CN106647776A - 车辆变道趋势的判断方法、判断装置和计算机存储介质 - Google Patents

Abstract

本发明的实施例提供一种车辆变道趋势的判断方法、判断装置和计算机存储介质，该车辆变道趋势的判断方法包括：选取一帧道路图像作为当前帧道路图像；识别并选择目标车辆的标识点；识别车道线；计算所述标识点到所述车道线的垂直距离并存储；根据所述当前帧道路图像之前的至少一帧的道路图像和所述当前帧道路图像的所述垂直距离判断所述目标车辆是否有变道趋势，如果有变道趋势，则输出变道趋势结果，如果没有变道趋势或者不能判断变道趋势，则重复进行以上步骤。本发明的实施例可以实现对目标车辆的横向变道趋势及时有效地预测，有效地规避了目标车辆变道给当前车辆带来的危险。

Description

车辆变道趋势的判断方法、判断装置和计算机存储介质

技术领域

本发明的实施例涉及一种车辆变道趋势的判断方法、判断装置和计算机存储介质。

背景技术

在目前的自动驾驶研究领域中，目标识别技术是自动驾驶技术的关键技术之一，同时也是规划决策单元和车辆控制单元的主要信息输入来源。因此，及时和准确的目标识别结果可以为后续的整车运动控制带来极大的便利和安全。在当前的商用自动驾驶技术中，高速公路应用场景是各大企业的切入点，但是对于高速公路上目标车辆突然切入本车道的应用场景却一直是当前自动驾驶***性能评估过程中的挑战之一。对于突然变道而切入本车道的目标车辆不能做及时识别，往往导致自动驾驶车辆存在较高风险发生安全事故。

然而，由于当前的商用自动驾驶***会对目标横向移动判断的不及时甚至错误判断或者会对目标识别较晚，因此都无法及时检测正在变道的车辆，而且由于相应传感器探测精度和分辨力的问题，导致对于目标横向移动速度的计算并不准确，从而造成当前的商用自动驾驶***无法及时判断目标的横向移动趋势。例如，当后面的车辆变道时，变道的车辆会闯入或占用车道，若处于占用车道中自动驾驶车辆无法及时反映过来，则容易与变道的车辆发生碰撞，造成交通事故。以上这些问题均会导致自动驾驶车辆在前述场景下产生刹车过晚的行车安全问题。

发明内容

本发明的至少一个实施例提供一种车辆变道趋势的判断方法、判断装置和计算机存储介质，能够对目标车辆的横向变道趋势进行及时有效地预测，有效地规避目标车辆变道给当前车辆带来的危险。

一方面，本发明的实施例提供一种车辆变道趋势的判断方法，包括：S1，选取一帧道路图像作为当前帧道路图像；S2，识别并选择目标车辆的标识点；S3，识别车道线；S4，计算所述标识点到最近的所述车道线的垂直距离并存储；S5，根据所述当前帧道路图像之前的至少一帧的道路图像和所述当前帧道路图像的所述垂直距离判断所述目标车辆是否有变道趋势，如果有变道趋势，则进行步骤S6，如果没有变道趋势或者不能判断变道趋势，则进行步骤S1；S6，输出变道趋势结果。

另一方面，本发明的实施例提供一种车辆变道趋势的判断装置，包括处理器和存储器，所述存储器中存储有指令，当所述处理器执行所述指令时，执行如以上所述的判断方法。

再一方面，本发明的实施例提供一种计算机存储介质，其上存储有计算机可执行指令，当所述指令被计算装置执行时，执行如以上所述的判断方法。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单地介绍，显而易见地，下面描述中的附图仅仅涉及本发明的一些实施例，而非对本发明的限制。

图1示出了根据本发明第一实施例的车辆变道趋势的判断方法的示例性流程图；

图2示出了根据本发明第一实施例的图像获取装置装设于目标车辆的位置示意图；

图3A-图3F示出了标识点为目标车辆与地面阴影形成的夹角顶点的判断车辆变道的示例；

图4A-图4F示出了标识点为车辆的边缘形成的夹角顶点的判断车辆变道的示例；以及

图5示出了根据本发明第二实施例的车辆变道趋势的判断装置的示例性框图。

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的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的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。

除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

本发明的实施例提供一种车辆变道趋势的判断方法、判断装置和计算机存储介质，该车辆变道趋势的判断方法包括：S1，选取一帧道路图像作为当前帧道路图像；S2，识别并选择目标车辆的标识点；S3，识别车道线；S4，计算所述标识点到所述车道线的垂直距离并存储；S5，根据所述当前帧道路图像之前的至少一帧的道路图像和所述当前帧道路图像的所述垂直距离判断所述目标车辆是否有变道趋势，如果有变道趋势，则进行步骤S6，如果没有变道趋势或者不能判断变道趋势，则进行步骤S1；S6，输出变道趋势结果。本发明实施例提供的车辆变道趋势的判断方法在现有的图像获取装置，例如，摄像头的基础上，通过引入一种移动目标图像识别和运动趋势计算方法，识别目标车辆的标识点，计算该标识点到车道线的垂直距离，从而不需要对目标车辆的完整形态进行识别仅识别目标车辆的标识点，便可实现对目标车辆的变道趋势的判断，这样便减小了对目标车辆的变道趋势判断的延迟，实现了对目标车辆的横向变道趋势及时有效地预测，有效地规避了目标车辆变道给当前车辆带来的危险。

第一实施例

图1示出了根据本发明第一实施例的车辆变道趋势的判断方法的示例性流程图，如图1所示，本发明的第一实施例提供的车辆变道趋势的判断方法包括：S1，选取一帧道路图像作为当前帧道路图像；S2，识别并选择目标车辆的标识点；S3，识别车道线；S4，计算标识点到最近的车道线的垂直距离并存储；S5，根据当前帧道路图像之前的至少一帧的道路图像和当前帧道路图像的垂直距离判断目标车辆是否有变道趋势，如果有变道趋势，则进行步骤S6，如果没有变道趋势或者不能判断变道趋势，则进行步骤S1；S6，输出变道趋势结果。

示例性地，步骤S5中，判断目标车辆是否具有变道趋势可以根据当前帧道路图像和当前帧道路图像之前的一帧道路图像、两帧道路图像、三帧道路图像或者更多帧道路图像中目标车辆到最近车道线的垂直距离来进行，例如，当前帧道路图像为第i帧道路图像，则对目标车辆变道趋势的判断可以根据第i帧图像和第i-1帧道路图像而进行，或者根据第i帧道路图像、第i-1帧道路图像和第i-2帧道路图像而进行，或者根据第i帧道路图像、第i-1帧道路图像、第i-2帧道路图像和第i-3帧道路图像而进行，或者根据第i帧道路图像、第i-1帧道路图像、第i-2帧道路图像……第i-n帧道路图像而进行，其中n为小于i且大于0的整数。

例如，若当前帧道路图像为第一帧道路图像，则当前帧道路图像之前的至少一帧的道路图像的垂直距离显然不存在，则该判断方法的步骤S5将不能判断目标车辆是否具有变道趋势，将重复进行之前的步骤S1-S4。

示例性地，当前帧道路图像之前的至少一帧的道路图像与当前帧道路图像可以是连续帧的道路图像，或者，可以不是连续帧的道路图像，本发明的实施例并不对此进行限定，只要能够判断目标车辆的变道趋势即可。

示例性地，在本发明的第一实施例中，目标车辆的标识点可以是车辆的轮毂中心、车辆的蒙皮的造型点、车辆与地面阴影形成的夹角顶点、车辆的边缘形成的夹角顶点或者通过卷积神经网络进行特征提取而获得的特征点。

相应地，识别并选择目标车辆的标识点可以包括：识别并选择目标车辆的轮毂中心、识别并选择目标车辆的蒙皮的造型点、识别并选择目标车辆与地面阴影形成的夹角顶点、识别并选择目标车辆的边缘形成的夹角顶点或者通过卷积神经网络识别并选择目标车辆的特征点。

需要注意的是，为了使得目标车辆标识点的选取具有较高的准确率，需要对标识点的相关属性加以限定，也就是，在识别并选择目标车辆的标识点时需要加入更多的限定。

例如，选择车辆与地面阴影形成的夹角顶点作为标识点时，还需要考虑目标车辆边缘线的长度和地面阴影的长度以及二者所形成的夹角大小，从而尽可能排除选取到非车辆的标识点的可能性。例如，对于道路上的其他建筑物，例如，路灯，也具有形成在地面上的阴影，但是路灯所形成的地面阴影的长度明显不同于车辆所形成的地面阴影的长度，且其边缘线的长度亦与车辆的不同，其与地面阴影所形成的夹角也不同于目标车辆与其地面阴影形成的夹角，经过以上的限定，显然能够排除选择到非车辆，例如，路灯等道路上的其他物体的可能性。

相应地，在根据本发明第一实施例的车辆变道趋势的判断方法中，识别并选择目标车辆与地面阴影形成的夹角顶点可以包括：计算并获取所述目标车辆的边缘线的长度以及所述地面阴影的长度；计算并获取所述目标车辆与所述地面阴影形成的夹角；以及根据所述边缘线的长度、所述地面阴影的长度以及所述夹角从所述道路图像中识别并选取所述目标车辆与地面阴影的夹角顶点。

示例性地，当选取目标车辆的轮毂中心作为标识点时，识别并选择所述目标车辆的轮毂中心的步骤可以包括：首先识别道路图像中的圆形图案或圆弧形图案；然后确定该圆形图案或圆弧形图案的中心作为目标车辆的轮毂中心。这里的圆弧形图案是指能够确定其中心的圆弧形图案，也就是，圆弧形图案需要是圆形图案的一部分。

进一步地，为了能确保识别的圆形图案或圆弧形图案是目标车辆的轮毂，在识别道路图像中的圆形图案或圆弧形图案时，需要考虑圆形图案或圆弧形图案的径向尺寸，对于道路而言，呈现为圆形图案或圆弧形图案的物体主要就是车辆的轮胎，且与车辆的轮毂尺寸匹配的为圆形图案或圆弧形图案的物体是少之又少，这样，在考虑了圆形图案或圆弧形图案的径向尺寸而识别了圆形图案或圆弧形图案后，提高了车辆轮毂的识别精度。示例性地，圆形图案或圆弧形图案的径向尺寸的选择可以参考当前市场在售的所有车辆的轮毂参数，例如，通常轮毂的直径为14英寸-18英寸，则在识别道路图像中的圆形图案或圆弧形图案时可以选择具有对应于14英寸-18英寸的轮毂直径的图像尺寸的圆形或者圆弧形图案。相应地，识别道路图像中的圆形图案或圆弧形图案可以包括：识别道路图像中具有对应于14英寸-18英寸的直径的图像尺寸的圆形或圆弧形图案。

进一步地，为了进一步提高轮毂被识别的精度，除了考虑尺寸外，还可以考虑加入轮毂形状的限制，将道路图像中内部具有辐射状图案的圆形或圆弧形图案认定为目标车辆的轮毂，进而将其中心认定为轮毂中心。相应地，识别道路图像中的圆形图案或圆弧形图案可以包括：识别道路图像中具有对应于14英寸-18英寸的直径的图像尺寸的圆形或圆弧形图案；或者，识别道路图像中具有对应于14英寸-18英寸的直径的图像尺寸的圆形或圆弧形图案以及从该圆形和圆弧形图案中选择内部具有辐射状图案的圆形和圆弧形图案；或者，识别道路图像中内部具有辐射状图案的圆形图案或圆弧形图案。

进一步地，在识别道路图像中的圆形图案或圆弧形图案之后且在确定圆形图案或圆弧形图案的中心作为所述目标车辆的轮毂中心之前，识别并选择目标车辆的轮毂中心还包括：选择所述圆形图案或圆弧形图案所在的区域；对所述圆形图案或圆弧形图案所在的区域进行筛选并剔除所述圆形图案或圆弧形图案所在区域中的边缘区域，例如，剔除单帧图像的左侧和右侧的边缘区域以及单帧图像的上部的约三分之一部分，从而去除一些与目标车辆图像无关的区域，例如，道路边缘或天空等。

进一步地，在本发明第一实施例的车辆变道趋势的判断方法在所述选取一帧道路图像作为当前帧道路图像之后且在识别并选择目标车辆的标识点之前还可以包括对所述当前帧道路图像进行图像处理。

进一步地，为了提升判断效率，在所述对所述当前帧道路图像进行图像处理之后且在所述识别并选择目标车辆的标识点之前还可以包括选择所述目标车辆所在的区域。

示例性地，本发明的第一实施例中，图像处理可以包括图像预处理、图像转换、同态滤波、掩模消噪以及边缘提取等，图像预处理可以包括图像截取、调整图像尺寸等，图像转换可以为将彩色图转换为灰度图，在本发明的第一实施例中，图像处理不限于以上所限定的，还可以包括其他本领域中常用的图像处理方法。

下面以当前帧道路图像和当前帧道路图像之前的连续两帧道路图像为例对根据本发明第一实施例的车辆变道趋势的判断方法的步骤S5进行示例性说明。

示例性地，根据所述当前帧道路图像之前的至少一帧的道路图像和所述当前帧道路图像的所述垂直距离判断所述目标车辆是否有变道趋势可以包括：选取所述当前帧图像，例如，第i帧图像，和所述当前帧图像之前连续两帧的道路图像，例如，第i-1帧道路图像和第i-2帧道路图像，中目标车辆的标识点到最近的所述车道线的垂直距离D_i、D_i-1和D_i-2，其中D_i为所述当前帧图像，也就是，第i帧图像，的垂直距离，D_i-1为所述当前帧图像之前的第一帧道路图像，也就是，第i-1帧道路图像，的垂直距离，D_i-2为所述当前帧图像之前的第二帧道路图像，也就是，第i-2帧道路图像，的垂直距离；根据连续三帧的目标车辆的标识点到最近的所述车道线的垂直距离计算并获取任意两个差分值A和B；根据变道趋势规则判断所述目标车辆是否有变道趋势，其中所述变道趋势规则包括在两个差分值的符号相同且两个差分值均大于第一阈值或者两个差分值的符号相同且所述两个差分值之一的绝对值大于另一个差分值与第二阈值的和的情况下，则判断目标车辆具有变道趋势，所述第一阈值和所述第二阈值均为横向速度阈值。

应该注意的是，在本发明的第一实施例中，目标车辆的标识点到最近车道线的垂直距离可以定义为：当目标车辆位于车道线左侧时，垂直距离为正值，对应地，目标车辆位于车道线右侧时，则垂直距离为负值。例如，对于一条指定的车道线A，位于其左侧的车辆B到车道线A的距离为正值，位于其右侧的车辆C到车道线A的距离为负值。

进一步地，在本发明第一实施例的车辆变道趋势的判断方法中，根据所述连续三帧的垂直距离计算并获取任意两个差分值A和B包括：计算并获取任意相邻两帧的所述垂直距离的差值△D1＝Di-1-Di-2和△D2＝Di-Di-1；根据公式：A＝△D1/T和B＝△D2/T计算并获取所述两个差分值，其中T是选取一帧道路图像作为当前帧道路图像的时间、所述图像处理的时间、识别并选择所述标识点的时间、识别车道线的时间以及计算所述标识点到所述车道线的垂直距离的时间之和。

这里，应该注意的是，当计算相邻帧道路图像的垂直距离的差值时，要按照同样的计算规则进行计算，例如，可以均是后一帧道路图像的垂直距离减去前一帧道路图像的垂直距离，或者可以均是前一帧道路图像的垂直距离减去后一帧道路图像的垂直距离，本领域的技术人员可以适当的选择以上规则，只要保证所有相邻帧道路图像的垂直距离的差值都采用相同的计算规则即可。

以上是以根据连续三帧道路图像的垂直距离来判断车辆的变道趋势为例进行了说明，对于根据连续两帧、四帧或者更多帧道路图像的垂直距离进行判断，以上所描述的也是适用的。

例如，对于根据连续两帧道路图像的垂直距离进行判断，利用后一帧道路图像的垂直距离减去前一帧道路图像的垂直距离或者前一帧道路图像的垂直距离减去后一帧道路图像的垂直距离获取一个差分值，然后根据变道趋势规则判断所述目标车辆是否有变道趋势，这里变道趋势规则可以是：该差分值大于一横向速度阈值则目标车辆具有变道趋势，差分值的获取与以上连续三帧的方法相同，也就是，计算并获取这两帧的所述垂直距离的差值△D＝Di-Di-1；根据公式：A＝△D/T获取差分值，其中T是选取一帧道路图像作为当前帧道路图像的时间、所述图像处理的时间、识别并选择所述标识点的时间、识别车道线的时间以及计算所述标识点到所述车道线的垂直距离的时间之和。

例如，对于根据连续四帧道路图像的垂直距离进行判断，区别在于获取的是三个差分值A1、B1和C1(按时间的先后顺序排列)，其中A1是四帧中第二帧图像和第一帧图像进行运算得到的，B1是四帧中第三帧图像和第二帧图像进行运算得到的，C1是四帧中第四帧图像和第三帧图像进行运算得到的)，变道趋势规则可以为在三个差分值的符号相同且三个差分值均大于第一阈值或者三个差分值的符号相同且所述三个差分值中按时间顺序排列在后的任意一个差分值的绝对值大于该三个差分值中按时间顺序排列在该差分值之前的相邻差分值与第二阈值的和，例如，B1的绝对值大于A1与第二阈值的和或者C1的绝对值大于B1和第二阈值的和的情况下，判断目标车辆具有变道趋势，所述第一阈值和所述第二阈值均为横向速度阈值，其余的与根据连续三帧道路图像的垂直距离来判断车辆的变道趋势的方法相同。对于连续多帧的道路图像或者非连续帧的道路图像的情况，可以根据以上进行类推，为了描述的简便，这里将不进行赘述。

应该注意的是，对于本领域的技术人员而言，这里的横向速度阈值，例如，第一阈值和第二阈值，在0.2m/s～0.3m/s的范围，可以根据实际情况从该范围进行选取，但是在同一种变道趋势判断规则中第一阈值和第二阈值是不同的值，本发明的实施例将不对此进行限定。

进一步地，在根据本发明第一实施例的车辆变道趋势的判断方法中，计算所述标识点到最近的所述车道线的垂直距离可以包括计算所述标识点对应的像素点到所述车道线的垂直距离。

这里，应该注意的是，所选定的标识点对应的像素点可能有多个，但是选择其中多个像素点中任意一个对应的像素点，然后计算其到最近的车道线的垂直距离都在误差允许的范围内，均能实现本发明的目的。

备选地，计算所述标识点到最近的所述车道线的垂直距离还可以包括：将所述道路图像转换为平面俯视图；计算所述平面俯视图中所述标识点到所述车道线的垂直距离。

本发明的实施例中，如何计算所述标识点到最近的所述车道线的垂直距离并不限于以上的实现方法，只要能够实现本发明的目的的方案均在本发明实施例的保护范围内。

示例性地，在所述选取一帧道路图像作为当前帧道路图像之前，根据本发明实施例的车辆变道趋势的判断方法，还可以包括利用图像获取装置获取道路图像。

备选地，在所述选取一帧道路图像作为当前帧道路图像之前，根据本发明实施例的车辆变道趋势的判断方法还可以包括利用图像获取装置获取道路的视频图像。

这里，图像获取装置可以是装设于当前车辆的摄像头，摄像头可以设置在车辆的前部，如图2所示，摄像头101设置在车辆的前部。备选地，摄像头还可以设置于车辆的中部或者后部，只要能够获取道路图像或视频图像就可以。

应该注意的是，在采用图像获取装置获取的是道路的视频图像时，可以从视频图像中选取一帧道路图像作为当前帧道路图像，而获取的是道路图像时，可以直接控制图像获取装置拍摄实时的道路图像作为当前帧道路图像，或者可以从图像获取装置所拍摄的道路图像中选择一副图像作为当前帧道路图像，这里的当前帧道路图像意指显示当前车辆当前时刻的道路图像。

这里应该注意的是，在本发明的实施例中，目标车辆是指在当前车辆前方且按照沿着所述车道线方向距所述当前车辆的距离值从小到大排序的至少6辆车辆。

在根据本发明实施例的车辆变道趋势的判断方法中，对于位于当前车辆前方的至少6辆车辆，在每个时刻，对每个车辆都进行车辆变道趋势的判断，若发现其中任何一辆车辆具有变道趋势，则输出车辆变道的判断结果，可以以语音或者图像的形式提醒当前车辆的驾驶员，或者对于自动驾驶车辆，当前车辆的控制器可以直接接收到车辆变道的判断结果，从而做出减速或者避让等相应的行为。

应该注意的是，当前车辆前方的车辆可能是变化的，也就是，上一时刻的6辆车辆和下一时刻的6辆车辆至少有一辆是不同的，对于根据本发明实施例的判断方法，其始终判断的是当前时刻位于当前车辆前方的车辆的变道趋势，如果上一时刻的A车在下一时刻已经不在至少6辆车辆的范围内，则在下一时刻便不再关注A车的行驶，如果B车一直处于至少6辆车辆的范围内，则该判断方法将持续跟踪B车的行驶，也就是，在每一时刻均获取道路图像而进行车辆变道趋势的判断，直到其变道为止。

这里应该注意的是，位于当前车辆前方是指该车辆的车头在当前车辆的车头之前。而且，至少6辆车辆可以根据具体的交通规则而进行进一步的限定，例如，对于只能从当前车辆左侧车道才能变道的交通规则，该至少6辆车辆可以进一步限定为在当前车辆前方、位于当前车辆左侧车道且距所述当前车辆的距离值从小到大排序的至少6辆车辆。

下面结合具体的示例对根据本发明实施例的车辆变道趋势的判断方法进行详细说明。

示例1

该示例中以目标车辆与地面阴影形成的夹角顶点作为目标车辆的标识点，图3A-图3F示出了标识点为目标车辆与地面阴影形成的夹角顶点的判断车辆变道的示例。

图3A示出了由图像获取装置获取的一帧道路图像，图3B中的交叉线标识出的是识别的车道线，图3C中，两条线的交叉点标注的是目标车辆的标识点：目标车辆与地面阴影形成的夹角顶点，这样通过标识点识别了位于当前车辆前方的一辆目标车辆，而不是通过车辆的完整形态识别该目标车辆，从而当车辆未完全出现在当前车辆前方时便能识别该车辆，这样便能够及时的判断该车辆的变道趋势。图3D示出了获取的连续多帧道路图像中的该目标车辆的标识点距当前车辆的左侧车道线的垂直距离的示图，其中纵坐标是目标车辆的标识点距该车道线的垂直距离，其单位为1，这里的1是图像的相邻像素点之间的距离，例如垂直距离为15表示15个像素点之间的距离，横坐标是道路图像时间序列，由图3D可见，目标车辆的标识点距该车道线的垂直距离始终在变小，而在第十几帧道路图像中，目标车辆的标识点距该车道线的垂直距离已经变为负值，这就意味着，目标车辆已经位于该车道线的右侧，而在第20-30帧道路图像中，目标车辆的标识点距该车道线的垂直距离已经稳定地处在15-30之间，由此可见，该车辆已经完成了变道，从当前车辆左侧的车道并入当前车辆所在的车道。在本发明实施例的车辆变道趋势的判断方法中，根据第10帧左右的至少两帧图像，便可以判断出该车辆的明显变道趋势，从而输出该结果。

这点可以由图3E和3F示出的道路图像得到印证，由图可见，该车辆最终从左侧的车道进入了当前车辆的车道。

示例2

该示例中以车辆的边缘形成的夹角顶点作为目标车辆的标识点，图4A-图4F示出了标识点为车辆的边缘形成的夹角顶点的判断车辆变道的示例。

图4A示出了由图像获取装置获取的一帧道路图像，图4B中的交叉线标识出的是识别的车道线，图4C中，两条线的交叉点标注的是目标车辆的标识点：目标车辆的边缘形成的夹角顶点，这样通过标识点识别了位于当前车辆前方的一辆目标车辆。图4D示出了获取的连续多帧道路中的目标车辆的标识点距当前车辆的左侧车道线的垂直距离的示图，其中纵坐标是目标车辆的标识点距该车道线的垂直距离，其单位为1，这里的1是图像的相邻像素点之间的距离，例如垂直距离为15表示15个像素点之间的距离横坐标是道路图像的时间序列，由图4D可见，目标车辆的标识点距该车道线的垂直距离几乎保持不变，由此可见，该车辆没有变道趋势。

这点可以由图4E和4F示出的道路图像得到印证，由图可见，该车辆始终行驶在当前车辆的左侧车道而没有变道。

由以上示例可见，根据本发明的实施例的车辆变道趋势的判断方法，通过识别并选择目标车辆的标识点，并且计算该标识点到车道线的垂直距离，通过跟踪该垂直距离随时间的变化，能够准确的判断出目标车辆是否变道，也就是，准确的判断出目标车辆的变道趋势，从而不需要在识别车辆的完整形态的情况下就能够判断车辆的变道趋势，这样便能够做到对车辆变道趋势的及时判断，减小了对目标车辆的变道趋势判断的延迟，实现了对目标车辆的横向变道趋势及时有效地预测，有效地规避了目标车辆变道给当前车辆带来的危险。

第二实施例

本发明的第二实施例提供了一种车辆变道趋势的判断装置，包括处理器和存储器，该存储器中存储有指令，当该理器执行该些指令时，便执行本发明第一实施例中所描述的车辆变道趋势的判断方法，为了简便，这里指令所执行的车辆变道趋势的判断方法不再进行赘述。

示例性地，根据本发明第二实施例的车辆变道趋势的判断装置还包括：道路图像获取单元，其获取道路图像或道路的视频图像，图5示出了根据本发明第二实施例的车辆变道趋势的判断装置的示例性框图。

示例性地，该道路图像获取单元可以是装设于当前车辆的摄像头，摄像头可以设置在车辆的前部，如图2所示，摄像头101设置在车辆的前部。备选地，摄像头还可以设置于车辆的中部或者后部，只要能够获取道路图像或视频图像就可以。

示例性地，在根据本发明实施例的车辆变道趋势的判断装置中，处理器、存储器以及道路图像获取单元可以均设置在当前车辆中。其中处理器和存储器均与道路图像获取单元信号连接，当处理器判断出车辆是否具有变道趋势后，便将判断结果提供给车辆的控制装置。

备选地，可以是道路图像获取单元设置在当前车辆中，而处理器和存储器设置在远程服务器中且与道路图像获取单元信号连接，也就是，处理器获取道路图像获取单元获取的道路图像或视频图像，而处理和计算结果存储在存储器中，该处理器得到了车辆变道趋势的判断结果后输入到车辆的控制装置，从而使得当前车辆进行相应的行为，例如，减速或避让等。

备选地，处理器也可以将车辆变道趋势的判断结果提供给远程车辆控制器，使得该控制器可以远程操控当前车辆使得其作出相应的行为。

应该注意的是，在本发明的实施例中，当前车辆指的是需要知道其他车辆的变道趋势的车辆，而目标车辆指的是需要对其变道趋势进行判断的车辆。

第三实施例

本发明的第三实施例提供了一种计算机存储介质，其上存储有计算机可执行指令，当所述指令被计算装置执行时，执行本发明第一实施例中所描述的车辆变道趋势的判断方法，为了简便，这里指令所执行的车辆变道趋势的判断方法不再进行赘述。

本发明的实施例提供一种车辆变道趋势的判断方法、判断装置和计算机存储介质，该车辆变道趋势的判断方法包括：选取一帧道路图像作为当前帧道路图像；识别并选择目标车辆的标识点；识别车道线；计算所述标识点到所述车道线的垂直距离并存储；根据所述当前帧道路图像之前的至少一帧的道路图像和所述当前帧道路图像的所述垂直距离判断所述目标车辆是否有变道趋势，如果有变道趋势，则输出变道趋势结果，如果没有变道趋势或者不能判断变道趋势，则进行重复进行以上步骤。本发明实施例提供的车辆变道趋势的判断方法，通过对目标车辆标识点进行识别，并计算目标车辆的标识点到车道线的垂直距离，来判断目标车辆的变道趋势，从而不需要识别目标车辆的完整形态，减小甚至消除了车辆变道趋势的判断延迟，且避免了整体车辆视觉识别和视觉识别较弱的探测精度和分辨力，本发明的实施例可以有效提升视觉传感器在判断目标车辆横向移动的准确度和及时度，从而提升了自动驾驶车辆在应对目标车辆横向切入本车道场景时的表现，有效地规避了目标车辆变道给当前车辆带来的危险。一种车辆变道趋势的判断方法，包括：

(1)一种车辆变道趋势的判断方法，包括：

S1，选取一帧道路图像作为当前帧道路图像；

S2，识别并选择目标车辆的标识点；

S3，识别车道线；

S4，计算标识点到最近的车道线的垂直距离并存储；

S5，根据当前帧道路图像之前的至少一帧的道路图像和当前帧道路图像的垂直距离判断目标车辆是否有变道趋势，如果有变道趋势，则进行步骤S6，如果没有变道趋势或者不能判断变道趋势，则进行步骤S1；

S6，输出变道趋势结果。

(2)根据(1)的车辆变道趋势的判断方法，其中至少一帧的道路图像与当前帧道路图像是连续帧的道路图像。

(3)根据(1)的车辆变道趋势的判断方法，其中识别并选择目标车辆的标识点包括：识别并选择目标车辆的轮毂中心、识别并选择目标车辆的蒙皮的造型点、识别并选择目标车辆与地面阴影形成的夹角顶点、识别并选择目标车辆的边缘形成的夹角顶点或者通过卷积神经网络识别并选择目标车辆的特征点。

(4)根据(3)的车辆变道趋势的判断方法，其中识别并选择目标车辆与地面阴影形成的夹角顶点包括：

计算并获取目标车辆的边缘线的长度以及地面阴影的长度；

计算并获取目标车辆与地面阴影形成的夹角；

根据边缘线的长度、地面阴影的长度以及夹角从道路图像中识别并选取目标车辆与地面阴影的夹角顶点。

(5)根据(3)的车辆变道趋势的判断方法，其中识别并选择目标车辆的轮毂中心包括：

识别道路图像中的圆形或圆弧形图案；

确定圆形或圆弧形图案的中心作为目标车辆的轮毂中心。

(6)根据(5)的车辆变道趋势的判断方法，其中识别并选择目标车辆的轮毂中心在识别道路图像中的圆形或圆弧形图案之后且在确定圆形或圆弧形图案的中心作为目标车辆的轮毂中心之前还包括：

选择圆形或圆弧形图案所在的区域；

对圆形或圆弧形图案所在的区域进行筛选并剔除圆形或圆弧形图案所在区域中的边缘区域。

(7)根据(1)的车辆变道趋势的判断方法，在选取一帧道路图像作为当前帧道路图像之后且在识别并选择目标车辆的标识点之前还包括：

对当前帧道路图像进行图像处理。

(8)根据(7)的车辆变道趋势的判断方法，其中根据当前帧道路图像之前的至少一帧的道路图像和当前帧道路图像的垂直距离判断目标车辆是否有变道趋势包括：

选取当前帧图像和当前帧图像之前连续两帧的道路图像的标识点到最近的车道线的垂直距离D_i、D_i-1和D_i-2，其中D_i为当前帧图像的垂直距离，D_i-1为当前帧图像之前的第一帧道路图像的垂直距离，D_i-2为当前帧图像之前的第二帧道路图像的垂直距离，；

根据连续三帧的垂直距离计算并获取任意两个差分值A和B；

根据变道趋势规则判断目标车辆是否有变道趋势，

其中变道趋势规则包括在两个差分值的符号相同且两个差分值均大于第一阈值或者两个差分值的符号相同且两个差分值之一的绝对值大于另一个差分值与第二阈值的和的情况下，判断目标车辆具有变道趋势

第一阈值和第二阈值为横向速度阈值。

(9)根据(8)的车辆变道趋势的判断方法，其中根据连续三帧的垂直距离计算并获取任意两个差分值A和B包括：

计算并获取任意相邻两帧的垂直距离的差值△D1＝D_i-1-D_i-2和△D2＝D_i-D_i-1；

根据公式：A＝△D1/T和B＝△D2/T计算并获取两个差分值，

其中T是选取一帧道路图像作为当前帧道路图像的时间、图像处理的时间、识别并选择标识点的时间、识别车道线的时间以及计算标识点到车道线的垂直距离的时间之和。

(10)根据(1)的车辆变道趋势的判断方法，其中计算标识点到最近的车道线的垂直距离包括：

计算标识点对应的像素点到最近的车道线的垂直距离。

(11)根据(1)的车辆变道趋势的判断方法，其中计算标识点到最近的车道线的垂直距离包括：

将道路图像转换为平面俯视图；

计算平面俯视图中标识点到最近的车道线的垂直距离。

(12)根据(1)的车辆变道趋势的判断方法，在选取一帧道路图像作为当前帧道路图像之前还包括：

利用图像获取装置获取道路图像。

(13)根据(1)的车辆变道趋势的判断方法，在选取一帧道路图像作为当前帧道路图像之前还包括：

利用图像获取装置获取道路的视频图像。

(14)根据(7)的车辆变道趋势的判断方法，其中在对当前帧道路图像进行图像处理之后且在识别并选择目标车辆的标识点之前还包括：

选择目标车辆所在的区域。

(15)根据(1)的车辆变道趋势的判断方法，其中目标车辆包括位于当前车辆前方且按照沿着车道线方向距当前车辆的距离值从小到大排序的至少6辆车辆。

(16)一种车辆变道趋势的判断装置，包括处理器和存储器，存储器中存储有指令，当处理器执行指令时，执行(1)-(15)中任意一个的判断方法。

(17)根据(16)的判断装置，还包括：

道路图像获取单元，获取道路图像或道路的视频图像。

(18)根据(17)的判断装置，其中处理器、存储器以及道路图像获取单元设置在当前车辆中。

(19)根据(17)的判断装置，其中道路图像获取单元设置在当前车辆中，处理器和存储器设置在远程服务器中且与道路图像获取单元信号连接。

(20)一种计算机存储介质，其上存储有计算机可执行指令，当指令被计算装置执行时，执行(1)-(15)中任意一个的判断方法。

以上所述，仅为本发明的具体实施方式，但本发明实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明实施例的保护范围之内。

Claims (10)

1.一种车辆变道趋势的判断方法，包括：

S1，选取一帧道路图像作为当前帧道路图像；

S2，识别并选择目标车辆的标识点；

S3，识别车道线；

S4，计算所述标识点到最近的所述车道线的垂直距离并存储；

S5，根据所述当前帧道路图像之前的至少一帧的道路图像和所述当前帧道路图像的所述垂直距离判断所述目标车辆是否有变道趋势，如果有变道趋势，则进行步骤S6，如果没有变道趋势或者不能判断变道趋势，则进行步骤S1；

S6，输出变道趋势结果。

2.根据权利要求1所述的车辆变道趋势的判断方法，其中所述至少一帧的道路图像与所述当前帧道路图像是连续帧的道路图像。

3.根据权利要求1所述的车辆变道趋势的判断方法，其中识别并选择所述目标车辆的标识点包括：识别并选择所述目标车辆的轮毂中心、识别并选择所述目标车辆的蒙皮的造型点、识别并选择所述目标车辆与地面阴影形成的夹角顶点、识别并选择所述目标车辆的边缘形成的夹角顶点或者通过卷积神经网络识别并选择所述目标车辆的特征点。

4.根据权利要求3所述的车辆变道趋势的判断方法，其中识别并选择所述目标车辆与地面阴影形成的夹角顶点包括：

计算并获取所述目标车辆的边缘线的长度以及所述地面阴影的长度；

计算并获取所述目标车辆与所述地面阴影形成的夹角；

根据所述边缘线的长度、所述地面阴影的长度以及所述夹角从所述道路图像中识别并选取所述目标车辆与地面阴影的夹角顶点。

5.根据权利要求3所述的车辆变道趋势的判断方法，其中识别并选择所述目标车辆的轮毂中心包括：

识别所述道路图像中的圆形或圆弧形图案；

确定所述圆形或圆弧形图案的中心作为所述目标车辆的轮毂中心。

6.根据权利要求1所述的车辆变道趋势的判断方法，在所述选取一帧道路图像作为当前帧道路图像之后且在识别并选择目标车辆的标识点之前还包括：

对所述当前帧道路图像进行图像处理。

7.根据权利要求6所述的车辆变道趋势的判断方法，其中根据所述当前帧道路图像之前的至少一帧的道路图像和所述当前帧道路图像的所述垂直距离判断所述目标车辆是否有变道趋势包括：

选取所述当前帧图像和所述当前帧图像之前连续两帧的道路图像的所述标识点到最近的所述车道线的垂直距离D_i、D_i-1和D_i-2，其中D_i为所述当前帧图像的垂直距离，D_i-1为所述当前帧图像之前的第一帧道路图像的垂直距离，D_i-2为所述当前帧图像之前的第二帧道路图像的垂直距离，；

根据所述连续三帧的垂直距离计算并获取任意两个差分值A和B；

根据变道趋势规则判断所述目标车辆是否有变道趋势，

其中所述变道趋势规则包括在两个差分值的符号相同且两个差分值均大于第一阈值或者两个差分值的符号相同且所述两个差分值之一的绝对值大于另一个差分值与第二阈值的和的情况下，判断所述目标车辆具有变道趋势

所述第一阈值和所述第二阈值为横向速度阈值。

8.根据权利要求7所述的车辆变道趋势的判断方法，其中根据所述连续三帧的垂直距离计算并获取任意两个差分值A和B包括：

计算并获取任意相邻两帧的所述垂直距离的差值△D1＝D_i-1-D_i-2和△D2＝D_i-D_i-1；

根据公式：A＝△D1/T和B＝△D2/T计算并获取所述两个差分值，

其中T是选取一帧道路图像作为当前帧道路图像的时间、所述图像处理的时间、识别并选择所述标识点的时间、识别车道线的时间以及计算所述标识点到所述车道线的垂直距离的时间之和。

9.一种车辆变道趋势的判断装置，包括处理器和存储器，所述存储器中存储有指令，当所述处理器执行所述指令时，执行如权利要求1-8中任一项所述的判断方法。

10.一种计算机存储介质，其上存储有计算机可执行指令，当所述指令被计算装置执行时，执行如权利要求1-8中任一项所述的判断方法。