CN112441012B - 车辆行驶轨迹预测方法和装置 - Google Patents

Abstract

本申请实施例提供了一种车辆行驶轨迹预测方法和装置，解决了现有车辆行驶轨迹预测方法的预测精度差的问题。该车辆行驶轨迹预测方法包括：获取车辆行驶过程的实时曲率；基于获取的所述实时曲率，获取所述车辆行驶过程的实时曲率变化率；以及基于所述实时曲率和所述实时曲率变化率预测所述车辆的行驶轨迹。

Description

车辆行驶轨迹预测方法和装置

技术领域

本申请涉及人工智能技术领域，具体涉及一种车辆行驶轨迹预测方法、装置、电子设备和计算机可读存储介质。

背景技术

驾驶辅助技术作为一项主动安全技术可有效提高车辆行驶时的安全性。车辆行驶轨迹预测在驾驶辅助系统中有着重要的作用。行驶轨迹预测会影响目标车辆的选取，直接关系着前方碰撞预警系统、自适应巡航控制系统和自动紧急制动系统等系统的性能表现。

传统的车辆行驶轨迹预测方法常常使用一个抛物线方程来表征车辆行驶轨迹，依据自车的运动状态确定抛物线方程的系数。然而这种轨迹预测方法采用的轨迹预测模型依据常曲率道路模型获得，而实际道路的情况通常不能满足常曲率模型这一设定，预测精度会随着预测距离的增加而显著下降；其次，传感器特性及传感器本身的测量误差会影响实时曲率测量的稳定性，这就会使得预测出来的轨迹左右摇摆，也会降低预测精度。

发明内容

有鉴于此，本申请实施例提供了一种车辆行驶轨迹预测方法、装置、电子设备和计算机可读存储介质，解决了现有车辆行驶轨迹预测方法的预测精度差的问题。

根据本申请的一方面，本申请一实施例提供的一种车辆行驶轨迹预测方法和装置包括：获取车辆行驶过程的实时曲率；基于获取的所述实时曲率，获取所述车辆行驶过程的实时曲率变化率；以及基于所述实时曲率和所述实时曲率变化率预测所述车辆的行驶轨迹。

根据本申请的另一方面，本申请一实施例提供的一种车辆行驶轨迹预测装置包括：第一获取模块，配置为获取车辆行驶过程的实时曲率；第二获取模块，配置为对获取的所述实时曲率进行求导运算，以获取所述车辆行驶过程的实时曲率变化率；以及预测模型，配置为基于所述实时曲率和所述实时曲率变化率预测所述车辆的行驶轨迹。

根据本申请的另一方面，提供了一种电子设备，包括：处理器；存储器；以及存储在存储器中的计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一项所述的车辆行驶轨迹预测方法。

根据本申请的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如前任一所述的车辆行驶轨迹预测方法。

本申请实施例提供的一种车辆行驶轨迹预测方法、装置、电子设备和计算机可读存储介质，考虑到在实际的道路弯曲设计中，为了使得弯道之间以及弯道与直道之间过渡平顺，道路路线的设计的曲率变化率是固定的，因此在进行车辆行驶轨迹预测时引入了车辆行驶过程的实时曲率变化率的概念，更符合实际道路的特征，可显著提高车辆行驶轨迹预测的预测精度。

附图说明

图1所示为本申请一实施例提供的车辆行驶轨迹预测方法的流程示意图。

图2所示为本申请一实施例提供的车辆行驶轨迹预测方法的预测轨迹效果示意图。

图3所示为本申请一实施例提供的车辆行驶轨迹预测方法所采用的常曲率变化率道路模型的原理示意图。

图4所示为本申请一实施例提供的车辆行驶轨迹预测方法中获取车辆行驶过程的实时曲率的流程示意图。

图5所示为本申请一实施例提供的车辆行驶轨迹预测方法在1m至90m的误差分布统计图。

图6所示为本申请一实施例提供的车辆行驶轨迹预测方法在40m处的误差统计曲线。

图7所示为本申请一实施例提供的车辆行驶轨迹预测方法在80m处的误差统计曲线。

图8所示为本申请一实施例提供的一种车辆行驶轨迹预测装置的结构示意图。

图9所示为本申请另一实施例提供的一种车辆行驶轨迹预测装置的结构示意图。

图10所示为本申请一实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

申请概述

如上，传统的车辆行驶轨迹预测方法虽然能够起到车辆行驶轨迹预测的目的，但却是基于常曲率道路模型进行预测的，即默认道路设计的曲率是固定的。然而在实际的道路设计中，往往是依据常曲率变化率来进行道路建设，因此传统的车辆行驶轨迹预测方法的预测精度有限，且预测精度会随着预测距离的增加而显著下降。

针对上述的技术问题，本申请的基本构思是提出一种车辆行驶轨迹预测方式，考虑到在实际的道路弯曲设计中，为了使得弯道之间以及弯道与直道之间过渡平顺，道路路线的设计曲率虽然并不固定，但曲率变化率是固定的，因此在进行车辆行驶轨迹预测时引入了车辆行驶过程的实时曲率变化率的概念，更符合实际道路的特征。由此可显著提高车辆行驶轨迹预测的预测精度。

需要说明的是，本申请所提供的车辆行驶轨迹预测方法可以应用于任何场景下的车辆行驶轨迹预测过程。具体而言，在车辆行驶相关的很多应用场景都会用的车辆行驶轨迹预测。例如，在跟车场景下，需要通过车辆行驶轨迹预测来使得本车能够保持持续跟踪目标车辆；在车辆行驶安全场景下，需要通过车辆行驶轨迹预测来实现车辆的防碰撞预警和自适应巡航；在车辆智能自动化驾驶场景下，需要车辆行驶轨迹预测来使得车辆保持行驶在车道中线。然而，本申请对该车辆行驶轨迹预测方法所适用的具体应用场景不做限定。

在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。

示例性车辆行驶轨迹预测方法

图1所示为本申请一实施例提供的车辆行驶轨迹预测方法的流程示意图。如图1所示，该车辆行驶轨迹预测方法包括如下步骤：

步骤101：获取车辆行驶过程的实时曲率。

车辆行驶过程的实时曲率是指：在车辆的行驶过程中将车辆看作为一个质点(一般可认为是车辆的后轴中心)，该质点在平面上运动的轨迹圆半径即为转弯半径，实时曲率就为该转弯半径的倒数，单位为：1/m。实时曲率可利用设置在车辆上的传感器所感知的行驶参数计算而得到。由于本申请实施例提供的车辆行驶轨迹预测方法是基于常曲率变化率模型，实时曲率变化率需要基于获取的实时曲率来通过计算过程获取。

步骤102：基于获取的实时曲率，获取车辆行驶过程的实时曲率变化率。

具体而言，由于实时曲率变化率其实就是实时曲率在时间维度上的变化率，因此可对获取的实时曲率进行求导运算，以获取实时曲率变化率。实时曲率变化率的计算公式可如下表示：

其中，c₂为车辆行驶过程的实时曲率，x为表征车辆的行驶轨迹的横坐标变量，即纵向距离。

步骤103：基于实时曲率和实时曲率变化率预测车辆的行驶轨迹。

在获取了实时曲率和实时曲率变化率后，车辆的行驶轨迹可通过如下公式表示：

其中y为表征车辆的行驶轨迹的纵坐标变量，即横向距离。如图2所示，本申请实施例所提供的车辆行驶规程及预测方法所述实现的预测轨迹要比传统预测方法的预测轨迹有显著变化，更贴合实际的道路弯曲设计。

具体而言，该车辆的行驶轨迹的预测方程可通过如下推导过程建立：

如前所述，在传统的车辆行驶轨迹预测方法中，使用抛物线方程来表征预测轨迹。这种轨迹预测模型是建立在常曲率道路模型的基础上的，即认为道路的曲率是固定的。在实际的道路设计时，往往依据常曲率变化率来进行道路建设。常曲率变化率道路模型的道路曲率公式如下：

c(x)＝c_R2+c_R3x

其中，c_R2为道路的初始曲率，c_R3为道路的曲率变化率，c(x)为道路的曲率。

如图3所示，在常曲率变化率的道路模型中，道路的曲率变化率是固定的，即：道路曲率是连续的。在图3中，弯曲道路AB的曲率是连续变化的，道路在A节点和B节点之间发生弯曲，C21，C22，C23分别为三段道路上的曲率。C21，C23为定值，C22便可可由上述道路曲率公式唯一确定。

由于对曲率变量进行两次积分运算后便可获得距离变量，因此由预测轨迹y＝f(x)的泰勒级数展开式可知，对上述常曲率变化率道路模型的道路曲率公式进行两次积分运算后，即可得到基于常曲率变化率道路模型的道路轨迹预测方程：

其中，c_R0为偏置量，然而在一个车辆行驶轨迹预测坐标系中，一般预设x为零时y也应取值为零，因此可将c_R0＝0；c_R1为车道线与速度方向夹角的正切值，而在实际的车辆行驶轨迹预测过程中，一般可忽略车道线与车头速度方向的夹角，因此也可将c_R1＝0；

由此便可将基于常曲率变化率道路模型的道路轨迹预测方程更新如下：

此时，若不考虑车辆行驶过程中车道线与车头速度方向的夹角，即可默认车的实时曲率与道路曲率是相同的。如前所述，c_R2为道路的初始曲率，即c_R2表示当x＝0时的道路曲率，c_R2可认为等于车在行驶开始时的实时曲率，c_R3则可直接认为等于c₃。由此，便可得到最终的基于常曲率变化率道路模型的车辆行驶轨迹预测方程：

由此可见，申请实施例提供的一种车辆行驶轨迹预测方法，考虑到在实际的道路弯曲设计中，为了使得弯道之间以及弯道与直道之间过渡平顺，道路路线的设计的曲率变化率是固定的，因此在进行车辆行驶轨迹预测时引入了车辆行驶过程的实时曲率变化率的概念，更符合实际道路的特征，可显著提高车辆行驶轨迹预测的预测精度。

图4所示为本申请一实施例提供的车辆行驶轨迹预测方法中获取车辆行驶过程的实时曲率的流程示意图。如图4所示，该获取车辆行驶过程的实时曲率可包括如下步骤：

步骤401：将车辆的车速与第一速度阈值和第二速度阈值进行比较，其中，第二速度阈值大于第一速度阈值。

如前所述，车辆行驶过程的实时曲率可利用设置在车辆上的传感器所感知的行驶参数计算而得到。然而由于传感器特性及传感器本身的测量误差会影响实时曲率测量的稳定性，这就会使得预测出来的轨迹左右摇摆，也会降低预测精度，而传感器的测量会受到车辆行驶的实际车速的影响。因此，有必要根据车辆行驶的实际车速综合利用传感器的测量数据来获取车辆行驶过程的实时曲率。传感器的测量数据可包括：方向盘转角以及偏航角速度。其中，方向盘转角传感器获得并输出方向盘转角，惯性测量单元获得并输出偏航角速度。

步骤402：当车辆的车速小于第一速度阈值时，基于车辆的方向盘转角计算实时曲率。

当车辆的车速小于第一速度阈值时，考虑到惯性单元输出的偏航角速度易产生较大抖动，即使采取平滑滤波等信号处理手段也不能有效滤除信号抖动带来的影响。此时基于车辆的档线盘转角计算实时曲率更为合适，计算精度更高。

具体而言，基于车辆的方向盘转角计算实时曲率的公式可如下所示：

其中，Steer_angle为方向盘转角；Wheelbase为车辆前后轮的轮距，一般可取2.3-2.8(单位为米)；I为方向盘和车轮之间的转动比，一般可取18-20。

步骤403：当车辆的车速大于第二速度阈值时，基于车辆的偏航角速度计算实时曲率。

当车辆的车速大于第二速度阈值时，轮胎会产生的滑移角，这会使得方向盘转角不能实时有效地表征车辆的运动姿态，此时基于车辆的偏航角速度计算实时曲率更为合适，计算精度更高。

具体而言，基于车辆的偏航角速度计算实时曲率的公式可如下所示：

其中，Yaw_rate为车辆的偏航角速度，Speed为车辆的实时车速。

步骤404：当车辆的车速大于第一速度阈值且小于第二速度阈值时，基于方向盘转角和偏航角速度计算实时曲率。

当车辆的车速大于第一速度阈值且小于第二速度阈值时，说明方向盘转角和偏航角速度都可有效地表征车辆的运动姿态，此时为了进一步提高车辆的实时曲率计算精度，可综合方向盘转角和偏航角速度来计算实时曲率。

具体而言，可利用方向盘转角和横摆角速度二者的线性插值来计算实时曲率，具体公式如下：

其中，c_2yaw为基于车辆的偏航角速度计算出的实时曲率，c_2steer为基于车辆的方向盘转角计算出的实时曲率，V_{yaw_th}为第二速度阈值，V_{steer_th}为第一速度阈值，Speed为车辆的实时车速。

由此可见，本申请实施例所提供的车辆轨迹预测方法建立了根据车辆的车速获取车辆的实时曲率的机制，可有效地降低传感器的特性和误差对实时曲率计算精度的影响，从而有效提高了车辆行驶轨迹预测的精度。

应当理解，上述第一速度阈值和第二速度阈值的具体大小可根据车辆上传感器的具体种类和精度而调整，本申请对该第一速度阈值和第二速度阈值的具体大小并不做严格限定。

在本申请一实施例中，为了进一步提高车辆的实时曲率的计算精度，在根据传感器的测量数据来获取车辆行驶过程的实时曲率时，可对对车辆的传感器信号(例如车速、方向盘转角和偏航角速度)进行低通滤波处理，以避免传感器信号异常突变对实时曲率计算精度的影响，使得传感器信号更加平滑。具体而言，该低通滤波处理的公式可如下所示：

Signal_i＝α_i*Signal_i+(l-α_i)*Last_Signal_i

其中，Signal_i为当前处理的传感器信号；Last_Signal_i为当前处理的传感器信号在上一个信号周期的取值；α_i为平滑滤波的权重值，可由用户根据实际场景需求和经验指定。

在本申请一实施例中，为了实现快速、准确的轨迹预测，可通过建立卡尔曼滤波器，通过卡尔曼滤波器的快速迭代来提高车辆行驶轨迹预测的效率和准确性。卡尔曼滤波器是一种由卡尔曼(Kalman)提出的用于时变线性系统的递归滤波器。这个系统可用包含正交状态变量的微分方程模型来描述，这种滤波器是将过去的测量估计误差合并到新的测量误差中来估计将来的误差。具体而言，可基于卡尔曼滤波器的迭代过程预测车辆的行驶轨迹；其中，卡尔曼滤波器以计算得出的实时曲率和实时曲率变化率计算量为系统状态量，以实时测量获取的实时曲率测量量为测量量构建，其中，实时曲率变化率计算量通过对计算得出的实时曲率进行求导运算获取。

具体而言，由

可进行如下推导：

c₂为车辆行驶过程的实时曲率，c₃为车辆行驶过程的实时曲率变化率，

为自车的实时曲率。以计算得出的实时曲率和实时曲率变化率计算量为系统状态量：

以实时测量获取的实时曲率测量量为测量量：

z＝c₂

构建出如下所示的卡尔曼滤波器：

x_p(k)＝F*x(k-1)

P_p(k)＝F*P(k-1)+Q(k-1)

其中，x_p(k)、P_p(k)分别为在卡尔曼滤波时，对系统状态量和协方差矩阵的预测值，x_p(k)、P_p(k)中的下标p为predict(预测)的简写。x_p(k)和P_p(k)的值会在卡尔曼更新过程中结合和本周期的测量量进行更新，以得到本周期的最优估计值x(k)、P(k)。k代表迭代计算的次序；F为传递矩阵；

T代表迭代周期；

Q为系统过程噪声，

σ为表征噪声大小的方差值。

图5所示为本申请一实施例提供的车辆行驶轨迹预测方法在1m至90m的误差分布统计图。如图5所示，在车辆行驶1m至90m的距离内，车辆行驶轨迹预测的轨迹距离真实行驶轨迹的误差保持在1m以下。

图6所示为本申请一实施例提供的车辆行驶轨迹预测方法在40m处的误差统计曲线。如图6所示，在100个统计周期中，车辆行驶40m时车辆行驶轨迹预测的轨迹距离真实行驶轨迹的误差保持在0.5m以下。

图7所示为本申请一实施例提供的车辆行驶轨迹预测方法在80m处的误差统计曲线。如图7所示，在100个统计周期中，车辆行驶80m时车辆行驶轨迹预测的轨迹距离真实行驶轨迹的误差保持在1m以下。

示例性车辆行驶轨迹预测装置

图8所示为本申请一实施例提供的一种车辆行驶轨迹预测装置的结构示意图。如图8所示，该车辆行驶轨迹预测装置80包括：

第一获取模块81，配置为获取车辆行驶过程的实时曲率；

第二获取模块82，配置为对获取的实时曲率进行求导运算，以获取车辆行驶过程的实时曲率变化率；以及

预测模型83，配置为基于实时曲率和实时曲率变化率预测车辆的行驶轨迹。

本申请实施例提供的一种车辆行驶轨迹预测装置80，考虑到在实际的道路弯曲设计中，为了使得弯道之间以及弯道与直道之间过渡平顺，道路路线的设计的曲率变化率是固定的，因此在进行车辆行驶轨迹预测时引入了车辆行驶过程的实时曲率变化率的概念，更符合实际道路的特征，可显著提高车辆行驶轨迹预测的预测精度。

在本申请一实施例中，如图9所示，第一获取模块81可包括：

第一计算单元811，配置为当车辆的车速小于第一速度阈值时，基于车辆的方向盘转角计算实时曲率；

第二计算单元812，配置为当车辆的车速大于第二速度阈值时，基于车辆的偏航角速度计算实时曲率；以及

第三计算单元813，配置为当车辆的车速大于第一速度阈值且小于第二速度阈值时，基于方向盘转角和偏航角速度计算实时曲率。

在本申请一实施例中，如图9所示，第一获取模块81可进一步包括：

第一滤波单元814，配置为对车辆的车速、方向盘转角和偏航角速度进行低通滤波处理。

在本申请一实施例中，该车辆行驶轨迹预测装置80可进一步包括：

卡尔曼滤波器815，配置为通过迭代过程预测车辆的行驶轨迹；其中，卡尔曼滤波器815以计算得出的实时曲率和实时曲率变化率计算量为系统状态量，以实时测量获取的实时曲率测量量为测量量构建，其中，实时曲率变化率计算量通过对计算得出的实时曲率进行求导运算获取。

上述车辆行驶轨迹预测装置80中的各个模块的具体功能和操作已经在上面参考图1到图4描述的车辆行驶轨迹预测方法中进行了详细介绍，因此，这里将省略其重复描述。

需要说明的是，根据本申请实施例的车辆行驶轨迹预测装置80可以作为一个软件模块和/或硬件模块而集成到电子设备90中，换言之，该电子设备90可以包括该车辆行驶轨迹预测装置80。例如，该车辆行驶轨迹预测装置80可以是该电子设备90的操作系统中的一个软件模块，或者可以是针对于其所开发的一个应用程序；当然，该车辆行驶轨迹预测装置80同样可以是该电子设备90的众多硬件模块之一。

在本申请另一实施例中，该车辆行驶轨迹预测装置80与该电子设备90也可以是分立的设备(例如，服务器)，并且该车辆行驶轨迹预测装置80可以通过有线和/或无线网络连接到该电子设备90，并且按照约定的数据格式来传输交互信息。

示例性电子设备

图10所示为本申请一实施例提供的电子设备的结构示意图。如图10所示，该电子设备90包括：一个或多个处理器901和存储器902；以及存储在存储器902中的计算机程序指令，计算机程序指令在被处理器901运行时使得处理器901执行如上述任一实施例的车辆行驶轨迹预测方法。

处理器901可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。

存储器902可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器901可以运行所述程序指令，以实现上文所述的本申请的各个实施例的车辆行驶轨迹预测方法中的步骤以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如光线强度、补偿光强度、滤光片的位置等信息。

在一个示例中，电子设备90还可以包括：输入装置903和输出装置904，这些组件通过总线系统和/或其他形式的连接机构(图10中未示出)互连。

此外，该输入设备903还可以包括例如键盘、鼠标、麦克风等等。

该输出装置904可以向外部输出各种信息，例如可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图10中仅示出了该电子设备90中与本申请有关的组件中的一些，省略了诸如总线、输入装置/输出接口等组件。除此之外，根据具体应用情况，电子设备90还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一实施例的车辆行驶轨迹预测方法中的步骤。

计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性车辆行驶轨迹预测方法”部分中描述的根据本申请各种实施例的车辆行驶轨迹预测方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器((RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆行驶轨迹预测方法，包括：

根据车辆的车速获取车辆行驶过程的实时曲率；

基于获取的所述实时曲率，获取所述车辆行驶过程的实时曲率变化率；以及

基于所述实时曲率和所述实时曲率变化率，利用车辆行驶轨迹预测方程预测所述车辆的行驶轨迹，其中，所述车辆行驶轨迹预测方程是基于常曲率变化率道路模型确定的，所述车辆行驶轨迹预测方程为：

其中，y为表征车辆的行驶轨迹的纵坐标变量，x为表征车辆的行驶轨迹的横坐标变量，c₂为车辆行驶过程的实时曲率，c₃为车辆行驶过程的实时曲率变化率。

2.根据权利要求1所述的方法，其中，所述根据车辆的车速获取车辆行驶过程的实时曲率包括：

当所述车辆的车速小于第一速度阈值时，基于所述车辆的方向盘转角计算所述实时曲率；

当所述车辆的车速大于第二速度阈值时，基于所述车辆的偏航角速度计算所述实时曲率；以及

当所述车辆的车速大于所述第一速度阈值且小于所述第二速度阈值时，基于所述方向盘转角和所述偏航角速度计算所述实时曲率。

3.根据权利要求2所述的方法，其中，所述根据车辆的车速获取车辆行驶过程的实时曲率进一步包括：

对所述车辆的车速、所述方向盘转角和所述偏航角速度进行低通滤波处理。

4.根据权利要求2所述的方法，其中，所述基于所述实时曲率和所述实时曲率变化率，利用车辆行驶轨迹预测方程预测所述车辆的行驶轨迹包括：

基于卡尔曼滤波器的迭代过程，利用所述车辆行驶轨迹预测方程预测所述车辆的所述行驶轨迹；

其中，所述卡尔曼滤波器以计算得出的所述实时曲率和实时曲率变化率计算量为系统状态量，以实时测量获取的实时曲率测量量为测量量构建，其中，所述实时曲率变化率计算量通过对计算得出的所述实时曲率进行求导运算获取。

5.一种车辆行驶轨迹预测装置，包括：

第一获取模块，配置为根据车辆的车速获取车辆行驶过程的实时曲率；

第二获取模块，配置为对获取的所述实时曲率进行求导运算，以获取所述车辆行驶过程的实时曲率变化率；以及

预测模型，配置为基于所述实时曲率和所述实时曲率变化率，利用车辆行驶轨迹预测方程预测所述车辆的行驶轨迹，其中，所述车辆行驶轨迹预测方程是基于常曲率变化率道路模型确定的，所述车辆行驶轨迹预测方程为：

其中，y为表征车辆的行驶轨迹的纵坐标变量，x为表征车辆的行驶轨迹的横坐标变量，c₂为车辆行驶过程的实时曲率，c₃为车辆行驶过程的实时曲率变化率。

6.根据权利要求5所述的装置，其中，所述第一获取模块包括：

第一计算单元，配置为当所述车辆的车速小于第一速度阈值时，基于所述车辆的方向盘转角计算所述实时曲率；

第二计算单元，配置为当所述车辆的车速大于第二速度阈值时，基于所述车辆的偏航角速度计算所述实时曲率；以及

第三计算单元，配置为当所述车辆的车速大于所述第一速度阈值且小于所述第二速度阈值时，基于所述方向盘转角和所述偏航角速度计算所述实时曲率。

7.根据权利要求6所述的装置，其中，所述第一获取模块进一步包括：

第一滤波单元，配置为对所述车辆的车速、所述方向盘转角和所述偏航角速度进行低通滤波处理。

8.根据权利要求6所述的装置，其中，所述装置进一步包括：

卡尔曼滤波器，配置为通过迭代过程，利用所述车辆行驶轨迹预测方程预测所述车辆的所述行驶轨迹；

其中，所述卡尔曼滤波器以计算得出的所述实时曲率和实时曲率变化率计算量为系统状态量，以实时测量获取的实时曲率测量量为测量量构建，其中，所述实时曲率变化率计算量通过对计算得出的所述实时曲率进行求导运算获取。

9.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至4中任一所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至4中任一所述的方法。

Images