[go: up one dir, main page]

CN113753081A - 一种激光雷达路侧盲区交通参与者避让方法和装置 - Google Patents

一种激光雷达路侧盲区交通参与者避让方法和装置 Download PDF

Info

Publication number
CN113753081A
CN113753081A CN202111014122.2A CN202111014122A CN113753081A CN 113753081 A CN113753081 A CN 113753081A CN 202111014122 A CN202111014122 A CN 202111014122A CN 113753081 A CN113753081 A CN 113753081A
Authority
CN
China
Prior art keywords
unmanned vehicle
roadside
collision
blind
blind area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111014122.2A
Other languages
English (en)
Inventor
朱晓星
刘祥
杨凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111014122.2A priority Critical patent/CN113753081A/zh
Publication of CN113753081A publication Critical patent/CN113753081A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4023—Type large-size vehicles, e.g. trucks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Regulating Braking Force (AREA)

Abstract

本申请提供一种激光雷达路侧盲区交通参与者避让方法和装置，所述方法包括获取激光雷达扫描无人驾驶车辆周围的待识别障碍物的信息，计算无人驾驶车辆的路侧盲区；判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险；根据是否存在碰撞风险，控制无人驾驶车辆的行驶。能够避免现有技术中无人驾驶车辆只能对从路侧盲区出现的交通参与者采取紧急刹车，但无法避免碰撞风险的情况；通过判断路侧盲区出现交通参与者与无人驾驶车辆的碰撞风险，提前控制无人驾驶车辆进行减速，实现了无人驾驶车辆的安全驾驶。

Description

一种激光雷达路侧盲区交通参与者避让方法和装置
【技术领域】
本申请涉及自动控制领域，尤其涉及一种激光雷达路侧盲区交通参与者避让方法和装置。
【背景技术】
在无人驾驶车辆中，集成了多类传感器：GPS-IMU(惯性测量单元，InertialMeasurement Unit)组合导航模块、相机、激光雷达、毫米波雷达等传感器。
无人驾驶车辆行驶过程中，主要依靠激光雷达对障碍物进行检测，但是，现有无人驾驶车辆的障碍物检测，只能检测到出现在激光雷达视野中的障碍物，无法检测由于障碍物遮挡造成的盲区中的情况。而对“鬼探头”，即行人、自行车、车辆、动物等交通参与者突然从其他障碍物遮挡造成的盲区中出现，而无人驾驶车辆只能在识别到交通参与者后才能进行反应，如刹车灯；由于突然出现的交通参与者留给无人驾驶车辆的反应时间有限，即使刹车也可能会发生碰撞，这就增加了突发危险和事故发生的几率。
【发明内容】
本申请的多个方面提供一种激光雷达路侧盲区交通参与者避让方法和装置，用以避让从路侧盲区突然出现的交通参与者，避免碰撞事故。
本申请的一方面，提供一种激光雷达路侧盲区交通参与者避让方法，包括：
获取激光雷达扫描无人驾驶车辆周围的待识别障碍物的信息，计算无人驾驶车辆的路侧盲区；
判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险；
根据是否存在碰撞风险，控制无人驾驶车辆的行驶。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，计算无人驾驶车辆的路侧盲区包括：
获取无人驾驶车辆的位置信息、航向信息，基于无人驾驶车辆与所在道路的位置关系和障碍物识别结果，得到无人驾驶车辆的盲区；
根据无人驾驶车辆的当前车道，确定盲区中位于无人驾驶车辆所在的当前车道两侧的路侧盲区。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险之前，判断当前道路场景是否为潜在碰撞场景，判断标准包括：存在路侧盲区、所述路侧盲区为大型车辆造成、所述大型车辆单独位于道路外侧车道。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险包括：
若无人驾驶车辆到达交汇点的时间与所述交通参与者到达交汇点的时间的绝对值之差小于或等于预设安全阈值，则存在碰撞风险。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据是否存在碰撞风险，控制无人驾驶车辆的行驶包括：
若存在碰撞风险，则控制无人驾驶车辆进行减速。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，控制无人驾驶车辆进行减速包括：
调节无人驾驶车辆的速度，使其最短刹车距离小于无人驾驶车辆与交汇点的距离。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
以预设时间间隔重复判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险。
本申请的另一方面，提供一种激光雷达路侧盲区交通参与者避让装置，包括：
获取模块，用于获取激光雷达扫描无人驾驶车辆周围的待识别障碍物的信息，计算无人驾驶车辆的路侧盲区；
判断模块，用于判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险；
控制模块，用于根据是否存在碰撞风险，控制无人驾驶车辆的行驶。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取模块具体用于：
获取无人驾驶车辆的位置信息、航向信息，基于无人驾驶车辆与所在道路的位置关系和障碍物识别结果，得到无人驾驶车辆的盲区；
根据无人驾驶车辆的当前车道，确定盲区中位于无人驾驶车辆所在的当前车道两侧的路侧盲区。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述判断模块判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险之前，还用于判断当前道路场景是否为潜在碰撞场景，判断标准包括：存在路侧盲区、所述路侧盲区为大型车辆造成、所述大型车辆单独位于道路外侧车道。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述判断模块具体用于：
若无人驾驶车辆到达交汇点的时间与所述交通参与者到达交汇点的时间的绝对值之差小于或等于预设安全阈值，则存在碰撞风险。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述控制模块具体用于：
若存在碰撞风险，则控制无人驾驶车辆进行减速。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述控制模块具体还用于：
调节无人驾驶车辆的速度，使其最短刹车距离小于无人驾驶车辆与交汇点的距离。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述判断模块以预设时间间隔重复判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险。
本发明的另一方面，提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
本发明的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
由所述技术方案可知，本申请实施例，通过预测从路侧盲区突然出现的交通参与者与无人驾驶车辆的碰撞风险，用以避让从路侧盲区突然出现的交通参与者，避免碰撞事故。
【附图说明】
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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他的附图。
图1为本申请一实施例提供的激光雷达路侧盲区交通参与者避让方法的流程示意图；
图2为本申请一实施例提供的激光雷达路侧盲区交通参与者避让装置的结构示意图；
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。
【具体实施方式】
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本申请保护的范围。
图1为本申请一实施例提供的激光雷达路侧盲区交通参与者避让方法的示意图，如图1所示，包括以下步骤：
步骤S11、获取激光雷达扫描无人驾驶车辆周围的待识别障碍物的信息，计算无人驾驶车辆的路侧盲区；
步骤S12、判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险；
步骤S13、若存在碰撞风险，则控制无人驾驶车辆进行减速。
步骤S11的一种优选实现方式中，
在本实施例中，所述激光雷达路侧盲区交通参与者避让方法运行于其上的电子设备(例如车辆的行车电脑或车载终端)可以通过有线连接方式或者无线连接方式控制激光雷达传感器。具体地，行车电脑或车载终端可以控制激光雷达传感器以某一频率采集某一区域的点云数据。上述目标区域可以是待检测障碍物的区域。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
本实施例的待识别障碍物的信息可以采用激光雷达扫射得到的。激光雷达的规格可以采用16线、32线或者64线等等。其中线数越高表示激光雷达的单位能量密度越大。本实施例中，装在当前车辆上的激光雷达在每一秒中旋转360次，扫描当前车辆周围一圈的待识别的障碍物的信息，为一帧待识别的障碍物的信息。本实施例中的待识别的障碍物的信息可以包括待识别的障碍物的点云以及待识别的障碍物的反射值。当前车辆周围的待识别的障碍物可以有一个，也可以有多个。激光雷达扫描之后，可以以当前车辆的质心位置为坐标系的原点，并取平行于水平面的两个方向分别为x方向和y方向，作为长度方向和宽度方向，垂直于地面的方向为z方向，作为高度方向。然后可以根据待识别障碍物的点云中的每一个点与原点的相对位置和距离，在坐标系中标识待识别的障碍物。
本实施例中，获取无人驾驶车辆周围的待识别障碍物的信息后，利用预设的点云识别模型对所述待识别障碍物进行识别。所述预设的点云识别模型可以是各种预先训练的能够识别点云数据中障碍物的算法，例如可以是ICP算法(Iterative Closest Point，就近点搜索法)、随机森林算法等。在利用上述点云识别模型识别点云数据中的障碍物后，对识别出的障碍物进行标注，得到标注结果。在对识别出的障碍物进行标注时，标注出的形状可以为与各障碍物外切的最小长方体，也可以是与各障碍物的外表面贴近的不规则曲面。可以理解的是，上述标注结果中包括对各障碍物的识别结果，例如点云数据中包括车辆、交通参与者以及树木，则标注结果中也包括表示不同障碍物的标号或文字，如1代表公交车、2代表小汽车、3代表交通参与者等。
所述交通参与者可以是行人、自行车、车辆、动物等，当其出现在道路上，会对无人驾驶车辆的行驶造成影响。
在本实施例中，以所述交通参与者为行人为例。
本实施例中，基于无人驾驶车辆的行驶方向和障碍物的位置、尺寸，计算得到无人驾驶车辆的路侧盲区。
获取无人驾驶车辆的位置信息、航向信息，确定无人驾驶车辆与所在道路的位置关系，基于所述位置关系和障碍物识别结果，计算得到无人驾驶车辆的盲区。
优选地，通过无人驾驶车辆的高精度位置信息，和道路数据的一系列经纬度记录点进行匹配，确定无人驾驶车辆在道路的具体位置，然后根据无人驾驶车辆所处的道路环境计算得到无人驾驶车辆的盲区。
优选地，以无人驾驶车辆的激光雷达为原点，向障碍物左右边缘做切线，并将两条切线内侧与障碍物形成的扇形区域确定为盲区。所述盲区为障碍物遮挡激光雷达的扫描造成的。
本实施例中，针对的是从路侧盲区中突然出现在无人驾驶车辆前方的交通参与者与无人驾驶车辆发生的潜在碰撞风险。对于无人驾驶车辆前方的车辆遮挡造成的盲区中的交通参与者，由于不会突然出现，因此不会对无人驾驶车辆的安全行驶造成影响。
优选地，根据无人驾驶车辆的当前车道，确定盲区中位于无人驾驶车辆所在的当前车道两侧的路侧盲区。
路侧盲区一般是由停靠在路侧或行车在无人驾驶车辆的外侧车道的大型车辆，例如公交车、卡车造成的。由于其体积较大，会遮挡激光雷达的扫描，使无人驾驶车辆无法获知其外侧是否存在交通参与者。交通参与者突然从路侧盲区进入无人驾驶车辆所在道路，即使无人驾驶车辆进行刹车，由于刹车距离的限制，很可能仍会与所述交通参与者发生碰撞。
判断当前道路场景是否为潜在碰撞场景，判断标准包括：存在路侧盲区、所述路侧盲区为大型车辆造成、所述大型车辆单独位于道路外侧车道。
优选地，对路侧盲区，一般仅考虑由大型车辆造成的路侧盲区。预设的点云识别模型可以识别对应的障碍物类型和尺寸，以判断所述障碍物是否为大型车辆。
优选地，通过无人驾驶车辆的摄像头等传感器，识别道路车道线，确定所述大型车辆是否位于道路外侧车道。如果判断为停靠与道路外侧车道的大型车辆，则其为到站上下乘客的公交车的概率较大，对于这种情况，很有可能有交通参与者从公交车车头突然进入无人驾驶车辆所在车道(与无人驾驶车辆同向行驶的公交车)，或从公交车车尾突然进行无人驾驶车辆所在车道(与无人驾驶车辆相向形式的公交车)。
优选地，若所述大型车辆单独位于道路外侧车道，则认为所述大型车辆前方的路侧盲区中出现交通参与者从车头突然进入无人驾驶车辆所在车道(与无人驾驶车辆同向行驶的公交车)，或从公交车车尾突然进行无人驾驶车辆所在车道(与无人驾驶车辆相向形式的公交车)的概率较大。
在步骤S12的一种优选实现方式中，
判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险。
优选地，假设从所述路侧盲区中出现交通参与者横穿马路，进入无人驾驶车辆的前方，计算所述交通参与者可能出现的范围，包括，所述交通参与者和车辆在当前时刻以及接下来的时刻所处位置。
例如，交通参与者从路侧的公交车下车后，位于公交车遮挡激光雷达造成的盲区中；交通参与者从公交车车头方向出现横穿马路，则无人驾驶车辆扫描并识别到所述交通参与者，进行刹车，但是若如交通参与者出现时与无人驾驶车辆的距离已经小于无人驾驶车辆当前时速的最短刹车距离，则造成碰撞事故。
其中，横穿马路的交通参与者速度我们可以规定为5米/秒，即高于普通人群的一般速度以覆盖大多数人的横穿行为。
计算无人驾驶车辆是否与横穿马路的交通参与者存在碰撞风险，无人驾驶车辆与横穿马路的交通参与者的轨迹交汇，无人驾驶车辆到达交汇点的时间＝无人驾驶车辆与交汇点的距离÷无人驾驶车辆速度；交通参与者到达交汇点的时间＝交通参与者与交汇点的距离÷交通参与者速度。由于车道宽度为3.5米，则预设的安全阈值假设规定为1秒，即交通参与者可以在1秒之内越过该车道。若无人驾驶车辆到达交汇点的时间与交通参与者到达交汇点的时间的绝对值之差小于或等于1秒，则存在碰撞风险。
例如，无人驾驶车辆与交汇点的距离为100米，无人驾驶车辆的速度为72千米/小时，即20米/秒，到达交汇点的时间为5秒；而交通参与者从路侧盲区到达交汇点的距离为10米，则到达交汇点的时间为2秒；则无人驾驶车辆到达交汇点的时间与交通参与者到达交汇点的时间的绝对值之差大于1秒，则不存在碰撞风险。
例如，无人驾驶车辆与交汇点的距离为60米，无人驾驶车辆的速度为72千米/小时，即20米/秒，到达交汇点的时间为3秒；而交通参与者从路侧盲区到达交汇点的距离为10米，则到达交汇点的时间为2秒；则无人驾驶车辆到达交汇点的时间与交通参与者到达交汇点的时间的绝对值之差小于1秒，则存在碰撞风险。
在步骤S13的一种优选实现方式中，
根据是否存在碰撞风险，控制无人驾驶车辆的行驶。
若不存在碰撞风险；无人驾驶车辆保持现有航行和速度继续行驶。
若存在碰撞风险，则控制无人驾驶车辆进行减速。
优选地，根据无人驾驶车辆在不同车速下的最短刹车距离，调节无人驾驶车辆的速度，使其最短刹车距离小于无人驾驶车辆与交汇点的距离。这可以绝对保证无人驾驶车辆不会与从路侧盲区出现的交通参与者发生碰撞。
优选地，以预设时间间隔，例如0.1秒，重复执行上述判断和控制步骤；直至无人驾驶车辆驶离所述交汇点。
优选地，若存在多个路侧盲区，则分别计算无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险，控制无人驾驶车辆进行减速，以保证无人驾驶车辆不会与所述多个路侧盲区出现的交通参与者发生碰撞。
采用上述实施例提供的技术方案，能够避免现有技术中无人驾驶车辆只能对探测到的障碍物进行反应，对于从路侧盲区出现的交通参与者只能采取紧急刹车，但无法避免碰撞风险的情况；通过判断路侧盲区出现交通参与者与无人驾驶车辆的碰撞风险，提前控制无人驾驶车辆进行减速，实现了无人驾驶车辆的安全驾驶。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。
图2为本申请一实施例提供的激光雷达路侧盲区交通参与者避让装置的结构示意图，如图2所示，包括：
获取模块21，用于获取激光雷达扫描无人驾驶车辆周围的待识别障碍物的信息，计算无人驾驶车辆的路侧盲区；
判断模块22，用于判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险；
控制模块23，用于若存在碰撞风险，则控制无人驾驶车辆进行减速。
在获取模块21的一种优选实现方式中，
在本实施例中，所述激光雷达路侧盲区交通参与者避让方法运行于其上的电子设备(例如车辆的行车电脑或车载终端)可以通过有线连接方式或者无线连接方式控制激光雷达传感器。具体地，行车电脑或车载终端可以控制激光雷达传感器以某一频率采集某一区域的点云数据。上述目标区域可以是待检测障碍物的区域。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
本实施例的待识别障碍物的信息可以采用激光雷达扫射得到的。激光雷达的规格可以采用16线、32线或者64线等等。其中线数越高表示激光雷达的单位能量密度越大。本实施例中，装在当前车辆上的激光雷达在每一秒中旋转360次，扫描当前车辆周围一圈的待识别的障碍物的信息，为一帧待识别的障碍物的信息。本实施例中的待识别的障碍物的信息可以包括待识别的障碍物的点云以及待识别的障碍物的反射值。当前车辆周围的待识别的障碍物可以有一个，也可以有多个。激光雷达扫描之后，可以以当前车辆的质心位置为坐标系的原点，并取平行于水平面的两个方向分别为x方向和y方向，作为长度方向和宽度方向，垂直于地面的方向为z方向，作为高度方向。然后可以根据待识别障碍物的点云中的每一个点与原点的相对位置和距离，在坐标系中标识待识别的障碍物。
本实施例中，获取无人驾驶车辆周围的待识别障碍物的信息后，利用预设的点云识别模型对所述待识别障碍物进行识别。所述预设的点云识别模型可以是各种预先训练的能够识别点云数据中障碍物的算法，例如可以是ICP算法(Iterative Closest Point，就近点搜索法)、随机森林算法等。在利用上述点云识别模型识别点云数据中的障碍物后，对识别出的障碍物进行标注，得到标注结果。在对识别出的障碍物进行标注时，标注出的形状可以为与各障碍物外切的最小长方体，也可以是与各障碍物的外表面贴近的不规则曲面。可以理解的是，上述标注结果中包括对各障碍物的识别结果，例如点云数据中包括车辆、交通参与者以及树木，则标注结果中也包括表示不同障碍物的标号或文字，如1代表公交车、2代表小汽车、3代表交通参与者等。
所述交通参与者可以是行人、自行车、车辆、动物等，当其出现在道路上，会对无人驾驶车辆的行驶造成影响。
在本实施例中，以所述交通参与者为行人为例。
本实施例中，基于无人驾驶车辆的行驶方向和障碍物的位置、尺寸，计算得到无人驾驶车辆的路侧盲区。
获取无人驾驶车辆的位置信息、航向信息，确定无人驾驶车辆与所在道路的位置关系，基于所述位置关系和障碍物识别结果，计算得到无人驾驶车辆的盲区。
优选地，通过无人驾驶车辆的高精度位置信息，和道路数据的一系列经纬度记录点进行匹配，确定无人驾驶车辆在道路的具体位置，然后根据无人驾驶车辆所处的道路环境计算得到无人驾驶车辆的盲区。
优选地，以无人驾驶车辆的激光雷达为原点，向障碍物左右边缘做切线，并将两条切线内侧与障碍物形成的扇形区域确定为盲区。所述盲区为障碍物遮挡激光雷达的扫描造成的。
本实施例中，针对的是从路侧盲区中突然出现在无人驾驶车辆前方的交通参与者与无人驾驶车辆发生的潜在碰撞风险。对于无人驾驶车辆前方的车辆遮挡造成的盲区中的交通参与者，由于不会突然出现，因此不会对无人驾驶车辆的安全行驶造成影响。
优选地，根据无人驾驶车辆的当前车道，确定盲区中位于无人驾驶车辆所在的当前车道两侧的路侧盲区。
路侧盲区一般是由停靠在路侧或行车在无人驾驶车辆的外侧车道的大型车辆，例如公交车、卡车造成的。由于其体积较大，会遮挡激光雷达的扫描，使无人驾驶车辆无法获知其外侧是否存在交通参与者或车辆。交通参与者突然从路侧盲区进入无人驾驶车辆所在道路，即使无人驾驶车辆进行刹车，由于刹车距离的限制，很可能仍会与所述交通参与者发生碰撞。
判断当前道路场景是否为潜在碰撞场景，判断标准包括：存在路侧盲区、所述路侧盲区为大型车辆造成、所述大型车辆单独位于道路外侧车道。
优选地，对路侧盲区，一般仅考虑由大型车辆造成的路侧盲区。预设的点云识别模型可以识别对应的障碍物类型和尺寸，以判断所述障碍物是否为大型车辆。
优选地，通过无人驾驶车辆的摄像头等传感器，识别道路车道线，确定所述大型车辆是否位于道路外侧车道。如果判断为停靠与道路外侧车道的大型车辆，则其为到站上下乘客的公交车的概率较大，对于这种情况，很有可能有交通参与者从公交车车头突然进入无人驾驶车辆所在车道(与无人驾驶车辆同向行驶的公交车)，或从公交车车尾突然进行无人驾驶车辆所在车道(与无人驾驶车辆相向形式的公交车)。
优选地，若所述大型车辆单独位于道路外侧车道，则认为所述大型车辆前方的路侧盲区中出现交通参与者从车头突然进入无人驾驶车辆所在车道(与无人驾驶车辆同向行驶的公交车)，或从公交车车尾突然进行无人驾驶车辆所在车道(与无人驾驶车辆相向形式的公交车)的概率较大。
在判断模块22的一种优选实现方式中，
判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险。
优选地，假设从所述路侧盲区中出现交通参与者横穿马路，进入无人驾驶车辆的前方，计算所述交通参与者可能出现的范围，包括，所述交通参与者和车辆在当前时刻以及接下来的时刻所处位置。
例如，交通参与者从路侧的公交车下车后，位于公交车遮挡激光雷达造成的盲区中；交通参与者从公交车车头方向出现横穿马路，则无人驾驶车辆扫描并识别到所述交通参与者，进行刹车，但是若如交通参与者出现时与无人驾驶车辆的距离已经小于无人驾驶车辆当前时速的最短刹车距离，则造成碰撞事故。
其中，横穿马路的交通参与者速度我们可以规定为5米/秒，即高于普通人群的一般速度以覆盖大多数人的横穿行为。
计算无人驾驶车辆是否与横穿马路的交通参与者存在碰撞风险，无人驾驶车辆与横穿马路的交通参与者的轨迹交汇，无人驾驶车辆到达交汇点的时间＝无人驾驶车辆与交汇点的距离÷无人驾驶车辆速度；交通参与者到达交汇点的时间＝交通参与者与交汇点的距离÷交通参与者速度。由于车道宽度为3.5米，则预设的安全阈值假设规定为1秒，即交通参与者可以在1秒之内越过该车道。若无人驾驶车辆到达交汇点的时间与交通参与者到达交汇点的时间的绝对值之差小于或等于1秒，则存在碰撞风险。
例如，无人驾驶车辆与交汇点的距离为100米，无人驾驶车辆的速度为72千米/小时，即20米/秒，到达交汇点的时间为5秒；而交通参与者从路侧盲区到达交汇点的距离为10米，则到达交汇点的时间为2秒；则无人驾驶车辆到达交汇点的时间与交通参与者到达交汇点的时间的绝对值之差大于1秒，则不存在碰撞风险。
例如，无人驾驶车辆与交汇点的距离为60米，无人驾驶车辆的速度为72千米/小时，即20米/秒，到达交汇点的时间为3秒；而交通参与者从路侧盲区到达交汇点的距离为10米，则到达交汇点的时间为2秒；则无人驾驶车辆到达交汇点的时间与交通参与者到达交汇点的时间的绝对值之差小于1秒，则存在碰撞风险。
在控制模块23的一种优选实现方式中，
根据是否存在碰撞风险，控制无人驾驶车辆的行驶。
若不存在碰撞风险；无人驾驶车辆保持现有航行和速度继续行驶。
若存在碰撞风险，则控制无人驾驶车辆进行减速。
优选地，根据无人驾驶车辆在不同车速下的最短刹车距离，调节无人驾驶车辆的速度，使其最短刹车距离小于无人驾驶车辆与交汇点的距离。这可以绝对保证无人驾驶车辆不会与从路侧盲区出现的交通参与者发生碰撞。
优选地，以预设时间间隔，例如0.1秒，重复执行上述判断和控制步骤；直至无人驾驶车辆驶离所述交汇点。
优选地，若存在多个路侧盲区，则分别计算无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险，控制无人驾驶车辆进行减速，以保证无人驾驶车辆不会与所述多个路侧盲区出现的交通参与者发生碰撞。
采用上述实施例提供的技术方案，能够避免现有技术中无人驾驶车辆只能对探测到的障碍物进行反应，对于从路侧盲区出现的交通参与者只能采取紧急刹车，但无法避免碰撞风险的情况；通过判断路侧盲区出现交通参与者与无人驾驶车辆的碰撞风险，提前控制无人驾驶车辆进行减速，实现了无人驾驶车辆的安全驾驶。
在所述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图3显示的计算机系统/服务器012仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于：一个或者多个处理器或者处理单元016，系统存储器028，连接不同系统组件(包括系统存储器028和处理单元016)的总线018。
总线018表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器028可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统034可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块042的程序/实用工具040，可以存储在例如存储器028中，这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信，在本发明中，计算机系统/服务器012与外部雷达设备进行通信，还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信，和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且，计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图3所示，网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白，尽管图3中未示出，可以结合计算机系统/服务器012使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元016通过运行存储在系统存储器028中的程序，从而执行本发明所描述的实施例中的功能和/或方法。
上述的计算机程序可以设置于计算机存储介质中，即该计算机存储介质被编码有计算机程序，该程序在被一个或多个计算机执行时，使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。
随着时间、技术的发展，介质含义越来越广泛，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (16)

1.一种激光雷达路侧盲区交通参与者避让方法，其特征在于，包括：
获取激光雷达扫描无人驾驶车辆周围的待识别障碍物的信息；
根据所述待识别障碍物的信息和所述无人驾驶车辆的行驶方向，计算无人驾驶车辆的路侧盲区；
判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险；
根据是否存在碰撞风险，控制无人驾驶车辆的行驶。
2.根据权利要求1所述的方法，其特征在于，计算无人驾驶车辆的路侧盲区包括：
获取无人驾驶车辆的位置信息、航向信息，基于无人驾驶车辆与所在道路的位置关系和障碍物识别结果，得到无人驾驶车辆的盲区；
根据无人驾驶车辆的当前车道，确定盲区中位于无人驾驶车辆所在的当前车道两侧的路侧盲区。
3.根据权利要求1所述的方法，其特征在于，在判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险之前，判断当前道路场景是否为潜在碰撞场景，判断标准包括：存在路侧盲区、所述路侧盲区为大型车辆造成、所述大型车辆单独位于道路外侧车道。
4.根据权利要求1所述的方法，其特征在于，判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险包括：
若无人驾驶车辆到达交汇点的时间与所述交通参与者到达交汇点的时间的绝对值之差小于或等于预设安全阈值，则存在碰撞风险。
5.根据权利要求1所述的方法，其特征在于，根据是否存在碰撞风险，控制无人驾驶车辆的行驶包括：
若存在碰撞风险，则控制无人驾驶车辆进行减速。
6.根据权利要求5所述的方法，其特征在于，控制无人驾驶车辆进行减速包括：
调节无人驾驶车辆的速度，使其最短刹车距离小于无人驾驶车辆与交汇点的距离。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
以预设时间间隔重复判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险。
8.一种激光雷达路侧盲区交通参与者避让装置，其特征在于，包括：
获取模块，用于获取激光雷达扫描无人驾驶车辆周围的待识别障碍物的信息；根据所述待识别障碍物的信息和所述无人驾驶车辆的行驶方向，计算无人驾驶车辆的路侧盲区；
判断模块，用于判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险；
控制模块，用于根据是否存在碰撞风险，控制无人驾驶车辆的行驶。
9.根据权利要求8所述的装置，其特征在于，所述获取模块具体用于：
获取无人驾驶车辆的位置信息、航向信息，基于无人驾驶车辆与所在道路的位置关系和障碍物识别结果，得到无人驾驶车辆的盲区；
根据无人驾驶车辆的当前车道，确定盲区中位于无人驾驶车辆所在的当前车道两侧的路侧盲区。
10.根据权利要求8所述的装置，其特征在于，判断模块判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险之前，还用于判断当前道路场景是否为潜在碰撞场景，判断标准包括：存在路侧盲区、所述路侧盲区为大型车辆造成、所述大型车辆单独位于道路外侧车道。
11.根据权利要求8所述的装置，其特征在于，所述判断模块具体用于：
若无人驾驶车辆到达交汇点的时间与所述交通参与者到达交汇点的时间的绝对值之差小于或等于预设安全阈值，则存在碰撞风险。
12.根据权利要求8所述的装置，其特征在于，所述控制模块具体用于：
若存在碰撞风险，则控制无人驾驶车辆进行减速。
13.根据权利要求12所述的装置，其特征在于，所述控制模块具体还用于：
调节无人驾驶车辆的速度，使其最短刹车距离小于无人驾驶车辆与交汇点的距离。
14.根据权利要求8所述的装置，其特征在于，所述判断模块以预设时间间隔重复判断无人驾驶车辆与从所述路侧盲区中出现的交通参与者的碰撞风险。
15.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～7中任一项所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～7中任一项所述的方法。
CN202111014122.2A 2019-01-15 2019-01-15 一种激光雷达路侧盲区交通参与者避让方法和装置 Pending CN113753081A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111014122.2A CN113753081A (zh) 2019-01-15 2019-01-15 一种激光雷达路侧盲区交通参与者避让方法和装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910036316.9A CN109817021B (zh) 2019-01-15 2019-01-15 一种激光雷达路侧盲区交通参与者避让方法和装置
CN202111014122.2A CN113753081A (zh) 2019-01-15 2019-01-15 一种激光雷达路侧盲区交通参与者避让方法和装置

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201910036316.9A Division CN109817021B (zh) 2019-01-15 2019-01-15 一种激光雷达路侧盲区交通参与者避让方法和装置

Publications (1)

Publication Number Publication Date
CN113753081A true CN113753081A (zh) 2021-12-07

Family

ID=66603828

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202111014122.2A Pending CN113753081A (zh) 2019-01-15 2019-01-15 一种激光雷达路侧盲区交通参与者避让方法和装置
CN201910036316.9A Active CN109817021B (zh) 2019-01-15 2019-01-15 一种激光雷达路侧盲区交通参与者避让方法和装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201910036316.9A Active CN109817021B (zh) 2019-01-15 2019-01-15 一种激光雷达路侧盲区交通参与者避让方法和装置

Country Status (5)

Country Link
US (1) US20210276589A1 (zh)
EP (1) EP3796285A4 (zh)
JP (1) JP2021527903A (zh)
CN (2) CN113753081A (zh)
WO (1) WO2020147486A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113954826A (zh) * 2021-12-16 2022-01-21 深圳佑驾创新科技有限公司 一种车辆盲区的车辆控制方法及其系统、车辆
CN114348023A (zh) * 2022-01-25 2022-04-15 北京三快在线科技有限公司 一种基于盲区的无人驾驶设备控制方法及装置
CN114545443A (zh) * 2022-02-09 2022-05-27 北京三快在线科技有限公司 一种盲区识别方法及装置
CN114842676A (zh) * 2022-03-04 2022-08-02 长安大学 一种车辆过路口时被待左转大型车遮挡视野时的避撞系统
CN115064006A (zh) * 2022-06-10 2022-09-16 中国第一汽车股份有限公司 交通弱势参与者预警方法、装置、设备、存储介质和系统
CN115862380A (zh) * 2022-11-22 2023-03-28 湖南湘江智芯云途科技有限公司 基于机器视觉的路侧盲区预警方法及装置
CN116552516A (zh) * 2023-06-06 2023-08-08 北京航空航天大学 一种基于激光雷达的驾驶员盲区智能补偿系统
WO2024193332A1 (zh) * 2023-03-20 2024-09-26 华为技术有限公司 车道保持的方法和装置

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113753081A (zh) * 2019-01-15 2021-12-07 北京百度网讯科技有限公司 一种激光雷达路侧盲区交通参与者避让方法和装置
US11620907B2 (en) * 2019-04-29 2023-04-04 Qualcomm Incorporated Method and apparatus for vehicle maneuver planning and messaging
CN110379157A (zh) * 2019-06-04 2019-10-25 深圳市速腾聚创科技有限公司 道路盲区监控方法、系统、装置、设备和存储介质
CN110162062B (zh) * 2019-06-10 2023-04-18 阿波罗智联(北京)科技有限公司 车辆行驶规划方法、装置、设备和可读存储介质
CN110316186A (zh) * 2019-07-01 2019-10-11 百度在线网络技术（北京）有限公司 车辆防碰撞预判方法、装置、设备及可读存储介质
CN112185170B (zh) * 2019-07-05 2023-02-28 浙江宇视科技有限公司 交通安全提示方法及道路监控设备
CN110446278B (zh) * 2019-07-30 2021-11-09 同济大学 基于v2i的智能驾驶汽车传感器盲区安全控制方法及系统
CN110428661A (zh) * 2019-08-12 2019-11-08 深圳成谷科技有限公司 一种保护行人过斑马线的方法、装置和设备
CN110435646B (zh) * 2019-08-13 2020-10-23 浙江吉利汽车研究院有限公司 一种车辆的盲区目标追踪方法
CN110456796B (zh) * 2019-08-16 2022-11-01 阿波罗智能技术(北京)有限公司 自动驾驶视觉盲区检测方法及装置
CN112428953A (zh) * 2019-08-23 2021-03-02 长城汽车股份有限公司 一种盲区监测报警方法及装置
US11354912B2 (en) * 2019-08-27 2022-06-07 Waymo Llc Detecting potentially occluded objects for autonomous vehicles
CN110544377A (zh) * 2019-08-31 2019-12-06 武汉理工大学 基于车路协同的交叉口行人避撞方法
CN110544390B (zh) * 2019-08-31 2022-03-01 武汉理工大学 一种车车交互式的行人主动避撞方法与装置
CN112937559B (zh) 2019-11-22 2022-12-20 荷兰移动驱动器公司 行车警示方法及车载装置
CN111813105B (zh) * 2020-01-15 2023-05-05 新奇点智能科技集团有限公司 一种车路协同方法、装置、电子设备及可读存储介质
CN111223333B (zh) * 2020-01-17 2021-11-12 上海银基信息安全技术股份有限公司 防碰撞方法、装置及车辆
WO2021189420A1 (zh) * 2020-03-27 2021-09-30 华为技术有限公司 一种数据处理方法及装置
CN113859228B (zh) * 2020-06-30 2023-07-25 上海商汤智能科技有限公司 一种车辆控制方法、装置、电子设备及存储介质
CN113866791A (zh) * 2020-06-30 2021-12-31 商汤集团有限公司 雷达装置采集的数据的处理方法及处理装置
JP7476018B2 (ja) * 2020-07-22 2024-04-30 株式会社Subaru 車両検知情報共有システム
CN112286188B (zh) * 2020-10-20 2022-09-30 腾讯科技（深圳）有限公司 车辆行驶的控制方法、装置、设备及计算机可读存储介质
US12065139B2 (en) * 2020-11-10 2024-08-20 Honda Motor Co., Ltd. System and method for completing risk object identification
CN112256043B (zh) * 2020-11-17 2021-12-14 腾讯科技（深圳）有限公司 车队行驶控制方法、装置、计算机设备和存储介质
CN112650243B (zh) * 2020-12-22 2023-10-10 北京百度网讯科技有限公司 车辆控制方法、装置、电子设备和自动驾驶车辆
CN112712719B (zh) * 2020-12-25 2022-05-03 阿波罗智联(北京)科技有限公司 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆
CN114802218A (zh) * 2021-01-27 2022-07-29 长城汽车股份有限公司 车辆行驶的控制系统及方法
WO2022212944A1 (en) * 2021-04-02 2022-10-06 May Mobility, Inc. Method and system for operating an autonomous agent with incomplete environmental information
CN113126631B (zh) * 2021-04-29 2023-06-30 季华实验室 Agv车的自动刹车控制方法、装置、电子设备和存储介质
JP7533372B2 (ja) * 2021-06-17 2024-08-14 トヨタ自動車株式会社 情報処理装置、情報処理方法、及びプログラム
CN113401138B (zh) * 2021-06-18 2022-05-03 清华大学 一种计算潜在碰撞严重指数的方法、装置和系统
CN113983430A (zh) * 2021-07-30 2022-01-28 深圳市靓工创新应用科技有限公司 智能灯杆及基于智能灯杆的道路识别方法和道路识别装置
CN113479218B (zh) * 2021-08-09 2022-05-31 哈尔滨工业大学 一种路基自动驾驶辅助探测系统及其控制方法
CN113628444A (zh) * 2021-08-12 2021-11-09 智道网联科技(北京)有限公司 提示交通风险的方法、装置和计算机可读存储介质
CN115230684B (zh) * 2021-08-20 2024-03-01 广州汽车集团股份有限公司 一种前向防碰撞方法及系统
CN113823123B (zh) * 2021-09-28 2022-07-01 合肥工业大学 一种基于离散点轨迹拟合的车辆避障预警方法及装置
CN114155705B (zh) * 2021-10-22 2023-01-10 广州文远知行科技有限公司 一种车辆阻碍交通行为评估方法、装置、设备及存储介质
CN114093165A (zh) * 2021-11-17 2022-02-25 山东大学 一种基于路侧激光雷达的车辆-行人冲突自动识别方法
CN114137980B (zh) * 2021-11-29 2022-12-13 广州小鹏自动驾驶科技有限公司 控制方法及装置、车辆和可读存储介质
CN113954880B (zh) * 2021-12-06 2023-11-03 广州文远知行科技有限公司 一种涉及行驶盲区的自动驾驶车速规划方法及相关设备
CN114475651B (zh) * 2021-12-11 2024-05-14 中国电信股份有限公司 基于车路协同的盲区障碍物紧急避让方法和装置
CN114179826B (zh) * 2021-12-17 2024-10-18 中汽创智科技有限公司 自动驾驶车辆的起步控制方法、装置、设备及存储介质
CN114779255A (zh) * 2022-04-27 2022-07-22 东风汽车有限公司东风日产乘用车公司 障碍物检测方法、车辆控制方法、车辆及存储介质
CN114724116B (zh) * 2022-05-23 2022-09-27 禾多科技（北京）有限公司 车辆通行信息生成方法、装置、设备和计算机可读介质
CN115188184B (zh) * 2022-06-20 2024-03-19 海信集团控股股份有限公司 一种车辆限速处理方法、设备及装置
CN115100628B (zh) * 2022-06-22 2024-08-09 哪吒智合新能源汽车科技(上海)有限公司 一种自动驾驶车辆的障碍物识别方法及装置
JP2024040595A (ja) * 2022-09-13 2024-03-26 キヤノン株式会社 情報処理装置、情報処理装置の制御方法、及びコンピュータプログラム
CN115497338B (zh) * 2022-10-17 2024-03-15 中国第一汽车股份有限公司 辅路路口的盲区预警系统、方法及装置
CN117382593B (zh) * 2023-12-08 2024-04-05 之江实验室 一种基于激光点云过滤的车辆紧急制动方法和系统
CN118619120B (zh) * 2024-08-14 2024-10-29 华芯(嘉兴)智能装备有限公司 天车的防碰撞控制方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104379425A (zh) * 2012-06-15 2015-02-25 丰田自动车株式会社 驾驶支持系统
CN105151043A (zh) * 2015-08-19 2015-12-16 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车紧急避让的系统和方法
CN105774809A (zh) * 2014-12-26 2016-07-20 中国移动通信集团公司 一种行车盲区提示的方法和装置
CN107705634A (zh) * 2017-11-16 2018-02-16 东南大学 基于行车记录仪的交叉口紧急情况处理系统及方法
CN107731009A (zh) * 2017-11-28 2018-02-23 吉林大学 一种适用于无信号灯交叉路口车辆避人、避撞系统及方法
CN108447304A (zh) * 2018-04-18 2018-08-24 北京交通大学 基于车路协同的施工道路行人车辆避撞预警系统及方法
CN108638952A (zh) * 2018-06-04 2018-10-12 安徽灵图壹智能科技有限公司 一种防大型车辆遮挡盲区提示系统及工作方法
US20190011913A1 (en) * 2017-07-05 2019-01-10 GM Global Technology Operations LLC Methods and systems for blind spot detection in an autonomous vehicle

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4715579B2 (ja) * 2006-03-23 2011-07-06 株式会社豊田中央研究所 潜在危険度推定装置
JP4984244B2 (ja) * 2007-07-26 2012-07-25 株式会社デンソー 交差点安全運転支援装置
CN103635946B (zh) * 2011-08-10 2016-04-06 丰田自动车株式会社 驾驶辅助装置
JP5796519B2 (ja) * 2012-03-15 2015-10-21 トヨタ自動車株式会社 運転支援装置
CN102779280B (zh) * 2012-06-19 2014-07-30 武汉大学 一种基于激光传感器的交通信息提取方法
JP6263402B2 (ja) * 2013-10-11 2018-01-17 株式会社デンソーアイティーラボラトリ 安全速度情報生成装置、安全速度生成方法、及びプログラム
JP5726263B2 (ja) * 2013-10-22 2015-05-27 三菱電機株式会社 運転支援装置および運転支援方法
JP6447863B2 (ja) * 2014-10-17 2019-01-09 シャープ株式会社 移動体
EP3091370B1 (en) * 2015-05-05 2021-01-06 Volvo Car Corporation Method and arrangement for determining safe vehicle trajectories
JP6776513B2 (ja) * 2015-08-19 2020-10-28 ソニー株式会社 車両制御装置と車両制御方法と情報処理装置および交通情報提供システム
JP6962926B2 (ja) * 2015-11-04 2021-11-05 ズークス インコーポレイテッド 自律車両の軌道修正のための遠隔操作システムおよび方法
US9908468B2 (en) * 2016-01-12 2018-03-06 Toyota Motor Engineering & Manufacturing North America, Inc. Apparatus and method for providing an extended forward collision warning
US10328949B2 (en) * 2016-01-28 2019-06-25 Toyota Motor Engineering & Manufacturing North America, Inc. Sensor blind spot indication for vehicles
CN107274695B (zh) * 2016-04-08 2020-10-27 上海三思电子工程有限公司 智能照明系统、智能车辆及其车辆辅助驾驶系统和方法
CN106274899A (zh) * 2016-08-29 2017-01-04 无锡卓信信息科技股份有限公司 一种无人驾驶汽车的激光避障方法及系统
CN106371436A (zh) * 2016-08-29 2017-02-01 无锡卓信信息科技股份有限公司 一种无人驾驶汽车的避障方法及系统
US10319221B2 (en) * 2016-11-04 2019-06-11 Ford Global Technologies, Llc Systems and methods for vehicular application of detected traffic flow
CN106707293B (zh) * 2016-12-01 2019-10-29 百度在线网络技术（北京）有限公司 用于车辆的障碍物识别方法和装置
JP6551382B2 (ja) * 2016-12-22 2019-07-31 トヨタ自動車株式会社 衝突回避支援装置
JP6913602B2 (ja) * 2017-02-27 2021-08-04 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 情報処理装置およびプログラム
US10095234B2 (en) * 2017-03-07 2018-10-09 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
CN107161141B (zh) * 2017-03-08 2023-05-23 深圳市速腾聚创科技有限公司 无人驾驶汽车系统及汽车
CN106816036A (zh) * 2017-04-01 2017-06-09 北京中鼎思宏科技有限公司 车辆碰撞风险的预警方法及系统
CN107415823A (zh) * 2017-04-21 2017-12-01 南京工程学院 基于超宽带雷达的汽车行驶中生命体防碰撞预警方法
CN107886772A (zh) * 2017-11-10 2018-04-06 重庆长安汽车股份有限公司 弱势交通参与者碰撞预警系统
US20190315345A1 (en) * 2018-04-16 2019-10-17 David E. Newman Blind spot potential-hazard avoidance system
CN109064746A (zh) * 2018-08-31 2018-12-21 努比亚技术有限公司 一种信息处理方法、终端和计算机可读存储介质
CN113753081A (zh) * 2019-01-15 2021-12-07 北京百度网讯科技有限公司 一种激光雷达路侧盲区交通参与者避让方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104379425A (zh) * 2012-06-15 2015-02-25 丰田自动车株式会社 驾驶支持系统
CN105774809A (zh) * 2014-12-26 2016-07-20 中国移动通信集团公司 一种行车盲区提示的方法和装置
CN105151043A (zh) * 2015-08-19 2015-12-16 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车紧急避让的系统和方法
US20190011913A1 (en) * 2017-07-05 2019-01-10 GM Global Technology Operations LLC Methods and systems for blind spot detection in an autonomous vehicle
CN107705634A (zh) * 2017-11-16 2018-02-16 东南大学 基于行车记录仪的交叉口紧急情况处理系统及方法
CN107731009A (zh) * 2017-11-28 2018-02-23 吉林大学 一种适用于无信号灯交叉路口车辆避人、避撞系统及方法
CN108447304A (zh) * 2018-04-18 2018-08-24 北京交通大学 基于车路协同的施工道路行人车辆避撞预警系统及方法
CN108638952A (zh) * 2018-06-04 2018-10-12 安徽灵图壹智能科技有限公司 一种防大型车辆遮挡盲区提示系统及工作方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113954826A (zh) * 2021-12-16 2022-01-21 深圳佑驾创新科技有限公司 一种车辆盲区的车辆控制方法及其系统、车辆
CN113954826B (zh) * 2021-12-16 2022-04-05 深圳佑驾创新科技有限公司 一种车辆盲区的车辆控制方法及其系统、车辆
CN114348023A (zh) * 2022-01-25 2022-04-15 北京三快在线科技有限公司 一种基于盲区的无人驾驶设备控制方法及装置
CN114545443A (zh) * 2022-02-09 2022-05-27 北京三快在线科技有限公司 一种盲区识别方法及装置
CN114842676A (zh) * 2022-03-04 2022-08-02 长安大学 一种车辆过路口时被待左转大型车遮挡视野时的避撞系统
CN115064006A (zh) * 2022-06-10 2022-09-16 中国第一汽车股份有限公司 交通弱势参与者预警方法、装置、设备、存储介质和系统
CN115862380A (zh) * 2022-11-22 2023-03-28 湖南湘江智芯云途科技有限公司 基于机器视觉的路侧盲区预警方法及装置
WO2024193332A1 (zh) * 2023-03-20 2024-09-26 华为技术有限公司 车道保持的方法和装置
CN116552516A (zh) * 2023-06-06 2023-08-08 北京航空航天大学 一种基于激光雷达的驾驶员盲区智能补偿系统

Also Published As

Publication number Publication date
EP3796285A4 (en) 2021-08-11
WO2020147486A1 (zh) 2020-07-23
CN109817021A (zh) 2019-05-28
CN109817021B (zh) 2021-11-02
EP3796285A1 (en) 2021-03-24
JP2021527903A (ja) 2021-10-14
US20210276589A1 (en) 2021-09-09

Similar Documents

Publication Publication Date Title
CN109817021B (zh) 一种激光雷达路侧盲区交通参与者避让方法和装置
CN109927719B (zh) 一种基于障碍物轨迹预测的辅助驾驶方法和系统
CN109572555B (zh) 一种应用于无人车的遮挡信息显示方法和系统
CN111775940B (zh) 一种自动换道方法、装置、设备及存储介质
CN106873580B (zh) 基于感知数据在交叉口处自主驾驶
US10377376B2 (en) Vehicle with environmental context analysis
CN109633688B (zh) 一种激光雷达障碍物识别方法和装置
US20200380257A1 (en) Autonomous vehicle object content presentation systems and methods
CN112172835B (zh) 一种车辆预警方法、装置、设备及存储介质
CN112172663A (zh) 一种基于开车门的危险报警方法及相关设备
CN116872921A (zh) 一种车辆规避风险方法、系统、车辆及存储介质
CN114475651A (zh) 基于车路协同的盲区障碍物紧急避让方法和装置
CN110333725B (zh) 自动驾驶避让行人的方法、系统、设备及存储介质
JP2023024857A (ja) 路車間連携情報処理方法、装置、システム、電子機器、記憶媒体およびコンピュータプログラム
CN114537447A (zh) 安全通行方法、装置、电子设备和存储介质
CN113911111A (zh) 车辆碰撞检测方法、系统、电子设备以及存储介质
CN112249007A (zh) 一种车辆危险报警方法及相关设备
WO2023025007A1 (zh) 车辆避让方法、装置、车载设备及存储介质
CN114530057B (zh) 一种车辆预警方法、装置、车辆及存储介质
CN108682174B (zh) 一种驾驶预警方法、装置及电子设备
CN113178081B (zh) 一种车辆汇入预警方法、装置及电子设备
CN115909806A (zh) 一种碰撞预警方法、装置及路侧设备
Essien et al. Ultrasonic Sensor-Based Embedded System for Vehicular Collusion Detection and Alert
CN112849130A (zh) 一种智能碰撞缓解系统及方法
CN115981344B (zh) 自动驾驶方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20211207

RJ01 Rejection of invention patent application after publication