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

技术特征：
1.一种车前行人横穿场景的自动识别方法，其特征在于，所述方法包括以下步骤：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。2.根据权利要求1所述的车前行人横穿场景的自动识别方法，其特征在于，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。3.根据权利要求1所述的车前行人横穿场景的自动识别方法，其特征在于，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。4.根据权利要求3所述的车前行人横穿场景的自动识别方法，其特征在于，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。5.根据权利要求1所述的车前行人横穿场景的自动识别方法，其特征在于，所述方法还包括：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。6.根据权利要求1所述的车前行人横穿场景的自动识别方法，其特征在于，所述方法还包括：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。7.根据权利要求1所述的车前行人横穿场景的自动识别方法，其特征在于，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。
8.一种计算机可读存储介质，其特征在于，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权利要求1-7中任一项所述的车前行人横穿场景的自动识别方法。9.一种车前行人横穿场景的自动识别装置，其特征在于，所述装置包括：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。10.一种车辆，其特征在于，所述车辆包括如权利要求9所述的车前行人横穿场景的自动识别装置。

技术总结
本发明公开了一种车前行人横穿场景的自动识别方法、装置、介质和车辆，其中，方法包括以下步骤：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；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；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；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。行人碰撞事故的发生。行人碰撞事故的发生。


技术研发人员：王赞 刘莹 李向津 陈新
受保护的技术使用者：北京汽车研究总院有限公司
技术研发日：2022.05.27
技术公布日：2022/9/2