CN114475614A - 一种危险目标的筛选方法、装置、介质及设备 - Google Patents
一种危险目标的筛选方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN114475614A CN114475614A CN202210276795.3A CN202210276795A CN114475614A CN 114475614 A CN114475614 A CN 114475614A CN 202210276795 A CN202210276795 A CN 202210276795A CN 114475614 A CN114475614 A CN 114475614A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- determining
- target
- congestion state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012216 screening Methods 0.000 title claims abstract description 34
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W40/04—Traffic 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B60W2420/408—
Abstract
本申请实施例公开了一种危险目标的筛选方法、装置、介质及设备。其中,该方法包括:按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据;根据所述驾驶场景信息,确定拟车道线边界;根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。本技术方案,通过本车的驾驶场景信息合理划定拟车道线边界,并结合潜在目标的位置数据来确定危险目标,可以快速、可靠的筛选危险目标,有效保证本车驾驶的安全性的同时,最大程度的适应多变的驾驶环境。
Description
技术领域
本申请实施例涉及智能驾驶技术领域,尤其涉及一种危险目标的筛选方法、装置、介质及设备。
背景技术
随着智能驾驶技术的发展,低速拥堵跟车功能是车辆生产单位亟待解决的问题。对车辆等目标是否有切入本车道的风险判断是低速拥堵跟车功能的一个难点。
目前,现有技术通常利用毫米波雷达和摄像头等传感器,采用横向速度阈值法实现危险目标的判断。通过计算本车周围的潜在目标的横向速度,如果潜在目标的横向速度大于横向速度阈值,则确定潜在目标为危险目标。横向速度阈值法严重依赖速度等数据的检测准确度。
但是,在低速拥堵场景下,由于周围车辆目标的遮挡,摄像头的有效检测范围减小。同时,毫米波雷达也容易受到周围杂波的干扰。因此,以传统的横向速度来判断危险目标存在误报和漏检的风险。
发明内容
本申请实施例提供一种危险目标的筛选方法、装置、介质及设备,可以通过本车的驾驶场景信息合理划定拟车道线边界,并结合潜在目标的位置数据来确定危险目标,实现快速、可靠的危险目标筛选。
第一方面,本申请实施例提供了一种危险目标的筛选方法,所述方法包括:
按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据;
根据所述驾驶场景信息,确定拟车道线边界;
根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。
第二方面,本申请实施例提供了一种危险目标的筛选装置,该装置包括:
驾驶场景信息获取模块,用于按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据;
拟车道线边界确定模块,用于根据所述驾驶场景信息,确定拟车道线边界;
危险目标确定模块,用于根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的危险目标的筛选方法。
第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的危险目标的筛选方法。
本申请实施例所提供的技术方案,通过本车的驾驶场景信息合理划定拟车道线边界,并结合潜在目标的位置数据来确定危险目标,实现快速、可靠的危险目标筛选,有效保证本车驾驶的安全性的同时,最大程度的适应多变的驾驶环境。
附图说明
图1A是本申请实施例一提供的危险目标的筛选方法的流程图;
图1B是本申请实施例提供的驾驶场景示意图;
图2为本发明实施例二中的驾驶场景信息的获取周期更新方法的流程图;
图3为本发明实施例三提供的一种危险目标的筛选装置的结构示意图;
图4是本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1A是本申请实施例一提供的危险目标的筛选方法的流程图,本实施例可适用于智能驾驶或者无人驾驶的场景,尤其适用于危险目标的筛选过程,该方法可以由本申请实施例所提供的危险目标的筛选装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于电子设备中。
如图1A所示,所述危险目标的筛选方法包括:
S110,按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据。
本方案可以由驾驶辅助系统来执行。驾驶辅助系统可以预先设置驾驶场景信息获取的周期,例如每20毫秒。驾驶辅助系统可以按照设置的周期获取本车的驾驶场景信息。所述驾驶场景信息可以包括车道数据和行驶方向数据等信息。其中,所述车道数据可以包括本车所在车道、本车行驶方向的车道数、车道宽度、车道线虚实情况以及各条车道线方程等信息。所述行驶方向数据可以包括本车所在车道行驶方向、相邻车道行驶方向以及行驶方向变换路口位置等信息。所述驾驶场景信息还可以包括位置数据,所述位置数据可以包括本车位置信息、路口位置信息以及周围车辆、行人等目标的位置信息。驾驶辅助系统可以利用车载摄像头采集本车周围的图像,进而对图像中车道线、车辆目标以及交通标志等物体的识别。在得到识别结果之后,驾驶辅助系统可以利用识别结果实现车道宽度的计算、车道线方程的拟合等。驾驶辅助系统可以利用速度传感器采集周围潜在目标的速度信息,利用雷达采集周围潜在目标的位置、距离等信息。除此之外,驾驶辅助系统还可以直接向导航等软件发送信息获取请求,以得到本车位置、车道线、速度以及方向等信息。
S120,根据所述驾驶场景信息,确定拟车道线边界。
所述拟车道线边界可以是根据驾驶场景信息对原始车道线数据进行进一步限定得到的。可以理解的,拟车道线边界可以是车辆行驶方向的左右两侧的边界,还可以是左右两侧和前后两侧所围成的封闭边界。具体的,原始车道线数据可以是从导航软件等获取的车道线方程,也可以是根据车载摄像头采集的实时车道线图像,生成的车道线方程。原始车道线数据还可以是上述两种方式获取的车道线方程经过加权融合得到的车道线方程。拟车道线边界可以是在车道线方程的基础上进行参数调整得到的。
在本方案中,可选的,所述驾驶场景信息还包括本车位置数据;所述拟车道线边界根据车道线方程确定,所述车道线方程包括常数项;
相应的,所述根据所述驾驶场景信息,确定拟车道线边界,包括:
若本车所在车道与相邻车道之间的车道线为实线,则根据第一常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向一致,则根据第二常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向不一致,且,本车与行驶方向区分位置的距离小于或等于预设距离阈值,则根据第一常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向不一致,且,本车与行驶方向区分位置的距离大于预设距离阈值,则根据第二常数项确定拟车道线边界。
可以理解的,所述车道线方程可以是从本车视角观测到的车道线的轨迹线的方程表示。例如车道线方程可以是根据特定数量的采样点拟合出的一条多阶的曲线方程。
所述车道线方程可以包括常数项。
具体的,车道线方程可以是三阶或五阶的曲线方程,三阶车道线方程可以表示为:
y=a0+a1x+a2x2+a3x3;
五阶车道线方程可以表示为:
y=a0+a1x+a2x2+a3x3+a4x4+a5x5。
需要说明的是,车道线方程还可以是更高阶的曲线方程,车道线方程阶数越高,拟合准确性越好,相应的,求解车道线方程系数也就越复杂。所述车道线方程可以是一个或多个,多个车道线方程可以分别对应描述多条车道线。车道线方程的系数可以随着车辆的运动不断进行更新。其中,车道线方程的常数项可以确定车道线边界,通过设置车道线方程的常数项,驾驶辅助系统可以生成便于确定危险区域的拟车道线边界。
图1B是本申请实施例提供的驾驶场景示意图,如图1B所示,假设本车在一条三车道的道路上行驶,共包含4条车道线。如果本车所在车道与相邻车道之间的车道线为实线,则说明根据交通法规,相邻车道的目标不能变道到本车所在车道。因此,拟车道线边界可以划定一个较小的危险区域,车道线方程的常数项可以设置一个绝对值比较小的常数。
如果本车所在车道与相邻车道之间的车道线为虚线,并且本车所在车道的行驶方向与相邻车道的行驶方向一致,则说明相邻车道的目标可以变道到本车所在车道,以应对拥堵的交通环境,更快的到达目的地。此时,拟车道线边界可以划定一个相对较大的危险区域,以覆盖所有可能切入本车所在车道的目标,车道线方程的常数项可以设置一个绝对值比较大的常数。
如果本车所在车道与相邻车道之间的车道线为虚线,并且本车所在车道的行驶方向与相邻车道的行驶方向不一致,此时驾驶辅助系统需要进一步判断本车与行驶方向区分位置的距离,以确定相邻车道的目标是否有切入本车所在车道的可能。其中,行驶方向区分位置的距离可以是路口位置,例如本车道为直行车道,相邻车道为左转车道,则本车与行驶方向区分位置的距离即为本车与该路口的距离。此处的行驶方向区分位置的距离可以基于导航软件来获取。
所述行驶方向区分位置可以是行驶方向不一致的两条车道分流的位置,例如十字路口。驾驶辅助系统可以预先设置一个距离阈值,比如5米。当本车距离行驶方向区分位置小于或等于距离阈值的时候,相邻车道的目标没有切入本车所在车道的环境条件,因此,可以认为相邻车道的目标不能变道到本车所在车道。驾驶辅助系统也可以根据周围潜在目标的大小和位置设置距离阈值,例如假设相邻车道存在一5米长的车辆目标,该车辆目标与本车在同一横向位置,驾驶辅助系统可以根据车辆目标的长度和位置,将距离阈值设置为6米。当本车与行驶方向区分位置的距离小于或等于预设距离阈值,则驾驶辅助系统可以根据第一常数项确定拟车道线边界,以划定一个较小的危险区域。
容易理解的,如果本车所在车道与相邻车道之间的车道线为虚线,并且本车所在车道的行驶方向与相邻车道的行驶方向不一致,同时,本车与行驶方向区分位置的距离大于预设距离阈值,则说明相邻车道的目标具有切入本车所在车道的环境条件。因此,可以认为相邻车道的目标可以变道到本车所在车道,驾驶辅助系统可以根据第二常数项确定拟车道线边界,以划定一个较大的危险区域。
本方案可以通过车道线虚实情况,本车所在车道与相邻车道的行驶方向,以及本车与行驶方向区分位置的距离信息,判定本车被切入的风险,进而设置相应的拟车道线边界。该方案可以通过设置车道线方程的常数项,确定拟车道线边界,有利于快速准确的划定危险区域范围,进而确定危险目标。
S130,根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。
驾驶辅助系统可以根据生成的拟车道线确定拟车道线边界,进而可以通过拟车道线边界划定危险区域。所述危险区域可以是仅由拟车道线边界组成的封闭区域,也可以是由拟车道线边界和设置的纵向距离上的边界构成的封闭区域。同时根据拟车道线边界和潜在目标的位置数据,驾驶辅助系统可以确定危险目标。
所述潜在目标可以是本车在行驶过程中测得的全部行人或者车辆,也可以是本车周围预设距离内测得的行人或者车辆。所述位置数据可以包括潜在目标的绝对位置信息,也可以包括潜在目标与本车的相对位置信息,还可以包括多个潜在目标之间的相对位置信息。所述位置数据可以是根据潜在目标和/或本车的中心位置所生成的数据,也可以是根据潜在目标和/或本车的边界位置所生成的数据。根据拟车道线边界确定的危险区域和潜在目标的位置数据,驾驶辅助系统可以确定潜在目标是否在危险区域内。
在一个可行的方案中,可选的,所述潜在目标的位置数据包括多个点位数据;
相应的,所述根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标,包括:
根据所述拟车道线边界,确定危险区域;
若相邻车道潜在目标的至少一个点位数据在所述危险区域内,则将所述目标确定为危险目标。
在本方案中,所述潜在目标的位置数据可以包括多个点位数据,所述点位数据可以是潜在目标的关键位置信息。假设潜在目标为车辆,所述点位数据可以包括车头中心位置数据、车辆中心位置数据、车辆两侧中心位置数据以及车尾中心位置数据等。在一个优选的例子中,如图1B中的目标2所示,点位数据可以包括潜在目标的四个角点位置数据,即目标2中的A、B、C和D四个角点的位置数据。本方案中,可以设定为如果相邻车道潜在目标的至少一个点位数据落在危险区域内,则将所述目标确定为危险目标。
上述方案可以在尽量缩小危险区域的同时,最大程度的扩大危险目标的筛选条件,因此可以有效避免危险目标的漏检和误报,有利于快速准确的定位危险目标。
在上述各方案的基础上,可选的,所述驾驶场景信息还包括本车位置数据;
在确定危险目标之后,所述方法还包括:
根据预先获取的所述危险目标的位置数据和所述本车位置数据,计算距离数据;
根据所述距离数据,确定最危险目标。
可以理解的,所述驾驶场景信息还可以包括本车位置数据,驾驶辅助系统可以根据危险目标的位置数据和本车位置数据,计算两者的距离数据,并根据距离数据,确定最危险目标。当存在多个危险目标时,驾驶辅助系统可以计算各距离数据,选择最小的作为最危险目标,以提示本车注意。
本方案可以在多个危险目标中选择最危险目标,有利于本车对最危险目标进行更加细致的监测,进而保障本车的驾驶安全。
本申请实施例所提供的技术方案,可以通过本车的驾驶场景信息合理划定拟车道线边界,并结合潜在目标的位置数据来确定危险目标,实现快速、可靠的危险目标筛选,有效保证本车驾驶的安全性的同时,最大程度的适应多变的驾驶环境。
实施例二
图2为本发明实施例二中的驾驶场景信息的获取周期更新方法的流程图,本实施例以上述实施例为基础进行优化。
如图2所示,本实施例的方法具体包括如下步骤:
S210,按照预设周期获取本车的驾驶场景信息。
S220,根据所述驾驶场景信息,确定本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息。
驾驶辅助系统还可以根据驾驶场景信息,确定本车所在车道的拥堵状态信息以及相邻车道的拥堵状态信息。所述拥堵状态的判断标准可以是通过驾驶场景信息分析本车所在车道和相邻车道的目标数量,当目标数量高于预设数量阈值时,则认为车道处于拥堵状态;当目标数量低于数量阈值时,则认为车道处于非拥堵状态。
本方案中,可选的,所述根据所述驾驶场景信息,确定本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息,包括:
若本车行驶方向预设距离内无目标,则确定本车所在车道为非拥堵状态;若否,则确定本车所在车道为拥堵状态;
若本车行驶方向预设距离内无目标,且,相邻车道在本车前方存在至少两个目标,且,所述至少两个目标之间的距离小于预设距离,则确定相邻车道为拥堵状态;若否,则确定相邻车道为非拥堵状态。
在本方案中,如果本车行驶方向预设距离内无目标,则确定本车所在车道为非拥堵状态。如果本车行驶方向预设距离内有目标,则确定本车所在车道为拥堵状态。如图1B所示,假设预设距离为10米,本车行驶方向10米内无目标,目标2行驶方向10米内存在目标1,则本车所在车道可以认为是非拥堵状态,目标2所在车道可以认为是拥堵状态。
如果本车行驶方向预设距离内无目标,且,相邻车道在本车前方存在至少两个目标,且,所述至少两个目标之间的距离小于预设距离,则说明相邻车道的目标具有切入本车所在车道的条件,进而可以确定相邻车道为拥堵状态。如图1B所示,假设预设距离为10米,本车所在车道10米内无目标,相邻车道在本车前方存在目标1和目标2两个目标,目标1和目标2之间的距离为3米,小于10米。目标2具有切入本车所在车道的条件,因而可以确定本车所在车道的这条相邻车道为拥堵状态。
上述方案不仅仅依据独立车道情况判断车道的拥堵状态,而是结合本车道与相邻车道的情况来判断车道的拥堵状态。该方案更加符合实际场景需要,可以有效的断定车道的拥堵状态,有利于推测潜在目标的切入可能性。
S230,根据本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息,确定驾驶场景信息的获取周期,并用所述获取周期更新预设周期。
容易理解的,根据本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息,驾驶辅助系统可以进一步的确定驾驶场景信息的获取周期,并应用所述获取周期更新预设周期,以更符合实际驾驶场景需要。
在一个优选的方案中,可选的,所述根据本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息,确定驾驶场景信息的获取周期,包括:
若所述本车所在车道为非拥堵状态,且相邻车道为拥堵状态,则所述驾驶场景信息的获取周期为第一周期;
若所述本车所在车道为拥堵状态,且相邻车道为拥堵状态,则所述驾驶场景信息的获取周期为第二周期;
若所述本车所在车道为拥堵状态,且相邻车道为非拥堵状态,则所述驾驶场景信息的获取周期为第三周期;
若所述本车所在车道为非拥堵状态,且相邻车道为非拥堵状态,则所述驾驶场景信息的获取周期为第四周期;
其中,所述第一周期、所述第二周期、所述第三周期以及所述第四周期依次递增。
如果所述本车所在车道为非拥堵状态,且相邻车道为拥堵状态,则说明相邻车道的目标切入本车所在车道的可能性最大,此时,驾驶场景信息的获取周期可以设置为最小,以实时监测相邻车道目标的动向。如果所述本车所在车道为拥堵状态,且相邻车道为拥堵状态,则车道内目标变道的动机比较强,相邻车道的目标切入本车所在车道的可能性较大。此时,驾驶场景信息的获取周期可以设置为较小。如果所述本车所在车道为拥堵状态,且相邻车道为非拥堵状态,则相邻车道的目标切入本车所在车道的可能性较小,此时,驾驶场景信息的获取周期可以设置的较大一些。如果所述本车所在车道为非拥堵状态,且相邻车道为非拥堵状态,则相邻车道的目标切入本车所在车道的可能性较小,此时,驾驶场景信息的获取周期可以设置到最大。
本方案中,驾驶辅助系统可以根据本车所在车道和相邻车道的拥堵状态信息,设置驾驶场景信息的获取周期,以针对不同程度的切入可能性设置危险目标的更新周期。该方案有利于实现实时的定位危险目标,进而保证本车的驾驶安全性。
实施例三
图3为本发明实施例三提供的一种危险目标的筛选装置的结构示意图,该装置可执行本发明任意实施例所提供的危险目标的筛选方法,具备执行方法相应的功能模块和有益效果。如图3所示,该装置可以包括:
驾驶场景信息获取模块310,用于按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据;
拟车道线边界确定模块320,用于根据所述驾驶场景信息,确定拟车道线边界;
危险目标确定模块330,用于根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。
在本方案中,可选的,所述驾驶场景信息还包括本车位置数据;所述拟车道线边界根据车道线方程确定,所述车道线方程包括常数项;
相应的,所述拟车道线边界确定模块320,具体用于:
若本车所在车道与相邻车道之间的车道线为实线,则根据第一常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向一致,则根据第二常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向不一致,且,本车与行驶方向区分位置的距离小于或等于预设距离阈值,则根据第一常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向不一致,且,本车与行驶方向区分位置的距离大于预设距离阈值,则根据第二常数项确定拟车道线边界。
在上述方案的基础上,可选的,所述装置还包括:
距离数据计算模块,用于根据预先获取的所述危险目标的位置数据和所述本车位置数据,计算距离数据;
最危险目标确定模块,用于根据所述距离数据,确定最危险目标。
在一个可行的方案中,可选的,所述潜在目标的位置数据包括多个点位数据;
相应的,所述危险目标确定模块330,具体用于:
根据所述拟车道线边界,确定危险区域;
若相邻车道潜在目标的至少一个点位数据在所述危险区域内,则将所述目标确定为危险目标。
在一个优选的方案中,可选的,所述装置还包括:
拥堵状态信息确定模块,用于根据所述驾驶场景信息,确定本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息;
获取周期确定模块,用于根据本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息,确定驾驶场景信息的获取周期,并用所述获取周期更新预设周期。
在上述实施例的基础上,可选的,所述拥堵状态信息确定模块,具体用于:
若本车行驶方向预设距离内无目标,则确定本车所在车道为非拥堵状态;若否,则确定本车所在车道为拥堵状态;
若本车行驶方向预设距离内无目标,且,相邻车道在本车前方存在至少两个目标,且,所述至少两个目标之间的距离小于预设距离,则确定相邻车道为拥堵状态;若否,则确定相邻车道为非拥堵状态。
在一个优选的方案中,可选的,所述获取周期确定模块,具体用于:
若所述本车所在车道为非拥堵状态,且相邻车道为拥堵状态,则所述驾驶场景信息的获取周期为第一周期;
若所述本车所在车道为拥堵状态,且相邻车道为拥堵状态,则所述驾驶场景信息的获取周期为第二周期;
若所述本车所在车道为拥堵状态,且相邻车道为非拥堵状态,则所述驾驶场景信息的获取周期为第三周期;
若所述本车所在车道为非拥堵状态,且相邻车道为非拥堵状态,则所述驾驶场景信息的获取周期为第四周期;
其中,所述第一周期、所述第二周期、所述第三周期以及所述第四周期依次递增。
上述产品可执行本申请实施例所提供的危险目标的筛选方法,具备执行方法相应的功能模块和有益效果。
实施例三
本发明实施例三提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有发明实施例提供的危险目标的筛选方法:
按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据;
根据所述驾驶场景信息,确定拟车道线边界;
根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。
可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
计算机可读的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。计算机可读的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——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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发明操作的计算机程序代码,所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)。
实施例五
本申请实施例五提供了一种电子设备。图4是本申请实施例五提供的一种电子设备的结构示意图。如图4所示,本实施例提供了一种电子设备400,其包括:一个或多个处理器420;存储装置410,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器420执行,使得所述一个或多个处理器420实现本申请实施例所提供的危险目标的筛选方法,该方法包括:
按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据;
根据所述驾驶场景信息,确定拟车道线边界;
根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。
当然,本领域技术人员可以理解,处理器420还实现本申请任意实施例所提供的危险目标的筛选方法的技术方案。
图4显示的电子设备400仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,该电子设备400包括处理器420、存储装置410、输入装置430和输出装置440;电子设备中处理器420的数量可以是一个或多个,图4中以一个处理器420为例;电子设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接,图4中以通过总线450连接为例。
存储装置410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块单元,如本申请实施例中的危险目标的筛选方法对应的程序指令。
存储装置410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置410可进一步包括相对于处理器420远程设置的存储器,这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字、字符信息或语音信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏、扬声器等电子设备。
本申请实施例提供的电子设备,可以通过本车的驾驶场景信息合理划定拟车道线边界,并结合潜在目标的位置数据来确定危险目标,实现快速、可靠的危险目标筛选,有效保证本车驾驶的安全性的同时,最大程度的适应多变的驾驶环境。
上述实施例中提供的危险目标的筛选装置、介质及电子设备可执行本申请任意实施例所提供的危险目标的筛选方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的危险目标的筛选方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种危险目标的筛选方法,其特征在于,所述方法包括:
按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据;
根据所述驾驶场景信息,确定拟车道线边界;
根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。
2.根据权利要求1所述的方法,其特征在于,所述驾驶场景信息还包括本车位置数据;所述拟车道线边界根据车道线方程确定,所述车道线方程包括常数项;
相应的,所述根据所述驾驶场景信息,确定拟车道线边界,包括:
若本车所在车道与相邻车道之间的车道线为实线,则根据第一常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向一致,则根据第二常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向不一致,且,本车与行驶方向区分位置的距离小于或等于预设距离阈值,则根据第一常数项确定拟车道线边界;
若本车所在车道与相邻车道之间的车道线为虚线,且,本车所在车道的行驶方向与相邻车道的行驶方向不一致,且,本车与行驶方向区分位置的距离大于预设距离阈值,则根据第二常数项确定拟车道线边界。
3.根据权利要求2所述的方法,其特征在于,在确定危险目标之后,所述方法还包括:
根据预先获取的所述危险目标的位置数据和所述本车位置数据,计算距离数据;
根据所述距离数据,确定最危险目标。
4.根据权利要求1所述的方法,其特征在于,所述潜在目标的位置数据包括多个点位数据;
相应的,所述根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标,包括:
根据所述拟车道线边界,确定危险区域;
若相邻车道潜在目标的至少一个点位数据在所述危险区域内,则将所述目标确定为危险目标。
5.根据权利要求1所述的方法,其特征在于,在按照预设周期获取本车的驾驶场景信息之后,所述方法还包括:
根据所述驾驶场景信息,确定本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息;
根据本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息,确定驾驶场景信息的获取周期,并用所述获取周期更新预设周期。
6.根据权利要求5所述的方法,其特征在于,所述根据所述驾驶场景信息,确定本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息,包括:
若本车行驶方向预设距离内无目标,则确定本车所在车道为非拥堵状态;若否,则确定本车所在车道为拥堵状态;
若本车行驶方向预设距离内无目标,且,相邻车道在本车前方存在至少两个目标,且,所述至少两个目标之间的距离小于预设距离,则确定相邻车道为拥堵状态;若否,则确定相邻车道为非拥堵状态。
7.根据权利要求6所述的方法,其特征在于,所述根据本车所在车道的拥堵状态信息和相邻车道的拥堵状态信息,确定驾驶场景信息的获取周期,包括:
若所述本车所在车道为非拥堵状态,且相邻车道为拥堵状态,则所述驾驶场景信息的获取周期为第一周期;
若所述本车所在车道为拥堵状态,且相邻车道为拥堵状态,则所述驾驶场景信息的获取周期为第二周期;
若所述本车所在车道为拥堵状态,且相邻车道为非拥堵状态,则所述驾驶场景信息的获取周期为第三周期;
若所述本车所在车道为非拥堵状态,且相邻车道为非拥堵状态,则所述驾驶场景信息的获取周期为第四周期;
其中,所述第一周期、所述第二周期、所述第三周期以及所述第四周期依次递增。
8.一种危险目标的筛选装置,其特征在于,所述装置包括:
驾驶场景信息获取模块,用于按照预设周期获取本车的驾驶场景信息;所述驾驶场景信息包括车道数据和行驶方向数据;
拟车道线边界确定模块,用于根据所述驾驶场景信息,确定拟车道线边界;
危险目标确定模块,用于根据所述拟车道线边界和预先获取的潜在目标的位置数据,确定危险目标。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的危险目标的筛选方法。
10.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的危险目标的筛选方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210276795.3A CN114475614A (zh) | 2022-03-21 | 2022-03-21 | 一种危险目标的筛选方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210276795.3A CN114475614A (zh) | 2022-03-21 | 2022-03-21 | 一种危险目标的筛选方法、装置、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114475614A true CN114475614A (zh) | 2022-05-13 |
Family
ID=81488570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210276795.3A Pending CN114475614A (zh) | 2022-03-21 | 2022-03-21 | 一种危险目标的筛选方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114475614A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117698752A (zh) * | 2024-02-05 | 2024-03-15 | 苏州万集车联网技术有限公司 | 目标筛选方法和装置 |
CN117698752B (zh) * | 2024-02-05 | 2024-05-14 | 苏州万集车联网技术有限公司 | 目标筛选方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018177026A1 (zh) * | 2017-03-29 | 2018-10-04 | 蔚来汽车有限公司 | 确定道路边沿的装置和方法 |
CN109835348A (zh) * | 2019-01-25 | 2019-06-04 | 中国汽车技术研究中心有限公司 | 一种道路交通危险场景的筛选方法和装置 |
CN111429716A (zh) * | 2019-01-08 | 2020-07-17 | 威斯通全球技术公司 | 用于确定自车的位置的方法 |
CN111967094A (zh) * | 2020-09-01 | 2020-11-20 | 吉林大学 | 一种基于Mobileye提供车道线方程的后向车道线推算方法 |
CN112130563A (zh) * | 2020-09-10 | 2020-12-25 | 东风汽车集团有限公司 | 一种多目标筛选辅助驾驶控制方法 |
CN112512890A (zh) * | 2020-04-02 | 2021-03-16 | 华为技术有限公司 | 一种异常驾驶行为识别方法 |
CN112706785A (zh) * | 2021-01-29 | 2021-04-27 | 重庆长安汽车股份有限公司 | 一种自动驾驶车辆行驶环境认知目标选择方法、装置及存储介质 |
US20210295061A1 (en) * | 2020-07-20 | 2021-09-23 | Beijing Baidu Netcom Science and Technology Co., Ltd | Lane line determination method and apparatus, lane line positioning accuracy evaluation method and apparatus, and device |
CN113428141A (zh) * | 2021-07-15 | 2021-09-24 | 东风汽车集团股份有限公司 | 一种前车紧急切入及时响应的智能检测方法及系统 |
CN113888568A (zh) * | 2021-08-31 | 2022-01-04 | 际络科技(上海)有限公司 | 多车道线优化方法、装置、电子设备、存储介质及程序 |
CN113942527A (zh) * | 2021-12-03 | 2022-01-18 | 天津天瞳威势电子科技有限公司 | 一种基于自动驾驶的车辆控制方法及装置 |
-
2022
- 2022-03-21 CN CN202210276795.3A patent/CN114475614A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018177026A1 (zh) * | 2017-03-29 | 2018-10-04 | 蔚来汽车有限公司 | 确定道路边沿的装置和方法 |
CN111429716A (zh) * | 2019-01-08 | 2020-07-17 | 威斯通全球技术公司 | 用于确定自车的位置的方法 |
CN109835348A (zh) * | 2019-01-25 | 2019-06-04 | 中国汽车技术研究中心有限公司 | 一种道路交通危险场景的筛选方法和装置 |
CN112512890A (zh) * | 2020-04-02 | 2021-03-16 | 华为技术有限公司 | 一种异常驾驶行为识别方法 |
US20210295061A1 (en) * | 2020-07-20 | 2021-09-23 | Beijing Baidu Netcom Science and Technology Co., Ltd | Lane line determination method and apparatus, lane line positioning accuracy evaluation method and apparatus, and device |
CN111967094A (zh) * | 2020-09-01 | 2020-11-20 | 吉林大学 | 一种基于Mobileye提供车道线方程的后向车道线推算方法 |
CN112130563A (zh) * | 2020-09-10 | 2020-12-25 | 东风汽车集团有限公司 | 一种多目标筛选辅助驾驶控制方法 |
CN112706785A (zh) * | 2021-01-29 | 2021-04-27 | 重庆长安汽车股份有限公司 | 一种自动驾驶车辆行驶环境认知目标选择方法、装置及存储介质 |
CN113428141A (zh) * | 2021-07-15 | 2021-09-24 | 东风汽车集团股份有限公司 | 一种前车紧急切入及时响应的智能检测方法及系统 |
CN113888568A (zh) * | 2021-08-31 | 2022-01-04 | 际络科技(上海)有限公司 | 多车道线优化方法、装置、电子设备、存储介质及程序 |
CN113942527A (zh) * | 2021-12-03 | 2022-01-18 | 天津天瞳威势电子科技有限公司 | 一种基于自动驾驶的车辆控制方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117698752A (zh) * | 2024-02-05 | 2024-03-15 | 苏州万集车联网技术有限公司 | 目标筛选方法和装置 |
CN117698752B (zh) * | 2024-02-05 | 2024-05-14 | 苏州万集车联网技术有限公司 | 目标筛选方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230365128A1 (en) | Multi-Model Switching on a Collision Mitigation System | |
US11693409B2 (en) | Systems and methods for a scenario tagger for autonomous vehicles | |
JP7266627B2 (ja) | 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品 | |
CN112590813B (zh) | 自动驾驶车辆信息生成方法、装置、电子设备和介质 | |
CN110654381B (zh) | 用于控制车辆的方法和装置 | |
US11310269B2 (en) | Methods to detect spoofing attacks on automated driving systems | |
CN113205088B (zh) | 障碍物图像展示方法、电子设备和计算机可读介质 | |
CN110654380B (zh) | 用于控制车辆的方法和装置 | |
CN115339453B (zh) | 车辆换道决策信息生成方法、装置、设备和计算机介质 | |
CN111094095A (zh) | 自动地接收行驶信号 | |
US11703577B2 (en) | Recalibration determination system for autonomous driving vehicles with multiple LiDAR sensors | |
US20230343108A1 (en) | Systems and methods for detecting projection attacks on object identification systems | |
CN117130298A (zh) | 用于评估自动驾驶系统的方法、装置及存储介质 | |
US11897503B2 (en) | Method and apparatus for detecting unexpected control state in autonomous driving system | |
CN116734882B (zh) | 车辆路径规划方法、装置、电子设备和计算机可读介质 | |
CN110745143B (zh) | 一种车辆的控制方法、装置、设备和存储介质 | |
US20210181738A1 (en) | Method for determining ride stability of an autonomous driving system controlling an autonomous driving vehicle | |
EP4083957A1 (en) | Navigation system with traffic state detection mechanism and method of operation thereof | |
CN114475614A (zh) | 一种危险目标的筛选方法、装置、介质及设备 | |
US11738771B2 (en) | Dynamic model with actuation latency | |
CN114771533A (zh) | 自动驾驶车辆的控制方法、装置、设备、车辆及介质 | |
CN114155731A (zh) | 自动驾驶车辆的数据处理方法、装置和自动驾驶车辆 | |
JP2022007526A (ja) | 周辺車両判別システム、周辺車両判別プログラム | |
JP6500805B2 (ja) | 推奨車線案内システムおよび推奨車線案内プログラム | |
CN116847401B (zh) | 车联网测试方法、设备和可读存储介质 |
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 |