汇流场景识别处理方法、装置、计算机设备和存储介质与流程

本技术涉及自动驾驶，特别是涉及一种汇流场景识别处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、传统的决策规划方法依赖于对上游信息的深入处理，以确保获取足够详细的信息来支撑决策的合理性。然而，在复杂的汇流区域场景中，如果决策信息不合理，可能会导致驾驶员不适、车辆急刹甚至发生碰撞事故。人类驾驶员在汇流处通常根据主观判断做出决策，这些决策与汇流类型紧密相关。

2、汇流类型的判断通常依赖于人工标注，这种方法成本较高，且当道路条件发生变化时，需要重新进行标注。这导致了在识别和处理汇流场景方面的一些挑战，人工打标判断汇流类型需要大量的人力和时间，当道路条件发生变化时，现有的标注可能不再适用，需要重新进行标注，这增加了维护成本，影响智能驾驶系统的适应性和可靠性。

3、因此，亟需一种汇流场景识别处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，在复杂的汇流区域场景中，能够更精确地识别汇流场景从而提高选择汇流模式的准确性。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种在复杂的汇流区域场景中，能够更精确地识别汇流场景从而提高选择汇流模式的准确性的汇流场景识别处理方法、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，本技术提供了一种汇流场景识别处理方法，包括：

3、获取车辆行驶状态数据、车辆视觉感知数据和当前行驶区域的地图数据；

4、在所述车辆视觉感知数据和所述地图数据二者的参考坐标系不一致的情况下，对所述车辆视觉感知数据进行坐标系转换；

5、获取所述地图数据和转换后的车辆视觉感知数据的对比结果；

6、根据所述对比结果，分析获得自车汇入公共路段的汇流类型；

7、根据所述汇流类型和所述车辆行驶状态数据，确定相应的车辆汇流控制模式。

8、在其中一个实施例中，所述根据所述对比结果，分析获得自车汇入公共路段的汇流类型，包括：

9、在基于所述对比结果确定所述地图数据和转换后的车辆视觉感知数据之间的匹配度小于预设匹配度阈值的情况下，将转换后的车辆视觉感知数据作为参考数据，分析获得自车汇入公共路段的汇流类型；

10、在基于所述对比结果确定所述地图数据和转换后的车辆视觉感知数据之间的匹配度不小于预设匹配度阈值的情况下，将所述地图数据作为参考数据，分析获得自车汇入公共路段的汇流类型。

11、在其中一个实施例中，所述根据所述对比结果，分析获得自车汇入公共路段的汇流类型，包括：

12、根据所述对比结果，获取自车路段中各子路段的第一斜率、公共路段中各子路段的第二斜率和他车路段中各子路段的第三斜率；

13、根据所述第一斜率，获取自车路段中各子路段的第一角度平均值；

14、根据所述第二斜率，获取公共路段中各子路段的第二角度平均值；

15、根据所述第三斜率，获取他车路段中各子路段的第三角度平均值；

16、获取所述第一角度平均值和所述第二角度平均值的第一角度差值，以及获取所述第二角度平均值和所述第三角度平均值的第二角度差值；

17、将所述第一角度差值和所述第二角度差值分别与预设角度阈值进行比较，获得自车汇入公共路段的汇流类型。

18、在其中一个实施例中，所述将所述第一角度差值和所述第二角度差值分别与预设角度阈值进行比较，获得自车汇入公共路段的汇流类型，包括：

19、在所述第一角度差值大于预设角度阈值，且所述第二角度差值不大于预设角度阈值的情况下，自车汇入公共路段的汇流类型为无路权汇流。

20、在其中一个实施例中，所述将所述第一角度差值和所述第二角度差值分别与预设角度阈值进行比较，获得自车汇入公共路段的汇流类型，包括：

21、在所述第一角度差值不大于预设角度阈值，且所述第二角度差值大于预设角度阈值的情况下，自车汇入公共路段的汇流类型为有路权汇流。

22、在其中一个实施例中，所述方法还包括：所述将所述第一角度差值和所述第二角度差值分别与预设角度阈值进行比较，获得自车汇入公共路段的汇流类型，包括：

23、在所述第一角度差值大于预设角度阈值，且所述第二角度差值大于预设角度阈值的情况下，自车汇入公共路段的汇流类型为二合一汇流。

24、第二方面，本技术还提供了一种汇流场景识别处理装置，包括：

25、获取模块，用于获取车辆行驶状态数据、车辆视觉感知数据和当前行驶区域的地图数据；

26、转换模块，用于在所述车辆视觉感知数据和所述地图数据二者的参考坐标系不一致的情况下，对所述车辆视觉感知数据进行坐标系转换；

27、处理模块，用于获取所述地图数据和转换后的车辆视觉感知数据的对比结果；

28、处理模块，还用于根据所述对比结果，分析获得自车汇入公共路段的汇流类型；

29、模式选择模块，用于根据所述汇流类型和所述车辆行驶状态数据，确定相应的车辆汇流控制模式。

30、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

31、获取车辆行驶状态数据、车辆视觉感知数据和当前行驶区域的地图数据；

32、在所述车辆视觉感知数据和所述地图数据二者的参考坐标系不一致的情况下，对所述车辆视觉感知数据进行坐标系转换；

33、获取所述地图数据和转换后的车辆视觉感知数据的对比结果；

34、根据所述对比结果，分析获得自车汇入公共路段的汇流类型；

35、根据所述汇流类型和所述车辆行驶状态数据，确定相应的车辆汇流控制模式。

36、第四方面，本技术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，所述计算机程序被处理器执行时实现以下步骤：

37、获取车辆行驶状态数据、车辆视觉感知数据和当前行驶区域的地图数据；

38、在所述车辆视觉感知数据和所述地图数据二者的参考坐标系不一致的情况下，对所述车辆视觉感知数据进行坐标系转换；

39、获取所述地图数据和转换后的车辆视觉感知数据的对比结果；

40、根据所述对比结果，分析获得自车汇入公共路段的汇流类型；

41、根据所述汇流类型和所述车辆行驶状态数据，确定相应的车辆汇流控制模式。

42、第五方面，本技术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以下步骤：

43、获取车辆行驶状态数据、车辆视觉感知数据和当前行驶区域的地图数据；

44、在所述车辆视觉感知数据和所述地图数据二者的参考坐标系不一致的情况下，对所述车辆视觉感知数据进行坐标系转换；

45、获取所述地图数据和转换后的车辆视觉感知数据的对比结果；

46、根据所述对比结果，分析获得自车汇入公共路段的汇流类型；

47、根据所述汇流类型和所述车辆行驶状态数据，确定相应的车辆汇流控制模式。

48、上述汇流场景识别处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，通过更精确地识别汇流场景，智能驾驶系统可以做出更合理的决策，从而提高车辆汇入公共路段的安全性。自动化的汇流场景识别方法减少了对人工标注的依赖，从而降低了人力和时间成本。智能系统能够适应道路条件的变化，无需频繁重新标注，提高了系统的适应性和灵活性。减少了因人工标注错误导致的决策失误，增强了智能驾驶系统的可靠性。通过实时获取和处理车辆行驶状态数据、视觉感知数据和地图数据，系统能够快速响应汇流场景变化，做出及时的决策。通过更合理的车辆汇流控制模式，减少因急刹或不当决策导致的驾驶员不适和碰撞事故。系统能够识别和处理不同类型的汇流场景，提高了对不同交通环境的适应能力。通过对车辆视觉感知数据进行坐标系转换，实现了与地图数据的有效融合，提高了数据处理的准确性。