CN113978457B - 一种碰撞风险预测方法及装置 - Google Patents
一种碰撞风险预测方法及装置 Download PDFInfo
- Publication number
- CN113978457B CN113978457B CN202111593273.8A CN202111593273A CN113978457B CN 113978457 B CN113978457 B CN 113978457B CN 202111593273 A CN202111593273 A CN 202111593273A CN 113978457 B CN113978457 B CN 113978457B
- Authority
- CN
- China
- Prior art keywords
- target object
- determining
- target
- motion
- bounding box
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种碰撞风险预测方法及装置，涉及安全驾驶技术领域，具体方案包括：计算机设备通过获取目标对象的属性信息和运动姿态信息，根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒，再根据目标对象的运动姿态信息确定目标包围盒的运动轨迹，得到第一运动轨迹，而后根据当前车辆的运动姿态信息和当前车辆的属性信息，确定当前车辆的包围盒的运动轨迹，得到第二运动轨迹，最后根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率。本发明在传感器测量精度不变的情况下，提高了在复杂路况情形下的碰撞概率的预测准确度。
Description
技术领域
本发明涉及安全驾驶领域，尤其涉及一种碰撞风险预测方法及装置。
背景技术
在车辆行驶过程中，通过预测自车与道路中其他车辆或行人的碰撞概率，可以判断道路中其他车辆或行人对自车危险程度，从而为道路危险碰撞预警或避障路线规划提供有效的参考。
传统技术中的碰撞风险预测方法，通过车载传感器获取道路中其他车辆或行人的目标信息，利用简单形状的包围盒将道路中复杂形状的其他车辆或行人代替成简单的几何包围体，再基于自车和道路中其他车辆或行人的运动姿态变化分别进行轨迹预测，最后基于自车轨迹和道路中其他车辆或行人的轨迹，计算出自车与道路中其他车辆或行人碰撞概率。
但是，由于车辆或行人在运动过程中，尤其是在道路曲率较大时的运动姿态变化较为复杂，降低了车载传感器测量的目标信息的准确性，导致传统碰撞风险预测方法在复杂路况情形下的预测准确度较低。
发明内容
本发明提供一种碰撞风险预测方法及装置，解决了传统碰撞风险预测方法在复杂路况情形下的预测准确度较低的问题。
为达到上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种碰撞风险预测方法，该方法包括：
获取目标对象的属性信息和运动姿态信息；目标对象为与当前车辆的距离小于或等于第一阈值的对象；
根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒；目标包围盒覆盖目标对象；
根据目标对象的运动姿态信息确定目标包围盒的运动轨迹，得到第一运动轨迹；
根据当前车辆的运动姿态信息和当前车辆的属性信息，确定当前车辆的包围盒的运动轨迹，得到第二运动轨迹；
根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率。
结合第一方面，在一种可能的实现方式中，根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率，包括：预测第一运动轨迹的偏差和第二运动轨迹的偏差，得到第一目标运动轨迹和第二目标运动轨迹；确定当第一目标运动轨迹和第二目标运动轨迹重叠时，第一目标运动轨迹周围的危险区域；危险区域包括多个不同危险等级的子危险区域；确定第二运动轨迹与每个子危险区域的重叠概率，得到多个重叠概率；获取多个重叠概率的最小值，得到当前车辆和目标对象的碰撞概率。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，在得到当前车辆和目标对象的碰撞概率之后，还包括：确定重叠概率的最小值对应的子危险区域；根据子危险区域对应的危险等级确定当前车辆和目标对象发生碰撞事故的危险等级。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，根据子危险区域对应的危险等级确定当前车辆和目标对象发生碰撞事故的危险等级，包括：跟据子危险区域的宽度，确定子危险区域对应的危险等级。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，属性信息包括目标对象的类型、长度、以及宽度，根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒，包括：根据目标对象的宽度确定目标对象对应的包围盒的尺寸；根据目标对象的长度确定目标对象对应的包围盒的数量；根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的位置。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的位置，包括：根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的参考点位置；根据参考点位置确定目标对象对应的包围盒的位置。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，目标对象的类型包括机动车、非机动车和行人，根据所述目标对象的类型、长度以及宽度确定目标对象对应的包围盒的参考点位置，包括：当目标对象的类型为机动车时，将机动车的车头线中心或车尾线中心确定为目标对象对应的包围盒的参考点位置；当目标对象的类型为非机动车或行人时，将非机动车或行人的几何中心确定为目标对象对应的包围盒的参考点位置。
第二方面，本发明提供一种碰撞风险预测装置，包括：获取模块、包围模块、第一确定模块、第二确定模块以及输出模块。
获取模块，用于获取目标对象的属性信息和运动姿态信息；目标对象为与当前车辆的距离小于或等于第一阈值的对象；
包围模块，用于根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒；目标包围盒覆盖目标对象；
第一确定模块，用于根据目标对象的运动姿态信息确定目标包围盒的运动轨迹，得到第一运动轨迹；
第二确定模块，用于根据当前车辆的运动姿态信息和当前车辆的属性信息，确定当前车辆的包围盒的运动轨迹，得到第二运动轨迹；
输出模块，用于根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率。
结合第二方面，在一种可能的实现方式中，输出模块，具体用于：预测第一运动轨迹的偏差和第二运动轨迹的偏差，得到第一目标运动轨迹和第二目标运动轨迹；确定当第一目标运动轨迹和第二目标运动轨迹重叠时，第一目标运动轨迹周围的危险区域；危险区域包括多个不同危险等级的子危险区域；确定第二运动轨迹与每个子危险区域的重叠概率，得到多个重叠概率；获取多个重叠概率的最小值，得到当前车辆和目标对象的碰撞概率。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，输出模块，还用于：确定重叠概率的最小值对应的子危险区域；根据子危险区域对应的危险等级确定当前车辆和目标对象发生碰撞事故的危险等级。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，在根据子危险区域对应的危险等级确定当前车辆和目标对象发生碰撞事故的危险等级之前，输出模块，还用于：跟据子危险区域的宽度，确定子危险区域对应的危险等级。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，包围模块，具体用于：根据目标对象的宽度确定目标对象对应的包围盒的尺寸；根据目标对象的长度确定目标对象对应的包围盒的数量；根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的位置。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，包围模块，具体用于：根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的参考点位置；根据参考点位置确定目标对象对应的包围盒的位置。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，目标对象的类型包括机动车、非机动车和行人，包围模块，具体用于：当目标对象的类型为机动车时，将机动车的车头线中心或车尾线中心确定为目标对象对应的包围盒的参考点位置；当目标对象的类型为非机动车或行人时，将非机动车或行人的几何中心确定为目标对象对应的包围盒的参考点位置。
第三方面，本发明提供一种计算机设备，该计算机设备包括：处理器和存储器。存储器用于存储计算机程序代码，计算机程序代码包括计算机指令。当处理器执行计算机指令时，计算机设备执行如第一方面及其任一种可能的实现方式的碰撞风险预测方法。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机指令，当计算机指令在计算机设备上运行时，使得计算机设备执行如第一方面或第一方面的可能的实现方式中任意一项的碰撞风险预测方法。
本发明实施例提供的碰撞风险预测方法，计算机设备通过获取目标对象的属性信息和运动姿态信息，根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒，再根据目标对象的运动姿态信息确定目标包围盒的运动轨迹，得到第一运动轨迹，而后根据当前车辆的运动姿态信息和当前车辆的属性信息，确定当前车辆的包围盒的运动轨迹，得到第二运动轨迹，最后根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率。在本实施例中，不同目标对象可以对应不同数量、位置和尺寸的目标包围盒，使得针对不同目标对象的包围方式更加灵活有效，在传感器测量精度不变的情况下，提高了在复杂路况情形下的碰撞概率的预测准确度。
附图说明
图1为本发明实施例提供的一种碰撞风险预测方法的应用场景示意图；
图2为本发明实施例提供的一种碰撞风险预测方法的流程示意图；
图3为本发明实施例提供的一种多包围盒形式的包围示意图；
图4为本发明实施例提供的一种包围盒周围的危险区域的示意图；
图5为本发明实施例提供的一种碰撞风险预测装置结构示意图。
具体实施方式
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，所描述的实施例仅仅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。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
另外，“基于”或“根据”的使用意味着开放和包容性，因为“基于”或“根据”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出所述的值。
为了解决传统碰撞风险预测方法在复杂路况情形下的预测准确度较低的问题，本发明实施例提供了一种碰撞风险预测方法及装置，计算机设备通过获取目标对象的属性信息和运动姿态信息，根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒，再根据目标对象的运动姿态信息确定目标包围盒的运动轨迹，得到第一运动轨迹，而后根据当前车辆的运动姿态信息和当前车辆的属性信息，确定当前车辆的包围盒的运动轨迹，得到第二运动轨迹，最后根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率。
这样，不同目标对象可以对应不同数量、位置和尺寸的目标包围盒，使得针对目标对象的包围方式更加灵活有效，在传感器测量精度不变的情况下，提高了在复杂路况情形下的碰撞概率的预测准确度。
图1为本发明实施例提供的一种碰撞风险预测方法的应用场景图，图1中的当前车辆101行驶在道路中时，通过传感器102获取道路中的目标车辆103或行人104的属性信息和运动姿态信息，采用本发明中的碰撞风险预测方法，通过计算机设备105计算当前车辆与目标车辆或行人的碰撞概率。其中，目标车辆103可以是机动车，包括但不限于摩托车、小轿车、面包车、卡车，消防车等特种车或私家车，还可以是非机动车，包括但不限于三轮车、自行车、体感车等，此处对于目标车辆103的类型不做限定。
本发明实施例提供的碰撞风险预测方法的执行主体为计算机设备。该计算机设备可以是终端，也可以是服务器，还可以是服务器集群。上述终端可以是目标车辆中的车载终端，也可以是车载终端中的CPU，还可以是车载终端的客户端。
基于上述计算机设备的介绍，本发明实施例提供一种碰撞风险预测方法，如图2所示，包括以下步骤S201-步骤S205。
S201、获取目标对象的属性信息和运动姿态信息；目标对象为与当前车辆的距离小于或等于第一阈值的对象。
其中，目标对象的属性信息可以包括目标对象的类型、长度以及宽度，目标对象的类型可以为目标车辆或行人，目标车辆可以为机动车或非机动车。运动姿态信息可以包括目标对象的当前位置、运动方向、速度以及加速度。
在一种可能的实现方式中，计算机设备可以通过车载传感器获取当前车辆周围第一阈值范围内的目标对象的属性信息和运行姿态。第一阈值的大小可以是固定不变的、也可以是根据时间或道路交通情况动态变化的，在此不做限定。
S202、根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒；所目标包围盒覆盖目标对象。
可以理解的是，在传统技术中，覆盖不同目标对象的包围盒都是单包围盒，且包围盒的参考位置是不变的。而在本步骤中提供的包围盒生成方案中，计算机设备可以根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量。示例性的，以包围盒的形状为圆形为例，如图3所示，目标对象的长度l越长，覆盖目标对象的包围盒的数量可以越多，目标对象的宽度w越宽，覆盖目标对象的包围盒的半径可以越大，目标对象的类型不同，覆盖目标对象的包围盒的位置也不同。
S203、根据目标对象的运动姿态信息确定目标包围盒的运动轨迹，得到第一运动轨迹。
具体的，计算机设备可以通过目标对象的当前位置、运动方向、速度以及加速度，利用积分器预测出目标包围盒的运动轨迹，从而得到第一运动轨迹。
S204、根据当前车辆的运动姿态信息和当前车辆的属性信息，确定当前车辆的包围盒的运动轨迹，得到第二运动轨迹。
具体的，计算机设备可以根据当前车辆的属性信息确定当前车辆的包围盒的数量、尺寸和位置，并结合当前车辆的当前位置、运动方向、速度以及加速度，利用积分器预测出当前车辆的包围盒的运动轨迹，从而得到第二运动轨迹。
S205、根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率。
具体的，计算机设备可以预测未来一段时间内第一运动轨迹和第二运动轨迹最接近的时间，在假设第一运动轨迹和第二运动轨迹的轨迹误差满足高斯分布的情况下，通过线性或非线性方法，例如卡尔曼滤波法，计算目标包围盒和当前车辆的包围盒在最接近时各自位置的方差，从而计算出当前车辆和目标对象的碰撞概率。
本实施例中的碰撞风险预测方法，计算机设备通过获取目标对象的属性信息和运动姿态信息，根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒，再根据目标对象的运动姿态信息确定目标包围盒的运动轨迹，得到第一运动轨迹，而后根据当前车辆的运动姿态信息和当前车辆的属性信息，确定当前车辆的包围盒的运动轨迹，得到第二运动轨迹，最后根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率。在本实施例中，不同目标对象可以对应不同数量、位置和尺寸的目标包围盒，使得针对目标对象的包围方式更加灵活有效，在传感器测量精度不变的情况下，提高了在复杂路况情形下的碰撞概率的预测准确度。
在一种可能的实现方式中，在上述实施例的基础上，上述步骤S205，包括：
S301、预测第一运动轨迹的偏差和第二运动轨迹的偏差，得到第一目标运动轨迹和第二目标运动轨迹。
在一种可能的实现方式中，在假设第一运动轨迹和第二运动轨迹的误差满足高斯分布的情况下，计算机设备可以通过线性或非线性方法，预测第一运动轨迹的偏差和第二运动轨迹的偏差，得到多种可能的第一目标运动轨迹和第二目标运动轨迹。
S302、确定当第一目标运动轨迹和第二目标运动轨迹重叠时，第一目标运动轨迹周围的危险区域；危险区域包括多个不同危险等级的子危险区域。
其中，如图4所示，危险区域可以为目标包围盒的边缘叠加一定的安全距离后形成的中间区域，危险区域的宽度即为安全距离。安全距离与目标对象当前所在位置的道路曲率、道路宽度和自身速度有关，安全距离是随着目标对象运动而动态变化的，安全距离不同，危险区域对应的危险等级可以不同。可以理解的是，安全距离越大，危险区域面积就越大，接近于危险区域中心的区域危险度较高，远离危险区域中心的区域危险度较低。
可以理解的是，在多种可能的第一目标运动轨迹和第二目标运动轨迹中，第一目标运动轨迹和第二目标运动轨迹可能重叠，也可能不重叠。
具体的，计算机设备可以确定当第一目标运动轨迹和第二目标运动轨迹重叠时，第一目标运动轨迹周围的危险区域。
S303、确定第二运动轨迹与每个子危险区域的重叠概率，得到多个重叠概率。
其中，不同子危险区域对应的安全距离可以不同。可以理解的是，由于第二运动轨迹存在误差，因此第二运动轨迹有可能与危险区域包括的每个子危险区域重叠。
具体的，计算机可以通过线性或非线性方法，计算目标包围盒和当前车辆的包围盒在最接近时各自位置的方差，从而确定第二运动轨迹与每个子危险区域的重叠概率，得到多个重叠概率。
S304、获取多个重叠概率的最小值，得到当前车辆和目标对象的碰撞概率。
具体的，计算机设备可以将步骤S303中的多个重叠概率中的最小值确定为当前车辆和目标对象的碰撞概率。
本实施例中的碰撞风险预测方法，计算机设备通过确定第一运动轨迹的偏差和第二运动轨迹的偏差，得到第一目标运动轨迹和第二目标运动轨迹，再确定当第一目标运动轨迹和第二目标运动轨迹重叠时，第一目标运动轨迹周围的危险区域，而后计算第二运动轨迹与每个子危险区域的重叠概率，得到多个重叠概率，将多个重叠概率中的最小值，确定为当前车辆和目标对象的碰撞概率。本申请基于轨迹误差来计算碰撞概率，提高了计算碰撞概率的准确性。
在一种可能的实现方式中，在上述实施例的基础上，在上述步骤S304之后，还包括：
S401、确定重叠概率的最小值对应的子危险区域；
S402、根据子危险区域对应的危险等级确定当前车辆和目标对象发生碰撞事故的危险等级。
具体的，计算机设备可以确定重叠概率的最小值对应的子危险区域，并根据子危险区域的宽度，即安全距离，来确定子危险区域对应的危险等级，将子危险区域对应的危险等级确定当前车辆和目标对象发生碰撞事故的危险等级。
示例性的，计算机设备可以将危险等级分为多个级别，每个级别对应不同的安全距离范围，根据子危险区域对应的安全距离，将该安全距离所在的安全距离范围对应的危险等级，确定为子危险区域对应的危险等级。
本实施例中的碰撞风险预测方法，计算机设备通过确定重叠概率的最小值对应的子危险区域，并根据子危险区域对应的危险等级来确定当前车辆和目标对象发生碰撞事故的危险等级。由于本申请中计算的碰撞概率并非目标包围盒与当前车辆的包围盒的重叠概率，而是目标包围盒周围的危险区域与当前车辆的包围盒的重叠概率，本实施例中输出的危险等级可以表征碰撞发生的危险程度，便于司机或自动驾驶系统根据危险等级的大小来规划避障路线。
在一种可能的实现方式中，在上述实施例的基础上，目标对象的属性信息包括目标对象的类型、长度、以及宽度，上述步骤S202，包括：
S501、根据目标对象的宽度确定目标对象对应的包围盒的尺寸；
S502、根据目标对象的长度确定目标对象对应的包围盒的数量；
S503、根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的位置；
具体的，计算机设备可以根据目标对象的宽度确定目标对象对应的包围盒的尺寸，根据目标对象的长度确定目标对象对应的包围盒的数量，根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的位置。
可以理解的是，计算机设备基于不同的目标对象的类型生成包围盒时，包围盒的位置的参考点不同。例如，机动车可以以车头线中心或车尾线中心为参考点，非机动车或行人以自身的几何中心为参考点，计算机设备可以根据参考点位置确定目标对象对应的包围盒的位置。
在一种可能的实现方式中，以目标对象的类型为机动车、包围盒的形状为圆形为例，包围盒的尺寸可以以圆的半径R来表示，包围盒的位置可以以圆到车头线中心点或车尾部线中心点的距离D 1 以及圆心之间的间距D 2 来表示。上述R、D 1 以及D 2 的计算公式如下:
其中，l为目标对象的长度，w为目标对象的宽度，n为目标对象对应的包围盒的数量。n的大小与s有关，可以理解的是s越大，n可以越大，例如，当目标对象为常见的小轿车时，n可以为3。
在另一种可能的实现方式中，以目标对象的类型为非机动车或行人、包围盒的形状为圆形为例，包围盒的位置可以以非机动车或行人的几何中心为包围盒的中心，圆的半径的计算方式同公式（1），包围盒的数量的确定方式亦与上述实现方式相同，例如，当目标对象为行人时，n可以为1。
进一步的，在另一种可能的实现方式中，针对当前车辆，当前车辆的包围盒的位置，可以以当前车辆的几何中心为当前车辆的包围盒的中心，当前车辆的包围盒中的包围圆的半径r以及当前车辆的包围盒中每个包围圆的间距d的计算公式可以如下：
其中，L为当前车辆的长度，W为当前车辆的宽度，N为当前车辆的包围盒的数量，当前车辆的包围盒的数量的确定方式亦与上述实现方式相同，在此不作赘述。
本实施例中的碰撞风险预测方法，计算机设备根据目标对象的宽度确定目标对象对应的包围盒的尺寸，根据目标对象的长度确定目标对象对应的包围盒的数量，根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的位置，使得针对不同目标对象的包围方式更加灵活有效，在传感器测量精度不变的情况下，提高了在复杂路况情形下的碰撞概率的预测准确度。
上述主要从计算机设备的角度对本发明实施例提供的方案进行了介绍。可以理解的是，计算机设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
图5示出了一种碰撞风险预测装置的组成示意图，如图5所示，该碰撞风险预测装置可以包括：获取模块51、包围模块52、第一确定模块53、第二确定模块54以及输出模块55。
获取模块51，用于获取目标对象的属性信息和运动姿态信息；目标对象为与当前车辆的距离小于或等于第一阈值的对象；
包围模块52，用于根据目标对象的属性信息确定目标对象对应的包围盒的位置、尺寸和数量，得到至少一个目标包围盒；目标包围盒覆盖目标对象；
第一确定模块53，用于根据目标对象的运动姿态信息确定目标包围盒的运动轨迹，得到第一运动轨迹；
第二确定模块54，用于根据当前车辆的运动姿态信息和当前车辆的属性信息，确定当前车辆的包围盒的运动轨迹，得到第二运动轨迹；
输出模块55，用于根据第一运动轨迹和第二运动轨迹确定当前车辆和目标对象的碰撞概率。
可选的，输出模块55，具体用于：确定第一运动轨迹的偏差和第二运动轨迹的偏差，得到第一目标运动轨迹和第二目标运动轨迹；确定当第一目标运动轨迹和第二目标运动轨迹重叠时，第一目标运动轨迹周围的危险区域；危险区域包括多个不同危险等级的子危险区域；确定第二运动轨迹与每个子危险区域的重叠概率，得到多个重叠概率；获取多个重叠概率的最小值，得到当前车辆和目标对象的碰撞概率。
可选的，输出模块55，还用于：确定重叠概率的最小值对应的子危险区域；根据子危险区域对应的危险等级确定当前车辆和目标对象发生碰撞事故的危险等级。
可选的，在根据子危险区域对应的危险等级确定当前车辆和目标对象发生碰撞事故的危险等级之前，输出模块55，还用于：跟据子危险区域的宽度，确定子危险区域对应的危险等级。
可选的，包围模块52，具体用于：根据目标对象的宽度确定目标对象对应的包围盒的尺寸；根据目标对象的长度确定目标对象对应的包围盒的数量；根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的位置。
可选的，包围模块52，具体用于：根据目标对象的类型、长度以及宽度确定目标对象对应的包围盒的参考点位置；根据参考点位置确定目标对象对应的包围盒的位置。
可选的，目标对象的类型包括机动车、非机动车和行人，包围模块52，具体用于：当目标对象的类型为机动车时，将机动车的车头线中心或车尾线中心确定为目标对象对应的包围盒的参考点位置；当目标对象的类型为非机动车或行人时，将非机动车或行人的几何中心确定为目标对象对应的包围盒的参考点位置。
本发明实施例提供的碰撞风险预测装置，用于执行上述碰撞风险预测方法，因此可以达到与上述碰撞风险预测方法相同的技术效果。
本发明实施例还提供一种计算机设备，包括处理器和存储器；存储器用于存储计算机程序代码，计算机程序代码包括计算机指令；当处理器执行计算机指令时，计算机设备执行本发明前述实施方式提供的碰撞风险预测方法。
本发明实施例提供的计算机设备，用于执行上述碰撞风险预测方法，因此可以达到与上述碰撞风险预测方法相同的技术效果。
本发明实施例还提供一种计算机存储介质，存储有一条或多条计算机指令，用于在执行时实现本发明前述实施方式提供的碰撞风险预测方法。
本发明实施例提供的计算机存储介质，用于执行上述碰撞风险预测方法，因此可以达到与上述碰撞风险预测方法相同的技术效果。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何在本发明揭露的技术范围内的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种碰撞风险预测方法，其特征在于，包括：
获取目标对象的属性信息和运动姿态信息；所述目标对象为与当前车辆的距离小于或等于第一阈值的对象；所述属性信息包括所述目标对象的类型、长度、以及宽度；
根据所述目标对象的宽度确定所述目标对象对应的目标包围盒的尺寸；根据所述目标对象的长度确定所述目标对象对应的所述目标包围盒的数量；根据所述目标对象的类型、长度以及宽度确定所述目标对象对应的所述目标包围盒的位置；所述目标包围盒覆盖所述目标对象；
根据所述目标对象的运动姿态信息确定所述目标包围盒的运动轨迹，得到第一运动轨迹；
根据所述当前车辆的运动姿态信息和所述当前车辆的属性信息，确定所述当前车辆的包围盒的运动轨迹，得到第二运动轨迹；
根据所述第一运动轨迹和所述第二运动轨迹确定所述当前车辆和所述目标对象的碰撞概率。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一运动轨迹和所述第二运动轨迹确定所述当前车辆和所述目标对象的碰撞概率，包括：
预测所述第一运动轨迹的偏差和所述第二运动轨迹的偏差，得到第一目标运动轨迹和第二目标运动轨迹；
确定当所述第一目标运动轨迹和所述第二目标运动轨迹重叠时，所述第一目标运动轨迹周围的危险区域；所述危险区域包括多个不同危险等级的子危险区域；
确定所述第二运动轨迹与每个所述子危险区域的重叠概率，得到多个重叠概率；
获取所述多个重叠概率的最小值，得到所述当前车辆和所述目标对象的碰撞概率。
3.根据权利要求2所述的方法，其特征在于，在得到所述当前车辆和所述目标对象的碰撞概率之后，还包括：
确定所述重叠概率的最小值对应的子危险区域；
根据所述子危险区域对应的危险等级确定所述当前车辆和所述目标对象发生碰撞事故的危险等级。
4.根据权利要求3所述的方法，所述根据所述子危险区域对应的危险等级确定所述当前车辆和所述目标对象发生碰撞事故的危险等级，包括：
根据所述子危险区域的宽度，确定所述子危险区域对应的危险等级。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的类型、长度以及宽度确定所述目标对象对应的包围盒的位置，包括：
根据所述目标对象的类型、长度以及宽度确定所述目标对象对应的包围盒的参考点位置；
根据所述参考点位置确定所述目标对象对应的包围盒的位置。
6.根据权利要求5所述的方法，其特征在于，所述目标对象的类型包括机动车、非机动车和行人，所述根据所述目标对象的类型、长度以及宽度确定所述目标对象对应的包围盒的参考点位置，包括：
当所述目标对象的类型为机动车时，将所述机动车的车头线中心或车尾线中心确定为所述目标对象对应的包围盒的参考点位置；
当所述目标对象的类型为非机动车或行人时，将所述非机动车或行人的几何中心确定为所述目标对象对应的包围盒的参考点位置。
7.一种碰撞风险预测装置，其特征在于，包括：
获取模块，用于获取目标对象的属性信息和运动姿态信息；所述目标对象为与当前车辆的距离小于或等于第一阈值的对象；所述属性信息包括所述目标对象的类型、长度、以及宽度；
包围模块，用于根据所述目标对象的宽度确定所述目标对象对应的目标包围盒的尺寸；根据所述目标对象的长度确定所述目标对象对应的所述目标包围盒的数量；根据所述目标对象的类型、长度以及宽度确定所述目标对象对应的所述目标包围盒的位置；所述目标包围盒覆盖所述目标对象；
第一确定模块，用于根据所述目标对象的运动姿态信息确定所述目标包围盒的运动轨迹，得到第一运动轨迹；
第二确定模块，用于根据所述当前车辆的运动姿态信息和所述当前车辆的属性信息，确定所述当前车辆的包围盒的运动轨迹，得到第二运动轨迹；
输出模块，用于根据所述第一运动轨迹和所述第二运动轨迹确定所述当前车辆和所述目标对象的碰撞概率。
8.一种计算机设备，其特征在于，所述计算机设备包括：处理器和存储器；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；当所述处理器执行所述计算机指令时，所述计算机设备执行如权利要求1-6中任意一项所述的碰撞风险预测方法。
9.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在计算机设备上运行时，使得所述计算机设备执行权利要求1-6中任意一项所述的碰撞风险预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111593273.8A CN113978457B (zh) | 2021-12-24 | 2021-12-24 | 一种碰撞风险预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111593273.8A CN113978457B (zh) | 2021-12-24 | 2021-12-24 | 一种碰撞风险预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113978457A CN113978457A (zh) | 2022-01-28 |
| CN113978457B true CN113978457B (zh) | 2022-05-03 |
Family
ID=79734161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111593273.8A Active CN113978457B (zh) | 2021-12-24 | 2021-12-24 | 一种碰撞风险预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113978457B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114913626A (zh) * | 2022-05-07 | 2022-08-16 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
| CN115431943A (zh) * | 2022-05-10 | 2022-12-06 | 北京罗克维尔斯科技有限公司 | 目标筛选方法、装置、设备、介质及车辆 |
| CN115083208B (zh) * | 2022-07-20 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
| CN115472005B (zh) * | 2022-08-09 | 2023-12-19 | 东软睿驰汽车技术（上海）有限公司 | 车辆碰撞预警方法、装置、设备及存储介质 |
| CN115782867B (zh) * | 2022-11-17 | 2024-01-30 | 上海西井科技股份有限公司 | 轨迹碰撞风险评估方法、装置、电子设备和存储介质 |
| CN117657133A (zh) * | 2023-02-20 | 2024-03-08 | 比亚迪股份有限公司 | 车辆安全控制方法、装置、系统和车辆 |
| CN115837921B (zh) * | 2023-02-23 | 2023-06-02 | 深圳佑驾创新科技有限公司 | 车辆轨迹碰撞检测方法、装置、设备及存储介质 |
| CN117114547B (zh) * | 2023-10-25 | 2024-02-02 | 交通运输部水运科学研究所 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102275587A (zh) * | 2011-06-07 | 2011-12-14 | 长安大学 | 一种后方车辆碰撞危险性监测装置及其监测方法 |
| CN111731283A (zh) * | 2020-05-26 | 2020-10-02 | 北京百度网讯科技有限公司 | 车辆碰撞风险识别方法、装置以及电子设备 |
| CN112026762A (zh) * | 2020-09-15 | 2020-12-04 | 北京经纬恒润科技有限公司 | 一种车辆碰撞分析方法及装置 |
| WO2021034802A1 (en) * | 2019-08-22 | 2021-02-25 | Argo AI, LLC | Systems and methods for trajectory based safekeeping of vehicles |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8466807B2 (en) * | 2011-06-01 | 2013-06-18 | GM Global Technology Operations LLC | Fast collision detection technique for connected autonomous and manual vehicles |
| DE102013010004A1 (de) * | 2013-06-14 | 2014-12-18 | Valeo Schalter Und Sensoren Gmbh | Verfahren und Vorrichtung zum Ausführen von kollisionsvermeidenden Maßnahmen |
| US9280899B2 (en) * | 2013-08-06 | 2016-03-08 | GM Global Technology Operations LLC | Dynamic safety shields for situation assessment and decision making in collision avoidance tasks |
| DE102015205048A1 (de) * | 2015-03-20 | 2016-09-22 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Überwachen einer von einem Fahrzeug abzufahrenden Soll-Trajektorie auf Kollisionsfreiheit |
| US10077047B2 (en) * | 2017-02-10 | 2018-09-18 | Waymo Llc | Using wheel orientation to determine future heading |
| WO2019136479A1 (en) * | 2018-01-08 | 2019-07-11 | The Regents On The University Of California | Surround vehicle tracking and motion prediction |
| DE112019000065T5 (de) * | 2018-02-02 | 2020-03-05 | Nvidia Corporation | Sicherheitsprozeduranalyse zur hindernisvermeidung in einem autonomen fahrzeug |
| WO2019157193A1 (en) * | 2018-02-09 | 2019-08-15 | Nvidia Corporation | Controlling autonomous vehicles using safe arrival times |
| CN108725440B (zh) * | 2018-04-20 | 2020-11-27 | 深圳市商汤科技有限公司 | 前向碰撞控制方法和装置、电子设备、程序和介质 |
| US11001256B2 (en) * | 2018-09-19 | 2021-05-11 | Zoox, Inc. | Collision prediction and avoidance for vehicles |
| US11167754B2 (en) * | 2019-08-22 | 2021-11-09 | Argo AI, LLC | Systems and methods for trajectory based safekeeping of vehicles |
| US20210197805A1 (en) * | 2019-12-27 | 2021-07-01 | Motional Ad Llc | Safety system for vehicle |
| EP3886076A1 (en) * | 2020-03-27 | 2021-09-29 | Aptiv Technologies Limited | Warning system for a host automotive vehicle |
| CN111507222B (zh) * | 2020-04-09 | 2023-07-07 | 中山大学 | 一种基于多源数据知识迁移的三维物体检测框架 |
| US12097844B2 (en) * | 2020-04-30 | 2024-09-24 | Zoox, Inc. | Constraining vehicle operation based on uncertainty in perception and/or prediction |
| CN111707269B (zh) * | 2020-06-23 | 2022-04-05 | 东南大学 | 一种三维环境下的无人机路径规划方法 |
-
2021
- 2021-12-24 CN CN202111593273.8A patent/CN113978457B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102275587A (zh) * | 2011-06-07 | 2011-12-14 | 长安大学 | 一种后方车辆碰撞危险性监测装置及其监测方法 |
| WO2021034802A1 (en) * | 2019-08-22 | 2021-02-25 | Argo AI, LLC | Systems and methods for trajectory based safekeeping of vehicles |
| CN111731283A (zh) * | 2020-05-26 | 2020-10-02 | 北京百度网讯科技有限公司 | 车辆碰撞风险识别方法、装置以及电子设备 |
| CN112026762A (zh) * | 2020-09-15 | 2020-12-04 | 北京经纬恒润科技有限公司 | 一种车辆碰撞分析方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 人车碰撞风险识别及智能车辆控制系统;孟柯等;《交通信息与安全》;20161228(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113978457A (zh) | 2022-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113978457B (zh) | 一种碰撞风险预测方法及装置 | |
| US10488863B2 (en) | Autonomous vehicle post-fault operation | |
| JP4416020B2 (ja) | 走行計画生成装置 | |
| CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
| CN109557925B (zh) | 自动驾驶车辆障碍物避让方法及装置 | |
| CN106080598B (zh) | 实时预期速度控制 | |
| US11898855B2 (en) | Assistance control system that prioritizes route candidates based on unsuitable sections thereof | |
| US11845471B2 (en) | Travel assistance method and travel assistance device | |
| US10829113B2 (en) | Vehicle collision avoidance | |
| KR102086270B1 (ko) | 주행 제어 장치의 제어 방법 및 주행 제어 장치 | |
| KR102042111B1 (ko) | 운전 지원 장치 | |
| EP3925845B1 (en) | Other vehicle action prediction method and other vehicle action prediction device | |
| CN111179624A (zh) | 碰撞预警方法、装置、计算机设备和存储介质 | |
| EP3456596A1 (en) | Method and device of predicting a possible collision | |
| JPWO2020025991A1 (ja) | 走行軌跡補正方法、走行制御方法、及び走行軌跡補正装置 | |
| US11285957B2 (en) | Traveling control apparatus, traveling control method, and non-transitory computer-readable storage medium storing program | |
| US11042160B2 (en) | Autonomous driving trajectory determination device | |
| KR20190045308A (ko) | 차량 판정 방법, 주행 경로 보정 방법, 차량 판정 장치, 및 주행 경로 보정 장치 | |
| CN114291116A (zh) | 周围车辆轨迹预测方法、装置、车辆及存储介质 | |
| CN118235180A (zh) | 预测可行驶车道的方法和装置 | |
| JP2017154516A (ja) | 衝突判定装置、衝突判定方法、およびプログラム | |
| CN112703140A (zh) | 控制方法和控制装置 | |
| EP4381490A1 (en) | Vulnerable road user (vru) collision avoidance system | |
| KR20180006635A (ko) | 교차로 충돌 회피 시스템 및 그 제어 방법 | |
| CN116161111B (zh) | 车辆控制方法、装置、车辆及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: Floor 25, Block A, Zhongzhou Binhai Commercial Center Phase II, No. 9285, Binhe Boulevard, Shangsha Community, Shatou Street, Futian District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Youjia Innovation Technology Co.,Ltd. Address before: 518051 401, building 1, Shenzhen new generation industrial park, No. 136, Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong Province Patentee before: SHENZHEN MINIEYE INNOVATION TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address |