CN112839854B - 一种信息处理方法及相关装置 - Google Patents

一种信息处理方法及相关装置 Download PDF

Info

Publication number
CN112839854B
CN112839854B CN202180000263.0A CN202180000263A CN112839854B CN 112839854 B CN112839854 B CN 112839854B CN 202180000263 A CN202180000263 A CN 202180000263A CN 112839854 B CN112839854 B CN 112839854B
Authority
CN
China
Prior art keywords
information
vehicle
lane change
lane
identification information
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.)
Active
Application number
CN202180000263.0A
Other languages
English (en)
Other versions
CN112839854A (zh
Inventor
周斌
沈佩尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN112839854A publication Critical patent/CN112839854A/zh
Application granted granted Critical
Publication of CN112839854B publication Critical patent/CN112839854B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • 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
    • B60W2520/14—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
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/806—Relative heading
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/40—High definition maps

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供一种信息处理方法及相关装置，可以应用于自动驾驶、无人驾驶或者智能驾驶领域。该装置包括：获取模块，用于获取第一车辆所在的车道对应的车道线信息、第一车辆的车姿信息、路沿信息、目标车辆信息或者地图信息中的至少两种；处理模块，用于根据车道线信息、车姿信息、路沿信息、目标车辆信息和地图信息中的至少两种、控制第一车辆执行对应于变道行为的处理，变道行为是根据至少一个变道识别信息和至少一个变道识别信息对应的至少一个置信度概率确定的，采用本申请实施例能更准确确定第一车辆的变道行为，启动相应应对策略或告警机制，提高安全保障。

Description

一种信息处理方法及相关装置
技术领域
本申请涉及传感器技术领域，尤其涉及一种信息处理方法及相关装置。
背景技术
随着高级辅助驾驶系统(advanced driver-assistance system，ADAS)技术的发展以及自动驾驶(autonomous driving,AD)感知技术的进步，依赖于摄像头、雷达、激光雷达等传感器感知数据的一些智能驾驶算法，如变道预警(lane change warning，LCW)，车道保持辅助(lane keeping assist，LKA)等，需要及时准确的对驾驶员变道意图进行预测和判断，并在成功识别出变道意图后，启动相应应对策略或告警机制。根据调查数据，约50％的变道行为发生时，驾驶员没有按规定开启转向灯。对于驾驶员变道意图的识别与判断，可以弥补驾驶员没有手动开启转向灯场景下，各智能驾驶算法功能的正常运行，提高安全保障。
目前大多数自车变道意图识别技术采用摄像头、激光雷达等传感器数据，从图像域提取车道线信息，同时根据自车与车道线的位置关系，判断自车变道意图。常用的识别方法有设计逻辑阈值判断法或选取车道线信息、自车车姿信息等作为特征量，采用机器学习的方法判断识别。因不同传感器优缺点特性不同、雨雾天气等环境因素、复杂道路情况、驾驶员不同变道风格等因素，传统的自车变道意图识别方法很难保证较高的识别准确率。
发明内容
本申请实施例公开了一种信息处理方法及相关装置，能够更加准确的确定第一车辆的变道行为，启动相应应对策略或告警机制，提高安全保障。
本申请实施例第一方面公开了一种信息处理装置，所述装置包括：获取模块，用于获取第一车辆所在的车道对应的车道线信息、所述第一车辆的车姿信息、路沿信息、目标车辆信息或者地图信息中的至少两种；处理模块，用于根据所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、控制所述第一车辆执行对应于变道行为的处理，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种用于指示所述至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率；所述变道识别信息用于表示所述第一车辆的变道行为的类别。
在上述装置中，可以根据车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种确定至少一个变道识别信息和至少一个置信度概率，然后根据至少一个变道识别信息和至少一个置信度概率控制第一车辆执行对应于变道行为的处理，例如确定第一车辆的变道行为处于左变道状态，由于该第一车辆向左变道时，第一车辆的驾驶员并没有按照规定开启转向灯，则控制第一车辆执行对应于变道行为的处理可以为控制第一车辆开启转向灯，或者启动告警机制，例如第一车辆发出报警声等等，可以通过确定第一车辆的变道行为，启动相应的应对策略或告警机制，从而提高驾驶的安全性。而且当遇到雨雾天气光照条件不佳时等，仍然可以确定第一车辆的变道行为，同时能够借助地图信息和道路信息确定第一车辆的变道行为，提高了识别的准确率。
本申请实施例第二方面公开了一种信息处理方法，所述方法包括：获取第一车辆所在的车道对应的车道线信息、所述第一车辆的车姿信息、路沿信息、目标车辆信息或者地图信息中的至少两种；根据所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、控制所述第一车辆执行对应于变道行为的处理，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、用于指示所述至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率；所述变道识别信息用于表示所述第一车辆的变道行为的类别。
关于第二方面或可能的实现方式所带来的技术效果，可参考对于第一方面或相应的实施方式的技术效果的介绍。
本申请实施例第三方面公开了一种信息处理装置，包括至少一个处理器和接口电路，可选的，还包括存储器，所述存储器、所述接口电路和所述至少一个处理器通过线路互联，所述至少一个存储器中存储有计算机程序或指令，所述处理器用于读取所述存储器中存储的计算机程序或指令，执行以下操作：
获取第一车辆所在的车道对应的车道线信息、所述第一车辆的车姿信息、路沿信息、目标车辆信息或者地图信息中的至少两种；根据所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、控制所述第一车辆执行对应于变道行为的处理，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种用于指示所述至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率；所述变道识别信息用于表示所述第一车辆的变道行为的类别。
关于第三方面或可能的实现方式所带来的技术效果，可参考对于第一方面或相应的实施方式的技术效果的介绍。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述至少一个变道识别信息包括第一变道识别信息、第二变道识别信息、第三变道识别信息和第四变道识别信息，所述至少一个变道识别信息对应的至少一个置信度概率包括第一置信度概率、第二置信度概率、第三置信度概率和第四置信度概率，所述车道线信息和所述车姿信息用于指示所述第一车辆的第一变道识别信息和所述第一变道识别信息对应的第一置信度概率；所述路沿信息和所述车姿信息用于指示所述第一车辆的第二变道识别信息和所述第二变道识别信息对应的第二置信度概率；所述目标车辆信息和所述车姿信息用于指示所述第一车辆的第三变道识别信息和所述第三变道识别信息对应的第三置信度概率；所述地图信息和所述车姿信息用于指示所述第一车辆的第四变道识别信息和所述第四变道识别信息对应的第四置信度概率。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述车道线信息和所述车姿信息用于指示所述第一置信度概率；所述第一变道识别信息是根据所述第一置信度概率确定的。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述第一变道识别信息是根据在第一预设时间长度内，所述第一置信度概率大于第一阈值的次数确定的。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述第二置信度概率是根据差值、所述路沿信息中除所述第一车辆距路沿距离之外的信息和所述车姿信息确定的；所述差值为所述路沿信息中的第一车辆距路沿距离的实时值和所述实时值对应的均值之间的差，所述实时值对应的均值为第二预设时间长度内的所述路沿信息中的第一车辆距路沿距离的平均值；所述第二变道识别信息是根据所述第二置信度概率确定的。
在上述方法中，通过计算第一车辆距路沿距离的实时值和是市值对应的均值之间的差值可以间接的反映第一车辆的变道行为的特征，达到确定第一车辆的变道行为的目的，除了采用车姿信息，还结合了路沿信息确定第一车辆的变道行为，提高了识别的准确率。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述第三置信度概率是根据第三预设时间长度内变道投票者数量和所述车姿信息确定的，所述变道投票者数量是根据所述目标车辆信息中的目标航向角和所述目标车辆信息中的横纵向距离确定的；所述变道投票者数量是指支持所述第一车辆的第一类别的变道行为的目标车辆的数量；所述第一类别为所述第一车辆的变道行为的类别中的一种；所述第三变道识别信息是根据所述第三置信度概率确定的。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述第三预设时间长度内变道投票者数量是通过如下方式确定的：在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角大于第三阈值、且所述目标车辆信息中的横纵向距离大于第四阈值，所述变道投票者数量增加；在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角小于等于所述第三阈值、和/或所述目标车辆信息中的横纵向距离小于等于所述第四阈值，所述变道投票者数量不变。
在上述方法中，通过目标车辆信息中的航向角和横纵向距离可以间接的反映第一车辆的变道行为的特征，达到确定第一车辆的变道行为的目的，除了采用车姿信息，还结合了目标车辆信息确定第一车辆的变道行为，提高了识别的准确率。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述第四变道识别信息和所述第四置信度概率是根据所述车道线信息中的第一车辆距车道线的距离、所述车姿信息、所述地图信息中的语义信息和所述第一车辆是否处于所述变道碰撞事故多发区确定的，所述地图信息用于指示所述第一车辆是否处于所述变道碰撞事故多发区。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述第一车辆是否处于变道碰撞事故多发区是通过如下方式确定的：若所述地图信息中标注变道碰撞事故多发区，根据所述地图信息中标注的变道碰撞事故多发区确定当前所述第一车辆是否处于变道碰撞事故多发区；若所述地图信息中未标注变道碰撞事故多发区，根据所述地图信息确定当前所述第一车辆是否处于所述变道碰撞事故多发区；所述变道事故多发区包括十字路口、匝道上下口和车道数量变化区域。
在上述方法中，通过考虑变道碰撞事故多发区和不同道路结构确定第一车辆的变道行为，能够提高识别的准确性。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，包括：所述变道行为是根据最大值的置信度概率对应的分类信息确定的，所述最大值的置信度概率是对多个分类信息中的每个分类信息对应的置信度概率进行比较得到的，所述多个分类信息和所述多个分类信息对应的置信度概率是对所述至少一个所述变道识别信息和所述至少一个置信度概率进行分类学习得到的，所述分类信息用于表示所述第一车辆的变道行为的类别。
结合上述任意一个方面或者任意一个方面的任意一种可能的实现方式，在又一种可能的实现方式中，所述车姿信息包括：偏转角速率、方向盘转角、方向盘转角速度和车速中的一项或者多项；所述车道线信息包括：所述第一车辆距车道线距离、所述第一车辆相对车道线航向角、车道线曲率、车道线曲率导数中的一项或者多项；所述路沿信息包括：所述第一车辆距路沿距离、所述第一车辆相对路沿航向角、路沿曲率、路沿曲率导数中的一项或者多项；所述目标车辆信息包括：所述目标车辆相对所述第一车辆的目标航向角、所述目标车辆相对所述第一车辆的横纵向距离中的一项或者多项。
本申请实施例第四方面公开了一种芯片系统，所述芯片系统包括至少一个处理器和接口电路。可选的，所述芯片系统包含至少一个存储器或者连接至少一个外部存储器。所述至少一个存储器中存储有计算机程序；所述计算机程序被所述处理器执行时，实现上述第二方面、第二方面的可能的实现方式所描述的方法。
本申请实施例第五方面公开了一种计算机可读存储介质，所述存储介质中存储有计算机程序或指令，当所述计算机程序或指令被处理器执行时，实现上述第二方面或第二方面的可能的实现方式中所描述的方法。
附图说明
图1是本申请实施例提供的一种信息处理系统的结构示意图；
图2是本申请实施例提供的一种直道应用场景的示意图；
图3是本申请实施例提供的一种弯道应用场景的示意图；
图4是本申请实施例提供的一种变道意图识别方法的示意图；
图5是本申请实施例提供的一种变道意图识别方法的示意图；
图6是本申请实施例提供的一种信息处理方法的流程图；
图7是本申请实施例提供的一种未经过预处理的第一车辆距车道线距离的示意图；
图8是本申请实施例提供的一种经过预处理的第一车辆距车道线距离的示意图；
图9是本申请实施例提供的一种逻辑映射函数的示意图；
图10是本申请实施例提供的一种第一车辆距路沿距离的实时值与对应的均值的曲线图；
图11是本申请实施例提供的一种成为变道投票者的示意图；
图12是本申请实施例提供的一种变道碰撞事故多发区的标注；
图13是本申请实施例提供的一种信息处理装置的结构示意图；
图14是本申请实施例提供的一种信息处理装置的结构示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。
请参见图1，图1是本申请实施例提供的一种信息处理系统1000的结构示意图，该系统包括获取模块1001、基于车道线信息和车姿信息的变道识别模块1002、基于路沿信息和车姿信息的变道识别模块1003、基于目标车辆信息和车姿信息的变道识别模块1004、基于地图信息和车姿信息的变道识别模块1005、变道识别结果仲裁模块1006以及控制模块1007，模块1002-1007都可以称为处理模块，其中，获取模块1001用于获取输入信息，并对输入信息进行预处理，例如数据插值、平滑滤波、去除异常信号等等，然后将处理之后的输入信息输入到基于车道线信息和车姿信息的变道识别模块1002、基于路沿信息和车姿信息的变道识别模块1003、基于目标车辆信息和车姿信息的变道识别模块1004、基于地图信息和车姿信息的变道识别模块1005中，上述四个模块根据输入信息得到至少一个变道识别信息和至少一个变道识别信息对应的至少一个置信度概率，然后将至少一个变道识别信息和至少一个变道识别信息对应的至少一个置信度概率输入到变道识别结果仲裁模块1006得到分类信息和分类信息对应的置信度概率，控制模块1007根据分类信息和分类信息对应的置信度概率确定第一车辆的变道行为、控制第一车辆执行对应于变道行为的处理，例如，确定第一车辆的变道行为处于左变道状态，由于该第一车辆向左变道时，第一车辆的驾驶员并没有按照规定开启转向灯，则控制第一车辆执行对应于变道行为的处理可以为控制第一车辆开启转向灯，或者启动告警机制，例如第一车辆发出报警声等等，此处不做限定。其中，获取模块1001获取输入信息的方式是通过传感器获取的，必选的传感器包括惯性测量单元(inertial measurement unit，IMU)、方向盘转角传感器(steering angle sensor，SAS)、轮速计(wheel speed sensor，WSS)，可选的传感器包括摄像头、激光雷达、雷达、地图和全球卫星定位系统(global positioning system，GPS)。本申请实施例适用于搭载必选的传感器和可选的传感器中的全部或部分传感器的车辆。
本申请实施例可应用于如图2所示的，在直道行驶时进行变道的场景，也可应用于如图3所示，在弯道行驶时进行变道的场景。
如上介绍了本申请实施例涉及的一些概念，下面介绍本申请实施例的技术特征。
(1)自车：是指传感器所在的车辆，在本申请实施例中，第一车辆为自车。
(2)目标车辆：自车周围的车辆，在以下实施例中，目标车辆为第一车辆周围的车辆。
(3)车辆的变道行为有7种状态，24个状态间跳转逻辑条件，具体如图4所示。7种状态分别为未使能(passive)、车道保持(lane keeping，LK)、向左偏离(left departure)、左变道(left lane change，LCL)、向右偏离(right departure)、右变道(right lanechange，LCR)、和变道结束(after lane change，ALC)。在任一时刻，车辆只能处于某一种单一状态，只有当某一状态下的跳转逻辑条件满足时，才能跳转至下一状态，在一种示例中，假设当前车辆处于车道保持状态，当满足跳转逻辑条件11时，车辆由车道保持状态跳转至向左偏离状态。下面为了方便举例描述，取3种状态进行说明，例如，第一车辆的变道行为包括第一车辆处于左变道状态，处于不变道状态以及处于右边道状态。
(4)车道线信息可以包括：第一车辆距车道线距离、第一车辆相对车道线航向角、车道线曲率、车道线曲率导数中的一项或者多项。
第一车辆的车姿信息可以包括：偏转角速率、方向盘转角、方向盘转角速度和车速中的一项或者多项。
路沿信息可以包括：第一车辆距路沿距离、第一车辆相对路沿航向角、路沿曲率、路沿曲率导数中的一项或者多项。
目标车辆信息可以包括：目标车辆相对第一车辆的目标航向角、目标车辆相对第一车辆的横纵向距离中的一项或者多项。
目前，一种变道意图识别方法如图4所示，通过摄像头和激光雷达等传感器获取车道线信息和车姿信息，然后使用自车所在的车道对应的车道线信息，例如自车距两侧车道线位置和道路曲率等信息以及车姿信息，例如方向盘转角、横摆角速度、侧向速度、侧向位移等信息作为输入量，通过总结典型变道行为发生时，输入量的变化特征，设计固定的阈值门限和检测波峰波谷的位置，将该输入量与固定的阈值门限进行比较，确定自车的变道行为。但是通过摄像头和激光雷达等传感器获取车道线信息和车姿信息确定自车的变道行为的方式也有以下缺点：车道线信息依赖于摄像头、激光雷达等传感器获取，当遇到雨雾天气、光照条件不佳或者传感器发送故障的时候，无法清晰的获取车道线信息，容易导致漏识别或者误识别自车是否发生了变道；其次，当无法获取车道线信息，仅仅依靠车姿信息判断，会导致识别准确性降低，因此该方法不适用于无摄像头或无激光雷达传感器的车辆，例如仅仅搭载毫米波雷达的车辆无法使用该方法识别自车变道意图。
又一种变道意图识别方法如图5所示，获取车辆的行车历史轨迹数据，然后通过学习算法对该行车历史轨迹数据进行学习获得该车辆保持在当前车道内行驶的预设轨迹，然后摄像头、雷达等传感器获取该车辆当前行驶轨迹，通过当前行驶轨迹是否偏离预设轨迹超过预定的时间阈值，判断该车辆是否发生变道行为。但是该方法具有以下缺点：需要记录大量的历史轨迹数据从而确定预设轨迹，会需要大量的存储空间，而且算力消耗比较大，当实际道路情况复杂，而且驾驶员驾驶风格不同时，无法保证预设轨迹的准确性，车辆当前行驶轨迹的不确定性也比较大，容易造成误识别。
请参见图6，图6是本申请实施例提供的一种信息处理方法，该方法包括但不限于如下步骤：
步骤S601：获取第一车辆所在的车道对应的车道线信息、第一车辆的车姿信息、路沿信息、目标车辆信息和地图信息中的至少两种。
具体地，该车道线信息、车姿信息、路沿信息、目标车辆信息和地图信息中的至少两种可以简称为输入信息。该输入信息是通过传感器获取的，传感器包括必须包含的传感器和可选的传感器，必须包含的传感器有IMU、SAS、WSS，该必须包含的传感器用于获取车姿信息；可选的传感器包含摄像头、激光雷达、雷达、地图和GPS，其中，摄像头可以用于获取车道线信息、路沿信息和目标车辆信息，激光雷达可以用于获取路沿信息和目标车辆信息，地图和GPS用于获取地图信息。
具体地，第一车辆所在的车道对应的车道线信息可以包括：第一车辆距车道线距离、第一车辆相对车道线航向角、车道线曲率、车道线曲率导数中的一项或者多项；第一车辆的车姿信息可以包括：偏转角速率、方向盘转角、方向盘转角速度和车速中的一项或者多项；路沿信息可以包括：第一车辆距路沿距离、第一车辆相对路沿航向角、路沿曲率、路沿曲率导数中的一项或者多项；目标车辆信息可以包括：目标车辆相对第一车辆的目标航向角、目标车辆相对第一车辆的横纵向距离中的一项或者多项。
具体地，该车道线信息、车姿信息、路沿信息、目标车辆信息和地图信息中的至少两种是经过预处理得到的，而不是未经过预处理的原生数据，预处理包括数据插值、平滑滤波、去除异常信号等等。在一种示例中，假设未经过预处理的车道线信息中的第一车辆距车道线距离的数据如图7所示，对该未经过预处理的车道线信息中的第一车辆距车道线距离的数据进行平滑滤波处理之后的数据如图8所示。
步骤S602：根据车道线信息、车姿信息、路沿信息、目标车辆信息和地图信息中的至少两种，确定至少一个变道识别信息和至少一个变道识别信息对应的至少一个置信度概率。
具体地，车道线信息、车姿信息、路沿信息、目标车辆信息和地图信息中的至少两种、用于指示至少一个变道识别信息和至少一个变道识别信息对应的至少一个置信度概率，也就是说，可以根据车道线信息、车姿信息、路沿信息、目标车辆信息和地图信息中的至少两种、确定第一车辆对应的至少一个变道识别信息和至少一个变道识别信息对应的至少一个置信度概率。
具体地，变道识别信息用于表示第一车辆的变道行为的类别，第一车辆的变道行为可以包括车辆变道过程的7种状态，分别如下：未使能、车道保持、向左偏离、左变道、向右偏离、右变道、和变道结束。以下实施例中，为了方便举例，取3种状态进行说明，例如，第一车辆的变道行为包括第一车辆处于左变道状态，处于不变道状态以及处于右边道状态。变道识别信息对应的置信度概率表示第一车辆的变道行为对应的可能性。在一种示例中，变道识别信息可以为1,0，-1，其中1表示第一车辆处于左变道状态，0表示第一车辆不变道，-1表示第一车辆处于右边道状态；当然，该变道识别信息还可以有其他的表示方式，本申请实施例不做限定。置信度概率表示变道识别信息为1,0，或者-1的概率。在一种示例中，假设第一变道识别信息为1，且第一变道识别信息对应的第一置信度概率为80％，那么认为第一车辆处于左变道状态的概率为80％。
具体地，至少一个变道识别信息可以包括第一变道识别信息、第二变道识别信息、第三变道识别信息和第四变道识别信息，至少一个变道识别信息对应的至少一个置信度概率可以包括第一置信度概率、第二置信度概率、第三置信度概率和第四置信度概率。其中，车道线信息和车姿信息用于指示第一车辆的第一变道识别信息和第一变道识别信息对应的第一置信度概率；路沿信息和车姿信息用于指示第一车辆的第二变道识别信息和第二变道识别信息对应的第二置信度概率；目标车辆信息和车姿信息用于指示第一车辆的第三变道识别信息和第三变道识别信息对应的第三置信度概率；地图信息和车姿信息用于指示第一车辆的第四变道识别信息和第四变道识别信息对应的第四置信度概率；也就是说，可以根据车道线信息和车姿信息确定第一变道识别信息和第一置信度概率，根据路沿信息和车姿信息确定第二变道识别信息和第二置信度概率，根据目标车辆信息和车姿信息确定第三变道识别信息和第四置信度概率，根据地图信息和车姿信息确定第四变道识别信息和第四置信度概率。
在一种可能的实现方式中，根据车道线信息和车姿信息确定第一车辆的第一变道识别信息和该第一变道识别信息对应的第一置信度概率，包括：
根据车道线信息和车姿信息确定第一置信度概率，根据第一置信度概率确定第一变道识别信息。也就是说车道线信息和车姿信息用于指示第一置信度概率，第一变道识别信息是根据第一置信度概率确定的。
具体地，根据车道线信息和车姿信息确定第一置信度概率可以是通过逻辑映射函数将车道线信息和车姿信息进行映射确定多个第一映射值；然后将多个第一映射值加权求和确定第一置信度概率。通过逻辑映射函数将车道线信息和车姿信息进行映射确定多个第一映射值，包括通过逻辑函数将车道线信息、车姿信息、车道线信息对应的逻辑阈值和车姿信息对应的逻辑阈值进行映射确定多个第一映射值。该车道线信息对应的逻辑阈值和车姿信息对应的逻辑阈值可以是根据经验进行标定的，也可以是通过对大量的车道线信息和车姿信息数据进行学习的方式得到的，具体不做限定。可以将车身偏离、变道开始以及变道结束时，车道线信息及车姿信息的实时值记为vi，其中，i＝1,2,3,……，n，n为正整数，将车身偏离、变道开始以及变道结束时，车道线信息对应的逻辑阈值以及车姿信息对应的逻辑阈值记为v′i，其中，i＝1,2,3,……，n，n为正整数。在一种示例中，车道线信息中的第一车辆距车道线距离v1＝1米，第一车辆距车道线距离的逻辑阈值v′1＝1.1米，车姿信息中的车速v2＝50千米/小时，车姿信息中车速对应的逻辑阈值v′2＝49千米/小时，具体的车道线信息和车姿信息中的其他项不进行一一举例。逻辑映射函数可以为标准logistics函数，如图9所示，其表达形式如下：
Figure BDA0002947585660000081
然后通过逻辑函数将vi和v′i进行映射得到多个第一映射值，具体表示形式如下：
Figure BDA0002947585660000082
假设得到的多个第一映射值为f1,f2,……，fn，将该多个第一映射值加权求和得到第一置信度概率p1，具体表示形式如下；
p1＝w1*f1+w2*f2+…+wn*fn (3)
其中，w1,w2,……,wn表示车道线和车姿信息对应的权重值，可以根据车道线和车姿信息的影响程度，取不同或相同的值，例如，车道线信息中第一车辆距车道线距离能够很直观的反映第一车辆是否变道，因此，对应的第一车辆距车道线距离的权重，例如w1的取值可以大一些，相应的，车姿信息中的偏转角速率与车辆变道不太相关，那么对应的车姿信息中的偏转角速率的权重，例如w2的取值可以小一些。
在一种可能的实现方式中，根据第一置信度概率确定第一变道识别信息，包括：
确定第一预设时间长度内，第一置信度概率大于第一阈值的次数，根据次数确定第一变道识别信息。也就是说第一变道识别信息是根据第一预设时间长度内，第一置信度概率大于第一阈值的次数确定的。
具体地，第一阈值可以是根据经验进行标定的，也可以是通过对大量的第一置信度概率的数据学习得到的，具体不做限定。根据次数确定第一变道识别信息是指只有当次数满足一定条件，才能够确定第一变道识别信息。
在一种示例中，假设左变道状态对应的变道识别信息为1，车道保持对应的变道识别信息为0，右变道状态对应的变道识别信息为-1；第一预设时间长度为6个周期，每个周期的时间长度为20ms，那么该6个周期对应的第一置信度概率p的取值为0.7、0.8、0.4、0.5、0.9、0.8，第一阈值α的取值为0.6，其中第一置信度概率p大于第一阈值α的次数为4次，假设第二阈值N为3，因为4次大于第二阈值N为3，第一车辆满足跳转逻辑条件，跳转至对应的状态，从而确定第一变道识别信息，假设第一车辆跳转至左变道状态，那么确定左变道状态对应的变道识别信息为1，即第一变道识别信息为1。
在一种可能的实现方式中，根据路沿信息和车姿信息确定第一车辆的第二变道识别信息和该第二变道识别信息对应的第二置信度概率，包括：
根据差值、路沿信息中除第一车辆距路沿距离之外的信息和车姿信息确定第二置信度概率；根据第二置信度概率确定第二变道识别信息。
具体地，差值可以为路沿信息中的第一车辆距路沿距离的实时值d和实时值对应的均值davg之间的差，实时值对应的均值davg为第二预设时间长度内的路沿信息中的第一车辆距路沿距离的平均值。
具体地，路沿信息中第一车辆距路沿距离的实时值d对应的均值davg可以是实时值d对应的时刻之前(包括实时值d对应的时刻)的第二预设时间长度内的第一车辆距路沿距离的均值。在一种示例中，假设第二预设时间长度为3秒，第36秒时第一车辆距路沿距离的实时值d为2米，第34、35、36秒第一车辆距路沿距离分别为2.3米、2.6米、2米，该第34、35、36秒第一车辆距路沿距离的均值davg为2.3米，那么第36秒时第一车辆距路沿距离的实时值d为2米对应的均值davg为2.3。例如，如图10所示，图10表示第一车辆距路沿距离的实时值与对应的均值的曲线图。其中曲线1表示第一车辆距左侧路沿距离的实时值，曲线2表示第一车辆距左侧路沿距离的实时值对应的均值；曲线3表示第一车辆距右侧路沿距离的实时值，曲线4表示第一车辆距右侧路沿距离的实时值对应的均值；
具体地，路沿信息中除第一车辆距路沿距离之外的信息可以是指第一车辆相对路沿航向角、路沿曲率、路沿曲率导数中的一项或者多项。根据差值、路沿信息中除第一车辆距路沿距离之外的信息和车姿信息确定第二置信度概率通过逻辑映射函数将差值、路沿信息中除第一车辆距路沿距离之外的信息和车姿信息进行映射确定多个第一映射值；然后将多个第一映射值加权求和确定第二置信度概率。通过逻辑映射函数将差值、路沿信息中除第一车辆距路沿距离之外的信息和车姿信息进行映射确定多个第一映射值可以是指将差值、路沿信息中除第一车辆距路沿距离之外的信息和车姿信息、以及差值对应的逻辑阈值、路沿信息中除第一车辆距路沿距离之外的信息对应的逻辑阈值、车姿信息对应的逻辑阈值进行映射确定多个第一映射值。差值对应的逻辑阈值、路沿信息中除第一车辆距路沿距离之外的信息对应的逻辑阈值、车姿信息对应的逻辑阈值可以是根据经验进行标定的，也可以是通过对数据集进行学习的方式得到的，具体不做限定。
具体地，可以将差值、路沿信息中除第一车辆距路沿距离之外的信息和车姿信息的实时值记为vi，将差值对应的逻辑阈值、路沿信息中除第一车辆距路沿距离之外的信息对应的逻辑阈值和车姿信息对应的逻辑阈值记为v′i，其中，i＝1,2,3,……，n，n为正整数，然后将vi和v′i进行映射得到多个第一映射值,具体如上述公式(2)所示，然后将多个第一映射值加权求和确定第二置信度概率的过程可以参考上述公式(3)，此处不再赘述。
在一种可能的实施方式中，根据第二置信度概率确定第二变道识别信息，也就是说第二变道识别信息是根据第二置信度概率确定的，具体可以参考上述根据第一置信度概率确定第一变道识别信息，此处不再赘述。
在一种可能的实现方式中，根据目标车辆信息和车姿信息确定第一车辆的第三变道识别信息和第三变道识别信息对应的第三置信度概率，包括：
根据在第三预设时间长度内变道投票者数量、车姿信息确定第三置信度概率；根据第三置信度概率确定第三变道识别信息，也就是说第三置信度概率是根据在第三预设时间长度内变道投票者数量和车姿信息确定的。
具体地，变道投票者数量是根据目标车辆信息中的目标航向角和目标车辆信息中的横纵向距离确定的，也就是说可以根据目标车辆信息中的目标航向角和目标车辆信息中的横纵向距离确定在第三预设时间长度内变道投票者数量。根据目标车辆信息中目标航向角和目标车辆信息中的横纵向距离确定在第三预设时间长度内变道投票者数量，可以理解为统计在第三预设时间长度内变道投票者数量的过程。变道投票者数量是指支持第一车辆的第一类别的变道行为的目标车辆的数量；所述第一类别为所述第一车辆的变道行为的类别中的一种。例如变道投票者数量可以是指支持第一车辆处于向左变道状态的目标车辆的数量。
具体地，确定第三时间长度内变道投票者数量可以通过如下方式：在第三预设时间长度内，当所述目标车辆信息中的目标航向角大于第三阈值、且所述目标车辆信息中的横纵向距离大于第四阈值，所述变道投票者数量增加；当所述目标车辆信息中的目标航向角小于等于所述第三阈值、和/或所述目标车辆信息中的横纵向距离小于等于所述第四阈值，所述变道投票者数量不变。在一种示例中，假如统计第0毫秒至第100毫秒变道投票者数量如图11所示，第一车辆左变道时，前方目标车辆成为左变道投票者。假设在第0毫秒，当前变道投票者的数量为0，第三预设时间长度为100ms，第三阈值为55°，第四阈值为3米在该第三预设长度内的有2个目标车辆，分别为目标车辆1和目标车辆2，其中目标车辆1相对第一车辆的目标航向角为60°，目标车辆1相对第一车辆的横纵向距离为3.1米，目标车辆2相对第一车辆的目标航向角为61°，目标车辆2相对第一车辆的横纵向距离为3.2米由于61°>55°且3.2米>3米，那么目标车辆1为第一车辆向左侧变道的投票者，目标车辆2为第一车辆向左侧变道的投票者，相应的，变道投票者的数量增加，由0变为2，确定在第三预设时间长度内，变道投票者的数量为2。
具体地，根据第三预设时间长度内变道投票者数量、车姿信息确定第三置信度概率可以是通过逻辑映射函数将变道投票者数量、车姿信息以及变道投票者数量对应的逻辑阈值、车姿信息对应的逻辑阈值进行映射得到多个第一映射值，然后将多个第一映射值加权求和得到第三置信度概率。可以将变道投票者数量和车姿信息记为vi，其中，i＝1,2,3,……，n，n为正整数，将变道投票者数量对应的逻辑阈值以及车姿信息对应的逻辑阈值记为v′i，其中，i＝1,2,3,……，n，n为正整数。然后将vi和v′i进行映射得到多个第一映射值,具体如上述公式(2)所示，然后将多个第一映射值加权求和确定第二置信度概率的过程可以参考上述公式(3)，此处不再赘述。
在一种可能的实施方式中，根据第三置信度概率确定第三变道识别信息，具体可以参考上述根据第一置信度概率确定第一变道识别信息，此处不再赘述。
在一种可能的实施方式中，根据地图信息和车姿信息确定第一车辆的第四变道识别信息和第四变道识别信息对应的第四置信度概率，包括：
根据车道线信息中的第一车辆距车道线的距离、车姿信息、地图信息中的语义信息和第一车辆是否处于变道碰撞事故多发区确定第四变道识别信息和第四置信度概率。也就是说第四变道识别信息和第四置信度概率是根据车道线信息中的第一车辆距车道线的距离、车姿信息、地图信息中的语义信息和第一车辆是否处于变道碰撞事故多发区确定的，其中地图信息用于指示第一车辆是否处于变道碰撞事故多发区。
具体地，根据地图信息确定第一车辆是否处于变道碰撞事故多发区，也就是说确定第一车辆是否处于变道碰撞事故多发区可以分为两种情况：第一种情况：若地图信息中标注变道碰撞事故多发区，根据地图信息中标注的变道碰撞事故多发区确定当前第一车辆是否处于变道碰撞事故多发区；第二种情况：若地图信息中未标注变道碰撞事故多发区，根据地图信息确定当前第一车辆是否处于变道碰撞事故多发区；变道事故多发区包括十字路口、匝道上下口和车道数量变化区域，如图12所示。具体地，可以将第一车辆处于变道碰撞事故多发区记为2，将第一车辆不处于变道碰撞事故多发区记为-2，当然也可以有其他的标记方式，本申请实施例不做限定。
具体地，地图信息中的语义信息可以包括当前车道线虚实线信息，交通规则是否允许变道信息等等，此处不做限定。可以将当前车道线是实线记为3，车道线为虚线记为-3，交通规则允许变道记为4，交通规则不允许变道记为-4，当然也可以有其他的标记方式，本申请实施例不做限定。
具体地，根据车道线信息中的第一车辆距车道线的距离、车姿信息、地图信息中的语义信息和第一车辆是否处于变道碰撞事故多发区确定第四变道识别信息和第四置信度概率可以理解为将第一车辆距车道线的距离、车姿信息、地图信息中的语义信息以及第一车辆是否处于变道碰撞事故多发区作为特征量，使用学习算法，例如支持向量机(supportvector machines,SVM)、隐马尔科夫模型(hidden markov model,HMM)、反向传播(backpropagation，BP)神经网络等等进行分类学习输出得到第四变道识别信息和第四置信度概率。
步骤S603：根据至少一个变道识别信息和至少一个变道识别信息对应的至少一个置信度概率、确定第一车辆的变道行为，控制第一车辆执行对应于变道行为的处理。
具体地，第一车辆执行对应于变道行为的处理可以包括开启转向灯，启动告警机制等等。例如，确定第一车辆的变道行为处于左变道状态，由于该第一车辆向左变道时，第一车辆的驾驶员并没有按照规定开启转向灯，则控制第一车辆执行对应于变道行为的处理可以为控制第一车辆开启转向灯，或者启动告警机制，例如第一车辆发出报警声等等，此处不做限定。
具体地，根据至少一个变道识别信息和至少一个变道识别信息对应的至少一个置信度概率、确定第一车辆的变道行为可以包括：
对至少一个变道识别信息和至少一个置信度概率进行分类学习，输出多个分类信息和多个分类信息对应的多个置信度概率，将每个分类信息对应的置信度概率进行比较，确定最大值的置信度概率；根据最大值的置信度概率对应的分类信息确定第一车辆的变道行为。也就是说，第一车辆的变道行为是根据最大值的置信度概率确定的，最大值的置信度概率是对多个分类信息中的每个分类信息对应的置信度概率进行比较得到的，多个分类信息和多个分类信息对应的置信度概率是对至少一个变道识别信息和至少一个置信度概率进行分类学习得到的。
具体地，每个分类信息对应一个置信度概率；分类信息用于表示第一车辆的变道行为的类别。
在一种示例中，假设变道识别信息为1、分类信息为1都表示第一车辆处于左变道状态，变道识别信息为0、分类信息为0都表示第一车辆处于不变道状态，变道识别信息为-1、分类信息为-1都表示第一车辆处于右变道状态。假设至少一个变道识别信息包括第一变道识别信息、第二变道识别信息、第三变道识别信息、第四变道识别信息，至少一个置信度概率包括第一置信度概率、第二置信度概率、第三置信度概率和第四置信度概率，其中第一变道识别信息为L1＝1,第一置信度概率为p1＝0.8,第二变道识别信息为L2＝1,第二置信度概率为p2＝0.7,第三变道识别信息为L3＝0,第三置信度概率为p3＝0.4,第四变道识别信息为L41＝1、L42＝0和L43＝-1，第四置信度概率为p41＝0.8、p42＝0.1、p43＝0.1,其中L41对应p41，L42对应p42，L43对应p43，然后将该至少一个变道识别信息和至少一个置信度概率作为特征量，使用分类学习算法进行分类学习输出3个分类信息和3个分类信息对应的3个置信度概率，3个分类信息为La1＝1、La2＝0和La3＝-1,3个分类信息对应的3个置信度概率分别为p′1＝0.7、p′2＝0.2、p′3＝0.1，将该3个置信度概率进行比较，确定p′1的值最大，确定置信度概率p′1对应的分类信息为La1＝1，那么确定第一车辆的变道行为第一车辆处于左变道状态。
上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。
请参见图13，图13是本申请实施例提供的一种信息处理装置1300的结构示意图，该信息处理装置1300可以包括获取模块1301和处理模块1302，其中，各个模块的详细描述如下。
获取模块1301，用于获取第一车辆所在的车道对应的车道线信息、所述第一车辆的车姿信息、路沿信息、目标车辆信息或者地图信息中的至少两种；
处理模块1302，用于根据所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、控制所述第一车辆执行对应于变道行为的处理，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、用于指示所述至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率；所述变道识别信息用于表示所述第一车辆的变道行为的类别。
在一种可能的实现方式中，所述至少一个变道识别信息包括第一变道识别信息、第二变道识别信息、第三变道识别信息和第四变道识别信息，所述至少一个变道识别信息对应的至少一个置信度概率包括第一置信度概率、第二置信度概率、第三置信度概率和第四置信度概率，所述车道线信息和所述车姿信息用于指示所述第一车辆的第一变道识别信息和所述第一变道识别信息对应的第一置信度概率；所述路沿信息和所述车姿信息用于指示所述第一车辆的第二变道识别信息和所述第二变道识别信息对应的第二置信度概率；所述目标车辆信息和所述车姿信息用于指示所述第一车辆的第三变道识别信息和所述第三变道识别信息对应的第三置信度概率；所述地图信息和所述车姿信息用于指示所述第一车辆的第四变道识别信息和所述第四变道识别信息对应的第四置信度概率。
在又一种可能的实现方式中，所述车道线信息和所述车姿信息用于指示所述第一置信度概率；所述第一变道识别信息是根据所述第一置信度概率确定的。
在又一种可能的实现方式中，所述第一变道识别信息是根据在第一预设时间长度内，所述第一置信度概率大于第一阈值的次数确定的。
在又一种可能的实现方式中，所述第二置信度概率是根据差值、所述路沿信息中除所述第一车辆距路沿距离之外的信息和所述车姿信息确定的；所述差值为所述路沿信息中的第一车辆距路沿距离的实时值和所述实时值对应的均值之间的差，所述实时值对应的均值为第二预设时间长度内的所述路沿信息中的第一车辆距路沿距离的平均值；所述第二变道识别信息是根据所述第二置信度概率确定的。
在又一种可能的实现方式中，所述第三置信度概率是根据第三预设时间长度内变道投票者数量和所述车姿信息确定的，所述变道投票者数量是根据所述目标车辆信息中的目标航向角和所述目标车辆信息中的横纵向距离确定的；所述变道投票者数量是指支持所述第一车辆的第一类别的变道行为的目标车辆的数量；所述第一类别为所述第一车辆的变道行为的类别中的一种；所述第三变道识别信息是根据所述第三置信度概率确定的。
在又一种可能的实现方式中，所述第三预设时间长度内变道投票者数量是通过如下方式确定的：在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角大于第三阈值、且所述目标车辆信息中的横纵向距离大于第四阈值，所述变道投票者数量增加；在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角小于等于所述第三阈值、和/或所述目标车辆信息中的横纵向距离小于等于所述第四阈值，所述变道投票者数量不变。
在又一种可能的实现方式中，所述第四变道识别信息和所述第四置信度概率是根据所述车道线信息中的第一车辆距车道线的距离、所述车姿信息、所述地图信息中的语义信息和所述第一车辆是否处于所述变道碰撞事故多发区确定的，所述地图信息用于指示所述第一车辆是否处于所述变道碰撞事故多发区。
在又一种可能的实现方式中，所述第一车辆是否处于变道碰撞事故多发区是通过如下方式确定的：若所述地图信息中标注变道碰撞事故多发区，根据所述地图信息中标注的变道碰撞事故多发区确定当前所述第一车辆是否处于变道碰撞事故多发区；若所述地图信息中未标注变道碰撞事故多发区，根据所述地图信息确定当前所述第一车辆是否处于所述变道碰撞事故多发区；所述变道事故多发区包括十字路口、匝道上下口和车道数量变化区域。
在又一种可能的实现方式中，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，包括：所述变道行为是根据最大值的置信度概率对应的分类信息确定的，所述最大值的置信度概率是对多个分类信息中的每个分类信息对应的置信度概率进行比较得到的，所述多个分类信息和所述多个分类信息对应的置信度概率是对所述至少一个所述变道识别信息和所述至少一个置信度概率进行分类学习得到的，所述分类信息用于表示所述第一车辆的变道行为的类别。
在又一种可能的实现方式中，所述车姿信息包括：偏转角速率、方向盘转角、方向盘转角速度和车速中的一项或者多项；所述车道线信息包括：所述第一车辆距车道线距离、所述第一车辆相对车道线航向角、车道线曲率、车道线曲率导数中的一项或者多项；所述路沿信息包括：所述第一车辆距路沿距离、所述第一车辆相对路沿航向角、路沿曲率、路沿曲率导数中的一项或者多项；所述目标车辆信息包括：所述目标车辆相对所述第一车辆的目标航向角、所述目标车辆相对所述第一车辆的横纵向距离中的一项或者多项。
需要说明的是，各个模块的实现及有益效果还可以对应参照图6所示的方法实施例的相应描述。
请参见图14，图14是本申请实施例提供的一种装置1400，该装置1400包括处理器1401、存储器1402和接口电路1403，所述处理器1401、存储器1402和接口电路1403通过总线1404相互连接。
存储器1402包括但不限于是随机存储记忆体(random access memory，RAM)、只读存储器(read-only memory，ROM)、可擦除可编程只读存储器(erasable programmableread only memory，EPROM)、或便携式只读存储器(compact disc read-only memory，CD-ROM)，该存储器1402用于相关指令及数据。接口电路1403用于接收和发送数据。
处理器1401可以是一个或多个中央处理器(central processing unit，CPU)，在处理器1401是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。
该装置1400中的处理器1401用于读取所述存储器1402中存储的计算机程序或指令，执行以下操作：
获取第一车辆对应的车道线信息、所述第一车辆的车姿信息、路沿信息、目标车辆信息或地图信息中的至少两种；
根据所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、控制所述第一车辆执行对应于变道行为的处理，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、用于指示所述至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率；所述变道识别信息用于表示所述第一车辆的变道行为的类别。
在一种可能的实现方式中，所述至少一个变道识别信息包括第一变道识别信息、第二变道识别信息、第三变道识别信息和第四变道识别信息，所述至少一个变道识别信息对应的至少一个置信度概率包括第一置信度概率、第二置信度概率、第三置信度概率和第四置信度概率，所述车道线信息和所述车姿信息用于指示所述第一车辆的第一变道识别信息和所述第一变道识别信息对应的第一置信度概率；所述路沿信息和所述车姿信息用于指示所述第一车辆的第二变道识别信息和所述第二变道识别信息对应的第二置信度概率；所述目标车辆信息和所述车姿信息用于指示所述第一车辆的第三变道识别信息和所述第三变道识别信息对应的第三置信度概率；所述地图信息和所述车姿信息用于指示所述第一车辆的第四变道识别信息和所述第四变道识别信息对应的第四置信度概率。
在又一种可能的实现方式中，所述车道线信息和所述车姿信息用于指示所述第一置信度概率；所述第一变道识别信息是根据所述第一置信度概率确定的。
在又一种可能的实现方式中，所述第一变道识别信息是根据在第一预设时间长度内，所述第一置信度概率大于第一阈值的次数确定的。
在又一种可能的实现方式中，所述第二置信度概率是根据差值、所述路沿信息中除所述第一车辆距路沿距离之外的信息和所述车姿信息确定的；所述差值为所述路沿信息中的第一车辆距路沿距离的实时值和所述实时值对应的均值之间的差，所述实时值对应的均值为第二预设时间长度内的所述路沿信息中的第一车辆距路沿距离的平均值；所述第二变道识别信息是根据所述第二置信度概率确定的。
在又一种可能的实现方式中，所述第三置信度概率是根据第三预设时间长度内变道投票者数量和所述车姿信息确定的，所述变道投票者数量是根据所述目标车辆信息中的目标航向角和所述目标车辆信息中的横纵向距离确定的；所述变道投票者数量是指支持所述第一车辆的第一类别的变道行为的目标车辆的数量；所述第一类别为所述第一车辆的变道行为的类别中的一种；所述第三变道识别信息是根据所述第三置信度概率确定的。
在又一种可能的实现方式中，所述第三预设时间长度内变道投票者数量是通过如下方式确定的：在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角大于第三阈值、且所述目标车辆信息中的横纵向距离大于第四阈值，所述变道投票者数量增加；在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角小于等于所述第三阈值、和/或所述目标车辆信息中的横纵向距离小于等于所述第四阈值，所述变道投票者数量不变。
在又一种可能的实现方式中，所述第四变道识别信息和所述第四置信度概率是根据所述车道线信息中的第一车辆距车道线的距离、所述车姿信息、所述地图信息中的语义信息和所述第一车辆是否处于所述变道碰撞事故多发区确定的，所述地图信息用于指示所述第一车辆是否处于所述变道碰撞事故多发区。
在又一种可能的实现方式中，所述第一车辆是否处于变道碰撞事故多发区是通过如下方式确定的：若所述地图信息中标注变道碰撞事故多发区，根据所述地图信息中标注的变道碰撞事故多发区确定当前所述第一车辆是否处于变道碰撞事故多发区；若所述地图信息中未标注变道碰撞事故多发区，根据所述地图信息确定当前所述第一车辆是否处于所述变道碰撞事故多发区；所述变道事故多发区包括十字路口、匝道上下口和车道数量变化区域。
在又一种可能的实现方式中，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，包括：所述变道行为是根据最大值的置信度概率对应的分类信息确定的，所述最大值的置信度概率是对多个分类信息中的每个分类信息对应的置信度概率进行比较得到的，所述多个分类信息和所述多个分类信息对应的置信度概率是对所述至少一个所述变道识别信息和所述至少一个置信度概率进行分类学习得到的，所述分类信息用于表示所述第一车辆的变道行为的类别。
在又一种可能的实现方式中，所述车姿信息包括：偏转角速率、方向盘转角、方向盘转角速度和车速中的一项或者多项；所述车道线信息包括：所述第一车辆距车道线距离、所述第一车辆相对车道线航向角、车道线曲率、车道线曲率导数中的一项或者多项；所述路沿信息包括：所述第一车辆距路沿距离、所述第一车辆相对路沿航向角、路沿曲率、路沿曲率导数中的一项或者多项；所述目标车辆信息包括：所述目标车辆相对所述第一车辆的目标航向角、所述目标车辆相对所述第一车辆的横纵向距离中的一项或者多项。
需要说明的是，各个操作的实现及有益效果还可以对应参照图6所示的方法实施例的相应描述。
本申请实施例还提供一种芯片系统，所述芯片系统包括至少一个处理器和接口电路。进一步可选的，所述芯片系统包含至少一个存储器或者连接至少一个外部存储器。所述至少一个存储器中存储有计算机程序；所述计算机程序被所述处理器执行时，图6所示的方法流程得以实现。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序或指令，当其在处理器上运行时，图6所示的方法流程得以实现。
本申请实施例还提供一种计算机程序产品，当所述计算机程序产品在处理器上运行时，图6所示的方法流程得以实现。
本申请实施例还提供一种终端，包括至少一个处理器和接口电路，可选的，还包括至少一个存储器或者连接至少一个外部存储器。所述至少一个存储器中存储有计算机程序；所述计算机程序被所述处理器执行时，图6所示的方法流程得以实现。所述终端包括但不限于：车辆、车载终端、车载控制器、车载模块、车载模组、车载部件、车载芯片、车载单元、车载雷达或车载摄像头等其他传感器，车辆可通过该车载终端、车载控制器、车载模块、车载模组、车载部件、车载芯片、车载单元、车载雷达或摄像头，实施本申请提供的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。

Claims (23)

1.一种信息处理装置，其特征在于，所述装置包括：
获取模块，用于获取第一车辆所在的车道对应的车道线信息、所述第一车辆的车姿信息、路沿信息、目标车辆信息或者地图信息中的至少两种；
处理模块，用于根据所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、控制所述第一车辆执行对应于变道行为的处理，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种用于指示所述至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率；所述变道识别信息用于表示所述第一车辆的变道行为的类别；
所述至少一个变道识别信息包括第一变道识别信息、第二变道识别信息、第三变道识别信息和第四变道识别信息，所述至少一个变道识别信息对应的至少一个置信度概率包括第一置信度概率、第二置信度概率、第三置信度概率和第四置信度概率，
所述车道线信息和所述车姿信息用于指示所述第一车辆的第一变道识别信息和所述第一变道识别信息对应的第一置信度概率；
所述路沿信息和所述车姿信息用于指示所述第一车辆的第二变道识别信息和所述第二变道识别信息对应的第二置信度概率；
所述目标车辆信息和所述车姿信息用于指示所述第一车辆的第三变道识别信息和所述第三变道识别信息对应的第三置信度概率；
所述地图信息和所述车姿信息用于指示所述第一车辆的第四变道识别信息和所述第四变道识别信息对应的第四置信度概率。
2.根据权利要求1所述的装置，其特征在于，
所述车道线信息和所述车姿信息用于指示所述第一置信度概率；
所述第一变道识别信息是根据所述第一置信度概率确定的。
3.根据权利要求1或2所述的装置，其特征在于，
所述第一变道识别信息是根据在第一预设时间长度内，所述第一置信度概率大于第一阈值α的次数确定的。
4.根据权利要求1所述的装置，其特征在于，
所述第二置信度概率是根据差值、所述路沿信息中除所述第一车辆距路沿距离之外的信息和所述车姿信息确定的；所述差值为所述路沿信息中的第一车辆距路沿距离的实时值和所述实时值对应的均值之间的差，所述实时值对应的均值为第二预设时间长度内的所述路沿信息中的第一车辆距路沿距离的平均值；
所述第二变道识别信息是根据所述第二置信度概率确定的。
5.根据权利要求1所述的装置，其特征在于，
所述第三置信度概率是根据第三预设时间长度内变道投票者数量和所述车姿信息确定的，所述变道投票者数量是根据所述目标车辆信息中的目标航向角和所述目标车辆信息中的横纵向距离确定的；所述变道投票者数量是指支持所述第一车辆的第一类别的变道行为的目标车辆的数量；所述第一类别为所述第一车辆的变道行为的类别中的一种；
所述第三变道识别信息是根据所述第三置信度概率确定的。
6.根据权利要求5所述的装置，其特征在于，所述第三预设时间长度内变道投票者数量是通过如下方式确定的：
在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角大于第三阈值、且所述目标车辆信息中的横纵向距离大于第四阈值，所述变道投票者数量增加；
在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角小于等于所述第三阈值、和/或所述目标车辆信息中的横纵向距离小于等于所述第四阈值，所述变道投票者数量不变。
7.根据权利要求1所述的装置，其特征在于，
所述第四变道识别信息和所述第四置信度概率是根据所述车道线信息中的第一车辆距车道线的距离、所述车姿信息、所述地图信息中的语义信息和所述第一车辆是否处于变道碰撞事故多发区确定的，所述地图信息用于指示所述第一车辆是否处于所述变道碰撞事故多发区。
8.根据权利要求7所述的装置，其特征在于，所述第一车辆是否处于变道碰撞事故多发区是通过如下方式确定的：
若所述地图信息中标注变道碰撞事故多发区，根据所述地图信息中标注的变道碰撞事故多发区确定当前所述第一车辆是否处于变道碰撞事故多发区；
若所述地图信息中未标注变道碰撞事故多发区，根据所述地图信息确定当前所述第一车辆是否处于所述变道碰撞事故多发区；所述变道碰撞事故多发区包括十字路口、匝道上下口和车道数量变化区域。
9.根据权利要求1所述的装置，其特征在于，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，包括：
所述变道行为是根据最大值的置信度概率对应的分类信息确定的，所述最大值的置信度概率是对多个分类信息中的每个分类信息对应的置信度概率进行比较得到的，所述多个分类信息和所述多个分类信息对应的置信度概率是对所述至少一个所述变道识别信息和所述至少一个置信度概率进行分类学习得到的，所述分类信息用于表示所述第一车辆的变道行为的类别。
10.根据权利要求1所述的装置，其特征在于，
所述车姿信息包括：偏转角速率、方向盘转角、方向盘转角速度和车速中的一项或者多项；
所述车道线信息包括：所述第一车辆距车道线距离、所述第一车辆相对车道线航向角、车道线曲率、车道线曲率导数中的一项或者多项；
所述路沿信息包括：所述第一车辆距路沿距离、所述第一车辆相对路沿航向角、路沿曲率、路沿曲率导数中的一项或者多项；
所述目标车辆信息包括：所述目标车辆相对所述第一车辆的目标航向角、所述目标车辆相对所述第一车辆的横纵向距离中的一项或者多项。
11.一种信息处理方法，其特征在于，包括：
获取第一车辆对应的车道线信息、所述第一车辆的车姿信息、路沿信息、目标车辆信息或地图信息中的至少两种；
根据所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种、控制所述第一车辆执行对应于变道行为的处理，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，所述车道线信息、所述车姿信息、所述路沿信息、所述目标车辆信息和所述地图信息中的至少两种用于指示所述至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率；所述变道识别信息用于表示所述第一车辆的变道行为的类别；
所述至少一个变道识别信息包括第一变道识别信息、第二变道识别信息、第三变道识别信息和第四变道识别信息，所述至少一个变道识别信息对应的至少一个置信度概率包括第一置信度概率、第二置信度概率、第三置信度概率和第四置信度概率，
所述车道线信息和所述车姿信息用于指示所述第一车辆的第一变道识别信息和所述第一变道识别信息对应的第一置信度概率；
所述路沿信息和所述车姿信息用于指示所述第一车辆的第二变道识别信息和所述第二变道识别信息对应的第二置信度概率；
所述目标车辆信息和所述车姿信息用于指示所述第一车辆的第三变道识别信息和所述第三变道识别信息对应的第三置信度概率；
所述地图信息和所述车姿信息用于指示所述第一车辆的第四变道识别信息和所述第四变道识别信息对应的第四置信度概率。
12.根据权利要求11所述的方法，其特征在于，
所述车道线信息和所述车姿信息用于指示所述第一置信度概率；
所述第一变道识别信息是根据所述第一置信度概率确定的。
13.根据权利要求11或12所述的方法，其特征在于，
所述第一变道识别信息是根据在第一预设时间长度内，所述第一置信度概率大于第一阈值的次数确定的。
14.根据权利要求11所述的方法，其特征在于，
所述第二置信度概率是根据差值、所述路沿信息中除所述第一车辆距路沿距离之外的信息和所述车姿信息确定的；所述差值为所述路沿信息中的第一车辆距路沿距离的实时值和所述实时值对应的均值之间的差，所述实时值对应的均值为第二预设时间长度内的所述路沿信息中的第一车辆距路沿距离的平均值；
所述第二变道识别信息是根据所述第二置信度概率确定的。
15.根据权利要求11所述的方法，其特征在于，
所述第三置信度概率是根据第三预设时间长度内变道投票者数量和所述车姿信息确定的，所述变道投票者数量是根据所述目标车辆信息中的目标航向角和所述目标车辆信息中的横纵向距离确定的；所述变道投票者数量是指支持所述第一车辆的第一类别的变道行为的目标车辆的数量；所述第一类别为所述第一车辆的变道行为的类别中的一种；
所述第三变道识别信息是根据所述第三置信度概率确定的。
16.根据权利要求15所述的方法，其特征在于，所述第三预设时间长度内变道投票者数量是通过如下方式确定的：
在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角大于第三阈值、且所述目标车辆信息中的横纵向距离大于第四阈值，所述变道投票者数量增加；
在所述第三预设时间长度内，当所述目标车辆信息中的目标航向角小于等于所述第三阈值、和/或所述目标车辆信息中的横纵向距离小于等于所述第四阈值，所述变道投票者数量不变。
17.根据权利要求11所述的方法，其特征在于，
所述第四变道识别信息和所述第四置信度概率是根据所述车道线信息中的第一车辆距车道线的距离、所述车姿信息、所述地图信息中的语义信息和所述第一车辆是否处于变道碰撞事故多发区确定的，所述地图信息用于指示所述第一车辆是否处于所述变道碰撞事故多发区。
18.根据权利要求17所述的方法，其特征在于，所述第一车辆是否处于变道碰撞事故多发区是通过如下方式确定的：
若所述地图信息中标注变道碰撞事故多发区，根据所述地图信息中标注的变道碰撞事故多发区确定当前所述第一车辆是否处于变道碰撞事故多发区；
若所述地图信息中未标注变道碰撞事故多发区，根据所述地图信息确定当前所述第一车辆是否处于所述变道碰撞事故多发区；所述变道碰撞事故多发区包括十字路口、匝道上下口和车道数量变化区域。
19.根据权利要求11所述的方法，其特征在于，所述变道行为是根据至少一个变道识别信息和所述至少一个变道识别信息对应的至少一个置信度概率确定的，包括：
所述变道行为是根据最大值的置信度概率对应的分类信息确定的，所述最大值的置信度概率是对多个分类信息中的每个分类信息对应的置信度概率进行比较得到的，所述多个分类信息和所述多个分类信息对应的置信度概率是对所述至少一个所述变道识别信息和所述至少一个置信度概率进行分类学习得到的，所述分类信息用于表示所述第一车辆的变道行为的类别。
20.根据权利要求11所述的方法，其特征在于，
所述车姿信息包括：偏转角速率、方向盘转角、方向盘转角速度和车速中的一项或者多项；
所述车道线信息包括：所述第一车辆距车道线距离、所述第一车辆相对车道线航向角、车道线曲率、车道线曲率导数中的一项或者多项；
所述路沿信息包括：所述第一车辆距路沿距离、所述第一车辆相对路沿航向角、路沿曲率、路沿曲率导数中的一项或者多项；
所述目标车辆信息包括：所述目标车辆相对所述第一车辆的目标航向角、所述目标车辆相对所述第一车辆的横纵向距离中的一项或者多项。
21.一种终端，其特征在于，包括至少一个处理器和接口电路，所述接口电路和所述至少一个处理器通过线路互联，所述接口电路用于获取计算机程序，当所述计算机程序被所述处理器执行时，权利要求11-20任一项所述的方法得以实现。
22.一种芯片系统，其特征在于，所述芯片系统包括至少一个处理器和接口电路，所述接口电路和所述至少一个处理器通过线路互联，所述接口电路用于获取计算机程序，当所述计算机程序被所述处理器执行时，权利要求11-20任一项所述的方法得以实现。
23.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序或指令，当所述计算机程序或指令在处理器上运行时，实现权利要求11-20任一项所述的方法。
CN202180000263.0A 2021-01-15 2021-01-15 一种信息处理方法及相关装置 Active CN112839854B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2021/072211 WO2022151369A1 (zh) 2021-01-15 2021-01-15 一种信息处理方法及相关装置

Publications (2)

Publication Number Publication Date
CN112839854A CN112839854A (zh) 2021-05-25
CN112839854B true CN112839854B (zh) 2022-07-22

Family

ID=75929862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180000263.0A Active CN112839854B (zh) 2021-01-15 2021-01-15 一种信息处理方法及相关装置

Country Status (2)

Country Link
CN (1) CN112839854B (zh)
WO (1) WO2022151369A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7191143B2 (ja) * 2021-03-11 2022-12-16 三菱電機株式会社 他車両行動予測装置、他車両行動予測方法、及び自動運転システム
CN113581205B (zh) * 2021-08-03 2023-01-31 京东鲲鹏(江苏)科技有限公司 一种调整车辆姿态的方法和装置
CN114212110B (zh) * 2022-01-28 2024-05-03 中国第一汽车股份有限公司 障碍物轨迹预测方法、装置、电子设备及存储介质
CN116682095B (zh) * 2023-08-02 2023-11-07 天津所托瑞安汽车科技有限公司 一种关注目标的确定方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111133447A (zh) * 2018-02-18 2020-05-08 辉达公司 适于自主驾驶的对象检测和检测置信度

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100023180A1 (en) * 2008-07-24 2010-01-28 Gm Global Technology Operations, Inc. Adaptive vehicle control system with driving style recognition based on lane-change maneuvers
US20100209884A1 (en) * 2009-02-18 2010-08-19 Gm Global Technology Operations, Inc. Driving skill recognition based on vehicle left and right turns
CN105575150B (zh) * 2016-01-29 2017-12-05 深圳市美好幸福生活安全系统有限公司 行车安全行为分析方法、预警方法及其装置
CN105730323B (zh) * 2016-02-18 2018-06-15 吉林大学 一种汽车安全变道自动控制系统及控制方法
CN110020748B (zh) * 2019-03-18 2022-02-15 杭州飞步科技有限公司 轨迹预测方法、装置、设备和存储介质
CN110884490B (zh) * 2019-10-28 2021-12-07 广州小鹏汽车科技有限公司 一种车辆侵入判断及辅助行驶的方法、系统、车辆及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111133447A (zh) * 2018-02-18 2020-05-08 辉达公司 适于自主驾驶的对象检测和检测置信度
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

Also Published As

Publication number Publication date
WO2022151369A1 (zh) 2022-07-21
CN112839854A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN112839854B (zh) 一种信息处理方法及相关装置
EP3699048B1 (en) Travelling track prediction method and device for vehicle
US11498577B2 (en) Behavior prediction device
CN114074681B (zh) 基于概率的车道变更决策和运动规划系统及其方法
US11829131B2 (en) Vehicle neural network enhancement
Eidehall Tracking and threat assessment for automotive collision avoidance
CN110001648B (zh) 车辆控制装置
JP2022189811A (ja) 機械学習アルゴリズム内において使用される機械学習分類器をチューニングするための超音波システム及び方法
CN116148860A (zh) 静止障碍物的识别方法、装置、车辆及存储介质
CN115470836A (zh) 用于重新配置车辆内使用的机器学习模型的超声波系统和方法
CN113335311B (zh) 一种车辆碰撞检测方法、装置、车辆及存储介质
CN113353083B (zh) 车辆行为识别方法
CN117227714A (zh) 一种自动驾驶车辆转弯避让控制方法及系统
US20230135702A1 (en) Apparatus for controlling autonomous driving and method thereof
US20230034979A1 (en) Method and device for determining reliability of visual detection
JP2022189810A (ja) 機械学習アルゴリズムを使用して障害物を分類するための超音波システム及び方法
CN113920734B (zh) 一种基于logistics模型的变道预警方法
JP7346722B2 (ja) 運転支援方法及び運転支援装置
CN115071701A (zh) 车辆控制装置及车辆控制方法
CN113753038A (zh) 一种轨迹预测方法、装置、电子设备和存储介质
CN113327456A (zh) 一种车道结构检测方法及装置
CN112739599A (zh) 一种车辆变道行为识别方法及装置
TWI750762B (zh) 自駕車之混合決策方法及其系統
CN114217601A (zh) 自驾车的混合决策方法及其系统
CN117104128A (zh) 转向灯控制方法、装置、车辆控制器、车辆及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant