1.本发明涉及自动驾驶障碍物筛选技术领域，尤其涉及一种自动驾驶辅助过程中障碍物筛选方法及系统。


背景技术：

2.随着智能科技的发展，自动驾驶技术日趋成熟，但在现有的技术中，自动驾驶辅助过程中对障碍物的筛选人存在不足，其通过感知对障碍物进行筛选，其未对障碍物与自身车辆的重叠进行分析，导致障碍物筛选精确度降低，误选障碍物造成非正常的刹车现象，影响车辆驾驶稳定性，因此，为了解决此类问题，我们提出了一种自动驾驶辅助过程中障碍物筛选方法及系统。


技术实现要素：

3.本发明提出的一种自动驾驶辅助过程中障碍物筛选方法及系统，解决了现有的障碍物筛选方法存在的缺少重叠分析，筛选精确度低，易造成非正常的刹车现象，影响车辆驾驶稳定性的问题。
4.为了实现上述目的，本发明采用了如下技术方案：
5.一种自动驾驶辅助过程中障碍物筛选方法，包括如下步骤：
6.s1、获取障碍物信息：通过传感器获得障碍物的信息；
7.s2、获取车辆位置：对当前车辆位置进行获取；
8.s3、计算障碍物坐标：以当前车辆位置为原点，对障碍物的坐标进行计算；
9.s4、获取车辆信息：获取当前车辆的行驶信息；
10.s5、计算障碍物重叠风险：基于障碍物坐标和车辆行驶信息进行驾驶模拟，对障碍物与当前车辆的重叠风险进行计算，对障碍物进行筛选。
11.优选的，所述步骤s1中所涉及的获取障碍物信息，其通过摄像头、毫米波雷达的传感器获取障碍物的信息，包括其形状、宽度、深度、高度。
12.优选的，所述步骤s2中所涉及的获取车辆位置，其通过gps对当前车辆定位，获取该车辆的位置信息。
13.优选的，所述步骤s3中所涉及的计算障碍物坐标，其确认其障碍物目标所在处对应的车道线横向坐标和纵向坐标，以当前车辆的位置为原点，通过gps对障碍物的坐标进行定位计算。
14.优选的，所述步骤s4中所涉及的获取车辆信息，其通过当前车辆的车长obs_length、车宽obs_width、车高obs_high、纵向相对距离obs_dx、横向相对距离obs_dy、纵向相对速度obs_dxv、横向相对速度obs_dyv、障碍物与自车道车道线三次多项式方程计算出目标的四个角点坐标，分别为left_rear(lr_point_x，lr_point_y)，left_frond(lf_point_x，lf_point_y)，right_rear(rr_point_x，rr_point_y)，right_frond(rf_point_x，rf_point_y)；
15.其取lr_point_y、lf_point_y、rr_point_y、rf_point_y的最大值max_dy和最小值min_dy，表示目标横向跨度，取lr_point_x、lf_point_x、rr_point_x、rf_point_x的最大值max_dx和最小值min_dx，表示目标纵向跨度。
16.优选的，所述步骤s4中所涉及的获取车辆信息，其通过最大值max_dy和最小值min_dy分别计算出对应到自车道左、右侧车道线上的横向坐标：max_dy_left、max_dy_right、min_dy_left、min_dy_right；通过max_dy和最小值min_dy与max_dy_left、max_dy_right、min_dy_left、min_dy_right的差值计算目标障碍物跨入自车道部分的比例ratio。
17.优选的，所述步骤s5中所涉及的计算障碍物重叠风险，若横向相对距离obs_dy》0，表示目标障碍物处于自车的右侧；若横向相对距离obs_dy《0，表示目标障碍物处于自车左侧。
18.优选的，所述步骤s5中所涉及的计算障碍物重叠风险，当横向相对距离obs_dy》0时：
19.max_dy-max_dy_right《0，表示目标障碍物处于自车道内，ratio＝1；
20.min_dy-min_dy_right》0，表示目标障碍物处于自车道外，ratio＝0；
21.否则，表示目标跨右侧车道线，则
[0022][0023]
当横向相对距离obs_dy《0时：
[0024]
min_dy-min_dy_left》0，表示目标障碍物处于车道内，ratio＝1；
[0025]
max_dy-max_dy_left《0，表示目标障碍物处于车道外，ratio＝1；
[0026]
否则，表示目标障碍物跨左侧车道线，则
[0027][0028]
优选的，所述步骤s5中所涉及的计算障碍物重叠风险，其当前车辆到左侧车道线距离为c0_l、自车到右侧车道线距离为c0_r，计算目标障碍物与当前车辆是否有重叠风险，若|c0_l|》|c0_r|，表示为当前车辆在本车道内靠右侧行驶，此时计算出当前车辆与目标障碍物是否存在重叠，若存在重叠部分，则目标障碍物需要被筛选为感兴趣目标，若不存在重叠部分，则目标障碍物需要被筛选为非感兴趣目标。
[0029]
一种自动驾驶辅助过程中障碍物筛选系统，包括：
[0030]
障碍物获取模块，其与自车信息获取模块和车辆自动调整模块连接，用于获取障碍物的信息，以及获取车辆自动调整后的范围内障碍物信息，并将障碍物信息传送至自车信息获取模块；
[0031]
自车信息获取模块，其与障碍物获取模块和障碍物位置计算模块连接，用于获取车辆的信息，并将障碍物信息和车辆信息传送至障碍物位置计算模块；
[0032]
障碍物位置计算模块，其与自车信息获取模块和自车行驶模拟模块连接，用于接收障碍物信息和车辆信息，基于车辆信息对障碍物的坐标位置进行计算，并将坐标位置传送至障碍物风险预测模块；
[0033]
自车行驶模拟模块，其与障碍物位置计算模块和障碍物风险预测模块连接，基于车辆行驶信息与障碍物坐标位置，对车辆的行驶进行模拟；
[0034]
障碍物风险预测模块，其与自车行驶模拟模块和障碍物躲避模块连接，当自车行驶模拟模块模拟中自车与障碍物无重叠产生，则表示障碍物无风险，若产生重叠时，则表示障碍物存在风险，此时将风险传输至障碍物躲避模块；
[0035]
障碍物躲避模块，其与障碍物风险预测模块和车辆自动调整模块连接，接收障碍物风险，根据其风险预警对车辆行驶进行重新规划，对障碍物进行避让，并将避让命令传输至车辆自动调整模块；
[0036]
车辆自动调整模块，其与障碍物躲避模块和障碍物获取模块连接，用于接收避让命令，对车辆的行驶进行调整，并将调整后的信息传输至障碍物获取模块，对障碍物进行循环筛选。
[0037]
本发明的有益效果为：通过对障碍物的具体信息和坐标进行获取和计算，结合车辆的位置信息和行驶信息，对车辆行驶进行预测，感知行驶轨迹内的障碍物，计算出车辆的行驶轨迹是否与障碍物存在重叠，若存在重叠部分，将轨迹内与车辆产生重叠的障碍物进行筛选标记，标记为感兴趣目标，从而做出警示和避让，提高行车的安全性。
[0038]
综上所述，该障碍物筛选方法及系统，其基于障碍物和车辆信息进行行驶预测，计算障碍物与行车轨迹的重叠，提高障碍物筛选的精确度，提升行车安全。
附图说明
[0039]
图1为本发明所述的自动驾驶辅助过程中障碍物筛选方法的流程图。
[0040]
图2为本发明所述的自动驾驶辅助过程中障碍物筛选系统的原理图。
具体实施方式
[0041]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。
[0042]
实施例1
[0043]
参照图2，一种自动驾驶辅助过程中障碍物筛选系统，包括：
[0044]
障碍物获取模块，其与自车信息获取模块和车辆自动调整模块连接，用于获取障碍物的信息，以及获取车辆自动调整后的范围内障碍物信息，并将障碍物信息传送至自车信息获取模块；
[0045]
自车信息获取模块，其与障碍物获取模块和障碍物位置计算模块连接，用于获取车辆的信息，并将障碍物信息和车辆信息传送至障碍物位置计算模块；
[0046]
障碍物位置计算模块，其与自车信息获取模块和自车行驶模拟模块连接，用于接收障碍物信息和车辆信息，基于车辆信息对障碍物的坐标位置进行计算，并将坐标位置传送至障碍物风险预测模块；
[0047]
自车行驶模拟模块，其与障碍物位置计算模块和障碍物风险预测模块连接，基于车辆行驶信息与障碍物坐标位置，对车辆的行驶进行模拟；
[0048]
障碍物风险预测模块，其与自车行驶模拟模块和障碍物躲避模块连接，当自车行驶模拟模块模拟中自车与障碍物无重叠产生，则表示障碍物无风险，若产生重叠时，则表示障碍物存在风险，此时将风险传输至障碍物躲避模块；
[0049]
障碍物躲避模块，其与障碍物风险预测模块和车辆自动调整模块连接，接收障碍
物风险，根据其风险预警对车辆行驶进行重新规划，对障碍物进行避让，并将避让命令传输至车辆自动调整模块；
[0050]
车辆自动调整模块，其与障碍物躲避模块和障碍物获取模块连接，用于接收避让命令，对车辆的行驶进行调整，并将调整后的信息传输至障碍物获取模块，对障碍物进行循环筛选。
[0051]
实施例2
[0052]
参照图1，一种自动驾驶辅助过程中障碍物筛选方法，包括如下步骤：
[0053]
s1、获取障碍物信息：通过传感器获得障碍物的信息；
[0054]
s2、获取车辆位置：对当前车辆位置进行获取；
[0055]
s3、计算障碍物坐标：以当前车辆位置为原点，对障碍物的坐标进行计算；
[0056]
s4、获取车辆信息：获取当前车辆的行驶信息；
[0057]
s5、计算障碍物重叠风险：基于障碍物坐标和车辆行驶信息进行驾驶模拟，对障碍物与当前车辆的重叠风险进行计算，对障碍物进行筛选。
[0058]
所述步骤s1中所涉及的获取障碍物信息，其通过摄像头、毫米波雷达的传感器获取障碍物的信息，包括其形状、宽度、深度、高度。
[0059]
所述步骤s2中所涉及的获取车辆位置，其通过gps对当前车辆定位，获取该车辆的位置信息。
[0060]
所述步骤s3中所涉及的计算障碍物坐标，其确认其障碍物目标所在处对应的车道线横向坐标和纵向坐标，以当前车辆的位置为原点，通过gps对障碍物的坐标进行定位计算。
[0061]
所述步骤s4中所涉及的获取车辆信息，其通过当前车辆的车长obs_length、车宽obs_width、车高obs_high、纵向相对距离obs_dx、横向相对距离obs_dy、纵向相对速度obs_dxv、横向相对速度obs_dyv、障碍物与自车道车道线三次多项式方程计算出目标的四个角点坐标，分别为left_rear(lr_point_x，lr_point_y)，left_frond(lf_point_x，lf_point_y)，right_rear(rr_point_x，rr_point_y)，right_frond(rf_point_x，rf_point_y)；
[0062]
其取lr_point_y、lf_point_y、rr_point_y、rf_point_y的最大值max_dy和最小值min_dy，表示目标横向跨度，取lr_point_x、lf_point_x、rr_point_x、rf_point_x的最大值max_dx和最小值min_dx，表示目标纵向跨度；
[0063]
其通过最大值max_dy和最小值min_dy分别计算出对应到自车道左、右侧车道线上的横向坐标：max_dy_left、max_dy_right、min_dy_left、min_dy_right；通过max_dy和最小值min_dy与max_dy_left、max_dy_right、min_dy_left、min_dy_right的差值计算目标障碍物跨入自车道部分的比例ratio。
[0064]
所述步骤s5中所涉及的计算障碍物重叠风险，若横向相对距离obs_dy》0，表示目标障碍物处于自车的右侧；若横向相对距离obs_dy《0，表示目标障碍物处于自车左侧；
[0065]
当横向相对距离obs_dy》0时：
[0066]
max_dy-max_dy_right《0，表示目标障碍物处于自车道内，ratio＝1；
[0067]
min_dy-min_dy_right》0，表示目标障碍物处于自车道外，ratio＝0；
[0068]
否则，表示目标跨右侧车道线，则
[0069][0070]
当横向相对距离obs_dy《0时：
[0071]
min_dy-min_dy_left》0，表示目标障碍物处于车道内，ratio＝1；
[0072]
max_dy-max_dy_left《0，表示目标障碍物处于车道外，ratio＝1；
[0073]
否则，表示目标障碍物跨左侧车道线，则
[0074][0075]
所述步骤s5中所涉及的计算障碍物重叠风险，其当前车辆到左侧车道线距离为c0_l、自车到右侧车道线距离为c0_r，计算目标障碍物与当前车辆是否有重叠风险，若|c0_l|》|c0_r|，表示为当前车辆在本车道内靠右侧行驶，此时计算出当前车辆与目标障碍物是否存在重叠，若存在重叠部分，则目标障碍物需要被筛选为感兴趣目标，若不存在重叠部分，则目标障碍物需要被筛选为非感兴趣目标。
[0076]
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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。