CN110316186A - 车辆防碰撞预判方法、装置、设备及可读存储介质 - Google Patents
车辆防碰撞预判方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110316186A CN110316186A CN201910586830.XA CN201910586830A CN110316186A CN 110316186 A CN110316186 A CN 110316186A CN 201910586830 A CN201910586830 A CN 201910586830A CN 110316186 A CN110316186 A CN 110316186A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- anticollision
- strategy
- road scene
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000004888 barrier function Effects 0.000 claims abstract description 72
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 230000035484 reaction time Effects 0.000 abstract description 7
- 206010039203 Road traffic accident Diseases 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—Speed
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
本申请提供了一种车辆防碰撞预判方法、装置、设备及可读存储介质。该方法包括获取车辆的当前道路场景信息,根据所述当前道路场景信息,确定预判时间,根据所述预判时间,确定防碰撞策略,控制所述车辆按照所述防碰撞策略行驶,以使车辆根据当前道路场景信息能够预判与当前道路场景中的障碍物相关联障碍物的出现,提前做出规避碰撞决策,保证车辆有足够的反应时间和反应能力来避免交通事故的发生,进一步提高了自动驾驶车辆的智能化水平。
Description
技术领域
本申请实施例涉及无人驾驶技术领域,尤其涉及一种车辆防碰撞预判方法、装置、设备及可读存储介质。
背景技术
随着计算机技术和人工智能的发展,无人驾驶汽车(简称:无人车)在交通、军事、物流仓储、日常生活等方面具有广阔的应用前景。无人驾驶技术主要包括环境信息的感知,驾驶行为的智能决策,无碰撞路径的规划,以及车辆的运动控制等部分。
现有的无人车在环境信息的感知时,只对感知到的当前环境中的障碍物进行关注,若无人车与障碍物的相对距离小于预测碰撞距离时,无人车立即进行刹车并停止,以避免碰撞。
现有的无人车并不能预测与当前环境中的障碍物相关联障碍物的出现,当相关联障碍物出现时,无人车往往来不及停车,造成交通事故的发生。
发明内容
本申请实施例提供一种车辆防碰撞预判方法、装置、设备及可读存储介质,以能够使车辆预判与当前环境中的障碍物相关联障碍物的出现,避免交通事故的发生。
本申请实施例第一方面提供一种车辆防碰撞预判方法,包括:
获取车辆的当前道路场景信息;
根据所述当前道路场景信息,确定预判时间;
根据所述预判时间,确定防碰撞策略;
控制所述车辆按照所述防碰撞策略行驶。
在一种可能的实现方式中,本申请实施例提供的上述方法中,所述根据所述当前道路场景信息,确定预判时间,具体包括:
采用经过训练的识别模型对所述当前道路场景信息对应的预测障碍物信息进行识别;
根据识别结果和自身车辆的当前车速,确定预判时间;
其中,所述经过训练的识别模型是根据不同的道路场景信息以及与所述道路场景信息一一对应的预测障碍物训练得到的;
其中,所述预测障碍物是根据所述当前道路场景信息预测出的障碍物。
在一种可能的实现方式中,本申请实施例提供的上述方法中,所述根据识别结果和自身车辆的当前车速,确定预判时间,具体包括:
获取所述车辆与所述识别结果中的预测障碍物的相对距离;
根据所述车辆的当前车速以及所述车辆与所述预测障碍物的相对距离,确定预判时间。
在一种可能的实现方式中,本申请实施例提供的上述方法中,所述根据所述预判时间,确定防碰撞策略,具体包括:
若所述预判时间小于第一时间,则确定采用的防碰撞策略为第一防碰撞策略;
若所述预判时间大于等于第一时间且小于等于第二时间,则确定采用的防碰撞策略为第二防碰撞策略;
若所述预判时间大于第二时间,则确定采用的防碰撞策略为第三防碰撞策略。
在一种可能的实现方式中,本申请实施例提供的上述方法中,所述控制所述车辆按照所述防碰撞策略行驶,具体包括:
若所述防碰撞策略为第一防碰撞策略,则控制所述车辆停止行驶;
若所述防碰撞策略为第二防碰撞策略,则控制所述车辆按照第一速度行驶;
若所述防碰撞策略为第三防碰撞策略,则控制所述车辆按照第二速度行驶;
其中,第一速度小于第二速度,第二速度小于当前车速。
在一种可能的实现方式中,本申请实施例提供的上述方法中,所述获取车辆的当前道路场景信息,具体包括:
采用摄像头采集当前道路场景中的视频流信息;
采用全方位毫米波雷达和/或激光雷达采集所述视频流中的障碍物与所述车辆的距离信息及所述障碍物的速度信息。
本申请实施例第二方面提供一种车辆防碰撞预判装置,包括:
场景获取模块,用于获取车辆的当前道路场景信息;
时间确定模块,用于根据所述当前道路场景信息,确定预判时间;
策略确定模块,用于根据所述预判时间,确定防碰撞策略;
控制模块,用于控制所述车辆按照所述防碰撞策略行驶。
在一种可能的实现方式中,本申请实施例提供的上述装置中,所述时间确定模块,包括:
识别单元,用于采用经过训练的识别模型对所述当前道路场景信息对应的预测障碍物信息进行识别;
确定单元,用于根据识别结果和自身车辆的当前车速,确定预判时间;
其中,所述经过训练的识别模型是根据不同的道路场景信息以及与所述道路场景信息一一对应的预测障碍物训练得到的;
其中,所述预测障碍物是根据所述当前道路场景信息预测出的障碍物。
在一种可能的实现方式中,本申请实施例提供的上述装置中,
所述确定单元,具体用于获取所述车辆与所述识别结果中的预测障碍物的相对距离;根据所述车辆的当前车速以及所述车辆与所述预测障碍物的相对距离,确定预判时间。
在一种可能的实现方式中,本申请实施例提供的上述装置中,所述策略确定模块,包括:
第一确定单元,用于若所述预判时间小于第一时间,则确定采用的防碰撞策略为第一防碰撞策略;
第二确定单元,用于若所述预判时间大于等于第一时间且小于等于第二时间,则确定采用的防碰撞策略为第二防碰撞策略;
第三确定单元,用于若所述预判时间大于第二时间,则确定采用的防碰撞策略为第三防碰撞策略。
在一种可能的实现方式中,本申请实施例提供的上述装置中,所述控制模块,包括:
第一控制单元,用于若所述防碰撞策略为第一防碰撞策略,则控制所述车辆停止行驶;
第二控制单元,用于若所述防碰撞策略为第二防碰撞策略,则控制所述车辆按照第一速度行驶;
第三控制单元,用于若所述防碰撞策略为第三防碰撞策略,则控制所述车辆按照第二速度行驶;
其中,第一速度小于第二速度,第二速度小于当前车速。
在一种可能的实现方式中,本申请实施例提供的上述装置中,所述场景获取模块,包括:
第一采集单元,用于采用摄像头采集当前道路场景中的视频流信息;
第二采集单元,用于采用全方位毫米波雷达和/或激光雷达采集所述视频流中的障碍物与所述车辆的距离信息及所述障碍物的速度信息。
本申请实施例第三方面提供一种电子设备,包括:存储器,处理器以及计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如上述第一方面所述的方法。
本申请实施例第四方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行以实现如上述第一方面所述的方法。
基于以上各方面,本申请实施例通过获取车辆的当前道路场景信息,根据所述当前道路场景信息,确定预判时间,根据所述预判时间,确定防碰撞策略,控制所述车辆按照所述防碰撞策略行驶,以使车辆根据当前道路场景信息能够预判与当前道路场景中的障碍物相关联障碍物的出现,提前做出规避碰撞决策,保证车辆有足够的反应时间和反应能力来避免交通事故的发生,进一步提高了自动驾驶车辆的智能化水平。
应当理解,上述发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征,亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
图1为本申请实施例提供的行驶环境示意图;
图2为本申请实施例一提供的车辆防碰撞预判方法的流程图;
图3为本申请实施例二提供的车辆防碰撞预判方法的流程图;
图4为本申请实施例三提供的车辆防碰撞预判装置的结构示意图;
图5为本申请实施例四提供的车辆防碰撞预判装置的结构示意图;
图6为本申请实施例五提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1示出了根据本申请实施例的方法、装置、设备及可读存储介质适用的行驶环境的示意图。图示情景为一个双向两车道的环境,该环境中有两辆正在行驶的车辆1和车辆2,道路两侧停放的车辆3至8,行人P1和P2,皮球F1。其中,车辆1和车辆2为本申请实施例的自动驾驶车辆,由于静止车辆的或障碍物的遮挡,车辆1和车辆2在行驶当前行驶过程中不能探测到行人P1和P2,车辆1和车辆2上都配有一部用于自动驾驶的摄像头、若干毫米波雷达、激光雷达以及其它设备。在车辆本体周围均匀布设多个毫米波雷达,在车顶中央位置布设至少一个激光雷达,以保证车辆本体周围可以全覆盖。激光雷达采用光检测和测距(LIDAR)技术,多于一个的激光雷达可以更完全和快速地扫描整个360度视界。摄像头通过拍摄视频或图像,毫米波雷达和激光雷达通过测量与其它车辆或障碍物的距离及障碍物的运动速度,将道路环境信息提供给车载的自动驾驶***,由自动驾驶***根据当前的路况、与运动障碍物的距离等信息生成控制信息,控制信息则作用于汽车的各个设备、部件以加速、减速或停止自动驾驶。
图1中示出了车辆在道路上行驶会遇到的两个场景。参看图1,场景1中,车辆1正在直行,靠近车辆1的路边停靠有车辆6、7、8,行人P2准备穿越到马路对面,但由于车辆7的遮挡,车辆1不能探测到行人P2,现有自动驾驶控制方法中,车辆1继续按照当前较高车速行驶。场景2中,车辆2正在另一对向车道直行,靠近车辆2的路边停靠有车辆3、4、5,车辆2探测到路中央有一皮球F1,但由于障碍物遮挡无法探测到准备捡拾皮球F1的行人P1,现有自动驾驶控制方法中,车辆2继续按照当前较高车速行驶。
现有的自动驾驶控制方法中,为了避免碰撞,当自动驾驶车辆与检测到的障碍物的相对距离小于预测碰撞距离时才会立即进行刹车并停止,因此对于上述两种场景或相似场景中,由于未探测到即将突然出现的行人而保持较高车速,往往会来不及刹车而发生碰撞事故。以下将参照附图来具体描述本申请的实施例。
实施例一
图2为本申请实施例一提供的车辆防碰撞预判方法的流程图,如图2所示,本申请实施例的执行主体为车辆防碰撞预判装置,该车辆防碰撞预判装置可以集成在自动驾驶***中。则本实施例提供的车辆防碰撞预判方法包括以下几个步骤:
S101、获取车辆的当前道路场景信息。
具体地,自动驾驶车辆在当前道路上行驶可以通过配置的摄像头、毫米波雷达和/或激光雷达及其它感知设备可以实时获取并识别当前道路场景信息,该当前道路场景信息可以包括停靠在路边的车辆或障碍物信息,路上滚动的皮球或其它可能与行人相关联的障碍物的运动姿态信息,如图1中所示出的场景1和场景2。
S102、根据所述当前道路场景信息,确定预判时间。
具体地,可以根据当前道路场景信息预测可能会出现的与当前道路场景信息相关联的行人或其他类型的障碍物,不同的道路场景对应出现位置、概率和类型均不同的预测障碍物,根据出现位置、概率和类型的不同,可以判断发生碰撞的预判时间点,进而确定能够对碰撞进行反应的预判时间的大小,如0.5秒、2秒或5秒。根据本申请的一个实施方式,可以利用深度学习或神经网络来学习上述对应关系。
举例来说,如图1所示的两个场景中,场景2中由于皮球F1的出现,预测障碍物行人P1出现的概率要大于场景1中行人P2出现的概率,因此出现场景2发生碰撞的风险要大于出现场景1,场景2中自动驾驶***的反应时间就较短,因此场景2对应的预判时间可以为0.5秒,场景1对应的预判时间可以为2秒。
S103、根据所述预判时间,确定防碰撞策略。
具体地,预判时间的长短反应了碰撞风险的大小。当预判时间较短时,碰撞风险就较大,当预判时间较长时,碰撞风险就较小。因此,可以根据预判时间的长短即碰撞风险的大小来选择防碰撞策略。例如,预判时间为0.5秒,则采取停车策略进行避让,预判时间为5秒,则采取的策略为先减速到有足够反应时间应对碰撞,当确认不会发生碰撞后,再返回正常速度行驶。
S104、控制所述车辆按照所述防碰撞策略行驶。
具体地,按照确定出的防碰撞策略来控制车辆行驶,以避免碰撞的发生,或者避免本车主责的发生。
本实施例提供的车辆防碰撞预判方法,通过获取车辆的当前道路场景信息,根据当前道路场景信息,确定预判时间,根据预判时间,确定防碰撞策略,控制车辆按照防碰撞策略行驶,以使车辆根据当前道路场景信息能够预判与当前道路场景中的障碍物相关联障碍物的出现,提前做出规避碰撞决策,保证车辆有足够的反应时间和反应能力来避免交通事故的发生,进一步提高了自动驾驶车辆的智能化水平。
实施例二
图3为本申请实施例二提供的车辆防碰撞预判方法的流程图,如图3所示,本实施例提供的车辆防碰撞预判方法,是在本申请方法实施例一的基础上,对步骤S101-S104的进一步细化,则本实施例提供的方法包括以下步骤:
S201、采用摄像头采集当前道路场景中的视频流信息,采用全方位毫米波雷达和/或激光雷达采集所述视频流中的障碍物与所述车辆的距离信息及所述障碍物的速度信息。
具体地,自动驾驶车辆在当前道路上行驶可以通过配置的摄像头、毫米波雷达和/或激光雷达及其它感知设备可以实时获取并识别当前道路场景信息,如采用摄像头采集当前道路场景中的视频流信息,采用全方位毫米波雷达和/或激光雷达采集视频流中的障碍物与本车的距离信息及障碍物的速度信息。
S202、采用经过训练的识别模型对所述当前道路场景信息对应的预测障碍物信息进行识别。
具体地,预测障碍物是根据当前道路场景信息预测出的障碍物。经过训练的识别模型是根据不同的道路场景信息以及与道路场景信息一一对应的预测障碍物训练得到的。实际应用中,识别模型可以采用深度学习或神经网络,本申请在此不做限定。
S203、根据识别结果和自身车辆的当前车速,确定预判时间。
具体地,获取所述车辆与所述识别结果中的预测障碍物的相对距离。根据所述车辆的当前车速以及所述车辆与所述预测障碍物的相对距离,确定预判时间。
具体地,根据当前道路场景信息可以得到预测障碍物信息,预测障碍物信息包括预测障碍物出现在道路中的位置,即得到了车辆与预测障碍物的相对距离,再根据车辆的当前车速,则可以得到发生碰撞的时间点,即可以确定预判时间。
步骤S103,具体可以包括:
若所述预判时间小于第一时间,则确定采用的防碰撞策略为第一防碰撞策略。
若所述预判时间大于等于第一时间且小于等于第二时间,则确定采用的防碰撞策略为第二防碰撞策略。
若所述预判时间大于第二时间,则确定采用的防碰撞策略为第三防碰撞策略。
相应的,步骤S104,具体可以包括:
若所述防碰撞策略为第一防碰撞策略,则控制所述车辆停止行驶。
若所述防碰撞策略为第二防碰撞策略,则控制所述车辆按照第一速度行驶。
若所述防碰撞策略为第三防碰撞策略,则控制所述车辆按照第二速度行驶。
其中,第一速度小于第二速度,第二速度小于当前车速。
实际应用中,可以根据预判时间阈值预设对应的碰撞策略,例如,预设第一时间为0.5秒,第二时间为3秒。当得到预判时间小于0.5秒时,则认为存在较大碰撞风险而必须紧急停车,即采用第一防碰撞策略。当预判时间大于等于0.5秒且小于等于3秒,则认为碰撞风险为中等,可以将车辆当前速度减为慢速,如时速30千米以下,即采用第二防碰撞策略。当预判时间大于3秒,则认为碰撞风险较低,可以将车辆当前速度减为中等水平,如时速30千米以上、60千米以下,即采用第三防碰撞策略。
其中,第一速度可以为时速30千米及以下,第二速度可以为时速30千米以上、60千米以下。
本实施例提供的车辆防碰撞预判方法,通过采用摄像头采集当前道路场景中的视频流信息,采用全方位毫米波雷达和/或激光雷达采集所述视频流中的障碍物与所述车辆的距离信息及所述障碍物的速度信息,采用经过训练的识别模型对所述当前道路场景信息对应的预测障碍物信息进行识别,根据识别结果和自身车辆的当前车速,确定预判时间,根据预判时间,确定防碰撞策略,控制车辆按照防碰撞策略行驶,以使车辆根据当前道路场景信息能够预判与当前道路场景中的障碍物相关联障碍物的出现,提前做出规避碰撞决策,保证车辆有足够的反应时间和反应能力来避免交通事故的发生,进一步提高了自动驾驶车辆的智能化水平。
实施例三
图4为本申请实施例三提供的车辆防碰撞预判装置的结构示意图,如图4所示,本实施例提供的装置包括:
场景获取模块410,用于获取车辆的当前道路场景信息。
时间确定模块420,用于根据所述当前道路场景信息,确定预判时间。
策略确定模块430,用于根据所述预判时间,确定防碰撞策略。
控制模块440,用于控制所述车辆按照所述防碰撞策略行驶。
本实施例提供的装置可以执行图2所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
实施例四
图5为本申请实施例四提供的车辆防碰撞预判装置的结构示意图,如图5所示,本实施例提供的装置在本申请实施例三提供的装置的基础上,进一步地,所述时间确定模块420,包括:
识别单元421,用于采用经过训练的识别模型对所述当前道路场景信息对应的预测障碍物信息进行识别。
确定单元422,用于根据识别结果和自身车辆的当前车速,确定预判时间。
其中,所述经过训练的识别模型是根据不同的道路场景信息以及与所述道路场景信息一一对应的预测障碍物训练得到的。
其中,所述预测障碍物是根据所述当前道路场景信息预测出的障碍物。
进一步地,所述确定单元422,具体用于获取所述车辆与所述识别结果中的预测障碍物的相对距离。根据所述车辆的当前车速以及所述车辆与所述预测障碍物的相对距离,确定预判时间。
进一步地,所述策略确定模块430,包括:
第一确定单元431,用于若所述预判时间小于第一时间,则确定采用的防碰撞策略为第一防碰撞策略。
第二确定单元432,用于若所述预判时间大于等于第一时间且小于等于第二时间,则确定采用的防碰撞策略为第二防碰撞策略。
第三确定单元433,用于若所述预判时间大于第二时间,则确定采用的防碰撞策略为第三防碰撞策略。
进一步地,所述控制模块440,包括:
第一控制单元441,用于若所述防碰撞策略为第一防碰撞策略,则控制所述车辆停止行驶。
第二控制单元442,用于若所述防碰撞策略为第二防碰撞策略,则控制所述车辆按照第一速度行驶。
第三控制单元443,用于若所述防碰撞策略为第三防碰撞策略,则控制所述车辆按照第二速度行驶。
其中,第一速度小于第二速度,第二速度小于当前车速。
进一步地,所述场景获取模块410,包括:
第一采集单元411,用于采用摄像头采集当前道路场景中的视频流信息。
第二采集单元412,用于采用全方位毫米波雷达和/或激光雷达采集所述视频流中的障碍物与所述车辆的距离信息及所述障碍物的速度信息。
本实施例提供的装置可以执行图3所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
实施例五
图6为本申请实施例五提供的一种电子设备的结构示意图,如图6所示,本实施例提供的电子设备包括:存储器610,处理器620以及计算机程序;
其中,所述计算机程序存储在所述存储器610中,并被配置为由所述处理器620执行以实现如本申请实施例一中的车辆防碰撞预判方法或本申请实施例二中的车辆防碰撞预判方法。
相关说明可以对应参见图1至图2的步骤所对应的相关描述和效果进行理解,此处不做过多赘述。
实施例六
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行以实现如本申请实施例一中的车辆防碰撞预判方法或本申请实施例二中的车辆防碰撞预判方法。
本实施例提供的计算机可读存储介质,通过获取车辆的当前道路场景信息,根据所述当前道路场景信息,确定预判时间,根据预判时间,确定防碰撞策略,进而控制车辆按照所述防碰撞策略行驶,以使车辆能够根据当前道路场景信息预判与当前场景中的障碍物相关联障碍物的出现,提前做出规避碰撞决策,保证车辆有足够的反应时间和反应能力来避免交通事故的发生,进一步提高了自动驾驶车辆的智能化水平。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (14)
1.一种车辆防碰撞预判方法,其特征在于,包括:
获取车辆的当前道路场景信息;
根据所述当前道路场景信息,确定预判时间;
根据所述预判时间,确定防碰撞策略;
控制所述车辆按照所述防碰撞策略行驶。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前道路场景信息,确定预判时间,具体包括:
采用经过训练的识别模型对所述当前道路场景信息对应的预测障碍物信息进行识别;
根据识别结果和自身车辆的当前车速,确定预判时间;
其中,所述经过训练的识别模型是根据不同的道路场景信息以及与所述道路场景信息一一对应的预测障碍物训练得到的;
其中,所述预测障碍物是根据所述当前道路场景信息预测出的障碍物。
3.根据权利要求2所述的方法,其特征在于,所述根据识别结果和自身车辆的当前车速,确定预判时间,具体包括:
获取所述车辆与所述识别结果中的预测障碍物的相对距离;
根据所述车辆的当前车速以及所述车辆与所述预测障碍物的相对距离,确定预判时间。
4.根据权利要求2所述的方法,其特征在于,所述根据所述预判时间,确定防碰撞策略,具体包括:
若所述预判时间小于第一时间,则确定采用的防碰撞策略为第一防碰撞策略;
若所述预判时间大于等于第一时间且小于等于第二时间,则确定采用的防碰撞策略为第二防碰撞策略;
若所述预判时间大于第二时间,则确定采用的防碰撞策略为第三防碰撞策略。
5.根据权利要求4所述的方法,其特征在于,所述控制所述车辆按照所述防碰撞策略行驶,具体包括:
若所述防碰撞策略为第一防碰撞策略,则控制所述车辆停止行驶;
若所述防碰撞策略为第二防碰撞策略,则控制所述车辆按照第一速度行驶;
若所述防碰撞策略为第三防碰撞策略,则控制所述车辆按照第二速度行驶;
其中,第一速度小于第二速度,第二速度小于当前车速。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述获取车辆的当前道路场景信息,具体包括:
采用摄像头采集当前道路场景中的视频流信息;
采用全方位毫米波雷达和/或激光雷达采集所述视频流中的障碍物与所述车辆的距离信息及所述障碍物的速度信息。
7.一种车辆防碰撞预判装置,其特征在于,包括:
场景获取模块,用于获取车辆的当前道路场景信息;
时间确定模块,用于根据所述当前道路场景信息,确定预判时间;
策略确定模块,用于根据所述预判时间,确定防碰撞策略;
控制模块,用于控制所述车辆按照所述防碰撞策略行驶。
8.根据权利要求7所述的装置,其特征在于,所述时间确定模块,包括:
识别单元,用于采用经过训练的识别模型对所述当前道路场景信息对应的预测障碍物信息进行识别;
确定单元,用于根据识别结果和自身车辆的当前车速,确定预判时间;
其中,所述经过训练的识别模型是根据不同的道路场景信息以及与所述道路场景信息一一对应的预测障碍物训练得到的;
其中,所述预测障碍物是根据所述当前道路场景信息预测出的障碍物。
9.根据权利要求8所述的装置,其特征在于,
所述确定单元,具体用于获取所述车辆与所述识别结果中的预测障碍物的相对距离;根据所述车辆的当前车速以及所述车辆与所述预测障碍物的相对距离,确定预判时间。
10.根据权利要求8所述的装置,其特征在于,所述策略确定模块,包括:
第一确定单元,用于若所述预判时间小于第一时间,则确定采用的防碰撞策略为第一防碰撞策略;
第二确定单元,用于若所述预判时间大于等于第一时间且小于等于第二时间,则确定采用的防碰撞策略为第二防碰撞策略;
第三确定单元,用于若所述预判时间大于第二时间,则确定采用的防碰撞策略为第三防碰撞策略。
11.根据权利要求10所述的装置,其特征在于,所述控制模块,包括:
第一控制单元,用于若所述防碰撞策略为第一防碰撞策略,则控制所述车辆停止行驶;
第二控制单元,用于若所述防碰撞策略为第二防碰撞策略,则控制所述车辆按照第一速度行驶;
第三控制单元,用于若所述防碰撞策略为第三防碰撞策略,则控制所述车辆按照第二速度行驶;
其中,第一速度小于第二速度,第二速度小于当前车速。
12.根据权利要求7-11中任一项所述的装置,其特征在于,所述场景获取模块,包括:
第一采集单元,用于采用摄像头采集当前道路场景中的视频流信息;
第二采集单元,用于采用全方位毫米波雷达和/或激光雷达采集所述视频流中的障碍物与所述车辆的距离信息及所述障碍物的速度信息。
13.一种电子设备,其特征在于,包括:存储器,处理器以及计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-6中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行以实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910586830.XA CN110316186A (zh) | 2019-07-01 | 2019-07-01 | 车辆防碰撞预判方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910586830.XA CN110316186A (zh) | 2019-07-01 | 2019-07-01 | 车辆防碰撞预判方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110316186A true CN110316186A (zh) | 2019-10-11 |
Family
ID=68122163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910586830.XA Pending CN110316186A (zh) | 2019-07-01 | 2019-07-01 | 车辆防碰撞预判方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110316186A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827578A (zh) * | 2019-10-23 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 一种基于车路协同的车辆防碰撞提示方法、装置及*** |
CN111241972A (zh) * | 2020-01-06 | 2020-06-05 | 广州小鹏汽车科技有限公司 | 一种车辆控制方法、装置、车辆及计算机可读存储介质 |
CN111703302A (zh) * | 2020-06-18 | 2020-09-25 | 北京航迹科技有限公司 | 一种车窗内容显示方法、装置、电子设备及可读存储介质 |
CN111722617A (zh) * | 2020-06-29 | 2020-09-29 | 史秋虹 | 一种基于大数据的自动驾驶汽车性能判定***及方法 |
CN111752285A (zh) * | 2020-08-18 | 2020-10-09 | 广州市优普科技有限公司 | 四足机器人自主导航方法、装置、计算机设备及存储介质 |
CN113071495A (zh) * | 2021-03-09 | 2021-07-06 | 合创汽车科技有限公司 | 基于车载多模态数据的事件检测方法、装置、计算机设备和存储介质 |
CN113126631A (zh) * | 2021-04-29 | 2021-07-16 | 季华实验室 | Agv车的自动刹车控制方法、装置、电子设备和存储介质 |
CN113348119A (zh) * | 2020-04-02 | 2021-09-03 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助***以及包括该***的智能驾驶车辆 |
CN113954880A (zh) * | 2021-12-06 | 2022-01-21 | 广州文远知行科技有限公司 | 一种涉及行驶盲区的自动驾驶车速规划方法及相关设备 |
CN114379545A (zh) * | 2020-10-16 | 2022-04-22 | 上海汽车集团股份有限公司 | 一种车辆防碰撞方法及装置 |
CN114464013A (zh) * | 2022-04-11 | 2022-05-10 | 青岛慧拓智能机器有限公司 | 多车辆协同避碰方法、装置、***、存储介质及终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2400473A1 (de) * | 2010-06-28 | 2011-12-28 | Audi AG | Verfahren und Vorrichtung zum Unterstützen eines Fahrzeugführers |
CN105774809A (zh) * | 2014-12-26 | 2016-07-20 | ***通信集团公司 | 一种行车盲区提示的方法和装置 |
CN109624972A (zh) * | 2018-12-06 | 2019-04-16 | 北京百度网讯科技有限公司 | 车辆防止碰撞的方法、装置、设备及可读存储介质 |
CN109801508A (zh) * | 2019-02-26 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 路口处障碍物的运动轨迹预测方法及装置 |
CN109817021A (zh) * | 2019-01-15 | 2019-05-28 | 北京百度网讯科技有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
CN109878512A (zh) * | 2019-01-15 | 2019-06-14 | 北京百度网讯科技有限公司 | 自动驾驶控制方法、装置、设备及计算机可读存储介质 |
-
2019
- 2019-07-01 CN CN201910586830.XA patent/CN110316186A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2400473A1 (de) * | 2010-06-28 | 2011-12-28 | Audi AG | Verfahren und Vorrichtung zum Unterstützen eines Fahrzeugführers |
CN105774809A (zh) * | 2014-12-26 | 2016-07-20 | ***通信集团公司 | 一种行车盲区提示的方法和装置 |
CN109624972A (zh) * | 2018-12-06 | 2019-04-16 | 北京百度网讯科技有限公司 | 车辆防止碰撞的方法、装置、设备及可读存储介质 |
CN109817021A (zh) * | 2019-01-15 | 2019-05-28 | 北京百度网讯科技有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
CN109878512A (zh) * | 2019-01-15 | 2019-06-14 | 北京百度网讯科技有限公司 | 自动驾驶控制方法、装置、设备及计算机可读存储介质 |
CN109801508A (zh) * | 2019-02-26 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 路口处障碍物的运动轨迹预测方法及装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827578A (zh) * | 2019-10-23 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 一种基于车路协同的车辆防碰撞提示方法、装置及*** |
CN111241972A (zh) * | 2020-01-06 | 2020-06-05 | 广州小鹏汽车科技有限公司 | 一种车辆控制方法、装置、车辆及计算机可读存储介质 |
CN113348119A (zh) * | 2020-04-02 | 2021-09-03 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助***以及包括该***的智能驾驶车辆 |
CN111703302B (zh) * | 2020-06-18 | 2021-07-02 | 北京航迹科技有限公司 | 一种车窗内容显示方法、装置、电子设备及可读存储介质 |
CN111703302A (zh) * | 2020-06-18 | 2020-09-25 | 北京航迹科技有限公司 | 一种车窗内容显示方法、装置、电子设备及可读存储介质 |
CN111722617A (zh) * | 2020-06-29 | 2020-09-29 | 史秋虹 | 一种基于大数据的自动驾驶汽车性能判定***及方法 |
CN111722617B (zh) * | 2020-06-29 | 2021-08-10 | 航天探索太空(北京)技术产业有限公司 | 一种基于大数据的自动驾驶汽车性能判定***及方法 |
CN111752285A (zh) * | 2020-08-18 | 2020-10-09 | 广州市优普科技有限公司 | 四足机器人自主导航方法、装置、计算机设备及存储介质 |
CN114379545A (zh) * | 2020-10-16 | 2022-04-22 | 上海汽车集团股份有限公司 | 一种车辆防碰撞方法及装置 |
CN114379545B (zh) * | 2020-10-16 | 2024-02-02 | 上海汽车集团股份有限公司 | 一种车辆防碰撞方法及装置 |
CN113071495A (zh) * | 2021-03-09 | 2021-07-06 | 合创汽车科技有限公司 | 基于车载多模态数据的事件检测方法、装置、计算机设备和存储介质 |
CN113126631A (zh) * | 2021-04-29 | 2021-07-16 | 季华实验室 | Agv车的自动刹车控制方法、装置、电子设备和存储介质 |
CN113954880A (zh) * | 2021-12-06 | 2022-01-21 | 广州文远知行科技有限公司 | 一种涉及行驶盲区的自动驾驶车速规划方法及相关设备 |
CN113954880B (zh) * | 2021-12-06 | 2023-11-03 | 广州文远知行科技有限公司 | 一种涉及行驶盲区的自动驾驶车速规划方法及相关设备 |
CN114464013A (zh) * | 2022-04-11 | 2022-05-10 | 青岛慧拓智能机器有限公司 | 多车辆协同避碰方法、装置、***、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110316186A (zh) | 车辆防碰撞预判方法、装置、设备及可读存储介质 | |
US11815892B2 (en) | Agent prioritization for autonomous vehicles | |
CN113165652B (zh) | 使用基于网格的方法检验预测轨迹 | |
US11235763B2 (en) | Method, apparatus, device and readable storage medium for preventing vehicle collision | |
US20180370502A1 (en) | Method and system for autonomous emergency self-learning braking for a vehicle | |
CN109808709A (zh) | 车辆行驶保障方法、装置、设备及可读存储介质 | |
US20210261123A1 (en) | Autonomous Vehicle Operation with Explicit Occlusion Reasoning | |
WO2019106789A1 (ja) | 処理装置及び処理方法 | |
CN114061581A (zh) | 通过相互重要性对自动驾驶车辆附近的智能体排名 | |
KR102355431B1 (ko) | Ai 기반 돌발상황 검지 방법 및 그 시스템 | |
CN106218612B (zh) | 一种汽车安全行驶的方法、装置以及终端 | |
CN111661045A (zh) | 训练用于察觉碰撞的轨迹预测的生成器单元和鉴别器单元 | |
Yang et al. | Driving behavior assessment and anomaly detection for intelligent vehicles | |
US20220410882A1 (en) | Intersection collision mitigation risk assessment model | |
US20210300350A1 (en) | Vehicle control device, vehicle control method, and storing medium | |
JP7369078B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
Benterki et al. | Driving intention prediction and state recognition on highway | |
Emzivat et al. | A formal approach for the design of a dependable perception system for autonomous vehicles | |
US20240025445A1 (en) | Safety enhanced planning system with anomaly detection for autonomous vehicles | |
CN110316185A (zh) | 车辆速度的控制方法、装置、设备及可读存储介质 | |
CN114872735A (zh) | 基于神经网络算法的自动驾驶物流车辆决策方法和装置 | |
Zhang et al. | Situation analysis and adaptive risk assessment for intersection safety systems in advanced assisted driving | |
CN113525413A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN113460079A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN116639151B (zh) | 基于人行道盲区行人存在性预测的无人车控制方法及*** |
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 |