一种障碍物的筛选方法及系统与流程

1.本发明涉及自动驾驶技术领域，更具体的说，涉及一种障碍物的筛选方法及系统。


背景技术：

2.自动驾驶汽车是汽车电子、智能控制以及互联网等技术发展融合的产物，其原理为自动驾驶系统利用感知与定位系统，获取车辆自身方位以及外界环境信息，经过计算系统分析信息、做出决策，控制执行系统实现车辆加速、减速或转向，从而在无需驾驶员介入的情况下，完成自动驾驶。
3.自动驾驶汽车在进行直行、变道或是转弯时，为了保证车辆行驶安全，需要对路径周围障碍物的威胁度进行判断，以便及时避让。在复杂场景下，当路径周围有多个障碍物时，就需要对各个障碍物的威胁度进行评估，然后根据评估结果做出避让决策。
4.但是，当路径周围障碍物的数量超过车辆控制器的可处理阈值时，就需要从所有的障碍物中筛选出威胁度相对高的障碍物进行处理。现有技术中，自动驾驶汽车一般会根据本车与障碍物之间的危险距离和/或ttc(time to collision，碰撞时间)对障碍物进行威胁度评估，以便筛选出威胁度相对高的障碍物。然而，本发明的发明人经过研究后发现，危险距离和/或ttc主要根据车辆位置、车辆纵向速度和车辆加速度等进行确定，并没有考虑诸如航向角等因素，而本车与障碍物之间的航向角不同，障碍物的威胁度也相应存在差别，因此，导致筛选出的威胁度相对高的障碍物存在一定的误差。


技术实现要素：

5.有鉴于此，本发明公开一种障碍物的筛选方法及系统，以能够反映障碍物对本车的真实威胁程度，从而在复杂环境中更加有效的分配算力、提高筛选出的障碍物的准确性和提高车辆运行的安全性。另外，通过对障碍物进行级别划分，对障碍物进行初步筛选，大大减少算力消耗，在一定程序上提高对障碍物的筛选效率。
6.一种障碍物的筛选方法，包括：
7.获取本车在行驶路径上的障碍物信息，所述本车为自动驾驶车辆；
8.按照预设障碍物级别划分规则，对所述障碍物信息中的所有障碍物进行级别划分，得到级别划分后的障碍物集合，其中，预设障碍物级别划分规则为：根据障碍物对本车的威胁程度，将障碍物分为：警戒级别障碍物、忽略级别障碍物，以及一般级别障碍物；
9.从所述障碍物集合中筛选出所有的警戒级别障碍物，得到障碍物候选集；
10.当所述障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到所述障碍物候选集中各个候选障碍物的碰撞风险威胁度，其中，所述预设碰撞风险威胁度确定方法和本车与障碍物的碰撞后果及交互概率相关；
11.从所述障碍物候选集中筛选出各个目标障碍物，其中，每个所述目标障碍物的碰撞威胁度大于所述障碍物候选集中除所述目标障碍物以外的候选障碍物的碰撞威胁度。
12.可选的，所述预设障碍物级别划分规则包括预设障碍物忽略判断规则和预设障碍
物警戒判断规则；
13.所述按照预设障碍物级别划分规则，对所述障碍物信息中的所有障碍物进行级别划分，得到级别划分后的障碍物集合，包括：
14.将所述障碍物信息中符合预设障碍物忽略判断规则的障碍物，确定为忽略级别障碍物；
15.将所述障碍物信息中符合预设障碍物警戒判断规则的障碍物，确定为警戒级别障碍物；
16.将所述障碍物信息中不符合预设障碍物忽略判断规则和预设障碍物警戒判断规则的障碍物，确定为一般级别障碍物；
17.基于所述忽略级别障碍物、所述一般级别障碍物和所述警戒级别障碍物，得到所述障碍物集合。
18.可选的，所述预设障碍物警戒判断规则包括：平行道路跟车警戒规则、平行道路变道警戒规则、本车规划路径警戒规则和路口警戒规则；
19.所述平行道路跟车警戒规则为：当本车在平行道路中行驶时，分别将本车行驶车道、本车右侧车道和本车左侧车道的前方在frenet坐标系下的s方向上，从障碍物s值大于本车s值的障碍物中，将所述障碍物s值与所述本车s值差值最小的障碍车确定为所述警戒级别障碍物；
20.所述平行道路变道警戒规则为：当本车在平行道路中行驶且具有变道至目标车道的意图时，将本车行驶的车道前方及车道后方的第一辆障碍车确定为所述警戒级别障碍物，同时将目标车道上处于本车前方及本车后方的第一辆障碍车确定为所述警戒级别障碍物；
21.所述本车规划路径警戒规则为：以本车的规划路径和该规划路径经过的车道的交点为中心，将在车道内向前扩展预设阈值距离以及向后拓展预设阈值距离范围以内的障碍车确定为所述警戒级别障碍物；
22.所述路口警戒规则为：当本车在路口行驶时，将除正在驶出路口的障碍车以外的其他处于路口中的障碍物确定为所述警戒级别障碍物。
23.可选的，所述预设障碍物忽略判断规则包括：本车周围区域忽略规则和车道忽略规则；
24.根据所述本车周围区域忽略规则，将不属于本车预设临近区域的障碍物确定为所述忽略级别障碍物；
25.根据所述车道忽略规则，将不在本车行驶路径的障碍物确定为所述忽略级别障碍物。
26.可选的，所述当所述障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到所述障碍物候选集中各个候选障碍物的碰撞风险威胁度，包括：
27.对所述障碍物候选集中各个所述候选障碍物按照所处本车位置的不同，划分至不同的感知区域；
28.在每个所述感知区域中的障碍物数量超过所述感知区域对应的区域数量阈值的情况下，按照所述预设碰撞风险威胁度确定方法，得到所述感知区域中各个候选障碍物的
碰撞风险威胁度，其中，所述可处理数量阈值为所有的所述感知区域对应的所述区域数量阈值的总和。
29.可选的，所述预设碰撞风险威胁度确定方法包括：可通行区域重叠度和冗余安全距离；
30.所述可通行区域重叠度，用于表示本车与障碍物的交互概率值；
31.所述冗余安全距离，用于表示本车与障碍物碰撞后果的严重程度，
32.本车与障碍物的碰撞风险威胁度由最终的排序分数score确定，排序分数score由rsd和threat加权得到，加权公式如下：
33.score＝c1*(-rsd) c2*threat；
34.式中，排序分数score的数值越高，碰撞风险威胁度越大，c1和c2表示加权参数，threat表示所述可通行区域重叠度，rsd表示所述冗余安全距离。
35.可选的，当障碍物和本车同向行驶时，所述冗余安全距离的表达式如下：
[0036][0037]
式中，rsd1为所述冗余安全距离，dis为本车与障碍车的距离，vr为后车速度，ρ为反应时间，a
r,max,accel
为后车最大加速度，a
r,min,brake
为后车最小减速度，a
f,max,brake
为前车最大减速度，vf为前车速度，θr为后车与两车连线的夹角，θf为前车与两车连线的夹角，
[0038]
其中，根据障碍物与本车的位置关系来决定本车属于后车还是前车。
[0039]
可选的，当障碍物和本车相向行驶时，所述冗余安全距离的表达式如下：
[0040][0041]
式中，rsd2为所述冗余安全距离，dis为本车与障碍车的距离，v1为本车速度，ρ为反应时间；a
1，max，accel
为本车最大加速度，a
1，min，accel
为本车最小减速度，a
2，min，brake
为目标车最小减速度，a
2，max，brake
为目标车最大减速度，v2为目标车速度，θ1为本车与两车连线的夹角，θ2为目标车与两车连线的夹角。
[0042]
可选的，所述可通行区域重叠度的计算公式如下：
[0043][0044]
式中，threat表示可通行区域重叠度，即本车与障碍物的交互概率值，overlappingarea表示两车的可通行区域的重叠面积，passablearea1表示本车的可通行区域面积，passablearea2表示目标车辆的可通行区域面积。
[0045]
一种障碍物的筛选系统，包括：
[0046]
信息获取单元，用于获取本车在行驶路径上的障碍物信息，所述本车为自动驾驶车辆；
[0047]
级别划分单元，用于按照预设障碍物级别划分规则，对所述障碍物信息中的所有障碍物进行级别划分，得到级别划分后的障碍物集合，其中，预设障碍物级别划分规则为：根据障碍物对本车的威胁程度，将障碍物分为：警戒级别障碍物、忽略级别障碍物，以及一般级别障碍物；
[0048]
第一筛选单元，用于从所述障碍物集合中筛选出所有的警戒级别障碍物，得到障碍物候选集；
[0049]
威胁度确定单元，用于当所述障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到所述障碍物候选集中各个候选障碍物的碰撞风险威胁度，其中，所述预设碰撞风险威胁度确定方法和本车与障碍物的碰撞后果及交互概率相关；
[0050]
第二筛选单元，用于从所述障碍物候选集中筛选出各个目标障碍物，其中，每个所述目标障碍物的碰撞威胁度大于所述障碍物候选集中除所述目标障碍物以外的候选障碍物的碰撞威胁度。
[0051]
从上述的技术方案可知，本发明一种障碍物的筛选方法及系统，获取自动驾驶车辆在行驶路径上的障碍物信息，按照预设障碍物级别划分规则，对障碍物信息中的所有障碍物进行级别划分得到级别划分后的障碍物集合，预设障碍物级别划分规则为：根据障碍物对本车的威胁程度，将障碍物分为：警戒级别障碍物、忽略级别障碍物，以及一般级别障碍物，从障碍物集合中筛选出所有的警戒级别障碍物得到障碍物候选集，当障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到障碍物候选集中各个候选障碍物的碰撞风险威胁度，从障碍物候选集中筛选出各个目标障碍物，每个目标障碍物的碰撞威胁度大于障碍物候选集中除目标障碍物以外的候选障碍物的碰撞威胁度。本发明在确定障碍物的碰撞风险威胁度时，考虑了本车与障碍物的碰撞后果以及交互概率，相对于传统方案仅考虑车辆位置、车辆纵向速度和车辆加速度等而言，本发明更能反映障碍物对本车的真实威胁程度，从而在复杂环境中更加有效的分配算力、提高筛选出的障碍物的准确性和提高车辆运行的安全性。另外，本发明通过对障碍物进行级别划分，对障碍物进行初步筛选，大大减少了算力消耗，在一定程序上提高对障碍物的筛选效率。
附图说明
[0052]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据公开的附图获得其他的附图。
[0053]
图1为本发明实施例公开的一种障碍物的筛选方法流程图；
[0054]
图2为本发明实施例公开的一种按照预设障碍物级别划分规则，对障碍物信息中的所有障碍物进行级别划分得到级别划分后的障碍物集合的方法流程图；
[0055]
图3为本发明实施例公开的一种平行道路示意图；
[0056]
图4为本发明实施例公开的一种路口及路口中心定义示意图；
[0057]
图5为本发明实施例公开的一种预设碰撞风险威胁度确定方法的定义示意图；
[0058]
图6为本发明实施例公开的一种速度投影示意图；
[0059]
图7为本发明实施例公开的另一种速度投影示意图；
[0060]
图8为本发明实施例公开的一种可通行区域示意图；
[0061]
图9为本发明实施例公开的一种可通行区域重叠度示意图；
[0062]
图10为本发明实施例公开的一种障碍物的筛选系统的结构示意图。
具体实施方式
[0063]
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，本领域普通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。
[0064]
本发明实施例公开了一种障碍物的筛选方法及系统，获取自动驾驶车辆在行驶路径上的障碍物信息，按照预设障碍物级别划分规则，对障碍物信息中的所有障碍物进行级别划分得到级别划分后的障碍物集合，预设障碍物级别划分规则为：根据障碍物对本车的威胁程度，将障碍物分为：警戒级别障碍物、忽略级别障碍物，以及一般级别障碍物，从障碍物集合中筛选出所有的警戒级别障碍物得到障碍物候选集，当障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到障碍物候选集中各个候选障碍物的碰撞风险威胁度，从障碍物候选集中筛选出各个目标障碍物，每个目标障碍物的碰撞威胁度大于障碍物候选集中除目标障碍物以外的候选障碍物的碰撞威胁度。本发明在确定障碍物的碰撞风险威胁度时，考虑了本车与障碍物的碰撞后果以及交互概率，相对于传统方案仅考虑车辆位置、车辆纵向速度和车辆加速度等而言，本发明更能反映障碍物对本车的真实威胁程度，从而在复杂环境中更加有效的分配算力、提高筛选出的障碍物的准确性和提高车辆运行的安全性。另外，本发明通过对障碍物进行级别划分，对障碍物进行初步筛选，大大减少了算力消耗，在一定程序上提高对障碍物的筛选效率。
[0065]
参见图1，本发明实施例公开的一种障碍物的筛选方法流程图，该方法应用于车辆控制器，该方法包括：
[0066]
步骤s101、获取本车在行驶路径上的障碍物信息。
[0067]
其中，本车为自动驾驶车辆。
[0068]
当自动驾驶车辆(以下简称“本车”)在道路中行驶时，车辆控制器根据感知系统得到行驶路径上的障碍物信息，比如障碍物的坐标位置(x，y)，障碍物的速度(v
x
，vy)等信息。
[0069]
步骤s102、按照预设障碍物级别划分规则，对障碍物信息中的所有障碍物进行级别划分，得到级别划分后的障碍物集合。
[0070]
其中，预设障碍物级别划分规则为：根据障碍物对本车的威胁程度，将障碍物分为三个级别，分别为：警戒级别障碍物、忽略级别障碍物和一般级别障碍物。
[0071]
(1)警戒级别障碍物，主要指可能对本车产生安全威胁的障碍物。对于这一级别的障碍物，本车需要相应更加谨慎的处理，处理方式包括但不限于应用算力消耗更大的预测手段，采取更加保守的决策策略等。
[0072]
(2)忽略级别障碍物，主要指障碍物对本车的威胁程度较低，可以不进行处理的障碍物。
[0073]
(3)一般级别障碍物，指的是除警戒级别障碍物和忽略级别障碍物后剩余的障碍物。
[0074]
本实施例中的障碍物集合包括：对障碍物信息中所有的障碍物级别划分后的警戒级别障碍物、忽略级别障碍物和一般级别障碍物。
[0075]
步骤s103、从障碍物集合中筛选出所有的警戒级别障碍物，得到障碍物候选集。
[0076]
由于忽略级别障碍物和一般级别障碍物对本车的威胁程度不高，为降低障碍物识别算法的算力消耗，本发明将忽略级别障碍物和一般级别障碍物进行了滤除，得到仅包含警戒级别障碍物的障碍物候选集。
[0077]
步骤s104、当障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到障碍物候选集中各个候选障碍物的碰撞风险威胁度。
[0078]
当障碍物候选集中的障碍物数量较多，超过可处理数量阈值时，为降低后续的算力消耗，本发明会进一步从障碍物候选集中筛选出碰撞威胁度高的警戒级别障碍物。
[0079]
其中，预设碰撞风险威胁度确定方法和本车与障碍物的碰撞后果及交互概率相关。
[0080]
步骤s105、从障碍物候选集中筛选出各个目标障碍物。
[0081]
其中，每个目标障碍物的碰撞威胁度大于障碍物候选集中除目标障碍物以外的候选障碍物的碰撞威胁度。
[0082]
综上可知，本发明公开了一种障碍物的筛选方法，获取自动驾驶车辆在行驶路径上的障碍物信息，按照预设障碍物级别划分规则，对障碍物信息中的所有障碍物进行级别划分得到级别划分后的障碍物集合，预设障碍物级别划分规则为：根据障碍物对本车的威胁程度，将障碍物分为：警戒级别障碍物、忽略级别障碍物，以及一般级别障碍物，从障碍物集合中筛选出所有的警戒级别障碍物得到障碍物候选集，当障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到障碍物候选集中各个候选障碍物的碰撞风险威胁度，从障碍物候选集中筛选出各个目标障碍物，每个目标障碍物的碰撞威胁度大于障碍物候选集中除目标障碍物以外的候选障碍物的碰撞威胁度。本发明在确定障碍物的碰撞风险威胁度时，考虑了本车与障碍物的碰撞后果以及交互概率，相对于传统方案仅考虑车辆位置、车辆纵向速度和车辆加速度等而言，本发明更能反映障碍物对本车的真实威胁程度，从而在复杂环境中更加有效的分配算力、提高筛选出的障碍物的准确性和提高车辆运行的安全性。
[0083]
另外，本发明通过对障碍物进行级别划分，对障碍物进行初步筛选，大大减少了算力消耗，在一定程序上提高了障碍物的筛选效率。
[0084]
预设障碍物级别划分规则包括预设障碍物忽略判断规则和预设障碍物警戒判断规则，因此，为进一步优化上述实施例，参见图2，本发明实施例公开的一种按照预设障碍物级别划分规则，对障碍物信息中的所有障碍物进行级别划分得到级别划分后的障碍物集合的方法流程图，也即步骤s102具体可以包括：
[0085]
步骤s201、判断障碍物信息中是否存在符合预设障碍物忽略判断规则的障碍物，如果是，则执行步骤s202，如果否，则执行步骤s203；
[0086]
其中，预设障碍物忽略判断规则包括：本车周围区域忽略规则和车道忽略规则。
[0087]
(1)本车周围区域忽略规则
[0088]
参见图3所示的平行道路示意图，本实施例将不属于本车预设邻近区域的障碍物评级为忽略，也就是说，根据本车周围区域忽略规则，将不属于本车预设临近区域的障碍物确定为忽略级别障碍物。其中，本车预设临近区域标定的参考量包括但不限于地图拓扑、本车导航路径、本车局部规划路径。
[0089]
(2)车道忽略规则
[0090]
对于不在道路中的障碍物，评级为忽略。
[0091]
也就是说，根据车道忽略规则，将不在本车行驶路径的障碍物确定为忽略级别障碍物。
[0092]
步骤s202、将符合预设障碍物忽略判断规则的障碍物确定为忽略级别障碍物；
[0093]
步骤s203、判断障碍物信息中是否存在符合预设障碍物警戒判断规则的障碍物，如果否，则执行步骤s204，如果是，则执行步骤s205；
[0094]
在实际应用中，可以结合本车规划轨迹，判断障碍物信息中是否存在符合预设障碍物警戒判断规则的障碍物。
[0095]
预设障碍物警戒判断规则包括：平行道路跟车警戒规则、平行道路变道警戒规则、本车规划路径警戒规则和路口警戒规则。
[0096]
(1)平行道路跟车警戒规则
[0097]
平行道路的定义如图3所示，即非路口且与其他的道路无交会、分流等行为的道路段。当本车在平行道路中行驶时，分别将本车行驶车道、本车右侧车道和本车左侧车道的前方在frenet坐标系(包括s方向和l方向，s方向和l方向相互垂直)下的s方向上，从障碍物s值大于本车s值的障碍物中，将障碍物s值与本车s值差值最小的障碍车确定为警戒级别障碍物。
[0098]
需要说明的是，障碍物在frenet坐标系下的s值，即障碍物s值，以及本车在frenet坐标系下的s值，即本车s值的确定过程，可参见已有技术，此处不再赘述。
[0099]
(2)平行道路变道警戒规则
[0100]
当本车在平行道路中行驶且具有变道至目标车道的意图时，将本车行驶的车道前方及车道后方的第一辆障碍车确定为警戒级别障碍物，同时将目标车道上处于本车前方及本车后方的第一辆障碍车确定为警戒级别障碍物。
[0101]
(3)本车规划路径警戒规则
[0102]
以本车的规划路径和该规划路径经过的车道的交点为中心，将在车道内向前扩展预设阈值距离以及向后拓展预设阈值距离范围以内的障碍车确定为警戒级别障碍物。
[0103]
如公式(1)所示，本实施例公开一种可供选择的基于本车速度的预设阈值距离计算方式，如下：
[0104]
distance threshold-2.5*egovehicle_speed；
[0105]
式中，distance threshold为预设阈值距离，egovehicle_speed为本车速度。
[0106]
例如，当本车速度为10m/s时，则预设阈值距离为25m，则将25m以内的障碍车确定为警戒级别障碍物。
[0107]
(4)路口警戒规则
[0108]
当本车在路口行驶时，如果障碍物处于路口边缘区域，且本车与路口的航向角与本车所处道路朝向角(指向路口中心)夹角大于夹角阈值时(如图4所示)，确认障碍车正在驶出路口。当本车在路口行驶时，将除正在驶出路口的障碍车以外的其他处于路口中的障碍物确定为警戒级别障碍物。
[0109]
也就是说，当本车在路口行驶时，将路口中除正在驶出路口的障碍车以外的障碍物确定为警戒级别障碍物。
[0110]
步骤s204、将不符合预设障碍物警戒判断规则的障碍物确定为一般级别障碍物。
[0111]
步骤s205、将符合预设障碍物警戒判断规则的障碍物确定为警戒级别障碍物。
[0112]
步骤s206、基于忽略级别障碍物、一般级别障碍物和警戒级别障碍物得到障碍物集合。
[0113]
在实际应用中，当障碍物候选集中的障碍物数量超过可处理数量阈值时，可以采用对各个候选障碍物排序的方式，筛选出各个目标障碍物。
[0114]
因此，为进一步优化上述实施例，步骤s105具体可以包括：
[0115]
对障碍物候选集中的各个候选障碍物按照碰撞威胁度从大到小进行排序；
[0116]
从排序后的障碍物候选集中筛选出各个目标障碍物。
[0117]
其中，当障碍物候选集中的障碍物数量未超过可处理数量阈值时，将跳过排序环节，直接对障碍物候选集中的所有候选障碍物直接采用相应措施即可，以降低后续的算力消耗。
[0118]
本发明在确定各个候选障碍物的碰撞风险威胁度时，采用预设碰撞风险威胁度确定方法。其中，如图5所示，预设碰撞风险威胁度确定方法可以包括：冗余安全距离和可通行区域重叠度。
[0119]
冗余安全距离，用于表示本车与障碍物碰撞后果的严重程度。
[0120]
可通行区域重叠度，用于表示本车与障碍物的交互概率值，主要反映障碍物与本车交互的可能性大小。
[0121]
其中，(一)冗余安全距离定义如下：
[0122]
冗余安全距离(redundancy safety distance，rsd)是在mobileye提出的rss(responsibility sensitive safety，责任敏感安全)模型的基础上，变形得到的一种评估障碍物威胁度的计算模型。
[0123]
其中，变形的部分主要体现在：原本mobileeye提出的rss公式用于计算平行道路中车辆的距离、速度关系，平行道路的定义可见图3。但在路口，特别是大型十字路口中，这一公式实际上并不成立，因为在路口各个车辆的行驶无法简单的用同向和对向这两种分类涵盖，存在很多的横穿工况，且横穿工况中障碍车与本车行驶的夹角也存在很多情况，如果简单的使用rss公式中的车辆纵向速度进行计算，不能很好反映该车辆与本车的碰撞后果。因此本发明对两车速度进行连线投影处理，获得障碍车与本车连线方向上的相对速度，连线速度投影的形式如图6和图7所示，在非结构化道路或路口区域中，这部分速度反映了本车和障碍物朝向对方的速度。在连线上速度同向即为跟车工况，在连线上速度反向即为相向而行工况。
[0124]
当障碍物和本车同向行驶时，冗余安全距离rsd的表达式如下：
[0125][0126]
式中，rsd1为冗余安全距离，dis为本车与障碍车的距离，vr为后车速度，ρ为反应时间，a
r，max，accel
为后车最大加速度；a
r，min，brake
为后车最小减速度，a
f，max，brake
为前车最大减速度，vf为前车速度。θr如图7所示，为后车与两车连线的夹角，θf如图7所示，为前车与两车连线的夹角。根据障碍物与本车的位置关系来决定本车属于后车还是前车。
[0127]
相应的，当障碍物和本车相向行驶时，原rss公式变形后又得到如下公式：
[0128][0129]
式中，rsd2为所述冗余安全距离。dis为本车与障碍车的距离；v1为本车速度；ρ为反应时间；a
1，max，accel
为本车最大加速度；a
1，min，accel
为本车最小减速度，a
2，min，brake
为目标车最小减速度；a
2，max，brake
为目标车最大减速度；v2为目标车速度。θ1为本车与两车连线的夹角，θ2为目标车与两车连线的夹角。
[0130]
式中，各个物理量的定义除前后车的定义改变为本车(即下标为1的变量)和目标车辆(即下标为2的变量)外，均与前述相同，可参考图6。
[0131]
(二)可通行区域重叠度定义如下：
[0132]
分析可通行区域重叠度的方法是要评估障碍车和本车在未来有多大的可能性产生交互。本发明公开一种本车与障碍物交互的可能性大小的评估方法，如图8所示，首先，按照目标车辆的当前方向角、最小转弯半径、当前位置和当前速度，利用动力学或运动学公式可以递推出目标车辆在预设未来时间段(例如3秒内)的可通行区域，具体方法可以参考ctrv、ctra等经典模型公式，对其中转向角度进行采样，即假设目标车辆以最小转向半径左转到右转间所有可能位置的一个包络。
[0133]
如图8所示，以最小转弯半径向左转向、最小转弯半径向右转向以及直行的三种情况进行示例，如图8中虚线所示，这三种情况之间采样转弯半径即可得到预设未来时间段目标车辆可到达的所有区域，计算出本区域的外边界即为目标车辆的未来可通行区域，如图8中实线条包络的区域所示。
[0134]
同样的方法也可以计算出本车的可通行区域，根据两车可通行区域重叠度，可以评估出目标车辆与本车交互的可能性，如图9所示，图中左侧点代表区域为本车可通行区域，右侧斜线阴影区域代表障碍车可通行区域。
[0135]
本实施例公开一种计算重叠度评估威胁度的方法，公式如下：
[0136]
[0137]
式中，threat表示可通行区域重叠度，即本车与障碍物的交互概率值，overlappingarea表示两车的可通行区域的重叠面积，passablearea1表示本车的可通行区域面积，passablearea2表示目标车辆的可通行区域面积，即反映了交互重叠区域占据目标可通行区域的百分比，若这一比例很高，则目标车辆与本车交互的概率也很高。在实际应用中，可根据感知信息或高精地图信息进一步裁剪或缩小目标车辆的可通行区域，来反映目标车辆真实的未来可能性行为，例如进一步在动力学推导出的可通行区域中去掉被其他障碍物占据的面积。
[0138]
本车与障碍物的碰撞风险威胁度由最终的排序分数score确定，排序分数score由rsd和threat加权得到，加权公式如下：
[0139]
score＝c1*(-rsd) c2*threat；
[0140]
式中，排序分数score的数值越高，障碍区综合威胁度越大，c1和c2表示加权参数，该加权参数可以通过人工调参、机器学习等常规方法进行调整，反映了在策略上更看重碰撞后果还是可能性，此处不再展开描述。
[0141]
为进一步优化上述实施例，步骤s104具体可以包括：
[0142]
(1)对障碍物候选集中各个所述候选障碍物按照所处本车位置的不同，划分至不同的感知区域，感知区域比如，本车前方区域，本车后方区域、本车左侧区域和本车右侧区域。
[0143]
(2)在每个所述感知区域中的障碍物数量超过所述感知区域对应的区域数量阈值的情况下，按照所述预设碰撞风险威胁度确定方法，得到所述感知区域中各个候选障碍物的碰撞风险威胁度，其中，所述可处理数量阈值为所有的所述感知区域对应的所述区域数量阈值的总和。
[0144]
本实施例中，感知区域的分区原则包括但不限于以本车为圆心，按照视场角来进行的扇形划分。或是，以本车车道、邻车道等为原则进行划分。
[0145]
在实际应用中，不同感知区域对应的区域数量阈值可以相同或是不同，具体依据实际情况而定，本发明在此不做限定。
[0146]
当某个感知区域中的障碍物数量没有超过对应的区域数量阈值时，则直接对该感知区域的所有障碍物不执行筛选操作，仅执行后续操作。
[0147]
与上述方法实施例相对应，本发明还公开了一种障碍物的筛选系统。
[0148]
参见图10，本发明实施例公开的一种障碍物的筛选系统的结构示意图，该系统应用于车辆控制器，该系统包括：
[0149]
信息获取单元301，用于获取本车在行驶路径上的障碍物信息.
[0150]
其中，本车为自动驾驶车辆。
[0151]
当自动驾驶车辆(以下简称“本车”)在道路中行驶时，车辆控制器根据感知系统得到行驶路径上的障碍物信息，比如障碍物的坐标位置(x，y)，障碍物的速度(v
x
，vy)等信息。
[0152]
级别划分单元302，用于按照预设障碍物级别划分规则，对障碍物信息中的所有障碍物进行级别划分，得到级别划分后的障碍物集合。
[0153]
其中，预设障碍物级别划分规则为：根据障碍物对本车的威胁程度，将障碍物分为三个级别，分别为：警戒级别障碍物、忽略级别障碍物和一般级别障碍物。
[0154]
(1)警戒级别障碍物，主要指可能对本车产生安全威胁的障碍物。对于这一级别的
障碍物，本车需要相应更加谨慎的处理，处理方式包括但不限于应用算力消耗更大的预测手段，采取更加保守的决策策略等。
[0155]
(2)忽略级别障碍物，主要指障碍物对本车的威胁程度较低，可以不进行处理的障碍物。
[0156]
(3)一般级别障碍物，指的是除警戒级别障碍物和忽略级别障碍物后剩余的障碍物。
[0157]
本实施例中的障碍物集合包括：对障碍物信息中所有的障碍物级别划分后的警戒级别障碍物、忽略级别障碍物和一般级别障碍物。
[0158]
第一筛选单元303，用于从障碍物集合中筛选出所有的警戒级别障碍物，得到障碍物候选集。
[0159]
由于忽略级别障碍物和一般级别障碍物对本车的威胁程度不高，为降低障碍物识别算法的算力消耗，本发明将忽略级别障碍物和一般级别障碍物进行了滤除，得到仅包含警戒级别障碍物的障碍物候选集。
[0160]
威胁度确定单元304，用于当障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到障碍物候选集中各个候选障碍物的碰撞风险威胁度。
[0161]
其中，预设碰撞风险威胁度确定方法和本车与障碍物的碰撞后果及交互概率相关。
[0162]
第二筛选单元305，用于从障碍物候选集中筛选出各个目标障碍物。
[0163]
其中，每个目标障碍物的碰撞威胁度大于障碍物候选集中除目标障碍物以外的候选障碍物的碰撞威胁度。
[0164]
其中，每个目标障碍物的碰撞威胁度大于障碍物候选集中除目标障碍物以外的候选障碍物的碰撞威胁度。
[0165]
综上可知，本发明公开了一种障碍物的筛选系统，获取自动驾驶车辆在行驶路径上的障碍物信息，按照预设障碍物级别划分规则，对障碍物信息中的所有障碍物进行级别划分得到级别划分后的障碍物集合，从障碍物集合中筛选出所有的警戒级别障碍物得到障碍物候选集，当障碍物候选集中的障碍物数量超过可处理数量阈值时，按照预设碰撞风险威胁度确定方法，得到障碍物候选集中各个候选障碍物的碰撞风险威胁度，从障碍物候选集中筛选出各个目标障碍物，每个目标障碍物的碰撞威胁度大于障碍物候选集中除目标障碍物以外的候选障碍物的碰撞威胁度。本发明在确定障碍物的碰撞风险威胁度时，考虑了本车与障碍物的碰撞后果以及交互概率，相对于传统方案仅考虑车辆位置、车辆纵向速度和车辆加速度等而言，本发明更能反映障碍物对本车的真实威胁程度，从而在复杂环境中更加有效的分配算力、提高筛选出的障碍物的准确性和提高车辆运行的安全性。
[0166]
另外，本发明通过对障碍物进行级别划分，对障碍物进行初步筛选，大大减少了算力消耗，在一定程序上提高了障碍物的筛选效率。
[0167]
需要说明的是，系统实施例中各组成部分的具体工作原理请参见方法实施例对应部分，此处不再赘述。
[0168]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作
之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0169]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0170]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。