CN115257771A - 一种路口识别方法、电子设备和存储介质 - Google Patents
一种路口识别方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115257771A CN115257771A CN202211186112.1A CN202211186112A CN115257771A CN 115257771 A CN115257771 A CN 115257771A CN 202211186112 A CN202211186112 A CN 202211186112A CN 115257771 A CN115257771 A CN 115257771A
- Authority
- CN
- China
- Prior art keywords
- segment
- turning
- intersection
- vehicle
- identifying
- 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
-
- 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
- B60W40/06—Road 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
- 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
- B60W40/10—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 vehicle motion
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/114—Yaw movement
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/06—Direction of travel
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种路口识别方法、电子设备和存储介质。方法包括:获取车辆行驶数据;如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段;根据所述转弯片段前的车辆静止情况,识别所述转弯片段是否发生于路口;如果发生于路口,将所述转弯片段的起始位置标记为路口位置。本实施例通过车辆行驶数据自动实现路路口识别。
Description
技术领域
本发明实施例涉及智能驾驶领域,尤其涉及一种路口识别方法、电子设备和存储介质。
背景技术
车辆在经过路口时的行为,往往比其他路段的行为风险更大,所以准确识别路口对于行驶安全十分重要。
现有技术中,一般通过在线地图或导航等资源获取路口信息。但获取这些资源的成本昂贵,当无法取得或资源有限时,便无法得到准确的路口信息。
发明内容
本发明实施例提供一种路口识别方法、电子设备和存储介质,通过车辆行驶数据自动实现路路口识别。
第一方面,本发明实施例提供了一种路口识别方法,包括:
获取车辆行驶数据;
如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段;
根据所述转弯片段前的车辆静止情况,识别所述转弯片段是否发生于路口;
如果发生于路口,将所述转弯片段的起始位置标记为路口位置。
第二方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储器,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任一实施例所述的路口识别方法。
第三方面,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任一实施例所述的路口识别方法。
本发明实施例通过车辆在一定时间内的航向角累计变化,来识别转弯片段;再通过转弯片段前的等待情况,识别出发生于路口的转弯片段,逐步确定路口位置。整个过程无需大量人工标注,能够自动化实现且节约成本,在无法直接获取地图信息的情况下,用最易获取的行驶数据实现路口的准确识别,快速、批量化地标记路路口位置,并存储于数据库中重复使用。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种路口识别方法的流程图;
图2是本发明实施例提供的发生于路口的转弯片段的示意图;
图3是本发明实施例提供的未发生于路口的转弯片段的示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,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,可以具体情况理解上述术语在本发明中的具体含义。
图1是本发明实施例提供的一种路口识别方法的流程图。该方法适用于通过车辆行驶数据识别路口信息的情况,由电子设备执行。此处的车辆可以是乘用车,也可以是商用车,本实施例对比不进行任何限定。如图1所示,该方法具体包括:
S110、获取车辆行驶数据。
获取至少一个车辆在至少一段时间内的行驶数据,作为后续操作的输入。该行驶数据包括车辆位置、车速、航向角(车头与正北方向的夹角)角速度、以及车辆到车道线的距离(包括车轮和/或车的中轴线到车道线的距离)等。可选的,行驶数据可以通过多种车载设备回传,例如车速、航向角通过AEB(Automatic Emergency Braking,自动紧急制动系统)、ADAS(Advanced Driving Assistance System,高级驾驶辅助系统)等车载系统回传,角速度可以通过航向角的变化量除以时间来计算,而车辆到车道线的距离可以通过车载摄像头获取。
S120、如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段。
由于车辆在路口发生转弯动作的几率较大,因此本步骤识别行驶数据中的转弯片段,作为后续识别路口位置的依据。转弯片段的起点和终点即为转弯动作的起点和终点。
具体的,S110中获取的行驶数据类型多种多样,为了简化处理流程,在一实施方式中,首先,确定与转弯动作强相关的行驶数据类型。可选的,获取一部分样本行驶数据,并通过地图信息对该部分行驶数据中的转弯动作进行标注。需要说明的是,该样本行驶数据可以是S110中行驶数据的一部分,也可以是独立的一部分,不作具体限制。标注完成后,对该部分行驶数据进行相关性分析,提取与转弯动作相关性最大的行驶数据类型。本实施例中提取处的数据类型为航向角。
然后,假设行驶数据中各时间点之间的间隔为x秒,以每个时间点为起点截取所述设定时长的片段,并对片段内各时间点的航向角进行累加,如果累加值大于设定阈值,将所述片段识别为转弯片段。其中,所述设定时长和设定阈值通过大数据分析方法确定,具体过程将在后续实施例中详细说明。
进一步的,转弯动作包括左转弯和右转弯两种情况,因此根据转弯方向的不同,转弯片段的识别过程包括以下两种情况:
情况一、如果所述行驶数据中,存在第一时长的片段满足车头持续左偏且航向角累计变化大于第一阈值,将所述片段识别为左转弯片段。
情况二、如果所述行驶数据中,存在第二时长的片段满足车头持续右偏且航向角累计变化大于第二阈值,将所述片段识别为右转弯片段。
可以看出,本实施例对左转弯和右转弯分别设置了不同的设定时长和设定阈值,以提高识别的准确性。这是由于,左转弯中存在待转区,车辆行驶至待转区时有可能出现停留,且司机会经常观察红绿灯,影响行驶速度;而右转弯不存在待转区,也无需观察红绿灯,行驶连续且速度快,因此,左转弯动作需要的第一时长大于或等于右转弯动作需要的第二时长。同时,由于待转区的存在,有可能将待转区识别为左转弯片段的起始点,这时左转弯的累计航向角变化就会小于右转弯的累计航向角变化,因此,左转弯对应的第一阈值小于或等于右转弯对应的第二阈值。
可选的,将车头左偏时的航向角记为负值、车头右偏时的航向角记为正值,这样可以同时记录航向角的累计变化和变动方向,从而进行左转弯片段和右转弯片段的识别。
可选的,除航向角外,还可以将车辆到车道线的距离也作为识别转弯片段的依据。这是由于,除了转弯动作外,变道动作也能够使航向角累计变化达到一定范围。根据变道动作的特性,其航向角累计变化的范围应该是一个区间,即大于第四阈值且小于第五阈值,两个阈值的具体取值也可以通过大数据分析方法获取,在后续实施例中详细说明。通常转弯动作的航向角累计变化是大于变道动作的,因此转弯动作对应的设定阈值应大于或等于第五阈值。但如果出现所述设定阈值等于第五阈值,或与第五阈值非常接近的情况,则有可能将变道动作误判为转弯动作。为了避免这一情况的发生,本实施例将航向角和车辆到车道线的距离结合在一起,共同作为转弯片段的识别依据。下面给出两种具体实施方式:
第一种实施方式,如果所述行驶数据中,存在设定时长的片段满足:航向角累计变化大于设定阈值且车辆到车道线的距离变化速度小于第三阈值,则将所述片段识别为转弯片段。该距离变化速度用于分析车辆横跨车道线的快慢,变道时会迅速变大,而转弯时基本不变,从而避免将变道动作误判为转弯动作。第三阈值的具体取值,可以通过对大量变道行为的数据分析确定,将在后续实施例中详细说明。
第二种实施方式,如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,则将所述片段识别为转弯片段。然后,继续判断所述转弯片段是否同时满足航向角累计变化大于第四阈值且小于第五阈值;如果满足,则将所述片段同时识别为变道片段,其中,所述第五阈值大于或等于所述设定阈值。至此,该片段已被同时识别为转弯片段和变道片段,但实际行驶中转弯动作和变道动作不会同时发生,必然存在一个识别结果是错误的。为了得到正确结果,继续计算所述片段中车辆到车道线的距离变化速度;如果所述距离变化速度小于第三阈值,将所述片段从变道片段中剔除;如果所述距离变化速度大于或等于所述第三阈值,将所述片段从转弯片段中剔除。通过这一方式,同样也可以避免将变道动作误判为转弯动作。
S130、根据所述转弯片段前的车辆静止情况,识别所述转弯片段是否发生于路口。
识别出转弯片段后,进一步识别转弯片段是否发生于路口。图2显示了一种发生于路口的转弯片段,图3显示了一种未发生于路口的转弯片段,其中,实线表示道路边界,虚线表示行驶轨迹。本实施例通过转弯片段前的车辆静止情况来区分这两种片段,静止意味着等待,只有发生于路口的转弯片段前,才会有车辆等待。
可选的,通过AEB设备识别本车前方是否存在前车,当存在前车时AEB提取对应的车距以及前车车速。根据本车前是否存在前车,识别转弯片段是否发生于路口,包括以下两种情况:
情况一、本车前不存在前车。这时,如果车辆在所述转弯片段前的第三时长内保持静止,将所述转弯片段识别为发生于路口。可选的,通过车速判断静止状态,提取转弯片段前的一段行驶数据,如果车辆在转弯片段前的第三时长内车速为0,则认为该车处在该片段前处于等待状态,将该片段识别为发生于路口。
情况二、本车前存在前车。如果本车在所述转弯片段前的第三时长内保持静止,且同时段内前车的静止时长与所述第三时长的比值超过设定比例,将所述转弯片段识别为发生于路口。可选的,如果车辆在转弯片段前的第三时长内车速为0,同时在这段时间内,前车有y%的时间车速也为0,则认为本车和前车在该片段前均处于等待状态,将该片段识别为发生于路口。
同理,第三时长和设定比例通过大数据分析获取,获取过程将在后续实施例中详细说明。
S140、如果发生于路口,将所述转弯片段的起始位置标记为路口位置。
转弯片段的起始位置即行驶数据中的车辆位置,包括车辆所处的经纬度。将该片段中第一帧数据对应的经纬度作为路口的经纬度,就可以确定路口位置。通常在S110中批量获取车辆行驶数据,通过S120和S130中识别出大量发生于路口的转弯片段,在S140中标记出多个路口位置。
本实施例通过车辆在一定时间内的航向角累计变化,来识别转弯片段;再通过转弯片段前的等待情况,识别出发生于路口的转弯片段,逐步确定路口位置。整个过程无需大量人工标注,能够自动化实现且节约成本,在无法直接获取地图信息的情况下,用最易获取的行驶数据实现路口的准确识别,快速、批量化地标记路路口位置,并存储于数据库中重复使用。
在上述实施例和下述实施例的基础上,本实施例详细说明上述设定时长、设定比例,以及各阈值的确定过程。
在一具体实施方式中,首先,获取一定规模的样本行驶数据。这里的行驶数据规模通常比S110中的行驶数据规模小,可以是S110中行驶数据的一部分,也可以独立于S110中的行驶数据,不作具体限制。
然后,结合地图信息,对所述行驶数据中的左转弯、右转弯、左变道、右变道动作进行标注。根据标注的动作,确定用于识别左转弯片段的第一时长、第一阈值,用于识别右转弯片段的第二时长和第二阈值,以及用于识别变道动作的第三阈值、第四阈值和第五阈值。
以左转弯片段为例,可选的,第一时长和第一阈值的确定过程如下:结合地图信息,提取各左转弯动作前后的连续时段;根据各时段的航向角累计变化,确定用于识别左转弯片段的第一阈值;提取各时段中,从航向角开始变化到累计变化所述第一阈值所用的时间;根据各时段中的所述时间,确定用于识别左转弯片段的第一时长。其中,第一阈值的确定方式有多种,可以将各时段航向角累计变化的均值作为第一阈值,也可以将各时段航向角累计变化的最小值作为第一阈值,还可以将使各时段被识别为左转弯片段的概率达到一定比值的航向角累计变化作为第一阈值,本实施例不作具体限制。第二阈值、第三阈值、第四阈值和第五阈值的确定过程与第一阈值类似,第二时长的确定过程与第一时长类似,不再赘述。
确定以上各时长和各阈值后,根据这些时长和阈值从行驶数据中识别出更多的转弯片段,识别过程同上述实施例。然后,提取各转弯片段前的样本行驶数据,与各转弯片段一起构成新的片段。新片段的样本行驶数据中包括车辆位置(经纬度)、本车车速、是否存在前车、前车车距和前车车速等。
这时,再根据地图信息,标注所述更多的转弯片段是否发生于路口;同时获取用于识别路口的多个待选时长和待选比例,作为第三时长和所述设定比例的待选值。接着,对各待选时长和各待选比例构成的组合,分别执行如下操作;S1、如果本车在一转弯片段前的待选时长内保持静止,且同时段内前车的静止时长与所述待选时长的比值超过待选比例,将所述转弯片段识别为发生于路口;S2、对各转弯片段均进行识别后,根据标注结果和识别结果,计算识别准确率。得到每个组合的识别准确率后,选取识别准确率最高的组合,作为用于识别路口的第三时长和设定比例。
本实施例根据小规模的样本行驶数据的人工标注,确定了路口识别中的各项阈值,这些阈值能够保持很高的识别准确率,能够应用于更大规模过的行驶数据中,识别出更多的路口信息。
典型的,本实施例的方法可以应用于车辆驾驶风险的评估应用中,因为车辆在经过路口时采取的行为往往比其他路段的行为对风险的影响更大。根据车辆驾驶风险的评估结果,确定司机的驾驶风险评分,该评分可以用于车队的管理,也可以用于保险公司对车辆保费的确定,即UBI(Usage-based insurance,基于使用量而定保费的保险)应用,为车队管理和保费确定提供技术支持。
图4为本发明实施例提供的一种电子设备的结构示意图,如图4所示,该设备包括处理器60、存储器61、输入装置62和输出装置63;设备中处理器60的数量可以是一个或多个,图4中以一个处理器60为例;设备中的处理器60、存储器61、输入装置62和输出装置63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61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路口识别方法对应的程序指令/模块。处理器60通过运行存储在存储器61中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的路口识别方法。
存储器61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61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61可进一步包括相对于处理器60远程设置的存储器,这些远程存储器可以通过网络连接至设备。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。
输入装置62可用于接收输入的数字或字符信息,以及产生与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63可包括显示屏等显示设备。
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任一实施例的路口识别方法。
本发明实施例的计算机存储介质,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,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)。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种路口识别方法,其特征在于,包括:
获取车辆行驶数据;
如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段;
根据所述转弯片段前的车辆静止情况,识别所述转弯片段是否发生于路口;
如果发生于路口,将所述转弯片段的起始位置标记为路口位置。
2.根据权利要求1所述的路口识别方法,其特征在于,所述如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段,包括:
如果所述行驶数据中,存在第一时长的片段满足车头持续左偏且航向角累计变化大于第一阈值,将所述片段识别为左转弯片段;
如果所述行驶数据中,存在第二时长的片段满足车头持续右偏且航向角累计变化大于第二阈值,将所述片段识别为右转弯片段;
其中,所述第一时长大于或等于所述第二时长,所述第一阈值小于或等于所述第二阈值。
3.根据权利要求2所述的路口识别方法,其特征在于,在所述如果所述行驶数据中,存在第一时长的片段满足车头持续左偏且航向角累计变化大于第一阈值,将所述片段识别为左转弯片段之前,还包括:
获取包括多个左转弯动作的样本行驶数据;
提取各左转弯动作前后的连续时段;
根据各时段的航向角累计变化,确定用于识别左转弯片段的第一阈值;
提取各时段中,从航向角开始变化到累计变化所述第一阈值所用的时间;
根据各时段中的所述时间,确定用于识别左转弯片段的第一时长。
4.根据权利要求1所述的路口识别方法,其特征在于,所述行驶数据包括航向角、角速度、车速,以及车辆到车道线的距离;
在所述如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段之前,还包括:
获取包括多个转弯动作的样本行驶数据;
对所述样本行驶数据进行相关性分析,提取与转弯动作相关性最大的行驶数据类型,所述类型为航向角。
5.根据权利要求1所述的路口识别方法,其特征在于,所述如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段,包括:
如果所述行驶数据中,存在设定时长的片段满足:航向角累计变化大于设定阈值且车辆到车道线的距离变化速度小于第三阈值,将所述片段识别为转弯片段。
6.根据权利要求1所述的路口识别方法,其特征在于,所述如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段,包括:
如果所述行驶数据中,存在设定时长的片段满足航向角累计变化大于设定阈值,将所述片段识别为转弯片段;
如果所述转弯片段还满足航向角累计变化大于第四阈值且小于第五阈值,将所述片段同时识别为变道片段,其中,所述第五阈值大于或等于所述设定阈值;
计算所述片段中车辆到车道线的距离变化速度;
如果所述距离变化速度小于第三阈值,将所述片段从变道片段中剔除;如果所述距离变化速度大于或等于所述第三阈值,将所述片段从转弯片段中剔除。
7.根据权利要求1所述的路口识别方法,其特征在于,所述根据所述转弯片段前的车辆静止情况,识别所述转弯片段是否发生于路口,包括:
如果不存在前车,且本车在所述转弯片段前的第三时长内保持静止,将所述转弯片段识别为发生于路口;
如果本车在所述转弯片段前的第三时长内保持静止,且同时段内前车的静止时长与所述第三时长的比值超过设定比例,将所述转弯片段识别为发生于路口。
8.根据权利要求7所述的路口识别方法,其特征在于,在所述如果本车在所述转弯片段前的第三时长内保持静止,且同时段内前车的静止时长与所述第三时长的比值超过设定比例,将所述转弯片段识别为发生于路口之前,还包括:
获取包括多个转弯片段的样本行驶数据,以及用于识别路口的多个待选时长和待选比例;
标注各转弯片段是否发生于路口;
对各待选时长和各待选比例构成的组合,分别执行如下操作;
S1、如果本车在一转弯片段前的待选时长内保持静止,且同时段内前车的静止时长与所述待选时长的比值超过待选比例,将所述转弯片段识别为发生于路口;
S2、对各转弯片段均进行识别后,根据标注结果和识别结果,计算识别准确率;
选取识别准确率最高的组合,作为用于识别路口的第三时长和设定比例。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,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权利要求1-8任一所述的路口识别方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-8任一所述的路口识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211186112.1A CN115257771B (zh) | 2022-09-28 | 2022-09-28 | 一种路口识别方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211186112.1A CN115257771B (zh) | 2022-09-28 | 2022-09-28 | 一种路口识别方法、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115257771A true CN115257771A (zh) | 2022-11-01 |
CN115257771B CN115257771B (zh) | 2023-02-21 |
Family
ID=83756404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211186112.1A Active CN115257771B (zh) | 2022-09-28 | 2022-09-28 | 一种路口识别方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115257771B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704780A (zh) * | 2023-07-05 | 2023-09-05 | 山东理工大学 | 一种基于gps轨迹数据的异常驾驶行为识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170113665A1 (en) * | 2015-10-27 | 2017-04-27 | GM Global Technology Operations LLC | Algorithms for avoiding automotive crashes at left and right turn intersections |
CN106875744A (zh) * | 2015-12-14 | 2017-06-20 | 现代摩比斯株式会社 | 周边车辆识别系统及方法 |
CN108106619A (zh) * | 2016-11-25 | 2018-06-01 | 厦门雅迅网络股份有限公司 | 主辅路识别方法及其系统 |
CN110979339A (zh) * | 2019-11-26 | 2020-04-10 | 南京市德赛西威汽车电子有限公司 | 一种基于v2v的前方道路形态重建方法 |
US20200216076A1 (en) * | 2019-01-08 | 2020-07-09 | Visteon Global Technologies, Inc. | Method for determining the location of an ego-vehicle |
CN113375685A (zh) * | 2021-03-31 | 2021-09-10 | 福建工程学院 | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 |
-
2022
- 2022-09-28 CN CN202211186112.1A patent/CN115257771B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170113665A1 (en) * | 2015-10-27 | 2017-04-27 | GM Global Technology Operations LLC | Algorithms for avoiding automotive crashes at left and right turn intersections |
CN106875744A (zh) * | 2015-12-14 | 2017-06-20 | 现代摩比斯株式会社 | 周边车辆识别系统及方法 |
CN108106619A (zh) * | 2016-11-25 | 2018-06-01 | 厦门雅迅网络股份有限公司 | 主辅路识别方法及其系统 |
US20200216076A1 (en) * | 2019-01-08 | 2020-07-09 | Visteon Global Technologies, Inc. | Method for determining the location of an ego-vehicle |
CN110979339A (zh) * | 2019-11-26 | 2020-04-10 | 南京市德赛西威汽车电子有限公司 | 一种基于v2v的前方道路形态重建方法 |
CN113375685A (zh) * | 2021-03-31 | 2021-09-10 | 福建工程学院 | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704780A (zh) * | 2023-07-05 | 2023-09-05 | 山东理工大学 | 一种基于gps轨迹数据的异常驾驶行为识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115257771B (zh) | 2023-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520744B (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
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 | |
US11741829B2 (en) | Method of providing traffic related information and device, computer program and computer program product | |
US11622228B2 (en) | Information processing apparatus, vehicle, computer-readable storage medium, and information processing method | |
US10745010B2 (en) | Detecting anomalous vehicle behavior through automatic voting | |
CN112712729B (zh) | 预测运动轨迹的方法和系统 | |
CN111780987A (zh) | 自动驾驶车辆的测试方法、装置、计算机设备和存储介质 | |
CN115257771B (zh) | 一种路口识别方法、电子设备和存储介质 | |
CN115292435A (zh) | 高精地图的更新方法和装置、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 | |
KR101498582B1 (ko) | 교통사고 데이터 제공 시스템 및 방법 | |
CN114596704B (zh) | 交通事件处理方法、装置、设备及存储介质 | |
CN113033713B (zh) | 事故片段的识别方法、装置、设备及可读存储介质 | |
CN115817466A (zh) | 一种碰撞风险评估方法及装置 | |
CN114694116A (zh) | 一种道路边界检测方法、装置、电子设备和存储介质 | |
CN108010319B (zh) | 一种道路状态的识别方法及装置 | |
CN114241373A (zh) | 一种端到端的车辆行为检测方法、系统、设备及存储介质 | |
CN111427037A (zh) | 障碍物的检测方法和装置、电子设备和车端设备 | |
WO2024098992A1 (zh) | 倒车检测方法及装置 | |
CN113658424B (zh) | 基于稀疏卫星定位数据的车辆频繁变道识别方法及装置 | |
CN115981344B (zh) | 自动驾驶方法和装置 | |
CN113247000B (zh) | 车辆转向识别方法、装置、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |