障碍物运动轨迹预测方法、系统、设备及计算机可读存储介质技术方案

本发明专利技术实施例公开了一种障碍物运动轨迹预测方法、系统、设备及计算机可读存储介质，涉及导航技术领域。其中方法包括：获取目标障碍物在连续多个时刻所对应的跟踪点位置数据，并对跟踪点位置数据进行过滤；选择函数模型，采用随机采样一致性算法根据过滤后的跟踪点位置数据求解函数模型中参数的初始值；根据函数模型构建最小二乘问题，并采用梯度下降算法结合参数的初始值求解最小二乘问题，以获取优化后的模型参数；根据优化后的函数计算目标障碍物下一时刻的预测位置。本发明专利技术实施例可以提高障碍物运动轨迹预测结果的准确性，降低算法的计算量，提高实时性；此外，还可以支持同时对多个障碍物运动轨迹进行预测。

【技术实现步骤摘要】
障碍物运动轨迹预测方法、系统、设备及计算机可读存储介质
本专利技术实施例涉及导航
，特别涉及一种障碍物运动轨迹预测方法、系统、设备及计算机可读存储介质。
技术介绍
导航避障能力是机器人的基本功能之一，为了实现这个功能，机器人需要对障碍物的运动轨迹进行预判，以避免在导航行进过程中与障碍物发生碰撞。目前，机器人一般采用卡尔曼滤波算法对障碍物的运动轨迹进行预测，然而这种障碍物的运动轨迹预测方法需要对障碍物的运动状态(例如：运动速度及运动加速度等)有准确的了解，而且要求系统噪声和测量噪声为高斯噪声且相互独立，而这两点在实时跟踪过程中很难满足，导致预测结果的准确性低，并且这种算法的计算量大，导致实时性较差。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种障碍物运动轨迹预测方法、系统、设备及计算机可读存储介质，以解决上述现有的障碍物运动轨迹预测方法存在的预测结果的准备性低以及计算量大，导致实时性较差的问题。本专利技术实施例解决上述技术问题所采用的技术方案如下：根据本专利技术实施例的第一个方面，提供一种障碍物运动轨迹预测方法，该方法包括：获取目标障碍物在连续多个时刻所对应的跟踪点位置数据，并对所述跟踪点位置数据进行过滤；选择函数模型，采用随机采样一致性算法根据过滤后的跟踪点位置数据求解所述函数模型中参数的初始值；根据所述函数模型构建最小二乘问题，并采用梯度下降算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数；将优化后的模型参数代入所述函数模型得到优化后的函数，并根据所述优化后的函数计算所述目标障碍物下一时刻的预测位置。其中，所述采用随机采样一致性算法根据过滤后的跟踪点位置数据求解所述函数模型中参数的初始值包括：从过滤后的跟踪点位置数据中随机选择一组局内跟踪点位置数据，根据所述局内跟踪点位置数据求解所述函数模型对应的函数；用求解出的函数去测试其他跟踪点位置数据，获取所述求解出的函数的假设局内点；其中，若某个跟踪点位置适用所述函数模型，则该跟踪点位置为所述函数的假设局内点；判断所述求解出的函数的假设局内点的个数是否达到第一预设阈值；若所述求解出的函数的假设局内点的个数达到第一预设阈值，则用所述求解出的函数的所有假设的局内点重新求解所述函数模型对应的函数；返回到用求解出的函数去测试其他跟踪点位置数据，获取所述求解出的函数的假设局内点的步骤重复执行上述流程，直至求解出的函数的假设局内点的个数达到第二预设阈值。其中，所述判断所述求解出的函数的假设内点的个数是否达到第一预设阈值之后还包括：若所述求解出的函数的假设局内点的个数未达到所述第一预设阈值，则放弃所述函数模型，并返回到所述从过滤后的跟踪点位置数据中随机选择一组局内跟踪点位置数据，根据所述局内跟踪点位置数据求解所述函数模型的步骤。其中，所述采用梯度下降算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数包括：采用最速下降法、牛顿法、高斯牛顿法或者列文伯格-马夸尔特方法中的任一种算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数。根据本专利技术实施例的第二个方面，提供一种障碍物运动轨迹预测系统，包括：跟踪点过滤单元，用于获取目标障碍物在连续多个时刻所对应的跟踪点位置数据，并对所述跟踪点位置数据进行过滤；模型参数估算单元，用于选择函数模型，采用随机采样一致性算法根据过滤后的跟踪点位置数据求解所述函数模型中参数的初始值；模型参数优化单元，用于根据所述函数模型构建最小二乘问题，并采用梯度下降算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数；位置预测单元，用于将优化后的模型参数代入所述函数模型得到优化后的函数，并根据所述优化后的函数计算所述目标障碍物下一时刻的预测位置。其中，所述模型参数估算单元具体用于：从过滤后的跟踪点位置数据中随机选择一组局内跟踪点位置数据，根据所述局内跟踪点位置数据求解所述函数模型对应的函数；用求解出的函数去测试其他跟踪点位置数据，获取所述求解出的函数的假设局内点；其中，若某个跟踪点位置适用所述函数模型，则该跟踪点位置为所述函数的假设局内点；判断所述求解出的函数的假设局内点的个数是否达到第一预设阈值；若所述求解出的函数的假设局内点的个数达到第一预设阈值，则用所述求解出的函数的所有假设的局内点重新求解所述函数模型对应的函数；返回到用求解出的函数去测试其他跟踪点位置数据，获取所述求解出的函数的假设局内点的步骤重复执行上述流程，直至求解出的函数的假设局内点的个数达到第二预设阈值。其中，所述模型参数估算单元还用于：若所述求解出的函数的假设局内点的个数未达到所述第一预设阈值，则放弃所述函数模型，并返回到所述从过滤后的跟踪点位置数据中随机选择一组局内跟踪点位置数据，根据所述局内跟踪点位置数据求解所述函数模型的步骤。其中，所述模型参数优化单元具体用于：采用最速下降法、牛顿法、高斯牛顿法或者列文伯格-马夸尔特方法中的任一种算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数。根据本专利技术实施例的第三个方面，提供一种障碍物运动轨迹预测设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，该所述计算机程序被所述处理器执行时，实现如上述第一个方面中任一项所述的障碍物运动轨迹预测方法的步骤。根据本专利技术实施例的第四个方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第一个方面中任一项所述的障碍物运动轨迹预测方法的步骤。本专利技术实施例提供的障碍物运动轨迹预测方法、系统、设备及计算机可读存储介质，由于首先获取目标障碍物在连续多个时刻所对应的跟踪点位置数据，并对所述跟踪点位置数据进行过滤；然后，选择函数模型，采用随机采样一致性算法根据过滤后的跟踪点位置数据求解所述函数模型中参数的初始值；根据所述函数模型构建最小二乘问题，并采用梯度下降算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数；最后，将优化后的模型参数代入所述函数模型得到优化后的函数，并根据优化后的函数计算所述目标障碍物下一时刻的预测位置，其将障碍物运动轨迹预测问题转化为最小二乘问题，其无需知道障碍物的运动状态，对测量噪声不敏感，提高了障碍物运动轨迹预测结果的准确性，且降低了算法的计算量，提高了实时性；此外，还可以支持同时对多个障碍物运动轨迹进行预测。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一提供的障碍物运动轨迹预测方法的具体实现流程示意图；<本文档来自技高网...

【技术保护点】
1.一种障碍物运动轨迹预测方法，其特征在于，包括：/n获取目标障碍物在连续多个时刻所对应的跟踪点位置数据，并对所述跟踪点位置数据进行过滤；/n选择函数模型，采用随机采样一致性算法根据过滤后的跟踪点位置数据求解所述函数模型中参数的初始值；/n根据所述函数模型构建最小二乘问题，并采用梯度下降算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数；/n将优化后的模型参数代入所述函数模型得到优化后的函数，并根据所述优化后的函数计算所述目标障碍物下一时刻的预测位置。/n

【技术特征摘要】
1.一种障碍物运动轨迹预测方法，其特征在于，包括：
获取目标障碍物在连续多个时刻所对应的跟踪点位置数据，并对所述跟踪点位置数据进行过滤；
选择函数模型，采用随机采样一致性算法根据过滤后的跟踪点位置数据求解所述函数模型中参数的初始值；
根据所述函数模型构建最小二乘问题，并采用梯度下降算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数；
将优化后的模型参数代入所述函数模型得到优化后的函数，并根据所述优化后的函数计算所述目标障碍物下一时刻的预测位置。


2.如权利要求1所述的障碍物运动轨迹预测方法，其特征在于，所述采用随机采样一致性算法根据过滤后的跟踪点位置数据求解所述函数模型中参数的初始值包括：
从过滤后的跟踪点位置数据中随机选择一组局内跟踪点位置数据，根据所述局内跟踪点位置数据求解所述函数模型对应的函数；
用求解出的函数去测试其他跟踪点位置数据，获取所述求解出的函数的假设局内点；其中，若某个跟踪点位置适用所述函数，则该跟踪点位置为所述函数的假设局内点；
判断所述求解出的函数的假设局内点的个数是否达到第一预设阈值；
若所述求解出的函数的假设局内点的个数达到第一预设阈值，则用所述求解出的函数的所有假设的局内点重新求解所述函数模型对应的函数；
返回到用求解出的函数去测试其他跟踪点位置数据，获取所述求解出的函数的假设局内点的步骤重复执行上述流程，直至求解出的函数的假设局内点的个数达到第二预设阈值。


3.如权利要求2所述的障碍物运动轨迹预测方法，其特征在于，所述判断所述求解出的函数的假设内点的个数是否达到第一预设阈值之后还包括：
若所述求解出的函数的假设局内点的个数未达到所述第一预设阈值，则放弃所述函数模型，并返回到所述从过滤后的跟踪点位置数据中随机选择一组局内跟踪点位置数据，根据所述局内跟踪点位置数据求解所述函数模型的步骤。


4.如权利要求1所述的障碍物运动轨迹预测方法，其特征在于，所述采用梯度下降算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数包括：
采用最速下降法、牛顿法、高斯牛顿法或者列文伯格-马夸尔特方法中的任一种算法结合所述参数的初始值求解所述最小二乘问题，以获取优化后的模型参数。


5.一种障碍物运动轨迹预测系统，其特征在于，包括：
跟踪点过滤单元，用于获取目标障碍物在连续多个时刻所对应的跟踪点位置数据，并对所述跟踪点位置数据进行过滤；
模...

【专利技术属性】
技术研发人员：薄帅康，虞坤霖，刘俊斌，
申请(专利权)人：炬星科技深圳有限公司，
类型：发明
国别省市：广东;44