技术领域 本发明涉及自动驾驶技术领域，尤其涉及一种基于雷达数据的碰撞时间计算方法、装置、车辆及介质。 背景技术 毫米波雷达是辅助驾驶系统和自动驾驶系统中被广泛使用的一种传感器，主要应用于中长距离的自适应巡航控制(ACC，Adaptive Cruise Control)、自动制动系统(AEB，Autonomous Emergency Braking)等功能中；其中，自适应巡航控制可以在交通阻塞期间减小由于频繁起动/停止操作引起的驾驶负担，而安全车距模型作为ACC系统的主要控制策略，如果控制策略太保守将导致加塞，太激进容易导致追尾；在该安全车距模型中，碰撞时间(TTC，time to collision)是这个模型的核心指标，指的是假设保持当前的相对速度，两车发生追尾所需要的时间，在获取到这一碰撞时间后，就能够触发车辆的其它控制策略，以实现车辆的自动驾驶；例如，乘用车的自动制动系统控制策略就需要基于这一碰撞时间进行触发；再如，某些AEB系统在碰撞前1.3秒就要触发紧急制动；又例如，可通过预测精确的碰撞时间来解决基于物理接触的安全气囊展开算法的局限性问题，提高驾乘人员的安全。 现有技术中，毫米波雷达获取与前车的相对距离后将其微分成相对速度，并将相对距离除以相对速度，即可得到本车与前方车辆或障碍物之间的碰撞时间；但毫米波雷达测得的距离信号容易受到外界杂波的干扰，如果将相对距离直接微分，求得的相对速度会放大杂波，导致计算得到的碰撞时间不准确，进而影响车辆行驶时的安全性。 因此，需要一种基于雷达数据的碰撞时间计算方法、装置、车辆及介质，将两车间的相对加速度变化融入碰撞时间计算方法中，提升碰撞时间的计算精度，降低杂波的影响，确保车辆行驶时的安全性。 发明内容 针对上述现有技术中存在的问题，本发明提供了一种基于雷达数据的碰撞时间计算方法、装置、车辆及介质，将两车间的相对加速度变化融入碰撞时间计算方法中，能够大大提升碰撞时间的计算精度，使得估算得到的碰撞时间更接近真实碰撞时间，同时降低杂波的影响，确保车辆行驶时的安全性。所述技术方案如下： 一方面，本发明提供了一种基于雷达数据的碰撞时间计算方法，包括： 基于相对加速度的运动学公式，建立距离与时刻的二次方程； 获取毫米波雷达监测到的雷达数据；其中，所述雷达数据至少包括车辆与前车的相对距离和采样所述相对距离对应的当前时刻； 根据所述雷达数据与估算矩阵，对所述二次方程的系数进行估算处理，得到所述二次方程的多个估算系数； 根据所述估算系数，通过所述二次方程进行计算，得到所述相对距离为零时的预测时刻； 根据所述当前时刻与所述预测时刻进行碰撞预测处理，得到碰撞时间。 进一步地，所述估算矩阵为协方差矩阵，所述估算矩阵的初始值为单位矩阵。 进一步地，所述根据所述雷达数据与估算矩阵，对所述二次方程的系数进行估算处理，得到所述二次方程的多个估算系数包括： 根据所述雷达数据与前一时刻采样点的所述估算矩阵进行初步估算处理，得到当前所述采样点的权重因子；其中，所述采样点与所述雷达数据一一对应； 根据所述雷达数据、所述权重因子和前一时刻采样点的系数状态进行估算处理，得到当前的系数状态；其中，所述系数状态由多个所述估算系数构成。 进一步地，在所述根据所述估算系数，通过所述二次方程进行计算，得到所述相对距离为零时的预测时刻之后，所述方法还包括： 判断所述预测时刻是否大于所述当前时刻，以选择所述预测时刻的值；其中，所述预测时刻的值为两个； 若两个所述预测时刻均大于所述当前时刻，则所述预测时刻为两个所述预测时刻中的最小值； 若只有一个所述预测时刻大于所述当前时刻，则所述预测时刻为大于所述当前时刻的值。 进一步地，在所述根据所述估算系数，通过所述二次方程进行计算，得到所述相对距离为零时的预测时刻之后，所述方法还包括： 判断所述预测时刻的值是否为虚数； 若所述预测时刻的值为虚数，则将所述预测时刻设置为自适应常数； 若所述预测时刻的值不为虚数，则执行所述判断所述预测时刻是否大于所述当前时刻，以选择所述预测时刻的值的步骤。 进一步地，所述获取毫米波雷达监测到的雷达数据还包括： 获取预设时间区间内所述毫米波雷达监测到的所述雷达数据； 根据所述预设时间区间的大小，对所述当前时刻进行平移处理，得到平移后的所述当前时刻，用于计算所述预设时间区间内的所述碰撞时间。 进一步地，在所述根据所述预设时间区间的大小，对所述当前时刻进行平移处理，得到平移后的所述当前时刻，用于计算所述预设时间区间内的所述碰撞时间之后，所述方法还包括： 对所述预设时间区间进行平移处理； 根据前一个所述预设时间区间估算得到的系数状态作为初始系数状态，计算平移后的所述预设时间区间内的所述碰撞时间。 另一方面，本发明提供了一种基于雷达数据的碰撞时间计算装置，至少包括： 构建模块，用于基于相对加速度的运动学公式，建立距离与时刻的二次方程； 获取模块，用于获取毫米波雷达监测到的雷达数据；其中，所述雷达数据至少包括车辆与前车的相对距离和采样所述相对距离对应的当前时刻； 估算处理模块，用于根据所述雷达数据与估算矩阵，对所述二次方程的系数进行估算处理，得到所述二次方程的多个估算系数； 计算模块，用于根据所述估算系数，通过所述二次方程进行计算，得到所述相对距离为零时的预测时刻； 碰撞预测处理模块，用于根据所述当前时刻与所述预测时刻进行碰撞预测处理，得到碰撞时间。 本发明还提供一种车辆，包括以上所述的基于雷达数据的碰撞时间计算装置，集成于所述车辆的控制器中。 本发明还提供一种介质，所述介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现以上所述的基于雷达数据的碰撞时间计算方法。 实施本发明，具有如下有益效果： 1、本发明将两车间的相对加速度变化融入碰撞时间计算方法中，能够大大提升碰撞时间的计算精度，使得估算得到的碰撞时间更接近真实碰撞时间，同时能够降低杂波的影响，进一步提升估算的碰撞时间的精确度；而碰撞时间精确度的提升，使得车辆能够有冗余时间去决策介入控制车辆的时间点，提升车辆驾驶策略的决策实时性和可靠性，从而确保车辆行驶时的安全性。 2、本发明利用估算矩阵与权重因子，将前后时刻采样点的数据结合起来，利用前一时刻采样点的估算矩阵和系数状态等数据去估算当前时刻的系数状态，能够进一步降低计算误差，使得估算得到的系数状态更加逼近真实值，进而提升计算得到的预测时刻以及碰撞时间的准确性。 3、本发明除了能够估算瞬时的碰撞时间，还能够对一段时间内的相对距离采样点进行估算，得到任意一段时间内的碰撞时间，适用性强。 附图说明 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。 图1为本发明提供的一个可能的实施方式中基于雷达数据的碰撞时间计算方法的逻辑结构图； 图2为本发明提供的一个可能的实施方式中估算处理的流程示意图； 图3为本发明提供的一个可能的实施方式中预测时刻的选择方法的逻辑结构图； 图4为本发明的一个可能的实施方式中基于雷达数据的碰撞时间计算方法的准确性仿真验证示意图； 图5为本发明提供的一个可能的实施方式中基于雷达数据的碰撞时间计算装置的结构示意图。 具体实施方式 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。 需要说明的是，本发明的说明书和权利要求书及附图中的术语 " 第一 " 、 " 第二 " 等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本发明的实施例能够以除了下述图示或下述描述以外的顺序实施。此外，术语 " 包括 " 和 " 具有 " 以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。 现有技术中，毫米雷达波测得的距离信息易受外界杂波干扰，如果将相对距离直接微分，求得的相对速度会放大杂波，导致计算得到的碰撞时间不准确；针对这一问题，本实施例提供了一种基于雷达数据的碰撞时间计算方法，该基于雷达数据的碰撞时间计算方法可以应用于本发明实施例的基于雷达数据的碰撞时间计算装置，该基于雷达数据的碰撞时间计算装置可以配置于车辆的控制器中，考虑了相对加速度变化的影响，车辆的控制器预先建立距离与时刻的二次方程，当出现碰撞时间的计算需求时，控制器获取毫米波雷达监测到的雷达数据，之后控制器控制进行计算，根据雷达数据和一个随着时刻变化的估算矩阵，对二次方程中的各个系数进行估算处理，得到最接近真实值的多个估算系数，再将这些估算系数代入二次方程进行计算，得到相对距离为零、即车辆与前车碰撞时的预测时刻，则该预测时刻与当前时刻的差值即为碰撞时间。 下面对本发明实施例的技术方案进行详细介绍，参考说明书附图1，该方法包括： S101，基于相对加速度的运动学公式，建立距离与时刻的二次方程。 在运动学中，通常用二次函数来解决运动学中的追击问题，例如求相遇的时间、相距的最近或最远距离，而两追击物体间的距离Δs刚好就是时间t的二次函数： Δs＝at2+bt+c 其中，该函数的水平轴为时间，而纵轴为两个追击物体之间的相对距离。 而将该二次函数与运动学公式相比较，则可以得到距离与时间的运动学公式： dk+1＝0.5Akt2+Vkt+dk 其中，Ak为相对加速度，Vk为相对速度，dk为相对距离。 则在该步骤中，建立距离与时刻的二次方程为： 其中，ak、bk、ck均为二次方程的估算系数，分别称为二次估算系数、一次估算系数和零次估算系数，k表示第k个采样点，该采样点指的是后续S103步骤中采样相对距离时对应的采样点，则该采样点的信息中包括S103步骤中获取的雷达数据。 由上述运动学公式与二次方程比较可知，相对加速度与欲估算的二次估算系数之间存在以下关系：Ak＝2ak。 S103，获取毫米波雷达监测到的雷达数据；其中，所述雷达数据至少包括车辆与前车的相对距离和采样所述相对距离对应的当前时刻。 当监测到前方有车辆或者障碍物时，毫米波雷达持续监测自身车辆与前车之间的相对距离，并将该相对距离以及监测到该相对距离的当前时刻持续输出到控制器中，以备后续计算；那么，从0时刻到tk时刻之间的所有相对距离数据进行估算，可以将毫米波雷达测得的相对距离用与时刻相关的二次方程表示为： 其中，代表已知的时间向量；表示欲估算的系数状态，也是一种向量；tk代表当前第k个采样点的当前时刻，即毫米波雷达监测到雷达数据的那一时刻，属于真实世界的时间(相当于二次函数中的x轴)。 S105，根据所述雷达数据与估算矩阵，对所述二次方程的系数进行估算处理，得到所述二次方程的多个估算系数。 具体地，在本实施例中，估算矩阵为协方差矩阵，并且随着当前时刻或者采样点的变化，估算矩阵也随之变化，将该估算矩阵设为P，则在0时刻，将该估算矩阵的初始值设置为单位矩阵I，即 在该步骤中，对系数进行估算处理需要利用上一时刻采样点的信息，例如，利用前一时刻采样点的系数状态来计算当前时刻采样点的系数状态通过一系列估算公式，即可从0时刻一直重复循环计算，估算得到当前时刻采样点的系数状态，即当前时刻的多个估算系数，这样循环计算的方式能够使得误差最小，从而使得估算系数的值逼近真实值，运算准确性与可靠性高。 S107，根据所述估算系数，通过所述二次方程进行计算，得到所述相对距离为零时的预测时刻。 其中，预测时刻表示通过本发明的计算方法计算得到的自身车辆与前车可能发生碰撞的时刻，设该预测时刻为那么，将S105步骤中估算得到的估算系数ak、bk、ck代入上述二次方程，并使此时的相对距离为0，即akt2+bkt+ck＝0，则通过该二次方程可以计算得到预测时刻的公式为： S109，根据所述当前时刻与所述预测时刻进行碰撞预测处理，得到碰撞时间。 在该步骤中，可以直接将当前时刻与预测时刻相减计算两者之间的时间差，直接得到碰撞时间(TTC)，即 而在整个计算过程中考虑了相对加速度的影响，使得计算得到的碰撞时间TTC相比于未考虑相对加速度的碰撞时间更加接近真实的碰撞时间值。 具体地，如说明书附图2所示，在本说明书的一个可能的实施方式中，所述根据所述雷达数据与估算矩阵，对所述二次方程的系数进行估算处理，得到所述二次方程的多个估算系数，即S105步骤还可以具体包括： S202，根据所述雷达数据与前一时刻采样点的所述估算矩阵进行初步估算处理，得到当前所述采样点的权重因子；其中，所述采样点与所述雷达数据一一对应。 S204，根据所述雷达数据、所述权重因子和前一时刻采样点的系数状态进行估算处理，得到当前的系数状态；其中，所述系数状态由多个所述估算系数构成。 如上述S105步骤中的说明，利用前一时刻采样点的系数状态来计算当前时刻采样点的系数状态则估算公式为： 其中，Kk为当前第k个采样点的权重因子，Rk代表当前第k个采样点的相对距离，Pk为当前第k个采样点的估算矩阵，而λ为遗忘因子。 则通过以上三个估算公式，能够从0时刻一直重复循环计算得到第k个采样点的系数状态；以第一个采样点为例，能够将用前一时刻采样点的系数状态来表示，即用0时刻的系数状态表示，在本发明的基于雷达数据的碰撞时间计算方法中，将0时刻的数据设为初始值，以R0表示毫米波雷达所测量的相对距离初始值，系数状态的初始值设为则通过S202步骤可以得到第一个采样点的权重因子为： 其中，P0＝I，代表单位矩阵，而为第一个采样点的时间向量，可以通过毫米波雷达获取到的当前时刻t1获得。 将K1代入系数状态的估算公式，通过S204步骤能够得到第一个采样点的系数状态为： 此外，在估算过程中，估算向量也是变化的，则第一个采样点的估算向量为： 通过以上估算公式，可以得到当前第一个采样点的系数状态和估算向量，这两个估算结果又可以进一步代入三个估算公式，以估算下一时刻、即第二个采样点的权重因子和估算向量，得到第二个采样点的系数状态；以此类推，通过持续的计算，就能够估算得到第k个采样点的权重因子、估算向量和系数状态，估算误差小，能够使得估算得到的系数向量、即估算系数ak、bk、ck最大限度地贴近真实值，进而保证最终计算得到的碰撞时间能够最大限度地逼近真实值，准确性和可靠性高。 具体地，如说明书附图3所示，在本说明书的一个可能的实施方式中，在所述根据所述估算系数，通过所述二次方程进行计算，得到所述相对距离为零时的预测时刻之后，即S107步骤之后且S109步骤之前，所述方法还包括： S305，判断所述预测时刻是否大于所述当前时刻，以选择所述预测时刻的值；其中，所述预测时刻的值为两个。 S307，若两个所述预测时刻均大于所述当前时刻，则所述预测时刻为两个所述预测时刻中的最小值。 S309，若只有一个所述预测时刻大于所述当前时刻，则所述预测时刻为大于所述当前时刻的值。 在运动学中，二次函数的图像与x轴的两个交点代表追击过程中的两个相遇点，若图像与x轴无交点,则不可能相遇,这可用判别式是否大于或等于零判定:若判别式大于零有两个解,表示相遇两次；若判别式等于零,图像和x轴有且只有一个交点,即顶点在x轴上,表示追击过程中只相遇一次；若判别式小于零,图像与x轴无交点,表示不可能相遇。 则在S107步骤中，计算得到的两个预测时刻的值可能相等，也可能不相等，而若两个预测时刻的值均大于当前时刻，由于车辆不可能与前车碰撞两次，在与当前时刻较近的哪一个预测时刻时就已经发生了碰撞，因此，选择两个预测时刻中的最小值作为预测时刻；另外，若只有一个预测时刻大于当前时刻，那么另一个预测时刻小于当前时刻，而碰撞发生显然不可能发生在当前时刻之前，在这种情况下，将大于当前时刻的这一个预测时刻的值选择为预测时刻，以备在S109步骤中进行计算。 具体地，如说明书附图3所示，在本说明书的一个可能的实施方式中，在所述根据所述估算系数，通过所述二次方程进行计算，得到所述相对距离为零时的预测时刻之后，即S107步骤之后且S109步骤之前，所述方法还可以包括： S301，判断所述预测时刻的值是否为虚数。 若所述预测时刻的值不为虚数，则执行所述判断所述预测时刻是否大于所述当前时刻，以选择所述预测时刻的值的步骤。 即在S305步骤之前，先根据二次函数的判别式对预测时刻的值进行判断，若bk2-4akck≥0，则代表预测时刻的值不是虚数，可以转入S305步骤进行后续判断。 S303，若所述预测时刻的值为虚数，则将所述预测时刻设置为自适应常数。 若bk2-4akck<0，代表预测时刻的值为虚数，此时，可以将预测时刻的值设置为一个自适应常数，而根据实际车型与车辆控制系统的不同，该自适应常数可以设置为任意常数，本发明对此不做限定，只要能够保证车辆有冗余时间进行决策以保证行驶安全即可；另外，在本说明书的一个可能的实施方式中，该自适应常数可以设置为10，既留有足够的警示时间，又不会过早导致决策效率低下。 具体地，本发明的基于雷达数据的碰撞时间计算方法不仅可以按照以上步骤以雷达监测的0时刻为初始值计算瞬时时刻的碰撞时间，还可以计算一段时间内的相对距离采样点的碰撞时间，此时，S103步骤，即所述获取毫米波雷达监测到的雷达数据还包括： 获取预设时间区间内所述毫米波雷达监测到的所述雷达数据； 根据所述预设时间区间的大小，对所述当前时刻进行平移处理，得到平移后的所述当前时刻，用于计算所述预设时间区间内的所述碰撞时间。 在这一过程中，随着新的采样点加入，平移采样点，即平移采样点对应的当前时刻，舍弃最旧的一个采样点；选取一段时间作为预设时间区间Yk，将该预设时间区间的大小设为n个采样点，将每一个采样点的采样时间设为T，并且，以预设时间区间的初始采样点作为初始值，对其当前时刻进行平移归零处理，即预设时间区间的初始当前时刻为0；而在预设时间区间的另一端，以平移后最新的采样点k作为预设时间区间的终值，则第k个采样点的发生时间、即当前时刻tk＝(n-1)T；将这一当前时刻对应到预设时间区间Yk，以下列公式表示预设时间区间： Yk＝[Rk-n+1K Rk-1 Rk]。 那么，针对预设时间区间Yk内的采样点，估算系数状态的估算公式可以表示为： 其中，i表示预设时间区间Yk内的第i个采样点。 而第i个采样点的当前时刻ti＝(i-1)T，其时间向量可以通过下列公式表示： 则当完成预设时间区间Yk内的n个采样点的计算之后，即可得到 此时，碰撞时间为： 而在本说明书的一个可能的实施方式中，本发明的基于雷达数据的碰撞时间计算方法除了可以对一段时间内的采样点进行平移，计算一段预设时间区间内的碰撞时间，还可以对预设时间区间进行平移处理，以计算任意预设时间区间内的碰撞时间。 具体地，在所述根据所述预设时间区间的大小，对所述当前时刻进行平移处理，得到平移后的所述当前时刻，用于计算所述预设时间区间内的所述碰撞时间之后，所述方法还包括： 对所述预设时间区间进行平移处理； 根据前一个所述预设时间区间估算得到的系数状态作为初始系数状态，计算平移后的所述预设时间区间内的所述碰撞时间。 对预设时间区间进行平移处理时，平移后的预设时间区间的初始值也发生了变化，那么，在估算平移后的预设时间区间的系数状态时，估算公式需要用到新的系数状态初始值，而由于上述针对一段时间内的采样点进行计算时已经得出在考虑平移采样点(当前时刻由tk变为tk+T)的作用下，可以利用来设定平移后的预设时间区间的初始值，即新的系数状态初始值为： 之后再根据这一新的系数状态初始值进行计算，得到平移后的预设时间区间的碰撞时间。 另外，为了验证本发明中基于雷达数据的碰撞时间计算方法的准确性，采用两车之间存在相对加速度的一种行车状态来验证，此处为了比较各种算法的差异，以碰撞时间TTC为10s作为检验该方法是否准确的依据，其仿真验证的对比结果如说明书附图4所示；其中，采用现有技术，例如2-State卡尔曼滤波器的计算结果不考虑两车相对加速度的影响，而本申请的基于雷达数据的碰撞时间计算方法考虑了加速度对碰撞时间TTC的影响，则由图中可以看出，在碰撞时间TTC的预估上，本发明的基于雷达数据的碰撞时间计算方法所得的计算结果明显比现有技术的计算结果更接近理想状态；假设在同一种情形下(即图4的条件下)，前、后车先以相同车速行驶，随后前方车辆以2m/s2的减速度减速，在前方车辆开始减速一秒后，后方车辆以1.5m/s2的减速度接近前车，由图4中可以看出本发明在第32秒左右就开始变化，明显优于第33秒左右才开始变化的2-State卡尔曼滤波器的计算结果；同时，由第33秒至第35秒的碰撞时间TTC变化可知，本申请的震荡更小且能够快速接近理想的碰撞时间TTC，表示本发明提供的基于雷达数据的碰撞时间计算方法具有更好的、对于驾驶员相对稳定的警告效果。 此外，在验证的过程中，还可以找寻出一组最佳的遗忘因子和采样用的一段时间的时间间隔大小，通过输入不同的遗忘因子的数值和时间间隔，判断其输出结果与理想状态下标准曲线的接近程度，如果偏移过多，则调整遗忘因子和时间间隔的数值，直至输出结果满足实际需要，进一步提升整个方法的计算准确性与可靠性。 通过上述实施例可知，本发明实施例中的基于雷达数据的碰撞时间计算方法具有以下有益效果： 1、本发明将两车间的相对加速度变化融入碰撞时间计算方法中，能够大大提升碰撞时间的计算精度，使得估算得到的碰撞时间更接近真实碰撞时间，同时能够降低杂波的影响，进一步提升估算的碰撞时间的精确度；而碰撞时间精确度的提升，使得车辆能够有冗余时间去决策介入控制车辆的时间点，提升车辆驾驶策略的决策实时性和可靠性，从而确保车辆行驶时的安全性。 2、本发明利用估算矩阵与权重因子，将前后时刻采样点的数据结合起来，利用前一时刻采样点的估算矩阵和系数状态等数据去估算当前时刻的系数状态，能够进一步降低计算误差，使得估算得到的系数状态更加逼近真实值，进而提升计算得到的预测时刻以及碰撞时间的准确性。 3、本发明除了能够估算瞬时的碰撞时间，还能够对一段时间内的相对距离采样点进行估算，得到任意一段时间内的碰撞时间，适用性强。 与上述本实施例提供的基于雷达数据的碰撞时间计算方法相对应，本发明实施例还提供一种基于雷达数据的碰撞时间计算装置，由于本发明实施例提供的基于雷达数据的碰撞时间计算装置与上述几种实施方式提供的基于雷达数据的碰撞时间计算方法相对应，因此前述基于雷达数据的碰撞时间计算方法的实施方式也适用于本实施例提供的基于雷达数据的碰撞时间计算装置，在本实施例中不再详细描述。 本发明实施例提供的基于雷达数据的碰撞时间计算装置能够实现上述方法实施例中的基于雷达数据的碰撞时间计算方法，如说明书附图5所示，该系统可以包括： 构建模块510，用于基于相对加速度的运动学公式，建立距离与时刻的二次方程； 获取模块520，用于获取毫米波雷达监测到的雷达数据；其中，所述雷达数据至少包括车辆与前车的相对距离和采样所述相对距离对应的当前时刻； 估算处理模块530，用于根据所述雷达数据与估算矩阵，对所述二次方程的系数进行估算处理，得到所述二次方程的多个估算系数； 计算模块540，用于根据所述估算系数，通过所述二次方程进行计算，得到所述相对距离为零时的预测时刻； 碰撞预测处理模块550，用于根据所述当前时刻与所述预测时刻进行碰撞预测处理，得到碰撞时间。 需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。 本发明实施例的基于雷达数据的碰撞时间计算装置通过采用相对距离变化的二次方程，利用相对距离为零的条件，考虑自身车辆与前车之间相对加速度的影响，相比于不考虑相对加速度影响的计算方法，本发明计算得到的碰撞时间响应更加及时，且更接近理想的碰撞时间值；同时，本发明还能够有效降低杂波的影响，提升碰撞时间的计算精确度，进一步保证车辆行驶的安全性。 本发明实施例还提供一种车辆，包括以上所述的基于雷达数据的碰撞时间计算装置，集成于车辆的控制器中，该控制器包括处理器和存储器，存储器中存储有至少一条指令或者至少一段程序，其中至少一条指令或者至少一段程序由处理器加载并执行以实现上述的基于雷达数据的碰撞时间计算方法；而在本说明书的一个可能的实施方式中，该控制器可以为车辆中的自动驾驶域控制器。 其中，处理器(或称CPU(Central Processing Unit，中央处理器))为基于雷达数据的碰撞时间计算装置的核心部件，其功能主要是解释存储器指令以及处理各个监测模块或者获取模块所反馈的数据；处理器的结构大致分为运算逻辑部件与寄存器部件等，运算逻辑部件主要进行相关的逻辑计算(如移位操作、逻辑操作、定点或浮点算术运算操作与地址运算等)，寄存器部件则用于暂存指令、数据与地址。 存储器为记忆设备，可用于存储软件程序以及模块，处理器通过运行存储在存储器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。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述装置的使用所创建的数据等；相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。 本发明实施例还提供一种介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现以上所述的基于雷达数据的碰撞时间计算方法；可选地，该介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器；此外，该介质可以包括但不限于随机存取存储器(RAM，RandomAccess Memory)、只读存储器(ROM，Read-Only Memory)、U盘、移动硬盘、磁盘存储器件、闪存器件、其他易失性固态存储器件等各种可以存储程序代码的介质。 需要说明的是，上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。 以上所描述的仅为本发明的一些实施例而已，并不用于限制本发明，本行业的技术人员应当了解，本发明还会有各种变化和改进，任何依照本发明所做的修改、等同替换和改进都落入本发明所要求的保护的范围内。 基于雷达数据的碰撞时间计算方法、装置、车辆及介质