CN112329564A - 车道保持功能失效分析方法、系统、电子设备及存储介质 - Google Patents
车道保持功能失效分析方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112329564A CN112329564A CN202011151030.4A CN202011151030A CN112329564A CN 112329564 A CN112329564 A CN 112329564A CN 202011151030 A CN202011151030 A CN 202011151030A CN 112329564 A CN112329564 A CN 112329564A
- Authority
- CN
- China
- Prior art keywords
- lane
- keeping function
- vehicle
- lane line
- lane keeping
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 230000005856 abnormality Effects 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 109
- 238000000034 method Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Abstract
本申请实施例公开了一种车道保持功能失效分析方法、系统、电子设备及存储介质,方法包括:检测车道保持功能的失效场景;当失效场景为车辆在高速路出口且车道保持功能异常时,对车道线进行识别,并得到对车道线的识别类别;当车道线的识别类别为误识别时,分析车辆经过高速路出口时,路面状况对车辆行驶的影响类型以及影响严重程度级别;对于其它的失效场景,分析车道保持功能异常的原因类型。本申请实施例能够根据检测到的数据自动化分析车道保持功能异常时,路面状况对车辆的影响以及严重程度级别,以及分析车道保持功能异常发生的原因,相比原始的主观判断和手动分析,节约了大量时间,且分析结果更加准确。
Description
技术领域
本申请涉及汽车自动驾驶领域,尤其涉及一种车道保持功能失效 分析方法、系统、电子设备及存储介质。
背景技术
随着汽车智能化的逐渐普及,汽车辅助驾驶功能越来越多的出现 在人们的生活中。其中车道保持驾驶辅助系统依靠摄像头判断车辆和 车道线的关系来主动纠正车身的偏离,该功能的普及大大的减少了交 通事故的发生,为人们的安全出行提供了强有力的保障。
车道保持功能主要适用于单调的高速路或者拥堵的交通道路,该 功能可以较好地解放人们的双手。但是由于道路环境的复杂和不同产 商在功能上的实现差异,该车道保持功能会存在不同的失效问题。
对于车道功能失效场景的分析方法却比较少,失效分析有助于帮 助开发人员迅速发现问题,快速闭环,让问题及时解决,因此,亟需 对车道保持功能失效进行分析。
发明内容
本申请实施例提供了一种车道保持功能失效分析方法、系统、电 子设备及存储介质,用于车道保持功能失效的原因和对车辆的影响进 行自动化分析。
本申请实施例的第一方面,提供了一种车道保持功能失效分析方 法,包括:检测车道保持功能的失效场景;当所述失效场景为车辆在 高速路出口且车道保持功能异常时,对车道线进行识别,得到对车道 线的识别类别;当车道线的识别类别为误识别时,分析车辆经过高速 路出口时,路面状况对车辆行驶的影响类型以及影响严重程度级别; 对于其它的失效场景,分析车道保持功能异常的原因类型。
在一种可能的实施例中,所述失效场景至少包括车道线清晰但车 道保持功能断开、出隧道时车辆保持功能断开、遇到特色车道线时车 道保持功能断开和在高速路时车道保持功能异常,所述在高速路时车 道保持功能异常的失效场景至少包括车辆在高速路出口且车道保持功 能异常。
在一种可能的实施例中,所述对车道线进行识别,并得到对车道 线的识别类型包括:根据摄像头识别的车道线和道路的实际车道线的 相对关系,确定车道线的识别类别。
在一种可能的实施例中,所述车道线的识别类别为六种类别,分 别为识别到完整的车道线、只识别到左右车道线中的一条或未识别到 车道线、左边识别到了完整车道线但右边识别到的车道线的长度只有 左边识别到的车道线的车道线长度的一半且右边识别到的车道线到高 速路出口近端截止、左边识别到完整的车道线但右边识别到的车道线 向高速路出口近端延伸、左边识别到完整的车道线但右边识别的车道 线长度只有左边识别到的车道线长度的一半且右边识别到的车道线在 高速路出口远端截止和左边识别到完整车道线但右边识别到的车道线 向高速出口远端延伸;其中,所述识别到完整的车道线为车道线识别 正常,其它为误识别。
在一种可能的实施例中,所述当车道线的识别类别为误识别时, 分析车辆经过高速路出口时,路面状况对车辆行驶的影响类型以及影 响严重程度级别包括:当车道线的识别类型为误识别时,根据场景信 息分析车辆经过高速出口时路面状况对车辆行驶的影响类型;根据信 号信息分析路面状况对车辆的影响严重程度级别。
在一种可能的实施例中,所述当车道线的识别类型为误识别时, 根据场景信息分析车辆经过高速出口时路面状况对车辆行驶的影响类 型包括:根据对车道线误识别的时间和摄像头对路面状况拍摄的影像 数据,分析车辆经过高速出口时路面状况对车辆的影响;根据实际的 路面状况,将路面状况对车辆行驶的影响类型划分为探测车道外缘线、 探测导流线、探测减速线和探测不到车道线。
在一种可能的实施例中,所述根据信号信息分析路面状况对车辆 的影响严重程度级别包括:根据特定信号信息分析车道保持功能是否 断开,若是,则确定影响严重程度级别为第一级别;若进一步检测到 有高速路出口信号,则确定影响严重程度级别为第二级别;若进一步 检测到车辆的车身存在偏移,则确定影响严重程度级别为第三级别; 其中,第三级别的严重程度大于第二级别的严重程度,第二级别的严 重程度大于第一级别的严重程度。
在一种可能的实施例中,所述对于其它的失效场景,分析车道保 持功能异常的原因类型包括:对于其它的失效场景,根据场景信号和 视频信息,分析车道保持功能异常的原因类型;其中,所述原因类型 至少包括转向灯开启、ACC功能没有开启、车道减速线、未定义车道线、 变道、车道偏离、车道偏置不连续、车道导航角分离、横向加速度饱 和、道路上的字体、驾驶操作作过度、摄像头失效保护和车道保持关 闭。
本申请实施例的第二方面提供了一种车道保持功能失效分析系 统,包括:检测模块,用于检测车道保持功能的失效场景;识别模块, 用于当所述失效场景为车辆在高速路出口且车道保持功能异常时,对 车道线进行识别,并得到对车道线的识别类别;分析模块,用于当车 道线的识别类别为误识别时,分析车辆经过高速路出口时,路面状况 对车辆行驶的影响类型以及影响严重程度级别;还用于对于其它的失 效场景,分析车道保持功能异常的原因类型。
本申请第三方面提供了一种电子设备,包括存储器、处理器,所 述处理器用于执行存储器中存储的计算机管理类程序时实现如上述任 意一项所述的车道保持功能失效分析方法的步骤。
本申请第四方面提供了一种计算机可读存储介质,其上存储有计 算机管理类程序,所述计算机管理类程序被处理器执行时实现如上述 任意一项所述的车道保持功能失效分析方法的步骤。
从以上技术方案可以看出,本申请实施例具有以下优点:检测车 道保持功能的失效场景;当失效场景为车辆在高速路出口且车道保持 功能异常时,对车道线进行识别,并得到对车道线的识别类别;当车 道线的识别类别为误识别时,分析车辆经过高速路出口时,路面状况 对车辆行驶的影响类型以及影响严重程度级别;对于其它的失效场景, 分析车道保持功能异常的原因类。本申请实施例能够根据检测到的数 据自动化分析车道保持功能异常时,路面状况对车辆的影响以及严重 程度级别,以及分析车道保持功能异常发生的原因,相比原始的主观 判断和手动分析,节约了大量时间,且分析结果更加准确。
附图说明
图1为本申请实施例提供的一种可能的车道保持功能失效分析方 法的流程图;
图2为本申请实施例提供的一种可能的车道保持功能失效分析方 法的整体流程图;
图3为本申请实施例提供的一种可能的车道保持功能失效分析的 结构示意图;
图4为本申请实施例提供的一种可能的电子设备的硬件结构示意 图;
图5为本申请实施例提供的一种可能的计算机可读存储介质的硬 件结构示意图。
具体实施方式
本申请实施例提供了一种视图对象的显示方法及相关装置,用于 使视图对象的显示更加灵活且自动化。
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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、 “第二”、“第三”、“第四”等(如果存在)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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有” 以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一 系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列 出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、 方法、产品或设备固有的其它步骤或单元。
本申请提供了一种车道保持功能失效分析方法,请参阅图1,为本 申请实施例提供的一种车道保持功能失效分析方法的流程图,具体包 括:
101、检测车道保持功能的失效场景;102、当失效场景为车辆在 高速路出口且车道保持功能异常时,对车道线进行识别,并得到对车 道线的识别类别;103、当车道线的识别类别为误识别时,分析车辆经 过高速路出口时,路面状况对车辆行驶的影响类型以及影响严重程度 级别;104、对于其它的失效场景,分析车道保持功能异常的原因类型。
可以理解的是,基于传统的现有技术中的缺点,本申请实施例提 供一种能够根据检测的数据自动对车道保持功能失效进行分析的方 法,主要分析路面状况对车辆的影响以及影响的严重程度,和引起车 道保持功能失效的原因。主要的分析过程为,当车道保持功能失效时, 检测车道保持功能的失效场景,以便根据不同的失效场景进行分析。 本申请实施例主要分析失效场景为车辆在高速路出口且车道保持功能 异常时的情况。
当处于上述情况时,对车道线进行识别,得到车道线的识别类型, 当车道线的识别类型为误识别,即识别出车道线出现问题时,分析车 辆经过高速路出口时,路面状况对车辆行驶的影响类型以及影响严重 程度级别;以及对于其它的失效场景,分析车道保持功能异常产生的 原因类型。
本申请实施例能够根据检测到的数据自动化分析车道保持功能异 常时,路面状况对车辆的影响以及严重程度级别,以及分析车道保持 功能异常发生的原因,相比原始的主观判断和手动分析,节约了大量 时间,且分析结果更加准确。
在一种可能的实施例方式中,失效场景至少包括车道线清晰但车 道保持功能断开、出隧道时车辆保持功能断开、遇到特色车道线时车 道保持功能断开和在高速路时车道保持功能异常。
可以理解的是,车道保持功能失效时,根据问题发生的类别主要 可分为五种事件,其中事件1是车道线清晰但是车道保持功能断开的 情况,事件2是出隧道时车道保持功能断开的情况,事件3是遇到车 道保持功能断开的情况,事件4是在高速路时车道保持功能异常的情 况,事件5是其他场景下车道保持功能异常断开的情况。
其中,筛选事件4中发生在高速出口的场景,要求车辆行驶的车 道临近高速出口,且不离开高速路,将这一类场景称为HWE,其他的场 景为NO HWE。
在一种可能的实施例方式中,对车道线进行识别,并得到对车道 线的识别类型包括:根据摄像头识别的车道线和道路的实际车道线的 相对关系,确定车道线的识别类别。
可以理解的是,对处于HWE的场景进行分析时,按照摄像头识别 的车道线和实际道路的车道线的相对关系,将对车道线的识别结果进 行分析,得到车道线的识别类型。
在一种可能的实施例方式中,车道线的识别类别为六种类别,类 型编号分别是0~5。其中类别0表示左右都识别到了完整的车道线,类 别1表示只识别到了左右车道线中的一条或者没有识别到车道线,类 别2表示左边识别到了完整车道线,但是右边识别的车道线长度只有 左边的一半,且到出口近端截止,类别3表示左边识别到了完整车道 线,但是右边识别的车道线向高速出口近端延伸,类别4表示左边识 别到了完整车道线,但是右边识别的车道线长度只有左边的一半,且 到出口远端截止,类别5表示左边识别到了完整车道线,但是右边识 别的车道线向高速出口远端延伸。其中,类别0为车道线识别正常, 类别1~5为车道线误识别。
在一种可能的实施例方式中,当车道线的识别类别为误识别时, 分析车辆经过高速路出口时,路面状况对车辆行驶的影响类型以及影 响严重程度级别包括:当车道线的识别类型为误识别时,根据场景信 息分析车辆经过高速出口时路面状况对车辆行驶的影响类型;根据信 号信息分析路面状况对车辆的影响严重程度级别。
在一种可能的实施例方式中,当车道线的识别类型为误识别时, 根据场景信息分析车辆经过高速出口时路面状况对车辆行驶的影响类 型包括:根据对车道线误识别的时间和摄像头对路面状况拍摄的影像 数据,分析车辆经过高速路出口时路面状况对车辆行驶的影响;根据 实际的路面状况,将路面状况对车辆行驶的影响类型划分为探测车道 外缘线、探测导流线、探测减速线和探测不到车道线。
在一种可能的实施例方式中,根据信号信息分析路面状况对车辆 的影响严重程度级别包括:根据特定信号信息分析车道保持功能是否 断开,若是,则确定影响严重程度级别为第一级别;若进一步检测到 有高速路出口信号,则确定影响严重程度级别为第二级别;若进一步 检测到车辆的车身存在偏移,则确定影响严重程度级别为第三级别; 其中,第三级别的严重程度大于第二级别的严重程度,第二级别的严 重程度大于第一级别的严重程度。
可以理解的是,对于车道线误识别的情形,根据特定信号信息分 析车道保持功能是否断开,如果是则定义为级别1,再进行下一步判断, 判断是否有检测到高速出口信号,如果是则定义为级别2,再进行下一 步判断,判断车身的偏移,需要结合方向盘作用力和车道线偏置等信 号综合分析车辆是否对车的行驶方向有消极的影响,如果是则定义为 级别3。其中级别3影响最严重,其次是级别2,最后是级别1,结合 场景信息分析的结果得出综合研判结果,即路面状况对车辆的影响严 重程度级别,表明对车辆的影响程度。
在一种可能的实施例方式中,对于其它的失效场景,分析车道保 持功能异常的原因类型包括:对于其它的失效场景,根据场景信号和 视频信息,分析车道保持功能异常的原因类型;其中,原因类型至少 包括转向灯开启、ACC功能没有开启、车道减速线、未定义车道线、变 道、车道偏离、车道偏置不连续、车道导航角分离、横向加速度饱和、 道路上的字体、驾驶操作作过度、摄像头失效保护和车道保持关闭。
其中,需要说明的是,如果确认是开启了转向灯或者ACC功能没 有开启等正常影响车道保持功能的操作就可以确定是非失效场景,其 他的场景需要结合信号和视频,得出最终的分析结论。
参见图2,提供了一种车道保持功能失效分析方法的整体流程图, 下面集合图2,对本申请实施例提供的车道保持功能失效的整个分析过 程进行描述。
对车道保持功能的失效场景进行检测,如果为事件4,则判断是否 存在高速出口信号,若存在高速出口信号,则对车道线就行识别,得 到车道线的识别类别,总共为六种类别。其中,对于车道线识别类别 为误识别时,通过场景信息分析,将路面状况对车辆行驶的影响类型 划分为探测车道外缘线、探测导流线、探测减速线和探测不到车道。 通过信号信息分析,得到路面状况对车辆影响的严重级别。
对于其它的失效场景,通过场景和信号信息分析车道保持功能异 常的原因类型;其中,原因类型至少包括转向灯开启、ACC功能没有开 启、车道减速线、未定义车道线、变道、车道偏离、车道偏置不连续、 车道导航角分离、横向加速度饱和、道路上的字体、驾驶操作作过度、 摄像头失效保护和车道保持关闭。
本申请实施例能够根据检测到的数据自动化分析车道保持功能异常 时,路面状况对车辆的影响以及严重程度级别,以及分析车道保持功 能异常发生的原因,相比原始的主观判断和手动分析,节约了大量时 间,且分析结果更加准确。
请参阅图3,图3为本申请实施例提供的一种车道保持功能失效分 析系统的实施例示意图,其中,该系统具体包括:
检测模块301,用于检测车道保持功能的失效场景;
识别模块302,用于当所述失效场景为车辆在高速路出口且车道保 持功能异常时,对车道线进行识别,并得到对车道线的识别类别;
分析模块303,用于当车道线的识别类别为误识别时,分析车辆经 过高速路出口时,路面状况对车辆行驶的影响类型以及影响严重程度 级别;还用于对于其它的失效场景,分析车道保持功能异常的原因类 型。
可以理解的是,本申请实施例提供的车道保持功能失效分析系统 与前述各实施例提供的车道保持功能失效分析方法对应,车道保持功 能失效分析系统的相关技术特征可参考前述各实施例提供的车道保持 功能失效分析方法的相关技术特征,在此不再赘述。
请参阅图4,图4为本申请实施例提供的电子设备的实施例示意 图。如图4所示,本申请实施例提了一种电子设备,包括存储器410、 处理器420及存储在存储器420上并可在处理器420上运行的计算机 程序411,处理器420执行计算机程序411时实现以下步骤:检测车道 保持功能的失效场景;当所述失效场景为车辆在高速路出口且车道保 持功能异常时,对车道线进行识别,并得到对车道线的识别类别;当 车道线的识别类别为误识别时,分析车辆经过高速路出口时,路面状 况对车辆行驶的影响类型以及影响严重程度级别;对于其它的失效场 景,分析车道保持功能异常的原因类型。
请参阅图5,图5为本申请实施例提供的一种计算机可读存储介质 的实施例示意图。
如图5所示,本实施例提供了一种计算机可读存储介质500,其上 存储有计算机程序511,该计算机程序511被处理器执行时实现如下步 骤:检测车道保持功能的失效场景;当所述失效场景为车辆在高速路 出口且车道保持功能异常时,对车道线进行识别,并得到对车道线的 识别类别;当车道线的识别类别为误识别时,分析车辆经过高速路出 口时,路面状况对车辆行驶的影响类型以及影响严重程度级别;对于 其它的失效场景,分析车道保持功能异常的原因类型。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧 重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关 描述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系 统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全 软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请 可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存 储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施 的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机 程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实 现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框 图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算 机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处 理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方 框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据 处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算 机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现 在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指 定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设 备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生 计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提 供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多 个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦 得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所 以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的 所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不 脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于 本申请权利要求及其等同技术的范围之内,则本申请也意图包括这些 改动和变型在内。
Claims (10)
1.一种车道保持功能失效分析方法,其特征在于,包括:
检测车道保持功能的失效场景;
当所述失效场景为车辆在高速路出口且车道保持功能异常时,对车道线进行识别,得到对车道线的识别类别;
当车道线的识别类别为误识别时,分析车辆经过高速路出口时,路面状况对车辆行驶的影响类型以及影响严重程度级别;
对于其它的失效场景,分析车道保持功能异常的原因类型。
2.根据权利要求1所述的方法,其特征在于,所述失效场景至少包括车道线清晰但车道保持功能断开、出隧道时车辆保持功能断开、遇到特色车道线时车道保持功能断开和在高速路时车道保持功能异常,所述在高速路时车道保持功能异常的失效场景至少包括车辆在高速路出口且车道保持功能异常。
3.根据权利要求1所述的方法,其特征在于,所述对车道线进行识别,并得到对车道线的识别类型包括:
根据摄像头识别的车道线和道路的实际车道线的相对关系,确定车道线的识别类别。
4.根据权利要求3所述的方法,其特征在于,所述车道线的识别类别包括识别到完整的车道线、只识别到左右车道线中的一条或未识别到车道线、左边识别到了完整车道线但右边识别到的车道线的长度只有左边识别到的车道线的长度的一半且右边识别到的车道线到高速路出口近端截止、左边识别到完整的车道线但右边识别到的车道线向高速路出口近端延伸、左边识别到完整的车道线但右边识别的车道线长度只有左边识别到的车道线长度的一半且右边识别到的车道线在高速路出口远端截止和左边识别到完整车道线但右边识别到的车道线向高速出口远端延伸;
其中,所述识别到完整的车道线为车道线识别正常,其它为误识别。
5.根据权利要求3或4所述的方法,其特征在于,所述当车道线的识别类别为误识别时,分析车辆经过高速路出口时,路面状况对车辆行驶的影响类型以及影响严重程度级别包括:
当车道线的识别类型为误识别时,根据场景信息分析车辆经过高速路出口时路面状况对车辆行驶的影响类型;
根据信号信息分析路面状况对车辆的影响严重程度级别。
6.根据权利要求5所述的方法,其特征在于,所述当车道线的识别类型为误识别时,根据场景信息分析车辆经过高速出口时路面状况对车辆行驶的影响类型包括:
根据对车道线误识别的时间和摄像头对路面状况拍摄的影像数据,分析车辆经过高速出口时路面状况对车辆的影响;
根据实际的路面状况,将路面状况对车辆行驶的影响类型划分为探测车道外缘线、探测导流线、探测减速线和探测不到车道线。
7.根据权利要求5所述的方法,其特征在于,所述根据信号信息分析路面状况对车辆的影响严重程度级别包括:
根据特定信号信息分析车道保持功能是否断开,若是,则确定影响严重程度级别为第一级别;
若进一步检测到有高速路出口信号,则确定影响严重程度级别为第二级别;
若进一步检测到车辆的车身存在偏移,则确定影响严重程度级别为第三级别;
其中,第三级别的严重程度大于第二级别的严重程度,第二级别的严重程度大于第一级别的严重程度。
8.根据权利要求1或2所述的方法,其特征在于,所述对于其它的失效场景,分析车道保持功能异常的原因类型包括:
对于其它的失效场景,根据场景信号和视频信息,分析车道保持功能异常的原因类型;
其中,所述原因类型至少包括转向灯开启、ACC功能没有开启、车道减速线、未定义车道线、变道、车道偏离、车道偏置不连续、车道导航角分离、横向加速度饱和、道路上的字体、驾驶操作过度、摄像头失效保护和车道保持关闭。
9.一种车道保持功能失效分析系统,其特征在于,包括:
检测模块,用于检测车道保持功能的失效场景;
识别模块,用于当所述失效场景为车辆在高速路出口且车道保持功能异常时,对车道线进行识别,并得到对车道线的识别类别;
分析模块,用于当车道线的识别类别为误识别时,分析车辆经过高速路出口时,路面状况对车辆行驶的影响类型以及影响严重程度级别;还用于对于其它的失效场景,分析车道保持功能异常的原因类型。
10.一种电子设备,其特征在于,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-8任意一项所述的车道保持功能失效分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011151030.4A CN112329564A (zh) | 2020-10-24 | 2020-10-24 | 车道保持功能失效分析方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011151030.4A CN112329564A (zh) | 2020-10-24 | 2020-10-24 | 车道保持功能失效分析方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112329564A true CN112329564A (zh) | 2021-02-05 |
Family
ID=74311491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011151030.4A Pending CN112329564A (zh) | 2020-10-24 | 2020-10-24 | 车道保持功能失效分析方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329564A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112977444A (zh) * | 2021-02-24 | 2021-06-18 | 武汉光庭信息技术股份有限公司 | 一种车道保持高级辅助驾驶控制方法、系统及电子设备 |
CN113276853A (zh) * | 2021-05-21 | 2021-08-20 | 武汉光庭信息技术股份有限公司 | 一种失效场景下lka控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110044638A (zh) * | 2019-04-19 | 2019-07-23 | 奇瑞汽车股份有限公司 | 车道保持功能的测试方法、装置及存储介质 |
CN110562251A (zh) * | 2018-06-05 | 2019-12-13 | 广州小鹏汽车科技有限公司 | 一种自动驾驶方法及装置 |
CN110672335A (zh) * | 2019-09-16 | 2020-01-10 | 武汉光庭信息技术股份有限公司 | 一种车道保持辅助功能失效的判断方法及装置 |
CN110991215A (zh) * | 2019-07-17 | 2020-04-10 | 当家移动绿色互联网技术集团有限公司 | 车道线检测方法、装置、存储介质及电子设备 |
CN111667706A (zh) * | 2020-06-05 | 2020-09-15 | 百度在线网络技术(北京)有限公司 | 车道级路面状况识别方法、路况提示方法和装置 |
-
2020
- 2020-10-24 CN CN202011151030.4A patent/CN112329564A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110562251A (zh) * | 2018-06-05 | 2019-12-13 | 广州小鹏汽车科技有限公司 | 一种自动驾驶方法及装置 |
CN110044638A (zh) * | 2019-04-19 | 2019-07-23 | 奇瑞汽车股份有限公司 | 车道保持功能的测试方法、装置及存储介质 |
CN110991215A (zh) * | 2019-07-17 | 2020-04-10 | 当家移动绿色互联网技术集团有限公司 | 车道线检测方法、装置、存储介质及电子设备 |
CN110672335A (zh) * | 2019-09-16 | 2020-01-10 | 武汉光庭信息技术股份有限公司 | 一种车道保持辅助功能失效的判断方法及装置 |
CN111667706A (zh) * | 2020-06-05 | 2020-09-15 | 百度在线网络技术(北京)有限公司 | 车道级路面状况识别方法、路况提示方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112977444A (zh) * | 2021-02-24 | 2021-06-18 | 武汉光庭信息技术股份有限公司 | 一种车道保持高级辅助驾驶控制方法、系统及电子设备 |
CN113276853A (zh) * | 2021-05-21 | 2021-08-20 | 武汉光庭信息技术股份有限公司 | 一种失效场景下lka控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9436879B2 (en) | Method for recognizing traffic signs | |
KR102041734B1 (ko) | 딥 러닝 기반 교통 위반 단속 시스템 및 방법 | |
CN111815959B (zh) | 一种车辆违章的检测方法、装置以及计算机可读存储介质 | |
CN108470459B (zh) | 匝道限速值提示装置与方法 | |
CN112329564A (zh) | 车道保持功能失效分析方法、系统、电子设备及存储介质 | |
CN110909692A (zh) | 异常车牌识别方法、装置及计算机存储介质、电子设备 | |
CN113012436B (zh) | 道路监控方法、装置及电子设备 | |
EP3243671A1 (en) | Method and apparatus for classifying a tyre | |
KR101818542B1 (ko) | 차선 인식 신뢰도 향상 시스템 및 그 방법 | |
US11482012B2 (en) | Method for driving assistance and mobile device using the method | |
CN110969843B (zh) | 一种具抑制策略的交通标志识别报警方法 | |
CN111352414A (zh) | 用于车辆的假目标移除装置和方法及包括该装置的车辆 | |
CN113743356A (zh) | 数据的采集方法、装置和电子设备 | |
KR20210152025A (ko) | 자율주행 자동차의 퍼셉션 네트워크를 학습시키기 위한 온-비히클 액티브 러닝 방법 및 장치 | |
KR20190064147A (ko) | 공중촬영 영상을 이용한 차량 행태 분석 시스템 및 이를 이용한 분석 방법 | |
EP3287940A1 (en) | Intersection detection system for a vehicle | |
CN111800508A (zh) | 基于大数据的自动驾驶故障监测方法 | |
CN112124074B (zh) | 基于车辆周边情况实现自动控制车速方法 | |
KR20100089617A (ko) | 차선변경 위반 경고 방법 및 그 장치 | |
Bertozzi et al. | Fast vision-based road tunnel detection | |
CN112739599B (zh) | 一种车辆变道行为识别方法及装置 | |
EP3176725A1 (en) | Method and device for detecting a braking application of a vehicle | |
CN114407918B (zh) | 接管场景分析方法、装置、设备及存储介质 | |
JP2007328631A (ja) | 物体候補領域検出装置、物体候補領域検出方法、歩行者認識装置および車両制御装置 | |
EP4145399A1 (en) | Method and device for plausibilising extracted lane properties using sensor data captured by at least one sensor system installed at an automated vehicle |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |
|
RJ01 | Rejection of invention patent application after publication |