CN114863689A - 一种上下匝道行为场景数据采集、识别与提取方法和系统 - Google Patents
一种上下匝道行为场景数据采集、识别与提取方法和系统 Download PDFInfo
- Publication number
- CN114863689A CN114863689A CN202210797579.3A CN202210797579A CN114863689A CN 114863689 A CN114863689 A CN 114863689A CN 202210797579 A CN202210797579 A CN 202210797579A CN 114863689 A CN114863689 A CN 114863689A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- ramp
- line
- scene
- 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.)
- Granted
Links
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
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种上下匝道行为场景数据采集、识别与提取方法,包括以下步骤:S1、获取车辆行驶数据;S2、根据车辆行驶数据判断车辆所处的场景是否为目标场景,并获取目标场景信息;S3、若为目标场景,则将目标场景信息与提取系统内的信息进行对比,判定是否在设定范围内,若是则对符合条件的目标场景信息提取。本发明所述的一种上下匝道行为场景数据采集、识别与提取方法和系统,具有行为场景自动识别和提取功能,相比人工行为场景识别和提取,可大幅降低人力消耗,具有更高的识别效率。
Description
技术领域
本发明属于智能驾驶中的行为场景识别和数据挖掘领域,尤其是涉及一种上下匝道行为场景数据采集、识别与提取方法和系统。
背景技术
目前的行为场景识别、提取技术主要针对的是车辆跟驰、变道、切入切出等典型场景,而鲜有针对上下匝道、汇入汇出行为场景的研究和开发。对于上下匝道、汇入汇出这样的连续行为场景,涉及到纵向和横向的协同决策控制,由于国内高速公路、城市快速路的匝道结构种类繁多,上下匝道的分流段和合流段车道线不规则,车流量的变化等因素,都导致该场景下的决策规划面临严峻考验,目前已量产的高速领航辅助驾驶功能,大多是可以在指定的区域内开启,基于高精度地图或导航信息+感知实现决策及路径规划,但仍存在汇入汇出成功率较低,在主路和匝道的过渡路段横向控制不稳定,甚至匝道内车速过高等问题。这些问题存在较大的安全风险,且给驾乘人员带来不好的驾乘体验。针对这一行为场景展开深入的研究有助于相关自动驾驶辅助技术的开发,本发明针对匝道汇入汇出这一特殊行为场景展开研究,提出了包含数据采集、行为场景识别以及行为场景提取的综合方法和系统,为该场景下的智能驾驶辅助系统技术开发奠定基础。
目前基于数据驱动的开发主要依赖于自然驾驶行为场景数据,而目前自然驾驶行为场景库主要集中于变道行为场景和跟驰行为场景两部分,而针对匝道汇入汇出这样的涉及横纵向协同控制的连续行为场景,目前的自然驾驶行为场景数据并不丰富,且现有的识别提取方法效率低,误识别漏识别率较高,通过泛化的行为场景不贴近真实数据,无法满足现有功能优化或者高级别驾驶辅助技术开发的需求,采集大量国内真实上下匝道汇入汇出的行为场景数据,用于高级驾驶辅助系统决策规划新系统的深度学习和优化,可以增加功能的安全性,同时也可以提升驾驶员及乘客的驾乘的舒适感和安全感。本发明则针对本车上下匝道汇入汇出的行为场景,提出了一种基于摄像头传感器的自然驾驶数据采集、行为场景识别和提取的综合系统,为NOA(Navigate on Autopilot)和HWP(Highway pilot)等自动驾驶导航辅助功能的优化以及该行为场景下的高级驾驶辅助系统(技术)的开发提供数据支撑。
发明内容
有鉴于此,本发明旨在提出一种上下匝道行为场景数据采集、识别与提取方法和系统,以解决上下匝道行为场景数据提取效率低、精确率和召回率低以及用于高级驾驶辅助系统开发的上下匝道自然驾驶数据集合不丰富问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种上下匝道行为场景数据采集、识别与提取系统,包括车辆,其特征在于包括:安装在车辆上的前向功能摄像头、控制器、CAN总线、后向功能摄像头;
前向功能摄像头、后向功能摄像头均通过CAN总线与控制器连接;
前向功能摄像头用于采集目标车ID、目标车类型、目标车相对纵向距离、相对横向距离、目标车方位角、目标车相对速度、左右侧车道线类别、车道线颜色、本车距离左右侧车道线距离、左右相隔车道线信息;
后向功能摄像头用于采集目标车ID、目标车类型(轿车、货车、大客车、二轮车等)、目标车相对纵向距离、相对横向距离、目标车方位角、目标车相对速度多种信息;
控制器用于接收所有摄像头采集信息并进行数据的处理。
一种上下匝道行为场景数据采集、识别与提取方法,包括以下步骤:
S1、获取车辆行驶数据;
S2、根据车辆行驶数据判断车辆所处的场景是否为目标场景,并获取目标场景信息;
S3、若为目标场景,则将目标场景信息与提取系统内的信息进行对比,判定是否在设定范围内,若是则对符合条件的目标场景信息提取。
步骤S1中车辆行驶数据包括:当前时间t、采样步长T、规定时间间隔、本车车速、本车方向盘转角、相邻两侧车道线类型、本车距离相邻两侧车道线距离、左右两侧相隔车道线是否存在。
进一步的,目标场景包括匝道汇入主路行为场景、主路汇入匝道行为场景。
进一步的,判断车辆是否为匝道汇入主路行为场景判断过程如下:
设定匝道车速阈值范围,在获取本车和车道线相关信息后,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,则通过左右两侧相隔车道线是否存在,对当前车道数目进行判断,判断当前车道为单车道还是双车道;
若为单车道,判断左侧车道线类型是否为白色实线,并且右侧车道线类型是否为白色实线;
若为双车道,处于左侧车道时,判断左侧车道线类型是否为白色实线,右侧车道类型是否为白色虚线;处于右侧车道时,判断左侧车道线类型是否为白色虚线,右侧车道类型是否为白色实线;
符合上述判断要求,继续判断当前车速是否低于规定时间间隔后的车速,若低于则满足匝道汇入主路的场景要求。
进一步的,判断车辆是否为主路汇入匝道行为场景判断过程如下:
对于匝道包括双车道情况下:
设定匝道车速阈值范围,在获取本车和车道线相关信息后,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色实线,右侧车道类型为白色虚线,且当前车速低于设定时间间隔前的车速,则判定本车汇入匝道的左侧车道;
若当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色虚线,右侧车道类型为白色实线,且当前车速低于设定时间间隔前的车速,则判定本车汇入匝道的右侧车道;
对于匝道包括单车道情况下:
设定匝道车速阈值范围,在获取本车和车道线相关信息后,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色实线,右侧车道类型为白色实线,且当前车速低于设定时间间隔前的车速,则判定本车汇入匝道。
进一步的,步骤S3中提取系统内的信息包括:当前时间t、采样步长T、规定时间间隔、本车车速、本车方向盘转角、相邻两侧车道线类型、本车距离相邻两侧车道线距离、左右两侧相隔车道线是否存在、目标车ID、目标车类型、目标车相对纵向距离、目标车相对速度、场景判定标志位、变道标志位。
进一步的,对汇入主路行为场景、汇入匝道行为场景信息提取时:根据本车距离左右两侧车道线距离,找到左右两侧车道线距离同时突变的点,作为变道标志位,当本车从所在车道向左跨越车道线进入相邻车道,在跨越车道线时,本车与左侧车道线的距离会出现由较小值到较大值的突变,此时识别为向左变道,将突变点作为向左变道标志位;当本车从所在车道向右跨越车道线进入相邻车道,在跨越车道线时,本车与左侧车道线距离出现由较大值到较小值的突变,此时识别为向右变道,将突变点作为向右变道标志位;同时设置方向盘转角小于方向盘转角阈值,排除转弯和掉头的场景;
变道标志位的判断笼统概括如下:左变道标志位:在车辆向左侧相邻车道变道时,由本车车道的左侧车道线变为左侧相邻车道的左侧车道线,因此在判断过程中本车与左侧车道线的距离会由较小值变较大值的突变;右变道标志位:在车辆向右侧相邻车道变道时,由本车车道的左侧车道线变为右侧相邻车道的左侧车道线,因此在判断过程中本车与左侧车道线的距离会由较大值变较小值的突变。
进一步的,对于匝道汇入主路行为场景提取过程如下步骤:
S301、根据匝道汇入主路行为场景判定标志位的时刻作为起始时刻t1,以匝道汇入主路行为场景判定标志位的点为起点,寻找第一个向右变道标志位的点P;若没有找到向右变道标志位的点,则以t1时刻后设定时间间隔的点记为点P;
S302、以点P为起点,反向寻找第一个向左变道标志位,以第一个向左变道标志位的时刻为作为时刻t2;
S303、从时刻t2至时刻t1逐帧寻找匝道汇入主路行为场景结束点,并获取结束点时刻t3;
S304、判断起始时刻t1与结束时刻t3的时间间隔,是否符合设定的场景提取范围阈值,若符合则判定该行为场景有效,对该行为场景进行提取。
进一步的,寻找匝道汇入主路行为场景结束点过程如下:判断当前时刻车速是否在主路车速阈值范围内,并且判断是否符合车道数目和车道线类型中三种情况中的一种;第一种情况,处于最左侧车道时:不存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色实线,右侧车道类型为白色虚线;第二种情况,处于中间车道时:存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色虚线;第三种情况,处于最右侧车道时:存在左侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色实线。若判断当前时刻车速在主路车速阈值范围内,且满足上述三种情况的任意一种,则确定本车当前所在的位置为匝道汇入主路行为场景结束点,确定结束点时刻为t3,并结束上述判断。
进一步的,对于主路汇入匝道行为场景提取过程如下步骤:
S401、根据主路汇入匝道行为场景判定标志位的时刻作为终止时刻t11,以主路汇入匝道行为场景判定标志位的点为起点,反向寻找第一个向左变道标志位的点P1,若没有找到向左变道标志位的点,则以t11时刻前设定时间间隔的点记为点P1;
S402、以点P1为起点,正向寻找第一个向右变道标志位点,以第一个向右变道标志位的点的时刻为作为时刻t21;
S403、从时刻t21至时刻t11逐帧寻找主路汇入匝道行为场景起始点,并获取起始点时刻t31;
S404、判断起始时刻t31与结束时刻t11的时间间隔,是否符合设定的场景提取范围阈值,若符合则判定该行为场景有效,对该行为场景进行提取。
进一步的,寻找主路汇入匝道行为场景起始点过程如下:判断当前时刻车速是否在主路车速阈值范围内,并且符合车道数目和车道线中三种情况中的一种,其中,第一种情况,处于最左侧车道时:不存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色实线,右侧车道类型为白色虚线;第二种情况,处于中间车道时,存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色虚线;第三种情况,处于最右侧车道时,存在左侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色实线;若判断当前时刻车速在主路车速阈值范围内,且满足上述三种情况的任意一种,则确定本车当前所在的位置为匝道汇入主路行为场景起始点,确定起始点时刻为t31,并结束上述判断。
相对于现有技术,本发明所述的一种上下匝道行为场景数据采集、识别与提取方法和系统具有以下优势:
(1)本发明所述的一种上下匝道行为场景数据采集、识别与提取方法和系统,具有行为场景自动识别和提取功能,相比人工行为场景识别和提取,可大幅降低人力消耗,具有更高的识别效率。
(2)本发明所述的一种上下匝道行为场景数据采集、识别与提取方法和系统,不依赖高精地图的情况下,基于一套摄像头传感器的采集方案即可实现对匝道汇入汇出行为场景的识别提取,行为场景识别提取成本较低。
(3)本发明所述的一种上下匝道行为场景数据采集、识别与提取方法和系统,可对现有的自然驾驶行为场景库搭建工作构成补充,以指导相关测试用例的编写工作;所提取的匝道汇入、匝道汇出的自然驾驶数据可为该行为场景下的ADAS功能开发提供数据支持。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的一种上下匝道行为场景数据采集、识别与提取系统示意图;
图2为本发明实施例所述的目标行为场景计算识别的具体流程图;
图3为本发明实施例所述的匝道汇入主路的提取示意图;
图4为本发明实施例所述的主路汇出进入匝道的提取示意图;
图5为本发明实施例所述的匝道汇入汇出行为场景提取算法示意图。
附图标记说明:
10-整车电源;20-前向功能摄像头;30-控制器;40-CAN总线;50-后向功能摄像头。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
实施例一:
本如附图1所示,一种上下匝道行为场景数据采集、识别与提取系统,包括车辆,安装在车辆上的整车电源10、前向功能摄像头20、控制器30、CAN总线40、后向功能摄像头50;
前向功能摄像头20、后向功能摄像头50均通过CAN总线40与控制器30连接;
前向功能摄像头用于采集目标车ID、目标车类型目标车相对纵向距离、相对横向距离、目标车方位角、目标车相对速度、左右侧车道线类别、车道线颜色、本车距离左右侧车道线距离、左右相隔车道线信息的采集功能;
后向功能摄像头用于采集目标车ID、目标车类型、目标车相对纵向距离、相对横向距离、目标车方位角、目标车相对速度采集功能;
控制器与传感器和整车电源相连,用于接收以上摄像头所采集的数据,并实现采集数据的本地存储和识别提取运算。
目标类型包括:轿车、货车、大客车、二轮车等。
本发明所述的目标行为场景识别系统是通过车辆的数据采集装置所采集的驾驶数据在车端实施的,
实施例二:
一种上下匝道行为场景数据采集、识别与提取系统获取的参数包括:当前时间t、采样步长T、本车车速Vego、本车方向盘转角swa、左侧车道线类型Leftlane_type(2代表实线,3代表虚线)、右侧车道线类型Rightlane_type(2代表实线,3代表虚线)、本车距离左侧车道线距离Leftlane_DTLC、本车距离右侧车道线距离Rightlane_DTLC、左侧相隔车道线是否存在Line1left(Line1left=false代表不存在,Line1left=true代表存在)、右侧相隔车道线是否存在Line2right(Line2right=false代表不存在,Line2right=true代表存在)。
基于以上数据判断所处理的当前行为场景是否为目标行为场景。判断车辆是否为匝道汇入主路行为场景判断过程如下:
设定匝道车速阈值范围,即[V_ring_road_min,V_ring_road_max],在获取本车和车道线相关信息后,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,则通过左右两侧相隔车道线是否存在,对当前车道数目进行判断,判断当前车道为单车道还是双车道。
若为单车道,判断左侧车道线类型是否为白色实线,并且右侧车道线类型是否为白色实线。
若为双车道,处于左侧车道时,判断左侧车道线类型是否为白色实线,右侧车道类型是否为白色虚线;处于右侧车道时,判断左侧车道线类型是否为白色虚线,右侧车道类型是否为白色实线。
若满足以上任一条件,并判断当前车速低于设定时间间隔Δt1后的车速,则判定本车汇入主路车道,则满足匝道汇入主路的场景要求,输出行为场景判定标志位Merge_flag表示行为场景判定结果,此时Merge_flag=1。
判断车辆是否为主路汇入匝道行为场景判断过程如下:
对于匝道包括双车道情况下:
设定匝道车速阈值范围,在获取本车和车道线相关信息后,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色实线,右侧车道类型为白色虚线,且当前车速低于设定时间间隔前的车速,则判定本车汇入匝道的左侧车道;
或当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色虚线,右侧车道类型为白色实线,且当前车速低于设定时间间隔前的车速,则判定本车汇入匝道的右侧车道;
对于匝道包括单车道情况下:
设定匝道车速阈值范围,在获取本车和车道线相关信息后,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色实线,右侧车道类型为白色实线;
若满足上述条件,则继续判断当前车速低于设定时间间隔Δt2前的车速,若满足则判定本车汇入匝道,满足主路汇出进入匝道行为场景要求此时Merge_flag=-1。
若均不满足以上两种条件,则判定当前时刻不满足目标行为场景要求,此时Merge_flag=0。如附图2所示。上述规定时间间隔Δt1、Δt2为统计值或专家经验值。
其中,匝道汇入主路行为场景及主路汇入匝道行为场景,计算准则如下:
匝道汇入主路行为场景,对于单车道:
匝道汇入主路行为场景,对于双车道
主路汇入匝道行为场景,对于单车道:
主路汇入匝道行为场景,对于双车道
本发明所述的行为场景提取系统则是基于数据采集装置所采集驾驶数据及后处理数据:当前时间t、采样步长T、本车车速Vego、本车方向盘转角swa、相左侧车道线类型Leftlane_type(2代表实线,3代表虚线)、右侧车道线类型Rightlane_type(2代表实线,3代表虚线)、本车距离左侧车道线距离Leftlane_DTLC、本车距离右侧车道线距离Rightlane_DTLC、左侧相隔车道线是否存在Line1left(Line1left=false代表不存在,Line1left=true代表存在)、右侧相隔车道线是否存在Line2right(Line2right=false代表不存在,Line2right=true代表存在)、目标车ID、目标车类型Obj_class、目标车相对纵向距离Obj_x、目标车相对速度Obj_vx、场景判定标志位Merge_flag、变道标志位Lanechange_flag进行的。
系统获取为以上数据,输出为目标行为场景的提取片段,行为场景提取系统的具体实施例如下:
首先,根据本车距离左右两侧车道线距离,识别车辆横向跨越车道线的时刻,将跨线时刻作为变道点,同时获取变道方向。若两侧车道线均可被识别,优先以左侧车道线距离进行判断,若左侧车道线无法识别,但右侧车道线可被识别,则以右侧车道线距离进行判断,否则认为摄像头感知无效,不进行判断。以左侧车道线进行判断为例:其中,设置接近车道线的距离阈值lc1(m),远离车道线的距离阈值lc2(m),方向盘转角阈值lc_swa(°)(为了排除转弯和掉头的行为场景),以上阈值为统计值或专家经验值。若左侧车道线距离出现由较小值到较大值的突变时,且方向盘转角小于设定阈值,则判断此点为向左变道点,Lanechange_flag=left,若不满足以上条件,则进行下一步判断;若左侧车道线距离出现由较大值到较小值突变时,且方向盘转角小于设定阈值,则判断此点为向右变道点,Lanechange_flag=right;若均不满足以上两种条件,则判定当前时刻未变道,此时Lanechange_flag=none。
计算准则如下:
其次,设定主路车速阈值范围,即[V_main_road_min,V_main_road_max],设定行为场景片段大小阈值范围,即[T_min,T_max],单位:秒。
如图5所示,对于从匝道汇入主路行为场景的提取,具体步骤包括:
S301:根据匝道汇入主路行为场景判定标志位Merge_flag=1的点的时刻作为起始时刻t1;以匝道汇入主路行为场景判定标志位的点为起点,寻找第一个向右变道标志位即Lanechange_flag=right的点,记为点P;若没有找到向右变道标志位的点,则以t1+T_max时刻的点记为点P。
S302:以P为起点,反向(即为逆向行驶的方向)寻找第一个向左变道标志位即Lanechange_flag=left的点,即该点为本车汇入主路后最后一次向左变道的点,以最后一次向左变道的点的时刻作为时刻t2;若没有找到向左变道标志位即Lanechange_flag=left的点,则结束S302的判断,从t1下一时刻开始S301的判断;
随后:
从时刻t2至时刻t1逐帧进行如下判断S303:判断当前时刻车速是否在主路车速阈值范围内,且是否满足车道数目和车道类型三种情况中的一种;其中,第一种情况,处于最左侧车道时:不存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色实线,右侧车道类型为白色虚线;第二种情况,处于中间车道时:存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色虚线;第三种情况,处于最右侧车道时:存在左侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色实线。若判断当前时刻车速在主路车速阈值范围内,且满足上述三种情况的任意一种,则确定本车当前所在的位置为匝道汇入主路行为场景结束点,确定结束点时刻为t3,并结束上述判断。若不满足上述条件,则跳过t1时刻,进入下一时刻,开始上述S301的判断;例如:以t2为起点,t1为终点,逐帧判断时,在t2至t1的某一时刻,条件满足车速在主路车速阈值范围内,且此时车道信息满足:不存在左侧相邻车道、存在右侧相邻车道、左侧车道线类型为白色实线、右侧车道类型为白色虚线,则认为本车最后一次向左变道进入的车道为最左侧车道,确定此时刻为匝道汇入主路的结束时刻t3,并结束上述S303的判断。如图3所示。
S304:判断起始时刻t1和t3之间时间间隔,若在行为场景片段大小阈值范围之内,则判定该行为场景有效,对该行为场景进行提取;若不在设定行为场景片段大小阈值范围之内,则从结束时刻t3继续开始上述S301的判断。匝道汇入主路行为场景的示意图如附图3所示。
计算准则如下:
判断车速是否符合主路车速计算准则:
处于最左侧车道时:
处于中间车道时:
处于最右侧车道时:
如图5所示,如图对于主路汇入匝道行为场景提取过程如下步骤:
S401:根据主路汇入匝道行为场景判定标志位Merge_flag=-1的时刻作为终止时刻t11,以主路汇入匝道行为场景判定标志位的点为起点,反向寻找第一个向左变道标志位即Lanechange_flag=1的点,记为点P1,若没有找到向左变道标志位的点,则以t11-T_max时刻的点记为点P1
S402:以P1为起点,正向寻找第一个向右变道标志位即Lanechange_flag=right的点,以第一个向右变道标志位即Lanechange_flag=-right的点的时刻为作为时刻t21;若没有找到向右变道标志位即Lanechange_flag=right的点,则结束S402的判断,从t11下一时刻开始S401的判断;
S403:从时刻t21至时刻t11逐帧寻找主路汇入匝道行为场景结起始点,并获取起始点时刻t31;
寻找主路汇入匝道行为场景起始点过程如下:判断当前时刻车速是否在主路车速阈值范围内,且是否满足车道数目和车道类型三种情况中的一种;其中,第一种情况,处于最左侧车道时:不存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色实线,右侧车道类型为白色虚线;第二种情况,处于中间车道时,存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色虚线;第三种情况,处于最右侧车道时,存在左侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色实线;若判断当前时刻车速在主路车速阈值范围内,且满足上述三种情况的任意一种,则确定本车当前所在的位置为匝道汇入主路行为场景起始点,确定起始点时刻为t31,并结束上述判断;若不满足上述条件,则跳过t11时刻,进入下一时刻,开始上述S401的判断;
S404:判断起始时刻t31与结束时刻t11的时间间隔,是否符合设定的场景提取范围阈值,若符合则判定该行为场景有效,对该行为场景进行提取;
若不在符合,则从结束时刻t11继续开始上述S401的判断。
主路汇出进入匝道行为场景的示意图如附图4所示。匝道汇入汇出行为场景的提取算法示意图如图5所示。
计算准则如下:
判断车速是否符合主路车速计算准则:
于最左侧车道时:
处于中间车道时:
处于最右侧车道时:
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种上下匝道行为场景数据采集、识别与提取方法,其特征在于包括以下步骤:
S1、获取车辆行驶数据;
S2、根据车辆行驶数据判断车辆所处的场景是否为目标场景,并获取目标场景信息;
目标场景包括匝道汇入主路行为场景、主路汇入匝道行为场景;
判断车辆是否为匝道汇入主路行为场景判断过程如下:
设定匝道车速阈值范围,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,则通过左右两侧相隔车道线是否存在,对当前车道数目进行判断,判断当前车道为单车道还是双车道;
若为单车道,判断左侧车道线类型是否为白色实线,并且右侧车道线类型是否为白色实线;
若为双车道,处于左侧车道时,判断左侧车道线类型是否为白色实线,右侧车道类型是否为白色虚线;处于右侧车道时,判断左侧车道线类型是否为白色虚线,右侧车道类型是否为白色实线;
符合上述判断要求,继续判断当前车速是否低于规定时间间隔后的车速,若低于则满足匝道汇入主路的场景要求;
判断车辆是否为主路汇入匝道行为场景判断过程如下:
对于匝道包括双车道情况下:
设定匝道车速阈值范围,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色实线,右侧车道类型为白色虚线,且当前车速低于设定时间间隔前的车速,则判定本车汇入匝道的左侧车道;
若当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色虚线,右侧车道类型为白色实线,且当前车速低于设定时间间隔前的车速,则判定本车汇入匝道的右侧车道;
对于匝道包括单车道情况下:
设定匝道车速阈值范围,判断本车车速是否在匝道车速阈值范围内,若当前时刻车速在匝道车速阈值范围内,且左侧车道线类型为白色实线,右侧车道类型为白色实线,且当前车速低于设定时间间隔前的车速,则判定本车汇入匝道;
S3、若为目标场景,则将目标场景信息与提取系统内的信息进行对比,判断目标场景信息是否在设定范围内,若是则对符合条件的目标场景信息提取。
2.根据权利要求1所述的一种上下匝道行为场景数据采集、识别与提取方法,其特征在于:步骤S1中车辆行驶数据包括:当前时间t、采样步长T、规定时间间隔、本车车速、本车方向盘转角、相邻两侧车道线类型、本车距离相邻两侧车道线距离、左右两侧相隔车道线是否存在。
3.根据权利要求1所述的一种上下匝道行为场景数据采集、识别与提取方法,其特征在于:步骤S3中提取系统内的信息包括:当前时间t、采样步长T、规定时间间隔、本车车速、本车方向盘转角、相邻两侧车道线类型、本车距离相邻两侧车道线距离、左右两侧相隔车道线是否存在、目标车ID、目标车类型、目标车相对纵向距离、目标车相对速度、场景判定标志位、变道标志位。
4.根据权利要求3所述的一种上下匝道行为场景数据采集、识别与提取方法,其特征在于:对匝道汇入主路行为场景、主路汇入匝道行为场景信息提取时:根据本车距离左右两侧车道线距离,找到左右两侧车道线距离同时突变的点,作为变道标志位,当本车从所在车道向左跨越车道线进入相邻车道,在跨越车道线时,本车与左侧车道线的距离会出现由较小值到较大值的突变,此时识别为向左变道,将突变点作为向左变道标志位;当本车从所在车道向右跨越车道线进入相邻车道,在跨越车道线时,本车与左侧车道线距离出现由较大值到较小值的突变,此时识别为向右变道,将突变点作为向右变道标志位;同时设置方向盘转角小于方向盘转角阈值,排除转弯和掉头的场景。
5.根据权利要求4所述的一种上下匝道行为场景数据采集、识别与提取方法,其特征在于:对于匝道汇入主路行为场景提取过程如下步骤:
S301、根据匝道汇入主路行为场景判定标志位的时刻作为起始时刻t1,以匝道汇入主路行为场景判定标志位的点为起点,寻找第一个向右变道标志位的点P;若没有找到向右变道标志位的点,则以t1时刻后设定时间间隔的点记为点P;
S302、以点P为起点,反向寻找第一个向左变道标志位,以第一个向左变道标志位的时刻为作为时刻t2;
S303、从时刻t2至时刻t1逐帧寻找匝道汇入主路行为场景结束点,并获取结束点时刻t3;
寻找匝道汇入主路行为场景结束点过程如下:判断当前时刻车速是否在主路车速阈值范围内,且判断是否符合车道数目和车道线类型中处于最左侧车道时:不存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色实线,右侧车道类型为白色虚线;或处于中间车道时:存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色虚线;或处于最右侧车道时:存在左侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色实线三种情况中的一种;若判断当前时刻车速在主路车速阈值范围内;且满足上述三种情况的任意一种,则确定本车当前所在的位置为匝道汇入主路行为场景结束点,确定结束点时刻为t3,并结束上述判断;
S304、判断起始时刻t1与结束时刻t3的时间间隔,是否符合设定的场景提取范围阈值,若符合则判定该行为场景有效,对该行为场景进行提取。
6.根据权利要求5所述的一种上下匝道行为场景数据采集、识别与提取方法,其特征在于:对于主路汇入匝道行为场景提取过程如下步骤:
S401、根据主路汇入匝道行为场景判定标志位的时刻作为终止时刻t11,以主路汇入匝道行为场景判定标志位的点为起点,反向寻找第一个向左变道标志位的点P1,若没有找到向左变道标志位的点,则以t11时刻前设定时间间隔的点记为点P1;
S402、以点P1为起点,正向寻找第一个向右变道标志位点,以第一个向右变道标志位的点的时刻为作为时刻t21;
S403、从时刻t21至时刻t11逐帧寻找主路汇入匝道行为场景起始点,并获取起始点时刻t31;
寻找主路汇入匝道行为场景起始点过程如下:判断当前时刻车速是否在主路车速阈值范围内,且判断是否符合车道数目和车道类型中处于最左侧车道时:不存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色实线,右侧车道类型为白色虚线;或处于中间车道时,存在左侧相邻车道并且存在右侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色虚线;或处于最右侧车道时,存在左侧相邻车道,左侧车道线类型为白色虚线,右侧车道类型为白色实线三种情况中的一种;若判断当前时刻车速在主路车速阈值范围内,且满足上述三种情况的任意一种,则确定本车当前所在的位置为匝道汇入主路行为场景起始点,确定起始点时刻为t31,并结束上述判断;
S404、判断起始时刻t31与结束时刻t11的时间间隔,是否符合设定的场景提取范围阈值,若符合则判定该行为场景有效,对该行为场景进行提取。
7.一种上下匝道行为场景数据采集、识别与提取系统,基于权利要求1-6任一所述的一种上下匝道行为场景数据采集、识别与提取方法,包括车辆,其特征在于包括:安装在车辆上的前向功能摄像头、控制器、CAN总线、后向功能摄像头;
前向功能摄像头、后向功能摄像头均通过CAN总线与控制器连接;
前向功能摄像头用于采集目标车ID、目标车类型、目标车相对纵向距离、相对横向距离、目标车方位角、目标车相对速度、左右侧车道线类别、车道线颜色、本车距离左右侧车道线距离、左右相隔车道线信息;
后向功能摄像头用于采集目标车ID、目标车类型、目标车相对纵向距离、相对横向距离、目标车方位角、目标车相对速度信息;
控制器用于接收所有摄像头采集信息并进行数据的处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210797579.3A CN114863689B (zh) | 2022-07-08 | 2022-07-08 | 一种上下匝道行为场景数据采集、识别与提取方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210797579.3A CN114863689B (zh) | 2022-07-08 | 2022-07-08 | 一种上下匝道行为场景数据采集、识别与提取方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114863689A true CN114863689A (zh) | 2022-08-05 |
CN114863689B CN114863689B (zh) | 2022-09-30 |
Family
ID=82626544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210797579.3A Active CN114863689B (zh) | 2022-07-08 | 2022-07-08 | 一种上下匝道行为场景数据采集、识别与提取方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863689B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170076607A1 (en) * | 2015-09-16 | 2017-03-16 | Here Global B.V. | Organized Intelligent Merging |
CN109272748A (zh) * | 2018-09-06 | 2019-01-25 | 东南大学 | 车车通信结合辅助驾驶环境下匝道协同汇入方法及系统 |
CN110361015A (zh) * | 2018-09-30 | 2019-10-22 | 长城汽车股份有限公司 | 道路特征点提取方法及系统 |
CN110969837A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 自动驾驶车辆的道路信息融合系统及方法 |
CN111599183A (zh) * | 2020-07-22 | 2020-08-28 | 中汽院汽车技术有限公司 | 一种自动驾驶场景分类识别系统及方法 |
CN111599181A (zh) * | 2020-07-22 | 2020-08-28 | 中汽院汽车技术有限公司 | 用于智能驾驶系统测试的典型自然驾驶场景识别提取方法 |
CN111915915A (zh) * | 2020-07-16 | 2020-11-10 | 华人运通(上海)自动驾驶科技有限公司 | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 |
CN114241778A (zh) * | 2022-02-23 | 2022-03-25 | 东南大学 | 高速公路网联车协同匝道汇入多目标优化控制方法和系统 |
WO2022087879A1 (zh) * | 2020-10-28 | 2022-05-05 | 华为技术有限公司 | 一种场景文件的获取方法以及装置 |
CN114548248A (zh) * | 2022-02-14 | 2022-05-27 | 中汽研(天津)汽车工程研究院有限公司 | 一种自动驾驶汽车行驶数据的分类触发上传方法及系统 |
-
2022
- 2022-07-08 CN CN202210797579.3A patent/CN114863689B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170076607A1 (en) * | 2015-09-16 | 2017-03-16 | Here Global B.V. | Organized Intelligent Merging |
CN109272748A (zh) * | 2018-09-06 | 2019-01-25 | 东南大学 | 车车通信结合辅助驾驶环境下匝道协同汇入方法及系统 |
CN110361015A (zh) * | 2018-09-30 | 2019-10-22 | 长城汽车股份有限公司 | 道路特征点提取方法及系统 |
CN110969837A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 自动驾驶车辆的道路信息融合系统及方法 |
CN111915915A (zh) * | 2020-07-16 | 2020-11-10 | 华人运通(上海)自动驾驶科技有限公司 | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 |
CN111599183A (zh) * | 2020-07-22 | 2020-08-28 | 中汽院汽车技术有限公司 | 一种自动驾驶场景分类识别系统及方法 |
CN111599181A (zh) * | 2020-07-22 | 2020-08-28 | 中汽院汽车技术有限公司 | 用于智能驾驶系统测试的典型自然驾驶场景识别提取方法 |
WO2022087879A1 (zh) * | 2020-10-28 | 2022-05-05 | 华为技术有限公司 | 一种场景文件的获取方法以及装置 |
CN114548248A (zh) * | 2022-02-14 | 2022-05-27 | 中汽研(天津)汽车工程研究院有限公司 | 一种自动驾驶汽车行驶数据的分类触发上传方法及系统 |
CN114241778A (zh) * | 2022-02-23 | 2022-03-25 | 东南大学 | 高速公路网联车协同匝道汇入多目标优化控制方法和系统 |
Non-Patent Citations (2)
Title |
---|
徐进: "典型道路场景以及场景切换时的速度行为特性", 《吉林大学学报(工学版)》 * |
李英勃等: "基于融合感知的场景数据提取技术研究", 《现代计算机(专业版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114863689B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6665614B2 (en) | Vehicle surroundings monitoring apparatus and vehicle traveling control system incorporating the apparatus | |
CN107010064B (zh) | 一种车队编队驾驶方法及系统 | |
CN110503823A (zh) | 一种自动驾驶车辆专用车道控制系统与方法 | |
CN106114507A (zh) | 用于智能车辆的局部轨迹规划方法和装置 | |
CN110531661B (zh) | 一种车辆自动跟驰控制方法、装置及设备 | |
CN110751847B (zh) | 一种自动驾驶车辆行为决策方法及系统 | |
CN111324120A (zh) | 一种自动驾驶前车切入切出场景提取方法 | |
JPH11144185A (ja) | 自動運転制御誘導システム | |
KR20200024934A (ko) | 차선 정보 관리 방법, 주행 제어 방법 및 차선 정보 관리 장치 | |
CN107992829A (zh) | 一种交通信号灯车道级控制关系提取方法及装置 | |
JP7359715B2 (ja) | 道路形状推定装置 | |
CN112265542B (zh) | 一种自动驾驶会车场景处理方法及其装置、车辆 | |
CN111038488B (zh) | 一种混合动力汽车的能量优化控制方法及装置 | |
CN104742901A (zh) | 用于识别机动车逆向于行驶方向地驶入道路的行车带中的方法和控制与检测装置 | |
CN106476690A (zh) | 驾驶辅助装置 | |
JP2003168198A (ja) | 車両用走路判定装置および車両制御装置 | |
CN107564336B (zh) | 一种信号交叉口左转冲突预警系统及预警方法 | |
CN105620486B (zh) | 应用于车辆能量管理的行驶模式判断装置及方法 | |
CN110341708B (zh) | 一种盲区自动驾驶控制方法及系统 | |
CN116740945A (zh) | 混行环境下快速路合流区多车协同编组交汇方法及系统 | |
CN111103882A (zh) | 一种无人驾驶电动汽车的自主跟车控制方法 | |
CN109656242A (zh) | 一种自动驾驶行车路径规划系统 | |
CN114863689B (zh) | 一种上下匝道行为场景数据采集、识别与提取方法和系统 | |
CN110626349A (zh) | 自动驾驶车辆的控制方法、装置、汽车控制器及存储介质 | |
CN116080679A (zh) | 一种面向井下巷道的无轨胶轮车无人驾驶方法 |
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 |