车辆避险控制方法及装置、控制装置、介质、产品和车辆与流程
本技术涉及车辆控制,具体涉及一种车辆避险控制方法及装置、控制装置、介质、产品和车辆。
背景技术:
1、随着智能驾驶技术的快速发展,车辆的主动安全系统已成为机动车辆的核心配置。主流的前方碰撞预警、自动紧急制动、车道偏离辅助等安全功能,均依赖于摄像头、雷达等传感器对实时路况的感知,通过识别当前视野内存在的车辆、行人、障碍物等可视目标,实现风险的即时预警与被动避险。
2、然而,传统安全控制均属于即时性目标感知机制,仅能针对当前可视范围内的显性风险进行识别响应,无法对已经发生但风险仍持续存续的滞后性隐性路况隐患进行有效感知,进而影响车辆行车安全。
技术实现思路
1、本技术实施例提供一种车辆避险控制方法及装置、控制装置、介质、产品和车辆,能够解决现有技术中无法感知滞后性隐性路况隐患,进而影响车辆行车安全的问题。
2、第一方面,本技术提供一种车辆避险控制方法,应用于车辆,该方法包括:基于车辆的前方道路的路面图像,确定前方道路的路面异常痕迹;其中,路面异常痕迹包括至少一种痕迹类型下的异常痕迹;痕迹类型包括刹车痕迹类型、滑移痕迹类型和附着物残留痕迹类型;基于路面异常痕迹,对车辆进行避险控制。
3、基于上述技术方案,本技术通过获取车辆前方道路的路面图像,并对该路面图像进行处理以确定前方道路的路面异常痕迹,从而能够直接从前方道路的表面信息中获取潜在的危险情形;在此基础上,通过将路面异常痕迹界定为包括至少一种痕迹类型下的异常痕迹,并将痕迹类型具体限定为刹车痕迹类型、滑移痕迹类型和附着物残留痕迹类型,使得对路面异常的识别不再局限于单一的图像特征,而是能够分别针对紧急制动留下的刹车痕迹、车辆失控滑移留下的滑移痕迹以及附着残留形成的附着物残留痕迹进行识别,从而扩大了可识别的路面危险情形的范围,并提高了对路面潜在风险的辨别能力;在此基础上,通过基于所确定的路面异常痕迹对车辆进行避险控制,能够根据路面图像所反映的实际异常痕迹的类型和分布情况,提前预判前方道路可能存在的风险状况,并据此及时主动地调整车辆的行驶状态,从而在车辆尚未直接探测到障碍物或识别到路面异常痕迹之前,提前采取避险措施,如提前制动、转向或减速等,由此提高了车辆对前方道路突发风险的响应及时性和避险控制的主动性,进而提升了车辆的行车安全。
4、在一些可能的实施方式中,附着物残留痕迹类型下的附着物残留痕迹至少由油渍残留痕迹和水渍残留痕迹中的一种形成。
5、基于上述技术方案,本技术通过将附着物残留痕迹类型下的附着物残留痕迹进一步限定为至少由油渍残留痕迹、水渍残留痕迹和泥渍残留痕迹中的一种形成,使得对附着物残留痕迹的识别能够具体指向对路面附着物种类及其特征差异的判别,从而可以分别针对油渍导致的低附着路面区域、水渍形成的湿滑路段以及泥渍造成的摩擦系数下降区域进行识别;由于油渍、水渍和泥渍对轮胎附着力的削弱程度及滑移特性存在差异,通过区分上述具体痕迹类型,能够进一步判断不同附着物残留所反映的路面危险等级及其影响范围,进而使得避险控制策略能够针对不同类型的附着物残留采取与之相适应的制动强度、转向幅度或减速时机,提高了避险控制的精细化程度和针对性,进一步增强了车辆行驶的安全性。
6、在一些可能的实施方式中,基于路面异常痕迹,对车辆进行避险控制,包括:针对路面异常痕迹涉及的每一种痕迹类型,对每一种痕迹类型下的异常痕迹进行几何形态特征提取,得到每一种痕迹类型对应的痕迹特征;其中,几何形态特征包括:痕迹长度、分布范围、残留深度和形态规整度;基于每一种痕迹类型对应的痕迹特征,确定前方道路对应的风险场景;基于风险场景,对车辆进行避险控制。
7、基于上述技术方案,本技术针对每一种痕迹类型分别提取其几何形态特征,并将痕迹长度、分布范围、残留深度和形态规整度作为具体的形态描述维度,使得对各类异常痕迹的表征从单纯的有无判别细化到对其空间分布和形态量化参数的描述,由此获得了可用于区分不同痕迹形成机理及其所反映路面状态的量化依据;在此基础上,通过基于每一类痕迹的几何形态特征确定前方道路对应的风险场景,能够结合痕迹的长度、覆盖范围、残留深度及形态规整程度推断出异常痕迹的形成过程、影响范围及其对车辆行驶安全的威胁程度,从而识别出更为具体的风险场景;在此基础上,通过依据所确定的风险场景对车辆进行避险控制,使得车辆能够针对不同的风险成因和威胁程度采取与之相适应的具体避险措施,避免了采用单一控制策略应对不同风险情形的局限性,进而提高了避险控制与路面实际风险状况的匹配程度,增强了车辆应对复杂路面风险的适应性和行驶安全性。
8、在一些可能的实施方式中,对每一种痕迹类型下的异常痕迹进行几何形态特征提取,得到每一种痕迹类型对应的痕迹特征,包括:基于每一种痕迹类型对应的痕迹识别模型,对每一种痕迹类型下的异常痕迹进行几何形态特征提取,得到每一种痕迹类型对应的痕迹特征。
9、基于上述技术方案,本技术通过针对每一种痕迹类型分别采用其对应的痕迹识别模型进行几何形态特征提取,使得不同痕迹类型的特征提取过程能够适配各自对应的痕迹成像规律与判别依据,避免了采用单一模型对不同痕迹类型进行同质化提取所带来的表征偏差;由于刹车痕迹、滑移痕迹以及油渍、水渍、泥渍等不同类型的附着物残留痕迹在图像灰度、纹理连续性、边缘走向及空间分布规律上各具特点,通过为各痕迹类型配置相应的识别模型,能够更准确地提取每一类痕迹的痕迹长度、分布范围、残留深度和形态规整度等几何形态特征,从而提升了痕迹特征表征的准确性和区分度,进而为后续依据痕迹特征确定风险场景提供了更为可靠的数据基础,使得避险控制策略能够建立在更为精确的路面风险判断之上,进一步提高了避险控制的可靠性和车辆行驶的安全性。
10、在一些可能的实施方式中,基于每一种痕迹类型对应的痕迹特征,确定前方道路对应的风险场景,包括:针对每一种痕迹类型中目标痕迹类型,确定标定痕迹特征库中与目标痕迹类型对应的标定痕迹特征集;将标定痕迹特征集中与目标痕迹类型对应的痕迹特征匹配的标定痕迹特征,确定为目标痕迹类型对应的修正痕迹特征;基于每一种痕迹类型对应的修正痕迹特征,确定前方道路对应的风险场景。
11、基于上述技术方案,本技术通过针对每一种痕迹类型中的目标痕迹类型,从标定痕迹特征库中确定与该目标痕迹类型对应的标定痕迹特征集,并进一步将标定痕迹特征集中与目标痕迹类型对应的痕迹特征相匹配的标定痕迹特征确定为目标痕迹类型对应的修正痕迹特征,使得从路面图像中实时提取的痕迹特征能够与目标痕迹类型专属的标定特征进行比对和校正,从而消除了因光照变化、路面材质差异、成像角度偏差以及图像采集设备参数差异等因素造成的特征提取偏差,提升了痕迹特征的表征准确度;在此基础上,通过基于每一种痕迹类型对应的修正痕迹特征确定前方道路对应的风险场景,使得风险场景的判定建立在经过修正的痕迹特征之上,进而提高了风险场景识别的准确性和可靠性,为车辆采取与之相匹配的避险控制策略提供了更为准确的判断依据,进一步增强了避险控制的有效性和车辆行驶的安全性。
12、在一些可能的实施方式中,基于每一种痕迹类型对应的修正痕迹特征,确定前方道路对应的风险场景,包括:基于每一种痕迹类型对应的修正痕迹特征和映射关系集,确定风险场景;其中,映射关系集用于表征标定风险场景、标定风险场景下包含的标定痕迹类型、标定痕迹类型下的标定痕迹特征之间的对应关系。
13、基于上述技术方案,本技术通过引入映射关系集,利用其中所表征的标定风险场景、标定风险场景下包含的标定痕迹类型以及标定痕迹类型下的标定痕迹特征三者之间的对应关系,将每一种痕迹类型对应的修正痕迹特征与该对应关系进行匹配,使得风险场景的确定不再是依赖单一痕迹特征的孤立判断,而是建立在校准的标定风险场景及其对应的痕迹类型组合和特征关联之上;由于同一风险场景往往由多种痕迹类型及其特定几何形态特征共同构成,通过映射关系集能够同时综合多类痕迹之间的共存关系与特征匹配程度进行风险场景的判定,从而避免了仅依据单一痕迹特征进行推断所造成的误判,提高了风险场景识别的准确性和置信度;在此基础上,基于经映射关系集匹配确定的风险场景对车辆进行避险控制,使得避险控制策略能够与前方道路实际存在的风险场景类型及其严重程度相对应,进而提高了避险控制的针对性。
14、在一些可能的实施方式中,映射关系集的确定过程包括:获取多个历史标定风险场景;提取多个历史标定风险场景中每个历史标定风险场景下的历史标定痕迹类型以及历史标定痕迹类型对应的历史标定痕迹特征;建立每个历史标定风险场景、每个历史标定风险场景下的历史标定痕迹类型、历史标定痕迹类型对应的历史标定痕迹特征之间的对应关系,得到映射关系集。
15、基于上述技术方案,本技术通过获取多个历史标定风险场景,并提取其中每个历史标定风险场景下的历史标定痕迹类型及其对应的历史标定痕迹特征,使得映射关系集的构建具备来自实际风险场景的样本基础,避免了依赖理论推测或人工经验设定对应关系所带来的偏差;在此基础上,通过建立起每个历史标定风险场景、该场景下的历史标定痕迹类型以及该痕迹类型对应的历史标定痕迹特征三者之间的对应关系,并将这些对应关系整合为映射关系集,使得映射关系集能够完整反映不同风险场景与构成该场景的多类痕迹及其几何形态特征之间的关联规律;由于该映射关系集是基于多个历史标定风险场景的样本数据构建而成,其涵盖了多种实际发生过的风险场景类型及其对应的痕迹组合特征,从而使得后续基于映射关系集进行风险场景匹配时,能够依据经过实际场景验证的对应关系对实时提取的修正痕迹特征进行比对和判定,提高了风险场景识别的准确性和可信度,进而为车辆采取与之相匹配的避险控制策略提供了更为可靠的判断依据。
16、在一些可能的实施方式中,基于风险场景,对车辆进行避险控制,包括:基于风险场景,确定前方道路对应的行车风险等级;基于行车风险等级,对车辆进行避险控制。
17、基于上述技术方案,本技术基于风险场景确定前方道路对应的行车风险等级,使得对路面风险的判断从定性的场景识别深化为可量化分级的风险程度评估,从而为避险控制提供了更为精细的决策依据;在此基础上,通过基于行车风险等级对车辆进行避险控制,使得车辆能够针对不同的风险程度采取与之相匹配的避险措施,对于较低风险等级的情形可以采取较为缓和的预警或轻度减速措施,而对于较高风险等级的情形则可以采取更为及时的紧急制动或主动转向避让措施,从而避免了采用单一控制策略应对不同程度风险时可能出现的控制不足或过度干预问题,提高了避险控制的合理性和驾驶舒适性。
18、在一些可能的实施方式中,基于行车风险等级,对车辆进行避险控制,包括:在行车风险等级为一级行车风险的情况下,输出风险提示,以提示前方道路存在路面异常痕迹。
19、基于上述技术方案,本技术通过在行车风险等级为一级行车风险的情况下,输出风险提示,以提示前方道路存在路面异常痕迹,使得在风险程度相对较低的场景下,车辆无需立即采取强干预的制动或转向操作,而是通过向驾驶员输出风险提示的方式使驾驶员获知前方路面的异常状况;由于一级行车风险所反映的路面异常痕迹对行车安全的影响程度尚处于可控范围,通过仅输出风险提示而非直接介入车辆控制,使得驾驶员能够在保留对车辆操作主动权的同时提前获知路面风险信息,从而有足够的时间结合自身驾驶意图和周边路况环境自主判断并作出减速、变道或保持警戒等应对措施,避免了在风险程度较低时对车辆进行不必要干预所造成的驾乘不适感和驾驶体验下降。
20、在一些可能的实施方式中,上述车辆避险控制方法还包括:在行车风险等级为二级行车风险的情况下,预建制动压力,以缩短制动响应时间;其中,二级行车风险所表征的行车危险程度大于一级行车风险所表征的行车危险程度。
21、基于上述技术方案,本技术通过在行车风险等级为二级行车风险的情况下执行预建制动压力的操作,使得在尚未触发实际制动指令之前,制动系统的制动液压力已提前建立至接近工作所需的水平,从而缩短了从风险确认到实际产生制动力之间的响应时间;由于二级行车风险所表征的行车危险程度大于一级行车风险所表征的行车危险程度,说明前方路面异常痕迹对行车安全的威胁已明显增大,若仍采用仅输出风险提示的方式将无法在有限时间内为后续避险操作预留充足裕量,而通过预建制动压力,能够在驾驶员踩下制动踏板或车辆自动触发制动控制时迅速产生预期的制动力,减少了制动系统的建压延迟。
22、在一些可能的实施方式中,上述车辆避险控制方法,还包括:在行车风险等级为三级行车风险的情况下,降低车辆的车速,以及控制车辆向车道中心方向进行横向偏移,以避开路面异常痕迹所在的区域;其中,三级行车风险所表征的行车危险程度大于二级行车风险所表征的行车危险程度。
23、基于上述技术方案,本技术通过在行车风险等级为三级行车风险的情况下,降低车辆的车速并控制车辆向车道中心方向进行横向偏移以避开路面异常痕迹所在的区域,使得在风险程度进一步升高时能够同时采取纵向减速与横向避位相结合的复合避险措施,从而从速度和轨迹两个维度降低车辆与路面异常痕迹区域发生接触的可能性;由于三级行车风险所表征的行车危险程度大于二级行车风险所表征的行车危险程度,说明前方路面异常痕迹对行车安全的威胁已较为紧迫,仅依靠预建制动压力所缩短的响应时间已不足以充分应对当前风险,通过降低车速能够在驶入风险区域之前主动削减车辆的动能储备,为后续制动操作预留更大的减速度余量,同时控制车辆向车道中心方向横向偏移,能够充分利用车道宽度使车辆轮胎轨迹避开刹车痕迹、滑移痕迹或油渍、水渍、泥渍等附着物残留痕迹所在的区域,从而降低了轮胎与低附着路面区域直接接触的概率。
24、在一些可能的实施方式中,上述车辆避险控制方法还包括:确定路面异常痕迹所处的风险道路区域;在检测到车辆驶离风险道路区域的情况下,停止对车辆的避险控制。
25、基于上述技术方案,本技术通过确定路面异常痕迹所处的风险道路区域,并在检测到车辆驶离该风险道路区域的情况下停止对车辆的避险控制,使得避险控制措施的执行范围被限定在车辆实际处于风险道路区域内的时段,从而避免了在车辆已经脱离风险区域后仍持续施加减速、横向偏移或制动压力预建等控制动作所造成的多余干预。
26、在一些可能的实施方式中,基于车辆的前方道路的路面图像,确定前方道路的路面异常痕迹,包括:基于痕迹识别模型对路面图像进行异常痕迹识别,得到前方道路的路面异常痕迹。
27、基于上述技术方案,本技术通过采用痕迹识别模型对路面图像进行异常痕迹识别,使得路面异常痕迹的提取过程能够按照预先设定的识别逻辑和判别规则对路面图像中的图像特征进行系统化处理,从而将路面图像中与正常路面纹理相区分的异常区域自动识别并提取出来;通过该方式,本技术提高了路面异常痕迹识别的准确性和抗干扰能力,为后续基于异常痕迹确定风险场景及执行避险控制提供了更为可靠的数据基础。
28、第二方面,本技术提供一种车辆避险控制装置,应用于车辆,该装置包括:
29、确定模块,用于基于车辆的前方道路的路面图像,确定前方道路的路面异常痕迹;其中,路面异常痕迹包括至少一种痕迹类型下的异常痕迹类型包括刹车痕迹类型、滑移痕迹类型和附着物残留痕迹类型。
30、控制模块,用于基于路面异常痕迹,对车辆进行避险控制。
31、在一些可能的实施方式中,控制模块包括:第一提取子单元、第一确定子单元和控制子单元。其中,第一提取子单元,用于针对路面异常痕迹涉及的每一种痕迹类型,对每一种痕迹类型下的异常痕迹进行几何形态特征提取,得到每一种痕迹类型对应的痕迹特征;其中,几何形态特征包括:痕迹长度、分布范围、残留深度和形态规整度。第一确定子单元,用于基于每一种痕迹类型对应的痕迹特征,确定前方道路对应的风险场景。控制子单元,用于基于风险场景,对车辆进行避险控制。
32、在一些可能的实施方式中,第一提取子单元,具体用于基于每一种痕迹类型对应的痕迹识别模型,对每一种痕迹类型下的异常痕迹进行几何形态特征提取,得到每一种痕迹类型对应的痕迹特征。
33、在一些可能的实施方式中,第一确定子单元,具体用于针对每一种痕迹类型中目标痕迹类型,确定标定痕迹特征库中与目标痕迹类型对应的标定痕迹特征集;将标定痕迹特征集中与目标痕迹类型对应的痕迹特征匹配的标定痕迹特征,确定为目标痕迹类型对应的修正痕迹特征;基于每一种痕迹类型对应的修正痕迹特征,确定前方道路对应的风险场景。
34、在一些可能的实施方式中,第一确定子单元,具体用于基于每一种痕迹类型对应的修正痕迹特征和映射关系集,确定风险场景;其中,映射关系集用于表征标定风险场景、标定风险场景下包含的标定痕迹类型、标定痕迹类型下的标定痕迹特征之间的对应关系。
35、在一些可能的实施方式中,确定模块包括:获取子单元、第二提取子单元和构建子单元。其中,获取子单元,用于获取多个历史标定风险场景。第二提取子单元,用于提取多个历史标定风险场景中每个历史标定风险场景下的历史标定痕迹类型以及历史标定痕迹类型对应的历史标定痕迹特征。构建子单元,用于建立每个历史标定风险场景、每个历史标定风险场景下的历史标定痕迹类型、历史标定痕迹类型对应的历史标定痕迹特征之间的对应关系,得到映射关系集。
36、在一些可能的实施方式中,控制模块还包括:第二确定子单元。第二确定子单元,用于基于风险场景,确定前方道路对应的行车风险等级。控制子单元,还用于基于行车风险等级,对车辆进行避险控制。
37、在一些可能的实施方式中,控制子单元,具体用于在行车风险等级为一级行车风险的情况下,输出风险提示,以提示前方道路存在路面异常痕迹。
38、在一些可能的实施方式中,控制子单元,具体还用于在行车风险等级为二级行车风险的情况下,预建制动压力,以缩短制动响应时间;其中,二级行车风险所表征的行车危险程度大于一级行车风险所表征的行车危险程度。
39、在一些可能的实施方式中,控制子单元,具体还用于在行车风险等级为三级行车风险的情况下,降低车辆的车速,以及控制车辆向车道中心方向进行横向偏移,以避开路面异常痕迹所在的区域;其中,三级行车风险所表征的行车危险程度大于二级行车风险所表征的行车危险程度。
40、在一些可能的实施方式中,控制子单元,还用于确定路面异常痕迹所处的风险道路区域;在检测到车辆驶离风险道路区域的情况下,停止对车辆的避险控制。
41、在一些可能的实施方式中,确定模块还包括:第三确定子单元。其中,第三确定子单元用于基于痕迹识别模型对路面图像进行异常痕迹识别,得到前方道路的路面异常痕迹。
42、第三方面,本技术提供一种控制装置,包括:存储器和处理器;存储器和处理器耦合;存储器用于存储计算机程序;处理器执行计算机程序时实现上述任一实施例的车辆避险控制方法。
43、第四方面,本技术提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,该计算机程序指令被处理器执行时实现上述任一实施例的车辆避险控制方法。
44、第五方面,本技术提供一种计算机程序产品,该计算机程序产品包括计算机程序指令,该计算机程序指令被处理器执行时实现上述任一实施例所述的车辆避险控制方法。
45、第六方面,本技术提供一种车辆,包括上任一实施例中的控制装置;或上任一实施例中的计算机可读存储介质;或上任一实施例中的计算机程序产品。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com