基于智能驾驶的避障方法、电子设备、存储介质及车辆与流程

1.本技术涉及智能驾驶技术领域，尤其涉及一种基于智能驾驶的避障方法、电子设备、存储介质及车辆。


背景技术：

[0002]“鬼探头”是指在复杂的行车环境中，两个移动目标从彼此视觉盲区，近距离、短时间出现，让彼此都没有反应与躲避的时间与空间。在智能驾驶领域，相关技术通过在车辆上设置传感器，识别车辆周围障碍物来规避事故，但传感器识别范围以及精度有限，无法覆盖所有的探测盲区，也就无法做到对从盲区中突然出现的障碍物进行及时躲避，最终酿成交通事故。


技术实现要素：

[0003]
有鉴于此，本技术的目的在于提出一种基于智能驾驶的避障方法、电子设备、存储介质及车辆，以解决无法对障碍物进行及时避让的技术问题。
[0004]
基于上述目的，本技术提供了一种基于智能驾驶的避障方法，包括：获取当前车辆的行驶轨迹、当前车辆的车身传感器所识别的第一障碍物信息、以及辅助车辆的车身传感器和/或道路联网设备所识别的第二障碍物信息，其中，所述辅助车辆与所述当前车辆的距离小于或等于目标距离；根据所述第一障碍物信息、所述第二障碍物信息以及所述当前车辆的行驶轨迹，对存在碰撞风险的障碍物进行避让。
[0005]
可选地，所述目标距离为所述当前车辆以当前车速刹停的刹车距离。
[0006]
可选地，所述根据所述第一障碍物信息、所述第二障碍物信息以及当前车辆的行驶轨迹，对存在碰撞风险的障碍物进行避让，包括：去除所述第二障碍物信息中与所述第一障碍物信息重复的数据，并将所述第二障碍物信息中保留的数据与所述第一障碍物信息相融合，得到融合后的总障碍物信息；根据所述总障碍物信息以及当前车辆的行驶轨迹对所述存在碰撞风险的障碍物进行避让。
[0007]
可选地，所述总障碍物信息包括障碍物的数量以及每个障碍物的预测轨迹；所述根据所述总障碍物信息以及当前车辆的行驶轨迹对存在碰撞风险的障碍物进行避让，包括：响应于障碍物数量不为零，根据障碍物的预测轨迹以及所述当前车辆的行驶轨迹判断障碍物是否存在碰撞风险；响应于有障碍物存在碰撞风险，且碰撞位置位于所述当前车辆行驶方向的前方，根据该障碍物的预测轨迹、所述当前车辆的行驶轨迹以及所述总障碍物信息中的至少一个对该障碍物进行避让。
[0008]
可选地，所述根据该障碍物的预测轨迹、所述当前车辆的行驶轨迹以及所述总障碍物信息中的至少一个对该障碍物进行避让，包括：响应于障碍物的预测轨迹与所述当前车辆的行驶轨迹同向，且该障碍物的运动速度大于或等于预设的正常阈值，将所述当前车辆的行驶速度降低至小于或等于该障碍物的运动速度；响应于障碍物的预测轨迹与所述当前车辆的行驶轨迹同向，且该障碍物的运动速度小于所述正常阈值，或障碍物的预测轨迹
与所述当前车辆的行驶轨迹不同向，根据该障碍物的预测轨迹以及所述总障碍物信息对该障碍物进行避让。
[0009]
可选地，所述方法还包括：获取所述当前车辆的实时位置，并基于高清地图获取盲区信息；根据所述实时位置以及所述盲区信息，判断所述当前车辆是否处于任一盲区的盲区范围内；响应于所述当前车辆处于任一盲区的盲区范围内，获取与该盲区相关联的所述道路联网设备所识别的所述第二障碍物信息。
[0010]
可选地，所述盲区信息包括每个盲区的位置，所述根据所述实时位置以及所述盲区信息，判断所述当前车辆是否处于任一盲区的盲区范围内，包括：响应于存在盲区与所述实时位置的横向距离小于预设的第一距离，且纵向距离小于预设的第二距离，判断所述当前车辆处于该盲区的盲区范围内。
[0011]
基于同一发明构思，本技术还提供了一种基于智能驾驶的避障装置，包括：第一获取模块，被配置为获取当前车辆的行驶轨迹、当前车辆的车身传感器所识别的第一障碍物信息、以及辅助车辆的车身传感器和/或道路联网设备所识别的第二障碍物信息，其中，所述辅助车辆与所述当前车辆的距离小于或等于目标距离；避障模块，被配置为根据所述第一障碍物信息、所述第二障碍物信息以及所述当前车辆的行驶轨迹，对存在碰撞风险的障碍物进行避让。
[0012]
基于同一发明构思，本技术还提供了一种电子设备，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，其特征在于，所述处理器执行所述程序时实现任意一项所述的方法。
[0013]
基于同一发明构思，本技术还提供了一种车辆，其特征在于，所述车辆包括所述电子设备。
[0014]
从上面所述可以看出，本技术提出了一种基于智能驾驶的避障方法、电子设备、存储介质及车辆，其中，所述方法包括：获取当前车辆的行驶轨迹、当前车辆的车身传感器所识别的第一障碍物信息，和辅助车辆的车身传感器和/或道路联网设备所识别的第二障碍物信息，其中，所述辅助车辆与所述当前车辆的距离小于或等于目标距离；根据所述第一障碍物信息、所述第二障碍物信息以及当前车辆的行驶轨迹，对存在碰撞风险的障碍物进行避让。相比于只利用本车的车身传感器识别障碍物，本技术提供的避障方法通过同时获取辅助车辆和/或道路联网设备所识别的障碍物信息，减少了车辆传感器的探测盲区，使车辆能够识别出更远距离处的障碍物，从而给予车辆更多的路径规划时间和反应制动时间，减小了交通事故的发生概率，保证了行车的安全性与可靠性。
附图说明
[0015]
为了更清楚地说明本技术或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，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。
[0016]
图1为本技术实施例基于智能驾驶的避障方法的流程示意图；
[0017]
图2为本技术实施例基于辅助车辆协同避障的场景示意图；
[0018]
图3为本技术实施例的车辆与盲区相对位置示意图；
[0019]
图4为本技术实施例基于智能驾驶的避障装置的结构示意图；
[0020]
图5为本技术实施例电子设备硬件结构示意图。
具体实施方式
[0021]
为使本技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本技术进一步详细说明。
[0022]
需要说明的是，除非另外定义，本技术实施例使用的技术术语或者科学术语应当为本技术所属领域内具有一般技能的人士所理解的通常意义。本技术实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0023]
本技术的一个实施例提供了一种基于智能驾驶的避障方法，本技术实施例的执行主体可以为车辆ecu，所述车辆ecu与车身传感器以及通信模块通信连接，能够获取本技术实施例中需要获取的信息，并对应执行本技术实施例提供的方法。如图1及图2所示，所述方法包括：
[0024]
步骤s101、获取当前车辆的行驶轨迹、当前车辆的车身传感器所识别的第一障碍物信息、以及辅助车辆的车身传感器和/或道路联网设备所识别的第二障碍物信息，其中，所述辅助车辆与所述当前车辆的距离小于或等于目标距离。
[0025]
需要说明的是，所述第二障碍物信息包括辅助车辆的车身传感器所识别的信息和/或道路联网设备所识别信息，第二障碍物信息可以只包括辅助车辆的车身传感器所识别的信息，也可以只包括道路联网设备所识别信息，也可以同时包括两者。为了便于理解，本技术实施例将分别对辅助车辆的车身传感器识别障碍物信息的过程以及道路联网设备识别障碍物信息的过程进行描述，同时获取辅助车辆的车身传感器所识别的信息和道路联网设备所识别信息的过程可以为两个过程的叠加，后续不再过多赘述。步骤s102、根据所述第一障碍物信息、所述第二障碍物信息以及当前车辆的行驶轨迹，对存在碰撞风险的障碍物进行避让。
[0026]
相比于只利用本车的车身传感器识别障碍物，本技术提供的避障方法通过同时获取辅助车辆和/或道路联网设备所识别的障碍物信息，减少了车辆传感器的探测盲区，使车辆能够识别出更远距离处的障碍物，从而给予车辆更多的路径规划时间和反应制动时间，减小了交通事故的发生概率，保证了行车的安全性与可靠性。
[0027]
图2示出了本技术上述提供的方法中，获取辅助车辆的车身传感器所识别的障碍物信息的一个实施例，所述车身传感器包括雷达传感器以及图像传感器，图中虚线圆圈表示当前车辆和辅助车辆雷达传感器的识别范围，图中还示出了由于遮挡物所产生的当前车辆图像传感器的视野盲区，所述遮挡物可以为大型交通工具或固定的道路设施。由此可见，此时如果仅依靠当前车辆，完全无法识别到障碍物，等到当前车辆识别到障碍物，可能已经来不及做出反应。而辅助车辆则能够识别到该障碍物(默认该障碍物不处于辅助车辆的识
别盲区，且辅助车辆已做好避障规划)，通过获取辅助车辆识别的障碍物信息，当前车辆则能够提前知悉该障碍物的存在，并及时做出路径规划以及反应制动。
[0028]
需要说明的是，图2仅为示例性，图中示出的辅助车辆的数量并非限定，具体实施时，所有与所述当前车辆的距离小于或等于目标距离的车辆均可作为辅助车辆。并且，图2中示出的障碍物前进方向为便于理解标注的大致方向，具体实施时，运动路径有可能与当前车辆产生碰撞的障碍物均在需要进行避障的范围之内。
[0029]
所述道路联网设备所识别的障碍物信息通常用于对一些固定盲区中的障碍物进行避障，例如建筑物、桥墩所造成的识别盲区，这些盲区能够提前预知，故可以利用盲区附近的道路联网设备识别该盲区中的障碍物信息。此处为对道路联网设备所识别的障碍物信息做出的初步描述，道路联网设备识别障碍物信息的具体过程会在后续实施例中进行进一步描述。
[0030]
具体实施时，所述当前车辆以及辅助车辆均搭载v2x系统，v表示vehicle(车辆)，2表示to，x表示everything(万物)，v2x则表示vehicle to everything，即车联万物或车对外界的信息交换。v2x包括多个方面：1)v2v(vehicle-to-vehicle，车辆与车辆互联)，这种场景将能够使车辆在一定范围内识别其他车辆的速度、位置、方向，并和其他车辆建立通信连接，帮助车辆避免交通事故；2)v2n(vehicle-to-network，车辆与网络互联)，这种场景将车辆连接到提供交通更新服务的云端网络，利用云端信息让车辆了解前方的路线情况，选择最优路径；3)v2i(vehicle-to-infrastructure，车辆与路侧基础设施互联)，这种场景下，将车辆与路侧的交通信号灯或者铁路交叉口等基础设施互联，可以提示车辆道路上的状况，如道路施工或交通堵塞等。
[0031]
上述v2x系统基于车际网络通信，车际网络是指在交通环境中，以车辆、以及其他联网设备为节点而构成的开放式移动自组织网络。车际网络通过结合全球定位系统及无线通信技术，如无线局域网、蜂窝网络等，建立无线多跳连接，为处于高速移动状态的车辆提供高速率的数据接入服务，以实现v2x系统的信息交互。
[0032]
搭载了v2x系统的车辆能够实时发送自车状态信息，以及接收周围搭载了v2x系统的车辆发送的信息，在上述实施例中，所述当前车辆基于v2x通信系统获取辅助车辆的车身传感器所识别的第二障碍物信息。
[0033]
在一些实施例中，所述目标距离为所述当前车辆以当前车速刹停的刹车距离。为了防止车与车之间的通信信道拥挤，所述当前车辆只接收一定距离之内的辅助车辆所提供的障碍物信息，对于位于当前车辆的刹车距离以外的车辆，如果存在该车辆能够识别到而当前车辆无法识别的障碍物，说明该障碍物与当前车辆之间的距离较远，大概率不会对当前车辆的行驶产生影响。对于位于当前车辆的刹车距离以内的车辆，如果存在该车辆能够识别到而当前车辆无法识别的障碍物，说明该障碍物与当前车辆之间的距离较近，且等到当前车辆识别到该障碍物时很难及时刹车，很可能会对当前车辆的行驶产生影响，所以需要将该车辆作为辅助车辆，并接受其提供的第二障碍物信息。具体实施时，所述当前车辆与所述辅助车辆能够通过车联网通信获取两者之间的距离。
[0034]
车辆的刹车距离主要取决于轮胎与地面之间的摩擦力，摩擦力的大小取决于摩擦系数，一种具体的实施例中，根据公式s＝v*v/2gμ计算以当前车速刹停的刹车距离，其中，μ为摩擦系数，s为刹车距离，v为当前车速，g为重力系数，取9.8n/kg。
[0035]
考虑到天气会影响所述摩擦系数μ，一种具体的实施例中，当车身配置的湿度传感器探测到当前正在下雨，将摩擦系数μ设置为0.1至0.3，当湿度传感器探测到晴天，将摩擦系数μ设置为0.6至0.9。
[0036]
在一些实施例中，所述步骤s102包括：
[0037]
步骤s201、去除所述第二障碍物信息中与所述第一障碍物信息重复的数据，并将所述第二障碍物信息中保留的数据与所述第一障碍物信息相融合，得到融合后的总障碍物信息。需要说明的是，此处的重复的数据特指同一障碍物的数据，举例来说，若第一障碍物信息与第二障碍物信息中都包括障碍物a的信息，就算障碍物a在第一障碍物信息与第二障碍物信息中的某些参数的值有差异，也属于重复的数据。
[0038]
步骤s202、根据所述总障碍物信息以及当前车辆的行驶轨迹对所述存在碰撞风险的障碍物进行避让。
[0039]
如图2所示，当前车辆和辅助车辆所识别到的障碍物信息会包括一些重复的部分，为了减小数据量，提升系统工作效率，对于这些重复的部分，只取当前车辆所识别到的第一障碍物信息中的数据，这是因为本车所识别到的信息更适配于本车，并且能够直接被本车利用，无需等待数据传输。
[0040]
在一些实施例中，所述总障碍物信息包括障碍物的数量以及每个障碍物的预测轨迹。
[0041]
所述车身传感器包括多个雷达传感器以及多个图像传感器。其中，所述图像传感器包括摄像头以及图像处理单元，所述摄像头可以为一个360
°
全景摄像头，也可以利用多个摄像头捕捉不同角度的画面，以实现对车辆周围环境的全覆盖监控。所述图像处理单元包括特征提取神经网络，具体实施时，摄像头捕捉到的图像会发送至图像处理单元，图像处理单元通过提取图像上的特征，判断图像上是否存在其他车辆或其他障碍物，并且，所述图像处理单元还能够根据不同时刻捕捉到的图像判断图像中的某一目标是否发生移动。
[0042]
所述雷达传感器包括产生电磁波的发射器、发射天线、接收天线(通常使用相同的天线进行发射和接收)和接收器，雷达传感器通过发射器向外界发送无线电波，并接收从物体表面反射的信号，以此对车辆周围的障碍物进行探测，并获知障碍物的位置与移动路径。
[0043]
本技术实施例在具体实施时，上述车身传感器可探测到的障碍物信息(包括第一/第二障碍物信息以及下述实施例中的第三障碍物信息)包括：1)目标位置信息：目标纵向距离、目标纵向距离方差、目标横向距离、目标横向距离方差、目标高程、目标高程方差；2)目标尺寸信息：目标长度、目标宽度、目标高度；3)目标速度信息：目标横向相对速度、目标横向相对速度方差、目标纵向相对速度、目标纵向相对速度方差、目标纵向相对加速度、目标纵向相对加速度方差、目标横向相对加速度、目标横向相对加速度方差、目标运动朝向信息(初始化，逆向，同向，横穿)、目标航向角、目标横摆角、目标的运动类型(未知、静止、由运动状态停止的、运动)、目标曾经运动的可能性、目标当前运动的可能性；4)目标分类属性信息：目标类型(卡车、轿车、行人、自行车、摩托车、未知类型)、目标类型概率值、目标是障碍物的概率值；5)目标的检测状态信息：目标跟踪状态(初始化状态，测量状态，预测状态)、目标跟踪周期、目标形成时间、目标时间戳(符合autosar时间同步机制)、目标id、目标存在的可能性、目标的反射能量值。
[0044]
上述图像传感器和雷达传感器能够协同判断障碍物的数量以及每个障碍物的实
时运行轨迹，为了得到每个障碍物的预测轨迹，所述当前车辆以及所述辅助车辆还搭载了轨迹预测模块。
[0045]
所述轨迹预测模块包括轨迹预测神经网络，将所述障碍物的实时运行轨迹输入至所述轨迹预测神经网络，即可得到神经网络输出的所述障碍物的预测轨迹。
[0046]
一种具体的实施例中，所述轨迹预测神经网络可以为循环神经网络(recurrent neural network，rnn)，所述循环神经网络通过输入和存储在历史网络中信息共同决定输出，并利用这种特性使其能够根据历史序列信息去预测未来值。所述轨迹预测神经网络还可以为长短时记忆网络(long short-term memory，lstm)，长短时记忆网络是一种特殊的rnn结构，能够通过增加遗忘网络层来丢弃导致错误预测结果的信息，在解决梯度消失问题的同时提升网络预测的精度。
[0047]
另一种具体的实施例中，所述轨迹预测神经网络还可以为图卷积神经网络(graph convolutional networks，gcn)，图卷积神经网络是一种能对图数据进行深度学习的方法，通过使用图的边和节点数据作为输入进行学习训练。在轨迹预测领域，gcn通过加入时空数据进行移动目标的轨迹预测，因而能够通过理解移动目标的行为加快预测速度。
[0048]
另一种具体的实施例中，所述轨迹预测神经网络还可以为生成式对抗网络(gan,generative adversarial networks)，gan是一种无监督学习的深度学习模型，主要结构由两部分组成：生成器，用于学习数据的分布并生成相似的数据；鉴别器，计算来自真实数据的可能性，并将其分类为真实或虚假。gan通过生成器和鉴别器的相互博弈来达到使网络相互学习的目的。在轨迹预测中加入gan网络，可以解决过去仅能预测一条“最优”轨迹的缺陷，此网络能够预测多条可行的轨迹并通过博弈的思想进一步优化预测精度。
[0049]
在一些实施例中，所述步骤s202包括：
[0050]
响应于障碍物数量不为零，执行步骤s301：根据障碍物的预测轨迹以及所述当前车辆的行驶轨迹判断障碍物是否存在碰撞风险。
[0051]
响应于有障碍物存在碰撞风险，且碰撞位置位于所述当前车辆行驶方向的前方，执行步骤s302：根据该障碍物的预测轨迹、所述当前车辆的行驶轨迹以及所述总障碍物信息中的至少一个对该障碍物进行避让。
[0052]
本技术实施例为一种主动避障方法，暂不考虑例如追尾等碰撞位置位于行驶方向后的情况，故在此限定当碰撞位置位于所述当前车辆行驶方向的前方，才根据该障碍物的预测轨迹、所述当前车辆的行驶轨迹以及所述总障碍物信息中的至少一个对该障碍物进行避让。
[0053]
在一些实施例中，所述障碍物的预测轨迹包括障碍物在未来的多个时刻分别所处的位置，所述当前车辆的行驶轨迹包括所述当前车辆在未来的多个时刻分别所处的位置；所述步骤s301包括：
[0054]
响应于所述障碍物以及所述当前车辆在未来的同一时刻处于同一碰撞位置，判断该障碍物存在碰撞风险。
[0055]
智能驾驶中的避障问题可以视为在二维场景中的问题，当将当前车辆与障碍物均视为质点时，其运动轨迹以及预测轨迹可以视作不同时刻所处位置的连线，若当前车辆与障碍物的预测轨迹在同一时刻重叠，则当前车辆与该障碍物之间存在碰撞风险。
[0056]
具体实施时，由于车辆的大小无法视作质点，但车辆的大小可以预先知悉，并且上
述车身传感器能够识别出障碍物的形状，此时可以将当前车辆与障碍物在二维场景中视作大小不同的投影长方形。在这种情况下判断障碍物是否存在碰撞风险，就需以地面为平面建立包括x轴与y轴的二维坐标系，当前车辆的投影长方形在y轴方向最大点坐标为y1，最小点坐标y2，在x轴方向最小点坐标x1，最大点坐标x2，对于障碍物同理。让障碍物与当前车辆的投影长方形沿预测轨迹运动，若障碍物与当前车辆的投影长方形在二维坐标系中的未来某一时刻发生重叠，则标识当前车辆与该障碍物之间存在碰撞风险。
[0057]
在一些实施例中，所述步骤s302包括：
[0058]
响应于障碍物的预测轨迹与所述当前车辆的行驶轨迹同向，且该障碍物的运动速度大于或等于预设的正常阈值，执行步骤s401：将所述当前车辆的行驶速度降低至小于或等于该障碍物的运动速度。
[0059]
一种具体的实施例中，所述正常阈值为30km/h至50km/h，若障碍物大于此速度并与当前车辆同向行驶，则说明该障碍物很有可能为另一没有接入车联网的车辆，而有碰撞风险很可能是当前车辆的车速过快所导致的，此时可以通过降速避免碰撞。具体实施时，障碍物与当前车辆无碰撞风险后，将当前车辆车速恢复至降速前的速度。
[0060]
响应于障碍物的预测轨迹与所述当前车辆的行驶轨迹同向，且该障碍物的运动速度小于所述正常阈值，或障碍物的预测轨迹与所述当前车辆的行驶轨迹不同向，执行步骤s402：根据该障碍物的预测轨迹以及所述总障碍物信息对该障碍物进行避让。
[0061]
若障碍物与当前车辆同向行驶但速度小于所述正常阈值，说明该障碍物可能为行人、自行车、或发生故障的车辆，此时如果使当前车辆降速并随该障碍物巡航，可能会导致道路交通堵塞，所以此时需要对障碍物进行躲避。
[0062]
在一些实施例中，所述步骤s402包括：
[0063]
步骤s501、根据该障碍物的预测轨迹以及所述总障碍物信息判断所述当前车辆是否存在无障碍物的避让轨迹。所述总障碍物信息既包括存在碰撞风险的障碍物的信息，也包括不存在碰撞风险的障碍物的信息，比如在相邻车道同向行驶的汽车的信息，也包括在所述总障碍物信息之内。
[0064]
步骤s502、响应于不存在所述无障碍物的避让轨迹，启动所述当前车辆的紧急制动。具体实施时，这种情况可能为前方出现有碰撞风险的障碍物，但左右两车道均有同向行驶的车辆，无法转向避让，此时就只能启动紧急制动。车辆中的电子控制单元能够响应于该情况，通过车辆的can总线控制车辆的制动系统完成紧急制动。
[0065]
一种具体的实施例中，所述当前车辆还包括制动防抱死系统(antilock brake system，abs)。abs在汽车制动时，能够自动控制制动器制动力的大小，使车轮不被抱死，处于边滚边滑(滑移率在20％左右)的状态，以保证车轮与地面的附着力在最大值，防止车辆在紧急制动时打滑侧移。
[0066]
步骤s503、响应于存在所述无障碍物的避让轨迹，使所述当前车辆按照任意一条无障碍物的避让轨迹行驶。车辆中的电子控制单元能够响应于该情况，通过车辆的can总线控制车辆的转向系统以及车速控制系统，以使车辆按照任意一条无障碍物的避让轨迹行驶。具体实施时，对障碍物进行避让时，车辆的行驶方向与行驶速度可能会产生变化，当障碍物与当前车辆无碰撞风险后，恢复当前车辆避让前的行驶方向与行驶速度。
[0067]
在一些实施例中，所述方法还包括：
[0068]
步骤s601、获取所述当前车辆的实时位置，并基于高清地图获取盲区信息。一种具体的实施例中，通过rtk(real-time kinematic，实时动态)载波相位差分技术以及全球导航卫星系统(global navigation satellite system，gnss)协同获取所述实时位置。所述基于高清地图获取的盲区信息为预先下载的，下载后可以存储在云端数据库或本地设备中，所述盲区信息包括当前车辆所在城市或所在区县所有盲区的信息，具体实施时可以根据所述实时位置确定获取哪些盲区信息，无需实时下载。基于高清地图获取的盲区信息具体指一些固定的盲区信息，例如建筑物、桥墩所造成的识别盲区，上述实施例中由于移动物(大卡车、公交车等)造成的识别盲区由于无法预知，所以不在基于高清地图获取的盲区信息的范围内。
[0069]
步骤s602、根据所述实时位置以及所述盲区信息，判断所述当前车辆是否处于任一盲区的盲区范围内。
[0070]
步骤s603、响应于所述当前车辆处于任一盲区的盲区范围内，获取与该盲区相关联的所述道路联网设备所识别的所述第二障碍物信息。
[0071]
当车辆附近存在固定盲区，才接收道路联网设备所识别的障碍物信息，并将其加入上述第二障碍物信息，能够在节约通信资源的同时，进一步减少车辆传感器的探测盲区，使车辆能够识别出更远距离处的障碍物，从而给予车辆更多的路径规划时间和反应制动时间，减小了交通事故的发生概率，保证了行车的安全性与可靠性。
[0072]
所述rtk载波相位差分技术，是实时处理两个测量站载波相位观测量的差分方法，将基准站采集的载波相位发给用户接收机，进行求差解算坐标，具体为将位于基准站上的gps接收机观测的卫星数据，通过数据通信链(无线电台)实时发送出去，而位于附近的移动站gps接收机在对卫星观测的同时，也接收来自基准站的电台信号，通过对所收到的信号进行实时处理，给出移动站的三维坐标。这种卫星定位测量方法能够在野外实时得到厘米级定位精度的测量。
[0073]
全球导航卫星系统(global navigation satellite system，gnss)，是能在地球表面或近地空间的任何地点为用户提供全天候的3维坐标和速度以及时间信息的空基无线电导航定位系统。
[0074]
具体实施时，所述与该盲区相关联的道路联网设备能够基于所述高精地图获取，若一个道路联网设备能够识别该盲区周边的道路情况，则该道路联网设备与该盲区相关联，其关联信息存储在云端数据库或本地设备中，确定当前车辆处于某一盲区的盲区范围内的同时，能够直接获取与该盲区相关联的道路联网设备的信息，并获取该道路联网设备识别的障碍物信息。
[0075]
在一些实施例中，所述盲区信息包括每个盲区的位置，所述步骤s602包括：
[0076]
响应于存在盲区与所述实时位置的横向距离小于预设的第一距离，且纵向距离小于预设的第二距离，判断所述当前车辆处于该盲区的盲区范围内。
[0077]
具体的，如图3所示，所述横向距离为垂直于所述当前汽车的当前行驶方向上的距离，所述纵向距离为垂直于所述当前汽车的当前行驶方向上的距离。一种具体的实施例中，所述第一距离为5米至7米，所述第二距离为100米至500米。相关技术中，通常只会利用车辆与盲区的直线距离判断车辆是否处于盲区范围内，但这就会带来一个问题，如果直线距离的判断阈值较大，那么就算行驶在远离盲区的车道上、不会受到盲区影响的车辆也会被判
定处于盲区范围内，占用通信资源；如果直线距离的判断阈值较小，那么行驶在靠近盲区的车道上的车辆就无法及时获取与该盲区相关联的所述道路联网设备所识别的障碍物信息，从而导致事故的发生。本技术上述实施例通过对横向距离以及纵向距离设置不同的判断阈值，能够准确判断所述当前车辆是否处于任一盲区的盲区范围内，也能够进一步避免事故的发生。
[0078]
在一些实施例中，所述方法还包括：
[0079]
获取所述当前车辆的实时位置，并根据基于高清地图获取的特殊区域信息，根据所述实时位置以及所述特殊区域信息，判断所述当前车辆是否处于任一特殊区域的区域范围内；响应于所述当前车辆处于任一特殊区域的区域范围内，获取与该特殊区域相关联的所述道路联网设备所识别的所述第二障碍物信息。
[0080]
一种具体的实施例中，所述特殊区域包括人行横道区、学校大门前的区域等事故高发地段，利用特殊区域周围的联网设备所识别的障碍物信息协同避障，能够进一步保证行车安全。所述特殊区域信息包括特殊区域的位置，为预先下载的，下载后可以存储在云端数据库或本地设备中，具体实施时可以根据所述实时位置确定获取哪些特殊区域信息，无需实时下载。
[0081]
具体实施时，所述与该特殊区域相关联的道路联网设备能够基于所述高精地图获取，若一个道路联网设备能够识别该特殊区域周边的道路情况，则该道路联网设备与该特殊区域相关联，其关联信息存储在云端数据库或本地设备中，获取特殊区域信息的同时能够获取与该特殊区域相关联的联网设备的信息。
[0082]
一种具体的实施例中，所述当前车辆还包括t-box(telematics-box，车联网通信盒)系统。t-box能够与后台系统/手机app通信，实现在手机app上的车辆信息显示与控制。上述步骤s601、s602、s603与步骤s101、s102中对存在碰撞风险的障碍物进行避让时，可同时通过t-box向车内显示屏、或车内人员的手机及其他移动设备发送提示信息。
[0083]
下面提供一个具体实施场景，以整体说明本技术上述提供的实施例。
[0084]
当前车辆在道路上正常行驶，同时进行过程1)：获取目标距离内的辅助车辆的车身传感器所采集的第二障碍物信息，以及过程2)：判断当前车辆是否处于任一盲区的盲区范围内。
[0085]
对于过程1)，若当前行驶道路上不存在公交车、大货车等会导致“鬼探头”事故发生的物体，则当前车辆最后得到的融合信息即为覆盖了当前车辆以及所有辅助车辆传感器探测范围内障碍物的信息，相比于仅凭当前车辆的车身传感器避障，扩大了对障碍物的探测范围；若当前行驶道路上存在公交车、大货车等会导致“鬼探头”事故发生的物体，则当前车辆最后得到的融合信息在包括所有辅助车辆传感器探测范围内障碍物的信息的同时，也包括了本来应该被当前车辆传感器探测到，却被大型物体遮挡住的障碍物的信息，等于对当前车辆的障碍物探测进行了补盲。当前车辆执行过程1)时，减少了车辆传感器的探测盲区，使车辆能够识别出更远距离处的障碍物，从而给予车辆更多的路径规划时间和反应制动时间，减小了交通事故的发生概率，保证了行车的安全性与可靠性。
[0086]
对于过程2)，若当前车辆不处于任何盲区的盲区范围内，表示当前周边道路情况良好，仅凭当前车辆以及辅助车辆所识别的障碍物信息，已经足够对可能出现的障碍物进行躲避，这种情况下无需获取道路联网设备所识别的第二障碍物信息；若当前车辆处于某
一盲区的盲区范围内，此时当前车辆的目标距离内的可能不存在其他辅助车辆来辅助进行避障，此时就需要用到与该盲区相关联的道路联网设备所识别的第二障碍物信息，来对盲区中的障碍物进行躲避，以防止“鬼探头”事故的发生。
[0087]
由于上述过程1)与过程2)为同时执行的，在当前车辆目标距离内存在辅助车辆，且当前车辆处于某一盲区的盲区范围内时，可以同时对移动盲区(其他移动物造成的)以及固定盲区(固定的道路设施)进行补盲；在当前车辆目标距离内存在辅助车辆，且当前车辆不处于任何盲区的盲区范围内时，只对移动盲区进行补盲；若当前车辆目标距离内不存在辅助车辆，也可以在车辆处于某一盲区的盲区范围内时对固定盲区进行补盲。
[0088]
需要说明的是，本技术实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本技术实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
[0089]
需要说明的是，上述对本技术的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0090]
基于同一发明构思，与上述任意实施例方法相对应的，本技术还提供了一种基于智能驾驶的避障装置，如图4所示，包括：
[0091]
第一获取模块10，被配置为获取当前车辆的行驶轨迹、当前车辆的车身传感器所识别的第一障碍物信息、以及辅助车辆的车身传感器和/或道路联网设备所识别的第二障碍物信息，其中，所述辅助车辆与所述当前车辆的距离小于或等于目标距离；
[0092]
避障模块20，被配置为根据所述第一障碍物信息、所述第二障碍物信息以及当前车辆的行驶轨迹，对存在碰撞风险的障碍物进行避让。
[0093]
相比于只利用本车的车身传感器识别障碍物，本技术提供的避障装置通过同时获取辅助车辆和/或道路联网设备所识别的障碍物信息，减少了车辆传感器的探测盲区，使车辆能够识别出更远距离处的障碍物，从而给予车辆更多的路径规划时间和反应制动时间，减小了交通事故的发生概率，保证了行车的安全性与可靠性。
[0094]
在一些实施例中，所述目标距离为所述当前车辆以当前车速刹停的刹车距离。
[0095]
在一些实施例中，所述避障模块包括：
[0096]
数据融合单元，被配置为去除所述第二障碍物信息中与所述第一障碍物信息重复的数据，并将所述第二障碍物信息中保留的数据与所述第一障碍物信息相融合，得到融合后的总障碍物信息；
[0097]
避障单元，被配置为根据所述总障碍物信息以及当前车辆的行驶轨迹所述对存在碰撞风险的障碍物进行避让。
[0098]
在一些实施例中，所述总障碍物信息包括障碍物的数量以及每个障碍物的预测轨迹，所述避障单元还被配置为：
[0099]
响应于障碍物数量不为零，根据障碍物的预测轨迹以及所述当前车辆的行驶轨迹判断障碍物是否存在碰撞风险；
[0100]
响应于有障碍物存在碰撞风险，且碰撞位置位于所述当前车辆行驶方向的前方，根据该障碍物的预测轨迹、所述当前车辆的行驶轨迹以及所述总障碍物信息中的至少一个对该障碍物进行避让。
[0101]
在一些实施例中，所述避障单元还被配置为：
[0102]
响应于障碍物的预测轨迹与所述当前车辆的行驶轨迹同向，且该障碍物的运动速度大于或等于预设的正常阈值，将所述当前车辆的行驶速度降低至小于或等于该障碍物的运动速度；
[0103]
响应于障碍物的预测轨迹与所述当前车辆的行驶轨迹同向，且该障碍物的运动速度小于所述正常阈值，或障碍物的预测轨迹与所述当前车辆的行驶轨迹不同向，根据该障碍物的预测轨迹以及所述总障碍物信息对该障碍物进行避让。
[0104]
在一些实施例中，所述装置还包括：
[0105]
第二获取模块，被配置为获取所述当前车辆的实时位置，并基于高清地图获取盲区信息；
[0106]
盲区判断模块，被配置为根据所述实时位置以及所述盲区信息，判断所述当前车辆是否处于任一盲区的盲区范围内；
[0107]
第三获取模块，被配置为响应于所述当前车辆处于任一盲区的盲区范围内，获取与该盲区相关联的所述道路联网设备所识别的所述第二障碍物信息。
[0108]
在一些实施例中，所述盲区信息包括每个盲区的位置，所述盲区判断模块还被配置为：
[0109]
响应于存在盲区与所述实时位置的横向距离小于预设的第一距离，且纵向距离小于预设的第二距离，判断所述当前车辆处于该盲区的盲区范围内。
[0110]
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本技术时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
[0111]
上述实施例的装置用于实现前述任一实施例中相应的基于智能驾驶的避障方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0112]
基于同一发明构思，与上述任意实施例方法相对应的，本技术还提供了一种电子设备，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上任意一实施例所述的基于智能驾驶的避障方法。
[0113]
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
[0114]
处理器1010可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
[0115]
存储器1020可以采用rom(read only memory，只读存储器)、ram(random access memory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案
时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
[0116]
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
[0117]
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
[0118]
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
[0119]
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
[0120]
上述实施例的电子设备用于实现前述任一实施例中相应的基于智能驾驶的避障方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0121]
基于同一发明构思，与上述任意实施例方法相对应的，本技术还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的基于智能驾驶的避障方法。
[0122]
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
[0123]
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的基于智能驾驶的避障方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0124]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本技术的范围(包括权利要求)被限于这些例子；在本技术的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本技术实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
[0125]
另外，为简化说明和讨论，并且为了不会使本技术实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本技术实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本技术实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本技术的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以
在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本技术实施例。因此，这些描述应被认为是说明性的而不是限制性的。
[0126]
尽管已经结合了本技术的具体实施例对本技术进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。
[0127]
本技术实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本技术实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本技术的保护范围之内。