自动驾驶碰撞检查

自动驾驶碰撞检查

简单来说主要从三个维度考虑，空间尺度，时间尺度和维度。举个栗子，和人开车一样，远处看下地图的拥堵情况，空间尺度有10km，时间尺度往往有10分钟，维度上红黄绿，要不要换线。近处看下前面老大爷会不会碰瓷，空间尺度10m，时间尺度100ms，维度上看他动作，要不要避让。这两个行为不一样，但你能感觉到任何一件事消耗的精力差别不大。计算机一样，如果把时空和维度数量算一个三维坐标系，换算栅格的数量往往是一样的。
碰撞算法一般近场时间空间尺度小，维度偏向微观，远场时间空间尺度大，维度偏向宏观，但是计算粒度三者的体积是一样的，也就是说对算力的要求类似。因此，可以在近场使用栅格等精确算法，中场采用polygon box等检测算法，远场使用点表征或者属性表征。并且考虑在CPU等并行架构，可以把三种算法放入三个核处理，进一步提高及时性。

障碍物的表征方法

说到自动驾驶的碰撞算法，先要说的是自动驾驶的障碍物表征，确认表征，才能确认算法。障碍物的表征方法一般有这么几种：

• 属性表征:很多碰撞并不表征几何位置，可能一个属性就表达了，比如右前方换道并入，常出现在深度学习相关算法中，也会叠加在如下所有的几何表征上
• 点表征: 最粗的障碍物表征，多用于静态，朝向不敏感的物体
• 点+一维航向+速度: 粗粒度的障碍物表征，毫米波的输出关键信息
• obb(box)+一维航向+速度: 中粒度的障碍物表征，视觉语义输出的关键信息, 特别说下Axis Aligned Bounding Box一般是用在图像坐标系下，一般在其他坐标系下是用于粗匹配和粗碰撞筛选上
• polygon+一维航向+速度: 中高粒度的障碍物表征，激光一般输出关键信息
• 栅格(点云)+光流:高粒的障碍物表征，激光相机做底层预处理后输出的关键信息

障碍物碰撞算法

• 配合无属表征，一般都是简单规则算法，针对右前方并入的属性，如果不叠加障碍物位置信息就是一个常规固定值的轻微减速，如果叠加了位置信息就是一个一维的TTC计算，获得减速度。
• 剩下的就是纯粹的几何计算过程，也就是点，线段，包络的计算。本次也将详细介绍几何计算。

自动驾驶的碰撞检测原理并不新鲜，和2 D游戏中的碰撞检测原理相同，原理大多是超平面分割定理，难点在如何提高碰撞检测的效率或者精度，这个方法和技巧就不简单了。自动驾驶是二维平面上的规划问题，二维平面上常用的有三种：

在这里插入图片描述

球体

也就是将物体都等效为外接圆/外接球，利用球/圆来检测两个多边形是重合是及其方便的：圆心的距离和半径之和比较即可。
这种方法的优点缺点是如此明显：
优点：运算速度快
缺点：精度低
这种球体检测的方式在自动驾驶中应用的不多。一是这种方法的精度太低了，相邻车道的车都会检测出碰撞检测。二是感知给出的障碍物大多是方形的，没必要将其转化为圆形。

AABB（Axis Aligned Bounding Box）

从名称中大致能理解其中意思：沿着轴的包围盒子。也就是将物体用方形的盒子包围，这个方形的盒子的四条边都是和坐标轴平行的。

这种方法来判断是否重合的计算量比较小：分别提取每个包围盒的x/y轴的最大值和最小值，变为一维轴上的线段重合检测，如果x轴或者y轴存在不相交的情况，则二者不重合。
这种方法的相比于圆的碰撞检测，精度提高很多，尤其适合形状就是方形的物体（车辆），并且运量并不多，没有三角函数这种耗时大的运算。

OBB（Oriented Bounding Box）

但是AABB的碰撞检测精度有限，比如在如下情况：
很明显的是AABB的包围盒与实际相比过大，精度十分有限。因此OBB这种不是一定要沿着坐标轴的包围盒就有优势了。
OBB的定义很简单，就是找一个最小的包围物体的方形。这在自动驾驶中是很自然的，上层的感知给出的数据通常就是这种OBB的图形。其中OBB的碰撞检测原理就是分离轴定理，示意图如下：
为了判断两个OBB是否发生重叠，可使用分离轴定理。因为分离轴应与A和B的表面正交，可选p, q, s, t为分离轴，然后将OBB投影到这些轴上。如果两个OBB在所有这些轴上的投影相互重叠，则两者相交，否则不相交。因此，为了知道两个OBB是否重叠，只需要找到一条可以使A和B的投影不重叠的轴线即可。肉眼可知，q轴是唯一能将这两个投影分开的轴。

碰撞检查注意事项

是不是越复杂的算法越好

碰撞的算法和表征没有最好一说，精确算法都面临三个问题，对感知要求更高，对计算时间需求更大，对关联信息依赖更大，这导致了算法非常脆弱和不稳定。如果全部选择简单的算法，耗时可以保证，稳定性可以保证，但问题是精度不足，导致特别是近距离，司机开个门，车辆体积异常等情况无法处理。所以，算法不是越复杂越好，要考虑使用场景，硬件算力等情况。

参考文献：1.https://www.zhihu.com/question/351926770