CN111145574B - 一种弯道车辆位置关系的确定方法、装置及设备 - Google Patents

一种弯道车辆位置关系的确定方法、装置及设备 Download PDF

Info

Publication number
CN111145574B
CN111145574B CN201911395658.6A CN201911395658A CN111145574B CN 111145574 B CN111145574 B CN 111145574B CN 201911395658 A CN201911395658 A CN 201911395658A CN 111145574 B CN111145574 B CN 111145574B
Authority
CN
China
Prior art keywords
vehicle
lane
determining
sampling point
lane change
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
Application number
CN201911395658.6A
Other languages
English (en)
Other versions
CN111145574A (zh
Inventor
陈野
张骞
杨明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neusoft Corp
Original Assignee
Neusoft Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Neusoft Corp filed Critical Neusoft Corp
Priority to CN201911395658.6A priority Critical patent/CN111145574B/zh
Publication of CN111145574A publication Critical patent/CN111145574A/zh
Application granted granted Critical
Publication of CN111145574B publication Critical patent/CN111145574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请公开一种弯道车辆位置关系的确定方法、装置及设备，所述方法包括：获取本车和远车的车身数据，包括最新采集到的N个采样点的经纬度数据和方向盘数据；基于本车和远车的车身数据，确定本车与远车的同反向位置关系和前后位置关系；同反向位置关系包括同向行驶或反向行驶；根据同反向位置关系和前后位置关系，从本车和远车中分别确定前车和后车；基于前车的车身数据中与后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的相对位置关系，确定前车和后车的车道位置关系；基于同反向位置关系、前后位置关系和车道位置关系，确定本车和远车的位置关系。本申请能够实现对弯道车辆位置关系的确定。

Description

一种弯道车辆位置关系的确定方法、装置及设备
技术领域
本申请涉及数据处理领域，具体涉及一种弯道车辆位置关系的确定方法、装置及设备。
背景技术
随着经济的快速发展，汽车保有量逐年增长，由此带来的交通安全、交通拥堵等问题已成为社会关注的焦点。为解决上述问题，车辆网联化技术作为新的研究热点，正在被国内外的众多科研机构和车厂所关注。
基于车辆网联化技术的碰撞预警系统，依赖于本车和远车的车身数据，包括经纬度、速度、行驶方向等。具体的，在碰撞预警产生之前，需要基于车身数据对本车和远车之间的位置关系进行确定，以便基于确定结果产生碰撞预警。
实际应用中，对本车和远车之间的位置关系进行分类包括直道车辆位置关系的分类和弯道车辆位置关系的分类。由于弯道车辆的位置关系相比直道车辆复杂很多，因此，目前仍未提出相对成熟的用于确定弯道车辆的位置关系的方法。
发明内容
有鉴于此，本申请提供了一种弯道车辆位置关系的确定方法、装置及设备，能够实现对弯道车辆位置关系的确定。
第一方面，为实现上述发明目的，本申请提供了一种弯道车辆位置关系的确定方法，本车和远车处于弯道行驶状态，所述方法包括：
获取所述本车和所述远车的车身数据；其中，所述车身数据包括最新采集到的N个采样点的经纬度数据和方向盘数据；
基于所述本车和所述远车的车身数据，确定所述本车与所述远车的同反向位置关系和前后位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶；
根据所述同反向位置关系和所述前后位置关系，从所述本车和所述远车中分别确定前车和后车；
基于所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的相对位置关系，确定所述前车和所述后车的车道位置关系；
基于所述同反向位置关系、所述前后位置关系和所述车道位置关系，确定所述本车和所述远车的位置关系。
一种可选的实施方式中，所述基于所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的位置关系，确定所述前车和所述后车的车道位置关系，包括：
基于各个采样点的经纬度数据，确定所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点；
基于所述距离最近的两个采样点和所述后车的最新采样点的经纬度数据，确定所述距离最近的两个采样点和所述后车的最新采样点的相对位置关系；
基于所述相对位置关系，确定所述前车和所述后车的车道位置关系。
一种可选的实施方式中，所述距离最近的两个采样点包括第一采样点和第二采样点，所述第一采样点的采样时间先于所述第二采样点的采样时间；
所述基于所述距离最近的两个采样点和所述后车的最新采样点的经纬度数据，确定所述距离最近的两个采样点和所述后车的最新采样点的相对位置关系，包括：
基于各个采样点的经纬度数据，确定由所述第一采样点指向所述第二采样点的方向与预设正方向的夹角，作为第一夹角；
确定由所述后车的最新采样点指向所述第二采样点的方向与所述预设正方向的夹角，作为第二夹角；其中，所述第一夹角和所述第二夹角的大小关系用于表示所述第一采样点、所述第二采样点和所述后车的最新采样点之间的相对位置关系；
相应的，所述基于所述相对位置关系，确定所述前车和所述后车的车道位置关系，具体为：
基于所述第一夹角和所述第二夹角的大小关系，确定所述前车和所述后车的车道位置关系。
一种可选的实施方式中，所述基于所述相对位置关系，确定所述前车和所述后车的车道位置关系之前，还包括：
确定所述后车的最新采样点到所述距离最近的两个采样点之间连线的距离；
相应的，所述基于所述相对位置关系，确定所述前车和所述后车的车道位置关系，具体为：
基于所述距离与车道宽度的大小关系和所述前车和所述后车的相对位置关系，确定所述前车和所述后车的车道位置关系。
一种可选的实施方式中，所述方法还包括：
将所述前车的车身数据输入至经过训练的变道检测模型中，经过处理后输出所述前车的变道结果；
基于所述前车的变道结果，对所述本车和所述远车的车道位置关系进行修正。
一种可选的实施方式中，所述基于所述变道结果，对所述本车和所述远车的车道位置关系进行修正，包括：
如果所述前车的变道结果为变道中状态，则确定所述前车的车身数据中的变道前采样点；
确定所述前车的车身数据中的最新采样点到所述变道前采样点中最新的两个相邻采样点连线的距离；
基于所述距离与车道宽度的大小关系和所述前车的方向盘数据，对所述本车和所述远车的车道位置关系进行修正。
一种可选的实施方式中，所述基于所述变道结果，对所述本车和所述远车的车道位置关系进行修正，包括：
如果所述前车的变道结果为完成变道状态，则确定所述前车的车身数据中的变道前采样点和变道后采样点；
确定所述变道后采样点中的第一个采样点到所述变道前采样点中最新的两个相邻采样点连线的距离；
基于所述距离与车道宽度的大小关系和所述前车的方向盘数据，对所述本车和所述远车的车道位置关系进行修正。
一种可选的实施方式中，所述基于所述本车和所述远车的车身数据，确定所述本车与所述远车的同反向位置关系和前后位置关系，包括：
基于各个采样点的方向盘数据，确定所述本车和所述远车的同反向位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶；
基于各个采样点的经纬度数据，确定所述远车的车身数据中与所述本车的最新采样点距离最近的采样点，并判断所述距离最近的采样点是否为所述远车的最新采样点，得到判断结果；
基于所述判断结果和所述同反向位置关系，确定所述本车和所述远车的前后位置关系。
第二方面，本申请提供了一种弯道车辆位置关系的确定装置，本车和远车处于弯道行驶状态，所述装置包括：
获取模块，用于获取所述本车和所述远车的车身数据；其中，所述车身数据包括最近N个采样点的经纬度数据和方向盘数据；
第一确定模块，用于基于所述本车和所述远车的车身数据，确定所述本车与所述远车的同反向位置关系和前后位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶；
第二确定模块，用于根据所述同反向位置关系和所述前后位置关系，从所述本车和所述远车中分别确定前车和后车；
第三确定模块，用于基于所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的相对位置关系，确定所述前车和所述后车的车道位置关系；
第四确定模块，用于基于所述同反向位置关系、所述前后位置关系和所述车道位置关系，确定所述本车和所述远车的位置关系。
第三方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备实现上述任一项所述的方法。
第四方面，本申请提供了一种设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述任一项所述的方法。
本申请实施例提供的弯道车辆位置关系的确定方法，能够基于本车和远车的车身数据，确定本车和远车的同反向位置关系和前后位置关系，然后，基于已确定的位置关系以及各个采样点的经纬度数据，确定本车和远车的车道位置关系，最终，结合同反向位置关系、前后位置关系和车道位置关系，确定本车和远车的位置关系。可见，本申请能够实现对弯道上行驶的车辆之间的位置关系进行确定，以便为碰撞预警系统提供数据支持。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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弯道车辆位置关系的确定方法流程图；
图2为本申请实施例提供的一种弯道车辆同向行驶和反向行驶的示意图；
图3为本申请实施例提供的另一种弯道车辆位置关系的确定方法流程图；
图4为本申请实施例提供的一种车道位置关系的修正方法流程图；
图5为本申请实施提供的一种变道前状态、变道中状态和完成变道状态的示意图；
图6为本申请实施例提供的一种变道中状态的车道位置关系修正方法的流程图；
图7为本申请实施例提供的一种完成变道状态的车道位置关系修正方法的流程图；
图8为本申请实施例提供的一种弯道车辆位置关系的确定装置结构示意图；
图9为本申请实施例提供的一种弯道车辆位置关系的确定设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
目前，基于车辆网联化技术的碰撞预警系统，依赖于车辆之间的位置关系。因此，在碰撞预警产生之前，需要基于车身数据确定车辆之间的位置关系，进而基于车辆之间的位置关系进行碰撞预警。本申请提供了一种弯道车辆位置关系的确定方法，用于对弯道上行驶的车辆之间的位置关系进行确定，使得碰撞预警系统能够基于本申请得到的确定结果实现对弯道上行驶的车辆的碰撞预警。
具体的，本申请提供了一种弯道车辆位置关系的确定方法，能够基于本车和远车的车身数据确定本车和远车的同反向位置关系和前后位置关系，然后，基于同反向位置关系和前后位置关系以及各个采样点的经纬度数据，确定本车和远车的车道位置关系，最终，结合同反向位置关系、前后位置关系和车道位置关系，确定本车和远车的位置关系。
以下本申请提供了一种弯道车辆位置关系的确定方法，参考图1，为本申请实施例提供的一种弯道车辆位置关系的确定方法流程图，所述方法包括：
S101：获取本车和远车的车身数据；其中，所述车身数据包括最近N个采样点的经纬度数据和方向盘数据。
本申请实施例中，本车和远车处于弯道行驶状态，本车是指目标车辆，远车是指以目标车辆为中心的预设范围内的其他车辆。本车和远车在行驶的过程中实时采集经纬度数据和方向盘数据等。
具体的，本车和远车可以通过安装在车身上的GPS装置实时采集经纬度数据，包括经度和纬度，还可以通过CAN总线实时采集方向盘数据，包括方向盘转角数据等。本车和远车在采集到经纬度数据和方向盘数据后，对采集到的经纬度数据和方向盘数据进行存储。
实际应用中，本车和远车中均可以存储最新预设时间内的车身数据，例如最新30秒内(通常为150米的距离)的采样点的经纬度数据和方向盘数据等，一般包括30个左右的采样点，其中的最新采样点通常为车辆的当前位置。
本申请实施例中，在确定本车和远车的位置关系之前，首先获取本车和远车的车身数据，作为位置关系确定的基础数据。具体的，车身数据包括最新采集到的N个采样点的经纬度数据和方向盘数据，N为正整数，通常可以取30左右的值，其中，N个采样点中的最新采样点通常为车辆的当前位置。
一种可选的实施方式中，本申请提供的弯道车辆位置关系的确定方法能够应用于本车的设备中，具体的，由远车将自身的车身数据发送至本车即可。另一种可选的实现方式中，本申请提供的弯道车辆位置关系的确定方法也能够应用于独立设备中，具体的，由本车和远车分别将自身的车身数据发送至该独立设备，由该独立设备进行处理，对此本申请不作限制。
S102：基于所述本车和所述远车的车身数据，确定所述本车与所述远车的同反向位置关系和前后位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶。
实际应用中，基于各个采样点的方向盘数据，确定所述本车和所述远车的同反向位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶。
本申请实施例中，方向盘数据包括方向盘转角数据，通过判断本车和远车的方向盘转角数据的正负号是否相同，以确定二者为同向行驶或反向行驶。
一种可选的实施方式中，基于获取的本车和远车的车身数据，分别计算本车和远车的车身数据中各个采样点的方向盘转角数据的均值，并确定本车和远车的均值符号是否相同(包括同为正或同为负)，如果相同，则确定本车和远车同向行驶；否则确定本车和远车反向行驶。参考图2，为本申请实施例提供的一种弯道车辆同向行驶和反向行驶的示意图。
另外，在确定本车与远车的前后位置关系的方法中，可以基于各个采样点的经纬度数据，确定所述远车的车身数据中与所述本车的最新采样点距离最近的采样点，并判断所述距离最近的采样点是否为所述远车的最新采样点，得到判断结果。然后，基于所述判断结果和所述同反向位置关系，确定所述本车和所述远车的前后位置关系。
本申请实施例中，从本车的车身数据中确定N个采样点中的最新采样点的经纬度数据，基于本车的该最新采样点的经纬度数据和远车的车身数据，确定远车的车身数据中与本车的最新采样点距离最近的采样点，进一步判断该采样点是否为远车的最新采样点，并得到判断结果。
假设基于各个采样点的经纬度数据确定远车的车身数据中与本车的最新采样点距离最近的采样点为Nr，而远车的车身数据中包括的采样点分别N1,N2...N30，因此，通过进一步判断远车的车身数据中与本车的最新采样点距离最近的采样点Nr是否为远车的最新采样点N30，从而得到判断结果，其中判断结果可以为Nr＝N30或者Nr≠N30。
由于本车和远车的前后位置关系的确定，不仅与上述判断结果有关，还与本车与远车的同反向位置关系有关，因此，本申请实施例结合本车与远车的同反向位置关系和上述判断结果，确定本车和远车的前后位置关系。
实际应用中，本车和远车为反向行驶的驾驶场景中，如果远车在本车的前方，则远车的车身数据中与本车的最新采样点距离最近的采样点，必然是远车的最新采样点；相反，如果远车在本车的后方，则远车的车身数据中与本车的最新采样点距离最近的采样点，必然不是远车的最新采样点。因此，基于上述规律，本申请实施例可以结合本车与远车的同反向位置关系以及上述判断结果，确定本车和远车在反向行驶的驾驶场景中，本车和远车的前后位置关系。
具体的，如果本车和远车为反向行驶，且判断结果为Nr＝N30，即远车的车身数据中与本车的最新采样点距离最近的采样点Nr为远车的最新采样点N30，则可以确定远车在本车的前方；如果本车和远车为反向行驶，且判断结果为Nr≠N30，即远车的车身数据中与本车的最新采样点距离最近的采样点Nr不是远车的最新采样点N30，而是最新采样点N30的采样时间之前的任一采样点，则说明远车在本车的后方。
另外，本车和远车的同向行驶的驾驶场景中，如果远车在本车的后方，则远车的车身数据中与本车的最新采样点距离最近的采样点，必然是远车的最新采样点；相反，如果远车在本车的前方，则远车的车身数据中与本车的最新采样点距离最近的采样点，必然不是远车的最新采样点。因此，基于上述规律，本申请实施例还可以结合本车与远车的同反向位置关系以及上述判断结果，确定本车和远车在同向行驶的驾驶场景中，本车和远车的前后位置关系。
具体的，如果本车和远车为同向行驶，且判断结果为Nr＝N30，即远车的车身数据中与本车的最新采样点距离最近的采样点Nr为远车的最新采样点N30，则确定远车在本车的后方；如果本车和远车为同向行驶，且判断结果为Nr≠N30，即远车的车身数据中与本车的最新采样点距离最近的采样点Nr不是远车的最新采样点N30，而是最新采样点N30的采样时间之前的任一采样点，则说明远车在本车的前方。
通过上述实施方式，本申请实施例能够确定本车和远车之间的同反向位置关系和前后位置关系。
S103：根据所述同反向位置关系和所述前后位置关系，从所述本车和所述远车中分别确定前车和后车。
基于上述方式，本申请实施例不仅可以确定本车与远车为同向行驶还是反向行驶，也可以确定本车和远车的前后位置关系。基于确定的本车与远车的同反向位置关系和前后位置关系，可以从本车和远车中分别确定前车和后车。其中，前车和后车的确定是以本车为参照确定的，例如，本车和远车同向行驶且远车在本车的后方，则以本车为参照可以确定本车为前车，远车为后车；再例如，本车和远车为反向行驶且远车在本车的前方，则以本车为参照可以确定本车为后车，远车为前车。
S104：基于所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的相对位置关系，确定所述前车和所述后车的车道位置关系。
本申请实施例中，在确定本车和远车中的前车和后车之后，基于各个采样点的经纬度数据，首先确定前车的车身数据中与后车的最新采样点距离最近的两个采样点，然后，确定这两个采样点与后车的最新采样点之间的相对位置关系。通过这三个采样点的相对位置关系，能够确定前车与后车的车道位置关系。其中，前车和后车的车到位置关系可以包括前车与后车属于同车道，前车与后车属于相邻车道，以及前车位于后车的左邻车道或右邻车道等等。具体的车道位置关系的确定方法在后续进行详细介绍。
S105：基于所述同反向位置关系、所述前后位置关系和所述车道位置关系，确定所述本车和所述远车的位置关系。
本申请实施例中，在确定本车与远车的同反向位置关系、前后位置关系和车道位置关系之后，结合上述三种位置关系，最终确定本车与远车的位置关系。其中，最终确定的本车与远车的位置关系能够描述出本车与远车是同向行驶还是反向行驶，远车在本车的前方还是在本车的后方，以及本车和远车属于同车道还是相邻车道等等。
本申请实施例提供的弯道车辆位置关系的确定方法，能够基于本车和远车的车身数据确定本车和远车的同反向位置关系和前后位置关系，然后，基于同反向位置关系和前后位置关系以及各个采样点的经纬度数据，确定本车和远车的车道位置关系，最终，结合同反向位置关系、前后位置关系和车道位置关系，确定本车和远车的位置关系。本申请能够实现对弯道上行驶的车辆之间的位置关系进行确定，使得碰撞预警系统能够基于本申请得到的车辆的位置关系实现对弯道上行驶的车辆的碰撞预警。
另外，本申请实施例还提供了一种弯道车辆位置关系的确定方法的具体实现方式，参考图3，为本申请实施例提供的另一种弯道车辆位置关系的确定方法流程图，该方法包括：
S301：获取所述本车和所述远车的车身数据；其中，所述车身数据包括最近N个采样点的经纬度数据和方向盘数据。
S302：基于各个采样点的方向盘数据，确定所述本车和所述远车的同反向位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶；
S303：基于各个采样点的经纬度数据，确定所述远车的车身数据中与所述本车的最新采样点距离最近的采样点，并判断所述距离最近的采样点是否为所述远车的最新采样点，得到判断结果；
S304：基于所述判断结果和所述同反向位置关系，确定所述本车和所述远车的前后位置关系；
S305：基于所述同反向位置关系和所述前后位置关系，从所述本车和所述远车中分别确定前车和后车。
其中，S301-S305中的内容在上述实施例中的S101-S103中进行了详细的描述，可参照进行理解，在此不再赘述。
本申请实施例中，确定本车和远车的车道位置关系，是指确定本车和远车所行驶的车道之间的关系，例如可以为同车道，也可以为相邻车道，具体的，相邻车道进一步可以精确到远车位于本车的左邻车道或右邻车道，另外，车道位置关系还可以为相邻若干车道等。在确定本车和远车的车道位置关系之前，首先基于确定的同反向位置关系和前后位置关系，从本车和远车中分别确定出前车和后车。
S306：基于各个采样点的经纬度数据，确定所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点。
本申请实施例中，在确定前车和后车之后，基于前车和后车的车身数据确定前车和后车的车道位置关系。假设前车的车身数据包括N1(a),N2(a)...N30(a)，其中，Nt(a)表示前车的第t个采样点(1≤t≤30)；后车的车身数据包括N1(b),N2(b)...N30(b)，其中，Nt(b)表示后车的第t个采样点(1≤t≤30)。
实际应用中，首先获取后车的车身数据中的最新采样点N30(b)，然后，从前车的车身数据N1(a),N2(a)...N30(a)中确定与后车的最新采样点N30(b)距离最近的两个采样点，例如为Nk-1(a)和Nk(a)。
S307：基于所述距离最近的两个采样点和所述后车的最新采样点的经纬度数据，确定所述距离最近的两个采样点和所述后车的最新采样点的相对位置关系。
本申请实施例中，在确定后车的最新采样点N30(b)、与该最新采样点N30(b)距离最近的两个采样点Nk-1(a)和Nk(a)之后，确定N30(b)、Nk-1(a)和Nk(a)之间的相对位置关系。
一种可选的实施方式中，与后车的最新采样点距离最近的两个采样点包括第一采样点和第二采样点，其中，第一采样点的采样时间先于第二采样点的采样时间，假设第一采样点为Nk-1(a)，第二采样点为Nk(a)，后车的最新采样点为N30(b)，则基于各个采样点的经纬度数据，确定由Nk-1(a)指向Nk(a)的方向与预设正方向(例如正北方向)的夹角，作为第一夹角；确定由N30(b)指向Nk(a)的方向与同一预设正方向的夹角，作为第二夹角，可以利用第一夹角和第二夹角描述前车与后车之间的相对位置关系。
一种可选的实施方式中，假设第一采样点Nk-1(a)的经纬度数据分别为lonk-1(a)和latk-1(a)，假设第二采样点Nk(a)的经纬度数据分别为lonk(a)，latk(a)，后车的最新采样点N30(b)的经纬度数据为[lon30(b),lat30(b)]；
实际应用中，计算由Nk-1(a)指向Nk(a)的方向与正北方向的夹角
Figure BDA0002346229130000121
以及由N30(b)指向Nk(a)的方向与正北方向的夹角
Figure BDA0002346229130000122
其中顺时针为正，逆时针为负。利用以下公式(1)和(2)计算夹角
Figure BDA0002346229130000123
和夹角
Figure BDA0002346229130000124
Figure BDA0002346229130000125
Figure BDA0002346229130000126
本申请实施例中，将计算得到的夹角
Figure BDA0002346229130000127
和夹角
Figure BDA0002346229130000128
用于描述前车和后车之间的相对位置关系。
S308：基于所述相对位置关系，确定所述前车和所述后车的车道位置关系。
本申请实施例中，在确定上述N30(b)、Nk-1(a)和Nk(a)之间的相对位置关系之后，进一步确定前车和后车的车道位置关系。
一种可选的实施方式中，在计算出夹角
Figure BDA0002346229130000129
与夹角
Figure BDA00023462291300001210
之后，计算夹角
Figure BDA00023462291300001211
与夹角
Figure BDA00023462291300001212
的差值
Figure BDA00023462291300001213
即
Figure BDA00023462291300001214
如果
Figure BDA00023462291300001215
大于0，则说明由Nk-1(a)指向Nk(a)的方向与正北方向的夹角
Figure BDA00023462291300001216
大于由N30(b)指向Nk(a)的方向与正北方向的夹角
Figure BDA00023462291300001217
进一步能够说明前车位于后车的左邻车道；如果
Figure BDA00023462291300001218
小于0，则说明由Nk-1(a)指向Nk(a)的方向与正北方向的夹角
Figure BDA00023462291300001219
小于由N30(b)指向Nk(a)的方向与正北方向的夹角
Figure BDA00023462291300001220
进一步能够说明前车位于后车的右邻车道。
另外，由于前车和后车的车道位置关系还可以包括前车与后车相邻若干车道，因此，为了更精确的确定前车和后车的车道位置关系，本申请实施例还可以确定后车的最新采样点N30(b)到与其距离最近的两个采样点Nk-1(a)和Nk(a)之间连线的距离；然后，基于该距离与车道宽度的大小关系以及所述前车和所述后车的相对位置关系，确定所述前车和所述后车的车道位置关系。
一种可选的实施方式中，计算后车的最新采样点N30(b)到Nk-1(a)和Nk(a)两个采样点之间的连线的距离d，并判断d与车道宽度的大小关系，然后结合d与车道宽度的大小关系以及前车和后车的相对位置关系，最终确定前车和后车的车道位置关系。
具体的，一种可选的实施方式中，假设车道宽度为D米，则根据d与车道宽度D的关系以及
Figure BDA0002346229130000131
的大小，确定后车相对于前车的车道位置关系，通常包括同车道、邻车道和远邻车道等。具体如下：
如果
Figure BDA0002346229130000132
则确定前车和后车为同车道；
如果
Figure BDA0002346229130000133
且
Figure BDA0002346229130000134
则确定前车位于后车的右邻车道；
如果
Figure BDA0002346229130000135
且
Figure BDA0002346229130000136
则确定前车位于后车的左邻车道；
如果
Figure BDA0002346229130000137
且
Figure BDA0002346229130000138
则确定前车位于后车的右远邻车道，即间隔一个或多个车道；
如果
Figure BDA0002346229130000139
且
Figure BDA00023462291300001310
则确定前车位于后车的左远邻车道，即间隔一个或多个车道。
S309：根据所述同反向位置关系、所述前后位置关系和车道位置关系，确定所述本车和所述远车的位置关系。
本申请实施例中，在确定本车与远车的同反向位置关系、前后位置关系和车道位置关系之后，结合同反向位置关系、前后位置关系和车道位置关系，最终确定本车与远车的位置关系。
实际应用中，基于上述方式能将弯道行驶的本车和远车的位置关系确定为以下15种类别，分别为：
(1)同向前方同车道；(2)同向前方左邻道；(3)同向前方右邻道；
(4)同向前方左远邻；(5)同向前方右远邻；(6)同向后方同车道；
(7)同向后方左邻道；(8)同向后方右邻道；(9)同向后方左远邻；
(10)同向后方右远邻；(11)反向前方同车道；(12)反向前方左邻道；
(13)反向前方右邻道；(14)反向前方左远邻；(15)反向前方右远邻。
本申请实施例提供的弯道车辆位置关系的确定方法，用于对弯道上行驶的车辆之间的位置关系进行确定，使得碰撞预警系统能够基于本申请得到的确定结果实现对弯道上行驶的车辆的碰撞预警。
上述实施例对弯道车辆位置关系的确定是以前车行驶状态稳定为前提的，但是行驶中的前车存在变道的行驶状态，而变道影响着弯道车辆的车道位置关系，因此，本申请实施例提供了一种弯道车辆位置关系的确定方法，能够结合前车的行驶状态，对本车和远车的车道位置关系进行修正，进一步提高弯道车辆位置关系的确定结果的准确性。
参考图4，为本申请实施例提供的一种车道位置关系的修正方法流程图，在上述实施例方式的基础上，进一步的确定前车的行驶状态，以便基于行驶状态对确定的车道位置关系进行修正，提高了本车和远车的车道位置关系的准确性，从而提高了弯道车辆位置关系确定的准确性。该方法包括：
S401：将所述前车的车身数据输入至经过训练的变道检测模型中，经过处理后输出所述前车的变道结果；
本申请实施例中，利用变道检测模型对前车的车身数据进行处理，以便得到前车的变道结果。具体的，变道结果可以包括变道前状态、变道中状态和完成变道状态三个类别，如图5所示，为本申请实施例提供的一种变道前状态、变道中状态和完成变道状态的示意图。
实际应用中，利用具有上述类别标签的车身数据样本对变道检测模型进行训练，得到经过训练的变道检测模型，用于对前车的车身数据进行检测，以得到前车的变道结果。
S402：基于所述前车的变道结果，对所述本车和所述远车的车道位置关系进行修正。
本申请实施例对于不同的变道结果提供不同的修正方法，具体的，如果前车的变道结果为变道前状态，则由于前车的车道未改变，因此不需要对确定的车道位置关系进行修正。
一种可选的实施方式中，如果前车的变道结果为变道中状态，可以进一步确定前车是否变道成功，如果成功则对确定车道位置关系进行修正，否则不需要修正。具体的，参考图6，为本申请实施例提供的一种变道中状态的车道位置关系修正方法的流程图。该方法包括：
S601：确定所述前车的车身数据中的变道前采样点。
S602：确定所述前车的车身数据中的最新采样点到所述变道前采样点中最新的两个相邻采样点连线的距离。
S603：基于所述距离与车道宽度的大小关系和所述前车的方向盘数据，对所述本车和所述远车的车道位置关系进行修正。
本申请实施例中，在确定前车的变道结果为变道中状态时，首先获取前车的车身数据，其中，车身数据中包括最近N个采样点。其次，通过车身数据中的方向盘数据中的方向盘转角数据，确定前车在弯道上是属于向左变道还是向右变道。然后，进一步确定前车是否变道成功，最终，结合向左变道或向右变道的状态以及变道是否成功的结果，确定是否对本车和远车的车到位置关系进行修正。
一种用于确定变道是否成功的实施方式中，首先基于方向盘转角数据的变化情况，确定车身数据中的变道前采样点。具体的，分别比较车身数据中每相邻两个采样点之间的方向盘转角变化大小，假设变化最大的两个采样点为Nt-1(a)和Nt(a)，则可以理解的是，Nt-2(a)和Nt-1(a)分别为变道前采样点中最新的两个采样点。本申请实施例通过计算前车的最新采样点(即当前位置)到Nt-2(a)和Nt-1(a)之间连线的距离，可以确定前车是否变道成功。具体的，将该距离与车道宽度进行比较，如果该距离大于车道宽度，则说明前车变道成功，需要对本车和远车的车道位置关系进行修正；否则，说明前车变道未成功，则不需要对本车和远车的车道位置关系进行修正。
一种具体的实施方式中，假设前车相对于后车为左邻道前，如果前车变道成功，且为向左变道，则可以将前车相对于后车的车道位置关系修正为左远邻道。
另一种可选的实施方式中，如果前车的变道结果为完成变道状态，则需要对确定车道位置关系进行修正。具体的，参考图7，为本申请实施例提供的一种完成变道状态的车道位置关系修正方法的流程图。该方法包括：
S701：确定所述前车的车身数据中的变道前采样点和变道后采样点。
S702：确定所述变道后采样点中的第一个采样点到所述变道前采样点中最新的两个相邻采样点连线的距离。
S703：基于所述距离与车道宽度的大小关系和所述前车的方向盘数据，对所述本车和所述远车的车道位置关系进行修正。
本申请实施例中，在确定前车的变道结果为完成变道状态时，首先获取前车的车身数据，其中，车身数据中包括最近N个采样点。其次，通过车身数据中的方向盘转角数据的变化情况，确定车身数据中的变道前采样点和变道后采样点。具体的，分别比较车身数据中每相邻两个采样点之间的方向盘转角变化大小，假设第一次发生明显变化的两个相邻采样点为Ni-1(a)和Ni(a)，第二次发生明显变化的两个相邻采样点Ns-1(a)和Ns(a)，则可以理解的是，Ni-2(a)和Ni-1(a)分别为变道前采样点中最新的两个采样点，而Ns(a)则为变道后采样点中的第一个采样点。由于前车处于弯道行驶状态，则Ns(a)到Ni-2(a)与Ni-1(a)之间连线的距离与车道宽度的大小关系能够说明前车完成变道状态的情况。例如，该距离等于车道宽度，则说明完成变道状态的前车跨过一个车道完成变道，如果该距离几乎等于两个车道宽度，则说明完成变道状态的前车跨过两个车道完成变道，依照此规律，可以确定前车跨过几个车道完成变道，从而基于此对确定的本车和远车的车道位置关系进行修正。
本申请实施例中，通过变道检测模型对前车的车身数据进行处理，得到前车的变道结果，针对变道结果对确定的车道位置关系进行修正，最终得到更准确的本车与远车的位置关系，以便用于碰撞预警系统。
基于上述方法实施方式，本申请提供了一种弯道车辆位置关系的确定装置，参考图8，为本申请实施例提供的一种弯道车辆位置关系的确定装置结构示意图。其中，本车和远车处于弯道行驶状态，所述装置包括：
获取模块801，用于获取所述本车和所述远车的车身数据；其中，所述车身数据包括最近N个采样点的经纬度数据和方向盘数据；
第一确定模块802，用于基于所述本车和所述远车的车身数据，确定所述本车与所述远车的同反向位置关系和前后位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶；
第二确定模块803，用于根据所述同反向位置关系和所述前后位置关系，从所述本车和所述远车中分别确定前车和后车；
第三确定模块804，用于基于所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的相对位置关系，确定所述前车和所述后车的车道位置关系；
第四确定模块805，用于基于所述同反向位置关系、所述前后位置关系和所述车道位置关系，确定所述本车和所述远车的位置关系。
本申请提供的弯道车辆位置关系的确定装置，能够基于本车和远车的车身数据确定本车和远车的同反向位置关系和前后位置关系，然后，基于同反向位置关系和前后位置关系以及各个采样点的经纬度数据，确定本车和远车的车道位置关系，最终，结合同反向位置关系、前后位置关系和车道位置关系，确定本车和远车的位置关系。本申请能够对弯道上行驶的车辆之间的位置关系进行确定，使得碰撞预警系统能够基于本申请得到的确定结果实现对弯道上行驶的车辆的碰撞预警。
另外，本申请实施例还提供了一种弯道车辆位置关系的确定设备，参见图9所示，可以包括：
处理器901、存储器902、输入装置903和输出装置904。物联网通信设备中的处理器901的数量可以一个或多个，图9中以一个处理器为例。在本发明的一些实施例中，处理器901、存储器902、输入装置903和输出装置904可通过总线或其它方式连接，其中，图9中以通过总线连接为例。
存储器902可用于存储软件程序以及模块，处理器901通过运行存储在存储器902的软件程序以及模块，从而执行物联网通信设备的各种功能应用以及数据处理。存储器902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、至少一个功能所需的应用程序等。此外，存储器902可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。输入装置903可用于接收输入的数字或字符信息，以及产生与物联网通信设备的用户设置以及功能控制有关的信号输入。
具体在本实施例中，处理器901会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器902中，并由处理器901来运行存储在存储器902中的应用程序，从而实现上述弯道车辆位置关系的确定设备的各种功能。
另外，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备实现弯道车辆位置关系的确定功能。
可以理解的是，对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述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，作为单元显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。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请实施例所提供的一种弯道车辆位置关系的确定方法、装置及设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (7)

1.一种弯道车辆位置关系的确定方法，其特征在于，本车和远车处于弯道行驶状态，所述方法包括：
获取所述本车和所述远车的车身数据；其中，所述车身数据包括最新采集到的N个采样点的经纬度数据和方向盘转角数据；
基于所述本车和所述远车的车身数据，确定所述本车与所述远车的同反向位置关系和前后位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶；
根据所述同反向位置关系和所述前后位置关系，从所述本车和所述远车中分别确定前车和后车；
基于所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的相对位置关系，确定所述前车和所述后车的车道位置关系；
基于所述同反向位置关系、所述前后位置关系和所述车道位置关系，确定所述本车和所述远车的位置关系；
还包括：将所述前车的车身数据输入至经过训练的变道检测模型中，经过处理后输出所述前车的变道结果，变道结果包括变道前状态、变道中状态和完成变道状态；
基于所述前车的变道结果，对所述本车和所述远车的车道位置关系进行修正，包括：
如果所述前车的变道结果为变道中状态，则确定所述前车的车身数据中的变道前采样点；
确定所述前车的车身数据中的最新采样点到所述变道前采样点中最新的两个相邻采样点连线的距离；
基于所述距离与车道宽度的大小关系和所述前车的方向盘转角数据，对所述本车和所述远车的车道位置关系进行修正；或者
如果所述前车的变道结果为完成变道状态，则确定所述前车的车身数据中的变道前采样点和变道后采样点；
确定所述变道后采样点中的第一个采样点到所述变道前采样点中最新的两个相邻采样点连线的距离；
基于所述距离与车道宽度的大小关系和所述前车的方向盘转角数据，对所述本车和所述远车的车道位置关系进行修正。
2.根据权利要求1所述的方法，其特征在于，所述基于所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的位置关系，确定所述前车和所述后车的车道位置关系，包括：
基于各个采样点的经纬度数据，确定所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点；
基于所述距离最近的两个采样点和所述后车的最新采样点的经纬度数据，确定所述距离最近的两个采样点和所述后车的最新采样点的相对位置关系；
基于所述相对位置关系，确定所述前车和所述后车的车道位置关系。
3.根据权利要求2所述的方法，其特征在于，所述距离最近的两个采样点包括第一采样点和第二采样点，所述第一采样点的采样时间先于所述第二采样点的采样时间；
所述基于所述距离最近的两个采样点和所述后车的最新采样点的经纬度数据，确定所述距离最近的两个采样点和所述后车的最新采样点的相对位置关系，包括：
基于各个采样点的经纬度数据，确定由所述第一采样点指向所述第二采样点的方向与预设正方向的夹角，作为第一夹角；
确定由所述后车的最新采样点指向所述第二采样点的方向与所述预设正方向的夹角，作为第二夹角；其中，所述第一夹角和所述第二夹角的大小关系用于表示所述第一采样点、所述第二采样点和所述后车的最新采样点之间的相对位置关系；
相应的，所述基于所述相对位置关系，确定所述前车和所述后车的车道位置关系，具体为：
基于所述第一夹角和所述第二夹角的大小关系，确定所述前车和所述后车的车道位置关系。
4.根据权利要求2所述的方法，其特征在于，所述基于所述相对位置关系，确定所述前车和所述后车的车道位置关系之前，还包括：
确定所述后车的最新采样点到所述距离最近的两个采样点之间连线的距离；
相应的，所述基于所述相对位置关系，确定所述前车和所述后车的车道位置关系，具体为：
基于所述距离与车道宽度的大小关系和所述前车和所述后车的相对位置关系，确定所述前车和所述后车的车道位置关系。
5.一种弯道车辆位置关系的确定装置，其特征在于，本车和远车处于弯道行驶状态，所述装置包括：
获取模块，用于获取所述本车和所述远车的车身数据；其中，所述车身数据包括最近N个采样点的经纬度数据和方向盘转角数据；
第一确定模块，用于基于所述本车和所述远车的车身数据，确定所述本车与所述远车的同反向位置关系和前后位置关系；其中，所述同反向位置关系包括同向行驶或反向行驶；
第二确定模块，用于根据所述同反向位置关系和所述前后位置关系，从所述本车和所述远车中分别确定前车和后车；
第三确定模块，用于基于所述前车的车身数据中与所述后车的最新采样点距离最近的两个采样点与所述后车的最新采样点之间的相对位置关系，确定所述前车和所述后车的车道位置关系；
第四确定模块，用于基于所述同反向位置关系、所述前后位置关系和所述车道位置关系，确定所述本车和所述远车的位置关系；
还包括：将所述前车的车身数据输入至经过训练的变道检测模型中，经过处理后输出所述前车的变道结果，变道结果包括变道前状态、变道中状态和完成变道状态；
基于所述前车的变道结果，对所述本车和所述远车的车道位置关系进行修正，包括：
如果所述前车的变道结果为变道中状态，则确定所述前车的车身数据中的变道前采样点；
确定所述前车的车身数据中的最新采样点到所述变道前采样点中最新的两个相邻采样点连线的距离；
基于所述距离与车道宽度的大小关系和所述前车的方向盘转角数据，对所述本车和所述远车的车道位置关系进行修正；或者
如果所述前车的变道结果为完成变道状态，则确定所述前车的车身数据中的变道前采样点和变道后采样点；
确定所述变道后采样点中的第一个采样点到所述变道前采样点中最新的两个相邻采样点连线的距离；
基于所述距离与车道宽度的大小关系和所述前车的方向盘转角数据，对所述本车和所述远车的车道位置关系进行修正。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备实现如权利要求1-4任一项所述的方法。
7.一种设备，其特征在于，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4任一项所述的方法。
CN201911395658.6A 2019-12-30 2019-12-30 一种弯道车辆位置关系的确定方法、装置及设备 Active CN111145574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911395658.6A CN111145574B (zh) 2019-12-30 2019-12-30 一种弯道车辆位置关系的确定方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911395658.6A CN111145574B (zh) 2019-12-30 2019-12-30 一种弯道车辆位置关系的确定方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111145574A CN111145574A (zh) 2020-05-12
CN111145574B true CN111145574B (zh) 2021-11-02

Family

ID=70521895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911395658.6A Active CN111145574B (zh) 2019-12-30 2019-12-30 一种弯道车辆位置关系的确定方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111145574B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112550285B (zh) 2020-12-09 2022-09-09 东软集团股份有限公司 确定碰撞距离的方法、装置、存储介质及电子设备
CN115567875A (zh) * 2021-06-30 2023-01-03 中兴通讯股份有限公司 同车道的判断方法、电子设备和计算机可读存储介质
CN114187760B (zh) * 2021-11-29 2023-06-09 中汽研（天津）汽车工程研究院有限公司 一种基于车路协同系统的弯道车辆相对位置分类方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104867329B (zh) * 2015-04-23 2017-04-12 同济大学 一种车联网车辆状态预测方法
CN104882025B (zh) * 2015-05-13 2017-02-22 东华大学 一种基于车联网技术的碰撞检测预警方法
CN106355890B (zh) * 2016-09-27 2019-03-05 东软集团股份有限公司 一种对目标车辆分类的判断方法及装置
CN107993487B (zh) * 2017-12-11 2021-06-25 东软集团股份有限公司 避让紧急车辆的方法及装置
CN108053690B (zh) * 2017-12-29 2021-03-26 东软集团股份有限公司 识别行驶车道的方法、弯道预警方法、装置、介质及设备

Also Published As

Publication number Publication date
CN111145574A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
EP3699048A1 (en) Travelling track prediction method and device for vehicle
CN111145574B (zh) 一种弯道车辆位置关系的确定方法、装置及设备
JP6322268B2 (ja) 車両用のマップデータを確定するためのシステム及び方法
US8583366B2 (en) Road shape learning apparatus
US11273821B2 (en) Parking assistance method and parking assistance device
US8452535B2 (en) Systems and methods for precise sub-lane vehicle positioning
JP6809531B2 (ja) 車両判定方法、走行経路補正方法、車両判定装置、及び走行経路補正装置
CN111976741A (zh) 用于控制自动驾驶车辆的装置和方法
WO2019203084A1 (ja) 地図情報更新システムおよび地図情報更新プログラム
JP2016192150A (ja) 車両走行制御装置
CN102620741B (zh) 路线引导系统、路线引导方法以及路线引导程序
WO2019030916A1 (ja) 車線情報管理方法、走行制御方法及び車線情報管理装置
CN112550285B (zh) 确定碰撞距离的方法、装置、存储介质及电子设备
CN115339453B (zh) 车辆换道决策信息生成方法、装置、设备和计算机介质
CN110501013A (zh) 位置补偿方法、装置及电子设备
US11187815B2 (en) Method of determining location of vehicle, apparatus for determining location, and system for controlling driving
CN110544389A (zh) 一种自动驾驶管控方法、装置及系统
CN112673230B (zh) 行驶辅助方法及行驶辅助装置
US20090248299A1 (en) Road shape estimating device, road shape estimating method and program
CN118025155A (zh) 一种跟车目标确定方法、设备、车辆及程序产品
JP5682302B2 (ja) 走行道路推定装置、方法およびプログラム
EP3854645A1 (en) Method, apparatus, and computer program product for dynamically detecting dangerous merging situations
CN109631925B (zh) 主辅路确定方法、装置、存储介质及电子设备
JP2012037312A (ja) 地物位置取得装置、方法およびプログラム
JP6500805B2 (ja) 推奨車線案内システムおよび推奨車線案内プログラム

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