CN114475650B - 一种车辆行驶行为确定方法、装置、设备及介质 - Google Patents

一种车辆行驶行为确定方法、装置、设备及介质 Download PDF

Info

Publication number
CN114475650B
CN114475650B CN202111452465.7A CN202111452465A CN114475650B CN 114475650 B CN114475650 B CN 114475650B CN 202111452465 A CN202111452465 A CN 202111452465A CN 114475650 B CN114475650 B CN 114475650B
Authority
CN
China
Prior art keywords
vehicle
determining
behavior
target vehicle
target
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
CN202111452465.7A
Other languages
English (en)
Other versions
CN114475650A (zh
Inventor
王继野
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.)
China Railway 19th Bureau Group Mining Investment Co Ltd
Original Assignee
China Railway 19th Bureau Group Mining Investment 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 China Railway 19th Bureau Group Mining Investment Co Ltd filed Critical China Railway 19th Bureau Group Mining Investment Co Ltd
Priority to CN202111452465.7A priority Critical patent/CN114475650B/zh
Publication of CN114475650A publication Critical patent/CN114475650A/zh
Application granted granted Critical
Publication of CN114475650B publication Critical patent/CN114475650B/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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • 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—
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics

Abstract

本发明实施例公开了一种车辆行驶行为确定方法、装置、设备及介质。该方法包括：获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。通过运行本发明实施例所提供的技术方案，可以解决通过车载图像对障碍物进行识别的准确性较低，易使后续行为决策产生错误，因而导致车辆无法及时准确确定驾驶行为，增加自动驾驶的危险性的问题，实现提高车辆驾驶行为确定的准确性和及时性的效果。

Description

一种车辆行驶行为确定方法、装置、设备及介质
技术领域
本发明实施例涉及车辆驾驶技术，尤其涉及一种车辆行驶行为确定方法、装置、设备及介质。
背景技术
随着现代化进程不断加快,汽车的保有量急剧增加,导致了交通事故的频发，因此自动驾驶车辆是未来汽车工业的重要发展方向。在矿山驾驶场景中，由于道路动态变化较大，路况复杂，自动驾驶车辆需要应对周围突然出现的运动的车辆、落石等障碍物，为了避免事故的发生，需要根据障碍物确定相应的驾驶行为。
现有技术中，通过分析拍摄的车载图像，使得自动驾驶车辆在特定情况下紧急停车，而通过车载图像对障碍物进行识别的准确性较低，易使后续行为决策产生错误，因而导致车辆无法及时准确确定驾驶行为，增加自动驾驶的危险性。
发明内容
本发明实施例提供一种车辆行驶行为确定方法、装置、设备及介质，以实现提高车辆驾驶行为确定的准确性和及时性。
第一方面，本发明实施例提供了一种车辆行驶行为确定方法，该方法包括：
获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；
基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；
获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；
根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。
第二方面，本发明实施例还提供一种车辆行驶行为确定装置，该装置包括：
目标数据确定模块，用于获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；
聚类操作执行模块，用于基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；
车辆行为确定模块，用于获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；
车辆驾驶行为确定模块，用于根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，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执行，使得所述一个或多个处理器实现如上所述的车辆行驶行为确定方法。
第四方面，本发明实施例还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上所述的车辆行驶行为确定方法。
本发明实施例通过获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。解决通过车载图像对障碍物进行识别的准确性较低，易使后续行为决策产生错误，因而导致车辆无法及时准确确定驾驶行为，增加自动驾驶的危险性的问题，实现提高车辆驾驶行为确定的准确性和及时性的效果。
附图说明
图1为本发明实施例一提供的一种车辆行驶行为确定方法的流程图；
图2为本发明实施例二提供的一种车辆行驶行为确定方法的流程图；
图3为本发明实施例三提供的一种车辆行驶行为确定装置的结构示意图；
图4为本发明实施例四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发明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发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种车辆行驶行为确定方法的流程图，本实施例可适用于确定自动驾驶车辆的车辆行驶行为情况，该方法可以由本发明实施例所提供的车辆行驶行为确定装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的车辆行驶行为确定方法，包括：
步骤110、获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据。
其中，当前车辆为当前处于自动驾驶模式的车辆。候选车载传感器数据为车载传感器获取的全部数据，其中，车载传感器可以包含激光雷达、毫米波雷达、摄像头以及组合导航等，本实施例对此不进行限制。
通过激光雷达可以获取车辆周围360度的点云数据，以三维极坐标表示；通过毫米波雷达可以获取车辆预设范围内，例如前方30度内的动态障碍物位置、大小及相对速度；通过摄像头可以获取车辆预设范围内，例如前方120度内的图像信息；通过组合导航可以获取车辆当前的位置及运动状态。
目标车载传感器数据为用于进行后续具体计算的时采用的数据，可以为预设时间内获取的车载传感器数据等，本实施例对此不进行限制。
本实施例中，可选的，从所述车载传感器数据确定目标车载传感器数据，包括：
获取预设高度阈值，并将所述车载传感器数据中大于等于所述预设高度阈值的数据确定为所述目标车载传感器数据。
其中，预设高度阈值可以为0.4米，本实施例对此不进行限制。由于矿山运输场景中，地面起伏不平，且矿用车辆均为重型卡车，因此车辆通常较高，将预设高度阈值以下的区域定义为可通行区域，并将可通行区域对应的车载传感器数据滤除。将车载传感器数据中大于等于预设高度阈值的数据确定为目标车载传感器数据，从而提高后续目标车辆识别的针对性和准确性，并且通过过滤无关传感器数据，提高后续目标车辆识别的效率。
步骤120、基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆。
其中，空间信息可以为目标车载传感器数据中点云数据的空间信息，颜色信息可以为目标车载传感器数据中车辆图像的颜色信息，通过将空间信息和颜色信息作为聚类特征值，进行欧式聚类等聚类操作，得到障碍物的聚类结果，将满足预设大小的障碍物作为目标车辆。
步骤130、获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为。
聚类结果中可以包括目标车辆的大小以及障碍物的颜色，根据大小和颜色可以确定目标车辆的种类。示例性的，若大小处于预设阈值范围内，颜色接近绿色，可以确定目标车辆的车辆类型为矿用车辆。
根据不同的车辆类型可以预估该车辆的车辆行为，示例性的，若车辆为矿用汽车，则可以确定矿用汽车的运行路线，根据运行路线和目标车辆的位置，预估车辆将要产生的行为，例如即将在弯道进行转弯等。
步骤140、根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。
根据目标车辆的车辆行为确定当前车辆的车辆驾驶行为，可以为根据目标车辆的车辆行为和当前车辆的当前驾驶状态确定当前车辆的车辆驾驶行为，示例性的，若目标车辆即将拐弯，当前车辆的当前驾驶状态为在目标车辆后行驶，可以根据确定驾驶行为为减速等。
本实施例所提供的技术方案，通过根据基于目标车载传感器数据中的空间信息和颜色信息执行聚类操作，将传感器数据进行融合，提高聚类操作的精度。根据聚类结果确定目标车辆的车辆类型，从而根据车辆类型确定目标车辆的车辆行为，以根据车辆行为确定当前车辆的车辆驾驶行为，解决通过车载图像对障碍物进行识别的准确性较低，易使后续行为决策产生错误，因而导致车辆无法及时准确确定驾驶行为，增加自动驾驶的危险性的问题，实现提高车辆驾驶行为确定的准确性和及时性的效果。
实施例二
图2为本发明实施例二提供的一种车辆行驶行为确定方法的流程图，本技术方案是针对基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆的过程进行补充说明的。与上述方案相比，本方案具体优化为，基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆，包括：
基于所述空间信息确定各点云数据点间的空间距离，以及基于所述颜色信息确定各像素点间的像素颜色距离；
对所述点云空间距离和所述像素颜色距离进行归一化处理；
基于根据图像和激光点云联合标定结果，结合所述归一化处理后的所述点云空间距离和所述像素颜色距离，得到距离结合结果；
对所述距离结合结果执行所述聚类操作，得到所述目标车辆。具体的车辆行驶行为确定方法的流程图如图2所示：
步骤210、获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据。
步骤220、基于空间信息确定各点云数据点间的空间距离，以及基于颜色信息确定各像素点间的像素颜色距离。
其中，空间信息可以为目标车载传感器数据中的点云数据点的坐标信息，可以通过以下公式，确定各点云数据点间的空间距离dl：
Figure BDA0003386689970000071
其中，(x1，y1，z1)和(x1，y1，z1)分别为数据点1和数据点2的空间坐标。
颜色信息可以为目标车载传感器数据中的图像像素点的信息，可以通过以下公式，确定各像素点间的像素颜色距离dc：
Figure BDA0003386689970000072
其中，(r1，g1，b1)和(r1，g1，b1)分别为像素点1和像素点2的RGB值。
步骤230、对所述点云空间距离和所述像素颜色距离进行归一化处理。
其中，归一化处理可以为根据点云和颜色的特点分别进行归一化处理。示例性的，首先滤除超过预设距离，例如10米，的点云空间距离，避免将距离过远的点云数据点进行聚类，提高聚类的准确性，并将预设距离作为点云空间距离的归一化的值，以将滤除后的点云空间距离归一化至0-1范围内。
可以将目标车辆类型，例如矿用汽车，的颜色和路面颜色相差的RGB最大值作为像素颜色距离的归一化的值，首先滤除超过该值的像素颜色距离，并将滤除后的像素颜色距离归一化至0-1范围内。
步骤240、基于根据图像和激光点云联合标定结果，结合所述归一化处理后的所述点云空间距离和所述像素颜色距离，得到距离结合结果。
基于根据图像和激光点云联合标定结果确定点云数据点与像素点之间的关联关系，即将同一位置的点云数据点与像素点进行关联。可以将归一化处理后的点云空间距离和像素颜色距离相加，得到距离结合结果
步骤250、对所述距离结合结果执行所述聚类操作，得到所述目标车辆。
通过将距离结合结果作为聚类特征值，进行欧式聚类等聚类操作，得到障碍物的聚类结果，将满足预设大小的障碍物作为目标车辆。
步骤260、获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为。
本实施例中，可选的，根据所述车辆类型确定所述目标车辆的车辆行为，包括：
获取所述目标车辆的车辆位置；
根据所述车辆类型和所述车辆位置确定所述目标车辆的车辆行为；其中，所述车辆行为包括区域停车、沿道路行驶、路口转弯和异常行驶中的至少一种。
其中，目标车辆的车辆位置可以根据目标车载传感器数据中当前车辆的车辆位置，以及当前车辆距离目标车辆的距离以及相对位置确定，本实施例对此不进行限制。
根据车辆类型和车辆位置确定目标车辆的车辆行为，为根据目标车辆的车辆类型和目标车辆当前所在位置确定目标车辆当前正在进行的车辆行为。
其中，区域停车是指矿用车辆在到达上下料区域后，会根据目标车位进行路径规划，进行停车的行为；沿道路行驶是指在运送矿物的过程中，沿着道路中间进行正常行驶的行为；路口转弯是指矿用车辆在路口根据预设任务进行转弯的行为；异常行驶是指矿用车辆未按照正常预设任务路线进行行驶，如靠边停车，紧急换道等行为。
示例性的，若根据车辆类型为矿用车辆，车辆位置为上下料区域，则确定目标车辆的车辆行为为区域停车。
通过车辆类型和车辆位置确定目标车辆的车辆行为，确定车辆在预设任务中处于的具体任务环节，提高车辆行为确定的针对性和准确性，从而提高后续车辆驾驶行为确定的准确性。
步骤270、根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。
本实施例中，可选的，根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为，包括：
根据所述目标车辆的车辆行为确定所述目标车辆的预测行驶轨迹；
根据所述预测行驶轨迹确定所述当前车辆的车辆驾驶行为。
其中，预测行驶轨迹可以根据该车辆的车辆行为确定即将行驶的轨迹，例如若车辆行为沿道路行驶，则确定即将行驶的轨迹为执行任务时的预设轨迹。需要说明的是，当车辆行为为异常行驶时，可以根据车辆行驶的方向和速度等信息对可能即将行驶的轨迹进行分析预测。
可以通过建立车辆驾驶行为有限状态机决策模型，根据不同的预测行驶轨迹对自动驾驶车辆的行为进行决策，在遇到紧急情况时确定车辆能够提前决定安全停车或正常行驶等，从而提高车辆行驶行为确定的准确性和及时性，以及自动驾驶的安全性。
本发明实施例通过结合归一化处理后的点云空间距离和像素颜色距离，得到距离结合结果；对距离结合结果执行所述聚类操作，得到目标车辆，使得确定的聚类结果具备颜色信息和空间信息，提高聚类的精度，从而提高目标车辆识别的准确性。
实施例三
图3为本发明实施例三提供的一种车辆行驶行为确定装置的结构示意图。该装置可以由硬件和/或软件的方式来实现，可执行本发明任意实施例所提供的一种车辆行驶行为确定方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置包括：
目标数据确定模块310，用于获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；
聚类操作执行模块320，用于基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；
车辆行为确定模块330，用于获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；
车辆驾驶行为确定模块340，用于根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。
本发明实施例通过获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。解决通过车载图像对障碍物进行识别的准确性较低，易使后续行为决策产生错误，因而导致车辆无法及时准确确定驾驶行为，增加自动驾驶的危险性的问题，实现提高车辆驾驶行为确定的准确性和及时性的效果。
在上述各技术方案的基础上，可选的，所述聚类操作执行模块，包括：
距离确定单元，用于基于所述空间信息确定各点云数据点间的空间距离，以及基于所述颜色信息确定各像素点间的像素颜色距离；
距离归一化单元，用于对所述点云空间距离和所述像素颜色距离进行归一化处理；
距离结合单元，用于基于根据图像和激光点云联合标定结果，结合所述归一化处理后的所述点云空间距离和所述像素颜色距离，得到距离结合结果；
聚类操作执行单元，用于对所述距离结合结果执行所述聚类操作，得到所述目标车辆。
在上述各技术方案的基础上，可选的，所述车辆行为确定模块，包括：
预测行驶轨迹确定单元，用于根据所述目标车辆的车辆行为确定所述目标车辆的预测行驶轨迹；
车辆行为确定单元，用于根据所述预测行驶轨迹确定所述当前车辆的车辆驾驶行为。
在上述各技术方案的基础上，可选的，所述目标数据确定模块，包括：
目标数据确定单元，用于获取预设高度阈值，并将所述车载传感器数据中大于等于所述预设高度阈值的数据确定为所述目标车载传感器数据。
实施例四
图4为本发明实施例四提供的一种电子设备的结构示意图，如图4所示，该电子设备包括处理器40、存储器41、输入装置42和输出装置43；电子设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；电子设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器41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，如本发明实施例中的车辆行驶行为确定方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的车辆行驶行为确定方法。
存储器41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，存储器41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，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。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。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种车辆行驶行为确定方法，该方法包括：
获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；
基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；
获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；
根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的车辆行驶行为确定方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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所述的方法。
值得注意的是，上述车辆行驶行为确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
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 (8)

1.一种车辆行驶行为确定方法，其特征在于，包括：
获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；
基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；
获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；
根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为；
基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆，包括：
基于所述空间信息确定各点云数据点间的空间距离，以及基于所述颜色信息确定各像素点间的像素颜色距离；
根据点云的特点对点云空间距离进行归一化处理，根据颜色的特点对所述像素颜色距离进行归一化处理；
基于根据图像和激光点云联合标定结果，将所述归一化处理后的所述点云空间距离和所述像素颜色距离相加，得到距离结合结果；
对所述距离结合结果执行所述聚类操作，得到所述目标车辆。
2.根据权利要求1所述的方法，其特征在于，根据所述车辆类型确定所述目标车辆的车辆行为，包括：
获取所述目标车辆的车辆位置；
根据所述车辆类型和所述车辆位置确定所述目标车辆的车辆行为；其中，所述车辆行为包括区域停车、沿道路行驶、路口转弯和异常行驶中的至少一种。
3.根据权利要求1所述的方法，其特征在于，根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为，包括：
根据所述目标车辆的车辆行为确定所述目标车辆的预测行驶轨迹；
根据所述预测行驶轨迹确定所述当前车辆的车辆驾驶行为。
4.根据权利要求1所述的方法，其特征在于，从所述车载传感器数据确定目标车载传感器数据，包括：
获取预设高度阈值，并将所述车载传感器数据中大于等于所述预设高度阈值的数据确定为所述目标车载传感器数据。
5.一种车辆行驶行为确定装置，其特征在于，包括：
目标数据确定模块，用于获取当前车辆的候选车载传感器数据，并从所述车载传感器数据确定目标车载传感器数据；
聚类操作执行模块，用于基于所述目标车载传感器数据中的空间信息和颜色信息执行聚类操作，得到目标车辆；
车辆行为确定模块，用于获取所述目标车辆的车辆类型，并根据所述车辆类型确定所述目标车辆的车辆行为；
车辆驾驶行为确定模块，用于根据所述目标车辆的车辆行为确定所述当前车辆的车辆驾驶行为；
所述聚类操作执行模块，包括：
距离确定单元，用于基于所述空间信息确定各点云数据点间的空间距离，以及基于所述颜色信息确定各像素点间的像素颜色距离；
距离归一化单元，用于根据点云的特点对点云空间距离进行归一化处理，根据颜色的特点对所述像素颜色距离进行归一化处理；
距离结合单元，用于基于根据图像和激光点云联合标定结果，将所述归一化处理后的所述点云空间距离和所述像素颜色距离相加，得到距离结合结果；
聚类操作执行单元，用于对所述距离结合结果执行所述聚类操作，得到所述目标车辆。
6.根据权利要求5所述的装置，其特征在于，所述车辆行为确定模块，包括：
车辆位置获取单元，用于获取所述目标车辆的车辆位置；
车辆行为确定单元，用于根据所述车辆类型和所述车辆位置确定所述目标车辆的车辆行为；其中，所述车辆行为包括区域停车、沿道路行驶、路口转弯和异常行驶中的至少一种。
7.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，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执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的车辆行驶行为确定方法。
8.一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1-4中任一所述的车辆行驶行为确定方法。
CN202111452465.7A 2021-12-01 2021-12-01 一种车辆行驶行为确定方法、装置、设备及介质 Active CN114475650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111452465.7A CN114475650B (zh) 2021-12-01 2021-12-01 一种车辆行驶行为确定方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111452465.7A CN114475650B (zh) 2021-12-01 2021-12-01 一种车辆行驶行为确定方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN114475650A CN114475650A (zh) 2022-05-13
CN114475650B true CN114475650B (zh) 2022-11-01

Family

ID=81492158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111452465.7A Active CN114475650B (zh) 2021-12-01 2021-12-01 一种车辆行驶行为确定方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN114475650B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6995865B1 (en) * 1999-11-11 2006-02-07 Matsushita Electric Industrial Co., Ltd. Method of normalizing color information, method of exchanging color information using the same method and device using the same methods
CN107784657A (zh) * 2017-09-29 2018-03-09 西安因诺航空科技有限公司 一种基于颜色空间分类的无人机遥感图像分割方法
JP6551623B1 (ja) * 2018-03-19 2019-07-31 株式会社リコー 情報処理装置、移動体、画像処理システムおよび情報処理方法
CN110644998A (zh) * 2019-09-03 2020-01-03 中铁十九局集团矿业投资有限公司 一种露天采坑回填治理方法
CN112489427A (zh) * 2020-11-26 2021-03-12 招商华软信息有限公司 一种车辆轨迹跟踪方法、装置、设备及存储介质
CN113450019A (zh) * 2021-07-16 2021-09-28 中铁十九局集团矿业投资有限公司 基于三维激光扫描的矿场调度方法及系统

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102679959B (zh) * 2012-05-03 2014-01-29 浙江工业大学 基于主动全景视觉传感器的全方位三维建模系统
EP2790154A1 (en) * 2013-04-09 2014-10-15 Thomson Licensing Method and apparatus for determining an alpha value for alpha matting
CN104374376B (zh) * 2014-11-05 2016-06-15 北京大学 一种车载三维测量系统装置及其应用
CN104574376B (zh) * 2014-12-24 2017-08-08 重庆大学 拥挤交通中基于双目视觉和激光雷达联合校验的防撞方法
US10029682B2 (en) * 2016-01-22 2018-07-24 Toyota Motor Engineering & Manufacturing North America, Inc. Surrounding vehicle classification and path prediction
CN106384079B (zh) * 2016-08-31 2019-04-30 东南大学 一种基于rgb-d信息的实时行人跟踪方法
JPWO2019044571A1 (ja) * 2017-09-01 2020-10-01 ソニー株式会社 画像処理装置、および画像処理方法、プログラム、並びに移動体
US10338223B1 (en) * 2017-12-13 2019-07-02 Luminar Technologies, Inc. Processing point clouds of vehicle sensors having variable scan line distributions using two-dimensional interpolation and distance thresholding
US11500099B2 (en) * 2018-03-14 2022-11-15 Uatc, Llc Three-dimensional object detection
US11860640B2 (en) * 2018-03-29 2024-01-02 Sony Corporation Signal processing device and signal processing method, program, and mobile body
CN108921912A (zh) * 2018-07-03 2018-11-30 肖金保 一种图像超像素生成系统
JP6950832B2 (ja) * 2018-08-23 2021-10-13 日本電信電話株式会社 位置座標推定装置、位置座標推定方法およびプログラム
JP2020034322A (ja) * 2018-08-28 2020-03-05 パイオニア株式会社 自己位置推定装置
CN109271944B (zh) * 2018-09-27 2021-03-12 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、电子设备、车辆及存储介质
US11494937B2 (en) * 2018-11-16 2022-11-08 Uatc, Llc Multi-task multi-sensor fusion for three-dimensional object detection
WO2020104423A1 (en) * 2018-11-20 2020-05-28 Volkswagen Aktiengesellschaft Method and apparatus for data fusion of lidar data and image data
DE112020001131T5 (de) * 2019-03-08 2022-01-27 Osram Gmbh Komponente für ein Lidar-Sensorsystem, Lidar-Sensorsystem, Lidar-Sensorgerät, Verfahren für ein Lidar-Sensorsystem und Verfahren für ein Lidar-Sensorgerät
CN110110687B (zh) * 2019-05-15 2020-11-17 江南大学 基于颜色信息和三维轮廓信息的树上水果自动识别方法
CN110378196B (zh) * 2019-05-29 2022-08-02 电子科技大学 一种结合激光点云数据的道路视觉检测方法
WO2021041854A1 (en) * 2019-08-30 2021-03-04 Nvidia Corporation Object detection and classification using lidar range images for autonomous machine applications
GB2591332B (en) * 2019-12-19 2024-02-14 Motional Ad Llc Foreground extraction using surface fitting
CN113155143A (zh) * 2020-01-23 2021-07-23 宝马股份公司 用于评估自动驾驶用的地图的方法、设备和车辆
WO2021189375A1 (en) * 2020-03-26 2021-09-30 Baidu.Com Times Technology (Beijing) Co., Ltd. A point cloud feature-based obstacle filter system
CN113460042B (zh) * 2020-03-31 2022-12-30 华为技术有限公司 车辆驾驶行为的识别方法以及识别装置
US11453348B2 (en) * 2020-04-14 2022-09-27 Gm Cruise Holdings Llc Polyhedral sensor calibration target for calibrating multiple types of sensors
CN111522026B (zh) * 2020-04-21 2022-12-09 北京三快在线科技有限公司 一种数据融合的方法及装置
CN111709343B (zh) * 2020-06-09 2023-11-10 广州文远知行科技有限公司 一种点云检测方法、装置、计算机设备和存储介质
CN111824180A (zh) * 2020-06-29 2020-10-27 安徽海博智能科技有限责任公司 具有融合避障功能的无人矿车自动驾驶控制系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6995865B1 (en) * 1999-11-11 2006-02-07 Matsushita Electric Industrial Co., Ltd. Method of normalizing color information, method of exchanging color information using the same method and device using the same methods
CN107784657A (zh) * 2017-09-29 2018-03-09 西安因诺航空科技有限公司 一种基于颜色空间分类的无人机遥感图像分割方法
JP6551623B1 (ja) * 2018-03-19 2019-07-31 株式会社リコー 情報処理装置、移動体、画像処理システムおよび情報処理方法
CN110644998A (zh) * 2019-09-03 2020-01-03 中铁十九局集团矿业投资有限公司 一种露天采坑回填治理方法
CN112489427A (zh) * 2020-11-26 2021-03-12 招商华软信息有限公司 一种车辆轨迹跟踪方法、装置、设备及存储介质
CN113450019A (zh) * 2021-07-16 2021-09-28 中铁十九局集团矿业投资有限公司 基于三维激光扫描的矿场调度方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种融合多特征聚类集成的室内点云分割方法;曾碧等;《计算机工程》;20180315(第03期);286-291 *

Also Published As

Publication number Publication date
CN114475650A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
EP3703033A1 (en) Track prediction method and device for obstacle at junction
CN109760675B (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
CN108352116B (zh) 自身车辆周边信息管理装置
US20200385020A1 (en) Vehicle control device, vehicle control method, and storage medium
CN110008891B (zh) 一种行人检测定位方法、装置、车载计算设备及存储介质
US11042160B2 (en) Autonomous driving trajectory determination device
US20210304611A1 (en) Detection of cyclists near ego vehicles
US20220035036A1 (en) Method and apparatus for positioning movable device, and movable device
CN111857135A (zh) 用于车辆的避障方法、装置、电子设备和计算机存储介质
CN113619578A (zh) 一种车辆防碰撞方法、防碰撞系统和计算机可读存储介质
US10766490B2 (en) Driving assistance method and driving assistance apparatus
US10970870B2 (en) Object detection apparatus
Kim et al. Camera and radar-based perception system for truck platooning
CN114537447A (zh) 安全通行方法、装置、电子设备和存储介质
CN114475656A (zh) 行驶轨迹预测方法、装置、电子设备以及存储介质
Kim et al. Safety evaluation of autonomous vehicles for a comparative study of camera image distance information and dynamic characteristics measuring equipment
CN113432615A (zh) 基于多传感器融合可驾驶区域的检测方法、系统和车辆
US11087147B2 (en) Vehicle lane mapping
CN114475650B (zh) 一种车辆行驶行为确定方法、装置、设备及介质
CN112249016A (zh) 用于自动驾驶车辆的掉头控制系统和方法
CN112183157A (zh) 道路几何识别方法及装置
EP4239616A1 (en) Object tracking device and object tracking method
CN115257790A (zh) 传感器异常推定装置
Alrousan et al. Multi-Sensor Fusion in Slow Lanes for Lane Keep Assist System
CN115376365B (zh) 车辆控制方法、装置、电子设备和计算机可读介质

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
TA01 Transfer of patent application right

Effective date of registration: 20220711

Address after: Building 2, fenghequyuan, Fengtai District, Beijing

Applicant after: CHINA RAILWAY 19 BUREAU GROUP MINING INVESTMENT Co.,Ltd.

Address before: 100071 Building 2, fenghequyuan, Fengtai District, Beijing

Applicant before: China Railway 19th Bureau Group Mining Investment Co.,Ltd. Beijing Information Technology Branch

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant