CN115339441A - 车辆的轨迹预测方法、装置、存储介质和处理器 - Google Patents

车辆的轨迹预测方法、装置、存储介质和处理器 Download PDF

Info

Publication number
CN115339441A
CN115339441A CN202211053537.5A CN202211053537A CN115339441A CN 115339441 A CN115339441 A CN 115339441A CN 202211053537 A CN202211053537 A CN 202211053537A CN 115339441 A CN115339441 A CN 115339441A
Authority
CN
China
Prior art keywords
vehicle
predicted
target
road
track
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
CN202211053537.5A
Other languages
English (en)
Inventor
周枫
文琼
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 CN202211053537.5A priority Critical patent/CN115339441A/zh
Publication of CN115339441A publication Critical patent/CN115339441A/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
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—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
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/201—Dimensions of vehicle
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/18—Steering angle

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

本发明公开了一种车辆的轨迹预测方法、装置、存储介质和处理器。其中，该方法包括：获取车辆的运动状态信息和目标道路路段的道路信息；基于运动状态信息和道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，且基于道路信息，确定目标道路路段上的道路对象的第二预测行驶轨迹；基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹。本发明解决了车辆驾驶安全性较低的技术问题。

Description

车辆的轨迹预测方法、装置、存储介质和处理器
技术领域
本发明涉及车辆驾驶技术领域，具体而言，涉及一种车辆的轨迹预测方法、装置、存储介质和处理器。
背景技术
随着城镇化的发展，道路交通系统也变得越来越复杂，面对复杂的道路交通系统，车辆发生交通事故的频率也在不断增加，其中，合流分流路段和变道路段是交通事故发生的高频路段。
目前，可以通过单车智能算法来预测车辆的行驶轨迹，但是该方法对算例要求较高，对硬件性能要求较高，不具备大规模量产的要求，而且在面对复杂多变的交通路况时，仅考虑车辆自身的运行状态所预测出的行驶轨迹准确性较低，这会导致车辆驾驶时安全性较低。
针对上述车辆驾驶的安全性较低的问题，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车辆的轨迹预测方法、装置、存储介质和处理器，以至少解决车辆驾驶安全性较低的技术问题。
根据本发明实施例的一个方面，提供了一种车辆的轨迹预测方法。该方法可以包括：获取车辆的运动状态信息和目标道路路段的道路信息，其中，目标道路路段为车辆在未来时间段内待要驶入的路段；基于运动状态信息和道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，且基于道路信息，确定目标道路路段上的道路对象的第二预测行驶轨迹；基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹，其中，目标预测行驶轨迹用于指示车辆驶入目标道路路段。
可选地，基于运动状态信息和道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，包括：基于运动状态信息和道路信息，生成车辆的多条横向预测行驶轨迹和多条纵向预测行驶轨迹；确定每条横向预测行驶轨迹的轨迹评分；将轨迹评分最低的横向预测行驶轨迹确定为目标横向预测行驶轨迹；将每条纵向预测行驶轨迹与目标横向预测行驶轨迹融合为第一预测行驶轨迹，得到与多条纵向预测行驶轨迹对应的多条第一预测行驶轨迹。
可选地，车辆的运动状态信息中包括车辆的当前位置信息和当前速度信息，目标道路路段的道路信息中包括目标道路路段的曲率值信息，基于运动状态信息和道路信息，生成车辆的多条横向预测行驶轨迹，包括：基于车辆的当前速度信息和目标道路路段的曲率值信息，预测车辆驶入目标道路路段后的多个终点位置信息；基于车辆的当前位置信息和多个终点位置信息，确定车辆的多条横向预测行驶轨迹。
可选地，目标道路路段上的道路信息中包括目标道路路段上的道路对象的运动状态信息，基于运动状态信息和道路信息，生成车辆的多条纵向预测行驶轨迹，包括：基于目标道路路段上的道路对象的运动状态信息，确定道路对象的预测行驶轨迹；基于道路对象的预测行驶轨迹，确定目标道路路段上的可驶入间隙；基于可驶入间隙和车辆的当前位置信息，生成多条纵向预测行驶轨迹。
可选地，基于道路对象的预测行驶轨迹，确定目标道路路段上的可驶入间隙，包括：基于道路对象的预测行驶轨迹，确定道路对象在目标时刻的位置信息；基于目标道路路段上相邻的道路对象在目标时刻的位置信息，确定相邻的道路对象之间的间隙；将大于参考阈值的间隙确定为目标道路路段上的可驶入间隙。
可选地，基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹，包括：确定多条第一预测行驶轨迹中与第二预测行驶轨迹分离的目标预测行驶轨迹；将目标预测行驶轨迹确定为车辆的预测行驶轨迹。
根据本发明实施例的另一方面，还提供了一种车辆的轨迹预测装置，包括：获取模块，用于获取车辆的运动状态信息和目标道路路段的道路信息，其中，目标道路路段为车辆在未来时间段内待要驶入的路段；生成模块，用于基于运动状态信息和道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，且基于道路信息，确定目标道路路段上的道路对象的第二预测行驶轨迹；确定模块，用于基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹，其中，目标预测行驶轨迹用于指示车辆驶入所述目标道路路段。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质。该计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行本发明实施例的车辆的轨迹预测方法。
根据本发明实施例的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，程序运行时执行本发明实施例的车辆的轨迹预测方法。
根据本发明实施例的另一方面，还提供了一种车辆，该车辆用于执行本发明实施例的车辆的轨迹预测方法。
在本发明实施例中，通过获取车辆的运动状态信息和目标道路路段的道路信息，然后，基于获取到的运动状态信息和道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，并基于获取到的道路信息，生成目标道路路段上的道路对象的第二预测行驶轨迹，最后，基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹。也就是说，本发明实施例提供的车辆的轨迹预测方法不仅可以预测出车辆的多条第一预测行驶轨迹，还可以预测出目标道路路段上的道路对象的第二预测行驶轨迹，这样基于车辆的多条第一预测行驶轨迹和道路对象的第二预测行驶轨迹确定出的车辆驶入目标道路路段的目标预测行驶轨迹更加的准确，车辆按照该目标预测行驶轨迹行驶安全性较高，解决了车辆驾驶安全性较低的技术问题。
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是根据本发明实施例的一种车辆的轨迹预测方法的流程图；
图2是根据本发明实施例的另一种车辆的轨迹预测方法的流程图；
图3是根据本发明实施例的一种道路对象的划分示意图；
图4是根据本发明实施例的一种目标道路路段汇入区的示意图；
图5是根据本发明实施例的一种车辆的横向预测行驶轨迹的示意图；
图6是根据本发明实施例的一种横向预测行驶轨迹的参照点示意图；
图7是根据本发明实施例的一种车辆的轨迹预测装置的示意图。
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。
实施例1
根据本发明实施例，提供了一种车辆的轨迹预测方法的实施例，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。
图1是根据本发明实施例的一种车辆的轨迹预测方法的流程图，如图1所示，该方法可以包括如下步骤：
步骤S101，获取车辆的运动状态信息和目标道路路段的道路信息，其中，目标道路路段为车辆在未来时间段内待要驶入的路段。
在本发明上述步骤S101提供的技术方案中，可以获取车辆的运动状态信息和目标道路路段的道路信息，其中，车辆的运动状态信息可以包括车辆的当前位置信息、当前速度信息、车辆的方向盘转角信息、车辆的最小转弯半径信息、车辆的宽度和长度等信息。目标道路路段的道路信息可以包括目标道路路段上的道路对象的运动状态信息和目标道路路段的曲率值信息。其中，道路对象可以为目标道路路段上车辆或行人，道路对象的运动状态信息可以包括道路对象的位置信息、速度信息、加速度信息、宽度和长度等信息，此处不做具体限制。
可选地，还可以获取车辆的地图定位信息，该地图定位信息中可以包括车辆的当前位置信息、车辆前方的道路路段信息以及车道线信息，此处不做具体限制。
可选地，在获取目标道路路段的道路信息时，可以通过车辆的雷达和/或图像采集设备来获取目标道路路段的道路信息。其中，获取到的目标道路路段的道路信息中可能只包括一个道路对象的运动状态信息，也可能包括多个道路对象的运动状态信息。
步骤S102，基于运动状态信息和道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，且基于道路信息，确定目标道路路段上的道路对象的第二预测行驶轨迹。
在本发明上述步骤S102提供的技术方案中，在获取到车辆的运动状态信息和目标道路路段的道路信息之后，可以基于获取到的车辆的运动状态信息和目标道路路段的道路信息，生成车辆的多条横向预测行驶轨迹和多条纵向预测行驶轨迹，之后，可以确定每条横向预测行驶轨迹的轨迹评分，进而将轨迹评分最低的横向预测行驶轨迹确定为目标横向预测行驶轨迹，之后，可以将每条纵向预测行驶轨迹与目标横向预测行驶轨迹融合为第一预测行驶轨迹，得到与多条纵向预测行驶轨迹对应的多条第一预测行驶轨迹。此外，还可以基于目标道路路段的道路信息，生成目标道路路段上的道路对象的第二预测行驶轨迹。
可选地，由前述介绍可知，车辆的运动状态信息中可以包括车辆的当前速度信息和当前位置信息，目标道路路段的道路信息中可以包括目标道路路段的曲率值信息，基于此，可以根据车辆的当前速度信息和目标道路路段的曲率值信息，预测出车辆驶入目标道路路段后的多个终点位置信息，之后，基于车辆的当前位置信息和多个终点位置信息，确定车辆驶入目标道路路段的多条横向预测行驶轨迹。
可选地，在确定出车辆驶入目标道路路段的多条横向预测行驶轨迹之后，还可以基于横向轨迹评分计算公式确定每条横向预测行驶轨迹的轨迹评分，其中轨迹评分越低的横向预测行驶轨迹越优，可以将轨迹评分最低的横向预测行驶轨迹确定为目标横向预测行驶轨迹。
可选地，还可以基于目标道路路段上的道路对象的运动状态信息，确定道路对象的预测行驶轨迹，在确定出道路对象的预测行驶轨迹之后，可以基于道路对象的预测行驶轨迹，确定目标道路路段上的可驶入间隙。其中，可以先根据道路对象的预测行驶，确定各个道路对象在目标时刻所处的位置信息，之后，可以基于目标道路路段上每相邻两个道路对象在目标时刻的位置信息，确定出每相邻两个道路对象之间的间隙，进而将大于参考阈值的间隙确定为目标道路路段上的可驶入间隙。
可选地，在确定出目标道路路段上的可驶入间隙之后，可以基于目标道路路段上的可驶入间隙和车辆的当前位置信息，确定出车辆的多条纵向预测行驶轨迹。
可选地，在确定出车辆的多条纵向预测行驶轨迹之后，可以根据纵向轨迹评分计算公式确定出每条纵向预测行驶轨迹的轨迹评分，其中，轨迹评分越低对应的纵向预测行驶轨迹越优，之后，可以依据轨迹评分从小到大的顺序，将每条纵向预测行驶轨迹与目标横向预测行驶轨迹进行融合，得到多条第一预测行驶轨迹。
可选地，由前述介绍可知，道路信息中包括目标道路路段的道路对象的运动状态信息，该运动状态信息中可以包括道路对象的当前位置信息、当前速度信息以及道路对象的行驶方向信息，基于此，可以根据道路对象的运动状态信息确定出每个道路对象的第二预测行驶轨迹。
步骤S103，基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹，其中，目标预测行驶轨迹用于指示车辆驶入目标道路路段。
在本发明上述步骤S103提供的技术方案中，在确定出车辆的多条第一预测行驶轨迹和目标道路路段上的道路对象的第二预测行驶轨迹之后，可以基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹，其中，目标预测行驶轨迹用于指示车辆驶入目标道路路段。
可选地，由前述介绍可知，可以依据轨迹评分从小到大的顺序，将每条纵向预测行驶轨迹与目标横向预测行驶轨迹进行融合，得到与多条纵向预测行驶轨迹对应的多条第一预测行驶轨迹，之后，可以按照纵向轨迹评分从小到大的顺序，将每条第一预测行驶轨迹与目标道路路段上每个道路对象的第二预测行驶轨迹进行轨迹重合检测，确定出一条与第二预测行驶轨迹分离的第一预测行驶轨迹，将该第一预测行驶轨迹作为车辆的目标预测行驶轨迹。
可选地，如果第一预测行驶轨迹与目标道路路段上的所有道路对象的预测行驶轨迹均不存在重合，则说明车辆按照该预测行驶轨迹行驶时不会与目标道路路段上道路对象发生碰撞，也即不存在碰撞风险，可以将该第一预测行驶轨迹确定为车辆的目标预测行驶轨迹。如果第一预测行驶轨迹与某个道路对象的预测行驶轨迹存在重合，则说明车辆按照该预测行驶轨迹行驶时，可能与目标道路路段上的道路对象发生碰撞，此时可以抛弃该第一预测行驶轨迹，并按照相同的方法检测下一条第一预测行驶轨迹，直至确定出目标预测行驶轨迹为止。
本申请上述步骤S101至步骤S103，可以预测出车辆的多条第一预测行驶轨迹，还可以预测出目标道路路段上的道路对象的第二预测行驶轨迹，进而将车辆的第一预测行驶轨迹与目标道路路段上的第二预测行驶轨迹进行重合检测，以确定出一条与第二预测行驶轨迹不存在重合的目标预测行驶轨迹，车辆按照该目标预测行驶轨迹驶入目标道路路段时不会与其他道路对象发生碰撞，安全性较高，解决了车辆驾驶安全性较低的技术问题。
下面对该实施例的上述方法进行进一步介绍。
作为一种可选的实施例方式，步骤S102，基于运动状态信息和道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，包括：基于运动状态信息和道路信息，生成车辆的多条横向预测行驶轨迹和多条纵向预测行驶轨迹；确定每条横向预测行驶轨迹的轨迹评分；将轨迹评分最低的横向预测行驶轨迹确定为目标横向预测行驶轨迹；将每条纵向预测行驶轨迹与目标横向预测行驶轨迹融合为第一预测行驶轨迹，得到与多条纵向预测行驶轨迹对应的多条第一预测行驶轨迹。
可选地，由前述介绍可知，车辆的运动状态信息中包括车辆的当前位置信息和当前速度信息，目标道路路段的道路信息中可以包括目标道路路段的曲率值信息，基于此，可以基于车辆的当前速度信息和目标道路路段的曲率值信息，预测出车辆驶入目标道路路段后车辆的终点位置信息。
举例而言，假设车辆的当前速度为Vego、目标道路路段的曲率值为Clane，则可以通过下述公式确定出车辆驶入目标道路路段后，其终点位置纵坐标的最大值和最小值。
ymin＝a1Vego+b1-c1Clane
ymax＝a1Vego+b2-c1Clane
其中，ymin为车辆驶入目标道路路段后，其终点位置纵坐标的最小值；ymax为车辆驶入目标道路路段后，其终点位置纵坐标的最大值。a1、b1、b2、c1为可标定非负参数，车型不同对应的可标定非负参数不同。
可选地，在确定出车辆驶入目标道路路段后，其终点位置纵坐标的最大值和最小值之后，可以基于该纵坐标的最大值和最小值确定出车辆驶入目标道路路段后，其终点位置纵坐标的取值范围。
可选地，在确定出车辆驶入目标道路路段后终点位置纵坐标的取值范围之后，可以以预设参数为间隔在该取值范围内选取多个数值，其中，该预设参数可以为1m，当然该预设参数还可以设置为其他数值，此处不做具体限制。此外，还可以确定目标道路路段的车道中心线上的每个点的位置坐标，之后，可以按照从取值范围中选取出的多个数值，从车道中心线上的点的纵坐标中选取与前述选取的多个数值大小相等的纵坐标，并将该纵坐标对应的点作为车辆驶入目标道路路段后其终点所在位置点。其中，选取出的所有点可以构成一个终点集合，该终点集合可以通过下述公式来表示。
Figure BDA0003824695880000071
其中，yend(1)＝ymin，yend(n)＝ymax。
可选地，在确定出终点集合后，可以根据车辆的当前位置坐标和车辆驶入目标道路路段后车辆所处位置的位置坐标，生成多条横向预测行驶轨迹。其中，可以利用四阶贝塞尔曲线函数来确定多条横向预测行驶轨迹。
举例而言，四阶贝塞尔曲线的标准格式如下述公式所示。
P(τ)＝P0(1-τ)4+4P1(1-τ)3τ+6P2(1-τ)2τ2+4P3(1-τ)τ3+P4τ4，τ∈[0，1]
其中，P0、P1、P2、P3、P4为四阶贝塞尔曲线上的点。为了满足车辆的动力学约束，可以将P0设为四阶贝塞尔曲线的初始点坐标(0，0)，将P1、P2、P3设为曲线的中间点坐标，将P4设为曲线的终止点坐标(xend(i)，yend(i))。需要说明的是，为了保证初始方向约束，四阶贝塞尔曲线的第二个点P1可以选取在第一个点P0的前进方向上，为了保证终止点约束，四阶贝塞尔曲线的第四个点P3可以选取在终止点P4的反向延长线上，第三个点可以在第二个点与第一个点之间选取。依据四阶段贝塞尔曲线函数和上述确定出的终点集合，可以得到多条横向预测行驶轨迹，该多条横向预测行驶轨迹可以用下述公式来表示。
P1(τ)＝P10(1-τ)4+4P11(1-τ)3τ+6P12(1-τ)2τ2+4P13(1-τ)τ3+P14τ4
……
Pn(τ)＝Pn0(1-τ)4+4Pn1(1-τ)3τ+6Pn2(1-τ)2τ2+4Pn3(1-τ)τ3+Pn4τ4
可选地，在确定出多条横向预测行驶轨迹之后，如果车辆待要驶入的目标道路路段为合流路段或分流路段，则可以确定合流路段或分流路段上的汇入区，并将多条横向预测行驶轨迹中不在汇入区的横向预测行驶轨迹进行筛除，得一次筛选后的多条横向预测行驶轨迹。
可选地，在确定出一次筛选后的多条横向预测行驶轨迹之后，还可以基于每条横向预测行驶轨迹的曲率值和预设最大曲率值对多条横向预测行驶轨迹进行二次筛选，其中，可以将曲率值大于预设最大曲率值的横向预测行驶轨迹进行筛除，得到二次筛选后的多条横向预测行驶轨迹。
可选地，在确定出多条横向预测行驶轨迹之后，可以确定每条横线预测行驶轨迹的轨迹评分，进而将轨迹评分最低的横向预测行驶轨迹作为目标横向预测行驶轨迹。
其中，可以通过下述公式来确定每条横向预测行驶轨迹的轨迹评分。
Figure BDA0003824695880000091
其中，wx1，wx2为标定参数，(xref(i)，yref(i))为(xb(i)，yb(i))在目标道路路段的车道中心线上的投影点的坐标。
可选地，在确定出目标横向预测行驶轨迹之后，还可以基于车辆的运动状态信息和目标道路路段的道路信息，确定车辆的多条纵向预测行驶轨迹。其中，可以基于目标道路路段上的道路对象的运动状态信息，确定目标道路路段上的道路对象的预测行驶轨迹，基于道路对象的预测行驶轨迹，可以确定目标道路路段上的可驶入间隙，基于目标道路路段上的可驶入间隙和车辆的当前位置信息，可以确定出车辆的多条纵向预测行驶轨迹。
可选地，由前述介绍可知，可以基于道路信息确定出目标道路路段上道路对象的预测行驶轨迹，基于此，可以依据道路对象的预测行驶轨迹，确定出目标道路路段上的可汇入间隙。
举例而言，可以先基于各个道路对象的预测行驶轨迹，确定出各个道路对象在目标时刻的位置信息，之后，将目标时刻处于目标道路路段上的道路对象按照距离车辆由近到远的顺序进行排序。之后，计算车辆以最小加速度行驶时目标时刻所处位置Smin，以最大加速度行驶时目标时刻所处位置Smax，进而将前述道路对象在目标时刻不处于该[Smin，Smax]范围内的道路对象进行筛除，之后，可以重新按照距离车辆由近到远的顺序对各个道路对象进行排序。在确定出各个道路对象的排序之后，可以根据各个道路对象的长度和目标时刻相应道路对象所处的位置对各个道路对象的占用区域进行扩展，其中，以多个道路对象中的任一道路对象为例，可以通过下述公式计算该道路对象在目标道路路段上尾部所处位置S(i)min，和头部所处位置S(i)max。
S(i)min＝S(i)-0.5L(i)-0.5Lego-0.2V(i)
S(i)max＝S(i)+0.5L(i)+0.5Lego+0.2V(i)
其中，S(i)为目标时刻道路对象的中心点在目标道路路段上所处的位置，L(i)为道路对象Osi的宽度，Lego为道路对象Osi的长度，V(i)为道路对象在目标时刻的车速。依据上述公式可以确定出每个道路对象在目标道路路段上所占用区域的最大值和最小值。之后，可以基于每个道路对象所占用区域的最大值和最小值确定出相邻两个道路对象之间的间隙，进而将相邻两个道路对象之间的间隙与参考阈值进行比较，如果相邻两个道路对象之间的间隙不小于参考阈值，则将该相邻两个道路对象之间的间隙确定为车辆的可汇入间隙。如果该相邻两个道路对象之间的间隙小于参考阈值，则认为该相邻两个道路对象之间的间隙不满足汇入条件。依据该方法可以确定出目标道路路段上的所有可汇入间隙，可汇入间隙GAP可以用下述公式来表示。
Figure BDA0003824695880000101
其中，[g(1)min，g(1)max]为目标道路路段上的第一个可汇入间隙，[g(i)min，g(i)max]为第i个可汇入间隙，[g(n)min，g(n)max]为第n个可汇入间隙。
可选地，在确定出目标道路路段上的可汇入间隙之后，可以确定车辆的多条纵向预测行驶轨迹。其中，该纵向预测行驶轨迹可以通过下述五次多项式来确定。
S＝C0+C1t+C2t2+C3t3+C4t4+C5t5
其中，C0＝0，C1＝vstart，其中，vstart为车辆的当前车速，
Figure BDA0003824695880000102
astart为车辆的当前加速度，C3、C4、C5可通过下述公式来确定。
Send＝C0+C1tend+C2tend 2+C3tend 3+C4tend 4+C5tend 5
vend＝C1+2C2tend+3C3tend 2+4C4tend 3+5C5tend 4
aend＝2C2+6C3tend+12C4tend 2+20C5tend 3
其中，tend为目标时刻，Send为目标时刻车辆所处位置，其中，Send可以从GAP中取值，vend为目标时刻车辆的车速，aend＝0。
可选地，依据上述公式取点原则可以确定出车辆的多条纵向预测行驶轨迹，该多条纵向预测行驶轨迹可以用下述公式来表示。
S(1)＝C(1)0+C(1)1t+C(1)2t2+C(1)3t3+C(1)4t4+C(1)5t5
…
S(i)＝C(i)0+C(i)1t+C(i)2t2+C(i)3t3+C(i)4t4+C(i)5t5
…
S(n)＝C(n)0+C(n)1t+C(n)2t2+C(n)3t3+C(n)4t4+C(n)5t5
可选地，在确定出多条纵向预测行驶轨迹之后，可以计算车辆按照每条纵向预测行驶轨迹行驶时，车辆的纵向加速度jerk，该纵向加速度jerk的计算公式可以用下述公式来确定：
jerk(t)＝2+6C3+24C4t+60C5t2
其中，当jerk(t)>jerkmax时，则抛弃该条纵向预测行驶轨迹，jerkmax为预设的车辆最大加速度，可根据不同的车型进行调整。按照该方法可对多条纵向预测行驶轨迹进行筛选，得到满足条件的纵向预测行驶轨迹。
可选地，在确定出满足条件的纵向预测行驶轨迹之后，可以依据下述公式确定每条纵向预测行驶轨迹的轨迹评分。
Figure BDA0003824695880000111
其中，wy1，wy2为标定参数。确定出每条纵向预测行驶轨迹的轨迹评分之后，可以将每条纵向预测行驶轨迹按照轨迹评分从小到大排序，其中轨迹评分越小代表纵向预测行驶轨迹越优。
可选地，在确定出目标横向预测行驶轨迹和多条纵向预测行驶轨迹之后，可以将多条纵向预测行驶轨迹中的每条纵向预测行驶轨迹与目标横向预测行驶轨迹进行融合，生成车辆的多条第一预测行驶轨迹。
举例而言，可以按照多条纵向预测行驶轨迹的轨迹评分从低到高的顺序，依次每条纵向预测行驶与目标横向预测行驶轨迹进行融合，得到多条第一预测行驶轨迹。
作为一种可选的实施例方式，步骤S103，基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹，包括：确定多条第一预测行驶轨迹中与第二预测行驶轨迹分离的目标预测行驶轨迹；将目标预测行驶轨迹确定为车辆的预测行驶轨迹。
可选地，由前述介绍可知，多条第一预测行驶轨迹与多条纵向预测行驶轨迹一一对应，基于此，可以按照纵向预测行驶轨迹的轨迹评分从低到高的顺序将多条第一预测行驶轨迹与目标道路路段上的道路对象的第二预测行驶轨迹进行重合检测。如果被检测的第一预测行驶轨迹与目标道路路段上的所有道路对象的第二预测行驶轨迹均不存在重合，则说明车辆按照该第一预测行驶轨迹驶入目标道路路段后，与目标道路路段上得到道路对象之间不存在碰撞风险，可以将该第一预测行驶轨迹确定为车辆的目标预测行驶轨迹，不再进行后续检测。如果被检测的第一预测行驶轨迹与某个道路对象的第二预测行驶轨迹存在重合，则说明车辆按照该第一预测行驶轨迹驶入目标道路路段后可能与目标道路路段上的道路对象发生碰撞，则抛弃该第一预测行驶轨迹，接下来按照相同的方法对下一条第一预测行驶轨迹进行重合检测，直至确定出与目标道路路段上的道路对象的第二预测行驶轨迹不存在重合的第一预测行驶轨迹为止。
本实施例可以预测出车辆的多条第一预测行驶轨迹，还可以预测出目标道路路段上的道路对象的第二预测行驶轨迹，进而将车辆的第一预测行驶轨迹与目标道路路段上的第二预测行驶轨迹进行重合检测，以确定出一条与第二预测行驶轨迹不存在重合的目标预测行驶轨迹，车辆按照该目标预测行驶轨迹驶入目标道路路段时不会与其他道路对象发生碰撞，安全性较高，解决了车辆驾驶安全性较低的技术问题。
实施例2
下面结合优选的实施方式对本发明实施例的技术方案进行举例说明。
目前，自动驾驶车辆在行驶过程中需要面对复杂的交通系统，比如合流、分流、变道等。在面对这些复杂的交通系统时，自动驾驶车辆通常基于瞬时状态来做决策，但是这种基于瞬时状态做决策的方法对环境的发展变化适应性较差，容易发生碰撞风险，导致车辆驾驶的安全性较低，在这种情况下，如何提升车辆驾驶安全性就显得尤为重要。
因此，为了克服以上问题，在一种相关技术中提出了单车智能方法，该方法通过预测车辆的行驶轨迹来提升车辆驾驶的安全性，但是该方法对算例要求较大，对硬件性能要求较高，不具备大规模量产的要求，而且利用该方法对车辆的行驶轨迹进行预测时，仅考虑车辆自身的运行状态，这样预测出的行驶轨迹准确性较低，车辆按照该预测行驶轨迹行驶时安全性也较低。
在另一种相关技术中提出一种智能网联方法，通过将车辆与行人、道路、后台等关联起来进行信息交换共享，实现协同运动，但是该方法需要车辆周围所有的交通参与者的协调控制才可以实现，在实际行驶过程中难以实现。
然而，本发明实施例提出一种车辆的轨迹预测方法，通过获取车辆的运动状态信息和车辆待要驶入的目标道路路段的道路信息，来生成车辆待驶入目标道路路段的多条第一预测行驶轨迹。由于获取到的目标道路路段的道路信息中包括目标道路路段上的道路对象的运动状态信息，基于此，还可以根据获取到的目标道路路段的道路信息，确定出目标道路路段上的道路对象的第二预测行驶轨迹。在预测出车辆驶入目标道路路段的多条第一预测行驶轨迹和目标道路路段上的道路对象的第二预测行驶轨迹之后，可以基于多条第一预测行驶轨迹和第二预测行驶轨迹对车辆和目标道路路段上的道路对象进行碰撞检测，来从多条第一预测行驶轨迹中选择出一条目标预测行驶轨迹，使得车辆按照该目标预测行驶轨迹驶入目标道路路段后，不会与目标道路路段上的道路对象发生碰撞，以解决了车辆驾驶安全性较低的技术问题。
下一步对本发明实施例所提供的车辆的轨迹预测方法做进一步举例介绍，图2是根据本发明实施例的另一种车辆的轨迹预测方法的流程图，该方法可以包括以下步骤：
步骤S201，确定车辆的位置和车辆周围车道上的道路对象的位置。
在该实施例中，可以利用目标筛选模块确定车辆的位置以及车辆周围车道上的道路对象的位置。图3是根据本发明实施例的一种道路对象的划分示意图，如图3所示，空白框代表车辆位置，编号1-20为车辆周围的车道上的道路对象，该多个道路对象分别属于不同的车道。其中，以多个道路对象中的任一道路对象为例，当该道路对象在某个车道上的占比超过50％，则认为该道路对象属于该车道，当不同车道上的道路对象的中心重叠率超过50％，则认为不同车道上的道路对象属于同一行。
步骤S202，获取车辆的运动状态信息和车辆周围车道的道路信息。
在该实施例中，可以通过车辆上的雷达和/或车辆上的图像采集设备来获取车辆的运动状态信息和车辆周围车道的道路信息。其中车辆的运动状态信息中可以包括车辆的当前位置信息、当前速度信息、车辆的方向盘转角信息、车辆的最小转弯半径信息、车辆的宽度和长度等信息。车辆周围车道的道路信息中可以包括各个车道的曲率值信息，车道上的道路对象的位置信息，速度信息等。
步骤S203，基于获取到的车辆的运动状态信息和周围车道的道路信息，确定车辆的多条横向预测行驶轨迹。
在该实施例中，可以通过横向轨迹规划模块来生成车辆的多条横向预测行驶轨迹，该横向轨迹规划模块可以根据车辆的当前车速和车辆待要驶入的目标车道的曲率值，确定出车辆的多条横向预测行驶轨迹。其中，可以先通过下述公式来确定车辆驶入目标车道后的车辆的横向轨迹终点的纵向位置范围的最大值和最小值。
ymin＝a1Vego+b1-c1Clane
ymax＝a1Vego+b2-c1Clane
其中，ymin为车辆驶入目标车道后，其横向轨迹终点的纵向位置范围的最小值；ymax为车辆驶入目标车道后，其横向轨迹终点的纵向位置范围的最大值。a1、b1、b2、c1为可标定非负参数，车型不同对应的可标定非负参数不同。
在确定出车辆驶入目标车道后横向轨迹终点的纵向位置范围[ymin，ymax]之后，可以以目标车道中心线作为车辆驶入目标车道后终点的横向位置参考线，以1m为预设间隔从纵向位置范围中选取多个数值，构成一个终点集合，该终点集合可以用下述公来表示。
Figure BDA0003824695880000141
其中，yend(1)＝ymin，yend(n)＝ymax。
在确定出终点集合后，可以根据车辆的当前位置和终点集合中的每个点在目标车道上所处位置，确定出车辆驶入目标车道的多条横向预测行驶轨迹。其中，可以利用四阶贝塞尔曲线来确定多条横向预测行驶轨迹。其中，四阶贝塞尔曲线的标准格式如下述公式所示。
P(τ)＝P0(1-τ)4+4P1(1-τ)3τ+6P2(1-τ)2τ2+4P3(1-τ)τ3+P4τ4，τ∈[0，1]
其中，P0、P1、P2、P3、P4为四阶贝塞尔曲线上的点。为了满足车辆的动力学约束，可以将P0设为四阶贝塞尔曲线的初始点坐标(0，0)，将P1、P2、P3设为曲线的中间点坐标，将P4设为曲线的终止点坐标(xend(i)，yend(i))。需要说明的是，为了保证初始方向约束，四阶贝塞尔曲线的第二个点P1可以选取在第一个点P0的前进方向，为了保证终止点约束，四阶贝塞尔曲线的第四个点P3可以选取在终止点P4的反向延长线上，第三个点可以在第二个点与第一个点之间选取。依据上述取点原则和四阶段贝塞尔曲线，可以确定出多条横向预测行驶轨迹，该多条横向预测行驶轨迹可以用下述公式来表示。
P1(τ)＝P10(1-τ)4+4P11(1-τ)3τ+6P12(1-τ)2τ2+4P13(1-τ)τ3+P14τ4
……
Pn(τ)＝Pn0(1-τ)4+4Pn1(1-τ)3τ+6Pn2(1-τ)2τ2+4Pn3(1-τ)τ3+Pn4τ4
步骤S204，对确定出的多条横向预测行驶轨迹进行一次筛选，得到一次筛选后的多条横向预测行驶轨迹。
在该实施例中，在确定出多条横向预测行驶轨迹之后，如果车辆要驶入的路段是合流路段或分流路段，则横向轨迹规划模块还可以将多条横向预测行驶轨迹中不在汇入区的横向预测行驶轨迹进行筛除。图4是根据本发明实施例的一种目标路段汇入区的示意图，左图为车辆401驶入合流路段的示意图，右图为车辆401驶入分流路段的示意图，图中AB段代表汇入区。横向轨迹规划模块可以将步骤S203中确定出的多条横向预测行驶轨迹中不在汇入区的横向预测行驶轨迹进行筛除，得到一次筛选后的多条横向预测行驶轨迹。图5是根据本发明实施例的一种车辆的横向预测行驶轨迹的示意图，如图5所示，车辆501可以按照该多条横向预测行驶轨迹驶入目标车道。
步骤S205，对一次筛选后的多条横向预测行驶轨迹进行二次筛选，得到二次筛选后的多条横向预测行驶轨迹。
在该实施例中，横向轨迹规划模块还可以基于一次筛选后的多条横向预测行驶轨迹的曲率值和预设最大曲率值对一次筛选后的多条横向预测行驶轨迹进行二次筛选。其中，可以基于曲率值计算公式计算一次筛选后的多条横向预测行驶轨迹中每条行驶轨迹的曲率值，并将计算得到的每条横向预测行驶轨迹的曲率值与预设最大曲率值进行比较，将曲率值大于预设最大曲率值的横向预测行驶轨迹进行筛除，得到二次筛选后的多条横向预测行驶轨迹。
步骤S206，确定二次筛选后的多条横向预测行驶轨迹中每条横向预测行驶轨迹的轨迹评分。
在该实施例中，在确定出二次筛选后的多条横向预测行驶轨迹之后，可以基于下述公式确定每条横向预测行驶轨迹的轨迹评分。
Figure BDA0003824695880000151
其中，wx1，wx2为标定参数，图6是本发明实施例的一种横向预测行驶轨迹的参照点示意图，如图6所示，(xref(i)，yref(i))为(xb(i)，yb(i))在目标车道中心线上的投影点的坐标。依据上述公式可以确定出每条横向预测行驶轨迹的轨迹评分，在确定出每条横向预测行驶轨迹的轨迹评分之后，可以对每条横向预测行驶轨迹的轨迹评分按照从小到大的顺序排序，轨迹评分越小代表该条轨迹越优，可以将轨迹评分最小的横向预测行驶轨迹作为横向规划的最终轨迹，也即目标横向预测行驶轨迹。
步骤S207，确定目标车道的可汇入间隙。
在该实施例中，可以通过窗口搜索模块来确定车辆待驶入的目标车道上的可汇入间隙，其中，如图3所示，假设车辆要驶入的车道是位于车辆左边的某个车道，则窗口搜索模块可以先基于步骤S202获取到的车辆周围车道的道路信息，确定车辆周围对车辆驶入目标车道可能存在干扰的道路对象的预测行驶轨迹，例如，窗口搜索模块可以确定图3中道路对象编号为1-6、9、10、13、14、18的道路对象的预测行驶轨迹，在确定出道路对象的预测行驶轨迹之后，可以确定在目标时刻上述道路对象所处的位置，例如，可以确定从当前时刻起第8s时，上述各个道路对象按照预测行驶轨迹行驶时所处的位置。如果上述某个道路对象在目标时刻不处于目标车道上，则说明该道路对象不会对车辆驶入目标车道造成干扰。基于此，可以排除掉目标时刻不处于目标车道上的道路对象，得到目标时刻处于目标车道上的道路对象。
在确定目标时刻处于目标车道上的道路对象之后，可以按照距离车辆由近到远的顺序对各个道路对象进行排序，得到排序后的道路对象的编号为O1、O2、…、On。之后，还可以确定出车辆以最小加速度行驶时，目标时刻车辆所处位置Smin，车辆以最大加速度行驶时，目标时刻车辆所处位置Smax。在确定出Smin和Smax之后，可以将前述道路对象按照预测行驶轨迹行驶时，目标时刻不处于[Smin，Smax]范围内的道路对象进行筛除。之后，重新按照距离车辆由近到远的方法对各个道路对象进行排序，到排序后的道路对象的编号为Os1、Os2、…、Osn。
在确定出各个道路对象的排序之后，可以根据各个道路对象的长度和目标时刻各个道路对象所处的位置对每个道路对象占用的区域进行扩展。其中，以多个道路对象中的任一道路对象为例，假设该道路对象为Osi，则可以通过下述公式计算该道路对象的在目标车道上的尾部所处位置S(i)min，和头部所处位置S(i)max。
S(i)min＝S(i)-0.5L(i)-0.5Lego-0.2V(i)
S(i)max＝S(i)+0.5L(i)+0.5Lego+0.2V(i)
其中，S(i)为目标时刻道路对象Osi的中心点在目标车道上所处的位置，L(i)为道路对象Osi的宽度，Lego为道路对象Osi的长度，V(i)为道路对象在目标时刻的车速。依据上述公式可以确定出每个道路对象在目标时刻所占用区域的最大值和最小值。
在确定出每个道路对象在目标时刻所占区域的最大值和最小值之后，可以将相邻两个道路对象之间的间隙与预设间隙进行比较，如果相邻两个道路对象之间的间隙不小于预设间隙，则将该相邻两个道路对象之间的间隙确定为车辆的可汇入间隙，如果该相邻两个道路对象之间的间隙小于预设间隙，则将该相邻两个道路对象之间的间隙不满足汇入条件。将确定出的满足汇入条件的间隙可以记为GAP，该GAP可以用下述公式来表示。
Figure BDA0003824695880000171
其中，[g(1)min，g(1)max]为第一个可汇入间隙，[g(i)min，g(i)max]为第i个可汇入间隙，[g(n)min，g(n)max]为第n个可汇入间隙。
步骤S208，确定多条纵向预测行驶轨迹。
在该实施例中，可以利用纵向轨迹规划模块确定出车辆的多条纵向预测行驶轨迹。。其中，纵向预测行驶轨迹可以利用下述五次多项式来确定车辆的多条纵向预测行驶轨迹。
S＝C0+C1t+C2t2+C3t3+C4t4+C5t5
其中，C0＝0，C1＝vstart，其中，vstart为车辆的当前车速，
Figure BDA0003824695880000172
astart为车辆的当前加速度，C3、C4、C5可通过下述公式来确定。
Send＝C0+C1tend+C2tend 2+C3tend 3+C4tend 4+C5tend 5
vend＝C1+2C2tend+3C3tend 2+4C4tend 3+5C5tend 4
aend＝2C2+6C3tend+12C4tend 2+20C5tend 3
其中，tend为目标时刻，Send为目标时刻车辆所处位置，其中，Send可以从GAP中取值，vend为目标时刻车辆的车速，aend＝0。因此，基于上述步骤S207确定出的目标车道的可汇入间隙GAP，以及车辆的运行状态信息可以确定出多条纵向预测行驶轨迹。该多条纵向预测行驶轨迹可以用下述公式来表示。
S(1)＝C(1)0+C(1)1t+C(1)2t2+C(1)3t3+C(1)4t4+C(1)5t5
…
S(i)＝C(i)0+C(i)1t+C(i)2t2+C(i)3t3+C(i)4t4+C(i)5t5
…
S(n)＝C(n)0+C(n)1t+C(n)2t2+C(n)3t3+C(n)4t4+C(n)5
步骤S209，对确定出的多条纵向预测行驶轨迹进行筛选，得到筛选后的多条纵向预测行驶轨迹。
在该实施例中，在确定出多条纵向预测行驶轨迹之后，纵向轨迹规划模块还可以确定车辆按照每条纵向预测行驶轨迹行驶时车辆的纵向加速度，进而基于计算出的纵向加速度和预设最大加速度来对多条纵向预测行驶轨迹进行筛选。如果车辆按照某条纵向预测行驶轨迹行驶时，车辆的纵向加速度大于预设最大加速度，则将该纵向预测行驶轨迹进行筛除，依据该方法可以对每条纵向预测行驶轨迹进行筛选，进而得到筛选后的多条纵向预测行驶轨迹。
步骤S210，确定筛选后的每条纵向预测行驶轨迹的轨迹评分。
在该实施例中，在确定出筛选后的纵向预测行驶轨迹之后，可以依据纵向轨迹评分计算公式确定每条纵向预测行驶轨迹的轨迹评分。
Figure BDA0003824695880000181
中，wy1，wy2为标定参数，在确定出每条纵向预测行驶轨迹的轨迹评分之后，可以将每条纵向预测行驶轨迹按照轨迹评分从小到大排序，其中轨迹评分越小代表纵向预测行驶轨迹越优。
步骤S211，基于目标横向预测行驶轨迹、多条纵向预测行驶轨迹和目标车道的道路对象的预测行驶轨迹，确定车辆的目标预测行驶轨迹。
在该实施例中，在确定出车辆的目标横向预测行驶轨迹和多条纵向预测行驶轨迹会之后，可以按照纵向预测行驶轨迹的轨迹评分从小到大的顺序，将每条纵向预测行驶轨迹与目标横向预测行驶轨迹进行融合，得到融合后的预测行驶轨迹。在每确定出一条融合后的预测行驶轨迹之后，可以利用轨迹筛选模块将预测行驶轨迹与目标车道上的每个道路对象的预测行驶轨迹进行重合检测，进而确定预测行驶轨迹与目标车道上的所有道路对象的预测行驶轨迹是否存在重合，如果预测行驶轨迹与目标车道上的所有道路对象的预测行驶轨迹均不存在重合，则说明车辆按照该预测行驶轨迹行驶时不会与目标车道上的道路对象发生碰撞，也即不存在碰撞风险，可以将该预测行驶轨迹确定为车辆的目标预测行驶轨迹。
可选地，如果预测行驶轨迹与某个道路对象的预测行驶轨迹存在重合，则说明车辆按照该预测行驶轨迹行驶时，可能与目标车道上的道路对象发生碰撞，此时可以抛弃该条预测行驶轨迹，将下一轨迹评分对应的纵向预测行驶轨迹与目标横向预测行驶轨迹进行融合，得到融合后的预测行驶轨迹，之后按照同样的方法对该预测行驶轨迹与目标车道上的道路对象的预测行驶轨迹进行重合检测，直至确定出一条与目标车道上的所有道路对象的预测行驶轨迹均不存在重合的预测行驶轨迹为止，此时可以将该预测行驶轨迹作为车辆的目标预测行驶轨迹，车辆可以按照该目标预测行驶轨迹驶入目标车道。
在本发明该实施例中，提出了一种车辆的轨迹预测方法，通过获取车辆的运行状态信息和车辆周围车道的道路信息，来确定车辆的横向预测行驶轨迹和纵向预测行驶轨迹，此外还可以基于轨迹评分确定出最优横向预测行驶轨迹，也即目标横向预测行驶轨迹，在确定出目标横向预测行驶轨迹之后，还可以按照纵向预测行驶轨迹的轨迹评分高低，依次将每条纵向预测行驶轨迹与目标横向预测行驶轨迹进行融合，得到车辆的预测行驶轨迹。在得到车辆的预测行驶轨迹之后，还可以将每条预测行驶轨迹与道路对象的预测行驶轨迹进行重合检测，直至确定出一条与所有道路对象的预测行驶轨迹均不存在重合的预测行驶轨迹，将该预测行驶轨迹确定为车辆的目标预测行驶轨迹，这样在考虑道路对象的预测行驶轨迹的基础上确定出的车辆的目标预测行驶轨迹较为准确，车辆按照该目标预测行驶轨迹行驶安全性较高，决了车辆驾驶安全性较低的技术问题。
实施例3
根据本发明实施例，还提供了一种车辆的轨迹预测装置。需要说明的是，该车辆的轨迹预测装置可以用于执行实施例1中的车辆的轨迹预测方法。
图7是根据本发明实施例的一种车辆的控制装置的示意图。如图7所示，车辆的控制装置700可以包括：获取模块701、生成模块702和确定模块703。
获取模块701，用于获取车辆的运动状态信息和目标道路路段的道路信息，其中，目标道路路段为车辆在未来时间段内待要驶入的路段；
生成模块702，用于基于运动状态信息和所述道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，且基于道路信息，确定目标道路路段上的道路对象的第二预测行驶轨迹；
确定模块703，用于基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹，其中，目标预测行驶轨迹用于指示车辆驶入目标道路路段。
可选地，生成模块703包括：生成单元，用于基于运动状态信息和道路信息，生成车辆的多条横向预测行驶轨迹和多条纵向预测行驶轨迹；第一确定单元，用于确定每条横向预测行驶轨迹的轨迹评分；第二确定单元，用于将轨迹评分最低的横向预测行驶轨迹确定为目标横向预测行驶轨迹；融合单元，用于将每条纵向预测行驶轨迹与目标横向预测行驶轨迹融合为第一预测行驶轨迹，得到与多条纵向预测行驶轨迹对应的多条第一预测行驶轨迹。
可选地，车辆的运动状态信息中包括车辆的当前位置信息和当前速度信息，目标道路路段的道路信息中包括目标道路路段的曲率值信息，生成单元还包括：预测子单元，用于基于车辆的当前速度信息和目标道路路段的曲率值信息，预测车辆驶入所述目标道路路段后的多个终点位置信息；第一确定子单元，用于基于车辆的当前位置信息和多个终点位置信息，确定车辆的多条横向预测行驶轨迹。
可选地，目标道路路段上的道路信息中包括目标道路路段上的道路对象的运动状态信息，生成单元还包括：第二确定子单元，用于基于目标道路路段上的道路对象的运动状态信息，确定道路对象的预测行驶轨迹；第三确定子单元，用于基于道路对象的预测行驶轨迹，确定目标道路路段上的可驶入间隙；第四确定子单元，用于基于可驶入间隙和车辆的当前位置信息，生成多条纵向预测行驶轨迹。
可选地，第三确定子单元还用于：基于道路对象的预测行驶轨迹，确定道路对象在目标时刻的位置信息；基于目标道路路段上相邻的道路对象在目标时刻的位置信息，确定相邻的道路对象之间的间隙；将大于参考阈值的间隙确定为目标道路路段上的可驶入间隙。
可选地，确定模块703包括：第三确定单元：用于确定多条第一预测行驶轨迹中与第二预测行驶轨迹分离的目标预测行驶轨迹；第四确定单元，用于将目标预测行驶轨迹确定为车辆的预测行驶轨迹。
在该实施例中，获取模块，用于获取车辆的运动状态信息和目标道路路段的道路信息；生成模块，用于基于运动状态信息和道路信息，生成车辆待驶入目标道路路段的多条第一预测行驶轨迹，且基于道路信息，确定目标道路路段上的道路对象的第二预测行驶轨迹；确定模块，用于基于多条第一预测行驶轨迹和第二预测行驶轨迹，确定车辆的目标预测行驶轨迹。本发明实施例提供的车辆的轨迹预测方法不仅可以预测出车辆的多条第一预测行驶轨迹，还可以预测出目标道路路段上的道路对象的第二预测行驶轨迹，这样基于车辆的多条第一预测行驶轨迹和道路对象的第二预测行驶轨迹确定出的车辆驶入目标道路路段的目标预测行驶轨迹更加的准确，车辆按照该目标预测行驶轨迹行驶安全性较高，解决了车辆驾驶安全性较低的技术问题。
实施例4
根据本发明实施例，还提供了一种计算机可读存储介质，该存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行实施例1中的车辆的轨迹预测方法。
实施例5
根据本发明实施例，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1中的车辆的轨迹预测方法。
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，例如模块的划分，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，例如多个模块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。
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。
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，可以存储在一个计算机可读取存储介质中。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)

1.一种车辆的轨迹预测方法，其特征在于，包括：
获取车辆的运动状态信息和目标道路路段的道路信息，其中，所述目标道路路段为所述车辆在未来时间段内待要驶入的路段；
基于所述运动状态信息和所述道路信息，生成所述车辆待驶入所述目标道路路段的多条第一预测行驶轨迹，且基于所述道路信息，确定所述目标道路路段上的道路对象的第二预测行驶轨迹；
基于所述多条第一预测行驶轨迹和所述第二预测行驶轨迹，确定所述车辆的目标预测行驶轨迹，其中，所述目标预测行驶轨迹用于指示所述车辆驶入所述目标道路路段。
2.根据权利要求1所述的方法，其特征在于，所述基于所述运动状态信息和所述道路信息，生成所述车辆待驶入所述目标道路路段的多条第一预测行驶轨迹，包括：
基于所述运动状态信息和所述道路信息，生成所述车辆的多条横向预测行驶轨迹和多条纵向预测行驶轨迹；
确定每条所述横向预测行驶轨迹的轨迹评分；
将所述轨迹评分最低的所述横向预测行驶轨迹确定为目标横向预测行驶轨迹；
将每条所述纵向预测行驶轨迹与所述目标横向预测行驶轨迹融合为第一预测行驶轨迹，得到与所述多条纵向预测行驶轨迹对应的所述多条第一预测行驶轨迹。
3.根据权利要求2所述的方法，其特征在于，所述车辆的运动状态信息中包括所述车辆的当前位置信息和当前速度信息，所述目标道路路段的道路信息中包括所述目标道路路段的曲率值信息，所述基于所述运动状态信息和所述道路信息，生成所述车辆的多条横向预测行驶轨迹，包括：
基于所述车辆的当前速度信息和所述目标道路路段的所述曲率值信息，预测所述车辆驶入所述目标道路路段后的多个终点位置信息；
基于所述车辆的所述当前位置信息和所述多个终点位置信息，确定所述车辆的所述多条横向预测行驶轨迹。
4.根据权利要求2所述的方法，其特征在于，所述目标道路路段上的道路信息中包括所述目标道路路段上的道路对象的运动状态信息，所述基于所述运动状态信息和所述道路信息，生成所述车辆的所述多条纵向预测行驶轨迹，包括：
基于所述目标道路路段上的所述道路对象的运动状态信息，确定所述道路对象的预测行驶轨迹；
基于所述道路对象的预测行驶轨迹，确定所述目标道路路段上的可驶入间隙；
基于所述可驶入间隙和所述车辆的所述当前位置信息，生成所述多条纵向预测行驶轨迹。
5.根据权利要求4所述的方法，其特征在于，所述基于所述道路对象的预测行驶轨迹，确定所述目标道路路段上的可驶入间隙，包括：
基于所述道路对象的所述预测行驶轨迹，确定所述道路对象在目标时刻的位置信息；
基于所述目标道路路段上相邻的道路对象在所述目标时刻的位置信息，确定所述相邻的道路对象之间的间隙；
将大于参考阈值的所述间隙确定为所述目标道路路段上的可驶入间隙。
6.根据权利要求1所述的方法，其特征在于，所述基于所述多条第一预测行驶轨迹和所述第二预测行驶轨迹，确定所述车辆的目标预测行驶轨迹，包括：
确定所述多条第一预测行驶轨迹中与所述第二预测行驶轨迹分离的所述目标预测行驶轨迹；
将所述目标预测行驶轨迹确定为所述车辆的预测行驶轨迹。
7.一种车辆的轨迹预测装置，其特征在于，包括：
获取模块，用于获取车辆的运动状态信息和目标道路路段的道路信息，其中，所述目标道路路段为所述车辆在未来时间段内待要驶入的路段；
生成模块，用于基于所述运动状态信息和所述道路信息，生成所述车辆待驶入所述目标道路路段的多条第一预测行驶轨迹，且基于所述道路信息，确定所述目标道路路段上的道路对象的第二预测行驶轨迹；
确定模块，用于基于所述多条第一预测行驶轨迹和所述第二预测行驶轨迹，确定所述车辆的目标预测行驶轨迹，其中，所述目标预测行驶轨迹用于指示所述车辆驶入所述目标道路路段。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的方法。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被所述处理器运行时执行权利要求1至6中任意一项所述的方法。
10.一种车辆，其特征在于，所述车辆用于执行权利要求1至6中任意一项所述的方法。
CN202211053537.5A 2022-08-31 2022-08-31 车辆的轨迹预测方法、装置、存储介质和处理器 Pending CN115339441A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211053537.5A CN115339441A (zh) 2022-08-31 2022-08-31 车辆的轨迹预测方法、装置、存储介质和处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211053537.5A CN115339441A (zh) 2022-08-31 2022-08-31 车辆的轨迹预测方法、装置、存储介质和处理器

Publications (1)

Publication Number Publication Date
CN115339441A true CN115339441A (zh) 2022-11-15

Family

ID=83956883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211053537.5A Pending CN115339441A (zh) 2022-08-31 2022-08-31 车辆的轨迹预测方法、装置、存储介质和处理器

Country Status (1)

Country Link
CN (1) CN115339441A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116101327A (zh) * 2023-04-14 2023-05-12 北京集度科技有限公司 行驶路径规划方法、装置、车辆及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116101327A (zh) * 2023-04-14 2023-05-12 北京集度科技有限公司 行驶路径规划方法、装置、车辆及存储介质

Similar Documents

Publication Publication Date Title
CN109760675B (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
US10703362B2 (en) Autonomous driving autonomous system, automated driving assistance method, and computer program
EP3048023B1 (en) Method for assisting a driver in driving an ego vehicle and corresponding driver assistance system
JP6558238B2 (ja) 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
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
JP6638556B2 (ja) 自動運転支援装置及びコンピュータプログラム
CN110843789A (zh) 一种基于时序卷积网络的车辆换道意图预测方法
KR20200024934A (ko) 차선 정보 관리 방법, 주행 제어 방법 및 차선 정보 관리 장치
CN115179949B (zh) 车辆的压速变道控制方法、装置、设备及存储介质
US20220314968A1 (en) Electronic control device
US11294386B2 (en) Device and method for determining U-turn strategy of autonomous vehicle
US20210107486A1 (en) Apparatus for determining lane change strategy of autonomous vehicle and method thereof
CN113428137B (zh) 泊车控制方法、装置及存储介质
CN104875740B (zh) 用于管理跟随空间的方法、主车辆以及跟随空间管理单元
CN112660128A (zh) 用于确定自动驾驶车辆的车道变更路径的设备及其方法
CN116266380A (zh) 一种环境数据重建方法、装置、系统及存储介质
CN115339441A (zh) 车辆的轨迹预测方法、装置、存储介质和处理器
WO2023097874A1 (zh) 用于行驶轨迹规划的方法和装置
US20220396290A1 (en) Apparatus for Controlling Vehicle, System Including Same and Method Thereof
CN116198542A (zh) 自动驾驶无保护左转方法及系统
CN115092141A (zh) 应用于自动驾驶车辆变道超车的轨迹规划方法及设备
CN113838285A (zh) 一种车路协同环境下实现车辆群体决策的方法及装置
JP2012137362A (ja) 走行道路推定装置、方法およびプログラム
CN115892076B (zh) 车道障碍物筛选方法、装置和域控制器
CN116653937B (zh) 无信号灯左转场景车辆通行方法、系统、设备及存储介质

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