本技術涉及自動駕駛，特別是涉及一種匯流場景識別處理方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

背景技術：

1、傳統(tǒng)的決策規(guī)劃方法依賴于對上游信息的深入處理，以確保獲取足夠詳細的信息來支撐決策的合理性。然而，在復雜的匯流區(qū)域場景中，如果決策信息不合理，可能會導致駕駛員不適、車輛急剎甚至發(fā)生碰撞事故。人類駕駛員在匯流處通常根據主觀判斷做出決策，這些決策與匯流類型緊密相關。

2、匯流類型的判斷通常依賴于人工標注，這種方法成本較高，且當道路條件發(fā)生變化時，需要重新進行標注。這導致了在識別和處理匯流場景方面的一些挑戰(zhàn)，人工打標判斷匯流類型需要大量的人力和時間，當道路條件發(fā)生變化時，現(xiàn)有的標注可能不再適用，需要重新進行標注，這增加了維護成本，影響智能駕駛系統(tǒng)的適應性和可靠性。

3、因此，亟需一種匯流場景識別處理方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品，在復雜的匯流區(qū)域場景中，能夠更精確地識別匯流場景從而提高選擇匯流模式的準確性。

技術實現(xiàn)思路

1、基于此，有必要針對上述技術問題，提供一種在復雜的匯流區(qū)域場景中，能夠更精確地識別匯流場景從而提高選擇匯流模式的準確性的匯流場景識別處理方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

2、第一方面，本技術提供了一種匯流場景識別處理方法，包括：

3、獲取車輛行駛狀態(tài)數據、車輛視覺感知數據和當前行駛區(qū)域的地圖數據；

4、在所述車輛視覺感知數據和所述地圖數據二者的參考坐標系不一致的情況下，對所述車輛視覺感知數據進行坐標系轉換；

5、獲取所述地圖數據和轉換后的車輛視覺感知數據的對比結果；

6、根據所述對比結果，分析獲得自車匯入公共路段的匯流類型；

7、根據所述匯流類型和所述車輛行駛狀態(tài)數據，確定相應的車輛匯流控制模式。

8、在其中一個實施例中，所述根據所述對比結果，分析獲得自車匯入公共路段的匯流類型，包括：

9、在基于所述對比結果確定所述地圖數據和轉換后的車輛視覺感知數據之間的匹配度小于預設匹配度閾值的情況下，將轉換后的車輛視覺感知數據作為參考數據，分析獲得自車匯入公共路段的匯流類型；

10、在基于所述對比結果確定所述地圖數據和轉換后的車輛視覺感知數據之間的匹配度不小于預設匹配度閾值的情況下，將所述地圖數據作為參考數據，分析獲得自車匯入公共路段的匯流類型。

11、在其中一個實施例中，所述根據所述對比結果，分析獲得自車匯入公共路段的匯流類型，包括：

12、根據所述對比結果，獲取自車路段中各子路段的第一斜率、公共路段中各子路段的第二斜率和他車路段中各子路段的第三斜率；

13、根據所述第一斜率，獲取自車路段中各子路段的第一角度平均值；

14、根據所述第二斜率，獲取公共路段中各子路段的第二角度平均值；

15、根據所述第三斜率，獲取他車路段中各子路段的第三角度平均值；

16、獲取所述第一角度平均值和所述第二角度平均值的第一角度差值，以及獲取所述第二角度平均值和所述第三角度平均值的第二角度差值；

17、將所述第一角度差值和所述第二角度差值分別與預設角度閾值進行比較，獲得自車匯入公共路段的匯流類型。

18、在其中一個實施例中，所述將所述第一角度差值和所述第二角度差值分別與預設角度閾值進行比較，獲得自車匯入公共路段的匯流類型，包括：

19、在所述第一角度差值大于預設角度閾值，且所述第二角度差值不大于預設角度閾值的情況下，自車匯入公共路段的匯流類型為無路權匯流。

20、在其中一個實施例中，所述將所述第一角度差值和所述第二角度差值分別與預設角度閾值進行比較，獲得自車匯入公共路段的匯流類型，包括：

21、在所述第一角度差值不大于預設角度閾值，且所述第二角度差值大于預設角度閾值的情況下，自車匯入公共路段的匯流類型為有路權匯流。

22、在其中一個實施例中，所述方法還包括：所述將所述第一角度差值和所述第二角度差值分別與預設角度閾值進行比較，獲得自車匯入公共路段的匯流類型，包括：

23、在所述第一角度差值大于預設角度閾值，且所述第二角度差值大于預設角度閾值的情況下，自車匯入公共路段的匯流類型為二合一匯流。

24、第二方面，本技術還提供了一種匯流場景識別處理裝置，包括：

25、獲取模塊，用于獲取車輛行駛狀態(tài)數據、車輛視覺感知數據和當前行駛區(qū)域的地圖數據；

26、轉換模塊，用于在所述車輛視覺感知數據和所述地圖數據二者的參考坐標系不一致的情況下，對所述車輛視覺感知數據進行坐標系轉換；

27、處理模塊，用于獲取所述地圖數據和轉換后的車輛視覺感知數據的對比結果；

28、處理模塊，還用于根據所述對比結果，分析獲得自車匯入公共路段的匯流類型；

29、模式選擇模塊，用于根據所述匯流類型和所述車輛行駛狀態(tài)數據，確定相應的車輛匯流控制模式。

30、第三方面，本技術還提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)以下步驟：

31、獲取車輛行駛狀態(tài)數據、車輛視覺感知數據和當前行駛區(qū)域的地圖數據；

32、在所述車輛視覺感知數據和所述地圖數據二者的參考坐標系不一致的情況下，對所述車輛視覺感知數據進行坐標系轉換；

33、獲取所述地圖數據和轉換后的車輛視覺感知數據的對比結果；

34、根據所述對比結果，分析獲得自車匯入公共路段的匯流類型；

35、根據所述匯流類型和所述車輛行駛狀態(tài)數據，確定相應的車輛匯流控制模式。

36、第四方面，本技術還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：

37、獲取車輛行駛狀態(tài)數據、車輛視覺感知數據和當前行駛區(qū)域的地圖數據；

38、在所述車輛視覺感知數據和所述地圖數據二者的參考坐標系不一致的情況下，對所述車輛視覺感知數據進行坐標系轉換；

39、獲取所述地圖數據和轉換后的車輛視覺感知數據的對比結果；

40、根據所述對比結果，分析獲得自車匯入公共路段的匯流類型；

41、根據所述匯流類型和所述車輛行駛狀態(tài)數據，確定相應的車輛匯流控制模式。

42、第五方面，本技術還提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：

43、獲取車輛行駛狀態(tài)數據、車輛視覺感知數據和當前行駛區(qū)域的地圖數據；

44、在所述車輛視覺感知數據和所述地圖數據二者的參考坐標系不一致的情況下，對所述車輛視覺感知數據進行坐標系轉換；

45、獲取所述地圖數據和轉換后的車輛視覺感知數據的對比結果；

46、根據所述對比結果，分析獲得自車匯入公共路段的匯流類型；

47、根據所述匯流類型和所述車輛行駛狀態(tài)數據，確定相應的車輛匯流控制模式。

48、上述匯流場景識別處理方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品，通過更精確地識別匯流場景，智能駕駛系統(tǒng)可以做出更合理的決策，從而提高車輛匯入公共路段的安全性。自動化的匯流場景識別方法減少了對人工標注的依賴，從而降低了人力和時間成本。智能系統(tǒng)能夠適應道路條件的變化，無需頻繁重新標注，提高了系統(tǒng)的適應性和靈活性。減少了因人工標注錯誤導致的決策失誤，增強了智能駕駛系統(tǒng)的可靠性。通過實時獲取和處理車輛行駛狀態(tài)數據、視覺感知數據和地圖數據，系統(tǒng)能夠快速響應匯流場景變化，做出及時的決策。通過更合理的車輛匯流控制模式，減少因急剎或不當決策導致的駕駛員不適和碰撞事故。系統(tǒng)能夠識別和處理不同類型的匯流場景，提高了對不同交通環(huán)境的適應能力。通過對車輛視覺感知數據進行坐標系轉換，實現(xiàn)了與地圖數據的有效融合，提高了數據處理的準確性。