用于弯道场景的紧急制动控制方法、车载设备和存储介质与流程

本公开实施例涉及车辆主动安全技术领域，具体涉及一种用于弯道场景的紧急制动控制方法、车载设备和存储介质。

背景技术：

随着自动驾驶技术的发展，越来越多的车辆具有高级辅助驾驶和自动驾驶的能力。aeb(autonomousemergencybrake，自动紧急制动)系统属于高级辅助驾驶技术中的一种，同时也是自动驾驶技术的基础，是一种车辆主动安全技术，是一种避免追尾和防止碰撞的有效解决方案。aeb系统的基本功能为：

aeb系统检测到与前车的距离正在快速减小时，将提前为自动紧急制动做准备。若驾驶员没有对危险情况做出反应，aeb系统会通过告警音或图标警示信号，以及轻触刹车给予驾驶员警告。告警之后aeb系统会采取部分制动来降低车速，给驾驶员争取人为接管的反应时间。但为了避免发生碰撞，aeb系统会持续计算不同刹车能力下对应的最小碰撞距离并在驾驶员踩下刹车踏板时提供额外的制动助力。若驾驶员仍未采取进一步的安全措施，aeb系统将自动采取全力制动以避免碰撞或减轻碰撞带来的伤害。

2012年，欧盟出台规定要求2014年出产的新车必须配备aeb系统。2014年，euroncap(euronewcarassessmentprogram，欧盟新车评价规程)正式将aeb系统纳入评分体系，没有配备aeb系统的车型难以获得5星级评价。从2015年11月1日开始，欧洲新生产的重型商用车也强制安装ldw(lanedeparturewarning，车道偏离预警)系统及aeb系统。iihs(insuranceinstituteforhighwaysafety，美国公路安全保险协会)的碰撞测试也于2014年引入了预碰撞系统(frontcrashprevention)评价体系，并明确规定：若车辆不具备预碰撞警告系统或自动制动功能，不能获得最高的“topsafetypick+”评价。2014年，jncap(japannewcarassessmentprogram，日本新车评价规程)首度进行了预碰撞安全系统测试，针对aeb系统和ldw系统进行安全评估。2018年11月份发布的c-ncap(china-newcarassessmentprogram，中国新车评价规程)引入了对aeb系统的试验及评价标准。

euroncap和ancap(australianewcarassessmentprogram，澳大利亚新车评价规程)于2015年5月共同在《accidentanalysis&prevention》期刊发表题为“现实世界追尾碰撞中aeb的有效性”的研究报告，结果显示aeb技术能在现实世界中减少38％的追尾碰撞，且无论是在城市道路(限速60km/h)或郊区道路行驶的情况下，效果并无显著差别。

但是，目前的aeb系统几乎都是针对直线行驶场景，包括euroncap、c-ncap等测试也是只针对直线工况，但是在实际应用中弯道行驶是一个典型且频繁出现的场景，因此有必要提出一种能够用于弯道场景的自动紧急制动控制方案。

上述对问题的发现过程的描述，仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

为了解决现有技术存在的至少一个问题，本发明的至少一个实施例提供了一种用于弯道场景的紧急制动控制方法、车载设备和存储介质。

第一方面，本公开实施例提出一种用于弯道场景的紧急制动控制方法，应用于智能驾驶车辆，所述方法包括：

探测目标；

确定所述目标的类型；

基于所述目标的类型，确定所述智能驾驶车辆的行驶路径；

基于所述目标的类型和所述行驶路径，确定最小碰撞距离；

基于所述最小碰撞距离进行自动紧急制动控制。

第二方面，本公开实施例还提出一种车载设备，包括：处理器和存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行如第一方面所述方法的步骤。

第三方面，本公开实施例还提出一种非暂态计算机可读存储介质，用于存储程序或指令，所述程序或指令使计算机执行如第一方面所述方法的步骤。

可见，本公开实施例的至少一个实施例中，通过对车辆在弯道行驶过程中探测到的目标进行计算和分析，可确定目标的类型，并对不同类型的目标采用不同方式确定最小碰撞距离，进而基于不同的最小碰撞距离进行自动紧急制动控制，防止车辆与目标发生碰撞或减少碰撞伤害。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本公开实施例提供的一种智能驾驶车辆的整体架构图；

图2是本公开实施例提供的一种智能驾驶系统的框图；

图3a是本公开实施例提供的一种制动模块的框图；

图3b是本公开实施例提供的一种第二确定单元的框图；

图4是本公开实施例提供的一种车载设备的框图；

图5是本公开实施例提供的一种用于弯道场景的紧急制动控制方法流程图；

图6a是本公开实施例提供的一种目标为行人的最小碰撞距离确定方法流程图；

图6b是本公开实施例提供的一种目标为行人的弯道紧急制动示意图；

图7a是本公开实施例提供的一种目标为车辆的最小碰撞距离确定方法流程图；

图7b是本公开实施例提供的一种目标为车辆的弯道紧急制动示意图；

图6b中，601：本车；602：行人；603：本车行驶路径的外圆；604：本车行驶路径的内圆；605：行人移动路径1；606：行人移动路径2；607：行人移动路径3；

图7b中，701：本车；702：目标车；703：本车行驶路径的外圆；704：本车行驶路径的内圆。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

考虑到现有技术中aeb系统几乎都是针对直线行驶场景，包括euroncap、c-ncap等测试也是只针对直线工况，但是在实际应用中弯道行驶是一个典型且频繁出现的场景，因此本公开实施例提供一种用于弯道场景的自动紧急制动控制方案，实现减少车辆在弯道行驶过程中对目标的误报和漏报，防止车辆与目标发生碰撞或减少碰撞伤害。

需要说明的是，为了便于描述弯道场景的自动紧急制动控制方案，以下五个前提条件均成立：

1)aeb系统可从多传感器数据融合模块获取目标数据，且数据真实可靠；

2)aeb系统可从整车的车身、底盘等模块获取本车数据，且数据真实可靠；

3)本车的线控制动系统工作正常；

4)所有计算均基于以本车前保险杠中心为原点的笛卡尔坐标系。

本公开实施例提供的用于弯道场景的自动紧急制动控制方案，可应用于智能驾驶车辆。图1为本公开实施例提供的一种智能驾驶车辆的整体架构图。

如图1所示，智能驾驶车辆包括：传感器组、智能驾驶系统100、车辆底层执行系统以及其他可用于驱动车辆和控制车辆运行的部件。

传感器组，用于采集车辆外界环境的数据和探测车辆的位置数据。传感器组例如包括但不限于摄像头、激光雷达、毫米波雷达、gps(globalpositioningsystem，全球定位系统)和imu(inertialmeasurementunit，惯性测量单元)中的至少一个。

在一些实施例中，传感器组，还用于采集车辆的动力学数据，传感器组例如还包括但不限于车轮转速传感器、速度传感器、加速度传感器、方向盘转角传感器、前轮转角传感器中的至少一个。

智能驾驶系统100，用于获取传感器组的数据，传感器组中所有传感器在智能驾驶车辆行驶过程中都以较高的频率传送数据。

智能驾驶系统100，还用于基于传感器组的数据进行环境感知和车辆定位，并基于环境感知信息和车辆定位信息进行路径规划和决策，以及基于规划的路径生成车辆控制指令，从而控制车辆按照规划路径行驶。

在一些实施例中，智能驾驶系统100，还用于探测目标，并对探测到的不同类型的目标采用不同的方式确定最小碰撞距离。更进一步地，智能驾驶系统100还用于基于不同的最小碰撞距离进行自动紧急制动控制，防止智能驾驶车辆与目标发生碰撞或减少碰撞伤害。

在一些实施例中，智能驾驶系统100可在弯道行驶过程中探测目标，对弯道行驶过程中探测到的不同类型的目标采用不同的方式确定最小碰撞距离，从而在弯道行驶过程中基于不同的最小碰撞距离进行自动紧急制动控制，防止车辆在弯道行驶过程中与目标发生碰撞或减少碰撞伤害。

在一些实施例中，智能驾驶系统100探测目标的方式例如为基于感知定位信息来探测目标。在一些实施例中，智能驾驶系统100通过对弯道行驶过程中探测到的目标进行计算和分析，可确定目标的类型，从而分辨不同类型的目标。确定目标的类型可沿用现有方式，在此不再赘述。目标的类型例如包括但不限于行人、车辆等。

在一些实施例中，智能驾驶系统100在确定目标的类型后，可判断该目标是否属于潜在碰撞目标，以此减少在弯道行驶过程中对目标的误报和漏报。

在一些实施例中，智能驾驶系统100可以为软件系统、硬件系统或者软硬件结合的系统。例如，智能驾驶系统100是运行在操作系统上的软件系统，车载硬件系统是支持操作系统运行的硬件系统。

在一些实施例中，智能驾驶系统100，还用于与云端服务器无线通信，交互各种信息。在一些实施例中，智能驾驶系统100与云端服务器通过无线通讯网络(例如包括但不限于gprs网络、zigbee网络、wifi网络、3g网络、4g网络、5g网络等无线通讯网络)进行无线通信。

在一些实施例中，云端服务器用于统筹协调管理智能驾驶车辆。在一些实施例中，云端服务器可以用于与一个或多个智能驾驶车辆进行交互，统筹协调管理多个智能驾驶车辆的调度等。

在一些实施例中，云端服务器是由车辆服务商所建立的云端服务器，提供云存储和云计算的功能。在一些实施例中，云端服务器中建立车辆端档案。在一些实施例中，车辆端档案中储存智能驾驶系统100上传的各种信息。在一些实施例中，云端服务器可以实时同步车辆端产生的驾驶数据。

在一些实施例中，云端服务器可以是一个服务器，也可以是一个服务器群组。服务器群组可以是集中式的，也可以是分布式的。分布式服务器，有利于任务在多个分布式服务器进行分配与优化，克服传统集中式服务器资源紧张与响应瓶颈的缺陷。在一些实施例中，云端服务器可以是本地的或远程的。

在一些实施例中，云端服务器可用于获取道路监测单元(rsu：roadsideunit)和智能驾驶车辆的信息，以及可以发送信息至智能驾驶车辆。在一些实施例中，云端服务器可以根据智能驾驶车辆的信息将道路监测单元中的与智能驾驶车辆相对应的检测信息发送给智能驾驶车辆。

在一些实施例中，道路监测单元可以用于收集道路监测信息。在一些实施例中，道路监测单元可以是环境感知传感器，例如，摄像头、激光雷达等，也可以是道路设备，例如v2x设备，路边红绿灯装置等。在一些实施例中，道路监测单元可以监控隶属于相应道路监测单元的道路情况，例如，通过车辆的类型、速度、优先级别等。道路监测单元在收集到道路监测信息后，可将所述道路监测信息发送给云端服务器，也可以发送给通过道路的智能驾驶车辆。

车辆底层执行系统，用于接收车辆控制指令，实现对车辆行驶的控制。在一些实施例中，车辆底层执行系统包括但不限于：转向系统、制动系统和驱动系统。转向系统、制动系统和驱动系统属于车辆领域成熟系统，在此不再赘述。

在一些实施例中，智能驾驶车辆还可包括图1中未示出的车辆can总线，车辆can总线连接车辆底层执行系统。智能驾驶系统100与车辆底层执行系统之间的信息交互通过车辆can总线进行传递。

在一些实施例中，智能驾驶车辆既可以通过驾驶员又可以通过智能驾驶系统100控制车辆行驶。在人工驾驶模式下，驾驶员通过操作控制车辆行驶的装置驾驶车辆，控制车辆行驶的装置例如包括但不限于制动踏板、方向盘和油门踏板等。控制车辆行驶的装置可直接操作车辆底层执行系统控制车辆行驶。

在一些实施例中，智能驾驶车辆也可以为无人车，车辆的驾驶控制由智能驾驶系统100来执行。

图2为本公开实施例提供的一种智能驾驶系统200的框图。在一些实施例中，智能驾驶系统200可以实现为图1中的智能驾驶系统100或者智能驾驶系统100的一部分，用于控制车辆行驶。

如图2所示，智能驾驶系统200可划分为多个模块，例如可包括：感知模块201、规划模块202、控制模块203、制动模块204以及其他一些可用于智能驾驶的模块。

感知模块201用于进行环境感知与定位。

在一些实施例中，感知模块201用于获取的传感器数据、v2x(vehicletox，车用无线通信)数据、高精度地图等数据。在一些实施例中，智能驾驶系统200还可包括图2中未示出的多传感器数据融合模块，多传感器数据融合模块可沿用现有模块，在此不再赘述。感知模块201用于获取多传感器数据融合模块的数据。

在一些实施例中，感知模块201用于基于获取的传感器数据、多传感器数据融合模块的数据、v2x(vehicletox，车用无线通信)数据、高精度地图等数据中的至少一种，进行环境感知与定位。

在一些实施例中，感知模块201用于生成感知定位信息，实现对障碍物感知、摄像头图像的可行驶区域识别以及车辆的定位等。

环境感知(environmentalperception)可以理解为对于环境的场景理解能力，例如障碍物的位置，道路标志/标记的检测，行人/车辆的检测等数据的语义分类。

在一些实施例中，环境感知可采用融合摄像头、激光雷达、毫米波雷达等多种传感器的数据进行环境感知。

定位(localization)属于感知的一部分，是确定智能驾驶车辆相对于环境的位置的能力。

定位可采用：gps定位，gps的定位精度在数十米到厘米级别，定位精度高；定位还可采用融合gps和惯性导航系统(inertialnavigationsystem)的定位方法。定位还可采用slam(simultaneouslocalizationandmapping，同步定位与地图构建)，slam的目标即构建地图的同时使用该地图进行定位，slam通过利用已经观测到的环境特征确定当前车辆的位置以及当前观测特征的位置。

v2x是智能交通运输系统的关键技术，使得车与车、车与基站、基站与基站之间能够通信，从而获得实时路况、道路信息、行人信息等一系列交通信息，提高智能驾驶安全性、减少拥堵、提高交通效率、提供车载娱乐信息等。

高精度地图是智能驾驶领域中使用的地理地图，与传统地图相比，不同之处在于：1)高精度地图包括大量的驾驶辅助信息，例如依托道路网的精确三维表征：包括交叉路口局和路标位置等；2)高精地图还包括大量的语义信息，例如报告交通灯上不同颜色的含义，又例如指示道路的速度限制，以及左转车道开始的位置；3)高精度地图能达到厘米级的精度，确保智能驾驶车辆的安全行驶。

规划模块202用于基于感知定位模块生成的感知定位信息，进行路径规划和决策。

在一些实施例中，规划模块202用于基于感知定位模块生成的感知定位信息，并结合v2x数据、高精度地图等数据中的至少一种，进行路径规划和决策。

在一些实施例中，规划模块202用于规划路径、决策：行为(例如包括但不限于跟车、超车、停车、绕行等)、车辆航向、车辆速度、车辆的期望加速度、期望的方向盘转角等，生成规划决策信息。

控制模块203用于基于规划模块生成的规划决策信息，进行路径跟踪和轨迹跟踪。

在一些实施例中，控制模块203用于生成车辆底层执行系统的控制指令，并下发控制指令，以使车辆底层执行系统控制车辆按照期望路径行驶，例如通过控制方向盘、刹车以及油门对车辆进行横向和纵向控制。

在一些实施例中，控制模块203还用于基于路径跟踪算法计算前轮转角。

在一些实施例中，路径跟踪过程中的期望路径曲线与时间参数无关，跟踪控制时，可以假设智能驾驶车辆以当前速度匀速前进，以一定的代价规则使行驶路径趋近于期望路径；而轨迹跟踪时，期望路径曲线与时间和空间均相关，并要求智能驾驶车辆在规定的时间内到达某一预设好的参考路径点。

路径跟踪不同于轨迹跟踪，不受制于时间约束，只需要在一定误差范围内跟踪期望路径。

制动模块204用于探测目标，并对探测到的不同类型的目标采用不同的方式确定最小碰撞距离。在一些实施例中，制动模块204基于目标的类型，确定智能驾驶车辆的行驶路径，不同类型的目标确定的行驶路径不同，进而制动模块204基于目标的类型和行驶路径，确定最小碰撞距离。更进一步地，制动模块204还用于基于不同的最小碰撞距离进行自动紧急制动控制，防止智能驾驶车辆与目标发生碰撞或减少碰撞伤害。

在一些实施例中，制动模块204可在弯道行驶过程中探测目标，对弯道行驶过程中探测到的不同类型的目标采用不同的方式确定最小碰撞距离，从而在弯道行驶过程中基于不同的最小碰撞距离进行自动紧急制动控制，防止车辆在弯道行驶过程中与目标发生碰撞或减少碰撞伤害。

在一些实施例中，制动模块204探测目标的方式例如为基于感知模块201生成的感知定位信息来探测目标。在一些实施例中，制动模块204通过对弯道行驶过程中探测到的目标进行计算和分析，可确定目标的类型，从而分辨不同类型的目标。确定目标的类型可沿用现有方式，在此不再赘述。目标的类型例如包括但不限于行人、车辆等。

在一些实施例中，制动模块204在确定目标的类型后，可判断该目标是否属于潜在碰撞目标，以此减少在弯道行驶过程中对目标的误报和漏报。

在一些实施例中，制动模块204的功能可集成到感知模块201、规划模块202或控制模块203中，也可配置为与智能驾驶系统200相独立的模块，制动模块204可以为软件模块、硬件模块或者软硬件结合的模块。例如，制动模块204是运行在操作系统上的软件模块，车载硬件系统是支持操作系统运行的硬件系统。

图3a为本公开实施例提供的一种制动模块300的框图。在一些实施例中，制动模块300可以实现为图2中的制动模块204或者制动模块204的一部分。

如图3a所示，制动模块300可包括但不限于以下单元：探测单元301、第一确定单元302、第二确定单元303和制动控制单元304。

探测单元301，用于探测目标。在一些实施例中，探测单元301可在弯道行驶过程中探测目标。在一些实施例中，探测目标的方式例如为基于如图2所示的感知模块201生成的感知定位信息来探测目标。

第一确定单元302，用于确定探测到的目标的类型。在一些实施例中，第一确定单元302可确定弯道行驶过程中探测到的目标的类型。在一些实施例中，第一确定单元302通过对智能驾驶车辆在弯道行驶过程中探测到的目标进行计算和分析，可确定目标的类型，从而分辨不同类型的目标。确定目标的类型可沿用现有方式，在此不再赘述。目标的类型例如包括但不限于行人、车辆等。

第二确定单元303，用于对探测到的不同类型的目标采用不同的方式确定最小碰撞距离。在一些实施例中，第二确定单元303对弯道行驶过程中探测到的不同类型的目标采用不同的方式确定最小碰撞距离，适用于弯道场景。

在一些实施例中，由于不同类型的目标对智能驾驶车辆的行驶路径产生不同的影响，而不同的行驶路径决定不同的最小碰撞距离，因此，第二确定单元303基于目标的类型，确定智能驾驶车辆的行驶路径，进而基于目标的类型和行驶路径，确定最小碰撞距离。

在一些实施例中，智能驾驶车辆在弯道行驶过程中，行驶路径可以理解为圆形路径，又由于智能驾驶车辆具有一定的宽度，因此，智能驾驶车辆的行驶路径包括内圆路径和外圆路径，也即智能驾驶车辆的行驶路径可以理解为圆环形路径。不同类型的目标对智能驾驶车辆的行驶路径产生的影响体现在内圆半径和外圆半径均不同。

在一些实施例中，第二确定单元303确定智能驾驶车辆的行驶路径时，通过确定行驶路径的内圆半径和外圆半径，进而基于内圆半径和外圆半径，确定行驶路径。行驶路径为内圆和外圆之间的区域。

在一些实施例中，第二确定单元303确定行驶路径的内圆半径和外圆半径时，通过确定智能驾驶车辆的转弯半径，并基于目标的类型，确定转弯半径的补偿值，从而基于补偿值和转弯半径，确定行驶路径的内圆半径和外圆半径。在一些实施例中，转弯半径基于本车的横摆角速度ω计算。转弯半径记为r，则r通过下式计算：

vsbj为本车的速度。

转弯半径的补偿值可以理解为目标与智能驾驶车辆之间的安全距离，可见，不同类型的目标对应的补偿值不同。

在一些实施例中，第二确定单元303基于目标的类型，确定转弯半径的补偿值时，若目标的类型为行人，则确定转弯半径的补偿值为第一预设值；若目标的类型为车辆，则确定转弯半径的补偿值为第二预设值；其中，第一预设值小于第二预设值。本领域技术人员可根据实际需要设置第一预设值与第二预设值，本实施例不限定第一预设值与第二预设值的具体取值。

在一些实施例中，第二确定单元303基于补偿值和转弯半径，确定行驶路径的外圆半径和内圆半径时，若目标的类型为行人，则确定行驶路径的外圆半径r1＝(r+w1)，内圆半径r2＝(r－w1)。其中，w1表示目标的类型为行人时转弯半径r的补偿值(即第一预设值)。

在一些实施例中，第二确定单元303基于目标的类型和行驶路径，确定最小碰撞距离时，若目标为行人，则基于行驶路径，确定行人进出行驶路径的时间；并基于行人进出行驶路径的时间，确定最小碰撞距离。

在一些实施例中，第二确定单元303基于补偿值和转弯半径，确定行驶路径的内圆半径和外圆半径时，若目标的类型为车辆，则确定行驶路径的外圆半径r1＝(r+w2)，内圆半径r2＝(r－w2)。其中，w2表示目标的类型为车辆时转弯半径r的补偿值(即第二预设值)。

在一些实施例中，第二确定单元303基于目标的类型和行驶路径，确定最小碰撞距离时，若目标为车辆，则确定行驶路径的圆心至目标的第二距离；并基于第二距离，确定最小碰撞距离。

在一些实施例中，不论目标是行人还是车辆，第二确定单元303基于潜在碰撞位置，确定最小碰撞距离时，均通过确定本车与潜在碰撞位置的距离；并基于与潜在碰撞位置的距离，确定预期碰撞时间；进而基于预期碰撞时间，确定最小碰撞距离。其中，预期碰撞时间可以理解为：当前时刻至本车到达潜在碰撞位置的时刻之间的时长。最小碰撞距离可以理解为：在一定减速度下本车能够避免与目标碰撞的最小距离。

制动控制单元304，用于基于不同的最小碰撞距离进行自动紧急制动控制，实现对不同类型的目标的差异化处理，防止智能驾驶车辆与目标发生碰撞或减少碰撞伤害。在一些实施例中，制动控制单元304是在弯道行驶过程中基于不同的最小碰撞距离进行自动紧急制动控制，防止车辆在弯道行驶过程中与目标发生碰撞或减少碰撞伤害。

在一些实施例中，制动控制单元304基于最小碰撞距离进行自动紧急制动控制时，基于最小碰撞距离，判断是否与目标发生碰撞；若是，则发送制动指令，其中，制动指令携带有制动减速度信息，制动减速度信息由最小碰撞距离确定。

在一些实施例中，制动控制单元304基于最小碰撞距离，判断是否与目标发生碰撞时，判断预期碰撞时间是否小于预设时间，以及判断本车与目标之间的实际距离是否小于最小碰撞距离，若预期碰撞时间小于预设时间且本车与目标之间的实际距离小于最小碰撞距离，则确定本车会与目标发生碰撞。

在一些实施例中，制动控制单元304确定制动减速度信息时，以最小碰撞距离计算过程中所使用的制动强度作为制动减速度信息，其中，最小碰撞距离计算过程中所使用的制动强度即为计算距离ssafe_bor所使用的本车的加速度asbj。其中，ssafe_bor为本车在制动过程中行驶的距离。

在一些实施例中，制动控制单元304发送制动指令后，判断是否停止制动，若制动指令被取消或者本车的速度为零，则停止制动；否则继续保持制动状态。

在一些实施例中，制动模块300中各单元的划分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，例如探测单元301、第一确定单元302、第二确定单元303和制动控制单元304可以实现为一个单元；探测单元301、第一确定单元302、第二确定单元303或制动控制单元304也可以划分为多个子单元。可以理解的是，各个单元或子单元能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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。

图3b为本公开实施例提供的一种第二确定单元310的框图。在一些实施例中，第二确定单元310可以实现为图3a中的第二确定单元303或者第二确定单元303的一部分。

如图3b所示，第二确定单元310可包括但不限于以下单元：行人子单元311和车辆子单元312。其中，行人子单元311用于目标为行人时，采用行人对应的最小碰撞距离确定方法，确定最小碰撞距离。车辆子单元312用于目标为车辆时，采用车辆对应的最小碰撞距离确定方法，确定最小碰撞距离。

在一些实施例中，行人子单元311的功能划分为：半径计算、时间计算、距离计算。在一些实施例中，车辆子单元312的功能划分为：半径计算、圆心计算、距离计算。

在一些实施例中，行人子单元311确定智能驾驶车辆的行驶路径，进而基于行驶路径确定最小碰撞距离。在一些实施例中，行人子单元311确定智能驾驶车辆的行驶路径时，通过确定行驶路径的内圆半径和外圆半径，进而基于内圆半径和外圆半径，确定行驶路径。行驶路径为内圆和外圆之间的区域。其中，确定行驶路径的内圆半径和外圆半径即为行人子单元311的半径计算。

在一些实施例中，行人子单元311的半径计算具体为：通过确定智能驾驶车辆的转弯半径，从而基于转弯半径和行人对应的补偿值w1，确定行驶路径的内圆半径和外圆半径。在一些实施例中，转弯半径记为r，且基于本车的横摆角速度ω计算。在一些实施例中，行驶路径的外圆半径r1＝(r+w1)，内圆半径r2＝(r－w1)。

在一些实施例中，图6b是本公开实施例提供的一种目标为行人的弯道紧急制动示意图。图6b中，行人的运动轨迹为直线，行人子单元311可确定行人的运动轨迹。

如图6b所示，行人的运动轨迹可以为行人移动路径1、行人移动路径2或行人移动路径3。其中，行人移动路径1与本车行驶路径的内外圆均相交，共4个交点；行人移动路径2与本车行驶路径的外圆相交，共2个交点(忽略行人移动路径2与内圆相切的情况)；行人移动路径3与本车行驶路径的外圆均不相交，没有交点(忽略行人移动路径3与外圆相切的情况)。

在一些实施例中，行人子单元311可基于目标的当前坐标pobj(px,py)和速度向量vobj(vx,vy)，确定行人的运动轨迹。其中，目标的当前坐标pobj(px,py)和速度向量vobj(vx,vy)可基于图2中感知模块201的数据得到。

在一些实施例中，行人子单元311确定最小碰撞距离时，基于行驶路径，确定行人进出行驶路径的时间；并基于行人进出行驶路径的时间，确定最小碰撞距离。其中，基于行驶路径，确定行人进出行驶路径的时间即为行人子单元311的时间计算。其中，基于行人进出行驶路径的时间，确定最小碰撞距离即为行人子单元311的距离计算。

在一些实施例中，行人子单元311的时间计算具体为：通过基于行驶路径和行人的运动轨迹，确定行人进出行驶路径的位置，进而基于行人当前的状态信息和进出行驶路径的位置，确定行人进出行驶路径的时间。

在一些实施例中，行人子单元311基于行驶路径和行人的运动轨迹，确定行人进出行驶路径的位置时，通过确定行驶路径的圆心至行人的运动轨迹的第一距离；并基于第一距离以及行驶路径的内圆半径和外圆半径，确定行人进出行驶路径的位置。

在一些实施例中，行人子单元311确定行驶路径的圆心至行人的运动轨迹的第一距离时，通过行驶路径的外圆、行驶路径的内圆和行人的运动轨迹，确定第一距离。

行驶路径的外圆为：行驶路径的内圆为：行人的运动轨迹为：

行驶路径的圆心至行人的运动轨迹的第一距离记为d，则d为：

在一些实施例中，行人子单元311基于第一距离以及行驶路径的内圆半径和外圆半径，确定行人进出行驶路径的位置时，通过比较第一距离(记为d)、外圆半径r1和内圆半径r2之间的关系，确定行人进出行驶路径的位置。

在一些实施例中，行人子单元311通过比较第一距离(记为d)、外圆半径r1和内圆半径r2之间的关系，确定交点p1至p4，进而基于交点p1至p4，确定行人进出行驶路径的位置。

在一些实施例中，若d＜r2，则行人的运动轨迹可以为图6b所示的行人移动路径1。行人移动路径1与智能驾驶车辆的行驶路径的外圆和内圆之间有4个交点，其中，与行驶路径外圆的交点记为p1和p4，与行驶路径内圆的交点记为p2和p3。

在一些实施例中，若r2≤d＜r1，则行人的运动轨迹可以为图6b所示的行人移动路径2。行人移动路径2与智能驾驶车辆的行驶路径外圆之间有2个交点，记为p1和p4(忽略行人移动路径2与行驶路径内圆相切的情况)。

在一些实施例中，若d≤r1，则行人的运动轨迹可以为图6b所示的行人移动路径3。行人移动路径3与智能驾驶车辆的行驶路径之间没有交点(忽略行人移动路径3与行驶路径外圆相切的情况)。

在一些实施例中，交点p1、p2、p3和p4的计算方式如下：

其中，

其中，

在一些实施例中，行人子单元311基于交点p1至p4，确定行人进出行驶路径的位置时，若存在四个交点p1至p4，则通过确定本车行驶到交点p1至p4所需要驶过的圆弧所对应的圆心角(分别记为θ1、θ2、θ3和θ4)，进而基于θ1至θ4，确定行人进出行驶路径的位置。

在一些实施例中，行人子单元311基于θ1至θ4，确定行人进出行驶路径的位置时，若(θ1+θ2)＜(θ3+θ4)，则确定p1和p2离本车较近，并且基于行人的运动方向，可确定p1(或p2)为行人进入行驶路径的位置，相应地p2(或p1)为行人离开行驶路径的位置。例如图6b中，对于行人移动路径1，可确定p2为行人进入行驶路径的位置，相应地p1为行人离开行驶路径的位置。若(θ3+θ4)＜(θ1+θ2)，则可确定p3(或p4)为行人进入行驶路径的位置，相应地p4(或p3)为行人离开行驶路径的位置。

在一些实施例中，行人子单元311基于交点p1至p4，确定行人进出行驶路径的位置时，若存在两个交点p1和p4，则基于行人的运动方向，可确定p1(或p4)为行人进入行驶路径的位置，相应地p4(或p1)为行人离开行驶路径的位置。例如图6b中，对于行人移动路径2，可确定p4为行人进入行驶路径的位置，相应地p1为行人离开行驶路径的位置。

在一些实施例中，行人子单元311基于行人当前的状态信息和进出行驶路径的位置，确定行人进出行驶路径的时间时，基于目标(即行人)的当前坐标pobj(px,py)、目标的速度向量vobj(vx,vy)、行人进入行驶路径的位置坐标pin和行人离开行驶路径的位置坐标pout，计算行人进入行驶路径的时间tin和行人离开行驶路径的时间tout。

其中，tin和tout均通过距离除以速度获得绝对时间，以目标的运动方向向量与目标的速度向量作内积运算得到正负号。

在一些实施例中，行人子单元311的距离计算具体为：通过基于行人进出行驶路径的时间，确定行人与智能驾驶车辆之间的潜在碰撞位置；基于潜在碰撞位置，确定最小碰撞距离。本实施例中，行人子单元311可判断目标是否属于潜在碰撞目标，以此减少在弯道行驶过程中对目标的误报和漏报。

在一些实施例中，行人子单元311基于行人进出行驶路径的时间，确定行人与智能驾驶车辆之间的潜在碰撞位置时，若tout＜0，则确定行人已经离开本车的行驶路径，本车与行人不会发生碰撞；若tout≥0且tin＞0，则确定行人尚未进入本车的行驶路径，因此，确定pin为潜在碰撞位置；若tout≥0且tin≤0，则确定行人已进入本车的行驶路径，因此，确定目标(即行人)的当前坐标pobj(px,py)为潜在碰撞位置。

在一些实施例中，行人子单元311确定智能驾驶车辆与潜在碰撞位置的距离时，若pin为潜在碰撞位置，则本车与潜在碰撞位置之间的距离记为s，且s＝r×θin，其中，θin为本车行驶到pin所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。例如图6b中，对于行人移动路径1，pin即为p2，θin即为θ2。

在一些实施例中，行人子单元311确定智能驾驶车辆与潜在碰撞位置的距离时，若目标的当前坐标pobj(px,py)为潜在碰撞位置，则本车与潜在碰撞位置之间的距离s＝r×θ，其中，θ为本车行驶到pobj所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。

在一些实施例中，行人子单元311基于潜在碰撞位置，确定最小碰撞距离时，通过确定本车与潜在碰撞位置的距离；并基于与潜在碰撞位置的距离，确定预期碰撞时间；进而基于预期碰撞时间，确定最小碰撞距离。其中，预期碰撞时间可以理解为：当前时刻至本车到达潜在碰撞位置的时刻之间的时长。最小碰撞距离可以理解为：在一定减速度下本车能够避免与目标碰撞的最小距离。

在一些实施例中，行人子单元311确定预期碰撞时间时，由于相对于本车，行人的速度较小，因此，可忽略目标的速度vobj和加速度aobj，并基于本车与潜在碰撞位置的距离s、本车的速度vsbj、本车的加速度asbj，确定预期碰撞时间。

在一些实施例中，预期碰撞时间记为tb，则tb的计算式如下：

其中，由于目标为行人，忽略vobj和aobj，因此vobj和aobj均为0。

在一些实施例中，行人子单元311基于预期碰撞时间，确定最小碰撞距离时，基于本车的速度vsbj、本车的制动减速度abrk，确定最小碰撞距离ssafe。在一些实施例中，最小碰撞距离ssafe的计算式为：

其中，δt为驾驶员和智能驾驶系统的反应时间，δt属于本领域的常用特征，计算方式也为本领域的成熟技术，本文沿用现有技术，在此不再赘述δt的具体计算过程。

在一些实施例中，车辆子单元312确定智能驾驶车辆的行驶路径，进而基于行驶路径确定最小碰撞距离。在一些实施例中，车辆子单元312确定智能驾驶车辆的行驶路径时，通过确定行驶路径的内圆半径和外圆半径，进而基于内圆半径和外圆半径，确定行驶路径。行驶路径为内圆和外圆之间的区域。其中，确定行驶路径的内圆半径和外圆半径即为车辆子单元312的半径计算。

在一些实施例中，车辆子单元312的半径计算具体为：通过确定智能驾驶车辆的转弯半径，从而基于转弯半径和车辆对应的补偿值w2，确定行驶路径的外圆半径r1＝(r+w2)，内圆半径r2＝(r－w2)。

在一些实施例中，图7b是本公开实施例提供的一种目标为车辆的弯道紧急制动示意图。图7b中，标记701为本车；标记702为目标车；标记703为本车行驶路径的外圆；标记704为本车行驶路径的内圆。

在一些实施例中，车辆子单元312确定最小碰撞距离时，通过确定行驶路径的圆心至目标的第二距离；并基于第二距离，确定最小碰撞距离。其中，确定行驶路径的圆心至目标的第二距离即为车辆子单元312的圆心计算。其中，基于第二距离，确定最小碰撞距离即为车辆子单元312的距离计算。

在一些实施例中，车辆子单元312的圆心计算具体为：基于本车的转弯半径r和目标的当前坐标pobj(px,py)计算第二距离。

在一些实施例中，行驶路径的圆心至目标的第二距离记为d，则d的计算式如下：

在一些实施例中，车辆子单元312的距离计算具体为：基于第二距离，判断目标是否在行驶路径内；若是，则基于目标(即车辆)当前的状态信息，确定目标与智能驾驶车辆之间的潜在碰撞位置；进而基于潜在碰撞位置，确定最小碰撞距离。

在一些实施例中，车辆子单元312基于第二距离，判断目标是否在行驶路径内时，通过比较第二距离d、外圆半径r1和内圆半径r2之间的关系，判断目标是否在行驶路径内。在一些实施例中，若r1＜d＜r2，则判定目标在行驶路径内；否则，判定目标在行驶路径外。

在一些实施例中，车辆子单元312判定目标在行驶路径内，则将目标的当前坐标pobj(px,py)确定为潜在碰撞位置，进而可确定本车与潜在碰撞位置的距离s，s＝r×θ，其中，θ为本车行驶到潜在碰撞位置所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。

在一些实施例中，车辆子单元312基于潜在碰撞位置，确定最小碰撞距离时，通过确定本车与潜在碰撞位置的距离；并基于与潜在碰撞位置的距离，确定预期碰撞时间；进而基于预期碰撞时间，确定最小碰撞距离。其中，预期碰撞时间可以理解为：当前时刻至本车到达潜在碰撞位置的时刻之间的时长。最小碰撞距离可以理解为：在一定减速度下本车能够避免与目标碰撞的最小距离。

在一些实施例中，车辆子单元312确定预期碰撞时间时，目标的速度vobj和加速度aobj不可忽略，基于本车与潜在碰撞位置的距离s、本车的速度vsbj、本车的加速度asbj、目标的速度vobj和目标的加速度aobj，确定预期碰撞时间。在一些实施例中，预期碰撞时间记为tb，则tb的计算式如下：

在一些实施例中，车辆子单元312基于预期碰撞时间，确定最小碰撞距离时，通过确定本车在反应时间内行驶的距离ssafe_dtr以及本车在制动过程中行驶的距离ssafe_bor，进而基于ssafe_dtr以及ssafe_bor确定最小碰撞距离。其中，反应时间记为驾驶员和智能驾驶系统的反应时间，反应时间记为δt，δt属于本领域的常用特征，计算方式也为本领域的成熟技术，本文沿用现有技术，在此不再赘述δt的具体计算过程。

在一些实施例中，车辆子单元312基于本车的速度vsbj、目标的速度vobj、本车的加速度asbj、目标的加速度aobj和反应时间δt，确定本车在反应时间内行驶的距离ssafe_dtr。

在一些实施例中，本车在反应时间内行驶的距离ssafe_dtr通过下式计算：

在一些实施例中，车辆子单元312基于本车的速度vsbj、目标的速度vobj、本车的加速度asbj和目标的加速度aobj，确定本车在制动过程中行驶的距离ssafe_bor。

在一些实施例中，本车在制动过程中行驶的距离ssafe_bor通过下式计算：

在一些实施例中，车辆子单元312确定最小碰撞距离为ssafe_dtr以及ssafe_bor之和。

图4是本公开实施例提供的一种车载设备的结构示意图。车载设备可支持智能驾驶系统的运行。

如图4所示，车载设备包括：至少一个处理器401、至少一个存储器402和至少一个通信接口403。车载设备中的各个组件通过总线系统404耦合在一起。通信接口403，用于与外部设备之间的信息传输。可理解，总线系统404用于实现这些组件之间的连接通信。总线系统404除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图4中将各种总线都标为总线系统404。

可以理解，本实施例中的存储器402可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

在一些实施方式中，存储器402存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。

其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(mediaplayer)、浏览器(browser)等，用于实现各种应用业务。实现本公开实施例提供的用于弯道场景的紧急制动控制方法的程序可以包含在应用程序中。

在本公开实施例中，处理器401通过调用存储器402存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器401用于执行本公开实施例提供的用于弯道场景的紧急制动控制方法各实施例的步骤。

本公开实施例提供的用于弯道场景的紧急制动控制方法可以应用于处理器401中，或者由处理器401实现。处理器401可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本公开实施例提供的用于弯道场景的紧急制动控制方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成方法的步骤。

图5为本公开实施例提供的一种用于弯道场景的紧急制动控制方法流程图。该方法的执行主体为车载设备，应用于智能驾驶车辆。在一些实施例中，该方法的执行主体为车载设备所支持的智能驾驶系统。

如图5所示，用于弯道场景的紧急制动控制方法，可包括步骤501至504：

501、探测目标。在一些实施例中，可在弯道行驶过程中探测目标。在一些实施例中，探测目标的方式例如为基于智能驾驶系统生成的感知定位信息来探测目标。

502、确定目标的类型。在一些实施例中，可确定弯道行驶过程中探测到的目标的类型。在一些实施例中，通过对智能驾驶车辆在弯道行驶过程中探测到的目标进行计算和分析，可确定目标的类型，从而分辨不同类型的目标。确定目标的类型可沿用现有方式，在此不再赘述。目标的类型例如包括但不限于行人、车辆等。

503、基于目标的类型，确定最小碰撞距离。在一些实施例中，对弯道行驶过程中探测到的不同类型的目标采用不同的方式确定最小碰撞距离，适用于弯道场景。

在一些实施例中，由于不同类型的目标对智能驾驶车辆的行驶路径产生不同的影响，而不同的行驶路径决定不同的最小碰撞距离，因此，基于目标的类型，确定智能驾驶车辆的行驶路径，进而基于目标的类型和行驶路径，确定最小碰撞距离。

在一些实施例中，智能驾驶车辆在弯道行驶过程中，行驶路径可以理解为圆形路径，又由于智能驾驶车辆具有一定的宽度，因此，智能驾驶车辆的行驶路径包括内圆和外圆，也即智能驾驶车辆的行驶路径可以理解为圆环形路径。不同类型的目标对智能驾驶车辆的行驶路径产生的影响体现在内圆半径和外圆半径均不同。

在一些实施例中，确定智能驾驶车辆的行驶路径时，通过确定行驶路径的内圆半径和外圆半径，进而基于内圆半径和外圆半径，确定行驶路径。行驶路径为内圆和外圆之间的区域。

在一些实施例中，确定行驶路径的内圆半径和外圆半径时，通过确定智能驾驶车辆的转弯半径，并基于目标的类型，确定转弯半径的补偿值，从而基于补偿值和转弯半径，确定行驶路径的内圆半径和外圆半径。在一些实施例中，转弯半径基于本车的横摆角速度ω计算。转弯半径记为r，则r通过下式计算：

vsbj为本车的速度。

转弯半径的补偿值可以理解为目标与智能驾驶车辆之间的安全距离，可见，不同类型的目标对应的补偿值不同。

在一些实施例中，基于目标的类型，确定转弯半径的补偿值时，若目标的类型为行人，则确定转弯半径的补偿值为第一预设值；若目标的类型为车辆，则确定转弯半径的补偿值为第二预设值；其中，第一预设值小于第二预设值。本领域技术人员可根据实际需要设置第一预设值与第二预设值，本实施例不限定第一预设值与第二预设值的具体取值。

在一些实施例中，基于补偿值和转弯半径，确定行驶路径的外圆半径和内圆半径时，若目标的类型为行人，则确定行驶路径的外圆半径r1＝(r+w1)，内圆半径r2＝(r－w1)。其中，w1表示目标的类型为行人时转弯半径r的补偿值(即第一预设值)。

在一些实施例中，图6b是本公开实施例提供的一种目标为行人的弯道紧急制动示意图。图6b中，行人的运动轨迹为直线，第二确定单元303可确定行人的运动轨迹。

如图6b所示，行人的运动轨迹可以为行人移动路径1、行人移动路径2或行人移动路径3。其中，行人移动路径1与本车行驶路径的内外圆均相交，共4个交点；行人移动路径2与本车行驶路径的外圆相交，共2个交点(忽略行人移动路径2与内圆相切的情况)；行人移动路径3与本车行驶路径的外圆均不相交，没有交点(忽略行人移动路径3与外圆相切的情况)。

在一些实施例中，若目标为行人，第二确定单元303可基于目标的当前坐标pobj(px,py)和速度向量vobj(vx,vy)，确定行人的运动轨迹。其中，目标的当前坐标pobj(px,py)和速度向量vobj(vx,vy)可基于传感器数据得到。

在一些实施例中，基于目标的类型和行驶路径，确定最小碰撞距离时，若目标为行人，则基于行驶路径，确定行人进出行驶路径的时间；并基于行人进出行驶路径的时间，确定最小碰撞距离。

在一些实施例中，基于行驶路径，确定行人进出行驶路径的时间时，通过基于行驶路径和行人的运动轨迹，确定行人进出行驶路径的位置，进而基于行人当前的状态信息和进出行驶路径的位置，确定行人进出行驶路径的时间。

在一些实施例中，基于行驶路径和行人的运动轨迹，确定行人进出行驶路径的位置时，通过确定行驶路径的圆心至行人的运动轨迹的第一距离；并基于第一距离以及行驶路径的内圆半径和外圆半径，确定行人进出行驶路径的位置。

在一些实施例中，确定行驶路径的圆心至行人的运动轨迹的第一距离时，通过行驶路径的外圆、行驶路径的内圆和行人的运动轨迹，确定第一距离。

行驶路径的外圆为：行驶路径的内圆为：行人的运动轨迹为：

行驶路径的圆心至行人的运动轨迹的第一距离记为d，则d为：

在一些实施例中，基于第一距离以及行驶路径的内圆半径和外圆半径，确定行人进出行驶路径的位置时，通过比较第一距离(记为d)、外圆半径r1和内圆半径r2之间的关系，确定行人进出行驶路径的位置。

在一些实施例中，通过比较第一距离(记为d)、外圆半径r1和内圆半径r2之间的关系，确定交点p1至p4，进而基于交点p1至p4，确定行人进出行驶路径的位置。

在一些实施例中，若d＜r2，则行人的运动轨迹可以为图6b所示的行人移动路径1。行人移动路径1与智能驾驶车辆的行驶路径的外圆和内圆之间有4个交点，其中，与行驶路径外圆的交点记为p1和p4，与行驶路径内圆的交点记为p2和p3。

在一些实施例中，若r2≤d＜r1，则行人的运动轨迹可以为图6b所示的行人移动路径2。行人移动路径2与智能驾驶车辆的行驶路径外圆之间有2个交点，记为p1和p4(忽略行人移动路径2与行驶路径内圆相切的情况)。

在一些实施例中，若d≤r1，则行人的运动轨迹可以为图6b所示的行人移动路径3。行人移动路径3与智能驾驶车辆的行驶路径之间没有交点(忽略行人移动路径3与行驶路径外圆相切的情况)。

在一些实施例中，交点p1、p2、p3和p4的计算方式如下：

其中，

其中，

在一些实施例中，基于交点p1至p4，确定行人进出行驶路径的位置时，若存在四个交点p1至p4，则通过确定本车行驶到交点p1至p4所需要驶过的圆弧所对应的圆心角(分别记为θ1、θ2、θ3和θ4)，进而基于θ1至θ4，确定行人进出行驶路径的位置。

在一些实施例中，基于θ1至θ4，确定行人进出行驶路径的位置时，若(θ1+θ2)＜(θ3+θ4)，则确定p1和p2离本车较近，并且基于行人的运动方向，可确定p1(或p2)为行人进入行驶路径的位置，相应地p2(或p1)为行人离开行驶路径的位置。例如图6b中，对于行人移动路径1，可确定p2为行人进入行驶路径的位置，相应地p1为行人离开行驶路径的位置。若(θ3+θ4)＜(θ1+θ2)，则可确定p3(或p4)为行人进入行驶路径的位置，相应地p4(或p3)为行人离开行驶路径的位置。

在一些实施例中，基于交点p1至p4，确定行人进出行驶路径的位置时，若存在两个交点p1和p4，则基于行人的运动方向，可确定p1(或p4)为行人进入行驶路径的位置，相应地p4(或p1)为行人离开行驶路径的位置。例如图6b中，对于行人移动路径2，可确定p4为行人进入行驶路径的位置，相应地p1为行人离开行驶路径的位置。

在一些实施例中，基于行人当前的状态信息和进出行驶路径的位置，确定行人进出行驶路径的时间时，基于目标(即行人)的当前坐标pobj(px,py)、目标的速度向量vobj(vx,vy)、行人进入行驶路径的位置坐标pin和行人离开行驶路径的位置坐标pout，计算行人进入行驶路径的时间tin和行人离开行驶路径的时间tout。

其中，tin和tout均通过距离除以速度获得绝对时间，以目标的运动方向向量与目标的速度向量作内积运算得到正负号。

在一些实施例中，基于行人进出行驶路径的时间，确定最小碰撞距离时，通过基于行人进出行驶路径的时间，确定行人与智能驾驶车辆之间的潜在碰撞位置；基于潜在碰撞位置，确定最小碰撞距离。本实施例中，可判断目标是否属于潜在碰撞目标，以此减少在弯道行驶过程中对目标的误报和漏报。

在一些实施例中，基于行人进出行驶路径的时间，确定行人与智能驾驶车辆之间的潜在碰撞位置时，若tout＜0，则确定行人已经离开本车的行驶路径，本车与行人不会发生碰撞；若tout≥0且tin＞0，则确定行人尚未进入本车的行驶路径，因此，确定pin为潜在碰撞位置；若tout≥0且tin≤0，则确定行人已进入本车的行驶路径，因此，确定目标(即行人)的当前坐标pobj(px,py)为潜在碰撞位置。

在一些实施例中，确定智能驾驶车辆与潜在碰撞位置的距离时，若pin为潜在碰撞位置，则本车与潜在碰撞位置之间的距离记为s，且s＝r×θin，其中，θin为本车行驶到pin所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。例如图6b中，对于行人移动路径1，pin即为p2，θin即为θ2。

在一些实施例中，确定智能驾驶车辆与潜在碰撞位置的距离时，若目标的当前坐标pobj(px,py)为潜在碰撞位置，则本车与潜在碰撞位置之间的距离s＝r×θ，其中，θ为本车行驶到pobj所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。

在一些实施例中，基于补偿值和转弯半径，确定行驶路径的内圆半径和外圆半径时，若目标的类型为车辆，则确定行驶路径的外圆半径r1＝(r+w2)，内圆半径r2＝(r－w2)。其中，w2表示目标的类型为车辆时转弯半径r的补偿值(即第二预设值)。

在一些实施例中，图7b是本公开实施例提供的一种目标为车辆的弯道紧急制动示意图。图7b中，标记701为本车；标记702为目标车；标记703为本车行驶路径的外圆；标记704为本车行驶路径的内圆。

在一些实施例中，基于目标的类型和行驶路径，确定最小碰撞距离时，若目标为车辆，则确定行驶路径的圆心至目标的第二距离；并基于第二距离，确定最小碰撞距离。

在一些实施例中，确定行驶路径的圆心至目标的第二距离时，基于本车的转弯半径r和目标的当前坐标pobj(px,py)计算第二距离。

在一些实施例中，行驶路径的圆心至目标的第二距离记为d，则d的计算式如下：

在一些实施例中，基于第二距离，确定最小碰撞距离时，若目标为车辆，则基于第二距离，判断目标是否在行驶路径内；若是，则基于目标(即车辆)当前的状态信息，确定目标与智能驾驶车辆之间的潜在碰撞位置；进而基于潜在碰撞位置，确定最小碰撞距离。

在一些实施例中，基于第二距离，判断目标是否在行驶路径内时，若目标为车辆，则通过比较第二距离d、外圆半径r1和内圆半径r2之间的关系，判断目标是否在行驶路径内。在一些实施例中，若r1＜d＜r2，则判定目标在行驶路径内；否则，判定目标在行驶路径外。

在一些实施例中，若目标为车辆，且判定目标在行驶路径内，则将目标的当前坐标pobj(px,py)确定为潜在碰撞位置，进而可确定本车与潜在碰撞位置的距离s，s＝r×θ，其中，θ为本车行驶到潜在碰撞位置所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。

在一些实施例中，不论目标是行人还是车辆，基于潜在碰撞位置，确定最小碰撞距离时，均通过确定本车与潜在碰撞位置的距离；并基于与潜在碰撞位置的距离，确定预期碰撞时间；进而基于预期碰撞时间，确定最小碰撞距离。其中，预期碰撞时间可以理解为：当前时刻至本车到达潜在碰撞位置的时刻之间的时长。最小碰撞距离可以理解为：在一定减速度下本车能够避免与目标碰撞的最小距离。

在一些实施例中，确定预期碰撞时间时，由于相对于本车，行人的速度较小，因此，若目标为行人，则可忽略目标的速度vobj和加速度aobj，并基于本车与潜在碰撞位置的距离s、本车的速度vsbj、本车的加速度asbj，确定预期碰撞时间。

在一些实施例中，预期碰撞时间记为tb，则tb的计算式如下：

其中，由于目标为行人，忽略vobj和aobj，因此vobj和aobj均为0。

在一些实施例中，基于预期碰撞时间，确定最小碰撞距离时，若目标为行人，则基于本车的速度vsbj、本车的制动减速度abrk，确定最小碰撞距离ssafe。

在一些实施例中，若目标为行人，则最小碰撞距离ssafe的计算式如下：

其中，δt为驾驶员和智能驾驶系统的反应时间，δt属于本领域的常用特征，计算方式也为本领域的成熟技术，本文沿用现有技术，在此不再赘述δt的具体计算过程。

在一些实施例中，确定预期碰撞时间时，若目标为车辆，则目标的速度vobj和加速度aobj不可忽略，并基于本车与潜在碰撞位置的距离s、本车的速度vsbj、本车的加速度asbj、目标的速度vobj和目标的加速度aobj，确定预期碰撞时间。在一些实施例中，预期碰撞时间记为tb，则tb的计算式如下：

在一些实施例中，基于预期碰撞时间，确定最小碰撞距离时，若目标为车辆，则确定本车在反应时间内行驶的距离ssafe_dtr以及本车在制动过程中行驶的距离ssafe_bor，进而基于ssafe_dtr以及ssafe_bor确定最小碰撞距离。其中，反应时间记为驾驶员和智能驾驶系统的反应时间，反应时间记为δt，δt属于本领域的常用特征，计算方式也为本领域的成熟技术，本文沿用现有技术，在此不再赘述δt的具体计算过程。

在一些实施例中，若目标为车辆，则基于本车的速度vsbj、目标的速度vobj、本车的加速度asbj、目标的加速度aobj和反应时间δt，确定本车在反应时间内行驶的距离ssafe_dtr。

在一些实施例中，本车在反应时间内行驶的距离ssafe_dtr通过下式计算：

在一些实施例中，若目标为车辆，则基于本车的速度vsbj、目标的速度vobj、本车的加速度asbj和目标的加速度aobj，确定本车在制动过程中行驶的距离ssafe_bor。

在一些实施例中，本车在制动过程中行驶的距离ssafe_bor通过下式计算：

在一些实施例中，第二确定单元303确定最小碰撞距离为ssafe_dtr以及ssafe_bor之和。

504、基于最小碰撞距离进行自动紧急制动控制。在一些实施例中，基于不同的最小碰撞距离进行自动紧急制动控制，实现对不同类型的目标的差异化处理，防止智能驾驶车辆与目标发生碰撞或减少碰撞伤害。在一些实施例中，在弯道行驶过程中基于不同的最小碰撞距离进行自动紧急制动控制，防止车辆在弯道行驶过程中与目标发生碰撞或减少碰撞伤害。

在一些实施例中，基于最小碰撞距离进行自动紧急制动控制时，基于最小碰撞距离，判断是否与目标发生碰撞；若是，则发送制动指令，其中，制动指令携带有制动减速度信息，制动减速度信息由最小碰撞距离确定。

在一些实施例中，基于最小碰撞距离，判断是否与目标发生碰撞时，判断预期碰撞时间是否小于预设时间，以及判断本车与目标之间的实际距离是否小于最小碰撞距离，若预期碰撞时间小于预设时间且本车与目标之间的实际距离小于最小碰撞距离，则确定本车会与目标发生碰撞。

在一些实施例中，确定制动减速度信息时，以最小碰撞距离计算过程中所使用的制动强度作为制动减速度信息，其中，最小碰撞距离计算过程中所使用的制动强度即为计算距离ssafe_bor所使用的本车的加速度asbj。

在一些实施例中，发送制动指令后，判断是否停止制动，若制动指令被取消或者本车的速度为零，则停止制动；否则继续保持制动状态。

图6a是本公开实施例提供的一种目标为行人的最小碰撞距离确定方法流程图。如图6a所示，目标为行人的最小碰撞距离确定方法包括如下步骤601至606：

601、确定智能驾驶车辆的行驶路径和行人的运动轨迹。进而可基于行驶路径确定最小碰撞距离。在一些实施例中，确定智能驾驶车辆的行驶路径时，通过确定行驶路径的内圆半径和外圆半径，进而基于内圆半径和外圆半径，确定行驶路径。行驶路径为内圆和外圆之间的区域。

在一些实施例中，确定行驶路径的内圆半径和外圆半径时，通过确定智能驾驶车辆的转弯半径，从而基于转弯半径和行人对应的补偿值w1，确定行驶路径的内圆半径和外圆半径。在一些实施例中，转弯半径记为r，且基于本车的横摆角速度ω计算。在一些实施例中，行驶路径的外圆半径r1＝(r+w1)，内圆半径r2＝(r－w1)。

在一些实施例中，图6b是本公开实施例提供的一种目标为行人的弯道紧急制动示意图。图6b中，行人的运动轨迹为直线。

如图6b所示，行人的运动轨迹可以为行人移动路径1、行人移动路径2或行人移动路径3。其中，行人移动路径1与本车行驶路径的内外圆均相交，共4个交点；行人移动路径2与本车行驶路径的外圆相交，共2个交点(忽略行人移动路径2与内圆相切的情况)；行人移动路径3与本车行驶路径的外圆均不相交，没有交点(忽略行人移动路径3与外圆相切的情况)。

在一些实施例中，可基于目标的当前坐标pobj(px,py)和速度向量vobj(vx,vy)，确定行人的运动轨迹。其中，目标的当前坐标pobj(px,py)和速度向量vobj(vx,vy)可基于传感器数据得到。

602、基于行驶路径和行人的运动轨迹，确定行人进出行驶路径的时间。在一些实施例中，可基于行人进出行驶路径的时间，确定最小碰撞距离。

在一些实施例中，基于行驶路径，确定行人进出行驶路径的时间时，通过基于行驶路径和行人的运动轨迹，确定行人进出行驶路径的位置，进而基于行人当前的状态信息和进出行驶路径的位置，确定行人进出行驶路径的时间。

在一些实施例中，基于行驶路径和行人的运动轨迹，确定行人进出行驶路径的位置时，通过确定行驶路径的圆心至行人的运动轨迹的第一距离；并基于第一距离以及行驶路径的内圆半径和外圆半径，确定行人进出行驶路径的位置。

在一些实施例中，确定行驶路径的圆心至行人的运动轨迹的第一距离时，通过行驶路径的外圆、行驶路径的内圆和行人的运动轨迹，确定第一距离。

行驶路径的外圆为：行驶路径的内圆为：行人的运动轨迹为：

行驶路径的圆心至行人的运动轨迹的第一距离记为d，则d为：

在一些实施例中，基于第一距离以及行驶路径的内圆半径和外圆半径，确定行人进出行驶路径的位置时，通过比较第一距离(记为d)、外圆半径r1和内圆半径r2之间的关系，确定行人进出行驶路径的位置。

在一些实施例中，通过比较第一距离(记为d)、外圆半径r1和内圆半径r2之间的关系，确定交点p1至p4，进而基于交点p1至p4，确定行人进出行驶路径的位置。

在一些实施例中，若d＜r2，则行人的运动轨迹可以为图6b所示的行人移动路径1。行人移动路径1与智能驾驶车辆的行驶路径的外圆和内圆之间有4个交点，其中，与行驶路径外圆的交点记为p1和p4，与行驶路径内圆的交点记为p2和p3。

在一些实施例中，若r2≤d＜r1，则行人的运动轨迹可以为图6b所示的行人移动路径2。行人移动路径2与智能驾驶车辆的行驶路径外圆之间有2个交点，记为p1和p4(忽略行人移动路径2与行驶路径内圆相切的情况)。

在一些实施例中，若d≤r1，则行人的运动轨迹可以为图6b所示的行人移动路径3。行人移动路径3与智能驾驶车辆的行驶路径之间没有交点(忽略行人移动路径3与行驶路径外圆相切的情况)。

在一些实施例中，交点p1、p2、p3和p4的计算方式如下：

其中，

其中，

在一些实施例中，基于交点p1至p4，确定行人进出行驶路径的位置时，若存在四个交点p1至p4，则通过确定本车行驶到交点p1至p4所需要驶过的圆弧所对应的圆心角(分别记为θ1、θ2、θ3和θ4)，进而基于θ1至θ4，确定行人进出行驶路径的位置。

在一些实施例中，基于θ1至θ4，确定行人进出行驶路径的位置时，若(θ1+θ2)＜(θ3+θ4)，则确定p1和p2离本车较近，并且基于行人的运动方向，可确定p1(或p2)为行人进入行驶路径的位置，相应地p2(或p1)为行人离开行驶路径的位置。例如图6b中，对于行人移动路径1，可确定p2为行人进入行驶路径的位置，相应地p1为行人离开行驶路径的位置。若(θ3+θ4)＜(θ1+θ2)，则可确定p3(或p4)为行人进入行驶路径的位置，相应地p4(或p3)为行人离开行驶路径的位置。

在一些实施例中，基于交点p1至p4，确定行人进出行驶路径的位置时，若存在两个交点p1和p4，则基于行人的运动方向，可确定p1(或p4)为行人进入行驶路径的位置，相应地p4(或p1)为行人离开行驶路径的位置。例如图6b中，对于行人移动路径2，可确定p4为行人进入行驶路径的位置，相应地p1为行人离开行驶路径的位置。

在一些实施例中，基于行人当前的状态信息和进出行驶路径的位置，确定行人进出行驶路径的时间时，基于目标(即行人)的当前坐标pobj(px,py)、目标的速度向量vobj(vx,vy)、行人进入行驶路径的位置坐标pin和行人离开行驶路径的位置坐标pout，计算行人进入行驶路径的时间tin和行人离开行驶路径的时间tout。

其中，tin和tout均通过距离除以速度获得绝对时间，以目标的运动方向向量与目标的速度向量作内积运算得到正负号。

603、基于行人进出行驶路径的时间，确定行人与智能驾驶车辆之间的潜在碰撞位置。

在一些实施例中，基于行人进出行驶路径的时间，确定行人与智能驾驶车辆之间的潜在碰撞位置时，若tout＜0，则确定行人已经离开本车的行驶路径，本车与行人不会发生碰撞；若tout≥0且tin＞0，则确定行人尚未进入本车的行驶路径，因此，确定pin为潜在碰撞位置；若tout≥0且tin≤0，则确定行人已进入本车的行驶路径，因此，确定目标(即行人)的当前坐标pobj(px,py)为潜在碰撞位置。

在一些实施例中，确定智能驾驶车辆与潜在碰撞位置的距离时，若pin为潜在碰撞位置，则本车与潜在碰撞位置之间的距离记为s，且s＝r×θin，其中，θin为本车行驶到pin所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。例如图6b中，对于行人移动路径1，pin即为p2，θin即为θ2。

在一些实施例中，确定智能驾驶车辆与潜在碰撞位置的距离时，若目标的当前坐标pobj(px,py)为潜在碰撞位置，则本车与潜在碰撞位置之间的距离s＝r×θ，其中，θ为本车行驶到pobj所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。

604、基于潜在碰撞位置，确定本车与潜在碰撞位置的距离。

605、基于与潜在碰撞位置的距离，确定预期碰撞时间。其中，预期碰撞时间可以理解为：当前时刻至本车到达潜在碰撞位置的时刻之间的时长。

在一些实施例中，确定预期碰撞时间时，由于相对于本车，行人的速度较小，因此，可忽略目标的速度vobj和加速度aobj，并基于本车与潜在碰撞位置的距离s、本车的速度vsbj、本车的加速度asbj，确定预期碰撞时间。

在一些实施例中，预期碰撞时间记为tb，则tb的计算式如下：

其中，由于目标为行人，忽略vobj和aobj，因此vobj和aobj均为0。

606、基于预期碰撞时间，确定最小碰撞距离。最小碰撞距离可以理解为：在一定减速度下本车能够避免与目标碰撞的最小距离。

在一些实施例中，基于预期碰撞时间，确定最小碰撞距离时，基于本车的速度vsbj、本车的制动减速度abrk，确定最小碰撞距离ssafe。在一些实施例中，最小碰撞距离ssafe的计算式为：

其中，δt为驾驶员和智能驾驶系统的反应时间，δt属于本领域的常用特征，计算方式也为本领域的成熟技术，本文沿用现有技术，在此不再赘述δt的具体计算过程。

图7a是本公开实施例提供的一种目标为车辆的最小碰撞距离确定方法流程图。如图7a所示，目标为车辆的最小碰撞距离确定方法包括如下步骤701至706：

701、确定智能驾驶车辆的行驶路径。进而可基于行驶路径确定最小碰撞距离。在一些实施例中，确定智能驾驶车辆的行驶路径时，通过确定行驶路径的内圆半径和外圆半径，进而基于内圆半径和外圆半径，确定行驶路径。行驶路径为内圆和外圆之间的区域。

在一些实施例中，确定行驶路径的内圆半径和外圆半径时，通过确定智能驾驶车辆的转弯半径r，从而基于转弯半径r和车辆对应的补偿值w2，确定行驶路径的外圆半径r1＝(r+w2)，内圆半径r2＝(r－w2)。

在一些实施例中，图7b是本公开实施例提供的一种目标为车辆的弯道紧急制动示意图。图7b中，标记701为本车；标记702为目标车；标记703为本车行驶路径的外圆；标记704为本车行驶路径的内圆。

702、确定行驶路径的圆心至目标的第二距离。在一些实施例中，确定行驶路径的圆心至目标的第二距离时，基于本车的转弯半径r和目标的当前坐标pobj(px,py)计算第二距离。

在一些实施例中，行驶路径的圆心至目标的第二距离记为d，则d的计算式如下：

703、基于第二距离，判断目标是否在行驶路径内。

在一些实施例中，基于第二距离，判断目标是否在行驶路径内时，通过比较第二距离d、外圆半径r1和内圆半径r2之间的关系，判断目标是否在行驶路径内。在一些实施例中，若r1＜d＜r2，则判定目标在行驶路径内；否则，判定目标在行驶路径外。

704、若目标在行驶路径内，则基于目标(即车辆)当前的状态信息，确定目标与智能驾驶车辆之间的潜在碰撞位置。

在一些实施例中，判定目标在行驶路径内，则将目标的当前坐标pobj(px,py)确定为潜在碰撞位置，进而可确定本车与潜在碰撞位置的距离s，s＝r×θ，其中，θ为本车行驶到潜在碰撞位置所需要驶过的圆弧所对应的圆心角，r为本车的转弯半径。

705、基于与潜在碰撞位置的距离，确定预期碰撞时间。其中，预期碰撞时间可以理解为：当前时刻至本车到达潜在碰撞位置的时刻之间的时长。

在一些实施例中，确定预期碰撞时间时，目标的速度vobj和加速度aobj不可忽略，基于本车与潜在碰撞位置的距离s、本车的速度vsbj、本车的加速度asbj、目标的速度vobj和目标的加速度aobj，确定预期碰撞时间。在一些实施例中，预期碰撞时间记为tb，则tb的计算式如下：

706、基于预期碰撞时间，确定最小碰撞距离。最小碰撞距离可以理解为：在一定减速度下本车能够避免与目标碰撞的最小距离。

在一些实施例中，基于预期碰撞时间，确定最小碰撞距离时，通过确定本车在反应时间内行驶的距离ssafe_dtr以及本车在制动过程中行驶的距离ssafe_bor，进而基于ssafe_dtr以及ssafe_bor确定最小碰撞距离。其中，反应时间记为驾驶员和智能驾驶系统的反应时间，反应时间记为δt，δt属于本领域的常用特征，计算方式也为本领域的成熟技术，本文沿用现有技术，在此不再赘述δt的具体计算过程。

在一些实施例中，基于本车的速度vsbj、目标的速度vobj、本车的加速度asbj、目标的加速度aobj和反应时间δt，确定本车在反应时间内行驶的距离ssafe_dtr。

在一些实施例中，本车在反应时间内行驶的距离ssafe_dtr通过下式计算：

在一些实施例中，基于本车的速度vsbj、目标的速度vobj、本车的加速度asbj和目标的加速度aobj，确定本车在制动过程中行驶的距离ssafe_bor。

在一些实施例中，本车在制动过程中行驶的距离ssafe_bor通过下式计算：

在一些实施例中，车辆子单元312确定最小碰撞距离为ssafe_dtr以及ssafe_bor之和。

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能够理解，本公开实施例并不受所描述的动作顺序的限制，因为依据本公开实施例，某些步骤可以采用其他顺序或者同时进行(若同时检测到行人和车辆，可同时对行人和车辆按照前述的步骤进行操作)。另外，本领域技术人员能够理解，说明书中所描述的实施例均属于可选实施例。

本公开实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如用于弯道场景的紧急制动控制方法各实施例的步骤，为避免重复描述，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

本领域的技术人员能够理解，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。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。