障碍物SLT空间风险场环境建模方法及其装置、相关产品与流程

障碍物slt空间风险场环境建模方法及其装置、相关产品
技术领域
1.本发明涉及自动驾驶车道环境建模领域，特别涉及一种障碍物slt空间风险场环境建模方法、一种障碍物slt空间风险场环境建模装置、一种存储介质、一种包含指令的计算机程序产品、一种电子设备和一种移动工具。


背景技术：

2.自动驾驶系统是一个集环境感知、决策控制和动作执行等功能于一体的综合系统，是充分考虑车辆与交通环境协调规划的系统，也是未来智能交通系统的重要组成部分。
3.自动驾驶环境建模是对感知、定位、高精地图等客观数据的整合，感知数据是对实时环境的客观数据描述，定位与高精地图数据是对客观道路拓扑关系的数据描述，环境建模则是将输入数据转换为基于车道模型的、附带语义信息的环境模型，更有便于决策规划模块应用。目前环境建模方法多基于三车道模型或扩展三车道模型。
4.目前建立障碍物风险场的方法，是将动态障碍物和静态障碍物分开描述，发明人发现将动态障碍物和静态障碍物分开描述将导致后端决策规划在基于环境模型计算时，无法建立横纵向关联，导致输出结果存在一定问题。具体来说，障碍物建模仍根据动静态进行分类描述，sl图(sl_map)影响车辆横向行为，st图(st_map)影响车辆纵向行为，车辆横纵向行为的决策规划过程欠缺一定的统一评价，导致生成路径和路径速度可能存在一定问题，例如舒适性较差、避障路线较急等问题。
5.因此需要对上述的环境建模方法进行进一步改进。


技术实现要素：

6.本发明实施例旨在至少解决上述技术问题之一。
7.第一方面，本发明实施例提供一种障碍物slt空间风险场环境建模方法，包括：
8.以自车位置为原点在frenet坐标系中建立当前帧slt空间坐标系，所述slt空间坐标系中s轴以自车当前帧所在的当前车道为基准，各离散车道对应的当前帧st栅格图按照预置排列顺序沿着l轴排列；其中所述离散车道包含目标车道以及目标车道对应的偏移车道，所述目标车道包含自车当前车道以及当前车道的相邻车道，目标车道的偏移车道是指目标车道按照预置偏移规则进行偏移所得到的车道；
9.根据当前帧障碍物的预测轨迹确定各障碍物分别在各离散车道对应的当前帧st栅格图中的当前帧占据区域及当前帧占据区域中各栅格的当前帧占据概率，以得到当前帧障碍物的slt空间风险场。
10.第二方面，本发明实施例提供一种障碍物slt空间风险场建模装置，其包括：
11.slt空间坐标系构建模块，用于以自车位置为原点在frenet坐标系中建立当前帧slt空间坐标系，所述slt空间坐标系中s轴以自车当前帧所在的当前车道为基准，各离散车道对应的当前帧st栅格图按照预置排列顺序沿着l轴排列；其中所述离散车道包含目标车道以及目标车道对应的偏移车道，所述目标车道包含自车当前车道以及当前车道的相邻车
道，目标车道的偏移车道是指目标车道按照预置偏移规则进行偏移所得到的车道；和
12.障碍物slt空间风险场构建模块，用于根据当前帧障碍物的预测轨迹确定各障碍物分别在各离散车道对应的当前帧st栅格图中的当前帧占据区域及当前帧占据区域中各栅格的当前帧占据概率，以得到当前帧障碍物的slt空间风险场。
13.第三方面，本发明实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行根据本发明第一方面提供的方法的步骤。
14.第四方面，本发明实施例提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面提供的方法的步骤。
15.第五方面，本发明实施例提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本发明第一方面提供的方法的步骤。
16.第六方面，本发明实施例提供一种移动工具，其包括如第五方面所示的电子设备。
17.本发明实施例提出一种针对结构化道路的障碍物slt空间风险场环境建模方法，将静态障碍物sl概率栅格图和动态障碍物st概率栅格图统一描述，基于frenet坐标系建立障碍物三维slt空间风险场，可供决策规划模块进行横纵向联合规划评价。
附图说明
18.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1是本发明一实施例提供的一种障碍物slt空间风险场环境建模方法的流程示意图；
20.图2为本发明实施例提供的slt空间坐标系示意图；
21.图3是本发明另一实施例提供的一种障碍物slt空间风险场环境建模方法的流程示意图；
22.图4是本发明实施例提供的roi区域示意图；
23.图5是本发明实施例提供的sl_roi区域示意图；
24.图6是对图3中示出的关于步骤s121的子流程示意图；
25.图7是对图3中示出的关于步骤s122的子流程示意图；
26.图8是本发明又一实施例提供的一种障碍物slt空间风险场环境建模方法的流程示意图；
27.图9a至图9c是本发明实施例提供的关注障碍物slt计算示意图；
28.图10是本发明又一实施例提供的一种障碍物slt空间风险场环境建模方法的流程示意图；
29.图11a至图11d示意性地示出了重点关注障碍物预测线的横向离散示意图；
30.图12a至图12b示意性地示出了重点关注障碍物预测线的纵向离散示意图；
31.图13是针对重点关注障碍物，确定各离散车道对应的当前帧st栅格图中的每个栅
格的当前帧测轨迹概率方法的流程示意图；
32.图14是本发明一实施例提供的障碍物slt空间风险场环境建模装置的原理框图；
33.图15是本发明另一实施例提供的障碍物slt空间风险场环境建模装置的原理框图；
34.图16是图15中关注障碍物确定单元201的原理框图；
35.图17是图15中当前帧占据区域确定单元203的原理框图；
36.图18是图15中当前帧占据概率确定单元204的原理框图；
37.图19是图17中第一预估占据区域确定子单元2031的原理框图；
38.图20是图18中当前帧预测轨迹概率确定子单元2041的原理框图；
39.图21为本发明的电子设备的一实施例的结构示意图。
具体实施方式
40.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
41.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
42.本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
43.在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
44.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
45.本发明实施例中的障碍物风险场建模方法可以应用在电子设备中，电子设备例如包括但不限于智能手机、智能平板、个人pc、计算机、云端服务器、控制器等。本发明的技术
方案主要实现结构化道路下的障碍物风险场的环境建模，其主要采用基于frenet坐标系(也称道路坐标系)的栅格法表示。即用栅格表征障碍物在栅格图中的空间位置，即在结构化道路中的空间位置。本发明中的定义的风险场可以表征为每个栅格点的在栅格图中的空间位置以及其相应的占据概率的关系。
46.本文中的道路序列是指车道在地图中存储的形式，其可根据车道的属性进行区分。
47.下面参照图1，具体描述一下本发明实施例提供的一种障碍物slt空间风险场环境建模方法，该方法可应用于任何能够实现自动驾驶的移动工具上，例如自动驾驶车辆(乘用车、大巴车、小巴车、货车、越野车、环卫车、清扫车、洗地车和吸尘车等)、扫地机器人等，本发明对此不作限制。如图1所示，该方法包括：
48.步骤s11:以自车位置为原点在frenet坐标系中建立当前帧slt空间坐标系，所述slt空间坐标系中s轴以自车当前帧所在的当前车道为基准，各离散车道对应的当前帧st栅格图按照预置排列顺序沿着l轴排列；其中所述离散车道包含目标车道以及目标车道对应的偏移车道，所述目标车道包含自车当前车道以及当前车道的相邻车道，目标车道的偏移车道是指目标车道按照预置偏移规则进行偏移所得到的车道；
49.其中，预置偏移规则可以根据需要进行设定，例如按逐渐递增的或递减的距离将目标车道进行偏移，也可以按固定距离将目标车道进行偏移。
50.图2示出了建立的slt空间坐标系示意图，其中采用三车道模型，图2左侧图示出了目标车道，其包括自车所在的当前车道，以及当前车车道相邻的左车道和右车道。将自车车道中心线为l0左右离散固定距离
△
l，得到其偏移车道l1和l2，同理左车道中心线和右车道中心线也可离散出相应的偏移车道。目标车道以及目标车道对应的偏移车道统称为离散车道。可以理解的是，出于简化的目的，图2的左侧图中省略了左、右车道的偏移车道。同理，若自车所在的当前车道不存在相邻左侧车道仅存在相邻右侧车道时，目标车道包括当前车道及其相邻的右侧车道；若自车所在当前车道不存在相邻右侧车道仅存在左侧车道时，目标车道包括当前车道及其相邻的左侧车道；若自车所在当前车道不存在相邻的左侧和右侧车道，则目标车道包含当前车道。
51.由此可得到偏移量
△
l的系列lk(即偏移后得到的多个离散车道,k》0)下对应的当前帧st栅格图(可用st_map表示)，如图2中右侧图所示。
52.步骤s12:根据当前帧障碍物的预测轨迹确定各障碍物分别在各离散车道对应的当前帧st栅格图中的当前帧占据区域及当前帧占据区域中各栅格的当前帧占据概率，以得到当前帧障碍物的slt空间风险场。
53.其中，当前帧障碍物的预测轨迹由已知的上游的预测模块输出。预测模块为本发明环境建模的上游模块，本发明对此不作限定。
54.通过本发明实施例提供的障碍物slt空间风险场的环境建模方法，通过将目标车道和将目标车道按照预置偏移规则进行偏移所得到的偏移车道所组成的各离散车道对应的当前帧st栅格图按照预置排列顺序沿着l轴排列，以建立slt三维空间坐标系，并在此基础上建立slt空间风险场，有助于决策规划模块在搜索过程中将横纵向指标联合评价，因此有利于生成路径的乘驾舒适性。
55.进一步参照图3，其示出了本发明提供的障碍物slt空间风险场环境建模方法另一
实施例的流程图，该流程图主要是在图1的基础上对步骤s12进一步限定的步骤的流程图。
56.如图3所示，针对每个离散车道，执行以下步骤：
57.步骤s121：分别根据各障碍物的预测轨迹和所述离散车道的中心线，从各障碍物中确定出关注障碍物；
58.步骤s122：针对每个关注障碍物，根据关注障碍物的预测轨迹和所述离散车道的中心线确定出所述关注障碍物与离散车道发生冲突的st区域；根据所述st区域确定所述关注障碍物在所述离散车道的当前帧st栅格图中的当前帧占据区域；
59.步骤s123：计算所述离散车道对应的当前帧st栅格图中的当前帧占据区域中各占据栅格的当前帧占据概率。
60.本发明中，对感知输入的障碍物需要进行多次筛选，即依次筛选出roi障碍物，sl_roi障碍物，然后再此基础上进一步筛选出关注障碍物。示例性地，障碍物的筛选过程如下：
61.首先，通过框定感知感兴趣区域roi(region of interest)，该roi区域根据感知能力相对于笛卡尔坐标系而确定。图4中示出了roi区域的示意图，虚线框标注的区域表示roi区域。其中，roi_front_x为roi区域前向长度，roi_back_x为roi区域后向长度，roi_y为roi区域半宽度。框定roi区域的目的在于过滤距离自车很远的障碍物，定义过滤后障碍物为roi障碍物；
62.其次，将roi障碍物转换投影至frenet坐标系，通过框定sl_roi区域，进一步过滤距离自车车道或目标车道较远的障碍物，定义过滤后障碍物为sl_roi障碍物。图5示出了sl_roi区域示意图，虚线框标注的区域表示sl_roi区域。其中，sl_roi_front_l为sl_roi区域前向长度，sl_roi_back_l为sl_roi区域后向长度，sl_roi_l为sl_roi区域半宽度。
63.然后，根据动态障碍物预测轨迹经过的道路序列，同时结合高精地图中拓扑关系，对sl_roi障碍物中动态障碍物进一步过滤，以进一步确定关注障碍物。
64.示例性地，如图6所示，分别根据各障碍物的预测轨迹和所述离散车道的中心线，从各障碍物中确定出关注障碍物的方法，可以包括：
65.步骤s1211：确定所述离散车道对应的第一道路序列；
66.步骤s1212：针对每一个障碍物，确定所述障碍物的预测轨迹对应的第二道路序列，判断所述第一道路序列和第二道路序列是否存在潜在冲突，若是则确定所述障碍物为关注障碍物，若否则确定所述障碍物为非关注障碍物。
67.本文中定义的关注障碍物可以通过判断离散车道对应的第一道路序列和每一个障碍物的预测轨迹对应的第二道路序列是否存在潜在冲突来确定，若是则确定所述障碍物为关注障碍物，反之将确定所述障碍物为非关注障碍物，并将其筛除。具体来说，可以通过将第一道路序列和第二道路序列中的所有道路进行两两配对，判断每个配对是否存在平行关系、合流关系、分流关系或者交叉关系等，若存在则确定存在潜在冲突。
68.在本实施例中，上述步骤s122中关注障碍物与离散车道发生冲突的st区域可以根据现有技术中已知的方法来确定，本发明对此不作限制。示例性地，根据关注障碍物的当前帧预测轨迹、动态障碍物尺寸、离散车道的中心线和自车尺寸来确定自车和该关注障碍物发生碰撞过程中的碰撞开始点的时间t(即min_t)和s(即min_s),以及碰撞结束点的时间t(即max_t)和s(即max_s)，根据(min_t,min_s)、(max_t,max_s)来确定关注障碍物与离散车道发生冲突的st区域，该st区域没有栅格化。例如，根据关注障碍物尺寸生成用于表示关注
障碍物的第一虚拟框，根据自车尺寸生成用于表示自车的第二虚拟框，将关注障碍物的预测轨迹中的每个轨迹点作为第一虚拟框的中心点，将离散车道的中心线上的每个路点作为第二虚拟框的中心点，将第一虚拟框沿着预测轨迹进行模拟运动，将第二虚拟框沿着离散车道的中心线进行模拟运动，记录两者开始发生碰撞和结束碰撞的时间点及其对应的s坐标值。
69.直观地来讲，预测模块对每个关注障碍物输出一条预测轨迹，根据上述方法，通过一条预测轨迹可唯一确定一个st区域。示例性地，对于动态障碍物该st区域为一个平行四边形。
70.这里需要说明的是，静态障碍物通过计算可获得一个矩形的st区域。静态障碍物的slt空间风险场的计算过程与动态障碍物的过程相似。由于静态障碍物不涉及预测轨迹的横纵向离散，本文对其slt空间风险场的实现没有进行详细描述。
71.进一步参照图7，其示出了本发明提供的障碍物slt空间风险场环境建模方法另一实施例的流程图，该流程图主要是在图3的基础上对步骤s122进一步限定的步骤的流程图。
72.如图7所示，根据所述st区域确定所述关注障碍物在所述离散车道的当前帧st栅格图中的当前帧占据区域可具体实现为：
73.s1221：将所述st区域栅格离散化到所述离散车道对应的当前帧st栅格图中得到第一预估占据区域；
74.s1222：将所述关注障碍物在所述离散车道对应的前一帧st栅格图中的前一帧占据区域投影到所述离散车道对应的当前帧st栅格图中得到第二预估占据区域；
75.示例性地，根据前一帧和当前帧的时间变化量和自车位置变化量对动态障碍物的前一帧占据区域进行位移，得到所述关注障碍物在当前帧st栅格图中的第二预估区域。
76.例如，前一帧占据区域投影到当前帧st栅格图中得到的第二预估占据区域的坐标可表示为：
77.sm＝s
mm-1
‑△
s；
ꢀꢀ
(1)
78.tm＝t
mm-1
‑△
t；
ꢀꢀ
(2)
79.这里，sm表示当前帧对应时刻的纵坐标，s
mm-1
是前一帧的计算结果，即前一帧对应时刻的纵坐标，
△
s是当前帧和前一帧自车沿路径方向上的移动距离，可以自车定位变化量计算获得，
△
t是两帧时间差，例如0.1秒。
80.在一些实施方式中，当前帧和前一帧之间对应的时间间隔(即更新周期)可以根据需要设定，例如根据感知传感器等硬件频率确定。本发明对此不作限定。
81.s1223：根据所述第一预估占据区域和第二预估占据区域确定出所述关注障碍物在所述离散车道的当前帧st栅格图中的当前帧占据区域。
82.示例性地，可以将第一预估占据区域和第二预估占据区域进行滤波处理得到所述关注障碍物在所述离散车道的当前帧st栅格图中的当前帧占据区域。滤波可以通过常见的滤波方法进行处理以得到关注障碍物在所述离散车道的当前帧st栅格图中的当前帧占据区域。滤波方法可包括例如贝叶斯滤波，卡尔曼滤波等。本发明对此不作限制。
83.可替代地，可以将第一预估占据区域和第二预估占据区域直接叠加在一起，即取第一预估占据区域和第二预估占据区域的并集。
84.进一步参照图8，其示出了本发明提供的障碍物slt空间风险场环境建模方法另一
实施例的流程图，该流程图主要是在图7的基础上对步骤s123进一步限定的步骤的流程图。如图8所示，计算所述离散车道对应的当前帧st栅格图中的当前帧占据区域中各占据栅格的当前帧占据概率，可实现为：
85.步骤s1231：针对每个关注障碍物，计算所述关注障碍物在所述离散车道对应的当前帧st栅格图中的第一预估占据区域中的每个栅格的当前帧预测轨迹概率；
86.步骤s1232:针对所述离散车道对应的当前帧st栅格图中的每个占据栅格，执行以下步骤：根据各关注障碍物所述离散车道对应的当前帧st栅格图中的当前帧占据区域，确定出每个占据栅格对应的至少一个目标关注障碍物；根据各目标关注障碍物分别占据所述占据栅格的当前帧预测轨迹概率和预置的最大占据概率，确定所述占据栅格的当前帧预估占据概率；根据所述占据栅格的当前帧预估占据概率和所述占据栅格的前一帧占据概率，计算得到所述占据栅格的当前帧占据概率。
87.示例性的，可以基于所述占据栅格的当前帧预估占据概率和所述占据栅格的前一帧占据概率，采用滤波公式计算得到所述占据栅格的当前帧占据概率。滤波公式例如可以是贝叶斯滤波公式，还可以是卡尔曼滤波公式。
88.针对每个离散车道，因为关注障碍物均对应有预测轨迹，预测轨迹之间可能会存在交叉或重叠，导致在当前帧st栅格图中，某些占据栅格同时会被多个关注障碍物占据，因此，在计算这些占据栅格的当前帧预估占据概率时，需要考虑相应的多个关注障碍物分别在该占据栅格中的当前帧预测轨迹概率。因此，首先需要确定每个占据栅格被哪些目标关注障碍物占据。示例性地，例如，可以判断各关注障碍物在当前帧st栅格图中的当前帧占据区域中是否包含所述占据栅格，若是则确定关注障碍物为占据所述占据栅格的目标关注障碍物。
89.下面以其中一个离散车道lk为例，所述离散车道对应的当前帧st栅格图中的每个占据栅格的当前帧占据概率计算过程如下：
90.示例性地，关注障碍障碍物id用i表示，栅格点编号用j表示，单个目标关注障碍物占据所述占据栅格j的当前帧预测轨迹概率表示为ipm＝
ikm
，该占据栅格j当前帧预估占据概率为:
91.pm＝min(max_p，∑
ikm
)
ꢀꢀꢀ
(3)
92.其中
ikm
为id[]中值为i的目标关注障碍物在所述占据栅格j中的预测轨迹概率，max_p为预置的最大占据概率，根据以下贝叶斯滤波公式可得所述占据栅格的当前帧占据概率：
[0093][0094][0095][0096]
l为中间变量，公式(3)中栅格点被占据时为取加，无占据时取减。同时根据障碍物st所代表的物理意义，当t
mm-1
《0时，清除障碍物的p(s,t)风险场。
[0097]
依次更新计算各离散车道对应的当前帧st栅格图中的每个占据栅格的当前帧占
据概率。由此根据历史帧数据不断更新的当前帧的目标关注障碍物在车道模型下的slt风险场。
[0098]
示例性地，贝叶斯滤波也可以用其它滤波算法进行替换，例如卡尔曼滤波等。
[0099]
通过本发明实施例的方法计算并更新后的障碍物slt风险场，从单帧角度看，允许传感器精度范围内的一定误差，并将原“有/无危险”的结果表述，变成了“0～1”概率化的风险描述，提高了数据的可应用性。同时多帧连续的结果叠加，提高了数据的稳定性，避免了单帧跳变的影响，提高了障碍物风险评估的准确度。
[0100]
在一些实施方式中，在得到关注障碍物后，将其进一步划分为重点关注障碍物和非重点关注障碍物。根据上述潜在冲突分析的结果，选取自车周边关注障碍物及其相邻障碍物作为重点关注障碍物。这里的选取可以根据实际需要来进行，例如按照近似于“门字形”的区域选取自车周边的关注障碍物作为重点关注障碍物，这里的“门字形”的选取区域不仅表示障碍物的位置在“门字形”区域内，还表示障碍物的预测轨迹包含于或经过“门字形”区域。将关注障碍物中除重点关注障碍物之外的障碍物确定为非重点关注障碍物。
[0101]
对于非重点关注障碍物，上述步骤s1221中将所述st区域栅格离散化到所述离散车道对应的当前帧st栅格图中得到第一预估占据区域，可具体实现为：
[0102]
根据障碍物sl计算结果可知与当前车道的相对位置关系，从l由近及远的顺序(即按从左车道向右车道的方向)依次计算相关离散车道的st区域。然后，将各个离散车道对应的st区域栅格离散化至相应离散车道对应的当前帧st栅格图中以得到第一预估占据区域。例如，如图9a所示，障碍物在当前车道左侧，首先计算离散车道l1对应的st区域，判断障碍物的预测线与l1是否发生冲突。如果无冲突即st_map(l1)为空，则l0和l2车道对应的此障碍物st_map一定空，如果冲突即st_map(l1)不为空，则在st_map(l1)中tmax的基础上计算st_map(l0)，如果st_map(l0)不为空，则在st_map(l0)中tmax的基础上计算st_map(l2)。计算得到st_map(l1)、st_map(l0)和st_map(l2)后，将其对应至统一的slt空间坐标系下描述。如图9b所示，分别示出了离散车道l1和离散车道l0对应的st区域。图9c示出了分布在slt空间坐标系中的离散车道l0，l1中对应的st区域。可以理解的是，为了简化起见，未示出各离散车道对应的当前帧st栅格图中栅格化的的第一预估占据区域。
[0103]
相应地，对于非重点关注障碍物，可直接确定出各离散车道对应的当前帧st栅格图中的第一预估占据区域中每个栅格的当前帧测轨迹概率。
[0104]
对于重点关注障碍物而言，步骤s1221中将所述st区域栅格离散化到所述离散车道对应的当前帧st栅格图中得到第一预估占据区域的具体实现与上述非重点关注障碍物相似，不同点在于对重点关注障碍物的预测模块输出预测轨迹要进行横纵向离散。
[0105]
进一步参照图10，其示出了本发明提供的障碍物slt空间风险场环境建模方法另一实施例的流程图，该流程图主要针对重点关注障碍物，对步骤s1221进一步限定的步骤的流程图。
[0106]
步骤s1221a：将所述st区域进行横向离散得到横向离散区域，将所述横向离散区域栅格离散化到所述离散车道对应的当前帧st栅格图中得到预估横向占据区域；
[0107]
横线离散反映障碍物偏离结构化道路的中心线的偏移程度。
[0108]
通过横向离散，将预测线(即预测轨迹)区域由正常预测线区域，即等宽度带状区域离散为变宽度带状区域。其中正常预测线区域可理解为以预测线为轴线、障碍物宽度方
向对称分布的等宽度带状区域，离散后将变成初始宽度为障碍物宽度、终点宽度为终点车道宽度、包含预测线的变宽度带状区域。
[0109]
示例性地，可以通过线性渐变将原来等宽度带状区域逐渐放在为变宽度带状区域。替代地，也可以根据某种函数运算实现将等宽度带状区域离散为范围变大的变宽度带状区域。
[0110]
图11a至图11d示意性地示出了重点关注障碍物预测线的横向离散示意图。图11a示出了障碍物的预测线及等宽度带状区域示意图，图11b示出了经横向离散后该预测线及变宽度带状区域示意图，图11c示出了与图11a对应的等宽度带状的st区域，图11d示出了与图11b对应的变宽度带状的st区域，即横向离散区域。可以理解的是，图11c和图11d中只画出了以当前车道的中心线作为离散车道的横向离散区域，将该横向离散区域离散化到所述离散车道对应的当前帧st栅格图中得到预估横向占据区域。
[0111]
步骤s1221b：将所述st区域进行纵向离散得到至少一个纵向离散区域，将各纵向离散区域分别栅格离散化到所述离散车道对应的当前帧st栅格图中得到相应的预估纵向占据区域；
[0112]
纵向离散反映障碍物在加减速条件下的不同速度。示例性地，该步骤可实现为：
[0113]
1):基于重点关注障碍物预测线对应的障碍物的速度，纵向离散设定速度的离散区间，并建立速度概率密度模型；
[0114]
其中，所述设定速度的离散区间可以根据道路限速、车辆舒适性等约束条件来确定。示例性地，速度概率密度模型为以预测线对应的障碍物的速度为中心的概率密度偏态分布模型。
[0115]
2):根据所述预测线结合所述速度概率密度模型，确定所述重点关注障碍物在所述离散区间内各离散速度下在所述离散车道对应的当前帧st栅格图中的各纵向离散区域。
[0116]
示例性地，通过对速度概率密度模型对应的速度(时间)曲线进行积分即可得到距离(时间)曲线，由于纵向离散过程对应的预测线位置不变，因此st栅格图中的s区域范围不变，根据距离(时间)曲线可反算得到不同速度下对应的t范围，由此得到在st栅格图中各个占据区域，即各纵向离散区域。
[0117]
3):将各纵向离散区域分别栅格离散化到所述离散车道对应的当前帧st栅格图中得到相应的预估纵向占据区域。
[0118]
图12a-图12b示意性地示出了障碍物预测线纵向离散的示意图。如图12a所示，将障碍物预测线对应的障碍物的速度v0由单个值变为受道路限速约束、车辆舒适性约束的纵向离散设定速度的离散区间(v
min
,v
max
)，并以v0为中心做概率密度偏态分布，对不同v(t)曲线积分可得到s(t)曲线，由于纵向离散过程对应的预测线位置不变，因此st区域中的s区域范围不变，根据s(t)曲线可反算得到不同速度v下对应的t范围，得到纵向离散st区域，如图12b所示，其中示出了离散区间(v
min
,v
max
)内v0,v
min
和v
max
分别对应的st区域，即各个纵向离散区域。可以理解的是，图12a-图12b中只示一个离散车道对应的当前帧st区域。出于简化的目的，未示出相应的st栅格图，即未示出各纵向离散区域分别栅格离散化到所述离散车道对应的当前帧st栅格图中得到相应的预估纵向占据区域。
[0119]
步骤s1221c：根据所述预估横向占据区域和各预估纵向占据区域确定出所述关注障碍物在所述离散车道对应的当前帧st栅格图中的第一预估占据区域。
[0120]
示例性地，例如对预估横向占据区域和各预估纵向占据区域进行滤波处理得到所述关注障碍物在所述离散车道对应的当前帧st栅格图中的第一预估占据区域；滤波方法可包括例如贝叶斯滤波，卡尔曼滤波等。本发明对此不作限制。可替代方案，例如可以直接对预估横向占据区域和各预估纵向占据区域进行叠加(或取并集)处理，得到所述第一预估占据区域。
[0121]
进一步的，针对每个重点关注障碍物，各离散车道对应的当前帧st栅格图中的第一预估占据区域中每个栅格的当前帧测轨迹概率，如图13所示，可通过以下过程确定：
[0122]
步骤s1231a：计算该关注障碍物的预估横向占据区域中各栅格的横向占据概率；
[0123]
步骤s1231b:计算该关注障碍物的各预估纵向占据区域中各栅格的纵向占据概率；
[0124]
步骤s1231c:针对关注障碍物在所述离散车道对应的当前帧st栅格图中的第一预估占据区域中的每个栅格，将所述栅格的横向占据概率和纵向占据概率进行叠加得到所述栅格的当前帧预测轨迹概率。
[0125]
示例性，对于步骤s1221a中得到的预估横向占据区域，确定其中各栅格的当前帧横向占据概率，可通过以下方法实现：
[0126]
如上所述，得到的预估横向占据区域为一个变宽度带状区域。通过重点障碍物的预测线(预测轨迹)对应的变宽度带状区域上的各点与各离散车道的中心线进行冲突计算，由此得到st栅格图上的一个唯一平行四边形区域，不同宽度上的点构成了多个叠加在一起的st栅格图中的范围略有扩大的变概率的一个变宽度带状区域。由此可将单个障碍物的等概率st栅格图转换为范围略有扩大的变概率st栅格图。
[0127]
对于步骤s1221b得到的各预估纵向占据区域，计算其中各栅格的纵向占据概率。示例性地，可以根据设定速度的离散区间，按照预设间隔，对上述步骤s12212中的速度概率密度模型进行积分，即可获得各离散速度的概率p(vi)。
[0128]
示例性地，可以对上述获得的各离散速度的概率p(vi)进行其它处理，例如归一化处理等，以最终获得各预估纵向占据区域中各栅格点的纵向占据概率。
[0129]
在一些实施方式中，可以通过滤波算法，例如贝叶斯滤波等将所述栅格的横向占据概率和纵向占据概率进行叠加以得到所述栅格的当前帧预测轨迹概率。替代地，也可以将二者直接相加。
[0130]
本发明实施例通过对重点关注障碍物的预测轨迹横纵向离散，可以进一步起到的预测作用，提前虚拟障碍物合理变化对自车的影响，为自车决策规划预留充足的规划时间和空间。
[0131]
图14为根据本发明另一实施例提供的障碍物slt空间风险场环境建模装置。如图14所示：该装置包括：
[0132]
slt空间坐标系构建模块100：用于以自车位置为原点在frenet坐标系中建立当前帧slt空间坐标系，
[0133]
所述slt空间坐标系中s轴以自车当前帧所在的当前车道为基准，各离散车道对应的当前帧st栅格图按照预置排列顺序沿着l轴排列；其中所述离散车道包含目标车道以及目标车道对应的偏移车道，所述目标车道包含自车当前车道以及当前车道的相邻车道，目标车道的偏移车道是指目标车道按照预置偏移规则进行偏移所得到的车道。
[0134]
障碍物slt空间风险场构建模块200：用于根据当前帧障碍物的预测轨迹确定各障碍物分别在各离散车道对应的当前帧st栅格图中的当前帧占据区域及当前帧占据区域中各栅格的当前帧占据概率，以得到当前帧障碍物的slt空间风险场。
[0135]
通过本发明实施例提供的障碍物slt空间风险场的环境建模装置，通过将目标车道和将目标车道按照预置偏移规则进行偏移所得到的偏移车道所组成的各离散车道对应的当前帧st栅格图按照预置排列顺序沿着l轴排列，以建立slt三维空间坐标系，并在此基础上建立slt空间风险场，有助于决策规划模块在搜索过程中将横纵向指标联合评价，因此有利于生成路径的乘驾舒适性。
[0136]
图15为根据本发明另一实施例提供的障碍物slt空间风险场环境建模装置。如图15所示：该装置中，针对每个离散车道，障碍物slt空间风险场构建模块200具体包括：
[0137]
关注障碍物确定单元201：用于分别根据各障碍物的预测轨迹和所述离散车道的中心线，从各障碍物中确定出关注障碍物；
[0138]
st区域确定单元202:用于针对每个关注障碍物，根据关注障碍物的预测轨迹和所述离散车道的中心线确定出所述关注障碍物与离散车道发生冲突的st区域；
[0139]
当前帧占据区域确定单元203：用于针对每个关注障碍物，根据所述st区域确定所述关注障碍物在所述离散车道的当前帧st栅格图中的当前帧占据区域；
[0140]
当前帧占据概率确定单元204：用于计算所述离散车道对应的当前帧st栅格图中的当前帧占据区域中各占据栅格的当前帧占据概率。
[0141]
在一些实施方式中，参照图16所示，关注障碍物确定单元201还包括：
[0142]
第一道路序列确定子单元2011：用于确定所述离散车道对应的第一道路序列；
[0143]
关注障碍物确定子单元2012：用于针对每一个障碍物，确定所述障碍物的预测轨迹对应的第二道路序列，判断所述第一道路序列和第二道路序列是否存在潜在冲突，若是则确定所述障碍物为关注障碍物，若否则确定所述障碍物为非关注障碍物。
[0144]
在一些实施方式中，如图17所示，当前帧占据区域确定单元203还包括：
[0145]
第一预估占据区域确定子单元2031：用于将所述st区域栅格离散化到所述离散车道对应的当前帧st栅格图中得到第一预估占据区域；
[0146]
第二预估占据区域确定子单元2032：用于将所述关注障碍物在所述离散车道对应的前一帧st栅格图中的前一帧占据区域投影到所述离散车道对应的当前帧st栅格图中得到第二预估占据区域；以及
[0147]
当前帧占据区域确定子单元2033：用于根据所述第一预估占据区域和第二预估占据区域确定出所述关注障碍物在所述离散车道的当前帧st栅格图中的当前帧占据区域。
[0148]
在一些实施方式中，如图18所示，当前帧占据概率确定单元204还包括：
[0149]
当前帧预测轨迹概率确定子单元2041：用于针对每个关注障碍物，计算所述关注障碍物在所述离散车道对应的当前帧st栅格图中的第一预估占据区域中的每个栅格的当前帧预测轨迹概率；
[0150]
当前帧占据概率确定子单元2042：用于针对所述离散车道对应的当前帧st栅格图中的每个占据栅格，执行以下步骤：根据各关注障碍物所述离散车道对应的当前帧st栅格图中的当前帧占据区域，确定出每个占据栅格对应的至少一个目标关注障碍物；根据各目标关注障碍物分别占据所述占据栅格的当前帧预测轨迹概率和预置的最大占据概率，确定
所述占据栅格的当前帧预估占据概率；根据所述占据栅格的当前帧预估占据概率和所述占据栅格的前一帧占据概率计算得到所述占据栅格的当前帧占据概率。
[0151]
在一些实施方式中，如图19所示，对于重点关注障碍物，第一预估占据区域确定子单元2031还包括：
[0152]
预估横向占据区域确定子模块2031a：用于将所述st区域进行横向离散得到横向离散区域，将所述横向离散区域栅格离散化到所述离散车道对应的当前帧st栅格图中得到预估横向占据区域；
[0153]
预估纵向占据区域确定子模块2031b:用于将所述st区域进行纵向离散得到至少一个纵向离散区域，将各纵向离散区域分别栅格离散化到所述离散车道对应的当前帧st栅格图中得到相应的预估纵向占据区域；以及
[0154]
第一预估占据区域确定子模块2031c：用于根据所述预估横向占据区域和各预估纵向占据区域确定出所述关注障碍物在所述离散车道对应的当前帧st栅格图中的第一预估占据区域。
[0155]
进一步地，如图20所示，对于重点关注障碍物，当前帧预测轨迹概率确定子单元2041还包括：
[0156]
横向占据概率确定子模块2041a：用于计算该关注障碍物的预估横向占据区域中各栅格的横向占据概率；
[0157]
纵向占据概率确定子模块2041b：用于:计算该关注障碍物的各预估纵向占据区域中各栅格的纵向占据概率；以及
[0158]
当前帧预测轨迹概率确定子模块2041c：用于针对关注障碍物在所述离散车道对应的当前帧st栅格图中的第一预估占据区域中的每个栅格，将所述栅格的横向占据概率和纵向占据概率进行叠加得到所述栅格的当前帧预测轨迹概率。
[0159]
本发明实施例通过对重点关注障碍物的预测轨迹横纵向离散，可以进一步起到的预测作用，提前虚拟障碍物合理变化对自车的影响，为自车决策规划预留充足的规划时间和空间。
[0160]
需要说明的是，本发明实施例的障碍物slt空间风险场环境建模装置的各个模块和单元的具体实现过程和实现原理具体可参见上述对应方法实施例的相应描述，故在此均不再赘述。示例性地，本发明实施例的障碍物风险场环境建模装置可以是具有处理器的任何电子设备中，电子设备例如包括但不限于智能手机、智能平板、个人pc、计算机、云端服务器、控制器等。
[0161]
本发明实施例还提供了一种非易失性计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意实施例中的障碍物slt空间风险场环境建模方法；
[0162]
作为一种实施方式，本发明的非易失性计算机存储介质存储有计算机可执行指令，计算机可执行指令设置为：
[0163]
以自车位置为原点在frenet坐标系中建立当前帧slt空间坐标系，所述slt空间坐标系中s轴以自车当前帧所在的当前车道为基准，各离散车道对应的当前帧st栅格图按照预置排列顺序沿着l轴排列；其中所述离散车道包含目标车道以及目标车道对应的偏移车道，所述目标车道包含自车当前车道以及当前车道的相邻车道，目标车道的偏移车道是指
目标车道按照预置偏移规则进行偏移所得到的车道；
[0164]
根据当前帧障碍物的预测轨迹确定各障碍物分别在各离散车道对应的当前帧st栅格图中的当前帧占据区域及当前帧占据区域中各栅格的当前帧占据概率，以得到当前帧障碍物的slt空间风险场。
[0165]
作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的方法对应的程序指令/模块。一个或者多个程序指令存储在非易失性计算机可读存储介质中，当被处理器执行时，执行上述任意方法实施例中的障碍物slt空间风险场环境建模方法。
[0166]
非易失性计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据装置的使用所创建的数据等。此外，非易失性计算机可读存储介质可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0167]
在一些实施例中，本技术实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项结构化道路的障碍物slt空间风险场环境建模方法。
[0168]
在一些实施例中，本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的结构化道路的障碍物slt空间风险场环境建模方法。
[0169]
图21是本技术另一实施例提供的执行结构化道路的障碍物slt空间风险场环境建模方法的电子设备的硬件结构示意图，如图21所示，该设备包括：
[0170]
一个或多个处理器2110以及存储器2120，图21中以一个处理器2110为例。
[0171]
执行结构化道路的障碍物slt空间风险场环境建模方法的设备还可以包括：输入装置2130和输出装置2140。
[0172]
处理器2110、存储器2120、输入装置2130和输出装置2140可以通过总线或者其他方式连接，图21中以通过总线连接为例。
[0173]
存储器2120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本技术实施例中的结构化道路的障碍物slt空间风险场环境建模方法对应的程序指令/模块。处理器2110通过运行存储在存储器2120中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的结构化道路的障碍物slt空间风险场环境建模方法。
[0174]
存储器2120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据结构化道路的障碍物slt空间风险场环境建模装置的使用所创建的数据等。此外，存储器2120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失
性固态存储器件。在一些实施例中，存储器2120可选包括相对于处理器2110远程设置的存储器，这些远程存储器可以通过网络连接至结构化道路的障碍物slt空间风险场环境建模装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0175]
输入装置2130可接收输入的数字或字符信息，以及产生与结构化道路的障碍物slt空间风险场环境建模装置的用户设置以及功能控制有关的信号。输出装置2140可包括显示屏等显示设备。
[0176]
所述一个或者多个模块存储在所述存储器2120中，当被所述一个或者多个处理器2110执行时，执行上述任意方法实施例中的结构化道路的障碍物slt空间风险场环境建模方法。
[0177]
上述产品可执行本技术实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本技术实施例所提供的方法。
[0178]
本技术实施例的电子设备以多种形式存在，包括但不限于：
[0179]
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机、多媒体手机、功能性手机，以及低端手机等。
[0180]
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如平板电脑。
[0181]
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
[0182]
(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
[0183]
(5)其他具有数据交互功能的机载电子装置，例如安装在车辆上的车机装置。
[0184]
本发明实施例还提供一种移动工具，包括如上所述的电子设备。移动工具包括可实现自动驾驶车辆(例如乘用车、清扫车、环卫车、大巴车、小巴车、货车、吸尘车、洗地车)、扫地机器人等。
[0185]
以上所描述的装置实施例仅仅是示意性的，其中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或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0186]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0187]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；
而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。