碰撞风险评估方法、系统及存储介质与流程

1.本发明涉及汽车领域，特别是涉及一种车辆智能驾驶或先进驾驶辅助系统中的碰撞风险评估方法。


背景技术：

2.当自车相对前方目标存在碰撞风险，且触发前向碰撞预警功能(fcw)时，如果驾驶员未对报警作出反应，并且情况的危险程度升级，则激活自动紧急制动(aeb)功能，aeb的作用是避免或减轻与危险目标碰撞。
3.现有技术中自动紧急制动功能，普遍存在以下缺陷之处：
4.1)aeb功能的碰撞风险评估方式较为单一，无法保证功能能够识别tp(被模型预测为正类的正样本)和fp(被模型预测为正类的负样本)场景。因此功能不能够覆盖尽可能多的场景，很多应该触发aeb保障驾驶员的场景由于为了防止误触发，导致功能介入较晚或者不介入，只保留fcw报警功能，减少法律责任；
5.2)主流aeb功能一般的策略为先对周围目标进行筛选，继而对最危险的目标进行风险评估，其缺点为风险评估的时候未考虑自车动作对周围其他车辆物体是否存在碰撞风险。
6.中国专利cn201810544739.7公开了一种车辆碰撞风险评估方法，包括如下步骤：s1、所述车载单元obu获取车辆自身运动轨迹；s2、各车载单元obu之间交换车辆信息及运动轨迹；s3、所述车载单元obu将接收到的车辆信息及运动轨迹与自身运动轨迹相比较，计算评估车辆碰撞风险。该评估方法利用了v2x的技术优势，实现了车辆间的通信，车载单元obu可以通过路边单元rsu向导航信息库直接发送道路轨迹请求，实现对运动轨迹的精准推算，车载单元obu也可以根据车辆自身的历史运动轨迹函数获取本车的运动轨迹，并与其他车载单元obu进行交换。其是一种采用单一碰撞风险评估方法的风险评估方案，具有上述第1)点缺陷。
7.中国专利cn202010454924.4公开了一种自动驾驶车辆碰撞风险识别方法，涉及自动驾驶技术领域。具体实现方案为：获取道路信息，以及获取第一车辆的行驶轨迹；根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型；确定交通行为类型对应的避险动作参数集合；根据避险动作参数集合，识别第一车辆的碰撞风险。由此，相较于现有技术中仅依据固定的避险动作参数集合进行碰撞风险估计，导致碰撞风险估计的准确度较低的问题，本技术中根据第一车辆的交通行为类型差异化的制定了避险动作参数集合，以用于识别第一车辆是否存在碰撞风险，从而能够更加准确识别出车辆是否存在碰撞风险，提高了车辆碰撞风险评估的准确度。其是一种基于交通行为采用单一碰撞风险评估方法的风险评估方案，具有上述第1)点缺陷。
8.中国专利cn201911105558.5公开了一种基于车辆碰撞的风险评估方法、装置和计算机设备，所述方法包括：获取车辆定位设备采集的目标车辆的目标车辆定位信息；获取环境定位设备采集对应的特定区域的区域环境信息，所述区域环境信息包括区域车辆定位集
合以及道路信息；根据所述目标车辆定位信息对所述区域车辆定位集合进行筛选，得到待替换定位信息；根据所述道路信息和所述目标车辆定位信息生成虚拟定位信息，将所述待替换定位信息替换为所述虚拟定位信息；基于替换后的区域车辆定位集合以及所述目标车辆定位信息，评估区域车辆与所述目标车辆之间的碰撞风险。本技术提供的方案可以实现提高评估车辆之间碰撞风险的准确性。其是一种基于区域评估采用单一碰撞风险评估方法的风险评估方案，具有上述第1)点缺陷。


技术实现要素：

9.在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
10.本发明要解决的技术问题是提供一种能避免误触发、未触发工况，基于多算法冗余的碰撞风险评估方法及系统。
11.为解决上述技术问题，本发明提供的碰撞风险评估方法，包括以下步骤：
12.s1，获取自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计信号；
13.s2，利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标，并计算针对该目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率；
14.s3，利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径；
15.s4，划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。
16.纵向条件满足的标准为加速度、减速度、加速度变化率、减速度变化率满足逻辑1则为纵向条件满足；
17.横向条件满足的标准为曲率、曲率变化率、横向加速度满足逻辑2则为横向条件满足。
18.其中，自车整车信号，包括:自车速度、自车横纵向加速度、执行器输入、自车横摆角速度和指定功能状态
19.感知传感器信号，包括:周围环境中车辆目标信息(横纵向加速度、横纵向速度、横摆角速度、目标朝向，目标位置、目标长宽高、类别等信息及目标id编号)及车道线或路边沿信息(车道线长度、车道线类型、车道线方程系数、车道线是否可信标志位)；
20.车辆模型参数，包括:车辆长宽、重量、前后轴及控制器安装位置的相关参数；
21.驾驶状态估计信号，包括:经自车系统处理过的驾驶员对车辆操作的等效信号。
22.可选择的，进一步改进所述碰撞风险评估方法，实施步骤s2时，第一种碰撞风险评估算法包括：
23.s2.1，通过自车行驶路径、目标置信度、目标类型和目标位置速度数据进行评估筛选，筛选剩余a个目标，a≥0；筛选目标个数a可以为0，进一步的说明：自车在空旷道路，周围无任何目标；此时无最危险目标，所需的所有避开该目标的参数均为0即可，无需避撞；
24.s2.2，通过运动学模型计算危险参数，筛选出最危险的一个目标，计算自车需要避开该目标所需要的曲率curvature、曲率变化率curvaturerate、纵向加速度acclong和加速度变化率jerklong；
25.其中，曲率计算从左侧避撞所需曲率curvatureleft及右侧避撞所需曲率curvatureright，曲率变化率计算从右侧避撞所需曲率curvaturerateleft及右侧避撞所需曲率curvaturerateright，纵向加速度包括加速避撞的纵向加速度acclongpositive及通过制动进行避撞的纵向加速度acclongnegative，纵向加速度变化率包括加速避撞的纵向加速度变化率jerklongpositive及通过制动进行避撞的纵向加速度jerklongnegative。
26.可选择的，进一步改进所述碰撞风险评估方法，实施步骤s3时，第二种碰撞风险评估算法包括：
27.利用自车位姿信息和需要评估的n个目标及m条车道线的位姿信息进行k段的转向避撞分析，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径，并对该路径取其所需最大的横向加速度，k≥0，n≥0，m≥0。进一步的说明：k、n、m可以等于0，算法也会得出需要的横向加速等参数为0，代表此时非危险工况；
28.为解决上述技术问题，本发明提供一种计算机可读存储介质，其内部存储有一计算机程序，所述计算机程序被执行时，用于实现上述任意一项所述碰撞风险评估方法中的步骤。
29.为解决上述技术问题，本发明提供一种碰撞风险评估系统，包括以下步骤：
30.输入模块，其用于接收自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计信号；
31.第一评估模块，其利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标；
32.第一计算模块，其针对第一评估模块筛选出的目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率输出至综合风险评估模块；
33.第二评估模块，其利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径；
34.综合风险评估模块，划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。
35.纵向条件满足的标准为加速度、减速度、加速度变化率、减速度变化率满足逻辑1则为纵向条件满足；
36.横向条件满足的标准为曲率、曲率变化率、横向加速度满足逻辑2则为横向条件满足。
37.可选择的，进一步改进所述碰撞风险评估系统，自车整车信号，包括:自车速度、自车横纵向加速度、执行器输入、自车横摆角速度和指定功能状态
38.感知传感器信号，包括:周围环境中车辆目标信息(横纵向加速度、横纵向速度、横摆角速度、目标朝向，目标位置、目标长宽高、类别等信息及目标id编号)及车道线或路边沿信息(车道线长度、车道线类型、车道线方程系数、车道线是否可信标志位)；
39.车辆模型参数，包括:车辆长宽、重量、前后轴及控制器安装位置的相关参数；
40.驾驶状态估计信号，包括:经自车系统处理过的驾驶员对车辆操作的等效信号。
41.可选择的，进一步改进所述碰撞风险评估系统，第一评估模块的第一种碰撞风险评估算法包括：
42.s2.1，通过自车行驶路径、目标置信度、目标类型和目标位置速度数据进行评估筛选，筛选剩余a个目标，a≥0；
43.s2.2，通过运动学模型计算危险参数，筛选出最危险的一个目标，计算自车需要避开该目标所需要的曲率curvature、曲率变化率curvaturerate、纵向加速度acclong和加速度变化率jerklong；
44.其中，曲率计算从左侧避撞所需曲率curvatureleft及右侧避撞所需曲率curvatureright，曲率变化率计算从右侧避撞所需曲率curvaturerateleft及右侧避撞所需曲率curvaturerateright，纵向加速度包括加速避撞的纵向加速度acclongpositive及通过制动进行避撞的纵向加速度acclongnegative，纵向加速度变化率包括加速避撞的纵向加速度变化率jerklongpositive及通过制动进行避撞的纵向加速度jerklongnegative。
45.可选择的，进一步改进所述碰撞风险评估系统，第二评估模块的第二种碰撞风险评估算法包括：
46.利用自车位姿信息和需要评估的n个目标及m条车道线的位姿信息进行k段的转向避撞分析，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径，并对该路径取其所需最大的横向加速度，k≥0，n≥0，m≥0。
47.本发明相对现有技术aeb功能碰撞风险评估方式，增加了额外的一套碰撞风险评估方式。通过两种碰撞风险评估算法综合考虑了制动避障和转向避障的可能，并弥补了车辆在做避障动作时未考虑除主目标车以外的旁车及不可行驶的车道线(路边缘)而造成的过晚触发功能的场景。足够准确的场景建模及算法冗余，帮助功能更好的实现其性能，减少误触发并提高正触发时机的精度。
附图说明
48.本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：
49.图1是本发明流程示意图。
50.图2是本发明系统框架图。
具体实施方式
51.以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施
例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。
52.第一实施例；
53.本发明提供一种碰撞风险评估方法，包括以下步骤：
54.s1，获取自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计信号；
55.s2，利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标，并计算针对该目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率；
56.s3，利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径；
57.s4，划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。
58.纵向条件满足的标准为加速度、减速度、加速度变化率、减速度变化率满足逻辑1则为纵向条件满足；
59.横向条件满足的标准为曲率、曲率变化率、横向加速度满足逻辑2则为横向条件满足。
60.第二实施例；
61.参考图1所示，本发明提供一种碰撞风险评估方法，包括以下步骤：
62.s1，获取自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计信号；
63.s2，利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标，并计算针对该目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率；第一种碰撞风险评估算法包括：
64.s2.1，通过自车行驶路径、目标置信度、目标类型和目标位置速度数据进行评估筛选，筛选剩余a个目标，a≥0；
65.s2.2，通过运动学模型计算危险参数，筛选出最危险的一个目标，计算自车需要避开该目标所需要的曲率curvature、曲率变化率curvaturerate、纵向加速度acclong和加速度变化率jerklong；
66.其中，曲率计算从左侧避撞所需曲率curvatureleft及右侧避撞所需曲率curvatureright，曲率变化率计算从右侧避撞所需曲率curvaturerateleft及右侧避撞所需曲率curvaturerateright，纵向加速度包括加速避撞的纵向加速度acclongpositive及通过制动进行避撞的纵向加速度acclongnegative，纵向加速度变化率包括加速避撞的纵向加速度变化率jerklongpositive及通过制动进行避撞的纵向加速度jerklongnegative；
67.s3，利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径；第二种碰撞风险评估算法包括：
68.利用自车位姿信息和需要评估的n个目标及m条车道线的位姿信息进行k段的转向避撞分析，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路
径，并对该路径取其所需最大的横向加速度，k≥0，n≥0，m≥0；
69.s4，划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。
70.纵向条件满足的标准为加速度、减速度、加速度变化率、减速度变化率满足逻辑1则为纵向条件满足；
71.横向条件满足的标准为曲率、曲率变化率、横向加速度满足逻辑2则为横向条件满足。
72.其中，自车整车信号，包括:自车速度、自车横纵向加速度、执行器输入、自车横摆角速度和指定功能状态；
73.感知传感器信号，包括:周围环境中车辆目标信息(横纵向加速度、横纵向速度、横摆角速度、目标朝向，目标位置、目标长宽高、类别等信息及目标id编号)及车道线或路边沿信息(车道线长度、车道线类型、车道线方程系数、车道线是否可信标志位)；
74.车辆模型参数，包括:车辆长宽、重量、前后轴及控制器安装位置的相关参数；
75.驾驶状态估计信号，包括:经自车系统处理过的驾驶员对车辆操作的等效信号。
76.第三实施例；
77.本发明提供一种计算机可读存储介质，其内部存储有一计算机程序，所述计算机程序被执行时，用于实现权第十实施例或第二实施例任意一项所述碰撞风险评估方法中的步骤。
78.所述计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
79.第四实施例；
80.本发明提供一种碰撞风险评估系统，包括以下步骤：
81.输入模块，其用于接收自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计信号；
82.第一评估模块，其利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标；
83.第一计算模块，其针对第一评估模块筛选出的目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率输出至综合风险评估模块；
84.第二评估模块，其利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径；
85.综合风险评估模块，划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。
86.纵向条件满足的标准为加速度、减速度、加速度变化率、减速度变化率满足逻辑1则为纵向条件满足；
87.横向条件满足的标准为曲率、曲率变化率、横向加速度满足逻辑2则为横向条件满足。
88.第五实施例；
89.参考图2所示，本发明提供一种碰撞风险评估系统，包括以下步骤：
90.输入模块，其用于接收自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计信号；
91.第一评估模块，其利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标，第一种碰撞风险评估算法包括：
92.s2.1，通过自车行驶路径、目标置信度、目标类型和目标位置速度数据进行评估筛选，筛选剩余a个目标，a≥0；
93.s2.2，通过运动学模型计算危险参数，筛选出最危险的一个目标，计算自车需要避开该目标所需要的曲率curvature、曲率变化率curvaturerate、纵向加速度acclong和加速度变化率jerklong；
94.其中，曲率计算从左侧避撞所需曲率curvatureleft及右侧避撞所需曲率curvatureright，曲率变化率计算从右侧避撞所需曲率curvaturerateleft及右侧避撞所需曲率curvaturerateright，纵向加速度包括加速避撞的纵向加速度acclongpositive及通过制动进行避撞的纵向加速度acclongnegative，纵向加速度变化率包括加速避撞的纵向加速度变化率jerklongpositive及通过制动进行避撞的纵向加速度jerklongnegative；
95.第一计算模块，其针对第一评估模块筛选出的目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率输出至综合风险评估模块；图示中，第一评估模块和第一计算模块的功能整合在一起，分别计算获得制动避撞时机和转向避撞时机1；
96.第二评估模块，其利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径，其计算转向避撞时机2，第二种碰撞风险评估算法包括：
97.利用自车位姿信息和需要评估的n个目标及m条车道线的位姿信息进行k段的转向避撞分析，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径，并对该路径取其所需最大的横向加速度，k≥0，n≥0，m≥0；
98.综合风险评估模块，划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。
99.纵向条件满足的标准为加速度、减速度、加速度变化率、减速度变化率满足逻辑1则为纵向条件满足；
100.横向条件满足的标准为曲率、曲率变化率、横向加速度满足逻辑2则为横向条件满足；
101.其中，自车整车信号，包括:自车速度、自车横纵向加速度、执行器输入、自车横摆
角速度和指定功能状态。
102.示例性的，第一评估模块的第一种碰撞风险评估算法计算出四个避开危险目标所需的纵向加速度及加速度变化率，将其与阈值进行比较，如果有一个超出阈值则满足纵向风险评估条件。逻辑1：
103.if((acclongpositive≥cacclongpositive)||(jerklongpositive≥cjerklongpositive))&&((acclongnegative≤
104.cacclongnegative)||(jerklongnegative≤cjerklongnegative))
105.flaglong＝1；
106.else
107.flaglong＝0；
108.如果条件
①
加速避撞的纵向加速度acclongpositive大于等于其对应阈值cacclongpositive或通过加速避撞的纵向加速度变化率jerklongpositive大于等于其对应阈值cjerklongpositive，且条件
②
通过制动进行避撞的纵向加速度acclongnegative小于其阈值cacclongnegative或通过制动进行避撞的纵向加速度jerklongnegative小于其阈值cjerklongnegative，则此时纵向风险评估条件标志位flaglong满足要求进行置位1，否则其置0。
109.第一计算模块计算出避开危险目标所需的左右转向曲率及曲率变化率，将其与阈值进行比较，并将第二种碰撞风险评估算法计算出的避开所有目标及不可行车道线所需要的横向加速度与阈值进行比较，这五个参数如果有一个超出阈值则满足横向风险评估条件，逻辑2：
110.if[((curvatureleft≥c
curvatureleft
)||(curvaturerateleft≥c
curvaturerateleft
))&&((curvatureright
[0111]
≤c
curvatureright
)||(curvaturerateright≤c
curvaturerateright
))]
[0112]
||(acclatmulti≤c
acclatmulti
)
[0113]
flaglat＝1；
[0114]
else
[0115]
flaglat＝0；
[0116]
如果条件
①
避开危险目标所需的左转向曲率curvatureleft大于等于其对应阈值ccurvatureleft或者避开危险目标所需的左转向曲率变化率curvaturerateleft大于等于其对应阈值ccurvaturerateleft，且条件
②
避开危险目标所需的右转向曲率curvatureright大于等于其对应阈值ccurvatureright或者避开危险目标所需的右转向曲率变化率curvaturerateright大于等于其对应阈值ccurvaturerateright，且条件
③
多目标避撞避免所需横向加速度acclatmulti小于等于其对应阈值cacclatmulti，则此时纵向风险评估条件标志位flaglat满足要求进行置位1，否则其置0。
[0117]
最终判断逻辑：
[0118]
if flaglong＝1&&flaglat＝1
[0119]
aeb＝active；
[0120]
else
[0121]
aeb＝inactive；
[0122]
如果纵向风险评估条件flaglong和横向风险评估条件flaglat均置位1，则触发前向紧急制动aeb功能。
[0123]
感知传感器信号，包括:周围环境中车辆目标信息(横纵向加速度、横纵向速度、横摆角速度、目标朝向，目标位置、目标长宽高、类别等信息及目标id编号)及车道线或路边沿信息(车道线长度、车道线类型、车道线方程系数、车道线是否可信标志位)；
[0124]
车辆模型参数，包括:车辆长宽、重量、前后轴及控制器安装位置的相关参数；
[0125]
驾驶状态估计信号，包括:经自车系统处理过的驾驶员对车辆操作的等效信号。
[0126]
除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。
[0127]
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。

技术特征：
1.一种碰撞风险评估方法，其特征在于，包括以下步骤：s1，获取自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计信号；s2，利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标，并计算针对该目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率；s3，利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径；s4，划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。纵向条件满足的标准为加速度、减速度、加速度变化率、减速度变化率满足逻辑1则为纵向条件满足；横向条件满足的标准为曲率、曲率变化率、横向加速度满足逻辑2则为横向条件满足。2.如权利要求1所述的碰撞风险评估方法，其特征在于：自车整车信号，包括:自车速度、自车横纵向加速度、执行器输入、自车横摆角速度和指定功能状态感知传感器信号，包括:周围环境中车辆目标信息及车道线或路边沿信息；车辆模型参数，包括:车辆长宽、重量、前后轴及控制器安装位置的相关参数；驾驶状态估计信号，包括:经自车系统处理过的驾驶员对车辆操作的等效信号。3.如权利要求1所述的碰撞风险评估方法，其特征在于，实施步骤s2时，第一种碰撞风险评估算法包括：s2.1，通过自车行驶路径、目标置信度、目标类型和目标位置速度数据进行评估筛选，筛选剩余a个目标，a≥0；s2.2，通过运动学模型计算危险参数，筛选出最危险的一个目标，计算自车需要避开该目标所需要的曲率curvature、曲率变化率curvaturerate、纵向加速度acclong和加速度变化率jerklong；其中，曲率计算从左侧避撞所需曲率curvatureleft及右侧避撞所需曲率curvatureright，曲率变化率计算从右侧避撞所需曲率curvaturerateleft及右侧避撞所需曲率curvaturerateright，纵向加速度包括加速避撞的纵向加速度acclongpositive及通过制动进行避撞的纵向加速度acclongnegative，纵向加速度变化率包括加速避撞的纵向加速度变化率jerklongpositive及通过制动进行避撞的纵向加速度jerklongnegative。4.如权利要求1所述的碰撞风险评估方法，其特征在于，实施步骤s3时，第二种碰撞风险评估算法包括：利用自车位姿信息和需要评估的n个目标及m条车道线的位姿信息进行k段的转向避撞分析，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径，并对该路径取其所需最大的横向加速度，k≥0，n≥0，m≥0。5.一种计算机可读存储介质，其特征在于：其内部存储有一计算机程序，所述计算机程序被执行时，用于实现权利要求1-4任意一项所述碰撞风险评估方法中的步骤。6.一种碰撞风险评估系统，其特征在于，包括以下步骤：输入模块，其用于接收自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计
信号；第一评估模块，其利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标；第一计算模块，其针对第一评估模块筛选出的目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率输出至综合风险评估模块；第二评估模块，其利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径；综合风险评估模块，划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。纵向条件满足的标准为加速度、减速度、加速度变化率、减速度变化率满足逻辑1则为纵向条件满足；横向条件满足的标准为曲率、曲率变化率、横向加速度满足逻辑2则为横向条件满足。7.如权利要求6所述的碰撞风险评估系统，其特征在于：自车整车信号，包括:自车速度、自车横纵向加速度、执行器输入、自车横摆角速度和指定功能状态感知传感器信号，包括:周围环境中车辆目标信息及车道线或路边沿信息；车辆模型参数，包括:车辆长宽、重量、前后轴及控制器安装位置的相关参数；驾驶状态估计信号，包括:经自车系统处理过的驾驶员对车辆操作的等效信号。8.如权利要求6所述的碰撞风险评估系统，其特征在于：第一评估模块的第一种碰撞风险评估算法包括：s2.1，通过自车行驶路径、目标置信度、目标类型和目标位置速度数据进行评估筛选，筛选剩余a个目标，a≥0；s2.2，通过运动学模型计算危险参数，筛选出最危险的一个目标，计算自车需要避开该目标所需要的曲率curvature、曲率变化率curvaturerate、纵向加速度acclong和加速度变化率jerklong；其中，曲率计算从左侧避撞所需曲率curvatureleft及右侧避撞所需曲率curvatureright，曲率变化率计算从右侧避撞所需曲率curvaturerateleft及右侧避撞所需曲率curvaturerateright，纵向加速度包括加速避撞的纵向加速度acclongpositive及通过制动进行避撞的纵向加速度acclongnegative，纵向加速度变化率包括加速避撞的纵向加速度变化率jerklongpositive及通过制动进行避撞的纵向加速度jerklongnegative。9.如权利要求6所述的碰撞风险评估系统，其特征在于：第二评估模块的第二种碰撞风险评估算法包括：利用自车位姿信息和需要评估的n个目标及m条车道线的位姿信息进行k段的转向避撞分析，选择出所有可能路径中最容易避开障碍物的路径，即综合横向加速度最小的路径，并对该路径取其所需最大的横向加速度，k≥0，n≥1，m≥0。

技术总结
本发明公开了一种碰撞风险评估方法，包括：获取自车整车信号、感知传感器信号、车辆模型参数和驾驶状态估计信号；利用第一种碰撞风险评估算法对当前车辆进行风险评估，筛选出最危险的一个目标，并计算针对该目标计算自车避障所需左右转向曲率、曲率加速度及自车加减速避障所需的加减速度、加减速度变化率；利用第二种碰撞风险评估算法对n个目标及m条车道线进行全局碰撞风险评估，选择出所有可能路径中最容易避开障碍物的路径；划分横向条件和纵向条件，若横向条件满足逻辑1且纵向条件满足逻辑2，则触发碰撞预警。本发明通过两种碰撞风险评估算法综合考虑了制动避障和转向避障的可能，能避免误触发、未触发工况。未触发工况。未触发工况。


技术研发人员：马晓炜 张舒琦 田贺 芦畅
受保护的技术使用者：联创汽车电子有限公司
技术研发日：2023.05.09
技术公布日：2023/8/4