CN109849903B - 车体周围物体行为识别方法、装置、设备和可读存储介质 - Google Patents
车体周围物体行为识别方法、装置、设备和可读存储介质 Download PDFInfo
- Publication number
- CN109849903B CN109849903B CN201910036368.6A CN201910036368A CN109849903B CN 109849903 B CN109849903 B CN 109849903B CN 201910036368 A CN201910036368 A CN 201910036368A CN 109849903 B CN109849903 B CN 109849903B
- Authority
- CN
- China
- Prior art keywords
- vehicle body
- information
- position information
- relative
- acquisition time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车体周围物体行为识别方法、装置、设备和可读存储介质，通过获取周围物体相对于目标车体的相对轨迹，周围物体为与目标车体的距离小于或等于预设感知距离的物体，相对轨迹包含周围物体在多个时间戳相对于目标车体的相对位置信息；根据相对轨迹，在每个预设的姿态采集时间段中获取周围物体相对于目标车体的姿态信息，姿态采集时间段以多个时间戳中的2个为起止时刻；根据多个连续的姿态采集时间段的姿态信息，确定周围物体相对于目标车体的行为信息，行为信息用于指示周围物体对目标车体的车道切入或车道切出行为，实现了对车体行驶过程中周围物体行为的挖掘和识别，提高了对车体周围物体切入或切出行为的识别准确性。
Description
技术领域
本发明涉及无人车技术领域，尤其涉及一种车体周围物体行为识别方法、装置、设备和可读存储介质。
背景技术
随着汽车技术的发展，无人车开始得到应用和发展。无人车在行驶过程中，无人车的周围会出现各种物体，例如行人、车辆、交通指示牌等。如何对车体周围物体的行为进行识别，尤其是切入无人车所在车道或者从无人车所在车道切出至其他车道的行为，对于提高无人车的安全性的十分重要的。
现有技术中，无人车可以通过图像设备或雷达，确定出周围物体是什么物体，或者距离车体的距离。
但是现有技术对于周围物体相对于无人车的行为进行识别和分析，尚未提供出可行的方案。
发明内容
本发明实施例提供一种车体周围物体行为识别方法、装置、设备和可读存储介质，实现了对车体行驶过程中周围物体行为的挖掘和识别，提高了对车体周围物体行为的识别准确性。
本发明实施例的第一方面，提供一种车体周围物体行为识别方法，包括：
获取周围物体相对于目标车体的相对轨迹，所述周围物体为与所述目标车体的距离小于或等于预设感知距离的物体，所述相对轨迹包含所述周围物体在多个时间戳相对于所述目标车体的相对位置信息；
根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息，所述姿态采集时间段以所述多个时间戳中的2个为起止时刻；
根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，所述行为信息用于指示所述周围物体对所述目标车体的车道切入或车道切出行为。
可选地，所述根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息包括：
获取每个姿态采集时间段的起始时刻和终止时刻；
将所述相对轨迹中与所述起始时刻对应的相对位置信息，作为起点位置信息；
将所述相对轨迹中与所述终止时刻对应的相对位置信息，作为终点位置信息；
根据每个姿态采集时间段对应的所述起点位置信息和所述终点位置信息，获取所述周围物体在每个所述姿态采集时间段中的相对矢量信息；
根据每个姿态采集时间段对应的所述目标车体预设的单位矢量和所述相对矢量信息，获取所述周围物体在所述姿态采集时间段中的姿态夹角。
可选地，所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，包括：
在所述起点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述起点位置信息对应的第一临界姿态采集时间段；
获取包含所述第一临界姿态采集时间段的多个连续的姿态采集时间段；
根据所述多个连续的姿态采集时间段的起点位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
可选地，所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，包括：
在所述终点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述终点位置信息对应的第二临界姿态采集时间段；
获取包含所述第二临界姿态采集时间段的多个连续的姿态采集时间段；
根据所述多个连续的姿态采集时间段的终点位置信息和姿态夹角，确定所述周围物体在所述第二临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
可选地，在所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息之前，还包括：
获取目标车体的车体轨迹，所述车体轨迹包含所述目标车体在所述多个时间戳的车体绝对位置信息；
根据所述目标车体的车体轨迹以及所述周围物体的所述相对轨迹，获取所述周围物体的物体绝对轨迹，所述物体绝对轨迹包含所述周围物体在所述多个时间戳的物体绝对位置信息。
可选地，所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，包括：
将所述车体轨迹中与所述起始时刻对应的车体绝对位置信息，作为车体起始绝对位置信息；
根据所述车体起始绝对位置信息和与所述目标车体预先绑定的车道信息，获取第一车道线绝对位置信息；
将所述物体绝对轨迹中与所述起始时刻对应的物体绝对位置信息，作为物体起始绝对位置信息；
在所述物体起始绝对位置信息与所述第一车道线绝对位置匹配时，获取与所述第一车道线绝对位置匹配的所述物体起始绝对位置信息相对应的第三临界姿态采集时间段；
获取包含所述第三临界姿态采集时间段的多个连续的姿态采集时间段；
根据所述多个连续的姿态采集时间段的物体起始绝对位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
可选地，所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，包括：
将所述车体轨迹中与所述终止时刻对应的车体绝对位置信息，作为车体终止绝对位置信息；
根据所述车体终止绝对位置信息和与所述目标车体预先绑定的车道信息，获取第二车道线绝对位置信息；
将所述物体绝对轨迹中与所述终止时刻对应的物体绝对位置信息，作为物体终止绝对位置信息；
在所述物体终止绝对位置信息与所述第二车道线绝对位置匹配时，获取与所述第二车道线绝对位置匹配的所述物体终止绝对位置信息相对应的第四临界姿态采集时间段；
获取包含所述第四临界姿态采集时间段的多个连续的姿态采集时间段；
根据所述多个连续的姿态采集时间段的物体终止绝对位置信息和姿态夹角，确定所述周围物体在在所述第四临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
可选地，所述获取周围物体相对于目标车体的相对轨迹，包括：
获取对所述周围物体的传感信息；
根据所述传感信息，确定所述周围物体相对于所述目标车体的相对轨迹。
可选地，所述获取周围物体相对于目标车体的相对轨迹之前，还包括：
在与所述目标车体的距离小于或等于预设感知距离的范围内，获取到多个物体特征感知信息；
根据所述物体特征感知信息进行物体聚类处理，得到与至少一个感知物体一一对应的物体特征感知信息集合；
将所述至少一个感知物体之一，作为所述周围物体。
本发明实施例的第二方面，提供一种车体周围物体行为识别装置，包括：
轨迹获取模块，用于获取周围物体相对于目标车体的相对轨迹，所述周围物体为与所述目标车体的距离小于或等于预设感知距离的物体，所述相对轨迹包含所述周围物体在多个时间戳相对于所述目标车体的相对位置信息；
姿态确定模块，用于根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息，所述姿态采集时间段以所述多个时间戳中的2个为起止时刻；
行为确定模块，用于根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，所述行为信息用于指示所述周围物体对所述目标车体的车道切入或车道切出行为。
可选地，所述姿态确定模块，用于获取每个姿态采集时间段的起始时刻和终止时刻；将所述相对轨迹中与所述起始时刻对应的相对位置信息，作为起点位置信息；将所述相对轨迹中与所述终止时刻对应的相对位置信息，作为终点位置信息；根据每个姿态采集时间段对应的所述起点位置信息和所述终点位置信息，获取所述周围物体在每个所述姿态采集时间段中的相对矢量信息；根据每个姿态采集时间段对应的所述目标车体预设的单位矢量和所述相对矢量信息，获取所述周围物体在所述姿态采集时间段中的姿态夹角。
可选地，所述行为确定模块，用于在所述起点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述起点位置信息对应的第一临界姿态采集时间段；获取包含所述第一临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的起点位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
可选地，所述行为确定模块，用于在所述终点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述终点位置信息对应的第二临界姿态采集时间段；获取包含所述第二临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的终点位置信息和姿态夹角，确定所述周围物体在所述第二临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
可选地，所述轨迹获取模块，还用于在所述行为确定模块根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息之前，获取目标车体的车体轨迹，所述车体轨迹包含所述目标车体在所述多个时间戳的车体绝对位置信息；根据所述目标车体的车体轨迹以及所述周围物体的所述相对轨迹，获取所述周围物体的物体绝对轨迹，所述物体绝对轨迹包含所述周围物体在所述多个时间戳的物体绝对位置信息。
可选地，所述行为确定模块，用于将所述车体轨迹中与所述起始时刻对应的车体绝对位置信息，作为车体起始绝对位置信息；根据所述车体起始绝对位置信息和与所述目标车体预先绑定的车道信息，获取第一车道线绝对位置信息；在所述物体起始绝对位置信息与所述第一车道线绝对位置匹配时，获取与所述第一车道线绝对位置匹配的所述物体起始绝对位置信息相对应的第三临界姿态采集时间段；获取包含所述第三临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的物体起始绝对位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
可选地，所述行为确定模块，用于将所述车体轨迹中与所述终止时刻对应的车体绝对位置信息，作为车体终止绝对位置信息；根据所述车体终止绝对位置信息和与所述目标车体预先绑定的车道信息，获取第二车道线绝对位置信息；将所述物体绝对轨迹中与所述终止时刻对应的物体绝对位置信息，作为物体终止绝对位置信息；在所述物体终止绝对位置信息与所述第二车道线绝对位置匹配时，获取与所述第二车道线绝对位置匹配的所述物体终止绝对位置信息相对应的第四临界姿态采集时间段；获取包含所述第四临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的物体终止绝对位置信息和姿态夹角，确定所述周围物体在在所述第四临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
可选地，所述轨迹获取模块，用于获取对所述周围物体的传感信息；根据所述传感信息，确定所述周围物体相对于所述目标车体的相对轨迹。
可选地，所述轨迹获取模块，还用于在所述获取周围物体相对于目标车体的相对轨迹之前，在与所述目标车体的距离小于或等于预设感知距离的范围内，获取到多个物体特征感知信息；根据所述物体特征感知信息进行物体聚类处理，得到与至少一个感知物体一一对应的物体特征感知信息集合；将所述至少一个感知物体之一，作为所述周围物体。
本发明实施例的第三方面，提供一种设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行本发明第一方面及第一方面各种可能设计的所述车体周围物体行为识别方法。
本发明实施例的第四方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述车体周围物体行为识别方法
本发明提供的一种车体周围物体行为识别方法、装置、设备和可读存储介质，通过获取周围物体相对于目标车体的相对轨迹，周围物体为与目标车体的距离小于或等于预设感知距离的物体，相对轨迹包含周围物体在多个时间戳相对于目标车体的相对位置信息；根据相对轨迹，在每个预设的姿态采集时间段中获取周围物体相对于目标车体的姿态信息，姿态采集时间段以多个时间戳中的2个为起止时刻；根据多个连续的姿态采集时间段的姿态信息，确定周围物体相对于目标车体的行为信息，行为信息用于指示周围物体对目标车体的车道切入或车道切出行为，实现了对车体行驶过程中周围物体行为的挖掘和识别，提高了对车体周围物体切入或切出行为的识别准确性。
附图说明
图1a是本发明实施例提供的一种应用场景示意图；
图1b是本发明实施例提供的另一种场景示意图；
图2是本发明实施例提供的一种车体周围物体行为识别方法流程示意图；
图3是本发明实施例提供的一种相对轨迹示意图；
图4是本发明实施例提供的一种S103实现方式示意图；
图5是本发明实施例提供的另一种S103实现方式示意图；
图6是本发明实施例提供的再一种S103实现方式示意图；
图7是本发明实施例提供的又一种S103实现方式示意图；
图8是本发明实施例提供的一种车体周围物体行为识别装置结构示意图；
图9是本发明实施例提供的一种设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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一部分实施例，而不是全部的实施例。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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”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，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“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、产品或设备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。
应当理解，在本发明中，“多个”是指两个或两个以上。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
参见图1a，是本发明实施例提供的一种应用场景示意图。目标车体以虚线圆示意，周围物体以实线圆示意。图1a所示的场景中，周围物体例如可以是轿车、摩托车等。实线和虚线中的数字用来示意时间戳。在时间戳1采集到周围物体位于目标车体的正左方。在时间戳2采集到周围物体位于目标车体的左前方。在时间戳3采集到周围物体位于目标车体的正前方。在时间戳4采集到周围物体位于目标车体的右正方。在时间戳5采集到周围物体位于目标车体的左前方。可见，图1a所示场景中，周围物体在时间戳2至时间戳3期间以左前切入到目标车体的车道中，并在时间戳2至时间戳4期间，以右前切出目标车体的车道。
参见图1b，是本发明实施例提供的另一种场景示意图。图1b所示的场景中，目标车体还获取到了车道线的位置信息。车道线的位置参见图1b所示的两条点划线。在本发明的一些实施例中，还可以结合车道线的位置进行周围物体行为的识别。
本发明实施例在检测到图1a或图1b所示周围物体期间，感知该周围物体相对于目标车体的相对轨迹，进而以预设的时间窗口滑动获取周围物体相对于目标车体的姿态和位置，并据此判断该周围物体相对于目标车体的切入切出行为，提高了对周围物体行为的判断准确性，由此可以用于对周围物体的行为预判或者是对历史数据中周围物体行为的挖掘。
参见图2，是本发明实施例提供的一种车体周围物体行为识别方法流程示意图，图2所示方法的执行主体可以是软件和/或硬件装置，例如无人车的控制系统、数据挖掘服务器、车辆检测终端等硬件或者是这些硬件中配置的软件模块。为了描述方便，下面各实施例中以服务器为执行主体进行举例说明。图2所示的方法包括步骤S101至步骤S103，具体如下：
S101，获取周围物体相对于目标车体的相对轨迹，所述周围物体为与所述目标车体的距离小于或等于预设感知距离的物体，所述相对轨迹包含所述周围物体在多个时间戳相对于所述目标车体的相对位置信息。
具体地，可以是通过获取对所述周围物体的传感信息，然后根据所述传感信息，确定所述周围物体相对于所述目标车体的相对轨迹。传感信息例如是应用激光、雷达、超声波等传感技术得到的传感信息。传感信息反映了目标车体附近可感知范围内的所述周围物体相对于目标车体的位置，这种位置是相对的。假如周围物体与目标车体以相同速度和方向行驶，两者相对不动，那么传感信息得到的相对轨迹为一个点。对于周围物体与目标车体有相对运动的情况参见图3，是本发明实施例提供的一种相对轨迹示意图。图3可以看做是与图1a中目标车体的车体轨迹与周围物体的物体绝对轨迹相对应的相对轨迹。在图3所示的实施例中，目标车体(以实线圆示意)的位置为基准位置没有变化，在时间戳1至时间戳5都在同一个虚线圆示意的位置。周围物体(以虚线圆示意)从目标车体的正左方(对应时间戳1)移动到目标车体的左前方(对应时间戳2)，然后移动到目标车体的正前方(对应时间戳3)，接着移动到目标车体的右前方(对应时间戳4)，最后移动到目标车体的正右方(对应时间戳5)，在这5个时间戳期间产生如图3箭头所示的相对轨迹。目标车体的预设感知距离例如是车载传感器的感知距离，例如是10米，那么在10米内可能可以感知到有多个感知物体，然后对每一个感知物体分别作为周围物体执行本实施例所述的车体周围物体行为识别。
在一些实施例中，感知到多个感知物体的情况中，步骤S101(获取周围物体相对于目标车体的相对轨迹)之前可以还包括：服务器在与所述目标车体的距离小于或等于预设感知距离的范围内，获取到多个物体特征感知信息。其中物体特征感知信息例如是物体的形状、颜色、高度等特征感知信息。然后服务器根据所述物体特征感知信息进行物体聚类处理，得到与至少一个感知物体一一对应的物体特征感知信息集合。例如将具有绿色、吉普车形状的物体特征感知信息作为一个类，将具有蓝色、跑车形状的物体特征感知信息作为一个类，那么这两个类的分别与一辆车相对应，每辆车都作为一个感知物体。最后将所述至少一个感知物体之一，作为所述周围物体。可以是对每个感知物体顺序作为周围物体进行行为识别，也可以是仅在至少一个感知物体中挑选一个作为周围物体进行行为识别。
S102，根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息，根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息，所述姿态采集时间段以所述多个时间戳中的2个为起止时刻。
姿态信息可以理解为是周围物体对目标车体的朝向位置，本实施例中以姿态夹角为例表征这种朝向位置。姿态夹角可以是根据位置矢量获取的。
在一些实施例中，服务器获取每个姿态采集时间段的起始时刻和终止时刻，然后将所述相对轨迹中与所述起始时刻对应的相对位置信息，作为起点位置信息；将所述相对轨迹中与所述终止时刻对应的相对位置信息，作为终点位置信息。姿态采集时间段可以理解为是一个时间窗口，通过滑动这个时间窗口而得到多个姿态采集时间段的起始时刻和终止时刻，进而得到相应的相对位置信息。姿态采集时间段的起始时刻和终止时刻例如可以是步骤S101中的时间戳所在的时刻。然后，服务器根据每个姿态采集时间段对应的所述起点位置信息和所述终点位置信息，获取所述周围物体在每个所述姿态采集时间段中的相对矢量信息。以图3所示的相对轨迹为例，假如时间戳2至时间戳3之间的时间段为一个姿态采集时间段，其中时间戳2的相对位置为(x2,y2)，时间戳3的相对位置为(x3,y3)，那么，时间戳2至时间戳3对应的相对矢量信息指示了矢量(x3-x2,y3-y2)。最后，服务器根据每个姿态采集时间段对应的所述目标车体预设的单位矢量和所述相对矢量信息，获取所述周围物体在所述姿态采集时间段中的姿态夹角。在对每个姿态采集时间段得到一个矢量信息后，获取目标车体预设的单位矢量。该单位矢量可以理解为指向目标车体正前方的矢量。然后以相对矢量信息和单位矢量之间的夹角作为姿态夹角。
在本实施例中，姿态采集时间段可以是根据相对轨迹的跳变而确定的时间段，可以包括2个时间戳或多于3个时间戳。
S103，根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，所述行为信息用于指示所述周围物体对所述目标车体的车道切入或车道切出行为。
姿态信息反映了周围物体相对于目标车体的行为趋势，例如是远离目标车体还是靠近目标车体。在上述获取到姿态夹角的实施例基础上，确定所述周围物体相对于所述目标车体的行为信息的方式可以有多种，以下结合图4至图8和四种实现方式进行举例说明。
参见图4，是本发明实施例提供的一种S103实现方式示意图。在图4所示的实施例中，是先获取到姿态采集时间段的起点位置信息，然后结合姿态夹角得到行为历史信息，可用于在历史数据对掘周围物体的行为进行挖掘或者验证。图4所示的方法包括步骤S401至步骤S403，具体如下：
S401，在所述起点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述起点位置信息对应的第一临界姿态采集时间段。
行为相对区域信息例如是用于指示目标车体左前、右前、右后、左后的四角区域，在周围物体进入这些区域时确定位置信息匹配，则表明周围物体可能要对目标车体的当前车道切入或者切出。例如在图3所示的示例中，假如起点位置信息对应时间戳2，在时间戳2时周围物体的位置进入目标车体预设的左前区域，那么该周围物体很可能做出了左前切入或左前切出的行为。将以时间戳2至时间戳3对应的姿态采集时间段作为第一临界姿态采集时间段。
S402，获取包含所述第一临界姿态采集时间段的多个连续的姿态采集时间段。
例如多个连续的姿态采集时间段包含时间戳1至时间戳2的姿态采集时间段，以及第一临界姿态采集时间段。
S403，根据所述多个连续的姿态采集时间段的起点位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
其中，不同起点位置信息对应的姿态夹角，可具有多种夹角-行为的对应关系，通过查询这些对应关系来进行所述行为历史信息的确定。例如图3中时间戳2至时间戳3对应的姿态夹角为-120°，时间戳1至时间戳2对应的姿态夹角为0°，则确定所述周围物体在时间戳2相对于所述目标车体执行了左前切入的历史行为。
本实施例以多个连续的姿态采集时间段的起点位置信息和姿态夹角确定周围物体的行为历史信息，实现了对已有的数据进行行为挖掘，可以用于周围物体行为挖掘和数据验证。数据验证例如是先根据实时得到的信息进行行为预测，然后以行为历史信息对之前预测得到的行为预测信息进行验证，从而得到预测的准确率。
参见图5，是本发明实施例提供的另一种S103实现方式示意图。在图5所示的实施例中，是先获取到姿态采集时间段的终点位置信息，然后结合姿态夹角得到下一个姿态采集时间段的行为预测信息。图5所示的方法包括步骤S501至步骤S503，具体如下：
S501，在所述终点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述终点位置信息对应的第二临界姿态采集时间段。
行为相对区域信息的解释参见图4所示实施例，在此不做赘述。与图4所示实施例不同的是，本实施例获取的是终点位置信息对应的第二临界姿态采集时间段。例如，周围物体在时间戳4处于目标车体的右前区域，则将时间戳3至时间戳4对应的姿态采集时间段(时间戳4对应终点位置信息)，作为第二临界姿态采集时间段。
S502，获取包含所述第二临界姿态采集时间段的多个连续的姿态采集时间段。
例如选取第二临界姿态采集时间段，以及第二临界姿态采集时间段之前的一个或多个姿态采集时间段，本实施例可以选取时间戳2至时间戳3的时间段，以及时间戳3至时间戳4的时间段(第二临界姿态采集时间段)。
S503，根据所述多个连续的姿态采集时间段的终点位置信息和姿态夹角，确定所述周围物体在所述第二临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
其中，不同终点位置信息对应的姿态夹角，可具有多种夹角-行为的对应关系，通过查询这些对应关系来进行所述行为预测信息的确定。例如，周围物体在时间戳4处于目标车体的右前区域，那么周围物体在下一个姿态采集时间段可能会做出右前切入或右前切出的行为。再结合时间戳3至时间戳4的姿态夹角，如图3所示例如是-135°，时间戳2至时间戳3的姿态夹角是-120°，那么可以看出时间戳3至时间戳4所述周围物体的行为具有远离目标车体的趋势，则预测在下一个姿态采集时间段中，该周围物体会继续远离目标车体，即预测周围物体做出右前切出的行为。
本实施例通过结合姿态采集时间段的终点位置信息与姿态夹角得到下一个姿态采集时间段的行为预测信息，可以用于对目标车体的周围物体可能执行行为的预测，提高行为识别准确性。
图4和图5所示的实施例都是利用例如图3所示的相对轨迹进行周围物体行为识别的，为了提高识别的准确性，下面引入目标车体的车体轨迹、周围物体的物体绝对轨迹以及车道线信息，对周围物体的行为进行更加精确的识别。
在一些实施例中，服务器在执行步骤S103(根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息)之前，还包括获取目标车体的车体轨迹、周围物体的物体绝对轨迹的过程。例如，服务器获取目标车体的车体轨迹，所述车体轨迹包含所述目标车体在所述多个时间戳的车体绝对位置信息。车体轨迹可以是目标车体根据车载的定位模块实时定位得到的轨迹，例如可以是由全球定位系统(Global Positioning System，简称：GPS)确定目标车体在所述多个时间戳的车体绝对位置信息，进而以车体绝对位置信息确定车体轨迹。然后，服务器根据所述目标车体的车体轨迹以及所述周围物体的所述相对轨迹，获取所述周围物体的物体绝对轨迹，所述物体绝对轨迹包含所述周围物体在所述多个时间戳的物体绝对位置信息。周围物体的相对轨迹上每个时间戳的相对位置信息结合车体轨迹，可以得到周围物体在每个时间戳的物体绝对位置信息，由此得到周围物体的物体绝对轨迹。
在获取到物体绝对轨迹的基础上，可以在物体的绝对位置与车道线位置匹配时，获取临界姿态采集时间段，详见图6和图7所示实施例的具体说明。
参见图6，是本发明实施例提供的再一种S103实现方式示意图。在图6所示的实施例中，是引入绝对位置和车道线位置后，进行周围物体历史行为的识别。图6所示的方法包括步骤S601至步骤S606，具体如下：
S601，将所述车体轨迹中与所述起始时刻对应的车体绝对位置信息，作为车体起始绝对位置信息。
S602，根据所述车体起始绝对位置信息和与所述目标车体预先绑定的车道信息，获取第一车道线绝对位置信息。
目标车体可以预先绑定车道信息，例如通过传感器获得车道线距离目标车体的相对位置，结合目标车体自身的绝对位置可以得到车道线的绝对位置。本实施例中的第一车道线绝对位置信息，指示了与车体起始绝对位置信息对应的车道线位置。例如目标车体在图1b所示时间戳2时通过图像传感器获取到其周围第一车道线绝对位置信息，第一车道线绝对位置指示的车道线参见图1b所示的两条点划线。
S603，将所述物体绝对轨迹中与所述起始时刻对应的物体绝对位置信息，作为物体起始绝对位置信息。
S604，在所述物体起始绝对位置信息与所述第一车道线绝对位置匹配时，获取与所述第一车道线绝对位置匹配的所述物体起始绝对位置信息相对应的第三临界姿态采集时间段。
物体起始绝对位置信息与第一车道线绝对位置匹配，可以理解为是物体起始绝对位置在第一车道线绝对位置的预设范围内，例如以车道线为中心线向两侧扩展一定宽度的长条区域作为匹配区域。物体起始绝对位置落入匹配区域，则确认与相应的车道线的绝对位置匹配。又例如，物体起始绝对位置与车道线的绝对位置有重叠，则确认与相应的车道线的绝对位置匹配。
在与所述第一车道线绝对位置匹配时，可以认为目标物体可能做出切入或切出行为，则获取第三临界姿态采集时间段。
S605，获取包含所述第三临界姿态采集时间段的多个连续的姿态采集时间段。
与图4和图5所示实施例类似的，多个连续的姿态采集时间段是指包含第三临界姿态采集时间段本身，以及其前一个或多个姿态采集时间段。
S606，根据所述多个连续的姿态采集时间段的物体起始绝对位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
其中，不同物体起始绝对位置信息对应的姿态夹角，可具有多种夹角-行为的对应关系，通过查询这些对应关系来进行所述行为历史信息的确定。例如，图1b中第一车道线绝对位置可以是左右两条车道线的匹配区域，周围物体的物体起始绝对位置在图1b所示时间戳4时，处于与第一车道线绝对位置匹配的区域，那么周围物体可能是做出了切入或切出的行为。再结合如图1b所示的时间戳4至时间戳5的姿态夹角，例如是-140°，时间戳3至时间戳4的姿态夹角是-145°，时间戳2至时间戳3的姿态夹角是-120°，那么可以看出时间戳4至时间戳5所述周围物体的行为是右前切出的行为。
本实施例通过引入绝对位置和车道线位置，进行周围物体历史行为的识别，提高了对周围物体行为识别的准确性。
参见图7，是本发明实施例提供的又一种S103实现方式示意图。在图7所示的实施例中，是引入绝对位置和车道线位置后，进行周围物体行为的预测。图7所示的方法包括步骤S701至步骤S706，具体如下：
S701，将所述车体轨迹中与所述终止时刻对应的车体绝对位置信息，作为车体终止绝对位置信息。
S702，根据所述车体终止绝对位置信息和与所述目标车体预先绑定的车道信息，获取第二车道线绝对位置信息。
获取第二车道线绝对位置信息的过程与图6所示实施例中获取第一车道线绝对位置信息的过程类似，与图6所示实施例不同的是本实施例采用的是车体终止绝对位置信息。
S703，将所述物体绝对轨迹中与所述终止时刻对应的物体绝对位置信息，作为物体终止绝对位置信息。
S704，在所述物体终止绝对位置信息与所述第二车道线绝对位置匹配时，获取与所述第二车道线绝对位置匹配的所述物体终止绝对位置信息相对应的第四临界姿态采集时间段。
物体终止绝对位置信息与第二车道线绝对位置匹配的过程，可以理解为，在物体终止绝对位置信息与第二车道线绝对位置重合，或者是落入第二车道线绝对位置的扩展区域中，则确认为匹配。该匹配过程与图6所示实施例中物体起始绝对位置信息与第一车道线绝对位置匹配过程类似。
S705，获取包含所述第四临界姿态采集时间段的多个连续的姿态采集时间段。
与图4、图5、图6所示实施例类似的，多个连续的姿态采集时间段是指包含第四临界姿态采集时间段本身，以及其前一个或多个姿态采集时间段。
S706，根据所述多个连续的姿态采集时间段的物体终止绝对位置信息和姿态夹角，确定所述周围物体在在所述第四临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
其中，不同物体终止绝对位置信息对应的姿态夹角，可具有多种夹角-行为的对应关系，通过查询这些对应关系来进行所述行为预测信息的确定。例如，图1b中第二车道线绝对位置可以是左右两条车道线的匹配区域，周围物体的物体终止绝对位置在图1b所示时间戳4时，处于与第二车道线绝对位置匹配的区域，那么周围物体在下一个姿态采集时间段可能会做出切入或切出的行为。再结合如图1b所示的时间戳3至时间戳4的姿态夹角，例如是-145°，时间戳2至时间戳3的姿态夹角是-120°，表明时间戳3至时间戳4所述周围物体的行为具有远离目标车体的趋势，则例如可以通过查询夹角-行为的对应关系以预测在下一个姿态采集时间段中，该周围物体会继续远离目标车体，即预测周围物体做出右前切出的行为。本实施例通过引入绝对位置和车道线位置，进行周围物体行为的预测，提高了对周围物体行为识别的准确性。
本实施例提供的一种车体周围物体行为识别方法，通过获取周围物体相对于目标车体的相对轨迹，周围物体为与目标车体的距离小于或等于预设感知距离的物体，相对轨迹包含周围物体在多个时间戳相对于目标车体的相对位置信息；根据相对轨迹，在每个预设的姿态采集时间段中获取周围物体相对于目标车体的姿态信息，姿态采集时间段以多个时间戳中的2个为起止时刻；根据多个连续的姿态采集时间段的姿态信息，确定周围物体相对于目标车体的行为信息，行为信息用于指示周围物体对目标车体的车道切入或车道切出行为，实现了对车体行驶过程中周围物体行为的挖掘和识别，提高了对车体周围物体切入或切出行为的识别准确性。
参见图8，是本发明实施例提供的一种车体周围物体行为识别装置结构示意图。图8所示装置可以是图2至图7所示方法中的执行主体，例如服务器。图8所示的车体周围物体行为识别装置80包括：
轨迹获取模块81，用于获取周围物体相对于目标车体的相对轨迹，所述周围物体为与所述目标车体的距离小于或等于预设感知距离的物体，所述相对轨迹包含所述周围物体在多个时间戳相对于所述目标车体的相对位置信息。
姿态确定模块82，用于根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息，所述姿态采集时间段以所述多个时间戳中的2个为起止时刻。
行为确定模块83，用于根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，所述行为信息用于指示所述周围物体对所述目标车体的车道切入或车道切出行为。
本实施例提供的一种车体周围物体行为识别装置，通过获取周围物体相对于目标车体的相对轨迹，周围物体为与目标车体的距离小于或等于预设感知距离的物体，相对轨迹包含周围物体在多个时间戳相对于目标车体的相对位置信息；根据相对轨迹，在每个预设的姿态采集时间段中获取周围物体相对于目标车体的姿态信息，姿态采集时间段以多个时间戳中的2个为起止时刻；根据多个连续的姿态采集时间段的姿态信息，确定周围物体相对于目标车体的行为信息，行为信息用于指示周围物体对目标车体的车道切入或车道切出行为，实现了对车体行驶过程中周围物体行为的挖掘和识别，提高了对车体周围物体切入或切出行为的识别准确性。
在一些实施例中，所述姿态确定模块82，用于获取每个姿态采集时间段的起始时刻和终止时刻；将所述相对轨迹中与所述起始时刻对应的相对位置信息，作为起点位置信息；将所述相对轨迹中与所述终止时刻对应的相对位置信息，作为终点位置信息；根据每个姿态采集时间段对应的所述起点位置信息和所述终点位置信息，获取所述周围物体在每个所述姿态采集时间段中的相对矢量信息；根据每个姿态采集时间段对应的所述目标车体预设的单位矢量和所述相对矢量信息，获取所述周围物体在所述姿态采集时间段中的姿态夹角。
在一些实施例中，所述行为确定模块83，用于在所述起点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述起点位置信息对应的第一临界姿态采集时间段；获取包含所述第一临界姿态采集时间段的多个连续的姿态采集时间段；根据多个所述连续的姿态采集时间段的起点位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
在一些实施例中，所述行为确定模块83，用于在所述终点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述终点位置信息对应的第二临界姿态采集时间段；获取包含所述第二临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的终点位置信息和姿态夹角，确定所述周围物体在所述第二临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
在一些实施例中，所述轨迹获取模块81，还用于在所述行为确定模块根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息之前，获取目标车体的车体轨迹，所述车体轨迹包含所述目标车体在所述多个时间戳的车体绝对位置信息；根据所述目标车体的车体轨迹以及所述周围物体的所述相对轨迹，获取所述周围物体的物体绝对轨迹，所述物体绝对轨迹包含所述周围物体在所述多个时间戳的物体绝对位置信息。
在一些实施例中，所述行为确定模块83，用于将所述车体轨迹中与所述起始时刻对应的车体绝对位置信息，作为车体起始绝对位置信息；根据所述车体起始绝对位置信息和与所述目标车体预先绑定的车道信息，获取第一车道线绝对位置信息；在所述物体起始绝对位置信息与所述第一车道线绝对位置匹配时，获取与所述第一车道线绝对位置匹配的所述物体起始绝对位置信息相对应的第三临界姿态采集时间段；获取包含所述第三临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的物体起始绝对位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
在一些实施例中，所述行为确定模块83，用于将所述车体轨迹中与所述终止时刻对应的车体绝对位置信息，作为车体终止绝对位置信息；根据所述车体终止绝对位置信息和与所述目标车体预先绑定的车道信息，获取第二车道线绝对位置信息；将所述物体绝对轨迹中与所述终止时刻对应的物体绝对位置信息，作为物体终止绝对位置信息；在所述物体终止绝对位置信息与所述第二车道线绝对位置匹配时，获取与所述第二车道线绝对位置匹配的所述物体终止绝对位置信息相对应的第四临界姿态采集时间段；获取包含所述第四临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的物体终止绝对位置信息和姿态夹角，确定所述周围物体在在所述第四临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
在一些实施例中，所述轨迹获取模块81，用于获取对所述周围物体的传感信息；根据所述传感信息，确定所述周围物体相对于所述目标车体的相对轨迹。
在一些实施例中，所述轨迹获取模块81，还用于在所述获取周围物体相对于目标车体的相对轨迹之前，在与所述目标车体的距离小于或等于预设感知距离的范围内，获取到多个物体特征感知信息；根据所述物体特征感知信息进行物体聚类处理，得到与至少一个感知物体一一对应的物体特征感知信息集合；将所述至少一个感知物体之一，作为所述周围物体。
参见图9，是本发明实施例提供的一种设备的硬件结构示意图，该设备90包括：处理器91、存储器92和计算机程序；其中
存储器92，用于存储所述计算机程序，该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器91，用于执行所述存储器存储的计算机程序，以实现上述车体周围物体行为识别方法中服务器执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器92既可以是独立的，也可以跟处理器91集成在一起。
当所述存储器92是独立于处理器91之外的器件时，所述设备还可以包括：
总线93，用于连接所述存储器92和处理器91。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的车体周围物体行为识别方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的车体周围物体行为识别方法。
在上述设备的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (18)
1.一种车体周围物体行为识别方法，其特征在于，包括：
获取周围物体相对于目标车体的相对轨迹，所述周围物体为与所述目标车体的距离小于或等于预设感知距离的物体，所述相对轨迹包含所述周围物体在多个时间戳相对于所述目标车体的相对位置信息；
根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息，所述姿态采集时间段以所述多个时间戳中的2个为起止时刻；
根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，所述行为信息用于指示所述周围物体对所述目标车体的车道切入或车道切出行为；
在所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息之前，还包括：
获取目标车体的车体轨迹，所述车体轨迹包含所述目标车体在所述多个时间戳的车体绝对位置信息；
根据所述目标车体的车体轨迹以及所述周围物体的所述相对轨迹，获取所述周围物体的物体绝对轨迹，所述物体绝对轨迹包含所述周围物体在所述多个时间戳的物体绝对位置信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息包括：
获取每个姿态采集时间段的起始时刻和终止时刻；
将所述相对轨迹中与所述起始时刻对应的相对位置信息，作为起点位置信息；
将所述相对轨迹中与所述终止时刻对应的相对位置信息，作为终点位置信息；
根据每个姿态采集时间段对应的所述起点位置信息和所述终点位置信息，获取所述周围物体在每个所述姿态采集时间段中的相对矢量信息；
根据每个姿态采集时间段对应的所述目标车体预设的单位矢量和所述相对矢量信息，获取所述周围物体在所述姿态采集时间段中的姿态夹角。
3.根据权利要求2所述的方法，其特征在于，所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，包括：
在所述起点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述起点位置信息对应的第一临界姿态采集时间段；
获取包含所述第一临界姿态采集时间段的多个连续的姿态采集时间段；
根据所述多个连续的姿态采集时间段的起点位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
4.根据权利要求2所述的方法，其特征在于，所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，包括：
在所述终点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述终点位置信息对应的第二临界姿态采集时间段；
获取包含所述第二临界姿态采集时间段的多个连续的姿态采集时间段；
根据所述多个连续的姿态采集时间段的终点位置信息和姿态夹角，确定所述周围物体在所述第二临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
5.根据权利要求2所述的方法，其特征在于，所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，包括：
将所述车体轨迹中与所述起始时刻对应的车体绝对位置信息，作为车体起始绝对位置信息；
根据所述车体起始绝对位置信息和与所述目标车体预先绑定的车道信息，获取第一车道线绝对位置信息；
将所述物体绝对轨迹中与所述起始时刻对应的物体绝对位置信息，作为物体起始绝对位置信息；
在所述物体起始绝对位置信息与所述第一车道线绝对位置匹配时，获取与所述第一车道线绝对位置匹配的所述物体起始绝对位置信息相对应的第三临界姿态采集时间段；
获取包含所述第三临界姿态采集时间段的多个连续的姿态采集时间段；
根据所述多个连续的姿态采集时间段的物体起始绝对位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
6.根据权利要求2所述的方法，其特征在于，所述根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，包括：
将所述车体轨迹中与所述终止时刻对应的车体绝对位置信息，作为车体终止绝对位置信息；
根据所述车体终止绝对位置信息和与所述目标车体预先绑定的车道信息，获取第二车道线绝对位置信息；
将所述物体绝对轨迹中与所述终止时刻对应的物体绝对位置信息，作为物体终止绝对位置信息；
在所述物体终止绝对位置信息与所述第二车道线绝对位置匹配时，获取与所述第二车道线绝对位置匹配的所述物体终止绝对位置信息相对应的第四临界姿态采集时间段；
获取包含所述第四临界姿态采集时间段的多个连续的姿态采集时间段；
根据所述多个连续的姿态采集时间段的物体终止绝对位置信息和姿态夹角，确定所述周围物体在所述第四临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
7.根据权利要求1至6任一所述的方法，其特征在于，所述获取周围物体相对于目标车体的相对轨迹，包括：
获取对所述周围物体的传感信息；
根据所述传感信息，确定所述周围物体相对于所述目标车体的相对轨迹。
8.根据权利要求1至6任一所述的方法，其特征在于，所述获取周围物体相对于目标车体的相对轨迹之前，还包括：
在与所述目标车体的距离小于或等于预设感知距离的范围内，获取到多个物体特征感知信息；
根据所述物体特征感知信息进行物体聚类处理，得到与至少一个感知物体一一对应的物体特征感知信息集合；
将所述至少一个感知物体之一，作为所述周围物体。
9.一种车体周围物体行为识别装置，其特征在于，包括：
轨迹获取模块，用于获取周围物体相对于目标车体的相对轨迹，所述周围物体为与所述目标车体的距离小于或等于预设感知距离的物体，所述相对轨迹包含所述周围物体在多个时间戳相对于所述目标车体的相对位置信息；
姿态确定模块，用于根据所述相对轨迹，在每个预设的姿态采集时间段中获取所述周围物体相对于所述目标车体的姿态信息，所述姿态采集时间段以所述多个时间戳中的2个为起止时刻；
行为确定模块，用于根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息，所述行为信息用于指示所述周围物体对所述目标车体的车道切入或车道切出行为；
所述轨迹获取模块，还用于在所述行为确定模块根据多个连续的所述姿态采集时间段的所述姿态信息，确定所述周围物体相对于所述目标车体的行为信息之前，获取目标车体的车体轨迹，所述车体轨迹包含所述目标车体在所述多个时间戳的车体绝对位置信息；根据所述目标车体的车体轨迹以及所述周围物体的所述相对轨迹，获取所述周围物体的物体绝对轨迹，所述物体绝对轨迹包含所述周围物体在所述多个时间戳的物体绝对位置信息。
10.根据权利要求9所述的装置，其特征在于，所述姿态确定模块，用于获取每个姿态采集时间段的起始时刻和终止时刻；将所述相对轨迹中与所述起始时刻对应的相对位置信息，作为起点位置信息；将所述相对轨迹中与所述终止时刻对应的相对位置信息，作为终点位置信息；根据每个姿态采集时间段对应的所述起点位置信息和所述终点位置信息，获取所述周围物体在每个所述姿态采集时间段中的相对矢量信息；根据每个姿态采集时间段对应的所述目标车体预设的单位矢量和所述相对矢量信息，获取所述周围物体在所述姿态采集时间段中的姿态夹角。
11.根据权利要求10所述的装置，其特征在于，所述行为确定模块，用于在所述起点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述起点位置信息对应的第一临界姿态采集时间段；获取包含所述第一临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的起点位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
12.根据权利要求10所述的装置，其特征在于，所述行为确定模块，用于在所述终点位置信息匹配预设的行为相对区域信息时，获取与行为相对区域信息匹配的所述终点位置信息对应的第二临界姿态采集时间段；获取包含所述第二临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的终点位置信息和姿态夹角，确定所述周围物体在所述第二临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
13.根据权利要求10所述的装置，其特征在于，所述行为确定模块，用于将所述车体轨迹中与所述起始时刻对应的车体绝对位置信息，作为车体起始绝对位置信息；根据所述车体起始绝对位置信息和与所述目标车体预先绑定的车道信息，获取第一车道线绝对位置信息；将所述物体绝对轨迹中与所述起始时刻对应的物体绝对位置信息，作为物体起始绝对位置信息；在所述物体起始绝对位置信息与所述第一车道线绝对位置匹配时，获取与所述第一车道线绝对位置匹配的所述物体起始绝对位置信息相对应的第三临界姿态采集时间段；获取包含所述第三临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的物体起始绝对位置信息和姿态夹角，确定所述周围物体相对于所述目标车体的行为历史信息。
14.根据权利要求10所述的装置，其特征在于，所述行为确定模块，用于将所述车体轨迹中与所述终止时刻对应的车体绝对位置信息，作为车体终止绝对位置信息；根据所述车体终止绝对位置信息和与所述目标车体预先绑定的车道信息，获取第二车道线绝对位置信息；将所述物体绝对轨迹中与所述终止时刻对应的物体绝对位置信息，作为物体终止绝对位置信息；在所述物体终止绝对位置信息与所述第二车道线绝对位置匹配时，获取与所述第二车道线绝对位置匹配的所述物体终止绝对位置信息相对应的第四临界姿态采集时间段；获取包含所述第四临界姿态采集时间段的多个连续的姿态采集时间段；根据所述多个连续的姿态采集时间段的物体终止绝对位置信息和姿态夹角，确定所述周围物体在所述第四临界姿态采集时间段的下一个姿态采集时间段中的行为预测信息。
15.根据权利要求9至14任一所述的装置，其特征在于，所述轨迹获取模块，用于获取对所述周围物体的传感信息；根据所述传感信息，确定所述周围物体相对于所述目标车体的相对轨迹。
16.根据权利要求9至14任一所述的装置，其特征在于，所述轨迹获取模块，还用于在所述获取周围物体相对于目标车体的相对轨迹之前，在与所述目标车体的距离小于或等于预设感知距离的范围内，获取到多个物体特征感知信息；根据所述物体特征感知信息进行物体聚类处理，得到与至少一个感知物体一一对应的物体特征感知信息集合；将所述至少一个感知物体之一，作为所述周围物体。
17.一种设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行权利要求1～8任一所述的车体周围物体行为识别方法。
18.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1～8任一所述的车体周围物体行为识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910036368.6A CN109849903B (zh) | 2019-01-15 | 2019-01-15 | 车体周围物体行为识别方法、装置、设备和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910036368.6A CN109849903B (zh) | 2019-01-15 | 2019-01-15 | 车体周围物体行为识别方法、装置、设备和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109849903A CN109849903A (zh) | 2019-06-07 |
| CN109849903B true CN109849903B (zh) | 2020-10-16 |
Family
ID=66894882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910036368.6A Active CN109849903B (zh) | 2019-01-15 | 2019-01-15 | 车体周围物体行为识别方法、装置、设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109849903B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107139917A (zh) * | 2017-04-27 | 2017-09-08 | 江苏大学 | 一种基于混杂理论的无人驾驶汽车横向控制系统和方法 |
| CN107967486A (zh) * | 2017-11-17 | 2018-04-27 | 江苏大学 | 一种基于v2v通信与hmm-gbdt混合模型的周边车辆行为识别方法 |
| CN108657176A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 车辆控制方法、装置及相关计算机程序产品 |
| CN109101939A (zh) * | 2018-08-23 | 2018-12-28 | 深圳大学 | 车辆运动状态的确定方法、系统、终端及可读存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6442771B2 (ja) * | 2015-08-06 | 2018-12-26 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
-
2019
- 2019-01-15 CN CN201910036368.6A patent/CN109849903B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108657176A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 车辆控制方法、装置及相关计算机程序产品 |
| CN107139917A (zh) * | 2017-04-27 | 2017-09-08 | 江苏大学 | 一种基于混杂理论的无人驾驶汽车横向控制系统和方法 |
| CN107967486A (zh) * | 2017-11-17 | 2018-04-27 | 江苏大学 | 一种基于v2v通信与hmm-gbdt混合模型的周边车辆行为识别方法 |
| CN109101939A (zh) * | 2018-08-23 | 2018-12-28 | 深圳大学 | 车辆运动状态的确定方法、系统、终端及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109849903A (zh) | 2019-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101758576B1 (ko) | 물체 탐지를 위한 레이더 카메라 복합 검지 장치 및 방법 | |
| CN108389396B (zh) | 一种基于视频的车型匹配方法、装置和计费系统 | |
| JP6509361B2 (ja) | 駐車支援装置及び駐車支援方法 | |
| JP5699670B2 (ja) | 走行経路生成装置、及び走行経路生成方法 | |
| CN103781685A (zh) | 车辆用自主行驶控制系统 | |
| CN110174856A (zh) | 车辆的驾驶模式切换控制设备和方法以及车辆系统 | |
| CN104574954A (zh) | 一种基于自由流系统的车辆稽查方法、控制设备及系统 | |
| US10643466B2 (en) | Vehicle search system, vehicle search method, and vehicle used therefor | |
| CN108573611A (zh) | 一种限速标识融合方法以及限速标识融合系统 | |
| CN111144330A (zh) | 一种基于深度学习的车道线检测方法、装置以及设备 | |
| US20220355818A1 (en) | Method for a scene interpretation of an environment of a vehicle | |
| CN112689234B (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
| US20200103918A1 (en) | Method for detecting caller by autonomous vehicle | |
| CN113386738A (zh) | 风险预警系统、方法和存储介质 | |
| JP5573780B2 (ja) | 進路評価装置及び進路評価方法 | |
| CN109849903B (zh) | 车体周围物体行为识别方法、装置、设备和可读存储介质 | |
| CN114863089B (zh) | 自动驾驶感知数据的自动采集方法、装置、介质及设备 | |
| CN111480165A (zh) | 在考虑对象的特征结构的情况下创建用于车辆的基于特征的定位地图的方法 | |
| CN111696360A (zh) | 一种停车监控方法、系统及摄像机 | |
| JP2018120303A (ja) | 物体検出装置 | |
| CN116353620A (zh) | 一种自动泊车路径规划方法、装置、介质及设备 | |
| CN113400986A (zh) | 驻车支援系统 | |
| CN112016514A (zh) | 一种交通标志识别方法、装置、设备及储存介质 | |
| CN112818727A (zh) | 一种道路约束确定方法及装置 | |
| JP2019087083A (ja) | 走行車線認識装置、走行車線認識方法及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |