JP2021152906A - Method, device, appliance and storage medium for predicting vehicle locus - Google Patents
Method, device, appliance and storage medium for predicting vehicle locus Download PDFInfo
- Publication number
- JP2021152906A JP2021152906A JP2021082122A JP2021082122A JP2021152906A JP 2021152906 A JP2021152906 A JP 2021152906A JP 2021082122 A JP2021082122 A JP 2021082122A JP 2021082122 A JP2021082122 A JP 2021082122A JP 2021152906 A JP2021152906 A JP 2021152906A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- current
- fitting
- current vehicle
- time
- 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 64
- 230000009466 transformation Effects 0.000 claims description 42
- 230000015654 memory Effects 0.000 claims description 20
- 238000003384 imaging method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009286 beneficial effect Effects 0.000 description 23
- 230000008901 benefit Effects 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- B60W30/10—Path keeping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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
- B60W40/072—Curvature of the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/30—Road curve radius
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/08—Predicting or avoiding probable or impending collision
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/10—Path keeping
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
本出願は、コンピュータ技術の分野に関し、特に、車両安全技術の分野に関し、具体的には、車両軌跡の予測方法、装置、機器及び記憶媒体に関する。 The present application relates to the field of computer technology, particularly to the field of vehicle safety technology, and specifically to vehicle trajectory prediction methods, devices, devices and storage media.
交通業界の急速な発展に伴い、道路上の車両の数が激増し、交通安全の状況はますます厳しくなっており、ドライバーは、運転中に車両の走行軌跡に基づいて衝突の可能性を推定することが困難であり、ドライバーと乗客の個人の安全に大きな脅威をもたらす。 With the rapid development of the traffic industry, the number of vehicles on the road has increased dramatically, the traffic safety situation has become more severe, and drivers estimate the possibility of collision based on the trajectory of the vehicle while driving. It is difficult to do and poses a great threat to the personal safety of drivers and passengers.
現在、車両の走行軌跡を予測する場合、主に、車両のハンドル、軸距及びトレッドなどのパラメータに基づいて予測するか、又はレーダーを使用して前方車両との距離及び速度を検出して、衝突時間を推定する。 Currently, when predicting a vehicle's travel trajectory, it is mainly predicted based on parameters such as the vehicle's handle, wheelbase and tread, or the distance and speed with the vehicle in front are detected using radar. Estimate the collision time.
しかしながら、レーダーのコストが比較的高く、車両のパラメータに基づいて予測すると、予測プロセスの車両の信号への依存が大きくなり、予測結果の精度が低く、予測効率が高くない。 However, the cost of radar is relatively high, and prediction based on vehicle parameters increases the dependence of the prediction process on the vehicle signal, the accuracy of the prediction result is low, and the prediction efficiency is not high.
本出願の実施例は、車両軌跡の予測方法、装置、機器及び記憶媒体を提供し、車両軌跡の予測の精度及び効率を向上させるとともに、コストを低減する。 The embodiments of the present application provide vehicle trajectory prediction methods, devices, devices and storage media to improve the accuracy and efficiency of vehicle trajectory prediction and reduce costs.
第1の態様では、本出願の実施例は、車両軌跡の予測方法を開示し、当該方法は、
現在の車両の第1の履歴走行時間帯における複数の第1の履歴位置点を取得し、前記複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得するステップと、
前記現在の車両の現在の位置点を取得し、前記現在の位置点及び第1のフィッティング結果に基づいて前記現在の車両の走行軌跡を予測するステップと、を含む。
In the first aspect, the embodiments of the present application disclose a method of predicting a vehicle locus, which method is described as.
A step of acquiring a plurality of first historical position points in the first historical travel time zone of the current vehicle, fitting the plurality of first historical position points, and acquiring the first fitting result.
It includes a step of acquiring the current position point of the current vehicle and predicting the traveling locus of the current vehicle based on the current position point and the first fitting result.
上記出願における一実施例は、複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測することにより、車両の信号に依存する必要がないため、予測コストを低減するとともに、軌跡予測の効率及び精度を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, a plurality of first historical position points are fitted to obtain a first fitting result, and the current vehicle traveling locus is obtained based on the current position point and the first fitting result. Since the prediction does not need to depend on the signal of the vehicle, it has an advantage or a beneficial effect of reducing the prediction cost and improving the efficiency and accuracy of the trajectory prediction.
また、本出願の上記実施例に係る車両軌跡の予測方法は、以下の付加的な技術的特徴をさらに有することができる。 In addition, the vehicle trajectory prediction method according to the above embodiment of the present application may further have the following additional technical features.
選択可能に、第1の履歴走行時間帯は、現在の時間に最も近い履歴走行時間帯であり、
第1の履歴走行時間帯に対応する時間の長さが予め設定された時間の長さの閾値より大きく、及び/又は、第1の履歴走行時間帯に対応する走行距離が予め設定された距離の閾値より大きい。
Selectably, the first historical travel time zone is the historical travel time zone closest to the current time.
The length of time corresponding to the first historical travel time zone is larger than the preset time length threshold value, and / or the travel distance corresponding to the first historical travel time zone is the preset distance. Is greater than the threshold of.
上記出願における一実施例は、第1の履歴走行時間帯の範囲を仕切ることにより、他の無効な履歴走行時間帯の計算を回避し、計算精度及び計算効率を向上させるという利点又は有益な効果を有する。 One embodiment in the above application has an advantage or a beneficial effect of avoiding calculation of another invalid historical travel time zone and improving calculation accuracy and calculation efficiency by partitioning the range of the first historical travel time zone. Has.
選択可能に、前記複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得するステップは、
フィッティングに使用される第1のフィッティング方程式を決定するステップと、
各第1の履歴位置点に対して、第1の予め設定された変形因数に基づいて第1のフィッティング方程式に対応する少なくとも1つの変形方程式を決定するステップと、
各第1の履歴位置点の座標値及び各前記変形方程式に基づいて、第1のフィッティング方程式の未知係数の値を決定するステップと、
前記未知係数の値を使用して第1のフィッティング方程式を更新し、第1のフィッティング結果を取得するステップと、を含む。
The step of fitting the plurality of first historical position points and acquiring the first fitting result can be selected.
Steps to determine the first fitting equation used for fitting,
For each first historical position point, a step of determining at least one deformation equation corresponding to the first fitting equation based on a first preset transformation factor.
A step of determining the value of the unknown coefficient of the first fitting equation based on the coordinate value of each first historical position point and each of the above deformation equations.
A step of updating the first fitting equation using the value of the unknown coefficient and obtaining the first fitting result is included.
上記出願における一実施例は、第1の予め設定された変形因数に基づいて第1のフィッティング方程式を変形し、変形方程式に基づいて第1のフィッティング方程式の未知係数を決定して、第1のフィッティング方程式を決定することを実現し、第1のフィッティング方程式の計算精度を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, the first fitting equation is transformed based on the first preset transformation factor, the unknown coefficient of the first fitting equation is determined based on the transformation equation, and the first fitting equation is determined. It has the advantage or beneficial effect of realizing the determination of the fitting equation and improving the calculation accuracy of the first fitting equation.
選択可能に、第1の予め設定された変形因数は、現在の第1の履歴位置点の順序番号と、現在の第1の履歴位置点に対応するコース角度と、第1の履歴位置点の総数と、各第1の履歴位置点の第1の座標軸方向の座標値の分散と、各第1の履歴位置点の第2の座標軸方向の座標値の分散とのうちの少なくとも1つを含む。 Selectably, the first preset transformation factor is the sequence number of the current first historical position point, the course angle corresponding to the current first historical position point, and the first historical position point. Includes at least one of the total number, the variance of the coordinate values in the first coordinate axis direction of each first historical position point, and the variance of the coordinate values in the second coordinate axis direction of each first historical position point. ..
上記出願における一実施例は、第1の履歴位置点の情報に基づいて第1の予め設定された変形因数を決定することにより、第1のフィッティング方程式の表現能力及び計算精度を向上させることができるという利点又は有益な効果を有する。 In one embodiment of the above application, the expressive power and calculation accuracy of the first fitting equation can be improved by determining the first preset deformation factor based on the information of the first historical position point. It has the advantage or beneficial effect of being able to.
選択可能に、前記現在の位置点及び第1のフィッティング結果に基づいて前記現在の車両の走行軌跡を予測するステップは、
第1のフィッティング結果に基づいて、現在の位置点に対応する曲率半径を決定するステップと、
前記現在の位置点及び前記曲率半径に基づいて軌跡弧線を決定し、当該軌跡弧線を予測された前記現在の車両の走行軌跡とするステップと、を含む。
The step of predicting the traveling locus of the current vehicle based on the current position point and the first fitting result can be selected.
The step of determining the radius of curvature corresponding to the current position point based on the first fitting result,
This includes a step of determining a locus arc based on the current position point and the radius of curvature, and using the locus arc as the predicted running locus of the current vehicle.
上記出願における一実施例は、曲率半径に基づいて車両の走行軌跡を決定することにより、車両の走行軌跡の予測精度を向上させるという利点又は有益な効果を有する。 One embodiment in the above application has an advantage or a beneficial effect of improving the prediction accuracy of the traveling locus of the vehicle by determining the traveling locus of the vehicle based on the radius of curvature.
選択可能に、前記現在の位置点及び第1のフィッティング結果に基づいて前記現在の車両の走行軌跡を予測するステップの後に、前記方法は、
第2の履歴走行時間帯の各時刻における前記現在の車両に対する前記現在の車両の前方車両の距離を取得するステップと、
前記各時刻における前記現在の車両に対する距離をフィッティングして、第2のフィッティング結果を取得するステップと、
第2のフィッティング結果に基づいて、前記前方車両と前記現在の車両との現在の距離及び現在の速度を決定するステップと、
前記現在の距離及び現在の速度に基づいて前記前方車両と前記現在の車両との衝突時間を決定し、前記衝突時間に基づいて衝突早期警報を行うか否かを決定するステップと、をさらに含む。
Selectably, after the step of predicting the running locus of the current vehicle based on the current position point and the first fitting result, the method
A step of acquiring the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone, and
A step of fitting the distance to the current vehicle at each time and obtaining a second fitting result.
Based on the second fitting result, a step of determining the current distance and the current speed of the vehicle in front and the current vehicle, and
Further including a step of determining the collision time between the preceding vehicle and the current vehicle based on the current distance and the current speed, and determining whether or not to issue an early collision warning based on the collision time. ..
上記出願における一実施例は、第2の履歴走行時間帯の各時刻における前方車両と現在の車両との距離をフィッティングして、第2のフィッティング結果を決定し、第2のフィッティング結果に基づいて前方車両と現在の車両との現在の距離及び現在の速度を決定することにより、前方車両と現在の車両との現在の距離及び現在の速度の計算精度及び効率を向上させ、さらに、衝突予測の精度を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, the distance between the vehicle in front and the current vehicle at each time in the second historical travel time zone is fitted to determine the second fitting result, and the second fitting result is determined based on the second fitting result. By determining the current distance and current speed between the vehicle in front and the current vehicle, the accuracy and efficiency of calculating the current distance and current speed between the vehicle in front and the current vehicle can be improved, and in addition, collision prediction can be performed. It has the advantage or beneficial effect of improving accuracy.
選択可能に、前記各時刻における前記現在の車両に対する距離をフィッティングして、第2のフィッティング結果を取得するステップは、
フィッティングに使用される第2のフィッティング方程式を決定するステップと、
各時刻に対して、第2の予め設定された変形因数に基づいて第2のフィッティング方程式に対応する少なくとも1つの変形方程式を決定するステップと、
各時刻における前記現在の車両に対する前記前方車両の距離及び第2のフィッティング方程式に対応する各変形方程式に基づいて、第2のフィッティング方程式の未知係数の値を決定するステップと、
第2のフィッティング方程式の未知係数の値を使用して第2のフィッティング方程式を更新し、第2のフィッティング結果を取得するステップと、を含む。
The step of optionally fitting the distance to the current vehicle at each time and obtaining a second fitting result is:
Steps to determine the second fitting equation used for fitting,
For each time, a step of determining at least one transformation equation corresponding to the second fitting equation based on a second preset transformation factor.
A step of determining the value of the unknown coefficient of the second fitting equation based on the distance of the vehicle in front to the current vehicle at each time and each deformation equation corresponding to the second fitting equation.
A step of updating the second fitting equation with the value of the unknown coefficient of the second fitting equation and obtaining the second fitting result is included.
上記出願における一実施例は、第2の予め設定された変形因数に基づいて第2のフィッティング方程式を変形し、変形方程式に基づいて第2のフィッティング方程式の未知係数を決定し、第2のフィッティング方程式を決定することを実現し、第2のフィッティング方程式の計算精度を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, the second fitting equation is modified based on the second preset transformation factor, the unknown coefficient of the second fitting equation is determined based on the transformation equation, and the second fitting is performed. It has the advantage or beneficial effect of realizing the determination of the equation and improving the calculation accuracy of the second fitting equation.
選択可能に、第2の予め設定された変形因数は、
現在の時刻の順序番号と、時刻の総数と、各時刻の分散と、各時刻における前記現在の車両に対する前記前方車両の距離の分散とのうちの少なくとも1つを含む。
Selectable, the second preset transformation factor is
It includes at least one of a sequence number of the current time, a total number of times, a variance of each time, and a variance of the distance of the vehicle in front to the current vehicle at each time.
上記出願における一実施例は、第2の予め設定された変形因数に基づいて第2のフィッティング方程式の表現能力及び計算精度を向上させるという利点又は有益な効果を有する。 One embodiment in the above application has the advantage or beneficial effect of improving the expressiveness and calculation accuracy of the second fitting equation based on the second preset transformation factor.
選択可能に、第2の履歴走行時間帯の各時刻における前記現在の車両に対する前記現在の車両の前方車両の距離を取得するステップ前に、前記方法は、
前記現在の車両の前方車両と予測された前記現在の車両の走行軌跡との現在の距離が予め設定された範囲内にあるか否かを決定し、そうである場合、第2の履歴走行時間帯の各時刻における前記現在の車両に対する前記現在の車両の前方車両の距離を取得する操作の実行をトリガするステップをさらに含む。
Selectably, the method is performed prior to the step of acquiring the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone.
Determines whether the current distance between the vehicle in front of the current vehicle and the predicted travel locus of the current vehicle is within a preset range, and if so, a second historical travel time. It further includes a step of triggering the execution of an operation to obtain the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the band.
上記出願における一実施例は、先に、前方車両と現在の車両の走行軌跡との現在の距離が予め設定された範囲内にあるか否かを判断し、そうである場合、衝突予測の操作を行うことにより、予測精度を向上させ、計算圧力が多きすぎることによる誤差を回避し、無効な早期警報を減らし、ユーザ体験を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, it is first determined whether or not the current distance between the vehicle in front and the traveling locus of the current vehicle is within a preset range, and if so, a collision prediction operation. By doing so, it has the advantage or beneficial effect of improving prediction accuracy, avoiding errors due to excessive computational pressure, reducing invalid early warnings, and improving the user experience.
選択可能に、第2の履歴走行時間帯の各時刻における前記現在の車両に対する前記現在の車両の前方車両の距離を取得するステップは、
第2の履歴走行時間帯の各時刻に前記現在の車両の撮像装置によって撮影された画像を取得するステップと、
各前記画像に対して画像認識を行うことにより、前記現在の車両の前方車両の各時刻における位置情報を決定するステップと、
前記前方車両の各時刻における位置情報と、前記撮像装置の内部パラメータ及び外部パラメータとに基づいて、各時刻における前記現在の車両に対する前記前方車両の距離を決定するステップと、を含む。
Selectably, the step of acquiring the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone is
A step of acquiring an image taken by the image pickup device of the current vehicle at each time of the second historical driving time zone, and
A step of determining the position information of the vehicle in front of the current vehicle at each time by performing image recognition on each of the images, and
It includes a step of determining the distance of the vehicle in front to the current vehicle at each time based on the position information of the vehicle in front at each time and the internal and external parameters of the imaging device.
上記出願における一実施例は、画像認識により、前方車両の各時刻における位置情報を取得し、校正された撮像装置のパラメータに基づいて、各時刻における現在の車両に対する前方車両の距離を決定することにより、従来技術におけるレーダーシステムの使用によるコストが高いという問題を解決し、使用体験を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, the position information of the vehicle in front at each time is acquired by image recognition, and the distance of the vehicle in front to the current vehicle at each time is determined based on the parameters of the calibrated imaging device. This has the advantage or beneficial effect of solving the problem of high cost due to the use of the radar system in the prior art and improving the usage experience.
選択可能に、前記内部パラメータは、光中心、及び焦点距離とピクセルサイズとの比率を含み、
前記外部パラメータは、前記撮像装置の姿勢角及び前記撮像装置の地面からの高さを含む。
Selectably, the internal parameters include the light center and the ratio of focal length to pixel size.
The external parameters include the posture angle of the imaging device and the height of the imaging device from the ground.
上記出願における一実施例は、前方車両の位置及び現在の車両に対する距離の計算効率を向上させ、前方車両の位置及び距離の順序番号を正確に記録するという利点又は有益な効果を有する。 One embodiment in the above application has the advantage or beneficial effect of improving the efficiency of calculating the position of the vehicle in front and the distance to the current vehicle and accurately recording the sequence number of the position and distance of the vehicle in front.
第2の態様では、本出願の実施例は、車両軌跡の予測装置を開示し、当該装置は、
現在の車両の第1の履歴走行時間帯における複数の第1の履歴位置点を取得し、前記複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得するための第1のフィッティング結果取得モジュールと、
前記現在の車両の現在の位置点を取得し、前記現在の位置点及び第1のフィッティング結果に基づいて前記現在の車両の走行軌跡を予測するための走行軌跡予測モジュールと、を含む。
In the second aspect, the embodiments of the present application disclose a vehicle trajectory prediction device, which is a device.
A first for acquiring a plurality of first historical position points in a first historical travel time zone of a current vehicle, fitting the plurality of first historical position points, and acquiring a first fitting result. Fitting result acquisition module and
It includes a travel locus prediction module for acquiring the current position point of the current vehicle and predicting the travel locus of the current vehicle based on the current position point and the first fitting result.
第3の態様では、本出願の実施例は、電子機器を開示し、
少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサと通信可能に接続されるメモリと、を含み、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が記憶され、前記命令は、前記少なくとも1つのプロセッサが本出願の車両軌跡の予測方法を実行できるように、前記少なくとも1つのプロセッサによって実行される。
In a third aspect, the embodiments of the present application disclose electronic devices.
With at least one processor
Includes a memory communicatively connected to the at least one processor.
The memory stores instructions that can be executed by the at least one processor, and the instructions are executed by the at least one processor so that the at least one processor can execute the vehicle trajectory prediction method of the present application. Will be done.
第4の態様では、本出願の実施例は、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体を開示し、前記コンピュータ命令は、前記コンピュータに本出願の車両軌跡の予測方法を実行させる。
第5の態様では、本出願の実施例は、コンピュータプログラムを開示し、前記コンピュータプログラムは、コンピュータに上記実施例に本出願の車両軌跡の予測方法を実行させる。
In a fourth aspect, an embodiment of the present application discloses a non-temporary computer-readable storage medium in which a computer instruction is stored, and the computer instruction is a method of predicting a vehicle trajectory of the present application to the computer. To execute.
In a fifth aspect, an embodiment of the present application discloses a computer program, which causes the computer to execute the method of predicting a vehicle trajectory of the present application.
上記出願における一実施例は、第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測することにより、車両の信号に依存する必要がないため、予測コストを低減し、軌跡予測の効率及び精度を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, the first historical position point is fitted, the first fitting result is acquired, and the traveling locus of the current vehicle is predicted based on the current position point and the first fitting result. This has the advantage or beneficial effect of reducing the prediction cost and improving the efficiency and accuracy of trajectory prediction because it does not need to depend on the vehicle signal.
上記の選択可能な形態の他の効果については、以下、具体的な実施例を参照しながら説明する。 Other effects of the above selectable embodiments will be described below with reference to specific examples.
図面は、本技術案をよりよく理解するために使用され、本出願を限定するものではない。
以下、図面と組み合わせて本出願の例示的な実施例を説明し、理解を容易にするためにその中には本出願の実施例の様々な詳細事項が含まれており、それらは単なる例示的なものと見なされるべきである。したがって、当業者は、本出願の範囲及び精神から逸脱することなく、ここで説明される実施例に対して様々な変更と修正を行うことができる。同様に、わかりやすくかつ簡潔にするために、以下の説明では、周知の機能及び構造の説明を省略する。 Hereinafter, exemplary examples of the present application are described in combination with the drawings, which include various details of the examples of the present application for ease of understanding, which are merely exemplary. Should be considered. Accordingly, one of ordinary skill in the art can make various changes and amendments to the embodiments described herein without departing from the scope and spirit of the present application. Similarly, for the sake of clarity and brevity, the following description omits the description of well-known functions and structures.
第1の実施例
図1は、本出願の第1の実施例により提供される車両軌跡の予測方法の概略フローチャートであり、本実施例は、走行車両の軌跡を予測する場合に使用され、当該方法は、車両軌跡の予測装置によって実行でき、当該装置は、ソフトウェア及び/又はハードウェアで実現でき、電子機器に集積でき、当該電子機器は、車載端末などの機器であってもよい。図1に示すように、本実施例によって提供される車両軌跡の予測方法は、S110とS120とを含むことができる。
1st Example FIG. 1 is a schematic flowchart of a vehicle trajectory prediction method provided by the first embodiment of the present application, and the present embodiment is used when predicting the trajectory of a traveling vehicle. The method can be performed by a vehicle trajectory predictor, which can be implemented in software and / or hardware and can be integrated into an electronic device, which may be a device such as an in-vehicle terminal. As shown in FIG. 1, the vehicle trajectory prediction method provided by this embodiment can include S110 and S120.
S110、現在の車両の第1の履歴走行時間帯における複数の第1の履歴位置点を取得し、複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得する。 S110, a plurality of first history position points in the first history travel time zone of the current vehicle are acquired, and the plurality of first history position points are fitted to obtain the first fitting result.
ここで、GPS(Global Positioning System、全地球測位システム)とIMU(Inertial Measurement Unit、慣性計測ユニット)の出力結果を融合することにより、第1の履歴走行時間帯に現在の車両で走行された複数の位置点を取得し、当該複数の位置点を第1の履歴位置点として決定することができる。 Here, by fusing the output results of GPS (Global Positioning System) and IMU (Inertial Measurement Unit), a plurality of vehicles traveled in the current vehicle during the first historical travel time zone. It is possible to acquire the position points of the above and determine the plurality of position points as the first history position points.
本実施例では、選択可能に、第1の履歴走行時間帯は、現在の時間に最も近い履歴走行時間帯であり、かつ、第1の履歴走行時間帯に対応する時間の長さが予め設定された時間の長さの閾値より大きく、及び/又は、第1の履歴走行時間帯に対応する走行距離が予め設定された距離の閾値より大きい。例えば、予め設定された時間の長さの閾値が10sであり、予め設定された距離閾値が60mである場合、現在の時刻より前の11秒間の各時刻における現在の車両の位置点を第1の履歴位置点として取得するか、又は、走行距離が65mである現在の時刻より前の時間帯の各時刻における現在の車両の位置点を第1の履歴位置点として取得するか、又は、現在の時刻より前の15秒間の各時刻における現在の車両の位置点を第1の履歴位置点として取得し、この15sで車両の走行距離が60mを超える。 In this embodiment, the first historical travel time zone is selectably the historical travel time zone closest to the current time, and the length of time corresponding to the first historical travel time zone is preset. The travel distance corresponding to the first historical travel time zone is larger than the preset distance threshold. For example, when the preset time length threshold is 10 s and the preset distance threshold is 60 m, the position point of the current vehicle at each time of 11 seconds before the current time is set to the first position. The current position point of the vehicle at each time in the time zone before the current time when the mileage is 65 m is acquired as the first historical position point, or the current position point of the vehicle is acquired as the first historical position point. The current position point of the vehicle at each time of 15 seconds before the time of is acquired as the first historical position point, and the mileage of the vehicle exceeds 60 m in this 15 s.
具体的には、現在の車両は複数の時間帯内で走行してもよく、現在の時間に最も近い履歴走行時間帯が第1の履歴走行時間帯である。例えば、現在の時間が3月13日の15:40で、現在の車両の履歴走行時間帯が3月12日の17:20〜17:40及び3月13日の9:30〜10:20を含む場合、第1の履歴走行時間帯は3月13日の9:30〜10:20の時間帯である。時間の長さの閾値及び/又は距離閾値を予め設定でき、第1の履歴走行時間帯の確認要件は、対応する時間の長さが予め設定された時間の長さの閾値より大きいことであってもよく、履歴走行時間帯に対応する時間の長さが予め設定された時間の長さの閾値以下である場合、当該履歴走行時間帯は第1の履歴走行時間帯ではない。第1の履歴走行時間帯の確認要件は、対応する走行距離が予め設定された距離閾値より大きいことであってもよく、履歴走行時間帯の走行距離が予め設定された距離閾値以下である場合、当該履歴走行時間帯は第1の履歴走行時間帯ではない。例えば、予め設定された時間の長さの閾値は15分間であり、現在の時間は3月13日の15:40であり、現在の車両の履歴走行時間帯は3月12日の17:20〜17:40及び3月13日の9:30〜9:40を含む場合、第1の履歴走行時間帯は3月12日の17:20〜17:40の時間帯である。このような設定の有益な効果は、第1の履歴走行時間帯の範囲を仕切ることにより、他の無効な履歴走行時間帯の計算を回避し、計算精度及び計算効率を向上させることである。 Specifically, the current vehicle may travel within a plurality of time zones, and the historical travel time zone closest to the current time is the first historical travel time zone. For example, the current time is 15:40 on March 13th, and the current vehicle history travel time zone is from 17:20 to 17:40 on March 12th and 9:30 to 10:20 on March 13th. When is included, the first historical travel time zone is the time zone of 9:30 to 10:20 on March 13. The time length threshold and / or the distance threshold can be preset, and the first historical travel time zone confirmation requirement is that the corresponding time length is greater than the preset time length threshold. If the length of time corresponding to the historical travel time zone is equal to or less than a preset time length threshold value, the historical travel time zone is not the first historical travel time zone. The first requirement for confirming the historical travel time zone may be that the corresponding mileage is larger than the preset distance threshold value, and the mileage in the historical travel time zone is equal to or less than the preset distance threshold value. , The historical travel time zone is not the first historical travel time zone. For example, the preset time length threshold is 15 minutes, the current time is 15:40 on March 13th, and the current vehicle history travel time zone is 17:20 on March 12th. When ~ 17:40 and 9:30 to 9:40 on March 13 are included, the first historical travel time zone is the time zone from 17:20 to 17:40 on March 12. The beneficial effect of such a setting is to avoid the calculation of other invalid historical travel time zones by partitioning the range of the first historical travel time zone, and to improve the calculation accuracy and the calculation efficiency.
本実施例では、選択可能に、複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得するステップは、フィッティングに使用される第1のフィッティング方程式を決定するステップと、各第1の履歴位置点に対して、第1の予め設定された変形因数に基づいて第1のフィッティング方程式に対応する少なくとも1つの変形方程式を決定するステップと、各第1の履歴位置点の座標値及び各変形方程式に基づいて、第1のフィッティング方程式の未知係数の値を決定するステップと、未知係数の値を使用して第1のフィッティング方程式を更新し、第1のフィッティング結果を取得するステップと、を含む。 In this embodiment, the steps of selectively fitting a plurality of first historical position points and obtaining the first fitting result include a step of determining a first fitting equation used for fitting and each of the steps. A step of determining at least one deformation equation corresponding to the first fitting equation based on a first preset transformation factor for the first historical position point, and the coordinates of each first historical position point. The step of determining the value of the unknown coefficient of the first fitting equation based on the value and each transformation equation, and updating the first fitting equation using the value of the unknown coefficient to obtain the first fitting result. Including steps and.
具体的には、複数の第1の履歴位置点を取得した後、複数の第1の履歴位置点をフィッティングする。第1の履歴位置点は、(x、y、θ)と表すことができ、xは、現在の第1の履歴位置点の第1の座標軸方向の座標値を表し、yは、現在の第1の履歴位置点の第2の座標軸方向の座標値を表し、θは、現在の第1の履歴位置点のコース角度を表し、xとyは、共に現在の車両の位置情報を表す。先に、フィッティングに使用される第1のフィッティング方程式を決定し、ここで、第1のフィッティング方程式では、第1の履歴位置点の第1の座標軸方向の座標値を独立変数とし、第1の履歴位置点の第2の座標軸方向の座標値を従属変数とする。現在の車両の現在の位置を座標原点とすることができ、第1の座標軸方向はx軸方向で、x軸方向は現在の車両の中心軸に垂直な方向であり、第2の座標軸方向はy軸方向で、y軸方向は現在の車両の中心軸の方向である。X及びyの値に基づいて第1のフィッティング方程式を決定し、第1のフィッティング方程式は、2次方程式又は高次方程式である可能性がある。例えば、方程式の安定性及び表現能力を考慮すると、第1のフィッティング方程式は、3次方程式として決定されてもよく、y=ax3+bx2+cx+dとして表され、ここで、a、b、c及びdは未知係数である。 Specifically, after acquiring a plurality of first history position points, the plurality of first history position points are fitted. The first history position point can be expressed as (x, y, θ), where x represents the coordinate value of the current first history position point in the first coordinate axis direction, and y is the current first history position point. The coordinate value of the history position point 1 in the second coordinate axis direction is represented, θ represents the course angle of the current first history position point, and x and y both represent the position information of the current vehicle. First, the first fitting equation used for fitting is determined, and here, in the first fitting equation, the coordinate value in the first coordinate axis direction of the first historical position point is set as an independent variable, and the first fitting equation is determined. The coordinate value in the second coordinate axis direction of the history position point is used as the dependent variable. The current position of the current vehicle can be the coordinate origin, the first coordinate axis direction is the x-axis direction, the x-axis direction is the direction perpendicular to the central axis of the current vehicle, and the second coordinate axis direction is. In the y-axis direction, the y-axis direction is the direction of the central axis of the current vehicle. The first fitting equation is determined based on the values of X and y, and the first fitting equation may be a quadratic equation or a higher order equation. For example, considering the stability and expressiveness of the equation, the first fitting equation may be determined as a cubic equation and is expressed as y = ax 3 + bx 2 + cx + d, where a, b, c and d is an unknown coefficient.
第1の予め設定された変形因数を予め設定し、第1の予め設定された変形因数に基づいて第1のフィッティング方程式を変形し、各第1の履歴位置点に対する少なくとも1つの変形方程式を取得する。第1の予め設定された変形因数に基づいて変形方程式の重みを決定して、最小二乗フィッティングのための重み付き方程式を取得することができる。例えば、第1の予め設定された変形因数を
として決定すると、第1の変形方程式は
として表されることができ、ここで、iは、現在の第1の履歴位置点の順序番号であり、Nは、第1の履歴位置点の数であり、xiは、現在の第1の履歴位置点の第1の座標軸方向の座標値であり、yiは、現在の第1の履歴位置点の第2の座標軸方向の座標値であり、σ2pは、xiの分散である。第1の変形方程式に基づいて第2の変形方程式を決定することができ、例えば、第1の変形方程式に対して一次導関数を行い、第2の変形方程式は
として表されることができ、ここで、σ2θは、yiの分散である。各第1の履歴位置点の座標値及び各変形方程式を決定し、各第1の履歴位置点の座標値を各変形方程式に代入して、第1のフィッティング方程式の未知係数の値を算出することができる。未知係数の値を第1のフィッティング方程式に追加し、第1のフィッティング方程式を更新し、第1のフィッティング結果を取得する。第1のフィッティング方程式をフィッティングする際に、第1の履歴位置点の順序番号の最初の位置に低い重みを使用でき、後の順序番号の第1の履歴位置点に使用される重みは高くなることができ、TTC(Time−To−Collision、衝突時間)推定の安定性及び予測精度を向上させる。このような設定の有益な効果は、第1のフィッティング方程式を変形して、変形方程式を取得することにより、第1のフィッティング結果がより正確になり、車両軌跡予測の精度を向上させることである。
A first preset transformation factor is preset, the first fitting equation is transformed based on the first preset transformation factor, and at least one transformation equation for each first historical position point is obtained. do. The weighting of the deformation equation can be determined based on the first preset transformation factor to obtain the weighted equation for least squares fitting. For example, the first preset transformation factor
The first transformation equation is
Where i is the sequence number of the current first history position point, N is the number of first history position points, and x i is the current first history position point. Is the coordinate value of the historical position point in the first coordinate axis direction, y i is the coordinate value of the current first historical position point in the second coordinate axis direction, and σ2p is the dispersion of x i. The second deformation equation can be determined based on the first deformation equation, for example, a linear derivative is performed on the first deformation equation, and the second deformation equation is
Where σ 2 θ is the variance of y i. The coordinate value of each first historical position point and each deformation equation are determined, and the coordinate value of each first history position point is substituted into each deformation equation to calculate the value of the unknown coefficient of the first fitting equation. be able to. The value of the unknown coefficient is added to the first fitting equation, the first fitting equation is updated, and the first fitting result is obtained. When fitting the first fitting equation, a lower weight can be used for the first position of the sequence number of the first history position point, and a higher weight is used for the first history position point of the later sequence number. It can improve the stability and prediction accuracy of TTC (Time-To-Collision, collision time) estimation. The beneficial effect of such a setting is that by transforming the first fitting equation to obtain the deformation equation, the first fitting result becomes more accurate and the accuracy of vehicle trajectory prediction is improved. ..
本実施例では、選択可能に、第1の予め設定された変形因数は、現在の第1の履歴位置点の順序番号と、現在の第1の履歴位置点に対応するコース角度と、第1の履歴位置点の総数と、各第1の履歴位置点の第1の座標軸方向の座標値の分散と、各第1の履歴位置点の第2の座標軸方向の座標値の分散とのうちの少なくとも1つを含む。 In this embodiment, the first preset transformation factor is selectively the sequence number of the current first historical position point, the course angle corresponding to the current first historical position point, and the first. Of the total number of historical position points, the variance of the coordinate values of each first historical position point in the first coordinate axis direction, and the variance of the coordinate values of each first historical position point in the second coordinate axis direction. Includes at least one.
具体的には、第1の予め設定された変形因数は、第1の履歴位置点に関する1つ又は複数の情報に基づいて決定でき、例えば、第1の予め設定された変形因数
には、現在の第1の履歴位置点の順序番号、第1の履歴位置点の総数及び各第1の履歴位置点の第1の座標軸方向の座標値の分散が使用される。ここで、分散の値は、予め設定されてもよいし、第1の履歴位置点のシーケンスを二次差分した後、差分結果の二乗和の平均値を算出してもよい。このような設定の有益な効果は、第1のフィッティング方程式の未知係数の正確性を向上させ、さらに、第1のフィッティング方程式の表現能力及び計算精度を向上させることである。
Specifically, the first preset transformation factor can be determined based on one or more pieces of information about the first historical position point, for example, the first preset transformation factor.
Is used for the sequence number of the current first historical position point, the total number of the first historical position points, and the variance of the coordinate values of each first historical position point in the first coordinate axis direction. Here, the value of the variance may be set in advance, or the average value of the sum of squares of the difference results may be calculated after the sequence of the first history position points is secondarily differentiated. The beneficial effect of such a setting is to improve the accuracy of the unknown coefficients of the first fitting equation, and further to improve the expressiveness and calculation accuracy of the first fitting equation.
S120、現在の車両の現在の位置点を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測する。 S120, the current position point of the current vehicle is acquired, and the traveling locus of the current vehicle is predicted based on the current position point and the first fitting result.
ここで、現在の車両は走行状態にあり、現在の車両の現在の位置点を取得することは、GPS、IMUの出力結果に基づいて取得することができ、現在の位置点を(x0、y0)で表す。 Here, the current vehicle is in a running state, and the current position point of the current vehicle can be acquired based on the output results of GPS and IMU, and the current position point can be acquired (x 0 , It is represented by y 0).
本実施例では、選択可能に、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測するステップは、第1のフィッティング結果に基づいて、現在の位置点に対応する曲率半径を決定するステップと、現在の位置点及び曲率半径に基づいて軌跡弧線を決定し、当該軌跡弧線を予測された現在の車両の走行軌跡とするステップと、を含む。 In this embodiment, the step of selectively predicting the current vehicle trajectory based on the current position point and the first fitting result corresponds to the current position point based on the first fitting result. It includes a step of determining the radius of curvature and a step of determining a locus arc based on the current position point and radius of curvature and using the locus arc as the predicted current vehicle travel locus.
具体的には、第1のフィッティング結果に基づいて曲率半径Rを取得し、(x0、y0)の所で、Rを半径として円弧を作成して、軌跡弧線を取得し、当該軌跡弧線を予測された現在の車両の走行軌跡とする。このような設定の有益な効果は、曲率半径及び現在の位置点に基づいて車両の走行軌跡を決定することにより、車両の走行軌跡の予測精度及び予測効率を向上させることである。 Specifically, the radius of curvature R is acquired based on the first fitting result, an arc is created at (x 0 , y 0 ) with R as the radius, the locus arc line is acquired, and the locus arc line is obtained. Is the predicted running locus of the current vehicle. A beneficial effect of such a setting is to improve the prediction accuracy and efficiency of the vehicle's travel locus by determining the vehicle's travel locus based on the radius of curvature and the current position point.
上記出願における一実施例は、第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測することにより、車両の信号に依存する必要がないため、予測コストを低減し、軌跡予測の効率及び精度を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, the first historical position point is fitted, the first fitting result is acquired, and the traveling locus of the current vehicle is predicted based on the current position point and the first fitting result. This has the advantage or beneficial effect of reducing the prediction cost and improving the efficiency and accuracy of trajectory prediction because it does not need to depend on the vehicle signal.
第2の実施例
図2は、本出願の第2の実施例により提供される車両軌跡の予測方法の概略フローチャートであり、本実施例は、上記実施例を基に最適化され、走行中の車両に対して衝突早期警報を行う場合に使用され、当該方法は、車両軌跡の予測装置によって実行でき、当該装置は、ソフトウェア及び/又はハードウェアで実現でき、車載端末などの電子機器に集積できる。図2に示すように、本実施例により提供される車両軌跡の予測方法は、S210〜S260を含む。
Second Example FIG. 2 is a schematic flowchart of a vehicle trajectory prediction method provided by the second embodiment of the present application, which is optimized based on the above embodiment and is in motion. Used to give early collision warnings to a vehicle, the method can be performed by a vehicle trajectory predictor, which can be implemented in software and / or hardware and integrated into electronic devices such as in-vehicle terminals. .. As shown in FIG. 2, the vehicle trajectory prediction method provided by this embodiment includes S210 to S260.
S210、現在の車両の第1の履歴走行時間帯における複数の第1の履歴位置点を取得し、複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得する。 S210, a plurality of first history position points in the first history travel time zone of the current vehicle are acquired, and the plurality of first history position points are fitted to obtain the first fitting result.
S220、現在の車両の現在の位置点を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測する。 S220, the current position point of the current vehicle is acquired, and the traveling locus of the current vehicle is predicted based on the current position point and the first fitting result.
S230、第2の履歴走行時間帯の各時刻における現在の車両に対する現在の車両の前方車両の距離を取得する。 S230, Acquires the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone.
ここで、第2の履歴走行時間帯は予め設定された時間帯であってもよく、例えば、第2の履歴走行時間帯を3秒として予め設定した場合、現在の時刻より3秒前の時間帯の各時刻における現在の車両に対する現在の車両の前方車両の距離を取得し、車両の前方に複数の車両があってもよい。 Here, the second historical travel time zone may be a preset time zone. For example, when the second historical travel time zone is preset as 3 seconds, the time is 3 seconds before the current time. The distance of the vehicle in front of the current vehicle to the current vehicle at each time of the band may be acquired, and a plurality of vehicles may be in front of the vehicle.
本実施例では、選択可能に、第2の履歴走行時間帯の各時刻における現在の車両に対する現在の車両の前方車両の距離を取得するステップは、第2の履歴走行時間帯の各時刻に現在の車両の撮像装置によって撮影された画像を取得するステップと、各画像に対して画像認識を行うことにより、現在の車両の前方車両の各時刻における位置情報を決定するステップと、前方車両の各時刻における位置情報と、撮像装置の内部パラメータ及び外部パラメータとに基づいて、各時刻における現在の車両に対する前方車両の距離を決定するステップと、を含む。 In this embodiment, optionally, the step of acquiring the distance of the vehicle in front of the current vehicle to the current vehicle at each time in the second historical travel time zone is currently at each time in the second historical travel time zone. A step of acquiring an image taken by the image pickup device of the vehicle, a step of determining the position information of the vehicle in front of the current vehicle at each time by performing image recognition for each image, and a step of each of the vehicles in front. It includes a step of determining the distance of the vehicle in front to the current vehicle at each time based on the position information at the time and the internal and external parameters of the imaging device.
具体的には、現在の車両に取り付けられた撮像装置によって前方車両の画像を撮影し、前方車両の第2の履歴走行時間帯の各時刻における画像を取得することができる。撮影された各画像に対して画像認識を行って、現在の車両の前方車両の第2の履歴走行時間帯の各時刻における位置情報を決定し、ここで、この位置情報は、対応する画像における前方車両の検出枠の位置情報を含むことができる。 Specifically, an image of the vehicle in front can be taken by an imaging device attached to the current vehicle, and images at each time of the second historical traveling time zone of the vehicle in front can be acquired. Image recognition is performed on each captured image to determine the position information at each time of the second historical traveling time zone of the vehicle in front of the current vehicle, and this position information is used in the corresponding image. It can include the position information of the detection frame of the vehicle in front.
各時刻における現在の車両に対する前方車両の距離を決定する前に、撮像装置の内部パラメータをシステムに予め設定し、外部パラメータをオンラインで校正することができる。外部パラメータの校正方法は、先に、現在の車両の連続的なマルチフレームの画像における隣接する予め設定された数の車線を検出し、各フレームの画像における各車線に対応するフィッティングパラメータを計算し、続いて、各フレーム画像における各車線に対応するフィッティングパラメータ及び予め決定された撮像装置の内部パラメータに基づいて、撮像装置の外部パラメータを校正することであってもよい。撮像装置の内部パラメータ及び外部パラメータを決定した後、前方車両の各時刻における位置情報と、撮像装置の内部パラメータ及び外部パラメータとに基づいて、各時刻における現在の車両に対する前方車両の距離を決定する。このような設定の有益な効果は、画像認識により、前方車両の各時刻における位置情報を取得し、校正された撮像装置のパラメータに基づいて、各時刻における現在の車両に対する前方車両の距離を決定することにより、従来技術におけるレーダーシステムを使用して前方車両の状態を決定することによるコストが高いという問題を解決し、価格性能比を向上させることである。 Before determining the distance of the vehicle in front to the current vehicle at each time, the internal parameters of the imaging device can be preset in the system and the external parameters can be calibrated online. The external parameter calibration method first detects an adjacent preset number of lanes in a continuous multi-frame image of the current vehicle and calculates the fitting parameters corresponding to each lane in the image of each frame. Subsequently, the external parameters of the image pickup device may be calibrated based on the fitting parameters corresponding to each lane in each frame image and the predetermined internal parameters of the image pickup device. After determining the internal and external parameters of the image pickup device, the distance of the vehicle ahead to the current vehicle at each time is determined based on the position information of the vehicle in front at each time and the internal and external parameters of the image pickup device. .. The beneficial effect of such a setting is that image recognition acquires position information of the vehicle in front at each time and determines the distance of the vehicle in front to the current vehicle at each time based on the parameters of the calibrated imaging device. By doing so, the problem of high cost due to determining the state of the vehicle in front using the radar system in the prior art is solved, and the price / performance ratio is improved.
本実施例では、選択可能に、第2の履歴走行時間帯の各時刻における現在の車両に対する現在の車両の前方車両の距離を取得するステップの前に、当該方法は、現在の車両の前方車両と予測された現在の車両の走行軌跡との現在の距離が予め設定された範囲内にあるか否かを決定し、そうである場合、第2の履歴走行時間帯の各時刻における現在の車両に対する現在の車両の前方車両の距離を取得する操作の実行をトリガするステップをさらに含む。 In this embodiment, the method is optionally performed before the step of obtaining the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone. Determines whether the current distance to the predicted current vehicle's travel locus is within a preset range, and if so, the current vehicle at each time in the second historical travel time zone. It further includes a step that triggers the execution of an operation to obtain the distance of the vehicle in front of the current vehicle with respect to.
具体的には、現在の車両の走行軌跡を決定した後、走行軌跡のルートを中心線とし、予め設定された角度で走行軌跡の両側に拡大して、現在の車両に対する前方車両の予め設定された範囲を取得する。前方車両と現在の車両の走行軌跡との現在の距離を計算し、この現在の距離が予め設定された範囲にある場合、前方車両と現在の車両が衝突する可能性があることを説明し、第2の履歴走行時間帯の各時刻における現在の車両に対する現在の車両の前方車両の距離を取得する必要がある。例えば、現在の車両の走行軌跡の両側の範囲をそれぞれ5°で拡大して、前方車両と現在の車両の走行軌跡との現在の距離を計算し、この現在の距離が(2+ytan5)未満である場合、前方車両と現在の車両が衝突するリスクがあり、ここで、yは前方車両のy軸座標値である。図3は、予め設定された範囲の概略図である。図中の実線は、現在の車両の予測軌跡を表し、点線は拡大された予め設定された範囲の境界であり、前方車両が予め設定された範囲内に位置する場合、第2の履歴走行時間帯の各時刻における現在の車両に対する前方車両の距離を計算する。このような設定の有益な効果は、先に、前方車両と現在の車両の走行軌跡との現在の距離が予め設定された範囲内にあるか否かを判断し、そうである場合、衝突予測の操作を行うことにより、予測精度を向上させ、計算圧力が多きすぎることによる誤差を回避し、無効な早期警報を減らし、ユーザ体験を向上させることである。 Specifically, after determining the traveling locus of the current vehicle, the route of the traveling locus is set as the center line, and the route is expanded to both sides of the traveling locus at a preset angle, and the vehicle in front of the current vehicle is preset. Get the range. Calculate the current distance between the vehicle in front and the current vehicle's trajectory, and explain that if this current distance is within a preset range, the vehicle in front and the current vehicle may collide. It is necessary to acquire the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical traveling time zone. For example, the range on both sides of the current vehicle's travel locus is expanded by 5 ° to calculate the current distance between the vehicle in front and the current vehicle's travel locus, and this current distance is less than (2 + ytan5). In this case, there is a risk that the vehicle in front and the current vehicle collide with each other, where y is the y-axis coordinate value of the vehicle in front. FIG. 3 is a schematic view of a preset range. The solid line in the figure represents the predicted trajectory of the current vehicle, the dotted line is the boundary of the expanded preset range, and when the vehicle in front is located within the preset range, the second historical travel time Calculate the distance of the vehicle in front to the current vehicle at each time in the band. The beneficial effect of such a setting is to first determine if the current distance between the vehicle ahead and the current vehicle's trajectory is within a preset range, and if so, collision prediction. By performing this operation, the prediction accuracy is improved, errors due to excessive calculation pressure are avoided, invalid early warnings are reduced, and the user experience is improved.
本実施例では、選択可能に、内部パラメータは、光中心、及び焦点距離とピクセルサイズとの比率を含み、外部パラメータは、撮像装置の姿勢角及び撮像装置の地面からの高さを含む。 In this embodiment, optionally, the internal parameters include the light center and the ratio of the focal length to the pixel size, and the external parameters include the attitude angle of the imaging device and the height of the imaging device from the ground.
具体的には、撮像装置の内部パラメータを決定し、外部パラメータを校正し、現在の車両に対する前方車両の位置及び距離の計算効率を向上させ、前方車両の位置及び距離の順序番号を正確に記録する。 Specifically, it determines the internal parameters of the imaging device, calibrates the external parameters, improves the efficiency of calculating the position and distance of the vehicle in front with respect to the current vehicle, and accurately records the sequence number of the position and distance of the vehicle in front. do.
S240、各時刻における現在の車両に対する距離をフィッティングして、第2のフィッティング結果を取得する。 S240, the distance to the current vehicle at each time is fitted to obtain the second fitting result.
ここで、撮像装置に基づいて前方車両の第2の履歴走行時間帯の各時刻における位置情報を決定し、各時刻における現在の車両に対する距離を取得する。各時刻における現在の車両に対する距離に基づいて、第2のフィッティング結果を取得する。 Here, the position information at each time of the second historical traveling time zone of the vehicle in front is determined based on the imaging device, and the distance to the current vehicle at each time is acquired. The second fitting result is acquired based on the distance to the current vehicle at each time.
本実施例では、選択可能に、各時刻における現在の車両に対する距離をフィッティングして、第2のフィッティング結果を取得するステップは、フィッティングに使用される第2のフィッティング方程式を決定するステップと、各時刻に対して、第2の予め設定された変形因数に基づいて第2のフィッティング方程式に対応する少なくとも1つの変形方程式を決定するステップと、各時刻における現在の車両に対する前方車両の距離及び第2のフィッティング方程式に対応する各変形方程式に基づいて、第2のフィッティング方程式の未知係数の値を決定するステップと、第2のフィッティング方程式の未知係数の値を使用して第2のフィッティング方程式を更新し、第2のフィッティング結果を取得するステップと、を含む。 In this embodiment, the steps of optionally fitting the distance to the current vehicle at each time and obtaining the second fitting result are the step of determining the second fitting equation used for the fitting and each of them. A step of determining at least one transformation equation corresponding to the second fitting equation based on a second preset transformation factor with respect to the time, and the distance of the vehicle in front to the current vehicle at each time and the second. Update the second fitting equation with the steps to determine the value of the unknown coefficient of the second fitting equation and the value of the unknown coefficient of the second fitting equation based on each transformation equation corresponding to the fitting equation of And includes a step of obtaining a second fitting result.
具体的には、第2の履歴走行時間帯の各時刻における位置情報及び各時刻情報を第2の履歴位置点とし、第2の履歴位置点は(t、d)として表されることができる。tは、第2の履歴走行時間帯の各時刻であり、dは、第2の履歴走行時間帯の各時刻における現在の車両に対する前方車両の距離である。第2の履歴位置点に対応する時間を独立変数、即ち第1の座標軸方向の座標値tとし、現在の車両に対する第2の履歴位置点の距離を従属変数、即ち第2の座標軸方向の座標値dとして、フィッティングに使用される第2のフィッティング方程式を決定する。第2のフィッティング方程式は、2次方程式又は高次方程式、例えば、d=et2+ft+gであってもよく、ここで、e、f及びgは第2のフィッティング方程式の未知係数である。第2の予め設定された変形因数を予め設定し、第2の予め設定された変形因数に基づいて第2のフィッティング方程式を変形して、最小二乗フィッティングのための少なくとも1つの重み付き変形方程式を取得する。例えば、第2の予め設定された変形因数は、
であってもよく、第2のフィッティング方程式の変形方程式は
として表されることができ、ここで、jは現在の時刻の順序番号であり、Mは時刻の総数であり、tjはj番目の時刻であり、djはj番目の時刻における現在の車両に対する前方車両の距離であり、σ2Tはtjの分散である。第2のフィッティング方程式の変形方程式に基づいて他の変形方程式を取得することも可能であり、例えば、第2のフィッティング方程式の変形方程式に対して一次導関数を行うことができる。各第2の履歴位置点の座標値及び各変形方程式に基づいて、各時刻の時点及び現在の車両に対する前方車両の距離を各変形方程式に代入して、第2のフィッティング方程式の未知係数の値を算出することができる。未知係数の値を第2のフィッティング方程式に追加し、第2のフィッティング方程式を更新し、第2のフィッティング結果を取得する。第2のフィッティング方程式をフィッティングする際に、第2の履歴位置点の順序番号の最初の位置に低い重みを使用でき、後の順序番号の第2の履歴位置点に使用される重みは高くなることができ、TTC推定の安定性及び予測精度を向上させる。このような設定の有益な効果は、第2の予め設定された変形因数に基づいて第2のフィッティング方程式を変形し、変形方程式に基づいて第2のフィッティング方程式の未知係数を決定することにより、未知係数の計算精度を向上させ、第2のフィッティング方程式を決定することを実現し、さらに、車両軌跡予測の精度を向上させることである。
Specifically, the position information and each time information at each time in the second historical travel time zone can be represented as the second historical position point, and the second historical position point can be represented as (t, d). .. t is each time in the second historical travel time zone, and d is the distance of the vehicle ahead to the current vehicle at each time in the second historical travel time zone. The time corresponding to the second historical position point is an independent variable, that is, the coordinate value t in the first coordinate axis direction, and the distance of the second historical position point with respect to the current vehicle is the dependent variable, that is, the coordinates in the second coordinate axis direction. The value d determines a second fitting equation used for fitting. The second fitting equation may be a quadratic or higher order equation, for example, d = et 2 + ft + g, where e, f and g are unknown coefficients of the second fitting equation. A second preset transformation factor is preset and the second fitting equation is transformed based on the second preset transformation factor to obtain at least one weighted transformation equation for least squares fitting. get. For example, the second preset transformation factor is
The transformation equation of the second fitting equation may be
Where j is the sequence number of the current time, M is the total number of times, t j is the jth time, and d j is the current time at the jth time. It is the distance of the vehicle in front with respect to the vehicle, and σ2T is the variance of t j. It is also possible to obtain other deformation equations based on the deformation equation of the second fitting equation, for example, a linear derivative can be performed on the deformation equation of the second fitting equation. Based on the coordinate values of each second historical position point and each deformation equation, the value of the unknown coefficient of the second fitting equation is substituted by substituting the distance of the vehicle in front with respect to the time point and the current vehicle into each deformation equation. Can be calculated. The value of the unknown coefficient is added to the second fitting equation, the second fitting equation is updated, and the second fitting result is obtained. When fitting the second fitting equation, a lower weight can be used for the first position of the sequence number of the second history position point, and a higher weight is used for the second history position point of the later sequence number. It can improve the stability and prediction accuracy of TTC estimation. The beneficial effect of such a setting is by transforming the second fitting equation based on a second preset transformation factor and determining the unknown coefficients of the second fitting equation based on the transformation equation. It is to improve the calculation accuracy of the unknown coefficient, to determine the second fitting equation, and further to improve the accuracy of vehicle trajectory prediction.
本実施例では、選択可能に、第2の予め設定された変形因数は、現在の時刻の順序番号と、時刻の総数と、各時刻の分散と、各時刻における現在の車両に対する前方車両の距離の分散とのうちの少なくとも1つを含む。 In this embodiment, the second preset transformation factor, optionally, is the sequence number of the current time, the total number of times, the variance of each time, and the distance of the vehicle in front to the current vehicle at each time. Includes at least one of the variances of.
S250、第2のフィッティング結果に基づいて前方車両と現在の車両との現在の距離及び現在の速度を決定する。 S250, the current distance and the current speed between the vehicle in front and the current vehicle are determined based on the second fitting result.
ここで、第2のフィッティング結果を決定した後、現在の時刻t0を第2のフィッティング方程式に代入して、t0時刻における現在の車両と前方車両との間の現在の距離を算出する。第2のフィッティング結果に対して一次導関数を行い、t0を導関数方程式に代入して、t0時刻における前方車両の現在の速度を取得する。 Here, after determining the second fitting result, the current time t 0 is substituted into the second fitting equation to calculate the current distance between the current vehicle and the vehicle ahead at t 0 time. A first-order derivative is applied to the second fitting result, and t 0 is substituted into the derivative equation to obtain the current speed of the vehicle in front at t 0 time.
S260、現在の距離及び現在の速度に基づいて前方車両と現在の車両との衝突時間を決定し、衝突時間に基づいて衝突早期警報を行うか否かを決定する。 Based on S260, the current distance and the current speed, the collision time between the vehicle in front and the current vehicle is determined, and whether or not to issue an early collision warning is determined based on the collision time.
ここで、前方車両と現在の車両との現在の距離及び現在の速度を決定した後、速度式に基づいて、前方車両と現在の車両との衝突時間を算出する。時間の閾値を予め設定でき、衝突時間が時間の閾値未満である場合、当該前方車両と現在の車両が衝突する可能性が大きく、現在の車両に警告情報を送信し、警告情報は、音声リマインダー、振動リマインダー及び視覚リマインダーであってもよい。図4は、軌跡予測及び衝突警告の概略フローチャートである。GPS、IMU及びCANバスが含まれる融合位置決めモジュールによって第1の履歴走行時間帯における現在の車両の複数の第1の履歴位置点及び現在の車両の現在の位置を取得し、現在の車両に対して軌跡予測を行う。カメラの外部パラメータをオンラインで校正し、カメラの内部パラメータ及び外部パラメータに基づいて、現在の車両の少なくとも1つの前方車両を追跡及び検出し、前方車両が現在の車両の走行軌跡の予め設定された範囲内に位置するか否かを決定し、前方車両が現在の車両の走行軌跡の予め設定された範囲内に位置する場合、TTC推定を行い、衝突時間が時間の閾値未満である場合、警告システムによって警告情報が送信される。TTC推定を使用することにより、コストを効果的に低減し、早期警報の価格性能比を向上させる。 Here, after determining the current distance and the current speed between the vehicle in front and the current vehicle, the collision time between the vehicle in front and the current vehicle is calculated based on the speed equation. If the time threshold can be set in advance and the collision time is less than the time threshold, there is a high possibility that the vehicle in front and the current vehicle will collide, and warning information is transmitted to the current vehicle, and the warning information is a voice reminder. , Vibration reminder and visual reminder. FIG. 4 is a schematic flowchart of trajectory prediction and collision warning. A fusion positioning module that includes GPS, IMU, and CAN buses acquires a plurality of first historical position points of the current vehicle and the current position of the current vehicle in the first historical travel time zone, and obtains the current position of the current vehicle with respect to the current vehicle. To predict the trajectory. The camera's external parameters are calibrated online, tracking and detecting at least one vehicle in front of the current vehicle based on the camera's internal and external parameters, and the vehicle in front is preset to the current vehicle's trajectory. Determines whether or not it is within range, makes a TTC estimate if the vehicle in front is within a preset range of the current vehicle's travel trajectory, and warns if the collision time is less than the time threshold. The system sends warning information. By using TTC estimation, cost is effectively reduced and the price / performance ratio of early warning is improved.
上記出願における一実施例は、第1の履歴位置点を取得して、第1のフィッティング結果を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測することにより、車両の信号に依存する必要がないため、予測コストを低減し、軌跡予測の効率及び精度を向上させる。第2の履歴走行時間帯の各時刻における前方車両と現在の車両との距離に基づいて、第2のフィッティング結果を決定することにより、前方車両と現在の車両との現在の距離及び現在の速度の計算効率を向上させ、無効な衝突早期警報を減少し、衝突予測の精度を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, the first historical position point is acquired, the first fitting result is acquired, and the traveling locus of the current vehicle is predicted based on the current position point and the first fitting result. As a result, it is not necessary to depend on the signal of the vehicle, so that the prediction cost is reduced and the efficiency and accuracy of trajectory prediction are improved. The current distance and the current speed between the vehicle in front and the current vehicle by determining the second fitting result based on the distance between the vehicle in front and the current vehicle at each time of the second historical travel time zone. It has the advantage or beneficial effect of improving the computational efficiency of the vehicle, reducing invalid collision early warnings, and improving the accuracy of collision prediction.
第3の実施例
図5は、本出願の第3の実施例により提供される車両軌跡の予測装置の概略構造図であり、本出願の実施例により提供される車両軌跡の予測方法を実行することができ、方法を実行することに対応する機能モジュール及び有益な効果を備える。図5に示すように、当該装置500は、
現在の車両の第1の履歴走行時間帯における複数の第1の履歴位置点を取得し、複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得するための第1のフィッティング結果取得モジュール501と、
現在の車両の現在の位置点を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測するための走行軌跡予測モジュール502と、を含む。
Third Example FIG. 5 is a schematic structural diagram of the vehicle locus prediction device provided by the third embodiment of the present application, and implements the vehicle locus prediction method provided by the embodiment of the present application. It can have functional modules and beneficial effects that correspond to the implementation of the method. As shown in FIG. 5, the
A first for acquiring a plurality of first historical position points in a first historical travel time zone of a current vehicle, fitting a plurality of first historical position points, and acquiring a first fitting result. Fitting
It includes a travel
選択可能に、第1の履歴走行時間帯は、現在の時間に最も近い履歴走行時間帯であり、かつ、
第1の履歴走行時間帯に対応する時間の長さが予め設定された時間の長さの閾値より大きく、及び/又は、第1の履歴走行時間帯に対応する走行距離が予め設定された距離の閾値より大きい。
Selectably, the first historical travel time zone is the historical travel time zone closest to the current time, and
The length of time corresponding to the first historical travel time zone is larger than the preset time length threshold value, and / or the travel distance corresponding to the first historical travel time zone is the preset distance. Is greater than the threshold of.
選択可能に、第1のフィッティング結果取得モジュール501は、
フィッティングに使用される第1のフィッティング方程式を決定するための第1のフィッティング方程式決定ユニットと、
各第1の履歴位置点に対して、第1の予め設定された変形因数に基づいて第1のフィッティング方程式に対応する少なくとも1つの変形方程式を決定するための変形方程式決定ユニットと、
各第1の履歴位置点の座標値及び各変形方程式に基づいて、第1のフィッティング方程式の未知係数の値を決定するための未知係数決定ユニットと、
未知係数の値を使用して第1のフィッティング方程式を更新し、第1のフィッティング結果を取得するための第1のフィッティング結果取得ユニットと、を含む。
Selectably, the first fitting
A first fitting equation determination unit for determining the first fitting equation used for fitting, and a first fitting equation determination unit.
For each first historical position point, a deformation equation determination unit for determining at least one deformation equation corresponding to the first fitting equation based on a first preset transformation factor.
An unknown coefficient determination unit for determining the value of the unknown coefficient of the first fitting equation based on the coordinate value of each first historical position point and each deformation equation.
It includes a first fitting result acquisition unit for updating the first fitting equation with the value of the unknown coefficient and acquiring the first fitting result.
選択可能に、第1の予め設定された変形因数は、
現在の第1の履歴位置点の順序番号と、現在の第1の履歴位置点に対応するコース角度と、第1の履歴位置点の総数と、各第1の履歴位置点の第1の座標軸方向の座標値の分散と、各第1の履歴位置点の第2の座標軸方向の座標値の分散とのうちの少なくとも1つを含む。
Selectable, the first preset transformation factor is
The sequence number of the current first history position point, the course angle corresponding to the current first history position point, the total number of the first history position points, and the first coordinate axis of each first history position point. It includes at least one of a variance of the coordinate values in the direction and a variance of the coordinate values in the second coordinate axis direction of each first historical position point.
選択可能に、走行軌跡予測モジュール502は、
第1のフィッティング結果に基づいて、現在の位置点に対応する曲率半径を決定するための曲率半径決定ユニットと、
現在の位置点及び曲率半径に基づいて軌跡弧線を決定し、当該軌跡弧線を予測された現在の車両の走行軌跡とするための軌跡弧線決定ユニットと、を含む。
Selectable, the travel
A radius of curvature determination unit for determining the radius of curvature corresponding to the current position point based on the first fitting result,
The locus arc line determination unit for determining the locus arc line based on the current position point and the radius of curvature and making the locus arc line the predicted running locus of the current vehicle is included.
選択可能に、当該装置は、
第2の履歴走行時間帯の各時刻における現在の車両に対する現在の車両の前方車両の距離を取得するための距離取得モジュールと、
各時刻における現在の車両に対する距離をフィッティングして、第2のフィッティング結果を取得するための第2のフィッティング結果取得モジュールと、
第2のフィッティング結果に基づいて前方車両と現在の車両との現在の距離及び現在の速度を決定するための現在速度決定モジュールと、
現在の距離及び現在の速度に基づいて前方車両と現在の車両との衝突時間を決定し、衝突時間に基づいて衝突早期警報を行うか否かを決定するための衝突早期警報決定モジュールと、をさらに含む。
Selectable, the device
A distance acquisition module for acquiring the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone, and
A second fitting result acquisition module for fitting the distance to the current vehicle at each time and acquiring a second fitting result,
A current speed determination module for determining the current distance and current speed between the vehicle in front and the current vehicle based on the second fitting result, and
A collision early warning determination module for determining the collision time between the vehicle in front and the current vehicle based on the current distance and the current speed, and determining whether or not to issue an early collision warning based on the collision time. Including further.
選択可能に、第2のフィッティング結果取得モジュールは、具体的には、
フィッティングに使用される第2のフィッティング方程式を決定し、
各時刻に対して、第2の予め設定された変形因数に基づいて第2のフィッティング方程式に対応する少なくとも1つの変形方程式を決定し、
各時刻における現在の車両に対する前方車両の距離及び第2のフィッティング方程式に対応する各変形方程式に基づいて、第2のフィッティング方程式の未知係数の値を決定し、
第2のフィッティング方程式の未知係数の値を使用して第2のフィッティング方程式を更新し、第2のフィッティング結果を取得する。
Selectable, the second fitting result acquisition module, specifically,
Determine the second fitting equation used for fitting,
For each time, at least one transformation equation corresponding to the second fitting equation is determined based on the second preset transformation factor.
Based on the distance of the vehicle in front to the current vehicle at each time and each deformation equation corresponding to the second fitting equation, the value of the unknown coefficient of the second fitting equation is determined.
The value of the unknown coefficient of the second fitting equation is used to update the second fitting equation and obtain the second fitting result.
選択可能に、第2の予め設定された変形因数は、
現在の時刻の順序番号と、時刻の総数と、各時刻の分散と、各時刻における現在の車両に対する前方車両の距離の分散とのうちの少なくとも1つを含む。
Selectable, the second preset transformation factor is
Includes at least one of the sequence number of the current time, the total number of times, the variance of each time, and the variance of the distance of the vehicle in front to the current vehicle at each time.
選択可能に、当該装置は、
現在の車両の前方車両と予測された現在の車両の走行軌跡との現在の距離が予め設定された範囲内にあるか否かを決定し、そうである場合、第2の履歴走行時間帯の各時刻における現在の車両に対する現在の車両の前方車両の距離を取得する操作の実行をトリガするための予め設定された範囲判断モジュールをさらに含む。
Selectable, the device
Determines if the current distance between the vehicle in front of the current vehicle and the predicted travel trajectory of the current vehicle is within a preset range, and if so, in the second historical travel time zone. It further includes a preset range determination module for triggering the execution of an operation to obtain the distance of the vehicle in front of the current vehicle to the current vehicle at each time.
選択可能に、距離取得モジュールは、具体的には、
第2の履歴走行時間帯の各時刻に現在の車両の撮像装置によって撮影された画像を取得し、
各画像に対して画像認識を行うことにより、現在の車両の前方車両の各時刻における位置情報を決定し、
前方車両の各時刻における位置情報と、撮像装置の内部パラメータ及び外部パラメータとに基づいて、各時刻における現在の車両に対する前方車両の距離を決定する。
Selectable, distance acquisition module, specifically,
The image taken by the image pickup device of the current vehicle is acquired at each time of the second historical driving time zone, and the image is acquired.
By performing image recognition for each image, the position information of the vehicle in front of the current vehicle at each time is determined.
The distance of the vehicle in front to the current vehicle at each time is determined based on the position information of the vehicle in front at each time and the internal and external parameters of the imaging device.
選択可能に、内部パラメータは、光中心、及び焦点距離とピクセルサイズとの比率を含み、
外部パラメータは、撮像装置の姿勢角及び撮像装置の地面からの高さを含む。
Selectably, the internal parameters include the light center and the ratio of focal length to pixel size.
External parameters include the attitude angle of the imaging device and the height of the imaging device from the ground.
上記出願における一実施例は、第1の履歴位置点を取得して、第1のフィッティング結果を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測することにより、車両の信号に依存する必要がないため、予測コストを低減し、軌跡予測の効率及び精度を向上させるという利点又は有益な効果を有する。 In one embodiment of the above application, the first historical position point is acquired, the first fitting result is acquired, and the traveling locus of the current vehicle is predicted based on the current position point and the first fitting result. This has the advantage or beneficial effect of reducing the prediction cost and improving the efficiency and accuracy of trajectory prediction because it does not need to depend on the vehicle signal.
本出願の実施例によれば、本出願は、電子機器及び読み取り可能な記憶媒体をさらに提供する。
本出願の実施例によれば、本出願は、コンピュータプログラムを提供し、コンピュータプログラムは、コンピュータに本出願によって提供される車両軌跡の予測方法を実行させる。
According to the embodiments of the present application, the present application further provides electronic devices and readable storage media.
According to an embodiment of the present application, the present application provides a computer program, which causes a computer to execute the vehicle trajectory prediction method provided by the present application.
図6に示すように、本出願の実施例の車両軌跡の予測方法の電子機器のブロック図である。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレームコンピュータ、及び他の適切なコンピュータなどの様々な形態のデジタルコンピュータを表すことを目的とする。電子機器は、パーソナルデジタルプロセッサ、携帯電話、スマートフォン、ウェアラブルデバイス、他の類似するコンピューティングデバイスなどの様々な形態のモバイルデバイスを表すこともできる。本明細書で示されるコンポーネント、それらの接続と関係、及びそれらの機能は単なる例であり、本明細書の説明及び/又は要求される本出願の実現を制限することを意図したものではない。 As shown in FIG. 6, it is a block diagram of an electronic device of a method of predicting a vehicle locus according to an embodiment of the present application. Electronic devices are intended to represent various forms of digital computers such as laptop computers, desktop computers, workstations, personal digital assistants, servers, blade servers, mainframe computers, and other suitable computers. Electronic devices can also represent various forms of mobile devices such as personal digital processors, mobile phones, smartphones, wearable devices, and other similar computing devices. The components shown herein, their connections and relationships, and their functions are merely examples and are not intended to limit the description and / or the required realization of this application.
図6に示すように、当該電子機器は、1つ又は複数のプロセッサ601と、メモリ602と、高速インターフェース及び低速インターフェースを含む各コンポーネントを接続するためのインターフェースと、を含む。各コンポーネントは、異なるバスで相互に接続され、共通のマザーボードに取り付けられるか、又は必要に応じて他の方式で取り付けることができる。プロセッサは、電子機器内で実行される命令を処理することができ、当該命令は、外部入力/出力装置(例えば、インターフェースに結合されたディスプレイデバイスなど)にGUIの図形情報をディスプレイするためにメモリ内又はメモリに記憶されている命令を含む。他の実施形態では、必要に応じて、複数のプロセッサ及び/又は複数のバスを、複数のメモリと一緒に使用することができる。同様に、複数の電子機器を接続することができ、各電子機器は、一部の必要な操作(例えば、サーバアレイ、1グループのブレードサーバ、又はマルチプロセッサシステムとする)を提供することができる。図6では、1つのプロセッサ601を例とする。
As shown in FIG. 6, the electronic device includes one or
メモリ602は、本出願により提供される非一時的なコンピュータ読み取り可能な記憶媒体である。ここで、前記メモリには、少なくとも1つのプロセッサが本出願により提供される車両軌跡の予測方法を実行するように、少なくとも1つのプロセッサによって実行可能な命令が記憶されている。本出願の非一時的なコンピュータ読み取り可能な記憶媒体には、コンピュータに本出願により提供される車両軌跡の予測方法を実行させるためのコンピュータ命令が記憶されている。
メモリ602は、非一時的なコンピュータ読み取り可能な記憶媒体として、本出願の実施例における車両軌跡の予測方法に対応するプログラム命令/モジュールのような、非一時的なソフトウェアプログラム、非一時的なコンピュータ実行可能なプログラム及びモジュールを記憶する。プロセッサ601は、メモリ602に記憶されている非一時的なソフトウェアプログラム、命令及びモジュールを実行することによって、サーバの様々な機能アプリケーション及びデータ処理を実行し、すなわち上記の方法の実施例における車両軌跡の予測方法を実現する。
The
メモリ602は、ストレージプログラムエリアとストレージデータエリアとを含むことができ、ここで、ストレージプログラムエリアは、オペレーティングシステム、少なくとも1つの機能に必要なアプリケーションプログラムを記憶することができ、ストレージデータエリアは、車両軌跡の予測方法の電子機器の使用によって作成されたデータなどを記憶することができる。また、メモリ602は、高速ランダムアクセスメモリを含むことができ、非一時的なメモリをさらに含むことができ、例えば、少なくとも1つの磁気ディスクストレージデバイス、フラッシュメモリデバイス、又は他の非一時的なソリッドステートストレージデバイスである。いくつかの実施例では、メモリ602は、プロセッサ601に対して遠隔に設定されたメモリを選択的に含むことができ、これらの遠隔メモリは、ネットワークを介して車両軌跡の予測方法の電子機器に接続されることができる。上記ネットワークの例は、インターネット、イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク、及びその組み合わせを含むが、これらに限定されない。
The
車両軌跡の予測方法の電子機器は、入力装置603と出力装置604とをさらに含んでもよい。プロセッサ601、メモリ602、入力装置603、及び出力装置604は、バス又は他の方式を介して接続することができ、図6では、バスを介して接続することを例とする。
The electronic device of the vehicle trajectory prediction method may further include an
入力装置603は、入力された数字又は文字情報を受信し、車両軌跡の予測方法の電子機器のユーザ設定及び機能制御に関するキー信号入力を生成することができ、例えば、タッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、ポインティングスティック、1つ又は複数のマウスボタン、トラックボール、ジョイスティックなどの入力装置である。出力装置604は、ディスプレイデバイス、補助照明装置(例えば、LED)、及び触覚フィードバックデバイス(例えば、振動モータ)などを含むことができる。当該ディスプレイデバイスは、液晶ディスプレイ(LCD)、発光ダイオード(LED)ディスプレイ、及びプラズマディスプレイを含むことができるが、これらに限定されない。いくつかの実施形態で、ディスプレイデバイスは、タッチスクリーンであってもよい。
The
本明細書で説明されるシステムと技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、特定用途向けASIC(特定用途向け集積回路)、コンピュータハードウェア、ファームウェア、ソフトウェア、及び/又はそれらの組み合わせで実現することができる。これらの様々な実施形態は、1つ又は複数のコンピュータプログラムで実施され、当該1つ又は複数のコンピュータプログラムは、少なくとも1つのプログラマブルプロセッサを含むプログラム可能なシステムで実行及び/又は解釈されることができ、当該プログラマブルプロセッサは、専用又は汎用のプログラマブルプロセッサであってもよく、ストレージシステム、少なくとも1つの入力装置、及び少なくとも1つの出力装置からデータ及び命令を受信し、データ及び命令を当該ストレージシステム、当該少なくとも1つの入力装置、及び当該少なくとも1つの出力装置に伝送することができる。 Various embodiments of the systems and techniques described herein include digital electronic circuit systems, integrated circuit systems, application specific ASICs (ASICs), computer hardware, firmware, software, and / or them. It can be realized by the combination of. These various embodiments may be implemented in one or more computer programs, the one or more computer programs being executed and / or interpreted in a programmable system including at least one programmable processor. The programmable processor may be a dedicated or general purpose programmable processor, receiving data and instructions from a storage system, at least one input device, and at least one output device, and delivering the data and instructions to the storage system. It can be transmitted to the at least one input device and the at least one output device.
これらのコンピューティングプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードとも呼ばれる)は、プログラマブルプロセッサの機械命令を含むことができ、高レベルのプロセス及び/又は対象指向プログラミング言語、及び/又はアセンブリ/機械言語でこれらのコンピューティングプログラムを実施することができる。本明細書に使用されるような、「機械読み取り可能な媒体」及び「コンピュータ読み取り可能な媒体」という用語は、機械命令及び/又はデータをプログラマブルプロセッサに提供するための任意のコンピュータプログラム製品、機器、及び/又は装置(例えば、磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス(PLD))を指し、機械読み取り可能な信号である機械命令を受信する機械読み取り可能な媒体を含む。「機械読み取り可能な信号」という用語は、機械命令及び/又はデータをプログラマブルプロセッサに提供するための任意の信号を指す。 These computing programs (also called programs, software, software applications, or code) can include programmable processor machine instructions, high-level process and / or object-oriented programming languages, and / or assembly / machine languages. You can implement these computing programs at. As used herein, the terms "machine readable medium" and "computer readable medium" are any computer program products, devices for providing machine instructions and / or data to programmable processors. And / or devices (eg, magnetic disks, optical disks, memories, programmable logic devices (PLDs)), including machine-readable media that receive machine instructions, which are machine-readable signals. The term "machine readable signal" refers to any signal for providing machine instructions and / or data to a programmable processor.
ユーザとのインタラクションを提供するために、コンピュータ上でここで説明されているシステム及び技術を実施することができ、当該コンピュータは、ユーザに情報を表示するためのディスプレイ装置(例えば、CRT(陰極線管)又はLCD(液晶ディスプレイ)モニタ)と、キーボード及びポインティングデバイス(例えば、マウス又はトラックボール)とを有し、ユーザは、当該キーボード及び当該ポインティングデバイスによって入力をコンピュータに提供することができる。他の種類の装置も、ユーザとのインタラクションを提供することができ、例えば、ユーザに提供されるフィードバックは、任意の形態のセンシングフィードバック(例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック)であってもよく、任意の形態(音響入力と、音声入力と、触覚入力とを含む)でユーザからの入力を受信することができる。 To provide interaction with the user, the systems and techniques described herein can be implemented on a computer, which computer is a display device for displaying information to the user (eg, a CRT (cathode line tube)). ) Or LCD (liquid crystal display) monitor) and a keyboard and pointing device (eg, mouse or trackball), the user can provide input to the computer by the keyboard and the pointing device. Other types of devices can also provide interaction with the user, eg, the feedback provided to the user is any form of sensing feedback (eg, visual feedback, auditory feedback, or tactile feedback). It is also possible to receive input from the user in any form (including acoustic input, voice input, and tactile input).
ここで説明されるシステム及び技術は、バックエンドコンポーネントを含むコンピューティングシステム(例えば、データサーバとする)、又はミドルウェアコンポーネントを含むコンピューティングシステム(例えば、アプリケーションサーバ)、又はフロントエンドコンポーネントを含むコンピューティングシステム(例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータであり、ユーザは、当該グラフィカルユーザインタフェース又は当該ウェブブラウザによってここで説明されるシステム及び技術の実施形態とインタラクションする)、又はこのようなバックエンドコンポーネントと、ミドルウェアコンポーネントと、フロントエンドコンポーネントの任意の組み合わせを含むコンピューティングシステムで実施することができる。任意の形態又は媒体のデジタルデータ通信(例えば、通信ネットワーク)によってシステムのコンポーネントを相互に接続することができる。通信ネットワークの例は、ローカルエリアネットワーク(LAN)と、ワイドエリアネットワーク(WAN)と、インターネットと、ブロックチェーンネットワークとを含む。 The systems and techniques described herein are computing systems that include back-end components (eg, data servers), or computing systems that include middleware components (eg, application servers), or computing that includes front-end components. A system (eg, a user computer having a graphical user interface or web browser, and the user interacts with embodiments of the system and technology described herein by the graphical user interface or web browser), or such back. It can be implemented in computing systems that include any combination of end components, middleware components, and front end components. The components of the system can be interconnected by digital data communication of any form or medium (eg, a communication network). Examples of communication networks include local area networks (LANs), wide area networks (WANs), the Internet, and blockchain networks.
コンピュータシステムは、クライアントとサーバとを含むことができる。クライアントとサーバは、一般に、互いに離れており、通常に通信ネットワークを介してインタラクションする。対応するコンピュータ上で実行され、かつ互いにクライアント−サーバの関係を有するコンピュータプログラムによって、クライアントとサーバとの関係が生成される。 A computer system can include a client and a server. Clients and servers are generally separated from each other and typically interact over a communication network. A client-server relationship is created by a computer program that runs on the corresponding computer and has a client-server relationship with each other.
本出願の実施例の技術案によれば、第1の履歴位置点を取得して、第1のフィッティング結果を取得し、現在の位置点及び第1のフィッティング結果に基づいて現在の車両の走行軌跡を予測することにより、車両の信号に依存する必要がないため、予測コストを低減し、軌跡予測の効率及び精度を向上させる。 According to the technical proposal of the embodiment of the present application, the first historical position point is acquired, the first fitting result is acquired, and the current vehicle travels based on the current position point and the first fitting result. By predicting the trajectory, it is not necessary to depend on the signal of the vehicle, so that the prediction cost is reduced and the efficiency and accuracy of the trajectory prediction are improved.
上記に示される様々な形態のフローを使用して、ステップを並べ替え、追加、又は削除することができる。例えば、本出願に記載されている各ステップは、並列に実行されてもよいし、順次的に実行されてもよいし、異なる順序で実行されてもよいが、本出願で開示されている技術案が所望の結果を実現することができれば、本明細書では限定しない。 Steps can be rearranged, added, or deleted using the various forms of flow shown above. For example, the steps described in this application may be performed in parallel, sequentially, or in a different order, but the techniques disclosed in this application. As long as the proposal can achieve the desired result, it is not limited herein.
上記具体的な実施形態は、本出願の保護範囲を制限するものではない。当業者は、設計要件と他の要因に基づいて、様々な修正、組み合わせ、サブコンビネーション、及び代替を行うことができる。本出願の精神と原則内で行われる任意の修正、同等の置換、及び改善などは、いずれも本出願の保護範囲内に含まれるべきである。 The specific embodiments described above do not limit the scope of protection of the present application. One of ordinary skill in the art can make various modifications, combinations, subcombinations, and alternatives based on design requirements and other factors. Any amendments, equivalent substitutions, and improvements made within the spirit and principles of this application should all be within the scope of this application's protection.
Claims (15)
現在の車両の第1の履歴走行時間帯における複数の第1の履歴位置点を取得し、前記複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得するステップと、
前記現在の車両の現在の位置点を取得し、前記現在の位置点及び第1のフィッティング結果に基づいて前記現在の車両の走行軌跡を予測するステップと、を含む、
ことを特徴とする車両軌跡の予測方法。 It is a method of predicting the vehicle trajectory,
A step of acquiring a plurality of first historical position points in the first historical travel time zone of the current vehicle, fitting the plurality of first historical position points, and acquiring the first fitting result.
A step of acquiring the current position point of the current vehicle and predicting the traveling locus of the current vehicle based on the current position point and the first fitting result is included.
A method of predicting a vehicle trajectory, which is characterized in that.
第1の履歴走行時間帯に対応する時間の長さが予め設定された時間の長さの閾値より大きく、及び/又は、第1の履歴走行時間帯に対応する走行距離が予め設定された距離の閾値より大きい、
ことを特徴とする請求項1に記載の方法。 The first historical travel time zone is the historical travel time zone closest to the current time.
The length of time corresponding to the first historical travel time zone is larger than the preset time length threshold value, and / or the travel distance corresponding to the first historical travel time zone is the preset distance. Greater than the threshold of
The method according to claim 1.
フィッティングに使用される第1のフィッティング方程式を決定するステップと、
各第1の履歴位置点に対して、第1の予め設定された変形因数に基づいて第1のフィッティング方程式に対応する少なくとも1つの変形方程式を決定するステップと、
各第1の履歴位置点の座標値及び各前記変形方程式に基づいて、第1のフィッティング方程式の未知係数の値を決定するステップと、
前記未知係数の値を使用して第1のフィッティング方程式を更新し、第1のフィッティング結果を取得するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 The step of fitting the plurality of first historical position points and acquiring the first fitting result is
Steps to determine the first fitting equation used for fitting,
For each first historical position point, a step of determining at least one deformation equation corresponding to the first fitting equation based on a first preset transformation factor.
A step of determining the value of the unknown coefficient of the first fitting equation based on the coordinate value of each first historical position point and each of the above deformation equations.
A step of updating the first fitting equation using the value of the unknown coefficient and obtaining the first fitting result, and the like.
The method according to claim 1.
現在の第1の履歴位置点の順序番号と、現在の第1の履歴位置点に対応するコース角度と、第1の履歴位置点の総数と、各第1の履歴位置点の第1の座標軸方向の座標値の分散と、各第1の履歴位置点の第2の座標軸方向の座標値の分散とのうちの少なくとも1つを含む、
ことを特徴とする請求項3に記載の方法。 The first preset transformation factor is
The sequence number of the current first history position point, the course angle corresponding to the current first history position point, the total number of the first history position points, and the first coordinate axis of each first history position point. Includes at least one of the variance of the coordinate values in the direction and the variance of the coordinate values in the second coordinate axis direction of each first historical position point.
The method according to claim 3, wherein the method is characterized by the above.
第1のフィッティング結果に基づいて、現在の位置点に対応する曲率半径を決定するステップと、
前記現在の位置点及び前記曲率半径に基づいて軌跡弧線を決定し、当該軌跡弧線を予測された前記現在の車両の走行軌跡とするステップと、を含む、
ことを特徴とする請求項3に記載の方法。 The step of predicting the traveling locus of the current vehicle based on the current position point and the first fitting result is
The step of determining the radius of curvature corresponding to the current position point based on the first fitting result,
A step of determining a locus arc based on the current position point and the radius of curvature and using the locus arc as the predicted running locus of the current vehicle is included.
The method according to claim 3, wherein the method is characterized by the above.
第2の履歴走行時間帯の各時刻における前記現在の車両に対する前記現在の車両の前方車両の距離を取得するステップと、
前記各時刻における前記現在の車両に対する距離をフィッティングして、第2のフィッティング結果を取得するステップと、
第2のフィッティング結果に基づいて、前記前方車両と前記現在の車両との現在の距離及び現在の速度を決定するステップと、
前記現在の距離及び現在の速度に基づいて前記前方車両と前記現在の車両との衝突時間を決定し、前記衝突時間に基づいて衝突早期警報を行うか否かを決定するステップと、をさらに含む、
ことを特徴とする請求項1〜5のいずれかに記載の方法。 After the step of predicting the running locus of the current vehicle based on the current position point and the first fitting result,
A step of acquiring the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone, and
A step of fitting the distance to the current vehicle at each time and obtaining a second fitting result.
Based on the second fitting result, a step of determining the current distance and the current speed of the vehicle in front and the current vehicle, and
Further including a step of determining the collision time between the preceding vehicle and the current vehicle based on the current distance and the current speed, and determining whether or not to issue an early collision warning based on the collision time. ,
The method according to any one of claims 1 to 5.
フィッティングに使用される第2のフィッティング方程式を決定するステップと、
各時刻に対して、第2の予め設定された変形因数に基づいて第2のフィッティング方程式に対応する少なくとも1つの変形方程式を決定するステップと、
各時刻における前記現在の車両に対する前記前方車両の距離及び第2のフィッティング方程式に対応する各変形方程式に基づいて、第2のフィッティング方程式の未知係数の値を決定するステップと、
第2のフィッティング方程式の未知係数の値を使用して第2のフィッティング方程式を更新し、第2のフィッティング結果を取得するステップと、を含む、
ことを特徴とする請求項6に記載の方法。 The step of fitting the distance to the current vehicle at each time and obtaining the second fitting result is
Steps to determine the second fitting equation used for fitting,
For each time, a step of determining at least one transformation equation corresponding to the second fitting equation based on a second preset transformation factor.
A step of determining the value of the unknown coefficient of the second fitting equation based on the distance of the vehicle in front to the current vehicle at each time and each deformation equation corresponding to the second fitting equation.
Including a step of updating the second fitting equation with the value of the unknown coefficient of the second fitting equation and obtaining the second fitting result.
The method according to claim 6, wherein the method is characterized by the above.
現在の時刻の順序番号と、時刻の総数と、各時刻の分散と、各時刻における前記現在の車両に対する前記前方車両の距離の分散とのうちの少なくとも1つを含む、
ことを特徴とする請求項7に記載の方法。 The second preset transformation factor is
Includes at least one of the sequence number of the current time, the total number of times, the variance of each time, and the variance of the distance of the vehicle in front to the current vehicle at each time.
The method according to claim 7, wherein the method is characterized by the above.
前記現在の車両の前方車両と予測された前記現在の車両の走行軌跡との現在の距離が予め設定された範囲内にあるか否かを決定し、そうである場合、第2の履歴走行時間帯の各時刻における前記現在の車両に対する前記現在の車両の前方車両の距離を取得する操作の実行をトリガするステップをさらに含む、
ことを特徴とする請求項6に記載の方法。 Before the step of acquiring the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone,
Determines whether the current distance between the vehicle in front of the current vehicle and the predicted travel locus of the current vehicle is within a preset range, and if so, a second historical travel time. It further comprises a step of triggering the execution of an operation to obtain the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the band.
The method according to claim 6, wherein the method is characterized by the above.
第2の履歴走行時間帯の各時刻に前記現在の車両の撮像装置によって撮影された画像を取得するステップと、
各前記画像に対して画像認識を行うことにより、前記現在の車両の前方車両の各時刻における位置情報を決定するステップと、
前記前方車両の各時刻における位置情報と、前記撮像装置の内部パラメータ及び外部パラメータとに基づいて、各時刻における前記現在の車両に対する前記前方車両の距離を決定するステップと、を含む、
ことを特徴とする請求項6に記載の方法。 The step of acquiring the distance of the vehicle in front of the current vehicle to the current vehicle at each time of the second historical travel time zone is
A step of acquiring an image taken by the image pickup device of the current vehicle at each time of the second historical driving time zone, and
A step of determining the position information of the vehicle in front of the current vehicle at each time by performing image recognition on each of the images, and
Includes a step of determining the distance of the vehicle in front to the current vehicle at each time based on the position information of the vehicle in front at each time and the internal and external parameters of the imaging device.
The method according to claim 6, wherein the method is characterized by the above.
前記外部パラメータは、前記撮像装置の姿勢角及び前記撮像装置の地面からの高さを含む、
ことを特徴とする請求項10に記載の方法。 The internal parameters include the center of light and the ratio of focal length to pixel size.
The external parameters include the posture angle of the image pickup device and the height of the image pickup device from the ground.
10. The method of claim 10.
現在の車両の第1の履歴走行時間帯における複数の第1の履歴位置点を取得し、前記複数の第1の履歴位置点をフィッティングして、第1のフィッティング結果を取得するための第1のフィッティング結果取得モジュールと、
前記現在の車両の現在の位置点を取得し、前記現在の位置点及び第1のフィッティング結果に基づいて前記現在の車両の走行軌跡を予測するための走行軌跡予測モジュールと、を含む、
ことを特徴とする車両軌跡の予測装置。 It is a vehicle trajectory prediction device
A first for acquiring a plurality of first historical position points in a first historical travel time zone of a current vehicle, fitting the plurality of first historical position points, and acquiring a first fitting result. Fitting result acquisition module and
Includes a travel locus prediction module for acquiring the current position point of the current vehicle and predicting the travel locus of the current vehicle based on the current position point and the first fitting result.
A vehicle trajectory prediction device characterized by this.
前記少なくとも1つのプロセッサと通信可能に接続されるメモリと、を含み、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が記憶され、前記命令は、前記少なくとも1つのプロセッサが請求項1〜11のいずれかに記載の車両軌跡の予測方法を実行できるように、前記少なくとも1つのプロセッサによって実行される、
ことを特徴とする電子機器。 With at least one processor
Includes a memory communicatively connected to the at least one processor.
Instructions that can be executed by the at least one processor are stored in the memory so that the at least one processor can execute the vehicle trajectory prediction method according to any one of claims 1 to 11. , Executed by said at least one processor,
An electronic device characterized by that.
前記コンピュータ命令は、前記コンピュータに請求項1〜11のいずれかに記載の車両軌跡の予測方法を実行させる、
ことを特徴とする非一時的なコンピュータ読み取り可能な記憶媒体。 A non-temporary computer-readable storage medium that stores computer instructions.
The computer instruction causes the computer to execute the vehicle trajectory prediction method according to any one of claims 1 to 11.
A non-temporary computer-readable storage medium characterized by that.
前記コンピュータプログラムは、コンピュータに請求項1〜11のいずれかに記載の車両軌跡の予測方法を実行させる、
ことを特徴とするコンピュータプログラム。 It ’s a computer program,
The computer program causes a computer to execute the vehicle trajectory prediction method according to any one of claims 1 to 11.
A computer program characterized by that.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010407825.0A CN113672845A (en) | 2020-05-14 | 2020-05-14 | Vehicle track prediction method, device, equipment and storage medium |
CN202010407825.0 | 2020-05-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021152906A true JP2021152906A (en) | 2021-09-30 |
Family
ID=76396771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021082122A Pending JP2021152906A (en) | 2020-05-14 | 2021-05-14 | Method, device, appliance and storage medium for predicting vehicle locus |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2021152906A (en) |
KR (1) | KR20210065075A (en) |
CN (1) | CN113672845A (en) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115247A (en) * | 2021-11-10 | 2022-03-01 | 北京三快在线科技有限公司 | Unmanned equipment control method and device, storage medium and electronic equipment |
CN114184206A (en) * | 2021-12-03 | 2022-03-15 | 北京车慧达科技有限公司 | Method and device for generating driving route based on vehicle track points |
CN114228637A (en) * | 2021-12-02 | 2022-03-25 | 科大讯飞股份有限公司 | Vehicle power-off protection method and device, storage medium and equipment |
CN114323054A (en) * | 2022-01-12 | 2022-04-12 | 苏州挚途科技有限公司 | Method and device for determining running track of automatic driving vehicle and electronic equipment |
CN114326711A (en) * | 2021-12-03 | 2022-04-12 | 云鲸智能(深圳)有限公司 | Narrow passage passing method, device, robot and computer readable storage medium |
CN114495490A (en) * | 2021-12-31 | 2022-05-13 | 联通智网科技股份有限公司 | Traffic condition prediction method, device terminal, and storage medium |
CN114707417A (en) * | 2022-04-19 | 2022-07-05 | 北京航空航天大学 | Method, system and equipment for predicting vehicle running track in real time |
CN114862946A (en) * | 2022-06-06 | 2022-08-05 | 重庆紫光华山智安科技有限公司 | Location prediction method, system, device, and medium |
CN115096328A (en) * | 2022-06-30 | 2022-09-23 | 阿波罗智联(北京)科技有限公司 | Vehicle positioning method and device, electronic equipment and storage medium |
CN115184895A (en) * | 2022-09-07 | 2022-10-14 | 北京海兰信数据科技股份有限公司 | Static target identification method and system based on navigation radar |
CN115583243A (en) * | 2022-10-27 | 2023-01-10 | 阿波罗智联(北京)科技有限公司 | Method for determining lane line information, vehicle control method, device and equipment |
CN115683116A (en) * | 2022-11-02 | 2023-02-03 | 联创汽车电子有限公司 | Method and module for generating track of front vehicle |
CN115900645A (en) * | 2023-01-10 | 2023-04-04 | 联通智网科技股份有限公司 | Vehicle elevation calculation method and device, electronic equipment and storage medium |
CN116110216A (en) * | 2022-10-21 | 2023-05-12 | 中国第一汽车股份有限公司 | Vehicle line crossing time determining method and device, storage medium and electronic device |
CN116434567A (en) * | 2022-12-13 | 2023-07-14 | 武汉溯野科技有限公司 | Traffic flow detection method and device, electronic equipment and road side equipment |
CN117392773A (en) * | 2023-12-13 | 2024-01-12 | 广汽埃安新能源汽车股份有限公司 | Vehicle driving track acquisition method and device |
WO2024120535A1 (en) * | 2022-12-09 | 2024-06-13 | 长城汽车股份有限公司 | Vehicle steering angle error determination method and apparatus, medium, and vehicle |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113587942A (en) * | 2021-06-29 | 2021-11-02 | 深圳一清创新科技有限公司 | Route processing method and device based on autonomous map building and electronic equipment |
CN113911111B (en) * | 2021-10-19 | 2024-03-26 | 中国第一汽车股份有限公司 | Vehicle collision detection method, system, electronic device and storage medium |
CN114373245B (en) * | 2021-12-16 | 2023-10-27 | 南京南自信息技术有限公司 | Intelligent inspection system based on digital power plant |
CN114449336B (en) * | 2022-01-20 | 2023-11-21 | 杭州海康威视数字技术股份有限公司 | Vehicle track animation playing method, device and equipment |
CN114355839B (en) * | 2022-03-18 | 2022-07-29 | 浙江西图盟数字科技有限公司 | Motion trail processing method, device, equipment and storage medium |
CN114945154A (en) * | 2022-05-31 | 2022-08-26 | 中国移动通信集团江苏有限公司 | Vehicle position prediction method, device, electronic equipment and computer program product |
CN115060280B (en) * | 2022-06-21 | 2023-07-25 | 湖南大学无锡智能控制研究院 | Vehicle track prediction method and device |
CN116187748B (en) * | 2022-12-16 | 2023-12-29 | 清华大学 | Risk domain determination method, apparatus, computer device, medium, and program product |
CN116448138B (en) * | 2023-06-19 | 2023-09-01 | 北京云行在线软件开发有限责任公司 | Running coordinate prediction method, server side and running coordinate prediction system |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001014597A (en) * | 1999-06-28 | 2001-01-19 | Hitachi Ltd | Device estimating lane position |
JP2006113627A (en) * | 2004-10-12 | 2006-04-27 | Honda Motor Co Ltd | Device for determining control object for vehicle |
JP2012203721A (en) * | 2011-03-25 | 2012-10-22 | Toyota Central R&D Labs Inc | Relative position estimation device and program |
JP2014184810A (en) * | 2013-03-22 | 2014-10-02 | Honda Motor Co Ltd | Object detecting apparatus |
JP2017033152A (en) * | 2015-07-30 | 2017-02-09 | 富士重工業株式会社 | Driving assist device of vehicle |
JP2017076312A (en) * | 2015-10-16 | 2017-04-20 | トヨタ自動車株式会社 | Vehicle control apparatus |
JP2018184042A (en) * | 2017-04-25 | 2018-11-22 | 株式会社デンソー | Brake support device and brake support method for vehicle |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251699A (en) * | 2016-08-19 | 2016-12-21 | 深圳市元征科技股份有限公司 | Vehicle running collision method for early warning and device |
CN106525033A (en) * | 2016-09-22 | 2017-03-22 | 深圳市元征科技股份有限公司 | Running track determination method and device thereof |
US10739152B2 (en) * | 2018-03-30 | 2020-08-11 | Verizon Patent And Licensing, Inc. | Dynamic reporting of location data for a vehicle based on a fitted history model |
CN109523830B (en) * | 2018-11-08 | 2021-08-03 | 中交第一公路勘察设计研究院有限公司 | Vehicle track prediction and collision early warning method based on high-frequency high-precision positioning information |
CN110162037B (en) * | 2019-04-30 | 2022-07-26 | 惠州市德赛西威智能交通技术研究院有限公司 | Method for predicting track of vehicle |
CN110908379A (en) * | 2019-11-29 | 2020-03-24 | 苏州智加科技有限公司 | Vehicle track prediction method and device based on historical information and storage medium |
CN111091591B (en) * | 2019-12-23 | 2023-09-26 | 阿波罗智联(北京)科技有限公司 | Collision detection method and device, electronic equipment and storage medium |
-
2020
- 2020-05-14 CN CN202010407825.0A patent/CN113672845A/en active Pending
-
2021
- 2021-05-14 JP JP2021082122A patent/JP2021152906A/en active Pending
- 2021-05-14 KR KR1020210062519A patent/KR20210065075A/en not_active Application Discontinuation
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001014597A (en) * | 1999-06-28 | 2001-01-19 | Hitachi Ltd | Device estimating lane position |
JP2006113627A (en) * | 2004-10-12 | 2006-04-27 | Honda Motor Co Ltd | Device for determining control object for vehicle |
JP2012203721A (en) * | 2011-03-25 | 2012-10-22 | Toyota Central R&D Labs Inc | Relative position estimation device and program |
JP2014184810A (en) * | 2013-03-22 | 2014-10-02 | Honda Motor Co Ltd | Object detecting apparatus |
JP2017033152A (en) * | 2015-07-30 | 2017-02-09 | 富士重工業株式会社 | Driving assist device of vehicle |
JP2017076312A (en) * | 2015-10-16 | 2017-04-20 | トヨタ自動車株式会社 | Vehicle control apparatus |
JP2018184042A (en) * | 2017-04-25 | 2018-11-22 | 株式会社デンソー | Brake support device and brake support method for vehicle |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115247A (en) * | 2021-11-10 | 2022-03-01 | 北京三快在线科技有限公司 | Unmanned equipment control method and device, storage medium and electronic equipment |
CN114115247B (en) * | 2021-11-10 | 2024-03-26 | 北京三快在线科技有限公司 | Unmanned equipment control method and device, storage medium and electronic equipment |
CN114228637B (en) * | 2021-12-02 | 2024-02-20 | 科大讯飞股份有限公司 | Power-off protection method and device for vehicle, storage medium and equipment |
CN114228637A (en) * | 2021-12-02 | 2022-03-25 | 科大讯飞股份有限公司 | Vehicle power-off protection method and device, storage medium and equipment |
CN114184206A (en) * | 2021-12-03 | 2022-03-15 | 北京车慧达科技有限公司 | Method and device for generating driving route based on vehicle track points |
CN114326711A (en) * | 2021-12-03 | 2022-04-12 | 云鲸智能(深圳)有限公司 | Narrow passage passing method, device, robot and computer readable storage medium |
CN114184206B (en) * | 2021-12-03 | 2024-04-19 | 北京车慧达科技有限公司 | Method and device for generating driving route based on vehicle track points |
CN114326711B (en) * | 2021-12-03 | 2023-08-08 | 云鲸智能(深圳)有限公司 | Narrow-lane passing method, device, robot and computer readable storage medium |
CN114495490A (en) * | 2021-12-31 | 2022-05-13 | 联通智网科技股份有限公司 | Traffic condition prediction method, device terminal, and storage medium |
CN114495490B (en) * | 2021-12-31 | 2023-03-28 | 联通智网科技股份有限公司 | Traffic condition prediction method, device terminal, and storage medium |
CN114323054A (en) * | 2022-01-12 | 2022-04-12 | 苏州挚途科技有限公司 | Method and device for determining running track of automatic driving vehicle and electronic equipment |
CN114323054B (en) * | 2022-01-12 | 2024-04-19 | 苏州挚途科技有限公司 | Method and device for determining running track of automatic driving vehicle and electronic equipment |
CN114707417A (en) * | 2022-04-19 | 2022-07-05 | 北京航空航天大学 | Method, system and equipment for predicting vehicle running track in real time |
CN114862946B (en) * | 2022-06-06 | 2023-04-18 | 重庆紫光华山智安科技有限公司 | Location prediction method, system, device, and medium |
CN114862946A (en) * | 2022-06-06 | 2022-08-05 | 重庆紫光华山智安科技有限公司 | Location prediction method, system, device, and medium |
CN115096328B (en) * | 2022-06-30 | 2023-07-11 | 阿波罗智联(北京)科技有限公司 | Positioning method and device of vehicle, electronic equipment and storage medium |
CN115096328A (en) * | 2022-06-30 | 2022-09-23 | 阿波罗智联(北京)科技有限公司 | Vehicle positioning method and device, electronic equipment and storage medium |
CN115184895A (en) * | 2022-09-07 | 2022-10-14 | 北京海兰信数据科技股份有限公司 | Static target identification method and system based on navigation radar |
CN116110216A (en) * | 2022-10-21 | 2023-05-12 | 中国第一汽车股份有限公司 | Vehicle line crossing time determining method and device, storage medium and electronic device |
CN116110216B (en) * | 2022-10-21 | 2024-04-12 | 中国第一汽车股份有限公司 | Vehicle line crossing time determining method and device, storage medium and electronic device |
CN115583243B (en) * | 2022-10-27 | 2023-10-31 | 阿波罗智联(北京)科技有限公司 | Method for determining lane line information, vehicle control method, device and equipment |
CN115583243A (en) * | 2022-10-27 | 2023-01-10 | 阿波罗智联(北京)科技有限公司 | Method for determining lane line information, vehicle control method, device and equipment |
CN115683116A (en) * | 2022-11-02 | 2023-02-03 | 联创汽车电子有限公司 | Method and module for generating track of front vehicle |
WO2024120535A1 (en) * | 2022-12-09 | 2024-06-13 | 长城汽车股份有限公司 | Vehicle steering angle error determination method and apparatus, medium, and vehicle |
CN116434567A (en) * | 2022-12-13 | 2023-07-14 | 武汉溯野科技有限公司 | Traffic flow detection method and device, electronic equipment and road side equipment |
CN116434567B (en) * | 2022-12-13 | 2024-01-26 | 武汉溯野科技有限公司 | Traffic flow detection method and device, electronic equipment and road side equipment |
CN115900645A (en) * | 2023-01-10 | 2023-04-04 | 联通智网科技股份有限公司 | Vehicle elevation calculation method and device, electronic equipment and storage medium |
CN117392773A (en) * | 2023-12-13 | 2024-01-12 | 广汽埃安新能源汽车股份有限公司 | Vehicle driving track acquisition method and device |
CN117392773B (en) * | 2023-12-13 | 2024-03-08 | 广汽埃安新能源汽车股份有限公司 | Vehicle driving track acquisition method and device |
Also Published As
Publication number | Publication date |
---|---|
CN113672845A (en) | 2021-11-19 |
KR20210065075A (en) | 2021-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021152906A (en) | Method, device, appliance and storage medium for predicting vehicle locus | |
US11698262B2 (en) | Method and apparatus for generating route planning model, and storage medium | |
CN110516652B (en) | Lane detection method and device, electronic equipment and storage medium | |
JP7287999B2 (en) | Positioning method and device, self-driving vehicle, electronic device, and storage medium | |
JP7204823B2 (en) | VEHICLE CONTROL METHOD, VEHICLE CONTROL DEVICE, AND VEHICLE | |
JP7241057B2 (en) | Vehicle positioning method, device, electronic device, vehicle and storage medium | |
US20210224553A1 (en) | Event detection method and apparatus for cloud control platform, device, and storage medium | |
CN113715814A (en) | Collision detection method, collision detection device, electronic apparatus, medium, and autonomous vehicle | |
JP7274515B2 (en) | Sensor solution determination method, device, equipment and storage medium | |
CN113370911B (en) | Pose adjustment method, device, equipment and medium of vehicle-mounted sensor | |
JP2021119507A (en) | Traffic lane determination method, traffic lane positioning accuracy evaluation method, traffic lane determination apparatus, traffic lane positioning accuracy evaluation apparatus, electronic device, computer readable storage medium, and program | |
KR20210074245A (en) | Method and apparatus for detecting map quality, electronic device and storage medium | |
JP7309806B2 (en) | Method, apparatus, roadside unit, cloud control platform and computer program for processing trajectory | |
CN112578788B (en) | Vehicle obstacle avoidance secondary planning method, device, equipment and readable storage medium | |
CN114179832B (en) | Lane changing method for automatic driving vehicle | |
CN111079079B (en) | Data correction method, device, electronic equipment and computer readable storage medium | |
CN113044042B (en) | Vehicle predicted lane change image display method and device, electronic equipment and readable medium | |
CN113887400B (en) | Obstacle detection method, model training method and device and automatic driving vehicle | |
CN112578355B (en) | Radar calibration method, device, equipment and storage medium | |
CN112651535A (en) | Local path planning method and device, storage medium, electronic equipment and vehicle | |
JP2021119458A (en) | Obstacle speed determination method, device, electronic instrument, storage medium and computer program | |
CN117434855A (en) | Automatic driving simulation method and system | |
CN114394111B (en) | Lane changing method for automatic driving vehicle | |
CN115366872A (en) | Vehicle steering obstacle avoidance method, device and storage medium | |
CN114817765A (en) | Map-based target course disambiguation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210514 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220808 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230104 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230801 |