CN115230715A - 变道预测方法、装置、非易失性存储介质及计算机设备 - Google Patents

变道预测方法、装置、非易失性存储介质及计算机设备 Download PDF

Info

Publication number
CN115230715A
CN115230715A CN202210907803.XA CN202210907803A CN115230715A CN 115230715 A CN115230715 A CN 115230715A CN 202210907803 A CN202210907803 A CN 202210907803A CN 115230715 A CN115230715 A CN 115230715A
Authority
CN
China
Prior art keywords
target
lane line
vehicle
target vehicle
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.)
Pending
Application number
CN202210907803.XA
Other languages
English (en)
Inventor
李伟男
刘斌
吴杭哲
陈博
周枫
孟祥哲
王庚
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202210907803.XA priority Critical patent/CN115230715A/zh
Publication of CN115230715A publication Critical patent/CN115230715A/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
    • 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
    • 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
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种变道预测方法、装置、非易失性存储介质及计算机设备。其中，该方法包括：获取目标车道线的车道线位置；获取目标车辆在当前时刻下的初始位置和初始状态；根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置；基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图。本发明解决了基于机器学习模型的输出结果预测车辆变道意图的可靠性不能适应交通安全要求的技术问题。

Description

变道预测方法、装置、非易失性存储介质及计算机设备
技术领域
本发明涉及智能驾驶领域，具体而言，涉及一种变道预测方法、装置、非易失性存储介质及计算机设备。
背景技术
麻省理工学院的Pentland率先提出了作为驾驶员的内在心理状态表征的驾驶意图能够通过驾驶人的驾驶操作等信息进行准确辨识的观点。近年来，随着汽车智能化进程的推进，驾驶意图辨识已经成为一个新的研究和发展方向，研究人员在现有研究的基础上进行了更加深入的驾驶人驾驶意图研究。目前针对驾驶人的驾驶意图辨识主要面向汽车安全预警、汽车操作策略、智能驾驶技术等领域进行应用，驾驶意图模型的主流构建方法包括隐马尔可夫模型(Hidden Markov Model,HMM)、支持向量机(Support Vector Machine,SVM)以及神经网络(Neural Network,NN)等方法。然而，上述方案均无法避免对模型输出结果的可解释性不足、结果可靠性不能适应交通安全要求的问题。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种变道预测方法、装置、非易失性存储介质及计算机设备，以至少解决基于机器学习模型的输出结果预测车辆变道意图的可靠性不能适应交通安全要求的技术问题。
根据本发明实施例的一个方面，提供了一种变道预测方法，包括：获取目标车道线的车道线位置；获取目标车辆在当前时刻下的初始位置和初始状态；根据所述初始位置和所述初始状态，预测所述目标车辆在未来时刻所处的目标位置；基于所述车道线位置、所述初始位置和所述目标位置，确定所述目标车辆的变道意图。
可选地，所述根据所述初始位置和所述初始状态，预测所述目标车辆在未来时刻所处的目标位置，包括：根据所述初始位置和所述初始状态，预测所述目标车辆从所述当前时刻至所述未来时刻之间的目标车辆轨迹；根据所述目标车辆轨迹，确定所述目标车辆在所述未来时刻所处的所述目标位置。
可选地，所述根据所述初始位置和所述初始状态，预测所述目标车辆从所述当前时刻至所述未来时刻之间的目标车辆轨迹，包括：根据所述初始位置和所述初始状态，确定所述目标车辆在所述当前时刻下的第一状态方程；基于所述第一状态方程，逐次确定多个第二时刻分别对应的多个第二状态方程，其中，所述多个第二时刻包括所述当前时刻与所述未来时刻之间的多个时刻以及所述未来时刻；根据所述第一状态方程和所述多个第二状态方程，确定所述目标车辆轨迹。
可选地，所述基于所述车道线位置、所述初始位置和所述目标位置，确定所述目标车辆的变道意图，包括：根据所述车道线位置和所述初始位置，确定所述目标车辆在所述当前时刻下所处的初始车道；根据所述车道线位置和所述目标位置，确定所述目标车辆在所述未来时刻下所处的目标车道；根据所述初始车道和所述目标车道，确定所述目标车辆的变道意图。
可选地，所述获取目标车道线的车道线位置以及所述获取目标车辆在当前时刻下的初始位置，包括：获取以参考车辆为原点建立的车辆坐标系；基于所述车辆坐标系，确定所述目标车道线的多项式方程以及确定所述目标车辆的初始位置坐标，其中，所述多项式方程用于表示所述车道线位置，所述初始位置坐标用于表示所述目标车辆的所述初始位置。
可选地，所述确定所述目标车道线的多项式方程，包括：通过摄像头采集车道线图像，其中，所述车道线图像包括所述目标车道线；根据所述车道线图像，在所述车辆坐标系中拟合得到表示所述目标车道线的所述多项式方程。
可选地，所述确定所述目标车道线的多项式方程，包括：通过设置于所述参考车辆上的定位装置获取所述参考车辆的多个历史行车位置，其中，所述多个历史行车位置为所述参考车辆行驶中所经过的位置；根据所述多个历史行车位置，在所述车辆坐标系中拟合得到表示所述参考车辆历史轨迹的历史轨迹方程；根据所述历史轨迹方程，生成表示所述目标车道线的所述多项式方程。
根据本发明实施例的另一方面，还提供了一种变道预测装置，包括：第一获取模块，用于获取目标车道线的车道线位置；第二获取模块，用于获取目标车辆在当前时刻下的初始位置和初始状态；预测模块，用于根据所述初始位置坐标和所述初始状态，预测所述目标车辆在未来时刻所处的目标位置；确定模块，用于基于所述车道线位置、所述初始位置和所述目标位置，确定所述目标车辆的变道意图。
根据本发明实施例的又一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述任意一项所述变道预测方法。
根据本发明实施例的再一方面，还提供了一种计算机设备，所述计算机设备包括处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述变道预测方法。
在本发明实施例中，通过获取目标车道线的车道线位置；获取目标车辆在当前时刻下的初始位置和初始状态；根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置；基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图，达到了提供一种可靠的判断前后车辆变道意图的方法的目的，从而实现了提高智能辅助驾驶技术中对其他车辆变道意图判断可靠性的技术效果，进而解决了基于机器学习模型的输出结果预测车辆变道意图的可靠性不能适应交通安全要求的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了一种用于实现变道预测方法的计算机终端的硬件结构框图；
图2是根据本发明实施例提供的变道预测方法的流程示意图；
图3是根据本发明实施例提供的变道预测装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种变道预测的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现变道预测方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的变道预测方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的变道预测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10的用户界面进行交互。
图2是根据本发明实施例提供的变道预测方法的流程示意图，如图2所示，该方法包括如下步骤：
步骤S202，获取目标车道线的车道线位置。目标车道线可以是目标车辆所行驶的道路上的车道线。
步骤S204，获取目标车辆在当前时刻下的初始位置和初始状态。
可选的，目标车辆可以是参考车辆前面或者后面的车辆，参考车辆可以为使用智能辅助驾驶系统的车辆，也可以称为本车。参考车辆通过本实施例提供的方法预测位于其前方或者后方的目标车辆是否存在跨道意图。
可选的，目标车辆的初始状态可以包括目标车辆的速度、偏航角以及角速度。
步骤S206，根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置。其中，未来时刻可以是当前时刻之后的任意时刻，例如5秒后的时刻。
步骤S208，基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图。其中，目标车辆的变道意图可以被描述为目标车辆在未来时刻与当前时刻各自所处的位置位于的车道是否相同，若相同则说明目标车辆没有跨道意图，若不相同则可以预测目标车辆意图跨道。
上述步骤中，通过获取目标车道线的车道线位置；获取目标车辆在当前时刻下的初始位置和初始状态；根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置；基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图，达到了提供一种可靠的判断前后车辆变道意图的方法的目的，从而实现了提高智能辅助驾驶技术中对其他车辆变道意图判断可靠性的技术效果，进而解决了基于机器学习模型的输出结果预测车辆变道意图的可靠性不能适应交通安全要求的技术问题。
作为一种可选的实施例，获取目标车道线的车道线位置以及获取目标车辆在当前时刻下的初始位置，可以通过如下步骤：获取以参考车辆为原点建立的车辆坐标系；基于车辆坐标系，确定目标车道线的多项式方程以及确定目标车辆的初始位置坐标，其中，多项式方程用于表示车道线位置，初始位置坐标用于表示目标车辆的初始位置。
作为一种可选的实施例，确定目标车道线的车道线位置，可以包括如下步骤：通过摄像头采集车道线图像，其中，车道线图像包括目标车道线；根据车道线图像，在车辆坐标系中拟合得到表示目标车道线的多项式方程。
需要说明的是，在参考车辆所行驶的道路上存在清晰车道线的情况下，可以直接通过参考车辆上的智能车载摄像头获取本车行驶道路的左侧车道线、左左侧车道线、右侧车道线、右右侧车道线的多项式方程并分别记为yL(x)、yLL(x)、yR(x)、yRR(x)。其中，x表示车辆坐标系中的纵向距离，纵向距离即在目标车辆的车尾指向车头方向上的距离；进一步，y表示车辆坐标系中的横向距离，横向距离所在的坐标轴与纵向距离对应的坐标轴垂直，并处于水平面上。
作为一种可选的实施例，还可以通过如下方式确定目标车道线的多项式方程：通过设置于参考车辆上的定位装置获取参考车辆的多个历史行车位置，其中，多个历史行车位置为参考车辆行驶中所经过的位置；根据多个历史行车位置，在车辆坐标系中拟合得到表示参考车辆历史轨迹的历史轨迹方程；根据历史轨迹方程，生成表示目标车道线的多项式方程。
在参考车辆所行驶道路上不存在清晰车道线的情况下，可以根据参考车辆自身的行车轨迹来拟合车道线，具体的，可以通过定位装置记录参考车辆的历史点位置信息(即历史行车位置)如下表：
Figure BDA0003773023050000061
进一步地，在软件matlab中输入参考车辆的历史点纵向距离数据x＝[x1、x2...xm]，本车的历史点横向距离数据y＝[Y1、Y2...Ym]，之后可以通过以下程序确定参考车辆的行驶轨迹的拟合方程的阶数d：
Figure BDA0003773023050000062
此时得到了拟合方程的阶数在误差值平方和小于0.05时的拟合方程阶数d，之后在matlab窗口中输入函数：
y1＝polyfit(x,y,d)
之后可获得多项式拟合函数系数：
a0、a1……、ad
其中d为拟合方程阶数，ai是对应的xd-i的系数，如此便可写出参考车辆历史轨迹的历史轨迹方程：
Figure BDA0003773023050000071
可选的，当拟合方程的阶数为d＝3时，可以将历史轨迹方程写为：
yL(x)＝aL0+aL1x+aL2x2+aL3x3
进一步地，还可以根据参考车辆的历史轨迹方程推算参考车辆行驶道路的左侧车道线、左左侧车道线、右侧车道线、右右侧车道线的多项式方程分别如下：
Figure BDA0003773023050000072
Figure BDA0003773023050000073
Figure BDA0003773023050000074
Figure BDA0003773023050000075
其中，W表示推测的车道宽度，例如可以取W＝3.5m。
进一步地，对目标车辆的当前位置进行判断，判断步骤可以如下：
①通过车载摄像头读取目标车辆的相关数据，包括纵向距离x01、横向距离y01；
②根据车道线方程，计算yL(x01)的值，并判断是否满足yL(x01)＞y01，如果满足，则执行步骤③，否则执行步骤④；
③根据车道线方程，计算yLL(x01)的值，并判断是否满足yLL(x01)＜y01，如果满足，则输出P01＝2，并执行步骤⑥，否则输出P01＝1，并执行步骤⑥；
④根据车道线方程，计算yR(x01)的值，并判断是否满足yR(x01)＞y01，如果满足，则输出P01＝3，并执行步骤⑥，否则执行步骤⑤；
⑤根据车道线方程，计算yRR(x01)的值，并判断是否满足yRR(x01)＞y01，如果满足，则输出P01＝4，并执行步骤⑥，否则输出P01＝5，并执行步骤⑥；
⑥针对车载摄像头感知的下一个目标车辆，重复进行步骤①至⑤。
需要说明的是，P值表示目标车辆所处的不同位置，P01表示编号为01的目标车辆所处的车道，本可选的实施例中，车辆坐标系中位于参考车辆左侧的点的y值为负值，位于参考车辆右侧的点的y值为正值，故当P01＝1时，意味着目标车辆位于左左侧车道线的左侧，P01＝2意味着目标车辆位于左左侧车道线与左侧车道线之间，P01＝3意味着目标车辆位于左侧车道线与右侧车道线之间，即与参考车辆位于同一车道，P01＝4意味着目标车辆位于右侧车道线与右右侧车道线之间，P01＝5意味着目标车辆位于右右侧车道线的右侧。
作为一种可选的实施例，根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置，可以包括如下步骤：根据初始位置和初始状态，预测目标车辆从当前时刻至未来时刻之间的目标车辆轨迹；根据目标车辆轨迹，确定目标车辆在未来时刻所处的目标位置。
作为一种可选的实施例，根据初始位置和初始状态预测目标车辆轨迹可以采用如下方式：根据初始位置和初始状态，确定目标车辆在当前时刻下的第一状态方程；基于第一状态方程，逐次确定多个第二时刻分别对应的多个第二状态方程，其中，多个第二时刻包括当前时刻与未来时刻之间的多个时刻以及未来时刻；根据第一状态方程和多个第二状态方程，确定目标车辆轨迹。
可选的，预测目标车辆轨迹可以通过如下具体方式：
通过参考车辆的车载摄像头感知得到的目标车辆的第一状态方程如下：
Figure BDA0003773023050000081
其中，px、py表示目标车辆的纵向、横向位置坐标；v表示目标车辆的速度；偏航角ψ表示目标车辆的车头方向与纵向的夹角方向；
Figure BDA0003773023050000082
表示目标车辆的角速度。
假定在短时间内，目标车辆以固定的转弯速率和恒定的速度大小移动，即
Figure BDA0003773023050000083
值为定值，基于k时刻的目标车辆的状态方程对k+1时刻的参考车辆的状态进行预测：
Figure BDA0003773023050000091
进而，基于上述对未来时刻车辆状态的有效预测，即实现了对车辆未来轨迹的预测。
特别地，当
Figure BDA0003773023050000092
值为0时，此时目标车辆沿斜向直线行驶，基于k时刻的车辆状态方程对k+1时刻的车辆状态进行计算可以得到：
Figure BDA0003773023050000093
结合目标车辆轨迹的预测结果，针对目标车辆在未来T秒后运动达到的位置进行计算，得到纵向距离xT、横向距离yT，进一步地，可以对目标车辆的未来位置进行判断，判断步骤如下：
①输入目标车辆在未来T秒后运动达到的位置，包括纵向距离xT01、横向距离yT01；
②根据车道线方程，计算yL(xT01)的值，并判断是否满足yL(xT01)＞y01，如果满足，则执行步骤3，否则执行步骤4；
③根据车道线方程，计算yLL(xT01)的值，并判断是否满足yLL(xT01)＜y01，如果满足，则输出PT01＝2，并执行步骤6，否则输出PT01＝1，并执行步骤6；
④根据车道线方程，计算yR(xT01)的值，并判断是否满足yR(xT01)＞y01，如果满足，则输出PT01＝3，并执行步骤6，否则执行步骤5；
⑤根据车道线方程，计算yRR(xT01)的值，并判断是否满足yRR(xT01)＞y01，如果满足，则输出PT01＝4，并执行步骤6，否则输出PT01＝5，并执行步骤6；
⑥针对下一个目标车辆，重复进行步骤①至⑤。
需要说明的是，PT01的取值所代表的物理含义与P01的含义相同，用以表示目标车辆在T时刻(即未来时刻)所处的车道位置。
作为一种可选的实施例，基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图，可以通过如下方式：根据车道线位置和初始位置，确定目标车辆在当前时刻下所处的初始车道；根据车道线位置和目标位置，确定目标车辆在未来时刻下所处的目标车道；根据初始车道和目标车道，确定目标车辆的变道意图。
具体的，结合上述可选实施例中提供的目标车辆位置判断信息P01、PT01，可以对目标车辆的驾驶意图进行判断，判断步骤如下：
①获取目标车辆的当前及未来时刻对应的位置判断信息P01、PT01；
②判断是否满足2≤PT01≤4，如果满足，则执行步骤3，否则执行步骤⑥，并输出LC＝-1；
③判断是否满足1≤PT01-P01，如果满足，则输出LC＝1，代表该车辆为右换道；
④判断是否满足1≤P01-PT01，如果满足，则输出LC＝2，代表该车辆为左换道；
⑤判断是否满足P01-PT01＝0，如果满足，则输出LC＝0，代表该车辆为车道保持；
⑥针对下一个目标车辆，重复进行步骤①至⑤。
通过上述计算，即可快速获得目标车辆的变道意图，高效可靠。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
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根据上述实施例的变道预测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，或者网络设备等)执行本发明各个实施例的方法。
根据本发明实施例，还提供了一种用于实施上述变道预测方法的变道预测装置，图3是根据本发明实施例提供的变道预测装置的结构框图，如图3所示，该变道预测装置包括：第一获取模块32，第二获取模块34，预测模块36和确定模块38，下面对该变道预测装置进行说明。
第一获取模块32，用于获取目标车道线的车道线位置；
第二获取模块34，连接于上述第一获取模块32，用于获取目标车辆在当前时刻下的初始位置和初始状态；
预测模块36，连接于上述第二获取模块34，用于根据初始位置坐标和初始状态，预测目标车辆在未来时刻所处的目标位置；
确定模块38，连接于上述预测模块36，用于基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图。
此处需要说明的是，上述第一获取模块32，第二获取模块34，预测模块36和确定模块38对应于实施例中的步骤S202至步骤S208，多个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例提供的计算机终端10中。
本发明的实施例可以提供一种计算机设备，可选地，在本实施例中，上述计算机设备可以位于计算机网络的多个网络设备中的至少一个网络设备。该计算机设备包括存储器和处理器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的变道预测方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的变道预测方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取目标车道线的车道线位置；获取目标车辆在当前时刻下的初始位置和初始状态；根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置；基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图。
可选的，上述处理器还可以执行如下步骤的程序代码：根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置，包括：根据初始位置和初始状态，预测目标车辆从当前时刻至未来时刻之间的目标车辆轨迹；根据目标车辆轨迹，确定目标车辆在未来时刻所处的目标位置。
可选的，上述处理器还可以执行如下步骤的程序代码：根据初始位置和初始状态，预测目标车辆从当前时刻至未来时刻之间的目标车辆轨迹，包括：根据初始位置和初始状态，确定目标车辆在当前时刻下的第一状态方程；基于第一状态方程，逐次确定多个第二时刻分别对应的多个第二状态方程，其中，多个第二时刻包括当前时刻与未来时刻之间的多个时刻以及未来时刻；根据第一状态方程和多个第二状态方程，确定目标车辆轨迹。
可选的，上述处理器还可以执行如下步骤的程序代码：基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图，包括：根据车道线位置和初始位置，确定目标车辆在当前时刻下所处的初始车道；根据车道线位置和目标位置，确定目标车辆在未来时刻下所处的目标车道；根据初始车道和目标车道，确定目标车辆的变道意图。
可选的，上述处理器还可以执行如下步骤的程序代码：获取目标车道线的车道线位置以及获取目标车辆在当前时刻下的初始位置，包括：获取以参考车辆为原点建立的车辆坐标系；基于车辆坐标系，确定目标车道线的多项式方程以及确定目标车辆的初始位置坐标，其中，多项式方程用于表示车道线位置，初始位置坐标用于表示目标车辆的初始位置。
可选的，上述处理器还可以执行如下步骤的程序代码：确定目标车道线的多项式方程，包括：通过摄像头采集车道线图像，其中，车道线图像包括目标车道线；根据车道线图像，在车辆坐标系中拟合得到表示目标车道线的多项式方程。
可选的，上述处理器还可以执行如下步骤的程序代码：确定目标车道线的多项式方程，包括：通过设置于参考车辆上的定位装置获取参考车辆的多个历史行车位置，其中，多个历史行车位置为参考车辆行驶中所经过的位置；根据多个历史行车位置，在车辆坐标系中拟合得到表示参考车辆历史轨迹的历史轨迹方程；根据历史轨迹方程，生成表示目标车道线的多项式方程。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一非易失性存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本发明的实施例还提供了一种非易失性存储介质。可选地，在本实施例中，上述非易失性存储介质可以用于保存上述实施例所提供的变道预测方法所执行的程序代码。
可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取目标车道线的车道线位置；获取目标车辆在当前时刻下的初始位置和初始状态；根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置；基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据初始位置和初始状态，预测目标车辆在未来时刻所处的目标位置，包括：根据初始位置和初始状态，预测目标车辆从当前时刻至未来时刻之间的目标车辆轨迹；根据目标车辆轨迹，确定目标车辆在未来时刻所处的目标位置。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据初始位置和初始状态，预测目标车辆从当前时刻至未来时刻之间的目标车辆轨迹，包括：根据初始位置和初始状态，确定目标车辆在当前时刻下的第一状态方程；基于第一状态方程，逐次确定多个第二时刻分别对应的多个第二状态方程，其中，多个第二时刻包括当前时刻与未来时刻之间的多个时刻以及未来时刻；根据第一状态方程和多个第二状态方程，确定目标车辆轨迹。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：基于车道线位置、初始位置和目标位置，确定目标车辆的变道意图，包括：根据车道线位置和初始位置，确定目标车辆在当前时刻下所处的初始车道；根据车道线位置和目标位置，确定目标车辆在未来时刻下所处的目标车道；根据初始车道和目标车道，确定目标车辆的变道意图。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取目标车道线的车道线位置以及获取目标车辆在当前时刻下的初始位置，包括：获取以参考车辆为原点建立的车辆坐标系；基于车辆坐标系，确定目标车道线的多项式方程以及确定目标车辆的初始位置坐标，其中，多项式方程用于表示车道线位置，初始位置坐标用于表示目标车辆的初始位置。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：确定目标车道线的多项式方程，包括：通过摄像头采集车道线图像，其中，车道线图像包括目标车道线；根据车道线图像，在车辆坐标系中拟合得到表示目标车道线的多项式方程。
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。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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，在本发明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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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，可以存储在一个非易失性取存储介质中。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或者该技术方案的全部或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(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种变道预测方法，其特征在于，包括：
获取目标车道线的车道线位置；
获取目标车辆在当前时刻下的初始位置和初始状态；
根据所述初始位置和所述初始状态，预测所述目标车辆在未来时刻所处的目标位置；
基于所述车道线位置、所述初始位置和所述目标位置，确定所述目标车辆的变道意图。
2.根据权利要求1所述的方法，其特征在于，所述根据所述初始位置和所述初始状态，预测所述目标车辆在未来时刻所处的目标位置，包括：
根据所述初始位置和所述初始状态，预测所述目标车辆从所述当前时刻至所述未来时刻之间的目标车辆轨迹；
根据所述目标车辆轨迹，确定所述目标车辆在所述未来时刻所处的所述目标位置。
3.根据权利要求2所述的方法，其特征在于，所述根据所述初始位置和所述初始状态，预测所述目标车辆从所述当前时刻至所述未来时刻之间的目标车辆轨迹，包括：
根据所述初始位置和所述初始状态，确定所述目标车辆在所述当前时刻下的第一状态方程；
基于所述第一状态方程，逐次确定多个第二时刻分别对应的多个第二状态方程，其中，所述多个第二时刻包括所述当前时刻与所述未来时刻之间的多个时刻以及所述未来时刻；
根据所述第一状态方程和所述多个第二状态方程，确定所述目标车辆轨迹。
4.根据权利要求1所述的方法，其特征在于，所述基于所述车道线位置、所述初始位置和所述目标位置，确定所述目标车辆的变道意图，包括：
根据所述车道线位置和所述初始位置，确定所述目标车辆在所述当前时刻下所处的初始车道；
根据所述车道线位置和所述目标位置，确定所述目标车辆在所述未来时刻下所处的目标车道；
根据所述初始车道和所述目标车道，确定所述目标车辆的变道意图。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述获取目标车道线的车道线位置以及所述获取目标车辆在当前时刻下的初始位置，包括：
获取以参考车辆为原点建立的车辆坐标系；
基于所述车辆坐标系，确定所述目标车道线的多项式方程以及确定所述目标车辆的初始位置坐标，其中，所述多项式方程用于表示所述车道线位置，所述初始位置坐标用于表示所述目标车辆的所述初始位置。
6.根据权利要求5所述的方法，其特征在于，所述确定所述目标车道线的多项式方程，包括：
通过摄像头采集车道线图像，其中，所述车道线图像包括所述目标车道线；
根据所述车道线图像，在所述车辆坐标系中拟合得到表示所述目标车道线的所述多项式方程。
7.根据权利要求5所述的方法，其特征在于，所述确定所述目标车道线的多项式方程，包括：
通过设置于所述参考车辆上的定位装置获取所述参考车辆的多个历史行车位置，其中，所述多个历史行车位置为所述参考车辆行驶中所经过的位置；
根据所述多个历史行车位置，在所述车辆坐标系中拟合得到表示所述参考车辆历史轨迹的历史轨迹方程；
根据所述历史轨迹方程，生成表示所述目标车道线的所述多项式方程。
8.一种变道预测装置，其特征在于，包括：
第一获取模块，用于获取目标车道线的车道线位置；
第二获取模块，用于获取目标车辆在当前时刻下的初始位置和初始状态；
预测模块，用于根据所述初始位置坐标和所述初始状态，预测所述目标车辆在未来时刻所处的目标位置；
确定模块，用于基于所述车道线位置、所述初始位置和所述目标位置，确定所述目标车辆的变道意图。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述变道预测方法。
10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于运行所述存储器所存储的计算机程序，所述计算机程序运行时执行权利要求1至7中任意一项所述变道预测方法。
CN202210907803.XA 2022-07-29 2022-07-29 变道预测方法、装置、非易失性存储介质及计算机设备 Pending CN115230715A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210907803.XA CN115230715A (zh) 2022-07-29 2022-07-29 变道预测方法、装置、非易失性存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210907803.XA CN115230715A (zh) 2022-07-29 2022-07-29 变道预测方法、装置、非易失性存储介质及计算机设备

Publications (1)

Publication Number Publication Date
CN115230715A true CN115230715A (zh) 2022-10-25

Family

ID=83677739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210907803.XA Pending CN115230715A (zh) 2022-07-29 2022-07-29 变道预测方法、装置、非易失性存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN115230715A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115782788A (zh) * 2022-12-11 2023-03-14 中国重汽集团济南动力有限公司 一种整车内部需求扭矩协调控制方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115782788A (zh) * 2022-12-11 2023-03-14 中国重汽集团济南动力有限公司 一种整车内部需求扭矩协调控制方法及系统
CN115782788B (zh) * 2022-12-11 2024-04-12 中国重汽集团济南动力有限公司 一种整车内部需求扭矩协调控制方法及系统

Similar Documents

Publication Publication Date Title
EP3699048B1 (en) Travelling track prediction method and device for vehicle
CN111731289B (zh) 跟车控制方法、装置、车辆及存储介质
CN109760675B (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
CN110962846B (zh) 车辆转向防碰撞方法及设备
US20200189597A1 (en) Reinforcement learning based approach for sae level-4 automated lane change
WO2023050811A1 (zh) 行驶设备控制方法、装置、电子设备、存储介质及计算机程序产品
CN112528807B (zh) 行驶轨迹的预测方法、装置、电子设备及存储介质
CN110562251A (zh) 一种自动驾驶方法及装置
CN113158349A (zh) 车辆换道仿真方法、装置、电子设备及存储介质
CN112819864B (zh) 一种行驶状态检测方法、装置及存储介质
CN110203197A (zh) 一种车道识别及车道保持方法及终端设备
CN112373474A (zh) 车道线融合及横向控制方法、系统、车辆及存储介质
CN115230715A (zh) 变道预测方法、装置、非易失性存储介质及计算机设备
CN110834667A (zh) 车辆转向控制方法、装置、车辆、终端设备及存储介质
CN114802234A (zh) 一种智能巡航中道路边缘避让方法及系统
CN109887321B (zh) 无人车变道安全判别方法、装置及存储介质
CN113899378A (zh) 一种变道处理方法、装置、存储介质及电子设备
CN117437609B (zh) 轮胎吊的行驶纠偏方法、系统、设备及存储介质
CN113602263A (zh) 车辆避让方法、装置、车载设备及存储介质
CN113176778A (zh) 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆
CN111830949B (zh) 自动驾驶车辆控制方法、装置、计算机设备和存储介质
CN113050452A (zh) 车辆变道控制方法、装置、计算机设备及存储介质
CN117104272A (zh) 一种智能驾驶方法、系统、交通工具及存储介质
CN108621936A (zh) 车辆掉头辅助方法、装置及电子设备
CN112633124A (zh) 一种自动驾驶车辆的目标车判断方法及电子设备

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