CN114620039A - 轨迹修正方法、设备、云控平台和自动驾驶车辆 - Google Patents

轨迹修正方法、设备、云控平台和自动驾驶车辆 Download PDF

Info

Publication number
CN114620039A
CN114620039A CN202210352782.XA CN202210352782A CN114620039A CN 114620039 A CN114620039 A CN 114620039A CN 202210352782 A CN202210352782 A CN 202210352782A CN 114620039 A CN114620039 A CN 114620039A
Authority
CN
China
Prior art keywords
obstacle
predicted
trajectory
historical
parameter
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.)
Pending
Application number
CN202210352782.XA
Other languages
English (en)
Inventor
郑欣悦
柳长春
孙灏
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Apollo Intelligent Technology Beijing 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 Apollo Intelligent Technology Beijing Co Ltd filed Critical Apollo Intelligent Technology Beijing Co Ltd
Priority to CN202210352782.XA priority Critical patent/CN114620039A/zh
Publication of CN114620039A publication Critical patent/CN114620039A/zh
Pending legal-status Critical Current

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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • 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
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • 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
    • B60W2552/50—Barriers
    • 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

Landscapes

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

Abstract

本公开提供了一种轨迹修正方法、设备、云控平台和自动驾驶车辆，涉及人工智能领域，尤其涉及自动驾驶和智能交通技术领域。具体实现方案包括：响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数；根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数；以及基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹，预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。

Description

轨迹修正方法、设备、云控平台和自动驾驶车辆
技术领域
本公开涉及人工智能领域，尤其涉及自动驾驶和智能交通技术领域，可应用于轨迹修正等场景。
背景技术
在自动驾驶领域中，障碍物轨迹预测可以为驾驶辅助控制提供有效的决策支持。但是，在一些场景下，轨迹预测过程存在数据利用率低、预测精度不佳的现象。
发明内容
本公开提供了一种轨迹修正方法、设备、云控平台和自动驾驶车辆。
根据本公开的一方面，提供了一种轨迹修正方法，包括：响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数；根据所述预测障碍物状态和针对所述目标时间段的预测障碍物轨迹，确定轨迹修正参数；以及基于所述轨迹修正参数，对所述预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹，其中，所述预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，所述M个历史时刻包括所述N个历史时刻中与所述目标时间段相邻的至少一个历史时刻。
根据本公开的另一方面，提供了一种轨迹修正装置，包括：第一处理模块，用于响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数；第二处理模块，用于根据所述预测障碍物状态和针对所述目标时间段的预测障碍物轨迹，确定轨迹修正参数；以及第三处理模块，用于基于所述轨迹修正参数，对所述预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹，其中，所述预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，所述M个历史时刻包括所述N个历史时刻中与所述目标时间段相邻的至少一个历史时刻。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方面的轨迹修正方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述方面的轨迹修正方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述方面的轨迹修正方法。
根据本公开的另一方面，提供了一种云控平台，包括上述方面的电子设备。
根据本公开的另一方面，提供了一种自动驾驶车辆，包括上述方面的电子设备。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1示意性示出了根据本公开一实施例的轨迹修正方法和装置的系统架构；
图2示意性示出了根据本公开一实施例的轨迹修正方法的流程图；
图3示意性示出了根据本公开另一实施例的轨迹修正方法的流程图；
图4示意性示出了根据本公开一实施例的轨迹修正过程的示意图；
图5示意性示出了根据本公开一实施例的轨迹修正装置的框图；
图6示意性示出了根据本公开实施例的用于执行轨迹修正电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开实施例所提供了一种轨迹修正方法。轨迹修正方法包括：响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数，根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数，以及基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。
图1示意性示出了根据本公开一实施例的轨迹修正方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
根据该实施例的系统架构100可以包括多个障碍物(如图1所示，例如包括障碍物101、102、103)、网络104和服务器105。网络104用于在障碍物和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。服务器105可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式系统，还可以是提供云服务、云计算、网络服务、中间件服务等基础云计算服务的云服务器。障碍物可以是目标车辆周围的其他车辆，例如可以是目标车辆获取环境数据时所覆盖范围内的其他车辆。
针对障碍物101、102、103中的任意障碍物，服务器105可以根据基于M个历史时刻的障碍物状态数据，确定与对应障碍物关联的针对目标时间段的预测障碍物状态，M为大于0的整数，根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数，以及基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。
在一种示例中，自动驾驶车辆包括电子设备，电子设备包括但不限于车机系统，电子设备可以执行本公开实施例的轨迹修正方法。示例性地，自动驾驶车辆的车机系统可以具有数据处理功能，车机系统可以基于障碍物状态数据进行运算，得到修正后的目标障碍物轨迹。
在另一示例中，云控平台包括电子设备，电子设备可以执行本公开实施例的轨迹修正方法。
应该理解，图1中的障碍物、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的障碍物、网络和服务器。
需要说明的是，本公开实施例所提供的轨迹修正方法可以由服务器105或自动驾驶车辆执行。相应地，本公开实施例所提供的轨迹修正装置可以设置于服务器105或自动驾驶车辆中。本公开实施例所提供的轨迹修正方法也可以由不同于服务器105且能够与自动驾驶车辆和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的轨迹修正装置也可以设置于不同于服务器105且能够与自动驾驶车辆和/或服务器105通信的服务器或服务器集群中。
应注意，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
本公开实施例提供了一种轨迹修正方法，下面结合图1的系统架构，参考图2～图4来描述根据本公开示例性实施方式的轨迹修正方法。本公开实施例的轨迹修正方法例如可以由图1所示的服务器105来执行。
图2示意性示出了根据本公开一实施例的轨迹修正方法的流程图。
如图2所示，本公开实施例的轨迹修正方法200例如可以包括操作S210～操作S230。
在操作S210，响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数。
在操作S220，根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数。
在操作S230，基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。
预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。
下面示例说明本实施例的轨迹修正方法的各操作的示例流程。
示例性地，响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数。障碍物可以是目标车辆周围的其他车辆，例如可以是目标车辆获取环境数据时所覆盖范围内的其他车辆，其他车辆可被认为是目标车辆的行驶环境中的动态障碍物。
障碍物状态数据例如可以包括障碍物运动参数、车辆控制参数、障碍物位置参数、障碍物属性参数和行驶车道参数等。根据基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态。M个历史时刻可以是与目标时间段相邻的至少一个历史时刻。预测障碍物状态例如可以包括以下行驶参数中的至少之一：障碍物行驶速度、障碍物行驶加速度和障碍物行驶转向角。
示例性地，障碍物运动参数可以包括障碍物速度参数、障碍物加速度参数、障碍物转向角参数等内容。车辆控制参数可以指示障碍物的控制状态，例如可以指示障碍物的制动状态、转向灯状态、转向电机转矩等信息。障碍物位置参数可以指示障碍物的位置坐标，例如可以指示障碍物的经纬度坐标，经纬度坐标可以与高精度地图中的地图元素相对应。障碍物属性参数例如可以指示障碍物类型、障碍物宽度、障碍物长度等信息。行驶车道参数例如可以指示车道宽度、车道线斜率、障碍物与车道线的横向距离等信息。
根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数。预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。
目标时间段可以包括以当前时刻为起始时刻的至少一个目标时刻，N个历史时刻可以包括以当前时刻为终止时刻的至少一个历史时刻。M个历史时刻可以包括N个历史时刻中与当前时刻最邻近的部分历史时刻。
一种示例方式，在根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数时，可以根据预测障碍物状态，确定基于目标时间段内的至少一个目标时刻的参考障碍物位置，以及根据参考障碍物位置和由预测障碍物轨迹指示的基于至少一个目标时刻的预测障碍物位置，确定轨迹修正参数。
基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。示例性地，根据轨迹修正参数，对基于至少一个目标时刻的预测障碍物位置进行修正，得到修正后的目标障碍物轨迹。基于修正后的目标障碍物轨迹，生成车辆控制指令，以及向车辆控制端发送车辆控制指令，以便基于车辆控制指令控制车辆行驶，可以有效改善车辆控制精度，和有效保证自动驾驶车辆的安全行驶。
通过本公开实施例，响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数，根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数，以及基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。
基于与目标时间段相邻的至少一个历史时刻的障碍物状态数据，确定与目标时间段关联的预测障碍物状态，以及基于预测障碍物状态和预先确定的预测障碍物轨迹，确定轨迹修正参数。通过提升障碍物状态数据的利用率，可以有效改善障碍物轨迹预测的准确性，能够有效提升自动驾驶控制的精确程度，可以为驾驶辅助控制提供可信的决策支持，有利于保证自动驾驶车辆的安全行驶。
图3示意性示出了根据本公开另一实施例的轨迹修正方法的流程图。
如图3所示，本公开实施例的轨迹修正方法300例如可以包括操作S210、S310和S230。
在操作S210，响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数。
在操作S310，根据预测障碍物状态，确定基于目标时间段内的至少一个目标时刻的参考障碍物位置，以及根据参考障碍物位置和由预测障碍物轨迹指示的基于至少一个目标时刻的预测障碍物位置，确定轨迹修正参数。
在操作S230，基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。
预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。
下面示例说明本实施例的轨迹修正方法的各操作的示例流程。
示例性地，根据基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态。M个历史时刻包括与目标时间段相邻的至少一个历史时刻，例如包括与目标时间段的起始时刻最邻近的至少一个历史时刻。目标时间段的起始时刻可以是当前时刻。
一种示例方式，障碍物状态数据包括障碍物运动参数和/或车辆控制参数。可以根据基于M个历史时刻的障碍物运动参数和/或车辆控制参数，确定针对目标时间段的以下行驶参数中的至少之一，以作为预测障碍物状态：障碍物行驶速度、障碍物行驶加速度和障碍物行驶转向角。
基于M个历史时刻的障碍物运动参数和/或车辆控制参数，确定针对目标时间段的预测运动状态，通过有效提升障碍物状态数据的利用率，有利于保证障碍物轨迹预测的实时性和准确性，有利于为自动驾驶控制提供可靠的数据支持。
在基于M个历史时刻的障碍物运动参数和/或车辆控制参数满足预设条件的情况下，确定障碍物的预测运动状态为指定运动状态。基于指定运动状态，确定针对目标时间段的预测行驶参数，以作为预测障碍物状态。障碍物运动参数例如可以包括障碍物速度参数、障碍物加速度参数、障碍物转向角参数等。车辆控制参数可以指示障碍物的控制状态，例如可以指示障碍物的制动状态、转向灯状态、转向电机转矩等信息。
示例性地，在基于M个历史时刻的障碍物速度大于预设速度阈值、障碍物加速度大于零、障碍物转向角与车道线的夹角小于预设角度阈值、障碍物与路口的距离小于预设距离阈值的情况下，确定障碍物的预测运动状态为直线运动状态。基于直线运动状态，确定障碍物针对目标时间段内的任一目标时刻的横向行驶速度保持不变，纵向行驶速度为根据当前时刻的障碍物行驶速度和障碍物行驶加速度决定。可以理解的是，纵向可以是障碍物行驶方向，横向可以是与障碍物行驶方向垂直的方向。
再示例性地，在基于M个历史时刻中的至少部分时刻的障碍物加速度小于零或者障碍物刹车灯亮起的情况下，确定障碍物的预测运动状态为减速运动状态。基于减速运动状态，确定障碍物针对目标时间段内的任一目标时刻的障碍物行驶速度，以作为预测障碍物状态。
基于直线运动状态或减速运动状态，确定基于目标时间段内的至少一个目标时刻的参考障碍物位置。根据参考障碍物位置和由预测障碍物轨迹指示的基于至少一个目标时刻的预测障碍物位置，确定轨迹修正参数。
在障碍物的预测运动状态为直线运动状态的情况下，障碍物横向位置保持不变，障碍物纵向位置由障碍物行驶速度和障碍物行驶加速度决定。例如，假设当前时刻的障碍物位置为y(t0)、障碍物行驶速度为v(t0)、障碍物行驶加速度为a，可以利用式(1)计算任意目标时刻(t0+T)的障碍物纵向位置y(t0+T)，以作为参考障碍物位置：
y(t0+T)＝y(t0)+v(t0)*T+1/2*a*T2 (1)
在障碍物的预测运动状态为减速运动状态的情况下，例如，假设当前时刻的障碍物位置为y(t0)、障碍物行驶速度为v(t0)、障碍物行驶加速度为a。可以利用式(2)计算针对第一目标时刻(t0+T1)的障碍物行驶速度v(t0+T1)，可以利用式(3)计算针对第一目标时刻(t0+T1)的参考障碍物位置y(t0+T1)：
v(t0+T1)＝v(t0)+a*T1 (2)
y(t0+T1)＝y(t0)+v(t0)*T1+1/2*a*T1 2 (3)
可以利用式(4)计算针对第二目标时刻(t0+T1+T2)的障碍物行驶速度v(t0+T1+T2)，可以利用式(5)计算针对第二目标时刻(t0+T1+T2)的参考障碍物位置y(t0+T1+T2)
v(t0+T1+T2)＝v(t0+T1) (4)
y(t0+T1+T2)＝y(t0+T1)+v(t0+T1)T2 (5)
针对任意目标时刻，在参考障碍物位置和由预测障碍物轨迹指示的预测障碍物位置之间的差异程度大于预设阈值的情况下，确定在与当前时刻相邻的至少部分历史时刻的障碍物状态可能发生变化。根据基于N个历史时刻的障碍物状态数据得出的预测障碍物位置可能存在偏差，可以利用参考障碍物位置对预测障碍物位置进行修正。
根据参考障碍物位置和由预测障碍物轨迹指示的基于至少一个目标时刻的预测障碍物位置，确定轨迹修正参数。针对任意目标时刻，可以在参考障碍物位置与预测障碍物位置的差异程度大于预设阈值的情况下，将参考障碍物位置作为轨迹修正参数，以便利用参考障碍物位置替换预测障碍物位置。此外，也可以根据针对至少一个目标时刻的参考障碍物位置与预测障碍物位置，确定与对应目标时刻关联的加权障碍物位置，将加权障碍物位置作为轨迹修正参数，以便利用加权障碍物位置替换预测障碍物位置。
示例性地，根据基于预设目标时刻的参考障碍物位置，确定障碍物与目标车辆之间的参考距离。根据基于相同目标时刻的预测障碍物位置，确定障碍物与目标车辆之间的预测距离。在障碍物与目标车辆之间的当前距离小于预设距离阈值(例如，障碍物与目标车辆之间的当前距离小于30米)、障碍物与目标车辆之间的基于预设目标时刻的预测距离大于参考距离并且预测距离与参考距离之间的差值大于预设差值阈值的情况下，确定在与当前时刻相邻的至少部分历史时刻的障碍物状态可能发生变化，以及确定障碍物在与当前时刻相邻的至少部分历史时刻具有减速意图。因此，可以将参考障碍物位置作为轨迹修正参数，利用参考障碍物位置替换预测障碍物位置，以实现修正障碍物预测轨迹，得到修正后的目标障碍物轨迹。
另一示例方式，障碍物状态数据包括障碍物位置参数。在根据基于M个历史时刻的障碍物状态数据，确定预测障碍物状态时，可以根据由障碍物位置参数指示的经纬度坐标，确定障碍物行驶场景。根据障碍物行驶场景的场景类型和/或障碍物位置参数，确定与障碍物行驶场景关联的行驶参数阈值。根据行驶参数阈值，确定针对目标时间段的预测障碍物状态。
根据障碍物行驶场景的场景类型和/或障碍物位置参数，确定针对目标时间段的预测障碍物状态，能够有效提升障碍物轨迹预测的准确程度，有利于保证自动驾驶控制的安全性和可靠性。
示例性地，可以根据由障碍物位置参数指示的经纬度坐标，确定与经纬度坐标对应的高精地图元素。根据高精地图元素，确定与目标时间段关联的障碍物行驶场景。障碍物行驶场景的场景类型例如可以包括交通路口场景和限速路段场景。可以根据障碍物行驶场景的场景类型和/或障碍物位置参数，确定与障碍物行驶场景关联的行驶参数阈值。行驶参数阈值例如可以包括行驶速度阈值和行驶加速度阈值。根据行驶参数阈值，确定针对目标时间段内的至少一个目标时刻的预测障碍物状态。
在障碍物行驶场景为交通路口场景的情况下，可以获取交通路口场景下的红绿灯状态信息。根据红绿灯状态信息，确定交通信号灯由绿灯变为红灯时所需的目标时长。根据目标时长、交通路口停止线、当前时刻障碍物行驶速度和由障碍物位置参数指示的当前时刻障碍物位置，确定障碍物的行驶加速度阈值，以作为预测障碍物状态。行驶加速度阈值可以有效保证障碍物在目标时长范围内由当前时刻障碍物位置驶停至交通路口停止线。
示例性地，可以根据行驶加速度阈值，确定基于目标时间段内的至少一个目标时刻的参考障碍物位置。根据参考障碍物位置和由预测障碍物轨迹指示的基于至少一个目标时刻的预测障碍物位置，确定轨迹修正参数。例如，针对任意目标时刻，在预测障碍物位置与参考障碍物位置之间的差异程度大于预设阈值，并且由预测障碍物位置指示的行驶加速度小于行驶加速度阈值的情况下，将参考障碍物位置作为轨迹修正参数，以便利用参考障碍物位置替换预测障碍物位置。
在障碍物行驶场景为限速路段的情况下，可以将限速路段所限定的速度作为行驶速度阈值，以得到预测障碍物状态。根据行驶速度阈值和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数。
示例性地，可以根据行驶速度阈值，确定基于目标时间段内的至少一个目标时刻的参考障碍物位置。根据参考障碍物位置和由预测障碍物轨迹指示的基于至少一个目标时刻的预测障碍物位置，确定轨迹修正参数。例如，针对任意目标时刻，在预测障碍物位置与参考障碍物位置之间的差异程度大于预设阈值，并且由预测障碍物位置指示的行驶速度大于行驶速度阈值的情况下，将参考障碍物位置作为轨迹修正参数，以便利用参考障碍物位置替换预测障碍物位置。
另一示例方式，障碍物状态数据包括障碍物属性参数、障碍物运动参数和行驶车道参数。在根据基于M个历史时刻的障碍物状态数据，确定预测障碍物状态时，可以根据基于M个历史时刻的障碍物属性参数、障碍物运动参数和行驶车道参数，确定针对目标时间段的障碍物转向评估值，以及根据障碍物运动参数和障碍物转向评估值，确定预测障碍物状态。
通过确定针对目标时间段的障碍物转向评估值，确定预测障碍物状态，有利于实现可靠、有效的障碍物轨迹预测，能够为驾驶辅助控制提供可信的决策支持。
障碍物属性参数例如可以指示障碍物类型、障碍物宽度、障碍物长度等信息。行驶车道参数例如可以指示车道宽度、车道线斜率、障碍物与车道线的横向距离等信息。示例性地，可以根据基于M个历史时刻的障碍物属性参数、障碍物运动参数和行驶车道参数，确定距离参考评估值和转向角参考评估值。基于距离参考评估值和转向角参考评估值，确定针对目标时间段的障碍物转向评估值。
例如，可以利用式(6)计算当前时刻的距离参考评估值g1(t0)
g1(t0)＝sigmoid[D/2-distance] (6)
Sigmoid函数可以将数据映射至[-1，1]区间内，D表示车道宽度，distance表示车头与车道线的横向距离。可以利用式(7)计算distance，
distance＝||d|-|L/2*sin(θ)|| (7)
d表示障碍物中心点与车道线的横向距离，L表示障碍物长度，θ表示障碍物转向角与车道线角度之间的差值，车道线角度可以根据车道线斜率确定。
可以利用式(8)计算当前时刻的转向角参考评估值g2(t0)
g2(t0)＝flags*(|θ|+|speed*sin(θ)|) (8)
θ表示障碍物转向角与车道线角度之间的差值，speed表示当前时刻的障碍物行驶速度，flags为标记值，用于标记障碍物转角方向是否朝向车道内侧。在障碍物转角方向朝向车道内侧的情况下，flags的取值可以是1。在障碍物转角方向朝向车道外侧的情况下，flags的取值可以是-1。
可以利用式(9)计算针对目标时间段的障碍物转向评估值
G＝x1*g1(t0)+x2*g2(t0) (9)
G表示针对目标时间段的障碍物转向评估值，x1、x2分别表示与距离参考评估值g1(t0)、转向角参考评估值g2(t0)对应的预设权重。
在障碍物转向评估值小于预设评估阈值的情况下，确定障碍物可能沿当前车道继续前进。在障碍物转向评估值大于等于评估阈值的情况下，确定障碍物可能沿障碍物转角方向切换车道。根据障碍物运动参数和针对目标时间段的障碍物转向评估值，确定预测障碍物状态。
另一示例方式，障碍物状态数据可以包括多个障碍物的历史状态数据。在根据基于M个历史时刻的障碍物状态数据，确定预测障碍物状态时，可以根据基于M个历史时刻的多个障碍物的历史状态数据，确定与多个障碍物中的每个障碍物关联的历史运动特征。根据与每个障碍物关联的历史运动特征，确定多个障碍物之间的时空交互特征。针对多个障碍物中的目标障碍物，根据时空交互特征和与目标障碍物关联的历史运动特征，确定预测障碍物状态。
根据多个障碍物之间的时空交互特征，确定针对目标时间段的预测障碍物状态，通过考虑不同障碍物之间的作用关系和交互程度，可以有效保证障碍物轨迹预测的准确性。
示例性地，可以利用经训练的轨迹预测模型中的特征提取子网络，根据基于M个历史时刻的多个障碍物的历史状态数据，确定与多个障碍物中的每个障碍物关联的历史运动特征。利用轨迹预测模型中的注意力子网络，根据与每个障碍物关联的历史运动特征，确定多个障碍物之间的空间交互特征。利用轨迹预测模型中的循环神经子网络，根据多个障碍物之间的空间交互特征，得到多个障碍物之间的时空交互特征。轨迹预测模型例如可以是基于注意力机制的交互预测网络模型(Interaction Prediction Network)。
根据时空交互特征和与目标障碍物关联的历史运动特征，确定与目标障碍物关联的针对目标时间段的预测运动状态。例如，对时空交互特征和与目标障碍物关联的历史运动特征进行编码及解码处理，得到针对目标障碍物的预测运动状态。
根据预测运动状态，确定基于目标时间段内的至少一个目标时刻的参考障碍物位置。根据参考障碍物位置和由预测障碍物轨迹指示的基于至少一个目标时刻的预测障碍物位置，确定轨迹修正参数。基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。
示例性地，可以利用经训练的轨迹预测模型，根据基于N个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物轨迹。基于N个历史时刻的障碍物状态数据可以是用于障碍物轨迹预测的高维特征数据，高维特征数据例如可以包括障碍物属性参数、障碍物运动参数、行驶车道参数、多障碍物交互特征参数、障碍物空间交互特征参数等。
在根据基于N个历史时刻的高维特征数据，进行针对目标时间段的障碍物轨迹预测时，目标时间段可以包括以当前时刻为起始时刻的至少一个目标时刻，N个历史时刻可以包括以当前时刻为终止时刻的至少一个历史时刻。在根据基于N个历史时刻的高维特征数据，进行障碍物轨迹预测时，轨迹预测模型可能难以捕捉短时间内的障碍物状态变化信息，由轨迹预测模型输出的预测障碍物轨迹可能与障碍物实际轨迹存在偏差。
例如，当障碍物状态数据在与当前时刻相邻的m个历史时刻发生变化时，轨迹预测模型可能难以捕捉m个历史时刻的障碍物状态变化信息，m为小于N的正整数。因此，可以根据N个历史时刻中与当前时刻最邻近的部分历史时刻的障碍物状态数据，进行障碍物轨迹修正。
根据基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，以及根据预测障碍物状态，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹，M个历史时刻为N个历史时刻中与当前时刻最邻近的部分历史时刻。根据基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，可以有效提升障碍物状态数据的利用率，能够有效捕捉和利用短时间内的障碍物运动变化信息，有利于改善障碍物轨迹预测的精确程度，可以实现更精细化的自动驾驶控制，有利于保证自动驾驶车辆的安全行驶。
图4示意性示出了根据本公开一实施例的轨迹修正过程的示意图。
如图4所示，在轨迹修正过程400中，根据基于M个历史时刻的障碍物状态数据430，确定针对目标时间段的预测障碍物状态440。根据预测障碍物状态440和针对目标时间段的预测障碍物轨迹420，确定修正轨迹参数450。
预测障碍物轨迹420为基于N个历史时刻的障碍物状态数据410得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。基于轨迹修正参数450，对预测障碍物轨迹420进行修正，得到修正后的目标障碍物轨迹460。
根据与目标时间段相邻的部分历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态。利用预测障碍物状态，对预先确定的预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。有利于实现可靠、有效的障碍物轨迹预测，可以有效提升障碍物轨迹预测精度，能够为驾驶辅助控制提供可信的决策支持，有利于实现安全可靠的自动驾驶控制。
图5示意性示出了根据本公开一实施例的轨迹修正装置的框图。
如图5所示，本公开实施例的轨迹修正装置500例如包括第一处理模块510、第二处理模块520和第三处理模块530。
第一处理模块510，用于响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数；第二处理模块520，用于根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数；以及第三处理模块530，用于基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。
通过本公开实施例，响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数，根据预测障碍物状态和针对目标时间段的预测障碍物轨迹，确定轨迹修正参数，以及基于轨迹修正参数，对预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹。预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，M个历史时刻包括N个历史时刻中与目标时间段相邻的至少一个历史时刻。
基于与目标时间段相邻的至少一个历史时刻的障碍物状态数据，确定与目标时间段关联的预测障碍物状态，以及基于预测障碍物状态和预先确定的预测障碍物轨迹，确定轨迹修正参数。通过提升障碍物状态数据的利用率，可以有效改善障碍物轨迹预测的准确性，能够有效提升自动驾驶控制的精确程度，可以为驾驶辅助控制提供可信的决策支持，有利于保证自动驾驶车辆的安全行驶。
根据本公开的实施例，障碍物状态数据包括障碍物运动参数和/或车辆控制参数；第一处理模块包括：第一处理子模块，用于根据基于M个历史时刻的障碍物运动参数和/或车辆控制参数，确定针对目标时间段的以下行驶参数中的至少之一，以作为预测障碍物状态：障碍物行驶速度、障碍物行驶加速度和障碍物行驶转向角。
根据本公开的实施例，障碍物状态数据包括障碍物位置参数；第一处理模块包括：第二处理子模块，用于根据由障碍物位置参数指示的经纬度坐标，确定障碍物行驶场景；第三处理子模块，用于根据障碍物行驶场景的场景类型和/或障碍物位置参数，确定与障碍物行驶场景关联的行驶参数阈值；以及第四处理子模块，用于根据行驶参数阈值，确定针对目标时间段的预测障碍物状态。
根据本公开的实施例，障碍物状态数据包括障碍物属性参数、障碍物运动参数和行驶车道参数；第一处理模块包括：第五处理子模块，用于根据基于M个历史时刻的障碍物属性参数、障碍物运动参数和行驶车道参数，确定针对目标时间段的障碍物转向评估值；以及第六处理子模块，用于根据障碍物运动参数和障碍物转向评估值，确定预测障碍物状态。
根据本公开的实施例，障碍物状态数据包括多个障碍物的历史状态数据；第一处理模块包括：第七处理子模块，用于根据基于M个历史时刻的多个障碍物的历史状态数据，确定与多个障碍物中的每个障碍物关联的历史运动特征；第八处理子模块，用于根据与每个障碍物关联的历史运动特征，确定多个障碍物之间的时空交互特征；以及第九处理子模块，用于针对多个障碍物中的目标障碍物，根据时空交互特征和与目标障碍物关联的历史运动特征，确定预测障碍物状态。
根据本公开的实施例，第二处理模块包括：第十处理子模块，用于根据预测障碍物状态，确定基于目标时间段内的至少一个目标时刻的参考障碍物位置；以及第十一处理子模块，用于根据参考障碍物位置和由预测障碍物轨迹指示的基于至少一个目标时刻的预测障碍物位置，确定轨迹修正参数。
根据本公开的实施例，第十一处理子模块包括：第一处理单元，用于针对任意目标时刻，在参考障碍物位置与预测障碍物位置之间的差异程度大于预设阈值的情况下，将参考障碍物位置作为轨迹修正参数；或者第二处理单元，用于针对任意目标时刻，根据参考障碍物位置和预测障碍物位置，确定基于对应目标时刻的加权障碍物位置，以作为轨迹修正参数。
根据本公开的实施例，第三处理模块包括第十二处理子模块，用于利用轨迹修正参数，替换预测障碍物轨迹中基于对应目标时刻的预测障碍物位置，得到修正后的目标障碍物轨迹。
根据本公开的实施例，本装置还包括第四处理模块，用于基于目标障碍物轨迹，生成车辆控制指令；以及向车辆控制端发送车辆控制指令，以便基于车辆控制指令控制车辆行驶。
应该注意的是，本公开的技术方案中，所涉及的信息收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，提供了一种电子设备，包括：至少一个处理器和与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的轨迹修正方法。
根据本公开的实施例，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行上述的轨迹修正方法。
根据本公开的实施例，提供了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述的轨迹修正方法。
根据本公开的实施例，还提供了一种云控平台，云控平台例如包括上述的电子设备。
根据本公开的实施例，还提供了一种自动驾驶车辆，自动驾驶车辆例如包括电子设备，电子设备包括至少一个处理器和与至少一个处理器通信连接的存储器。存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行以使至少一个处理器能够执行上述的模型训练方法，或者执行上述的轨迹预测方法。示例性地，本公开实施例的电子设备例如与图6所示的电子设备类似。
图6示意性示出了根据本公开实施例的用于执行轨迹修正方法的电子设备的框图。
图6示出了可以用来实施本公开实施例的示例电子设备600的示意性框图。电子设备600旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行深度学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如轨迹修正方法。例如，在一些实施例中，轨迹修正方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的轨迹修正方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行轨迹修正方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程轨迹修正装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与对象的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向对象显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，对象可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与对象的交互；例如，提供给对象的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自对象的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形对象界面或者网络浏览器的对象计算机，对象可以通过该图形对象界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (23)

1.一种轨迹修正方法，包括：
响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数；
根据所述预测障碍物状态和针对所述目标时间段的预测障碍物轨迹，确定轨迹修正参数；以及
基于所述轨迹修正参数，对所述预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹，
其中，所述预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，所述M个历史时刻包括所述N个历史时刻中与所述目标时间段相邻的至少一个历史时刻。
2.根据权利要求1所述的方法，其中，
所述障碍物状态数据包括障碍物运动参数和/或车辆控制参数；
所述响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，包括：
根据基于所述M个历史时刻的所述障碍物运动参数和/或所述车辆控制参数，确定针对所述目标时间段的以下行驶参数中的至少之一，以作为所述预测障碍物状态：
障碍物行驶速度、障碍物行驶加速度和障碍物行驶转向角。
3.根据权利要求1所述的方法，其中，
所述障碍物状态数据包括障碍物位置参数；
所述响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，包括：
根据由所述障碍物位置参数指示的经纬度坐标，确定障碍物行驶场景；
根据所述障碍物行驶场景的场景类型和/或所述障碍物位置参数，确定与所述障碍物行驶场景关联的行驶参数阈值；以及
根据所述行驶参数阈值，确定针对所述目标时间段的预测障碍物状态。
4.根据权利要求1所述的方法，其中，
所述障碍物状态数据包括障碍物属性参数、障碍物运动参数和行驶车道参数；
所述响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，包括：
根据基于所述M个历史时刻的所述障碍物属性参数、所述障碍物运动参数和所述行驶车道参数，确定针对所述目标时间段的障碍物转向评估值；以及
根据所述障碍物运动参数和所述障碍物转向评估值，确定所述预测障碍物状态。
5.根据权利要求1所述的方法，其中，
所述障碍物状态数据包括多个障碍物的历史状态数据；
所述响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，包括：
根据基于所述M个历史时刻的所述多个障碍物的历史状态数据，确定与所述多个障碍物中的每个障碍物关联的历史运动特征；
根据与所述每个障碍物关联的历史运动特征，确定所述多个障碍物之间的时空交互特征；以及
针对所述多个障碍物中的目标障碍物，根据所述时空交互特征和与所述目标障碍物关联的历史运动特征，确定所述预测障碍物状态。
6.根据权利要求1至5中任一项所述的方法，其中，所述根据所述预测障碍物状态和针对所述目标时间段的预测障碍物轨迹，确定轨迹修正参数，包括：
根据所述预测障碍物状态，确定基于所述目标时间段内的至少一个目标时刻的参考障碍物位置；以及
根据所述参考障碍物位置和由所述预测障碍物轨迹指示的基于所述至少一个目标时刻的预测障碍物位置，确定所述轨迹修正参数。
7.根据权利要求6所述的方法，其中，所述根据所述参考障碍物位置和由所述预测障碍物轨迹指示的基于所述至少一个目标时刻的预测障碍物位置，确定所述轨迹修正参数，包括：
针对任意目标时刻，在所述参考障碍物位置与所述预测障碍物位置之间的差异程度大于预设阈值的情况下，将所述参考障碍物位置作为所述轨迹修正参数；或者
针对任意目标时刻，根据所述参考障碍物位置和所述预测障碍物位置，确定基于对应目标时刻的加权障碍物位置，以作为所述轨迹修正参数。
8.根据权利要求7所述的方法，其中，所述基于所述轨迹修正参数，对所述预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹，包括
利用所述轨迹修正参数，替换所述预测障碍物轨迹中基于对应目标时刻的预测障碍物位置，得到所述修正后的目标障碍物轨迹。
9.根据权利要求1所述的方法，还包括：
基于所述目标障碍物轨迹，生成车辆控制指令；以及
向车辆控制端发送所述车辆控制指令，以便基于所述车辆控制指令控制车辆行驶。
10.一种轨迹修正装置，包括：
第一处理模块，用于响应于基于M个历史时刻的障碍物状态数据，确定针对目标时间段的预测障碍物状态，M为大于0的整数；
第二处理模块，用于根据所述预测障碍物状态和针对所述目标时间段的预测障碍物轨迹，确定轨迹修正参数；以及
第三处理模块，用于基于所述轨迹修正参数，对所述预测障碍物轨迹进行修正，得到修正后的目标障碍物轨迹，
其中，所述预测障碍物轨迹为基于N个历史时刻的障碍物状态数据得到，N为大于M的整数，所述M个历史时刻包括所述N个历史时刻中与所述目标时间段相邻的至少一个历史时刻。
11.根据权利要求10所述的装置，其中，所述障碍物状态数据包括障碍物运动参数和/或车辆控制参数；所述第一处理模块包括：
第一处理子模块，用于根据基于所述M个历史时刻的所述障碍物运动参数和/或所述车辆控制参数，确定针对所述目标时间段的以下行驶参数中的至少之一，以作为所述预测障碍物状态：
障碍物行驶速度、障碍物行驶加速度和障碍物行驶转向角。
12.根据权利要求10所述的装置，其中，所述障碍物状态数据包括障碍物位置参数；所述第一处理模块包括：
第二处理子模块，用于根据由所述障碍物位置参数指示的经纬度坐标，确定障碍物行驶场景；
第三处理子模块，用于根据所述障碍物行驶场景的场景类型和/或所述障碍物位置参数，确定与所述障碍物行驶场景关联的行驶参数阈值；以及
第四处理子模块，用于根据所述行驶参数阈值，确定针对所述目标时间段的预测障碍物状态。
13.根据权利要求10所述的装置，其中，所述障碍物状态数据包括障碍物属性参数、障碍物运动参数和行驶车道参数；所述第一处理模块包括：
第五处理子模块，用于根据基于所述M个历史时刻的所述障碍物属性参数、所述障碍物运动参数和所述行驶车道参数，确定针对所述目标时间段的障碍物转向评估值；以及
第六处理子模块，用于根据所述障碍物运动参数和所述障碍物转向评估值，确定所述预测障碍物状态。
14.根据权利要求10所述的装置，其中，所述障碍物状态数据包括多个障碍物的历史状态数据；所述第一处理模块包括：
第七处理子模块，用于根据基于所述M个历史时刻的所述多个障碍物的历史状态数据，确定与所述多个障碍物中的每个障碍物关联的历史运动特征；
第八处理子模块，用于根据与所述每个障碍物关联的历史运动特征，确定所述多个障碍物之间的时空交互特征；以及
第九处理子模块，用于针对所述多个障碍物中的目标障碍物，根据所述时空交互特征和与所述目标障碍物关联的历史运动特征，确定所述预测障碍物状态。
15.根据权利要求10至14中任一项所述的装置，其中，所述第二处理模块包括：
第十处理子模块，用于根据所述预测障碍物状态，确定基于所述目标时间段内的至少一个目标时刻的参考障碍物位置；以及
第十一处理子模块，用于根据所述参考障碍物位置和由所述预测障碍物轨迹指示的基于所述至少一个目标时刻的预测障碍物位置，确定所述轨迹修正参数。
16.根据权利要求15所述的装置，其中，所述第十一处理子模块包括：
第一处理单元，用于针对任意目标时刻，在所述参考障碍物位置与所述预测障碍物位置之间的差异程度大于预设阈值的情况下，将所述参考障碍物位置作为所述轨迹修正参数；或者
第二处理单元，用于针对任意目标时刻，根据所述参考障碍物位置和所述预测障碍物位置，确定基于对应目标时刻的加权障碍物位置，以作为所述轨迹修正参数。
17.根据权利要求16所述的装置，其中，所述第三处理模块包括
第十二处理子模块，用于利用所述轨迹修正参数，替换所述预测障碍物轨迹中基于对应目标时刻的预测障碍物位置，得到所述修正后的目标障碍物轨迹。
18.根据权利要求10所述的装置，还包括第四处理模块，用于：
基于所述目标障碍物轨迹，生成车辆控制指令；以及
向车辆控制端发送所述车辆控制指令，以便基于所述车辆控制指令控制车辆行驶。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1至9中任一项所述的方法。
21.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现根据权利要求1至9中任一项所述方法的步骤。
22.一种云控平台，包括根据权利要求19所述的电子设备。
23.一种自动驾驶车辆，包括根据权利要求19所述的电子设备。
CN202210352782.XA 2022-03-31 2022-03-31 轨迹修正方法、设备、云控平台和自动驾驶车辆 Pending CN114620039A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210352782.XA CN114620039A (zh) 2022-03-31 2022-03-31 轨迹修正方法、设备、云控平台和自动驾驶车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210352782.XA CN114620039A (zh) 2022-03-31 2022-03-31 轨迹修正方法、设备、云控平台和自动驾驶车辆

Publications (1)

Publication Number Publication Date
CN114620039A true CN114620039A (zh) 2022-06-14

Family

ID=81905193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210352782.XA Pending CN114620039A (zh) 2022-03-31 2022-03-31 轨迹修正方法、设备、云控平台和自动驾驶车辆

Country Status (1)

Country Link
CN (1) CN114620039A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116125819A (zh) * 2023-04-14 2023-05-16 智道网联科技(北京)有限公司 轨迹修正方法、装置、电子设备和计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116125819A (zh) * 2023-04-14 2023-05-16 智道网联科技(北京)有限公司 轨迹修正方法、装置、电子设备和计算机可读存储介质

Similar Documents

Publication Publication Date Title
US20220410939A1 (en) Collision detection method, electronic device, and medium
CN113741485A (zh) 车路协同自动驾驶的控制方法、装置、电子设备及车辆
CN112526999B (zh) 速度规划方法、装置、电子设备和存储介质
CN113129625A (zh) 车辆控制方法、装置、电子设备和车辆
CN114758502B (zh) 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆
CN114475585B (zh) 路口自动驾驶方法、装置、电子设备及自动驾驶车辆
CN113071476A (zh) 自主泊车的方法、装置、设备及自动驾驶车辆
CN114771572A (zh) 一种自动驾驶轨迹预测方法、装置、设备和存储介质
CN114030486B (zh) 动态障碍物的轨迹预测方法、装置、电子设备和存储介质
CN115909749A (zh) 车辆运行道路风险预警方法、装置、设备及存储介质
CN113753078B (zh) 障碍物轨迹的预测方法、装置、电子设备及自动驾驶车辆
CN115092130A (zh) 车辆碰撞预测方法、装置、电子设备、介质和车辆
CN114620039A (zh) 轨迹修正方法、设备、云控平台和自动驾驶车辆
CN114212108A (zh) 自动驾驶方法、装置、车辆、存储介质及产品
CN117168488A (zh) 一种车辆的路径规划方法、装置、设备及介质
CN116149329A (zh) 轨迹确定方法、装置、设备以及自动驾驶车辆
CN114715151A (zh) 车辆控制方法、装置、电子设备、介质和自动驾驶车辆
CN115973190A (zh) 自动驾驶车辆的决策方法、装置和电子设备
CN116358584A (zh) 一种自动驾驶车辆路径规划方法、装置、设备及介质
CN116295496A (zh) 一种自动驾驶车辆路径规划方法、装置、设备及介质
CN114299758A (zh) 车辆控制方法及装置、设备、介质和产品
CN115583254A (zh) 路径规划方法、装置、设备以及自动驾驶车辆
CN114655254A (zh) 自动驾驶车辆控制方法、装置及电子设备
CN114379587A (zh) 自动驾驶中避让行人的方法与装置
CN114973656A (zh) 交通交互性能的评估方法、装置、设备、介质和产品

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