车辆碰撞预警方法、设备及存储介质与流程

摘要: 本说明书涉及自动驾驶,尤其涉及车辆碰撞预警方法、设备及存储介质。背景技术:1、在自动驾驶系统运行过程中,持续、精准的环境感知是确保行车安全的核心功能。当道路场景...
车辆碰撞预警方法、设备及存储介质与流程

本说明书涉及自动驾驶,尤其涉及车辆碰撞预警方法、设备及存储介质。

背景技术:

1、在自动驾驶系统运行过程中,持续、精准的环境感知是确保行车安全的核心功能。当道路场景中存在行人或其他移动交通工具(如其他车辆),且与自动驾驶车辆有相对位移时,自动驾驶车辆需要通过实时监测其与这些动态目标的相对位置,建立有效地避障策略,从而规避碰撞风险。

2、目前大多数自动驾驶车辆的自动驾驶环境感知方案多依赖激光雷达或毫米波雷达,通过主动发射探测信号并接收反射回波,实现对安全范围内目标物体的空间定位与识别,从而感知安全范围内是否有影响自车行驶的目标物体。

3、然而,这种基于雷达扫描的感知技术存在显著局限性,其感知逻辑主要聚焦于瞬时静态数据采集。这种单纯依赖当前时刻的感知数据的方式不仅可能因为感知不准确而对目标物体的运动趋势产生误判,更难以建立具有前瞻性的碰撞风险预测模型,进而无法为自动驾驶系统提供完备的决策依据。

技术实现思路

1、为克服相关技术中存在的问题,本说明书提供了一种车辆碰撞预警方法、设备及存储介质。

2、根据本说明书实施例的第一方面,提供一种方法,所述方法包括:

3、基于以自车为原点的坐标系,获取连续时间段中的每个时刻对应的目标物体的尾部角点的坐标,生成时间序列数据;

4、基于所述时间序列数据进行非线性动态轨迹建模,预测所述目标物体的角点的运动轨迹;

5、解析所述运动轨迹,当所述目标物体的角点与所述自车在当前动态坐标系下的路径存在碰撞点时,触发预警。

6、根据本说明书提供的一种车辆碰撞预警方法,所述非线性动态轨迹建模采用多项式拟合,

7、所述基于所述时间序列数据进行非线性动态轨迹建模,预测所述目标物体的角点的运动轨迹,包括:

8、对所述时间序列数据进行n次多项式拟合,生成表征所述目标物体的角点的运动轨迹的轨迹方程,其中,阶数n的取值与所述目标物体的运动复杂度正相关。

9、根据本说明书提供的一种车辆碰撞预警方法,所述解析所述运动轨迹,当所述目标物体的角点与所述自车在当前动态坐标系下的路径存在碰撞点时,触发预警,包括:

10、解析所述运动轨迹,确定所述运动轨迹与所述自车在当前动态坐标系下的路径的交点;

11、判断所述交点是否位于所述自车的横向宽度范围内;

12、当所述交点位于所述自车的横向宽度范围内,确定所述目标物体的角点与所述自车在当前动态坐标系下的路径存在碰撞点,并触发预警。

13、根据本说明书提供的一种车辆碰撞预警方法,所述解析所述运动轨迹,确定所述运动轨迹与所述自车在当前动态坐标系下的路径的交点,包括:

14、对所述运动轨迹对应的轨迹方程进行求解,确定所述轨迹方程为零时得到的实数解对应的位置为交点,所述轨迹方程是对所述时间序列数据经过n次多项式拟合后得到的。

15、根据本说明书提供的一种车辆碰撞预警方法,所述方法还包括:

16、确定位于所述自车的横向宽度范围内的交点为所述目标物体与所述自车存在碰撞风险的碰撞点;

17、基于所述碰撞点的位置,预测所述自车与所述目标物体发生碰撞时的碰撞预警时间。

18、根据本说明书提供的一种车辆碰撞预警方法,所述基于所述碰撞点的位置,预测所述自车与所述目标物体发生碰撞时的碰撞预警时间,包括:

19、确定所述目标物体的角点沿所述运动轨迹从当前位置到所述碰撞点的路径长度;

20、基于所述路径长度和所述自车与所述目标物体之间的瞬时相对速度,得到碰撞预警时间。

21、根据本说明书提供的一种车辆碰撞预警方法,所述自车包括车载立体视觉传感器,所述车载立体视觉传感器与所述自车所在坐标系的原点重合,

22、所述基于以自车为原点的坐标系,获取连续时间段中的每个时刻对应的目标物体的尾部角点的坐标,生成时间序列数据,包括:

23、基于连续时间段中的每个时刻,执行以下步骤:

24、通过所述车载立体视觉传感器采集所述目标物体的尾部的稠密点云图像,所述目标物体位于所述自车行驶方向的前方;

25、将所述稠密点云图像的点云垂直投影到地面,确定所述目标物体的尾部角点的投影坐标;

26、基于多个时刻的所述尾部角点的投影坐标,生成时间序列数据。

27、根据本说明书提供的一种车辆碰撞预警方法,所述车载立体视觉传感器包括双目相机。

28、根据本说明书提供的一种车辆碰撞预警方法,所述角点包括所述目标物体尾部的左后角和右后角,

29、所述将所述稠密点云图像的点云垂直投影到地面,确定所述目标物体的尾部角点的投影坐标,包括:

30、将所述稠密点云图像的点云垂直投影到地面,对投影点进行直线拟合,得到投影后所述左后角和所述右后角之间连线的斜率;

31、确定所述目标物体尾部的中心点的投影坐标;

32、根据所述目标物体的尾部宽度、斜率以及所述中心点的投影坐标,确定所述目标物体的所述左后角和所述右后角的投影坐标。

33、根据本说明书提供的一种车辆碰撞预警方法,所述目标物体的尾部宽度采用以下方式得到:

34、通过所述车载立体视觉传感器采集所述目标物体的尾部的rgb图像;

35、当所述目标物体为车辆时,对所述rgb图像进行识别,确定出所述目标物体的车辆信息;

36、根据所述车辆信息查找出所述目标物体的尺寸信息,得到所述目标物体的尾部宽度;

37、和/或,

38、沿着所述斜率的方向,确定覆盖所述投影点的最小外接矩形;

39、确定所述最小外接矩形的横向长度为所述目标物体的尾部宽度。

40、根据本说明书提供的一种车辆碰撞预警方法,所述连续时间段包括n个采样时刻,所述n的取值与所述目标物体相对所述自车的运动速度负相关;

41、其中,当相对运动速度降低时,n的取值相应增大;当相对运动速度升高时,n的取值相应减小。

42、根据本说明书实施例的第二方面,提供一种设备,包括:

43、包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述车辆碰撞预警方法。

44、根据本说明书实施例的第三方面,提供一种计算机可读存储介质,包括:

45、该计算机程序被处理器执行时实现如上述任一种所述车辆碰撞预警方法。

46、本说明书的实施例提供的技术方案可以包括以下有益效果:

47、本说明书实施例中,基于以自车为原点的坐标系,获取连续时间段中的每个时刻对应的目标物体的尾部角点的坐标,生成时间序列数据。该时间序列数据充分考虑目标物体与自动驾驶车辆的动态交互特性,准确感知自车和他车的相对位置变化。在基于所述时间序列数据进行非线性动态轨迹建模时,能够预测在复杂运动场景下所述目标物体的角点的运动轨迹,提高轨迹预测的精度以及碰撞预警的可靠性。其后,解析所述运动轨迹,当所述目标物体的角点与所述自车在当前动态坐标系下的路径存在碰撞点时,快速触发预警,提高预警实时性。

48、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。