一种基于路侧传感器的车辆盲区协同感知系统及方法

1.本发明属于智能汽车技术领域，特别是涉及一种基于路侧传感器的车辆盲区协同感知系统及方法。


背景技术：

2.交通事故会导致伤亡和重大经济损失，而车辆盲区是造成交通事故的主要原因之一。车辆盲区严重影响着行车的安全性，其带来的危害不容忽视。无论是自动驾驶汽车还是传统车辆，都存在着由于车辆盲区而发生交通事故的风险。
3.车辆的自身结构导致车辆不可避免地存在视觉盲区。同时，车辆行驶时受到地形的影响、交叉路口建筑物的遮挡、其他交通工具的遮挡也会形成视觉盲区。
4.目前，针对车辆盲区安全的研究主要是基于单车智能的方案，但是也都有着感知范围有限、感知容易受遮挡影响等缺点。对车辆盲区进行风险评估是降低车辆盲区引发交通事故的关键，目前对于这一方面的研究并不多，部分研究基于数据驱动的模型，比如一些学者采用区域特征为辨别标准，根据区域和车速关系来估计潜在碰撞车辆的碰撞风险高低，然而这种方案缺乏对盲区自身属性的研究，大部分研究缺乏普适性，往往只关注单一场景，使用场景受限；也有一些研究是概率驱动方法，在构建的车辆盲区中，根据盲区面积大小来预测盲区存在的风险大小，而这种模型是概率驱动方法相对主观，因此对盲区中可能存在的风险并不能准确预测。
5.中国专利公开号cn115052266a，发明名称为《一种车联网环境下基于区块链的车辆盲区检测方法及应用系统》，主要提供了一种基于区块链的车辆盲区检测方法及应用系统，首先获取目标车辆基本信息和目标车辆视野盲区内其他交通参与者的基本信息，然后通过智能合约自动执行使用车联网技术将目标车辆视野盲区内其他交通参与者的基本信息发送给目标车辆。通过区块链的智能合约虽然能够很好的使双方进行信息交互，该发明没有对其他交通参与者的基本信息进行必要的时空融合，目标车辆并不能很好的直接使用这些信息进行有效的响应操作，功能单一，不能很好实现车路协同感知目的。
6.中国专利公开号cn114155713a，发明名称为《一种基于路侧群智计算的路口盲区预警控制方法与系统》，该发明通过群智计算系统采集机动车车辆信息，然后通过采集的信息对行人和车辆的轨迹进行预测，通过信号灯提醒路口行人和车辆减速。由于该发明缺乏对盲区自身属性的研究，只关注单一的路口场景，缺乏普适性，其使用场景受限。


技术实现要素：

7.本发明的目的在于克服现有技术的缺点与不足，提供一种基于路侧传感器的车辆盲区协同感知系统及方法，目的在于使用路侧传感器感知信息对车辆进行多种场景下的盲区识别划分，并实时精确评估盲区风险，并且对感知信息进行时空融合和回传补偿以达到协同感知的目的。
8.一方面，本发明提供了一种基于路侧传感器的车辆盲区协同感知系统，包括盲区
识别模块、风险评估模块和感知信息融合模块；
9.盲区识别模块包括路侧感知模块和盲区类型识别模块；路侧感知模块用于获取路侧感知数据，并根据路侧感知数据提取交通参与者信息；盲区类型识别模块基于路侧感知数据判断是否存在主车辆盲区；如果存在主车辆盲区，识别主车辆盲区的类型并获得主车辆盲区的位置和区域范围；
10.风险评估模块用于确定属于必要风险的交通参与者；如果存在主车辆盲区，基于识别的主车辆盲区的位置和区域范围，对主车辆盲区的区域范围内交通参与者的轨迹进行预测，评估主车辆在主车辆盲区的区域范围内与其他交通参与者的碰撞风险；基于碰撞风险获得属于必要风险的交通参与者；
11.感知信息融合模块包括感知信息回传补偿模块和感知融合模块；
12.感知信息回传补偿模块用于对必要风险的交通参与者信息进行时空融合获得时空融合信息；通过路侧感知模块回传时空融合信息给主车辆；
13.感知融合模块用于融合时空融合信息，补偿主车辆在主车辆盲区中未识别到的交通参与者信息。
14.可选地，路侧感知模块包括路侧传感器和边缘服务器；路侧传感器用于探测范围内的所有路侧感知数据；边缘服务器布设路侧传感器检测计算模块，用于从路侧传感器获得路侧感知数据，对交通参与者信息进行识别和计算获得交通参与者信息。
15.可选地，交通参与者信息包括交通参数者的位置、速度、航向角、类别和位置坐标等信息。
16.可选地，路侧传感器从鸟瞰视角进行全局信息的识别，获取探测范围内的路侧感知数据。
17.可选地，主车盲区的类型包括交通工具遮挡盲区和建筑物遮挡盲区。
18.另一方面，本发明提供了一种基于路侧传感器的车辆盲区协同感知方法，具体步骤如下：
19.步骤1、获取路侧感知数据，基于路侧感知数据获得交通参与者信息；
20.步骤2、从交通参与者信息的所有车辆中确定主车辆；
21.步骤3、基于路侧感应数据判断是否存在主车辆盲区；如果存在主车辆盲区，识别该主车辆盲区的类型并获得主车辆盲区的位置和主车辆盲区边界线，进而获得主车辆盲区的区域范围；
22.步骤4、判断主车辆盲区中是否有其他交通参与者；
23.如果有其他交通参与者，进入步骤5；
24.步骤5、基于识别的主车辆盲区的位置和区域范围，预测主车辆盲区的区域范围内交通参与者的运行轨迹；
25.步骤6、基于预测的主车辆盲区的区域范围内交通参与者的运行轨迹，评估主车辆在主车辆盲区的区域范围内与其他交通参与者的碰撞风险获得风险评估结果；
26.步骤7、根据风险评估结果获得必要风险交通参与者；
27.如果有必要风险交通参与者，进入步骤8；
28.步骤8、将必要风险的交通参与者信息进行时空融合获得时空融合信息；将时空融合信息回传给主车辆；
29.步骤9、主车辆融合时空融合信息。
30.可选地，主车辆盲区的类型包括交通工具遮挡盲区和建筑物遮挡盲区；基于交通参与者的航向角和位置坐标信息，获取相应遮挡盲区分界线。
31.可选地，如果主车辆盲区的类型为建筑物遮挡盲区，获取建筑物盲区边界线，具体步骤为：
32.获取预先标定建筑物角点，以主车辆中心点坐标和建筑物角点的连接线划分车辆视线区和盲区边界线，建筑物盲区边界线的表达式如下：
[0033][0034][0035]
其中，x0,y0是主车辆中心点坐标，x1,y1,x2,y2分别是距离主车辆最近的两个建筑物角点坐标。
[0036]
可选地，如果主车辆盲区的类型为交通工具遮挡盲区，获取交通工具遮挡盲区边界线，具体步骤为：
[0037]
对主车辆预设半径距离范围内的交通工具进行遮挡盲区建模划分，遮挡车辆四个矩形框端点坐标的表达式为：
[0038][0039][0040][0041][0042]
其中，x0,y0是主车辆的中心点坐标，x1,y1是遮挡车辆的中心点坐标，l,w分别是遮挡车辆长度和宽度，yaw是遮挡车辆航向角；
[0043]
以主车中心点坐标和遮挡车辆四个端点为连接线，取主车辆与四个端点夹角最大的两个连接线作为交通工具盲区边界线，表达式为：
[0044][0045][0046]
可选地，还包括步骤10、遍历交通参与者信息的所有其他车辆，选定其它车辆作为主车，重复上述步骤，直到所有车辆遍历完毕。
[0047]
本发明至少具有如下有益效果：
[0048]
(1)本发明通过车路协同技术感知扩大了自动驾驶汽车的感知范围，使汽车可以获得更加完整的环境信息，包括路面情况、车辆、行人或其他障碍物等。这使汽车能够提前对可能发生的碰撞进行检测和规避，并能够更好地规划行驶路径，从而为车辆提供更精确的感知环境信息，提高了交通效率与安全。
[0049]
(2)本发明将路侧传感器设备和边缘计算设备引入车辆盲区危险预警中，解决了自车传感器无法实时精确预测车辆盲区风险的问题，通过路侧传感器设备智能地识别交通环境中的各种静态因素和动态因素，例如建筑物、车辆和各种交通参与者，然后根据这些信息进行盲区的科学划分和风险评估，进而服务到每一辆车，实现实时的多车风险盲区信息分析以及信息回传补偿以达到协同感知的目的。
[0050]
(3)本发明不仅可以用于自动驾驶汽车，同样可以服务传统汽车，盲区预警功能可以用于提醒传统车辆来自不可视区域的危险。
[0051]
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本实发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
[0052]
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
[0053]
图1为本发明的基于路侧传感器的车辆盲区协同感知系统的示意图。
[0054]
图2为本发明的主车辆盲区的类别识别划分示意图。
[0055]
图3为本发明的车辆盲区协同感知方法流程图。
具体实施方式
[0056]
下面结合附图，来具体描述本发明的优选实施例，其中，附图构成本发明的一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
[0057]
本发明的一个具体实施例，如图1所示，公开了一种基于路侧传感器的车辆盲区协同感知系统，包括盲区识别模块、风险评估模块和感知信息融合模块；
[0058]
盲区识别模块包括路侧感知模块和盲区类型识别模块；路侧感知模块用于获取路侧感知数据，并根据路侧感知数据提取交通参与者信息；盲区类型识别模块基于路侧感知数据判断是否存在主车辆盲区；如果存在主车辆盲区，识别主车辆盲区的类型并获得主车辆盲区的位置和区域范围；如果不存在主车辆盲区，结束判断；
[0059]
风险评估模块用于确定属于必要风险的交通参与者；如果存在主车辆盲区，基于识别的主车辆盲区的位置和区域范围，对主车辆盲区的区域范围内交通参与者的轨迹进行预测，评估主车辆在主车辆盲区的区域范围内与其他交通参与者的碰撞风险；基于碰撞风险获得属于必要风险的交通参与者；如果不存在必要风险的交通参与者，结束判断；
[0060]
可以理解的是，其他交通参与者为所有交通参与者中除主车辆以外的其他交通参与者。
[0061]
感知信息融合模块包括感知信息回传补偿模块和感知融合模块；
[0062]
感知信息回传补偿模块用于对必要风险的交通参与者信息进行时空融合获得时空融合信息；通过路侧感知模块回传时空融合信息给主车辆，由此，主车辆获得可能与其发生碰撞的交通参与者信息；
[0063]
感知融合模块用于融合时空融合信息，补偿主车辆在主车辆盲区中未识别到的交通参与者信息，由此，实现交通环境数据信息的交换共享，从而为主车辆提供更精确的感知环境信息。
[0064]
可选地，路侧感知模块包括路侧传感器和边缘服务器；路侧传感器用于探测范围内的所有路侧感知数据；边缘服务器布设路侧传感器检测计算模块，用于从路侧传感器获得路侧感知数据，对交通参与者信息进行识别和计算获得交通参与者信息。其中，交通参与者信息包括交通参数者的位置、速度、航向角、类别和位置坐标等信息。
[0065]
优选地，边缘服务器布设的是点云检测计算模块；路侧传感器从鸟瞰视角进行全局信息的识别，获取探测范围内的所有路侧感知数据；交通参与者包括可视范围内的机动车、非机动车和行人等。
[0066]
可选地，盲区类型识别模块首先判断主车辆盲区是否存在以及存在的盲区类型，基于得到主车辆盲区的类型，结合路侧传感器的路侧感知数据，对不同类型的盲区建模从而划分出主车辆盲区的区域范围；其中，盲区类别包括交通工具遮挡盲区和建筑物遮挡盲区。
[0067]
可选地，风险评估模块基于路侧传感器获得的交通参与者信息，获得主车辆盲区的区域范围内每个交通参与者以及主车辆的预测轨迹，根据每个交通参与者的预测轨迹与主车辆的预测轨迹的交集大小评估主车辆行车安全的碰撞风险评估；进一步地，设置碰撞风险评估的碰撞阈值，如果碰撞风险评估高于碰撞阈值，对应的交通参与者为必要风险；
[0068]
可选地，时空融合包括坐标系转换和时间戳匹配；通过边缘服务器的通信节点对主车辆盲区中属于必要风险的交通参与者信息回传给主车辆。
[0069]
可选地，路侧传感器为雷达；
[0070]
可选地，交集大小为每个交通参与者的预测轨迹与主车辆的预测轨迹之间轨迹的交叉点数量。
[0071]
示例性地，如图2所示，是盲区类型识别模型对主车辆盲区的类型进行分类划分为两种遮挡类型：建筑物遮挡盲区如图2(a)所示和交通工具遮挡盲区如图2(b)所示，基于这两者类型分别对两种不同盲区进行建模，对遮挡盲区提取划分。
[0072]
本发明的另一个具体实施例，如图3所示，公开了一种基于路侧传感器的车辆盲区协同感知方法，使用前述车辆盲区协同感知系统，具体步骤如下：
[0073]
步骤1、获取路侧感知数据，基于路侧感知数据获得交通参与者信息；
[0074]
步骤2、从交通参与者信息的所有车辆中确定主车辆；
[0075]
步骤3、基于路侧感应数据判断是否存在主车辆盲区；如果存在主车辆盲区，识别该主车辆盲区的类型并获得主车辆盲区的位置和主车辆盲区边界线，进而获得主车辆盲区的区域范围；
[0076]
其中，主车辆盲区的类型包括交通工具遮挡盲区和建筑物遮挡盲区；基于交通参与者的航向角、位置坐标等信息，获取相应遮挡盲区分界线；
[0077]
如果主车辆盲区的类型为建筑物遮挡盲区，获取建筑物盲区边界线，参见图2(a)，获取预先标定建筑物角点，以主车辆中心点坐标和建筑物角点的连接线划分车辆视线区和盲区边界线，建筑物盲区边界线的表达式如下：
[0078][0079][0080]
其中，x0,y0是主车辆中心点坐标，x1,y1,x2,y2分别是距离主车辆最近的两个建筑物角点坐标。
[0081]
如果主车辆盲区的类型为交通工具遮挡盲区，获取交通工具遮挡盲区边界线，参见图2(b)，对主车辆预设半径距离范围内的交通工具进行遮挡盲区建模划分，遮挡车辆四个矩形框端点坐标的表达式为：
[0082][0083][0084][0085][0086]
其中，x0,y0是主车辆的中心点坐标，x1,y1是遮挡车辆的中心点坐标，l,w分别是遮挡车辆长度和宽度，yaw是遮挡车辆航向角；
[0087]
以主车中心点坐标和遮挡车辆四个端点为连接线，取主车辆与四个端点夹角最大的两个连接线作为交通工具盲区边界线，表达式为：
[0088][0089][0090]
优选地，由于近距离遮挡盲区对主车影响更大，远距离遮挡盲区可以忽略不记，因此对主车半径10米范围外的车辆以及后方车辆进行过滤，因此设其他交通工具遮挡盲区影响距离范围为10米。
[0091]
步骤4、判断主车辆盲区中是否有其他交通参与者；
[0092]
如果有其他交通参与者，进入步骤5；
[0093]
如果没有其他交通参与者，进入步骤10；
[0094]
步骤5、基于识别的主车辆盲区的位置和区域范围，预测主车辆盲区的区域范围内
交通参与者的运行轨迹；
[0095]
步骤6、基于预测的主车辆盲区的区域范围内交通参与者的运行轨迹，评估主车辆在主车辆盲区的区域范围内与其他交通参与者的碰撞风险获得风险评估结果；
[0096]
步骤7、根据风险评估结果获得必要风险交通参与者；
[0097]
如果有必要风险交通参与者，进入步骤8；
[0098]
获得主车辆盲区的区域范围内每个交通参与者以及主车辆的预测轨迹，根据每个交通参与者的预测轨迹与主车辆的预测轨迹的交集大小评估主车辆行车安全的碰撞风险评估；进一步地，设置碰撞风险评估的碰撞阈值，如果碰撞风险评估高于碰撞阈值，对应的交通参与者为必要风险，即：必要风险交通参与者；
[0099]
如果没有必要风险交通参与者，进入步骤10；
[0100]
步骤8、将必要风险的交通参与者信息进行时空融合获得时空融合信息；将时空融合信息回传给主车辆；
[0101]
步骤9、主车辆融合时空融合信息；
[0102]
步骤10、遍历交通参与者信息的所有其他车辆，选定其它车辆作为主车，重复上述步骤，直到所有车辆遍历完毕。
[0103]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

技术特征：
1.一种基于路侧传感器的车辆盲区协同感知系统，包括盲区识别模块、风险评估模块和感知信息融合模块，其特征在于，盲区识别模块包括路侧感知模块和盲区类型识别模块；路侧感知模块用于获取路侧感知数据，并根据路侧感知数据提取交通参与者信息；盲区类型识别模块基于路侧感知数据判断是否存在主车辆盲区；如果存在主车辆盲区，识别主车辆盲区的类型并获得主车辆盲区的位置和区域范围；风险评估模块用于确定属于必要风险的交通参与者；如果存在主车辆盲区，基于识别的主车辆盲区的位置和区域范围，对主车辆盲区的区域范围内交通参与者的轨迹进行预测，评估主车辆在主车辆盲区的区域范围内与其他交通参与者的碰撞风险；基于碰撞风险获得属于必要风险的交通参与者；感知信息融合模块包括感知信息回传补偿模块和感知融合模块；感知信息回传补偿模块用于对必要风险的交通参与者信息进行时空融合获得时空融合信息；通过路侧感知模块回传时空融合信息给主车辆；感知融合模块用于融合时空融合信息，补偿主车辆在主车辆盲区中未识别到的交通参与者信息。2.根据权利要求1所述的车辆盲区协同感知系统，其特征在于，路侧感知模块包括路侧传感器和边缘服务器；路侧传感器用于探测范围内的所有路侧感知数据；边缘服务器布设路侧传感器检测计算模块，用于从路侧传感器获得路侧感知数据，对交通参与者信息进行识别和计算获得交通参与者信息。3.根据权利要求2所述的车辆盲区协同感知系统，其特征在于，交通参与者信息包括交通参数者的位置、速度、航向角、类别和位置坐标等信息。4.根据权利要求2所述的车辆盲区协同感知系统，其特征在于，路侧传感器从鸟瞰视角进行全局信息的识别，获取探测范围内的路侧感知数据。5.根据权利要求2所述的车辆盲区协同感知系统，其特征在于，主车盲区的类型包括交通工具遮挡盲区和建筑物遮挡盲区。6.一种基于路侧传感器的车辆盲区协同感知方法，其特征在于，具体步骤如下：步骤1、获取路侧感知数据，基于路侧感知数据获得交通参与者信息；步骤2、从交通参与者信息的所有车辆中确定主车辆；步骤3、基于路侧感应数据判断是否存在主车辆盲区；如果存在主车辆盲区，识别该主车辆盲区的类型并获得主车辆盲区的位置和主车辆盲区边界线，进而获得主车辆盲区的区域范围；步骤4、判断主车辆盲区中是否有其他交通参与者；如果有其他交通参与者，进入步骤5；步骤5、基于识别的主车辆盲区的位置和区域范围，预测主车辆盲区的区域范围内交通参与者的运行轨迹；步骤6、基于预测的主车辆盲区的区域范围内交通参与者的运行轨迹，评估主车辆在主车辆盲区的区域范围内与其他交通参与者的碰撞风险获得风险评估结果；步骤7、根据风险评估结果获得必要风险交通参与者；如果有必要风险交通参与者，进入步骤8；
步骤8、将必要风险的交通参与者信息进行时空融合获得时空融合信息；将时空融合信息回传给主车辆；步骤9、主车辆融合时空融合信息。7.根据权利要求6所述的车辆盲区协同感知方法，其特征在于，主车辆盲区的类型包括交通工具遮挡盲区和建筑物遮挡盲区；基于交通参与者的航向角和位置坐标信息，获取相应遮挡盲区分界线。8.根据权利要求7所述的车辆盲区协同感知方法，其特征在于，如果主车辆盲区的类型为建筑物遮挡盲区，获取建筑物盲区边界线，具体步骤为：获取预先标定建筑物角点，以主车辆中心点坐标和建筑物角点的连接线划分车辆视线区和盲区边界线，建筑物盲区边界线的表达式如下：区和盲区边界线，建筑物盲区边界线的表达式如下：其中，x0,y0是主车辆中心点坐标，x1,y1,x2,y2分别是距离主车辆最近的两个建筑物角点坐标。9.根据权利要求7所述的车辆盲区协同感知方法，其特征在于，如果主车辆盲区的类型为交通工具遮挡盲区，获取交通工具遮挡盲区边界线，具体步骤为：对主车辆预设半径距离范围内的交通工具进行遮挡盲区建模划分，遮挡车辆四个矩形框端点坐标的表达式为：框端点坐标的表达式为：框端点坐标的表达式为：框端点坐标的表达式为：其中，x0,y0是主车辆的中心点坐标，x1,y1是遮挡车辆的中心点坐标，l,w分别是遮挡车辆长度和宽度，yaw是遮挡车辆航向角；以主车中心点坐标和遮挡车辆四个端点为连接线，取主车辆与四个端点夹角最大的两个连接线作为交通工具盲区边界线，表达式为：
10.根据权利要求6-7任一项所述的车辆盲区协同感知方法，其特征在于，还包括步骤10、遍历交通参与者信息的所有其他车辆，选定其它车辆作为主车，重复上述步骤，直到所有车辆遍历完毕。

技术总结
本发明公开了一种基于路侧传感器的车辆盲区协同感知系统及方法，属于智能汽车技术领域。本发明的基于路侧传感器的车辆盲区协同感知系统，包括盲区识别模块、风险评估模块和感知信息融合模块，使用路侧传感器感知信息对车辆进行多种场景下的盲区识别划分，并实时精确评估盲区风险，并且对感知信息进行时空融合和回传补偿以达到协同感知的目的。回传补偿以达到协同感知的目的。回传补偿以达到协同感知的目的。


技术研发人员：杨世春 王志腾 卢家怿 曹耀光 陈昱伊 冯鑫杰 孙玢 闫啸宇 陈飞 彭朝霞
受保护的技术使用者：北京航空航天大学
技术研发日：2023.05.05
技术公布日：2023/8/13