CN113879295B - 轨迹预测方法及装置 - Google Patents
轨迹预测方法及装置 Download PDFInfo
- Publication number
- CN113879295B CN113879295B CN202010628162.5A CN202010628162A CN113879295B CN 113879295 B CN113879295 B CN 113879295B CN 202010628162 A CN202010628162 A CN 202010628162A CN 113879295 B CN113879295 B CN 113879295B
- Authority
- CN
- China
- Prior art keywords
- road
- candidate
- exit
- lane
- virtual lane
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 230000033001 locomotion Effects 0.000 claims abstract description 177
- 230000015654 memory Effects 0.000 claims description 66
- 238000009825 accumulation Methods 0.000 claims description 34
- 230000006399 behavior Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013461 design Methods 0.000 description 37
- 238000004891 communication Methods 0.000 description 32
- 230000006870 function Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 238000013500 data storage Methods 0.000 description 9
- 230000002093 peripheral effect Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 230000001788 irregular Effects 0.000 description 5
- 230000036961 partial effect Effects 0.000 description 5
- MHABMANUFPZXEB-UHFFFAOYSA-N O-demethyl-aloesaponarin I Natural products O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=C(O)C(C(O)=O)=C2C MHABMANUFPZXEB-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 239000000872 buffer Substances 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000779 depleting effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- B60W30/08—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
- B60W30/18159—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
-
- 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
-
- 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
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- 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
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/806—Relative heading
-
- 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
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请提供一种轨迹预测方法及装置,能够准确预测周围车辆经过路口的未来行驶轨迹,从而提高本车路径规划的安全性。该方法包括:根据目标车辆的历史行驶轨迹确定目标车辆的运动语义、道路几何语义,并结合目标车辆的运动信息确定目标虚拟车道以及目标出口车道,从而得到目标车辆在第一时间段的行驶轨迹。其中,运动语义表示目标车辆的行为,如左转、直行、右转、或调头,道路几何语义用于表示以入口道路为基准,目标车辆所在路口包括的出口道路和/或虚拟车道的行驶规则,入口道路为目标车辆所在路口的入口,运动信息包括目标车辆的运动方向和目标车辆的当前位置,第一时间段为以目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。
Description
技术领域
本申请涉及自动驾驶领域,尤其涉及一种轨迹预测方法及装置。
背景技术
车辆轨迹预测是指车辆的自动驾驶系统对目标车辆的运动特征进行分析,并得出其未来一段时间内可能的运动轨迹。对车辆周围的其它车辆进行准确地轨迹预测,是本车辆后续进行安全的路径规划的重要依据。在交通路口场景,由于路口的道路结构复杂,没有明确的实体车道线约束,车辆的行为差异更加明显,准确预测它车的未来行驶轨迹更加困难。自动驾驶系统中的高精地图增加了路口的虚拟车道线,约束车辆在通过路口时,按照虚拟车道线行驶。对应的,自动驾驶系统将高精地图的虚拟车道线,确定为它车在路口的未来行驶轨迹。但路口车辆多、交通复杂,它车难以按照高精地图的虚拟车道线行驶,从而,预测出的它车在路口的未来行驶轨迹的准确性差。
现有技术中,使用路口的信息采集装置对行驶中的车辆进行信息采集,获取多个路口的在不同时间点的过车信息,如车牌号、过车时间、路口编码,然后利用深度信念网络(Deep Belief Network,DBN)对该过车信息进行训练,将大量用户的历史轨迹集中表现出来的共性特征提取出来,作为后续进行车辆经过路口的轨迹预测的依据。该方案并未考虑车辆当前所在路口与数据样本中的路口的结构差异性,只适用于路口结构比较规则的路口,当路口为具有不规则结构的路口时,历史样本数据的适用性差,导致对车辆在当前路口的行驶轨迹的预测不准确。或者,通过路口的视频采集装置,获取路口的交通流量以及车辆经过交叉口的行程时间等信息,得到交通流数据,获取车辆的运动特征,包括直线度、弯曲度,然后将车辆的运动特征匹配到交通流数据中,预测车辆的未来行驶轨迹。然而,在不同结构的路口,得到的交通流数据不同,只适用于路口结构比较规则的路口,当路口为具有不规则结构的路口时,交通流数据的适用性差,导致对车辆在当前路口的行驶轨迹的预测不准确。
因此,在不同路口结构的场景下,对车辆的未来行驶轨迹进行准确预测成为亟待解决的问题。
发明内容
本申请实施例提供一种轨迹预测方法及装置,能够提高确定周围车辆经过路口的未来行驶轨迹的准确性,从而提高本车辆路径规划的安全性,保证本车辆安全通过路口场景。
为达到上述目的,本申请采用如下技术方案:
第一方面,提供一种轨迹预测方法。该轨迹预测方法包括:确定目标车辆的运动语义,确定道路几何语义,根据目标车辆的运动信息、运动语义和道路几何语义,获取目标车辆在第一时间段的行驶轨迹。其中,运动语义表示目标车辆的行为,目标车辆的行为包括:左转、直行、右转、或调头,道路几何语义用于表示以入口道路为基准,目标车辆所在路口包括的出口道路和/或虚拟车道行驶规则,入口道路为目标车辆所在路口的入口,运动信息包括目标车辆的运动方向和目标车辆的当前位置,第一时间段为以目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。
基于第一方面所述的轨迹预测方法,对目标车辆的行为和道路结构信息进行语义抽象,获得目标车辆的运动语义、道路几何语义,然后根据目标车辆的运动信息、目标车辆在该路口的运动语义、该路口的道路几何语义,获取目标车辆在第一时间段的行驶轨迹,即未来行驶轨迹。如此,本申请的轨迹预测方法,与现有技术中依赖于多个车辆在多个路口的历史样本数据不同,本申请不仅仅依赖运动信息,还增加了目标车辆的运动语义和和目标车辆当前所在的路口与目标车辆相关的道路几何语义这两个参考要素,该路口是目标车辆当前所在路口,可以是具有规则结构的路口或具有不规则结构的路口,对具有不同结构的路口的适用性强,可以准确预测周围车辆经过路口的未来行驶轨迹,从而可以提高本车辆路径规划的安全性,保证本车辆安全通过路口场景。
在一种可能的设计方案中,上述确定目标车辆的运动语义,包括:根据第一角度和/或第一距离确定运动语义。其中,第一角度为第一位置对应的行驶方向与第一参考线之间的夹角,第一距离为第一位置与第一参考线之间的相对距离,第一参考线与入口道路的车道停止线垂直,第一参考线的方向与入口道路对应的行驶方向一致,第一位置为目标车辆在历史行驶轨迹中的任一位置。
也就是说,对目标车辆的行为进行语义抽象,获得目标车辆将要或正在左转、直行、右转、或调头等信息。
可选地,第一角度可以是根据第一距离确定的。
在一种可能的设计方案中,上述根据第一角度确定运动语义,包括:若第一角度大于第一角度阈值且小于或等于第二角度阈值,则目标车辆的运动语义为左转,若第一角度的绝对值小于或等于第一角度阈值,则目标车辆的运动语义为直行,若第一角度小于第一角度阈值的负值,则目标车辆的运动语义为右转,若第一角度大于第二角度阈值,则目标车辆的运动语义为调头。其中,第一角度阈值和第二角度阈值均为向第一参考线的左侧偏置的角度。
可选地,将与第一参考线重合的方向确定为0度,将向第一参考线左侧偏置的角度确定为正角度,将向第一参考线右侧偏置的角度确定为负角度。
在一种可能的设计方案中,上述确定道路几何语义,包括:根据入口道路和路口拓扑结构,确定道路几何语义。其中,道路几何语义包括与入口道路相关联的道路的行驶规则为左转、与所入口道路相关联的道路的行驶规则为右转、与入口道路相关联的道路的行驶规则为直行、与入口道路相关联的道路的行驶规则为调头中一项或多项,左转对应的道路包括左转出口车道和/或左转虚拟车道,右转对应的道路包括右转出口车道和/或右转虚拟车道,直行对应的道路包括直行出口车道和/或直行虚拟车道,调头对应的道路包括调头出口车道和/或调头虚拟车道,出口道路包括至少一个出口车道,该至少一个出口车道包括左转出口车道、右转出口车道、直行出口车道、调头出口车道中一项或多项,虚拟车道包括左转虚拟车道、右转虚拟车道、直行虚拟车道、调头虚拟车道中一项或多项。
如此,可以确定目标车辆当前所在路口的道路几何语义,考虑了不同路口的结构的差异性的问题,为提高确定车辆经过路口的未来行驶轨迹的准确性奠定了基础。
在一种可能的设计方案中,上述根据入口道路和路口拓扑结构,确定道路几何语义,包括:根据第二角度确定道路几何语义。其中,第二角度为出口车道或虚拟车道与入口道路之间的角度,第二角度是根据路口拓扑结构确定的。也就是说,以目标车辆在该路口的入口道路为基准,对该路口的道路或车道进行语义抽象。
在一种可能的设计方案中,上述根据第二角度确定道路几何语义,包括:若第二角度大于第三角度阈值且小于或等于第四角度阈值,则出口车道或虚拟车道的行驶规则为左转。若第二角度的绝对值小于或等于第三角度阈值,则出口车道或虚拟车道的行驶规则为直行。若第二角度小于第三角度阈值的负值,则出口车道或虚拟车道的行驶规则为右转。若第二角度大于第四角度阈值,则出口车道或虚拟车道的行驶规则为调头。其中,第三角度阈值和第四角度阈值均为向第一参考线的左侧偏置的角度。
在一种可能的设计方案中,上述根据目标车辆的运动信息、运动语义和道路几何语义,获取目标车辆在第一时间段的行驶轨迹,包括:根据运动语义和路口拓扑结构确定目标出口道路,根据目标出口道路和道路几何语义确定目标虚拟车道和目标出口车道,根据目标车辆的运动信息和目标出口车道,获取目标车辆在第一时间段的行驶轨迹。
如此,采用分层推理的方式,先获得与运动语义相匹配的道路,再获得与运动语义相匹配的车道,进而得到未来行驶轨迹,可以降低系统运算复杂度,提高系统的工作效率。
在一种可能的设计方案中,上述根据运动语义和路口拓扑结构确定目标出口道路,包括:根据历史行驶轨迹从至少一个第一候选出口道路中确定至少一个第二候选出口道路,根据运动语义从至少一个第二候选出口道路中确定第三候选出口道路。其中,至少一个第一候选出口道路是根据路口拓扑结构确定的,第三候选出口道路为目标出口道路。
如此,先根据历史行驶轨迹从目标车辆在该路口的所有出口道路中,选择出部分有可能的出口道路,最后根据目标车辆的运动语义,从部分有可能的出口道路中,快速、准确地确定最有可能的出口道路,即目标出口道路。
在一种可能的设计方案中,上述根据目标出口道路和道路几何语义确定目标虚拟车道和目标出口车道,包括:根据目标出口道路和路口拓扑结构确定至少一个第一候选虚拟车道,根据第一参数从至少一个第一候选虚拟车道中确定第二候选虚拟车道,根据目标虚拟车道和路口拓扑结构确定第一候选出口车道。
其中,第二候选虚拟车道为目标虚拟车道,第一候选出口车道为目标出口车道,第一参数包括第二距离、第三角度、语义匹配结果,第二距离为目标车辆与第二位置之间的距离,第三角度为目标车辆的行驶方向与第二位置对应的行驶方向之间的夹角,语义匹配结果为运动语义与第一候选虚拟车道的几何语义之间的匹配结果,第二位置为目标车辆与第一候选虚拟车道的参考线垂直相交的位置。
如此,进一步从目标出口道路对应的一个或多个车道中,确定车道层的目标虚拟车道和目标出口车道。即先从目标出口道路对应的一个或多个虚拟车道中,确定目标虚拟车道,再根据目标虚拟车道,从一个或多个出口车道中,确定目标出口车道。
在一种可能的设计方案中,上述根据第一参数从至少一个第一候选虚拟车道中确定第二候选虚拟车道,包括:根据至少一个第一候选虚拟车道的至少一个第一排名顺序,确定第一候选虚拟车道的至少一个第一分值,对至少一个第一分值进行加权求和,得到至少一个第一候选虚拟车道的第二分值,根据至少一个第一候选虚拟车道的第二分值,确定第二候选虚拟车道。其中,第一排名顺序为第一候选虚拟车道在第一参数中各参数下的排名。
可选地,可以根据至少一个第一候选虚拟车道的第二分值的高低,选择第二分值最高的第一候选虚拟车道,作为第二候选虚拟车道。
在一种可能的设计方案中,第一方面所述的轨迹预测方法还可以包括:根据第一次数和第一时间偏差,获取至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积。根据至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积,确定目标出口道路、目标出口车道、或目标虚拟车道。
其中,第一次数为第一候选出口道路在M个历史时刻中被确定为第三候选出口道路的次数,第一时间偏差为第一候选出口道路被确定为第三候选出口道路的时刻与当前时刻的时间偏差,或者,第一次数为第一候选虚拟车道在M个历史时刻中被确定为第二候选虚拟车道的次数,第一时间偏差为第一候选虚拟车道被确定为第二候选虚拟车道的时刻与当前时刻的时间偏差。
如此,基于证据累积增强思想,根据历史多个时刻的确定结果,准确地确定目标虚拟车道,进而根据目标虚拟车道,准确地确定目标出口车道,以提高轨迹预测的准确性。
在一种可能的设计方案中,上述结果累积满足如下关系:
其中,Ei为第一候选出口道路i或第一候选虚拟车道i的结果累积,t为当前时刻,M为历史时刻,ei表示第一候选出口道路i或第一候选虚拟车道i在单次判定结果中是否存在,ei为1或0,W(t)为ei的权值,W(t)满足如下关系:
其中,ti表示第一候选出口道路i或第一候选虚拟车道i在单次判定结果中存在的历史时刻。
可选地,W(t)可以为时间相关因子,对当前时刻t来说,历史时刻与当前时刻之间的时间偏差越大,该历史时刻的判定结果的价值越小,对应的权值越小。
第二方面,一种轨迹预测装置。该装置包括:确定单元和获取单元。
其中,确定单元,用于确定目标车辆的运动语义。其中,运动语义表示目标车辆的行为,目标车辆的行为包括:左转、直行、右转、或调头。
确定单元,还用于确定道路几何语义。其中,道路几何语义用于表示以入口道路为基准,目标车辆所在路口包括的出口道路和/或虚拟车道的行驶规则,入口道路为目标车辆所在路口的入口。
获取单元,用于根据目标车辆的运动信息、运动语义和道路几何语义,获取目标车辆在第一时间段的行驶轨迹。其中,运动信息包括目标车辆的运动方向和目标车辆的当前位置,第一时间段为以目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。
在一种可能的设计方案中,确定单元,还用于根据第一角度和/或第一距离确定运动语义。其中,第一角度为第一位置对应的行驶方向与第一参考线之间的夹角,第一距离为第一位置与第一参考线之间的相对距离,第一参考线与入口道路的车道停止线垂直,第一参考线的方向与入口道路对应的行驶方向一致,第一位置为目标车辆在所述历史行驶轨迹中的任一位置。
可选地,第一角度可以是根据第一距离确定的。
在一种可能的设计方案中,所述确定单元,还用于若第一角度大于第一角度阈值且小于或等于第二角度阈值,则确定目标车辆的运动语义为左转,若第一角度的绝对值小于或等于第一角度阈值,则确定目标车辆的运动语义为直行,若第一角度小于第一角度阈值的负值,则确定目标车辆的运动语义为右转,若第一角度大于第二角度阈值,则确定目标车辆的运动语义为调头。其中,第一角度阈值和第二角度阈值均为向第一参考线的左侧偏置的角度。
在一种可能的设计方案中,确定单元,还用于根据入口道路和路口拓扑结构,确定道路几何语义。其中,道路几何语义包括与入口道路相关联的道路的行驶规则为左转、与入口道路相关联的道路的行驶规则为右转、与入口道路相关联的道路的行驶规则为直行、与入口道路相关联的道路的行驶规则为调头中一项或多项,左转对应的道路包括左转出口车道和/或左转虚拟车道,右转对应的道路包括右转出口车道和/或右转虚拟车道,直行对应的道路包括直行出口车道和/或直行虚拟车道,调头对应的道路包括调头出口车道和/或调头虚拟车道,出口道路包括至少一个出口车道,至少一个出口车道包括左转出口车道、右转出口车道、直行出口车道、调头出口车道中一项或多项,虚拟车道包括左转虚拟车道、右转虚拟车道、直行虚拟车道、调头虚拟车道中一项或多项。
在一种可能的设计方案中,确定单元,还用于根据第二角度确定道路几何语义。其中,第二角度为出口车道或虚拟车道与入口道路之间的角度,第二角度是根据路口拓扑结构确定的。
在一种可能的设计方案中,所述确定单元,还用于若第二角度大于第三角度阈值且小于或等于第四角度阈值,则确定出口车道或虚拟车道的行驶规则为左转,若第二角度的绝对值小于或等于第三角度阈值,则确定出口车道或虚拟车道的行驶规则为直行,若第二角度小于第三角度阈值的负值,则确定出口车道或虚拟车道的行驶规则为右转,若第二角度大于第四角度阈值,则确定出口车道或虚拟车道的行驶规则为调头。其中,第三角度阈值和第四角度阈值均为向第一参考线的左侧偏置的角度。
在一种可能的设计方案中,获取单元,还用于根据运动语义和路口拓扑结构确定目标出口道路,根据目标出口道路和道路几何语义确定目标虚拟车道和目标出口车道,根据目标车辆的运动信息和目标出口车道,得到目标车辆在第一时间段的行驶轨迹。
在一种可能的设计方案中,获取单元,还用于根据历史行驶轨迹从至少一个第一候选出口道路中确定至少一个第二候选出口道路,根据运动语义从至少一个第二候选出口道路中确定第三候选出口道路。其中,至少一个第一候选出口道路是根据路口拓扑结构确定的,第三候选出口道路为目标出口道路。
在一种可能的设计方案中,获取单元,还用于根据目标出口道路和路口拓扑结构确定至少一个第一候选虚拟车道,根据第一参数从至少一个第一候选虚拟车道中确定第二候选虚拟车道,根据目标虚拟车道和路口拓扑结构确定第一候选出口车道。其中,第二候选虚拟车道为目标虚拟车道,第一候选出口车道为目标出口车道,第一参数包括第二距离、第三角度、语义匹配结果,第二距离为目标车辆与第二位置之间的距离,第三角度为目标车辆的行驶方向与第二位置对应的行驶方向之间的夹角,语义匹配结果为运动语义与第一候选虚拟车道的几何语义之间的匹配结果,第二位置为目标车辆与第一候选虚拟车道的参考线垂直相交的位置。
在一种可能的设计方案中,获取单元,还用于根据至少一个第一候选虚拟车道的至少一个第一排名顺序,确定第一候选虚拟车道的至少一个第一分值,对至少一个第一分值进行加权求和,得到至少一个第一候选虚拟车道的第二分值,根据至少一个第一候选虚拟车道的第二分值,确定第二候选虚拟车道。其中,第一排名顺序为第一候选虚拟车道在第一参数中各参数下的排名。
在一种可能的设计方案中,获取单元,还用于根据第一次数和第一时间偏差,获取至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积。
其中,第一次数为第一候选出口道路在M个历史时刻中被确定为第三候选出口道路的次数,第一时间偏差为第一候选出口道路被确定为第三候选出口道路的时刻与当前时刻的时间偏差,或者,第一次数为第一候选虚拟车道在M个历史时刻中被确定为第二候选虚拟车道的次数,第一时间偏差为第一候选虚拟车道被确定为第二候选虚拟车道的时刻与当前时刻的时间偏差。
确定单元,还用于根据至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积,确定目标出口道路、目标出口车道、或目标虚拟车道。
在一种可能的设计方案中,结果累积满足如下关系:
其中,Ei为第一候选出口道路i或第一候选虚拟车道i的结果累积,t为当前时刻,M为历史时刻,ei表示第一候选出口道路i或第一候选虚拟车道i在单次判定结果中是否存在,ei为1或0,W(t)为ei的权值,W(t)满足如下关系:
其中,ti表示第一候选出口道路i或第一候选虚拟车道i在单次判定结果中存在的历史时刻。
可选地,第二方面所述的轨迹预测装置还可以包括存储单元,该存储单元存储有程序或指令。当确定单元或获取单元执行该程序或指令时,使得第二方面所述的轨迹预测装置可以执行第一方面所述的方法。
此外,第二方面所述的轨迹预测装置的技术效果可以参考第一方面中任一种可能的实现方式所述的轨迹预测方法的技术效果,此处不再赘述。
第三方面,本申请提供一种轨迹预测装置,该装置包括:处理器和存储器;其中,存储器用于存储计算机程序指令,处理器运行计算机程序指令以使该轨迹预测装置执行第一方面所述的轨迹预测方法。
第四方面,本申请提供一种计算机可读存储介质,包括计算机指令,当该计算机指令被处理器运行时,使得轨迹预测装置执行如第一方面所述的轨迹预测方法。
第五方面,本申请提供一种计算机程序产品,其特征在于,当该计算机程序产品在处理器上运行时,使得轨迹预测装置执行如第一方面所述的轨迹预测方法。
附图说明
图1为本申请实施例提供的一种自动驾驶车辆的结构示意图一;
图2为本申请实施例提供的一种自动驾驶车辆的结构示意图二;
图3为本申请实施例提供的一种计算机系统的结构示意图;
图4为本申请实施例提供的一种芯片系统的结构示意图;
图5为本申请实施例提供的一种云侧指令自动驾驶车辆的应用示意图一;
图6为本申请实施例提供的一种云侧指令自动驾驶车辆的应用示意图二;
图7为本申请实施例提供的一种计算机程序产品的结构示意图;
图8为本申请实施例提供的轨迹预测方法的流程示意图一;
图9为本申请实施例提供的一种路口结构示意图一;
图10为本申请实施例提供的一种第一角度、第一距离示意图;
图11为本申请实施例提供的一种第二角度示意图;
图12为本申请实施例提供的轨迹预测方法的流程示意图二;
图13为本申请实施例提供的一种路口结构示意图二;
图14为本申请实施例提供的轨迹预测装置的结构示意图一;
图15为本申请实施例提供的轨迹预测装置的结构示意图二。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
本申请实施例提供一种轨迹预测方法,该方法应用于车辆中,或者应用于具有车辆控制功能的其他设备(比如云端服务器)中。其中,所述车辆可以是自动驾驶车辆,该自动驾驶车辆可以是具备部分自动驾驶功能的车辆,也可以是具备全部自动驾驶功能的车辆,也就是说,该车辆的自动驾驶的等级可以参照美国汽车工程师协会(society ofautomotive engineers,SAE)的分类标准,划分为无自动化(L0)、驾驶支援(L1)、部分自动化(L2)、有条件自动化(L3)、高度自动化(L4)或者完全自动化(L5)。车辆或者其他设备可以通过其包含的组件(包括硬件和/或软件),来实施本申请实施例提供的轨迹预测方法。
图1为本申请实施例提供的一种自动驾驶车辆的结构示意图。在一个实施例中,将车辆100配置为完全或部分的自动驾驶模式。例如,车辆100在处于部分自动驾驶模式(即L2)或L3、L4、L5时,车辆100可以确定目标车辆的运动语义,确定道路几何语义,然后根据目标车辆的运动信息、运动语义和道路几何语义,获取目标车辆在第一时间段的行驶轨迹。其中,运动语义表示目标车辆的行为,目标车辆的行为包括:左转、直行、右转、或调头。道路几何语义用于表示以入口道路为基准,目标车辆所在路口包括的出口道路和/或虚拟车道的行驶规则,入口道路为目标车辆所在路口的入口。运动信息包括目标车辆的运动方向和目标车辆的当前位置,第一时间段为以目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。
其中,车辆100可包括各种子系统,例如行进系统110、传感器系统120、控制系统130、一个或多个外围设备140以及电源150、计算机系统160和用户接口170。可选地,车辆100可包括更多或更少的子系统,并且每个子系统可包括多个元件。另外,车辆100的每个子系统和元件可以通过有线或者无线互连。
行进系统110可包括为车辆100提供动力运动的组件。在一个实施例中,行进系统110可包括引擎111、传动装置112、能量源113和车轮114。引擎111可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合,例如汽油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎111将能量源113转换成机械能量。
能量源113的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源113也可以为车辆100的其他系统提供能量。
传动装置112可以将来自引擎111的机械动力传送到车轮114。传动装置112可包括变速箱、差速器和驱动轴。在一个实施例中,传动装置112还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮114的一个或多个轴。
传感器系统120可包括感测关于车辆100周边的环境的信息的若干个传感器。例如,传感器系统120可包括定位系统121(定位系统可以是全球定位系统(globalpositioning system,GPS),也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)122、雷达123、激光雷达124以及相机125。传感器系统120还可包括被监视车辆100的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。这些传感器收集到的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等),这种检测和识别是车辆100实现自动驾驶的安全操作的关键。
定位系统121可用于估计车辆100的地理位置。IMU 122用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中,IMU 122可以是加速度计和陀螺仪的组合。
雷达123可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中,除了感测物体以外,雷达123还可用于感测物体的速度和/或前进方向。
激光雷达124可利用激光来感测车辆100所处环境中的物体。在一些实施例中,激光雷达124可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。
相机125可用于捕捉车辆100的周边环境的多个图像,以及车辆驾驶舱内的多个图像。相机125可以是静态相机或视频相机。
控制系统130可控制车辆100及其组件的操作。控制系统130可包括各种元件,其中包括转向系统131、油门132、制动单元133、计算机视觉系统134、路线控制系统135以及障碍规避系统136。
转向系统131可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘系统。
油门132用于控制引擎111的操作速度,进而控制车辆100的速度。
制动单元133用于控制车辆100减速。制动单元133可使用摩擦力来减慢车轮114。在其他实施例中,制动单元133还可将车轮114的动能转换为电流。制动单元133也可采取其他形式来减慢车轮114转速从而控制车辆100的速度。
计算机视觉系统134可以处理和分析由相机125捕捉的图像,以识别车辆100周边环境中的物体和/或特征以及车辆驾驶舱内的驾驶员的肢体特征和面部特征。所述物体和/或特征可包括交通信号、道路状况和障碍物,所述驾驶员的肢体特征和面部特征包括驾驶员的行为、视线、表情等。计算机视觉系统134可使用物体识别算法、运动中恢复结构(structure from motion,SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中,计算机视觉系统134还可以用于为环境绘制地图、跟踪物体、估计物体的速度、确定驾驶员行为、人脸识别等等。
路线控制系统135用于确定车辆100的行驶路线。在一些实施例中,路线控制系统135可结合来自传感器、定位系统121和一个或多个预定地图的数据以为车辆100确定行驶路线。
障碍规避系统136用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。
当然,在一个实例中,控制系统130可以增加或替换地包括除了所示出和描述的组件以外的其他组件。或者也可以减少一部分上述示出的组件。
车辆100通过外围设备140与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备140可包括无线通信系统141、车载电脑142、麦克风143和/或扬声器144。
在一些实施例中,外围设备140提供车辆100的用户与用户接口170交互的手段。例如,车载电脑142可向车辆100的用户提供信息。用户接口170还可操作车载电脑142来接收用户的输入。车载电脑142可以通过触摸屏进行操作。在其他情况中,外围设备140可提供用于车辆100与位于车内的其它设备通信的手段。例如,麦克风143可从车辆100的用户接收音频(例如,语音命令或其他音频输入)。类似地,扬声器144可向车辆100的用户输出音频。
无线通信系统141可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信系统141可使用3G蜂窝通信,例如CDMA、EVD0、GSM/GPRS,或者4G蜂窝通信,例如LTE。或者5G蜂窝通信。无线通信系统141可利用WiFi与无线局域网(wireless localarea network,WLAN)通信。在一些实施例中,无线通信系统141可利用红外链路或蓝牙与设备直接通信。其他无线协议,例如各种车辆通信系统,例如,无线通信系统141可包括一个或多个专用短程通信(dedicated short range communications,DSRC)设备。
电源150可向车辆100的各种组件提供电力。在一个实施例中,电源150可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源,从而为车辆100的各种组件提供电力。在一些实施例中,电源150和能量源113可一起实现,例如一些全电动车中那样。
车辆100的部分或所有功能受计算机系统160控制。计算机系统160可包括至少一个处理器161,处理器161执行存储在例如数据存储装置162这样的非暂态计算机可读介质中的指令1621。计算机系统160还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。
处理器161可以是任何常规的处理器,诸如商业可获得的中央处理单元(centralprocessing unit,CPU)。替选地,该处理器可以是诸如专用集成电路(applicationspecific integrated circuit,ASIC)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同物理外壳中的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机系统、或存储器实际上可以包括可以存储在相同的物理外壳内的多个处理器、计算机系统、或存储器,或者包括可以不存储在相同的物理外壳内的多个处理器、计算机系统、或存储器。例如,存储器可以是硬盘驱动器,或位于不同于物理外壳内的其它存储介质。因此,对处理器或计算机系统的引用将被理解为包括对可以并行操作的处理器或计算机系统或存储器的集合的引用,或者可以不并行操作的处理器或计算机系统或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中,处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中,此处所描述的过程中的部分在布置于车辆内的处理器上执行而其它则由远程处理器执行。
在一些实施例中,数据存储装置162可包含指令1621(例如,程序逻辑),指令1621可被处理器161执行,以执行车辆100的各种功能,包括以上描述的功能。数据存储装置162也可包含额外的指令,包括向行进系统110、传感器系统120、控制系统130和外围设备140中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令1621以外,数据存储装置162还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度以及其它车辆数据,以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统160使用。
比如,数据存储装置162可以从传感器系统120或车辆100的其他组件获取驾驶员信息以及周围的环境信息,例如,环境信息可以为车辆当前所处道路的道路类别、当前天气、当前时间等,驾驶员信息可以为驾驶员的身份、驾驶员的驾驶经历、驾驶员当前的身体状况等。数据存储装置162还可以存储该车辆自身的状态信息,以及与该车辆周围的其他车辆或设备的状态信息。状态信息包括但不限于车辆的速度、加速度、航向角、位置以及运动轨迹等。比如,车辆基于雷达123和激光雷达124的测速、测距功能,得到车辆自身的速度、其他车辆的速度等。如此,处理器161可对其从数据存储装置162获取到的信息进行处理,来确定其他车辆的未来行驶轨迹,保证本车辆路径规划的安全性,从而安全通过路口场景。
用户接口170,用于向车辆100的用户提供信息或从其接收信息。可选地,用户接口170可包括与在外围设备140的集合内的一个或多个输入/输出设备与用户进行交互和信息交换的接口,其中,外围设备140的集合内的一个或多个输入/输出设备可以为无线通信系统141、车载电脑142、麦克风143和扬声器144中的一个或多个。
计算机系统160可基于从各种子系统(例如,行进系统110、传感器系统120和控制系统130)以及从用户接口170接收的输入来控制车辆100的功能。例如,计算机系统160可利用来自控制系统130的输入,以便控制转向系统131,从而规避由传感器系统120和障碍规避系统136检测到的障碍物。在一些实施例中,计算机系统160可操作来对车辆100及其子系统的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与车辆100分开安装或关联。例如,数据存储装置162可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图1不应理解为对本申请实施例的限制。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、娱乐车、游乐场车辆等,本申请实施例不做特别的限定。
在本申请的另一些实施例中,自动驾驶车辆还可以包括硬件结构和/或软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行,取决于技术方案的特定应用和设计约束条件,本申请实施例对此不做具体限定。
参见图2,示例性的,车辆中可以包括以下模块:目标状态估计模块201、道路结构信息处理模块202、目标车道推理模块203、预测轨迹生成模块204。
其中,目标状态估计模块201,由车载传感器进行感知、融合后输出的目标车辆的位置和运动速度作为该模块的输入,对目标车辆的历史运动数据进行多项式曲线拟合,得到历史运动轨迹曲线,并根据历史运动轨迹曲线进行运动语义抽象,获得目标车辆的运动语义(例如,左转、直行、右转、或调头等),将这些信息发送给道路结构信息处理模块202。其中,车载传感器可以是激光雷达、光学相机、毫米波雷达、视觉传感器等等。
道路结构信息处理模块202,用于从高精地图(图2中未示出)获取与目标车辆当前所在路口包括的道路结构信息(例如,入口道路、出口道路、出口车道、虚拟车道等),以入口道路为基准根据上述道路结构信息,获取与目标车辆所在路口包括的道路或车道的几何语义等信息,并将这些信息发送给目标车道推理模块203。道路结构信息处理模块202,还用于根据目标车辆当前所在路口的,从地图接口获取与该路口包括的道路或车道,并将道路划分为入口道路和出口道路,将车道分为实际车道和虚拟车道,根据道路、车道、虚拟车道之间的连接关系,从而构建出包含这些要素的路口拓扑结构。道路结构信息处理模块202,还用于将获得的路口拓扑结构、道路或车道的几何语义,以及从目标状态估计模块201接收的信息,发送给目标车道推理模块203。
目标车道推理模块203,用于根据获得的历史运动轨迹曲线和目标车辆的运动语义,对路口中所有相关道路进行匹配,获得目标出口道路。目标车道推理模块203,还用于根据得到的目标出口道路和道路几何语义确定目标虚拟车道、目标出口车道。目标车道推理模块203,还用于基于证据累积增强思想,根据历史多个时刻的确定结果,准确地确定目标出口车道,并将确定出的目标出口车道信息发送给预测轨迹生成模块204。
预测轨迹生成模块204,用于根据获取的目标车辆在该路口对应的目标出口车道,以及目标车辆当前的位置、目标车辆的运动方向,通过拟合的方式,生成平滑曲线作为目标车辆的未来行驶轨迹。
可选地,车辆中还可以包括高精地图(图2中未示出):用于获取路口的相关信息,如与路口相关联的道路、车道、车道线等,还用于确定车辆所在的位置等。车载通信模块(图2中未示出):用于自车与它车之间的信息交互。存储组件(图2中未示出):用于存储上述各个模块的可执行代码,运行这些可执行代码即可实现本申请实施例的部分或全部方法流程。
在本申请实施例的一种可能的实现方式中,如图3所示,图1所示的计算机系统160包括处理器301,处理器301和系统总线302耦合,处理器301可以是一个或者多个处理器,其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)303可以驱动显示器324,显示器324和系统总线302耦合。系统总线302通过总线桥304和输入输出(I/O)总线(BUS)305耦合,I/O接口306和I/O总线305耦合,I/O接口306和多种I/O设备进行通信,比如输入设备307(如:键盘,鼠标,触摸屏等),多媒体盘(media tray)308,(例如,CD-ROM,多媒体接口等)。收发器309(可以发送和/或接收无线电通信信号),摄像头310(可以捕捉静态和动态数字视频图像)和外部通用串行总线(universal serial bus,USB)端口311。其中,可选地,和I/O接口306相连接的接口可以是USB接口。
其中,处理器301可以是任何传统处理器,包括精简指令集计算(reducedinstruction set computer,RISC)处理器、复杂指令集计算(complex instruction setcomputer,CISC)处理器或上述的组合。可选地,处理器301还可以是诸如专用集成电路(ASIC)的专用装置。可选地,处理器301还可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。
可选地,在本申请所述的各种实施例中,计算机系统160可位于远离自动驾驶车辆的地方,且与自动驾驶车辆100无线通信。在其它方面,本申请所述的一些过程可设置在自动驾驶车辆内的处理器上执行,其它一些过程由远程处理器执行。
计算机系统160可以通过网络接口312和软件部署服务器(deploying server)313通信。可选的,网络接口312可以是硬件网络接口,比如网卡。网络(network)314可以是外部网络,比如因特网,也可以是内部网络,比如以太网或者虚拟私人网络(VPN),可选地,network314还可以为无线网络,比如WiFi网络、蜂窝网络等。
硬盘驱动器接口315和系统总线302耦合。硬盘驱动器接口315和硬盘驱动器316相连接。系统内存317和系统总线302耦合。运行在系统内存317的数据可以包括计算机系统160的操作系统(OS)318和应用程序319。
操作系统(OS)318包括但不限于Shell 320和内核(kernel)321。Shell 320是介于使用者和操作系统318的kernel 321间的一个接口。Shell 320是操作系统318最外面的一层。shell管理使用者与操作系统318之间的交互:等待使用者的输入,向操作系统318解释使用者的输入,并且处理各种各样的操作系统318的输出结果。
内核321由操作系统318中用于管理存储器、文件、外设和系统资源的部分组成,直接与硬件交互。操作系统318的内核321通常运行进程,并提供进程间的通信,提供CPU时间片管理、中断、内存管理、IO管理等功能。
应用程序319包括自动驾驶相关的程序323,比如,管理自动驾驶汽车和路上障碍物交互的程序,控制自动驾驶汽车的行驶路线或者速度的程序,控制自动驾驶汽车和路上其他汽车/自动驾驶汽车交互的程序等。应用程序319也存在于deploying server 313的系统上。在一个实施例中,在需要执行应用程序319时,计算机系统160可以从deployingserver 313下载应用程序319。
又比如,应用程序319可以是确定驾驶策略的应用程序。计算机系统160的处理器301调用该应用程序319,得到驾驶策略。
传感器322和计算机系统160关联。传感器322用于探测计算机系统160周围的环境。举例来说,传感器322可以探测动物,汽车,障碍物和/或人行横道等。进一步传感器322还可以探测上述动物,汽车,障碍物和/或人行横道等物体周围的环境。比如:动物周围的环境,例如,动物周围出现的其他动物,天气条件,动物周围环境的光亮度等。可选地,如果计算机系统160位于自动驾驶的汽车上,传感器322可以是摄像头,红外线感应器,化学检测器,麦克风等器件中的至少一项。
在本申请的另一些实施例中,本申请实施例的轨迹预测方法还可以由芯片系统执行。参见图4,是本申请实施例提供的一种芯片系统的结构图。
神经网络处理器(neural-network processing unit,NPU)40作为协处理器挂载到主CPU(host CPU)上,由host CPU为NPU 40分配任务。NPU 40的核心部分为运算电路403。示例性的,通过控制器404控制运算电路403,使得运算电路403利用从存储器中提取的矩阵数据进行乘法运算。
在一些实现中,运算电路403内部包括多个处理单元(process engine,PE)。在一些实现中,运算电路403是二维脉动阵列。可选的,运算电路403还可以是一维脉动阵列,或者是能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路403是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路403从权重存储器402中获取权重矩阵B相应的数据,并缓存在运算电路403中的每一个PE上。运算电路403还从输入存储器401中获取输入矩阵A相应的数据,进而根据输入矩阵A和权重矩阵B进行矩阵运算,将矩阵运算的部分结果或最终结果保存在累加器(accumulator)408中。
又比如,运算电路403可用于实现特征提取模型(如卷积神经网络模型),并将图像数据输入卷积神经网络模型,通过该模型的运算,得到图像的特征。进而,将图像特征输出到分类器,由分类器输出图像中物体的分类概率。
统一存储器406用于存放输入数据以及输出数据。外部存储器中的权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)405被送往到权重存储器402中。外部存储器中的输入数据可通过DMAC被搬运到统一存储器406中,或者被搬运到输入存储器401中。
总线接口单元(bus interface unit,BIU)410,用于高级扩展接口(advancedextensible interface,AXI)总线与DMAC和取指存储器(instruction fetch buffer)409的交互。还用于取指存储器409从外部存储器获取指令,还用于存储单元访问控制器405从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器(DDR)中的输入数据搬运到统一存储器406,或将权重数据搬运到权重存储器402中,或将输入数据搬运到输入存储器401中。
向量计算单元407可包括多个运算处理单元。用于在需要的情况下,可以对运算电路403的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/FC层网络计算,如池化(pooling),批归一化(batchnormalization),局部响应归一化(local response normalization)等。
在一些实现种,向量计算单元407将经处理的输出向量存储到统一存储器406。例如,向量计算单元407可以将非线性函数应用到运算电路403的输出,例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元407生成归一化的值、合并值,或二者均有。在一些实现中,处理过的输出向量还能够用作运算电路403的激活输入,例如用于在神经网络中的后续层中的使用。
控制器404连接取指存储器(instruction fetch buffer)409,控制器404使用的指令可存储在取指存储器409中。
作为一种可能的实现方式,统一存储器406,输入存储器401,权重存储器402以及取指存储器409均为On-Chip存储器。外部存储器私有于该NPU 40硬件架构。
结合图1至图3,主CPU和NPU 40共同配合,可实现图1中车辆100所需功能的相应算法,也可实现图2所示车辆所需功能的相应算法,也可以实现图3所示计算机系统160所需功能的相应算法。
在本申请的另一些实施例中,计算机系统160还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者,从车辆100的传感器系统120收集的传感器数据可以被转移到另一个计算机,由另一计算机对此数据进行处理。如图5所示,来自计算机系统160的数据可以经由网络被传送到云侧的计算机系统510用于进一步的处理。网络以及中间节点可以包括各种配置和协议,包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有通信协议的专用网络、以太网、WiFi和HTTP、以及前述的各种组合。这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备执行,诸如调制解调器和无线接口。
在一个示例中,计算机系统510可以包括具有多个计算机的服务器,例如负载均衡服务器群。为了从计算机系统160接收、处理并传送数据,服务器520与网络的不同节点交换信息。该计算机系统510可以具有类似于计算机系统160的配置,并具有处理器530、存储器540、指令550、和数据560。
在一个示例中,服务器520的数据560可以包括提供天气相关的信息。例如,服务器520可以接收、监视、存储、更新、以及传送与周边环境中目标对象相关的各种信息。该信息可以包括例如以报告形式、雷达信息形式、预报形式等的目标类别、目标形状信息以及目标跟踪信息。
参见图6,为自主驾驶车辆和云服务中心(云服务器)交互的示例。云服务中心可以经诸如无线通信网络的网络611,从其操作环境600内的自动驾驶辆613、612接收信息(诸如车辆传感器收集到数据或者其它信息)。
云服务中心620根据接收到的数据,运行其存储的控制汽车自动驾驶相关的程序对自动驾驶车辆613、612进行控制。控制汽车自动驾驶相关的程序可以为:管理自动驾驶汽车和路上障碍物交互的程序,或者控制自动驾驶汽车路线或者速度的程序,或者控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序。
示例性的,云服务中心620通过网络611可将地图的部分提供给车辆613、612。在其它示例中,可以在不同位置之间划分操作。例如,多个云服务中心可以接收、证实、组合和/或发送信息报告。在一些示例中还可以在车辆之间发送信息报告和/传感器数据。其它配置也是可能的。
在一些示例中,云服务中心620向自动驾驶车辆发送关于环境内可能的驾驶情况所建议的解决方案(如,告知前方障碍物,并告知如何绕开它))。例如,云服务中心620可以辅助车辆确定当面对环境内的特定障碍时如何行进。云服务中心620向自动驾驶车辆发送指示该车辆应当在给定场景中如何行进的响应。例如,云服务中心620基于收集到的传感器数据,可以确认道路前方具有临时停车标志的存在,又比如,基于“车道封闭”标志和施工车辆的传感器数据,确定该车道由于施工而被封闭。相应地,云服务中心620发送用于车辆通过障碍的建议操作模式(例如:指示车辆变道另一条道路上)。云服务中心620观察其操作环境600内的视频流,并且已确认自动驾驶车辆能安全并成功地穿过障碍时,对该自动驾驶车辆所使用的操作步骤可以被添加到驾驶信息地图中。相应地,这一信息可以发送到该区域内可能遇到相同障碍的其它车辆,以便辅助其它车辆不仅识别出封闭的车道还知道如何通过。
在一些实施例中,所公开的方法可以实施为以机器可读格式,被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。图7示意性地示出根据这里展示的至少一些实施例而布置的示例计算机程序产品的概念性局部视图,示例计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。在一个实施例中,示例计算机程序产品700是使用信号承载介质701来提供的。信号承载介质701可以包括一个或多个程序指令702,其当被一个或多个处理器运行时可以提供以上针对图1至图7描述的全部功能或者部分功能,或者可以提供后续实施例中描述的全部或部分功能。例如,参考图8中所示的实施例,S801至S804中的一个或多个特征可以由与信号承载介质701相关联的一个或多个指令来承担。此外,图7中的程序指令702也描述示例指令。
在一些示例中,信号承载介质701可以包含计算机可读介质703,诸如但不限于,硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(random access memory,RAM)等等。在一些实施方式中,信号承载介质701可以包含计算机可记录介质704,诸如但不限于,存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中,信号承载介质701可以包含通信介质705,诸如但不限于,数字和/或模拟通信介质(例如,光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此,例如,信号承载介质701可以由无线形式的通信介质705(例如,遵守IEEE 802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令702可以是,例如,计算机可执行指令或者逻辑实施指令。在一些示例中,诸如针对图1至图7描述的计算设备可以被配置为,响应于通过计算机可读介质703、和/或计算机可记录介质704、和/或通信介质705中的一个或多个传达到计算设备的程序指令702,提供各种操作、功能、或者动作。应该理解,这里描述的布置仅仅是用于示例的目的。因而,本领域技术人员将理解,其它布置和其它元素(例如,机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用,并且一些元素可以根据所期望的结果而一并省略。另外,所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。
为了提高确定周围车辆经过路口的未来行驶轨迹的准确性,从而提高本车辆路径规划的安全性,保证本车辆安全通过路口场景,本申请实施例提供一种轨迹预测方法,该方法的执行主体为具有自动驾驶功能的车辆,或者是具有控制车辆的功能的其他设备,也可以是具有自动驾驶功能的车辆或者具有控制车辆的功能的其他设备中的处理器,例如上述图1-图7中提到的处理器161、处理器301以及处理器530等。如图8所示,轨迹预测方法包括步骤S801-S804:
S801,根据目标车辆在第二时间段所在的位置,确定目标车辆的历史行驶轨迹。
其中,目标车辆对应的时间可以包括第二时间段和第一时间段。第二时间段可以为从当前时刻之前的某一时刻(例如t时刻)到当前时刻(例如t+T时刻)的一段时间(例如从t时刻到t+T时刻),第二时间段可以包括第t时刻和t+T时刻,当前时刻可以为目标车辆的当前位置对应的时间。第一时间段可以为以目标车辆当前位置对应的时刻(例如t+T时刻)的下一时刻为始点的一段时间,第一时间段可以不包括目标车辆当前位置对应的时间。也就是说,第二时间段可以为目标车辆对应的一段历史时间,第一时间段可以为目标车辆对应的一段未来时间。
示例性地,历史行驶轨迹可以为目标车辆从当前时刻之前的某一时刻到当前时刻的一段时间(例如从t时刻到t+T时刻)内的运动轨迹,未来行驶轨迹可以为目标车辆从当前时刻的下一时刻为始点的一段时间内的运动轨迹。
可选地,可以采用三阶多项式对目标车辆在第二时间段内所在的位置进行拟合,得到描述目标车辆的历史行驶轨迹的曲线方程,即下述公式(1)。
f(t)=A*t3+B*t2+C*t+D (1)
其中,A,B,C,D为三阶多项式系数,t为第二时间段内的任一时刻。
需要说明的是,目标车辆所在的位置可以是东北天全局坐标(east north up,ENU)下的位置。利用上述公式(1)对目标车辆所在的位置进行拟合,可以去除一些由外界噪声或检测不稳定引起的跳变点。确定的历史行驶轨迹,排除了目标车辆的位置跳变点,可以提高历史行驶轨迹的准确度。
可选地,可以根据历史行驶轨迹的曲线变化趋势,确定当前时刻目标车辆的运动方向。
如图9所示,假设目标车辆的历史行驶轨迹为图9所示的f(t),则目标车辆在当前时刻的运动方向为图9中箭头所示的方向。
S802,确定目标车辆的运动语义。
其中,运动语义表示目标车辆的行为,目标车辆的行为包括:左转、直行、右转、或调头。也就是说,对目标车辆的行为进行语义抽象,获得目标车辆将要或正在左转、直行、右转、或调头等信息。
在一种可能的设计方案中,上述S802,确定目标车辆的运动语义,可以包括:根据第一角度和/或第一距离,确定目标车辆的运动语义。
其中,第一角度为第一位置对应的行驶方向与第一参考线之间的夹角,第一距离为第一位置与第一参考线之间的相对距离,第一参考线与入口道路的车道停止线垂直,第一参考线的方向与入口道路对应的行驶方向一致,第一位置为目标车辆在历史行驶轨迹中的任一位置。
需要说明的是,历史行驶轨迹可以包括目标车辆在当前时刻的行驶轨迹,第一位置可以为目标车辆在当前时刻的位置。
下面结合图10,对第一角度和第一距离进行具体阐述。
如图10所示,以历史行驶轨迹中目标车辆的位置f点作为第一位置为例。在历史行驶轨迹的f点沿目标车辆的行驶方向作切线,该切线方向与第一参考线的夹角θ为第一角度,f点与第一参考线之间的垂直距离d为第一距离。
需要说明的是,本申请不对确定第一角度、第一距离的实现方式进行限定,只要能根据第一角度和/或第一距离,区分车辆的不同运动语义即可。
进一步地,在一种可能的设计方案中,根据第一角度,确定目标车辆的运动语义,可以包括:若第一角度大于第一角度阈值且小于或等于第二角度阈值,则目标车辆的运动语义为左转;若第一角度的绝对值小于或等于第一角度阈值,则目标车辆的运动语义为直行;若第一角度小于第一角度阈值的负值,则目标车辆的运动语义为右转;若第一角度大于第二角度阈值,则目标车辆的运动语义为调头。
其中,第一角度阈值和第二角度阈值均为向第一参考线的左侧偏置的角度。
示例性地,目标车辆的运动语义满足下述公式(2)。
其中,BV为目标车辆的运动语义,θ为第一角度,θ1为第一角度阈值,θ2为第二角度阈值,将与第一参考线重合的方向确定为0度,将向第一参考线左侧偏置的角度确定为正角度,将向第一参考线右侧偏置的角度确定为负角度。
结合图10,假设将第一角度阈值设定为30°,将第二角度阈值设定为90°。若第一角度θ为40°,则目标车辆在f点的运动语义为左转。
可选地,上述第一角度可以是根据第一距离确定的,第一角度满足下述公式(3)。
其中,t为历史时刻,T为选取的目标车辆的历史轨迹长度,t+T为当前时刻,d(t)为目标车辆在第t时刻的第一距离,表示第一距离d(t)与时间t的导数,∑表示对t时刻到t+T时刻的/>的求和。
S803,确定道路几何语义。
其中,道路几何语义用于表示以入口道路为基准,目标车辆所在路口包括的出口道路和/或虚拟车道的行驶规则,入口道路为目标车辆所在路口的入口。
结合图9,根据目标车辆的历史行驶轨迹f(t),可以确定出目标车辆的入口道路为G3。相对于入口道路G3,确定目标车辆在该路口的出口道路为道路E1、E2、E3、E4。虚拟车道为连接入口车道与出口车道之间的车道,为了便于查看,图9中仅示出了虚拟车道G3E1。以虚拟车道为例,以入口道路G3为基准,虚拟车道G3E1供目标车辆直行使用。
如此,确定目标车辆当前所在路口的道路几何语义,考虑了不同路口的结构的差异性的问题,为提高确定车辆经过路口的未来行驶轨迹的准确性奠定了基础。
在一种可能的设计方案中,在上述S803,确定道路几何语义前,本申请实施例提供的轨迹预测方法,还可以包括下述步骤一至步骤三。
步骤一,根据高精地图或相关地图接口,查询目标车辆当前所在的路口。
步骤二,根据路口查找所有相关的道路、车道以及虚拟车道。
步骤三,根据道路、车道以及虚拟车道相互之间的连接关系,确定路口拓扑结构。
示例性地,路口拓扑结构可以包括:路口编号、入口道路、出口道路、虚拟车道。其中,入口道路可以包括:道路编号、包括的车道、道路边线。出口道路可以包括:道路编号、包括的车道、道路边线。入口道路、出口道路包括的车道可以包括:车道编号、车道中心线、车道宽度。虚拟车道可以包括:虚拟车道编号、车道中心线、入口车道、出口车道。入口车道可以包括:车道编号、车道中心线、车道宽度。出口车道可以包括:车道编号、车道中心线、车道宽度。
在一种可能的设计方案中,上述S803,确定道路几何语义,可以包括:根据入口道路和路口拓扑结构,确定道路几何语义。
其中,道路几何语义可以包括与入口道路相关联的道路的行驶规则为左转、与入口道路相关联的道路的行驶规则为右转、与入口道路相关联的道路的行驶规则为直行、与入口道路相关联的道路的行驶规则为调头中一项或多项,左转对应的道路包括左转出口车道和/或左转虚拟车道,右转对应的道路包括右转出口车道和/或右转虚拟车道,直行对应的道路包括直行出口车道和/或直行虚拟车道,调头对应的道路包括调头出口车道和/或调头虚拟车道。
也就是说,可以根据目标车道在当前所在路口的入口道路和目标车辆当前所在路口的路口拓扑结构,确定该路口的道路几何语义,该路口可以为具有任意结构形状的路口,如具有规则结构的路口、具有不同结构的路口,可以准确获取具有不同结构的路口的道路几何语义,对具有不同结构的路口的适用性强。
结合图9,与入口道路G3相关联的道路E1的行驶规则为直行,与入口道路G3相关联的道路E2的行驶规则为左转,与入口道路G3相关联的道路E4的行驶规则为右转,与入口道路G3相关联的道路E3的行驶规则为调头(假设在此路口按交通规则能调头)。以行驶规则为直行为例,直行对应的道路包括直行出口车道E11、直行出口车道E12、直行虚拟车道G3E1。当然,在图9所示的路口,还应包括其它直行虚拟车道,为了便于查看,图9未示出。
可选地,出口道路(road)包括至少一个出口车道(lane)。也就是说,出口道路可以包括一个出口车道,或者,当采用车道分界线对用于同向行驶的出口道路进行划分时,出口道路可以包括两个或两个以上出口车道。
结合图9,出口道路E1、E2、E3、E4包括一个或多个出口车道,出口道路E1包括直行出口车道E11、直行出口车道E12,出口道路E2包括左转出口车道E21、左转出口车道E22,出口道路E3包括调头出口车道E31、调头出口车道E32,出口道路E4包括右转出口车道E41、右转出口车道E42。
具体地,该至少一个出口车道可以包括左转出口车道、右转出口车道、直行出口车道、调头出口车道中一项或多项。虚拟车道可以包括左转虚拟车道、右转虚拟车道、直行虚拟车道、调头虚拟车道中一项或多项。
结合图9,出口车道可以包括直行出口车道E11、直行出口车道E12、左转出口车道E21、左转出口车道E22、调头出口车道E31、调头出口车道E32、右转出口车道E41、右转出口车道E42。图9所示虚拟车道包括直行虚拟车道G3E1,当然,在图9所示的路口,虚拟车道还包括直行出口车道E12对应的直行虚拟车道、左转出口车道E21对应的左转虚拟车道、左转出口车道E22对应的左转虚拟车道、调头出口车道E31对应的调头虚拟车道、调头出口车道E32对应的调头虚拟车道、右转出口车道E41对应的右转虚拟车道、右转出口车道E42对应的右转虚拟车道,为了便于查看,图9未示出。
需要说明的是,图9所示的路口为路口结构比较规则的路口,当路口为具有不规则结构的路口时,如丁字路口、T形路口、Y形路口、X形路口、错位路口、环形路口等,出口车道可以包括左转出口车道、右转出口车道、直行出口车道、调头出口车道中的一个或部分出口车道,虚拟车道可以包括左转虚拟车道、右转虚拟车道、直行虚拟车道、调头虚拟车道的一个或部分虚拟车道,本申请不再赘述。
应理解,利用本步骤提供的方法,可以确定图9所示的路口包括的道路、出口车道、虚拟车道的行驶规则,本申请不再赘述。
进一步地,在一种可能的设计方案中,上述根据入口道路和路口拓扑结构,确定道路几何语义,可以包括:根据第二角度,确定道路几何语义。
其中,第二角度为出口车道或虚拟车道与入口道路之间的角度,第二角度可以是根据路口拓扑结构确定的。
结合图11,第二角度可以为出口车道E22的车道停止线的中点c1与入口道路的车道停止线的中点c2的连线,与第一参考线之间的夹角a。需要说明的是,本申请不对确定第二角度的具体方法进行限定,以能够确定各个道路、车道的行驶规则为准。
进一步地,在一种可能的设计方案中,根据第二角度,确定道路几何语义,可以包括:若第二角度大于第三角度阈值且小于或等于第四角度阈值,则出口车道或虚拟车道的行驶规则为左转。若第二角度的绝对值小于或等于第三角度阈值,则出口车道或虚拟车道的行驶规则为直行。若第二角度小于第三角度阈值的负值,则出口车道或虚拟车道的行驶规则为右转。若第二角度大于第四角度阈值,则出口车道或虚拟车道的行驶规则为调头。
其中,第三角度阈值和第四角度阈值均为向第一参考线的左侧偏置的角度。
示例性地,道路几何语义满足下述公式(4)。
其中,BL为出口车道或虚拟车道的几何语义,α为第二角度,θ3为第三角度阈值,θ4为第四角度阈值,将与第一参考线重合的方向确定为0度,将向第一参考线左侧偏置的角度确定为正角度,将向第一参考线右侧偏置的角度确定为负角度。
结合图11,假设将第三角度阈值设定为30°,将第四角度阈值设定为90°。若第二角度α为45°,则出口车道E22的行驶规则为左转。
需要说明的是,本申请实施例提供的种轨迹预测方法,不仅适用于规则的十字路口,还适用于丁字路口、环岛交叉口、Y形路口等任意类型的路口、交叉口。并且上述角度阈值的取值可根据路口结构的变化而变化,本申请不对角度阈值的取值进行限定。
S804,根据目标车辆的运动信息、运动语义和道路几何语义,获取目标车辆在第一时间段的行驶轨迹。
其中,运动信息包括目标车辆的运动方向和目标车辆的当前位置,第一时间段为以目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。关于第一时间段的具体实现方式可参照上述S801。
在一种可能的设计方案中,上述S804,根据目标车辆的运动信息、运动语义和道路几何语义,获取目标车辆在第一时间段的行驶轨迹,可以包括图12所示的下述S1201-S1203。
S1201,根据运动语义和路口拓扑结构,确定目标出口道路。
本步骤,可以从多个出口道路中,确定出道路层的目标出口道路。本申请的轨迹预测方法采用分层推理的方式,先获得与运动语义相匹配的道路,再获得与运动语义相匹配的车道,可以降低系统运算复杂度,提高系统的工作效率。
在一种可能的设计方案中,上述S1201,根据运动语义和路口拓扑结构,确定目标出口道路,可以包括下述步骤四至步骤五:
步骤四,根据历史行驶轨迹从至少一个第一候选出口道路中,确定至少一个第二候选出口道路。
可选地,至少一个第一候选出口道路是根据路口拓扑结构确定的。
也就是说,根据上述S803中确定的路口拓扑结构,可以确定目标车辆在该路口的所有出口道路,即至少一个第一候选出口道路。然后根据目标车辆的历史行驶轨迹,可以从目标车辆在该路口的所有出口道路中,确定部分更可能的出口道路,即至少一个第二候选出口道路。
结合图9,至少一个第一候选出口道路可以为出口道路E1、出口道路E2、出口道路E3、出口道路E4。根据目标车辆的历史行驶轨迹f(t),得出目标车辆当前时刻的运动方向,即图9中箭头所示的方向。将目标车辆当前时刻的运动方向,结合路口拓扑结构进行分析,该运动方向指向出口道路E1、出口道路E2之间,进而可以得出至少一个第二候选出口道路,即出口道路E1、出口道路E2。
步骤五,根据运动语义从至少一个第二候选出口道路中,确定第三候选出口道路。
结合图9,假设目标车辆的运动语义为左转。至少一个第二候选出口道路中,出口道路E1的行驶规则为直行,出口道路E2的行驶规则为左转,目标车辆的运动语义与出口道路E2的几何语义匹配,均为左转,可以将至少一个第二候选出口道路中的出口道路E2,确定为第三候选出口道路。
可选地,第三候选出口道路为目标出口道路。
结合图9,将筛选出的出口道路E2,作为目标出口道路。如此,先根据历史行驶轨迹从目标车辆在该路口的所有出口道路中,选择出部分有可能的出口道路,最后根据目标车辆的运动语义,从部分有可能的出口道路中,快速、准确地确定最有可能的出口道路,即目标出口道路。
上述步骤四至步骤五,根据目标车辆在单个时刻的运动语义,确定目标出口道路。进一步地,可以根据历史多个时刻的确定结果,确定最终的目标出口道路,提高轨迹预测准确性。在一种可能的设计方案中,本申请的轨迹预测方法,还可以包括下述步骤六至步骤七:
步骤六,根据第一次数和第一时间偏差,获取至少一个第一候选出口道路的结果累积。
其中,第一次数为第一候选出口道路在M个历史时刻中被确定为第三候选出口道路的次数。第一时间偏差为第一候选出口道路被确定为第三候选出口道路的时刻与当前时刻的时间偏差。
结合图9,假设第一候选出口道路E2在历史时刻t1被确定为第三候选出口道路,历史时刻t1的与当前时刻t的第一时间偏差为t-t1。假设第一候选出口道路E1在历史时刻t2被确定为第三候选出口道路,历史时刻t2的与当前时刻t的第一时间偏差为t-t2。
步骤七,根据至少一个第一候选出口道路的结果累积,确定目标出口道路。
示例性地,结果累积,可以满足下述公式(5)。
其中,Ei为结果累积,t为当前时刻,M为历史时刻,ei表示第一候选出口道路i在单次判定结果中是否存在,ei为1或0,W(t)为ei的权值。
W(t)可以为时间相关因子,对当前时刻t来说,历史时刻与当前时刻之间的时间偏差越大,该历史时刻的判定结果的价值越小。时间相关因子满足下述公式(6)。
其中,ti表示第一候选出口道路i在单次判定结果中存在的历史时刻。即历史时刻与当前时刻之间的时间偏差越大,权值越小。
S1202,根据目标出口道路和道路几何语义,确定目标虚拟车道和目标出口车道。
也就是说,上述S1201,确定出道路层的目标出口道路后,本步骤,进一步从目标出口道路对应的一个或多个车道中,确定车道层的目标虚拟车道和目标出口车道,实现分层推理,降低系统运算复杂度,提高轨迹预测的准确性。
在一种可能的设计方案中,上述S1202,根据目标出口道路和道路几何语义,确定目标虚拟车道和目标出口车道,包括下述步骤八至步骤十:
步骤八,根据目标出口道路和路口拓扑结构,确定至少一个第一候选虚拟车道。
也就是说,本步骤,可以确定所有与目标出口道路相关的虚拟车道,即至少一个第一候选虚拟车道。
结合图13,假设目标出口道路为E2,入口道路为G3,图13中的Y表示目标车辆,则出口道路E2与入口道路G3之间的虚拟车道,即至少一个第一候选虚拟车道,可以包括虚拟车道X1、X2、X3、X4。
步骤九,根据第一参数从至少一个第一候选虚拟车道中,确定第二候选虚拟车道。
其中,第二候选虚拟车道为目标虚拟车道,第一参数可以包括第二距离、第三角度、语义匹配结果。第二距离为目标车辆与第二位置之间的距离,第三角度为目标车辆的行驶方向与第二位置对应的行驶方向之间的夹角,语义匹配结果为运动语义与第一候选虚拟车道的几何语义之间的匹配结果,第二位置为目标车辆与第一候选虚拟车道的参考线垂直相交的位置。
结合图13,以虚拟车道X2为例,第二位置为目标车辆Y与虚拟车道的参考线X2垂直相交的Z点,第二距离为Y点与Z点之间的距离,第三角度为图13中所示的β。语义匹配结果可以为1或0,若运动语义与第一候选虚拟车道的几何语义相同,则语义匹配结果为1,否则为0。
步骤十,根据目标虚拟车道和路口拓扑结构,确定第一候选出口车道。
可选地,第一候选出口车道为目标出口车道。
结合图13,假设确定出的目标虚拟车道为虚拟车道X3,根据路口拓扑结构,可以得出虚拟车道X3对应的出口车道为E21,则第一候选出口车道为出口车道E21,从而目标出口车道为E21。
进一步地,在一种可能的设计方案中,上述步骤九,根据第一参数从至少一个第一候选虚拟车道中,确定第二候选虚拟车道,可以包括下述步骤十一至步骤十三:
步骤十一,根据至少一个第一候选虚拟车道的至少一个第一排名顺序,确定第一候选虚拟车道的至少一个第一分值。
其中,第一排名顺序为第一候选虚拟车道在第一参数中各参数下的排名。
也就是说,将第一候选虚拟车道排序,以第一参数为第二距离为例,结合图13,假设目标车辆Y与至少一个第一候选虚拟车道X1、X2、X3、X4之间的第二距离的大小,由小到大的顺序依次为X3、X1、X2、X4,则至少一个第一候选虚拟车道在第二距离下的第一排名顺序为第一候选虚拟车道X3、X1、X2、X4。
结合图13,假设目标车辆Y与至少一个第一候选虚拟车道X1、X2、X3、X4之间的第三角度的大小,由小到大的顺序依次为X3、X2、X1、X4,则至少一个第一候选虚拟车道在第三角度下的第一排名顺序为第一候选虚拟车道X3、X1、X2、X4。
结合图13,假设目标车辆Y的运动语义为左转,至少一个第一候选虚拟车道X1、X2、X3、X4的几何语义也均为左转,则至少一个第一候选虚拟车道在语义匹配结果下的第一排名顺序均为1。
可选地,得到第一排名顺序后,可以采用下述公式(7),确定至少一个第一候选虚拟车道在第一参数中各参数n下的第一分值Sn。
其中,rn为第一候选虚拟车道在第一参数中各参数n下的排名,NE为至少一个第一候选虚拟车道的数量。
需要说明的是,本申请不对计算第一分值的公式进行限定,只要能体现至少一个第一候选虚拟车道在各参数下的排名的顺序即可。
步骤十二,对至少一个第一分值进行加权求和,得到至少一个第一候选虚拟车道的第二分值。
可选地,可以采用下述公式(8),确定至少一个第一候选虚拟车道在多个参数下的总分值,即第二分值Si。
其中,N为第一参数中包括的参数的数量,Wn为第一分值Sn的权值,Wn可以是根据第一参数中参数的置信度确定的,默认为1。
以使用来自全球定位系统的信号来确定车辆的位置为例,当能够良好地接收该信号时,位置参数的置信度高。当因为地形等原因导致难以接收该信号时,则难以准确确定车辆的位置,位置参数的置信度低。
示例性地,结合图13,可以确定第一候选虚拟车道X1的第二分值SX1、第一候选虚拟车道X2的第二分值SX2、第一候选虚拟车道X3的第二分值SX3、第一候选虚拟车道X4的第二分值SX4。
步骤十三,根据至少一个第一候选虚拟车道的第二分值,确定第二候选虚拟车道。
可选地,可以根据至少一个第一候选虚拟车道的第二分值的高低,选择第二分值最高的第一候选虚拟车道,作为第二候选虚拟车道。
上述步骤八至步骤十三,根据目标车辆在单个时刻的运动语义,确定目标虚拟车道和/或目标出口车道。与确定目标出口道路类似,可以根据历史多个时刻的确定结果,确定最终的目标虚拟车道和目标出口车道,提高轨迹预测准确性。在一种可能的设计方案中,本申请所述的轨迹预测方法,还可以包括下述步骤十四至步骤十六:
步骤十四,根据第一次数和第一时间偏差,获取至少一个第一候选虚拟车道的结果累积。
其中,第一次数为第一候选虚拟车道在M个历史时刻中被确定为第二候选虚拟车道的次数,第一时间偏差为第一候选虚拟车道被确定为第二候选虚拟车道的时刻与当前时刻的时间偏差。
具体实现方式可参照上述步骤六,此处不再赘述。
步骤十五,根据至少一个第一候选虚拟车道的结果累积,确定目标虚拟车道。
具体实现方式可参照上述步骤七,此处不再赘述。
步骤十六,可以根据目标虚拟车道和路口拓扑结构,确定第一候选出口车道。
可选地,第一候选出口车道可以为目标出口车道。
如此,基于证据累积增强思想,根据历史多个时刻的确定结果,准确地确定目标虚拟车道,进而根据目标虚拟车道,准确地确定目标出口车道,以提高轨迹预测的准确性。
S1203,根据目标车辆的运动信息和目标出口车道,获取目标车辆在第一时间段的行驶轨迹。
其中,第一时间段为以目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。也就是说,目标车辆在第一时间段的行驶轨迹为目标车辆的未来行驶轨迹。关于第一时间段的具体实现方式可参照上述S801。
实际上,目标车辆可能并不按照高精地图中的虚拟车道线行驶,现有技术将虚拟车道线作为目标车辆通过路口的行驶轨迹,导致确定出的未来行驶轨迹准确性差。本申请根据目标车辆的运动信息和目标出口车道,通过三阶贝塞尔拟合的方式,生成表示目标车辆的未来行驶轨迹的方程,即下述公式(9)。
G(β)=(1-β)3*p0+3*β*(1-β)2*p1+3*β2*(1-β)*p2+β3*p3 (9)
其中,β为比例值,β∈[0,1],G(β)表示目标车辆的未来行驶轨迹,p0为目标车辆的当前位置,p3为目标出口车道的车道停止线中心点,p1是根据目标车辆的当前位置p0和目标车辆的运动方向确定的,p2是根据目标出口车道的车道停止线中心点p3和目标车辆的运动方向确定的。
基于图8所示的轨迹预测方法,对目标车辆的行为和道路结构信息进行语义抽象,获得目标车辆的运动语义、道路几何语义,然后根据目标车辆的运动信息、目标车辆在该路口的运动语义、该路口的道路几何语义,获取目标车辆在第一时间段的行驶轨迹,即未来行驶轨迹。如此,本申请在预测行驶轨迹时,针对目标车辆的行为和目标车辆当前所在路口的道路结构信息进行语义抽象,无论是具有规则结构的路口,还是具有不规则结构的路口,本申请均能准确地确定目标车辆在该路口对应的行驶规则,从而可以准确预测周围车辆经过路口的未来行驶轨迹,对具有不同结构的路口的适用性强,可以提高本车辆路径规划的安全性,保证本车辆安全通过路口场景。
以上结合图8-图13详细说明了本申请实施例提供的轨迹预测方法。以下结合图14-图15详细说明本申请实施例提供的轨迹预测装置。
本申请实施例可以根据上述方法示例对轨迹预测装置进行功能模块的划分,在采用对应各个功能划分各个功能模块的情况下,图14示出上述实施例中所涉及的轨迹预测装置的一种可能的结构示意图,该轨迹预测装置1400包括确定单元1401和获取单元1402。当然,轨迹预测装置还可以包括其他模块,或者轨迹预测装置可以包括更少的模块。
确定单元1401,用于确定目标车辆的运动语义。其中,运动语义表示目标车辆的行为,目标车辆的行为包括:左转、直行、右转、或调头。
确定单元1401,还用于确定道路几何语义。其中,道路几何语义用于表示以入口道路为基准,目标车辆所在路口包括的出口道路和/或虚拟车道的行驶规则,入口道路为目标车辆所在路口的入口。
获取单元1402,用于根据目标车辆的运动信息、运动语义和道路几何语义,获取目标车辆在第一时间段的行驶轨迹。其中,运动信息包括目标车辆的运动方向和目标车辆的当前位置,第一时间段为以目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。
在一种可能的设计方案中,确定单元1401,还用于根据第一角度和/或第一距离确定运动语义。其中,第一角度为第一位置对应的行驶方向与第一参考线之间的夹角,第一距离为第一位置与第一参考线之间的相对距离,第一参考线与入口道路的车道停止线垂直,第一参考线的方向与入口道路对应的行驶方向一致,第一位置为目标车辆在历史行驶轨迹中的任一位置。
可选地,第一角度可以是根据第一距离确定的。
在一种可能的设计方案中,确定单元1401,还用于若第一角度大于第一角度阈值且小于或等于第二角度阈值,则确定目标车辆的运动语义为左转,若第一角度的绝对值小于或等于第一角度阈值,则确定目标车辆的运动语义为直行,若第一角度小于第一角度阈值的负值,则确定目标车辆的运动语义为右转,若第一角度大于第二角度阈值,则确定目标车辆的运动语义为调头。其中,第一角度阈值和第二角度阈值均为向第一参考线的左侧偏置的角度。
在一种可能的设计方案中,确定单元1401,还用于根据入口道路和路口拓扑结构,确定道路几何语义。其中,道路几何语义包括与入口道路相关联的道路的行驶规则为左转、与入口道路相关联的道路的行驶规则为右转、与入口道路相关联的道路的行驶规则为直行、与入口道路相关联的道路的行驶规则为调头中一项或多项,左转对应的道路包括左转出口车道和/或左转虚拟车道,右转对应的道路包括右转出口车道和/或右转虚拟车道,直行对应的道路包括直行出口车道和/或直行虚拟车道,调头对应的道路包括调头出口车道和/或调头虚拟车道,出口道路包括至少一个出口车道,该至少一个出口车道包括左转出口车道、右转出口车道、直行出口车道、调头出口车道中一项或多项,虚拟车道包括左转虚拟车道、右转虚拟车道、直行虚拟车道、调头虚拟车道中一项或多项。
在一种可能的设计方案中,确定单元1401,还用于根据第二角度确定道路几何语义。其中,第二角度为出口车道或虚拟车道与入口道路之间的角度,第二角度是根据路口拓扑结构确定的。
在一种可能的设计方案中,确定单元1401,还用于若第二角度大于第三角度阈值且小于或等于第四角度阈值,则确定出口车道或虚拟车道的行驶规则为左转。若第二角度的绝对值小于或等于第三角度阈值,则确定出口车道或虚拟车道的行驶规则为直行。若第二角度小于第三角度阈值的负值,则确定出口车道或虚拟车道的行驶规则为右转。若第二角度大于第四角度阈值,则确定出口车道或虚拟车道的行驶规则为调头。其中,第三角度阈值和第四角度阈值均为向第一参考线的左侧偏置的角度。
在一种可能的设计方案中,获取单元1402,还用于根据运动语义和路口拓扑结构确定目标出口道路,根据目标出口道路和道路几何语义确定目标虚拟车道和目标出口车道,根据目标车辆的运动信息和目标出口车道,获取目标车辆在第一时间段的行驶轨迹。
在一种可能的设计方案中,获取单元1402,还用于根据历史行驶轨迹从至少一个第一候选出口道路中确定至少一个第二候选出口道路,根据运动语义从至少一个第二候选出口道路中确定第三候选出口道路。其中,至少一个第一候选出口道路是根据路口拓扑结构确定的,第三候选出口道路为目标出口道路。
在一种可能的设计方案中,获取单元1402,还用于根据目标出口道路和路口拓扑结构确定至少一个第一候选虚拟车道,根据第一参数从至少一个第一候选虚拟车道中确定第二候选虚拟车道,根据目标虚拟车道和路口拓扑结构确定第一候选出口车道。其中,第二候选虚拟车道为目标虚拟车道,第一候选出口车道为目标出口车道,第一参数包括第二距离、第三角度、语义匹配结果,第二距离为目标车辆与第二位置之间的距离,第三角度为目标车辆的行驶方向与第二位置对应的行驶方向之间的夹角,语义匹配结果为运动语义与第一候选虚拟车道的几何语义之间的匹配结果,第二位置为目标车辆与第一候选虚拟车道的参考线垂直相交的位置。
在一种可能的设计方案中,获取单元1402,还用于根据至少一个第一候选虚拟车道的至少一个第一排名顺序,确定第一候选虚拟车道的至少一个第一分值,对至少一个第一分值进行加权求和,得到至少一个第一候选虚拟车道的第二分值,根据至少一个第一候选虚拟车道的第二分值,确定第二候选虚拟车道。其中,第一排名顺序为第一候选虚拟车道在第一参数中各参数下的排名。
在一种可能的设计方案中,获取单元1402,还用于根据第一次数和第一时间偏差,获取至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积。
其中,第一次数为第一候选出口道路在M个历史时刻中被确定为第三候选出口道路的次数,第一时间偏差为第一候选出口道路被确定为第三候选出口道路的时刻与当前时刻的时间偏差,或者,第一次数为第一候选虚拟车道在M个历史时刻中被确定为第二候选虚拟车道的次数,第一时间偏差为第一候选虚拟车道被确定为第二候选虚拟车道的时刻与当前时刻的时间偏差。
确定单元1401,还用于根据至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积,确定目标出口道路、目标出口车道、或目标虚拟车道。
在一种可能的设计方案中,结果累积满足如下关系:
其中,Ei为第一候选出口道路i或第一候选虚拟车道i的结果累积,t为当前时刻,M为历史时刻,ei表示第一候选出口道路i或第一候选虚拟车道i在单次判定结果中是否存在,ei为1或0,W(t)为ei的权值,W(t)满足如下关系:
其中,ti表示第一候选出口道路i或第一候选虚拟车道i在单次判定结果中存在的历史时刻。
可选地,轨迹预测装置1400还可以包括存储单元(图14中未示出),该存储单元存储有程序或指令。当确定单元1401或获取单元1402执行该程序或指令时,使得轨迹预测装置1400可以执行上述方法实施例所述的轨迹预测方法。
此外,轨迹预测装置1400的技术效果可以参考图8、图12所示的轨迹预测方法的技术效果,此处不再赘述。
参照图15所示,本申请还提供另一种车道线检测装置,车道线检测装置1500包括存储器1501,处理器1502,通信接口1503和总线1504。处理器1502用于对装置的动作进行管理控制,和/或用于执行文本所描述的技术的其他过程。通信接口1503用于支持装置与其他网络实体的通信。存储器1501用于存储装置的程序代码和数据。
其中,上述处理器1502(或者描述为控制器)可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,单元、模块和电路。该处理器或控制器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,单元模块和电路。所述处理器1502也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
通信接口1503可以是收发电路。
存储器1501可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
总线1504可以是扩展工业标准结构(extended industry standardarchitecture,EISA)总线等。总线1504可以分为地址总线、数据总线、控制总线等。为便于表示,图15中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
上述描述的服务器或装置的具体工作过程,可以参考上述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质包括计算机程序或指令;当该计算机程序或指令在计算机上运行时,使得该计算机执行上述方法实施例所述的轨迹预测方法。
本申请实施例提供一种计算机程序产品,包括计算机程序或指令,当该计算机程序或指令在计算机上运行时,使得该计算机执行上述方法实施例所述的轨迹预测方法。
应理解,在本申请实施例中的处理器可以是中央处理单元(central processingunit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(random accessmemory,RAM)可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
上述实施例,可以全部或部分地通过软件、硬件(如电路)、固件或其他任意组合来实现。当使用软件实现时,上述实施例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或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、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,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,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合的服务器、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,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种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:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的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-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
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。
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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (37)
1.一种轨迹预测方法,其特征在于,包括:
根据目标车辆的历史行驶轨迹与所述目标车辆所在路口的入口道路确定所述目标车辆的运动语义;其中,所述运动语义表示所述目标车辆的行为,所述目标车辆的行为包括:左转、直行、右转、或调头;
确定道路几何语义;其中,所述道路几何语义用于表示以入口道路为基准,所述目标车辆所在路口包括的出口道路和/或虚拟车道的行驶规则;
根据所述目标车辆的运动信息、所述运动语义和所述道路几何语义,获取所述目标车辆在第一时间段的行驶轨迹;其中,所述运动信息包括所述目标车辆的运动方向和所述目标车辆的当前位置,所述第一时间段为以所述目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。
2.根据权利要求1所述的轨迹预测方法,其特征在于,所述根据目标车辆的历史行驶轨迹与所述目标车辆所在路口的入口道路确定所述目标车辆的运动语义,包括:
根据第一角度和/或第一距离确定所述运动语义;其中,所述第一角度为第一位置对应的行驶方向与第一参考线之间的夹角,所述第一距离为所述第一位置与所述第一参考线之间的相对距离,所述第一参考线与所述入口道路的车道停止线垂直,所述第一参考线的方向与所述入口道路对应的行驶方向一致,所述第一位置为所述目标车辆在所述历史行驶轨迹中的任一位置。
3.根据权利要求2所述的轨迹预测方法,其特征在于,所述根据第一角度确定所述运动语义,包括:
若所述第一角度大于第一角度阈值且小于或等于第二角度阈值,则所述目标车辆的运动语义为左转;其中,所述第一角度阈值和所述第二角度阈值均为向所述第一参考线的左侧偏置的角度;
若所述第一角度的绝对值小于或等于所述第一角度阈值,则所述目标车辆的运动语义为直行;
若所述第一角度小于所述第一角度阈值的负值,则所述目标车辆的运动语义为右转;
若所述第一角度大于所述第二角度阈值,则所述目标车辆的运动语义为调头。
4.根据权利要求1-3中任一项所述的轨迹预测方法,其特征在于,所述确定道路几何语义,包括:
根据所述入口道路和路口拓扑结构,确定所述道路几何语义;其中,所述道路几何语义包括与所述入口道路相关联的道路的行驶规则为左转、与所述入口道路相关联的道路的行驶规则为右转、与所述入口道路相关联的道路的行驶规则为直行、与所述入口道路相关联的道路的行驶规则为调头中一项或多项,所述左转对应的道路包括左转出口车道和/或左转虚拟车道,所述右转对应的道路包括右转出口车道和/或右转虚拟车道,所述直行对应的道路包括直行出口车道和/或直行虚拟车道,所述调头对应的道路包括调头出口车道和/或调头虚拟车道,所述出口道路包括至少一个出口车道,所述至少一个出口车道包括所述左转出口车道、所述右转出口车道、所述直行出口车道、所述调头出口车道中一项或多项,所述虚拟车道包括所述左转虚拟车道、所述右转虚拟车道、所述直行虚拟车道、所述调头虚拟车道中一项或多项。
5.根据权利要求4所述的轨迹预测方法,其特征在于,所述根据所述入口道路和路口拓扑结构,确定所述道路几何语义,包括:
根据第二角度确定所述道路几何语义;其中,所述第二角度为所述出口车道或所述虚拟车道与所述入口道路之间的角度,所述第二角度是根据所述路口拓扑结构确定的;
若所述第二角度大于第三角度阈值且小于或等于第四角度阈值,则所述出口车道或所述虚拟车道的行驶规则为左转;其中,所述第三角度阈值和所述第四角度阈值均为向第一参考线的左侧偏置的角度;
若所述第二角度的绝对值小于或等于所述第三角度阈值,则所述出口车道或所述虚拟车道的行驶规则为直行;
若所述第二角度小于所述第三角度阈值的负值,则所述出口车道或所述虚拟车道的行驶规则为右转;
若所述第二角度大于第四角度阈值,则所述出口车道或所述虚拟车道的行驶规则为调头。
6.根据权利要求1、2、3、5中任一项所述的轨迹预测方法,其特征在于,所述根据所述目标车辆的运动信息、所述运动语义和所述道路几何语义,获取所述目标车辆在第一时间段的行驶轨迹,包括:
根据所述运动语义和路口拓扑结构确定目标出口道路;
根据所述目标出口道路和所述道路几何语义确定目标虚拟车道和目标出口车道;
根据所述目标车辆的运动信息和所述目标出口车道,获取所述目标车辆在所述第一时间段的行驶轨迹。
7.根据权利要求4所述的轨迹预测方法,其特征在于,所述根据所述目标车辆的运动信息、所述运动语义和所述道路几何语义,获取所述目标车辆在第一时间段的行驶轨迹,包括:
根据所述运动语义和路口拓扑结构确定目标出口道路;
根据所述目标出口道路和所述道路几何语义确定目标虚拟车道和目标出口车道;
根据所述目标车辆的运动信息和所述目标出口车道,获取所述目标车辆在所述第一时间段的行驶轨迹。
8.根据权利要求6所述的轨迹预测方法,其特征在于,所述根据所述运动语义和路口拓扑结构确定目标出口道路,包括:
根据历史行驶轨迹从至少一个第一候选出口道路中确定至少一个第二候选出口道路;其中,所述至少一个第一候选出口道路是根据所述路口拓扑结构确定的;
根据所述运动语义从所述至少一个第二候选出口道路中确定第三候选出口道路;其中,所述第三候选出口道路为所述目标出口道路。
9.根据权利要求7所述的轨迹预测方法,其特征在于,所述根据所述运动语义和路口拓扑结构确定目标出口道路,包括:
根据历史行驶轨迹从至少一个第一候选出口道路中确定至少一个第二候选出口道路;其中,所述至少一个第一候选出口道路是根据所述路口拓扑结构确定的;
根据所述运动语义从所述至少一个第二候选出口道路中确定第三候选出口道路;其中,所述第三候选出口道路为所述目标出口道路。
10.根据权利要求6所述的轨迹预测方法,其特征在于,所述根据所述目标出口道路和所述道路几何语义确定目标虚拟车道和目标出口车道,包括:
根据所述目标出口道路和所述路口拓扑结构确定至少一个第一候选虚拟车道;
根据第一参数从所述至少一个第一候选虚拟车道中确定第二候选虚拟车道;其中,所述第二候选虚拟车道为所述目标虚拟车道,所述第一参数包括第二距离、第三角度、语义匹配结果,所述第二距离为所述目标车辆与第二位置之间的距离,所述第三角度为所述目标车辆的行驶方向与所述第二位置对应的行驶方向之间的夹角,所述语义匹配结果为所述运动语义与所述第一候选虚拟车道的几何语义之间的匹配结果,所述第二位置为所述目标车辆与所述第一候选虚拟车道的参考线垂直相交的位置;
根据所述目标虚拟车道和所述路口拓扑结构确定第一候选出口车道;其中,所述第一候选出口车道为所述目标出口车道。
11.根据权利要求7-9任一项所述的轨迹预测方法,其特征在于,所述根据所述目标出口道路和所述道路几何语义确定目标虚拟车道和目标出口车道,包括:
根据所述目标出口道路和所述路口拓扑结构确定至少一个第一候选虚拟车道;
根据第一参数从所述至少一个第一候选虚拟车道中确定第二候选虚拟车道;其中,所述第二候选虚拟车道为所述目标虚拟车道,所述第一参数包括第二距离、第三角度、语义匹配结果,所述第二距离为所述目标车辆与第二位置之间的距离,所述第三角度为所述目标车辆的行驶方向与所述第二位置对应的行驶方向之间的夹角,所述语义匹配结果为所述运动语义与所述第一候选虚拟车道的几何语义之间的匹配结果,所述第二位置为所述目标车辆与所述第一候选虚拟车道的参考线垂直相交的位置;
根据所述目标虚拟车道和所述路口拓扑结构确定第一候选出口车道;其中,所述第一候选出口车道为所述目标出口车道。
12.根据权利要求10所述的轨迹预测方法,其特征在于,所述根据第一参数从所述至少一个第一候选虚拟车道中确定第二候选虚拟车道,包括:
根据所述至少一个第一候选虚拟车道的至少一个第一排名顺序,确定所述第一候选虚拟车道的至少一个第一分值;其中,所述第一排名顺序为所述第一候选虚拟车道在所述第一参数中各参数下的排名;
对所述至少一个第一分值进行加权求和,得到所述至少一个第一候选虚拟车道的第二分值;
根据所述至少一个第一候选虚拟车道的第二分值,确定所述第二候选虚拟车道。
13.根据权利要求11所述的轨迹预测方法,其特征在于,所述根据第一参数从所述至少一个第一候选虚拟车道中确定第二候选虚拟车道,包括:
根据所述至少一个第一候选虚拟车道的至少一个第一排名顺序,确定所述第一候选虚拟车道的至少一个第一分值;其中,所述第一排名顺序为所述第一候选虚拟车道在所述第一参数中各参数下的排名;
对所述至少一个第一分值进行加权求和,得到所述至少一个第一候选虚拟车道的第二分值;
根据所述至少一个第一候选虚拟车道的第二分值,确定所述第二候选虚拟车道。
14.根据权利要求8、9、10、12、13中任一项所述的轨迹预测方法,其特征在于,所述方法还包括:
根据第一次数和第一时间偏差,获取至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积;
其中,所述第一次数为所述第一候选出口道路在M个历史时刻中被确定为第三候选出口道路的次数,所述第一时间偏差为所述第一候选出口道路被确定为所述第三候选出口道路的时刻与当前时刻的时间偏差,或者,所述第一次数为所述第一候选虚拟车道在M个历史时刻中被确定为第二候选虚拟车道的次数,所述第一时间偏差为所述第一候选虚拟车道被确定为所述第二候选虚拟车道的时刻与当前时刻的时间偏差;
根据所述至少一个第一候选出口道路或所述至少一个第一候选虚拟车道的结果累积,确定所述目标出口道路、所述目标出口车道、或所述目标虚拟车道。
15.根据权利要求11所述的轨迹预测方法,其特征在于,所述方法还包括:
根据第一次数和第一时间偏差,获取至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积;
其中,所述第一次数为所述第一候选出口道路在M个历史时刻中被确定为第三候选出口道路的次数,所述第一时间偏差为所述第一候选出口道路被确定为所述第三候选出口道路的时刻与当前时刻的时间偏差,或者,所述第一次数为所述第一候选虚拟车道在M个历史时刻中被确定为第二候选虚拟车道的次数,所述第一时间偏差为所述第一候选虚拟车道被确定为所述第二候选虚拟车道的时刻与当前时刻的时间偏差;
根据所述至少一个第一候选出口道路或所述至少一个第一候选虚拟车道的结果累积,确定所述目标出口道路、所述目标出口车道、或所述目标虚拟车道。
16.根据权利要求14所述的轨迹预测方法,其特征在于,所述结果累积满足如下关系:
其中,Ei为所述第一候选出口道路i或所述第一候选虚拟车道i的结果累积,t为当前时刻,M为历史时刻,ei表示所述第一候选出口道路i或所述第一候选虚拟车道i在单次判定结果中是否存在,ei为1或0,W(t)为ei的权值,W(t)满足如下关系:
其中,ti表示所述第一候选出口道路i或所述第一候选虚拟车道i在单次判定结果中存在的历史时刻。
17.根据权利要求15所述的轨迹预测方法,其特征在于,所述结果累积满足如下关系:
其中,Ei为所述第一候选出口道路i或所述第一候选虚拟车道i的结果累积,t为当前时刻,M为历史时刻,ei表示所述第一候选出口道路i或所述第一候选虚拟车道i在单次判定结果中是否存在,ei为1或0,W(t)为ei的权值,W(t)满足如下关系:
其中,ti表示所述第一候选出口道路i或所述第一候选虚拟车道i在单次判定结果中存在的历史时刻。
18.一种轨迹预测装置,其特征在于,所述装置包括:确定单元和获取单元;其中,
所述确定单元,用于根据目标车辆的历史行驶轨迹与所述目标车辆所在路口的入口道路确定所述目标车辆的运动语义;其中,所述运动语义表示所述目标车辆的行为,所述目标车辆的行为包括:左转、直行、右转、或调头;
所述确定单元,还用于确定道路几何语义;其中,所述道路几何语义用于表示以入口道路为基准,所述目标车辆所在路口包括的出口道路和/或虚拟车道的行驶规则;
所述获取单元,用于根据所述目标车辆的运动信息、所述运动语义和所述道路几何语义,获取所述目标车辆在第一时间段的行驶轨迹;其中,所述运动信息包括所述目标车辆的运动方向和所述目标车辆的当前位置,所述第一时间段为以所述目标车辆的当前位置对应的时刻的下一时刻为始点的一段时间。
19.根据权利要求18所述的轨迹预测装置,其特征在于,
所述确定单元,还用于根据第一角度和/或第一距离确定所述运动语义;其中,所述第一角度为第一位置对应的行驶方向与第一参考线之间的夹角,所述第一距离为所述第一位置与所述第一参考线之间的相对距离,所述第一参考线与所述入口道路的车道停止线垂直,所述第一参考线的方向与所述入口道路对应的行驶方向一致,所述第一位置为所述目标车辆在历史行驶轨迹中的任一位置。
20.根据权利要求19所述的轨迹预测装置,其特征在于,
所述确定单元,还用于若所述第一角度大于第一角度阈值且小于或等于第二角度阈值,则确定所述目标车辆的运动语义为左转;其中,所述第一角度阈值和所述第二角度阈值均为向所述第一参考线的左侧偏置的角度;
所述确定单元,还用于若所述第一角度的绝对值小于或等于所述第一角度阈值,则确定所述目标车辆的运动语义为直行;
所述确定单元,还用于若所述第一角度小于所述第一角度阈值的负值,则确定所述目标车辆的运动语义为右转;
所述确定单元,还用于若所述第一角度大于所述第二角度阈值,则确定所述目标车辆的运动语义为调头。
21.根据权利要求18-20中任一项所述的轨迹预测装置,其特征在于,
所述确定单元,还用于根据所述入口道路和路口拓扑结构,确定所述道路几何语义;其中,所述道路几何语义包括与所述入口道路相关联的道路的行驶规则为左转、与所述入口道路相关联的道路的行驶规则为右转、与所述入口道路相关联的道路的行驶规则为直行、与所述入口道路相关联的道路的行驶规则为调头中一项或多项,所述左转对应的道路包括左转出口车道和/或左转虚拟车道,所述右转对应的道路包括右转出口车道和/或右转虚拟车道,所述直行对应的道路包括直行出口车道和/或直行虚拟车道,所述调头对应的道路包括调头出口车道和/或调头虚拟车道,所述出口道路包括至少一个出口车道,所述至少一个出口车道包括所述左转出口车道、所述右转出口车道、所述直行出口车道、所述调头出口车道中一项或多项,所述虚拟车道包括所述左转虚拟车道、所述右转虚拟车道、所述直行虚拟车道、所述调头虚拟车道中一项或多项。
22.根据权利要求21所述的轨迹预测装置,其特征在于,
所述确定单元,还用于根据第二角度确定所述道路几何语义;其中,所述第二角度为所述出口车道或所述虚拟车道与所述入口道路之间的角度,所述第二角度是根据所述路口拓扑结构确定的;
所述确定单元,还用于若所述第二角度大于第三角度阈值且小于或等于第四角度阈值,则确定所述出口车道或所述虚拟车道的行驶规则为左转;其中,所述第三角度阈值和所述第四角度阈值均为向第一参考线的左侧偏置的角度;
所述确定单元,还用于若所述第二角度的绝对值小于或等于所述第三角度阈值,则确定所述出口车道或所述虚拟车道的行驶规则为直行;
所述确定单元,还用于若所述第二角度小于所述第三角度阈值的负值,则确定所述出口车道或所述虚拟车道的行驶规则为右转;
所述确定单元,还用于若所述第二角度大于第四角度阈值,则确定所述出口车道或所述虚拟车道的行驶规则为调头。
23.根据权利要求18、19、20、22中任一项所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据所述运动语义和路口拓扑结构确定目标出口道路;
所述获取单元,还用于根据所述目标出口道路和所述道路几何语义确定目标虚拟车道和目标出口车道;
所述获取单元,还用于根据所述目标车辆的运动信息和所述目标出口车道,获取所述目标车辆在所述第一时间段内的行驶轨迹。
24.根据权利要求21所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据所述运动语义和路口拓扑结构确定目标出口道路;
所述获取单元,还用于根据所述目标出口道路和所述道路几何语义确定目标虚拟车道和目标出口车道;
所述获取单元,还用于根据所述目标车辆的运动信息和所述目标出口车道,获取所述目标车辆在所述第一时间段内的行驶轨迹。
25.根据权利要求23所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据历史行驶轨迹从至少一个第一候选出口道路中确定至少一个第二候选出口道路;其中,所述至少一个第一候选出口道路是根据所述路口拓扑结构确定的;
所述获取单元,还用于根据所述运动语义从所述至少一个第二候选出口道路中确定第三候选出口道路;其中,所述第三候选出口道路为所述目标出口道路。
26.根据权利要求24所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据历史行驶轨迹从至少一个第一候选出口道路中确定至少一个第二候选出口道路;其中,所述至少一个第一候选出口道路是根据所述路口拓扑结构确定的;
所述获取单元,还用于根据所述运动语义从所述至少一个第二候选出口道路中确定第三候选出口道路;其中,所述第三候选出口道路为所述目标出口道路。
27.根据权利要求23所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据所述目标出口道路和所述路口拓扑结构确定至少一个第一候选虚拟车道;
所述获取单元,还用于根据第一参数从所述至少一个第一候选虚拟车道中确定第二候选虚拟车道;其中,所述第二候选虚拟车道为所述目标虚拟车道,所述第一参数包括第二距离、第三角度、语义匹配结果,所述第二距离为所述目标车辆与第二位置之间的距离,所述第三角度为所述目标车辆的行驶方向与所述第二位置对应的行驶方向之间的夹角,所述语义匹配结果为所述运动语义与所述第一候选虚拟车道的几何语义之间的匹配结果,所述第二位置为所述目标车辆与所述第一候选虚拟车道的参考线垂直相交的位置;
所述获取单元,还用于根据所述目标虚拟车道和所述路口拓扑结构确定第一候选出口车道;其中,所述第一候选出口车道为所述目标出口车道。
28.根据权利要求24、25、26中任一项所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据所述目标出口道路和所述路口拓扑结构确定至少一个第一候选虚拟车道;
所述获取单元,还用于根据第一参数从所述至少一个第一候选虚拟车道中确定第二候选虚拟车道;其中,所述第二候选虚拟车道为所述目标虚拟车道,所述第一参数包括第二距离、第三角度、语义匹配结果,所述第二距离为所述目标车辆与第二位置之间的距离,所述第三角度为所述目标车辆的行驶方向与所述第二位置对应的行驶方向之间的夹角,所述语义匹配结果为所述运动语义与所述第一候选虚拟车道的几何语义之间的匹配结果,所述第二位置为所述目标车辆与所述第一候选虚拟车道的参考线垂直相交的位置;
所述获取单元,还用于根据所述目标虚拟车道和所述路口拓扑结构确定第一候选出口车道;其中,所述第一候选出口车道为所述目标出口车道。
29.根据权利要求27所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据所述至少一个第一候选虚拟车道的至少一个第一排名顺序,确定所述第一候选虚拟车道的至少一个第一分值;其中,所述第一排名顺序为所述第一候选虚拟车道在所述第一参数中各参数下的排名;
所述获取单元,还用于对所述至少一个第一分值进行加权求和,得到所述至少一个第一候选虚拟车道的第二分值;
所述获取单元,还用于根据所述至少一个第一候选虚拟车道的第二分值,确定所述第二候选虚拟车道。
30.根据权利要求28所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据所述至少一个第一候选虚拟车道的至少一个第一排名顺序,确定所述第一候选虚拟车道的至少一个第一分值;其中,所述第一排名顺序为所述第一候选虚拟车道在所述第一参数中各参数下的排名;
所述获取单元,还用于对所述至少一个第一分值进行加权求和,得到所述至少一个第一候选虚拟车道的第二分值;
所述获取单元,还用于根据所述至少一个第一候选虚拟车道的第二分值,确定所述第二候选虚拟车道。
31.根据权利要求25、26、27、29、30中任一项所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据第一次数和第一时间偏差,获取至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积;
其中,所述第一次数为所述第一候选出口道路在M个历史时刻中被确定为第三候选出口道路的次数,所述第一时间偏差为所述第一候选出口道路被确定为所述第三候选出口道路的时刻与当前时刻的时间偏差,或者,所述第一次数为所述第一候选虚拟车道在M个历史时刻中被确定为第二候选虚拟车道的次数,所述第一时间偏差为所述第一候选虚拟车道被确定为所述第二候选虚拟车道的时刻与当前时刻的时间偏差;
所述确定单元,还用于根据所述至少一个第一候选出口道路或所述至少一个第一候选虚拟车道的结果累积,确定所述目标出口道路、所述目标出口车道、或所述目标虚拟车道。
32.根据权利要求28所述的轨迹预测装置,其特征在于,
所述获取单元,还用于根据第一次数和第一时间偏差,获取至少一个第一候选出口道路或至少一个第一候选虚拟车道的结果累积;
其中,所述第一次数为所述第一候选出口道路在M个历史时刻中被确定为第三候选出口道路的次数,所述第一时间偏差为所述第一候选出口道路被确定为所述第三候选出口道路的时刻与当前时刻的时间偏差,或者,所述第一次数为所述第一候选虚拟车道在M个历史时刻中被确定为第二候选虚拟车道的次数,所述第一时间偏差为所述第一候选虚拟车道被确定为所述第二候选虚拟车道的时刻与当前时刻的时间偏差;
所述确定单元,还用于根据所述至少一个第一候选出口道路或所述至少一个第一候选虚拟车道的结果累积,确定所述目标出口道路、所述目标出口车道、或所述目标虚拟车道。
33.根据权利要求31所述的轨迹预测装置,其特征在于,所述结果累积满足如下关系:
其中,Ei为所述第一候选出口道路i或所述第一候选虚拟车道i的结果累积,t为当前时刻,M为历史时刻,ei表示所述第一候选出口道路i或所述第一候选虚拟车道i在单次判定结果中是否存在,ei为1或0,W(t)为ei的权值,W(t)满足如下关系:
其中,ti表示所述第一候选出口道路i或所述第一候选虚拟车道i在单次判定结果中存在的历史时刻。
34.根据权利要求32所述的轨迹预测装置,其特征在于,所述结果累积满足如下关系:
其中,Ei为所述第一候选出口道路i或所述第一候选虚拟车道i的结果累积,t为当前时刻,M为历史时刻,ei表示所述第一候选出口道路i或所述第一候选虚拟车道i在单次判定结果中是否存在,ei为1或0,W(t)为ei的权值,W(t)满足如下关系:
其中,ti表示所述第一候选出口道路i或所述第一候选虚拟车道i在单次判定结果中存在的历史时刻。
35.一种轨迹预测装置,其特征在于,所述装置包括:处理器和存储器;其中,存储器用于存储计算机程序指令,所述处理器运行所述计算机程序指令以使所述轨迹预测装置执行如权利要求1-17中任一项所述的轨迹预测方法。
36.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令被处理器运行时,使得轨迹预测装置执行如权利要求1-17中任一项所述的轨迹预测方法。
37.一种计算机程序产品,其特征在于,当所述计算机程序产品在处理器上运行时,使得轨迹预测装置执行如权利要求1-17中任一项所述的轨迹预测方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010628162.5A CN113879295B (zh) | 2020-07-02 | 2020-07-02 | 轨迹预测方法及装置 |
PCT/CN2021/101765 WO2022001773A1 (zh) | 2020-07-02 | 2021-06-23 | 轨迹预测方法及装置 |
EP21834344.0A EP4163173A4 (en) | 2020-07-02 | 2021-06-23 | METHOD AND APPARATUS FOR PREDICTING TRAJECTORY |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010628162.5A CN113879295B (zh) | 2020-07-02 | 2020-07-02 | 轨迹预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113879295A CN113879295A (zh) | 2022-01-04 |
CN113879295B true CN113879295B (zh) | 2024-04-12 |
Family
ID=79012456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010628162.5A Active CN113879295B (zh) | 2020-07-02 | 2020-07-02 | 轨迹预测方法及装置 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4163173A4 (zh) |
CN (1) | CN113879295B (zh) |
WO (1) | WO2022001773A1 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114387786B (zh) * | 2022-01-26 | 2023-03-21 | 青岛海信网络科技股份有限公司 | 一种路口车辆运行状态预测方法及装置 |
CN114201997B (zh) * | 2022-02-17 | 2022-06-14 | 深圳依时货拉拉科技有限公司 | 路口转向识别方法、装置、设备及存储介质 |
CN114547223A (zh) * | 2022-02-24 | 2022-05-27 | 北京百度网讯科技有限公司 | 轨迹预测方法、轨迹预测模型的训练方法及装置 |
CN114620072B (zh) * | 2022-03-14 | 2023-05-09 | 小米汽车科技有限公司 | 车辆控制方法、装置、存储介质、电子设备及车辆 |
CN114620055B (zh) * | 2022-03-15 | 2022-11-25 | 阿波罗智能技术(北京)有限公司 | 道路数据处理方法、装置、电子设备及自动驾驶车辆 |
CN114643993B (zh) * | 2022-03-24 | 2024-06-04 | 重庆长安汽车股份有限公司 | 一种车道合并点计算系统、方法、车辆及存储介质 |
CN114910081B (zh) * | 2022-05-26 | 2023-03-10 | 阿波罗智联(北京)科技有限公司 | 车辆定位方法、装置及电子设备 |
CN114664094B (zh) * | 2022-05-26 | 2022-08-26 | 青岛慧拓智能机器有限公司 | 一种车辆轨迹预测方法、装置、芯片、终端和计算机设备 |
CN115166774A (zh) * | 2022-06-20 | 2022-10-11 | 高德软件有限公司 | 生成虚拟车道线的方法和装置、电子设备及程序产品 |
CN117409566A (zh) * | 2022-07-06 | 2024-01-16 | 华为技术有限公司 | 轨迹预测方法及其装置、介质、程序产品和电子设备 |
CN115366887B (zh) * | 2022-08-25 | 2024-05-28 | 武汉大学 | 适应自动驾驶的路口分类及车辆驾驶方法及设备 |
CN115230743B (zh) * | 2022-09-23 | 2022-12-02 | 毫末智行科技有限公司 | 一种障碍物轨迹预测的方法、系统、电子设备及存储介质 |
CN115782926B (zh) * | 2022-12-29 | 2023-12-22 | 苏州市欧冶半导体有限公司 | 一种基于道路信息的车辆运动预测方法及装置 |
CN115923847B (zh) * | 2023-03-15 | 2023-06-02 | 安徽蔚来智驾科技有限公司 | 自动驾驶车辆的感知信息的预处理方法、装置及车辆 |
CN116045996B (zh) * | 2023-03-31 | 2023-07-04 | 高德软件有限公司 | 路口道路连接关系的确定、路口虚拟线的生成方法及设备 |
CN117392621B (zh) * | 2023-11-07 | 2024-06-07 | 西南交通大学 | 一种机动车右转不礼让行人行为识别方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608927A (zh) * | 2014-11-14 | 2016-05-25 | 丰田自动车株式会社 | 警告装置 |
CN108437986A (zh) * | 2017-02-16 | 2018-08-24 | 上海汽车集团股份有限公司 | 车辆驾驶辅助系统及辅助方法 |
JP2019032712A (ja) * | 2017-08-08 | 2019-02-28 | パイオニア株式会社 | 判定装置、判定方法、及び、プログラム |
CN109583151A (zh) * | 2019-02-20 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 车辆的行驶轨迹预测方法及装置 |
CN109739246A (zh) * | 2019-02-19 | 2019-05-10 | 百度在线网络技术(北京)有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
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 |
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 |
CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
JP2019167039A (ja) * | 2018-03-26 | 2019-10-03 | 株式会社デンソー | 車両制御装置 |
CN111016896A (zh) * | 2018-10-08 | 2020-04-17 | 株式会社万都 | 交叉路口路径生成设备及交叉路口处车辆控制方法和设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000003500A (ja) * | 1998-06-15 | 2000-01-07 | Calsonic Corp | 車両の衝突防止装置 |
FR2988507B1 (fr) * | 2012-03-23 | 2014-04-25 | Inst Francais Des Sciences Et Technologies Des Transports De Lamenagement Et Des Reseaux | Systeme d'assistance pour vehicule routier |
US8990001B2 (en) * | 2013-07-26 | 2015-03-24 | Nissan North America, Inc. | Vehicle collision monitoring method |
EP3573035A4 (en) * | 2017-01-20 | 2020-01-08 | Nissan Motor Co., Ltd. | VEHICLE BEHAVIOR PREDICTION METHOD AND VEHICLE BEHAVIOR PREDICTION APPARATUS |
KR102464607B1 (ko) * | 2017-12-27 | 2022-11-08 | 현대자동차주식회사 | 차량 및 그 제어 방법 |
CN112534483B (zh) * | 2020-03-04 | 2021-12-14 | 华为技术有限公司 | 预测车辆驶出口的方法和装置 |
-
2020
- 2020-07-02 CN CN202010628162.5A patent/CN113879295B/zh active Active
-
2021
- 2021-06-23 EP EP21834344.0A patent/EP4163173A4/en active Pending
- 2021-06-23 WO PCT/CN2021/101765 patent/WO2022001773A1/zh unknown
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608927A (zh) * | 2014-11-14 | 2016-05-25 | 丰田自动车株式会社 | 警告装置 |
CN108437986A (zh) * | 2017-02-16 | 2018-08-24 | 上海汽车集团股份有限公司 | 车辆驾驶辅助系统及辅助方法 |
JP2019032712A (ja) * | 2017-08-08 | 2019-02-28 | パイオニア株式会社 | 判定装置、判定方法、及び、プログラム |
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 |
CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
JP2019167039A (ja) * | 2018-03-26 | 2019-10-03 | 株式会社デンソー | 車両制御装置 |
CN111016896A (zh) * | 2018-10-08 | 2020-04-17 | 株式会社万都 | 交叉路口路径生成设备及交叉路口处车辆控制方法和设备 |
CN109739246A (zh) * | 2019-02-19 | 2019-05-10 | 百度在线网络技术(北京)有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
CN109583151A (zh) * | 2019-02-20 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 车辆的行驶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 |
Also Published As
Publication number | Publication date |
---|---|
WO2022001773A1 (zh) | 2022-01-06 |
CN113879295A (zh) | 2022-01-04 |
EP4163173A4 (en) | 2023-11-29 |
EP4163173A1 (en) | 2023-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113879295B (zh) | 轨迹预测方法及装置 | |
CN109901574B (zh) | 自动驾驶方法及装置 | |
CN110379193B (zh) | 自动驾驶车辆的行为规划方法及行为规划装置 | |
CN112703506B (zh) | 车道线检测方法及装置 | |
CN112230642B (zh) | 道路可行驶区域推理方法及装置 | |
CN110371132B (zh) | 驾驶员接管评估方法及装置 | |
WO2021196879A1 (zh) | 车辆驾驶行为的识别方法以及识别装置 | |
CN113835421B (zh) | 训练驾驶行为决策模型的方法及装置 | |
CN112512887B (zh) | 一种行驶决策选择方法以及装置 | |
CN113498529B (zh) | 一种目标跟踪方法及其装置 | |
CN112638738B (zh) | 车辆测速装置的故障诊断方法和故障诊断装置 | |
CN113968242B (zh) | 自动驾驶场景生成方法、装置及系统 | |
US20230399023A1 (en) | Vehicle Driving Intention Prediction Method, Apparatus, and Terminal, and Storage Medium | |
US20230048680A1 (en) | Method and apparatus for passing through barrier gate crossbar by vehicle | |
CN114693540A (zh) | 一种图像处理方法、装置以及智能汽车 | |
CN114167404A (zh) | 目标跟踪方法及装置 | |
CN115546781A (zh) | 一种点云数据的聚类方法以及装置 | |
CN113022573B (zh) | 道路结构检测方法及装置 | |
CN114261404A (zh) | 一种自动驾驶方法及相关装置 | |
CN112183157A (zh) | 道路几何识别方法及装置 | |
CN113859265B (zh) | 一种驾驶过程中的提醒方法及设备 | |
CN113799794B (zh) | 车辆纵向运动参数的规划方法和装置 | |
CN114327842A (zh) | 多任务部署的方法及装置 | |
CN114556251B (zh) | 用于确定车辆可通行空间的方法和装置 | |
US20230256970A1 (en) | Lane Change Track Planning Method and Apparatus |
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 |