CN114475593A - 行驶轨迹预测方法、车辆及计算机可读存储介质 - Google Patents

行驶轨迹预测方法、车辆及计算机可读存储介质 Download PDF

Info

Publication number
CN114475593A
CN114475593A CN202210057612.9A CN202210057612A CN114475593A CN 114475593 A CN114475593 A CN 114475593A CN 202210057612 A CN202210057612 A CN 202210057612A CN 114475593 A CN114475593 A CN 114475593A
Authority
CN
China
Prior art keywords
target
track curve
sampling point
track
curve
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210057612.9A
Other languages
English (en)
Other versions
CN114475593B (zh
Inventor
蒋祖坚
廖尉华
陈有辉
覃高峰
张韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SAIC GM Wuling Automobile Co Ltd
Original Assignee
SAIC GM Wuling Automobile Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SAIC GM Wuling Automobile Co Ltd filed Critical SAIC GM Wuling Automobile Co Ltd
Priority to CN202210057612.9A priority Critical patent/CN114475593B/zh
Publication of CN114475593A publication Critical patent/CN114475593A/zh
Application granted granted Critical
Publication of CN114475593B publication Critical patent/CN114475593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B60W30/14—Adaptive cruise control
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/072—Curvature of 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种行驶轨迹预测方法、车辆及计算机可读存储介质，所述行驶轨迹预测方法包括步骤：获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线；获取预设数量的道路采集点，将所述道路采集点进行拟合，得到道路轨迹曲线；获取车辆行驶数据，根据所述行驶数据得到行驶轨迹曲线；根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线。本发明提高了车辆行驶轨迹预测的准确性。

Description

行驶轨迹预测方法、车辆及计算机可读存储介质
技术领域
本发明涉及车辆驾驶技术领域，尤其涉及一种行驶轨迹预测方法、车辆及计算机可读存储介质。
背景技术
现有技术中，自适应巡航控制系统ACC的实现可依靠多种传感器(如毫米波雷达、激光雷达、智能摄像头等)获取驾驶场景信息，当传感器越多，获取的道路信息则越丰富，也更加准确，但由此带来的则是高昂的成本，使很多售价较低的车型无法承当。
目前很多的车型希望降低成本就可实现ACC功能，于是则选择了单雷达方案，可探测道路目标，则可结合目标信息及自车行驶信息即可实现ACC功能，由于雷达仅能探测目标信息，无法探测车道线，如果不能准确预测自车将来的行驶路径，则无法正确选中ACC的控制目标，则会造成ACC使用体验差的结果，甚至会造成行驶安全隐患。
现有技术中，单雷达的自车轨迹预估大多仅依靠自车行驶信息，如速度、加速度、方向盘转角等计算自车轨迹，没有参考道路其他参与者的行驶状态，则不能准确计算出自车未来的行驶轨迹。也有参考了目标的信息，但是没有很好的区分目标的轨迹是否有效(如变道，危险驾驶)，就融合目标轨迹，也会使得自车轨迹的预测不准确。
发明内容
本发明的主要目的在于提供一种行驶轨迹预测方法、车辆及计算机可读存储介质。旨在解决现有行驶轨迹预测方法预测不准确的问题。
为实现上述目的，本发明提供一种行驶轨迹预测方法，其特征在于，所述行驶轨迹预测方法包括步骤：
获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线；
获取预设数量的道路采集点，将所述道路采集点进行拟合，得到道路轨迹曲线；
对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线，并根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线；
根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线。
可选的，所述获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点，其中，所述第一采样点包括第一采样点的横向速度、纵向速度、横向加速度和纵向加速度；
根据所述所述横向速度、所述纵向速度、所述横向加速度、所述纵向加速度和所述预设周期计算所述行驶目标的预测采样点坐标；
获取与所述预测采样点坐标相对应的实时探测目标点，根据所述实时探测目标点判断所述预测采样点坐标是否正确；
若所述预测采样点坐标正确，则根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线。
可选的，所述若所述预测采样点坐标正确，根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
若所述预测采样点坐标正确，则存储与所述预测采样点相对应的第一采样点，并执行所述步骤：记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点；
记录预设数量的第一采样点，并将预设数量的第一采样点进行拟合，得到目标轨迹曲线。
可选的，所述获取车辆行驶数据，根据所述行驶数据得到行驶轨迹曲线的步骤包括：
获取车辆行驶过程中的实时横摆角速度和纵向速度，并根据所述横摆角速度和所述纵向速度计算车辆行驶过程中的曲率，其中，所述行驶数据包括横摆角速度和纵向速度；
根据所述曲率得到车辆行驶轨迹曲线。
可选的，所述对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线的步骤包括：
获取所述目标轨迹曲线数量以及与所述目标轨迹曲线相对应的曲率，以及所述道路轨迹曲线的曲率；
当存在多条目标轨迹曲线时，依次计算每一条目标轨迹曲线与其余目标轨迹曲线之间曲率的第一差值，并在所述第一差值大于预设阈值时，判定所述目标轨迹曲线无效，并得到其余的第一目标轨迹曲线；
在所述第一目标轨迹曲线中，计算所述第一目标轨迹曲线对应的曲率与所述道路轨迹曲线的曲率之间的第二差值，并在所述第二差值大于阈值阈值时，判定所述第一目标轨迹曲线无效，得到第二目标轨迹曲线；
在所述第二目标轨迹曲线中，选取与所述车辆行驶轨迹曲线距离最远的第二目标轨迹曲线作为有效行驶轨迹曲线。
可选的，所述根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线的步骤包括：
获取所述有效行驶轨迹曲线的曲率，计算所述有效行驶轨迹曲线的曲率与所述道路轨迹曲线的曲率之间的第三差值；
若所述第三差值小于所述预设阈值，则判定为所述道路轨迹曲线为有效道路轨迹曲线。
可选的，所述根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线的步骤包括：
在第一预设距离内间隔第二预设距离，在所述有效目标轨迹曲线中提取第三采样点，在所述有效道路轨迹曲线中提取第四采样点和在所述行驶轨迹曲线中提取第五采样点，并根据所述第二预设距离分别计算所述第三采样点、第四采样点与所述第五采样点的纵坐标；
根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第三采样点、第四采样点和第五采样点的横坐标；
根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第一预设方差，对所述第三采样点、第四采样点和第五采样点进行融合，得到第一目标采样点；
获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线，其中，所述第三预设距离大于第一预设距离，所述第一预设距离大于第二预设距离。
可选的，所述获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线的步骤包括：
在第三预设距离内间隔第二预设距离在所述有效目标轨迹曲线中提取第六采样点，在所述有效道路轨迹曲线中提取第七采样点和在所述行驶轨迹曲线中提取第八采样点，并根据所述第二预设距离分别计算所述第六采样点、第七采样点与所述第八采样点的纵坐标；
根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第六采样点、第七采样点和第八采样点的横坐标；
根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第二预设方差，对所述第六采样点、第七采样点和第八采样点进行融合，得到第二目标采样点；
对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹。
此外，为实现上述目的，本发明还提供一种车辆，所述车辆包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的行驶轨迹预测程序，所述行驶轨迹预测程序被所述处理器执行时实现如上所述的行驶轨迹预测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有行驶轨迹预测程序，所述行驶轨迹预测程序被处理器执行时实现如上所述的行驶轨迹预测方法的步骤。
本发明提出一种行驶轨迹预测方法、车辆及计算机可读存储介质，所述行驶轨迹预测方法包括步骤：获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线；获取预设数量的道路采集点，将所述道路采集点进行拟合，得到道路轨迹曲线；对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线，并根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线；根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线。本发明通过上述方式，本发明能够在仅使用一个雷达的情况下，能够更好的预测自车未来的行驶轨迹，同时能够参考车辆周围环境内的行驶目标和道路信息对预测的行驶轨迹进行修正，保证行驶轨迹的正确性。并且能够区分出有效的参考行驶轨迹，保证行车过程中的安全性，且在一个雷达探测的基础上，降低了车辆制造的成本。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本发明行驶轨迹预测方法第一实施例的流程示意图；
图3为本发明行驶轨迹预测方法第二实施例的流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端为车辆。
如图1所示，该终端可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，DVI接口1004，USB接口1005，存储器1006。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。DVI接口1004可选的可以包括标准的有线接口，通过DVI线与其他外部设备连接。USB接口1005可选的可以包括标准的有线接口，通过USB连接线与其他外部设备连接。存储器1006可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1006可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括音频电路等等，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1006中可以包括操作系统、DVI接口模块、USB接口模块、用户接口模块以及行驶轨迹预测程序。
在图1所示的终端中，DVI接口1004主要用于连接外部设备，与外部设备进行数据通信；USB接口1005主要用于连接外部设备，与外部设备进行数据通信；用户接口1003主要用于连接客户端，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的行驶轨迹预测程序，并执行以下操作：
获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线；
获取预设数量的道路采集点，将所述道路采集点进行拟合，得到道路轨迹曲线；
对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线，并根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线；
根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线。
进一步地，处理器1001可以调用存储器1006中存储的行驶轨迹预测程序，还执行以下操作：
所述获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点，其中，所述第一采样点包括第一采样点的横向速度、纵向速度、横向加速度和纵向加速度；
根据所述所述横向速度、所述纵向速度、所述横向加速度、所述纵向加速度和所述预设周期计算所述行驶目标的预测采样点坐标；
获取与所述预测采样点坐标相对应的实时探测目标点，根据所述实时探测目标点判断所述预测采样点坐标是否正确；
若所述预测采样点坐标正确，则根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线。
进一步地，处理器1001可以调用存储器1006中存储的行驶轨迹预测程序，还执行以下操作：
所述若所述预测采样点坐标正确，根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
若所述预测采样点坐标正确，则存储与所述预测采样点相对应的第一采样点，并执行所述步骤：记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点；
记录预设数量的第一采样点，并将预设数量的第一采样点进行拟合，得到目标轨迹曲线。
进一步地，处理器1001可以调用存储器1006中存储的行驶轨迹预测程序，还执行以下操作：
所述获取车辆行驶数据，根据所述行驶数据得到行驶轨迹曲线的步骤包括：
获取车辆行驶过程中的实时横摆角速度和纵向速度，并根据所述横摆角速度和所述纵向速度计算车辆行驶过程中的曲率，其中，所述行驶数据包括横摆角速度和纵向速度；
根据所述曲率得到车辆行驶轨迹曲线。
进一步地，处理器1001可以调用存储器1006中存储的行驶轨迹预测程序，还执行以下操作：
所述对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线的步骤包括：
获取所述目标轨迹曲线数量以及与所述目标轨迹曲线相对应的曲率，以及所述道路轨迹曲线的曲率；
当存在多条目标轨迹曲线时，依次计算每一条目标轨迹曲线与其余目标轨迹曲线之间曲率的第一差值，并在所述第一差值大于预设阈值时，判定所述目标轨迹曲线无效，并得到其余的第一目标轨迹曲线；
在所述第一目标轨迹曲线中，计算所述第一目标轨迹曲线对应的曲率与所述道路轨迹曲线的曲率之间的第二差值，并在所述第二差值大于阈值阈值时，判定所述第一目标轨迹曲线无效，得到第二目标轨迹曲线；
在所述第二目标轨迹曲线中，选取与所述车辆行驶轨迹曲线距离最远的第二目标轨迹曲线作为有效行驶轨迹曲线。
进一步地，处理器1001可以调用存储器1006中存储的行驶轨迹预测程序，还执行以下操作：
所述根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线的步骤包括：
获取所述有效行驶轨迹曲线的曲率，计算所述有效行驶轨迹曲线的曲率与所述道路轨迹曲线的曲率之间的第三差值；
若所述第三差值小于所述预设阈值，则判定为所述道路轨迹曲线为有效道路轨迹曲线。
进一步地，处理器1001可以调用存储器1006中存储的行驶轨迹预测程序，还执行以下操作：
所述根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线的步骤包括：
在第一预设距离内间隔第二预设距离，在所述有效目标轨迹曲线中提取第三采样点，在所述有效道路轨迹曲线中提取第四采样点和在所述行驶轨迹曲线中提取第五采样点，并根据所述第二预设距离分别计算所述第三采样点、第四采样点与所述第五采样点的纵坐标；
根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第三采样点、第四采样点和第五采样点的横坐标；
根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第一预设方差，对所述第三采样点、第四采样点和第五采样点进行融合，得到第一目标采样点；
获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线，其中，所述第三预设距离大于第一预设距离，所述第一预设距离大于第二预设距离。
进一步地，处理器1001可以调用存储器1006中存储的行驶轨迹预测程序，还执行以下操作：
所述获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线的步骤包括：
在第三预设距离内间隔第二预设距离在所述有效目标轨迹曲线中提取第六采样点，在所述有效道路轨迹曲线中提取第七采样点和在所述行驶轨迹曲线中提取第八采样点，并根据所述第二预设距离分别计算所述第六采样点、第七采样点与所述第八采样点的纵坐标；
根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第六采样点、第七采样点和第八采样点的横坐标；
根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第二预设方差，对所述第六采样点、第七采样点和第八采样点进行融合，得到第二目标采样点；
对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹。
本发明车辆控制系统的具体实施例与下述车辆控制方法各实施例基本相同，在此不作赘述。
参照图2，本发明提供一种行驶轨迹预测方法，在车辆的行驶轨迹预测方法的第一实施例中，行驶轨迹预测方法包括以下步骤：
步骤S10，获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线；
在本实施例中，车辆前端安装有毫米波雷达，所述雷达的探测范围为车辆前方的200米之内，当然，具体的探测范围可根据雷达的型号而定。所述行驶目标指的是除本车外，雷达探测到的行驶中的其他车辆。所述预设周期为进行行驶轨迹预测的一个工作周期。所述第一采样点即为雷达探测记录到的行驶目标的历史行驶中的坐标点。具体的，将记录到的所有坐标点采用最小二乘法进行拟合，即可得到行驶目标的目标轨迹曲线，且拟合得到的目标轨迹曲线可用函数方程进行表示。具体的，在用最小二乘法拟合到的目标轨迹曲线可用以下函数进行表示，y＝C0+C1*x+C2*x2+C3*x3，其中，y为目标轨迹曲线中每一个第一采样点的横坐标，x为目标轨迹曲线中每一个第一采样点的纵坐标，C1为距离本车辆的横向距离，C1为车辆行驶方向与行驶轨迹之间的航向角，C2为曲率，C3为曲率的变化率。
步骤S20，获取预设数量的道路采集点，将所述道路采集点进行拟合，得到道路轨迹曲线；
在本实施例中，所述道路采集点为雷达探测到的道路周边的围栏的坐标信号，所述预设数量为50个，当然，本领域技术人员也可根据需要设置不同数量的道路采集点，本发明在此不作限制。在获取到道路采集点后，即可对道路采集点采用最小二乘法进行拟合，得到的道路轨迹同样可以使用上述函数进行表示，即为y＝C0+C1*x+C2*x2+C3*x3。其中，各参数所代表的意义如上所述，本申请在此不再赘述。另外，若未采集到道路采集点，则说明没有道路围栏，则不进行道路轨迹曲线拟合。
步骤S30，获取车辆行驶数据，根据所述行驶数据得到行驶轨迹曲线；
在一实施例中，所述步骤S30，还包括：
步骤A31，获取车辆行驶过程中的实时横摆角速度和纵向速度，并根据所述横摆角速度和所述纵向速度计算车辆行驶过程中的曲率，其中，所述行驶数据包括横摆角速度和纵向速度；
步骤A32，根据所述曲率得到车辆行驶轨迹曲线。
在本实施例中，所述车辆行驶数据为本车行驶过程中的横摆角速度和纵向速度，且所述行驶轨迹曲线同样使用上述函数进行表示，具体的，由于本车在行驶过程中与本车辆的横向距离为0、且本车与行驶轨迹之间的航向角同样为0、本车的行驶轨迹为圆弧，所述曲率的变化率同样为0，因此，只需要计算本车在行驶过程中的曲率即可计算出本车的的行驶轨迹，且本车在行驶过程中的曲率可通过以下公式计算：曲率＝横摆角速度/纵向速度。即本车的行驶轨迹可用以下函数进行表示：y＝C2*x2，C2为曲率。
步骤S40，对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线，并根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线；
在一实施例中，所述步骤S40包括：
步骤A41，获取所述目标轨迹曲线数量以及与所述目标轨迹曲线相对应的曲率，以及所述道路轨迹曲线的曲率；
在本实施例中，由于行驶目标可能存在多个，所以可能存在多个目标轨迹曲线，所述曲率代表行驶目标的行驶状态，包括正常行驶和不正常行驶，其中，不正常行驶包括变道等情况。
步骤A42，当存在多条目标轨迹曲线时，依次计算每一条目标轨迹曲线与其余目标轨迹曲线之间曲率的第一差值，并在所述第一差值大于预设阈值时，判定所述目标轨迹曲线无效，并得到其余的第一目标轨迹曲线；
在本实施例中，当存在多条目标轨迹时，如果其中一条目标轨迹与其他目标轨迹的曲率差值超出预设阈值，则认为该目标在变道或是不正常驾驶，判定该目标轨迹无效，其中，预设阈值为0.0005。所述第一目标轨迹曲线为正常行驶的目标轨迹。
步骤A43，在所述第一目标轨迹曲线中，计算所述第一目标轨迹曲线对应的曲率与所述道路轨迹曲线的曲率之间的第二差值，并在所述第二差值大于阈值阈值时，判定所述第一目标轨迹曲线无效，得到第二目标轨迹曲线；
在本实施例中，因为道路轨迹是通过道路围栏所进行拟合的，所以如果目标轨迹与道路轨迹之间的曲率差值超出阈值范围，则说明目标未按道路轨迹行驶，判定该目标轨迹无效。另外，若没有道路轨迹曲线，则忽略步骤A43，直接执行步骤A44。
步骤A44，在所述第二目标轨迹曲线中，选取与所述车辆行驶轨迹曲线距离最远的第二目标轨迹曲线作为有效行驶轨迹曲线。
在本实施例中，筛选出距离最远的第二目标轨迹曲线作为有效行驶轨迹曲线，能够保证自车与行驶目标之间的距离，提高行驶过程中的安全性。
在一实施例中，所述步骤S40，还包括：
步骤A45，获取所述有效行驶轨迹曲线的曲率，计算所述有效行驶轨迹曲线的曲率与所述道路轨迹曲线的曲率之间的第三差值；
步骤A45，若所述第三差值小于所述预设阈值，则判定为所述道路轨迹曲线为有效道路轨迹曲线。
在本实施例中，如果在自车轨迹与目标轨迹曲率差值在阈值范围内的前提下，如果道路轨迹(围栏目标拟合轨迹)与目标轨迹曲率差值超出阈值范围，则认为该道路轨迹可能为锥桶或其他物体隔离出来的一条轨迹，或是车道合并、车道变宽的情况，则该轨迹无效。
步骤S50，根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线。
在本实施例中，所述目标行驶轨迹曲线为本车辆将要进行行驶的轨迹曲线，具体可在三种轨迹曲线中间隔一段距离进行采样点提取，进而将提取的三个采样点进行融合得到最终的目标采样点，再根据目标采样点进行拟合而得到。
本发明提出一种行驶轨迹预测方法、车辆及计算机可读存储介质，所述行驶轨迹预测方法包括步骤：获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线；获取预设数量的道路采集点，将所述道路采集点进行拟合，得到道路轨迹曲线；对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线，并根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线；根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线。本发明通过上述方式，本发明能够在仅使用一个雷达的情况下，能够更好的预测自车未来的行驶轨迹，同时能够参考车辆周围环境内的行驶目标和道路信息对预测的行驶轨迹进行修正，保证行驶轨迹的正确性。并且能够区分出有效的参考行驶轨迹，保证行车过程中的安全性，且在一个雷达探测的基础上，降低了车辆制造的成本。
进一步的，参阅图3，本发明行驶轨迹预测方法第二实施例提供一种行驶轨迹预测方法，基于上述图2所示的实施例，所述获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
步骤S11，记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点，其中，所述第一采样点包括第一采样点的横向速度、纵向速度、横向加速度和纵向加速度；
步骤S12，根据所述所述横向速度、所述纵向速度、所述横向加速度、所述纵向加速度和所述预设周期计算所述行驶目标的预测采样点坐标；
在本实施例中，可通过下述公式计算所述预测采样点坐标：
Ypre＝vy*△t+(1/2)*ay*△t2；
Xpre＝vx*△t+(1/2)*ax*△t2；
其中，Ypre为预测采样点横坐标，Xpre为预测采样点纵坐标，vy为横向速度，vx为纵向速度，ay为横向加速度，ax为纵向加速度，△t为系统运行周期。
步骤S13，获取与所述预测采样点坐标相对应的实时探测目标点，根据所述实时探测目标点判断所述预测采样点坐标是否正确；
在本实施例中，所述实时探测目标点可根据雷达进行实时探测。可根据计算实时探测目标点与预测采样点距离的平方来判断所述预测采样点坐标是否正确，具体的，当所述距离的平方大于阈值范围即1米时，则判定为第一采样点为雷达误采样，舍弃该第一采样点，不记录该第一采样点。同时，当记录满50个第一采样点后，自动丢弃最早的第一采样点，同时记录最新第一采样点。可通过以下公式来判断所述预测采样点坐标是否正确：D＝(Ypre-Ydet)2+(Xpre-Xdet)2，其中，(Xdet,Ydet)为实时探测目标点。
步骤S14，若所述预测采样点坐标正确，则根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线。
在一实施例中，所述步骤S14包括：
步骤A141，若所述预测采样点坐标正确，则存储与所述预测采样点相对应的第一采样点，并执行所述步骤S11；
步骤A142，记录预设数量的第一采样点，并将预设数量的第一采样点进行拟合，得到目标轨迹曲线。
在本实施例中，可利用最小二乘法将记录的第一采样点(记录满20个采样点即可拟合，否则不拟合)拟合成clothoid曲线：
y＝C0+C1*x+C2*x2+C3*x3
在本发明中，通过对行驶目标进行拟合，得到目标行驶轨迹，能够对自车的预测轨迹进行修正，提高预测轨迹的准确性，保障行车过程中的安全性。
进一步的，本发明行驶轨迹预测方法第二实施例提供一种行驶轨迹预测方法，基于上述图2所示的实施例，所述根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线的步骤包括：
步骤A51，在第一预设距离内间隔第二预设距离，在所述有效目标轨迹曲线中提取第三采样点，在所述有效道路轨迹曲线中提取第四采样点和在所述行驶轨迹曲线中提取第五采样点，并根据所述第二预设距离分别计算所述第三采样点、第四采样点与所述第五采样点的纵坐标；
在本实施例中，所述第一预设距离为近距离60m内，所述第二预设距离为5m，具体的，以自车为起点，间隔5m对所述有效目标轨迹、所述有效道路轨迹和所述行驶轨迹分别进行采样点提取，分别为第三采样点、第四采样点和第五采样点，且第三采样点、第四采样点和第五采样点均有多个。根据所述第二预设距离分别计算所述第三采样点、第四采样点与所述第五采样点的纵坐标的步骤具体为，每间隔5米则记录相对应的采集点的坐标，在60米内，则对应的纵坐标可以为X＝{5，10，15，20，…,60}。
步骤A52，根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第三采样点、第四采样点和第五采样点的横坐标；
在本实施例中，所述横坐标可分别根据上述实施例中的函数表达式来计算，例如，可将第三采样点在5米处的纵坐标代入已进行拟合的y＝C0+C1*x+C2*x2+C3*x3中，进一步的即可计算出对应的横坐标y。第四采样点和第五采样点均通过上述方式计算，在此不再赘述。
步骤A53，根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第一预设方差，对所述第三采样点、第四采样点和第五采样点进行融合，得到第一目标采样点；
在本实施例，可通过以下公式计算所述第一目标采样点的坐标：
Ypre＝行驶轨迹采样点横坐标*Va1/(Va1+Vb1+Vc1)+目标轨迹采样点横坐标*Vb1/(Va1+Vb1+Vc1)+道路轨迹采样点横坐标*Vc1/(Va1+Vb1+Vc1)，其中，Va1、Vb1、Vc1为预设方差，Va1为有效行驶轨迹所对应的方差，Vb1为有效目标轨迹所对应的方差，Vc1为有效道路轨迹所对应的方差，在本实实施例中，考虑近距离计算的自车曲率较为可靠，则自车轨迹方差Va1会取较大值，当存在多条目标轨迹时，目标轨迹方差Vb1相应增大，所以设置为Va1大于Vb1大于Vc1，具体的，Va1可以是0.7，Vb1可以是0.2，Vc1可以是0.1。
步骤A54，获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线，其中，所述第三预设距离大于第一预设距离，所述第一预设距离大于第二预设距离。
在一实施例中，所述步骤A54包括：
步骤A55，在第三预设距离内间隔第二预设距离在所述有效目标轨迹曲线中提取第六采样点，在所述有效道路轨迹曲线中提取第七采样点和在所述行驶轨迹曲线中提取第八采样点，并根据所述第二预设距离分别计算所述第六采样点、第七采样点与所述第八采样点的纵坐标；
在本实施例中，所述第三预设距离为60米以外，即为远距离。根据所述第二预设距离分别计算所述第六采样点、第七采样点与所述第八采样点的纵坐标的步骤即为以60米处为起点，每间隔5米则记录相对应的采集点的坐标，则对应的纵坐标为X＝{65，70，75，80，…,200}。
步骤A56，根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第六采样点、第七采样点和第八采样点的横坐标；
在本实施例中，所述横坐标可分别根据上述实施例中的函数表达式来计算，例如，可将第六采样点在5米处的横坐标代入已进行拟合的y＝C0+C1*x+C2*x2+C3*x3中，即可计算出对应的横坐标X。第七采样点和第八采样点均通过上述方式计算，在此不再赘述。
步骤A57，根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第二预设方差，对所述第六采样点、第七采样点和第八采样点进行融合，得到第二目标采样点；
在一实施例中，Ypre＝自车轨迹采样点横坐标*Va2/(Va2+Vb2+Vc2)+目标轨迹采样点横坐标*Vb2/(Va2+Vb2+Vc2)+道路轨迹采样点横坐标*Vc2/(Va2+Vb2+Vc2)，其中，Va2、Vb2、Vc2为预设方差，Va2为有效行驶轨迹所对应的方差，Vb2为有效目标轨迹所对应的方差，Vc2为有效道路轨迹所对应的方差，在本实实施例中，考虑由于自车轨迹在远距离(60m外，标定值)的行驶方向与当前时刻可能会有较大差异，则计算的自车曲率在远距离可靠性较低，则在远距离的自车预测轨迹采样点坐标计算时，自车轨迹方差Va2会取较小值，当存在多条目标轨迹时，目标轨迹方差Vb2相应增大，所以设置为Va1大于Vb1大于Vc1，具体的，Va1可以是0.7，Vb1可以是0.2，Vc1可以是0.1。
步骤A58，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹。
在本实施例中，可将C0设置为0，则最终的自车预测轨迹为：
y＝C2*x2+C3*x3
在本实施例中，具体实施请参阅上述实施例，在此不作赘述。
通过采集不同距离的目标点对有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线进行拟合，可在仅使用一个前向毫米波雷达的前提下，能更好的预测自车未来的行驶轨迹。本发明可在自车入弯前，在自车未打方向盘的情况下，可融合道路围栏轨迹及目标轨迹信息，提前预测到自车即将进入弯道，可用于自适应巡航中，更精确的选择弯道内的目标。本发明可在自车出弯前，在自车未回正方向盘的情况下，可融合道路围栏轨迹及目标轨迹信息，提前预测到自车即将离开弯道，进入直道，可用于自适应巡航ACC中，更精确的选择离开弯道后的目标。本发明可在车道合并时，根据前方多目标统一向合并车道偏离的情况，预测到自车未来的行驶轨迹也会向合并车道偏移，可用于自适应巡航ACC中，更精确的选择车道合并后的目标。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有行驶轨迹预测程序，所述行驶轨迹预测程序被处理器执行时实现如下操作：
获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线；
获取预设数量的道路采集点，将所述道路采集点进行拟合，得到道路轨迹曲线；
获取车辆行驶数据，根据所述行驶数据得到行驶轨迹曲线；
对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线，并根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线；
根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线。
进一步地，所述行驶轨迹预测程序被处理器执行时还实现如下操作：
所述获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点，其中，所述第一采样点包括第一采样点的横向速度、纵向速度、横向加速度和纵向加速度；
根据所述所述横向速度、所述纵向速度、所述横向加速度、所述纵向加速度和所述预设周期计算所述行驶目标的预测采样点坐标；
获取与所述预测采样点坐标相对应的实时探测目标点，根据所述实时探测目标点判断所述预测采样点坐标是否正确；
若所述预测采样点坐标正确，则根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线。
进一步地，所述行驶轨迹预测程序被处理器执行时还实现如下操作：
所述若所述预测采样点坐标正确，根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
若所述预测采样点坐标正确，则存储与所述预测采样点相对应的第一采样点，并执行所述步骤：记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点；
记录预设数量的第一采样点，并将预设数量的第一采样点进行拟合，得到目标轨迹曲线。
进一步地，所述行驶轨迹预测程序被处理器执行时还实现如下操作：
所述获取车辆行驶数据，根据所述行驶数据得到行驶轨迹曲线的步骤包括：
获取车辆行驶过程中的实时横摆角速度和纵向速度，并根据所述横摆角速度和所述纵向速度计算车辆行驶过程中的曲率，其中，所述行驶数据包括横摆角速度和纵向速度；
根据所述曲率得到车辆行驶轨迹曲线。
进一步地，所述行驶轨迹预测程序被处理器执行时还实现如下操作：
所述对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线的步骤包括：
获取所述目标轨迹曲线数量以及与所述目标轨迹曲线相对应的曲率，以及所述道路轨迹曲线的曲率；
当存在多条目标轨迹曲线时，依次计算每一条目标轨迹曲线与其余目标轨迹曲线之间曲率的第一差值，并在所述第一差值大于预设阈值时，判定所述目标轨迹曲线无效，并得到其余的第一目标轨迹曲线；
在所述第一目标轨迹曲线中，计算所述第一目标轨迹曲线对应的曲率与所述道路轨迹曲线的曲率之间的第二差值，并在所述第二差值大于阈值阈值时，判定所述第一目标轨迹曲线无效，得到第二目标轨迹曲线；
在所述第二目标轨迹曲线中，选取与所述车辆行驶轨迹曲线距离最远的第二目标轨迹曲线作为有效行驶轨迹曲线。
进一步地，所述行驶轨迹预测程序被处理器执行时还实现如下操作：
所述根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线的步骤包括：
获取所述有效行驶轨迹曲线的曲率，计算所述有效行驶轨迹曲线的曲率与所述道路轨迹曲线的曲率之间的第三差值；
若所述第三差值小于所述预设阈值，则判定为所述道路轨迹曲线为有效道路轨迹曲线。
进一步地，所述行驶轨迹预测程序被处理器执行时还实现如下操作：
所述根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线的步骤包括：
在第一预设距离内间隔第二预设距离，在所述有效目标轨迹曲线中提取第三采样点，在所述有效道路轨迹曲线中提取第四采样点和在所述行驶轨迹曲线中提取第五采样点，并根据所述第二预设距离分别计算所述第三采样点、第四采样点与所述第五采样点的纵坐标；
根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第三采样点、第四采样点和第五采样点的横坐标；
根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第一预设方差，对所述第三采样点、第四采样点和第五采样点进行融合，得到第一目标采样点；
获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线，其中，所述第三预设距离大于第一预设距离，所述第一预设距离大于第二预设距离。
进一步地，所述行驶轨迹预测程序被处理器执行时还实现如下操作：
所述获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线的步骤包括：
在第三预设距离内间隔第二预设距离在所述有效目标轨迹曲线中提取第六采样点，在所述有效道路轨迹曲线中提取第七采样点和在所述行驶轨迹曲线中提取第八采样点，并根据所述第二预设距离分别计算所述第六采样点、第七采样点与所述第八采样点的纵坐标；
根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第六采样点、第七采样点和第八采样点的横坐标；
根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第二预设方差，对所述第六采样点、第七采样点和第八采样点进行融合，得到第二目标采样点；
对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹。
本发明计算机可读存储介质的具体实施例与上述行驶轨迹预测方法各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种行驶轨迹预测方法，其特征在于，所述行驶轨迹预测方法包括步骤：
获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线；
获取预设数量的道路采集点，将所述道路采集点进行拟合，得到道路轨迹曲线；
获取车辆行驶数据，根据所述行驶数据得到行驶轨迹曲线；
对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线，并根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线；
根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线。
2.如权利要求1所述的行驶轨迹预测方法，其特征在于，所述获取行驶目标在预设周期内的第一采样点，将所述第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点，其中，所述第一采样点包括第一采样点的横向速度、纵向速度、横向加速度和纵向加速度；
根据所述所述横向速度、所述纵向速度、所述横向加速度、所述纵向加速度和所述预设周期计算所述行驶目标的预测采样点坐标；
获取与所述预测采样点坐标相对应的实时探测目标点，根据所述实时探测目标点判断所述预测采样点坐标是否正确；
若所述预测采样点坐标正确，则根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线。
3.如权利要求2所述的行驶轨迹预测方法，其特征在于，所述若所述预测采样点坐标正确，根据与所述预测采样点坐标相对应的第一采样点进行拟合，得到目标轨迹曲线的步骤包括：
若所述预测采样点坐标正确，则存储与所述预测采样点相对应的第一采样点，并执行所述步骤：记录预设周期内行驶目标的坐标点，并将所述坐标点作为第一采样点；
记录预设数量的第一采样点，并将预设数量的第一采样点进行拟合，得到目标轨迹曲线。
4.如权利要求1所述的行驶轨迹预测方法，其特征在于，所述获取车辆行驶数据，根据所述行驶数据得到行驶轨迹曲线的步骤包括：
获取车辆行驶过程中的实时横摆角速度和纵向速度，并根据所述横摆角速度和所述纵向速度计算车辆行驶过程中的曲率，其中，所述行驶数据包括横摆角速度和纵向速度；
根据所述曲率得到车辆行驶轨迹曲线。
5.如权利要求1所述的行驶轨迹预测方法，其特征在于，所述对所述目标轨迹曲线进行筛选，获得与所述目标轨迹曲线相对应的有效目标轨迹曲线的步骤包括：
获取所述目标轨迹曲线数量以及与所述目标轨迹曲线相对应的曲率，以及所述道路轨迹曲线的曲率；
当存在多条目标轨迹曲线时，依次计算每一条目标轨迹曲线与其余目标轨迹曲线之间曲率的第一差值，并在所述第一差值大于预设阈值时，判定所述目标轨迹曲线无效，并得到其余的第一目标轨迹曲线；
在所述第一目标轨迹曲线中，计算所述第一目标轨迹曲线对应的曲率与所述道路轨迹曲线的曲率之间的第二差值，并在所述第二差值大于阈值阈值时，判定所述第一目标轨迹曲线无效，得到第二目标轨迹曲线；
在所述第二目标轨迹曲线中，选取与所述车辆行驶轨迹曲线距离最远的第二目标轨迹曲线作为有效行驶轨迹曲线。
6.如权利要求5所述的行驶轨迹预测方法，其特征在于，所述根据所述有效道路轨迹曲线，对所述道路轨迹进行筛选，获得与所述道路轨迹曲线相对应的有效道路轨迹曲线的步骤包括：
获取所述有效行驶轨迹曲线的曲率，计算所述有效行驶轨迹曲线的曲率与所述道路轨迹曲线的曲率之间的第三差值；
若所述第三差值小于所述预设阈值，则判定为所述道路轨迹曲线为有效道路轨迹曲线。
7.如权利要求1所述的行驶轨迹预测方法，其特征在于，所述根据所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线预测目标行驶轨迹曲线的步骤包括：
在第一预设距离内间隔第二预设距离，在所述有效目标轨迹曲线中提取第三采样点，在所述有效道路轨迹曲线中提取第四采样点和在所述行驶轨迹曲线中提取第五采样点，并根据所述第二预设距离分别计算所述第三采样点、第四采样点与所述第五采样点的纵坐标；
根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第三采样点、第四采样点和第五采样点的横坐标；
根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第一预设方差，对所述第三采样点、第四采样点和第五采样点进行融合，得到第一目标采样点；
获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线，其中，所述第三预设距离大于第一预设距离，所述第一预设距离大于第二预设距离。
8.如权利要求7所述的行驶轨迹预测方法，其特征在于，所述获取第三预设距离内的第二目标采样点，对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹曲线的步骤包括：
在第三预设距离内间隔第二预设距离在所述有效目标轨迹曲线中提取第六采样点，在所述有效道路轨迹曲线中提取第七采样点和在所述行驶轨迹曲线中提取第八采样点，并根据所述第二预设距离分别计算所述第六采样点、第七采样点与所述第八采样点的纵坐标；
根据所述纵坐标、所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别计算所述第六采样点、第七采样点和第八采样点的横坐标；
根据所述横坐标和所述有效目标轨迹曲线、所述有效道路轨迹曲线和所述行驶轨迹曲线分别对应的第二预设方差，对所述第六采样点、第七采样点和第八采样点进行融合，得到第二目标采样点；
对所述第一目标采样点和所述第二目标采样点进行拟合，得到目标行驶轨迹。
9.一种车辆，其特征在于，所述车辆包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的行驶轨迹预测程序，所述行驶轨迹预测程序被所述处理器执行时实现如权利要求1至8中任一项所述的行驶轨迹预测方法的步骤。
10.一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上存储有行驶轨迹预测程序，所述行驶轨迹预测程序被处理器执行时实现如权利要求1至8中任一项所述的行驶轨迹预测方法的步骤。
CN202210057612.9A 2022-01-18 2022-01-18 行驶轨迹预测方法、车辆及计算机可读存储介质 Active CN114475593B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210057612.9A CN114475593B (zh) 2022-01-18 2022-01-18 行驶轨迹预测方法、车辆及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210057612.9A CN114475593B (zh) 2022-01-18 2022-01-18 行驶轨迹预测方法、车辆及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN114475593A true CN114475593A (zh) 2022-05-13
CN114475593B CN114475593B (zh) 2023-12-19

Family

ID=81472162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210057612.9A Active CN114475593B (zh) 2022-01-18 2022-01-18 行驶轨迹预测方法、车辆及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN114475593B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115047439A (zh) * 2022-05-27 2022-09-13 中国第一汽车股份有限公司 基于车辆的检测系统的数据处理方法、装置和存储介质
CN116453346A (zh) * 2023-06-20 2023-07-18 山东高速信息集团有限公司 一种基于雷视融合布设的车路协同方法、设备及介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140032108A1 (en) * 2012-07-30 2014-01-30 GM Global Technology Operations LLC Anchor lane selection method using navigation input in road change scenarios
KR20150034400A (ko) * 2013-09-26 2015-04-03 현대모비스 주식회사 차선 유지 제어 장치 및 방법
JP2015138330A (ja) * 2014-01-21 2015-07-30 日産自動車株式会社 車速制御装置
KR101672133B1 (ko) * 2015-05-12 2016-11-16 한양대학교 산학협력단 차량 궤적 예측 장치 및 방법과, 이를 이용한 적응식 정속 주행 시스템
DE102015221612A1 (de) * 2015-11-04 2017-05-04 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Computer-lesbares Medium, Fahrerassistenzsystem und Fahrzeug umfassend das Fahrerassistenzsystem zum Berechnen einer Trajektorie zum Führen eines Fahrzeugs
US20170364083A1 (en) * 2016-06-21 2017-12-21 Baidu Online Network Technology (Beijing) Co., Ltd. Local trajectory planning method and apparatus for smart vehicles
CN108242145A (zh) * 2016-12-26 2018-07-03 高德软件有限公司 异常轨迹点检测方法和装置
CN109885066A (zh) * 2019-03-26 2019-06-14 北京经纬恒润科技有限公司 一种运动轨迹预测方法及装置
US20200156631A1 (en) * 2018-11-15 2020-05-21 Automotive Research & Testing Center Method for planning a trajectory for a self-driving vehicle
KR20200081524A (ko) * 2018-12-17 2020-07-08 현대자동차주식회사 차량 및 그 제어 방법
US20200341476A1 (en) * 2019-04-24 2020-10-29 Aptiv Technologies Limited System and method for trajectory estimation
CN113815608A (zh) * 2021-09-24 2021-12-21 上汽通用五菱汽车股份有限公司 车道保持方法、装置和计算机可读存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140032108A1 (en) * 2012-07-30 2014-01-30 GM Global Technology Operations LLC Anchor lane selection method using navigation input in road change scenarios
KR20150034400A (ko) * 2013-09-26 2015-04-03 현대모비스 주식회사 차선 유지 제어 장치 및 방법
JP2015138330A (ja) * 2014-01-21 2015-07-30 日産自動車株式会社 車速制御装置
KR101672133B1 (ko) * 2015-05-12 2016-11-16 한양대학교 산학협력단 차량 궤적 예측 장치 및 방법과, 이를 이용한 적응식 정속 주행 시스템
DE102015221612A1 (de) * 2015-11-04 2017-05-04 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Computer-lesbares Medium, Fahrerassistenzsystem und Fahrzeug umfassend das Fahrerassistenzsystem zum Berechnen einer Trajektorie zum Führen eines Fahrzeugs
US20170364083A1 (en) * 2016-06-21 2017-12-21 Baidu Online Network Technology (Beijing) Co., Ltd. Local trajectory planning method and apparatus for smart vehicles
CN108242145A (zh) * 2016-12-26 2018-07-03 高德软件有限公司 异常轨迹点检测方法和装置
US20200156631A1 (en) * 2018-11-15 2020-05-21 Automotive Research & Testing Center Method for planning a trajectory for a self-driving vehicle
KR20200081524A (ko) * 2018-12-17 2020-07-08 현대자동차주식회사 차량 및 그 제어 방법
CN109885066A (zh) * 2019-03-26 2019-06-14 北京经纬恒润科技有限公司 一种运动轨迹预测方法及装置
US20200341476A1 (en) * 2019-04-24 2020-10-29 Aptiv Technologies Limited System and method for trajectory estimation
CN113815608A (zh) * 2021-09-24 2021-12-21 上汽通用五菱汽车股份有限公司 车道保持方法、装置和计算机可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115047439A (zh) * 2022-05-27 2022-09-13 中国第一汽车股份有限公司 基于车辆的检测系统的数据处理方法、装置和存储介质
CN116453346A (zh) * 2023-06-20 2023-07-18 山东高速信息集团有限公司 一种基于雷视融合布设的车路协同方法、设备及介质
CN116453346B (zh) * 2023-06-20 2023-09-19 山东高速信息集团有限公司 一种基于雷视融合布设的车路协同方法、设备及介质

Also Published As

Publication number Publication date
CN114475593B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN110427850B (zh) 驾驶员高速道路换道意图预测方法、系统、装置
CN109927719B (zh) 一种基于障碍物轨迹预测的辅助驾驶方法和系统
US20220410939A1 (en) Collision detection method, electronic device, and medium
JP7266627B2 (ja) 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品
CN109871787B (zh) 一种障碍物检测方法及装置
CN114475593B (zh) 行驶轨迹预测方法、车辆及计算机可读存储介质
US9352746B2 (en) Lane relative position estimation method and system for driver assistance systems
CN110194162B (zh) 用于基于可用空间信号来检测靠近切入车辆的系统和方法
CN110304064B (zh) 一种车辆变道的控制方法及车辆控制系统、车辆
CN112257542B (zh) 障碍物感知方法、存储介质及电子设备
CN112109633A (zh) 车道偏离预警方法、装置、设备、车辆及存储介质
CN110341621B (zh) 一种障碍物检测方法及装置
CN111267860B (zh) 用于车辆的传感器融合目标预测装置和方法、以及车辆
CN111553605A (zh) 车辆变道风险评估方法、装置、设备及存储介质
CN112562406B (zh) 一种越线行驶的识别方法及装置
CN113112643A (zh) 预测轨迹的评价方法、装置以及电子设备和存储介质
CN111707258B (zh) 一种外部车辆监测方法、装置、设备及存储介质
CN109887321B (zh) 无人车变道安全判别方法、装置及存储介质
CN114475656B (zh) 行驶轨迹预测方法、装置、电子设备以及存储介质
CN113569800A (zh) 车道识别校验方法、装置、可读存储介质及电子设备
JP5682302B2 (ja) 走行道路推定装置、方法およびプログラム
CN112990117B (zh) 基于智能驾驶系统的安装数据处理方法及装置
US20220101025A1 (en) Temporary stop detection device, temporary stop detection system, and recording medium
CN115407329A (zh) 雷达补偿角度的更新方法、装置、设备、存储介质及车辆
CN117104222B (zh) 一种应用于车辆行驶区域的障碍物检测方法及装置

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