CN114559933A - 基于车路协同的无人驾驶车辆紧急避险感知与决策*** - Google Patents
基于车路协同的无人驾驶车辆紧急避险感知与决策*** Download PDFInfo
- Publication number
- CN114559933A CN114559933A CN202210179437.0A CN202210179437A CN114559933A CN 114559933 A CN114559933 A CN 114559933A CN 202210179437 A CN202210179437 A CN 202210179437A CN 114559933 A CN114559933 A CN 114559933A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- environmental information
- sensor
- information
- 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
- 230000007613 environmental effect Effects 0.000 claims abstract description 84
- 230000008447 perception Effects 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 230000000007 visual effect Effects 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 21
- 206010039203 Road traffic accident Diseases 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 230000002265 prevention Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 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
- B60W30/09—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
- 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
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于车路协同的无人驾驶车辆紧急避险感知与决策***,涉及无人驾驶技术领域。本发明毫米波雷达传感器、摄像头传感器及激光雷达传感器的优势;对于路上发生的各种紧急状况探测更精准,更及时;通过传感器对道路参与主体的状态,通过5G技术给周边车辆进行超低延时的广播,提升了车载辅助驾驶***和未来的自动驾驶车辆的环境感知能力,使得每一辆汽车能够以高空视野俯视车辆周边的道路和环境。实时输出所有交通参与者的关键特征信息,补足车端智能自动驾驶车辆的感知盲区,完成不同对象的交通引导。对于大曲率弯道,高速大雾,雨雪天气等严重影响单一车辆传感器感知的环境条件下,本专利所述的解决方案具备明显优势。
Description
技术领域
本发明属于无人驾驶技术领域,特别是涉及基于车路协同的无人驾驶车辆紧急避险感知与决策***。
背景技术
自动驾驶车辆或者具备驾驶辅助功能的车辆在行驶过程中会对车辆行驶的周边环境做出感知,以实现诸如自适应巡航,自动紧急刹车,车道偏离辅助等驾驶辅助功能。
一般来说,单车智能驾驶对障碍物感知功能通过机器视觉技术和雷达来实现,且视觉感知优先于雷达感知,即以视觉感知为主,雷达感知为辅。如果感知***发生了误判,可能包括自动紧急刹车***、自动紧急转向***在内的其他***也不会有反应。对于雷达感知而言,其并不适合用来感知自动驾驶过程中静止的障碍物,对于摄像头而言,在雨雪天气或者大雾天气,其识别判断能力会受环境影响严重降低。
如中国专利CN112631313B公开了一种无人驾驶设备的控制方法、装置及无人驾驶***,通过当检测到无人驾驶设备存在异常时,获取无人驾驶设备的异常类型;将异常类型发送至目标路边单元,以使得目标路边单元结合异常类型以及无人驾驶设备附近的运行环境数据生成控制信息,目标路边单元设置于无人驾驶设备行驶范围附近;接收目标路边单元返回的控制信息,并根据控制信息对无人驾驶设备进行控制。又如中国专利CN113848956A公开了一种无人驾驶车辆***及无人驾驶方法,由无人驾驶车辆模块内的传感器实时探测驾驶车辆的位置、无人驾驶车辆的行驶方向及周围环境中的障碍物信息,并由控制器利用传感器探测到的信息,计算控制指令。
经研究发现,高速公路上的团雾是目前高速公路交通事故特别是连环碰撞事故的主要原因之一,由于其发生距离短,往往只有几百米半径,传统的高速公路气象检测***不容易发现,即使发现也无法通知车辆
因此,提供一种基于车路协同的无人驾驶车辆紧急避险感知与决策***。
发明内容
本发明的目的在于提供基于车路协同的无人驾驶车辆紧急避险感知与决策***,通过路侧的多融合传感器能精准感知道路的路况、车辆以及行人等参与主体的位置、速度和方向,识别道路上的一些异常交通事件,落地车路感知技术。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为基于车路协同的无人驾驶车辆紧急避险感知与决策***,包括:
路端感知模块,其用于采集环境信息后将环境信息划分为首类视角数据组、续类视角数据组,所述路端感知模块包括毫米波雷达传感器、摄像头传感器、激光雷达传感器;
边缘数据处理模块,其对环境信息进行的分析,获取周边事件类型,并获取环境信息中障碍物与当前车辆的距离参数;
车端决策执行模块,其根据路端感知模块发送的环境信息结合自身车辆的动力学、运动学信息完成车辆控制决策。
进一步地,还包括数据通信模块,每一路端感知模块处设有一个数据通信模块,所述数据通信模块的通信范围覆盖三个相邻的路端感知模块,且满足R1-R2≥r,其中,R1为通信范围覆盖的半径,R2为相邻两个路端感知模块之间的直线距离,r为预设距离,表示驾驶人员的反应距离,将通信范围覆盖区域的边线与道路的交点作为行进点。
进一步地,所述路端感知模块将采集的环境信息进行分类,分类的方式为:
S0:毫米波雷达传感器、摄像头传感器、激光雷达传感器均每隔预设时间T将所采集的环境信息上传至处理器;
S1:划分信息组:处理器将T时间段内接收到的路端感知模块传输的环境信息划分为一组,并剔除冗错信息组,将剩余的环境信息组标记为视角数据组;
S3:车辆启动后,根据车辆路径导航,按前进方向获取与车辆最近的行进点,作为进入点一;
S4:获取与进入点一最近的路端感知模块,作为首感模块,并获取首感模块从车辆驶入数据通信模块覆盖范围时起,至车辆形式至与首感模块之间的距离为R3时的视角数据组作为首类视角数据组;
其中,0<R3<(R1-R2);
按前进方向获取位于进入点下一个的行进点,并获取进入点与行进点之间的视角数据组作为续类视角数据组;
继续获取下一个行进点,将后续每两个相邻行进点之间的视角数据组作为续类视角数据组。
进一步地,所述视角数据组的获取方式为:
处理器将接收到的毫米波雷达传感器、摄像头传感器、激光雷达传感器传输的信息分别标记为Gij,其中,i=1、2、3,j=1、2、3、…、n;以G1n、G2n、G3n分别表示毫米波雷达传感器、摄像头传感器、激光雷达传感器第n次上传的信息;
以毫米波雷达传感器第一次上传环境信息的时间作为基准时间,从基准时间起,每隔时间T截取一个时间段,位于同一个时间段内的环境信息划分为一组环境信息;
剔除冗错信息组:
任选一组环境信息,获取环境信息中,毫米波雷达传感器、摄像头传感器、激光雷达传感器传输的信息个数;若毫米波雷达传感器、摄像头传感器、激光雷达传感器中任意一个传感器传输的信息个数大于1或等于0,则剔除该组环境信息;
在剔除后的环境信息中,任选两组时间上相邻的环境信息,判断两组环境信息中,两个毫米波雷达传感器、两个摄像头传感器、两个激光雷达传感器上传的环境信息之间的时间间隔,若两个毫米波雷达传感器或两个摄像头传感器或两个激光雷达传感器上传的环境信息之间的时间间隔大于T*β,则将对应的传感器标记为异常传感器,若在预设时间T2内,异常传感器上传的相邻两组环境信息之间的时间间隔大于T*β的次数大于3次,则异常传感器传输的数据报经管理员确认后,剔除或保留;
将剩余的环境信息组标记为视角数据组;
其中,β≥1,β为预设值。
进一步地,所述边缘数据处理模块对环境信息进行的分析,获取周边事件类型时执行以下算法:
F001:获取首类视角数据组中的环境信息,作为分析数据;
F002:从分析数据中调取摄像头传感器采集的环境信息,每隔预设时间T4截取一次摄像头采集的图片信息,若相连的三张图片上、位于道路上的同一物体的位置未发生改变,则将对应的物体标记为疑似障碍物;
F003:沿道路行驶方向,若毫米波雷达传感器测得最前方的一个疑似障碍物与其后面一个相邻障碍物之间的车距<L1,则判定为交通事故事件;
若毫米波雷达传感器测得最前方的一个疑似障碍物与其后面一个相邻障碍物之间的车距≥L1,且同车道上其余任意两个相邻的疑似障碍物之间的车距≥L1,则判定为交通堵塞事件;L1为预设值;
沿道路行驶方向,若摄像头传感器采集的环境信息中存在行人,则判定为行人穿过事件;
若摄像头传感器采集的环境信息中存在车辆压住车道分割线时间超过预设时间T5,则判定为车道偏离事件。
进一步地,所述边缘数据处理模块对环境信息进行的分析时还包括:
Z001:获取续类视角数据组中的环境信息,作为分析数据;
Z002:从分析数据中调取路端感知模块采集的每一组环境信息,根据时间顺序,若毫米波雷达传感器、摄像头传感器、激光雷达传感器采集的相邻的三组环境信息中的中均存在异常事件,则根据步骤F003直接判定异常事件为交通事故事件/交通堵塞事件/行人穿过事件/车道偏离事件;
Z003:若相邻的三组环境信息中的毫米波雷达传感器、摄像头传感器、激光雷达传感器采集的环境信息中异常事件的判定不一致,则:
任选毫米波雷达传感器、摄像头传感器、激光雷达传感器中的一种,标记为标参传感器;若标参传感器在相邻的三组环境信息中采集的异常事件一致,则直接根据步骤F003直接判定异常事件为交通事故事件/交通堵塞事件/行人穿过事件/车道偏离事件;
否则,将对应的环境信息标记为模糊信息,若在预设时间T6内,连续接收到3次模糊信息,则将异常事件判定为交通紧急异常事件。
进一步地,所述毫米波雷达传感器还用于对道路上的车辆进行速度检测,所述激光雷达传感器获取车辆与目标物的距离、方位角。
进一步地,所述述边缘数据处理模块在车辆与目标物的距离小于预设距离W时,获取车辆当前的车速Vw,
若预估时间Tm<Td1,则向车辆发出紧急制动通知;
若预估时间Td1≤Tm<Td2,则对于产生的交通事故事件/交通堵塞事件/车道偏离事件,向车辆发出绕行通知;对于行人穿过事件,向车辆发出减速等待通知;
其中,Vmin、Vmax分别为车辆由与目标物的距离2W至W之间的最小行驶速度和最大行驶速度,若之前行驶距离不足W的,则以行驶中的最小行驶速度和最大行驶速度作为Vmin、Vmax;η为预设值,且0<η<1,Td1、Td2为预设时间。
本发明具有以下有益效果:
本发明通过传感器对道路参与主体的状态,通过C-V2X或5G技术给周边车辆进行超低延时的广播,让其知道自己所处的环境,这提升了车载辅助驾驶***和未来的自动驾驶车辆的环境感知能力,使得每一辆汽车能够以高空视野俯视车辆周边的道路和环境。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于车路协同的无人驾驶车辆紧急避险感知与决策***的结构示意图。
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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为基于车路协同的无人驾驶车辆紧急避险感知与决策***,解决现有技术中存在的车端传感器视野受限,恶劣天气感知较差,自动驾驶车辆来不及做出反应规避风险的问题,***工作时接收至少一个路侧广播单元发出的环境信息,其中,所述环境信息是指当前车辆的周围路况信息,所述当前车辆是在至少一个路端感知模块的监控范围内的车辆。本***具体包括:
路端感知模块,其用于采集环境信息后将环境信息划分为首类视角数据组、续类视角数据组,所述路端感知模块包括毫米波雷达传感器、摄像头传感器、激光雷达传感器;通过路侧的多融合传感器能精准感知道路的路况、车辆以及行人等参与主体的位置、速度和方向,识别道路上的一些异常交通事件,落地车路感知技术;或者通过多任务并行数据采集平台同时收集毫米波雷达传感器、摄像头传感器、激光雷达传感器的数据完成多传感器数据的同步;
边缘数据处理模块,其对环境信息进行的分析,获取周边事件类型,并获取环境信息中障碍物与当前车辆的距离参数;边缘数据处理模块通过C-V2X或5G技术将周边事件类型传输至车辆,给周边车辆进行超低延时的广播,让其知道自己所处的环境,这显著提升了车载辅助驾驶***和未来的自动驾驶车辆的环境感知能力,使得每一辆汽车能够以高空视野俯视车辆周边的道路和环境,通过嵌入式边缘数据处理模块在路端完成交通事件的检测与多传感器识别结果的融合,再通过5g数据通信模块将环境信息发布。
车端决策执行模块,其根据路端感知模块发送的环境信息结合自身车辆的动力学、运动学信息完成车辆控制决策。
可以解决目前单车智能驾驶面临的诸多难题,特别的,对于大雨天大雾天气下突然出现的交通障碍物可以从路端俯视野的角度获取更全面的道路信息,帮助智能驾驶***做出决策。
进一步地,还包括数据通信模块,所述数据通信模块采用C-V2X或5G技术,每一路端感知模块处设有一个数据通信模块,所述数据通信模块的通信范围覆盖三个相邻的路端感知模块,且满足R1-R2≥r,其中,R1为通信范围覆盖的半径,R2为相邻两个路端感知模块之间的直线距离,r为预设距离,表示驾驶人员的反应距离,将通信范围覆盖区域的边线与道路的交点作为行进点,驶入数据通信模块覆盖范围的汽车,采用车端的T-box、ADAS域控等远程通信接收模块接收边缘环境信息,车端决策执行模块根据接收到的边缘环境信息做出决策,决策信息通过车端通信发送给车上的各个执行机构,完成紧急制动或者紧急转向等操作。
作为本发明提供的一个实施例,优选的,所述路端感知模块将采集的环境信息进行分类,分类的方式为:
S0:毫米波雷达传感器、摄像头传感器、激光雷达传感器均每隔预设时间T将所采集的环境信息上传至处理器;
S1:划分信息组:处理器将T时间段内接收到的路端感知模块传输的环境信息划分为一组,并剔除冗错信息组,将剩余的环境信息组标记为视角数据组;
S3:车辆启动后,根据车辆路径导航,按前进方向获取与车辆最近的行进点,作为进入点一;
S4:获取与进入点一最近的路端感知模块,作为首感模块,并获取首感模块从车辆驶入数据通信模块覆盖范围时起,至车辆形式至与首感模块之间的距离为R3时的视角数据组作为首类视角数据组;
其中,0<R3<(R1-R2);
按前进方向获取位于进入点下一个的行进点,并获取进入点与行进点之间的视角数据组作为续类视角数据组;
继续获取下一个行进点,将后续每两个相邻行进点之间的视角数据组作为续类视角数据组。
作为本发明提供的一个实施例,优选的,所述视角数据组的获取方式为:
处理器将接收到的毫米波雷达传感器、摄像头传感器、激光雷达传感器传输的信息分别标记为Gij,其中,i=1、2、3,j=1、2、3、…、n;以G1n、G2n、G3n分别表示毫米波雷达传感器、摄像头传感器、激光雷达传感器第n次上传的信息;
以毫米波雷达传感器第一次上传环境信息的时间作为基准时间,从基准时间起,每隔时间T截取一个时间段,位于同一个时间段内的环境信息划分为一组环境信息;
剔除冗错信息组:
任选一组环境信息,获取环境信息中,毫米波雷达传感器、摄像头传感器、激光雷达传感器传输的信息个数;若毫米波雷达传感器、摄像头传感器、激光雷达传感器中任意一个传感器传输的信息个数大于1或等于0,则剔除该组环境信息;
在剔除后的环境信息中,任选两组时间上相邻的环境信息,判断两组环境信息中,两个毫米波雷达传感器、两个摄像头传感器、两个激光雷达传感器上传的环境信息之间的时间间隔,若两个毫米波雷达传感器或两个摄像头传感器或两个激光雷达传感器上传的环境信息之间的时间间隔大于T*β,则将对应的传感器标记为异常传感器,若在预设时间T2内,异常传感器上传的相邻两组环境信息之间的时间间隔大于T*β的次数大于3次,则异常传感器传输的数据报经管理员确认后,剔除或保留;
将剩余的环境信息组标记为视角数据组;
其中,β≥1,β为预设值。
作为本发明提供的一个实施例,优选的,所述边缘数据处理模块对环境信息进行的分析,获取周边事件类型时执行以下算法:
F001:获取首类视角数据组中的环境信息,作为分析数据;
F002:从分析数据中调取摄像头传感器采集的环境信息,每隔预设时间T4截取一次摄像头采集的图片信息,若相连的三张图片上、位于道路上的同一物体的位置未发生改变,则将对应的物体标记为疑似障碍物;
F003:沿道路行驶方向,若毫米波雷达传感器测得最前方的一个疑似障碍物与其后面一个相邻障碍物之间的车距<L1,则判定为交通事故事件;
若毫米波雷达传感器测得最前方的一个疑似障碍物与其后面一个相邻障碍物之间的车距≥L1,且同车道上其余任意两个相邻的疑似障碍物之间的车距≥L1,则判定为交通堵塞事件;L1为预设值;
沿道路行驶方向,若摄像头传感器采集的环境信息中存在行人,则判定为行人穿过事件;
若摄像头传感器采集的环境信息中存在车辆压住车道分割线时间超过预设时间T5,则判定为车道偏离事件。
更为优选的,还可以根据现有技术中对其余事故类型进行判定的方法,对以下几个方面进行判定:1.车辆正前方发生的事件类型,如交通事故发生、前方修路车道占用、前方车辆故障车道占用、前方大雾车流行驶缓慢、前方落石等。2.车辆当前行驶车道以及左右相邻车道是否被占用。3.所述环境信息中障碍物与所述当前车辆的距离参数,包含车辆控制的横向参数与纵向参数。车端决策执行模块需要根据路端感知模块、边缘数据处理模块发送的环境信息结合自身车辆的动力学、运动学信息完成车辆控制决策,车辆控制器收集的车辆自身信息包括:车速信息,轮速信息,车辆横摆角信息,横纵向加速度信息,方向盘转角信息等。
作为本发明提供的一个实施例,优选的,所述边缘数据处理模块对环境信息进行的分析时还包括:
Z001:获取续类视角数据组中的环境信息,作为分析数据;
Z002:从分析数据中调取路端感知模块采集的每一组环境信息,根据时间顺序,若毫米波雷达传感器、摄像头传感器、激光雷达传感器采集的相邻的三组环境信息中的中均存在异常事件,则根据步骤F003直接判定异常事件为交通事故事件/交通堵塞事件/行人穿过事件/车道偏离事件;
Z003:若相邻的三组环境信息中的毫米波雷达传感器、摄像头传感器、激光雷达传感器采集的环境信息中异常事件的判定不一致,则:
任选毫米波雷达传感器、摄像头传感器、激光雷达传感器中的一种,标记为标参传感器;若标参传感器在相邻的三组环境信息中采集的异常事件一致,则直接根据步骤F003直接判定异常事件为交通事故事件/交通堵塞事件/行人穿过事件/车道偏离事件;
否则,将对应的环境信息标记为模糊信息,若在预设时间T6内,连续接收到3次模糊信息,则将异常事件判定为交通紧急异常事件。
作为本发明提供的一个实施例,优选的,所述毫米波雷达传感器还用于对道路上的车辆进行速度检测,所述激光雷达传感器获取车辆与目标物的距离、方位角。
作为本发明提供的一个实施例,优选的,所述述边缘数据处理模块在车辆与目标物的距离小于预设距离W时,获取车辆当前的车速Vw,
若预估时间Tm<Td1,则向车辆发出紧急制动通知;
若预估时间Td1≤Tm<Td2,则对于产生的交通事故事件/交通堵塞事件/车道偏离事件,向车辆发出绕行通知;对于行人穿过事件,向车辆发出减速等待通知;
其中,Vmin、Vmax分别为车辆由与目标物的距离2W至W之间的最小行驶速度和最大行驶速度,若之前行驶距离不足W的,则以行驶中的最小行驶速度和最大行驶速度作为Vmin、Vmax;η为预设值,且0<η<1,Td1、Td2为预设时间。
一种基于车路协同的无人驾驶车辆紧急避险感知与决策***,选取摄像头传感器对于交通事件检测、车道线检测以及车辆和行人分类检测的优势;选取毫米波雷达传感器全天候各个环境下速度检测稳定的优势;选取激光雷达传感器目标物距离探测和方位角探测的优势,对于路上发生的各种紧急状况探测更精准,更及时;通过传感器对道路参与主体(人、车、非机动车)的状态,通过C-V2X或5G技术给周边车辆进行超低延时的广播,让其知道自己所处的环境,这提升了车载辅助驾驶***和未来的自动驾驶车辆的环境感知能力,使得每一辆汽车能够以高空视野俯视车辆周边的道路和环境。以多传感器融合感知为切入点的路端感知单元,结合毫米波雷达传感器、摄像头传感器及激光雷达传感器的性能优势实现精准的道路数字孪生,能够实时输出所有交通参与者的关键特征信息,补足车端智能自动驾驶车辆的感知盲区,完成不同对象的交通引导。对于大曲率弯道,高速大雾,雨雪天气等严重影响单一车辆传感器感知的环境条件下,本专利所述的解决方案具备明显优势。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.基于车路协同的无人驾驶车辆紧急避险感知与决策***,其特征在于,包括:
路端感知模块,其用于采集环境信息后将环境信息划分为首类视角数据组、续类视角数据组,所述路端感知模块包括毫米波雷达传感器、摄像头传感器、激光雷达传感器;
边缘数据处理模块,其对环境信息进行的分析,获取周边事件类型,并获取环境信息中障碍物与当前车辆的距离参数;
车端决策执行模块,其根据路端感知模块发送的环境信息结合自身车辆的动力学、运动学信息完成车辆控制决策。
2.根据权利要求1所述的基于车路协同的无人驾驶车辆紧急避险感知与决策***,其特征在于,还包括数据通信模块,每一路端感知模块处设有一个数据通信模块,所述数据通信模块的通信范围覆盖三个相邻的路端感知模块,且满足R1-R2≥r,其中,R1为通信范围覆盖的半径,R2为相邻两个路端感知模块之间的直线距离,r为预设距离,将通信范围覆盖区域的边线与道路的交点作为行进点。
3.根据权利要求2所述的基于车路协同的无人驾驶车辆紧急避险感知与决策***,其特征在于,所述路端感知模块将采集的环境信息进行分类,分类的方式为:
S0:毫米波雷达传感器、摄像头传感器、激光雷达传感器均每隔预设时间T将所采集的环境信息上传至处理器;
S1:划分信息组:处理器将T时间段内接收到的路端感知模块传输的环境信息划分为一组,并剔除冗错信息组,将剩余的环境信息组标记为视角数据组;
S3:车辆启动后,根据车辆路径导航,按前进方向获取与车辆最近的行进点,作为进入点一;
S4:获取与进入点一最近的路端感知模块,作为首感模块,并获取首感模块从车辆驶入数据通信模块覆盖范围时起,至车辆形式至与首感模块之间的距离为R3时的视角数据组作为首类视角数据组;
其中,0<R3<(R1-R2);
按前进方向获取位于进入点下一个的行进点,并获取进入点与行进点之间的视角数据组作为续类视角数据组;
继续获取下一个行进点,将后续每两个相邻行进点之间的视角数据组作为续类视角数据组。
4.根据权利要求1所述的基于车路协同的无人驾驶车辆紧急避险感知与决策***,其特征在于,所述视角数据组的获取方式为:
处理器将接收到的毫米波雷达传感器、摄像头传感器、激光雷达传感器传输的信息分别标记为Gij,其中,i=1、2、3,j=1、2、3、…、n;以G1 n、G2n、G3n分别表示毫米波雷达传感器、摄像头传感器、激光雷达传感器第n次上传的信息;
以毫米波雷达传感器第一次上传环境信息的时间作为基准时间,从基准时间起,每隔时间T截取一个时间段,位于同一个时间段内的环境信息划分为一组环境信息;
剔除冗错信息组:
任选一组环境信息,获取环境信息中,毫米波雷达传感器、摄像头传感器、激光雷达传感器传输的信息个数;若毫米波雷达传感器、摄像头传感器、激光雷达传感器中任意一个传感器传输的信息个数大于1或等于0,则剔除该组环境信息;
在剔除后的环境信息中,任选两组时间上相邻的环境信息,判断两组环境信息中,两个毫米波雷达传感器、两个摄像头传感器、两个激光雷达传感器上传的环境信息之间的时间间隔,若两个毫米波雷达传感器或两个摄像头传感器或两个激光雷达传感器上传的环境信息之间的时间间隔大于T*β,则将对应的传感器标记为异常传感器,若在预设时间T2内,异常传感器上传的相邻两组环境信息之间的时间间隔大于T*β的次数大于3次,则异常传感器传输的数据报经管理员确认后,剔除或保留;
将剩余的环境信息组标记为视角数据组;
其中,β≥1,β为预设值。
5.根据权利要求1所述的基于车路协同的无人驾驶车辆紧急避险感知与决策***,其特征在于,所述边缘数据处理模块对环境信息进行的分析,获取周边事件类型时执行以下算法:
F001:获取首类视角数据组中的环境信息,作为分析数据;
F002:从分析数据中调取摄像头传感器采集的环境信息,每隔预设时间T4截取一次摄像头采集的图片信息,若相连的三张图片上、位于道路上的同一物体的位置未发生改变,则将对应的物体标记为疑似障碍物;
F003:沿道路行驶方向,若毫米波雷达传感器测得最前方的一个疑似障碍物与其后面一个相邻障碍物之间的车距<L1,则判定为交通事故事件;
若毫米波雷达传感器测得最前方的一个疑似障碍物与其后面一个相邻障碍物之间的车距≥L1,且同车道上其余任意两个相邻的疑似障碍物之间的车距≥L1,则判定为交通堵塞事件;L1为预设值;
沿道路行驶方向,若摄像头传感器采集的环境信息中存在行人,则判定为行人穿过事件;
若摄像头传感器采集的环境信息中存在车辆压住车道分割线时间超过预设时间T5,则判定为车道偏离事件。
6.根据权利要求5所述的基于车路协同的无人驾驶车辆紧急避险感知与决策***,其特征在于,所述边缘数据处理模块对环境信息进行的分析时还包括:
Z001:获取续类视角数据组中的环境信息,作为分析数据;
Z002:从分析数据中调取路端感知模块采集的每一组环境信息,根据时间顺序,若毫米波雷达传感器、摄像头传感器、激光雷达传感器采集的相邻的三组环境信息中的中均存在异常事件,则根据步骤F003直接判定异常事件为交通事故事件/交通堵塞事件/行人穿过事件/车道偏离事件;
Z003:若相邻的三组环境信息中的毫米波雷达传感器、摄像头传感器、激光雷达传感器采集的环境信息中异常事件的判定不一致,则:
任选毫米波雷达传感器、摄像头传感器、激光雷达传感器中的一种,标记为标参传感器;若标参传感器在相邻的三组环境信息中采集的异常事件一致,则直接根据步骤F003直接判定异常事件为交通事故事件/交通堵塞事件/行人穿过事件/车道偏离事件;
否则,将对应的环境信息标记为模糊信息,若在预设时间T6内,连续接收到3次模糊信息,则将异常事件判定为交通紧急异常事件。
7.根据权利要求6所述的基于车路协同的无人驾驶车辆紧急避险感知与决策***,其特征在于,所述毫米波雷达传感器还用于对道路上的车辆进行速度检测,所述激光雷达传感器获取车辆与目标物的距离、方位角。
8.根据权利要求7所述的基于车路协同的无人驾驶车辆紧急避险感知与决策***,其特征在于,所述述边缘数据处理模块在车辆与目标物的距离小于预设距离W时,获取车辆当前的车速Vw,
若预估时间Tm<Td1,则向车辆发出紧急制动通知;
若预估时间Td1≤Tm<Td2,则对于产生的交通事故事件/交通堵塞事件/车道偏离事件,向车辆发出绕行通知;对于行人穿过事件,向车辆发出减速等待通知;
其中,Vmin、Vmax分别为车辆由与目标物的距离2W至W之间的最小行驶速度和最大行驶速度,若之前行驶距离不足W的,则以行驶中的最小行驶速度和最大行驶速度作为Vmin、Vmax;η为预设值,且0<η<1,Td1、Td2为预设时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210179437.0A CN114559933A (zh) | 2022-02-25 | 2022-02-25 | 基于车路协同的无人驾驶车辆紧急避险感知与决策*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210179437.0A CN114559933A (zh) | 2022-02-25 | 2022-02-25 | 基于车路协同的无人驾驶车辆紧急避险感知与决策*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114559933A true CN114559933A (zh) | 2022-05-31 |
Family
ID=81716108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210179437.0A Pending CN114559933A (zh) | 2022-02-25 | 2022-02-25 | 基于车路协同的无人驾驶车辆紧急避险感知与决策*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114559933A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294763A (zh) * | 2022-07-26 | 2022-11-04 | 中国路桥工程有限责任公司 | 一种应用于智慧道路照明的车路协同***及其控制方法 |
CN115391422A (zh) * | 2022-08-22 | 2022-11-25 | 禾多科技(北京)有限公司 | 车辆感知信息生成方法、装置、设备、介质和程序产品 |
CN115862270A (zh) * | 2022-12-27 | 2023-03-28 | 东风悦享科技有限公司 | 一种新型的安全员状态监测*** |
WO2024146195A1 (zh) * | 2023-01-05 | 2024-07-11 | 中车南京浦镇车辆有限公司 | 一种用于电子导向胶轮车的自动驾驶*** |
-
2022
- 2022-02-25 CN CN202210179437.0A patent/CN114559933A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294763A (zh) * | 2022-07-26 | 2022-11-04 | 中国路桥工程有限责任公司 | 一种应用于智慧道路照明的车路协同***及其控制方法 |
CN115294763B (zh) * | 2022-07-26 | 2023-10-03 | 中国路桥工程有限责任公司 | 一种应用于智慧道路照明的车路协同***及其控制方法 |
CN115391422A (zh) * | 2022-08-22 | 2022-11-25 | 禾多科技(北京)有限公司 | 车辆感知信息生成方法、装置、设备、介质和程序产品 |
CN115862270A (zh) * | 2022-12-27 | 2023-03-28 | 东风悦享科技有限公司 | 一种新型的安全员状态监测*** |
WO2024146195A1 (zh) * | 2023-01-05 | 2024-07-11 | 中车南京浦镇车辆有限公司 | 一种用于电子导向胶轮车的自动驾驶*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114559933A (zh) | 基于车路协同的无人驾驶车辆紧急避险感知与决策*** | |
CN107346612B (zh) | 一种基于车联网的车辆防碰撞方法和*** | |
CN109556615B (zh) | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 | |
DE102016203213B4 (de) | Fahrzeugsteuerungsvorrichtung | |
DE102020133744A1 (de) | Vordergrundextraktion unter verwendung von flächenanpassung | |
CN113313154A (zh) | 一体化融合多传感器自动驾驶智能感知装置 | |
US11912286B2 (en) | Driving risk identification model calibration method and system | |
EP3410418B1 (en) | Vehicle travel control method and vehicle travel control device | |
CN107862287A (zh) | 一种前方小区域物体识别及车辆预警方法 | |
DE112018007253T5 (de) | Fahrzeugsteuervorrichtung, Fahrzeugsteuerverfahren und Programm | |
Nobe et al. | An overview of recent developments in automated lateral and longitudinal vehicle controls | |
CN110329259B (zh) | 一种基于多传感器融合的车辆自动跟随***及其方法 | |
CN113147733B (zh) | 雨雾沙尘天气汽车智能限速***及方法 | |
WO2019213982A1 (zh) | 基于最小作用量原理的驾驶人操控行为量化方法及装置 | |
CN111879360B (zh) | 一种黑暗场景中自动驾驶辅助安全预警***及其预警方法 | |
CN115257784A (zh) | 基于4d毫米波雷达的车路协同*** | |
CN112116031A (zh) | 基于路侧设备的目标融合方法、***、车辆及存储介质 | |
CN107564336B (zh) | 一种信号交叉口左转冲突预警***及预警方法 | |
CN115862382A (zh) | 一种高速入口匝道车辆协同避撞***与方法 | |
CN114783184A (zh) | 一种基于车、路、无人机信息融合的超视距感知*** | |
DE102022100068A1 (de) | Steuerung der fahrzeugleistung basierend auf daten im zusammenhang mit einer atmosphärischen bedingung | |
JP2004302622A (ja) | 車両用制動制御装置 | |
CN113432615A (zh) | 基于多传感器融合可驾驶区域的检测方法、***和车辆 | |
CN116564084A (zh) | 一种基于纯路端感知的网联式辅助驾驶控制方法及*** | |
CN115424474B (zh) | 一种基于v2x和rsu的左转辅助预警方法 |
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 |