CN114792468A - 一种车辆行驶意图识别方法、装置及电子设备 - Google Patents
一种车辆行驶意图识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114792468A CN114792468A CN202111093776.9A CN202111093776A CN114792468A CN 114792468 A CN114792468 A CN 114792468A CN 202111093776 A CN202111093776 A CN 202111093776A CN 114792468 A CN114792468 A CN 114792468A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lamp
- lane
- state
- state 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 12
- 238000005336 cracking Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L2012/40208—Bus networks characterized by the use of a particular bus standard
- H04L2012/40215—Controller Area Network CAN
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L2012/40267—Bus for use in transportation systems
- H04L2012/40273—Bus for use in transportation systems the transportation system being a vehicle
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种车辆行驶意图识别方法、装置及电子设备,涉及车联网技术领域,该方法包括:获取车辆当前的状态信息;其中,所述状态信息包括:车灯语义和车道位置信息;所述车灯语义根据车灯状态确定;所述车灯状态通过与车灯线束连接获取;根据所述状态信息,识别车辆的行驶意图。本发明的方案能够提升车辆行驶意图识别的准确性和全面性,满足人机混合驾驶场景下的车路协同应用需求,从而提升道路交通的安全性。
Description
技术领域
本发明涉及车联网技术领域,特别涉及一种车辆行驶意图识别方法、装置及电子设备。
背景技术
车路协同是一种基于道路、车辆进行充分感知计算基础上,进行低时延、高可靠的通信连接,从而实现车车、车路协同应用的技术方案。然而,在实际交通应用中,由于C-V2X(Cellular-V2X,蜂窝车联网)OBU(On Board Unit,车载设备)在车辆的渗透率不高,并主要以后装设备的方式来实现智能网联功能,降低了实际使用效果。车路协同系统需要获取多种车辆的行驶意图,用于协作式驾驶和安全预警功能。然而在目前的OBU中,主要基于CAN(Controller Area Network,控制器局域网络)协议破解获取车辆行驶意图,存在以下缺点:
车辆的CAN协议是主机厂的保密信息,很难直接完整获取;
CAN协议的逆向破解依赖于破解人的经验以及破解工具的效率,难以把握破解率;
CAN协议破解可能导致车辆的信息安全问题,从而增加车辆驾驶风险;
CAN协议破解成本较高,难以大范围推广使用;
基于CAN协议进行破解,导致车辆行驶意图识别准确性和全面性低。
发明内容
本发明实施例要达到的技术目的是提供一种车辆行驶意图识别方法、装置及电子设备,用以解决现有技术中基于CAN协议破解获取车辆的行驶意图存在识别结果不准确以及信息安全的问题。
为解决上述技术问题,本发明实施例提供了一种车辆的行驶意图识别方法,方法包括:
获取车辆当前的状态信息;其中,状态信息包括:车灯语义和车道位置信息;车灯语义根据车灯状态确定;车灯状态通过与车灯线束连接获取;
根据状态信息,识别车辆的行驶意图。
可选地,状态信息还包括运动状态;
其中,运动状态包括:车辆姿态角、车辆三轴加速度以及车辆横摆角速度中的至少一项。
可选地,方法还包括:
通过与车灯线束连接,获取车灯的电平信号;
根据电平信号,获取车灯状态;
其中,车灯状态包括:左转向灯、右转向灯、刹车灯以及倒车灯中的至少一项的亮起、熄灭以及闪烁状态。
可选地,方法还包括:
在车灯状态发生变化时,根据预设车灯语义识别对应表,确定车灯语义;
其中,车灯语义包括:危险警示灯亮起/熄灭、左转向灯亮起/熄灭、右转向灯亮起/熄灭、刹车灯亮起/熄灭以及倒车灯亮起/熄灭中的至少一项。
可选地,根据状态信息,识别车辆的行驶意图之前,方法还包括:
获取车辆当前的定位信息;
根据预先存储的高精地图,确认定位信息对应的车道位置信息;
其中,车道位置信息包括以下至少一项:
当前车道的车道属性、下个车道的车道属性、邻近车道的车道属性、变更车道的类型以及车辆在当前车道的纵向相对位置;
车道属性包括:车道身份标识号、车道方向类型、车道类型以及车道关联元数中的至少一项。
可选地,状态信息包括运动状态时,根据状态信息,识别车辆的行驶意图,包括:
将车灯语义、车道位置信息以及运动状态输入已完成预训练的预测模型中,识别车辆的行驶意图。
可选地,方法还包括:
根据预先采集的历史状态信息和历史状态信息对应的历史车辆行驶意图,计算不同的历史状态信息对应不同的历史车辆行驶意图的联合概率分布;
根据联合概率分布,构建预测模型。
可选地,所述方法还包括:
根据状态信息,输出行驶意图的置信度。
本发明实施例还提供一种电子设备,包括:收发机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述的车辆行驶意图识别方法的步骤。
本发明实施例还提供一种车辆行驶意图识别装置,包括:
获取模块,用于获取车辆当前的状态信息;其中,状态信息包括:车灯语义和车道位置信息;车灯语义根据车灯状态确定;车灯状态通过与车灯线束连接获取;
识别模块,用于根据状态信息,识别车辆的行驶意图。
可选地,状态信息还包括运动状态;
其中,运动状态包括:车辆姿态角、车辆三轴加速度以及车辆横摆角速度中的至少一项。
可选地,装置还包括:
第一获取模块,用于通过与车灯线束连接,获取车灯的电平信号;
第二获取模块,用于根据电平信号,获取车灯状态;
其中,车灯状态包括:左转向灯、右转向灯、刹车灯以及倒车灯中的至少一项的亮起、熄灭以及闪烁状态。
可选地,装置还包括:
确定模块,用于在车灯状态发生变化时,根据预设车灯语义识别对应表,确定车灯语义;
其中,车灯语义包括:危险警示灯亮起/熄灭、左转向灯亮起/熄灭、右转向灯亮起/熄灭、刹车灯亮起/熄灭以及倒车灯亮起/熄灭中的至少一项。
可选地,装置还包括:
第三获取模块,用于获取车辆当前的定位信息;
确认模块,用于根据预先存储的高精地图,确认定位信息对应的车道位置信息;
其中,车道位置信息包括以下至少一项:
当前车道的车道属性、下个车道的车道属性、邻近车道的车道属性、变更车道的类型以及车辆在当前车道的纵向相对位置;
车道属性包括:车道身份标识号、车道方向类型、车道类型以及车道关联元数中的至少一项。
可选地,状态信息包括运动状态时,识别模块具体用于:
将车灯语义、车道位置信息以及运动状态输入已完成预训练的预测模型中,识别车辆的行驶意图。
可选地,装置还包括:
计算模块,用于根据预先采集的历史状态信息和历史状态信息对应的历史车辆行驶意图,计算不同的历史状态信息对应不同的历史车辆行驶意图的联合概率分布;
构建模块,用于根据联合概率分布,构建预测模型。
可选地,装置还包括:
输出模块,用于根据状态信息,输出行驶意图的置信度。
本发明实施例还提供一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述的车辆行驶意图识别方法的步骤。
与现有技术相比,本发明实施例提供的一种车辆行驶意图识别方法、装置及电子设备,至少具有以下有益效果:
通过获取车辆当前的状态信息;其中,状态信息包括:车灯语义和车道位置信息;车灯语义根据车灯状态确定;车灯状态通过与车灯线束连接获取;根据状态信息,识别车辆的行驶意图,能够准确并全面判断车辆行驶意图,满足人机混合驾驶场景下的车路协同应用需求,从而提升道路交通的安全性。
附图说明
图1为本发明实施例的车辆行驶意图识别方法的步骤示意图;
图2为本发明实施例的车辆行驶意图识别方法的流程示意图之一;
图3为本发明实施例的车辆行驶意图识别方法的流程示意图之二;
图4为本发明实施例的车辆行驶意图识别方法的流程示意图之三;
图5为本发明实施例的电子设备的框图;
图6位本发明实施例的车辆行驶意图识别装置的框图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本发明所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
参见图1,本发明的一优选实施例提供了一种车辆行驶意图识别方法,包括:
步骤101,获取车辆当前的状态信息;其中,状态信息包括:车灯语义和车道位置信息;车灯语义根据车灯状态确定;车灯状态通过与车灯线束连接获取;
这里,车灯状态通过与车灯线束刺破式连接获取,可以保证原有车灯线束的电压降、绝缘性以及电阻正常的情况下,实时获取车灯传导的车灯状态。
需要说明的是,本发明实施例的车辆行驶意图识别方法可应用于OBU,将OBU通过连接线束与车灯线束刺破式连接,安装简单,无需破解CAN协议,即可获取车灯状态,适用于大范围推广使用。
步骤102,根据状态信息,识别车辆的行驶意图。
这里,本发明实施例的车辆行驶意图识别方法,可以基于实时的车灯语义和车道位置信息,准确识别车辆行驶意图。
本发明实施例,通过获取车辆当前的状态信息;其中,状态信息包括:车灯语义和车道位置信息;车灯语义根据车灯状态确定;车灯状态通过与车灯线束连接获取;根据状态信息,识别车辆的行驶意图,能够准确并全面判断车辆行驶意图,满足人机混合驾驶场景下的车路协同应用需求,从而提升道路交通的安全性。
可选地,状态信息还包括运动状态;
其中,运动状态包括:车辆姿态角、车辆三轴加速度以及车辆横摆角速度中的至少一项。
这里,可以通过车辆配置的运动传感器,例如加速度计、陀螺仪以及惯性传感器,获取车辆的运动状态。
本发明实施例的车辆行驶意图识别方法可以根据如上述的运动状态,识别出车辆的朝向、急加速、急减速、失控以及横摆等行驶意图。
可选地,方法还包括:
通过与车灯线束连接,获取车灯的电平信号;
根据电平信号,获取车灯状态;
其中,车灯状态包括:左转向灯、右转向灯、刹车灯以及倒车灯中的至少一项的亮起、熄灭以及闪烁状态。
这里,电平信号为晶体管-晶体管逻辑电平信号;
为了持续性获取车灯状态,获取车灯的电平信号,这里可以是保持心跳模式,获取车灯的电平信号。
需要说明的是,本发明实施例的车辆行驶意图识别方法还包括:
在获取车灯的电平信号的同时获取车灯的时序变化;
根据电平信号和时序变化,获取车灯状态,提高车灯状态识别的准确性避免驾驶员误触发车灯控制,导致车灯状态识别错误的问题。
进一步地,将车灯状态的持续时长,与预设阈值进行比较,在超过预设阈值时,方可确认车灯状态。
还需要说明的是,本发明实施例的车辆行驶意图识别方法可应用于OBU,OBU的输入/输出接口通过连接线束与车灯线束刺破式连接,获取车灯的电平信号。
可选地,方法还包括:
在车灯状态发生变化时,根据预设车灯语义识别对应表,确定车灯语义;
其中,车灯语义包括:危险警示灯亮起/熄灭、左转向灯亮起/熄灭、右转向灯亮起/熄灭、刹车灯亮起/熄灭以及倒车灯亮起/熄灭中的至少一项。
这里,为了保证车灯语义识别的实时性,在车灯状态发生变化时,根据如下表1的预设车灯语义识别对应表,确定车灯语义。
序号 | 左转向灯 | 右转向灯 | 刹车灯 | 倒车灯 | 车灯语义 |
1 | 闪烁 | 闪烁 | 熄灭 | 熄灭 | 危险警示灯亮起 |
2 | 闪烁 | 熄灭 | 熄灭 | 熄灭 | 左转向灯亮起 |
3 | 熄灭 | 闪烁 | 熄灭 | 熄灭 | 右转向灯亮起 |
4 | 熄灭 | 熄灭 | 亮起 | 熄灭 | 刹车灯亮起 |
5 | 熄灭 | 熄灭 | 熄灭 | 亮起 | 倒车灯亮起 |
表1
需要说明的是,本发明实施例的车辆行驶意图识别方法,为了保证车灯语义识别的实时性,还可以采用中断方式获取车灯状态,在车灯状态发生变化时进行获取,然后根据预设车灯语义识别对应表,确定车灯语义。
可选地,步骤102,根据状态信息,识别车辆的行驶意图之前,方法还包括:
获取车辆当前的定位信息;
根据预先存储的高精地图,确认定位信息对应的车道位置信息;
其中,车道位置信息包括以下至少一项:
当前车道的车道属性、下个车道的车道属性、邻近车道的车道属性、变更车道的类型以及车辆在当前车道的纵向相对位置;
车道属性包括:车道身份标识号、车道方向类型、车道类型以及车道关联元数中的至少一项。
这里,定位信息可以基于车辆的定位装置获取,包括车辆当前的经纬度信息。高精地图的精度可以达到车道级别。在预先存储的高精地图中,查询该经纬度信息对应的车道位置信息。
变更车道的类型包括:汇入变道、汇出变道、进入交叉口、离开交叉口、向左变道、向右变道、掉头变道、左转变道以及右转变道中的至少一项。
车辆在当前车道的纵向相对位置表示车辆的质心与当前车道的终点的距离。
另外,车道位置信息还包括:车辆的质心与左、右车道线的距离;车辆变更车道的道路权重。
需要说明的是,车道方向类型包括:直行、左转车、右转、掉头车道直行加左转、直行加右转以及左转加掉头中的至少一项。
车道类型包括:普通车道、应急车道、公交车专用车道、潮汐车道、可编车道、匝道、分岔车道、合并车道、交叉口内以及虚拟车道中的至少一项。
车道关联元素包括:交通灯和/或交通标志。
可选地,状态信息包括运动状态时,步骤102,根据状态信息,识别车辆的行驶意图,包括:
将车灯语义、车道位置信息以及运动状态输入已完成预训练的预测模型中,识别车辆的行驶意图。
需要说明的是,如下表2所示,将车灯语义(vehicleLight)、车道位置信息(laneLocation)以及运动状态(motionState)作为特征输入至已完成训练的预测模型中,识别车辆的行驶意图。其中,该输入的特征X描述成特征项和特征项X对应的特征值的形式,例如:vehicleLight={leftTurn(左转向灯),rightTurn(右转向灯),break(刹车灯),back(倒车灯),emergency(危险警示灯)};
laneLocation={laneATR(当前车道的车道属性),nextLaneATR(下个车道的车道属性),neighbourLaneATR(邻近车道的车道属性),laneChangeType(变更车道的类型)laneChangePriority(车辆变更车道的道路权重),laneRelativePos(当前车道的相对位置,包括:longRelativePos(车辆的质心与当前车道的终点的距离)、leftRelativePos(车辆的质心与左车道线的距离)、rightRelativePos(车辆的质心与右车道线的距离))};
motionState={车辆姿态角(heading(朝向角),pitch(俯仰角),rolling(翻滚角)),车辆三轴加速度(acc_x,acc_y,acc_z),车辆横摆角速度(yaw-rate)}。
表2
如图2,再将如上述的特征X={x1,x2…xM}转化后,生成特征向量H={h1,h2…hM},并标注了车辆行驶意图,作为预测模型的输出特征Y={y1,y2…yM}。
这里,该预测模型可以是朴素贝叶斯模型、隐马尔可夫模型以及LDA(文档挖掘)主题模型。
另外,该预测模型采用历史状态信息作为训练集和测试集进行训练。对于车辆的质心分别与当前车道的终点的距离、与左车道线的距离以及与右车道线的距离这三个特征X对应的特征向量H,可离散处理为远、中、近三个区间。而对于车辆三轴加速度和车辆横摆角速度这四个特征X对应的特征向量H,可以在假设符合高斯分布的前提下,计算先验概率,例如,在输出的行驶意图为yj的条件下,车辆的x轴加速度acc_x对应的特征向量hi的先验概率的公式如下:
其中,μ和σ根据训练集中的特征项X的均值和标准差计算。
进一步地,如图3所示,对本发明实施例的车辆行驶意图识别方法的流程示意图之二进行如下说明:
开始识别:
步骤301,采集车灯状态;
步骤302,判断车灯状态是否发生变化;
步骤303,步骤302的判断结果为是时,确认车灯语义;
步骤304,基于定位装置,获取车道位置信息;
步骤305,基于运动传感器,获取运动状态;
步骤306,根据车灯语义、车道位置信息以及运动状态,识别车辆的行驶意图;
在步骤302的判断结果为否,或者在输出车辆的行驶意图时,结束识别。
可选地,方法还包括:
根据预先采集的历史状态信息和历史状态信息对应的历史车辆行驶意图,计算不同的历史状态信息对应不同的历史车辆行驶意图的联合概率分布;
根据联合概率分布,构建预测模型。
需要说明的是,将预先采集的历史状态信息,且已经标注过的历史状态信息,转化为历史特征向量H,将该历史特征向量H和该历史状态信息对应的历史车辆行驶意图Y,计算出计算不同的历史状态信息对应不同的历史车辆行驶意图Y的联合概率分布P(H,Y);在根据该联合概率分布P(H,Y),获知预测模型为朴素贝叶斯模型时,计算出历史车辆行驶意图的条件概率P(Y|H),公式如下:
根据上式,识别车辆的行驶意图。
可选地,方法还包括:
根据状态信息,输出行驶意图的置信度。
这里,基于预测模型和概率统计方法,输出该状态信息对应的行驶意图的置信度。
更进一步地,本发明实施例的车辆行驶意图方法可应用于车路协同系统,如图4所示,对本发明实施例的车辆行驶意图识别方法的流程示意图之三进行如下说明:
当主车的驾驶员操控车辆的车灯时,车路协同系统识别到车灯状态发生变化,识别当前的车灯语义,并基于定位装置,识别车道位置信息,以及基于运动传感器,识别运动状态,从而根据车灯语义、车道位置信息以及运动状态进行主车的行驶意图识别。
如图5所示,本发明实施例还提供一种电子设备,包括:处理器501、存储器502及存储在存储器502上并可在处理器501上运行的计算机程序,处理器501执行计算机程序时实现如上述的车辆行驶意图识别方法的步骤。
可选地,所述电子设备,还包括收发机503,用于在处理器501的控制下接收和发送数据。
其中,在图5中,处理器501代表的一个或多个处理器501和存储器502代表的存储器的各种电路链接在一起。总线接口504提供用户接口505。收发机503可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。存储器502可以存储处理器501在执行操作时所使用的数据。
如图6所示,本发明实施例还提供一种车辆行驶意图识别装置,包括:
获取模块601,用于获取车辆当前的状态信息;其中,状态信息包括:车灯语义和车道位置信息;车灯语义根据车灯状态确定;车灯状态通过与车灯线束连接获取;
识别模块602,用于根据状态信息,识别车辆的行驶意图。
本发明实施例,通过获取车辆当前的状态信息;其中,状态信息包括:车灯语义和车道位置信息;车灯语义根据车灯状态确定;车灯状态通过与车灯线束连接获取;根据状态信息,识别车辆的行驶意图,能够准确并全面判断车辆行驶意图,满足人机混驾场景下的车路协同应用需求,从而提升道路交通的安全性。
可选地,状态信息还包括运动状态;
其中,运动状态包括:车辆姿态角、车辆三轴加速度以及车辆横摆角速度中的至少一项。
可选地,装置还包括:
第一获取模块,用于通过与车灯线束连接,获取车灯的电平信号;
第二获取模块,用于根据电平信号,获取车灯状态;
其中,车灯状态包括:左转向灯、右转向灯、刹车灯以及倒车灯中的至少一项的亮起、熄灭以及闪烁状态。
可选地,装置还包括:
确定模块,用于在车灯状态发生变化时,根据预设车灯语义识别对应表,确定车灯语义;
其中,车灯语义包括:危险警示灯亮起/熄灭、左转向灯亮起/熄灭、右转向灯亮起/熄灭、刹车灯亮起/熄灭以及倒车灯亮起/熄灭中的至少一项。
可选地,装置还包括:
第三获取模块,用于获取车辆当前的定位信息;
确认模块,用于根据预先存储的高精地图,确认定位信息对应的车道位置信息;
其中,车道位置信息包括以下至少一项:
当前车道的车道属性、下个车道的车道属性、邻近车道的车道属性、变更车道的类型以及车辆在当前车道的纵向相对位置;
车道属性包括:车道身份标识号、车道方向类型、车道类型以及车道关联元数中的至少一项。
可选地,状态信息包括运动状态时,识别模块具体用于:
将车灯语义、车道位置信息以及运动状态输入已完成预训练的预测模型中,识别车辆的行驶意图。
可选地,装置还包括:
计算模块,用于根据预先采集的历史状态信息和历史状态信息对应的历史车辆行驶意图,计算不同的历史状态信息对应不同的历史车辆行驶意图的联合概率分布;
构建模块,用于根据联合概率分布,构建预测模型。
可选地,装置还包括:
输出模块,用于根据状态信息,输出行驶意图的置信度。
需要说明的是,本发明的车辆行驶意图识别装置的实施例是与上述车辆行驶意图识别方法的实施例对应的装置,上述的车辆行驶意图识别方法实施例中的所有实现手段均适用于该车辆行驶意图识别装置的实施例中,也能达到相同的技术效果。
本发明实施例还提供一种可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的车辆行驶意图识别方法的步骤。
其中,处理器为上述实施例中的电子设备的处理器。该可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种车辆行驶意图识别方法,应用于车载设备,其特征在于,包括:
获取车辆当前的状态信息;其中,所述状态信息包括:车灯语义和车道位置信息;所述车灯语义根据车灯状态确定;所述车灯状态通过与车灯线束连接获取;
根据所述状态信息,识别车辆的行驶意图。
2.根据权利要求1所述的车辆行驶意图识别方法,其特征在于,所述状态信息还包括运动状态;
其中,所述运动状态包括:车辆姿态角、车辆三轴加速度以及车辆横摆角速度中的至少一项。
3.根据权利要求1所述的车辆行驶意图识别方法,其特征在于,所述方法还包括:
通过与车灯线束连接,获取车灯的电平信号;
根据所述电平信号,获取车灯状态;
其中,所述车灯状态包括:左转向灯、右转向灯、刹车灯以及倒车灯中的至少一项的亮起、熄灭以及闪烁状态。
4.根据权利要求1所述的车辆行驶意图识别方法,其特征在于,所述方法还包括:
在所述车灯状态发生变化时,根据预设车灯语义识别对应表,确定所述车灯语义;
其中,所述车灯语义包括:危险警示灯亮起/熄灭、左转向灯亮起/熄灭、右转向灯亮起/熄灭、刹车灯亮起/熄灭以及倒车灯亮起/熄灭中的至少一项。
5.根据权利要求1所述的车辆行驶意图识别方法,其特征在于,根据所述状态信息,识别车辆的行驶意图之前,所述方法还包括:
获取车辆当前的定位信息;
根据预先存储的高精地图,确认所述定位信息对应的车道位置信息;
其中,所述车道位置信息包括以下至少一项:
当前车道的车道属性、下个车道的车道属性、邻近车道的车道属性、变更车道的类型以及车辆在当前车道的纵向相对位置;
所述车道属性包括:车道身份标识号、车道方向类型、车道类型以及车道关联元数中的至少一项。
6.根据权利要求2所述的车辆行驶意图识别方法,其特征在于,所述状态信息包括运动状态时,根据所述状态信息,识别车辆的行驶意图,包括:
将所述车灯语义、所述车道位置信息以及所述运动状态输入已完成预训练的预测模型中,识别车辆的行驶意图。
7.根据权利要求6所述的车辆行驶意图识别方法,其特征在于,所述方法还包括:
根据预先采集的历史状态信息和所述历史状态信息对应的历史车辆行驶意图,计算不同的所述历史状态信息对应不同的所述历史车辆行驶意图的联合概率分布;
根据所述联合概率分布,构建所述预测模型。
8.根据权利要求1所述的车辆行驶意图识别方法,其特征在于,所述方法还包括:
根据所述状态信息,输出所述行驶意图的置信度。
9.一种电子设备,包括:收发机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,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至8中任一项所述的车辆行驶意图识别方法的步骤。
10.一种车辆行驶意图识别装置,其特征在于,包括:
获取模块,用于获取车辆当前的状态信息;其中,所述状态信息包括:车灯语义和车道位置信息;所述车灯语义根据车灯状态确定;所述车灯状态通过与车灯线束连接获取;
识别模块,用于根据所述状态信息,识别车辆的行驶意图。
11.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的车辆行驶意图识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111093776.9A CN114792468A (zh) | 2021-09-17 | 2021-09-17 | 一种车辆行驶意图识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111093776.9A CN114792468A (zh) | 2021-09-17 | 2021-09-17 | 一种车辆行驶意图识别方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114792468A true CN114792468A (zh) | 2022-07-26 |
Family
ID=82459400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111093776.9A Pending CN114792468A (zh) | 2021-09-17 | 2021-09-17 | 一种车辆行驶意图识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114792468A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11321690A (ja) * | 1998-03-10 | 1999-11-24 | Nissan Motor Co Ltd | レーンキープシステム |
CN205836650U (zh) * | 2016-06-15 | 2016-12-28 | 镇江市高等专科学校 | 一种汽车声控转向灯闪亮装置 |
CN106926779A (zh) * | 2017-03-09 | 2017-07-07 | 吉利汽车研究院(宁波)有限公司 | 一种车辆变道辅助系统 |
CN106945669A (zh) * | 2016-01-06 | 2017-07-14 | 通用汽车环球科技运作有限责任公司 | 在交通十字路口处确定驾驶员意图以避免汽车碰撞 |
JP2019128774A (ja) * | 2018-01-24 | 2019-08-01 | トヨタ自動車株式会社 | 車両制御システム |
CN110487562A (zh) * | 2019-08-21 | 2019-11-22 | 北京航空航天大学 | 一种用于无人驾驶的车道保持能力检测系统及方法 |
CN110876265A (zh) * | 2019-03-28 | 2020-03-10 | 深圳市大疆创新科技有限公司 | 车辆控制系统与车辆 |
CN112677977A (zh) * | 2020-12-28 | 2021-04-20 | 科大讯飞股份有限公司 | 行车状态识别方法、装置、电子设备和转向灯控制方法 |
CN113050615A (zh) * | 2019-12-26 | 2021-06-29 | 浙江吉利汽车研究院有限公司 | 一种驾驶安全控制方法、装置、电子设备及存储介质 |
CN113299099A (zh) * | 2021-05-21 | 2021-08-24 | 广州小鹏汽车科技有限公司 | 一种行车辅助方法和装置 |
-
2021
- 2021-09-17 CN CN202111093776.9A patent/CN114792468A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11321690A (ja) * | 1998-03-10 | 1999-11-24 | Nissan Motor Co Ltd | レーンキープシステム |
CN106945669A (zh) * | 2016-01-06 | 2017-07-14 | 通用汽车环球科技运作有限责任公司 | 在交通十字路口处确定驾驶员意图以避免汽车碰撞 |
CN205836650U (zh) * | 2016-06-15 | 2016-12-28 | 镇江市高等专科学校 | 一种汽车声控转向灯闪亮装置 |
CN106926779A (zh) * | 2017-03-09 | 2017-07-07 | 吉利汽车研究院(宁波)有限公司 | 一种车辆变道辅助系统 |
JP2019128774A (ja) * | 2018-01-24 | 2019-08-01 | トヨタ自動車株式会社 | 車両制御システム |
CN110876265A (zh) * | 2019-03-28 | 2020-03-10 | 深圳市大疆创新科技有限公司 | 车辆控制系统与车辆 |
CN110487562A (zh) * | 2019-08-21 | 2019-11-22 | 北京航空航天大学 | 一种用于无人驾驶的车道保持能力检测系统及方法 |
CN113050615A (zh) * | 2019-12-26 | 2021-06-29 | 浙江吉利汽车研究院有限公司 | 一种驾驶安全控制方法、装置、电子设备及存储介质 |
CN112677977A (zh) * | 2020-12-28 | 2021-04-20 | 科大讯飞股份有限公司 | 行车状态识别方法、装置、电子设备和转向灯控制方法 |
CN113299099A (zh) * | 2021-05-21 | 2021-08-24 | 广州小鹏汽车科技有限公司 | 一种行车辅助方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11645189B2 (en) | Software validation for autonomous vehicles | |
CN113196357B (zh) | 响应于检测和分析陌生交通标志来控制自主车辆的方法和系统 | |
US10896122B2 (en) | Using divergence to conduct log-based simulations | |
US20170293837A1 (en) | Multi-Modal Driving Danger Prediction System for Automobiles | |
US20170301235A1 (en) | Server and Information Providing Device | |
CN113439247A (zh) | 自主载具的智能体优先级划分 | |
CN114061581A (zh) | 通过相互重要性对自动驾驶车辆附近的智能体排名 | |
CN116686028A (zh) | 一种驾驶辅助的方法以及相关设备 | |
CN114792468A (zh) | 一种车辆行驶意图识别方法、装置及电子设备 | |
CN110834626A (zh) | 行车障碍预警方法、装置、车辆和存储介质 | |
CN115158340A (zh) | 驾驶辅助系统及其控制方法、装置、介质 | |
CN112590791B (zh) | 一种基于博弈论的智能车换道间隙选择方法及装置 | |
CN114252086A (zh) | 提示信息的输出方法、装置、设备、介质和车辆 | |
KR20210083048A (ko) | 경로 제공 장치 및 그것의 경로 제공 방법 | |
CN112785863B (zh) | 基于K-Means和熵加权的并道决策分类预警方法 | |
US11753020B2 (en) | Update system and electronic control device | |
US20220327920A1 (en) | Data collection from fleet of vehicles | |
WO2023016268A1 (zh) | 一种车辆控制方法及装置 | |
CN115465294A (zh) | 一种车辆控制方法及装置 | |
Weber | SMART CARS | |
CN116453374A (zh) | 一种信息显示方法、装置、电子设备及存储介质 | |
CN114898316A (zh) | 基于知识推理的智能驾驶场景认知方法及系统 | |
WO2021202410A1 (en) | Systems and methods for capturing passively-advertised attribute information | |
CN117743524A (zh) | 驾驶训练指导的推送方法、装置及电子设备 |
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 | ||
CB02 | Change of applicant information |
Address after: 400040 No. 35, Jinghe Road, Huxi street, high tech Zone, Shapingba District, Chongqing Applicant after: CITIC Technology Zhilian Technology Co.,Ltd. Address before: 400040 No. 35, Jinghe Road, Huxi street, high tech Zone, Shapingba District, Chongqing Applicant before: Datang Gaohong Zhilian Technology (Chongqing) Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220726 |