自动驾驶商用车的行驶轨迹碰撞风险分析方法技术

本发明专利技术涉及自动驾驶商用车的行驶轨迹碰撞风险分析方法，包含步骤：同时进行目标车辆轨迹生成操作和自车轨迹生成操作；分别进行自车包络操作和目标车辆包络操作，获得自车包络模型和目标车辆包络模型；根据目标车辆预测相对位置、目标车辆预测相对速度偏差、自车预测相对位置、自车预测相对速度偏差、自车包络模型、目标车辆包络模型，计算在未来的预测时间的时刻，所有会发生有自车包络模型与目标车辆包络模型重叠的碰撞轨迹对；计算每个碰撞轨迹对的碰撞指标；性输出所有的碰撞指标。本发明专利技术可以适用绝大部分的驾驶场景；为下一步的碰撞回避策略提供更有价值的数据支撑；极大降低计算量需求，进一步大幅降低车载电脑的成本。进一步大幅降低车载电脑的成本。进一步大幅降低车载电脑的成本。

【技术实现步骤摘要】
自动驾驶商用车的行驶轨迹碰撞风险分析方法


[0001]本专利技术涉及自动驾驶
，具体地涉及自动驾驶商用车的行驶轨迹碰撞风险分析方法。

技术介绍

[0002]对于自动驾驶汽车，如何避免碰撞永远是最核心也最难解决的问题。而在碰撞回避这一领域中，无论哪种回避策略，都必须依赖于碰撞风险来做出下一步策略判断，因此可以认为，碰撞风险的分析结果是碰撞回避策略的基础。
[0003]现有技术对于碰撞风险有很多种方法，但都属于两类技术：层次法和危险值法。其中：
[0004]层次法最具有代表性的技术方案为中国申请号为CN201810714331.X，专利名称为车辆碰撞风险评价模型的建立方法和碰撞风险评价方法的专利技术专利申请；该专利基于层次分析法，根据判断矩阵计算出评价指标的权重，并根据评价指标的权重建立车辆碰撞风险评价模型。
[0005]该方法的缺陷在于：
[0006]1.由于设定的权重指标矩阵的合理性会极大的影响判断的结果，从而导致在不同驾驶场景下适用性一般；
[0007]2.由于矩阵求解在嵌入式系统中实现与求解比较本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶商用车的行驶轨迹碰撞风险分析方法，其特征在于：包含以下步骤：S100.在商用车自车的自动驾驶过程中，同时进行目标车辆轨迹生成操作和自车轨迹生成操作；其中：所述目标车辆轨迹生成操作按以下步骤Sa100～Sa400进行；所述自车轨迹生成操作按以下步骤Sc100～Sc300进行；Sa100.以人工预设的采集频率，持续采集目标车辆的目标车辆运动状态信号；所述目标车辆运动状态信号包含目标车辆相对距离、目标车辆相对速度、目标车辆加速度、目标车辆宽度和目标车辆长度；所述目标车辆相对距离通过安装在自车上的感知融合传感器采集获得；所述目标车辆相对速度通过安装在自车上的感知融合传感器采集获得；所述目标车辆加速度通过安装在自车上的感知融合传感器采集获得；所述目标车辆宽度通过安装在自车上的感知融合传感器采集获得；所述目标车辆长度通过安装在自车上的感知融合传感器采集获得；然后将每次采集的所述目标车辆运动状态信号加盖时间戳；然后将加盖有时间戳的所述目标车辆运动状态信号以时间戳增续排列成目标车辆目标车辆运动状态信号队列；Sa200.以人工预设窗口长度的采样窗口，按人工预设的采样步长，持续从所述目标车辆目标车辆运动状态信号队列中采样；所述窗口长度的单位为个，表征从所述目标车辆目标车辆运动状态信号队列连续取出的所述目标车辆运动状态信号的个数；所述采样步长的单位为秒，表征相邻两个所述采样窗口出现的时间间隔；然后将每个所述采样窗口取出的所述目标车辆运动状态信号打包，形成采样点；每个所述采样点由当次取出的所述目标车辆运动状态信号以时间戳增续排列组成；然后将每次采样的所述采样点按采样顺序，排列成目标车辆采样点队列；Sa300.按人工预设的取点间隔，从所述目标车辆采样点队列中间隔取出加盖有时间戳的所述目标车辆运动状态信号；然后将间隔取出的加盖有时间戳的所述目标车辆运动状态信号，拟合得到目标车辆的目标车辆历史轨迹曲线；然后根据所述目标车辆历史轨迹曲线，得到目标车辆的在人工预设的预测时间内的目标车辆预测相对位置和目标车辆预测相对速度偏差；在所述预测时间范围内，每隔人工预设的预测计算间隔时间，计算一次所述目标车辆预测相对位置和所述目标车辆预测相对速度偏差；所述目标车辆预测相对位置的偏移量计算基础为时间戳的值最大的一个所述目标车辆运动状态信号中所包含的所述目标车辆相对距离；所述目标车辆预测相对速度偏差的偏差计算基础为时间戳的值最大的一个所述目标车辆运动状态信号中所包含的所述目标车辆相对速度；Sa400.将目标车辆在所述预测时间内的所述目标车辆预测相对位置和所述目标车辆预测相对速度偏差拟合成目标车辆预测轨迹；Sc100.按所述采集频率，持续采集自车的自车运动状态信号和车道数据信号；所述自车运动状态信号包含自车方向盘转角、自车速度和自车加速度；所述车道数据信号包含自车
‑
车道中线距离和车道形状参数；Sc200.采用车辆运动学模型，将每次采集到的所述自车运动状态信号和所述车道数据信号拟合得到自车在所述预测时间内的自车预测相对位置和自车预测相对速度偏差；在所述预测时间范围内，每隔所述预测计算间隔时间，计算人工预设自车预测个数的所述自车
预测相对位置和所述自车预测相对速度偏差；所述自车预测相对位置的偏移量计算基础为最近一次采集的所述车道数据信号中所包含的所述自车
‑
车道中线距离和所述车道形状参数；所述自车预测相对速度偏差的偏差计算基础为最近一次采集的所述自车运动状态信号中所包含的所述自车速度；Sc300.将自车在所述预测时间内的所述自车预测个数的所述自车预测相对位置和所述自车预测相对速度偏差拟合成自车预测轨迹；S200.分别进行自车包络操作和目标车辆包络操作，获得自车包络模型和目标车辆包络模型；所述自车包络模型和所述目标车辆包络模型都由多个圆形包络组成；S300.根据所述目标车辆预测相对位置、所述目标车辆预测相对速度偏差、所述自车预测相对位置、所述自车预测相对速度偏差、所述自车包络模型、所述目标车辆包络模型，计算在未来的所述预测时间的时刻，所有会发生有所述自车包络模型与所述目标车辆包络模型重叠的碰撞轨迹对；每个所述碰撞轨迹对包含一个目标车辆轨迹点和一个自车轨迹点；所述目标车辆轨迹点包含在未来的所述预测时间的时刻的所述目标车辆预测相对位置和所述目标车辆预测相对速度偏差；所述自车轨迹点包含在未来的所述预测时间的时刻的所述自车预测相对位置和所述自车预测相对速度偏差；S400.计算每个所述碰撞轨迹对的碰撞指标；然后一次性输出所有的所述碰撞指标；所述碰撞指标即为本发明的碰撞风险分析方法的最终结果。2.根据权利要求1所述的自动驾驶商用车的行驶轨迹碰撞风险分析方法，其特征在于：Sa200中，所述将每次采样的所述采样点按采样顺序，排列成目标车辆采样点队列，具体包含以下步骤：Sa210.建立所述目标车辆采样点队列；所述目标车辆采样点队列的最大长度由人工预设；所述目标车辆采样点队列包含指向所述目标车辆采样点队列的目标车辆采样点队列头部指针、用于遍历所述目标车辆采样点队列的目标车辆采样点队列偏移指针和目标车辆采样点队列存储单元；所述目标车辆采样点队列偏移指针的初始值为0；每个所述目标车辆采样点队列存储单元的长度和数据结构都与一个所述采样点相同；Sa220.判定当前时刻所述目标车辆采样点队列是否已经存满，然后根据判定结果作出如下操作：如果当前时刻所述目标车辆采样点队列尚未存满，则直接将最近一次采样得到的所述采样点按顺序存入所述目标车辆采样点队列；如果当前时刻所述目标车辆采样点队列尚未存满，则将队列最末端的所述采样点弹出丢弃，然后再将最近一次采样得到的所述采样点按顺序存入所述目标车辆采样点队列。3.根据权利要...

【专利技术属性】
技术研发人员：殷政，郝奕，付源翼，
申请(专利权)人：东风商用车有限公司，
类型：发明
国别省市：