通过障碍物区域的风险确定方法、装置以及电子设备制造方法及图纸

本申请提供了一种通过障碍物区域的风险确定方法、装置以及电子设备，其中，该方法包括：获取目标车辆的特征数据；根据特征数据，确定目标车辆的障碍物描述区域；获取障碍物描述区域的区域线段；根据区域线段与障碍物集合的交点，得到障碍物描述区域的状态向量，其中，状态向量用于描述障碍物集合的状态；根据状态向量、偏置向量以及权重向量，得到通过障碍物区域的风险数值，其中，偏置向量用于调整状态向量，权重向量用于确定障碍物集合中不同障碍物对目标车辆的影响。通过本申请，解决了相关技术中存在无法准确地描述数量及形状不固定的外部障碍物和车道边界的状态以及无法确定通过障碍物区域的风险的问题。过障碍物区域的风险的问题。过障碍物区域的风险的问题。

【技术实现步骤摘要】
通过障碍物区域的风险确定方法、装置以及电子设备


[0001]本专利技术涉及自动驾驶
，尤其涉及一种通过障碍物区域的风险确定方法、装置以及电子设备。

技术介绍

[0002]在自动驾驶技术中，自动驾驶车辆基于自动驾驶仿真环境，根据输入的外部障碍物和地图边界状态以及奖励函数，利用深度强化学习进行试错训练，充分发挥车辆的通行优势。根据已有的障碍物感知识别技术，将识别后的障碍物数据结果输入给强化学习神经网络，可以大大提高神经网络训练的收敛效率。然而，在强化学习神经网络的输入中，需要外部数据维度的统一，又需要反应外部障碍物数量、形状等不固定的状态。因此，完善车道地图边界约束条件下的障碍物表示方法，对深度强化学习避障训练具有重要意义。
[0003]现有的障碍物描述方法一般为栅格地图法，即将地图栅格化，当地图栅格中有对应的障碍物时，当前栅格单元的状态为占用状态，反之当前栅格为未占用状态。栅格尺寸越大，描述外部状态的精度越高，但所需要的计算资源也较多；反之，栅格尺寸越小，精度越低，只可以大致描述外部状态。栅格地图法虽然能在一定范围内统一地描述障碍物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过障碍物区域的风险确定方法，其特征在于，所述方法包括：获取目标车辆的特征数据；根据所述特征数据，确定所述目标车辆的障碍物描述区域；获取所述障碍物描述区域的区域线段；根据所述区域线段与障碍物集合的交点，得到所述障碍物描述区域的状态向量，其中，所述状态向量用于描述所述障碍物集合的状态；根据所述状态向量、偏置向量以及权重向量，得到通过障碍物区域的风险数值，其中，所述偏置向量用于调整所述状态向量，所述权重向量用于确定所述障碍物集合中不同障碍物对所述目标车辆的影响。2.根据权利要求1所述的方法，其特征在于，所述获取目标车辆的特征数据，包括：获取所述目标车辆的前轮最大侧偏角、车辆边框宽度以及车速；将所述前轮最大侧偏角、所述车辆边框宽度以及所述车速作为所述特征数据。3.根据权利要求2所述的方法，其特征在于，所述障碍物描述区域包括扇形障碍物描述区域和矩形障碍物描述区域，所述根据所述特征数据，确定障碍物描述区域，包括：根据所述车速得到扇形半径和矩形长度；将所述目标车辆的车身中心作为圆心，并根据所述前轮最大侧偏角和所述扇形半径，得到所述扇形障碍物描述区域；根据所述矩形长度和所述车辆边框宽度，得到所述矩形障碍物描述区域。4.根据权利要求3所述的方法，其特征在于，所述区域线段包括扇形区域线段和矩形区域线段
，
所述获取所述障碍物描述区域的区域线段，包括：获取扇形分割个数和矩形分割个数；根据所述扇形分割个数和所述矩形分割个数，确定扇形角度间隔和矩形距离间隔；根据所述扇形角度间隔，确定所述扇形障碍物描述区域的第一预设数量个所述扇形区域线段；根据所述矩形距离间隔，确定所述矩形障碍物描述区域的第二预设数量个所述矩形区域线段。5.根据权利要求4所述的方法，其特征在于，所述状态向量包括扇形状态向量和矩形状态向量，所述根据所述区域线段与障碍物集合的交点，得到状态向量，包括：在所述扇形区域线段与所述障碍物集合相交的情况下，计算所述扇形区域线段与所述障碍物集合的交点到所述圆心的第一距离；根据所述第一距离得到所述扇形障碍物描述区域的初始扇形状态向量；在所述矩形区域线段与所述障碍物集合相交的情况下，计算所述矩形区域线段与所述障碍物集合的交点到所述目标车辆的前向基准线的第二距离；根据所述第二距离得到所述矩形障碍物描述区域的初始矩形状态向量；根据预设方法归一化所述初始扇形状态向量，得到所述扇形状态向...

【专利技术属性】
技术研发人员：李政，张庆，吴学易，高嵩，徐月云，
申请(专利权)人：国汽北京智能网联汽车研究院有限公司，
类型：发明
国别省市：