CN111559388A - 一种目标车辆筛选方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种目标车辆筛选方法，所述目标车辆筛选方法包括：获取预设时间段内自车的预测行驶轨迹；根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹；所述电子地图包括路基信息，所述路基信息为行驶路段的静态路面设施情况；获取所述自车的当前驾驶行为；根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域；获取所述目标筛选区域内的待筛选车辆；从所述待筛选车辆中选取目标车辆。本发明还公开了一种目标车辆筛选装置、设备及存储介质。采用本发明，可以不受天气、光线探测距离等因素的影响，其置信度更高；能够使得目标筛选区域的确定更符合当前驾驶情况，为后续控制选取可靠的目标车辆。

Description

一种目标车辆筛选方法、装置、设备及存储介质

技术领域

本发明涉及自动驾驶技术领域，特别涉及一种目标车辆筛选方法、装置、设备及存储介质。

背景技术

智能驾驶或无人驾驶车辆，越来越受到人们的关注，各大整车厂以及科技互联网等公司都积极投入大量人力物力研发智能驾驶开发，期望早日实现智能驾驶车辆的量产。对于智能驾驶的等级，一般划分为L0-L5级。其中，L0级别是完全由驾驶员进行操控，车辆只负责执行命令；L1级别及L2级别是辅助驾驶员控制车辆，驾驶员需要监控驾驶环境并准备随时接管，相对应的功能如ACC，LKA；L3级别属于有条件自动化，在条件允许的情况下，车辆可完成所有的驾驶动作，但驾驶员需要随时接管车辆；L4级别及L5级别是真正的智能驾驶功能，可以在任何场景下完成智能驾驶任务。

对于在L1～L3级别的智能驾驶车辆，在对ACC、AEB、HWA等功能的目标进行筛选更多的是利用角雷达、摄像头、毫米波雷达等车载传感器来提供环境感知信息。但是，摄像头等传感器性能有限，导致车道识别不稳定、精度较低，需要引入大量的滤波、估计算法使车道识别精准化，且在低速、复杂路口、天气不良等场景下识别精度严重下降。为了实现级别更高的智能驾驶车辆，如在L4、L5级别的智能驾驶车辆，现有方案无论在目标的置信度、可靠性还是计算能力都亟待改进。

发明内容

为解决上述技术问题，本发明公开了一种目标车辆筛选方法，所述目标车辆筛选方法包括：

获取预设时间段内自车的预测行驶轨迹；

根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹；所述电子地图包括路基信息，所述路基信息为行驶路段的静态路面设施情况；

获取所述自车的当前驾驶行为；

根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域；

获取所述目标筛选区域内的待筛选车辆；

从所述待筛选车辆中选取目标车辆。

进一步的，所述获取预设时间段内自车的预测行驶轨迹包括：

获取所述自车的本次驾驶任务；

根据所述本次驾驶任务确定所述自车的本次驾驶轨迹；

获取所述自车的当前驾驶模式；

根据所述当前驾驶模式从所述本次驾驶轨迹中获取预设时间段内自车的预测行驶轨迹。

进一步的，所述根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹包括：

获取自车的当前行驶位置；

根据所述当前行驶位置从所述电子地图中获取对应的路基信息；

根据所述路基信息和所述预测行驶轨迹确定所述自车的目标行驶轨迹。

进一步的，所述路基信息为车道线信息；

所述根据所述路基信息和所述预测行驶轨迹确定所述自车的目标行驶轨迹包括：

根据所述车道线信息和所述预测行驶轨迹确定所述自车的动态行驶车道线。

进一步的，所述当前驾驶行为包括纵向驾驶、变道驾驶和转向驾驶中的至少一种；

所述根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域包括：

从所述电子地图中获取所述目标行驶轨迹对应的车道线信息；

根据所述目标行驶轨迹对应的车道线信息和所述目标行驶轨迹从所述当前驾驶行为所对应的驾驶方向上确定所述自车的目标筛选区域。

进一步的，所述获取所述目标筛选区域内的待筛选车辆包括：

通过自车传感器探测所述自车周围的行驶车辆；

根据所述目标筛选区域从所述自车周围的行驶车辆内获取对应的车辆作为待筛选车辆。

进一步的，所述从所述待筛选车辆中选取目标车辆包括：

判断所述待筛选车辆的数目；

若所述待筛选车辆的数目大于一；

则判断每个所述待筛选车辆与所述自车之间的距离；

将距离最近的所述待筛选车辆作为目标车辆。

第二方面，本发明还提供了一种目标车辆筛选装置，所述目标车辆筛选装置包括：

预测行驶轨迹获取模块，用于获取预设时间段内自车的预测行驶轨迹；

目标行驶轨迹确定模块，用于根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹；

当前驾驶行为获取模块，用于获取所述自车的当前驾驶行为；

目标筛选区域确定模块，用于根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域；

待筛选车辆获取模块，用于获取所述目标筛选区域内的待筛选车辆；

目标车辆选取模块，用于从所述待筛选车辆中选取目标车辆。

第三方面，本发明还提供了一种目标车辆筛选设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序、所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述任一所述的目标车辆筛选方法。

第四方面，本发明还提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述任一所述的目标车辆筛选方法。

采用上述技术方案，本发明具有如下有益效果：可以不受天气、光线探测距离等因素的影响，从而可以突破常规传感器有效距离，达到超视距感知；其置信度更高，能够为车辆相应功能的目标车辆进行有效的筛选。以及，能够使得目标筛选区域的确定更符合当前驾驶情况，为后续控制选取可靠的目标车辆。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种目标车辆筛选方法的流程图；

图2为本发明实施例提供的一种根据驾驶任务获取预测行驶轨迹的流程图；

图3为本发明实施例提供的一种目标行驶轨迹确定方法的流程图；

图4为本发明实施例提供的一种目标筛选区域确定方法的流程图；

图5为本发明实施例提供的具体实施时的效果图；

图6为本发明实施例提供的一种待筛选车辆获取方法的流程图；

图7为本发明实施例提供的一种目标车辆选取方法的流程图；

图8为本发明实施例提供的一种目标车辆筛选装置的组成结构示意图。

具体实施方式

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作出创造性劳动的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。

此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本发明的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且，术语“第一”、“第二”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。

实施例：

车辆自动驾驶时，在不同的驾驶情况下，可能需要选择相应的目标车辆进行车辆控制。比如，在避障时，需要选择目标车辆进行规避；而在跟随时，又要选择目标车辆进行跟随。目标车辆的选择可以在不同驾驶情况下，给自车的自动驾驶提供参照物，从而实现相应的功能。

请参见图1，本发明实施例提供了一种目标车辆筛选方法。如图1所示，为目标车辆筛选方法的流程图，所述目标车辆筛选方法包括：

S100：获取预设时间段内自车的预测行驶轨迹。

在具体实施时，可以通过驾驶任务获取预设时间内自车的预测行驶轨迹。所述驾驶任务可以通过驾驶起点信息和驾驶终点信息确定，其中，所述驾驶起点信息可以通过定位或用户输入，所述驾驶终点信息可以通过用户输入确定。在用户输入时，可以通过在地图上选取，或可以通过手动输入搜索，还可以通过语音输入等方式。具体的，如图2所示，可以通过以下方式根据驾驶任务获取预测行驶轨迹：

S110：获取所述自车的本次驾驶任务。

进一步的，可以通过本次驾驶的起点信息和终点信息得到本次驾驶任务。

S120：根据所述本次驾驶任务确定所述自车的本次驾驶轨迹。

在具体实施时，可以通过电子地图和上述的本次驾驶起点信息和本次驾驶终点信息确定出自车的本次驾驶轨迹。

进一步的，所述电子地图可以采用与下述电子地图一致的地图。

由此，在步骤S120之前，还可以包括步骤：S111：根据所述本次驾驶任务获取对应的电子地图。

S130：获取所述自车的当前驾驶模式。

自动驾驶领域中驾驶模式有很多，比如自动紧急制动模式(AEB)、自适应巡航模式(ACC)、车道保持辅助模式(LKA)、自动泊车辅助模式(APA)和高速公路辅助(HWA)等等。在具体实施时，若自动驾驶车辆行驶的环境是在高速公路或者高架等封闭道路时，驾驶员可以开启自适应巡航或者高速公路辅助等功能。由此，也可以获取对应的驾驶模式作为当前驾驶模式。

S140：根据所述当前驾驶模式从所述本次驾驶轨迹中获取预设时间段内自车的预测行驶轨迹。

在具体实施时，不同的驾驶模式对应于不同的控制策略。比如当前的驾驶模式为自适应巡航模式，则可以在该模式下从本次驾驶轨迹中确定自车预设时间段内将要行驶的轨迹作为预测行驶轨迹。可以理解的是，本次驾驶轨迹是对应于本次驾驶起点信息和终点信息的全局性质的轨迹信息；而预测行驶轨迹则是根据车辆当前驾驶模式、当前位置和本次驾驶轨迹综合得到的局部性质的驾驶轨迹。

S200：根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹；所述电子地图包括路基信息，所述路基信息为行驶路段的静态路面设施情况。

在具体实施时，如图3所示，可以通过以下方式根据预测行驶轨迹和电子地图确定自车的目标行驶轨迹：

S210：获取自车的当前行驶位置；

S220：根据所述当前行驶位置从所述电子地图中获取对应的路基信息；

S230：根据所述路基信息和所述预测行驶轨迹确定所述自车的目标行驶轨迹。

进一步的，在本发明所述的实施方式中，可以采用高精地图作为电子地图进行目标行驶轨迹的确定，以及进行上述本次驾驶轨迹的确定。高精度地图是精度更高、信息更全面的一类导航电子地图，高精地图的精度可优于20厘米。高精地图上可以记载相应的路基信息，具体来说，所述路基信息是指车道线、交通标识、交通标志、路沿、停车场等静态路面设施情况。

将路基信息和预测行驶轨迹相结合确定出的目标行驶轨迹，能够确定出符合当前路基情况的目标行驶轨迹。若所述路基信息为车道线信息；则，所述步骤S230中，可以根据所述车道线信息和所述预测行驶轨迹确定所述自车的动态行驶车道线。可以理解的是，所述预测行驶轨迹是全局性质的驾驶轨迹中的局部轨迹，将电子地图中的车道线信息与之结合后，便可确定出自车在所述预测行驶轨迹中具体驾驶的车道线信息，进一步的，该车道线信息是根据实时状况而改变的动态虚拟车道线。可以参见图5，将图中A车作为自车，则A车后轴中心所在的虚线则为所述动态虚拟车道线。

S300：获取所述自车的当前驾驶行为。

在具体实施时，所述当前驾驶行为可以包括纵向驾驶、变道驾驶和转向驾驶中的至少一种。可以理解的是，纵向驾驶、变道驾驶和转向驾驶可以细化为横纵驾驶控制。比如纵向驾驶行为可以理解为控制车辆纵向行驶，所述变道驾驶行为可以理解为控制车辆横向行驶后再纵向行驶。

S400：根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域。

在具体实施时，如图4所示，可以通过以下方式根据当前驾驶行为和目标行驶轨迹确定自车的目标筛选区域：

S410：从所述电子地图中获取所述目标行驶轨迹对应的车道线信息。

S420：根据所述目标行驶轨迹对应的车道线信息和所述目标行驶轨迹从所述当前驾驶行为所对应的驾驶方向上确定所述自车的目标筛选区域。

在具体实施时，可以先从电子地图中获取目标行驶轨迹对应的车道线信息，所述目标行驶轨迹对应的车道线信息可以理解为包括，目标行驶轨迹所在车道的车道线信息，和与之相邻的其他车道的车道线信息。

若所述当前驾驶行为为纵向驾驶；则所述步骤S420可以为：根据所述目标行驶轨迹对应的车道线信息和所述目标行驶轨迹从所述自车纵向驾驶方向上确定所述自车的目标筛选区域。

若所述自车的当前驾驶行为为变道驾驶；则所述步骤S420可以为：根据所述目标行驶轨迹对应的车道线信息和所述目标行驶轨迹从所述自车变道方向上确定所述自车的目标筛选区域。

若所述自车的当前驾驶行为为转向驾驶；则所述步骤S420可以为：根据所述目标行驶轨迹对应的车道线信息和所述目标行驶轨迹从所述自车转向方向上确定所述自车的目标筛选区域。

请参见图5，在行驶过程中，若驾驶员意图进行纵向控制车辆，系统默认开启ACC功能，则可以在自车行驶的纵向方向上，结合车道线信息和目标行驶轨迹选择如图中1处所对应的区域为目标筛选区域。若自车速度允许的范围内，驾驶员意图开启HWA功能下的变道，车辆会从当前位置行驶到达灰色车辆的位置，则可以在自车行驶的欲变道方向上，结合车道线信息和目标行驶轨迹选择如图中2处所对应的区域为目标筛选区域。

S500：获取所述目标筛选区域内的待筛选车辆。

在具体实施时，如图6所示，可以通过以下方式获取目标筛选区域内的待筛选车辆：

S510：通过自车传感器探测所述自车周围的行驶车辆；

S520：根据所述目标筛选区域从所述自车周围的行驶车辆内获取对应的车辆作为待筛选车辆。

可以理解的是，在具体实施时，可以通过设置于自车上的传感器探测四周的行驶车辆。所述传感器可以为超声波雷达、毫米波雷达、激光雷达和摄像头等传感器。在探测到自车周围的行驶车辆后，根据目标筛选区域获取得到目标筛选区域内的行驶车辆作为待筛选车辆。

S600：从所述待筛选车辆中选取目标车辆。

在具体实施时，如图7所示，可以先判断所述目标筛选区域内是否存在待筛选车辆，若没有待筛选车辆，则不启动筛选方案。若有待筛选车辆，则可以通过以下方式选取目标车辆：

S610：判断所述待筛选车辆的数目；

S620：若所述待筛选车辆的数目大于一；

S630：则判断每个所述待筛选车辆与所述自车之间的距离；

S640：将距离最近的所述待筛选车辆作为目标车辆。

进一步的，若所述待筛选车辆的数目等于一，则将该带筛选车辆选取为目标车辆。

在具体实施时，所述目标车辆可以是机动车辆，机动车辆包括普通驾驶车辆(小型汽车、卡车等)、二轮摩托车、三轮摩托车及其他机动车辆等。进一步的，在一些实施场景中，所述目标车辆还可以包括行人、自行车、动物、及其他非机动车辆。另外，还可以获取例如交通信号灯等的交通信息设备的信号，从而对自车进行进一步控制。

请参见图5，在上述过程中，以车A作为自车，若选取图中1处所对应的区域作为目标筛选区域，则所述目标筛选区域中具有待筛选车辆D和待筛选车辆F，通过距离限定的方式，将待筛选车辆F作为目标车辆。将车辆F作为目标车辆后，可以控制自车进行跟车巡航，可自动实现车辆进行加速及其减速，保障车辆按照车间时距进行行驶，有效减少驾驶员进行操作油门及刹车行为，提高车辆的安全性能。若选取图中2处所对应的区域作为目标筛选区域，则所述目标筛选区域中只具有待筛选车辆E，则将待筛选车辆E作为目标车辆。将车辆E作为目标车辆后，可以控制车辆进行横向及其纵向控制，避免碰撞。

在具体实施时，还可以通过其他方式从待筛选车辆中选取目标车辆，比如通过车牌信息、车型信息等信息进行筛选，以满足其他驾驶功能的需求。

在上述实施方式中，根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹；根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域；再根据目标筛选区域选取得到目标车辆。通过电子地图，比如高精地图辅助目标车辆的筛选，可以不受天气、光线探测距离等因素的影响，从而可以突破常规传感器有效距离，达到超视距感知；其置信度更高，能够为车辆相应功能的目标车辆进行有效的筛选。并且，上述方案的计算量较小、兼容能力强。另外，结合当前驾驶行为确定自车的目标筛选区域能够综合考虑到当时驾驶的实际情况，使得目标筛选区域的确定更符合当前驾驶情况，为后续控制选取可靠的目标车辆。并且，也能够有效地减小筛选范围，提高筛选效率。

如图8所示，本发明实施例还提供了一种目标车辆筛选装置，所述目标车辆筛选装置100包括：

预测行驶轨迹获取模块101，用于获取预设时间段内自车的预测行驶轨迹；

目标行驶轨迹确定模块102，用于根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹；

当前驾驶行为获取模块103，用于获取所述自车的当前驾驶行为；

目标筛选区域确定模块104，用于根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域；

待筛选车辆获取模块105，用于获取所述目标筛选区域内的待筛选车辆；

目标车辆选取模块106，用于从所述待筛选车辆中选取目标车辆。

在具体实施时，所述预测行驶轨迹获取模块101可以包括：

本次驾驶任务获取模块，用于获取所述自车的本次驾驶任务；

本次驾驶轨迹确定模块，用于根据所述本次驾驶任务确定所述自车的本次驾驶轨迹；

当前驾驶模式获取模块，用于获取所述自车的当前驾驶模式；

预测行驶轨迹获取子模块，用于根据所述当前驾驶模式从所述本次驾驶轨迹中获取预设时间段内自车的预测行驶轨迹。

在具体实施时，所述目标行驶轨迹确定模块102可以包括：

当前行驶位置获取模块，用于获取自车的当前行驶位置；

路基信息获取模块，用于根据所述当前行驶位置从所述电子地图中获取对应的路基信息；

目标行驶轨迹确定子模块，用于根据所述路基信息和所述预测行驶轨迹确定所述自车的目标行驶轨迹。

在具体实施时，所述目标筛选区域确定模块104可以包括：

车道线信息获取模块，用于从所述电子地图中获取所述目标行驶轨迹对应的车道线信息；

目标筛选区域确定子模块，用于根据所述目标行驶轨迹对应的车道线信息和所述目标行驶轨迹从所述当前驾驶行为所对应的驾驶方向上确定所述自车的目标筛选区域。

在具体实施时，所述待筛选车辆获取模块105可以包括：

自车周围车辆探测模块，用于通过自车传感器探测所述自车周围的行驶车辆；

待筛选车辆获取子模块，用于根据所述目标筛选区域从所述自车周围的行驶车辆内获取对应的车辆作为待筛选车辆。

本发明实施例还提供了一种目标车辆筛选设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序、所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述任一所述的目标车辆筛选方法。

本发明实施例还提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述任一所述的目标车辆筛选方法。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

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，对于装置、系统和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种目标车辆筛选方法，其特征在于，所述目标车辆筛选方法包括：

获取预设时间段内自车的预测行驶轨迹；

根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹；所述电子地图包括路基信息，所述路基信息为行驶路段的静态路面设施情况；

获取所述自车的当前驾驶行为；

根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域；

获取所述目标筛选区域内的待筛选车辆；

从所述待筛选车辆中选取目标车辆。

2.根据权利要求1所述的目标车辆筛选方法，其特征在于，所述获取预设时间段内自车的预测行驶轨迹包括：

获取所述自车的本次驾驶任务；

根据所述本次驾驶任务确定所述自车的本次驾驶轨迹；

获取所述自车的当前驾驶模式；

根据所述当前驾驶模式从所述本次驾驶轨迹中获取预设时间段内自车的预测行驶轨迹。

3.根据权利要求1所述的目标车辆筛选方法，其特征在于，所述根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹包括：

获取自车的当前行驶位置；

根据所述当前行驶位置从所述电子地图中获取对应的路基信息；

根据所述路基信息和所述预测行驶轨迹确定所述自车的目标行驶轨迹。

4.根据权利要求3所述的目标车辆筛选方法，其特征在于，所述路基信息为车道线信息；

所述根据所述路基信息和所述预测行驶轨迹确定所述自车的目标行驶轨迹包括：

根据所述车道线信息和所述预测行驶轨迹确定所述自车的动态行驶车道线。

5.根据权利要求1所述的目标车辆筛选方法，其特征在于，所述当前驾驶行为包括纵向驾驶、变道驾驶和转向驾驶中的至少一种；

所述根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域包括：

从所述电子地图中获取所述目标行驶轨迹对应的车道线信息；

根据所述目标行驶轨迹对应的车道线信息和所述目标行驶轨迹从所述当前驾驶行为所对应的驾驶方向上确定所述自车的目标筛选区域。

6.根据权利要求1所述的目标车辆筛选方法，其特征在于，所述获取所述目标筛选区域内的待筛选车辆包括：

通过自车传感器探测所述自车周围的行驶车辆；

根据所述目标筛选区域从所述自车周围的行驶车辆内获取对应的车辆作为待筛选车辆。

7.根据权利要求1所述的目标车辆筛选方法，其特征在于，所述从所述待筛选车辆中选取目标车辆包括：

判断所述待筛选车辆的数目；

若所述待筛选车辆的数目大于一；

则判断每个所述待筛选车辆与所述自车之间的距离；

将距离最近的所述待筛选车辆作为目标车辆。

8.一种目标车辆筛选装置，其特征在于，所述目标车辆筛选装置包括：

预测行驶轨迹获取模块，用于获取预设时间段内自车的预测行驶轨迹；

目标行驶轨迹确定模块，用于根据所述预测行驶轨迹和电子地图确定所述自车的目标行驶轨迹；

当前驾驶行为获取模块，用于获取所述自车的当前驾驶行为；

目标筛选区域确定模块，用于根据所述当前驾驶行为和所述目标行驶轨迹确定所述自车的目标筛选区域；

待筛选车辆获取模块，用于获取所述目标筛选区域内的待筛选车辆；

目标车辆选取模块，用于从所述待筛选车辆中选取目标车辆。

9.一种目标车辆筛选设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序、所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1至7任一所述的目标车辆筛选方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1至7任一所述的目标车辆筛选方法。

Images