一种车辆航迹计算方法、装置、车辆及介质制造方法及图纸

本发明专利技术公开了一种车辆航迹计算方法、装置、车辆及介质，该方法包括：根据车辆的点迹信息，确定所述车辆的位置信息；基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇；根据所述类簇的点迹信息，确定所述车辆的航迹。上述技术方案，首先根据车辆的点迹信息，确定车辆的位置信息，再根据位置信息，采用椭圆式计算公式对点迹信息进行聚类，得到类簇，一个类簇包含的点迹信息可以对应一个目标即一个车辆的航迹信息，进而确定车辆的航迹，通过上述技术方案，可以计算得到更加精确的车辆航迹，提升计算效果。

【技术实现步骤摘要】
一种车辆航迹计算方法、装置、车辆及介质
本专利技术实施例涉及车载毫米雷达探测技术，尤其涉及一种车辆航迹计算方法、装置、车辆及介质。
技术介绍
现今，国内外自动驾驶技术发展快速，多个汽车企业都在加紧研发车辆自动驾驶功能。毫米波雷达是自动驾驶车辆上常用的传感器。现有的毫米波雷达原始输出多为点迹输出，其感知范围内的同一车辆可能传回多个点迹信息，需要判断哪些点迹属于同一目标，防止属于同一目标的点迹分裂。现有技术中，可以先对原始数据进行聚类的，得到点迹的分布情况，然后对每个类簇中的点迹取平均值进行航迹计算，得到车辆的航迹。但是，现有航迹计算的方法，计算量较大，而且计算得到的航迹不准确，计算效果不理想。
技术实现思路
本专利技术提供一种车辆航迹计算方法、装置、车辆及介质，以计算得到更加精确的车辆航迹。第一方面，本专利技术实施例提供了一种车辆航迹计算方法，包括：根据车辆的点迹信息，确定所述车辆的位置信息；基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇；根据所述类簇的点迹信息，确定所述车辆的航迹。第二方面，本专利技术实施例还提供了一种车辆航迹计算装置，包括：第一执行模块、聚类模块和第二执行模块，其中，第一执行模块，用于根据车辆的点迹信息，确定所述车辆的位置信息；聚类模块，用于基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇；第二执行模块，用于根据所述类簇的点迹信息，确定所述车辆的航迹。r>第三方面，本专利技术实施例还提供了一种车辆，所述车辆包括：一个或多个处理器；存储装置，用于存储一个或多个程序；雷达，用于获取车辆的点迹信息；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的车辆航迹计算方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的车辆航迹计算方法。本专利技术首先根据车辆的点迹信息，确定所述车辆的位置信息；基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇；根据所述类簇的点迹信息，确定所述车辆的航迹，解决了现有技术计算得到的车辆航迹不够精确的问题，计算得到更加精确的车辆航迹，提升航迹的计算效果。附图说明图1为本专利技术实施例一提供的车辆航迹计算方法的流程图；图2为本专利技术实施例提供的二维坐标系和聚类得到类簇的示意图；图3为本专利技术实施例二提供的一种车辆航迹计算方法的流程图；图4为本专利技术实施例二提供的一种车辆航迹计算方法的实现流程图；图5为本专利技术实施例三提供的一种车辆航迹计算装置的结构图；图6为本专利技术实施例四提供的一种车辆的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。实施例一图1为本专利技术实施例一提供的车辆航迹计算方法的流程图，本实施例可适用于当前车辆前存在多个车辆的情况，该方法可以由车辆系统来执行，具体包括如下步骤：步骤110、根据车辆的点迹信息，确定所述车辆的位置信息。车辆的点迹信息可以包括点迹的极坐标信息，通过转换点迹的极坐标信息，可以得到点迹二维坐标信息，进而得到车辆的位置信息。其中，车辆的点迹信息可以通过车辆的毫米波雷达获取到。毫米波雷达是自动驾驶车辆上常用的传感器，当车辆进入车载毫米波雷达探测范围内时，毫米波雷达可以探测到车辆的点迹信息，点迹信息可以包括横向距离、纵向距离、纵向相对速度、雷达反射截面积等信息。另外，由于随机噪声和其他不利因素，毫米波雷达不可能报告出目标的真实位置，若目标是静止的，且其位置由毫米波雷达来反复测量，那么将得到一串空间位置相近的点迹。图2为本专利技术实施例提供的二维坐标系和聚类得到类簇的示意图，如图2所示，当前车辆的车头可以为二维坐标系的原点，平行于车辆车头并且与车辆的车头一致的方向可以为二维坐标系的X轴，垂直于车辆车头的方向可以为二维坐标系的Y轴。点迹的二维坐标信息可以根据毫米雷达的安装角度和获取到的点迹信息共同确定。步骤120、基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇。若当前车辆的前方包括多个毫米波雷达可以探测到的车辆时，通过毫米波雷达获取到的点迹信息可以包括多个目标的点迹信息，即可以包括多个车辆的点迹信息。所以，在根据上述点迹信息确定车辆的航迹之前，需要判断哪些点迹属于同一目标，防止属于同一目标的点迹分裂。属于同一目标的点迹通过聚类，形成一个类簇。多个目标，即多个车辆可以对应多个类簇。车辆的形状可以包括长方体，所以，在对车辆的点迹信息进行聚类时，椭圆式距离公式可以更加准确地实现对车辆点迹信息的聚类。具体地，可以首先对第一预设点迹进行聚类，得到第一聚类；再对第二预设点迹进行聚类，得到第一补充聚类，将第一补充聚类补充至第一聚类，得到第二聚类；依次类推，对毫米雷达波获取的所有点迹进行聚类，可以得到类簇。相应的，若当前车辆的前方包括多个车辆时，前述聚类过程之后，可以得到多个类簇。另外，聚类方法可以包括K-MEANS聚类、均值偏移聚类、DBSCAN聚类、使用高斯混合模型的期望最大化聚类和层次聚类等。本技术方案中，可以基于DBSCAN聚类算法，实现对点迹信息的聚类。其中，椭圆式距离计算公式可以为：其中，xi可以表示预设点迹的横坐标，yi可以表示预设点迹的纵坐标，xj可以表示预设点迹之外的其他点迹的横坐标，yj可以表示预设点迹之外的其他点迹的纵坐标，D可以为预设点迹与预设点迹之外的其他点迹之前的椭圆式距离，M和N可以为预设参数，其中，M+N＝1且M<N。(xi,yi)可以表示预设点迹的二维坐标信息，即位置信息，(xj,yj)可以表示预设点迹之外的其他点迹的二维坐标信息，即位置信息。对于上述DBSCAN聚类算法，聚类算法的输入可以包括：待聚类样本集S＝{(x1,y1)，(x2,y2)，…，(xm,ym)}，邻域参数(ε，minpoint)，距离度量方式其中M+N＝1；聚类算法的输出可以包括：簇划分C＝{C1,C2,...,Ck}。聚类的具体步骤可以包括：1)初始化核心对本文档来自技高网...

【技术保护点】
1.一种车辆航迹计算方法，其特征在于，包括：/n根据车辆的点迹信息，确定所述车辆的位置信息；/n基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇；/n根据所述类簇的点迹信息，确定所述车辆的航迹。/n

【技术特征摘要】
1.一种车辆航迹计算方法，其特征在于，包括：
根据车辆的点迹信息，确定所述车辆的位置信息；
基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇；
根据所述类簇的点迹信息，确定所述车辆的航迹。


2.根据权利要求1所述的车辆航迹计算方法，其特征在于，根据车辆的点迹信息，确定所述车辆的位置信息，包括：
基于雷达的安装角度和坐标转换公式，将车辆的点迹信息转化为车辆坐标系下的二维坐标位置信息。


3.根据权利要求1所述的车辆航迹计算方法，其特征在于，在基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇之前，还包括：
基于雷达的反射截面积的阈值和速度阈值，对所述点迹信息进行处理。


4.根据权利要求1所述的车辆航迹计算方法，其特征在于，基于椭圆式距离计算公式和所述位置信息，依次对所述点迹信息进行聚类，得到类簇，包括：
根据椭圆式距离计算公式和所述位置信息，对当前点迹信息进行聚类，得到初始类簇；
根据椭圆式距离计算公式和所述位置信息，依次对点迹信息进行聚类，得到补充类簇；
将所述补充类簇补充至初始类簇，得到所述类簇。


5.根据权利要求1所述的车辆航迹计算方法，其特征在于，根据所述类簇的点迹信息，确定所述车辆的航迹信息，包括：
根据所述类簇的点迹信息，确定所述类簇的航迹信息；
根据所述类簇的航迹信息，确定所述车辆的航迹信息。


6.根据权利要求5所述的车辆航迹计算方法，其特征在于...

【专利技术属性】
技术研发人员：付仁涛，王祎男，关瀛洲，魏源伯，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：吉林;22