风险目标选取方法、装置和车载终端与流程

本技术涉及自动驾驶，特别是涉及一种风险目标选取方法、装置和车载终端。

背景技术：

1、随着智能驾驶技术的快速发展，fcw（forward collision warning，前方碰撞预警）以及aeb（automatic emergency braking，自动紧急制动）等主动安全功能在车辆中的应用日益广泛。

2、传统技术中，通常依赖于传感器技术、数据融合技术以及机器学习或深度学习算法等，对周边行驶风险的准确预测和评估，以确保车辆在各种道路和交通条件下都能安全行驶。

3、然而，上述方式所确定的影响车辆的风险目标准确度相对较低，且运算效率不高。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高当前车辆行驶环境中的风险目标选取结果准确度和运算效率的风险目标选取方法、装置和车载终端。

2、第一方面，本技术提供了一种风险目标选取方法，包括：

3、获取当前车辆在当前行驶环境下存在碰撞风险的至少一个候选风险目标；

4、针对各候选风险目标，根据当前车辆的当前运动状态以及候选风险目标的当前运动状态，确定候选风险目标对应的到达时刻ttr；

5、根据当前车辆的当前运动状态和候选风险目标的当前运动状态，确定候选风险目标在至少一个候选干预措施下在相应ttr与当前车辆之间的相对位置关系；

6、根据至少一个候选干预措施下对应的相对位置关系，从至少一个候选干预措施中选取候选风险目标对应的目标干预措施；

7、根据各候选风险目标对应的目标干预措施，从各候选风险目标中选取最终风险目标。

8、在其中一个实施例中，根据至少一个候选干预措施下对应的相对位置关系，从至少一个候选干预措施中选取候选风险目标对应的目标干预措施，包括：根据至少一个候选干预措施下对应的相对位置关系，确定干预参考数据；其中，干预参考数据包括当前时刻或ttr时刻下候选风险目标是否处于当前车辆的行驶路径上、ttr时刻下候选风险目标是否处于当前车辆的行驶路径上、候选风险目标是否能够转向避让以及候选风险目标是否能够制动避让；根据干预参考数据，从至少一个候选干预措施中选取候选风险目标对应的目标干预措施。

9、在其中一个实施例中，至少一个候选干预措施包括无干预措施、制动干预措施、左转干预措施和右转干预措施；根据干预参考数据，从至少一个候选干预措施中选取候选风险目标对应的目标干预措施，包括：若候选风险目标在当前时刻和ttr时刻均未处于当前车辆的行驶路径上，则将无干预措施作为候选风险目标对应的目标干预措施；若候选风险目标在当前时刻或ttr时刻处于当前车辆的行驶路径上，且候选风险目标朝向当前车辆行驶，则将制动干预措施作为候选风险目标对应的目标干预措施；若候选风险目标在当前时刻或ttr时刻处于当前车辆的行驶路径上，且候选风险目标未朝向当前车辆行驶，且在候选风险目标能够转向避让，不能够制动避让，则从左转干预措施和右转干预措施中选取候选风险目标对应的目标干预措施；若候选风险目标在当前时刻或ttr时刻处于当前车辆的行驶路径上，且候选风险目标未朝向当前车辆行驶，且候选风险目标能够制动避让，不能够转向避让，则将制动干预措施作为候选风险目标对应的目标干预措施；若候选风险目标在当前时刻或ttr时刻处于当前车辆的行驶路径上，且候选风险目标未朝向当前车辆行驶，且在候选风险目标既能够制动避让，又能够转向避让，则从制动干预措施、左转干预措施和右转干预措施中选取候选风险目标对应的目标干预措施。

10、在其中一个实施例中，从左转干预措施和右转干预措施中选取候选风险目标对应的目标干预措施，包括：根据候选风险目标的当前运动状态，确定候选风险目标在转向干预措施下避免发生碰撞的需求加速度；其中，转向干预措施包括左转干预措施和右转干预措施；根据左转干预措施下的需求加速度与右转干预措施下的需求加速度之间的大小关系，从左转干预措施和右转干预措施中选取候选风险目标对应的目标干预措施。

11、在其中一个实施例中，从制动干预措施、左转干预措施和右转干预措施中选取候选风险目标对应的目标干预措施，包括：根据候选风险目标的当前运动状态，分别确定候选风险目标在制动干预措施和转向干预措施下避免发生碰撞的需求加速度；其中，转向干预措施包括左转干预措施和右转干预措施；根据各需求加速度之间的大小关系，从制动干预措施、左转干预措施和右转干预措施中选取候选风险目标对应的目标干预措施。

12、在其中一个实施例中，根据当前车辆的当前运动状态和候选风险目标的当前运动状态，确定候选风险目标在至少一个候选干预措施下在相应ttr与当前车辆之间的相对位置关系，包括：根据当前车辆的当前运动状态，确定当前车辆在ttr时刻下的第一位置；根据候选风险目标的当前运动状态，分别确定触发当前车辆的至少一种主动安全功能时候选风险目标的临界加速度，以及候选风险目标在转向干预措施下避免与当前车辆发生碰撞的临界加速度；其中，各主动安全功能对应除转向干预措施外的至少一种其他候选干预措施；根据各临界加速度和候选风险目标的当前运动状态，分别确定相应候选干预措施下候选风险目标在ttr时刻下的第二位置；根据第一位置和各候选干预措施下候选风险目标在ttr时刻下的第二位置，确定相应候选干预措施下候选风险目标与当前车辆之间的相对位置关系。

13、在其中一个实施例中，根据当前车辆的当前运动状态和候选风险目标的当前运动状态，确定候选风险目标在至少一个候选干预措施下在相应ttr与当前车辆之间的相对位置关系，包括：在候选风险目标对应的ttr有效的情况下，根据当前车辆的当前运动状态和候选风险目标的当前运动状态，确定候选风险目标在至少一个候选干预措施下在相应ttr与当前车辆之间的相对位置关系；其中，候选风险目标的ttr有效包括：候选风险目标在相应ttr内位于当前车辆的行驶路径上；候选风险目标对应的ttr小于预设ttr上限；在候选风险目标属于第一预设类别的情况下，候选风险目标与当前车辆的距离小于预设距离阈值；候选风险目标属于第二预设类别；第二预设类别包括第一预设类别。

14、在其中一个实施例中，根据当前车辆的当前运动状态以及候选风险目标的当前运动状态，确定候选风险目标对应的到达时刻ttr，包括：根据当前车辆的当前运动状态以及候选风险目标的当前运动状态，确定当前车辆或候选风险目标的相交停止情况；根据相交停止情况，确定候选风险目标对应的ttr。

15、第二方面，本技术还提供了一种风险目标选取装置，包括：

16、获取模块，用于获取当前车辆在当前行驶环境下存在碰撞风险的至少一个候选风险目标；

17、第一确定模块，用于针对各候选风险目标，根据当前车辆的当前运动状态以及候选风险目标的当前运动状态，确定候选风险目标对应的ttr；

18、第二确定模块，用于根据当前车辆的当前运动状态和候选风险目标的当前运动状态，确定候选风险目标在至少一个候选干预措施下在相应ttr与当前车辆之间的相对位置关系；

19、第一选取模块，用于根据至少一个候选干预措施下对应的相对位置关系，从至少一个候选干预措施中选取候选风险目标对应的目标干预措施；

20、第二选取模块，用于根据各候选风险目标对应的目标干预措施，从各候选风险目标中选取最终风险目标。

21、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

22、获取当前车辆在当前行驶环境下存在碰撞风险的至少一个候选风险目标；

23、针对各候选风险目标，根据当前车辆的当前运动状态以及候选风险目标的当前运动状态，确定候选风险目标对应的到达时刻ttr；

24、根据当前车辆的当前运动状态和候选风险目标的当前运动状态，确定候选风险目标在至少一个候选干预措施下在相应ttr与当前车辆之间的相对位置关系；

25、根据至少一个候选干预措施下对应的相对位置关系，从至少一个候选干预措施中选取候选风险目标对应的目标干预措施；

26、根据各候选风险目标对应的目标干预措施，从各候选风险目标中选取最终风险目标。

27、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

28、获取当前车辆在当前行驶环境下存在碰撞风险的至少一个候选风险目标；

29、针对各候选风险目标，根据当前车辆的当前运动状态以及候选风险目标的当前运动状态，确定候选风险目标对应的到达时刻ttr；

30、根据当前车辆的当前运动状态和候选风险目标的当前运动状态，确定候选风险目标在至少一个候选干预措施下在相应ttr与当前车辆之间的相对位置关系；

31、根据至少一个候选干预措施下对应的相对位置关系，从至少一个候选干预措施中选取候选风险目标对应的目标干预措施；

32、根据各候选风险目标对应的目标干预措施，从各候选风险目标中选取最终风险目标。

33、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

34、获取当前车辆在当前行驶环境下存在碰撞风险的至少一个候选风险目标；

35、针对各候选风险目标，根据当前车辆的当前运动状态以及候选风险目标的当前运动状态，确定候选风险目标对应的到达时刻ttr；

36、根据当前车辆的当前运动状态和候选风险目标的当前运动状态，确定候选风险目标在至少一个候选干预措施下在相应ttr与当前车辆之间的相对位置关系；

37、根据至少一个候选干预措施下对应的相对位置关系，从至少一个候选干预措施中选取候选风险目标对应的目标干预措施；

38、根据各候选风险目标对应的目标干预措施，从各候选风险目标中选取最终风险目标。

39、上述风险目标选取方法、装置和车载终端，通过引入当前车辆的当前运动状态，以及当前车辆在当前行驶环境下存在碰撞风险的候选风险目标的当前运动状态，确定候选风险目标对应的ttr，从而确定候选风险目标在不同候选干预措施下，在相应ttr与当前车辆之间的相对位置关系，并借助该相对位置关系，确定候选风险目标对应的目标干预措施，实现对候选风险目标运动过程的干预措施的预测，后续根据候选风险目标对应的目标干预措施，从候选更新目标中进行最终风险目标的选取。由于在最终风险目标选取过程中，充分考量了候选风险目标将要采取的目标干预措施，避免直接将全量的候选风险目标，作为最终风险目标对风险目标选取准确度的影响。另外，在进行风险目标选取过程中，无需依赖复杂的神经网络模型或机器学习模型，自然也无需进行相应模型的训练，减少了模型训练所付诸的人力成本、时间成本和算力成本，从而更易于在l2级别的adas（advanced driverassistance systems，高级驾驶辅助系统）中部署，降低了系统成本，并满足了毫秒级相应的实时性要求。