CN113335276A - 障碍物的轨迹预测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种障碍物的轨迹预测方法、装置、电子设备及存储介质，该方法具体包括：获取车辆的感知信息和辅助参考信息；所述辅助参考信息包括地图信息和定位信息；根据所述感知信息和所述辅助参考信息，确定目标障碍物的特征信息；所述目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；根据所述目标障碍物的类型、位置和历史运动信息中的至少一项，预测所述目标障碍物的运动轨迹。本发明实施例的技术方案，结合了高精地图信息，将障碍物进行多维度的分类，针对不同类型的障碍物应用不同的预测方法，使得对障碍物的轨迹预测更有针对性，提高障碍物轨迹预测的准确性，为障碍物的轨迹预测提供了一种新思路。

Description

障碍物的轨迹预测方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种障碍物的轨迹预测方法、装置、电子设备及存储介质。

背景技术

随着互联网和智能终端技术的发展，自动驾驶车辆逐渐走入人们的视野，为人们的生活提供了极大的便利。

在复杂的交通环境中，自动驾驶车辆要想安全快速行驶，不光要规划好自身的路径，更要根据周围障碍物的实时变化，动态的规划接下来的驾驶动作，如何准确的预测周围障碍物的未来运动轨迹变得尤其重要。在城市的复杂道路状况下，障碍物种类复杂、密度高、间隙小，不利于自车对周边环境的准确预测，容易出现预测的运动轨迹准确性不高的情况，进而极大的影响自动驾驶车辆规划自己的行驶轨迹，无法实现高效、平稳、安全地行驶，亟需改进。

发明内容

本发明提供一种障碍物的轨迹预测方法、装置、电子设备及存储介质，以实现对障碍物的轨迹预测更有针对性，提高预测的准确性。

第一方面，本发明实施例提供了一种障碍物的轨迹预测方法，该方法包括：

获取车辆的感知信息和辅助参考信息；所述辅助参考信息包括地图信息和定位信息；

根据所述感知信息和所述辅助参考信息，确定目标障碍物的特征信息；所述目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；

根据所述目标障碍物的类型、位置和历史运动信息中的至少一项，预测所述目标障碍物的运动轨迹。

第二方面，本发明实施例还提供了一种障碍物的轨迹预测装置，该装置包括：

感知信息获取模块，用于获取车辆的感知信息和辅助参考信息；所述辅助参考信息包括地图信息和定位信息；

特征信息确定模块，用于根据所述感知信息和所述辅助参考信息，确定目标障碍物的特征信息；所述目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；

轨迹预测模块，用于根据所述目标障碍物的类型、位置和历史运动信息中的至少一项，预测所述目标障碍物的运动轨迹。

第三方面，本发明实施例还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，用于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障碍物的轨迹预测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的障碍物的轨迹预测方法。

本发明实施例提供的一种障碍物的轨迹预测方法、装置、电子设备及存储介质，通过获取车辆的感知信息和辅助参考信息；所述辅助参考信息包括地图信息和定位信息；根据所述感知信息和所述辅助参考信息，确定目标障碍物的特征信息；所述目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；根据所述目标障碍物的类型、位置和历史运动信息中的至少一项，预测所述目标障碍物的运动轨迹。本发明实施例的技术方案，结合了高精地图信息，将目标障碍物进行多维度的分类，针对不同类型的目标障碍物应用不同的预测方法，使得对目标障碍物的轨迹预测更有针对性，提高障碍物轨迹预测的准确性，为障碍物的轨迹预测提供了一种新思路。

附图说明

图1A为本发明实施例一提供的一种障碍物的轨迹预测方法的流程图；

图1B为本发明实施例提供的车辆的预测轨迹示意图；

图1C为本发明实施例提供的行人的预测轨迹示意图；

图2A是本发明实施例二提供的一种障碍物的轨迹预测方法的流程图；

图2B为本发明实施例提供的机动车车道保持工况下的预测轨迹示意图；

图2C为本发明实施例提供的机动车变道工况下的预测轨迹示意图；

图2D为本发明实施例提供的非机动车的预测轨迹示意图；

图3是本发明实施例三提供的一种障碍物的轨迹预测装置结构框图；

图4是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1A为本发明实施例一提供的一种障碍物的轨迹预测方法的流程图，本实施例可适用于自动驾驶车辆预测周围障碍物运动轨迹的情况，尤其适用于复杂的交通环境。该方法可以由本发明实施例提供的障碍物的轨迹预测装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在电子设备上。

具体的，如图1A所示，本发明实施例提供的障碍物的轨迹预测方法，可以包括如下步骤：

S110、获取车辆的感知信息和辅助参考信息；辅助参考信息包括地图信息和定位信息。

在自动驾驶车辆上部署的摄像头、激光雷达、毫米波雷达等探测设备，并通过部署的探测设备对车辆周边环境进行感知，得到感知信息。感知信息是车端传感器的感知信息，主要为交通参与者相对自车的位置、速度和加速度等，交通参与者包括本实施例中的障碍物。辅助参考信息，作为感知信息的补充，用于预测目标障碍物的运动轨迹，包括地图信息和定位信息。其中，地图信息为车辆提供丰富的道路信息，包括车道的坐标位置、车道宽度、车道航向、车道限制及上下游连接等信息。地图信息可以通过车联网获取，也可以通过本领域其他常用方式获取。定位信息包括车辆自身的坐标位置。

感知信息和辅助参考信息，都属于目标障碍物运动的先验信息，可以用于预测目标障碍物的运动轨迹。因此，为了预测目标障碍物的运动轨迹，需要获取车辆的感知信息和辅助参考信息，辅助参考信息包括地图信息和定位信息。也就是说，为了预测目标障碍物的运动轨迹，需要获取车辆的感知信息、地图信息和定位信息。

S120、根据感知信息和辅助参考信息，确定目标障碍物的特征信息；目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息。

其中，目标障碍物的特征信息中的目标障碍物的类型和位置，用于对目标障碍物进行分类，针对不同分类的目标障碍物，采用不同的轨迹预测方法。示例性的，目标障碍物的类型可以包括行人，也可以包括车辆，进一步的，车辆还可以分为机动车和非机动车。历史运动信息则包括目标障碍物在当前时刻之前的运动航向角、速度和加速度等运动信息。

不同类型目标障碍物的运动特性有着很大的差别，机动车通常需要保持在车道中心运动，非机动车运动有一定随机性但通常会在车道内，行人的运动随机性更大。另外，目标障碍物处于地图道路内外时，对应的预测依据有所变化。地图道路外的目标障碍物，运动随机性很大，没有地图信息作为参考；地图道路内的目标障碍物，其运动轨迹通常符合地图车道的约束，有地图的车道信息作为参考。因此，对不同的目标障碍物分别用不同的轨迹预测方法是非常必要的。

本实施例中，根据获取的感知信息和辅助参考信息，确定目标障碍物的特征信息，从而确定适用于目标障碍物的轨迹预测方法。

S130、根据目标障碍物的类型、位置和历史运动信息中的至少一项，预测目标障碍物的运动轨迹。

由于目标障碍物处于地图内和地图外时，对应的预测依据有区别，在本实施例一个可选的实施方式中，在预测目标障碍物的运动轨迹时，可以判断目标障碍物是否在地图道路内。若目标障碍物在地图道路内，则预测依据为目标障碍物的类型和历史运动信息；若目标障碍物在地图道路外，则预测依据为目标障碍物的历史运动信息。

由于不同类型目标障碍物的运动特性有很大的差别，如机动车通常运动速度较快，并且会沿着车道中心线运动；非机动车通常运动速度较慢，有一定随机性，但会在车道内；行人的运动速度很慢，但随机性很大。为了有针对性的进行运动轨迹预测，提高预测的准确性，在本实施例另一个可选的实施方式中，可以对不同类型的目标障碍物采用不同的预测方法。

在本实施例又一可选的实施方式中，为了有针对性的进行轨迹预测，还可以依据地图内外和目标障碍物类型对目标障碍物进行多维度的分类，从而按照更细化的类别，有针对性进行轨迹预测。

通常情况下，目标障碍物的运动有一定的规律性和延续性，机动车和非机动车会沿着历史轨迹继续向前，行人的运动随机性很大，但其短时间内通常会以当前面部朝向方向运动。因此，可以通过对目标障碍物一段时间历史运动信息来预测其未来短时间的轨迹。

若目标障碍物为车辆，则根据目标障碍物的类型、位置和历史运动信息中的至少一项，预测目标障碍物的运动轨迹，包括：根据目标障碍物的位置，确定目标障碍物是否位于地图信息中的道路上；若位于道路上，则根据目标障碍物所属的车辆类型和历史运动信息，预测目标障碍物的运动轨迹；否则，根据目标障碍物的历史运动信息，预测目标障碍物的运动轨迹。

如图1B所示，为车辆的预测轨迹示意图。对于车辆，可以采用历史轨迹数据曲线拟合的方法来获得其运动轨迹方程，最终结合当前时刻的速度信息、航向角信息及加速度信息对拟合的轨迹方程进行数据外推来获得未来的可能运动轨迹。

若目标障碍物类型为行人，则根据历史运动信息中目标障碍物在当前时刻的位置、航向角和速度预测目标障碍物的运动轨迹。由于行人运动的随机性很大，地图信息无法提供有效的参考信息，因此，地图内的行人轨迹预测与地图外的行人轨迹预测采用相同的方法。由于行人的运动随机性很大，对其历史轨迹的拟合参考意义不大，因此，可以结合当前时刻的速度信息，在航向角的方向上进行直线数据外推，获得预测轨迹，如图1C所示。

本实施例的技术方案，通过获取车辆的感知信息和辅助参考信息；辅助参考信息包括地图信息和定位信息；根据感知信息和辅助参考信息，确定目标障碍物的特征信息；目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；根据目标障碍物的类型、位置和历史运动信息中的至少一项，预测目标障碍物的运动轨迹。本发明实施例的技术方案，结合了高精地图信息，将目标障碍物进行多维度的分类，针对不同类型的目标障碍物应用不同的预测方法，使得对目标障碍物的轨迹预测更有针对性，提高轨迹预测的准确性，为障碍物的轨迹预测提供了一种新思路。

实施例二

图2A为本发明实施例二提供的一种障碍物的轨迹预测方法的流程图，该方法在上述实施例的基础上进一步的优化，给出了目标障碍物为车辆的具体情况介绍。

具体的，如图2A所示，该方法包括：

S210、获取车辆的感知信息和辅助参考信息；辅助参考信息包括地图信息和定位信息。

S220、根据感知信息和辅助参考信息，确定目标障碍物的特征信息；目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息。

S230、若目标障碍物为车辆，则根据目标障碍物的位置，确定目标障碍物是否位于地图信息中的道路上。若位于道路上，则执行S240A；否则，执行S240B。

地图信息为自动驾驶车辆提供了丰富的道路信息，运动在地图内的障碍物其运动轨迹通常也会符合地图中车道的约束；但是在地图外的障碍物(如在马路牙以外的非机动车、行人等)运动随机性很大，也无法得到高精地图的信息参考，因此需要将障碍物根据所处位置区分为地图内和地图外。

S240A、根据目标障碍物所属的车辆类型和历史运动信息，预测目标障碍物的运动轨迹。

通常情况下，障碍物的运动有一定的规律性和延续性，车辆会沿着历史轨迹继续向前动。因此，可以通过对障碍物的历史运动信息来预测其未来短时间的轨迹。

不同类型的目标障碍物其运动特性有很大差别，如机动车通常运动速度较快，并且会沿着车道中心线运动；非机动车运动速度较慢，通常不会沿着车道中心线，但会在车道内运动；行人运动的速度很慢，但其随机性非常大，地图车道对其约束性很小。因此，针对不同类型的目标障碍物，设计不同的轨迹预测算法。

若目标障碍物所属的车辆类型为机动车，则以历史运动信息中当前时刻的机动车位置、航向角、速度、加速度和目标车道中心线信息，进行多项式拟合，得到预测轨迹；预测轨迹的最终坐标点在目标车道中心线上。

机动车在车道内通常沿着车道中心线运动，即使当前时刻不处于车道中心线，未来的趋势一定是沿着车道中心线，因此，车辆运动的目标车道中心线信息有很大的参考意义。优选的，在进行多项式拟合得到预测轨迹之前，需要确定目标车道中心线。如图2B所示，若机动车处于车道保持工况，则目标车道中心线为当前所处车道中心线；如图2C所示，若机动车处于变道工况，则目标车道中心线为当前所处车道中心线和待变车道的中心线；若机动车处于转弯工况，则目标车道中心线为当前所处车道中心线和待转弯车道的中心线；若机动车处于掉头工况，则目标车道中心线为当前所处车道中心线和待掉头车道的中心线。

非机动车的运动有一定的随机性，通常不会沿着车道中心线运动，但其会在当前车道内运动，因此所属车道中心线可以对轨迹预测提供参考信息。

若目标障碍物所属的车辆类型为非机动车，则以历史运动信息中当前时刻的非机动车位置、航向角、速度、加速度和车道中心线信息，在保持与车道中心线横向偏移不变的前提下，进行多项式拟合，得到预测轨迹。如图2D所示，预测轨迹与参考车道中心线保持横向偏差不变。

S240B、根据目标障碍物的历史运动信息，预测目标障碍物的运动轨迹。

通常情况下，障碍物的运动有一定的规律性和延续性，机动车和非机动车会沿着历史轨迹继续向前。因此可以通过对障碍物一段时间历史轨迹的统计来预测其未来短时间的轨迹。

优选的，根据目标障碍物的历史运动信息，预测目标障碍物的运动轨迹，包括：对目标障碍物的历史运动信息进行轨迹数据拟合，得到目标障碍物的轨迹曲线方程；基于轨迹曲线方程，进行数据外插来预测目标障碍物的运动轨迹。

本实施例的技术方案，给出了障碍物为车辆的具体情况介绍，首先判断车辆是否处于地图信息中的道路上，对道路上的车辆进一步分类，采用对应的预测方法，使得对障碍物的轨迹预测更有针对性，可以提高障碍物轨迹预测的准确性。

实施例三

图3是本发明实施例三所提供的一种障碍物的轨迹预测装置的结构示意图，该装置适用于执行本发明实施例提供的障碍物的轨迹预测方法，可以对障碍物的轨迹预测更有针对性，提高预测的准确性。如图3所示，该装置包括感知信息获取模块310、特征信息确定模块320和轨迹预测模块330。

其中，感知信息获取模块310，用于获取车辆的感知信息和辅助参考信息；辅助参考信息包括地图信息和定位信息；

特征信息确定模块320，用于根据感知信息和辅助参考信息，确定目标障碍物的特征信息；目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；

轨迹预测模块330，用于根据目标障碍物的类型、位置和历史运动信息中的至少一项，预测目标障碍物的运动轨迹。

本实施例的技术方案，通过获取车辆的感知信息和辅助参考信息；辅助参考信息包括地图信息和定位信息；根据感知信息和辅助参考信息，确定目标障碍物的特征信息；目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；根据目标障碍物的类型、位置和历史运动信息中的至少一项，预测目标障碍物的运动轨迹。本发明实施例的技术方案，结合了高精地图信息，将障碍物进行多维度的分类，针对不同类型的障碍物应用不同的预测方法，使得对障碍物的轨迹预测更有针对性，提高障碍物轨迹预测的准确性，为障碍物的轨迹预测提供了一种新思路。

优选的，上述轨迹预测模块330包括车辆轨迹预测子模块和行人轨迹预测子模块。

优选的，车辆轨迹预测子模块包括：位置判断单元和轨迹预测单元。其中，位置判断单元，用于根据目标障碍物的位置，确定目标障碍物是否位于地图信息中的道路上；轨迹预测单元，用于若位于道路上，则根据目标障碍物所属的车辆类型和历史运动信息，预测目标障碍物的运动轨迹；否则，根据目标障碍物的历史运动信息，预测目标障碍物的运动轨迹。

优选的，上述根据目标障碍物的历史运动信息，预测目标障碍物的运动轨迹，包括：

对目标障碍物的历史运动信息进行轨迹数据拟合，得到目标障碍物的轨迹曲线方程；

基于轨迹曲线方程，进行数据外插来预测目标障碍物的运动轨迹。

优选的，上述轨迹预测单元，包括：机动车轨迹预测子单元和非机动车轨迹预测子单元。其中，

机动车轨迹预测子单元，用于若目标障碍物所属的车辆类型为机动车，则以历史运动信息中当前时刻的机动车位置、航向角、速度、加速度和目标车道中心线信息，进行多项式拟合，得到预测轨迹；预测轨迹的最终坐标点在目标车道中心线上。

非机动车轨迹预测子单元，用于若目标障碍物所属的车辆类型为非机动车，则以历史运动信息中当前时刻的非机动车位置、航向角、速度、加速度和车道中心线信息，在保持与车道中心线横向偏移不变的前提下，进行多项式拟合，得到预测轨迹。

优选的，在进行多项式拟合之前，确定目标车道中心线，包括：

若机动车处于车道保持工况，则目标车道中心线为当前所处车道中心线；

若机动车处于变道工况，则目标车道中心线为当前所处车道中心线和待变车道的中心线；

若机动车处于转弯工况，则目标车道中心线为当前所处车道中心线和待转弯车道的中心线；

若机动车处于掉头工况，则目标车道中心线为当前所处车道中心线和待掉头车道的中心线。

本发明实施例所提供的障碍物的轨迹预测装置可执行本发明任意实施例所提供的障碍物的轨迹预测方法，具备执行方法相应的功能模块和有益效果。

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。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MCA)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的障碍物的轨迹预测方法。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请任意发明实施例提供的障碍物的轨迹预测方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读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。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(非穷举的列表)包括：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。在本文件中，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。

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介质，该计算机可读介质可以发送、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、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种障碍物的轨迹预测方法，其特征在于，所述方法包括：

获取车辆的感知信息和辅助参考信息；所述辅助参考信息包括地图信息和定位信息；

根据所述感知信息和所述辅助参考信息，确定目标障碍物的特征信息；所述目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；

根据所述目标障碍物的类型、位置和历史运动信息中的至少一项，预测所述目标障碍物的运动轨迹。

2.根据权利要求1所述的方法，其特征在于，若目标障碍物为车辆，则根据所述目标障碍物的类型、位置和历史运动信息中的至少一项，预测所述目标障碍物的运动轨迹，包括：

根据所述目标障碍物的位置，确定所述目标障碍物是否位于地图信息中的道路上；

若位于道路上，则根据所述目标障碍物所属的车辆类型和历史运动信息，预测所述目标障碍物的运动轨迹；

否则，根据所述目标障碍物的历史运动信息，预测所述目标障碍物的运动轨迹。

3.根据权利要求2所述的方法，其特征在于，根据所述目标障碍物的历史运动信息，预测所述目标障碍物的运动轨迹，包括：

对所述目标障碍物的历史运动信息进行轨迹数据拟合，得到所述目标障碍物的轨迹曲线方程；

基于所述轨迹曲线方程，进行数据外插来预测所述目标障碍物的运动轨迹。

4.根据权利要求2所述的方法，其特征在于，根据所述目标障碍物所属的车辆类型和历史运动信息，预测所述目标障碍物的运动轨迹，包括：

若所述目标障碍物所属的车辆类型为机动车，则以所述历史运动信息中当前时刻的机动车位置、航向角、速度、加速度和目标车道中心线信息，进行多项式拟合，得到预测轨迹；

所述预测轨迹的最终坐标点在目标车道中心线上。

5.根据权利要求4所述的方法，其特征在于，在进行多项式拟合之前，还包括：确定所述目标车道中心线；

所述确定所述目标车道中心线，包括：

若机动车处于车道保持工况，则所述目标车道中心线为当前所处车道中心线；

若机动车处于变道工况，则所述目标车道中心线为当前所处车道中心线和待变车道的中心线；

若机动车处于转弯工况，则所述目标车道中心线为当前所处车道中心线和待转弯车道的中心线；

若机动车处于掉头工况，则所述目标车道中心线为当前所处车道中心线和待掉头车道的中心线。

6.根据权利要求2所述的方法，其特征在于，根据所述目标障碍物所属的车辆类型和历史运动信息，预测所述目标障碍物的运动轨迹，包括：

若所述目标障碍物所属的车辆类型为非机动车，则以所述历史运动信息中当前时刻的非机动车位置、航向角、速度、加速度和车道中心线信息，在保持与所述车道中心线横向偏移不变的前提下，进行多项式拟合，得到预测轨迹。

7.根据权利要求1所述的方法，其特征在于，根据所述目标障碍物的类型、位置和历史运动信息中的至少一项，预测所述目标障碍物的运动轨迹，包括：

若所述目标障碍物类型为行人，则根据所述历史运动信息中目标障碍物在当前时刻的位置、航向角和速度预测目标障碍物的运动轨迹。

8.一种障碍物的轨迹预测装置，其特征在于，所述装置包括：

感知信息获取模块，用于获取车辆的感知信息和辅助参考信息；所述辅助参考信息包括地图信息和定位信息；

特征信息确定模块，用于根据所述感知信息和所述辅助参考信息，确定目标障碍物的特征信息；所述目标障碍物的特征信息至少包括目标障碍物的类型、位置和历史运动信息；

轨迹预测模块，用于根据所述目标障碍物的类型、位置和历史运动信息中的至少一项，预测所述目标障碍物的运动轨迹。

9.一种电子设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于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中任一所述的障碍物的轨迹预测方法。

10.一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，该程序被处理器执行时实现如权利要求1-7中任一所述的障碍物的轨迹预测方法。

Images