识别车辆变道趋势的方法和装置制造方法及图纸

一种识别车辆变道趋势的方法和装置，属于自动驾驶技术领域。可以应用在智能汽车、新能源汽车、网联汽车上，识别车辆变道趋势的方法包括：获取检测到目标车辆的激光点云数据(201)，基于激光点云数据，得到本车辆所在车道的中心线与目标车辆的第一距离关系值(202)。获取包含目标车辆的场景图像(203)，基于场景图像，得到上述中心线与目标车辆的第二距离关系值(204)。计算已经得到的多个第一距离关系值的第一可信度和已经得到的多个第二距离关系值的第二可信度(205)。基于第一可信度和第二可信度，计算多个第一距离关系值和多个第二距离关系值的多个融合距离关系值(206)。基于多个融合距离关系值，判断目标车辆是否存在变道趋势(207)。采用这种方法和装置，可以使车辆变道趋势识别更加准确。

【技术实现步骤摘要】
【国外来华专利技术】识别车辆变道趋势的方法和装置
本申请涉及自动驾驶
，特别涉及一种识别车辆变道趋势的方法和装置。
技术介绍
目前，在城市道路中由于车辆变道导致的交通事故十分常见。因此，对于自动驾驶而言，能够准确识别本车辆周围车辆的变道趋势也是十分重要的。在一些自动驾驶车辆中，判断周围目标车辆的变道趋势时，通常会采用激光雷达技术获取周围场景的激光点云数据，并检测目标车辆的轮廓顶点，获取轮廓顶点与本车辆的横向距离。进而，根据该横向距离随时间的变化判断目标车辆变道趋势。此外，还有一些自动驾驶车辆中，判断周围目标车辆的变道趋势时，会采用机器视觉技术获取周围的场景图像，并检测场景图像中本车辆所在的车道线和目标车辆，获取目标车辆和本车辆所在车道线之间的距离。进而，根据该距离随时间的变化判断目标车辆变道趋势。在实现本申请的过程中，专利技术人发现相关技术至少存在以下问题：对于采用激光雷达技术识别目标车辆的变道趋势来说，会受到目标车辆的尾气，扬尘等导致目标车辆的轮廓顶点检测不准确，从而导致对目标车辆的变道趋势判断不准确。对于采用机器视觉技术识本文档来自技高网...

【技术保护点】
1.一种识别车辆变道趋势的方法，其特征在于，所述方法包括：/n获取检测到目标车辆的激光点云数据，其中，所述目标车辆为所述本车辆周围场景中行驶的车辆；/n基于所述激光点云数据，得到所述本车辆所在车道的中心线与所述目标车辆的第一距离关系值；/n获取包含所述目标车辆的场景图像；/n基于所述场景图像，得到所述本车辆所在车道的中心线与所述目标车辆的第二距离关系值；/n计算已经得到的多个第一距离关系值的第一可信度和已经得到的多个第二距离关系值的第二可信度；/n基于所述第一可信度和所述第二可信度，计算所述多个第一距离关系值和所述多个第二距离关系值的多个融合距离关系值；/n基于所述多个融合距离关系值，判断所述...

【技术特征摘要】
【国外来华专利技术】1.一种识别车辆变道趋势的方法，其特征在于，所述方法包括：
获取检测到目标车辆的激光点云数据，其中，所述目标车辆为所述本车辆周围场景中行驶的车辆；
基于所述激光点云数据，得到所述本车辆所在车道的中心线与所述目标车辆的第一距离关系值；
获取包含所述目标车辆的场景图像；
基于所述场景图像，得到所述本车辆所在车道的中心线与所述目标车辆的第二距离关系值；
计算已经得到的多个第一距离关系值的第一可信度和已经得到的多个第二距离关系值的第二可信度；
基于所述第一可信度和所述第二可信度，计算所述多个第一距离关系值和所述多个第二距离关系值的多个融合距离关系值；
基于所述多个融合距离关系值，判断所述目标车辆是否存在变道趋势。


2.根据权利要求1所述的方法，其特征在于，所述基于所述激光点云数据，得到所述本车辆所在车道的中心线与所述目标车辆的第一距离关系值，包括：
基于高精度地图，获取所述本车辆所在车道的中心线点集，其中，所述中心线点集包括所述本车辆所在车道的中心线上的多个采样点在世界坐标系下的坐标；
根据所述激光点云数据和所述中心线点集，得到所述本车辆所在车道的中心线与所述目标车辆的第一距离关系值。


3.根据权利要求2所述方法，其特征在于，所述根据所述激光点云数据和所述中心线点集，获得所述本车辆所在车道的中心线与所述目标车辆的第一距离关系值，包括：
基于所述激光点云数据，获取所述目标车辆在本车辆的自车坐标系下的第一坐标；
将所述第一坐标转换为所述目标车辆在世界坐标系下的第二坐标；
将所述中心线点集中包括的各采样点在世界坐标系下的坐标与所述第二坐标之间的最小距离，作为所述本车辆所在车道的中心线与所述目标车辆的第一距离；
获取所述本车辆所在车道的宽度，计算所述第一距离与所述本车辆所在车道线的宽度之间的第一比值，作为所述本车辆所在车道的中心线与所述目标车辆的第一距离关系值。


4.根据权利要求1-3中任一项所述的方法，其特征在于，所述基于所述场景图像，得到所述本车辆所在车道的中心线与所述目标车辆的第二距离关系值，包括：
在所述场景图像的图像坐标系下，计算所述目标车辆与所述本车辆所在车道的中心线的垂直距离；
计算所述本车辆所在车道在所述场景图像的图像坐标系下的宽度；
计算所述本车辆所在车道在所述图像坐标系下的宽度与所述垂直距离之间的第二比值，作为所述本车辆所在车道的中心线与所述目标车辆的第二距离关系值。


5.根据权利要求1-4中任一项所述的方法，其特征在于，所述计算已经得到的多个第一距离关系值的第一可信度和已经得到的多个第二距离关系值的第二可信度，包括：
基于理想换道模型和理想沿车道运动模型，计算已经得到的多个第一距离关系值的第一可信度和已经得到的多个第二距离关系值的第二可信度，其中，所述理想换道模型用于表征所述本车辆所在周围场景中的其他车辆在换道的情况下，与所述本车辆所在车道的中心线的距离关系值随时间的变化关系，所述理想沿车道运动模型用于表征所述其他车辆在沿车道运动的情况下，与所述本车辆所在车道的中心线之间的距离关系值随时间的变化关系。


6.根据权利要求5所述的方法，其特征在于，所述基于理想换道模型和理想沿车道运动模型，计算已经得到的多个第一距离关系值的第一可信度和已经得到的多个第二距离关系值的第二可信度，包括：
基于已经得到的多个第一距离关系值，计算所述理想换道模型中各未知参数的取值，得到第一可用换道模型；
基于所述已经得到的多个第一距离关系值，计算所述理想沿车道运动模型中各未知参数的取值，得到第一可用沿车道运动模型；
计算所述已经得到的多个第一距离关系值对于所述第一可用换道模型的第一拟合度，以及对于所述第一可用沿车道运动模型的第二拟合度；
基于所述第一拟合度和所述第二拟合度，得到所述已经得到的多个第一距离关系值的第一可信度；
基于已经得到的多个第二距离关系值，计算所述理想换道模型中各未知参数的取值，得到第二可用换道模型；
基于所述已经得到的多个第二距离关系值，计算所述理想沿车道运动模型中各未知参数的取值，得到第二可用沿车道运动模型；
计算所述已经得到的多个第二距离关系值对于所述第二可用换道模型的第三拟合度，以及对于所述第二可用沿车道运动模型的第四拟合度；
基于所述第三拟合度和所述第四拟合度，得到所述已经得到的多个第二距离关系值的第二可信度。


7.根据权利要求6所述的方法，其特征在于，所述基于所述第一拟合度和所述第二拟合度，得到所述已经得到的多个第一距离关系值的第一可信度，包括：
获取所述第一拟合度和所述第二拟合度中的较小值的倒数，作为所述已经得到的多个第一距离关系值的第一可信度；
所述基于所述第三拟合度和所述第四拟合度，得到所述已经得到的多个第二距离关系值的第二可信度，包括：
获取所述第三拟合度和所述第四拟合度中的较小值的倒数，作为所述已经得到的多个第二距离关系值的第二可信度。


8.根据权利要求1-7中任一项所述的方法，其特征在于，所述基于所述激光点云数据，获得所述本车辆所在车道的中心线与所述目标车辆的第一距离关系值，包括：
按照检测周期，基于所述激光点云数据，得到所述本车辆所在车道的中心线与所述目标车辆的第一距离关系值；
所述基于所述场景图像，得到所述本车辆所在车道的中心线与所述目标车辆的第二距离关系值，包括：
按照所述检测周期，基于所述场景图像，得到所述本车辆所在车道的中心线与所述目标车辆的第二距离关系值；
所述基于所述第一可信度和所述第二可信度，计算所述多个第一距离关系值和所述多个第二距离关系值的多个融合距离关系值，包括：
基于所述第一可信度和所述第二可信度，计算所述多个第一距离关系值对应的第一权重和所述多个第二距离关系值对应的第二权重；
在所述多个第一距离关系值和所述多个第二距离关系值中，获取同一检测周期得到的目标第一距离关系值和目标第二距离关系值；
将所述目标第一距离关系值和所述第一权重之积，与所述目标第二距离关系值和所述第二权重之积相加，得到所述目标第一距离关系值和所述目标第二关系值所属的检测周期对应的融合距离关系值。


9.根据权利要求1-8中任一项所述的方法，其特征在于，所述基于所述多个融合距离关系值，判断所述目标车辆是否存在变道趋势，包括：
基于所述多个融合距离关系值，计算所述理想换道模型中各未知参数的取值，得到第三可用换道模型；
计算所述多个融合距离关系值对于所...

【专利技术属性】
技术研发人员：陈昊，鲁浩，高趁，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44