05另一專利，解決鬼探頭視野盲區(qū)

另一個百度的專利，公開號CN113753081A，公開日2021年12月07日，該專利涉及自動控制領(lǐng)域，涉及一種激光雷達(dá)路側(cè)盲區(qū)交通參與者避讓方法和裝置。

這個專利專門解決激光雷達(dá)無法識別障礙物遮擋造成的盲區(qū)問題，即預(yù)防汽車行駛路線鬼探頭問題！

這問題是行業(yè)最棘手的！

在無人駕駛車輛中，集成了多類傳感器：GPS－IMU（慣性測量單元，InertialMeasurement Unit）組合導(dǎo)航模塊、相機(jī)、激光雷達(dá)、毫米波雷達(dá)等傳感器。

無人駕駛車輛行駛過程中，主要依靠激光雷達(dá)對障礙物進(jìn)行檢測，但是，現(xiàn)有無人駕駛車輛的障礙物檢測，只能檢測到出現(xiàn)在激光雷達(dá)視野中的障礙物，無法檢測由于障礙物遮擋造成的盲區(qū)中的情況。

換句話說，激光雷達(dá)的眼睛只能看到前方障礙物，看不到障礙物身后的東西。

比如“鬼探頭”，即行人、自行車、車輛、動物等交通參與者突然從其他大障礙物（公交車）遮擋造成的盲區(qū)中出現(xiàn)，而無人駕駛車輛只能在識別到交通參與者后才能進(jìn)行反應(yīng)，如剎車燈；由于突然出現(xiàn)的交通參與者留給無人駕駛車輛的反應(yīng)時間有限，即使剎車也可能會發(fā)生碰撞，這就增加了突發(fā)危險和事故發(fā)生的幾率。

這個專利構(gòu)思的技術(shù)方案實(shí)用性比較大，有不錯的參考價值。

06步驟一 準(zhǔn)備好軟硬件設(shè)備

1）行車電腦或車載終端可以控制激光雷達(dá)傳感器以某一頻率采集某一區(qū)域的點(diǎn)云數(shù)據(jù)。無線連接方式可以包括但不限于3G／4G連接、WiFi連接、藍(lán)牙連接、WiMAX連接、Zigbee連接、UWB（ultra wideband）連接、以及其他現(xiàn)在已知或?qū)�來開發(fā)的無線連接方式。

2）激光雷達(dá)的規(guī)格可以采用16線、32線或者64線等等。其中線數(shù)越高表示激光雷達(dá)的單位能量密度越大。

3）本實(shí)施例中，裝在當(dāng)前車輛上的激光雷達(dá)在每一秒中旋轉(zhuǎn)360次，掃描當(dāng)前車輛周圍一圈的待識別的障礙物的信息，為一幀待識別的障礙物的信息。本實(shí)施例中的待識別的障礙物的信息可以包括待識別的障礙物的點(diǎn)云以及待識別的障礙物的反射值。當(dāng)前車輛周圍的待識別的障礙物可以有一個，也可以有多個。激光雷達(dá)掃描之后，可以以當(dāng)前車輛的質(zhì)心位置為坐標(biāo)系的原點(diǎn)，并取平行于水平面的兩個方向分別為x方向和y方向，作為長度方向和寬度方向，垂直于地面的方向?yàn)閦方向，作為高度方向。然后可以根據(jù)待識別障礙物的點(diǎn)云中的每一個點(diǎn)與原點(diǎn)的相對位置和距離，在坐標(biāo)系中標(biāo)識待識別的障礙物。

4）獲取無人駕駛車輛周圍的待識別障礙物的信息后，利用預(yù)設(shè)的點(diǎn)云識別模型對所述待識別障礙物進(jìn)行識別。所述預(yù)設(shè)的點(diǎn)云識別模型可以是各種預(yù)先訓(xùn)練的能夠識別點(diǎn)云數(shù)據(jù)中障礙物的算法，例如可以是ICP算法（Iterative Closest Point，就近點(diǎn)搜索法）、隨機(jī)森林算法等。在利用上述點(diǎn)云識別模型識別點(diǎn)云數(shù)據(jù)中的障礙物后，對識別出的障礙物進(jìn)行標(biāo)注，得到標(biāo)注結(jié)果。在對識別出的障礙物進(jìn)行標(biāo)注時，標(biāo)注出的形狀可以為與各障礙物外切的最小長方體，也可以是與各障礙物的外表面貼近的不規(guī)則曲面�？梢岳斫獾氖�，上述標(biāo)注結(jié)果中包括對各障礙物的識別結(jié)果，例如點(diǎn)云數(shù)據(jù)中包括車輛、交通參與者以及樹木，則標(biāo)注結(jié)果中也包括表示不同障礙物的標(biāo)號或文字，如1代表公交車、2代表小汽車、3代表交通參與者等。

07步驟二：測算路側(cè)盲區(qū)

這步比較關(guān)鍵，因?yàn)獒槍Φ木褪敲�區(qū)鬼探頭，突然從前方公交車身后出來一部摩托車搶道闖紅綠燈橫穿路口，這樣導(dǎo)致車毀人亡的事不要太多。

哪怕是個老司機(jī)都未必反應(yīng)的過來。

如何測算路測盲區(qū)？

在百度工程師的定義中，路側(cè)盲區(qū)一般是由�？吭诼穫�(cè)或行車在無人駕駛車輛的外側(cè)車道的大型車輛，例如公交車、卡車造成的。由于其體積較大，會遮擋激光雷達(dá)的掃描，使無人駕駛車輛無法獲知其外側(cè)是否存在交通參與者。交通參與者突然從路側(cè)盲區(qū)進(jìn)入無人駕駛車輛所在道路，即使無人駕駛車輛進(jìn)行剎車，由于剎車距離的限制，很可能仍會與所述交通參與者發(fā)生碰撞。

判斷當(dāng)前道路場景是否為潛在碰撞場景，判斷標(biāo)準(zhǔn)包括：存在路側(cè)盲區(qū)、所述路側(cè)盲區(qū)為大型車輛造成、所述大型車輛單獨(dú)位于道路外側(cè)車道。

優(yōu)選地，對路側(cè)盲區(qū)，一般僅考慮由大型車輛造成的路側(cè)盲區(qū)。預(yù)設(shè)的點(diǎn)云識別模型可以識別對應(yīng)的障礙物類型和尺寸，以判斷所述障礙物是否為大型車輛。

優(yōu)選地，通過無人駕駛車輛的攝像頭等傳感器，識別道路車道線，確定所述大型車輛是否位于道路外側(cè)車道。如果判斷為�？颗c道路外側(cè)車道的大型車輛，則其為到站上下乘客的公交車的概率較大，對于這種情況，很有可能有交通參與者從公交車車頭突然進(jìn)入無人駕駛車輛所在車道（與無人駕駛車輛同向行駛的公交車），或從公交車車尾突然進(jìn)行無人駕駛車輛所在車道（與無人駕駛車輛相向形式的公交車）。

優(yōu)選地，若所述大型車輛單獨(dú)位于道路外側(cè)車道，則認(rèn)為所述大型車輛前方的路側(cè)盲區(qū)中出現(xiàn)交通參與者從車頭突然進(jìn)入無人駕駛車輛所在車道（與無人駕駛車輛同向行駛的公交車），或從公交車車尾突然進(jìn)行無人駕駛車輛所在車道（與無人駕駛車輛相向形式的公交車）的概率較大。