CN115257813A - 通过施工障碍物的智能驾驶控制方法及车辆 - Google Patents

Abstract

本发明发明了一种通过施工障碍物的智能驾驶控制方法及车辆，所述方法包括判断当前行驶路径是否进入施工路段，若是则根据车载感知信息获取距离自车最近的施工障碍物的位置坐标；提取智能驾驶***中的规控轨迹线，所述规控轨迹线由智能驾驶***根据驾驶环境生成；计算所述规控轨迹线与所述距离自车最近施工障碍物的位置关系；基于所述位置关系确定置信度分数，当置信度分数低于提醒阈值时，提醒用户关注路况。本发明根据自车行驶与施工障碍物的通行置信度，及时告知驾驶员支架***处理施工障碍物场景的***能力，提醒用户接管驾驶，解决了用户在使用智能驾驶的过程中遇到施工场景接管不及时的问题。

Description

通过施工障碍物的智能驾驶控制方法及车辆

技术领域

本发明涉及智能驾驶领域，尤其涉及一种通过施工障碍物的智能驾驶控制方法及车辆。

背景技术

目前智能驾驶技术有限，在遇到交通锥等施工防护路段时，存在误识别或漏识别障碍物的情况，导致智能驾驶***不能准确在施工等障碍物前提前变道或者刹停，造成驾驶员恐慌，严重者造成交通事故；另外还会产生因不能对驾驶员进行有效预警，导致人工接管不及时的问题。

因此现有技术还有待于进一步发展。

发明内容

针对上述技术问题，本发明提供了一种通过施工障碍物的智能驾驶控制方法及车辆。

本发明的第一方面，提供一种通过施工障碍物的智能驾驶控制方法，包括：

判断当前行驶路径是否进入施工路段，若是则根据车载感知信息获取距离自车最近的施工障碍物的位置坐标；

提取智能驾驶***中的规控轨迹线，所述规控轨迹线由智能驾驶***根据驾驶环境生成；

计算所述规控轨迹线与所述距离自车最近施工障碍物的位置关系；

基于所述位置关系确定置信度分数，当置信度分数低于提醒阈值时，提醒用户关注路况。

本发明的第二方面，提供一种通过施工障碍物的智能驾驶控制方法，包括：

判断当前行驶路径是否进入施工路段，若是则根据车载感知信息获取距施工障碍物的位置坐标；

计算自车自主换道驾驶的等待时间，基于所述等待时间确定第一置信度分数；

计算自车与施工障碍物的碰撞时间，基于所述碰撞时间确定第二置信度分数；

比较所述第一置信度分数与所述第二置信度分数的大小，以其中最小值的置信度分数作为智能驾驶控制的置信度分数，且当智能驾驶控制的置信度分数低于提醒阈值时，提醒用户关注路况。

本发明的第三方面，提供一种车辆，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如本发明实施例的第一方面或第二方面所述的方法。

本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机运行时，执行如本发明实施例的第一方面或第二方面所述的方法。

本发明根据自车行驶与施工障碍物的通行置信度，及时告知驾驶员支架***处理施工障碍物场景的***能力，提醒用户接管驾驶，解决了用户在使用智能驾驶的过程中遇到施工场景接管不及时的问题。

附图说明

图1为本发明实施例中车辆智驾***的网络结构示意图；

图2为本发明实施例中车辆控制功能的结构示意图；

图3为本发明实施例中一种通过施工障碍物的智能驾驶控制方法的流程示意图；

图4为本发明实施例中自车的规控轨迹线大于一个车道宽度的示意图；

图5为本发明实施例中自车的规控轨迹线小于一个车道宽度并大于半个车道宽度的示意图；

图6为本发明实施例中自车的规控轨迹线小于一个车道宽度的示意图；

图7为本发明实施例中另一种通过施工障碍物的智能驾驶控制方法的流程示意图。

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，本领域技术人员在没有做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。

在说明书中对“一个实施例”或“实施例”的引用是指结合该实施例描述的特定特征、结构或特性可以被包含在本发明的至少一个实施例中。说明书中各个地方出现的短语“在一个实施例中”不一定都指相同的实施例。

智驾***可以响应于障碍物，使用智能感知计算做出驾驶决策。目前主流的智能驾驶***，对自身***能力状态的把控，只有开和关两个挡位，仅在危险工况下智驾***退出时通过紧急报警提醒驾驶员接管，进行人工驾驶。针对施工环境这一复杂场景，未根据具体的环境给驾驶员提前预警，容易引发由于接管不及时导致的交通事故。例如，如果智驾***感知到障碍物为锥桶，但当前道路驾驶环境复杂，车辆频繁变道，增加了驾驶难度，智驾***未能及时完成刹车或变道，又未给驾驶员足够的提醒。

图1是本发明的一个实施例的智驾***的部分组成的框图。参考图1，智驾***包括自车101，其可以通过网络102耦接到服务器103、104。网络102可以是诸如局域网(LAN)、广域网(WAN)(诸如Internet、蜂窝网络、卫星网络的或其组合)。服务器103、104可以是任何种类的服务器或服务器集群，诸如Web或云服务器、应用服务器、后端服务器或其组合。服务器103、104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器、或位置服务器等。

自车101是指被配置为处于自主驾驶模式的车辆，在自主驾驶模式下，车辆在很少或没有驾驶员的介入的情况下导航驾驶。自车101包括具有一个或多个传感器的感知***，一个或多个传感器被配置为检测关于车辆在其中驾驶环境的信息。自车及其相关联的(一个或多个)控制器使用检测的信息导航驾驶。自车101可以在手动模式、完全自主模式或部分自主模式下完成自主驾驶或辅助驾驶。

在一个实施例中，自车101包括但不限于感知与规划***110、车辆控制***111、无线通信***112、用户接口***113和传感器***114。自车101还包含在车辆的某些通用组件，诸如引擎、制动***、底盘、变速器、动力电池等，其可以由车辆控制***111和/或感知与规划***110利用多种通信信号和/或命令来控制车辆行驶，诸如加速、减速、转向、变道等信令。

自车101的组成如110-115可以经由信号互连、CAN总线、网络、局域网或其组合彼此耦合。例如，110-115之间可以经由控制器通过CAN总线彼此通信地耦合。其中，CAN总线是一种车辆总线标准，其被设计为允许微控制器和设备在没有主机的应用中彼此通信，是一种基于消息的协议。

请参考图2，传感器***114包括但不限于一个或多个相机211、全球定位***(GPS)单元212、惯性测量单元(IMU)213、雷达单元214、以及激光雷达单元215。GPS***212可以包括收发器，收发器可操作以提供关于自车的位置的信息。IMU单元213可以基于惯性加速度来感测自车的位置和朝向的改变。

在一些其他的实施例中，传感器***114还包括其他传感器，例如温度传感器、轮速传感器、凸轮位置传感器、曲轴位置传感器、压力传感器、声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和声音传感器(例如，麦克风)等，用以获取自车状态等信息。转向传感器可以被配置为感测方向盘的转向角、车辆车轮或其组合。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在某些情况下，油门传感器和制动传感器可以被集成为集成的油门/制动传感器，控制器可以利用检测的信息控制车辆加减速行驶。在一些实施例中，感知***的传感器(例如相机、激光雷达等)的任何组合可以收集用于检测障碍物。

在一个实施例中，车辆控制***111包括但不限于驱动单元201、油门单元202(也称为加速单元)和制动单元203。驱动单元201用于驱动车辆前进方向。油门单元202用于控制马达或引擎的动力输出，其又可以控制车辆的速度和加速度。制动单元203用于通过提供制动车轮来使车辆减速。应理解的是，图2中所示的组件的实现功能可以以硬件、软件或其组合来实现。

图1中无线通信***112用于允许自车101与外部***(诸如服务器设备、智能钥匙、其他车辆等)之间的通信。例如，无线通信***112可以直接或者经由通信网络(诸如服务器103、104通过网络102)与一个或多个手机终端进行无线通信。无线通信***112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如使用WiFi与另一个组件或***进行通信。无线通信***112常见的采用Telematics-BOX，简称车载T-BOX。无线通信***112可与用户接口***113联动，实现用户的各种功能交互；诸如可以在自车101内实现使用例如键盘、触摸屏显示器、麦克风和扬声器等完成与自车或服务器的交互。

自车101的某些或全部功能可以由感知与规划***110控制。感知与规划***110包括必要的硬件(例如处理器、存储器、存储装置)和软件(例如，操作***、规控程序)，以接收来自传感器***114、控制***111、无线通信***112和/或用户接口***113的信息，处理接收到的信息，规划驾驶路线、紧急躲避、超车、变道等，然后基于规划和控制信息行驶。可替换地，感知与规划***110可以与车辆控制***111集成在一起，形成中央计算平台。

例如，驾驶员基于用户接口***113设置行程的起始位置和目的地。感知与规划***110可以从服务器104获得位置和导航路线信息。服务器提供地图服务和POI。

当自车101沿着规划路线行驶时，感知与规划***110还可以从导航服务中获得实时交通信息。基于由传感器***114获取、感测的实时交通信息、MPOI信息和位置信息、以及实时本地环境数据(例如，障碍物、人群、附近车辆)，感知与规划***110可以规划最佳路线，例如根据规划的路线经由控制***111驾驶车辆101，以安全有效地到达指定目的地。

服务器103可以是为各种客户端执行数据分析服务、数据存储、数据分析等功能的服务集群。在一个实施例中，数据分析***103包括数据收集器121和机器学习引擎122。数据收集器121从各个车辆(自车或由人类驾驶员驾驶的常规车辆)收集驾驶统计123。驾驶统计123包括指示发出的驾驶命令(例如，驾驶习惯、通勤规律等)以及由车辆的传感器在不同时间点捕获的车辆的响应的信息。驾驶统计123还可以包括描述不同时间点的驾驶环境的信息，诸如，例如行驶路线、道路状况、天气状况等。

基于驾驶统计123，机器学习引擎122可以满足各种智能化的需求，完成有利于智能驾驶的人工智能模型的训练与应用。算法模型124可以包括计算障碍物的当前位置、识别障碍物类型，针对障碍物预测的轨迹以及轨迹的功能。

进一步地，利用上述各模块，可以实现获取导航地图、高精地图、感知融合信息（如雷达、摄像头等传感器信息）、车身数据、导航数据中的部分或全部数据，完成对应施工道路上的交通锥的通过驾驶及相应的提醒功能。

基于由传感器***114提供的传感器数据和GPS单元212获得的定位信息，以及导航地图获知的行驶道路状况，自车可以获知是否行驶到施工路段，感知施工路段的交通锥的相对于自车位置，由传感器***114对道路周围环境的感知，感知是否有其他障碍物、其他车辆、其他车辆的行驶状态、当前自车所处车道位置等。除上述描述外，感知信息还可以包括交通信号灯、其他车辆的相对位置、行人、建筑物、人行横道、或其他与交通有关的标志(例如，停车标志、让路标志)等。

传感器***114包括计算机视觉***或计算机视觉***的功能，以处理和分析由一个或多个相机捕获的图像，以识别自车的环境中的对象和/或特征。对象可以包括交通信号、道路边界、其他车辆、行人和/或其他障碍物等。计算机视觉***可以使用对象识别算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉***可以映射环境、跟踪对象并估算对象的速度等。

当前行驶路径有关的区域中预测移动障碍物的路径的障碍物的预测轨迹。可以基于移动障碍物的当前状态(例如，移动障碍物的速度、位置、前进方向、加速度或类型)、地图数据和交通规则生成预测轨迹。

例如，智驾***可以根据障碍物的前进方向和位置将障碍物识别为被感测为在驾驶车道中行驶的车辆，完成超车、变道、怠速行驶等驾驶控制。

智驾***通常分为两种区别功能，一种是带有自主换道功能的智驾***，另一种是不带有自主换道功能的智驾***。对于不带有自主换道功能的智驾***在执行自动驾驶时为跟踪巡航、前车跟随等。对于两种智驾***采用不同的置信度表示遇到施工障碍物时智驾***的处理能力，提醒驾驶员。利用驾驶与障碍物躲避可能性作为置信度，计算智能驾驶的控制过程。

请参阅图3，示出了通过施工障碍物的智能驾驶控制方法的流程示意图，适用于不带有自主换道功能的智驾***。流程包括步骤：

步骤310：判断当前行驶路径是否进入施工路段，若是则根据车载感知信息获取距离自车最近的施工障碍物的位置坐标。自车可以通过导航功能获取导航路线的交通情况，从而判断是否有行驶进入施工路段；或者通过上述的服务器104的推送，在自车定位临近施工路段时，由服务器104通过无线通信***112向自车推送信息，自车根据信息可以判定已进入施工路段。

传感器***114的摄像头、激光雷达等可以获取行驶路径的图像及障碍物信息，通过图像识别技术可以识别出前方道路是否存在交通锥，利用激光雷达的点云数据可以定位交通锥的举例、位置坐标。

步骤320：提取智能驾驶***中的规控轨迹线，所述规控轨迹线由智驾***根据驾驶环境生成。感知与规划***110与控制***111可以根据导航与传感器***114的感知控制车辆行驶，自动驾驶依据规控轨迹线行驶。例如智驾***依据视觉、障碍物、车道线、车身姿态规划未来6秒内的预期规控轨迹，并实时更新。基于此，可在智驾***中提取规控轨迹线，使其与障碍物之间的关系建立置信度分数计算。

步骤330：计算所述规控轨迹线与所述距离自车最近施工障碍物的位置关系。

步骤340：基于所述位置关系确定置信度分数，当置信度分数低于提醒阈值时，提醒用户关注路况。

由于已知施工障碍物的坐标P（a、b、c），自车可以基于坐标系计算与施工障碍物的距离关系。作为一种实施例，计算过程中，当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离小于半个车道宽度（宽度已知）时，触发提醒事件，置信度分数定为1级，该置信度分数低于提醒阈值；通过文字、声音、视觉动画、震动等中的部分或全部方式提醒用户关注路况，避免发生危险。反之，当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离不小于半个车道宽度时，置信度可以定为2级、3级，该置信度分数高于提醒阈值，可以不用提醒驾驶员接管驾驶，也可以作为显示数据显示。其中所述置信度分数还可以采用数值百分比表示，展示给用户。数值百分比表示时，将低于30%定为极低置信度，将大于70%定为高置信度，30%-70%之间为中等置信度。

计算所述规控轨迹线与所述距离自车最近施工障碍物的横向距离；所述横向距离以车道宽度为基准。当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离小于半个车道宽度时，置信度分数显示为1级；当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离大于半个车道宽度且小于一个车道宽度时，置信度分数显示为2级；当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离大于一个车道宽度时，置信度分数显示为3级；其中，置信度分位为1级时低于提醒阈值。

请结合图4至图6所示的自车行驶在不同驾驶环境时的置信度分数示意。图4中，三个小车为自车沿着箭头方向依次行驶的三个位置，交通锥位于自车坐车，自车与交通锥的距离大于一个车道宽度，置信度分数为3级，距离自车距离最近的交通锥大致相同。图5中，自车在不同的位置时与最近交通锥的横向距离不同，但横向距离在一个车道宽度至半个车道宽度之间，置信度分数为2级。在图6中，自车位于中间车道，不同小车表示自车在不同的位置与最近交通锥的横向距离不同，且右侧有其他车辆，随着自车位置不断行驶，自车与最近的交通锥的距离逐渐小于半个车道宽度，则置信度分数降为1级，在该置信度分数下需要提醒用户关注路况。

在上述实施例中，采用规控轨迹线与交通锥的横向距离定义置信度分数或置信度分数对应的等级，在其他实施例中，也可以利用自车前端或侧边与交通锥的距离关系定义义置信度分数或置信度分数对应的等级。

本发明利用自车行驶的规控轨迹线与最近的障碍物（多个交通锥中的一个）的距离计算置信度分数，当置信度分数较低时触发提醒，由驾驶员接管驾驶或关注路况，可以提高驾驶员接管驾驶的效率，同时方便驾驶员掌握智驾***的***处理能力。

请参阅图7，示出了另一种通过施工障碍物的智能驾驶控制方法的流程示意图，适用于带有自主换道功能的智驾***，流程包括以下步骤：

步骤710：判断当前行驶路径是否进入施工路段，若是则根据车载感知信息获取距施工障碍物的位置坐标。自车可以通过导航功能获取导航路线的交通情况，从而判断是否有行驶进入施工路段；或者通过上述的服务器104的推送，在自车定位临近施工路段时，由服务器104通过无线通信***112向自车推送信息，自车根据信息可以判定已进入施工路段。传感器***114的摄像头、激光雷达等可以获取行驶路径的图像及障碍物信息，通过图像识别技术可以识别出前方道路是否存在交通锥，利用激光雷达的点云数据可以定位交通锥的举例、位置坐标。

步骤720：计算自车自主换道驾驶的等待时间，基于所述等待时间确定第一置信度分数。自主换道控制主要包括动态换道轨迹规划和换道轨迹跟踪控制。其中，动态化脑轨迹规划方法可以根据V2V技术获取实时信息更新换道轨迹，使车辆更好的适应周围车辆运动状态变化。换道轨迹跟踪控制主要通过车辆实际位置和期望位置之间的偏差，计算轨迹所需要的期望速度和航向角（亦或偏航率）。常见于利用换道方向信息、周围车辆信息、前方图像信息、自车状态等，完成换道的规划与执行。计算得到等待时间T，可以对定义第一置信度分数，例如等待时间T小于阈值1，置信度分数F（T）=3级，阈值1≤等待时间T＜阈值2，置信度F（T）=2级；等待时间T＞阈值2，置信度F（T）=1级。

步骤730：计算自车与施工障碍物的碰撞时间，基于所述碰撞时间确定第二置信度分数。可以根据自车的轮廓边的速度矢量计算与施工障碍物的轮廓边相交的时间，记为碰撞时间。示例性地，计算自车与施工障碍物的TTC（ time to collision）时间，自车包括AEBS (Advanced Emergency Braking System，紧急刹车辅助***)，可以计算自车与施工障碍物的预计碰撞时间。参考第一置信度分数，计算得到碰撞时间T，T＜阈值1，置信度F（TTC）=3级；阈值1≤T＜阈值2，置信度F（TTC）=2级；T＞阈值2，置信度F（TTC）=1级。

上述阈值1、2，可以理解为1分钟、2分钟；当然阈值是可变的，并不足以限制本发明。

步骤740：比较所述第一置信度分数与所述第二置信度分数的大小，以其中最小值的置信度分数作为智能驾驶控制的置信度分数，且当智能驾驶控制的置信度分数低于提醒阈值时，提醒用户关注路况。

具体的，其中所述第一置信度分数与所述第二置信度分数均与置信度等级对应。当所述第一置信度分数与所述第二置信度分数中一个小于预设置信度等级时，置信度分数低于提醒阈值；将所述第一置信度分数与所述第二置信度分数中较小的一个智能驾驶控制的置信度分数，显示给用户。进一步地，提醒的同时，在用户接管驾驶***时，退出自动驾驶模式。

示例性地，第一置信度分数为2级，第二置信度分数为1级，则第二置信度分数记为智能驾驶控制的置信度分数，且第二置信度分数为1级触发提醒功能，通过文字、声音、视觉动画、震动等中的部分或全部方式提醒用户关注路况，避免发生危险。又一示例性地，第一置信度分数为2级，第二置信度分数为3级，则第二置信度分数记为智能驾驶控制的置信度分数，且第二置信度分数为2，未触发提醒功能，可以仅显示智能驾驶控制的置信度分数，让驾驶员了解当前智驾***的控制能力。

本发明利用自车行驶的换道时间、障碍物碰撞时间计算置信度分数，将智驾***的***能力参数化，便于驾驶员了解智驾能力状态；当置信度分数较低时触发提醒，由驾驶员接管驾驶或关注路况，可以提高驾驶员接管驾驶的效率，同时方便驾驶员掌握智驾***的***处理能力。

本发明针对于道路施工的辅助驾驶场景，引入置信度分数表达利用智驾***的对于施工障碍物的***处理能力，可以使驾驶员充分了解当前驾驶状态，方便驾驶员主观判断。相对于现有技术中的直接***交出驾驶控制权，采用本发明的方式更易于驾驶员接收，提高了人机共驾的体验。

本发明还提供一种车辆，其包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述通过施工障碍物的智能驾驶控制方法的步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述通过施工障碍物的智能驾驶控制方法的步骤。

可以理解，计算机可读存储介质可以包括：能够携带计算机程序的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器 (ROM ，Read-OnlyMemory)、随机存取存储器（RAM，Random Access Memory)、以及软件分发介质等。计算机程序包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-OnlyMemory)、随机存取存储器（RAM，Random Access Memory)、以及软件分发介质等。

在本发明的某些实施方式中，装置可以包括控制器，控制器是一个单片机芯片，集成了处理器、存储器，通信模块等。处理器可以是指控制器包含的处理器。处理器可以是中央处理单元（Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP)、专用集成电路（Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明地优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

本领域普通技术人员可以意识到，结合本文中所发明的实施例描述的各实例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，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。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种通过施工障碍物的智能驾驶控制方法，其特征在于，包括：

判断当前行驶路径是否进入施工路段，若是则根据车载感知信息获取距离自车最近的施工障碍物的位置坐标；

提取智能驾驶***中的规控轨迹线，所述规控轨迹线由智能驾驶***根据驾驶环境生成；

计算所述规控轨迹线与所述距离自车最近施工障碍物的位置关系；

基于所述位置关系确定置信度分数，当置信度分数低于提醒阈值时，提醒用户关注路况。

2.根据权利要求1所述的通过施工障碍物的智能驾驶控制方法，其特征在于， 所述计算所述规控轨迹线与所述距离自车最近施工障碍物的位置关系，包括：计算所述规控轨迹线与所述距离自车最近施工障碍物的横向距离；所述横向距离以车道宽度为基准。

3.根据权利要求1所述的通过施工障碍物的智能驾驶控制方法，其特征在于，所述基于所述位置关系确定置信度分数，包括：

当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离小于半个车道宽度时，置信度分数低于提醒阈值；

当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离不小于半个车道宽度时，置信度分数高于提醒阈值；

其中所述置信度分数采用提醒等级或数值百分比表示，并展示给用户。

4.根据权利要求3所述的通过施工障碍物的智能驾驶控制方法，其特征在于，所述基于所述位置关系确定置信度分数，还包括：

当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离小于半个车道宽度时，置信度分数显示为1级；

当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离大于半个车道宽度且小于一个车道宽度时，置信度分数显示为2级；

当所述规控轨迹线与所述距离自车最近施工障碍物的横向距离大于一个车道宽度时，置信度分数显示为3级；其中，置信度分位为1级时低于提醒阈值。

5.一种通过施工障碍物的智能驾驶控制方法，其特征在于，包括：

判断当前行驶路径是否进入施工路段，若是则根据车载感知信息获取距施工障碍物的位置坐标；

计算自车自主换道驾驶的等待时间，基于所述等待时间确定第一置信度分数；

计算自车与施工障碍物的碰撞时间，基于所述碰撞时间确定第二置信度分数；

比较所述第一置信度分数与所述第二置信度分数的大小，以其中最小值的置信度分数作为智能驾驶控制的置信度分数，且当智能驾驶控制的置信度分数低于提醒阈值时，提醒用户关注路况。

6.根据权利要求5所述的通过施工障碍物的智能驾驶控制方法，其特征在于， 所述当智能驾驶控制的置信度分数低于提醒阈值时，提醒用户关注路况，包括：

当所述第一置信度分数与所述第二置信度分数中一个小于预设置信度等级时，置信度分数低于提醒阈值；将所述第一置信度分数与所述第二置信度分数中较小的一个智能驾驶控制的置信度分数，显示给用户；

其中所述第一置信度分数与所述第二置信度分数均与置信度等级对应。

7.根据权利要求5所述的通过施工障碍物的智能驾驶控制方法，其特征在于，所述计算自车与施工障碍物的碰撞时间，包括：根据自车的轮廓边的速度矢量计算与施工障碍物的轮廓边相交的时间，记为碰撞时间。

8.根据权利要求5所述的通过施工障碍物的智能驾驶控制方法，其特征在于， 还包括：在用户接管驾驶***时，退出自动驾驶模式。

9.一种车辆，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项或权利要求6至8中任一项所述的通过施工障碍物的智能驾驶控制方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被计算机运行时，执行如权利要求1至5中任一项或权利要求6至8中任一项所述的通过施工障碍物的智能驾驶控制方法。

Images