CN118035788A - 一种目标车辆相对位置分类方法、装置、设备及存储介质 - Google Patents
一种目标车辆相对位置分类方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118035788A CN118035788A CN202410179809.9A CN202410179809A CN118035788A CN 118035788 A CN118035788 A CN 118035788A CN 202410179809 A CN202410179809 A CN 202410179809A CN 118035788 A CN118035788 A CN 118035788A
- Authority
- CN
- China
- Prior art keywords
- lane line
- vehicle
- target
- line data
- lane
- 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
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种目标车辆相对位置分类方法、装置、设备及存储介质。所述方法包括:获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;根据所述车道线数据确定车道线相对于所述车辆的位置关系;根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。该方法通过结合车辆的车道线数据,以及车道线与车辆之间的位置关系和目标车辆的目标位置关系,对目标车辆进行分类,得到目标车辆相对于车辆的相对位置分类结果,能够提高对目标车辆分类的准确性。
Description
技术领域
本发明实施例涉及自动驾驶技术领域,尤其涉及一种目标车辆相对位置分类方法、装置、设备及存储介质。
背景技术
随着车用无线通信技术(Vehicle to Everything,V2X)的普及,大量乘用车和商用车上都安装了V2X设备,其中V代表车辆,X代表任何与车交互信息的对象,当前X主要包含车(Vehicle to Vehicle,V2V)、人(Vehicle to Pedestrian,V2P)、交通路侧基础设施(Vehicle to Infrastructure,V2I)和网络(Vehicle to Network,V2N)。在车端做V2V场景算法的时候,都需要对远车进行目标识别(Target Classification,TC),即获取远车相对于自车在行驶轨迹上的相对位置关系。
当前比较常用的TC分类算法是基于位置的TC分类和基于V2X路网的TC分类。基于位置的TC分类在弯道上,不能准确地确定远车的位置;而基于V2X路网的TC分类一方面只有在路口的时候,才能通过路口设备接收到路网消息。因此,现有技术需要一种可以准确对远车进行TC分类的方法。
发明内容
本发明提供了一种目标车辆相对位置分类方法、装置、设备及存储介质,以解决现有技术中无法准确地对远车进行TC分类的问题。
根据本发明的一方面,提供了一种目标车辆相对位置分类方法,所述方法包括:
获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;
根据所述车道线数据确定车道线相对于所述车辆的位置关系;
根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。
根据本发明的另一方面,提供了一种目标车辆相对位置分类装置,所述装置包括:
获取模块,用于获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;
确定模块,用于根据所述车道线数据确定车道线相对于所述车辆的位置关系;
分类模块,用于根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的目标车辆相对位置分类方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的目标车辆相对位置分类方法。
本发明实施例的一种目标车辆相对位置分类方法、装置、设备及存储介质,所述方法包括:获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;根据所述车道线数据确定车道线相对于所述车辆的位置关系;根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。该方法通过结合车辆的车道线数据,以及车道线与车辆之间的位置关系和目标车辆的目标位置关系,对目标车辆进行分类,得到目标车辆相对于车辆的相对位置分类结果,能够提高对目标车辆分类的准确性,解决了现有技术中无法准确地对远车进行TC分类的问题。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明实施例一提供的一种目标车辆相对位置分类方法的流程示意图;
图2为本发明实施例提供的一种目标车辆相对位置分类方法的流程示意图;
图3为本发明实施例二提供的一种目标车辆相对位置分类装置的结构示意图;
图4为本发明实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1为本发明实施例一提供的一种目标车辆相对位置分类方法的流程示意图,该方法可适用于对车辆周围的目标车辆进行相对位置分类的情况,该方法可以由目标车辆相对位置分类装置来执行,其中该装置可由软件和/或硬件实现,并一般集成在电子设备上,在本实施例中电子设备包括但不限于:计算机等设备。
如图1所示,本发明实施例一提供的一种目标车辆相对位置分类方法,包括如下步骤:
S110、获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息。
其中,车辆的类型可以是大型车辆、小型车辆等,本实施例对此不做限定。车道线数据可以是车辆所在道路上的车道线的相关数据,本实施例中的车道线数据可以是已经处理好的车道线数据,也可以是未经过处理的车道线数据。目标车辆可以是距离车辆一定范围内,可能会对车辆的正常行驶产生影响的其他车辆。目标位置信息可以是目标车辆的经纬度坐标,目标位置信息可以通过定位获取,目标车辆可以实时将目标位置信息发送给车辆。
在本实施例中,当车辆正在行驶过程中,可以获取目标方向上当前时刻的车道线数据,以及车辆一定范围内的目标车辆当前的目标位置信息。
在一个实施例中,所述获取车辆目标方向上的车道线数据,包括:获取车辆的实时车道线数据以及车辆的当前坐标;根据所述当前坐标以及所述实时车道线数据确定所述实时车道线数据中每条车道线的车道线编号,所述车道线编号用于表征所对应车道线相对于所述车辆的位置;根据所述车道线编号更新历史车道线数据中每条车道线的历史车道线编号。
其中,实时车道线数据可以是车辆当前时刻前进方向的车道线数据,实时车道线数据可以通过安装在车辆上的摄像设备获取。当前坐标可以是当前时刻车辆的经纬度坐标。车道线可以是用来分隔同向行驶的交通流的交通标线,一般为的是白色虚、实线或黄色虚、实线。车道线编号可以是不同车道线的标识,车道线编号还可以用于表征车道线相对于车辆的位置,例如,车道线位于车辆的左侧还是右侧。车道线编号的表现形式可以自定义设置,例如,可以将车辆左侧的第一条车道线的车道线编号设置为-1,将车辆右侧的第一条车道线的车道线编号设置为1。历史车道线数据可以是当前时刻之前所获取的车道线数据。例如,若当前时刻为第3时刻,则可以将第1时刻和第2时刻的车道线数据存储,以作为历史车道线数据。历史车道线编号为历史车道线数据中车道线的编号。
在本实施例中,车辆在行驶过程中,可以通过摄像设备实时接收车辆的实时车道线数据,并获取车辆的当前坐标,根据当前坐标以及实时车道线数据可以确定每条车道线相对于自车的位置关系,并为每条车道线编号得到车道线编号,由于车辆的位置在行驶的过程中可能发生变化,因此还可以通过当前确定的车道线编号更新历史车道线数据中每条车道线的历史车道线编号,从而可以使历史车道线数据中的车道线编号也能够实时表征车道线相对于车辆的位置。
S120、根据所述车道线数据确定车道线相对于所述车辆的位置关系。
其中,位置关系可以是车道线相对于车辆的相对位置,例如,位置关系可以是左侧、右侧或中间,也可以更为细化的表示为距离车辆左侧或右侧的距离。
在本实施例中,若车道线数据中的车道线已经经过编号,则可以直接根据车道线编号确定每条车道线相对于车辆的位置关系。若车道线数据为经过处理,则可以先对车道线数据进行处理。
S130、根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。
其中,相对位置分类结果可以用于标识目标车辆相对于车辆的位置,本实施例对相对位置分类结果的表现形式不做限定。例如,可以将车辆周围的区域分为左区域、右区域、前区域、后区域,针对左区域还可以继续细化为第一左区域和第二左区域。
在本实施例中,可以通过车道线数据确定车辆周围的车道线拓扑关系,先根据位置关系确定车辆在车道线拓扑关系中的位置,再根据车道线数据以及目标位置信息可以确定目标车辆在车道线拓扑关系中的位置,从而可以确定目标车辆相对于车辆的相对位置分类结果。示例性的,若车道线从左到右依次包括第一车道线、第二车道线、第三车道线、第四车道线和第五车道线,若根据位置信息确定当前车辆在第一车道线和第二车道线的中间,根据车道线数据和目标位置信息确定目标车辆在第二车道线和第三车道线的中间,结合车道线拓扑关系以及车辆和目标车辆的坐标,可以确定目标车辆相对于车辆的位置,将该位置作为相对位置分类结果输出。
本发明实施例一提供的一种目标车辆相对位置分类方法,包括:获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;根据所述车道线数据确定车道线相对于所述车辆的位置关系;根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。该方法通过结合车辆的车道线数据,以及车道线与车辆之间的位置关系和目标车辆的目标位置关系,对目标车辆进行分类,得到目标车辆相对于车辆的相对位置分类结果,能够提高对目标车辆分类的准确性,解决了现有技术中无法准确地对远车进行TC分类的问题。
在上述实施例的基础上,提出了上述实施例的变型实施例,在此需要说明的是,为了使描述简要,在变型实施例中仅描述与上述实施例的不同之处。
在一个实施例中,所述根据所述当前坐标以及所述实时车道线数据确定所述实时车道线数据中每条车道线的车道线编号,包括:基于所述实时车道线数据确定每条车道线的车道线方程;根据所述车道线方程以及所述当前坐标确定所述每条车道线相对于所述车辆的位置关系;根据所述位置关系对每条车道线编号,得到每条车道线的车道线编号。
其中,车道线方程可以表示车道线的轨迹。
在本实施例中,车道线可以以方程的形式表示,根据获取到的实时车道线数据确定每条车道线的车道线方程,若车道线方程和车辆的当前坐标所在坐标系不同,则可以将当前坐标所在坐标系转换为车道线方程所在的坐标系,或者将车道线方程所在坐标系的坐标转换为当前坐标所在坐标系,从而根据车道线方程和当前坐标确定车道线相对于车辆的位置关系,并根据位置关系对车道线编号,得到每条车道线的车道线编号。
在一个实施例中,所述根据所述车道线编号更新历史车道线数据中每条车道线的历史车道线编号,包括:针对每条车道线,基于实时车道线数据确定与所述车道线对应的待插入车道线点;从历史车道线数据中确定与所述待插入车道线点对应的历史车道线;将所述待插入车道线点插入所述历史车道线,并基于所述车道线编号更新所述历史车道线对应的历史车道线编号。
其中,待插入车道线点可以是车道线上的点。待插入车道线点的数量可以自定义设置,例如,当车道线在历史车道线数据中未搜索到对应的车道线时,可以至少选取两个待插入车道线点,当车道线在历史车道线数据中存在对应的车道线时,可以选取一个或多个待插入车道线点。历史车道线可以是历史车道线数据中存储的车道线。
在本实施例中,针对车道线,可以基于实时车道线数据从车道线上选取一个或两个待插入车道线点,从历史车道线数据中确定与该待插入车道线点所属的车道线相对应的历史车道线,将待插入车道线点插入至历史车道线中,并根据待插入车道线点所属车道线的车道线编号更新历史车道线对应的历史车道线编号。
在本实施例中,待插入车道线点可以是每条车道离车辆最近的两个点坐标,例如,若车道线数据所在坐标系以车辆中心点为原点,车辆前进方向为纵坐标,则可以通过横坐标X的取值,选取两条线(例如x=0或2),确定每条车道线与该线的交点作为待插入车道线点。在将待插入车道线点插入历史车道线数据时,可以通过计算待插入车道线点与历史车道线之间的距离,来确定待插入车道线点所插入的历史车道线,例如,当待插入车道线点与第一车道线之间的距离小于一定范围时,则可以确定待插入车道线点属于第一车道线上的点,可以将其插入第一车道线。
在一个实施例中,所述车道线数据包括实时车道线数据和历史车道线数据。
在本实施例中,车道线数据可以包括实时车道线数据和历史车道线数据,实时车道线数据可以获取到车辆前进方向的车道线数据,历史车道线数据可以获取到车辆后方的车道线数据。
在一个实施例中,所述根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果,包括:根据所述车道线数据和所述目标位置信息确定目标车辆相对于车道线的目标车辆位置关系;根据所述位置关系以及所述目标车辆位置关系对所述目标车辆进行分类,得到所述目标车辆相对于所述车辆的相对位置分类结果。
其中,目标车辆位置关系可以是目标车辆相对于车道线的位置关系。
在本实施例中,可以根据车道线数据和目标位置信息确定目标车辆相对于车道线的位置关系,从而根据位置关系以及目标车辆位置关系对目标车辆进行分类,得到目标车辆相对于车辆的相对位置分类结果。
在一个实施例中,所述实时车道线数据为垂直坐标系下的车道线数据,所述历史车道线数据为大地坐标系下的车道线数据。
其中,垂直坐标系(Vertical Coordinate Systems,VCS)可以用于标识车道线数据。大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系。
在本实施例中,可以通VCS坐标系表示实时车道线数据,通过大地坐标系表示历史车道线数据。图2为本发明实施例提供的一种目标车辆相对位置分类方法的流程示意图,如图2所示,由于在VCS坐标系中进行TC分类更为快速,因此,本实施例可以先将目标车辆的经纬度坐标转换为基于自车的VCS坐标系中的坐标,通过实时车道线数据对目标车辆(即远车)进行TC分类,当分类失败时,再通过历史车道线数据对目标车辆进行TC分类。
本实施例通过记录车辆的历史车道线,并获取实时车道线数据,获取当前车辆周围的车道线拓扑关系,结合V2X接收目标车辆的位置数据,对目标车辆进行TC分类,可以同时解决基于位置的TC分类无法处理弯道情况的缺陷和基于V2X路网的TC分类只能在路口有效的缺陷。
实施例二
图3为本发明实施例二提供的一种目标车辆相对位置分类装置的结构示意图,该装置可适用于对车辆周围的目标车辆进行相对位置分类的情况,其中该装置可由软件和/或硬件实现,并一般集成在电子设备上。
如图3所示,该装置包括:
获取模块210,用于获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;
确定模块220,用于根据所述车道线数据确定车道线相对于所述车辆的位置关系;
分类模块230,用于根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。
本实施例提供了一种目标车辆相对位置分类装置,包括:获取模块,用于获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;确定模块,用于根据所述车道线数据确定车道线相对于所述车辆的位置关系;分类模块,用于根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。通过结合车辆的车道线数据,以及车道线与车辆之间的位置关系和目标车辆的目标位置关系,对目标车辆进行分类,得到目标车辆相对于车辆的相对位置分类结果,能够提高对目标车辆分类的准确性,解决了现有技术中无法准确地对远车进行TC分类的问题。
进一步的,获取模块210,包括:
获取车辆的实时车道线数据以及车辆的当前坐标;
根据所述当前坐标以及所述实时车道线数据确定所述实时车道线数据中每条车道线的车道线编号,所述车道线编号用于表征所对应车道线相对于所述车辆的位置;
根据所述车道线编号更新历史车道线数据中每条车道线的历史车道线编号。
进一步的,所述根据所述当前坐标以及所述实时车道线数据确定所述实时车道线数据中每条车道线的车道线编号,包括:
基于所述实时车道线数据确定每条车道线的车道线方程;
根据所述车道线方程以及所述当前坐标确定所述每条车道线相对于所述车辆的位置关系;
根据所述位置关系对每条车道线编号,得到每条车道线的车道线编号。
进一步的,所述根据所述车道线编号更新历史车道线数据中每条车道线的历史车道线编号,包括:
针对每条车道线,基于实时车道线数据确定与所述车道线对应的待插入车道线点;
从历史车道线数据中确定与所述待插入车道线点对应的历史车道线;
将所述待插入车道线点插入所述历史车道线,并基于所述车道线编号更新所述历史车道线对应的历史车道线编号。
进一步的,所述车道线数据包括实时车道线数据和历史车道线数据。
进一步的,分类模块230,包括:
根据所述车道线数据和所述目标位置信息确定目标车辆相对于车道线的目标车辆位置关系;
根据所述位置关系以及所述目标车辆位置关系对所述目标车辆进行分类,得到所述目标车辆相对于所述车辆的相对位置分类结果。
进一步的,所述实时车道线数据为垂直坐标系下的车道线数据,所述历史车道线数据为大地坐标系下的车道线数据。
上述目标车辆相对位置分类装置可执行本发明任意实施例所提供的目标车辆相对位置分类方法,具备执行方法相应的功能模块和有益效果。
实施例三
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以为车辆等移动装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如目标车辆相对位置分类方法。
在一些实施例中,目标车辆相对位置分类方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的目标车辆相对位置分类方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行目标车辆相对位置分类方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种目标车辆相对位置分类方法,其特征在于,所述方法包括:
获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;
根据所述车道线数据确定车道线相对于所述车辆的位置关系;
根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆目标方向上的车道线数据,包括:
获取车辆的实时车道线数据以及车辆的当前坐标;
根据所述当前坐标以及所述实时车道线数据确定所述实时车道线数据中每条车道线的车道线编号,所述车道线编号用于表征所对应车道线相对于所述车辆的位置;
根据所述车道线编号更新历史车道线数据中每条车道线的历史车道线编号。
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前坐标以及所述实时车道线数据确定所述实时车道线数据中每条车道线的车道线编号,包括:
基于所述实时车道线数据确定每条车道线的车道线方程;
根据所述车道线方程以及所述当前坐标确定所述每条车道线相对于所述车辆的位置关系;
根据所述位置关系对每条车道线编号,得到每条车道线的车道线编号。
4.根据权利要求2所述的方法,其特征在于,所述根据所述车道线编号更新历史车道线数据中每条车道线的历史车道线编号,包括:
针对每条车道线,基于实时车道线数据确定与所述车道线对应的待插入车道线点;
从历史车道线数据中确定与所述待插入车道线点对应的历史车道线;
将所述待插入车道线点插入所述历史车道线,并基于所述车道线编号更新所述历史车道线对应的历史车道线编号。
5.根据权利要求1所述的方法,其特征在于,所述车道线数据包括实时车道线数据和历史车道线数据。
6.根据权利要求1所述的方法,其特征在于,所述根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果,包括:
根据所述车道线数据和所述目标位置信息确定目标车辆相对于车道线的目标车辆位置关系;
根据所述位置关系以及所述目标车辆位置关系对所述目标车辆进行分类,得到所述目标车辆相对于所述车辆的相对位置分类结果。
7.根据权利要求2或5所述的方法,其特征在于,所述实时车道线数据为垂直坐标系下的车道线数据,所述历史车道线数据为大地坐标系下的车道线数据。
8.一种目标车辆相对位置分类装置,其特征在于,所述装置包括:
获取模块,用于获取车辆目标方向上的车道线数据,以及与所述车辆对应的目标车辆的目标位置信息;
确定模块,用于根据所述车道线数据确定车道线相对于所述车辆的位置关系;
分类模块,用于根据所述位置关系、车道线数据以及所述目标位置信息,对所述目标车辆进行分类,得到相对位置分类结果。
9.一种电子设备,其特征在于,所述设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的目标车辆相对位置分类方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的目标车辆相对位置分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179809.9A CN118035788A (zh) | 2024-02-18 | 2024-02-18 | 一种目标车辆相对位置分类方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179809.9A CN118035788A (zh) | 2024-02-18 | 2024-02-18 | 一种目标车辆相对位置分类方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118035788A true CN118035788A (zh) | 2024-05-14 |
Family
ID=90996461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410179809.9A Pending CN118035788A (zh) | 2024-02-18 | 2024-02-18 | 一种目标车辆相对位置分类方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118035788A (zh) |
-
2024
- 2024-02-18 CN CN202410179809.9A patent/CN118035788A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
CN114677570B (zh) | 道路信息更新方法、装置、电子设备以及存储介质 | |
CN114842445A (zh) | 基于多途径融合的目标检测方法、装置、设备及介质 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN117168488A (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN116990768A (zh) | 预测航迹处理方法、装置、电子设备及可读介质 | |
CN117146797A (zh) | 高精地图路口虚拟车道线的调整方法、装置、设备及介质 | |
CN116758503A (zh) | 车道线自动标注方法、装置、设备及存储介质 | |
CN115995075A (zh) | 一种车辆自适应导航方法、装置、电子设备及存储介质 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN116129422A (zh) | 单目3d目标检测方法、装置、电子设备和存储介质 | |
CN113450794B (zh) | 导航播报的检测方法、装置、电子设备和介质 | |
CN112507964B (zh) | 用于车道级事件的检测方法和装置、路侧设备和云控平台 | |
CN118035788A (zh) | 一种目标车辆相对位置分类方法、装置、设备及存储介质 | |
CN116168366B (zh) | 点云数据生成方法、模型训练方法、目标检测方法和装置 | |
CN117953451A (zh) | 一种道路边界检测方法、装置、设备及介质 | |
CN118135003A (zh) | 一种点云筛选方法、装置、设备及存储介质 | |
CN117931968A (zh) | 点云数据校正方法、装置、电子设备及存储介质 | |
CN114861461A (zh) | 基于仿真的目标检测方法、电子设备及存储介质 | |
CN118010049A (zh) | 轨迹规划方法、装置、电子设备及存储介质 | |
CN116563811A (zh) | 一种车道线识别方法、装置、车辆及存储介质 | |
CN116563708A (zh) | 路口识别方法、装置、设备及存储介质 | |
CN117853614A (zh) | 高精地图元素变更情况的检测方法、装置和车辆 | |
CN117372477A (zh) | 一种目标跟踪匹配方法、装置、设备及介质 | |
CN118692052A (zh) | 车辆对车道锥桶的识别方法、装置、电子设备和存储介质 |
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 |