CN112256033A - 驾驶状态识别方法、设备、存储介质及装置 - Google Patents
驾驶状态识别方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- CN112256033A CN112256033A CN202011206623.6A CN202011206623A CN112256033A CN 112256033 A CN112256033 A CN 112256033A CN 202011206623 A CN202011206623 A CN 202011206623A CN 112256033 A CN112256033 A CN 112256033A
- Authority
- CN
- China
- Prior art keywords
- data
- driving state
- driving
- target vehicle
- dangerous
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000001133 acceleration Effects 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 abstract description 10
- 238000013075 data extraction Methods 0.000 abstract description 6
- 238000012360 testing method Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000000007 visual 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
- G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
本发明公开了一种驾驶状态识别方法、设备、存储介质及装置,本发明通过获取目标车辆的驾驶数据和道路场景数据,根据驾驶数据和道路场景数据确定待提取特征参数,根据预设参数范围对所述待提取特征参数进行划分,获得划分结果,根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。由于是根据预设参数范围对待提取特征参数进行划分,获得划分结果,根据划分结果判断目标车辆的当前行驶状态是否为紧急危险驾驶状态,相对于现有技术通过手动筛选数据判断当前行驶状态是否为紧急危险驾驶状态的方式,本发明实现了在海量自然驾驶数据中自动筛选自车驾驶的紧急状态数据,从而提高了数据精确性,保证数据提取时效性。
Description
技术领域
本发明涉及智能汽车技术领域,尤其涉及一种驾驶状态识别方法、设备、存储介质及装置。
背景技术
目前,随着智能驾驶的快速发展,技术的日渐成熟,自动驾驶产业在功能研究和产品开发过程中受到了越来越多的关注,智能汽车安全技术的开发和评价需要标准法规、功能逻辑、事故等测试场景,现有技术是通过观察采集的视屏数据识别驾驶状态,但是由于驾驶数据庞大,手动筛选标注寻找驾驶状态对应的测试场景数据,会易导致数据漏选从而导致误判。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种驾驶状态识别方法、设备、存储介质及装置,旨在解决现有技术中对于驾驶状态识别时由于数据庞大导致数据漏选从而导致误判的技术问题。
为实现上述目的,本发明提供一种驾驶状态识别方法,所述驾驶状态识别方法包括以下步骤:
获取目标车辆的驾驶数据和道路场发景数据;
根据所述驾驶数据和所述道路场景数据确定待提取特征参数;
根据预设参数范围对所述待提取特征参数进行划分,获得划分结果;
根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。
优选地,所述根据所述目标车辆的驾驶数据和所述道路场景数据确定待提取特征参数的步骤,包括:
从所述目标车辆的驾驶数据中提取纵向减速度、横摆角速度、侧向加速度以及方向盘转速;
根据所述纵向减速度、横摆角速度、侧向加速度以及方向盘转速确定待提取特征参数。
优选地,所述根据预设参数范围对所述待提取特征参数进行划分,获得划分结果的步骤,包括:
从所述目标车辆的驾驶数据中提取行驶车速;
根据所述行驶车速确定车速变化范围;
根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果。
优选地,所述根据所述行驶车速确定车速变化范围的步骤,包括:
根据预设车速区间段对所述行驶车速进行匹配,并获得匹配结果;
根据所述匹配结果确定车速变化范围。
优选地,所述根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态的步骤之前,包括:
根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果;
相应地,所述根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态的步骤,包括:
根据所述划分结果确定待提取特征参数对应的判断条件;
根据所述判断条件判断目标车辆行驶状态是否为危险驾驶状态。
优选地,所述根据所述判断条件判断目标车辆行驶状态是否为危险驾驶状态的步骤,包括:
获取所述判断条件对应的待提取特征参数的判断值;
在所述判断值不高于预设阈值时,判定所述目标车辆行驶状态为紧急危险驾驶状态;
在所述判断值高于预设阈值时,所述目标车辆行驶状态为预警危险驾驶状态。
优选地,所述根据所述驾驶数据和所述道路场景数据确定待提取特征参数的步骤,包括:
从所述驾驶数据和所述道路场景数据中提取危险点时刻对应的危险点数据;
截取以所述危险点时刻为基准的预设时间内的目标危险点数据;
根据所述目标危险点数据确定待提取特征参数。
此外,为实现上述目的,本发明还提出一种驾驶状态识别设备,所述驾驶状态识别设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的驾驶状态识别程序,所述驾驶状态识别程序配置为实现如上文所述的驾驶状态识别的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有驾驶状态识别程序,所述驾驶状态识别程序被处理器执行时实现如上文所述的驾驶状态识别方法的步骤。
此外,为实现上述目的,本发明还提出一种驾驶状态识别装置,所述驾驶状态识别装置包括:
数据获取模块,用于获取目标车辆的驾驶数据和道路场景数据;
参数提取模块,用于根据所述驾驶数据和所述道路场景数据确定待提取特征参数;
结果划分模块,用于根据预设参数范围对所述待提取特征参数进行划分,获得第一划分结果;
状态判断模块,用于根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。
本发明通过获取目标车辆的驾驶数据和道路场景数据,根据所述驾驶数据和所述道路场景数据确定待提取特征参数,根据预设参数范围对所述待提取特征参数进行划分,获得划分结果,根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。由于是根据预设参数范围对所述待提取特征参数进行划分,获得划分结果,根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态,相对于现有技术通过手动筛选数据判断当前行驶状态是否为紧急危险驾驶状态的方式,本发明实现了在海量自然驾驶数据中自动筛选自车驾驶的紧急状态数据,从而提高了数据精确性,保证数据提取时效性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的驾驶状态识别设备的结构示意图;
图2为本发明驾驶状态识别方法第一实施例的流程示意图;
图3为本发明驾驶状态识别方法第二实施例的流程示意图;
图4为本发明驾驶状态识别方法第三实施例的流程示意图;
图5为本发明驾驶状态识别装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的驾驶状态识别设备结构示意图。
如图1所示,该驾驶状态识别设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的存储器(Non-volatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对驾驶状态识别设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,认定为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及驾驶状态识别程序。
在图1所示的驾驶状态识别设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接用户设备;所述驾驶状态识别设备通过处理器1001调用存储器1005中存储的驾驶状态识别程序,并执行本发明实施例提供的驾驶状态识别方法。
基于上述硬件结构,提出本发明驾驶状态识别方法的实施例。
参照图2,图2为本发明驾驶状态识别方法第一实施例的流程示意图,提出本发明驾驶状态识别方法第一实施例。
在第一实施例中,所述驾驶状态识别方法包括以下步骤:
步骤S10:获取目标车辆的驾驶数据和道路场景数据。
需说明的是,本实施例的执行主体可以是具有驾驶状态识别功能的设备,该设备可以是车载电脑、平板电脑、手机、笔记本等设备,该实施例以车载电脑为说明,本实施例对此不做限制,在本实施例以及下述各实施例中以车载电脑为例对本发明驾驶状态识别方法进行说明。
应理解的是,目标车辆可以是待检测的车辆,也可以是存储有测验数据的车辆。例如:目标车辆可以是在试验场正在进行测试的车辆,也可以是测试过后的车辆。
可理解的是,驾驶数据可以是目标车辆行驶时车速、踏板开度、行驶时长等数据。道路场景数据可以是指目标车辆在行驶时,除目标车辆以外的场景数据,可以通过视频记录场景数据,例如:目标车辆在行驶时可以通过摄像头拍摄除目标车辆以外在道路上行驶的车辆、红绿灯以及行人等视频数据。目标车辆可以在试验场进行测试,也可以在实路上进行测试。
具体实现中,车载电脑可以通过车辆上安装的传感器、Mobileye摄像头、毫米波雷达、相机等设备采集道路场景数据以及采集目标车辆can数据。
步骤S20:根据所述驾驶数据和所述道路场景数据确定待提取特征参数。
需说明的是,待提取特征参数可以是指用于辨别目标车辆驾驶状态的参数。
具体实现中,车载电脑可以根据驾驶数据和道路场景数据确定用来辨别目标车辆驾驶状态的参数。例如:车载电脑通过毫米波雷达识别到除目标车辆车身外的物体距离,根据目标车辆当前行驶速度和物体距离可以确定目标车辆防止撞上物体时的减速度。
步骤S30:根据预设参数范围对所述待提取特征参数进行划分,获得划分结果。
需说明的是,预设参数范围可以是预先标定的参数范围,也可以是人为设置的参数范围。例如:目标车辆行驶时,根据不同车速下具有不同参数变化范围,根据车速分级制对待提取特征参数进行划分。
具体实现中,车载电脑可以根据车速分级制对待提取特征参数进行划分,获得划分结果。例如:目标车辆在紧急刹车时,根据目标车辆当前行驶车速对应的纵向加速度进行划分,获得划分结果。如:当前车辆行驶速度为60km/h,在紧急刹车时,目标车辆的纵向加速度为-5m/s,而预设的纵向加速度≤-10m/s,即当前车辆未达到预设参数范围,即当前并未进入紧急驾驶状态。
步骤S40:根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。
需说明的是,紧急危险驾驶状态可以是驾驶员在遇到紧急情况下的有效驾驶行为状态。例如:紧急刹车、紧急避让等行为,以此判断有效危险驾驶状态。
具体实现中,车载电脑根据划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。例如:如:当前车辆行驶速度为60km/h,在紧急刹车时,目标车辆的纵向加速度为-12m/s,而预设的纵向加速度≤-10m/s,即当前车辆达到预设参数范围,即当前进入紧急驾驶状态。
本施例获取目标车辆的驾驶数据和道路场景数据,根据所述驾驶数据和所述道路场景数据确定待提取特征参数,根据预设参数范围对所述待提取特征参数进行划分,获得划分结果,根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。由于是根据预设参数范围对所述待提取特征参数进行划分,获得划分结果,根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态,相对于现有技术通过手动筛选数据判断当前行驶状态是否为紧急危险驾驶状态的方式,本实施例实现了在海量自然驾驶数据中自动筛选自车驾驶的紧急状态数据,从而提高了数据精确性,保证数据提取时效性。
参照图3,图3为本发明驾驶状态识别方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明驾驶状态识别方法的第二实施例。
在第二实施例中,所述步骤S20,包括:
步骤S201:从所述目标车辆的驾驶数据中提取纵向减速度、横摆角速度、侧向加速度以及方向盘转速。
需说明的是,纵向减速度可以是由于沿着车身的车道两边画的菱形虚线,给驾驶员车道变窄的视觉压迫,达到提醒减速的目的,从而使得目标车辆减速,横摆角速度可以是值汽车绕垂直轴的偏转速度,该偏转速度的大小代表汽车的稳定程度。侧向加速度可以是目标车辆受到左到右,或者右到左的加速度。
可理解的是,方向盘转速可以是指车辆在转弯或紧急避让时驾驶员转方向盘的速度,如:在紧急避让行人的情况下,驾驶员为了快速避让,防止撞到行人,转动方向盘的速度会超出正常预设的转速,此时可以根据方向盘转速确定当前紧急驾驶状态。
具体实现中,车载电脑可以从目标车辆的存储器中读取驾驶数据中包含的纵向减速度、横摆角速度、侧向加速度以及方向盘转速。
步骤S202:根据所述纵向减速度、横摆角速度、侧向加速度以及方向盘转速确定待提取特征参数。
需说明的是,待提取特征参数可以是用来判断危险紧急驾驶状态的参数。
具体实现中,车载电脑可以根据四种特征参数确定待提取特征参数,待提取特征参数可以包含至少其中一种特征参数,并根据包含的其中一种特征参数判断车辆驾驶状态。
进一步地,为了精准提取数据,所述根据预设参数范围对所述待提取特征参数进行划分,获得划分结果的步骤,包括:从所述目标车辆的驾驶数据中提取行驶车速;根据所述行驶车速确定车速变化范围;根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果。
需说明的是,车速变化范围可以是指车速区间段,例如车速可以分为3个速度段,如:如A:车速≤50km/h;B:50km/h≤车速≤90km/h;C:车速≥90km/h,可以根据车速区间段确定行驶车速属于A、B、C其中一个区间段。
可理解的是,划分结果可以是对待提取特征参数划分后的结果。
具体实现中,车载电脑根据速度传感器确定当前行驶车速对应的车速变化范围,根据车速变化范围和预设参数范围对所述特征参数进行划分,并获得划分结果。例如:A:车速≤50km/h,则纵向加速度≤-a;B:50km/h≤车速≤90km/h,则纵向加速度≤-b,;C:车速≥90km/h,则纵向加速度≤-c;在当前车速为80km/h时,则当前车速属于B车速变化范围,即在纵向加速度≤-b时,目标车辆处于紧急危险驾驶状态。
进一步地,所述根据所述行驶车速确定车速变化范围的步骤,包括:根据预设车速区间段对所述行驶车速进行匹配,并获得匹配结果;根据所述匹配结果确定车速变化范围。
需说明的是,所述预设车速区间段可以是预先设置的车速区间段,也可以是人为设置的车速区间段。
可理解的是,匹配结果可以是当前车速根据预设车速区间段进行匹配,所获得对应的车速区间段,例如:A:车速≤50km/h;B:50km/h≤车速≤90km/h;C:车速≥90km/h,可以根据车速区间段确定行驶车速属于A、B、C其中一个区间段。当前车速是95km/h时,则当前车速属于C区间段。
具体实现中,车载电脑根据据预设车速区间段对所述行驶车速进行匹配,并获得匹配结果;根据所述匹配结果确定车速变化范围。
本实施例获取目标车辆的驾驶数据和道路场景数据,从所述目标车辆的驾驶数据中提取纵向减速度、横摆角速度、侧向加速度以及方向盘转速,根据所述纵向减速度、横摆角速度、侧向加速度以及方向盘转速确定待提取特征参数根据预设参数范围对所述待提取特征参数进行划分,获得划分结果,根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。由于是根据所述纵向减速度、横摆角速度、侧向加速度以及方向盘转速确定待提取特征参数根据预设参数范围对所述待提取特征参数进行划分,获得划分结果。相对于现有技术通过手动筛选数据导致数据漏选,本实施例通过自动提取特征参数,从而实现自定识别驾驶状态,从而提高对危险场景判定时效。
参照图4,图4为本发明驾驶状态识别方法第三实施例的流程示意图,基于上述图3所示的第二实施例,提出本发明驾驶状态识别方法的第三实施例。
在第三实施例中,所述步骤S40之前,包括:
步骤S310:根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果。
需说明的是,不同车速下对应的预设参数范围不同,例如:以纵向减速度中包含的纵向加速度为例说明,将车速分为三个速度段,在车速≤50km/h时和在纵向加速度≤-a时,目标车辆处于紧急危险驾驶状态;在50km/h≤车速≤90km/h时和在纵向加速度≤-b时,目标车辆处于紧急危险驾驶状态;在车速≥90km/h时和在纵向加速度≤-c时,目标车辆处于紧急危险驾驶状态。所述a、b、c是指预设纵向加速度,所述预设纵向加速度可以是人为设定的,也可以是出厂设置的。
具体实现中,车载电脑根据车速变化范围和预设参数范围对待提取特征参数进行划分并获得划分结果。例如:在目标车辆当前行驶车速为40km/h时,且当前纵向加速度为-d,且d<a,即当前目标车辆的待提取特征参数不属于判断危险驾驶状态的有效数据。
相应地,所述步骤S40,包括:
步骤S401:根据所述划分结果确定待提取特征参数对应的判断条件。
需说明的是,判断条件可以是指对目标车辆驾驶数据中满足危险场景对应有效数据条件。例如:根据所述划分结果中包含的待提取特征参数确定对应的判断条件,如在目标车辆当前行驶车速为40km/h时,且当前纵向加速度为-d,即根据在车速≤50km/h时和在纵向加速度≤-a时,判断当前待提取特征参数是否满足对应的判断条件。若且d>a,即满足判断条件包含的特征参数取值。
步骤S402:根据所述判断条件判断目标车辆行驶状态是否为危险驾驶状态。
需说明的是,危险驾驶状态可以是指在目标车辆遇到紧急危险情况下的行驶状态;例如:在目标车辆行驶途中,为了避让行人紧急转动方向盘即为危险驾驶状态。
具体实现中,在目标车辆当前行驶车速为40km/h时,且当前纵向加速度为-d,即根据在车速≤50km/h时和在纵向加速度≤-a时,判断当前待提取特征参数是否满足对应的判断条件。d>a时,即为紧急危险驾驶状态。
进一步地,所述根据所述判断条件判断目标车辆行驶状态是否为危险驾驶状态的步骤,包括:获取所述判断条件对应的待提取特征参数的判断值;在所述判断值不高于预设阈值时,判定所述目标车辆行驶状态为紧急危险驾驶状态;在所述判断值高于预设阈值时,所述目标车辆行驶状态为预警危险驾驶状态。
需说明的是,判断值可以是纵向减速度、横摆角速度、侧向加速度以及方向盘转速中任意一项或一项以上对应的判断条件值。如:在对目标车辆进行状态识别时,可以根据纵向减速度、横摆角速度、侧向加速度以及方向盘转速中任意一项对应的判断值用于判断车辆状态,也可以在一项数据缺失时,根据其他三项数据进行综合判断。
可理解的是,预设阈值可以是紧急状态下纵向减速度、横摆角速度、侧向加速度以及方向盘转速中任意一项或一项以上对应的预设判断条件值,该预设阈值可以根据驾驶员驾驶习惯设定。
应理解的是,紧急危险驾驶状态可以是指会导致危害到公共安全以及自身安全的驾驶状态,例如:会导致发生碰撞、辗轧、刮擦、翻车、坠车以及财产损失等交通事故的紧急驾驶状态。预警危险驾驶状态可以是指在会导致发生交通事故的情况下,提前告知驾驶员危险状态。
具体实现中,根据四个特征参数对应的判断值判定目标车辆的行驶状态。在所述判断值不高于预设阈值时,判定目标车辆行驶状态为紧急危险驾驶状态,可以控制警报***告知驾驶员,在所述判断值高于预设阈值时,所述目标车辆行驶状态为预警危险驾驶状态,可以通过控制语音***提醒驾驶员。
进一步地,所述根据所述驾驶数据和所述道路场景数据确定待提取特征参数的步骤,包括:从所述驾驶数据和所述道路场景数据中提取危险点时刻对应的危险点数据;截取以所述危险点时刻为基准的预设时间内的目标危险点数据;根据所述目标危险点数据确定待提取特征参数。
需说明的是,危险点可以是待提取特征参数对应的数据点,危险点时刻可以是待提取特征参数对应的时刻。
可理解的是,预设时间可以是以危险点时刻为基准时刻点取前后10秒数据,若危险点数据超过预设时间范围仍保留数据片段。
具体实现中,驾驶数据和道路场景数据可以是以视频和excel表格形式存储在数据库中,可通过连接服务器在手机上查找数据,并筛选所需危险场景数据。例如:在对场景进行测试时,车载电脑可以通过导入驾驶数据数据,并对驾驶数据类型进行转换,筛选危险点,并根据危险点对应的危险点时刻前后各10S截取数据,若超出范围仍保留数据片段,根据数据片段生成曲线查验数据质量,并删除跳帧引起的突变,截取有效excel数据和视频片段。提取出自然驾驶场景数据中的紧急驾驶片段数据,转化为仿真软件下的测试场景,用于软件在环测试、硬件在环测试、整车在环测试等自动驾驶测试。
本实施例通过获取目标车辆的驾驶数据和道路场景数据,根据所述驾驶数据和所述道路场景数据确定待提取特征参数,根据预设参数范围对所述待提取特征参数进行划分,获得划分结果;根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果,根据所述划分结果确定待提取特征参数对应的判断条件,根据所述判断条件判断目标车辆行驶状态是否为危险驾驶状态。由于是根据所述车速变化范围和所述预设参数范围确定判断条件。相对于现有技术手动标注方式寻找紧急危险状态的数据,本实施例实现了更加准确地数据提取,从而保证数据提取的时效性。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有驾驶状态识别程序,所述驾驶状态识别程序被处理器执行时实现如上文所述的驾驶状态识别方法的步骤。
参照图5,图5为本发明驾驶状态识别装置第一实施例的结构框图。
如图5所示,本发明实施例提出的驾驶状态识别装置包括:
数据获取模块10,用于获取目标车辆的驾驶数据和道路场景数据;
参数提取模块20,用于根据所述驾驶数据和所述道路场景数据确定待提取特征参数;
结果划分模块30,用于根据预设参数范围对所述待提取特征参数进行划分,获得第一划分结果;
状态判断模块40,用于根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。
本施例通过获取目标车辆的驾驶数据和道路场景数据,根据所述驾驶数据和所述道路场景数据确定待提取特征参数,根据预设参数范围对所述待提取特征参数进行划分,获得划分结果,根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。由于,根据预设参数范围对所述待提取特征参数进行划分,获得划分结果,根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态,相对于现有技术通过手动筛选数据判断当前行驶状态是否为紧急危险驾驶状态的方式,本实施例实现了在海量自然驾驶数据中自动筛选自车驾驶的紧急状态数据,从而提高了数据精确性,保证数据提取时效性。
进一步地,所述参数提取模块20还用于从所述目标车辆的驾驶数据中提取纵向减速度、横摆角速度、侧向加速度以及方向盘转速;根据所述纵向减速度、横摆角速度、侧向加速度以及方向盘转速确定待提取特征参数。
进一步地,所述结果划分模块30还用于从所述目标车辆的驾驶数据中提取行驶车速;根据所述行驶车速确定车速变化范围;根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果。
进一步地,所述结果划分模块30还用于根据预设车速区间段对所述行驶车速进行匹配,并获得匹配结果;根据所述匹配结果确定车速变化范围。
进一步地,所述状态判断模块40还用于根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果;相应地,所述根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态的步骤,包括:根据所述划分结果确定待提取特征参数对应的判断条件;根据所述判断条件判断目标车辆行驶状态是否为危险驾驶状态。
进一步地,所述状态判断模块40还用于获取所述判断条件对应的待提取特征参数的判断值;在所述判断值不高于预设阈值时,判定所述目标车辆行驶状态为紧急危险驾驶状态;在所述判断值高于预设阈值时,所述目标车辆行驶状态为预警危险驾驶状态。
进一步地,所述数据获取模块10还用于从所述驾驶数据和所述道路场景数据中提取危险点时刻对应的危险点数据;截取以所述危险点时刻为基准的预设时间内的目标危险点数据;根据所述目标危险点数据确定待提取特征参数。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有驾驶状态识别程序,所述驾驶状态识别程序被处理器执行时实现如上文所述的驾驶状态识别方法的步骤。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的驾驶状态识别方法,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种驾驶状态识别方法,其特征在于,所述自然驾驶紧急状态的识别方法包括以下步骤:
获取目标车辆的驾驶数据和道路场景数据;
根据所述驾驶数据和所述道路场景数据确定待提取特征参数;
根据预设参数范围对所述待提取特征参数进行划分,获得划分结果;
根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。
2.如权利要求1所述的驾驶状态识别方法,其特征在于,所述根据所述目标车辆的驾驶数据和所述道路场景数据确定待提取特征参数的步骤,包括:
从所述目标车辆的驾驶数据中提取纵向减速度、横摆角速度、侧向加速度以及方向盘转速;
根据所述纵向减速度、横摆角速度、侧向加速度以及方向盘转速确定待提取特征参数。
3.如权利要求2所述的驾驶状态识别方法,其特征在于,所述根据预设参数范围对所述待提取特征参数进行划分,获得划分结果的步骤,包括:
从所述目标车辆的驾驶数据中提取行驶车速;
根据所述行驶车速确定车速变化范围;
根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果。
4.如权利要求3所述的驾驶状态识别方法,其特征在于,所述根据所述行驶车速确定车速变化范围的步骤,包括:
根据预设车速区间段对所述行驶车速进行匹配,并获得匹配结果;
根据所述匹配结果确定车速变化范围。
5.如权利要求3所述的驾驶状态识别方法,其特征在于,所述根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态的步骤之前,包括:
根据所述车速变化范围和所述预设参数范围对所述待提取特征参数进行划分,并获得划分结果;
相应地,所述根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态的步骤,包括:
根据所述划分结果确定待提取特征参数对应的判断条件;
根据所述判断条件判断目标车辆行驶状态是否为危险驾驶状态。
6.如权利要求5所述的驾驶状态识别方法,其特征在于,所述根据所述判断条件判断目标车辆行驶状态是否为危险驾驶状态的步骤,包括:
获取所述判断条件对应的待提取特征参数的判断值;
在所述判断值不高于预设阈值时,判定所述目标车辆行驶状态为紧急危险驾驶状态;
在所述判断值高于预设阈值时,所述目标车辆行驶状态为预警危险驾驶状态。
7.如权利要求1所述的驾驶状态识别方法,其特征在于,所述根据所述驾驶数据和所述道路场景数据确定待提取特征参数的步骤,包括:
从所述驾驶数据和所述道路场景数据中提取危险点时刻对应的危险点数据;
截取以所述危险点时刻为基准的预设时间内的目标危险点数据;
根据所述目标危险点数据确定待提取特征参数。
8.一种驾驶状态识别设备,其特征在于,所述驾驶状态识别设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的驾驶状态识别程序,所述驾驶状态识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的驾驶状态识别方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有驾驶状态识别方法程序,所述驾驶状态识别程序被处理器执行时实现如权利要求1至7中任一项所述的驾驶状态识别方法的步骤。
10.一种驾驶状态识别装置,其特征在于,所述驾驶状态识别装置包括:
数据获取模块,用于获取目标车辆的驾驶数据和道路场景数据;
参数提取模块,用于根据所述驾驶数据和所述道路场景数据确定待提取特征参数;
结果划分模块,用于根据预设参数范围对所述待提取特征参数进行划分,获得第一划分结果;
状态判断模块,用于根据所述划分结果判断所述目标车辆的当前行驶状态是否为紧急危险驾驶状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011206623.6A CN112256033B (zh) | 2020-10-30 | 2020-10-30 | 驾驶状态识别方法、设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011206623.6A CN112256033B (zh) | 2020-10-30 | 2020-10-30 | 驾驶状态识别方法、设备、存储介质及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112256033A true CN112256033A (zh) | 2021-01-22 |
CN112256033B CN112256033B (zh) | 2022-12-20 |
Family
ID=74268726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011206623.6A Active CN112256033B (zh) | 2020-10-30 | 2020-10-30 | 驾驶状态识别方法、设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112256033B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283335A (zh) * | 2021-05-21 | 2021-08-20 | 际络科技(上海)有限公司 | 施工区域的识别方法、装置、车辆、电子设备及存储介质 |
CN114407918A (zh) * | 2021-12-30 | 2022-04-29 | 广州文远知行科技有限公司 | 接管场景分析方法、装置、设备及存储介质 |
CN116644585A (zh) * | 2023-05-30 | 2023-08-25 | 清华大学 | 基于目标车辆危险度的险态场景数据生成方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107479562A (zh) * | 2017-10-12 | 2017-12-15 | 北京耘华科技有限公司 | 一种农机自动驾驶安全保护***及方法 |
CN107749193A (zh) * | 2017-09-12 | 2018-03-02 | 华为技术有限公司 | 驾驶风险分析及风险数据发送方法及装置 |
CN110488802A (zh) * | 2019-08-21 | 2019-11-22 | 清华大学 | 一种网联环境下的自动驾驶车辆动态行为决策方法 |
WO2020065708A1 (ja) * | 2018-09-25 | 2020-04-02 | 株式会社ウフル | コンピュータシステム、危険運転車両通知方法及びプログラム |
CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
CN111489588A (zh) * | 2020-03-30 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 车辆驾驶风险预警方法及装置、设备、存储介质 |
CN111583713A (zh) * | 2020-04-16 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 车辆驾驶预警方法和装置 |
CN111613055A (zh) * | 2020-05-15 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 车辆驾驶风险的预警方法及装置 |
CN111813099A (zh) * | 2019-03-25 | 2020-10-23 | 广州汽车集团股份有限公司 | 无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆 |
-
2020
- 2020-10-30 CN CN202011206623.6A patent/CN112256033B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107749193A (zh) * | 2017-09-12 | 2018-03-02 | 华为技术有限公司 | 驾驶风险分析及风险数据发送方法及装置 |
CN107479562A (zh) * | 2017-10-12 | 2017-12-15 | 北京耘华科技有限公司 | 一种农机自动驾驶安全保护***及方法 |
WO2020065708A1 (ja) * | 2018-09-25 | 2020-04-02 | 株式会社ウフル | コンピュータシステム、危険運転車両通知方法及びプログラム |
CN111813099A (zh) * | 2019-03-25 | 2020-10-23 | 广州汽车集团股份有限公司 | 无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆 |
CN110488802A (zh) * | 2019-08-21 | 2019-11-22 | 清华大学 | 一种网联环境下的自动驾驶车辆动态行为决策方法 |
CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
CN111489588A (zh) * | 2020-03-30 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 车辆驾驶风险预警方法及装置、设备、存储介质 |
CN111583713A (zh) * | 2020-04-16 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 车辆驾驶预警方法和装置 |
CN111613055A (zh) * | 2020-05-15 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 车辆驾驶风险的预警方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283335A (zh) * | 2021-05-21 | 2021-08-20 | 际络科技(上海)有限公司 | 施工区域的识别方法、装置、车辆、电子设备及存储介质 |
CN114407918A (zh) * | 2021-12-30 | 2022-04-29 | 广州文远知行科技有限公司 | 接管场景分析方法、装置、设备及存储介质 |
CN116644585A (zh) * | 2023-05-30 | 2023-08-25 | 清华大学 | 基于目标车辆危险度的险态场景数据生成方法和装置 |
CN116644585B (zh) * | 2023-05-30 | 2024-01-09 | 清华大学 | 基于目标车辆危险度的险态场景数据生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112256033B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112256033B (zh) | 驾驶状态识别方法、设备、存储介质及装置 | |
CN107067718B (zh) | 交通事故责任评估方法、交通事故责任评估装置以及交通事故责任评估*** | |
CN108860162B (zh) | 电子装置、基于用户驾驶行为的安全预警方法及存储介质 | |
CN113284366B (zh) | 车辆盲区预警方法、预警装置、mec平台和存储介质 | |
US8301344B2 (en) | Device for classifying at least one object in the surrounding field of a vehicle | |
US10776735B2 (en) | Risk information processing method and server device | |
JP3229297B2 (ja) | 移動体の操作傾向解析方法、運行管理システム及びその構成装置、記録媒体 | |
CN113609016B (zh) | 车辆自动驾驶测试场景的构建方法、装置、设备及介质 | |
US10295360B2 (en) | Assistance when driving a vehicle | |
CN111210620B (zh) | 一种驾驶员画像的生成方法、装置、设备及存储介质 | |
CN111137284A (zh) | 一种基于驾驶分心状态的预警方法及预警装置 | |
CN110895662A (zh) | 车辆超载报警方法、装置、电子设备及存储介质 | |
CN112937520B (zh) | 车辆的紧急制动方法、装置、商用车及存储介质 | |
CN112418711A (zh) | 车辆预期功能危害评估方法、设备、存储介质及装置 | |
US11661061B2 (en) | Method and device for assisting a driver in a vehicle | |
CN112744174B (zh) | 车辆碰撞监测方法、装置、设备及计算机可读存储介质 | |
CN110843784B (zh) | 紧急制动距离确定方法、设备、存储介质及装置 | |
US11607994B2 (en) | Vehicle, object warning apparatus and method | |
CN111553605A (zh) | 车辆变道风险评估方法、装置、设备及存储介质 | |
CN111145554B (zh) | 一种基于自动驾驶aeb的场景定位方法和装置 | |
CN113823120A (zh) | 一种车辆危险预警方法及相关装置 | |
CN111209797A (zh) | 一种驾驶行为监控的方法、装置、设备和存储介质 | |
CN108230717B (zh) | 一种智能交通管理*** | |
CN115257725A (zh) | 车辆碰撞预警方法、装置、设备及存储介质 | |
CN113352989A (zh) | 智能行车安全辅助方法、产品、设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |