本申请实施例涉及无人车领域，公开了一种目标的意图识别和轨迹预测方法、装置、无人车及介质。其中，方法包括：根据高精度地图和目标的当前时刻的位置，获取若干个停止点信息和若干条引导线；根据目标的历史轨迹，在若干条引导线中筛选符合当前时刻目标轨迹的所述引导线作为候选引导线；基于目标的历史轨迹及停止点信息，使用曲线进行轨迹拟合，生成与机动模型对应的模板轨迹；对比模板轨迹和候选引导线，获得模板轨迹与所述候选引导线之间的距离度量；根据距离度量，获得模板轨迹的目标意图；根据距离度量和目标意图，获得预测轨迹。本申请能够同时准确的识别目标的意图和轨迹预测，算法轻量化，计算速度快，对高精度地图的要求低，便于实现。便于实现。便于实现。
【技术实现步骤摘要】
目标的意图识别和轨迹预测方法、装置、无人车及介质
[0001]本申请实施例涉及无人驾驶
，尤其涉及一种目标的意图识别和轨迹预测方法、装置、无人车及介质。
技术介绍
[0002]在无人驾驶系统中，能否识别无人车周围目标的意图并预测其未来轨迹，是评估无人车感知能力的强弱以及评价无人车智能性的一项重要指标。作为感知模块中目标检测、目标跟踪功能的后继，目标的意图识别与轨迹预测提供了未来时刻目标在场景中的位置信息与行为模式估计，给规划模块提供可靠的输入，使得无人车在复杂场景中的避障行为更加智能，路权判断更加准确。
[0003]本申请专利技术人在实现本申请实施例的过程中，发现：现有技术中，将目标的意图识别和轨迹预测分开处理，轨迹预测算法多依赖木匾的物理运动模型，计算代价高，长时间预测的精度有限，并且，目标的意图识别和轨迹预测分开处理有可能带来预测结果相互矛盾的问题。
技术实现思路
[0004]本申请实施例的目的是提供一种目标的意图识别和轨迹预测方法、装置、无人车及介质，能够同时准确的识别目标的意图和轨迹预测，且算法轻量化，计算速度快，对高精度地图的要求低，便于实现。
[0005]为解决上述技术问题，本申请实施例采用以下技术方案：
[0006]第一方面，本申请实施例中提供给了一种目标的意图识别和轨迹预测方法，包括：
[0007]根据高精度地图和目标的当前时刻的位置，在所述高精度地图中获取若干个停止点信息和由所述目标的轨迹点构成的若干条引导线；
[0008]根据所述目标的历史轨迹，在若干条所述引导线中筛选符合所述当前时刻目标所处轨迹的所述引导线作为候选引导线；
[0009]基于所述目标的历史轨迹及所述停止点信息，使用曲线进行轨迹拟合，生成与所述机动模型对应的模板轨迹；
[0010]对比所述模板轨迹和所述候选引导线，获得所述模板轨迹与所述候选引导线之间的距离度量；
[0011]根据所述距离度量，获得所述模板轨迹的目标意图；
[0012]根据所述距离度量和所述目标意图，获得预测轨迹。
[0013]在一些实施例中，所述根据所述目标的历史轨迹，在若干条所述引导线中筛选符合所述当前时刻目标所处轨迹的所述引导线作为候选引导线的步骤，包括：
[0014]根据所述目标的当前时刻，从所述历史轨迹获取所述目标的历史状态点；
[0015]判断所述历史状态点是否处于当前时刻目标的轨迹的当前引导线，所述当前引导线为所述若干条引导线中的至少一条；
[0016]若是，则将所述当前引导线作为候选引导线。
[0017]在一些实施例中，判断所述历史状态点是否处于当前时刻目标的轨迹的当前引导线的步骤，包括：
[0018]判断所述历史状态点是否同时满足预设条件，所述预设条件包括：所述历史状态点与所述当前引导线之间的距离小于预设距离；所述当前引导线的方向与所述历史轨迹的轨迹方向在Frenet坐标系下一致；所述历史轨迹在所述Frenet坐标系下的横向区间小于径向区间。
[0019]在一些实施例中，所述基于所述目标的历史轨迹及所述停止点信息，使用曲线进行轨迹拟合，生成模板轨迹，包括：
[0020]将所述历史轨迹投影到所述机动模型对应的候选引导线所在的Frenet坐标系上，获取曲线拟合的初始点；
[0021]根据所述停止点信息，获取曲线拟合的终止点；
[0022]基于所述初始点和所述终止点，使用曲线拟合径向轨迹和侧向轨迹；
[0023]将所述径向轨迹和所述侧向轨迹组合，保存为模板轨迹。
[0024]在一些实施例中，所述机动模型为跟车机动模型或停车机动模型时，所述基于所述目标的历史轨迹及所述停止点信息，使用曲线进行轨迹拟合，生成模板轨迹，包括：
[0025]在拟合所述径向轨迹时，如果所述径向轨迹不符合要求，则剔除不符合要求的径向轨迹。
[0026]在一些实施例中，所述根据所述距离度量，获得所述模板轨迹的目标意图，包括：
[0027]对模板轨迹的意图进行分类，获取各个类别的意图中距离度量最小的模板轨迹作为代表模板；
[0028]计算所述代表模板符合所述历史轨迹的概率；
[0029]将所述概率最大的代表模板作为目标意图。
[0030]在一些实施例中，所述根据所述距离度量和所述目标意图，获得预测轨迹，包括：
[0031]将所述历史轨迹投影到所述目标意图对应的Frenet坐标系中后，使用高斯过程回归模型预测所述目标意图的预测未来轨迹，获得预测轨迹；其中，所述高斯过程回归模型以所述历史轨迹作为训练样本进行训练获得。
[0032]第二方面，本申请实施例还提供一种目标的意图识别和轨迹预测装置，所述装置包括：
[0033]引导线获取模块，用于根据高精度地图和目标的当前时刻的位置，在所述高精度地图中获取若干个停止点信息和由所述目标的轨迹点构成的若干条引导线；
[0034]筛选模块，用于根据所述目标的历史轨迹，在若干条所述引导线中筛选符合所述当前时刻目标所处轨迹的所述引导线作为候选引导线；
[0035]模板轨迹生成模块，用于基于所述目标的历史轨迹及所述停止点信息，使用曲线进行轨迹拟合，生成与所述机动模型对应的模板轨迹；
[0036]对比模块，用于对比所述模板轨迹和所述候选引导线，获得所述模板轨迹与所述候选引导线之间的距离度量；
[0037]目标意图获取模块，用于根据所述距离度量，获得所述模板轨迹的目标意图；
[0038]预测轨迹获取模块，用于根据所述距离度量和所述目标意图，获得预测轨迹。
[0039]第三方面，本申请还提供一种无人车，所述无人车包括：
[0040]至少一个处理器，以及
[0041]存储器，所述存储器与所述处理器通信连接，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
[0042]第四方面，本申请还提供一种非易失性计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被无人车执行时，使所述无人车执行如第一方面任一项所述的方法。
[0043]本申请实施例的有益效果：区别于现有技术的情况，本申请实施例提供的目标的意图识别和轨迹预测方法、装置、无人车及介质，根据高精度地图和目标的当前时刻的位置，在所述高精度地图中获取若干个停止点信息和由所述目标的轨迹点构成的若干条引导线，然后，根据所述目标的历史轨迹，在若干条所述引导线信息中筛选符合所述当前时刻目标所处轨迹的引导线作为候选引导线；基于所述目标的历史轨迹及所述停止点信息，使用曲线进行轨迹拟合，生成与所述机动模型对应的模板轨迹，由于机动模型不同，获得的模板轨迹不同；对比所述模板轨迹和所述候选引导线，获得所述模板轨迹与所述候选引导线之间的距离度量，根据所述距离度量，获得所述模板轨迹的目标意图，从而找到最符合历史轨迹的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标的意图识别和轨迹预测方法，其特征在于，应用于无人车，所述方法包括：根据高精度地图和目标的当前时刻的位置，在所述高精度地图中获取若干个停止点信息和由所述目标的轨迹点构成的若干条引导线；根据所述目标的历史轨迹，在若干条所述引导线中筛选符合所述当前时刻目标所处轨迹的所述引导线作为候选引导线；基于所述目标的历史轨迹及所述停止点信息，使用曲线进行轨迹拟合，生成与所述机动模型对应的模板轨迹；对比所述模板轨迹和所述候选引导线，获得所述模板轨迹与所述候选引导线之间的距离度量；根据所述距离度量，获得所述模板轨迹的目标意图；根据所述距离度量和所述目标意图，获得预测轨迹。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标的历史轨迹，在若干条所述引导线中筛选符合所述当前时刻目标所处轨迹的所述引导线作为候选引导线的步骤，包括：根据所述目标的当前时刻，从所述历史轨迹获取所述目标的历史状态点；判断所述历史状态点是否处于当前时刻目标的轨迹的当前引导线，所述当前引导线为所述若干条引导线中的至少一条；若是，则将所述当前引导线作为候选引导线。3.根据权利要求2所述的方法，其特征在于，所述判断所述历史状态点是否处于当前时刻目标的轨迹的当前引导线的步骤，包括：判断所述历史状态点是否同时满足预设条件，所述预设条件包括：所述历史状态点与所述当前引导线之间的距离小于预设距离；所述当前引导线的方向与所述历史轨迹的轨迹方向在Frenet坐标系下一致；所述历史轨迹在所述Frenet坐标系下的横向区间小于径向区间。4.根据权利要求1所述的方法，其特征在于，所述基于所述目标的历史轨迹及所述停止点信息，使用曲线进行轨迹拟合，生成模板轨迹，包括：将所述历史轨迹投影到所述机动模型对应的候选引导线所在的Frenet坐标系上，获取曲线拟合的初始点；根据所述停止点信息，获取曲线拟合的终止点；基于所述初始点和所述终止点，使用曲线拟合径向轨迹和侧向轨迹；将所述径向轨迹和所述侧向轨迹组合，保存为模板轨迹。5.根据权利要求4所述的方法，其特征在于，所述机动模型为跟车机动模型或停车机动模型时，在所述基于所述目标的历史轨迹及所述停止点信息，使用曲线进行轨迹拟合，生成模板轨迹之后，所述方法还...
【专利技术属性】
技术研发人员：张书洋，刘明，王鲁佳，
申请(专利权)人：深圳一清创新科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。