CN116080687A - 一种预测轨迹后处理方法、系统、设备和介质 - Google Patents

一种预测轨迹后处理方法、系统、设备和介质 Download PDF

Info

Publication number
CN116080687A
CN116080687A CN202310179054.8A CN202310179054A CN116080687A CN 116080687 A CN116080687 A CN 116080687A CN 202310179054 A CN202310179054 A CN 202310179054A CN 116080687 A CN116080687 A CN 116080687A
Authority
CN
China
Prior art keywords
road boundary
lane
boundary line
line
target
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
CN202310179054.8A
Other languages
English (en)
Inventor
张忠旭
林仲涛
卞一程
杨东方
邱利宏
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202310179054.8A priority Critical patent/CN116080687A/zh
Publication of CN116080687A publication Critical patent/CN116080687A/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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/06—Road 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/40—High definition maps
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

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

Abstract

本申请提供一种预测轨迹后处理方法、系统、设备和介质，该方法包括：获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。本申请可保证预测轨迹可满足实际行车需求，保证行车安全。

Description

一种预测轨迹后处理方法、系统、设备和介质
技术领域
本申请涉及智能汽车应用领域，尤其涉及一种预测轨迹后处理方法、系统、设备和介质。
背景技术
随着以深度学习为代表的AI技术在自动驾驶领域的广泛应用，AI技术的工程化适配也得到了广泛关注。环境感知预测是自动驾驶的重要组成部分，它对于可能与自车发生交互的障碍物(车辆、行人、骑行者)进行轨迹预测，可以预先判定自动驾驶车辆与环境的未来交互情况，为路径规划和决策控制提供输入依据。
另一方面，由于AI算法输出的预测轨迹是深度神经网络拟合真实数据得出，取决于训练样本的丰富程度和网络本身的泛化能力，AI算法输出的轨迹可能是不符合运动学或者超出道路边界的。
发明内容
鉴于以上现有技术存在的问题，本申请提出一种预测轨迹后处理方法、系统、设备和介质，主要解决现有轨迹预测方法形成的预测轨迹容易超出道路边界，难以满足实际应用需求的问题。
为了实现上述目的及其他目的，本申请采用的技术方案如下。
本申请提供一种预测轨迹后处理方法，包括：
获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；
根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；
将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
在本申请一实施例中，所述地图数据包括：地图中所有车道中心线、所有车道中心线的编号、车道中心线点集以及中心线点集中每个点的编号、每条车道中心线对应的后继车道中心线的编号、每条车道中心线对应的道路边界线以及每条车道线中心线对应的道路边界线的编号。
在本申请一实施例中，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线，包括：
获取所述目标车辆的全局坐标和航向角，根据所述全局坐标和航向角将所述地图数据中的道路边界线转换到以所述目标车辆为原点的车辆坐标系下；
若同一条道路边界线上相邻两点沿边界线延伸方向的坐标异号，则将对应道路边界线作为所述候选道路边界线，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道。
在本申请一实施例中，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道，包括：
在所述相邻两条候选道路边界线上分别选择坐标异号点临近点，作连通两条所述候选道路边界线的直线；
根据所述直线确定相对所述目标车辆位置的两侧坐标值是否异号，若异号则将所述相邻两条候选道路边界线之间的车道作为所述目标车辆当前行驶车道。
在本申请一实施例中，根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，包括：
获取所述地图数据中所述目标车辆当前行驶车道所在道路的车道中心线列表；
根据所述车道中心线列表采用DFS递归搜索得到至少两级后继车道中心连列表。
在本申请一实施例中，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合，包括：
在对所述地图数据进行搜索确定对应的所述车道中心线列表后，从所述地图数据中获取所述车道中心线列表中目标车道的道路边界线以及目标车道对应的后继车道的道路边界线；
将所述目标车道的道路边界线以及目标车道对应的后继车道的道路边界线根据道路边界线的编号进行拼接，得到所述待判别道路边界线集合。
在本申请一实施例中，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：
对所述待判别道路边界线集合中各道路边界线进行插值以使所述道路边界线的点分布密度达到预设阈值。
在本申请一实施例中，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：
在以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，将所述预测轨迹上沿待判别道路边界线集合中任一道路边界线的法线方向的坐标与对应道路边界线集合的坐标相乘，得到的结果符号为负，则所述预测轨迹超出所述道路边界线。
本申请还提供一种预测轨迹后处理系统，包括：
数据获取模块，用于获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；
边界线确定模块，用于根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；
矫正模块，用于将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
本申请还提供一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的预测轨迹后处理方法的步骤。
本申请还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所述的预测轨迹后处理方法的步骤。
如上所述，本申请一种预测轨迹后处理方法、系统、设备和介质，具有以下有益效果。
本申请通过获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内，可有效解决预测轨迹超出边界的问题，保证行车安全，提高预测轨迹的实用性。
附图说明
图1为本申请一实施例中预测轨迹后处理方法的应用场景架构示意图。
图2为本申请一实施例中预测轨迹后处理方法的流程示意图。
图3为本申请一实施例中预测轨迹后处理系统的模块图。
图4为本申请一实施例中设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1，图1为本申请一实施例中预测轨迹后处理方法的应用场景架构示意图。首先获取地图元素点集，基于地图元素点集搜索目标车辆当前所在道路，基于当前所在道路所有车道中心线，调用地图元素拓扑关系，并采用DFS(Depth First Search，深度优先搜索算法)搜索后继道路边界并拼接，得到道路边界约束，将预测轨迹转换到Frenet坐标系下，判断预测轨迹是否越界，越界后对轨迹进行矫正，将满足边界约束的轨迹转换会原来的坐标系，得到矫正后的轨迹信息。
请参阅图2，本申请提供一种预测轨迹后处理方法，该方法包括以下步骤：
步骤S200，获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；
步骤S210，根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；
步骤S220，将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
在步骤S200中，获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线。
目标车辆的预测轨迹可通过障碍物与车辆的距离以及速度进行轨迹规划得到，任何对车辆进行轨迹规划的算法均可运用于本申请实施例的目标车辆，具体的轨迹规划算法可根据实际应用需求进行配置，这里不做限制。通过轨迹规划得到目标车辆的预测轨迹后，可进一步获取高精地图，高精地图中包含的地图数据可包括：地图中所有车道中心线、所有车道中心线的编号、车道中心线点集以及中心线点集中每个点的编号、每条车道中心线对应的后继车道中心线的编号、每条车道中心线对应的道路边界线以及每条车道线中心线对应的道路边界线的编号等。具体地，在高精地图中会对每一条车道线中心线进行编号得到中心线编号，同时会生成车道中心线中每个点的编号。后继车道线为当前车道向后延伸的车道线，可以是车道线并线后的车道或者经过交叉路后转向后驶入的车道，具体后继车道可根据实际路况进行确定。高精地图中会记录每条车道的后继车道，以及后继车道中心线的编号。车道以中心线进行标记，车道两侧道路边界线以及临近车道也会记录在高精地图中。只需要在高精地图中读取相应的数据即可。高精地图中的地图数据通常是建立在全局定位坐标系下。
在一实施例中，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线，包括以下步骤：
步骤S201，获取所述目标车辆的全局坐标和航向角，根据所述全局坐标和航向角将所述地图数据中的道路边界线转换到以所述目标车辆为原点的车辆坐标系下。
在一实施例中，可获取目标车辆的全局坐标和航向角，通过航向角可确定目标车辆行进方向，进而根据行进方向确定车道的后继车道。将获取的地图数据转换到以目标车辆为原点的车辆坐标系下，该车辆坐标系为直角坐标系。具体坐标转换过程这里不再赘述。
步骤S202，若同一条道路边界线上相邻两点沿边界线延伸方向的坐标异号，则将对应道路边界线作为所述候选道路边界线，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道。
在一实施例中，可沿车道线跟随目标车辆航向角的方向进行纵向判别。具体地，可选取车辆所在区域的所有道路边界线的点集，对每条道路边界线进行单独计算，计算每条道路边界线上两个相邻点在车辆坐标系下沿车道线方向的坐标值是否符号不同，例如其中一个点符号为正、另一个点符号为负，若存在这样的两个相邻点，则认为对应的道路边界线纵向覆盖了目标车辆，即目标车辆与道路边界线上这两个相邻点的位置处于同一水平面。可将对应的道路边界线作为候选道路边界线。目标车辆在道路中行驶需要在两条道路边界线之间行驶，通过前述计算方法，可得到至少两条满足纵向约束的候选道路边界线。根据相邻的两条候选道路边界线可确定目标车辆当前行驶车道。
在一实施例中，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道，包括以下步骤：
步骤S203，在所述相邻两条候选道路边界线上分别选择坐标异号点临近点，作连通两条所述候选道路边界线的直线；
在一实施例中，在通过前述步骤确定候选道路边界线后，以相邻的道路边界线作为一组。前述得到了同一道路边界线上相邻的异号点，可获取异号点的编号，将异号点的编号与对应候选道路边界线关联。设存在相邻的候选道路边界线A和B，候选道路边界线A上异号点分别为a1和a2，候选道路边界线B上的异号点分别为b1和b2，可基于a1、a2、b1以及b2在目标车辆坐标系下的坐标值建立直线方程，得到连通候选道路边界线A和B的直线。
步骤S204，根据所述直线确定相对所述目标车辆位置的两侧坐标值是否异号，若异号则将所述相邻两条候选道路边界线之间的车道作为所述目标车辆当前行驶车道。
在一实施例中，在目标车辆坐标系的纵向坐标为0的情况下，直线与两条候选道路边界线A和B的交点的坐标如果也异号，则说明目标车辆在候选道路边界线A和B之间。以此可从各候选道路边界线中确定目标车辆所在车道对应的道路边界线。
在步骤S210中，根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合。
在一实施例中，根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，包括以下步骤：
步骤S211，获取所述地图数据中所述目标车辆当前行驶车道所在道路的车道中心线列表。
在一实施例中，可从高精地图中获取目标车辆所在车道内的所有车道中心线编号，将车道中心线编号记录在车道中心线列表中。
步骤S212，根据所述车道中心线列表采用DFS递归搜索得到至少两级后继车道中心连列表。
在一实施例中，车道中心线列表中包含了目标车辆当前行驶车道的中心线，即目标车道中心线。可基于目标车道中心线从车道中心线列表中检索目标车道的临近车道中心线，形成包含临近车道中心线编号的临近车道列表。
在一实施例中，在所述地图数据中搜索所述临近车道列表中每条临近车道的后继车道中心线，得到第一后继车道中心线列表之后，还包括：
在所述地图数据中搜索所述第二后继车道中心线列表中各车道中心线的后继车道中心线，得到第二后继车道中心线列表，将所述第二后继车道中心线列表用于更新所述车道中心线列表。
在一实施例中，可通过DFS(Depth First Search，深度优先搜索算法)在地图数据中搜索后继车道中心线。深度优先搜索算法会沿着每一条可能的路径向下搜索指导不能再深入为止，每个节点只能访问一次。具体地，可设置搜索深度为2，以目标车道中心线为起始节点，搜索目标车道以及临近车道的后继车道中心线编号，若后继车道中心线编号为空，则递归结束，若后继车道中心线不为空，则可基于搜索到的后继车道中心线构建第一后继车道中心线列表。可将第一后继车道中心线列表并入最开始得到的目标车道所在的车道中心线列表中。
进一步地，第二级深度搜索时，可基于第一后继车道中心线列表继续搜索后续车道中心线编号，得到第一后继车道中心线列表中各后继车道中心线的后继车道中心线，进而形成第二后继车道中心线列表，也可将第二后继车道中心线列表添加到车道中心线列表中。
在一实施例中，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合，包括以下步骤：
步骤S214，在对所述地图数据进行搜索确定对应的车道中心线列表后，从所述地图数据中获取所述车道中心线列表中目标车道的道路边界线以及目标车道对应的后继车道的道路边界线；
在一实施例中，经过DFS搜索后更新得到的车道中心线列表中包含目标车道中心线以及目标车道中心线对应的一级后继车道中心线和二级后继车道中心线，可基于目标车道中心线以及对应的后继车道中心线调用目标车道中心线的道路边界线和后继车道中心线的道路边界线。
步骤S215，将所述目标车道的道路边界线以及目标车道对应的后继车道的道路边界线根据道路边界线的编号进行拼接，得到所述待判别道路边界线集合。
在一实施例中，可基于目标车道中心线以及对应的后继车道中心线的边界线进行边界线拼接，得到一条或多条边界线并入待判别道路边界线集合。待判别道路边界线集合可以包含目标车道的边界线也可包含目标车道临近车道的边界线。
在步骤S220中，将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
在一实施例中，可以待判别道路边界线集合中的道路边界线作为参考线形成Frenet坐标系。Frenet坐标系是一种比传统x，y笛卡尔坐标更直观的方式表示道路位置的方式。Frenet坐标使用变量s和d描述车辆在道路上的位置。该s坐标表示沿道路的距离(也称为纵向位移)和d坐标表示道路上的左右位置(也称为横向位移)。
在一实施例中，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：
对所述待判别道路边界线集合中各道路边界线进行插值以使所述道路边界线的点分布密度达到预设阈值。
在一实施例中，可将搜索并拼接得到的道路边界线进行插值提高点分布密度，然后将它们分别作为Frenet参考线，预测轨迹分别转换到这些Frenet坐标系下。
在一实施例中，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：
在以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，将所述预测轨迹上沿待判别道路边界线集合中任一道路边界线的法线方向的坐标与对应道路边界线集合的坐标相乘，得到的结果符号为负，则所述预测轨迹超出所述道路边界线。
在一实施例中，可去掉预测轨迹d坐标中的零元素，并记录下非零元素在去掉零元素前的编号。
将上一步得到的坐标的相邻元素相乘，如果乘积的符号为-1(由正到负或者由负到正)，则说明d坐标发生正负跳变，即预测轨迹与参考线发生了交叉。记录此时的元素编号。
将上一步得到的编号映射回去掉零元素前的原始坐标中，得到超出边界发生处的轨迹点编号，并记录发生越界的道路边界线。
利用发生越界处的轨迹点编号，将轨迹坐标从该编号开始到结束的d坐标置为0，s坐标保持不变。将调整后的预测轨迹的Frenet坐标转换回笛卡尔坐标系。通过让Frenet坐标系下的S坐标保持不变，预测轨迹近似保持了原有的速度。
请参阅图3，图3为本申请一实施例中预测轨迹后处理系统的模块图，该系统包括：数据获取模块10，用于获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；边界线确定模块11，用于根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；矫正模块12，用于将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
在一实施例中，所述地图数据包括：地图中所有车道中心线、所有车道中心线的编号、车道中心线点集以及中心线点集中每个点的编号、每条车道中心线对应的后继车道中心线的编号、每条车道中心线对应的道路边界线以及每条车道线中心线对应的道路边界线的编号。
在一实施例中，数据获取模块10还用于根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线，包括：获取所述目标车辆的全局坐标和航向角，根据所述全局坐标和航向角将所述地图数据中的道路边界线转换到以所述目标车辆为原点的车辆坐标系下；若同一条道路边界线上相邻两点沿边界线延伸方向的坐标异号，则将对应道路边界线作为所述候选道路边界线，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道。
在一实施例中，数据获取模块10还用于根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道，包括：在所述相邻两条候选道路边界线上分别选择坐标异号点临近点，作连通两条所述候选道路边界线的直线；根据所述直线确定相对所述目标车辆位置的两侧坐标值是否异号，若异号则将所述相邻两条候选道路边界线之间的车道作为所述目标车辆当前行驶车道。
在一实施例中，边界线确定模块11还用于根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，包括：获取所述地图数据中所述目标车辆当前行驶车道所在道路的车道中心线列表；根据所述车道中心线列表采用DFS递归搜索得到至少两级后继车道中心连列表。
在一实施例中，边界线确定模块11还用于将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合，包括：在对所述地图数据进行搜索确定对应的车道中心线列表后，从所述地图数据中获取所述车道中心线列表中目标车道的道路边界线以及目标车道对应的后继车道的道路边界线；将所述目标车道的道路边界线以及目标车道对应的后继车道的道路边界线根据道路边界线的编号进行拼接，得到所述待判别道路边界线集合。
在一实施例中，矫正模块12还用于对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：对所述待判别道路边界线集合中各道路边界线进行插值以使所述道路边界线的点分布密度达到预设阈值。
在一实施例中，矫正模块12还用于对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：在以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，将所述预测轨迹上沿待判别道路边界线集合中任一道路边界线的法线方向的坐标与对应道路边界线集合的坐标相乘，得到的结果符号为负，则所述预测轨迹超出所述道路边界线。
上述预测轨迹后处理系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于终端的存储器中，也可以以软件形式存储于终端的存储器中，以便于处理器调用执行以上各个模块对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。
如图4所示，为一个实施例中计算机设备的内部结构示意图。提供了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
在一实施例中，上述处理器执行时，所实现的所述地图数据包括：地图中所有车道中心线、所有车道中心线的编号、车道中心线点集以及中心线点集中每个点的编号、每条车道中心线对应的后继车道中心线的编号、每条车道中心线对应的道路边界线以及每条车道线中心线对应的道路边界线的编号。
在一实施例中，上述处理器执行时，所实现的根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线，包括：获取所述目标车辆的全局坐标和航向角，根据所述全局坐标和航向角将所述地图数据中的道路边界线转换到以所述目标车辆为原点的车辆坐标系下；若同一条道路边界线上相邻两点沿边界线延伸方向的坐标异号，则将对应道路边界线作为所述候选道路边界线，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道。
在一实施例中，上述处理器执行时，所实现的根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道，包括：在所述相邻两条候选道路边界线上分别选择坐标异号点临近点，作连通两条所述候选道路边界线的直线；根据所述直线确定相对所述目标车辆位置的两侧坐标值是否异号，若异号则将所述相邻两条候选道路边界线之间的车道作为所述目标车辆当前行驶车道。
在一实施例中，上述处理器执行时，所实现的根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，包括：获取所述地图数据中所述目标车辆当前行驶车道所在道路的车道中心线列表；根据所述车道中心线列表采用DFS递归搜索得到至少两级后继车道中心连列表。
在一实施例中，上述处理器执行时，所实现的将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合，包括：在对所述地图数据进行搜索确定对应的车道中心线列表后，从所述地图数据中获取所述车道中心线列表中目标车道的道路边界线以及目标车道对应的后继车道的道路边界线；将所述目标车道的道路边界线以及目标车道对应的后继车道的道路边界线根据道路边界线的编号进行拼接，得到所述待判别道路边界线集合。
在一实施例中，上述处理器执行时，所实现的对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：对所述待判别道路边界线集合中各道路边界线进行插值以使所述道路边界线的点分布密度达到预设阈值。
在一实施例中，上述处理器执行时，所实现的对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：在以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，将所述预测轨迹上沿待判别道路边界线集合中任一道路边界线的法线方向的坐标与对应道路边界线集合的坐标相乘，得到的结果符号为负，则所述预测轨迹超出所述道路边界线。
在一个实施例中，上述的计算机设备可用作服务器，包括但不限于独立的物理服务器，或者是多个物理服务器构成的服务器集群，该计算机设备还可用作终端，包括但不限手机、平板电脑、个人数字助理或者智能设备等。如图4所示，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、内存储器、显示屏和网络接口。
其中，该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。计算机设备的非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以上各个实施例所提供的一种预测轨迹后处理方法。计算机设备中的内存储器为非易失性存储介质中的操作系统和计算机程序提供高速缓存的运行环境。显示界面可通过显示屏进行数据展示。显示屏可以是触摸屏，比如为电容屏或电子屏，可通过接收作用于该触摸屏上显示的控件的点击操作，生成相应的指令。
本领域技术人员可以理解，图4中示出的计算机设备的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，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以下步骤：获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
在一实施例中，该计算机程序被处理器执行时，所实现的所述地图数据包括：地图中所有车道中心线、所有车道中心线的编号、车道中心线点集以及中心线点集中每个点的编号、每条车道中心线对应的后继车道中心线的编号、每条车道中心线对应的道路边界线以及每条车道线中心线对应的道路边界线的编号。
在一实施例中，该计算机程序被处理器执行时，所实现的根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线，包括：获取所述目标车辆的全局坐标和航向角，根据所述全局坐标和航向角将所述地图数据中的道路边界线转换到以所述目标车辆为原点的车辆坐标系下；若同一条道路边界线上相邻两点沿边界线延伸方向的坐标异号，则将对应道路边界线作为所述候选道路边界线，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道。
在一实施例中，该计算机程序被处理器执行时，所实现的根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道，包括：在所述相邻两条候选道路边界线上分别选择坐标异号点临近点，作连通两条所述候选道路边界线的直线；根据所述直线确定相对所述目标车辆位置的两侧坐标值是否异号，若异号则将所述相邻两条候选道路边界线之间的车道作为所述目标车辆当前行驶车道。
在一实施例中，该计算机程序被处理器执行时，所实现的根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，包括：获取所述地图数据中所述目标车辆当前行驶车道所在道路的车道中心线列表；根据所述车道中心线列表采用DFS递归搜索得到至少两级后继车道中心连列表。
在一实施例中，该指令被处理器执行时，所实现的将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合，包括：在对所述地图数据进行搜索确定对应的车道中心线列表后，从所述地图数据中获取所述车道中心线列表中目标车道的道路边界线以及目标车道对应的后继车道的道路边界线；将所述目标车道的道路边界线以及目标车道对应的后继车道的道路边界线根据道路边界线的编号进行拼接，得到所述待判别道路边界线集合。
在一实施例中，该指令被处理器执行时，所实现的对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：对所述待判别道路边界线集合中各道路边界线进行插值以使所述道路边界线的点分布密度达到预设阈值。
在一实施例中，该指令被处理器执行时，所实现的对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：在以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，将所述预测轨迹上沿待判别道路边界线集合中任一道路边界线的法线方向的坐标与对应道路边界线集合的坐标相乘，得到的结果符号为负，则所述预测轨迹超出所述道路边界线。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。

Claims (11)

1.一种预测轨迹后处理方法，其特征在于，包括：
获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；
根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；
将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
2.根据权利要求1所述的预测轨迹后处理方法，其特征在于，所述地图数据包括：地图中所有车道中心线、所有车道中心线的编号、车道中心线点集以及中心线点集中每个点的编号、每条车道中心线对应的后继车道中心线的编号、每条车道中心线对应的道路边界线以及每条车道线中心线对应的道路边界线的编号。
3.根据权利要求2所述的预测轨迹后处理方法，其特征在于，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线，包括：
获取所述目标车辆的全局坐标和航向角，根据所述全局坐标和航向角将所述地图数据中的道路边界线转换到以所述目标车辆为原点的车辆坐标系下；
若同一条道路边界线上相邻两点沿边界线延伸方向的坐标异号，则将对应道路边界线作为所述候选道路边界线，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道。
4.根据权利要求3所述的预测轨迹后处理方法，其特征在于，根据相邻两条候选道路边界线确定所述目标车辆当前行驶车道，包括：
在所述相邻两条候选道路边界线上分别选择坐标异号点临近点，作连通两条所述候选道路边界线的直线；
根据所述直线确定相对所述目标车辆位置的两侧坐标值是否异号，若异号则将所述相邻两条候选道路边界线之间的车道作为所述目标车辆当前行驶车道。
5.根据权利要求1所述的预测轨迹后处理方法，其特征在于，根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，包括：
获取所述地图数据中所述目标车辆当前行驶车道所在道路的车道中心线列表；
根据所述车道中心线列表采用DFS递归搜索得到至少两级后继车道中心连列表。
6.根据权利要求2或5所述的预测轨迹后处理方法，其特征在于，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合，包括：
在对所述地图数据进行搜索确定对应的车道中心线列表后，从所述地图数据中获取所述车道中心线列表中目标车道的道路边界线以及目标车道对应的后继车道的道路边界线；
将所述目标车道的道路边界线以及目标车道对应的后继车道的道路边界线根据道路边界线的编号进行拼接，得到所述待判别道路边界线集合。
7.根据权利要求1所述的预测轨迹后处理方法，其特征在于，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：
对所述待判别道路边界线集合中各道路边界线进行插值以使所述道路边界线的点分布密度达到预设阈值。
8.根据权利要求1所述的预测轨迹后处理方法，其特征在于，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正之前，还包括：
在以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，将所述预测轨迹上沿待判别道路边界线集合中任一道路边界线的法线方向的坐标与对应道路边界线集合的坐标相乘，得到的结果符号为负，则所述预测轨迹超出所述道路边界线。
9.一种预测轨迹后处理系统，其特征在于，包括：
数据获取模块，用于获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；
边界线确定模块，用于根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；
矫正模块，用于将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。
10.一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的预测轨迹后处理方法的步骤。
11.一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权利要求1至8中任一项所述的预测轨迹后处理方法的步骤。
CN202310179054.8A 2023-02-27 2023-02-27 一种预测轨迹后处理方法、系统、设备和介质 Pending CN116080687A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310179054.8A CN116080687A (zh) 2023-02-27 2023-02-27 一种预测轨迹后处理方法、系统、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310179054.8A CN116080687A (zh) 2023-02-27 2023-02-27 一种预测轨迹后处理方法、系统、设备和介质

Publications (1)

Publication Number Publication Date
CN116080687A true CN116080687A (zh) 2023-05-09

Family

ID=86204537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310179054.8A Pending CN116080687A (zh) 2023-02-27 2023-02-27 一种预测轨迹后处理方法、系统、设备和介质

Country Status (1)

Country Link
CN (1) CN116080687A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115382A (zh) * 2023-10-25 2023-11-24 腾讯科技（深圳）有限公司 地图道路绘制方法、装置、计算机设备和存储介质
CN117456496A (zh) * 2023-12-25 2024-01-26 合众新能源汽车股份有限公司 地图车道边界线的处理方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115382A (zh) * 2023-10-25 2023-11-24 腾讯科技（深圳）有限公司 地图道路绘制方法、装置、计算机设备和存储介质
CN117115382B (zh) * 2023-10-25 2024-02-09 腾讯科技（深圳）有限公司 地图道路绘制方法、装置、计算机设备和存储介质
CN117456496A (zh) * 2023-12-25 2024-01-26 合众新能源汽车股份有限公司 地图车道边界线的处理方法和系统
CN117456496B (zh) * 2023-12-25 2024-03-22 合众新能源汽车股份有限公司 地图车道边界线的处理方法和系统

Similar Documents

Publication Publication Date Title
WO2022052406A1 (zh) 一种自动驾驶训练方法、装置、设备及介质
CN116080687A (zh) 一种预测轨迹后处理方法、系统、设备和介质
KR20210038712A (ko) 도로 교차로들의 유효성 검증
US11480967B2 (en) Pass route planning method and apparatus, device and readable storage medium
US11555706B1 (en) Processing graph representations of tactical maps using neural networks
CN111158365A (zh) 一种路径规划方法、装置、机器人及存储介质
CN112595337B (zh) 避障路径规划方法、装置、电子装置、车辆及存储介质
CN111380555A (zh) 车辆行为预测方法及装置、电子设备、存储介质
CN113405558A (zh) 自动驾驶地图的构建方法及相关装置
CN113682318B (zh) 车辆行驶控制方法及装置
CN110174110B (zh) 地图对应的方法和装置、电子设备、计算机可读介质
CN111422204A (zh) 自动驾驶车辆通行判定方法及相关设备
CN113188562B (zh) 可行驶区域的路径规划方法、装置、电子设备及存储介质
CN114212110B (zh) 障碍物轨迹预测方法、装置、电子设备及存储介质
KR20200102378A (ko) 정보 처리 방법, 장치 및 저장 매체
CN112454367B (zh) 一种轨迹规划方法、装置以及计算机存储介质
JP2020042793A (ja) 確率プロットに基づく障害物分布シミュレーション方法、装置及び端末
JP7121454B2 (ja) 統計に基づく障害物位置シミュレーション方法、装置及び端末
CN110377041B (zh) 参考线生成方法、装置、终端设备及存储介质
CN114663804A (zh) 可行驶区域检测方法、装置、移动设备及存储介质
CN114620071A (zh) 绕行轨迹规划方法、装置、设备及存储介质
CN111310919B (zh) 基于场景切分和局部路径规划的驾驶控制策略训练方法
CN116523970A (zh) 基于二次隐式匹配的动态三维目标跟踪方法及装置
CN113119996B (zh) 一种轨迹预测方法、装置、电子设备及存储介质
CN115062202A (zh) 驾驶行为意图及轨迹的预测方法、装置、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