[發明專利]一種跟馳行為場景數據采集、識別、分類提取系統及方法

有效

• 申請號: 202110587293.8
• 申請日: 2021-05-27
• 公開（公告）號: CN113487874B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 邢智超;方銳;劉興亮;劉世東;張慧;楊帥;孟憲明;付會通;李洪亮;崔東;周景巖;季中豪;劉之光
• 申請（專利權）人: 中汽研（天津）汽車工程研究院有限公司;中國汽車技術研究中心有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;G08G1/01;G08G1/042;G06K9/62;G01S13/58;G01M17/007
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 安孔川

1.一種跟馳行為場景數據采集、識別、分類提取方法，包括一種跟馳行為場景數據采集、識別、分類提取系統，其特征在于：系統包括感知數據采集模塊、數據存儲器模塊、數據后處理模塊、場景提取模塊；

所述感知數據采集模塊采集信息包括目標物速度、目標物相對位置和目標物類型；

所述數據存儲器模塊與感知數據采集模塊連接用以獲取目標物信息及環境信息，數據存儲器模塊還與車輛CAN總線(5)連接，用以獲取自車相關信息；

所述數據后處理模塊運用數據存儲模塊獲得的信息數據進行濾波處理，提高跟馳場景數據可用性；濾波處理后的數據通過數據后處理模塊中的場景識別分類算法處理實現對一段完整駕駛場景中的跟馳場景識別分類；

所述場景提取模塊用于提取需要的并經過場景識別分類算法確認有效的跟馳片段數據與視頻；輸入完整的駕駛場景采集數據及視頻信息，自定義所需的跟馳場景分類系數，實現完整駕駛場景中滿足該分類系數要求的自車、目標車、道路環境信息及與之對應的跟馳視頻片段的自動提取，生成固定格式的數據文件及視頻文件；

方法的具體步驟如下：

S1.對周圍目標進行感知定位，確定目標空間位置；

S2.從周圍目標中標定疑似跟隨目標，再從疑似跟隨目標中鎖定跟隨目標；

S3.確定道路類型及對應道路的參數閾值，輸入跟馳約束條件，對跟馳需滿足的本車信息及跟隨目標信息進行跟馳條件約束；

S4.在滿足跟馳約束條件下，輸入時間約束條件進行時間約束，進而獲取有效的跟馳片段；

S5.對有效的跟馳片段進行跟馳場景大類劃分，包括恒前車跟馳、前車切出及旁車切入三大類型；

S6.以恒前車跟馳、前車切出及旁車切入三大類型為基礎分別進行跟馳場景精細劃分；

在步驟S6中，以恒前車跟馳為基礎進行跟馳場景精細劃分，具體方法如下：

在恒前車跟馳分類下，SV表示自車，FV1表示所跟馳前車，考慮自車SV與前車FV1相對運動狀態、FV1車輛類型、道路類型進行分類；

其中，自車SV與前車FV1相對運動狀態分類針對兩車相對運動狀態，包含迫近、穩定及漸遠三種跟馳狀態，將自車SV速度減去前車FV1速度定義為相對速度；

獲取自車SV與前車FV1相對速度v_r、兩車相對縱向距離Y，

當自車SV與前車FV1相對速度v_r為正或兩車相對縱向距離Y不斷縮小，則自車迫近跟馳；當自車SV與前車FV1相對速度v_r為負或兩車相對縱向距離Y不斷放大，則自車漸遠跟馳，當自車SV與前車FV1相對速度v_r相差不多，為自車穩定跟馳；

定義兩車相對運動狀態判斷系數α₁，取值α₁＝1對應迫近、α₁＝2對應穩定、α₁＝3對應漸遠；

FV1車輛類型分類針對所跟馳前車類型，

獲取功能攝像頭所判斷目標物類型k_obj，

定義恒跟馳前車目標物類型系數α₂，取值α₂＝1對應大型、α₂＝2對應小型；

道路類型分類包含城市干道及高速公路，

獲取跟馳道路類型系數k_w，

定義道路類型系數α₃，取值α₃＝1對應城市干道、α₃＝2對應高速公路；

以前車切出為基礎進行跟馳場景精細劃分，具體方法如下：

在前車切出跟馳分類下，SV表示自車，FV1表示切出前跟馳車輛，FV2表示切出后跟馳車輛，考慮FV1類型分類、FV2類型分類、FV1切出方向分類、道路類型分類、切出前SV與FV1相對運動狀態分類、切出后SV與FV2相對運動狀態分類；

其中，FV1車輛類型分類針對切出車輛類型，

獲取切出前功能攝像頭所判斷目標物類型k_obj，

定義切出前目標物類型系數β₁，取值β₁＝1對應大型、β₁＝2對應小型；

FV2車輛類型分類針對切出后跟馳車輛類型，

獲取切出后功能攝像頭所判斷目標物類型k_obj，

定義切出后所跟馳車輛目標物類型系數β₂，取值β₂＝1對應大型、β₂＝2對應小型；

FV1切出方向分類通過自車與目標車輛相對橫向距離X進行判斷，

獲取兩車相對橫向距離X，正向增大表明向右切出，負向減小表明向左切出，

定義FV1切出方向分類系數β₃，取值β₃＝1對應向左切出、β₃＝2對應向右切出；

道路類型分類包含城市干道及高速公路，

獲取跟馳道路類型系數k_w，

定義道路類型系數β₄，取值β₄＝1對應城市干道、β₄＝2對應高速公路；

切出前SV與FV1相對運動狀態分類針對切出時刻k_c＝2前，獲取SV與FV1相對運動狀態，包含迫近、穩定及漸遠三種跟馳狀態，

獲取切出前兩車相對速度v_r、兩車相對縱向距離Y，

當SV與FV1相對速度v_r為正或兩車相對縱向距離Y不斷縮小，則兩車迫近跟馳；當SV與FV1相對速度v_r為負或兩車相對縱向距離Y不斷放大，則兩車漸遠跟馳，當SV與FV1相對速度v_r相差不多，為兩車穩定跟馳；

定義兩車相對運動狀態判斷系數β₅，取值β₅＝1對應迫近、β₅＝2對應穩定、β₅＝3對應漸遠；

切出后SV與FV2相對運動狀態分類針對切出時刻k_c＝2后，獲取SV與FV2相對運動狀態，包含迫近、穩定及漸遠三種跟馳狀態，

獲取切出后兩車相對速度v_r、兩車相對縱向距離Y，

當SV與FV2相對速度v_r為正或兩車相對縱向距離Y不斷縮小，則兩車迫近跟馳；當SV與FV2相對速度v_r為負或兩車相對縱向距離Y不斷放大，則兩車漸遠跟馳，當SV與FV2相對速度v_r相差不多，為兩車穩定跟馳；

定義兩車相對運動狀態判斷系數β₆，取值β₆＝1對應迫近、β₆＝2對應穩定、β₆＝3對應漸遠；

以旁車切入為基礎進行跟馳場景精細劃分，具體方法如下：

在旁車切入跟馳分類下，SV表示自車，FV2表示旁車切入前跟馳車輛，FV1表示旁車切入后跟馳車輛，考慮FV1類型分類、FV2類型分類、FV1切入方向分類、道路類型分類、切入前SV與FV2相對運動狀態分類、切入后SV與FV1相對運動狀態分類；

其中，FV1車輛類型分類針對切入車輛類型，包含大型車輛及小型乘用車輛兩種，通過功能攝像頭可直接給出目標物ID對應類型，

獲取切入后功能攝像頭所判斷目標物類型k_obj，

定義所切入前車目標物類型系數γ₁，取值γ₁＝1對應大型、γ₁＝2對應小型；

FV2車輛類型分類針對切入前所跟馳車輛類型，

獲取切入前功能攝像頭所判斷目標物類型k_obj，通過功能攝像頭可直接給出目標物ID對應類型，

定義切入前所跟馳車輛目標物類型系數γ₂，取值γ₂＝1對應大型、γ₂＝2對應小型；

FV1切入方向分類通過自車與目標車輛相對橫向距離X進行判斷，

獲取兩車相對橫向距離X，正向減小表明從右側切入，負向增大表明從左側切入，

定義FV1切入方向分類系數γ₃，取值γ₃＝1對應左側切入、γ₃＝2對應右側切入；

道路類型分類包含城市干道及高速公路，

獲取跟馳道路類型系數k_w，

定義道路類型系數γ₄，取值γ₄＝1對應城市干道、γ₄＝2對應高速公路；

切入前SV與FV2相對運動狀態分類針對切入時刻k_c＝3前，獲取SV與FV2相對運動狀態，包含迫近、穩定及漸遠三種跟馳狀態，

獲取切入前兩車相對速度v_r、兩車相對縱向距離Y，

當SV與FV2相對速度v_r為正或兩車相對縱向距離Y不斷縮小，則兩車迫近跟馳；當SV與FV2相對速度v_r為負或兩車相對縱向距離Y不斷放大，則兩車漸遠跟馳，當SV與FV2相對速度v_r相差不多，為兩車穩定跟馳；

定義兩車相對運動狀態判斷系數γ₅，取值γ₅＝1對應迫近、γ₅＝2對應穩定、γ₅＝3對應漸遠；

切入后SV與FV1相對運動狀態分類針對切入時刻k_c＝3后，獲取SV與FV1相對運動狀態，包含迫近、穩定及漸遠三種跟馳狀態，

獲取切入后兩車相對速度v_r、兩車相對縱向距離Y，

當SV與FV1相對速度v_r為正或兩車相對縱向距離Y不斷縮小，則兩車迫近跟馳；當SV與FV1相對速度v_r為負或兩車相對縱向距離Y不斷放大，則兩車漸遠跟馳，當SV與FV1相對速度v_r相差不多，為兩車穩定跟馳；

定義兩車相對運動狀態判斷系數γ₆，取值γ₆＝1對應迫近、γ₆＝2對應穩定、γ₆＝3對應漸遠。