一种目标物所在车道的识别方法、系统及汽车与流程

本发明属于车辆辅助驾驶，更具体地，本发明涉及一种目标物所在车道的识别方法、系统及汽车。

背景技术：

1、在adas系统在实行纵向控制时，需要知道前方目标物所在车道，对本车道内目标物体和相邻左右两车道内目标物体采取不同的控制策略，因此系统需要获取目标物所在车道信息。

2、结合图1对现有的目标物体所在车道识别方法进行说明，目标物体所在车道的识别过程为：获取目标物体的边缘距车道对应侧车道线的距离d1和d2，判断目标物压线程度，在距离d1和距离d2同时均大于设定的距离阈值时，认为目标物体在当前道内，这种目标物体所在车道的识别方法存在如下问题：

3、目标物体在压线变道过程中，会出现某一时刻，既不位于当前车道也不位于邻车道，会出现acc功能认为前方无障碍物的状况，可能引发行车事故。

技术实现思路

1、本发明提供一种目标物所在车道的识别方法，旨在提高目标物所在车道的识别精度。

2、本发明是这样实现的，一种目标物所在车道的识别方法，所述方法包括如下步骤：

3、s1、采集当前车辆行驶前方的道路图像，拟合道路图像中的车道线曲线；

4、s2、提取道路图像中的目标物体，计算目标物体距当前车辆所在车道r的左车道线、右车道线的距离dyleft、dyright，进而计算目标物在车道r的左车道线两侧、右车道线两侧的分布概率pl、pr；

5、s3、计算目标物体在车道r的概率p1，若概率p1大于概率阈值，则判定目标物体位于车道r内。

6、进一步的，距离dyleft、dyright的获取过程具体如下：

7、确定目标物体在当前车辆的车辆坐标系中的坐标(xobj,yobj)；

8、在当前车辆的车辆坐标系中计算目标物体距车道r左车道线、右车道线的距离dyleft、dyright。

9、进一步的，距离dyleft、dyright的计算公式具体如下：

10、dyleft＝yobj-yleft(xobj)；

11、dyright＝yobj-yright(xobj)；

12、其中，(xobj,yobj)为目标物体的坐标，yleft(xobj)为车道r的左侧车道线在xobj处的纵坐标，yright(xobj)为车道r的右侧车道线在xobj处的纵坐标。

13、进一步的，分布概率pl的计算公式具体如下：

14、

15、σlm是单目相机的识别车道线的标准差，pl＝0表示目标物体正好位于车道r的左侧车道线上，pl＝-1表示目标物体完全位于车道r左车道线的左侧，pl＝1表示目标物体完全位于车道r左车道线的右侧；

16、概率pr的计算公式具体如下：

17、

18、pr＝0表示目标物体正好位于车道r右侧车道线上，pr＝-1表示目标物体完全位于车道r右车道线的左侧，pr＝1表示目标物体完全位于车道r右车道线的右侧。

19、进一步的，目标物体在车道r的概率p1计算公式为：

20、p1＝(pl-pr)/2。

21、进一步的，若判定目标物体不在车道r，则计算目标物体在车道r左邻车道的概率p2、车道r右邻车道的概率p3、左邻车道左侧的概率p4及右邻车道右侧的概率p5，概率p2、概率p3、概率p4及概率p5中的最大概率值对应的车道即为目标物体所在车道。

22、进一步的，概率p2、概率p3、概率p4及概率p5计算公式具体如下：

23、p2＝(pll-pl)/2；

24、p3＝(pr-prr)/2；

25、p4＝(prbl-pll)/2；

26、p5＝(prr-prbr)/2；

27、其中，prbl＝1，prbr＝-1，pll表示目标物体在左邻车道的下一左侧车道两侧的分布概率，prr表示目标物体在右邻车道的下一右侧车道两侧的分布概率。

28、进一步的，车道线曲线的拟合方法具体如下：

29、在道路图像中提取车道线，将车道线沿本车行驶方向进行的等距分割，形成车道段，获取所有车道段在车辆坐标系下的坐标，进而拟合出各车道的车道线曲线。

30、本发明是这样实现的，一种目标物所在车道的识别系统，所述系统包括：

31、单目相机，单目相机采集当前车辆的前方道路图像，并发送至处理器，处理器基于上述目标物所在车道的识别方法来确定道路图像中各目标物体所在车道。

32、本发明是这样实现的，一种汽车，所述汽车上集成有上述目标物所在车道的识别系统。

33、本发明提供的目标物所在车道的识别方法具有如下有益效果：

34、将目标物所在车道模型量化成一个一维有限样本空间s＝{本车道内，左邻车道内，右邻车道内，左邻车道外，右邻车道外}，对应目标物在每条车道内的概率分别为：p1，p2，p3，p4，p5，满足：(1)p1+p2+p3+p4+p5＝1，意味着总会存在：一个目标物在某一条车道内的概率大于等于该目标在其他任意车道内的概率，因此，当目标物压着车道线行驶时，不会acc功能认为前方无障碍物的情况；(2)概率计算公式和与车道线的标准差有关，当目标物靠近车道线时，目标物在该车道的概率随车道线标准差变大而降低，会减低目标物所在车道的误判概率。

技术特征：

1.一种目标物所在车道的识别方法，其特征在于，所述方法包括如下步骤：

2.如权利要求1所述目标物所在车道的识别方法，其特征在于，距离dyleft、dyright的获取过程具体如下：

3.如权利要求2所述目标物所在车道的识别方法，其特征在于，距离dyleft、dyright的计算公式具体如下：

4.如权利要求1所述目标物所在车道的识别方法，其特征在于，分布概率pl的计算公式具体如下：

5.如权利要求1所述目标物所在车道的识别方法，其特征在于，目标物体在车道r的概率p1计算公式为：

6.如权利要求1所述目标物所在车道的识别方法，其特征在于，若判定目标物体不在车道r，则计算目标物体在车道r左邻车道的概率p2、车道r右邻车道的概率p3、左邻车道左侧的概率p4及右邻车道右侧的概率p5，概率p2、概率p3、概率p4及概率p5中的最大概率值对应的车道即为目标物体所在车道。

7.如权利要求6所述目标物所在车道的识别方法，其特征在于，概率p2、概率p3、概率p4及概率p5计算公式具体如下：

8.如权利要求1所述目标物所在车道的识别方法，其特征在于，车道线曲线的拟合方法具体如下：

9.一种目标物所在车道的识别系统，其特征在于，所述系统包括：

10.一种汽车，其特征在于，所述汽车上集成有如权利要求9所述目标物所在车道的识别系统。

技术总结本发明公开一种目标物所在车道的识别方法，包括如下步骤：S1、采集当前车辆行驶前方的道路图像，拟合道路图像中的车道线曲线；S2、提取道路图像中的目标物体，计算目标物体距当前车辆所在车道r的左车道线、右车道线的距离dy<subgt;left</subgt;、dy<subgt;right</subgt;，进而计算目标物在车道r的左车道线两侧、右车道线两侧的分布概率P<subgt;L</subgt;、P<subgt;R</subgt;；S3、计算目标物体在车道r的概率P<subgt;1</subgt;，若概率P<subgt;1</subgt;大于概率阈值，则判定目标物体位于车道r内。当目标物靠近车道线时，目标物在该车道的概率随车道线标准差变大而降低，会减低目标物所在车道的误判概率。技术研发人员：吴凡受保护的技术使用者：芜湖伯特利智能驾驶有限公司技术研发日：技术公布日：2024/10/10