CN110155064A - 基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法 - Google Patents
基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法 Download PDFInfo
- Publication number
- CN110155064A CN110155064A CN201910321700.3A CN201910321700A CN110155064A CN 110155064 A CN110155064 A CN 110155064A CN 201910321700 A CN201910321700 A CN 201910321700A CN 110155064 A CN110155064 A CN 110155064A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- special
- lane change
- special vehicle
- 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.)
- Granted
Links
- 230000008859 change Effects 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000005236 sound signal Effects 0.000 claims description 10
- 238000005311 autocorrelation function Methods 0.000 claims description 9
- 238000009432 framing Methods 0.000 claims description 9
- 241000736199 Paeonia Species 0.000 claims description 8
- 235000006484 Paeonia officinalis Nutrition 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000004677 Nylon Substances 0.000 claims description 4
- 229920001778 nylon Polymers 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法,所述系统包括信息采集单元、信息处理单元、车道识别单元和变道决策单元。信息采集单元采集交通环境声音模拟信号,并将其转化成声音数字信号,传输给信息处理单元;信息处理单元识别出特种声音,并提取目标特种声音信息,传输给车道识别单元;车道识别单元计算出特种车辆方位和车道信息,并输送给变道决策单元;变道决策单元根据特种车辆和自车的车道信息及相对位置,结合其它行驶条件,作出变道决策。本发明能够帮助自动驾驶汽车获取更全面的交通道路信息,保证特种车辆出勤的道路通畅,也可以提高自动驾驶汽车的行车安全。
Description
技术领域
本发明属于驾驶环境感知和决策领域,尤其是一种基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法。
背景技术
近年来,随着人工智能和自动驾驶汽车的发展,自动驾驶的安全性和可靠性越来越受到更多的关注。自动驾驶系统主要包含三个部分:感知、决策、控制。其中环境感知系统是实现自动驾驶的基础,而多传感器融合是实现自动驾驶环境感知的必然趋势。目前,现有的车载传感器主要包含激光雷达、毫米波雷达、摄像头等。但是,在城市交通路况中,特别是对于拥挤路段,由于视野遮挡,摄像头很难发现道路上执行任务的特种车辆,比如说鸣笛的警车,执行任务的救护车等,也就无法判断特种车辆所在车道和自车的相对位置。
另外,目前自车的车道识别基本都是根据摄像头捕捉车道线实现的,而且仅提供自车的行驶车道信息。
发明内容
为了有效的解决以上问题,本发明提出了一种基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法,使自车实现拥挤交通环境下特种车辆行驶车道的识别,并结合自身车道信息和其他行驶条件做出相应的变道决策,其中特种车辆包括警车、救护车、消防车等。
为实现上述目的,本发明采用更具体的技术方案如下:
基于声音信号的特种车辆行驶车道识别与自车变道决策系统,其特征在于,包括信息采集单元、信息处理单元、车道识别单元和变道决策单元;
所述信息采集单元采集自车前侧和后侧的交通环境声音模拟信号,并将声音模拟信号转化成声音数字信号,传输给信息处理单元;
所述信息处理单元接收到声音数字信号后检测是否有特种声音,提取目标特种声音信息,然后输送给车道识别单元;
所述车道识别单元根据接收到的目标特种声音信息,得出特种车辆的行驶车道以及特种车辆与自车的相对位置,并将特种车辆与自车相对位置输送给变道决策单元;
所述变道决策单元根据特种车辆与自车相对位置,结合两车速度、自车的行驶环境,作出变道决策。
进一步地,所述信息采集单元是分别安装在车前端与车后端的两个麦克风。
进一步地,所述麦克风被喇叭状尼龙套围在中间。
基于声音信号的特种车辆行驶车道识别与自车变道决策系统的车道识别及变道决策方法,其特征在于,包括如下步骤:
S1信息采集单元获取道路中的声音,并转变成数字信号输送给信号处理单元;
S2信息处理单元对接收到的数字信号进行处理,当检测到特种声音时,提取此时所采集的自车前侧和后侧声音信号的声压级和相位差;
S3车道识别单元根据提取的特种声音信息,结合自车所在车道信息,求出特种车辆与自车的相对位置以及特种车辆的行驶车道,并将特种车辆与自车的相对位置输送给变道决策单元;
S4变道决策单元根据接收到的信息,结合两车速度、自车的行驶环境,给出变道决策。
进一步地,所述的S2中首先进行端点检测;采用自相关函数法,即将信号分帧后,利用公式(1)求取每帧数据的短时自相关函数;再利用噪声与特种声音的自相关函数的差异性检测是否具有特种声音信号;
式(1)中:R为信号的自相关函数;i表示第i帧;k为延迟量;L为帧长;y为信号幅值。
进一步地,所述S2中求取声音信号的特征参数梅尔频率倒谱系数(MFCC),并将求得的疑似目标特种声音的MFCC参数,输入到训练好的支持向量机(SVM)分类器中,完成特种声音的识别;声音信号的特征参数梅尔频率倒谱系数(MFCC)的求取过程如下:
(1)将异常声音信号设为S(t),经过滤波、预加重、分帧、加窗后得到每帧的特种声音信号S(t),对S(t))做离散傅里叶变换(DFT)得到频域信号X(ω),将时域转换成频域;求得的X(ω)表示为:
上式(2)中:t为时间;ω为频率;X(ω)为频域信号;X(t)为分帧后时域信号;N为傅里叶变换区间长度;
(2)求X(ω)的平方,即能量谱;通过由M个滤波器组成的滤波器组对能量谱滤波,第m个滤波器的中心频率为f(m),m=1,2,...,M;第m个三角滤波器传递函数为:
上式(3)中,Hm(ω)为三角滤波器传递函数,
(3)计算第m个滤波器输出的能量对数叠加记为S(m),其表达式如下:
上式(4)中:S(m)为叠加的能量对数;M为滤波器组个数;X(ω)为频域信号;Hm(ω)为三角滤波器传递函数;
(4)再经离散余弦变换(DCT)得到梅尔倒谱系数(MFCC):
上式(5)中:C(n)为梅尔倒谱系数;S(m)为叠加的能量对数;M为滤波器组个数;L为梅尔倒谱系数维数。
进一步地,求取所述声音信号的特征参数梅尔频率倒谱系数(MFCC)时,梅尔倒谱系数的维数本文取L=12;所述滤波器组中滤波器的个数M和临界带的个数相近,M取22-26;滤波器采用三角滤波器。
进一步地,所述S2中提取特种声音信息,包括自车前侧检测到的特种声音信号声压级Lp1、自车后侧检测到的特种声音信号声压级Lp2、前后两个车道特种声音信号时域的相位差和周期T,以及时间差Δt,时间差Δt的求取按照如下公式:
上式(6)中,为双声道特种声音信号时域的相位差,T为信号周期。
进一步地,所述S3中求出特种车辆与本车的相对位置以及特种车辆的行驶车道,具体方法为:
根据检测到自车前侧特种声音信号声压级Lp1和自车后侧检测出的声压级Lp2,按照如下方式判断特种车辆的方位:
1)当Lp1>Lp2,特种车辆在自车的正前方或侧前方;
2)当Lp2>Lp1,特种车辆在自车的正后方或侧后方;
3)当Lp2=Lp1,特种车辆在自车的正侧方;
当特种车辆在自车正侧方时,识别单元不识别特种车辆的车道位置;当特种车辆不位于自车正侧方时,则需要进一步判断是否在同一车道;
特种车辆行驶车道识别按如下方程式(7)进行:
S1-S2=Δt×v (7)
上式(7)中,d为车道宽度,L为特种车辆到自车后方麦克风的垂直距离,S1为特种车辆到自车后方麦克风的距离,S2为特种车辆到自车前方麦克风的距离,b为自车前后麦克风的距离,n为特种车辆与自车相隔的车道数,是包括0在内的正整数,Δt为双声道特种声音信号的时间差,v为当前环境下的声速;
并利用声压级与距离的关系公式(8)进一步约束n的多解,求取单解,公式(8)如下:
Lp2=Lp0-20lgS′2-k (8)
上式中:Lp0为特种车辆警报器处的声压级;Lp2为自车后侧麦克风出所测声压级;S′2为特种车辆到自车前方麦克风的距离;k为修正系数,自由空间k=11,半自由空间k=8;
由于同种特征车辆的警报器为统一规格,所以可测得Lp0为一固定值,可以求得S′2;理想状态下,S2与S′2相等,但是由于环境影响导致由声压级计算出的S′2存在误差,比较每个解n所对应的S2与S′2大小关系为:
S2=S′2+δ (9)
式(9)中δ为调节参数,求出在δ的绝对值最小的情况下满足条件的S2,此时S2所对应的解n即为单解。
车道识别单元接收摄像头的当前自车所在的车道信息与n的取值判断出特种车辆所在车道,n=0时,特种车辆与自车处于同一车道,n≠0时,特种车辆与自车不处于同一车道。
进一步地,所述S4中变道决策单元根据接收到的信息并同时结合两车速度、变道条件,给出变道决策,具体是变道决策单元接收特种车辆的车道信息和相对位置信息,在当前行驶环境允许变道的条件下,结合自车行驶速度v1,特种车辆的行驶速度v2和当前车速两车的安全距离S0给出的,变道决策如下:
1)当特种车辆在自车正后方或侧后方时:
n≠0时,不在同一车道时,不变道;
n=0,v1≥v2时,不变道;
n=0,v1<v2,且S2>S0时,不变道;
n=0,v1<v2,且S2≤S0时,变道;
2)当特种车辆在自车正前方或侧前方时:
n≠0时,不变道;
n=0,v1≤v2时,不变道;
n=0,v1>v2,且S1>S0时,不变道;
n=0,v1>v2,且S1≤S0时,变道。
本发明的有益效果是:本发明设计的基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法,能够获取更全面的交通道路信息;在交通拥挤或者视野受阻等恶劣环境下,利用声音信号可以识别出自车周围特种车辆所在车道,并结合自车所在车道信息和其他行驶条件,给出变道决策。保证特种车辆出勤的道路通畅,也同样可以提高自车的行车安全。
附图说明
图1为本发明所述基于声音信号的特种车辆行驶车道识别与自车变道决策系统的原理图。
图2为特种声音信号处理流程图。
图3为基于声音信号的特种车辆行驶车道的识别原理示意图。
图4为自车变道决策流程图。
附图标记如下:
1-自车;2-特种车辆。
具体实施方式
以下将结合附图所示的各实施方式对本发明进行详细描述,但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
图1所示为本发明所述基于声音信号的特种车辆行驶车道识别与自车变道决策系统原理图,所述基于声音信号的特种车辆行驶车道识别与自车变道决策系统,主要包括信息采集单元、信息处理单元、车道识别单元和车辆变道决策单元。
所述信息采集单元为分别安装在自车1前端与自车1后端的两个被喇叭状尼龙套围在中间的麦克风,用于获取交通流中的特种车辆的警报声,包括警笛声,救护车鸣笛声,消防车鸣笛声等特种车辆声音,并将声音模拟信号转化为声音数字信号,传输给信息处理单元。两个麦克风被做成喇叭状尼龙套围着,以达到屏蔽部分反方向的声音信息,加强同方向的声音信息的采集,达到双声道声音信息的对比的目的。
所述信息处理单元的输入端与信息采集单元相连、输出端与车道识别单元相连。信息处理单元接受信息采集单元传输的声音数字信号,对声音数字信号进行去噪和端点检测,并进行特征参数提取,分类识别出目标特种声音,提取特种声音信息。
车道识别单元根据提取的声音信息结合自车1自身所在的车道信息,判断特种车辆2的所在车道信息和车辆相对位置,并输送给变道决策单元。
变道决策单元根据特种车辆2的位置、车道信息并结合其它行驶条件,做出变道决策。
本发明所述基于声音信号的特种车辆行驶车道识别与自车变道决策系统的工作过程为:
启动车辆开启车辆控制系统,前后麦克风获取交通环境中的实时环境声音信号,并将其传给信息处理单元;信息处理单元对获取的语音信号进行特种声音检测,检测到疑似目标特种声音的信号后,对目标信号进行计算处理,识别出特种车辆2声音,将特种声音信息传输给车道识别单元;车道识别单元根据获得的声音信息和自身车道信息,识别出特种车辆2行驶车道,并将结果输送给车辆变道决策单元,作出变道决策。
具体的,所述基于声音信号的特种车辆行驶车道识别与自车变道的方法,包括以下步骤:
S1自车1前后麦克风获取道路中的环境声音,并转变成数字信号输送给信号处理单元。
S2对信息流进行检测和识别特种声音,具体流程如图2所示。首先对信号进行端点检测,检测是否有疑似目标特种声音。以自相关函数法端点检测为例:将信号分帧后,利用如下公式(1)求取每帧数据的短时自相关函数。利用噪声与特种声音的自相关函数的差异性检测出疑似目标特种声音信号。
上式(1)中:R为信号的自相关函数;i表示第i帧;k为延迟量;L为帧长;y为信号幅值。
检测到疑似目标特种声音信号后,求取声音信号的特征参数梅尔频率倒谱系数(MFCC),求取过程如下:
1)将异常声音信号设为S(t),经过滤波、预加重、分帧、加窗后得到每帧的特种声音信号S(t),对S(t))做离散傅里叶变换(DFT)得到频域信号X(ω),将时域转换成频域;求得的X(ω)表示为:
上式(2)中:t为时间;ω为频率;X(ω)为频域信号;X(t)为分帧后时域信号;N为傅里叶变换区间长度;
2)求X(ω)的平方,即能量谱;通过由M个滤波器组成的滤波器组对能量谱滤波,第m个滤波器的中心频率为f(m),m=1,2,...,M;第m个三角滤波器传递函数为:
上式(3)中,Hm(ω)为三角滤波器传递函数,
3)计算第m个滤波器输出的能量对数叠加记为S(m),其表达式如下:
上式(4)中:S(m)为叠加的能量对数;M为滤波器组个数;X(ω)为频域信号;Hm(ω)为三角滤波器传递函数;
4)再经离散余弦变换(DCT)得到梅尔倒谱系数(MFCC):
上式(5)中:C(n)为梅尔倒谱系数;S(m)为叠加的能量对数;M为滤波器组个数;L为梅尔倒谱系数维数。
本实施例中,梅尔倒谱系数的维数取L=12,滤波器组中滤波器的个数M和临界带的个数相近,取22-26,滤波器采用三角滤波器。
然后,将求得的疑似目标特种声音的MFCC参数,输入到训练好的支持向量机(SVM)分类器中,判断是否为特种声音并识别出是哪一类特种声音。
识别出特种声音后,分别获取该特种声音前后麦克风双声道特种声音信号的声压级Lp1与Lp2,以及双声道特种声音信号频域的相位差Δφ和周期T,利用下列公式(6)求出时间差Δt:
其中,警车警报声、救护车警报声、消防车警报声等特种车辆的声音周期T都是已知的,已被存入系统内。
S3车道识别单元根据提取的声音信息判断特种车辆2的方位与车道,具体如下:
1)当Lp1>Lp2,特种车辆2在自车1的正前方或侧前方;
2)当Lp2>Lp1,特种车辆2在自车1的正后方或侧后方;
3)当Lp2=Lp1,特种车辆2在自车1的正侧方。
当特种车辆2在自车1正侧方时,由于不会影响自车1的正常行驶,所以在这种情况下,识别单元不识别特种车辆2的车道位置。当特种车辆2不位于自车1正侧方时,则需要进一步判断是否在同一车道。
特种车辆行驶车道识别原理如图3所示。图中:1为自车1;2为特种车辆2;d为车道宽度;L为特种车辆2到自车1后方麦克风的垂直距离;b为自车1前后麦克风的距离;S1为特种车辆2到自车1前方麦克风的距离;S2为特种车辆2到自车1后方麦克风的距离;列方程式如下:
S1-S2=Δt×v (7)
上式(7)中:n为与自车1相隔的车道数,例如n=0表示同车道;Δt为双声道特种声音信号的时间差;v为当前环境下的声速。
n、L、S1、S2为未知数,可知方程组当有无数组解,由于n=0、1、2、…。所以n为包括0在内的正整数解,每一个解n对应于一组;但是在实际情况下,n可能没有整数解,则取最靠近整数的n值,求出n为整数时的解集{n,L,S1,S2},但是此时还是无法确定n的具体值,所以进一步约束,约束条件如下:
由声压级与距离的关系公式:
Lp2=Lp0-20lgS′2-k (8)
上式(8)中:Lp0为特种车辆2警报器处的声压级;Lp2为自车1后侧麦克风出所测声压级;S′2为特种车辆2到自车1后方麦克风的距离;k为修正系数,自由空间k=11,半自由空间k=8。
因为同种特征车辆的警报器为统一规格,所以Lp0为一被存入系统内的固定值,可以求得S′2,理想状态下,S2与S′2相等,但是由于环境影响导致由声压级计算出的S′2存在误差,比较每个解n所对应的S2与S′2大小关系为:
S2=S′2+δ (9)
式(9)中δ为调节参数,求出在δ的绝对值最小的情况下满足条件的S2,此时S2所对用的解n即为单解,n为特种车辆2与自车1所在的相对车道信息。
车道识别单元接收摄像头的当前自车1所在的车道信息,结合n的值作出车道判断。以六车道道路中,自车1处于图3中所示左二车道为例,给出特种车辆2所在车道信息。
n=0时,特种车辆2与自车1处于同一车道,位于左二车道;
n=1时,特种车辆2在自车1相邻的左一车道或者左三车道;
n=2时,特种车辆2在自车1相隔一个车道的左四车道;
n=3时,特种车辆2在自车1相隔二个车道的左五车道;
n=4时,特种车辆2在自车1相隔三个车道的左六车道。
S4车道识别单元将识别结果和相对距离信息输送给变道决策单元,变道决策单元根据接收到的信息并同时结合其它行驶条件,给出变道决策。本例中,变道决策单元首先根据从摄像头、雷达等传动传感器获得自车1周围环境,判断是否具备变道条件。适合自车1变道的交通条件为:自车1两侧不同时出现其他车辆或者障碍物,不违背交通规则。
当具备变道条件时,根据当前自车1所在的车道信息、位置信息以及当前自车1行驶速度v1与特种车辆2的行驶速度v2给出变道决策,如图4所示,变道决策如下:
1)当特种车辆2在自车1正后方或侧后方时:
n≠0时,不在同一车道时,不变道;
n=0,v1≥v2时,在同一车道,且自车1速度高于特种车辆2速度,不变道;
n=0,v1<v2,且S2>S0时,在同一车道,自车1速度低于特种车辆2速度,但辆车距离较远,S0为当前车速两车的安全距离,不变道;
n=0,v1<v2,且S2≤S0时,在同一车道,自车1速度低于特种车辆2速度,自车1与特种车辆2距离较近,变道。
2)当特种车辆2在自车1正前方或侧前方时:
n≠0时,不在同一车道时,不变道;
n=0,v1≤v2时,在同一车道,且自车1速度低于特种车辆2速度,不变道;
n=0,v1>v2,且S1>S0时,在同一车道,自车1速度高于特种车辆2速度,但辆车距离较远,不变道;
n=0,v1>v2,且S1≤S0时,在同一车道,自车1速度高于特种车辆2速度,自车1与特种车辆2距离较近,变道。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (10)
1.基于声音信号的特种车辆行驶车道识别与自车变道决策系统,其特征在于,包括信息采集单元、信息处理单元、车道识别单元和变道决策单元;
所述信息采集单元采集自车(1)前侧和后侧的交通环境声音模拟信号,并将声音模拟信号转化成声音数字信号,传输给信息处理单元;
所述信息处理单元接收到声音数字信号后检测是否有特种声音,提取目标特种声音信息,然后输送给车道识别单元;
所述车道识别单元根据接收到的目标特种声音信息,得出特种车辆(2)的行驶车道以及特种车辆(2)与自车(1)的相对位置,并将特种车辆(2)与自车(1)相对位置输送给变道决策单元;
所述变道决策单元根据特种车辆(2)与自车(1)相对位置,结合两车速度、自车(1)的行驶环境,作出变道决策。
2.根据权利要求1所述的特种车辆行驶车道识别与自车变道决策系统,其特征在于,所述信息采集单元是分别安装在车前端与车后端的两个麦克风。
3.根据权利要求2所述的特种车辆行驶车道识别与自车变道决策系统,其特征在于,所述麦克风被喇叭状尼龙套围在中间。
4.权利要求1所述系统的特种车辆行驶车道识别与自车变道决策方法,其特征在于,包括如下步骤:
S1 信息采集单元获取道路中的声音,并转变成数字信号输送给信号处理单元;
S2 信息处理单元对接收到的数字信号进行处理,当检测到特种声音时,提取此时所采集的自车前侧和后侧声音信号的声压级和相位差;
S3 车道识别单元根据提取的特种声音信息,结合自车(1)所在车道信息,求出特种车辆(2)与自车(1)的相对位置以及特种车辆(2)的行驶车道,并将特种车辆(2)与自车(1)的相对位置输送给变道决策单元;
S4 变道决策单元根据接收到的信息,结合两车速度、自车(1)的行驶环境给出变道决策。
5.根据权利要求4所述的特种车辆行驶车道识别与自车变道决策方法,其特征在于,所述的S2中首先进行端点检测:采用自相关函数法,即将信号分帧后,利用公式(1)求取每帧数据的短时自相关函数;再利用噪声与特种声音的自相关函数的差异性检测是否具有特种声音信号;
式(1)中:R为信号的自相关函数;i表示第i帧;k为延迟量;L为帧长;y为信号幅值。
6.根据权利要求4所述的特种车辆行驶车道识别与自车变道决策方法,其特征在于,所述S2中求取声音信号的特征参数梅尔频率倒谱系数(MFCC),并将求得的疑似目标特种声音的MFCC参数,输入到训练好的支持向量机(SVM)分类器中,完成特种声音的识别;声音信号的特征参数梅尔频率倒谱系数(MFCC)的求取过程如下:
1)将异常声音信号设为S(t),经过滤波、预加重、分帧、加窗后得到每帧的特种声音信号S(t),对S(t))做离散傅里叶变换(DFT)得到频域信号X(ω),将时域转换成频域;求得的X(ω)表示为:
上式(2)中:t为时间;ω为频率;X(ω)为频域信号;X(t)为分帧后时域信号;N为傅里叶变换区间长度;
2)求X(ω)的平方,即能量谱;通过由M个滤波器组成的滤波器组对能量谱滤波,第m个滤波器的中心频率为f(m),m=1,2,...,M;第m个三角滤波器传递函数为:
上式(3)中,Hm(ω)为三角滤波器传递函数,
3)计算第m个滤波器输出的能量对数叠加记为S(m),其表达式如下:
上式(4)中:S(m)为叠加的能量对数;M为滤波器组个数;X(ω)为频域信号;Hm(ω)为三角滤波器传递函数;
4)再经离散余弦变换(DCT)得到梅尔倒谱系数(MFCC):
上式(5)中:C(n)为梅尔倒谱系数;S(m)为叠加的能量对数;M为滤波器组个数;L为梅尔倒谱系数维数。
7.根据权利要求6所述的特种车辆行驶车道识别与自车变道决策方法,其特征在于,求取所述声音信号的特征参数梅尔频率倒谱系数(MFCC)时,梅尔倒谱系数的维数本文取L=12;滤波器组中滤波器的个数M和临界带的个数相近,M取22-26;滤波器采用三角滤波器。
8.根据权利要求4所述的特种车辆行驶车道识别与自车变道决策方法,其特征在于,所述S2中提取的特种声音信息包括自车(1)前侧检测到的特种声音信号声压级Lp1、自车(1)后侧检测到的特种声音信号声压级Lp2、前后两个声道特种声音信号时域的相位差和周期T,以及时间差Δt,时间差Δt的求取按照如下公式:
9.根据权利要求8所述的特种车辆行驶车道识别与自车变道决策方法,其特征在于,所述S3求出特种车辆(2)与自车(1)的相对位置以及特种车辆(2)的行驶车道的具体方法为:
根据检测到的自车(1)前侧特种声音信号声压级Lp1和自车(1)后侧检测出的声压级Lp2,按照如下方式判断特种车辆(2)的方位:
1)当Lp1>Lp2,特种车辆(2)在自车(1)的正前方或侧前方;
2)当Lp2>Lp1,特种车辆(2)在自车(1)的正后方或侧后方;
3)当Lp2=Lp1,特种车辆(2)在自车(1)的正侧方;
当特种车辆(2)在自车(1)正侧方时,识别单元不识别特种车辆(2)的车道位置;当特种车辆(2)不位于自车(1)正侧方时,则需要进一步判断是否在同一车道;
特种车辆(2)行驶车道识别按如下方程式(7)进行:
S1-S2=Δt×v (7)
上式(7)中,d为车道宽度;L为特种车辆(2)到自车(1)后方麦克风的垂直距离;S1为特种车辆(2)到自车(1)后方麦克风的距离;S2为特种车辆(2)到自车(1)前方麦克风的距离;b为自车(1)前后麦克风的距离;n为特种车辆(2)与自车(1)相隔的车道数,是包括0在内的正整数;Δt为双声道特种声音信号的时间差,v为当前环境下的声速;
并利用声压级与距离的关系公式(8)进一步约束n的多解,求取单解:
Lp2=Lp0-20lgS′2-k (8)
上式(8)中:Lp0为特种车辆警报器处的声压级;Lp2为自车(1)后侧麦克风出所测声压级;S′2为特种车辆(2)到自车(1)前方麦克风的距离;k为修正系数,自由空间k=11,半自由空间k=8;
Lp0为一固定值,能够求得S′2;理想状态下,S2与S′2相等,但是由于环境影响导致由声压级计算出的S′2存在误差,比较每个解n所对应的S2与S′2大小关系为:
S2=S′2+δ (9)
式(9)中δ为调节参数,求出在δ的绝对值最小的情况下满足条件的S2,此时S2所对应的解n即为单解;
车道识别单元接收摄像头拍摄的车道图像并识别自车(1)所在的车道,结合n的取值判断出特种车辆(2)所在车道;n=0时,特种车辆(2)与自车(1)处于同一车道,n≠0时,特种车辆(2)与自车(1)不处于同一车道。
10.根据权利要求9所述的特种车辆行驶车道识别与自车变道决策方法,其特征在于,所述S4中变道决策单元根据接收到的信息并同时结合两车速度、行驶环境,给出变道决策,具体是变道决策单元接收特种车辆(2)的车道信息和相对位置信息,在当前行驶环境允许变道的条件下,结合自车(1)行驶速度v1,特种车辆(2)的行驶速度v2和当前车速两车的安全距离S0给出的,变道决策如下:
1)当特种车辆(2)在自车(1)正后方或侧后方时:
n≠0时,不在同一车道时,不变道;
n=0,v1≥v2时,不变道;
n=0,v1<v2,且S2>S0时,不变道;
n=0,v1<v2,且S2≤S0时,变道;
2)当特种车辆(2)在自车(1)正前方或侧前方时:
n≠0时,不变道;
n=0,v1≤v2时,不变道;
n=0,v1>v2,且S1>S0时,不变道;
n=0,v1>v2,且S1≤S0时,变道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910321700.3A CN110155064B (zh) | 2019-04-22 | 2019-04-22 | 基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910321700.3A CN110155064B (zh) | 2019-04-22 | 2019-04-22 | 基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110155064A true CN110155064A (zh) | 2019-08-23 |
CN110155064B CN110155064B (zh) | 2020-12-18 |
Family
ID=67639718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910321700.3A Active CN110155064B (zh) | 2019-04-22 | 2019-04-22 | 基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110155064B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111089245A (zh) * | 2019-12-23 | 2020-05-01 | 宁波飞拓电器有限公司 | 一种多用途节能消防应急灯 |
CN111462530A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市元征科技股份有限公司 | 一种车辆管理方法、车辆管理装置及电子设备 |
CN111824159A (zh) * | 2020-09-21 | 2020-10-27 | 李斯特技术中心(上海)有限公司 | 车辆控制方法、装置、车辆和计算机可读存储介质 |
CN111882894A (zh) * | 2020-09-01 | 2020-11-03 | 深圳市德惠模具有限公司 | 一种智能交通信号灯控制方法及系统 |
CN112319505A (zh) * | 2020-11-26 | 2021-02-05 | 东风商用车有限公司 | 自动驾驶换道判断方法、装置、设备及存储介质 |
CN112339760A (zh) * | 2020-11-06 | 2021-02-09 | 广州小鹏汽车科技有限公司 | 车辆行驶控制方法、控制装置、车辆和可读存储介质 |
CN113571089A (zh) * | 2021-08-09 | 2021-10-29 | 南昌航空大学 | 基于梅尔倒谱系数-支持向量机架构的声音识别方法 |
CN113581195A (zh) * | 2021-08-17 | 2021-11-02 | 禾多科技(北京)有限公司 | 特种车辆识别方法、电子设备和计算机可读介质 |
CN113799801A (zh) * | 2021-10-19 | 2021-12-17 | 中国第一汽车股份有限公司 | 车辆避让控制方法、装置、电子设备及存储介质 |
CN114202948A (zh) * | 2021-12-08 | 2022-03-18 | 北京理工大学 | 一种无人车声图识别定位变道方法、系统、设备及终端 |
CN114694394A (zh) * | 2022-03-22 | 2022-07-01 | 山东交通学院 | 一种特种车辆智能提示方法及装置 |
CN115179930A (zh) * | 2022-07-15 | 2022-10-14 | 小米汽车科技有限公司 | 车辆控制方法、装置、车辆及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009042834A (ja) * | 2007-08-06 | 2009-02-26 | Fujitsu Ten Ltd | 車線変更処理装置および車線変更処理方法 |
CN102324232A (zh) * | 2011-09-12 | 2012-01-18 | 辽宁工业大学 | 基于高斯混合模型的声纹识别方法及系统 |
CN102568456A (zh) * | 2011-12-23 | 2012-07-11 | 深圳市万兴软件有限公司 | 一种基于哼唱输入的记谱方法及装置 |
CN103258543A (zh) * | 2013-04-12 | 2013-08-21 | 大连理工大学 | 一种人工语音带宽扩展的方法 |
CN105938657A (zh) * | 2016-06-27 | 2016-09-14 | 常州加美科技有限公司 | 一种无人驾驶车辆的听觉感知与智能决策系统 |
US9598076B1 (en) * | 2015-10-22 | 2017-03-21 | Ford Global Technologies, Llc | Detection of lane-splitting motorcycles |
CN109061655A (zh) * | 2018-06-01 | 2018-12-21 | 湖南工业大学 | 一种智能驾驶车辆全声频感知系统及其智能控制方法 |
-
2019
- 2019-04-22 CN CN201910321700.3A patent/CN110155064B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009042834A (ja) * | 2007-08-06 | 2009-02-26 | Fujitsu Ten Ltd | 車線変更処理装置および車線変更処理方法 |
CN102324232A (zh) * | 2011-09-12 | 2012-01-18 | 辽宁工业大学 | 基于高斯混合模型的声纹识别方法及系统 |
CN102568456A (zh) * | 2011-12-23 | 2012-07-11 | 深圳市万兴软件有限公司 | 一种基于哼唱输入的记谱方法及装置 |
CN103258543A (zh) * | 2013-04-12 | 2013-08-21 | 大连理工大学 | 一种人工语音带宽扩展的方法 |
US9598076B1 (en) * | 2015-10-22 | 2017-03-21 | Ford Global Technologies, Llc | Detection of lane-splitting motorcycles |
CN105938657A (zh) * | 2016-06-27 | 2016-09-14 | 常州加美科技有限公司 | 一种无人驾驶车辆的听觉感知与智能决策系统 |
CN109061655A (zh) * | 2018-06-01 | 2018-12-21 | 湖南工业大学 | 一种智能驾驶车辆全声频感知系统及其智能控制方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111089245A (zh) * | 2019-12-23 | 2020-05-01 | 宁波飞拓电器有限公司 | 一种多用途节能消防应急灯 |
CN111462530A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市元征科技股份有限公司 | 一种车辆管理方法、车辆管理装置及电子设备 |
CN111882894A (zh) * | 2020-09-01 | 2020-11-03 | 深圳市德惠模具有限公司 | 一种智能交通信号灯控制方法及系统 |
CN111824159A (zh) * | 2020-09-21 | 2020-10-27 | 李斯特技术中心(上海)有限公司 | 车辆控制方法、装置、车辆和计算机可读存储介质 |
CN112339760A (zh) * | 2020-11-06 | 2021-02-09 | 广州小鹏汽车科技有限公司 | 车辆行驶控制方法、控制装置、车辆和可读存储介质 |
CN112319505A (zh) * | 2020-11-26 | 2021-02-05 | 东风商用车有限公司 | 自动驾驶换道判断方法、装置、设备及存储介质 |
CN113571089A (zh) * | 2021-08-09 | 2021-10-29 | 南昌航空大学 | 基于梅尔倒谱系数-支持向量机架构的声音识别方法 |
CN113581195A (zh) * | 2021-08-17 | 2021-11-02 | 禾多科技(北京)有限公司 | 特种车辆识别方法、电子设备和计算机可读介质 |
CN113799801A (zh) * | 2021-10-19 | 2021-12-17 | 中国第一汽车股份有限公司 | 车辆避让控制方法、装置、电子设备及存储介质 |
CN114202948A (zh) * | 2021-12-08 | 2022-03-18 | 北京理工大学 | 一种无人车声图识别定位变道方法、系统、设备及终端 |
CN114694394A (zh) * | 2022-03-22 | 2022-07-01 | 山东交通学院 | 一种特种车辆智能提示方法及装置 |
CN115179930A (zh) * | 2022-07-15 | 2022-10-14 | 小米汽车科技有限公司 | 车辆控制方法、装置、车辆及可读存储介质 |
CN115179930B (zh) * | 2022-07-15 | 2023-10-17 | 小米汽车科技有限公司 | 车辆控制方法、装置、车辆及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110155064B (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110155064A (zh) | 基于声音信号的特种车辆行驶车道识别与自车变道决策系统及方法 | |
US11351988B2 (en) | Use of sound with assisted or autonomous driving | |
CN102765365B (zh) | 基于机器视觉的行人检测方法及行人防撞预警系统 | |
CN106297281B (zh) | 车辆违章检测的方法及设备 | |
CN107031628A (zh) | 使用听觉数据的碰撞规避 | |
CN105938657A (zh) | 一种无人驾驶车辆的听觉感知与智能决策系统 | |
US9812008B2 (en) | Vehicle detection and tracking based on wheels using radar and vision | |
Xu et al. | ER: Early recognition of inattentive driving leveraging audio devices on smartphones | |
CN105599767B (zh) | 环形道探测装置 | |
CN109920448A (zh) | 一种自动驾驶车辆交通环境特种声音的识别系统及方法 | |
CN110329144A (zh) | 一种车辆智能鸣笛方法 | |
CN109031306A (zh) | 一种用于视障人群的导航方法及系统 | |
CN107991677A (zh) | 一种行人检测方法 | |
CN111323756A (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
CN115034324A (zh) | 一种多传感器融合感知效能增强方法 | |
CN104648627B (zh) | 一种船舶预警方法 | |
CN109835262A (zh) | 车辆预警的系统 | |
EP4083910A1 (en) | Information processing device, information processing system, information processing method and information processing program | |
CN113640768A (zh) | 一种基于小波变换的低分辨雷达目标识别方法 | |
Lupinska-Dubicka et al. | In-car ecall device for automatic accident detection, passengers counting and alarming | |
CN106873002B (zh) | 一种车载定位干扰攻击检测方法及系统 | |
Dawton et al. | Initial evaluation of vehicle type identification using roadside stereo microphones | |
KR20160131196A (ko) | 장애물 감지 장치 | |
CN105730330B (zh) | 行车安全系统及其障碍物筛选方法 | |
CN111402630A (zh) | 一种道路预警方法、装置及存储介质 |
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 |