CN110162037B - 一种车辆自身轨迹的预测方法 - Google Patents

一种车辆自身轨迹的预测方法 Download PDF

Info

Publication number
CN110162037B
CN110162037B CN201910364025.2A CN201910364025A CN110162037B CN 110162037 B CN110162037 B CN 110162037B CN 201910364025 A CN201910364025 A CN 201910364025A CN 110162037 B CN110162037 B CN 110162037B
Authority
CN
China
Prior art keywords
coordinate
vehicle
coordinate system
points
origin
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
Application number
CN201910364025.2A
Other languages
English (en)
Other versions
CN110162037A (zh
Inventor
罗贤平
罗作煌
汪阳雄
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.)
Huizhou Desay SV Intelligent Transport Technology Research Institute Co Ltd
Original Assignee
Huizhou Desay SV Intelligent Transport Technology Research Institute 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 Huizhou Desay SV Intelligent Transport Technology Research Institute Co Ltd filed Critical Huizhou Desay SV Intelligent Transport Technology Research Institute Co Ltd
Priority to CN201910364025.2A priority Critical patent/CN110162037B/zh
Publication of CN110162037A publication Critical patent/CN110162037A/zh
Application granted granted Critical
Publication of CN110162037B publication Critical patent/CN110162037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • G05D1/02—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
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Marketing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种车辆自身轨迹的预测方法，所述预测方法为一种使用预测系统不断新建坐标系和坐标原点，并对已行驶路段的各坐标点相对新建坐标系的坐标原点实时更新赋值，选取当前时刻新建坐标系的坐标原点起被更新赋值的前N个坐标点参数进行坐标数据拟合，得到为道路预测曲线，重复上述步骤，不断生成新的预测曲线直至预测系统暂停或者结束，对车辆自身轨迹进行预测的方法。本发明通过不断新建坐标系进而实现实时预测车辆运行轨迹的方法，解决了现有技术中易受道路路况等因素的影响，道路曲率估计方法误差很大的问题，本发明预测方法实时预测车辆轨迹，预测精度高，可以基本达到基于图像检测方案的精度。

Description

一种车辆自身轨迹的预测方法
技术领域
本发明涉及智能交通技术领域，特别是关于一种车辆自身轨迹的预测方法。
背景技术
随着智能交通技术的发展，人类将逐渐从繁琐的驾驶操作中解脱出来，现阶段，ADAS（Advanced Driver Assistance System，高级驾驶辅助系统）正在迅速普及，将部分代替人类驾驶，因而其安全性和舒适性就显得尤为重要。作为ADAS的功能之一，ACC（AdaptiveCruise Control，自适应巡航控制系统）基本解放了人类双脚，它能够自适应地跟随前车，保持安全距离。在ACC中，目标车辆的选择和跟踪是关键，而准确预测车辆自身行驶轨迹能更好地对目标车辆进行跟踪，提高控制的稳定性，降低安全风险。
在没有视觉辅助的情况下，传统的预测车辆行驶路线的方法有：将车辆行驶轨迹看成半径实时变化的圆弧曲线，车辆轨迹预测是对车辆行驶道路曲率的估算与预测，主要包括利用方向盘转角、侧向加速度、轮速和横摆角速度计算当前道路曲率，再进行拟合预测下一时刻的道路曲率。该方法易受实际道路路况因素的影响，道路曲率估算方法误差很大。
如申请公布号：CN 109186607 A的一种车辆行驶轨迹点预测的方法，其提供的是一种利用手机APP每间隔一段时间取一次车辆的GPS定位坐标点，并间隔一定时间将GPS定位坐标数据传输给车辆管理平台，由车辆管理平台分析、计算，获得车辆最新定位坐标点的技术方案，该技术方案用于在GPS信号的短暂丢失或者信号弱情况下，无法准确显示车辆的行驶轨迹的问题。
如申请公布号：CN 108364461 A的一种车辆行驶轨迹预测方法，针对车辆驾驶员的习惯在熟悉的道路上行驶的情况，采用条件概率的计算方法，先把车辆的历史轨迹形成有序的路程集作为条件概率的总的样本空间，以车辆正在行驶的轨迹为条件，以条件概率的计算方法，计算在现在轨迹条件下到达其他路口的概率。
发明内容
有鉴于此，为解决上述背景技术中所提到的问题，本发明提供一种不受路况影响且能准确预测车辆自身轨迹的预测方法。
本发明的目的通过以下技术方案实现：
一种车辆自身轨迹的预测方法，所述预测方法为一种使用预测系统不断新建坐标系和坐标原点，并对已行驶路段的各坐标点相对新建坐标系的坐标原点实时更新赋值，选取当前时刻新建坐标系的坐标原点起被更新赋值的前N个坐标点参数进行坐标数据拟合，得到为道路预测曲线，重复上述步骤，不断生成新的预测曲线直至预测系统暂停或者结束，对车辆自身轨迹进行预测的方法。本发明车辆自身轨迹的预测方法通过不断新建和更新坐标系，并根据新建坐标系对已行驶路段的各坐标点进行重新赋值，消除累积误差，该种实时新建和更新坐标系的预测方法，不需要另外增加传感器，且不受实际道路路况因素的影响，预测曲线的道路曲率估计精度高。
进一步地，上述车辆自身轨迹的预测方法，具体包括如下步骤，
第一步：预测系统启动，新建坐标系，将车辆起始位置设置为坐标系的坐标原点；
第二步：车辆行驶一段距离后，重新建坐标系，将车辆最新位置设置为新的坐标原点，并在新建坐标系下对上一时刻的坐标原点重新定义赋值，获得当前时刻的共计2个点的坐标值；
第三步：车辆继续行驶与第二步相同一段距离后，重新建坐标系，将车辆最新位置设置为新的坐标原点，并在新建坐标系下对上一时刻的2个点的坐标值重新定义赋值，获得当前时刻的共计3个点的坐标值；
第四步：重复第三步，至新建N次坐标系，获得新坐标系下的坐标原点和共计N-1个被重新定义赋值坐标点的坐标值，选取当前时刻新坐标系下包括坐标原点和N-1个点的坐标值的共计N个点的坐标值进行曲线拟合，即得到预测道路曲线；
第五步：根据预测道路曲线，预测车辆再次行驶与上述步骤每次行驶的相同一段距离后，重新建坐标系，将车辆最新位置设置为新的坐标原点，并在新建坐标系下对上一时刻的N个坐标点的坐标值重新定义赋值，获得当前时刻的N+1个点的坐标值，选取当前时刻新坐标系下的自坐标原点起的前N个坐标点的坐标值进行曲线拟合，得到该时刻的车辆轨迹预测曲线；
第六步：重复第五步，对车辆自身轨迹进行实时预测，直至预测系统关闭。
进一步地，上述步骤中各坐标点的重新定义赋值，即预测过程中上一时刻各坐标点相对于新坐标系下的坐标原点的坐标位置，是根据预测系统中记录的车辆行驶时间、速度和偏航角度，计算出在新坐标系下上一时刻各坐标点相对于新建立的坐标系坐标原点的坐标位置，然后进行重新定义赋值的方式。预测系统中实时记录车辆的行驶时间、速度和偏航角度，通过行驶时间、速度和偏航角度等参数，计算在新建坐标系下上一时刻各坐标点的坐标位置，并重新定义赋值，较好地避免了现有技术中预测曲线一直从车辆起始位置开始，随着车辆的行驶，误差越来越大的情况，有效减少了车辆行驶时间和距离造成的误差，有效提升了预测精度。
进一步地，车辆每次行驶距离为0.2m～0.8m。
进一步地，车辆每次行驶距离为0.2m或0.5m或0.8m。
进一步地，所述N的取值至少为50，当N取50时，车辆每次行驶距离为0.8m。
进一步地，所述曲线拟合具体选取前50～200个点的坐标值进行曲线拟合。
进一步地，所述曲线拟合具体选取前50个点的坐标值进行曲线拟合。
进一步地，所述曲线拟合具体选取前140个点的坐标值进行曲线拟合。
进一步地，所述曲线拟合具体选取前200个点的坐标值进行曲线拟合。
本发明相较于现有技术的有益效果是：
本发明车辆自身轨迹的预测方法通过实时新建和更新坐标系，并根据车辆行驶时间、速度和偏航角度等参数计算出上一时刻各坐标点相对于新建和更新后的坐标系的坐标位置，并进行重新赋值，如是重复多次，每次均选取自当前时刻坐标系的坐标原点起的前50-200个点的坐标值进行曲线拟合，最终得到某一时间区间的车辆行驶轨迹，该行驶轨迹即为车辆自身的预测曲线，从而实现实时预测车辆的行驶轨迹。本发明实时新建和更新坐标系，并对各坐标点实时重新定义赋值，对重新赋值后的各坐标点的坐标值进行曲线拟合，进而实时预测车辆自身轨迹的方法，一方面，由于实时新建和更新坐标系，对各坐标点实时重新定义赋值，不需要另外增加传感器，而且不受实际道路路况因素的影响，有效减少了预测道路曲率误差，预测精度高；另一方面，每次选到前50至200个点的坐标值进行曲线拟合，选取的拟合曲线坐标点数量多且密集，得到拟合曲线也会更为准确，进一步确保车辆轨迹预测精度，车辆轨迹预测精度高，可以基本达到基于图像检测方案的精度。
附图说明
图1为车辆自身轨迹的预测方法实施例1的流程图；
图2为车辆自身轨迹的预测方法实施例1当前时刻新建坐标系下的各坐点的坐标位置图；
图3为车辆自身轨迹的预测方法实施例1下一时刻新建坐标系下的各坐点的坐标位置图；
图4为车辆自身轨迹的预测方法实施例2的流程图；
图5为车辆自身轨迹的预测方法实施例2当前时刻新建坐标系下的各坐点的坐标位置图；
图6为车辆自身轨迹的预测方法实施例2下一时刻新建坐标系下的各坐点的坐标位置图；
图7为车辆自身轨迹的预测方法实施例3的流程图；
图8为车辆自身轨迹的预测方法实施例3当前时刻新建坐标系下的各坐点的坐标位置图；
图9为车辆自身轨迹的预测方法实施例3下一时刻新建坐标系下的各坐点的坐标位置图。
具体实施方式
为了便于本领域技术人员理解，下面将结合具体实施例及附图对本发明作进一步详细描述。
实施例1
请参考图1至图3，本发明一较佳实施例为：本发明车辆自身轨迹的预测方法为了使车辆的预测轨迹不受道路工况影响的同时获得更加准确的预测轨迹，本发明通过预测系统生成预测曲线的方式来实现，本发明由预测系统实时记录车辆位置、行驶时间、行驶速度和偏航角度，并使用预测系统不断新建坐标系和坐标原点，并对已行驶路段的各坐标点相对新建坐标系的坐标原点实时更新赋值，选取当前时刻新建坐标系的坐标原点起被更新赋值的前N个坐标点参数进行坐标数据拟合，得到为道路预测曲线，重复上述步骤，不断生成新的预测曲线直至预测系统暂停或者结束，对车辆自身轨迹进行预测的方法。本发明车辆自身轨迹的预测方法通过不断新建和更新坐标系，并根据新建坐标系对已行驶路段的各坐标点进行重新赋值，消除累积误差，该种实时新建和更新坐标系的预测方法，不需要另外增加传感器，且不受实际道路路况因素的影响，预测曲线的道路曲率估计精度高。上述车辆自身轨迹的预测方法，其具体步骤如下：
第一步：预测系统启动，新建第1个坐标系，将车辆起始位置设置为坐标系的坐标原点N1（0，0）；
第二步：车辆行驶距离坐标原点0.2m时，重新建第2个坐标系，将车辆最新位置设置为新的坐标原点N1（0，0），并在新建坐标系下对上一时刻的坐标原点N1（0，0）重新定义赋值，具体地，上一时刻的坐标原点N1（0，0）相对于新建坐标系的坐标值为（x1，y1），并重新定义为N2，获得当前时刻共计N1、N2 两个点的坐标值；
第三步：车辆继续行驶至距离上一步中新建坐标系的坐标原点0.2m时，再次重新建第3个坐标系，将车辆最新位置设置为新的坐标原点N1（0，0），并在新建坐标系下对上一时刻的N1（0，0）、N2 （x1，y1）两个点的坐标值重新定义赋值，具体地，上一时刻的N1（0，0）、N2 （x1，y1）两个点相对于新建坐标系的坐标值分别为（x1，y1）、（x2，y2），并重新定义为N2、N3，获得当前时刻共计N1、N2、N3三个点的坐标值；
第四步：如此重复新建坐标系，直至新建第200个坐标系，获得新坐标系下的坐标原点N1（0，0）和被重新定义赋值的N2、N3、……、N198、N199、N200的坐标值，如图2所示，选取当前时刻新坐标系下新赋值的共计200个点的坐标值进行曲线拟合，即得到预测道路曲线；
第五步：根据预测道路曲线，预测车辆再次行驶距离上一步中新建坐标系下的坐标原点0.2m时，此时车辆所在位置为点N0，重新建第201个坐标系，将N0点更新为新坐标系中的N1点，并将上一时刻中的N1、N2、N3、……、N198、N199、N200重新定义为N2、N3、N4、……、N199、N200、N201，将车辆最新位置设置为新的坐标原点，即此时的N1点为坐标原点（0，0），并在新建坐标系下对上一时刻的200个坐标点的坐标值重新定义赋值，如图3所示，获得当前时刻的201个点的坐标值，选取当前时刻新坐标系下的自坐标原点起的前200个坐标点的坐标值进行曲线拟合，得到该时刻的车辆轨迹预测曲线；
第六步：重复第五步，对车辆自身轨迹进行实时预测，直至预测系统关闭。
如图1至图3所示，上述步骤中各坐标点的重新定义赋值，即预测过程中上一时刻各坐标点相对于新坐标系下的坐标原点的坐标位置，是根据预测系统中记录的车辆行驶时间、速度和偏航角度，计算出在新坐标系下原来的坐标原点相对于新建立的坐标系的坐标位置，进行重新定义赋值的方式。预测系统中实时记录车辆的行驶时间、速度和偏航角度，通过行驶时间、速度和偏航角度等参数，计算在新建坐标系下上一时刻各坐标点的坐标位置，并重新定义赋值，较好地避免了现有技术中预测曲线一直从车辆起始位置开始，随着车辆的行驶，误差越来越大的情况，有效减少了车辆行驶时间和距离造成的误差，有效提升了预测精度。
本发明车辆自身轨迹的预测方法通过实时新建和更新坐标系，并根据车辆行驶时间、速度和偏航角度等参数计算出上一时刻各坐标点相对于新建和更新后的坐标系的坐标位置，并进行重新赋值，如是重复多次，每次均选取自当前时刻坐标系的坐标原点起的前200个点的坐标值进行曲线拟合，最终得到某一时间区间的车辆行驶轨迹，该行驶轨迹即为车辆自身的预测曲线，从而实现实时预测车辆的行驶轨迹。本发明实时新建和更新坐标系，并对各坐标点实时重新定义赋值，对重新赋值后的各坐标点的坐标值进行曲线拟合，进而实时预测车辆自身轨迹的方法，一方面，由于实时新建和更新坐标系，对各坐标点实时重新定义赋值，不需要另外增加传感器，而且不受实际道路路况因素的影响，有效减少了预测道路曲率误差，预测精度高；另一方面，每次选到前200个点的坐标值进行曲线拟合，选取的拟合曲线坐标点数量多且密集，得到拟合曲线也会更为准确，进一步确保车辆轨迹预测精度。
实施例2
请参考图4至图6，本发明一较佳实施例为：本发明车辆自身轨迹的预测方法为了使车辆的预测轨迹不受道路工况影响的同时获得更加准确的预测轨迹，本发明通过预测系统生成预测曲线的方式来实现，本发明由预测系统实时记录车辆位置、行驶时间、行驶速度和偏航角度，并使用预测系统不断新建坐标系和坐标原点，并对已行驶路段的各坐标点相对新建坐标系的坐标原点实时更新赋值，选取当前时刻新建坐标系的坐标原点起被更新赋值的前N个坐标点参数进行坐标数据拟合，得到为道路预测曲线，重复上述步骤，不断生成新的预测曲线直至预测系统暂停或者结束，对车辆自身轨迹进行预测的方法。本发明车辆自身轨迹的预测方法通过不断新建和更新坐标系，并根据新建坐标系对已行驶路段的各坐标点进行重新赋值，消除累积误差，该种实时新建和更新坐标系的预测方法，不需要另外增加传感器，且不受实际道路路况因素的影响，预测曲线的道路曲率估计精度高。上述车辆自身轨迹的预测方法，其具体步骤如下：
第一步：预测系统启动，新建第1个坐标系，将车辆起始位置设置为坐标系的坐标原点N1（0，0）；
第二步：车辆行驶距离坐标原点0.5m时，重新建第2个坐标系，将车辆最新位置设置为新的坐标原点N1（0，0），并在新建坐标系下对上一时刻的坐标原点N1（0，0）重新定义赋值，具体地，上一时刻的坐标原点N1（0，0）相对于新建坐标系的坐标值为（x1，y1），并重新定义为N2，获得当前时刻共计N1、N2 两个点的坐标值；
第三步：车辆继续行驶至距离上一步中新建坐标系的坐标原点0.5m时，再次重新建第3个坐标系，将车辆最新位置设置为新的坐标原点N1（0，0），并在新建坐标系下对上一时刻的N1（0，0）、N2 （x1，y1）两个点的坐标值重新定义赋值，具体地，上一时刻的N1（0，0）、N2 （x1，y1）两个点相对于新建坐标系的坐标值分别为（x1，y1）、（x2，y2），并重新定义为N2、N3，获得当前时刻共计N1、N2、N3三个点的坐标值；
第四步：如此重复新建坐标系，直至新建第140个坐标系，获得新坐标系下的坐标原点N1（0，0）和被重新定义赋值的N2、N3、……、N138、N139、N140的坐标值，如图5所示，选取当前时刻新坐标系下新赋值的共计140个点的坐标值进行曲线拟合，即得到预测道路曲线；
第五步：根据预测道路曲线，预测车辆再次行驶距离上一步中新建坐标系下的坐标原点0.5m时，此时车辆所在位置为点N0，重新建第141个坐标系，将N0点更新为新坐标系中的N1点，并将上一时刻中的N1、N2、N3、……、N138、N139、N140重新定义为N2、N3、N4、……、N139、N140、N141，将车辆最新位置设置为新的坐标原点，即此时的N1点为坐标原点（0，0），并在新建坐标系下对上一时刻的140个坐标点的坐标值重新定义赋值，如图6所示，获得当前时刻的141个点的坐标值，选取当前时刻新坐标系下的自坐标原点起的前140个坐标点的坐标值进行曲线拟合，得到该时刻的车辆轨迹预测曲线；
第六步：重复第五步，对车辆自身轨迹进行实时预测，直至预测系统关闭。
如图4至图6所示，上述步骤中各坐标点的重新定义赋值，即预测过程中上一时刻各坐标点相对于新坐标系下的坐标原点的坐标位置，是根据预测系统中记录的车辆行驶时间、速度和偏航角度，计算出在新坐标系下原来的坐标原点相对于新建立的坐标系的坐标位置，进行重新定义赋值的方式。预测系统中实时记录车辆的行驶时间、速度和偏航角度，通过行驶时间、速度和偏航角度等参数，计算在新建坐标系下上一时刻各坐标点的坐标位置，并重新定义赋值，较好地避免了现有技术中预测曲线一直从车辆起始位置开始，随着车辆的行驶，误差越来越大的情况，有效减少了车辆行驶时间和距离造成的误差，有效提升了预测精度。
本发明车辆自身轨迹的预测方法通过实时新建和更新坐标系，并根据车辆行驶时间、速度和偏航角度等参数计算出上一时刻各坐标点相对于新建和更新后的坐标系的坐标位置，并进行重新赋值，如是重复多次，每次均选取自当前时刻坐标系的坐标原点起的前140个点的坐标值进行曲线拟合，最终得到某一时间区间的车辆行驶轨迹，该行驶轨迹即为车辆自身的预测曲线，从而实现实时预测车辆的行驶轨迹。本发明实时新建和更新坐标系，并对各坐标点实时重新定义赋值，对重新赋值后的各坐标点的坐标值进行曲线拟合，进而实时预测车辆自身轨迹的方法，一方面，由于实时新建和更新坐标系，对各坐标点实时重新定义赋值，不需要另外增加传感器，而且不受实际道路路况因素的影响，有效减少了预测道路曲率误差，预测精度高；另一方面，每次选到前140个点的坐标值进行曲线拟合，选取的拟合曲线坐标点数量多且密集，得到拟合曲线也会更为准确，进一步确保车辆轨迹预测精度。
实施例3
请参考图7至图9，本发明一较佳实施例为：本发明车辆自身轨迹的预测方法为了使车辆的预测轨迹不受道路工况影响的同时获得更加准确的预测轨迹，本发明通过预测系统生成预测曲线的方式来实现，本发明由预测系统实时记录车辆位置、行驶时间、行驶速度和偏航角度，并使用预测系统不断新建坐标系和坐标原点，并对已行驶路段的各坐标点相对新建坐标系的坐标原点实时更新赋值，选取当前时刻新建坐标系的坐标原点起被更新赋值的前N个坐标点参数进行坐标数据拟合，得到为道路预测曲线，重复上述步骤，不断生成新的预测曲线直至预测系统暂停或者结束，对车辆自身轨迹进行预测的方法。本发明车辆自身轨迹的预测方法通过不断新建和更新坐标系，并根据新建坐标系对已行驶路段的各坐标点进行重新赋值，消除累积误差，该种实时新建和更新坐标系的预测方法，不需要另外增加传感器，且不受实际道路路况因素的影响，预测曲线的道路曲率估计精度高。上述车辆自身轨迹的预测方法，其具体步骤如下：
第一步：预测系统启动，新建第1个坐标系，将车辆起始位置设置为坐标系的坐标原点N1（0，0）；
第二步：车辆行驶距离坐标原点0.8m时，重新建第2个坐标系，将车辆最新位置设置为新的坐标原点N1（0，0），并在新建坐标系下对上一时刻的坐标原点N1（0，0）重新定义赋值，具体地，上一时刻的坐标原点N1（0，0）相对于新建坐标系的坐标值为（x1，y1），并重新定义为N2，获得当前时刻共计N1、N2 两个点的坐标值；
第三步：车辆继续行驶至距离上一步中新建坐标系的坐标原点0.8m时，再次重新建第3个坐标系，将车辆最新位置设置为新的坐标原点N1（0，0），并在新建坐标系下对上一时刻的N1（0，0）、N2 （x1，y1）两个点的坐标值重新定义赋值，具体地，上一时刻的N1（0，0）、N2 （x1，y1）两个点相对于新建坐标系的坐标值分别为（x1，y1）、（x2，y2），并重新定义为N2、N3，获得当前时刻共计N1、N2、N3三个点的坐标值；
第四步：如此重复新建坐标系，直至新建第50个坐标系，获得新坐标系下的坐标原点N1（0，0）和被重新定义赋值的N2、N3、……、N48、N49、N50的坐标值，如图8所示，选取当前时刻新坐标系下新赋值的共计50个点的坐标值进行曲线拟合，即得到预测道路曲线；
第五步：根据预测道路曲线，预测车辆再次行驶距离上一步中新建坐标系下的坐标原点0.5m时，此时车辆所在位置为点N0，重新建第51个坐标系，将N0点更新为新坐标系中的N1点，并将上一时刻中的N1、N2、N3、……、N48、N49、N50，重新定义为N2、N3、N4、……、N49、N50、N51，将车辆最新位置设置为新的坐标原点，即此时的N1点为坐标原点（0，0），并在新建坐标系下对上一时刻的50个坐标点的坐标值重新定义赋值，如图9所示，获得当前时刻的51个点的坐标值，选取当前时刻新坐标系下的自坐标原点起的前50个坐标点的坐标值进行曲线拟合，得到该时刻的车辆轨迹预测曲线；
第六步：重复第五步，对车辆自身轨迹进行实时预测，直至预测系统关闭。
如图7至图9所示，上述步骤中各坐标点的重新定义赋值，即预测过程中上一时刻各坐标点相对于新坐标系下的坐标原点的坐标位置，是根据预测系统中记录的车辆行驶时间、速度和偏航角度，计算出在新坐标系下原来的坐标原点相对于新建立的坐标系的坐标位置，进行重新定义赋值的方式。预测系统中实时记录车辆的行驶时间、速度和偏航角度，通过行驶时间、速度和偏航角度等参数，计算在新建坐标系下上一时刻各坐标点的坐标位置，并重新定义赋值，较好地避免了现有技术中预测曲线一直从车辆起始位置开始，随着车辆的行驶，误差越来越大的情况，有效减少了车辆行驶时间和距离造成的误差，有效提升了预测精度。
本发明车辆自身轨迹的预测方法通过实时新建和更新坐标系，并根据车辆行驶时间、速度和偏航角度等参数计算出上一时刻各坐标点相对于新建和更新后的坐标系的坐标位置，并进行重新赋值，如是重复多次，每次均选取自当前时刻坐标系的坐标原点起的前50个点的坐标值进行曲线拟合，最终得到某一时间区间的车辆行驶轨迹，该行驶轨迹即为车辆自身的预测曲线，从而实现实时预测车辆的行驶轨迹。本发明实时新建和更新坐标系，并对各坐标点实时重新定义赋值，对重新赋值后的各坐标点的坐标值进行曲线拟合，进而实时预测车辆自身轨迹的方法，一方面，由于实时新建和更新坐标系，对各坐标点实时重新定义赋值，不需要另外增加传感器，而且不受实际道路路况因素的影响，有效减少了预测道路曲率误差，预测精度高；另一方面，每次选到前50个点的坐标值进行曲线拟合，选取的拟合曲线坐标点数量多且密集，得到拟合曲线也会更为准确，进一步确保车辆轨迹预测精度。
虽然对本发明的描述是结合以上具体实施例进行的，但是，熟悉本技术领域的人员能够根据上述的内容进行许多替换、修改和变化、是显而易见的。因此，所有这样的替代、改进和变化都包括在附后的权利要求的精神和范围内。

Claims (9)

1.一种车辆自身轨迹的预测方法，其特征在于，所述预测方法为一种使用预测系统不断新建坐标系和坐标原点，并对已行驶路段的各坐标点相对新建坐标系的坐标原点实时更新赋值，选取当前时刻新建坐标系的坐标原点起被更新赋值的前N个坐标点参数进行坐标数据拟合，得到为道路预测曲线，重复上述步骤，不断生成新的预测曲线直至预测系统暂停或者结束，对车辆自身轨迹进行预测的方法，具体包括如下步骤，
第一步：预测系统启动，新建坐标系，将车辆起始位置设置为坐标系的坐标原点；
第二步：车辆行驶一段距离后，重新建坐标系，将车辆最新位置设置为新的坐标原点，并在新建坐标系下对上一时刻的坐标原点重新定义赋值，获得当前时刻的共计2个点的坐标值；
第三步：车辆继续行驶与第二步相同一段距离后，重新建坐标系，将车辆最新位置设置为新的坐标原点，并在新建坐标系下对上一时刻的2个点的坐标值重新定义赋值，获得当前时刻的共计3个点的坐标值；
第四步：重复第三步，至新建N次坐标系，获得新坐标系下的坐标原点和共计N-1个被重新定义赋值坐标点的坐标值，选取当前时刻新坐标系下包括坐标原点和N-1个点的坐标值的共计N个点的坐标值进行曲线拟合，即得到预测道路曲线；
第五步：根据预测道路曲线，预测车辆再次行驶与上述步骤每次行驶的相同一段距离后，重新建坐标系，将车辆最新位置设置为新的坐标原点，并在新建坐标系下对上一时刻的N个坐标点的坐标值重新定义赋值，获得当前时刻的N+1个点的坐标值，选取当前时刻新坐标系下的自坐标原点起的前N个坐标点的坐标值进行曲线拟合，得到该时刻的车辆轨迹预测曲线；
第六步：重复第五步，对车辆自身轨迹进行实时预测，直至预测系统关闭。
2.根据权利要求1所述的车辆自身轨迹的预测方法，其特征在于，上述步骤中各坐标点的重新定义赋值，即预测过程中上一时刻各坐标点相对于新坐标系下的坐标原点的坐标位置，是根据预测系统中记录的车辆行驶时间、速度和偏航角度，计算出在新坐标系下原来的坐标原点相对于新建立的坐标系的坐标位置，进行重新定义赋值的方式。
3.根据权利要求2所述的车辆自身轨迹的预测方法，其特征在于，车辆每次行驶距离为0.2m～0.8m。
4.根据权利要求3所述的车辆自身轨迹的预测方法，其特征在于，车辆每次行驶距离为0.2m或0.5m或0.8m。
5.根据权利要求1所述的车辆自身轨迹的预测方法，其特征在于，所述N的取值至少为50。
6.根据权利要求5所述的车辆自身轨迹的预测方法，其特征在于，所述曲线拟合具体选取前50～200个点的坐标值进行曲线拟合。
7.根据权利要求5所述的车辆自身轨迹的预测方法，其特征在于，所述曲线拟合具体选取前50个点的坐标值进行曲线拟合。
8.根据权利要求5所述的车辆自身轨迹的预测方法，其特征在于，所述曲线拟合具体选取前140个点的坐标值进行曲线拟合。
9.根据权利要求5所述的车辆自身轨迹的预测方法，其特征在于，所述曲线拟合具体选取前200个点的坐标值进行曲线拟合。
CN201910364025.2A 2019-04-30 2019-04-30 一种车辆自身轨迹的预测方法 Active CN110162037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910364025.2A CN110162037B (zh) 2019-04-30 2019-04-30 一种车辆自身轨迹的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910364025.2A CN110162037B (zh) 2019-04-30 2019-04-30 一种车辆自身轨迹的预测方法

Publications (2)

Publication Number Publication Date
CN110162037A CN110162037A (zh) 2019-08-23
CN110162037B true CN110162037B (zh) 2022-07-26

Family

ID=67633193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910364025.2A Active CN110162037B (zh) 2019-04-30 2019-04-30 一种车辆自身轨迹的预测方法

Country Status (1)

Country Link
CN (1) CN110162037B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260950B (zh) * 2020-01-17 2021-03-26 清华大学 一种基于轨迹预测的轨迹跟踪方法、介质和车载设备
CN111368260B (zh) * 2020-03-18 2023-09-05 东软睿驰汽车技术（上海）有限公司 一种车辆跟随方法及装置
CN113672845A (zh) * 2020-05-14 2021-11-19 阿波罗智联(北京)科技有限公司 一种车辆轨迹的预测方法、装置、设备及存储介质
CN112706785B (zh) * 2021-01-29 2023-03-28 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

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049635A (zh) * 2014-07-07 2014-09-17 浙江海曼机器人有限公司 一种基于电子罗盘的智能小车行走定位方法
CN105554367A (zh) * 2015-09-30 2016-05-04 宇龙计算机通信科技(深圳)有限公司 一种运动拍摄方法及移动终端
CN106971625A (zh) * 2017-04-28 2017-07-21 重庆长安汽车股份有限公司 一种基于dsrc通信的异常车辆预警方法
CN107462243A (zh) * 2017-08-04 2017-12-12 浙江大学 一种基于高精度地图的云控自动驾驶任务生成方法
CN108427119A (zh) * 2018-02-11 2018-08-21 辅易航智能科技(苏州)有限公司 基于超声波传感器实现低矮障碍物跟踪检测的方法
CN108919802A (zh) * 2018-07-04 2018-11-30 百度在线网络技术（北京）有限公司 无人驾驶的车辆行驶和装置
CN109186607A (zh) * 2018-09-13 2019-01-11 中通国脉物联科技南京有限公司 一种车辆行驶轨迹点预测的方法
CN109353179A (zh) * 2018-10-19 2019-02-19 中国第汽车股份有限公司 一种基于高精地图云信息的主动悬架系统及控制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9470658B2 (en) * 2013-03-12 2016-10-18 The Boeing Company Self-contained holonomic tracking method and apparatus for non-destructive inspection
CN107867290B (zh) * 2017-11-07 2019-07-12 长春工业大学 一种考虑运动障碍物的汽车紧急避撞分层式控制方法
CN108957475A (zh) * 2018-06-26 2018-12-07 东软集团股份有限公司 一种道路边界检测方法及装置
CN109523830B (zh) * 2018-11-08 2021-08-03 中交第一公路勘察设计研究院有限公司 基于高频高精度定位信息的车辆轨迹预测及碰撞预警方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049635A (zh) * 2014-07-07 2014-09-17 浙江海曼机器人有限公司 一种基于电子罗盘的智能小车行走定位方法
CN105554367A (zh) * 2015-09-30 2016-05-04 宇龙计算机通信科技(深圳)有限公司 一种运动拍摄方法及移动终端
CN106971625A (zh) * 2017-04-28 2017-07-21 重庆长安汽车股份有限公司 一种基于dsrc通信的异常车辆预警方法
CN107462243A (zh) * 2017-08-04 2017-12-12 浙江大学 一种基于高精度地图的云控自动驾驶任务生成方法
CN108427119A (zh) * 2018-02-11 2018-08-21 辅易航智能科技(苏州)有限公司 基于超声波传感器实现低矮障碍物跟踪检测的方法
CN108919802A (zh) * 2018-07-04 2018-11-30 百度在线网络技术（北京）有限公司 无人驾驶的车辆行驶和装置
CN109186607A (zh) * 2018-09-13 2019-01-11 中通国脉物联科技南京有限公司 一种车辆行驶轨迹点预测的方法
CN109353179A (zh) * 2018-10-19 2019-02-19 中国第汽车股份有限公司 一种基于高精地图云信息的主动悬架系统及控制方法

Also Published As

Publication number Publication date
CN110162037A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
CN110162037B (zh) 一种车辆自身轨迹的预测方法
EP3572896B1 (en) Automatic driving method and device
JP6427908B2 (ja) 地図情報生成システム、方法およびプログラム
KR102668309B1 (ko) 자율 주행 차량 및 그를 이용한 차량의 주행 제어 방법
CN108628324B (zh) 基于矢量地图的无人车导航方法、装置、设备及存储介质
CN109785667A (zh) 车道偏离识别方法、装置、设备和存储介质
CN111016891A (zh) 一种车辆行驶的路线跟踪控制方法及装置
CN113167590A (zh) 用于地图匹配的系统和方法
JP2023009531A (ja) 走行軌道生成方法、走行支援方法、走行軌道生成装置および走行支援装置
CN111209361B (zh) 跟车目标选择方法、装置、电子设备及可读存储介质
EP1477770A1 (en) Method to assist off-road navigation and corresponding navigation system
CN107917716B (zh) 固定线路导航方法、装置、终端及计算机可读存储介质
CN111985662A (zh) 网络约车方法、装置、电子设备和存储介质
CN113335278A (zh) 一种网联式智能车队自适应巡航控制方法及系统
CN109345015B (zh) 用于选取路线的方法和装置
CN113670305A (zh) 泊车轨迹生成方法、装置、计算机设备和存储介质
CN113753082B (zh) 无人车轨迹更新方法及装置、控制方法及电子设备
US20220017106A1 (en) Moving object control device, moving object control learning device, and moving object control method
KR101672133B1 (ko) 차량 궤적 예측 장치 및 방법과, 이를 이용한 적응식 정속 주행 시스템
JPWO2018061100A1 (ja) 車両制御装置
CN115379975A (zh) 车辆运动控制装置及车辆运动控制方法
JP6680319B2 (ja) 地図情報生成システム、方法およびプログラム
CN111768644A (zh) 基于大数据的停车路线推荐方法
CN114995464B (zh) 局部路径规划的控制方法及装置、机器人、存储介质
CN112622924A (zh) 一种驾驶规划方法及装置、车辆

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