CN111380555A - 车辆行为预测方法及装置、电子设备、存储介质 - Google Patents
车辆行为预测方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN111380555A CN111380555A CN202010127544.XA CN202010127544A CN111380555A CN 111380555 A CN111380555 A CN 111380555A CN 202010127544 A CN202010127544 A CN 202010127544A CN 111380555 A CN111380555 A CN 111380555A
- Authority
- CN
- China
- Prior art keywords
- traffic light
- path
- traffic lights
- target
- obstacle vehicle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013507 mapping Methods 0.000 claims abstract description 50
- 230000006399 behavior Effects 0.000 claims description 32
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
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
- 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
- B60W30/18—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
- 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
-
- 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
- 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
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching 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
- B60W40/04—Traffic 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
- B60W60/0015—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
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
-
- 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
-
- 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
- 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
- B60W2554/4045—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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4046—Behavior, e.g. aggressive or erratic
-
- 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
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- 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
- G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供一种车辆行为预测方法及装置、电子设备、存储介质;涉及智能驾驶技术领域。所述方法包括:获取目标车辆在当前路口将要行驶的路径,确定该路径对应的目标红绿灯;根据目标红绿灯、所获取的目标红绿灯的指示状态,以及红绿灯状态映射关系表,确定目标红绿灯对应的临近红绿灯以及临近红绿灯的指示状态;获取并根据障碍车辆的位置,预测障碍车辆在当前路口的所有可能行驶路径,并确定每个可能行驶路径对应的红绿灯;其中,临近红绿灯包含每个可能行驶路径对应的红绿灯;根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定障碍车辆的最终可能行驶路径。本公开可以提高车辆行为预测的准确性。
Description
技术领域
本公开涉及智能驾驶技术领域,具体而言,涉及一种车辆行为预测方法、车辆行为预测装置、电子设备以及计算机可读存储介质。
背景技术
在自动驾驶系统中,自动驾驶车辆在通过带有红绿灯的路口时,可以根据当前导航路径上红绿灯的指示状态,确定车辆的行驶状态。并且,还可以预测路口其他车辆的行为,以进一步提高车辆行驶状态的准确性。然而,相关技术中对其他车辆行为的预测准确性较低。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种车辆行为预测方法、车辆行为预测装置、电子设备以及计算机可读存储介质,进而在一定程度上克服由于相关技术的限制和缺陷而导致的对车辆行为的预测准确性较低的问题。
根据本公开的第一方面,提供一种车辆行为预测方法,包括:
获取目标车辆在当前路口将要行驶的路径,确定所述路径对应的目标红绿灯;
根据所述目标红绿灯、所获取的所述目标红绿灯的指示状态,以及红绿灯状态映射关系表,确定所述目标红绿灯对应的临近红绿灯以及所述临近红绿灯的指示状态;
获取并根据障碍车辆的位置,预测所述障碍车辆在所述当前路口的所有可能行驶路径,并确定每个可能行驶路径对应的红绿灯;其中,所述临近红绿灯包含每个可能行驶路径对应的红绿灯;
根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定所述障碍车辆的最终可能行驶路径。
可选的,在所述确定所述路径对应的目标红绿灯之前,所述方法还包括:
根据电子地图中的车道拓扑关系,确定每个路口的可行驶路径;其中,每个可行驶路径包括:初始车道和目标车道;
针对每个可行驶路径,确定从初始车道行驶至目标车道所经过的红绿灯,建立初始车道、目标车道与红绿灯之间的映射关系。
可选的,所述红绿灯状态映射关系表的建立方法包括:
针对电子地图中的每个路口,获取该路口单个红绿灯的指示状态,以及在该指示状态持续时间内该路口其他红绿灯的指示状态;
建立所述单个红绿灯、所述单个红绿灯的指示状态与所述其他红绿灯、所述其他红绿灯的指示状态之间的映射关系,得到所述红绿灯状态映射关系表。
可选的,所述获取并根据障碍车辆的位置,预测所述障碍车辆在所述当前路口的所有可能行驶路径,包括:
获取障碍车辆的位置,根据所述位置确定所述障碍车辆所在的车道;
基于所述车道拓扑关系以及所述障碍车辆所在的车道,预测所述障碍车辆在所述当前路口的所有可能行驶路径。
可选的,每个可能行驶路径由至少两个车道按顺序形成;
所述确定每个可能行驶路径对应的红绿灯,包括:
根据初始车道、目标车道与红绿灯之间的映射关系,确定每个可能行驶路径中所有连续的两个车道对应的红绿灯;
将所确定的红绿灯作为该可能行驶路径对应的红绿灯。
可选的,所述根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定所述障碍车辆的最终可能行驶路径,包括:
针对每个可能行驶路径,若该可能行驶路径对应的红绿灯的指示状态为红灯或黄灯,将该可能行驶路径更新为该红绿灯之前的车道;
将所述障碍车辆的所有可能行驶路径的集合作为所述障碍车辆的最终可能行驶路径。
可选的,所述将该可能行驶路径更新为该红绿灯之前的车道,包括:
获取该红绿灯之前的车道的坐标序列;
根据所述障碍车辆的位置,将所述坐标序列中位于所述障碍车辆之后的坐标去除,得到处理后的坐标序列;
将处理后的坐标序列形成的路径作为所述障碍车辆的可能行驶路径。
可选的,在所述将该可能行驶路径更新为该红绿灯之前的车道之后,所述方法还包括:
在所述障碍车辆行驶至该红绿灯对应的停止线时,预测所述障碍车辆的速度和加速度均为0。
根据本公开的第二方面,提供一种车辆行为预测装置,包括:
目标红绿灯确定模块,用于获取目标车辆在当前路口将要行驶的路径,确定所述路径对应的目标红绿灯;
红绿灯及状态确定模块,用于根据所述目标红绿灯、所获取的所述目标红绿灯的指示状态,以及红绿灯状态映射关系表,确定所述目标红绿灯对应的临近红绿灯以及所述临近红绿灯的指示状态;
可能行驶路径预测模块,用于获取并根据障碍车辆的位置,预测所述障碍车辆在所述当前路口的所有可能行驶路径,并确定每个可能行驶路径对应的红绿灯;其中,所述临近红绿灯包含每个可能行驶路径对应的红绿灯;
可能行驶路径确定模块,用于根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定所述障碍车辆的最终可能行驶路径。
可选的,本公开实施例的车辆行为预测装置,还包括:
车道及红绿灯映射关系建立模块,用于根据电子地图中的车道拓扑关系,确定每个路口的可行驶路径;其中,每个可行驶路径包括:初始车道和目标车道;
针对每个可行驶路径,确定从初始车道行驶至目标车道所经过的红绿灯,建立初始车道、目标车道与红绿灯之间的映射关系。
可选的,本公开实施例的车辆行为预测装置,还包括:
红绿灯状态互斥建立模块,用于针对电子地图中的每个路口,获取该路口单个红绿灯的指示状态,以及在该指示状态持续时间内该路口其他红绿灯的指示状态;
建立所述单个红绿灯、所述单个红绿灯的指示状态与所述其他红绿灯、所述其他红绿灯的指示状态之间的映射关系,得到所述红绿灯状态映射关系表。
可选的,所述可能行驶路径预测模块,具体用于获取障碍车辆的位置,根据所述位置确定所述障碍车辆所在的车道;基于所述车道拓扑关系以及所述障碍车辆所在的车道,预测所述障碍车辆在所述当前路口的所有可能行驶路径。
可选的,每个可能行驶路径由至少两个车道按顺序形成;
所述可能行驶路径预测模块通过下述步骤实现确定每个可能行驶路径对应的红绿灯:
根据初始车道、目标车道与红绿灯之间的映射关系,确定每个可能行驶路径中所有连续的两个车道对应的红绿灯;
将所确定的红绿灯作为该可能行驶路径对应的红绿灯。
可选的,所述可能行驶路径确定模块,具体用于针对每个可能行驶路径,若该可能行驶路径对应的红绿灯的指示状态为红灯或黄灯,将该可能行驶路径更新为该红绿灯之前的车道;
将所述障碍车辆的所有可能行驶路径的集合作为所述障碍车辆的最终可能行驶路径。
可选的,所述可能行驶路径确定模块通过下述步骤实现将该可能行驶路径更新为该红绿灯之前的车道:
获取该红绿灯之前的车道的坐标序列;
根据所述障碍车辆的位置,将所述坐标序列中位于所述障碍车辆之后的坐标去除,得到处理后的坐标序列;
将处理后的坐标序列形成的路径作为所述障碍车辆的可能行驶路径。
可选的,本公开实施例的车辆行为预测装置,还包括:
行驶状态预测模块,用于在所述障碍车辆行驶至该红绿灯对应的停止线时,预测所述障碍车辆的速度和加速度均为0。
根据本公开的第三方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的方法。
本公开实施例至少可以具有以下部分或全部有益效果:
本公开实施例的车辆行为预测方法及装置中,在目标车辆行驶时,可以根据目标车辆将要行驶的路径,确定对应的目标红绿灯,并根据目标红绿灯的指示状态,确定其他临近红绿灯的指示状态。之后,根据障碍车辆的位置,结合临近红绿灯的指示状态,确定障碍车辆的最终可能行驶路径,可以提高障碍车辆行为预测的准确性。进一步的,根据障碍车辆的最终可能行驶路径,可以提高目标车辆行驶时的平稳性以及安全性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图;
图2示出了本公开实施例中车辆行为预测方法的一种流程图;
图3示出了本公开实施例中行驶路径和红绿灯的映射关系的建立方法流程图;
图4示出了本公开实施例中红绿灯状态映射关系表的建立方法流程图;
图5示出了一种车道拓扑示意图;
图6示出了本公开实施例中车辆行为预测装置的一种结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图1示出的电子设备的计算机系统100仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图1所示,计算机系统100包括中央处理器101,其可以根据存储在只读存储器102中的程序或者从存储部分108加载到随机访问存储器103中的程序而执行各种适当的动作和处理。在随机访问存储器103中,还存储有系统操作所需的各种程序和数据。中央处理器101、只读存储器102以及随机访问存储器103通过总线104彼此相连。输入/输出接口105也连接至总线104。
以下部件连接至输入/输出接口105:包括键盘、鼠标等的输入部分106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分107;包括硬盘等的存储部分108;以及包括诸如局域网卡、调制解调器等的网络接口卡的通信部分109。通信部分109经由诸如因特网的网络执行通信处理。驱动器110也根据需要连接至输入/输出接口105。可拆卸介质111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器110上,以便于从其上读出的计算机程序根据需要被安装入存储部分108。
特别地,根据本公开的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分109从网络上被下载和安装,和/或从可拆卸介质111被安装。在该计算机程序被中央处理器101执行时,执行本申请的方法和装置中限定的各种功能。
需要说明的是,本公开所示的计算机可读存储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例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器、只读存储器、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的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存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含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、射频等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图2~图4所示的各个步骤等。
以下对本公开实施例的技术方案进行详细阐述:
对于自动驾驶车辆,对路口内的其他车辆、行人做出更精确的预测,可以使自动驾驶车辆通过路口时更加安全可靠。本公开实施例提供了一种车辆行为预测方法,可以提高对其他车辆、行人预测的准确性。
参见图2,图2示出了本公开实施例中车辆行为预测方法的一种流程图,包括以下步骤:
步骤S210,获取目标车辆在当前路口将要行驶的路径,确定该路径对应的目标红绿灯。
步骤S220,根据目标红绿灯、所获取的目标红绿灯的指示状态,以及红绿灯状态映射关系表,确定目标红绿灯对应的临近红绿灯以及临近红绿灯的指示状态。
步骤S230,获取并根据障碍车辆的位置,预测障碍车辆在当前路口的所有可能行驶路径,并确定每个可能行驶路径对应的红绿灯;其中,临近红绿灯包含每个可能行驶路径对应的红绿灯。
步骤S240,根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定障碍车辆的最终可能行驶路径。
本公开实施例的车辆行为预测方法中,在目标车辆行驶时,可以根据目标车辆将要行驶的路径,确定对应的目标红绿灯,并根据目标红绿灯的指示状态,确定其他临近红绿灯的指示状态。之后,根据障碍车辆的位置,结合临近红绿灯的指示状态,确定障碍车辆的最终可能行驶路径,可以提高障碍车辆行为预测的准确性。进一步的,根据障碍车辆的最终可能行驶路径,可以提高目标车辆行驶时的平稳性以及安全性。
以下对本公开实施例的车辆行为预测方法进行更加详细的阐述。
在步骤S210中,获取目标车辆在当前路口将要行驶的路径,确定该路径对应的目标红绿灯。
本公开实施例中,目标车辆可以是自动驾驶车辆,自动驾驶车辆通常可以按照预先设定的导航路径行驶,而导航路径中可以包含多个路口,在经过每个路口时,目标车辆可以直行、右转、左转等。目标车辆在当前路口将要行驶的路径指的是将要左转,或将要右转,或将要直行,并且,每一种路径均可以对应有红绿灯。例如,直行时对应一个红绿灯,左转时可以对应一个红绿灯,右转时也可以对应一个红绿灯,当然,右转时也可以不存在对应的红绿灯,即在没有障碍车辆或行人的情况下,右转时车辆可以随时通行。在确定目标车辆将要行驶的路径后,即可确定该路径对应的目标红绿灯。其中,对于该路径不存在对应的红绿灯的情况,本公开可以不做考虑。
当然,在此之前,对于每个路口,可以预先建立行驶路径和红绿灯的映射关系。参见图3,可以包括以下步骤:
步骤S310,根据电子地图中的车道拓扑关系,确定每个路口的可行驶路径;其中,每个可行驶路径包括:初始车道和目标车道。
目前,电子地图中可以包含各个车道之间的拓扑关系,对于每个路口,路口的形状可能不同,可以为十字路口,丁字路口等。路口的形状不同,对应的可行驶路径也就不同,路口的可行驶路径即在该路口可以行驶的路径。在此,可行驶路径可以通过两个车道进行表示,例如,将该路口任一车道作为初始车道,要行驶的车道作为目标车道,初始车道和目标车道可以是连续的相邻车道。
步骤S320,针对每个可行驶路径,确定从初始车道行驶至目标车道所经过的红绿灯,建立初始车道、目标车道与红绿灯之间的映射关系。
本公开实施例中,基于电子地图,如果确定从车道LANE1到车道LANE2经过红绿灯TL1,则可以建立集合S{LANE1_ID,LANE2_ID}和红绿灯TL1的映射关系。其中,LANE1_ID,LANE2_ID分别是车道LANE1和车道LANE2的唯一标识符。另外,从电子地图中也可以获取红绿灯的唯一标识符、位置坐标、朝向等信息。需要说明的是,一个红绿灯至少对应一个集合S,且集合S是有序的,包含两个元素,即从集合S的第一个元素所表示的车道到集合S第二个元素所表示的车道经过红绿灯TL1。
之后,可以存储上述映射关系。这样,针对任意两个车道组成的有序集合,可以在该映射关系中查找是否存在对应的红绿灯。具体的查询算法包括但不局限于哈希查找、顺序查找等。如前所述,对于右转时的两个车道,可以不存在对应的红绿灯。因此,两个车道组成的有序集合也可能不存在对应的红绿灯。
在步骤S220中,根据目标红绿灯、所获取的目标红绿灯的指示状态,以及红绿灯状态映射关系表,确定目标红绿灯对应的临近红绿灯以及临近红绿灯的指示状态。
具体的,在确定目标红绿灯之后,可以通过摄像头采集图像,并对采集的图像进行识别以获取该红绿灯的指示状态。指示状态可以包括:红灯、绿灯、黄灯和未知等。如果指示状态为未知,表示目标红绿灯的指示状态获取失败,则确定对障碍车辆的行为预测失败,流程结束。
如果目标红绿灯的指示状态为红灯、绿灯或黄灯,则可以根据红绿灯状态映射关系表确定目标红绿灯的临近红绿灯以及临近红绿灯的指示状态。临近红绿灯指的是与目标红绿灯临近的红绿灯,例如,同一路口的其他红绿灯即为目标红绿灯的临近红绿灯。
其中,红绿灯状态映射关系表中可以存储同一路口各个红绿灯之间的逻辑关系,也就是,在其中一个红绿灯在某一指示状态下,其他红绿灯的指示状态。红绿灯状态映射关系表的建立方法可参见图4,可以包括以下步骤:
步骤S410,针对电子地图中的每个路口,获取该路口单个红绿灯的指示状态,以及在该指示状态持续时间内该路口其他红绿灯的指示状态。
通常情况下,红绿灯的每种指示状态都可以持续一段时间,例如,对于同一个红绿灯,指示状态为红灯的持续时间可以是60秒,指示状态为绿灯的持续时间也可以是60秒,指示状态为黄灯的持续时间可以是5秒。
此时,可以确定红绿灯TL1的指示状态为绿灯的持续时间内,路口内其他红绿灯的指示状态为绿灯的红绿灯集合TGG,路口内其他红绿灯的指示状态为红灯的红绿灯集合TGR;
以及红绿灯TL1的指示状态为红灯的持续时间内,路口内其他红绿灯的指示状态为绿灯的红绿灯集合TRG,路口内其他红绿灯的指示状态为红灯的红绿灯集合TRR;
以及红绿灯TL1的指示状态为黄灯的持续时间内,路口内其他红绿灯的指示状态为绿灯的红绿灯集合TYG,路口内其他红绿灯的指示状态为红灯的红绿灯集合TYR。
其中,上述信息可以通过人工方式获取,即在路口处,人工判断各个红绿灯之间的时序、状态关系,生成上述信息。当然,也可以通过自动化的方法实现,例如,可以用环视摄像头同时采集路口内所有红绿灯的状态变化视频,该视频可以包含路口内每一个红绿灯一个完整的状态周期(完整的红灯,完整的绿灯,完整的黄灯),然后利用红绿灯识别算法(包括但不局限于卷积神经网络,深度学习等),识别每个红绿灯的状态持续时间,状态切换时间等,根据红绿灯的状态切换时间以及状态持续时间生成上述信息。
步骤S420,建立单个红绿灯、单个红绿灯的指示状态与其他红绿灯、其他红绿灯的指示状态之间的映射关系,得到红绿灯状态映射关系表。
基于步骤S410生成的信息,可以建立红绿灯状态映射关系表。这样,基于目标红绿灯的指示状态,即可确定临近红绿灯以及临近红绿灯的指示状态。例如,如果目标红绿灯TL1的指示状态为绿灯,则临近红绿灯为{TGG,TGR},如果TL1的指示状态为红灯,则临近红绿灯为{TRG,TRR},如果TL1的指示状态为黄灯,则临近红绿灯为{TYG,TYR}。
在步骤S230中,获取并根据障碍车辆的位置,预测障碍车辆在当前路口的所有可能行驶路径,并确定每个可能行驶路径对应的红绿灯;其中,临近红绿灯包含每个可能行驶路径对应的红绿灯。
需要说明的是,本公开除了可以预测障碍车辆之外,也可以预测行人的行为等,在此不做限定。本公开实施例中,障碍车辆可以是目标车辆之外的其他车辆,障碍车辆的数量可以是一个或多个,在此以一个为例进行说明。
本公开实施例中,可以通过传感器获取障碍车辆的位置,并预测障碍车辆的所有可能行驶路径。例如,对于路口对面,与目标车辆行驶方向相反的障碍车辆,可以直行、右转或左转等。
更为具体的,在障碍车辆的位置以及路口的车道拓扑关系确定的情况下,可以根据障碍车辆的位置确定障碍车辆所在的车道,基于车道拓扑关系以及障碍车辆所在的车道,预测障碍车辆在当前路口的所有可能行驶路径。假设预测障碍车辆在当前路口的可能行驶路径为TR,TR={L1,L2,…,Ln},Li表示第i个行驶路径,n表示可能行驶路径的总数量。
其中,每个可能行驶路径由至少两个车道按顺序形成,Li={LANE_1,LANE_2,…,LANE_m},表示Li由车道LANE_1、LANE_2、…、LANE_m按顺序形成,m表示车道的数量。
在预测障碍车辆的可能行驶路径之后,可以根据初始车道、目标车道与红绿灯之间的映射关系,即图3中建立的映射关系表,确定每个可能行驶路径中所有连续的两个车道对应的红绿灯;将所确定的红绿灯作为该可能行驶路径对应的红绿灯。如前所述,并不是所有连续的两个车道都存在对应的红绿灯。通过情况下,一个行驶路径可以对应一个红绿灯,当然,也可以对应多个红绿灯,或者不存在对应的红绿灯。需要说明的是,临近红绿灯指该路口除目标红绿灯之外的其他红绿灯,而每个可能行驶路径对应的红绿灯可能是临近红绿灯中的一个或多个,即临近红绿灯包含每个可能行驶路径对应的红绿灯。
在步骤S240中,根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定障碍车辆的最终可能行驶路径。
本公开实施例中,由于在步骤S220中可以确定临近红绿灯的指示状态,临近红绿灯包含每个可能行驶路径对应的红绿灯,因此,可以确定每个可能行驶路径对应的红绿灯的指示状态。
针对每个可能行驶路径,若该可能行驶路径对应的红绿灯的指示状态为绿灯,表示该路径可以通行,该可能行驶路径即为障碍车辆的可能行驶路径。同时,还可以以匀速、匀加速、匀减速或三者之间的结合来为路径生成速度,从而预测障碍车辆的可能行驶轨迹,其中,行驶轨迹包括:行驶路径、速度、加速度和角速度等。
若该可能行驶路径对应的红绿灯的指示状态为红灯或黄灯,表示该路径不可以通行。由于该可能行驶路径中该红绿灯之后的车道不可以通行,该红绿灯之前的车道可以通行,因此,可以将该可能行驶路径更新为该红绿灯之前的车道。
例如,该可能行驶路径由车道LANE_1、LANE_2和LANE_3按顺序连接而成,红绿灯在车道LANE_1和LANE_2之间,且红绿灯的指示状态为红灯,那么,障碍车辆可以行驶的车道为LANE_1,车道LANE_1为障碍车辆的可能行驶路径。
具体的,可以从电子地图中获取该红绿灯之前的车道的坐标序列,并对坐标序列进行插值处理,得到插值后的坐标序列。其中,插值方法包括但不局限于:线性插值、抛物插值、拉格朗日插值等算法。之后根据障碍车辆的位置,将坐标序列中位于障碍车辆之后的坐标去除,得到处理后的坐标序列,将处理后的坐标序列形成的路径作为障碍车辆的可能行驶路径。例如,可以通过控制算法跟踪处理后的坐标序列,获得可能行驶路径。其中,控制算法可以包括:PID(Proportion Integral Differential,比例积分微分)算法、LQR(LinearQuadratic Regulator,线性二次型调节器)、MPC(Model Predictive Control,模型预测控制)、PP(Pure-pursuit,纯跟踪)算法等。
之后,将障碍车辆的所有可能行驶路径的集合作为障碍车辆的最终可能行驶路径。例如,在步骤S230中,预测得到3个可能行驶路径,那么,最终可能行驶路径也为3个。
可选的,在将该可能行驶路径更新为该红绿灯之前的车道之后,还可以对障碍车辆的行驶状态进行预测。由于障碍车辆在遇到红灯时,需要停止,因此,在障碍车辆行驶至该红绿灯对应的停止线时,预测障碍车辆的速度和加速度均为0。如果障碍车辆前方已经有其他车辆停止,则在障碍车辆行驶至距离自身最近的车辆后方位置处,预测障碍车辆的速度和加速度均为0。类似的,在障碍车辆停止之前,也可以以匀速、匀减速或两者之间的结合来为路径生成速度,从而预测障碍车辆的可能行驶轨迹。
这样,自动驾驶车辆可以根据障碍车辆的可能行驶轨迹,匀速行驶、减速行驶或者停止,以提高自动驾驶车辆行驶的安全性。
实施例一
参见图5,图5示出了一种车道拓扑示意图,lane1~lane7表示车道,tl1~tl3表示红绿灯。可以看出,由lane1行驶至lane2经过红绿灯tl1,因此,{lane1,lane2}对应红绿灯tl1。同理可知,{lane3,lane4}对应红绿灯tl2,{lane3,lane6}对应红绿灯tl3。
假设当前时刻,红绿灯tl1的指示状态为绿灯,tl2的指示状态为红灯,tl3的指示状态为绿灯。自动驾驶车辆在图中位置,从lane1到lane2的方向行驶。可以通过自动驾驶车辆中安装的摄像头采集图像,获取红绿灯tl1的状态为绿灯,根据红绿灯状态映射关系表,可以得到TGG={tl3},TGR={tl2},也就是可以确定tl2的指示状态为红灯,tl3的指示状态为绿灯。
根据障碍车辆的位置,可以预测障碍车辆可能行驶的车道序列集合TR={tr1,tr2},其中tr1={lane3,lane4,lane5},tr2={lane3,lane6,lane7}。由于tl2的指示状态为红灯,最终得到障碍车辆的行驶车道序列集合TR1={tr3,tr2},其中tr3={lane3},由于从lane3到lane4是红灯,则障碍车辆最多只能行驶到tl2对应的停止线处,且在此处的速度以及加速度为0,即基于tr3获得的预测轨迹,最终的速度,加速度须为0。而由于tr2中不存在红灯,则对基于tr2的预测轨迹中的速度、加速度可以不做特殊要求。
可以理解的是,如果无法准确获取tl2的状态,则基于tr1的路径可能会与自动驾驶车辆的行驶路径存在交叉的部分,使得自动驾驶车辆减速,影响自动驾驶的平稳性。
可见,本公开实施例的车辆行为预测方法,通过获取目标红绿灯的指示状态,即可确定目标红绿灯对应的临近红绿灯的指示状态。由于只需获取一个目标红绿灯的指示状态,因此可以避免获取多个红绿灯的指示状态而导致结果的不确定性,提高红绿灯指示状态确定的准确性。那么,在根据障碍车辆的位置以及临近红绿灯的指示状态,确定障碍车辆的可能行驶路径时,可以提高可能行驶路径预测的准确性。进而,可以提高自动驾驶车辆行驶的平稳性和安全性。
应当注意,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
进一步的,本示例实施方式中,还提供了一种车辆行为预测装置600,参考图6所示,包括:
目标红绿灯确定模块610,用于获取目标车辆在当前路口将要行驶的路径,确定该路径对应的目标红绿灯;
红绿灯及状态确定模块620,用于根据目标红绿灯、所获取的目标红绿灯的指示状态,以及红绿灯状态映射关系表,确定目标红绿灯对应的临近红绿灯以及临近红绿灯的指示状态;
可能行驶路径预测模块630,用于获取并根据障碍车辆的位置,预测障碍车辆在当前路口的所有可能行驶路径,并确定每个可能行驶路径对应的红绿灯;其中,临近红绿灯包含每个可能行驶路径对应的红绿灯;
可能行驶路径确定模块640,用于根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定障碍车辆的最终可能行驶路径。
可选的,本公开实施例的车辆行为预测装置,还包括:
车道及红绿灯映射关系建立模块,用于根据电子地图中的车道拓扑关系,确定每个路口的可行驶路径;其中,每个可行驶路径包括:初始车道和目标车道;
针对每个可行驶路径,确定从初始车道行驶至目标车道所经过的红绿灯,建立初始车道、目标车道与红绿灯之间的映射关系。
可选的,本公开实施例的车辆行为预测装置,还包括:
红绿灯状态互斥建立模块,用于针对电子地图中的每个路口,获取该路口单个红绿灯的指示状态,以及在该指示状态持续时间内该路口其他红绿灯的指示状态;
建立单个红绿灯、单个红绿灯的指示状态与其他红绿灯、其他红绿灯的指示状态之间的映射关系,得到红绿灯状态映射关系表。
可选的,可能行驶路径预测模块,具体用于获取障碍车辆的位置,根据该位置确定障碍车辆所在的车道;基于车道拓扑关系以及障碍车辆所在的车道,预测障碍车辆在当前路口的所有可能行驶路径。
可选的,每个可能行驶路径由至少两个车道按顺序形成;
可能行驶路径预测模块通过下述步骤实现确定每个可能行驶路径对应的红绿灯:
根据初始车道、目标车道与红绿灯之间的映射关系,确定每个可能行驶路径中所有连续的两个车道对应的红绿灯;
将所确定的红绿灯作为该可能行驶路径对应的红绿灯。
可选的,可能行驶路径确定模块,具体用于针对每个可能行驶路径,若该可能行驶路径对应的红绿灯的指示状态为红灯或黄灯,将该可能行驶路径更新为该红绿灯之前的车道;
将障碍车辆的所有可能行驶路径的集合作为障碍车辆的最终可能行驶路径。
可选的,可能行驶路径确定模块通过下述步骤实现将该可能行驶路径更新为该红绿灯之前的车道:
获取该红绿灯之前的车道的坐标序列;
根据障碍车辆的位置,将坐标序列中位于障碍车辆之后的坐标去除,得到处理后的坐标序列;
将处理后的坐标序列形成的路径作为障碍车辆的可能行驶路径。
可选的,本公开实施例的车辆行为预测装置,还包括:
行驶状态预测模块,用于在障碍车辆行驶至该红绿灯对应的停止线时,预测障碍车辆的速度和加速度均为0。
上述装置中各模块或单元的具体细节已经在对应的方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种车辆行为预测方法,其特征在于,所述方法包括:
获取目标车辆在当前路口将要行驶的路径,确定所述路径对应的目标红绿灯;
根据所述目标红绿灯、所获取的所述目标红绿灯的指示状态,以及红绿灯状态映射关系表,确定所述目标红绿灯对应的临近红绿灯以及所述临近红绿灯的指示状态;
获取并根据障碍车辆的位置,预测所述障碍车辆在所述当前路口的所有可能行驶路径,并确定每个可能行驶路径对应的红绿灯;其中,所述临近红绿灯包含每个可能行驶路径对应的红绿灯;
根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定所述障碍车辆的最终可能行驶路径。
2.根据权利要求1所述的方法,其特征在于,在所述确定所述路径对应的目标红绿灯之前,所述方法还包括:
根据电子地图中的车道拓扑关系,确定每个路口的可行驶路径;其中,每个可行驶路径包括:初始车道和目标车道;
针对每个可行驶路径,确定从初始车道行驶至目标车道所经过的红绿灯,建立初始车道、目标车道与红绿灯之间的映射关系。
3.根据权利要求1所述的方法,其特征在于,所述红绿灯状态映射关系表的建立方法包括:
针对电子地图中的每个路口,获取该路口单个红绿灯的指示状态,以及在该指示状态持续时间内该路口其他红绿灯的指示状态;
建立所述单个红绿灯、所述单个红绿灯的指示状态与所述其他红绿灯、所述其他红绿灯的指示状态之间的映射关系,得到所述红绿灯状态映射关系表。
4.根据权利要求2所述的方法,其特征在于,所述获取并根据障碍车辆的位置,预测所述障碍车辆在所述当前路口的所有可能行驶路径,包括:
获取障碍车辆的位置,根据所述位置确定所述障碍车辆所在的车道;
基于所述车道拓扑关系以及所述障碍车辆所在的车道,预测所述障碍车辆在所述当前路口的所有可能行驶路径。
5.根据权利要求2所述的方法,其特征在于,每个可能行驶路径由至少两个车道按顺序形成;
所述确定每个可能行驶路径对应的红绿灯,包括:
根据初始车道、目标车道与红绿灯之间的映射关系,确定每个可能行驶路径中所有连续的两个车道对应的红绿灯;
将所确定的红绿灯作为该可能行驶路径对应的红绿灯。
6.根据权利要求5所述的方法,其特征在于,所述根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定所述障碍车辆的最终可能行驶路径,包括:
针对每个可能行驶路径,若该可能行驶路径对应的红绿灯的指示状态为红灯或黄灯,将该可能行驶路径更新为该红绿灯之前的车道;
将所述障碍车辆的所有可能行驶路径的集合作为所述障碍车辆的最终可能行驶路径。
7.根据权利要求6所述的方法,其特征在于,所述将该可能行驶路径更新为该红绿灯之前的车道,包括:
获取该红绿灯之前的车道的坐标序列;
根据所述障碍车辆的位置,将所述坐标序列中位于所述障碍车辆之后的坐标去除,得到处理后的坐标序列;
将处理后的坐标序列形成的路径作为所述障碍车辆的可能行驶路径。
8.根据权利要求6所述的方法,其特征在于,在所述将该可能行驶路径更新为该红绿灯之前的车道之后,所述方法还包括:
在所述障碍车辆行驶至该红绿灯对应的停止线时,预测所述障碍车辆的速度和加速度均为0。
9.一种车辆行为预测装置,其特征在于,所述装置包括:
目标红绿灯确定模块,用于获取目标车辆在当前路口将要行驶的路径,确定所述路径对应的目标红绿灯;
红绿灯及状态确定模块,用于根据所述目标红绿灯、所获取的所述目标红绿灯的指示状态,以及红绿灯状态映射关系表,确定所述目标红绿灯对应的临近红绿灯以及所述临近红绿灯的指示状态;
可能行驶路径预测模块,用于获取并根据障碍车辆的位置,预测所述障碍车辆在所述当前路口的所有可能行驶路径,并确定每个可能行驶路径对应的红绿灯;其中,所述临近红绿灯包含每个可能行驶路径对应的红绿灯;
可能行驶路径确定模块,用于根据所有可能行驶路径以及每个可能行驶路径对应的红绿灯的指示状态,确定所述障碍车辆的最终可能行驶路径。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~8任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~8任一项所述的方法。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010127544.XA CN111380555A (zh) | 2020-02-28 | 2020-02-28 | 车辆行为预测方法及装置、电子设备、存储介质 |
PCT/CN2020/142082 WO2021169591A1 (zh) | 2020-02-28 | 2020-12-31 | 车辆行为预测方法及装置、电子设备、存储介质 |
KR1020227024934A KR20220111722A (ko) | 2020-02-28 | 2020-12-31 | 차량 거동 예측 방법 및 장치, 전자기기, 저장매체 |
JP2022544173A JP7525618B2 (ja) | 2020-02-28 | 2020-12-31 | 車両挙動予測方法及び装置、電子機器、記憶媒体 |
US17/904,721 US20230077347A1 (en) | 2020-02-28 | 2020-12-31 | Vehicle behavior prediction method and apparatus, electronic device, and storage medium |
EP20920881.8A EP4086578A4 (en) | 2020-02-28 | 2020-12-31 | METHOD AND APPARATUS FOR PREDICTING VEHICLE BEHAVIOR, ELECTRONIC DEVICE, AND STORAGE MEDIUM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010127544.XA CN111380555A (zh) | 2020-02-28 | 2020-02-28 | 车辆行为预测方法及装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111380555A true CN111380555A (zh) | 2020-07-07 |
Family
ID=71218629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010127544.XA Pending CN111380555A (zh) | 2020-02-28 | 2020-02-28 | 车辆行为预测方法及装置、电子设备、存储介质 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230077347A1 (zh) |
EP (1) | EP4086578A4 (zh) |
JP (1) | JP7525618B2 (zh) |
KR (1) | KR20220111722A (zh) |
CN (1) | CN111380555A (zh) |
WO (1) | WO2021169591A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283647A (zh) * | 2021-05-19 | 2021-08-20 | 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 |
WO2021169591A1 (zh) * | 2020-02-28 | 2021-09-02 | 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 |
CN113763734A (zh) * | 2020-07-27 | 2021-12-07 | 北京京东乾石科技有限公司 | 一种红绿灯状态检测方法、装置、设备及存储介质 |
CN113793520A (zh) * | 2021-09-15 | 2021-12-14 | 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 |
CN113968243A (zh) * | 2021-11-11 | 2022-01-25 | 北京三快在线科技有限公司 | 一种障碍物轨迹预测方法、装置、设备及存储介质 |
CN114212108A (zh) * | 2021-12-29 | 2022-03-22 | 阿波罗智联(北京)科技有限公司 | 自动驾驶方法、装置、车辆、存储介质及产品 |
CN114582124A (zh) * | 2022-03-02 | 2022-06-03 | 北京京东乾石科技有限公司 | 场景编辑方法、装置、介质及电子设备 |
CN115098606A (zh) * | 2022-05-30 | 2022-09-23 | 九识智行(北京)科技有限公司 | 无人驾驶车辆的红绿灯查询方法、装置、存储介质及设备 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763731B (zh) * | 2021-09-28 | 2022-12-06 | 苏州挚途科技有限公司 | 高精地图重建道路交叉口红绿灯信息的方法和系统 |
CN114301792B (zh) * | 2021-12-29 | 2023-05-26 | 北京经纬恒润科技股份有限公司 | 一种交通流模拟方法及交通流传感器 |
CN115357034B (zh) * | 2022-10-21 | 2023-01-03 | 上海伯镭智能科技有限公司 | 基于智慧交通的无人驾驶矿车转向控制方法 |
CN115534980B (zh) * | 2022-12-01 | 2023-03-14 | 腾讯科技(深圳)有限公司 | 交通信息指示方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408975A (zh) * | 2016-06-17 | 2017-02-15 | 京东方科技集团股份有限公司 | 车辆行驶预测方法、装置和车载智能系统 |
CN109801508A (zh) * | 2019-02-26 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 路口处障碍物的运动轨迹预测方法及装置 |
CN109878515A (zh) * | 2019-03-12 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
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 |
CN110542931A (zh) * | 2018-05-28 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 红绿灯检测方法、装置、电子设备及计算机可读介质 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3517911B2 (ja) * | 1993-10-29 | 2004-04-12 | トヨタ自動車株式会社 | 車両用経路誘導装置 |
JP4103893B2 (ja) | 2005-02-01 | 2008-06-18 | 住友電気工業株式会社 | 交通情報提供システム、信号制御装置、携帯型情報受信装置、信号制御装置の制御方法、および、携帯型情報受信装置の制御方法 |
CN101451851A (zh) * | 2008-11-17 | 2009-06-10 | 凯立德欣技术(深圳)有限公司 | 一种导航装置及其导航方法 |
JP5518257B2 (ja) * | 2011-04-21 | 2014-06-11 | 三菱電機株式会社 | 走行支援装置 |
JP5958159B2 (ja) | 2012-08-03 | 2016-07-27 | 日産自動車株式会社 | 車両運転支援装置及び車両運転支援方法 |
US20150316387A1 (en) * | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
CN106898147A (zh) * | 2015-12-18 | 2017-06-27 | 英业达集团(北京)电子技术有限公司 | 收集车辆与路口信息以控制车辆速度的系统及其方法 |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
JP6984172B2 (ja) | 2017-05-24 | 2021-12-17 | 日産自動車株式会社 | 走行支援方法及び走行支援装置 |
US10234302B2 (en) * | 2017-06-27 | 2019-03-19 | Nio Usa, Inc. | Adaptive route and motion planning based on learned external and internal vehicle environment |
CN107144290A (zh) * | 2017-07-13 | 2017-09-08 | 中国地质大学(武汉) | 车载导航机器人及基于车载导航机器人的导航系统 |
KR102486148B1 (ko) * | 2018-02-20 | 2023-01-10 | 현대자동차주식회사 | 차량 및 그 제어 방법 |
JP7188890B2 (ja) | 2018-03-08 | 2022-12-13 | 株式会社ゼンリン | 運転支援システム及びプログラム |
US11378961B2 (en) * | 2018-04-17 | 2022-07-05 | Baidu Usa Llc | Method for generating prediction trajectories of obstacles for autonomous driving vehicles |
CN108831175A (zh) * | 2018-04-19 | 2018-11-16 | 北京汽车股份有限公司 | 车辆导航控制方法、装置及车辆 |
CN109584571A (zh) * | 2019-01-16 | 2019-04-05 | 苏州齐思智行汽车系统有限公司 | 道路交叉口预警控制方法及系统、及所用的感知装置 |
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 |
-
2020
- 2020-02-28 CN CN202010127544.XA patent/CN111380555A/zh active Pending
- 2020-12-31 JP JP2022544173A patent/JP7525618B2/ja active Active
- 2020-12-31 EP EP20920881.8A patent/EP4086578A4/en active Pending
- 2020-12-31 US US17/904,721 patent/US20230077347A1/en active Pending
- 2020-12-31 WO PCT/CN2020/142082 patent/WO2021169591A1/zh unknown
- 2020-12-31 KR KR1020227024934A patent/KR20220111722A/ko unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408975A (zh) * | 2016-06-17 | 2017-02-15 | 京东方科技集团股份有限公司 | 车辆行驶预测方法、装置和车载智能系统 |
CN110542931A (zh) * | 2018-05-28 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 红绿灯检测方法、装置、电子设备及计算机可读介质 |
CN109801508A (zh) * | 2019-02-26 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 路口处障碍物的运动轨迹预测方法及装置 |
CN109878515A (zh) * | 2019-03-12 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
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 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021169591A1 (zh) * | 2020-02-28 | 2021-09-02 | 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 |
CN113763734A (zh) * | 2020-07-27 | 2021-12-07 | 北京京东乾石科技有限公司 | 一种红绿灯状态检测方法、装置、设备及存储介质 |
CN113283647A (zh) * | 2021-05-19 | 2021-08-20 | 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 |
CN113793520A (zh) * | 2021-09-15 | 2021-12-14 | 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 |
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 |
CN113968243A (zh) * | 2021-11-11 | 2022-01-25 | 北京三快在线科技有限公司 | 一种障碍物轨迹预测方法、装置、设备及存储介质 |
CN113968243B (zh) * | 2021-11-11 | 2024-02-23 | 北京三快在线科技有限公司 | 一种障碍物轨迹预测方法、装置、设备及存储介质 |
CN114212108A (zh) * | 2021-12-29 | 2022-03-22 | 阿波罗智联(北京)科技有限公司 | 自动驾驶方法、装置、车辆、存储介质及产品 |
CN114582124A (zh) * | 2022-03-02 | 2022-06-03 | 北京京东乾石科技有限公司 | 场景编辑方法、装置、介质及电子设备 |
CN114582124B (zh) * | 2022-03-02 | 2023-08-04 | 北京京东乾石科技有限公司 | 场景编辑方法、装置、介质及电子设备 |
CN115098606A (zh) * | 2022-05-30 | 2022-09-23 | 九识智行(北京)科技有限公司 | 无人驾驶车辆的红绿灯查询方法、装置、存储介质及设备 |
CN115098606B (zh) * | 2022-05-30 | 2023-06-16 | 九识智行(北京)科技有限公司 | 无人驾驶车辆的红绿灯查询方法、装置、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
JP2023513425A (ja) | 2023-03-31 |
US20230077347A1 (en) | 2023-03-16 |
JP7525618B2 (ja) | 2024-07-30 |
EP4086578A4 (en) | 2024-01-17 |
EP4086578A1 (en) | 2022-11-09 |
KR20220111722A (ko) | 2022-08-09 |
WO2021169591A1 (zh) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111380555A (zh) | 车辆行为预测方法及装置、电子设备、存储介质 | |
EP3699048A1 (en) | Travelling track prediction method and device for vehicle | |
CN109902899B (zh) | 信息生成方法和装置 | |
CN110796856B (zh) | 车辆变道意图预测方法及变道意图预测网络的训练方法 | |
CN109213134B (zh) | 生成自动驾驶策略的方法和装置 | |
US20200262448A1 (en) | Decision method, device, equipment in a lane changing process and storage medium | |
CN110562258A (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
CN111422204B (zh) | 自动驾驶车辆通行判定方法及相关设备 | |
US11436504B1 (en) | Unified scene graphs | |
CN113340318A (zh) | 车辆导航方法、装置、电子设备及存储介质 | |
CN116022130B (zh) | 车辆泊车方法、装置、电子设备和计算机可读介质 | |
CN113895456A (zh) | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 | |
WO2023188617A1 (en) | System and method for jointly controlling connected autonomous vehicles (cays) and manual connected vehicles (mcvs) | |
CN110377041B (zh) | 参考线生成方法、装置、终端设备及存储介质 | |
CN112325898A (zh) | 路径规划方法、装置、设备和存储介质 | |
CN114475656B (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
US11959767B2 (en) | Map information assessment device, storage medium storing computer program for map information assessment, and map information assessment method | |
CN113753038B (zh) | 一种轨迹预测方法、装置、电子设备和存储介质 | |
CN115112138A (zh) | 轨迹规划信息生成方法、装置、电子设备以及存储介质 | |
KR102551283B1 (ko) | 메타인지 기반 자율주행 보정 장치 및 방법 | |
CN114858176A (zh) | 一种基于自动驾驶的路径导航方法及装置 | |
CN114056337A (zh) | 车辆行驶行为预测方法、装置及计算机程序产品 | |
CN114692289A (zh) | 自动驾驶算法测试方法及相关设备 | |
CN113050452A (zh) | 车辆变道控制方法、装置、计算机设备及存储介质 | |
JP7437331B2 (ja) | データ配信装置、配信システム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200707 |
|
RJ01 | Rejection of invention patent application after publication |