一种基于v2v的前车意图识别系统及识别方法
阅读说明：本技术 一种基于v2v的前车意图识别系统及识别方法 (Preceding vehicle intention recognition system and recognition method based on V2V ) 是由 左益芳 王龙翔 毛祺琦 吴旭楠 于 2021-08-03 设计创作，主要内容包括：本发明公开了一种基于V2V的前车意图识别系统及识别方法,属于智能网联汽车技术领域。该系统包括有感知模块、决策规划模块、执行控制模块,所述感知模块、决策规划模块、执行控制模块依次连接。相比与现有技术,本发明的有益效果是：首先,本发明通过V2V的方式感知前方车辆的驾驶意图,弥补自车车载传感器获取信息的不足,V2V超视距的信息能够保证他车驾驶意图识别能够被更早获取,从而帮助自车进而做出更准确、有效、拟人化的决策和运动规划。其次,V2V方式获取得到前车信息,保证了前车意图识别的准确率,提升汽车驾驶的安全性。(The invention discloses a front vehicle intention recognition system and method based on V2V, and belongs to the technical field of intelligent networked vehicles. The system comprises a sensing module, a decision planning module and an execution control module, wherein the sensing module, the decision planning module and the execution control module are sequentially connected. Compared with the prior art, the invention has the beneficial effects that: firstly, the driving intention of the front vehicle is sensed in a V2V mode, the shortage of information acquired by a vehicle-mounted sensor of the vehicle is overcome, and the information beyond the visual range of V2V can ensure that the driving intention of the vehicle can be acquired earlier, so that the vehicle is helped to make more accurate, effective and anthropomorphic decision and motion planning. And secondly, the information of the front vehicle is obtained in a V2V mode, so that the accuracy of the intention identification of the front vehicle is ensured, and the safety of automobile driving is improved.)
技术领域
：本发明属于智能网联汽车技术领域，具体涉及一种基于V2V的前车意图识别系统及识别方法。
背景技术
：在汽车智能化和网联化快速发展的时期，汽车驾驶的安全和舒适问题依然是智能网联汽车需要考虑的重大问题，在向更高级自动驾驶技术发展的阶段，汽车感知-控制-决策的技术都需要得到更多的提升，在感知技术层面，V2X可以突破单车智能的感知边界，获取环境盲区信息和超视距信息，能够获得更丰富更准确的周围环境信息。
通过V2X获取到的环境信息可以进行更深层次的挖掘，如更准确的判断他车行驶意图，他车行驶意图的识别可以使自车更早获取周围车辆的驾驶意图，进而做出更准确、有效、拟人化决策和运动规划。因此，他车行驶意图的识别研究，是智能网联汽车安全和舒适问题的重要一环。
现有的驾驶意图识别，车辆对周围环境的感知还是基于摄像头和毫米波雷达等传统车载感知传感器，对周围车辆的驾驶意图通过传感器反馈数据进行推理预判，传感器反馈数据存在一定误差，影响意图识别的准确率。
发明内容
为解决上述问题，本发明的首要目的在于提供一种基于V2V的前车意图识别系统及识别方法，本发明通过V2V的方式感知前方车辆的驾驶意图，弥补自车车载传感器获取信息的不足，V2V超视距的信息能够保证他车驾驶意图识别能够被更早获取，从而帮助自车进而做出更准确、有效、拟人化的决策和运动规划。
本发明的另一个目的在于提供一种基于V2V的前车意图识别系统及识别方法，能够V2V方式获取得到前车信息，保证了前车意图识别的准确率，提升汽车驾驶的安全性。
为实现上述目的，本发明的技术方案如下：
一种基于V2V的前车意图识别系统，该系统包括有感知模块、决策规划模块、执行控制模块，所述感知模块、决策规划模块、执行控制模块依次连接。
进一步地，所述感知模块中设置有车载OBU单元，本系统还设置有用于识别车辆驾驶意图的意图识别模块，所述意图识别模块设置于车载OBU单元中或设置于决策规划模块中，所述意图识别模块能够通过自车CAN信号进行自车驾驶意图识别。
进一步地，所述车载OBU单元通过V2V方式接收BSM信息，当意图识别模块设置于车载OBU单元中，车载OBU单元会接收自带意图信息的BSM信息，判断车辆间位置关系确定前车，车载OBU单元可直接对前车意图信息进行提取；当意图识别模块置于决策规划模块中，所述车载OBU单元会接收不带意图信息的BSM信息，先判断车辆间位置关系确定前车，后决策规划模块中的意图识别模块根据BSM信息进行前车驾驶意图识别。
进一步地，所述感知模块采用摄像头、毫米波雷达、超声波雷达、激光雷达、高清地图、惯性导航、全球卫星导航系统等感知设备感知自车周围环境信息。
进一步地，所述决策规划模块能够实现车辆的轨迹预测、全局决策规划、局部路径规划。
进一步地，所述执行控制模块能够实现车辆的纵向控制与横向控制。
本发明还提供一种基于V2V的前车意图识别方法，该识别方法包括以下步骤：
S1：通过自车车载GNSS、RTK定位服务、IMU、车辆CAN信号和摄像头进行数据融合，并结合高精度地图服务，获得拥有自车所处车道中准确的位置信息，并达到车道级别的定位需求；
S2：通过V2V获取周围车辆信息；
S3：判断是否为前车；
S4：获取前车驾驶意图。
进一步地，所述S1之后还设置有步骤S11：自车驾驶意图识别。具体为：根据自车CAN信号获取本车横向加速度、航向角、方向盘转角，自车的意图识别模块使用驾驶意图识别方法进行自车驾驶意图识别。
进一步地，所述S3中判断是否为前车的方式为通过自车的高清地图、GNSS、RTK定位服务、摄像头信息、IMU等信息，结合他车的BSM信息判断车辆是否为同一车道，如果不为同一车道则不作处理，如果为同一车道再判断是否前方距离最近，如果距离不是最近则不作处理，如果距离最近则确定为前车。
进一步地，所述S3中，智能网联汽车通过高精地图、GNSS、RTK定位服务、IMU以及传统车载感知传感器获得车辆精确的位置信息，包含绝对位置和相对位置。车辆通过对传统车载感知传感器获得到的数据及其内存中的高精度二维网格进行比对，从而确定其在路面的具体位置，比如位于那条车道，距离车道中心线的位置等。GNSS、RTK定位服务、IMU能够采集到车辆位置信息的坐标数据，通过两车之间的经纬度信息可以计算其实际相对距离。V2X可以获取环境盲区信息和超视距信息，而且车辆位置信息准确度很高。
进一步地，所述S4中获取前车驾驶意图有两种方式，其中一种为通过V2V获取前车信息，前车信息中包括有前车驾驶意图；另一种方式为通过V2V获取前车BSM信息，通过自车决策规划中意图识别模块对前车进行BSM信息进行分析，确定前车驾驶意图。
进一步地，所述前车BSM信息包括有横向加速度、航向角、方向盘转角，通过自车决策规划中意图识别模块对BSM信息进行分析，使用驾驶意图识别方法对前车驾驶意图进行识别。
进一步地，所述驾驶意图识别的方法为：通过横向加速度、航向角、方向盘转角判断是否换道，如果存在换道则进一步判断是向左换道还是向右换道，向左换道则为左换道意图，向右换道则为右换道意图；如果不存在换道则为直线意图，根据车速、纵向加速度进一步地判断是匀速直行、加速直行、减速直行或紧急制动的其中一种。
进一步地，在驾驶意图识别过程中，基于自车Can信号或他车BSM信息，通过混合高斯隐马尔可夫算法预测前车驾驶意图。具体为：将车辆左换道、右换道、加速直行、减速直行、匀速直行、紧急制动作为隐状态，将横向加速度、航向角、方向盘转角、车速、纵向加速度及其各自标准差作为可观测序列，通过训练得到的初始状态概率、状态转移概率、高斯权重、均值、协方差等模型参数，得到不同驾驶意图的概率分布，当某一意图的概率连续3个采样间隔时间大于0.5的阈值，可以确定为当前驾驶意图，其中车辆换道点前1—3秒识别到车辆的换道意图。
相比与现有技术，本发明的有益效果是：
首先，本发明通过V2V的方式感知前方车辆的驾驶意图，弥补自车车载传感器获取信息的不足，V2V超视距的信息能够保证他车驾驶意图识别能够被更早获取，从而帮助自车进而做出更准确、有效、拟人化的决策和运动规划。
其次，V2V方式获取得到前车信息，保证了前车意图识别的准确率，提升汽车驾驶的安全性。
附图说明
图1是实施例1的系统结构框图。
图2是实施例1的流程示意图。
图3是实施例2的系统结构框图。
图4是实施例2的流程示意图。
图5本发明的前车判断流程示意图。
图6本发明的驾驶意图识别流程示意图；
图7是本发明的GMM-HMM意图识别流程。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图1-7及实施例1-2，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1中通过V2V传递过来的前车BSM信息包含有前车驾驶意图，实施例2中通过V2V传递过来的前车BSM信息不包含有前车驾驶意图。
实施例1：
一种基于V2V的前车意图识别系统，该系统包括有感知模块、决策规划模块、执行控制模块，所述感知模块、决策规划模块、执行控制模块依次连接。
所述感知模块中设置有车载OBU单元，本系统还设置有用于识别车辆驾驶意图的意图识别模块，所述意图识别模块设置于车载OBU单元中，所述意图识别模块能够通过自车CAN信号进行自车驾驶意图识别。
车载OBU单元通过V2V方式接收自带意图信息的BSM信息，通过车辆间位置关系从而确定前车，进而车载OBU单元直接对前车意图信息进行提取。
所述感知模块采用摄像头、毫米波雷达、超声波雷达、激光雷达、高清地图、惯性导航、全球卫星导航系统等感知设备感知自车周围环境信息。
所述决策规划模块能够实现车辆的轨迹预测、全局决策规划、局部路径规划。所述执行控制模块能够实现车辆的纵向控制与横向控制。
本实施例前车意图识别流程为：
S01：通过自车车载GNSS、RTK定位服务、IMU、车辆CAN信号和摄像头进行数据融合，并结合高精度地图服务，获得拥有自车所处车道中准确的位置信息，并达到车道级别的定位需求；
S02：根据自车CAN信号获取本车横向加速度、航向角、方向盘转角，自车的OBU中的意图识别模块使用驾驶意图识别方法进行自车驾驶意图识别；
S03：通过V2V的方式获取周围车辆信息(包含驾驶意图)，通过周围车辆可靠的定位效果判断是否为前车，进而确定前车意图。
图1和图2所示，是自车OBU中驾驶意图识别模块对自车意图进行识别，通过V2V通信将自车意图传递给他车。通过车辆的高精地图、GNSS、RTK定位服务、摄像头信息、IMU确定位置信息。基于车辆CAN信号，通过OBU中意图识别模块进行自车驾驶意图识别。将本车的车辆位置信息和驾驶意图作为BSM信息，通过V2V通信方式发送给周边车辆。接受到信息的车辆通过自车位置信息和获取到的他车位置信息，判断两车的相对位置，确定前车车辆，进而获得前车驾驶意图。
实施例2：
一种基于V2V的前车意图识别系统，该系统包括有感知模块、决策规划模块、执行控制模块，所述感知模块、决策规划模块、执行控制模块依次连接。
所述感知模块中设置有车载OBU单元，本系统还设置有用于识别车辆驾驶意图的意图识别模块，所述意图识别模块设置于决策规划模块中。
所述车载OBU单元通过V2V方式接收不带意图信息的BSM信息，先判断车辆间位置关系确定前车，后决策规划模块中的意图识别模块根据BSM信息进行前车驾驶意图识别。
所述感知模块采用摄像头、毫米波雷达、超声波雷达、激光雷达、高清地图、惯性导航、全球卫星导航系统等感知设备感知自车周围环境信息。
所述决策规划模块能够实现车辆的轨迹预测、全局决策规划、局部路径规划。所述执行控制模块能够实现车辆的纵向控制与横向控制。
本实施例前车意图识别流程为：
S11：通过自车车载GNSS、RTK定位服务、IMU、车辆CAN信号和摄像头进行数据融合，并结合高精度地图服务，获得拥有自车所处车道中准确的位置信息，并达到车道级别的定位需求；
S12：通过V2V的方式获取周围车辆位置信息和BSM信息，通过周围车辆可靠的定位效果判断是否为前车；
S13：根据前车BSM信息中横向加速度、航向角、方向盘转角，通过自车决策规划中意图识别模块，判断前车是否存在换道意图，若存在换道意图，根据参数特性判断左换道和右换道意图；若不存在换道意图，根据车速、纵向加速度判断前车是匀速直行、加速直行、减速直行或紧急制动。
如图3和图4所示，通过自车决策规划中驾驶意图识别模块处理通过V2V通信传递过来的BSM信息，进而完成他车意图的识别。通过自车的高精地图、GNSS、RTK定位服务、摄像头信息、IMU确定车辆位置信息。通过V2V通信方式将车辆位置信息以及BSM信息发送给他车。接受到信息的车辆通过自车位置信息和获取到的他车位置信息，判断两车的相对位置，确定前车车辆，并基于前车BSM信息通过自车决策规划中驾驶意图识别模块识别得到前车意图。
在实施例1与实施例2中判断是否为前车的方式为通过自车的高清地图、GNSS、RTK定位服务、摄像头信息、IMU等信息，结合他车的BSM信息判断车辆是否为同一车道，如果不为同一车道则不作处理，如果为同一车道再判断是否前方距离最近，如果距离不是最近则不作处理，如果距离最近则确定为前车。具体为：智能网联汽车通过高精地图、GNSS、RTK定位服务、IMU以及传统车载感知传感器获得车辆精确的位置信息，包含绝对位置和相对位置。车辆通过对传统车载感知传感器获得到的数据及其内存中的高精度二维网格进行比对，从而确定其在路面的具体位置，比如位于那条车道，距离车道中心线的位置等。GNSS、RTK定位服务、IMU能够采集到车辆位置信息的坐标数据，通过两车之间的经纬度信息可以计算其实际相对距离。V2X可以获取环境盲区信息和超视距信息，而且车辆位置信息准确度很高。如图5，通过车载GNSS、RTK定位服务、IMU和摄像头进行数据融合，并结合高精度地图服务，获得拥有车辆所处车道中准确的位置信息，准确判断车辆是否为同一车道正前方距离最近的车辆。
本实施例1与实施例2中，基于自车Can信号或他车BSM信息，均通过混合高斯隐马尔可夫算法(GMM-HMM)预测车辆驾驶意图。将车辆左换道、车辆右换道、车辆加速直行、车辆减速直行、车辆匀速直行、紧急制动作为隐状态，将横向加速度、航向角、方向盘转角、车速、纵向加速度及其各自标准差作为可观测序列。通过训练得到的初始状态概率、状态转移概率、高斯权重、均值、协方差等模型参数，得到不同驾驶意图的概率分布，当某一意图的概率连续3个采样间隔时间大于0.5的阈值，可以确定为当前驾驶意图，其中车辆换道点前1—3秒识别到车辆的换道意图，如图6和图7，横向加速度、航向角、方向盘转角等车辆横向运动特征指标可以有效识别车辆的横向运动，车速、纵向加速度等车辆纵向运动特征指标可以有效识别车辆的纵向运动。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。