CN115273463A - 行人目标横穿预测方法、装置、车辆及存储介质 - Google Patents
行人目标横穿预测方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN115273463A CN115273463A CN202210781614.2A CN202210781614A CN115273463A CN 115273463 A CN115273463 A CN 115273463A CN 202210781614 A CN202210781614 A CN 202210781614A CN 115273463 A CN115273463 A CN 115273463A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- historical
- motion
- generating
- position points
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000006073 displacement reaction Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 239000012634 fragment Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种行人目标横穿预测方法、装置、车辆及存储介质,其中,方法包括:生成至少一个行人的历史运动轨迹;根据每个行人的历史运动轨迹识别每个行人的运动方向和运动趋势;基于运动方向和运动趋势,以历史运动轨迹的最后一时刻的历史位置点为起始点,取多个计算点,并分别叠加计算点之间的距离,以预测预设时长后的位移距离并确定每个行人的多个未来位置,根据每个行人的未来位置计算每个行人的实际横穿概率。本申请实施例可以将行人横穿场景连续化,从而更具针对性的对每个行人的横穿概率进行预测,有效提升横穿预测的准确性和可靠性,有效避免安全隐患的同时,保证车辆的驾乘体验,进一步提升车辆的安全性和实用性,安全可靠。
Description
技术领域
本申请涉及交通安全技术领域,特别涉及一种行人目标横穿预测方法、装置、车辆及存储介质。
背景技术
随着科学技术的不断进步,自动驾驶技术也在推陈出新,在这项技术应用中,自动驾驶车辆对可能有碰撞风险的行人的规避尤其受到广泛关注,通常来说,最常见的场景例如行人横穿马路,这种情况下,行人目标在车辆行进方向上的纵向速度几乎为0,因此,当车辆速度较快时,如果发现和关注目标较晚,则有制动不足的安全风险,因此,对行人目标的预测能够在一定程度上为车辆行为决策提供超前信息意见,有望提前进行减速避让等措施。
相关技术中,可以通过预判当前车辆的行进轨迹一定距离内是否存在行人进行预测。例如划分车辆行驶安全区,当行人进入车辆行驶安全区内,则执行制动,否则车辆正常行驶。又例如,可以通过数据建模的方式,通过采集多个行人的特征即道路特征,建立相应模型,进而实现对行人意图的预测,可以避免划分车辆行车安全区带来的安全隐患,为用户和行人带来较为舒适的体验。
然而,相关技术对安全区划分存在局限性,第一种技术是对既成现象的二分类,若安全区边界选取过宽,则有可能对路边危险不大的行人误制动,而由于行人相比车辆速度远远较小,一旦误制动,轻则影响体验,重则有追尾风险,而若安全区边界选取较窄,则有可能对行人的避撞制动执行较晚且滞后,且对于处于边界附近的行人来说,车辆将处于一种非刹即行的状态,不能很好地解决安全与体验舒适的问题。第二种技术也是一种二分类预测,过度依赖采集数据,且由于不同的人横穿方式不同,模型在初期数据规模难以收敛,无法对点剖析整改漏检与误检问题,其次,该方法可解释性差,当出现与人类逻辑相悖的动作时,无法基于数据进行解释。
综上,相关技术中均为基于二分类问题进行行人横穿的分类预测,将行人横穿这一连续场景片面化,取某一时刻进行简单分类,无法为后端规划提供更多有价值的参考,行人预测的准确性和可靠性较低,易造成误测,存在一定安全隐患,亟需改进。
发明内容
本申请提供一种行人目标横穿预测方法、装置、车辆及存储介质,以解决相关技术中基于二分类问题进行行人横穿预测,导致行人横穿这一连续场景片面化,不但预测的准确性和可靠性较低,存在较大的安全隐患,而且车辆的驾乘体验较差的问题。
本申请第一方面实施例提供一种行人目标横穿预测方法,包括以下步骤:生成至少一个行人的历史运动轨迹;根据每个行人的历史运动轨迹识别所述每个行人的运动方向和运动趋势;以及基于所述运动方向和所述运动趋势,以所述历史运动轨迹的最后一时刻的历史位置点为起始点,取多个计算点,并分别叠加计算点之间的距离,以预测预设时长后的位移距离并确定所述每个行人的多个未来位置,根据所述每个行人的未来位置计算所述每个行人的实际横穿概率。
根据上述技术手段,本申请实施例可以基于每个行人的历史运动轨迹,预测该行人的运动方向及运动趋势,从而判断行人横穿概率,通过实时检测和预测,无需大量数据基础,且针对每个行人进行相应的轨迹识别和运动预测,使得预测结果更准确,降低误判的概率,保证行车安全,从而为用户和行人提供良好的交通舒适度。
可选地,在本申请的一个实施例中,所述生成至少一个行人的历史运动轨迹,包括:采集所述每个行人的多个历史位置点;根据所述多个历史位置点生成所述每个行人的历史运动轨迹。
根据上述技术手段,本申请实施例可以基于行人动作的连续性,生成每个行人的历史运动轨迹,使得轨迹更具个人特点,更具针对性,适用性更高。
可选地,在本申请的一个实施例中,在采集所述每个行人的多个历史位置点之后,还包括:从所述多个历史位置点中筛除不满足预设条件的位置点,得到筛选后的多个历史位置点。
根据上述技术手段,本申请实施例可以筛除不满足预设条件的位置点,从而保证行人历史轨迹的连续性和完整性,可以降低偶然因素对结果预测的影响,提高预测的准确性。
可选地,在本申请的一个实施例中,所述根据所述多个历史位置点生成所述每个行人的历史运动轨迹,包括:根据所述多个历史位置点生成历史数据数组;根据由所述历史数据数组得到的多个有效轨迹段的数据点击进行三次曲线拟合,得到曲线系数数组;基于所述曲线系数数组得到所述每个行人的历史运动轨迹。
根据上述技术手段,本申请实施例可以进一步提高历史轨迹的准确性,有效保证预测结果的准确性。
本申请第二方面实施例提供一种行人目标横穿预测装置,包括:生成模块,用于生成至少一个行人的历史运动轨迹;识别模块,用于根据每个行人的历史运动轨迹识别所述每个行人的运动方向和运动趋势;以及预测模块,用于基于所述运动方向和所述运动趋势,以所述历史运动轨迹的最后一时刻的历史位置点为起始点,取多个计算点,并分别叠加计算点之间的距离,以预测预设时长后的位移距离并确定所述每个行人的多个未来位置,根据所述每个行人的未来位置计算所述每个行人的实际横穿概率。
可选地,在本申请的一个实施例中,所述生成模块包括:采集单元,用于采集所述每个行人的多个历史位置点;生成单元,用于根据所述多个历史位置点生成所述每个行人的历史运动轨迹。
可选地,在本申请的一个实施例中,所述生成模块还包括:筛选单元,用于从所述多个历史位置点中筛除不满足预设条件的位置点,得到筛选后的多个历史位置点。
可选地,在本申请的一个实施例中,所述生成单元包括:生成子单元,用于根据所述多个历史位置点生成历史数据数组;拟合子单元,用于根据由所述历史数据数组得到的多个有效轨迹段的数据点击进行三次曲线拟合,得到曲线系数数组;构建子单元,用于基于所述曲线系数数组得到所述每个行人的历史运动轨迹。
本申请第三方面实施例提供一种车辆,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计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的行人目标横穿预测方法。
本申请第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的行人目标横穿预测方法。
本申请实施例的有益效果:
(1)本申请实施例可以通过捕捉行人的历史位置点,将历史位置点形成行人的历史运动轨迹,将行人的运动场景连续化,从而实现对行人的运动方向和运动趋势的识别,进而提高对行人横穿预测的准确性;
(2)本申请实施例可以针对行人进行实时信息采集及分析,无需采集大量行人数据进行模型构建,简化了预测过程;
(3)本申请实施例可以对行人的历史位置点进行筛选,获得能真实反映行人运动方向和运动趋势的历史运动轨迹,并通过三次拟合获得曲线系数,保证了行人历史运动轨迹的准确性,从而提高对行人横穿预测的准确性,提高车辆的行车安全,为用户和行人提供舒适的通行体验。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种行人目标横穿预测方法的流程图;
图2为根据本申请一个实施例的行人目标横穿预测方法的行人目标横穿预测效果示意图;
图3为根据本申请一个实施例的行人目标横穿预测方法的流程图;
图4为根据本申请实施例提供的一种行人目标横穿预测装置的结构示意图;
图5根据本申请实施例提供的车辆的结构示意图。
其中,10-行人目标横穿预测装置;100-生成模块、200-识别模块、300-预测模块。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的行人目标横穿预测方法、装置、车辆及存储介质。针对上述背景技术中心提到的相关技术中基于二分类问题进行行人横穿预测,导致行人横穿这一连续场景片面化,不但预测的准确性和可靠性较低,存在较大的安全隐患,而且车辆的驾乘体验较差的问题,本申请提供了一种行人目标横穿预测方法,在该方法中,可以根据每个行人生成历史运动轨迹,从而识别每个行人的运动方向和运动趋势,进而对每个行人的未来位置进行预测,从而获得每个行人的实际横穿概率,将行人横穿场景连续化,无需大量数据即可更具针对性的对每个行人的横穿概率进行预测,保证了预测结果的准确性,进而提高了行车安全及用户的行人的交通舒适度。由此,解决了相关技术中基于二分类问题进行行人横穿预测,导致行人横穿这一连续场景片面化,不但预测的准确性和可靠性较低,存在较大的安全隐患,而且车辆的驾乘体验较差的问题。
具体而言,图1为本申请实施例所提供的一种行人目标横穿预测方法的流程示意图。
如图1所示,该行人目标横穿预测方法包括以下步骤:
在步骤S101中,生成至少一个行人的历史运动轨迹。
在实际执行过程中,本申请实施例可以针对当前车辆行驶途中检测到的行人,生成相应的历史运动轨迹,便于后续根据行人的历史运动轨迹预测行人意图,从而便于车辆进行合理应对。
可选地,在本申请的一个实施例中,生成至少一个行人的历史运动轨迹,包括:采集每个行人的多个历史位置点;根据多个历史位置点生成每个行人的历史运动轨迹。
作为一种可能实现的方式,历史运动轨迹的生成方式可以由很多种,例如但不仅限于可以实时检测车辆行驶途中一定范围内的行人位置,举例而言,在车辆行驶过程中,本申请实施例可以通过超声波雷达,每隔1-2s检测车辆前方半径500m内的速度小于5m/s的移动目标,以便区分前方移动目标为机动车辆还是行人,并记录每个移动目标的位置,并通过摄像头对每个移动目标进行区分,实现对每个行人的多个历史位置点进行采集。
在实际执行过程中,本申请实施例可以对每个行人的多个历史位置点进行坐标转换,转换到当前时刻的坐标系下,即本申请实施例在记录历史位置点后,及时进行一轮转换,通过上一时刻的车辆转向和速度,反推上一时刻的目标在叠加了车辆的运动之后,反映在即时时刻坐标系下的位置关系,进而生成每个行人的历史运动轨迹,从而提高预测的准确性和可靠性,更具有参考价值。
可选地,在本申请的一个实施例中,在采集每个行人的多个历史位置点之后,还包括:从多个历史位置点中筛除不满足预设条件的位置点,得到筛选后的多个历史位置点。
可以理解的是,在车辆检测并记录每个行人的历史位置点时,可能会出现因障碍物阻挡导致无法检测的情况,因此,为了获取最有效的数据作为行人的历史运动轨迹进行预测,本申请实施例可以对数据进行切片,并对记录的历史位置点进行筛查,举例而言,当历史位置点中有因行人消失或传感丢失导致的断片,本申请实施例可以跳过该段,即在记录的历史位置点中,以最后一个索引为最新时刻,选出最后一个0元素索引,然后以下一个索引作为有效轨迹段,从而保证行人历史轨迹的连续性和完整性,避免偶然因素对预测结果的影响,提高预测的精确性和有效性。
需要注意的是,预设条件可以由本领域技术人员根据实际情况进行设置,为避免冗余,在此不做具体限制。
可选地,在本申请的一个实施例中,根据多个历史位置点生成每个行人的历史运动轨迹,包括:根据多个历史位置点生成历史数据数组;根据由历史数据数组得到的多个有效轨迹段的数据点击进行三次曲线拟合,得到曲线系数数组;基于曲线系数数组得到每个行人的历史运动轨迹。
在实际执行过程中,本申请实施例可以根据多个历史位置点,生成历史数据数组,即根据不同的行人,生成不同的历史数据组,防止后续生成每个行人的历史运动轨迹时,因数据混乱导致历史运动轨迹存在误差,从而影响最终预测结果。
进而,本申请实施例可以根据有历史数据数组得到的多个有效轨迹段的数据点击进行三次曲线拟合,得到曲线系数数组,其中,多个有效轨迹段的数据,可以由筛除不满足预设条件的位置点后的历史数据数组组成。
最后,本申请实施例可以基于三次曲线拟合得到的可描述曲线的曲线系数数组,生成每个行人的历史运动轨迹,可以降低误差对历史运动轨迹的影响,从而增加历史运动轨迹的可靠性和可解释性。
在步骤S102中,根据每个行人的历史运动轨迹识别每个行人的运动方向和运动趋势。
作为一种可能实现的方式,本申请实施例可以根据每个行人的历史运动轨迹,并根据轨迹曲线的走势识别每个行人的运动方向,根据轨迹曲线中历史位置点的密集程度和位置识别每个行人的运动趋势,进而便于后续基于每个行人的运动方向和运动趋势,对行人的未来位置进行预测。
在步骤S103中,基于运动方向和运动趋势,以历史运动轨迹的最后一时刻的历史位置点为起始点,取多个计算点,并分别叠加计算点之间的距离,以预测预设时长后的位移距离并确定每个行人的多个未来位置,根据每个行人的未来位置计算每个行人的实际横穿概率。
举例而言,本申请实施例可以以预测未来2s为例,利用滤波得到的最后一时刻的速度,乘以预测时间2s,进而得到预测位移距离的长度,并根据位移距离长度,从最后一个时刻点开始,在曲线上选取曲线上一点,使得该点距离最新时刻的点之间的曲线长为预测位移长度,则该点即是预测的未来位置,,根据每个行人的未来位置,可以计算获得每个行人的实际横穿概率,并根据实际横穿概率的不同,控制车辆进行不同的应对,如当概率大于80%时,控制车辆停车,当概率大于30%但小于80%时,控制车辆减速缓行。
具体地,结合图2和图3所示,以一个具体的实施例对本申请实施例的行人目标横穿预测方法的工作原理进行详细阐述。
如图2所示,本申请实施例可以以星形点代表行人历史位置点,并通过记录行人历史位置点,预测未来1s后行人的未来位置。
具体过程可以如图3所示,本申请实施例可以包括以下步骤:
步骤S301:获取并存储行人的历史位置点。本申请实施例可以在一个历史数据数组中每时刻移位存储每个行人的位置,使数组最后一个索引始终是最新时刻的点,然后对该数组进行坐标转换,以最新时刻的点为基准,消去过去一个时间步内车辆的旋转和位移,使得坐标始终反映在最新时刻。
步骤S302:截取有效轨迹数据段。本申请实施例可以基于上述步骤中得到的历史数据数组,寻找数组中最后一个0元素索引,然后将索引+1作为数据起始点,截取该点至数组最后为有效轨迹数据段,导入新数组。
步骤S303:进行三次曲线拟合,得到可以描述三次曲线的系数。本申请实施例可以调用函数对上述步骤中得到的有效轨迹数据数组点集进行三次曲线拟合,得到可以描述三次曲线的各项系数。
步骤S304:预测位移距离长度。本申请实施例可以取预测时间1s,将数据点最后时刻的滤波速度乘以1s,得到预测位移距离长度。
步骤S305:预测位置点。因三次曲线积分计算比较耗时,本申请实施例可使用近似拟合的思路,具体来说,以最后一个时刻点为起始点,向最后一个时刻速度方向所对应的坐标系横轴方向,以横轴固定的间隔,取10个点,然后分别叠加计算点与点之间线段距离,用以表征曲线长度,当预测的位移长度落在某两个线段距离和之间,则将后者对应的点作为预测的行人未来位置点,进而实现对行人横穿意图的预测。
根据本申请实施例提出的行人目标横穿预测方法,可以根据每个行人生成历史运动轨迹,从而识别每个行人的运动方向和运动趋势,进而对每个行人的未来位置进行预测,从而获得每个行人的实际横穿概率,将行人横穿场景连续化,无需大量数据即可更具针对性的对每个行人的横穿概率进行预测,保证了预测结果的准确性,进而提高了行车安全及用户的行人的交通舒适度。由此,解决了相关技术中基于二分类问题进行行人横穿预测,导致行人横穿这一连续场景片面化,不但预测的准确性和可靠性较低,存在较大的安全隐患,而且车辆的驾乘体验较差的问题。
其次参照附图描述根据本申请实施例提出的行人目标横穿预测装置。
图4是本申请实施例的行人目标横穿预测装置的方框示意图。
如图4所示,该行人目标横穿预测装置10包括:生成模块100、识别模块200和预测模块300。
具体地,生成模块100,用于生成至少一个行人的历史运动轨迹。
识别模块200,用于根据每个行人的历史运动轨迹识别每个行人的运动方向和运动趋势。
预测模块300,用于基于运动方向和运动趋势,以历史运动轨迹的最后一时刻的历史位置点为起始点,取多个计算点,并分别叠加计算点之间的距离,以预测预设时长后的位移距离并确定每个行人的多个未来位置,根据每个行人的未来位置计算每个行人的实际横穿概率。
可选地,在本申请的一个实施例中,生成模块100包括:采集单元和生成单元。
其中,采集单元,用于采集每个行人的多个历史位置点。
生成单元,用于根据多个历史位置点生成每个行人的历史运动轨迹。
可选地,在本申请的一个实施例中,生成模块100还包括:筛选单元。
其中,筛选单元,用于从多个历史位置点中筛除不满足预设条件的位置点,得到筛选后的多个历史位置点。
可选地,在本申请的一个实施例中,生成单元包括:生成子单元、拟合子单元和构建子单元。
其中,生成子单元,用于根据多个历史位置点生成历史数据数组。
拟合子单元,用于根据由历史数据数组得到的多个有效轨迹段的数据点击进行三次曲线拟合,得到曲线系数数组。
构建子单元,用于基于曲线系数数组得到每个行人的历史运动轨迹。
需要说明的是,前述对行人目标横穿预测方法实施例的解释说明也适用于该实施例的行人目标横穿预测装置,此处不再赘述。
根据本申请实施例提出的行人目标横穿预测装置,可以根据每个行人生成历史运动轨迹,从而识别每个行人的运动方向和运动趋势,进而对每个行人的未来位置进行预测,从而获得每个行人的实际横穿概率,将行人横穿场景连续化,无需大量数据即可更具针对性的对每个行人的横穿概率进行预测,保证了预测结果的准确性,进而提高了行车安全及用户的行人的交通舒适度。由此,解决了相关技术中基于二分类问题进行行人横穿预测,导致行人横穿这一连续场景片面化,不但预测的准确性和可靠性较低,存在较大的安全隐患,而且车辆的驾乘体验较差的问题。
图5为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
处理器502执行程序时实现上述实施例中提供的行人目标横穿预测方法。
进一步地,车辆还包括:
通信接口503,用于存储器501和处理器502之间的通信。
存储器501,用于存放可在处理器502上运行的计算机程序。
存储器501可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器501、处理器502和通信接口503独立实现,则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器501、处理器502及通信接口503,集成在一块芯片上实现,则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
处理器502可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的行人目标横穿预测方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或N个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种行人目标横穿预测方法,其特征在于,包括以下步骤:
生成至少一个行人的历史运动轨迹;
根据每个行人的历史运动轨迹识别所述每个行人的运动方向和运动趋势;以及
基于所述运动方向和所述运动趋势,以所述历史运动轨迹的最后一时刻的历史位置点为起始点,取多个计算点,并分别叠加计算点之间的距离,以预测预设时长后的位移距离并确定所述每个行人的多个未来位置,根据所述每个行人的未来位置计算所述每个行人的实际横穿概率。
2.根据权利要求1所述的方法,其特征在于,所述生成至少一个行人的历史运动轨迹,包括:
采集所述每个行人的多个历史位置点;
根据所述多个历史位置点生成所述每个行人的历史运动轨迹。
3.根据权利要求2所述的方法,其特征在于,在采集所述每个行人的多个历史位置点之后,还包括:
从所述多个历史位置点中筛除不满足预设条件的位置点,得到筛选后的多个历史位置点。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述多个历史位置点生成所述每个行人的历史运动轨迹,包括:
根据所述多个历史位置点生成历史数据数组;
根据由所述历史数据数组得到的多个有效轨迹段的数据点击进行三次曲线拟合,得到曲线系数数组;
基于所述曲线系数数组得到所述每个行人的历史运动轨迹。
5.一种行人目标横穿预测装置,其特征在于,包括:
生成模块,用于生成至少一个行人的历史运动轨迹;
识别模块,用于根据每个行人的历史运动轨迹识别所述每个行人的运动方向和运动趋势;以及
预测模块,用于基于所述运动方向和所述运动趋势,以所述历史运动轨迹的最后一时刻的历史位置点为起始点,取多个计算点,并分别叠加计算点之间的距离,以预测预设时长后的位移距离并确定所述每个行人的多个未来位置,根据所述每个行人的未来位置计算所述每个行人的实际横穿概率。
6.根据权利要求5所述的装置,其特征在于,所述生成模块包括:
采集单元,用于采集所述每个行人的多个历史位置点;
生成单元,用于根据所述多个历史位置点生成所述每个行人的历史运动轨迹。
7.根据权利要求6所述的装置,其特征在于,所述生成模块还包括:
筛选单元,用于从所述多个历史位置点中筛除不满足预设条件的位置点,得到筛选后的多个历史位置点。
8.根据权利要求6或7所述的装置,其特征在于,所述生成单元包括:
生成子单元,用于根据所述多个历史位置点生成历史数据数组;
拟合子单元,用于根据由所述历史数据数组得到的多个有效轨迹段的数据点击进行三次曲线拟合,得到曲线系数数组;
构建子单元,用于基于所述曲线系数数组得到所述每个行人的历史运动轨迹。
9.一种车辆,其特征在于,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计算机程序,所述处理器执行所述程序,以实现如权利要求1-4任一项所述的行人目标横穿预测方法。
10.一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,该程序被处理器执行,以用于实现如权利要求1-4任一项所述的行人目标横穿预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210781614.2A CN115273463A (zh) | 2022-07-04 | 2022-07-04 | 行人目标横穿预测方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210781614.2A CN115273463A (zh) | 2022-07-04 | 2022-07-04 | 行人目标横穿预测方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115273463A true CN115273463A (zh) | 2022-11-01 |
Family
ID=83762888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210781614.2A Pending CN115273463A (zh) | 2022-07-04 | 2022-07-04 | 行人目标横穿预测方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115273463A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977734A (zh) * | 2017-11-10 | 2018-05-01 | 河南城建学院 | 一种时空大数据下基于移动马尔可夫模型的预测方法 |
CN111797751A (zh) * | 2020-06-29 | 2020-10-20 | 中国第一汽车股份有限公司 | 行人轨迹预测方法、装置、设备及介质 |
CN114074674A (zh) * | 2020-08-14 | 2022-02-22 | 上海汽车工业(集团)总公司 | 一种引导车辆历史轨迹曲线的获取方法及相关装置 |
CN114511999A (zh) * | 2020-11-17 | 2022-05-17 | 郑州宇通客车股份有限公司 | 一种行人行为预测方法及装置 |
-
2022
- 2022-07-04 CN CN202210781614.2A patent/CN115273463A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977734A (zh) * | 2017-11-10 | 2018-05-01 | 河南城建学院 | 一种时空大数据下基于移动马尔可夫模型的预测方法 |
CN111797751A (zh) * | 2020-06-29 | 2020-10-20 | 中国第一汽车股份有限公司 | 行人轨迹预测方法、装置、设备及介质 |
CN114074674A (zh) * | 2020-08-14 | 2022-02-22 | 上海汽车工业(集团)总公司 | 一种引导车辆历史轨迹曲线的获取方法及相关装置 |
CN114511999A (zh) * | 2020-11-17 | 2022-05-17 | 郑州宇通客车股份有限公司 | 一种行人行为预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110632921B (zh) | 机器人路径规划方法、装置、电子设备和存储介质 | |
US20230025414A1 (en) | Method for identifying abnormal driving behavior | |
CN109703569B (zh) | 一种信息处理方法、装置及存储介质 | |
US11763576B2 (en) | Method for determining a drivable area | |
CN113335312B (zh) | 一种绕障行驶方法、装置、电子设备及介质 | |
CN111351499A (zh) | 路径识别方法、装置、计算机设备和计算机可读存储介质 | |
WO2021093335A1 (en) | Method for automatically labeling lane changing intention based on high-noise trajectory data of vehicle | |
CN111103587A (zh) | 用于预测同时并线车辆的方法和设备及包括其的车辆 | |
US20200180646A1 (en) | Sensor fusion target prediction device and method for vehicles and vehicle including the device | |
CN113895456A (zh) | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 | |
CN109887321B (zh) | 无人车变道安全判别方法、装置及存储介质 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN113460084A (zh) | 用于确定车辆驾驶意图的方法、装置、车辆及存储介质 | |
US20230237810A1 (en) | Method and system for annotating sensor data | |
CN115273463A (zh) | 行人目标横穿预测方法、装置、车辆及存储介质 | |
CN112242063A (zh) | 增强的车辆操作 | |
CN115635960A (zh) | 基于规则的行人目标轨迹预测方法、装置、设备及存储介质 | |
JP7344743B2 (ja) | 占有マップの作成方法、及び、占有マップの作成装置 | |
JP5682302B2 (ja) | 走行道路推定装置、方法およびプログラム | |
CN115169477A (zh) | 辅助驾驶系统的安全感评估方法、装置、设备及存储介质 | |
JP2020119526A (ja) | 動力車両のドライバーアシストシステムまたは運転システムのアシスト機能または自動運転機能のための主要対象物選定 | |
CN114407918B (zh) | 接管场景分析方法、装置、设备及存储介质 | |
CN118205575A (zh) | 行人意图的预测方法、装置、车辆及存储介质 | |
CN113715846B (zh) | 借道控制方法、装置、存储介质以及车辆 | |
CN116039670A (zh) | 基于全局路径的目标行为预测方法及装置 |
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 |