智能信号灯与车道匹配系统及匹配方法与流程

1.本发明属于智能交通技术领域，特别是涉及一种智能信号灯与车道匹配系统及匹配方法。


背景技术：

2.随着无人驾驶技术的快速发展，无人驾驶汽车迫切需要提升对交通信号灯的识别能力。传统的交通信号灯识别方法主要利用图像检测技术，检测并识别交通信号灯的状态，但由于交通信号灯成像像素信息少，实时检测难度大，目前基于图像检测技术的方法无法用于实际行车环境中。随着v2x（vehicle
‑
to
‑
everything）概念的提出，实现车辆和智能交通系统之间的实时通信成为获取交通信号灯信息的主要方法之一。但智能交通系统需要将交通信号和车道信息进行实时匹配，才能实现交通信息的有效利用。
3.中国专利申请：基于v2x通信的信号灯路口智能通行系统（申请号：201811060284.8，公开日：2018/12/18）采用的云端通信方式，在信号灯信息上传到云端数据库后，为满足其发明需求，需将信号灯信息、路口地图信息、车辆运动信息进行融合，用以判断车辆运动前方即将通过目标路口的信号灯信息，而后才将信号灯信息传送到车载端，融合过程计算量大，无法保证信息的实时性。且其中采用的云端数据库需要专人进行搭建和维护，系统搭建和维护成本更高，实施难度大。
4.中国专利申请：一种用于封闭场景下的智能驾驶环境感知系统及汽车（申请号：201922077964.7，公开日：2020/10/27）采用摄像头、毫米波雷达、激光雷达、超声波雷达、组合导航单元等多传感器融合方式，完成道路及周围障碍物检测任务。该方法虽然利用各个传感器不同的检测特点可以实现较为准确的检测精度，但该方法实施时，所需设备众多，实现成本高，且各个传感器之间的融合处理中，异常处理较为困难。而且在夜间、雾、霾等环境中，摄像头视觉检测能力会大大下降，甚至会出现误检情况，对系统的融合检测带来困扰。且在无道路标线或道路标线磨损严重的道路上，该检测系统的道路检测能力也会严重下降。
5.中国专利申请：一种基于毫米波雷达数据的车道线形检测方法（申请号：202011179544.0，公开日：2021/03/02）主要利用路边加装毫米波雷达，识别某一区域内的车辆通行状态，利用统计学方法，分别在横向、径向聚类车辆运动轨迹，获取车道线特征。该专利利用毫米波雷达信息用于车道线检测，并不能实现车道识别功能。
6.中国专利申请：一种复合型车道识别系统及方法（申请号：201610392902.3，公开日：2016/11/09）利用多传感器融合技术，分别检测车道标志线、车道边界、主车前方引导车、车道两侧的护栏等参考物进行车道识别。该方法虽然能够全面的利用车辆周围的环境信息实现车道识别，但该方法所需的车道识别信息冗杂，没有考虑无引导车辆、无护栏以及道路边界被遮挡等识别信息受限的车道识别问题。
7.中国专利申请：交通灯与车道的匹配方法、装置及电子设备（申请号：201911305411.0，公开日：2020/04/14）利用图像匹配方法实现交通信号灯和对应车道的匹
配任务。这种方法需要首先采集交通信号灯图像数据集，然后对交通信号灯进行检测，算法计算量大，且在夜间、雾天等情况下，图像匹配难度加大。
8.中国专利申请：车道识别装置和车道识别方法（申请号：201910560702.8，公开日：2020/07/28）利用车载视觉完成车道识别过程，该方法在夜间、雾天、霾天、车道线模糊等恶劣交通环境中会失去识别能力。


技术实现要素：

9.针对上述技术中存在的不足之处，本发明实施例提供了一种智能信号灯与车道匹配系统及匹配方法，该系统及方法仅仅需要利用车载雷达同时融合车辆运动信息，即可实现车道匹配功能。
10.为达到上述目的，本发明所采用的技术方案是，一种智能信号灯与车道匹配系统，包括智能交通信号灯系统、车载信息处理系统；所述智能交通信号灯系统包括控制模块、指示模块、发射模块；所述车载信息处理系统包括接收模块、检测模块、里程计模块、车道识别模块、车道匹配模块；所述接收模块，用于实时搜索并接收所述智能交通信号灯系统中发射模块发出的报文信息，当主车进入报文信号的有效范围内便可接收到相应信息；所述检测模块，利用雷达检测主车两侧路面边界、道路分界以及周围车辆的通行状态，若识别结果为路面边界或者道路分界，则输出其与主车之间的距离，若识别结果为车辆，则输出被测车辆到主车的距离和被测车辆的绝对速度；如果同时检测到多个目标，雷达检测结果在每个工作循环中只输出检测优先级最高的结果；利用车载gps信号确定主车在交通路口的所处区域以及主车的运动方向；所述里程计模块，利用车载imu模块中的三个线加速度信息和三个角加速度信息，在时间域进行二次积分，得到短时的车辆的相对运行轨迹；所述车道识别模块，用于根据所述接收模块得到的信号灯报文，确定交通路口类型，然后对所述检测模块和所述里程计模块信息进行融合，依据预设入系统的车道判别策略实现车道识别；所述车道匹配模块，用于结合所述车道识别模块获得的车道信息，对报文中的对应车道交通信息进行提取，实现智能交通信号灯系统和对应车道的匹配功能。
11.进一步地，所述控制模块，用于控制信号灯指示信息、时长及顺序；所述指示模块，用于根据所述控制模块的控制信号指示交通信号灯状态；所述发射模块，用于根据所述控制模块的控制信号将信号灯信息以报文形式发送出去，保证信号在一定范围内可以被接收到。
12.优选的，所述雷达安装在车辆两侧，固定于后视镜下方，左右侧雷达分别记为雷达l、雷达r，雷达运行时，分别在锥角范围内检测障碍物。
13.本发明还提供了一种智能信号灯与车道匹配系统的匹配方法，包括以下步骤：步骤1：智能交通信号灯系统的控制模块生成控制信号；步骤2：控制模块生成的控制信号一方面传达到指示模块，另一方面，传送到发射模块；
步骤3：发射模块将交通路口的信号灯信号以报文的形式编码，并在一定范围内循环广播；步骤4：车载信息处理系统的接收模块接收到报文信息后，车载信息处理系统开始工作；在接收模块接收到报文信息之前，车载信息处理系统处于静默状态，不进行车道识别；步骤5：车载信息处理系统通过检测模块的车载gps信号判断主车运动方向是远离交通路口还是靠近交通路口，如果主车远离交通路口，车载信息处理系统处于静默状态，不进行车道识别，当主车靠近交通路口时，检测模块启动车辆两侧毫米波雷达开始收集环境信息，并将雷达数据进行预处理，根据不同的检测目的，截取所需数据，以进行后续识别处理；步骤6：检测结果处理：若从雷达数据中识别到了车辆信息，则记录雷达点云在第k帧点云数据和第k i帧点云数据的特征点位移量，记为s，分别记录第k帧数据的时刻点t
k
和第k i帧数据的时刻点t
k i
，根据v
相
=s/(t
k
‑
t
k i
)计算被测车辆相对于主车的相对速度，其中i为数据间隔，为保证数据的准确性，需要对多组数据进行相对速度的计算，然后取平均值作为最终结果；根据v
绝
=v
相
v得到被测车辆的绝对速度，v为主车行驶速度，v
绝
为被测车辆的绝对速度；同时，根据点云数据，提取被测车辆到主车距离；若从雷达数据中识别到了路面边界或道路分界，提取路面边界或道路分界到主车的距离；若出现多个目标同时检测到的情况，设定检测优先级从高到低依次为道路分界、路面边界和车辆，即当同时检测到上述多个目标参考物时，选择优先级高的作为雷达输出，雷达检测结果在每个工作循环中只输出一个结果；步骤7：根据检测模块数据，在车道识别模块进行车道识别；步骤8：车道匹配模块根据主车车道序列和报文信息，输出主车车道对应的信号灯信息：首先，对步骤3中的报文进行解码，提取报文信息，报文信息主要包括交通路口类型和各个信号灯状态；然后，根据车辆所在区域内各个信号灯与车道的对应关系，确定出各个车道的红绿灯指示信息；最后，根据所述车道识别模块输出的主车车道序列，截取出主车车道对应的红绿灯指示信息，实现智能交通信号灯系统和主车车道的匹配功能。
14.优选的，所述步骤3中信号灯信号编码是对整个交通路口的全部交通信号灯进行统一编码。
15.优选的，所述步骤3中发射模块的报文内容编码如下规定：交通路口类型记为t：其包括无道路分界的双向四车道，记为a；无道路分界的双向六车道，记为b；有道路分界的双向六车道，记为c；有道路分界的双向八车道，记为d；后续添加新的路口类型，只需依次编号；信号灯记为l：其包括直行，左转，右转，掉头，停止五种状态，分别记为sg，lg，rg，tg，sd；将整个交通路口按道路方位划分为n、s、w、e四个区域；为便于编码，定义从交通路口w区域靠近n区域边界的第一个信号灯开始编码，编码按逆时针顺序用小写英文字母依次标记。
16.优选的，所述步骤5中预处理包括以下几类：（1）检测车辆：截取障碍物高度信息h满足h
cmin
<h<h
cmax
、障碍物距离信息y满足0<y<z
×
w范围内的数据用于车辆识别；（2）检测路面边界：截取障碍物高度信息h在h
bmin
<h<h
bmax
范围内、障碍物距离信息y
在0<y<z
×
w范围内的数据用于路面边界识别；（3）检测道路分界：截取障碍物高度信息h在h
rmin
<h<h
rmax
范围内，障碍物距离信息y在0<y<z
×
w范围内的数据用于道路分界识别；其中z表示根据报文信息中提取的车道类型查表获得的该车道类型下主车可行驶区域的最大的车道数，当没有道路分界时，车辆可行驶区域还包括对向车道；w表示由报文信息中提取的车道类型查表获得的该车道类型下车道的最大宽度；h
cmin
和h
cmax
分别为车辆最低高度和车辆最大高度；h
bmin
、h
bmax
分别表示路面边界最低高度和最大高度；h
rmin
、h
rmax
分别表示道路分界最低高度和最大高度。
17.优选的，所述步骤7中车道识别方法为：首先根据车载gps信号可以确定车辆位于交通路口的哪一个区域中；然后在确定车辆位于交通路口哪一个区域之后，根据雷达检测结果确定主车车道序列：依据雷达检测结果，将车辆场景分为三大类：（1）两侧雷达均检测到路面边界或者道路分界；（2）单侧雷达检测到路面边界或道路分界，另一侧雷达检测到车辆；（3）两侧雷达均检测到车辆；各类检测工况下变量符号定义如下：雷达l、雷达r得到的主车到路面边界的距离分别记为b
l
、b
r
；雷达l得到的主车到道路分界的距离记为m
l
；雷达l、雷达r得到的主车到被测车辆的距离分别记为c
l
、c
r
；根据雷达l、雷达r检测数据得到的主车车道序列分别记为ctn
l
、ctn
r
；根据雷达l、雷达r检测数据得到的被测车辆车道序列分别记为ptn
l
，ptn
r
；(1)两侧雷达均检测到路面边界或者道路分界；如果两侧雷达都检测到路面边界：雷达l、雷达r得到的主车到路面边界的距离b
l
、b
r
，车道从道路行驶方向的右侧开始从小到大依次编码为1,2,3
…
，可得ctn
l
=z
‑
[b
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；其中[ ]表示不超过该数的最大整数；如果一侧雷达检测到路面边界，一侧雷达检测到道路分界：由道路结构及行车规则可判定，雷达l检测到道路分界，雷达r检测到路面边界：雷达l得到的主车到道路分界的距离记为m
l
、雷达r得到的主车到路面边界的距离为b
r
，车道从道路行驶方向的右侧开始从小到大依次编码为1,2,3
…
，可得ctn
l
=z
‑
[m
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；（2）单侧雷达检测到路面边界或道路分界，另一侧雷达检测到车辆；如果单侧雷达检测到路面边界，另一侧雷达检测到车辆：当雷达l检测到路面边界，雷达r检测到车辆时，根据雷达l得到的主车到路面边界的距离b
l
，可得雷达l对应的主车车道序列ctn
l
=z
‑
[b
l
/w]，然后根据雷达r得到主车距离被测车辆的距离c
r
，计算出被测车辆的车道序列为ptn
r
=ctn
l
‑
[c
r
/w]
‑
1，如果ptn
r
≥1，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；当雷达l
检测到车辆，雷达r检测到路面边界时，雷达r数据处理得到主车的对应车道序列为ctn
r
=[b
r
/w] 1，根据雷达l得到主车距离被测车辆的距离c
l
，计算出被测车辆的车道序列为 ptn
l
=ctn
r
[c
l
/w] 1，如果ptn
l
≤z，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果单侧雷达检测到道路分界，另一侧雷达检测到车辆：由道路结构及行车规则判定，雷达l检测到道路分界，雷达r检测到车辆：根据雷达l得到的主车到路面边界的距离m
l
，可得雷达l对应的主车车道序列ctn
l
=z
‑
[m
l
/w]，然后根据雷达r得到主车距离被测车辆的距离c
r
，计算出被测车辆的车道序列为ptn
r
=ctn
l
‑
[c
r
/w]
‑
1，如果ptn
r
≥1，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；（3）两侧雷达均检测到车辆如果两侧雷达都检测到车辆：首先，根据被测车辆距离主车的距离c
l
、c
r
计算出被测车辆相对于主车的车道间隔，同时结合报文信息提供的车道类型，若可以直接判断主车车道信息，则采用该结果；若无法得到确定车道信息，则获取上一个有效识别的主车车道序列ctn
last
，同时提取里程计模块的相对运动轨迹，通过以下过程实现车道识别：根据换道特点，采用如下公式a
t
=e
t
/f
t
，其中e
t
、f
t
根据里程计模块计算得到的相对运动轨迹进行运动分解获得，e
t
表示车辆在t时间内的横向位移，f
t
表示车辆在t时间内的纵向位移，a
t
为t时间内的车辆横纵位移比，t可以根据换道灵敏性进行设定，默认取t=2s；当 a
t
>a
min
，此时判断车辆有横向运动倾向，计算从此时开始的车辆横向位移d，当d>d
min
时，此时判定车辆发生换道，并记录横向换道方向；则当横向换道方向为左时，此时车道编码ctn
now
=ctn
last
1；当横向换道方向为右时，此时车道编码ctn
now
=ctn
last
‑
1；若a
t
>a
min
、d>d
min
其中之一不满足，则认为车辆未换道，此时ctn
now
=ctn
last
；ctn
now
为两侧雷达均检测到车辆时计算得到的车道序列，a
min
为横向运动阈值，默认取0.1；d
min
为横向运动距离阈值，默认取d
min
=0.5w；确定主车行驶区域和车道序列后，以“区域名 车道序列号”的形式命名主车车道序列。
[0018]
本发明的有益效果是：本发明提出一种智能交通信号灯与车道匹配系统及匹配方法，其优点及有益效果有：(1)检测成本低。本发明仅需雷达一种附加设备，其他信息采集均采用车辆自身设备，检测成本低。(2)适用于多类型交通环境。本发明所提出的方法仅需获取路面边界（或道路分界）和周围车辆信息，无需识别车道线、引导车等，减少了车道识别的约束条件，可用于多类型交通环境。（3）本发明提出的车道识别策略中，多数识别场景采用双通道识别方法，相互验证，提高了车道识别的准确性和行车安全性。
附图说明
[0019]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]
图1 是本发明实施例智能信号灯与车道匹配系统的总体框架图。
[0021]
图2 是本发明实施例车辆雷达安装位置图。
[0022]
图3 是本发明实施例信号灯编码和交通区域划分示意图。
[0023]
图4 是本发明实施例双向四车道（无道路分界）示意图。
[0024]
图5 是本发明实施例双向四车道（无道路分界）道路和信号灯编码示意图。
[0025]
图6 是本发明实施例双向六车道（无道路分界）示意图。
[0026]
图7 是本发明实施例双向六车道（无道路分界）道路和信号灯编码示意图。
[0027]
图8 是本发明实施例双向六车道（有道路分界）示意图。
[0028]
图9 是本发明实施例双向六车道（有道路分界）道路和信号灯编码示意图。
[0029]
图10 是本发明实施例双向八车道（有道路分界）示意图。
[0030]
图11 是本发明实施例双向八车道（有道路分界）道路和信号灯编码示意图。
具体实施方式
[0031]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0032]
如图1所示，本发明实施例提供了一种智能信号灯与车道匹配系统，包括智能交通信号灯系统、车载信息处理系统。
[0033]
进一步地，所述智能交通信号灯系统包括控制模块、指示模块、发射模块；所述控制模块，用于控制信号灯指示信息、时长及顺序；所述指示模块，用于根据所述控制模块的控制信号指示交通信号灯状态；所述发射模块，用于根据所述控制模块的控制信号将信号灯信息以报文形式发送出去，保证信号在一定范围内可以被接收到。
[0034]
进一步地，所述车载信息处理系统包括接收模块、检测模块、里程计模块、车道识别模块、车道匹配模块；所述接收模块，用于实时搜索并接收所述智能交通信号灯系统中发射模块发出的报文信息，当主车进入报文信号的有效范围内便可接收到相应信息；所述检测模块，利用雷达检测主车两侧路面边界、道路分界以及周围车辆的通行状态，若识别结果为路面边界或者道路分界，则输出其与主车之间的距离，若识别结果为车辆，则输出被测车辆到主车的距离和被测车辆的绝对速度；如果同时检测到多个目标，雷达检测结果在每个工作循环中只输出检测优先级最高的结果；利用车载gps信号确定主车在交通路口的所处区域以及主车的运动方向；所述里程计模块，利用车载imu模块中的三个线加速度信息和三个角加速度信息，在时间域进行二次积分，得到短时的车辆的相对运行轨迹；所述车道识别模块，用于根据所述接收模块得到的信号灯报文，确定交通路口类型，然后对所述检测模块和所述里程计模块信息进行融合，依据预设入系统的车道判别策略实现车道识别；所述车道匹配模块，用于结合所述车道识别模块获得的车道信息，对报文中的对应车道交通信息进行提取，实现智能交通信号灯系统和对应车道的匹配功能。
[0035]
优选的，如图2所示，所述雷达安装在车辆两侧，固定于后视镜下方，左右侧雷达分别记为雷达l、雷达r，雷达运行时，分别在锥角范围内检测障碍物。
[0036]
本发明实施例还提供了一种智能信号灯与车道匹配系统的匹配方法，包括以下步骤：步骤1：智能交通信号灯系统的控制模块生成控制信号；步骤2：控制模块生成的控制信号一方面传达到指示模块，另一方面，传送到发射模块；步骤3：发射模块将交通路口全部的信号灯信号以报文的形式编码，并在一定范围内循环广播；特别地，信号灯信号编码是对整个交通路口的全部交通信号灯进行统一编码。
[0037]
优选的，所述发射模块的报文内容编码如下规定：交通路口类型记为t：其包括双向四车道（无道路分界），记为a；双向六车道（无道路分界），记为b；双向六车道（有道路分界），记为c；双向八车道（有道路分界），记为d。以此类推，后续添加新的路口类型，只需依次编号。信号灯记为l：其包括直行，左转，右转，掉头，停止五种状态，分别记为sg，lg，rg，tg，sd。如图3所示，将整个交通路口按道路方位划分为n、s、w、e四个区域。为便于编码，规定从交通路口w区域靠近n区域边界的第一个信号灯（图中首个编码红绿灯）开始编码，编码按逆时针顺序用小写英文字母依次标记。例如：报文编码格式举例如下：([t:c]；(w_[l:(a,sd)]，w_[l:(b,sg)], w_[l:(c,rg)])；(s_[l:(d,sd)]，s_[l:(e,sd)]，s_[l:(f,rg)])；(e_[l:(g,sd)]，e_[l:(h,sg)], e_[l:(i,rg)])；(n_[l:(j,sd)]，n_[l:(k,sd)]，n_[l:(l,rg)]))，该报文表示：此处交通路口类型为双向六车道(有道路分界)，w区域的a号信号灯提示信息为停止，b号信号灯提示直行，c号信号灯提示右转；s区域的d号信号灯提示信息为停止，e号信号灯提示停止，f号信号灯提示右转； e区域的g号信号灯提示信息为停止，h号信号灯提示直行，i号信号灯提示右转；n区域的j号信号灯提示信息为停止，k号信号灯提示停止，l号信号灯提示右转。
[0038]
步骤4：车载信息处理系统的接收模块接收到报文信息后，车载信息处理系统开始工作。出于节能考虑，在接收模块接收到报文信息之前，车载信息处理系统处于静默状态，不进行车道识别。
[0039]
步骤5：车载信息处理系统通过检测模块的车载gps信号判断主车运动方向是远离交通路口还是靠近交通路口，如果主车远离交通路口，车载信息处理系统处于静默状态，不进行车道识别，当主车靠近交通路口时，检测模块启动车辆两侧毫米波雷达开始收集环境信息，并将雷达数据进行预处理，根据不同的检测目的，截取所需数据，以进行后续识别处理，所述预处理包括以下几类：（1）检测车辆：截取障碍物高度信息h满足h
cmin
<h<h
cmax
、障碍物距离信息y满足0<y<z
×
w范围内的数据用于车辆识别；（2）检测路面边界：截取障碍物高度信息h在h
bmin
<h<h
bmax
范围内、障碍物距离信息y在0<y<z
×
w范围内的数据用于路面边界识别；（3）检测道路分界：截取障碍物高度信息h在h
rmin
<h<h
rmax
范围内，障碍物距离信息y在0<y<z
×
w范围内的数据用于道路分界（护栏或缓冲带）识别；其中z表示根据报文信息中提取的车道类型查表获得的该车道类型下主车可行驶
区域的最大的车道数，当没有道路分界时，车辆可行驶区域还包括对向车道；w表示由报文信息中提取的车道类型查表获得的该车道类型下车道的最大宽度；h
cmin
和h
cmax
分别为车辆最低高度和车辆最大高度；h
bmin
、h
bmax
分别表示路面边界最低高度和最大高度；h
rmin
、h
rmax
分别表示道路分界（护栏或缓冲带）最低高度和最大高度。
[0040]
步骤6：检测结果处理：若从雷达数据中识别到了车辆信息，则记录雷达点云在第k帧点云数据和第k i帧点云数据的特征点位移量，记为s，分别记录第k帧数据的时刻点t
k
和第k i帧数据的时刻点t
k i
，根据v
相
=s/(t
k
‑
t
k i
)计算被测车辆相对于主车的相对速度，其中i为数据间隔，为保证数据的准确性，需要对多组数据进行相对速度的计算，然后取平均值作为最终结果。根据v
绝
=v
相
v得到被测车辆的绝对速度，v为主车行驶速度，v
绝
为被测车辆的绝对速度；同时，根据点云数据，提取被测车辆到主车距离；若从雷达数据中识别到了路面边界或道路分界，提取路面边界或道路分界到主车的距离；考虑到实际交通环境中，可能出现多个目标同时检测到的问题，设定检测优先级从高到低依次为道路分界、路面边界和车辆，即当同时检测到上述多个目标参考物时，选择优先级高的作为雷达输出，雷达检测结果在每个工作循环中只输出一个结果。
[0041]
步骤7：根据所述检测模块数据，在所述车道识别模块进行车道识别：首先，根据车载gps信号可以确定车辆位于交通路口的哪一个区域中。（民用gps识别精度较低，因此，gps可以确定车辆所属区域，但无法精确地确定车辆具体运行在对应区域的哪一个车道上）；下一步，在确定车辆位于交通路口哪一个区域之后，根据雷达检测结果确定主车车道序列。
[0042]
具体地，依据雷达检测结果，将车辆场景分为三大类：（1）两侧雷达均检测到路面边界或者道路分界；（2）单侧雷达检测到路面边界或道路分界，另一侧雷达检测到车辆；（3）两侧雷达均检测到车辆；为便于算法描述，各类检测工况下变量符号规定如下：雷达l、雷达r得到的主车到路面边界的距离分别记为b
l
、b
r
；雷达l得到的主车到道路分界的距离记为m
l
（由道路结构及行车规则可知，道路分界只能由雷达l检测到）；雷达l、雷达r得到的主车到被测车辆的距离分别记为c
l
、c
r
；根据雷达l、雷达r检测数据得到的主车车道序列分别记为ctn
l
、ctn
r
；根据雷达l、雷达r检测数据得到的被测车辆车道序列分别记为ptn
l
，ptn
r
；(1)两侧雷达均检测到路面边界或者道路分界；如果两侧雷达都检测到路面边界：雷达l、雷达r得到的主车到路面边界的距离b
l
、b
r
，车道从道路行驶方向的右侧开始从小到大依次编码（1,2,3
…
），可得ctn
l
=z
‑
[b
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；其中[ ]表示不超过该数的最大整数；如果一侧雷达检测到路面边界，一侧雷达检测到道路分界：由道路结构及行车规则可判定，雷达l检测到道路分界，雷达r检测到路面边界。雷达l得到的主车到道路分界的距离记为m
l
、雷达r得到的主车到路面边界的距离为b
r
，车道从道路行驶方向的右侧开始从
小到大依次编码（1,2,3
…
），可得ctn
l
=z
‑
[m
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；（2）单侧雷达检测到路面边界或道路分界，另一侧雷达检测到车辆；如果单侧雷达检测到路面边界，另一侧雷达检测到车辆：当雷达l检测到路面边界，雷达r检测到车辆时，根据雷达l得到的主车到路面边界的距离b
l
，可得雷达l对应的主车车道序列ctn
l
=z
‑
[b
l
/w]，然后根据雷达r得到主车距离被测车辆的距离c
r
，计算出被测车辆的车道序列为ptn
r
=ctn
l
‑
[c
r
/w]
‑
1，如果ptn
r
≥1，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；当雷达l检测到车辆，雷达r检测到路面边界时，雷达r数据处理得到主车的对应车道序列为ctn
r
=[b
r
/w] 1, 根据雷达l得到主车距离被测车辆的距离c
l
，计算出被测车辆的车道序列为 ptn
l
=ctn
r
[c
l
/w] 1，如果ptn
l
≤z，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果单侧雷达检测到道路分界，另一侧雷达检测到车辆：由道路结构及行车规则判定，雷达l检测到道路分界，雷达r检测到车辆。根据雷达l得到的主车到路面边界的距离m
l
，可得雷达l对应的主车车道序列ctn
l
=z
‑
[m
l
/w]，然后根据雷达r得到主车距离被测车辆的距离c
r
，计算出被测车辆的车道序列为ptn
r
=ctn
l
‑
[c
r
/w]
‑
1，如果ptn
r
≥1，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；（3）两侧雷达均检测到车辆；如果两侧雷达都检测到车辆：首先，根据被测车辆距离主车的距离c
l
、c
r
计算出被测车辆相对于主车的车道间隔，同时结合报文信息提供的车道类型，若可以直接判断主车车道信息，则采用该结果；若无法得到确定车道信息，则获取上一个有效识别的主车车道序列ctn
last
，同时提取里程计模块的相对运动轨迹，通过以下过程实现车道识别：根据换道特点，采用如下公式a
t
=e
t
/f
t
，其中e
t
、f
t
根据里程计模块计算得到的相对运动轨迹进行运动分解获得，e
t
表示车辆在t时间内的横向位移，f
t
表示车辆在t时间内的纵向位移，a
t
为t时间内的车辆横纵位移比，t可以根据换道灵敏性进行设定，默认取t=2s；当 a
t
>a
min
，此时判断车辆有横向运动倾向，计算从此时开始的车辆横向位移d，当d>d
min
时，此时判定车辆发生换道，并记录横向换道方向；则当横向换道方向为左时，此时车道编码ctn
now
=ctn
last
1；当横向换道方向为右时，此时车道编码ctn
now
=ctn
last
‑
1；若a
t
>a
min
、d>d
min
其中之一不满足，则认为车辆未换道，此时ctn
now
=ctn
last
；其中，ctn
now
为两侧雷达均检测到车辆时计算得到的车道序列，a
min
为横向运动阈值，默认取0.1；d
min
为横向运动距离阈值，默认取d
min
=0.5w。
[0043]
确定主车行驶区域和车道序列后，以“区域名 车道序列号”的形式命名主车车道序列。例如，主车车道序列为“w
‑
01”表示主车位于w区域的1号车道内行驶。
[0044]
步骤8：所述车道匹配模块根据主车车道序列和报文信息，输出主车车道对应的信号灯信息。
[0045]
具体地，首先，对步骤3中的报文进行解码，提取报文信息，报文信息主要包括交通路口类型和各个信号灯状态；然后，根据车辆所在区域内各个信号灯与车道的对应关系，确定出各个车道的红绿灯指示信息。最后，根据所述车道识别模块输出的主车车道序列，截取
出主车车道对应的红绿灯指示信息，实现智能交通信号灯系统和主车车道的匹配功能。
[0046]
整个匹配过程中，智能交通信号灯系统和车载信息处理系统之间通过网络报文的方式实现通讯，首先由智能交通信号灯系统的发射模块在一定覆盖范围内，并按一定频率以报文的形式实时广播信号灯信息。当车辆进入该范围后，车载信息处理系统自动接收上述信息。
[0047]
特别说明，在本发明中，被测车辆指被雷达检测到的车辆，主车指装有雷达的车辆。
[0048]
根据我国现有交通设施状况，交通路口主 要有双向四车道（无道路分界）、双向六车道（无道路分界）、双向六车道（有道路分界）、双向八车道(有道路分界)四种类型。分别从以上四种交通路口，进行进一步实例描述。
[0049]
实施例1：双向四车道交通类型双向四车道路结构如图4所示。由于交通路口的对称性，仅以w区域车道情况为例进行描述。
[0050]
具体地，请参阅图5，该交通路口类型为双向四车道。车道按距离道路右边界远近依次编号，以道路行驶方向为正方向，该道路右边第一个车道编号为1,第二个车道为2,被测车道情况以此类推。智能交通信号灯系统的指示模块主要有三个信号灯板组成：编号分别为a,b,c。其中a需要匹配到车道2的车辆，b需要匹配到车道1、车道2的车辆，c需要匹配到车道1的车辆。为实现智能信号灯与车道匹配的功能，具体步骤如下：步骤1：智能交通信号灯系统的控制模块生成控制信号。
[0051]
步骤2：控制模块生成的控制信号一方面传达到指示模块，另一方，传送到发射模块。
[0052]
步骤3：发射模块将信号灯信号以报文的形式发送交通信号灯信息，根据图3显示，信号灯报文信息为([t:a]; (w_[l:(a,sd)], w_[l:(b,sg)], w_[l:(c,rg)]))。
[0053]
步骤4：车载信息处理系统的接收模块，接收到报文信息后，车载信息处理系统开始工作。出于节能考虑，在接收模块接收到报文信息之前，车载信息处理系统处于静默状态，不进行车道识别。
[0054]
步骤5：车载信息处理系统通过检测模块的车载gps信号判断主车运动方向是远离交通路口还是靠近交通路口，如果主车远离交通路口，车载信息处理系统处于静默状态，不进行车道识别，当主车靠近交通路口时，检测模块启动两侧毫米波雷达开始收集环境信息，将雷达数据进行预处理，根据不同的检测目的，截取所需数据，进行后续识别处理：（1）检测车辆：截取障碍物高度信息h满足h
cmin
<h<h
cmax
、障碍物距离信息y满足0<y<z
×
w范围内的数据用于车辆识别；（2）检测路面边界：截取障碍物高度信息h在h
bmin
<h<h
bmax
范围内、障碍物距离信息y在0<y<z
×
w范围内的数据用于路面边界识别；其中z表示根据报文信息中提取的车道类型，查表获得的该车道类型下主车可行驶区域的最大的车道数，当没有道路分界时，车辆可行驶区域还包括对向车道；w表示由报文信息中提取的车道类型，查表获得的该车道类型下车道的最大宽度；h
cmin
和h
cmax
分别为车辆最低高度和车辆最大高度；h
bmin
、h
bmax
分别表示路面边界最低高度和最大高度。
[0055]
步骤6：检测结果处理：若从雷达数据中识别到了被测车辆信息，则记录雷达点云
在第k帧点云数据和第k i帧点云数据的特征点位移量，记为s，分别记录第k帧数据的时刻点t
k
和第k i帧数据的时刻点t
k i
，根据v
相
=s/(t
k
‑
t
k i
)计算被测车辆相对于主车的相对速度，其中i为数据间隔。为保证数据的准确性，需要对多组数据进行上述计算，然后取平均值作为最终结果。根据v
绝
=v
相
v得到被测车辆的绝对速度，v为主车行驶速度，v
绝
为被测测量的绝对速度。同时，根据雷达l、雷达r的点云数据，提取被测车辆到主车距离c
l
、c
r
。
[0056]
若从雷达数据识别到了路面边界，根据雷达l、雷达r的点云数据，提取路面边界到主车的距离b
l
、b
r
。
[0057]
步骤7：根据所述检测模块数据，在所述车道识别模块进行车道识别：首先，根据车载gps信号可以确定车辆位于交通路口的哪一个区域中。（民用gps识别精度在10m左右，因此，gps可以确定车辆所属区域，但无法精确地确定车辆具体运行在对应区域的哪一个车道上）；下一步，在确定车辆位于交通路口哪一个区域之后，根据雷达检测结果确定主车车道序列。
[0058]
具体地，如果两侧雷达都检测到路面边界：雷达l、雷达r得到的主车到路面边界的距离b
l
、b
r
，车道从道路行驶方向的右侧开始从小到大依次编码（1,2,3
…
），可得ctn
l
=z
‑
[b
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；其中ctn
l
、ctn
r
分别表示检测数据得到的主车车道序列，[ ]表示不超过该数的最大整数；如果单侧雷达检测到路面边界，另一侧雷达检测到车辆：当雷达l检测到路面边界，雷达r检测到车辆时，根据雷达l得到的主车到路面边界的距离b
l
，可得雷达l对应的主车车道序列ctn
l
=z
‑
[b
l
/w]，然后根据雷达r得到主车距离被测车辆的距离c
r
，计算出被测车辆的车道序列为ptn
r
=ctn
l
‑
[c
r
/w]
‑
1，如果ptn
r
≥1，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；当雷达l检测到车辆，雷达r检测到路面边界时，雷达r数据处理得到主车的对应车道序列为ctn
r
=[b
r
/w] 1, 根据雷达l得到主车距离被测车辆的距离c
l
，计算出被测车辆的车道序列为 ptn
l
=ctn
r
[c
l
/w] 1，如果ptn
l
≤z，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；根据双向四车道道路结构，主车同向车道只有两条，当主车两侧雷达均检测到车辆时，可以直接判定主车所在车道（在2号车道）。
[0059]
确定主车行驶区域和车道序列后，以“区域名 车道序列号”的形式命名主车车道序列。例如，主车车道序列为“w
‑
01”表示主车位于w区域的1号车道内行驶。
[0060]
步骤8：所述车道匹配模块根据主车车道序列和报文信息，输出主车车道对应的信号灯信息。
[0061]
具体地，首先，对步骤3中的报文进行解码，提取报文信息，报文信息主要包括交通路口类型和各个信号灯状态；然后，根据车辆所在区域内各个信号灯与车道的对应关系，确定出各个车道的红绿灯指示信息；最后，根据所述车道识别模块输出的主车车道序列，截取出主车车道对应的红绿灯指示信息，实现智能交通信号灯系统和主车车道的匹配功能。
[0062]
整个匹配过程中，智能交通信号灯系统和车载信息处理系统之间通过网络报文的方式实现通讯，首先由智能交通信号灯系统的发射模块在一定覆盖范围内，并按一定频率
以报文的形式实时广播信号灯信息。当车辆进入该范围后，车载信息处理系统自动接收上述信息。
[0063]
实施例2：双向六车道（无道路分界）双向六车道（无道路分界）结构如图6所示。由于交通路口的对称性，仅以w区域车道情况为例进行描述。
[0064]
具体地，请参阅图7，该交通路口类型为双向六车道（无道路分界）。车道按距离道路右边界远近依次编号，以道路行驶方向为正方向，该道路右边第一个车道编号为1,第二个车道编号为2，被测车道编号依次类推。智能交通信号灯系统的指示模块主要有三个信号灯板组成：编号分别为a,b,c。其中a需要匹配到车道3的车辆，b需要匹配到1,2,3车道车辆，c需要匹配到1车道车辆。为实现智能信号灯与车道匹配的功能，具体步骤如下。
[0065]
步骤1：智能交通信号灯系统的控制模块生成控制信号。
[0066]
步骤2：控制模块生成的控制信号一方面传达到指示模块，另一方面传送到发射模块。
[0067]
步骤3：发射模块将信号灯信号以报文的形式发送交通信号灯信息，根据图3显示，信号灯报文信息为([t:b]; (w_[l:(a,sd)], w_[l:(b,sg)], w_[l:(c,rg)]))。
[0068]
步骤4：车载信息处理系统的接收模块，接收到报文信息后，车载信息处理系统开始工作。出于节能考虑，在接收模块接收到报文信息之前，车载信息处理系统处于静默状态，不进行车道识别。
[0069]
步骤5：车载信息处理系统通过检测模块的车载gps信号判断主车运动方向是远离交通路口还是靠近交通路口，如果主车远离交通路口，车载信息处理系统处于静默状态，不进行车道识别，当主车靠近交通路口时，检测模块启动两侧毫米波雷达开始收集环境信息，并将雷达数据进行预处理，根据不同的检测目的，截取所需数据，进行后续识别处理。
[0070]
（1）检测车辆：截取障碍物高度信息h满足h
cmin
<h<h
cmax
、障碍物距离信息y满足0<y<z
×
w范围内的数据用于车辆识别；（2）检测路面边界：截取障碍物高度信息h在h
bmin
<h<h
bmax
范围内、障碍物距离信息y在0<y<z
×
w范围内的数据用于路面边界识别；其中z表示根据报文信息中提取的车道类型，查表获得的该车道类型下主车可行驶区域的最大的车道数，当没有道路分界时，车辆可行驶区域还包括对向车道；w表示由报文信息中提取的车道类型，查表获得的该车道类型下车道的最大宽度；h
cmin
和h
cmax
分别为车辆最低高度和车辆最大高度；h
bmin
、h
bmax
分别表示路面边界最低高度和最大高度。
[0071]
步骤6：检测结果处理：若从雷达数据中识别到了被测车辆信息，则记录雷达点云在第k帧点云数据和第k i帧点云数据的特征点位移量，记为s，分别记录第k帧数据的时刻点t
k
和第k i帧数据的时刻点t
k i
，根据v
相
=s/(t
k
‑
t
k i
)计算被测车辆相对于主车的相对速度，其中i为数据间隔。为保证数据的准确性，需要对多组数据进行上述计算，然后取平均值作为最终结果。根据v
绝
=v
相
v得到被测车辆的绝对速度，v为主车行驶速度，v
绝
为被测测量的绝对速度。同时，根据雷达l、雷达r的点云数据，提取被测车辆到主车距离c
l
、c
r
。
[0072]
若从雷达数据识别到了路面边界，根据雷达l、雷达r的点云数据，提取路面边界到主车的距离b
l
、b
r
。
[0073]
步骤7：根据所述检测模块数据，在所述车道识别模块进行车道识别：
首先，根据车载gps信号可以确定车辆位于交通路口的哪一个区域中。
[0074]
下一步，在确定车辆位于交通路口哪一个区域之后，根据雷达检测结果确定主车车道序列。
[0075]
具体地，如果两侧雷达都检测到路面边界：雷达l、雷达r得到的主车到路面边界的距离b
l
、b
r
，车道从道路行驶方向的右侧开始从小到大依次编码（1,2,3
…
），可得ctn
l
=z
‑
[b
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；其中ctn
l
、ctn
r
分别表示检测数据得到的主车车道序列，[ ]表示不超过该数的最大整数；如果单侧雷达检测到路面边界，另一侧雷达检测到车辆：当雷达l检测到路面边界，雷达r检测到车辆时，根据雷达l得到的主车到路面边界的距离b
l
，可得雷达l对应的主车车道序列ctn
l
=z
‑
[b
l
/w]，然后根据雷达r得到主车距离被测车辆的距离c
r
，计算出被测车辆的车道序列为ptn
r
=ctn
l
‑
[c
r
/w]
‑
1，如果ptn
r
≥1，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；当雷达l检测到车辆，雷达r检测到路面边界时，雷达r数据处理得到主车的对应车道序列为ctn
r
=[b
r
/w] 1, 根据雷达l得到主车距离被测车辆的距离c
l
，计算出被测车辆的车道序列为 ptn
l
=ctn
r
[c
l
/w] 1，如果ptn
l
≤z，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果两侧雷达都检测到车辆：首先，根据所述检测模块提取主车距被测车辆的距离c
l
，c
r
，计算出被测车辆相对于主车的车道间隔[c
l
/w]、[c
r
/w]，然后计算出被测车辆绝对速度v
l
、v
r
，若v
l
>0，则主车的左侧被测车辆与主车运动方向一致，判定左侧被测车辆在同向车道，否则，判定左侧被测车辆在反向车道；另外由交通规则易知，主车右侧被测车辆运动方向和主车一致，无需条件判定；各类判定情景如下：（1）若左侧被测车的车道和主车一致，则根据双向六车道（无道路分界）道路结构可知，主车在编号为2的车道。（2）若左侧被测车的车道和主车反向，左侧被测车辆和主车车道间隔为0，则根据双向六车道（无道路分界）道路结构可知，主车在编号为3的车道。（3）若右侧被测车辆和主车车道间隔为1，则根据双向六车道（无道路分界）道路结构可知，主车在编号为3的车道。（4）若左侧被测车的车道和主车反向，左侧被测车辆和主车车道间隔为3，右侧被测车辆和主车车道间隔为0，则根据双向六车道（无道路分界）道路结构可知，主车在编号为2的车道。（5）若左侧被测车的车道和主车反向，左侧被测车辆和主车车道间隔为1，右侧被测车辆和主车车道间隔为0，则根据双向六车道（无道路分界）道路结构可知，主车车道不定（可能为编号为2或3的车道）。（6）若左侧被测车的车道和主车反向，左侧被测车辆和主车车道间隔为2，右侧被测车辆和主车车道间隔为0，则根据双向六车道（无道路分界）道路结构可知，主车车道不定（可能为编号为2或3的车道）。
[0076]
根据情景分析可得，只有（5），（6）两种情况无法通过雷达信息直接判定主车车道编码。对于这种情况，引入里程计模块，同时获取上一个有效识别的主车车道序列ctn
last
，同时提取里程计模块的相对运动轨迹，通过以下规则判断实现车道识别过程。根据换道特点，定义如下公式a
t
=e
t
/f
t
，e
t
表示车辆在t时间内的横向位移，f
t
表示车辆在t时间内的纵向位移，定义a
t
为t时间内的车辆横纵位移比, e
t
、f
t
根据里程计模块计算得到的相对运动轨迹进行运动分解获得。当 a
t
>a
min
，此时判断车辆有横向运动倾向，计算从此时开始的车辆
横向位移d。其中a
min
为横向运动阈值，默认取0.1；d>d
min
时，此时判定车辆发生换道。其中d
min
为横向运动距离阈值，默认取d
min
=0.5w。并记录横向换道方向。则当横向换道方向为左时，此时车道编码ctn
now
=ctn
last
1；当横向换道方向为右时，此时车道编码ctn
now
=ctn
last
‑
1；若a
t
>a
min
，d>d
min
其中之一不满足，则认为车辆未换道，ctn
now
=ctn
last
。
[0077]
确定主车行驶区域和车道序列后，以“区域名 车道序列号”的形式命名主车车道序列。例如，主车车道序列为“w
‑
01”表示主车位于w区域的1号车道内行驶。
[0078]
步骤8：所述车道匹配模块根据主车车道序列和报文信息，输出主车车道对应的信号灯信息。
[0079]
具体地，首先，对步骤3中的报文进行解码，提取报文信息，报文信息主要包括交通路口类型和各个信号灯状态；然后，根据车辆所在区域内各个信号灯与车道的对应关系，确定出各个车道的红绿灯指示信息。最后，根据所述车道识别模块输出的主车车道序列，截取出主车车道对应的红绿灯指示信息，实现智能交通信号灯系统和主车车道的匹配功能。
[0080]
整个匹配过程中，智能交通信号灯系统和车载信息处理系统之间通过网络报文的方式实现通讯，首先由智能交通信号灯系统的发射模块在一定覆盖范围内，并按一定频率以报文的形式实时广播信号灯信息。当车辆进入该范围后，车载信息处理系统自动接收上述信息。
[0081]
实施例3：双向六车道（有道路分界）双向六车道（有道路分界）结构如图8所示。由于交通路口的对称性，仅以w区域车道情况为例进行描述。
[0082]
具体地，请参阅图9，该交通路口类型为双向六车道（有道路分界）。车道按距离道路右边界远近依次编号，以道路行驶方向为正方向，该道路右边第一个车道编号为1,第二个车道为2,被测车道情况依次类推。智能交通信号灯系统的指示模块主要有三个信号灯板组成：编号分别为a,b,c。其中a需要匹配到车道3的车辆，b需要匹配到1,2,3车道车辆，c需要匹配到1车道车辆。为实现智能信号灯与车道匹配的功能，具体步骤如下。
[0083]
步骤1：智能交通信号灯系统的控制模块生成控制信号。
[0084]
步骤2：控制模块生成的控制信号一方面传达到指示模块，另一方，传送到发射模块。
[0085]
步骤3：发射模块将信号灯信号以报文的形式发送交通信号灯信息，根据图3显示，信号灯报文信息为([t:c]; (w_[l:(a,sd)], w_[l:(b,sg)], w_[l:(c,rg)]))。
[0086]
步骤4：车载信息处理系统的接收模块，接收到报文信息后，车载信息处理系统开始工作。出于节能考虑，在接收模块接收到报文信息之前，车载信息处理系统处于静默状态，不进行车道识别。
[0087]
步骤5：车载信息处理系统通过检测模块的车载gps信号判断主车运动方向是远离交通路口还是靠近交通路口，如果主车远离交通路口，车载信息处理系统处于静默状态，不进行车道识别，当主车靠近交通路口时，检测模块启动两侧毫米波雷达开始收集环境信息，并将雷达数据进行预处理，根据不同的检测目的，截取所需数据，以进行后续识别处理：（1）检测车辆：截取障碍物高度信息h满足h
cmin
<h<h
cmax
、障碍物距离信息y满足0<y<z
×
w范围内的数据用于车辆识别；（2）检测路面边界：截取障碍物高度信息h在h
bmin
<h<h
bmax
范围内、障碍物距离信息y
在0<y<z
×
w范围内的数据用于路面边界识别；（3）检测道路分界：截取障碍物高度信息h在h
rmin
<h<h
rmax
范围内，障碍物距离信息y在0<y<z
×
w范围内的数据用于道路分界（护栏或缓冲带）识别；其中z表示根据报文信息中提取的车道类型，查表获得的该车道类型下主车可行驶区域的最大的车道数，当没有道路分界时，车辆可行驶区域还包括对向车道；w表示由报文信息中提取的车道类型，查表获得的该车道类型下车道的最大宽度；h
cmin
和h
cmax
分别为车辆最低高度和车辆最大高度；h
bmin
、h
bmax
分别表示路面边界最低高度和最大高度；h
rmin
、h
rmax
分别表示道路分界（护栏或缓冲带）最低高度和最大高度。
[0088]
步骤6：检测结果处理：若从雷达数据中识别到了被测车辆信息，则记录雷达点云在第k帧点云数据和第k i帧点云数据的特征点位移量，记为s，分别记录第k帧数据的时刻点t
k
和第k i帧数据的时刻点t
k i
，根据v
相
=s/(t
k
‑
t
k i
)计算被测车辆相对于主车的相对速度，其中i为数据间隔。为保证数据的准确性，需要对多组数据进行上述计算，然后取平均值作为最终结果。根据v
绝
=v
相
v得到被测车辆的绝对速度，v为主车行驶速度，v
绝
为被测测量的绝对速度。同时，根据雷达l、雷达r的点云数据，提取被测车辆到主车距离c
l
、c
r
。
[0089]
若从雷达数据识别到了路面边界，根据雷达l、雷达r的点云数据，提取路面边界到主车的距离b
l
、b
r
。
[0090]
若从雷达数据识别到了道路分界，根据雷达l的点云数据，提取道路分界到主车的距离m
l
（由道路结构及行车规则可知，道路分界只能由雷达l检测到）。
[0091]
步骤7：根据所述检测模块数据，在所述车道识别模块进行车道识别：首先，根据车载gps信号可以确定车辆位于交通路口的哪一个区域中。
[0092]
下一步，在确定车辆位于交通路口哪一个区域之后，根据雷达检测结果确定主车车道序列。
[0093]
具体地，如果两侧雷达都检测到路面边界：雷达l、雷达r得到的主车到路面边界的距离b
l
、b
r
，车道从道路行驶方向的右侧开始从小到大依次编码（1,2,3
…
），可得ctn
l
=z
‑
[b
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；其中ctn
l
、ctn
r
分别表示检测数据得到的主车车道序列，[ ]表示不超过该数的最大整数；如果单侧雷达检测到路面边界，另一侧雷达检测到道路分界：由道路结构及行车规则可判定，雷达l检测到道路分界，雷达r检测到路面边界。雷达l得到的主车到道路分界的距离记为m
l
、雷达r得到的主车到路面边界的距离为b
r
，车道从道路行驶方向的右侧开始从小到大依次编码（1,2,3
…
），可得ctn
l
=z
‑
[m
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果单侧雷达检测到路面边界，另一侧雷达检测到车辆：由道路结构及行车规则可判定，雷达l检测到车辆，雷达r检测到路面边界，雷达r数据处理得到主车的对应车道序列为ctn
r
=[b
r
/w] 1, 根据雷达l得到主车距离被测车辆的距离c
l
，计算出被测车辆的车道序列为 ptn
l
=ctn
r
[c
l
/w] 1，如果ptn
l
≤z，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果单侧雷达检测到道路分界，另一侧雷达检测到车辆：由道路结构及行车规则
判定，雷达l检测到道路分界，雷达r检测到车辆。根据雷达l得到的主车到路面边界的距离m
l
，可得雷达l对应的主车车道序列ctn
l
=z
‑
[m
l
/w]，然后根据雷达r得到主车距离被测车辆的距离c
r
，计算出被测车辆的车道序列为ptn
r
=ctn
l
‑
[c
r
/w]
‑
1，如果ptn
r
≥1，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果两侧雷达都检测到车辆，由双向六车道(有道路分界)道路结构，可知，主车在道路编号为2的车道。
[0094]
确定主车行驶区域和车道序列后，以“区域名 车道序列号”的形式命名主车车道序列。例如，主车车道序列为“w
‑
01”表示主车位于w区域的1号车道内行驶。
[0095]
步骤8：所述车道匹配模块根据主车车道序列和报文信息，输出主车车道对应的信号灯信息。
[0096]
具体地，首先，对步骤3中的报文进行解码，提取报文信息，报文信息主要包括交通路口类型和各个信号灯状态；然后，根据车辆所在区域内各个信号灯与车道的对应关系，确定出各个车道的红绿灯指示信息。最后，根据所述车道识别模块输出的主车车道序列，截取出主车车道对应的红绿灯指示信息，实现智能交通信号灯系统和主车车道的匹配功能。
[0097]
整个匹配过程中，智能交通信号灯系统和车载信息处理系统之间通过网络报文的方式实现通讯，首先由智能交通信号灯系统的发射模块在一定覆盖范围内，并按一定频率以报文的形式实时广播信号灯信息。当车辆进入该范围后，车载信息处理系统自动接收上述信息。
[0098]
实施例4：双向八车道（有道路分界）双向八车道（有道路分界）结构如图10所示。由于交通路口的对称性，仅以w区域车道情况为例进行描述。
[0099]
具体地，请参阅图11，该交通路口类型为双向八车道（有道路分界）。车道按距离道路右边界远近依次编号，以道路行驶方向为正方向，该道路右边第一个车道编号为1,第二个车道编号为2，被测车道编号情况依次类推。智能交通信号灯系统的指示模块主要有三个信号灯板组成：编号分别为a,b,c。其中a需要匹配到车道4的车辆，b需要匹配到1,2,3,4车道车辆，c需要匹配到1车道车辆。为实现智能信号灯与车道匹配的功能，具体步骤如下。
[0100]
步骤1：智能交通信号灯系统的控制模块生成控制信号。
[0101]
步骤2：控制模块生成的控制信号一方面传达到指示模块，另一方，传送到发射模块。
[0102]
步骤3：发射模块将信号灯信号以报文的形式发送交通信号灯信息，根据图3显示，信号灯报文信息为([t:d]; (w_[l:(a,sd)], w_[l:(b,sg)], w_[l:(c,rg)]))。
[0103]
步骤4：车载信息处理系统的接收模块，接收到报文信息后，车载信息处理系统开始工作。出于节能考虑，在接收模块接收到报文信息之前，车载信息处理系统处于静默状态，不进行车道识别。
[0104]
步骤5：车载信息处理系统通过检测模块的车载gps信号判断主车运动方向是远离交通路口还是靠近交通路口，如果主车远离交通路口，车载信息处理系统处于静默状态，不进行车道识别，当主车靠近交通路口时，检测模块启动两侧毫米波雷达开始收集环境信息，并将雷达数据进行预处理，根据不同的检测目的，截取所需数据，进行后续识别处理。
[0105]
（1）检测车辆：截取障碍物高度信息h满足h
cmin
<h<h
cmax
、障碍物距离信息y满足0<y<z
×
w范围内的数据用于车辆识别；（2）检测路面边界：截取障碍物高度信息h在h
bmin
<h<h
bmax
范围内、障碍物距离信息y在0<y<z
×
w范围内的数据用于路面边界识别；（3）检测道路分界：截取障碍物高度信息h在h
rmin
<h<h
rmax
范围内，障碍物距离信息y在0<y<z
×
w范围内的数据用于道路分界（护栏或缓冲带）识别；其中z表示根据报文信息中提取的车道类型，查表获得的该车道类型下主车可行驶区域的最大的车道数，当没有道路分界时，车辆可行驶区域还包括对向车道；w表示由报文信息中提取的车道类型，查表获得的该车道类型下车道的最大宽度；h
cmin
和h
cmax
分别为车辆最低高度和车辆最大高度；h
bmin
、h
bmax
分别表示路面边界最低高度和最大高度；h
rmin
、h
rmax
分别表示道路分界（护栏或缓冲带）最低高度和最大高度。
[0106]
步骤6：检测结果处理：若从雷达数据中识别到了被测车辆信息，则记录雷达点云在第k帧点云数据和第k i帧点云数据的特征点位移量，记为s，分别记录第k帧数据的时刻点t
k
和第k i帧数据的时刻点t
k i
，根据v
相
=s/(t
k
‑
t
k i
)计算被测车辆相对于主车的相对速度，其中i为数据间隔。为保证数据的准确性，需要对多组数据进行上述计算，然后取平均值作为最终结果。根据v
绝
=v
相
v得到被测车辆的绝对速度，v为主车行驶速度，v
绝
为被测测量的绝对速度。同时，根据雷达l、雷达r的点云数据，提取被测车辆到主车距离c
l
、c
r
。
[0107]
若从雷达数据识别到了路面边界，根据雷达l、雷达r的点云数据，提取路面边界到主车的距离b
l
、b
r
。
[0108]
若从雷达数据识别到了道路分界，根据雷达l的点云数据，提取道路分界到主车的距离m
l
（由道路结构及行车规则可知，道路分界只能由雷达l检测到）。
[0109]
步骤:7：根据所述检测模块数据，在所述车道识别模块进行车道识别：首先，根据车载gps信号可以确定车辆位于交通路口的哪一个区域中。
[0110]
下一步，在确定车辆位于交通路口哪一个区域之后，根据雷达检测结果确定主车车道序列。
[0111]
具体地，如果两侧雷达都检测到路面边界：雷达l、雷达r得到的主车到路面边界的距离b
l
、b
r
，车道从道路行驶方向的右侧开始从小到大依次编码（1,2,3
…
），可得ctn
l
=z
‑
[b
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；其中ctn
l
、ctn
r
分别表示检测数据得到的主车车道序列，[ ]表示不超过该数的最大整数；如果一侧检测到路面边界，一侧检测到道路分界：由道路结构及行车规则可判定，雷达l检测到道路分界，雷达r检测到路面边界。雷达l得到的主车到道路分界的距离记为m
l
、雷达r得到的主车到路面边界的距离为b
r
，车道从道路行驶方向的右侧开始从小到大依次编码（1,2,3
…
），可得ctn
l
=z
‑
[m
l
/w]，ctn
r
=[b
r
/w] 1，如果ctn
l
=ctn
r
，则采纳该车道检测结果作为主车车道序列，否则说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果单侧雷达检测到路面边界，另一侧雷达检测到车辆：由道路结构及行车规则可判定，雷达l检测到车辆，雷达r检测到路面边界，雷达r数据处理得到主车的对应车道序列为ctn
r
=[b
r
/w] 1, 根据雷达l得到主车距离被测车辆的距离c
l
，计算出被测车辆的车道
序列为 ptn
l
=ctn
r
[c
l
/w] 1，如果ptn
l
≤z，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果单侧雷达检测到道路分界，另一侧雷达检测到车辆：由道路结构及行车规则判定，雷达l检测到道路分界，雷达r检测到车辆。根据雷达l得到的主车到路面边界的距离m
l
，可得雷达l对应的主车车道序列ctn
l
=z
‑
[m
l
/w]，然后根据雷达r得到主车距离被测车辆的距离c
r
，计算出被测车辆的车道序列为ptn
r
=ctn
l
‑
[c
r
/w]
‑
1，如果ptn
r
≥1，采纳该车道检测结果作为主车车道序列，否则，说明该检测结果有误并对驾驶员做出警示，由驾驶员人工选择所属车道；如果两侧雷达都检测到车辆：由于双向八车道有道路分界，所以两侧车辆均与主车运动方向一致，根据所述检测模块提取被测车辆距主车的距离c
l
，c
r
，计算出被测车辆相对于主车的车道间隔[c
l
/w]、[c
r
/w]。
[0112]
各类判定情景如下：（1）若左侧被测车辆和主车车道间隔为0，右侧被测车辆和主车车道间隔为1，则根据双向八车道（有道路分界）道路结构可知，主车在编号为3的车道。（2）若左侧被测车辆和主车车道间隔为1，右侧被测车辆和主车车道间隔为0，则根据双向八车道（有道路分界）道路结构可知，主车在编号为2的车道。（3）若左侧被测车辆和主车车道间隔为0，右侧被测车辆和主车车道间隔为0，根据双向八车道（有道路分界）道路结构可知，主车车道不定（可能为编号为2或3的车道）。
[0113]
根据情景分析可得，只有（3）无法通过雷达信息直接判定主车车道编码。对于这种情况，引入里程计模块，同时获取上一个有效识别的主车车道序列ctn
last
，同时提取里程计模块的相对运动轨迹，通过以下规则判断实现车道识别过程。根据换道特点，定义如下公式a
t
=e
t
/f
t
，e
t
表示车辆在t时间内的横向位移，f
t
表示车辆在t时间内的纵向位移，定义a
t
为t时间内的车辆横纵位移比，e
t
、f
t
根据里程计模块计算得到的相对运动轨迹进行运动分解获得。当 a
t
>a
min
，此时判断车辆有横向运动倾向，计算从此时开始的车辆横向位移d。其中a
min
为横向运动阈值，默认取0.1；d>d
min
时，此时判定车辆发生换道。其中d
min
为横向运动距离阈值，默认取d
min
=0.5w。并记录横向换道方向。则当横向换道方向为左时，此时车道编码ctn
now
=ctn
last
1；当横向换道方向为右时，此时车道编码ctn
now
=ctn
last
‑
1；若a
t
>a
min
，d>d
min
其中之一不满足，则认为车辆未换道，ctn
now
=ctn
last
。
[0114]
确定主车行驶区域和车道序列后，以“区域名 车道序列号”的形式命名主车车道序列。例如，主车车道序列为“w
‑
01”表示主车位于w区域的1号车道内行驶。
[0115]
步骤8：所述车道匹配模块根据主车车道序列和报文信息，输出主车车道对应的信号灯信息。
[0116]
具体地，首先，对步骤3中的报文进行解码，提取报文信息，报文信息主要包括交通路口类型和各个信号灯状态；然后，根据车辆所在区域内各个信号灯与车道的对应关系，确定出各个车道的红绿灯指示信息；最后，根据所述车道识别模块输出的主车车道序列，截取出主车车道对应的红绿灯指示信息，实现智能交通信号灯系统和主车车道的匹配功能。
[0117]
整个匹配过程中，智能交通信号灯系统和车载信息处理系统之间通过网络报文的方式实现通讯，首先由智能交通信号灯系统的发射模块在一定覆盖范围内，并按一定频率以报文的形式实时广播信号灯信息。当车辆进入该范围后，车载信息处理系统自动接收上述信息。
[0118]
本发明的优势在于：1、本发明通过结合车载雷达信息和车辆的实时状态，提出了一种智能交通信号灯和车道匹配方法。该方法无需识别路面标志线和车道线等弱特征环境，利用特征突出的车道边界（或道路分界）作为检测目标，同时以周围车辆的运动状态，实现了多车道复杂交通环境中的车道识别。
[0119]
2、本发明中车道识别所需的参照物特征突出，容易检测，在夜间、雾霾天气等恶劣环境中，该车道匹配方法依然能够保持很好的鲁棒性。
[0120]
3、本发明提出了一种基于网络通讯的全新的智能交通信号灯系统，为红绿灯识别难题提供了一种新思路。
[0121]
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0122]
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。