CN111383464A - 车辆变道识别方法、装置、电子设备和介质 - Google Patents
车辆变道识别方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN111383464A CN111383464A CN201811627356.2A CN201811627356A CN111383464A CN 111383464 A CN111383464 A CN 111383464A CN 201811627356 A CN201811627356 A CN 201811627356A CN 111383464 A CN111383464 A CN 111383464A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- lane line
- change
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
-
- 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)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车辆变道识别方法、装置、电子设备和介质,其中,该方法包括:实时获取车辆行驶位置相对于道路上每条车道线的位置数据;基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用与确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;根据至少一个位置偏移量,确定车辆的变道结果。本发明实施例解决了现有技术中关于车辆的变道识别准确率较低的问题,提高了车辆变道识别的准确率,并且,本发明实施例提供的识别方法具有广泛的通用性。
Description
技术领域
本发明实施例涉及车载导航技术领域,尤其涉及一种车辆变道识别方法、装置、电子设备和介质。
背景技术
车辆定位技术的发展,为人们出行带来极大的便利性,例如可以根据目的地自动为用户规划线路、实时进行路径导航以及针对不同道路进行交通信号提醒等。
目前,对车辆变道的识别主要依据不同汽车上摄像头系统封装的识别功能进行实现。经过测试,现有的变道识别方法准确性较低,存在较多误识别情况。并且,由于不同的摄像头系统采用的摄像头型号存在差异,导致变道识别的监控数据存在差异,从而依赖不同摄像头系统的车道识别方法的通用性较低。
发明内容
本发明实施例提供一种车辆变道识别方法、装置、电子设备和介质,以提高车辆变道识别的准确率。
第一方面,本发明实施例提供了一种车辆变道识别方法,该方法包括:
实时获取车辆行驶位置相对于道路上每条车道线的位置数据;
基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;
基于确定的变道趋势和所述车辆行驶位置相对于每条车道线的位置数据,采用与所述确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;
根据所述至少一个位置偏移量,确定车辆的变道结果;
其中,位置偏移量是指在所述相邻采样时刻内上一时刻的车辆行驶位置相对于第一车道线的位置数据与所述相邻采样时刻内下一时刻的车辆行驶位置相对于第二车道线的位置数据之差的绝对值,所述第一车道线和所述第二车道线是相邻的车道线。
可选的,基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势,包括:
基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,计算所述相邻采样时刻内车辆相对于所述同一车道线的距离变量;
根据所述距离变量与第一阈值的关系,确定车辆的变道趋势。
可选的,所述基于确定的变道趋势和所述车辆行驶位置相对于每条车道线的位置数据,采用与所述确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量,包括:
若所述确定的变道趋势是向左变道趋势,则利用如下计算公式计算所述至少一个位置偏移量Δ:
|dy(ls)′-dy(lq)|=Δ(1)
|dy(l1)′-dy(r1)|=Δ(s)
|dy(rm)′-dy(rn)|=Δ(s+n-1)
若所述确定的变道趋势是向右变道趋势,则利用如下计算公式计算所述至少一个位置偏移量Δ:
|dy(lq)′-dy(ls)|=Δ(1)
|dy(r1)′-dy(l1)|=Δ(s)
|dy(rn)′-dy(rm)|=Δ(s+n-1)
其中,s是在车辆传感器的识别范围内所述车辆行驶位置左侧的总车道线数量,n是在车辆传感器的识别范围内所述车辆行驶位置右侧的总车道线数量,q=s-1,m=n-1,l1表示靠近所述车辆行驶位置的左侧第1条车道线,ls表示从所述车辆行驶位置处开始依次向左的第s条车道线,r1表示靠近所述车辆行驶位置的右侧第一条车道线,rn表示从所述车辆行驶位置处开始依次向右的第n条车道线,dy(ls)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据,dy(ls)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据;dy(rn)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据,dy(rn)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据。
可选的,根据所述至少一个位置偏移量,确定车辆的变道结果,包括:
若所述至少一个位置偏移量中同时小于第二阈值的位置偏移量的数量大于或等于第一目标数量,则确定车辆发生变道,且变道方向与所述确定的变道趋势相同;
根据所述变道方向和所述车辆行驶位置确定车辆的行驶车道。
可选的,根据所述至少一个位置偏移量,确定车辆的变道结果,包括:
若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于第一目标数量,则结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道;
若确定车辆发生变道,则根据变道方向和所述车辆行驶位置确定车辆的行驶车道,其中,所述变道方向与所述确定的变道趋势相同。
可选的,若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量大于第二目标数量且小于所述第一目标数量,则所述结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道,包括:
根据第一预设采样时间内实时获取的位置数据,确定第一目标车道线的变化趋势,其中,所述第一目标车道线指所述道路上小于所述第二阈值的位置偏移量所对应的车道线;
若所述第一目标车道线中存在至少一条车道线的变化趋势与所述确定的变道趋势的方向一致,且不存在变化趋势与所述确定的变道趋势方向相反的车道线,则根据监控得到的所述第一目标车道线的曲率数据,确定所述第一目标车道线的曲率变化方向;
根据所述曲率变化方向和所述确定的变道趋势的方向关系,确定车辆是否发生变道。
可选的,根据所述曲率变化方向和所述确定的变道趋势的方向关系,确定车辆是否发生变道,包括:
若所述第一目标车道线中存在至少一条车道线的曲率变化方向与所述确定的变道趋势的方向相反,则确定车辆未发生变道;
若所述第一目标车道线中不存在曲率变化方向与所述确定的变道趋势的方向相反的车道线,则确定车辆发生变道。
可选的,若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于或等于第二目标数量,则所述结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道,包括:
根据第二预设采样时间内实时获取的位置数据,确定第二目标车道线的变化趋势,其中,所述第二目标车道线指所述道路上除去小于所述第二阈值的位置偏移量所对应的车道线之外的车道线;
若所述第二目标车道线中存在至少一条车道线的变化趋势与所述确定的变道趋势的方向相反,则确定车辆未发生变道;或者
根据监控得到的所述第二目标车道线的曲率数据,确定所述第二目标车道线的曲率变化方向;
若所述第二目标车道线中存在至少一条车道线的曲率变化方向与所述确定的变道趋势的方向相反,则确定车辆未发生变道。
可选的,车道线的变化趋势确定过程包括:
分别将在当前时刻之前的预设时间内实时获取的所述车辆行驶位置相对于每条车道线的位置数据取平均,作为每条车道线的平均位置数据;
计算当前获取的所述车辆行驶位置相对于每条车道线的位置数据的绝对值与该车道线的所述平均位置数据的绝对值之间的差值;
根据与所述位置数据对应的坐标方向定义规则和所述差值,确定每条车道线的变化趋势。
第二方面,本发明实施例还提供了一种车辆变道识别装置,该装置包括:
位置数据获取模块,用于实时获取车辆行驶位置相对于道路上每条车道线的位置数据;
变道趋势确定模块,用于基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;
位置偏移量确定模块,用于基于确定的变道趋势和所述车辆行驶位置相对于每条车道线的位置数据,采用与所述确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;
变道结果确定模块,用于根据所述至少一个位置偏移量,确定车辆的变道结果;
其中,位置偏移量指在所述相邻采样时刻内上一时刻的车辆行驶位置相对于第一车道线的位置数据与所述相邻采样时刻内下一时刻的车辆行驶位置相对于第二车道线的位置数据之差的绝对值,所述第一车道线和所述第二车道线是相邻的车道线。
可选的,所述变道趋势确定模块包括:
距离变量计算单元,用于基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,计算所述相邻采样时刻内车辆相对于所述同一车道线的距离变量;
变道趋势确定单元,用于根据所述距离变量与第一阈值的关系,确定车辆的变道趋势。
可选的,所述位置偏移量确定模块具体用于:
若所述确定的变道趋势是向左变道趋势,则利用如下计算公式计算所述至少一个位置偏移量Δ:
|dy(ls)′-dy(lq)|=Δ(1)
|dy(l1)′-dy(r1)|=Δ(s)
|dy(rm)′-dy(rn)|=Δ(s+n-1)
若所述确定的变道趋势是向右变道趋势,则利用如下计算公式计算所述至少一个位置偏移量Δ:
|dy(lq)′-dy(ls)|=Δ(1)
|dy(r1)′-dy(l1)|=Δ(s)
|dy(rn)′-dy(rm)|=Δ(s+n-1)
其中,s是在车辆传感器的识别范围内所述车辆行驶位置左侧的总车道线数量,n是在车辆传感器的识别范围内所述车辆行驶位置右侧的总车道线数量,q=s-1,m=n-1,l1表示靠近所述车辆行驶位置的左侧第1条车道线,ls表示从所述车辆行驶位置处开始依次向左的第s条车道线,r1表示靠近所述车辆行驶位置的右侧第一条车道线,rn表示从所述车辆行驶位置处开始依次向右的第n条车道线,dy(ls)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据,dy(ls)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据;dy(rn)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据,dy(rn)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据。
可选的,所述变道结果确定模块包括:
第一变道确认单元,用于若所述至少一个位置偏移量中同时小于第二阈值的位置偏移量的数量大于或等于第一目标数量,则确定车辆发生变道,且变道方向与所述确定的变道趋势相同;
第一行驶车道确定单元,用于根据所述变道方向和所述车辆行驶位置确定车辆的行驶车道。
可选的,所述变道结果确定模块包括:
第二变道确认单元,用于若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于第一目标数量,则结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道;
第二行驶车道确定单元,用于若确定车辆发生变道,则根据变道方向和所述车辆行驶位置确定车辆的行驶车道,其中,所述变道方向与所述确定的变道趋势相同。
可选的,若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量大于第二目标数量且小于所述第一目标数量,则所述第二变道确认单元包括:
第一车道线变化趋势确定子单元,用于根据第一预设采样时间内实时获取的位置数据,确定第一目标车道线的变化趋势,其中,所述第一目标车道线指所述道路上小于所述第二阈值的位置偏移量所对应的车道线;
第一车道线曲率变化确定子单元,用于若所述第一目标车道线中存在至少一条车道线的变化趋势与所述确定的变道趋势的方向一致,且不存在变化趋势与所述确定的变道趋势方向相反的车道线,则根据监控得到的所述第一目标车道线的曲率数据,确定所述第一目标车道线的曲率变化方向;
第一变道确定子单元,用于根据所述曲率变化方向和所述确定的变道趋势的方向关系,确定车辆是否发生变道。
可选的,所述第一变道确定子单元具体用于:
若所述第一目标车道线中存在至少一条车道线的曲率变化方向与所述确定的变道趋势的方向相反,则确定车辆未发生变道;
若所述第一目标车道线中不存在曲率变化方向与所述确定的变道趋势的方向相反的车道线,则确定车辆发生变道。
可选的,若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于或等于第二目标数量,则所述第二变道确认单元包括:
第二车道线变化趋势确定子单元,用于根据第二预设采样时间内实时获取的位置数据,确定第二目标车道线的变化趋势,其中,所述第二目标车道线指所述道路上除去小于所述第二阈值的位置偏移量所对应的车道线之外的车道线;
第二变道确定子单元,用于若所述第二目标车道线中存在至少一条车道线的变化趋势与所述确定的变道趋势的方向相反,则确定车辆未发生变道;
第二车道线曲率变化确定子单元,用于根据监控得到的所述第二目标车道线的曲率数据,确定所述第二目标车道线的曲率变化方向;
第三变道确定子单元,用于若所述第二目标车道线中存在至少一条车道线的曲率变化方向与所述确定的变道趋势的方向相反,则确定车辆未发生变道。
可选的,所述第一车道线变化趋势确定子单元或所述第二车道线变化趋势确定子单元具体用于:
分别将在当前时刻之前的预设时间内实时获取的所述车辆行驶位置相对于每条车道线的位置数据取平均,作为每条车道线的平均位置数据;
计算当前获取的所述车辆行驶位置相对于每条车道线的位置数据的绝对值与该车道线的所述平均位置数据的绝对值之间的差值;
根据与所述位置数据对应的坐标方向定义规则和所述差值,确定每条车道线的变化趋势。
第三方面,本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的车辆变道识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的车辆变道识别方法。
本发明实施例通过实时获取车辆行驶位置相对于道路上每条车道线的位置数据;基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用与确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;根据至少一个位置偏移量,确定车辆的变道结果,解决了现有技术中关于车辆的变道识别准确率较低的问题,提高了车辆变道识别的准确率,并且,本发明实施例提供的识别方法具有广泛的通用性。
附图说明
图1是本发明实施例一提供的车辆变道识别方法的流程图;
图2是本发明实施例二提供的车辆变道识别方法的流程图;
图3a是本发明实施例二提供的在包含四条车道线的道路上的车辆位置示意图;
图3b是本发明实施例二提供的车辆变道过程中的车道切换位置的示意图;
图4是本发明实施例三提供的车辆变道识别方法的流程图;
图5是本发明实施例三提供的道路上车道线的一种变化趋势示意图;
图6是本发明实施例四提供的车辆变道识别装置的结构示意图;
图7是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的车辆变道识别方法的流程图,本实施例可适用于车辆定位过程中识别车辆的变道信息的情况,该方法可以由车辆变道识别装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成在电子设备上,例如车载设备等。
如图1所示,本实施例提供的车辆变道识别方法可以包括:
S110、实时获取车辆行驶位置相对于道路上每条车道线的位置数据。
本实施例中,可以利用车辆传感器,例如具有车道线识别和距离监测功能的车载装置或者车辆专有的摄像头系统等,进行位置数据的实时监测或者周期性监测,并按照识别出的每条车道线的标识进行区分记录,然后将记录的位置数据实时传输至车辆变道识别装置。位置数据用于度量车辆行驶位置与每条车道线之间的相对距离。根据数据记录规则的差异,处于车辆不同侧的车道线,对应的位置数据可以通过携带不同的字符标识进行区分,例如,将车辆行驶位置相对于车辆左侧车道线的位置数据记录为正值,将车辆行驶位置相对于车辆右侧车道线的位置数据记录为负值。在位置数据处理过程中,通过对位置数据的解析,该字符标识可以参与实际的数据处理中,也可以不参与实际的数据处理而只发挥数据区分作用。
此外,位置数据可以是利用任意类型的车辆摄像头系统监测的变道数据(MFK数据,Multifunctionskamera,多功能摄像头)。MFK数据中按照识别的车道线id编号依次记录车辆行驶位置相对于每条车道线的距离。
S120、基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势。
相邻采样时刻是指监测或者记录位置数据的至少两个连续时刻,每一个时刻对应一组位置数据的记录。如果采用实时监测方式,相邻采样时刻即表示至少两个连续时间点。如果采用周期性监测方式,相邻采样时刻即表示至少两个连续的监测周期对应的监测时间点。通常情况下,车辆在任意车道上保持直线行驶,车辆位置相对行驶车道的左右两条车道线的距离基本保持不变。当车辆存在变道趋势时,车辆行驶位置将会逐渐靠近某一车道或远离某一车道,例如,车辆存在向左变道趋势,其位置将会逐渐靠近左侧车道线而远离右侧车道线,同理,当车辆存在向右变道趋势时,其位置将会逐渐靠近右侧车道线而远离左侧车道线。因此,可以基于车辆相对于同一车道线在相邻采样时刻的位置数据,确定位置数据的变化趋势,从而初步判断车辆的变道趋势。
可选的,基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势,包括:
基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,计算相邻采样时刻内车辆相对于同一车道线的距离变量;
根据距离变量与第一阈值的关系,确定车辆的变道趋势。
距离变量表示车辆行驶位置相对于同一条车道线在相邻采样时刻下的横向距离变化值,具体的可用相邻采样时刻的位置数据的绝对值之差表示,例如将当前采样时刻的上一时刻记录的位置数据的绝对值|dy′|减去当前时刻记录的位置数据的绝对值|dy|。如果选择行驶车辆左侧的任意一条车道线作为参考车道线,按照前述求差的方式得到的距离变量大于0且其绝对值大于第一阈值,则初步确定车辆具有向左变道趋势;若距离变量小于0且其绝对值大于第一阈值则车辆具有向右变道趋势。同理,如果选择行驶车辆右侧的任意一条车道线作为参考车道线,按照前述求差的方式得到的距离变量大于0且其绝对值大于第一阈值,则初步确定车辆具有向右变道趋势;若距离变量小于0且其绝对值大于第一阈值则具有向左变道趋势。其中,第一阈值可以根据车道宽度进行适应性设置,例如,可设置为车道宽度的1/8。
S130、基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用与确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量。
其中,位置偏移量是指在相邻采样时刻内上一时刻的车辆行驶位置相对于第一车道线的位置数据与相邻采样时刻内下一时刻的车辆行驶位置相对于第二车道线的位置数据之差的绝对值,第一车道线和第二车道线是相邻的车道线。相当于,位置偏移量表示在不同时刻车辆行驶位置相对于相邻车道线的横向距离偏移量,属于一种距离交叉比较的方式。为了保证车辆变道识别的准确性,车辆具有向左变道趋势或向右变道趋势时,分别采用与具体的变道趋势对应的位置偏移量计算方法。虽然两种情况下计算方法存在细微差异,但是计算原理相同。当初步确定车辆具有向左变道趋势时,主要通过交叉比较车辆行驶位置相对于其左侧车道线的位置数据之间的变化,当初步确定车辆具有向右变道趋势时,主要通过交叉比较车辆行驶位置相对于其右侧车道线的位置数据之间的变化。
S140、根据至少一个位置偏移量,确定车辆的变道结果。
通过数据的统计与分析,如果基于至少一个位置偏移量确定车辆行驶位置的变化与初步确定的变道趋势一致,且不存在车道线本身形状的变化干扰,则认为车辆发生变道。并且,结合车辆的行驶位置,对车辆进行实时的行驶车道定位,实现高精度导航。本实施例方法可以同时应用于普通车辆和无人驾驶车辆的定位与导航技术中。
本实施例的技术方案通过首先实时获取车辆行驶位置相对于道路上每条车道线的位置数据,基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势,然后基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用相应的位置偏移量计算方法,得到至少一个位置偏移量,最后根据至少一个位置偏移量,确定车辆的变道结果,解决了现有技术中关于车辆的变道识别准确率较低的问题,提高了车辆变道识别的准确率,降低了误识别率,并且,本发明实施例提供的识别方法可以基于任意的车辆摄像头系统采集的位置数据实现,具有广泛的通用性。
实施例二
图2是本发明实施例二提供的车辆变道识别方法的流程图,本实施例是在上述实施例的基础上进一步进行优化与扩展。如图2所示,该方法可以包括:
S210、实时获取车辆行驶位置相对于道路上每条车道线的位置数据。
S220、基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势。
S230、基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用与确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量。
具体的,若确定的变道趋势是向左变道趋势,则利用如下计算公式计算至少一个位置偏移量Δ:
|dy(ls)′-dy(lq)|=Δ(1)
|dy(l1)′-dy(r1)|=Δ(s)
|dy(rm)′-dy(rn)|=Δ(s+n-1)
若确定的变道趋势是向右变道趋势,则利用如下计算公式计算至少一个位置偏移量Δ:
|dy(lq)′-dy(ls)|=Δ(1)
|dy(r1)′-dy(l1)|=Δ(s)
|dy(rn)′-dy(rm)|=Δ(s+n-1)
其中,s是在车辆传感器的识别范围内所述车辆行驶位置左侧的总车道线数量,n是在车辆传感器的识别范围内所述车辆行驶位置右侧的总车道线数量,q=s-1,m=n-1,l1表示靠近所述车辆行驶位置的左侧第1条车道线,ls表示从所述车辆行驶位置处开始依次向左的第s条车道线,r1表示靠近所述车辆行驶位置的右侧第一条车道线,rn表示从所述车辆行驶位置处开始依次向右的第n条车道线,dy(ls)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据,dy(ls)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据;dy(rn)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据,dy(rn)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据。其中,s和n的取值可以不相同,也可以相同。
图3a是本实施例提供的在包含四条车道线的道路上的车辆位置示意图。如图3a所示,三角图形表示行驶中的车辆。车辆行驶位置相对于每条车道线的位置数据的绝对值和车辆行驶位置与车道线的距离成正比。车辆行驶位置相对于车辆左侧第一条车道线的位置数据记录为dy(l1),车辆行驶位置相对于车辆左侧第二条车道线的位置数据记录为dy(l2),车辆行驶位置相对于车辆右侧第一条车道线的位置数据记录为dy(r1),车辆行驶位置相对于车辆右侧第二条车道线的位置数据记录为dy(r2)。
假设车辆摄像头系统记录位置数据的记录规则为沿着车辆行驶方向,车辆行驶位置相对于车辆左侧车道线的位置数据记录为正值,车辆行驶位置相对于车辆右侧车道线的位置数据记录为负值,即垂直于车辆行驶方向,将车辆左侧方向定义为横向坐标正方向,将车辆右侧方向定义为横向坐标负方向。在某相邻采样时刻内上一时刻t1记录的位置数据分别为:
dy(l2)′=992,dy(l1)′=-43,dy(r1)′=-967,dy(r2)′=0;
在该相邻采样时刻内下一时刻t2记录的位置数据分别为:
dy(l2)=0,dy(l1)=974,dy(r1)=42,dy(r2)=-1001。
需要说明的是,上述数据的单位是1/256m,m表示米,出现的dy(l1)′和dy(r1)的值与数据记录规则不相符,是因为当车辆距离车道线的位置比较近时,例如压线的情况,摄像头记录数据具有延迟性,因此出现正负号颠倒的情况,但是并不影响本实施例方案的准确性,产生的误差在允许范围内。
基于以上位置数据,得到3个位置偏移量分别如下:
|dy(l2)′-dy(l1)|=|992-974|=18
|dy(l1)′-dy(r1)|=|-43-42|=85
|dy(r1)′-dy(r2)|=|-967+1001|=34。
S240、确定至少一个位置偏移量中小于第二阈值的位置偏移量的数量与第一目标数量的关系。
根据计算得到的位置偏移量与第二阈值关系,确定小于第二阈值的位置偏移量的数量,如果该数量值大于或等于第一目标数量,则执行S250;如果该数量值小于第一目标数量,则执行S260。
S250、若至少一个位置偏移量中同时小于第二阈值的位置偏移量的数量大于或等于第一目标数量,则确定车辆发生变道,且变道方向与确定的变道趋势相同。
第一目标数量和第二阈值可以根据车辆变道识别的精确度要求进行适应性设置。第二阈值还可以通过对车辆变道时车辆位置相对于相邻车道线的横向距离偏移量进行统计而确定,例如,可以将第二阈值设置为车辆变道时横向距离偏移量的最大值。
当同时小于第二阈值的位置偏移量的数量大于或等于第一目标数量,说明车辆行驶位置相对于车道线的位置变化趋势具有一致性,例如逐渐远离车辆一侧的至少一条车道线而靠近车辆另一侧的至少一条车道线,可以确定车辆发生了变道。继续以上述示例为例,当前道路上共有4条车道,第一目标数量可以设置为3,第二阈值可以设置为100,得到的3个位置偏移量均小于第二阈值,可以确定在包含t1和t2的相邻采样时刻对应的时间内,车辆发生了变道。
执行完操作S250,转入操作S270。
S260、若至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于第一目标数量,则结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道。
当小于第二阈值的位置偏移量的数量小于第一目标数量时,认为车辆行驶位置相对于车道线的位置变化趋势存在不确定性因素,需要进一步结合车道线本身的变化趋势和/或车道线的曲率,确定车辆是否发生了变道,以避免因为车道线本身的变化而误识别为车辆变道。例如车辆行驶过程中遇到车道合并,道路中车道线的变化趋势和曲率均发生变化,导致车辆行驶位置相对于变化车道线的位置数据发生变化,虽然此时计算得到的位置偏移量小于第二阈值,但是车辆并未发生变道。
其中,关于车道线变化趋势和车道线曲率的识别,可以基于车辆摄像头采集的前方道路图像,进行图像识别,确定车道线以及其变化趋势和曲率。如果确定车辆行驶位置相对于车道线的位置变化是因为车道线变化趋势和车道线曲率中至少一个因素的变化而引起,则确定车辆未发生变道,否则,确定车辆发生变道。
执行完操作S260,转入操作S280。
S270、根据变道方向和车辆行驶位置确定车辆的行驶车道。
S280、若确定车辆发生变道,则根据变道方向和车辆行驶位置确定车辆的行驶车道,其中,变道方向与确定的变道趋势相同。
如图3b所示,其示出了车辆变道过程中的车道切换位置。在对车辆进行变道识别过程中,结合车辆的实时行驶位置,不仅可以准确地确定出车辆变道时车道线切换位置,还可以对车辆变道后的行驶车道进行准确定位,为用户提供高精度的导航服务。
本实施例的技术方案通过首先基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势,然后基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用相应的位置偏移量计算方法,得到至少一个位置偏移量,最后根据至少一个位置偏移量中小于第二阈值的位置偏移量的数量以及车道线的变化趋势和曲率等因素,确定车辆变道的识别结果,解决了现有技术中关于车辆的变道识别准确率较低的问题,提高了车辆变道识别的准确率,降低了误识别率,并且,本发明实施例提供的识别方法可以基于任意的车辆摄像头系统采集的位置数据实现,具有广泛的通用性。
实施例三
图4是本发明实施例三提供的车辆变道识别方法的流程图,本实施例是在上述实施例的基础上进一步进行优化。如图4所示,该方法可以包括:
S310、实时获取车辆行驶位置相对于道路上每条车道线的位置数据。
S320、基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势。
S330、基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用与确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量。
S340、若至少一个位置偏移量中小于第二阈值的位置偏移量的数量大于第二目标数量且小于第一目标数量,则根据第一预设采样时间内实时获取的位置数据,确定第一目标车道线的变化趋势,其中,第一目标车道线指道路上小于第二阈值的位置偏移量所对应的车道线。
例如,当前道路上共存在4条车道,将第一目标数设置为3,第二目标数量设置为1,即小于第二阈值的位置偏移量的数量为2,并将该小于第二阈值的位置偏移量所对应的车道线作为第一目标车道线,此时第一目标车道线的数量为3条,需要进一步确定这3条车道线的变化趋势。
可选的,车道线的变化趋势确定过程包括:
分别将在当前时刻之前的预设时间内实时获取的车辆行驶位置相对于每条车道线的位置数据取平均,作为每条车道线的平均位置数据;
计算当前获取的车辆行驶位置相对于每条车道线的位置数据的绝对值与该车道线的平均位置数据的绝对值之间的差值;
根据与位置数据对应的坐标方向定义规则和差值,确定每条车道线的变化趋势。
例如,车辆摄像头系统记录位置数据的记录规则为沿着车辆行驶方向,车辆行驶位置相对于车辆左侧车道线的位置数据记录为正值,车辆行驶位置相对于车辆右侧车道线的位置数据记录为负值,分别获取在当前时刻之前的5个采样时刻记录的车辆行驶位置相对于每条车道线的历史位置数据,一条车道线对应一组历史位置数据,将5组历史位置数据分别取平均,得到每条车道线的平均位置数据计算当前获取的车辆行驶位置相对于每条车道线的位置数据dy的绝对值与该车道线的平均位置数据的绝对值之间的差值如果dy与均为正值,计算得到的差值大于0并且其绝对值大于变化阈值,则认为车道线非直线,具有向左的变化趋势;如果dy与均为正值,计算得到的差值小于0并且其绝对值大于变化阈值,则认为车道线非直线,具有向右的变化趋势;如果dy与均为负值,计算得到的差值大于0并且其绝对值大于变化阈值,则认为车道线非直线,具有向右的变化趋势;如果dy与均为负值,计算得到的差值小于0并且其绝对值大于变化阈值,则认为车道线非直线,具有向左的变化趋势。对于无论差值是否大于0或者小于0,差值的绝对值均小于或等于变化阈值,则认为车道线没有变化趋势,呈直线状。变化阈值可以根据车道宽度进行适应性设置,例如可设置为45,本实施例不作具体限定。
图5是本实施例提供的道路上车道线的一种变化趋势示意图。具体的,车辆右侧车道线具有向右的变化趋势,dy(rn)表示当前时刻车辆行驶位置相对于车辆右边车道的位置数据,dy(n)′和dy(rn)″分别表示当前时刻之前的车辆行驶位置相对于车辆右边车道的位置数据。
S350、若第一目标车道线中存在至少一条车道线的变化趋势与确定的变道趋势的方向一致,且不存在变化趋势与确定的变道趋势方向相反的车道线,则根据监控得到的第一目标车道线的曲率数据,确定第一目标车道线的曲率变化方向。
关于车道线的曲率变化方向,除了可以利用图像识别技术确定外,还可以直接基于车辆摄像头系统监测的曲率数据进行确定。例如,针对每一条车道线,在第三预设采样时间内连续进行一定组数的曲率数据监测,例如20组的历史曲率数据,并据此计算每一条车道线的平均曲率,如果平均曲率的绝对值大于曲率阈值,则认为车道线为非直线。曲率阈值也可以适应性进行设置,例如设置为80。车道线的具体弯曲方向,可以根据摄像头系统的数据记录规则确定,例如,记录的曲率数据若为正数,则表示车道线向左弯曲,若为负数,则表示车道线向右弯曲。
如果第一目标车道线中车道线的变化趋势与确定的变道趋势的方向均不一致,则认为车辆变道识别的结果为车辆未发生变道,无需继续确定车道线的曲率变化方向。
S360、根据曲率变化方向和确定的变道趋势的方向关系,确定车辆是否发生变道。
示例性的,基于曲率变化方向和确定的变道趋势的方向夹角与角度阈值的关系,如果计算得到的方向夹角中存在至少一个方向夹角大于角度阈值,则表示第一目标车道线中存在车道线的曲率变化方向与确定的变道趋势的方向不一致,认为车辆未发生变道;如果计算得到的方向夹角均小于或等于角度阈值的方向夹角,则表示第一目标车道线中所有车道线的曲率变化方向与确定的变道趋势的方向一致,认为车辆发生变道。
可选的,根据曲率变化方向和确定的变道趋势的方向关系,确定车辆是否发生变道,包括:
若第一目标车道线中存在至少一条车道线的曲率变化方向与确定的变道趋势的方向相反,则确定车辆未发生变道;
若第一目标车道线中不存在曲率变化方向与确定的变道趋势的方向相反的车道线,则确定车辆发生变道。
S370、若确定车辆发生变道,则根据变道方向和车辆行驶位置确定车辆的行驶车道,其中,变道方向与确定的变道趋势相同。
在上述技术方案的基础上,可选的,若至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于或等于第二目标数量,则结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道,包括:
根据第二预设采样时间内实时获取的位置数据,确定第二目标车道线的变化趋势,其中,第二目标车道线指道路上除去小于第二阈值的位置偏移量所对应的车道线之外的车道线;
若第二目标车道线中存在至少一条车道线的变化趋势与确定的变道趋势的方向相反,则确定车辆未发生变道;或者
根据监控得到的第二目标车道线的曲率数据,确定第二目标车道线的曲率变化方向;
若第二目标车道线中存在至少一条车道线的曲率变化方向与确定的变道趋势的方向相反,则确定车辆未发生变道。
例如,当前道路上共存在4条车道,将第二目标数量设置为1,即小于第二阈值的位置偏移量的数量为1,对应于2条车道线,并将除去该小于第二阈值的位置偏移量所对应的车道线之外的车道线作为第二目标车道线,此时第二目标车道线的数量也为2条,需要进一步根据第二目标车道线的变化趋势或曲率,确定车辆是否变道。只要第二目标车道线中存在一条车线的变化趋势与确定的变道趋势方向相反,或者存在一条车道线的变化趋势与确定的变道趋势方向相反,则认为车辆未发生变道。
需要说明的是,本实施例中第一预设采样时间和第二预设采样时间可以适应性进行设置,本实施例不作具体限定。
本实施例的技术方案通过首先基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势,然后基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用相应的位置偏移量计算方法,得到至少一个位置偏移量,若至少一个位置偏移量中小于第二阈值的位置偏移量的数量大于第二目标数量且小于第一目标数量,则依次根据第一目标车道线的变化趋势和确定的变道趋势的方向关系以及曲率变化方向和确定的变道趋势的方向关系,确定车辆是否变道;若至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于或等于第二目标数量,则根据第二目标车道线的变化趋势和确定的变道趋势的方向关系,或者第二目标车道线的曲率变化方向和确定的变道趋势的方向关系,确定车辆是否变道,解决了现有技术中关于车辆的变道识别准确率较低的问题,提高了车辆变道识别的准确率,降低了误识别率,并且,本发明实施例提供的识别方法可以基于任意的车辆摄像头系统采集的位置数据实现,具有广泛的通用性。
实施例四
图6是本发明实施例四提供的车辆变道识别装置的结构示意图,本实施例可适用于车辆定位过程中识别车辆的变道信息的情况。该装置可以采用软件和/或硬件的方式实现,并可集成在电子设备上,例如车载设备等。
如图6所示,本实施例提供的车辆变道识别装置包括位置数据获取模块510、变道趋势确定模块520、位置偏移量确定模块530和变道结果确定模块540,其中:
位置数据获取模块510,用于实时获取车辆行驶位置相对于道路上每条车道线的位置数据;
变道趋势确定模块520,用于基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;
位置偏移量确定模块530,用于基于确定的变道趋势和车辆行驶位置相对于每条车道线的位置数据,采用与确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;
变道结果确定模块540,用于根据至少一个位置偏移量,确定车辆的变道结果;
其中,位置偏移量指在相邻采样时刻内上一时刻的车辆行驶位置相对于第一车道线的位置数据与相邻采样时刻内下一时刻的车辆行驶位置相对于第二车道线的位置数据之差的绝对值,第一车道线和第二车道线是相邻的车道线。
可选的,变道趋势确定模块520包括:
距离变量计算单元,用于基于车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,计算相邻采样时刻内车辆相对于同一车道线的距离变量;
变道趋势确定单元,用于根据距离变量与第一阈值的关系,确定车辆的变道趋势。
可选的,位置偏移量确定模块530具体用于:
若确定的变道趋势是向左变道趋势,则利用如下计算公式计算至少一个位置偏移量Δ:
|dy(ls)′-dy(lq)|=Δ(1)
|dy(l1)′-dy(r1)|=Δ(s)
|dy(rm)′-dy(rn)|=Δ(s+n-1)
若确定的变道趋势是向右变道趋势,则利用如下计算公式计算至少一个位置偏移量Δ:
|dy(lq)′-dy(ls)|=Δ(1)
|dy(r1)′-dy(l1)|=Δ(s)
|dy(rn)′-dy(rm)|=Δ(s+n-1)
其中,s是在车辆传感器的识别范围内所述车辆行驶位置左侧的总车道线数量,n是在车辆传感器的识别范围内所述车辆行驶位置右侧的总车道线数量,q=s-1,m=n-1,l1表示靠近所述车辆行驶位置的左侧第1条车道线,ls表示从所述车辆行驶位置处开始依次向左的第s条车道线,r1表示靠近所述车辆行驶位置的右侧第一条车道线,rn表示从所述车辆行驶位置处开始依次向右的第n条车道线,dy(ls)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据,dy(ls)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据;dy(rn)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据,dy(rn)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据。
可选的,变道结果确定模块540包括:
第一变道确认单元,用于若至少一个位置偏移量中同时小于第二阈值的位置偏移量的数量大于或等于第一目标数量,则确定车辆发生变道,且变道方向与确定的变道趋势相同;
第一行驶车道确定单元,用于根据变道方向和车辆行驶位置确定车辆的行驶车道。
可选的,变道结果确定模块540包括:
第二变道确认单元,用于若至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于第一目标数量,则结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道;
第二行驶车道确定单元,用于若确定车辆发生变道,则根据变道方向和车辆行驶位置确定车辆的行驶车道,其中,变道方向与确定的变道趋势相同。
可选的,若至少一个位置偏移量中小于第二阈值的位置偏移量的数量大于第二目标数量且小于第一目标数量,则第二变道确认单元包括:
第一车道线变化趋势确定子单元,用于根据第一预设采样时间内实时获取的位置数据,确定第一目标车道线的变化趋势,其中,第一目标车道线指道路上小于第二阈值的位置偏移量所对应的车道线;
第一车道线曲率变化确定子单元,用于若第一目标车道线中存在至少一条车道线的变化趋势与确定的变道趋势的方向一致,且不存在变化趋势与确定的变道趋势方向相反的车道线,则根据监控得到的第一目标车道线的曲率数据,确定第一目标车道线的曲率变化方向;
第一变道确定子单元,用于根据曲率变化方向和确定的变道趋势的方向关系,确定车辆是否发生变道。
可选的,第一变道确定子单元具体用于:
若第一目标车道线中存在至少一条车道线的曲率变化方向与确定的变道趋势的方向相反,则确定车辆未发生变道;
若第一目标车道线中不存在曲率变化方向与确定的变道趋势的方向相反的车道线,则确定车辆发生变道。
可选的,若至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于或等于第二目标数量,则第二变道确认单元包括:
第二车道线变化趋势确定子单元,用于根据第二预设采样时间内实时获取的位置数据,确定第二目标车道线的变化趋势,其中,第二目标车道线指道路上除去小于第二阈值的位置偏移量所对应的车道线之外的车道线;
第二变道确定子单元,用于若第二目标车道线中存在至少一条车道线的变化趋势与确定的变道趋势的方向相反,则确定车辆未发生变道;
第二车道线曲率变化确定子单元,用于根据监控得到的第二目标车道线的曲率数据,确定第二目标车道线的曲率变化方向;
第三变道确定子单元,用于若第二目标车道线中存在至少一条车道线的曲率变化方向与确定的变道趋势的方向相反,则确定车辆未发生变道。
可选的,第一车道线变化趋势确定子单元或第二车道线变化趋势确定子单元具体用于:
分别将在当前时刻之前的预设时间内实时获取的车辆行驶位置相对于每条车道线的位置数据取平均,作为每条车道线的平均位置数据;
计算当前获取的车辆行驶位置相对于每条车道线的位置数据的绝对值与该车道线的平均位置数据的绝对值之间的差值;
根据与位置数据对应的坐标方向定义规则和差值,确定每条车道线的变化趋势。
本发明实施例所提供的车辆变道识别装置可执行本发明任意实施例所提供的车辆变道识别方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本发明方法实施例中的描述。
实施例五
图7是本发明实施例五提供的一种电子设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性电子设备612的框图。图7显示的电子设备612仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备612以通用电子设备的形式表现。电子设备612的组件可以包括但不限于:一个或者多个处理器616,存储装置628,连接不同系统组件(包括存储装置628和处理器616)的总线618。
总线618表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance,ISA)总线,微通道体系结构(Micro Channel Architecture,MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
电子设备612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备612访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置628可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)630和/或高速缓存存储器632。电子设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统634可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘,例如只读光盘(Compact Disc Read-Only Memory,CD-ROM),数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储装置628可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640,可以存储在例如存储装置628中,这样的程序模块642包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
电子设备612也可以与一个或多个外部设备614(例如键盘、指向终端、显示器624等)通信,还可与一个或者多个使得用户能与该电子设备612交互的终端通信,和/或与使得该电子设备612能与一个或多个其它计算终端进行通信的任何终端(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且,电子设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图7所示,网络适配器620通过总线618与电子设备612的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备612使用其它硬件和/或软件模块,包括但不限于:微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器616通过运行存储在存储装置628中的程序,从而执行各种功能应用以及数据处理,例如实现本发明任意实施例所提供的车辆变道识别方法,该方法可以包括:
实时获取车辆行驶位置相对于道路上每条车道线的位置数据;
基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;
基于确定的变道趋势和所述车辆行驶位置相对于每条车道线的位置数据,采用与所述确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;
根据所述至少一个位置偏移量,确定车辆的变道结果;
其中,位置偏移量是指在所述相邻采样时刻内上一时刻的车辆行驶位置相对于第一车道线的位置数据与所述相邻采样时刻内下一时刻的车辆行驶位置相对于第二车道线的位置数据之差的绝对值,所述第一车道线和所述第二车道线是相邻的车道线。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的车辆变道识别方法,该方法可以包括:
实时获取车辆行驶位置相对于道路上每条车道线的位置数据;
基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;
基于确定的变道趋势和所述车辆行驶位置相对于每条车道线的位置数据,采用与所述确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;
根据所述至少一个位置偏移量,确定车辆的变道结果;
其中,位置偏移量是指在所述相邻采样时刻内上一时刻的车辆行驶位置相对于第一车道线的位置数据与所述相邻采样时刻内下一时刻的车辆行驶位置相对于第二车道线的位置数据之差的绝对值,所述第一车道线和所述第二车道线是相邻的车道线。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种车辆变道识别方法,其特征在于,包括:
实时获取车辆行驶位置相对于道路上每条车道线的位置数据;
基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;
基于确定的变道趋势和所述车辆行驶位置相对于每条车道线的位置数据,采用与所述确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;
根据所述至少一个位置偏移量,确定车辆的变道结果;
其中,位置偏移量是指在所述相邻采样时刻内上一时刻的车辆行驶位置相对于第一车道线的位置数据与所述相邻采样时刻内下一时刻的车辆行驶位置相对于第二车道线的位置数据之差的绝对值,所述第一车道线和所述第二车道线是相邻的车道线。
2.根据权利要求1所述的方法,其特征在于,基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势,包括:
基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,计算所述相邻采样时刻内车辆相对于所述同一车道线的距离变量;
根据所述距离变量与第一阈值的关系,确定车辆的变道趋势。
3.根据权利要求1所述的方法,其特征在于,所述基于确定的变道趋势和所述车辆行驶位置相对于每条车道线的位置数据,采用与所述确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量,包括:
若所述确定的变道趋势是向左变道趋势,则利用如下计算公式计算所述至少一个位置偏移量Δ:
|dy(ls)′-dy(lq)|=Δ(1)
|dy(l1)′-dy(r1)|=Δ(s)
|dy(rm)′-dy(rn)|=Δ(s+n-1)
若所述确定的变道趋势是向右变道趋势,则利用如下计算公式计算所述至少一个位置偏移量Δ:
|dy(lq)′-dy(ls)|=Δ(1)
|dy(r1)′-dy(l1)|=Δ(s)
|dy(rn)′-dy(rm)|=Δ(s+n-1)
其中,s是在车辆传感器的识别范围内所述车辆行驶位置左侧的总车道线数量,n是在车辆传感器的识别范围内所述车辆行驶位置右侧的总车道线数量,q=s-1,m=n-1,l1表示靠近所述车辆行驶位置的左侧第1条车道线,ls表示从所述车辆行驶位置处开始依次向左的第s条车道线,r1表示靠近所述车辆行驶位置的右侧第一条车道线,rn表示从所述车辆行驶位置处开始依次向右的第n条车道线,dy(ls)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据,dy(ls)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其左侧第s条车道线的位置数据;dy(rn)′表示所述相邻采样时刻内上一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据,dy(rn)表示所述相邻采样时刻内下一时刻的车辆行驶位置相对于其右侧第n条车道线的位置数据。
4.根据权利要求1所述的方法,其特征在于,根据所述至少一个位置偏移量,确定车辆的变道结果,包括:
若所述至少一个位置偏移量中同时小于第二阈值的位置偏移量的数量大于或等于第一目标数量,则确定车辆发生变道,且变道方向与所述确定的变道趋势相同;
根据所述变道方向和所述车辆行驶位置确定车辆的行驶车道。
5.根据权利要求1所述的方法,其特征在于,根据所述至少一个位置偏移量,确定车辆的变道结果,包括:
若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于第一目标数量,则结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道;
若确定车辆发生变道,则根据变道方向和所述车辆行驶位置确定车辆的行驶车道,其中,所述变道方向与所述确定的变道趋势相同。
6.根据权利要求5所述的方法,其特征在于,若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量大于第二目标数量且小于所述第一目标数量,则所述结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道,包括:
根据第一预设采样时间内实时获取的位置数据,确定第一目标车道线的变化趋势,其中,所述第一目标车道线指所述道路上小于所述第二阈值的位置偏移量所对应的车道线;
若所述第一目标车道线中存在至少一条车道线的变化趋势与所述确定的变道趋势的方向一致,且不存在变化趋势与所述确定的变道趋势方向相反的车道线,则根据监控得到的所述第一目标车道线的曲率数据,确定所述第一目标车道线的曲率变化方向;
根据所述曲率变化方向和所述确定的变道趋势的方向关系,确定车辆是否发生变道。
7.根据权利要求6所述的方法,其特征在于,根据所述曲率变化方向和所述确定的变道趋势的方向关系,确定车辆是否发生变道,包括:
若所述第一目标车道线中存在至少一条车道线的曲率变化方向与所述确定的变道趋势的方向相反,则确定车辆未发生变道;
若所述第一目标车道线中不存在曲率变化方向与所述确定的变道趋势的方向相反的车道线,则确定车辆发生变道。
8.根据权利要求6所述的方法,其特征在于,若所述至少一个位置偏移量中小于第二阈值的位置偏移量的数量小于或等于第二目标数量,则所述结合每条车道线的变化趋势和/或每条车道线的曲率,确定车辆是否发生变道,包括:
根据第二预设采样时间内实时获取的位置数据,确定第二目标车道线的变化趋势,其中,所述第二目标车道线指所述道路上除去小于所述第二阈值的位置偏移量所对应的车道线之外的车道线;
若所述第二目标车道线中存在至少一条车道线的变化趋势与所述确定的变道趋势的方向相反,则确定车辆未发生变道;或者
根据监控得到的所述第二目标车道线的曲率数据,确定所述第二目标车道线的曲率变化方向;
若所述第二目标车道线中存在至少一条车道线的曲率变化方向与所述确定的变道趋势的方向相反,则确定车辆未发生变道。
9.根据权利要求6或8所述的方法,其特征在于,车道线的变化趋势确定过程包括:
分别将在当前时刻之前的预设时间内实时获取的所述车辆行驶位置相对于每条车道线的位置数据取平均,作为每条车道线的平均位置数据;
计算当前获取的所述车辆行驶位置相对于每条车道线的位置数据的绝对值与该车道线的所述平均位置数据的绝对值之间的差值;
根据与所述位置数据对应的坐标方向定义规则和所述差值,确定每条车道线的变化趋势。
10.一种车辆变道识别装置,其特征在于,包括:
位置数据获取模块,用于实时获取车辆行驶位置相对于道路上每条车道线的位置数据;
变道趋势确定模块,用于基于所述车辆行驶位置相对于同一车道线在相邻采样时刻的位置数据,确定车辆的变道趋势;
位置偏移量确定模块,用于基于确定的变道趋势和所述车辆行驶位置相对于每条车道线的位置数据,采用与所述确定的变道趋势相对应的位置偏移量计算方法,得到至少一个位置偏移量;
变道结果确定模块,用于根据所述至少一个位置偏移量,确定车辆的变道结果;
其中,位置偏移量指在所述相邻采样时刻内上一时刻的车辆行驶位置相对于第一车道线的位置数据与所述相邻采样时刻内下一时刻的车辆行驶位置相对于第二车道线的位置数据之差的绝对值,所述第一车道线和所述第二车道线是相邻的车道线。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的车辆变道识别方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的车辆变道识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627356.2A CN111383464B (zh) | 2018-12-28 | 2018-12-28 | 车辆变道识别方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627356.2A CN111383464B (zh) | 2018-12-28 | 2018-12-28 | 车辆变道识别方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111383464A true CN111383464A (zh) | 2020-07-07 |
CN111383464B CN111383464B (zh) | 2022-11-18 |
Family
ID=71219263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811627356.2A Active CN111383464B (zh) | 2018-12-28 | 2018-12-28 | 车辆变道识别方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111383464B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132109A (zh) * | 2020-10-10 | 2020-12-25 | 北京百度网讯科技有限公司 | 车道线处理和车道定位方法、装置、设备及存储介质 |
CN112530202A (zh) * | 2020-11-23 | 2021-03-19 | 中国第一汽车股份有限公司 | 一种车辆变道的预测方法、装置、设备及车辆 |
CN112634655A (zh) * | 2020-12-15 | 2021-04-09 | 北京百度网讯科技有限公司 | 基于车道线的变道处理方法、装置、电子设备及存储介质 |
CN112837333A (zh) * | 2021-02-04 | 2021-05-25 | 南京抒微智能科技有限公司 | 一种室外无人清扫车贴边清洁方法及设备 |
CN112937604A (zh) * | 2021-03-03 | 2021-06-11 | 福瑞泰克智能系统有限公司 | 一种变道处理方法、装置、设备及车辆 |
CN113658424A (zh) * | 2021-07-23 | 2021-11-16 | 南昌工程学院 | 基于稀疏卫星定位数据的车辆频繁变道识别方法及装置 |
WO2022006777A1 (zh) * | 2020-07-08 | 2022-01-13 | 深圳元戎启行科技有限公司 | 对周围移动物体进行变道分类的方法、系统、计算机设备及存储介质 |
WO2022052856A1 (zh) * | 2020-09-10 | 2022-03-17 | 腾讯科技(深圳)有限公司 | 基于交通工具的数据处理方法、装置、计算机及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015161967A (ja) * | 2014-02-26 | 2015-09-07 | 日産自動車株式会社 | 走行車線識別装置、車線変更支援装置、走行車線識別方法 |
CN105667516A (zh) * | 2014-12-03 | 2016-06-15 | 现代摩比斯株式会社 | 用于估测车辆行驶车道的系统与方法 |
CN106647776A (zh) * | 2017-02-24 | 2017-05-10 | 驭势科技(北京)有限公司 | 车辆变道趋势的判断方法、判断装置和计算机存储介质 |
CN106971593A (zh) * | 2017-04-01 | 2017-07-21 | 深圳市元征科技股份有限公司 | 车道识别方法及装置 |
CN106981202A (zh) * | 2017-05-22 | 2017-07-25 | 中原智慧城市设计研究院有限公司 | 一种基于车道模型的车辆来回变道检测方法 |
CN108053690A (zh) * | 2017-12-29 | 2018-05-18 | 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 |
CN108171154A (zh) * | 2017-12-27 | 2018-06-15 | 邦鼓思电子科技(上海)有限公司 | 一种自动驾驶中目标检测与车道检测结合的方法 |
CN108340918A (zh) * | 2017-01-19 | 2018-07-31 | 福特全球技术公司 | 车道变换 |
CN109002797A (zh) * | 2018-07-16 | 2018-12-14 | 腾讯科技(深圳)有限公司 | 车辆变道检测方法、装置、存储介质和计算机设备 |
-
2018
- 2018-12-28 CN CN201811627356.2A patent/CN111383464B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015161967A (ja) * | 2014-02-26 | 2015-09-07 | 日産自動車株式会社 | 走行車線識別装置、車線変更支援装置、走行車線識別方法 |
CN105667516A (zh) * | 2014-12-03 | 2016-06-15 | 现代摩比斯株式会社 | 用于估测车辆行驶车道的系统与方法 |
CN108340918A (zh) * | 2017-01-19 | 2018-07-31 | 福特全球技术公司 | 车道变换 |
CN106647776A (zh) * | 2017-02-24 | 2017-05-10 | 驭势科技(北京)有限公司 | 车辆变道趋势的判断方法、判断装置和计算机存储介质 |
CN106971593A (zh) * | 2017-04-01 | 2017-07-21 | 深圳市元征科技股份有限公司 | 车道识别方法及装置 |
CN106981202A (zh) * | 2017-05-22 | 2017-07-25 | 中原智慧城市设计研究院有限公司 | 一种基于车道模型的车辆来回变道检测方法 |
CN108171154A (zh) * | 2017-12-27 | 2018-06-15 | 邦鼓思电子科技(上海)有限公司 | 一种自动驾驶中目标检测与车道检测结合的方法 |
CN108053690A (zh) * | 2017-12-29 | 2018-05-18 | 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 |
CN109002797A (zh) * | 2018-07-16 | 2018-12-14 | 腾讯科技(深圳)有限公司 | 车辆变道检测方法、装置、存储介质和计算机设备 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022006777A1 (zh) * | 2020-07-08 | 2022-01-13 | 深圳元戎启行科技有限公司 | 对周围移动物体进行变道分类的方法、系统、计算机设备及存储介质 |
CN115053277A (zh) * | 2020-07-08 | 2022-09-13 | 深圳元戎启行科技有限公司 | 对周围移动物体进行变道分类的方法、系统、计算机设备及存储介质 |
CN115053277B (zh) * | 2020-07-08 | 2024-04-16 | 深圳元戎启行科技有限公司 | 对周围移动物体进行变道分类的方法、系统、计算机设备及存储介质 |
WO2022052856A1 (zh) * | 2020-09-10 | 2022-03-17 | 腾讯科技(深圳)有限公司 | 基于交通工具的数据处理方法、装置、计算机及存储介质 |
CN112132109A (zh) * | 2020-10-10 | 2020-12-25 | 北京百度网讯科技有限公司 | 车道线处理和车道定位方法、装置、设备及存储介质 |
CN112530202A (zh) * | 2020-11-23 | 2021-03-19 | 中国第一汽车股份有限公司 | 一种车辆变道的预测方法、装置、设备及车辆 |
CN112530202B (zh) * | 2020-11-23 | 2022-01-04 | 中国第一汽车股份有限公司 | 一种车辆变道的预测方法、装置、设备及车辆 |
CN112634655A (zh) * | 2020-12-15 | 2021-04-09 | 北京百度网讯科技有限公司 | 基于车道线的变道处理方法、装置、电子设备及存储介质 |
CN112837333A (zh) * | 2021-02-04 | 2021-05-25 | 南京抒微智能科技有限公司 | 一种室外无人清扫车贴边清洁方法及设备 |
CN112937604A (zh) * | 2021-03-03 | 2021-06-11 | 福瑞泰克智能系统有限公司 | 一种变道处理方法、装置、设备及车辆 |
CN113658424A (zh) * | 2021-07-23 | 2021-11-16 | 南昌工程学院 | 基于稀疏卫星定位数据的车辆频繁变道识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111383464B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111383464B (zh) | 车辆变道识别方法、装置、电子设备和介质 | |
CN109345596B (zh) | 多传感器标定方法、装置、计算机设备、介质和车辆 | |
US10077986B2 (en) | Storing trajectory | |
CN109919518B (zh) | 地图轨迹匹配数据的质量确定方法、装置、服务器及介质 | |
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
CN109931944B (zh) | 一种ar导航方法、装置、车端设备、服务端及介质 | |
CN109188438B (zh) | 偏航角确定方法、装置、设备和介质 | |
CN114879695B (zh) | 轨迹匹配方法、装置、设备和介质 | |
CN110389995B (zh) | 车道信息检测方法、装置、设备和介质 | |
CN109813332B (zh) | 添加虚拟引导线的方法和装置 | |
CN111380546A (zh) | 基于平行道路的车辆定位方法、装置、电子设备和介质 | |
CN109635861B (zh) | 一种数据融合方法、装置、电子设备及存储介质 | |
CN109635868B (zh) | 障碍物类别的确定方法、装置、电子设备及存储介质 | |
CN111583645B (zh) | 车辆协同行驶的质量评估方法、装置、服务器及介质 | |
CN112102648A (zh) | 一种空余车位推送方法、装置、设备及存储介质 | |
CN114578401B (zh) | 一种车道航迹点的生成方法、装置、电子设备及存储介质 | |
CN112009460A (zh) | 一种车辆控制方法、装置、设备及存储介质 | |
CN109270566B (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
CN115168330A (zh) | 一种数据处理方法、装置、服务器和存储介质 | |
CN110784680B (zh) | 一种车辆定位方法、装置、车辆和存储介质 | |
CN114140772A (zh) | 基于深度学习的激光点云车道印刷虚线块提取方法及系统 | |
CN115311634A (zh) | 一种基于模板匹配的车道线跟踪方法、介质以及设备 | |
CN109583511B (zh) | 速度融合方法和装置 | |
CN113091755B (zh) | 运动轨迹的跟踪方法、装置、设备及存储介质 | |
CN115497078B (zh) | 车道线生成方法、装置、设备和计算机可读介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 110000 No. 861-6, shangshengou village, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Meihang Technology Co.,Ltd. Address before: 110179 floors 12 and 13, No. 1, Jinhui street, Hunnan New Area, Shenyang City, Liaoning Province Applicant before: SHENYANG MXNAVI Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |