[发明专利]一种用于自动驾驶车快速查找交通对象的场景建模方法

说明书

本发明属于自动驾驶技术领域，具体的说是一种用于自动驾驶车快速查找交通对象的场景建模方法。包括以下步骤：1、将交通环境信息预先组织为地面区域、路面区域、地面物体三类对象；2、创建网格单元，载入地面区域，将二者进行位置绑定；3、载入相应的路面区域，建立各个区域间的位置关系，形成路网；4、将各个地面物体按照位置匹配到各个区域当中。本发明将预先划定好的车道段、路段等交通区域按其位置关系互相建立索引，然后再将其与车辆、行人等交通参与者也按相对位置互相建立索引，并利用各个物体的历史索引信息来提高每次建立索引的速度，最后根据主车当前所在的区域，就能够直接找到位于该区域以及相邻区域的所有物体。

技术领域

本发明属于自动驾驶技术领域，具体的说是一种用于自动驾驶车快速查找交通对象的场景建模方法。

背景技术

驾驶员在操纵车辆时，时常需要评估前方各个车道等交通区域的交通状况，例如堵塞状况、平均车速等，然后决定出合适的机动方式，如左换道、右换道、超车、保持直行等，来获得更高的通行效率，更安全的行车条件等；同时，还需要控制方向盘和踏板输入，使车辆驶向目标方向并避开附近的道路占用者。同样地，在自动驾驶系统中也存在这两个过程，并且根据John A.Michon于1979年所做的技术报告“Dealing with Danger”，以及于1985年在《Human Behavior and Traffic Safety》上发表的文章“A Critical View of DriverBehavior Models:What Do We Know,What Should We Do？”，研究中多将其分别称为战术任务(Tactical Task)与操作任务(Operational Task)。

自动化车辆要完成战术任务，必然需要先查找出位于目标交通区域内的交通车辆，才能去统计该交通区域的交通状况。然而，一方面自动化车辆上装载的传感器是不能直接获取到交通参与者“所在车道”此类信息的；另一方面，其他车辆通过V2X报告的“所在车道”信息并不能保证能与本地构建的驾驶地图相适配。因此这一对象查找过程需要增加额外的交通参与者与交通区域的相对位置检测计算。

与此同时，目前研究界和工业界都在大力合作，将5G蜂窝网络等新技术应用到车联网当中，参考汽车垂直行业的5G-PPP白皮书(5G PPP White Paper on AutomotiveVertical Sectors)中提到的“See-Through”，“Bird’s Eye View”等用例，未来车辆的视距将得到极大地提高，同时视野盲区也将大大减少，这使得车辆能够更加有预见性地判断当前需要的战术驾驶行为。但这里也产生了一些新的问题，其中一个就是当车辆获取到的交通参与者信息大幅增加，特别是对于城市中心区等交通流密集的场景，如何在有限计算资源的情况下快速地完成上述的交通参与者与交通区域的位置匹配。另一个问题是，尽管远处的交通参与者会影响到对战术任务的判断，但却与操作任务的判断没有关系，因此大量无关信息进入到操作任务的计算中就只能额外地增加计算开销与处理时间。这两个方面都可以归结为特定交通区域内的对象查询问题。