一种自动驾驶车辆行驶道路模型预测方法技术

本发明专利技术公开了一种自动驾驶车辆行驶道路模型预测方法，包括步骤：感知信息初始化，分别基于道路信息、高精地图与导航地图以及车辆感知系统感知信息更新车辆行驶道路模型；基于上述道路信息、高精地图与导航地图以及车辆感知系统的感知输入更新得到当前时刻道路模型参数信息，并基于使用输入的感知类型确定当前时刻的道路模型的类型和信心值，得到的计算结果用于下一个时刻车辆行驶道路模型更新的初始值，并结合车辆运动状态得到先验预测车辆行驶道路模型，并结合下一个时刻的传感器输入，重复上述步骤的道路信息、高精地图与导航地图以及车辆感知系统感知更新，得到最终车辆行驶道路模型。本发明专利技术采用多种感知输入，能准确反馈车辆运动轨迹问题。车辆运动轨迹问题。车辆运动轨迹问题。

【技术实现步骤摘要】
一种自动驾驶车辆行驶道路模型预测方法


[0001]本专利技术涉及自动驾驶领域，具体为一种自动驾驶车辆行驶道路模型预测方法。

技术介绍

[0002]车辆行驶道路模型在自动驾驶车辆的行为规划和控制中起到重要作用，它可以预测本车行驶轨迹，进而对行驶轨迹上的道路特性障碍物信息进行获取和预测判断。进而用于自动驾驶车辆转向控制以及驱动、制动控制。如下图，基于车辆行驶道路模型可以对主车辆周围行驶的目标进行结构化处理并删减分割，将关键目标和危险目标进行提取，进而作为车辆横纵向控制输入。因此，车辆行驶道路模型的预测计算是自动驾驶领域中一项关键技术。
[0003]目前，车辆道路模型获取主要是基于单一信息预测：如基于只基于车身运动状态信息如车速、横摆角速度信息获取，是基于当前车辆状态的一种稳态估计方法，没有很好表征未来车辆运动趋势(如直行车辆前方出现弯道信息)；而基于车道线等感知信息虽然能表征未来一定时空下的道路信息，但受限于障碍物，天气等，获取的道路模型鲁棒性受限。而多种信息获取道路模型受限于不同类型感知系统获取信息不统一，很难对多个输入信息进行融合使用。
[0004]随着自动驾驶技术发展，未来自动驾驶车辆会安装越来越多的传感器，如雷达、摄像头、激光雷达、高精地图、高精度惯导IMU等传感器。得益于图像处理技术、目标融合技术、定位技术突破发展，获取多维度感知信息已经触手可及，而利用这些丰富的信息获取更加准确稳定的车辆道路模型会对行驶在公共道路上的自动驾驶车辆的全提供稳定可靠保证。

技术实现思路

[0005]本专利技术的目的在于提供一种自动驾驶车辆行驶道路模型预测方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种自动驾驶车辆行驶道路模型预测方法，包括步骤：
[0007]S1：感知信息初始化，分别基于道路信息、高精地图与导航地图以及车辆感知系统感知信息更新车辆行驶道路模型；
[0008]S2：基于S1中道路信息、高精地图与导航地图以及车辆感知系统的感知输入更新得到当前时刻道路模型参数信息，并基于使用输入的感知类型确定当前时刻的道路模型的类型和信心值，得到的计算结果用于下一个时刻车辆行驶道路模型更新的初始值，并结合车辆运动状态得到先验预测车辆行驶道路模型，并结合下一个时刻的传感器输入，重复S1中道路信息、高精地图与导航地图以及车辆感知系统感知更新，得到最终车辆行驶道路模型。
[0009]优选的，S1中基于道路信息更新车辆行驶道路模型的步骤包括：
[0010]S101a：判断获取的车道线、路延，栅栏信息是否能用于道路模型更新，然后判断该
信息的信心值(以车道线为例，主要检测其长度、清晰度、曲率、是否有交叉等信息)；
[0011]S102a：判断车辆是否有变道行为以及是否沿着车道线行驶；
[0012]S103a：将经过校验车道线模型离散化，并基于车辆行驶道路模型进行卡尔曼heading更新。
[0013]优选的，S1中基于高精地图与导航地图更新车辆行驶道路模型的步骤包括：
[0014]S101b：判断车辆定位系统是否正常以及当前道路上是否有高精地图覆盖；
[0015]S102b：将高精地图信息于导航地图信息融合，确定车辆行驶的路径Path信息；
[0016]S103b：根据高精度地图上的Path对应的Link获取车辆前方道路散点信息，并基于车辆行驶道路模型进行卡尔曼heading更新。
[0017]优选的，S1中基于车辆感知系统感知信息更新车辆行驶道路模型的步骤包括：
[0018]S101c：根据车辆感知系统获取前方行驶车辆信息，并筛选出运动且没有发生变道行为的车辆；
[0019]S102c：基于相邻采样时刻后期前后运动属性，运动属性包括位置、速度信息，并基于两个运动关系差值得到车辆的运动heading信息；
[0020]S103c：对上述所有获取的车辆的运动heading信息均值，并得到该均值的方差，作为卡尔曼更新的噪声，再对上述所有车辆heading与均值heading比较，获取差值在合理范围的车辆作为有效heading车辆，根据车辆的纵向位置与heading信息，基于车辆行驶道路模型进行卡尔曼heading更新。
[0021]优选的，步骤S101a
‑
S103a中基于有效的车道线、道路边沿信息、栅栏信息，并分别获取其在距离主车辆不同纵向距离下的多个散点信息，根据其纵向位置的heading信息，即车头方向与当前车道线当前点切线方向，用于更新车辆行驶道路模型。
[0022]优选的，步骤S101b
‑
S103b中基于导航地图与高精地图融合得到车辆未来行驶路径Path上所包含的Link信息，获取Link上当前车道的道路线散点信息更新车辆行驶道路模型。
[0023]优选的，S101c
‑
S103c中通过获取本车辆前方运动有效车辆目标，根据目标前后两个时间获取的运动信息得到目标运动heading，综合得到交通前方交通流的heading信息，再把与交通流heading近似的车辆作为单独的点更新车辆行驶道路模型。
[0024]优选的，S1的道路信息、高精地图与导航地图以及车辆感知系统感知信息更新模型可在不同感知输入下统一为前方某个距离下更新的heading信息，最终得到统一的车辆行驶道路模型。
[0025]优选的，上述方法是随着感知系统输入实时更新，根据车辆运动状态前方交流以及环境道路信息实时变化。
[0026]与现有技术相比，本专利技术的有益效果是：
[0027]本专利技术针对自动驾驶车辆行驶轨迹的车辆道路模型，采用多种感知输入，能准确反馈车辆前方运动轨迹问题；并且通过方法统一不同感知结果输出的更新方式，实现基于车辆及传感器多种输入下的车辆道路模型，而基于该模型能对行驶在公共道路上的自动驾驶车辆的全提供稳定可靠保证，提高了自动驾驶及交通信息领域对车辆行驶信息的处理、感知及更新。
附图说明
[0028]图1为本专利技术的实施例中基于不同感知输入更新建立的车辆行驶道路模型流程框图；
[0029]图2为本专利技术的实施例附图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]请参阅图1，本专利技术提供一种技术方案：一种自动驾驶车辆行驶道路模型预测方法，包括步骤：
[0032]S1：感知信息初始化，分别基于道路信息、高精地图与导航地图以及车辆感知系统感知信息更新车辆行驶道路模型；
[0033]S2：基于S1中道路信息、高精地图与导航地图以及车辆感知系统的感知输入更新得到当前时刻道路模型参数信息，并基于使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆行驶道路模型预测方法，其特征在于，包括如下步骤：S1：感知信息初始化，分别基于道路信息、高精地图与导航地图以及车辆感知系统感知信息更新车辆行驶道路模型；S2：基于S1中道路信息、高精地图与导航地图以及车辆感知系统的感知输入更新得到当前时刻道路模型参数信息，并基于使用输入的感知类型确定当前时刻的道路模型的类型和信心值，得到的计算结果用于下一个时刻车辆行驶道路模型更新的初始值，并结合车辆运动状态得到先验预测车辆行驶道路模型，并结合下一个时刻的传感器输入，重复S1中道路信息、高精地图与导航地图以及车辆感知系统感知更新，得到最终车辆行驶道路模型。2.根据权利要求1所述的一种自动驾驶车辆行驶道路模型预测方法，其特征在于，所述S1中基于道路信息更新车辆行驶道路模型的步骤包括：S101a：判断获取的车道线、路延，栅栏信息是否能用于道路模型更新，然后判断该信息的信心值；S102a：判断车辆是否有变道行为以及是否沿着车道线行驶；S103a：将经过校验车道线模型离散化，并基于车辆行驶道路模型进行卡尔曼heading更新。3.根据权利要求1所述的一种自动驾驶车辆行驶道路模型预测方法，其特征在于，所述S1中基于高精地图与导航地图更新车辆行驶道路模型的步骤包括：S101b：判断车辆定位系统是否正常以及当前道路上是否有高精地图覆盖；S102b：将高精地图信息于导航地图信息融合，确定车辆行驶的路径Path信息；S103b：根据高精度地图上的Path对应的Link获取车辆前方道路散点信息，并基于车辆行驶道路模型进行卡尔曼heading更新。4.根据权利要求1所述的一种自动驾驶车辆行驶道路模型预测方法，其特征在于，所述S1中基于车辆感知系统感知信息更新车辆行驶道路模型的步骤包括：S101c：根据车辆感知系统获取前方行驶车辆信息，并筛选出运动且没有发生变道行为的车辆；S102c：基于相邻采样时刻后...

【专利技术属性】
技术研发人员：叶光湖，
申请(专利权)人：上海智驾汽车科技有限公司，
类型：发明
国别省市：