CN116853292A - 无人驾驶车辆的碰撞检测方法及装置 - Google Patents
无人驾驶车辆的碰撞检测方法及装置 Download PDFInfo
- Publication number
- CN116853292A CN116853292A CN202310899470.5A CN202310899470A CN116853292A CN 116853292 A CN116853292 A CN 116853292A CN 202310899470 A CN202310899470 A CN 202310899470A CN 116853292 A CN116853292 A CN 116853292A
- Authority
- CN
- China
- Prior art keywords
- target
- unmanned vehicle
- obstacle
- track
- target area
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开涉及无人驾驶车辆的碰撞检测方法及装置，其方法包括：获取无人驾驶车辆的目标行驶轨迹；预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域；在检测到目标障碍物的情况下，获取所述目标障碍物与所述目标区域之间的位置关系；基于位置关系，确定所述无人驾驶车辆的碰撞检测结果。可见，本公开实施例提供的技术方案，通过预测无人驾驶车辆沿着目标行驶轨迹行驶时，车辆外轮廓实际覆盖到的目标区域，从而不会侵占无人驾驶车辆的可行使区域；并且，通过目标障碍物与目标区域之间的位置关系，来确定无人驾驶车辆与障碍物是否发生碰撞，可以提高碰撞检测的效率和准确率。
Description
技术领域
本公开涉及无人驾驶技术领域，尤其涉及无人驾驶车辆的碰撞检测方法及装置。
背景技术
在无人驾驶中，如何判断无人驾驶车辆行驶过程中是否与障碍物发生碰撞是非常重要的事情，是运动规划中的重要一环，它是保证无人驾驶车辆是否安全行驶的重要保障。
相关技术中，通过基于圆形的碰撞检测方法，来检测无人驾驶车辆与障碍物是否发生碰撞。具体的，分别确定无人驾驶车辆和障碍物对应的多边形外接圆，如图1所示，如果两个多边形外接圆圆心距离大于两者的半径之和，确定无人驾驶车辆与障碍物不会发生碰撞。
但是，通常情况下，由于无人驾驶车辆对应的多边形外接圆所占的区域大于无人驾驶车辆实际所占的区域，障碍物对应的多边形外接圆所占的区域也大于无人驾驶车辆实际所占的区域，导致侵占无人驾驶车辆的可行驶区域，造成无人驾驶车辆自由空间狭窄，路较窄的时候一般无法通过。
发明内容
本公开提供了一种无人驾驶车辆的碰撞检测方法及装置。
根据本公开的第一方面，提供了一种无人驾驶车辆的碰撞检测方法，所述方法包括：
获取无人驾驶车辆的目标行驶轨迹；
预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域；
在检测到目标障碍物的情况下，获取所述目标障碍物与所述目标区域之间的位置关系；
基于所述位置关系，确定所述无人驾驶车辆的碰撞检测结果。
可选的，所述目标行驶轨迹包括多个轨迹点；所述预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域，包括：
获取所述目标行驶轨迹中多个轨迹点上所述车身分别对应的子区域；
基于多个所述子区域确定所述无人驾驶车辆在所述目标行驶轨迹行驶时能够覆盖的目标区域。
可选的，所述获取所述目标行驶轨迹中多个轨迹点上所述车身分别对应的子区域，包括：
获取所述无人驾驶车辆的车辆参数和所述车身在各个所述轨迹点上分别对应的朝向角；
基于所述车辆参数和所述朝向角，确定各个所述轨迹点上所述车身分别对应的子区域。
可选的，所述预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域，包括：
获取所述车身在所述目标行驶轨迹的轨迹点上的第一距离信息；所述第一距离信息表示所述车身到所述目标行驶轨迹的轨迹线的最远距离；
基于所述第一距离信息，确定所述目标区域。
可选的，所述获取所述目标障碍物与所述目标区域之间的位置关系，包括：
获取所述目标障碍物的外轮廓；
基于所述外轮廓获取所述目标障碍物与所述目标行驶轨迹的轨迹线之间的第二距离信息；
基于所述第一距离信息和所述第二距离信息，确定所述目标障碍物与所述目标区域之间的位置关系。
可选的，所述获取所述目标障碍物与所述目标区域之间的位置关系，包括：
获取所述目标障碍物的外轮廓的位置信息；
获取所述目标区域的边界信息；
基于所述位置信息和所述边界信息，确定所述目标障碍物与所述目标区域之间的位置关系。
可选的，所述确定所述无人驾驶车辆的碰撞检测结果，包括：
基于所述位置关系，获取所述目标障碍物与所述目标区域的边界之间的目标距离；
在所述目标距离小于安全距离的情况下，确定所述无人驾驶车辆与所述目标障碍物会发生碰撞；
或者，在所述目标距离不小于安全距离的情况下，确定所述无人驾驶车辆与所述目标障碍物不会发生碰撞。
可选的，所述确定所述无人驾驶车辆的碰撞检测结果，包括：
判断所述目标区域是否包括所述目标障碍物的至少一部分；
在所述目标区域包括所述目标障物碍的至少一部分的情况下，确定所述无人驾驶车辆与所述目标障碍物会发生碰撞；
或者，在所述目标区域不包括所述目标障碍的至少一部分的情况下，确定所述无人驾驶车辆与所述目标障碍物不会发生碰撞。
可选的，还包括：
在确定所述无人驾驶车辆与所述目标障碍物会发生碰撞的情况下，基于所述目标障碍物的位置控制所述无人驾驶车辆制动，或者调整所述目标行驶轨迹，并控制所述无人驾驶车辆按照调整后的目标行驶轨迹行驶；
或者，在确定所述无人驾驶车辆与所述目标障碍物不会发生碰撞的情况下，控制所述无人驾驶车辆按照所述目标行驶轨迹行驶。
根据本公开的第二方面，提供例如一种无人驾驶车辆的碰撞检测装置，所述装置包括：
行驶轨迹获取模块，用于获取无人驾驶车辆的目标行驶轨迹；
目标区域预测模块，用于预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域；
位置关系获取模块，用于在检测到目标障碍物的情况下，获取所述目标障碍物与所述目标区域之间的位置关系；
检测结果确定模块，用于基于位置关系，确定所述无人驾驶车辆的碰撞检测结果。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；
用于存储所述至少一个处理器可执行指令的存储器；
其中，所述至少一个处理器被配置为执行所述指令，以实现第一方面所述的方法。
根据本公开的第四方面，提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行第一方面所述的方法。
本公开实施例提供的技术方案，在检测无人驾驶车辆与障碍物是否发生碰撞时，获取无人驾驶车辆的目标行驶轨迹；并预测无人驾驶车辆在基于目标行驶轨迹行驶时，车身实际能够覆盖到的目标区域；并在检测到目标障碍物的情况下，获取目标障碍物与所述目标区域之间的位置关系；最终基于位置关系，确定无人驾驶车辆的碰撞检测结果。可见，本公开实施例提供的技术方案，通过预测无人驾驶车辆沿着目标行驶轨迹行驶时，车辆外轮廓实际覆盖到的目标区域，从而不会侵占无人驾驶车辆的可行使区域；并且，通过目标障碍物与目标区域之间的位置关系，来确定无人驾驶车辆与障碍物是否发生碰撞，可以提高碰撞检测的效率和准确率。
附图说明
在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：
图1是相关技术中碰撞检测的示意图；
图2为本公开一示例性实施例提供的无人驾驶车辆的碰撞检测方法的流程图；
图3是本公开实施例中目标行驶轨迹，无人驾驶车辆以及目标障碍物的示意图；
图4是无人驾驶车辆沿着目标行驶轨迹行驶时，车身实际覆盖的目标区域的示意图；
图5为本公开一示例性实施例提供的无人驾驶车辆的碰撞检测装置的功能模块示意性框图；
图6为本公开一示例性实施例提供的电子设备的结构框图；
图7为本公开一示例性实施例提供的计算机***的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开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公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
在无人驾驶场景中，为了确保无人驾驶车辆能够安全行驶，需要检测无人驾驶车辆是否与障碍物发生碰撞。
相关技术中，如图1所示，假设左侧的车辆为无人驾驶车辆，右侧的车辆为障碍物，在检测无人驾驶车辆与障碍物是否发生碰撞时，首先，确定无人驾车车辆对应的多边形外接圆，该多边形外接圆包围无人驾驶车辆，且该多边形外接圆的半径为R1，并确定障碍物对应的多边形外接圆，该多边形外接圆包围障碍物，且该多边形外接圆的半径为R2。然后，判断两个外接圆圆心之间的距离d是否大于R1+R2。如果d>R1+R2，确定无人驾驶车辆与障碍物不会发生碰撞；否则确定无人驾驶车辆与障碍物会发生碰撞。
上述方法虽然可以判断无人驾驶车辆与障碍物是否发生碰撞，但是，由于无人驾驶车辆对应的多边形外接圆所占的区域大于无人驾驶车辆实际所占的区域，障碍物对应的多边形外接圆所占的区域也大于无人驾驶车辆实际所占的区域，导致侵占无人驾驶车辆的可行驶区域，造成无人驾驶车辆自由空间狭窄，路较窄的时候一般无法通过。
因此，为了解决相关技术存在的上述技术问题，本公开实施例首先提供了一种无人驾驶车辆的碰撞检测方法，如图2所示，该方法可以包括如下步骤：
在步骤S210中，获取无人驾驶车辆的目标行驶轨迹。
具体的，无人驾驶车辆在行驶之前，通常预先会确定一条行驶轨迹，这样便于无人驾驶车辆后续沿着该行驶轨迹来行驶，可以将该行驶轨迹称为目标行驶轨迹，该目标行驶轨迹可以包括多个轨迹点。
为了后续步骤中，检测无人驾驶车辆在目标行驶轨迹行驶时，是否会与障碍物发生碰撞，需要获取该目标行驶轨迹。如图3所示，图3中的曲线为目标行驶轨迹，无人驾驶车辆沿着该目标行驶轨迹行驶，行驶过程中可能会遇到障碍物。
在步骤S220中，预测无人驾驶车辆在基于目标行驶轨迹行驶时车身能够覆盖到的目标区域。
具体的，在获取到目标行驶轨迹后，可以基于该目标行驶轨迹上每个轨迹点车辆速度和朝向角等参数来计算无人驾驶车辆车框角点的位置，以此预测得到无人驾驶车辆沿着目标行驶轨迹行驶时，车辆外轮廓所扫过的空间，即车辆实际覆盖到的目标区域。这样，可以真实反映无人驾驶车辆的车身与目标行驶轨迹的位置关系，尤其在弯道情况下，提高了计算精度。有助于后续步骤中，能够检测无人驾驶车辆是否与障碍物发生碰撞，且不会侵占无人驾驶车辆的可行使区域。
如图4所示，示出了无人驾驶车辆沿着目标行驶轨迹行驶时，车身实际覆盖的目标区域。
为了方案描述清楚和完整，将在下面实施例中对S220的具体实施方式进行详细阐述。
在步骤S230中，在检测到目标障碍物的情况下，获取目标障碍物与目标区域之间的位置关系。
具体的，在预测得到无人驾驶车辆基于目标行驶轨迹行驶时，车身实际能覆盖到的目标区域后，如果检测到存在目标障碍物，可以确定目标障碍物所在的位置，进而得到目标障碍物与目标区域之间的位置关系。目标障碍物与目标区域之间的位置关系为：目标障碍物在目标区域内，或者，目标障碍物不在目标区域内。
仍如图4所示，图4中的目标障碍物与目标区域之间的位置关系为：目标障碍物不在目标区域内。
在步骤S240中，基于位置关系，确定无人驾驶车辆的碰撞检测结果。
在确定了目标障碍物与目标区域之间的位置关系后，可以根据该位置关系，来确定无人驾驶车辆的碰撞检测结果。如果目标障碍物与目标区域之间的位置关系为目标障碍物在目标区域内，无人驾驶车辆的碰撞检测结果为：无人驾驶车辆与目标障碍物会发生碰撞；如果目标障碍物与目标区域之间的位置关系为目标障碍物不在目标区域内，无人驾驶车辆的碰撞检测结果为：无人驾驶车辆与目标障碍物不会发生碰撞。
本公开实施例提供的技术方案，在检测无人驾驶车辆与障碍物是否发生碰撞时，获取无人驾驶车辆的目标行驶轨迹；并预测无人驾驶车辆在基于目标行驶轨迹行驶时，车身实际能够覆盖到的目标区域；并在检测到目标障碍物的情况下，获取目标障碍物与所述目标区域之间的位置关系；最终基于位置关系，确定无人驾驶车辆的碰撞检测结果。可见，本公开实施例提供的技术方案，通过预测无人驾驶车辆沿着目标行驶轨迹行驶时，车辆外轮廓实际覆盖到的目标区域，从而不会侵占无人驾驶车辆的可行使区域；并且，通过目标障碍物与目标区域之间的位置关系，来确定无人驾驶车辆与障碍物是否发生碰撞，可以提高碰撞检测的效率和准确率。
为了方案描述清楚，将在下面实施例中对S220的具体实施方式进行详细阐述。
在一种实施方式中，目标行驶轨迹包括多个轨迹点。此时，S220，预测无人驾驶车辆在基于目标行驶轨迹行驶时车身能够覆盖到的目标区域，可以包括如下两个步骤，分别为步骤a1和步骤a2：
步骤a1，获取目标行驶轨迹中多个轨迹点上车身分别对应的子区域。
在实际应用中，无人驾驶车辆是沿着目标行驶轨迹的多个轨迹点进行行驶的，无人驾驶车辆行驶到每个轨迹点，无人驾驶车辆的车身均会覆盖一个区域，可以将该区域称为子区域。
作为本公开实施例的一种实现方式，获取目标行驶轨迹中多个轨迹点上车身分别对应的子区域，可以包括如下两个步骤，分别为步骤1和步骤2：
步骤1，获取无人驾驶车辆的车辆参数和车身在各个轨迹点上分别对应的朝向角。
步骤2，基于车辆参数和朝向角，确定各个轨迹点上车身分别对应的子区域。
其中，无人驾驶车辆的车辆参数可以包括无人驾驶车辆的长度以及宽度等，且无人驾驶车辆在每个轨迹点均对应朝向角，因此，可以获取无人驾驶车辆的车辆参数和在各个轨迹点分别对应的朝向角。并且，可以根据车辆参数和对应的朝向角，来计算得到无人驾驶车辆在各个轨迹点分别对应的子区域，该子区域为无人驾驶车辆的车身实际所能够覆盖的区域。
步骤a2，基于多个子区域确定无人驾驶车辆在目标行驶轨迹行驶时能够覆盖的目标区域。
具体的，在得到无人驾驶车辆在多个轨迹点上车身分别对应的子区域后，将多个子区域总共占用的区域，作为无人驾驶车辆在目标行驶轨迹行驶时能够覆盖的目标区域，该目标区域的示意图仍如图4所示。
在另一种实施方式中，S220，预测无人驾驶车辆在基于目标行驶轨迹行驶时车身能够覆盖到的目标区域，可以包括如下步骤，分别为步骤b1和步骤b2：
步骤b1，获取车身在目标行驶轨迹的轨迹点上的第一距离信息。
其中，第一距离信息表示车身到目标行驶轨迹的轨迹线的最远距离。
步骤b2，基于第一距离信息，确定目标区域。
具体的，无人驾驶车辆沿着目标行驶轨迹行驶时，无人驾驶车辆在目标行驶轨迹的每一轨迹点，可以确定无人驾驶车辆在该轨迹点时，车身到目标行驶轨迹的轨迹点的最远距离。具体的，在计算该最远距离时，可以将无人驾驶车辆沿着目标行驶轨迹运动的外轮廓即车身映射到目标行驶轨迹上，然后从映射后的外轮廓点出发，向目标行驶轨迹的轨迹点做垂线，外轮廓点到垂线的垂足之间的距离，即为车身到目标行驶轨迹的轨迹线的最远距离。在确定了车身到轨迹线的最远距离之后，可以根据最远距离来精确地确定出目标行驶轨迹上无人驾驶车辆的安全区域，即可以精确地确定出无人驾驶车辆沿着目标行驶轨迹行驶时所能覆盖的目标区域，从而在不侵占无人驾驶车辆可行使区域的同时，提高了无人驾驶车辆的碰撞检测结果的精确度。
在上述实施例的基础上，在一种实施方式中，S230，获取目标障碍物与目标区域之间的位置关系，可以包括如下步骤，分别为步骤c1至步骤c3：
步骤c1，获取目标障碍物的外轮廓。
具体的，目标障碍物通常以多边形的行驶进行输出，首先可以获取目标障碍物的角点的位置，然后通过插值的方法得到目标障碍物的更多轮廓点的位置。这样，可以通过多个轮廓点的位置来准确地描述目标障碍物的外轮廓，并且不用考虑目标障碍物的形状，对于目标障碍物是凹多边形的情况，也能准确地描述目标障碍物的形状，解决了多边形不规则的时候需要进行处理时对目标障碍物精度的损失，实现了通过多个外轮廓点精确描述目标障碍物的目的。
步骤c2，基于外轮廓获取目标障碍物与目标行驶轨迹的轨迹线之间的第二距离信息。
由于无人驾驶车辆沿着目标行驶轨迹进行行驶，因此，在得到目标障碍物的外轮廓之后，可以将目标障碍物的外轮廓点映射到目标行驶轨迹上，并从目标障碍物的多个外轮廓点出发，向目标行驶轨迹的轨迹线做垂线，并分别计算多个外轮廓点到垂线垂足的距离，得到目标障碍物与目标行驶轨迹的轨迹线之间的第二距离信息。
步骤c3，基于第一距离信息和第二距离信息，确定目标障碍物与目标区域之间的位置关系。
具体的，在得到无人驾驶车辆到目标行驶轨迹的轨迹线的第一距离信息，以及，目标障碍物到目标行驶轨迹的轨迹线的第二距离信息后，对于轨迹线上的各个轨迹点，分别可以比较对应的第一距离信息和第二距离信息之间的大小，如果第一距离信息小于第二距离信息，说明目标障碍物离目标行驶轨迹的轨迹线的距离较远，后续可以确定无人驾驶车辆的碰撞检测结果为无人驾驶车辆与目标障碍物不会发生碰撞。如果第一距离信息大于第二距离信息，说明目标障碍物离目标行驶轨迹的轨迹线的距离较近，后续可以确定无人驾驶车辆的碰撞检测结果为无人驾驶车辆与目标障碍物会发生碰撞。
可见，本实施方式提供的技术方案，通过无人驾驶车辆的外轮廓即车身到目标行驶轨迹的轨迹线之间的第一距离信息，以及，目标障碍物的外轮廓到目标行驶轨迹的轨迹线之间的第二距离信息，可以精确地确定目标障碍物与目标区域之间的位置关系，并且，确定目标障碍物与目标区域之间的位置关系的计算复杂度较低。
还可以通过另一种方式来确定目标障碍物与目标区域之间的位置关系，具体的，在另一种实施方式中，获取目标障碍物与目标区域之间的位置关系，可以包括如下步骤，分别为步骤d1至步骤d3：
步骤d1，获取目标障碍物的外轮廓的位置信息。
步骤d2，获取目标区域的边界信息。
步骤d3，基于位置信息和边界信息，确定目标障碍物与目标区域之间的位置关系。
具体的，通过获取目标障碍物的外轮廓的位置信息，可以确定目标障碍物所在区域的位置；通过获取目标区域的边界信息，可以确定无人驾驶车辆的安全区域边界。
然后，可以将目标障碍物的外轮廓的位置信息与目标区域的边界信息进行比较，来确定目标障碍物所在的区域与目标区域是否有重叠区域，如果目标障碍物所在的区域有重叠区域，确定目标障碍物与所述目标区域之间的位置关系为目标障碍物位于目标区域内，即目标障碍物与无人驾驶车辆会发生碰撞；如果目标障碍物所在的区域没有重叠区域，确定目标障碍物与所述目标区域之间的位置关系为目标障碍物位于目标区域外，即目标障碍物与无人驾驶车辆不会发生碰撞。
可见，本实施方式提供的技术方案，通过获取目标障碍物的外轮廓的位置信息以及目标区域的边界信息，并将目标障碍物的外轮廓的位置信息与目标区域的边界信息进行比较，可以精确地确定目标障碍物与目标区域之间的位置关系，并且，确定目标障碍物与目标区域之间的位置关系的计算复杂度较低。
基于上述实施例，在本公开提供的又一实施例中，为了确定所述无人驾驶车辆的碰撞检测结果，上述步骤S240还可以包括以下步骤：
步骤S241，获取目标障碍物与目标区域的边界之间的目标距离。
实施例中，可以基于目标障碍物与目标区域的位置关系，获取目标障碍物与目标区域的边界之间的目标距离。
例如，可以分别获取目标障碍物的外轮廓位置，并获取目标区域的边界位置，根据该外轮廓位置和该边界位置，确定该目标区域的边界与该目标障碍物之间的最小距离，可以将该最小距离作为目标障碍物与目标区域的边界之间的目标距离。
步骤S242，在目标距离小于安全距离的情况下，确定无人驾驶车辆与目标障碍物会发生碰撞。
步骤S243，在目标距离不小于安全距离的情况下，确定无人驾驶车辆与目标障碍物不会发生碰撞。
实施例中，由于无人驾驶车辆在实际行驶过程中可能会出现定位偏差、决策误差或者执行误差，或者不同路况的通行难度差异，例如由于路况原因，比如道路湿滑，或者道路类型不同，比如道路为沙土地等，会导致无人驾驶车辆在按照目标行驶轨迹行驶的过程中，可能会偏离目标行驶轨迹。因此可以设定安全距离，在目标距离小于安全距离的情况下，碰撞的风险较大，因此可以获得无人驾驶车辆与目标障碍物会发生碰撞的碰撞检测结果。并且在目标距离不小于安全距离的情况下，碰撞的风险较低，因此可以获得无人驾驶车辆与目标障碍物不会发生碰撞的碰撞检测结果。
需要说明的是，可以根据实际的需要设定该安全距离，例如，该安全距离可以根据路况信息和/或天气信息确定，该安全距离与路况信息或天气信息的好坏程度反相关，例如路面比较湿滑或者沙土地等，该安全距离可以比较大，否则该安全距离可以比较小。另外，如果天气为晴天，安全距离可以较小，如果天气为雨雪或者道路结冰等，该安全距离可以较大。所述安全距离还可以与道路的转弯半径成反比，或者与行驶速度成正比。
实施例中，该安全距离还可以与路面的摩擦系数相关，例如摩擦系数越大，该安全距离越小，摩擦系数越小，该安全距离越大，安全距离可以与路面的摩擦系数反相关。
在上述实施例的基础上，在一种实施方式中，确定无人驾驶车辆的碰撞检测结果，可以包括如下步骤：
判断目标区域是否包括目标障碍物的至少一部分。
在目标区域包括目标障物碍的至少一部分的情况下，确定无人驾驶车辆与目标障碍物会发生碰撞；
或者，在目标区域不包括目标障碍的至少一部分的情况下，确定无人驾驶车辆与目标障碍物不会发生碰撞。
具体的，通过确定目标区域是否包括目标障碍物的至少一部分，可以简单准确地得到无人驾驶车辆的碰撞检测结果。在目标区域包括目标障碍物的至少一部分的情况下，说明目标障碍物部分或者全部位于无人驾驶车辆的车身所覆盖的区域，可以确定无人驾驶车辆与目标障碍物会发生碰撞；在目标区域不包括目标障碍物的至少一部分的情况下，说明目标障碍物没有位于无人驾驶车辆的车身所覆盖的区域，可以确定无人驾驶车辆与目标障碍物不会发生碰撞。
在上述实施例的基础上，在一种实施方式中，该无人驾驶车辆的碰撞检测方法还可以包括如下步骤：
在确定无人驾驶车辆与目标障碍物会发生碰撞的情况下，基于目标障碍物的位置控制无人驾驶车辆制动，或者调整目标行驶轨迹，并控制无人驾驶车辆按照调整后的目标行驶轨迹行驶。
或者，在确定无人驾驶车辆与目标障碍物不会发生碰撞的情况下，控制无人驾驶车辆按照目标行驶轨迹行驶。
具体的，在确定无人驾驶车辆与目标障碍物会发生碰撞的情况下，可以在无人驾驶车辆行驶到目标障碍物所在的位置之前，选择停车点，将无人驾驶车辆停靠在停车点位置，以免无人驾驶车辆与目标障碍物发生碰撞。或者，如果障碍物旁边的可行使区域较大时，还可以调整目标行驶轨迹，使得无人驾驶车辆能够从障碍物的旁边通过，并且保证无人驾驶车辆与目标障碍物不发生碰撞。
并且，在确定无人驾驶车辆与目标障碍物不会发生碰撞的情况下，说明无人驾驶车辆沿着目标行驶轨迹行驶时，是安全的，因此，控制无人驾驶车辆可以按照目标行驶正常轨迹行驶。
可见，通过本公开实施例提供的技术方案，在确定无人驾驶车辆与目标障碍物会发生碰撞的情况下，可以采取相应的措施来避免无人驾车车辆与目标障碍物发生碰撞，从而保证无人驾驶车辆的安全行驶。
在采用对应各个功能划分各个功能模块的情况下，本公开实施例提供了一种无人驾驶车辆的碰撞检测装置，该无人驾驶车辆的碰撞检测装置可以为服务器或应用于服务器的芯片。图5为本公开一示例性实施例提供的无人驾驶车辆的碰撞检测装置的功能模块示意性框图。如图5所示，该装置包括：
行驶轨迹获取模块510，用于获取无人驾驶车辆的目标行驶轨迹；
目标区域预测模块520，用于预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域；
位置关系获取模块530，用于在检测到目标障碍物的情况下，获取所述目标障碍物与所述目标区域之间的位置关系；
检测结果确定模块540，用于基于位置关系，确定所述无人驾驶车辆的碰撞检测结果。
本公开实施例提供的技术方案，在检测无人驾驶车辆与障碍物是否发生碰撞时，获取无人驾驶车辆的目标行驶轨迹；并预测无人驾驶车辆在基于目标行驶轨迹行驶时，车身实际能够覆盖到的目标区域；并在检测到目标障碍物的情况下，获取目标障碍物与所述目标区域之间的位置关系；最终基于位置关系，确定无人驾驶车辆的碰撞检测结果。可见，本公开实施例提供的技术方案，通过预测无人驾驶车辆沿着目标行驶轨迹行驶时，车辆外轮廓实际覆盖到的目标区域，从而不会侵占无人驾驶车辆的可行使区域；并且，通过目标障碍物与目标区域之间的位置关系，来确定无人驾驶车辆与障碍物是否发生碰撞，可以提高碰撞检测的效率和准确率。
可选的，所述目标行驶轨迹包括多个轨迹点；所述目标区域预测模块，具体用于：
获取所述目标行驶轨迹中多个轨迹点上所述车身分别对应的子区域；
基于多个所述子区域确定所述无人驾驶车辆在所述目标行驶轨迹行驶时能够覆盖的目标区域。
可选的，所述目标区域预测模块，具体用于：
获取所述无人驾驶车辆的车辆参数和所述车身在各个所述轨迹点上分别对应的朝向角；
基于所述车辆参数和所述朝向角，确定各个所述轨迹点上所述车身分别对应的子区域。
可选的，所述目标区域预测模块，具体用于：
获取所述车身在所述目标行驶轨迹的轨迹点上的第一距离信息；所述第一距离信息表示所述车身到所述目标行驶轨迹的轨迹线的横向距离；
基于所述第一距离信息，确定所述目标区域。
可选的，所述位置关系获取模块，具体用于：
获取所述目标障碍物的外轮廓；
基于所述外轮廓获取所述目标障碍物与所述目标行驶轨迹的轨迹线之间的第二距离信息；
基于所述第一距离信息和所述第二距离信息，确定所述目标障碍物与所述目标区域之间的位置关系。
可选的，所述位置关系获取模块，具体用于：
获取所述目标障碍物的外轮廓的位置信息；
获取所述目标区域的边界信息；
基于所述位置信息和所述边界信息，确定所述目标障碍物与所述目标区域之间的位置关系。
可选的，所述检测结果确定模块，具体用于：
判断所述目标区域是否包括所述目标障碍物的至少一部分；
在所述目标区域包括所述目标障物碍的至少一部分的情况下，确定所述无人驾驶车辆与所述目标障碍物会发生碰撞；
或者，在所述目标区域不包括所述目标障碍的至少一部分的情况下，确定所述无人驾驶车辆与所述目标障碍物不会发生碰撞。
可选的，还包括无人驾驶车辆控制模块，具体用于：
在确定所述无人驾驶车辆与所述目标障碍物会发生碰撞的情况下，基于所述目标障碍物的位置控制所述无人驾驶车辆制动，或者调整所述目标行驶轨迹，并控制所述无人驾驶车辆按照调整后的目标行驶轨迹行驶；
或者，在确定所述无人驾驶车辆与所述目标障碍物不会发生碰撞的情况下，控制所述无人驾驶车辆按照所述目标行驶轨迹行驶。
本公开实施例还提供一种电子设备，包括：至少一个处理器；用于存储所述至少一个处理器可执行指令的存储器；其中，所述至少一个处理器被配置为执行所述指令，以实现本公开实施例公开的上述方法。
图6为本公开一示例性实施例提供的电子设备的结构示意图。如图6所示，该电子设备1800包括至少一个处理器1801以及耦接至处理器1801的存储器1802，该处理器1801可以执行本公开实施例公开的上述方法中的相应步骤。
上述处理器1801还可以称为中央处理单元(central processing unit，CPU)，其可以是一种集成电路芯片，具有信号的处理能力。本公开实施例公开的上述方法中的各步骤可以通过处理器1801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1801可以是通用处理器、数字信号处理器(digital signal processing，DSP)、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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储器1802中，例如随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质。处理器1801读取存储器1802中的信息，结合其硬件完成上述方法的步骤。
本公开实施例提供的技术方案，在检测无人驾驶车辆与障碍物是否发生碰撞时，获取无人驾驶车辆的目标行驶轨迹；并预测无人驾驶车辆在基于目标行驶轨迹行驶时，车身实际能够覆盖到的目标区域；并在检测到目标障碍物的情况下，获取目标障碍物与所述目标区域之间的位置关系；最终基于位置关系，确定无人驾驶车辆的碰撞检测结果。可见，本公开实施例提供的技术方案，通过预测无人驾驶车辆沿着目标行驶轨迹行驶时，车辆外轮廓实际覆盖到的目标区域，从而不会侵占无人驾驶车辆的可行使区域；并且，通过目标障碍物与目标区域之间的位置关系，来确定无人驾驶车辆与障碍物是否发生碰撞，可以提高碰撞检测的效率和准确率。
另外，根据本公开的各种操作/处理在通过软件和/或固件实现的情况下，可从存储介质或网络向具有专用硬件结构的计算机***，例如图7所示的计算机***1900安装构成该软件的程序，该计算机***在安装有各种程序时，能够执行各种功能，包括诸如前文所述的功能等等。图7为本公开一示例性实施例提供的计算机***的结构框图。
计算机***1900旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，计算机***1900包括计算单元1901，该计算单元1901可以根据存储在只读存储器(ROM)1902中的计算机程序或者从存储单元1908加载到随机存取存储器(RAM)1903中的计算机程序，来执行各种适当的动作和处理。在RAM 1903中，还可存储计算机***1900操作所需的各种程序和数据。计算单元1901、ROM 1902以及RAM 1903通过总线1904彼此相连。输入/输出(I/O)接口1905也连接至总线1904。
计算机***1900中的多个部件连接至I/O接口1905，包括：输入单元1906、输出单元1907、存储单元1908以及通信单元1909。输入单元1906可以是能向计算机***1900输入信息的任何类型的设备，输入单元1906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1908可以包括但不限于磁盘、光盘。通信单元1909允许计算机***1900通过网络诸如因特网的与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1901执行上文所描述的各个方法和处理。例如，在一些实施例中，本公开实施例公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1902和/或通信单元1909而被载入和/或安装到电子设备1900上。在一些实施例中，计算单元1901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开实施例公开的上述方法。
本公开实施例提供的技术方案，在检测无人驾驶车辆与障碍物是否发生碰撞时，获取无人驾驶车辆的目标行驶轨迹；并预测无人驾驶车辆在基于目标行驶轨迹行驶时，车身实际能够覆盖到的目标区域；并在检测到目标障碍物的情况下，获取目标障碍物与所述目标区域之间的位置关系；最终基于位置关系，确定无人驾驶车辆的碰撞检测结果。可见，本公开实施例提供的技术方案，通过预测无人驾驶车辆沿着目标行驶轨迹行驶时，车辆外轮廓实际覆盖到的目标区域，从而不会侵占无人驾驶车辆的可行使区域；并且，通过目标障碍物与目标区域之间的位置关系，来确定无人驾驶车辆与障碍物是否发生碰撞，可以提高碰撞检测的效率和准确率。
本公开实施例还提供一种计算机可读存储介质，其中，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本公开实施例公开的上述方法。
本公开实施例中的计算机可读存储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。上述计算机可读存储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。更具体的，上述计算机可读存储介质可以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。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
本公开实施例还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开实施例公开的上述方法。
在本公开的实施例中，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者，可以连接到外部计算机。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块、部件或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块、部件或单元的名称在某种情况下并不构成对该模块、部件或单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示例性的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (12)
1.一种无人驾驶车辆的碰撞检测方法，其特征在于，所述方法包括：
获取无人驾驶车辆的目标行驶轨迹；
预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域；
在检测到目标障碍物的情况下，获取所述目标障碍物与所述目标区域之间的位置关系；
基于所述位置关系，确定所述无人驾驶车辆的碰撞检测结果。
2.根据权利要求1所述的方法，其特征在于，所述目标行驶轨迹包括多个轨迹点；所述预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域，包括：
获取所述目标行驶轨迹中多个轨迹点上所述车身分别对应的子区域；
基于多个所述子区域确定所述无人驾驶车辆在所述目标行驶轨迹行驶时能够覆盖的目标区域。
3.根据权利要求2所述的方法，其特征在于，所述获取所述目标行驶轨迹中多个轨迹点上所述车身分别对应的子区域，包括：
获取所述无人驾驶车辆的车辆参数和所述车身在各个所述轨迹点上分别对应的朝向角；
基于所述车辆参数和所述朝向角，确定各个所述轨迹点上所述车身分别对应的子区域。
4.根据权利要求1所述的方法，其特征在于，所述预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域，包括：
获取所述车身在所述目标行驶轨迹的轨迹点上的第一距离信息；所述第一距离信息表示所述车身到所述目标行驶轨迹的轨迹线的最远距离；
基于所述第一距离信息，确定所述目标区域。
5.根据权利要求4所述的方法，其特征在于，所述获取所述目标障碍物与所述目标区域之间的位置关系，包括：
获取所述目标障碍物的外轮廓；
基于所述外轮廓获取所述目标障碍物与所述目标行驶轨迹的轨迹线之间的第二距离信息；
基于所述第一距离信息和所述第二距离信息，确定所述目标障碍物与所述目标区域之间的位置关系。
6.根据权利要求1所述的方法，其特征在于，所述获取所述目标障碍物与所述目标区域之间的位置关系，包括：
获取所述目标障碍物的外轮廓的位置信息；
获取所述目标区域的边界信息；
基于所述位置信息和所述边界信息，确定所述目标障碍物与所述目标区域之间的位置关系。
7.根据权利要求1～6任一所述的方法，其特征在于，所述确定所述无人驾驶车辆的碰撞检测结果，包括：
获取所述目标障碍物与所述目标区域的边界之间的目标距离；
在所述目标距离小于安全距离的情况下，确定所述无人驾驶车辆与所述目标障碍物会发生碰撞；
或者，在所述目标距离不小于安全距离的情况下，确定所述无人驾驶车辆与所述目标障碍物不会发生碰撞。
8.根据权利要求1所述的方法，其特征在于，所述确定所述无人驾驶车辆的碰撞检测结果，包括：
判断所述目标区域是否包括所述目标障碍物的至少一部分；
在所述目标区域包括所述目标障物碍的至少一部分的情况下，确定所述无人驾驶车辆与所述目标障碍物会发生碰撞；
或者，在所述目标区域不包括所述目标障碍的至少一部分的情况下，确定所述无人驾驶车辆与所述目标障碍物不会发生碰撞。
9.根据权利要求1所述的方法，其特征在于，还包括：
在确定所述无人驾驶车辆与所述目标障碍物会发生碰撞的情况下，基于所述目标障碍物的位置控制所述无人驾驶车辆制动，或者调整所述目标行驶轨迹，并控制所述无人驾驶车辆按照调整后的目标行驶轨迹行驶；
或者，在确定所述无人驾驶车辆与所述目标障碍物不会发生碰撞的情况下，控制所述无人驾驶车辆按照所述目标行驶轨迹行驶。
10.一种无人驾驶车辆的碰撞检测装置，其特征在于，所述装置包括：
行驶轨迹获取模块，用于获取无人驾驶车辆的目标行驶轨迹；
目标区域预测模块，用于预测所述无人驾驶车辆在基于所述目标行驶轨迹行驶时车身能够覆盖到的目标区域；
位置关系获取模块，用于在检测到目标障碍物的情况下，获取所述目标障碍物与所述目标区域之间的位置关系；
检测结果确定模块，用于所述基于位置关系，确定所述无人驾驶车辆的碰撞检测结果。
11.一种电子设备，其特征在于，包括：
至少一个处理器；
用于存储所述至少一个处理器可执行指令的存储器；
其中，所述至少一个处理器被配置为执行所述指令，以实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310899470.5A CN116853292A (zh) | 2023-07-20 | 2023-07-20 | 无人驾驶车辆的碰撞检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310899470.5A CN116853292A (zh) | 2023-07-20 | 2023-07-20 | 无人驾驶车辆的碰撞检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116853292A true CN116853292A (zh) | 2023-10-10 |
Family
ID=88218892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310899470.5A Pending CN116853292A (zh) | 2023-07-20 | 2023-07-20 | 无人驾驶车辆的碰撞检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116853292A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117429420A (zh) * | 2023-12-21 | 2024-01-23 | 青岛慧拓智能机器有限公司 | 无人驾驶车辆的防撞方法、电子设备、服务器及介质 |
| CN117949995A (zh) * | 2024-03-26 | 2024-04-30 | 徐州众图智控通信科技有限公司 | 一种基于测距雷达的煤矿车辆定位监测方法及*** |
-
2023
- 2023-07-20 CN CN202310899470.5A patent/CN116853292A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117429420A (zh) * | 2023-12-21 | 2024-01-23 | 青岛慧拓智能机器有限公司 | 无人驾驶车辆的防撞方法、电子设备、服务器及介质 |
| CN117429420B (zh) * | 2023-12-21 | 2024-04-12 | 青岛慧拓智能机器有限公司 | 无人驾驶车辆的防撞方法、电子设备、服务器及介质 |
| CN117949995A (zh) * | 2024-03-26 | 2024-04-30 | 徐州众图智控通信科技有限公司 | 一种基于测距雷达的煤矿车辆定位监测方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6845874B2 (ja) | 自動運転車のための経路及び速度の最適化フォールバックメカニズム | |
| JP7001642B2 (ja) | 自動運転車両のためのオブジェクト移動を予測するための方法およびシステム | |
| JP6878493B2 (ja) | 自動運転車両（ａｄｖ）に用いるピッチ角の補正方法 | |
| JP6784794B2 (ja) | 自動運転車の経路計画用のドリフト補正の方法 | |
| JP6861238B2 (ja) | 自動運転車の車線変更軌跡を確定するための方法 | |
| JP7145867B2 (ja) | 自動運転車両のための低速シーンにおける歩行者インタラクションシステム | |
| JP7001628B2 (ja) | 自動運転車両の駐車軌跡の計画 | |
| CN108602509B (zh) | 基于运动规划来操作自动驾驶车辆的方法和*** | |
| JP6667686B2 (ja) | 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体 | |
| JP6779326B2 (ja) | 複数のスレッドを使用して自動運転車両に用いられる基準線を生成するための方法及びシステム | |
| US10816985B2 (en) | Method on moving obstacle representation for trajectory planning | |
| CN116853292A (zh) | 无人驾驶车辆的碰撞检测方法及装置 | |
| KR20180088789A (ko) | 차량 주변의 컨텍스트에 기초하여 차량의 하나 이상의 궤적을 예측하는 방법 및 시스템 | |
| JP7116065B2 (ja) | 自律走行車に用いられるトンネルに基づく計画システム | |
| CN110621541B (zh) | 用于生成轨迹以操作自动驾驶车辆的方法和*** | |
| CN111857118B (zh) | 对停车轨迹分段以控制自动驾驶车辆停车 | |
| CN109739230B (zh) | 驾驶轨迹生成方法、装置及存储介质 | |
| US11353878B2 (en) | Soft-boundary based path optimization for complex scenes for autonomous driving vehicles | |
| JP7149288B2 (ja) | 自動運転車両のための螺旋曲線に基づく垂直駐車計画システム | |
| KR102309496B1 (ko) | 자율 주행 차량을 위한 자기 위치 측정 방법, 시스템 및 기계 판독 가능한 매체 | |
| CN111830958B (zh) | 用于操作自动驾驶车辆的方法、***和机器可读介质 | |
| JP6932196B2 (ja) | 自動運転車両のための螺旋経路に基づく３ポイントターン計画 | |
| JP6908674B2 (ja) | 自動運転車両を動作させるための所定のキャリブレーションテーブルに基づく車両制御システム | |
| CN111373457A (zh) | 车辆控制装置、车辆以及车辆控制方法 | |
| JP6952117B2 (ja) | 自動運転車両のためのスピード制御コマンド自動較正システム |
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 |