车辆的轨迹确定方法、装置、电子设备及计算机存储介质制造方法及图纸

本申请提供了一种车辆的轨迹确定方法、装置、电子设备及计算机存储介质。该车辆的轨迹确定方法，包括：获取目标车辆的位置特征和运动特征；基于位置特征和运动特征，从各个预设的道路模式中匹配出目标道路模式；其中，道路模式是通过对路侧摄像机获取的历史车流数据进行预处理，基于预处理后的历史车流数据进行聚类而得到的模式；基于目标道路模式的轨迹末端计算区域约束点；基于区域约束点，生成候选轨迹集合；依据目标车辆的运动模型，从候选轨迹集合中确定目标轨迹。根据本申请实施例，能够更加准确地确定车辆的轨迹。

【技术实现步骤摘要】
车辆的轨迹确定方法、装置、电子设备及计算机存储介质
本申请属于智能交通
，尤其涉及一种车辆的轨迹确定方法、装置、电子设备及计算机存储介质。
技术介绍
目前单车智能已实现了大部分交通场景，但是其存在对周围环境的感知范围有限的自身局限性。自动驾驶领域轨迹预测大部分算法是基于车端传感器实时获取车端状态信息，预测未来车辆行驶轨迹。上述算法的实施大都依赖车端传感器的实时车端状态数据，而且自动驾驶车辆对道路的全局感知范围有限，对于由于遮挡等原因对周围环境的感知错误更易发生。因此，如何更加准确地确定车辆的轨迹是本领域技术人员亟需解决的技术问题。
技术实现思路
本申请实施例提供一种车辆的轨迹确定方法、装置、电子设备及计算机存储介质，能够更加准确地确定车辆的轨迹。第一方面，本申请实施例提供一种车辆的轨迹确定方法，包括：获取目标车辆的位置特征和运动特征；基于位置特征和运动特征，从各个预设的道路模式中匹配出目标道路模式；其中，道路模式是通过对路侧摄像机获取的历史车流数据进行预处理，基于预处理后的历史车流数据进本文档来自技高网...

【技术保护点】
1.一种车辆的轨迹确定方法，其特征在于，包括：/n获取目标车辆的位置特征和运动特征；/n基于所述位置特征和所述运动特征，从各个预设的道路模式中匹配出目标道路模式；其中，所述道路模式是通过对路侧摄像机获取的历史车流数据进行预处理，基于预处理后的历史车流数据进行聚类而得到的模式；/n基于所述目标道路模式的轨迹末端计算区域约束点；/n基于所述区域约束点，生成候选轨迹集合；/n依据所述目标车辆的运动模型，从所述候选轨迹集合中确定目标轨迹。/n

【技术特征摘要】
1.一种车辆的轨迹确定方法，其特征在于，包括：
获取目标车辆的位置特征和运动特征；
基于所述位置特征和所述运动特征，从各个预设的道路模式中匹配出目标道路模式；其中，所述道路模式是通过对路侧摄像机获取的历史车流数据进行预处理，基于预处理后的历史车流数据进行聚类而得到的模式；
基于所述目标道路模式的轨迹末端计算区域约束点；
基于所述区域约束点，生成候选轨迹集合；
依据所述目标车辆的运动模型，从所述候选轨迹集合中确定目标轨迹。


2.根据权利要求1所述的车辆的轨迹确定方法，其特征在于，在所述基于所述位置特征和所述运动特征，从各个预设的道路模式中匹配出目标道路模式之前，还包括：
获取各个所述路侧摄像机感知范围内的历史视频流数据；
基于所述历史视频流数据，利用检测追踪算法得到所述历史车流数据；
对所述历史车流数据进行预处理，得到所述预处理后的历史车流数据；
利用所述预处理后的历史车流数据进行聚类，得到各个所述道路模式。


3.根据权利要求2所述的车辆的轨迹确定方法，其特征在于，所述对所述历史车流数据进行预处理，得到所述预处理后的历史车流数据，包括：
对所述历史车流数据进行无效短轨迹过滤、轨迹点时间归一化，得到所述预处理后的历史车流数据。


4.根据权利要求2所述的车辆的轨迹确定方法，其特征在于，所述利用所述预处理后的历史车流数据进行聚类，得到各个所述道路模式，包括：
基于所述预处理后的历史车流数据，计算轨迹相似度矩阵；
依据所述轨迹相似度矩阵，计算每条轨迹的局部密度值和簇间距离；
基于每条轨迹的所述局部密度值和所述簇间距离进行划分，得到各个所述道路模式。


5.根据权利要求4所述的车辆的轨迹确定方法，其特征在于，所述基于每条轨迹的所述局部密度值和所述簇间距离进行划分，得到各个所述道路模式，包括：
根据所述局部密度值和所述簇间距离的乘积...

【专利技术属性】
技术研发人员：殷艳坤，杜孝平，乌尼日其其格，段华旭，褚文博，邓亚辉，
申请(专利权)人：国汽北京智能网联汽车研究院有限公司，
类型：发明
国别省市：北京;11