于:
当所述纵向危险碰撞目标静止时,基于所述相对距离、自车速度和自车加速度确定自车避障减速度;
当所述纵向危险碰撞目标非静止时,基于所述纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度,其中,所述纵向危险碰撞目标的状态信息包括目标纵向速度、目标加速度、目标宽度、目标位置,所述自车信息包括自车速度、自车加速度、自车宽度、自车位置。
在本申请的一个实施例中,所述最危险碰撞目标确定模块还用于:
基于所述目标纵向速度以及目标加速度确定目标停止时间和目标停止位置;
基于所述目标纵向速度和自车速度确定相对速度,基于所述目标加速度和自车加速度确定相对加速度,基于所述相对速度和相对加速度确定追击目标时间;
基于所述目标宽度、自车宽度、目标当前位置、自车位置确定目标驶离自车车道时间;
当所述纵向危险碰撞目标减速行驶,且所述自车速度大于目标纵向速度时,比较所述目标停止时间和追击目标时间,基于比较结果确定自车避障减速度;
当所述纵向危险碰撞目标减速行驶,且所述自车速度不大于目标纵向速度时,基于所述目标停止时间确定自车避障减速度;
当所述纵向危险碰撞目标减速行驶且不在当前车道停止时,基于所述目标驶离自车车道时间确定自车避障减速度;
当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度大于目标纵向速度时,基于所述追击目标时间确定自车避障减速度;
当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度不大于目标纵向速度时,则不会发生碰撞。
在本申请的一个实施例中,所述初始危险碰撞目标包括横向危险碰撞目标,所述最危险碰撞目标确定模块还用于:
基于碰撞时间窗口确定横向危险碰撞目标与自车是否存在时间交集;
若存在时间交集,则基于自车速度和横向危险碰撞目标纵向位置确定自车避障减速度。
在本申请的一个实施例中,所述未来移动轨迹预测模块还用于:
若所述最危险碰撞目标静止,则将原始移动轨迹作为未来移动轨迹;
若所述最危险碰撞目标非静止,则基于所述最危险碰撞目标的速度、加速度及与自车的相对距离确定未来移动轨迹。
在本申请的一个实施例中,所述速度包括纵向速度和横向速度,所述加速度包括纵向加速度和横向加速度,所述相对距离包括纵向相对距离和横向相对距离,所述未来移动轨迹预测模块还用于:
基于所述目标速度和目标加速度确定预测时间范围,在所述预测时间范围内选取多个预测时间;
基于所述纵向相对距离、纵向加速度、横向相对距离、横向加速度和多个预测时间确定多个未来纵向位移和未来横向位移;
基于所述纵向速度及纵向加速度、横向速度及横向加速度和多个预测时间确定多个未来纵向速度和横向速度;
基于所述多个未来纵向速度和横向速度确定多个未来航向角;
基于所述多个未来纵向位移、未来横向位移以及未来航向角确定未来移动轨迹。
上述危险碰撞目标轨迹预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种危险碰撞目标轨迹预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种危险碰撞目标轨迹预测方法,其特征在于,所述方法包括:
获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离;
基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间;
基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标的状态信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标;
基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹。
2.根据权利要求1所述的方法,其特征在于,所述自车信息包括自车速度、自车加速度,所述候选碰撞目标信息包括目标速度、目标加速度,所述基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间包括:
基于所述自车速度和目标速度确定相对速度,基于所述自车加速度和目标加速度确定相对加速度;
基于所述相对距离、相对速度和相对加速度确定碰撞时间。
3.根据权利要求1所述的方法,其特征在于,所述初始危险碰撞目标包括纵向危险碰撞目标,所述基于所述初始危险碰撞目标的状态信息确定自车避障减速度包括:
当所述纵向危险碰撞目标静止时,基于所述相对距离、自车速度和自车加速度确定自车避障减速度;
当所述纵向危险碰撞目标非静止时,基于所述纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度,其中,所述纵向危险碰撞目标的状态信息包括目标纵向速度、目标加速度、目标宽度、目标位置,所述自车信息包括自车速度、自车加速度、自车宽度、自车位置。
4.根据权利要求3所述的方法,其特征在于,所述当所述纵向危险碰撞目标非静止时,基于所述纵向危险碰撞目标的状态信息和自车信息确定自车避障减速度包括:
基于所述目标纵向速度以及目标加速度确定目标停止时间和目标停止位置;
基于所述目标纵向速度和自车速度确定相对速度,基于所述目标加速度和自车加速度确定相对加速度,基于所述相对速度和相对加速度确定追击目标时间;
基于所述目标宽度、自车宽度、目标当前位置、自车位置确定目标驶离自车车道时间;
当所述纵向危险碰撞目标减速行驶,且所述自车速度大于目标纵向速度时,比较所述目标停止时间和追击目标时间,基于比较结果确定自车避障减速度;
当所述纵向危险碰撞目标减速行驶,且所述自车速度不大于目标纵向速度时,基于所述目标停止时间确定自车避障减速度;
当所述纵向危险碰撞目标减速行驶且不在当前车道停止时,基于所述目标驶离自车车道时间确定自车避障减速度;
当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度大于目标纵向速度时,基于所述追击目标时间确定自车避障减速度;
当所述纵向危险碰撞目标匀速行驶或加速行驶,且所述自车速度不大于目标纵向速度时,则不会发生碰撞。
5.根据权利要求1所述的方法,其特征在于,所述初始危险碰撞目标包括横向危险碰撞目标,所述基于所述初始危险碰撞目标的状态信息确定自车避障减速度包括:
基于碰撞时间窗口确定横向危险碰撞目标与自车是否存在时间交集;
若存在时间交集,则基于自车速度和横向危险碰撞目标纵向位置确定自车避障减速度。
6.根据权利要求1所述的方法,其特征在于,所述基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹包括:
若所述最危险碰撞目标静止,则将原始移动轨迹作为未来移动轨迹;
若所述最危险碰撞目标非静止,则基于所述最危险碰撞目标的速度、加速度及与自车的相对距离确定未来移动轨迹。
7.根据权利要求6所述的方法,其特征在于,所述速度包括纵向速度和横向速度,所述加速度包括纵向加速度和横向加速度,所述相对距离包括纵向相对距离和横向相对距离,所述基于所述最危险碰撞目标的速度、加速度及与自车的相对距离确定未来移动轨迹包括:
基于所述目标速度和目标加速度确定预测时间范围,在所述预测时间范围内选取多个预测时间;
基于所述纵向相对距离、纵向加速度、横向相对距离、横向加速度和多个预测时间确定多个未来纵向位移和未来横向位移;
基于所述纵向速度及纵向加速度、横向速度及横向加速度和多个预测时间确定多个未来纵向速度和横向速度;
基于所述多个未来纵向速度和横向速度确定多个未来航向角;
基于所述多个未来纵向位移、未来横向位移以及未来航向角确定未来移动轨迹。
8.一种危险碰撞目标轨迹预测装置,其特征在于,所述装置包括:
信息获取模块,用于获取自车信息以及自车前方多个候选碰撞目标信息,所述候选碰撞目标信息包括危险碰撞目标与自车的相对距离;
碰撞时间确定模块,用于基于所述自车信息和多个候选碰撞目标信息确定对应的多个碰撞时间;
最危险碰撞目标确定模块,用于基于所述碰撞时间和相对距离确定初始危险碰撞目标,基于所述初始危险碰撞目标的状态信息确定自车避障减速度,基于所述减速度确定最危险碰撞目标;
未来移动轨迹预测模块,用于基于所述最危险碰撞目标的状态信息确定最危险碰撞目标的未来移动轨迹。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311500868.3A CN117782120A (zh) | 2023-11-13 | 2023-11-13 | 危险碰撞目标轨迹预测方法、装置、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311500868.3A CN117782120A (zh) | 2023-11-13 | 2023-11-13 | 危险碰撞目标轨迹预测方法、装置、计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117782120A true CN117782120A (zh) | 2024-03-29 |
Family
ID=90395327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311500868.3A Pending CN117782120A (zh) | 2023-11-13 | 2023-11-13 | 危险碰撞目标轨迹预测方法、装置、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117782120A (zh) |
-
2023
- 2023-11-13 CN CN202311500868.3A patent/CN117782120A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11414080B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN106952471B (zh) | 交叉路口处驾驶员意图的预测 | |
CN113056749A (zh) | 用于自主机器应用的未来对象轨迹预测 | |
JP2018152056A (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 | |
CN107450529A (zh) | 用于自动驾驶车辆的改进的物体检测 | |
US20190329766A1 (en) | Vehicle control device, vehicle control method, and vehicle control program | |
JPWO2017158768A1 (ja) | 車両制御システム、車両制御方法、および車両制御プログラム | |
JP7440324B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
JP2019182305A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US10522041B2 (en) | Display device control method and display device | |
DE112018004507T5 (de) | Informationsverarbeitungseinrichtung, bewegungseinrichtung und verfahren und programm | |
KR20210060647A (ko) | 다중 차선 방향전환 전체에 걸친 차량들의 제어 | |
JP2019137139A (ja) | 車両制御装置 | |
US20220366175A1 (en) | Long-range object detection, localization, tracking and classification for autonomous vehicles | |
CN114651286A (zh) | 避障动作 | |
DE112022002353T5 (de) | Verfahren und Systeme zur Trajektorienerzeugung für ein autonomes Fahrzeug beim Überfahren einer Kreuzung | |
JP7379033B2 (ja) | 運転支援方法及び運転支援装置 | |
CN116653964B (zh) | 变道纵向速度规划方法、装置和车载设备 | |
CN116691688B (zh) | 车辆变道轨迹缝合方法、装置和域控制器 | |
CN116674557A (zh) | 车辆自主变道动态规划方法、装置和域控制器 | |
JP7465705B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
JP7220192B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN117782120A (zh) | 危险碰撞目标轨迹预测方法、装置、计算机设备 | |
CN116653965B (zh) | 车辆变道重规划触发方法、装置及域控制器 | |
JP2022152607A (ja) | 運転支援装置、運転支援方法、及びプログラム |
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 |