一种基于方向包围盒的自动驾驶碰撞检测方法技术

本发明专利技术公开了一种基于方向包围盒的自动驾驶碰撞检测方法，涉及自动驾驶技术领域，首先，从车辆感知系统中实时获取相对可靠的障碍物包围盒(OBB)数据；其次，从车辆轨迹规划模块，获取已经规划好的候选轨迹并离散，对每个离散点，创建车辆OBB包围盒；再次，初步计算车辆中心与障碍物中心的距离，明确二者是否绝对安全(不会发生碰撞)；最后，对有碰撞可能的障碍物与车辆做分离轴测试，判断是否发生碰撞，并根据二者的最短距离，计算碰撞风险，为无人驾驶系统做下一步的决策，本发明专利技术通过对动态障碍物与静态障碍物碰撞分析，提高了自动驾驶车辆与周围环境的适应性、安全性与准确性。安全性与准确性。安全性与准确性。

【技术实现步骤摘要】
一种基于方向包围盒的自动驾驶碰撞检测方法


[0001]本专利技术属于无人驾驶汽车
，具体涉及一种基于方向包围盒的自动驾驶碰撞检测方法。

技术介绍

[0002]在自动驾驶领域，最核心的模块之一就是轨迹规划，其中包括车辆与障碍物的碰撞检测。传统的碰撞检测方法中，通常用质点或车辆外接圆表示车辆，用AABB包围盒或OBB包围盒表示障碍物，然后直接使用分离轴定理判断车辆与障碍物是否碰撞。而对于环境中的障碍物，无论时运动的物体或静态的物体，无论远处的障碍物还是近处的障碍物，都直接进行了碰撞分析。这样虽然可以判断出车辆轨迹与周围环境中的障碍物是否发生碰撞，但计算方法较为粗糙，存在错误检测的情况，这会导致原本宏观上存在可行的轨迹变为不可通行。
[0003]包围盒碰撞检测方法是一种基于真实环境空间的检测方法，在几何空间上可描述为：若两个包围盒之间，存在一条直线/平面，能够将二者分开，则两个包围盒没有相交。为了兼顾碰撞检测的速度与精度，有研究者把AABB包围盒与OBB包围盒结合使用，但一旦使用了AABB包围盒，就不可避免地降低了物体包围盒的精度。
[0004]根据运动情况，障碍物分为静态障碍物与动态障碍物。静态障碍物的碰撞检测相对简单，动态障碍物由于在空间上的位置是变化的，若直接将动态障碍物以静态形式处理，碰撞检测的准确性将更低。对于自动驾驶而言，障碍物较少的简单环境、低速行驶的情况下，可以满足要求，但对于障碍物较多的复杂环境，就会导致车辆无法通行甚至存在安全隐患。

技术实现思路

[0005]本专利技术的目的在于提供一种基于方向包围盒的自动驾驶碰撞检测方法，以解决现有技术中导致的上述缺陷。
[0006]一种基于方向包围盒的自动驾驶碰撞检测方法，包括如下步骤：
[0007]S1.环境感知与融合及坐标统一与转换
[0008]从车辆感知系统中实时获取相对可靠的障碍物OBB包围盒数据，从车辆轨迹规划模块，获取已经规划好的候选轨迹并离散，对每个离散点，创建车辆OBB包围盒，将车辆与障碍物统一到世界坐标系；
[0009]S2.车辆与障碍物碰撞预分析
[0010]对于车辆方向包围盒与障碍物方向包围盒，当两个方向包围盒的中心距离与各自最小外接圆半径的比较，大于安全阈值时，则认为两个方向包围盒不会发生碰撞，绝对安全；反之，需要进行精确碰撞分析，计算如下：
[0011][0012]其中：
[0013]S3.精确碰撞分析
[0014]将车辆方向包围盒以及行人方向包围盒的每条边对每个轴的法向量做投影计算，若两个多边形的投影区间没有交叠，则表明则表明两个包围盒在该轴法向量上的测试为分离，且最小距离为L
min，i
；若两个多边形的投影区间有交叠，则表明两个包围盒在该轴法向量上的测试为相交；
[0015]对多边形的每一条边，都做相同的碰撞分析，只要存在一条边的测试为分离时，则说明两个包围盒未发生碰撞，且最小距离是{L
min，i
}集合的最小值L
min
；
[0016]S4.碰撞风险计算
[0017]当计算出了两个包围盒的最小距离，可以根据距离评价两个包围盒的碰撞风险：最小距离越近，碰撞风险越大，最小距离越远，碰撞风险越小，即碰撞距离与碰撞风险呈反比相关，具体地，用如下关系表示：
[0018][0019]优选的，所述车辆与障碍物碰撞精确分析，包括对静态障碍物的碰撞检测分析与动态障碍物的碰撞检测分析。
[0020]优选的，所述静态障碍物碰撞分析的方法是：对候选轨迹，按照等时间间隔T离散后的车辆包围盒的集合为{{OBB
车
，
t
},t＝0,T,2T,3T,...，静态障碍物包围盒的集合为{OBB
障碍物
，
i
},i＝0,1,2,3,...；对车辆包围盒与静态障碍物包围盒两两碰撞分析，只要存在一个静态障碍物与车辆包围盒发生碰撞，则说明该条候选轨迹会发生碰撞；若所有的静态障碍物包围盒与车辆包围盒未发生碰撞，则说明该条候选轨迹不会发生碰撞，且该条轨迹的碰撞风险为碰撞风险集合{collision_risk
i
},i＝0,1,2,3,...中的最大值。
[0021]优选的，所述动态障碍物碰撞分析的方法是：对候选轨迹，按照等时间间隔T离散后的车辆包围盒的集合为{{OBB
车
，
t
},t＝0,T,2T,3T,...，动态障碍物的预测包围盒的集合为{OBB
障碍物
，
i，t
},i＝0,1,2,3,...，t＝0,T,2T,3T,...；对车辆包围盒与动态碍物包围盒两两碰撞分析，只要存在一个动态障碍物与车辆包围盒发生碰撞，则说明该条候选轨迹会发生碰撞；若所有的动态障碍物包围盒与车辆包围盒未发生碰撞，则说明该条候选轨迹不会发生碰撞，且该条轨迹的碰撞风险为碰撞风险集合{collision_risk
i
},i＝0,1,2,3,...中的最大值。
[0022]优选的，计算了动态障碍物与静态障碍物的最大碰撞风险后，取动态分析与静态分析的最大风险值为候选轨迹与障碍物集合的最大碰撞风险值；该最大碰撞风险值，用于自动驾驶轨迹规划与决策模块对于环境中障碍物的评估，做出合理的动作。
[0023]优选的，所述合理动作包括但不限于减速、避障以及停车。
[0024]本专利技术的优点在于：
[0025]1.通过车辆方向包围盒OBB与障碍物方向包围盒OBB的中心距离与二者最小外接圆半径比较，快速预判断碰撞情况，只对有碰撞风险的障碍物做精确分析，加快了碰撞检测的速度。
[0026]2.对复杂的障碍物，采用多边形的形式描述障碍物轮廓，对车辆OBB与障碍物OBB，
并用投影的方法对包围盒各个轴做碰撞检测，提高了碰撞分析的精度，不仅能计算出两个包围盒是否碰撞，而且能计算出未碰撞的两个包围盒的最小距离。
[0027]3.对静态障碍物与动态障碍物分类检测，对动态障碍物做了轨迹预测，无论是静态障碍物还是动态障碍物，碰撞检测的结果会更精确，进而提升了轨迹规划的精度及自动驾驶系统的安全性。
[0028]4.对有风险的障碍物，计算了碰撞风险。障碍物与候选轨迹越近，风险越大；障碍物与候选轨迹越远，风险越小。自动驾驶系统，根据碰撞风险值，做出更加合理的决策与规划，如：减速、避障、停车等。
附图说明
[0029]图1为自动驾驶碰撞检测主要流程。
[0030]图2为车辆与障碍物的预检测示意图。
[0031]图3为车辆与障碍物的精确碰撞检测示意图。
[0032]图4为车辆候选轨迹与静态障碍物的碰撞检测示意图。
[0033]图5为车辆候选轨迹与动态障碍物的碰撞检测示意图。
具体实施方式
[0034]为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于方向包围盒的自动驾驶碰撞检测方法，其特征在于，包括如下步骤：S1.环境感知与融合及坐标统一与转换从车辆感知系统中实时获取相对可靠的障碍物OBB包围盒数据，从车辆轨迹规划模块，获取已经规划好的候选轨迹并离散，对每个离散点，创建车辆OBB包围盒，将车辆与障碍物统一到世界坐标系；S2.车辆与障碍物碰撞预分析对于车辆方向包围盒与障碍物方向包围盒，当两个方向包围盒的中心距离与各自最小外接圆半径的比较，大于安全阈值时，则认为两个方向包围盒不会发生碰撞，绝对安全；反之，需要进行精确碰撞分析，计算如下：其中：S3.精确碰撞分析将车辆方向包围盒以及行人方向包围盒的每条边对每个轴的法向量做投影计算，若两个多边形的投影区间没有交叠，则表明则表明两个包围盒在该轴法向量上的测试为分离，且最小距离为L
min，i
；若两个多边形的投影区间有交叠，则表明两个包围盒在该轴法向量上的测试为相交；对多边形的每一条边，都做相同的碰撞分析，只要存在一条边的测试为分离时，则说明两个包围盒未发生碰撞，且最小距离是{L
min，i
}集合的最小值L
min
；S4.碰撞风险计算当计算出了两个包围盒的最小距离，可以根据距离评价两个包围盒的碰撞风险：最小距离越近，碰撞风险越大，最小距离越远，碰撞风险越小，即碰撞距离与碰撞风险呈反比相关，具体地，用如下关系表示：2.根据权利要求1所述的一种基于方向包围盒的自动驾驶碰撞检测方法，其特征在于，所述车辆与障碍物碰撞精确分析，包括对静态障碍物的碰撞检测分析与动态障碍物的碰撞检测分析。3.根据权利要求2所述的一种基于方向包围盒的自动驾驶碰撞检测方法，其特征在于，所述静态障碍物碰撞分析的方法是：对候选轨迹，按照等时间间隔T离散后的车辆包围盒的集合为{{OBB
车
，
t
},t＝0,T,2T,3T,...，静态障碍物包...

【专利技术属性】
技术研发人员：蒋立伟，谷涛涛，杨华，吴勇，檀生辉，王东，柴诚，戴兴民，刘恒，
申请(专利权)人：西安电子科技大学芜湖研究院，
类型：发明
国别省市：