CN109583151A - 车辆的行驶轨迹预测方法及装置 - Google Patents

车辆的行驶轨迹预测方法及装置 Download PDF

Info

Publication number
CN109583151A
CN109583151A CN201910127534.3A CN201910127534A CN109583151A CN 109583151 A CN109583151 A CN 109583151A CN 201910127534 A CN201910127534 A CN 201910127534A CN 109583151 A CN109583151 A CN 109583151A
Authority
CN
China
Prior art keywords
target vehicle
vehicle
driving trace
target
information
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
CN201910127534.3A
Other languages
English (en)
Other versions
CN109583151B (zh
Inventor
詹锟
杨旭光
潘屹峰
陈忠涛
许珂诚
蒋菲怡
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910127534.3A priority Critical patent/CN109583151B/zh
Publication of CN109583151A publication Critical patent/CN109583151A/zh
Priority to KR1020200019261A priority patent/KR20200101855A/ko
Priority to US16/793,618 priority patent/US20200265710A1/en
Priority to EP20158116.2A priority patent/EP3699048B1/en
Priority to JP2020025806A priority patent/JP2020132151A/ja
Priority to KR1020220049707A priority patent/KR20220054278A/ko
Application granted granted Critical
Publication of CN109583151B publication Critical patent/CN109583151B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • 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
    • B60W40/06—Road 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/10—Number of lanes
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4045—Intention, e.g. lane change or imminent movement
    • 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
    • B60W2554/801—Lateral distance
    • 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
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2554/806—Relative heading
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Traffic Control Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明实施例提出一种车辆的行驶轨迹预测方法和装置，方法包括：计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置；从多个位置中筛选出目标位置；预测目标车辆行驶到目标位置的多条行驶轨迹；基于目标车辆周围的环境信息，从多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。装置包括：位置计算模块，用于计算主车的感知范围内的目标车辆可能行驶到的多个位置；筛选模块，用于从中筛选出目标位置；行驶轨迹模块，用于预测目标车辆行驶到目标位置的行驶轨迹；预测模块，用于从多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。本发明实施例基于行驶状态信息和环境信息，能够准确的预测出主车周围的目标车辆的行驶轨迹。

Description

车辆的行驶轨迹预测方法及装置
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种车辆的行驶轨迹预测方法及装置。
背景技术
自动驾驶车辆在道路上行驶时，需要根据预测周围车辆的行驶轨迹来决定主车自身的行驶轨迹。在现有技术中，主车周围车辆的行驶轨迹预测方法是根据周围车辆的当前状态、车道线或地图参考线，来预测周围车辆未来较长一段时间内的行驶轨迹。然而在实际道路行驶中，当遇到周围车辆急刹车、紧急超车换道或发生交通事故时，只依赖于周围车辆的当前状态和车道信息很难预测出符合物理逻辑的行驶轨迹，因此对主车行驶轨迹规划的参考价值较低。另一方面，由于人类车辆的驾驶员的驾驶意图会随着时间而改变，因此现有技术中预测周围车辆较长时间内的行驶轨迹并不能够体现出人类车辆的真实意图。
在背景技术中公开的上述信息仅用于加强对本发明的背景的理解，因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。
发明内容
本发明实施例提供一种车辆的行驶轨迹预测方法及装置，以解决现有技术中的一个或多个技术问题。
第一方面，本发明实施例提供了一种车辆的行驶轨迹预测方法，包括：
计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置；
从所述多个位置中筛选出至少两个位置作为目标位置；
基于所述目标车辆的行驶状态信息，预测所述目标车辆行驶到所述目标位置的多条行驶轨迹；
基于所述目标车辆周围的环境信息，从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。
在一个实施方式中，还包括：
获取所述主车的感知范围内的各所述目标车辆；
获取各所述目标车辆的历史帧行驶数据，以及各所述目标车辆周围的道路信息。
在一个实施方式中，计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置，包括：
根据所述目标车辆周围的道路信息，筛选出所述目标车辆的可行驶道路信息；
根据所述目标车辆的历史帧行驶数据以及所述可行使道路信息，通过预测模型计算所述目标车辆在预设时间内可能行驶到的所述多个位置。
在一个实施方式中，从所述多个位置中筛选出至少两个位置作为目标位置，包括：
获取所述目标车辆行驶到所述多个位置中的每个位置的概率；
从中选择概率最高的至少两个所述位置作为所述目标位置，其中，如果所述目标车辆当前所处的道路具有多个车道，则各所述目标位置分别处于不同的所述车道中。
在一个实施方式中，基于所述目标车辆的行驶状态信息，预测所述目标车辆行驶到所述目标位置的多条行驶轨迹，包括：
获取所述目标车辆在预设时间内的各历史帧行驶状态信息；
根据所述目标车辆在预设时间内的各历史帧行驶状态信息，采用预设算法计算所述目标车辆行驶到所述目标位置的所述多条行驶轨迹。
在一个实施方式中，基于所述目标车辆周围的环境信息，从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果，包括：
获取所述目标车辆周围的环境信息中的道路信息和障碍物信息；
根据所述道路信息和所述障碍物信息，采用预设算法从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为所述预测结果。
第二方面，本发明实施例提供了一种车辆的行驶轨迹预测装置，包括：
位置计算模块，用于计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置；
筛选模块，用于从所述多个位置中筛选出至少两个位置作为目标位置；
行驶轨迹模块，用于基于所述目标车辆的行驶状态信息，预测所述目标车辆行驶到所述目标位置的多条行驶轨迹；
预测模块，用于基于所述目标车辆周围的环境信息，从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。
在一个实施方式中，还包括：
第一获取模块，用于获取所述主车的感知范围内的各所述目标车辆；
第二获取模块，用于获取各所述目标车辆的历史帧行驶数据，以及各所述目标车辆周围的道路信息。
在一个实施方式中，位置计算模块包括：
道路筛选子模块，用于根据所述目标车辆周围的道路信息，筛选出所述目标车辆的可行驶道路信息；
位置计算子模块，用于根据所述目标车辆的历史帧行驶数据以及所述可行使道路信息，通过预测模型计算所述目标车辆在预设时间内可能行驶到的所述多个位置。
在一个实施方式中，筛选模块包括：
概率获取子模块，用于获取所述目标车辆行驶到所述多个位置中的每个位置的概率；
概率选择子模块，用于从中选择概率最高的至少两个所述位置作为所述目标位置，其中，如果所述目标车辆当前所处的道路具有多个车道，则各所述目标位置分别处于不同的所述车道中。
在一个实施方式中，行驶轨迹模块包括：
历史帧获取子模块，用于获取所述目标车辆在预设时间内的各历史帧行驶状态信息；
计算子模块，用于根据所述目标车辆在预设时间内的各历史帧行驶状态信息，采用预设算法计算所述目标车辆行驶到所述目标位置的所述多条行驶轨迹。
在一个实施方式中，预测模块包括：
信息获取子模块，用于获取所述目标车辆周围的环境信息中的道路信息和障碍物信息；
筛选子模块，用于根据所述道路信息和所述障碍物信息，采用预设算法从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为所述预测结果。
第三方面，本发明实施例提供了一种车辆的行驶轨迹预测的终端，包括：
所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，车辆的行驶轨迹预测的终端的结构中包括处理器和存储器，所述存储器用于存储支持车辆的行驶轨迹预测的终端执行上述第一方面中车辆的行驶轨迹预测方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。车辆的行驶轨迹预测的终端还可以包括通信接口，用于车辆的行驶轨迹预测的终端与其他设备或通信网络通信。
第四方面，本发明实施例提供了一种计算机可读存储介质，用于存储车辆的行驶轨迹预测的终端所用的计算机软件指令，其包括用于执行上述第一方面中车辆的行驶轨迹预测方法为车辆的行驶轨迹预测的终端所涉及的程序。
上述技术方案中的一个技术方案具有如下优点或有益效果：本发明实施例基于行驶状态信息和环境信息，能够准确的预测出主车周围的目标车辆的行驶轨迹。从而能够使得主车根据预测出的周围目标车辆的行驶轨迹准确的规划出主车自身的行驶轨迹。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1为本发明实施方式提供的车辆的行驶轨迹预测方法的流程图。
图2为本发明另一实施方式提供的车辆的行驶轨迹预测方法的流程图。
图3为本发明实施方式提供的车辆的行驶轨迹预测方法的步骤S100的具体流程图。
图4为本发明实施方式提供的车辆的行驶轨迹预测方法的步骤S200的具体流程图。
图5为本发明实施方式提供的车辆的行驶轨迹预测方法的步骤S300的具体流程图。
图6为本发明实施方式提供的车辆的行驶轨迹预测方法的步骤S400的具体流程图。
图7为本发明实施方式提供的车辆的行驶轨迹预测方法的应用场景示意图。
图8为本发明实施方式提供的车辆的行驶轨迹预测装置的结构示意图。
图9为本发明另一实施方式提供的车辆的行驶轨迹预测装置的结构示意图。
图10为本发明实施方式提供的车辆的行驶轨迹预测终端结构示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
本发明实施例提供了一种车辆的行驶轨迹预测方法，如图1所示，包括以下步骤：
S100：计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置。
需要说明的是，主车的感知范围可以包含主车上的雷达、传感器以及摄像头等采集设备的感知范围，能够采集到的主车周围的环境信息。
目标车辆可以包含出现在主车的感知范围内的所有车辆。例如，人类驾驶车辆、自动驾驶车辆、自行车、摩托车以及电动车等任何类型的车辆。
当目标车辆在非机动车道路上行驶时，计算出的多个位置可以处于目标车辆周围的任意区域。当目标车辆在机动车道路上行驶时，计算出的多个位置可以分别位于所处道路的不同车道上。其中，当主车依赖于高精地图进行车辆驾驶时，车道可以是根据高精地图中的车道线所划分出的。高精地图是高精度、精细化定义的地图，其精度可达到分米级。由于高精地图构建了一个真实的三维世界，除了绝对位置的形状信息和拓扑关系外，甚至还包括点云、语义、特征等属性。不仅能够提供道路级别的导航信息、车道级别的导航信息，还能够提供精确的车辆位置信息和丰富的道路元素数据信息。因此根据计算出的位置可以使得主车准确的知道与该位置之间的绝对位置、在地图中的相对位置、该位置周围的道路环境信息以及与该位置有关联的任何信息。
预设时间可以根据行驶轨迹的预测需求进行自定义设置。例如，根据需要预测出的目标车辆的轨迹长短，或是根据预测精度等条件选择预设时间。为了保证计算出目标车辆可能行驶到的多个位置具有参考价值，因此预设时间不宜设置的过短或过长。若预设时间过短，则计算出的目标车辆可能行驶到的位置与目标车辆的当前位置并无明显差别，不一定能够体现出目标车辆的行为意图。若预设时间过长，则会降低计算出的目标车辆可能行驶到的位置的准确度。由于目标车辆在行驶过程中也有可能根据周围情况进行行驶轨迹的实时调整，因此可能导致计算出的位置和目标车辆实际行驶到的位置出现较大偏差，从而扰乱主车后续对目标车辆行驶轨迹的准确预测。
S200：从多个位置中筛选出至少两个位置作为目标位置。
需要说明的是，根据主车及周围目标车辆行驶环境的不同，会计算出较多的目标车辆可能行驶到的位置。然而这些位置并不一定都对主车未来的行驶轨迹产生影响。因此为了减少主车的计算成本，可根据自定义规则从多个位置中筛选出少量的位置作为目标位置。例如，自定义规则为根据到达各个位置的概率、根据重点关注的车道、根据位置点周围的环境复杂度等。
S300：基于目标车辆的行驶状态信息，预测目标车辆行驶到目标位置的多条行驶轨迹。
其中，行驶状态信息可以包括主车采集到的目标车辆既有的任何信息。例如，行驶状态信息包括车辆速度、车辆加速度、车辆位置、车辆横摆角(车头朝向)、车辆与车道线距离、车辆与主车距离等信息。
需要说明的是，如果目标车辆前方的道路不同、目标车辆周围的障碍物的行为不同或目标车辆驾驶员的驾驶意图不同，则目标车辆到达同一个位置的行驶轨迹也有多种可能性。例如，直线轨迹、弧线轨迹、折线轨迹等。因此需要尽可能的丰富目标车辆行驶到目标位置的行驶轨迹，以提高预测出的行驶轨迹的准确度。
S400：基于目标车辆周围的环境信息，从多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。
其中，可根据预测需求预先设置筛选行驶轨迹的方式。例如，根据主车用户的测试需求，将某一类指定的行驶轨迹筛选出作为预测结果，为后续主车行驶轨迹的决策判断做测试对象。再如，根据目标车辆周围的环境信息对每一条行驶轨迹的产生可能性进行打分，将得分较高的行驶轨迹筛选出作为预测结果。
在一个实施方式中，如图2所示，车辆的行驶轨迹预测方法还包括步骤：
S500：获取主车的感知范围内的各目标车辆。
S600：获取各目标车辆的历史帧行驶数据，以及各目标车辆周围的道路信息。
其中，历史帧行驶数据可以包括目标车辆的当前时刻的行驶数据，以及目标车辆历史行驶过程中的行驶数据。目标车辆周围的道路信息可以包括目标车辆当前时刻周围的道路信息。当主车通过高精地图进行驾驶时，目标车辆周围的道路信息可通过高精地图进行获取。
在一个实施方式中，如图3所示，计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置，包括：
S110：根据目标车辆周围的道路信息，筛选出目标车辆的可行驶道路信息。
其中，道路信息可以包括交通规则信息以及道路类型信息等。交通规则信息例如，前方禁止左转、当前道路禁止换道等。道路类型信息例如，道路种类(例如，十字路口、直线道路、岔路等)、道路曲率、道路连接关系等。利用目标车辆周围的道路信息可以快速的去除一些不必要的位置计算，降低计算成本。
在一个应用示例中，根据道路信息可知目标车辆前方道路为十字路口，且该十字路口禁止车辆左转。由此可以筛选出目标车辆的可行驶道路为前方直行道路或右侧道路。由于参考了路口处的道路信息，因此在计算目标车辆可能行驶到的位置之前，可以提前去除一些不会产生的行驶位置，从而降低了计算成本，提高了计算效率。
S120：根据目标车辆的历史帧行驶数据以及可行使道路信息，通过预测模型计算目标车辆在预设时间内可能行驶到的多个位置。历史帧行驶数据可以用于预测目标车辆的可能行驶意图，即目标车辆的运动方向。
需要说明的是，预测模型可采用现有技术中的任意模型，只要能够实现基于历史帧行驶数据以及可行使道路信息预测车辆行驶位置即可。历史帧行驶数据可以包括：车辆速度、车辆加速度、车辆位置、车辆横摆角、车辆与车道线距离、车辆与主车距离等任何表征目标车辆的信息。
例如，预测模型可采用LSTM(Long Short-Term Memory，长短期记忆网络)模型。基于预设时间和目标车辆的历史帧行驶数据，通过LSTM模型分别对每一个可行驶道路信息进行预测，并给出目标车辆行驶到每个可行驶道路上的位置的概率以及平均加速度。
在一个实施方式中，如图4所示，从多个位置中筛选出至少两个位置作为目标位置，包括：
S210：获取目标车辆行驶到多个位置中的每个位置的概率。
S220：从中选择概率最高的至少两个位置作为目标位置，其中，如果目标车辆当前所处的道路具有多个车道，则各目标位置分别处于不同的车道中。
在一个实施方式中，如图5所示，基于目标车辆的行驶状态信息，预测目标车辆行驶到目标位置的多条行驶轨迹，包括：
S310：获取目标车辆在预设时间内的各历史帧行驶状态信息。
其中，预设时间可根据预测需求进行自定义设置。每一秒可包括多个历史帧行驶数据。历史帧行驶数据可以包括：车辆速度、车辆加速度、车辆位置、车辆横摆角、车辆与车道线距离、车辆与主车距离等任何表征目标车辆历史行驶状态的信息。
需要说明的是，目标车辆当前时刻的行驶数据也认为是历史帧行驶数据。即目标车辆已产生的行驶数据均可以认为是历史帧行驶数据。
S320：根据目标车辆在预设时间内的各历史帧行驶状态信息，采用预设算法计算目标车辆行驶到目标位置的多条行驶轨迹。
在一个实施方式中，如图6所示，基于目标车辆周围的环境信息，从多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果，包括：
S410：获取目标车辆周围的环境信息中的道路信息和障碍物信息。
其中，道路信息包括道路种类、道路曲率和道路连接关系等信息。障碍物信息包括目标车辆周围的其他行驶车辆、行人和路障等任何可视的出目标车辆之外的物体。
S420：根据道路信息和障碍物信息，采用预设算法从多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。
在一个实施方式中，当主车依赖于高精地图进行行驶时，可根据高精地图获取目标车辆从当前位置行驶到目标位置过程中的所有道路信息和所有障碍物信息，从而能够更加准确的筛选出合理的行驶轨迹作为最终的预测结果。
在一个可变化的实施方式中，当在计算目标车辆可能行驶到的多个位置的步骤中，所选取的预设时间较短时，即目标车辆的当前位置距离计算的可能行驶到的位置之间距离较近时，也可以只根据目标车辆的当前位置处周围的道路信息和障碍物信息进行行驶轨迹的筛选。
需要说明的是，步骤S320中计算目标车辆行驶到目标位置的多条行驶轨迹的预设算法，与步骤S420中从多条行驶轨迹中少选至少一条行驶轨迹作为预测结果的预设算法可以为同一个算法。
例如，该预设算法可以采用Lattice Planner规划算法。Lattice Planner规划算法通过获取目标车辆的历史帧行驶状态信息，计算出目标车辆从当前位置行驶到目标位置的多个横向一维轨迹和多个纵向一维轨迹。通过将各横向一维轨迹和各纵向一维轨迹排列组合，合成多条目标车辆从当前位置行驶到目标位置的二维轨迹。然后Lattice Planner规划算法在通过损失函数对每一条行驶轨迹进行打分，并从中筛选出至少一条分数最高的行驶轨迹作为预测结果输出。主车根据感知范围内各个目标车辆的预测结果规划主车自身的行驶轨迹。由于根据本发明实施例的方法得到的目标车辆的行驶轨迹更加准确，因此使得主车规划出的自身行驶轨迹也会更加合理，提高了主车的行驶安全性。
在一个实施方式中，最终筛选出的行驶轨迹包含目标车辆沿该行驶轨迹行驶到目标位置过程中，预测出的目标车辆每一帧的行驶数据。
在一个应用场景中，如图7所示，主车1在机动车道路上行驶，该机动车道路由图示方向从左到右依次包括A、B、C、D四个车道。主车1通过采集设备得知其感知范围内包括目标车辆2、目标车辆3和目标车辆4。其中，主车1和目标车辆3位于车道C，目标车辆2位于车道B，目标车辆4位于车道D。为了更一步的了解本发明实施例的车辆的行驶轨迹预测方法，以预测目标车辆2为例进行说明。
具体的，基于目标车辆2的当前位置，通过获取目标车辆2周围的道路信息可知，目标车辆2左侧的车道A前方出现了交通事故，造成了车道A道路拥堵。因此筛选出目标车辆2的可行驶道路为车道B、车道C和车道D。
通过主车1采集到的目标车辆2的历史帧行驶数据和可行驶道路信息，利用预测模型计算出目标车辆2在3秒后可能会行驶到a、b、c三个位置。其中，位置a位于车道B，行驶到位置a的概率为80％。位置b位于车道C，行驶到位置b的概率为70％。位置c位于车道D，行驶到位置c的概率为20％。根据概率筛选出位置a和位置b作为目标位置。
根据目标车辆2的历史帧行驶数据，通过Lattice Planner规划算法计算出目标车辆行驶到位置a的可能行驶轨迹为四条，分别是行驶轨迹a1、a2、a3和a4。目标车辆行驶到位置b的可能行驶轨迹为三条，分别是行驶轨迹b1、b2和b3。
根据目标车辆2周围的环境信息，通过Lattice Planner规划算法对行驶轨迹a1、a2、a3、a4、b1、b2和b3进行打分。通过打分结果可知，目标车辆2行驶到位置a分数最高的行驶轨迹是a1和a4。行驶到位置b分数最高的行驶轨迹是b2。因此将行驶轨迹是a1和a4作为目标车辆2行驶到位置a的最终预测轨迹。将行驶轨迹b2作为目标车辆2行驶到位置b的最终预测轨迹。
本发明实施例提供了一种车辆的行驶轨迹预测装置，如图8所示，包括：
位置计算模块10，用于计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置。
筛选模块20，用于从多个位置中筛选出至少两个位置作为目标位置。
行驶轨迹模块30，用于基于目标车辆的行驶状态信息，预测目标车辆行驶到目标位置的多条行驶轨迹。
预测模块40，用于基于目标车辆周围的环境信息，从多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。
在一个实施方式中，如图9所示，车辆的行驶轨迹预测装置还包括：
第一获取模块50，用于获取主车的感知范围内的各目标车辆。
第二获取模块60，用于获取各目标车辆的历史帧行驶数据，以及各目标车辆周围的道路信息。
在一个实施方式中，位置计算模块包括：
道路筛选子模块，用于根据目标车辆周围的道路信息，筛选出目标车辆的可行驶道路信息。
位置计算子模块，用于根据目标车辆的历史帧行驶数据以及可行使道路信息，通过预测模型计算目标车辆在预设时间内可能行驶到的多个位置。
在一个实施方式中，筛选模块包括：
概率获取子模块，用于获取目标车辆行驶到多个位置中的每个位置的概率。
概率选择子模块，用于从中选择概率最高的至少两个位置作为目标位置，其中，如果目标车辆当前所处的道路具有多个车道，则各目标位置分别处于不同的车道中。
在一个实施方式中，行驶轨迹模块包括：
历史帧获取子模块，用于获取目标车辆在预设时间内的各历史帧行驶状态信息。
计算子模块，用于根据目标车辆在预设时间内的各历史帧行驶状态信息，采用预设算法计算目标车辆行驶到目标位置的多条行驶轨迹。
在一个实施方式中，预测模块包括：
信息获取子模块，用于获取目标车辆周围的环境信息中的道路信息和障碍物信息。
筛选子模块，用于根据道路信息和障碍物信息，采用预设算法从多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。
本发明实施例提供了一种车辆的行驶轨迹预测的终端，如图10所示，包括：
存储器910和处理器920，存储器910内存储有可在处理器920上运行的计算机程序。处理器920执行计算机程序时实现上述实施例中的车辆的行驶轨迹预测方法。存储器910和处理器920的数量可以为一个或多个。
通信接口930，用于存储器910和处理器920与外部进行通信。
存储器910可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器910、处理器920、以及通信接口930独立实现，则存储器910、处理器920以及通信接口930可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，PeripheralComponent Interconnect)总线或扩展工业标准体系结构(EISA，Extended IndustryStandard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器910、处理器920以及通信接口930集成在一块芯片上，则存储器910、处理器920及通信接口930可以通过内部接口完成相互间的通信。
本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现如实施例一包括的任一所述的车辆的行驶轨迹预测方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”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”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到其各种变化或替换，这些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以所述权利要求的保护范围为准。

Claims (14)

1.一种车辆的行驶轨迹预测方法，其特征在于，包括：
计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置；
从所述多个位置中筛选出至少两个位置作为目标位置；
基于所述目标车辆的行驶状态信息，预测所述目标车辆行驶到所述目标位置的多条行驶轨迹；
基于所述目标车辆周围的环境信息，从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。
2.如权利要求1所述的方法，其特征在于，还包括：
获取所述主车的感知范围内的各所述目标车辆；
获取各所述目标车辆的历史帧行驶数据，以及各所述目标车辆周围的道路信息。
3.如权利要求2所述的方法，其特征在于，计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置，包括：
根据所述目标车辆周围的道路信息，筛选出所述目标车辆的可行驶道路信息；
根据所述目标车辆的历史帧行驶数据以及所述可行使道路信息，通过预测模型计算所述目标车辆在预设时间内可能行驶到的所述多个位置。
4.如权利要求1所述的方法，其特征在于，从所述多个位置中筛选出至少两个位置作为目标位置，包括：
获取所述目标车辆行驶到所述多个位置中的每个位置的概率；
从中选择概率最高的至少两个所述位置作为所述目标位置，其中，如果所述目标车辆当前所处的道路具有多个车道，则各所述目标位置分别处于不同的所述车道中。
5.如权利要求1所述的方法，其特征在于，基于所述目标车辆的行驶状态信息，预测所述目标车辆行驶到所述目标位置的多条行驶轨迹，包括：
获取所述目标车辆在预设时间内的各历史帧行驶状态信息；
根据所述目标车辆在预设时间内的各历史帧行驶状态信息，采用预设算法计算所述目标车辆行驶到所述目标位置的所述多条行驶轨迹。
6.如权利要求1所述的方法，其特征在于，基于所述目标车辆周围的环境信息，从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果，包括：
获取所述目标车辆周围的环境信息中的道路信息和障碍物信息；
根据所述道路信息和所述障碍物信息，采用预设算法从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为所述预测结果。
7.一种车辆的行驶轨迹预测装置，其特征在于，包括：
位置计算模块，用于计算主车的感知范围内的目标车辆在预设时间内可能行驶到的多个位置；
筛选模块，用于从所述多个位置中筛选出至少两个位置作为目标位置；
行驶轨迹模块，用于基于所述目标车辆的行驶状态信息，预测所述目标车辆行驶到所述目标位置的多条行驶轨迹；
预测模块，用于基于所述目标车辆周围的环境信息，从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为预测结果。
8.如权利要求7所述的装置，其特征在于，还包括：
第一获取模块，用于获取所述主车的感知范围内的各所述目标车辆；
第二获取模块，用于获取各所述目标车辆的历史帧行驶数据，以及各所述目标车辆周围的道路信息。
9.如权利要求8所述的装置，其特征在于，位置计算模块包括：
道路筛选子模块，用于根据所述目标车辆周围的道路信息，筛选出所述目标车辆的可行驶道路信息；
位置计算子模块，用于根据所述目标车辆的历史帧行驶数据以及所述可行使道路信息，通过预测模型计算所述目标车辆在预设时间内可能行驶到的所述多个位置。
10.如权利要求7所述的装置，其特征在于，筛选模块包括：
概率获取子模块，用于获取所述目标车辆行驶到所述多个位置中的每个位置的概率；
概率选择子模块，用于从中选择概率最高的至少两个所述位置作为所述目标位置，其中，如果所述目标车辆当前所处的道路具有多个车道，则各所述目标位置分别处于不同的所述车道中。
11.如权利要求7所述的装置，其特征在于，行驶轨迹模块包括：
历史帧获取子模块，用于获取所述目标车辆在预设时间内的各历史帧行驶状态信息；
计算子模块，用于根据所述目标车辆在预设时间内的各历史帧行驶状态信息，采用预设算法计算所述目标车辆行驶到所述目标位置的所述多条行驶轨迹。
12.如权利要求7所述的装置，其特征在于，预测模块包括：
信息获取子模块，用于获取所述目标车辆周围的环境信息中的道路信息和障碍物信息；
筛选子模块，用于根据所述道路信息和所述障碍物信息，采用预设算法从所述多条行驶轨迹中筛选出至少一条行驶轨迹作为所述预测结果。
13.一种车辆的行驶轨迹预测终端，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6中任一项所述的方法。
14.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
CN201910127534.3A 2019-02-20 2019-02-20 车辆的行驶轨迹预测方法及装置 Active CN109583151B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201910127534.3A CN109583151B (zh) 2019-02-20 2019-02-20 车辆的行驶轨迹预测方法及装置
KR1020200019261A KR20200101855A (ko) 2019-02-20 2020-02-17 차량의 주행 궤적 예측 방법 및 장치
US16/793,618 US20200265710A1 (en) 2019-02-20 2020-02-18 Travelling track prediction method and device for vehicle
EP20158116.2A EP3699048B1 (en) 2019-02-20 2020-02-19 Travelling track prediction method and device for vehicle
JP2020025806A JP2020132151A (ja) 2019-02-20 2020-02-19 車両走行軌跡の予測方法、装置、端末、記憶媒体、及びプログラム
KR1020220049707A KR20220054278A (ko) 2019-02-20 2022-04-21 차량의 주행 궤적 예측 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910127534.3A CN109583151B (zh) 2019-02-20 2019-02-20 车辆的行驶轨迹预测方法及装置

Publications (2)

Publication Number Publication Date
CN109583151A true CN109583151A (zh) 2019-04-05
CN109583151B CN109583151B (zh) 2023-07-21

Family

ID=65918806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910127534.3A Active CN109583151B (zh) 2019-02-20 2019-02-20 车辆的行驶轨迹预测方法及装置

Country Status (5)

Country Link
US (1) US20200265710A1 (zh)
EP (1) EP3699048B1 (zh)
JP (1) JP2020132151A (zh)
KR (2) KR20200101855A (zh)
CN (1) CN109583151B (zh)

Cited By (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111566A (zh) * 2019-04-19 2019-08-09 腾讯科技（深圳）有限公司 轨迹预测方法、装置和存储介质
CN110223318A (zh) * 2019-04-28 2019-09-10 驭势科技（北京）有限公司 一种多目标轨迹的预测方法、装置、车载设备及存储介质
CN110221611A (zh) * 2019-06-11 2019-09-10 北京三快在线科技有限公司 一种轨迹跟踪控制方法、装置及无人驾驶车辆
CN110400490A (zh) * 2019-08-08 2019-11-01 腾讯科技（深圳）有限公司 轨迹预测方法和装置
CN110466513A (zh) * 2019-08-30 2019-11-19 北京小马慧行科技有限公司 车辆控制方法及装置
CN110466514A (zh) * 2019-08-30 2019-11-19 北京小马慧行科技有限公司 车辆控制方法及装置
CN110502012A (zh) * 2019-08-20 2019-11-26 武汉中海庭数据技术有限公司 一种他车轨迹预测方法、装置及存储介质
CN110610271A (zh) * 2019-09-17 2019-12-24 北京理工大学 一种基于长短记忆网络的多重车辆轨迹预测方法
CN110789528A (zh) * 2019-08-29 2020-02-14 腾讯科技（深圳）有限公司 一种车辆行驶轨迹预测方法、装置、设备及存储介质
CN111016908A (zh) * 2019-12-19 2020-04-17 东软集团股份有限公司 车辆行驶位置确定方法、装置、存储介质及电子设备
CN111114554A (zh) * 2019-12-16 2020-05-08 苏州智加科技有限公司 行驶轨迹预测方法、装置、终端及存储介质
CN111401531A (zh) * 2020-04-24 2020-07-10 中国人民解放军国防科技大学 轨迹预测方法和系统
CN111508276A (zh) * 2020-04-23 2020-08-07 上汽通用汽车有限公司 基于高精地图的v2x逆向超车预警方法、系统和介质
CN111523643A (zh) * 2020-04-10 2020-08-11 商汤集团有限公司 轨迹预测方法、装置、设备及存储介质
CN111554094A (zh) * 2020-05-20 2020-08-18 四川万网鑫成信息科技有限公司 基于车辆行程、驾驶行为和交通信息的行程预测模型
CN111652112A (zh) * 2020-05-29 2020-09-11 北京百度网讯科技有限公司 一种车道流向的识别方法、装置、电子设备及存储介质
CN111752272A (zh) * 2020-04-16 2020-10-09 北京京东乾石科技有限公司 一种轨迹预测方法、装置、设备及存储介质
CN111767360A (zh) * 2020-07-02 2020-10-13 北京百度网讯科技有限公司 路口虚拟车道标注的方法及装置
CN111932882A (zh) * 2020-08-13 2020-11-13 广东飞达交通工程有限公司 一种基于图像识别的道路事故实时预警系统、方法和设备
CN111923928A (zh) * 2019-05-13 2020-11-13 长城汽车股份有限公司 用于自动车辆的决策制定方法和系统
CN112046501A (zh) * 2019-05-20 2020-12-08 现代摩比斯株式会社 自动驾驶装置和方法
CN112078592A (zh) * 2019-06-13 2020-12-15 初速度（苏州）科技有限公司 一种车辆行为和/或车辆轨迹的预测方法及装置
CN112286049A (zh) * 2019-07-27 2021-01-29 华为技术有限公司 运动轨迹预测方法和装置
CN112389436A (zh) * 2020-11-25 2021-02-23 中汽院智能网联科技有限公司 基于改进lstm神经网络的安全性自动驾驶换道轨迹规划方法
WO2021052185A1 (zh) * 2019-09-19 2021-03-25 北京三快在线科技有限公司 确定智能驾驶车辆的行驶轨迹
CN112590804A (zh) * 2020-12-23 2021-04-02 苏州挚途科技有限公司 无人车辆的载荷轨迹跟踪方法和装置
CN112644518A (zh) * 2020-12-31 2021-04-13 广州文远知行科技有限公司 一种车辆轨迹预测方法、装置、设备和存储介质
CN112665590A (zh) * 2020-12-11 2021-04-16 国汽(北京)智能网联汽车研究院有限公司 车辆的轨迹确定方法、装置、电子设备及计算机存储介质
CN112712729A (zh) * 2019-10-26 2021-04-27 华为技术有限公司 预测运动轨迹的方法和系统
CN112706785A (zh) * 2021-01-29 2021-04-27 重庆长安汽车股份有限公司 一种自动驾驶车辆行驶环境认知目标选择方法、装置及存储介质
CN112733452A (zh) * 2021-01-13 2021-04-30 北京嘀嘀无限科技发展有限公司 轨迹预测方法、装置、电子设备和可读存储介质
CN112802356A (zh) * 2020-12-30 2021-05-14 深圳市微网力合信息技术有限公司 一种基于物联网的车辆自动驾驶方法及终端
WO2021134172A1 (zh) * 2019-12-30 2021-07-08 华为技术有限公司 一种轨迹预测方法及相关设备
CN113119996A (zh) * 2021-03-19 2021-07-16 京东鲲鹏(江苏)科技有限公司 一种轨迹预测方法、装置、电子设备及存储介质
CN113128326A (zh) * 2019-12-31 2021-07-16 百度（美国）有限责任公司 具有语义地图和lstm的车辆轨迹预测模型
CN113128766A (zh) * 2021-04-21 2021-07-16 科大讯飞股份有限公司 目的地预判方法、装置、电子设备和存储介质
WO2021147748A1 (zh) * 2020-01-22 2021-07-29 华为技术有限公司 一种自动驾驶方法及相关设备
CN113276874A (zh) * 2021-06-11 2021-08-20 浙江大华技术股份有限公司 一种车辆行驶轨迹处理方法及相关装置
CN113291320A (zh) * 2021-06-15 2021-08-24 苏州智加科技有限公司 一种车辆轨迹预测方法、装置、设备及存储介质
CN113320543A (zh) * 2021-06-29 2021-08-31 东软睿驰汽车技术（沈阳）有限公司 行车方法、装置、车辆及存储介质
CN113407871A (zh) * 2021-06-21 2021-09-17 北京畅行信息技术有限公司 上车点推荐方法、装置、电子设备和可读存储介质
CN113496167A (zh) * 2020-04-02 2021-10-12 北京京东乾石科技有限公司 确定目标运动轨迹的方法和装置
CN113721598A (zh) * 2020-05-11 2021-11-30 北京京东乾石科技有限公司 一种障碍物轨迹预测方法、装置、设备和存储介质
CN113727900A (zh) * 2019-04-25 2021-11-30 株式会社爱德克斯 车辆的行驶控制装置
CN113879338A (zh) * 2021-11-24 2022-01-04 广州文远知行科技有限公司 一种行驶规划模块优化方法、装置、设备和介质
CN113879295A (zh) * 2020-07-02 2022-01-04 华为技术有限公司 轨迹预测方法及装置
CN113928324A (zh) * 2020-06-29 2022-01-14 保时捷股份公司 用于预测目标车辆在车辆的环境中的轨迹的方法和系统
CN113963537A (zh) * 2021-10-19 2022-01-21 东软睿驰汽车技术（上海）有限公司 一种针对路口的车辆轨迹预测方法和相关装置
CN114056347A (zh) * 2020-07-31 2022-02-18 华为技术有限公司 车辆运动状态识别方法及装置
CN114670867A (zh) * 2022-01-13 2022-06-28 上海交通大学 基于分层学习和潜在风险模型的多车轨迹预测系统
CN114758502A (zh) * 2022-04-29 2022-07-15 北京百度网讯科技有限公司 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆
CN114872735A (zh) * 2022-07-10 2022-08-09 成都工业职业技术学院 基于神经网络算法的自动驾驶物流车辆决策方法和装置
CN115123252A (zh) * 2022-07-05 2022-09-30 小米汽车科技有限公司 车辆控制方法、装置、车辆及存储介质
CN115246416A (zh) * 2021-05-13 2022-10-28 上海仙途智能科技有限公司 轨迹预测方法、装置、设备及计算机可读存储介质
CN116044990A (zh) * 2023-03-29 2023-05-02 北京集度科技有限公司 车辆档位切换方法、装置、电子设备、介质及程序产品

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3705384B1 (en) * 2019-03-04 2021-12-22 Aptiv Technologies Limited Side collision risk estimation system for a vehicle
US11814075B2 (en) * 2020-08-26 2023-11-14 Motional Ad Llc Conditional motion predictions
US11945472B2 (en) * 2020-08-28 2024-04-02 Motional Ad Llc Trajectory planning of vehicles using route information
JP7429172B2 (ja) * 2020-09-03 2024-02-07 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN112597822B (zh) * 2020-12-11 2023-08-15 国汽(北京)智能网联汽车研究院有限公司 车辆的轨迹确定方法、装置、电子设备及计算机存储介质
CN112507957B (zh) * 2020-12-21 2023-12-15 阿波罗智联(北京)科技有限公司 一种车辆关联方法、装置、路侧设备及云控平台
CN112613673B (zh) * 2020-12-29 2024-05-14 北京梧桐车联科技有限责任公司 出行轨迹确定方法、装置及计算机可读存储介质
CN112677993A (zh) * 2021-01-05 2021-04-20 北京三快在线科技有限公司 一种模型训练的方法及装置
CN114792149A (zh) * 2021-01-25 2022-07-26 华为技术有限公司 一种轨迹预测方法、装置及地图
CN112918487B (zh) * 2021-02-24 2022-04-12 京东鲲鹏(江苏)科技有限公司 无人车起步方法、装置、电子设备和计算机可读介质
CN112937608B (zh) * 2021-03-31 2022-06-21 吉林大学 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质
CN113159403B (zh) * 2021-04-13 2024-03-12 青岛大学 路口行人轨迹预测的方法及装置
WO2022226837A1 (zh) * 2021-04-28 2022-11-03 深圳元戎启行科技有限公司 基于时间与空间学习的轨迹预测方法、装置和计算机设备
CN113282782B (zh) * 2021-05-21 2022-09-09 三亚海兰寰宇海洋信息科技有限公司 一种基于多点位相机阵列的轨迹获取方法及装置
CN113326820B (zh) * 2021-08-02 2021-11-30 中汽创智科技有限公司 一种行驶环境感知方法、装置、电子设备及存储介质
CN113821736B (zh) * 2021-09-01 2023-09-08 北京中交兴路信息科技有限公司 基于前缀树的车辆目的地的预测方法、装置、设备及介质
CN114132343B (zh) * 2021-11-30 2024-05-10 上汽通用五菱汽车股份有限公司 车辆循迹方法、装置、系统及计算机可读存储介质
CN114312831B (zh) * 2021-12-16 2023-10-03 浙江零跑科技股份有限公司 一种基于空间注意力机制的车辆轨迹预测方法
CN114490601A (zh) * 2021-12-31 2022-05-13 北京中交兴路信息科技有限公司 一种车辆轨迹测试方法和系统
CN114426032B (zh) * 2022-01-05 2024-07-26 重庆长安汽车股份有限公司 一种基于自动驾驶的本车轨迹预测方法、系统、车辆及计算机可读存储介质
CN114291116B (zh) * 2022-01-24 2023-05-16 广州小鹏自动驾驶科技有限公司 周围车辆轨迹预测方法、装置、车辆及存储介质
CN114771560B (zh) * 2022-03-28 2023-04-25 小米汽车科技有限公司 车辆行驶控制方法、装置、设备及存储介质
CN115083198B (zh) * 2022-06-15 2023-11-24 国汽(北京)智能网联汽车研究院有限公司 一种多车运力资源调度方法及装置
CN114964296B (zh) * 2022-07-29 2022-11-11 禾多科技（北京）有限公司 车辆行驶路径规划方法、装置、设备和计算机可读介质
CN117334072B (zh) * 2023-12-01 2024-02-23 青岛城运数字科技有限公司 公交车辆到站时刻预测方法和装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008000492A (ja) * 2006-06-23 2008-01-10 Agatsuma:Kk 水遊び玩具
JP2008117082A (ja) * 2006-11-01 2008-05-22 Toyota Motor Corp 走行制御計画評価装置
JP2008250492A (ja) * 2007-03-29 2008-10-16 Toyota Motor Corp 運転者危険度取得装置
CN106114507A (zh) * 2016-06-21 2016-11-16 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
US20170162050A1 (en) * 2015-12-03 2017-06-08 Institute For Information Industry System and method for collision avoidance for vehicle
CN108177654A (zh) * 2017-11-23 2018-06-19 深圳市易成自动驾驶技术有限公司 车辆行驶安全预警方法、装置、系统及可读存储介质
CN108417089A (zh) * 2018-03-14 2018-08-17 杭州分数科技有限公司 行车安全预警方法、装置及系统
CN108803617A (zh) * 2018-07-10 2018-11-13 深圳大学 轨迹预测方法及装置
WO2018211582A1 (ja) * 2017-05-16 2018-11-22 日産自動車株式会社 走行支援装置の動作予測方法及び動作予測装置
CN108875998A (zh) * 2018-04-20 2018-11-23 北京智行者科技有限公司 一种自动驾驶车辆规划方法和系统
WO2019023628A1 (en) * 2017-07-27 2019-01-31 Waymo Llc NEURAL NETWORKS FOR VEHICLE TRACK PLANNING

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2562060B1 (en) * 2011-08-22 2014-10-01 Honda Research Institute Europe GmbH A method and system for predicting movement behavior of a target traffic object
US8457827B1 (en) * 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
WO2015155833A1 (ja) * 2014-04-08 2015-10-15 三菱電機株式会社 衝突防止装置
US20190143972A1 (en) * 2016-03-15 2019-05-16 Honda Motor Co., Ltd. Vehicle control system, vehicle control method, and vehicle control program

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008000492A (ja) * 2006-06-23 2008-01-10 Agatsuma:Kk 水遊び玩具
JP2008117082A (ja) * 2006-11-01 2008-05-22 Toyota Motor Corp 走行制御計画評価装置
JP2008250492A (ja) * 2007-03-29 2008-10-16 Toyota Motor Corp 運転者危険度取得装置
US20170162050A1 (en) * 2015-12-03 2017-06-08 Institute For Information Industry System and method for collision avoidance for vehicle
CN106114507A (zh) * 2016-06-21 2016-11-16 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
WO2018211582A1 (ja) * 2017-05-16 2018-11-22 日産自動車株式会社 走行支援装置の動作予測方法及び動作予測装置
WO2019023628A1 (en) * 2017-07-27 2019-01-31 Waymo Llc NEURAL NETWORKS FOR VEHICLE TRACK PLANNING
CN108177654A (zh) * 2017-11-23 2018-06-19 深圳市易成自动驾驶技术有限公司 车辆行驶安全预警方法、装置、系统及可读存储介质
CN108417089A (zh) * 2018-03-14 2018-08-17 杭州分数科技有限公司 行车安全预警方法、装置及系统
CN108875998A (zh) * 2018-04-20 2018-11-23 北京智行者科技有限公司 一种自动驾驶车辆规划方法和系统
CN108803617A (zh) * 2018-07-10 2018-11-13 深圳大学 轨迹预测方法及装置

Cited By (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111566B (zh) * 2019-04-19 2021-07-06 腾讯科技（深圳）有限公司 轨迹预测方法、装置和存储介质
CN110111566A (zh) * 2019-04-19 2019-08-09 腾讯科技（深圳）有限公司 轨迹预测方法、装置和存储介质
CN113727900A (zh) * 2019-04-25 2021-11-30 株式会社爱德克斯 车辆的行驶控制装置
CN110223318A (zh) * 2019-04-28 2019-09-10 驭势科技（北京）有限公司 一种多目标轨迹的预测方法、装置、车载设备及存储介质
CN111923928A (zh) * 2019-05-13 2020-11-13 长城汽车股份有限公司 用于自动车辆的决策制定方法和系统
CN112046501B (zh) * 2019-05-20 2023-08-18 现代摩比斯株式会社 自动驾驶装置和方法
CN112046501A (zh) * 2019-05-20 2020-12-08 现代摩比斯株式会社 自动驾驶装置和方法
CN110221611A (zh) * 2019-06-11 2019-09-10 北京三快在线科技有限公司 一种轨迹跟踪控制方法、装置及无人驾驶车辆
CN110221611B (zh) * 2019-06-11 2020-09-04 北京三快在线科技有限公司 一种轨迹跟踪控制方法、装置及无人驾驶车辆
CN112078592B (zh) * 2019-06-13 2021-12-24 魔门塔(苏州)科技有限公司 一种车辆行为和/或车辆轨迹的预测方法及装置
CN112078592A (zh) * 2019-06-13 2020-12-15 初速度（苏州）科技有限公司 一种车辆行为和/或车辆轨迹的预测方法及装置
CN112286049A (zh) * 2019-07-27 2021-01-29 华为技术有限公司 运动轨迹预测方法和装置
CN110400490A (zh) * 2019-08-08 2019-11-01 腾讯科技（深圳）有限公司 轨迹预测方法和装置
CN110502012A (zh) * 2019-08-20 2019-11-26 武汉中海庭数据技术有限公司 一种他车轨迹预测方法、装置及存储介质
CN110789528B (zh) * 2019-08-29 2022-03-25 腾讯科技（深圳）有限公司 一种车辆行驶轨迹预测方法、装置、设备及存储介质
CN110789528A (zh) * 2019-08-29 2020-02-14 腾讯科技（深圳）有限公司 一种车辆行驶轨迹预测方法、装置、设备及存储介质
CN110466514B (zh) * 2019-08-30 2020-10-27 北京小马慧行科技有限公司 车辆控制方法及装置
CN110466513A (zh) * 2019-08-30 2019-11-19 北京小马慧行科技有限公司 车辆控制方法及装置
CN110466514A (zh) * 2019-08-30 2019-11-19 北京小马慧行科技有限公司 车辆控制方法及装置
CN110610271A (zh) * 2019-09-17 2019-12-24 北京理工大学 一种基于长短记忆网络的多重车辆轨迹预测方法
CN110610271B (zh) * 2019-09-17 2022-05-13 北京理工大学 一种基于长短记忆网络的多重车辆轨迹预测方法
WO2021052185A1 (zh) * 2019-09-19 2021-03-25 北京三快在线科技有限公司 确定智能驾驶车辆的行驶轨迹
CN112712729A (zh) * 2019-10-26 2021-04-27 华为技术有限公司 预测运动轨迹的方法和系统
CN111114554A (zh) * 2019-12-16 2020-05-08 苏州智加科技有限公司 行驶轨迹预测方法、装置、终端及存储介质
CN111114554B (zh) * 2019-12-16 2021-06-11 苏州智加科技有限公司 行驶轨迹预测方法、装置、终端及存储介质
CN111016908A (zh) * 2019-12-19 2020-04-17 东软集团股份有限公司 车辆行驶位置确定方法、装置、存储介质及电子设备
CN111016908B (zh) * 2019-12-19 2021-04-02 东软集团股份有限公司 车辆行驶位置确定方法、装置、存储介质及电子设备
CN113261035A (zh) * 2019-12-30 2021-08-13 华为技术有限公司 一种轨迹预测方法及相关设备
WO2021134172A1 (zh) * 2019-12-30 2021-07-08 华为技术有限公司 一种轨迹预测方法及相关设备
CN113128326B (zh) * 2019-12-31 2024-04-09 百度（美国）有限责任公司 具有语义地图和lstm的车辆轨迹预测模型
CN113128326A (zh) * 2019-12-31 2021-07-16 百度（美国）有限责任公司 具有语义地图和lstm的车辆轨迹预测模型
WO2021147748A1 (zh) * 2020-01-22 2021-07-29 华为技术有限公司 一种自动驾驶方法及相关设备
CN113496167A (zh) * 2020-04-02 2021-10-12 北京京东乾石科技有限公司 确定目标运动轨迹的方法和装置
JP7338052B2 (ja) 2020-04-10 2023-09-04 センスタイム グループ リミテッド 軌跡予測方法、装置、機器及び記憶媒体リソース
JP2022549952A (ja) * 2020-04-10 2022-11-29 センスタイム グループ リミテッド 軌跡予測方法、装置、機器及び記憶媒体リソース
CN111523643B (zh) * 2020-04-10 2024-01-05 商汤集团有限公司 轨迹预测方法、装置、设备及存储介质
CN111523643A (zh) * 2020-04-10 2020-08-11 商汤集团有限公司 轨迹预测方法、装置、设备及存储介质
WO2021204092A1 (zh) * 2020-04-10 2021-10-14 商汤集团有限公司 轨迹预测方法、装置、设备及存储介质资源
CN111752272A (zh) * 2020-04-16 2020-10-09 北京京东乾石科技有限公司 一种轨迹预测方法、装置、设备及存储介质
CN111508276A (zh) * 2020-04-23 2020-08-07 上汽通用汽车有限公司 基于高精地图的v2x逆向超车预警方法、系统和介质
CN111508276B (zh) * 2020-04-23 2022-03-15 上汽通用汽车有限公司 基于高精地图的v2x逆向超车预警方法、系统和介质
CN111401531A (zh) * 2020-04-24 2020-07-10 中国人民解放军国防科技大学 轨迹预测方法和系统
CN113721598A (zh) * 2020-05-11 2021-11-30 北京京东乾石科技有限公司 一种障碍物轨迹预测方法、装置、设备和存储介质
CN111554094A (zh) * 2020-05-20 2020-08-18 四川万网鑫成信息科技有限公司 基于车辆行程、驾驶行为和交通信息的行程预测模型
CN111652112B (zh) * 2020-05-29 2023-06-30 阿波罗智联(北京)科技有限公司 一种车道流向的识别方法、装置、电子设备及存储介质
CN111652112A (zh) * 2020-05-29 2020-09-11 北京百度网讯科技有限公司 一种车道流向的识别方法、装置、电子设备及存储介质
US12030507B2 (en) 2020-06-29 2024-07-09 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Method and system for predicting a trajectory of a target vehicle in an environment of a vehicle
CN113928324A (zh) * 2020-06-29 2022-01-14 保时捷股份公司 用于预测目标车辆在车辆的环境中的轨迹的方法和系统
CN113879295B (zh) * 2020-07-02 2024-04-12 华为技术有限公司 轨迹预测方法及装置
CN111767360A (zh) * 2020-07-02 2020-10-13 北京百度网讯科技有限公司 路口虚拟车道标注的方法及装置
CN113879295A (zh) * 2020-07-02 2022-01-04 华为技术有限公司 轨迹预测方法及装置
CN111767360B (zh) * 2020-07-02 2024-06-11 阿波罗智能技术(北京)有限公司 路口虚拟车道标注的方法及装置
EP4180295A4 (en) * 2020-07-31 2024-01-10 Huawei Technologies Co., Ltd. METHOD AND DEVICE FOR DETECTING A VEHICLE MOTION STATE
CN114056347A (zh) * 2020-07-31 2022-02-18 华为技术有限公司 车辆运动状态识别方法及装置
CN111932882A (zh) * 2020-08-13 2020-11-13 广东飞达交通工程有限公司 一种基于图像识别的道路事故实时预警系统、方法和设备
CN112389436A (zh) * 2020-11-25 2021-02-23 中汽院智能网联科技有限公司 基于改进lstm神经网络的安全性自动驾驶换道轨迹规划方法
CN112665590A (zh) * 2020-12-11 2021-04-16 国汽(北京)智能网联汽车研究院有限公司 车辆的轨迹确定方法、装置、电子设备及计算机存储介质
CN112590804A (zh) * 2020-12-23 2021-04-02 苏州挚途科技有限公司 无人车辆的载荷轨迹跟踪方法和装置
CN112802356A (zh) * 2020-12-30 2021-05-14 深圳市微网力合信息技术有限公司 一种基于物联网的车辆自动驾驶方法及终端
CN112802356B (zh) * 2020-12-30 2022-01-04 深圳市微网力合信息技术有限公司 一种基于物联网的车辆自动驾驶方法及终端
CN112644518A (zh) * 2020-12-31 2021-04-13 广州文远知行科技有限公司 一种车辆轨迹预测方法、装置、设备和存储介质
CN112644518B (zh) * 2020-12-31 2021-11-05 广州文远知行科技有限公司 一种车辆轨迹预测方法、装置、设备和存储介质
CN112733452A (zh) * 2021-01-13 2021-04-30 北京嘀嘀无限科技发展有限公司 轨迹预测方法、装置、电子设备和可读存储介质
CN112733452B (zh) * 2021-01-13 2024-03-29 北京嘀嘀无限科技发展有限公司 轨迹预测方法、装置、电子设备和可读存储介质
CN112706785A (zh) * 2021-01-29 2021-04-27 重庆长安汽车股份有限公司 一种自动驾驶车辆行驶环境认知目标选择方法、装置及存储介质
CN113119996A (zh) * 2021-03-19 2021-07-16 京东鲲鹏(江苏)科技有限公司 一种轨迹预测方法、装置、电子设备及存储介质
CN113128766A (zh) * 2021-04-21 2021-07-16 科大讯飞股份有限公司 目的地预判方法、装置、电子设备和存储介质
CN115246416B (zh) * 2021-05-13 2023-09-26 上海仙途智能科技有限公司 轨迹预测方法、装置、设备及计算机可读存储介质
CN115246416A (zh) * 2021-05-13 2022-10-28 上海仙途智能科技有限公司 轨迹预测方法、装置、设备及计算机可读存储介质
CN113276874A (zh) * 2021-06-11 2021-08-20 浙江大华技术股份有限公司 一种车辆行驶轨迹处理方法及相关装置
CN113291320A (zh) * 2021-06-15 2021-08-24 苏州智加科技有限公司 一种车辆轨迹预测方法、装置、设备及存储介质
CN113407871A (zh) * 2021-06-21 2021-09-17 北京畅行信息技术有限公司 上车点推荐方法、装置、电子设备和可读存储介质
CN113407871B (zh) * 2021-06-21 2024-04-02 北京畅行信息技术有限公司 上车点推荐方法、装置、电子设备和可读存储介质
CN113320543B (zh) * 2021-06-29 2024-03-22 东软睿驰汽车技术（沈阳）有限公司 行车方法、装置、车辆及存储介质
CN113320543A (zh) * 2021-06-29 2021-08-31 东软睿驰汽车技术（沈阳）有限公司 行车方法、装置、车辆及存储介质
CN113963537A (zh) * 2021-10-19 2022-01-21 东软睿驰汽车技术（上海）有限公司 一种针对路口的车辆轨迹预测方法和相关装置
CN113879338B (zh) * 2021-11-24 2023-02-17 广州文远知行科技有限公司 一种行驶规划模块优化方法、装置、设备和介质
CN113879338A (zh) * 2021-11-24 2022-01-04 广州文远知行科技有限公司 一种行驶规划模块优化方法、装置、设备和介质
CN114670867A (zh) * 2022-01-13 2022-06-28 上海交通大学 基于分层学习和潜在风险模型的多车轨迹预测系统
CN114670867B (zh) * 2022-01-13 2024-07-09 上海交通大学 基于分层学习和潜在风险模型的多车轨迹预测系统
CN114758502A (zh) * 2022-04-29 2022-07-15 北京百度网讯科技有限公司 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆
CN114758502B (zh) * 2022-04-29 2023-08-18 北京百度网讯科技有限公司 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆
CN115123252A (zh) * 2022-07-05 2022-09-30 小米汽车科技有限公司 车辆控制方法、装置、车辆及存储介质
CN115123252B (zh) * 2022-07-05 2023-03-31 小米汽车科技有限公司 车辆控制方法、装置、车辆及存储介质
CN114872735A (zh) * 2022-07-10 2022-08-09 成都工业职业技术学院 基于神经网络算法的自动驾驶物流车辆决策方法和装置
CN114872735B (zh) * 2022-07-10 2022-10-04 成都工业职业技术学院 基于神经网络算法的自动驾驶物流车辆决策方法和装置
CN116044990A (zh) * 2023-03-29 2023-05-02 北京集度科技有限公司 车辆档位切换方法、装置、电子设备、介质及程序产品

Also Published As

Publication number Publication date
EP3699048A1 (en) 2020-08-26
KR20200101855A (ko) 2020-08-28
CN109583151B (zh) 2023-07-21
KR20220054278A (ko) 2022-05-02
JP2020132151A (ja) 2020-08-31
EP3699048B1 (en) 2022-11-30
US20200265710A1 (en) 2020-08-20

Similar Documents

Publication Publication Date Title
CN109583151A (zh) 车辆的行驶轨迹预测方法及装置
CN109801508A (zh) 路口处障碍物的运动轨迹预测方法及装置
CN109712421A (zh) 自动驾驶车辆的速度规划方法、装置和存储介质
US7353111B2 (en) Navigation system performing route guidance for vehicle
CN109426256A (zh) 自动驾驶车辆的基于驾驶员意图的车道辅助系统
KR20200016949A (ko) 자율 주행을 위한 항법 정보의 융합 프레임워크(fusion framework) 및 배치 정렬(batch alignment)
CN109643118B (zh) 基于关于车辆的环境的与功能相关的信息来影响车辆的功能
CN110389584A (zh) 用于评估自动驾驶车辆的轨迹候选项的方法
CN105936276A (zh) 行驶控制装置
JP6800575B2 (ja) 自己の乗り物のドライバを支援する方法およびシステム
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
CN110364009A (zh) 基于路侧设备的行驶规划方法、装置、路侧设备和存储介质
CN108369777A (zh) 自动驾驶支援系统、自动驾驶支援方法以及计算机程序
CN106080590A (zh) 车辆控制方法和装置以及决策模型的获取方法和装置
CN107042825A (zh) 车道保持辅助系统的情景停用
CN107664504A (zh) 一种路径规划装置
CN112406904B (zh) 自动驾驶策略的训练方法、自动驾驶方法、设备和车辆
CN112829747A (zh) 一种驾驶行为决策方法、装置及存储介质
CN109703569A (zh) 一种信息处理方法、装置及存储介质
CN109387210A (zh) 车辆导航方法及其装置
CN110329253A (zh) 车道偏离预警系统、方法及车辆
CN110335489A (zh) 基于路侧设备的行驶规划方法、装置、路侧设备和存储介质
GB2510698A (en) Driver assistance system
CN102201174B (zh) 行驶道路推测系统
CN102252683A (zh) 用于在显示装置上示出转弯走向的方法和驾驶员信息系统

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: 20211015

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

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