一种弯道目标选择方法及系统与流程

1.本发明属于智能网联领域，具体涉及一种弯道目标选择方法及系统。


背景技术：

2.配置有驾驶辅助摄像头的车型，可实现acc自适应巡航，可进行稳速以及跟车稳定行驶，跟随前车速度自适应，实现全速域、全道路类型的跟停跟起跟走功能。驾驶辅助摄像头周期性地采集自车前方的各种信息。
3.驾驶辅助摄像头也可以实现acc自适应巡航在巡航全速域道路类型跟车，但是当自车处于直道，而目标车辆均处于弯道环境中或者自车处于弯道，目标车处于直道，自车对前方车辆的选择主要靠摄像头识别车道线、自车横摆角行驶轨迹预判以及前方目标车辆的行驶轨迹预判，再根据时距对目标进行判断，判定是否将目标作为跟随目标。
4.如果采用纯视觉方案，即只采用驾驶辅助摄像头(包括单目、双目或多目摄像头)时，当车道线清晰或者识别的车道线以及预判轨迹偏差较大的时候，或者弯道有盲区，识别不到车道线等情况下，目标车实际处于在自车左右两侧的车道内(如图1-1所示)，但是在视野正前方，摄像头容易误选目标，进而导致acc触发误减速，影响驾驶员正常行驶。或者在自车侵入切出时(如图1-2所示)，容易误选旁边车道或者路边车辆作为目标，进而触发误减速。或者在自车进出匝道时(如图1-3所示)，容易误选自车正前方非自车行驶轨迹车道目标，进而触发误减速。


技术实现要素：

5.本发明的目的在于解决上述现有技术中存在的难题，提供一种弯道目标选择方法及系统，解决“纯视觉方案的acc系统在弯道场景误选前方目标触发误减速、侵入切出工况下容易误选旁边车道或者路旁车辆触发误减速，以及进出匝道容易选中正前方非自车行驶轨迹车辆触发误减速”的问题。
6.本发明是通过以下技术方案实现的：
7.本发明的第一个方面，提供了一种弯道目标选择方法，所述方法包括：
8.第一步，信息收集：采集道路、车道线、车辆的信息；
9.第二步、信息处理：对信息进行处理，然后判断前车是否为侵入目标；
10.第三步，信息筛选：对侵入目标进行筛选，获得真正可信的二级目标车辆；
11.第四步，多目标选择：从真正可信的二级目标车辆中筛选出三级目标车辆；
12.第五步，无效目标剔除：根据设定的条件剔除无效目标。
13.本发明的进一步改进在于：
14.所述第二步的操作包括：
15.(21)获取目标置信度；
16.(22)目标置信度判断；
17.(23)判断目标是否是真实存在的；
18.(24)目标距离转换：将摄像头输出的前车的横纵向距离转换为自车行驶轨迹下的横纵向距离；
19.(25)判断前车是否为侵入目标；
20.(26)计算自车与侵入目标碰撞的ttc；
21.(27)计算自车与侵入目标的相对速度。
22.本发明的进一步改进在于：
23.所述步骤(21)的操作包括：
24.根据第一步收集到的信息计算获得目标真实存在的概率、相对速度标准差、绝对速度的标准差；
25.如果目标真实存在的概率小于阈值或者相对速度标准差大于阈值或者绝对速度的标准差大于阈值，则目标不可信，否则目标可信；
26.当目标可信时，根据相对速度查表获得置信度真值。
27.本发明的进一步改进在于：
28.所述步骤(22)的操作包括：
29.将摄像头直接输出的相对速度的绝对值与基于相对距离计算出来的相对速度的绝对值进行比较，如果两者的偏差大于设定的阈值，则判定目标置信度不可信，如果两者的偏差不大于设定的阈值，则判定目标置信度可信。
30.本发明的进一步改进在于：
31.所述步骤(23)的操作包括：
32.当自车车速大于0kph时，如果前车的纵向距离、横向距离、相对速度、相对加速度均保持默认值或在n个周期内保持一个恒定值，则判定目标是真实存在的，否则，判定目标是不真实存在的。
33.本发明的进一步改进在于：
34.所述步骤(25)的操作包括：
35.(251)判断自车行驶轨迹区域的宽度的值是否小于设定的阈值，如果是，则将自车行驶轨迹区域进行扩宽得到扩宽后的自车行驶轨迹区域，然后进入步骤(252)，如果否，则进入步骤(252)；
36.(252)对自车行驶轨迹区域进行偏移得到新的自车行驶轨迹区域；
37.(253)判断摄像头是否输出侵入标志信号，如果是，则判定前车即将侵入新的自车行驶轨迹区域以内，然后判断前车是否为侵入目标。
38.本发明的进一步改进在于：
39.所述步骤(252)的操作包括：
40.分别对自车行驶轨迹区域的宽度、航向角、车辆当前点目标轨迹半径增加一个偏移量，得到新的自车行驶轨迹区域。
41.本发明的进一步改进在于：
42.所述步骤(253)中，如果同时满足以下条件，则摄像头输出侵入标志信号：
43.目标是真实存在的；
44.前车的轮胎压线；
45.自车与前车的纵向距离小于60m；
46.自车速度小于60kph且大于10kph。
47.本发明的进一步改进在于：
48.所述步骤(253)中的判断前车是否为侵入目标的操作包括：
49.如果前车即将侵入新的自车行驶轨迹区域以内，则判断前车是否满足以下条件，如果是，则将前车判定为侵入目标：
50.前车是移动的；
51.目标是真实存在的；
52.自车与前车的相对纵向距离、相对横向距离分别小于设定的阈值；
53.横向ttc小于设定的阈值且纵向ttc小于设定的阈值；
54.前车的轮胎压线；
55.前车与自车的距离小于60m；
56.自车车速小于60kph且大于10kph。
57.本发明的进一步改进在于：
58.所述第三步的操作包括：
59.(31)分别对每个侵入目标进行以下操作：如果侵入目标的置信度可信且目标是真实存在的，则将侵入目标标记为有效目标；
60.(32)根据各个有效目标的行驶方向及运动状态筛选出一级目标车辆；
61.(33)分别计算自车与每个一级目标车辆的横向ttc，并筛选出二级目标车辆；
62.(34)判断二级目标车辆是否真正可信。
63.本发明的进一步改进在于：
64.所述步骤(32)的操作包括：
65.分别对每个有效目标进行以下操作：
66.(321)判断有效目标是否是静止的且是处于弯心处的车辆，如果是，则由摄像头自行决定是否将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则转入步骤(322)；
67.(322)判断有效目标是否是横穿车辆，如果否，则转入步骤(323)，如果是，则判断有效目标的横向速度是否大于设定的阈值，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则将该有效目标标记为一级目标车辆，然后转入步骤(326)；
68.(323)如果自车没有稳定的目标车，则判断有效目标的标志位是否为对向来车标志位，如果是，则将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则转入步骤(324)；如果自车有稳定的目标车，则判断有效目标是否在邻侧车道且横向速度大于阈值或者纵向速度大于阈值，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(324)，如果否，则将该有效目标标记为一级目标车辆，然后转入步骤(326)；
69.(324)判断有效目标是否是处于弯心处的同向行驶车辆，如果否，则转入步骤(325)，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(326)；
70.(325)将有效目标标记为一级目标车辆；
71.(326)结束。
72.本发明的进一步改进在于：
73.所述步骤(33)操作包括：
74.分别对每个一级目标车辆进行以下操作：
75.(331)计算获得自车与一级目标车辆的横向ttc；
76.(332)如果横向ttc小于0.85s，则将该一级目标车辆标记为二级目标车辆；
77.如果横向ttc大于1.0s，则不将该一级目标车辆标记为二级目标车辆；
78.如果0.85＜横向ttc＜1.0s,则判断自车与一级目标车辆的横向距离、纵向距离是否分别小于设定的阈值,如果是，则将该一级目标车辆标记为二级目标车辆。
79.本发明的进一步改进在于：
80.所述步骤(34)的操作包括：
81.依次对各个二级目标车辆进行以下操作：
82.判断该二级目标车辆是否满足以下条件，如果是，则判定该二级目标车辆是真正可信的二级目标车辆，如果否，则判定该二级目标车辆是非真正可信的二级目标车辆：
83.置信度真值大于设定的阈值；
84.目标置信度可信；
85.目标是真实存在的。
86.本发明的进一步改进在于：
87.所述第四步的操作包括：
88.将各个真正可信的二级目标车辆的横向ttc、跟车距离分别进行排序，然后判断最小的横向ttc是否大于设定的阈值，如果是，则将最小的跟车距离对应的目标真正可信的二级目标车辆标记为三级目标车辆，如果否，则将最小的横向ttc对应的目标真正可信的二级目标车辆标记为三级目标车辆。
89.本发明的进一步改进在于：
90.所述第五步的操作包括：
91.判断是否满足以下条件中的至少一个，如果是，则不将所述三级目标车辆作为跟车目标；如果否，则将所述三级目标车辆作为跟车目标：
92.弯道的曲率大于设定的阈值；
93.自车的横摆角加速度大于设定的阈值；
94.自车的方向盘角度大于设定的阈值。
95.本发明的第二个方面，提供了弯道目标选择系统，所述系统包括：
96.信息收集模块：用于采集道路、车道线、车辆的信息；
97.信息处理模块：与信息收集模块连接，用于对信息进行处理，然后判断前车是否为侵入目标；
98.信息筛选模块：与信息处理模块连接，用于对侵入目标进行筛选，获得真正可信的二级目标车辆；
99.多目标选择模块：与信息筛选模块连接，用于从真正可信的二级目标车辆中筛选出三级目标车辆；
100.无效目标剔除模块：与多目标选择模块连接，用于根据设定的条件剔除无效目标。
101.与现有技术相比，本发明的有益效果是：
102.本发明采用纯视觉方案，取代了传统的摄像头加雷达的方案，降低了整车的成本；
而且本发明解决了误弯内、变道、进出匝道时误选前方目标触发误减速的问题，提高了自适应巡航的舒适性，减少了用户抱怨，提高了驾驶安全感。
附图说明
103.图1-1容易误选的第一种目标场景；
104.图1-2容易误选的第二种目标场景；
105.图1-3容易误选的第三种目标场景；
106.图2本发明方法的流程图；
107.图3自车行驶轨迹示意图；
108.图4有跟随目标下，前方目标侵入判断示意图；
109.图5对向目标行驶方向及运动状态判断示意图；
110.图6置信度阈值判断示意图；
111.图7根据多目标选择模块筛选目标的示意图。
具体实施方式
112.下面结合附图对本发明作进一步详细描述：
113.本发明弯道目标选择方法采用纯视觉方案实现了弯道目标选择，如图2所示，本发明方法包括：
114.第一步，信息收集：采集道路、车道线、车辆的信息。
115.第一步是利用自车安装的现有的驾驶辅助摄像头(简称摄像头)中的信息收集模块实现的，其能够收集道路，车道线、车辆等信息。具体的，其能够收集前方多个车辆的类型、速度、所处的位置以及行驶道路的车道线信息(直道、弯道)，同时自车的车身会将自车速度、方向盘转角以及横摆角加速度等信息传输给摄像头。摄像头采集信息、车身can传输信息给摄像头这些都是通过现有技术实现的，在此不再赘述。
116.具体的，第一步收集的信息包括：
117.车道线的宽度、长度、曲率；
118.前方车辆的类型，包括：轿车、卡车、两轮车、三轮车；
119.前方车辆的速度、横向距离、纵向距离、加速度(图2中“前方目标位置”包括了横向距离、纵向距离、加速度)；
120.自车的速度、加速度、距离车道线左右侧的距离、自车方向盘角度、横摆角速度。
121.第二步、信息处理：对信息进行处理，然后判断前车是否为侵入目标：
122.所述第二步的操作包括：
123.(21)获取目标置信度：根据第一步收集到的信息判断目标是否可信，具体如下：
124.根据第一步收集到的信息计算获得目标真实存在的概率、相对速度标准差、绝对速度的标准差(这三个指标是采用现有算法基于自车时距、自车与前车的距离、速度差进行运算获得的，在此不再赘述)，将这三个指标分别与设定的阈值进行比较，进而判断目标是否可信。
125.上述三个指标的阈值是根据自车与目标车的ttc(ttc是基于当前自车与前车速度、相对距离，计算出来的自车将要碰撞上前车所需要的时间，其单位是s)以及相对距离进
行设定的。
126.如果目标真实存在的概率小于阈值或者相对速度标准差大于阈值或者绝对速度的标准差大于阈值，则目标不可信，即三个条件中只要有一个条件满足，则目标不可信。如果上述三个条件均不满足，则目标可信。当目标可信时，根据相对速度进行查表(自车上配置有相对速度与置信度真值的对照表)获得置信度真值，如图6所示。然后对该目标进行目标置信度判断。
127.(22)目标置信度判断：将摄像头直接输出的相对速度的绝对值与基于相对距离计算出来的相对速度的绝对值进行比较，如果两者的偏差大于设定的阈值，则判定目标置信度不可信，如果两者的偏差不大于设定的阈值，则判定目标置信度可信。具体如下：
128.采用下面的公式基于相对距离计算相对速度：
129.用相对距离计算的相对速度＝c
×
|n个周期前的距离-当前周期距离|/t
130.其中，c为滤波系数，可让相对速度变得更加平滑；对于n个周期或者n个周期之外的目标距离不做选取，t为驾驶员设定的当前时距。
131.将摄像头直接输出的相对速度的绝对值与基于相对距离计算出来的相对速度的绝对值进行比较，如果两者的偏差大于设定的阈值，则判定目标置信度不可信(例如目标虽然在摄像头的正前方视野内，但实际上是在自车车道的左侧或右侧，则可能出现这种情况)。如果两者的偏差不大于设定的阈值，则判定目标置信度可信。
132.(23)判断目标是否是真实存在的：摄像头检测识别的目标是否真实存在，具体如下：
133.当自车车速大于0kph时，摄像头持续观察前车的纵向距离、横向距离、相对速度、相对加速度，如果这些信息保持默认值或在n个周期(输出的距离或者目标id或者目标的距离的周期)内保持一个恒定值，则判定目标是真实存在的，否则，判定目标是不真实存在的，这样就过滤掉了对向车道弯心处的目标。
134.(24)目标距离转换：将摄像头输出的前车的横纵向距离转换为自车行驶轨迹下的横纵向距离；
135.x＝|r|
×
θ
[0136][0137]
其中，x、y代表基于当前曲率下自车在坐标系中的位置，r是当前行驶轨迹下的半径，x1、y1代表基于当前半径下的前车在坐标系中的位置，θ代表前车基于当前半径下与坐标系x轴的夹角，这些参数的值都是摄像头输出的。
[0138]
(25)判断前车是否为侵入目标，具体操作包括：
[0139]
(251)判断自车行驶轨迹区域的宽度c0的值是否小于设定的阈值(例如0.7m)，如果是，则将自车行驶轨迹区域进行扩宽(例如以自车后轴中心点作为自车行驶轨迹起点，如果输出的自车行驶轨迹区域的宽度c0小于0.7m，则将自车行驶轨迹区域根据后轴中心点向左右扩宽相同的宽度，总共扩宽1.8m)得到扩宽后的自车行驶轨迹区域，以便自车换道时提前将相邻车道目标判断在自车行驶轨迹前方，保证换道过程提前选中目标进行加减速操作，然后进入步骤(252)，如果否，则进入步骤(252)。图3中的lane1、lane2车道线之间的区域是自车行驶轨迹区域，其中，lane1为左侧车道线，lane2为右侧车道线。
[0140]
(252)对自车行驶轨迹区域进行偏移得到新的自车行驶轨迹区域：
[0141]
由于远处的自车行驶轨迹区域收窄，即c0变小，航向角c1变小，车辆当前点目标轨迹半径c2增大(远处车道线收窄，c0肯定会变小，远处的航向角也变小，摄像头看到的预瞄点的半径，越远半径c2越大)，因此本发明给自车行驶轨迹区域的c0、c1、c2分别增加一个偏移量，得到新的自车行驶轨迹区域。通过偏移量进行补偿，使得远处信息更加逼近真实值，进而避免了对远距离车道线识别不准导致判断错误目标车辆与车道线关系。增加偏移的地方可以理解为摄像头n个周期到达的地方，也可以理解为n米之后。
[0142]
通过步骤(251)和(252)还原保证了远处车道线的真实值，避免了因为弯道或者摄像头识别局限，导致车道线位置判断有误。
[0143]
(253)判断摄像头是否输出侵入标志信号，如果是，则判定前车即将侵入新的自车行驶轨迹区域以内，然后判断前车是否为侵入目标。
[0144]
判断自车与当前选中的目标车(cipv，是摄像头自行选择的，自车跟随cipv进行加减速)之间或者其他车道有无侵入目标，如图4、图5所示，a车为当前跟随的cipv，b车为即将侵入新的自车行驶轨迹区域以内的前车，c车为其他前车。侵入目标是指还没在新的自车行驶轨迹区域内，但是准备越过左侧车道线或者右侧车道线,要进入到新的自车行驶轨迹区域内的车。
[0145]
具体的，如果同时满足以下条件，则摄像头输出侵入标志信号：
[0146]
目标是真实存在的；
[0147]
前车的轮胎压线：摄像头判断前车上最近处的轮胎是否压到新的自车行驶轨迹区域的左侧或右侧的车道线；
[0148]
自车与前车的纵向距离小于60m；
[0149]
自车速度小于60kph且大于10kph。
[0150]
判断前车是否为侵入目标的操作包括：
[0151]
如果前车即将侵入新的自车行驶轨迹区域以内，则判断前车是否满足以下条件，如果是，则将前车判定为侵入目标：
[0152]
前车是移动的；
[0153]
目标是真实存在的；
[0154]
自车与前车的相对纵向距离、相对横向距离分别小于设定的阈值。例如自车与目标车的相对纵向距离小于60m,相对横向距离小于1.2m；
[0155]
横向ttc小于设定的阈值且纵向ttc小于设定的阈值；横向ttc＝横向的相对距离/横向的相对速度，纵向ttc＝纵向的相对距离/纵向的相对速度，阈值根据自车与b车相对距离进行设定，两者成正相关，例如可以设置纵向ttc小于0.9s,横向ttc小于0.6s。
[0156]
前车的轮胎压线；
[0157]
前车与自车的距离小于60m；
[0158]
自车车速小于60kph且大于10kph。
[0159]
这样，通过首先判断前车是否即将侵入新的自车行驶轨迹区域以内，然后判断这些前车中的哪些是侵入目标，避免了目标遗漏或者目标选中晚，进而避免了碰撞风险。
[0160]
(26)计算自车与侵入目标碰撞的ttc：根据相对距离和相对速度计算ttc，ttc＝c(相对距离/相对速度)，单位是s,其中，c是滤波系数，避免处于临界值跳动。
[0161]
(27)计算自车与侵入目标的相对速度(即相对速度校核)：使用相对距离计算自车与侵入目标的相对速度。距离曲线相对平滑，计算出来的相对速度可解决摄像头直接输出的相对速度跳变的问题。当用相对距离计算出来的相对速度与摄像头输出的相对速度大于某个阈值时，选用相对距离计算出来的相对速度。
[0162]
用相对距离计算的相对速度＝c
×
|n个周期前的距离-当前周期距离|/t。
[0163]
第三步，信息筛选：对侵入目标进行筛选，获得真正可信的二级目标车辆：
[0164]
所述第三步的操作包括：
[0165]
(31)分别对每个侵入目标进行以下操作：如果侵入目标的置信度可信且目标是真实存在的，则将侵入目标标记为有效目标。
[0166]
(32)根据各个有效目标的行驶方向及运动状态筛选出一级目标车辆，具体如下：
[0167]
分别对每个有效目标进行以下操作：
[0168]
(321)判断有效目标是否是静止的且是处于弯心处的车辆(如图5中的车辆b)，如果是，则由摄像头根据现有算法自行决定是否将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则转入步骤(322)。现有的摄像头会根据采集到的目标运动属性信息、位置、与自车行驶轨迹等信息判断有效目标是否是静止的且是否是处于弯心处的，并进行判断是否将其作为一级目标车辆。
[0169]
(322)判断有效目标是否是横穿车辆，如果否，则转入步骤(323)，如果是，则判断有效目标的横向速度是否大于设定的阈值，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则将该有效目标标记为一级目标车辆，然后转入步骤(326)。现有的摄像头会根据采集到的信息判断有效目标是是否是横穿车辆一级横向速度是否大于阈值。
[0170]
(323)如果自车没有稳定的目标车cipv(现有的摄像头会自行判断是否有稳定的cipv)，则判断有效目标的标志位是否为对向来车标志位，如果是，则将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则转入步骤(324)；如果自车有稳定的目标车，则判断有效目标是否在邻侧车道且横向速度大于阈值或者纵向速度大于阈值，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(324)，如果否，则将该有效目标标记为一级目标车辆，然后转入步骤(326)。具体的，对于出现在自车运动轨迹正前方运动目标，如对向车道上，刚好处于弯心位置(如图5中的车辆b),此时对向目标是在自车正前方。摄像头会根据车头车尾，以及车辆纵向速度，目标属性id(目标出现少于n个周期。不选择作为真实目标)(b车的车头、车尾、纵向速度、目标属性id都是摄像头自行采集到的)，给出正前方目标的标志位为对向来车标志位(oncoming),如果是oncoming，则将该有效目标标记为一级目标车辆；
[0171]
(324)判断有效目标是否是处于弯心处的同向行驶车辆，如果否，则转入步骤(325)，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(326)。具体的，对于同向行驶车辆，如果其刚好处于弯心，如图5中的车辆b，其行驶方向跟自车行驶方向一致时，通过目标属性id(周期判断)、侵入标志位、横向速度，以及目标车姿态进行判断(摄像头输出目标车的位置，车头、车尾、行驶方向等信息)，不将该有效目标标记为一级目标车辆。
[0172]
(325)将有效目标标记为一级目标车辆；
[0173]
(326)结束。
[0174]
步骤(32)结束后可能得到多个一级目标车辆。
[0175]
(33)分别计算自车与每个一级目标车辆的横向ttc，并筛选出二级目标车辆，具体操作包括：
[0176]
分别对每个一级目标车辆进行以下操作：
[0177]
(331)利用下式计算获得自车与一级目标车辆的横向ttc:
[0178][0179]
其中，ttc
横向
是自车与一级目标车辆的横向ttc，单位是s；s
横向相对距离
是自车后轴中心点与一级目标车辆的尾部中心点横向相对距离；v
1-横向
是自车的横向速度，v
2-横向
是一级目标车辆的横向速度。
[0180]
(332)如果横向ttc小于0.85s，认为有碰撞风险，则将该一级目标车辆标记为二级目标车辆；
[0181]
如果横向ttc大于1.0s，则不将该一级目标车辆标记为二级目标车辆；
[0182]
如果0.85＜横向ttc＜1.0s,则判断自车与一级目标车辆的横向距离、纵向距离是否分别小于设定的阈值(例如横向距离的阈值为1.1m，纵向距离的阈值为60m),如果是，则将该一级目标车辆标记为二级目标车辆。通常，会放大卡车的横向距离的阈值，例如可以将卡车的横向距离的阈值设定为：轿车横向距离+0.2m或者两轮车横向距离的2倍。
[0183]
(34)判断二级目标车辆是否真正可信：
[0184]
依次对各个二级目标车辆进行以下操作：
[0185]
判断该二级目标车辆是否满足以下条件，如果是，则判定该二级目标车辆是真正可信的二级目标车辆，如果否，则判定该二级目标车辆是非真正可信的二级目标车辆：
[0186]
置信度真值大于设定的阈值；
[0187]
目标置信度可信；
[0188]
目标是真实存在的。
[0189]
第四步，多目标选择：从真正可信的二级目标车辆中筛选出三级目标车辆：
[0190]
如图7所示，根据跟车距离(又称为当前时距，跟车距离的计算方式是两车相对速度乘以设置的时距。驾驶员激活时会设置acc的时距，其单位是秒，时距有不同的档位，一般有1-7档，例如1s/1.2s...2.4s)以及横向ttc，进行多目标选择，具体如下：
[0191]
将各个真正可信的二级目标车辆的横向ttc、跟车距离分别进行排序，然后判断最小的横向ttc是否大于设定的阈值，如果是(横向ttc大于设定的阈值，则该目标不存在碰撞风险或者在轨迹以外)，则将最小的跟车距离对应的目标真正可信的二级目标车辆标记为三级目标车辆，如果否，则将最小的横向ttc对应的目标真正可信的二级目标车辆标记为三级目标车辆。
[0192]
第五步，无效目标剔除：根据设定的条件剔除无效目标。
[0193]
判断是否满足以下条件中的至少一个，如果是，则不将所述三级目标车辆作为跟车目标，此时不更改摄像头自行选择的目标车cipv；如果否，则将所述三级目标车辆作为跟车目标，此时将现在摄像头自行选择的目标车cipv更换成所述三级目标车辆，并跟随三级目标车辆进行加减速处理，即将三级目标车辆作为目标车cipv进行跟随：
[0194]
弯道的曲率大于设定的阈值：弯道的曲率大于设定的阈值时(如图1-1所示)，摄像头输出的车道线与真实值偏差较大，容易出现根据车道线情况误选目标的情况，此时不将三级目标车辆作为跟车目标。因为曲率过大，意味着自车与前车实际轨迹距离较远，直线距离较短，为避免误制动，所以不选择跟车目标。通过该判断避免了弯道过大时自车车道线位置补偿不足导致目标误选的问题。
[0195]
自车的横摆角加速度大于设定的阈值：自车的横摆角加速度大于设定的阈值说明车辆行驶轨迹变化剧烈(摄像头根据前车的速度、前车与自车的距离、前车的角度等信息采用现有算法计算获得横摆角加速度，在此不再赘述。)，例如进出匝道或者变道场景，此时不将三级目标车辆作为跟车目标；
[0196]
自车的方向盘角度大于设定的阈值：例如自车进行掉头，此时不将三级目标车辆作为跟车目标。
[0197]
本发明还提供了一种弯道目标选择系统，所述系统包括：
[0198]
信息收集模块：用于采集道路、车道线、车辆的信息；
[0199]
信息处理模块：与信息收集模块连接，用于对信息进行处理，然后判断前车是否为侵入目标；
[0200]
信息筛选模块：与信息处理模块连接，用于对侵入目标进行筛选，获得真正可信的二级目标车辆；
[0201]
多目标选择模块：与信息筛选模块连接，用于从真正可信的二级目标车辆中筛选出三级目标车辆；
[0202]
无效目标剔除模块：与多目标选择模块连接，用于根据设定的条件剔除无效目标。
[0203]
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施例所描述的技术方案，因此前面描述的只是优选的，而并不具有限制性的意义。

技术特征：
1.一种弯道目标选择方法，其特征在于：所述方法包括：第一步，信息收集：采集道路、车道线、车辆的信息；第二步、信息处理：对信息进行处理，然后判断前车是否为侵入目标；第三步，信息筛选：对侵入目标进行筛选，获得真正可信的二级目标车辆；第四步，多目标选择：从真正可信的二级目标车辆中筛选出三级目标车辆；第五步，无效目标剔除：根据设定的条件剔除无效目标。2.根据权利要求1所述的弯道目标选择方法，其特征在于：所述第二步的操作包括：(21)获取目标置信度；(22)目标置信度判断；(23)判断目标是否是真实存在的；(24)目标距离转换：将摄像头输出的前车的横纵向距离转换为自车行驶轨迹下的横纵向距离；(25)判断前车是否为侵入目标；(26)计算自车与侵入目标碰撞的ttc；(27)计算自车与侵入目标的相对速度。3.根据权利要求2所述的弯道目标选择方法，其特征在于：所述步骤(21)的操作包括：根据第一步收集到的信息计算获得目标真实存在的概率、相对速度标准差、绝对速度的标准差；如果目标真实存在的概率小于阈值或者相对速度标准差大于阈值或者绝对速度的标准差大于阈值，则目标不可信，否则目标可信；当目标可信时，根据相对速度查表获得置信度真值。4.根据权利要求2所述的弯道目标选择方法，其特征在于：所述步骤(22)的操作包括：将摄像头直接输出的相对速度的绝对值与基于相对距离计算出来的相对速度的绝对值进行比较，如果两者的偏差大于设定的阈值，则判定目标置信度不可信，如果两者的偏差不大于设定的阈值，则判定目标置信度可信。5.根据权利要求2所述的弯道目标选择方法，其特征在于：所述步骤(23)的操作包括：当自车车速大于0kph时，如果前车的纵向距离、横向距离、相对速度、相对加速度均保持默认值或在n个周期内保持一个恒定值，则判定目标是真实存在的，否则，判定目标是不真实存在的。6.根据权利要求2所述的弯道目标选择方法，其特征在于：所述步骤(25)的操作包括：(251)判断自车行驶轨迹区域的宽度的值是否小于设定的阈值，如果是，则将自车行驶轨迹区域进行扩宽得到扩宽后的自车行驶轨迹区域，然后进入步骤(252)，如果否，则进入步骤(252)；(252)对自车行驶轨迹区域进行偏移得到新的自车行驶轨迹区域；(253)判断摄像头是否输出侵入标志信号，如果是，则判定前车即将侵入新的自车行驶轨迹区域以内，然后判断前车是否为侵入目标。7.根据权利要求6所述的弯道目标选择方法，其特征在于：所述步骤(252)的操作包括：分别对自车行驶轨迹区域的宽度、航向角、车辆当前点目标轨迹半径增加一个偏移量，得到新的自车行驶轨迹区域。
8.根据权利要求6所述的弯道目标选择方法，其特征在于：所述步骤(253)中，如果同时满足以下条件，则摄像头输出侵入标志信号：目标是真实存在的；前车的轮胎压线；自车与前车的纵向距离小于60m；自车速度小于60kph且大于10kph。9.根据权利要求6所述的弯道目标选择方法，其特征在于：所述步骤(253)中的判断前车是否为侵入目标的操作包括：如果前车即将侵入新的自车行驶轨迹区域以内，则判断前车是否满足以下条件，如果是，则将前车判定为侵入目标：前车是移动的；目标是真实存在的；自车与前车的相对纵向距离、相对横向距离分别小于设定的阈值；横向ttc小于设定的阈值且纵向ttc小于设定的阈值；前车的轮胎压线；前车与自车的距离小于60m；自车车速小于60kph且大于10kph。10.根据权利要求1所述的弯道目标选择方法，其特征在于：所述第三步的操作包括：(31)分别对每个侵入目标进行以下操作：如果侵入目标的置信度可信且目标是真实存在的，则将侵入目标标记为有效目标；(32)根据各个有效目标的行驶方向及运动状态筛选出一级目标车辆；(33)分别计算自车与每个一级目标车辆的横向ttc，并筛选出二级目标车辆；(34)判断二级目标车辆是否真正可信。11.根据权利要求10所述的弯道目标选择方法，其特征在于：所述步骤(32)的操作包括：分别对每个有效目标进行以下操作：(321)判断有效目标是否是静止的且是处于弯心处的车辆，如果是，则由摄像头自行决定是否将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则转入步骤(322)；(322)判断有效目标是否是横穿车辆，如果否，则转入步骤(323)，如果是，则判断有效目标的横向速度是否大于设定的阈值，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则将该有效目标标记为一级目标车辆，然后转入步骤(326)；(323)如果自车没有稳定的目标车，则判断有效目标的标志位是否为对向来车标志位，如果是，则将该有效目标标记为一级目标车辆，然后转入步骤(326)，如果否，则转入步骤(324)；如果自车有稳定的目标车，则判断有效目标是否在邻侧车道且横向速度大于阈值或者纵向速度大于阈值，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(324)，如果否，则将该有效目标标记为一级目标车辆，然后转入步骤(326)；(324)判断有效目标是否是处于弯心处的同向行驶车辆，如果否，则转入步骤(325)，如果是，则不将该有效目标标记为一级目标车辆，然后转入步骤(326)；
(325)将有效目标标记为一级目标车辆；(326)结束。12.根据权利要求10所述的弯道目标选择方法，其特征在于：所述步骤(33)操作包括：分别对每个一级目标车辆进行以下操作：(331)计算获得自车与一级目标车辆的横向ttc；(332)如果横向ttc小于0.85s，则将该一级目标车辆标记为二级目标车辆；如果横向ttc大于1.0s，则不将该一级目标车辆标记为二级目标车辆；如果0.85＜横向ttc＜1.0s,则判断自车与一级目标车辆的横向距离、纵向距离是否分别小于设定的阈值,如果是，则将该一级目标车辆标记为二级目标车辆。13.根据权利要求10所述的弯道目标选择方法，其特征在于：所述步骤(34)的操作包括：依次对各个二级目标车辆进行以下操作：判断该二级目标车辆是否满足以下条件，如果是，则判定该二级目标车辆是真正可信的二级目标车辆，如果否，则判定该二级目标车辆是非真正可信的二级目标车辆：置信度真值大于设定的阈值；目标置信度可信；目标是真实存在的。14.根据权利要求1所述的弯道目标选择方法，其特征在于：所述第四步的操作包括：将各个真正可信的二级目标车辆的横向ttc、跟车距离分别进行排序，然后判断最小的横向ttc是否大于设定的阈值，如果是，则将最小的跟车距离对应的目标真正可信的二级目标车辆标记为三级目标车辆，如果否，则将最小的横向ttc对应的目标真正可信的二级目标车辆标记为三级目标车辆。15.根据权利要求1所述的弯道目标选择方法，其特征在于：所述第五步的操作包括：判断是否满足以下条件中的至少一个，如果是，则不将所述三级目标车辆作为跟车目标；如果否，则将所述三级目标车辆作为跟车目标：弯道的曲率大于设定的阈值；自车的横摆角加速度大于设定的阈值；自车的方向盘角度大于设定的阈值。16.一种弯道目标选择系统，其特征在于：所述系统包括：信息收集模块：用于采集道路、车道线、车辆的信息；信息处理模块：与信息收集模块连接，用于对信息进行处理，然后判断前车是否为侵入目标；信息筛选模块：与信息处理模块连接，用于对侵入目标进行筛选，获得真正可信的二级目标车辆；多目标选择模块：与信息筛选模块连接，用于从真正可信的二级目标车辆中筛选出三级目标车辆；无效目标剔除模块：与多目标选择模块连接，用于根据设定的条件剔除无效目标。

技术总结
本发明提供了一种弯道目标选择方法及系统，属于智能网联领域。所述方法包括：第一步，信息收集：采集道路、车道线、车辆的信息；第二步、信息处理：对信息进行处理，然后判断前车是否为侵入目标；第三步，信息筛选：对侵入目标进行筛选，获得真正可信的二级目标车辆；第四步，多目标选择：从真正可信的二级目标车辆中筛选出三级目标车辆；第五步，无效目标剔除：根据设定的条件剔除无效目标。本发明采用纯视觉方案，取代了传统的摄像头加雷达的方案，降低了整车的成本；而且本发明解决了误弯内、变道、进出匝道时误选前方目标触发误减速的问题，提高了自适应巡航的舒适性，减少了用户抱怨，提高了驾驶安全感。了驾驶安全感。了驾驶安全感。


技术研发人员：梁永彬 宾怀成 王世勇 王骏 付广
受保护的技术使用者：上汽通用五菱汽车股份有限公司
技术研发日：2023.02.03
技术公布日：2023/6/26