基于雷达点云的防撞方法、装置、设备及存储介质与流程

1.本公开涉及自动驾驶技术领域，具体涉及一种基于雷达点云的防撞方法、装置、设备及存储介质。


背景技术：

2.车辆的行驶安全一直是自动驾驶领域非常重视的一个方面。目前自动驾驶车辆常搭载超声波和摄像头等传感器进行安全防护，超声波传感器和摄像头的感知受限于天气和环境等因素，相较之下激光雷达适用性更广。如何使用激光雷达的感知数据对车辆的行驶安全进行防护是随之而来的问题。


技术实现要素：

3.为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种基于雷达点云的防撞方法、装置、设备及存储介质。
4.第一方面，本公开提供了一种基于雷达点云的防撞方法，包括：接收激光雷达扫描障碍物得到的点云；基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对所述障碍物的位姿；基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹；确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞；若是，则控制本车制动以防止碰撞。
5.可选的，所述基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，包括：根据所述点云的几何参数生成所述障碍物的第一轮廓图形，将所述第一轮廓图形作为所述第一虚拟模型；根据所述车身参数生成本车的第二轮廓图形，将所述第二轮廓图形作为所述第二虚拟模型。
6.可选的，所述确定所述障碍物相对本车的位姿，包括：将所述点云的坐标转换为车体坐标系下的坐标，确定本车相对所述障碍物的位姿。
7.可选的，所述基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹，包括：基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的行车数据和位姿；按照时序组合本车在所述预设时间中每个时间帧的位姿，得到所述位姿轨迹。
8.可选的，所述基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本
车在所述预设时间中每个时间帧的位姿，包括：将本车当前的行车数据和所述位姿作为本车在所述预设时间中起始的时间帧的行车数据和位姿；在所述预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间帧的行车数据和位姿，得到本车在每个时间帧的位姿。
9.可选的，所述确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞，包括：将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置；若所述第二轮廓图形与所述第一轮廓图形出现重叠，则确定所述第二虚拟模型与所述第一虚拟模型发生碰撞。
10.可选的，所述方法还包括：在将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置时，根据本车在所述时间帧的行车数据，对按照所述位姿放置的第二轮廓图形进行延伸处理；其中，本车在所述时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由所述横向速度的方向和所述纵向速度的方向确定；延伸的距离由激光雷达得到所述点云到推算出本车所述时间帧的位姿之间的延迟时间，以及所述横向速度和所述纵向速度确定。
11.第二方面，本公开提供了一种基于雷达点云的防撞装置，包括：接收模块，用于接收激光雷达扫描障碍物得到的点云；处理模块，用于基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对所述障碍物的位姿；预测模块，用于基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹；确定模块，用于确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞；控制模块，用于控制本车制动以防止碰撞。
12.可选的，所述处理模块在基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型时，具体用于根据所述点云的几何参数生成所述障碍物的第一轮廓图形，将所述第一轮廓图形作为所述第一虚拟模型；根据所述车身参数生成本车的第二轮廓图形，将所述第二轮廓图形作为所述第二虚拟模型。
13.可选的，所述处理模块在确定所述障碍物相对本车的位姿时，具体用于将所述点云的坐标转换为车体坐标系下的坐标，确定本车相对所述障碍物的位姿。
14.可选的，所述预测模块在基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹时，具体用于基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的行车数据和位姿；按照时序组合本车在所述预设时间中每个时间帧的位姿，得到所述位姿轨迹。
15.可选的，所述预测模块在基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的位姿时，具体用于将本车当前的行车数据和所述位姿作为本车在所述预设时间中起始的时间帧的行车数据和位姿；在所述预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间
帧的行车数据和位姿，得到本车在每个时间帧的位姿。
16.可选的，所述确定模块在确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞时，具体用于将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置；若所述第二轮廓图形与所述第一轮廓图形出现重叠，则确定所述第二虚拟模型与所述第一虚拟模型发生碰撞。
17.可选的，所述装置还包括延伸模块，用于在将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置时，根据本车在所述时间帧的行车数据，对按照所述位姿放置的第二轮廓图形进行延伸处理；其中，本车在所述时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由所述横向速度的方向和所述纵向速度的方向确定；延伸的距离由激光雷达得到所述点云到推算出本车所述时间帧的位姿之间的延迟时间，以及所述横向速度和所述纵向速度确定。
18.第三方面，本公开提供了一种电子设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面任一项所述的方法。
19.第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
20.本公开提供的基于雷达点云的防撞方法、装置、设备及存储介质，通过在接收激光雷达扫描障碍物得到的点云后，基于点云建立障碍物的第一虚拟模型，基于本车的车身参数建立本车的第二虚拟模型，并确定本车相对障碍物的位姿，然后以本车当前的行车数据和位姿，确定本车将来预设时间内的位姿轨迹，之后利用第二虚拟模型经过该位姿轨迹的过程模拟本车将来预设时间内的行驶过程，当确定第二虚拟模型经过该位姿轨迹的过程中与第一虚拟模型发生碰撞时，则确定本车在将来预设时间内与障碍物存在碰撞风险，并控制本车制动以防止碰撞，从而保证了车辆在行驶过程中的安全。
附图说明
21.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
22.为了更清楚地说明本公开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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
23.图1为本公开实施例提供的基于雷达点云的防撞方法流程图；图2为本公开实施例提供的一种应用场景的示意图；图3为本公开实施例提供的又一种应用场景的示意图；图4为本公开实施例提供的基于雷达点云的防撞装置的结构示意图；图5为本公开实施例提供的电子设备的结构示意图。
具体实施方式
24.为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
25.在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
26.图1为本公开实施例提供的一种基于雷达点云的防撞方法流程图，该方法可以由基于雷达点云的防撞装置执行，该基于雷达点云的防撞装置可以采用软件和/或硬件的方式实现，该基于雷达点云的防撞装置可配置于电子设备中，其中，电子设备可以理解为诸如车载电脑、域控制器等具有数据处理及运算能力的设备。该方法包括如下步骤：s101、接收激光雷达扫描障碍物得到的点云。
27.示例性的，图2为本公开实施例提供的一种应用场景的示意图。该场景中包括本车210、车载电脑220、激光雷达230和障碍物240。
28.如图2所示，本车210按照规划的路径行驶，其上搭载的激光雷达230扫描到前方的障碍物240，生成障碍物240的点云，车载电脑220接收激光雷达230传输的障碍物点云。
29.s102、基于点云和本车的车身参数建立障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对障碍物的位姿。
30.车载电脑220在接收到障碍物点云后，基于点云中包含的障碍物240的几何形状和尺寸信息等，建立障碍物240的第一虚拟模型。本车210的车身参数中包含了本车210的几何形状和尺寸信息等，车载电脑220通过本车210的车身参数即可建立本车210的第二虚拟模型。因为本车210的车身参数是不变的，车载电脑220可以直接获取，所以本车210的第二虚拟模型可以预先建立并存储在车载电脑220中。
31.在一些实施方式中，基于点云和本车的车身参数建立障碍物的第一虚拟模型和本车的第二虚拟模型，包括：根据点云的几何参数生成障碍物的第一轮廓图形，将第一轮廓图形作为第一虚拟模型；根据车身参数生成本车的第二轮廓图形，将第二轮廓图形作为第二虚拟模型。
32.由于车辆的防撞任务是一个对实时性要求很高的任务，因此在建立障碍物240的第一虚拟模型时，可以通过障碍物240的点云中包含的几何参数生成障碍物240的轮廓图形，即图2所示的第一轮廓图形241，将第一轮廓图形241作为障碍物240的虚拟模型，如此以图的形式生成虚拟模型，可以减少车载电脑220的运算量，进而提高本方案的实时性。相应的，以本车210的车身参数生成第二轮廓图形211作为本车210的第二虚拟模型。
33.本公开实施例通过利用点云的几何参数生成障碍物的第一轮廓图形作为障碍物的虚拟模型，利用本车的车身参数生成第二轮廓图形作为本车的虚拟模型，减少建立障碍物和本车的虚拟模型时的运算量，进而提高方案的实时性。
34.在建立障碍物240的第一虚拟模型和本车210的第二虚拟模型时，车载电脑220同时通过障碍物的点云确定本车相对障碍物的位姿，如此便可以通过第一虚拟模型和第二虚拟模型模拟出当前本车210和障碍物240的环境场景，以便后续预测本车210与障碍物240之间是否存在碰撞风险。
35.在一些实施方式中，确定障碍物相对本车的位姿，包括：将点云的坐标转换为车体坐标系下的坐标，确定本车相对障碍物的位姿。
36.车载电脑220通过将点云的坐标转换为车体坐标系下的坐标，可以确定障碍物的点云相对本车的位姿，通过障碍物的点云相对本车的位姿即可确定本车相对障碍物的位姿。
37.本公开实施例通过将点云的坐标转换为车体坐标系下的坐标，从而确定本车相对障碍物的位姿，以便后续预测本车的位姿轨迹。
38.s103、基于本车当前的行车数据和位姿预测本车在将来预设时间内的位姿轨迹。
39.示例性的，车载电脑220获取本车210底盘反馈的当前行车数据，包括本车210前后轮的转向角和轮速等，以及本车210当前的位姿，通过模型预测控制（mpc，model predictive control）算法预测本车210在将来预设时间内的位姿轨迹。其中，模型预测控制算法是基于车辆运动学模型建立离散线性预测模型，通过该预测模型来根据车辆当前的行车数据和位姿预测车辆的位姿轨迹。
40.在一些实施方式中，基于本车当前的行车数据和位姿预测本车在将来预设时间内的位姿轨迹，包括：基于车辆运动学模型以及本车当前的行车数据和位姿，推算本车在预设时间中每个时间帧的行车数据和位姿；按照时序组合本车在预设时间中每个时间帧的位姿，得到位姿轨迹。
41.例如，预设时间为2s，车载电脑220根据当前行车数据预测本车210将来2s内的位姿轨迹，车载电脑220可以将2s分为多个时间帧，然后根据本车210前后轮的转向角和轮速，通过车辆运动学模型建立的预测模型，预测每个时间帧中本车210的位姿以及本车210的转向角和轮速，然后按照时序组合每个时间帧中本车210的位姿，即可得到本车210在将来2s内的位姿轨迹。
42.在这种情况下，基于车辆运动学模型以及本车当前的行车数据和位姿，推算本车在预设时间中每个时间帧的位姿，包括：将本车当前的行车数据和位姿作为本车在预设时间中起始的时间帧的行车数据和位姿；在预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间帧的行车数据和位姿，得到本车在每个时间帧的位姿。
43.车载电脑220以本车210当前的行车数据和位姿作为2s内起始的时间帧中本车210的行车数据和位姿，然后根据起始的时间帧中本车210的行车数据和位姿，通过车辆运动学模型推算第二时间帧中本车210的行车数据和位姿，该第二时间帧为起始时间帧的下一时间帧。类似的，根据第二时间帧中本车210的行车数据和位姿，通过车辆运动学模型推算第三时间帧中本车210的行车数据和位姿，第三时间帧为第二时间帧的下一时间帧，以此类推。在已知起始时间帧中本车210的行车数据和位姿的情况下，根据本车在前一时间帧的行车数据和位姿，通过车辆运动学模型即可推算本车在后一时间帧的行车数据和位姿，即可得到预设时间的每个时间帧中本车210的位姿。
44.示例性的，如图2所示，以第二轮廓图形211表示本车210当前的位姿，将第二轮廓图形211当前的位姿作为2s内起始时间帧中第二轮廓图形211的位姿，根据当前的行车数据，通过车辆运动学模型推算得到下一时间帧中第二轮廓图形的位姿，由第二轮廓图形212表示，并且得到第二轮廓图形212对应的行车数据，然后根据第二轮廓图形212的位姿以及
对应的行车数据，通过车辆运动学模型推算得到下下时间帧中第二轮廓图形的位姿，由第二轮廓图形213表示，同样得到第二轮廓图形213对应的行车数据，依此类推，根据第二轮廓图形213推算得到第二轮廓图形214，根据第二轮廓图形214推算得到第二轮廓图形215，根据第二轮廓图形215推算得到第二轮廓图形216，由此第二轮廓图形211、212、213、214、215、216即组成了本车210将来2s内的位姿轨迹。
45.本公开实施例通过将本车当前的行车数据和位姿作为本车在预设时间中起始的时间帧的行车数据和位姿，然后根据本车在前一时间帧的行车数据和位姿，通过车辆运动学模型推算本车在后一时间帧的行车数据和位姿，从而得到预设时间在本车在每个时间帧的位姿，最后按照时序组合本车在预设时间中每个时间帧的位姿，得到本车在将来预设时间内的位姿轨迹，以便后续判断本车与障碍物之间是否存在碰撞风险。
46.s104、确定第二虚拟模型在经过位姿轨迹的过程中，是否与第一虚拟模型发生碰撞。
47.使用第二虚拟模型模拟本车210经过预测的位姿轨迹的过程，确定在该模拟过程中，第二虚拟模型是否与障碍物的第一虚拟模型发生碰撞。
48.在一些实施方式中，确定第二虚拟模型在经过位姿轨迹的过程中，是否与第一虚拟模型发生碰撞，包括：将第二轮廓图形按照本车在预设时间中每个时间帧的位姿放置；若第二轮廓图形与第一轮廓图形出现重叠，则确定第二虚拟模型与第一虚拟模型发生碰撞。
49.在本公开实施例中，将本车210的第二轮廓形状作为本车的第二虚拟模型，在模拟第二虚拟模型经过预测的位姿轨迹的过程中，车载电脑220将第二轮廓图形放置为预测的位姿轨迹中每个时间帧的位姿，即是将第二轮廓图形按照预设时间中每个时间帧的位姿进行放置，然后确定第二轮廓图形是否处于其中一个时间帧的位姿时，存在与第一轮廓图形发生重叠的情况，若存在第二轮廓图形与第一轮廓图形出现重叠，则确定第二虚拟模型与第一虚拟模型发生碰撞。
50.示例性的，参照图2，在将第二轮廓图形按照预设时间中每个时间帧的位姿进行放置后，得到第二轮廓图形211、212、213、214、215、216，然后确定第二轮廓图形211、212、213、214、215、216是否与第一轮廓图形241发生重叠，在图2所示场景中，第二轮廓图形216与第一轮廓图形241发生重叠，也就是说第二虚拟模型与第一虚拟模型发生了碰撞，表明本车210在将来2s内与障碍物240之间存在碰撞风险。
51.本公开实施例通过将第二轮廓图形按照本车在预设时间中每个时间帧的位姿放置，然后以第二轮廓图形与第一轮廓图形是否出现重叠，来确定第二虚拟模型与第一虚拟模型是否发生碰撞，从而减少预测车辆是否存在碰撞风险时的运算量，提高方案的实时性。
52.若是，则执行s105。
53.s105、控制本车制动以防止碰撞。
54.在确定第二虚拟模型与第一虚拟模型发生碰撞的情况下，表明本车210在将来预设时间内与障碍物240之间存在碰撞风险，车载电脑220控制本车制动以停止前进，从而防止本车210与障碍物240发生碰撞。
55.本公开实施例通过在接收激光雷达扫描障碍物得到的点云后，基于点云建立障碍物的第一虚拟模型，基于本车的车身参数建立本车的第二虚拟模型，并确定本车相对障碍物的位姿，然后以本车当前的行车数据和位姿，确定本车将来预设时间内的位姿轨迹，之后
利用第二虚拟模型经过该位姿轨迹的过程模拟本车将来预设时间内的行驶过程，当确定第二虚拟模型经过该位姿轨迹的过程中与第一虚拟模型发生碰撞时，则确定本车在将来预设时间内与障碍物存在碰撞风险，并控制本车制动以防止碰撞，从而保证了车辆在行驶过程中的安全。
56.在一些实施例中，该方法还包括：在将第二轮廓图形按照本车在预设时间中每个时间帧的位姿放置时，根据本车在该时间帧的行车数据，对按照该位姿放置的第二轮廓图形进行延伸处理；其中，本车在该时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由横向速度的方向和纵向速度的方向确定；延伸的距离由激光雷达得到点云到推算出本车在该时间帧的位姿之间的延迟时间，以及横向速度和纵向速度确定。
57.由于车辆的不同程序模块之间可能存在的通讯问题，导致车载电脑在接收到雷达传输的点云时，车辆的行驶数据以及相对障碍物的位姿已经发生较大改变，产生预测位姿轨迹与真实情况不符的危险状况，例如通讯时延、算力波动等，当对点云进行运算时可能由于域控算力波动导致延迟达到800ms，若此时，运行本方案的车载电脑的运算时间为40ms，通过底盘模块得到行驶数据的时间为40ms，中间间隔有760ms的时间车载电脑无法模拟出真正的场景，相当于得到的点云一直保持760ms以前的状态，这样的误差可能造成得到的预测结果不准确。
58.因此本公开实施例通过本车行车数据中的纵向速度和横向速度，分别在纵向速度方向和横向速度方向上，对第二轮廓图形进行对应的延伸，延伸的距离由纵向速度和横向速度以及可能的最大延迟时间确定。在本公开实施例中，可以通过底盘模块反馈的前后轮转向角及转速，分别计算出本车在车体坐标系下的纵向速度与横向速度。
59.例如，将激光雷达230扫描得到障碍物点云后传输到车载电脑220的延迟时间，以及车载电脑220到推算出本车在对应时间帧的位姿的延迟时间，双方之和作为可能的最大延迟时间，例如最大延迟时间可设置为800ms，那么在对第二轮廓图形进行延伸时，纵向速度方向上的延伸距离就等于最大延迟时间乘以纵向速度，横向速度方向上的延伸距离就等于最大延迟时间乘以横向速度。图3为本公开实施例提供的又一种应用场景的示意图，结合图2、图3，图3中所示的第二轮廓图形2161即为第二轮廓图形216延伸后的轮廓图形。由此就相当于增大了第二轮廓图形的碰撞面积，作为因延迟而导致预测状况与真实情况不符的危险状况的保障措施，进一步提高防撞方案的安全性。
60.本公开实施例通过在每个时间帧的第二轮廓图像上，按照该时间帧对应的行车数据中的纵向速度和横向速度，在纵向速度方向和横向速度方向上延伸该第二轮廓图像，纵向速度方向上的延伸距离由延迟时间和纵向速度确定，横向速度方向上的延伸距离由延迟时间和横向速度确定，由此增大第二轮廓图形的碰撞面积，作为因延迟而导致预测状况与真实情况不符的危险状况的保障措施，进一步提高防撞方案的安全性。
61.图4为本公开实施例提供的基于雷达点云的防撞装置的结构示意图。该基于雷达点云的防撞装置可以是如上实施例的终端中的部件或组件。本公开实施例提供的基于雷达点云的防撞装置可以执行基于雷达点云的防撞方法实施例提供的处理流程，如图4所示，该基于雷达点云的防撞装置300包括：接收模块301，用于接收激光雷达扫描障碍物得到的点云；处理模块302，用于基于点云和本车的车身参数建立障碍物的第一虚拟模型和本
programmable rom，eprom）、电可擦除prom（electrically erasable programmable rom，eeprom）、电可改写rom（electrically alterable rom，earom）或闪存，或者两个或及其以上这些的组合。
70.另外，本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述实施例所述的基于雷达点云的防撞方法。其中，存储介质可以是非易失性/非临时性计算机可读存储介质，例如，非易失性/非临时性计算机可读存储介质可以是rom、随机存取存储器（random access memory，ram）、光盘只读存储器（compact disc rom，cd-rom）、磁带、软盘和光数据存储设备等。
71.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。
72.以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的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公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，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。

技术特征：
1.一种基于雷达点云的防撞方法，其特征在于，包括：接收激光雷达扫描障碍物得到的点云；基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对所述障碍物的位姿；基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹；确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞；若是，则控制本车制动以防止碰撞。2.如权利要求1所述的方法，其特征在于，所述基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，包括：根据所述点云的几何参数生成所述障碍物的第一轮廓图形，将所述第一轮廓图形作为所述第一虚拟模型；根据所述车身参数生成本车的第二轮廓图形，将所述第二轮廓图形作为所述第二虚拟模型。3.如权利要求1所述的方法，其特征在于，所述确定所述障碍物相对本车的位姿，包括：将所述点云的坐标转换为车体坐标系下的坐标，确定本车相对所述障碍物的位姿。4.如权利要求2所述的方法，其特征在于，所述基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹，包括：基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的行车数据和位姿；按照时序组合本车在所述预设时间中每个时间帧的位姿，得到所述位姿轨迹。5.如权利要求4所述的方法，其特征在于，所述基于车辆运动学模型以及本车当前的行车数据和所述位姿，推算本车在所述预设时间中每个时间帧的位姿，包括：将本车当前的行车数据和所述位姿作为本车在所述预设时间中起始的时间帧的行车数据和位姿；在所述预设时间中，结合本车在前一时间帧的行车数据和位姿，使用车辆运动学模型推算本车在后一时间帧的行车数据和位姿，得到本车在每个时间帧的位姿。6.如权利要求4所述的方法，其特征在于，所述确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞，包括：将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置；若所述第二轮廓图形与所述第一轮廓图形出现重叠，则确定所述第二虚拟模型与所述第一虚拟模型发生碰撞。7.如权利要求6所述的方法，其特征在于，所述方法还包括：在将所述第二轮廓图形按照本车在所述预设时间中每个时间帧的位姿放置时，根据本车在所述时间帧的行车数据，对按照所述位姿放置的第二轮廓图形进行延伸处理；其中，本车在所述时间帧的行车数据中包括横向速度和纵向速度；延伸的方向由所述横向速度的方向和所述纵向速度的方向确定；延伸的距离由激光雷达得到所述点云到推算出本车所述时间帧的位姿之间的延迟时间，以及所述横向速度和所述纵向速度确定。8.一种基于雷达点云的防撞装置，其特征在于，包括：
接收模块，用于接收激光雷达扫描障碍物得到的点云；处理模块，用于基于所述点云和本车的车身参数建立所述障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对所述障碍物的位姿；预测模块，用于基于本车当前的行车数据和所述位姿预测本车在将来预设时间内的位姿轨迹；确定模块，用于确定所述第二虚拟模型在经过所述位姿轨迹的过程中，是否与所述第一虚拟模型发生碰撞；控制模块，用于控制本车制动以防止碰撞。9.一种电子设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。

技术总结
本公开涉及一种基于雷达点云的防撞方法、装置、设备及存储介质。该方法包括：接收激光雷达扫描障碍物得到的点云；基于点云和本车的车身参数建立障碍物的第一虚拟模型和本车的第二虚拟模型，并确定本车相对障碍物的位姿；基于本车当前的行车数据和位姿预测本车在将来预设时间内的位姿轨迹；确定第二虚拟模型在经过位姿轨迹的过程中，是否与第一虚拟模型发生碰撞；若是，则控制本车制动以防止碰撞。本公开可以防止车辆碰撞，保证车辆在行驶过程中的安全。全。全。


技术研发人员：苏振鸾 吴延俊 刘羿 何贝
受保护的技术使用者：北京斯年智驾科技有限公司
技术研发日：2023.05.15
技术公布日：2023/6/28