CN111650945B

CN111650945B - 动态障碍物防撞方法

Info

Publication number: CN111650945B
Application number: CN202010598009.2A
Authority: CN
Inventors: 成成; 颜波; 徐成; 张放; 李晓飞; 张德兆; 王肖; 霍舒豪
Original assignee: Beijing Idriverplus Technologies Co Ltd
Current assignee: Beijing Idriverplus Technologies Co Ltd
Priority date: 2020-06-28
Filing date: 2020-06-28
Publication date: 2023-10-24
Anticipated expiration: 2040-06-28
Also published as: CN111650945A

Abstract

本发明提供了一种动态障碍物防撞方法，包括：根据动态障碍物的瞬时速度和当前位置信息，预测得到动态障碍物在预设时长内的直线预测轨迹信息；当直线预测轨迹与规划的路径相交时，且当直线预测轨迹和规划的路径不为相向方向时，根据车辆的当前位置信息和动态障碍物的当前位置信息，确定动态障碍物所处的区域属性；根据动态障碍物所处的区域属性、动态障碍物的年龄，通过梯形速度规划算法，进行速度规划；动态障碍物的年龄为从获取障碍物信息的时刻开始计时的时长；根据规划的速度，生成控制信号，并将控制信号发送给执行器执行。由此，保证了车辆的安全。

Description

动态障碍物防撞方法

技术领域

本发明涉及数据处理领域，尤其涉及一种动态障碍物防撞方法。

背景技术

近年来，无人驾驶技术依托人工智能技术的快速发展也变得越来越成熟，正在从出行方式、无人物流、特种作业等方面，逐渐改变人们的日常生活。如何保证无人车在具有行人或车辆等动态障碍物的环境中的安全是难点问题。为了提高无人车的安全性，需要开发一套鲁棒性强，运行高效的动态障碍物防撞方法，使无人车更加安全的规避动态行人或车辆。

现有的动态障碍物防撞方法，先通过概率轨迹模型法得到障碍物在未来一段时间内的预测轨迹，该方法在轨迹预测中考虑了障碍物的横摆角速度和速度的不确定性，对障碍物未来可能的行驶轨迹做了预测。然后在运动规划中根据自车未来行驶轨迹判与预测轨迹断相交，根据相交时的碰撞时间来规划降速或停车，进而实现防撞。

现有的动态障碍物防撞方法，通常受限于感知精度、计算性能和规划策略，主要存在三点问题：(1)当感知到的障碍物数据抖动较大时，存在预测轨迹末尾段的抖动较大，导致规划出的自车轨迹一致性差的问题，无法确保安全防撞；(2)算法复杂度高，计算耗时长，不适用与计算资源有限的车载计算平台；(3)根据碰撞时间规划的方法可能会规划出较为激进的结果，并占据行人或车辆原本行驶轨迹，会造成行人或车辆的不安全感。

发明内容

本发明实施例的目的是提供一种动态障碍物防撞方法，以解决现有技术中的无法确保安全防撞、算法复杂度高，计算耗时长，不适用与计算资源有限的车载计算平台、造成人或车辆的不安全感的问题。

为解决上述问题，第一方面，本发明提供了一种动态障碍物防撞方法，所述方法包括：

获取障碍物信息；所述障碍物信息包括动态障碍物信息，所述动态障碍物信息包括动态障碍物的瞬时速度和当前位置信息；

根据所述动态障碍物的瞬时速度和当前位置信息，预测得到动态障碍物在预设时长内的直线预测轨迹信息；所述直线预测轨迹信息包括直线预测轨迹的方向和长度；

根据所述直线预测轨迹的方向、所述直线预测轨迹的长度和规划的路径，判断所述直线预测轨迹与规划的路径是否相交；

当所述直线预测轨迹与所述规划的路径相交时，根据所述直线预测轨迹的方向和所述规划的路径，判断所述直线预测轨迹和所述规划的路径是否为相向方向；

当所述直线预测轨迹和所述规划的路径不为相向方向时，根据所述车辆的当前位置信息和所述动态障碍物的当前位置信息，确定所述动态障碍物所处的区域属性；

根据所述动态障碍物所处的区域属性和动态障碍物的年龄，通过梯形速度规划算法，进行速度规划；所述动态障碍物的年龄为从聚类时刻开始计时的时长；

根据规划的速度，生成控制信号，并将所述控制信号发送给执行器执行。

在一种可能的实现方式中，所述根据所述动态障碍物的瞬时速度和当前位置信息，预测得到动态障碍物在预设时长内的直线预测轨迹信息具体包括：

根据所述动态障碍物的当前位置信息，确定所述直线预测轨迹的原点；

根据动态障碍物的瞬时速度的方向，确定所述直线预测轨迹的方向；

根据所述动态障碍物的瞬时速度和预测时长的乘积，确定直线预测轨迹的长度。

在一种可能的实现方式中，所述方法还包括：

当所述直线预测轨迹和所述局部规划路径为非相向方向时，根据所述直线预测轨迹信息和规划的路径，确定碰撞点；

根据所述车辆当前位置信息、预设的第一加速度阈值，确定减速距离；所述减速距离为车辆从当前位置以预设的第一加速度阈值进行减速行驶的距离；

对所述减速距离与所述碰撞点之间的距离，通过梯形速度规划算法，进行规划。

在一种可能的实现方式中，所述根据所述动态障碍物所处的区域属性、动态障碍物的年龄，进行速度规划具体包括：

当所述动态障碍物所处的区域属性为第一区域时，判断所述动态障碍物的年龄是否大于预设时长，当所述动态障碍物的年龄大于预设时长时，调用梯形速度规划算法，规划停车；

当所述动态障碍物所处的区域属性为第二区域时，判断所述动态障碍物的年龄是否大于预设时长，当所述动态障碍物的年龄大于预设时长时，调用梯形速度规划算法，规划降速。

在一种可能的实现方式中，所述根据所述动态障碍物的瞬时速度和当前位置信息，预测得到动态障碍物在预设时长内的直线预测轨迹信息之后，所述方法还包括：

对所述直线预测轨迹进行离散化处理，得到多个虚拟障碍物的cell点；所述虚拟障碍物的cell点为所述动态障碍物在所述直线预测轨迹上的轮廓点。

在一种可能的实现方式中，所述梯形速度规划算法具体为：

根据车辆的速度信息、预设的第二加速度阈值、安全距离和预设的距离常数，计算预瞄距离；

判断预瞄距离与所述虚拟障碍物的cell点是否相交；

当预瞄距离与所述虚拟障碍物的cell点相交时，确定相交的虚拟障碍物的cell点，并将相交的所述虚拟障碍物的cell点之前的安全距离内的路点和相交的所述虚拟障碍物的cell点与规划的路径的终点之间的路点的速度设置为0。

在一种可能的实现方式中，所述根据车辆的速度信息、预设的第二加速度阈值、安全距离和预设的距离常数，计算预瞄距离具体包括：

车辆的速度信息的平方，除以预设的第二加速度阈值，再加上安全距离和预设的距离常数，得到预瞄距离。

第二方面，本发明提供了一种设备，包括存储器和处理器，存储器用于存储程序，处理器用于执行第一方面任一所述的方法。

第三方面，本发明提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行如第一方面任一所述的方法。

第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如第一方面任一所述的方法。

通过应用本发明实施例提供的动态障碍物防撞方法，具有如下技术效果：

(1)本申请用直线预测模型，对动态障碍物的轨迹进行预测，并将预测轨迹离散化成轨迹点，作为虚拟障碍物的cell点，简化了障碍物预测模型，并且由于将时间域求解问题简化为空间防撞问题，不存在碰撞时间的抖动带来的防撞失败的安全问题。

(2)本申请的直线预测模型算法复杂度低，适用于计算资源有限的车载计算平台。

(3)本申请的区域划分法和障碍物年龄大小法有效过滤了非危险区域的动态障碍物，减少误触发防撞功能。

(4)本申请中，当发生自车轨迹干涉到行人或车辆等动态障碍物的行驶轨迹时，能够停车等待，直到障碍物远离，并在没有碰撞风险才继续行驶，有效保证安全性。

附图说明

图1为本发明实施例一提供的软件系统结构示意图；

图2为本发明实施例一提供的动态障碍物防撞场景图；

图3为本发明实施例一提供的动态障碍物防撞流程示意图；

图4为本发明实施例一提供的梯形速度规划算法效果图；

图5为本发明一个具体的实施例。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1为本发明实施例一提供的软件系统结构示意图。本系统由车载传感器、车载运算单元和执行器构成，动态障碍物防撞功能集成于车载运算单元中。动态障碍物防撞功能涉及环境感知、行为预测与运动规划中的速度规划等多个关键技术，下面将进行详细介绍具体实现方案。

首先，融合定位从车载传感器获取自车状态，感知融合从车载传感器获取车辆周边的环境信息，主要包括自车速度和周边障碍物的位置、速度信息。其次，行为预测根据动态障碍物的位置和瞬时速度预测动态障碍物在未来一段时间内的直线预测轨迹。再次，运动规划在规划的路径的基础上判断是否与动态障碍物的直线预测轨迹相交，如果相交则在相交点附近规划降速或停车，控制模块相应的生成加减速需求。最后，执行器接收该加减速需求后对车辆油门和制动系统进行主动控制，调节车辆速度，从而避免车辆与动态障碍物发生碰撞。

图2为本发明实施例一提供的动态障碍物防撞场景图，为了避免发生如现有技术中的预测轨迹末尾段出现较大抖动的问题，本申请通过直线预测方法，将动态障碍物在时间域的直线预测轨迹转换为二维空间上的障碍物防撞问题，以降低由于碰撞时间的抖动带来的碰撞风险。其中，可以通过动态障碍物的瞬时速度和年龄，得到动态障碍物的直线预测轨迹信息，并对直线预测轨迹按照固定时间间隔采样得到离散的轨迹点(图2中的虚线)，而将这些轨迹点作为虚拟障碍物的cell点，以此来表示虚拟障碍物的轮廓。

此外，感知融合对低速障碍物的速度计算不够准确，尤其低速目标的航向会发生较大变化，导致预测输出轨迹摆动明显。为了减少预测抖动问题，当障碍物速度超过0.2m/s时，才认为是动态障碍物，并跟踪该动态障碍物对其赋予年龄属性，提供给下游算法。此处年龄属性是从聚类时刻开始计时的时长。聚类是对于感知融合对于获取到的激光点云处理方式的一种，比如可以通过点云欧式聚类算法进行激光点云聚类。

图3为本发明实施例一提供的动态障碍物防撞流程示意图。本申请的执行主体为车载运算单元，本申请应用在无人驾驶车辆中，如图3所示，本申请包括以下步骤：

步骤110，获取障碍物信息；障碍物信息包括动态障碍物信息，动态障碍物信息包括动态障碍物的瞬时速度和当前位置信息。

具体的，车辆上安装有激光雷达、超声波雷达、摄像头、视觉模块等各种车载传感器，感知融合对该些车载传感器获取到的各种环境信息进行融合处理，比如将点云数据去除地面后，地面上的点云呈现了现实中的障碍物，进行聚类后，确定静态障碍物信息和动态障碍物信息。此处，为了减少直线预测轨迹朝向信息的抖动，将障碍物速度超过预设速度阈值，比如0.2m/s的，确定为动态障碍物，否则视为静态障碍物。

步骤120，根据动态障碍物的瞬时速度和当前位置信息，预测得到动态障碍物在预设时长内的直线预测轨迹信息；直线预测轨迹信息包括直线预测轨迹的方向和长度。

受限于传感器特性与算法边界，感知融合输出的障碍物位置、速度和横摆角速度信息具有一定偏差，如果采用概率轨迹模型预测障碍物轨迹，会在预测轨迹末尾段出现较大抖动，导致下游的决策和运动规划的一致性差，无法保证安全性。此外，概率轨迹模型预测障碍物轨迹的算法复杂度高，计算耗时长，不适用于计算资源有限的车载平台。

直线模型预测算法复杂度低，且预测轨迹末尾段抖动小，当高频实时预测且预测时长不长时，基本能符合障碍物真实运动轨迹。因此本申请采用直线模型预测，即根据动态障碍物的瞬时速度预测动态障碍物在未来一段时间内的直线轨迹。

其中，步骤120包括：首先，根据动态障碍物的当前位置信息，确定直线预测轨迹的原点；其次，根据动态障碍物的瞬时速度的方向，确定直线预测轨迹的方向；最后，根据动态障碍物的瞬时速度和预测时长的乘积，确定直线预测轨迹的长度。即直线轨迹的方向是当前速度方向，长度S由障碍物瞬速V_obj与预测时长t决定，即S＝V_obj×t。

步骤130，根据直线预测轨迹的方向、直线预测轨迹的长度和规划的路径，判断直线预测轨迹与规划的路径是否相交。

具体的，车辆在行驶过程中，运动规划会根据融合定位和感知融合的数据，提前规划路径，可以根据直线预测轨迹的方向、长度和规划的路径进行相交判断，判断直线预测轨迹与路径是否相交。当相交时，执行步骤140。

步骤140，当直线预测轨迹与规划的路径相交时，根据直线预测轨迹的方向和局部规划路径，判断直线预测轨迹和局部规划路径是否为相向方向。

具体的，继续进行判断，当直线预测轨迹与规划的路径相交时，根据直线预测轨迹的方向和规划的路径的方向，判断是相向还是同向，此处，相向为朝向相反的方向，同向为朝向相同的方向。

步骤150，当直线预测轨迹和规划的路径不为相向方向时，根据车辆的当前位置信息和动态障碍物的当前位置信息，确定动态障碍物所处的区域属性。

具体的，当直线预测轨迹与规划的路径为同向时，可以确定动态障碍物处于车辆的哪个区域，即区域属性，区域属性包括第一区域、第二区域和第三区域，随后执行步骤160。参见图2，车辆坐标系以车辆后轴的中点位置为原点，车辆纵向方向为x轴方向，车辆横向方向为y轴方向，竖直向上方向为z轴方向，在车体坐标系下，根据车辆的刚体结构，可以对车辆周围的区域进行划分，第一区域为停车区、第二区域为降速区，第三区域为盲区。停车区、降速区，盲区是根据不同方位的障碍物的威胁程度划分的，比如，前方和后方的降速区以外的区域，即停车区的障碍物威胁最大，因此需要停车；后方盲区的障碍物不应纳入考虑；盲区至停车区之间需要有降速区进行过渡，避免因障碍物位置的抖动而产生是否停车的决策的抖动。由此，确定车辆周围的三个区域，便于后续对处于不同区的动态障碍物进行不同的速度规划。

进一步的，当直线预测轨迹和规划的路径为相向方向时，需要根据直线预测轨迹信息和规划的路径，确定碰撞点；然后根据车辆当前位置信息、预设的第一加速度阈值，确定减速距离；再对减速距离和碰撞点之间的距离，通过梯形速度规划算法，进行规划。其中，减速距离为车辆从当前位置开始，以预设的第一减速度阈值进行减速行驶的距离。此处的预设的第一减速度阈值与车辆的类型和车辆当前速度信息相关，比如，当为中型车时，如果车辆当前速度信息为60km/h，则预设第一加速度阈值为-0.5m/s，具体的每种车型下的每种速度信息后，都预设有对应的第一加速度阈值，该些速度信息和第一加速度信息的对应关系，可以以第一对照表的方式存储在运动规划中，当通过梯形速度规划算法进行规划时，可以在确定车辆的当前速度信息后，通过查找第一对照表，确定第一加速度阈值。

由此，如果是相对与自车的规划的路径相向而来的动态障碍物，则可以提前一定距离规划降速至较低速度，并使得车辆以该较低速度匀速行驶，避免发生碰撞。

步骤160，根据动态障碍物所处的区域属性、动态障碍物的年龄，通过梯形速度规划算法，进行速度规划；动态障碍物的年龄为从获取障碍物信息计时的时长。

具体的，当动态障碍物所处的区域属性为第一区域时，判断动态障碍物的年龄是否大于预设时长，当动态障碍物的年龄大于预设时长时，调用梯形速度规划算法，规划停车；当动态障碍物所处的区域属性为第二区域时，判断动态障碍物的年龄是否大于预设时长，当动态障碍物的年龄大于预设时长时，调用梯形速度规划算法，规划降速。

进一步的，本申请在步骤120之后，还可以包括：对直线预测轨迹进行离散化处理，得到多个虚拟障碍物的cell点。后续，可以通过虚拟障碍物的cell点，在梯形速度规划算法中进行速度规划。

参见图4，V表示梯形速度规划算法规划后的速度，S表示规划速度对应的累加距离，在梯形速度规划算法中，可以根据障碍物的当前位置信息，规划车辆的通行速度或停车位置。下面对梯形规划算法进行描述：

具体的，首先，根据车辆的速度信息、预设的第二加速度阈值、安全距离和预设的距离常数，计算预瞄距离；其次，判断预瞄距离与所述虚拟障碍物的cell点是否相交；最后，当预瞄距离与所述虚拟障碍物的cell点相交时，确定相交的虚拟障碍物的cell点，并将相交的所述虚拟障碍物的cell点之前的安全距离内的路点和相交的所述虚拟障碍物的cell点与规划的路径的终点之间的路点的速度设置为0。随后，可以对车辆当前位置信息与相交的虚拟障碍物的cell点的安全距离之间的路点进行平滑处理，从而使得运动规划可以得到新的规划路径，并输出给控制。

由此，通过此种梯形速度规划算法，在虚拟障碍物的cell点在预瞄距离内时，可以规划出相交的虚拟障碍物的cell点的安全距离之前的路点与车辆当前位置信息之间的路点的路径，使得车辆在到达虚拟障碍物的cell点的安全距离之前，规划停车。

其中，车辆的速度信息的平方，除以预设的第二加速度阈值，再加上安全距离和预设的距离常数，得到预瞄距离。具体公式如下：

其中Dist为预瞄距离，v为车辆的速度信息，可以通过车载传感器实时的获取到，a为预设的第二，Safe为安全距离，Offset为设置的距离常数。预设的第二加速度大小一般在-0.2～-1m/s²的范围内取值，安全距离为障碍物之前多少距离停车的可配置距离，与车辆的型号相关，是一设定值，距离常数通常是车辆后轴到前悬的车身盲区部分距离，与车辆的型号相关，是一设定值。

当停车区内，虚拟障碍物的cell点占据车辆前方道路时，车辆就会在安全距离内停车等待，直到动态障碍物远离且没有碰撞风险时，才继续行驶，车辆不会干涉动态障碍物原本轨迹，更不会出现车辆加速冲过原本碰撞点的情形的发生，有效保证了安全性。

步骤170，根据规划的速度，生成控制信号，并将控制信号发送给执行器，以使执行器进行执行。

具体的，车载运算单元中的控制模块，根据规划的速度，生成控制信号，并将控制信号，该控制信号包括转向控制信号和扭矩控制信号，通过转向控制信号控制车辆的转向，通过扭矩控制信号控制车辆的速度，并将该些控制信号发送给执行器，以使执行器根据转向控制信号控制车辆的转向，并根据扭矩控制信号控制车辆的速度。

下面结合图3和图5，对本申请进行更进一步的描述。

步骤201，开始。

即车辆上电后，车载传感器、车载运算单元和执行器启动，开始工作。

步骤202，判断直线预测轨迹与自车规划的路径是否相交，当相交时，执行步骤203，当不相交时，执行步骤210。

其中，可以参见步骤120下的具体描述，可以通过直线预测模型得到直线预测轨迹信息，并判断直线预测轨迹和自车规划的路径是否相交，对于相交或者不相交，分别执行不同的步骤。

步骤203，判断自车规划的路径和直线预测轨迹是否为相向方向，当是相向方向时，执行步骤204，当并非相向方向时，执行步骤205。

步骤204，提前在减速距离内规划降速。

在提前在减速距离内规划降速时，可以根据梯形速度规划算法，进行规划。

步骤205，判断动态障碍物所处的区域属性。

其中，区域属性包括停车区、降速区和盲区三种。当动态障碍物处于停车区时，执行步骤206，当动态障碍物处于降速区时，执行步骤207，当动态障碍物处于盲区时，执行步骤210。

步骤206，当动态障碍物在停车区时，判断动态障碍物年龄是否大于t秒。

其中，t秒为预设时长，当处于停车区，障碍物年龄大于t秒时，执行步骤208，当障碍物年龄不大于t秒时，执行步骤210。

步骤207，当动态障碍物在降速区时，判断动态障碍物年龄是否大于t秒，当动态障碍物年龄大于t秒时，执行步骤209，当动态障碍物年龄不大于t秒时，执行步骤210。

步骤208，规划停车。

步骤209，规划降速。

步骤210，不考虑。

步骤211，在规划停车或者规划降速时，根据梯形速度规划算法，进行路径规划。

步骤212，结束。

通过应用本发明实施例一提供的动态障碍物防撞方法，具有如下技术效果：

发明实施例二提供了一种设备，包括存储器和处理器，存储器用于存储程序，存储器可通过总线与处理器连接。存储器可以是非易失存储器，例如硬盘驱动器和闪存，存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例提供的上述方法的各种功能；设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序，该软件程序被执行时，能够实现本发明实施例一提供的方法。

本发明实施例三提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行本发明实施例一提供的方法。

本发明实施例四提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明实施例一提供的方法。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种动态障碍物防撞方法，其特征在于，所述方法包括：

当所述直线预测轨迹和所述规划的路径不为相向方向时，根据车辆的当前位置信息和所述动态障碍物的当前位置信息，确定所述动态障碍物所处的区域属性；其中，所述区域包括第一区域和第二区域，所述第一区域具有停车属性，所述第二区域具有降速属性；

根据规划的速度，生成控制信号，并将所述控制信号发送给执行器执行；

其中，所述根据所述动态障碍物所处的区域属性、动态障碍物的年龄，进行速度规划具体包括：

当所述动态障碍物所处的区域为第一区域时，判断所述动态障碍物的年龄是否大于预设时长，当所述动态障碍物的年龄大于预设时长时，调用梯形速度规划算法，规划停车；

当所述动态障碍物所处的区域为第二区域时，判断所述动态障碍物的年龄是否大于预设时长，当所述动态障碍物的年龄大于预设时长时，调用梯形速度规划算法，规划降速。

2.根据权利要求1所述的方法，其特征在于，所述根据所述动态障碍物的瞬时速度和当前位置信息，预测得到动态障碍物在预设时长内的直线预测轨迹信息具体包括：

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述直线预测轨迹和局部规划路径为非相向方向时，根据所述直线预测轨迹信息和规划的路径，确定碰撞点；

4.根据权利要求1所述的方法，其特征在于，所述根据所述动态障碍物的瞬时速度和当前位置信息，预测得到动态障碍物在预设时长内的直线预测轨迹信息之后，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述梯形速度规划算法具体为：

判断预瞄距离与所述虚拟障碍物的cell点是否相交；

6.根据权利要求5所述的方法，其特征在于，所述根据车辆的速度信息、预设的第二加速度阈值、安全距离和预设的距离常数，计算预瞄距离具体包括：

7.一种设备，其特征在于，所述设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行权利要求1-6任一所述的方法。

8.一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行权利要求1-6任一所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时执行如权利要求1-6任一所述的方法。