CN109801508B - 路口处障碍物的运动轨迹预测方法及装置 - Google Patents
路口处障碍物的运动轨迹预测方法及装置 Download PDFInfo
- Publication number
- CN109801508B CN109801508B CN201910142037.0A CN201910142037A CN109801508B CN 109801508 B CN109801508 B CN 109801508B CN 201910142037 A CN201910142037 A CN 201910142037A CN 109801508 B CN109801508 B CN 109801508B
- Authority
- CN
- China
- Prior art keywords
- information
- obstacle
- intersection
- vehicle
- road
- 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.)
- Active
Links
Images
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18159—Traversing an intersection
-
- 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
-
- 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
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- 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
- B60W2554/4048—Field of view, e.g. obstructed view or direction of gaze
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
- G08G1/09675—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where a selection from the received information takes place in the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
Abstract
本发明实施例提出一种路口处障碍物的运动轨迹预测方法和装置,方法包括:获取车辆将要通过的道路路口处的环境信息以及车辆感知范围内的可视障碍物信息;将路口障碍物信息与可视障碍物信息融合,筛选出车辆在道路路口处的盲区障碍物信息;根据道路信息预测与盲区障碍物信息对应的障碍物的运动轨迹。装置包括:获取模块,用于获取车辆将要通过的道路路口处的环境信息以及车辆的可视障碍物信息;融合模块,用于筛选出车辆在道路路口处的盲区障碍物信息;轨迹预测模块,用于预测与盲区障碍物信息对应障碍物的运动轨迹。本发明实施例通过获取道路路口处的环境信息,弥补车辆在到达路口之前存在感知盲区的问题,提升车辆对道路路口障碍物的预测能力。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种路口处障碍物的运动轨迹预测方法及装置。
背景技术
在现有技术中,由于自动驾驶车辆是需要依赖于感知周围环境而做出行驶轨迹规划的,因此充分感知自动驾驶车辆周围的障碍物对自动驾驶车辆来说是十分重要的。然而由于自动驾驶车辆的感知范围有限,当通过例如道路路口等周围隐蔽遮挡较多的环境时,自动驾驶车辆会出现感知盲区。当自动驾驶车辆无法感知到盲区位置中的障碍物时,则不会根据盲区中的障碍物而规划自身的行驶轨迹。从而导致自动驾驶车辆通过道路路口时,无法对路口盲区中突然出现的障碍物及时作出避让,降低了车辆行驶的安全性。
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路口处障碍物的运动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路口处障碍物的运动轨迹预测方法,包括:
获取车辆将要通过的道路路口处的环境信息,以及获取所述车辆的感知范围内的可视障碍物信息,其中,所述环境信息包括路口障碍物信息和道路信息;
将所述路口障碍物信息与所述可视障碍物信息融合,筛选出所述车辆在所述道路路口处的盲区障碍物信息;
根据所述道路信息,预测与所述盲区障碍物信息对应的障碍物的运动轨迹。
在一个实施方式中,获取车辆将要通过的道路路口处的环境信息,包括:
当所述车辆行驶到距离所述道路路口达到预设距离时,接收所述道路路口处的采集设备采集的所述环境信息。
在一个实施方式中,将所述路口障碍物信息与所述可视障碍物信息融合,筛选出所述车辆在所述道路路口处的盲区障碍物信息,包括:
将所述路口障碍物信息与所述可视障碍物信息进行匹配;
判断所述路口障碍物信息和所述可视障碍物信息中是否包含相同的信息;
如果是,则将去除了所述相同的信息的所述路口障碍物信息作为所述盲区障碍物信息。
在一个实施方式中,判断所述路口障碍物信息和所述可视障碍物信息中是否包含相同的信息,包括:
基于所述路口障碍物信息,获取所述道路路口处的各第一障碍物的历史帧数据;
基于所述可视障碍物信息,获取所述车辆的感知范围内的各第二障碍物的历史帧数据;
通过预设模型将各所述第一障碍物的历史帧数据分别与各所述第二障碍物的历史帧数据进行特征匹配;
当匹配结果大于预设阈值时,则判断所述第一障碍物对应的信息和所述第二障碍物对应的信息相同。
在一个实施方式中,还包括:
判断所述路口障碍物信息中是否包括所述车辆的信息;
若包括,则将所述车辆的信息从所述路口障碍物信息中去除。
在一个实施方式中,根据所述道路信息,预测与所述盲区障碍物信息对应的障碍物的运动轨迹,包括:
基于所述盲区障碍物信息,获取各所述障碍物的历史帧数据;
根据所述道路信息中的路口环境信息以及信号灯状态信息,结合各所述障碍物的历史帧数据,预测出各所述障碍物在所述道路路口处的运动轨迹。
第二方面,本发明实施例提供了一种路口处障碍物的运动轨迹预测装置,包括:
获取模块,用于获取车辆将要通过的道路路口处的环境信息,以及获取所述车辆的感知范围内的可视障碍物信息,其中,所述环境信息包括路口障碍物信息和道路信息;
融合模块,用于将所述路口障碍物信息与所述可视障碍物信息融合,筛选出所述车辆在所述道路路口处的盲区障碍物信息;
轨迹预测模块,用于根据所述道路信息,预测与所述盲区障碍物信息对应的障碍物的运动轨迹。
在一个实施方式中,获取模块包括:
接收子模块,用于当所述车辆行驶到距离所述道路路口达到预设距离时,接收所述道路路口处的采集设备采集的所述环境信息。
在一个实施方式中,融合模块包括:
匹配子模块,用于将所述路口障碍物信息与所述可视障碍物信息进行匹配;
判断子模块,用于判断所述路口障碍物信息和所述可视障碍物信息中是否包含相同的信息;如果是,则将去除了所述相同的信息的所述路口障碍物信息作为所述盲区障碍物信息。
在一个实施方式中,判断子模块包括:
第一获取单元,用于基于所述路口障碍物信息,获取所述道路路口处的各第一障碍物的历史帧数据;
第二获取单元,用于基于所述可视障碍物信息,获取所述车辆的感知范围内的各第二障碍物的历史帧数据;
特征匹配单元,用于通过预设模型将各所述第一障碍物的历史帧数据分别与各所述第二障碍物的历史帧数据进行特征匹配;
判断单元,当匹配结果大于预设阈值时,则判断所述第一障碍物对应的信息和所述第二障碍物对应的信息相同。
在一个实施方式中,还包括:
信息去除模块,判断所述路口障碍物信息中是否包括所述车辆的信息;若包括,则将所述车辆的信息从所述路口障碍物信息中去除。
在一个实施方式中,轨迹预测模块包括:
获取子模块,用于基于所述盲区障碍物信息,获取各所述障碍物的历史帧数据;
预测子模块,用于根据所述道路信息中的路口环境信息以及信号灯状态信息,结合各所述障碍物的历史帧数据,预测出各所述障碍物在所述道路路口处的运动轨迹。
第三方面,本发明实施例提供了一种路口处障碍物的运动轨迹预测的终端,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,路口处障碍物的运动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路口处障碍物的运动轨迹预测的终端执行上述第一方面中路口处障碍物的运动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。路口处障碍物的运动轨迹预测的终端还可以包括通信接口,用于路口处障碍物的运动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,用于存储路口处障碍物的运动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路口处障碍物的运动轨迹预测方法为路口处障碍物的运动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:本发明实施例通过获取道路路口处的环境信息,弥补车辆在到达路口之前存在感知盲区的问题,提升车辆对道路路口障碍物的预测能力。
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路口处障碍物的运动轨迹预测方法的流程图。
图2为本发明实施方式提供的路口处障碍物的运动轨迹预测方法的步骤S200的具体流程图。
图3为本发明实施方式提供的路口处障碍物的运动轨迹预测方法的步骤S220的具体流程图。
图4为本发明另一实施方式提供的路口处障碍物的运动轨迹预测方法的流程图。
图5为本发明实施方式提供的路口处障碍物的运动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路口处障碍物的运动轨迹预测方法的应用场景示意图。
图7为本发明实施方式提供的路口处障碍物的运动轨迹预测装置结构示意图。
图8为本发明实施方式提供的路口处障碍物的运动轨迹预测装置结构示意图。
图9为本发明实施方式提供的路口处障碍物的运动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路口处障碍物的运动轨迹预测方法,如图1所示,包括以下步骤:
S100:获取车辆将要通过的道路路口处的环境信息,以及获取车辆的感知范围内的可视障碍物信息,其中,环境信息至少包括路口障碍物信息和道路信息。
需要说明的是,可视障碍物信息可以包括出现在车辆感知范围内的所有障碍车辆、行人和路障等物体。路口障碍物信息可以包括出现在道路路口附近的所有障碍车辆、行人和路障等物体。障碍车辆可以包括人类驾驶车辆、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。道路信息可以包括道路路口的种类、道路路口的交通规则、道路路口的曲率、道路路口的连接关系以及道路路口处的交通信号灯等信息。不同车辆的可视障碍物信息可能不同。每个车辆的可视障碍物信息与路口障碍物信息可能具有重叠的信息。
可以在车辆到达道路路口之前获取道路路口处的环境信息,例如在车辆还无法全方位的感知到道路路口处的可视障碍物信息时先获取道路路口处的环境信息。提前使得车辆获取到将要通过的道路路口处的环境信息,可以使得车辆在通过道路路口时及时避让道路路口处的障碍物,提高车辆的驾驶安全性。
车辆的感知范围可以包含车辆上的雷达、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。
S200:将路口障碍物信息与可视障碍物信息融合,筛选出车辆在道路路口处的盲区障碍物信息。
需要说明的是,在道路路口处出现的所有物体均可以是路口障碍物。路口障碍物信息中可以包括出现在道路路口处的每一个障碍物的相关信息。例如,路口障碍物信息中包含有每一个障碍物的位置、尺寸大小、历史物理状态等信息。历史物理状态信息可以包括障碍物在历史每一帧的速度、加速度、横摆角、与车道线的距离等信息。
在车辆感知范围内出现的所有物体均可以是可视障碍物。可视障碍物信息中可以包括车辆的感知范围内的每一个障碍物的相关信息。例如,可视障碍物信息中包含有每一个障碍物的位置、尺寸大小、历史物理状态等信息。历史物理状态信息可以包括障碍物在历史每一帧的速度、加速度、横摆角、与车道线的距离、与车辆的距离等信息。
盲区障碍物信息可以包括车辆在到达道路路口之前,车辆的感知范围内无法感知到的存在于道路路口中的障碍物信息。即盲区障碍物信息可以是路口障碍物信息的子集。
S300:根据道路信息,预测与盲区障碍物信息对应的障碍物的运动轨迹。通过采集的每个障碍物的相关信息以及道路信息,即可计算出每个障碍物在道路路口处未来可能会出现的运动轨迹。基于预测出的每个盲区障碍物信息对应的障碍物的运动轨迹,车辆才能够更进一步的基于这些障碍物的运动轨迹规划出自身的运动轨迹。从而使得车辆能够采用合理的行驶轨迹通过道路路口,且避让道路路口处的所有障碍物。
需要说明的是,至少为每个障碍物预测出一条行驶轨迹。具体每个障碍物需要预测的行驶轨迹数量可根据预测需求、安全驾驶级别或决策规划算法等进行自定义选择。
在一个实施方式中,获取车辆将要通过的道路路口处的环境信息,包括:
当车辆行驶到距离道路路口达到预设距离时,接收道路路口处的采集设备采集的环境信息。
需要说明的是,预设距离可以根据车辆的预测需求、安全驾驶级别或决策规划算法等进行自定义选择,且预设距离小于等于采集设备的信息发送范围。采集设备可以采用雷达、传感器以及摄像头等任何能够采集到道路路口处全方位的环境信息的采集设备。例如,采集设备可以采用V2X(vehicle to X)设备。X表示任何事物,例如,车、人、道路、后台等。V2X设备具有突破视觉死角和跨越遮挡物的信息获取能力,同时可以和其他车辆及设施进行智能信息的交换共享。
在一个应用示例中,预设距离为一百米。采集设备为V2X设备,且安装在道路路口处的红路灯上,从而能够全方位的采集道路路口处的所有环境信息。当车辆行驶到距离道路路口一百米处,开始接收V2X设备实时发送的道路路口处的环境信息。其中,V2X设备是在不停的采集道路路口处的环境信息,以及不停的向外界发送环境信息。而车辆在行驶到预设距离之前是不接收V2X设备向外界发送的环境信息的。只有在行驶到预设距离时,车辆才开始接收V2X设备向外界发送的环境信息。
在一个实施方式中,如图2所示,将路口障碍物信息与可视障碍物信息融合,筛选出车辆在道路路口处的盲区障碍物信息,包括:
S210:将路口障碍物信息与可视障碍物信息进行匹配。
S220:判断路口障碍物信息和可视障碍物信息中是否包含相同的信息。
需要说明的是,路口障碍物信息中包含了在道路路口采集到的各个障碍物的相关信息。可视障碍物信息中包含了车辆感知范围内的各个障碍物的相关信息。根据路口处的采集设备的性能不同,当路口处的采集设备的采集范围较大时,则可能会与车辆的感知范围产生重合。而处于车辆的感知范围内的障碍物说明是车辆能够通过传感器等感知到的,即在车辆进行自身的决策规划时会对周围障碍物的行驶轨迹进行参考。所以为了降低车辆的计算成本,减少车辆的重复计算,因此需要判断路口障碍物信息中是否包含与可视障碍物信息相同的信息。
S230:如果是,则将去除了相同的信息的路口障碍物信息作为盲区障碍物信息。
在一个实施方式中,在执行步骤S210之前,还可以通过粗筛选的方式,快速的从路口障碍物信息中去掉一些能够直接确定出不是相同障碍物的信息。具体的:
获取路口障碍物信息中各障碍物在高精地图中的位置。
获取可视障碍物信息中各障碍物在高精地图中的位置。
若路口障碍物信息中的某一障碍物与可视障碍物信息中的某一障碍物位于同一区域但位置相差较远,则认为与障碍物对应的信息为不同信息。若路口障碍物信息中的某一障碍物与可视障碍物信息中的某一障碍物位于同一区域且位置距离较近,则认为与障碍物对应的信息可能为相同信息。并执行上述步骤S210和S220。
需要说明的是,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。
在一个实施方式中,如图3所示,判断路口障碍物信息和可视障碍物信息中是否包含相同的信息,包括:
S221:基于路口障碍物信息,获取道路路口处的各第一障碍物的历史帧数据。历史帧行驶数据可以包括各第一障碍物的速度、加速度、位置、尺寸大小、横摆角、与车道线距离等任何表征第一障碍物的信息。
S222:基于可视障碍物信息,获取车辆的感知范围内的各第二障碍物的历史帧数据。历史帧行驶数据可以包括各第二障碍物的速度、加速度、位置、尺寸大小、横摆角、与车道线距离和与车辆间的距离等任何表征第二障碍物的信息。
S223:通过预设模型将各第一障碍物的历史帧数据分别与各第二障碍物的历史帧数据进行特征匹配。预设模型可以采用现有技术中的任意模型,只要能够完成第一障碍物的历史帧数据和第二障碍物的历史帧数据的特征匹配即可。
例如,预设模型可以采用logistic(逻辑)回归模型。logistic回归模型是一种广义的线性回归分析模型。通过logistic回归模型的logistic回归分析,可以得到第一障碍物的历史帧数据和第二障碍物的历史帧数据的特征匹配度。
S224:当匹配结果大于预设阈值时,则判断第一障碍物对应的信息和第二障碍物对应的信息相同。
在一个实施方式中,如图4所示,在执行步骤S100之后还包括步骤:
S400:判断路口障碍物信息中是否包括车辆的信息。
S500:若包括,则将车辆的信息从路口障碍物信息中去除。
道路路口的采集设备在进行环境信息采集时,是对路口处进行无差别的采集。因此,如果本车进入了道路路口的采集设备的采集范围中,则也会被作为采集对象进行无差别采集。由于车辆自身的感知范围在对周围障碍物进行感知时不会将自身作为障碍物。因此,为了避免车辆将路口障碍物信息中与本车对应的信息也作为障碍物进行计算,优选的将路口障碍物信息中包括的车辆的信息提前去除后,再执行步骤S200。
在一个实施方式中,如图5所示,根据道路信息,预测与盲区障碍物信息对应的障碍物的运动轨迹,包括:
S310:基于盲区障碍物信息,获取各障碍物的历史帧数据。历史帧行驶数据可以包括各障碍物的速度、加速度、位置、尺寸大小、横摆角、与车道线距离等多种表征障碍物的信息。
S320:根据道路信息中的路口环境信息以及信号灯状态信息,结合各障碍物的历史帧数据,预测出各障碍物在道路路口处的运动轨迹。
通过路口环境信息可以得知路口的类型、交通规则等信息。例如,当路口类型为十字路口时,则位于某一路口处的障碍物的运动轨迹可以是分别向其他三个路口的。若知道该路口处的交通规则,例如路口处的交通规则为禁止左转弯,则可以将障碍物的运动轨迹的运动方向缩小至两个路口。进一步的,在此基础上通过获取道路路口处信号灯(如红绿灯)的状态信息,则可以更进一步的对障碍物的行驶轨迹进行准确预测。例如,当本车通过十字路口中的其中一个路口时,与该路口垂直的另一个路口的信号灯为红灯,则此时盲区障碍物信息中位于另一路口中的各障碍物是无法通过的,因此不会对本车的行驶轨迹造成影响,进而在预测盲区障碍物信息中各障碍物的行驶轨迹时,可以将这些障碍物的历史帧数据作为次要预测数据或不作为预测数据。
在一个应用示例中,如图6所示,该道路路口为十字路口,该十字路口具有路口a、b、c、d。主车A即将通过路口a。在十字路口的中间设置有一个信号灯B,信号灯B分别具有朝向四个路口a、b、c、d的红绿灯。在信号灯B的顶部设置有V2X设备D,V2X设备D能够获取该信号灯B的各红绿灯状态。
当主车A行驶到距离路口a一百米时,主车A接收V2X设备D发送的道路路口处的环境信息。环境信息的路口障碍物信息中包括八个车辆的信息。具体为,位于路口a的道路中的主车A、障碍车E、障碍车F和障碍车G,位于路口b的道路中的障碍车H,位于路口c的道路中的障碍车I和障碍车J,位于路口d的道路中的障碍车K。同时,主车A的感知范围内的可视障碍物信息包括障碍车E、障碍车F和障碍车G的信息。
根据接收的路口障碍物信息,主车A判断出路口障碍物信息中包括的自身的车辆信息,因此将路口障碍物信息中的主车A的信息去除。然后将路口障碍物信息与可视障碍物信息进行融合。基于各障碍车的历史帧数据,通过预设模型判断出障碍车E、障碍车F和障碍车G的信息为路口障碍物信息和可视障碍物信息的相同信息,因此将障碍车E、障碍车F和障碍车G的信息从路口障碍物信息中去除。并将只包含有障碍车H、障碍车I、障碍车J和障碍车K信息的路口障碍物信息作为主车A的盲区障碍物信息。
根据道路信息可知,该十字路口禁止左转,因此障碍车H的可行驶路口为路口a和路口d。障碍车I和障碍车J的可行驶路口为路口b和路口a。障碍车K的可行驶路口为路口b和路口c。进一步的,根据十字路口处的信号灯B朝向各路口的红绿灯状态信息可知,当主车A直行通过路口a并行驶至路口c的过程中,路口b和路口d的红绿灯为红灯。因此,当主车A通过路口a时,预测出路口b中的障碍车H可能向路口a右转行驶或原地停车。预测出路口d中的障碍车K可能向路口c右转行驶或原地停车。预测出路口c中的障碍车I和障碍车J可能向路口a直线行驶或向路口b右转。
然后根据障碍车H、障碍车I、障碍车J和障碍车K的历史帧行驶数据,预测出障碍车H、障碍车I、障碍车J和障碍车K的具体运动轨迹。根据预测出的障碍车H、障碍车I、障碍车J和障碍车K的运动轨迹,主车A进行自身的行驶轨迹决策规划。
本发明实施例提供了一种路口处障碍物的运动轨迹预测装置,如图7所示,包括:
获取模块10,用于获取车辆将要通过的道路路口处的环境信息,以及获取车辆的感知范围内的可视障碍物信息,其中,环境信息包括路口障碍物信息和道路信息。
融合模块20,用于将路口障碍物信息与可视障碍物信息融合,筛选出车辆在道路路口处的盲区障碍物信息。
轨迹预测模块30,用于根据道路信息,预测与盲区障碍物信息对应的障碍物的运动轨迹。
在一个实施方式中,获取模块包括:
接收子模块,用于当车辆行驶到距离道路路口达到预设距离时,接收道路路口处的采集设备采集的环境信息。
在一个实施方式中,融合模块包括:
匹配子模块,用于将路口障碍物信息与可视障碍物信息进行匹配。
判断子模块,用于判断路口障碍物信息和可视障碍物信息中是否包含相同的信息。如果是,则将去除了相同的信息的路口障碍物信息作为盲区障碍物信息。
在一个实施方式中,判断子模块包括:
第一获取单元,用于基于路口障碍物信息,获取道路路口处的各第一障碍物的历史帧数据。
第二获取单元,用于基于可视障碍物信息,获取车辆的感知范围内的各第二障碍物的历史帧数据。
特征匹配单元,用于通过预设模型将各第一障碍物的历史帧数据分别与各第二障碍物的历史帧数据进行特征匹配。
判断单元,当匹配结果大于预设阈值时,则判断第一障碍物对应的信息和第二障碍物对应的信息相同。
在一个实施方式中,如图8所示,路口处障碍物的运动轨迹预测装置还包括:
信息去除模块40,判断路口障碍物信息中是否包括车辆的信息。若包括,则将车辆的信息从路口障碍物信息中去除。
在一个实施方式中,轨迹预测模块包括:
获取子模块,用于基于盲区障碍物信息,获取各障碍物的历史帧数据。
预测子模块,用于根据道路信息中的路口环境信息以及信号灯状态信息,结合各障碍物的历史帧数据,预测出各障碍物在道路路口处的运动轨迹。
本发明实施例提供了一种路口处障碍物的运动轨迹预测的终端,如图9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路口处障碍物的运动轨迹预测方法。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9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路口处障碍物的运动轨迹预测方法。
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)
1.一种路口处障碍物的运动轨迹预测方法,其特征在于,包括:
获取车辆将要通过的道路路口处的环境信息,以及获取所述车辆的感知范围内的可视障碍物信息,其中,所述环境信息包括由所述道路路口处的采集设备采集的路口障碍物信息和道路信息;
将由所述道路路口处的采集设备采集的所述路口障碍物信息与所述车辆的感知范围内的可视障碍物信息融合,筛选出所述车辆在所述道路路口处的盲区障碍物信息;
根据所述道路信息,预测与所述盲区障碍物信息对应的障碍物的运动轨迹。
2.如权利要求1所述的方法,其特征在于,获取车辆将要通过的道路路口处的环境信息,包括:
当所述车辆行驶到距离所述道路路口达到预设距离时,接收所述道路路口处的采集设备采集的所述环境信息。
3.如权利要求1所述的方法,其特征在于,将所述路口障碍物信息与所述可视障碍物信息融合,筛选出所述车辆在所述道路路口处的盲区障碍物信息,包括:
将所述路口障碍物信息与所述可视障碍物信息进行匹配;
判断所述路口障碍物信息和所述可视障碍物信息中是否包含相同的信息;
如果是,则将去除了所述相同的信息的所述路口障碍物信息作为所述盲区障碍物信息。
4.如权利要求3所述的方法,其特征在于,判断所述路口障碍物信息和所述可视障碍物信息中是否包含相同的信息,包括:
基于所述路口障碍物信息,获取所述道路路口处的各第一障碍物的历史帧数据;
基于所述可视障碍物信息,获取所述车辆的感知范围内的各第二障碍物的历史帧数据;
通过预设模型将各所述第一障碍物的历史帧数据分别与各所述第二障碍物的历史帧数据进行特征匹配;
当匹配结果大于预设阈值时,则判断所述第一障碍物对应的信息和所述第二障碍物对应的信息相同。
5.如权利要求1所述的方法,其特征在于,还包括:
判断所述路口障碍物信息中是否包括所述车辆的信息;
若包括,则将所述车辆的信息从所述路口障碍物信息中去除。
6.如权利要求1所述的方法,其特征在于,根据所述道路信息,预测与所述盲区障碍物信息对应的障碍物的运动轨迹,包括:
基于所述盲区障碍物信息,获取各所述障碍物的历史帧数据;
根据所述道路信息中的路口环境信息以及信号灯状态信息,结合各所述障碍物的历史帧数据,预测出各所述障碍物在所述道路路口处的运动轨迹。
7.一种路口处障碍物的运动轨迹预测装置,其特征在于,包括:
获取模块,用于获取车辆将要通过的道路路口处的环境信息,以及获取所述车辆的感知范围内的可视障碍物信息,其中,所述环境信息包括由所述道路路口处的采集设备采集的路口障碍物信息和道路信息;
融合模块,用于将由所述道路路口处的采集设备采集的所述路口障碍物信息与所述车辆的感知范围内的可视障碍物信息融合,筛选出所述车辆在所述道路路口处的盲区障碍物信息;
轨迹预测模块,用于根据所述道路信息,预测与所述盲区障碍物信息对应的障碍物的运动轨迹。
8.如权利要求7所述的装置,其特征在于,获取模块包括:
接收子模块,用于当所述车辆行驶到距离所述道路路口达到预设距离时,接收所述道路路口处的采集设备采集的所述环境信息。
9.如权利要求7所述的装置,其特征在于,融合模块包括:
匹配子模块,用于将所述路口障碍物信息与所述可视障碍物信息进行匹配;
判断子模块,用于判断所述路口障碍物信息和所述可视障碍物信息中是否包含相同的信息;如果是,则将去除了所述相同的信息的所述路口障碍物信息作为所述盲区障碍物信息。
10.如权利要求9所述的装置,其特征在于,判断子模块包括:
第一获取单元,用于基于所述路口障碍物信息,获取所述道路路口处的各第一障碍物的历史帧数据;
第二获取单元,用于基于所述可视障碍物信息,获取所述车辆的感知范围内的各第二障碍物的历史帧数据;
特征匹配单元,用于通过预设模型将各所述第一障碍物的历史帧数据分别与各所述第二障碍物的历史帧数据进行特征匹配;
判断单元,当匹配结果大于预设阈值时,则判断所述第一障碍物对应的信息和所述第二障碍物对应的信息相同。
11.如权利要求7所述的装置,其特征在于,还包括:
信息去除模块,判断所述路口障碍物信息中是否包括所述车辆的信息;若包括,则将所述车辆的信息从所述路口障碍物信息中去除。
12.如权利要求7所述的装置,其特征在于,轨迹预测模块包括:
获取子模块,用于基于所述盲区障碍物信息,获取各所述障碍物的历史帧数据;
预测子模块,用于根据所述道路信息中的路口环境信息以及信号灯状态信息,结合各所述障碍物的历史帧数据,预测出各所述障碍物在所述道路路口处的运动轨迹。
13.一种路口处障碍物的运动轨迹预测终端,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。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910142037.0A CN109801508B (zh) | 2019-02-26 | 2019-02-26 | 路口处障碍物的运动轨迹预测方法及装置 |
US16/791,731 US20200269874A1 (en) | 2019-02-26 | 2020-02-14 | Track prediction method and device for obstacle at junction |
JP2020028699A JP7050100B2 (ja) | 2019-02-26 | 2020-02-21 | 交差点障害物の運動軌跡の予測方法、装置、端末、記憶媒体、及びプログラム |
EP20158705.2A EP3703033A1 (en) | 2019-02-26 | 2020-02-21 | Track prediction method and device for obstacle at junction |
KR1020200022270A KR102347036B1 (ko) | 2019-02-26 | 2020-02-24 | 길목 위치 장애물의 운동 궤적 예측 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910142037.0A CN109801508B (zh) | 2019-02-26 | 2019-02-26 | 路口处障碍物的运动轨迹预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109801508A CN109801508A (zh) | 2019-05-24 |
CN109801508B true CN109801508B (zh) | 2021-06-04 |
Family
ID=66561401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910142037.0A Active CN109801508B (zh) | 2019-02-26 | 2019-02-26 | 路口处障碍物的运动轨迹预测方法及装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200269874A1 (zh) |
EP (1) | EP3703033A1 (zh) |
JP (1) | JP7050100B2 (zh) |
KR (1) | KR102347036B1 (zh) |
CN (1) | CN109801508B (zh) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7031005B2 (ja) * | 2018-09-17 | 2022-03-07 | 日産自動車株式会社 | 車両挙動予測方法及び車両挙動予測装置 |
CN110316186A (zh) * | 2019-07-01 | 2019-10-11 | 百度在线网络技术(北京)有限公司 | 车辆防碰撞预判方法、装置、设备及可读存储介质 |
CN112185170B (zh) * | 2019-07-05 | 2023-02-28 | 浙江宇视科技有限公司 | 交通安全提示方法及道路监控设备 |
US20210027629A1 (en) * | 2019-07-25 | 2021-01-28 | Baidu Usa Llc | Blind area processing for autonomous driving vehicles |
CN110430401B (zh) * | 2019-08-12 | 2021-06-01 | 腾讯科技(深圳)有限公司 | 车辆盲区预警方法、预警装置、mec平台和存储介质 |
CN110427034B (zh) * | 2019-08-13 | 2022-09-02 | 浙江吉利汽车研究院有限公司 | 一种基于车路协同的目标追踪系统及方法 |
WO2021087785A1 (zh) * | 2019-11-05 | 2021-05-14 | 深圳市大疆创新科技有限公司 | 地形检测方法、可移动平台、控制设备、系统及存储介质 |
CN112784628B (zh) * | 2019-11-06 | 2024-03-19 | 北京地平线机器人技术研发有限公司 | 轨迹预测方法、用于轨迹预测的神经网络训练方法及装置 |
CN113261035B (zh) * | 2019-12-30 | 2022-09-16 | 华为技术有限公司 | 一种轨迹预测方法及相关设备 |
CN113064415A (zh) * | 2019-12-31 | 2021-07-02 | 华为技术有限公司 | 轨迹规划的方法、装置、控制器和智能车 |
CN111380555A (zh) * | 2020-02-28 | 2020-07-07 | 北京京东乾石科技有限公司 | 车辆行为预测方法及装置、电子设备、存储介质 |
US20210284195A1 (en) * | 2020-03-13 | 2021-09-16 | Baidu Usa Llc | Obstacle prediction system for autonomous driving vehicles |
CN111422204B (zh) * | 2020-03-24 | 2022-03-04 | 北京京东乾石科技有限公司 | 自动驾驶车辆通行判定方法及相关设备 |
CN111681430B (zh) * | 2020-04-30 | 2022-03-29 | 安徽科力信息产业有限责任公司 | 实时预测未来机动车到达信号灯路口停止线台数的方法 |
CN111806433B (zh) * | 2020-06-09 | 2022-07-12 | 宁波吉利汽车研究开发有限公司 | 一种自动驾驶车辆避障方法、装置及设备 |
CN113808409B (zh) * | 2020-06-17 | 2023-02-10 | 华为技术有限公司 | 一种道路安全监控的方法、系统和计算机设备 |
CN111942407B (zh) * | 2020-07-31 | 2022-09-23 | 商汤集团有限公司 | 轨迹预测方法、装置、设备及存储介质 |
CN112158197B (zh) * | 2020-08-21 | 2021-08-27 | 恒大新能源汽车投资控股集团有限公司 | 一种车辆盲区障碍物规避方法、装置及系统 |
CN112141100B (zh) * | 2020-09-10 | 2021-09-21 | 恒大新能源汽车投资控股集团有限公司 | 车辆控制方法、装置及车辆 |
CN112512885B (zh) * | 2020-10-12 | 2022-10-25 | 华为技术有限公司 | 一种辅助驾驶方法、装置和汽车 |
CN112277952B (zh) * | 2020-11-05 | 2021-07-23 | 吉林大学 | 一种结构化道路下关键障碍物筛选方法 |
CN112418092B (zh) * | 2020-11-23 | 2022-09-23 | 中国第一汽车股份有限公司 | 一种障碍物感知的融合方法、装置、设备及储存介质 |
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 |
CN113071520B (zh) * | 2021-04-16 | 2024-01-16 | 阿波罗智联(北京)科技有限公司 | 车辆行驶控制方法及装置 |
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 |
CN113283647B (zh) * | 2021-05-19 | 2023-04-07 | 广州文远知行科技有限公司 | 一种障碍物轨迹预测的方法、装置及自动驾驶车辆 |
CN113281760A (zh) * | 2021-05-21 | 2021-08-20 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法、装置、电子设备、车辆和存储介质 |
CN113793520B (zh) * | 2021-09-15 | 2023-09-01 | 苏州挚途科技有限公司 | 车辆轨迹预测方法、装置及电子设备 |
CN114049779B (zh) * | 2021-11-01 | 2022-09-20 | 嘉兴学院 | 一种交通信号全感应实时控制方法 |
CN113968235B (zh) * | 2021-11-30 | 2023-03-28 | 广州文远知行科技有限公司 | 一种障碍物的区域层级确定方法、装置、设备和介质 |
CN114170797B (zh) * | 2021-12-02 | 2023-01-24 | 北京百度网讯科技有限公司 | 交通限制路口的识别方法、装置、设备、介质及产品 |
CN114475651A (zh) * | 2021-12-11 | 2022-05-13 | 中智行(苏州)科技有限公司 | 基于车路协同的盲区障碍物紧急避让方法和装置 |
CN114332818B (zh) * | 2021-12-28 | 2024-04-09 | 阿波罗智联(北京)科技有限公司 | 障碍物的检测方法、装置和电子设备 |
CN115240411B (zh) * | 2022-06-29 | 2023-05-09 | 合肥工业大学 | 一种城市道路交叉口右转冲突警示线测画方法 |
CN115113205B (zh) * | 2022-07-07 | 2023-10-20 | 南京慧尔视智能科技有限公司 | 一种道路的全息画像方法、装置、电子设备和存储介质 |
CN115376344A (zh) * | 2022-07-20 | 2022-11-22 | 安徽电信规划设计有限责任公司 | 一种基于无线5g技术的智能驾驶控制方法及系统 |
CN115900638B (zh) * | 2023-01-19 | 2023-05-23 | 禾多科技(北京)有限公司 | 障碍物航向角信息生成方法、装置、电子设备和可读介质 |
CN115892076B (zh) * | 2023-02-23 | 2023-05-23 | 福思(杭州)智能科技有限公司 | 车道障碍物筛选方法、装置和域控制器 |
CN116176607B (zh) * | 2023-04-27 | 2023-08-29 | 南京芯驰半导体科技有限公司 | 驾驶方法、驾驶设备、电子设备及存储介质 |
CN117227714A (zh) * | 2023-11-15 | 2023-12-15 | 成都西谌科技有限公司 | 一种自动驾驶车辆转弯避让控制方法及系统 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4604683B2 (ja) * | 2004-11-25 | 2011-01-05 | 日産自動車株式会社 | 危険状況警報装置 |
JP5053776B2 (ja) * | 2007-09-14 | 2012-10-17 | 株式会社デンソー | 車両用視界支援システム、車載装置、及び、情報配信装置 |
US9451886B2 (en) * | 2009-04-22 | 2016-09-27 | Rodrigo E. Teixeira | Probabilistic parameter estimation using fused data apparatus and method of use thereof |
JP5348111B2 (ja) | 2010-11-12 | 2013-11-20 | 株式会社デンソー | 通信システム、および車載通信装置 |
CN104517275A (zh) | 2013-09-27 | 2015-04-15 | 株式会社理光 | 对象检测方法和系统 |
US9315192B1 (en) * | 2013-09-30 | 2016-04-19 | Google Inc. | Methods and systems for pedestrian avoidance using LIDAR |
KR20150061752A (ko) | 2013-11-28 | 2015-06-05 | 현대모비스 주식회사 | 차량 운행 보조 장치 및 그 장치에 의한 차량 운행 보조 기능의 자동 활성화 방법 |
JP6028766B2 (ja) * | 2014-05-20 | 2016-11-16 | 株式会社デンソー | 運転支援表示装置 |
US9534910B2 (en) * | 2014-12-09 | 2017-01-03 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to yield scenarios |
KR20160075135A (ko) * | 2014-12-19 | 2016-06-29 | 현대모비스 주식회사 | 자동차 물체인식 시스템 및 그 동작방법 |
US9604641B2 (en) * | 2015-06-16 | 2017-03-28 | Honda Motor Co., Ltd. | System and method for providing vehicle collision avoidance at an intersection |
EP3352154A4 (en) * | 2015-09-18 | 2019-08-07 | Sony Corporation | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, AND PROGRAM |
CN105882651B (zh) * | 2015-11-09 | 2018-12-14 | 恒大法拉第未来智能汽车(广东)有限公司 | 自动泊车系统 |
US10486707B2 (en) * | 2016-01-06 | 2019-11-26 | GM Global Technology Operations LLC | Prediction of driver intent at intersection |
JP6214702B2 (ja) | 2016-03-22 | 2017-10-18 | 三菱電機株式会社 | 移動体認識システム |
US20170305335A1 (en) * | 2016-04-22 | 2017-10-26 | Delphi Technologies, Inc. | Indent-Indication System For An Automated Vehicle |
DE102016209330B4 (de) * | 2016-05-30 | 2023-02-23 | Volkswagen Aktiengesellschaft | Verfahren zum Durchführen eines kooperativen Fahrmanövers |
JP6727980B2 (ja) | 2016-08-08 | 2020-07-22 | 株式会社東芝 | 通信装置および通信方法 |
JP6916609B2 (ja) | 2016-11-21 | 2021-08-11 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 交差点情報配信装置及び交差点情報配信方法 |
CA3052951C (en) * | 2017-02-10 | 2023-03-14 | Nissan North America, Inc. | Autonomous vehicle operational management |
JP7128625B2 (ja) | 2017-05-18 | 2022-08-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 車両システム、車両情報処理方法、プログラム、交通システム、インフラシステムおよびインフラ情報処理方法 |
US10497265B2 (en) * | 2017-05-18 | 2019-12-03 | Panasonic Intellectual Property Corporation Of America | Vehicle system, method of processing vehicle information, recording medium storing a program, traffic system, infrastructure system, and method of processing infrastructure information |
WO2018232681A1 (en) * | 2017-06-22 | 2018-12-27 | Baidu.Com Times Technology (Beijing) Co., Ltd. | TRAFFIC PREDICTION BASED ON CARD IMAGES FOR AUTONOMOUS DRIVING |
CN107346611B (zh) * | 2017-07-20 | 2021-03-23 | 北京纵目安驰智能科技有限公司 | 一种自主驾驶的车辆的避障方法以及避障系统 |
US11481713B2 (en) * | 2017-11-20 | 2022-10-25 | Speedgauge, Inc. | Driver history via vehicle data acquisition and analysis |
US11061399B2 (en) * | 2018-01-03 | 2021-07-13 | Samsung Electronics Co., Ltd. | System and method for providing information indicative of autonomous availability |
US11107347B2 (en) * | 2018-04-27 | 2021-08-31 | Cubic Corporation | Adaptively controlling traffic movements for driver safety |
CN108848462B (zh) * | 2018-06-19 | 2020-11-13 | 连云港杰瑞电子有限公司 | 适用于信号控制交叉口的实时车辆轨迹预测方法 |
-
2019
- 2019-02-26 CN CN201910142037.0A patent/CN109801508B/zh active Active
-
2020
- 2020-02-14 US US16/791,731 patent/US20200269874A1/en not_active Abandoned
- 2020-02-21 JP JP2020028699A patent/JP7050100B2/ja active Active
- 2020-02-21 EP EP20158705.2A patent/EP3703033A1/en active Pending
- 2020-02-24 KR KR1020200022270A patent/KR102347036B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
EP3703033A1 (en) | 2020-09-02 |
US20200269874A1 (en) | 2020-08-27 |
KR20200104807A (ko) | 2020-09-04 |
CN109801508A (zh) | 2019-05-24 |
JP2020140708A (ja) | 2020-09-03 |
JP7050100B2 (ja) | 2022-04-07 |
KR102347036B1 (ko) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109801508B (zh) | 路口处障碍物的运动轨迹预测方法及装置 | |
CN109583151B (zh) | 车辆的行驶轨迹预测方法及装置 | |
CA3025754C (en) | Object detection method and object detection apparatus | |
US10262215B2 (en) | Scene understanding device | |
KR20200130279A (ko) | 항법 정보를 익명화 하는 시스템 및 방법 | |
WO2021096935A2 (en) | Systems and methods for determining road safety | |
CN109902899B (zh) | 信息生成方法和装置 | |
WO2021053393A1 (en) | Systems and methods for monitoring traffic lane congestion | |
JP2016075905A (ja) | 交差点の構造の接合確率モデリング及び推定 | |
JP2019536184A (ja) | 交通標識情報を用いた道路検出 | |
US11914041B2 (en) | Detection device and detection system | |
CN108604420B (zh) | 车辆的行驶控制方法及车辆的行驶控制装置 | |
JP2022532695A (ja) | 画像分析に基づく車両ナビゲーションのためのシステム及び方法 | |
US20210208282A1 (en) | Detection device and detection system | |
CN115292435B (zh) | 高精地图的更新方法和装置、电子设备和存储介质 | |
US20220371583A1 (en) | Systems and Methods for Selectively Decelerating a Vehicle | |
CN110936960A (zh) | 一种辅助驾驶方法和系统 | |
CN113895456A (zh) | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 | |
US11837090B2 (en) | System and methods of adaptive traffic rule-based decision making for autonomous driving | |
CN115303268A (zh) | 车辆的信息处理方法、装置和存储介质 | |
JP2023508769A (ja) | ナビゲーションのためのマップタイル要求を最適化するためのシステム及び方法 | |
CN114120256A (zh) | 信息感知方法、装置、系统、服务器及可读存储介质 | |
CN117091617A (zh) | 基于可通行区域的路径规划方法、装置、设备及存储介质 | |
CN115626155A (zh) | 基于栅格地图的锥形桶可视化方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211013 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |