CN106556405A - 一种基于智能手机传感器的车道检测方法 - Google Patents

Abstract

本发明公开了一种基于智能手机的车道检测方法，包括采样阶段和定位匹配阶段。采样阶段包括训练数据的采集、旋转矩阵R的获取以及目标车道对应阈值的获取，在已知的行驶路径上采集手机的三轴加速度传感器数据和陀螺仪数据，获得车辆的向心加速度和角速度及其半径‑时间特性曲线，阈值的选取为对应目标车道的半径的最大值；将车道与阈值的对应关系上传至服务器。定位匹配阶段将获得的半径‑时间特性曲线中半径的最大值与采样模块获得的车道与阈值的对应关系相匹配，确定目标车道。本发明不需要在车辆中添置额外的硬件设备，仅需要利用智能手机中的传感器就能实现，因此具有成本低、易普及的优势。

Description

一种基于智能手机传感器的车道检测方法

技术领域

本发明属于道路网络的导航技术领域，具体涉及一种基于智能手机的车道检测方法及其系统。

背景技术

随着无人驾驶汽车成为现实，与无人驾驶相关的技术已经成为当前的热点研究领域，其中就包括精确的车道定位技术。车道的精确定位在辅助驾驶系统技术和无人驾驶领域都有很重要的应用，因此已成为研究的热点。

已有的车道定位法尚存在如下不足：第一，某些方法需要利用特殊的增强的GPS定位设备，设备费用昂贵，且在车主之间的普及性极低，如公开号为CN105444770A、名称为“基于智能手机的车道级别地图生成和定位系统及方法”的发明，其提供了一种基于智能手机的车道级别地图生成和定位系统及方法，包括通过手机上内置的GPS、加速度传感器、方向传感器获取车辆的实时GPS、加速度、方向数据；然后手机客户端通过监测加速度传感器、方向传感器的变化，识别车辆变道和转弯时的动作点；手机客户端将获得的GPS数据上传至服务器；服务器将包含有车道信息的地图反馈给用户。该发明通过用户上传的GPS信息生成车道级别的地图，虽然提高了地图的精度，但成本较高。第二，某些方法通过摄像头拍摄路面标识，利用图像识别技术来定位车道，此类方法受外界因素的影响较大，比如前方被一些障碍车辆遮挡了，又或是恶劣的天气导致拍摄的影像辨识度不高。

发明内容

本发明的目的在于提供一种基于智能手机传感器的车道检测方法，当车辆在路口发生转弯行为时，就可较为精确的定位到车辆转弯后所在的车道。

为此，本发明提出一种基于智能手机传感器的车道检测方法，包括如下步骤：

步骤1—3为采样阶段：

步骤1：设置手机传感器的采样频率为5Hz-30Hz，手机放置在行驶的车辆中，获得静止时三轴加速度传感器的读数X_G＝{x_G,y_G,z_G}以及汽车变速时三轴加速度传感器的读数X_a＝{x_a,y_a,z_a}；由X_G和X_a可获得旋转矩阵R，继而将手机坐标系下的读数转化为车辆坐标系下的读数；

步骤2：将车辆转弯时的运动看作是圆周运动，采样时刻，获得车辆坐标系下X轴方向的加速度，即为向心加速度a；将陀螺仪的读数经过旋转矩阵的变换后获得车辆坐标系下绕Z轴旋转的角速度，即为圆周运动的角速度ω，求得采样时刻圆周半径

步骤3：在某一路口，对于从转弯道行驶至每一个不同的目标车道，根据不同采样时刻获得的圆周半径r，绘制半径-时间的特性曲线，参照半径的最大值获取区分目标车道的阈值δ₁，δ₂……δ_i，将本路口转弯行为的阈值和对应的目标车道的关系上传至服务器；

步骤4—5为定位匹配阶段：

步骤4：已知车辆在转弯前所处的转弯车道，使用手机中的位置服务定位车辆所在的路口，陀螺仪传感器检测车辆转弯行为；

步骤5：将转弯时获得的半径-时间变化特性曲线中半径的最大值与服务器端存储的阈值数据相比较，确定转弯后的目标车道，将确定后的车道位置上传至服务器。

进一步，上述步骤1中，车辆坐标系下各轴分量的获取又包括以下步骤：

步骤1-1：获得使手机坐标系与车辆坐标系相匹的旋转矩阵R， 其中k＝[x_k,y_k,z_k]^T是重力在三个坐标轴方向的分量组成的向量，再通过标准化获得的单位向量，通过低通滤波器作用在三轴加速度传感器上可获得单一的重力作用下，三轴加速度传感器的读数；j＝[x_j,y_j,z_j]^T是车辆发生变速或转向行为时，三轴加速度传感器获得的数值减去重力加速度在三轴上的分量，再通过标准化获得的单位向量；i＝[x_i,y_i,z_i]^T，由j叉乘k获得；

步骤1-2：对于本发明使用到的陀螺仪或是三轴加速度传感器，它们的读数X_p＝{x_p,y_p,z_p}乘上旋转矩阵R，就得到车辆坐标系下三轴的读数X_c＝{x_c,y_c,z_c}，即X_c＝X_p×R。

上述步骤2中，对于圆周半径的获取，包括：

步骤2-1：车辆坐标系下的加速度读数X_ca＝{x_ca,y_ca,z_ca}，三轴加速度传感器的读数X_pa＝{x_pa,y_pa,z_pa}，X_ca＝X_pa×R；车辆坐标系下的角速度读数X_cg＝{x_cg,y_cg,z_cg}，陀螺仪读数X_pg＝{x_pg,y_pg,z_pg}，X_cg＝X_pa×R。采样时刻向心加速度a的获取，即车辆坐标系下x轴的加速度读数x_ca；采样时刻角速度ω的获取，即陀螺仪读数转换到车辆坐标系下后绕z轴的读数z_pg；

步骤2-2：采样时刻的圆周半径其中a＝x_ca，ω＝z_pg。

上述步骤3中，根据半径-时间特性曲线中半径的最大值获取区分目标车道的阈值δ₁，δ₂……δ_i，i为目标车道数，是指δ₁为采样时多次行驶至目标车道1的半径-时间特性曲线中半径的最大值，δ₂为采样时多次行驶至目标车道2的半径-时间特性曲线中半径的最大值，依此类推，最后，将目标车道与所对应的阈值的关系上传至服务器。

上述步骤4中，使用手机中的位置服务定位车辆所在的路口，陀螺仪传感器检测车辆转弯行为包括：

步骤4-1：为路口设置接近警报，即在设备进入一个定义好的区域时会通知设备，检测车辆位于哪个路口，具体是将路口的经纬度坐标以及定义的距离半径存储在系统中，当手机通过位置服务检测到车辆已进入目标区域时，启用GPS位置服务来确定车辆所在路口，为了尽可能减少GPS的使用时间来优化电池寿命，在系统中需要使用手机的位置服务时，尽可能长时间地使用网络提供者，并且只有在网络提供者无法对设备与目标区域之间的距离做出准确预估的情况下，才会启用GPS提供者；

步骤4-2：陀螺仪传感器检测车辆转弯行为，车辆角速度的值在一段持续时间t₁内积分，是左转弯，是右转弯，ω(t)是车辆的瞬时角速度，ω(t)＝z_cg。

上述步骤5中，确定转弯后的目标车道具体包括：已知所在转弯车道和所在路口转弯车道的阈值与目标车道的关系，当检测到转弯事件时，将转弯时获得的半径-时间特性曲线中半径的最大值与服务器端存储的阈值数据相比较，按照规则，半径的最大值<δ₁,则定位在目标车道1；δ₁<半径的最大值<δ₂，定位在目标车道2；δ₂<半径的最大值<δ₃，定位在目标车道3，依此类推，确定转弯后的目标车道。

本发明还提出一种基于上述智能手机传感器的车道检测方法中使用的车道检测系统，包括采样模块和定位匹配模块；

采样模块包括训练数据的采集、旋转矩阵R的获取以及目标车道对应阈值的获取；驾驶车辆，在已知的行驶路径上采集手机的三轴加速度传感器数据和陀螺仪数据；训练数据采集完成之后在旋转矩阵R的作用下，获得车辆的向心加速度和角速度；然后根据不同时刻车辆的向心加速度和角速度获得半径-时间特性曲线，阈值的选取为对应目标车道的半径的最大值；将车道与阈值的对应关系上传至服务器；

定位匹配模块包括需要检测的数据和匹配机制；真实检测到路口的转弯行为，由传感器获得需要检测的数据；在旋转矩阵R的作用下，获得车辆的向心加速度和角速度，然后根据不同时刻车辆的向心加速度和角速度获得半径-时间特性曲线；定位匹配模块将此时获得的半径-时间特性曲线中半径的最大值与采样模块获得的车道与阈值的对应关系相匹配，服务器会回传一个目标车道。

与现有技术相比，本发明具有以下有益效果：

1，本发明中提出的车道检测系统和方法不需要在车辆中添置额外的硬件设备，仅需要利用智能手机中的传感器就能实现，因此具有成本低、易普及的优点。并且相较于传统的基于计算机视觉的车道检测技术，此发明的检测精确度受外界因素的干扰更小，如道路标识模糊又或是天气状况不佳导致的辨识不清，此类情况均在本发明中得到了避免。

2，本发明提出了一种将手机传感器读数转换为车辆坐标系下的读数的方法，无论手机在车辆中的摆放位置是什么样，均可以处理后得到车辆坐标系下需要的物理量。

3，本发明还尽可能地减少了使用的传感器的数量，以及GPS的使用，因此在手机资源的占用和电量的能耗上有较好的表现。

附图说明

图1为本发明的系统示意图。

图2为本系统应用场景的一般示意图。

图3为车辆坐标系与手机坐标系示意图。

图4为车道检测系统的结构图。

具体实施方式

现结合说明书附图对本发明创造作进一步详细说明。在此之前现对本发明使用的符号及其含义说明如下：

本发明利用智能手机的位置服务功能，以及三轴加速度传感器和陀螺仪这两种传感器，无须借助其他的硬件设备。当车辆经过某个路口产生转弯事件时，在转弯这个过程中，将车辆运动看作阶段性的圆周运动。首先，在采样阶段，由于手机传感器的读数不能直接用于车辆坐标系，要将获取到的传感器读数经过处理后才能得到有用的汽车坐标系下的物理量：圆周运动的向心加速度和角速度。获得仅在重力作用下三轴加速度传感器的读数X_G＝{x_G,y_G,z_G}，以及汽车变速时三轴加速度传感器的读数X_a＝{x_a,y_a,z_a}，经过变换后获得旋转矩阵R；手机传感器读数经过R的变换获得车辆坐标系下的读数；获得车辆坐标系下三轴加速度传感器X轴的读数x_a，即为向心加速度a；获得车辆坐标系下陀螺仪绕Z轴的读数z_g，即为角速度ω；求得采样时刻圆周半径绘制半径-时间的特性曲线，获取区分目标车道的阈值δ₁，δ₂……δ_i；将车道与阈值的关系上传至服务器。定位匹配阶段，利用手机的位置服务定位所在路口，检测车辆在路口的转弯行为，绘制半径-时间特性曲线，将半径-时间特性曲线的半径的最大值与服务器上存储的阈值与车道的关系相匹配，定位到对应的车道。

现对方法的流程进行说明：

步骤1—3为采样阶段，如图1的上半部分所示，包含以下步骤：

步骤1：设置手机传感器的采样频率，通常为5Hz-30Hz，优选为10Hz，手机放置在行驶的车辆中。获得静止时三轴加速度传感器的读数X_G＝{x_G,y_G,z_G}以及汽车变速时三轴加速度传感器的读数X_a＝{x_a,y_a,z_a}；由X_G和X_a可获得旋转矩阵R，继而将手机坐标系下的读数转化为车辆坐标系下的读数。

步骤2：将车辆转弯时的运动看作是圆周运动，采样时刻，获得车辆坐标系下X轴方向的加速度，即为向心加速度a；将陀螺仪的读数经过旋转矩阵的变换后获得车辆坐标系下绕Z轴旋转的角速度，即为圆周运动的角速度ω，求得采样时刻圆周半径

步骤3：在某一路口，对于从转弯道行驶至每一个不同的目标车道，根据不同采样时刻获得的圆周半径r，绘制半径-时间的特性曲线，参照半径的最大值获取区分目标车道的阈值δ₁，δ₂……δ_i，将本路口转弯行为的阈值和对应的目标车道的关系上传至服务器。

步骤4—5为定位匹配阶段，如图1的下半部分所示：

步骤4：已知车辆在转弯前所处的转弯车道，使用手机中的位置服务定位车辆所在的路口，陀螺仪传感器检测车辆转弯行为。

步骤5：将转弯时获得的半径-时间变化特性曲线中半径的最大值与服务器端存储的阈值数据相比较，确定转弯后的目标车道。将确定后的车道位置上传至服务器。

上述步骤1中，车辆坐标系下各轴分量的获取，具体处理步骤包括：

步骤1-1：获得使手机坐标系与车辆坐标系相匹的旋转矩阵R， 其中k＝[x_k,y_k,z_k]^T是重力在三个坐标轴方向的分量组成的向量，再通过标准化获得的单位向量，通过低通滤波器作用在三轴加速度传感器上可获得单一的重力作用下，三轴加速度传感器的读数；j＝[x_j,y_j,z_j]^T是车辆发生变速或转向行为时，三轴加速度传感器获得的数值减去重力加速度在三轴上的分量，再通过标准化获得的单位向量；i＝[x_i,y_i,z_i]^T，由j叉乘k获得。

步骤1-2：对于本发明使用到的陀螺仪或是三轴加速度传感器，它们的读数X_p＝{x_p,y_p,z_p}乘上旋转矩阵R，就得到车辆坐标系下三轴的读数X_c＝{x_c,y_c,z_c}，即X_c＝X_p×R。

上述步骤2中，获取采样时刻的圆周半径r，车辆坐标系下的加速度读数X_ca＝{x_ca,y_ca,z_ca}，三轴加速度传感器的读数X_pa＝{x_pa,y_pa,z_pa}，X_ca＝X_pa×R；车辆坐标系下的角速度读数X_cg＝{x_cg,y_cg,z_cg}，陀螺仪读数X_pg＝{x_pg,y_pg,z_pg}，X_cg＝X_pa×R。采样时刻向心加速度a的获取，即车辆坐标系下x轴的加速度读数x_ca；采样时刻角速度ω的获取，即陀螺仪读数转换到车辆坐标系下后绕z轴的读数z_pg。

上述步骤3中，根据半径-时间特性曲线中半径的最大值获取区分目标车道的阈值δ₁，δ₂……δ_i(i为目标车道数)。δ₁为采样时多次行驶至目标车道1的半径-时间特性曲线中半径的最大值，δ₂为采样时多次行驶至目标车道1的半径-时间特性曲线中半径的最大值，依此类推。最后，将目标车道与所对应的阈值的关系上传至服务器。

上述步骤4中，使用手机中的位置服务定位车辆所在的路口，陀螺仪传感器检测车辆转弯行为，具体操作步骤包括：

步骤4-1：为路口设置接近警报，即在设备进入一个定义好的区域时会通知设备，检测车辆位于哪个路口。具体是将路口的经纬度坐标以及定义的距离半径存储在系统中，当手机通过位置服务检测到车辆已进入目标区域时，启用GPS位置服务来确定车辆所在路口。为了尽可能减少GPS的使用时间来优化电池寿命，在系统中需要使用手机的位置服务时，尽可能长时间地使用网络提供者，并且只有在网络提供者无法对设备与目标区域之间的距离做出准确预估的情况下，才会启用GPS提供者。

步骤4-2：陀螺仪传感器检测车辆转弯行为，车辆角速度的值在一段持续时间t₁内积分，是左转弯，是右转弯，ω(t)是车辆的瞬时角速度，ω(t)＝z_cg。

上述步骤5中，对所在路口转弯后目标车道的获取。已知所在转弯车道和所在路口转弯车道的阈值与目标车道的关系。当检测到转弯事件时，将转弯时获得的半径-时间特性曲线中半径的最大值与服务器端存储的阈值数据相比较，按照规则：半径的最大值<δ₁,则定位在目标车道1；δ₁<半径的最大值<δ₂，定位在目标车道2；δ₂<半径的最大值<δ₃，定位在目标车道3，依此类推，确定转弯后的目标车道。

本发明还提供了一种基于智能手机传感器的车道检测系统，如图4所示，系统包括采样模块和定位匹配模块；

采样模块的功能是：获得将手机传感器的读数转化为车辆坐标系下可使用的读数的旋转矩阵R，进而获取车辆的向心加速度和加速度。车辆在某路口发生转弯行为后，获取目标车道对应的区分车道的半径阈值，将车道与阈值的对应关系上传至服务器。

定位匹配模块的功能是：真实检测到路口的转弯行为，绘制半径-时间特性曲线后将半径的最大值与服务器存储的车道和阈值关系相匹配，获得定位车道。

为便于本发明的具体实施，现提供一个本发明的实施例，其应用场景如图2所示，途中黑点代表车辆，车辆从车道4左转进入目标车道1、2或3。将路口称作路口1。流程具体如下：

步骤1：车辆坐标系下各轴分量的获取，具体操作步骤如下：

步骤1-1：设置手机传感器的采样频率为5Hz-30Hz，手机放置在行驶的车辆中。获得车辆静止三轴加速度传感器的读数X_G＝{x_G,y_G,z_G}以及汽车变速时三轴加速度传感器的读数X_a＝{x_a,y_a,z_a}；

步骤1-2：获得使手机坐标系与车辆坐标系相匹的旋转矩阵R， 其中k＝[x_k,y_k,z_k]^T是重力在三个坐标轴方向的分量组成的向量，再通过标准化获得的单位向量，通过低通滤波器作用在三轴加速度传感器上可获得单一的重力作用下，三轴加速度传感器的读数；j＝[x_j,y_j,z_j]^T是车辆发生变速或转向行为时，三轴加速度传感器获得的数值减去重力加速度在三轴上的分量，再通过标准化获得的单位向量；i＝[x_i,y_i,z_i]^T，由j叉乘k获得。如图3所示，车辆坐标系下，x轴正方向：沿车身向右；y轴正方向：车头方向；z轴正方向，垂直底盘向上。手机坐标系下，x轴正方向：沿屏幕向右；y轴正方向：沿屏幕向；z轴正方向，垂直屏幕向外；

步骤1-3：对于本发明使用到的陀螺仪或是三轴加速度传感器，它们的读数X_p＝{x_p,y_p,z_p}乘上旋转矩阵R，就得到车辆坐标系下三轴的读数X_c＝{x_c,y_c,z_c}，即X_c＝X_p×R。

步骤2中，对于转弯半径的获取，具体操作步骤包括：

车辆坐标系下的加速度读数X_ca＝{x_ca,y_ca,z_ca}，三轴加速度传感器的读数X_pa＝{x_pa,y_pa,z_pa}，X_ca＝X_pa×R；车辆坐标系下的角速度读数X_cg＝{x_cg,y_cg,z_cg}，陀螺仪读数X_pg＝{x_pg,y_pg,z_pg}，X_cg＝X_pa×R。采样时刻向心加速度a的获取，即车辆坐标系下x轴的加速度读数x_ca；采样时刻角速度ω的获取，即陀螺仪读数转换到车辆坐标系下后绕z轴的读数z_pg。圆周半径r，

步骤3中，在路口1，对于从转弯道行驶至每一个不同的目标车道，根据不同采样时刻获得的圆周半径r，绘制半径-时间的特性曲线，根据半径-时间特性曲线中半径的最大值获取区分目标车道的阈值δ₁，δ₂……δ_i。如图2所示的由车道4行驶至车道1、2或3。δ₁为采样时多次行驶至目标车道1的半径-时间特性曲线中半径的最大值，δ₂为采样时多次行驶至目标车道1的半径-时间特性曲线中半径的最大值，为采样时多次行驶至目标车道1的半径-时间特性曲线中半径的最大值。最后，将目标车道与所对应的阈值的关系上传至服务器。路口其余的转弯行为所获的目标车道与所对应的阈值的关系也上传至服务器。

步骤4中，使用手机中的位置服务定位车辆所在的路口，陀螺仪传感器检测车辆转弯行为，具体操作步骤包括：

步骤4-1：为路口设置接近警报，即在设备进入一个定义好的区域时会通知设备，检测车辆所在路口。具体是将路口的经纬度坐标以及定义的距离半径存储在系统中，当手机通过位置服务检测到车辆已进入目标区域时，启用GPS位置服务确定车辆所在路口。为了尽可能减少GPS的使用时间来优化电池寿命，在系统中需要使用手机的位置服务时，尽可能长时间地使用网络提供者，并且只有在网络提供者无法对设备与目标区域之间的距离做出准确预估的情况下，才会启用GPS提供者。如图2所示，当车辆的接近路口1时，启用GPS，确定车辆位于路口1。

步骤4-2：陀螺仪传感器检测车辆转弯行为，车辆角速度的值在一段持续时间t₁内积分，是左转弯，是右转弯，ω(t)是车辆的瞬时角速度，ω(t)＝z_cg。如图2所示，检测到车辆的左转弯行为。

步骤5中，对所在路口转弯后目标车道的获取。已知车辆位于转弯道4，和所在路口1转弯车道的阈值与目标车道的关系。当检测到转弯事件时，将转弯时获得的半径-时间特性曲线中半径的最大值与服务器端存储的阈值数据相比较，按照步骤3中提出的规则，半径的最大值<δ₁,则定位在目标车道1；δ₁<半径的最大值<δ₂，定位在目标车道2；δ₂<半径的最大值，定位在目标车道3，即可确定转弯后的目标车道。

Claims (7)

1.一种基于智能手机传感器的车道检测方法，其特征在于，所述方法包括如下步骤：

步骤1—3为采样阶段：

步骤1：设置手机传感器的采样频率为5Hz-30Hz，手机放置在行驶的车辆中，获得静止时三轴加速度传感器的读数X_G＝{x_G,y_G,z_G}以及汽车变速时三轴加速度传感器的读数X_a＝{x_a,y_a,z_a}；由X_G和X_a可获得旋转矩阵R，继而将手机坐标系下的读数转化为车辆坐标系下的读数；

步骤2：将车辆转弯时的运动看作是圆周运动，采样时刻，获得车辆坐标系下X轴方向的加速度，即为向心加速度a；将陀螺仪的读数经过旋转矩阵的变换后获得车辆坐标系下绕Z轴旋转的角速度，即为圆周运动的角速度ω，求得采样时刻圆周半径

步骤3：在某一路口，对于从转弯道行驶至每一个不同的目标车道，根据不同采样时刻获得的圆周半径r，绘制半径-时间的特性曲线，参照半径的最大值获取区分目标车道的阈值δ₁，δ₂……δ_i，将本路口转弯行为的阈值和对应的目标车道的关系上传至服务器；

步骤4—5为定位匹配阶段：

步骤4：已知车辆在转弯前所处的转弯车道，使用手机中的位置服务定位车辆所在的路口，陀螺仪传感器检测车辆转弯行为；

步骤5：将转弯时获得的半径-时间变化特性曲线中半径的最大值与服务器端存储的阈值数据相比较，确定转弯后的目标车道，将确定后的车道位置上传至服务器。

2.根据权利要求1所述的一种基于智能手机传感器的车道检测方法，其特征在于，所述步骤1中，车辆坐标系下各轴分量的获取，包括：

步骤1-1：获得使手机坐标系与车辆坐标系相匹的旋转矩阵R，其中k＝[x_k,y_k,z_k]^T是重力在三个坐标轴方向的分量组成的向量，再通过标准化获得的单位向量，通过低通滤波器作用在三轴加速度传感器上可获得单一的重力作用下，三轴加速度传感器的读数；j＝[x_j,y_j,z_j]^T是车辆发生变速或转向行为时，三轴加速度传感器获得的数值减去重力加速度在三轴上的分量，再通过标准化获得的单位向量；i＝[x_i,y_i,z_i]^T，由j叉乘k获得；

步骤1-2：对于本发明使用到的陀螺仪或是三轴加速度传感器，它们的读数X_p＝{x_p,y_p,z_p}乘上旋转矩阵R，就得到车辆坐标系下三轴的读数X_c＝{x_c,y_c,z_c}，即X_c＝X_p×R。

3.跟据权利要求1所述的一种基于智能手机传感器的车道检测方法，其特征在于，所述步骤2中，对于圆周半径的获取，包括：

步骤2-1：车辆坐标系下的加速度读数X_ca＝{x_ca,y_ca,z_ca}，三轴加速度传感器的读数X_pa＝{x_pa,y_pa,z_pa}，X_ca＝X_pa×R；车辆坐标系下的角速度读数X_cg＝{x_cg,y_cg,z_cg}，陀螺仪读数X_pg＝{x_pg,y_pg,z_pg}，X_cg＝X_pa×R，采样时刻向心加速度a的获取，即车辆坐标系下x轴的加速度读数x_ca；采样时刻角速度ω的获取，即陀螺仪读数转换到车辆坐标系下后绕z轴的读数z_pg；

步骤2-2：采样时刻的圆周半径其中a＝x_ca，ω＝z_pg。

4.根据权利要求1所述的一种基于智能手机传感器的车道检测方法，其特征在于，所述步骤3中，根据半径-时间特性曲线中半径的最大值获取区分目标车道的阈值δ₁，δ₂……δ_i，i为目标车道数，是指δ₁为采样时多次行驶至目标车道1的半径-时间特性曲线中半径的最大值，δ₂为采样时多次行驶至目标车道2的半径-时间特性曲线中半径的最大值，依此类推，最后，将目标车道与所对应的阈值的关系上传至服务器。

5.根据权利要求1所述的一种基于智能手机传感器的车道检测方法，其特征在于，所述步骤4中，使用手机中的位置服务定位车辆所在的路口，陀螺仪传感器检测车辆转弯行为包括：

步骤4-1：为路口设置接近警报，即在设备进入一个定义好的区域时会通知设备，检测车辆位于哪个路口，具体是将路口的经纬度坐标以及定义的距离半径存储在系统中，当手机通过位置服务检测到车辆已进入目标区域时，启用GPS位置服务来确定车辆所在路口，为了尽可能减少GPS的使用时间来优化电池寿命，在系统中需要使用手机的位置服务时，尽可能长时间地使用网络提供者，并且只有在网络提供者无法对设备与目标区域之间的距离做出准确预估的情况下，才会启用GPS提供者；

步骤4-2：陀螺仪传感器检测车辆转弯行为，车辆角速度的值在一段持续时间t₁内积分，是左转弯，是右转弯，ω(t)是车辆的瞬时角速度，ω(t)＝z_cg。

6.根据权利要求1所述的一种基于智能手机传感器的车道检测方法，其特征在于，所述步骤5中，确定转弯后的目标车道具体包括：已知所在转弯车道和所在路口转弯车道的阈值与目标车道的关系，当检测到转弯事件时，将转弯时获得的半径-时间特性曲线中半径的最大值与服务器端存储的阈值数据相比较，按照规则，半径的最大值<δ₁,则定位在目标车道1；δ₁<半径的最大值<δ₂，定位在目标车道2；δ₂<半径的最大值<δ₃，定位在目标车道3，依此类推，确定转弯后的目标车道。

7.一种如权利要求1所述的一种基于智能手机传感器的车道检测方法中使用的车道检测系统，其特征在于：所述系统包括采样模块和定位匹配模块；

采样模块包括训练数据的采集、旋转矩阵R的获取以及目标车道对应阈值的获取；驾驶车辆，在已知的行驶路径上采集手机的三轴加速度传感器数据和陀螺仪数据；训练数据采集完成之后在旋转矩阵R的作用下，获得车辆的向心加速度和角速度；然后根据不同时刻车辆的向心加速度和角速度获得半径-时间特性曲线，阈值的选取为对应目标车道的半径的最大值；将车道与阈值的对应关系上传至服务器；

定位匹配模块包括需要检测的数据和匹配机制；真实检测到路口的转弯行为，由传感器获得需要检测的数据；在旋转矩阵R的作用下，获得车辆的向心加速度和角速度，然后根据不同时刻车辆的向心加速度和角速度获得半径-时间特性曲线；定位匹配模块将此时获得的半径-时间特性曲线中半径的最大值与采样模块获得的车道与阈值的对应关系相匹配，服务器会回传一个目标车道。