CN110503660A

CN110503660A - 车辆朝向识别方法、装置、仿真器和无人驾驶仿真方法

Info

Publication number: CN110503660A
Application number: CN201910775412.5A
Authority: CN
Inventors: 苏英菲
Original assignee: Dongsoft Ruichi Automotive Technology (shenyang) Co Ltd
Current assignee: Dongsoft Ruichi Automotive Technology (shenyang) Co Ltd; Neusoft Reach Automotive Technology Shenyang Co Ltd
Priority date: 2019-08-21
Filing date: 2019-08-21
Publication date: 2019-11-26

Abstract

本申请公开了一种车辆朝向识别方法、装置、仿真器和无人驾驶仿真方法。首先获得多帧俯视图像，其中每帧俯视图像包含至少一个车辆；其后，利用多帧俯视图像得到所述待识别车辆的行车轨迹；最后，根据所述行车轨迹识别所述待识别车辆的朝向。该方法利用车辆的行车轨迹识别朝向，相比于现有技术，克服了对环境的依赖，即无需参照笔直的车道线及车辆所在车道的行驶方向指示箭头等来识别车辆的朝向。因此，本申请对于多样化场景的适用性更强，车辆朝向识别效果更加准确，可靠性较高。

Description

车辆朝向识别方法、装置、仿真器和无人驾驶仿真方法

技术领域

本申请涉及车辆技术领域，特别是涉及一种车辆朝向识别方法、装置、仿真器和无人驾驶仿真方法。

背景技术

目前已有的车辆朝向识别方法多是依赖于车辆应用场景的环境。例如，参照笔直的车道线及车辆所在车道的行驶方向指示箭头等来识别车辆的朝向。但是在车辆的某些应用场景下，路面上不具备笔直的车道线或明确的行驶方向指示箭头，例如环岛或者乡间小路。因此，现有车辆朝向识别方法的使用受到限制，无法准确识别车辆朝向。

发明内容

基于上述问题，本申请提供了一种车辆朝向识别方法、装置、仿真器和无人驾驶仿真方法，克服车辆朝向识别对环境的依赖，提升多样化应用场景下识别车辆朝向的准确性。

本申请实施例公开了如下技术方案：

第一方面，本申请提供一种车辆朝向识别方法，包括：

获得多帧俯视图像；其中，每帧俯视图像包含至少一个车辆；

确认待识别车辆，利用所述多帧俯视图像得到所述待识别车辆的行车轨迹；

根据所述行车轨迹识别所述待识别车辆的朝向。

可选地，所述获得多帧俯视图像，具体包括：

控制无人机飞行至预设航拍位置；

利用所述无人机上装设的摄像装置以俯视角度对地面进行连续拍摄，得到待处理的多帧图像；

对所述待处理的多帧图像进行去抖动处理，得到处理后的多帧图像；

过滤掉所述处理后的多帧图像中不包含车辆的图像，将剩余的图像作为所述多帧俯视图像。

可选地，所述确认待识别车辆，利用所述多帧俯视图像得到所述待识别车辆的行车轨迹，具体包括：

通过对所述多帧俯视图像进行图像处理，得到各帧俯视图像中各个车辆的轮廓和位置信息；

对于所述多帧俯视图像中的任意相邻两帧俯视图像，利用所述相邻两帧俯视图像中各个车辆的轮廓和位置信息，获得所述相邻两帧俯视图像之间车辆的交叠率，将所述相邻两帧俯视图像之间交叠率大于预设值的车辆确定为同一车辆；

对所述多帧俯视图像中的同一车辆赋以唯一的标识，构建所述标识与所述车辆的映射关系；

获取所述待识别车辆的标识，利用所述待识别车辆的标识和所述映射关系确认所述待识别车辆，并利用所述各帧俯视图像中各个车辆的位置信息得到所述待识别车辆的行车轨迹。

可选地，所述根据所述行车轨迹识别所述待识别车辆的朝向，具体包括：

利用所述待识别车辆的行车轨迹，以及所述待识别车辆的轮廓，识别所述待识别车辆的朝向。

第二方面，本申请提供一种车辆朝向识别装置，包括：

图像获取模块，用于获得多帧俯视图像；其中，每帧俯视图像包含至少一个车辆；

行车轨迹获取模块，用于确认待识别车辆，利用所述多帧俯视图像得到所述待识别车辆的行车轨迹；

朝向识别模块，用于根据所述行车轨迹识别所述待识别车辆的朝向。

可选地，所述图像获取模块，具体包括：

航拍位置控制单元，具体用于控制无人机飞行至预设航拍位置；

图像第一获取单元，用于利用所述无人机上装设的摄像装置以俯视角度对地面进行连续拍摄，得到待处理的多帧图像；

去抖动处理单元，对所述待处理的多帧图像进行去抖动处理，得到处理后的多帧图像；

图像过滤单元，过滤掉所述处理后的多帧图像中不包含车辆的图像，将剩余的图像作为所述多帧俯视图像。

可选地，所述行车轨迹获取模块，具体包括：

车辆信息获取单元，用于通过对所述多帧俯视图像进行图像处理，得到各帧俯视图像中各个车辆的轮廓和位置信息；

相同车辆确定单元，用于对于所述多帧俯视图像中的任意相邻两帧俯视图像，利用所述相邻两帧俯视图像中各个车辆的轮廓和位置信息，获得所述相邻两帧俯视图像之间车辆的交叠率，将所述相邻两帧俯视图像之间交叠率大于预设值的车辆确定为同一车辆；

映射关系构建单元，用于对所述多帧俯视图像中的同一车辆赋以唯一的标识，构建所述标识与所述车辆的映射关系；

行车轨迹获取单元，用于获取所述待识别车辆的标识，利用所述待识别车辆的标识和所述映射关系确认所述待识别车辆，并利用所述各帧俯视图像中各个车辆的位置信息得到所述待识别车辆的行车轨迹。

可选地，所述朝向识别模块，具体包括：

车辆朝向第一识别单元，用于利用所述待识别车辆的行车轨迹，以及所述待识别车辆的轮廓，识别所述待识别车辆的朝向。

第三方面，本申请提供一种仿真器，包括：第二方面提供的车辆朝向识别装置。

第四方面，本申请提供一种无人驾驶仿真方法，利用第三方面提供的仿真器得到第一车辆的朝向；根据所述第一车辆的朝向，对第二车辆的行车路径进行规划。

相较于现有技术，本申请具有以下有益效果：

本申请提供的车辆朝向识别方法，首先获得多帧俯视图像，其中每帧俯视图像包含至少一个车辆；其后，利用多帧俯视图像得到所述待识别车辆的行车轨迹；最后，根据所述行车轨迹识别所述待识别车辆的朝向。该方法利用车辆的行车轨迹识别朝向，相比于现有技术，克服了对环境的依赖，即无需参照笔直的车道线及车辆所在车道的行驶方向指示箭头等来识别车辆的朝向。因此，该方法对于多样化场景的适用性更强，车辆朝向识别效果更加准确，可靠性较高。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种车辆朝向识别方法的流程图；

图2为本申请实施例提供的一种待识别车辆轨迹点示意图；

图3为本申请实施例提供的另一种车辆朝向识别方法的流程图；

图4为本申请实施例提供的一种车辆矩形轮廓的示意图；

图5a为本申请实施例提供的第一种车辆朝向示意图；

图5b为本申请实施例提供的第二种车辆朝向示意图；

图5c为本申请实施例提供的第三种车辆朝向示意图；

图5d为本申请实施例提供的第四种车辆朝向示意图；

图6为本申请实施例提供的一种车辆朝向识别装置的结构示意图；

图7为本申请实施例提供的一种无人驾驶仿真方法的流程图。

具体实施方式

目前识别车辆朝向通常对环境有较大的依赖性。例如借助车辆所在车道的笔直车道线识别车辆朝向。如果车道线是南北方向的，则车辆如果在车道上行驶，其朝向也必定是朝南或者朝北的。如果车道上标注有行驶方向指示箭头，箭头是由南指向北，则通过该指示箭头确定车辆朝向为朝北。

通过上文描述可知，目前的车辆朝向识别方法只适用于车辆在具备笔直的车道线或明确的行驶方向指示箭头的路面上行驶的场景。而对于其他的一些场景，该方法并不适用，依据该方法进行车辆朝向识别显然无法满足朝向识别的准确性要求。

针对此问题，发明人通过研究，提供一种车辆朝向识别方法、装置、仿真器和一种无人驾驶仿真方法。在本申请提供的技术方案中，首先获得车辆的行车轨迹，其后利用车辆的行车轨迹识别朝向。无需参照笔直的车道线及车辆所在车道的行驶方向指示箭头等来识别车辆的朝向。因此，本申请所提供的技术方案对于多样化场景的适用性更强，例如车辆在环岛或者乡间小路上行驶时，也能准确获得车辆朝向。

为了使本技术领域的人员更好地理解本发明方案，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。

第一实施例

参见图1，该图为本申请实施例提供的一种车辆朝向识别方法的流程图。

如图1所示，本实施例提供的车辆朝向识别方法，包括：

步骤101：获得多帧俯视图像。

需要说明的是，本实施例方法的执行目的是在不借助环境因素的前提下获得待识别车辆的朝向，需要分析的图片中必须含有车辆，对于不包含车辆的图片无需进行分析。也就是说，本实施例中步骤101获得的每帧俯视图像包含至少一个车辆。

本实施例中，待识别车辆可以为一个，也可以为多个。本实施例中对待识别车辆的个数不进行限定。为便于理解，下面以针对一个待识别车辆进行朝向识别为示例进行描述。对于场景中其他可能的待识别车辆的朝向识别，可按照该方法执行，实现方式相同。

作为一种可能的实现方式，可以利用无人机航拍获得俯视图像；作为另一种可能的实现方式，可以利用固定装设在基础设施上的摄像装置拍摄俯视图像。

可以理解的是，由于后续需要利用俯视图像获得待识别车辆的行车轨迹，因此，要求俯视图像中车辆的俯视轮廓不能过大也不能过小。如果车辆俯视轮廓过大，完整轮廓的覆盖面积大于俯视图像，则影响行车轨迹的获得；如果车辆俯视轮廓过小，则容易导致对不同俯视图像中的同一车辆的确定难度上升。

步骤102：确认待识别车辆，利用多帧俯视图像得到待识别车辆的行车轨迹。

本步骤具体实现时，需要在多帧俯视图像的每一帧包含待识别车辆的图像中确认待识别车辆。其后根据不同俯视图像中待识别车辆的位置构建出待识别车辆的行车轨迹。

例如，共有10帧俯视图像中包含该待识别车辆，待识别车辆在10帧俯视图像上的位置分别为P1，P2，…，P10。P1，P2，…，P10即可视为待识别车辆的行车轨迹点，这些轨迹点组成待识别车辆的行车轨迹。

步骤103：根据行车轨迹识别待识别车辆的朝向。

作为本步骤的一种可能的实现方式，如果轨迹点P1，P2，…，P10对应的俯视图像是按照时序拍摄的，也就是说轨迹点P1所在的俯视图像较先拍摄，轨迹点P10所在的俯视图像较晚拍摄，则可以按照时序取最晚的几帧包含待识别车辆的图像中待识别车辆的轨迹点用于进行朝向识别。

例如，取五个轨迹点P6，P7，P8，P9和P10。由于多帧俯视图像的拍摄视场是不变或基本不变的，并且相邻两帧图像的拍摄时间间隔非常短，因此本实施例中可以利用P6，P7，P8，P9和P10这五个轨迹点来识别车辆的朝向。参见图2，该图所示为本申请实施例提供的待识别车辆轨迹点示意图。通过图2可以看到，轨迹点P6，P7，P8，P9和P10中，后一个轨迹点与前一个轨迹点的相对移动方向是从俯视图像的下方移向上方。在本示例中，俯视图像中竖直向上的方向为地理坐标系中朝北的方向，因此本实施例中，可以识别出车辆朝向为朝北而非朝南。

以上即为本申请实施例提供的一种车辆朝向识别方法。该方法获得多帧俯视图像，其中每帧俯视图像包含至少一个车辆；确认待识别车辆，利用多帧俯视图像得到所述待识别车辆的行车轨迹；根据所述行车轨迹识别所述待识别车辆的朝向。该方法利用车辆的行车轨迹识别朝向，相比于现有技术，克服了对环境的依赖，即无需参照笔直的车道线及车辆所在车道的行驶方向指示箭头等来识别车辆的朝向。因此，该方法对于多样化场景的适用性更强，车辆朝向识别效果更加准确，可靠性较高。

实际应用中，如果俯视图像中包含了多个车辆，并且车辆的俯视轮廓较为相似，则难以通过简单的图像处理方法将车辆进行区分。为提升车辆识别的准确度，以便于更加精准地识别车辆朝向，本申请进一步提供另一种车辆朝向识别方法。下面结合实施例和附图对该方法的具体实现进行描述和说明。

第二实施例

参见图3，该图为本申请实施例提供的另一种车辆朝向识别方法的流程图。

如图3所示，本申请实施例提供的车辆朝向识别方法，包括：

步骤301：控制无人机飞行至预设航拍位置。

在实际应用中，可以通过发送控制指令的方式控制无人机飞行。控制指令中可以携带要求其运动所至的预设航拍位置的经纬度信息。从而，无人机可以根据控制指令中的预设航拍位置的经纬度信息飞行。

步骤302：利用所述无人机上装设的摄像装置以俯视角度对地面进行连续拍摄，得到待处理的多帧图像。

本实施例中，为采集俯视图像，在无人机上预先装设了摄像装置。俯视图像可以是按照预设频率拍摄的，例如每0.5秒拍摄一帧俯视图像。此处对于拍摄频率不进行具体数值的限定。

可以理解的是，由于无人机是在飞行运动状态下拍摄的，因此，俯视图像中可能因为无人机的运动存在某种程度上的成像不清晰或重影问题。为此，需要对拍摄得到的俯视图像进行处理。

步骤303：对所述待处理的多帧图像进行去抖动处理，得到处理后的多帧图像。

对于本领域技术人员，对图像去抖动属于比较成熟的技术，可以采用多种算法实现图像去抖动。因此，本实施例对于去抖动处理的具体实现方式不进行限定。

步骤304：过滤掉所述处理后的多帧图像中不包含车辆的图像，将剩余的图像作为所述多帧俯视图像。

通过去抖动处理，俯视图像的质量得到提升。在实际应用中，可能某些俯视图像不包含车辆，即车辆为处于拍摄视场中。本实施例是根据车辆行车轨迹来识别车辆朝向，这些不包含车辆的俯视图像不具备可用性，因此可以对前一步得到的处理后的多帧图像中对这些不包含车辆的图像进行过滤，只保留包含车辆的图像。

步骤305：通过对所述多帧俯视图像进行图像处理，得到各帧俯视图像中各个车辆的轮廓和位置信息。

作为一种可能的实现方式，本步骤可以采用预先训练好的神经网络对俯视图像进行图像处理。利用神经网络得到每一帧俯视图像中每一个车辆的轮廓和位置信息。

实际应用中，车辆的轮廓可能是闭合的接近矩形的形状，本步骤可以利用俯视图像中车辆的轮廓像素在图像中的坐标值，进行处理得到闭合轮廓的最小外接矩形或者最大内接矩形，从而得到车辆对应的矩形轮廓。本步骤中，可以将矩形轮廓构成的闭合区域的质心所在位置作为图像中车辆的位置。位置信息具体可以是质心所对应的像素在图像中的坐标值。

步骤306：对于所述多帧俯视图像中的任意相邻两帧俯视图像，利用所述相邻两帧俯视图像中各个车辆的轮廓和位置信息，获得所述相邻两帧俯视图像之间车辆的交叠率，将所述相邻两帧俯视图像之间交叠率大于预设值的车辆确定为同一车辆。

本实施例步骤306提供一种确定不同俯视图像中同一车辆的实现方式。通过执行前一步骤，已经在每帧俯视图像中得到每个车辆的轮廓和位置信息。由于每帧图像的采集时间间隔非常短，因此，如果是同一辆车，在相邻两帧图像上的轮廓构成的闭合区域必然存在较大的交叠率。本实施例中可以设定一个判定车辆为同一车辆的预设值。作为示例，预设值为60％。也就是说，如果相邻两帧俯视图像之间，轮廓构成的闭合区域的交叠率大于60％的车辆判定为同一车辆。

步骤307：对所述多帧俯视图像中的同一车辆赋以唯一的标识，构建所述标识与所述车辆的映射关系。

前一步骤306的执行已经确定所获得的多帧俯视图像中同一车辆。在实际应用中多帧俯视图像中包含的车辆数量可能不止一个。为区分不同的车辆，可以为同一车辆配以唯一的标识。标识可以是数字、字母，或者数字和字母的组合等。此处对标识的具体形式不进行限定。

通过设置标识，每一个车辆无论包含于任何一帧俯视图像中，其标识都是唯一的。也就是说，通过该标识可以辨识出不同俯视图像中的同一车辆。通过为车辆设置标识，构建了标识与车辆的一一对应的映射关系。

对车辆设置标识，其作用不但在于将车辆与其他车辆进行区分，同时，对车辆设置标识还可以便于后续对得到的车辆的朝向进行应用。例如，标识为a1的车辆朝向为朝南；标识为a2的车辆朝向为朝北。

步骤308：获取所述待识别车辆的标识，利用所述待识别车辆的标识和所述映射关系确认所述待识别车辆，并利用所述各帧俯视图像中各个车辆的位置信息得到所述待识别车辆的行车轨迹。

在本实施例中，为获得待识别车辆的朝向，可以首先获得待识别车辆的标识，从而从各帧俯视图像中将待识别车辆识别出来。在执行步骤306时已经得到每帧图像中每个车辆的位置信息，因此，利用待识别车辆的位置信息即可得到车辆的行车轨迹。行车轨迹的示意图可参见图2。

步骤309：利用所述待识别车辆的行车轨迹，以及所述待识别车辆的轮廓，识别所述待识别车辆的朝向。

本步骤采用的车辆轮廓，具体可以是上文提到的车辆的矩形轮廓。本实施例提供一种车辆矩形轮廓的示意图，参见图4。图4中，待识别车辆的矩形轮廓四个顶点分别是A、B、C和D。本步骤中可以取矩形轮廓长边AB线段上任意两个像素点。为便于描述，本实施例中，分别取A点和B点作为示例进行后续描述。A点在图4中的坐标值为PA(XA,YA)，B点在图4中的坐标值为PB(XB,YB)。

本步骤可以根据车辆行车轨迹，以及矩形轮廓同一长边上的两个像素点A和B得到待识别车辆的朝向。待识别车辆的朝向应该是与矢量AB或者矢量BA同方向。通过车辆的行车轨迹可以从矢量AB和矢量BA中确定出与待识别车辆朝向相同的矢量，从而确定待识别车辆的朝向。

作为一示例，可以按照时间序列取行车轨迹的最晚预设数目个(例如5个)轨迹点，利用这些轨迹点形成一个矢量。如果该矢量与矢量AB的夹角小于90°，则车辆朝向与矢量AB同方向，矢量AB即为车辆朝向矢量；如果该矢量与矢量BA的夹角小于90°，则车辆朝向与矢量BA同方向，矢量BA即为车辆朝向矢量。

具体实现时，可以根据所述A和B两个点像素的坐标值，利用反三角函数获取所述车辆朝向矢量与坐标轴的夹角，确定所述车辆的朝向。

在确定出车辆朝向矢量为矢量BA的基础上，为确定车辆的朝向，本实施例中以坐标轴作为参照，求取车辆朝向矢量与坐标轴的夹角，并通过该夹角确定车辆的朝向。

作为一种可能的实现方式，本实施例中以坐标轴X轴的正方向作为参照。下面结合图5a至图5d四幅图对该求取车辆朝向的实现方式进行描述。

图5a至图5d分别为四种车辆朝向示意图。

如图5a至图5d所示，在本实现方式中，车辆朝向矢量与X轴正方向夹角α为车辆朝向的角度。显然，在车辆朝向矢量的起点和终点的坐标值已知情况下，可利用反正切函数(或反余弦函数、反正弦函数等)具体求出该角度α，此处不展开描述。本实施例中，定义：若该角度α(α的绝对值小于或等于180°)是相对于X轴逆时针旋转得到，则该角度α为负角；若该角度α(α的绝对值小于或等于180°)是相对于X轴顺时针得到，该角度α为正角。

图5a和图5b的示例中，确定的车辆朝向矢量为矢量BA；图5c和图5d的示例中，确定的车辆朝向矢量为矢量AB。其中，图5a和图5c中，车辆朝向矢量与X轴正方向成一个锐角夹角α；图5b和图5d中，车辆朝向矢量与X轴正方向成一个钝角夹角α。

基于以上角度定义方式，在图5a和图5b中，车辆朝向矢量BA与X轴正方向的夹角α为负角；在图5c和图5d中，车辆朝向矢量AB与X轴正方向的夹角α为正角。

可以理解的是，在实际应用中，还可根据所述坐标轴在地理坐标系中代表的方向和所述夹角，确定所述车辆在所述地理坐标系中的朝向。例如，如果X轴正方向表示地理坐标系中的正东方向，车辆朝向矢量与X轴正向的夹角α为-30°，由于俯视角度正东方向逆时针旋转30°为东偏北30°，因此可以确定车辆在地理坐标系中的朝向为东偏北30°。

以上即为本申请实施例提供的车辆朝向识别方法。该方法通过对不同图像中同一车辆进行识别和标识，提升车辆朝向识别的准确性，方便信息的管理和存储。另外，本实施例提供的方法结合车辆的位姿信息(包括车辆的轮廓和位置)以及行驶路径得到的车辆朝向精确到具体的朝向偏向角度，能够为后续的应用提供更多的便利信息。

基于前述实施例提供的车辆朝向识别方法，相应地，本申请还提供一种车辆朝向识别装置。下面结合实施例和附图对该装置的具体实现进行描述和说明。

第三实施例

参见图6，该图为本申请实施例提供的一种车辆朝向识别装置的结构示意图。

如图6所示，本实施例提供的车辆朝向识别装置，包括：

图像获取模块601，用于获得多帧俯视图像；其中，每帧俯视图像包含至少一个车辆；

行车轨迹获取模块602，用于确认待识别车辆，利用所述多帧俯视图像得到所述待识别车辆的行车轨迹；

朝向识别模块603，用于根据所述行车轨迹识别所述待识别车辆的朝向。

该装置利用车辆的行车轨迹识别朝向，相比于现有技术，克服了对环境的依赖，即无需参照笔直的车道线及车辆所在车道的行驶方向指示箭头等来识别车辆的朝向。因此，该装置对于多样化场景的适用性更强，车辆朝向识别效果更加准确，可靠性较高。

本实施例中，可选地，图像获取模块，具体包括：

该装置利用去抖动处理单元和图像过滤单元，提升了图像质量，便于行车路径的获取和车辆朝向的识别。

实际应用中，如果俯视图像中包含了多个车辆，并且车辆的俯视轮廓较为相似，则难以通过简单的图像处理方法将车辆进行区分。为提升车辆识别的准确度，以便于更加精准地识别车辆朝向，本申请实施例提供的装置中，所述行车轨迹获取模块，具体可以包括：

该装置通过对不同图像中同一车辆进行识别和标识，提升车辆朝向识别的准确性，方便信息的管理和存储。

可选地，所述朝向识别模块，具体可以包括：

该装置相当于结合车辆的位姿信息(包括车辆的轮廓和位置)以及行驶路径得到的车辆朝向精确到具体的朝向偏向角度，能够为后续的应用提供更多的便利信息。

基于前述实施例提供的车辆朝向识别方法和装置，相应地，本申请还提供一种仿真器。依据车辆的行驶环境在仿真器中配置了相应地环境参数，例如路面宽度等信息，对于具有车道的环境，还可以在仿真器中配置具体地车道宽度、车道长度等信息。依据真实车辆的参数在仿真器中配置了相应地车辆参数，例如行驶速度、车身长度、车型等。

该仿真器中包括前述实施例提供的车辆朝向识别装置，因此，该仿真器能够利用车辆朝向识别装置获得仿真环境中各个车辆的朝向。此外，应用该车辆朝向识别装置，仿真器还可以获得车辆的位姿信息和行车路径。可以理解的是，真实车辆行驶过程中，位姿信息、行车路径和朝向等均有可能发生实时的变化。因此，仿真器通过车辆朝向识别装置得到的朝向、位姿信息、行车路径也可能是随时间变化不断更新的数据。仿真器利用这些数据，实现仿真环境下对车辆行驶状态和行驶安全性的仿真测试。

基于前述实施例提供的车辆朝向识别方法、装置和仿真器，相应地，本申请还提供一种无人驾驶仿真方法。下面结合实施例和附图对该方法的具体实现进行描述。

第四实施例

参见图7，该图为本申请实施例提供的无人驾驶仿真方法的流程图。该实施例的应用场景是在仿真器中，对仿真车辆(无人驾驶的第二车辆)在仿真环境下的驾驶进行仿真模拟。

如图7所示，本实施例提供的无人驾驶仿真方法，包括：

步骤701：利用仿真器得到第一车辆的朝向。

本实施例应用的仿真器是指前述实施例提供的仿真器，该仿真器包括前述实施例提供的车辆朝向识别装置。仿真器不但能够获得仿真环境下各个车辆的朝向，还可以获得车辆的位姿信息和行车路径。

步骤702：根据所述第一车辆的朝向，对第二车辆的行车路径进行规划。

在本实施例中，进行无人驾驶仿真具体是指对第二车辆在无人驾驶的条件下进行行车路径的规划。从而测试该无人驾驶仿真车辆(即第二车辆)的无人驾驶性能。

本实施例中，第一车辆具体可以是仿真器仿真环境下第二车辆之外的任意车辆。利用仿真器得到第一车辆的朝向、位姿信息和行车路径等信息，能够有助于为第二车辆规划行驶路径，避免第二车辆与其他车辆发生碰撞等事故，提升第二车辆无人驾驶的安全性能。

可以理解的是，如果第一车辆的朝向不准确则会影响第二车辆的路径规划的安全性，从而无人驾驶仿真结果的可用性较低。而本实施例中采用仿真器获得车辆的朝向和路径等信息，由于朝向的识别不依赖于车道线、行车方向指示箭头等环境参照物，因此，在多种场景下均可适用。该仿真器适用性非常高。利用该仿真器获得的车辆朝向和路径等信息的准确性也有较高的保证。因此，相应提升本实施例中无人驾驶仿真方法规划的路径的安全性，提升无人驾驶仿真结果的可用性。

需要说明的是，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，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元提示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims

1.一种车辆朝向识别方法，其特征在于，包括：

根据所述行车轨迹识别所述待识别车辆的朝向。

2.根据权利要求1所述的方法，其特征在于，所述获得多帧俯视图像，具体包括：

控制无人机飞行至预设航拍位置；

3.根据权利要求1所述的方法，其特征在于，所述确认待识别车辆，利用所述多帧俯视图像得到所述待识别车辆的行车轨迹，具体包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述行车轨迹识别所述待识别车辆的朝向，具体包括：

5.一种车辆朝向识别装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述图像获取模块，具体包括：

7.根据权利要求5所述的装置，其特征在于，所述行车轨迹获取模块，具体包括：

8.根据权利要求7所述的装置，其特征在于，所述朝向识别模块，具体包括：

9.一种仿真器，其特征在于，包括：权利要求5-8任一项所述的车辆朝向识别装置。

10.一种无人驾驶仿真方法，其特征在于，利用权利要求9所述的仿真器得到第一车辆的朝向；根据所述第一车辆的朝向，对第二车辆的行车路径进行规划。