CN117805824A - 隧道场景内的跟车目标确定方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及智能驾驶领域，公开了应用于隧道内的跟车确定方法、装置、设备及存储介质。本发明通过获取车辆在行驶过程中的实时检测数据；利用实时检测数据确定车辆当前的行驶环境以及车道；若行驶环境为隧道环境，且车辆所处最左车道或最右车道，则探测车道内是否存在满足跟车条件的车辆得到探测结果；若探测结果为不存在满足跟车条件的车辆，则根据目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标。本发明突破了现有技术中尚未涉及车载雷达在隧道环境中易受多径反射影响，进而导致检测到的跟车目标向隧道壁侧偏移，造成跟车丢失的技术问题。

Description

隧道场景内的跟车目标确定方法、装置、设备及存储介质

技术领域

本发明涉及智能驾驶领域，具体涉及一种隧道场景内的跟车目标确定方法、装置、设备及存储介质。

背景技术

随着智能汽车日渐增多，前向毫米波雷达已经成为智能汽车不可或缺的配置之一。但当周围环境复杂程度提升，受到多径反射的影响，雷达探测的目标位置更偏向墙面或栏杆，导致自适应巡航功能的跟车目标横向位置受到干扰，易丢失跟车目标。目前大部分现有技术仅支持基于单一数据实现对于隧道环境的判断，并未涉及对车辆在隧道内所处车道的判断方法，并且尚未解决目标车辆在隧道内行驶时，因雷达受多径反射引起跟车目标偏移导致的跟车目标丢失的问题。

发明内容

有鉴于此，本申请实施例提供了一种隧道场景内的跟车目标确定方法，以解决隧道环境出现的多径反射使车载雷达检测到在靠近隧道壁一侧存在质量更高的点，导致跟车目标向隧道壁侧偏移，从而造成跟车目标丢失的问题。

第一方面，本发明实施例提供了一种隧道场景内的跟车目标确定方法，所述方法包括：

获取目标车辆在行驶过程中的实时检测数据；

利用所述实时检测数据确定所述目标车辆当前的场景数据，其中，所述场景数据包括所述目标车辆当前所处的行驶环境以及目标车道；

若所述行驶环境为隧道环境，且所述目标车辆所处的目标车道为预设车道，则探测目标车道内是否存在满足跟车条件的车辆得到探测结果，其中，所述预设车道包括最左车道和最右车道；

若所述探测结果为不存在满足跟车条件的车辆，则根据所述目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标。

本申请实施例提供的方法，首先，通过获取目标车辆在行驶过程中的实时检测数据，可以及时了解目标车辆的状态和参数。其次，通过利用实时检测数据确定目标车辆所处的行驶环境和目标车道，可以更好地理解和分析目标车辆的行驶情况，为后续的决策和操作提供依据。然后对于隧道环境下目标车道为预设车道的情况，通过探测目标车道内是否存在满足跟车条件的车辆，可以及时了解目标车道上的车辆情况。当探测结果为目标车道内不存在满足跟车条件的车辆时，根据目标车道的车道方位执行相应的拟合拓宽操作，可以确定适合的跟车目标，提高跟车的准确性和可行性。

在本申请一个可选的实施方式中，所述获取目标车辆在行驶过程中的实时检测数据，包括：

调用所述目标车辆的车载雷达发射雷达信号；

获取所述雷达信号对应的回波信号，并根据所述回波信号生成点云数据；

通过所述点云数据提取所述目标车辆在行驶过程中的实时检测数据。

本申请实施例提供的方法通过调用目标车辆的车载雷达来发射雷达信号，可以获得车辆周围环境的探测数据。其次，通过获取雷达信号的回波信号，并根据回波信号生成点云数据，可以将目标车辆周围环境的物体和结构信息转化为三维空间内的点云表示，便于进行后续处理和分析。通过使用点云数据提取目标车辆在行驶过程中的实时检测数据，可以获得目标车辆周围的障碍物、道路状况等信息。

在本申请一个可选的实施方式中，所述利用实时检测数据确定目标车辆当前的场景数据，包括：

获取所述实时检测数据对应的环境判定条件；

将所述实时检测数据与所述环境判定条件匹配，确定所述实时检测数据命中的目标环境判定条件；

利用所述目标环境判定条件确定所述目标车辆当前所处的行驶环境；

若所述行驶环境为隧道环境，则利用所述实时检测数据确定所述目标车辆所处的目标车道；

基于所述隧道环境以及所述目标车道构建所述场景数据。

本申请实施例提供的方法通过获取实时检测数据对应的环境判定条件，可以建立一个准确描述不同环境的判定条件库。这有助于根据实时数据进行环境判定和场景识别。通过将实时检测数据与环境判定条件进行匹配，可以确定该数据命中的目标环境判定条件。可以快速准确地确定当前所处的行驶环境，为后续的处理和决策提供准确的环境信息。根据匹配到的目标环境判定条件，可以确定目标车辆当前所处的行驶环境。这有助于理解车辆周围的环境情况。若行驶环境为隧道环境，则根据实时检测数据可以确定目标车辆所处的目标车道。这有助于精确了解目标车辆在隧道中的位置和轨迹。基于隧道环境和目标车道确定的结果，可以构建具体的场景数据。这有助于为后续的选择跟车目标提供了可靠依据。

在本申请一个可选的实施方式中，所述实时检测数据包括：雷达探测视野内的静止点；

在本申请一个可选的实施方式中，所述利用实时检测数据确定目标车辆所处的目标车道，包括：

获取所述目标车辆左侧视野内静止点的第一占比以及右侧视野内静止点的第二占比；

对比所述第一占比以及所述第二占比得到对比结果，并根据所述对比结果确定所述目标车辆所处的目标车道。

本申请实施例提供的方法目通过获取目标车辆左侧和右侧视野内静止点的占比，并对比这两个占比，可以确定目标车辆所处的目标车道。这有助于确定车辆的位置和所在车道。通过利用实时检测数据来确定目标车辆的所处车道，可以实现实时感知和判断。能够及时响应车辆位置的变化和行驶环境的变化。通过获取目标车辆左侧和右侧视野内的静止点的占比，可以了解车辆在左右两侧视野范围内的静止物体的分布情况。这有助于判断车道的宽度和是否存在障碍物，提供更准确的车道信息。通过对比左右视野内静止点的占比，可以更精确地判断目标车辆所处的目标车道。这种对比分析可以排除其他因素的干扰，提高确定目标车道的准确性。

在本申请一个可选的实施方式中，所述根据对比结果确定目标车辆所处的目标车道，包括：

若所述对比结果为所述第一占比大于第二占比，则所述目标车道为左侧车道；

若所述对比结果为所述第二占比大于第一占比，则所述目标车道为右侧车道。

在本申请一个可选的实施方式中，所述方法还包括：

若所述探测结果为存在满足跟车条件的车辆，则将所述目标车道内满足所述跟车条件的车辆作为所述跟车目标。

在本申请一个可选的实施方式中，所述根据目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标，包括：

基于雷达视野范围内的数据点确定追踪目标；

检测所述追踪目标是否持续向目标方向偏移得到检测结果，其中，所述目标方向与所述车道方位同向；

若所述检测结果为所述追踪目标持续向目标方向偏移，则检测所述追踪目标与预设车道线之间的距离值；

对比所述距离值与拟合拓宽阈值，若所述距离值小于所述拟合拓宽阈值，则将所述追踪目标作为所述跟车目标。

本申请实施例提供的方法通过使用雷达视野范围内的数据点，可以准确定位和跟踪目标车辆。雷达可以提供高精度的距离和速度信息，使得目标车辆的追踪更加准确可靠。通过检测追踪目标是否持续向目标方向偏移，可以判断目标车辆是否按照预期轨迹行驶。这有助于检测目标车辆的行驶稳定性和偏离状态，提供对车辆行为的实时监测。若持续偏移检测结果为追踪目标持续向目标方向偏移时，通过检测追踪目标与预设车道线之间的距离值，可以了解目标车辆与车道线之间的相对位置关系。这有助于判断目标车辆是否偏离了预设车道，提供对车辆位置的准确度量。通过对比距离值与拟合拓宽阈值，可以判断目标车辆与预设车道线之间的距离是否需要进行拟合拓宽操作。这有助于识别需要进行车道宽度调整的情况，并提供相应的跟车目标选取。若距离值小于拟合拓宽阈值，即目标车辆与预设车道线之间的距离小于阈值时，可以将追踪目标作为跟车目标。这有助于确定需要跟随的目标车辆，为后续的跟车操作提供目标定位和控制依据。

第二方面，本发明实施例提供了一种隧道场景内的跟车目标确定装置，装置包括：

检测模块，用于获取目标车辆在行驶过程中的实时检测数据；

确定模块，用于利用所述实时检测数据确定所述目标车辆当前的场景数据，其中，所述场景数据包括所述目标车辆当前所处的行驶环境以及目标车道；

探测模块，用于若所述行驶环境为隧道环境，且所述目标车辆所处的目标车道为预设车道，则探测目标车道内是否存在满足跟车条件的车辆得到探测结果，其中，所述预设车道包括最左车道或最右车道；

处理模块，用于若所述探测结果为不存在满足跟车条件的车辆，则根据所述目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标。

第三方面，本发明实施例提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的方法。

本申请实施例提供的方法具有以下有益效果：

本申请实施例提供的方法，首先，通过获取目标车辆在行驶过程中的实时检测数据，可以及时了解目标车辆的状态和参数。其次，通过利用实时检测数据确定目标车辆所处的行驶环境和目标车道，可以更好地理解和分析目标车辆的行驶情况，为后续的决策和操作提供依据。然后对于隧道环境下目标车道为预设车道的情况，通过探测目标车道内是否存在满足跟车条件的车辆，可以及时了解目标车道上的车辆情况。当探测结果为目标车道内不存在满足跟车条件的车辆时，根据目标车道的车道方位执行相应的拟合拓宽操作，可以确定适合的跟车目标，提高跟车的准确性和可行性。

本申请实施例提供的方法通过获取实时检测数据对应的环境判定条件，可以建立一个准确描述不同环境的判定条件库。这有助于根据实时数据进行环境判定和场景识别。通过将实时检测数据与环境判定条件进行匹配，可以确定该数据命中的目标环境判定条件。可以快速准确地确定当前所处的行驶环境，为后续的处理和决策提供准确的环境信息。根据匹配到的目标环境判定条件，可以确定目标车辆当前所处的行驶环境。这有助于理解车辆周围的环境情况。若行驶环境为隧道环境，则根据实时检测数据可以确定目标车辆所处的目标车道。这有助于精确了解目标车辆在隧道中的位置和轨迹。基于隧道环境和目标车道确定的结果，可以构建具体的场景数据。这有助于为后续的选择跟车目标提供了可靠依据。

本申请实施例提供的方法通过获取目标车辆左侧和右侧视野内静止点的占比，并对比这两个占比，可以确定目标车辆所处的目标车道。这有助于确定车辆的位置和所在车道。通过利用实时检测数据来确定目标车辆的所处车道，可以实现实时感知和判断。能够及时响应车辆位置的变化和行驶环境的变化。通过获取目标车辆左侧和右侧视野内的静止点的占比，可以了解车辆在左右两侧视野范围内的静止物体的分布情况。这有助于判断车道的宽度和是否存在障碍物，提供更准确的车道信息。通过对比左右视野内静止点的占比，可以更精确地判断目标车辆所处的目标车道。这种对比分析可以排除其他因素的干扰，提高确定目标车道的准确性。

本申请实施例提供的方法通过使用雷达视野范围内的数据点，可以准确定位和跟踪目标车辆。雷达可以提供高精度的距离和速度信息，使得目标车辆的追踪更加准确可靠。通过检测追踪目标是否持续向目标方向偏移，可以判断目标车辆是否按照预期轨迹行驶。这有助于检测目标车辆的行驶稳定性和偏离状态，提供对车辆行为的实时监测。若持续偏移检测结果为追踪目标持续向目标方向偏移时，通过检测追踪目标与预设车道线之间的距离值，可以了解目标车辆与车道线之间的相对位置关系。这有助于判断目标车辆是否偏离了预设车道，提供对车辆位置的准确度量。通过对比距离值与拟合拓宽阈值，可以判断目标车辆与预设车道线之间的距离是否需要进行拟合拓宽操作。这有助于识别需要进行车道宽度调整的情况，并提供相应的跟车目标选取。若距离值小于拟合拓宽阈值，即目标车辆与预设车道线之间的距离小于阈值时，可以将追踪目标作为跟车目标。这有助于确定需要跟随的目标车辆，为后续的跟车操作提供目标定位和控制依据。

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是根据本发明一些实施例的隧道场景内的跟车目标确定方法的流程示意图；

图2是根据本发明一些实施例的隧道场景内的跟车目标确定方法的示意图；

图3是根据本发明实施例的隧道场景内的跟车目标确定装置的结构框图；

图4是本发明实施例的计算机设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

根据本发明实施例，提供了一种隧道场景内的跟车目标确定方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种隧道场景内的跟车目标确定方法，图1是根据本发明实施例的一种隧道场景内的跟车目标确定方法的流程图，如图1所示，该流程包括如下步骤：

步骤S11，获取目标车辆在行驶过程中的实时检测数据。

在本申请实施例中，获取目标车辆在行驶过程中的实时检测数据，包括以下步骤A1-A3：

步骤A1，调用目标车辆的车载雷达发射雷达信号。

在本申请实施例中，目标车辆的车载雷达可以是：毫米波雷达(Millimeter-WaveRadar)、激光雷达(lidar)、超声波雷达(ultrasonicradar)。通过调用目标车辆的车载雷达向前方区域发射电磁波，并接收电磁波作用于目标体反射产生的回波信号可以实现对前方物体的检测。当车辆行驶在任意的路况下，车载雷达作为发射体，必然存在接收体与发射体存在径向运动，接收体可以是路边的建筑物、行驶车辆、行人等。

在本申请实施例中，以毫米波雷达为例，发射雷达信号的过程可以包括：采用毫米波作为电磁波发送信号，捕捉并处理电磁波经过路径障碍物的反射信号后可获取目标物体的速度、距离、方位角和高度等信息。其中，发射的毫米波的波长范围为0-10mm，短波长能够获取高精度的测距信息。比如，工作频率为76-81GHz(对应波长约为4mm)的毫米波系统将能够检测小至零点几毫米的移动。

步骤A2，获取雷达信号对应的回波信号，并根据回波信号生成点云数据。

在本申请实施例中，目标车辆接收到大量的回波信号后，根据回波信号可以分别计算得到目标体距离信息、角度信息、多普勒速度信息以及回波信号强度信息；基于上述目标体信息可以构建点云数据，并且可以根据每一个目标体对应的点云数据，可以生成点云数据集。

在本申请实施例中，根据回波信号生成点云数据的过程可以包括：对车载雷达的频段、带宽、天线数、天线间距等参数进行配置，然后预定义被测目标以及其对应的位置和姿态，采用四元数与世界坐标来进行车载雷达与被测目标的相对位置与姿态的估计，并根据车载雷达的参数对被测区域的三维空间和速度轴进行划分。同时采用车载雷达与被测目标的相对位置与姿态信息来生成可能的点云集合并过滤，最后将过滤之后的点云进行三维空间和速度轴的划分得到最终的点云数据。

步骤A3，通过点云数据提取目标车辆在行驶过程中的实时检测数据。

在本申请实施例中，通过点云数据提取的实时检测数据可以包括：目标车辆车速、雷达视野内点个数、总回波强度(RCS)、视野内静止点占比、大于高度阈值的高度点占比。

需要说明的是，在构建点云数据时，每个点云数据均包含目标体距离信息、角度信息、多普勒速度信息以及回波信号强度信息，即在读取点云数据时，可以提取到目标体距离信息、角度信息、多普勒速度信息以及回波信号强度信息等。

通过点云数据提取的实时检测数据的具体过程包括：利用恒虚警(CFAR)算法检测点云数据，可以得到的目标在距离-多普勒速度图(RDM)中的位置，即可完成对于目标的速度测量、相对速度测量、距离测量，基于目标速度以及自身与目标的相对速度，可以计算出自身车速，并且通过注入二项式插值的方法可以进一步提高测量精度。与此同时，利用恒虚警(CFAR)算法还可以自适应的估计每个点的周围噪底，再将这个点的强度和周围点的强度进行比较，最终确定该点是否是目标。经过检测后，输出了每个点是否为目标的布尔值图像，通过该图像也可以获取并计算该环境下雷达探测的雷达视野内点个数、总回波强度(RCS)。另外，基于视野内静止点个数和视野内点个数可以计算出视野内静止点占比，也可以基于高度阈值计算出大于高度阈值的高度点占比。

步骤S12，利用实时检测数据确定目标车辆当前的场景数据，其中，场景数据包括目标车辆当前所处的行驶环境以及目标车道。

在本申请实施例中，利用实时检测数据确定目标车辆当前的场景数据，包括以下步骤B1-B5：

步骤B1，获取实时检测数据对应的环境判定条件。

在本申请实施例中，获取环境判定条件的目的是，需要根据环境判定条件确定目标车辆当前行驶环境是否为隧道环境。目标车辆行驶环境主要是通过场景判断值和隧道场景判断阈值a的对比结果的判定的。在目标车辆自身车速大于1kph的前提下，若最终所得场景判断值小于阈值a，则认为目标车辆当前正行驶于隧道内部。

步骤B2，将实时检测数据与环境判定条件匹配，确定实时检测数据命中的目标环境判定条件。

在本申请实施例中，目标环境判定条件主要包括：目标车辆当前自身车速大于1kph；雷达视野内点的数量大于阈值b；总回波强度(RCS)大于阈值c；视野内静止点占比大于阈值d；高度点占比大于阈值h。通过上述过程中获取的实时检测数据(目标车辆车速、雷达视野内点个数、总回波强度(RCS)、视野内静止点占比、大于高度阈值的高度点占比)与目标环境判定的各个条件进行匹配，并根据匹配结果确定具体实时检测数据命中的环境判定条件。

作为一个示例，目标车辆车载雷达预设的全部点的数量阈值b为100，总回波强度阈值c为1000，静止点占比阈值d为1/2，高度点占比阈值h为1/3。获取的实时检测数据中，目标车辆车速为20kph，雷达视野内点的数量为1200，静止点占比为2/3，高度点占比为1/4。根据目标环境判定条件可以确定，实时检测数据命中的目标环境判定条件为：目标车辆当前自身车速大于1kph；雷达视野内点的数量大于阈值b；总回波强度(RCS)大于阈值c；视野内静止点占比大于阈值d。

在本申请实施例中，目标车辆行驶至隧道环境时可能会导致雷达视野内点的数量增多、总回波强度增大、视野内静止点占比增大以及视野内高度点占比增大。因此通过实时检测数据与环境判定条件进行匹配，可以确定目标车辆的行驶环境是否为隧道环境。

步骤B3，利用目标环境判定条件确定目标车辆当前所处的行驶环境。

在本申请实施例中，根据命中的目标环境判定条件按照隧道场景判断逻辑可以对场景判断值进行计算，其中，隧道场景判断逻辑包括：

首先，判断目标车辆当前自身车速是否大于1kph，“目标车辆车速大于1kph”为隧道场景判断逻辑的前提。

其次，对雷达视野内点的数量与阈值b进行对比，若视野内点的数量超过阈值b，则认为车辆位于隧道中的可能性提升，随即场景判断值减小；对总回波强度与阈值c进行对比，若总回波强度大于阈值b，则认为车辆位于隧道中的可能性有所提升，随即场景判断值减小；对视野内静止点占全部点的比例与阈值d进行对比，当静止点占比大于阈值d时，则认为车辆位于隧道中的可能性提升，随即场景判断值减小；对高度点占全部点的比例与阈值h进行对比，当高度点占比大于阈值h时，则认为车辆位于隧道中的可能性提升，随即场景判断值减小。

最后，根据上诉因素综合所得出的场景判断值与隧道环境的判断阈值a进行对比，若上诉因素综合所得出的场景判断值小于阈值a，则可以认为目标车辆当前所处的行驶环境是隧道环境。

步骤B4，若行驶环境为隧道环境，则利用实时检测数据确定目标车辆所处的目标车道。

在本申请实施例中，利用实时检测数据确定目标车辆所处的目标车道，方法还包括：获取目标车辆左侧视野内静止点的第一占比以及右侧视野内静止点的第二占比；对比第一占比以及第二占比得到对比结果，并根据对比结果确定目标车辆所处的目标车道。

在本申请实施例中，根据实时检测数据获取目标车辆左侧视野内静止点个数占静止点总数的比例，以及目标车辆右侧视野内静止点个数占静止点总数的比例，即获取第一占比和第二占比。其中，左侧视野内静止点个数是指目标车辆左侧预设距离内静止点的个数；右侧视野内静止点个数是指目标车辆右侧预设距离内静止点的个数。

在本申请实施例中，根据对比结果确定目标车辆所处的目标车道，方法还包括：若对比结果为第一占比大于第二占比，则目标车道为左侧车道；若对比结果为第二占比大于第一占比，则目标车道为右侧车道。

本申请实施例提供的方法目通过获取目标车辆左侧和右侧视野内静止点的占比，并对比这两个占比，可以确定目标车辆所处的目标车道。这有助于确定车辆的位置和所在车道。通过利用实时检测数据来确定目标车辆的所处车道，可以实现实时感知和判断。能够及时响应车辆位置的变化和行驶环境的变化。通过获取目标车辆左侧和右侧视野内的静止点的占比，可以了解车辆在左右两侧视野范围内的静止物体的分布情况。这有助于判断车道的宽度和是否存在障碍物，提供更准确的车道信息。通过对比左右视野内静止点的占比，可以更精确地判断目标车辆所处的目标车道。这种对比分析可以排除其他因素的干扰，提高确定目标车道的准确性。

作为一个示例，目标车辆左侧和右侧预设距离均为10m，目标车辆左侧10m内静止点占比为1/5，右侧10m内静止点占比为1/6，即第一占比为1/5，第二占比为1/6。因为目标车辆第一占比大于第二占比，所以认为目标车辆位于左侧车道。

步骤B5，基于隧道环境以及目标车道构建场景数据。

在本申请实施例中，场景数据可以包括：隧道环境或者非隧道环境，最左车道或最右车道。确定目标车道是否为最左车道或最右车道，主要通过车道判断值和车道判断阈值f进行对比。车道判断值可以根据第一占比和第二占比相差情况计算得出，其中，车道判断逻辑包括：

首先，若第一占比相对于第二占比相差值升高，则认为车辆位于最左车道的可能性升高，随即车道判断值减小；若第二占比相对于第一占比相差值升高，则认为车辆位于最右车道的可能性升高，随即车道判断值减小。

其次，根据上诉因素综合所得出的车道判断值与车道判断阈值f进行对比，若目标车道的车道判断值小于阈值f，则认为目标车辆所处的目标车道为预设车道，即目标车辆所处的车道为最左车道或者最右车道。

需要说明的是，在构建场景数据过程中，实时对静止点占比对比情况进行检测，当占比情况有所改变时，需要及时更新车道判断值。

本申请实施例提供的方法通过获取实时检测数据对应的环境判定条件，可以建立一个准确描述不同环境的判定条件库。这有助于根据实时数据进行环境判定和场景识别。通过将实时检测数据与环境判定条件进行匹配，可以确定该数据命中的目标环境判定条件。可以快速准确地确定当前所处的行驶环境，为后续的处理和决策提供准确的环境信息。根据匹配到的目标环境判定条件，可以确定目标车辆当前所处的行驶环境。这有助于理解车辆周围的环境情况。若行驶环境为隧道环境，则根据实时检测数据可以确定目标车辆所处的目标车道。这有助于精确了解目标车辆在隧道中的位置和轨迹。基于隧道环境和目标车道确定的结果，可以构建具体的场景数据。这有助于为后续的选择跟车目标提供了可靠依据。

步骤S13，若行驶环境为隧道环境，且目标车辆所处的目标车道为预设车道，则探测目标车道内是否存在满足跟车条件的车辆得到探测结果，其中，预设车道包括最左车道和最右车道。

在本申请实施例中，若行驶环境为隧道环境，且目标车辆所处的目标车道为最左车道或者最右车道，则利用车载雷达探测目标车道内是否存在满足跟车条件的车辆。其中，满足跟车条件的车辆为：位于预设车道内目标车辆前方，能够被车载雷达选中跟随的正常行驶的车辆。探测结果可以为：存在满足跟车条件的车辆；不存在满足跟车条件的车辆。

步骤S14，若探测结果为不存在满足跟车条件的车辆，则根据目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标。

在本申请实施例中，根据目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标，方发包括以下步骤C1-C4：

步骤C1，基于雷达视野范围内的数据点确定追踪目标。

在本申请实施例中，如图2所示，当车载雷达探测本车道不存在正常目标时，结合自车定位信息和状态信息建立运动模型，以及感知障碍物数据信息，利用栅格空间对车道线进行拟合曲线来描述车道模型，完成车道的初略建模。在拟合图中可以确定目标路段的1、2、3、4车道线和视野内的高质量点5，该高质量点5生成的目标就是车载雷达确定的追踪目标。

步骤C2，检测追踪目标是否持续向目标方向偏移得到检测结果，其中，目标方向与车道方位同向。

作为一个示例，当确定目标车辆确实处于隧道环境行驶且位于最左车道时，目标车辆的车载雷达探测本车前方本车道内不存在正常的被雷达选中的正常目标车辆，但是探测到前方视野范围内存在一个高质量点5生成的目标，则需要检测该目标是否出现了持续向左偏移的现象。

步骤C3，若检测结果为追踪目标持续向目标方向偏移，则检测追踪目标与预设车道线之间的距离值。

在本申请实施例中，检测追踪目标与目标方向车道线之间距离的过程可以是：首先，通过CFAR检测后得到的目标在RDM图中的位置，进而完成本车对于目标距离的测量。其次，当车载雷达具有多个接收天线时，每个天线都可以得到一张RDM，目标的强度分布是基本一致的，但相位取决于目标的角度，因此将目标在每个RDM中的复回波取出，进行波束形成，即可完成本车对于目标角度的测量。最后，基于本车对于追踪目标和预设车道线的距离和角度计算获得追踪目标与预设车道线之间的距离值。

步骤C4，对比距离值与拟合拓宽阈值，若距离值小于拟合拓宽阈值，则将追踪目标作为跟车目标。

在本申请实施例中，拟合拓宽阈值是指从目标车辆中心轴线向目标方向拓展的距离偏移阈值dy。当车载雷达检测到的追踪目标出现持续向目标方向偏移的现象时，对比该目标与预设车道线的距离和向目标方向拓展的阈值dy，若该距离值小于阈值dy，则持续选择该左偏目标作为目标车辆的跟车目标。在这个过程中，当满足上述判断逻辑后，及时触发持续选择左偏目标逻辑或者右偏目标逻辑，避免了因多径反射现象引起的目标丢失。

需要说明的是，阈值dy可进行设置调整，用于避免本车压两侧车道线行驶时，出现不能释放前车目标的情况。

本申请实施例提供的方法通过使用雷达视野范围内的数据点，可以准确定位和跟踪目标车辆。雷达可以提供高精度的距离和速度信息，使得目标车辆的追踪更加准确可靠。通过检测追踪目标是否持续向目标方向偏移，可以判断目标车辆是否按照预期轨迹行驶。这有助于检测目标车辆的行驶稳定性和偏离状态，提供对车辆行为的实时监测。若持续偏移检测结果为追踪目标持续向目标方向偏移时，通过检测追踪目标与预设车道线之间的距离值，可以了解目标车辆与车道线之间的相对位置关系。这有助于判断目标车辆是否偏离了预设车道，提供对车辆位置的准确度量。通过对比距离值与拟合拓宽阈值，可以判断目标车辆与预设车道线之间的距离是否需要进行拟合拓宽操作。这有助于识别需要进行车道宽度调整的情况，并提供相应的跟车目标选取。若距离值小于拟合拓宽阈值，即目标车辆与预设车道线之间的距离小于阈值时，可以将追踪目标作为跟车目标。这有助于确定需要跟随的目标车辆，为后续的跟车操作提供目标定位和控制依据。

作为一个示例，目标车辆已经确定行驶场景为隧道中的最左车道，且目标车辆当前车道内前方无正常目标时，并在设定的拟合拓宽阈值为10的情况下，若检测到追踪目标距离最左车道线的距离为8，则将该追踪目标作为跟车目标。

在本申请实施例中，方法还包括：若探测结果为存在满足跟车条件的车辆，则将目标车道内满足跟车条件的车辆作为跟车目标。

在本申请实施例中，若利用车载雷达探测到目标车道内存在正常目标时，车载雷达优先选择本车道的正常目标作为本车的跟车目标。其中，正常目标为满足跟车条件的车辆，即与本车在同一车道内且位于本车前方的正常行驶的目标车辆。

本申请实施例提供的方法，首先，通过获取目标车辆在行驶过程中的实时检测数据，可以及时了解目标车辆的状态和参数。其次，通过利用实时检测数据确定目标车辆所处的行驶环境和目标车道，可以更好地理解和分析目标车辆的行驶情况，为后续的决策和操作提供依据。然后对于隧道环境下目标车道为预设车道的情况，通过探测目标车道内是否存在满足跟车条件的车辆，可以及时了解目标车道上的车辆情况。当探测结果为目标车道内不存在满足跟车条件的车辆时，根据目标车道的车道方位执行相应的拟合拓宽操作，可以确定适合的跟车目标，提高跟车的准确性和可行性。

在本实施例中还提供了一种隧道场景内的跟车目标确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种隧道场景内的跟车目标确定装置，如图3所示，包括：

检测模块31，用于获取目标车辆在行驶过程中的实时检测数据；

确定模块32，用于利用实时检测数据确定目标车辆当前的场景数据，其中，场景数据包括目标车辆当前所处的行驶环境以及目标车道；

探测模块33，用于若行驶环境为隧道环境，且目标车辆所处的目标车道为预设车道，则探测目标车道内是否存在满足跟车条件的车辆得到探测结果，其中，预设车道包括最左车道或最右车道；

处理模块34，用于若探测结果为不存在满足跟车条件的车辆，则根据目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标。

在本申请一个可选的实施方式中，检测模块31，用于调用目标车辆的车载雷达发射雷达信号；获取雷达信号对应的回波信号，并根据回波信号生成点云数据；通过点云数据提取目标车辆在行驶过程中的实时检测数据。

在本申请一个可选的实施方式中，确定模块32，用于获取实时检测数据对应的环境判定条件；将实时检测数据与环境判定条件匹配，确定实时检测数据命中的目标环境判定条件；利用目标环境判定条件确定目标车辆当前所处的行驶环境；若行驶环境为隧道环境，则利用实时检测数据确定目标车辆所处的目标车道；基于隧道环境以及目标车道构建场景数据。其中，实时检测数据包括：雷达探测视野内的静止点。

在本申请一个可选的实施方式中，探测模块33，用于获取目标车辆左侧视野内静止点的第一占比以及右侧视野内静止点的第二占比；对比第一占比以及第二占比得到对比结果，并根据对比结果确定目标车辆所处的目标车道。若对比结果为第一占比大于第二占比，则目标车道为左侧车道；若对比结果为第二占比大于第一占比，则目标车道为右侧车道。若探测结果为存在满足跟车条件的车辆，则将目标车道内满足跟车条件的车辆作为跟车目标。

在本申请一个可选的实施方式中，处理模块34，用于基于雷达视野范围内的数据点确定追踪目标；检测追踪目标是否持续向目标方向偏移得到检测结果，其中，目标方向与车道方位同向；若检测结果为追踪目标持续向目标方向偏移，则检测追踪目标与预设车道线之间的距离值；对比距离值与拟合拓宽阈值，若距离值小于拟合拓宽阈值，则将追踪目标作为跟车目标。

请参阅图4，图4是本发明可选实施例提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。

处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。

其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。

存储器20可以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、至少一个功能所需要的应用程序；存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。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。

存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。

该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。

本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种隧道场景内的跟车目标确定方法，其特征在于，包括：

获取目标车辆在行驶过程中的实时检测数据；

利用所述实时检测数据确定所述目标车辆当前的场景数据，其中，所述场景数据包括所述目标车辆当前所处的行驶环境以及目标车道；

若所述行驶环境为隧道环境，且所述目标车辆所处的目标车道为预设车道，则探测目标车道内是否存在满足跟车条件的车辆得到探测结果，其中，所述预设车道包括最左车道和最右车道；

若所述探测结果为不存在满足跟车条件的车辆，则根据所述目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标。

2.根据权利要求1所述的方法，其特征在于，所述获取目标车辆在行驶过程中的实时检测数据，包括：

调用所述目标车辆的车载雷达发射雷达信号；

获取所述雷达信号对应的回波信号，并根据所述回波信号生成点云数据；

通过所述点云数据提取所述目标车辆在行驶过程中的实时检测数据。

3.根据权利要求1所述的方法，其特征在于，所述利用所述实时检测数据确定所述目标车辆当前的场景数据，包括：

获取所述实时检测数据对应的环境判定条件；

将所述实时检测数据与所述环境判定条件匹配，确定所述实时检测数据命中的目标环境判定条件；

利用所述目标环境判定条件确定所述目标车辆当前所处的行驶环境；

若所述行驶环境为隧道环境，则利用所述实时检测数据确定所述目标车辆所处的目标车道；

基于所述隧道环境以及所述目标车道构建所述场景数据。

4.根据权利要求3所述的方法，其特征在于，所述实时检测数据包括：雷达探测视野内的静止点；

所述利用所述实时检测数据确定所述目标车辆所处的目标车道，包括：

获取所述目标车辆左侧视野内静止点的第一占比以及右侧视野内静止点的第二占比；

对比所述第一占比以及所述第二占比得到对比结果，并根据所述对比结果确定所述目标车辆所处的目标车道。

5.根据权利要求4所述的方法，其特征在于，所述根据所述对比结果确定所述目标车辆所处的目标车道，包括：

若所述对比结果为所述第一占比大于第二占比，则所述目标车道为左侧车道；

若所述对比结果为所述第二占比大于第一占比，则所述目标车道为右侧车道。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述探测结果为存在满足跟车条件的车辆，则将所述目标车道内满足所述跟车条件的车辆作为所述跟车目标。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标，包括：

基于雷达视野范围内的数据点确定追踪目标；

检测所述追踪目标是否持续向目标方向偏移得到检测结果，其中，所述目标方向与所述车道方位同向；

若所述检测结果为所述追踪目标持续向目标方向偏移，则检测所述追踪目标与预设车道线之间的距离值；

对比所述距离值与拟合拓宽阈值，若所述距离值小于所述拟合拓宽阈值，则将所述追踪目标作为所述跟车目标。

8.一种隧道场景内的跟车目标确定装置，其特征在于，所述装置包括：

检测模块，用于获取目标车辆在行驶过程中的实时检测数据；

确定模块，用于利用所述实时检测数据确定所述目标车辆当前的场景数据，其中，所述场景数据包括所述目标车辆当前所处的行驶环境以及目标车道；

探测模块，用于若所述行驶环境为隧道环境，且所述目标车辆所处的目标车道为预设车道，则探测目标车道内是否存在满足跟车条件的车辆得到探测结果，其中，所述预设车道包括最左车道或最右车道；

处理模块，用于若所述探测结果为不存在满足跟车条件的车辆，则根据所述目标车道的车道方位执行相应的拟合拓宽操作确定跟车目标。

9.一种计算机设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的方法。