CN114132311A - 车辆自动紧急制动危险目标筛选方法及模块 - Google Patents

车辆自动紧急制动危险目标筛选方法及模块 Download PDF

Info

Publication number
CN114132311A
CN114132311A CN202111630300.4A CN202111630300A CN114132311A CN 114132311 A CN114132311 A CN 114132311A CN 202111630300 A CN202111630300 A CN 202111630300A CN 114132311 A CN114132311 A CN 114132311A
Authority
CN
China
Prior art keywords
vehicle
ttc
target
now
time
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.)
Granted
Application number
CN202111630300.4A
Other languages
English (en)
Other versions
CN114132311B (zh
Inventor
徐闯
马晓炜
张舒琦
常敬虎
田贺
芦畅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DIAS Automotive Electronic Systems Co Ltd
Original Assignee
DIAS Automotive Electronic Systems Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DIAS Automotive Electronic Systems Co Ltd filed Critical DIAS Automotive Electronic Systems Co Ltd
Priority to CN202111630300.4A priority Critical patent/CN114132311B/zh
Publication of CN114132311A publication Critical patent/CN114132311A/zh
Application granted granted Critical
Publication of CN114132311B publication Critical patent/CN114132311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W40/10—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
    • B60W40/107—Longitudinal acceleration
    • 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
    • B60W40/109—Lateral acceleration
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车辆自动紧急制动危险目标筛选方法及模块，包括：根据指定筛选规则筛选出传感器感知有效目标；计算自车避撞有效目标所需的近似纵向加速度和TTC时刻；预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；根据是否在自车路径中及近似纵向加速度由小向大选择n2个有效目标，n2为指定数量；根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中，并计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；计算TTC时刻自车避撞所需的横向加速度和纵向加速度；根据避撞所需的横向加速度、纵向加速度和纵向相对车距与其各自指定阈值的关系选择主目标。

Description

车辆自动紧急制动危险目标筛选方法及模块
技术领域
本发明涉及汽车领域，特别是涉及一种车辆自动紧急制动危险目标筛选方法及模块。
背景技术
随着汽车的普及，汽车碰撞作为常见的交通事故也日益增多，造成大量的经济损失和人员伤亡。同时智能驾驶汽车的不断发展，使得自动紧急制动功能和危险目标筛选愈发受到研发工程师和专家学者的关注。
现有的危险目标筛选方法，主要是通过V2X设备或者综合使用多种传感器，获取车辆之间的实时相对位置，在车辆前方预先规划出一个感兴趣区域(和车速强相关)，然后按照公式(1)计算该区域内所有目标物的纵向距离碰撞时间(TTC)或者自车与目标车之间的相对位移率(两车车距随时间变化速率)，最后筛选出TTC最小的或者相对位移率最大的目标物作为最为紧急目标输出给AEB控制模块。现有的筛选方法中普遍存在以下两个问题：
1)在预测目标车和自车的相对运动时，未考虑实际车辆的运动信息，一律基于匀速或者匀加速的线性运动方式，降低了预测的准确性，造成误判；
2)仅使用纵向TTC或者相对位移率作为评估参数，且忽略了驾驶员意识到碰撞风险后的主动避撞操作，会增加AEB的漏触发和误触发概率。
TTC计算方法包括：
Figure BDA0003440849980000011
Figure BDA0003440849980000012
Xrel＝Xobj-Xego；
Vrel＝Vobj-Vego；
Arel＝Aobj-Aego；
Xrel是相对距离，Vrel是相对车速，Arel是相对加速度。
发明内容
在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
本发明要解决的技术问题是针对现有技术的缺陷提供一种考虑目标和自车向相对运动影响和驾驶员主动操作影响，能避免产生AEB漏报和误报的车辆自动紧急制动危险目标筛选方法。
以及，一种考虑目标和自车向相对运动影响和驾驶员主动操作影响，能避免产生AEB漏报和误报的车辆自动紧急制动危险目标筛选***。
为解决上述技术问题，本发明提供的车辆自动紧急制动危险目标筛选方法，其特征在于，包括以下步骤；
S1，根据指定筛选规则滤除传感器感知目标中的无效目标，筛选出有效目标；
S2，计算自车避撞有效目标所需的近似纵向加速度和TTC时刻，TTC时刻是纵向距离碰撞时刻；
S3，预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
S4，将所有TTC时刻在自车路径范围内的有效目标的近似纵向加速度升序排序，根据近似纵向加速度由小向大选择n2个有效目标，n2为指定数量；
S5，根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中，并计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；
S6，根据所述相对位置关系，计算TTC时刻自车避撞所需的横向加速度和纵向加速度；
S7，根据横向加速度和纵向加速度与其各自指定阈值的关系选择主目标。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，近似纵向加速度ALgtRough采用公式(2)计算；
Figure BDA0003440849980000031
ALgtrel是自车和目标车的相对纵向加速度，VLgtrel是自车和目标车的相对纵向速度，XLgtrel自车和目标车的纵向车距。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，步骤S3，采用以下公式(4)-公式(6)预测自车和有效目标的横向位置关系；
APredict＝Anow 公式(4)；
VPredict＝Anow×T 公式(5)；
PosnPredict＝Vnow×T+0.5×Anow×T2 公式(6)；
Anow为当前时刻横向加速度，Vnow为当前时刻横向速度，APredict预测T时刻的横向加速度，VPredict预测T时刻的横向速度，T预测时间，PosnPredict预测T时刻的横向位置。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，步骤S3，采用以下公式(7)，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
|EgoPosnPredict-ObjPosnPredict|＜0.5×(EgoWidth+EgoWidth) 公式(7)；
EgoPosnPredict为自车TTC时刻的横向位置，ObjPosnPredict为目标车TTC时刻的横向位置，EgoWidth为自车车辆宽度，ObjWidth为目标车宽度。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，步骤S4，如果路径内的目标个数少于n2/2个，则选择不在路径中较近的目标补齐至n2个有效目标。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，根据自车和有效目标当前运动状态，计算TTC采用以下公式：
Figure BDA0003440849980000041
Arel为自车和有效目标的相对纵向加速度，Vrel为自车和有效目标的相对纵向速度，Xrel为两车车距，即自车车头距有效目标车车尾的距离，t为纵向距离碰撞时间，若公式(8)无解则无碰撞风险。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，Arel、Vrel和Xrel在不同工况计算公式如下：
1)假设在碰撞时刻两车均处于运动状态；
Arel＝Aobj-Aego；
Vrel＝Vobj-Vego；
Xrel＝EdgeDiatance；
Aobj为目标的加速度，Aego为自车的加速度，Vobj为目标车的速度，Vego为自车的速度，EdgeDiatance为两车车距，即自车车头距目标车车尾的距离。
2)假设在碰撞时刻有效目标静止，自车运动；
Arel＝-Aego；
Vrel＝-Vego；
Figure BDA0003440849980000042
3)假设在碰撞时刻有效目标运动，自车静止；
Arel＝Aobj；
Vrel＝Vobj；
Figure BDA0003440849980000051
4)假设在碰撞时刻有效目标和自车均静止；
Figure BDA0003440849980000052
Figure BDA0003440849980000053
tegostop＜tobjstop，则自车先停，根据上述运动状态3)计算TTC时刻，否则选择运动状态2)。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，根据当前车辆的运动状态，判断当前车辆所处的运动模式，利用车辆运动学模型对车辆将来时刻的运动状态进行预测。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，运动模式包括静止、线性运动和圆周运动。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，A、运动模式为车辆静止，TTC时刻的位置和速度分别等于当前时刻的位置和车速；
PosnLgtttc＝PosnLgtnow；
PosnLatttc＝PosnLatnow；
VLgtttc＝VLgtnow；
VLatttc＝VLatnow；
Headingttc＝Headingnow；
PosnLgtttc为TTC时刻纵向位置，PosnLgtnow为当前时刻纵向位置，PosnLatttc为TTC时刻横向位置，PosnLatnow为当前时刻横向位置，VLgtttc为TTC时刻纵向速度、 VLgtnow为当前时刻纵向速度，VLatttc为TTC时刻横向速度，VLatnow为当前时刻横向速度、Headingttc为TTC时刻航向角、Headingnow为当前时刻航向角；
B、运动模式为线性运动，自车横向和纵向上均为匀加速直线运动，TTC时刻的位置和速度分别为：
Figure BDA0003440849980000061
Figure BDA0003440849980000062
VLgtttc＝VLgtnow+ALgtnow·TTC；
VLatttc＝VLatnow+ALatnow·TTC；
Headingttc＝arctan(VLatttc/VLgtttc)；
C、运动模式为圆周运动，自车围绕圆心做匀速圆周运动，TTC时刻的位置和速度分别为：
PosnLgtttc＝PosnLgtnow+sign(Vnow)·Length·cos(Headingttc)；
PosnLatttc＝PosnLatnow+sign(Vnow)·Length·sin(Headingttc)；
VLgtttc＝(Vnow+Anow·TTC)·cos(Headingttc)；
VLatttc＝(Vnow+Anow·TTC)·sin(Headingttc)；
Headingttc＝Headingnow+MoveDiatance·Curvature；
MoveDiatance为圆周运动的圆弧，Curvature为圆周曲率，Vnow为当前时刻圆周线速度，Anow为当前时刻线加速度，Length为安全边界的纵向长度。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，步骤S5中，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中包括：
基于车辆运动学模型，计算当前时刻有效目标和自车的相对位置关系，计算出当前时刻两车之间的横向最短距离，判断有效目标和自车当前时刻是否重叠，判断当前时刻有效目标是否在自车前进路径中；
基于车辆运动学模型，预测TTC时刻有效目标和自车的相对位置关系，计算自车右侧到目标车最左侧的距离X1，自车左侧到目标车最右侧的距离X2，获得自车和有效目标的横向最远距离和最近距离；
如果自车和有效目标的横向最远距离和最近距离在指定坐标系下异号，则确定TTC时刻有效目标在自车前进路径中；
其中，指定坐标系为自车后轴中心点为原点，行驶方向为X轴；垂直行驶方向左侧为Y轴；垂直行驶方向上方为Z轴。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选方法，如果ALatreq大于等于第一设定阈值，则选择ALatreq最大的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，ALgtreq小于等于第二设定阈值，则选择ALgtreq最小的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，且所有有效目标的ALgtreq均大于第二设定阈值，则选择纵向距离最近有效目标作为主目标；
ALatreq是自车避撞所需的横向加速度，ALgtreq是自车避撞所需的纵向加速度。
为解决上述技术问题，本发明提供一种车辆自动紧急制动危险目标筛选模块，包括：
第一筛选单元，其根据指定筛选规则滤除传感器感知目标中的无效目标，筛选出有效目标；
第一计算单元，其计算自车避撞有效目标所需的近似纵向加速度和TTC时刻，TTC时刻是纵向距离碰撞时刻；
预测单元，其预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
第二筛选单元，其将所有TTC时刻在自车路径范围内的有效目标的近似纵向加速度升序排序，根据近似纵向加速度由小向大选择n2个有效目标，n2为指定数量；
第二计算单元，其根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中；
第三计算单元，其计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；
第四计算单元，其根据所述相对位置关系，计算TTC时刻自车避撞所需的横向加速度和纵向加速度；
目标选取单元，其根据横向加速度和纵向加速度与其各自指定阈值的关系选择主目标。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，近似纵向加速度ALgtRough采用公式(2)计算；
Figure BDA0003440849980000081
ALgtrel是自车和目标车的相对纵向加速度，VLgtrel是自车和目标车的相对纵向速度、XLgtrel自车和目标车的纵向车距。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，预测单元采用以下公式(4)-公式(6)预测自车和有效目标的横向位置关系；
APredict＝Anow 公式(4)；
VPredict＝Anow×T 公式(5)；
PosnPredict＝Vnow×T+0.5×Anow×T2 公式(6)；
Anow为当前时刻横向加速度，Vnow为当前时刻横向速度，APredict预测T时刻的横向加速度，VPredict预测T时刻的横向速度，T预测时间，PosnPredict预测T时刻的横向位置。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，预测单元采用以下公式(7)，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
|EgoPosnPredict-ObjPosnPredict|＜0.5×(EgoWidth+EgoWidth) 公式(7)；
EgoPosnPredict为自车TTC时刻的横向位置，ObjPosnPredict为目标车TTC时刻的横向位置，EgoWidth为自车车辆宽度，ObjWidth为目标车宽度。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，第二筛选单元执行筛选时，如果路径内的目标个数少于n2/2个，则选择不在路径中较近的目标补齐至n2个有效目标。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，第二计算单元计算TTC采用以下公式：
Figure BDA0003440849980000091
Arel为自车和有效目标的相对纵向加速度，Vrel为自车和有效目标的相对纵向速度，Xrel为两车车距，即自车车头距有效目标车车尾的距离，t为纵向距离碰撞时间，若公式(8)无解则无碰撞风险。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，Arel、Vrel和Xrel在不同工况计算公式如下：
1)假设在碰撞时刻两车均处于运动状态；
Arel＝Aobj-Aego；
Vrel＝Vobj-Vego；
Xrel＝EdgeDiatance；
Aobj为目标的加速度，Aego为自车的加速度，Vobj为目标车的速度，Vego为自车的速度，EdgeDiatance为两车车距，即自车车头距目标车车尾的距离。
2)假设在碰撞时刻有效目标静止，自车运动；
Arel＝-Aego；
Vrel＝-Vego；
Figure BDA0003440849980000092
3)假设在碰撞时刻有效目标运动，自车静止；
Arel＝Aobj；
Vrel＝Vobj；
Figure BDA0003440849980000101
4)假设在碰撞时刻有效目标和自车均静止；
Figure BDA0003440849980000102
Figure BDA0003440849980000103
tegostop＜tobjstop，则自车先停，根据上述运动状态3)计算TTC时刻，否则选择运动状态2)。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，根据当前车辆的运动状态，判断当前车辆所处的运动模式，利用车辆运动学模型对车辆将来时刻的运动状态进行预测。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，运动模式包括静止、线性运动和圆周运动。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，A、运动模式为车辆静止，TTC时刻的位置和速度分别等于当前时刻的位置和车速；
PosnLgtttc＝PosnLgtnow；
PosnLatttc＝PosnLatnow；
VLgtttc＝VLgtnow；
VLatttc＝VLatnow；
Headingttc＝Headingnow；
PosnLgtttc为TTC时刻纵向位置，PosnLgtnow为当前时刻纵向位置，PosnLatttc为TTC时刻横向位置，PosnLatnow为当前时刻横向位置，VLgtttc为TTC时刻纵向速度、 VLgtnow为当前时刻纵向速度，VLatttc为TTC时刻横向速度，VLatnow为当前时刻横向速度，Headingttc为TTC时刻航向角，Headingnow为当前时刻航向角；
B、运动模式为线性运动，自车横向和纵向上均为匀加速直线运动，TTC时刻的位置和速度分别为：
Figure BDA0003440849980000111
Figure BDA0003440849980000112
VLgtttc＝VLgtnow+ALgtnow·TTC；
VLatttc＝VLatnow+ALatnow·TTC；
Headingttc＝arctan(VLatttc/VLgtttc)；
C、运动模式为圆周运动，自车围绕圆心做匀速圆周运动，TTC时刻的位置和速度分别为：
PosnLgtttc＝PosnLgtnow+sign(Vnow)·Length·cos(Headingttc)；
PosnLatttc＝PosnLatnow+sign(Vnow)·Length·sin(Headingttc)；
VLgtttc＝(Vnow+Anow·TTC)·cos(Headingttc)；
VLatttc＝(Vnow+Anow·TTC)·sin(Headingttc)；
Headingttc＝Headingnow+MoveDiatance·Curvature；
MoveDiatance为圆周运动的圆弧，Curvature为圆周曲率，Vnow为当前时刻圆周线速度，Anow为当前时刻线加速度，Length为安全边界的纵向长度。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，第二计算单元计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中包括：
基于车辆运动学模型，计算当前时刻有效目标和自车的相对位置关系，计算出当前时刻两车之间的横向最短距离，判断有效目标和自车当前时刻是否重叠，判断当前时刻有效目标是否在自车前进路径中；
基于车辆运动学模型，预测TTC时刻有效目标和自车的相对位置关系，计算自车右侧到目标车最左侧的距离X1，自车左侧到目标车最右侧的距离X2，获得自车和有效目标的横向最远距离和最近距离；
如果自车和有效目标的横向最远距离和最近距离在指定坐标系下异号，则确定TTC时刻有效目标在自车前进路径中；
其中，指定坐标系为自车后轴中心点为原点，行驶方向为X轴；垂直行驶方向左侧为Y轴；垂直行驶方向上方为Z轴。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，如果ALatreq大于等于第一设定阈值，则选择ALatreq最大的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，ALgtreq小于等于第二设定阈值，则选择ALgtreq最小的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，且所有有效目标的ALgtreq均大于第二设定阈值，则选择纵向距离最近有效目标作为主目标；
ALatreq是自车避撞所需的横向加速度，ALgtreq是自车避撞所需的纵向加速度。
本发明基于车辆的运动状态利用运动学公式更为准确地预测了TTC时刻两车的相对位置，综合考虑了驾驶员主动转向避撞和主动制动避撞的工况，相对现有技术的一律基于匀速或者匀加速的线性制动的计算方案能更为准确的危险目标筛选方法。本发明更符合实际的工作场景，降低AEB功能的误触发和漏触发概率，提高了驾驶的安全性。且能够提高ADAS产品的使用效果，增强产品的竞争力。
附图说明
本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：
图1是本发明主目标(危险目标)筛选的流程图示意图。
图2是有效目标(目标车)在自车路径中左右两侧的示意图。
图3是有效目标(目标车)不在自车路径中左右两侧的示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。
本发明提供检测电路第一实施例，该检测电路第一实施例为示例性其不应视为对本发明检测电路的限定，本领域技术人员在符合本发明原理下，能根据实际情况开发出满足本发明检测电路功能的其他具体结构。本发明所提供的检测电路第一实施例是这些结构中的最优结构。应当理解的是，当元件被称作“连接”或“结合”到另一元件时，该元件可以直接连接或结合到另一元件，或者可以存在中间元件。不同的是，当元件被称作“直接连接”或“直接结合”到另一元件时，不存在中间元件。在全部附图中，相同的附图标记始终表示相同的元件。
第一实施例；
参考图1所示，本发明提供一种车辆自动紧急制动危险目标筛选方法，包括以下步骤；
S1，根据指定筛选规则滤除传感器感知目标中的无效目标，筛选出有效目标；
S2，计算自车避撞有效目标所需的近似纵向加速度和TTC时刻，TTC时刻是纵向距离碰撞时刻；
S3，预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
S4，将所有TTC时刻在自车路径范围内的有效目标的近似纵向加速度升序排序，根据近似纵向加速度由小向大选择n2个有效目标，n2为指定数量；
S5，根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中，并计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；
S6，根据所述相对位置关系，计算TTC时刻自车避撞所需的横向加速度和纵向加速度；
S7，根据横向加速度和纵向加速度与其各自指定阈值的关系选择主目标。
第二实施例；
参考图1所示，本发明提供一种车辆自动紧急制动危险目标筛选方法，包括以下步骤；
S1，根据指定筛选规则滤除传感器感知目标中的无效目标，筛选出有效目标；
S2，计算自车避撞有效目标所需的近似纵向加速度和TTC时刻，TTC时刻是纵向距离碰撞时刻；近似纵向加速度ALgtRough采用公式(2)计算；
Figure BDA0003440849980000141
ALgtrel是自车和目标车的相对纵向加速度，VLgtrel是自车和目标车的相对纵向速度、XLgtrel自车和目标车的纵向车距。
S3，预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
采用以下公式(4)-公式(6)预测自车和有效目标的横向位置关系；
APredict＝Anow 公式(4)；
VPredict＝Anow×T 公式(5)；
PosnPredict＝Vnow×T+0.5×Anow×T2 公式(6)；
Anow为当前时刻横向加速度，Vnow为当前时刻横向速度，APredict预测T时刻的横向加速度，VPredict预测T时刻的横向速度，T预测时间，PosnPredict预测T时刻的横向位置。
采用以下公式(7)，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
|EgoPosnPredict-ObjPosnPredict|＜0.5×(EgoWidth+EgoWidth) 公式(7)；
EgoPosnPredict为自车TTC时刻的横向位置，ObjPosnPredict为目标车TTC时刻的横向位置，EgoWidth为自车车辆宽度，ObjWidth为目标车宽度。
S4，将所有TTC时刻在自车路径范围内的有效目标的近似纵向加速度升序排序，根据近似纵向加速度由小向大选择n2个有效目标，n2为指定数量，如果路径内的目标个数少于n2/2个，则选择不在路径中较近的目标补齐至n2个有效目标；
S5，根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中，并计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；计算TTC采用以下公式：
Figure BDA0003440849980000151
Arel为自车和有效目标的相对纵向加速度，Vrel为自车和有效目标的相对纵向速度，Xrel为两车车距，即自车车头距有效目标车车尾的距离，t为纵向距离碰撞时间，若公式(8)无解则无碰撞风险。
可选择的，进一步改进所述的车辆自动紧急制动危险目标筛选模块，Arel、Vrel和Xrel在不同工况计算公式如下：
1)假设在碰撞时刻两车均处于运动状态；
Arel＝Aobj-Aego；
Vrel＝Vobj-Vego；
Xrel＝EdgeDiatance；
Aobj为目标的加速度，Aego为自车的加速度，Vobj为目标车的速度，Vego为自车的速度，EdgeDiatance为两车车距，即自车车头距目标车车尾的距离。
2)假设在碰撞时刻有效目标静止，自车运动；
Arel＝-Aego；
Vrel＝-Vego；
Figure BDA0003440849980000152
3)假设在碰撞时刻有效目标运动，自车静止；
Arel＝Aobj；
Vrel＝Vobj；
Figure BDA0003440849980000161
4)假设在碰撞时刻有效目标和自车均静止；
Figure BDA0003440849980000162
Figure BDA0003440849980000163
tegostop＜tobjstop，则自车先停，根据上述运动状态3)计算TTC时刻，否则选择运动状态2)。
根据当前车辆的运动状态，判断当前车辆所处的运动模式，利用车辆运动学模型对车辆将来时刻的运动状态进行预测，运动模式包括静止、线性运动和圆周运动；
A、运动模式为车辆静止，TTC时刻的位置和速度分别等于当前时刻的位置和车速；
PosnLgtttc＝PosnLgtnow；
PosnLatttc＝PosnLatnow；
VLgtttc＝VLgtnow；
VLatttc＝VLatnow；
Headingttc＝Headingnow；
PosnLgtttc为TTC时刻纵向位置，PosnLgtnow为当前时刻纵向位置，PosnLatttc为TTC时刻横向位置，PosnLatnow为当前时刻横向位置，VLgtttc为TTC时刻纵向速度、 VLgtnow为当前时刻纵向速度，VLatttc为TTC时刻横向速度，VLatnow为当前时刻横向速度，Headingttc为TTC时刻航向角，Headingnow为当前时刻航向角；
B、运动模式为线性运动，自车横向和纵向上均为匀加速直线运动，TTC时刻的位置和速度分别为：
Figure BDA0003440849980000171
Figure BDA0003440849980000172
VLgtttc＝VLgtnow+ALgtnow·TTC；
VLatttc＝VLatnow+ALatnow·TTC；
Headingttc＝arctan(VLatttc/VLgtttc)；
C、运动模式为圆周运动，自车围绕圆心做匀速圆周运动，TTC时刻的位置和速度分别为：
PosnLgtttc＝PosnLgtnow+sign(Vnow)·Length·cos(Headingttc)；
PosnLatttc＝PosnLatnow+sign(Vnow)·Length·sin(Headingttc)；
VLgtttc＝(Vnow+Anow·TTC)·cos(Headingttc)；
VLatttc＝(Vnow+Anow·TTC)·sin(Headingttc)；
Headingttc＝Headingnow+MoveDiatance·Curvature；
MoveDiatance为圆周运动的圆弧，Curvature为圆周曲率，Vnow为当前时刻圆周线速度，Anow为当前时刻线加速度，Length为安全边界的纵向长度；
计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中包括：
基于车辆运动学模型，计算当前时刻有效目标和自车的相对位置关系，计算出当前时刻两车之间的横向最短距离，判断有效目标和自车当前时刻是否重叠，判断当前时刻有效目标是否在自车前进路径中；
基于车辆运动学模型，预测TTC时刻有效目标和自车的相对位置关系，计算自车右侧到目标车最左侧的距离X1，自车左侧到目标车最右侧的距离X2，获得自车和有效目标的横向最远距离和最近距离；
如果自车和有效目标的横向最远距离和最近距离在指定坐标系下异号，则确定TTC时刻有效目标在自车前进路径中；
其中，参考图2、图3所示，指定坐标系为自车后轴中心点为原点，行驶方向为 X轴；垂直行驶方向左侧为Y轴；垂直行驶方向上方为Z轴；
S6，根据所述相对位置关系，计算TTC时刻自车避撞所需的横向加速度和纵向加速度；
S7，根据横向加速度和纵向加速度与其各自指定阈值的关系选择主目标；
如果ALatreq大于等于第一设定阈值，则选择ALatreq最大的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，ALgtreq小于等于第二设定阈值，则选择ALgtreq最小的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，且所有有效目标的ALgtreq均大于第二设定阈值，则选择纵向距离最近有效目标作为主目标；
ALatreq是自车避撞所需的横向加速度，ALgtreq是自车避撞所需的纵向加速度。
此外，还应当理解的是，尽管在这里可以使用术语“第一”、“第二”等来描述不同的元件、参数、组件、区域、层和/或部分，但是这些元件、参数、组件、区域、层和/或部分不应当受这些术语的限制。这些术语仅是用来将一个元件、参数、组件、区域、层或部分与另一个元件、参数、组件、区域、层或部分区分开来。因此，在不脱离根据本发明的示例性实施例的教导的情况下，以下所讨论的第一元件、参数、组件、区域、层或部分也可以被称作第二元件、参数、组件、区域、层或部分。
第三实施例；
本发明提供一种车辆自动紧急制动危险目标筛选模块，包括：
第一筛选单元，其根据指定筛选规则滤除传感器感知目标中的无效目标，筛选出有效目标；
第一计算单元，其计算自车避撞有效目标所需的近似纵向加速度和TTC时刻，TTC时刻是纵向距离碰撞时刻；
预测单元，其预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
第二筛选单元，其将所有TTC时刻在自车路径范围内的有效目标的近似纵向加速度升序排序，根据近似纵向加速度由小向大选择n2个有效目标，n2为指定数量；
第二计算单元，其根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中；
第三计算单元，其计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；
第四计算单元，其根据所述相对位置关系，计算TTC时刻自车避撞所需的横向加速度和纵向加速度；
目标选取单元，其根据横向加速度和纵向加速度与其各自指定阈值的关系选择主目标。
第四实施例；
本发明提供一种车辆自动紧急制动危险目标筛选模块，包括：
第一筛选单元，其根据指定筛选规则滤除传感器感知目标中的无效目标，筛选出有效目标；
第一计算单元，其计算自车避撞有效目标所需的近似纵向加速度和TTC时刻，TTC时刻是纵向距离碰撞时刻；近似纵向加速度ALgtRough采用公式(2)计算；
Figure BDA0003440849980000191
ALgtrel是自车和目标车的相对纵向加速度，VLgtrel是自车和目标车的相对纵向速度，XLgtrel自车和目标车的纵向车距。
预测单元，其预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
采用以下公式(4)-公式(6)预测自车和有效目标的横向位置关系；
APredict＝Anow 公式(4)；
VPredict＝Anow×T 公式(5)；
PosnPredict＝Vnow×T+0.5×Anow×T2 公式(6)；
Anow为当前时刻横向加速度，Vnow为当前时刻横向速度，APredict预测T时刻的横向加速度，VPredict预测T时刻的横向速度，T预测时间，PosnPredict预测T时刻的横向位置。
采用以下公式(7)，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
|EgoPosnPredict-ObjPosnPredict|＜0.5×(EgoWidth+EgoWidth) 公式(7)；
EgoPosnPredict为自车TTC时刻的横向位置，ObjPosnPredict为目标车TTC时刻的横向位置，EgoWidth为自车车辆宽度，ObjWidth为目标车宽度。
第二筛选单元，其将所有TTC时刻在自车路径范围内的有效目标的近似纵向加速度升序排序，根据近似纵向加速度由小向大选择n2个有效目标，n2为指定数量，如果路径内的目标个数少于n2/2个，则选择不在路径中较近的目标补齐至n2个有效目标；
第二计算单元，其根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中，计算TTC采用以下公式：
Figure BDA0003440849980000201
Arel为自车和有效目标的相对纵向加速度，Vrel为自车和有效目标的相对纵向速度，Xrel为两车车距，即自车车头距有效目标车车尾的距离，t为纵向距离碰撞时间，若公式(8)无解则无碰撞风险；
Arel、Vrel和Xrel在不同工况计算公式如下：
1)假设在碰撞时刻两车均处于运动状态；
Arel＝Aobj-Aego；
Vrel＝Vobj-Vego；
Xrel＝EdgeDiatance；
Aobj为目标的加速度，Aego为自车的加速度，Vobj为目标车的速度，Vego为自车的速度，EdgeDiatance为两车车距，即自车车头距目标车车尾的距离。
2)假设在碰撞时刻有效目标静止，自车运动；
Arel＝-Aego；
Vrel＝-Vego；
Figure BDA0003440849980000211
3)假设在碰撞时刻有效目标运动，自车静止；
Arel＝Aobj；
Vrel＝Vobj；
Figure BDA0003440849980000212
4)假设在碰撞时刻有效目标和自车均静止；
Figure BDA0003440849980000213
Figure BDA0003440849980000214
tegostop＜tobjstop，则自车先停，根据上述运动状态3)计算TTC时刻，否则选择运动状态2)；
根据当前车辆的运动状态，判断当前车辆所处的运动模式，利用车辆运动学模型对车辆将来时刻的运动状态进行预测，运动模式包括静止、线性运动和圆周运动；
A、运动模式为车辆静止，TTC时刻的位置和速度分别等于当前时刻的位置和车速；
PosnLgtttc＝PosnLgtnow；
PosnLatttc＝PosnLatnow；
VLgtttc＝VLgtnow；
VLatttc＝VLatnow；
Headingttc＝Headingnow；
PosnLgtttc为TTC时刻纵向位置，PosnLgtnow为当前时刻纵向位置，PosnLatttc为TTC时刻横向位置，PosnLatnow为当前时刻横向位置，VLgtttc为TTC时刻纵向速度、 VLgtnow为当前时刻纵向速度，VLatttc为TTC时刻横向速度，VLatnow为当前时刻横向速度，Headingttc为TTC时刻航向角，Headingnow为当前时刻航向角；
B、运动模式为线性运动，自车横向和纵向上均为匀加速直线运动，TTC时刻的位置和速度分别为：
Figure BDA0003440849980000221
Figure BDA0003440849980000222
VLgtttc＝VLgtnow+ALgtnow·TTC；
VLatttc＝VLatnow+ALatnow·TTC；
Headingttc＝arctan(VLatttc/VLgtttc)；
C、运动模式为圆周运动，自车围绕圆心做匀速圆周运动，TTC时刻的位置和速度分别为：
PosnLgtttc＝PosnLgtnow+sign(Vnow)·Length·cos(Headingttc)；
PosnLatttc＝PosnLatnow+sign(Vnow)·Length·sin(Headingttc)；
VLgtttc＝(Vnow+Anow·TTC)·cos(Headingttc)；
VLatttc＝(Vnow+Anow·TTC)·sin(Headingttc)；
Headingttc＝Headingnow+MoveDiatance·Curvature；
MoveDiatance为圆周运动的圆弧，Curvature为圆周曲率，Vnow为当前时刻圆周线速度，Anow为当前时刻线加速度，Length为安全边界的纵向长度；
其计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中包括：
基于车辆运动学模型，计算当前时刻有效目标和自车的相对位置关系，计算出当前时刻两车之间的横向最短距离，判断有效目标和自车当前时刻是否重叠，判断当前时刻有效目标是否在自车前进路径中；
基于车辆运动学模型，预测TTC时刻有效目标和自车的相对位置关系，计算自车右侧到目标车最左侧的距离X1，自车左侧到目标车最右侧的距离X2，获得自车和有效目标的横向最远距离和最近距离；
如果自车和有效目标的横向最远距离和最近距离在指定坐标系下异号，则确定TTC时刻有效目标在自车前进路径中；
其中，指定坐标系为自车后轴中心点为原点，行驶方向为X轴；垂直行驶方向左侧为Y轴；垂直行驶方向上方为Z轴。
第三计算单元，其计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；
第四计算单元，其根据所述相对位置关系，计算TTC时刻自车避撞所需的横向加速度和纵向加速度；
目标选取单元，其根据横向加速度和纵向加速度与其各自指定阈值的关系选择主目标，包括：如果ALatreq大于等于第一设定阈值，则选择ALatreq最大的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，ALgtreq小于等于第二设定阈值，则选择ALgtreq最小的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，且所有有效目标的ALgtreq均大于第二设定阈值，则选择纵向距离最近有效目标作为主目标；
ALatreq是自车避撞所需的横向加速度，ALgtreq是自车避撞所需的纵向加速度。
除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。

Claims (24)

1.一种车辆自动紧急制动危险目标筛选方法，其特征在于，包括以下步骤；
S1，根据指定筛选规则滤除传感器感知目标中的无效目标，筛选出有效目标；
S2，计算自车避撞有效目标所需的近似纵向加速度和TTC时刻，TTC时刻是纵向距离碰撞时刻；
S3，预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
S4，将所有TTC时刻在自车路径范围内的有效目标的近似纵向加速度升序排序，根据近似纵向加速度由小向大选择n2个有效目标，n2为指定数量；
S5，根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中，并计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；
S6，根据所述相对位置关系，计算TTC时刻自车避撞所需的横向加速度和纵向加速度；
S7，根据横向加速度和纵向加速度与其各自指定阈值的关系选择主目标。
2.如权利要求1所述的车辆自动紧急制动危险目标筛选方法，其特征在于：自车避撞所需的近似纵向加速度ALgtRough采用公式(2)计算；
Figure FDA0003440849970000011
ALgtrel是自车和目标车的相对纵向加速度，VLgtrel是自车和目标车的相对纵向速度，XLgtrel自车和目标车的纵向车距。
3.如权利要求1所述的车辆自动紧急制动危险目标筛选方法，其特征在于：步骤S3，采用以下公式(4)-公式(6)预测自车和有效目标的横向位置关系；
APredict＝Anow 公式(4)；
VPredict＝Anow×T 公式(5)；
PosnPredict＝Vnow×T+0.5×Anow×T2 公式(6)；
Anow为当前时刻横向加速度，Vnow为当前时刻横向速度，APredict预测T时刻的横向加速度，VPredict预测T时刻的横向速度，T预测时间，PosnPredict预测T时刻的横向位置。
4.如权利要求3所述的车辆自动紧急制动危险目标筛选方法，其特征在于：步骤S3，采用以下公式(7)，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
|EgoPosnPredict-ObjPosnPredict|＜0.5×(EgoWidth+ObjWidth) 公式(7)；
EgoPosnPredict为自车TTC时刻的横向位置，ObjPosnPredict为目标车TTC时刻的横向位置，EgoWidth为自车车辆宽度，ObjWidth为目标车宽度。
5.如权利要求3所述的车辆自动紧急制动危险目标筛选方法，其特征在于：步骤S4，如果路径内的目标个数少于n2/2个，则选择不在路径中较近的目标补齐至n2个有效目标。
6.如权利要求1所述的车辆自动紧急制动危险目标筛选方法，其特征在于：根据自车和有效目标当前运动状态，计算TTC采用以下公式：
Figure FDA0003440849970000021
Arel为自车和有效目标的相对纵向加速度，Vrel为自车和有效目标的相对纵向速度，Xrel为两车车距，即自车车头距有效目标车车尾的距离，t为纵向距离碰撞时间，若公式(8)无解则无碰撞风险。
7.如权利要求5所述的车辆自动紧急制动危险目标筛选方法，其特征在于：Arel、Vrel和Xrel在不同工况计算公式如下：
1)假设在碰撞时刻两车均处于运动状态；
Arel＝Aobj-Aego；
Vrel＝Vobj-Vego；
Xrel＝EdgeDiatance；
Aobj为目标的加速度、Aego为自车的加速度、Vobj为目标车的速度、Vego为自车的速度、EdgeDiatance为两车车距，即自车车头距目标车车尾的距离。
2)假设在碰撞时刻有效目标静止，自车运动；
Arel＝-Aego；
Vrel＝-Vego；
Figure FDA0003440849970000031
3)假设在碰撞时刻有效目标运动，自车静止；
Arel＝Aobj；
Vrel＝Vobj；
Figure FDA0003440849970000032
4)假设在碰撞时刻有效目标和自车均静止；
Figure FDA0003440849970000033
Figure FDA0003440849970000034
tegostop＜tobjstop，则自车先停，根据上述运动状态3)计算TTC时刻，否则选择运动状态2)。
8.如权利要求7所述的车辆自动紧急制动危险目标筛选方法，其特征在于：根据当前车辆的运动状态，判断当前车辆所处的运动模式，利用车辆运动学模型对车辆将来时刻的运动状态进行预测。
9.如权利要求8所述的车辆自动紧急制动危险目标筛选方法，其特征在于：运动模式包括静止、线性运动和圆周运动。
10.如权利要求9所述的车辆自动紧急制动危险目标筛选方法，其特征在于：
A、运动模式为车辆静止，TTC时刻的位置和速度分别等于当前时刻的位置和车速；
PosnLgtttc＝PosnLgtnow；
PosnLatttc＝PosnLatnow；
VLgtttc＝VLgtnow；
VLatttc＝VLatnow；
Headingttc＝Headingnow；
PosnLgtttc为TTC时刻纵向位置，PosnLgtnow为当前时刻纵向位置，PosnLatttc为TTC时刻横向位置，PosnLatnow为当前时刻横向位置，VLgtttc为TTC时刻纵向速度、VLgtnow为当前时刻纵向速度，VLatttc为TTC时刻横向速度，VLatnow为当前时刻横向速度，Headingttc为TTC时刻航向角，Headingnow为当前时刻航向角；
B、运动模式为线性运动，自车横向和纵向上均为匀加速直线运动，TTC时刻的位置和速度分别为：
Figure FDA0003440849970000041
Figure FDA0003440849970000042
VLgtttc＝VLgtnow+ALgtnow·TTC；
VLatttc＝VLatnow+ALatnow·TTC；
Headingttc＝arctan(VLatttc/VLgtttc)；
C、运动模式为圆周运动，自车围绕圆心做匀速圆周运动，TTC时刻的位置和速度分别为：
PosnLgtttc＝PosnLgtnow+sign(Vnow)·Length·cos(Headingttc)；
PosnLatttc＝PosnLatnow+sign(Vnow)·Length·sin(Headingttc)；
VLgtttc＝(Vnow+Anow·TTC)·cos(Headingttc)；
VLatttc＝(Vnow+Anow·TTC)·sin(Headingttc)；
Headingttc＝Headingnow+MoveDiatance·Curvature；
MoveDiatance为圆周运动的圆弧，Curvature为圆周曲率，Vnow为当前时刻圆周线速度，Anow为当前时刻线加速度，Length为安全边界的纵向长度。
11.如权利要求10所述的车辆自动紧急制动危险目标筛选方法，其特征在于：步骤S5中，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中包括：
基于车辆运动学模型，计算当前时刻有效目标和自车的相对位置关系，计算出当前时刻两车之间的横向最短距离，判断有效目标和自车当前时刻是否重叠，判断当前时刻有效目标是否在自车前进路径中；
基于车辆运动学模型，预测TTC时刻有效目标和自车的相对位置关系，计算自车右侧到目标车最左侧的距离X1，自车左侧到目标车最右侧的距离X2，获得自车和有效目标的横向最远距离和最近距离；
如果自车和有效目标的横向最远距离和最近距离在指定坐标系下异号，则确定TTC时刻有效目标在自车前进路径中；
其中，指定坐标系为自车后轴中心点为原点，行驶方向为X轴；垂直行驶方向左侧为Y轴；垂直行驶方向上方为Z轴。
12.如权利要求11所述的车辆自动紧急制动危险目标筛选方法，其特征在于：
如果ALatreq大于等于第一设定阈值，则选择ALatreq最大的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，ALgtreq小于等于第二设定阈值，则选择ALgtreq最小的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，且所有有效目标的ALgtreq均大于第二设定阈值，则选择纵向距离最近有效目标作为主目标；
ALatreq是自车避撞所需的横向加速度，ALgtreq是自车避撞所需的纵向加速度。
13.一种车辆自动紧急制动危险目标筛选模块，其特征在于，包括：
第一筛选单元，其根据指定筛选规则滤除传感器感知目标中的无效目标，筛选出有效目标；
第一计算单元，其计算自车避撞有效目标所需的近似纵向加速度和TTC时刻，TTC时刻是纵向距离碰撞时刻；
预测单元，其预测自车和有效目标的横向位置关系，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
第二筛选单元，其将所有TTC时刻在自车路径范围内的有效目标的近似纵向加速度升序排序，根据近似纵向加速度由小向大选择n2个有效目标，n2为指定数量；
第二计算单元，其根据自车和有效目标当前运动状态、运动模式和车辆运动学模型，计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中；
第三计算单元，其计算TTC时刻在自车行进路径中有效目标和自车的相对位置关系；
第四计算单元，其根据所述相对位置关系，计算TTC时刻自车避撞所需的横向加速度和纵向加速度；
目标选取单元，其根据横向加速度和纵向加速度与其各自指定阈值的关系选择主目标。
14.如权利要求13所述的车辆自动紧急制动危险目标筛选模块，其特征在于：近似纵向加速度ALgtRough采用公式(2)计算；
Figure FDA0003440849970000061
ALgtrel是自车和目标车的相对纵向加速度，VLgtrel是自车和目标车的相对纵向速度、XLgtrel自车和目标车的纵向车距。
15.如权利要求13所述的车辆自动紧急制动危险目标筛选模块，其特征在于：预测单元采用以下公式(4)-公式(6)预测自车和有效目标的横向位置关系；
APredict＝Anow 公式(4)；
VPredict＝Anow×T 公式(5)；
PosnPredict＝Vnow×T+0.5×Anow×T2 公式(6)；
Anow为当前时刻横向加速度，Vnow为当前时刻横向速度，APredict预测T时刻的横向加速度，VPredict预测T时刻的横向速度，T预测时间，PosnPredict预测T时刻的横向位置。
16.如权利要求15所述的车辆自动紧急制动危险目标筛选模块，其特征在于：预测单元采用以下公式(7)，根据自车和有效目标宽度判断TTC时刻有效目标是否在自车路径范围内；
|EgoPosnPredict-ObjPosnPredict|＜0.5×(EgoWidth+EgoWidth) 公式(7)；
EgoPosnPredict为自车TTC时刻的横向位置，ObjPosnPredict为目标车TTC时刻的横向位置，EgoWidth为自车车辆宽度，ObjWidth为目标车宽度。
17.如权利要求15所述的车辆自动紧急制动危险目标筛选模块，其特征在于：第二筛选单元执行筛选时，如果路径内的目标个数少于n2/2个，则选择不在路径中较近的目标补齐至n2个有效目标。
18.如权利要求13所述的车辆自动紧急制动危险目标筛选模块，其特征在于：第二计算单元计算TTC采用以下公式：
Figure FDA0003440849970000071
Arel为自车和有效目标的相对纵向加速度，Vrel为自车和有效目标的相对纵向速度，Xrel为两车车距，即自车车头距有效目标车车尾的距离，t为纵向距离碰撞时间，若公式(8)无解则无碰撞风险。
19.如权利要求18所述的车辆自动紧急制动危险目标筛选模块，其特征在于：Arel、Vrel和Xrel在不同工况计算公式如下：
1)假设在碰撞时刻两车均处于运动状态；
Arel＝Aobj-Aego；
Vrel＝Vobj-Vego；
Xrel＝EdgeDiatance；
Aobj为目标的加速度，Aego为自车的加速度，Vobj为目标车的速度，Vego为自车的速度，EdgeDiatance为相对车距，即自车车头距目标车车尾的距离。
2)假设在碰撞时刻有效目标静止，自车运动；
Arel＝-Aego；
Vrel＝-Vego；
Figure FDA0003440849970000081
3)假设在碰撞时刻有效目标运动，自车静止；
Arel＝Aobj；
Vrel＝Vobj；
Figure FDA0003440849970000082
4)假设在碰撞时刻有效目标和自车均静止；
Figure FDA0003440849970000083
Figure FDA0003440849970000084
tegostop＜tobjstop，则自车先停，根据上述运动状态3)计算TTC时刻，否则选择运动状态2)。
20.如权利要求19所述的车辆自动紧急制动危险目标筛选模块，其特征在于：根据当前车辆的运动状态，判断当前车辆所处的运动模式，利用车辆运动学模型对车辆将来时刻的运动状态进行预测。
21.如权利要求20所述的车辆自动紧急制动危险目标筛选模块，其特征在于：运动模式包括静止、线性运动和圆周运动。
22.如权利要求21所述的车辆自动紧急制动危险目标筛选模块，其特征在于：
A、运动模式为车辆静止，TTC时刻的位置和速度分别等于当前时刻的位置和车速；
PosnLgtttc＝PosnLgtnow；
PosnLatttc＝PosnLatnow；
VLgtttc＝VLgtnow；
VLatttc＝VLatnow；
Headingttc＝Headingnow；
PosnLgtttc为TTC时刻纵向位置，PosnLgtnow为当前时刻纵向位置，PosnLatttc为TTC时刻横向位置，PosnLatnow为当前时刻横向位置，VLgtttc为TTC时刻纵向速度、VLgtnow为当前时刻纵向速度，VLatttc为TTC时刻横向速度，VLatnow为当前时刻横向速度，Headingttc为TTC时刻航向角，Headingnow为当前时刻航向角；
B、运动模式为线性运动，自车横向和纵向上均为匀加速直线运动，TTC时刻的位置和速度分别为：
Figure FDA0003440849970000091
Figure FDA0003440849970000092
VLgtttc＝VLgtnow+ALgtnow·TTC；
VLatttc＝VLatnow+ALatnow·TTC；
Headingttc＝arctan(VLatttc/VLgtttc)；
C、运动模式为圆周运动，自车围绕圆心做匀速圆周运动，TTC时刻的位置和速度分别为：
PosnLgtttc＝PosnLgtnow+sign(Vnow)·Length·cos(Headingttc)；
PosnLatttc＝PosnLatnow+sign(Vnow)·Length·sin(Headingttc)；
VLgtttc＝(Vnow+Anow·TTC)·cos(Headingttc)；
VLatttc＝(Vnow+Anow·TTC)·sin(Headingttc)；
Headingttc＝Headingnow+MoveDiatance·Curvature；
MoveDiatance为圆周运动的圆弧，Curvature为圆周曲率，Vnow为当前时刻圆周线速度，Anow为当前时刻线加速度，Length为安全边界的纵向长度。
23.如权利要求22所述的车辆自动紧急制动危险目标筛选模块，其特征在于：计算n2个有效目标当前时刻和TTC时刻是否在自车行进路径中包括：
基于车辆运动学模型，计算当前时刻有效目标和自车的相对位置关系，计算出当前时刻两车之间的横向最短距离，判断有效目标和自车当前时刻是否重叠，判断当前时刻有效目标是否在自车前进路径中；
基于车辆运动学模型，预测TTC时刻有效目标和自车的相对位置关系，计算自车右侧到目标车最左侧的距离X1，自车左侧到目标车最右侧的距离X2，获得自车和有效目标的横向最远距离和最近距离；
如果自车和有效目标的横向最远距离和最近距离在指定坐标系下异号，则确定TTC时刻有效目标在自车前进路径中；
其中，指定坐标系为自车后轴中心点为原点，行驶方向为X轴；垂直行驶方向左侧为Y轴；垂直行驶方向上方为Z轴。
24.如权利要求23所述的车辆自动紧急制动危险目标筛选模块，其特征在于：
如果ALatreq大于等于第一设定阈值，则选择ALatreq最大的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，ALgtreq小于等于第二设定阈值，则选择ALgtreq最小的目标为主目标；
如果所有有效目标的ALatreq均小于第一设定阈值，且所有有效目标的ALgtreq均大于第二设定阈值，则选择纵向距离最近有效目标作为主目标；
ALatreq是自车避撞所需的横向加速度，ALgtreq是自车避撞所需的纵向加速度。
CN202111630300.4A 2021-12-28 2021-12-28 车辆自动紧急制动危险目标筛选方法及模块 Active CN114132311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111630300.4A CN114132311B (zh) 2021-12-28 2021-12-28 车辆自动紧急制动危险目标筛选方法及模块

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111630300.4A CN114132311B (zh) 2021-12-28 2021-12-28 车辆自动紧急制动危险目标筛选方法及模块

Publications (2)

Publication Number Publication Date
CN114132311A true CN114132311A (zh) 2022-03-04
CN114132311B CN114132311B (zh) 2024-05-14

Family

ID=80383800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111630300.4A Active CN114132311B (zh) 2021-12-28 2021-12-28 车辆自动紧急制动危险目标筛选方法及模块

Country Status (1)

Country Link
CN (1) CN114132311B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114537385A (zh) * 2022-03-09 2022-05-27 重庆长安汽车股份有限公司 一种基于交通目标感知结果的危险目标筛选方法
CN116674548A (zh) * 2023-05-10 2023-09-01 苏州畅行智驾汽车科技有限公司 一种转向避撞路径确定方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019043396A (ja) * 2017-09-04 2019-03-22 日産自動車株式会社 運転支援車両の走行制御方法及び走行制御装置
CN109835348A (zh) * 2019-01-25 2019-06-04 中国汽车技术研究中心有限公司 一种道路交通危险场景的筛选方法和装置
CN111619560A (zh) * 2020-07-29 2020-09-04 北京三快在线科技有限公司 车辆控制方法及装置
CN112224202A (zh) * 2020-10-14 2021-01-15 南京航空航天大学 一种紧急工况下的多车协同避撞***及方法
CN113246974A (zh) * 2021-04-12 2021-08-13 南京航空航天大学 无人驾驶应急场景下避险/降损控制方法、存储介质和电子装置
CN113525362A (zh) * 2020-04-17 2021-10-22 华为技术有限公司 自动驾驶危险目标确定方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019043396A (ja) * 2017-09-04 2019-03-22 日産自動車株式会社 運転支援車両の走行制御方法及び走行制御装置
CN109835348A (zh) * 2019-01-25 2019-06-04 中国汽车技术研究中心有限公司 一种道路交通危险场景的筛选方法和装置
CN113525362A (zh) * 2020-04-17 2021-10-22 华为技术有限公司 自动驾驶危险目标确定方法及装置
CN111619560A (zh) * 2020-07-29 2020-09-04 北京三快在线科技有限公司 车辆控制方法及装置
CN112224202A (zh) * 2020-10-14 2021-01-15 南京航空航天大学 一种紧急工况下的多车协同避撞***及方法
CN113246974A (zh) * 2021-04-12 2021-08-13 南京航空航天大学 无人驾驶应急场景下避险/降损控制方法、存储介质和电子装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114537385A (zh) * 2022-03-09 2022-05-27 重庆长安汽车股份有限公司 一种基于交通目标感知结果的危险目标筛选方法
CN114537385B (zh) * 2022-03-09 2024-05-07 重庆长安汽车股份有限公司 一种基于交通目标感知结果的危险目标筛选方法
CN116674548A (zh) * 2023-05-10 2023-09-01 苏州畅行智驾汽车科技有限公司 一种转向避撞路径确定方法和装置
CN116674548B (zh) * 2023-05-10 2024-04-05 苏州畅行智驾汽车科技有限公司 一种转向避撞路径确定方法和装置

Also Published As

Publication number Publication date
CN114132311B (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
US11568746B2 (en) Vehicular environment estimation device
JP6308233B2 (ja) 車両制御装置及び車両制御方法
US9669760B2 (en) Warning device
EP2441066B1 (en) Route evaluation device
US11814040B2 (en) System and method for avoiding a collision course
JP6468261B2 (ja) 自動運転システム
EP2571004B1 (en) System for predicting a driver's intention to change lanes
US9428196B2 (en) Vehicle driving behavior predicting device
US20140297172A1 (en) Safety device for motor vehicles
CN109733392B (zh) 一种避障方法及装置
WO2010140215A1 (ja) 車両用周辺監視装置
CN106470884B (zh) 车辆状态的确定和在驾驶车辆时的驾驶员辅助
CN106652557A (zh) 用于预测邻近车辆的驾驶路径的方法和***
JP7156394B2 (ja) 他車動作予測方法及び他車動作予測装置
JP4877364B2 (ja) 物体検出装置
CN114132311B (zh) 车辆自动紧急制动危险目标筛选方法及模块
US20220314968A1 (en) Electronic control device
JP2014232508A (ja) 回避軌道予測装置
US20200031342A1 (en) Vehicle control device
JP2014078107A (ja) 衝突予測装置
CN113442917A (zh) 用于宿主机动车辆的警告***
CN109969191B (zh) 驾驶辅助***和方法
JP4982353B2 (ja) 外界認識装置
US10246092B2 (en) Method and device for determining a driving state of an external motor vehicle

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