CN112319505A - 自动驾驶换道判断方法、装置、设备及存储介质 - Google Patents
自动驾驶换道判断方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112319505A CN112319505A CN202011348279.4A CN202011348279A CN112319505A CN 112319505 A CN112319505 A CN 112319505A CN 202011348279 A CN202011348279 A CN 202011348279A CN 112319505 A CN112319505 A CN 112319505A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- preset
- lane change
- window
- data
- 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 163
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001228 spectrum Methods 0.000 claims abstract description 63
- 230000001133 acceleration Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000010183 spectrum analysis Methods 0.000 abstract description 6
- 230000006399 behavior Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动驾驶换道判断方法、装置、设备及存储介质，所述方法通过获取预设范围内的交通参与车辆的运动状态信号，对运动状态信号进行加窗处理，获得窗口数据；对窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；在频谱能量大于预设阈值时，根据窗口数据预测预设未来时间内的行驶轨迹，并根据行驶轨迹进行换道判断，通过对车辆运动数据进行加窗和频谱分析，提高了车辆运动数据的准确性，通过结合交通参与车辆的预测轨迹进行换道预测的综合性的判断，保证了自动驾驶换道的稳定性和合理性，并且不需要额外的用户指令，保证了车辆自动驾驶的安全性，实现自动判断换道可行性，提升了用户体验。
Description
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶换道判断方法、装置、设备及存储介质。
背景技术
作为现代交通重要工具之一，汽车给人们的生活带来便利的同时也造成交通拥堵、交通事故频发等问题；而自动驾驶汽车从根本上解决了上述问题；相对于驾驶员操作汽车，自动驾驶汽车有效避免注意力不集中，并且能对危险场景做出快速反应，从而有效提高车辆行驶安全性和交通系统的运输效率。
自动驾驶汽车的关键技术主要包括环境感知、行为决策、路径规划和轨迹跟踪；其中，行为决策作为自动驾驶汽车关键技术之一，是保证自动驾驶汽车安全行驶的必要条件；行为决策是根据车辆周围交通环境做出车道保持、换道、避障、减速停车等驾驶行为决策。
现有的换道方式是通过获得用户的换道需求指令在结合交通状况数据判断是否满足切换车道的安全条件，如满足，则控制车辆进行车道切换，但该方式需要额外的用户换道需求指令；而另一种换道方式是利用机器学习模仿人类驾驶行为确定是否换道，该方式容易出现误判，导致驾驶行为具有不稳定性和不可解释性。
发明内容
本发明的主要目的在于提供一种自动驾驶换道判断方法、装置、设备及存储介质，旨在解决现有技术中需要额外的用户换道需求指令对自动驾驶行为进行指示，且机器学习驾驶行为出现误判导致自动驾驶安全性差，驾驶行为合理性差的技术问题。
第一方面，本发明提供一种自动驾驶换道判断方法，所述自动驾驶换道判断方法包括以下步骤：
获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；
对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；
在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断。
可选地，所述获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据，包括：
获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号加载预设滑动窗口；
根据预设采集周期和预设截取长度对所述预设滑动窗口中的运动状态信号进行截取，获得窗口数据。
可选地，所述对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量，包括：
对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值；
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量；
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量。
可选地，所述对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值，包括：
从所述窗口数据中获取车辆加速度加窗后的原始数据；
通过下式对所述原始数据进行快速傅里叶变换，获得快速傅里叶变换值：
Z＝fft(at)
其中，fft为快速傅里叶变换函数，at为车辆加速度加窗后的原始数据，Z为快速傅里叶变换值；
相应地，获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量，包括：
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获取频率分辨率，通过下式根据所述频率分辨率获得所述窗口数据中低频信号范围内的数据点数量：
其中，Δf为频率分辨率，adata为车辆加减速信号的输出周期，W为预设窗口长度；n为数据点数量，f1为低频信号范围的频率上限；
相应地，所述根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量，包括：
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度通过下式计算获得频谱能量：
其中，P为频谱能量，n为数据点数量，Z为快速傅里叶变换值，W为预设窗口长度。
可选地，所述在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断，包括：
在所述频谱能量大于预设阈值时，对所述窗口数据进行堆栈，获得虚拟行驶路径；
对虚拟行驶路径进行路径拟合，获得预设未来时间内的交通参与车辆运动轨迹；
获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹；
根据所述行驶轨迹判断是否进行换道。
可选地，所述获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹，包括：
获取本车横摆角速度和目标换道位置，根据所述横摆角速度和目标换道位置确定完成换道的换道时间；
根据所述横摆角速度和所述换道时间生成本车运动轨迹；
根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹。
可选地，所述根据所述行驶轨迹判断是否进行换道，包括：
从所述行驶轨迹中获得本车道前方目标车辆运动轨迹、换入车道后方车辆运动轨迹、换入车道前方车辆运动轨迹及本车运动轨迹；
将所述前方目标车辆运动轨迹、所述换入车道后方车辆运动轨迹、所述换入车道前方车辆运动轨迹及所述本车运动轨迹进行比较，并生成比较结果；
在所述比较结果为所述本车运动轨迹与所述本车道前方目标车辆运动轨迹无轨迹重叠时，则不开启换道判断；
在所述比较结果为所述本车运动轨迹重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定不进行换道；
在所述比较结果为所述本车运动轨迹未重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定进行换道。
第二方面，为实现上述目的，本发明还提出一种自动驾驶换道判断装置，所述自动驾驶换道判断装置包括：
加窗处理模块，用于获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；
变换模块，用于对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；
判断模块，用于在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断。
第三方面，为实现上述目的，本发明还提出一种自动驾驶换道判断设备，所述自动驾驶换道判断设备包括：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自动驾驶换道判断程序，所述自动驾驶换道判断程序配置为实现如权利要求上文所述的自动驾驶换道判断方法的步骤。
第四方面，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有自动驾驶换道判断程序，所述自动驾驶换道判断程序被处理器执行时实现如上文所述的自动驾驶换道判断方法的步骤。
本发明提出的自动驾驶换道判断方法，通过获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断，能够通过对车辆运动数据进行加窗和频谱分析，提高了车辆运动数据的准确性，通过结合交通参与车辆的预测轨迹进行换道预测的综合性的判断，保证了自动驾驶换道的稳定性和合理性，并且不需要额外的用户指令，提高了换道判断的准确性和精度，保证了车辆自动驾驶的安全性，实现自动判断换道可行性，提高了行为判断的鲁棒性和准确性，提升了用户体验。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明自动驾驶换道判断方法第一实施例的流程示意图；
图3为本发明自动驾驶换道判断方法第二实施例的流程示意图；
图4为本发明自动驾驶换道判断方法中滑动窗口示意图；
图5为本发明自动驾驶换道判断方法第三实施例的流程示意图；
图6为本发明自动驾驶换道判断方法第四实施例的流程示意图；
图7为本发明自动驾驶换道判断方法第五实施例的流程示意图；
图8为本发明自动驾驶换道判断装置第一实施例的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的解决方案主要是：通过获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断，能够通过对车辆运动数据进行加窗和频谱分析，提高了车辆运动数据的准确性，通过结合交通参与车辆的预测轨迹进行换道预测的综合性的判断，保证了自动驾驶换道的稳定性和合理性，并且不需要额外的用户指令，提高了换道判断的准确性和精度，保证了车辆自动驾驶的安全性，实现自动判断换道可行性，提高了行为判断的鲁棒性和准确性，提升了用户体验，解决了现有技术中需要额外的用户换道需求指令对自动驾驶行为进行指示，且机器学习驾驶行为出现误判导致自动驾驶安全性差，驾驶行为合理性差的技术问题。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
如图1所示，该自动驾驶换道判断设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(Non-Volatile Memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对该设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
在具体实现中，所述自动驾驶换道判断设备可以为驾驶换道判断控制器，也可以为自动驾驶席控制器，也可以为车载电脑，还可以为实现自动驾驶换道判断功能的其他设备或终端，例如中控单元或远端服务器，本实施例对此不加以限制。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及自动驾驶换道判断程序。
本发明设备通过处理器1001调用存储器1005中存储的自动驾驶换道判断程序，并执行以下操作：
获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；
对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；
在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶换道判断程序，还执行以下操作：
获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号加载预设滑动窗口；
根据预设采集周期和预设截取长度对所述预设滑动窗口中的运动状态信号进行截取，获得窗口数据。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶换道判断程序，还执行以下操作：
对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值；
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量；
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶换道判断程序，还执行以下操作：
从所述窗口数据中获取车辆加速度加窗后的原始数据；
通过下式对所述原始数据进行快速傅里叶变换，获得快速傅里叶变换值：
Z＝fft(at)
其中，fft为快速傅里叶变换函数，at为车辆加速度加窗后的原始数据，Z为快速傅里叶变换值；
相应地，获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量，包括：
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获取频率分辨率，通过下式根据所述频率分辨率获得所述窗口数据中低频信号范围内的数据点数量：
其中，Δf为频率分辨率，adata为车辆加减速信号的输出周期，W为预设窗口长度；n为数据点数量，f1为低频信号范围的频率上限；
相应地，所述根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量，包括：
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度通过下式计算获得频谱能量：
其中，P为频谱能量，n为数据点数量，Z为快速傅里叶变换值，W为预设窗口长度。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶换道判断程序，还执行以下操作：
在所述频谱能量大于预设阈值时，对所述窗口数据进行堆栈，获得虚拟行驶路径；
对虚拟行驶路径进行路径拟合，获得预设未来时间内的交通参与车辆运动轨迹；
获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹；
根据所述行驶轨迹判断是否进行换道。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶换道判断程序，还执行以下操作：
获取本车横摆角速度和目标换道位置，根据所述横摆角速度和目标换道位置确定完成换道的换道时间；
根据所述横摆角速度和所述换道时间生成本车运动轨迹；
根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹。
进一步地，处理器1001可以调用存储器1005中存储的自动驾驶换道判断程序，还执行以下操作：
从所述行驶轨迹中获得本车道前方目标车辆运动轨迹、换入车道后方车辆运动轨迹、换入车道前方车辆运动轨迹及本车运动轨迹；
将所述前方目标车辆运动轨迹、所述换入车道后方车辆运动轨迹、所述换入车道前方车辆运动轨迹及所述本车运动轨迹进行比较，并生成比较结果；
在所述比较结果为所述本车运动轨迹与所述本车道前方目标车辆运动轨迹无轨迹重叠时，则不开启换道判断；
在所述比较结果为所述本车运动轨迹重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定不进行换道；
在所述比较结果为所述本车运动轨迹未重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定进行换道。
本实施例通过上述方案，通过获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断，能够通过对车辆运动数据进行加窗和频谱分析，提高了车辆运动数据的准确性，通过结合交通参与车辆的预测轨迹进行换道预测的综合性的判断，保证了自动驾驶换道的稳定性和合理性，并且不需要额外的用户指令，提高了换道判断的准确性和精度，保证了车辆自动驾驶的安全性，实现自动判断换道可行性，提高了行为判断的鲁棒性和准确性，提升了用户体验。
基于上述硬件结构，提出本发明自动驾驶换道判断方法实施例。
参照图2，图2为本发明自动驾驶换道判断方法第一实施例的流程示意图。
在第一实施例中，所述自动驾驶换道判断方法包括以下步骤：
步骤S10、获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据。
需要说明的是，所述预设范围为预先设置的监测距离范围，一般是通过车载传感器来感应实现，所述预设范围可以是以本车为圆心辐射周围一定距离的圆的范围，也可以是以本车为中心以符合当前总车道的前后一定距离的监测范围，当然还可以是以其他监测规则制定的检测范围，本实施例对此不加以限制；在预设范围内存在有所有交通参与车辆的运动数据，通过车载传感器采集后可以生成实时的运动状态信号，通过对所述运动状态信号进行加窗处理，获得窗口数据，能够对连续一段时间内的车辆运动状态数据进行统计，进而提高运动状态数据的准确性。
在具体实现中，可以通过感知传感器、车辆传感器以及定位传感器来获取预设范围内的交通参与车辆的运动状态信号，当然也可以通过更多或更少的传感器来实现运动状态信号的获取，本实施例对此不加以限制。
步骤S20、对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量。
可以理解的是，对所述窗口数据进行快速傅里叶变换和频率分析后，能够获得快速傅里叶变换后的频谱能量，所述频谱能量为对窗口数据进行快速傅里叶变换后的幅频特性能量，进而判断其它车辆是否处于匀速状态或加减速状态，通过对窗口数据提取相应特征进行分析，有效提高了窗口数据检测的精度，有利于提高后续判断是否换道的速度和准确性。
步骤S30、在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断。
应当理解的是，所述预设阈值为预先设置的判断能量幅值是否过大的阈值，所述预设阈值可以是通过大量实验数据训练获得，也可以是技术人员根据日常操作经验拟定，本实施例对此不加以限制；所述预设未来时间为预先设置的用于进行轨迹预测的时间段，在所述频谱能量大于预设阈值时，即表明当前状态下可以初步确定可以开启换道判断流程，可以根据窗口数据预测在未来一段时间内相关车辆的行驶轨迹，并通过行驶轨迹判断是否可以进行换道。
本实施例通过上述方案，通过获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断，能够通过对车辆运动数据进行加窗和频谱分析，提高了车辆运动数据的准确性，通过结合交通参与车辆的预测轨迹进行换道预测的综合性的判断，保证了自动驾驶换道的稳定性和合理性，并且不需要额外的用户指令，提高了换道判断的准确性和精度，保证了车辆自动驾驶的安全性，实现自动判断换道可行性，提高了行为判断的鲁棒性和准确性，提升了用户体验。
进一步地，图3为本发明自动驾驶换道判断方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明自动驾驶换道判断方法第二实施例，在本实施例中，所述步骤S10具体包括以下步骤：
步骤S11、获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号加载预设滑动窗口。
可以理解的是，所述预设滑动窗口为预先设置的一定长度的信号截取滑动窗口，在获得了预设范围内的交通参与车辆的运动状态信号，可以通过加载预设滑动窗口方便后续运动状态信号的截取。
步骤S12、根据预设采集周期和预设截取长度对所述预设滑动窗口中的运动状态信号进行截取，获得窗口数据。
需要说明的是，所述预设采集周期为预先设置的对运动状态信号对应的数据进行采样的周期，所述预设截取长度可以为预设滑动窗口的默认长度，也可以为用户预先设置调整后的窗口截取长度，本实施例对此不加以限制；对所述运动状态信号进行截取后，能够获得对应的窗口数据。
在具体实现中，如图4所示，图4为本发明自动驾驶换道判断方法中滑动窗口示意图，参照图4，对所述运动状态信号加载预设滑动窗口，所述预设滑动窗口的预设截取长度，即窗口长度可以设置为W，即采集W长度的数据进行后续分析，W的数值可以根据实际情况进行预先设置，本实施例对此不加以限制；所述预设采集周期为S，即经过一个滑动步长为S的周期后，再次进行窗口数据采集，S表征为窗口的更新周期，即间隔S个采样点后更新一次窗口数据，S的数值可以根据实际情况进行预先设置，本实施例对此不加以限制；例如当前采样点为n2时，则当前加窗数据范围为n1～n2之间的采样点，即窗口2；当采样点进行到n2～n3时，加窗数据仍然保持为窗口2；当采样点进行到n3时，采样窗口则更新为窗口3。
本实施例通过上述方案，通过获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号加载预设滑动窗口；根据预设采集周期和预设截取长度对所述预设滑动窗口中的运动状态信号进行截取，获得窗口数据，能够对连续一段时间内的车辆运动状态数据进行统计，进而提高运动状态数据的准确性。
进一步地，图5为本发明自动驾驶换道判断方法第三实施例的流程示意图，如图5所示，基于第一实施例提出本发明自动驾驶换道判断方法第三实施例，在本实施例中，所述步骤S20具体包括以下步骤：
步骤S21、对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值。
需要说明的是，通过对所述窗口数据进行快速傅里叶变换，能够获得快速傅里叶变换值，一般的可以通过多个快速傅里叶变换值形成所述窗口数据的幅频特性曲线，从而更加直观的确定车辆运行状态的变化。
进一步的，所述步骤S21包括以下步骤：
从所述窗口数据中获取车辆加速度加窗后的原始数据；
通过下式对所述原始数据进行快速傅里叶变换，获得快速傅里叶变换值：
Z＝fft(at)
其中，fft为快速傅里叶变换函数，at为车辆加速度加窗后的原始数据，Z为快速傅里叶变换值；
应当理解的是，对所述窗口数据进行快速傅里叶变换，能够得到窗口数据对应的快速傅里叶变换值，其长度与预设窗口长度相等，同样at的长度也与预设窗口长度相等。
步骤S22、获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量。
可以理解的是，所述预设窗口长度为预设滑动窗口的预设截取长度相同，通过所述预设窗口长度可以对所述窗口数据进行频率分析，所述低频信号范围为预先设置的窗口数据中截取的低频信号对应的范围，通过对所述窗口数据进行频率分析，能够确定在低频信号范围内的数据点个数。
进一步的，所述步骤S22包括以下步骤：
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获取频率分辨率，通过下式根据所述频率分辨率获得所述窗口数据中低频信号范围内的数据点数量：
其中，Δf为频率分辨率，adata为车辆加减速信号的输出周期，W为预设窗口长度；n为数据点数量，f1为低频信号范围的频率上限。
需要说明的是，频率分辨率即频谱上两条频线之间的频率间隔；一般的，所述输出周期可以为0.1s，当然也可以为其他数值，本实施例对此不加以限制；一般可以设定截取的低频信号范围为0～f1，频率上限可以设置为5Hz，当然也可以为其他数值，本实施例对此不加以限制，该信号段内的数据点个数为n。
步骤S23、根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量。
应当理解的是，通过预设的频谱能量算法能够利用所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量，所述频谱能量能够用来判断其它车辆是否处于匀速状态还是加减速状态。
在具体实现中，当其它车辆匀速行驶时，感知识别的其它车辆的加减速度信号主要成分为白噪声，对应的频谱能量的频率分布广，幅值低；当其它车辆处于加减速状态时，感知识别到达其它车辆的加减速度信号对应的频谱能量主要成分为驾驶员施加的低频油门，且幅值远大于匀速状态下由于白噪声产生的幅值；因此可以通过提取快速傅里叶变换后的低频信号范围内的数据点数量确定频谱能量来有效的判断其它车辆是否处于匀速状态还是加减速状态。
进一步的，所述步骤S23包括以下步骤：
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度通过下式计算获得频谱能量：
其中，P为频谱能量，n为数据点数量，Z为快速傅里叶变换值，W为预设窗口长度。
可以理解的是，根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量，从而根据频谱能量确定是否可以初步确定可以开启换道判断流程。
本实施例通过上述方案，通过对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值；获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量；根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量，能够有效的判断其它车辆是否处于匀速状态还是加减速状态，有效提高了窗口数据检测的精度，有利于提高后续判断是否换道的速度和准确性。
进一步地，图6为本发明自动驾驶换道判断方法第四实施例的流程示意图，如图6所示，基于第一实施例提出本发明自动驾驶换道判断方法第四实施例，在本实施例中，所述步骤S30具体包括以下步骤：
步骤S31、在所述频谱能量大于预设阈值时，对所述窗口数据进行堆栈，获得虚拟行驶路径。
需要说明的是，在所述频谱能量大于预设阈值时，可以对所述窗口数据进行堆栈，即对所述窗口数据按序排列，从而生成虚拟行驶路径，即其他车辆在设定时间内的可能的虚拟行驶轨迹。
步骤S32、对虚拟行驶路径进行路径拟合，获得预设未来时间内的交通参与车辆运动轨迹。
可以理解的是，对虚拟行驶路径进行路径拟合后，能够获得预设未来时间内的交通参与车辆的运动轨迹，一般的可以运用多项式差值的方式进行路径拟合，当然也可以通过其他方式进行路径拟合，本实施例对此不加以限制。
步骤S33、获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹。
应当理解的是，在获得本车运动轨迹后，可以将本车运动轨迹和交通参与车辆运动轨迹进行整合，获得行驶轨迹。
步骤S34、根据所述行驶轨迹判断是否进行换道。
可以理解的是，通过所述行驶轨迹可以进行换道合理性判断，即判断当前情况下是否适合进行车辆换道操作。
进一步的，所述步骤S34具体包括以下步骤：
从所述行驶轨迹中获得本车道前方目标车辆运动轨迹、换入车道后方车辆运动轨迹、换入车道前方车辆运动轨迹及本车运动轨迹；
将所述前方目标车辆运动轨迹、所述换入车道后方车辆运动轨迹、所述换入车道前方车辆运动轨迹及所述本车运动轨迹进行比较，并生成比较结果；
在所述比较结果为所述本车运动轨迹与所述本车道前方目标车辆运动轨迹无轨迹重叠时，则不开启换道判断；
在所述比较结果为所述本车运动轨迹重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定不进行换道；
在所述比较结果为所述本车运动轨迹未重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定进行换道。
需要说明的是，所述行驶轨迹中有本车和交通参与车辆的行驶轨迹，从所述行驶轨迹中能够获得具体的本车道前方目标车辆运动轨迹、换入车道后方车辆运动轨迹、换入车道前方车辆运动轨迹及本车运动轨迹。
可以理解的是，将所述前方目标车辆运动轨迹、所述换入车道后方车辆运动轨迹、所述换入车道前方车辆运动轨迹及所述本车运动轨迹进行比较，一般可以把这些运动轨迹在运动图像中进行比较，从而获得比较结果，在所述比较结果为所述本车运动轨迹与所述本车道前方目标车辆运动轨迹无轨迹重叠时，则不开启换道判断，即本车在不减速的情况下与本车道前方车辆无轨迹重叠，此时可以在本车道上正常行驶，没有换道的必要，当然如果需要进行换道，则可以通过用户输入特定的指令来实现，但默认这种情况是不需要进行换道的。
应当理解的是，在换道过程中保持车速不便，在换道前和换道后车速是可以变化的，换道判断是可以分解的，如果需要提高车速换道，则可以分解为先加速，然后执行换道操作；在比较结果为本车运动轨迹重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定不进行换道，反之，轨迹未重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定进行换道。
本实施例通过上述方案，通过在所述频谱能量大于预设阈值时，对所述窗口数据进行堆栈，获得虚拟行驶路径；对虚拟行驶路径进行路径拟合，获得预设未来时间内的交通参与车辆运动轨迹；获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹；根据所述行驶轨迹判断是否进行换道；能够结合交通参与车辆的预测轨迹进行换道预测的综合性的判断，保证了自动驾驶换道的稳定性和合理性，并且不需要额外的用户指令，提高了换道判断的准确性和精度，保证了车辆自动驾驶的安全性，实现自动判断换道可行性，提高了行为判断的鲁棒性和准确性，提升了用户体验。
进一步地，图7为本发明自动驾驶换道判断方法第五实施例的流程示意图，如图7所示，基于第四实施例提出本发明自动驾驶换道判断方法第五实施例，在本实施例中，所述步骤S33具体包括以下步骤：
步骤S331、获取本车横摆角速度和目标换道位置，根据所述横摆角速度和目标换道位置确定完成换道的换道时间。
需要说明的是，所述本车横摆角速度为本车的横向摆动的相对角速度，即本车在进行换道的横向摆动角速度，所述目标换道位置为预先设置的认定换道动作完成的相对位置，一般可以以换入车道并在车道中心线上行驶作为换道完成状态，当然也可以设置其他调节限制的位置为目标换道位置，本实施例对此不加以限制；根据所述横摆角速度和目标换道位置确定完成换道的换道时间，即根据横摆角速度和目标换道位置可以确定需要完成换道的时间。
步骤S332、根据所述横摆角速度和所述换道时间生成本车运动轨迹。
可以理解的是，通过所述横摆角速度和所述换道时间能够预测出本车在换道时间内形成的运动轨迹，即能够生成本车运动轨迹。
在具体实现中，在换道过程中保持车速不便，在换道前和换道后车速是可以变化的，且商用车在高速行驶时横向稳定性约束了车辆的横摆角速度，因此可以使用匀车速模型结合限定的横摆角速度进行本车的运动轨迹预测；当然也可以通过其他方式进行运动轨迹的预测或模拟生成，本实施例对此不加以限制。
步骤S333、根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹。
应当理解的是，在获得本车运动轨迹后，可以将本车运动轨迹和交通参与车辆运动轨迹进行整合，获得整合后的所有能监测到的相关车辆的行驶轨迹。
本实施例通过上述方案，通过获取本车横摆角速度和目标换道位置，根据所述横摆角速度和目标换道位置确定完成换道的换道时间；根据所述横摆角速度和所述换道时间生成本车运动轨迹；根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹；能够结合本车和交通参与车辆的预测轨迹进行换道预测的综合性的判断，保证了自动驾驶换道的稳定性和合理性，并且不需要额外的用户指令，提高了换道判断的准确性和精度，保证了车辆自动驾驶的安全性，实现自动判断换道可行性，提高了行为判断的鲁棒性和准确性，提升了用户体验。
相应地，本发明进一步提供一种自动驾驶换道判断装置。
参照图8，图8为本发明自动驾驶换道判断装置第一实施例的功能模块图。
本发明自动驾驶换道判断装置第一实施例中，该自动驾驶换道判断装置包括：
加窗处理模块10，用于获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据。
变换模块20，用于对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量。
判断模块30，用于在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断。
相应地，所述加窗处理模块10，还用于获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号加载预设滑动窗口；根据预设采集周期和预设截取长度对所述预设滑动窗口中的运动状态信号进行截取，获得窗口数据。
相应地，所述变换模块20，还用于对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值；获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量；根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量。
相应地，所述判断模块30，还用于在所述频谱能量大于预设阈值时，对所述窗口数据进行堆栈，获得虚拟行驶路径；对虚拟行驶路径进行路径拟合，获得预设未来时间内的交通参与车辆运动轨迹；获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹；根据所述行驶轨迹判断是否进行换道。
其中，自动驾驶换道判断装置的各个功能模块实现的步骤可参照本发明自动驾驶换道判断方法的各个实施例，此处不再赘述。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有自动驾驶换道判断程序，所述自动驾驶换道判断程序被处理器执行时实现如下操作：
获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；
对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；
在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断。
进一步地，所述自动驾驶换道判断程序被处理器执行时还实现如下操作：
获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号加载预设滑动窗口；
根据预设采集周期和预设截取长度对所述预设滑动窗口中的运动状态信号进行截取，获得窗口数据。
进一步地，所述自动驾驶换道判断程序被处理器执行时还实现如下操作：
对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值；
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量；
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量。
进一步地，所述自动驾驶换道判断程序被处理器执行时还实现如下操作：
从所述窗口数据中获取车辆加速度加窗后的原始数据；
通过下式对所述原始数据进行快速傅里叶变换，获得快速傅里叶变换值：
Z＝fft(at)
其中，fft为快速傅里叶变换函数，at为车辆加速度加窗后的原始数据，Z为快速傅里叶变换值；
相应地，获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量，包括：
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获取频率分辨率，通过下式根据所述频率分辨率获得所述窗口数据中低频信号范围内的数据点数量：
其中，Δf为频率分辨率，adata为车辆加减速信号的输出周期，W为预设窗口长度；n为数据点数量，f1为低频信号范围的频率上限；
相应地，所述根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量，包括：
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度通过下式计算获得频谱能量：
其中，P为频谱能量，n为数据点数量，Z为快速傅里叶变换值，W为预设窗口长度。
进一步地，所述自动驾驶换道判断程序被处理器执行时还实现如下操作：
在所述频谱能量大于预设阈值时，对所述窗口数据进行堆栈，获得虚拟行驶路径；
对虚拟行驶路径进行路径拟合，获得预设未来时间内的交通参与车辆运动轨迹；
获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹；
根据所述行驶轨迹判断是否进行换道。
进一步地，所述自动驾驶换道判断程序被处理器执行时还实现如下操作：
获取本车横摆角速度和目标换道位置，根据所述横摆角速度和目标换道位置确定完成换道的换道时间；
根据所述横摆角速度和所述换道时间生成本车运动轨迹；
根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹。
进一步地，所述自动驾驶换道判断程序被处理器执行时还实现如下操作：
从所述行驶轨迹中获得本车道前方目标车辆运动轨迹、换入车道后方车辆运动轨迹、换入车道前方车辆运动轨迹及本车运动轨迹；
将所述前方目标车辆运动轨迹、所述换入车道后方车辆运动轨迹、所述换入车道前方车辆运动轨迹及所述本车运动轨迹进行比较，并生成比较结果；
在所述比较结果为所述本车运动轨迹与所述本车道前方目标车辆运动轨迹无轨迹重叠时，则不开启换道判断；
在所述比较结果为所述本车运动轨迹重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定不进行换道；
在所述比较结果为所述本车运动轨迹未重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定进行换道。
本实施例通过上述方案，通过获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断，能够通过对车辆运动数据进行加窗和频谱分析，提高了车辆运动数据的准确性，通过结合交通参与车辆的预测轨迹进行换道预测的综合性的判断，保证了自动驾驶换道的稳定性和合理性，并且不需要额外的用户指令，提高了换道判断的准确性和精度，保证了车辆自动驾驶的安全性，实现自动判断换道可行性，提高了行为判断的鲁棒性和准确性，提升了用户体验。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种自动驾驶换道判断方法，其特征在于，所述自动驾驶换道判断方法包括：
获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；
对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；
在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断。
2.如权利要求1所述的自动驾驶换道判断方法，其特征在于，所述获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据，包括：
获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号加载预设滑动窗口；
根据预设采集周期和预设截取长度对所述预设滑动窗口中的运动状态信号进行截取，获得窗口数据。
3.如权利要求1所述的自动驾驶换道判断方法，其特征在于，所述对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量，包括：
对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值；
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量；
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量。
4.如权利要求3所述的自动驾驶换道判断方法，其特征在于，所述对所述窗口数据进行快速傅里叶变换，获得快速傅里叶变换值，包括：
从所述窗口数据中获取车辆加速度加窗后的原始数据；
通过下式对所述原始数据进行快速傅里叶变换，获得快速傅里叶变换值：
Z＝fft(at)
其中，fft为快速傅里叶变换函数，at为车辆加速度加窗后的原始数据，Z为快速傅里叶变换值；
相应地，获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获得所述窗口数据中低频信号范围内的数据点数量，包括：
获取所述窗口数据对应的预设窗口长度，根据所述预设窗口长度对所述窗口数据进行频率分析，获取频率分辨率，通过下式根据所述频率分辨率获得所述窗口数据中低频信号范围内的数据点数量：
其中，Δf为频率分辨率，adata为车辆加减速信号的输出周期，W为预设窗口长度；n为数据点数量，f1为低频信号范围的频率上限；
相应地，所述根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度确定频谱能量，包括：
根据所述快速傅里叶变换值、所述数据点数量和所述预设窗口长度通过下式计算获得频谱能量：
其中，P为频谱能量，n为数据点数量，Z为快速傅里叶变换值，W为预设窗口长度。
5.如权利要求1所述的自动驾驶换道判断方法，其特征在于，所述在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断，包括：
在所述频谱能量大于预设阈值时，对所述窗口数据进行堆栈，获得虚拟行驶路径；
对虚拟行驶路径进行路径拟合，获得预设未来时间内的交通参与车辆运动轨迹；
获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹；
根据所述行驶轨迹判断是否进行换道。
6.如权利要求5所述的自动驾驶换道判断方法，其特征在于，所述获取本车运动轨迹，根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹，包括：
获取本车横摆角速度和目标换道位置，根据所述横摆角速度和目标换道位置确定完成换道的换道时间；
根据所述横摆角速度和所述换道时间生成本车运动轨迹；
根据所述交通参与车辆运动轨迹和所述本车运动轨迹生成行驶轨迹。
7.如权利要求5所述的自动驾驶换道判断方法，其特征在于，所述根据所述行驶轨迹判断是否进行换道，包括：
从所述行驶轨迹中获得本车道前方目标车辆运动轨迹、换入车道后方车辆运动轨迹、换入车道前方车辆运动轨迹及本车运动轨迹；
将所述前方目标车辆运动轨迹、所述换入车道后方车辆运动轨迹、所述换入车道前方车辆运动轨迹及所述本车运动轨迹进行比较，并生成比较结果；
在所述比较结果为所述本车运动轨迹与所述本车道前方目标车辆运动轨迹无轨迹重叠时，则不开启换道判断；
在所述比较结果为所述本车运动轨迹重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定不进行换道；
在所述比较结果为所述本车运动轨迹未重叠于所述换入车道后方车辆运动轨迹和/或所述换入车道前方车辆运动轨迹时，判定进行换道。
8.一种自动驾驶换道判断装置，其特征在于，所述自动驾驶换道判断装置包括：
加窗处理模块，用于获取预设范围内的交通参与车辆的运动状态信号，对所述运动状态信号进行加窗处理，获得窗口数据；
变换模块，用于对所述窗口数据进行快速傅里叶变换和频率分析，获得快速傅里叶变换后的频谱能量；
判断模块，用于在所述频谱能量大于预设阈值时，根据所述窗口数据预测预设未来时间内的行驶轨迹，并根据所述行驶轨迹进行换道判断。
9.一种自动驾驶换道判断设备，其特征在于，所述自动驾驶换道判断设备包括：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自动驾驶换道判断程序，所述自动驾驶换道判断程序配置为实现如权利要求1至7中任一项所述的自动驾驶换道判断方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有自动驾驶换道判断程序，所述自动驾驶换道判断程序被处理器执行时实现如权利要求1至7中任一项所述的自动驾驶换道判断方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011348279.4A CN112319505B (zh) | 2020-11-26 | 2020-11-26 | 自动驾驶换道判断方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011348279.4A CN112319505B (zh) | 2020-11-26 | 2020-11-26 | 自动驾驶换道判断方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112319505A true CN112319505A (zh) | 2021-02-05 |
| CN112319505B CN112319505B (zh) | 2022-05-03 |
Family
ID=74307928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011348279.4A Active CN112319505B (zh) | 2020-11-26 | 2020-11-26 | 自动驾驶换道判断方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112319505B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114261389A (zh) * | 2021-11-29 | 2022-04-01 | 东风商用车有限公司 | 自动驾驶商用车的行驶轨迹碰撞风险分析方法 |
| CN114506342A (zh) * | 2022-03-03 | 2022-05-17 | 东风悦享科技有限公司 | 一种自动驾驶变道决策的方法、系统及车辆 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105629235A (zh) * | 2015-12-29 | 2016-06-01 | 大连楼兰科技股份有限公司 | 多目标检测的组合波形汽车变道辅助系统的信号处理装置 |
| US20170004844A1 (en) * | 2012-05-04 | 2017-01-05 | Kaonyx Labs LLC | Systems and methods for source signal separation |
| CN110155064A (zh) * | 2019-04-22 | 2019-08-23 | 江苏大学 | 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 |
| CN110365611A (zh) * | 2019-05-29 | 2019-10-22 | 北京邮电大学 | 一种多普勒频移估计方法及装置 |
| CN111634293A (zh) * | 2020-05-29 | 2020-09-08 | 苏州挚途科技有限公司 | 一种基于交通间隙的自动驾驶车辆的自动变道方法 |
-
2020
- 2020-11-26 CN CN202011348279.4A patent/CN112319505B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170004844A1 (en) * | 2012-05-04 | 2017-01-05 | Kaonyx Labs LLC | Systems and methods for source signal separation |
| CN105629235A (zh) * | 2015-12-29 | 2016-06-01 | 大连楼兰科技股份有限公司 | 多目标检测的组合波形汽车变道辅助系统的信号处理装置 |
| CN110155064A (zh) * | 2019-04-22 | 2019-08-23 | 江苏大学 | 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 |
| CN110365611A (zh) * | 2019-05-29 | 2019-10-22 | 北京邮电大学 | 一种多普勒频移估计方法及装置 |
| CN111634293A (zh) * | 2020-05-29 | 2020-09-08 | 苏州挚途科技有限公司 | 一种基于交通间隙的自动驾驶车辆的自动变道方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114261389A (zh) * | 2021-11-29 | 2022-04-01 | 东风商用车有限公司 | 自动驾驶商用车的行驶轨迹碰撞风险分析方法 |
| CN114261389B (zh) * | 2021-11-29 | 2023-05-12 | 东风商用车有限公司 | 自动驾驶商用车的行驶轨迹碰撞风险分析方法 |
| CN114506342A (zh) * | 2022-03-03 | 2022-05-17 | 东风悦享科技有限公司 | 一种自动驾驶变道决策的方法、系统及车辆 |
| CN114506342B (zh) * | 2022-03-03 | 2023-12-05 | 东风悦享科技有限公司 | 一种自动驾驶变道决策的方法、系统及车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112319505B (zh) | 2022-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110673590B (zh) | 自动驾驶系统可靠性判断方法、装置、设备及存储介质 | |
| CN106652515B (zh) | 车辆自动控制方法、装置和系统 | |
| CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
| CN112180921B (zh) | 自动驾驶算法训练系统及方法 | |
| JP2020524632A (ja) | 自律車両運転イベントに応答して乗車者フィードバックを取得するシステムおよび方法 | |
| CN110371018B (zh) | 使用其他车辆车灯的信息改善车辆行为 | |
| CN112319505B (zh) | 自动驾驶换道判断方法、装置、设备及存储介质 | |
| US12077171B2 (en) | Vehicle control device, automated driving vehicle development system, vehicle control method, and storage medium for verifying control logic | |
| CN111332283A (zh) | 用于控制机动车的方法和系统 | |
| US11254326B2 (en) | Automatic comfort score system based on human driving reference data | |
| JP2008018872A (ja) | 運転支援装置、自動車及び運転支援方法 | |
| US20200290611A1 (en) | Smooth transition between adaptive cruise control and cruise control using virtual vehicle | |
| CN109094560B (zh) | 一种自适应巡航方法及装置 | |
| US11657635B2 (en) | Measuring confidence in deep neural networks | |
| US20190050906A1 (en) | Digital signage control device, digital signage control method, and non-transitory storage medium storing program | |
| EP4238844A1 (en) | Method and system for evaluating performance of autonomous driving algorithm | |
| US20220383736A1 (en) | Method for estimating coverage of the area of traffic scenarios | |
| DE112022001861T5 (de) | Bewegungsbahnkonsistenzmessung für den betrieb eines autonomen fahrzeugs | |
| CN110834646B (zh) | 变道辅助预警方法、装置、设备及存储介质 | |
| CN117130298A (zh) | 用于评估自动驾驶系统的方法、装置及存储介质 | |
| CN113071515B (zh) | 可移动载体控制方法、装置、可移动载体及存储介质 | |
| CN113119999B (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
| CN117312841A (zh) | 自动驾驶车辆训练数据的制定方法、电子设备和介质 | |
| EP4209854A1 (en) | Overtaking planning method and apparatus, and electronic device and storage medium | |
| JP5104242B2 (ja) | 情報提供装置、情報提供システム、コンピュータプログラム及び情報提供方法 |
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 |