CN107221195B - 汽车车道预测方法及车道级地图 - Google Patents
汽车车道预测方法及车道级地图 Download PDFInfo
- Publication number
- CN107221195B CN107221195B CN201710384424.6A CN201710384424A CN107221195B CN 107221195 B CN107221195 B CN 107221195B CN 201710384424 A CN201710384424 A CN 201710384424A CN 107221195 B CN107221195 B CN 107221195B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road section
- road
- dimensional map
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了汽车车道预测方法及车道级地图，可以利用历史轨迹数据和车道级地图数据判断车辆当前行驶路段的层次，特别是在立交桥等道路空间层次转换处分层的情况下，判断本车和对象车辆是否在同一路段层次，三维空间范围是否存在碰撞危险，从而抑制了虚假报警。
Description
技术领域
本发明属于车辆智能驾驶领域,具体涉及道路自适应预测方法。
背景技术
交叉路口碰撞预警***(Intersection Collision Warning System,ICWS)是先进驾驶辅助***(Advanced Driver Assistance Systems,ADAS)的重要组成部分,对于道路交通，可预防交叉路口的碰撞事故及增加交叉路口的通行效率。
现有技术基于雷达、基于V2X***的交叉口碰撞预警***只能用于二维平面交通,在立体交通中容易误将不同平面层次中的车辆当作潜在威胁而发生虚假预警,影响驾驶员正常驾驶。
因此,有必要提供一种基于三维空间的车辆道路预测方法,在车辆碰撞预警前,优先判断出本车与对象车的空间道路信息,避免空间不相交的路段车辆出现碰撞误报。
发明内容
本发明公开的汽车车道预测方法，通过车辆历史轨迹点与二维地图映射出高频次路段ID，从而准确判断出当前车辆所处路段ID编号，提高本车未来行驶路径预测准确性。
本发明公开的汽车车道预测方法，包括以下步骤，
1）调取车辆信息中的车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID,将出现频次最高的路段ID设定为当前车辆所处三维空间内的路段ID编号。
进一步地，还包括以下步骤，
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
本发明还公开的汽车车道预测方法，通过车辆历史轨迹点与二维地图映射出高频次路段ID，通过车辆历史轨迹形状与车辆当前位置对应的二维地图上多条路径形状匹配获得道路形状匹配路段ID，融合高频次路段ID与道路形状匹配路段ID，从而准确判断出当前车辆所处路段ID编号，提高本车未来行驶路径预测准确性。
本发明公开的汽车车道预测方法，包括以下步骤，
1）调取车辆信息中的车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆行驶历史轨迹点构成的轨迹形状与当前车辆位置对应的二维地图中多个道路ID的道路形状匹配，获得道路形状匹配路段ID编号；
将道路形状匹配路段ID编号与出现频次高的路段ID编号融合判断，得出当前车辆所处路段ID编号。
进一步地，道路形状匹配路段ID编号与出现频次高的路段ID编号融合判断为加权融合方法，选择出匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号。
进一步地，还包括以下步骤，
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
本发明还公开的汽车车道预测方法，通过车辆历史轨迹点与二维地图映射出高频次路段ID，通过车辆当前航向与当前车辆位置对应的二维地图中多个道路ID的道路方向匹配，获得道路方向匹配ID编号，融合高频次路段ID与道路方向匹配路段ID，从而准确判断出当前车辆所处路段ID编号，提高本车未来行驶路径预测准确性。
本发明公开的汽车车道预测方法，包括以下步骤，
1）调取车辆信息中的车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆当前航向与当前车辆位置对应的二维地图中多个道路ID的道路方向匹配，获得道路方向匹配ID编号；
将道路方向匹配ID编号与出现频次高的路段ID编号融合判断，得出当前车辆所处路段ID编号。
进一步地，道路方向匹配路段ID编号与出现频次高的路段ID编号融合判断为加权融合方法，选择出匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号。
进一步地，还包括以下步骤，
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
本发明还公开的汽车车道预测方法，通过车辆历史轨迹点与二维地图映射出高频次路段ID，通过车辆历史轨迹形状与车辆当前位置对应的二维地图上多条路径形状匹配获得道路形状匹配路段ID，通过车辆当前航向与当前车辆位置对应的二维地图中多个道路ID的道路方向匹配获得道路方向匹配ID编号，融合高频次路段ID、道路形状匹配路段ID及道路方向匹配路段ID，从而准确判断出当前车辆所处路段ID编号，提高本车未来行驶路径预测准确性。
本发明公开的汽车车道预测方法，包括以下步骤，
1）调取车辆信息中的车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆行驶历史轨迹点构成的轨迹形状与当前车辆位置对应的二维地图中多个道路ID的道路形状匹配，获得道路形状匹配路段ID编号；
将车辆当前航向与当前车辆位置对应的二维地图中多个道路ID的道路方向匹配，获得道路方向匹配ID编号；
将出现频次高的路段ID编号、道路形状匹配路段ID编号及道路方向匹配ID编号融合判断，得出当前车辆所处路段ID编号。
进一步地，出现频次高的路段ID编号、道路形状匹配路段ID编号及道路方向匹配ID编号融合判断为加权融合方法，选择出形状、方向匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号。
进一步地，还包括以下步骤，
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
本发明还公开了车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号。
进一步地，所述车道级地图保存在车辆上或者云服务器上。
本发明有益技术效果为：
1）车道级地图包含二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号，不同于普通三维地图库，本三维地图库通过唯一ID标识区别不同空间路段，将三维数据可以最大限度压缩，同时又满足获取路段三维数据对其进行行驶判断的需要。
2）获取车辆行驶历史轨迹点，并将每一轨迹点映射到二维地图上，每一轨迹点对应多条路径，通过统计该组历史轨迹点中出现频次高的路段ＩＤ编号，从而唯一判断当前车辆所在三维空间路段ＩＤ，通过历史轨迹对应二维地图路径概率的方法，提高了当前位置所处路径判断的准确性，并且计算效率高。
3)将车辆行驶历史轨迹点对应的形状与车辆当前位置映射到二维地图上的多组路段形状匹配，可以匹配出匹配度高的当前路段ID，利用二维数据就可以实现三维空间的位置判断，提高判断效率；
4）将车辆当前航向与车辆当前位置对应的二维地图上的多组路段航向匹配，可以匹配出匹配度高的当前路段ID，利用二维数据利用二维数据就可以实现三维空间的位置判断，提高判断效率；
5）将优点2、3、4的三组路段ID判断结果进行加权融合，提高当前路段ID判断精度。
6）判断本车和对象车辆在二维地图上的碰撞可能性，存在碰撞危险，在判断三维空间路段ID是否相交，不相交，不报警；大大降低误报，解决现有技术中基于二维空间判断车辆碰撞的误报问题。
附图说明
图1为本发明车辆***框图；
图2为采用本汽车车道预测方法判断车辆碰撞的第一流程图；
图3为采用本汽车车道预测方法判断车辆碰撞的第二流程图；
图4为采用本汽车车道预测方法判断车辆碰撞的第三流程图；
图5为采用本汽车车道预测方法判断车辆碰撞的第四流程图；
图6为采用本汽车车道预测方法判断车辆碰撞应用场景图；
其中，1-短程无线通信模块、2-卫星定位模块、3-车道级地图库模块、4-控制单元模块、5-报警模块、6-本车、7-对象车辆。
具体实施方式
下面结合附图对本发明作进一步说明。
如图2所示, 汽车车道预测方法，包括以下步骤，
1）调取车辆信息中车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID,将出现频次最高的路段ID设定为当前车辆所处三维空间内的路段ID编号。
至此,车道预测完成,可以用来作为智能汽车驾驶判断得基础,如添加如下步骤4)来作碰撞判断。其基本应用原理是：当确定了当前车辆所处三维空间内的路段ID编号，二维地图上该路段的行进路径既确定，根据车辆当前位置可以通过二维地图上该路段信息判断本车未来行驶轨迹，车辆道路自适应得到预测。
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；本车未来行驶轨迹的判断方法并不局限；比如，根据当前路段ID就可以确认出未来一段时间该路段的路径，既车辆要行驶的路径；或者，根据当前车辆位置、行进方向及车辆横摆角速度预测本车未来行驶轨迹已是熟知的智能汽车领域车辆路径预判方式；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
如图3所示, 汽车车道预测方法，包括以下步骤，
1）调取车辆信息中车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆行驶历史轨迹点构成的轨迹形状与当前车辆位置对应的二维地图中多个道路ID的道路形状匹配，获得道路形状匹配路段ID编号；
将道路形状匹配路段ID编号与出现频次高的路段ID编号加权融合，选择出匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号。
至此,车道预测完成,可以用来作为智能汽车驾驶判断得基础,如添加如下步骤4)来作碰撞判断。
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
如图4所示, 汽车车道预测方法，包括以下步骤，
1）调取车辆信息中车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆当前航向与当前车辆位置对应的二维地图中多个道路ID的道路方向匹配，获得道路方向匹配ID编号；
将道路方向匹配ID编号与出现频次高的路段ID编号加权融合方法，选择出匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号。
至此,车道预测完成,可以用来作为智能汽车驾驶判断得基础,如添加如下步骤4)来作碰撞判断。
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
如图5所示, 汽车车道预测方法，包括以下步骤，
1）调取车辆信息中车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆行驶历史轨迹点构成的轨迹形状与当前车辆位置对应的二维地图中多个道路ID的道路形状匹配，获得道路形状匹配路段ID编号；
将车辆当前航向与当前车辆位置对应的二维地图中多个道路ID的道路方向匹配，获得道路方向匹配ID编号；
将出现频次高的路段ID编号、道路形状匹配路段ID编号及道路方向匹配ID编号加权融合方法，选择出形状、方向匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号；
至此,车道预测完成,可以用来作为智能汽车驾驶判断得基础,如添加如下步骤4)来作碰撞判断。
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
如图1所示，车道级地图库模块3，保存三维地图库,包含二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号。车道级地图库模块3中的车道级地图保存在车辆上或者从云服务器上获得。
如图1所示，汽车***，包括：短程无线通信模块1、卫星定位模块2、车道级地图库模块3、控制单元模块4；
短程无线通信模块1、卫星定位模块2和车道级地图库模块3作为数据输入单元与控制单元模块4通信连接；
短程无线通信模块1接收来自周围的对象车7辆发送的行驶信息（包括：位置、航向及速度信息），将该信息发送给控制单元模块4；
卫星定位模块2通过卫星定位方法接受本车6行驶信息（包括：位置、航向及速度信息），并将该信息发送给控制单元4；
车道级地图库模块3为三维地图库,块包含二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
控制单元模块4，根据卫星定位模块2的行驶信息，将本车映射到二维地图上匹配出对应路径及其路段ID编号，判断本车未来行驶轨迹。控制单元模块4也可以根据短程无线通信模块1发送的对象车行驶信息，判断本车与对象车碰撞情况。
如图6所示，在三维空间不相交的高架桥场景中，本车6在高架桥下路段1行驶，对象车辆7在高架桥上路段2行驶，按照现有智能汽车技术二维地图中交叉口碰撞预警算法，没有空间层次的考虑，路段1与路段2投影到二维地图平面上有相交点，可能出现虚假报警；采用本发明公开的技术方案，可以利用历史轨迹数据和道路级地图数据判断车辆当前行驶路段的层次（在立交桥等道路空间层次转换处分层），判断本车和对象车辆不在同一路段层次，没有碰撞危险，从而抑制了虚假报警。
Claims (8)
1.汽车车道预测方法，其特征在于：包括以下步骤，
1）调取车辆信息中的车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID,将出现频次最高的路段ID设定为当前车辆所处三维空间内的路段ID编号。
2.如权利要求1所述的汽车车道预测方法，其特征在于：还包括以下步骤，
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
3.汽车车道预测方法，其特征在于：包括以下步骤，
1）调取车辆信息中的车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆行驶历史轨迹点构成的轨迹形状与当前车辆位置对应的二维地图中多个道路ID的道路形状匹配，获得道路形状匹配路段ID编号；
将道路形状匹配路段ID编号与出现频次高的路段ID编号融合判断，得出当前车辆所处路段ID编号；所述融合判断为加权融合方法，选择出匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号。
4.如权利要求3所述的汽车车道预测方法，其特征在于：还包括以下步骤，
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
5.汽车车道预测方法，其特征在于：包括以下步骤，
1）调取车辆信息中的车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆当前航向与当前车辆位置对应的二维地图中多个道路ID的道路方向匹配，获得道路方向匹配ID编号；
将道路方向匹配ID编号与出现频次高的路段ID编号融合判断，得出当前车辆所处路段ID编号；所述融合判断为加权融合方法，选择出匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号。
6.如权利要求5所述的汽车车道预测方法，其特征在于：还包括以下步骤，
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
7.汽车车道预测方法，其特征在于：包括以下步骤，
1）调取车辆信息中的车道级地图，所述车道级地图包括二维地图及能够区分二维地图上每条道路三维空间层次的唯一的路段ID编号；
2）采集存储历史轨迹：
通过卫星定位采集当前时间点之前一段时间内的一组车辆的位置、航向信息数据，形成一组车辆行驶历史轨迹点；
3）判断当前车辆所处路段ID编号：
将步骤2）中的一组车辆行驶历史轨迹点投射到车道级地图中的二维地图上，一个车辆行驶历史轨迹点对应多个路段ID编号，获得该组车辆行驶历史轨迹点对应路段ID编号出现频次高的路段ID；
将车辆行驶历史轨迹点构成的轨迹形状与当前车辆位置对应的二维地图中多个道路ID的道路形状匹配，获得道路形状匹配路段ID编号；
将车辆当前航向与当前车辆位置对应的二维地图中多个道路ID的道路方向匹配，获得道路方向匹配ID编号；
将出现频次高的路段ID编号、道路形状匹配路段ID编号及道路方向匹配ID编号融合判断，得出当前车辆所处路段ID编号；所述融合判断为加权融合方法，选择出形状、方向匹配度高且出现频次高的对应路段ID编号作为车辆所处路段ID编号。
8.如权利要求7所述的汽车车道预测方法，其特征在于：还包括以下步骤，
4）预测未来行驶轨迹及报警
根据本车的车辆行驶历史轨迹点、车辆横摆角速度预测二维地图上本车未来行驶轨迹，或者根据当前车辆所处路段ID编号及二维地图上当前车辆位置判断本车未来行驶轨迹；
通过车辆通信获取周围对象车的未来行驶轨迹；
当发现二维地图上对象车驶入交叉路段且有碰撞风险时，根据当前车辆所处路段ID编号及对象车辆所处路段ID编号，判断三维空间内，本车是否和对象车路径相交；
相交，报警；不相交，不予报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710384424.6A CN107221195B (zh) | 2017-05-26 | 2017-05-26 | 汽车车道预测方法及车道级地图 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710384424.6A CN107221195B (zh) | 2017-05-26 | 2017-05-26 | 汽车车道预测方法及车道级地图 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107221195A CN107221195A (zh) | 2017-09-29 |
| CN107221195B true CN107221195B (zh) | 2020-03-17 |
Family
ID=59945458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710384424.6A Active CN107221195B (zh) | 2017-05-26 | 2017-05-26 | 汽车车道预测方法及车道级地图 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107221195B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108629978B (zh) * | 2018-06-07 | 2020-12-22 | 重庆邮电大学 | 一种基于高维路网和循环神经网络的交通轨迹预测方法 |
| EP3640679B1 (en) | 2018-10-15 | 2023-06-07 | Zenuity AB | A method for assigning ego vehicle to a lane |
| CN110174892B (zh) * | 2019-04-08 | 2022-07-22 | 阿波罗智能技术(北京)有限公司 | 车辆朝向的处理方法、装置、设备及计算机可读存储介质 |
| US20220172618A1 (en) * | 2019-04-12 | 2022-06-02 | Continental Automotive Systems, Inc. | Electronic Control Device For A Vehicle And Method For Reducing Intersection False-Positive Detection |
| CN110489510B (zh) * | 2019-08-23 | 2022-05-20 | 腾讯科技（深圳）有限公司 | 道路数据的处理方法、装置、可读存储介质和计算机设备 |
| CN111337045A (zh) * | 2020-03-27 | 2020-06-26 | 北京百度网讯科技有限公司 | 车辆导航方法和装置 |
| CN111626097A (zh) * | 2020-04-09 | 2020-09-04 | 吉利汽车研究院（宁波）有限公司 | 一种障碍物未来轨迹的预测方法、装置、电子设备及存储介质 |
| CN112017428B (zh) * | 2020-07-09 | 2021-12-17 | 惠州市德赛西威智能交通技术研究院有限公司 | 路侧车联网装置、高架桥路段识别方法及车载车联网装置 |
| CN112130137B (zh) * | 2020-09-17 | 2023-10-20 | 杭州海康威视数字技术股份有限公司 | 确定车道级轨迹的方法、装置及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101788298A (zh) * | 2008-10-31 | 2010-07-28 | 歌乐牌株式会社 | 导航装置及导航方法 |
| CN103175536A (zh) * | 2011-12-22 | 2013-06-26 | 罗伯特·博世有限公司 | 用于将物体简化地三维显示在导航***的显示器上的方法 |
| CN103557870A (zh) * | 2013-10-09 | 2014-02-05 | 董路 | 一种动态轨迹导航方法及云平台 |
| CN104680838A (zh) * | 2013-11-28 | 2015-06-03 | 三星电子（中国）研发中心 | 用于汽车的安全辅助方法和*** |
| CN104916133A (zh) * | 2015-06-09 | 2015-09-16 | 福建工程学院 | 一种基于交通轨迹数据的道路海拔信息提取方法及*** |
| CN105893565A (zh) * | 2016-03-31 | 2016-08-24 | 百度在线网络技术（北京）有限公司 | 三维地图数据库的建立、三维地图数据的传输方法及装置 |
| CN106251699A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市元征科技股份有限公司 | 行车碰撞预警方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101775253B1 (ko) * | 2013-02-20 | 2017-09-05 | 인텔 코포레이션 | 2차원 이미지 또는 비디오의 3차원 스테레오 이미지 또는 비디오로의 실시간 자동 변환 |
| US20160092068A1 (en) * | 2014-09-30 | 2016-03-31 | International Business Machines Corporation | Visualization of addresses |
-
2017
- 2017-05-26 CN CN201710384424.6A patent/CN107221195B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101788298A (zh) * | 2008-10-31 | 2010-07-28 | 歌乐牌株式会社 | 导航装置及导航方法 |
| CN103175536A (zh) * | 2011-12-22 | 2013-06-26 | 罗伯特·博世有限公司 | 用于将物体简化地三维显示在导航***的显示器上的方法 |
| CN103557870A (zh) * | 2013-10-09 | 2014-02-05 | 董路 | 一种动态轨迹导航方法及云平台 |
| CN104680838A (zh) * | 2013-11-28 | 2015-06-03 | 三星电子（中国）研发中心 | 用于汽车的安全辅助方法和*** |
| CN104916133A (zh) * | 2015-06-09 | 2015-09-16 | 福建工程学院 | 一种基于交通轨迹数据的道路海拔信息提取方法及*** |
| CN105893565A (zh) * | 2016-03-31 | 2016-08-24 | 百度在线网络技术（北京）有限公司 | 三维地图数据库的建立、三维地图数据的传输方法及装置 |
| CN106251699A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市元征科技股份有限公司 | 行车碰撞预警方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 动态车辆导航***车道级路径引导方法研究;张林;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20081115;正文第27-53页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107221195A (zh) | 2017-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107221195B (zh) | 汽车车道预测方法及车道级地图 | |
| US10963462B2 (en) | Enhancing autonomous vehicle perception with off-vehicle collected data | |
| US8160811B2 (en) | Method and system to estimate driving risk based on a hierarchical index of driving | |
| CN102473346B (zh) | 车辆控制装置、车辆控制方法以及车辆控制*** | |
| JP6462328B2 (ja) | 走行制御システム | |
| Lytrivis et al. | An advanced cooperative path prediction algorithm for safety applications in vehicular networks | |
| US20120303222A1 (en) | Driver assistance system | |
| WO2018233175A1 (zh) | 危险预警方法、***、v2x车载终端及存储器 | |
| US20120245756A1 (en) | Driver assistance system | |
| Kim et al. | Design of integrated risk management-based dynamic driving control of automated vehicles | |
| JP7328759B2 (ja) | デジタル地図を改善するためのｍａｐメッセージの状況に依存した伝達 | |
| CN110562222B (zh) | 用于弯道场景的紧急制动控制方法、车载设备和存储介质 | |
| JP2016192150A (ja) | 車両走行制御装置 | |
| CN110807412B (zh) | 一种车辆激光定位的方法、车载设备和存储介质 | |
| US11731653B2 (en) | Conditional motion predictions | |
| CN106355890A (zh) | 一种对目标车辆分类的判断方法及装置 | |
| US11042160B2 (en) | Autonomous driving trajectory determination device | |
| CN107200016B (zh) | 道路自适应预测方法及采用该方法的车辆*** | |
| CN111051817A (zh) | 用于求取机动车在环境中的位置的方法以及用于机动车的控制设备和用于在数据网络上运行的计算装置 | |
| CN113873426A (zh) | 用于决策车辆的地理围栏事件的***、控制单元和方法 | |
| CN114126940A (zh) | 电子控制装置 | |
| CN109815555A (zh) | 自动驾驶车辆的环境建模能力评估方法及*** | |
| JP2020125108A (ja) | 車両用レーン検出方法およびシステム | |
| CN112712729A (zh) | 预测运动轨迹的方法和*** | |
| WO2022197711A1 (en) | Automated emergency braking system |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20170929 Assignee: CHONGQING CHANGAN NEW ENERGY AUTOMOBILE TECHNOLOGY Co.,Ltd. Assignor: Chongqing Changan Automobile Co.,Ltd. Contract record no.: X2021500000014 Denomination of invention: Vehicle lane prediction method and lane level map Granted publication date: 20200317 License type: Common License Record date: 20211014 |