CN113044042B - 车辆预测变道图像显示方法、装置、电子设备和可读介质 - Google Patents

Abstract

本公开的实施例公开了车辆预测变道图像显示方法、装置、电子设备和可读介质。该方法的一具体实施方式包括：获取车道线信息、当前车辆的定位信息和目标车辆的检测信息；确定初始变道概率向量和变道概率转移矩阵；基于车道线信息、当前车辆的定位信息和目标车辆的检测信息，生成目标车辆的瞬时信息；基于车道线信息、目标车辆的检测信息、初始变道概率向量、变道概率转移矩阵和目标车辆的瞬时信息，生成目标车辆的目标变道概率向量；基于目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。该实施方式可以提高生成目标车辆预测变道图像的准确度。

Description

车辆预测变道图像显示方法、装置、电子设备和可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及车辆预测变道图像显示方法、装置、电子设备和可读介质。

背景技术

车辆预测变道图像显示方法，是指在当前车辆的显示终端显示目标车辆预测变道图像的一项技术。目前，在车辆预测变道图像显示时，通常采用的方式为：根据目标车辆的车灯信息（例如，转向灯闪烁）和目标车辆的车头倾斜角度（例如，车头向左倾斜的角度）等信息，生成目标车辆变道信息（例如，表征是否变道的信息），然后，根据目标车辆变道信息生成目标车辆预测变道图像显示至当前车辆的显示终端。

然而，当采用上述方式进行车辆预测变道图像显示时，经常会存在如下技术问题：

在车辆正常行驶过程中，其他车辆会突发性变道（例如，突然变道或不打转向灯变道等），此时，根据目标车辆的车灯信息和目标车辆的车头倾斜角度等信息，生成的目标车辆信息不能较好的表征当前时刻目标车辆的实际行驶状态，也不能较好的表征后一时刻目标车辆的估计行驶状态，因此，根据目标车辆信息生成的目标车辆预测变道图像不够准确，从而，会导致当前车辆的显示终端所显示的目标车辆预测变道图不准确。进而，降低了自动驾驶车辆的安全性。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了车辆预测变道图像显示方法、装置、电子设备和可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种车辆预测变道图像显示方法，该方法包括：获取车道线信息、当前车辆的定位信息和目标车辆的检测信息；确定初始变道概率向量和变道概率转移矩阵；基于上述车道线信息、上述当前车辆的定位信息和上述目标车辆的检测信息，生成上述目标车辆的瞬时信息；基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量；基于上述目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。

第二方面，本公开的一些实施例提供了一种障碍物信息生成装置，装置包括：获取单元，被配置成获取车道线信息、当前车辆的定位信息和目标车辆的检测信息；确定单元，被配置成确定初始变道概率向量和变道概率转移矩阵；第一生成单元，被配置成基于上述车道线信息、上述当前车辆的定位信息和上述目标车辆的检测信息，生成上述目标车辆的瞬时信息；第二生成单元，被配置成基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量；生成以及显示单元，被配置成基于上述目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆预测变道图像显示方法，可以提高生成的目标车辆信息的准确性。具体来说，造成生成的目标车辆信息准确度较低的原因在于：在车辆正常行驶过程中，其他车辆会突发性变道（例如，突然变道或不打转向灯变道等），此时，根据目标车辆的车灯信息和目标车辆的车头倾斜角度等信息，生成的目标车辆信息不能较好的表征当前时刻目标车辆的实际行驶状态，也不能较好的表征后一时刻目标车辆的行驶状态。基于此，本公开的一些实施例的车辆预测变道图像显示方法，首先，获取车道线信息、当前车辆的定位信息和目标车辆的检测信息。然后，确定初始变道概率向量和变道概率转移矩阵。之后，基于上述车道线信息、上述当前车辆的定位信息和上述目标车辆的检测信息，生成上述目标车辆的瞬时信息。由于其他车辆在突发性变道时，常用方法生成目标车辆信息所依赖的车辆的变道灯不存在，导致对目标车辆是否变道的判断能力下降。因此，所生成的目标车辆信息不能较好地表征当前时刻目标车辆的实际行驶状态。因此，为了提升生成的目标车辆信息的准确性，引入了初始变道概率向量。通过初始变道概率向量，可以初步判断目标车辆在当前时刻的车辆行驶意图（例如，变道意图的概率和不变道意图的概率）。另外，通过引入的车道线信息、定位信息和检测信息，生成目标车辆的瞬时信息（例如，目标车辆在当前时刻与上一时刻对应位置之间的距离），可以更加直观的表征目标车辆的实际变化情况。接着，基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量。通过引入变道概率转移矩阵，可以记录当前时刻之前的一段时间内目标车辆的车辆行驶意图。由此，可以通过变道概率转移矩阵和目标车辆的瞬时信息对初始变道概率向量进一步进行矫正。从而，可以使得生成的目标车辆的目标变道概率向量更加准确。最后，基于上述目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。从而，可以将更加准确的车辆预测变道图像显示至车辆显示终端以供显示。进而，可以提高自动驾驶车辆的安全性。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的一些实施例的车辆预测变道图像显示方法的一个应用场景的示意图；

图2是根据本公开的车辆预测变道图像显示方法的一些实施例的流程图；

图3是根据本公开的车辆预测变道图像显示方法的另一些实施例的流程图；

图4是本公开的车辆预测变道图像显示装置的一些实施例的结构示意图；

图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一些实施例的车辆预测变道图像显示方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以获取车道线信息102、当前车辆的定位信息103和目标车辆的检测信息104。接着，计算设备101可以确定初始变道概率向量105和变道概率转移矩阵106。然后，计算设备101可以基于上述车道线信息102、上述当前车辆的定位信息103和上述目标车辆的检测信息104，生成上述目标车辆的瞬时信息107。之后，计算设备101可以基于上述车道线信息102、上述目标车辆的检测信息104、上述初始变道概率向量105、上述变道概率转移矩阵106和上述目标车辆的瞬时信息107，生成上述目标车辆的目标变道概率向量108。最后，计算设备101可以基于上述目标车辆的目标变道概率向量108，生成目标车辆预测变道图像109以及显示。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的车辆预测变道图像显示方法的一些实施例的流程200。该车辆预测变道图像显示方法的流程200，包括以下步骤：

步骤201，获取车道线信息、当前车辆的定位信息和目标车辆的检测信息。

在一些实施例中，车辆预测变道图像显示方法的执行主体（如图1所示的计算设备101）可以通过有线连接的方式或者无线连接的方式获取车道线信息、当前车辆的定位信息和目标车辆的检测信息。其中，上述车道线信息可以是目标车辆所在车道的两侧车道线的信息。例如，车道线信息可以是：左侧车道线为实线，右侧车道线为虚线。上述当前车辆可以是承载上述执行主体的车辆。上述目标车辆可以是在以上述当前车辆为中心，以预设距离（例如，10米）为半径的缓冲区内的任一车辆。上述当前车辆的定位信息可以是当前车辆所在位置等信息，可以包括当前车辆在预设的高精度地图中的坐标值和当前车辆的车辆长度。上述目标车辆的检测信息可以是通过当前车辆上安装的检测设备（例如，激光雷达等）所生成的目标车辆的信息。该检测信息可以包括目标车辆的长度，目标车辆中心点与上述当前车辆的中心点之间的距离值和两个中心点连线与车道线之间的角度值等。

步骤202，确定初始变道概率向量和变道概率转移矩阵。

在一些实施例中，上述执行主体可以确定初始变道概率向量和变道概率转移矩阵。其中，可以将上一时刻生成的目标车辆的目标车辆信息包括的目标变道概率向量确定为上述初始变道概率向量，以作为当前时刻的生成目标变道概率向量的基础。上述初始变道概率向量可以是一个三维向量，第一维的数据可以用于表征目标车辆保持不变道状态的概率。第二维的数据可以用于表征目标车辆变道至当前车辆所在车道的概率。第三维的数据可以用于表征目标车辆变道离开当前车辆所在车道的状态的概率。上述变道概率转移矩阵可以是根据一段时间内目标车辆的变道情况，通过预设的模型（例如，深度神经网络模型）生成的三乘三的矩阵。上述一段时间内可以是从当前时刻为终止时刻的前两小时内的任意时刻（例如，1分钟，或1小时）。具体时间可以从目标车辆进入上述当前车辆的缓冲区内开始计时。

上述三乘三的变道概率转移矩阵的第一行第一列的数据可以用于表征目标车辆保持不变道的状态的概率。第一行第二列的数据可以用于表征目标车辆从不变道的状态转移到变道至当前车辆所在车道的状态的概率。第一行第三列的数据可以用于表征目标车辆从不变道的状态转移到变道离开当前车辆所在车道的状态的概率。第二行第一列的数据可以用于表征目标车辆从变道至当前车辆所在车道的状态转移到不变道的状态的概率。第二行第二列的数据可以用于表征目标车辆保持变道至当前车辆所在车道的状态的概率。第二行第三列的数据可以用于表征目标车辆从变道至当前车辆所在车道的状态转移至变道离开当前车辆上述车辆所在车道的状态的概率。第三行第一列的数据可以用于表征目标车辆从变道离开当前车辆上述车辆所在车道的状态转移至不变道的状态的概率。第三行第二列的数据可以用于表征目标车辆从变道离开当前车辆上述车辆所在车道的状态转移至变道至当前车辆所在车道的状态的概率。第三行第三列的数据可以用于表征目标车辆保持变道离开当前车辆上述车辆所在车道的状态的概率。

步骤203，基于车道线信息、当前车辆的定位信息和目标车辆的检测信息，生成目标车辆的瞬时信息。

在一些实施例中，上述执行主体可以基于上述车道线信息、上述当前车辆的定位信息和上述目标车辆的检测信息，生成上述目标车辆的瞬时信息。其中，上述目标车辆的瞬时信息可以是上述目标车辆在当前时刻的信息，可以包括当前时刻目标车辆与当前车辆之间的距离值。可以通过以下公式生成上述目标车辆的瞬时信息包括的当前时刻目标车辆与当前车辆之间的距离值：

。

其中，

表示上述瞬时信息包括的当前时刻目标车辆与当前车辆之间的距离值。

表示上述检测信息包括的目标车辆中心点与上述当前车辆的中心点的连线与车道线之间的角度值。

表示上述检测信息包括的目标车辆中心点与上述当前车辆的中心点之间的距离值。

表示当前车辆的长度值。

表示目标车辆的长度值。

表示当前车辆的宽度值。

表示目标车辆的宽度值。

车辆类似一个四方体，不能简单的作为两个点来看待。仅以两个车辆的中心点作为两个车辆之间的距离值不足以表征车辆之间的相对位置关系。因此，需要确定两个车辆之间最近的两个车角（四方体的角）之间的距离作为两个车辆之间的距离值。从而，可以提高瞬时信息表征两个车辆之间运动状态的能力。

步骤204，基于车道线信息、目标车辆的检测信息、初始变道概率向量、变道概率转移矩阵和目标车辆的瞬时信息，生成目标车辆的目标变道概率向量。

在一些实施例中，上述执行主体可以基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量。其中，上述目标变道概率向量可以是一个三维向量，用于表征上述目标车辆在当前时刻的变道状态的概率。该变道状态可以包括不变道状态、变道至当前车辆所在车道的状态和变道离开当前车辆所在道路的状态。可以将车道线信息、目标车辆的检测信息、初始变道概率向量、变道概率转移矩阵和目标车辆的瞬时信息发送至预设的车辆变道概率计算服务端，然后接收车辆变道概率计算服务端返回的车辆变道概率作为上述目标车辆的目标变道概率向量。

作为示例，上述目标变道概率向量可以是：[a：0.5，b：0，c：0.5]。a可以表示上述目标车辆不变道的概率。b可以表示上述目标车辆变道至上述当前车辆所在车道的概率。b为0可以表示上述目标车辆处于上述当前车辆所在车道，不可能再变道至上述当前车辆所在车道。c可以表示上述目标车辆离开上述当前车辆所在车道的概率。由此，以三维向量表征目标车辆在当前时刻的变道状态的概率可以更加准确。

步骤205，基于目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。

在一些实施例中，上述执行主体可以基于上述目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。其中，响应于确定上述目标变道概率向量中的第一维的数据大于预设阈值（例如0.8），确定上述目标车辆不变道。由此，可以在当前车辆前方的图像中的目标车辆前方叠加上预设的直线箭头，生成目标车辆预测变道图像。最后在车辆的显示终端显示该目标车辆预测变道图像。

响应于确定上述目标变道概率向量中的第二维或第三维的数据大于预设阈值（例如0.5），确定上述目标车辆将变道。由此，可以在当前车辆前方的图像中的目标车辆前方叠加上预设的变道箭头，生成目标车辆预测变道图像。另外，可以将目标车辆距离最近的车道线作为车辆向左变道或向右变道的基准。车头朝向该车道线左方可以是向左变道。车头朝向该车道线的右方可以是向右变道。

可选地，上述执行主体还可以根据上述目标车辆预测变道图像，对上述当前车辆进行驾驶动作控制。由此，控制终端可以根据目标车辆的目标变道概率向量控制当前车辆进行移动，以及时避开需要变道的车辆，提高自动驾驶车辆的安全性。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆预测变道图像显示方法，可以提高生成的目标车辆信息的准确性。具体来说，造成生成的目标车辆信息准确度较低的原因在于：在车辆正常行驶过程中，其他车辆会突发性变道（例如，突然变道或不打转向灯变道等），此时，根据目标车辆的车灯信息和目标车辆的车头倾斜角度等信息，生成的目标车辆信息不能较好的表征当前时刻目标车辆的实际行驶状态，也不能较好的表征后一时刻目标车辆的行驶状态。基于此，本公开的一些实施例的车辆预测变道图像显示方法，首先，获取车道线信息、当前车辆的定位信息和目标车辆的检测信息。然后，确定初始变道概率向量和变道概率转移矩阵。之后，基于上述车道线信息、上述当前车辆的定位信息和上述目标车辆的检测信息，生成上述目标车辆的瞬时信息。由于其他车辆在突发性变道时，常用方法生成目标车辆信息所依赖的车辆的变道灯不存在，导致对目标车辆是否变道的判断能力下降。因此，所生成的目标车辆信息不能较好地表征当前时刻目标车辆的实际行驶状态。因此，为了提升生成的目标车辆信息的准确性，引入了初始变道概率向量。通过初始变道概率向量，可以初步判断目标车辆在当前时刻的车辆行驶意图（例如，变道意图的概率和不变道意图的概率）。另外，通过引入的车道线信息、定位信息和检测信息，生成目标车辆的瞬时信息（例如，目标车辆在当前时刻与上一时刻对应位置之间的距离），可以更加直观的表征目标车辆的实际变化情况。接着，基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量。通过引入变道概率转移矩阵，可以记录当前时刻之前的一段时间内目标车辆的车辆行驶意图。由此，可以通过变道概率转移矩阵和目标车辆的瞬时信息对初始变道概率向量进一步进行矫正。从而，可以使得生成的目标车辆的目标变道概率向量更加准确。最后，基于上述目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。从而，可以将更加准确的车辆预测变道图像显示至车辆显示终端以供显示。进而，可以提高自动驾驶车辆的安全性。

进一步参考图3，其示出了车辆预测变道图像显示方法的另一些实施例的流程300。该车辆预测变道图像显示方法的流程300，包括以下步骤：

步骤301，获取车道线信息、当前车辆的定位信息和目标车辆的检测信息。

步骤302，确定初始变道概率向量和变道概率转移矩阵。

在一些实施例中，步骤301-302的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-102，在此不再赘述。

步骤303，基于车道线信息和当前车辆的定位信息，生成当前车辆的车道中心线方程。

在一些实施例中，上述执行主体可以基于上述车道线信息和上述当前车辆的定位信息，生成上述当前车辆的车道中心线方程。其中，上述当前车辆的定位信息包括的当前车辆在预设的高精度地图中的坐标值可以用于确定当前车辆在道路的具体车道，例如，左数第二条车道。上述车道线信息还可以包括每个车道的车道中心线方程以及对应的车道标识。由此，可以从车道线信息中取出与上述当前车辆的所在车道的车道标识相同的车道中心线方程，作为上述当前车辆的车道中心线方程。

在一些实施例的一些可选的实现方式中，上述车道线信息还可以包括：车道线表达式组，上述当前车辆的定位信息可以包括：上述当前车辆所在车道的车道标识；以及上述执行主体基于车道线信息和当前车辆的定位信息，生成当前车辆的车道中心线方程，可以包括以下步骤：

第一步，从上述车道线表达式组中选出与上述当前车辆的定位信息包括的当前车辆所在车道的车道标识相匹配的两个车道线表达式。其中，上述车道线表达式组中每个车道线表达式可以对应一个车道标识。由于一个车道标识可以表征一个车道，以及一个车道是由两个车道线为界线。因此一个车道的车道标识可以对应上述车道线表达式组的两个车道线表达式。

第二步，对上述两个车道线表达式进行融合，得到上述当前车辆的车道中心线方程。其中，上述融合可以是将两个车道线表达式相加除以二，得到上述当前车辆的车道中心线方程。

步骤304，基于目标车辆的检测信息和车道中心线方程，生成目标车辆的瞬时信息。

在一些实施例中，上述执行主体可以基于上述目标车辆的检测信息和上述车道中心线方程，生成上述目标车辆的瞬时信息。其中，上述目标车辆的瞬时信息可以包括：上述目标车辆的当前横向瞬时速度值、横向平均速度值和上述目标车辆的坐标值与上述当前车辆的车道中心线方程之间的瞬时距离值，上述目标车辆的检测信息可以包括上述目标车辆的当前瞬时速度值、当前坐标值和历史时间段内的横向瞬时速度值集合。可以通过以下步骤生成目标车辆的瞬时信息：

第一步，确定上述目标车辆的当前瞬时速度的方向和目标切线之间夹角的角度值。其中，上述目标切线可以是上述目标车辆的坐标值在上述车道中心线方程对应位置的切线。实际的，可以在坐标系中绘制出中心线方程的曲线。那么，对应位置可以是上述坐标值在该曲线相同横坐标处的位置。对应位置的切线可以是上述中心线方程的曲线在上述目标车辆的坐标值的横坐标处位置的切线。

第二步，根据上述角度值，确定上述目标车辆的当前瞬时速度横向速度分量，得到上述目标车辆的当前横向瞬时速度值。其中，可以将上述角度值的正弦值和上述瞬时速度的乘积确定为横向速度分量，然后可以将横向速度分量作为上述目标车辆的当前横向瞬时速度值。另外，可以以上述中心线方程为基准，若上述当前瞬时速度横向速度分量方向向左，则横向瞬时速度值为正。若上述当前瞬时速度横向速度分量方向向右，则横向瞬时速度值为负。

第三步，将上述当前横向瞬时速度值与上述历史时间段内的横向瞬时速度值集合中各个横向瞬时速度值的平均值确定为上述横向平均速度值。其中，可以将上述当前横向瞬时速度值和上述横向瞬时速度值集合中的各个横向瞬时速度值的和与各个横向瞬时速度值加一的差值确定为上述横向平均速度值。

作为示例，上述历史时间段可以是2秒。

第四步，确定上述目标车辆的当前坐标值与上述车道中心线方程之间的距离值，得到上述瞬时距离值。其中，首先，可以确定上述车道中心线方程与上述当前坐标值横坐标相同位置的坐标点的切线方程。然后，可以通过点到直线距离公式确定上述当前坐标值与上述车道中心线方程之间的距离值。

步骤305，基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量。

在一些实施例中，上述执行主体可以基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量。其中，上述车道线信息还包括上述当前车辆所在车道的宽度值，上述目标车辆的检测信息还包括上述目标车辆的车辆宽度值。可以通过以下步骤生成上述目标车辆的目标变道概率向量：

第一步，利用上述目标车辆的瞬时信息包括的上述目标车辆的当前横向瞬时速度值、上述横向平均速度值和上述瞬时距离值，生成上述目标车辆的瞬时变量。其中，上述瞬时变量可以是上述目标车辆的瞬时变化量，用于量化上述目标车辆的当前横向瞬时速度值、上述横向平均速度值和上述瞬时距离值的瞬时变化情况。可以通过以下公式生成目标车辆的瞬时变量：

。

其中，

表示上述目标车辆的瞬时变量，

、

表示预设参数阈值，

表示上述目标车辆的当前横向瞬时速度值，

表示上述横向平均速度值，

表示上述瞬时距离值。

第二步，基于上述当前车辆所在车道的宽度值、上述目标车辆的车辆宽度值、上述瞬时距离值、上述目标车辆的瞬时变量和上述初始变道概率向量，生成上述目标车辆的当前变道概率向量。其中，可以将上述瞬时距离值与上述当前车辆所在车道的宽度值和上述目标车辆的车辆宽度值和的比值确定为系数。然后可以将系数与上述目标车辆的瞬时变量和上述初始变道概率向量的乘积确定为上述目标车辆的当前变道概率向量。

第三步，基于上述目标车辆的当前变道概率向量和上述变道概率转移矩阵，生成上述目标车辆的变道概率向量。其中，首先可以将上述变道概率转移矩阵和上述当前变道概率向量的乘积确定为预测转移概率向量。然后，可以将上述当前概率向量与上述预测转移概率向量之间每个维度的数据对应相乘，得到准目标变道概率向量。而后，可以将上述准目标变道概率向量各个维度的算术平方根确定为比重系数。最后，可以将上述准目标变道概率向量与上述比重系数的比值（例如，每个维度的数据与上述分母的比值）确定为上述目标车辆的变道概率向量。

在一些实施例的一些可选的实现方式中，上述执行主体基于上述目标车辆的当前变道概率向量和上述变道概率转移矩阵，生成上述目标车辆的变道概率向量，可以包括以下步骤：

第一步，将上述当前车辆所在车道的宽度值和上述目标车辆的车辆宽度值的算术平均值确定为最大宽度值。

第二步，将上述当前车辆所在车道的宽度值和上述目标车辆的车辆宽度值差的均值确定为最小宽度值。其中，可以将上述当前车辆所在车道的宽度值和上述目标车辆的车辆宽度值的和除以二得到最小宽度值。

第三步，响应于确定上述瞬时距离值小于等于上述最小宽度值的相反数，基于上述最大宽度值、上述最小宽度值、上述目标车辆的瞬时变量和上述瞬时距离值，调整上述初始变道概率向量中的第一维度和第三维度的数据以生成第一变道概率向量。其中，上述瞬时距离值小于等于上述最小宽度值的相反数可以用于表征上述目标车辆与上述当前车辆处于同一车道。由此，目标车辆变道至当前车辆所在的车道的概率可以是0。

可以通过以下公式，生成第一变道概率向量：

。

其中，

表示上述第一变道概率向量。

表示第一维度。

表示第二维度。

表示第三维度。

表示上述第一变道概率向量中第一维度的数据。

表示上述第一变道概率向量中第二维度的数据。

表示上述第一变道概率向量中第三维度的数据。

表示上述目标车辆的瞬时变量。

表示上述最大宽度值。

表示上述最小宽度值。

、

表示预设参数阈值。

表示上述目标车辆的当前横向瞬时速度值。

表示上述横向平均速度值。

表示上述瞬时距离值。

第四步，基于上述初始变道概率向量，对上述第一变道概率向量进行归一化，得到当前变道概率向量。其中，可以将上述第一变道概率向量中每个维度的数据与各个维度数据总体的算术平方根的比值确定为当前变道概率向量中的数据。从而，完成对上述第一变道概率向量的归一化操作，得到当前变道概率向量。

在一些实施例的一些可选的实现方式中，上述执行主体基于上述目标车辆的当前变道概率向量和上述变道概率转移矩阵，生成上述目标车辆的变道概率向量，还可以包括以下步骤：

第一步，响应于确定上述瞬时距离值大于上述最小宽度值的相反数且小于等于上述最小宽度值，基于上述最大宽度值、上述最小宽度值、上述目标车辆的瞬时变量和上述瞬时距离值，调整上述初始变道概率向量中的第一维度和第三维度的数据以生成第二变道概率向量。其中，上述瞬时距离值大于上述最小宽度值的相反数且小于等于上述最小宽度值也可以表征上述目标车辆与上述当前车辆处于同一车道。由此，目标车辆变道至当前车辆所在的车道的概率可以是0。可以对上述目标车辆的瞬时变量取绝对值，以通过上述公式生成第二变道概率向量。

第二步，基于上述初始变道概率向量，对上述第二变道概率向量进行归一化，得到当前变道概率向量。其中，可以将上述第一变道概率向量中每个维度的数据与各个维度数据总体的算术平方根的比值确定为当前变道概率向量中的数据。从而，完成对上述第一变道概率向量的归一化操作，得到当前变道概率向量。

在一些实施例的一些可选的实现方式中，上述执行主体基于上述目标车辆的当前变道概率向量和上述变道概率转移矩阵，生成上述目标车辆的变道概率向量，还可以包括以下步骤：

第一步，响应于确定上述瞬时距离值大于上述最小宽度值，基于上述最大宽度值、上述最小宽度值、上述目标车辆的瞬时变量和上述瞬时距离值，调整上述初始变道概率向量中的第一维度和第二维度的数据以生成第三变道概率向量。其中，可以将上述第一变道向量的第三维的数据和第二维的数据进行交换，以及将上述第一维的数据调整为一减第二维的数据。由此，可以得到上述第二变道概率向量。上述瞬时距离值大于上述最小宽度值，基于上述最大宽度值、上述最小宽度值、上述目标车辆的瞬时变量和上述瞬时距离值可以表征上述目标车辆所在的车道与上述当前车辆所在的车道不同。因此，可以确定上述目标车辆变道出上述当前车辆所在车道的概率为0。

第二步，基于上述初始变道概率向量，对上述第三变道概率向量进行归一化，得到当前变道概率向量。其中，可以将上述第一变道概率向量中每个维度的数据与各个维度数据总体的算术平方根的比值确定为当前变道概率向量中的数据。从而，完成对上述第一变道概率向量的归一化操作，得到当前变道概率向量。

上述公式及其相关内容作为本公开的实施例的一个发明点，进一步解决了背景技术提及的技术问题“在车辆正常行驶过程中，其他车辆会突发性变道（例如，突然变道或不打转向灯变道等），此时，根据目标车辆的车灯信息和目标车辆的车头倾斜角度等信息，生成的目标车辆信息不能较好的表征当前时刻目标车辆的实际行驶状态，也不能较好的表征后一时刻目标车辆的估计行驶状态，因此，根据目标车辆信息生成的目标车辆预测变道图像不够准确，从而，会导致当前车辆的显示终端所显示的目标车辆预测变道图不准确。进而，降低了自动驾驶车辆的安全性”为了提高生成目标车辆信息的准确性。首先，通过两个车道线确定车道中心线方程，相比于使用单一车道线，可以提高表征实际车道路线的准确度。然后，引入了目标车辆的瞬时信息。通过瞬时信息可以表征目标车辆在当前时刻的运动状态。之后，通过引入历史时间段的横向瞬时速度值集，可以从一段时间的横向运动速度的角度出发生成瞬时变量，进一步确定目标车辆在当前时刻的运动状态。而后，通过将上述最大距离值与上述最小宽度值之间的关系对车辆的实际变道情况进行分类。利用上述公式，从多角度出发调整目标车辆的当前变道概率，使得当前变道概率可以更好的表征当前时刻目标车辆的实际行驶状态。最后，通过双重的归一化操作，最大限度的消除当前变道概率中各个数据之间的影响，以提高目标车辆的变道概率向量的准确度。也使得可以较好的表征后一时刻目标车辆的估计行驶状态。从而，提高了生成目标车辆信息的准确度。进而，提高生成的目标车辆预测变道图的准确度。提高了自动驾驶车辆的安全性。

步骤306，基于上述目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。

在一些实施例中，步骤306的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤205，在此不再赘述。

从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的车辆预测变道图像显示方法的流程300体现了生成目标车辆的瞬时信息和目标变道概率向量的步骤。从而，提高了生成目标车辆预测变道图像的准确度。进而，提高了自动驾驶车辆的安全性。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种车辆预测变道图像显示装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，一些实施例的车辆预测变道图像显示装置400包括：获取单元401、确定单元402、第一生成单元403、第二生成单元404和生成以及显示单元405。其中，获取单元401，被配置成获取车道线信息、当前车辆的定位信息和目标车辆的检测信息；确定单元402，被配置成确定初始变道概率向量和变道概率转移矩阵；第一生成单元403，被配置成基于上述车道线信息、上述当前车辆的定位信息和上述目标车辆的检测信息，生成上述目标车辆的瞬时信息；第二生成单元404，被配置成基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量；生成以及显示单元405，被配置成基于上述目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。

可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备（例如图1中的计算设备101）500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（ROM）502中的程序或者从存储装置508加载到随机访问存储器（RAM）503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出（I/O）接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取车道线信息、当前车辆的定位信息和目标车辆的检测信息；确定初始变道概率向量和变道概率转移矩阵；基于上述车道线信息、上述当前车辆的定位信息和上述目标车辆的检测信息，生成上述目标车辆的瞬时信息；基于上述车道线信息、上述目标车辆的检测信息、上述初始变道概率向量、上述变道概率转移矩阵和上述目标车辆的瞬时信息，生成上述目标车辆的目标变道概率向量；基于上述目标车辆的目标变道概率向量，生成目标车辆预测变道图像以及显示。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元、第一生成单元、第二生成单元和生成以及显示单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取车道线信息、当前车辆的定位信息和目标车辆的检测信息的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种车辆预测变道图像显示方法，包括：

获取车道线信息、当前车辆的定位信息和目标车辆的检测信息；

确定初始变道概率向量和变道概率转移矩阵，其中，初始变道概率向量是一个三维向量，第一维的数据用于表征目标车辆保持不变道状态的概率，第二维的数据用于表征目标车辆变道至当前车辆所在车道的概率，第三维的数据用于表征目标车辆变道离开当前车辆所在车道的状态的概率；

基于所述车道线信息、所述当前车辆的定位信息和所述目标车辆的检测信息，生成所述目标车辆的瞬时信息；

基于所述车道线信息、所述目标车辆的检测信息、所述初始变道概率向量、所述变道概率转移矩阵和所述目标车辆的瞬时信息，生成所述目标车辆的目标变道概率向量；

基于所述目标车辆的目标变道概率向量，生成目标车辆预测变道图像并显示。

2.根据权利要求1所述的方法，其中，所述方法还包括：

根据所述目标车辆预测变道图像，对所述当前车辆进行驾驶动作控制。

3.根据权利要求1所述的方法，其中，所述基于所述车道线信息、所述当前车辆的定位信息和所述目标车辆的检测信息，生成所述目标车辆的瞬时信息，包括：

基于所述车道线信息和所述当前车辆的定位信息，生成所述当前车辆的车道中心线方程；

基于所述目标车辆的检测信息和所述车道中心线方程，生成所述目标车辆的瞬时信息。

4.根据权利要求3所述的方法，其中，所述车道线信息包括：车道线表达式组，所述当前车辆的定位信息包括：所述当前车辆所在车道的车道标识；以及

所述基于所述车道线信息和所述当前车辆的定位信息，生成所述当前车辆的车道中心线方程，包括：

从所述车道线表达式组中选出与所述当前车辆的定位信息包括的当前车辆所在车道的车道标识相匹配的两个车道线表达式；

对所述两个车道线表达式进行融合，得到所述当前车辆的车道中心线方程。

5.根据权利要求3所述的方法，其中，所述目标车辆的瞬时信息包括：所述目标车辆的当前横向瞬时速度值、横向平均速度值和所述目标车辆的坐标值与所述当前车辆的车道中心线方程之间的瞬时距离值，所述目标车辆的检测信息包括所述目标车辆的当前瞬时速度值、当前坐标值和历史时间段内的横向瞬时速度值集合；以及

所述基于所述目标车辆的检测信息和所述车道中心线方程，生成所述目标车辆的瞬时信息，包括：

确定所述目标车辆的当前瞬时速度的方向和目标切线之间夹角的角度值，其中，所述目标切线是所述目标车辆的坐标值在所述车道中心线方程对应位置的切线；

根据所述角度值，确定所述目标车辆的当前瞬时速度横向速度分量，得到所述目标车辆的当前横向瞬时速度值；

将所述当前横向瞬时速度值与所述历史时间段内的横向瞬时速度值集合中各个横向瞬时速度值的平均值确定为所述横向平均速度值；

确定所述目标车辆的当前坐标值与所述车道中心线方程之间的距离值，得到所述瞬时距离值。

6.根据权利要求5所述的方法，其中，所述车道线信息还包括所述当前车辆所在车道的宽度值，所述目标车辆的检测信息还包括所述目标车辆的车辆宽度值；以及

所述基于所述车道线信息、所述目标车辆的检测信息、所述初始变道概率向量、所述变道概率转移矩阵和所述目标车辆的瞬时信息，生成所述目标车辆的目标变道概率向量，包括：

利用所述目标车辆的瞬时信息包括的所述目标车辆的当前横向瞬时速度值、所述横向平均速度值和所述瞬时距离值，生成所述目标车辆的瞬时变量；

基于所述当前车辆所在车道的宽度值、所述目标车辆的车辆宽度值、所述瞬时距离值、所述目标车辆的瞬时变量和所述初始变道概率向量，生成所述目标车辆的当前变道概率向量；

基于所述目标车辆的当前变道概率向量和所述变道概率转移矩阵，生成所述目标车辆的变道概率向量。

7.根据权利要求6所述的方法，其中，所述基于所述当前车辆所在车道的宽度值、所述目标车辆的车辆宽度值、所述瞬时距离值、所述目标车辆的瞬时变量和所述初始变道概率向量，生成所述目标车辆的当前变道概率向量，包括：

将所述当前车辆所在车道的宽度值和所述目标车辆的车辆宽度值和的均值确定为最大宽度值；

将所述当前车辆所在车道的宽度值和所述目标车辆的车辆宽度值差的均值确定为最小宽度值；

响应于确定所述瞬时距离值大于所述最小宽度值的相反数且小于等于所述最小宽度值，基于所述最大宽度值、所述最小宽度值、所述目标车辆的瞬时变量和所述瞬时距离值，调整所述初始变道概率向量中的第一维度和第三维度的数据以生成第二变道概率向量；

基于所述初始变道概率向量，对所述第二变道概率向量进行归一化，得到当前变道概率向量。

8.根据权利要求7所述的方法，其中，所述基于所述当前车辆所在车道的宽度值、所述目标车辆的车辆宽度值、所述瞬时距离值、所述目标车辆的瞬时变量和所述初始变道概率向量，生成所述目标车辆的当前变道概率向量，还包括：

响应于确定所述瞬时距离值大于所述最小宽度值，基于所述最大宽度值、所述最小宽度值、所述目标车辆的瞬时变量和所述瞬时距离值，调整所述初始变道概率向量中的第一维度和第二维度的数据以生成第三变道概率向量；

基于所述初始变道概率向量，对所述第三变道概率向量进行归一化，得到当前变道概率向量。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

Images