CN110168312A - 基于目标预测动态物体的方法和装置 - Google Patents
基于目标预测动态物体的方法和装置 Download PDFInfo
- Publication number
- CN110168312A CN110168312A CN201880006306.4A CN201880006306A CN110168312A CN 110168312 A CN110168312 A CN 110168312A CN 201880006306 A CN201880006306 A CN 201880006306A CN 110168312 A CN110168312 A CN 110168312A
- Authority
- CN
- China
- Prior art keywords
- target position
- probability
- target
- track
- pedestrian
- 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
Links
Classifications
-
- 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
Abstract
本发明涉及一种用于估计物体未来轨迹的方法,包括下列步骤:生成物体的目标位置,确定物体向相应的目标位置行驶的概率,选出具有最高概率的目标位置,并确定为物体的目标,确定一物体从其当前位置到目标的轨迹。
Description
技术领域
本发明涉及一种基于目标预测动态物体的方法和装置。基于未来目标的预测,确定目标轨迹并将该轨迹用于车辆的控制。
背景技术
从DE 10 2008 049 824 B4已知对随身携带移动电话的人员的运动预测。在此,通过接收移动电话的信息实现对需预测物体的识别。从所接收信息的历史,可确定物体轨迹。
EP 2 562 060 B1公开了对高速公路上动态物体的预测,其中,高速公路形成了结构非常良好的周围环境。此外,还根据前后关系估计交通参与者的未来操作,并将所测量运动与内部存在的运动模型加以比较。对所获取得两者预计的一致性加以比较,并由此推断出进一步的运动。
EP 2382609 B1揭示了一种通过由经事先训练的模型通过改变运动参数对运动加以预测的方法,其中,对所有物理学上可能的运动加以考虑,并通过建筑物墙壁、道路走向等加以限制。
发明内容
本发明的任务是改进目标轨迹的预测准确性。
所述任务是通过一种根据独立权利要求的方法和一种根据并列的独立权利要求的系统解决的。本发明其他有益的实施方式是从属权利要求的标的。
根据本发明的用于估计物体未来轨迹的方法包括下列步骤:生成所述物体的目标位置,确定所述物体行驶到相应的目标位置的概率,选择具有最高概率的目标位置,并确定作为物体的目标,以及确定物体从其当前位置到目标的轨迹。
所述概率优选借助贝叶斯网络或神经网络或支持向量机或聚类分析确定。
在有益的方式中,可借助这类方法计算和比较物体向潜在目标位置行驶的概率。
在本发明的另一实施方式中,物体标轨迹可通过两点间直线/航线或A*算法或势场法或抽样法或状态网格法或快速扩展随机树法加以确定。
在有益的方式中,借助这类方法可根据现有信息计算轨迹,并在可能情况下予以连续调整。
在有益的方式中,感兴趣点是由于特殊特性对于特定类别的物体具有特别高吸引力的地方。例如,它可以是一行人交通信号灯,斑马线或供行人使用的公共汽车站。
此外,如果目标位置是一感兴趣点或在物体运动区域内或通往目标位置的路径被阻断或交通法规或交通标志禁止到达一目标位置,还优选可通过目标位置的分类进行概率调整。
在有益的方式中,可以由此进一步改进确定的轨迹,因为由于障碍或交通标志造成的不可能轨迹被调整,例如考虑行人的物理运动可能性或车辆的加速可能性。此外,还可考虑交通规则,例如在行人过路口处必须考虑有行人出现的情况,而高速公路上则不必考虑这类情况。
优选可由概率确定轨迹的不确定因素/不稳定因素/风险。
因此,可以有益的方式对所确定轨迹进行分析评估,以提前识别物体与轨迹任何可能的偏差。
此外,进一步优选的是,不确定因素可通过卡尔曼滤波器或无损卡尔曼滤波器或扩展卡尔曼滤波器或微粒过滤器来确定。
在有益的方式中,这些滤波器能连续计算轨迹与原始轨迹的偏差,从而在偏差太大情况下可执行轨迹修正。
在本发明另一实施方式中,目标位置可源于导航系统或已知的物体感兴趣点。
在有益的方式中,可将诸如等高线等源于地图或其他来源的已知信息用于目标位置的预测。
可优选通过安全相关方面或一般运动相关方面生成目标位置。
在有益方式中,在选择潜在目标位置时可对例如人的生理极限值或行人过路口加以考虑。
其他优选的是,可连续确定概率并基于概率对轨迹进行调整。
因此,在有益方式中,可根据最有可能的目标位置进行轨迹的连续预测。
根据本发明,机动车中的、带有周围环境检测系统的系统设置用于实施按前述优选实施形式之一的方法。
周围环境检测系统优选可包括至少一个雷达传感器或摄像机或激光雷达。
具体实施方式
在第一步骤中,生成物体可能的目标位置。在图1至5中描述了这方面的示例。
图1示出了生成行人目标位置的示例。车辆1在其行驶轨迹3内运动。道路11外一行人被识别为物体7。行人7可能会横穿车辆1的行驶轨迹3。为此,如此产生行人7可能的目标位置9,使得在行驶轨迹3的中心线5上构成垂直的15轴线13,行人7的目标位置9与中心线5和行人7与行驶轨迹3的中心线5具有相同的距离。
图2示出了生成行人目标位置的另一示例。车辆1在其行驶轨迹3内运动。行人被识别为行驶轨迹3内的物体7。行人7可在两个方向离开车辆1的行驶轨迹3。这样生成行人7的两个可能目标位置9,11,使得在行驶轨迹3的中线5上构成一垂直轴13,并且行人7的目标位置9,10位于行驶轨迹3之外。
图3示出了生成静止行人目标位置的示例。车辆1在其行驶轨迹3内运动。道路11外一个行人被识别为物体17。行人7可站在路边,并静止不动。在此情况下,可在行人19的所在地生成行人17的一个可能目标位置19。
图4示出了生成行人目标位置的另一示例。车辆1在其行驶轨迹3内运动。一行人在道路11外被识别为物体7。行人7可沿道路11行走。因此可生成行人7在车辆侧上可能的目标位置10,10a。此外,在对面车辆侧上还可生成可能的目标位置9,9a,因为这些目标位置可能会令其他行人感兴趣。行人7可通过横穿行驶轨迹3到达目标位置9,9a,并由此实现与图1中示例的一种组合。
图5示出了生成行人目标位置的另一示例。车辆1在其行驶轨迹3内运动。道路11外一个行人被识别为物体7。行人7可离开道路11。因此,目标位置21通过垂直的15轴线在行驶轨迹3的中心线5上构成,并且目标位置21与中心线5的距离是行人7与中心线5距离的两倍。
在第二步骤中,确定向潜在目标位置行驶的概率。
图6示出了分别根据物体向目标位置行驶的概率对目标位置进行分类的一示例。图中所示为一贝叶斯网络40以及通过将一假设目标点41归类于不同类别对其进行分析评估。
贝叶斯网络的输入例如是行人及其可能的目标位置41(目标点,缩写为TP)。为此,对每个可能的目标位置41计算该目标位置41是否会成为行人目标的概率。
即检查,目标位置41例如是否在一行人典型区域42(在步行区),或行人是否看向目标位置方向43(看向目标点(TP)),或行人是否转向目标位置44(转向目标点(TP)),行人是否在目标点方向有速度分量45(速度朝向目标点(TP)),或行人是否在目标位置方向加速46(朝目标点(TP)加速),或行人是否受交通规则阻碍无法到达目标位置47(受法律法规封锁),或行人是否受障碍物阻碍无法到达目标位置48(受物体阻碍),或目标位置是否在行人感兴趣区域附近49(感兴趣点),或是否行人停在目标位置51(停留点),即其为静止不动的。
在第三步骤中,确定物体到最有可能的目标点的轨迹。
在第四步骤中,进行特定轨迹的不确定性估计。在图7至图10中所描述的不确定性估计例如假设,一行人作为物体始终以最短路径前往其目标。
图7描述由物体所在地X0及其所确定目标T0之间多个轨迹点61,63,65构成的特定轨迹,其中,对每个轨迹点61,63,65计算一协方差矩阵。如果第一次检测物体X0,则进行初始化步骤,在该步骤中进行卡尔曼矩阵的初始化并规划到目标T0的第一条最短路径。所估计不确定性的协方差矩阵也会被初始化。所有轨迹点61,63,65被经初始化的不确定性占位,这在图7中由围绕轨迹点61,63,65的圆圈说明。
图8描述在位置X1上,所述物体进行新的测量后,在时间段k后进一步确定所述轨迹。该测量在图8中轨迹路径下方示出。由于更新速率不必与最短路径轨迹点61,63,65之间的时间间隔一致,确定在先前所计算轨迹中的位置X1int,它在时间上与X1相适应。该内插位置X1int被设定为卡尔曼状态。在图8中,位置X1int在X0和下一轨迹点61之间。
随后,执行卡尔曼滤波器的一更新步骤,从而计算如图9中所示的位置X1update。位置X1update处于X1int和X1之间。X1int和X1update之间的距离由系统噪声Q决定。系统噪声Q可通过下列矩阵计算。变量的定义如下:K是测量时间点,x和y是空间坐标。
通过Q的改变,可实现预测不确定性变化的模型化。预测与实际测得状态匹配得越差,预测和系统噪声Q的不确定性提升得越高。如果物体的预测良好,则所预测状况与实际情况的区别较小,并且系统噪声Q较小。
图10示出了由Q构成的物体到目标的轨迹更新。由经新估计的位置X1update计算一到目标T0的轨迹。对每个轨迹点61,63,65实施协方差矩阵的卡尔曼滤波器预测步骤。由此得到的协方差矩阵位置62,64,66在图10中以带叉椭圆/错误椭圆标注。
Claims (10)
1.用于估计一物体未来轨迹的方法,包括下列步骤:
-生成物体的目标位置,
-确定物体向相应的目标位置行驶的概率,
-选出具有最高概率的目标位置并确定作为物体的目标,以及
-确定物体从其当前位置到目标的轨迹。
2.根据权利要求1所述的方法,其中,所述概率借助
-贝叶斯网络,或
-神经网络,或
-支持向量机,或
-聚类分析
确定。
3.根据上述权利要求中任一项所述的方法,其中,所述物体的轨迹通过
-两点间直线,或
-A*算法,或
-势场法,或
-抽样法,或
-状态网格法,或
-快速扩展随机树法
确定。
4.根据上述权利要求中任一项所述的方法,其中,所述概率还通过目标位置的分类进行调整,如果目标位置
-是一感兴趣点,或
-在物体运动区域内,或
-通往目标位置的路径被阻断,或
-交通法规或交通标志禁止到达目标位置。
5.根据上述权利要求中任一项所述的方法,其中,由概率确定轨迹的不确定因素。
6.根据权利要求5所述的方法,其中,不确定因素还通过
-卡尔曼滤波器,或
-无损卡尔曼滤波器,或
-扩展卡尔曼滤波器,或
-微粒过滤器
确定。
7.根据上述权利要求中任一项所述的方法,其中,目标位置可源于导航系统或已知为物体的感兴趣点。
8.根据上述权利要求中任一项所述的方法,其中,通过安全相关方面或一般运动相关方面生成目标位置。
9.根据上述权利要求中任一项所述的方法,其中,连续地确定概率并根据概率对轨迹进行调整。
10.一种车辆中的、具有环境检测系统的系统,该系统设置用于实施根据上述权利要求中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017208245.3A DE102017208245A1 (de) | 2017-05-16 | 2017-05-16 | Verfahren und Vorrichtung zur zielbasierten Prädiktion dynamischer Objekte |
DE102017208245.3 | 2017-05-16 | ||
PCT/DE2018/200001 WO2018210382A1 (de) | 2017-05-16 | 2018-01-19 | Verfahren und vorrichtung zur zielbasierten prädiktion dynamischer objekte |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110168312A true CN110168312A (zh) | 2019-08-23 |
CN110168312B CN110168312B (zh) | 2023-09-12 |
Family
ID=61156956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880006306.4A Active CN110168312B (zh) | 2017-05-16 | 2018-01-19 | 基于目标预测动态物体的方法和装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN110168312B (zh) |
DE (2) | DE102017208245A1 (zh) |
WO (1) | WO2018210382A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111002980A (zh) * | 2019-12-10 | 2020-04-14 | 苏州智加科技有限公司 | 基于深度学习的道路障碍物轨迹预测方法和系统 |
CN111114541A (zh) * | 2019-12-31 | 2020-05-08 | 华为技术有限公司 | 车辆控制方法、装置、控制器和智能车 |
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 |
CN113010959A (zh) * | 2019-12-20 | 2021-06-22 | Aptiv技术有限公司 | 确定关于对象的预期轨迹的连续信息的方法 |
WO2021134742A1 (zh) * | 2020-01-02 | 2021-07-08 | 华为技术有限公司 | 一种处理预测运动轨迹的方法、显示约束屏障的方法以及装置 |
CN113353100A (zh) * | 2021-06-21 | 2021-09-07 | 高靖涵 | 无人驾驶车辆避让行人的方法及系统 |
WO2023082850A1 (zh) * | 2021-11-11 | 2023-05-19 | 中国第一汽车股份有限公司 | 行人轨迹预测方法、装置及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018222542A1 (de) * | 2018-12-20 | 2020-06-25 | Robert Bosch Gmbh | Bewegungsvorhersage für gesteuerte Objekte |
DE102020201016A1 (de) | 2020-01-29 | 2021-07-29 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Bereitstellen mindestens einer Trajektorie für ein automatisiert gefahrenes Fahrzeug |
CN110989636B (zh) * | 2020-02-26 | 2020-08-07 | 北京三快在线科技有限公司 | 一种障碍物的轨迹预测方法及装置 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008062916A1 (de) * | 2008-12-23 | 2010-06-24 | Continental Safety Engineering International Gmbh | Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen |
CN103147577A (zh) * | 2013-02-27 | 2013-06-12 | 中联重科股份有限公司 | 多关节类机械臂架的控制方法、设备、系统及工程机械 |
US20130218379A1 (en) * | 2012-02-20 | 2013-08-22 | Ford Global Technologies, Llc | Methods and Apparatus for Predicting a Driver Destination |
CN103596801A (zh) * | 2011-06-14 | 2014-02-19 | 大陆汽车有限责任公司 | 用于显示具有电驱动装置的车辆的行驶距离的方法和显示装置 |
US20140067256A1 (en) * | 2011-04-11 | 2014-03-06 | Clarion Co., Ltd. | Position Calculation Method and Position Calculation Apparatus |
CN103957509A (zh) * | 2014-05-07 | 2014-07-30 | 北京邮电大学 | 一种车载网络区分用户移动行为相似性的方法 |
EP2881829A2 (de) * | 2013-12-05 | 2015-06-10 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zum automatischen Steuern eines Fahrzeugs, Vorrichtung zum Erzeugen von Steuersignalen für ein Fahrzeug und Fahrzeug |
US20150183431A1 (en) * | 2012-08-08 | 2015-07-02 | Toyota Jidosha Kabushiki Kaisha | Collision prediction apparatus |
CN105005686A (zh) * | 2015-07-02 | 2015-10-28 | 北京智能综电信息技术有限责任公司 | 一种概率预测型的目标跟踪方法 |
CN105043398A (zh) * | 2014-04-09 | 2015-11-11 | 大众汽车有限公司 | 用于提供预测性目标位置和/或用于达到目标位置的预测性路线的方法和导航系统 |
CN105631217A (zh) * | 2015-12-30 | 2016-06-01 | 苏州安智汽车零部件有限公司 | 基于本车自适应虚拟车道的前方有效目标选择系统及方法 |
DE102014224583A1 (de) * | 2014-12-02 | 2016-06-02 | Robert Bosch Gmbh | Verfahren zur Erkennung eines Zieles einer Person und Zielerkennungseinheit hierzu |
CN105765342A (zh) * | 2013-11-12 | 2016-07-13 | 大陆汽车有限责任公司 | 导航系统和用于运行该导航系统的方法 |
CN105760958A (zh) * | 2016-02-24 | 2016-07-13 | 电子科技大学 | 一种基于车联网的车辆轨迹预测方法 |
CN105829831A (zh) * | 2013-11-12 | 2016-08-03 | 三菱电机株式会社 | 用于在行进期间预测目的地的方法 |
EP3056860A2 (en) * | 2010-06-17 | 2016-08-17 | TomTom International B.V. | Navigation device and method |
WO2016156236A1 (en) * | 2015-03-31 | 2016-10-06 | Sony Corporation | Method and electronic device |
CN106023244A (zh) * | 2016-04-13 | 2016-10-12 | 南京邮电大学 | 基于最小二乘法轨迹预测及智能避障模型的行人跟踪方法 |
CN106092113A (zh) * | 2016-06-07 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 预行驶道路预估系统、方法、导航客户端及服务器 |
CN106127802A (zh) * | 2016-06-16 | 2016-11-16 | 南京邮电大学盐城大数据研究院有限公司 | 一种运动目标轨迹追踪方法 |
CN106154839A (zh) * | 2016-09-19 | 2016-11-23 | 重庆大学 | 基于未知目标轨迹的非线性系统鲁棒自适应跟踪控制方法 |
CN106595665A (zh) * | 2016-11-30 | 2017-04-26 | 耿生玲 | 一种障碍空间中移动对象时空轨迹的预测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008049824B4 (de) | 2008-10-01 | 2014-09-04 | Universität Kassel | Verfahren zur Kollisionsvermeidung |
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 |
DE102013202463A1 (de) * | 2013-02-15 | 2014-08-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zum Ermitteln eines Bewegungsmodells |
DE102013017626A1 (de) * | 2013-10-23 | 2015-04-23 | Audi Ag | Verfahren zur Warnung weiterer Verkehrsteilnehmer vor Fußgängern durch ein Kraftfahrzeug und Kraftfahrzeug |
DE102015206335A1 (de) * | 2015-04-09 | 2016-10-13 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Warnen eines Verkehrsteilnehmers |
-
2017
- 2017-05-16 DE DE102017208245.3A patent/DE102017208245A1/de not_active Withdrawn
-
2018
- 2018-01-19 CN CN201880006306.4A patent/CN110168312B/zh active Active
- 2018-01-19 WO PCT/DE2018/200001 patent/WO2018210382A1/de active Application Filing
- 2018-01-19 DE DE112018000117.2T patent/DE112018000117A5/de active Pending
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008062916A1 (de) * | 2008-12-23 | 2010-06-24 | Continental Safety Engineering International Gmbh | Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen |
EP3056860A2 (en) * | 2010-06-17 | 2016-08-17 | TomTom International B.V. | Navigation device and method |
US20140067256A1 (en) * | 2011-04-11 | 2014-03-06 | Clarion Co., Ltd. | Position Calculation Method and Position Calculation Apparatus |
CN103596801A (zh) * | 2011-06-14 | 2014-02-19 | 大陆汽车有限责任公司 | 用于显示具有电驱动装置的车辆的行驶距离的方法和显示装置 |
US20130218379A1 (en) * | 2012-02-20 | 2013-08-22 | Ford Global Technologies, Llc | Methods and Apparatus for Predicting a Driver Destination |
US20150183431A1 (en) * | 2012-08-08 | 2015-07-02 | Toyota Jidosha Kabushiki Kaisha | Collision prediction apparatus |
CN103147577A (zh) * | 2013-02-27 | 2013-06-12 | 中联重科股份有限公司 | 多关节类机械臂架的控制方法、设备、系统及工程机械 |
CN105765342A (zh) * | 2013-11-12 | 2016-07-13 | 大陆汽车有限责任公司 | 导航系统和用于运行该导航系统的方法 |
CN105829831A (zh) * | 2013-11-12 | 2016-08-03 | 三菱电机株式会社 | 用于在行进期间预测目的地的方法 |
EP2881829A2 (de) * | 2013-12-05 | 2015-06-10 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zum automatischen Steuern eines Fahrzeugs, Vorrichtung zum Erzeugen von Steuersignalen für ein Fahrzeug und Fahrzeug |
CN105043398A (zh) * | 2014-04-09 | 2015-11-11 | 大众汽车有限公司 | 用于提供预测性目标位置和/或用于达到目标位置的预测性路线的方法和导航系统 |
CN103957509A (zh) * | 2014-05-07 | 2014-07-30 | 北京邮电大学 | 一种车载网络区分用户移动行为相似性的方法 |
DE102014224583A1 (de) * | 2014-12-02 | 2016-06-02 | Robert Bosch Gmbh | Verfahren zur Erkennung eines Zieles einer Person und Zielerkennungseinheit hierzu |
WO2016156236A1 (en) * | 2015-03-31 | 2016-10-06 | Sony Corporation | Method and electronic device |
CN105005686A (zh) * | 2015-07-02 | 2015-10-28 | 北京智能综电信息技术有限责任公司 | 一种概率预测型的目标跟踪方法 |
CN105631217A (zh) * | 2015-12-30 | 2016-06-01 | 苏州安智汽车零部件有限公司 | 基于本车自适应虚拟车道的前方有效目标选择系统及方法 |
CN105760958A (zh) * | 2016-02-24 | 2016-07-13 | 电子科技大学 | 一种基于车联网的车辆轨迹预测方法 |
CN106023244A (zh) * | 2016-04-13 | 2016-10-12 | 南京邮电大学 | 基于最小二乘法轨迹预测及智能避障模型的行人跟踪方法 |
CN106092113A (zh) * | 2016-06-07 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 预行驶道路预估系统、方法、导航客户端及服务器 |
CN106127802A (zh) * | 2016-06-16 | 2016-11-16 | 南京邮电大学盐城大数据研究院有限公司 | 一种运动目标轨迹追踪方法 |
CN106154839A (zh) * | 2016-09-19 | 2016-11-23 | 重庆大学 | 基于未知目标轨迹的非线性系统鲁棒自适应跟踪控制方法 |
CN106595665A (zh) * | 2016-11-30 | 2017-04-26 | 耿生玲 | 一种障碍空间中移动对象时空轨迹的预测方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111002980A (zh) * | 2019-12-10 | 2020-04-14 | 苏州智加科技有限公司 | 基于深度学习的道路障碍物轨迹预测方法和系统 |
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 |
CN113010959A (zh) * | 2019-12-20 | 2021-06-22 | Aptiv技术有限公司 | 确定关于对象的预期轨迹的连续信息的方法 |
CN111114541A (zh) * | 2019-12-31 | 2020-05-08 | 华为技术有限公司 | 车辆控制方法、装置、控制器和智能车 |
CN111114541B (zh) * | 2019-12-31 | 2021-08-20 | 华为技术有限公司 | 车辆控制方法、装置、控制器和智能车 |
WO2021134742A1 (zh) * | 2020-01-02 | 2021-07-08 | 华为技术有限公司 | 一种处理预测运动轨迹的方法、显示约束屏障的方法以及装置 |
CN113424022A (zh) * | 2020-01-02 | 2021-09-21 | 华为技术有限公司 | 一种处理预测运动轨迹的方法、显示约束屏障的方法以及装置 |
CN113424022B (zh) * | 2020-01-02 | 2024-04-16 | 华为技术有限公司 | 一种处理预测运动轨迹的方法、显示约束屏障的方法以及装置 |
CN113353100A (zh) * | 2021-06-21 | 2021-09-07 | 高靖涵 | 无人驾驶车辆避让行人的方法及系统 |
CN113353100B (zh) * | 2021-06-21 | 2023-02-24 | 高靖涵 | 无人驾驶车辆避让行人的方法及系统 |
WO2023082850A1 (zh) * | 2021-11-11 | 2023-05-19 | 中国第一汽车股份有限公司 | 行人轨迹预测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110168312B (zh) | 2023-09-12 |
DE112018000117A5 (de) | 2019-06-06 |
WO2018210382A1 (de) | 2018-11-22 |
DE102017208245A1 (de) | 2018-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110168312A (zh) | 基于目标预测动态物体的方法和装置 | |
CN107000745B (zh) | 车辆的行驶控制装置以及行驶控制方法 | |
US11554785B2 (en) | Driving scenario machine learning network and driving environment simulation | |
US20220227367A1 (en) | Systems and methods for vehicle navigation | |
CN111670468B (zh) | 移动体行为预测装置以及移动体行为预测方法 | |
US9127956B2 (en) | Technique for lane assignment in a vehicle | |
JP6232004B2 (ja) | 先進運転者支援システムによりリスクベースの交通シーン分析を行う方法、及び当該分析を行う当該システムを備える乗り物 | |
EP3526737B1 (en) | Neural network system for autonomous vehicle control | |
CN109643367B (zh) | 用于自主车辆导航的众包和分发稀疏地图以及车道测量的方法、系统和可读介质 | |
CN106164999B (zh) | 碰撞防止装置 | |
CN106794797B (zh) | 车辆用照射控制系统及图像照射的控制方法 | |
US9424468B2 (en) | Moving object prediction device, hypothetical movable object prediction device, program, moving object prediction method and hypothetical movable object prediction method | |
CN105809130B (zh) | 一种基于双目深度感知的车辆可行驶区域计算方法 | |
CN109313857A (zh) | 周边环境识别装置 | |
JP5535816B2 (ja) | 移動物予測装置及びプログラム | |
JP6316146B2 (ja) | 移動物体位置予測装置、移動物体位置予測方法及び移動物体位置予測用コンピュータプログラム | |
CN107221195B (zh) | 汽车车道预测方法及车道级地图 | |
US11782439B2 (en) | Determining routes for autonomous vehicles | |
JP2011248445A (ja) | 可動物予測装置及びプログラム | |
Heirich et al. | Probabilistic localization method for trains | |
JP6171499B2 (ja) | 危険度判定装置及び危険度判定方法 | |
JP2012164159A (ja) | 危険度判定装置、危険度判定プログラム及び危険度判定方法 | |
CN116257058A (zh) | 一种园区自动驾驶物流小车智能局部规划方法 | |
Davoodi et al. | GIS-based route finding using ant colony optimization and urban traffic data from different sources | |
Chipka et al. | Estimation and navigation methods with limited information for autonomous urban driving |
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: 20230106 Address after: Germany Ingolstadt Applicant after: Continental Zhixing Germany Co.,Ltd. Address before: Hannover Applicant before: CONTINENTAL AUTOMOTIVE GmbH |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |