CN116238524A - 基于高精地图与车辆历史轨迹的驾驶行为判别方法及*** - Google Patents
基于高精地图与车辆历史轨迹的驾驶行为判别方法及*** Download PDFInfo
- Publication number
- CN116238524A CN116238524A CN202310301421.7A CN202310301421A CN116238524A CN 116238524 A CN116238524 A CN 116238524A CN 202310301421 A CN202310301421 A CN 202310301421A CN 116238524 A CN116238524 A CN 116238524A
- Authority
- CN
- China
- Prior art keywords
- lane
- obstacle
- driving behavior
- vehicle
- frame
- 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
- 238000012850 discrimination method Methods 0.000 title claims description 9
- 230000008859 change Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 68
- 239000000284 extract Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008569 process 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
- 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
- B60W40/10—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 vehicle motion
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4044—Direction of movement, e.g. backwards
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于高精地图与车辆历史轨迹的驾驶行为判别方法及***,结合高精地图与车辆历史轨迹对车辆的驾驶行为,在可以不涉及到硬件数据的状态下,主动提取车辆实时的车道信息,通过车道号的变动能够准确的判定车辆发生换道行为,同时辅以初始与当前车道间的距离判断换道的方向,能够避免车道合并情景下车道号发生频繁变动,并能通过车辆所在车道位置判断车辆换道的完整周期,最终实现对车辆驾驶行为的连续且精准的判定。
Description
技术领域
本申请涉及自动驾驶预测技术领域,尤其涉及一种基于高精地图与车辆历史轨迹的驾驶行为判别方法及***。
背景技术
现有方案通过搜索车辆的历史轨迹点,计算历史轨迹点中两两轨迹点之间的航向差,当航向差超过预设值时,将此点作为车辆换道的起点,再依照起点的角速度找出后续轨迹点中第一个角速度发生变化的轨迹点作为换道终点,换道起点到换道终点之间的所有轨迹点即为换道序列,若能在车辆的历史轨迹点中找到换道序列,即判定车辆发生了换道行为。但是目前这些现有方案的弊端是仅仅只能针对车辆的一种换道行为进行判定,无法对行为进行精准判定(如左右换道)且判定过度依赖车辆轨迹的精准度,如车辆轨迹航向/角速度发生小幅度跳变会导致判定失败,这也是目前基于传感器数据去进行行为判定不可能的原因,传感器本身的数据就是具备一定扰动的,无法实现较为精准的行为判定。
发明内容
为了解决上述技术问题,本申请实施例提供一种基于高精地图与车辆历史轨迹的驾驶行为判别方法及***。
本申请实施例第一方面提供了一种基于高精地图与车辆历史轨迹的驾驶行为判别方法,可包括如下步骤:
步骤S1:获取高精地图与障碍物的历史轨迹以形成障碍物特征序列,其中,所述障碍物包括目标环境中的所有车辆;
步骤S2:基于所获取的障碍物特征序列,并以起始帧作为参照,获取每一帧相对于起始帧的驾驶行为特征,其中所述驾驶行为特征包括航向特征和距离特征;
步骤S3:获取当前车辆的特征序列,基于驾驶行为特征对当前障碍物的驾驶行为进行判定;
步骤S4:将步骤S3所获取的驾驶行为存储到行为序列后将当前帧更新为起始帧,重复步骤S2~S3直至遍历完该障碍物的特征序列,形成该障碍物的连续行为。
进一步地,所述步骤S1中障碍物特征序列包括各个障碍物在各时刻的位置、航向、所处车道号、所处车道宽度、障碍物朝向与所处车道的角度差、所处区域。
进一步地,所述步骤S2遍历障碍物特征序列的每一帧,并对比起始帧以获取两帧之间的航向特征和距离特征;所述航向特征包括航向偏差角度,距离特征包括所处车道的中心线距离和当前帧的车辆与所处车道中心线距离。
进一步地,所述所处车道的中心线距离为该障碍物从当前帧的位置投影到起始帧的车道中心线所形成的第一投影点与从该第一投影点投影到当前帧的车道中心线所形成的第二投影点之间的距离。
进一步地,所述当前帧的车辆与所处车道中心线距离为该障碍物从当前帧的位置投影到当前帧的车道形成的第三投影点与当前帧的车道中心线的距离。
进一步地,所述步骤S3中基于障碍物的航向与车道朝向角度差判定是否达逆向行驶以及是否存在转向操作。
进一步地,基于障碍物航向与车道朝向角度差是否达到预设的逆向行驶角度阈值以判定是否逆向行驶。
进一步地,所述步骤S3中基于车道号信息以及所处车道的中心线距离判定是否存在换道操作。
进一步地,基于当前帧所处的车道号与起始帧所处的车道号是否发生变化,再判断当前帧的车道与起始帧的车道的中心线距离的绝对值是否超过当前帧的车道宽度的1/2(以准确判定行为的起始时间),再根据当前帧车道与起始帧车道的中心线距离的正负判断左右换道(左正右负)以判定障碍物换道以及换道方向。
进一步地,对于直行行为的判定,考虑障碍物当前所处普通道路或路口:
若起始帧位于普通道路,且车道号与当前帧的车道号一致,且起始帧与当前帧之间的航向偏差的绝对值小于普通道路直行阈值;
若起始帧位于普通道路,当前帧位于路口,且起始帧与当前帧之间的航向偏差的绝对值小于普通道路直行阈值;
若起始帧位于路口,当前帧位于普通道路,且起始帧与当前帧之间的航向偏差的绝对值小于路口直行阈值。
本申请实施例第二方面提供了一种基于高精地图与车辆历史轨迹的驾驶行为判别***,包括:
特征序列模块,基于高精地图与障碍物的历史轨迹以形成障碍物特征序列,其中,所述障碍物包括目标环境中的所有车辆,障碍物特征序列包括各个障碍物在各时刻的位置、航向和所处车道信息;
遍历模块,基于所获取的障碍物特征序列,并以第一帧作为起始帧,获取每一帧相对于起始帧的驾驶行为特征,其中所述驾驶行为特征包括航向特征和距离特征;
驾驶行为模块,筛选当前障碍物的特征序列以及其驾驶行为特征对当前障碍物的驾驶行为进行判定,并在当前帧所包含的驾驶行为判定成功后,将当前帧更新为起始帧,再次由遍历模块进行遍历;
行为数据存储模块,存储驾驶行为模块的输出数据形成该障碍物的连续行为数据。
进一步地,所述遍历模块遍历障碍物特征序列的每一帧,并对比起始帧以获取两帧之间的航向特征和距离特征;所述航向特征包括航向偏差角度,距离特征包括所处车道的中心线距离和当前帧的车辆与所处车道中心线距离。
进一步地,所述驾驶行为模块在判定驾驶行为时基于障碍物的航向与车道朝向角度差判定是否达逆向行驶以及是否存在转向操作,基于车道号信息以及所处车道的中心线距离判定是否存在换道操作。
本发明的有益效果,结合高精地图与车辆历史轨迹对车辆的驾驶行为,在可以不涉及到硬件数据的状态下,主动提取车辆实时的车道信息(车道号/车道宽度),通过车道号的变动能够准确的判定车辆发生换道行为,同时辅以初始与当前车道间的距离判断换道的方向(左/右),能够避免车道合并情景下车道号发生频繁变动,并能通过车辆所在车道位置判断车辆换道的完整周期(起始时间),最终实现对车辆驾驶行为的连续且精准的判定。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的驾驶行为判别方法的流程图;
图2是本申请实施例提供的驾驶行为判别***的逻辑框图。
具体实施方式
为使得本申请的申请目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
下面结合附图和具体实施例,进一步阐明本发明。
在本申请的描述中,需要理解的是,术语“上”、“下”、“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申请和简化描述,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申请的限制。
本申请提供了一种基于高精地图与车辆历史轨迹的驾驶行为判别方法,可包括如下步骤:
步骤S1:获取高精地图与障碍物的历史轨迹(俯视角度的轨迹图)以形成障碍物特征序列,其中,障碍物包括周围环境所有的车辆包括自车,障碍物特征序列包括至少需要包含各个障碍物在各时刻的航向、车道号和速度信息。
作为一个具体的实施例,障碍物特征序列包括各个障碍物在各时刻的位置、航向、所处车道号、所处车道宽度、障碍物朝向与所处车道的角度差、所处区域,这里所处区域主要是路口和普通道路的区别。
步骤S2:基于所获取的障碍物特征序列,并以起始帧(第一帧)作为参照,获取后面每一帧相对于起始帧的驾驶行为特征,其中驾驶行为特征包括航向特征和距离特征,航向特征包括航向偏差角度,距离特征包括所处车道的中心线距离和当前帧的车辆与所处车道中心线距离。
作为一个具体的实施例,所处车道的中心线距离并不能直接简单定义为两个车道的横向距离,需要考虑道路的形态,以及在路口道路数目出现更改的情况,因此这里的中心线距离为该障碍物从当前帧的位置投影到起始帧的车道中心线所形成的第一投影点与从该第一投影点投影到当前帧的车道中心线所形成的第二投影点之间的距离。
当前帧的车辆与所处车道中心线距离为该障碍物从当前帧的位置投影到当前帧的车道形成的第三投影点与当前帧的车道中心线的距离。
步骤S3:获取当前车辆的特征序列,基于驾驶行为特征对当前障碍物的驾驶行为进行判定。
作为一个具体的实施例,针对不同的行驶行为有不同的判定方式:
逆向行驶:基于障碍物航向与车道朝向角度差是否达到预设的逆向行驶角度阈值以判定是否逆向行驶,只要超过逆向行驶角度阈值就认定为逆向行驶。
转向行驶:判断起始帧与当前帧之间的航向偏差的绝对值以判定车辆是否超过预设的转向阈值,若发生转向依次判断是否到达U型转向阈值(即掉头,一般掉头的整体幅度都是180度,但考虑到大型车辆的掉头转角不能过大,因此这是一个由很多帧组成的动作,这里基于经验值进行阈值的设定),若不是U型转向,则根据航向偏差的正负判定左右转向(左正右负)。
换道行驶:基于当前帧所处的车道号与起始帧所处的车道号是否发生变化,再判断当前帧的车道与起始帧的车道的中心线距离的绝对值是否超过当前帧的车道宽度的1/2(以准确判定行为的起始时间),若车道号发生了变化且绝对值超过宽度的1/2,则认定是换道行为,再根据当前帧车道与起始帧车道的中心线距离的正负判断左右换道(左正右负)以判定障碍物换道以及换道方向。换道行为的认定需要撇除在趋近路口时车道数目变化,以及车辆行驶压线的情况,因此必须车道以及横移都满足条件才能够认定。
直行行驶:需要考虑障碍物当前所处普通道路或路口,
若起始帧位于普通道路,且车道号与当前帧的车道号一致,且起始帧与当前帧之间的航向偏差的绝对值小于普通道路直行阈值;
若起始帧位于普通道路,当前帧位于路口,且起始帧与当前帧之间的航向偏差的绝对值小于普通道路直行阈值;
若起始帧位于路口,当前帧位于普通道路,且起始帧与当前帧之间的航向偏差的绝对值小于路口直行阈值。
步骤S4:将步骤S3所获取的驾驶行为存储到行为序列后将对应的帧更新为起始帧,重复步骤S2~S3直至遍历完该障碍物的特征序列,形成该障碍物的连续行为。
与现有技术中的车道识别不同的是,本申请是结合高精地图与车辆历史轨迹对车辆的驾驶行为,在可以不涉及到硬件数据(传感器的数据虽然可以采用,但是考虑到其自身存在一定的扰动性,数据上只能够参考,不能够完全采纳,这就导致以传感器为硬件,数学建模的运动预测方式很难有效完成行为预测)的状态下,主动提取车辆实时的车道信息(车道号/车道宽度),通过车道号的变动能够准确的判定车辆发生换道行为,同时辅以初始与当前车道间的距离判断换道的方向(左/右),能够避免车道合并情景下车道号发生频繁变动,并能通过车辆所在车道位置判断车辆换道的完整周期(起始时间),最终实现对车辆驾驶行为的连续且精准的判定。
本申请第二方面提供了一种基于高精地图与车辆历史轨迹的驾驶行为判别***,包括特征序列模块、遍历模块、驾驶行为模块和行为数据存储模块。
作为一个具体的实施例,特征序列模块基于高精地图与障碍物的历史轨迹以形成障碍物特征序列,其中,障碍物包括目标环境中的所有车辆,包括自车,障碍物特征序列包括各个障碍物在各时刻的位置、航向和所处车道信息,具体地包含障碍物各时刻的位置、航向、所处车道号、所处车道宽度、障碍物朝向与所处车道的角度差、所处区域(路口/普通道路)。
作为一个具体的实施例,遍历模块基于所获取的障碍物特征序列,并以第一帧作为起始帧,获取每一帧相对于起始帧的驾驶行为特征,其中驾驶行为特征包括航向特征和距离特征。
作为一个优选方案,遍历模块遍历障碍物特征序列的每一帧,并对比起始帧以获取两帧之间的航向特征和距离特征,这里航向特征包括起始帧与当前帧之间的航向偏差角度,距离特征包括当前帧的车道的中心线与起始帧的车道的中心线的距离(从当前帧的车辆位置投影到起始帧的车道中心线得到点A,再从点A投影到当前帧的车道中心线得到点B,AB的距离即为当前帧的车道与起始帧车道的中心线距离)、当前帧的车与当前帧的车道中心线的距离(从当前帧的位置投影到当前帧的车道得到点C,当前帧到点C的距离即为当前帧与当前帧车道中心线距离)。
作为一个具体的实施例,驾驶行为模块筛选当前障碍物的特征序列以及其驾驶行为特征对当前障碍物的驾驶行为进行判定,并在当前帧所包含的驾驶行为判定成功后,将当前帧更新为起始帧,再次由遍历模块进行遍历;
驾驶行为模块在判定驾驶行为时基于障碍物的航向与车道朝向角度差判定是否达逆向行驶以及是否存在转向操作,基于车道号信息以及所处车道的中心线距离判定是否存在换道操作。
作为一个具体的实施例,驾驶行为模块中设置有逆向行驶判定单元、换道判定单元、转向判定单元和直行判定单元。
作为一个优选方案,逆向行驶判定单元通过判断障碍物航向与车道朝向角度差是否达到预设的逆向行驶角度阈值来输出结果,如果超过该阈值,则认定为逆向行驶。
作为一个优选方案,换道判定单元通过判断当前帧的车道对应的车道号与起始帧的车道对应的车道号是否发生变化,再判断当前帧的车道的中心线与起始帧的车道的中心线的距离绝对值是否超过当前帧所在车道宽度的1/2(以准确判定行为的起始时间),再根据当前帧的车道与起始帧的车道的中心线距离的正负判断左右换道(比如向左换道对应的差值是正,向右换道对应的差值是负)。
作为一个优选方案,转向判定单元通过判断起始帧与当前帧之间的航向偏差的绝对值判定车辆是否超过预设的转向阈值,若超过该阈值则判定发生转向,之后再依次判断是否到达预设的U型转向阈值(该阈值对应的动作是掉头),若不是U型转向,则根据航向偏差的正负判定左右转向(比如向左转对应的差值是正,向右转对应的差值是负)。
作为一个优选方案,直行判定单元通过航向偏差来进行判定,但是要考虑到路口还是普通道路的场景(由于整个驾驶场景所在的场地是固定的,因此对于当前障碍物是在路口还是普通道路是可以基于周边环境进行快速定位的)。下面的判定可以认定为直行:
起始帧位于普通道路,车道号与当前帧的车道号一致,且起始帧与当前帧之间的航向偏差的绝对值小于普通道路直行阈值;
起始帧位于普通道路,当前帧位于路口,且起始帧与当前帧之间的航向偏差的绝对值小于普通道路直行阈值;
起始帧位于路口,当前帧位于普通道路,且起始帧与当前帧之间的航向偏差的绝对值小于路口直行阈值。
作为一个具体的实施例,行为数据存储模块通过存储驾驶行为模块的输出数据形成该障碍物的连续行为数据。
本***对历史数据提取了车辆实时的车道信息(车道号/车道宽度),通过车道号的变动能够准确的判定车辆发生换道行为,辅以初始与当前车道间距离判断换道的方向(左/右),且能避免车道合并情景下车道号发生频繁变动,通过车辆所在车道位置判断车辆换道的完整周期(起始时间),后续可以通过深度学习训练出一个网络输入车辆的历史轨迹序列与高精地图信息以判定其行为,进行意图识别,保障后面车辆驾驶过程中的行为意图识别的准确性。
以上详细描述了本发明的优选实施方式,但是本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等),这些等同变换均属于本发明的保护。
Claims (10)
1.一种基于高精地图与车辆历史轨迹的驾驶行为判别方法,其特征在于:包括如下步骤:
步骤S1:获取高精地图与障碍物的历史轨迹以形成障碍物特征序列,其中,所述障碍物包括目标环境中的所有车辆;
步骤S2:基于所获取的障碍物特征序列,并以起始帧作为参照,获取每一帧相对于起始帧的驾驶行为特征,其中所述驾驶行为特征包括航向特征和距离特征;
步骤S3:获取当前车辆的特征序列,基于驾驶行为特征对当前障碍物的驾驶行为进行判定;
步骤S4:将步骤S3所获取的驾驶行为存储到行为序列后将当前帧更新为起始帧,重复步骤S2~S3直至遍历完该障碍物的特征序列,形成该障碍物的连续行为。
2.根据权利要求1所述的基于高精地图与车辆历史轨迹的驾驶行为判别方法,其特征在于:所述步骤S1中障碍物特征序列包括各个障碍物在各时刻的位置、航向、所处车道号、所处车道宽度、障碍物朝向与所处车道的角度差、所处区域。
3.根据权利要求1所述的基于高精地图与车辆历史轨迹的驾驶行为判别方法,其特征在于:所述步骤S2遍历障碍物特征序列的每一帧,并对比起始帧以获取两帧之间的航向特征和距离特征;所述航向特征包括航向偏差角度,距离特征包括所处车道的中心线距离和当前帧的车辆与所处车道中心线距离。
4.根据权利要求3所述的基于高精地图与车辆历史轨迹的驾驶行为判别方法,其特征在于:所述所处车道的中心线距离为该障碍物从当前帧的位置投影到起始帧的车道中心线所形成的第一投影点与从该第一投影点投影到当前帧的车道中心线所形成的第二投影点之间的距离。
5.根据权利要求4所述的基于高精地图与车辆历史轨迹的驾驶行为判别方法,其特征在于:所述当前帧的车辆与所处车道中心线距离为该障碍物从当前帧的位置投影到当前帧的车道形成的第三投影点与当前帧的车道中心线的距离。
6.根据权利要求1所述的基于高精地图与车辆历史轨迹的驾驶行为判别方法,其特征在于:所述步骤S3中基于障碍物的航向与车道朝向角度差判定是否达逆向行驶以及是否存在转向操作。
7.根据权利要求6所述的基于高精地图与车辆历史轨迹的驾驶行为判别方法,其特征在于:所述步骤S3中基于车道号信息以及所处车道的中心线距离判定是否存在换道操作。
8.一种基于高精地图与车辆历史轨迹的驾驶行为判别***,其特征在于:包括:
特征序列模块,基于高精地图与障碍物的历史轨迹以形成障碍物特征序列,其中,所述障碍物包括目标环境中的所有车辆,障碍物特征序列包括各个障碍物在各时刻的位置、航向和所处车道信息;
遍历模块,基于所获取的障碍物特征序列,并以第一帧作为起始帧,获取每一帧相对于起始帧的驾驶行为特征,其中所述驾驶行为特征包括航向特征和距离特征;
驾驶行为模块,筛选当前障碍物的特征序列以及其驾驶行为特征对当前障碍物的驾驶行为进行判定,并在当前帧所包含的驾驶行为判定成功后,将当前帧更新为起始帧,再次由遍历模块进行遍历;
行为数据存储模块,存储驾驶行为模块的输出数据形成该障碍物的连续行为数据。
9.根据权利要求8所述的基于高精地图与车辆历史轨迹的驾驶行为判别***,其特征在于:所述遍历模块遍历障碍物特征序列的每一帧,并对比起始帧以获取两帧之间的航向特征和距离特征;所述航向特征包括航向偏差角度,距离特征包括所处车道的中心线距离和当前帧的车辆与所处车道中心线距离。
10.根据权利要求8所述的基于高精地图与车辆历史轨迹的驾驶行为判别***,其特征在于:所述驾驶行为模块在判定驾驶行为时基于障碍物的航向与车道朝向角度差判定是否达逆向行驶以及是否存在转向操作,基于车道号信息以及所处车道的中心线距离判定是否存在换道操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310301421.7A CN116238524B (zh) | 2023-03-27 | 2023-03-27 | 基于高精地图与车辆历史轨迹的驾驶行为判别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310301421.7A CN116238524B (zh) | 2023-03-27 | 2023-03-27 | 基于高精地图与车辆历史轨迹的驾驶行为判别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116238524A true CN116238524A (zh) | 2023-06-09 |
CN116238524B CN116238524B (zh) | 2024-02-09 |
Family
ID=86631355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310301421.7A Active CN116238524B (zh) | 2023-03-27 | 2023-03-27 | 基于高精地图与车辆历史轨迹的驾驶行为判别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116238524B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003296899A (ja) * | 2002-03-29 | 2003-10-17 | Toyota Central Res & Dev Lab Inc | 先行車両判定装置 |
KR20040009371A (ko) * | 2002-07-23 | 2004-01-31 | 현대자동차주식회사 | 차량의 차선 이탈 경보 제어방법 |
CN105206090A (zh) * | 2015-10-13 | 2015-12-30 | 厦门星辰天羽汽车设计有限公司 | 一种车辆定位方法 |
CN107563310A (zh) * | 2017-08-16 | 2018-01-09 | 电子科技大学 | 一种违章变道检测方法 |
CN109145860A (zh) * | 2018-09-04 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 车道线跟踪方法和装置 |
CN112819864A (zh) * | 2021-04-16 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 一种行驶状态检测方法、装置及存储介质 |
CN113504782A (zh) * | 2021-09-09 | 2021-10-15 | 北京智行者科技有限公司 | 障碍物防撞方法、装置、***和移动工具 |
CN113771881A (zh) * | 2021-10-19 | 2021-12-10 | 中国第一汽车股份有限公司 | 车辆换道控制方法、装置、电子设备及存储介质 |
CN114771572A (zh) * | 2022-05-10 | 2022-07-22 | 中国第一汽车股份有限公司 | 一种自动驾驶轨迹预测方法、装置、设备和存储介质 |
CN114879659A (zh) * | 2022-03-31 | 2022-08-09 | 广州文远知行科技有限公司 | 逆行障碍物识别方法、装置、设备及存储介质 |
CN114889638A (zh) * | 2022-04-22 | 2022-08-12 | 武汉路特斯汽车有限公司 | 一种自动驾驶***中的轨迹预测方法及*** |
CN115195790A (zh) * | 2022-09-15 | 2022-10-18 | 毫末智行科技有限公司 | 一种预测车辆轨迹的方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-27 CN CN202310301421.7A patent/CN116238524B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003296899A (ja) * | 2002-03-29 | 2003-10-17 | Toyota Central Res & Dev Lab Inc | 先行車両判定装置 |
KR20040009371A (ko) * | 2002-07-23 | 2004-01-31 | 현대자동차주식회사 | 차량의 차선 이탈 경보 제어방법 |
CN105206090A (zh) * | 2015-10-13 | 2015-12-30 | 厦门星辰天羽汽车设计有限公司 | 一种车辆定位方法 |
CN107563310A (zh) * | 2017-08-16 | 2018-01-09 | 电子科技大学 | 一种违章变道检测方法 |
CN109145860A (zh) * | 2018-09-04 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 车道线跟踪方法和装置 |
CN112819864A (zh) * | 2021-04-16 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 一种行驶状态检测方法、装置及存储介质 |
CN113504782A (zh) * | 2021-09-09 | 2021-10-15 | 北京智行者科技有限公司 | 障碍物防撞方法、装置、***和移动工具 |
CN113771881A (zh) * | 2021-10-19 | 2021-12-10 | 中国第一汽车股份有限公司 | 车辆换道控制方法、装置、电子设备及存储介质 |
CN114879659A (zh) * | 2022-03-31 | 2022-08-09 | 广州文远知行科技有限公司 | 逆行障碍物识别方法、装置、设备及存储介质 |
CN114889638A (zh) * | 2022-04-22 | 2022-08-12 | 武汉路特斯汽车有限公司 | 一种自动驾驶***中的轨迹预测方法及*** |
CN114771572A (zh) * | 2022-05-10 | 2022-07-22 | 中国第一汽车股份有限公司 | 一种自动驾驶轨迹预测方法、装置、设备和存储介质 |
CN115195790A (zh) * | 2022-09-15 | 2022-10-18 | 毫末智行科技有限公司 | 一种预测车辆轨迹的方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116238524B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583151B (zh) | 车辆的行驶轨迹预测方法及装置 | |
CN108230731B (zh) | 停车场导航***和方法 | |
CN110962843B (zh) | 一种自动泊车控制决策方法及*** | |
JP3690283B2 (ja) | 車線追従制御装置 | |
CN113267199B (zh) | 行驶轨迹规划方法及装置 | |
US20200369293A1 (en) | Autonomous driving apparatus and method | |
CN110531661B (zh) | 一种车辆自动跟驰控制方法、装置及设备 | |
US20220169280A1 (en) | Method and Device for Multi-Sensor Data Fusion For Automated and Autonomous Vehicles | |
JP2019156174A (ja) | 車両制御装置、車両、車両制御方法およびプログラム | |
CN110667581A (zh) | 一种车辆的自动变道控制***以及自动变道控制方法 | |
CN112141114A (zh) | 窄道通行辅助***及方法 | |
CN105501288A (zh) | 转向助力控制装置和转向助力控制方法 | |
CN111959498A (zh) | 一种自动驾驶车辆的垂直泊车方法及其装置、车辆 | |
CN115230719A (zh) | 一种行驶轨迹规划方法和装置 | |
Friji et al. | A dqn-based autonomous car-following framework using rgb-d frames | |
CN116238524B (zh) | 基于高精地图与车辆历史轨迹的驾驶行为判别方法及*** | |
JP4007355B2 (ja) | 車線追従制御装置 | |
Gackstatter et al. | Stable road lane model based on clothoids | |
CN117227714A (zh) | 一种自动驾驶车辆转弯避让控制方法及*** | |
DE102020202476A1 (de) | Verfahren und Vorrichtung zum Schätzen mindestens eines Objektzustandes eines beweglichen Objektes im Umfeld eines Fahrzeugs | |
CN115230743B (zh) | 一种障碍物轨迹预测的方法、***、电子设备及存储介质 | |
Bruno et al. | Advanced driver assistance system based on automated routines for the benefit of human faults correction in robotics vehicles | |
JP5906987B2 (ja) | 予測軌跡案内システム、方法およびプログラム | |
CN111975775B (zh) | 基于多角度视觉感知的自主机器人导航方法及*** | |
CN115416692A (zh) | 一种自动驾驶方法、装置及电子设备 |
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 |