CN109760675A - 预测车辆轨迹的方法、装置、存储介质和终端设备 - Google Patents

Abstract

本发明提出一种预测车辆轨迹的方法、装置、存储介质和终端设备，其中，所述方法包括：获取自动驾驶车辆的状态数据；利用设定的自动驾驶算法，根据所述状态数据，预测所述自动驾驶车辆当前的行驶轨迹；识别所述自动驾驶车辆将要进入的行驶场景；根据所述行驶场景，判断是否需要修正所述行驶轨迹；以及如果需要修正所述行驶轨迹，根据所述行驶场景，修正所述行驶轨迹。采用本发明，可以有效提高决策的准确程度，降低行车风险。

Description

预测车辆轨迹的方法、装置、存储介质和终端设备

技术领域

本发明涉及计算机技术领域，尤其涉及一种预测车辆轨迹的方法、装置、存储介质和终端设备。

背景技术

在车辆行驶的过程中，车辆可以采用自动驾驶的模式行驶。在此自动驾驶模式下，通常采用通用的自动驾驶的预测方法来预测车辆的目标轨迹。但是，在不同的场景下，均采用通用的预测方法来预测车辆的目标轨迹，得到的预测结果的精度是不同的，预测结果也相对较粗糙。

对于这种情况，现有技术提出的解决方案是：对于不同的场景分别采用不同的预测方法来预测各场景对应的目标轨迹，然后按照驾驶过程确定的每一个目标轨连接起来，得到最终的目标轨迹。虽然，这个解决方案的预测精度高，但是成本过高，需要针对不同的场景分别开发一套预测方法进行预测。而且，由于车辆在行驶过程遇到的场景变化多样，需要在多个预测方法之间来回切换，在车辆的整个行驶过程中预测繁琐，效率低下。

发明内容

本发明实施例提供一种预测车辆轨迹的方法、装置、存储介质和终端设备，以解决或缓解现有技术中的以上一个或多个技术问题。

第一方面，本发明实施例提供了一种预测车辆轨迹的方法，包括：

获取自动驾驶车辆的状态数据；

利用设定的自动驾驶算法，根据所述状态数据，预测所述自动驾驶车辆当前的行驶轨迹；

识别所述自动驾驶车辆将要进入的行驶场景；

根据所述行驶场景，判断是否需要修正所述行驶轨迹；以及

如果需要修正所述行驶轨迹，根据所述行驶场景，修正所述行驶轨迹。

在一种实施方式中，所述状态数据包括以下至少一者：所述自动驾驶车辆在当前时刻的行驶状态、所述自动驾驶车辆的历史行驶状态、所述自动驾驶车辆在当前时刻与地图元素的关系、所述自动驾驶车辆在当前时刻与其他障碍物的关系。

在一种实施方式中，所述行驶场景包括交通路口，以及根据所述行驶场景，判断是否需要修正所述行驶轨迹，包括：

如果所述自动驾驶车辆接近所述交通路口的停止线，确定所述自动驾驶车辆所在车道的交通信号灯由绿灯变为红灯需要的第一时长；

从所述行驶轨迹中，确定所述自动驾驶车辆从当前位置到所述停止线所需的第二时长；

如果所述第一时长小于所述第二时长，确定需要修正所述行驶轨迹。

在一种实施方式中，根据所述行驶场景，修正所述行驶轨迹，包括：

根据所述第一时长，修正所述自动驾驶车辆从当前位置到所述停止线的轨迹。

在一种实施方式中，所述行驶场景包括限速路，以及根据所述行驶场景，判断是否需要修正所述行驶轨迹，包括：

从所述行驶轨迹中，确定所述自动驾驶车辆在与所述限速路相对应的路段的行驶速度；

判断所述行驶速度是否与所述限速路限定的速度相符；以及

如果所述行驶速度与所述限速路限定的速度不相符，确定需要修正所述行驶轨迹。

在一种实施方式中，根据所述行驶场景，修正所述行驶轨迹，包括：

根据所述限速路限定的速度，修正所述自动驾驶车辆在所述限速路以及接近所述限速路的路段的行驶轨迹。

第二方面，本发明实施例提供一种预测车辆轨迹的装置，包括：

状态数据获取模块，用于获取自动驾驶车辆的状态数据；

行驶轨迹预测模块，用于利用设定的自动驾驶算法，根据所述状态数据，预测所述自动驾驶车辆当前的行驶轨迹；

行驶场景识别模块，用于识别所述自动驾驶车辆将要进入的行驶场景；

轨迹修正判断模块，用于根据所述行驶场景，判断是否需要修正所述行驶轨迹；以及

行驶轨迹修正模块，用于如果需要修正所述行驶轨迹，根据所述行驶场景，修正所述行驶轨迹。

在一种实施方式中，所述状态数据包括以下至少一者：所述自动驾驶车辆在当前时刻的行驶状态、所述自动驾驶车辆的历史行驶状态、所述自动驾驶车辆在当前时刻与地图元素的关系、所述自动驾驶车辆在当前时刻与其他障碍物的关系。

在一种实施方式中，所述行驶场景包括交通路口，以及所述轨迹修正判断模块包括：

第一时长确定单元，用于如果所述自动驾驶车辆接近所述交通路口的停止线，确定所述自动驾驶车辆所在车道的交通信号灯由绿灯变为红灯需要的第一时长；

第二时长确定单元，用于从所述行驶轨迹中，确定所述自动驾驶车辆从当前位置到所述停止线所需的第二时长；

确定修正单元，用于如果所述第一时长小于所述第二时长，确定需要修正所述行驶轨迹。

在一种实施方式中，所述行驶轨迹修正模块包括：

第一轨迹修正单元，用于根据所述第一时长，修正所述自动驾驶车辆从当前位置到所述停止线的轨迹。

在一种实施方式中，所述行驶场景包括限速路，以及所述轨迹修正判断模块包括：

行驶速度确定单元，用于从所述行驶轨迹中，确定所述自动驾驶车辆在与所述限速路相对应的路段的行驶速度；

速度判断单元，用于判断所述行驶速度是否与所述限速路限定的速度相符；以及

确定修正单元，用于如果所述行驶速度与所述限速路限定的速度不相符，确定需要修正所述行驶轨迹。

在一种实施方式中，所述行驶轨迹修正模块包括：

第二轨迹修正单元，用于根据所述限速路限定的速度，修正所述自动驾驶车辆在所述限速路以及接近所述限速路的路段的行驶轨迹。

第三方面，本发明实施例提供了一种预测车辆轨迹的装置，所述装置的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，预测车辆轨迹的结构中包括处理器和存储器，所述存储器用于预测车辆轨迹的装置执行上述预测车辆轨迹的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述预测车辆轨迹的装置还可以包括通信接口，用于预测车辆轨迹的装置与其他设备或通信网络通信。

第四方面，本发明实施例还提供一种计算机可读存储介质，用于预测车辆轨迹的装置所用的计算机软件指令，其中包括用于执行上述预测车辆轨迹的方法所涉及的程序。

上述技术方案中的任意一个技术方案具有如下优点或有益效果：

本发明实施例可以在自动驾驶车辆进入到路口区域内时，通过障碍车的历史行驶数据来预测障碍车可能行驶的轨迹，然后，根据障碍车的行驶轨迹和自动驾驶车辆在当前的行驶状态来预测自动驾驶车辆的行驶轨迹。如此，在路口进行行车决策的自动驾驶车辆可以不依赖于轨道线来预测障碍车的行驶轨迹，提高决策的准确程度，降低行车风险。

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是本发明提供的预测车辆轨迹的方法的一个实施例的流程示意图。

图2是本发明提供的交通路口附近的行车环境的一个示意图。

图3是本发明提供的修正需求的判断过程的一个实施例的流程示意图。

图4是本发明提供的修正需求的判断过程的另一个实施例的流程示意图。

图5是本发明提供的行驶轨迹的一个实施例的示意图。

图6是本发明提供的预测车辆轨迹的装置的一个实施例的结构示意图。

图7是本发明提供的终端设备的一个实施例的结构示意图。

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。

请参阅图1，本发明实施例提供了一种预测车辆轨迹的方法。本实施例可以由以下机动车执行，包括：电动自行车、摩托车等两轮的机动车，电动、混动或汽油等四轮的机动车，以及飞机、轮船等交通设备。本实施例可以包括步骤S100至S400，如下：

S100，获取自动驾驶车辆的状态数据。其中，当车辆启用自动驾驶模式时，车辆可称为自动驾驶车辆。一般地，自动驾驶车可以设置有多种类型的传感器，用于获取车辆的状态数据，并传至车辆的处理器，进行本实施例的计算或处理。

在一些实施例中，状态数据可以包括自动驾驶车辆的行驶状态以及自动驾驶车辆与行驶环境中的其他影响因素之间的关系。其中，行驶状态可以包括自动驾驶车辆的速度、朝向、所在位置、车辆形状、车辆类别等。影响因素是指影响自动驾驶车辆的行驶状态的因素。其可以包括地图元素、影响自动驾驶车辆的障碍物等。地图元素是指行驶环境中可以描绘在地图中的元素，例如，车道、车道线等。障碍物可以包括静态障碍物和动态障碍物。静态障碍物可以包括周围的建筑物、交通路标等。动态障碍物包括车辆、行人等。自动驾驶车辆与其他影响因素之间的关系可以包括自动驾驶车辆与影响因素之间的距离、相对速度、相对位置以及相对夹角等。

在一些实施例中，状态数据可以包括以下至少一者：自动驾驶车辆在当前时刻的行驶状态、自动驾驶车辆的历史行驶状态、自动驾驶车辆在当前时刻与地图元素的关系、自动驾驶车辆在当前时刻与其他障碍物的关系。历史行驶状态包括从当前时刻(不包括当前时刻)开始往回溯及某个历史时刻的行驶状态，例如，过去的10秒内、一分钟内的行驶状态。自动驾驶车辆在当前时刻与地图元素的关系可以包括：自动驾驶车辆在当前时刻与车道边界线的距离和夹角、自动驾驶车辆当前所在的车道以及所在车道的类型等。车道的类型可以包括直行车道、左拐车道、右拐车道等。自动驾驶车辆在当前时刻与其他障碍物的关系可以包括相对速度、相对位置、相对夹角等。

S200，利用设定的自动驾驶算法，根据状态数据，预测自动驾驶车辆当前的行驶轨迹。

在一些实施例中，自动驾驶算法可以预先训练生成或仿真模拟，达到设定的精度条件，则可以将此自动驾驶算法投入实际的使用场景中。将获取到的状态数据输入自动驾驶算法，自动驾驶算法根据输入的状态数据，预测到自动驾驶车辆当前的行驶轨迹并输出给车辆。车辆可以根据自动驾驶算法预测的行驶轨迹进行行驶。行驶轨迹可以包括车辆在某一时刻的轨迹点(即位置)、速度、朝向等信息。车辆可以采取相应的制动操作，达到实际行驶的轨迹可以符合预测到的行驶轨迹。或者，采用另一个算法，将自动驾驶算法预测的行驶轨迹转化成相应的制动参数。车辆根据制动参数进行行驶。

S300，识别自动驾驶车辆将要进入的行驶场景。

一般地，自动驾驶车辆包括摄像机。通过摄像机获取行驶环境的图像。然后，通过图像识别算法，可以识别到自动驾驶车辆当前将要进入的行驶场景。行驶场景可以包括高速路、交通路口、立交桥、隧道等。

S400，根据行驶场景，判断是否需要修正行驶轨迹。

在一些实施例中，如果将要进入的行驶场景要求的行驶速度、行驶方向等与当前行驶场景所要求的行驶速度、行驶方向等状态变化较大时，可以根据预测的行驶轨迹中的行驶速度、行驶方向等状态数据与将要进入的行驶场景要求的行驶速度、行驶方向等标准状态数据进行比较。如果两者差别较大，则判定需要修正行驶轨迹。如果两者差别不大，在设定的条件阈值之内，则判定不需要修正行驶轨迹。

S500，如果需要修正行驶轨迹，根据行驶场景，修正行驶轨迹。

在本实施例中，在车辆的整个行驶过程中，均可以采用自动驾驶算法进行预测。至于预测结果是否需要修正，则根据具体的行驶场景来判断。如果不需要修正行驶轨迹，则根据预测结果即预测的行驶轨迹进行行驶。如果需要修正行驶轨迹，则根据修正后的预测结果即修正后的行驶轨迹进行行驶。因此，本发明实施例可以采用通用的自动驾驶算法进行初步预测，然后根据具体的行驶场景进行后期修正，能够有效地提高预测精度。而且，预测过程仅采用通用的自动驾驶算法即可，无需针对每一种行驶场景均采用相对应的自动驾驶算法。即车辆行驶过程无需要来回切换算法，大大提高预测效率，简化预测过程。

在一些实施例中，车辆将要进入行驶场景可以包括交通路口。如图2所示，交通路口一般包括停止线、斑马线、红绿灯等。参见图3，本发明实施例提供的修正需求的判断过程可以包括：

S410，如果自动驾驶车辆接近交通路口的停止线，确定自动驾驶车辆所在车道的交通信号灯由绿灯变为红灯需要的第一时长。

在一些实施例中，如果自动驾驶车辆的当前位置到交通路口的停止线位置的距离小于设定的距离阈值，则可以认为自动驾驶车辆接近交通路口的停止线。或者，如果自动驾驶车辆摄像机当前可以拍摄到交通路口，且交通路口的清晰度满足设定的要求，则可以认为自动驾驶车辆接近交通路的停止线。

在一些实施例中，交通路口的红绿灯一般会设定转灯的时长，例如，红灯的显示时长为30秒，绿灯的显示时长也为30秒，黄灯的显示时长为3秒。一般地，当红灯或绿灯的剩余显示时长为10秒或设定秒数之内，则红灯或绿灯可以闪烁或者显示剩余显示时长。其中，当交通信号由绿灯变为红灯时，机动车道上的机动车需要停止在停止线之前。

因此，当识别到绿灯在闪烁时，可以确定由绿灯变为红灯需要的第一时长在小于10秒或设定秒数之内。当识别到当前交通灯显示的剩余显示时长时，可以确定由绿灯变为红灯需要的第一时长为当前显示的剩余显示时长。当识别到绿灯在没有闪烁或没有显示剩余显示时长时，可以确定由绿灯变为红灯需要的第一时长大于10秒或大于设定秒数。

S420，从行驶轨迹中，确定自动驾驶车辆从当前位置到停止线所需的第二时长。

在一些实施例中，行驶轨迹可以包括由X-Y-t空间构成的轨迹点。其中，(X，Y)表示自动驾驶车辆在时刻t的坐标位置为，X表示自动驾驶车辆在平面坐标系横轴上的位置，Y表示自动驾驶车辆在平面坐标系纵轴上的位置。因此，如图2所示，可以根据自动驾驶车辆的当前位置A和停止线的位置B，分别从行驶轨迹中，确定自动驾驶车辆在当前位置A上所对应的时刻t1，自动驾驶车辆在停止线的位置B上所对应的时刻t2。此时，计算时刻t1与时刻t2之间的差值，即为第二时长。

在一些实施例中，行驶轨迹可以包括由X-Y-v空间构成的轨迹点。其中，v表示自动驾驶车辆在坐标位置(X，Y)上的行驶速度为v，X表示自动驾驶车辆在平面坐标系横轴上的位置，Y表示自动驾驶车辆在平面坐标系纵轴上的位置。因此，根据行驶轨迹可以确定自动驾驶车辆在各行驶位置上的行驶速度。根据速度变化以及位置变化对时间进行累计，可以获得第二时长。或者，从当前位置到停止线的位置，对位置与速度之间的比值进行积分，可以获得第二时长。

S430，如果第一时长小于第二时长，确定需要修正行驶轨迹。

在本实施例中，如果第一时长小于第二时长，意味着，如果自动驾驶车辆按照当前的行驶轨迹进行行驶，则在绿灯转为红灯的时刻，自动驾驶车辆还未到达停止线。在这种情况，当绿灯转为红灯时，自动驾驶车辆会进行紧急刹车，存在较大的安全隐患。但是，如果在绿灯转为红灯之前，确定了第一时长小于第二时长的时候，自动驾驶车辆提前修正行驶轨迹，使其可以减速停止到停止线之前，可以有效地提高安全性能。

此外，如果第一时长大于第二时长，意味着，如果自动驾驶车辆按照当前的行驶轨迹进行行驶，则在绿灯转为红灯的时刻，自动驾驶车辆已超过停止线。在这种情况，行驶轨迹无需进行调整，车辆按照先前预测到的行驶轨迹继续行驶即可。

在一些实施例中，如果车辆将要进入行驶场景包括交通路口，并确定需要修正驶轨迹的时候，则上述步骤S500中的行驶轨迹的修正过程，可以包括：根据第一时长，修正自动驾驶车辆从当前位置到停止线的轨迹。其中，第一时长为自动驾驶车辆所在车道的交通信号灯由绿灯变为红灯需要的时长。

具体地，如果自动驾驶车辆前面没有障碍车，则将自动驾驶车辆从当前位置到停止线的轨迹所需要的时长调整为第一时长，且当自动驾驶车辆到达停止线的位置的速度为零。依据这样的条件，确定自动驾驶车辆从当前位置到停止线的轨迹点(X，Y，t)或(X，Y，v)。

在一些实施例中，自动驾驶车辆将要进入的行驶场景可以包括限速路。其中，限速路可以包括限最高行驶速度和限最近行驶速度的道路。因此，如果自动驾驶车辆将要进入限速度，参见图4，上述步骤S400的行驶轨迹的修正需求判断过程，可以包括步骤S440至步骤S460，如下：

S440，从行驶轨迹中，确定自动驾驶车辆在与限速路相对应的路段的行驶速度。

接前例，行驶轨迹可以包括由X-Y-v空间构成的轨迹点。因此，从行驶轨迹上的坐标位置，可以确定预测的行驶轨迹是否包括了进入到限速路的路段。如果包括了限速路的路段，则可以从X-Y-v空间中，确定车辆在此路段的每一个位置的行驶速度。

S450，判断行驶速度是否与限速路限定的速度相符。

在一些实施例中，如果车辆在限速度的路段上的每一个位置的行驶速度都落在限速路限定的速度范围之内，则可以认为行驶速度与限速路限定的速度相符。如果车辆在限速度的路段上的某一段路程上的行驶速度超出了限速度路限定的速度范围之内，则可以认为行驶速度与限速路限定的速度不相符。

S460，如果行驶速度与限速路限定的速度不相符，确定需要修正行驶轨迹。

参见图5，其中，路段A为预测的行驶轨迹，行轨轨迹A中的路段B为限速路。假设限速为最高速度不超过60km/h，如果路段B中存在路段C的行驶速度已超过了60km/h，例如，行驶的平均速度为70km/h。此时，需要调整路段C、以及路段C之后的部分或全部行驶轨迹。

在一些实施例中，如果车辆将要进入的行驶场景包括限速路，并确定需要修正轨迹的时候，则上述步骤S500的行驶轨迹的修正过程，可以包括：根据限速路限定的速度，修正自动驾驶车辆在限速路以及限速路之后的路段的行驶轨迹。更为具体地，可以修正自动驾驶车辆在限速路中与限速路限定的速度不相符的路段以及此路段之后的其他路段的行驶轨迹。其中，调整行驶轨迹使自动驾驶车辆在限速路的行驶速度满足限速路的要求，随之自动驾驶车辆在限速路的轨迹点(X，Y，t)或(X，Y，v)发生时间或速度的变化。

参见图6，本发明实施例提供一种预测车辆轨迹的装置，包括：

状态数据获取模块100，用于获取自动驾驶车辆的状态数据；

行驶轨迹预测模块200，用于利用设定的自动驾驶算法，根据所述状态数据，预测所述自动驾驶车辆当前的行驶轨迹；

行驶场景识别模块300，用于识别所述自动驾驶车辆将要进入的行驶场景；

轨迹修正判断模块400，用于根据所述行驶场景，判断是否需要修正所述行驶轨迹；以及

行驶轨迹修正模块500，用于如果需要修正所述行驶轨迹，根据所述行驶场景，修正所述行驶轨迹。

在一种实施方式中，所述状态数据包括以下至少一者：所述自动驾驶车辆在当前时刻的行驶状态、所述自动驾驶车辆的历史行驶状态、所述自动驾驶车辆在当前时刻与地图元素的关系、所述自动驾驶车辆在当前时刻与其他障碍物的关系。

在一种实施方式中，所述行驶场景包括交通路口，以及所述轨迹修正判断模块400包括：

第一时长确定单元，用于如果所述自动驾驶车辆接近所述交通路口的停止线，确定所述自动驾驶车辆所在车道的交通信号灯由绿灯变为红灯需要的第一时长；

第二时长确定单元，用于从所述行驶轨迹中，确定所述自动驾驶车辆从当前位置到所述停止线所需的第二时长；

确定修正单元，用于如果所述第一时长小于所述第二时长，确定需要修正所述行驶轨迹。

在一种实施方式中，所述行驶轨迹修正模块500包括：

第一轨迹修正单元，用于根据所述第一时长，修正所述自动驾驶车辆从当前位置到所述停止线的轨迹。

在一种实施方式中，所述行驶场景包括限速路，以及所述轨迹修正判断模块400包括：

行驶速度确定单元，用于从所述行驶轨迹中，确定所述自动驾驶车辆在与所述限速路相对应的路段的行驶速度；

速度判断单元，用于判断所述行驶速度是否与所述限速路限定的速度相符；以及

确定修正单元，用于如果所述行驶速度与所述限速路限定的速度不相符，确定需要修正所述行驶轨迹。

在一种实施方式中，所述行驶轨迹修正模块500包括：

第二轨迹修正单元，用于根据所述限速路限定的速度，修正所述自动驾驶车辆在所述限速路以及接近所述限速路的路段的行驶轨迹。

所述装置的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，预测车辆轨迹的结构中包括处理器和存储器，所述存储器用于预测车辆轨迹的装置执行上述第一方面中预测车辆轨迹的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述预测车辆轨迹的装置还可以包括通信接口，用于预测车辆轨迹的装置与其他设备或通信网络通信。

本发明实施例还提供一种预测车辆轨迹的终端设备，如图7所示，该设备包括：存储器21和处理器22，存储器21内存储有可在处理器22上的计算机程序。处理器22执行计算机程序时实现上述实施例中的预测车辆轨迹的方法。存储器21和处理器22的数量可以为一个或多个。

该设备还包括：

通信接口23，用于处理器22与外部设备之间的通信。

存储器21可能包括高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

如果存储器21、处理器22和通信接口23独立实现，则存储器21、处理器22和通信接口23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，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard 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7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21、处理器22及通信接口23集成在一块芯片上，则存储器21、处理器22及通信接口23可以通过内部接口完成相互间的通信。

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、材料或者特点包括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”可以是任何可以包括、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。

本发明实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(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，计算机可读存储介质甚至可以是可在其上打印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程序，然后将其存储在计算机存储器中。

在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于指令执行系统、输入法或者器件使用或者与其结合使用的程序。计算机可读介质上包括的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。

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的程序，该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。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。存储介质可以是只读存储器，磁盘或光盘等。

以上，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权利要求的保护范围为准。

Claims (14)

1.一种预测车辆轨迹的方法，其特征在于，包括：

获取自动驾驶车辆的状态数据；

利用设定的自动驾驶算法，根据所述状态数据，预测所述自动驾驶车辆当前的行驶轨迹；

识别所述自动驾驶车辆将要进入的行驶场景；

根据所述行驶场景，判断是否需要修正所述行驶轨迹；以及

如果需要修正所述行驶轨迹，根据所述行驶场景，修正所述行驶轨迹。

2.如权利要求1所述的方法，其特征在于，所述状态数据包括以下至少一者：所述自动驾驶车辆在当前时刻的行驶状态、所述自动驾驶车辆的历史行驶状态、所述自动驾驶车辆在当前时刻与地图元素的关系、所述自动驾驶车辆在当前时刻与其他障碍物的关系。

3.如权利要求1所述的方法，其特征在于，所述行驶场景包括交通路口，以及根据所述行驶场景，判断是否需要修正所述行驶轨迹，包括：

如果所述自动驾驶车辆接近所述交通路口的停止线，确定所述自动驾驶车辆所在车道的交通信号灯由绿灯变为红灯需要的第一时长；

从所述行驶轨迹中，确定所述自动驾驶车辆从当前位置到所述停止线所需的第二时长；

如果所述第一时长小于所述第二时长，确定需要修正所述行驶轨迹。

4.如权利要求3所述的方法，其特征在于，根据所述行驶场景，修正所述行驶轨迹，包括：

根据所述第一时长，修正所述自动驾驶车辆从当前位置到所述停止线的轨迹。

5.如权利要求1所述的方法，其特征在于，所述行驶场景包括限速路，以及根据所述行驶场景，判断是否需要修正所述行驶轨迹，包括：

从所述行驶轨迹中，确定所述自动驾驶车辆在与所述限速路相对应的路段的行驶速度；

判断所述行驶速度是否与所述限速路限定的速度相符；以及

如果所述行驶速度与所述限速路限定的速度不相符，确定需要修正所述行驶轨迹。

6.如权利要求5所述的方法，其特征在于，根据所述行驶场景，修正所述行驶轨迹，包括：

根据所述限速路限定的速度，修正所述自动驾驶车辆在所述限速路以及接近所述限速路的路段的行驶轨迹。

7.一种预测车辆轨迹的装置，其特征在于，包括：

状态数据获取模块，用于获取自动驾驶车辆的状态数据；

行驶轨迹预测模块，用于利用设定的自动驾驶算法，根据所述状态数据，预测所述自动驾驶车辆当前的行驶轨迹；

行驶场景识别模块，用于识别所述自动驾驶车辆将要进入的行驶场景；

轨迹修正判断模块，用于根据所述行驶场景，判断是否需要修正所述行驶轨迹；以及

行驶轨迹修正模块，用于如果需要修正所述行驶轨迹，根据所述行驶场景，修正所述行驶轨迹。

8.如权利要求7所述的装置，其特征在于，所述状态数据包括以下至少一者：所述自动驾驶车辆在当前时刻的行驶状态、所述自动驾驶车辆的历史行驶状态、所述自动驾驶车辆在当前时刻与地图元素的关系、所述自动驾驶车辆在当前时刻与其他障碍物的关系。

9.如权利要求7所述的装置，其特征在于，所述行驶场景包括交通路口，以及所述轨迹修正判断模块包括：

第一时长确定单元，用于如果所述自动驾驶车辆接近所述交通路口的停止线，确定所述自动驾驶车辆所在车道的交通信号灯由绿灯变为红灯需要的第一时长；

第二时长确定单元，用于从所述行驶轨迹中，确定所述自动驾驶车辆从当前位置到所述停止线所需的第二时长；

确定修正单元，用于如果所述第一时长小于所述第二时长，确定需要修正所述行驶轨迹。

10.如权利要求9所述的装置，其特征在于，所述行驶轨迹修正模块包括：

第一轨迹修正单元，用于根据所述第一时长，修正所述自动驾驶车辆从当前位置到所述停止线的轨迹。

11.如权利要求7所述的装置，其特征在于，所述行驶场景包括限速路，以及所述轨迹修正判断模块包括：

行驶速度确定单元，用于从所述行驶轨迹中，确定所述自动驾驶车辆在与所述限速路相对应的路段的行驶速度；

速度判断单元，用于判断所述行驶速度是否与所述限速路限定的速度相符；以及

确定修正单元，用于如果所述行驶速度与所述限速路限定的速度不相符，确定需要修正所述行驶轨迹。

12.如权利要求11所述的装置，其特征在于，所述行驶轨迹修正模块包括：

第二轨迹修正单元，用于根据所述限速路限定的速度，修正所述自动驾驶车辆在所述限速路以及接近所述限速路的路段的行驶轨迹。

13.一种预测车辆轨迹的终端设备，其特征在于，所述终端设备包括：

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1-6中任一所述的方法。

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1-6中任一所述的方法。