06步骤四 如何确定辅助通行区域
其实，这个专利核心的创新点在于辅助通行区域的判断，这是该专利最有实用价值且最难的部分，不确定性很大。
在宽阔的车道通行区域两辆相向而行的车会车，这没什么可测算的。
现实中，绝大部分有水泥公路、设计双方向单车道的路上，都不会存在让2辆小车无法并行通过的情况。
国内中型货车宽大多数在2．3－2．4上下，长大概6米，连接城市间或城镇间的等级公路，单向多车道公路每条机动车道宽度为3米，单向单车道公路每条车道为3－3．5米。
但是，确实也存在大客车大卡车这类体积较大的车进入窄道公路，大卡车和小轿车在会车时，因道路宽度问题，小轿车须借道或者让道。
因为大卡车、小轿车并行的车体宽度接近水泥公路本身的宽度，这让会车变的非常危险。
所以，难点也在这，小轿车要么先停在路边让道，要么必须需要借助辅助通行区域加大会车区域避开大体积车，保证自身行驶安全。
如何测算并确定辅助通行领域，并估算安全值呢？因为，如前文所言，辅助通行区域并不一定是绝对安全的。
集度的工程师提供了一种解决思路，套路类似，大规模搜集实时图片信息，甩到AI数据库，提炼数据特征，找到符合的样本，智能化判定辅助通行领域的安全度。
通过车辆传感器采集的信息以及摄像头拍摄获得车辆车轮前方的高清画面，形成车外环境图像包。
将大量汇集车况、路况信息的图像包丢至区域识别模型。
简单说，这区域识别模型就是大量双向单车道道路信息的数据库。
任何一般意义上的双向单车道路况情况都在这个数据库里找到类似特征的样本。
为了进一步确认辅助通行区域的安全，系统还会将辅助通行区域的路况信息再次清洗、梳理、判定。
实际处理流程较为复杂，简化后逻辑是这样的。
首先，可以通过图像算法对采集到的乡村道路数据进行道路数据特征提取，并将提取到的道路特征与算法模型对比分类，确定图像中的道路信息。
例如，道路信息可以包括道路类型，道路类型包括但不限于水泥路面、沥青路面、泥土路面、草地、农田、沟渠、水面、深坑、台阶、护栏。
乡村道路辅助通行区域判断树
道路信息还可以包括高度信息。
例如，通过激光雷达、毫米波雷达、前视摄像头、右侧轮胎专用摄像头等传感器，感知乡村道路交界面处（即辅助通行区域）的高度信息，得到水泥路面与辅助通行区域在交界处的高度差异以及高度变化率。
然后，通过对辅助通行区域特征的提取分类及识别，以及对车道通行区域和辅助通行区域两侧高度差及其变化率的判断，将辅助通行区域分为第一区域、第二区域和第三区域。
第一区域、第二区域和第三区域，这是数据库对信息梳理后的判定结果。
简单的说，第一区域为车辆可安全行驶的区域，第二区域为车辆可能可安全行驶的区域，第三区域为车辆非安全行驶的区域。
如果辅助通行区域是第三区域，即被系统判定为非安全行驶领域，则会车区域只能是车道通行区本身。
上面说的比较抽象，下面举个实例，方便大家理解。
这是一处农村窄道公路的实景图，
AA范围就是车道通行区，
B1 B2 B3属于辅助通行区域
以乡村道路为例，上图为一种乡村道路的实景图，如图所示，一辆智能车行驶在乡村道路上，根据实时拍摄的图片，将信息送入区域识别模型数据库中，得到辅助通行区域的判定。
车道通行区域示为AA，车道通行区域两侧为辅助通行区域。
以其中一侧为，在远离车道通行区域AA的方向上依次为B1，B2和B3。
虽说B1 B2 B3都为辅助通行区域，AA属于安全行驶区域（第一区域），B1大概率属于安全行驶区域，B2大概率属于可能安全行驶的领域（第二区域），B3大概率属于非安全行驶的区域（第三区域）。
本身来说，判定B1、B2、B3是否安全，尤其是B2、B3是否安全，是很难的事。
当两部车会车时，两部车并行的车身宽度接近道路本身的宽度，所以其中一部车就要借助B1、B2辅助通行区域，扩大目标会车区域，从而避开危险。
但是，如果借助辅助通行区域太大，到了B3的领域，很可能车就陷入更大的危机中，开进泥潭深沟去。
所以辅助通行区域的范畴多大？如何判定？是高风险点。
一不注意，开进沟里了
