CN113483775A - 路径预测方法及装置、电子设备及计算机可读存储介质 - Google Patents
路径预测方法及装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113483775A CN113483775A CN202110745200.XA CN202110745200A CN113483775A CN 113483775 A CN113483775 A CN 113483775A CN 202110745200 A CN202110745200 A CN 202110745200A CN 113483775 A CN113483775 A CN 113483775A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- predicted
- point
- path
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000001133 acceleration Effects 0.000 claims description 64
- 238000001514 detection method Methods 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 42
- 238000005070 sampling Methods 0.000 claims description 37
- 230000000875 corresponding effect Effects 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 description 20
- 230000004888 barrier function Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G01C21/26—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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种路径预测方法及装置、电子设备及计算机可读存储介质。该方法包括：确定第一车道的位置、待预测车辆的起始位置和所述待预测车辆的速度，所述起始位置位于车道区域外，所述第一车道为所述待预测车辆驶入所述车道区域后所在的车道；依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
Description
技术领域
本申请涉及无人驾驶技术领域，尤其涉及一种路径预测方法及装置、电子设备及计算机可读存储介质。
背景技术
随着科技的发展，自动驾驶技术愈发成熟。所谓自动驾驶技术指，自动驾驶车辆依据车辆上装载的传感器采集到的信息和行驶任务，为车辆规划行驶轨迹，从而使车辆完成行驶任务。
发明内容
本申请提供一种路径预测方法及装置、电子设备及计算机可读存储介质。
第一方面，提供了一种路径预测方法，所述方法包括：
确定第一车道的位置、待预测车辆的起始位置和所述待预测车辆的速度，所述起始位置位于车道区域外，所述第一车道为所述待预测车辆驶入所述车道区域后所在的车道；
依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
在该方面，在获取第一车道的位置的情况下，可预测得到车道外他车驶入第一车道的路径，进而实现依据他车的运动行为(即他车将驶入车道区域的第一车道)，预测他车从车道区域外驶入车道区域内的路径，从而提高该路径的准确度。其中，他车为道路上除自车以外的车辆，自车为道路上需要根据预测的他车行为来规划行驶轨迹的车辆。
结合本申请任一实施方式，所述确定第一车道的位置，包括：
获取地图数据，所述地图数据包括所述车道区域内的车道信息；
依据所述起始位置、所述速度和所述车道信息，得到所述待预测车辆驶入所述车道区域内的行驶方向；
确定所述车道区域内车道方向与所述行驶方向相同的车道为所述第一车道；
依据所述地图数据，得到所述第一车道的位置。
结合本申请任一实施方式，所述地图数据还包括车道区域信息，所述依据所述起始位置、所述速度和所述车道信息，得到所述待预测车辆驶入所述车道区域内的行驶方向，包括：
在依据所述车道区域信息确定所述车道区域内存在障碍元素的情况下，确定可行驶车道的车道方向为，所述待预测车辆驶入所述车道区域内的行驶方向；
所述可行驶车道包括最近车道和中间车道，所述最近车道为所述车道区域内距离所述待预测车辆最近的车道，所述中间车道包括位于所述障碍元素与所述最近车道之间的车道。
结合本申请任一实施方式，所述方法还包括：
在依据所述车道区域信息确定所述车道区域内不存在障碍元素的情况下，确定所述速度方向与第二车道的车道方向之间的夹角，所述第二车道为所述车道区域内的车道；
在所述夹角小于第一阈值的情况下，确定所述第二车道的车道方向为，所述待预测车辆驶入所述车道区域内的行驶方向；
在所述夹角大于或等于所述第一阈值的情况下，确定所述第二车道的车道方向的反方向为，所述待预测车辆驶入所述车道区域内的行驶方向。
结合本申请任一实施方式，所述障碍元素包括障碍物。
结合本申请任一实施方式，在所述依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径之前，所述方法还包括：
获取有效时长；
所述依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径，包括：
在依据所述起始位置和所述待预测车辆的速度，确定所述待预测车辆在所述有效时长内驶入所述车道区域的情况下，依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
结合本申请任一实施方式，所述依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径，包括：
获取所述第一车道内的第一点和所述车道区域内的至少一个点；
依据所述第一点、所述车道区域内的至少一个点和所述起始位置，得到所述路径。
结合本申请任一实施方式，所述依据所述第一点、所述车道区域内的至少一个点和所述起始位置，得到所述路径，包括：
将所述车道区域内的至少一个点作为控制点、所述起始位置作为所述待预测车辆驶入所述车道区域的起始位置、所述第一点作为所述待预测车辆驶入所述车道区域的路径的终点进行路径预测，得到过所述起始位置、所述车道区域内的至少一个点和所述第一点的路径，作为所述路径。
结合本申请任一实施方式，所述获取所述第一车道内的第一点，包括：
在所述第一车道内进行均匀采样，得到至少一个采样点；
从所述至少一个采样点中选取一个点作为所述第一点。
结合本申请任一实施方式，所述在所述第一车道内进行均匀采样，得到至少一个采样点，包括：
沿平行于所述第一车道的行驶方向进行等距离间隔采样，并沿垂直于所述第一车道的行驶方向进行等距离间隔采样，得到所述至少一个采样点。
结合本申请任一实施方式，所述方法还包括：
依据所述速度和所述路径，得到所述路径所对应的轨迹；
在所述待预测车辆沿所述轨迹运动的过程中，对所述待预测车辆进行碰撞检测处理，得到碰撞检测结果；
基于所述碰撞检测结果，得到可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞；
在所述轨迹满足所述可行驶条件的情况下，确定所述轨迹为可行驶轨迹；
在所述轨迹不满足所述可行驶条件的情况下，确定所述轨迹为不可行驶轨迹。
结合本申请任一实施方式，所述基于所述碰撞检测结果，得到可行驶条件之前，所述方法还包括：
计算所述轨迹中至少一个轨迹点的至少一个向心加速度；
所述基于所述碰撞检测结果，得到可行驶条件，包括：
基于所述碰撞检测结果和所述至少一个向心加速度，得到所述可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞，以及所述至少一个向心加速度均小于向心加速度阈值。
结合本申请任一实施方式，在所述基于所述碰撞检测结果和所述至少一个向心加速度，得到所述可行驶条件之前，所述方法还包括：
计算所述轨迹中至少一个轨迹点的至少一个曲率；
所述基于所述碰撞检测结果和所述至少一个向心加速度，得到所述可行驶条件，包括：
基于所述碰撞检测结果、所述至少一个向心加速度和所述至少一个曲率，得到所述可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞，以及所述至少一个向心加速度均小于向心加速度阈值，以及所述至少一个曲率的和小于曲率阈值。
结合本申请任一实施方式，所述方法还包括：
获取所述待预测车辆已行驶过的历史轨迹，所述历史轨迹的终止位置为所述起始位置；
依据所述历史轨迹和所述可行驶轨迹在所述起始位置的平滑度，得到所述可行驶轨迹的分数，所述分数与所述可行驶轨迹的置信度呈正相关。
结合本申请任一实施方式，在所述分数大于分数阈值的情况下，确定所述可行驶轨迹为所述待预测车辆的结果轨迹。
第二方面，提供了一种路径预测装置，该装置包括：
确定单元，用于确定第一车道的位置、待预测车辆的起始位置和所述待预测车辆的速度，所述起始位置位于车道区域外，所述第一车道为所述待预测车辆驶入所述车道区域后所在的车道；
第一处理单元，用于依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
第三方面，提供了一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述处理器执行所述计算机指令的情况下，所述电子设备执行如上述第一方面及其任意一种可能实现的方式的方法。
第四方面，提供了另一种电子设备，包括：处理器、发送装置、输入装置、输出装置和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述处理器执行所述计算机指令的情况下，所述电子设备执行如上述第一方面及其任意一种可能实现的方式的方法。
第五方面，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中存储有计算机程序，所述计算机程序包括程序指令，在所述程序指令被处理器执行的情况下，使所述处理器执行如上述第一方面及其任意一种可能实现的方式的方法。
第六方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序或指令，在所述计算机程序或指令在计算机上运行的情况下，使得所述计算机执行上述第一方面及其任一种可能的实现方式的方法。
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，而非限制本申请。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。
图1为本申请实施例提供的一种数据处理方法的流程示意图；
图2为本申请实施例提供的一种车道区域示意图；
图3为本申请实施例提供的另一种车道区域示意图；
图4为本申请实施例提供的一种数据处理装置的结构示意图；
图5为本申请实施例提供的一种数据处理装置的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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做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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上，“至少两个(项)”是指两个或三个及三个以上，“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”可表示前后关联对象是一种“或”的关系，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。字符“/”还可表示数学运算中的除号，例如，a/b＝a除以b；6/3＝2。“以下至少一项(个)”或其类似表达。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
随着科技的发展，自动驾驶技术愈发成熟。所谓自动驾驶技术指，自动驾驶车辆依据车辆上装载的传感器采集到的信息和行驶任务，为车辆规划行驶轨迹，从而使车辆完成行驶任务。
为表述方便下文将需要规划行驶轨迹的车辆称为自车，将道路上除自车之外的车辆称为他车。由于在道路上存在他车，而他车是处于运动状态的，他车的运动路径将影响自车的行驶轨迹。因此，预测他车的运动路径对规划自车的行驶轨迹具有非常重要的意义。
以他车所在位置为区分依据，可将他车分为两类，其中一类是处于车道区域内的他车(下文将处于车道区域内的他车称为车道内他车)，另一类是处于车道区域外的他车(下文将处于车道区域外的他车称为车道外他车)。显然，车道内他车的运动路径与车道外他车的运动路径是不同的。具体的，车道内他车的运动路径包括：转弯路径、变换车道的路径、沿车道行驶方向行驶的路径，车道外他车的运动路径包括：从车道区域外驶入车道区域内的路径、驶入车道区域内后沿车道行驶方向行驶的路径，其中，从车道区域外驶入车道区域内的路径指车道外他车从车道区域外驶入车道区域内的某一个车道的路径。
目前的技术可预测车道内他车的运动路径，而未预测车道外他车的运动路径。这就导致为自车规划的行驶轨迹的精度低。基于此，本申请实施例提供了一种技术方案，预测车道外他车的路径，以提高自车行驶轨迹的精度。
本申请实施例的执行主体为路径预测装置，其中，路径预测装置可以是任意一种可执行本申请方法实施例所公开的技术方案的电子设备。可选的，路径预测装置可以是以下中的一种：手机、计算机、服务器、平板电脑、车载终端。应理解，本申请方法实施例还可以通过处理器执行计算机程序代码的方式实现。
下面结合本申请实施例中的附图对本申请实施例进行描述。请参阅图1，图1是本申请实施例提供的一种路径预测方法的流程示意图。
101、确定第一车道的位置、待预测车辆的起始位置、该待预测车辆的速度和车道区域的位置，该起始位置位于该车道区域外，该第一车道为待预测车辆驶入车道区域后所在的车道。
本申请实施例中，第一车道为待预测车辆驶入车道区域后所在的车道，即待预测车辆驶入车道区域后沿第一车道内行驶。
在一种确定第一车道的位置的实现方式中，数据处理装置接收用户通过输入组件输入的第一车道的位置。该输入组件包括：键盘、鼠标、触控屏、触控板和音频输入器等。
在另一种确定第一车道的位置的实现方式中，数据处理装置依据起始位置、速度和车道区域的位置，确定待预测车辆驶入车道区域后所在的车道，作为第一车道，进而确定第一车道的位置。该数据终端可以是以下任意一种：手机、计算机、平板电脑、服务器。
本申请实施例中，车辆包括机动车和非机动车。例如，车辆可以是汽车；车辆也可以是自行车。
本申请实施例中所提及的位置可以是地理坐标系统下的位置；位置也可以是世界坐标系下的坐标；位置还可以是车辆坐标系下的坐标。
例如，待预测车辆的起始位置可以是待预测车辆在地理坐标系统下的经度和纬度，车道区域的位置也可以是车道区域在地理坐标系统下的经度范围和纬度范围。
本申请实施中，车道区域指自车所在的车道区域。待预测车辆的起始位置位于车道区域外，说明待预测车辆为该车道外他车。待预测车辆的速度包括待预测车辆的速度大小和速度方向。
在一种确定待预测车辆的起始位置的实现方式中，路径预测装置接收用户通过输入组件输入的待预测车辆的起始位置确定起始位置。
在另一种确定待预测车辆的起始位置的实现方式中，路径预测装置接收数据终端发送的待预测车辆的起始位置确定起始位置。
在一种确定待预测车辆的速度的实现方式中，路径预测装置接收用户通过输入组件输入的待预测车辆的速度确定待预测车辆的速度。
在另一种确定待预测车辆的速度的实现方式中，路径预测装置接收数据终端发送的待预测车辆的速度确定待预测车辆的速度。
在一种确定车道区域的位置的实现方式中，路径预测装置接收用户通过输入组件输入的车道区域的位置确定车道区域的位置。
在另一种确定车道区域的位置的实现方式中，路径预测装置接收数据终端发送的车道区域的位置确定车道区域的位置。
102、依据该起始位置、该速度和该第一车道的位置，得到该待预测车辆驶入第一车道的路径。
在确定待预测车辆的起始位置、终止位置(即第一车道的位置)以及路径预测速度，可预测待预测车辆输入第一车都的运动路径。
在一种可能实现的方式中，路径预测装置依据起始位置、速度和车道区域的位置，预测待预测车辆的运动行为，进而依据运动行为预测待预测车辆的路径。
例如，路径预测装置预测待预测车辆的运动行为是驶入车道区域内的A车道(此处的A车道即为第一车道)的B点。路径预测装置进而依据起始位置、速度和B的位置，预测待预测车辆驶入A车道的路径。
在另一种可能实现的方式中，路径预测装置在执行步骤102之前，获取路径预测模型。该路径预测模型可以是卷积神经网络，通过将车辆的在车道区域外的起始位置、车辆的起始速度、车道区域的位置作为训练数据，对卷积神经网络进行训练，使训练后的卷积神经网络可进行路径预测。
每组训练数据包括车辆的在车道区域外的起始位置、车辆的起始速度和车辆驶入车道区域后所在车道(下文将称为所在车道)的位置，每组训练数据均有相应的监督数据，其中，监督数据包括车辆驶入所在车道的路径。
例如，训练数据a的监督数据为路径b，在训练过程中，训练装置(如计算机)卷积神经网络对训练数据a进行处理，得到路径c。训练装置依据路径b和路径c之间的差异，得到第一损失，并基于第一损失调整卷积神经网络的参数。
通过本申请实施例提供的技术方案，在获取第一车道的位置的情况下，可预测得到车道外他车驶入第一车道的路径，进而实现依据他车的运动行为(即他车将驶入车道区域的第一车道)，预测他车从车道区域外驶入车道区域内的路径，从而提高该路径的准确度。
作为一种可选的实施方式，路径预测装置通过执行以下步骤确定第一车道的位置：
1、获取地图数据，该地图数据包括该车道区域内的车道信息。
本步骤中，车道信息包括：车道的位置、车道的车道方向。路径预测装置通过地图数据，可获取车道区域内任意一条车道的位置、车道内任意一条车道的车道方向。
在一种获取地图数据的实现方式中，路径预测装置接收用户通过输入组件输入的地图数据获取地图数据。
在另一种获取地图数据的实现方式中，路径预测装置接收数据终端发送的地图数据获取地图数据。
2、依据该起始位置、该速度和该车道区域的位置，得到该待预测车辆驶入该车道区域内的行驶方向。
本步骤中，待预测车辆驶入车道区域内的行驶方向包括：与自车的行驶方向之间的夹角小于90度的方向、与自车的行驶方向之间的夹角大于或等于90度的方向。
在一种可能实现的方式中，路径预测装置依据起始位置和速度，可确定待预测车辆在车道区域外的初始行驶方向。路径预测装置进而可依据该初始行驶方向与自车的行驶方向之间的夹角，确定待预测车辆驶入车道区域内的行驶方向。
在另一种可能实现的方式中，路径预测装置依据起始位置和速度，可确定待预测车辆在车道区域外的初始行驶方向。将车道区域内距离待预测车辆最近的车道称为最近车道。路径预测装置可依据该初始行驶方向与最近车道的车道方向之间的夹角，确定待预测车道驶入车道区域后的行驶方向。
具体的，初始行驶方向与最近车道的车道方向之间的夹角小于90度，路径预测装置确定待预测车辆驶入车道区域后的行驶方向与最近车道的车道方向相同；初始行驶方向与最近车道的车道方向之间的夹角大于或等于90度，路径预测装置确定待预测车辆驶入车道区域后的行驶方向与最近车道的车道方向相反。这样，路径预测装置通过地图数据可获取最近车道的车道方向，并确定待预测车辆的驶入车道区域内的行驶方向。
例如，车道区域包括：A车道、B车道、C车道、D车道，其中，自车在B车道行驶，A车道为最近车道。A车道的车道方向与B车道的车道方向(即自车的行驶方向)之间的夹角小于90度，C车道的车道方向与B车道的车道方向之间的夹角大于90度，D车道的车道方向与B车道的车道方向之间的夹角大于90度。
若待预测车辆的初始行驶方向与A车道的车道方向之间的夹角小于90度，路径预测装置确定待预测车辆驶入车道区域后的行驶方向与A车道的车道方向相同。由于A车道的车道方向与自车的行驶方向之间的夹角小于90度，待预测车辆驶入车道区域内的行驶方向与自车的行驶方向小于90度。因此，待预测车辆驶入车道区域后既可在A车道内行驶，也可在B车道内行驶。
若待预测车辆的初始行驶方向与A车道的车道方向之间的夹角大于90度，路径预测装置确定待预测车辆驶入车道区域后的行驶方向与A车道的车道方向相同。由于A车道的车道方向与自车的行驶方向之间的夹角小于90度，待预测车辆驶入车道区域内的行驶方向与自车的行驶方向大于90度。因此，待预测车辆驶入车道区域后既可在C车道内行驶，也可在D车道内行驶。
3、确定该车道区域内车道方向与该行驶方向相同的车道为该第一车道。
本步骤中，车道区域内的车道方向包括：与自车的行驶方向之间的夹角小于90度的方向、与自车的行驶方向之间的夹角大于或等于90度的方向。
路径预测装置确定车道区域内车道方向与行驶方向相同的车道为第一车道。可选的，在车道区域内与行驶方向相同的车道存在至少两条的情况下，路径预测装置从车道区域内与行驶方向相同的车道中任选一条车道作为第一车道。
4、依据该地图数据，得到该第一车道的位置。
作为一种可选的实施方式，地图数据还包括车道区域信息，其中，车道区域信息包括车道区域的位置、车道区域内的障碍元素信息。
该障碍元素为车辆不可穿越的对象，障碍元素包括以下至少一个：禁止穿越的道路交通标线、障碍物。例如，禁止穿越的道路交通标线可以是白色实线；又例如，障碍物可以是道路中间的栅栏。
路径预测装置依据车道区域内的障碍元素信息，可获取车道区域内是否存在障碍元素，以及障碍元素的位置。
在地图数据还包括车道区域信息的情况下，路径预测装置在执行步骤2的过程中执行以下步骤：
5、在依据该车道区域信息确定该车道区域内存在障碍元素的情况下，确定可行驶车道的车道方向为，该待预测车辆驶入该车道区域内的行驶方向。
车道区域内存在障碍元素，说明待预测车辆在驶入车道区域后，在障碍元素与最近车道之间的车道内行驶，其中，最近车道为距离待预测车辆最近的车道。本申请实施例中，将障碍元素与最近车道之间的车道称为可行驶车道。
由于位于障碍元素同一侧的车道方向通常相同(如，位于栅栏一侧的车道方向相同；又如，位于白色实线同一侧的车道方向相同)，可行驶车道的车道方向均相同。因此，路径预测装置在确定车道区域内存在障碍元素的情况下，确定可行驶车道的车道方向为待预测车辆驶入车道区域后的行驶方向。
例如，在图2中，车道区域包括车道A、车道B、车道C、车道D，其中，车道A的车道方向和车道B的车道方向相同(在图2中均向下)，车道C的车道方向和车道D的车道方向相同(在图2中均向上)。车道B与车道C中间有栅栏，此时，该栅栏即为障碍元素。在图2中，位于栅栏左侧的车道方向均向下，位于栅栏右侧的车道方向均向上。对待预测车辆而言，可行驶车道包括：车道C和车道D。即待预测车辆驶入车道区域后的形行驶方向与车道C的车道方向相同，或与车道D的车道方向相同。
作为一种可选的实施方式，在地图数据还包括车道区域信息的情况下，路径预测装置还执行以下步骤：
6、在依据该车道区域信息确定该车道区域内不存在障碍元素的情况下，确定该速度方向与第二车道的车道方向之间的夹角，该第二车道为该车道区域内的车道。
车道区域内不存在障碍元素，说明待预测车辆在驶入车道区域后，可能在车道区域内的任意一条车道上行驶，即待预测车辆可能沿车道区域内的任意一个车道方向行驶。因此，路径预测装置需要进一步确定待预测车辆在车道区域内的行驶方向。
本步骤中，第二车道为车道区域内任意一个车道。若将待预测车辆在驶入车道区域后，沿第二车道的车道方向行驶时，待预测车辆的速度方向与第二车道的车道方向之间的夹角为同向夹角。将待预测车辆在驶入车道区域后，沿第二车道的车道方向的反方向行驶时，待预测车辆的速度方向与第二车道的车道方向之间的夹角为反向夹角。其中，同向夹角小于反向夹角。
从上可以看出，依据待预测车辆的速度方向与第二车道的车道方向之间的夹角，确定待预测车辆的行驶方向与第二车道的车道方向之间的关系。因此，路径预测装置在依据车道区域信息确定车道区域内不存在障碍元素的情况下，确定速度方向与第二车道的车道方向之间的夹角。
7、在该夹角小于第一阈值的情况下，确定该第二车道的车道方向为，该待预测车辆驶入该车道区域内的行驶方向。
本实施方式中，路径预测装置以第一阈值为依据判断待预测车辆的行驶方向与第二车道的车道方向之间的夹角是同向夹角还是反向夹角。具体的，若待预测车辆的行驶方向与第二车道的车道方向之间夹角小于第一阈值，则待预测车辆的行驶方向与第二车道的车道方向之间夹角为同向夹角；若待预测车辆的行驶方向与第二车道的车道方向之间夹角大于或等于第一阈值，则待预测车辆的行驶方向与第二车道的车道方向之间夹角为反向夹角。
若待预测车辆的行驶方向与第二车道的车道方向之间夹角小于第一阈值，说明待预测车辆驶入车道区域后的行驶方向与第二车道的车道方向相同。因此，路径预测装置在本步骤中，确定第二车道的车道方向为待预测车辆驶入车道内的行驶方向。
8、在该夹角大于或等于该第一阈值的情况下，确定该第二车道的车道方向的反方向为，该待预测车辆驶入该车道区域内的行驶方向。
若待预测车辆的行驶方向与第二车道的车道方向之间夹角大于或等于第一阈值，说明待预测车辆驶入车道区域后的行驶方向与第二车道的车道方向相反。因此，路径预测装置在本步骤中，确定第二车道的车道方向的反方向为待预测车辆驶入车道内的行驶方向。
可选的，本申请实施例中的第一阈值为90度。
通过执行步骤5～步骤8，路径预测装置在确定车道区域内存在障碍元素的情况下，依据最近车道的车道方向确定待预测车辆驶入车道区域后的行驶方向，在确定车道区域内不存在障碍元素的情况下，依据待预测车辆的速度方向与第二车道的车道方向之间的夹角，确定待预测车辆驶入车道区域后的行驶方向。这样，可减少路径预测装置的路径预测量，提升处理速度。
作为一种可选的实施方式，该障碍元素包括障碍物。例如，障碍元素可以是栅栏；又例如，障碍元素可以是花坛；再例如；障碍物可以是路障。
虽然禁止穿越的道路交通线可规范车辆的行驶行为，但在实际情况中车辆可在违反交通规则的情况下穿越禁止穿越的道路交通线。因此，在该种实施方式中，路径预测装置将障碍物作为障碍元素，并基于车道区域内是否存在障碍元素确定待预测车辆驶入车道区域后的行驶方向，可提高该行驶方向的精度。
作为一种可选的实施方式，路径预测装置在执行步骤102之前，还执行以下步骤：
9、获取有效时长。
由于车道外他车越快驶入车道区域，该车道外他车进入车道区域后的路径对预测自车的路径的影响越大。因此，为提高自车的轨迹的精度以及减少路径预测装置的路径预测量，本步骤中的路径预测装置对在有效时长内驶入车道区域的他车的路径进行预测，而不预测不能在有效时长内驶入车道区域的他车的路径。
在一种获取有效时长的实现方式中，路径预测装置接收用户通过输入组件输入的有效时长。
在另一种获取有效时长的实现方式中，布控装置接收终端发送的有效时长。
在获取有效时长后，路径预测装置在执行步骤102的过程中执行以下步骤：
10、在依据该起始位置和该待预测车辆的速度，确定该待预测车辆在该有效时长内驶入该车道区域的情况下，依据该起始位置、该速度和该第一车道的位置，得到待预测车辆驶入第一车道路径。
路径预测装置通过执行步骤9和步骤10，可减少路径预测量，提高处理速度。
作为一种可选的实施方式，路径预测装置在执行“依据该起始位置、该速度和该第一车道的位置，得到待预测车辆驶入第一车道路径”的步骤的过程中，执行以下步骤：
11、获取该第一车道内的第一点和该车道区域内的至少一个点。
本步骤中，第一点为第一车道内的任意一点。车道区域内的至少一个点可以包括第一点，也可以不包括第一点。
在车道区域内的至少一个点的数量为1，且车道区域内的至少一个点包括第一点的情况下，路径预测装置通过执行步骤11获取第一车道内的第一点。
在车道区域内的至少一个点的数量超过1，且车道区域内的至少一个点包括第一点的情况下，路径预测装置通过执行步骤11获取车道区域内的至少一个点，其中，至少一个点包括第一点。例如，车道区域内的至少一个点包括：第一点和A点。此时路径预测装置通过执行步骤11，从第一车道内获取第一点，并从车道区域内获取不同于第一点的A点。
在车道区域内的至少一个点不包括第一点的情况下，路径预测装置通过执行步骤11获取第一车道内的第一点以及车道区域内的至少一个点，其中，至少一个点不包括第一点。例如，车道区域内的至少一个点包括：A点。此时路径预测装置通过执行步骤11，从第一车道内获取第一点，并从车道区域内获取不同于第一点的A点。
在一种可能实现的方式中，路径预测装置可对第一车道内的点进行随机采样得到第一点，并对车道区域内的点进行随机采样得到车道区域内的至少一个点。
12、依据该第一点、该车道区域内的至少一个点和该起始位置，得到该路径。
在一种可能实现的方式中，车道区域内的至少一个点的数量为1，且至少一个点包括第一点。路径预测装置对第一点和起始位置所对应的点进行曲线拟合，得到待预测车辆驶入第一车道的路径。
在另一种可能实现的方式中，车道区域内的至少一个点的数量超过1，且至少一个点包括第一点。路径预测装置对第一点、车道区域内不同于第一点的点以及起始位置所对应的点进行曲线拟合，得到待预测车辆驶入第一车道的路径。
例如，车道区域内的至少一个点包括：第一点和A点。路径预测装置对第一点、A点和起始位置所对应的点进行曲线拟合，得到待预测车辆驶入第一车道的路径。
在又一种可能实现的方式中，车道区域内的至少一个点不包括第一点。路径预测装置对第一点、车道区域内的至少一个点以及起始位置所对应的点进行曲线拟合，得到待预测车辆驶入第一车道的路径。
例如，车道区域内的至少一个点包括A点。路径预测装置对第一点、A点和起始位置所对应的点进行曲线拟合，得到待预测车辆驶入第一车道的路径。
作为一种可选的实施方式，路径预测装置在执行步骤12的过程中执行以下步骤：
13、将该车道区域内的至少一个点作为控制点、该起始位置作为该待预测车辆驶入该车道区域的起始位置、该第一点作为该待预测车辆驶入该车道区域的终点进行路径预测，得到过该起始位置、该车道区域内的至少一个点和该第一点的路径，作为该路径。
在一种可能实现的方式中，车道区域内的至少一个点不包括第一点，且车道区域内的至少一个点的数量为1。路径预测装置将车道区域内的至少一个点作为控制点、将起始位置所对应的点作为起始点、将第一点作为终止点，构建二阶贝塞尔曲线，作为待预测车辆驶入第一车道的路径。
在另一种可能实现的方式中，车道区域内的至少一个点不包括第一点，且车道区域内的至少一个点的数量为2。路径预测装置将车道区域内的至少一个点作为两个不同的控制点、将起始位置所对应的点作为起始点、将第一点作为终止点，构建三阶贝塞尔曲线，作为待预测车辆驶入第一车道的路径。
例如，车道区域内至少一个点包括：A点和B点。路径预测装置将A点和B点分别作为不同的控制点，将起始位置所对应的点作为起始点、将第一点作为终止点，构建三阶贝塞尔曲线，作为待预测车辆驶入第一车道的路径。
可选的，在该种可能实现的方式中，路径预测装置以起始位置所对应的点为起始点、沿速度方向构建速度射线，并构建过第一点、且平行于第一车道的车道方向的车道直线。确定速度射线和车道直线的交点为目标交点。确定起始位置所对应的点与目标交点之间的线段为速度线段，确定第一点与目标交点之间的线段为车道线段。路径预测装置通过从速度线段中随机采样得到第一控制点、从车道线段中采样得到第二控制点，得到车道区域内的至少一个点。
例如，在图3中，车道A为第一车道。路径预测装置从速度线段上采样得到第一控制点，并从车道线段上采样得到第二控制点。路径预测装置将第一控制点和第二控制点分别作为不同的控制点，将起始位置所对应的点作为起始点、将第一点作为终止点，构建三阶贝塞尔曲线，得到待预测车辆驶入第一车道的路径。
应理解，在实际应用中，路径预测装置可通过该种实现方式得到待预测车辆驶入第一车道的一条或一条以上路径。
具体的，路径预测装置可从速度线段中采样得到至少一个速度控制点，并从车道线段中采样得到至少一个车道控制点。从至少一个速度控制点中选取一个点作为目标速度控制点，从至少一个车道控制点中选取一个点作为目标车道控制点，并将起始位置所对应的点作为起始点、将第一点作为终止点，构建三阶贝塞尔曲线，得到一条第一路径。这样，路径预测装置遍历至少一个速度控制点和至少一个点车道控制点中的点，可得到待预测车辆驶入第一车道的路径。
例如，路径预测装置对速度线段进行等间隔采样，得到以下速度控制点：A点、B点。对车道线段进行等间隔采样，得到以下车道控制点：C点、D点。路径预测装置将A点和C点分别作为控制点，并将起始位置所对应的点作为起始点、将第一点作为终止点，构建三阶贝塞尔曲线，可得到待预测车辆驶入第一车道的一条路径。路径预测装置将A点和D点分别作为控制点，并将起始位置所对应的点作为起始点、将第一点作为终止点，构建三阶贝塞尔曲线，可得到待预测车辆驶入第一车道的一条路径。路径预测装置将B点和C点分别作为控制点，并将起始位置所对应的点作为起始点、将第一点作为终止点，构建三阶贝塞尔曲线，可得到待预测车辆驶入第一车道的一条路径。路径预测装置将B点和D点分别作为控制点，并将起始位置所对应的点作为起始点、将第一点作为终止点，构建三阶贝塞尔曲线，可得到待预测车辆驶入第一车道的一条路径。
在该示例中，路径预测装置通过对速度线段进行等间隔采样得到至少一个速度控制点，以及对车道线段进行等间隔采样得到至少一个车道控制点，可降低采样密度，减少路径预测量。
作为一种可选的实施方式，路径预测装置通过执行以下步骤获取第一车道内的第一点：
14、在该第一车道内进行均匀采样，得到至少一个采样点。
在一种可能实现的方式中，在第一车道内进行均匀采样包括以下至少一种采样方式：沿第一车道的车道方向进行等间隔采样、沿垂直于第一车道的车道方向进行等间隔采样。
可选的，路径预测装置在执行步骤14之前，确定该速度射线。从速度射线将第一车道区域划分的两个区域中确定转向区域，其中，转向区域中的点具备以下特性：过转向区域中的点作与第一车道区域的车道方向相同的向量，该向量与速度方向的夹角小于90度。路径预测装置在转向区域内进行均匀采样，得到至少一个采样点。
15、从该至少一个采样点中选取一个点作为该第一点。
在步骤14和步骤15中，路径预测装置通过在第一车道内进行均匀采样得到第一点，可减少路径预测量。
作为一种可选的实施方式，路径预测装置还执行以下步骤：
16、依据该速度和该路径，得到该路径所对应的轨迹。
本申请实施例中，路径不包含时间信息，轨迹中每个数据点均包含时间信息。具体的，依据待预测车辆的轨迹，可确定待预测车辆在何时处于何处。待预测车辆驶入第一车道的路径所对应的轨迹即为待预测车辆驶入第一车道的轨迹。
因此，为进一步提高自车轨迹的精度，可在得到车道外他车的路径的基础上，预测车道外他车的轨迹。本步骤中，路径预测装置可得到待预测车辆驶入第一车道的路径所对应的轨迹。
例如，待预测车辆驶入第一车道的路径包括：路径a和路径b。路径预测装置通过执行步骤16可得到路径a所对应的轨迹为轨迹c。路径预测装置通过执行步骤16可得到路径b所对应的轨迹为轨迹d。即待预测车辆驶入第一车道的轨迹包括：轨迹c和轨迹d。
在一种可能实现的方式中，待预测车辆驶入第一车道的轨迹为待预测车辆沿对应的待预测车辆驶入第一车道的路径进行分段加速运动得到的轨迹。例如，路径a为待预测车辆驶入第一车道的路径，路径a所对应的轨迹为轨迹b。那么轨迹b为待预测车辆沿路径a进行分段加速运动得到的轨迹。具体的，路径a包括路径c和路径d两段路径。待预测车辆以加速度e沿路径c运动，并以加速度f沿路径d运动，其中，加速度e和加速度f不同。
在另一种可能实现的方式中，待预测车辆驶入第一车道的轨迹为待预测车辆沿对应的路径进行匀速运动得到的轨迹。例如，路径a为待预测车辆驶入第一车道的路径，路径a所对应的轨迹为轨迹b。那么轨迹b为待预测车辆沿路径a进行匀速运动得到的轨迹。
作为一种可选的实施方式，路径预测装置在执行步骤16的过程中执行以下步骤：
17、获取行驶加速度。
18、依据该行驶加速度和待预测车辆驶入第一车道的路径，得到待预测车辆以该速度为初始速度、沿该路径匀加速行驶的轨迹，作为待预测车辆驶入第一车道的轨迹。
在步骤17和步骤18中，待预测车辆沿路径进行匀加速运动驶入第一车道得到对应的轨迹。
作为一种可选的实施方式，在得到待预测车辆驶入第一车道的路径所对应的轨迹后，路径预测装置还执行以下步骤：
19、在该待预测车辆沿该轨迹运动的过程中，对该待预测车辆进行碰撞检测处理，得到碰撞检测结果。
本步骤中，碰撞检测处理用于检测被检测对象是否会发生碰撞。路径预测装置将待预测车辆作为被监测对象，对待预测车辆进行碰撞检测处理，可确定待预测车辆在沿该轨迹行驶的过程中是否会与其他物体发生碰撞，得到碰撞检测结果。即碰撞检测结果为待预测车辆会发生碰撞，碰撞检测结果或为待预测车辆不会发生碰撞。
20、基于该碰撞检测结果，得到可行驶条件，该可行驶条件包括：该碰撞检测结果为该待预测车辆不会发生碰撞。
待预测车辆沿该轨迹行驶不会发生碰撞，说明该轨迹为可行驶轨迹。待预测车辆沿该轨迹行驶会发生碰撞，说明该轨迹为不可行驶轨迹。
因此，在本步骤中，路径预测装置确定可行驶条件包括碰撞检测结果为待预测车辆不会发生碰撞。
21、在该轨迹满足该可行驶条件的情况下，确定该轨迹为可行驶轨迹。
待预测车辆驶入第一车道的轨迹满足可行驶条件，说明待预测车辆沿该轨迹行驶不会发生碰撞。此时，路径预测装置确定该轨迹为可行驶轨迹。
22、在该轨迹不满足该可行驶条件的情况下，确定该轨迹为不可行驶轨迹。
待预测车辆驶入第一车道的轨迹不满足可行驶条件，说明待预测车辆沿该轨迹行驶会发生碰撞。此时，路径预测装置确定该轨迹为不可行驶轨迹。
通过执行步骤19～步骤22，可路径预测确定待预测车辆驶入第一车道的任意一条轨迹是否为可行驶轨迹，从而提高预测得到的待预测车辆的轨迹的精度。
作为一种可选的实施方式，路径预测装置在执行步骤20之前，还执行以下步骤：
23、计算该轨迹中至少一个轨迹点的至少一个向心加速度。
可选的，路径预测装置可分别计算待预测车辆驶入第一车道的轨迹中每个轨迹点的向心加速度，得到至少一个向心加速度。
路径预测装置在执行步骤20的过程中执行以下步骤：
24、基于该碰撞检测结果和该至少一个向心加速度，得到该可行驶条件，该可行驶条件包括：该碰撞检测结果为该待预测车辆不会发生碰撞，以及该至少一个向心加速度均小于向心加速度阈值。
考虑到待预测车辆的物理特性，待预测车辆在行驶过程中的向心加速度具有最大值。本步骤中，向心加速度阈值即为待预测车辆在行驶过程中的向心加速度最大值。
显然，若待预测车辆在沿该轨迹行驶的过程中，出现向心加速度超过向心加速度阈值的情况是不合理的。因此在本步骤中，路径预测装置将碰撞检测结果为待预测车辆不会发生碰撞以及至少一个向心加速度均小于向心加速度阈值，作为可行驶条件。
这样，路径预测装置在确定待预测车辆驶入第一车道的轨迹的碰撞检测结果为待预测车辆不会发生碰撞，且至少一个向心加速度均小于向心加速度阈值的情况下，确定待预测车辆驶入第一车道的轨迹为可行驶轨迹。路径预测装置在确定待预测车辆驶入第一车道的轨迹满足以下至少一种情况的情况下，确定待预测车辆驶入第一车道的轨迹为不可行驶轨迹：碰撞检测结果为待预测车辆会发生碰撞，至少一个向心加速度中存在大于或等于向心加速度阈值的向心加速度。
通过执行步骤23～步骤24，路径预测装置可提高判断待预测车辆驶入第一车道的任意一条轨迹是否为可行驶轨迹的精度路径预测，从而进一步提高预测得到的待预测车辆的轨迹的精度。
作为一种可选的实施方式，路径预测装置在执行步骤24之前，还执行以下步骤：
25、计算该轨迹中至少一个轨迹点的至少一个曲率。
可选的，路径预测装置可分别计算待预测车辆驶入第一车道的轨迹中每个轨迹点的曲率，得到至少一个曲率。
在执行步骤24的过程中执行以下步骤：
26、基于该碰撞检测结果、该至少一个向心加速度和该至少一个曲率，得到该可行驶条件，该可行驶条件包括：该碰撞检测结果为该待预测车辆不会发生碰撞，以及该至少一个向心加速度均小于向心加速度阈值，以及该至少一个曲率的和小于曲率阈值。
至少一个曲率的和越大，说明待预测车辆驶入第一车道的轨迹的弯曲程度越大。因此，本步骤中，路径预测装置以曲率阈值以及至少一个曲率的和为依据，确定待预测车辆驶入第一车道的轨迹的弯曲程度是否合理。具体的，在本步骤中，路径预测装置将碰撞检测结果为待预测车辆不会发生碰撞，至少一个向心加速度均小于向心加速度阈值，以及至少一个曲率的和小于曲率阈值作为可行驶条件。
这样，在确定待预测车辆驶入第一车道的轨迹的碰撞检测结果为待预测车辆不会发生碰撞，且至少一个向心加速度均小于向心加速度阈值，且至少一个曲率的和小于曲率阈值的情况下，确定待预测车辆驶入第一车道的轨迹为可行驶轨迹。路径预测装置在确定待预测车辆驶入第一车道的轨迹满足以下至少一种情况的情况下，确定待预测车辆驶入第一车道的轨迹为不可行驶轨迹：碰撞检测结果为待预测车辆会发生碰撞，至少一个向心加速度中存在大于或等于向心加速度阈值的向心加速度，至少一个曲率的和大于或等于曲率阈值。
通过执行步骤25～步骤26，路可提高判断待预测车辆驶入第一车道的任意一条是否为可行驶轨迹的精度路径预测，从而进一步提高预测得到的待预测车辆的轨迹的精度。
作为一种可选的实施方式，路径预测装置还执行以下步骤：
27、获取该待预测车辆已行驶过的历史轨迹，该历史轨迹的终止位置为该起始位置。
28、依据该历史轨迹和该可行驶轨迹在该起始位置的平滑度，得到该可行驶轨迹的分数，该分数与该可行驶轨迹的置信度呈正相关。
历史轨迹和可行驶轨迹在起始位置的平滑度越高，说明历史轨迹与可行驶轨迹的衔接越自然，即该可行驶轨迹的置信度越高。因此，本步骤中，路径预测装置依据该平滑度，得到用于保证可行驶轨迹的置信度的分数。
在一种可能实现的方式中，路径预测装置在执行步骤28之前，获取可行驶模型。路径预测装置对历史轨迹和可行驶轨迹进行拼接处理，得到待处理轨迹。
该可行驶模型可以是深度学习模型，通过将车辆的预测轨迹和车辆的历史轨迹作为训练数据，对深度学习模型进行训练，使训练后的深度学习模型可得到预测轨迹的分数。
可选的，可行驶模型依次由五层卷积层、四层反卷积层、全连接层串联。其中，五层卷积层中的每层卷积层均用于实现卷积处理。第一层卷积层包含8个尺寸为3*1的卷积核，第二层卷积层包含16个尺寸为3*1的卷积核，第三层卷积层包含32个尺寸为3*1的卷积核，第四层卷积层包含64个尺寸为3*1的卷积核，五层卷积层中的第五层卷积层包含128个尺寸为1*1的卷积核。
四层反卷积层中的每层反卷积层均用于实现反卷积处理。第一层反卷积层包含64个尺寸为3*1的反卷积滤波器，第二层反卷积层包含32个尺寸为3*1的反卷积滤波器，第三层反卷积层包含16个尺寸为3*1的反卷积滤波器，第四层反卷积层包含8个尺寸为3*1的反卷积滤波器。
作为一种可选的实施方式，本申请实施例还执行以下步骤：
29、在该分数大于分数阈值的情况下，确定该可行驶轨迹为该待预测车辆的结果轨迹。
通过执行步骤29得到待预测车辆驶入车道区域后的轨迹(即结果轨迹)，可提高结果轨迹的精度。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。
请参阅图4，图4为本申请实施例提供的一种路径预测装置的结构示意图，该路径预测装置1包括：确定单元11、第一处理单元12。可选的，该路径预测装置1还包括：获取单元13、第二处理单元14、第三处理单元15。
确定单元11，用于确定第一车道的位置、待预测车辆的起始位置和所述待预测车辆的速度，所述起始位置位于车道区域外，所述第一车道为所述待预测车辆驶入所述车道区域后所在的车道；
第一处理单元12，用于依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
结合本申请任一实施方式，所述确定单元11用于：
获取地图数据，所述地图数据包括所述车道区域内的车道信息；
依据所述起始位置、所述速度和所述车道信息，得到所述待预测车辆驶入所述车道区域内的行驶方向；
确定所述车道区域内车道方向与所述行驶方向相同的车道为所述第一车道；
依据所述地图数据，得到所述第一车道的位置。
结合本申请任一实施方式，所述确定单元11用于：
在依据所述车道区域信息确定所述车道区域内存在障碍元素的情况下，确定可行驶车道的车道方向为，所述待预测车辆驶入所述车道区域内的行驶方向；
所述可行驶车道包括最近车道和中间车道，所述最近车道为所述车道区域内距离所述待预测车辆最近的车道，所述中间车道包括位于所述障碍元素与所述最近车道之间的车道。
结合本申请任一实施方式，所述确定单元11还用于：
在依据所述车道区域信息确定所述车道区域内不存在障碍元素的情况下，确定所述速度方向与第二车道的车道方向之间的夹角，所述第二车道为所述车道区域内的车道；
在所述夹角小于第一阈值的情况下，确定所述第二车道的车道方向为，所述待预测车辆驶入所述车道区域内的行驶方向；
在所述夹角大于或等于所述第一阈值的情况下，确定所述第二车道的车道方向的反方向为，所述待预测车辆驶入所述车道区域内的行驶方向。
结合本申请任一实施方式，所述障碍元素包括障碍物。
结合本申请任一实施方式，所述路径预测装置1还包括，获取单元13，用于在所述依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径之前：
获取有效时长；
所述第一处理单元12用于：
在依据所述起始位置和所述待预测车辆的速度，确定所述待预测车辆在所述有效时长内驶入所述车道区域的情况下，依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
结合本申请任一实施方式，所述第一处理单元12用于：
获取所述第一车道内的第一点和所述车道区域内的至少一个点；
依据所述第一点、所述车道区域内的至少一个点和所述起始位置，得到所述路径。
结合本申请任一实施方式，所述第一处理单元12用于：
将所述车道区域内的至少一个点作为控制点、所述起始位置作为所述待预测车辆驶入所述车道区域的起始位置、所述第一点作为所述待预测车辆驶入所述车道区域的路径的终点进行路径预测，得到过所述起始位置、所述车道区域内的至少一个点和所述第一点的路径，作为所述路径。
结合本申请任一实施方式，所述第一处理单元12用于：
在所述第一车道内进行均匀采样，得到至少一个采样点；
从所述至少一个采样点中选取一个点作为所述第一点。
结合本申请任一实施方式，所述第一处理单元12用于：
沿平行于所述第一车道的行驶方向进行等距离间隔采样，并沿垂直于所述第一车道的行驶方向进行等距离间隔采样，得到所述至少一个采样点。
结合本申请任一实施方式，所述路径预测装置1还包括：
第二处理单元14，用于依据所述速度和所述路径，得到所述路径所对应的轨迹；
所述第二处理单元14，还用于在所述待预测车辆沿所述轨迹运动的过程中，对所述待预测车辆进行碰撞检测处理，得到碰撞检测结果；
所述第二处理单元14，还用于基于所述碰撞检测结果，得到可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞；
所述第二处理单元14，还用于在所述轨迹满足所述可行驶条件的情况下，确定所述轨迹为可行驶轨迹；
所述第二处理单元14，还用于在所述轨迹不满足所述可行驶条件的情况下，确定所述轨迹为不可行驶轨迹。
结合本申请任一实施方式，所述第二处理单元14，还用于在所述基于所述碰撞检测结果，得到可行驶条件之前：
计算所述轨迹中至少一个轨迹点的至少一个向心加速度；
所述第二处理单元14，用于：
基于所述碰撞检测结果和所述至少一个向心加速度，得到所述可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞，以及所述至少一个向心加速度均小于向心加速度阈值。
结合本申请任一实施方式，所述第二处理单元14，还用于在所述基于所述碰撞检测结果和所述至少一个向心加速度，得到所述可行驶条件之前：
计算所述轨迹中至少一个轨迹点的至少一个曲率；
所述第二处理单元14，用于：
基于所述碰撞检测结果、所述至少一个向心加速度和所述至少一个曲率，得到所述可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞，以及所述至少一个向心加速度均小于向心加速度阈值，以及所述至少一个曲率的和小于曲率阈值。
结合本申请任一实施方式，所述获取单元13，还用于获取所述待预测车辆已行驶过的历史轨迹，所述历史轨迹的终止位置为所述起始位置；
所述路径预测装置1还包括：
第三处理单元15，用于依据所述历史轨迹和所述可行驶轨迹在所述起始位置的平滑度，得到所述可行驶轨迹的分数，所述分数与所述可行驶轨迹的置信度呈正相关。
结合本申请任一实施方式，所述第三处理单元15，还用于在所述分数大于分数阈值的情况下，确定所述可行驶轨迹为所述待预测车辆的结果轨迹。
本实施例中，路径预测装置在获取第一车道的位置的情况下，可预测得到车道外他车驶入第一车道的路径，进而实现依据他车的运动行为(即他车将驶入车道区域的第一车道)，预测他车从车道区域外驶入车道区域内的路径，从而提高该路径的准确度。
在一些实施例中，本申请实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
图5为本申请实施例提供的一种数据处理装置的硬件结构示意图。该数据处理装置2包括处理器21，存储器22，输入装置23，输出装置24。该处理器21、存储器22、输入装置23和输出装置24通过连接器相耦合，该连接器包括各类接口、传输线或总线等等，本申请实施例对此不作限定。应当理解，本申请的各个实施例中，耦合是指通过特定方式的相互联系，包括直接相连或者通过其他设备间接相连，例如可以通过各类接口、传输线、总线等相连。
处理器21可以包括是一个或多个处理器，例如包括一个或多个中央处理器(central processing unit，CPU)，在处理器21是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。
处理器21用于调用该存储器中的程序代码和数据，执行上述方法实施例中的步骤。具体可参见方法实施例中的描述，在此不再赘述。
存储器22用于存储网络设备的程序代码和数据。
存储器22包括但不限于是随机存储记忆体(random access memory，RAM)、只读存储器(read-only memory，ROM)、可擦除可编程只读存储器(erasable programmable readonly memory，EPROM)、或便携式只读存储器(compact disc read-only memory，CD-ROM)，该存储器用于相关指令及数据。
输入装置23用于输入数据和/或信号，以及输出装置24用于输出数据和/或信号。输出装置24和输入装置23可以是独立的器件，也可以是一个整体的器件。
可理解，本申请实施例中，存储器22不仅可用于存储相关指令，还可用于存储相关数据，如该存储器22可用于存储通过输入装置23获取的起始位置，本申请实施例对于该存储器中具体所存储的数据不作限定。
可以理解的是，图5仅仅示出了一种数据处理装置的简化设计。在实际应用中，数据处理装置还可以分别包含必要的其他元件，包含但不限于任意数量的输入/输出装置、处理器、存储器等，而所有可以实现本申请实施例的数据处理装置都在本申请的保护范围之内。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。所属领域的技术人员还可以清楚地了解到，本申请各个实施例描述各有侧重，为描述的方便和简洁，相同或类似的部分在不同实施例中可能没有赘述，因此，在某一实施例未描述或未详细描述的部分可以参见其他实施例的记载。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriberline，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘(digital versatiledisc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器(read-only memory，ROM)或随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可存储程序代码的介质。
Claims (16)
1.一种路径预测方法，其特征在于，所述方法包括：
确定第一车道的位置、待预测车辆的起始位置和所述待预测车辆的速度，所述起始位置位于车道区域外，所述第一车道为所述待预测车辆驶入所述车道区域后所在的车道；
依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
2.根据权利要求1所述的方法，其特征在于，所述确定第一车道的位置，包括：
获取地图数据，所述地图数据包括所述车道区域内的车道信息；
依据所述起始位置、所述速度和所述车道信息，得到所述待预测车辆驶入所述车道区域内的行驶方向；
确定所述车道区域内车道方向与所述行驶方向相同的车道为所述第一车道；
依据所述地图数据，得到所述第一车道的位置。
3.根据权利要求2所述的方法，其特征在于，所述地图数据还包括车道区域信息，所述依据所述起始位置、所述速度和所述车道信息，得到所述待预测车辆驶入所述车道区域内的行驶方向，包括：
在依据所述车道区域信息确定所述车道区域内存在障碍元素的情况下，确定可行驶车道的车道方向为，所述待预测车辆驶入所述车道区域内的行驶方向；
所述可行驶车道包括最近车道和中间车道，所述最近车道为所述车道区域内距离所述待预测车辆最近的车道，所述中间车道包括位于所述障碍元素与所述最近车道之间的车道。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
在依据所述车道区域信息确定所述车道区域内不存在障碍元素的情况下，确定所述速度方向与第二车道的车道方向之间的夹角，所述第二车道为所述车道区域内的车道；
在所述夹角小于第一阈值的情况下，确定所述第二车道的车道方向为，所述待预测车辆驶入所述车道区域内的行驶方向；
在所述夹角大于或等于所述第一阈值的情况下，确定所述第二车道的车道方向的反方向为，所述待预测车辆驶入所述车道区域内的行驶方向。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，在所述依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径之前，所述方法还包括：
获取有效时长；
所述依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径，包括：
在依据所述起始位置和所述待预测车辆的速度，确定所述待预测车辆在所述有效时长内驶入所述车道区域的情况下，依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径，包括：
获取所述第一车道内的第一点和所述车道区域内的至少一个点；
依据所述第一点、所述车道区域内的至少一个点和所述起始位置，得到所述路径。
7.根据权利要求6所述的方法，其特征在于，所述依据所述第一点、所述车道区域内的至少一个点和所述起始位置，得到所述路径，包括：
将所述车道区域内的至少一个点作为控制点、所述起始位置作为所述待预测车辆驶入所述车道区域的起始位置、所述第一点作为所述待预测车辆驶入所述车道区域的路径的终点进行路径预测，得到过所述起始位置、所述车道区域内的至少一个点和所述第一点的路径，作为所述路径。
8.根据权利要求6或7所述的方法，其特征在于，所述获取所述第一车道内的第一点，包括：
在所述第一车道内进行均匀采样，得到至少一个采样点；
从所述至少一个采样点中选取一个点作为所述第一点。
9.根据权利要求8所述的方法，其特征在于，所述在所述第一车道内进行均匀采样，得到至少一个采样点，包括：
沿平行于所述第一车道的行驶方向进行等距离间隔采样，并沿垂直于所述第一车道的行驶方向进行等距离间隔采样，得到所述至少一个采样点。
10.根据权利要求1至9中任意一项所述的方法，其特征在于，所述方法还包括：
依据所述速度和所述路径，得到所述路径所对应的轨迹；
在所述待预测车辆沿所述轨迹运动的过程中，对所述待预测车辆进行碰撞检测处理，得到碰撞检测结果；
基于所述碰撞检测结果，得到可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞；
在所述轨迹满足所述可行驶条件的情况下，确定所述轨迹为可行驶轨迹；
在所述轨迹不满足所述可行驶条件的情况下，确定所述轨迹为不可行驶轨迹。
11.根据权利要求10所述的方法，其特征在于，所述基于所述碰撞检测结果，得到可行驶条件之前，所述方法还包括：
计算所述轨迹中至少一个轨迹点的至少一个向心加速度；
所述基于所述碰撞检测结果，得到可行驶条件，包括：
基于所述碰撞检测结果和所述至少一个向心加速度，得到所述可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞，以及所述至少一个向心加速度均小于向心加速度阈值。
12.根据权利要求10或11所述的方法，其特征在于，在所述基于所述碰撞检测结果和所述至少一个向心加速度，得到所述可行驶条件之前，所述方法还包括：
计算所述轨迹中至少一个轨迹点的至少一个曲率；
所述基于所述碰撞检测结果和所述至少一个向心加速度，得到所述可行驶条件，包括：
基于所述碰撞检测结果、所述至少一个向心加速度和所述至少一个曲率，得到所述可行驶条件，所述可行驶条件包括：所述碰撞检测结果为所述待预测车辆不会发生碰撞，以及所述至少一个向心加速度均小于向心加速度阈值，以及所述至少一个曲率的和小于曲率阈值。
13.根据权利要求10至12中任意一项所述的方法，其特征在于，所述方法还包括：
获取所述待预测车辆已行驶过的历史轨迹，所述历史轨迹的终止位置为所述起始位置；
依据所述历史轨迹和所述可行驶轨迹在所述起始位置的平滑度，得到所述可行驶轨迹的分数，所述分数与所述可行驶轨迹的置信度呈正相关；
在所述分数大于分数阈值的情况下，确定所述可行驶轨迹为所述待预测车辆的结果轨迹。
14.一种路径预测装置，其特征在于，所述方法包括：
确定单元，用于确定第一车道的位置、待预测车辆的起始位置和所述待预测车辆的速度，所述起始位置位于车道区域外，所述第一车道为所述待预测车辆驶入所述车道区域后所在的车道；
第一处理单元，用于依据所述起始位置、所述速度和所述第一车道的位置，得到所述待预测车辆驶入所述第一车道的路径。
15.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述处理器执行所述计算机指令的情况下，所述电子设备执行如权利要求1至13中任意一项所述的方法。
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，在所述程序指令被处理器执行的情况下，使所述处理器执行权利要求1至13中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110745200.XA CN113483775B (zh) | 2021-06-30 | 2021-06-30 | 路径预测方法及装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110745200.XA CN113483775B (zh) | 2021-06-30 | 2021-06-30 | 路径预测方法及装置、电子设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113483775A true CN113483775A (zh) | 2021-10-08 |
| CN113483775B CN113483775B (zh) | 2024-06-14 |
Family
ID=77939249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110745200.XA Active CN113483775B (zh) | 2021-06-30 | 2021-06-30 | 路径预测方法及装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113483775B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117516584A (zh) * | 2024-01-05 | 2024-02-06 | 每日互动股份有限公司 | 一种预测行驶路径信息的获取方法、装置、介质及设备 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110060467A (zh) * | 2018-01-19 | 2019-07-26 | 本田技研工业株式会社 | 预测装置、预测方法及存储介质 |
| CN110111566A (zh) * | 2019-04-19 | 2019-08-09 | 腾讯科技（深圳）有限公司 | 轨迹预测方法、装置和存储介质 |
| CN110262488A (zh) * | 2019-06-18 | 2019-09-20 | 重庆长安汽车股份有限公司 | 自动驾驶的局部路径规划方法、系统及计算机可读存储介质 |
| CN111258308A (zh) * | 2018-11-15 | 2020-06-09 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行驶轨迹规划系统及方法 |
| CN111273655A (zh) * | 2018-11-16 | 2020-06-12 | 长城汽车股份有限公司 | 用于自动驾驶车辆的运动规划方法和系统 |
| CN111307152A (zh) * | 2020-02-18 | 2020-06-19 | 中国科学院合肥物质科学研究院 | 一种自主泊车路径反向生成规划方法 |
| CN111332286A (zh) * | 2018-12-18 | 2020-06-26 | 现代自动车株式会社 | 车辆行驶控制方法及利用该方法的自动驾驶车辆 |
| JP2020129331A (ja) * | 2019-02-12 | 2020-08-27 | アイシン・エィ・ダブリュ株式会社 | 逆走判定システム、逆走判定方法、及び逆走判定プログラム |
| US20200290619A1 (en) * | 2019-03-14 | 2020-09-17 | GM Global Technology Operations LLC | Automated driving systems and control logic using maneuver criticality for vehicle routing and mode adaptation |
| CN111797780A (zh) * | 2020-07-08 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种跟车轨迹规划方法、装置、服务器及存储介质 |
| CN111824139A (zh) * | 2019-04-23 | 2020-10-27 | 百度（美国）有限责任公司 | 用于预测与自动驾驶车辆相关的运动对象的运动的方法 |
| CN112683290A (zh) * | 2020-12-29 | 2021-04-20 | 的卢技术有限公司 | 一种车辆轨迹规划方法、电子设备及计算机可读存储介质 |
| CN112859845A (zh) * | 2021-01-04 | 2021-05-28 | 广州小鹏自动驾驶科技有限公司 | 一种轨迹的规划方法、装置和车辆 |
| CN112985445A (zh) * | 2021-04-20 | 2021-06-18 | 速度时空信息科技股份有限公司 | 基于高精地图的车道级精度实时性运动规划方法 |
-
2021
- 2021-06-30 CN CN202110745200.XA patent/CN113483775B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110060467A (zh) * | 2018-01-19 | 2019-07-26 | 本田技研工业株式会社 | 预测装置、预测方法及存储介质 |
| CN111258308A (zh) * | 2018-11-15 | 2020-06-09 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行驶轨迹规划系统及方法 |
| CN111273655A (zh) * | 2018-11-16 | 2020-06-12 | 长城汽车股份有限公司 | 用于自动驾驶车辆的运动规划方法和系统 |
| CN111332286A (zh) * | 2018-12-18 | 2020-06-26 | 现代自动车株式会社 | 车辆行驶控制方法及利用该方法的自动驾驶车辆 |
| JP2020129331A (ja) * | 2019-02-12 | 2020-08-27 | アイシン・エィ・ダブリュ株式会社 | 逆走判定システム、逆走判定方法、及び逆走判定プログラム |
| US20200290619A1 (en) * | 2019-03-14 | 2020-09-17 | GM Global Technology Operations LLC | Automated driving systems and control logic using maneuver criticality for vehicle routing and mode adaptation |
| CN110111566A (zh) * | 2019-04-19 | 2019-08-09 | 腾讯科技（深圳）有限公司 | 轨迹预测方法、装置和存储介质 |
| CN111824139A (zh) * | 2019-04-23 | 2020-10-27 | 百度（美国）有限责任公司 | 用于预测与自动驾驶车辆相关的运动对象的运动的方法 |
| CN110262488A (zh) * | 2019-06-18 | 2019-09-20 | 重庆长安汽车股份有限公司 | 自动驾驶的局部路径规划方法、系统及计算机可读存储介质 |
| CN111307152A (zh) * | 2020-02-18 | 2020-06-19 | 中国科学院合肥物质科学研究院 | 一种自主泊车路径反向生成规划方法 |
| CN111797780A (zh) * | 2020-07-08 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种跟车轨迹规划方法、装置、服务器及存储介质 |
| CN112683290A (zh) * | 2020-12-29 | 2021-04-20 | 的卢技术有限公司 | 一种车辆轨迹规划方法、电子设备及计算机可读存储介质 |
| CN112859845A (zh) * | 2021-01-04 | 2021-05-28 | 广州小鹏自动驾驶科技有限公司 | 一种轨迹的规划方法、装置和车辆 |
| CN112985445A (zh) * | 2021-04-20 | 2021-06-18 | 速度时空信息科技股份有限公司 | 基于高精地图的车道级精度实时性运动规划方法 |
Non-Patent Citations (3)
| Title |
|---|
| QIIIE ZOU; YINGLI HOU; ZUMIN WANG: "Predicting Vehicle Lane-changing Behavior with Awareness of Surrounding Vehicles Using LSTM Network", 2019 IEEE 6TH INTERNATIONAL CONFERENCE ON CLOUD COMPUTING AND INTELLIGENCE SYSTEMS (CCIS) * |
| 王培丞: "车道中动态车辆轨迹预测方法研究", 中国硕士学位论文全文数据库 工程科技Ⅱ辑 * |
| 谢辉;高斌;熊硕;王悦;: "结构化道路中动态车辆的轨迹预测", 汽车安全与节能学报, no. 04 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117516584A (zh) * | 2024-01-05 | 2024-02-06 | 每日互动股份有限公司 | 一种预测行驶路径信息的获取方法、装置、介质及设备 |
| CN117516584B (zh) * | 2024-01-05 | 2024-04-05 | 每日互动股份有限公司 | 一种预测行驶路径信息的获取方法、装置、介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113483775B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7338052B2 (ja) | 軌跡予測方法、装置、機器及び記憶媒体リソース | |
| US11402839B2 (en) | Action planning system and method for autonomous vehicles | |
| US20200401892A1 (en) | Decision Making for Autonomous Vehicle Motion Control | |
| JP6837570B2 (ja) | 車両の横方向運動を制御するシステム及び方法 | |
| CN106114507B (zh) | 用于智能车辆的局部轨迹规划方法和装置 | |
| CN113753077A (zh) | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 | |
| JP2021519719A (ja) | 車両の制御システム及び車両の運動を制御する制御方法 | |
| CN110692025A (zh) | 轨迹生成与执行架构 | |
| CN112639849A (zh) | 路径选择方法和路径选择装置 | |
| CN110834631A (zh) | 一种行人避让方法、装置、车辆及存储介质 | |
| CN112829747A (zh) | 一种驾驶行为决策方法、装置及存储介质 | |
| CN109934164A (zh) | 基于轨迹安全度的数据处理方法和装置 | |
| CN111422204A (zh) | 自动驾驶车辆通行判定方法及相关设备 | |
| KR20200102378A (ko) | 정보 처리 방법, 장치 및 저장 매체 | |
| CN112526999A (zh) | 速度规划方法、装置、电子设备和存储介质 | |
| CN115221722B (zh) | 自动驾驶车辆的仿真测试方法、模型训练方法和设备 | |
| CN112364847A (zh) | 基于个例大数据的自动驾驶预测方法和计算机设备 | |
| CN111707258B (zh) | 一种外部车辆监测方法、装置、设备及存储介质 | |
| CN113997954A (zh) | 一种车辆行驶意图预测方法、装置、设备及可读存储介质 | |
| CN114638103A (zh) | 自动驾驶联合仿真方法、装置、计算机设备及存储介质 | |
| CN113483775A (zh) | 路径预测方法及装置、电子设备及计算机可读存储介质 | |
| CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
| CN113753040A (zh) | 预测弱势道路用户乱穿马路行为 | |
| CN115973179A (zh) | 模型训练方法、车辆控制方法、装置、电子设备及车辆 | |
| US20230099772A1 (en) | Lane search for self-driving vehicles |
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 |