一种碰撞检测方法、装置、交通工具及存储介质与流程

1.本发明涉及交通工具技术领域，尤其涉及一种碰撞检测方法、装置、交通工具及存储介质。


背景技术：

2.随着技术的发展，无人驾驶汽车发展越来越快。无人驾驶汽车给人们带来便利和驾驶体验的同时，汽车安全性的问题越显突出。当前无人驾驶通过自动驾驶感知及规划进行碰撞检测，当前无人驾驶碰撞检测响应速度较慢，需要花费较长时间才能完成碰撞检测，导致无人驾驶车辆安全性和可靠性较低。


技术实现要素：

3.本发明的主要目的在于提供一种碰撞检测方法、装置、交通工具及存储介质，旨在解决现有技术中通过自动驾驶感知及规划进行碰撞检测响应速度慢导致无人驾驶车辆安全性和可靠性较低的问题。
4.为实现上述目的，本发明提供了一种碰撞检测方法，所述碰撞检测方法包括以下步骤：
5.s1：获取激光雷达的第一点云数据和第一时间，获取所述第一时间对应的第一车辆位姿信息；
6.s2：对所述第一点云数据进行过滤和/或运动补偿，得到第二点云数据；
7.s3：建立目标区域，获取所述目标区域内的所述第二点云数据得到第三点云数据，对所述第三点云数据进行目标对象的标注；
8.s4：根据所述目标对象和所述第一车辆位姿信息，判断车辆与所述目标对象是否发生碰撞；如果发生碰撞，计算碰撞时间。
9.可选地，所述对所述第一点云数据进行过滤，包括以下步骤进行设置：
10.对所述第一点云数据进行噪点过滤和/或车身点云过滤和/或voxel过滤。
11.可选地，所述对所述第一点云数据进行运动补偿，包括以下步骤：
12.a1：初始化运动补偿的初始数据，所述初始数据包括：第二车辆位姿信息和第二时间；基于第二车辆位姿信息构建第一转换矩阵；
13.a2：获取当前时间的车辆位姿信息，得到第三车辆位姿信息；获取当前时间，得到第三时间；
14.a3：获取所述第二时间至所述第三时间范围内的点，对所述点逐个使用所述第一转换矩阵进行矩阵运算得到一个运动补偿后的点；
15.a4：重复步骤a2～a3，对第一点云数据的所有点进行处理，得到运动补偿后的第二点云数据。
16.可选地，所述步骤s3，包括以下步骤：
17.对所述第二点云数据根据水平角划分区域，得到第一区域；
18.根据激光雷达的线数对所述第一区域进行水平划分，得到第二区域；
19.对所述第二区域按指定范围的单元格进行划分，得到第三区域；
20.逐个判断所述第三区域内的所述第二点云数据的点与地面的高度值是否大于高度阈值；如果大于，则所述点标注为目标对象且为每个目标对象分配一个唯一标识。
21.可选地，所述步骤s4，包括以下步骤：
22.根据多个所述第二点云数据对应的第一车辆位姿信息和当前时刻的车辆位姿信息的变化量构造第二转换矩阵；
23.通过所述第二转换矩阵进行矩阵运算转换坐标系，得到固定坐标系；
24.在所述固定坐标系中预测第一时长范围内车辆的运动轨迹，得到第一运动轨迹；在所述固定坐标系中预测所述第一时长范围内运动物体的运动轨迹，得到第二运动轨迹；
25.判断所述第一运动轨迹和所述第二运动轨迹是否存在交叉；如果存在交叉，则获取所述车辆运动到交叉点的第二时长，获取所述运动物体运动到交叉点的第三时长；
26.根据所述车辆的车宽和所述运动物体的长度及所述运动物体进入所述第二运动轨迹的角度，计算所述运动物体离开所述第一轨迹的第四时长；
27.如果所述第二时长大于所述第三时长且小于所述第四时长，则所述车辆和所述运动物体会发生碰撞，碰撞时间为所述第二时长加上所述运动物体第一次进入第一运动轨迹后至与所述车辆在所述第一轨迹内相交的时间差。
28.可选地，还包括以下步骤：
29.所述第三区域内是否存在所述第二点云数据，如果存在所述第二点云数据，则把所述第三区域标识为有效区域；如果不存在所述第二点云数据，则把所述第三区域标识为无效区域；
30.把标识为有效区域的所述第三区域中的多个所述第二点云数据转换到同一坐标系下，对每个所述第二点云数据分割出的目标物体进行匹配，把所述目标物体标识为静态物体或运动物体；
31.根据时间追踪所述移动物体的位置变化，计算所述运动物体的运动方向和角度。
32.可选地，还包括以下步骤：
33.判断所述静态物体和/或所述动态物体是否是被反射的物体；如果是，则标记所述静态物体或所述动态物体为被反射物体；
34.判断所述被反射物体是否在室内或交通阻塞地段：若是，则删除所述被反射物体对应的所述静态物体或所述运动物体。
35.此外，为实现上述目的，本发明还提出一种碰撞检测装置，所述碰撞检测装置包括：
36.点云获取单元，用于获取激光雷达的第一点云数据和第一时间，获取所述第一时间对应的第一车辆位姿信息；
37.点云补偿单元，用于对所述第一点云数据进行过滤和/或运动补偿，得到第二点云数据；
38.点云标注单元，用于建立目标区域，获取所述目标区域内的所述第二点云数据得到第三点云数据，对所述第三点云数据进行目标对象的标注；
39.碰撞判断单元，用于根据所述目标对象和第一车辆位姿信息，判断车辆与所述目
标对象是否发生碰撞，如果发生碰撞，计算碰撞时间。
40.此外，为实现上述目的，本发明还提出一种交通工具，所述交通工具包括：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碰撞检测程序，所述碰撞检测程序配置为实现如上文所述碰撞检测方法的步骤。
41.此外，为实现上述目的，本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的碰撞检测方法的步骤。
42.通过本发明，检测的障碍物位置信息精确度高，刹车响应更快，比自动驾驶感知及规划处理时间更早，更安全。从而提高了无人驾驶车辆安全性和可靠性。
附图说明
43.图1为本发明提供的一种碰撞检测方法的一个流程示意图。
44.图2为本发明提供的运动补偿的一个流程示意图。
45.图3为本发明提供的目标标注的一个流程示意图。
46.图4为本发明提供的判断车辆是否发生碰撞的一个流程示意图。
47.图5为本发明提供的有效区域标识的一个流程示意图。
48.图6为本发明提供的删除被反射物体的一个流程示意图。
49.图7为本发明碰撞检测装置实施例的一个结构框图。
50.图8是本发明实施例方案涉及的硬件运行环境的交通工具结构示意图。
51.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
52.为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅以解释本发明，并不用于限定本发明。
53.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
54.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
55.在一个实施例中，如图1所示，本发明提供一种碰撞检测方法，所述方法包括：
56.步骤s1、获取激光雷达的第一点云数据和第一时间，获取所述第一时间对应的第一车辆位姿信息。
57.自动驾驶车辆接收激光雷达的一帧点云数据，同时获取该帧点云数据对应的时间。自动驾驶车辆通过udp数据包传到激光雷达驱动层，激光雷达驱动层根据协议解析出各个点，组成一帧点云数据。
58.在获取点云数据时，同时获取当前车辆的位姿信息。车辆位姿信息包括：x、y、z坐标，俯仰角picth，航向角yaw，横滚角roll。车辆获取的信息如下表所示：
59.第一时间第一点云数据第一车辆位姿信息2021-12-28 15:35:26:256点云数据a车辆位姿信息a
60.自动驾驶车辆把获取的时间、点云数据、车辆位姿信息保存到本地，如数据库中。
61.步骤s2、对所述第一点云数据进行过滤和/或运动补偿，得到第二点云数据。
62.激光雷达驱动层对一帧点云进行噪点过滤、车身点云过滤、voxel过滤，通过过滤可以降低点的个数，保证点云形态。把经过过滤处理的点云数据发送给其他模块进行后续处理，如降级线程。
63.降级(demotion)线程:demotion的主要功能就是对一帧点云里的点进行运动补偿，以弥补车辆运动给点云带来的误差，减少失真畸变。
64.自动驾驶车辆同时进行噪点过滤和运动补偿处理，如使用两个线程或进程分别处理噪点过滤和运动补偿，从而提高对点云数据的处理速度。当一个线程或进程处理完噪点过滤或运动补偿时，另外一个线程或进程未处理完时，会等待另外一个线程或进程处理完后再进行后续步骤的处理。
65.运动补偿参见图2所示流程：
66.步骤a1：初始化运动补偿的初始数据，所述初始数据包括：第二车辆位姿信息和第二时间；基于第二车辆位姿信息构建第一转换矩阵。
67.初始化demotion需要的一些数据结构，如车辆位姿信息(pose信息)，定义demotion sync time，即每一帧点云内的点，都基于这个时刻的pose信息进行转换矩阵构建。
68.在进行运动补偿，需要选择一个基准时间及该基准时间对应的车辆位姿信息。后续点云数据中的点进行运动补偿时，都需要使用这个位姿信息进行矩阵转换实现。
69.车辆位姿信息(pose信息)包括：x、y、z坐标，俯仰角picth，航向角yaw，横滚角roll。
70.初始数据如下表所示：
[0071][0072]
使用初始化的车辆位姿信息构建三维空间坐标系变换的旋转矩阵。
[0073]
步骤a2：获取当前时间的车辆位姿信息，得到第三车辆位姿信息；获取当前时间，得到第三时间。
[0074]
获取当前时刻定位模块的定位信息(x,y,z；roll,yaw,picth)(即车辆位姿信息，默认10ms获取一次，也可以是其他时长)。如果定位信息是无效的(可以根据信息中的标志位确认)，则使用自动驾驶车辆提供的速度、转角信息。使用定位模块的信息精度会比较高，使用车辆提供的信息精度会差一些，一般也在误差允许范围内。当前时刻获取的车辆位姿信息如下表所示：
[0075]
[0076][0077]
然后使用步骤a1初始化中基于第一时间(sync time)对应的车辆位姿信息(pose信息)构建转换矩阵。
[0078]
步骤a3：获取所述第二时间至所述第三时间范围内的点，对所述点逐个使用所述第一转换矩阵进行矩阵运算得到一个运动补偿后的点。
[0079]
对这两个车辆位姿间扫描出的点逐个进行矩阵运算得到一个新的点，新的点就是运动补偿后的点。
[0080]
步骤a4：重复步骤a2～a3，对第一点云数据的所有点进行处理，得到运动补偿后的第二点云数据。
[0081]
重复步骤a2～a3的步骤，等待一帧点云上的点全部完成运动补偿，得到运动补偿后的一帧点云数据。
[0082]
步骤s3：建立目标区域，获取所述目标区域内的所述第二点云数据得到第三点云数据，对所述第三点云数据进行目标对象的标注。
[0083]
对运动补偿后的点云进行区域划分，便于快速处理点云数据。区域划分，参见图3所示流程：
[0084]
步骤s101：对所述第二点云数据根据水平角划分区域，得到第一区域。
[0085]
步骤s102：根据激光雷达的线数对所述第一区域进行水平划分，得到第二区域。
[0086]
把点云中的点按某个水平角度(如：5度，也可以设定为其它水平角度)划分一个区域，然后在每个区域根据激光雷达的线数划分对应的ring。如每个区域有64个ring，(注意：ring的数量跟激光lidar有关，多少线激光lidar就是多个少ring。所以一个ringmap的大小是hfov/5*ring。本方案是360/5*64)。
[0087]
每个ring map表里内，会有存储在每个ring上，比较高的几个点的高度信息，这几个点的高度的均值，就是这块ring map的高度(z)。以此类推，把所有高度信息计算填充完成之后，一个ring map就完成。
[0088]
步骤s103：对所述第二区域按指定范围的单元格进行划分，得到第三区域。
[0089]
根据点云数据，对ring map构建指定范围(如：30x30cm(x*y))的单元格，用来分区域进行目标分割和识别。这里单元格根据水平信息划分的。每个单元格内会放置对应区域内的点，
[0090]
划分的单元格需要判断有效性，只对有效的单元格进行处理。参见图5所示流程：
[0091]
步骤s301：所述第三区域内是否存在所述第二点云数据，如果存在所述第二点云数据，则把所述第三区域标识为有效区域；如果不存在所述第二点云数据，则把所述第三区域标识为无效区域。
[0092]
单元格构建过程中会往里填充点并记录，然后根据这个记录判断单元格的有效性。如果单元格中没有点的数据，则该单元格为无效的，后续不需要处理该单元格；如果单元格中有点的数据，则该单元格为有效的，后续需要对该单元格进行处理。
[0093]
步骤s302：把标识为有效区域的所述第三区域中的多个所述第二点云数据转换到同一坐标系下，对每个所述第二点云数据分割出的目标物体进行匹配，把所述目标物体标识为静态物体或运动物体。
[0094]
步骤s303：根据时间追踪所述移动物体的位置变化，计算所述运动物体的运动方向和角度。
[0095]
把多帧(如：8帧)点云数据也是经过网格划分，标记出目标物体的。把最近8帧转到同一个坐标系下，每一帧分割出来的目标进行匹配，方便进行目标跟踪。把这些数据放到一个坐标系下，如果是静态物体，这些物体的点在一个坐标系下是基本重合的，这样就方便标记出静态物体，如果是动态物体，根据时间追踪动态物体位置变化，可以计算出动态物体的运动方向和角度，为后面估计运动物体未来一段时间(如：2.5s)的轨迹提供数据。
[0096]
步骤s104：逐个判断所述第三区域内的所述第二点云数据的点与地面的高度值是否大于高度阈值；如果大于，则所述点标注为目标对象且为每个目标对象分配一个唯一标识。
[0097]
遍历所有的有效的单元格，如果这个单元格内的点距地面高度超过一定距离，会被记录为目标对象；如果是地面，则会标记为不感兴趣的对象，对不感兴趣的对象标记统一的id，对目标对象标记唯一的id。
[0098]
对单元格中的目标，需要把反射目标移除。具体参见图6所示流程：
[0099]
步骤s401：判断所述静态物体和/或所述动态物体是否是被反射的物体；如果是，则标记所述静态物体或所述动态物体为被反射物体。
[0100]
步骤s402：判断所述被反射物体是否在室内或交通阻塞地段：若是，则删除所述被反射物体对应的所述静态物体或所述运动物体。
[0101]
可以通过光线追踪算法和地面以下点的过滤来删除反射点，该方案属于现有技术，本方案不再详细描述。
[0102]
判断是在地下室还是交通堵塞地段：若是交通堵塞地段，则去掉部分反射点。交通堵塞地段通过以下方案进行判断：
[0103]
根据ring map的分区，扫描正前、左后、右后的各三个分区，算出最近的且是非地面的ring(ring越小离车越近)，如果这个ring的值比较小，说明出现拥堵，记录一个拥堵值，之后在连续观察至少3帧，如果每次ring的值不小了，拥堵值减去1，直到拥堵值小于等于0之后，停止递减。拥堵值为0时，表示非拥堵地段；否则表示拥堵地段。
[0104]
步骤s4：根据所述目标对象和所述第一车辆位姿信息，判断车辆与所述目标对象是否发生碰撞；如果发生碰撞，计算碰撞时间。
[0105]
判断目标对象(单元格中标识的运动物体、静态物体)和车辆是否会发生碰撞，参见图4所述流程：
[0106]
步骤s201：根据多个所述第二点云数据对应的第一车辆位姿信息和当前时刻的车辆位姿信息的变化量构造第二转换矩阵。
[0107]
步骤s202：通过所述第二转换矩阵进行矩阵运算转换坐标系，得到固定坐标系。
[0108]
把之前多帧(如：8帧)的点云数据都转到当前同一个坐标系下面，通过每一帧对应的时间找到对应的车辆位置信息(pose信息)与当前车辆位姿信息(pose信息)的x、y、z轴坐标及俯仰角picth、航向角yaw、横滚角roll六个变量的变化，构造转换矩阵，通过矩阵运算转换坐标系。
[0109]
步骤s203：在所述固定坐标系中预测第一时长范围内车辆的运动轨迹，得到第一运动轨迹；在所述固定坐标系中预测所述第一时长范围内运动物体的运动轨迹，得到第二
运动轨迹。
[0110]
步骤s204：判断所述第一运动轨迹和所述第二运动轨迹是否存在交叉；如果存在交叉，则获取所述车辆运动到交叉点的第二时长，获取所述运动物体运动到交叉点的第三时长。
[0111]
根据运动物体的在x，y方向及航向角yaw角度的运动变化，来预测未来一定时长(如：2.5秒)的运动轨迹，同时对车辆也做同样运动轨迹预估。如果车辆与运动物体的轨迹有交叉，分别计算运动物体和车辆第一次相交所用的时间，比如运动物体运动到交叉点的时间为tf和车辆运动到交叉点的时间为ta。
[0112]
步骤s205：根据所述车辆的车宽和所述运动物体的长度及所述运动物体进入所述第二运动轨迹的角度，计算所述运动物体离开所述第一轨迹的第四时长。
[0113]
根据车宽、物体长度及物体进入轨迹的角度，计算物体离开车辆轨迹的时间为tg。
[0114]
步骤s206：如果所述第二时长大于所述第三时长且小于所述第四时长，则所述车辆和所述运动物体会发生碰撞，碰撞时间为所述第二时长加上所述运动物体第一次进入第一运动轨迹后至与所述车辆在所述第一轨迹内相交的时间差。
[0115]
如果tf》ta,说明物体没有到第一次交叉点的时候，车已行驶过去，如果tg《ta,说明车开到交叉点之前，物体已经离开车辆轨迹。这两种情况碰撞时间都是无穷大，即不会发生碰撞，当tf《ta《tg时，会发生碰撞，这时碰撞时间为：ta+toffset,toffset为物体在第一次进入车辆轨迹后，到与车辆在轨迹内相交的时间差，跟于东物体进入轨迹的角度和速度有关。
[0116]
根据车的行驶角度和速度，预估车辆当前时间至一段时间(如：2.5秒)以后的一个行驶轨迹，如果轨迹上存在物体，会作为目标进行跟踪。直至物体离开轨迹。静态物体的话车辆通过转向操作可以让物体离开轨迹，如果一段时间(如2.5秒)内会到达轨迹上的目标执行减速和刹车操作。
[0117]
车辆根据碰撞检测的结果，生成刹车、转向等指令，发送给dbw执行相应操作。
[0118]
通过本发明，检测的障碍物位置信息精确度高，刹车响应更快，比自动驾驶感知及规划处理时间更早，更安全。从而提高了无人驾驶车辆安全性和可靠性。
[0119]
此外，本发明实施例还提出一种碰撞检测装置，参照图7，所述碰撞检测装置包括：点云获取单元10、点云补偿单元20、点云标注单元30、碰撞判断单元40；
[0120]
点云获取单元10，用于获取激光雷达的第一点云数据和第一时间，获取所述第一时间对应的第一车辆位姿信息；
[0121]
点云补偿单元20，用于对所述第一点云数据进行过滤和/或运动补偿，得到第二点云数据；
[0122]
点云标注单元30，用于建立目标区域，获取所述目标区域内的所述第二点云数据得到第三点云数据，对所述第三点云数据进行目标对象的标注；
[0123]
碰撞判断单元40，用于根据所述目标对象和第一车辆位姿信息，判断车辆与所述目标对象是否发生碰撞，如果发生碰撞，计算碰撞时间。
[0124]
通过本发明，检测的障碍物位置信息精确度高，刹车响应更快，比自动驾驶感知及规划处理时间更早，更安全。从而提高了无人驾驶车辆安全性和可靠性。
[0125]
需要说明的是，上述装置中的各单元可用于实现上述方法中的各个步骤，同时达
到相应的技术效果，本实施例在此不再赘述。
[0126]
参照图8，图8为本发明实施例方案涉及的硬件运行环境的交通工具的结构示意图。
[0127]
如图8所示，该交通工具可以包括：处理器1001，例如cpu，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi、4g、5g接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
[0128]
本领域技术人员可以理解，图8中示出的结构并不构成对交通工具的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0129]
如图8所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及碰撞检测程序。
[0130]
在图8所示的交通工具中，网络接口1004主要用于与外部网络进行数据通信；用户接口1003主要用于接收用户的输入指令；交通工具通过处理器1001调用存储器1005中存储的碰撞检测程序，并执行以下操作：
[0131]
s1：获取激光雷达的第一点云数据和第一时间，获取所述第一时间对应的第一车辆位姿信息；
[0132]
s2：对所述第一点云数据进行过滤和/或运动补偿，得到第二点云数据；
[0133]
s3：建立目标区域，获取所述目标区域内的所述第二点云数据得到第三点云数据，对所述第三点云数据进行目标对象的标注；
[0134]
s4：根据所述目标对象和所述第一车辆位姿信息，判断车辆与所述目标对象是否发生碰撞；如果发生碰撞，计算碰撞时间。
[0135]
可选地，所述对所述第一点云数据进行过滤，包括以下步骤进行设置：
[0136]
对所述第一点云数据进行噪点过滤和/或车身点云过滤和/或voxel过滤。
[0137]
可选地，所述对所述第一点云数据进行运动补偿，包括以下步骤：
[0138]
a1：初始化运动补偿的初始数据，所述初始数据包括：第二车辆位姿信息和第二时间；基于第二车辆位姿信息构建第一转换矩阵；
[0139]
a2：获取当前时间的车辆位姿信息，得到第三车辆位姿信息；获取当前时间，得到第三时间；
[0140]
a3：获取所述第二时间至所述第三时间范围内的点，对所述点逐个使用所述第一转换矩阵进行矩阵运算得到一个运动补偿后的点；
[0141]
a4：重复步骤a2～a3，对第一点云数据的所有点进行处理，得到运动补偿后的第二点云数据。
[0142]
可选地，所述步骤s3，包括以下步骤：
[0143]
对所述第二点云数据根据水平角划分区域，得到第一区域；
[0144]
根据激光雷达的线数对所述第一区域进行水平划分，得到第二区域；
[0145]
对所述第二区域按指定范围的单元格进行划分，得到第三区域；
[0146]
逐个判断所述第三区域内的所述第二点云数据的点与地面的高度值是否大于高度阈值；如果大于，则所述点标注为目标对象且为每个目标对象分配一个唯一标识。
[0147]
可选地，所述步骤s4，包括以下步骤：
[0148]
根据多个所述第二点云数据对应的第一车辆位姿信息和当前时刻的车辆位姿信息的变化量构造第二转换矩阵；
[0149]
通过所述第二转换矩阵进行矩阵运算转换坐标系，得到固定坐标系；
[0150]
在所述固定坐标系中预测第一时长范围内车辆的运动轨迹，得到第一运动轨迹；在所述固定坐标系中预测所述第一时长范围内运动物体的运动轨迹，得到第二运动轨迹；
[0151]
判断所述第一运动轨迹和所述第二运动轨迹是否存在交叉；如果存在交叉，则获取所述车辆运动到交叉点的第二时长，获取所述运动物体运动到交叉点的第三时长；
[0152]
根据所述车辆的车宽和所述运动物体的长度及所述运动物体进入所述第二运动轨迹的角度，计算所述运动物体离开所述第一轨迹的第四时长；
[0153]
如果所述第二时长大于所述第三时长且小于所述第四时长，则所述车辆和所述运动物体会发生碰撞，碰撞时间为所述第二时长加上所述运动物体第一次进入第一运动轨迹后至与所述车辆在所述第一轨迹内相交的时间差。
[0154]
可选地，还包括以下步骤：
[0155]
所述第三区域内是否存在所述第二点云数据，如果存在所述第二点云数据，则把所述第三区域标识为有效区域；如果不存在所述第二点云数据，则把所述第三区域标识为无效区域；
[0156]
把标识为有效区域的所述第三区域中的多个所述第二点云数据转换到同一坐标系下，对每个所述第二点云数据分割出的目标物体进行匹配，把所述目标物体标识为静态物体或运动物体；
[0157]
根据时间追踪所述移动物体的位置变化，计算所述运动物体的运动方向和角度。
[0158]
可选地，还包括以下步骤：
[0159]
判断所述静态物体和/或所述动态物体是否是被反射的物体；如果是，则标记所述静态物体或所述动态物体为被反射物体；
[0160]
判断所述被反射物体是否在室内或交通阻塞地段：若是，则删除所述被反射物体对应的所述静态物体或所述运动物体。
[0161]
通过本发明，检测的障碍物位置信息精确度高，刹车响应更快，比自动驾驶感知及规划处理时间更早，更安全。从而提高了无人驾驶车辆安全性和可靠性。
[0162]
此外，本发明实施例还提出一种计算机可读存储介质，计算机可读存储介质上存储有碰撞检测程序，碰撞检测程序被处理器执行时实现如下操作：
[0163]
s1：获取激光雷达的第一点云数据和第一时间，获取所述第一时间对应的第一车辆位姿信息；
[0164]
s2：对所述第一点云数据进行过滤和/或运动补偿，得到第二点云数据；
[0165]
s3：建立目标区域，获取所述目标区域内的所述第二点云数据得到第三点云数据，对所述第三点云数据进行目标对象的标注；
[0166]
s4：根据所述目标对象和所述第一车辆位姿信息，判断车辆与所述目标对象是否发生碰撞；如果发生碰撞，计算碰撞时间。
[0167]
可选地，所述对所述第一点云数据进行过滤，包括以下步骤进行设置：
[0168]
对所述第一点云数据进行噪点过滤和/或车身点云过滤和/或voxel过滤。
[0169]
可选地，所述对所述第一点云数据进行运动补偿，包括以下步骤：
[0170]
a1：初始化运动补偿的初始数据，所述初始数据包括：第二车辆位姿信息和第二时间；基于第二车辆位姿信息构建第一转换矩阵；
[0171]
a2：获取当前时间的车辆位姿信息，得到第三车辆位姿信息；获取当前时间，得到第三时间；
[0172]
a3：获取所述第二时间至所述第三时间范围内的点，对所述点逐个使用所述第一转换矩阵进行矩阵运算得到一个运动补偿后的点；
[0173]
a4：重复步骤a2～a3，对第一点云数据的所有点进行处理，得到运动补偿后的第二点云数据。
[0174]
可选地，所述步骤s3，包括以下步骤：
[0175]
对所述第二点云数据根据水平角划分区域，得到第一区域；
[0176]
根据激光雷达的线数对所述第一区域进行水平划分，得到第二区域；
[0177]
对所述第二区域按指定范围的单元格进行划分，得到第三区域；
[0178]
逐个判断所述第三区域内的所述第二点云数据的点与地面的高度值是否大于高度阈值；如果大于，则所述点标注为目标对象且为每个目标对象分配一个唯一标识。
[0179]
可选地，所述步骤s4，包括以下步骤：
[0180]
根据多个所述第二点云数据对应的第一车辆位姿信息和当前时刻的车辆位姿信息的变化量构造第二转换矩阵；
[0181]
通过所述第二转换矩阵进行矩阵运算转换坐标系，得到固定坐标系；
[0182]
在所述固定坐标系中预测第一时长范围内车辆的运动轨迹，得到第一运动轨迹；在所述固定坐标系中预测所述第一时长范围内运动物体的运动轨迹，得到第二运动轨迹；
[0183]
判断所述第一运动轨迹和所述第二运动轨迹是否存在交叉；如果存在交叉，则获取所述车辆运动到交叉点的第二时长，获取所述运动物体运动到交叉点的第三时长；
[0184]
根据所述车辆的车宽和所述运动物体的长度及所述运动物体进入所述第二运动轨迹的角度，计算所述运动物体离开所述第一轨迹的第四时长；
[0185]
如果所述第二时长大于所述第三时长且小于所述第四时长，则所述车辆和所述运动物体会发生碰撞，碰撞时间为所述第二时长加上所述运动物体第一次进入第一运动轨迹后至与所述车辆在所述第一轨迹内相交的时间差。
[0186]
可选地，还包括以下步骤：
[0187]
所述第三区域内是否存在所述第二点云数据，如果存在所述第二点云数据，则把所述第三区域标识为有效区域；如果不存在所述第二点云数据，则把所述第三区域标识为无效区域；
[0188]
把标识为有效区域的所述第三区域中的多个所述第二点云数据转换到同一坐标系下，对每个所述第二点云数据分割出的目标物体进行匹配，把所述目标物体标识为静态物体或运动物体；
[0189]
根据时间追踪所述移动物体的位置变化，计算所述运动物体的运动方向和角度。
[0190]
可选地，还包括以下步骤：
[0191]
判断所述静态物体和/或所述动态物体是否是被反射的物体；如果是，则标记所述静态物体或所述动态物体为被反射物体；
[0192]
判断所述被反射物体是否在室内或交通阻塞地段：若是，则删除所述被反射物体对应的所述静态物体或所述运动物体。
[0193]
通过本发明，检测的障碍物位置信息精确度高，刹车响应更快，比自动驾驶感知及规划处理时间更早，更安全。从而提高了无人驾驶车辆安全性和可靠性。
[0194]
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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
[0195]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0196]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，控制器，或者网络设备等)执行本发明各个实施例所述的方法。
[0197]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。