一种基于坐标系转换的车辆侧向行驶工况识别方法及系统与流程

1.本发明涉及智能汽车感知技术领域，特别是涉及一种基于坐标系转换的车辆侧向行驶工况识别方法及系统。


背景技术：

2.车辆行驶工况识别是驾驶员驾驶意图预测、驾驶风格辨识以及驾驶技能评估的关键基础工作。通过对车辆行驶工况的识别，可以有效划分车辆驾驶过程中的具体行驶工况组成，有助于进一步对驾驶意图、驾驶风格和驾驶技能评估进行分析研究。
3.当前主流侧向车辆行驶工况识别方法主要有两种，其主要原理及步骤如下：
4.1.步骤一：选用与车辆侧向运动相关的状态量作为判断指标来进行工况识别，如横摆角速度、侧向加速度、侧向位移；步骤二：根据选择的识别指标设定相应阈值；步骤三：基于识别指标建立流程化判断过程，进行侧向行驶工况的识别。
5.公告号为cn109878530b的发明专利公开了一种识别车辆侧向行驶工况的方法和系统，即采用上述技术，这种方法的缺点在于：
6.选取的与车辆运动状态相关的工况识别指标，如横摆角速度、侧向加速度等，但其与车辆行驶速度是密切相关的，固定的阈值或者简单的查表关系阈值设定并不能很好地进行侧向行驶工况的识别。
7.选取的基于大地坐标系下侧向位移的工况识别指标不能有效地反映出车辆与道路几何特征的关系，这也一定程度上影响了车辆侧向行驶工况的识别准确性，适用性受到限制。
8.这种复杂的多重识别指标选取与阈值关系设定不利于车辆行驶工况识别的简明性。
9.2.步骤一：选择车辆行驶工况识别的特征参数；步骤二：对初选特征参数进行相关性分析，约简特征参数；步骤三：采用聚类方法对车辆行驶公开进行分类。
10.公布号为cn103921743a的发明专利公开了一种汽车行驶工况判别系统及其判别方法，即采用上述技术，这种方法的缺点在于：
11.需要采集大量的汽车行驶数据以避免偶然点对结果的影响以保证车辆行驶工况分类的准确性，这增大了相当多的工作量；
12.这种基于工况行驶片段聚类进行车辆行驶工况识别的方法难以确定所识别工况的开始与结束时刻，不易进一步地计算所识别工况的运行时间。
13.同时，随着自动驾驶技术的飞速发展，车载摄像头越来越多地在车辆上配置，能够由此获取更多的外界环境信息比如车道线信息，这对车辆行驶工况识别提供了便利条件。


技术实现要素：

14.鉴于上述情况，本发明目的在于提供一种能够简明准确、适用范围广泛、可以满足驾驶意图预测、驾驶风格辨识和驾驶技能评价需求的基于坐标系转换的车辆侧向行驶工况
识别方法及系统。
15.为实现上述目的，本发明采用的技术方案为：
16.本发明实施例提供一种基于坐标系转换的车辆侧向行驶工况识别方法，包括：
17.将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系；
18.对车辆侧向行驶工况的识别指标数据进行计算，所述工况识别指标数据包括基于frenet坐标系的车辆轨迹斜率绝对值和基于全局cartesian坐标系的车辆轨迹斜率绝对值；
19.根据设置的车辆侧向行驶工况识别方法对待识别车辆行驶过程进行识别；
20.基于计算的工况识别指标数据，确定待识别车辆行驶工况所属的车辆侧向行驶工况，所述的车辆侧向行驶工况包括车道保持行驶工况和换道行驶工况，其中，所述车道保持行驶工况和所述换道行驶工况基于frenet坐标系的车辆轨迹斜率变化识别；
21.基于计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的车道保持行驶工况，所述的车道保持行驶工况包括直线行驶工况和弯道行驶工况，其中，所述直线行驶工况和所述弯道行驶工况基于全局cartesian坐标系的车辆轨迹斜率变化识别；
22.对车辆侧向行驶工况的识别指标数据进行计算，所述工况识别指标数据包括方向因子；
23.基于计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的换道行驶工况和弯道行驶工况，所述的换道行驶工况包括左向换道行驶工况和右向换道行驶工况，所述的弯道行驶工况包括左向弯道行驶工况和右向弯道行驶工况，其中，所述左向换道行驶工况和所述右向换道行驶工况基于方向因子识别，所述左向弯道行驶工况和所述右向弯道行驶工况基于方向因子识别；
24.可选地，所述根据设置的车辆侧向行驶工况识别方法对待识别车辆行驶过程进行识别包括：
25.在第一判断时刻的frenet坐标系的车辆轨迹斜率绝对值大于预设第一阈值时，将第一判断时刻记录为车辆换道行驶工况的开始时刻；
26.在第一判断时刻的frenet坐标系的车辆轨迹斜率绝对值小于预设第一阈值时，将第一判断时刻记录为车辆车道保持行驶工况的开始时刻；
27.在第二判断时刻的frenet坐标系的车辆轨迹斜率绝对值小于预设第一阈值时，将第二判断时刻记录为车辆换道行驶工况的结束时刻；
28.在第二判断时刻的frenet坐标系的车辆轨迹斜率绝对值大于预设第一阈值时，将第二判断时刻记录为车辆车道保持行驶工况的结束时刻；
29.可选地，所述根据计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的车道保持行驶工况的识别方法包括：
30.在第一判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值大于预设第二阈值时，将第一判断时刻记录为车辆弯道行驶工况的开始时刻；
31.在第一判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值小于预设第二阈值时，将第一判断时刻记录为车辆直线行驶工况的开始时刻；
32.在第二判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值小于预设第二阈值时，将第二判断时刻记录为车辆弯道行驶工况的结束时刻；
33.在第二判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值大于预设第二阈值时，将第二判断时刻记录为车辆直线行驶工况的结束时刻；
34.可选地，所述的平均判断时刻的所述方向因子大于预设第三阈值时，换道行驶工况属于左向换道行驶工况；在平均判断时刻的所述方向因子小于预设第三阈值时，换道行驶工况属于右向换道行驶工况；
35.可选地，所述的平均判断时刻的所述方向因子大于预设第三阈值时，弯道行驶工况属于左向弯道行驶工况；所在平均判断时刻的所述方向因子小于预设第三阈值时，弯道行驶工况属于右向弯道行驶工况；
36.所述平均判断时刻为第一判断时刻和第二判断时刻的平均值；
37.可选地，所述的车辆行驶轨迹的参考线采样点和车辆行驶轨迹的采样点进行平滑处理，所述平滑处理方法为防脉冲干扰平均值滤波算法；
38.可选地，所述cartesian坐标系的车辆行驶轨迹转换至frenet坐标系，包括：
39.获取车辆行驶轨迹的参考线采样点在全局cartesian坐标系下的横向坐标和纵向坐标；所述车辆行驶轨迹的参考线为车道中心线；所述车辆行驶轨迹的参考线采样点的采样频率依据硬件条件选取；
40.获取车辆行驶轨迹的采样点在全局cartesian坐标系下的横纵向坐标；所述车辆行驶轨迹为车辆质心的行驶轨迹；所述车辆行驶轨迹的参考线采样点的采样频率依据硬件条件选取；
41.计算车辆行驶轨迹的参考线采样点的航向角；
42.计算车辆行驶轨迹的参考线采样点到邻近的车辆行驶轨迹的参考线采样点集的距离；所述距离为车辆行驶轨迹的参考线采样点到邻近的车辆行驶轨迹的参考线采样点的欧式距离；所述邻近的车辆行驶轨迹的参考线采样点集为所选取的车辆行驶轨迹参考线采样点对应采样时刻的前后各设定数量的采样点的集合；
43.找到车辆行驶轨迹的参考线采样点到邻近车辆行驶轨迹的参考线采样点集距离最短的车辆行驶轨迹参考线采样点；所述距离最短的车辆行驶轨迹参考线采样点作为全局cartesian坐标系转换至frenet坐标系的投影点；
44.将车辆行驶轨迹的参考线采样点对应车辆行驶轨迹的参考线投影点的路径值作为frenet坐标系的横向坐标；
45.将车辆行驶轨迹的参考线采样点到对应车辆行驶轨迹参考线的投影点的距离和方向因子组成frenet坐标系的纵向坐标；
46.可选地，所述预设第一阈值为0.021；所述预设第二阈值为0.01；所述预设第三阈值为0；
47.本发明另一实施例提供一种基于坐标系转换的车辆侧向行驶工况识别系统，包括：
48.数据输入模块，用于获取全局cartesian坐标系下车辆行驶轨迹数据和全局cartesian坐标系下车辆行驶轨迹的参考线数据；所述全局cartesian坐标系下车辆行驶轨迹数据由高精度定位系统采集获得；所述全局cartesian坐标系下车辆行驶轨迹参考线的数据由高精度车载摄像头采集获得；
49.数据处理计算模块，用于对数据输入模块获取的直接数据进行滤波平滑处理和将
全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系；
50.工况识别指标计算模块，用于对车辆侧向行驶工况的识别指标数据进行计算，所述工况识别指标数据包括基于frenet坐标系的车辆轨迹斜率绝对值、基于全局cartesian坐标系的车辆轨迹斜率绝对值和方向因子；
51.侧向行驶工况识别模块，用于基于计算的工况识别指标数据，确定待基于计算的工况识别指标数据，确定待识别车辆行驶工况所属的车辆侧向行驶工况，所述的车辆侧向行驶工况包括车道保持行驶工况和换道行驶工况，其中，所述车道保持行驶工况和所述换道行驶工况基于frenet坐标系的车辆轨迹斜率变化识别；
52.车道保持行驶工况识别模块，用于基于计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的车道保持行驶工况，所述的车道保持行驶工况包括直线行驶工况和弯道行驶工况，其中，所述直线行驶工况和所述弯道行驶工况基于全局cartesian坐标系的车辆轨迹斜率变化识别；
53.行驶方向识别模块，用于基于计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的换道行驶工况和弯道行驶工况，所述的换道行驶工况包括左向换道行驶工况和右向换道行驶工况，所述的弯道行驶工况包括左向弯道行驶工况和右向弯道行驶工况，其中，所述左向换道行驶工况和所述右向换道行驶工况基于方向因子识别，所述左向弯道行驶工况和所述右向弯道行驶工况基于方向因子识别；
54.可选地，所述侧向行驶工况识别模块对车辆行驶过程进行识别包括：
55.在第一判断时刻的frenet坐标系的车辆轨迹斜率绝对值大于预设第一阈值时，将第一判断时刻记录为车辆换道行驶工况的开始时刻；
56.在第一判断时刻的frenet坐标系的车辆轨迹斜率绝对值小于预设第一阈值时，将第一判断时刻记录为车辆车道保持行驶工况的开始时刻；
57.在第二判断时刻的frenet坐标系的车辆轨迹斜率绝对值小于预设第一阈值时，将第二判断时刻记录为车辆换道行驶工况的结束时刻；
58.在第二判断时刻的frenet坐标系的车辆轨迹斜率绝对值大于预设第一阈值时，将第二判断时刻记录为车辆车道保持行驶工况的结束时刻；
59.可选地，所述车道保持行驶工况识别模块对车辆侧向行驶工况所属的车道保持行驶工况进行识别的具体步骤包括：
60.在第一判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值大于预设第二阈值时，将第一判断时刻记录为车辆弯道行驶工况的开始时刻；
61.在第一判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值小于预设第二阈值时，将第一判断时刻记录为车辆直线行驶工况的开始时刻；
62.在第二判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值小于预设第二阈值时，将第二判断时刻记录为车辆弯道行驶工况的结束时刻；
63.在第二判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值大于预设第二阈值时，将第二判断时刻记录为车辆直线行驶工况的结束时刻；
64.可选地，所述行驶方向识别模块对车辆侧向行驶工况所属的弯道行驶工况和换道行驶工况进行识别的具体步骤包括：
65.在平均判断时刻的所述方向因子大于预设第三阈值时，换道行驶工况属于左向换
道行驶工况；在平均判断时刻的所述方向因子小于预设第三阈值时，换道行驶工况属于右向换道行驶工况；
66.在平均判断时刻的所述方向因子大于预设第三阈值时，弯道行驶工况属于左向弯道行驶工况；在平均判断时刻的所述方向因子小于预设第三阈值时，弯道行驶工况属于右向弯道行驶工况；
67.所述平均判断时刻为第一判断时刻和第二判断时刻的平均值；
68.可选地，所述数据处理计算模块中对直接数据的滤波平滑处理的方法是防脉冲干扰平均值滤波算法；
69.可选地，所述数据处理计算模块中将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系的具体步骤包括：
70.获取车辆行驶轨迹的参考线采样点在全局cartesian坐标系下的横向坐标和纵向坐标；所述车辆行驶轨迹的参考线为车道中心线；所述车辆行驶轨迹的参考线采样点的采样频率依据硬件条件选取；
71.获取车辆行驶轨迹的采样点在全局cartesian坐标系下的横纵向坐标；所述车辆行驶轨迹为车辆质心的行驶轨迹；所述车辆行驶轨迹的参考线采样点的采样频率依据硬件条件选取；
72.计算车辆行驶轨迹的参考线采样点的车辆航向角；
73.计算车辆行驶轨迹的参考线采样点到邻近的车辆行驶轨迹的参考线采样点集的距离；所述距离为车辆行驶轨迹的参考线采样点到邻近的车辆行驶轨迹的参考线采样点的欧式距离；所述邻近的车辆行驶轨迹的参考线采样点集为所选取的车辆行驶轨迹参考线采样点对应采样时刻的前后各设定数量的采样点的集合；
74.找到车辆行驶轨迹的参考线采样点到邻近车辆行驶轨迹的参考线采样点集中距离最短的车辆行驶轨迹参考线采样点；所述距离最短的车辆行驶轨迹参考线采样点作为全局cartesian坐标系转换至frenet坐标系的投影点；
75.将车辆行驶轨迹的参考线采样点对应车辆行驶轨迹的参考线投影点的路径值作为frenet坐标系的横向坐标；
76.将车辆行驶轨迹的参考线采样点到对应车辆行驶轨迹参考线的投影点的距离和方向因子组成frenet坐标系的纵向坐标；
77.可选地，所述预设第一阈值为0.021；所述预设第二阈值为0.01；所述预设第三阈值为0；
78.本发明实施例提供的基于坐标系转换的车辆侧向行驶工况识别方法及系统，首先将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系；对车辆侧向行驶工况的识别指标数据进行计算，包括基于frenet坐标系的车辆轨迹斜率绝对值、基于全局cartesian坐标系的车辆轨迹斜率绝对值以及方向因子；基于计算的工况识别指标数据，确定待识别车辆行驶工况所属的车辆侧向行驶过程，包括车道保持行驶工况和换道行驶工况；进一步地，车道保持行驶工况包括直线行驶工况和弯道行驶工况；进一步地，换道行驶工况包括左向换道行驶工况和右向换道行驶工况，弯道行驶工况包括左向弯道行驶工况和右向弯道行驶工况。本发明还提供了一种基于坐标系转换的车辆侧向行驶工况识别系统，包括：数据输入模块、数据处理计算模块、工况识别指标计算模块、侧向行驶工况识别模块；侧向行驶工
况识别模块包括车道保持行驶工况识别模块和行驶方向识别模块。本发明由于采用全局cartesian坐标系和frenet坐标系的两种车辆轨迹斜率进行侧向工况识别，有效避免了车速变化对工况识别指标的影响，具有更强的适用性，同时更加准确直接简明。
附图说明
79.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。
80.图1为本发明实施例的基于坐标系转换的车辆侧向行驶工况识别方法的流程示意图；
81.图2为车辆侧向行驶工况识别的具体流程图。
82.图3为将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系的具体流程图。
83.图4为frenet坐标系的车辆行驶轨迹示意图；
84.图5为本发明实施例的基于坐标系转换的车辆侧向行驶工况识别系统的结构框图。
具体实施方式
85.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
86.为进一步阐述本发明要解决的技术问题、技术方案和优点，下面结合附图及具体实施例进行详细描述。
87.图1为本发明实施例的基于坐标系转换的车辆侧向行驶工况识别方法的流程示意图。如图1所示，本发明实施例提供的基于坐标系转换的车辆侧向行驶工况识别的方法可包括以下步骤：
88.将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系；
89.对车辆侧向行驶工况的识别指标数据进行计算，所述工况识别指标数据包括基于frenet坐标系的车辆轨迹斜率绝对值和基于全局cartesian坐标系的车辆轨迹斜率绝对值；
90.根据设置的车辆侧向行驶工况识别方法对待识别车辆行驶过程进行识别；
91.基于计算的工况识别指标数据，确定待识别车辆行驶工况所属的车辆侧向行驶工况，所述的车辆侧向行驶工况包括车道保持行驶工况和换道行驶工况，其中，所述车道保持行驶工况和所述换道行驶工况基于frenet坐标系的车辆轨迹斜率变化识别；
92.基于计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的车道保持行驶工况，所述的车道保持行驶工况包括直线行驶工况和弯道行驶工况，其中，所述直线行驶工况和所述弯道行驶工况基于全局cartesian坐标系的车辆轨迹斜率变化识别；
93.对车辆侧向行驶工况的识别指标数据进行计算，所述工况识别指标数据包括方向因子；
94.基于计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的换道行驶工况和弯道行驶工况，所述的换道行驶工况包括左向换道行驶工况和右向换道行驶工况，所述的弯道行驶工况包括左向弯道行驶工况和右向弯道行驶工况，其中，所述左向换道行驶工况和所述右向换道行驶工况基于方向因子识别，所述左向弯道行驶工况和所述右向弯道行驶工况基于方向因子识别；
95.图2为车辆侧向行驶工况识别的具体流程图。以下，结合图2对车辆侧向行驶工况识别的具体流程进行说明。
96.在本发明实施例中，根据设置的车辆侧向行驶工况识别方法对待识别车辆行驶过程进行识别包括：
97.在第一判断时刻的frenet坐标系的车辆轨迹斜率绝对值大于预设第一阈值时，将第一判断时刻记录为车辆换道行驶工况的开始时刻；
98.在第一判断时刻的frenet坐标系的车辆轨迹斜率绝对值小于预设第一阈值时，将第一判断时刻记录为车辆车道保持行驶工况的开始时刻；
99.在第二判断时刻的frenet坐标系的车辆轨迹斜率绝对值小于预设第一阈值时，将第二判断时刻记录为车辆换道行驶工况的结束时刻；
100.在第二判断时刻的frenet坐标系的车辆轨迹斜率绝对值大于预设第一阈值时，将第二判断时刻记录为车辆车道保持行驶工况的结束时刻；
101.上述识别方法能够通过具有运算控制功能的控制器来完成，控制器在每个判断时刻进行相应的运算和控制执行操纵，其中，第一判断时刻为工况识别开始时刻前的计算时刻，第二判断时刻为确定待辨识行驶工况所属的侧向行驶工况开始时刻后的计算时刻。
102.对于车辆在实际道路上的行驶过程，车辆不断地在沿着车道线行驶和穿越车道线行驶的行驶工况间变化，建立车辆行驶轨迹与车道线的关系坐标系即frenet坐标系来进行车辆行驶工况识别十分必要。
103.车辆行驶轨迹为车辆质心的行驶轨迹。
104.轨迹斜率可以有效描述车辆的行驶方向，有助于侧向车辆行驶工况的识别，基于frenet坐标系的车辆轨迹斜率绝对值可通过下述公式(1)确定：
[0105][0106]
其中，α
f(k)
为第k个frenet坐标系的车辆行驶轨迹采样点的轨迹斜率绝对值，单位为(1)，s
(k)
为第k个frenet坐标系的车辆行驶轨迹采样点的横向坐标，单位为(m)，l
(k)
为第k个frenet坐标系的车辆行驶轨迹采样点的纵向坐标，单位为(m)；
[0107]
此外，用于车辆侧向行驶工况识别的预设第一阈值可以根据实际车辆行驶过程中的具体信号质量情况来确定，在示例中，预设第一阈值可设为0.021。
[0108]
在具体实施例中，本发明实施例的换道行驶工况和车道保持行驶工况的识别过程可如图2所示。如图2所示，在每次车辆行驶工况识别开始，可通过以下步骤来进行识别：
[0109]
判断第一当前时刻的frenet坐标系的车辆行驶轨迹采样点的轨迹斜率的绝对值是否大于预设第一阈值；如果大于，识别为换道行驶工况，记录第一当前时刻为换道工况的开始时刻；如果不大于，识别为车道保持行驶工况，准备进行进一步的具体工况判断。
[0110]
对识别为换道行驶工况的frenet坐标系的车辆行驶轨迹采样点的轨迹斜率的绝对值继续进行判断；判断第二当前时刻的frenet坐标系的车辆行驶轨迹采样点的轨迹斜率的绝对值是否大于预设第一阈值；如果大于，识别为仍处于换道行驶工况，继续进行判断；如果不大于，识别为车道保持行驶工况，记录第二当前时刻为换道行驶工况的结束时刻。
[0111]
在识别开始之前，默认当前时刻的车辆行驶工况为车道保持行驶工况。
[0112]
车辆在道路上行驶，车辆的行驶轨迹与车道线的几何位置关系决定着车辆侧向行驶工况。frenet坐标系可以将车辆行驶轨迹和车道线的关系直观地反映出来，在自动驾驶汽车路径规划领域应用广泛。因此从车辆侧行驶工况的本质特征着手，基于frenet坐标系的车辆轨迹斜率对于换道行驶工况和车道保持行驶工况进行识别更简明有效。
[0113]
处于车道保持行驶工况的车辆行驶轨迹与周围车道线几乎成平行关系，对应的frenet坐标系车辆轨迹斜率绝对值位于小范围内。处于换道行驶工况的车辆行驶轨迹与周围车道线为相交关系，对应的frenet坐标系车辆轨迹斜率绝对值位于大范围内。
[0114]
接着，对所属的车道保持行驶工况进行进一步的识别方法进行介绍，结合图2对识别的具体流程进行说明。
[0115]
在本发明实例中，车道保持行驶工况的识别主要包括直线行驶工况识别和弯道行驶工况识别。
[0116]
在第一判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值大于预设第二阈值时，将第一判断时刻记录为车辆弯道行驶工况的开始时刻；
[0117]
在第一判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值小于预设第二阈值时，将第一判断时刻记录为车辆直线行驶工况的开始时刻；
[0118]
在第二判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值小于预设第二阈值时，将第二判断时刻记录为车辆弯道行驶工况的结束时刻；
[0119]
在第二判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值大于预设第二阈值时，将第二判断时刻记录为车辆直线行驶工况的结束时刻；
[0120]
基于全局cartesian坐标系的车辆轨迹斜率绝对值可以用下式(2)计算：
[0121][0122]
其中，α
c(k)
为第k个全局cartesian坐标系的车辆行驶轨迹采样点的轨迹斜率绝对值，单位为(1)，x
t(k)
为第k个全局cartesian坐标系的车辆行驶轨迹采样点的横向坐标，单位为(m)，y
t(k)
为第k个全局cartesian坐标系的车辆行驶轨迹采样点的纵向坐标，单位为(m)；
[0123]
此外，用于车辆侧向行驶工况识别的预设第二阈值可以根据实际车辆行驶过程中的具体信号质量情况来确定，在示例中，预设第二阈值可设为0.01。
[0124]
在具体实施例中，本发明实施例的直线行驶工况和弯道行驶工况的识别过程可如图2所示。通过以下步骤来进行识别：
[0125]
判断第一当前时刻的全局cartesian坐标系的车辆行驶轨迹采样点的轨迹斜率的绝对值是否大于预设第二阈值；如果大于，识别为弯道行驶工况，记录第一当前时刻为弯道行驶工况的开始时刻；如果不大于，识别为直线行驶工况，记录第一当前时刻为直线行驶工
况的开始时刻。
[0126]
对识别为弯道行驶工况的全局cartesian坐标系的车辆行驶轨迹采样点的轨迹斜率的绝对值继续进行判断；判断第二当前时刻的全局cartesian坐标系的车辆行驶轨迹采样点的轨迹斜率的绝对值是否大于预设第一阈值；如果大于，识别为仍处于弯道行驶工况，继续进行判断；如果不大于，识别为直线行驶工况，记录第二当前时刻为弯道行驶工况的结束时刻。
[0127]
对识别为直线行驶工况的全局cartesian坐标系的车辆行驶轨迹采样点的轨迹斜率的绝对值继续进行判断；判断第二当前时刻的全局cartesian坐标系的车辆行驶轨迹采样点的轨迹斜率的绝对值是否大于预设第一阈值；如果大于，识别为弯道行驶工况，记录第二当前时刻为直线行驶工况的结束时刻；如果不大于，识别为仍处于直线行驶工况，继续进行判断。
[0128]
全局cartesian坐标系的车辆轨迹斜率反映了大地坐标系下车辆的行驶方向。处于直线行驶工况的车辆行驶轨迹与大地坐标系的横向坐标轴几乎成平行关系，对应的全局cartesian坐标系车辆轨迹斜率绝对值位于小范围内。处于弯道行驶工况的车辆行驶轨迹与大地坐标系的横向坐标轴为相交关系，对应的全局cartesian坐标系车辆轨迹斜率绝对值位于大范围内。
[0129]
接着，对所属的换道行驶工况和弯道行驶工况进行进一步的识别方法进行介绍，结合图2对识别的具体流程进行说明。
[0130]
在本发明实例中，换道行驶工况的识别主要包括左向换道行驶工况识别和右向换道行驶工况识别。
[0131]
在平均判断时刻的所述方向因子大于预设第三阈值时，换道行驶工况属于左向换道行驶工况；在平均判断时刻的所述方向因子小于预设第三阈值时，换道行驶工况属于右向换道行驶工况；
[0132]
在平均判断时刻的所述方向因子大于预设第三阈值时，弯道行驶工况属于左向弯道行驶工况；所在平均判断时刻的所述方向因子小于预设第三阈值时，弯道行驶工况属于右向弯道行驶工况；
[0133]
通过方向因子对侧向车辆行驶工况的方向进行识别，方向因子的计算可通过下述公式(3)确定：
[0134]d(k)
＝sign((y
t(k)-y
r(h)
)
·
cos(θ
r(k)
)-(x
t(k)-x
r(h)
)
·
sin(θ
r(k)
))
ꢀꢀ
(3)
[0135]
其中，d
(k)
为第k个frenet坐标系的车辆行驶轨迹采样点的方向因子，单位为(1)，x
t(k)
为第k个frenet坐标系的车辆行驶轨迹采样点对应的全局cartesian下的横向坐标，单位为(m)，y
t(k)
为第k个frenet坐标系的车辆行驶轨迹采样点对应的全局cartesian下的纵向坐标，单位为(m)；x
r(h)
为第k个frenet坐标系的车辆行驶轨迹采样点的对应参考线投影点在全局cartesian下的横向坐标，单位为(m)，y
r(h)
为第k个frenet坐标系的车辆行驶轨迹采样点的对应参考投影点在全局cartesian下的的纵向坐标，单位为(m)；θ
r(h)
为第k个frenet坐标系的车辆行驶轨迹采样点的对应参考投影点的航向角，单位为(
°
)；
[0136]
frenet坐标系的车辆行驶轨迹采样点的对应参考投影点的航向角的计算可通过下述公式(4)确定：
[0137][0138]
其中，θ
r(h)
为第k个frenet坐标系的车辆行驶轨迹采样点，即第h个全局cartesian坐标系的车辆行驶轨迹参考线采样点的航向角，单位为(
°
)，x
r(h)
为第h个全局cartesian坐标系的车辆行驶轨迹参考线采样点的横向坐标，单位为(m)，y
r(h)
为第h个全局cartesian坐标系的车辆行驶轨迹参考线采样点的纵向坐标，单位为(m)；
[0139]
其中，平均判断时刻为第一判断时刻和第二判断时刻的平均值；
[0140]
此外，用于车辆侧向行驶工况识别的预设第二阈值可以根据实际车辆行驶过程中的具体信号质量情况来确定，在示例中，预设第三阈值可设为0。
[0141]
在具体实施例中，本发明实施例的换道行驶工况和弯道行驶工况的识别过程可如图2所示。可通过以下步骤来进行识别：
[0142]
对于已经确定开始时刻和结束时刻的换道行驶工况，根据换道行驶工况的开始时刻和结束时刻计算平均判断时刻，即开始时刻和结束时刻的平均时刻；判断平均判断时刻的方向因子是否大于预设第三阈值；如果大于，识别为左向换道行驶工况；如果不大于，识别为右向换道行驶工况。
[0143]
对于已经确定开始时刻和结束时刻的弯道行驶工况，根据弯道行驶工况的开始时刻和结束时刻计算平均判断时刻，即开始时刻和结束时刻的平均时刻；判断平均判断时刻的方向因子是否大于预设第三阈值；如果大于，识别为左向弯道行驶工况；如果不大于，识别为右向弯道行驶工况。
[0144]
接着，对车辆行驶轨迹的参考线采样点和车辆行驶轨迹的采样点的平滑处理方法进行介绍。
[0145]
采用的平滑处理方法为防脉冲干扰平均值滤波算法，具体的计算步骤如下：
[0146]
选择一定数量的待处理采样点；
[0147]
对于选取的采样点集，按照数值大小进行排序；
[0148]
去掉最大的采样点和最小的采样点；
[0149]
计算其余采样点集的算数平均值；
[0150]
将该算数平均值作为滤波后输出值。
[0151]
接着，对cartesian坐标系的车辆行驶轨迹转换至frenet坐标系的具体过程进行介绍，如图3所示。图3为将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系的具体流程图,以第k个车辆行驶轨迹的采样点由全局cartesian坐标系转换至frenet坐标系为例，具体介绍计算过程，主要步骤包括：
[0152]
输入全局cartesian坐标系下车辆行驶轨迹参考线采样点集的横向坐标x
r(k)
和纵向坐标y
r(k)
；输入全局cartesian坐标系下车辆行驶轨迹采样点集的横向坐标x
t(k)
和纵向坐标y
t(k)
；计算全局cartesian坐标系下车辆行驶轨迹参考线的数据点集的航向角θ
r(k)
；计算车辆行驶轨迹数据点(x
r(k)
,y
r(k)
)到邻近参考线的数据点集(x
r(k-m)
,y
r(k-m)
),...,(x
r(k-1)
,y
r(k-1)
),(x
r(k)
,y
r(k)
),(x
r(k 1)
,y
r(k 1)
),...(x
r(k m)
,y
r(k m)
)的欧式距离；找到欧式距离最近的车辆行驶轨迹参考线的数据点作为投影点(x
r(h)
,y
r(h)
)；将该投影点的路径值ss
(h)
作为对应frenet坐标系下车辆行驶轨迹点的横坐标s
(k)
；将该投影点与车辆行驶轨迹点的欧式距离
作为对应frenet坐标系下车辆行驶轨迹点的纵坐标绝对值|l
(k)
|；根据车辆行驶轨迹采样点的横纵向坐标(x
t(k)
,y
t(k)
)、对应投影点横纵向坐标(x
r(h)
,y
r(h)
)和投影点的航向角θ
r(h)
确定方向因子，最终得到frenet坐标系下车辆行驶轨迹点的纵向坐标。
[0153]
其中，车辆行驶轨迹的参考线为车道中心线，车辆行驶轨迹的参考线采样点的采样频率依据硬件条件选取。
[0154]
对于车辆行驶轨迹参考线的数据集数量的选取根据控制器的硬件条件来选取。控制器性能越好，同一车辆行驶轨迹采样点对应的参考线数据集数量越多。其中，2m为本示例中的参考线的数据集数量。
[0155]
其中，h为第k个车辆行驶轨迹的采样点对应的参考线投影点的采样序列，即在选取的参考线数据集中第h个采样点距离第k个车辆行驶轨迹的采样点最近。
[0156]
图4为frenet坐标系下的车辆行驶轨迹示意图。
[0157]
投影点的路径值作为frenet坐标系下车辆行驶轨迹点的横坐标，投影点的路径值的计算可通过下述公式(5)确定：
[0158][0159]
其中，ss
(h)
为第h个全局cartesian坐标系的车辆行驶轨迹参考线采样点的路径值，单位为(m)，x
r(h)
为第h个全局cartesian坐标系的车辆行驶轨迹参考线采样点的横向坐标，单位为(m)，y
r(h)
为第h个全局cartesian坐标系的车辆行驶轨迹参考线采样点的纵向坐标，单位为(m)。
[0160]
frenet坐标系下的纵向坐标包括投影点与车辆行驶轨迹点的欧式距离和方向因子，该欧式距离的计算可通过下述公式(6)确定：
[0161][0162]
其中，|l
(k)
|为投影点与第k个车辆行驶轨迹点的欧式距离，单位为(m)，x
t(k)
为全局cartesian坐标系下第k个车辆行驶轨迹采样点的横向坐标，单位为(m)，y
t(k)
为全局cartesian坐标系下第k个车辆行驶轨迹采样点的横向坐标，单位为(m)，x
r(h)
为全局cartesian坐标系下第h个车辆行驶轨迹参考线采样点的横向坐标，单位为(m)，y
r(h)
为全局cartesian坐标系下第h个车辆行驶轨迹参考线采样点的纵向坐标，单位为(m)。
[0163]
车辆行驶轨迹采样点的方向因子的计算可通过下述公式(7)确定：
[0164]d(k)
＝sign((y
t(k)-y
r(h)
)
·
cos(θ
r(k)
)-(x
t(k)-x
r(h)
)
·
sin(θ
r(k)
))
ꢀꢀ
(7)
[0165]
其中，d
(k)
为第k个frenet坐标系的车辆行驶轨迹采样点的方向因子，单位为(1)，x
t(k)
为第k个frenet坐标系的车辆行驶轨迹采样点对应的全局cartesian下的横向坐标，单位为(m)，y
t(k)
为第k个frenet坐标系的车辆行驶轨迹采样点对应的全局cartesian下的纵向坐标，单位为(m)；x
r(h)
为第k个frenet坐标系的车辆行驶轨迹采样点的对应参考线投影点在全局cartesian下的横向坐标，单位为(m)，y
r(h)
为第k个frenet坐标系的车辆行驶轨迹采样点的对应参考投影点在全局cartesian下的纵向坐标，单位为(m)；θ
r(h)
为第k个frenet坐标系的车辆行驶轨迹采样点的对应参考投影点的航向角，单位为(
°
)。
[0166]
因此，frenet坐标系下的纵向坐标的计算可通过下述公式(8)确定：
[0167]
l
(k)
＝d
(k)
·
|l
(k)
|
ꢀꢀ
(8)
[0168]
综上，本发明实施例提供的基于坐标系转换的车辆侧向行驶工况识别方法，首先将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系；对车辆侧向行驶工况的识别指标数据进行计算，包括基于frenet坐标系的车辆轨迹斜率绝对值、基于全局cartesian坐标系的车辆轨迹斜率绝对值和方向因子；基于计算的工况识别指标数据，确定待识别车辆行驶工况所属的车辆侧向行驶过程，包括车道保持行驶工况和换道行驶工况；进一步地，车道保持行驶工况包括直线行驶工况和弯道行驶工况；进一步地，换道行驶工况包括左向换道行驶工况和右向换道行驶工况，弯道行驶工况包括左向弯道行驶工况和右向弯道行驶工况。由于采用全局cartesian坐标系和frenet坐标系的两种车辆轨迹斜率进行侧向工况识别，有效避免了车速变化对工况识别指标的影响，具有更强的适用性，同时更加准确直接简明。
[0169]
图5为本发明实施例的基于坐标系转换的车辆侧向行驶工况识别系统的结构框图，基于同一发明构思，本发明实施例还提供了一种基于坐标系转换的车辆侧向行驶工况识别系统，如图5所示：
[0170]
数据输入模块，用于获取全局cartesian坐标系下车辆行驶轨迹数据和全局cartesian坐标系下车辆行驶轨迹的参考线数据；所述全局cartesian坐标系下车辆行驶轨迹数据由高精度定位系统采集获得；所述全局cartesian坐标系下车辆行驶轨迹的参考线信息由高精度车载摄像头采集获得；
[0171]
数据处理计算模块，用于对数据输入模块获取的直接数据进行滤波平滑处理和将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系；
[0172]
工况识别指标计算模块，用于对车辆侧向行驶工况的识别指标数据进行计算，所述工况识别指标数据包括基于frenet坐标系的车辆轨迹斜率绝对值、基于全局cartesian坐标系的车辆轨迹斜率绝对值和方向因子；
[0173]
侧向行驶工况识别模块，用于基于计算的工况识别指标数据，确定待基于计算的工况识别指标数据，确定待识别车辆行驶工况所属的车辆侧向行驶工况，所述的车辆侧向行驶工况包括车道保持行驶工况和换道行驶工况，其中，所述车道保持行驶工况和所述换道行驶工况基于frenet坐标系的车辆轨迹斜率变化识别；
[0174]
车道保持行驶工况识别模块，用于基于计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的车道保持行驶工况，所述的车道保持行驶工况包括直线行驶工况和弯道行驶工况，其中，所述直线行驶工况和所述弯道行驶工况基于全局cartesian坐标系的车辆轨迹斜率变化识别；
[0175]
行驶方向识别模块，用于基于计算的工况识别指标数据，进一步地确定车辆侧向行驶工况所属的换道行驶工况和弯道行驶工况，所述的换道行驶工况包括左向换道行驶工况和右向换道行驶工况，所述的弯道行驶工况包括左向弯道行驶工况和右向弯道行驶工况，其中，所述左向换道行驶工况和所述右向换道行驶工况基于方向因子识别，所述左向弯道行驶工况和所述右向弯道行驶工况基于方向因子识别；
[0176]
进一步地，所述侧向行驶工况识别模块具体通过下述步骤对对车辆行驶过程进行识别：
[0177]
在第一判断时刻的frenet坐标系的车辆轨迹斜率绝对值大于预设第一阈值时，将第一判断时刻记录为车辆换道行驶工况的开始时刻；
[0178]
在第一判断时刻的frenet坐标系的车辆轨迹斜率绝对值小于预设第一阈值时，将第一判断时刻记录为车辆车道保持行驶工况的开始时刻；
[0179]
在第二判断时刻的frenet坐标系的车辆轨迹斜率绝对值小于预设第一阈值时，将第二判断时刻记录为车辆换道行驶工况的结束时刻；
[0180]
在第二判断时刻的frenet坐标系的车辆轨迹斜率绝对值大于预设第一阈值时，将第二判断时刻记录为车辆车道保持行驶工况的结束时刻；
[0181]
进一步地，所述车道保持行驶工况识别模块对车辆侧向行驶工况所属的车道保持行驶工况进行识别的具体步骤包括：
[0182]
在第一判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值大于预设第二阈值时，将第一判断时刻记录为车辆弯道行驶工况的开始时刻；
[0183]
在第一判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值小于预设第二阈值时，将第一判断时刻记录为车辆直线行驶工况的开始时刻；
[0184]
在第二判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值小于预设第二阈值时，将第二判断时刻记录为车辆弯道行驶工况的结束时刻；
[0185]
在第二判断时刻的全局cartesian坐标系的车辆轨迹斜率绝对值大于预设第二阈值时，将第二判断时刻记录为车辆直线行驶工况的结束时刻；
[0186]
进一步地，所述行驶方向识别模块对车辆侧向行驶工况所属的弯道行驶工况和换道行驶工况进行识别的具体步骤包括：
[0187]
在平均判断时刻的所述方向因子大于预设第三阈值时，换道行驶工况属于左向换道行驶工况；在平均判断时刻的所述方向因子小于预设第三阈值时，换道行驶工况属于右向换道行驶工况；
[0188]
在平均判断时刻的所述方向因子大于预设第三阈值时，弯道行驶工况属于左向弯道行驶工况；在平均判断时刻的所述方向因子小于预设第三阈值时，弯道行驶工况属于右向弯道行驶工况；
[0189]
平均判断时刻为第一判断时刻和第二判断时刻的平均值。
[0190]
进一步地，数据处理计算模块中对直接数据的滤波平滑处理的方法是防脉冲干扰平均值滤波算法。
[0191]
进一步地，数据处理计算模块中，所述将全局cartesian坐标系的车辆行驶轨迹转换至frenet坐标系的具体步骤包括：
[0192]
获取车辆行驶轨迹的参考线采样点在全局cartesian坐标系下的横向坐标和纵向坐标；所述车辆行驶轨迹的参考线为车道中心线；所述车辆行驶轨迹的参考线采样点的采样频率依据硬件条件选取；
[0193]
获取车辆行驶轨迹的采样点在全局cartesian坐标系下的横纵向坐标；所述车辆行驶轨迹为车辆质心的行驶轨迹；所述车辆行驶轨迹的参考线采样点的采样频率依据硬件条件选取；
[0194]
计算车辆行驶轨迹的参考线采样点到邻近的车辆行驶轨迹的参考线采样点集的距离；所述距离为车辆行驶轨迹的参考线采样点到邻近的车辆行驶轨迹的参考线采样点的欧式距离绝对值；所述邻近的车辆行驶轨迹的参考线采样点集为所选取的车辆行驶轨迹参考线采样点对应采样时刻的前后各设定数量的采样点的集合；
[0195]
找到车辆行驶轨迹的参考线采样点到邻近车辆行驶轨迹的参考线采样点集距离最短的车辆行驶轨迹参考线采样点；所述距离最短的车辆行驶轨迹参考线采样点作为全局cartesian坐标系转换至frenet坐标系的投影点；
[0196]
将车辆行驶轨迹的参考线采样点对应车辆行驶轨迹的参考线投影点的路径值作为frenet坐标系的横向坐标数值。将车辆行驶轨迹的参考线采样点到对应车辆行驶轨迹参考线的投影点的距离作为frenet坐标系的纵向坐标数值。
[0197]
进一步地，所述预设第一阈值为0.021；所述预设第二阈值为0.01；所述预设第三阈值为0；
[0198]
上述各模块的功能可对应于图1至5所示流程中的相应处理步骤，在此不再赘述。
[0199]
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
[0200]
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。