CN108202745A - 预测障碍物车辆状态的方法及系统 - Google Patents

预测障碍物车辆状态的方法及系统 Download PDF

Info

Publication number
CN108202745A
CN108202745A CN201611176802.3A CN201611176802A CN108202745A CN 108202745 A CN108202745 A CN 108202745A CN 201611176802 A CN201611176802 A CN 201611176802A CN 108202745 A CN108202745 A CN 108202745A
Authority
CN
China
Prior art keywords
vehicle
status information
state
barrier
barrier vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201611176802.3A
Other languages
English (en)
Other versions
CN108202745B (zh
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FAFA Automobile (China) Co., Ltd.
Original Assignee
LeTV Automobile Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by LeTV Automobile Beijing Co Ltd filed Critical LeTV Automobile Beijing Co Ltd
Priority to CN201611176802.3A priority Critical patent/CN108202745B/zh
Publication of CN108202745A publication Critical patent/CN108202745A/zh
Application granted granted Critical
Publication of CN108202745B publication Critical patent/CN108202745B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供一种预测障碍物车辆状态的方法，属于自动驾驶领域。所述预测障碍物车辆状态的方法包括：对障碍物车辆的当前时刻的状态信息进行估计；根据所述当前时刻的状态信息预测障碍物车辆的下一时刻的状态信息；以及根据所述下一时刻的状态信息判断障碍物车辆的驾驶行为。

Description

预测障碍物车辆状态的方法及系统
技术领域
本发明涉及自动驾驶领域，具体地，涉及一种预测障碍物车辆状态的方法及系统。
背景技术
近年来，无人驾驶相关技术得到了广泛关注，其中，在无人车行驶过程中，需要使用障碍物车辆的状态信息作为约束条件，对无人车的行驶轨迹进行规划。通常，对于前方的障碍物车辆，我们通常需要使用其一段时间之后，而非当前的状态作为路径规划算法的约束条件，具体时间视本车的行驶状态而定。因此，需要根据障碍物车辆的当前状态信息，对其未来时刻的状态信息进行预测。
本申请发明人在实现本发明的过程中发现，现有技术的预测障碍物车辆的未来时刻的状态信息的方案具有不能准备预测障碍物车辆的驾驶行为的缺陷。
发明内容
本发明实施例的目的是提供一种预测障碍物车辆状态的方法及系统，该方法和系统能够准确预测障碍物车辆下一时刻的状态信息，并根据该状态信息判断障碍物车辆的驾驶行为。
为了实现上述目的，本发明提供一种预测障碍物车辆状态的方法，该方法包括：对障碍物车辆的当前时刻的状态信息进行估计；根据所述当前时刻的状态信息预测障碍物车辆的下一时刻的状态信息；以及根据所述下一时刻的状态信息判断障碍物车辆的驾驶行为。
其中，所述对障碍物车辆的当前时刻的状态信息进行估计包括：利用滤波器对障碍物车辆的当前时刻的横向状态信息和纵向状态信息进行估计。例如，可以利用卡尔曼(Kalman)滤波器系统。
其中，所述横向状态信息包括障碍物车辆相对于本车的横向相对位置和横向相对速度，所述纵向状态信息包括障碍物车辆相对于本车的纵向相对位置和纵向相对速度。
其中，所述根据所述当前时刻的状态信息预测障碍物车辆的下一时刻的状态信息包括：根据所述横向状态信息和纵向状态信息预测障碍物车辆的相对加速度；以及根据所述当前时刻的状态信息和所述相对加速度预测障碍物车辆的下一时刻的状态信息。
其中，所述根据所述下一时刻的状态信息判断障碍物车辆的驾驶行为包括：根据所述横向相对位置和所述横向相对速度计算参考值；以及根据所述横向相对速度和所述参考值与预设域值的比较结果判断障碍物车辆是否处于变道驾驶行为。
其中，所述根据所述横向相对速度和所述参考值与预设域值的比较结果判断障碍物车辆是否处理变道驾驶行为包括：当所述参考值小于或等于所述预设域值时，判断障碍物车辆的驾驶行为为车道保持模式；当所述参考值大于所述预设域值，并且横向相对速度小于0时，判断障碍物车辆的驾驶行为为向左变道；以及当所述参考值大于所述预设域值时，并且横向相对速度大于0时，判断障碍物车辆的驾驶行为为向右变道。
其中，所述根据所述横向相对位置和所述横向相对速度计算参考值包括利用以下公式计算所述参考值：
公式1：
其中，f(l)为所述参考值，l＝||d||·vy，d为所述横向相对位置，vy为所述横向相对速度，c为调整参数，c用于对所述参考值的计算值进行调整，以使其能够准确反映到判断结果中，因此c可以通过测试进行取值。
其中，该方法还包括：根据所述纵向状态信息和所述障碍物车辆的变道行为决定本车的驾驶策略。
根据本发明的另一方面，还提供一种预测障碍物车辆状态的系统，该系统包括：当前状态估计模块，用于对障碍物车辆的当前时刻的状态信息进行估计；状态预测模块，用于根据所述当前时刻的状态信息预测障碍物车辆的下一时刻的状态信息；以及驾驶行为预测模块，用于根据所述下一时刻的状态信息判断障碍物车辆的驾驶行为。
其中，所述当前状态估计模块包括：滤波器处理模块，用于利用滤波器对障碍物车辆的当前时刻的横向状态信息和纵向状态信息进行估计。
其中，所述横向状态信息包括障碍物车辆相对于本车的横向相对位置和横向相对速度，所述纵向状态信息包括障碍物车辆相对于本车的纵向相对位置和纵向相对速度。
其中，所述状态预测模块包括：相对加速度预测模块，用于根据所述横向状态信息和纵向状态信息预测障碍物车辆的相对加速度；以及状态信息预测模块，用于根据所述当前时刻的装态信息的所述相对加速度预测障碍物车辆的下一时刻的状态信息。
其中，所述驾驶行为预测模块包括：参考值确定模块，用于根据所述横向相对位置和所述横向相对速度计算参考值；驾驶行为判断模块，用于根据所述横向相对速度和所述参考值与预设域值的比较结果判断障碍物车辆是否处于变道驾驶行为。
其中，所述驾驶行为判断模块当所述参考值小于或等于所述预设域值时，判断障碍物车辆的驾驶行为为车道保持模式；当所述参考值大于所述预设域值，并且横向相对速度小于0时，判断障碍物车辆的驾驶行为为向左变道；当所述参考值大于所述预设域值时，并且横向相对速度大于0时，判断障碍物车辆的驾驶行为为向右变道。
其中，所述参考值确定模块利用上述公式1计算所述参考值。
其中，所述驾驶行为判断模块根据所述纵向状态信息和所述障碍物车辆的变道行为决定本车的驾驶策略。
通过上述技术方案，通过本车周围的障碍物车辆相对本车的相对位置以及相对速度等信息的估计，可以预测出障碍物车辆在下一时刻相对于本车的相对位置和相对速度，从而可以根据这些信息准确地判断出障碍物车辆的驾驶行为，进而本车可以做出适当的驾驶决策，从而实现安全的自动驾驶。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是根据本发明的实施例一的预测障碍物车辆状态的方法的流程图；
图2是根据本发明的实施例二的预测障碍物车辆状态的方法的流程图；
图3是根据本发明的实施例三的预测障碍物车辆状态的系统的结构图；
图4是根据本发明的实施例四的预测障碍物车辆状态的系统的结构图；以及
图5是根据本发明的实施例的坐标系的示意图。
附图标记说明
100：当前状态估计模块 110：滤波器处理模块
200：状态预测模块 210：相对加速度预测模块
220：状态信息预测模块 300：驾驶行为预测模块
310：参考值确定模块 320：驾驶行为判断模块
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1是根据本发明的实施例一的预测障碍物车辆状态的方法的流程图。如图1所示，所述预测障碍物车辆状态的方法包括以下步骤：
在步骤S100中，对障碍物车辆的当前时刻的状态信息进行估计。
在步骤S200中，根据所述当前时刻的状态信息预测障碍物车辆的下一时刻的状态信息。
在步骤S300中，以及根据所述下一时刻的状态信息判断障碍物车辆的驾驶行为。
图2是根据本发明的实施例二的预测障碍物车辆状态的方法的流程图。如图2所示，上述步骤S100可以包括步骤S110，在步骤S110中，可以利用滤波器对障碍物车辆的当前时刻的横向状态信息和纵向状态信息进行估计。
例如，可以利用卡尔曼(Kalman)滤波器对障碍物车辆的纵向和横向状态进行估计，卡尔曼滤波器可以优选地设计为二阶系统，其中，所预测的状态信息为车辆相对于本车的相对位置和相对速度，由于需要对车辆的横向状态信息和纵向状态信息分别进行估计，因此卡尔曼滤波器的参数含有四个状态变量，即障碍物车辆相对于本车的横向相对位置和横向相对速度，以及障碍物车辆相对于本车的纵向相对位置和纵向相对速度。
如图2所示，上述步骤S200可以优选地包括以下步骤：
其中，图5是根据本发明实施例二的坐标系的示意图。如图5所示，对所述障碍物车辆的状态信息的估计可以在障碍物车辆的局部坐标系下完成，可以定义一个以本车后保险杠的中心为坐标原点的坐标系，其中x轴为沿车道线的切线方向，即纵向方向，y轴为车道线法线方向，即横向方向。但是坐标系的坐标原点的位置并不限于本车后保险杠的中心，定义坐标系只是一种参照方式，因此理论上可以选取本车的任何一点，或者也可以选取其它点作为坐标系的原点。
在步骤S210中，根据所述横向状态信息和纵向状态信息预测障碍物车辆的相对加速度。例如，利用卡尔曼滤波器对障碍物车辆的横向状态信息和纵向状态信息进行估计时，可以通过以下公式2具体实现卡尔曼滤波器，从而估计出相应的状态信息：
公式2：
2-1：m＝(px,py,vx,vy)T
2-2：
2-3：
2-4：
2-5：
2-6：
其中：
其中，上述公式2中公式2-2至2-3为状态信息预测公式，公式2-4至2-6为状态信息更新公式，px表示障碍物车辆相对本车的纵向相对位置，py表示障碍物车辆与本车的横向相对位置，vx表示障碍物车辆相对本车的纵相相对速度，vy表示障碍物车辆与本车的横向相对速度。m为卡尔曼滤波器系统的状态向量，mt为t时刻时系统的状态向量；u(t)为t时刻系统的控制变量，如果没有控制量，它可以为0，B为系统参数；F为过程转移矩阵，Ft为t刻的过程转移矩阵，H为观测矩阵，Σ为误差协方差矩阵，K为kalman增益，nt为t时刻的系统观测量；R为测量噪声的协方差，其可以通过对先验信息的进行统计来获取，Q为过程噪声协方差，其可以通过对过去1秒之内的速度的变化率计算标准差来获取。关于Kalman滤波器的具体原理，由于该部分是本领域技术人员的公知常识，因此不再赘叙。
在估计出障碍物车辆相对本车的横向状态信息和纵向状态信息后，可以通过在一定时间内障碍物车辆相对于本车的相对速度和相对位置的变化值计算相对加速度。
在步骤S220中，可以根据所述当前时刻的状态信息和所述相对加速度预测障碍物车辆的下一时刻的状态信息。例如，如果相对加速度为零或者近似为零，可认为障碍物车辆相对于本车是均速行驶状态，则可以将所估计的所述当前时刻的状态信息作为障碍物车辆在下一时刻的状态信息，如果相对加速度不为零，则可以根据所述当前时刻相对位置和相对速度以及相对加速度推算障碍物车辆下一时刻的状态信息。其中，所述当前时刻和下一时刻之间的时间间隔可以选取不会带来显著误差的足够小的时间区间。
如图2所示，上述步骤S300可以优选地包括以下步骤：
在步骤S310中，可以根据所述横向相对位置和所述横向相对速度计算参考值。其中，所述参考值可以通过上述公式1计算。
在步骤S321至步骤S323中，根据所述横向相对速度和所述参考值与预设域值的比较结果判断障碍物车辆是否处于变道驾驶行为。
其中，在步骤S321中，当所述参考值小于或等于所述预设域值时，判断障碍物车辆的驾驶行为为车道保持模式。
在步骤S322中，当所述参考值大于所述预设域值，并且横向相对速度小于0时，判断障碍物车辆的驾驶行为为向左变道。
在步骤S323中，以及当所述参考值大于所述预设域值时，并且横向相对速度大于0时，判断障碍物车辆的驾驶行为为向右变道。
在图2中，实施例二还可以包括步骤S400，在该步骤中，可以根据所述纵向状态信息和所述障碍物车辆的变道行为决定本车的驾驶策略。例如，在本车需要进行变道或拐弯时，如判断出障碍物车辆处于车道保持状态，可以根据当前车辆与障碍物车辆的纵向相对速度和纵向相对位置判断本车是否可以进行变道，或者，如果判断出障碍物车辆处理变道过程中，可以根据障碍物车辆的变道方向(即向左变道或向右变道)以及障碍物车辆与本车的相对位置判断本车是否应该减速行驶。
图3是根据本发明的实施例三的预测障碍物车辆状态的系统的结构图。如图3所示，所述预测障碍物车辆状态的系统包括：当前状态估计模块100，用于对障碍物车辆的当前时刻的状态信息进行估计；状态预测模块200，用于根据所述当前时刻的状态信息预测障碍物车辆的下一时刻的状态信息；以及驾驶行为预测模块300，用于根据所述下一时刻的状态信息判断障碍物车辆的驾驶行为。
图4是根据本发明的实施例四的预测障碍物车辆状态的系统的结构图。如果4所示，在实施例一的基础上，该系统可以包括滤波器处理模块110，用于利用滤波器对障碍物车辆的当前时刻的横向状态信息和纵向状态信息进行估计。所述滤波器例如可以是卡尔曼(Kalman)滤波器。
其中，所述横向状态信息可以包括障碍物车辆相对于本车的横向相对位置和横向相对速度，所述纵向状态信息可以包括障碍物车辆相对于本车的纵向相对位置和纵向相对速度。
在图4中，所述状态预测模块200可以包括：相对加速度预测模块210，用于根据所述横向状态信息和纵向状态信息预测障碍物车辆的相对加速度；以及状态信息预测模块220，用于根据所述当前时刻的状态信息的所述相对加速度预测障碍物车辆的下一时刻的状态信息。
在图4中，所述驾驶行为预测模块300可以包括：参考值确定模块310，用于根据所述横向相对位置和所述横向相对速度计算参考值，其中，所述参考值的计算可以利用上述公式1完成；驾驶行为判断模块320，用于根据所述横向相对速度和所述参考值与预设域值的比较结果判断障碍物车辆是否处于变道驾驶行为。所述预设域值可以在测试开发阶段，经过多次测试后选取合适的值作为预设域值。
其中，所述驾驶行为判断模块320可以当所述参考值小于或等于所述预设域值时，判断障碍物车辆的驾驶行为为车道保持模式；当所述参考值大于所述预设域值，并且横向相对速度小于0时，判断障碍物车辆的驾驶行为为向左变道；当所述参考值大于所述预设域值时，并且横向相对速度大于0时，判断障碍物车辆的驾驶行为为向右变道。
进一步地，所述驾驶行为判断模块320还可以根据所述纵向状态信息和所述障碍物车辆的变道行为决定本车的驾驶策略。例如，可以根据周围障碍物车辆的变道行为的判断结果以及其与本车的相对位置和相对速度等信息，决定本车是否可以变道或拐弯，是否需要减速，是否可以加速行驶等。
以上结合附图详细描述了本发明例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。例如，本领域技术人员可以利用本发明的预测障碍物车辆状态的方法或系统预测出的障碍物车辆相对本车的相对速度和相对位置等信息判断障碍物车辆的是否处理拐弯或减速行驶状态。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例的方法和系统中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (9)

1.一种预测障碍物车辆状态的方法，其特征在于，该方法包括：
对障碍物车辆的当前时刻的状态信息进行估计；
根据所述当前时刻的状态信息预测障碍物车辆的下一时刻的状态信息；以及
根据所述下一时刻的状态信息判断障碍物车辆的驾驶行为。
2.根据权利要求1所述的预测障碍物车辆状态的方法，其特征在于，所述对障碍物车辆的当前时刻的状态信息进行估计包括：
利用滤波器对障碍物车辆的当前时刻的横向状态信息和纵向状态信息进行估计。
3.根据权利要求2所述的预测障碍物车辆状态的方法，其特征在于，所述横向状态信息包括障碍物车辆相对于本车的横向相对位置和横向相对速度，所述纵向状态信息包括障碍物车辆相对于本车的纵向相对位置和纵向相对速度。
4.根据权利要求3所述的预测障碍物车辆状态的方法，其特征在于，所述根据所述当前时刻的状态信息预测障碍物车辆的下一时刻的状态信息包括：
根据所述横向状态信息和纵向状态信息预测障碍物车辆的相对加速度；以及
根据所述当前时刻的状态信息和所述相对加速度预测障碍物车辆的下一时刻的状态信息。
5.根据权利要求4所述的测障碍物车辆状态的方法，其特征在于，所述根据所述下一时刻的状态信息判断障碍物车辆的驾驶行为包括：
根据所述横向相对位置和所述横向相对速度计算参考值；以及
根据所述横向相对速度和所述参考值与预设域值的比较结果判断障碍物车辆是否处于变道驾驶行为。
6.根据权利要求5所述的测障碍物车辆状态的方法，其特征在于，所述根据所述横向相对速度和所述参考值与预设域值的比较结果判断障碍物车辆是否处理变道驾驶行为包括：
当所述参考值小于或等于所述预设域值时，判断障碍物车辆的驾驶行为为车道保持模式；
当所述参考值大于所述预设域值，并且横向相对速度小于0时，判断障碍物车辆的驾驶行为为向左变道；以及
当所述参考值大于所述预设域值时，并且横向相对速度大于0时，判断障碍物车辆的驾驶行为为向右变道。
7.根据权利要求5或6所述的测障碍物车辆状态的方法，其特征在于，所述根据所述横向相对位置和所述横向相对速度计算参考值包括：
利用以下公式计算所述参考值：
其中，f(l)为所述参考值，l＝||d||·vy，d为所述横向相对位置，vy为所述横向相对速度，c为调整参数。
8.根据权利要求5或6所述的测障碍物车辆状态的方法，其特征在于，该方法还包括：
根据所述纵向状态信息和所述障碍物车辆的变道行为决定本车的驾驶策略。
9.一种预测障碍物车辆状态的系统，其特征在于，该系统包括应用如权利要求1-8中任一所述的一种预测障碍物车辆状态的方法的装置。
CN201611176802.3A 2016-12-19 2016-12-19 预测障碍物车辆状态的方法及系统 Active CN108202745B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611176802.3A CN108202745B (zh) 2016-12-19 2016-12-19 预测障碍物车辆状态的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611176802.3A CN108202745B (zh) 2016-12-19 2016-12-19 预测障碍物车辆状态的方法及系统

Publications (2)

Publication Number Publication Date
CN108202745A true CN108202745A (zh) 2018-06-26
CN108202745B CN108202745B (zh) 2020-10-02

Family

ID=62602245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611176802.3A Active CN108202745B (zh) 2016-12-19 2016-12-19 预测障碍物车辆状态的方法及系统

Country Status (1)

Country Link
CN (1) CN108202745B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109887321A (zh) * 2019-03-28 2019-06-14 百度在线网络技术（北京）有限公司 无人车变道安全判别方法、装置及存储介质
CN109901193A (zh) * 2018-12-03 2019-06-18 财团法人车辆研究测试中心 近距离障碍物的光达侦测装置及其方法
CN110406532A (zh) * 2019-06-21 2019-11-05 重庆长安汽车股份有限公司 一种识别目标车辆可能变道的方法、系统及汽车
CN111982143A (zh) * 2020-08-11 2020-11-24 北京汽车研究总院有限公司 车辆及车辆路径规划方法、装置
WO2023206388A1 (zh) * 2022-04-29 2023-11-02 华为技术有限公司 换道决策方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012011994A1 (de) * 2012-06-16 2013-12-19 Volkswagen Aktiengesellschaft Verfahren zur Unterstützung von Fahrerassistenz- und/oder Sicherheitsfunktionen von Kraftfahrzeugen
EP2686702A1 (en) * 2011-03-14 2014-01-22 Scania CV AB A device and a method for estimating parameters relating to vehicles in front
CN104640756A (zh) * 2012-09-19 2015-05-20 丰田自动车株式会社 车辆驾驶行为预测装置
CN105711586A (zh) * 2016-01-22 2016-06-29 江苏大学 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法
CN108216255A (zh) * 2016-12-19 2018-06-29 乐视汽车（北京）有限公司 预测障碍物车辆状态的方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2686702A1 (en) * 2011-03-14 2014-01-22 Scania CV AB A device and a method for estimating parameters relating to vehicles in front
DE102012011994A1 (de) * 2012-06-16 2013-12-19 Volkswagen Aktiengesellschaft Verfahren zur Unterstützung von Fahrerassistenz- und/oder Sicherheitsfunktionen von Kraftfahrzeugen
CN104640756A (zh) * 2012-09-19 2015-05-20 丰田自动车株式会社 车辆驾驶行为预测装置
CN105711586A (zh) * 2016-01-22 2016-06-29 江苏大学 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法
CN108216255A (zh) * 2016-12-19 2018-06-29 乐视汽车（北京）有限公司 预测障碍物车辆状态的方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109901193A (zh) * 2018-12-03 2019-06-18 财团法人车辆研究测试中心 近距离障碍物的光达侦测装置及其方法
CN109887321A (zh) * 2019-03-28 2019-06-14 百度在线网络技术（北京）有限公司 无人车变道安全判别方法、装置及存储介质
CN110406532A (zh) * 2019-06-21 2019-11-05 重庆长安汽车股份有限公司 一种识别目标车辆可能变道的方法、系统及汽车
CN111982143A (zh) * 2020-08-11 2020-11-24 北京汽车研究总院有限公司 车辆及车辆路径规划方法、装置
CN111982143B (zh) * 2020-08-11 2024-01-19 北京汽车研究总院有限公司 车辆及车辆路径规划方法、装置
WO2023206388A1 (zh) * 2022-04-29 2023-11-02 华为技术有限公司 换道决策方法、装置及存储介质

Also Published As

Publication number Publication date
CN108202745B (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN108202745A (zh) 预测障碍物车辆状态的方法及系统
Lenz et al. Deep neural networks for Markovian interactive scene prediction in highway scenarios
CN107710304B (zh) 路径预测装置
CN106164999B (zh) 碰撞防止装置
US11465650B2 (en) Model-free reinforcement learning
KR20180060784A (ko) 비정상 객체 판단 방법 및 장치
CN109885891A (zh) 一种智能车gpu并行加速轨迹规划方法
Govaers et al. Distributed Kalman filter fusion at arbitrary instants of time
JP2019114005A (ja) 交差点内の走行軌道データ生成装置、交差点内の走行軌道データ生成プログラム及び記憶媒体
CN114511999A (zh) 一种行人行为预测方法及装置
CN108216255A (zh) 预测障碍物车辆状态的方法及系统
CN113128826A (zh) 通航风险预测方法、装置和存储介质
Jia et al. Lane-changing behavior prediction based on game theory and deep learning
CN116758741A (zh) 一种多维度不确定性感知的智能汽车碰撞概率预测方法
CN111094099A (zh) 用于求得车辆的重心的位置的方法
Ding et al. An extended car-following model in connected and autonomous vehicle environment: Perspective from the cooperation between drivers
Knight et al. Multiobjective particle swarm optimization of a planing craft with uncertainty
CN106033643A (zh) 一种数据处理方法及装置
CN107331163A (zh) 一种排队长度计算方法及装置
CN107014347A (zh) 用于检测车辆俯仰角的设备及其方法
CN104210440B (zh) 停车空间探索装置及自动停车控制系统
CN111007880B (zh) 一种基于汽车雷达的扩展目标跟踪方法
CN107341441A (zh) 应用于高级驾驶辅助系统内的行人碰撞警告系统及方法
CN114091567A (zh) 一种驾驶决策方法及装置
CN116520281B (zh) 一种基于ddpg的扩展目标跟踪优化方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20180711

Address after: 511458 9, Nansha District Beach Road, Guangzhou, Guangdong, 9

Applicant after: Rui Chi intelligent automobile (Guangzhou) Co., Ltd.

Address before: 100026 8 floor 909, 105 building 3, Yao Yuan Road, Chaoyang District, Beijing.

Applicant before: Music Automotive (Beijing) Co., Ltd.

TA01 Transfer of patent application right
CB02 Change of applicant information

Address after: 511458 9, Nansha District Beach Road, Guangzhou, Guangdong, 9

Applicant after: Hengda Faraday future intelligent vehicle (Guangdong) Co., Ltd.

Address before: 511458 9, Nansha District Beach Road, Guangzhou, Guangdong, 9

Applicant before: Rui Chi intelligent automobile (Guangzhou) Co., Ltd.

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20190315

Address after: 100015 Building No. 7, 74, Jiuxianqiao North Road, Chaoyang District, Beijing, 001

Applicant after: FAFA Automobile (China) Co., Ltd.

Address before: 511458 9, Nansha District Beach Road, Guangzhou, Guangdong, 9

Applicant before: Hengda Faraday future intelligent vehicle (Guangdong) Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant