技术领域 本发明属于智能驾驶中的行为场景识别和数据挖掘领域，尤其是涉及一种车辆通过弯道的行为采集提取方法。 背景技术 车辆驾驶自动化技术目前处于高速发展、加快落地的时期，随着L2级智能驾驶系统商用化逐渐成熟，众多主机厂纷纷开始加快对更高级别的L3-L4智能驾驶系统的研究部署。在对高级别智能驾驶系统的开发过程中，提升系统在各驾驶场景中的稳定性，优化系统的感知、决策规划和执行的能力，使自动驾驶车辆的行为表现更具有人性的操作特性，适应复杂驾驶场景并与其他道路使用者进行合理互动，是目前研究的热点。这些目标的实现都需要建立在对大量自然驾驶行为数据深度研究分析的基础上，因此对自然驾驶行为场景的提取是高等级智能驾驶系统研究的关键。 车辆通过弯道的行为场景是非常具有研究意义的驾驶工况，在此场景下，需要同时对车辆的方向和车速进行控制，协调横摆角速度、侧向加速度与弯道曲率的关系。目前各厂商量产和在研的L3及以上级别的智能驾驶系统，大多具备通过弯道行驶的能力，但由于国内高速公路、城市快速路、一般城市道路中弯道的车流情况、道路结构、线况路况等因素存在极大不确定性，目前各智能驾驶系统在通过弯道时仍存在车道识别、横向控制、车速控制不稳定的情况，严重时可能导致系统功能退出，存在较大的安全风险，且给驾乘人员带来不好的驾乘体验。针对车辆通过弯道这一行为场景展开深入的研究有助于相关智能驾驶技术的开发，本发明针对这一特殊行为场景展开研究，提出了对该行为场景的数据采集和识别提取的综合方法和系统，为该场景下的智能驾驶系统技术开发奠定基础。 车辆通过弯道的行为场景是进行智能驾驶研发所需要的重要场景，但目前该场景的自然驾驶数据并不丰富，且场景的识别提取方法效率较低，误识别漏识别率较高，通过仿真泛化的场景不贴近真实数据，无法满足现有功能的优化或者高等级智能驾驶等技术的开发需求。为了解决现阶段各项技术开发对通过弯道行为场景的数据需求问题，本发明提供一种基于GNSS和摄像头传感器的通过弯道行为场景数据采集与识别提取系统。 发明内容 有鉴于此，本发明旨在提出一种车辆通过弯道的行为采集提取方法，以解决现有场景的识别提取方法效率较低，误识别漏识别率较高，通过仿真泛化的场景不贴近真实数据，无法满足现有功能的优化或者高等级智能驾驶等技术的开发需求的问题。 为达到上述目的，本发明的技术方案是这样实现的： 一种车辆通过弯道的行为采集提取方法，包括以下步骤： S1、获取车辆信息； S2、根据获取的车辆信息与设定阈值的对比，对通过弯道行为场景进行标志； S3、对标志的弯道行为场景进行判定，判定标志的弯道行为场景是否符合规定的弯道场景； S4、若符合弯道行为场景，则对弯道场景片段进行提取。 进一步的，步骤S1中车辆信息包括：当前时间、采样频率、本车车速、本车航向角、两侧车道线类型。 进一步的，步骤S2对通过弯道行为场景进行标志方法包括以下步骤： S201、设定弯道行为场景开始点的航向角速度阈值范围和最小车速； S202、判断当前时刻车辆的航向角速度是否在开始点的航向角速度阈值范围内，若是，则开始点运动状态标志为1，若不是标志为0； S203、根据当前时刻车辆两侧车道线类型，判断当前时刻车道线类型与前一帧时刻的车道线类型是否保持一致，若保持一致，则对开始点车道线状态标志为1，否则标志为0； S204、判断当前时刻车辆的航向角速度在是否在结束点的航向角速度阈值范围内，其结束点运动状态标志位为1。 进一步的，步骤S3中对标志的弯道行为场景判断方法包括以下步骤： S301、设定弯道行为场景开始点运动状态标志位持续时间为T1时间段，开始点车道线状态标志位持续时间为T2时间段，结束点运动状态标志位持续时间为T3时间段； S302、若当前时刻t0开始点运动状态标志位和开始点车道线状态标志位均为1，则监控当前时间以后的时间内两标志位的变化情况；若开始点运动状态标志位在T1时间段内始终为1，且始点车道线状态标志位在T2时间段内始终为1，则判定当前时刻t0为弯道行为场景的开始点，否则将继续寻找场景的开始点； S303、弯道行为场景的开始点确定后，寻找弯道行为场景的开始点； S304、若当前时刻t1结束点运动状态标志位为1,则监控当前时间以后的时间的内结束点运动状态标志位的变化情况，若结束点运动状态标志位在T3时间内结束点运动状态标志位始终为1，则当前t1时刻判定为行为场景的结束点；则该行为场景片段判定的开始到结束的时间段为[t0,t1]。 进一步的，步骤S4中对弯道场景片段提取方法包括以下步骤： S401、设定弯道行为场景片段中最小片段长度、最小平均车速、最小车道线识别率阈值； S402、获取车辆弯道行为场景片段，将弯道行为场景片段数据与上述阈值对比； S403、若该弯道场景片段的时长大于最小片段长度阈值、车辆的平均车速大于最小平均车速阈值、弯道场景片段中识别到车道线类型的时长占片段总时长的比例大于最小车道线识别率阈值，则该弯道行为场景片段有效，符合提取条件； S404、最后再设定开始点延长时间T4和结束点延长时间T5，则该行为场景片段最终提取的开始到结束的时间段为[t0-T4,t1+T5]。 相对于现有技术，本发明所述的一种车辆通过弯道的行为采集提取方法具有以下优势： (1)本发明所述的一种车辆通过弯道的行为采集提取方法，可对行为场景进行批量化的自动化识别和提取，有效提高行为场景的提取效率，满足开发的行为场景需求。 (2)本发明所述的一种车辆通过弯道的行为采集提取方法，仅基于一套GNSS和摄像头传感器的采集方案即可实现对通过弯道行为场景的识别提取，行为场景识别提取成本较低。 (3)本发明所述的一种车辆通过弯道的行为采集提取方法，适用于各类型通过弯道行为场景的识别和提取，能极大丰富现有自然驾驶场景库的场景类型，用以指导场景库、场景用例的编制和开发工作。 (4)本发明所述的一种车辆通过弯道的行为采集提取方法，提取的通过弯道行为场景的自然驾驶数据，可为智能驾驶功能在弯道中规划决策的开发工作提供数据支持。 附图说明 构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中： 图1为本发明实施例所述的一种车辆通过弯道的行为采集提取系统示意图； 图2为本发明实施例所述的目标行为场景的开始结束点标志具体流程示意图； 图3为本发明实施例所述的目标行为场景的开始结束点判定具体流程示意图； 图4为本发明实施例所述的目标行为场景的场景片段判定和提取具体流程图。 附图标志说明： 1-整机电源；2-前向摄像头；3-车辆总线；4-定位GNSS装置；5-车载工控机。 具体实施方式 需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。 在本发明的描述中，需要理解的是，术语 " 中心 " 、 " 纵向 " 、 " 横向 " 、 " 上 " 、 " 下 " 、 " 前 " 、 " 后 " 、 " 左 " 、 " 右 " 、 " 竖直 " 、 " 水平 " 、 " 顶 " 、 " 底 " 、 " 内 " 、 " 外 " 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。此外，术语 " 第一 " 、 " 第二 " 等仅用于描述目的，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 " 等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明， " 多个 " 的含义是两个或两个以上。 在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语 " 安装 " 、 " 相连 " 、 " 连接 " 应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；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。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。 下面将参考附图并结合实施例来详细说明本发明。 实施例一： 如图2至图4所示，一种车辆通过弯道的行为采集提取方法，通过车辆的数据采集装置所采集的驾驶数据在车端实施的，提取系统输入参数包括：当前时间Time、采样频率f、本车车速Ego_v、本车航向角Orientation、左侧车道线类型LineL_type(0代表未识别，1代表实线，2代表虚线)、右侧车道线类型LineR_type(0代表未识别，1代表实线，2代表虚线)。基于以上数据判断所处理的当前场景是否为目标行为场景。 其判定流程包括：开始结束点标志、开始结束点判定、场景片段判定和提取。 1、如图2所示，对通过弯道行为场景的开始结束点标志的方法包括： 11、首先设定各项判定阈值，如图2中S1处所示，设定开始点的最大航向角速度Start_deriv_max和最小航向角速度Start_deriv_min，开始点最小车速Start_v_min，结束点的最小航向角速度End_deriv_min；在对航向角速度进行判定时均取其绝对值进行判定。 在通过不同曲率半径的弯道时，车辆的开始点和结束点的航向角速度的取值范围不同，需要根据行为场景的具体道路结构需求按照经验进行自主设定，也可根据一些已知曲率半径和弯道开始结束点的目标场景，通过计算后得到。开始点最小车速Start_v_min一般定义为通过弯道时的最低车速，在设置阈值时不宜过大，主要用于排除一些怠速状态下航向角波动的数据和车辆掉头、靠边停车之类的非弯道低速场景，可根据经验设定。 12、然后调用各项判定需要的数据信息，如图2中S2所示，包括从车辆总线调用的各项数据信息(Time、f等)，以及通过总线数据信息后处理得到的数据信息(deriv_SG)。如图2中S3所示，从车辆总线调用车辆航向角信号(Orientation)，并对其进行求导和滤波处理，得到本车航向的角速度信息(deriv_SG)。 13、最后根据各项数据信息与判定阈值的关系，分别对开始点运动状态、开始点车道线状态、结束点状态进行标志，如图2中S4、S5、S6所示；若当前时刻车辆的航向角速度在开始点的航向角速度阈值范围内(大于开始点最小航向角速度，且小于开始点最大航向角速度)且车速大于车速阈值，则满足开始点运动状态条件；若当前时刻能感知到两侧车道线类型，并且感知的车道线类型与前一帧时刻的车道线类型保持一致则满足开始点车道线状态条件；若当前时刻车辆的航向角速度在结束点的航向角速度阈值范围内(小于结束点最大航向角速度)，则满足结束点运动状态条件。判定准则如下： End_deriv_min>deriv_SG End_flag＝1 14、对行为场景开始结束点标志将得到开始点运动状态标志位Start_flag、开始点车道线状态标志位Line_flag、结束点状态标志位End_flag三项数据，其中标志位为1代表满足开始/结束的条件，标志位为0代表还未满足开始/结束的条件。三项数据将其用于后面的行为场景开始结束点判定。 2、如图3所示，对通过弯道行为场景的开始结束点判定的具体实现方法包括： 21、首先设定行为场景开始点和结束点判定的阈值，包括开始点运动状态标志位持续时间T1，开始点车道线状态标志位持续时间T2，结束点运动状态标志位持续时间T3。考虑到车辆在弯道中实际驾驶的运行状态下，其航向角速度deriv_SG存在波动，因此设定了运动状态标志位持续时间(T1、T3)，来确保开始点和结束点判定的可靠性，减少误触发和提前退出的情况。 其中T1和T3可根据经验设定，若出现目标场景提取的召回率较低或准确率较低的情况，可将T1对应地适当降低或提高；若出现目标场景提前退出的情况，可将T3适当提高。同时，由于在停车场等空旷地带进行曲线轨迹行驶可能误判定其满足通过弯道行为场景的运动状态条件，以及车辆在弯道前较大动作的变道行驶有可能也被一并识别为通过弯道的场景，因此对车辆两侧车道线类型进行判定，要求其在一定时间(T2)内能被识别且保持稳定，T2可根据经验设定，若出现上述的目标场景误提取的情况，可适当提高T2。 22、再根据各时间阈值先后对开始点和结束点进行判定(弯道行为场景首先需要确定其开始点)。如图3中S1所示，当开始点运动状态标志位Start_flag、开始点车道线状态标志位Line_flag均为1时，进行S2判定，否则继续遍历数据判定开始点；如图3中S2所示，在一定时间内(T1)开始点运动状态标志位Start_flag始终为1，进行S3判定，否则从不满足条件的时刻开始，继续遍历数据判定开始点；如图3中S3所示，在一定时间内(T2)开始点车道线状态标志位Line_flag始终为1，则判定该时刻为目标行为场景的开始点，对应时间为t0，否则从不满足条件的时刻开始，继续遍历数据判定开始点。 23、在判定得到目标行为场景的开始点后，从开始t0开始向后寻找目标行为场景的结束点。如S4所示，当结束点状态标志位End_flag为1时，进行S5判定，否则继续遍历数据判定结束点；如S5所示，在一定时间内(T3)结束点状态标志位End_flag始终为1，则判定该时刻为目标行为场景的结束点，对应时间为t1，否则从不满足条件的时刻开始，继续遍历数据判定结束点。 由以上流程得到目标行为场景的判定开始和结束时间段为[t0,t1]。完成本次开始结束点判定后，继续向后搜索下一个场景的开始点进行判定。 3、如图4所示，对通过弯道行为场景的场景片段判定和提取的具体实现方法包括： 31、首先设定行为场景片段的判定阈值，最小片段长度T_min、最小平均车速Average_v_min、最小车道线识别率Line_min。其中最小片段长度T_min用于排除部分非弯道的曲线驾驶行为，如激烈的变道等；最小平均车速Average_v_min一般定义为通过弯道过程中的最低平均车速，在设置阈值时不宜过大，主要用于排除一些怠速状态下航向角波动的数据和车辆掉头、靠边停车之类的非弯道低速场景；最小车道线识别率Line_min主要用于排除部分非弯道场景的曲线运动，如停车场内转弯等。上述阈值可根据经验设定。 32、再通过之前判定得到的行为场景片段中的各项数据，得到该片段的片段时长T、车辆的平均车速Average_v、片段中能识别到车道线类型的时长占片段总时长的比例Line。并据阈值条件进行判定，若该场景片段的时长大于阈值(最小片段长度)、车辆的平均车速大于阈值(最小平均车速)、片段中能识别到车道线类型的时长占片段总时长的比例大于阈值(最小车道线识别率)，则该场景片段有效，符合提取条件。判定准则如下： 场景片段有效 33、最后再设定开始点延长时间T4和结束点延长时间T5，便于拓展提取入弯前和出弯后的驾驶数据。则该行为场景片段最终提取的开始到结束的时间段为[t0-T4,t1+T5]。 实施例二： 如图1所示，一种车辆通过弯道的行为采集提取系统，包括车辆，包括：安装在车辆上的整车电源、前向功能摄像头、定位GNSS装置、车载工控机、车辆总线； 整车电源1、前向功能摄像头2、定位GNSS装置3均通过车辆总线5与车载工控机4连接； 定位GNSS装置3采用GNSS传感器具有车辆经纬度、车速、航向角、横摆角速度、横纵向加速度信息的采集功能； 前向功能摄像头用于采集目标物ID、目标物类型、目标物相对纵向距离、相对横向距离、目标物方位角、目标物相对速度、左右侧车道线类别、车道线颜色、自车距离左右侧车道线距离、左右相隔车道线信息等数据的功能； 车载工控机与传感器和整车电源相连，用于接收以上传感器所采集的数据，并实现采集数据的本地存储和识别提取运算。 上述数据采集装置所采集数据足够支撑该发明所述的车辆通过弯道行为场景的识别提取功能，若需要采集其它传感器的数据(如毫米波雷达、激光雷达等)，可在该数据采集装置的基础上，将其它采集设备的数据同步接入工控机中，以实现更多数据类型的采集需求。 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。 一种车辆通过弯道的行为采集提取方法