自动驾驶危险目标确定方法及装置

摘要

本申请实施例提供一种自动驾驶危险目标确定方法及装置，该方法中，利用第一车辆的运动状态数据确定出危险区域和轨迹预测周期，然后，预测第一车辆周边的目标在一个轨迹预测周期内的运动轨迹，进而利用该运动轨迹和危险区域确定目标是否为潜在危险目标。本申请利用第一车辆的动力学参数从第一车辆周边的目标中确定潜在危险目标，摆脱对车道线的依赖性。同时，避免安全措施的误触发和漏触发，兼顾了自动驾驶的行车安全性和舒适性。

权利要求

1.一种自动驾驶危险目标确定方法，其特征在于，包括：

利用第一车辆的第一运动状态数据，确定轨迹预测周期；

利用所述第一运动状态数据，确定危险区域，所述危险区域用于指示一个所述轨迹预测周期内，与所述第一车辆可能发生碰撞的目标需要进入的区域；

根据所述第一车辆周围的目标的第二运动状态数据，预测自当前时刻起一个所述轨迹预测周期内所述目标的运动轨迹；

至少利用所述运动轨迹和所述危险区域，确定自所述当前时刻起一个所述轨迹预测周期内，所述目标是否为危险目标；

所述利用第一车辆的第一运动状态数据，确定轨迹预测周期，包括：利用所述第一车辆的硬件时延、驾驶员的反应时延和所述第一运动状态数据，确定实际周期；

利用所述实际周期和下限周期，确定所述轨迹预测周期，所述下限周期用于指示所述轨迹预测周期的最小值，其中，当所述下限周期大于所述实际周期时，所述轨迹预测周期等于所述下限周期；当所述下限周期小于所述实际周期时，所述轨迹预测周期等于所述实际周期。

2.根据权利要求1所述的方法，其特征在于，所述利用所述第一运动状态数据，确定危险区域，包括：利用所述第一车辆上的第一类传感器采集所述第一运动状态数据；

利用所述第一运动状态数据、设置在所述第一车辆上的第二类传感器的传感器参数中的至少一个，确定所述危险区域，所述第二类传感器用于采集所述目标的第二运动状态数据。

3.根据权利要求2所述的方法，其特征在于，所述第一类传感器包括惯性测量单元，所述第二类传感器包括雷达，所述传感器参数包括所述雷达的感知半径，所述危险区域包括第一区域，所述利用所述第一运动状态数据、设置在所述第一车辆上的第二类传感器的传感器参数，确定所述危险区域，包括：利用所述第一车辆的车身宽度和第一安全保持距离，确定所述第一区域的宽度，所述第一区域的宽度大于所述车身宽度与预设倍数的第一安全保持距离之和，所述第一安全保持距离是所述第一区域平行于行驶方向的两侧的干扰目标相对于所述第一车辆安全时，所述干扰目标与所述第一车辆之间的最短距离，所述第一区域与所述第一车辆之间相距安全距离，所述第一区域位于所述第一车辆行驶方向前方；

利用硬件时延、所述第一运动状态数据、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度，所述第一区域的长度方向与所述第一车辆的行驶方向一致，所述第一区域的长度大于或等于所述第一车辆从触发安全措施到所述第一车辆执行完所述安全措施行驶的最短距离，所述硬件时延用于指示从触发安全措施开始到所述第一车辆开始执行所述安全措施之间的时延。

4.根据权利要求3所述的方法，其特征在于，所述安全措施包括自动紧急刹车AEB，所述利用硬件时延、所述第一运动状态数据、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度，包括：利用所述硬件时延、所述第一运动状态数据确定第一运动距离和第一刹停距离，所述第一运动距离用于指示所述第一车辆在所述硬件时延内的移动距离，所述第一刹停距离用于指示从触发所述AEB开始到所述第一车辆执行完所述AEB所需的最短距离；

利用所述第一运动距离、所述第一刹停距离、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度。

5.根据权利要求4所述的方法，其特征在于，

当所述第一运动距离和所述第一刹停距离之和大于所述安全距离、且小于或等于所述雷达的感知半径时，所述第一区域的长度等于所述第一运动距离和所述第一刹停距离之和；或者，当所述第一运动距离和所述第一刹停距离之和小于所述安全距离时，所述第一区域的长度等于所述安全距离；或者，当所述第一运动距离和所述第一刹停距离之和大于所述雷达的感知半径时，所述第一区域的长度等于所述雷达的感知半径。

6.根据权利要求3‑5任一项所述的方法，其特征在于，还包括：确定第三区域的长度，所述第三区域的长度等于驾驶所述第一车辆的驾驶员从发现所述目标至所述驾驶员执行完刹车所述第一车辆所经过的最短距离；

基于所述第三区域的长度、所述第一区域的长度和所述雷达的感知半径，确定所述危险区域的长度。

7.根据权利要求6所述的方法，其特征在于，所述确定第三区域的长度，包括：利用反应时延、所述硬件时延、所述第一运动状态数据确定第二运动距离和第二刹停距离，所述反应时延用于指示驾驶员从发现所述目标开始至执行刹车时的时长，所述第二运动距离用于指示所述第一车辆在所述反应时延以及所述硬件时延内的移动距离，所述第二刹停距离用于指示从所述驾驶员开始执行刹车至所述第一车辆刹停所需的最短距离；

将所述第二运动距离和所述第二刹停距离相加以得到所述第三区域的长度。

8.根据权利要求7所述的方法，其特征在于，

当所述第三区域的长度大于所述第一区域的长度、且小于或等于所述雷达的感知半径时，所述危险区域的长度等于所述第三区域的长度；或者，当所第三区域的长度小于所述第一区域的长度时，所述危险区域的长度等于所述第一区域的长度；或者，当所述雷达的感知半径小于所述第一区域的长度时，所述危险区域的长度等于所述雷达的感知半径。

9.根据权利要求8所述的方法，其特征在于，还包括：

确定第二区域，当所述第三区域的长度大于所述第一区域的长度、且小于或等于所述雷达的感知半径时，所述危险区域的长度等于所述第三区域的长度时，所述第二区域的长度位于所述第一区域的远离车辆端至所述第三区域的远离车辆端之间；

利用所述第一车辆所在道路的道路宽度和第二安全保持距离，确定所述第二区域的宽度，所述第二区域的宽度大于所述道路宽度与预设倍数的第二安全保持距离之和，所述第二安全保持距离是第二区域平行于所述行驶方向的两侧的干扰目标相对于所述第一车辆安全时，所述干扰目标与所述第一车辆之间的最短距离。

10.根据权利要求9所述的方法，其特征在于，还包括：

从所述第二区域中去除所述雷达的盲区；或者，

对所述第一区域与第二区域进行平滑处理。

11.根据权利要求1‑5、7‑10任一项所述的方法，其特征在于，所述利用所述运动轨迹和所述危险区域，确定自所述当前时刻起一个所述轨迹预测周期内，所述目标是否为危险目标，包括：从所述运动轨迹上确定出多个离散的点，以得到离散点集合；

为所述离散点集合中的每个离散点构建几何图形，以得到每个离散点对应的几何图形，所述几何图形用于表征所述目标；

确定各所述离散点对应的几何图形与所述危险区域是否具有重叠部分；

若所述几何图形与所述危险区域具有重叠部分，则确定所述目标为危险目标。

12.根据权利要求11所述的方法，其特征在于，还包括：

若所述目标为危险目标，则确定所述危险区域和所述几何图形的相交时刻、相交位置以及重叠区域面积；

利用所述相交时刻、所述相交位置以及所述重叠区域面积，确定所述目标的危险等级；

实时监控所述目标，若所述目标的危险度等级超过预设等级，则触发安全措施。

13.根据权利要求12所述的方法，其特征在于，还包括：

确定所述当前时刻所述目标在所述第一车辆的车体坐标系下的第一坐标；

自所述当前时刻开始，根据所述第一坐标和第二运动数据，预测所述目标在一个所述轨迹预测周期内的所述运动轨迹，所述运动轨迹的起点为所述第一坐标。

14.根据权利要求1‑5、7‑10任一项所述的方法，其特征在于，所述利用所述运动轨迹和所述危险区域，确定自所述当前时刻起一个所述轨迹预测周期内，所述目标是否为危险目标，包括：确定所述运动轨迹与所述危险区域的之间的距离是否小于预设阈值；

若所述运动轨迹与所述危险区域的之间的距离小于预设阈值，则确定自所述当前时刻起一个所述轨迹预测周期内，所述目标为危险目标。

15.根据权利要求1‑5、7‑10任一项所述的方法，其特征在于，还包括：在所述第一车辆的显示屏上显示所述危险区域和所述危险目标。

16.一种自动驾驶危险目标确定装置，其特征在于，包括：

第一确定模块，用于在当前时刻利用第一车辆的第一运动状态数据，确定轨迹预测周期；

第二确定模块，用于在所述当前时刻利用所述第一运动状态数据，确定危险区域，所述危险区域用于指示自所述当前时刻起的一个所述轨迹预测周期内，与所述第一车辆可能发生碰撞的目标需要进入的区域；

预测模块，用于根据所述第一车辆周围的目标的第二运动状态数据，预测自所述当前时刻起一个所述轨迹预测周期内所述目标的运动轨迹；

第三确定模块，用于至少利用所述运动轨迹和所述危险区域，确定自所述当前时刻起一个所述轨迹预测周期内，所述目标是否为危险目标；

所述第一确定模块，具体用于利用所述第一车辆的硬件时延、驾驶员的反应时延和所述第一运动状态数据，确定实际周期；利用所述实际周期和下限周期，确定所述轨迹预测周期，所述下限周期用于指示所述轨迹预测周期的最小值，其中，当所述下限周期大于所述实际周期时，所述轨迹预测周期等于所述下限周期；当所述下限周期小于所述实际周期时，所述轨迹预测周期等于所述实际周期。

17.一种电子设备，其特征在于，包括第一类传感器、第二类传感器、处理器和存储器，其中，所述第一类传感器，用于采集第一车辆的第一运动状态数据；

所述第二类传感器，用于采集目标的第二运动状态数据；

所述存储器上存储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计算机程序处理所述第一运动状态数据和所述第二运动状态数据时，执行如权利要求1‑15任一项所述的方法。

18.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有指令，当其在电子设备上运行时，使得所述电子设备执行如上权利要求1‑15任一项所述的方法。

19.一种芯片，其特征在于，所述芯片包括可编程逻辑电路和输入接口，所述输入接口用于获取待处理的数据，所述逻辑电路用于对待处理的数据执行如权利要求1‑15任一项所述的方法。

说明书

自动驾驶危险目标确定方法及装置

技术领域

[0001] 本申请涉及自动驾驶技术领域，尤其涉及一种自动驾驶危险目标确定方法及装置。

背景技术

[0002] 随着第五代(5th‑Generation，5G)通信技术和车联网技术的快速发展，自动驾驶技术已经成为研究热点。自动驾驶技术中，对道路上的目标，如车辆、行人等进行检测是进行驾驶行为决策的先决条件。

[0003] 在自动驾驶过程中，并非车辆周边的所有目标都会影响行车安全，而是满足某些条件的目标才有可能影响行车安全，例如，位于自车两侧两条车道线内的车辆、行人等目标，以及大部分体积位于该两条车道线内的车辆、行人等目标。该些可能影响行车安全的目标称之为潜在危险目标。因此，从车辆周边的目标中识别出潜在危险目标是必要的。传统的基于车道线的危险目标识别方式中，利用车道线从车辆(以下称之为自车)周边的目标中识别出潜在危险目标，若从该些潜在危险目标中进一步的筛选出真正的危险目标，则针对筛选出的危险目标进行安全预警、制动或转向等安全措施，从而降低事故风险。

[0004] 上述识别潜在危险目标的过程严重依赖于车道线。对于没有车道线的道路以及车道线无法识别的道路，则无法确定出潜在危险目标，进而无法从多个潜在危险目标中进一步筛选出真正的危险目标。因此，如何在准确地确定潜在危险目标，实为急待解决的问题。

发明内容

[0005] 本申请实施例提供一种自动驾驶危险目标确定方法及装置，利用车辆的动力学参数从车辆周边的目标中确定潜在危险目标，摆脱对车道线的依赖性，兼顾了自动驾驶的行车安全性和舒适性。

[0006] 第一方面，本申请实施例提供一种自动驾驶危险目标确定方法，该方法可应用于第一车辆、也可以应用于第一车辆中的芯片，下面以应用于第一车辆为例对方法进行描述，该方法包括：利用第一车辆的运动状态数据确定出危险区域和轨迹预测周期，然后，预测当前时刻起的一个轨迹预测周期内，第一车辆周边的目标在一个轨迹预测周期内的运动轨迹，进而至少利用该运动轨迹和危险区域确定目标是否为潜在危险目标。该过程中，利用第一车辆的动力学参数从第一车辆周边的目标中确定潜在危险目标，摆脱对车道线的依赖性。同时，避免安全措施的误触发和漏触发，兼顾了自动驾驶的行车安全性和舒适性。

[0007] 一种可行的设计中，第一车辆利用第一车辆上的第一类传感器采集第一运动状态数据，利用该第一运动状态数据、设置在第一车辆上的第二类传感器的传感器参数中的至少一个，确定危险区域，第二类传感器用于采集目标的第二运动状态数据。采用该种方案，实现利用第一车辆的动力学参数从第一车辆周边的目标中确定潜在危险目标，摆脱对车道线的依赖性。

[0008] 一种可行的设计中，上述的第一类传感器包括惯性测量单元，上述的第二类传感器包括雷达，传感器参数包括雷达的感知半径，危险区域包括第一区域，第一车辆利用第一运动状态数据、设置在第一车辆上的第二类传感器的传感器参数，确定危险区域时，先利用第一车辆的车身宽度和安全保持距离，确定第一区域的宽度，第一区域的宽度大于车身宽度与预设倍数的第一安全保持距离之和，第一安全保持距离是第一区域平行于行驶方向的两侧的干扰目标相对于第一车辆安全时，干扰物与第一车辆之间的最短距离，第一区域与第一车辆之间相距安全距离，第一区域位于第一车辆行驶方向前方；然后，利用硬件时延、第一运动状态数据、雷达的感知半径以及安全距离，确定第一区域的长度，该第一区域的长度方向与第一车辆的行驶方向一致，第一区域的长度大于或等于第一车辆从触发安全措施到第一车辆执行完安全措施行驶的最短距离，硬件时延用于指示从触发安全措施开始到第一车辆开始执行安全措施之间的时延。采用该种方案，实现硬件时延、第一运动状态数据、第二类传感器的传感器参数、安全距离等确定出危险区域的目的。

[0009] 一种可行的设计中，上述的AEB包括自动紧急刹车AEB，第一车辆利用硬件时延、第一运动状态数据、雷达的感知半径以及安全距离，确定第一区域的长度时，先利用硬件时延、第一运动状态数据确定第一运动距离和第一刹停距离，该第一运动距离用于指示第一车辆在硬件时延内的移动距离，第一刹停距离用于指示从触发AEB开始到第一车辆执行完AEB所需的最短距离；再利用第一运动距离、第一刹停距离、雷达的感知半径以及安全距离，确定第一区域的长度。采用该种方案，实现利用第一车辆的动力学参数从第一车辆周边的目标中确定潜在危险目标，摆脱对车道线的依赖性。

[0010] 一种可行的设计中，当第一运动距离和第一刹停距离之和大于安全距离、且小于或等于雷达的感知半径时，上述的第一区域的长度等于该第一运动距离和该第一刹停距离之和；或者，当第一运动距离和第一刹停距离之和小于安全距离时，上述的第一区域的长度等于安全距离；或者，当第一运动距离和第一刹停距离之和大于雷达的感知半径时，上述的第一区域的长度等于雷达的感知半径。采用该种方案，通过考虑第一车辆上雷达的感知半径等，实现精确确定出危险区域的目的。

[0011] 一种可行的设计中，上述的方法中，第一车辆还确定第三区域的长度，第三区域的长度等于驾驶第一车辆的驾驶员从发现目标至驾驶员执行完刹车第一车辆所经过的最短距离，基于第三区域的长度、第一区域的长度和雷达的感知半径，确定危险区域的长度。采用该种方案，实现结合驾驶员因素确定出危险区域的长度的目的。

[0012] 一种可行的设计中，第一车辆确定第三区域的长度时，先利用反应时延、硬件时延、第一运动状态数据确定第二运动距离和第二刹停距离，然后将第二运动距离和第二刹停距离相加以得到第三区域的长度，其中，反应时延用于指示驾驶员从发现目标开始至执行刹车时的时长，第二运动距离用于指示第一车辆在反应时延以及硬件时延内的移动距离，第二刹停距离用于指示从驾驶员开始执行刹车至第一车辆刹停所需的最短距离。采用该种方案，实现结合驾驶员因素确定出危险区域的长度的目的。

[0013] 一种可行的设计中，当第三区域的长度大于第一区域的长度、且小于或等于雷达的感知半径时，危险区域的长度等于第三区域的长度；或者，当所第三区域的长度小于第一区域的长度时，危险区域的长度等于第一区域的长度；或者，当雷达的感知半径小于第一区域的长度时，危险区域的长度等于雷达的感知半径。采用该种方案，实现精准确定出危险区域的长度的目的。

[0014] 一种可行的设计中，第一车辆还确定第二区域，当第三区域的长度大于第一区域的长度、且小于或等于雷达的感知半径时，危险区域的长度等于第三区域的长度时，第二区域的长度位于第一区域的远离车辆端至第三区域的远离车辆端之间，利用第一车辆所在道路的道路宽度和第二安全保持距离，确定第二区域的宽度，第二区域的宽度大于道路宽度与预设倍数的第二安全保持距离之和，第二安全保持距离是第二区域平行于行驶方向的两侧的干扰目标相对于第一车辆安全时，干扰目标与第一车辆之间的最短距离。采用该种方案，当第三区域的长度大于第一区域的长度、且小于或等于雷达的感知半径时，通过对危险区域远离第一车辆的一端的部分区域进行加宽得到第二区域，实现提前关注远方的障碍物的目的。

[0015] 一种可行的设计中，当危险区域的长度等于第二运动距离与第二刹停距离的和时，上述的方法还包括：从第二区域中去除雷达的盲区；或者，对第一区域与第二区域进行平滑处理。采用该种方案，实现优化危险区域的目的。

[0016] 一种可行的设计中，第一车辆在当前时刻利用第一车辆的第一运动状态数据，确定轨迹预测周期时，先利用第一车辆的硬件时延、驾驶员的反应时延和第一运动数据，确定实际周期；利用实际周期和下限周期，确定轨迹预测周期，下限周期用于指示轨迹预测周期的最小值，其中，当下限周期大于实际周期时，轨迹预测周期等于下限周期；当下限周期小于实际周期时，轨迹预测周期等于实际周期。采用该种方案，实现准确确定出轨迹预测周期的目的。

[0017] 一种可行的设计中，第一车辆利用运动轨迹和危险区域，确定自当前时刻起一个轨迹预测周期内，目标是否为危险目标时，从运动轨迹上确定出多个离散的点，以得到离散点集合；为离散点集合中的每个离散点构建几何图形，以得到每个离散点对应的几何图形，几何图形用于表征目标；确定各离散点对应的几何图形与危险区域是否具有重叠部分；若几何图形与危险区域具有重叠部分，则确定目标为危险目标。采用该种方案，实现准确确定出一个目标是否为潜在危险目标的目的。

[0018] 一种可行的设计中，上述的方法还包括：若该标为危险目标，则第一车辆确定危险区域和几何图形的碰撞时刻、碰撞位置以及重叠区域面积；利用碰撞时刻、碰撞位置以及重叠区域面积，确定目标的危险等级；进而实时监控目标，若该目标的危险度等级超过预设等级，则触发安全措施。采用该种方案，通过确定出潜在危险目标的危险等级，进而根据危险等级等确定是否触发安全措施的目的。

[0019] 一种可行的设计中，第一车辆还确定当前时刻目标在第一车辆的车体坐标系下的第一坐标；自当前时刻开始，根据第一坐标和第二运动数据，预测目标在一个轨迹预测周期内的运动轨迹，该运动轨迹的起点为第一坐标。采用该种方案，实现将目标的坐标转换到第一车辆的车体坐标系下的目的。

[0020] 一种可行的设计中，第一车辆利用运动轨迹和危险区域，确定自当前时刻起一个轨迹预测周期内，目标是否为危险目标时，确定运动轨迹与危险区域的之间的距离是否小于预设阈值；若运动轨迹与危险区域的之间的距离小于预设阈值，则确定自当前时刻起一个该轨迹预测周期内，该目标为危险目标。采用该种方案，实现准确确定出一个目标是否为潜在危险目标的目的。

[0021] 一种可行的设计中，上述的方法还包括：在第一车辆中控的显示屏上显示危险区域和危险目标。采用该种方案，通过在中控显示屏上显示危险区域和危险目标，使得驾驶员清楚了解周边危险目标的目的，提高自动驾驶安全性。

[0022] 第二方面，本申请实施例提供一种自动驾驶危险目标确定装置，包括：

[0023] 第一确定模块，用于利用第一车辆的第一运动状态数据，确定轨迹预测周期；

[0024] 第二确定模块，用于利用所述第一运动状态数据，确定危险区域，所述危险区域用于指示一个所述轨迹预测周期内，与所述第一车辆可能发生碰撞的目标需要进入的区域；

[0025] 预测模块，用于根据所述第一车辆周围的目标的第二运动状态数据，预测自当前时刻起一个所述轨迹预测周期内所述目标的运动轨迹；

[0026] 第三确定模块，用于至少利用所述运动轨迹和所述危险区域，确定自所述当前时刻起一个所述轨迹预测周期内，所述目标是否为危险目标。

[0027] 一种可行的设计中，所述第二确定模块，用于利用所述第一车辆上的第一类传感器采集所述第一运动状态数据，利用所述第一运动状态数据、设置在所述第一车辆上的第二类传感器的传感器参数中的至少一个，确定所述危险区域，所述第二类传感器用于采集所述目标的第二运动状态数据。

[0028] 一种可行的设计中，所述第一类传感器包括惯性测量单元，所述第二类传感器包括雷达，所述传感器参数包括所述雷达的感知半径，所述危险区域包括第一区域，所述第二确定模块，用于利用所述第一车辆的车身宽度和安全保持距离，确定所述第一区域的宽度，所述第一区域的宽度大于所述车身宽度与预设倍数的第一安全保持距离之和，所述第一安全保持距离是所述第一区域平行于行驶方向的两侧的干扰目标相对于所述第一车辆安全时，所述干扰物与所述第一车辆之间的最短距离，所述第一区域与所述第一车辆之间相距安全距离，所述第一区域位于所述第一车辆行驶方向前方；利用硬件时延、所述第一运动状态数据、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度，所述第一区域的长度方向与所述第一车辆的行驶方向一致，所述第一区域的长度大于或等于所述第一车辆从触发安全措施到所述第一车辆执行完所述安全措施行驶的最短距离，所述硬件时延用于指示从触发安全措施开始到所述第一车辆开始执行所述安全措施之间的时延。

[0029] 一种可行的设计中，所述安全措施包括自动紧急刹车AEB，所述第二确定模块，在利用硬件时延、所述第一运动状态数据、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度时，用于利用所述硬件时延、所述第一运动状态数据确定第一运动距离和第一刹停距离，所述第一运动距离用于指示所述第一车辆在所述硬件时延内的移动距离，所述第一刹停距离用于指示从触发所述AEB开始到所述第一车辆执行完所述AEB所需的最短距离，利用所述第一运动距离、所述第一刹停距离、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度。

[0030] 一种可行的设计中，当所述第一运动距离和所述第一刹停距离之和大于所述安全距离、且小于或等于所述雷达的感知半径时，所述第一区域的长度等于所述第一运动距离和所述第一刹停距离之和；或者，当所述第一运动距离和所述第一刹停距离之和小于所述安全距离时，所述第一区域的长度等于所述安全距离；或者，当所述第一运动距离和所述第一刹停距离之和大于所述雷达的感知半径时，所述第一区域的长度等于所述雷达的感知半径。

[0031] 一种可行的设计中，所述第二确定模块，还用于确定第三区域的长度，所述第三区域的长度等于驾驶所述第一车辆的驾驶员从发现所述目标至所述驾驶员执行完刹车所述第一车辆所经过的最短距离；基于所述第三区域的长度、所述第一区域的长度和所述雷达的感知半径，确定所述危险区域的长度。

[0032] 一种可行的设计中，所述第二确定模块在确定第三区域的长度时，具体用于利用反应时延、所述硬件时延、所述第一运动状态数据确定第二运动距离和第二刹停距离，所述反应时延用于指示驾驶员从发现所述目标开始至执行刹车时的时长，所述第二运动距离用于指示所述第一车辆在所述反应时延以及所述硬件时延内的移动距离，所述第二刹停距离用于指示从所述驾驶员开始执行刹车至所述第一车辆刹停所需的最短距离；将所述第二运动距离和所述第二刹停距离相加以得到所述第三区域的长度。

[0033] 一种可行的设计中，当所述第三区域的长度大于所述第一区域的长度、且小于或等于所述雷达的感知半径时，所述危险区域的长度等于所述第三区域的长度；或者，当所第三区域的长度小于所述第一区域的长度时，所述危险区域的长度等于所述第一区域的长度；或者，当所述雷达的感知半径小于所述第一区域的长度时，所述危险区域的长度等于所述雷达的感知半径。

[0034] 一种可行的设计中，所述第二确定模块，还用于确定第二区域，当所述第三区域的长度大于所述第一区域的长度、且小于或等于所述雷达的感知半径时，所述危险区域的长度等于所述第三区域的长度时，所述第二区域的长度位于所述第一区域的远离车辆端至所述第三区域的远离车辆端之间，利用所述第一车辆所在道路的道路宽度和第二安全保持距离，确定所述第二区域的宽度，所述第二区域的宽度大于所述道路宽度与预设倍数的第二安全保持距离之和，所述第二安全保持距离是第二区域平行于所述行驶方向的两侧的干扰目标相对于所述第一车辆安全时，所述干扰目标与所述第一车辆之间的最短距离。

[0035] 一种可行的设计中，上述的装置还包括：优化模块；所述优化模块，用于从所述第二区域中去除所述雷达的盲区；或者，所述优化模块，用于对所述第一区域与第二区域进行平滑处理。

[0036] 一种可行的设计中，所述第一确定模块，用于利用所述第一车辆的硬件时延、所述驾驶员的反应时延和所述第一运动数据，确定实际周期，利用所述实际周期和下限周期，确定所述轨迹预测周期，所述下限周期用于指示所述轨迹预测周期的最小值，其中，当所述下限周期大于所述实际周期时，所述轨迹预测周期等于所述下限周期；当所述下限周期小于所述实际周期时，所述轨迹预测周期等于所述实际周期。

[0037] 一种可行的设计中，所述第三确定模块，用于从所述运动轨迹上确定出多个离散的点，以得到离散点集合，为所述离散点集合中的每个离散点构建几何图形，以得到每个离散点对应的几何图形，所述几何图形用于表征目标，确定各所述离散点对应的几何图形与所述危险区域是否具有重叠部分，若所述几何图形与所述危险区域具有重叠部分，则确定所述目标为危险目标。

[0038] 上述的装置还包括：

[0039] 监控模块，用于若所述目标为危险目标，则确定所述危险区域和所述几何图形的碰撞时刻、碰撞位置以及重叠区域面积，利用所述碰撞时刻、所述碰撞位置以及所述重叠区域面积，确定所述目标的危险等级，实时监控所述目标，若所述目标的危险度等级超过预设等级，则触发所述安全措施。

[0040] 一种可行的设计中，所述预测模块，用于确定所述当前时刻所述目标在所述第一车辆的车体坐标系下的第一坐标，自所述当前时刻开始，根据所述第一坐标和第二运动数据，预测所述目标在一个所述轨迹预测周期内的所述运动轨迹，所述运动轨迹的起点为所述第一坐标。

[0041] 一种可行的设计中，所述第三确定模块，用于确定所述运动轨迹与所述危险区域的之间的距离是否小于预设阈值；若所述运动轨迹与所述危险区域的之间的距离小于预设阈值，则确定自所述当前时刻起一个所述轨迹预测周期内，所述目标为危险目标。

[0042] 一种可行的设计中，上述的方法还包括：显示模块，用于在第一车辆中控的显示屏上显示危险区域和危险目标。

[0043] 第三方面，本申请实施例提供一种电子设备，包括第一类传感器、第二类传感器、处理器和存储器，其中，所述第一类传感器，用于采集第一车辆的第一运动状态数据；所述第二类传感器，用于采集目标的第二运动状态数据；所述存储器上存储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计算机程序处理所述第一运动状态数据和所述第二运动状态数据时，实现如上第一方面或第一个方面的各种可能的实现方式中的方法。

[0044] 第四方面，本申请实施例提供一种计算机可读存储介质，所述可读存储介质中存储有指令，当其在电子设备上运行时，实现如上第一方面或第一个方面的各种可能的实现方式中的方法。

[0045] 第五方面，本申请实施例提供一种芯片，所述芯片包括可编程逻辑电路和输入接口，所述输入接口用于获取待处理的数据，所述逻辑电路用于对待处理的数据执行如上第一方面或第一个方面的各种可能的实现方式中的方法。

[0046] 一种可行的设计中，该芯片还包括：输出接口，该输出接口用于输出所述处理后的数据。

[0047] 第六方面，本申请实施例提供一种计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行如上第一方面或第一个方面的各种可能的实现方式中的方法。

[0048] 本申请实施例提供的自动驾驶危险目标确定方法及装置，利用第一车辆的运动状态数据确定出危险区域和轨迹预测周期，然后，第一车辆周边的目标在一个轨迹预测周期内的运动轨迹，进而利用该运动轨迹和危险区域确定目标是否为潜在危险目标。该过程中，利用第一车辆的动力学参数从第一车辆周边的目标中确定潜在危险目标，摆脱对车道线的依赖性。同时，避免安全措施的误触发和漏触发，兼顾了自动驾驶的行车安全性和舒适性。该过程中，利用第一车辆的动力学参数从第一车辆周边的目标中确定潜在危险目标，摆脱对车道线的依赖性。

附图说明

[0049] 图1是基于车道线获取潜在的危险目标的示意图；

[0050] 图2是基于目标所在位置确定目标的危险度等级的示意图；

[0051] 图3A是本申请实施例提供的自动驾驶危险目标确定方法的一个架构示意图；

[0052] 图3B是本申请实施例提供的自动驾驶危险目标确定方法的另一个网络架构示意图；

[0053] 图4是本申请实施例提供的车辆的功能框图；

[0054] 图5是本申请实施例提供的自动驾驶危险目标确定方法的流程图；

[0055] 图6是本申请实施例提供的自动驾驶危险目标确定方法的过程示意图；

[0056] 图7是本申请实施例提供的自动驾驶危险目标确定方法中危险区域的示意图；

[0057] 图8是本申请实施例提供的自动驾驶危险目标确定方法中危险区域的参数示意图；

[0058] 图9A是本申请实施例提供的自动驾驶危险确定方法中一种优化危险区域的示意图；

[0059] 图9B是本申请实施例提供的自动驾驶危险确定方法中另一种优化危险区域的示意图；

[0060] 图10是本申请实施例提供的自动驾驶危险确定方法中坐标转换的示意图；

[0061] 图11A是本申请实施例提供的一种自动驾驶危险确定方法的过程示意图；

[0062] 图11B是图11A中第一车辆中控的界面示意图；

[0063] 图12A是本申请实施例提供的一种自动驾驶危险确定方法的过程示意图；

[0064] 图12B是图12A中第一车辆中控的界面示意图；

[0065] 图13是本申请实施例提供的一种自动驾驶危险确定方法的过程示意图；

[0066] 图14为本申请实施例提供的一种自动驾驶危险目标确定装置的结构示意图；

[0067] 图15为本申请实施例提供的另一种自动驾驶危险目标确定装置的结构示意图；

[0068] 图16为本申请实施例提供的又一种自动驾驶危险目标确定装置的结构示意图。

具体实施方式

[0069] 通常来说，危险目标的识别包括两个步骤：第一步、从车辆周边的目标中识别出潜在危险目标：车载传感器尽量全面的感知车辆周边的目标，并将相关信息传递给目标筛选模块。第二步、从潜在危险目标中筛选出危险目标：目标筛选模块从潜在危险目标中选择出正确的危险目标。不同应用类型对应的危险目标可能不同，例如，AEB对应的危险目标为刹车目标，自适应巡航系统(Adaptive Cruise Control，ACC)对应的目标为跟车目标。其中，关于第一步，传统的方式包括如下方式1和方式2:

[0070] 方式1、基于车道线获取潜在的危险目标。

[0071] 示例性的，请参照图1，图1是基于车道线获取潜在的危险目标的示意图。请参照图1，细实线所示车辆(以下称之为自车)行驶在车道线2和车道线3之间，位于车道线2和车道线3之间的车辆、行人等目标，以及大部分体积位于该两条车道线之间的车辆、行人等目标都为潜在危险目标，图中虚线所示为潜在危险目标，其余粗黑实线所示为过滤掉的目标，即对于自车而言，粗黑实线所示目标是安全的，不会与其发生碰撞。也就是说，图1中，将车道线2和车道线3之间的区域作为危险区域，只要位于该区域或大部分位于该区域的目标，都视为自车的潜在危险目标。

[0072] 上述的方式1严重依赖车道线，对于没有车道线以及车道线无法识别的道路，则无法确定出潜在危险目标，进而无法从多个潜在危险目标中进一步筛选出真正的危险目标。而且，该方式对潜在危险目标的筛选能力有限，这是因为并不是所有出现在自车所在的车道内的目标，都会与自车发生碰撞，比如，若一个车辆借由本车道超车，那么不能将该车辆作为一个潜在危险目标。但是以车道线为筛选基准时，无法过滤掉该车辆。再者，该方式完全没有考虑自车的动力学信息，而自车不同的运动状态可能导致不同的危险区域。

[0073] 方式2、以固定的目标筛选区域作为危险区域。

[0074] 示例性的，请参照图2，图2是基于目标所在位置确定目标的危险度等级的示意图。请参照图2，该方式把自车周边区域划分为很多不同危险等级的区域，根据目标当前所处位置，决定该目标的危险等级，危险等级越高的危险区域内的目标与自车发生碰撞的可能性越大。

[0075] 上述的方式2要求自车安装全方位传感器以对自车周边环境做全方位感知，这无疑增加了车辆的制造成本。然而，车辆的动态特性决定了：仅根据目标当前所处位置，是无法预知该目标在未来时刻的危险性的。对于自动驾驶的安全应用而言，提前预判可能发生的危险，并预先对它做出反应非常重要，这是因为突然出现在危险区域的目标很有可能导致应用来不及反应并应对。

[0076] 有鉴于此，本申请实施例提供一种自动驾驶危险目标确定方法及电子设备，利用车辆的动力学参数从车辆周边的目标中确定潜在的危险目标，摆脱对车道线的依赖性，兼顾了自动驾驶的行车安全性和舒适性。

[0077] 图3A是本申请实施例提供的自动驾驶危险目标确定方法的一个架构示意图。请参照图3A，该网络架构中，第一车辆上设置有各种传感器，该些传感器包括第一类传感器和第二类传感器，第一类传感器用于采集第一车辆的第一运动状态数据，第二类传感器用于采集第一车辆周围目标的第二运动状态数据，第一车辆的车载终端上还设置有处理器(图中未示出)，处理器利用第一运动状态数据等确定危险区域和轨迹预测周期，并利用第二运动状态数据预测当前时刻起目标在未来一个轨迹预测周期内的运动轨迹，进而利用运动轨迹和危险区域，确定目标是否为一个潜在危险目标。若目标为一个潜在危险目标，则继续关注该危险目标；否则，认为该目标在未来一个轨迹预测周期内是安全的。

[0078] 图3B是本申请实施例提供的自动驾驶危险目标确定方法的另一个网络架构示意图。相较于图3A，图3B所示网络架构中，第一车辆与服务器建立网络连接，第一车辆将第一运动状态数据和目标的第二运动状态数据发送给服务器，由服务器对第一运动状态数据和第二运动状态数据进行处理，进而识别出目标是否为一个潜在危险目标。

[0079] 需要说明的是，第一类传感器和第二类传感器并不是两类完全独立的传感器，某些传感器可能既属于第一类传感器，又属于第二类传感器。

[0080] 以下若未做特殊说明，均是以图3A所示架构为例，对本申请实施例所述的自动驾驶危险目标确定方法进行说明的。

[0081] 图4是本申请实施例提供的车辆的功能框图。在一个实施例中，将车辆100配置为完全或部分地自动驾驶模式。例如，当车辆100配置为部分地自动驾驶模式时，车辆100在处于自动驾驶模式时还可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定该其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时，可以将车辆100置为在没有和人交互的情况下操作。车辆100可包括各种子系统，例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地，车辆100可包括更多或更少的子系统，并且每个子系统可包括多个元件。
另外，车辆100的每个子系统和元件可以通过有线或者无线互连。

[0082] 行进系统102可包括为车辆100提供动力运动的组件。在一个实施例中，行进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。

[0083] 能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他系统提供能量。

[0084] 传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置120还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。

[0085] 传感器系统104可包括感测关于车辆100周边的环境的信息的若干个传感器。例如，传感器系统104可包括定位系统122(定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)124、雷达126、激光测距仪128以及相机130。传感器系统104还可包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。

[0086] 定位系统122可用于估计车辆100的地理位置。IMU124用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，IMU124可以是加速度计和陀螺仪的组合。

[0087] 雷达126可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达126还可用于感测物体的速度和/或前进方向。

[0088] 激光测距仪128可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

[0089] 相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。

[0090] 控制系统106为控制车辆100及其组件的操作。控制系统106可包括各种元件，其中包括转向系统132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、路线控制系统142以及障碍物避免系统144。

[0091] 转向系统132可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘系统。

[0092] 油门134用于控制引擎118的操作速度并进而控制车辆100的速度。

[0093] 制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中，制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制车辆100的速度。

[0094] 计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(structure from motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

[0095] 路线控制系统142用于确定车辆100的行驶路线。在一些实施例中，路线控制系统142可结合来自传感器138、全球定位系统(global positioning system，GPS)122和一个或多个预定地图的数据以为车辆100确定行驶路线。

[0096] 障碍物规避系统144用于识别、评估和避开或者以其他方式越过车辆100的环境中的潜在障碍物。

[0097] 当然，在一个实例中，控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

[0098] 车辆100通过外围设备108与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。

[0099] 在一些实施例中，外围设备108提供车辆100的用户与用户接口116交互的手段。例如，车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中，外围设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如，麦克风150可从车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器152可向车辆100的用户输出音频。

[0100] 无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统146可使用3G蜂窝通信，例如码分多址(code division multiple access，CDMA)、EVD0、全球移动通信系统(global system for mobile communications，GSM)/通用分组无线服务(general packet radio service，GPRS)，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信系统146可利用无线保真(wireless‑fidelity，WiFi)与无线局域网(wireless local area network，WLAN)通信。在一些实施例中，无线通信系统146可利用红外链路、蓝牙或紫蜂协议(Zig Bee)与设备直接通信。其他无线协议，例如各种车辆通信系统，例如，无线通信系统146可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。

[0101] 电源110可向车辆100的各种组件提供电力。在一个实施例中，电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中，电源110和能量源119可一起实现，例如一些全电动车中那样。

[0102] 车辆100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113，处理器113执行存储在例如数据存储装置114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。

[0103] 处理器113可以是任何常规的处理器，诸如商业可获得的中央处理器(central processing unit，CPU)。替选地，该处理器可以是诸如用于供专门应用的集成电路(application specific integrated circuit，ASIC)或其它基于硬件的处理器的专用设备。本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

[0104] 在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。

[0105] 在一些实施例中，数据存储装置114可包含指令115(例如，程序逻辑)，指令115可被处理器113执行来执行车辆100的各种功能，包括以上描述的那些功能。数据存储装置114也可包含额外的指令，包括向推进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

[0106] 除了指令115以外，数据存储装置114还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统112使用。

[0107] 用户接口116，用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备，例如无线通信系统146、车车在电脑148、麦克风150和扬声器152。

[0108] 计算机系统112可基于从各种子系统(例如，行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制车辆100的功能。例如，计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍物避免系统144检测到的障碍物。在一些实施例中，计算机系统112可操作来对车辆100及其子系统的许多方面提供控制。

[0109] 可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，数据存储装置114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

[0110] 可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图4不应理解为对本申请实施例的限制。

[0111] 在道路行进的自动驾驶汽车，如上面的车辆100，可以识别其周围环境内的物体以确定自身对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的障碍物，并且基于各个障碍物各自的特性，诸如它的当前速度、加速度、与车辆的间距等，来确定自动驾驶汽车(自车)所要调整的速度。

[0112] 可选地，自动驾驶汽车车辆100或者与自动驾驶汽车车辆100相关联的计算设备(如图4的计算机系统112、计算机视觉系统140、数据存储装置114)可以基于所识别的障碍物的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所述识别的障碍物的行为。可选地，每一个所识别的障碍物都依赖于彼此的行为，因此还可以将所识别的所有障碍物全部一起考虑来预测单个识别的障碍物的行为。车辆100能够基于预测的所述识别的障碍物的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的障碍物的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)什么状态。在这个过程中，也可以考虑其它因素来确定车辆100的速度，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。

[0113] 除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆100的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的障碍物(例如，道路上的相邻车道中的车辆)的安全横向和纵向距离。

[0114] 上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等，本发明实施例不做特别的限定。

[0115] 下面，基于图3A和图4，对本申请实施例提供的自动驾驶危险目标确定方法进行详细说明。示例性的，可参见图5和图6，图5是本申请实施例提供的自动驾驶危险目标确定方法的流程图，图6是本申请实施例提供的自动驾驶危险目标确定方法的过程示意图。

[0116] 请参照图5，本实施例包括：

[0117] 步骤11、利用第一车辆的第一运动状态数据，确定轨迹预测周期。

[0118] 示例性的，请参照图6，从采集的运动数据对应的对象的角度，可以将第一车辆上采集运动数据的传感器分为第一类传感器和第二类传感器，第一类传感器包括陀螺仪、加速度传感器等，用于采集第一车辆的第一运动状态数据，该类传感器也可以称之为自车传感器；第二类传感器包括车载雷达、车载摄像头等，该类传感器用于采集第一车辆周围目标的第二运动状态数据，该类传感器也可以称之为目标传感器。自动驾驶过程中，第一车辆利用第一类传感器采集第一车辆的第一运动状态数据，该第一运动状态数据包括第一车辆的横向速度、纵向速度、加速度等。采集到第一运动状态数据后，第一车辆利用该第一运动状态数据计算一个轨迹预测周期，该轨迹预测周期用于指示自当前时刻起，预测目标的运动轨迹的时长。

[0119] 步骤12、利用所述第一运动状态数据，确定危险区域，所述危险区域用于指示一个所述轨迹预测周期内，与所述第一车辆可能发生碰撞的目标需要进入的区域。

[0120] 本申请实施例中，目标指位于第一车辆周围的各种障碍物，可以是第一车辆以外的其他车辆、行人等。

[0121] 基于车道线的潜在危险目标选取过程中，将自车两侧车道线之间区域视为危险区域，只要进入该区域或大部分体积进入该区域的目标都会被视为潜在的危险目标，显然，该危险区域比较大，导致潜在危险目标比较多。而本申请实施例中，第一车辆利用第一运动状态数据确定一个危险区域，该危险区域的大小与第一运动状态数据有关，也就是说，本申请实施例所述的危险区域考虑了第一车辆的动力学信息，利用不同的第一运动状态数据确定出的危险区域不同。该危险区域可以视为车辆前方的一片区域，目标一旦进入该危险区域，则极有可能与第一车辆发生碰撞。因此，本申请实施例中，自当前时刻起，预测目标在一个轨迹预测周期内，比如5秒(s)、4s、或6s内，是否会进入该危险区域。若目标在未来一个轨迹预测周期内会进入危险区域，则将该目标列为安全应用功能关注的危险对象，即将该目标作为一个潜在危险目标。

[0122] 换言之，若预测出未来一个轨迹预测周期内，危险区域内没有任何目标闯入，则认为第一车辆在当前时刻按照现有的驾驶行为持续驾驶是安全的，或者说，第一车辆在该危险区域按照现有的驾驶行为持续驾驶是安全的。

[0123] 根据步骤12可知：本申请实施例中，依据第一车辆的动力学特性，动态的计算一个危险区域，使得对潜在危险目标的选取完全摆脱对车道线的依赖。

[0124] 步骤13、根据所述第一车辆周围的目标的第二运动状态数据，预测自当前时刻起一个所述轨迹预测周期内所述目标的运动轨迹。

[0125] 示例性的，第一车辆利用第二类传感器采集目标的第二运动数据，利用第二运动数据预测目标自当前时刻起在一个轨迹预测周期内的运动轨迹。由于第一车辆周围的目标可能有多个，因此，需要遍历每个目标，从而预测出一个轨迹预测周期内，各目标的运动轨迹。

[0126] 步骤14、至少利用所述运动轨迹和所述危险区域，确定自所述当前时刻起一个所述轨迹预测周期内，所述目标是否为危险目标。

[0127] 本申请实施例中，依据第一车辆的动力学特性，动态的计算一个轨迹预测周期，以预测未来一个轨迹预测周期内目标的运动轨迹及其危险性，由此判断该目标是否应该被选中作为潜在危险目标。对于每一个目标，请参照图6，第一车辆利用危险区域和该目标在未来一个轨迹预测周期内的运动轨迹，确定该目标在未来一个轨迹预测周期内是否可能与第一车辆发生碰撞。若该目标不会与第一车辆发生碰撞，则过滤掉该目标，即不将该目标作为一个潜在危险目标；若该目标与第一车辆发生碰撞，则认为该目标是一个潜在危险目标，对其进行危险等级预测，进而将危险等级作为一个触发安全措施的必要条件，结合其他必要条件，确定是否触发安全措施。其他必要条件包括制动时间(time to braking，TTB)、碰撞时间(time to collision，TTC)等。其中，安全措施包括自动紧急刹车(autonomous emergency braking，AEB)、转向等，本申请实施例并不限制。以AEB为例，当危险目标的危险等级超过2时，确定该危险目标与第一车辆发生碰撞的碰撞时间与当前时刻之间的时长是否大于阈值，若碰撞时间与当前时刻之间的时长大于阈值，则触发AEB指令。

[0128] 第一车辆在利用危险区域和运动轨迹判断目标是否为潜在危险目标时，可灵活采用不同方式。例如，第一车辆判断目标的运动轨迹与危险区域之间的距离是否小于某个预设阈值，若距离小于预设阈值，则认为目标可能在未来一个轨迹预测周期内进入危险区域，因此，需要将该目标作为潜在危险目标；否则，认为该目标在未来一个轨迹预测周期内不会进入危险区域，第一车辆按照当前的驾驶行为行车是安全的，过滤掉该目标。再如，第一车辆判断目标的运动轨迹与危险区域是否相交，若运动轨迹与危险区域相交，则将该目标作为一个潜在危险目标；否则，过滤掉该目标。又如，由于运动轨迹可视为目标上的某个点在未来一个轨迹预测周期内的轨迹，如目标为车辆时，运动轨迹为车辆的后轴中心点的运动轨迹，因此，第一车辆从运动轨迹上选择距离危险区域最近的离散点，以该离散点为中心构建一个几何图形，该几何图形用于表征目标，该几何图形例如至少能够包裹目标，然后，第一车辆判断该几何图形和危险区域是否有重叠区域，若该几何图形和危险区域具有重叠区域，则认为该目标是一个潜在危险目标；若该几何图形和危险区域不具有重叠区域，则过滤掉该目标，其中，过滤掉的目标也可以称之为干扰目标，几何图形例如为矩形等。

[0129] 本申请实施例提供的自动驾驶危险目标确定方法，利用第一车辆的运动状态数据确定出危险区域和轨迹预测周期，然后，第一车辆周边的目标在一个轨迹预测周期内的运动轨迹，进而利用该运动轨迹和危险区域确定目标是否为潜在危险目标。该过程中，利用第一车辆的动力学参数从第一车辆周边的目标中确定潜在危险目标，摆脱对车道线的依赖性。同时，避免安全措施的误触发和漏触发，兼顾了自动驾驶的行车安全性和舒适性。

[0130] 需要说明的是，虽然上述实施例中是以安全措施为AEB为例对本申请实施例进行详细说明，然而，本申请实施例并不以此为限制，本申请实施例除了可应用与AEB外，还可以应用于自适应巡航系统(Adaptive Cruise Control，ACC)等，用于实现跟车目标的筛选。

[0131] 下面，分别对上述实施例中如何确定危险区域、轨迹预测周期，以及如何检测目标是否为潜在危险目标进行详细说明。

[0132] 首先，如何确定危险区域。

[0133] 一种示例中，确定危险区域的过程中，主要考虑第一车辆自身的因素，如硬件时延、第一运动状态数据、第二类传感器的传感器参数、安全距离等，其中，硬件时延用于指示从触发安全措施到第一车辆开始执行安全措施之间的时延，另外，硬件时延还可以包括通信时延等第一车辆自身原因导致的时延。

[0134] 另一种示例中，确定危险区域的过程中，除了考虑第一车辆自身的因素外，还需要考虑驾驶员的反应时延等，其中，反应时延用于指示驾驶员从发现目标开始至执行刹车时的时长。

[0135] 图7是本申请实施例提供的自动驾驶危险目标确定方法中危险区域的示意图。请参照图7，细实线所示为第一车辆，粗黑实线所示为第一车辆周边的目标，危险区域是指第一车辆前进方向上选定的一片区域(如图中第一区域和第二区域形成的整体区域)，该区域对于自动驾驶安全应用功能至关重要，一旦有目标进入该危险区域，则有极大可能发生碰撞。因此，当前时刻起一定时限范围内，即上述的一个轨迹预测周期内闯入该危险区域的目标会被列为危险目标。换言之，当该危险区域内没有任何目标闯入时，则认为在该危险区域内按照现有的驾驶行为行驶是安全的。

[0136] 请参照图7，仅考虑第一车辆自身因素时，危险区域包含第一区域，该第一区域用于指示过滤掉所述第一车辆两侧的干扰目标、且所述第一车辆从触发安全措施到所述第一车辆执行完所述安全措施所需的最小区域，其中，触发安全措施的时刻可以为第一车辆自动发现危险目标的时刻。

[0137] 请参照图7，横向为长度方向，纵向为宽度方向，细实线所示为第一车辆，粗黑实线所示为过滤掉的车辆，第一区域的宽度比较窄，这是为了过滤掉第一车辆两侧的干扰目标，如第一车辆两侧的静止目标、以及与第一车辆同向行驶且压到第一车辆两侧车道线但不会与第一车辆发生碰撞的目标。这是因为若错误的选取该些干扰目标，则有可能会导致第一车辆忽略进入危险区域内的危险目标而产生不可避免的碰撞。

[0138] 需要说明的是，虽然图7中示意出了车道线，然而，本申请实施例并不以此为限制，其他可行的实现方式中，也可以没有车道线。

[0139] 再请参照图7，同时考虑第一车辆自身因素和驾驶员因素时，可基于第三区域的长度、第一区域的长度和雷达的感知半径，确定危险区域的长度。其中，第三区域的长度指驾驶第一车辆的驾驶员从发现目标至执行完刹车时第一车辆经过的最短距离。假设该第三区域的长度大于第一区域的长度，假设第三区域的宽度与第一区域的宽度相同，则第三区域如图中阴影部分所示。

[0140] 同时考虑第一车辆自身因素和驾驶员因素时，由于距离第一车辆较远的地方的目标有更多的不确定性，该些目标很有可能在一段时间后驶入危险区域，这些目标需要提前被关注。因此，可以将第三区域中远离第一车辆的部分，即第二区域加宽，使得远处更多不确定性的目标可以被提前关注。其中，第二区域的长度位于第一区域的远离车辆端至第三区域的远离车辆端之间。

[0141] 图8是本申请实施例提供的自动驾驶危险目标确定方法中危险区域的参数示意图，请参照图8，本申请实施例中，在确定危险区域时需要注意以下几点：

[0142] 第一点、确保危险区域内无目标时，第一车辆不会与前方物体发生碰撞，一旦有目标从前方进入危险区域，则第一车辆可以在碰撞前刹停或减轻碰撞伤害。这就要求第一区域的长度d1至少等于从发现目标到触发安全措施、再到执行完安全措施所需的最小距离。以安全措施为AEB指令为例，倘若第一车辆从潜在危险目标中筛选出真正的危险目标，需要针对该真正的危险目标执行AEB，则第一区域的长度于d1至少等于第一车辆从发现该真正危险目标至执行完AEB时第一车辆行驶的距离，使得第一车辆在危险目标进入危险区域之前刹停，从而避免第一车辆和真正的危险目标发生碰撞。

[0143] 另外，第一车辆只需要关注未来一个轨迹预测周期内可能会进入第一区域的潜在危险目标，而无需关注未来一个轨迹预测周期不会进入第一区域的干扰目标，因此可以避免第一车辆错误的选中干扰目标而忽略潜在危险目标，进而可以避免碰撞事故。例如，第一区域右侧有一个干扰目标，该干扰目标距离第一车辆比较近，但是由于其为干扰目标，则第一车辆不会关注它，而是关注第一车辆前方、虽然距离第一车辆较远但是可能会进入第一区域的潜在危险目标。

[0144] 第二点、充分考虑第二类传感器中激光雷达、摄像头等的感知能力和特性，因此，需要依据激光雷达、摄像头等的感知角度和感知半径确定危险区域的具体形状，可参见下述图9A和图9B。

[0145] 第三点、在自动驾驶舒适性和安全性之前做很好的平衡，避免安全措施的误触发和漏触发。因此，当驾驶员可以对前方危险做出反应并避免碰撞的情况下，仅需要对危险目标进行预警，由驾驶员操作避险，避免安全措施误触发，这就要求危险区域的长度至少大于驾驶员从发现所述目标至执行完刹车所需的最小区域，这样设计的目的是为了给驾驶员触发安全措施留足够的空间。

[0146] 第四点、水平方向，即横向方向上，避免被马路护栏、侧向推拉门、左右静止车辆、经过左右两边的运动车辆、前方同向行驶且相对静止车辆误触发安全措施，因此，图8中，第一区域的宽度w1需要在保证第一车辆安全的前提下，足以过滤掉上述干扰目标。在距离第一车辆比较远的地方，旁侧目标的行驶路径变动范围较大，因而关注更宽范围内的目标，这就要求图8中第二区域的宽度可以涵盖可能在未来进入第一区域的目标。

[0147] 上述图8中的参数包括：

[0148] W1、第一区域的宽度，可根据第一车辆的宽度和安全保持距离得到；

[0149] W2、第二区域的宽度，可根据第一车辆所在道路的宽度和安全保持距离得到；

[0150] d0、第一车辆前方的安全距离，该安全距离是第一区域靠近所述第一车辆的边与所述第一车辆之间相距安全距离；

[0151] d1、第一区域的长度，表示第一车辆从发现目标到第一车辆执行完安全措施所需的最小距离。

[0152] d3、从驾驶员发现目标到执行刹车再到第一车辆刹停所需的最小距离。

[0153] d2、第二区域的长度，和雷达的感知半径、驾驶员的反应速度、d1和d3等相关。

[0154] 下面，对如何确定该些参数进行详细说明。

[0155] 1.1、第一区域的宽度W1。

[0156] 示例性的，第一车辆利用所述第一车辆的车身宽度和第一安全保持距离，确定所述第一区域的宽度W1。例如，第一区域的宽度W1大于车身宽度与预设倍数的第一安全保持距离DsafetykeepDistance1之和，第一安全保持距离DsafetykeepDistance1是第一区域平行于行驶方向的两侧的干扰目标相对于第一车辆安全时，干扰物与第一车辆之间的最短距离，该第一区域与所述第一车辆之间相距安全距离d0，所述第一区域位于所述第一车辆行驶方向前方。例如，可采用如下公式(1)确定第一区域的宽度W1：

[0157] 第一区域的宽度W1＝wvehicle+2×DsafetykeepDistance1   (1)

[0158] 其中，wvehicle表示第一车辆自身的宽度，DsafetykeepDistance1表示第一车辆车身周围保持的安全距离，在模型中例如可以设定为：DsafetykeepDistance1＝0.3米。虽然此处以DsafetykeepDistance1的取值为0.3米为例，然而本申请实施例并不限制，其他可行的实现方式中，DsafetykeepDistance1的取值例如为0.2～0.4米之间等。实际实现时，可结合第一车辆的大小确定DsafetykeepDistance1的取值。例如，第一车辆为卡车时，DsafetykeepDistance1的取值较大，如0.4米，第一车辆为小汽车时，DsafetykeepDistance1的取值较小，如0.25米。

[0159] 1.2、第二区域的宽度W2。

[0160] 示例性的，利用所述第一车辆所在道路的道路宽度wlane和第二安全保持距离，确定第二区域的宽度W2。该第二区域W2的宽度大于道路宽度与预设倍数的第二安全保持距离DsafetykeepDistance2之和，第二安全保持距离DsafetykeepDistance2是第二区域平行于行驶方向的两侧的干扰目标相对于第一车辆安全时，干扰物与第一车辆之间的最短距离。例如，可采用如下公式(2)确定第二区域的宽度W2：

[0161] 第二区域的宽度W2＝wlane+2×DsafetykeepDistance2   (2)

[0162] 其中，wlane表示道路宽度，DsafetykeepDistance2表示道路两边保持的安全距离，在模型中例如可以设定为：DsafetykeepDistance2＝0.375米。虽然此处以DsafetykeepDistance2的取值为0.375米为例，然而本申请实施例并不限制，其他可行的实现方式中，DsafetykeepDistance2的取值例如为0.2～0.5米之间等。实际实现时，可结合第一车辆的大小确定DsafetykeepDistance2的取值。例如，第一车辆为卡车时，DsafetykeepDistance2的取值较大，如0.4米，第一车辆为小汽车时，DsafetykeepDistance1的取值较小，如0.3米。

[0163] 1.3、第一车辆行驶前方的安全距离d0。

[0164] 示例性的，可以将d0设置为：d0＝2米。实际实现时，d0的取值可以为一个区间，如1～3米等，本申请实施例并限制。

[0165] 1.4、第一区域的长度d1。

[0166] 以安全措施为AEB为例，为了保证自动驾驶的安全性，第一区域的长度d1需要设计为：触发AEB时，第一车辆刹停所需的最大距离。这样一来，就能保证一旦有危险目标从行驶方向的前方进入危险区域且该危险目标满足AEB的触发条件，则第一车辆可以刹停车辆避免碰撞。实际实现时，请参照图8，第一区域的长度d1的计算分为三步：

[0167] 第一步：确定第一运动距离，该第一运动距离用于指示所述第一车辆在所述硬件时延内的移动距离。

[0168] 示例性的，从触发AEB开始，至第一车辆开始执行AEB开始，存在硬件系统的各种时延，导致第一车辆在该段时间内以当前时刻的状态持续运动，如匀速前进、加速前进、减速前进等。因此，这段时间内第一车辆运动产生的距离可以称之为第一运动距离或第一自由运动距离DfreeAEB。可采用如下公式(3)确定该第一自由运动距离DfreeAEB：

[0169] DfreeAEB＝Vvehicle×Tdelay+1/2×aveicle×(Tdelay)   (3)

[0170] 其中，Tdelay表示硬件时延，具体值可根据统计值或经验值等得出，例如为0.45±0.1等，Vvehicle表示发现目标时第一车辆的瞬时纵向速度，aveicle表示发现目标时第一车辆的瞬时纵向速度加速度。Vvehicle和aveicle可以从第一运动状态数据中获得。

[0171] 第二步：确定第一刹停距离。

[0172] 本申请实施例中，第一刹停距离DbrakingAEB用于指示从触发所述AEB开始所述第一车辆执行完所述AEB所需的最短距离。确定第一刹停距离时，需要用到速度平方公式，需要注意的是，此时的初始速度已经不再是发现目标时第一车辆的速度了，而是经过第一运动距离之后第一车辆的速度。令经过第一运动距离之后第一车辆的速度为VcurAEB，则可采用如下公式(4)确定VcurAEB：

[0173] VcurAEB＝Vvehicle+avehicle×(Tdealy)  (4)

[0174] 进一步的，利用公式(4)可得公式(5.1)或公式(5.2)：

[0175]

[0176]

[0177] 上述的公式(5.1)和(5.2)中，amaxAEBdeceleration表示第一车辆的瞬时速度为VcurAEB时，第一车辆能达到的最大减速度的值。比如，第一车辆执行AEB时，第一车辆开始减速，amaxAEBdeceleration表示使得第一车辆刹停所需时间最短的最大减速度。

[0178] 上述公式(5.1)和公式(5.2)中，amaxAEBdeceleration仅表示大小的绝对值，不具有方向性。

[0179] 公式(5.1)考虑减速度达到第一车辆设定的最大减速度瞬间，第一车辆的瞬时速度VcurAEB大于0的情况下，第一车辆的第一刹停距离，该第一刹停距离大于0。

[0180] 公式(5.2)考虑减速度达到第一车辆设定的最大减速度瞬间，第一车辆的瞬时速度VcurAEB小于0的情况下，第一车辆的第一刹停距离。该种情况有可能是第一车辆上坡时溜坡的现象，此时刹停车辆所需的减速度方向与第一车辆的前进方向相同，符号为正，此时，第一刹停距离小于0。

[0181] 第三步：利用所述第一运动距离、所述第一刹停距离、所述雷达的感知半径(Rradar)以及所述安全距离d0，确定所述第一区域的长度d1。

[0182] 示例性的，第一车辆确定第一运动距离DfreeAEB和所述第一刹停距离DbrakingAEB的和得到d1，根据d1、安全距离d0以及激光雷达的感知半径(Rradar)等，确定第一区域的长度d1。例如，可采用如下公式(6)计算第一运动距离DfreeAEB和所述第一刹停距离DbrakingAEB的和D1：

[0183] D1＝DfreeAEB+DbrakingAEB  (6)

[0184] 根据公式(6)、雷达的感知半径和安全距离d0等，可得公式(7)：

[0185] d1＝D1(d0＜D1≤Rradar)或者d1＝d0(D1＜d0)或者d1＝Rradar(Rradar＜D1)(7)[0186] 由此，根据公式(7)可得：

[0187] 当第一运动距离DfreeAEB和第一刹停距离DbrakingAEB之和D1大于安全距离d0、且小于或等于雷达的感知半径(Rradar)时，第一区域的长度d1等于第一运动距离DfreeAEB和第一刹停距离DbrakingAEB之和D1；

[0188] 或者，

[0189] 当第一运动距离DfreeAEB和第一刹停距离DbrakingAEB之和D1小于安全距离d0时，第一区域的长度d1等于安全距离d0；

[0190] 或者，

[0191] 当第一运动距离DfreeAEB和第一刹停距离DbrakingAEB之和D1大于雷达的感知半径(Rradar)时，第一区域的长度d1等于雷达的感知半径(Rradar)。

[0192] 采用该种方案，实现确定出危险区域中第一区域的长度的目的。

[0193] 1.5、计算第三区域的长度d3。

[0194] 示例性的，第三区域的长度d3大于或等于驾驶所述第一车辆的驾驶员从发现所述目标开始至执行完刹车时第一车辆行驶的最短距离。在确定出d3后，利用d1和d3、雷达的感知半径等即可确定出危险区域的长度。

[0195] 以安全措施为驾驶员通过踩踏刹车执行刹车为例，请参照图8，为了保证自动驾驶的舒适性，要尽量避免误触发，因而第三区域的长度d3需要保证目标进入第二区域时，在自动驾驶不参与的情况下，驾驶员能够通过操作车辆完成刹车，该第三区域的长度d3的确定思路和第一区域的长度d1的确定思路类似，也分为三步，不同之处在于：除了考虑硬件时延Tdelay外，还需要考虑驾驶员的反应时延TmaxDiverReacTime，即驾驶员从发现目标到执行刹车的反应时长。为了保证安全，反应时延TmaxDiverReacTime可以是现有经验值或统计值的最大值。此外，驾驶员操作能够达到的加速度aminDriverdecelertation小于紧急刹车制动产生的减速度。其中，加速度aminDriverdecelertation是一个负数，因此，也可以将该加速度aminDriverdecelertation称之为减速度aminDriverdecelertation。下面，对三个步骤分别进行详细说明：

[0196] 第一步：确定第二运动距离，该第二运动距离用于指示所述第一车辆在所述反应时延以及所述硬件时延内的移动距离。

[0197] 示例性的，从发现目标开始至执行刹车，使得第一车辆获得最大减速度之前，存在驾驶员的反应时延TmaxDiverReacTime和硬件系统的各种时延Tdelay，导致第一车辆在该段时间内以当前时刻的状态持续运动，如匀速前进、加速前进、减速前进等。因此，这段时间内第一车辆运动产生的距离可以称之为第二运动距离或第二自由运动距离DfreeDriver。可采用如下公式(8)确定该第二自由运动距离DfreeDriver：

[0198] DfreeDriver＝Vvehicle×(Tdelay+TmaxDiverReacTime)+1/2×aveicle×(Tdelay+TmaxDiverReacTime)2[0199]                                   (8)[0200] 其中，Tdelay表示硬件时延，具体值可根据统计值或经验值等得出，例如为0.35‑0.45秒等，TmaxDiverReacTime表示驾驶员的反应时延，可以是现有经验值或统计值的最大值，例如为0.5秒‑2.5秒等，Vvehicle表示发现目标时第一车辆的瞬时纵向速度，aveicle表示发现目标时第一车辆的瞬时纵向速度加速度。Vvehicle和aveicle可以从第一运动状态数据中获得。

[0201] 第二步：确定第二刹停距离。

[0202] 本申请实施例中，第二刹停距离DbrakingDriver用于指示从驾驶员执行刹车至第一车辆刹停所需的最短距离。确定第二刹停距离时，需要用到速度平方公式，需要注意的是，此时的初始速度已经不再是发现目标时第一车辆的速度了，而是经过第二运动距离之后第一车辆的速度。令经过第二运动距离之后第一车辆的速度为VcurDriver，则可采用如下公式(9)确定VcurDriver：

[0203] VcurDriver＝Vvehicle+avehicle×(Tdealy+TmaxDiverReacTime)  (9)

[0204] 进一步的，利用公式(9)可得公式(10.1)或公式(10.2)：

[0205]

[0206]

[0207] 上述的公式(10.1)和(10.2)中，amaxDriverdeceleration表示第一车辆的瞬时速度为VcurDriver时，第一车辆能达到的最大减速度。比如，第一车辆在驾驶员踩踏刹车执行刹车时，第一车辆开始减速，amaxAEBdeceleration表示使得第一车辆刹停所需时间最短的最大减速度。

[0208] 上述公式(10.1)和公式(10.2)中，amaxDriverdeceleration仅表示大小的绝对值，不具有方向性。

[0209] 公式(10.1)考虑减速度达到第一车辆设定的最大减速度瞬间，第一车辆的瞬时速度VcurDriver大于0的情况下，第一车辆的第二刹停距离，该第二刹停距离大于0。

[0210] 公式(10.2)考虑减速度达到第一车辆设定的最大减速度瞬间，第一车辆的瞬时速度VcurDriver小于0的情况下，第一车辆的第二刹停距离。该种情况有可能是第一车辆上坡时溜坡的现象，此时刹停车辆所需的减速度方向与第一车辆的前进方向相同，符号为正，此时，第二刹停距离小于0。

[0211] 第三步：确定第三区域的长度d3。

[0212] 示例性的，第一车辆可以将第二运动距离DfreeDriver和第二刹停距离DbrakingDriver相加以得到第三区域的长度d3。

[0213] 第四步：基于第三区域的长度d3、第一区域的长度d1和雷达的感知半径(Rradar)，确定危险区域的长度。

[0214] 示例性的，第一车辆确定第二运动距离DfreeDriver和所述第二刹停距离DbrakingDriver的和得到D3，根据D3、激光雷达的感知半径(Rradar)以及第一区域的长度d1等，确定危险区域的长度。例如，可采用如下公式(11)计算第二运动距离DfreeDriver和第二刹停距离DbrakingDriver的和D3：

[0215] D3＝DfreeDriver+DbrakingDriver  (11)

[0216] 根据公式(11)、雷达的感知半径和第一区域的长度d1等，可得公式(12)：

[0217] d3＝D3(d1＜D3≤Rradar)或者d3＝d1(D3＜d1)或者d3＝Rradar(Rradar＜D1)   (12)[0218] 由此，根据公式(12)可得：

[0219] 当第三区域的长度d3大于第一区域的长度d1、且小于或等于雷达的感知半径(Rradar)时，危险区域的长度等于第三区域的长度d3。此时，第二区域的长度d2＝d3‑d1。

[0220] 当第三区域的长度d3小于第一区域的长度d1时，危险区域的长度等于第一区域的长度d1。此时，第二区域的长度为零。也就是说，不存在第二区域。

[0221] 当雷达的感知半径(Rradar)小于第一区域的长度D1时，危险区域的长度等于雷达的感知半径(Rradar)。此时，第一区域的长度d1＝Rradar，第二区域的长度为零。也就是说，不存在第二区域。

[0222] 当上述公式(7)中d1＝D1(d0＜D1≤Rradar)、上述公式(12)中d3＝D3(d1＜D3≤Rradar)时，即可得到图8所示T字形危险区域。考虑到雷达的感知范围，第二区域中的部分地方很有可能无法被雷达感知到。因此，需要进一步的根据雷达的感知特性，从第二区域中删除雷达盲区以优化第二区域。示例性的，可参见图9A，图9A是本申请实施例提供的自动驾驶危险确定方法中一种优化危险区域的示意图。

[0223] 请参照图9A，第一车辆上的灰色圆圈表示雷达，该雷达的感知角度为θradar，雷达最大感知边界与第二区域相较于两点，如图9A中点A和点B，因此，可以将雷达最大感知边界外的区域去除，如图中方格填充部分所示。如此一来，即可从第二区域中去除盲区以优化第二区域。

[0224] 另外，图9A中，去除盲区后，第一区域和第二区域不再平滑，即第一区域和第二区域的过渡部分出现直角。因此，其他可行的实现方式中，还可以对第一区域和第二区域进行平滑处理以优化第二区域。该平滑处理是指：连接第一交点和第二交点，使得第一区域和第二区域的连接处不出现直角，从而使得目标不会突然出现在危险区域。其中，第一交点是雷达的感知范围与第二区域的交点，且第一交点远离第一车辆，第二交点是第一区域和第二区域的交点。示例性的，可参见图9B，图9B是本申请实施例提供的自动驾驶危险确定方法中另一种优化危险区域的示意图。

[0225] 请参照图9B，第一车辆上的灰色圆圈表示雷达，该雷达的感知角度为θradar，雷达最大感知边界与第二区域相较于两点，如图9A中点A和点B，第二区域和第一区域相交与直线CD，因此，可以将点A(第一交点)和点C(第二交点)连接，将点B(第一交点)和点D(第二交点)连接。之后，将第二区域中，直线AC和雷达最大感知边界相交的部分去除，直线BD和雷达最大感知边界相交的部分去除，如图中竖线填充部分所示。由此可见，相较于图9A，除了剔除方格填充部分外，还剔除了竖线填充部分。

[0226] 下面，对如何确定A点进行详细说明。

[0227] 1.6、计算盲区的长度d4

[0228] 请参照图9B，确定点即为确定d4的长度的过程，以下将d4称之为盲区的长度。本申请实施例中，d4的确定分为三种不同的情况：

[0229] 第一种情况：Rcamera＜d3+d0＜Rradar，即d3大于摄像头感知半径Rcamera且小于雷达的感知半径(Rradar)，此时，关注雷达感知边界与第二区域的交界位置LcorRadar，如图9B所示。此时，可采用如下公式(13)确定LcorRadar：

[0230]

[0231] 根据公式(13)可得公式(14)，公式(14)如下：

[0232] d4＝LcorRadar‑(d1+d0)，此时(d1+d0)≤LcorRadar≤(d3+d0)；

[0233] 或者，d4＝d3‑d1，此时d3＜LcorRadar；

[0234] 或者，d4＝0，此时，LcorRadar≤d1。

[0235] 第二种情况：d3+d0＜Rcamera，即d3小于摄像头感知半径Rcamera。此时，摄像头感知边界与第二区域的交界位置LcorCamera，可采用如下公式(15)确定LcorCamera：

[0236]

[0237] 根据公式(15)可得公式(16)，公式(16)如下：

[0238] d4＝LcorCamera‑(d1+d0)，此时(d1+d0)≤LcorCamera≤(d3+d0)；

[0239] 或者，d4＝d3‑d1，此时d3＜LcorCamera；

[0240] 或者，d4＝0，此时，LcorRadar＜d1。

[0241] 第三种情况：d3+d0＞Rradar，即d3大于雷达的感知半径Rradar。此时，可根据如下公式(17)确定出d4：

[0242] d4＝0  (17)

[0243] 1.7、计算非盲区的长度d5

[0244] 示例性的，参见图9B，可采用如下公式(18)确定出非盲区的长度d5：

[0245] d5＝d3‑d1‑d2，此时，d3＞(d1+d2)；

[0246] 或者，d5＝0，此时，d3＜(d1+d2)；

[0247] 根据上述1.1～1.7，本申请用于确定危险区域的参数全部确定出。根据该些参数，即可确定出危险区域。

[0248] 采用上述方案，通过结合动力学参数确定出危险区域，避免第一车辆行驶前方危险区域外存在静止或同向同速行驶的干扰目标导致安全措施误触发的问题。

[0249] 其次，如何确定轨迹预测周期。

[0250] 示例性的，与危险区域一样，目标在未来一个轨迹预测周期内的运动轨迹也是自动驾驶需要重点关注的变量。一个静态的轨迹预测周期无法满足安全性的需求，例如，假设一个轨迹预测周期小于第一车辆刹停所需的时间，则第一车辆刹停前的一段时间内，目标所处的位置是不可知的，这意味着该目标有可能在刹停前与自车发生碰撞，具有不确定性和危险性，因此，轨迹预测周期至少大于第一车辆从当前位置刹停所需的时间。一种实现方式中，可通过如下步骤确定轨迹预测周期：

[0251] 第一步：确定一个下限周期。

[0252] 示例性的，可通过标定经验值等确定一个轨迹预测周期的参考下限，以下称之为下限周期Tthreshold，该下限周期Tthreshold用于指示轨迹预测周期的最小值，该下限周期Tthreshold例如为1～3秒等，可根据第一车辆的大小、型号、品牌等设置，本申请实施例并不限制。

[0253] 第二步：

[0254] 利用第一车辆的硬件时延Tdelay、驾驶员的反应时延TmaxDiverReacTime和第一运动数据，确定一个实际周期Tpred，TmaxDiverReacTime例如为1.5秒等。可采用如下公式(19)确定实际周期Tpred：

[0255] Tpred＝Tdelay+TmaxDiverReacTime+TbrakingDriver   (19)

[0256] 公式(19)中，TbrakingDriver表示第一车辆自执行安全措施开始，至执行完安全措施截止的时长。例如，第一车辆执行刹停指令，这TbrakingDriver表示第一车辆从开始刹车到刹停的时间段。

[0257] 可根据公式(20)确定出TbrakingDriver：

[0258]

[0259] 第三步：利用实际周期和下限周期，确定轨迹预测周期。

[0260] 令轨迹预测周期为T，则T＝Tthreshold(Tthreshold＞Tpred)；或者，T＝Tpred(Tthreshold＜Tpred)

[0261] 采用上述方案，实现动态确定出轨迹预测周期的目的。

[0262] 需要说明的是，上述确定轨迹预测周期和危险区域并没有严格的先后顺序。

[0263] 最后，基于危险区域、轨迹预测周期等，如何检测目标是否为潜在危险目标。

[0264] 示例性的，可通过如下步骤确定目标是否为一个潜在的危险目标：

[0265] 第一步：坐标转换。

[0266] 示例性的，可参见图10，图10是本申请实施例提供的自动驾驶危险确定方法中坐标转换的示意图。

[0267] 请参照图10，当前时刻，将目标的位置转换到第一车辆的车体坐标系下。例如，目标为一个车辆，以下称之为第二车辆，利用该第二车辆可以得到一个矩形，该矩形至少容纳第二车辆。将该矩形的四个顶点的坐标，从第二车辆的车体坐标系下转换到第一车辆的车体坐标系下。之后，利用四个转换后的坐标确定一个中心点，将该中心点作为当前时刻，第二车辆在第一车辆的车体坐标系下的坐标。或者，也可以先在第二车辆的车体坐标系下，根据矩形的四个顶点确定一个中心点，再将该中心点转换到第一车辆的车体坐标系下。

[0268] 坐标转换过程中，假设转换之前，中心点的坐标为(x＇，y＇)，转换后的坐标为(x，y)，则可以得到如公式(21)所示的转换方程：

[0269]

[0270] 公式(21)中，[x0,y0]表示第二车辆的车体坐标系下的坐标原点在第一车辆的车体坐标系下的坐标。

[0271] 第二步：预测自所述当前时刻起一个所述轨迹预测周期内，根据所述第一车辆周围的目标的第二运动状态数据，确定所述目标的运动轨迹。

[0272] 示例性的，当前时刻，目标在第一车辆的车体坐标系下的坐标为(x，y)，一个轨迹预测周期内目标的移动量为(xΔ,yΔ)，一个轨迹预测周期后，第一车辆的车体坐标系下的坐标为 则可根据如下公式(22)确定出(xΔ,yΔ)，并根据如下公式(23)确定出

[0273]

[0274]

[0275]

[0276]

[0277] 公式(22)中，vx表示当前时刻目标的瞬时横向速度，vy表示当前时刻目标的瞬时纵向速度，a表示目标的瞬时加速度，θ为第一车辆的自车坐标系和目标所在的坐标系的夹角。

[0278] 根据上述的初始坐标(x，y)和运动一个轨迹预测周期后的坐标 即可得到目标自当前时刻起，一个轨迹预测周期内的运动轨迹：该运动轨迹为起点为(x，y)、终点为的线段。

[0279] 第三步：碰撞检测。

[0280] 碰撞检测过程中，第一车辆从所述运动轨迹上确定出多个离散的点，以得到离散点集合，为所述离散点集合中的每个离散点构建几何图形，以得到每个离散点对应的几何图形，该几何图形至少能容纳所述目标。之后，第一车辆确定各述离散点对应的几何图形与所述危险区域是否具有重叠部分，若几何图形与所述危险区域具有重叠部分，则确定所述目标为危险目标；若所述几何图形与所述危险区域不具有重叠部分，则认为该目标不是一个潜在的危险目标，无需关注。

[0281] 示例性的，离散点集合中的离散点可以是与危险区域最近的几个点，也可以是按照预设间距从运动轨迹上提取出的多个点。对于每个离散点，为该离散点添加一个几何图形，利用该几何图形表征目标。该矩形例如为矩形，至少可囊括目标，该矩形可以视为目标的包络。之后，对于车辆基于两个凸多边形碰撞检测算法，依次计算第一车辆周边的目标在轨迹预测周期T内，是否会与危险区域相交，若多个离散点对应的几何图形中，一个或多个几何图形与危险区域相交，则认为该目标为一个潜在的危险目标。

[0282] 第四部：确定危险等级。

[0283] 确定危险等级过程中，对于每个危险目标，第一车辆进一步的确定所述危险区域和所述多边形的相交时刻、相交位置以及重叠区域面积，利用所述相交时刻、所述相交位置以及所述重叠区域面积，确定所述目标的危险等级，根据所述目标的实时状态调整所述危险度等级，若调整后的危险度等级超过预设等级，则触发自动驾驶指令。

[0284] 示例性的，若一个目标被评定为危险目标，则第一车辆确定该危险目标对应的多边形和危险区域的碰撞时刻Tcollision、碰撞位置Lcollision和重叠区域面积的大小Acollision。之后，第一车辆根据碰撞时刻Tcollision、碰撞位置Lcollision和重叠区域面积的大小Acollision确定目标的危险等级。确定过程中，为碰撞时刻Tcollision、碰撞位置Lcollision和重叠区域面积的大小Acollision分别设置一个权重wTcollision、wLcollision、wAcollision，然后根据如下公式(24)依次确定每个危险目标的危险等级得分：

[0285] score＝Tcollision×wTcollision+Lcollisio×wLcollision+Acollision×wAcollision  (24)[0286] 其中，wTcollision的取值例如为0.5，wLcollision的取值例如为0.3，wAcollision的取值例如为0.2等，本申请实施例并不限制。

[0287] 得到危险等级得分后，即可根据该危险等级得分所在的危险等级区间，确定该危险目标的危险等级。采用该种方案，实现动态确定出危险目标的危险等级的目的。

[0288] 之后，第一车辆根据危险等级继续关注该危险目标，若危险等级超过某个阈值，则触发自动驾驶指令。关注过程，第一车辆实时获取该危险目标的第二运动状态数据，基于该第二运动状态数据确定危险目标的运动轨迹，利用运动轨迹上的离散点构建多边形，即重复上述的第一步至第四部，不断的更新危险等级。一旦发现危险等级超过预设阈值，则触发自动驾驶指令。

[0289] 另外，上述实施例中，在确定出危险区域和危险目标后，还可以在第一车辆中控的显示屏上显示危险区域和危险目标。采用该种方案，通过在中控显示屏上显示危险区域和危险目标，使得驾驶员清楚了解周边危险目标的目的，提高自动驾驶安全性。

[0290] 下面，用几个例子对上述的自动驾驶危险确定方法进行详细说明。

[0291] 图11A是本申请实施例提供的一种自动驾驶危险确定方法的过程示意图，图11B是图11A中第一车辆中控的界面示意图。请参照图11A和图11B，第一车辆1的前方具有目标2、目标3和目标4，其中，目标2和目标3为静止的车辆，目标4为移动的行人，行人被目标2遮挡。该场景中，静止的目标2和目标3完全处于第一车辆1的危险区域之外，并且未来一个轨迹预测周期内也不会移动进入第一车辆的危险区域内，即目标2和目标3不会与第一车辆1发生碰撞，因而第一车辆无需针对这两个静止的目标触发安全措施。但是，移动的行人有可能在未来某一个瞬间进入第一车辆1的危险区域，因此，目标4很有可能与第一车辆1发生碰撞。
第一车辆1确定目标2、目标3和目标4是否为危险目标的过程如下：

[0292] 第一步：第一车辆首先通过第一类传感器读取第一车辆的第一运动状态数据，并且据此实时计算一个危险区域；

[0293] 第二步：第一车辆在确定危险区域的同时，确定一个轨迹预测周期T；

[0294] 第三步：第一车辆依次确定目标2、目标3和目标4在一个轨迹预测周期内的运动轨迹，并在各运动轨迹上取一些离散点，得到目标2的离散点集合、目标3的离散点集合和目标4的离散点集合。

[0295] 第四步：第一车辆对目标2的离散点集合中的每个点构建几何图形，对几何图形和危险区域进行碰撞检测，检测结果为假，则认为目标2和第一车辆1不可能发生碰撞，将目标2过滤掉；同理，将目标3过滤掉；对于目标4，检测结果为真，则认为目标4和第一车辆可能发生碰撞，将目标4作为一个潜在的危险目标。

[0296] 第五步：确定危险目标，即目标4的危险等级。

[0297] 另外，上述图11B中，可按照危险等级显示危险目标，例如，危险等级越高，则该危险目标的颜色越红。

[0298] 根据图11A可知：本申请实施例所述的自动驾驶危险目标确定方法适用于危险目标被静止或同向行驶的干扰目标遮挡的场景。

[0299] 图12A是本申请实施例提供的一种自动驾驶危险确定方法的过程示意图，图12B是图12A中第一车辆中控的界面示意图。请参照图12A和图12B，第一车辆5的前方具有目标6和目标7，目标6和目标7均为行驶的车辆。该场景中，目标6位于第一车辆5的前方，虽然目标6距离第一车辆较远，但是它在当前时刻很有可能已经进入危险区域，或者，因为纵向加速度的原因，有可能在未来有一时刻进入第一车辆5的危险区域，比如，目标6的纵向速度小于第一车辆5的纵向速度，使得目标6在未来某个时刻进入第二区域，从而有可能与第一车辆5发生碰撞。目标7虽然距离第一车辆5比较近，但是当前时刻目标7处于第一车辆的危险区域之外，并且没有横向加速度，因而未来时刻进入第一车辆5的危险区域的概率较小。第一车辆5确定目标6和目标7是否为危险目标的过程如下：

[0300] 第一步：第一车辆首先通过第一类传感器读取第一车辆的第一运动状态数据，并且据此实时计算一个危险区域；

[0301] 第二步：第一车辆5在确定危险区域的同时，确定一个轨迹预测周期T；

[0302] 第三步：第一车辆5依次确定目标6和危险目标7在一个轨迹预测周期内的运动轨迹，并在各运动轨迹上取一些离散点，得到目标6的离散点集合、目标7的离散点集合和目标4的离散点集合。

[0303] 第四步：第一车辆5对目标6的离散点集合中的每个点构建几何图形，对几何图形和危险区域进行碰撞检测，检测结果为真，则认为目标6和第一车辆5可能发生碰撞，将目标6作为一个潜在危险目标；对于目标7，检测结果为假，则认为目标7和第一车辆不可能发生碰撞，将目标7过滤掉。

[0304] 第五步：确定危险目标，即目标4的危险等级。

[0305] 另外，上述图12B中，可按照危险等级显示危险目标，例如，危险等级越高，则该危险目标的颜色越红。

[0306] 根据图12A可知：本申请实施例所述的自动驾驶危险目标确定方法，可避免第一车辆选择距离更近的干扰目标，实现第一车辆正确选择前方有危险目标的目的。

[0307] 图13是本申请实施例提供的一种自动驾驶危险确定方法的过程示意图。请参照图13，第一车辆8的旁边有一个目标9，该目标9是一辆与第一车辆8同向行驶的车辆，目标9先从第一车辆8右侧驶入(cut in)所在的车道，然后从左侧驶出(cut out)，行驶路线如图中点划线所示。这个过程中目标9一开始并不是一个危险目标，然后在驶入危险区域的瞬间被选中为危险目标，最后又驶离危险区域，成为一个安全目标。第一车辆8确定目标9是否为潜在危险目标的过程，可参见上述实施例，此处不再赘述。

[0308] 图14为本申请实施例提供的一种自动驾驶危险目标确定装置的结构示意图。本实施例所涉及的自动驾驶危险目标确定装置可以为终端设备，也可以为应用于终端设备的芯片。该自动驾驶危险目标确定装置可以用于执行上述实施例中终端设备的功能。如图14所示，该自动驾驶危险目标确定装置200可以包括：

[0309] 第一确定模块21，用于利用第一车辆的第一运动状态数据，确定轨迹预测周期；

[0310] 第二确定模块22，用于利用所述第一运动状态数据，确定危险区域，所述危险区域用于指示一个所述轨迹预测周期内，与所述第一车辆可能发生碰撞的目标需要进入的区域；

[0311] 预测模块23，用于根据所述第一车辆周围的目标的第二运动状态数据，预测自当前时刻起一个所述轨迹预测周期内所述目标的运动轨迹；

[0312] 第三确定模块24，用于至少利用所述运动轨迹和所述危险区域，确定自所述当前时刻起一个所述轨迹预测周期内，所述目标是否为危险目标。

[0313] 一种可行的设计中，所述第二确定模块22，用于在所述当前时刻利用所述第一车辆上的第一类传感器采集所述第一运动状态数据，利用所述第一运动状态数据、设置在所述第一车辆上的第二类传感器的传感器参数中的至少一个，确定所述危险区域，所述第二类传感器用于采集所述目标的第二运动状态数据。

[0314] 一种可行的设计中，所述第一类传感器包括惯性测量单元，所述第二类传感器包括雷达，所述传感器参数包括所述雷达的感知半径，所述危险区域包括第一区域，所述第二确定模块22，用于利用所述第一车辆的车身宽度和安全保持距离，确定所述第一区域的宽度，所述第一区域的宽度大于所述车身宽度与预设倍数的第一安全保持距离之和，所述第一安全保持距离是所述第一区域平行于行驶方向的两侧的干扰目标相对于所述第一车辆安全时，所述干扰物与所述第一车辆之间的最短距离，所述第一区域与所述第一车辆之间相距安全距离，所述第一区域位于所述第一车辆行驶方向前方；利用硬件时延、所述第一运动状态数据、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度，所述第一区域的长度方向与所述第一车辆的行驶方向一致，所述第一区域的长度大于或等于所述第一车辆从触发安全措施到所述第一车辆执行完所述安全措施行驶的最短距离，所述硬件时延用于指示从触发安全措施开始到所述第一车辆开始执行所述安全措施之间的时延。

[0315] 一种可行的设计中，安全措施包括自动紧急刹车AEB，所述第二确定模块22，在利用硬件时延、所述第一运动状态数据、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度时，用于利用所述硬件时延、所述第一运动状态数据确定第一运动距离和第一刹停距离，所述第一运动距离用于指示所述第一车辆在所述硬件时延内的移动距离，所述第一刹停距离用于指示从触发所述AEB开始到所述第一车辆执行完所述AEB所需的最短距离，利用所述第一运动距离、所述第一刹停距离、所述雷达的感知半径以及所述安全距离，确定所述第一区域的长度。

[0316] 一种可行的设计中，当所述第一运动距离和所述第一刹停距离之和大于所述安全距离、且小于或等于所述雷达的感知半径时，所述第一区域的长度等于所述第一运动距离和所述第一刹停距离之和；或者，当所述第一运动距离和所述第一刹停距离之和小于所述安全距离时，所述第一区域的长度等于所述安全距离；或者，当所述第一运动距离和所述第一刹停距离之和大于所述雷达的感知半径时，所述第一区域的长度等于所述雷达的感知半径。

[0317] 一种可行的设计中，所述第二确定模块22，还用于确定第三区域的长度，所述第三区域的长度等于驾驶所述第一车辆的驾驶员从发现所述目标至所述驾驶员执行完刹车所述第一车辆所经过的最短距离；基于所述第三区域的长度、所述第一区域的长度和所述雷达的感知半径，确定所述危险区域的长度。

[0318] 一种可行的设计中，所述第二确定模块22在确定第三区域的长度时，具体用于利用反应时延、所述硬件时延、所述第一运动状态数据确定第二运动距离和第二刹停距离，所述反应时延用于指示驾驶员从发现所述目标开始至执行刹车时的时长，所述第二运动距离用于指示所述第一车辆在所述反应时延以及所述硬件时延内的移动距离，所述第二刹停距离用于指示从所述驾驶员开始执行刹车至所述第一车辆刹停所需的最短距离；将所述第二运动距离和所述第二刹停距离相加以得到所述第三区域的长度。

[0319] 一种可行的设计中，当所述第三区域的长度大于所述第一区域的长度、且小于或等于所述雷达的感知半径时，所述危险区域的长度等于所述第三区域的长度；或者，当所第三区域的长度小于所述第一区域的长度时，所述危险区域的长度等于所述第一区域的长度；或者，当所述雷达的感知半径小于所述第一区域的长度时，所述危险区域的长度等于所述雷达的感知半径。

[0320] 一种可行的设计中，所述第二确定模块22，还用于确定第二区域，当所述第三区域的长度大于所述第一区域的长度、且小于或等于所述雷达的感知半径时，所述危险区域的长度等于所述第三区域的长度时，所述第二区域的长度位于所述第一区域的远离车辆端至所述第三区域的远离车辆端之间，利用所述第一车辆所在道路的道路宽度和第二安全保持距离，确定所述第二区域的宽度，所述第二区域的宽度大于所述道路宽度与预设倍数的第二安全保持距离之和，所述第二安全保持距离是第二区域平行于所述行驶方向的两侧的干扰目标相对于所述第一车辆安全时，所述干扰目标与所述第一车辆之间的最短距离。

[0321] 图15为本申请实施例提供的另一种自动驾驶危险目标确定装置的结构示意图，本实施例提供的自动驾驶危险目标确定装置200，在上述图14的基础上还包括：优化模块25；所述优化模块25，用于从所述第二区域中去除所述雷达的盲区；或者，所述优化模块25，用于对所述第一区域与第二区域进行平滑处理。

[0322] 一种可行的设计中，所述第一确定模块21，用于利用所述第一车辆的硬件时延、所述驾驶员的反应时延和所述第一运动数据，确定实际周期，利用所述实际周期和下限周期，确定所述轨迹预测周期，所述下限周期用于指示所述轨迹预测周期的最小值，其中，当所述下限周期大于所述实际周期时，所述轨迹预测周期等于所述下限周期；当所述下限周期小于所述实际周期时，所述轨迹预测周期等于所述实际周期。

[0323] 一种可行的设计中，所述第三确定模块24，用于从所述运动轨迹上确定出多个离散的点，以得到离散点集合，为所述离散点集合中的每个离散点构建几何图形，以得到每个离散点对应的几何图形，所述几何图形用于表征所述目标，确定各所述离散点对应的几何图形与所述危险区域是否具有重叠部分，若所述几何图形与所述危险区域具有重叠部分，则确定所述目标为危险目标。

[0324] 再请参照图15，本申请实施例提供的自动驾驶危险目标确定装置200还包括：

[0325] 监控模块26，用于若所述目标为危险目标，则确定所述危险区域和所述几何图形的相交时刻、相交位置以及重叠区域面积，利用所述相交时刻、所述相交位置以及所述重叠区域面积，确定所述目标的危险等级，实时监控所述目标，若所述目标的危险度等级超过预设等级，则触发所述安全措施。

[0326] 一种可行的设计中，所述预测模块23，用于确定所述当前时刻所述目标在所述第一车辆的车体坐标系下的第一坐标，自所述当前时刻开始，根据所述第一坐标和第二运动数据，预测所述目标在一个所述轨迹预测周期内的所述运动轨迹，所述运动轨迹的起点为所述第一坐标。

[0327] 一种可行的设计中，所述第三确定模块24，用于确定所述运动轨迹与所述危险区域的之间的距离是否小于预设阈值；若所述运动轨迹与所述危险区域的之间的距离小于预设阈值，则确定自所述当前时刻起一个所述轨迹预测周期内，所述目标为危险目标。

[0328] 一种可行的设计中，上述的自动驾驶危险目标确定装置200还包括：显示模块27，用于在第一车辆中控的显示屏上显示危险区域和危险目标。

[0329] 图16为本申请实施例提供的又一种自动驾驶危险目标确定装置的结构示意图。请参照图16，本实施例提供的自动驾驶危险目标确定装置300包括：

[0330] 第一类传感器31、第二类传感器32、处理器33和存储器34，其中，

[0331] 所述第一类传感器31，用于采集第一车辆的第一运动状态数据；

[0332] 所述第二类传感器32，用于采集目标的第二运动状态数据；

[0333] 所述存储器34上存储可在所述处理器33上运行的计算机程序，所述处理器33执行所述计算机程序处理所述第一运动状态数据和所述第二运动状态数据时，执行如上所述的自动驾驶危险目标确定方法。

[0334] 可选地，该自动驾驶危险目标确定装置300还包括通信接口35。其中，处理器33、存储器34以及通信接口35可以通过总线36连接。

[0335] 在上述在自动驾驶危险目标确定装置的实现中，存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互，也就是存储器和处理器可以通过接口连接，也可以集成在一起。例如，这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接，如可以通过总线连接。存储器中存储有实现数据访问控制方法的计算机执行指令，包括至少一个可以软件或固件的形式存储于存储器中的软件功能模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理。

[0336] 存储器可以是，但不限于，随机存取存储器(Random Access Memory，简称：RAM)，只读存储器(Read Only Memory，简称：ROM)，可编程只读存储器(Programmable Read‑Only Memory，简称：PROM)，可擦除只读存储器(Erasable Programmable Read‑Only Memory，简称：EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read‑Only Memory，简称：EEPROM)等。其中，存储器用于存储程序，处理器在接收到执行指令后，执行程序。进一步地，上述存储器内的软件程序以及模块还可包括操作系统，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通信，从而提供其他软件组件的运行环境。

[0337] 处理器可以是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称：CPU)、网络处理器(Network Processor，简称：NP)等。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。

[0338] 在上述基础上，本申请还提供一种芯片，包括：逻辑电路、输入接口，其中：所述输入接口用于获取待处理的数据；所述逻辑电路用于对待处理的数据执行前述的自动驾驶危险目标确定方法，得到处理后的数据。可选的，该芯片还可以包括：输出接口，所述输出接口用于输出处理后的数据。其中，输入接口获取的待处理的数据包括第一运动状态数据、第二运动状态数据等，输出接口输出的处理后的数据包括目标是否为潜在危险目标、潜在危险目标的危险等级等。

[0339] 本申请还提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序，所述程序在被处理器执行时用于执行前述的自动驾驶危险目标确定方法。

[0340] 本申请实施例还提供一种计算机程序产品，当所述计算机程序产品在第一车辆上运行时，使得所述第一车辆执行前述的自动驾驶危险目标确定方法。

[0341] 本领域普通技术人员应理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质，具体的介质类型本申请不做限制。