交叉路口碰撞警示系统的概率目标选择和威胁评估方法以及应用

摘要

本发明公开了交叉路口碰撞警示系统的概率目标选择和威胁评估方法以及应用。一种系统和方法提供用于车辆避免撞目的的目标选择和威胁评估，其使用雷达扫描回波的概率分析。该系统确定主车辆的行驶路径，并提供从主车辆上的传感器发射的雷达信号。该系统接收来自被探测物体的多个扫描回波点，处理扫描回波点来生成限定每个被探测物体的轮廓的分布信号，并且处理扫描回波点以提供每个被探测物体的位置、平移速度和角速度。该系统选择可能进入主车辆的行驶路径中的物体，并且通过比较指示物体可能进入行驶路径中的扫描回波点数量与已被接收的用于该物体的扫描点数量，对那些物体进行威胁评估。

说明书

技术领域

本发明总地涉及一种系统和方法，用于在车辆防撞(VCA)系统中提供目标选择和威胁评估，并且更特别地，涉及一种系统和方法，用于在使用雷达/激光雷达扫描回波的概率分析的VAC系统中提供目标选择和威胁评估。 

背景技术

现代汽车有时包括防撞系统，其采用物体探测传感器，这些传感器用于能够实现碰撞警告或避免以及其它主动安全性应用。物体探测传感器可以使用多种技术中的任一种，例如短距离雷达、长距离雷达、具有图像处理的照相机、激光器或激光雷达、超声波等。物体探测传感器探测在主车辆的路径中的车辆和其它物体，并且应用软件使用物体探测信息来提供警告或采取适当措施。在很多车辆中，物体探测传感器直接集成入到车辆的前保险杠或其它饰板中。 

为了使防撞系统最优地执行，物体探测传感器必须与车辆正确地对齐。例如，如果传感器探测到在主车辆的路径中的物体，但是，由于传感器没有对齐，传感器确定该物体稍微到主车辆的路径的一侧，这对于应用软件能够产生显著后果。即使在车辆上有多个前视物体探测传感器，它们全部正确地对齐也是十分重要的，以便最小化或消除冲突的传感器读数。 

传统车辆雷达传感器在每个取样时间仅提供来自被探测物体的单个雷达回波。雷达回波典型地是点，其指示整个物体的位置。因此，物体的确切位置在取对于雷达回波源于该物体的哪个部分的不同位置被认别，有时导致了漏掉的碰撞警告。同样地，在系统中的噪声能够指示雷达回波来自稍微偏离物体实际位置的位置，有时导致了错误的碰撞指示。 

发明内容

依照本发明的教导，公开了—种系统和方法，来提供用于车辆避免碰撞目的的目标选择和威胁评估，其使用雷达扫描回波概率分析。该系统使用主车辆 的运动动态来确定主车辆的行驶路径，且提供从主车辆上的至少一个传感器发射的雷达信号。该系统接收来自反射雷达信号的—个或多个被探测物体的多个扫描回波点，处理扫描回波点来生成限定每个被探测物体的轮廓的分布信号，并且处理扫描回波点来提供每个被探测物体的位置、平移速度和角速度。该系统使用每个物体的分布、位置、平移速度和角速度来选择可能处于或进入主车辆的行驶路径中的物体，并且通过比较指示物体处于或可能进入行驶路径中的扫描回波点数量与已被接收的用于该物体的扫描点数量，对处于或可能进入主车辆的行驶路径中的那些物体进行威胁评估。 

方案1、一种用于在主车辆上的防撞系统中提供目标威胁评估的方法，所述方法包括： 

使用所述主车辆的运动动态确定所述主车辆的行驶路径； 

从所述主车辆上的至少一个传感器发射扫描信号； 

在所述主车辆处接收来自反射所述扫描信号的一个或多个被探测物体的多个扫描回波点； 

使用所述扫描信号来生成限定每个被探测物体的轮廓的分布信号； 

使用所述扫描回波点来计算每个被探测物体的位置、平移速度和角速度； 

使用每个物体的分布信号、位置、平移速度和角速度来选择可能处于或进入所述主车辆的行驶路径中的物体；以及 

通过比较指示所述物体处于或可能进入所述行驶路径中的扫描回波点数量与已被接收的用于该物体的扫描点数量，来确定处于或可能进入所述主车辆的行驶路径中的那些物体的威胁评估。 

方案2、如方案1所述的方法，其中，生成每个物体的分布信号包括：在随后的取样时间处使用高斯混合模型更新所述分布信号。 

方案3、如方案1所述的方法，其中，选择可能处于或进入所述主车辆的行驶路径中的物体包括降低所述分布信号的复杂性至降低的扫描点数量。 

方案4、如方案3所述的方法，其中，选择可能处于或进入所述主车辆的行驶路径中的物体包括使用概率技术。 

方案5、如方案4所述的方法，其中，所述概率技术包括提供作为高斯分布的每个降低的点数量。 

方案6、如方案4所述的方法，其中，所述概率技术包括使用蒙特卡罗法， 其将所述分布信号分离为多个质点。 

方案7、如方案1所述的方法，进一步包括：执行传感器可见性分析以确定所述传感器中的一个或多个是否在特定方向正被阻挡，其中，确定威胁评估包括如果所述传感器之一被阻挡则确定碰撞威胁。 

方案8、如方案7所述的方法，其中，执行传感器可见性分析包括：如果确定所述主车辆处于或接近交叉路口，则执行传感器可见性分析。 

方案9、如方案8所述的方法，其中，执行传感器可见性分析包括确定所述主车辆的速度。 

方案10、如方案1所述的方法，其中，确定威胁评估包括确定所述扫描回波点中的一个或多个的碰撞时间。 

方案11、如方案10所述的方法，其中，确定威胁评估包括识别碰撞时间值的数量小于预定阈值。 

方案12、如方案1所述的方法，其中，确定威胁评估包括提供潜在碰撞的警告并且提供用于逼近碰撞的自动制动。 

方案13、如方案1所述的方法，其中，所述至少一个传感器是雷达传感器。 

方案14、一种用于在主车辆上的防撞系统中提供目标威胁评估的方法，所述方法包括： 

使用所述主车辆的运动动态确定所述主车辆的行驶路径； 

从所述主车辆上的至少一个雷达传感器发射雷达信号； 

在主车辆处接收来自反射所述雷达信号的一个或多个被探测物体的多个扫描回波点； 

使用所述雷达信号生成限定每个被探测物体的轮廓的分布信号，其中，生成每个物体的分布信号包括在随后的取样时间处使用高斯混合模型更新所述分布信号； 

使用所述扫描回波点来计算每个被探测物体的位置、平移移速度和角速度； 

使用每个物体的分布信号、位置、平移速度和角速度来选择可能处于或进入所述主车辆的行驶路径中的物体，其中，选择可能处于或进入所这主车辆的行驶路径中的物体包括使用概率技术；以及 

通过比较指示所述物体处于或可能进入行驶路径中的扫描回波点数量与已被接收的用于该物体的扫描点数量，来确定处于或可能进入所述主车辆的行驶 路径中的那些物体的威胁评估，其中，确定威胁评估包括确定所述扫描回波点的一个或多个的碰撞时间。 

方案15、如方案14所述的方法，其中，选择可能处于或进入所述主车辆的行驶路径中的物体包括降低所述分布信号的复杂性至降低的扫描点数量。 

方案16、如方案15所述的方法，其中，所述概率技术包括提供作为高斯分布的每个降低的点数量。 

方案17、如方案14所述的方法，其中，所述概率技术包括使用蒙特卡罗法，其将所述分布信号分离为多个质点。 

方案18、如方案14所述的方法，进一步包括：执行传感器可见性分析以确定所述传感器中的一个或多个是否在特定方向正被阻挡，其中，确定威胁评估包括如果所述传感器之一被阻挡则确定碰撞威胁。 

方案19、如方案18所述的方法，其中，执行传感器可见性分析包括：如果确定所述主车辆处于或接近交叉路口，则执行传感器可见性分析。 

方案20、如方案19所述的方法，其中，执行传感器可见性分析包括确定所述主车辆的速度。 

本发明的附加特征从下面的描述和所附权利要求结合附图将变得明显。 

附图说明

图1是包括多个雷达或激光雷达传感器的车辆的示意图； 

图2是示出了包括不探测处于其行驶路径中的目标车辆的传统雷达传感器的主车辆的示意图； 

图3是示出了包括传统雷达传感器的主车辆的示意图，当目标车辆没有在主车辆的行驶路径中时，该传统雷达传感器探测目标车辆处于行驶路径中； 

图4代表在两个连贯取样时间处的雷达扫描群地图； 

图5是在不同形状的各种目标上的雷达扫描点的示意图； 

图6是示出了主车辆使用多个扫描点正确地探测到处于其行驶路径中的目标车辆的示意图； 

图7是示出了在目标车辆没有处于主车辆的行驶路径中时主车辆不正确地探测到目标车辆处于主车辆的行驶路径中的示意图； 

图8是车辆上的威胁评估系统的框图； 

图9是示出来自目标坐标框架中的目标的雷达回波点分布的图形； 

图10是在世界坐标视图中示出的交叉路口处的碰撞路径上的两个车辆的示意图； 

图11是在车辆坐标视图中示出的碰撞路径上的两个车辆的示意图； 

图12是主车辆接近交叉路口的示意图，在该交叉路口隐藏车辆可能在主车辆前面进入该交叉路口； 

图13是示出了用于提供传感器可见性分析和威胁评估的方法的流程图；以及 

图14是以时间为横轴和以计数(count)为纵轴显示威胁评估报警区域的图形。 

具体实施方式

本发明实施例的下述讨论指向一种系统和方法用于在车辆防撞系统中使用多个雷达/激光雷达扫描点的概率分析来提供目标选择和威胁评估，这种讨论在本质上仅是示例的，并且决没有意图限制本发明或其应用或用途。例如，本文所讨论的概率技术可具有用于除了车辆防撞系统以外的其它系统的应用。 

图1是车辆10的示意图，该车辆包括，前视传感器12、后视传感器14、右侧视传感器16和左侧视传感器18。传感器12-18意图代表任何可应用于车辆防撞系统并且可适用于本文所描述目的的传感器，包括雷达传感器、激光雷达传感器、照相机等，它们中的很多在机动车领域中是已知的。传感器12-18可被安装在是车辆10的部件的任何合适结构之内或之上，例如保险杠、饰板(facie)、栅格、侧视镜、门板等，本领域技术人员对此会有很好的理解和赏识。来自传感器12-18的传感器数据被提供给处理该数据以提供避免碰撞功能的防撞系统22。系统22意图代表处理传感器数据和提供本文所讨论的信号和操作所必须的任何和/或所有装置、电路、处理器、软件等。 

如上所提及的，如果传感器12-18是传统的雷达传感器，它们会提供单个的雷达回波。图2是图示50，示出了包括追踪目标车辆54的防撞系统(未示出)的主车辆52，其中，在车辆52前方的路径56是车辆52的当前行驶方向的碰撞路径。主车辆52包括一个或多个传统雷达传感器(未示出)，其提供来自目标车辆54的单个雷达扫描回波点58。如图所示，扫描回波点58是从车辆54的没 有处于碰撞路径56中的一部分的反射。图示50意图示出漏掉的报警状况，其中，部分或全部目标车辆54处于主车辆52的碰撞路径56中，但是扫描点58指示车辆54处于路径56外部，其中，车辆52上的防撞系统将不会提供潜在碰撞的警告。 

图3是类似于图示50的图示60，其中，相似的元件由相同的附图数字标记。在图示60中，目标车辆54完全在碰撞路径56外部。然而，单个扫描回波点58(在该案中其位置受到噪声影响且不在车辆54上)位于碰撞路径56中，提供了错误的碰撞报警状况。 

有时被用车辆上以探测车辆周围的物体并且提供这些物体的范围和方位的许多现代类型的雷达传感器提供来自物体的反射，作为多个扫描点，其结合作为点群范围地图，其中，提供独立扫描点用于穿过传感器视野的每1/2°。因此，如果在主车辆前方探测到目标车辆或其它物体，可能返回有多个扫描点，其识别目标车辆离主车辆的距离。通过提供扫描回波点群，具有各种且任意形状的物体，例如卡车、拖车、自行车、行人、护轨、K路障等等，可更易于被探测，其中，物体越大和/或越接近主车辆，提供越多的扫描点。其它类型的传感器也提供包括多个扫描点的点群范围地图，包括激光雷达传感器、立体照相机，即两个或更多个照相机，等等。 

车辆可以具有多个传感器来提供围绕车辆的360°视野。这些多个传感器可以包括侧视传感器、后视传感器和前视传感器。每个传感器独立于其它传感器追踪在其视野中的物体。使用来自多个传感器的扫描回波点，生成了扫描地图来追踪在主车辆附近的物体。对于具有多个传感器的车辆，返回多个扫描点群地图，并且对于重叠的传感器视野，这些传感器可追踪相同物体。必要的是结合这些传感器的扫描点地图，使得由这些传感器追踪的相同物体被作为单个目标处理。 

在本领域中已知的多种系统使用传感器提供如在本文讨论的多个扫描回波点来同时探测多个物体。图4是图示30，示出了在一个时间点处的扫描回波点34的群地图32以及在接下来的时间点处的扫描回波点38的群地图36。图示30示出了从较早时间点到较晚时间点的扫描点34的映射(mapping)。在一个实施例中，以大约100毫秒的速率在下一个数据框架中提供新的群。 

图5是主车辆72的图示70，主车辆72包括防撞系统(未示出)，提供来 自车辆72附近的各种物体的雷达扫描回波点。例如，在车辆72前方的卡车74提供扫描点回波78群，并且沿着车辆72侧面的路障76提供扫描回波点80群。与仅提供单个回波点的传统雷达传感器相反，每个被探测物体包括多个扫描回波点以从中选择，来确定碰撞是否可能或很可能。图示70示出各种目标可具有各种并且不同的形状。明显的是，所述扫描点组可能能够识别物体的形状。 

图6是类似于图示50的图示90，其中，相似元件由相同的附图数字标记。在这个实施例中，主车辆52包括传感器(未示出)，其提供了扫描点回波94的群92，使得能够识别目标车辆54的形状。图示90示出了目标车辆54处于碰撞路径56中且扫描回波点94提供了潜在碰撞的指示，称为真正(true positive)。 

图7是类似于图示90的图示100，其中，相似元件由相同的附图数字标记。在图示100中，目标车辆56没有处于碰撞路径56中，然而扫描点回波102之一处于碰撞路径56中，其将提供报警将况，称为真负(true negative)。 

如上面所讨论的，传统雷达传感器具有由于仅提供单个雷达回波点而导致的漏掉报警和错误报警的缺点。提供多个扫描点回波的现代雷达传感器由于多个扫描点回波而能够降低漏掉报警和错误报警的数量。可使用不同技术来利用多个回波点。本发明提出一种技术，其中，在主车辆和目标车辆之间的潜在或可能碰撞由概率分析(probability analysis)来识别，该概率分析使用统计学和柱状图，通过比较从处于碰撞路径中的目标车辆返回的扫描点的百分比与阈值，确定目标车辆是否处于或可能进入主车辆的碰撞路径。换句话说，统计分析可被使用，其包括比较从目标接收的扫描点数量与处于碰撞路径中的那些扫描点数量来确定碰撞是否可能或很可能。如将被讨论的，多个数据框架以这种方式被统计分析来确定碰撞可能性。 

注意到的是，本文的讨论可以具体地涉及目标车辆和雷达传感器。然而，如本领域技术人员将领会到的，本发明具有用于主车辆路径中的任何物体的探测，其中，主车辆可以包括任何类型的传感器，其从物体提供多个扫描回波点。 

图8是示出用于在车辆防撞系统中提供目标威胁评估的方法的框图110。在方框112处，防撞系统使用提供扫描点群地图的与本文的讨论一致的一个或多个传感器提供物体感测。扫描点群地图以传感器的取样速率被提供给方框114，其中，如果使用多个传感器则算法执行数据融合，以及如果使用多种类型的传感器则算法执行传感器分类。本领域技术人员已知用于这个目的的许多适 合的数据融合和传感器分类算法。该算法还在方框116处使用来自现有传感器已经可用的车辆动态数据(例如车速、车辆横摆角速度(vehicle yaw rate)、转向角、侧滑等)确定主车辆的预测路径(碰撞路径)。本领域技术人员也已知可用于这个目的的许多适合的车辆动态算法。 

融合和分类的扫描点地图被提供给概率目标代表方框118，其生成扫描回波点的分布p(x)来代表被探测目标的每一个的形状。在一个非限制性实施例中，分布p(x)是图9中所示类型的概率分布函数(PDF)，例如，柱状图。图9是具有在两个轴上的位置(x，y)和在另一轴上的PDF的曲线图，其中，在特定位置处的扫描回波点的数量确定了在那个位置处的PDF的量值。在这个示例中，PDF描绘了目标车辆后部或前部和侧面的形状。 

通过将在一个扫描群地图中的点记录到下一个扫描群地图，由PDF代表的轮廓在每个取样时间处被持续更新。例如，如果群32代表来自一个取样时间的扫描点并且群36代表下一个取样时间的扫描点，其中，群32是物体模型M，S是当前扫描群36，m是在物体模型M中的扫描点，并且s是群S中的扫描点，则该分布通过提供群32中的扫描点向群36中的扫描点的刚性转换来更新。以这个方式使用目标相对于目标车辆的参考中心r的平移速度v和角速度ω追踪每个被探测目标。 

每个取样时间的PDF和分布p(x)的更新可被执行如下。通过提供物体模型M、当前雷达地图S(群)和从物体模型M到雷达地图S的先前刚体运动v⁽⁰⁾，该算法通过下面的迭代运算确定刚体运动v： 

$v^{(n=+1)}={\arg \min }_v{\Sigma }_{j,k}{\hat{A}}_{\mathrm{jk}}(\frac{{\left|\right|s_j{T}_{p^{\left(n\right)}}\left(m_k\right)\left|\right|}^2}{{\sigma }_1},---\left(1\right)$

其中，s_j和m_k分别是扫描点和模型点，并且T_v(n)是操作器在第n时段(epoch)点x在Δt期间应用刚性运动v。权重是s_j成为模型m_k测量的估计概率。 

物体模型M模型化为如下的高斯混合模型(GMM)(Gaussian mixture model)： 

$p(x;M)={\Sigma }_{k=1}^{n_M}\frac{1}{n_M}p\left(x\right|m_k),---\left(2\right)$

$p\left(x\right|m_k)=\frac{1}{{\left({2\mathrm{\pi \sigma }}^2\right)}^{\frac{3}{2}}}\exp (-\frac{{\left|\right|x-m_k\left|\right|}^2}{{2\sigma }^2}).---\left(3\right)$

让参数m_k分布为： 

$p\left(m_k\right)=N(v_k,\frac{{\sigma }^2}{{\eta }_k}).---\left(4\right)$

更新规则设为： 

$v_k^{\prime }=\frac{{\rho }_k{\bar{s}}_k+{\eta }_k{T}_{{\bar{y}}_{t+1}}\left(v_k\right)}{{\rho }_k+{\eta }_k},---\left(5\right)$

${\rho }_k={\Sigma }_j{\hat{A}}_{\mathrm{jk}},{\bar{s}}_k={\Sigma }_j{\hat{A}}_{\mathrm{jk}}{s}_j/{\rho }_k,---\left(6\right)$

η′_k＝η_k+ρ_k.    (7) 

目标车辆的分布或轮廓p(x)、目标车辆的位置(x₀，y₀)、目标车辆的平移运动(速度)(v_x，v_y)和目标车辆的角速度ω从概率目标代表方框118被输出，并且提供给传感器可见性分析方框120、威胁评估方框122和目标选择方框124。来自方框116的主车辆的预测路径也被提供给目标选择方框124。方框124中的目标选择算法使用概率技术来仅选择已被探测作为潜在地处于与主车辆的碰撞路径中的那些目标。目标选择算法降低了分布p(x)的复杂性，例如，通过提供具有高斯分布的数量减少的要素p(x|m_k)(由点m_k表示)，其按照本领域技术人员熟知的方式组合以形成目标的轮廓。 

在一个示例中，如果主车辆处在交叉路口，则可以探测到处于交叉车道上的车辆处于与主车辆的碰撞路径中。图10是交叉路口132的图示130，包括交叉的车辆行驶车道134和136。示出的主车辆138行驶在车道136中且示出的目标车辆140行驶在车道134中。主车辆138具有速度V_x且目标车辆140具有速度V_y。在图示130中，车辆138和140在世界坐标视图(x，y)中被描绘，其中，坐标系的原点位于主车辆138的重心(CG)。 

图11是示出了主车辆138和目标车辆140处于与图示130中的方位相同的方位中、但是在车辆坐标系视图中的图示142。示出的主车辆138具有围绕它用 作缓冲器的碰撞包层146，来使车辆138比其实际的大，用于碰撞运算。示出的目标车辆140具有扫描点144，其是上面提及的实际扫描回波点的减少数量，其中，扫描点144从PDF取样，其最佳识别目标车辆140的位置，来降低计算复杂性。通过提供用于每个目标的模型，目标车辆140位于与主车辆138的潜在碰撞路径上的概率被确定。如果概率大于预定阈值，目标车辆140被选择。例如，如果减少数量的点的任一个会进入包层146，算法则确定目标车辆处于与主车辆138的碰撞路径上。 

在另一实施例中，概率目标选择技术使用蒙特卡罗法。在这个方法中，分布p(x)被取样用于每个目标车辆的每个模型，其被探测成K质点{x_kk＝1，...，K}。如果质点穿过主车辆138的包层136，该质点就处于与主车辆138的碰撞路径中，其中，包层146可被增加或减少来校准目标选择算法的敏感性。对于每个质点x_k，质点速度v_k计算如下： 

v_k＝v+(x_k-r_o)xω，    (8)，给定目标中心r₀，、目标平移速度v和角速度ω。 

如果在主车辆上的传感器在特定方向被阻挡，则在方框120中的传感器可见性分析算法提供目标探测分析。图12是示出了包括并排车道154和156与横向车道158交叉的交叉路口152的图示150。主车辆162行驶在车道156中且意图右转向进入车道158。第一目标车辆160在交叉路口152处停在车道154中且第二目标车辆164沿着车道158朝着主车辆162行驶。由线168表示的来自主车辆162的雷达扫描，具有由圆圈166标记的范围，探测目标车辆160，但是不能探测目标车辆164，这是由于雷达信号被目标车辆160阻挡了。 

图13是流程图17，示出了用于在方框120的传感器可见性分析的方法。该算法开始于椭圆172处，并且前进到方框174用于探测交叉路口。交叉路口探测方法在方框176处可以包括，例如，使用传感器(例如，照相机)或使用数字地图数据探测在交叉路口处的停止线、停止标记或停止灯。如果探测到交叉路口152，该算法随后在决择菱形框178处确定主车辆162是否正接近交叉路口152，并且如果是的话，在方框180处提供传感器可见性分析。传感器可见性分析可以包括确定目标、例如目标车辆160是否正被探测到，并且如果是的话，确定它是否位于主车辆162的一些最小距离内，例如30米，由圆圈166代表。 基于在最小距离内探测到的物体，那些物体的位置可以使得算法设置指示潜在威胁可能存在的标示。该算法随后在决择菱形框182处确定主车辆速度是否大于预定阈值。如果主车辆速度高于该阈值且算法指示存在潜在威胁，该算法则提供潜在碰撞警告，或者如果在方框184处确定碰撞即将来临，则提供制动，其在威胁评估方框122中执行。该算法随后回到方框174来提供交叉路口探测。如果在决择菱形框178处主车辆162没有接近交叉路口或在决择菱形框182处主车速低于阈值，那么算法也回到方框174来提供交叉路口探测。 

传感器可见性数据和目标选择数据也提供给在在方框122中的威胁评估算法，其确定威胁评估。威胁评估算法确定目标车辆上的每个点的碰撞时间(TTC)，这些点被选择位于主车辆的路径中。换句话说，每个点的TTC被分析，以确定接收到的点所来自的目标车辆是否是碰撞威胁。在碰撞计算的充足(robust)时间中，该算法并不选择对主车辆产生威胁的所有目标，而仅选择那些具有正的TTC的目标，这些目标随后被分析。目标车辆的TTC是目标点的分布，其中，每个点具有位置和速度，由(x，y，v_x，v_y)表示。 

$\mathrm{TTC}={\min }_i-\frac{x_i}{v_{\mathrm{xi}}}={\min }_i-\frac{y_i}{v_{\mathrm{yi}}}---\left(9\right)$

TTC值的分布可通过使用所有目标的TTC的柱状图来估计。图14是以TTC为横轴和以计数(count)数量为纵轴的图形190，其示出了上面提及的分布。图190中的每个条192代表点数量，其具有全部目标在那个时间的TTC。柱状图194示出了条192的轮廓。线196限定了TTC值，低于该值，将给出报警和强硬制动，这取决于低于线196的点数量。低于线196的点数量除以柱状图194中的总点数量给出碰撞概率。 

如果确定威胁评估较小，随后算法可以提供信号给由方框126代表的警告装置，并且如果确定碰撞即将来临，随后威胁评估算法提供信号给代表强硬制动的方框128。在一个非限制性实施例中，如果碰撞概率对于三秒的阈值是30％则给出警告，并且如果碰撞概率对于0.6秒的阈值大于30％则提供自动制动。 

如本领域技术人员将很好理解的，本文所讨论的以描述本发明的一些不同步骤和方法可以指由计算机、处理器或其它使用电现象处理和/或变换数据的电子计算装置执行的操作。那些计算机和电子装置可以采用各种易失性或非易失 性存储器，包括非暂存性计算机可读媒介，具有存储于其上的可执行程序，包括能够由计算机或处理器执行的各种编码或可执行指令，其中，存储器和/或计算机可读媒介可包括所有形式和类型的存储器和其它计算机可读媒介。 

前面的讨论仅是公开和描述本发明的示例性实施例。本领域技术人员从这样的讨论以及从附图和权利要求将容易地认识到，在其中能够进行各种改变、修改和变形，而不偏离下面权利要求所限定的本发明的精神和范围。