CN115230743B - 一种障碍物轨迹预测的方法、系统、电子设备及存储介质 - Google Patents

一种障碍物轨迹预测的方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN115230743B
CN115230743B CN202211161440.6A CN202211161440A CN115230743B CN 115230743 B CN115230743 B CN 115230743B CN 202211161440 A CN202211161440 A CN 202211161440A CN 115230743 B CN115230743 B CN 115230743B
Authority
CN
China
Prior art keywords
obstacle
exit
speed
orientation
road
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
Application number
CN202211161440.6A
Other languages
English (en)
Other versions
CN115230743A (zh
Inventor
顾维灏
艾锐
栾为坚
曹东璞
王聪
张凯
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.)
Haomo Zhixing Technology Co Ltd
Original Assignee
Haomo Zhixing Technology 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 Haomo Zhixing Technology Co Ltd filed Critical Haomo Zhixing Technology Co Ltd
Priority to CN202211161440.6A priority Critical patent/CN115230743B/zh
Publication of CN115230743A publication Critical patent/CN115230743A/zh
Application granted granted Critical
Publication of CN115230743B publication Critical patent/CN115230743B/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
    • 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
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current 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
    • 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
    • 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
    • B60W50/0097—Predicting future 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
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • 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
    • B60W2554/4042—Longitudinal speed
    • 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
    • B60W2554/4044—Direction of movement, e.g. backwards
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例涉及轨迹预测技术领域，公开了一种障碍物轨迹预测的方法、系统、电子设备及存储介质，所述方法包括：获取障碍物进入路口时的第一速度朝向，以及障碍物在当前时刻的第二速度朝向；根据第一速度朝向与第二速度朝向之间的朝向变化量，以及第一设定阈值，确定障碍物的运动意图；根据障碍物的当前位置信息、第二速度朝向和与运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定目标出口簇中的目标出口；根据障碍物的当前位置信息、当前速度信息和目标出口进行轨迹拟合，获得障碍物的预测轨迹。旨在提供一种所依赖数据稳定且容易获得的轨迹预测方法，以在短时间内实现表现更佳的障碍物在路口的轨迹预测。

Description

一种障碍物轨迹预测的方法、系统、电子设备及存储介质
技术领域
本申请涉及轨迹预测技术领域，特别是涉及一种障碍物轨迹预测的方法、系统、电子设备及存储介质。
背景技术
自动驾驶绕不开路口场景，路口场景跟直行场景相比，有更复杂的障碍物交互环境。由于周围的复杂环境，需要对每一个障碍物都精确预测，才能最大限度上保证自车行驶的稳定性。
目前，常用的路口预测方案大致分为两个方向。一种为强依赖路口车道拓扑的启发式算法，这种方案强依赖路口的车道拓扑，对地图要求较高，需要较长时间的前期准备完备的路口地图，若路口地图发生偏差，会直接影响生成的轨迹质量，同时如果路口不存在拐弯车道，那么无法预测出障碍物的左右拐弯轨迹，且本身基于运动轨迹的形状去匹配车道，在预测时会有一定的滞后性。一种为数据驱动模型使用模型预测端到端的轨迹，强依赖数据的质量和数量，搭建完整的数据闭环需要较长的时间，且模型在某些案例上具备不可控性。除此之外，模型的不可解释性让模型不具备百分百修复bad case的能力。
发明内容
有鉴于此，本申请提供一种障碍物轨迹预测的方法、系统、电子设备及存储介质。旨在提供一种所依赖数据稳定且容易获得的轨迹预测方法，以在短时间内实现表现更佳的障碍物在路口的轨迹预测。
本申请提供了一种障碍物轨迹预测的方法，所述方法包括：
获取障碍物进入路口时的第一速度朝向，以及所述障碍物在当前时刻的第二速度朝向；
根据所述第一速度朝向与所述第二速度朝向之间的朝向变化量，以及第一设定阈值，确定所述障碍物的运动意图；
根据所述障碍物的当前位置信息、所述第二速度朝向和与所述运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定所述目标出口簇中的目标出口；
根据所述障碍物的当前位置信息、当前速度信息和所述目标出口进行轨迹拟合，获得所述障碍物的预测轨迹。
可选地，所述根据所述第一速度朝向与所述第二速度朝向之间的朝向变化量，以及第一设定阈值，确定所述障碍物的运动意图，包括：
在所述朝向变化量与所述第一设定阈值满足第一条件时，确定所述障碍物的运动意图为左转；
在所述朝向变化量与所述第一设定阈值满足第二条件时，确定所述障碍物的运动意图为右转；
在所述朝向变化量与所述第一设定阈值满足第三条件时，获取所述障碍物的预设数量的历史速度朝向；
将所述预设数量的历史速度朝向分别与所述第二速度朝向进行比较，获得多个比较结果；
在所述多个比较结果满足第一要求时，确定所述障碍物的运动意图为左转；
在所述多个比较结果满足第二要求时，确定所述障碍物的运动意图为右转；
在所述多个比较结果未满足第一要求或未满足第二要求时，确定所述障碍物的运动意图为直行。
可选地，根据所述障碍物的运动意图和所述障碍物的运动状态参数，从与所述运动意图匹配的目标出口簇中确定目标出口之前，所述方法还包括：
根据获取的道路数据，确定每个道路出口的出口朝向；
根据道路出口的出口朝向与所述第二速度朝向之间的夹角，以及第二设定阈值，确定各个道路出口各自属于的出口簇类型。
可选地，所述方法还包括：
计算同一出口簇类型中的所有道路出口的出口朝向平均值；
将所述同一出口簇类型中的每个道路出口的出口朝向分别与所述出口朝向平均值进行比较；
在比较结果表征道路出口的出口朝向与所述出口朝向平均值之间的差值满足设定条件时，过滤所述同一出口簇类型中的该道路出口。
可选地，所述根据所述障碍物的当前位置信息、所述第二速度朝向和与所述运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定所述目标出口簇中的目标出口，包括：
根据所述障碍物的当前位置信息和所述目标出口簇中的各个道路出口的坐标信息，确定各个道路出口分别与所述障碍物之间的朝向角度；
将每个朝向角度分别与所述第二速度朝向进行比较，获得与每个道路出口对应的偏差角；
将所有道路出口中偏差角最小的两个道路出口，确定为候选目标出口；
获取所述障碍物的预设数量的历史速度朝向；
根据各个历史速度朝向对应时刻的位置信息和各个候选目标出口的坐标信息，确定在各个历史速度朝向对应时刻的各个候选目标出口分别与所述障碍物之间的第一朝向角度；
将第一朝向角度与对应的历史速度朝向进行比较，获得与每个道路出口对应的多个第一偏差角；
将第一偏差角不断减小的候选目标出口，确定为目标出口。
可选地，在无法根据第一偏差角确定目标出口时，所述方法还包括：
根据所述障碍物的当前位置信息和候选目标出口的坐标信息，从候选目标出口中确定目标出口。
可选地，所述方法还包括：
在路口不存在与所述障碍物的运动意图对应的目标出口簇时，通过匀速直线运动模型构建所述障碍物的预测轨迹。
针对在先技术，本申请具备如下优点：
本申请所提供的一种障碍物轨迹预测的方法由四部分组成。障碍物运动意图判定，道路出口聚类，目标出口精细挑选和轨迹生成。首先基于障碍物运动特征判断障碍物的运动意图，是直行，左转，右转或是掉头。第二部分是出口聚类，将道路出口进行分类，让其与障碍物的运动意图相匹配，得到直行出口簇，左转出口簇和右转出口簇等。对道路出口进行聚类可以将道路出口进行明显区分，避免障碍物直接挑选目标出口时在相邻的不同出口类型间摇摆，这样可以保证在障碍物运动意图判定正确的前提下，不会产生大的偏差，也就是原本障碍物的运动意图是直行，却选到了左转出口或右转出口，保证了道路出口挑选的准确性。第三部分是在明确了目标出口簇的情况下，在目标出口簇中挑选最符合障碍物预期，最合理的唯一目标出口，该部分可以保证障碍物的轨迹预测的合理性和平滑性，在障碍物接近目标出口时会发挥很大作用。最终部分根据障碍物的当前位置信息和当前速度信息和目标出口，通过使用三次方程生成障碍物的预测轨迹。同时，本申请的一种障碍物轨迹预测的方法仅强依赖路口出口，而不强依赖路口内的复杂拓扑结构。而路口的出口数据更加稳定且容易获得，因此可以在短时间内实现障碍物在路口的轨迹预测的更佳预测效果。
本申请第二方面提供一种障碍物轨迹预测的系统。旨在通过采用稳定且容易获得的依赖数据来预测障碍物轨迹，以在短时间内实现表现更佳的障碍物在路口的轨迹预测。
本申请提供的一种障碍物轨迹预测的系统，所述系统包括：
速度朝向确定模块，用于获取障碍物进入路口时的第一速度朝向，以及所述障碍物在当前时刻的第二速度朝向；
运动意图识别模块，用于根据所述第一速度朝向与所述第二速度朝向之间的朝向变化量，以及第一设定阈值，确定所述障碍物的运动意图；
目标出口确定模块，用于根据所述障碍物的当前位置信息、所述第二速度朝向和与所述运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定所述目标出口簇中的目标出口；
轨迹生成模块，用于根据所述障碍物的当前位置信息、当前速度信息和所述目标出口进行轨迹拟合，获得所述障碍物的预测轨迹。
本申请第三方面提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面所述的一种障碍物轨迹预测的方法中的步骤。
本申请第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的一种障碍物轨迹预测的方法中的步骤。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本申请实施例提供的一种障碍物轨迹预测的方法的流程图；
图2是本申请实施例示出的一种障碍物轨迹预测的方法中的运动意图的确定示意图；
图3是本申请实施例示出的一种障碍物轨迹预测的方法中的运动意图的判断逻辑示意图；
图4是本申请实施例示出的一种障碍物轨迹预测的方法中的道路出口的示意图；
图5是本申请实施例示出的一种障碍物轨迹预测的方法中的道路出口的聚类算法程序的示意图；
图6是本申请实施例示出的一种障碍物轨迹预测的方法中的道路出口的坐标位置的示意图；
图7是本申请实施例示出的一种障碍物轨迹预测的方法中的道路出口的坐标位置的另一示意图；
图8是本申请实施例提供的一种障碍物轨迹预测的方法的另一流程图；
图9是本申请实施例示出的一种障碍物轨迹预测的系统的示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
图1是本申请实施例提供的一种障碍物轨迹预测的方法的流程图，如图1所示，该方法包括：
步骤S101：获取障碍物进入路口时的第一速度朝向，以及所述障碍物在当前时刻的第二速度朝向；
步骤S102：根据所述第一速度朝向与所述第二速度朝向之间的朝向变化量，以及第一设定阈值，确定所述障碍物的运动意图；
步骤S103：根据所述障碍物的当前位置信息、所述第二速度朝向和与所述运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定所述目标出口簇中的目标出口；
步骤S104：根据所述障碍物的当前位置信息、当前速度信息和所述目标出口进行轨迹拟合，获得所述障碍物的预测轨迹。
在本实施例中，通过自车的车载传感器采集自车前方的障碍物的运动状态参数，并在通过自车的另一车载传感器监测到该障碍物刚进入前方路口时，通过对采集到的该障碍物刚进入前方路口时的运动状态参数进行分析处理，获得该障碍物在进入前方路口时的第一速度朝向。并在当前时刻采集到该障碍物的运动状态参数，并对其进行分析处理，获得该障碍物在当前时刻的第二速度朝向。其中，障碍物进入前方路口的时刻与当前时刻之间的时间间隔为预设时长。
在本实施例中，通过图像识别算法对摄像头采集的图像数据进行处理获取障碍物的位置，通过位置差分获取障碍物的速度朝向。
在本实施例中，预设时长可根据实际应用场景进行设定，在此不做具体限定。例如预设时长为1S，通过对障碍物进入前方路口时的运动状态参数进行分析处理，获得该障碍物在进入前方路口时的第一速度朝向。通过对经过1S后的障碍物的运动状态参数进行分析处理，获得该障碍物在当前时刻的第二速度朝向。当前时刻与障碍物进入前方路口的时刻之间的时间间隔为预设时长1S。
在本实施例中，如果障碍物直行，该障碍物的第二速度朝向与第一速度朝向两者之间的朝向变化量并不会太大。而如果障碍物右转或左转，该障碍物的第二速度朝向与第一速度朝向两者之间的朝向变化量将较大。因此，本申请预先给定一个第一设定阈值ε（epsilon），通过第一设定阈值与朝向变化量之间的关系来确定障碍物的运动意图，也就是预测障碍物是左转，还是右转，还是直行。
在本实施例中，第一设定阈值根据实际需求设定为大于0的取值，例如第一设定阈值可取20°，可取25°，可取30°等，其具体取值在此不做具体限定。
具体的，图2是本申请实施例示出的一种障碍物轨迹预测的方法中的运动意图的确定示意图。参照图2，在得到障碍物的第一速度朝向和第二速度朝向后，以第二速度朝向减去第一速度朝向获得朝向变化量，在朝向变化量大于第一设定阈值ε并小于135°时，确定障碍物的运动意图为向左转。在朝向变化量小于负的第一设定阈值ε时，也就是朝向变化量小于-ε时，确定障碍物的运动意图为向右转。在朝向变化量处于（-ε，ε）之间时，确定障碍物的运动意图为直行。如果朝向变化量大于130°时，则判定障碍物的运动意图为掉头，由于掉头行为前期和左转行为重合，且对自车的左右转或直行无太大影响，故未着重关注障碍物掉头行为，而将掉头行为和左转行为统称为左转行为。
在本实施例中，对于路口一般都有不同出口簇类型，例如左转出口簇、直行出口簇、右转出口簇。而对于一种出口簇类型一般都有多个出口，例如左转出口簇具有多个左转出口，一个左转出口对应于一个车道。如图2中所示，障碍物的前方路口的左转出口具有两个车道，一个车道就对应一个左转出口，两个左转出口组成左转出口簇；障碍物的前方路口的右转出口也具有两个车道，一个车道就对应一个右转出口，两个右转出口组成右转出口簇；障碍物的前方路口的直行出口具有两个车道，一个车道就对应一个直行出口，两个直行出口组成直行出口簇。
在本实施例中，在得到障碍物的运动意图后，根据障碍物的当前运动状态参数，从与该运动意图对应的目标出口簇中确定出障碍物将驶向的目标出口。
例如，在确定障碍物的运动意图为左转时，该运动意图对应的目标出口簇即为左转出口簇。根据障碍物的当前运动状态参数，从左转出口簇中确定出障碍物将驶向的目标出口。
在本实施例中，在获得障碍物将驶向的目标出口后，将障碍物的当前位置信息、当前速度信息和目标出口参数进行轨迹拟合，得到障碍物的预测轨迹。
本申请所提供的一种障碍物轨迹预测的方法由四部分组成。障碍物运动意图判定，道路出口聚类，目标出口精细挑选和轨迹生成。首先基于障碍物运动特征判断障碍物的运动意图，是直行，左转，右转或是掉头。第二部分是出口聚类，将道路出口进行分类，让其与障碍物的运动意图相匹配，得到直行出口簇，左转出口簇和右转出口簇等。对道路出口进行聚类可以将道路出口进行明显区分，避免障碍物直接挑选目标出口时在相邻的不同出口类型间摇摆，这样可以保证在障碍物运动意图判定正确的前提下，不会产生大的偏差，也就是原本障碍物的运动意图是直行，却选到了左转出口或右转出口，保证了道路出口挑选的准确性。第三部分是在明确了目标出口簇的情况下，在目标出口簇中挑选最符合障碍物预期，最合理的唯一目标出口，该部分可以保证障碍物的轨迹预测的合理性和平滑性，在障碍物接近目标出口时会发挥很大作用。最终部分根据障碍物的当前位置信息和当前速度信息和目标出口，通过使用三次方程生成障碍物的预测轨迹。同时，本申请的一种障碍物轨迹预测的方法仅强依赖路口出口，而不强依赖路口内的复杂拓扑结构。而路口的出口数据更加稳定且容易获得，因此可以在短时间内实现障碍物在路口的轨迹预测的更佳预测效果。
在本申请中，步骤S102另一实施方式，包括：在所述朝向变化量与所述第一设定阈值满足第一条件时，确定所述障碍物的运动意图为左转；在所述朝向变化量与所述第一设定阈值满足第二条件时，确定所述障碍物的运动意图为右转；在所述朝向变化量与所述第一设定阈值满足第三条件时，获取所述障碍物的预设数量的历史速度朝向；将所述预设数量的历史速度朝向分别与所述第二速度朝向进行比较，获得多个比较结果；在所述多个比较结果满足第一要求时，确定所述障碍物的运动意图为左转；在所述多个比较结果满足第二要求时，确定所述障碍物的运动意图为右转；在所述多个比较结果未满足第一要求或未满足第二要求时，确定所述障碍物的运动意图为直行。
在本实施例中，第一设定阈值ε的取值至关重要，为其取一个较大的取值时，对于左右转判定的准确率就越高，但随之而来的是左右转判定的召回率降低，也就是会将很多的左右转判定为直行。而为其取一个较小的取值时，对于左右转判定的召回率提高了，但随之而来的准确率就会降低，也就是虽然将大量的左右转都判断正确了，但是也会将很多的直行判定为左右转。
例如，将第一设定阈值ε取为一个较大的取值，如45°时，此时对于一个障碍物，如果其第二速度朝向和第一速度朝向之间的朝向变化量都大于了45°，可以基本确认该障碍物就是想要左转。而如果其第二速度朝向和第一速度朝向之间的朝向变化量都小于了-45°，可以基本确认该障碍物就是想要右转。但这样一个较大的第一设定阈值ε，在障碍物的朝向变化量处于该较大范围（-45°，45°）时，会将该障碍物的运动意图判定为直行。
而实际上，这样一个较大范围（-45°，45°）的朝向变化量区间，会将一个想要左转（或右转）的障碍物的运动意图判定为直行。例如，驾驶员在路口刚开始转向（左转或右转）时，会习惯性给一个较小的转向角，而在该转向角太小时，驾驶员在向出口位置（左转出口或右转出口）行驶的过程中，会不断加大转向角以对之前的较小的转向角进行修正，以保证障碍物能从出口位置驶出。所以，在障碍物实际上是想左转（或右转）的情况下，如果在当前时刻的第二速度朝向为驾驶员刚开始给的一个较小的转向角时，该第二速度朝向与第一速度朝向之间的朝向变化量较小，此时如果第一设定阈值ε取一个较大的取值，会将该实际上是想左转（或右转）的障碍物的运动意图判定为直行。这种转向方式在驾驶感不强的驾驶员中尤为明显，其无法知晓在当前路口应该偏转大致多大的转向角才能左转到左转出口（或右转到右转出口），所以最开始可能转向角很小，但在不断行驶过程中，开始发现转向角太小，继续以这样的转向角进行行驶，将很难从左转出口（或右转出口）驶出，此时驾驶员机会给一个较大的转向角对之前较小的转向角进行修正，以保证障碍物能从左转出口（或右转出口）驶出。
而将第一设定阈值ε取为一个较小取值，如10°时，此时对于一个障碍物，如果其第二速度朝向和第一速度朝向之间的朝向变化量大于10°就会被识别为左转，而实际上这样的角度较小，对于一些实际上是想直行的障碍物，其运动意图将被判定为左转。而如果其第二速度朝向和第一速度朝向之间的朝向变化量小于-10°就会被识别为右转，而实际上这样的角度较小，对于一些实际上是想直行的障碍物，其运动意图将被判定为右转。这样虽然尽可能保证了将所有的实际上想左转（或右转）的障碍物的运动意图准确的判定为左转（或右转），但随之而来也会将很多的实际上想直行的障碍物的运动意图判定为左转或右转。导致最终判定结果的准确性较低。
而本申请为了解决上述问题，通过以下实施方式来解决上述问题。
具体地，将第一设定阈值ε取为一个较大的取值，其具体取值可根据大量的行驶数据进行分析统计获得，其具体取值在此不做具体限定，但分析统计的依据为保证确定的第一设定阈值ε的取值能够避免将实际上想要的直行的障碍物的运动意图判定为左转（或右转）。
在障碍物的朝向变化量与第一设定阈值满足第一条件时，也就是朝向变化量大于第一设定阈值时，确定障碍物的运动意图为左转。在障碍物的朝向变化量与第一设定阈值满足第二条件时，也就是朝向变化量小于负的第一设定阈值-ε时，确定障碍物的运动意图为右转。
由此保证了障碍物的运动意图被判定为左转（或右转）的准确性，也就是判定为左转或右转的运动意图属于是很准确的判定结果。
而对于朝向变化量处于[-ε，ε]之间的障碍物的运动意图可能是直行，也可能是左转（或右转）。此时，本申请根据障碍物运动趋势，对这类朝向变化量进行二次判定。具体为，自车在障碍物进入路口时就在对障碍物的运动状态参数进行实时采集，在障碍物进入路口时和当前时刻之间，自车采集预设数量个时刻的障碍物的运动状态参数，并对每个时刻的障碍物的运动状态参数进行分析处理，获得该障碍物在各个时刻的历史速度朝向，也就是得到了预设数量的历史速度朝向。在障碍物的朝向变化量与第一设定阈值满足第三条件时，也就是朝向变化量处于[-ε，ε]之间时，获取到该障碍物的预设数量的历史速度朝向。
将所有的预设数量的历史速度朝向分别与该障碍物的第二速度朝向进行作差比较，获得多个比较结果。在每个前一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，均小于后一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值时，确定该多个比较结果满足第一要求，确定障碍物的运动意图为左转。而在每个前一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，均大于后一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值时，确定该多个比较结果满足第二要求，确定障碍物的运动意图为右转。
而在每个前一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，与后一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值进行比较的过程中，比较结果无法均小于，或均大于时，确定该多个比较结果未满足第一要求或未满足第二要求时，确定该障碍物的运动意图为直行。
示例地，自车当前时刻的第二速度朝向为110°，预设数量的历史速度朝向包括3个，分别为：当前时刻之前0.1S的一个历史速度朝向109°，当前时刻之前0.2S的一个历史速度朝向108°，当前时刻之前0.3S的一个速度朝向107°。
此时，当前时刻之前0.1S的历史速度朝向与第二速度朝向之间的差值为-1°，当前时刻之前0.2S的历史速度朝向与第二速度朝向之间的差值为-2°，当前时刻之前0.3S的历史速度朝向与第二速度朝向之间的差值为-3°。
当前时刻之前0.2S相对于当前时刻之前0.1S是前一时刻，当前时刻之前0.3S相对于当前时刻之前0.2S是前一时刻。由于，-2°小于-1°，-3°小于-2°。因此，每个前一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，均小于后一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，确定该多个比较结果满足第一要求，确定障碍物的运动意图为左转。而在这个比较过程中，有任何一个比较结果不是前一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，小于后一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，则确定障碍物的运动意图为直行。
自车当前时刻的第二速度朝向为80°，预设数量的历史速度朝向包括3个，分别为：当前时刻之前0.1S的一个历史速度朝向81°，当前时刻之前0.2S的一个历史速度朝向82°，当前时刻之前0.3S的一个速度朝向83°。
此时，当前时刻之前0.1S的历史速度朝向与第二速度朝向之间的差值为1°，当前时刻之前0.2S的历史速度朝向与第二速度朝向之间的差值为2°，当前时刻之前0.3S的历史速度朝向与第二速度朝向之间的差值为3°。
当前时刻之前0.2S相对于当前时刻之前0.1S是前一时刻，当前时刻之前0.3S相对于当前时刻之前0.2S是前一时刻。由于，2°大于1°，3°大于2°。因此，每个前一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，均大于后一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，确定该多个比较结果满足第二要求，确定障碍物的运动意图为右转。而在这个比较过程中，有任何一个比较结果不是前一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，大于后一时刻的历史速度朝向与该障碍物的第二速度朝向之间的差值，则确定障碍物的运动意图为直行。如图3所示为本申请的障碍物的运动意图的判断逻辑。
在本实施例中，本申请首先确定一个较大的第一设定阈值，以保证仅该基于第一设定阈值判定的左右转运动意图的准确性。而对于可能是直行也可能是左右转的运动意图，再通过障碍物的运动趋势进行二次判定，以此来避免仅基于该一个较大的第一设定阈值对障碍物的运动意图进行判定过程中的将大量左右转的运动意图误判为直行运动意图。
在本申请中，根据所述障碍物的运动意图和所述障碍物的运动状态参数，从与所述运动意图匹配的目标出口簇中确定目标出口之前，所述方法还包括：
根据获取的道路数据，确定每个道路出口的出口朝向；根据道路出口的出口朝向与所述第二速度朝向之间的夹角，以及第二设定阈值，确定各个道路出口各自属于的出口簇类型。
在本实施例中，道路出口聚类是基于道路出口对应车道的朝向，对道路出口进行分类并赋予语义信息。例如，如图4所示，前方路口为十字路口，障碍物行驶到该路口时，道路出口朝向障碍物左侧的道路出口即为左转出口，道路出口朝向障碍物右的道路出口即为右转出口，道路出口朝向障碍物前方的道路出口即为直行出口。其中，出口与车道相对应，如图4所示，左转出口有3个，对应于障碍物向左转所能行驶的3个车道，该3个左转出口组成左转出口簇。右转出口有3个，对应于障碍物向右转所能行驶的3个车道，该3个右转出口组成右转出口簇。直行出口有3个，对应于障碍物直行所能行驶的3个车道，该3个直行出口组成直行出口簇。
在本实施例中，在出口未被确定为属于左转出口，还是右转出口，还是直行出口之前，统称为道路出口。出口朝向为道路出口对应车道的朝向，例如，对于呈直角的十字路口，左转出口对应障碍物当前行驶车道的朝向为90°，也就是左转出口的出口朝向为90°，右转出口对应障碍物当前行驶车道的朝向为-90°，也就是右转出口的出口朝向为-90°。
在本实施例中，在确定到障碍物的运动意图后，为了预测障碍物的行驶轨迹，需要预测障碍物将从哪个出口驶出。因此在确定到障碍物的运动意图后，需要从与该障碍物运动意图相匹配的出口簇类型中预测到障碍物将从哪个出口驶出，而在这之前需要先确定各个道路出口各自所属于的出口簇类型。
在本实施例中，根据自车的车载传感器获取当前路口的道路数据，通过对道路数据进行分析处理，得到各个道路出口的出口朝向。计算每个道路出口的出口朝向与障碍物的第二速度朝向的夹角，记为delta_heading。对于常规道路而言，直行出口的delta_heading数值较小，而左转出口的delta_heading平均值在90°左右，右转出口的delta_heading的平均值在-90°左右。
基于此，通过提前预设第二设定阈值，在道路出口的出口朝向与障碍物的第二速度朝向之间的夹角大于第二设定阈值δ时，确定道路出口属于左转出口簇类型，在道路出口的出口朝向与障碍物的第二速度朝向之间的夹角小于负的第二设定阈值-δ时，确定道路出口属于右转出口簇类型，在道路出口的出口朝向与障碍物的第二速度朝向之间的夹角处于[-δ，δ]之间时，确定道路出口属于直行出口簇类型。
在本实施例中，由于左右转出口与直行出口之间的夹角为90°属于常规道路，而实际上有部分道路的左右转出口与直行出口之间并未达到90度，因此本申请将第二设定阈值δ优选设置为45°，该第二设定阈值的具体取值仅为一种优选实施例，其也可以取其他取值，在此不做具体限定。
在本申请中，所述方法还包括：计算同一出口簇类型中的所有道路出口的出口朝向平均值；将所述同一出口簇类型中的每个道路出口的出口朝向分别与所述出口朝向平均值进行比较；在比较结果表征道路出口的出口朝向与所述出口朝向平均值之间的差值满足设定条件时，过滤所述同一出口簇类型中的该道路出口。
在本实施例中，对于一些不规则道路，例如当前路口的直行车道有一定弯曲，同时左右转车道靠近直行车道。对于这种路口，通过第二设定阈值δ进行道路出口类型的分类，可能导致道路出口的分类出错，例如将一些左右转出口划分到直行出口簇类型中，而将直行出口划分到左转出口簇类型或右转出口簇类型。而本申请发现同一出口簇类型中的道路出口，其出口朝向的角度基本是一致的，即使在实际工程中也只会有较小的偏差。基于该发现，本申请提出一种实施方式以避免这种情况的发生，从而提高道路出口的分类准确性。具体为，计算同一出口簇类型中的所有道路出口的出口朝向平均值，由于该出口簇类型中其实大部分属于分类正确的道路出口，只有少部分分类错误的道路出口，因此计算得到的出口朝向平均值更接近于分类正确的道路出口的出口朝向，而分类错误的道路出口的出口朝向与分类正确的道路出口的出口朝向两者之间具有明显的偏差。因此在得到平均值后，将该出口簇类型中的所有道路出口分别与该平均值进行作差比较，在道路出口的出口朝向与所述出口朝向平均值之间的差值满足设定条件时，确定该道路出口并不属于该出口簇类型，将该道路出口从该出口簇类型中过滤掉。
在本实施例中，同一出口簇类型可以包括左转出口簇类型，右转出口簇类型和直行出口簇类型。也就是说对于左转出口簇类型，右转出口簇类型和直行出口簇类型均可通过上述实施方式过滤掉自身出口簇类型中的分类错误的道路出口。
在本实施例中，满足设定条件表征的是在道路出口的出口朝向与所述出口朝向平均值之间的差值超过了设定阈值。在工程实现中，同一出口簇类型中的出口朝向的偏差一般在0.0x左右，因此可以将设定阈值优选设置为0.1。应当理解的是该设定阈值的具体取值只是一种优选实施方式，其同样可根据实际应用场景进行设定，在此不做具体限定。如图5所示为本申请中的道路出口的聚类算法。
在本申请中，步骤S103具体包括：根据所述障碍物的当前位置信息和所述目标出口簇中的各个道路出口的坐标信息，确定各个道路出口分别与所述障碍物之间的朝向角度；将每个朝向角度分别与所述第二速度朝向进行比较，获得与每个道路出口对应的偏差角；将所有道路出口中偏差角最小的两个道路出口，确定为候选目标出口；获取所述障碍物的预设数量的历史速度朝向；根据各个历史速度朝向对应时刻的位置信息和各个候选目标出口的坐标信息，确定在各个历史速度朝向对应时刻的各个候选目标出口分别与所述障碍物之间的第一朝向角度；将第一朝向角度与对应的历史速度朝向进行比较，获得与每个道路出口对应的多个第一偏差角；将第一偏差角不断减小的候选目标出口，确定为目标出口。
在本实施例中，障碍物在距离目标出口簇较远时，根据简单的指标，如距离，去获得目标出口，或者随机挑选目标出口，不会对障碍物的轨迹形状产生太大影响。而当障碍物距离目标出口簇很近时，单纯使用距离等简单指标会导致目标出口选错，这时轨迹就会产生不合理的形状。所以需要设计策略去保证在障碍物快要离开路口时能选择正确的目标出口从而保证轨迹的合理性。
在本实施例中，具体的策略为，根据自车的车载传感器获取当前路口的道路数据，通过对道路数据进行分析处理，得到各个道路出口的坐标信息。道路出口的坐标信息为刚进入道路出口时，道路出口的中间位置的坐标，如图6中的黑色圆点即为每个道路出口的坐标信息。根据自车的车载传感器获取到障碍物的当前位置信息，将障碍物的当前位置与各个道路出口的坐标点进行连线，得到各个道路出口分别与障碍物之间的朝向角度，如图6中的虚线箭头即为各个道路出口分别与障碍物之间的朝向角度。将每个朝向角度分别与障碍物在当前时刻的第二速度朝向进行比较，获得与每个道路出口对应的偏差角，也就是将每个朝向角度减去障碍物的第二速度朝向所得到的角度即为偏差角。确定出其中偏差角最小的两个道路出口，确定为候选目标出口。如图6所示，其中的道路出口2和3即为候选目标出口。
在本实施例中，自车在障碍物进入路口时就在对障碍物的运动状态参数进行实时采集，在障碍物进入当前路口时和当前时刻之间，自车采集预设数量个时刻的障碍物的运动状态参数，并对每个时刻的障碍物的运动状态参数进行分析处理，获得该障碍物在各个时刻的历史速度朝向，也就是得到了预设数量的历史速度朝向。
将各个历史速度朝向对应时刻的障碍物的坐标点与各个候选目标出口的坐标点进行连线，得到在各个历史速度朝向对应时刻的各个候选目标出口分别与障碍物之间的第一朝向角度。
示例地，预设数量的历史速度朝向包括3个，分别为：当前时刻之前0.1S时刻的一个历史速度朝向，当前时刻之前0.2S时刻的一个历史速度朝向，当前时刻之前0.3S时刻的一个速度朝向。候选目标出口包括候选目标出口1和候选目标出口2。
将当前时刻之前0.1S时刻的障碍物坐标点与候选目标出口1的坐标点进行连线，得到在当前时刻之前0.1S时刻的候选目标出口1与障碍物之间的第一朝向角度；将当前时刻之前0.2S时刻的障碍物坐标点与候选目标出口1的坐标点进行连线，得到在当前时刻之前0.2S时刻的候选目标出口1与障碍物之间的第一朝向角度；将当前时刻之前0.3S时刻的障碍物坐标点与候选目标出口1的坐标点进行连线，得到在当前时刻之前0.3S时刻的候选目标出口1与障碍物之间的第一朝向角度。
将当前时刻之前0.1S时刻的障碍物坐标点与候选目标出口2的坐标点进行连线，得到在当前时刻之前0.1S时刻的候选目标出口1与障碍物之间的第一朝向角度；将当前时刻之前0.2S时刻的障碍物坐标点与候选目标出口2的坐标点进行连线，得到在当前时刻之前0.2S时刻的候选目标出口2与障碍物之间的第一朝向角度；将当前时刻之前0.3S时刻的障碍物坐标点与候选目标出口2的坐标点进行连线，得到在当前时刻之前0.3S时刻的候选目标出口2与障碍物之间的第一朝向角度。
在本实施例中，将每个第一朝向角度与各自对应的历史速度朝向进行比较，获得与每个道路出口对应的多个第一偏差角。
示例地，继续沿用上述示例，将当前时刻之前0.1S时刻的候选目标出口1与障碍物之间的第一朝向角度，与当前时刻之前0.1S的历史速度朝向进行比较，得到候选目标出口1的第一个第一偏差角；将当前时刻之前0.2S时刻的候选目标出口1与障碍物之间的第一朝向角度，与当前时刻之前0.2S时刻的历史速度朝向进行比较，得到候选目标出口1的第二个第一偏差角；将当前时刻之前0.3S时刻的候选目标出口1与障碍物之间的第一朝向角度，与当前时刻之前0.3S时刻的历史速度朝向进行比较，得到候选目标出口1的第三个第一偏差角。
将当前时刻之前0.1S时刻的候选目标出口2与障碍物之间的第一朝向角度，与当前时刻之前0.1S时刻的历史速度朝向进行比较，得到候选目标出口2的第一个第一偏差角；将当前时刻之前0.2S时刻的候选目标出口2与障碍物之间的第一朝向角度，与当前时刻之前0.2S时刻的历史速度朝向进行比较，得到候选目标出口2的第二个第一偏差角；将当前时刻之前0.3S时刻的候选目标出口2与障碍物之间的第一朝向角度，与当前时刻之前0.3S时刻的历史速度朝向进行比较，得到候选目标出口2的第三个第一偏差角。
在本实施例中，将第一偏差角不断减小的候选目标出口，确定为目标出口。
示例地，继续沿用上述示例，如果候选目标出口1的第三个第一偏差角大小，第二个第一偏差角大小，第一个第一偏差角大小在不断减小的话，确定候选目标出口1为目标出口，因为其不断在向候选目标出口1进行偏转。而如果候选目标出口2的第三个第一偏差角大小，第二个第一偏差角大小，第一个第一偏差角大小在不断减小的话，确定候选目标出口2为目标出口，因为其不断在向候选目标出口2进行偏转。
在本实施例中，还有一种特殊情况，通过计算确认只存在一个绝对值最小的第一偏差角，如图7所示，此时也就只存在一个候选目标出口4，直接将该候选目标出口4确定为目标出口即可。
在本申请中，在无法根据第一偏差角确定目标出口时，所述方法还包括：根据所述障碍物的当前位置信息和候选目标出口的坐标信息，从候选目标出口中确定目标出口。
在本实施例中，如果两个候选目标出口各自对应的多个第一偏差角都不是不断减小，则无法通过第一偏转角确定出哪个候选目标出口将被确定为目标出口。此时，将障碍物的当前坐标点分别与两个候选目标出口的坐标点进行连线，选择出其中连线最短的一个候选目标出口，确定为目标出口。
在本申请中，所述方法还包括：在路口不存在与所述障碍物的运动意图对应的目标出口簇时，通过匀速直线运动模型构建所述障碍物的预测轨迹。
在本实施例中，如果障碍物的运动意图对应的目标出口簇为空，意味着出现未知异常，使用匀速直线运动模型来预测获得障碍物的预测轨迹。例如，确定障碍物的运动意图为直行，但前方路口并没有直行出口簇类型，此时直接用匀速直线运动模型来预测获得障碍物的预测轨迹。
在本实施例中，图8是本申请实施例提供的一种障碍物轨迹预测的方法的另一流程图。参照图8，感知系统用于获取障碍物的运动状态参数，发送给预测系统。同时由地图引擎加载前方路口的巡航地图文件（含路口位置，出口等基础信息），同时可结合自车的感知系统采集图像数据，与地图引擎的巡航地图文件中的路口信息进行数据融合，得到更为准确的路口位置，出口等基础信息，然后生成具备完整拓扑关系的虚拟车道发送给预测系统。在自车的感知系统监测到障碍物到达前方路口时，向地图引擎获取生成具备完整拓扑关系的虚拟车道，在获取到车道后，确定障碍物将沿车道进行行驶，在未获取到车道时，采用本申请的实施方式预测障碍物的预测轨迹，包括障碍物的运动意图判定，对道路出口进行聚类，在与障碍物的运动意图相匹配的目标出口簇中进行更细粒度的出口挑选，挑选出目标出口，根据障碍物的当前位置信息、当前速度信息和目标出口进行轨迹拟合，获得障碍物的预测轨迹。
本申请所提供的一种障碍物轨迹预测的方法由四部分组成。障碍物运动意图判定，道路出口聚类，目标出口精细挑选和轨迹生成。首先基于障碍物运动特征判断障碍物的运动意图，是直行，左转，右转或是掉头。第二部分是出口聚类，将道路出口进行分类，让其与障碍物的运动意图相匹配，得到直行出口簇，左转出口簇和右转出口簇等。对道路出口进行聚类可以将道路出口进行明显区分，避免障碍物直接挑选目标出口时在相邻的不同出口类型间摇摆，这样可以保证在障碍物运动意图判定正确的前提下，不会产生大的偏差，也就是原本障碍物的运动意图是直行，却选到了左转出口或右转出口，保证了道路出口挑选的准确性。第三部分是在明确了目标出口簇的情况下，在目标出口簇中挑选最符合障碍物预期，最合理的唯一目标出口，该部分可以保证障碍物的轨迹预测的合理性和平滑性，在障碍物接近目标出口时会发挥很大作用。最终部分根据障碍物的当前位置信息和当前速度信息和目标出口，通过使用三次方程生成障碍物的预测轨迹。同时，本申请的一种障碍物轨迹预测的方法仅强依赖路口出口，而不强依赖路口内的复杂拓扑结构。而路口的出口数据更加稳定且容易获得，因此可以在短时间内实现障碍物在路口的轨迹预测的更佳预测效果。
同时，本技术方案成本低。在地图的构建过程中，出口信息可以直接从导航地图中获取。具体的车道生成则需要复杂的方案和大量的人力，在实车运行过程中也会有较高的耗时，挤压其他模块的计算资源。所以如果能只依赖路口，可以节省很多构建资源。本技术方案不强依赖车道，轨迹质量不受路口虚拟车道的波动和缺失的影响，鲁棒性较强。将障碍物路口挑选任务进行了拆解，首次提出了出口簇的聚类，该环节能提高出口选择的准确性和稳定性，保证了意图判断准确的情况下不会产生出口大方向的误判。在出口簇的基础上的路口挑选，可以在最细粒度上保证出口挑选的合理性。框架解耦性较好，极易排查问题。
本申请实施例还提供了一种障碍物轨迹预测的系统900。图9是本申请一实施例示出的一种障碍物轨迹预测的系统的示意图。参照图9，本申请提供的一种障碍物轨迹预测的系统900包括：
速度朝向确定模块901，用于获取障碍物进入路口时的第一速度朝向，以及所述障碍物在当前时刻的第二速度朝向；
运动意图识别模块902，用于根据所述第一速度朝向与所述第二速度朝向之间的朝向变化量，以及第一设定阈值，确定所述障碍物的运动意图；
目标出口确定模块903，用于根据所述障碍物的当前位置信息、所述第二速度朝向和与所述运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定所述目标出口簇中的目标出口；
轨迹生成模块904，用于根据所述障碍物的当前位置信息、当前速度信息和所述目标出口进行轨迹拟合，获得所述障碍物的预测轨迹。
可选地，所述运动意图识别模块902，包括：
第一运动意图识别模块，用于在所述朝向变化量与所述第一设定阈值满足第一条件时，确定所述障碍物的运动意图为左转；
第二运动意图识别模块，用于在所述朝向变化量与所述第一设定阈值满足第二条件时，确定所述障碍物的运动意图为右转；
历史速度朝向获取模块，用于在所述朝向变化量与所述第一设定阈值满足第三条件时，获取所述障碍物的预设数量的历史速度朝向；
对比模块，用于将所述预设数量的历史速度朝向分别与所述第二速度朝向进行比较，获得多个比较结果；
第三运动意图识别模块，用于在所述多个比较结果满足第一要求时，确定所述障碍物的运动意图为左转；
第四运动意图识别模块，用于在所述多个比较结果满足第二要求时，确定所述障碍物的运动意图为右转；
第五运动意图识别模块，用于在所述多个比较结果未满足第一要求或未满足第二要求时，确定所述障碍物的运动意图为直行。
可选地，所述系统还包括：
出口朝向确定模块，用于根据获取的道路数据，确定每个道路出口的出口朝向；
道路出口类型确定模块，用于根据道路出口的出口朝向与所述第二速度朝向之间的夹角，以及第二设定阈值，确定各个道路出口各自属于的出口簇类型。
可选地，所述系统还包括：
出口朝向均值计算模块，用于计算同一出口簇类型中的所有道路出口的出口朝向平均值；
出口朝向对比模块，用于将所述同一出口簇类型中的每个道路出口的出口朝向分别与所述出口朝向平均值进行比较；
道路出口过滤模块，用于在比较结果表征道路出口的出口朝向与所述出口朝向平均值之间的差值满足设定条件时，过滤所述同一出口簇类型中的该道路出口。
可选地，所述目标出口确定模块903，包括：
朝向角度确定模块，用于根据所述障碍物的当前位置信息和所述目标出口簇中的各个道路出口的坐标信息，确定各个道路出口分别与所述障碍物之间的朝向角度；
偏差角确定模块，用于将每个朝向角度分别与所述第二速度朝向进行比较，获得与每个道路出口对应的偏差角；
候选目标出口确定模块，用于将所有道路出口中偏差角最小的两个道路出口，确定为候选目标出口；
历史速度朝向获取模块，用于获取所述障碍物的预设数量的历史速度朝向；
第一朝向角度确定模块，用于根据各个历史速度朝向对应时刻的位置信息和各个候选目标出口的坐标信息，确定在各个历史速度朝向对应时刻的各个候选目标出口分别与所述障碍物之间的第一朝向角度；
第一偏差角确定模块，用于将第一朝向角度与对应的历史速度朝向进行比较，获得与每个道路出口对应的多个第一偏差角；
目标出口确定子模块，用于将第一偏差角不断减小的候选目标出口，确定为目标出口。
可选地，在无法根据第一偏差角确定目标出口时，所述系统还包括：
第一目标出口确定模块，用于根据所述障碍物的当前位置信息和候选目标出口的坐标信息，从候选目标出口中确定目标出口。
可选地，所述系统还包括：
第一轨迹预测模块，用于在路口不存在与所述障碍物的运动意图对应的目标出口簇时，通过匀速直线运动模型构建所述障碍物的预测轨迹。
本申请实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现所述的一种障碍物轨迹预测的方法中的步骤。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种障碍物轨迹预测的方法中的步骤。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (9)

1.一种障碍物轨迹预测的方法，其特征在于，所述方法包括：
获取障碍物进入路口时的第一速度朝向，以及所述障碍物在当前时刻的第二速度朝向；
根据所述第一速度朝向与所述第二速度朝向之间的朝向变化量，以及第一设定阈值，确定所述障碍物的运动意图；
根据所述障碍物的当前位置信息、所述第二速度朝向和与所述运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定所述目标出口簇中的目标出口；
根据所述障碍物的当前位置信息、当前速度信息和所述目标出口进行轨迹拟合，获得所述障碍物的预测轨迹；
其中，所述根据所述第一速度朝向与所述第二速度朝向之间的朝向变化量，以及第一设定阈值，确定所述障碍物的运动意图，包括：
在所述朝向变化量与所述第一设定阈值满足第一条件时，确定所述障碍物的运动意图为左转；
在所述朝向变化量与所述第一设定阈值满足第二条件时，确定所述障碍物的运动意图为右转；
在所述朝向变化量与所述第一设定阈值满足第三条件时，获取所述障碍物的预设数量的历史速度朝向；
将所述预设数量的历史速度朝向分别与所述第二速度朝向进行比较，获得多个比较结果；
在所述多个比较结果满足第一要求时，确定所述障碍物的运动意图为左转；
在所述多个比较结果满足第二要求时，确定所述障碍物的运动意图为右转；
在所述多个比较结果未满足第一要求或未满足第二要求时，确定所述障碍物的运动意图为直行。
2.根据权利要求1所述的一种障碍物轨迹预测的方法，其特征在于，根据所述障碍物的运动意图和所述障碍物的运动状态参数，从与所述运动意图匹配的目标出口簇中确定目标出口之前，所述方法还包括：
根据获取的道路数据，确定每个道路出口的出口朝向；
根据道路出口的出口朝向与所述第二速度朝向之间的夹角，以及第二设定阈值，确定各个道路出口各自属于的出口簇类型。
3.根据权利要求2所述的一种障碍物轨迹预测的方法，其特征在于，所述方法还包括：
计算同一出口簇类型中的所有道路出口的出口朝向平均值；
将所述同一出口簇类型中的每个道路出口的出口朝向分别与所述出口朝向平均值进行比较；
在比较结果表征道路出口的出口朝向与所述出口朝向平均值之间的差值满足设定条件时，过滤所述同一出口簇类型中的该道路出口。
4.根据权利要求1所述的一种障碍物轨迹预测的方法，其特征在于，所述根据所述障碍物的当前位置信息、所述第二速度朝向和与所述运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定所述目标出口簇中的目标出口，包括：
根据所述障碍物的当前位置信息和所述目标出口簇中的各个道路出口的坐标信息，确定各个道路出口分别与所述障碍物之间的朝向角度；
将每个朝向角度分别与所述第二速度朝向进行比较，获得与每个道路出口对应的偏差角；
将所有道路出口中偏差角最小的两个道路出口，确定为候选目标出口；
获取所述障碍物的预设数量的历史速度朝向；
根据各个历史速度朝向对应时刻的位置信息和各个候选目标出口的坐标信息，确定在各个历史速度朝向对应时刻的各个候选目标出口分别与所述障碍物之间的第一朝向角度；
将第一朝向角度与对应的历史速度朝向进行比较，获得与每个道路出口对应的多个第一偏差角；
将第一偏差角不断减小的候选目标出口，确定为目标出口。
5.根据权利要求4所述的一种障碍物轨迹预测的方法，其特征在于，在无法根据第一偏差角确定目标出口时，所述方法还包括：
根据所述障碍物的当前位置信息和候选目标出口的坐标信息，从候选目标出口中确定目标出口。
6.根据权利要求1所述的一种障碍物轨迹预测的方法，其特征在于，所述方法还包括：
在路口不存在与所述障碍物的运动意图对应的目标出口簇时，通过匀速直线运动模型构建所述障碍物的预测轨迹。
7.一种障碍物轨迹预测的系统，其特征在于，所述系统包括：
速度朝向确定模块，用于获取障碍物进入路口时的第一速度朝向，以及所述障碍物在当前时刻的第二速度朝向；
运动意图识别模块，用于根据所述第一速度朝向与所述第二速度朝向之间的朝向变化量，以及第一设定阈值，确定所述障碍物的运动意图；
目标出口确定模块，用于根据所述障碍物的当前位置信息、所述第二速度朝向和与所述运动意图对应的目标出口簇中的各个道路出口的坐标信息，确定所述目标出口簇中的目标出口；
轨迹生成模块，用于根据所述障碍物的当前位置信息、当前速度信息和所述目标出口进行轨迹拟合，获得所述障碍物的预测轨迹；
其中，所述运动意图识别模块，包括：
第一运动意图识别模块，用于在所述朝向变化量与所述第一设定阈值满足第一条件时，确定所述障碍物的运动意图为左转；
第二运动意图识别模块，用于在所述朝向变化量与所述第一设定阈值满足第二条件时，确定所述障碍物的运动意图为右转；
历史速度朝向获取模块，用于在所述朝向变化量与所述第一设定阈值满足第三条件时，获取所述障碍物的预设数量的历史速度朝向；
对比模块，用于将所述预设数量的历史速度朝向分别与所述第二速度朝向进行比较，获得多个比较结果；
第三运动意图识别模块，用于在所述多个比较结果满足第一要求时，确定所述障碍物的运动意图为左转；
第四运动意图识别模块，用于在所述多个比较结果满足第二要求时，确定所述障碍物的运动意图为右转；
第五运动意图识别模块，用于在所述多个比较结果未满足第一要求或未满足第二要求时，确定所述障碍物的运动意图为直行。
8.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的一种障碍物轨迹预测的方法中的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的一种障碍物轨迹预测的方法中的步骤。
CN202211161440.6A 2022-09-23 2022-09-23 一种障碍物轨迹预测的方法、系统、电子设备及存储介质 Active CN115230743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211161440.6A CN115230743B (zh) 2022-09-23 2022-09-23 一种障碍物轨迹预测的方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211161440.6A CN115230743B (zh) 2022-09-23 2022-09-23 一种障碍物轨迹预测的方法、系统、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115230743A CN115230743A (zh) 2022-10-25
CN115230743B true CN115230743B (zh) 2022-12-02

Family

ID=83667541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211161440.6A Active CN115230743B (zh) 2022-09-23 2022-09-23 一种障碍物轨迹预测的方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115230743B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116524473A (zh) * 2023-07-03 2023-08-01 深圳安智杰科技有限公司 一种车道线缺损场景中的障碍物目标轨迹预测系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192327A (zh) * 2020-01-03 2020-05-22 北京百度网讯科技有限公司 用于确定障碍物朝向的方法和装置
CN113879295A (zh) * 2020-07-02 2022-01-04 华为技术有限公司 轨迹预测方法及装置
CN113968243A (zh) * 2021-11-11 2022-01-25 北京三快在线科技有限公司 一种障碍物轨迹预测方法、装置、设备及存储介质
CN113997954A (zh) * 2021-11-29 2022-02-01 广州文远知行科技有限公司 一种车辆行驶意图预测方法、装置、设备及可读存储介质
CN114212110A (zh) * 2022-01-28 2022-03-22 中国第一汽车股份有限公司 障碍物轨迹预测方法、装置、电子设备及存储介质
WO2022070303A1 (ja) * 2020-09-30 2022-04-07 三菱電機株式会社 行動計画装置および制御演算装置
CN114332808A (zh) * 2021-12-01 2022-04-12 北京三快在线科技有限公司 一种预测转向意图的方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192327A (zh) * 2020-01-03 2020-05-22 北京百度网讯科技有限公司 用于确定障碍物朝向的方法和装置
CN113879295A (zh) * 2020-07-02 2022-01-04 华为技术有限公司 轨迹预测方法及装置
WO2022070303A1 (ja) * 2020-09-30 2022-04-07 三菱電機株式会社 行動計画装置および制御演算装置
CN113968243A (zh) * 2021-11-11 2022-01-25 北京三快在线科技有限公司 一种障碍物轨迹预测方法、装置、设备及存储介质
CN113997954A (zh) * 2021-11-29 2022-02-01 广州文远知行科技有限公司 一种车辆行驶意图预测方法、装置、设备及可读存储介质
CN114332808A (zh) * 2021-12-01 2022-04-12 北京三快在线科技有限公司 一种预测转向意图的方法及装置
CN114212110A (zh) * 2022-01-28 2022-03-22 中国第一汽车股份有限公司 障碍物轨迹预测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN115230743A (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
WO2021077725A1 (zh) 一种基于驾驶意图的周围车辆运动状态预测系统及方法
CN106114507B (zh) 用于智能车辆的局部轨迹规划方法和装置
CN113291308B (zh) 一种考虑驾驶行为特性的车辆自学习换道决策系统及方法
CN109760675B (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
JP3714258B2 (ja) 車両用推奨操作量生成装置
CN112249008B (zh) 针对复杂动态环境的无人驾驶汽车预警方法
CN115230743B (zh) 一种障碍物轨迹预测的方法、系统、电子设备及存储介质
CN113844451B (zh) 行驶设备控制方法、装置、电子设备及存储介质
CN113895459B (zh) 一种障碍物的筛选方法及系统
CN115257746A (zh) 一种考虑不确定性的自动驾驶汽车换道决策控制方法
CN112365710A (zh) 一种基于概率输出模型的智能车辆换道决策方法
Mavrogiannis et al. B-gap: Behavior-guided action prediction for autonomous navigation
CN117325865A (zh) 一种lstm轨迹预测的智能车辆换道决策方法及系统
CN110619340A (zh) 一种自动驾驶汽车换道规则的生成方法
CN115761431A (zh) 为模型预测控制提供时空代价地图推断的系统和方法
CN112937584B (zh) 一种自动换道控制方法、装置及汽车
Weisswange et al. Intelligent traffic flow assist: Optimized highway driving using conditional behavior prediction
CN113619604A (zh) 自动驾驶汽车的集成式决控方法、装置及存储介质
CN112365730A (zh) 自动驾驶方法、装置、设备、存储介质以及车辆
CN114670867B (zh) 基于分层学习和潜在风险模型的多车轨迹预测系统
CN113844446A (zh) 融合长短程的车辆轨迹预测方法
CN111176285A (zh) 一种行进路径规划的方法及装置、车辆、可读存储介质
CN116238524B (zh) 基于高精地图与车辆历史轨迹的驾驶行为判别方法及系统
Pousseur et al. Prediction of human driving behavior using deep learning: a recurrent learning structure
CN114426032B (zh) 一种基于自动驾驶的本车轨迹预测方法、系统、车辆及计算机可读存储介质

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