CN111707258A - 一种外部车辆监测方法、装置、设备及存储介质 - Google Patents

一种外部车辆监测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111707258A
CN111707258A CN202010544305.4A CN202010544305A CN111707258A CN 111707258 A CN111707258 A CN 111707258A CN 202010544305 A CN202010544305 A CN 202010544305A CN 111707258 A CN111707258 A CN 111707258A
Authority
CN
China
Prior art keywords
external vehicle
positioning information
vehicle
external
track
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
Application number
CN202010544305.4A
Other languages
English (en)
Other versions
CN111707258B (zh
Inventor
李宇寂
尚秉旭
王洪峰
何柳
陈志新
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202010544305.4A priority Critical patent/CN111707258B/zh
Publication of CN111707258A publication Critical patent/CN111707258A/zh
Application granted granted Critical
Publication of CN111707258B publication Critical patent/CN111707258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/51—Relative positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开了一种外部车辆监测方法、装置、设备及存储介质。其中，该方法包括：根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息；根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹。本发明实施例提供的技术方案，根据记录的外部车辆的历史轨迹和外部车辆的定位信息，拟合外部车辆的行驶路线和预测轨迹的准确性高，相对于需要大规模样本数据对神经网络进行训练后预测外部车辆的行驶路线和轨迹的方式，本发明的方式简单有效，运算量小，实用性强。

Description

一种外部车辆监测方法、装置、设备及存储介质
技术领域
本发明实施例涉及自动驾驶领域，尤其涉及一种外部车辆监测方法、装置、设备及存储介质。
背景技术
在复杂的交通环境中，车辆要想安全快速行驶，首先就要对周围的环境有清晰的认知，其次，高级别的自动驾驶系统不仅需要感知外部车辆当前时刻的状态，更需要分析外部车辆未来可能的行驶轨迹，判断是否与自身车辆有碰撞的可能，以便提前做好减速或换道的准备，因此对外部车辆的监测在自动驾驶系统中尤其重要。
目前，对外部车辆的监测，主要是通过外部车辆的轨迹预测来实现。首先将目标车辆以及外部车辆的历史轨迹的信息作为长短时记忆回归神经网络的输入，由网络预测得到目标车辆以及外部车辆的预测轨迹，然后考虑不同车辆之间的行为交互，利用长短时记忆分类神经网络，得到目标车辆以及外部车辆的行为意图的概率分布，最后将目标车辆以及外部车辆的预测轨迹和行为意图融合后输入多模态的长短时记忆轨迹预测神经网络，得到最终的外部车辆的预测轨迹的位置信息。
但是上述方法需要大规模样本数据对神经网络进行训练后预测外部车辆的行驶路线和轨迹，并且需要高性能的服务器来支撑，增加了软件实现难度和硬件成本。
发明内容
本发明实施例提供了一种外部车辆监测方法、装置、设备及存储介质，以实现对外部车辆的行驶路线和预测轨迹的拟合。
第一方面，本发明实施例提供了一种外部车辆监测方法，该方法包括：
根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息；
根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹。
第二方面，本发明实施例提供了一种外部车辆监测装置，该装置包括：
定位单元，设置为根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息；
轨迹单元，设置为根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹。
第三方面，本发明实施例提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，设置为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，使得所述一个或多个处理器实现本发明任意实施例所述的外部车辆监测方法。
第四方面，本发明实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行实现本发明任意实施例所述的外部车辆监测方法。
本发明实施例提供了一种外部车辆监测方法、装置、设备及存储介质，首先根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息，然后根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹，由于外部车辆的运动具有连续性，因此，根据记录的外部车辆的历史轨迹和外部车辆的定位信息，拟合外部车辆的行驶路线和预测轨迹的准确性高，相对于需要大规模样本数据对神经网络进行训练后预测外部车辆的行驶路线和轨迹的方式，本发明的方式简单有效，运算量小，实用性强。
附图说明
图1为本发明实施例一提供的一种外部车辆监测方法的流程图；
图2A为本发明实施例二提供的一种外部车辆监测方法的流程图；
图2B为本发明实施例二提供的方法中外部车辆的坐标系示意图；
图3为本发明实施例三提供的一种外部车辆监测装置的结构示意图；
图4为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种外部车辆监测方法的流程图，本实施例可适用于对任意车辆的外部车辆进行检测的情况，尤其是对具有自动驾驶系统车辆的外部车辆进行检测。本实施例提供的一种外部车辆监测方法可以由本发明实施例提供的一种外部车辆监测装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的电子设备中。
参考图1，该方法包括但不限于如下步骤：
S110，根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息。
其中，当前定位信息可以为以地球为参考系，自身车辆的地理位置信息，通常可以通过全球定位系统(Global Positioning System，简称GPS)或者惯性测量仪(InertialMeasurement Unit，简称IMU)获得。外部车辆的相对定位信息可以为以自身车辆为参考系，外部车辆相对于自身车辆的地理位置信息。
可选的，前定位信息可以具体包括当前位置和航向角。其中，当前位置是自身车辆的具体位置信息，航向角是自身车辆质心速度与世界坐标系横轴的夹角。通过自身车辆的当前位置和航向角可以更准确的获得自身车辆的当前定位信息，以及方便后续确定外部车辆的定位信息。
进一步的，在根据自身车辆中安装的GPS或者IMU获得自身车辆的定位信息时，可能会产生一定的误差，此时可以通过差分技术来提高当前定位信息的精度，以免对确定外部车辆的定位信息造成不利影响，从而降低了外部车辆预测轨迹拟合的准确性。
为了对外部车辆进行监测，那么首先要确定外部车辆的定位信息。在确定外部车辆的定位信息时，可以先根据自身车辆中安装的GPS或者IMU获得自身车辆的定位信息，根据自身车辆中安装的激光雷达获得外部车辆相对于自身车辆的相对定位信息，由于激光雷达可以360°旋转，那么获取到的外部车辆相对定位信息可以是自身车辆周围所有方向的外部车辆的相对定位信息，例如可以获取到自身车辆前方、后方、左方及右方的外部车辆的相对定位信息。其中，外部车辆的相对定位信息中可以包括外部车辆与自身车辆的距离以及角度等。在获得了自身车辆的当前定位信息以及与外部车辆的相对定位信息之后，就可以根据自身车辆的当前定位信息以及与外部车辆的相对定位信息来计算外部车辆的定位信息，其中外部车辆的定位信息可以为以地球为参考系，外部车辆的地理位置信息。在确定了外部车辆的定位信息之后，可以方便后续对外部车辆的行驶路线和预测轨迹进行拟合。
S120，根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹。
其中，外部车辆的历史轨迹可以为外部车辆行驶过程中在当前时刻之前的一段时间内该外部车辆的行车轨迹。外部车辆的行驶路线和预测轨迹可以为外部车辆在当前时刻之后的未来一段时间内可能行驶的路线和预测行车轨迹。
车辆通过自身安装的激光雷达可以一直获取到外部车辆的相对定位信息，通过记录一段时间内外部车辆的相对定位信息数据就可以得到外部车辆的历史轨迹，然后结合已经确定的外部车辆的定位信息，就能对外部车辆的行驶路线和预测轨迹进行拟合。通常情况下，车辆会遵循既定的轨迹行驶，因此通过对外部车辆的行驶路线和预测轨迹进行拟合后，就能分析出外部车辆的运动趋势，也就是对外部车辆在未来一段时间内的行驶路线和轨迹进行预测。
可选的，还可以通过自动驾驶系统来得到外部车辆的相对定位信息，也可以通过距离传感器和角度传感器来得到外部车辆的相对定位信息，本实施例对此不做具体限制。
本实施例提供的技术方案，首先根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息，然后根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹，由于外部车辆的运动具有连续性，因此，根据记录的外部车辆的历史轨迹和外部车辆的定位信息，拟合外部车辆的行驶路线和预测轨迹的准确性高，相对于需要大规模样本数据对神经网络进行训练后预测外部车辆的行驶路线和轨迹的方式，本发明的方式简单有效，运算量小，实用性强。
实施例二
图2A为本发明实施例二提供的一种外部车辆监测方法的流程图。本发明实施例是在上述实施例的基础上进行优化。可选的，本实施例对外部车辆的定位信息确定过程及外部车辆的行驶路线和预测轨迹拟合过程进行详细的解释说明。
参见图2，本实施例的方法包括但不限于如下步骤：
S210，根据当前定位信息以及与外部车辆的相对定位信息，计算得到所述外部车辆的位置信息。
由于外部车辆的相对定位信息是以自身车辆为参考系，外部车辆相对于自身车辆的地理位置信息，那么外部车辆的相对定位信息的坐标也是相对于自身车辆坐标系的，要想判断外部车辆的真实行驶轨迹，首先需要通过仿射变换将外部车辆的相对定位信息的坐标转换成世界坐标系下的坐标。
图2B为本发明实施例二提供的方法中外部车辆的坐标系示意图，那么通过仿射变换将外部车辆的相对定位信息的坐标转换成世界坐标系下的坐标的过程具体可以包括：
1)获取自身车辆在世界坐标系下的绝对位置(Xω,Yω)和航向角β；
2)获取外部车辆在自身车辆坐标系下的相对位置(Xν,Yν)；
3)最终外部车辆在世界坐标系下的绝对坐标(Xf,Yf)可以通过如下公式获得：
Figure BDA0002540003050000071
通过上述方法计算得到的外部车辆的相对定位信息在世界坐标系下的坐标也就是外部车辆的位置信息。
S220，平滑处理所述外部车辆的位置信息，得到所述外部车辆的定位信息。
由于通过激光雷达获取外部车辆的相对位置时可能会存在一定的误差，而在对外部车辆的相对定位信息的坐标转换过程中也存在测量误差，因此需要通过一定的技术手段对外部车辆的位置信息进行平滑处理。
可选的，所述平滑处理所述外部车辆的位置信息可以包括：通过卡尔曼滤波处理所述外部车辆的位置信息。
卡尔曼Kalman滤波是去除噪声还原真实数据的一种数据处理技术，本实施例采用Kalman滤波技术，在测量方差已知的情况下从一系列存在测量噪声的外部车辆的位置信息数据中，估计出外部车辆的状态，从而消除测量噪声带来的误差，这里测量噪声带来的误差可以为获取外部车辆的相对位置时的误差以及对外部车辆的相对定位信息的坐标转换过程中造成的测量误差。在对外部车辆的位置信息进行平滑处理之后也就得到了外部车辆的定位信息，便于后续对外部车辆的历史定位信息进行记录。
需要说明的是，对外部车辆的位置信息进行平滑处理的技术手段还有很多，本实施例不做具体限制。
S230，记录所述外部车辆的历史定位信息，得到所述外部车辆的历史轨迹序列。
其中，由于外部车辆在不断的远动，且外部车辆的运动具有连续性，那么外部车辆的定位信息就包括了当前定位信息和历史定位信息，外部车辆的历史定位信息就是相对于当前时刻之前的一段时间内所记录的外部车辆的定位信息。
可以通过自动驾驶系统对外部车辆的定位信息进行记录，通过在当前时刻之前的一段时间内外部车辆定位信息的历史记录数据，就得到了外部车辆的历史定位信息，然后根据外部车辆的历史定位信息也就是在当前时刻之前的一段时间内外部车辆定位信息的历史记录数据，就能得到外部车辆的历史轨迹序列。
S240，通过曲线拟合方法处理所述外部车辆的历史轨迹序列，得到所述外部车辆的行驶路线。
其中，曲线拟合是指选择适当的曲线类型来拟合外部车辆的历史轨迹序列，并用拟合的曲线方程来分析外部车辆的运动趋势。
在得到外部车辆的历史轨迹序列之后，由于外部车辆的历史轨迹序列相当于是一些离散分布的点，那么要想得到外部车辆的行驶路线此时就需要先对外部车辆的历史轨迹序列进行曲线拟合方法处理。通过用连续曲线近似地比拟外部车辆的历史轨迹序列所表示的坐标之间的函数关系，最后可以得到一个二次曲线解析表达式，通过该二次曲线解析表达式可以预测外部车辆的行驶路线。
可选的，还可以通过计算二次曲线的斜率来判断外部车辆的行驶方向。例如，当二次曲线的斜率在一定数值以下时，外部车辆是直行；当二次曲线的斜率超过一定数值时，外部车辆可能是要拐弯。该数值可以是技术人员经过长期实验后进行标定得到的，也可以是提前设置好的，本实施例不做具体限制。
S250，通过数据拟合外插方法处理所述外部车辆的定位信息和所述外部车辆的历史轨迹序列，得到所述外部车辆的预测轨迹。
其中，数据拟合外插方法是将数据拟合和外插结合起来对数据进行处理从而进行外部车辆的预测轨迹。此时的外插是指在预设范围之外进行插值。例如，假设外部车辆的历史轨迹序列是在0-1s时间段之内的，那么此时的外插就可以是在1s之后，在1s-2s之间进行插值。
为了对外部车辆进行监测，判断外部车辆在当前时刻对自身车辆是否有危险，以及判断未来一定时间内自身车辆是否与外部车辆有碰撞的风险，进而可以采取更有效的行为决策和路径规划，那么就需要得到外部车辆的预测轨迹。此时通过数据拟合外插方法对外部车辆的定位信息和外部车辆的历史轨迹序列进行处理，可以推测出外部车辆在未来一段时间内的预测轨迹。
需要说明的是，S240和S250可以同时进行，也可以按照先后顺序进行，本实施例对此不做具体限制。
可选的，所述得到所述外部车辆的预测轨迹可以包括：得到预设时长阈值内所述外部车辆的预测轨迹。
由于车辆不规则运动的极端情况或者长时间预测的规律比较难以确定，因此本实施例的外部车辆的预测轨迹技术主要针对未来预设时长阈值内规则行驶的外部车辆的预测轨迹。这里的预设时长阈值可以设为10s，也可以根据车辆环境和外部车辆的实际情况设定，对于预设时长阈值的设定，应该使得外部车辆的预测轨迹与实际的外部车辆行驶轨迹尽量相同，如果预设时长阈值设置较长时，得到的外部车辆的预测轨迹可能与实际的外部车辆行驶轨迹并不相同，驾驶员如果根据外部车辆的预测轨迹进行行为决策和路径规划，反而会造成危险。
本实施例提供的技术方案，首先根据当前定位信息以及与外部车辆的相对定位信息，计算得到所述外部车辆的位置信息，接着平滑处理所述外部车辆的位置信息，得到所述外部车辆的定位信息，然后记录所述外部车辆的历史定位信息，得到所述外部车辆的历史轨迹序列，最后通过曲线拟合方法处理所述外部车辆的历史轨迹序列，得到所述外部车辆的行驶路线，以及，通过数据拟合外插方法处理所述外部车辆的定位信息和所述外部车辆的历史轨迹序列，得到所述外部车辆的预测轨迹，由于外部车辆的运动具有连续性，因此，根据记录的外部车辆的历史轨迹和外部车辆的定位信息，拟合外部车辆的行驶路线和预测轨迹的准确性高，相对于需要大规模样本数据对神经网络进行训练后预测外部车辆的行驶路线和轨迹的方式，本发明的方式简单有效，运算量小，实用性强。
实施例三
图3为本发明实施例三提供的一种外部车辆监测装置的结构示意图。如图3所示，该装置可以包括：
定位单元310，设置为根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息；
轨迹单元320，设置为根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹。
本实施例提供的技术方案，首先根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息，然后根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹，由于外部车辆的运动具有连续性，因此，根据记录的外部车辆的历史轨迹和外部车辆的定位信息，拟合外部车辆的行驶路线和预测轨迹的准确性高，相对于需要大规模样本数据对神经网络进行训练后预测外部车辆的行驶路线和轨迹的方式，本发明的方式简单有效，运算量小，实用性强。
进一步的，所述当前定位信息包括当前位置和航向角。
进一步的，上述外部车辆监测装置，还可以包括：
计算位置信息单元，设置为根据当前定位信息以及与外部车辆的相对定位信息，计算得到所述外部车辆的位置信息；
处理位置信息单元，设置为平滑处理所述外部车辆的位置信息，得到所述外部车辆的定位信息。
进一步的，上述处理位置信息单元，可以设置为：
通过卡尔曼滤波处理所述外部车辆的位置信息。
进一步的，上述外部车辆监测装置，还可以包括：
确定轨迹序列单元，设置为记录所述外部车辆的历史定位信息，得到所述外部车辆的历史轨迹序列。
进一步的，上述轨迹单元320，可以具体设置为：
通过曲线拟合方法处理所述外部车辆的历史轨迹序列，得到所述外部车辆的行驶路线；以及，通过数据拟合外插方法处理所述外部车辆的定位信息和所述外部车辆的历史轨迹序列，得到所述外部车辆的预测轨迹。
进一步的，上述轨迹单元320，可以具体设置为：
得到预设时长阈值内所述外部车辆的预测轨迹。
本发明实施例提供的外部车辆监测装置可执行本发明任意实施例所提供的外部车辆监测方法，具备相应的功能和有益效果。
实施例四
图4为本发明实施例四提供的一种电子设备的结构示意图，如图4所示，该电子设备包括处理器410、存储装置420和通信装置430；电子设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；电子设备中的处理器410、存储装置420和通信装置430可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储装置420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及单元，如本发明实施例中的外部车辆监测方法对应的单元(例如，定位单元310和轨迹单元320)。处理器410通过运行存储在存储装置420中的软件程序、指令以及单元，从而执行电子设备的各种功能应用以及数据处理，即实现上述的外部车辆监测方法。
存储装置420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信装置430，用于实现服务器之间的网络连接或者移动数据连接。
本实施例提供的一种电子设备可用于执行上述任意实施例提供的外部车辆监测方法，具备相应的功能和有益效果。
实施例五
本发明实施例五提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行实现本发明任意实施例所述的外部车辆监测方法。该方法具体包括：
根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息；
根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹。
当然，本发明实施例所提供的一种存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的外部车辆监测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述外部车辆监测装置的实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种外部车辆监测方法，其特征在于：包括：
根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息；
根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹。
2.根据权利要求1所述的方法，其特征在于，所述当前定位信息包括当前位置和航向角。
3.根据权利要求1所述的方法，其特征在于，所述根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息包括：
根据当前定位信息以及与外部车辆的相对定位信息，计算得到所述外部车辆的位置信息；
平滑处理所述外部车辆的位置信息，得到所述外部车辆的定位信息。
4.根据权利要求3所述的方法，其特征在于，所述平滑处理所述外部车辆的位置信息包括：
通过卡尔曼滤波处理所述外部车辆的位置信息。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹之前，还包括：
记录所述外部车辆的历史定位信息，得到所述外部车辆的历史轨迹序列。
6.根据权利要求5所述的方法，其特征在于，所述根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹，包括：
通过曲线拟合方法处理所述外部车辆的历史轨迹序列，得到所述外部车辆的行驶路线；以及，通过数据拟合外插方法处理所述外部车辆的定位信息和所述外部车辆的历史轨迹序列，得到所述外部车辆的预测轨迹。
7.根据权利要求6所述的方法，其特征在于，所述得到所述外部车辆的预测轨迹包括：
得到预设时长阈值内所述外部车辆的预测轨迹。
8.一种外部车辆监测装置，其特征在于：包括：
定位单元，设置为根据当前定位信息以及与外部车辆的相对定位信息，确定所述外部车辆的定位信息；
轨迹单元，设置为根据记录的所述外部车辆的历史轨迹和所述外部车辆的定位信息，拟合所述外部车辆的行驶路线和预测轨迹。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，设置为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，使得所述一个或多个处理器实现如权利要求1-7任一项所述的外部车辆监测方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行实现如权利要求1-7任一项所述的外部车辆监测方法。
CN202010544305.4A 2020-06-15 2020-06-15 一种外部车辆监测方法、装置、设备及存储介质 Active CN111707258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010544305.4A CN111707258B (zh) 2020-06-15 2020-06-15 一种外部车辆监测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010544305.4A CN111707258B (zh) 2020-06-15 2020-06-15 一种外部车辆监测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111707258A true CN111707258A (zh) 2020-09-25
CN111707258B CN111707258B (zh) 2022-05-31

Family

ID=72540359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010544305.4A Active CN111707258B (zh) 2020-06-15 2020-06-15 一种外部车辆监测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111707258B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651557A (zh) * 2020-12-25 2021-04-13 际络科技(上海)有限公司 轨迹预测系统及方法、电子设备及可读存储介质
CN113022580A (zh) * 2021-03-17 2021-06-25 地平线(上海)人工智能技术有限公司 轨迹预测方法、装置、存储介质及电子设备
CN114973616A (zh) * 2022-05-19 2022-08-30 北京京天威科技发展有限公司 用于机械设备的施工安全监测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104608768A (zh) * 2015-02-13 2015-05-13 长安大学 一种前方目标车辆进入弯道和进行换道的辨别装置及方法
US20170083021A1 (en) * 2015-09-17 2017-03-23 Volkswagen Ag Method and apparatus for determining a desired trajectory for a vehicle
CN110908379A (zh) * 2019-11-29 2020-03-24 苏州智加科技有限公司 基于历史信息的车辆轨迹预测方法、装置及存储介质
CN111176269A (zh) * 2019-10-11 2020-05-19 中国第一汽车股份有限公司 车辆的航向调整方法、装置、车辆及存储介质
CN111267846A (zh) * 2020-02-11 2020-06-12 南京航空航天大学 一种基于博弈论的周围车辆交互行为预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104608768A (zh) * 2015-02-13 2015-05-13 长安大学 一种前方目标车辆进入弯道和进行换道的辨别装置及方法
US20170083021A1 (en) * 2015-09-17 2017-03-23 Volkswagen Ag Method and apparatus for determining a desired trajectory for a vehicle
CN111176269A (zh) * 2019-10-11 2020-05-19 中国第一汽车股份有限公司 车辆的航向调整方法、装置、车辆及存储介质
CN110908379A (zh) * 2019-11-29 2020-03-24 苏州智加科技有限公司 基于历史信息的车辆轨迹预测方法、装置及存储介质
CN111267846A (zh) * 2020-02-11 2020-06-12 南京航空航天大学 一种基于博弈论的周围车辆交互行为预测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651557A (zh) * 2020-12-25 2021-04-13 际络科技(上海)有限公司 轨迹预测系统及方法、电子设备及可读存储介质
CN113022580A (zh) * 2021-03-17 2021-06-25 地平线(上海)人工智能技术有限公司 轨迹预测方法、装置、存储介质及电子设备
CN114973616A (zh) * 2022-05-19 2022-08-30 北京京天威科技发展有限公司 用于机械设备的施工安全监测方法及系统

Also Published As

Publication number Publication date
CN111707258B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
EP3517893B1 (en) Path and speed optimization fallback mechanism for autonomous vehicles
CN109782763B (zh) 一种动态环境下的移动机器人路径规划方法
US10807599B2 (en) Driving scenario based lane guidelines for path planning of autonomous driving vehicles
CN111707258B (zh) 一种外部车辆监测方法、装置、设备及存储介质
US10824153B2 (en) Cost design for path selection in autonomous driving technology
Hoermann et al. Probabilistic long-term prediction for autonomous vehicles
Petrich et al. Map-based long term motion prediction for vehicles in traffic environments
CN113715814B (zh) 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆
CN108334077B (zh) 确定自动驾驶车辆的速度控制的单位增益的方法和系统
US20180143632A1 (en) Method for determining command delays of autonomous vehicles
CN110834631A (zh) 一种行人避让方法、装置、车辆及存储介质
CN110654381B (zh) 用于控制车辆的方法和装置
CN111771207A (zh) 增强的车辆跟踪
CN110576847A (zh) 基于焦点的对传感器数据的标记
CN113335276A (zh) 障碍物的轨迹预测方法、装置、电子设备及存储介质
US10909377B2 (en) Tracking objects with multiple cues
CN114212110B (zh) 障碍物轨迹预测方法、装置、电子设备及存储介质
CN112394725B (zh) 用于自动驾驶的基于预测和反应视场的计划
RU2750243C2 (ru) Способ и система для формирования траектории для беспилотного автомобиля (sdc)
CN110654380A (zh) 用于控制车辆的方法和装置
Leonhardt et al. Data fusion and assessment for maneuver prediction including driving situation and driver behavior
Sandblom et al. Sensor data fusion for multiple configurations
CN113424209B (zh) 使用深度学习多预测器融合和贝叶斯优化的轨迹预测
WO2020164090A1 (en) Trajectory prediction for driving strategy
CN114475656A (zh) 行驶轨迹预测方法、装置、电子设备以及存储介质

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