CN111324120A - 一种自动驾驶前车切入切出场景提取方法 - Google Patents
一种自动驾驶前车切入切出场景提取方法 Download PDFInfo
- Publication number
- CN111324120A CN111324120A CN202010121033.7A CN202010121033A CN111324120A CN 111324120 A CN111324120 A CN 111324120A CN 202010121033 A CN202010121033 A CN 202010121033A CN 111324120 A CN111324120 A CN 111324120A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- cut
- lane line
- target
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000008859 change Effects 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种自动驾驶前车切入切出场景提取方法,包括:S1、在本车上安装数据采集设备,用于采集本车和目标车辆的以及车道线的数据信息;S2、结合步骤S1采集的数据信息,判断目标车辆的切入、切出,实现对该处视频或者图片的提取。本发明所述的自动驾驶前车切入切出场景提取方法可直接从场景数据库中获取满足条件的场景。无需人工比照视频来提取换道场景数据,节省人人力和时间成本。
Description
技术领域
本发明属于无人驾驶技术领域,尤其是涉及一种自动驾驶前车切入切出场景提取方法。
背景技术
目前自动驾驶技术已经成为汽车最前沿的技术之一,美国SAE(汽车工程学会)将自动驾驶技术分为6级,其中0级为报警,如FCW,LDW等,只是在一定情况下给驾驶员声、光提醒,不对车辆进行控制。1级为单向辅助驾驶,如ACC(自适应续航功能)功能,可以辅助车辆进行纵向控制,LKA(车道保持***)功能,可以辅助车辆进行横向控制。2级为双向辅助驾驶,控制***可以同时对车辆进行横向和纵向控制。3级为部分自动驾驶功能。4级为特定场景下自动驾驶。5级为完全自动驾驶。
随着自动驾驶等级的逐渐提高,自动驾驶控制***逐渐代替驾驶员来控制车辆完成驾驶行为。为了保证自动驾驶***的高安全性和可靠性,越来越多的开发者采用道路测试与仿真测试相结合的方法来验证***的性能,场景作为道路测试和仿真测试的基础原来越收到重视。目前主要的场景获取方法有自然驾驶行为下场景数据采集、基于驾驶模拟器的极限场景采集、交通事故提出的场景、交通法规规定的测试场景。但获取的数据都是大规模连续的数据,自动驾驶开发者在测试***时,需要针对特定场景如前车切入,本车变道等进行测试,本发明提出了一种可以快速从大量数据中提出测试特定场景的方法,为自动驾驶***提供研发、测试场景,加快自动驾驶***的开发。
发明内容
有鉴于此,本发明旨在提出一种自动驾驶前车切入切出场景提取方法,以解决现有的方法采用人工提取,通过手动对照视频或图片截取出特定要求的场景,造成提取效率低的问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种自动驾驶前车切入切出场景提取方法,包括:
S1、在本车上安装数据采集设备,用于采集本车和目标车辆的以及车道线的数据信息;
S2、结合步骤S1采集的数据信息,判断目标车辆的切入、切出,实现对该处视频或者图片的提取。
进一步的,所述步骤S1中,所述采集设备包括:毫米波雷达、摄像头、陀螺仪传感器、方向盘转角传感器;
所述毫米波雷达用于采集本车与目标车之间的横向距离、纵向距离、横向相对速度、纵向相对速度、相对加速度;
所述摄像头用于车道线的种类、颜色、本车与车道线的间距;
所述陀螺仪传感器用于采集本车车速、本车横摆角速度;
所述方向盘转角传感器用于采集本车方向盘的转角。
进一步的,所述摄像头安装在车辆前挡风玻璃上;
所述毫米波雷达安装在本车前保险杠上。
进一步的,所述步骤S2中,识别目标车辆切入切出的方法如下:
S201、判断本车目前是否为行驶状态,如果则进入步骤S202,如果否继续执行步骤S201;
S202、判断本车的行驶状态,是处于变道状态还是车道内行驶状态;如果是变道状态则返回步骤S201;如果是车道内形式状态,则进入步骤S203;
S203、判断是否有目标车出现在本车车道,包括以下两种情况,一种是本车在没有目标物的情况下,相邻车道车辆变道到本车道,另一种是本车有目标车辆的情况下,相邻车道切入一辆相较于目标车辆距离更近的车辆,如果判断出有车辆变更到本车道中,则进行场景提取。
进一步的,所述步骤S201中,判断车辆是否为行驶状态的方法如下:
通过判断本车速度进行判断;当自车速度为零时,为停车状态;继续执行步骤S201;
当本车速度大于零时,为行驶状态,进入步骤S202。
进一步的,所述步骤S202中利用到车道线的距离变化趋势来判断本车是否靠近左侧或者右侧车道线,进而判断是变道还是车道内行驶,具体方法如下:
以车辆车头中间位置为坐标系的原点,副驾驶方向为x轴正向,车辆行驶方向为Y轴正向,建立坐标系,用a1表示距离本车道内左侧车道线的距离,a2表示距离左侧相邻车道车道线的距离,用b1表示距离本车道内右侧车道线的距离,b2表示距离右侧相邻车道车道线的距离;
将本车车道线的系数存储为历史车道线矩阵的一行,当历史车道线达到n行,其中n行对应n帧图片,就删除最早的一帧,因此保证历史车道线矩阵中存储了最近的n-1帧车道线数据;
利用历史车道线矩阵,判断当前是车道内行驶还是变道:
首先从当前所有的车道线中找到本车车道线,对比a1,a2大小,最大的为本车道左车道线,对比b1,b2,最小的为本车道右车道线;
利用距离车道线的距离变化趋势判断车辆是否有变道、车道偏离的趋势;
其中,变道状态的判断方法如下:
左车道线中,距离左车道线的距离|a1|变小,且a1从负值变成正值,此车道线从左车道线变为右车道线,则判断为有向左进行了变道;
右车道线中,距离左车道线的距离|b1|变小,且b1从正值变成负值,此车道线从右车道线变为左车道线,则判断为向右进行了变道;
其中,车道内行驶状态的判断方法如下:
左车道线中,距离左车道线的距离|a1|变小,且a1没有从负值变成正值;右车道线中,距离右车道线的距离|b1|变大,则判断为有向左进行车道偏离的趋势,但仍未发生变道的动作,判定为车道内行驶;
右车道线中,距离左车道线的距离|b1|变小,且b1没有从正值变成负值;左车道线中,距离右车道线的距离|a1|变大,则判断为有向右进行车道偏离的趋势,但仍未发生变道的动作,判定为车道内行驶。
进一步的,所述步骤S203中,判断目标车切入切出的方法如下:
在车道保持状态下,进一步判断前车的状态,划分为自由行驶、跟车、前车切入、前车切出,具体的判断方法如下:
提取本车道内的最近目标
在本车为车道线内行驶状态下,利用毫米波雷达探测到的本车与目标物信息的横向距离Range_X,纵向距离Range_Y来判断;首先判断Range_X,筛选出Range_X在[-2m,2m]范围之内的目标物,之后选取Range_Y最小的目标物,存入历时目标物信息矩阵中的一行,4个变量分别为objectID、Range_X,、Range_Y,、距离目Relative Speed_X;设定Range_Y最大不超过60m;
当历史目标物信息矩阵数量达到n行,就删除最早的一帧,因此保证历史目标物信息矩阵中存储了最近的n-1帧最新目标物的信息;
利用历史目标信息,通过判断Range_Y的变化量,考虑当前和上一帧的最近目标是否为同一目标;若Range_Y的变化量没有发生突变,绝对值小于设定阈值,则为同一目标,则当前为跟车状态;若Range_Y的变化量绝对值大于设定的阈值,则判定为不是同一目标,进一步判断,若Range_Y的变化量大于设定阈值,则初步判断为前车切出;若Range_Y的变化量小于设定阈值,则初步判断为前车切入,若当前没有本车道目标,而上一帧存在历史目标,则判断为前车切出或驶离,本车自由行驶。
相对于现有技术,本发明所述的自动驾驶前车切入切出场景提取方法具有以下优势:
本发明所述的自动驾驶前车切入切出场景提取方法可直接从场景数据库中获取满足条件的场景。无需人工比照视频来提取换道场景数据,节省人人力和时间成本。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的自动驾驶前车切入切出场景提取方法流程图;
图2为本发明实施例所述的车道线距离信息示意图;
图3为本发明实施例所述的判断本车是变道还是车道内行驶的过程流程图;
图4为本发明实施例所述的本车及目标车对应位置示意图;
图5为本发明实施例所述的选取本车道最近目标物的过程流程图;
图6为本发明实施例所述的判断目标物是稳定跟随、切入、切出状态的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“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”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,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,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
通过在行驶车辆上搭载前视摄像头、毫米波雷达、陀螺仪、方向盘转角传感器获取前面目标物信息,车道线信息,本车运动相关的参数。具体输出信息包括如下表:
数据场景库构建,通过在行驶车辆上搭载前视摄像头、毫米波雷达,陀螺仪、方向盘转角等传感器。其中前视摄像头安装在车辆前挡风玻璃上,可以识别实际路况下的车道线并发出本车所在车道线的距离,相邻车道线的距离,前期经过标定,确保输出信号的准确性。毫米波雷达安装在前保险杠的位置。陀螺仪对安装位置没有要求,可以放在车辆内部。方向盘转角传感器可以输出自车方向盘转角信息。所有传感器输出的信号保持同步。
如图1所示,具有了上述所列信号之后,分三步实现前车切入场景的提取。第一步是判断本车目前是前向行驶状态;第二步是在确认本车是在前向行驶的情况下,判断本车的行驶状态:变道、车道内行驶;第三步是确定是否有更近的目标物出现在本车车道,包括:本车在没有目标物的情况下,相邻车道车辆变道到本车道,本车有目标物的情况下,相邻车道切入一辆距离更近的车辆。
以下具体对每个过程详细描述,
(1)第一步:判断本车是否是行驶状态
通过判断本车速度;
当自车速度为零时,为停车状态。
当自车速度大于零时,为前向行驶状态,进入第二步。
(2)第二步:本车行驶趋势
本部分利用到车道线的距离变化趋势来判断本车是否靠近左侧或者右侧车道线。将本车行驶趋势分成变道、车道内行驶两个状态。
规定本车坐标系符合右手定则标准,规定车辆车头中间位置为坐标系的原点,副驾驶方向为x正向,车辆行驶方向为Y正向。用a1表示距离本车道内左侧车道线的距离,a2表示距离左侧相邻车道车道线的距离,用b1表示距离本车道内右侧车道线的距离,b2表示距离右侧相邻车道车道线的距离;如图2所示。
将自车道线的系数存储为历史车道线矩阵的一行,4个数字(a1,a2,b1,b2),当历史车道线达到10行(对应10帧图片)(n,可根据情况选择),就删除最早的一帧,因此保证历史车道线矩阵中存储了最近的9(n-1)帧车道线数据。
利用历史车道线矩阵,就可以判断当前是车道内行驶还是变道。利用历史车道线的系数变化即可实现这一功能:
如图3所示,首先从当前所有的车道线中找到自车道线。对比a1,a2大小,最大的为本车道左车道线。对比b1,b2,最小的为本车道右车道线。
利用距离车道线的距离变化趋势判断车辆是否有变道、车道偏离的趋势。
变道:
1)左车道线中,距离左车道线的距离|a1|变小,且a1从负值变成正值,此车道线从左车道线变为右车道线,则判断为有向左进行了变道。
2)右车道线中,距离左车道线的距离|b1|变小,且b1从正值变成负值,此车道线从右车道线变为左车道线,则判断为向右进行了变道。
车道内行驶:
1)左车道线中,距离左车道线的距离|a1|变小,且a1没有从负值变成正值;右车道线中,距离右车道线的距离|b1|变大,则判断为有向左进行车道偏离的趋势,但仍未发生变道的动作,判定为车道内行驶。
2)右车道线中,距离左车道线的距离|b1|变小,且b1没有从正值变成负值;左车道线中,距离右车道线的距离|a1|变大,则判断为有向右进行车道偏离的趋势,但仍未发生变道的动作,判定为车道内行驶。
3)具体左右车道线的距离都没有发生明显偏差,判断为车道内行驶。
(3)第三步:考虑是否有更近的目标物出现
在车道保持状态下,进一步考虑前车的状态,划分为自由行驶、跟车、前车切入、前车切出几种。
1)提取本车道内的最近目标
在本车为车道线内行驶状态下,利用毫米波雷达探测到的本车与目标物信息的横向距离Range_X,纵向距离Range_Y来判断。首先判断Range_X,筛选出Range_X在[-2m,2m]范围之内的目标物,之后选取Range_Y最小的目标物,存入历时目标物信息矩阵中的一行,4个变量(objectID,Range_X,Range_Y,距离目Relative Speed_X)。设定Range_Y最大不超过60m(根据摄像头感知距离的精度设定,可修改,超多60m则认定本车为自由行驶状态。针对不同传感器,可设置不同的距离限制),示意图如图4所示。
当历史目标物信息矩阵数量达到10行(对应10帧图片)(n,可根据情况选择),就删除最早的一帧,因此保证历史目标物信息矩阵中存储了最近的9(n-1)帧最新目标物的信息。流程图如图5。
2)自由行驶、跟车、切入、切出情形的划分(如图6所示)
利用历史目标信息,通过判断Range_Y的变化量,考虑当前和上一帧的最近目标是否为同一目标。若Range_Y的变化量没有发生突变,如Range_Y的变化量绝对值小于2m(可根据情况设定门槛值)则为同一目标,则当前为跟车状态。若Range_Y的变化量绝对值大于设定的门槛值,则判定为不是同一目标,进一步判断,若Range_Y的变化量大于2m(门槛值),则初步判断为前车切出;若Range_Y的变化量小于-2m(门槛值),则初步判断为前车切入,若当前没有本车道目标,而上一帧存在历史目标,则判断为前车切出或驶离,本车自由行驶。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种自动驾驶前车切入切出场景提取方法,其特征在于,包括:
S1、在本车上安装数据采集设备,用于采集本车和目标车辆的以及车道线的数据信息;
S2、结合步骤S1采集的数据信息,判断目标车辆的切入、切出,实现对该处视频或者图片的提取。
2.根据权利要求1所述的自动驾驶前车切入切出场景提取方法,其特征在于,所述步骤S1中,所述采集设备包括:毫米波雷达、摄像头、陀螺仪传感器、方向盘转角传感器;
所述毫米波雷达用于采集本车与目标车之间的横向距离、纵向距离、横向相对速度、纵向相对速度、相对加速度;
所述摄像头用于车道线的种类、颜色、本车与车道线的间距;
所述陀螺仪传感器用于采集本车车速、本车横摆角速度;
所述方向盘转角传感器用于采集本车方向盘的转角。
3.根据权利要求2所述的自动驾驶前车切入切出场景提取方法,其特征在于:所述摄像头安装在车辆前挡风玻璃上;
所述毫米波雷达安装在本车前保险杠上。
4.根据权利要求1所述的自动驾驶前车切入切出场景提取方法,其特征在于,所述步骤S2中,识别目标车辆切入切出的方法如下:
S201、判断本车目前是否为行驶状态,如果则进入步骤S202,如果否继续执行步骤S201;
S202、判断本车的行驶状态,是处于变道状态还是车道内行驶状态;如果是变道状态则返回步骤S201;如果是车道内形式状态,则进入步骤S203;
S203、判断是否有目标车出现在本车车道,包括以下两种情况,一种是本车在没有目标物的情况下,相邻车道车辆变道到本车道,另一种是本车有目标车辆的情况下,相邻车道切入一辆相较于目标车辆距离更近的车辆,如果判断出有车辆变更到本车道中,则进行场景提取。
5.根据权利要求4所述的自动驾驶前车切入切出场景提取方法,其特征在于:所述步骤S201中,判断车辆是否为行驶状态的方法如下:
通过判断本车速度进行判断;当自车速度为零时,为停车状态;继续执行步骤S201;
当本车速度大于零时,为行驶状态,进入步骤S202。
6.根据权利要求4所述的自动驾驶前车切入切出场景提取方法,其特征在于:所述步骤S202中利用到车道线的距离变化趋势来判断本车是否靠近左侧或者右侧车道线,进而判断是变道还是车道内行驶,具体方法如下:
以车辆车头中间位置为坐标系的原点,副驾驶方向为x轴正向,车辆行驶方向为Y轴正向,建立坐标系,用a1表示距离本车道内左侧车道线的距离,a2表示距离左侧相邻车道车道线的距离,用b1表示距离本车道内右侧车道线的距离,b2表示距离右侧相邻车道车道线的距离;
将本车车道线的系数存储为历史车道线矩阵的一行,当历史车道线达到n行,其中n行对应n帧图片,就删除最早的一帧,因此保证历史车道线矩阵中存储了最近的n-1帧车道线数据;
利用历史车道线矩阵,判断当前是车道内行驶还是变道:
首先从当前所有的车道线中找到本车车道线,对比a1,a2大小,最大的为本车道左车道线,对比b1,b2,最小的为本车道右车道线;
利用距离车道线的距离变化趋势判断车辆是否有变道、车道偏离的趋势;
其中,变道状态的判断方法如下:
左车道线中,距离左车道线的距离|a1|变小,且a1从负值变成正值,此车道线从左车道线变为右车道线,则判断为有向左进行了变道;
右车道线中,距离左车道线的距离|b1|变小,且b1从正值变成负值,此车道线从右车道线变为左车道线,则判断为向右进行了变道;
其中,车道内行驶状态的判断方法如下:
左车道线中,距离左车道线的距离|a1|变小,且a1没有从负值变成正值;右车道线中,距离右车道线的距离|b1|变大,则判断为有向左进行车道偏离的趋势,但仍未发生变道的动作,判定为车道内行驶;
右车道线中,距离左车道线的距离|b1|变小,且b1没有从正值变成负值;左车道线中,距离右车道线的距离|a1|变大,则判断为有向右进行车道偏离的趋势,但仍未发生变道的动作,判定为车道内行驶。
7.根据权利要求4所述的自动驾驶前车切入切出场景提取方法,其特征在于,所述步骤S203中,判断目标车切入切出的方法如下:
在车道保持状态下,进一步判断前车的状态,划分为自由行驶、跟车、前车切入、前车切出,具体的判断方法如下:
提取本车道内的最近目标
在本车为车道线内行驶状态下,利用毫米波雷达探测到的本车与目标物信息的横向距离Range_X,纵向距离Range_Y来判断;首先判断Range_X,筛选出Range_X在[-2m,2m]范围之内的目标物,之后选取Range_Y最小的目标物,存入历时目标物信息矩阵中的一行,4个变量分别为objectID、Range_X,、Range_Y,、距离目Relative Speed_X;设定Range_Y最大不超过60m;
当历史目标物信息矩阵数量达到n行,就删除最早的一帧,因此保证历史目标物信息矩阵中存储了最近的n-1帧最新目标物的信息;
利用历史目标信息,通过判断Range_Y的变化量,考虑当前和上一帧的最近目标是否为同一目标;若Range_Y的变化量没有发生突变,绝对值小于设定阈值,则为同一目标,则当前为跟车状态;若Range_Y的变化量绝对值大于设定的阈值,则判定为不是同一目标,进一步判断,若Range_Y的变化量大于设定阈值,则初步判断为前车切出;若Range_Y的变化量小于设定阈值,则初步判断为前车切入,若当前没有本车道目标,而上一帧存在历史目标,则判断为前车切出或驶离,本车自由行驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121033.7A CN111324120A (zh) | 2020-02-26 | 2020-02-26 | 一种自动驾驶前车切入切出场景提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121033.7A CN111324120A (zh) | 2020-02-26 | 2020-02-26 | 一种自动驾驶前车切入切出场景提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111324120A true CN111324120A (zh) | 2020-06-23 |
Family
ID=71165311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010121033.7A Pending CN111324120A (zh) | 2020-02-26 | 2020-02-26 | 一种自动驾驶前车切入切出场景提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111324120A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599181A (zh) * | 2020-07-22 | 2020-08-28 | 中汽院汽车技术有限公司 | 用于智能驾驶***测试的典型自然驾驶场景识别提取方法 |
CN111967123A (zh) * | 2020-06-30 | 2020-11-20 | 中汽数据有限公司 | 一种仿真测试中仿真测试用例的生成方法 |
CN112389430A (zh) * | 2020-11-06 | 2021-02-23 | 北京航空航天大学 | 一种基于偏移率的车辆换道切入车队时段的判定方法 |
CN112633124A (zh) * | 2020-12-17 | 2021-04-09 | 东风汽车有限公司 | 一种自动驾驶车辆的目标车判断方法及电子设备 |
CN112634655A (zh) * | 2020-12-15 | 2021-04-09 | 北京百度网讯科技有限公司 | 基于车道线的变道处理方法、装置、电子设备及存储介质 |
CN112721932A (zh) * | 2021-01-25 | 2021-04-30 | 中国汽车技术研究中心有限公司 | 车辆变道参数的确定方法、装置、电子设备和介质 |
CN113343892A (zh) * | 2021-06-24 | 2021-09-03 | 东风汽车集团股份有限公司 | 一种车辆循线行驶场景提取方法 |
CN113569666A (zh) * | 2021-07-09 | 2021-10-29 | 东风汽车集团股份有限公司 | 车辆连续违法变道的检测方法及计算机设备 |
CN113868875A (zh) * | 2021-09-30 | 2021-12-31 | 天津大学 | 测试场景自动生成方法、装置、设备和存储介质 |
CN114435389A (zh) * | 2020-11-02 | 2022-05-06 | 上海汽车集团股份有限公司 | 一种车辆控制方法、装置及车辆 |
CN114545385A (zh) * | 2022-02-18 | 2022-05-27 | 华域汽车***股份有限公司 | 一种基于车载前视摄像头和前向毫米波雷达的融合目标探测方法 |
CN114789736A (zh) * | 2022-04-30 | 2022-07-26 | 重庆长安汽车股份有限公司 | 一种批量提取智能驾驶问题场景的方法及*** |
CN115223131A (zh) * | 2021-11-09 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种自适应巡航的跟随目标车辆检测方法、装置及汽车 |
CN115257721A (zh) * | 2022-08-30 | 2022-11-01 | 重庆长安汽车股份有限公司 | 智能驾驶场景安全行车方法、装置、电子设备及存储介质 |
CN117272690A (zh) * | 2023-11-21 | 2023-12-22 | 中汽智联技术有限公司 | 自动驾驶车辆危险切入场景提取方法、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016134093A (ja) * | 2015-01-21 | 2016-07-25 | 株式会社デンソー | 車両の走行制御装置 |
JP2017041126A (ja) * | 2015-08-20 | 2017-02-23 | 株式会社デンソー | 車載表示制御装置、車載表示制御方法 |
CN106647776A (zh) * | 2017-02-24 | 2017-05-10 | 驭势科技(北京)有限公司 | 车辆变道趋势的判断方法、判断装置和计算机存储介质 |
CN110097785A (zh) * | 2019-05-30 | 2019-08-06 | 长安大学 | 一种前车切入或紧急换道识别预警装置及预警方法 |
CN110126730A (zh) * | 2018-02-02 | 2019-08-16 | 上海博泰悦臻电子设备制造有限公司 | 车辆变道提醒方法及*** |
US20190291727A1 (en) * | 2016-12-23 | 2019-09-26 | Mobileye Vision Technologies Ltd. | Navigation Based on Liability Constraints |
CN110458050A (zh) * | 2019-07-25 | 2019-11-15 | 清华大学苏州汽车研究院(吴江) | 基于车载视频的车辆切入检测方法及装置 |
-
2020
- 2020-02-26 CN CN202010121033.7A patent/CN111324120A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016134093A (ja) * | 2015-01-21 | 2016-07-25 | 株式会社デンソー | 車両の走行制御装置 |
JP2017041126A (ja) * | 2015-08-20 | 2017-02-23 | 株式会社デンソー | 車載表示制御装置、車載表示制御方法 |
US20190291727A1 (en) * | 2016-12-23 | 2019-09-26 | Mobileye Vision Technologies Ltd. | Navigation Based on Liability Constraints |
CN106647776A (zh) * | 2017-02-24 | 2017-05-10 | 驭势科技(北京)有限公司 | 车辆变道趋势的判断方法、判断装置和计算机存储介质 |
CN110126730A (zh) * | 2018-02-02 | 2019-08-16 | 上海博泰悦臻电子设备制造有限公司 | 车辆变道提醒方法及*** |
CN110097785A (zh) * | 2019-05-30 | 2019-08-06 | 长安大学 | 一种前车切入或紧急换道识别预警装置及预警方法 |
CN110458050A (zh) * | 2019-07-25 | 2019-11-15 | 清华大学苏州汽车研究院(吴江) | 基于车载视频的车辆切入检测方法及装置 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967123A (zh) * | 2020-06-30 | 2020-11-20 | 中汽数据有限公司 | 一种仿真测试中仿真测试用例的生成方法 |
CN111967123B (zh) * | 2020-06-30 | 2023-10-27 | 中汽数据有限公司 | 一种仿真测试中仿真测试用例的生成方法 |
CN111599181B (zh) * | 2020-07-22 | 2020-10-27 | 中汽院汽车技术有限公司 | 用于智能驾驶***测试的典型自然驾驶场景识别提取方法 |
CN111599181A (zh) * | 2020-07-22 | 2020-08-28 | 中汽院汽车技术有限公司 | 用于智能驾驶***测试的典型自然驾驶场景识别提取方法 |
CN114435389A (zh) * | 2020-11-02 | 2022-05-06 | 上海汽车集团股份有限公司 | 一种车辆控制方法、装置及车辆 |
CN114435389B (zh) * | 2020-11-02 | 2024-01-30 | 上海汽车集团股份有限公司 | 一种车辆控制方法、装置及车辆 |
CN112389430A (zh) * | 2020-11-06 | 2021-02-23 | 北京航空航天大学 | 一种基于偏移率的车辆换道切入车队时段的判定方法 |
CN112389430B (zh) * | 2020-11-06 | 2024-01-19 | 北京航空航天大学 | 一种基于偏移率的车辆换道切入车队时段的判定方法 |
CN112634655A (zh) * | 2020-12-15 | 2021-04-09 | 北京百度网讯科技有限公司 | 基于车道线的变道处理方法、装置、电子设备及存储介质 |
CN112633124A (zh) * | 2020-12-17 | 2021-04-09 | 东风汽车有限公司 | 一种自动驾驶车辆的目标车判断方法及电子设备 |
CN112721932A (zh) * | 2021-01-25 | 2021-04-30 | 中国汽车技术研究中心有限公司 | 车辆变道参数的确定方法、装置、电子设备和介质 |
CN113343892A (zh) * | 2021-06-24 | 2021-09-03 | 东风汽车集团股份有限公司 | 一种车辆循线行驶场景提取方法 |
CN113569666A (zh) * | 2021-07-09 | 2021-10-29 | 东风汽车集团股份有限公司 | 车辆连续违法变道的检测方法及计算机设备 |
CN113569666B (zh) * | 2021-07-09 | 2023-12-15 | 东风汽车集团股份有限公司 | 车辆连续违法变道的检测方法及计算机设备 |
CN113868875B (zh) * | 2021-09-30 | 2022-06-17 | 天津大学 | 测试场景自动生成方法、装置、设备和存储介质 |
CN113868875A (zh) * | 2021-09-30 | 2021-12-31 | 天津大学 | 测试场景自动生成方法、装置、设备和存储介质 |
CN115223131A (zh) * | 2021-11-09 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种自适应巡航的跟随目标车辆检测方法、装置及汽车 |
CN114545385A (zh) * | 2022-02-18 | 2022-05-27 | 华域汽车***股份有限公司 | 一种基于车载前视摄像头和前向毫米波雷达的融合目标探测方法 |
CN114789736A (zh) * | 2022-04-30 | 2022-07-26 | 重庆长安汽车股份有限公司 | 一种批量提取智能驾驶问题场景的方法及*** |
CN115257721A (zh) * | 2022-08-30 | 2022-11-01 | 重庆长安汽车股份有限公司 | 智能驾驶场景安全行车方法、装置、电子设备及存储介质 |
CN117272690A (zh) * | 2023-11-21 | 2023-12-22 | 中汽智联技术有限公司 | 自动驾驶车辆危险切入场景提取方法、设备及介质 |
CN117272690B (zh) * | 2023-11-21 | 2024-02-23 | 中汽智联技术有限公司 | 自动驾驶车辆危险切入场景提取方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111324120A (zh) | 一种自动驾驶前车切入切出场景提取方法 | |
CN109421739B (zh) | 用于监控自主车辆的方法和设备 | |
US10558217B2 (en) | Method and apparatus for monitoring of an autonomous vehicle | |
CN106485949B (zh) | 针对车辆的摄像机和v2v数据的传感器融合 | |
CN112289067B (zh) | 信号显示推定*** | |
CN108146503B (zh) | 车辆防撞 | |
DE112010002021B4 (de) | Fahrzeugumgebungsschätzvorrichtung | |
US8175334B2 (en) | Vehicle environment recognition apparatus and preceding-vehicle follow-up control system | |
CN103287358B (zh) | 用于确定物体传感器未对准的方法 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN111845728B (zh) | 一种驾驶辅助数据采集方法及*** | |
KR20200014931A (ko) | 차량용 정보 기억 방법, 차량의 주행 제어 방법, 및 차량용 정보 기억 장치 | |
JP4937933B2 (ja) | 車外監視装置 | |
US20150149076A1 (en) | Method for Determining a Course of a Traffic Lane for a Vehicle | |
CN113470371B (zh) | 识别违规车辆的方法、***和计算机可读存储介质 | |
CN109544725B (zh) | 一种基于事件驱动的自动驾驶事故智能处理方法 | |
CN114194190A (zh) | 车道机动意图检测***和方法 | |
CN111409455A (zh) | 车辆的速度控制方法及装置、电子设备、存储介质 | |
CN112462381A (zh) | 一种基于车路协同的多激光雷达融合方法 | |
CN113178074A (zh) | 应用于车辆的交通流机器学习建模***及其方法 | |
CN110920617A (zh) | 车辆的行驶控制*** | |
CN114719840A (zh) | 一种基于道路特征融合的车辆智能驾驶保障方法与*** | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及*** | |
CN113743356A (zh) | 数据的采集方法、装置和电子设备 | |
JP6185367B2 (ja) | 運転支援装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200623 |