具体实施方式

本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。

本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。

此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。

本公开实施例提供了一种计算潜在碰撞严重指数的方法，如图1所示，方法包括：

S100.根据预先获取的环境点云确定无人驾驶的第一车辆周围多辆第二车辆的相关信息；

S110.根据预先获取的第一车辆航向角和多辆第二车辆的相关信息，采用预先设置的潜在碰撞严重指数算法计算潜在碰撞严重指数。

在本实施例中，所述第二车辆的相关信息包括：该第二车辆相对于所述第一车辆的车速、该第二车辆的航向角、该第二车辆相对于第一车辆的位置和该第二车辆相对于第一车辆的距离。

该计算潜在碰撞严重指数的方法应用在无人驾驶潜在碰撞严重指数计算系统中，该无人驾驶潜在碰撞严重指数计算系统的结构图，如图3所示，包括：激光雷达、GPS、ECU和CAN总线。

在本实施例中，激光雷达获取无人驾驶车辆(第一车辆)周围环境点云Pe，并发送至ECU。GPS获取无人驾驶车辆(第一车辆)的自车航向角θ即第一车辆航向角，并发送至ECU。集成在ECU中的3D目标检测模块通过获取激光雷达发送至ECU的环境点云P_e检测所述第二车辆的相关信息，该信息包括：该第二车辆相对于所述第一车辆的车速、该第二车辆的航向角、该第二车辆相对于第一车辆的位置和该第二车辆相对于第一车辆的距离，并发送至潜在碰撞严重指数计算模块。集成在ECU中的3D目标检测模块基于2019年Lang A H在论文《Pointpillars:Fast encoders for object detection from point clouds》中提出的方法通过获取激光雷达发送至ECU的环境点云P_e检测无人驾驶车辆(第一车辆)周围第i辆他车(第二车辆)的相关信息。

一种示例性的实施例中，所述根据预先获取的第一车辆航向角和多辆第二车辆的相关信息，采用预先设置的潜在碰撞严重指数算法计算潜在碰撞严重指数，包括：

分别根据预先获取的第二车辆的相关信息计算每个第二车辆的碰撞严重度、第一加权系数和第二加权系数；

根据所计算多个第二车辆的碰撞严重度、多个第一加权系数和多个第二加权系数采用预先设置的潜在碰撞严重指数算法，计算出第一车辆的潜在碰撞严重指数。

一种示例性的实施例中，所述分别根据预先获取的第二车辆的相关信息计算每个第二车辆的碰撞严重度、第一加权系数和第二加权系数包括：

如果第一车辆和第二车辆发生碰撞时，根据预先获取的第一车辆航向角和第二车辆航向角计算第一车辆与第二车辆的碰撞角；

根据预先设置的拟合公式计算出第二车辆的碰撞角所对应的碰撞严重度；

根据第一车辆航向角和第二车辆相对于第一车辆的位置应用预设的第一加权系数公式计算第二车辆对应的第一加权系数；

根据第二车辆相对于第一车辆的车速和第二车辆相对第一车辆的距离应用预设的第二加权系数公式计算第二车辆对应的第二加权系数。

一种示例性的实施例中，所述如果第一车辆和第二车辆发生碰撞时，根据预先获取的第一车辆航向角和第二车辆航向角计算第一车辆与第二车辆的碰撞角包括：

如果第一车辆和第二车辆发生碰撞时，根据预先获取的第一车辆航向角和第二车辆航向角采用角度公式计算第一车辆与第二车辆的碰撞角，该角度公式为：

θ_ci＝|π-θ_ti-θ|

上述公式中，θ表示第一车辆航向角，θ_ti表示第i个第二车辆航向角，θ_ci表示第一车辆与第i个第二车辆的碰撞角，i表示第二车辆的编号，i为大于等于1的正整数。

一种示例性的实施例中，所述拟合公式为：

其中，a₀-a_j、b₁-b_j和w为预先设置的参数；其中，j∈1～6，x表示第一车辆与第i个第二车辆的碰撞角。

一种示例性的实施例中，a₀设置为-16.12，a₁设置为-19.06，a₂设置为11.46，a₃设置为19.86，a₄设置为7.853，a₅设置为-1.154，a₆设置为-1.33；w设置为1.371；b₁设置为28.91，b₂设置为26.71，b₃设置为3.564，b₄设置为-8.256，b₅设置为-4.983，b₆设置为-0.4932。

一种示例性的实施例中，所述第一加权系数公式为：

上述公式中，x_ti和y_ti分别为第i辆第二车辆相对于第一车辆的位置的X方向和Y方向的坐标值；W_1i表示第i个第二车辆第一加权系数，θ为第一车辆航向角。

一种示例性的实施例中，所述第二加权系数公式为：

其中，L_ri表示第i个第二车辆相对第一车辆的距离；V_ri表示第i个第二车辆相对第一车辆的车速；k为可调参数，a为第一车辆在当前路面上的最大制动减速度。

一种示例性的实施例中，所述根据所计算多个第二车辆的碰撞严重度、多个第一加权系数和多个第二加权系数采用预先设置的潜在碰撞严重指数算法，计算出第一车辆的潜在碰撞严重指数，包括：采用以下公式计算潜在碰撞严重指数：

其中，n为第二车辆的数量，PCSI表示潜在碰撞严重指数，f(θ_ci)表示第一车辆与第i个第二车辆的碰撞严重度。

本公开实施例还提供了一种计算潜在碰撞严重指数的装置，如图2所示，所述装置包括：存储器210和处理器220；其特征在于，所述存储器用于保存进行计算潜在碰撞严重指数的程序，所述处理器用于读取执行所述用于进行计算潜在碰撞严重指数的程序，执行上述实施例中任一项所述的方法。

本公开实施例还提供了一种碰撞严重指数计算系统，所述系统包括：激光雷达、GPS、ECU和CAN总线；其中，ECU包括3D目标检测模块和上述实施例中所述的计算潜在碰撞严重指数的装置；所述激光雷达与所述ECU单向连接，所述GPS与所述ECU单向连接，所述ECU与所述CAN总线单向连接；3D目标检测模块和上述实施例中所述的计算潜在碰撞严重指数的装置单向连接。其中，激光雷达获取无人驾驶车辆周围环境点云Pe，并发送至ECU。GPS获取无人驾驶车辆的自车航向角θ，并发送至ECU。ECU接收激光雷达发送的环境点云Pe和GPS发送的自车航向角θ，利用集成在其中的3D目标检测模块和潜在碰撞严重指数计算模块计算潜在碰撞严重指数PCSI，并发送至CAN总线。

上述碰撞严重指数计算系统，不仅可以获得连续的潜在碰撞严重指数值，同时还根据无人驾驶车第一辆车的航向角与第二辆车相对位置修正了指数，并根据相对速度进行了加权。相对于现有的离散的潜在碰撞严重指数，不仅对后续的无人驾驶路径规划求解更加友好，求解速度快，同时避免了无潜在碰撞时该指数对后续系统优化求解的干扰。

示例一

本示例给出一种计算潜在碰撞严重指数的流程，应用在无人驾驶潜在碰撞严重指数计算系统中，无人驾驶潜在碰撞严重指数计算系统包括：激光雷达、GPS、ECU和CAN总线。其中，ECU包括3D目标检测模块和计算潜在碰撞严重指数装置。方法步骤如下：

步骤一：激光雷达获取无人驾驶车辆周围环境点云P_e，并发送至ECU。该无人驾驶车辆作为第一车辆；该无人驾驶车辆的周围多辆车作为第二车辆。

步骤二：GPS获取第一车辆的航向角θ，并发送至ECU。

步骤三：集成在ECU中的3D目标检测模块通过获取激光雷达发送至ECU的环境点云确定无人驾驶的第一车辆周围多辆第二车辆的相关信息，其中，所述第二车辆的相关信息包括：该第二车辆相对于所述第一车辆的车速、该第二车辆的航向角、该第二车辆相对于第一车辆的位置和该第二车辆相对于第一车辆的距离。

步骤四：计算潜在碰撞严重指数装置计算潜在碰撞严重指数PCSI，具体细分为以下步骤：

步骤4.1：如果第一车辆和第二车辆发生碰撞时，根据预先获取的第一车辆航向角和第二车辆航向角采用角度公式计算第一车辆与第二车辆的碰撞角，该角度公式为：

θ_ci=|π-θ_ti-θ|

上述公式中，θ表示第一车辆航向角，θ_ti表示第i个第二车辆航向角，θ_ci表示第一车辆与第i个第二车辆的碰撞角，i表示第二车辆的编号，i为大于1的正整数。

步骤4.2：计算潜在碰撞严重指数装置根据拟合公式计算不同角度碰撞的严重度，其中，该优选的拟合公式为：

其中，a₀-a_j、b₁-b_j和w为预先设置的参数；其中，j∈1～6，x表示第一车辆与第i个第二车辆的碰撞角。

优选的，各参数如下所示：

a₀设置为-16.12，a₁设置为-19.06，a₂设置为11.46，a₃设置为19.86，a₄设置为7.853，a₅设置为-1.154，a₆设置为-1.33；w设置为1.371；b₁设置为28.91，b₂设置为26.71，b₃设置为3.564，b₄设置为-8.256，b₅设置为-4.983，b₆设置为-0.4932。

步骤4.3：计算潜在碰撞严重指数装置根据第一车辆航向角θ和第二车辆相对于第一车辆的位置P_ti应用预设的第一加权系数公式计算第二车辆对应的第一加权系数W_1i，

其中，W_1i为：

上述公式中，x_ti和y_ti分别为第i辆第二车辆相对于第一车辆的位置的X方向和Y方向的坐标值；W_1i表示第i个第二车辆第一加权系数，θ为第一车辆航向角。

步骤4.4：计算潜在碰撞严重指数设备根据第二车辆相对于第一车辆的车速和第二车辆相对第一车辆的距离应用预设的第二加权系数公式计算第二车辆对应的第二加权系数。

例如：根据第i个第二车辆相对于第一车辆的相对车速V_ri和第二车辆相对第一车辆的距离L_ri计算第i个第二车辆对应的加权系数W_2i。其中，所述第二加权系数公式为：

其中，

L_ri表示第i个第二车辆相对第一车辆的距离；V_ri表示第i个第二车辆相对第一车辆的车速；k为可调参数，k值越大，则该加权系数W₂变化越剧烈；a为第一车辆在当前路面上的最大制动减速度，可通过常见的路面附着系数算法获得。

步骤4.5：计算潜在碰撞严重指数设备根据步骤4.1至步骤4.4的计算结果(计算结果包括多个第二车辆的碰撞严重度、多个第一加权系数和多个第二加权系数)采用预先设置的潜在碰撞严重指数算法，计算出第一车辆的潜在碰撞严重指数，包括：采用以下公式计算潜在碰撞严重指数：

其中，n为第二车辆的数量，PCSI表示潜在碰撞严重指数，f(θ_ci)表示第一车辆与第i个第二车辆的碰撞严重度。

步骤五：计算潜在碰撞严重指数设备将PCSI数值输出至CAN总线。

上述示例中，可以获得连续的潜在碰撞严重指数值，还根据无人驾驶车第一辆车的航向角与第二辆车相对位置修正了指数，并根据相对速度进行了加权。相对于现有的离散的潜在碰撞严重指数，不仅对后续的无人驾驶路径规划求解更加友好，求解速度快，同时避免了无潜在碰撞时该指数对后续系统优化求解的干扰。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。