本发明涉及自动驾驶测评技术领域，具体地说，涉及一种车辆压线检测方法。
背景技术：
随着无人驾驶技术的飞速发展，与之相关的测试评价技术也在同步发展。初期，各个研发单位根据自身情况对其研发的车辆进行单项或部分功能要求进行测试评价。随着系统集成技术和无人驾驶技术的成熟，出现了以智能车比赛为主的第三方评价机构。
例如，20世纪90年代在美国军方推动下，美国国防预先研究计划局(thedefenseadvancedresearchprojectsagency，简称为dapra)举行了多届名为darpagrandchallenge的智能车辆比赛。从2004年到2007年，这项大赛极大地促进了无人驾驶技术的发展，同时也引出了一个新的研究方向，即无人驾驶车辆的测试评价，此项比赛在越野路段中进行，因此测试评价只使用了完成时间以及是否发生事故两个评价指标。
2009年，在中国国家自然科学基金委员会重大研究计划“视听觉信息的认知计算”的推动下，中国智能车未来挑战赛开始举办。从2009年到2017年，已经举办了9届，但是测试评价也是主要通过裁判观察判断智能车是否压车道线和违反交通规则。这种测试评价方式存在很大的主观性和不方便性，因此，无人驾驶车辆的自动测试评价成为了研究热点。
技术实现要素：
为解决上述问题，本发明提供了一种车辆压线检测方法，所述方法包括：
步骤一、获取待分析车辆的车辆位置坐标，其中，所述车辆位置坐标表征车车辆轮廓内指定点的坐标；
步骤二、根据所述车辆位置坐标确定车辆轮廓坐标；
步骤三、根据所述车辆轮廓坐标和车道线坐标判断车辆轮廓与测试场地中的车道线是否存在交点，其中，如果存在，则判定所述待分析车辆当前存在压线行为，否则判定所述待分析车辆当前不存在压线行为。
根据本发明的一个实施例，在所述步骤二中，基于车辆轮廓的顶点与所述车辆轮廓内指定点的相对距离关系，根据所述车辆位置坐标确定所述车辆轮廓的顶点坐标。
根据本发明的一个实施例，在所述步骤二中，
根据所述车辆位置坐标和航向角，构建第一直线方程；
基于车辆轮廓的顶点与所述车辆轮廓内指定点的相对距离关系，根据所述第一直线方程分别构建车辆轮廓的四个顶点中相邻两个顶点形成的直线的直线方程，对应得到四个顶点直线方程；
分别计算四个顶点直线方程的交点，得到所述车辆轮廓的顶点坐标。
根据本发明的一个实施例，在所述步骤二中，基于所述车辆轮廓的顶点与所述车辆轮廓内指定点和航向角之间的预设定量关系，根据所述车辆的车辆位置坐标和航向角确定所述车辆轮廓的顶点坐标。
根据本发明的一个实施例，在所述步骤三中，
从预设场地地图数据库中调取车道线采集点的坐标，根据所述车道线采集点的坐标和车辆轮廓坐标，判断所述车辆轮廓形成的线段与所述车道线中相邻两个车道线采集点形成的线段是否存在交点，其中，如果存在交点，则判定所述待分析车辆当前存在压线行为，否则判定所述待分析车辆当前不存在压线行为。
根据本发明的一个实施例，判断两条线段是否存在交点时，
根据两条线段中第一条线段的两个端点的坐标，确定所述第一条线段的直线方程；
根据两条线段中第二条线段的两个端点的坐标，确定所述第二条线段的直线方程；
联立所述第一条线段的直线方程和第二条线段的直线方程，判断联立方程是否有解，其中，如果无解，则判定两条线段不存在交点。
根据本发明的一个实施例，如果联立方程有一个解，则进一步判断联立方程的解的经度或纬度是否在两条线段的经度交集或纬度交集之内，如果是，则判定这两条线段存在交点，否则判定这两条线段不存在交点；
如果联立方程存在无穷解，则取其中一条线段的两个端点，并判断这两个端点的经度或纬度是否在另一条线段的经度范围或纬度范围之内，如果这两个端点中至少一个点的经度或纬度在另一条线段的经度范围或纬度范围之内，则判定这两条线段存在交点，否则判定这两条线段不存在交点。
根据本发明的一个实施例，所述预设场地地图库中存储的车道线采集点的坐标是按照路段分区进行划分的，在所述步骤三中，从预设场地地图数据库中调取车道线采集点的坐标前，还根据所述车辆位置坐标确定所述待分析车辆在场地中的所处路段分区，并从所述预设场地地图库中调取所述待分析车辆所处路段分区所对应的车道线采集点的坐标。
根据本发明的一个实施例，在确定所述待分析车辆在场地中的所处路段分区时，
根据所述车辆位置坐标分别判断待分析车辆是否处于各个路段分区最外围的点连线形成的各个多边形内，确定内部包含所述待分析车辆的多边形所对应的路段分区，从而得到所述待分析车辆在场地中的所处路段分区。
根据本发明的一个实施例，根据所述车辆位置坐标和多边形的顶点坐标，沿逆时针方向，判断所述待分析车辆是否总是处于构成所述多边形的线段的左侧，其中，如果是，则判定所述待分析车辆处于该多边形内。
本发明所提供的车辆压线检测方法基于车辆几何轮廓来实时、自动地检测车辆是否压线。相较于现有的检测方法，本发明所提供的检测方法的检测精度更高、实时性更好，其能够适用不同车型的无人驾驶车辆测试评价，具有高度的可移植性，可广泛应用于无人驾驶车辆智能水平的测试及其定量评价，从而有助于促进无人驾驶技术的快速发展，保证无人驾驶车辆能够在真实交通环境下安全的行驶。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
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的附图做简单的介绍：
图1是根据本发明一个实施例的车辆压线检测方法的实现流程示意图；
图2是根据本发明一个实施例的确定车辆轮廓坐标的实现流程示意图；
图3是根据本发明一个实施例的车辆轮廓示意图；
图4是根据本发明一个实施例的判定待分析车辆当前是否存在压线行为的实现流程示意图；
图5是根据本发明一个实施例的调取车道线采集点的坐标的实现流程示意图；
图6是根据本发明一个实施例的测试场地中某一路段分区的多边形的示意图；
图7是根据本发明一个实施例的判断两条线段是否存在交点的实现流程示意图；
图8是根据本发明一个实施例的两条线段的示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
现有的判断智能车是否压车道线和违反交通规则的方法通常是由裁判来进行人工判别。然而，裁判的观察存在着很大的主观性和倾向性，并且由于比赛进程紧张以及裁判观察的角度、能见度等因素的影响，测试结果很可能有失公平和客观性。
针对现有技术所存在的上述问题，本发明提供了一种新的车辆压线检测方法，该方法特别适用于智能车测试过程中的车道线压线检测。该方法能够结合车辆的几何参数、车辆位置数据以及高精度地图来实时检测车辆在行驶过程中是否存在压车道实线的行为。当然，根据实际需要，该方法也可以适用于针对其它合理车辆的车道线压线检测场景。
图1示出了本实施例所提供的车辆压线检测方法的实现流程示意图。
如图1所示，本实施例所提供的车辆压线检测方法首先会在步骤s101中获取待分析车辆的车辆位置坐标。其中，该车辆位置坐标表征车辆轮廓内指定点的坐标。
具体地，本实施例中，该方法优选地通过设置在车辆上的gps定位设备来获取车辆位置坐标。将车辆轮廓看作一个矩形，忽略车辆高度，在对待分析车辆进行测试前在车顶上任意找一点固定放置车载gps定位设备，这样车载gps定位设备所获取到的gps数据也就是该点的坐标，这样也就得到了待分析车辆的车辆位置坐标。
本实施例中，该方法在获取到车辆位置坐标的同时，还会获取到待分析车辆的航向角。
需要指出的是，在本发明的其它实施例中，用于获取车辆位置坐标的设备还可以为其它合理设备(例如北斗卫星数据接收设备等)，本发明不限于此。
如图1所示，在得到车辆位置坐标后，该方法将会在步骤s102中根据上述车辆位置坐标来确定车辆轮廓坐标。具体地，本实施例中，该在步骤s102中优选地根据车辆轮廓的顶点与车辆轮廓内的指定点的相对距离关系，来根据车辆位置坐标确定车辆轮廓的顶点坐标。
为了更加清楚地阐述根据车辆位置坐标来确定车辆轮廓坐标的原理以及过程，以下结合图2所示出的本实施例中该方法确定车辆轮廓坐标的实现流程示意图以及图3所示出的车辆轮廓示意图来作进一步的说明。
如图2和图3所示，在获取到车辆位置坐标(即a点的坐标(x0,y0))以及航向角θ(例如车辆行驶方向与正北方向之间的夹角)后，该方法可以在步骤s201中根据上述车辆位置坐标以及航向角θ构建得到第一直线方程(即直线l1的方程)。
对于待分析车辆来说，由于点a在车辆轮廓内的位置是相对不变的，同时车辆轮廓的几何参数也是固定不变的，因此图3中线段a、线段b、线段c以及线段d的长度也就是固定不变的，即车辆轮廓的四个顶点(即点b、点c、点d和点e)与点a之间的相对距离关系是固定不变且已知的。这样该方法也就可以在步骤s202中基于车辆轮廓的顶点与车辆轮廓内指定点(即点a)之间的相对距离关系，根据步骤s201中所构建得到的第一直线方程分别构建车辆轮廓中四个顶点中相邻两个顶点所形成的直线的直线方程，对应得到四个顶点直线方程(即点b与点c所形成的直线、点c与点d所形成的直线、点d与点e所形成的直线和点b与点e所形成的直线的方程)。
在得到上述四个顶点直线方程后，该方法在步骤s203中可以分别计算这四个顶点直线方程的交点，从而对应得到车辆轮廓的四个顶点的顶点坐标。
需要指出的是，在本发明的其它实施例中，根据实际需要，该方法还可以采用其它合理的方式来根据车辆位置坐标来确定车辆轮廓坐标，本发明不限于此。例如，在本发明的一个实施例中，该方法还可以基于车辆轮廓的顶点与车辆轮廓内指定点和航向角之间的预设定量关系，来根据车辆当前的车辆位置坐标和当前航向角确定车辆轮廓的顶点坐标。
在该实施例中，车辆轮廓的顶点与车辆轮廓内指定点和航向角之间的预设定量关系是事先构建得到的，其可以同利用车载gps设备精确地测定不同时刻的点a的坐标、航向角以及车辆轮廓的顶点的坐标，从而分别确定出车辆轮廓的各个顶点与点a的坐标以及航向角之间的定量关系。
再次如图1所示，本实施例中，在得到车辆轮廓坐标(即车辆轮廓的顶点坐标)后，该方法会在步骤s103中根据上述车辆轮廓坐标和车道线坐标判断车辆轮廓与测试场地中的车道线是否存在交点。其中，如果存在交点，那么该方法则会在步骤s104中判定待分析车辆当前存在压线行为，否则则会在步骤s105中判定待分析车辆当前不存在压线行为。
具体地，如图4所示，本实施例中，该方法会在步骤s401中从预设场地地图数据库中提取车道线采集点的坐标，并在步骤s402中基于车辆轮廓坐标和车道线采集点的坐标来判断车辆轮廓形成的线段与车道线中相邻两个车道线采集点所形成的线段是否存在交点。其中，如果存在交点(即对于车道线中相邻两个车道线采集点所形成的所有线段来说，存在与车辆轮廓形成的线段相交的线段)，那么该方法也就可以判定待分析车辆当前存在压线行为；而如果不存在交点，那么该方法也就可以判定待分析车辆当前不存在压线行为。
本实施例中，预设场地地图库中存储的车道线采集点的坐标是按照路段分区进行划分的，如图5所示，从预设场地地图数据库中调取车道线采集点的坐标前，该方法还会在步骤s501中根据车辆位置坐标确定待分析车辆在场地中的所处路段分区，并在步骤s502中从预设场地地图库中调取与步骤s501中所确定出的待分析车辆所处路段分区所对应的车道线采集点的坐标。
具体地，本实施例中，在构建场地地图库时，该方法会优选地画出整个测试场地的车道线地图，并按照路段进行分区，分别编号为：1区、2区、3区、……、n区。其中，同一个路段的两个行驶方向编号为：1a区、2a区、……、na区；1b区、2b区、……、nb区。
随后，该方法会利用rtk设备等装置来采集测试场地内所有的实线车道线(包括停止线)。其中，直线车道线每间隔第一预设距离(例如5.0m)采集一个点的gps坐标。实际道路中的弯道车道线曲线曲率较小，因此本方法使用两点之间的直线近似代替曲线，弯道车道线间隔第二预设距离(例如0.5m)采集一个点的gps坐标以平滑地拟合圆弧形。
该方法所采集到的坐标点按照1、2、……、n的方式命名，并归类到路段分区编号下，即每个路段分区na、nb下车道线的坐标点都编号为1、2、3、……、n。
需要指出的是，在本发明的不同实施例中，根据实际需要，上述第一预设距离和第二预设距离还可以配置为其它合理值，其中，第二预设距离优选地小于第一预设距离，以确保弯道车道线的准确性。
该方法会将同一分区中相邻两个坐标点连线，按照实际道路结构和车道线连接方式构建整个测试场地的高精度地图，精度达到车道线级别(例如厘米级)。其中，每个区域最外围的点连线都可以构成一个多边形。
在根据车辆位置坐标确定待分析车辆在场地中的所处路段分区时，该方法优选地根据车辆位置坐标分别判断待分析车辆是否处于各个路段分区最外围的点连线形成的各个多边形内，这样也就可以确定出内部包含待分析车辆的多边形所对应的路段分区，从而得到待分析车辆在场地中的所处路段分区。
具体地，本实施例中，该方法优选地根据车辆位置坐标和多边形的定点坐标，沿逆时针方向，判断待分析车辆是否总是处于构成多边形的线段的左侧，其中，如果是，则判定待分析车辆处于该多边形内。
例如，如图6所示，假定多边形中存在两个点p1(坐标为(x6,y6))和p2(坐标为(x7,y7))，如果要判断目标点a(坐标为(x,y))是否处于该多边形内，那么本实施例中，该方法优选地会首先根据如下表达式计算参数t：
t＝(y-y6)(x7-x6)-(x-x6)(y7-y6)(1)
随后，该方法会判断参数t的取值是否大于或等于零。其中，如果参数t的取值大于零，那么则表明目标点a位于线段p1-p2的左侧(即由点p1到点p2的有向线段的左侧)；如果参数t的取值等于零，那么则表明目标点a位于线段p1-p2上；而如果参数t的取值小于零，那么则表明目标点a位于线段p1-p2的右侧。
对于构成该多边形的线段，该方法可以按照逆时针的顺序通过相同的原理来分别判断出目标点a与线段p1-p2、线段p2-p3、……、线段pn-1-pn的位置关系。其中，如果a点始终在上述线段的左侧(包括在线段上)，即参数t的取值始终大于或零，那么该方法也就可以认为目标点在该多边形内。而只要存在一个令参数t的取值小于零的线段，那么该方法也就可以认为目标点在该多边形外。
由于整个测试场地的车道线地图可以划分为多个路段分区，每一个路段分区最外围的点都可以构成一个多边形，任意相邻的两个点都可以连成一条线段，因此该方法可以利用上述方法来确定待分析车辆在场地中的所处路段分区。
需要指出的是，由于车辆的行驶轨迹具有连续性，因此该方法在确定待分析车辆在场地中的所处路段分区时，可以结合前一时刻待分析车辆在场地中的所处路段分区来判断当前所处路段分区，从而减少数据处理量。
具体地，如果前一时刻车辆所处路段分区为3a区，那么由于车辆的行驶轨迹具有连续性，因此当前时刻车辆所处路段分区则可能为3a区、4a区或是3b区。这样也就可以减少不必要的数据处理量，从而提高了该方法的效率。
当然，在本发明的其它实施例中，该方法还可以采用其它合理方式来确定待分析车辆所处路段分区，本发明不限于此。
本实施例中，该方法在从预设场地地图数据库中调取车道线采集点的坐标后，会在在步骤s402中基于车辆轮廓坐标和车道线采集点的坐标来判断车辆轮廓形成的线段与车道线中相邻两个车道线采集点所形成的线段是否存在交点。
图7示出了本实施例中该方法判断两条线段是否存在交点的实现流程示意图，以下结合图8所示的两条线段来对该过程作进一步的阐述，其中，线段kt所表征的可以是车辆轮廓的某一边，线段mr所表征的可以是待分析车辆在场地中的所处路段分区最外围的点连线所构成的多边形的一条边。
如图7和图8所示，本实施例中，该方法在判断线段线段kt与线段mr是否存在交点时，首先会在步骤s701中根据两条线段中的第一条线段(例如线段kt)的两个端点(即端点k和端点t)的坐标，确定第一条线段的直线方程。
该方法在上述步骤中已经确定出了车辆轮廓的顶点坐标，而线段kt所表征的是车辆轮廓的某一边，因此线段kt的两个端点也就是车辆轮廓的某两个相邻的顶点，这两个端点的坐标显然是已知的。根据这两个端点的坐标，该方法也就可以构建得到第一条线段所处直线的直线方程。
同样地，该方法还可以在步骤s702中根据两条线段中的第二条线段的两个端点的坐标，来确定第二条线段的直线方程。该方法在上述步骤中已经提取出了待分析车辆在场地中的所处路段分区的车道线采集点的坐标，第二条线段所表征的是待分析车辆在场地中的所处路段分区最外围的点连线所构成的多边形的一条边，因此第二条线段的两个端点的坐标同样也是已知的。根据这两个端点的坐标，该方法同样可以构建得到第二条线段所处直线的直线方程。
在步骤s703中，该方法会联立上述两个直线方程，并判断联立方程是否有解。其中，如果联立方程无解，那么也就表示这两条直线不存在交点(即平面内的两条直线平行)，因此第一条线段与第二条线段也就必然不存在交点。
而如果联立方程有解，那么该方法则会在步骤s705中进一步判断该联立方程的解的数量是否为一个(即联立方程是否只有一个解)。如果联立方程只有一个解，那么也就表示这两条直线存在交点。然而，两条直线存在交点并不必然表示这两条直线中的两条线段也存在交点。因此，本实施例中，此时方法将会在步骤s706中判断联立方程的解的经度或纬度是否在两条线段的经度交集或纬度交集之内。如果是，该方法则可以在步骤s709中判定这两条线段存在交点，否则则可以在步骤s704中判定这两条线段不存在交点。
而如果联立方程存在无穷解，如图7所示，本实施例中，该方法则会在步骤s707中取其中一条线段的两个端点，并在步骤s708中判断这两个端点的经度或纬度是否在另一条线段的经度范围或纬度范围之内。其中，如果上述两个端点中至少有一个在另一条线段的经度范围或纬度范围之内，那么该方法也就可以在步骤s709中判定这两条线段存在交点，否则则会在步骤s704中判定这两条线段不存在交点。
当然，在本发明的其它实施例中，根据实际需要，该方法还可以采用其它合理方式来判断车辆轮廓形成的线段与车道线中相邻两个车道线采集点所形成的线段是否存在交点，本发明不限于此。
基于上述原理，该方法也就可以判断出构成车辆轮廓的各条线段与车道线中相邻两个车道线采集点所形成的各条线段是否存在交点。
再次如图4所示，本实施例中，只要车辆轮廓形成的线段与车道线中相邻两个车道线采集点所形成的各条线段中一条线段存在交点，那么该方法也就可以判定此时待分析车辆当前存在压线行为；而如果车辆轮廓形成的线段与车道线中相邻两个车道线采集点所形成的各条线段都不存在交点，那么该方法也就可以判定此时待分析车辆当前不存在压线行为。
从上述描述中可以看出，本发明所提供的车辆压线检测方法基于车辆几何轮廓来实时、自动地检测车辆是否压线。相较于现有的检测方法，本发明所提供的检测方法的检测精度更高、实时性更好，其能够适用不同车型的无人驾驶车辆测试评价，具有高度的可移植性，可广泛应用于无人驾驶车辆智能水平的测试及其定量评价，从而有助于促进无人驾驶技术的快速发展，保证无人驾驶车辆能够在真实交通环境下安全的行驶。
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构或处理步骤，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然上述示例用于说明本发明在一个或多个应用中的原理，但对于本领域的技术人员来说，在不背离本发明的原理和思想的情况下，明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此，本发明由所附的权利要求书来限定。