碰撞预警方法、装置、存储介质及计算机设备与流程

1.本技术涉及自动驾驶技术领域，尤其涉及一种碰撞预警方法、装置、存储介质及计算机设备。


背景技术：

2.在对自动驾驶算法进行仿真测试的过程中，通常会采用预先采集的路测数据来确定仿真场景中各个交通参与者的运动参数，使得各个交通参与者可以在仿真过程中沿着路测时的运动轨迹进行运动，以重建路测时主车周边的场景。
3.然而，仿真过程所运行的自动驾驶算法可能不同于路测时所运行的自动驾驶算法，在自动驾驶算法不同的情况下，主车在仿真过程中的运动行为会与路测时的运动行为有所区别。在此情况下，当障碍物沿着路测时的运动轨迹进行运动时，障碍物与主车之间可能会发生不真实的交互。该不真实的交互是指障碍物与主车之间发生碰撞，但是这种碰撞的发生并不是由自动驾驶算法的规划失误所导致的，而是由除自动驾驶算法以外的其他因素所带来的，且自动驾驶算法较难避免该碰撞的发生(如障碍物主动撞向主车且未给主车预留反应空间的情况)。因此，这种碰撞并不能说明仿真过程中所运行的自动驾驶算法存在问题。
4.仿真算法在识别到障碍物与主车发生碰撞时，即会输出仿真不通过的仿真结果。由此可见，该不真实的交互将会造成仿真结果的误报，增加仿真结果中的噪音。随着仿真场景库中场景规模的逐渐扩大，由不真实的交互而导致的仿真结果误报需要消耗大量的人力去查验，降低了仿真效率。


技术实现要素：

5.本技术的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中仿真效率低的技术缺陷。
6.第一方面，本技术实施例提供了一种碰撞预警方法，所述方法包括：
7.获取障碍物最大加速度、路测数据和仿真过程中采集的仿真数据；所述路测数据包括路测过程中采集的障碍物运动数据；
8.在所述当前仿真帧的当次碰撞检测过程中，确定当次碰撞检测所对应的检测时刻；所述检测时刻晚于所述当前仿真帧所对应的仿真时刻；
9.根据所述障碍物最大加速度、所述障碍物运动数据、所述当前仿真帧所对应的仿真数据和和当次碰撞检测所对应的时间调整间隔，确定障碍物在所述检测时刻下的障碍物预测位置；
10.根据所述当前仿真帧所对应的仿真数据，确定主车在所述检测时刻下的主车预测位置；
11.基于所述障碍物预测位置和所述主车预测位置，预测所述障碍物与所述主车在所述检测时刻下是否会发生碰撞；
12.若所述障碍物与所述主车在所述检测时刻下会发生碰撞，则输出所述检测时刻并进入下一仿真帧的碰撞检测过程，否则，更新所述当前仿真帧对应的碰撞检测次数；
13.若更新后的碰撞检测次数小于预设次数阈值，则进入所述当前仿真帧的下一次碰撞检测过程，否则，进入下一仿真帧的碰撞检测过程。
14.第二方面，本技术实施例提供了一种碰撞预警装置，所述装置包括：
15.数据获取模块，用于获取障碍物最大加速度、路测数据和仿真过程中采集的仿真数据；所述路测数据包括路测过程中采集的障碍物运动数据；
16.检测时刻确定模块，用于在所述当前仿真帧的当次碰撞检测过程中，确定当次碰撞检测所对应的检测时刻；所述检测时刻晚于所述当前仿真帧所对应的仿真时刻；
17.障碍物位置预测模块，用于根据所述障碍物最大加速度、所述障碍物运动数据、所述当前仿真帧所对应的仿真数据和和当次碰撞检测所对应的时间调整间隔，确定障碍物在所述检测时刻下的障碍物预测位置；
18.主车位置预测模块，用于根据所述当前仿真帧所对应的仿真数据，确定主车在所述检测时刻下的主车预测位置；
19.碰撞判断模块，用于基于所述障碍物预测位置和所述主车预测位置，预测所述障碍物与所述主车在所述检测时刻下是否会发生碰撞；
20.输出及更新模块，用于若所述障碍物与所述主车在所述检测时刻下会发生碰撞，则输出所述检测时刻并进入下一仿真帧的碰撞检测过程，否则，更新所述当前仿真帧对应的碰撞检测次数；
21.检测次数比较模块，用于若更新后的碰撞检测次数小于预设次数阈值，则进入所述当前仿真帧的下一次碰撞检测过程，否则，进入下一仿真帧的碰撞检测过程。
22.第三方面，本技术实施例提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述碰撞预警方法的步骤。
23.第四方面，本技术实施例提供了一种计算机设备，包括：一个或多个处理器，以及存储器；
24.所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行上述任一实施例所述碰撞预警方法的步骤。
25.在本技术的碰撞预警方法、装置、计算机设备及存储介质中，仿真服务器可获取障碍物最大加速度、路测过程中采集的路测数据和仿真过程中采集的仿真数据，并对仿真过程中的每一个仿真帧进行碰撞检测，以预测障碍物与主车之间是否会在将来发生碰撞。在对当前仿真帧的当次碰撞检测碰撞预测时，仿真服务器可以根据障碍物的最大加速度、路测数据中的障碍物运动数据、当前仿真帧所对应的仿真数据和当次碰撞检测所对应的时间调整间隔，计算障碍物在检测时刻下的障碍物预测位置，并根据当前仿真帧所对应的仿真数据，计算主车在检测时刻下的主车预测位置。而后，根据主车预测位置和障碍物预测位置，预测主车与障碍物是否会在检测时刻下发生碰撞。若是，则输出所述检测时刻，以便于工程师基于该检测时刻快速准确地核验碰撞情况，进而可提高仿真效率。同时，所输出的检测时刻可进行不真实交互预警，使得工程师可以在仿真服务器输出检测时刻的情况下，控制障碍物对主车进行躲避，从而可更为真实地模拟主车与障碍物的交互，进而可提高仿真
结果的准确性。
附图说明
26.为了更清楚地说明本技术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，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，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它的附图。
27.图1为一个实施例中碰撞预警方法的流程示意图；
28.图2为一个实施例中碰撞预警装置的结构示意图；
29.图3为一个实施例中计算机设备的结构框图。
具体实施方式
30.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
31.正如背景技术所言，由不真实的交互而导致的仿真结果误报需要消耗大量的人力去查验，降低了仿真效率。同时，不真实的交互还会使得部分仿真场景失效，降低了仿真场景库中的场景数量，进而降低了仿真的测试能力。为减少仿真结果的噪音，尽可能降低不真实的交互对仿真结果和仿真场景的影响，有必要提供一种能够在仿真过程中对碰撞进行预警的方案。
32.在一个实施例中，本技术提供了一种碰撞预警方法。下文实施例以该方法应用于仿真服务器为例进行说明，其中，仿真服务器为运行有仿真算法的单个服务器或服务器集群。为了在仿真的过程中控制障碍物的行为，仿真服务器中可配置有障碍物的代理算法模型，每个代理算法模型用于控制仿真场景中一障碍物的运动。为避免不真实的交互，可以为每个代理算法模型加上一定的智能逻辑，使得该代理算法模型可以在仿真时随机应变地基于主车行为进行真实的交互。对于具备智能逻辑的代理算法模型，下文实施例将其称为智能体。本文的碰撞预警方法可以由仿真服务器中的智能体来实现。
33.如图1所示，本技术的碰撞预警方法可以包括如下步骤：
34.s102，获取障碍物最大加速度、路测数据和仿真过程中采集的仿真数据；所述路测数据包括路测过程中采集的障碍物运动数据。
35.其中，障碍物最大加速度是指智能体所控制的障碍物具备的最大加速度。在其中一个实施例中，该障碍物最大加速度可以是预先确定的，也可以是根据障碍物的参数(如障碍物的车辆类型和/或障碍物的行为轨迹等)从预先确定的映射关系中确定的。
36.路测数据是指路测过程中所采集的数据，在其中一个实施例中，该路测数据可以是在路测过程中由主车的传感器所采集。路测数据中包括有障碍物运动数据，该障碍物运动数据是指能够用于在仿真时建立障碍物运动轨迹的数据，包括但不局限于路测过程中的障碍物运动轨迹、障碍物在多个时刻下的实时速度和障碍物在多个时刻下的实时加速度。
37.仿真数据是指在对自动驾驶算法进行仿真测试时所采集到的数据，例如可以包括
仿真测试时，主车于各个仿真时刻下的实时速度、实时加速度和运动方向等，以及障碍物于各个仿真时刻下的实时速度、实时加速度和运动方向等。
38.s104，在所述当前仿真帧的当次碰撞检测过程中，确定当次碰撞检测所对应的检测时刻；所述检测时刻晚于所述当前仿真帧所对应的仿真时刻。
39.针对仿真过程中的每个仿真帧，智能体会在障碍物的未来轨迹上设置一个或多个的检测时刻，并预测障碍物与主车是否会在其中一个检测时刻下发生碰撞。对于同一仿真帧，若智能体设置有多个检测时刻，则智能体可进行多次碰撞检测，并在一次碰撞检测的过程中对一个检测时刻下的碰撞进行检测。
40.在对当前仿真帧的当次碰撞检测过程中，智能体可确定当次碰撞检测所对应的检测时刻，该检测时刻晚于当前仿真帧对应的仿真时刻。也即，智能体会将一个未来时刻作为当次碰撞检测过程中的检测时刻。
41.s106，根据所述障碍物最大加速度、所述障碍物运动数据、所述当前仿真帧所对应的仿真数据和当次碰撞检测所对应的时间调整间隔，确定障碍物在所述检测时刻下的障碍物预测位置。
42.其中，当次碰撞检测所对应的时间调整间隔为当次碰撞检测所对应的检测时刻相较于起始预测时刻的时间调整量，该起始预测时刻可以依据实际情况确定。在其中一个实施例中，若当次碰撞检测为当前仿真帧的首次碰撞检测，则当次碰撞检测所对应的时间调整间隔为当次碰撞检测所对应的检测时刻相较于当前仿真帧所对应的仿真时刻的时间调整量。若当次碰撞检测非当前仿真帧的首次碰撞检测，则当次碰撞检测所对应的时间调整间隔为当次碰撞检测所对应的检测时刻相较于前次碰撞检测所对应的检测时刻的时间调整量。
43.具体而言，在确定了当次碰撞检测所对应的检测时刻后，智能体可以结合障碍物最大加速度、障碍物运动数据、当前仿真帧所对应的仿真数据和和当次碰撞检测所对应的时间调整间隔，预测障碍物在当次碰撞检测对应的检测时刻下所处的位置，该位置即为障碍物预测位置。例如，当前仿真帧所对应的仿真数据可以包括仿真过程中障碍物在当前仿真帧对应的仿真时刻下仿真实时位置，该障碍物运动数据可以包括路测过程中障碍物在当前仿真帧对应的仿真时刻下的路测实时位置，智能体可依据障碍物最大加速度、仿真实时位置和路测实时位置确定障碍物的运动方向和障碍物加速度，并根据该障碍物加速度和当次碰撞检测所对应的时间调整间隔，确定障碍物在起始预测时刻至检测时刻这一时段内的运动距离，依据该运动距离、该运动方向和仿真实时位置确定障碍物在检测时刻下障碍物预测位置。
44.s108，根据所述当前仿真帧所对应的仿真数据，确定主车在所述检测时刻下的主车预测位置。
45.智能体可以依据当前仿真帧所对应的仿真数据，预测主车在当次碰撞检测所对应的检测时刻下所处的位置，该位置即为主车预测位置。例如，仿真数据可以包括主车在当前仿真帧对应的仿真时刻下的预测规划数据，该预测规划数据可以从自动驾驶算法的规划模块和/或预测模块中提取。智能体可以基于当前仿真帧对应的预测规划数据确定检测时刻下的主车预测位置。
46.s110，基于所述障碍物预测位置和所述主车预测位置，预测所述障碍物与所述主
车在所述检测时刻下是否会发生碰撞。
47.具体而言，在分别得到障碍物和主车在当次碰撞检测过程对应的检测时刻下的预测位置后，智能体可据此判断主车及障碍物在该检测时刻下是否会发生碰撞。
48.在其中一个实施例中，智能体可根据主车轮廓、主车预测位置、障碍物轮廓和障碍物预测位置，计算在当次碰撞检测所对应的检测时刻下，主车轮廓与障碍物轮廓之间的最短距离d
t
。若该最短距离d
t
小于预设的碰撞距离阈值d
thresh
，则可确定主车及障碍物在该检测时刻下会发生碰撞。若该最短距离d
t
大于或等于该碰撞距离阈值d
thresh
，则可确定主车及障碍物在该检测时刻下不会发生碰撞。
49.s112，若所述障碍物与所述主车在所述检测时刻下会发生碰撞，则输出所述检测时刻并进入下一仿真帧的碰撞检测过程，否则，更新所述当前仿真帧对应的碰撞检测次数。
50.具体而言，若确定障碍物与主车在当次碰撞检测所对应的检测时刻下会发生碰撞，智能体可输出当次碰撞检测所对应的检测时刻以进行碰撞预警，进一步地，智能体还可输出当次碰撞检测所对应的主车预测位置相较于当前仿真帧所对应的主车实际位置的运动距离以便于工程师后续控制障碍物的运动轨迹，使得障碍物可以对主车进行躲避操作，从而可提高主车与障碍物交互的真实性，并减少仿真测试结果中的噪音，以提高仿真测试结果的有效性。
51.在确定障碍物与主车在当次碰撞检测所对应的检测时刻下会发生碰撞，且输出检测时刻后，智能体可以进入下一仿真帧的碰撞检测过程中，在此情况下，智能体可将下一仿真帧作为当前仿真帧，并执行步骤s104至s114，以对下一仿真帧进行碰撞预测和碰撞预警。
52.若确定障碍物与主车在当次碰撞检测所对应的检测时刻下不会发生碰撞，则可更新当前仿真帧对应的碰撞检测次数，该碰撞检测次数记录了智能体对当前仿真帧进行碰撞检测的总次数。
53.s114，若更新后的碰撞检测次数小于预设次数阈值，则进入所述当前仿真帧的下一次碰撞检测过程，否则，进入下一仿真帧的碰撞检测过程。
54.可以理解，该预设次数阈值的具体数值可以依据实际情况来确定，本技术对此不作具体限制。在一个示例中，该预设次数阈值可以为40。
55.若更新后的碰撞检测次数小于预设次数阈值，则智能体可进入当前仿真帧的下一次碰撞检测过程，也即，不对当前仿真帧进行更新，并执行s104至s114，以对同一仿真帧的下一检测时刻进行碰撞预测和碰撞预警。
56.若更新后的碰撞检测次数大于或等于预设次数阈值，则表明在对当前仿真帧进行的各次碰撞检测中，障碍物与主车在当前仿真帧所对应的各个检测时刻下均不会发生碰撞，则可进入下一仿真帧的碰撞检测过程，以对下一仿真帧进行一次或多次的碰撞检测。
57.本技术实施例中，仿真服务器可获取障碍物最大加速度、路测过程中采集的路测数据和仿真过程中采集的仿真数据，并对仿真过程中的每一个仿真帧进行碰撞检测，以预测障碍物与主车之间是否会在将来发生碰撞。在对当前仿真帧的当次碰撞检测碰撞预测时，仿真服务器可以根据障碍物的最大加速度、路测数据中的障碍物运动数据和当次碰撞检测所对应的时间调整间隔，计算障碍物在检测时刻下的障碍物预测位置，并根据当前仿真帧所对应的仿真数据，计算主车在检测时刻下的主车预测位置。而后，根据主车预测位置和障碍物预测位置，预测主车与障碍物是否会在检测时刻下发生碰撞。若是，则输出所述检
测时刻，以便于工程师基于该检测时刻快速准确地核验碰撞情况，进而可提高仿真效率。同时，所输出的检测时刻可进行不真实交互预警，使得工程师可以在仿真服务器输出检测时刻的情况下，控制障碍物对主车进行躲避，从而可更为真实地模拟主车与障碍物的交互，进而可提高仿真结果的准确性。
58.在一个实施例中，所述当前仿真帧对应的仿真数据包括第一目标障碍物实时速度，所述第一目标障碍物实时速度为仿真过程中所述障碍物在所述当前仿真帧对应的仿真时刻下的实时速度。
59.所述在所述当前仿真帧的当次碰撞检测过程中，确定当次碰撞检测所对应的检测时刻的步骤，包括：
60.根据所述第一目标障碍物实时速度确定当次碰撞检测所对应的时间调整间隔，所述时间调整间隔与所述第一目标障碍物实时速度成正相关；
61.若所述当前仿真帧的当次碰撞检测为所述当前仿真帧的首次碰撞检测，则将所述时间调整间隔与所述当前仿真帧对应的仿真时刻之和作为当次碰撞检测所对应的检测时刻，否则，将所述时间调整间隔与前次检测时刻之和作为当次碰撞检测所对应的检测时刻；所述前次检测时刻为所述当前仿真帧的前次碰撞检测所对应检测时刻。
62.具体而言，若第一目标障碍物实时速度较小时，则表明障碍物在当前仿真帧下为低速运行状态，在此情况下，智能体可以判断障碍物与主车在较近距离内是否发生碰撞，但是此情况对于碰撞的距离精度要求较高。若第一目标障碍物实时速度较大时，则表明障碍物在当前仿真帧下为高速运行状态，在此情况下，智能体需要判断障碍物与主车在较远距离内是否会发生碰撞，但是此情况下对于碰撞的距离精度要求较低。换言之，对于任意两轮碰撞检测(一个仿真帧对应一轮碰撞检测)，第一轮碰撞检测所对应的第一目标障碍物实时速度为第一速度，智能体需要判断主车与障碍物在第一距离内是否会发生碰撞。第二轮碰撞检测所对应的第一目标障碍物实时速度为第二速度，智能体需要判断主车与障碍物在第二距离内是否会发生碰撞。其中，若第一速度大于第二速度，则第一距离大于第二距离，且在两轮碰撞检测中，若两轮碰撞检测的碰撞检测次数相同，则在相同距离下，第一轮碰撞检测所设置的检测时刻数量可以小于第二轮碰撞检测所设置的检测时刻数量。
63.本实施例中，智能体可依据仿真过程中，障碍物在当前仿真帧下的实时速度(即第一目标障碍物实时速度)来确定当次碰撞检测所对应的时间调整间隔，第一目标障碍物实时速度越大，则当次碰撞检测所对应的时间调整间隔越大。在确定了当次碰撞检测所对应的时间调整间隔后，智能体可依据该时间调整间隔确定当次碰撞检测所对应的检测时刻。若当前仿真帧的当次碰撞检测是当前仿真帧的首次碰撞检测，则智能体可以计算该时间调整间隔与当前仿真帧对应的仿真时刻之和，并将计算所得的和值作为当次碰撞检测所对应的检测时刻。若当前仿真帧的当次碰撞检测非当前仿真帧的首次碰撞检测，则智能体可以计算该时间调整间隔与前次检测时刻之和，并将计算所得的和值作为当次碰撞检测所对应的检测时刻。
64.如此，可根据障碍物在仿真时的实时速度动态确定不同密度的检测时刻，以满足高低速运行状态的碰撞检测需求。
65.在一个实施例中，所述根据所述第一目标障碍物实时速度确定当次碰撞检测所对应的时间调整间隔的步骤，包括：
66.按照下式确定所述时间调整间隔：
[0067][0068]
式中，δt为当次碰撞检测所对应的时间调整间隔，v
obs
为所述第一目标障碍物实时速度，d
max
为所述障碍物的最大减速度，d
comf
为预设的所述障碍物的舒适减速度，n为在当次碰撞检测过程中更新前的碰撞检测次数，n为所述预设次数阈值。
[0069]
具体而言，如上实施例所述，若第一目标障碍物实时速度较小时，则智能体可以判断障碍物与主车在较近距离内是否发生碰撞。该较近距离d
scan
可以为：
[0070][0071]
式中，v
obs
为所述第一目标障碍物实时速度，也即仿真过程中障碍物在当前仿真帧所对应仿真时刻下的实时速度。d
max
为所述障碍物的最大减速度，也即障碍物在进行减速时所能采取的最快速度变化量，d
max
可以为障碍物最大加速度的负数。n为所述预设次数阈值。
[0072]
若第一目标障碍物实时速度较大时，则智能体需要判断障碍物与主车在较远距离内是否会发生碰撞。该较远距离d
long
可以为：
[0073][0074]
式中，d
comf
为预设的舒适减速度，也即，若障碍物以d
comf
进行减速时，障碍物所搭乘的人员可感觉较为舒适。d
comf
的具体数值可以依照实际情况来预先设置。
[0075]
对于每一个当前仿真帧，可按照下式确定其当次碰撞检测所对应的时间调整间隔δt：
[0076][0077]
在代入d
scan
和d
long
的表达式后，可以得到：
[0078][0079]
若按照上式确定当次碰撞检测所对应的时间调整间隔，则可以根据障碍物在仿真过程中的实时速度动态选择不同密度的检测时刻，以满足高低速运行状态的碰撞检测需求。同时，针对同一仿真帧的多次碰撞检测中，可以将前次的碰撞检测时刻设置得较为密
集，并将后次的碰撞检测时刻设置得较为疏离，实现检测距离与检测精度的兼顾。
[0080]
在一个实施例中，所述当前仿真帧对应的仿真数据还包括目标障碍物实时位置，所述目标障碍物实时位置为仿真过程中所述障碍物在所述当前仿真帧对应的仿真时刻下的实时位置。所述障碍物运动数据包括第二目标障碍物实时速度，所述第二目标障碍物实时速度为路测过程中所述障碍物在所述当前仿真帧对应的仿真时刻下的实时速度。
[0081]
所述根据所述障碍物最大加速度、所述障碍物运动数据、所述当前仿真帧所对应的仿真数据和当次碰撞检测所对应的时间调整间隔，确定障碍物在所述检测时刻下的障碍物预测位置的步骤，包括：
[0082]
计算所述第一目标障碍物实时速度与所述第二目标障碍物实时速度的第一比值，并根据所述第一比值与所述障碍物最大加速度确定所述当前仿真帧所对应的障碍物预测加速度；
[0083]
根据所述第一目标障碍物实时速度、所述目标障碍物实时位置、当次碰撞检测所对应的时间调整间隔和所述当前仿真帧所对应的障碍物预测加速度，确定所述障碍物在所述检测时刻下的障碍物预测位置。
[0084]
具体而言，在无主车阻挡的情况下，智能体会将障碍物以障碍物最大加速度加速至第二目标障碍物实时速度作为加速过程，并据此确定当前仿真帧所对应的障碍物预测加速度，而后基于该障碍物预测加速度确定障碍物在当次碰撞检测所对应的检测时刻下障碍物预测位置。
[0085]
在该加速过程中，当前仿真帧所对应的障碍物预测加速度可以为：
[0086][0087]
式中，为当前仿真帧所对应的障碍物预测加速度，v
obs
为第一目标障碍物实时速度，v
tar
为第二目标障碍物实时速度，a
obs-max
为障碍物最大加速度。
[0088]
在得到预测加速度后，智能体可以基于加速度距离公式计算障碍物在当次碰撞检测所对应的时间调整间隔内的相对运动距离，并基于该相对运动距离及目标障碍物实时位置，得到障碍物在当次碰撞检测所对应的检测时刻下的障碍物预测位置。其中，加速度距离计算公式为：
[0089][0090]
式中，s
obs(t+δt)
为障碍物在当次碰撞检测所对应的时间调整间隔内的相对运动距离，该时间调整间隔为当次碰撞检测所对应的检测时刻相较于起始预测时刻的时间调整量。v
obs(0)
为起始预测时刻下的障碍物速度。δt为当次碰撞检测所对应的时间调整间隔，为当前仿真帧所对应的障碍物预测加速度。
[0091]
在其中一个实施例中，若当次碰撞检测为当前仿真帧的首次碰撞检测，则该起始预测时刻为当前仿真帧所对应的仿真时刻。若当次碰撞检测非当前仿真帧的首次碰撞检测，则该起始预测时刻为前次碰撞检测所对应的检测时刻，在此情况下，可依照下式确定在当前仿真帧的下次碰撞检测过程中所使用的的起始预测时刻下的障碍物速度v
obs(t+δ)
：
[0092][0093]
换言之，若进行当前仿真帧的第m次碰撞检测，则在第m次碰撞检测中，可以将第(m-1)次碰撞检测所对应的v
obs(0)
代入至上式，计算所得结果为第m次碰撞检测所对应的v
obs(0)
。其中，m为大于或等于2的正整数。
[0094]
本技术中，可依据第一目标障碍物实时速度、所述第二目标障碍物实时速度和障碍物最大加速度确定当前仿真帧所对应的障碍物预测加速度，如此，可基于该障碍物预测加速度准确确定障碍物预测位置，以提高碰撞预警结果的准确性。
[0095]
在一个实施例中，所述主车预测位置包括主车无避让预测位置和主车避让预测位置。其中，主车无避让预测位置是指主车不进行减速避让情况下，于当次碰撞检测所对应的检测时刻下的预测位置。考虑到主车对碰撞具有一定的躲避能力，为模拟主车与障碍物两车之间的路权争夺博弈，智能体可假设主车按照一定的减速度进行减速，以避让本次碰撞。该主车避让预测位置即为主车进行减速避让情况下，于当次碰撞检测所对应的检测时刻下的预测位置。
[0096]
所述根据所述当前仿真帧所对应的仿真数据，确定主车在所述检测时刻下的主车预测位置的步骤，包括：
[0097]
将所述当前仿真帧所对应的仿真时刻作为加速度计算时段的结束时刻，以得到所述加速度计算时段；
[0098]
从所述仿真数据中分别提取目标主车实时位置以及在所述加速度计算时段内采集的主车实际加速度，并根据所述加速度计算时段内采集的主车实际加速度确定所述当前仿真帧所对应的第一主车预测加速度；其中，所述目标主车实时位置为仿真过程中，所述主车在所述当前仿真帧对应的仿真时刻下的实时位置；
[0099]
根据所述目标主车实时位置、所述当前仿真帧所对应的第一主车预测加速度和当次碰撞检测所对应的时间调整间隔，计算所述检测时刻下的主车无避让预测位置；
[0100]
将所述当前仿真帧所对应的第一主车预测加速度和预设的避让减速度之差作为所述当前仿真帧所对应的第二主车预测加速度；
[0101]
根据所述目标主车实时位置、所述当前仿真帧所对应的第二主车预测加速度和当次碰撞检测所对应的时间调整间隔，确定所述检测时刻下的主车避让预测位置。
[0102]
所述基于所述障碍物预测位置和所述主车预测位置，预测所述障碍物与所述主车在所述检测时刻下是否会发生碰撞的步骤，包括：
[0103]
基于所述障碍物预测位置和所述主车无避让预测位置，判断所述障碍物与所述主车在所述主车无避让的情况下是否会发生碰撞；
[0104]
基于所述障碍物预测位置和所述主车避让预测位置，判断所述障碍物与所述主车在所述主车做出避让的情况下是否会发生碰撞；
[0105]
若在所述主车无避让及做出避让的情况下，所述障碍物与所述主车均会发生碰撞，则确定所述障碍物与所述主车在所述检测时刻下会发生碰撞。
[0106]
具体而言，仿真数据中可记录有在仿真过程中，于过去一段时间内采集的主车实际加速度。智能体可以将当前仿真帧所对应的仿真时刻作为加速度计算时段的结束时刻，并从仿真数据中提取在加速度计算时段内采集的全部主车实际加速度，据此计算当前仿真帧所对应的第一主车预测加速度。该第一主车预测加速度可以反映主车正常行使无避让情
况下的加速度。可以理解，该加速度计算时段的开始时刻可以依照实际情况确定，例如依照预设的加速度计算时段的时长来确定，本技术对此不作具体限制。
[0107]
仿真数据中还包括主车在当前仿真帧对应的仿真时刻下的实时位置，即目标主车实时位置，智能体可以从仿真数据中提取该目标主车实时位置。而后，智能体可以基于根据目标主车实时位置、当前仿真帧所对应的第一主车预测加速度和当次碰撞检测所对应的时间调整间隔，计算检测时刻下的主车无避让预测位置。在得到主车无避让预测位置后，智能体可以预测在主车正常行驶没有做出避让的情况下，障碍物与主车是否会在检测时刻下发生碰撞。
[0108]
在得到第一主车预测加速度后，为模拟两车之间争夺路权的博弈，智能体可以假设主车以预设的避让减速度避让本次碰撞，因此，智能体可以计算当前仿真帧所对应的第一主车预测加速度和预设的避让减速度之间的差值，以得到当前仿真帧所对应的第二主车预测加速度。该第二主车预测加速度可以反映主车做出避让情况下的加速度。
[0109]
而后，智能体可以根据目标主车实时位置、当前仿真帧所对应的第二主车预测加速度和当次碰撞检测所对应的时间调整间隔，计算检测时刻下的主车避让预测位置。
[0110]
需要说明的是，智能体可采用加速度距离计算公式计算主车在当次碰撞检测所对应的时间调整间隔内的相对运动距离，并根据该相对运动距离与目标主车实时位置确定主车预测位置。智能体根据目标主车实时位置、主车加速度和当次碰撞检测所对应的时间调整间隔计算主车预测位置的具体实现方式可参照上述确定障碍物预测位置的过程，此处不再赘述。进一步地，若起始预测时刻下的主车速度降为0，则可采用下式计算主车的相对运动距离：
[0111][0112]
其中，s
c(t+δt)
为主车在当次碰撞检测所对应的时间调整间隔内的运动距离，该时间调整间隔为当次碰撞检测所对应的检测时刻相较于起始预测时刻的时间调整量。v
c(0)
为起始预测时刻下的主车速度。δt为当次碰撞检测所对应的时间调整间隔，a
decel
为当前仿真帧所对应的第二主车预测加速度。
[0113]
在得到主车避让预测位置后，智能体可以预测在主车做出避让的情况下，障碍物与主车是否会在检测时刻下发生碰撞。若在主车做出避让的情况下仍发生碰撞，则表明主车在此次碰撞中并未有足够的反应空间，此次碰撞有可能为不真实的交互，故可输出对应的检测时刻。
[0114]
本实施例中，通过结合主车避让预测位置和主车无避让预测位置进行碰撞检测，从而可模拟两车争夺路权的博弈模型，并据此进行碰撞检测，进而可提高碰撞预警结果的准确性。
[0115]
在一个实施例中，所述路测数据还可包括地图数据和主车最大加速度。其中，地图数据可以包括主车在路测过程中的周边地图数据，其可包括行驶道路的最高限速，该最高限速是指在对应的行驶道路上运动时道路规定所允许的最大运动速度。主车最大加速度是指主车所具备的最大加速度。
[0116]
所述根据所述加速度计算时段内采集的主车实际加速度确定所述当前仿真帧所对应的第一主车预测加速度的步骤，包括：
[0117]
对所述加速度计算时段内采集的各个主车实际加速度进行加权平均，以得到所述当前仿真帧所对应的平均加速度；
[0118]
从所述地图数据中获取当前行驶道路的最高限速，以及从所述仿真数据中获取目标主车实时速度，所述目标主车实时速度为在仿真过程中，所述主车在所述当前仿真帧对应的仿真时刻下的实时速度；
[0119]
计算所述目标主车实时速度与所述最高限速之间的第二比值，并将所述第二比值与所述主车最大加速度之间的乘积作为所述当前仿真帧所对应的最大加速度；
[0120]
若所述当前仿真帧所对应的平均加速度大于零，则将所述当前仿真帧所对应的平均加速度与所述当前仿真帧所对应的最大加速度中的较小值作为所述当前仿真帧所对应的第一主车预测加速度。
[0121]
具体而言，在确定第一主车预测加速度时，智能体可以对加速度计算时段内采集的各个主车实际加速度进行加权平均，以得到当前仿真帧所对应的平均加速度，该平均加速度可以反映主车在仿真过程中加速度变化趋势。可以理解，本技术可以采用任意的加权平均方法来计算平均加速度，本技术对此不作具体限制。在其中一个实施例中，若在加速度计算时段内采集到m个主车实际加速度，各个加速度值与其采集时间分别为：(t0，a0)，(t1，a1)，(t2，a2)，...，(t
m-1
，a
m-1
)，则可通过下述公式计算当前仿真帧所对应的平均加速度：
[0122][0123]
式中，t0为加速度计算时段的开始时刻，tm为加速度计算时段的结束时刻，为当前仿真帧所对应的平均加速度。
[0124]
智能体可以从地图数据中获取主车当前行驶道路的最高限速，该最高限速用于指示主车当前所能行驶的最高速度。智能体还可从当前仿真帧所对应的仿真数据中获取主车在当前仿真帧下的实时速度，并将所获取的实时速度作为目标主车实时速度。在得到当前行驶道路的最高限速和目标主车实时速度后，智能体可以按照下式计算当前仿真帧所对应的最大加速度：
[0125][0126]
式中，a
c-max
为当前仿真帧所对应的最大加速度，vc为目标主车实时速度，v
lim
为当前行驶道路的最高限速，a
c-max
为主车最大加速度。
[0127]
若则表明智能体会以主车加速作为预测时的主车行驶状态，为使主车的加速过程更为贴合主车在实际过程中的运行情况，智能体可以计算当前仿真帧对应的最大加速度，并以该最大加速度作为加速度上限，按照下式确定第一主车预测加速度：
[0128][0129]
式中，为当前仿真帧所对应的第一主车预测加速度。
[0130]
本实施例中，在预测主车在未来时刻会进行加速运动时，根据当前行驶道路的最高限速计算当前仿真帧所对应的最大加速度，并以该最大加速度作为上限，以确定当前仿真帧对应的第一主车预测加速度，以便于后续基于第一主车预测加速度确定主车预测位
置。如此，可提高预测的准确性，进而提高碰撞检测和碰撞预警的准确性。
[0131]
在一个实施例中，碰撞预警方法还可包括如下步骤：
[0132]
获取所述主车的轮廓和所述障碍物的朝向角，并根据所述障碍物的朝向角确定所述障碍物的车头轮廓点集合；
[0133]
若所述障碍物与所述主车在所述检测时刻下会发生碰撞，则对于所述车头轮廓点集合中的每个车头轮廓点，以该车头轮廓点作为射线起点，以所述障碍物的朝向角作为射线与地面坐标系横轴之间的夹角，构建预设长度的射线，并根据所述主车预测位置和所述主车的轮廓，判断所述射线是否会与所述主车的轮廓相交；
[0134]
若存在至少一个所述车头轮廓点所对应的射线与所述主车的轮廓相交，则确定在所述检测时刻下会发生的碰撞为障碍物主动碰撞，否则，则确定在所述检测时刻下会发生的碰撞非障碍物主动碰撞。
[0135]
具体而言，智能体可以获取主车的轮廓和障碍物的朝向角，该主车的轮廓可以从仿真数据中提取，该障碍物的朝向角可以从路测数据中提取。在得到障碍物的朝向角后，智能体可以基于该障碍物的朝向角确定障碍物的车头轮廓点集合，该车头轮廓点集合包括多个车头轮廓点，每个车头轮廓点为位于障碍物车头处的轮廓点。
[0136]
若判断障碍物与主车会在当次碰撞检测所对应的检测时刻下发生碰撞，则智能体可以依据判断碰撞发生时的障碍物姿态，判断该碰撞是否为障碍物主动撞向主车而引发的碰撞。若碰撞发生在障碍物的车头正前方，则可确定本次碰撞是由障碍物主动撞向主车，即本次碰撞为障碍物主动碰撞。
[0137]
具体地，针对车头轮廓点集合中的每个车头轮廓点，智能体可以以该车头轮廓点作为起点，基于障碍物的朝向角构建该车头轮廓点所对应的射线，使得构建所得的射线与地面坐标系横轴之间的夹角为障碍物的朝向角。也即，该车头轮廓点所对应的射线可以为：
[0138][0139]
式中，rj为车头轮廓点集合中，第j个车头轮廓点所对应的射线；为第j个车头轮廓点所对应的横坐标，为第j个车头轮廓点所对应的纵坐标，l为预设长度，θ为障碍物的朝向角。在其中一个实施例中，预设长度可以为5米。
[0140]
在得到该车头轮廓点所对应的射线后，智能体可以根据主车预测位置和主车的轮廓，确定检测时刻下主车轮廓所处的位置。智能体可基于几何算法计算该车头轮廓点所对应的射线是否会与位于主车预测位置的主车轮廓相交，若相交，则可确定障碍物是主动撞向主车的，也即本次碰撞为障碍物的主动碰撞。
[0141]
也即，若存在至少一个车头轮廓点所对应的射线与主车的轮廓相交，则可确定在检测时刻下会发生的碰撞为障碍物主动碰撞。若各个车头轮廓点所对应的射线与主车的轮廓均不相交，则可确定在检测时刻下会发生的碰撞非障碍物主动碰撞。
[0142]
如此，可判断检测时刻下会发生是否是为障碍物主动碰撞，该判断结果可用于排除仿真过程中的不真实交互，以提高仿真结果的准确性。
[0143]
在一个实施例中，所述根据所述障碍物的朝向角，确定所述障碍物的车头轮廓点集合的步骤，包括：
[0144]
获取所述障碍物的车体轮廓点集合和障碍物中心点的坐标值；
[0145]
对于所述车体轮廓点集合中的每个车体轮廓点，根据该车体轮廓点的坐标值、所述障碍物中心点的坐标值和所述障碍物的朝向角，计算朝向直线与轮廓直线之间的夹角余弦值，若所述夹角余弦值大于零，则将该车体轮廓点作为车头轮廓点添加至所述车头轮廓点集合中，其中，所述朝向直线为穿过所述障碍物中心点的直线，且所述朝向直线与所述地面坐标系横轴之间的夹角为所述障碍物的朝向角，所述轮廓直线为该车体轮廓点与所述障碍物中心点所构成的直线；
[0146]
对于所述车头轮廓点集合中每两个坐标相邻的车头轮廓点，若该两个坐标相邻的车头轮廓点之间的欧氏距离大于预设距离阈值，则基于所述欧氏距离和所述预设距离阈值确定填充点个数，并根据所述填充点个数和该两个坐标相邻的车头轮廓点的坐标值分别确定各个填充点的坐标，以使每两个坐标相邻的填充点之间的欧氏距离小于或等于所述预设距离阈值，将各个填充点作为车头轮廓点添加至所述车头轮廓点集合中。
[0147]
具体而言，智能体可以根据障碍物的车体轮廓点和障碍物中心点自动获取障碍物的各个车头轮廓点，以得到车头轮廓点集合。其中，车体轮廓点集合包括障碍物轮廓的k个车体轮廓点，也即，车体轮廓点集合p[n]＝[p0，p1，...，p
k-1
](k≥3)，障碍物中心点的坐标值为c(xc，yc)，障碍物的朝向角为θ。
[0148]
对于车体轮廓点集合中的每一个车体轮廓点，该车体轮廓点的坐标为智能体可以计算由障碍物中心点和该车体轮廓点所构成的直线(即轮廓直线)与障碍物中心点的朝向(即朝向直线)之间的夹角余弦值cos(c，pz)，该余弦值为其中，θ为障碍物的朝向角。若cos(c，pz)＞0，则将作为车头轮廓点添加至所述车头轮廓点集合中。
[0149]
从车体轮廓点集合中确定车头轮廓点后，考虑到坐标相邻的两个车头轮廓点之间可能间隔较大，为准确判断障碍物与主车之间会发生的碰撞是否为主动碰撞，智能体可以在坐标相邻的两个车头轮廓点之间填充中间点，填充后，每两个坐标相邻的车头轮廓点之间的欧氏距离小于预设距离阈值。可以理解，该预设距离阈值可以依据经验来确定，本技术对此不作具体限制，在一个示例中，该预设距离阈值可以为0.5米。
[0150]
具体地，针对车头轮廓点集合中每两个坐标相邻的车头轮廓点，智能体可以计算该两个坐标相邻的车头轮廓点之间的欧氏距离。若该欧氏距离大于预设距离阈值，则可确定该两个坐标相邻的车头轮廓点间所需填充的中间点总数(也即填充点个数)。在其中一个实施例中，以预设距离阈值为0.5米为例，该填充点个数o为也即，填充点个数等于该欧氏距离与预设距离阈值之比。在确定填充点个数后，智能体可以根据所述填充点个数和该两个坐标相邻的车头轮廓点的坐标值分别确定各个填充点的坐标。在其中一个实施例中，本次填充中，按照横坐标进行排序，第r个中间点的坐标为
[0151]
在确定本次填充各个填充点的坐标后，可以将各个填充点作为车头轮廓点添加至所述车头轮廓点集合中。
[0152]
如此，可确保车头轮廓点集合中每两个坐标相邻的车头轮廓点之间的欧氏距离均小于预设距离阈值，以准确判断障碍物与主车之间会发生的碰撞是否为主动碰撞。
[0153]
下面对本技术实施例提供的碰撞预警装置进行描述，下文描述的碰撞预警装置与上文描述的碰撞预警方法可相互对应参照。
[0154]
在一个实施例中，本身请提供了一种碰撞预警装置200。如图2所示，该装置200包括数据获取模块210、检测时刻确定模块220、障碍物位置预测模块230、主车位置预测模块240、碰撞判断模块250、输出及更新模块260和检测次数比较模块270。其中：
[0155]
数据获取模块210，用于获取障碍物最大加速度、路测数据和仿真过程中采集的仿真数据；所述路测数据包括路测过程中采集的障碍物运动数据；
[0156]
检测时刻确定模块220，用于在所述当前仿真帧的当次碰撞检测过程中，确定当次碰撞检测所对应的检测时刻；所述检测时刻晚于所述当前仿真帧所对应的仿真时刻；
[0157]
障碍物位置预测模块230，用于根据所述障碍物最大加速度、所述障碍物运动数据、所述当前仿真帧所对应的仿真数据和当次碰撞检测所对应的时间调整间隔，确定障碍物在所述检测时刻下的障碍物预测位置；
[0158]
主车位置预测模块240，用于根据所述当前仿真帧所对应的仿真数据，确定主车在所述检测时刻下的主车预测位置；
[0159]
碰撞判断模块250，用于基于所述障碍物预测位置和所述主车预测位置，预测所述障碍物与所述主车在所述检测时刻下是否会发生碰撞；
[0160]
输出及更新模块260，用于若所述障碍物与所述主车在所述检测时刻下会发生碰撞，则输出所述检测时刻并进入下一仿真帧的碰撞检测过程，否则，更新所述当前仿真帧对应的碰撞检测次数；
[0161]
检测次数比较模块270，用于若更新后的碰撞检测次数小于预设次数阈值，则进入所述当前仿真帧的下一次碰撞检测过程，否则，进入下一仿真帧的碰撞检测过程。
[0162]
在一个实施例中，所述当前仿真帧对应的仿真数据包括第一目标障碍物实时速度，所述第一目标障碍物实时速度为仿真过程中所述障碍物在所述当前仿真帧对应的仿真时刻下的实时速度。
[0163]
所述检测时刻确定模块220包括调整间隔确定单元和时刻计算单元。其中，调整间隔确定单元用于根据所述第一目标障碍物实时速度确定当次碰撞检测所对应的时间调整间隔，所述时间调整间隔与所述第一目标障碍物实时速度成正相关。时刻计算单元用于若所述当前仿真帧的当次碰撞检测为所述当前仿真帧的首次碰撞检测，则将所述时间调整间隔与所述当前仿真帧对应的仿真时刻之和作为当次碰撞检测所对应的检测时刻，否则，将所述时间调整间隔与前次检测时刻之和作为当次碰撞检测所对应的检测时刻；所述前次检测时刻为所述当前仿真帧的前次碰撞检测所对应检测时刻。
[0164]
在一个实施例中，时间间隔确定单元用于按照下式确定所述时间调整间隔：
[0165][0166]
式中，δt为当次碰撞检测所对应的时间调整间隔，v
obs
为所述第一目标障碍物实时速度，d
max
为所述障碍物的最大减速度，d
comf
为预设的所述障碍物的舒适减速度，n为在当
次碰撞检测过程中更新前的碰撞检测次数，n为所述预设次数阈值。
[0167]
在一个实施例中，所述当前仿真帧对应的仿真数据还包括目标障碍物实时位置，所述目标障碍物实时位置为仿真过程中所述障碍物在所述当前仿真帧对应的仿真时刻下的实时位置；所述障碍物运动数据包括第二目标障碍物实时速度和目标障碍物实时位置，所述第二目标障碍物实时速度为路测过程中所述障碍物在所述当前仿真帧对应的仿真时刻下的实时速度。
[0168]
障碍物位置预测模块230包括障碍物加速度计算单元和障碍物位置确定单元。障碍物加速度计算单元用于计算所述第一目标障碍物实时速度与所述第二目标障碍物实时速度的第一比值，并根据所述第一比值与所述障碍物最大加速度确定所述当前仿真帧所对应的障碍物预测加速度。障碍物位置确定单元用于根据所述第一目标障碍物实时速度、所述目标障碍物实时位置、当次碰撞检测所对应的时间调整间隔和所述当前仿真帧所对应的障碍物预测加速度，确定所述障碍物在所述检测时刻下的障碍物预测位置。
[0169]
在一个实施例中，所述主车预测位置包括主车无避让预测位置和主车避让预测位置。
[0170]
主车位置预测模块240包括时段确定单元、第一主车加速度确定单元、第一主车位置确定单元、第二主车加速度确定单元和第二主车位置确定单元。其中，
[0171]
时段确定单元用于将所述当前仿真帧所对应的仿真时刻作为加速度计算时段的结束时刻，以得到所述加速度计算时段。
[0172]
第一主车加速度确定单元用于从所述仿真数据中分别提取目标主车实时位置以及在所述加速度计算时段内采集的主车实际加速度，并根据所述加速度计算时段内采集的主车实际加速度确定所述当前仿真帧所对应的第一主车预测加速度；其中，所述目标主车实时位置为仿真过程中，所述主车在所述当前仿真帧对应的仿真时刻下的实时位置。第一主车位置确定单元用于根据所述目标主车实时位置、所述当前仿真帧所对应的第一主车预测加速度和当次碰撞检测所对应的时间调整间隔，计算所述检测时刻下的主车无避让预测位置。第二主车加速度确定单元用于将所述当前仿真帧所对应的第一主车预测加速度和预设的避让减速度之差作为所述当前仿真帧所对应的第二主车预测加速度。第二主车位置确定单元用于根据所述目标主车实时位置、所述当前仿真帧所对应的第二主车预测加速度和当次碰撞检测所对应的时间调整间隔，确定所述检测时刻下的主车避让预测位置。
[0173]
检测次数比较模块270包括第一判断单元、第二判断单元和结果确认单元。第一判断单元用于基于所述障碍物预测位置和所述主车无避让预测位置，判断所述障碍物与所述主车在所述主车无避让的情况下是否会发生碰撞。第二判断单元用于基于所述障碍物预测位置和所述主车避让预测位置，判断所述障碍物与所述主车在所述主车做出避让的情况下是否会发生碰撞。结果确认单元用于若在所述主车无避让及做出避让的情况下，所述障碍物与所述主车均会发生碰撞，则确定所述障碍物与所述主车在所述检测时刻下会发生碰撞。
[0174]
在一个实施例中，所述路测数据还包括地图数据和主车最大加速度。第一主车加速度确定单元包括平均加速度求取单元、数据提取单元、最大加速度求取单元和比较单元。其中，平均加速度求取单元用于对所述加速度计算时段内采集的各个主车实际加速度进行加权平均，以得到所述当前仿真帧所对应的平均加速度。数据提取单元用于从所述地图数
据中获取当前行驶道路的最高限速，以及从所述仿真数据中获取目标主车实时速度，所述目标主车实时速度为在仿真过程中，所述主车在所述当前仿真帧对应的仿真时刻下的实时速度。最大加速度求取单元用于计算所述目标主车实时速度与所述最高限速之间的第二比值，并将所述第二比值与所述主车最大加速度之间的乘积作为所述当前仿真帧所对应的最大加速度。比较单元用于在所述当前仿真帧所对应的平均加速度大于零的情况下，将所述当前仿真帧所对应的平均加速度与所述当前仿真帧所对应的最大加速度中的较小值作为所述当前仿真帧所对应的第一主车预测加速度。
[0175]
在一个实施例中，碰撞预警装置200包括车头轮廓点集合获取模块、相交判断模块和主动碰撞判断模块250。其中，车头轮廓点集合获取模块用于获取所述主车的轮廓和所述障碍物的朝向角，并根据所述障碍物的朝向角确定所述障碍物的车头轮廓点集合。相交判断模块用于若所述障碍物与所述主车在所述检测时刻下会发生碰撞，则对于所述车头轮廓点集合中的每个车头轮廓点，以该车头轮廓点作为射线起点，以所述障碍物的朝向角作为射线与地面坐标系横轴之间的夹角，构建预设长度的射线，并根据所述主车预测位置和所述主车的轮廓，判断所述射线是否会与所述主车的轮廓相交。主动碰撞判断模块250用于若存在至少一个所述车头轮廓点所对应的射线与所述主车的轮廓相交，则确定在所述检测时刻下会发生的碰撞为障碍物主动碰撞，否则，则确定在所述检测时刻下会发生的碰撞非障碍物主动碰撞。
[0176]
在一个实施例中，车头轮廓点集合获取模块包括轮廓坐标单元、车头轮廓判断单元和填充单元。其中，轮廓坐标单元用于获取所述障碍物的车体轮廓点集合和障碍物中心点的坐标值。车头轮廓判断单元用于针对所述车体轮廓点集合中的每个车体轮廓点，根据该车体轮廓点的坐标值、所述障碍物中心点的坐标值和所述障碍物的朝向角，计算朝向直线与轮廓直线之间的夹角余弦值，若所述夹角余弦值大于零，则将该车体轮廓点作为车头轮廓点添加至所述车头轮廓点集合中，其中，所述朝向直线为穿过所述障碍物中心点的直线，且所述朝向直线与所述地面坐标系横轴之间的夹角为所述障碍物的朝向角，所述轮廓直线为该车体轮廓点与所述障碍物中心点所构成的直线。填充单元用于针对所述车头轮廓点集合中每两个坐标相邻的车头轮廓点，若该两个坐标相邻的车头轮廓点之间的欧氏距离大于预设距离阈值，则基于所述欧氏距离和所述预设距离阈值确定填充点个数，并根据所述填充点个数和该两个坐标相邻的车头轮廓点的坐标值分别确定各个填充点的坐标，以使每两个坐标相邻的填充点之间的欧氏距离小于或等于所述预设距离阈值，将各个填充点作为车头轮廓点添加至所述车头轮廓点集合中。
[0177]
在一个实施例中，本技术还提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述碰撞预警方法的步骤。
[0178]
在一个实施例中，本技术还提供了一种计算机设备。所述计算机设备中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述碰撞预警方法的步骤。
[0179]
示意性地，图3为本技术实施例提供的一种计算机设备的内部结构示意图，在一个示例中，该计算机设备可以为服务器。参照图3，计算机设备900包括处理组件902，其进一步包括一个或多个处理器，以及由存储器901所代表的存储器资源，用于存储可由处理组件
902的执行的指令，例如应用程序。存储器901中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件902被配置为执行指令，以执行上述任意实施例所述碰撞预警方法的步骤。
[0180]
计算机设备900还可以包括一个电源组件903被配置为执行计算机设备900的电源管理，一个有线或无线网络接口904被配置为将计算机设备900连接到网络，和一个输入输出(i/o)接口905。计算机设备900可以操作基于存储在存储器901的操作系统，例如windows server tm、mac os xtm、unix tm、linux tm、free bsdtm或类似。
[0181]
本领域技术人员可以理解，本技术示出的计算机设备的内部结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0182]
最后，还需要说明的是，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。本文中，“一”、“一个”、“所述”、“该”和“其”也可以包括复数形式，除非上下文清楚指出另外的方式。多个是指至少两个的情况，如2个、3个、5个或8个等。“和/或”包括相关所列项目的任何及所有组合。
[0183]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。
[0184]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业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技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，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。