一种智驾系统中关键障碍物的筛选方法与流程

1.本发明属于智能汽车技术领域，具体涉及到一种智驾系统中关键障碍物的筛选方法。


背景技术：

2.近年来，智能驾驶车辆逐渐成为世界范围内的研究热点之一，随着汽车智能驾驶系统水平的提高和自动驾驶相关技术的进步，人们越来越期望足够安全的智能驾驶系统早日落地，为人们的出行带来便利。
3.在整个智能驾驶系统中，关键障碍物指智能车辆(主车)所感兴趣的障碍物；关键障碍物的筛选是指，从上游感知模块获取的传感器范围内障碍物的集合筛选出主车感兴趣的障碍物，减少冗杂的计算，影响着下游决策规划控制等模块的效果，是不可或缺的关键功能。因此，对关键障碍物合理、准确的筛选将大大提高智能驾驶的效率和安全性。
4.现有技术中，大部分对关键障碍物的筛选方法为分车道的筛选出对主车影响最大的障碍物，即筛选每个车道距离主车最近的障碍物。此种方法虽然简单粗暴的解决了障碍物的筛选，但会从障碍物这一层就屏蔽掉主车非最近距离的障碍物，也就屏蔽掉了更多智能驾驶方案的可能性，导致智能驾驶决策规划空间被压缩，做出的决策规划过于保守、单一；此外，由于分车道筛选会导致位于车道线上的障碍物无法处理或筛选错误，造成安全性隐患。


技术实现要素：

5.针对上述问题，本发明的主要目的在于设计一种智能驾驶系统中关键障碍物的筛选方法,基于不同驾驶意图的需求，设计一系列过滤器，并通过过滤器间的组合筛选出不同意图下对主车影响大的障碍物，解决现有技术中车辆基于生成轨迹再筛选障碍物造成的局限性问题，以及分车道筛选会导致位于车道线上的障碍物无法处理或筛选错误，造成安全性隐患问题。
6.为了实现上述目的本发明采用如下技术方案：
7.一种智驾系统中关键障碍物的筛选方法，该方法根据主车所处的行驶场景及驾驶意图，筛选出对主车行驶影响最为显著的关键障碍物，所述的关键障碍物是指距离主车最近的障碍物，该方法的具体步骤包括如下:
8.步骤1：从主车智能驾驶系统中的环境感知层，获取智能车辆的环境信息；
9.步骤2：基于步骤1获取的环境信息，建立主车与障碍物、车道间的拓扑关系；
10.步骤3：针对步骤2所建立的拓扑关系，设置若干过滤器；
11.步骤4：根据主车不同的驾驶意图，选用步骤3设置的过滤器进行筛选，得到相应的关键障碍物信息；
12.步骤5：针对步骤4中所筛选的关键障碍物做出相应的标签，所述的标签信息包括获取该关键障碍物对应的过滤器信息；
13.步骤6：将步骤4获得的关键障碍物信息和步骤5获得的关键障碍物标签信息，以及关键障碍物对应的主车、车道间的拓扑结构信息进行输出，即完成一次关键障碍物的筛选与输出。
14.作为本发明的进一步描述，步骤1中，所述智能车辆的环境信息，包括主车在当前感知范围内的所有障碍物的信息和车道信息，并将智能车辆的环境信息存储在智能驾驶系统的数据库中。
15.作为本发明的进一步描述，步骤2中，所述的主车与障碍物、车道间的拓扑关系包括：主车与障碍物间的拓扑关系，主车、障碍物与车道间的拓扑关系；
16.其中，所述主车与障碍物间的拓扑关系，包括障碍物和主车空间上的位置关系和时间上的速度关系；所述主车、障碍物与车道间的拓扑关系，包括主车、障碍物与车道边界、车道线及参考线的位置关系。
17.作为本发明的进一步描述，所述障碍物和主车空间上的位置关系包括：相对于主车的前方障碍物、后方障碍物、前前方障碍物、后后方障碍物、左方障碍物、左前方障碍物、左后方障碍物、右方障碍物、右前方障碍物、右后方障碍物，以及障碍物距离主车的纵向距离和横向距离。
18.作为本发明的进一步描述，所述车道间的拓扑关系包括主车所在车道的当前车道，当前车道左边的左车道、左左车道，当前车道右边的右车道、右右车道。
19.作为本发明的进一步描述，步骤3中，所述的过滤器包括纵向距离过滤器、横向距离过滤器、车道过滤器、最近前车过滤器。
20.作为本发明的进一步描述，所述的纵向距离过滤器：能够筛选主车纵向范围内前方s
front
范围内的障碍物及后方s
back
范围内的障碍物，过滤掉(s
back
，s
front
)范围外的其余障碍物；
21.所述的横向距离过滤器：能够筛选出主车横向上左边l
upper
范围内及右边l
lower
范围内的障碍物，并过滤掉(l
lower
，l
upper
)范围外的其余障碍物；
22.所述的车道过滤器：能够筛选出指定车道上的所有障碍物，并过滤掉其余车道的障碍物；
23.所述的最近前车过滤器：能够筛选出所关注车道主车前方且距主车最近的第一个障碍物，并过滤掉其余障碍物。
24.作为本发明的进一步描述，步骤4中，所述选用步骤3设置的过滤器进行筛选，包括单独或组合使用步骤3设置的过滤器进行筛选关键障碍物。
25.作为本发明的进一步描述，步骤5中，所述的标签，具体表示如下：
[0026][0027]
其中，“longitudinal distance filter”表示该障碍物是由纵向距离过滤器筛选而得；“lateral distance filter”表示该障碍物是由横向距离过滤器筛选而得；“lane filter”表示该障碍物是由车道过滤器筛选而得；“lead obstacle filter”表示该障碍物是由最近前车过滤器筛选而得。
[0028]
作为本发明的进一步描述，所述的标签可以包括一个或多个过滤器共同筛选得到的障碍物。
[0029]
相对于现有技术，本发明的技术效果为：
[0030]
本发明提供了一种智驾系统中关键障碍物的筛选方法，并不单纯的针对每个车道取距离主车最近的障碍物，而是基于不同驾驶意图的需求，选用单独或者组合的过滤器，筛选出不同意图下对主车影响大的障碍物，提高智能智驾系统中障碍物的筛选效率，降低由压线障碍物错筛、漏筛导致的安全隐患。
附图说明
[0031]
图1为本发明的整体筛选方法流程示意图；
[0032]
图2为本发明中的车辆坐标系示意图；
[0033]
图3为本发明中主车左换道意图时筛选关键障碍物示意图。
具体实施方式
[0034]
下面结合附图对本发明进行详细描述：
[0035]
一种智驾系统中关键障碍物的筛选方法，参考图1-3所示，该方法根据主车所处的行驶场景及驾驶意图，筛选出对主车行驶影响最为显著的关键障碍物，所述的关键障碍物是指距离主车最近的障碍物。
[0036]
如图1所示，该方法的具体步骤包括如下:
[0037]
步骤1：从主车智能驾驶系统中的环境感知层，获取智能车辆的环境信息；
[0038]
步骤2：基于步骤1获取的环境信息，建立主车与障碍物、车道间的拓扑关系；
[0039]
步骤3：针对步骤2所建立的拓扑关系，设置若干过滤器；
[0040]
步骤4：根据主车不同的驾驶意图，选用步骤3设置的过滤器进行筛选，得到相应的关键障碍物信息；
[0041]
步骤5：针对步骤4中所筛选的关键障碍物做出相应的标签，所述的标签信息包括获取该关键障碍物对应的过滤器信息；
[0042]
步骤6：将步骤4获得的关键障碍物信息和步骤5获得的关键障碍物标签信息，以及关键障碍物对应的主车、车道间的拓扑结构信息进行输出，即完成一次关键障碍物的筛选与输出。
[0043]
具体的，本实施例，针对上述的各步骤进行具体分析，分析内容如下：
[0044]
一、步骤1中，所述智能车辆的环境信息，包括主车在当前感知范围内的所有障碍物的信息和车道信息，并将智能车辆的环境信息存储在智能驾驶系统的数据库中。
[0045]
上述的障碍物信息包括但不限于障碍物的id、长宽高、位置坐标、速度、航向等信息；车道信息包括但不限于结构化车道的车道数据、车道宽度、车道长度、车道线位置、道路边界、坡度、路面标志信息等；需要说明的是，为了满足智能车辆采集上述信息的需求，搭载本实施例的智能车辆应配置车辆信息采集装置，车辆信息采集装置用于采集上述的环境信息。
[0046]
二、步骤2中，所述的主车与障碍物、车道间的拓扑关系包括：主车与障碍物间的拓扑关系，主车、障碍物与车道间的拓扑关系。
[0047]
1.主车与障碍物间的拓扑关系
[0048]
所述主车与障碍物间的拓扑关系，包括障碍物和主车空间上的位置关系和时间上的速度关系；所述障碍物和主车空间上的位置关系包括相对于主车的前方障碍物、后方障碍物、前前方障碍物、后后方障碍物、左方障碍物、左前方障碍物、左后方障碍物、右方障碍物、右前方障碍物、右后方障碍物，以及障碍物距离主车的纵向距离和横向距离；
[0049]
本实施例的障碍车和主车空间上的位置关系即包括前车、后车、前前车、后后车、左车、左前车、左后车、右车、右前车、右后车等拓扑类型；则障碍物距离主车的纵向距离δs和横向距离δl，其计算公式分别如下：
[0050]
δs＝s
obs-s
ego
[0051]
δl＝l
obs-l
ego
[0052]
其中，s
ego
，l
ego
为主车的纵向和横向坐标，s
obs
，l
obs
为障碍物在主车所在参考线的投影的纵向和横向坐标。
[0053]
2.主车、障碍物与车道间的拓扑关系
[0054]
所述主车、障碍物与车道间的拓扑关系，包括主车、障碍物与车道边界、车道线及参考线的位置关系；所述车道间的拓扑关系包括主车所在车道的当前车道，当前车道左边的左车道、左左车道，当前车道右边的右车道、右右车道。
[0055]
三、步骤3中，所述的过滤器包括纵向距离过滤器、横向距离过滤器、车道过滤器、最近前车过滤器。
[0056]
上述的纵向距离过滤器能够筛选主车纵向范围内的障碍物，横向距离过滤器能够筛选主车横向范围内的障碍物，车道过滤器能够筛选指定车道上的障碍物，最近前车过滤器能够筛选所关注车道主车前方且距主车最近的第一个障碍物。
[0057]
需要说明的是，本实施例的横向和纵向为frenet坐标系下的方向，具体的，frenet坐标系以车道中心线为参考，s表示纵向引导线的方向，在本实施例中指车辆行驶的道路中心线的方向，即纵向；l表示与车道中心线垂直的方向，即横向，如图2所示。
[0058]
更具体的，本实施例针对上述的四个过滤器进行具体分析，分析如下：
[0059]
1.纵向距离过滤器：能够筛选主车纵向范围内前方s
front
范围内的障碍物及后方s
back
范围内的障碍物，过滤掉(s
back
，s
front
)范围外的其余障碍物。
[0060]
纵向距离过滤器筛选出的障碍物集合ω
obs_lon
为：
[0061]
{ω
obs_lon
|ω
obs_lon
∈ω，s
obs
∈(s
back
，s
front
)}
[0062]
其中，ω为传感范围内所有障碍物的总集合，s
obs
为障碍物在主车所在参考线的投影的纵向坐标。
[0063]
2.横向距离过滤器：能够筛选出主车横向上左边l
upper
范围内及右边l
lower
范围内的障碍物，并过滤掉(l
lower
，l
upper
)范围外的其余障碍物。
[0064]
横向距离过滤器筛选出的障碍物集合ω
obs_lat
为：
[0065]
{ω
obs_lat
|ω
obs_lat
∈ω，l
obs
∈(l
lower
，l
upper
)}
[0066]
其中，ω为传感范围内所有障碍物的总集合，l
obs
为障碍物在主车所在参考线的投影的纵向坐标。
[0067]
需要说明的是，上述横向范围不受车道线的约束，即就算有压车道线的障碍物，只要该障碍物在当前车道参考线的投影的横向坐标在(l
lower
，l
upper
)范围内，就可以筛到，避
免位于车道线上(压线)的障碍物无法处理或筛选错误，规避此类安全性隐患。
[0068]
3.车道过滤器：能够筛选出指定车道上的所有障碍物，并过滤掉其余车道的障碍物；
[0069]
车道过滤器筛选出的障碍物集合ω
obs_lan
为：
[0070]
{ω
obs_lan
|ω
obs_lan
∈ω，lane
obs
＝lane0}
[0071]
其中，ω为传感范围内所有障碍物的总集合，lane
obs
为障碍物所在车道，lane0表示根据用户需求所指定的车道。
[0072]
4.最近前车过滤器：能够筛选出所关注车道主车前方且距主车最近的第一个障碍物，并过滤掉其余障碍物。
[0073]
最近前车过滤器筛选出的障碍物集合ω
obs_lea
为：
[0074]
{ω
obs_lea
|ω
obs_lea
∈ωlane
obs
＝lane0，s
obs
＝s
upper_bound
}
[0075]
其中，ω为传感范围内所有障碍物的总集合,s
upper_bound
表示大于s
ego
的第一个障碍物的纵向坐标。
[0076]
四、步骤4中，所述选用步骤3设置的过滤器进行筛选，包括单独或组合使用步骤3设置的过滤器进行筛选关键障碍物。
[0077]
五、步骤5中，所述的标签，具体表示如下：
[0078][0079]
其中，“longitudinal distance filter”表示该障碍物是由纵向距离过滤器筛选而得；“lateral distance filter”表示该障碍物是由横向距离过滤器筛选而得；“lane filter”表示该障碍物是由车道过滤器筛选而得；“lead obstacle filter”表示该障碍物是由最近前车过滤器筛选而得，所述的标签内容可以包括一个或多个过滤器共同筛选得到的障碍物。
[0080]
上述的标签用于标明该障碍物是被哪个或者哪几个过滤器筛选得到的，若使用多个过滤器共同筛选得到的障碍物，该障碍物会被打上所有用到的过滤的标签。
[0081]
六、将步骤4获得的关键障碍物信息和步骤5获得的关键障碍物标签信息，以及关键障碍物对应的主车、车道间的拓扑结构信息进行输出到下游模块，即完成了一次关键障碍物的筛选和输出。
[0082]
如图3所示，本实施例针对上述步骤4的具体实现过程如下：
[0083]
图中以矩形方框表示障碍物(障碍车)和主车，其中编号1、2、3、4、6、7、8、9、10为当前传感范围内的所有障碍车，5为主车，主车所在车道为当前车道，有前车6、前前车7以及后车4；左车车道上有左前车2、左后车3、左前前车1；右车车道有右前车9、右前前车8、右后车10；左左车道和右右车道没有障碍物；图示场景主车有智驾系统上游发送的左换道的意图，即主车目标车道为左车道。在当前场景下，主车不必再关注传感范围内的所有障碍物，只需关注关键的几个障碍车来提高效率，减少计算复杂程度。
[0084]
传统的关键障碍物筛选方法只会关注每个车道离主车最近的障碍物，即如图3中，编号为2、3、6、4、9、10的障碍物，但此种传统的方法太机械，缺乏灵活性，原因如下：
[0085]
1.本场景为主车左换道场景，因此右车道的障碍物影响较小，编号为9、10障碍物可以不作为关键障碍物；
[0086]
2.后车4对主车的换道动作影响也较小，也需要不作为关键障碍物；
[0087]
3.传统的筛选方法并没有把左前前车1筛为关键障碍物，但主车产生左换道意图后，可选择去到2、3号障碍物中间的路段，也应可选择去到1、2障碍物中间的路段。例如主车产生向左的换道意图后，左前车2的速度小于本车速度，即：
[0088]
v2＜v5[0089]
主车强制换道并跟车2，会导致主车进行急刹车，降低了通行效率和舒适性。而传统的筛选方法没有考虑1号障碍物，屏蔽掉了更多智能驾驶方案的可能性，导致智能驾驶决策规划空间被压缩，做出的决策规划过于保守、单一。
[0090]
本实施例提供的筛选方法，在如图3的实例中，可以利用上述步骤3中的最近前车过滤器筛选到障碍物6，即：
[0091]supper_bound
＝s6[0092]
其中，s6为障碍物6的纵向坐标；再利用车道过滤器和纵向距离过滤器组合筛选到左车道的障碍物1、2、3，其中车道过滤器的指定车道id为左车道，纵向过滤器筛选主车前方100米后方50米的障碍物，即：
[0093][0094]
至此，在左换道场景下，本实施例提出的筛选方法将障碍物1、2、3、6选择为关键障碍物。
[0095]
在如图3中，主车有智驾系统上游发送的左换道的意图，则筛选得到的障碍物打上标签的内容具体为：障碍物1、2、3的标签为“longitudinal distance filter”、“lane filter”；障碍物6的标签为“lead obstacle filter”。
[0096]
综合上述公开的实施例，本发明创新性的提出了一种智驾系统中的关键障碍物的筛选方法，该方法可以基于车辆的不同驾驶意图的需求，筛选出对主车影响大的障碍物，提高智能驾驶系统中障碍物筛选的效率；且本发明可以处理车道线上障碍物的筛选，降低由压线障碍物错筛、漏筛导致的安全隐患，同时设计的一系列过滤器，可以通过使用单个过滤器或不同过滤器的组合筛选到不同场景下主车需要关注到的障碍物，提高智能智驾系统中障碍物的筛选效率，降低由压线障碍物错筛、漏筛导致的安全隐患。
[0097]
以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种智驾系统中关键障碍物的筛选方法，其特征在于：该方法根据主车所处的行驶场景及驾驶意图，筛选出对主车行驶影响最为显著的关键障碍物，所述的关键障碍物是指距离主车最近的障碍物，该方法的具体步骤包括如下:步骤1：从主车智能驾驶系统中的环境感知层，获取智能车辆的环境信息；步骤2：基于步骤1获取的环境信息，建立主车与障碍物、车道间的拓扑关系；步骤3：针对步骤2所建立的拓扑关系，设置若干过滤器；步骤4：根据主车不同的驾驶意图，选用步骤3设置的过滤器进行筛选，得到相应的关键障碍物信息；步骤5：针对步骤4中所筛选的关键障碍物做出相应的标签，所述的标签信息包括获取该关键障碍物对应的过滤器信息；步骤6：将步骤4获得的关键障碍物信息和步骤5获得的关键障碍物标签信息，以及关键障碍物对应的主车、车道间的拓扑结构信息进行输出，即完成一次关键障碍物的筛选与输出。2.根据权利要求1所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：步骤1中，所述智能车辆的环境信息，包括主车在当前感知范围内的所有障碍物的信息和车道信息，并将智能车辆的环境信息存储在智能驾驶系统的数据库中。3.根据权利要求1所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：步骤2中，所述的主车与障碍物、车道间的拓扑关系包括：主车与障碍物间的拓扑关系，主车、障碍物与车道间的拓扑关系；其中，所述主车与障碍物间的拓扑关系，包括障碍物和主车空间上的位置关系和时间上的速度关系；所述主车、障碍物与车道间的拓扑关系，包括主车、障碍物与车道边界、车道线及参考线的位置关系。4.根据权利要求3所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：所述障碍物和主车空间上的位置关系包括相对于主车的前方障碍物、后方障碍物、前前方障碍物、后后方障碍物、左方障碍物、左前方障碍物、左后方障碍物、右方障碍物、右前方障碍物、右后方障碍物，以及障碍物距离主车的纵向距离和横向距离。5.根据权利要求3所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：所述车道间的拓扑关系包括主车所在车道的当前车道，当前车道左边的左车道、左左车道，当前车道右边的右车道、右右车道。6.根据权利要求1所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：步骤3中，所述的过滤器包括纵向距离过滤器、横向距离过滤器、车道过滤器、最近前车过滤器。7.根据权利要求6所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：所述的纵向距离过滤器：能够筛选主车纵向范围内前方s
front
范围内的障碍物及后方s
back
范围内的障碍物，过滤掉(s
back
，s
front
)范围外的其余障碍物；所述的横向距离过滤器：能够筛选出主车横向上左边l
upper
范围内及右边l
lower
范围内的障碍物，并过滤掉(l
lower
，l
upper
)范围外的其余障碍物；所述的车道过滤器：能够筛选出指定车道上的所有障碍物，并过滤掉其余车道的障碍物；所述的最近前车过滤器：能够筛选出所关注车道主车前方且距主车最近的第一个障碍物，并过滤掉其余障碍物。
8.根据权利要求1所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：步骤4中，所述选用步骤3设置的过滤器进行筛选，包括单独或组合使用步骤3设置的过滤器进行筛选关键障碍物。9.根据权利要求1所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：步骤5中，所述的标签，具体表示如下：其中，“longitudinal distance filter”表示该障碍物是由纵向距离过滤器筛选而得；“lateral distance filter”表示该障碍物是由横向距离过滤器筛选而得；“lane filter”表示该障碍物是由车道过滤器筛选而得；“lead obstacle filter”表示该障碍物是由最近前车过滤器筛选而得。10.根据权利要求9所述的一种智驾系统中关键障碍物的筛选方法，其特征在于：所述的标签可以包括一个或多个过滤器共同筛选得到的障碍物。

技术总结
本发明公开一种智驾系统中关键障碍物的筛选方法，该方法基于主车的环境信息建立主车与障碍物、车道间的拓扑关系，在拓扑关系中设置过滤器，并根据主车驾驶意图选用过滤器进行筛选，得到相应的关键障碍物信息，针对障碍物作出相应的标签，并将关键障碍物信息和相应的标签、对应拓扑结构输出，该方法可以基于车辆不同驾驶意图的需求，筛选出对主车影响大的障碍物，提高智能驾驶系统中障碍物筛选的效率；且可以处理车道线上障碍物的筛选，降低由压线障碍物错筛、漏筛导致的安全隐患，同时可以通过使用单个或不同过滤器的组合筛选到场景下主车需要关注的障碍物，提高智能智驾系统中障碍物的筛选效率，降低由压线障碍物错筛、漏筛导致的安全隐患。导致的安全隐患。导致的安全隐患。


技术研发人员：曹佳祺 罗元福
受保护的技术使用者：上海友道智途科技有限公司
技术研发日：2023.03.28
技术公布日：2023/7/6