CN112739599A - 一种车辆变道行为识别方法及装置 - Google Patents
一种车辆变道行为识别方法及装置 Download PDFInfo
- Publication number
- CN112739599A CN112739599A CN202080005181.0A CN202080005181A CN112739599A CN 112739599 A CN112739599 A CN 112739599A CN 202080005181 A CN202080005181 A CN 202080005181A CN 112739599 A CN112739599 A CN 112739599A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane change
- lane
- support vector
- vector machine
- 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 270
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000006399 behavior Effects 0.000 claims abstract description 303
- 238000012706 support-vector machine Methods 0.000 claims abstract description 124
- 238000012545 processing Methods 0.000 claims description 46
- 238000010606 normalization Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 description 19
- 230000002159 abnormal effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000010191 image analysis Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—Steering systems
- B60W2510/205—Steering speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/28—Wheel speed
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
一种车辆变道行为识别方法及装置,应用于自动驾驶领域,该方法包括:首先从至少一个传感器获取车辆的至少两个车姿信号(S11),该至少两个车姿信号包括第一车姿信号和第二车姿信号;第一车姿信号为在第一时刻从所述至少一个传感器获取的信号,第二车姿信号为在第二时刻从所述至少一个传感器获取的信号;然后,通过将该至少两个车姿信号输入支持向量机模型识别车辆的第一变道行为(S12)。该车辆变道行为识别方法及装置通过传感器获取的车姿信号,实现对车辆的变道行为的识别,因此无需车辆额外配置摄像头,降低了对车辆配置的要求。并且,车姿信号不易受到外界环境的影响,提高了变道行为识别的准确性和鲁棒性。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种车辆变道行为识别方法及装置。
背景技术
高级驾驶辅助系统(advanced driving assistance system,ADAS)是一种利用安装在车辆上的各种传感器,在车辆行驶过程中感应周围环境,并通过运算分析,对可能发生的危险进行识别和预测的系统。ADAS系统能够增加车辆的安全性,因此支持自动化驾驶的车辆中通常安装有ADAS。
ADAS在应用过程中,往往需要对车辆的变道行为进行识别。目前,ADAS在识别车辆的变道行为时,通常需要车辆中安装有摄像头,所述摄像头用于拍摄道路图像。所述ADAS在获取所述摄像头拍摄的道路图像之后,对道路图像进行图像分析,确定车辆与车道线的位置参数(例如航向角、侧向位移和侧向速度等),再通过所述位置参数确定车辆是否出现变道行为。
通过现有技术识别车辆的变道行为时,需要车辆额外配置摄像头,对车辆配置的要求较高。并且,在现有技术的方案中,对道路图像进行图像分析的准确性较易受到外界环境的影响,会降低变道行为识别的准确性。
发明内容
为了解决通过现有技术识别车辆的变道行为时,需要车辆额外配置摄像头,对车辆要求较高,以及容易受到外界环境的影响,导致变道行为识别准确性低的问题,本申请实施例提供一种车辆变道行为识别方法及装置。
第一方面,本申请实施例提供一种车辆变道行为识别方法,包括:
从至少一个传感器获取车辆的至少两个车姿信号,所述至少两个车姿信号包括第一车姿信号和第二车姿信号;
所述第一车姿信号为在第一时刻从所述至少一个传感器获取的信号,所述第二车姿信号为在第二时刻从所述至少一个传感器获取的信号;
通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为。
在通过本申请实施例的方案对车辆的变道行为进行识别时,依靠的是通过传感器获取的车姿信号,而并非摄像头拍摄的道路图像。因此,无需车辆额外配置摄像头,降低了对车辆配置的要求。
另外,本申请实施例提供的方案通过车姿信号对车辆的变道行为进行识别,无需对道路图像进行图像分析,并且与道路图像相比,车姿信号不易受到外界环境的影响,能够提高变道行为识别的准确性。相应的,提高了车辆变道行为识别的鲁棒性。
一种可选的设计中,所述传感器包括:方向盘转角传感器、惯导传感器或轮速传感器中的至少一个;
所述车姿信号包括:方向盘转角、方向盘转角速度、横摆角速度、侧向加速度或车辆速度中的至少一种。
方向盘转角传感器、惯导传感器和轮速传感器均为车辆中常用的传感器,通常在车辆出厂时,这几种传感器已经安装在车辆中,也就是说,本申请实施例提供的方案利用的是车辆已经安装的传感器,无需对车辆进行改装。因此,本申请实施例提供的方案较易实施,应用范围较为广泛,实用性较强。
一种可选的设计中,所述通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为,包括:
根据所述支持向量机模型的一个输出结果,确定所述车辆的第一变道行为;
或者,
根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为。
其中,确定所述支持向量机模型的一个输出结果为车辆的第一变道行为,这一变道识别方式的计算量较小,识别车辆变道行为的效率较高。
另外,根据所述支持向量机模型的至少两个输出结果确定车辆的第一变道行为,能够减少异常的输出结果对变道行为识别的影响,提高变道行为识别的准确性。
一种可选的设计中,所述根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为,包括:
当所述支持向量机模型的连续n个输出结果均为第一目标变道行为时,确定所述第一目标变道行为为所述车辆的第一变道行为,所述n为大于或者等于2的正整数;
或者,
当所述支持向量机模型的连续t个输出结果中,至少w个输出结果均为第二目标变道行为时,确定所述第二目标变道行为为所述车辆的第一变道行为,所述w为大于或者等于2的正整数,t为大于w的正整数。
一种可选的设计中,所述支持向量机模型通过对不同的车辆行驶环境下,所述车辆发生变道行为时的车姿信号和所述变道行为进行的训练确定,所述不同的车辆行驶环境包括:不同的车辆行驶道路、不同的交通流密度、不同的行驶风格或不同的行驶车速中的至少一种。
支持向量机模型通过不同车辆行驶环境下的车姿信号和变道行为训练确定,因此,所述支持向量机模型能够识别不同车辆行驶环境下的变道行为,应用较为广泛。
一种可选的设计中,还包括:
对所述至少两个车姿信号进行归一化处理,将归一化处理后的至少两个车姿信号输入所述支持向量机模型。
通过对所述至少两个车姿信号的归一化处理,能够提高支持向量机模型处理车姿信号的准确性,进一步提高车道行为识别的准确性。
一种可选的设计中,所述车辆的第一变道行为包括:未变道、左变道、右变道、左转弯、右转弯或调头中的至少一种。
第二方面,本申请实施例提供一种车辆变道行为识别装置,包括:
收发单元,用于从至少一个传感器获取车辆的至少两个车姿信号,所述至少两个车姿信号包括第一车姿信号和第二车姿信号;
所述第一车姿信号为在第一时刻从所述至少一个传感器获取的信号,所述第二车姿信号为在第二时刻从所述至少一个传感器获取的信号;
处理单元,用于通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为。
一种可选的设计中,所述传感器包括:方向盘转角传感器、惯导传感器或轮速传感器中的至少一个;
所述车姿信号包括:方向盘转角、方向盘转角速度、横摆角速度、侧向加速度或车辆速度中的至少一种。
一种可选的设计中,所述处理单元具体用于,根据所述支持向量机模型的一个输出结果,确定所述车辆的第一变道行为;
或者,
所述处理单元具体用于,根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为。
一种可选的设计中,当所述支持向量机模型的连续n个输出结果均为第一目标变道行为时,所述处理单元具体用于,确定所述第一目标变道行为为所述车辆的第一变道行为,所述n为大于或者等于2的正整数;
或者,
当所述支持向量机模型的连续t个输出结果中,至少w个输出结果均为第二目标变道行为时,所述处理单元具体用于,确定所述第二目标变道行为为所述车辆的第一变道行为,所述w为大于或者等于2的正整数,t为大于w的正整数。
一种可选的设计中,所述支持向量机模型通过对不同的车辆行驶环境下,所述车辆发生变道行为时的车姿信号和所述变道行为进行的训练确定,所述不同的车辆行驶环境包括:不同的车辆行驶道路、不同的交通流密度、不同的行驶风格或不同的行驶车速中的至少一种。
一种可选的设计中,所述处理单元还用于,对所述至少两个车姿信号进行归一化处理,将归一化处理后的至少两个车姿信号输入所述支持向量机模型。
一种可选的设计中,所述车辆的第一变道行为包括:未变道、左变道、右变道、左转弯、右转弯或调头中的至少一种。
第三方面,本申请实施例提供一种终端装置,所述终端装置包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述存储器中存储的计算机程序,以使所述终端装置执行如第一方面所述的方法。
第四方面,本申请实施例提供一种终端装置,包括:处理器和接口电路;
所述接口电路,用于接收代码指令并传输至所述处理器;
所述处理器用于运行所述代码指令以执行如第一方面所述的方法。
第五方面,本申请实施例提供一种可读存储介质,所述可读存储介质用于存储指令,当所述指令被执行时,实现如第一方面所述的方法。
第六方面,本申请实施例提供一种包含指令的计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述电子设备可实施第一方面对应的实施例中的全部或部分步骤。
在本申请实施例提供的方法中,根据车辆内安装的传感器获取车辆的车姿信号,然后根据车姿信号以及用于识别车辆的变道行为的支持向量机模型,确定所述车辆的变道行为。其中,所述车姿信号通过车辆本身安装的传感器获取,因此,无需在所述车辆中额外安装摄像头,降低了对车辆配置的要求。
另外,本申请实施例提供的方案通过车姿信号对车辆的变道行为进行识别,无需对道路图像进行图像分析,并且与道路图像相比,车姿信号不易受到外界环境的影响,相应的,本申请的识别结果不易受到外界环境的影响,因此与现有技术相比,本申请实施例提供的方案能够提高变道行为识别的准确性。
进一步的,在现有技术中,每次在对变道行为识别的过程中,都需要对道路图像进行图像分析,而图像分析往往需要进行大量计算,从而导致每次变道行为的识别的计算量都较大。而在本申请实施例中,可预先通过车姿信号的训练,获取支持向量机模型,之后每次变道行为识别的过程中,无需再重复获取支持向量机模型,而是将通过传感器获取的车姿信号输入预先获取的支持向量机模型即可。因此,与现有技术的方案相比,本申请的方案计算量较小,相应的,提高了识别车辆变道行为的效率,保障了车辆变道行为识别的实时性。
附图说明
图1为本申请实施例提供的一种车辆变道行为识别方法的工作流程示意图;
图2(a)为一种直道左变道的场景示意图;
图2(b)为一种弯道左变道的场景示意图;
图3(a)为一种直道右变道的场景示意图;
图3(b)为一种弯道右变道的场景示意图;
图4(a)为一种左转弯的场景示意图;
图4(b)为一种右转弯的场景示意图;
图5为一种调头的场景示意图;
图6为本申请实施例提供的一种车辆变道行为识别方法中,确定车辆的第一变道行为的示意图;
图7为本申请实施例提供的一种车辆变道行为识别方法中,又一种确定车辆的第一变道行为的示意图;
图8为本申请实施例提供的一种车辆变道行为识别装置的结构示意图;
图9为本申请实施例提供的一种终端装置的结构示意图;
图10为本申请实施例提供的又一种终端装置的结构示意图。
具体实施方式
本申请说明书和权利要求书及附图说明中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而不是用于限定特定顺序。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了下述各实施例的描述清楚简洁,首先给出相关技术的简要介绍:
随着高级驾驶辅助系统(advanced driving assistance system,ADAS)的发展,自动驾驶领域中的各种智能控制系统需要对车辆进行变道的行为作出合理判断,准确并且及时识别出车辆的变道行为,以便对车辆的行驶行为作出控制。
如果未能正确识别车辆的变道行为,往往导致ADAS系统无法正确控制车辆的行驶行为,严重时甚至会引发交通事故。
目前现有技术中通常采用的变道行为识别方法中,需要在车辆中配置一个摄像头。该摄像头用于拍摄道路图像,该道路图像中包括车辆行驶的道路上的车道线等,通过对该道路图像进行图像处理,确定该车辆的相关位置参数,例如航向角、侧向位移和侧向速度等,根据位置参数的变化情况,确定车辆是否出现变道行为。
但是,这种情况下,就需要车辆必须额外配置摄像头,对车辆配置的要求较高。
进一步的,现有技术通过对道路图像的图像处理,确定车辆是否出现变道行为。而道路图像的准确度较易受到外界环境的影响。当车道线不清晰时,或者,当车辆行驶在夜间或者隧道等光线较暗的环境时,摄像头拍摄的道路图像往往清晰度较差。而道路图像的清晰度差会影响对道路图像进行图像分析的准确性,即现有技术对道路图像进行图像分析的准确性较易受到外界环境的影响,相应的,会降低对变道行为识别的准确性。
另外,现有技术在对变道行为进行识别时,需要对道路图像进行图像处理,以便获取相应的道路参数。但是,对道路图像进行图像处理的过程往往需要进行大量计算,从而导致每次变道行为的识别的计算量都较大。进一步的,较大的计算量会减慢变道行为识别的速度,导致现有技术的变道行为识别方法实时性较差。
为了解决上述技术问题,本申请实施例提供一种车辆变道行为识别方法及装置。
其中,本申请实施例所提供的车辆变道行为识别方法,通常应用于车辆变道行为识别装置。该车辆变道行为识别装置通常安装在用于进行车道识别的车辆中,该车辆可支持自动化驾驶功能,从而在车辆进行自动化驾驶的过程中,依据本申请实施例所提供的方案实现车辆变道行为的识别。
另外,在该车辆中通常设置有可获取车姿信号的传感器,所述传感器通常包括方向盘转角传感器、惯导传感器或轮速传感器中的至少一个,不同传感器可用于探测车辆的不同的车姿信号。例如,所述方向盘转角传感器可获取方向盘转角和方向盘转角速度等车姿信号;所述惯导传感器可获取横摆角速度和侧向加速度等车姿信号;所述轮速传感器可获取车速等车姿信号。
其中,方向盘转角传感器、惯导传感器或轮速传感器均为车辆中常用的传感器,通常在车辆出厂时,这几种传感器已经安装在车辆中,从而无需对车辆进行改装,而是应用车辆中已经安装的传感器即可。
所述车辆变道行为识别装置中通常内置有处理器,在进行车辆的变道行为识别的过程中,该处理器可根据所述传感器探测到的车姿信号,对车辆的变道行为进行识别。当该车辆变道行为识别装置安装在车辆中时,该车辆变道行为识别装置可为该车辆的车载处理器。
其中,在本申请实施例中,所述传感器可设置在车辆变道行为识别装置中,并与所述车辆变道行为识别装置中的处理器相连接。
或者,所述车辆变道行为识别装置可以为传感器的一部分,即所述车辆变道行为识别装置设置在所述传感器中,这种情况下,所述传感器在探测到车姿信号之后,所述车辆变道行为识别装置在基于所述车姿信号进行变道行为的识别。
这种设计中,当通过两种以上的传感器进行车辆的变道行为识别时,例如同时应用方向盘转角传感器和惯导传感器时,所述车辆变道行为识别装置可设置在其中一个传感器内,其他传感器与该传感器相连接,并将探测到的车姿信号传输至该传感器,以便所述车辆变道行为识别装置依据各个传感器探测到的车姿信号实行变道行为的识别。
进一步的,在本申请实施例中,所述传感器还可以为独立于所述车辆变道行为识别装置的器件,这种情况下,所述车辆变道行为识别装置与所述传感器之间,可通过车辆的控制器局域网(controller area network,CAN)总线相连接。在探测到车姿信号之后,所述传感器可通过CAN总线向所述处理器传输车姿信号,以便所述处理器基于接收到的车姿信号,依据本申请实施例提供的方案识别车辆的变道行为。
以下结合具体的附图和工作流程,对本申请实施例提供的车辆变道行为识别方法进行介绍。
参见图1所示的工作流程示意图,本申请实施例提供的车辆变道行为识别方法包括以下步骤:
步骤S11、从至少一个传感器获取车辆的至少两个车姿信号,所述至少两个车姿信号包括第一车姿信号和第二车姿信号。
其中,所述第一车姿信号为在第一时刻从所述至少一个传感器获取的信号,所述第二车姿信号为在第二时刻从所述至少一个传感器获取的信号
在车辆中安装有传感器,传感器可周期性测量车姿信号。在本申请实施例中,可获取同一个传感器在不同时刻测量到的车姿信号,以便进行车辆变道行为的识别。其中,所述传感器包括:方向盘转角传感器、惯导传感器或轮速传感器中的至少一个。所述车姿信号包括:方向盘转角、方向盘转角速度、横摆角速度、侧向加速度或车辆速度中的至少一种。
当所述至少一个传感器包括方向盘转角传感器时,所述至少两个车姿信号包括分别在第一时刻和第二时刻获取的方向盘转角,和/或分别在第一时刻和第二时刻获取的方向盘转角速度。当所述至少一个传感器包括惯导传感器时,所述至少两个车姿信号包括分别在第一时刻和第二时刻获取的横摆角速度,和/或分别在第一时刻和第二时刻获取的侧向加速度。当所述至少一个传感器包括轮速传感器时,所述至少两个车姿信号包括分别在第一时刻和第二时刻获取的车辆速度。
步骤S12、通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为。
其中,所述支持向量机模型用于识别车辆的变道行为。在将所述至少两个车姿信号输入支持向量机模型之后,所述支持向量机模型会输出识别结果,在本申请实施例中,通过所述支持向量机模型输出的识别结果,确定所述车辆的第一变道行为。
在本申请实施例所提供的方案对车辆变道行为进行识别时,首先从至少一个传感器获取车辆的至少两个车姿信号,然后将所述至少两个车姿信号输入支持向量机模型,根据所述支持向量机模型的输出结果,识别车辆的第一变道行为。
通过上述对本申请实施例提供的方案可知,在通过本申请实施例的方案对车辆的变道行为进行识别时,依靠的是通过传感器获取的车姿信号,而并非摄像头拍摄的道路图像。因此,无需车辆额外配置摄像头,与现有技术相比,本申请实施例的方案降低了对车辆配置的要求。
另外,本申请实施例提供的方案通过车姿信号对车辆的变道行为进行识别,无需对道路图像进行图像分析,并且与道路图像相比,车姿信号不易受到外界环境的影响,因此与现有技术相比,本申请实施例提供的方案能够提高变道行为识别的准确性。相应的,由于本申请实施例的识别结果不易受到外界环境的影响,提高了车辆变道行为识别的鲁棒性。
进一步的,在现有技术中,每次在对变道行为识别的过程中,都需要对道路图像进行图像分析,而图像分析往往需要进行大量计算,从而导致每次变道行为的识别的计算量都较大。
而在本申请实施例中,将车姿信号输入支持向量机模型,通过支持向量机模型识别车辆的第一变道行为,而支持向量机模型可预先通过对车姿信号的训练获取,之后每次变道行为识别的过程中,直接运用已经确定的支持向量机模型即可,无需再重复获取支持向量机模型。因此,与现有技术的方案相比,本申请实施例提供的方案计算量较小,并且本申请对进行车辆变道行为识别的装置的计算能力要求较低,相应的,本申请实施例提供的车辆变道行为识别方法的适用范围更广泛。例如,本申请实施例提供的车辆变道行为识别方法可应用于单片机中。
并且,由于本申请实施例提供的方案计算量较小,因此,与现有技术相比,本申请实施例提供的方案能够较快识别车辆的变道行为,即提高了识别车辆变道行为的效率,保障了车辆变道行为识别的实时性。
在本申请实施例中,将至少两个车姿信号输入支持向量机模型,以便通过所述至少两个车姿信号识别车辆的变道行为。而所述至少两个车姿信号在不同的时刻获取。也就是说,本申请实施例通过一个时间段内获取到的至少两个车姿信号对车辆的变道行为进行识别。该时间段的长度可根据识别精度的需求进行设定。当对识别精度的要求较高时,可适当延长所述时间段的长度,从而能够通过较多数量的车姿信号识别车辆的变道行为,当对识别精度的要求较低时,可适当缩短所述时间段的长度,从而能够提高变道行为识别的效率。
另外,在本申请实施例提供的方案中,通过从至少一个传感器获取到的至少两个车姿信号识别车辆变道行为,其中,所述传感器包括:方向盘转角传感器、惯导传感器或轮速传感器中的至少一个。由于方向盘转角传感器、惯导传感器和轮速传感器均为车辆中常用的传感器,通常在车辆出厂时,这几种传感器已经安装在车辆中,也就是说,本申请实施例提供的方案利用的是车辆已经安装的传感器,无需对车辆进行改装。因此,本申请实施例提供的方案较易实施,应用范围较为广泛,实用性较强。
通过本申请实施例提供的方案,能够识别车辆的变道行为。车辆的变道行为通常包括:未变道、左变道、右变道、左转弯、右转弯或调头等。通过本申请实施例的方案,能够识别车辆的第一变道行为,所述车辆的第一变道行为包括:未变道、左变道、右变道、左转弯、右转弯或调头中的至少一种。
其中,根据车辆行驶路线的不同,左变道通常包括直道左变道和弯道左变道。参见图2(a)所示的示意图,当车辆在直道中运行,并发生左变道时,则车辆的变道行为直道左变道;参见图2(b)所示的示意图,当车辆在弯道中行驶,并发生左变道时,则车辆的变道行为弯道左变道。
相应的,根据车辆行驶路线的不同,右变道通常包括直道右变道和弯道右变道。参见图3(a)所示的示意图,当车辆在直道中运行,并发生右变道时,则车辆的变道行为直道右变道;参见图3(b)所示的示意图,当车辆在弯道中行驶,并发生右变道时,则车辆的变道行为弯道右变道。
车辆在行驶至路口时,往往还会发生转弯,根据转弯的方向,可包括左转弯和右转弯。参见图4(a)所示的示意图,当车辆向左转弯时,则车辆的变道行为为左转弯;参见图4(b)所示的示意图,当车辆向右转弯时,则车辆的变道行为为右转弯。
另外,车辆在行驶过程中,有时还会发生调头。其中,当车辆的变道行为为调头时,车辆行驶的示意图可如图5所示。
本申请实施例的方案能够识别多种类型的变道行为,适用于多种复杂道路(例如直道、弯道或路口),满足车辆驾驶人员在多种驾驶场景下的变道行为识别的需求。
在步骤S12中,提供了通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为的操作。其中,所述支持向量机模型在获取输入的至少两个车姿信号之后,会输出结果,所述支持向量机模型的每一个输出结果,对应一种变道行为。示例性的,所述支持向量机模型可每隔一个周期,就输出一个结果。在本申请实施例中,根据支持向量机模型的输出结果,确定所述第一变道行为。
其中,在一种可行的实现方式中,所述通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为,包括:
根据所述支持向量机模型的一个输出结果,确定所述车辆的第一变道行为。
在这一实现方式中,将所述支持向量机模型的输出结果直接作为车辆的第一变道行为,这一实现方式的计算量较小,识别车辆变道行为的效率较高。
或者,在另外一种可行的实现方式中,所述通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为,包括:
根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为。
支持向量机模型的输出结果有时出出现异常的识别结果。例如,在车辆行驶过程中,驾驶人员有时会修正方向盘,这种情况下,支持向量机模型的输出结果可能出现异常。
在上述实现方式中,根据所述支持向量机模型的至少两个输出结果确定车辆的第一变道行为,能够减少异常的输出结果对变道行为识别的影响,提高变道行为识别的准确性。
在本申请实施例中,当根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为时,可采用以下步骤:
当所述支持向量机模型的连续n个输出结果均为第一目标变道行为时,确定所述第一目标变道行为为所述车辆的第一变道行为,所述n为大于或者等于2的正整数。
在本申请实施例中,如果所述支持向量机模型连续n个输出结果相同,则表明这连续的n个输出结果中存在异常的输出结果的可能性较小,这种情况下,确定所述连续n个输出结果为车辆的第一变道行为,能够提高车辆变道行为识别的准确性。
另外,本申请实施例的方案能够识别多种类型的变道行为,这种情况下,针对不同的第一目标变道行为,n的取值可以相同,也可以不同。
示例性的,参见图6所示的示意图,所述车辆处于未变道状态,即车辆保持直道线路行驶,之后的一段时间内,所述支持向量机模型连续n1个输出结果均为左变道,则可确定所述车辆出现左变道的变道行为,即车辆的第一变道行为为左变道,n1为大于或者等于2的正整数。
另外,所述车辆处于未变道状态,即车辆保持直道线路行驶,之后一段时间内,所述支持向量机模型连续n2个输出结果均为右变道,即车辆的第一变道行为为右变道,则可确定所述车辆出现右变道的变道行为,n2为大于或者等于2的正整数。
或者,所述车辆处于左变道状态,之后的一段时间内,所述支持向量机模型连续输出的n3个输出结果均为右变道,即车辆的第一变道行为为右变道,则表明所述车辆出现右变道的变道行为,n3为大于或者等于2的正整数。
如果所述车辆处于右变道状态,之后的一段时间内,所述支持向量机模型连续输出的n4个输出结果均为左变道,即车辆的第一变道行为为左变道,则表明所述车辆出现左变道的变道行为,n4为大于或者等于2的正整数。
或者,所述车辆处于左变道状态,之后的一段时间内,所述支持向量机模型连续输出的n5个输出结果均为未变道,即车辆的第一变道行为为未变道,则表明所述车辆出现未变道的变道行为,n5为大于或者等于2的正整数。
如果所述车辆处于右变道状态,之后的一段时间内,所述支持向量机模型连续输出的n6个输出结果均为未变道,即车辆的第一变道行为为未变道,则表明所述车辆出现未变道的变道行为,n6为大于或者等于2的正整数。
其中,n1、n2、n3、n4、n5和n6可以为相同的数值,也可以为不同的数值,本申请对此不做限定。
另外,根据对识别准确性的需求,还可对n1、n2、n3、n4、n5和n6的具体数值进行调整。通常情况下,当对车辆变道行为识别的准确性要求较高时,可将n1、n2、n3、n4、n5和n6调整为较大的数值;当对车辆变道行为识别的准确性要求较低时,可将n1、n2、n3、n4、n5和n6调整为较小的数值。
或者,在另一种可行的设计中,所述根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为,包括以下步骤:
当所述支持向量机模型的连续t个输出结果中,至少w个输出结果均为第二目标变道行为时,确定所述第二目标变道行为为所述车辆的第一变道行为,所述w为大于或者等于2的正整数,t为大于w的正整数。
在本申请实施例中,如果所述支持向量机模型的连续t个输出结果中,至少w个输出结果均相同,则表明所述至少w个输出结果中存在异常的输出结果的可能性较小,而在所述t个输出结果中,与所述至少w个输出结果不同的输出结果往往为异常的输出结果。这种情况下,确定所述至少w个输出结果对应的第二目标变道行为为所述车辆的第一变道行为,从而能够减少异常的输出结果对变道行为识别的影响,提高车辆变道行为识别的准确性。
另外,本申请实施例的方案能够识别多种类型的变道行为,这种情况下,针对不同的第二目标变道行为,w的取值可以相同,也可以不同,相应的,不同的第二目标变道行为针对的t的取值可以相同,也可以不同。
示例性的,所述车辆处于未变道状态,即车辆保持直道线路行驶,之后的一段时间内,所述支持向量机模型连续t1个输出结果中,存在至少w1个输出结果均为左变道,则可确定所述车辆出现左变道的变道行为,即车辆的第一变道行为为左变道,其中,w1为大于或者等于2的正整数,t1为大于w1的正整数。
或者,所述车辆处于未变道状态之后一段时间内,所述支持向量机模型连续t2个输出结果中,存在至少w2个输出结果均为右变道,则可确定所述车辆出现右变道的变道行为,即车辆的第一变道行为为右变道,其中,w2为大于或者等于2的正整数,t2为大于w2的正整数。
另外,所述车辆处于左变道状态,之后的一段时间内,所述支持向量机模型连续输出的t3个输出结果中,至少w3个输出结果均为右变道,则表明所述车辆出现右变道的变道行为,即车辆的第一变道行为为右变道,其中,w 3为大于或者等于2的正整数,t3为大于w3的正整数。
如果所述车辆处于右变道状态,之后的一段时间内,所述支持向量机模型连续输出的t4个输出结果中,至少w4个输出结果均为左变道,则表明所述车辆出现左变道的变道行为,即车辆的第一变道行为为左变道,其中,w4为大于或者等于2的正整数,t4为大于w4的正整数。
或者,所述车辆处于左变道状态,之后的一段时间内,所述支持向量机模型连续输出的t5个输出结果中,至少w5个输出结果均为未变道,则表明所述车辆出现未变道的变道行为,即车辆的第一变道行为为未变道,其中,w5为大于或者等于2的正整数,t5为大于w5的正整数。
如果所述车辆处于右变道状态,之后的一段时间内,所述支持向量机模型连续输出的t6个输出结果中,至少w6个输出结果均为未变道,则表明所述车辆出现未变道的变道行为,即车辆的第一变道行为为未变道,其中,w6为大于或者等于2的正整数,t6为大于w6的正整数。
在上述示例中,t1、t2、t3、t4、t5和t6可以为相同的数值,也可以为不同的数值,相应的,w1、w2、w3、w4、w5和w6可以为相同的数值,也可以为不同的数值,本申请对此不做限定。
另外,根据对识别准确性的需求,还可对t1、t2、t3、t4、t5和t6,以及w1、w2、w3、w4、w5和w6的具体数值进行调整。通常情况下,当对车辆变道行为识别的准确性要求较高时,可通过对t1、t2、t3、t4、t5和t6,以及w1、w2、w3、w4、w5和w6的调整,将w1/t1、w2/t2、w3/t3、w4/t4、w5/t5和w6/t6调整为较大的数值;当对车辆变道行为识别的准确性要求较低时,可将w1/t1、w2/t2、w3/t3、w4/t4、w5/t5和w6/t6调整为较小的数值。
进一步的,为了明确上述确定车辆的第一变道行为的方式的优势,本申请实施例还提供了图7。在图7所示的示意图中,横轴表示时间,单位为秒(s),纵轴用于表示变道行为,其中,纵轴数值为0时,表示的变道行为为未变道,纵轴数值为1时,表示的变道行为为左变道,纵轴数值为-1时,表示的变道行为为右变道。另外,在图7中包括三条线段,其中的虚线表示支持向量机模型的输出结果,较粗的直线表示车辆实际的变道行为,而较细的直线表示通过本申请实施例上述提供的确定车辆的第一变道行为的方式,所确定的第一变道行为,即本申请实施例在滤除异常的输出结果之后,所确定的变道行为。
参见图7中的虚线可知,所述支持向量机模型在1至2秒的输出结果均为右变道,在2.1秒至2.2秒之间的输出结果为左变道,在2.2秒至3.4秒的输出结果均为右变道,在3.5秒的输出结果为左变道,并在3.5秒至4.5秒之间的输出结果均为右变道。这种情况下,可确定所述支持向量机模型在2.1秒至2.2秒之间,以及在3.5秒的输出结果为异常的输出结果。
将图7中所述支持向量机模型的输出结果、通过本申请实施例提供的方案所识别的变道行为,以及车辆实际的变道行为相比,可知所述支持向量机模型的输出结果中包括两次异常的输出结果,而本申请实施例的方案能够滤除该异常的输出结果,通过本申请实施例的方案所确定的变道行为更贴近车辆实际的变道行为,准确性更高。
在本申请实施例中,通过支持向量机模型的输出结果确定车辆的变道行为。其中,所述支持向量机模型可预先通过训练的方式确定。
在一种可行的设计中,所述支持向量机模型通过对不同的车辆行驶环境下,所述车辆发生变道行为时的车姿信号和所述变道行为进行的训练确定,所述不同的车辆行驶环境包括:不同的车辆行驶道路、不同的交通流密度、不同的行驶风格或不同的行驶车速中的至少一种。
其中,所述不同的车辆行驶道路通常包括:直道、弯道和十字路口中的至少两种。在本申请实施例中,可通过车辆在不同的车辆行驶道路中行驶时,车辆发生变道行为时的车姿信号和所述变道行为进行的训练,以使训练得到的支持向量机模型能够识别不同的车辆行驶道路下的变道行为。
交通流密度又称车流密度,通常指的是在单位长度(通常为1km)路段上,一个车道或一个方向上某一瞬时的车辆数,用于表示在一条道路上车辆的密集程度。在本申请实施例中,可通过车辆在不同的交通流密度中行驶时,车辆发生变道行为时的车姿信号和所述变道行为进行的训练,以使训练得到的支持向量机模型能够识别不同的交通流密度下的变道行为。
不同驾驶人员在驾驶车辆时,车辆的行驶风格往往不同。例如,驾驶经验较为丰富的驾驶人员在驾驶车辆时,车辆的行驶风格往往较为稳重,车辆行驶较为平稳,加速感和减速感不明显;而驾驶经验不丰富的驾驶人员在驾驶车辆时,车辆的行驶风格通常较为谨慎,车速较缓。在本申请实施例中,可通过车辆在不同的行驶风格下行驶时,车辆发生变道行为时的车姿信号和所述变道行为进行的训练,以使训练得到的支持向量机模型能够识别不同的行驶风格下的变道行为。
另外,车辆在行驶过程中的行驶车速往往会发生变化,在本申请实施例中,可通过车辆在不同的行驶车速下行驶时,车辆发生变道行为时的车姿信号和所述变道行为进行的训练,以使训练得到的支持向量机模型能够识别不同的行驶车速下的变道行为。
在本申请实施例中,在不同的车辆行驶环境下进行实验,获取不同的车辆行驶环境下,车辆发生各种变道行为时的车姿信号,所述车姿信号作为试验数据,按照一定比例划分为训练集和测试集,并通过机器学习的方式进行训练,获取所述支持向量机模型。
由于本申请实施例所应用的支持向量机模型通过不同车辆行驶环境下的车姿信号和变道行为训练确定,因此,所述支持向量机模型能够识别不同车辆行驶环境下的变道行为,应用较为广泛。
进一步的,在本申请实施例中,还包括以下步骤:
对所述至少两个车姿信号进行归一化处理,将归一化处理后的至少两个车姿信号输入所述支持向量机模型。
这种情况下,输入至支持向量机模型的至少两个车姿信号为经过归一化处理的车姿信号。通过对所述至少两个车姿信号的归一化处理,能够提高支持向量机模型处理车姿信号的准确性,进一步提高车道行为识别的准确性。
进一步的,为了提高车道行为识别的准确性,本申请实施例还可提供以下步骤:
在获取所述车姿信号之后,剔除所述车姿信号中的异常信号;
当剔除所述异常信号之后剩余的车姿信号包括两种以上,且获取不同种类的车姿信号的频率不同时,对所述不同种类的车姿信号进行插值处理,插值处理后的所述不同种类的车姿信号的频率相同。
这种情况下,再对插值处理之后的车姿信号进行归一化处理,并将归一化处理之后的车姿信号输入所述支持向量机模型。
其中,所述异常信号通常为所述车姿信号中出现突变的信号。示例性的,可设置一个突变阈值,当某一个车姿信号与获取的上一个车姿信号的差值大于该突变阈值时,则确定该车姿信号为出现突变的信号,即该车姿信号为异常信号。
通过剔除所述异常信号,能够进一步提高变道行为识别的准确性。
另外,不同的传感器的检测频率可能不同,从而导致不同传感器获取到的不同种类的车姿信号的频率不同。针对这一情况,对于剔除所述异常信号之后,剩余的车姿信号可进行插值处理,插值处理后的所述不同种类的车姿信号的频率相同,从而使车姿信号保持同步,以便进一步提高变道行为识别的准确性。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
与上述方法实施例相对应的,本申请实施例公开一种车辆变道行为识别装置。参见图8所示的结构示意图,所述车辆变道行为识别装置包括:处理单元110与收发单元120。
其中,所述收发单元120,用于从至少一个传感器获取车辆的至少两个车姿信号,所述至少两个车姿信号包括第一车姿信号和第二车姿信号;
所述第一车姿信号为在第一时刻从所述至少一个传感器获取的信号,所述第二车姿信号为在第二时刻从所述至少一个传感器获取的信号;
所述处理单元110,用于通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为。
其中,所述支持向量机模型用于识别车辆的变道行为。在将所述至少两个车姿信号输入支持向量机模型之后,所述支持向量机模型会输出识别结果,在本申请实施例中,通过所述支持向量机模型输出的识别结果,确定所述车辆的第一变道行为。
通过本申请实施例的方案对车辆的变道行为进行识别时,依靠的是通过传感器获取的车姿信号,而并非摄像头拍摄的道路图像。因此,无需车辆额外配置摄像头,与现有技术相比,本申请实施例的方案降低了对车辆配置的要求。
进一步的,本申请实施例提供的方案通过车姿信号对车辆的变道行为进行识别,无需对道路图像进行图像分析,并且与道路图像相比,车姿信号不易受到外界环境的影响,因此与现有技术相比,本申请实施例提供的方案能够提高变道行为识别的准确性。相应的,由于本申请实施例的识别结果不易受到外界环境的影响,提高了车辆变道行为识别的鲁棒性。
并且,本申请实施例的装置中,通过支持向量机模型识别车辆的第一变道行为,而支持向量机模型可预先通过对车姿信号的训练获取,之后每次变道行为识别的过程中,直接运用已经确定的支持向量机模型即可,无需再重复获取支持向量机模型。因此,与现有技术的方案相比,本申请实施例提供的方案计算量较小。
在本申请实施例提供的方案中,通过从至少一个传感器获取到的至少两个车姿信号实现车辆变道行为,其中,所述传感器包括:方向盘转角传感器、惯导传感器或轮速传感器中的至少一个。
相应的,所述车姿信号包括:方向盘转角、方向盘转角速度、横摆角速度、侧向加速度或车辆速度中的至少一种。
进一步的,在本申请实施例提供的车辆变道行为识别装置中,所述处理单元具体用于,根据所述支持向量机模型的一个输出结果,确定所述车辆的第一变道行为;
或者,所述处理单元具体用于,根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为。
其中,在本申请实施例提供的车辆变道行为识别装置中,当所述支持向量机模型的连续n个输出结果均为第一目标变道行为时,所述处理单元具体用于,确定所述第一目标变道行为为所述车辆的第一变道行为,所述n为大于或者等于2的正整数;
或者,当所述支持向量机模型的连续t个输出结果中,至少w个输出结果均为第二目标变道行为时,所述处理单元具体用于,确定所述第二目标变道行为为所述车辆的第一变道行为,所述w为大于或者等于2的正整数,t为大于w的正整数。
在一种可行的设计中,在本申请实施例提供的车辆变道行为识别装置中,所述支持向量机模型通过对不同的车辆行驶环境下,所述车辆发生变道行为时的车姿信号和所述变道行为进行的训练确定,所述不同的车辆行驶环境包括:不同的车辆行驶道路、不同的交通流密度、不同的行驶风格或不同的行驶车速中的至少一种。
由于本申请实施例所应用的支持向量机模型通过不同车辆行驶环境下的车姿信号和变道行为训练确定,因此,所述支持向量机模型能够识别不同车辆行驶环境下的变道行为,应用较为广泛。
进一步的,在本申请实施例提供的车辆变道行为识别装置中,所述处理单元还用于,对所述至少两个车姿信号进行归一化处理,将归一化处理后的至少两个车姿信号输入所述支持向量机模型。
这种情况下,输入至支持向量机模型的至少两个车姿信号为经过归一化处理的车姿信号。通过对所述至少两个车姿信号的归一化处理,能够提高支持向量机模型处理车姿信号的准确性,进一步提高车道行为识别的准确性。
另外,在本申请实施例提供的车辆变道行为识别装置中,所述车辆的第一变道行为包括:未变道、左变道、右变道、左转弯、右转弯或调头中的至少一种。
也就是说,通过本申请实施例提供的车辆变道行为识别装置,能够识别多种类型的变道行为。
相应的,与上述的车辆变道行为识别方法相对应的,本申请实施例还提供一种终端装置。参见图9所示的结构示意图,所述终端装置包括:处理器1101和存储器,其中,所述存储器存储在所述处理器上运行的程序;所述处理器执行所述程序时,实现图1对应的实施例中的全部或部分步骤。
进一步的,该终端装置还可以包括:收发器1102和总线1103,所述存储器包括随机存取存储器1104和只读存储器1105。
其中,处理器通过总线分别耦接收发器、随机存取存储器以及只读存储器。其中,当需要运行该终端装置时,通过固化在只读存储器中的基本输入输出系统或者嵌入式系统中的bootloader引导系统进行启动,引导该装置进入正常运行状态。在该装置进入正常运行状态后,在随机存取存储器中运行应用程序和操作系统,从而使所述终端装置执行图1对应的实施例中的全部或部分步骤。
本发明实施例的装置可对应于上述8所对应的实施例中的车辆变道行为识别装置,并且,该装置中的处理器等可以实现8所对应的实施例中的装置所具有的功能和/或所实施的各种步骤和方法,为了简洁,在此不再赘述。
相应的,与上述的车辆变道行为识别方法相对应的,本申请实施例提供一种终端装置,参见图10所示的示意图,该终端装置包括:处理器210和接口电路220;
所述接口电路220,用于接收代码指令并传输至所述处理器;
所述处理器210用于运行所述代码指令以执行如图1对应的实施例所提供的车辆变道行为识别方法。
其中,所述通信装置可以包括一个芯片,也可以包括多个芯片组成的芯片模组。或者,所述通信装置还可以为其他形式,本申请对此不作限定。
具体实现中,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质包括指令。其中,设置在任意设备中计算机可读介质其在计算机上运行时,可实施包括图1对应的实施例中的全部或部分步骤。所述计算机可读介质的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:randomaccess memory,简称:RAM)等。
另外,本申请另一实施例还提供一种包含指令的计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述电子设备可实施包括图1对应的实施例中的全部或部分步骤。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信息处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信息处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信息处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于UE中。可选地,处理器和存储媒介也可以设置于UE中的不同的部件中。
应理解,在本申请的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本说明书的各个实施例之间相同相似的部分互相参见即可,每个实施例重点介绍的都是与其他实施例不同之处。尤其,对于装置和系统实施例而言,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部分的说明即可。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于本申请公开的道路约束确定装置的实施例而言,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中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (17)
1.一种车辆变道行为识别方法,其特征在于,包括:
从至少一个传感器获取车辆的至少两个车姿信号,所述至少两个车姿信号包括第一车姿信号和第二车姿信号;
所述第一车姿信号为在第一时刻从所述至少一个传感器获取的信号,所述第二车姿信号为在第二时刻从所述至少一个传感器获取的信号;
通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为。
2.根据权利要求1所述的方法,其特征在于,
所述传感器包括:方向盘转角传感器、惯导传感器或轮速传感器中的至少一个;
所述车姿信号包括:方向盘转角、方向盘转角速度、横摆角速度、侧向加速度或车辆速度中的至少一种。
3.根据权利要求1或2所述的方法,其特征在于,所述通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为,包括:
根据所述支持向量机模型的一个输出结果,确定所述车辆的第一变道行为;
或者,
根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为。
4.根据权利要求3所述的方法,其特征在于,所述根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为,包括:
当所述支持向量机模型的连续n个输出结果均为第一目标变道行为时,确定所述第一目标变道行为为所述车辆的第一变道行为,所述n为大于或者等于2的正整数;
或者,
当所述支持向量机模型的连续t个输出结果中,至少w个输出结果均为第二目标变道行为时,确定所述第二目标变道行为为所述车辆的第一变道行为,所述w为大于或者等于2的正整数,t为大于w的正整数。
5.根据权利要求1至4任一项所述的方法,其特征在于,
所述支持向量机模型通过对不同的车辆行驶环境下,所述车辆发生变道行为时的车姿信号和所述变道行为进行的训练确定,所述不同的车辆行驶环境包括:不同的车辆行驶道路、不同的交通流密度、不同的行驶风格或不同的行驶车速中的至少一种。
6.根据权利要求1至5任一项所述的方法,其特征在于,还包括:
对所述至少两个车姿信号进行归一化处理,将归一化处理后的至少两个车姿信号输入所述支持向量机模型。
7.根据权利要求1至6任一项所述的方法,其特征在于,
所述车辆的第一变道行为包括:未变道、左变道、右变道、左转弯、右转弯或调头中的至少一种。
8.一种车辆变道行为识别装置,其特征在于,包括:
收发单元,用于从至少一个传感器获取车辆的至少两个车姿信号,所述至少两个车姿信号包括第一车姿信号和第二车姿信号;
所述第一车姿信号为在第一时刻从所述至少一个传感器获取的信号,所述第二车姿信号为在第二时刻从所述至少一个传感器获取的信号;
处理单元,用于通过将所述至少两个车姿信号输入支持向量机模型识别所述车辆的第一变道行为。
9.根据权利要求8所述的装置,其特征在于,
所述传感器包括:方向盘转角传感器、惯导传感器或轮速传感器中的至少一个;
所述车姿信号包括:方向盘转角、方向盘转角速度、横摆角速度、侧向加速度或车辆速度中的至少一种。
10.根据权利要求8或9所述的装置,其特征在于,
所述处理单元具体用于,根据所述支持向量机模型的一个输出结果,确定所述车辆的第一变道行为;
或者,
所述处理单元具体用于,根据所述支持向量机模型的至少两个输出结果,确定所述车辆的第一变道行为。
11.根据权利要求10所述的装置,其特征在于,
当所述支持向量机模型的连续n个输出结果均为第一目标变道行为时,所述处理单元具体用于,确定所述第一目标变道行为为所述车辆的第一变道行为,所述n为大于或者等于2的正整数;
或者,
当所述支持向量机模型的连续t个输出结果中,至少w个输出结果均为第二目标变道行为时,所述处理单元具体用于,确定所述第二目标变道行为为所述车辆的第一变道行为,所述w为大于或者等于2的正整数,t为大于w的正整数。
12.根据权利要求8至11任一项所述的装置,其特征在于,
所述支持向量机模型通过对不同的车辆行驶环境下,所述车辆发生变道行为时的车姿信号和所述变道行为进行的训练确定,所述不同的车辆行驶环境包括:不同的车辆行驶道路、不同的交通流密度、不同的行驶风格或不同的行驶车速中的至少一种。
13.根据权利要求8至12任一项所述的装置,其特征在于,
所述处理单元还用于,对所述至少两个车姿信号进行归一化处理,将归一化处理后的至少两个车姿信号输入所述支持向量机模型。
14.根据权利要求6至13任一项所述的装置,其特征在于,
所述车辆的第一变道行为包括:未变道、左变道、右变道、左转弯、右转弯或调头中的至少一种。
15.一种终端装置,其特征在于,所述终端装置包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述存储器中存储的计算机程序,以使所述终端装置执行如权利要求1至7任一项所述的方法。
16.一种终端装置,其特征在于,包括:处理器和接口电路;
所述接口电路,用于接收代码指令并传输至所述处理器;
所述处理器用于运行所述代码指令以执行如权利要求1-7中任一项所述的方法。
17.一种可读存储介质,其特征在于,所述可读存储介质用于存储指令,当所述指令被执行时,实现如权利要求1-7中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/087742 WO2021217485A1 (zh) | 2020-04-29 | 2020-04-29 | 一种车辆变道行为识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112739599A true CN112739599A (zh) | 2021-04-30 |
CN112739599B CN112739599B (zh) | 2022-05-17 |
Family
ID=75609566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080005181.0A Active CN112739599B (zh) | 2020-04-29 | 2020-04-29 | 一种车辆变道行为识别方法及装置 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4131204A4 (zh) |
KR (1) | KR20230004812A (zh) |
CN (1) | CN112739599B (zh) |
WO (1) | WO2021217485A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115240426A (zh) * | 2022-07-26 | 2022-10-25 | 东软睿驰汽车技术(沈阳)有限公司 | 一种变道数据的自动定位方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927548A (zh) * | 2014-04-18 | 2014-07-16 | 北京航空航天大学 | 一种新的避免车辆碰撞的刹车行为检测方法 |
CN104494600A (zh) * | 2014-12-16 | 2015-04-08 | 电子科技大学 | 一种基于svm算法的驾驶员意图识别方法 |
DE102016204957A1 (de) * | 2015-03-25 | 2016-09-29 | Magna Steyr Fahrzeugtechnik Ag & Co Kg | Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen |
FR3046769A1 (fr) * | 2016-01-14 | 2017-07-21 | Valeo Schalter & Sensoren Gmbh | Procede et systeme d'assistance au changement de voie de roulage pour vehicule automobile |
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 |
CN109859513A (zh) * | 2019-03-07 | 2019-06-07 | 宝能汽车有限公司 | 路口车道导航方法和装置 |
CN110481551A (zh) * | 2019-08-16 | 2019-11-22 | 中国第一汽车股份有限公司 | 一种自动换道的控制方法、装置及车辆 |
CN110763246A (zh) * | 2019-08-06 | 2020-02-07 | 中国第一汽车股份有限公司 | 自动驾驶车辆路径规划方法、装置、车辆及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4744327B2 (ja) * | 2006-03-07 | 2011-08-10 | 本田技研工業株式会社 | 車両姿勢制御装置 |
US8060260B2 (en) * | 2008-07-24 | 2011-11-15 | GM Global Technology Operations LLC | Adaptive vehicle control system with driving style recognition based on vehicle passing maneuvers |
DE102010025977A1 (de) * | 2010-07-02 | 2011-05-12 | Daimler Ag | Verfahren zur Erkennung von Fahrmanövern von Kraftfahrzeugen |
CN105374212B (zh) * | 2015-12-14 | 2017-07-18 | 上海交通大学 | 基于智能终端传感的高速公路车辆车道识别方法及系统 |
CN107330356A (zh) * | 2017-05-15 | 2017-11-07 | 开易(北京)科技有限公司 | 一种基于学习的在线车道变线预测方法及系统 |
-
2020
- 2020-04-29 KR KR1020227041638A patent/KR20230004812A/ko active Search and Examination
- 2020-04-29 CN CN202080005181.0A patent/CN112739599B/zh active Active
- 2020-04-29 WO PCT/CN2020/087742 patent/WO2021217485A1/zh unknown
- 2020-04-29 EP EP20933397.0A patent/EP4131204A4/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927548A (zh) * | 2014-04-18 | 2014-07-16 | 北京航空航天大学 | 一种新的避免车辆碰撞的刹车行为检测方法 |
CN104494600A (zh) * | 2014-12-16 | 2015-04-08 | 电子科技大学 | 一种基于svm算法的驾驶员意图识别方法 |
DE102016204957A1 (de) * | 2015-03-25 | 2016-09-29 | Magna Steyr Fahrzeugtechnik Ag & Co Kg | Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen |
FR3046769A1 (fr) * | 2016-01-14 | 2017-07-21 | Valeo Schalter & Sensoren Gmbh | Procede et systeme d'assistance au changement de voie de roulage pour vehicule automobile |
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 |
CN109859513A (zh) * | 2019-03-07 | 2019-06-07 | 宝能汽车有限公司 | 路口车道导航方法和装置 |
CN110763246A (zh) * | 2019-08-06 | 2020-02-07 | 中国第一汽车股份有限公司 | 自动驾驶车辆路径规划方法、装置、车辆及存储介质 |
CN110481551A (zh) * | 2019-08-16 | 2019-11-22 | 中国第一汽车股份有限公司 | 一种自动换道的控制方法、装置及车辆 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115240426A (zh) * | 2022-07-26 | 2022-10-25 | 东软睿驰汽车技术(沈阳)有限公司 | 一种变道数据的自动定位方法、装置、设备及存储介质 |
CN115240426B (zh) * | 2022-07-26 | 2024-03-26 | 东软睿驰汽车技术(沈阳)有限公司 | 一种变道数据的自动定位方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP4131204A1 (en) | 2023-02-08 |
KR20230004812A (ko) | 2023-01-06 |
EP4131204A4 (en) | 2023-08-23 |
CN112739599B (zh) | 2022-05-17 |
WO2021217485A1 (zh) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2012088B1 (en) | Road information generating apparatus, road information generating method and road information generating program | |
US8306269B2 (en) | Lane recognition device | |
CN110834642B (zh) | 车辆跑偏识别方法、装置、车辆及存储介质 | |
CN111033589A (zh) | 车道信息管理方法、行驶控制方法及车道信息管理装置 | |
CN109895774B (zh) | 用于控制车辆的车道变更的装置和方法 | |
CN104742901B (zh) | 用于识别机动车逆向于行驶方向地驶入道路的行车带中的方法和控制与检测装置 | |
JP7139992B2 (ja) | 制御用地図情報評価装置、制御用地図情報評価方法、及び制御プログラム | |
CN111026081B (zh) | 一种误差计算方法、装置、设备及存储介质 | |
WO2019216386A1 (ja) | 車両制御装置および車両 | |
US11577761B2 (en) | Vehicle control system using reliability of input signal for autonomous vehicle | |
KR20200123505A (ko) | 군집 주행 제어 장치, 그를 포함한 시스템 및 그 방법 | |
CN114312783A (zh) | 用于车辆的道路进入系统和方法及计算机可读存储介质 | |
CN112739599B (zh) | 一种车辆变道行为识别方法及装置 | |
CN111947669A (zh) | 用于将基于特征的定位地图用于车辆的方法 | |
US9747801B2 (en) | Method and device for determining surroundings | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN114572199A (zh) | 用于控制车辆的装置和方法 | |
CN113799715B (zh) | 车辆异常原因的确定方法、装置、通信设备及存储介质 | |
US20220324463A1 (en) | Sensor abnormality estimation device | |
CN115146694A (zh) | 基于历史的不相容跟踪的标识 | |
US11816903B2 (en) | Method for determining a type of parking space | |
CN113327456A (zh) | 一种车道结构检测方法及装置 | |
CN112287797A (zh) | 一种数据处理方法、装置、电子设备及可读存储介质 | |
JP2005329765A (ja) | 走行路認識装置 | |
EP2720211A1 (en) | Other-vehicle detection device and other-vehicle detection method |
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 |