【技术实现步骤摘要】
本申请涉及自动驾驶，特别是涉及一种转向意图识别方法、装置、计算机设备和存储介质。
技术介绍
1、在车辆通过路口的过程中，准确识别车辆驾驶意图能够有效避免交通事故的发生，其中，转向意图指的是车辆在进入交叉路口时，以哪种机动方式通过交叉路口，例如左转、直行和右转。
2、相关技术中，主要是基于车载感知传感器采集到的车辆信息对转向意图进行初步判断，然而，现有交叉路口的交通环境较为复杂，存在较多共享车道，难以准确识别车辆的转向意图。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够准确识别车辆转向意图的转向意图识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种转向意图识别方法，包括：
3、获取当前交叉路口的路侧感知数据；路侧感知数据包括当前交叉路口的场景数据和当前交叉路口内车辆的轨迹数据；场景数据包括车道线、车道位置信息、以及车道功能信息；轨迹数据包括车辆每一时刻的位置信息、速度信息、航向角信息、以及车辆所处的车道；
4、根据车道功能信息和车辆所处的车道，获取车辆的转向意图集合；转向意图集合包括左转、直行、以及右转中的至少一个；
5、通过预先训练的神经网络模型，对轨迹数据进行处理，得到车辆所属各转向意图的概率集合；
6、根据转向意图集合和概率集合，确定车辆的转向意图。
7、在其中一个实施例中，神经网络模型的训练过程，包括：
8、获取历史场
9、根据历史场景数据构建转向类别分界线；
10、根据转向类别分界线和历史轨迹数据，获取各转向意图对应的轨迹序列数据；
11、基于轨迹序列数据对神经网络模型进行训练。
12、在其中一个实施例中，根据历史场景数据构建转向类别分界线的步骤，包括：
13、根据历史场景数据，确定各路段中心线、左侧道路边线、以及右侧道路边线分别与停车线及停车线相应延长线的交点，得到路段中心点、左侧边缘点、以及右侧边缘点；
14、针对每一路段，在路段存在相应直行出口的情况下，将路段对应的路段中心点与相应直行出口对应的路段中心点之间的连线，作为左转分界线，将与路段相应延长线相交的路段对应的左转分界线，作为直行分界线，将路段的右侧边缘点与相应直行出口对应的左侧边缘点之间的连线，作为右转分界线。
15、在其中一个实施例中，该方法还包括：
16、在路段不存在相应直行出口的情况下，将路段的路段中心线延长至与相应对侧道路边缘线相交，将路段中心线的延长线作为左转分界线，将路段的右侧道路边线延长至与相应对侧道路边缘线相交，将右侧道路边线的延长线作为右转分界线。
17、在其中一个实施例中，根据转向类别分界线和历史轨迹数据，获取各转向意图对应的轨迹序列数据的步骤，包括：
18、获取历史轨迹与路段对应停车线的第一交点；第一交点包括左转起始点、直行起始点、以及右转起始点中的至少一种；
19、针对路段的每一分界线，获取历史轨迹中与第一交点对应的分界线的第二交点；
20、针对每一历史轨迹，根据相应的第一交点和第二交点，从历史轨迹中获取轨迹序列数据和轨迹序列数据中每一序列数据点对应的特征，得到各转向意图对应的轨迹序列数据；轨迹序列数据中对应时间序列末端的数据点位于第一交点和第二交点间。
21、在其中一个实施例中，根据转向意图集合和概率集合，确定车辆的转向意图的步骤，包括：
22、在转向意图集合中只存在一类意图的情况下，将意图确定为车辆的转向意图；
23、在转向意图集合中存在至少两类意图、且意图对应的概率集合中的概率不相同的情况下，将概率集合中概率最大值对应的意图确定为车辆的转向意图；
24、在转向意图集合中存在至少两类意图、且存在至少两类意图对应的概率集合中的概率相同的情况下，获取每一类意图对应的转向优先级，将转向优先级最高的意图确定为车辆的转向意图
25、第二方面，本申请还提供了一种转向意图识别装置，包括：
26、模型训练模块，用于预先对神经网络模型进行训练；
27、数据获取模块，用于获取当前交叉路口的路侧感知数据；路侧感知数据包括当前交叉路口的场景数据和当前交叉路口内车辆的轨迹数据；场景数据包括车道线、车道位置信息、以及车道功能信息；轨迹数据包括车辆每一时刻的位置信息、速度信息、航向角信息、以及车辆所处的车道；
28、意图获取模块，用于根据车道功能信息和车辆所处的车道，获取车辆的转向意图集合；转向意图集合包括左转、直行、以及右转中的至少一个；
29、概率获取模块，用于通过预先训练的神经网络模型，对轨迹数据进行处理，得到车辆所属各转向意图的概率集合；
30、意图确定模块，用于根据转向意图集合和概率集合，确定车辆的转向意图。
31、在其中一个实施例中，模型训练模块包括：
32、轨迹获取单元，用于获取历史场景数据和历史轨迹数据；
33、分界线构建单元，用于根据历史场景数据构建转向类别分界线；
34、序列获取单元，用于根据转向类别分界线和历史轨迹数据，获取各转向意图对应的轨迹序列数据；
35、模型训练单元，用于基于轨迹序列数据对神经网络模型进行训练。
36、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面中任意一项的方法步骤。
37、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。
38、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。
39、上述转向意图识别方法、装置、计算机设备、存储介质和计算机程序产品，通过获取当前交叉路口的场景数据和当前交叉路口内车辆的轨迹数据，根据车道功能信息和车辆所处的车道，初步获取车辆的转向意图集合，通过预先训练的神经网络模型，对轨迹数据进行处理，得到车辆所属各转向意图的概率集合，根据转向意图集合和概率集合，确定车辆的转向意图，能够准确识别车辆的转向意图，提高车辆行驶安全性。
本文档来自技高网...【技术保护点】
1.一种转向意图识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述历史场景数据构建转向类别分界线，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述转向类别分界线和所述历史轨迹数据，获取各转向意图对应的轨迹序列数据，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述转向意图集合和所述概率集合，确定所述车辆的转向意图，包括：
7.一种转向意图识别装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述模型训练模块包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被
...【技术特征摘要】
1.一种转向意图识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述历史场景数据构建转向类别分界线，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述转向类别分界线和所述历史轨迹数据，获取各转向意图对应的轨迹序列数据，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据...
【专利技术属性】
技术研发人员：凡俊生，杨唐涛，王邓江，
申请(专利权)人：苏州万集车联网技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。