CN112758107B - 一种车辆自动变道方法、控制装置、电子设备及汽车 - Google Patents
一种车辆自动变道方法、控制装置、电子设备及汽车 Download PDFInfo
- Publication number
- CN112758107B CN112758107B CN202110167997.XA CN202110167997A CN112758107B CN 112758107 B CN112758107 B CN 112758107B CN 202110167997 A CN202110167997 A CN 202110167997A CN 112758107 B CN112758107 B CN 112758107B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- target vehicle
- surrounding environment
- judging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 71
- 238000012549 training Methods 0.000 claims description 45
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 16
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆自动变道方法、控制装置、电子设备及汽车,方法包括以下步骤:获取目标车辆的当前周围环境信息;判断目标车辆的变道意图;若目标车辆意图变道,则采用第一识别模型根据所述当前周围环境的信息,判断目标车辆需要变道时并行车道线的类型;若并行车道线的类型为实线,则停止自动变道;若并行车道线的类型为虚线,则采用第二识别模型根据所述当前周围环境的信息,判断目标车辆附近有无不安全因素;若目标车辆附近无不安全因素,则进行自动变道;若目标车辆附近有不安全因素,停止自动变道。本发明能够较为精准地识别车辆周围物体的状态变化,能够在场景较为复杂的情况下比较安全可靠地实现自主变道,避免不必要的事故的发生。
Description
技术领域
本发明涉及车辆自动驾驶控制领域,具体涉及一种车辆自动变道方法、控制装置、电子设备及汽车。
背景技术
汽车目前已经成为普通人日常代步的工具,在汽车技术的发展过程中,安全、便捷、智能化设计一直是一个重点研究工作,在高科技发展时代,便捷、智能固然重要,但是安全是一项重中之重的工作。当前很多汽车厂商都在研发无人驾驶和安全驾驶辅助等技术,但真正地实现安全性极高的无人驾驶难度较大。
安全性和无人驾驶技术之间要求互斥,一般驾驶人在开车过程中思维高度集中,这样安全性较高,但是随着社会的进步和人工智能技术的不断发展,要让高科技慢慢融入驾车过程中,真正做到轻松驾驶,因此驾驶过程中的安全性是一个尤为重要的考虑因素,只有安全性真正地提高了,无人驾驶技术才能达到更好的应用并推广。
针对当前安全性在无人驾驶技术应用上不高的特点,目前已经有了很多研究方向,如通过统计车辆的流量判断线路的流畅度,从而提前提醒驾驶员注意避让、智能检测交通信号灯、使用SLAM定位等等。但是安全性因素涉及到的面太多了,很难做到一应俱全,只能慢慢地技术探索并消除安全隐患。当前车辆变道辅助技术方案,目前一些高端汽车上能够通过检测车辆转向灯,然后在人为直接干预的情况下实现安全变道,技术层面比较低端,真正实现完全自动变道,目前还很难做到,也没有较好的实现方案。
目前人工智能技术的发展已经取得了让人惊叹的进步,从人工智能技术的发展来看,其具有无限的潜力,尤其是其中的深度学习感知算法,被研究者认为是一种更接近人类感官思维方式的人工智能方法,因此使用深度学习感知算法来解决现实中的实际问题,具有可行性的研究基础。
随着人工智能技术发展,自然会与汽车技术相结合,目前的人工智能技术在汽车中的落地较多的是基于人车交互的场景,例如智能语音控制车辆总控、实现辅助驾驶等。人工智能技术与汽车的深度结合正在逐步完善,慢慢走向成熟。
目前一些高端品牌轿车上自动变道功能主要车辆总控***检测车辆转向灯功能打开,在并行车道上较为空旷的情况下,实现自动变道,此只能算作是一种便捷化辅助变道,此类自动变道的方案虽然有一定的可行性,但是针对应激性要求较高的复杂场景,很难做到安全性问题的及时预判,一不小心就发生重大事故和交通违法行为。
另外,目前在自动变道解决方案上已有的一些主要采用基于数字图像处理技术、提取RGB和CMY颜色空间中和掉不关心的区域来检测关心的区域识别并行车道上有没有其他车辆及车辆的一些行为状态变化,实现思路较为传统、简单、误差大。
发明内容
为解决上述问题,本发明提供了一种车辆自动变道方法、控制装置、电子设备及汽车。
为实现上述目的,一方面,本发明提供了一种车辆自动变道方法,包括以下步骤:
获取目标车辆的当前周围环境信息;
判断目标车辆的变道意图;
若目标车辆意图变道,则采用第一识别模型根据所述当前周围环境的信息,判断目标车辆需要变道时并行车道线的类型;所述第一识别模型是根据历史车辆的周围环境信息和历史变道时并行车道线的类型进行训练得到的;
若并行车道线的类型为实线,则停止自动变道;若并行车道线的类型为虚线,则采用第二识别模型根据所述当前周围环境的信息,判断目标车辆附近有无不安全因素;所述第二识别模型是根据历史车辆的周围环境信息和历史车辆附近有无不安全因素进行训练得到的;
若目标车辆附近无不安全因素,则进行自动变道;
若目标车辆附近有不安全因素,停止自动变道。
进一步的,所述第一识别模型由以下步骤得到:
获取所述历史车辆的周围环境信息和所述历史变道时并行车道线的类型作为训练数据,训练学习模型并进行优化,得到所述第一识别模型;
所述第二识别模型由以下步骤得到:
获取所述历史车辆的周围环境信息和所述历史车辆附近有无不安全因素作为训练数据,训练学习模型并进行优化,得到所述第二识别模型;
其中,获取所述历史车辆的周围环境信息和所述历史变道时并行车道线的类型作为训练数据的具体步骤为:
采集多张实际道路中包含单实线、单黄线、双黄线、虚线、左侧虚线右侧实线、左侧实线右侧虚线的图片数据作为判断并行车道线类型的第一样本数据;
将所述第一样本数据按6:2:2的比例依次划分为训练集、测试集和验证集,作为所述第一识别模型的训练数据;
所述第二识别模型由以下步骤得到:
获取所述历史车辆的周围环境信息和所述历史车辆附近有无不安全因素作为训练数据,训练学习模型并进行优化,得到所述第二识别模型;
其中,获取所述历史车辆的周围环境信息和所述历史车辆附近有无不安全因素作为训练数据的具体步骤为:
采集多张具有移动物体的视频数据,从中获取多张单帧图片数据作为判断是否有移动物体的第二样本数据;
采集多张包含前方车辆信号灯的图片作为判断前方车辆移动行为意图的第三样本数据;
采集多张包含后方车辆信号灯的图片作为判断后方车辆移动行为意图的第四样本数据;
将所述第二样本数据、所述第三样本数据以及所述第四样本数据按6:2:2的比例依次划分为训练集、测试集和验证集,作为所述第二识别模型的训练数据。
进一步的,车辆总控***判断当前车辆变道意图的具体步骤为:
如果目标车辆打开转向灯开关,则确定目标车辆具有变道的倾向;
判断车身与车右侧车道线的夹角α是否符合0°<α<90°,若α符合0°<α<90°,则判定目标车辆具有向右变道的倾向;
判断目标车辆的变道倾向是否与转向灯一致,若目标车辆的变道倾向和转向灯不一致时,停止自动变道;若目标车辆变道的转向方向和转向灯一致时,则确定目标车辆意图变道;
若α不符合0°<α<90°,则判断车身与车左侧车道线的夹角为β是否符合0°<β<90°,若β符合0°<β<90°,则判定目标车辆具有向左变道的倾向;
判断目标车辆的变道倾向是否与转向灯一致,若目标车辆的变道倾向和转向灯不一致时,停止自动变道;若目标车辆变道的转向方向和转向灯一致时,则确定目标车辆意图变道;
若β不符合0°<β<90°,则判定目标车辆不具有变道的倾向,停止自动变道。
进一步的,判断目标车辆需要变道时并行车道线的类型的具体步骤为:
由车身两侧的摄像头拍摄并行车道线图片,得到所述目标车辆的当前周围环境信息;
将所述目标车辆的当前周围环境信息输入所述第一识别模型,得到并行车道线的类型;
其中,所述实线为白实线、单黄线以及双黄线,所述虚线为单虚线、左侧虚线右侧实线、左侧实线右侧虚线。
进一步的,判断目标车辆附近有无不安全因素的具体步骤为:
由车身两侧的摄像头拍摄的单帧图片,得到所述目标车辆的当前周围环境信息;
将所述目标车辆的当前周围环境信息输入所述第二识别模型,判断目标车辆周围是否有移动物体,若是则进入下一步骤,若不是则开始自动变道;
判断移动物体与目标车辆之间是否处于碰撞距离之外,若是则进入下一步骤,若不是则停止自动变道;
若在目标车辆有变道需求的一侧车道有车辆,获取目标车辆的车速信息,并检测有变道需求的一侧车道的车辆与目标车辆的相对速度,若相对速度超出阈值范围,判定为不安全变道情况,停止自动变道;若相对速度处于阈值范围内,进行自动变道;
当变道完成后,在所处道路上继续行驶。
进一步的,所述碰撞距离为20米,相对速度的阈值范围为0-20km/h。
另一方面,本发明提供了一种车辆自动变道的控制装置,包括:
采集单元,用于获取历史车辆的周围环境信息和所述历史变道时并行车道线的类型;
获取单元,用于获取目标车辆的当前周围环境信息;
分析单元,用于将第一样本数据或者包括第二样本数据、第三样本数据以及第四样本数据的组合样本数据分别划分为训练集、测试集和验证集;
模型训练单元,用于第一识别模型、第二识别模型的训练和优化;
识别单元,用于识别目标车辆的当前周围环境信息,并输出目标车辆的变道指令;
控制单元,用于根据变道指令控制目标车辆进行变道操作。
进一步的,所述识别单元内包含第一识别模型、第二识别模型,并置于车辆总控***内。
再一方面,本发明还提供了一种电子设备,包括存储器和处理器,所述存储器存储有用于执行上述方法的计算机程序,所述计算机程序由所述处理器执行。
再一方面,本发明还提供了一种汽车,所述汽车包括上述的电子设备。
与现有技术相比,本发明的有益效果在于:
本发明能够较为精准地识别车辆周围物体的状态变化,能够在场景较为复杂的情况下比较安全可靠地实现自主变道,避免不必要的事故的发生,但是万事没有绝对安全。
本发明正是利用深度学习感知算法的能力,通过不断添加各类样本数据,算法模型不断进行优化,从中挑出最优的算法模型,并把此模型预置在车辆总控***中,在实际场景中由总控***预测车辆周围物体的状态变化,是否在自动变道过程中存在不安全隐患,若有,立即取消自动变道,能够做到安全性及时预防。
附图说明
图1为本发明实施例中的第一识别模型的训练方法流程图;
图2为本发明实施例中的第二识别模型的训练方法流程图;
图3为本发明实施例中的判断当前车辆变道意图的方法流程图;
图4为本发明实施例中的判断当前车辆附近有无不安全因素的方法流程图;
图5为本发明实施例中控制装置的结构示意图。
图中:100、采集单元;200、获取单元;300、分析单元;400、模型训练单元;500、识别单元;600、控制单元。
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,所描述的实施例仅是本发明一部分实施例,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,都属于本发明保护的范围。
参见图1,该图为本发明实施例提供的第一识别模型的训练方法,包括以下步骤S101-S103:
S101:采集多张实际道路中包含单实线、单黄线、双黄线、虚线、左侧虚线右侧实线、左侧实线右侧虚线的图片数据作为判断并行车道线类型的第一样本数据;
S102:将所述第一样本数据按6:2:2的比例依次划分为训练集、测试集和验证集,作为所述第一识别模型的训练数据;
S103:训练学习模型并进行优化,得到所述第一识别模型,将所述第一识别模型预置于车辆总控***。
参见图2,该图为本发明实施例提供的第二识别模型的训练方法,包括以下步骤S201-S204:
S201:采集多张具有移动物体的视频数据,从中获取多张单帧图片数据作为判断是否有移动物体的第二样本数据;
S202:采集多张包含前方车辆信号灯的图片作为判断前方车辆移动行为意图的第三样本数据;
S203:采集多张包含后方车辆信号灯的图片作为判断后方车辆移动行为意图的第四样本数据;
S204:将所述第二样本数据、所述第三样本数据以及所述第四样本数据按6:2:2的比例依次划分为训练集、测试集和验证集,作为所述第二识别模型的训练数据,将所述第二识别模型预置于车辆总控***。
参见图3,该图为本发明实施例提供的判断当前车辆变道意图的方法流程图,包括以下步骤S301-S304:
S301:如果目标车辆打开转向灯开关,则确定目标车辆具有变道的倾向;
S302:判断车身与车右侧车道线的夹角α是否符合0°<α<90°,若α符合0°<α<90°,则判定目标车辆具有向右变道的倾向;
判断目标车辆的变道倾向是否与转向灯一致,若目标车辆的变道倾向和转向灯不一致时,停止自动变道;若目标车辆变道的转向方向和转向灯一致时,则确定目标车辆变道意图;
S303:若α不符合0°<α<90°,则判断车身与车左侧车道线的夹角为β是否符合0°<β<90°,若β符合0°<β<90°,则判定目标车辆具有向左变道的倾向;
S304:判断目标车辆的变道倾向是否与转向灯一致,若目标车辆的变道倾向和转向灯不一致时,停止自动变道;若目标车辆变道的转向方向和转向灯一致时,则确定目标车辆意图变道;
若β不符合0°<β<90°,则判定目标车辆不具有变道的倾向,停止自动变道。
参见图4,该图为本发明实施例提供的判断当前车辆附近有无不安全因素的方法流程图,包括以下步骤S401-S404:
S401:由车身两侧的摄像头拍摄的单帧图片,得到所述目标车辆的当前周围环境信息;
S402:将所述目标车辆的当前周围环境信息输入所述第二识别模型,判断目标车辆周围是否有移动物体,若是则进入下一步骤,若不是则开始自动变道;
S403:判断移动物体与目标车辆之间是否处于碰撞距离之外,若是则进入下一步骤,若不是则停止自动变道;
若在目标车辆有变道需求的一侧车道有车辆,获取目标车辆的车速信息,并检测有变道需求的一侧车道的车辆与目标车辆的相对速度,若相对速度超出阈值范围,判定为不安全变道情况,停止自动变道;若相对速度处于阈值范围内,进行自动变道;
S404:当变道完成后,在所处道路上继续行驶。
在本实施例中,所述碰撞距离为20米,相对速度的阈值范围为0-20km/h。
本发明提供了一种车辆自动变道的控制装置,参见图5,包括:
采集单元100,用于获取历史车辆的周围环境信息和所述历史变道时并行车道线的类型;
获取单元200,用于获取目标车辆的当前周围环境信息;
分析单元300,用于将第一样本数据或者包括第二样本数据、第三样本数据以及第四样本数据的组合样本数据分别划分为训练集、测试集和验证集;
模型训练单元400,用于第一识别模型、第二识别模型的训练和优化;
识别单元500,用于识别目标车辆的当前周围环境信息,并输出目标车辆的变道指令;
控制单元600,用于根据变道指令控制目标车辆进行变道操作。
基于上述实施例提供的自动变道方法及控制装置,本发明还提供了一种电子设备,包括存储器和处理器,所述存储器存储有用于执行上述方法的计算机程序,所述计算机程序由所述处理器执行。
本发明实施例还提供了一种包含上述电子设备的汽车。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (6)
1.一种车辆自动变道方法,其特征在于包括以下步骤:
获取目标车辆的当前周围环境信息;
判断目标车辆的变道意图;
若目标车辆意图变道,则采用第一识别模型根据所述当前周围环境的信息,判断目标车辆需要变道时并行车道线的类型;所述第一识别模型是根据历史车辆的周围环境信息和历史变道时并行车道线的类型进行训练得到的;
若并行车道线的类型为实线,则停止自动变道;若并行车道线的类型为虚线,则采用第二识别模型根据所述当前周围环境的信息,判断目标车辆附近有无不安全因素;所述第二识别模型是根据历史车辆的周围环境信息和历史车辆附近有无不安全因素进行训练得到的;
若目标车辆附近无不安全因素,则进行自动变道;
若目标车辆附近有不安全因素,停止自动变道;
所述第一识别模型由以下步骤得到:
获取所述历史车辆的周围环境信息和所述历史变道时并行车道线的类型作为训练数据,训练学习模型并进行优化,得到所述第一识别模型;
其中,获取所述历史车辆的周围环境信息和所述历史变道时并行车道线的类型作为训练数据的具体步骤为:
采集多张实际道路中包含单实线、单黄线、双黄线、虚线、左侧虚线右侧实线、左侧实线右侧虚线的图片数据作为判断并行车道线类型的第一样本数据;
将所述第一样本数据按6:2:2的比例依次划分为训练集、测试集和验证集,作为所述第一识别模型的训练数据;
所述第二识别模型由以下步骤得到:
获取所述历史车辆的周围环境信息和所述历史车辆附近有无不安全因素作为训练数据,训练学习模型并进行优化,得到所述第二识别模型;
其中,获取所述历史车辆的周围环境信息和所述历史车辆附近有无不安全因素作为训练数据的具体步骤为:
采集多张具有移动物体的视频数据,从中获取多张单帧图片数据作为判断是否有移动物体的第二样本数据;
采集多张包含前方车辆信号灯的图片作为判断前方车辆移动行为意图的第三样本数据;
采集多张包含后方车辆信号灯的图片作为判断后方车辆移动行为意图的第四样本数据;
将所述第二样本数据、所述第三样本数据以及所述第四样本数据的组合样本数据按6:2:2的比例依次划分为训练集、测试集和验证集,作为所述第二识别模型的训练数据;
车辆总控***判断当前车辆变道意图的具体步骤为:
如果目标车辆打开转向灯开关,则确定目标车辆具有变道的倾向;
判断车身与车右侧车道线的夹角α是否符合0°<α<90°,若α符合0°<α<90°,则判定目标车辆具有向右变道的倾向;
判断目标车辆的变道倾向是否与转向灯一致,若目标车辆的变道倾向和转向灯不一致时,停止自动变道;若目标车辆变道的转向方向和转向灯一致时,则确定目标车辆意图变道;
若α不符合0°<α<90°,则判断车身与车左侧车道线的夹角为β是否符合0°<β<90°,若β符合0°<β<90°,则判定目标车辆具有向左变道的倾向;
若β不符合0°<β<90°,则判定目标车辆不具有变道的倾向,停止自动变道;
判断目标车辆需要变道时并行车道线的类型的具体步骤为:
由车身两侧的摄像头拍摄并行车道线图片,得到所述目标车辆的当前周围环境信息;
将所述目标车辆的当前周围环境信息输入所述第一识别模型,得到并行车道线的类型;
其中,所述实线为白实线、单黄线以及双黄线,所述虚线为单虚线、左侧虚线右侧实线、左侧实线右侧虚线;
判断目标车辆附近有无不安全因素的具体步骤为:
由车身两侧的摄像头拍摄的单帧图片,得到所述目标车辆的当前周围环境信息;
将所述目标车辆的当前周围环境信息输入所述第二识别模型,判断目标车辆周围是否有移动物体,若是则进入下一步骤,若不是则开始自动变道;
判断移动物体与目标车辆之间是否处于碰撞距离之外,若是则进入下一步骤,若不是则停止自动变道;
若在目标车辆有变道需求的一侧车道有车辆,获取目标车辆的车速信息,并检测有变道需求的一侧车道的车辆与目标车辆的相对速度,若相对速度超出阈值范围,判定为不安全变道情况,停止自动变道;若相对速度处于阈值范围内,进行自动变道;
当变道完成后,在所处道路上继续行驶。
2.根据权利要求1所述的车辆自动变道方法,其特征在于:所述碰撞距离为20米,相对速度的阈值范围为0-20km/h。
3.一种车辆自动变道的控制装置,其特征在于,用于实现如权利要求1或2任意一项所述车辆自动变道方法,包括:
采集单元,用于获取历史车辆的周围环境信息和历史变道时并行车道线的类型;
获取单元,用于获取目标车辆的当前周围环境信息;
分析单元,用于将第一样本数据或者包括第二样本数据、第三样本数据以及第四样本数据的组合样本数据分别划分为训练集、测试集和验证集;
模型训练单元,用于第一识别模型、第二识别模型的训练和优化;
识别单元,用于识别目标车辆的当前周围环境信息,并输出目标车辆的变道指令;
控制单元,用于根据变道指令控制目标车辆进行变道操作。
4.根据权利要求3所述的车辆自动变道的控制装置,其特征在于:所述识别单元内包含第一识别模型、第二识别模型,并置于车辆总控***内。
5.一种电子设备,其特征在于:包括存储器和处理器,所述存储器存储有用于实现权利要求1-2任意一项所述方法的计算机程序,所述计算机程序由所述处理器执行。
6.一种汽车,其特征在于:所述汽车包括如权利要求5所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110167997.XA CN112758107B (zh) | 2021-02-07 | 2021-02-07 | 一种车辆自动变道方法、控制装置、电子设备及汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110167997.XA CN112758107B (zh) | 2021-02-07 | 2021-02-07 | 一种车辆自动变道方法、控制装置、电子设备及汽车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112758107A CN112758107A (zh) | 2021-05-07 |
CN112758107B true CN112758107B (zh) | 2023-01-03 |
Family
ID=75705286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110167997.XA Active CN112758107B (zh) | 2021-02-07 | 2021-02-07 | 一种车辆自动变道方法、控制装置、电子设备及汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112758107B (zh) |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102910126B (zh) * | 2012-10-30 | 2015-03-04 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种辅助车辆安全变更车道的方法及*** |
CN106741148B (zh) * | 2017-01-04 | 2019-06-11 | 北京新能源汽车股份有限公司 | 一种汽车转向控制方法、装置和汽车 |
CN108009524B (zh) * | 2017-12-25 | 2021-07-09 | 西北工业大学 | 一种基于全卷积网络的车道线检测方法 |
CN109344704B (zh) * | 2018-08-24 | 2021-09-14 | 南京邮电大学 | 一种基于行车方向与车道线夹角的车辆变道行为检测方法 |
CN108961839A (zh) * | 2018-09-05 | 2018-12-07 | 奇瑞汽车股份有限公司 | 行车变道方法及装置 |
CN111661057A (zh) * | 2019-03-07 | 2020-09-15 | 上海博泰悦臻网络技术服务有限公司 | 车辆、车机设备及其车辆变道路况提示方法 |
CN111746383A (zh) * | 2019-03-26 | 2020-10-09 | 长城汽车股份有限公司 | 车辆转向安全控制***、车辆 |
CN110222591B (zh) * | 2019-05-16 | 2023-04-07 | 天津大学 | 一种基于深度神经网络的车道线检测方法 |
CN110745136B (zh) * | 2019-09-20 | 2021-05-07 | 中国科学技术大学 | 一种驾驶自适应控制方法 |
CN111382686B (zh) * | 2020-03-04 | 2023-03-24 | 上海海事大学 | 一种基于半监督生成对抗网络的车道线检测方法 |
CN111516597A (zh) * | 2020-03-23 | 2020-08-11 | 一汽奔腾轿车有限公司 | 一种新型智能外后视镜及其控制方法 |
CN111310737B (zh) * | 2020-03-26 | 2023-10-13 | 山东极视角科技股份有限公司 | 一种车道线检测方法及装置 |
CN111703424B (zh) * | 2020-05-26 | 2021-12-24 | 武汉理工大学 | 一种智能网联汽车多传感器融合辅助变道方法及*** |
CN111717197A (zh) * | 2020-06-23 | 2020-09-29 | 中国第一汽车股份有限公司 | 一种后碰撞预防方法、装置及车辆 |
CN111775938B (zh) * | 2020-06-24 | 2021-11-16 | 福瑞泰克智能***有限公司 | 一种变道路径规划方法、装置及*** |
-
2021
- 2021-02-07 CN CN202110167997.XA patent/CN112758107B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112758107A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111212772B (zh) | 用于确定车辆的驾驶策略的方法和设备 | |
CN110430401B (zh) | 车辆盲区预警方法、预警装置、mec平台和存储介质 | |
EP3533681A2 (en) | Method for detecting safety of driving behavior, apparatus and storage medium | |
CN109760675B (zh) | 预测车辆轨迹的方法、装置、存储介质和终端设备 | |
US8626427B2 (en) | User interface method for terminal for vehicle and apparatus thereof | |
CN109859509A (zh) | 车道通行状态提醒方法及设备 | |
CN111002984A (zh) | 一种自动驾驶方法、装置、车辆及自动驾驶设备 | |
JP7156394B2 (ja) | 他車動作予測方法及び他車動作予測装置 | |
CN104424487A (zh) | 车外环境识别装置 | |
US10600323B2 (en) | Vehicle external notification device | |
CN113022441B (zh) | 一种车辆盲区的检测方法、装置、电子设备及存储介质 | |
CN112606831A (zh) | 一种用于客车的防碰撞警示信息对外交互方法及*** | |
CN115877343A (zh) | 基于雷达目标跟踪的人车匹配方法、装置和电子设备 | |
CN115402322A (zh) | 一种路口驾驶辅助方法、***、电子设备及存储介质 | |
CN112758107B (zh) | 一种车辆自动变道方法、控制装置、电子设备及汽车 | |
JP2009230225A (ja) | 車両用周囲監視装置 | |
CN110727269B (zh) | 车辆控制方法及相关产品 | |
CN112634627A (zh) | 一种高速巡航状态下的换道方法、装置及汽车 | |
CN115082894A (zh) | 距离检测方法、车辆远光灯控制方法、设备、介质及车辆 | |
CN114954440A (zh) | 具有自主探索模式的泊车方法、泊车***及电子设备 | |
CN114771510A (zh) | 基于路线图的泊车方法、泊车***及电子设备 | |
CN114604269A (zh) | 用于控制车辆的转弯操作的方法和设备 | |
Balcerek et al. | Mobile applications for driver and pedestrian assistance | |
CN109144052B (zh) | 用于自动驾驶车辆的导航***及其方法 | |
RU2793737C1 (ru) | Способ интеллектуальной парковки и устройства для его реализации |
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 |