[發明專利]識別車道變化的方法和裝置、電子設備和存儲介質

有效

• 申請號: 202010970491.8
• 申請日: 2020-09-15
• 公開（公告）號: CN112101527B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 夏德國;谷艷蕾;盧振;蔣冰;白紅霞
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/762;G06V10/764;G06V10/82;G06N3/0464;G06N3/0442;G06N3/045;G06N3/048;G06N3/08;G06F16/29;G06F16/23
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 呂朝蕙

1.一種識別車道變化的方法，其特征在于，包括：

獲取與目標道路匹配的實時軌跡數據；

基于獲取的實時軌跡數據，提取對應的實時軌跡特征；以及

至少基于提取的實時軌跡特征和經預先訓練得到的車道變化識別模型，識別所述目標道路的車道是否發生了變化；

其中，通過以下操作訓練得到所述車道變化識別模型：

確定至少一條道路，其中所述至少一條道路中的每條道路都曾經發生過車道變化；

獲取與所述每條道路匹配的歷史軌跡數據，其中所述歷史軌跡數據包括車道變化前N天的軌跡數據和車道變化后M天的軌跡數據；

基于獲取的與各道路匹配的車道變化前N天的軌跡數據，提取與各道路匹配的車道變化前N天的歷史軌跡特征；

基于獲取的與各道路匹配的車道變化后M天的軌跡數據，提取與各道路匹配的車道變化后M天的歷史軌跡特征；以及

至少基于提取的與各道路匹配的車道變化前N天的歷史軌跡特征和車道變化后M天的歷史軌跡特征，訓練得到所述車道變化識別模型。

2.根據權利要求1所述的方法，其特征在于，N大于1且M大于1。

3.?根據權利要求2所述的方法，其特征在于，所述基于獲取的與各道路匹配的車道變化前N天的軌跡數據，提取與各道路匹配的車道變化前N天的歷史軌跡特征，包括：基于獲取的與各道路匹配的車道變化前N天的軌跡數據，

提取各道路在車道變化前N天中每一天的歷史軌跡的空間分布特征；和/或

提取各道路在車道變化前N天中每一天的歷史軌跡的路口通行特征。

4.根據權利要求3所述的方法，其特征在于，所述提取各道路在車道變化前N天中每一天的歷史軌跡的空間分布特征，包括針對所述各道路中的每條道路執行以下操作：

沿著當前道路的通行方向，順序做多個垂直于所述通行方向的軌跡橫截面，并針對車道變化前N天中的每一天，對每個軌跡橫截面執行以下操作：

求取與所述當前道路匹配的歷史軌跡在當前橫截面上的交點；

將所述當前橫截面上的所有交點的空間分布擬合成一個K維高斯分布，其中K表示所述當前道路上的車道數，K≥1且K為整數；以及

基于所述K維高斯分布，提取與所述當前道路上的每條車道匹配的歷史軌跡的高斯分布特征和對應的權重，其中，所述高斯分布特征包括期望和/或標準差。

5.根據權利要求4所述的方法，其特征在于，還包括：在將所述當前橫截面上的所有交點的空間分布擬合成一個K維高斯分布之前，

對所述當前橫截面上的交點進行過濾，以濾除邊緣噪聲軌跡在所述當前橫截面上的交點。

6.?根據權利要求3至5中任一項所述的方法，其特征在于，所述提取各道路在車道變化前N天中每一天的歷史軌跡的路口通行特征，包括針對所述各道路中的每條道路執行以下操作：

確定所述每一天的軌跡點在路口的通行方向；和/或

提取所述每一天的軌跡點在路口的時間粒度特征，其中所述時間粒度特征包括以下至少之一：軌跡點通過路口消耗的時間、軌跡點通過路口的速度、路口在單位時間內的通行流量。

7.根據權利要求6所述的方法，其特征在于，所述確定所述每一天的軌跡點在路口的通行方向，包括：

確定所述每一天的軌跡點中進入路口的軌跡點和至少一組離開路口的軌跡點；

基于所述進入路口的軌跡點擬合出第一直線；

基于所述至少一組離開路口的軌跡點中的每一組離開路口的軌跡點分別擬合出一條第二直線；

計算所述第一直線與每條第二直線之間的夾角的大??；以及

基于每個夾角的大小，確定所述每一天的軌跡點在路口的所有通行方向。

8.根據權利要求1所述的方法，其特征在于，訓練所述車道變化識別模型，還包括：

提取各道路在車道變化前N天的道路屬性特征和在車道變化后M天的道路屬性特征；

基于提取的各道路在車道變化前N天的歷史軌跡特征和道路屬性特征，以及提取的各道路在車道變化后M天的歷史軌跡特征和道路屬性特征，訓練所述車道變化識別模型。