CN116176581B - 一种目标跟踪车辆选择方法、设备和存储介质 - Google Patents
一种目标跟踪车辆选择方法、设备和存储介质 Download PDFInfo
- Publication number
- CN116176581B CN116176581B CN202310439134.2A CN202310439134A CN116176581B CN 116176581 B CN116176581 B CN 116176581B CN 202310439134 A CN202310439134 A CN 202310439134A CN 116176581 B CN116176581 B CN 116176581B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- curvature
- determining
- speed
- predicted
- 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
Links
- 238000010187 selection method Methods 0.000 title abstract description 5
- 238000001514 detection method Methods 0.000 claims abstract description 129
- 238000000034 method Methods 0.000 claims abstract description 55
- 230000008859 change Effects 0.000 claims description 67
- 230000001133 acceleration Effects 0.000 claims description 45
- 230000004044 response Effects 0.000 claims description 30
- 239000000523 sample Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/112—Roll 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种目标跟踪车辆选择方法、设备和存储介质,该方法包括:获取自车当前时刻的第一运动数据;基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率;至少基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹;至少基于第一预测轨迹,确定目标探测区域,并基于目标探测区域进行探测,确定第一目标跟踪车辆。通过上述方式,本申请能够提升确定目标跟踪车辆的准确性,尤其是在无车道线场景下,能够准确地确定目标跟踪车辆。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种目标跟踪车辆选择方法、设备和存储介质。
背景技术
近年来,自动驾驶辅助系统发展迅速,其中,自动驾驶辅助系统在使用过程中,需要确定要跟踪的目标跟踪车辆,以使自车能够跟踪目标跟踪车辆行驶,其中,目标跟踪车辆的准确确定直接影响自动驾驶辅助系统的使用安全性。因此,如何准确确定自车要跟踪的目标跟踪车辆,至关重要。
发明内容
本申请主要解决的技术问题是提供一种目标跟踪车辆选择方法、设备和存储介质,能够提升确定目标跟踪车辆的准确性。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种目标跟踪车辆选择方法,该方法包括:获取自车当前时刻的第一运动数据;基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率;至少基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹;至少基于第一预测轨迹,确定目标探测区域,并基于目标探测区域进行探测,确定第一目标跟踪车辆。
其中,在至少基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹前,该方法还包括:基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率变化率;至少基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹,包括:基于第一曲率和第一曲率变化率,预测得到第一预测轨迹。
其中,第一运动数据至少包括当前时刻自车的行驶速度;基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率,包括以下一种情况:响应于行驶速度小于或者等于低速标定值,获取自车的第一横摆角速度,并获取第一横摆角速度与行驶速度的第一比值,将第一比值作为自车的第一曲率;响应于行驶速度大于或者等于高速标定值,获取自车的第二横摆角速度,并获取第二横摆角速度与行驶速度的第二比值作,将第二比值为自车的第一曲率;响应于行驶速度大于低速标定值、且小于高速标定值,确定第一横摆角速度影响第一曲率的第一权重、以及第二横摆角速度影响第一曲率的第二权重,并利用第一权重、第二权重对第一横摆角速度和第二横摆角速度进行加权处理,得到加权横摆角速度,以及获取加权横摆角速度与行驶速度的第三比值,作为自车的第一曲率。
其中,确定第一横摆角速度影响第一曲率的第一权重、以及第二横摆角速度影响第一曲率的第二权重,包括:获取行驶速度与低速标定值的第一差值、以及高速标定值与低速标定值的第二差值;获取第一差值和第二差值的第四比值,并将第四比值作为第二权重;基于第二权重,确定第一权重;其中,第一权重与第二权重负相关。
其中,第一运动数据包括当前时刻自车的行驶速度、车辆参数和前轮转角变化量;基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率变化率,包括:基于车辆参数和前轮转角变化量,确定自车的横摆角加速度参考值;基于行驶速度、低速标定值和高速标定值,确定当前时刻自车的横摆角加速度的权重关联参数,其中,横摆角加速度与权重关联参数负相关;基于权重关联参数、横摆角加速度参考值,确定当前时刻自车的横摆角加速度;获取横摆角加速度与行驶速度的第五比值,将第五比值作为第一曲率变化率。
其中,基于行驶速度与低速标定值和高速标定值的关系,确定当前时刻自车的横摆角加速度的权重关联参数,包括以下一者:响应于行驶速度小于或者等于低速标定值,确定权重关联参数为第一常数;响应于行驶速度大于或者等于高速标定值,确定权重关联参数为第二常数;响应于行驶速度大于低速标定值、且小于高速标定值,获取行驶速度与低速标定值的第一差值、以及高速标定值与低速标定值的第二差值;获取第一差值和第二差值的第四比值,并将第四比值作为权重关联参数。
其中,未来预设时间段包括多个预测时间段,各预测时间段由多个未来时间点组成;基于第一曲率和第一曲率变化率,预测得到第一预测轨迹,包括:基于第一曲率、第一曲率变化率、以及不同时间点第一曲率变化率的预设影响参数,确定各未来时间点的第二曲率,不同时间点包括当前时刻和各未来时间点;基于第一曲率和各第二曲率,确定各预测时间段分别对应的若干控制点的坐标;利用各预测时间段分别对应的若干控制点的坐标,确定第一预测轨迹。
其中,基于第一曲率、第一曲率变化率、以及不同时间点第一曲率变化率的预设影响参数,确定各未来时间点的第二曲率,包括:对于各未来时间点,确定未来时间点的前一时间点的第三曲率、以及不同时间点对应的预设影响参数;其中,若前一时间点为当前时刻,则将第一曲率作为第三曲率,若前一时间点不为当前时刻,则前一时间点对应的第二曲率为第三曲率;获取第一曲率变化率与对应的预设影响参数的乘积;确定第三曲率与乘积的加和结果,并将加和结果作为未来时间点的第二曲率。
其中,第一运动数据包括当前时刻自车的行驶速度;基于第一曲率和各第二曲率,确定各预测时间段分别对应的若干控制点的坐标,包括:响应于行驶速度大于或者等于预设速度阈值,基于第一曲率和各第二曲率,确定各预测时间段分别对应的若干控制点的坐标。
其中,第一运动数据包括当前时刻自车的行驶速度;至少基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹,包括:响应于行驶速度小于预设速度阈值,基于最短安全探测距离和第一曲率,确定自车的航向角变化量,航向角变化量为自车从当前位置行驶至最短安全探测距离对应的终点位置时,当前位置和终点位置的航向角变化量;基于航向角变化量和第一曲率对应的曲率半径,确定若干控制点的位置。
其中,在至少基于第一预测轨迹,确定目标探测区域前,包括:响应于当前帧、以及当前帧的前一历史帧中存在第二目标跟踪车辆,获取当前时刻第二目标跟踪车辆相对自车的第二运动数据,其中,第二目标跟踪车辆为前一历史帧中的第一目标跟踪车辆,第二运动数据包括位置数据和夹角中的至少一者;基于第二运动数据和第一运动数据,确定第二预测轨迹,第二预测轨迹表征自车按照第一运动数据行驶至第二目标跟踪车辆处的预测轨迹;至少基于第一预测轨迹,确定目标探测区域,包括:基于第一预测轨迹和第二预测轨迹,确定目标探测区域。
其中,第一预测轨迹包含若干轨迹点;基于第一预测轨迹和第二预测轨迹,确定目标探测区域,包括:将第二预测轨迹的至少部分轨迹段作为第一探测中心线,并基于第一预设探测数据,分别在第一探测中心线两侧确定一条第一探测边界线;确定第一轨迹点数量与第二轨迹点数量的比值,其中,第一轨迹点数量为第一预测轨迹中位于两条第一探测边界线间的轨迹点的数量,第二轨迹点数量为第一预测轨迹包含的轨迹点总数量;基于比值,确定第一预测轨迹或第二预测轨迹为第二探测中心线;基于第二探测中心线、自车的行驶情形和自车的行驶情形对应的第二预设探测数据,确定目标探测区域。
其中,基于比值,确定第一预测轨迹或第二预测轨迹为第二探测中心线,包括以下一者:响应于比值小于或者等于预设阈值,确定第一预测轨迹为第二探测中心线;响应于比值大于预设阈值,确定第二预测轨迹为第二探测中心线。
为解决上述技术问题,本申请采用的再一个技术方案是:提供一种电子设备,包括相互耦接的存储器和处理器,存储器存储有程序指令;处理器用于执行存储器中存储的程序指令,以实现上述方法。
为解决上述技术问题,本申请采用的又一个技术方案是:提供一种计算机可读存储介质,用于存储程序指令,该程序指令能够被执行以实现上述方法。
上述方案,先根据自车当前时刻的第一运动数据、低速标定值和高速标定值,确定车当前行驶时的第一曲率,再至少基于第一曲率预测得到自车未来预设时间段的第一预测轨迹,且在至少基于第一预测轨迹,确定目标探测区域后,根据确定的目标探测区域进行目标跟踪车辆的选择。其中,相比于只利用第一运动数据确定第一曲率的方式,本申请根据自车当前时刻的第一运动数据、低速标定值和高速标定值确定的第一曲率更加准确,进而在至少基于第一曲率确定目标探测区域后,基于目标探测区域进行探测确定的第一目标跟踪车辆也更加准确,尤其是在无车道线场景下,能够准确地确定目标跟踪车辆。
附图说明
图1是本申请提供的目标跟踪车辆选择方法一实施例的流程示意图;
图2是本申请提供的基于第一曲率和第一曲率变化率预测第一预测轨迹一实施例的流程示意图;
图3是图1所示步骤S14一实施例的流程示意图;
图4是本申请提供的第一探测中心线和第一探测边界线的示意图;
图5是本申请提供的目标探测区域的示意图;
图6是图1所示步骤S13之前一实施例的流程示意图;
图7为本申请提供的目标跟踪车辆选择装置一实施例的框架示意图;
图8是本申请提供的电子设备一实施例的框架示意图;
图9是本申请提供的计算机可读存储介质的框架示意图。
具体实施方式
为使本申请的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本申请进一步详细说明。
另外,若本申请实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其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。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
请参阅图1,图1是本申请提供的目标跟踪车辆选择方法一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图1所示的流程顺序为限。如图1所示,本实施例包括:
S11:获取自车当前时刻的第一运动数据。
本实施例用于根据自车当前时刻的第一运动数据、低速标定值和高速标定值,确定出目标探测区域,并基于该目标探测区域进行探测,确定第一目标跟踪车辆。
本文中的自车为当前利用自动驾驶辅助系统进行驾驶的车辆,第一运动数据为当前时刻自车行驶时的参数数据,其中,第一运动数据可以但不限于包括当前时刻自车行驶时的行驶速度,还可以包括当前时刻自车的车辆参数(例如是自车质量、前后轮的侧偏刚度等)、前轮转角或前轮转角变化量等数据,其中,第一运动数据可通过安装在自车上的各相关传感器直接获取或者通过相关计算获取得到,具体的第一运动数据包含的数据、以及对应的获取方式需根据实际需要进行确定,此处不做具体限定。
在一实施方式中,当检测到当前车道的车道线存在模糊,缺失,遮挡或断开等情况下,执行获取自车当前时刻的第一运动数据和后续步骤。当然,在其他实施方式中,也可不考虑车道线的情况,持续执行获取自车当前时刻的第一运动数据。
S12:基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率。
本文中的低速标定值为判断自车是否在低速(用较低的速度)行驶的参考值,高速标定值为判断是否在高速(用较高的速度)行驶的参考值。例如,低速标定值为30km/h,则当自车的行驶速度小于或者等于30km/h,则可认为自车在低速行驶;再如,高速标定值为100km/h,则当自车的行驶速度大于或者等于100km/h,则可认为自车在高速行驶。需要说明的是,上述低速标定值和高速标定值只用作举例,具体两个标定值分别对应的数值可根据实际情况进行确定,此处不做具体限定。
本实施例中,第一运动数据包括当前时刻自车行驶时的行驶速度。需要说明的是,自车当前行驶时的第一曲率可根据自车当前时刻的横摆角速度和当前时刻自车的行驶速度得到。其中,自车当前时刻的横摆角速度可通过相应的传感器(例如是横摆角速度传感器)获取得到,但因传感器检测灵敏度等原因,在较高的行驶速度下(行驶速度大于或者等于高速标定值),通过横摆角速度传感器直接获取的值是较准确的,但自车在非使用较高速度(小于高速标定值)行驶时,由横摆角速度传感器直接获取的横摆角速度的结果不够准确,因此,为提高当前时刻的横摆角速度值的准确性,在确定自车当前时刻自车行驶后,可根据当前时刻的行驶速度与两个标定值(低速标定值和高速标定值)之间的关系,确定当前时刻自车的横摆角速度,进而利用当前时刻自车的横摆角速度和当前时刻的行驶速度,确定当前行驶时的第一曲率。
可选地,步骤S12基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率,包括以下一种情况:
第一、若当前时刻自车的行驶速度小于或者等于低速标定值,则先获取自车的第一横摆角速度,然后获取第一横摆角速度与当前时刻行驶速度的第一比值,并将第一比值作为自车当前行驶时的第一曲率。
在一实施方式中,第一运动数据还包括当前时刻自车行驶时的车辆参数和前轮转角,在自车的行驶速度小于或者等于低速标定值的情况下,可借助车辆的二自由度模型,进行横摆角速度的计算,以提高在该种行驶速度情况下确定的横摆角速度的准确性。具体地,根据当前时刻自车行驶时的车辆参数和前轮转角确定自车的第一横摆角速度,并将第一横摆角速度作为当前时刻自车的横摆角速度,进而使利用第一横摆角速度与当前时刻行驶速度的第一比值确定的自车当前行驶时的第一曲率的准确性。
示例性的,在行驶速度小于或者等于低速标定值情况下,可利用如下公式中的车辆参数和前轮转角,确定当前时刻自车的横摆角速度(第一横摆角速度):
式中,为第一横摆角速度,为自车当前的行驶速度,分别为车辆的前后轴长度,分别为车辆的前后轮侧偏刚度,m为整车质量,为前轮转角,其中,、m均为当前时刻自车行驶时的车辆参数。
第二、若当前时刻自车的行驶速度大于或者等于高速标定值,获取自车的第二横摆角速度,并获取第二横摆角速度与行驶速度的第二比值作,将第二比值为自车的第一曲率。
由于自车的行驶速度在较高的行驶速度下(行驶速度大于或者等于高速标定值),通过横摆角速度传感器直接获取的值是较准确的,因此,若当前时刻自车的行驶速度大于或者等于高速标定值,可直接利用横摆角速度传感器输出的第二横摆角速度作为当前时刻自车的横摆角速度,并利用该第二横摆角速度确定自车当前行驶时的第一曲率。
第三、若当前时刻自车的行驶速度大于低速标定值、且小于高速标定值,则先确定第一横摆角速度影响第一曲率的第一权重、以及第二横摆角速度影响第一曲率的第二权重,并利用第一权重、第二权重对第一横摆角速度和第二横摆角速度进行加权处理,得到加权横摆角速度,以及获取加权横摆角速度与行驶速度的第三比值,作为自车的第一曲率。
需要说明的是,由上文描述内容可知,在以下两种情形下,可准确确定当前行驶速度下横摆角速度。第一种情形是:在速度小于或者等于低速标定值的情况下,借助车辆的二自由度模型,使计算的横摆角速度值比较准确;第二种情形是:在较高的行驶速度下(行驶速度大于或者等于高速标定值),通过横摆角速度传感器获取的横摆角速度值比较准确;因此,为了提高行驶速度在非上述两种情形下获取的横摆角速度的准确性,可先确定根据第一种情形确定的第一横摆角速度对第一曲率影响的第一权重、以及根据第二种情形确定的第二横摆角速度对第一曲率影响的第二权重,然后利用第一权重、第二权重对第一横摆角速度和第二横摆角速度进行加权处理,得到加权横摆角速度,进而将加权横摆角速度与行驶速度的第三比值,确定为自车的第一曲率。
下面结合以下第二权重公式,对确定第一横摆角速度影响第一曲率的第一权重、以及第二横摆角速度影响第一曲率的第二权重的过程进行说明:
式中,weight表示第二权重,表示自车当前的行驶速度,表示低速标定值,表示高速标定值。
首先,获取自车当前的行驶速度与低速标定值的第一差值、以及高速标定值与低速标定值的第二差值;然后获取第一差值和第二差值的第四比值,其中,第四比值即为第二权重,然后再基于第二权重,确定第一权重。其中,第一权重与所述第二权重负相关,第一权重和第二权重的和为一常数(例如是1)。
S13:至少基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹。
本文中的未来预设时间段表示预测第一预测轨迹对应的未来一段时间,具体未来预设时间段表示的时间范围可根据实际情况进行设定,例如,若是要预测自车行驶5s对应的轨迹,则未来预设时间段可以是未来5s,若考虑到自车低速行驶,在较短时间段内预测的轨迹的距离较短,导致探测范围较近(较小),则可根据实际情况适当的加长预测时间,即设置未来预设时间段为一较长的时间段,以增大探测范围。
在一实施方式中,在未来预设时间的时间范围的设定没有考虑到自车行驶速度的场景中,若自车当前的行驶速度小于预设速度阈值,可基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹。
其中,若自车当前的行驶速度小于预设速度阈值,则按照当前行驶速度的第一曲率且未来预设时间段进行轨迹预测时,预测得到的第一预测轨迹的轨迹长度则不足最短安全探测距离。最短安全探测距离为能够进行安全探测的最短距离,在第一预测轨迹的轨迹长度不足最短安全探测距离的情况下,以当前较短的预测轨迹长度确定的探测范围较小,则容易导致距离自车较近的车辆不在该探测范围内,以使自车认为前面无目标跟踪车辆,在此情况下,自车若加速,则容易导致危险。例如,在前的车辆距离自车的实际距离是10米,自车当前的行驶速度太小,导致按照当前速度行驶,未来预设时间行驶的距离(对应的预测轨迹的长度)是5米,则自车会在距离自车5米的范围内生成目标检测区域,5米以外的车辆,自车不会将其选为目标跟踪车辆,若自车按照原来的行驶速度或者加速行驶,只有在距离前车5米时,自车才会发现存在目标跟踪车辆进行减速,但此时就很容易与目标跟踪车辆碰撞。
因此,本实施方式中,为提高自车行驶的安全性,在自车当前的行驶速度小于预设速度阈值的情况下,先预测在当前第一曲率下,自车从当前时刻位置(起点)行驶至最短安全探测距离对应的终点位置时,起点和终点的航向角变化量,然后再根据该航向角变化量和第一曲率对应的曲率半径,确定若干控制点的坐标(一般一段预测轨迹需要通过4个控制点的坐标确定),然后在通过三阶贝塞尔曲线公式,确定第一预测轨迹。
其中,在确定航向角变化量后,可根据如下公式根据该航向角变化量和第一曲率对应的曲率半径,确定各控制点的坐标:
式中,表示第一个控制点的坐标,为自车当前位置的坐标,表示第二个控制点的坐标,表示第三个控制点的坐标,表示第四个控制点的坐标,为自车在当前第一曲率下,从当前位置行驶至最短安全探测距离对应的终点位置时的坐标,表示第一曲率对应的曲率半径,表示航向角变化量。
需要说明的是,本文中的各坐标均是基于自车坐标系下的坐标,示例性的,可以自车前轴中心为坐标原点,向前为X轴正方向,向左为y轴正方向建立自车坐标系,当然,也可以以自车的其他位置为坐标原点建立自车坐标系。
其中,通过三阶贝塞尔曲线公式,确定第一预测轨迹,如下:
式中,( , )表示第一预测轨迹的坐标,( , )表示未来预设时间t内第一个控制点的坐标,相似的,( , )表示第二个控制点的坐标,( , )表示第三个控制点的坐标,( , )表示第四个控制点的坐标。
在另一实施方式中,在步骤S13之前,还可基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率变化率,然后,基于第一曲率和第一曲率变化率,预测得到第一预测轨迹。
示例性的,请参阅图2,图2是本申请提供的基于第一曲率和第一曲率变化率预测第一预测轨迹一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图2所示的流程顺序为限。如图2所示,本实施例包括:
S21:基于第一曲率、第一曲率变化率、以及不同时间点第一曲率变化率的预设影响参数,确定各未来时间点的第二曲率。不同时间点包括当前时刻和各未来时间点。
本实施例用于基于第一曲率、第一曲率变化率、以及不同时间点第一曲率变化率的预设影响参数,确定各预测时间段分别对应的若干控制点的坐标,进而根据各控制点,预测得到第一预测轨迹。
本实施例中,可将未来预设时间段分为多个预测时间段,各预测时间段由多个未来时间点组成。例如,要预测自车行驶5s对应的轨迹,则未来预设时间段为0-5s,可将0-5s分为5个预测时间段,分别是0-1s、1-2s、2-3s、3-4s、4-5s,各时间段由至少一个未来时间点组成。
需要说明的是,本实施例适用于自车的行驶速度大于预设速度阈值的场景,其中,该场景下,基于当前行驶速度下的第一曲率和第一曲率变化率预测的第一预设轨迹的距离大于最短安全探测距离,在第一预设轨迹的距离大于最短安全探测距离的情况下,基于该探测距离行驶,能够保证自车行驶的安全性。
同时需要说明的是,曲率变化率相当于车辆轮胎的运动趋势,也即和车辆方向盘的运动趋势相关联,例如是短时间内(例如1s或者2s内)一般很可能转动方向盘的,但之后,则不会再以该趋势转动方向盘了,因此,考虑到实际驾驶场景中车辆方向盘的转动情况,本实施例中,通过预先设置的距离当前时刻不同时间的第一曲率变化率的影响参数确定不同时间点的曲率变化率,进而通过第一曲率、第一曲率变化率、以及不同时间点第一曲率变化率的预设影响参数,确定各未来时间点的第二曲率。其中,不同时间点包括当前时刻和各未来时间点,已知的是,当前时刻的曲率变化率为第一曲率变化率,当前时刻的曲率为第一曲率。
在一实施方式中,确定各未来时间点的第二曲率的过程中,包括以下步骤:
为方便理解确定各未来时间点的第二曲率的过程,现结合如下公式进行说明:
式中,t表示不同时间点,表示当前时间点,表示第一曲率表示非当前时间点,表示各未来时间点的第二曲率,表示前一时间点的第三曲率,表示第一曲率变化率,表示不同时间点的第一曲率变化率的预设影响参数。其中,当时,对应的该时间点的第一曲率变化率的预设影响参数为1,当t=1时,对应的该时间点的第一曲率变化率的预设影响参数为-1,当时,对应的该时间点的第一曲率变化率的预设影响参数为0,表示当时,和前一时间点相比,曲率变化率没有发生变化。
其中,确定各未来时间点的第二曲率,包括如下步骤:
第一、对于各未来时间点,确定未来时间点的前一时间点的第三曲率、以及未来时间点对应的预设影响参数;其中,若前一时间点为当前时刻,则将第一曲率作为第三曲率,若前一时间点不为当前时刻,则前一时间点对应的第二曲率为第三曲率。
第二、获取第一曲率变化率与对应的预设影响参数的乘积。
第三、确定第三曲率与该乘积的加和结果,并将加和结果作为未来时间点的第二曲率。
可以理解的是,各未来时间点的第二曲率是根据其前一时间点的第三曲率、以及不同时间点对应的预设影响参数确定的,其中,若该未来时间点前一时间点为当前时刻,则前一时刻的第三曲率为当前时刻的第一曲率,若其前一时间点不为当前时刻,则其前一时间点的第二曲率为前一时间点的第三曲率。
S22:基于第一曲率和各第二曲率,确定各预测时间段分别对应的若干控制点的坐标。
本实施例中,在自车当前行驶速度大于或者等于预设速度阈值(此时预测的第一预设轨迹的距离大于最短安全探测距离)的情况下,可基于第一曲率和各第二曲率,确定各预测时间段分别对应的若干控制点的坐标。
为方便解说,以未来预设时间为2s为例,对确定各预测时间段对应的若干控制点的坐标的过程进行说明。
将当前时刻到未来时间点1s作为第一个预测时间段,对于第一个预测时间段,在当前时刻的第一曲率和未来时间点1s的第二曲率确定的情况下,可根据第一曲率和第二曲率分别与预设曲率阈值的关系确定自车的行驶情况(是直线行驶或者是曲线行驶),然后再结合行驶情况和相关的运动学原理预测自车在未来时间点1s运行至的位置(坐标),其中,当前时刻的位置为第一个预测时间段的第一个控制点的位置,未来时间点1s时自车的位置为第四个控制点的位置,然后利用第一个控制点和第四个控制点的坐标,确定第二个控制点坐标和第三个控制点的坐标。类似的,将未来时间点1s到未来时间点2s作为第二个预测时间段,并将第一个预测时间段的第四个控制点的坐标作为第二个预测时间段的第一个控制点的坐标,基于与第一个预测时间段相同的预测原理,确定第二个预测时间段对应的若干控制点的坐标。
其中,对于第一个预测时间段,根据第一曲率和第二曲率分别与预设曲率阈值的关系确定自车的行驶情况(是直线行驶或者是曲线行驶),包括:若第一曲率和第二曲率均小于预设曲率阈值,则认为自车在该预测时间段是直线行驶;若第一曲率和第二曲率的其中一个大于或者等于预设曲率阈值,则认为在该预测时间段是曲线行驶,具体预设曲率阈值的阈值可根据判断结果的准确度进行确定,此处不做具体限定。
优选地,在一实施方式中,为了保证各时间段预测轨迹拼接点的光滑度(轨迹导数和曲率的连续性),可通过对三阶贝塞尔曲线的曲线系数求一阶偏导和二阶偏导确认第二个和第三个控制点坐标。其中,三阶贝塞尔曲线表示如下:
式中,(,)表示贝塞尔曲线上各轨迹点的坐标,( , )表示第一个控制点的坐标,( , )表示第二个控制点的坐标,( , )表示第三个控制点的坐标,( , )表示第四个控制点的坐标。其中,在对三阶贝塞尔曲线的曲线系数求一阶偏导和二阶偏导后,可取=0,以确认第二个和第三个控制点坐标。
S23:利用各预测时间段分别对应的若干控制点的坐标,确定第一预测轨迹。
本实施例中,在确定各预测时间段分别对应的若干控制点的坐标后,利用三阶贝塞尔曲线,确定各预测时间段车辆的运动轨迹,然后将各预测时间段的运动轨迹按照时间顺序进行组合,确定第一预测轨迹。
其中,确定各预测时间段车辆的运动轨迹表示如下:
式中,(,)表示各预测时间段运动轨迹的坐标,(,)表示各预测时间段第一个控制点的坐标,相似的,( , )表示第二个控制点的坐标,( , )表示第三个控制点的坐标,( , )表示第四个控制点的坐标。
S14:至少基于第一预测轨迹,确定目标探测区域,并基于目标探测区域进行探测,确定第一目标跟踪车辆。
在一实施方式中,在步骤S14之前,若当前时刻采集的当前帧、以及当前帧的前一历史帧中存在第二目标跟踪车辆的情况下,可获取当前时刻第二目标跟踪车辆相对自车的第二运动数据,然后基于第二运动数据和第一运动数据,确定自车按照第一运动数据行驶至第二目标跟踪车辆处的第二预测轨迹。其中,第二目标跟踪车辆为前一历史帧中的第一目标跟踪车辆,第二运动数据包括位置数据和夹角中的至少一者,也就是说,在当前帧、以及当前帧的前一历史帧中存在第二目标跟踪车辆的情况下,需至少获取当前时刻第二目标跟踪车辆相对自车的位置和夹角中的一者。
在一具体实施方式中,第二运动数据包括第二目标跟踪车辆的位置(坐标)、以及第二目标跟踪车辆与自车的夹角,基于第二运动数据和第一运动数据,确定自车按照第一运动数据行驶至第二目标跟踪车辆处的第二预测轨迹的过程包括:首先根据第二目标跟踪车辆的坐标、第二目标跟踪车辆与自车的夹角和相关限定数据,确定关于第二预测轨迹的若干控制点,然后通过三阶贝塞尔曲线,确定第二预测轨迹。
下面结合以下公式,对根据第二目标跟踪车辆的坐标、第二目标跟踪车辆与自车的夹角和相关限定数据,确定关于第二预测轨迹的若干控制点进行说明:
其中,为各控制点坐标, , 为第二目标跟踪车辆的坐标,表示拟合第二预测轨迹时第二目标跟踪和自车的预测夹角(用于拟合第二预测轨迹),为第二目标跟踪车辆与自车的夹角,为圆周率,为预设标定距离。
其中,需要说明的是,预测夹角的作用是为了限制二目标跟踪车辆与自车的预测夹角,通过对第二目标跟踪车辆与自车的夹角进行限制,以使生成的轨迹更加合理。
在一实施方式中,在确定自车按照第一运动数据行驶至第二目标跟踪车辆处的第二预测轨迹后,可基于第一预测轨迹和第二预测轨迹,确定目标探测区域。并在确定目标探测区域后,基于目标探测区域进行探测,确定第一目标跟踪车辆。其中,第一目标跟踪车辆为选择出来的在未来预设时间段行驶要跟踪行驶的车辆。
上述方案,先根据自车当前时刻的第一运动数据、低速标定值和高速标定值,确定车当前行驶时的第一曲率,再至少基于第一曲率预测得到自车未来预设时间段的第一预测轨迹,且在至少基于第一预测轨迹,确定目标探测区域后,根据确定的目标探测区域进行目标跟踪车辆的选择。其中,相比于只利用第一运动数据确定第一曲率的方式,上述根据自车当前时刻的第一运动数据、低速标定值和高速标定值确定的第一曲率更加准确,进而在至少基于第一曲率确定目标探测区域后,基于目标探测区域进行探测确定的第一目标跟踪车辆也更加准确,尤其是在无车道线场景下,能够准确地确定目标跟踪车辆。
请参阅图3,图3是图1所示步骤S14一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图3所示的流程顺序为限。如图3所示,本实施例中,基于第一预测轨迹和第二预测轨迹,确定目标探测区域,包括:
S31:将第二预测轨迹的至少部分轨迹段作为第一探测中心线,并基于第一预设探测数据,分别在第一探测中心线两侧确定一条第一探测边界线。
在一实施方式中,请结合参阅图4,图4是本申请提供的第一探测中心线和第一探测边界线的示意图。在确定自车按照第一运动数据行驶至第二目标跟踪车辆处的第二预测轨迹后,将第二预测轨迹的至少部分轨迹段作为第一探测中心线,并根据第一预设探测数据,分别在第一探测中心线两侧确定一条第一探测边界线。其中,第一预设探测数据的作用是限制两侧的探测边界,可根据后续探测中心线选择的准确度进行确定,具体不做具体限定。
在另一实施方式中,在确定第二预测轨迹和第一预测轨迹后,可选取两个预测轨迹中距离长度相同的轨迹段作为第一探测中心线,然后基于第一预设探测数据,分别在第一探测中心线两侧确定一条第一探测边界线。
S32:确定第一轨迹点数量与第二轨迹点数量的比值,其中,第一轨迹点数量为第一预测轨迹中位于两条第一探测边界线间的轨迹点的数量,第二轨迹点数量为第一预测轨迹包含的轨迹点总数量。
本实施例中,先确定位于两条第一探测边界线间的第一轨迹点数量、以及确定第一预测轨迹包含的第二轨迹点的数量(轨迹点总数量),然后基于第一轨迹点数量和第二轨迹点数量,确定第一轨迹点数量与第二轨迹点数量的比值。
S33:基于比值,确定第一预测轨迹或第二预测轨迹为第二探测中心线。
若第一轨迹点数量与第二轨迹点数量的比值大于预设阈值,说明自车未来预设时间段的驾驶意图和第二预测轨迹对应的行驶意图是相符合的,在这种情况下,则以第二预测轨迹为第二探测中心线;否则,若第一轨迹点数量与第二轨迹点数量的比值小于或者等于预设阈值,则说明自车未来时间段的驾驶意图和第二预测轨迹对应的行驶意图的符合程度较低,在这种情况下,直接以至少基于当前时刻行驶的第一曲率对应的第一预测轨迹作为第二探测中心线。
S34:基于第二探测中心线、自车的行驶情形和对应的第二预设探测数据,确定目标探测区域。
第二预设探测数据包括距离第二探测中心线两侧的不同的标定偏移距离集合,以通过不同的标定偏移距离集合确定4条第二探测边界线。请参阅图5,图5是本申请提供的目标探测区域的示意图。其中,目标探测区域包括由不同第二探测边界线构成的内外探测区域,由距离第二探测中心线较近的两条第二探测边界线构成的区域为内探测区域,由距离第二探测中心线较远的两条第二探测边界线构成的区域为外探测区域。
其中,自车的行驶情形例如是转弯(左转弯、右转弯)、直行或者掉头等。不同的行驶情形下,对应的距离第二探测中心线两侧的标定偏移距离集合是不同的,例如在自车直行的情况下,距离第二探测中心线两侧的标定偏移距离集合整体上是与第二探测中心线对称的数据,又如在自车左转的情况下,相比于距离第二探测中心线右侧,距离第二探测中心线左侧的标定偏移距离集合中的各标定偏移距离会稍大一点,具体的第二预设探测数据可根据实际情况进行确定,此处不做具体限定。
需要说明的是,对于第二目标车辆和自车的距离较近的情况下,本实施例基于第一预测轨迹和第二预测轨迹确定目标探测区域的方式,相比于只基于第一预测轨迹的方式,能够提高第一目标跟踪车辆选择的准确性,此外,也能提高安全性。例如,第二目标车辆在前,且和自车的距离较近,在自车和第二目标车辆都有转弯意图的情况下,第二目标车辆转动方向盘的动作一般较早,此时,第二目标车辆在转弯的情况下,自车可能还处于直行状态,若此时只以第一预测轨迹为探测中心线,确定目标探测区域,则第二目标车辆很可能不在该目标探测区域内,若此时,自车以当前速度转弯,很可能和在前的第二目标车辆碰撞。相同的场景,若在确定目标探测区域的过程中考虑第二预测轨迹,由于第二预测轨迹是根据自车当前的第一运动数据和第二目标车辆当前的第二运动数据预测得到的,因此通过第二预测轨迹能够判断第二目标车辆是在入弯的,在自车有相同的转弯意图下,以第二预测轨迹确定的目标探测区域,第二目标车辆是在该目标探测区域内,第二目标车辆仍会被选择为第一目标车辆,故能够提高第一目标跟踪车辆选择的准确性,同时,能够避免自车以当前速度转弯和第二目标车辆碰撞的危险。
在一些实施例中,在确定目标探测区域后,基于目标探测区域进行探测,确定第一目标跟踪车辆,包括:
第一、确定候选车辆。可利用自车上的检测器件进行检测,确定预设距离范围(例如是前方和/或左右方距离自车预设距离)的车辆为候选车辆。
第二、基于各候选车辆的第三运动数据,确定第一目标跟踪车辆。其中,第三运动数据包括候选车辆的至少部位的位置、以及行驶方向,本实施例中,将候选车辆的中心位置位于内探测区域内、或车辆的部分位置在内探测区域内且有驶入内探测区域的趋势的候选车辆确定为目标车辆;在候选车辆位于内外探测区域之间的情况下,若当前帧的前一或者前预设数量历史帧中该候选车辆为第一目标跟踪车辆,则选择该候选车辆为目标车辆,否则,不选为目标车辆。
当然,若候选车辆的中心位置位于外探测区域外、或者候选车辆的部分位置在外探测区域外且有驶出外探测区域的趋势,则不选为目标车辆。
需要说明的是,如果经上述步骤确定较多数量的目标车辆,则根据各目标车辆相对于自车的距离进行排序,将距离自车最近的目标车辆确定为第一目标跟踪车辆进行跟踪。
请参阅图6,图6是图1所示步骤S13之前一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图6所示的流程顺序为限。如图6所示,本实施例包括:
S61:基于车辆参数和前轮转角变化量,确定自车的横摆角加速度参考值。
本实施例用于基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率变化率。
本实施例中,第一运动数据包括当前时刻所述自车的行驶速度、车辆参数和前轮转角变化量。其中,考虑到横摆角加速度值在不设计微分器的情况下,不能通过传感器直接获取得到,且在速度较高的情况下,虽然利用横摆角速度传感器获取的横摆角速度值比较准确,但由于车速较高,待预测的轨迹距离较远,会导致远端的轨迹抖动较频繁,不利于后续目标跟踪车辆的选择。因此,本实施例中先利用假设当前行驶速度(假设速度)小于或者等于低速标定值情况下,较准确的横摆角速度的计算方式(参考步骤S21的如下公式),获取横摆角加速度参考值,然后结合当前行驶速度(当前实际行驶速度)和两个速度标定值(低速标定值和高速标定值)的关系,确定影响横摆角加速度的权重关联参数,进而利用该权重关联参数和利用假设行驶速度下获取的横摆角加速度参考值,确定当前行驶速度下横摆角加速度(估计值)。
其中,利用假设行驶速度(假设速度)小于或者等于低速标定值情况下,自车的当前行驶速度、车辆参数和前轮转角变化量,确定当前时刻自车的横摆角加速度参考值如下:
式中,为横摆角加速度参考值,分别为车辆的前后轴长度,分别为车辆的前后轮侧偏刚度,m为整车质量,为自车当前的行驶速度,为前轮转角变化量,其中,、m均为当前时刻自车行驶时的车辆参数。
S62:基于行驶速度、低速标定值和高速标定值,确定当前时刻自车横摆角加速度的权重关联参数,其中,横摆角加速度与权重关联参数负相关。
需要说明的是,本文中的横摆角加速度在无特殊说明的情况下,表示的是当前时刻自车的横摆角加速度估计值。
由于利用步骤S21确定的横摆角加速度参考值,是在假设当前行驶速度(假设速度)小于或者等于低速标定值情况下,获取的横摆角加速度参考值,其中,在获取该横摆角加速度参考值后,需结合当前自车的实际行驶速度和两个速度标定值(低速标定值和高速标定值)的关系,确定影响横摆角加速度的权重关联参数,其中,横摆角加速度与权重关联参数负相关,进而利用该权重关联参数和获取的横摆角加速度参考值,确定当前行驶速度下的横摆角加速度。
其中,根据自车当前的实际行驶速度和两个速度标定值(低速标定值和高速标定值)的关系,确定影响横摆角加速度值的权重关联参数,可参考如下:
式中,表示影响横摆角加速度的权重关联参数,表示低速标定值,表示高速标定值,表示当前(实际)行驶速度。
其中,当自车的行驶速度小于或者等于低速标定值时,则确定权重关联参数为第一常数;当行驶速度大于或者等于高速标定值时,则确定权重关联参数为第二常数;当行驶速度大于低速标定值、且小于高速标定值,则先获取行驶速度与低速标定值的第一差值、以及高速标定值与低速标定值的第二差值,然后获取第一差值和第二差值的第四比值,并将第四比值作为该权重关联参数。其中,第一常数和第二常数为表示影响横摆角加速度重要程度的参数,第一常数可以但不限于为0,第二常数可以但不限于为1,具体可根据实际情况进行调整,此处不做具体限定。
S63:基于权重关联参数、横摆角加速度参考值,确定当前时刻自车的横摆角加速度。
本实施例,将在步骤S64中,结合步骤S23和S24,说明基于权重关联参数、横摆角加速度参考值,确定横摆角加速度、以及确定自车当前行驶时的第一曲率变化率的过程。
S64:获取横摆角加速度与行驶速度的第五比值,将第五比值作为第一曲率变化率。
步骤S23和S24的过程可参考如下公式:
式中,表示自车当前行驶时的第一曲率变化率,表示权重关联参数,表示横摆角加速度参考值,表示当前(实际)行驶速度。其中,的结果表示当前时刻自车的横摆角加速度。
请参阅图7,图7为本申请提供的目标跟踪车辆选择装置一实施例的框架示意图。本实施例中,目标跟踪车辆选择装置70包括获取模块71、第一确定模块72、第二确定模块73、第三确定模块74。获取模块71用于获取自车当前时刻的第一运动数据;第一确定模块72用于基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率;第二确定模块73用于至少基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹;第三确定模块74用于至少基于第一预测轨迹,确定目标探测区域,并基于目标探测区域进行探测,确定第一目标跟踪车辆。
上述方案,目标跟踪车辆选择装置70能够实现上述目标跟踪车辆选择方法实施例中的步骤,自车根据当前时刻的第一运动数据、低速标定值和高速标定值最终能够确定出一个目标探测区域,由于第一曲率是根据自车当前时刻的第一运动数据、低速标定值和高速标定值确定的,故相比于只利用第一运动数据确定第一曲率的方式,上述根据自车当前时刻的第一运动数据、低速标定值和高速标定值确定的第一曲率更加准确,进而在至少基于第一曲率确定目标探测区域后,基于目标探测区域进行探测确定的第一目标跟踪车辆也更加准确,尤其是在无车道线场景下,能够准确地确定目标跟踪车辆。
在一些实施例中,第二确定模块73包括确定子模块和预测子模块,确定子模块用于在第二确定模块73得到第一预测轨迹之前,基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率变化率;预测子模块用于基于第一曲率和第一曲率变化率,预测得到第一预测轨迹。
在一些实施例中,获取模块71获取的第一运动数据至少包括当前时刻自车的行驶速度;第一确定模块72基于第一运动数据、低速标定值和高速标定值,确定自车当前行驶时的第一曲率,包括以下一种情况:响应于行驶速度小于或者等于低速标定值,获取自车的第一横摆角速度,并获取第一横摆角速度与行驶速度的第一比值,将第一比值作为自车的第一曲率;响应于行驶速度大于或者等于高速标定值,获取自车的第二横摆角速度,并获取第二横摆角速度与行驶速度的第二比值作,将第二比值为自车的第一曲率;响应于行驶速度大于低速标定值、且小于高速标定值,确定第一横摆角速度影响第一曲率的第一权重、以及第二横摆角速度影响第一曲率的第二权重,并利用第一权重、第二权重对第一横摆角速度和第二横摆角速度进行加权处理,得到加权横摆角速度,以及获取加权横摆角速度与行驶速度的第三比值,作为自车的第一曲率。
在一些实施例中,第一确定模块72确定第一横摆角速度影响第一曲率的第一权重、以及第二横摆角速度影响第一曲率的第二权重,包括:获取行驶速度与低速标定值的第一差值、以及高速标定值与低速标定值的第二差值;获取第一差值和第二差值的第四比值,并将第四比值作为第二权重;基于第二权重,确定第一权重;其中,第一权重与第二权重负相关。
在一些实施例中,获取模块71获取的第一运动数据包括当前时刻自车的行驶速度、车辆参数和前轮转角变化量;第一确定模块72包括第一确定子模块、第二确定子模块、第三确定子模块和获取子模块,第一确定子模块用于基于车辆参数和前轮转角变化量,确定自车的横摆角加速度参考值;第二确定子模块用于基于行驶速度、低速标定值和高速标定值,确定当前时刻自车的横摆角加速度的权重关联参数,其中,横摆角加速度与权重关联参数负相关;第三确定子模块用于基于权重关联参数、横摆角加速度参考值,确定当前时刻自车的横摆角加速度;获取子模块用于获取横摆角加速度与行驶速度的第五比值,将第五比值作为第一曲率变化率。
在一些实施例中,第二确定子模块基于行驶速度与低速标定值和高速标定值的关系,确定横摆角加速度的权重关联参数,包括以下一者:响应于行驶速度小于或者等于低速标定值,确定权重关联参数为第一常数;响应于行驶速度大于或者等于高速标定值,确定权重关联参数为第二常数;响应于行驶速度大于低速标定值、且小于高速标定值,获取行驶速度与低速标定值的第一差值、以及高速标定值与低速标定值的第二差值;获取第一差值和第二差值的第四比值,并将第四比值作为权重关联参数。
在一些实施例中,未来预设时间段包括多个预测时间段,各预测时间段由多个未来时间点组成;预测子模块基于第一曲率和第一曲率变化率,预测得到第一预测轨迹,包括:基于第一曲率、第一曲率变化率、以及不同时间点第一曲率变化率的预设影响参数,确定各未来时间点的第二曲率,不同时间点包括当前时刻和各未来时间点;基于第一曲率和各第二曲率,确定各预测时间段分别对应的若干控制点的坐标;利用各预测时间段分别对应的若干控制点的坐标,确定第一预测轨迹。
在一些实施例中,基于第一曲率、第一曲率变化率、以及不同时间点第一曲率变化率的预设影响参数,确定各未来时间点的第二曲率,包括:对于各未来时间点,确定未来时间点的前一时间点的第三曲率、以及不同时间点对应的预设影响参数;其中,若前一时间点为当前时刻,则将第一曲率作为第三曲率,若前一时间点不为当前时刻,则前一时间点对应的第二曲率为第三曲率;获取第一曲率变化率与对应的预设影响参数的乘积;确定第三曲率与乘积的加和结果,并将加和结果作为未来时间点的第二曲率。
在一些实施例中,获取模块71获取的第一运动数据包括当前时刻自车的行驶速度;基于第一曲率和各第二曲率,确定各预测时间段分别对应的若干控制点的坐标,包括:响应于行驶速度大于或者等于预设速度阈值,基于第一曲率和各第二曲率,确定各预测时间段分别对应的若干控制点的坐标。
在一些实施例中,获取模块71获取的第一运动数据包括当前时刻自车的行驶速度;第二确定模块73至少基于第一曲率对自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹,包括:响应于行驶速度小于预设速度阈值,基于最短安全探测距离和第一曲率,确定自车的航向角变化量,航向角变化量为自车从当前位置行驶至最短安全探测距离对应的终点位置时,当前位置和终点位置的航向角变化量;基于航向角变化量和第一曲率对应的曲率半径,确定若干控制点的位置。
在一些实施例中,在第三确定模块74至少基于第一预测轨迹,确定目标探测区域前,包括:响应于当前帧、以及当前帧的前一历史帧中存在第二目标跟踪车辆,获取当前时刻第二目标跟踪车辆相对自车的第二运动数据,其中,第二目标跟踪车辆为前一历史帧中的第一目标跟踪车辆,第二运动数据包括位置数据和夹角中的至少一者;基于第二运动数据和第一运动数据,确定第二预测轨迹,第二预测轨迹表征自车按照第一运动数据行驶至第二目标跟踪车辆处的预测轨迹;至少基于第一预测轨迹,确定目标探测区域,包括:基于第一预测轨迹和第二预测轨迹,确定目标探测区域。
在一些实施例中,第一预测轨迹包含若干轨迹点;基于第一预测轨迹和第二预测轨迹,确定目标探测区域,包括:将第二预测轨迹的至少部分轨迹段作为第一探测中心线,并基于第一预设探测数据,分别在第一探测中心线两侧确定一条第一探测边界线;确定第一轨迹点数量与第二轨迹点数量的比值,其中,第一轨迹点数量为第一预测轨迹中位于两条第一探测边界线间的轨迹点的数量,第二轨迹点数量为第一预测轨迹包含的轨迹点总数量;基于比值,确定第一预测轨迹或第二预测轨迹为第二探测中心线;基于第二探测中心线、自车的行驶情形和对应的第二预设探测数据,确定目标探测区域。
在一些实施例中,基于比值,确定第一预测轨迹或第二预测轨迹为第二探测中心线,包括以下一者:响应于比值小于或者等于预设阈值,确定第一预测轨迹为第二探测中心线;响应于比值大于预设阈值,确定第二预测轨迹为第二探测中心线。
请参阅图8,图8是本申请提供的电子设备一实施例的框架示意图。本实施方式中,电子设备80包括相互耦接的存储器81和处理器82。
存储器81存储有程序指令,处理器82用于执行存储器81中存储的程序指令,程序指令能够被处理器执行以实现上述任一方法实施方式的步骤。在一个具体的实施场景中,电子设备80可以包括但不限于:微型计算机、服务器,此外,电子设备80还可以包括笔记本电脑、平板电脑等移动设备,在此不做限定。
具体而言,处理器82用于控制其自身以及存储器81以实现上述任一实施方式的步骤。处理器82还可以称为CPU(Central Processing Unit,中央处理单元)。处理器82可能是一种集成电路芯片,具有信号的处理能力。处理器82还可以是通用处理器、数字信号处理器(Digital Signal Processor, DSP)、专用集成电路(Application Specific IntegratedCircuit, ASIC)、现场可编程门阵列(Field-Programmable Gate Array, FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器82可以由集成电路芯片共同实现。
请参阅图9,图9是本申请提供的计算机可读存储介质的框架示意图。本申请实施例的计算机可读存储介质90存储有程序指令91,该程序指令91被执行时实现上述方法中任一实施例以及任意不冲突的组合所提供的方法。其中,该程序指令91可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质90中,以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施方式方法的全部或部分步骤。而前述的计算机可读存储介质90包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
上述方案,先根据确定车当前行驶时的第一曲率,再至少基于第一曲率预测得到自车未来预设时间段的第一预测轨迹,且在至少基于第一预测轨迹,确定目标探测区域后,根据确定的目标探测区域进行目标跟踪车辆的选择。其中,相比于只利用第一运动数据确定第一曲率的方式,本申请根据自车当前时刻的第一运动数据、低速标定值和高速标定值确定的第一曲率更加准确,进而在至少基于第一曲率确定目标探测区域后,基于目标探测区域进行探测确定的第一目标跟踪车辆也更加准确,尤其是在无车道线场景下,能够准确地确定目标跟踪车辆。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (13)
1.一种目标跟踪车辆选择方法,其特征在于,所述方法包括:
获取自车当前时刻的第一运动数据;
基于所述第一运动数据、低速标定值和高速标定值,确定所述自车当前行驶时的第一曲率;
至少基于所述第一曲率对所述自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹;所述未来预设时间段包括多个预测时间段,各所述预测时间段由多个未来时间点组成;
至少基于所述第一预测轨迹,确定目标探测区域,并基于所述目标探测区域进行探测,确定第一目标跟踪车辆;
其中,所述至少基于所述第一曲率对所述自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹,包括:
基于所述第一运动数据、所述低速标定值和所述高速标定值,确定所述自车当前行驶时的第一曲率变化率;
基于所述第一曲率、所述第一曲率变化率、以及不同时间点所述第一曲率变化率的预设影响参数,确定各所述未来时间点的第二曲率,所述不同时间点包括所述当前时刻和各所述未来时间点;
基于所述第一曲率和各所述第二曲率,确定各所述预测时间段分别对应的若干控制点的坐标;
利用各所述预测时间段分别对应的所述若干控制点的坐标,确定所述第一预测轨迹。
2.根据权利要求1所述的方法,其特征在于,所述第一运动数据至少包括当前时刻所述自车的行驶速度;
所述基于所述第一运动数据、低速标定值和高速标定值,确定所述自车当前行驶时的第一曲率,包括以下一种情况:
响应于所述行驶速度小于或者等于所述低速标定值,获取所述自车的第一横摆角速度,并获取所述第一横摆角速度与所述行驶速度的第一比值,将所述第一比值作为所述自车的第一曲率;
响应于所述行驶速度大于或者等于所述高速标定值,获取所述自车的第二横摆角速度,并获取所述第二横摆角速度与所述行驶速度的第二比值,将所述第二比值作为所述自车的第一曲率;
响应于所述行驶速度大于所述低速标定值、且小于所述高速标定值,确定所述第一横摆角速度影响所述第一曲率的第一权重、以及所述第二横摆角速度影响所述第一曲率的第二权重,并利用所述第一权重、所述第二权重对所述第一横摆角速度和所述第二横摆角速度进行加权处理,得到加权横摆角速度,以及获取所述加权横摆角速度与所述行驶速度的第三比值,作为所述自车的第一曲率。
3.根据权利要求2所述的方法,其特征在于,所述确定所述第一横摆角速度影响所述第一曲率的第一权重、以及所述第二横摆角速度影响所述第一曲率的第二权重,包括:
获取所述行驶速度与所述低速标定值的第一差值、以及所述高速标定值与所述低速标定值的第二差值;
获取所述第一差值和所述第二差值的第四比值,并将所述第四比值作为所述第二权重;
基于所述第二权重,确定所述第一权重;其中,所述第一权重与所述第二权重负相关。
4.根据权利要求1所述的方法,其特征在于,所述第一运动数据包括当前时刻所述自车的行驶速度、车辆参数和前轮转角变化量;
所述基于所述第一运动数据、所述低速标定值和所述高速标定值,确定所述自车当前行驶时的第一曲率变化率,包括:
基于所述车辆参数和所述前轮转角变化量,确定所述自车的横摆角加速度参考值;
基于所述行驶速度、所述低速标定值和所述高速标定值,确定当前时刻所述自车的横摆角加速度的权重关联参数,其中,所述横摆角加速度与所述权重关联参数负相关;
基于所述权重关联参数、所述横摆角加速度参考值,确定所述横摆角加速度;
获取所述横摆角加速度与所述行驶速度的第五比值,将所述第五比值作为所述第一曲率变化率。
5.根据权利要求4所述的方法,其特征在于,所述基于所述行驶速度、所述低速标定值、所述高速标定值,确定当前时刻所述自车的横摆角加速度的权重关联参数,包括以下一者:
响应于所述行驶速度小于或者等于所述低速标定值,确定所述权重关联参数为第一常数;
响应于所述行驶速度大于或者等于所述高速标定值,确定所述权重关联参数为第二常数;
响应于所述行驶速度大于所述低速标定值、且小于所述高速标定值,获取所述行驶速度与所述低速标定值的第一差值、以及所述高速标定值与所述低速标定值的第二差值;获取所述第一差值和所述第二差值的第四比值,并将所述第四比值作为所述权重关联参数。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第一曲率、所述第一曲率变化率、以及不同时间点所述第一曲率变化率的预设影响参数,确定各所述未来时间点的第二曲率,包括:
对于各所述未来时间点,确定所述未来时间点的前一时间点的第三曲率、以及所述不同时间点对应的预设影响参数;其中,若所述前一时间点为所述当前时刻,则将所述第一曲率作为所述第三曲率,若所述前一时间点不为所述当前时刻,则所述前一时间点对应的第二曲率为所述第三曲率;
获取所述第一曲率变化率与对应的所述预设影响参数的乘积;
确定所述第三曲率与所述乘积的加和结果,并将所述加和结果作为所述未来时间点的所述第二曲率。
7.根据权利要求6所述的方法,其特征在于,所述第一运动数据包括当前时刻所述自车的行驶速度;
所述基于所述第一曲率和各所述第二曲率,确定各所述预测时间段分别对应的若干控制点的坐标,包括:
响应于所述行驶速度大于或者等于预设速度阈值,基于所述第一曲率和各所述第二曲率,确定各所述预测时间段分别对应的若干控制点的坐标。
8.根据权利要求1所述的方法,其特征在于,所述第一运动数据包括当前时刻所述自车的行驶速度;
所述至少基于所述第一曲率对所述自车在未来预设时间段的行驶轨迹进行预测,得到第一预测轨迹,还包括:
响应于所述行驶速度小于预设速度阈值,基于最短安全探测距离和所述第一曲率,确定所述自车的航向角变化量,所述航向角变化量为所述自车从当前位置行驶至最短安全探测距离对应的终点位置时,所述当前位置和所述终点位置的航向角变化量;
基于所述航向角变化量和所述第一曲率对应的曲率半径,确定若干控制点的位置。
9.根据权利要求1所述的方法,其特征在于,在所述至少基于所述第一预测轨迹,确定目标探测区域前,包括:
响应于当前帧、以及所述当前帧的前一历史帧中存在第二目标跟踪车辆,获取当前时刻所述第二目标跟踪车辆相对所述自车的第二运动数据,其中,所述第二目标跟踪车辆为所述前一历史帧中的所述第一目标跟踪车辆,所述第二运动数据包括位置数据和夹角中的至少一者;
基于所述第二运动数据和所述第一运动数据,确定第二预测轨迹,所述第二预测轨迹表征所述自车按照所述第一运动数据行驶至所述第二目标跟踪车辆处的预测轨迹;
所述至少基于所述第一预测轨迹,确定目标探测区域,包括:
基于所述第一预测轨迹和所述第二预测轨迹,确定所述目标探测区域。
10.根据权利要求9所述的方法,其特征在于,所述第一预测轨迹包含若干轨迹点;所述基于所述第一预测轨迹和所述第二预测轨迹,确定所述目标探测区域,包括:
将所述第二预测轨迹的至少部分轨迹段作为第一探测中心线,并基于第一预设探测数据,分别在所述第一探测中心线两侧确定一条第一探测边界线;
确定第一轨迹点数量与第二轨迹点数量的比值,其中,所述第一轨迹点数量为所述第一预测轨迹中位于两条所述第一探测边界线间的轨迹点的数量,所述第二轨迹点数量为所述第一预测轨迹包含的轨迹点总数量;
基于所述比值,确定所述第一预测轨迹或所述第二预测轨迹为第二探测中心线;
基于所述第二探测中心线、所述自车的行驶情形和对应的第二预设探测数据,确定所述目标探测区域。
11.根据权利要求10所述的方法,其特征在于,所述基于所述比值,确定所述第一预测轨迹或所述第二预测轨迹为第二探测中心线,包括以下一者:
响应于所述比值小于或者等于预设阈值,确定所述第一预测轨迹为所述第二探测中心线;
响应于所述比值大于预设阈值,确定所述第二预测轨迹为所述第二探测中心线。
12.一种电子设备,其特征在于,包括相互耦接的存储器和处理器,
所述存储器存储有程序指令;
所述处理器用于执行所述存储器中存储的程序指令,以实现权利要求1-11任一项所述的方法。
13.一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存储有能够被处理器运行的程序指令,所述程序指令能够被处理器执行以实现权利要求1-11任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310873402.1A CN117068158A (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
CN202310439134.2A CN116176581B (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
CN202310871388.1A CN116968736A (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310439134.2A CN116176581B (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310871388.1A Division CN116968736A (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
CN202310873402.1A Division CN117068158A (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116176581A CN116176581A (zh) | 2023-05-30 |
CN116176581B true CN116176581B (zh) | 2023-07-28 |
Family
ID=86452368
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310871388.1A Pending CN116968736A (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
CN202310439134.2A Active CN116176581B (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
CN202310873402.1A Pending CN117068158A (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310871388.1A Pending CN116968736A (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310873402.1A Pending CN117068158A (zh) | 2023-04-23 | 2023-04-23 | 一种目标跟踪车辆选择方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN116968736A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019217854A1 (de) * | 2019-11-20 | 2021-05-20 | Zf Friedrichshafen Ag | Ermittlung einer Trajektorie für ein erstes Fahrzeug unter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs |
WO2022022317A1 (zh) * | 2020-07-31 | 2022-02-03 | 华为技术有限公司 | 控制方法与装置、终端设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107415951A (zh) * | 2017-02-28 | 2017-12-01 | 苏州安智汽车零部件有限公司 | 一种基于本车运动状态和环境信息的道路曲率估计方法 |
CN112441012B (zh) * | 2019-09-05 | 2023-05-12 | 北京地平线机器人技术研发有限公司 | 车辆行驶轨迹预测方法和装置 |
CN113460084A (zh) * | 2021-06-11 | 2021-10-01 | 北京汽车研究总院有限公司 | 用于确定车辆驾驶意图的方法、装置、车辆及存储介质 |
CN113734179A (zh) * | 2021-09-29 | 2021-12-03 | 中汽创智科技有限公司 | 一种行驶轨迹应用方法、装置、设备、存储介质及车辆 |
CN115339445A (zh) * | 2022-08-02 | 2022-11-15 | 中国第一汽车股份有限公司 | 跟车目标确定方法、装置及存储介质 |
-
2023
- 2023-04-23 CN CN202310871388.1A patent/CN116968736A/zh active Pending
- 2023-04-23 CN CN202310439134.2A patent/CN116176581B/zh active Active
- 2023-04-23 CN CN202310873402.1A patent/CN117068158A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019217854A1 (de) * | 2019-11-20 | 2021-05-20 | Zf Friedrichshafen Ag | Ermittlung einer Trajektorie für ein erstes Fahrzeug unter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs |
WO2022022317A1 (zh) * | 2020-07-31 | 2022-02-03 | 华为技术有限公司 | 控制方法与装置、终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116968736A (zh) | 2023-10-31 |
CN116176581A (zh) | 2023-05-30 |
CN117068158A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113715814B (zh) | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 | |
CN109444932B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
CN109795477B (zh) | 消除稳态横向偏差的方法、装置及存储介质 | |
US10845813B2 (en) | Route setting method and route setting device | |
CN107830865B (zh) | 一种车辆目标分类方法、装置、系统及计算机程序产品 | |
CN110834642B (zh) | 车辆跑偏识别方法、装置、车辆及存储介质 | |
JP2019182093A (ja) | 挙動予測装置 | |
KR20190104360A (ko) | 주행 이력의 기억 방법, 주행 궤적 모델의 생성 방법, 자기 위치 추정 방법, 및 주행 이력의 기억 장치 | |
JPH0933651A (ja) | 自動車の進行路推定装置 | |
CN110007305A (zh) | 车辆前方目标确定方法、装置、服务器及存储介质 | |
WO2023072135A1 (zh) | 车辆安全行驶的评估方法、装置、车辆及存储介质 | |
CN112644518A (zh) | 一种车辆轨迹预测方法、装置、设备和存储介质 | |
CN114735018A (zh) | 一种基于单雷达的前方最危险目标车辆的筛选判断方法 | |
CN113353083B (zh) | 车辆行为识别方法 | |
CN110094498B (zh) | 一种轮速比的获取方法及装置 | |
KR20200133122A (ko) | 차량 충돌 방지 장치 및 방법 | |
CN116176581B (zh) | 一种目标跟踪车辆选择方法、设备和存储介质 | |
KR20210088473A (ko) | 차량의 곡률 반경 추정장치 및 그 방법 | |
CN110940981A (zh) | 一种用于判断车辆前方目标的位置是否处于本车道内的方法 | |
CN115848368A (zh) | 车辆的自适应巡航系统的控制方法、装置和电子设备 | |
CN110450788A (zh) | 一种驾驶模式切换方法、装置、设备及存储介质 | |
CN114084133B (zh) | 一种跟车目标的确定方法及相关装置 | |
JP5682302B2 (ja) | 走行道路推定装置、方法およびプログラム | |
CN112739599B (zh) | 一种车辆变道行为识别方法及装置 | |
CN116161048A (zh) | 路径生成方法、装置、设备及介质 |
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 |