车前行人横穿场景的自动识别方法、装置、介质和车辆与流程

1.本发明涉及车前行人横穿场景识别技术领域，尤其涉及一种车前行人横穿场景的自动识别方法、一种计算机可读存储介质、一种车前行人横穿场景的自动识别装置和一种车辆。


背景技术：

2.自动驾驶车辆通过环境感知、认知、决策以及整车控制等技术来实现自动驾驶。自动驾驶车辆通过自主感知环境、认知、决策和控制，提高对交通环境的反应速度，在不同的场景包括危险场景下快速地进行相应的操作，比如制动和转向，进而提高交通安全。行人作为道路的主要使用者和易受伤害者，识别行人以及行人行为认知和避让行人是自动驾驶车辆不可或缺的关键技术。
3.然而，相关技术的问题在于，目前缺乏对车辆行人横穿场景进行自动识别的能力缺陷，使得车辆无法及时获取adas(advanced driving assistance system，高级驾驶辅助系统)功能场景中的pcw(行人碰撞预警)和aebp(自动紧急刹车)功能数据，导致自动驾驶车辆无法及时采用相应的避让措施，进而预防行人碰撞事故的发生。


技术实现要素：

4.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种车前行人横穿场景的自动识别方法，能够基于运动学参数实现对车前行人横穿场景的自动识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
5.本发明的第二个目的在于提出一种计算机可读存储介质。
6.本发明的第三个目的在于提出一种车前行人横穿场景的自动识别装置。
7.本发明的第四个目的在于提出一种车辆。
8.为达到上述目的，本发明第一方面实施例提出的车前行人横穿场景的自动识别方法，包括以下步骤：获取目标列表数据，并从所述目标列表数据中筛选出行人类型对应的目标数据；对所述行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据；对所述横穿道路行人对应的目标数据进行数据清洗，以去除异常数据，并根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹；在所述行人轨迹与所述本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景。
9.根据本发明实施例提出的车前行人横穿场景的自动识别方法，获取目标列表数据，并从目标列表数据中筛选出行人类型对应的目标数据，进而，对行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据，然后，对横穿道路行人对应的目标数据进行数据清洗，以去除异常数据，并根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹，以及，在行人轨迹与本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景。由此，基于运动学参数实现对车前行人横穿场景的自动
识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
10.另外，根据本发明上述实施例提出的车前行人横穿场景的自动识别方法，还可以具有如下的附加技术特征：
11.根据本发明的一个实施例，所述对所述行人类型对应的目标数据进行二次筛选，包括：判断所述行人类型对应的目标数据的连续数据帧中是否出现同一行人目标，且所述同一行人目标相对于本车的横向位置是否发生由正变负或由负变正的变化；若所述连续数据帧中出现所述同一行人目标，且所述同一行人目标相对于本车的横向位置发生由正变负或由负变正的变化，则将所述同一行人目标对应的目标数据确定为所述横穿道路行人对应的目标数据。
12.根据本发明的一个实施例，所述对所述横穿道路行人对应的目标数据进行数据清洗，包括：获取每个行人目标相对于本车位置数据的第一四分位数和第三四分位数，并根据所述第一四分位数和所述第三四分位数获取四分位间距；根据所述第三四分位数与所述四分位间距确定数据清洗上限值与数据清洗下限值；将大于所述数据清洗上限值或小于所述数据清洗下限值的所述横穿道路行人对应的目标数据进行剔除。
13.根据本发明的一个实施例，所述对所述横穿道路行人对应的目标数据进行数据清洗之后，还包括：判断清洗处理后的横穿道路行人对应的目标数据的数据量是否大于0；若所述数据量大于0，则根据所述清洗处理后的横穿道路行人对应的目标数据和所述gps数据，分别拟合所述行人轨迹与所述本车轨迹。
14.根据本发明的一个实施例，所述车前行人横穿场景的自动识别方法，还包括：判断所述行人轨迹与所述本车轨迹是否在预设距离阈值内相交，且所述行人轨迹与所述本车轨迹的夹角是否大于预设角度阈值；若所述行人轨迹与所述本车轨迹在预设距离阈值内相交，且所述行人轨迹与所述本车轨迹的夹角大于预设角度阈值，则确定所述行人轨迹与所述本车轨迹近距离相交。
15.根据本发明的一个实施例，所述车前行人横穿场景的自动识别方法，还包括：获取本车采集的can数据，其中，所述can数据包括本车车速信息；根据所述本车车速信息筛选出本车沿车道行驶状态下的目标列表数据。
16.根据本发明的一个实施例，所述目标列表数据包括摄像头或激光雷达采集到的目标物信息，所述目标物信息包括目标物id、目标物类型、目标物相对本车位置、目标物相对本车速度和目标物长宽高。
17.为达到上述目的，本发明第二方面实施例提出的计算机可读存储介质，其上存储有车前行人横穿场景的自动识别程序，该车前行人横穿场景的自动识别程序被处理器执行时实现如第一方面实施例所述的车前行人横穿场景的自动识别方法。
18.根据本发明实施例提出的计算机可读存储介质，通过处理器执行其上存储有的车前行人横穿场景的自动识别程序，能够基于运动学参数实现对车前行人横穿场景的自动识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
19.为达到上述目的，本发明第三方面实施例提出的车前行人横穿场景的自动识别装置，包括：数据获取模块，用于获取目标列表数据，并从所述目标列表数据中筛选出行人类
型对应的目标数据；数据筛选模块，用于对所述行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据；数据清洗模块，用于对所述横穿道路行人对应的目标数据进行数据清洗，以去除异常数据；轨迹拟合模块，用于根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹；场景识别模块，用于在所述行人轨迹与所述本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景。
20.根据本发明实施例提出的车前行人横穿场景的自动识别装置，通过数据获取模块获取目标列表数据，并从目标列表数据中筛选出行人类型对应的目标数据，然后通过数据筛选模块对行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据，进而通过数据清洗模块对横穿道路行人对应的目标数据进行数据清洗，以去除异常数据，并通过轨迹拟合模块根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹，以及通过场景识别模块在行人轨迹与本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景。由此，基于运动学参数实现对车前行人横穿场景的自动识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
21.为达到上述目的，本发明第第四方面实施例提出的车辆，包括如第三方面实施例所述的车前行人横穿场景的自动识别装置。
22.根据本发明实施例提出的车辆，通过采用车前行人横穿场景的自动识别装置，能够基于运动学参数实现对车前行人横穿场景的自动识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
23.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
24.图1是根据本发明实施例的车前行人横穿场景的自动识别方法的流程示意图；
25.图2是根据本发明一个实施例的对行人类型对应的目标数据进行二次筛选的流程示意图；
26.图3是根据本发明一个实施例的对横穿道路行人对应的目标数据进行数据清洗的流程示意图；
27.图4是根据本发明一个实施例的对横穿道路行人对应的目标数据进行数据清洗之后的流程示意图；
28.图5是根据本发明一个实施例的车前行人横穿场景的自动识别方法的流程示意图；
29.图6是根据本发明一个具体实施例的车前行人横穿场景的自动识别方法的流程示意图；
30.图7是根据本发明实施例的车前行人横穿场景的自动识别装置的方框示意图；
31.图8是根据本发明实施例的车辆的方框示意图。
具体实施方式
32.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
33.下面参考附图描述本发明实施例的车前行人横穿场景的自动识别方法、计算机可读存储介质、车前行人横穿场景的自动识别装置和车辆。
34.图1是根据本发明实施例的车前行人横穿场景的自动识别方法的流程示意图。
35.如图1所示，车前行人横穿场景的自动识别方法，包括以下步骤：
36.s101，获取目标列表数据，并从目标列表数据中筛选出行人类型对应的目标数据。
37.可选地，目标列表数据可以包括摄像头或激光雷达采集到的目标物信息，目标物信息包括目标物id、目标物类型、目标物相对本车位置、目标物相对本车速度和目标物长宽高。
38.应理解的是，由于摄像头或激光雷达采集到的目标物信息可以包括车辆目标和行人目标，因此，在本发明的实施例中，可以根据目标物信息中的目标物类型从目标列表数据中筛选出行人类型对应的目标数据。
39.s102，对行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据。
40.应理解的是，由于行人类型对应的目标数据可能存在有多个行人目标，因此，在本发明的实施例中，需要对行人类型对应的目标数据进行二次筛选，从而筛选出横穿道路行人对应的目标数据。
41.s103，对横穿道路行人对应的目标数据进行数据清洗，以去除异常数据，并根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹。
42.可以理解的是，在本发明的实施例中，可以通过例如箱线图描述数据的分布对横穿道路行人对应的目标数据进行数据清洗，从而去除异常数据，进而，可以根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹，从而可以根据行人轨迹与本车轨迹，确定当前场景是否为车前行人横穿场景。
43.s104，在行人轨迹与本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景。
44.可以理解的是，如果行人确实在车前横穿道路，那么行人轨迹与本车轨迹在近距离内一定会相交，因此，在本发明的实施例中，可以在行人轨迹与本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景，从而基于运动学参数实现对车前行人横穿场景的自动识别。
45.进一步地，如图2所示，对行人类型对应的目标数据进行二次筛选，包括：
46.s201，判断行人类型对应的目标数据的连续数据帧中是否出现同一行人目标，且同一行人目标相对于本车的横向位置是否发生由正变负或由负变正的变化。
47.可以理解的是，连续数据帧中出现同一行人目标指的是在连续数据帧中均有该行人目标，同一行人目标相对于本车的横向位置发生由正变负或由负变正的变化指的是连续数据帧中该行人目标位置与本车位置发生了由近到远或由远到近的变化。
48.s202，若连续数据帧中出现同一行人目标，且同一行人目标相对于本车的横向位
置发生由正变负或由负变正的变化，则将同一行人目标对应的目标数据确定为横穿道路行人对应的目标数据。
49.举例而言，在本发明的实施例中，假设一个行人在车前横穿马路，那么在连续数据帧中都会出现该行人目标，另外，该行人目标相对于本车的横向位置会发生由正变负或由负变正的变化，因此，在连续数据帧中出现同一行人目标，且同一行人目标相对于本车的横向位置发生由正变负或由负变正的变化时，则可以将同一行人目标对应的目标数据确定为横穿道路行人对应的目标数据，从而确定该行人目标在车前横穿马路。
50.进一步地，如图3所示，对横穿道路行人对应的目标数据进行数据清洗，包括：
51.s301，获取每个行人目标相对于本车位置数据的第一四分位数和第三四分位数，并根据第一四分位数和第三四分位数获取四分位间距。
52.可以理解的是，在本发明的实施例中，通过箱线图对横穿道路行人对应的目标数据进行数据清洗，需要说明的是，在箱线图中，将数据按大小排序后，分成4等分后，处于3个分割点上的数为四分位数，这三个四分位数按照从小到大的顺序分别为第一四分位数，第二四分位数和第三四分位数，其中，第一四分位数(q1)，又称“较小四分位数”，等于样本数据从小到大排序后第25％的数字，第三四分位数(q3)，又称“较大四分位数”，等于样本数据从小到大排序后第75％的数字，四分位间距(iqr:interquartile range)＝q3-q1。
53.具体而言，在本发明的实施例中，通过获取从小到大排序后每个行人目标相对于本车位置数据的第25％的数字，从而确定每个行人目标相对于本车位置数据的第一四分位数q1，通过获取从小到大排序后每个行人目标相对于本车位置数据的第75％的数字，从而确定每个行人目标相对于本车位置数据的第三四分位数q3，进而，根据第一四分位数q1和第三四分位数q3的差值获取四分位间距iqr。
54.s302，根据第三四分位数与四分位间距确定数据清洗上限值与数据清洗下限值。
55.可选地，可以通过以下公式确定数据清洗上限值与数据清洗下限值：qmax＝q3 1.5*iqr；qmin＝q3-1.5*iqr，其中，qmax为数据清洗上限值，q3为每个行人目标相对于本车位置数据的第三四分位数，iqr为四分位间距，qmin为数据清洗下限值，从而可以根据数据清洗上限值与数据清洗下限值，对横穿道路行人对应的目标数据进行数据清洗。
56.s303将大于数据清洗上限值或小于数据清洗下限值的横穿道路行人对应的目标数据进行剔除。
57.具体而言，在本发明的实施例中，在横穿道路行人对应的目标数据大于数据清洗上限值或小于数据清洗下限值时，可以判断当前行人目标相对于本车位置数据超出了箱线图最大值与最小值之间的范围，即该数据属于异常数据，为提高数据精度与场景识别精度，可以在多个横穿道路行人对应的目标数据中，将该横穿道路行人对应的目标数据进行剔除。
58.进一步地，如图4所示，对横穿道路行人对应的目标数据进行数据清洗之后，还包括：
59.s401，判断清洗处理后的横穿道路行人对应的目标数据的数据量是否大于0。
60.可以理解的是，在对横穿道路行人对应的目标数据进行数据清洗之后，可以先判断清洗处理后的横穿道路行人对应的目标数据的数据量是否大于0，。以，从而确定是否有足够多的横穿道路行人对应的目标数据用于进行行人轨迹与本车轨迹的拟合。
61.s402，若数据量大于0，则根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹。
62.需要说明的是，在有足够多的横穿道路行人对应的目标数据用于进行行人轨迹与本车轨迹的拟合时，可以分别用行人和本车的经纬度坐标线性拟合轨迹，其中，纬度坐标为x轴坐标，经度坐标为y轴坐标，在xy坐标系下用最小二乘法拟合一条直线分别作为行人轨迹和本车轨迹。
63.具体而言，gps数据里直接保存了本车的经纬度坐标，可以通过应用现有技术将其转为大地坐标系坐标，然后根据坐标用最小二乘法拟合一条直线作为本车轨迹，另外，行人轨迹的拟合方法与本车轨迹的拟合方法相同，只是对于行人坐标的获取方式存在不同，一种方式是通过本车的大地坐标结合目标列表数据中的目标物相对本车位置计算得出行人坐标，另一种方式是在摄像头或激光雷达在采集目标时直接记录下行人目标的大地坐标系位置坐标。
64.进一步地，如图5所示，车前行人横穿场景的自动识别方法，还包括：
65.s501，判断行人轨迹与本车轨迹是否在预设距离阈值内相交，且行人轨迹与本车轨迹的夹角是否大于预设角度阈值。
66.可选地，预设距离阈值和预设角度阈值可以根据场景因素进行相应的设定，例如，预设距离阈值可以优选为10m，预设角度阈值可以优选为45
°
。
67.s502，若行人轨迹与本车轨迹在预设距离阈值内相交，且行人轨迹与本车轨迹的夹角大于预设角度阈值，则确定行人轨迹与本车轨迹近距离相交。
68.可以理解的是，在行人轨迹与本车轨迹在预设距离阈值内相交，且行人轨迹与本车轨迹的夹角大于预设角度阈值时，则可以确定行人轨迹与本车轨迹将将在近距离相交。
69.进一步地，车前行人横穿场景的自动识别方法，还包括：获取本车采集的can数据，其中，can数据包括本车车速信息，并根据本车车速信息筛选出本车沿车道行驶状态下的目标列表数据。
70.可以理解的是，本车采集的can数据包括本车车速信息，可以根据本车车速＞0的条件筛选出本车沿车道行驶状态下的目标列表数据，从而，提高场景识别的精确度，避免在车辆静止时触发adas功能场景中的pcw和aebp功能应用。
71.下面结合附图6与本发明的具体实施例，对本发明实施例的车前行人横穿场景的自动识别方法的具体步骤进行相应的说明，如图所示，当车辆开启adas功能时，执行步骤s1。
72.s1，从目标列表数据中筛选出行人类型对应的目标数据。
73.s2，对行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据。
74.s3，对横穿道路行人对应的目标数据进行数据清洗，以去除异常数据。
75.s4，根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹。
76.s5，判断行人轨迹与本车轨迹是否近距离相交，如果是，则执行步骤s5，如果否，则执行步骤s7。
77.s6，将当前场景确定为车前行人横穿场景。
78.s7，将当前场景确定为非车前行人横穿场景。
79.综上，根据本发明实施例提出的车前行人横穿场景的自动识别方法，获取目标列表数据，并从目标列表数据中筛选出行人类型对应的目标数据，进而，对行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据，然后，对横穿道路行人对应的目标数据进行数据清洗，以去除异常数据，并根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹，以及，在行人轨迹与本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景。由此，基于运动学参数实现对车前行人横穿场景的自动识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
80.基于前述本发明实施例的车前行人横穿场景的自动识别方法，本发明实施例还提出了一种计算机可读存储介质，其上存储有车前行人横穿场景的自动识别程序，该车前行人横穿场景的自动识别程序被处理器执行时实现如前述本发明实施例所述的车前行人横穿场景的自动识别方法。
81.需要说明的是，本发明实施例的计算机可读存储介质在执行其上存储有的车前行人横穿场景的自动识别程序时，能够实现与前述本发明实施例的车前行人横穿场景的自动识别方法一一对应的具体实施方式，为减少冗余，在此不再赘述。
82.综上，根据本发明实施例提出的计算机可读存储介质，通过处理器执行其上存储有的车前行人横穿场景的自动识别程序，能够基于运动学参数实现对车前行人横穿场景的自动识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
83.图7是根据本发明实施例的车前行人横穿场景的自动识别装置的方框示意图。
84.如图7所示，车前行人横穿场景的自动识别装置100包括：数据获取模块10、数据筛选模块20、数据清洗模块30、轨迹拟合模块40和场景识别模块50。
85.具体地，数据获取模块10用于获取目标列表数据，并从目标列表数据中筛选出行人类型对应的目标数据；数据筛选模块20用于对行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据；数据清洗模块30用于对横穿道路行人对应的目标数据进行数据清洗，以去除异常数据；轨迹拟合模块40用于根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹；场景识别模块50用于在行人轨迹与本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景。
86.进一步地，数据筛选模块20还用于，判断行人类型对应的目标数据的连续数据帧中是否出现同一行人目标，且同一行人目标相对于本车的横向位置是否发生由正变负或由负变正的变化；若连续数据帧中出现同一行人目标，且同一行人目标相对于本车的横向位置发生由正变负或由负变正的变化，则将同一行人目标对应的目标数据确定为横穿道路行人对应的目标数据。
87.进一步地，数据清洗模块30还用于，获取每个行人目标相对于本车位置数据的第一四分位数和第三四分位数，并根据第一四分位数和第三四分位数获取四分位间距；根据第三四分位数与四分位间距确定数据清洗上限值与数据清洗下限值；将大于数据清洗上限值或小于数据清洗下限值的横穿道路行人对应的目标数据进行剔除。
88.进一步地，轨迹拟合模块40还用于，判断清洗处理后的横穿道路行人对应的目标
数据的数据量是否大于0；若数据量大于0，则根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹。
89.进一步地，场景识别模块50还用于，判断行人轨迹与本车轨迹是否在预设距离阈值内相交，且行人轨迹与本车轨迹的夹角是否大于预设角度阈值；若行人轨迹与本车轨迹在预设距离阈值内相交，且行人轨迹与本车轨迹的夹角大于预设角度阈值，则确定行人轨迹与本车轨迹近距离相交。
90.进一步地，数据获取模块10还用于获取本车采集的can数据，其中，can数据包括本车车速信息；根据本车车速信息筛选出本车沿车道行驶状态下的目标列表数据。
91.进一步地，目标列表数据包括摄像头或激光雷达采集到的目标物信息，目标物信息包括目标物id、目标物类型、目标物相对本车位置、目标物相对本车速度和目标物长宽高。
92.需要说明的是，本发明实施例的车前行人横穿场景的自动识别装置100能够实现与前述本发明实施例的车前行人横穿场景的自动识别方法一一对应的具体实施方式，为减少冗余，在此不再赘述。
93.综上，根据本发明实施例提出的车前行人横穿场景的自动识别装置，通过数据获取模块获取目标列表数据，并从目标列表数据中筛选出行人类型对应的目标数据，然后通过数据筛选模块对行人类型对应的目标数据进行二次筛选，获得横穿道路行人对应的目标数据，进而通过数据清洗模块对横穿道路行人对应的目标数据进行数据清洗，以去除异常数据，并通过轨迹拟合模块根据清洗处理后的横穿道路行人对应的目标数据和gps数据，分别拟合行人轨迹与本车轨迹，以及通过场景识别模块在行人轨迹与本车轨迹近距离相交时，将当前场景确定为车前行人横穿场景。由此，基于运动学参数实现对车前行人横穿场景的自动识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
94.图8是根据本发明实施例的车辆的方框示意图。
95.如图8所示，车辆1000包括前述本发明实施例的车前行人横穿场景的自动识别装置100。
96.需要说明的是，本发明实施例的车辆1000能够实现与前述本发明实施例的车前行人横穿场景的自动识别方法一一对应的具体实施方式，另外，本发明实施例的车辆1000的其他构成及作用对本领域的技术人员来说是已知的，为减少冗余，此处不做赘述。
97.综上，根据本发明实施例提出的车辆，通过采用车前行人横穿场景的自动识别装置，能够基于运动学参数实现对车前行人横穿场景的自动识别，且算法简便易行，计算复杂度低，有利于为adas功能场景中的pcw和aebp功能应用提供数据便利，有效预防行人碰撞事故的发生。
98.需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设
备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
99.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
100.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
101.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
102.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
103.在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
104.在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
105.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述
实施例进行变化、修改、替换和变型。