一种无人车轨迹预测方法及装置制造方法及图纸

本申请提供一种无人车轨迹预测方法、装置、电子设备及可读存储介质，所述方法包括：根据激光雷达绘制的点云地图构建矢量地图；基于矢量地图生成变道代价最小的全局最优路径；从全局最优路径中截取出待规划部分并生成若干条候选路径，继而基于多传感器融合预测的障碍物轨迹，对所有候选路径进行综合评估并选取出局部最优路径作为无人车预测行驶轨迹。本发明专利技术通过采用多传感器融合感知的障碍物信息进行全局路径规划和局部路径规划，在全局路径规划中考虑了变道代价评估，在局部路径规划考虑了根据多传感器融合预测的动态障碍物轨迹信息，从而有效提高无人车轨迹预测的准确性，确保无人车能够安全可靠地行驶。人车能够安全可靠地行驶。人车能够安全可靠地行驶。

【技术实现步骤摘要】
一种无人车轨迹预测方法及装置


[0001]本申请涉及自动驾驶
，具体涉及一种无人车轨迹预测方法、装置、电子设备及可读存储介质。

技术介绍

[0002]自动驾驶技术核心之一是导航规划。在道路上实现车辆的自动驾驶时，需要车辆对轨迹进行准确的预测才能保证车辆安全地行驶到目的地。车体轨迹预测的准确性受传感器的噪声、车体自身速度、环境变化性、道路上障碍物问题和车辆运动学问题等因素的影响，这些问题都会导致不确定性的积累，而当不确定性积累到一定程度，预测得到的轨迹则不可信。
[0003]传感器将物理世界按照一定的数据编码，然后将编码后的数据传送给感知模块，则感知模块可以通过相关的算法提取物理世界模型。导航规划模块就是利用传感器感知车辆周边环境，根据感知所获得的道路、车辆位置和障碍物信息来预测轨迹。
[0004]导航规划模块用到的核心传感器是超声波雷达、LIDAR、Camera等。导航规划模块利用这些数据感知障碍物，然后通过路径规划算法进行全局规划和局部规划。理想条件下，导航规划模块利用高精度地图即可完成全局路径的规划再用传感器数据进行感本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人车轨迹预测方法，其特征在于，包括：根据激光雷达绘制的点云地图构建矢量地图；当判断当前起始点和目标点分别与所述矢量地图的车道线相距的距离均小于预设的距离阈值时，基于所述矢量地图生成变道代价最小的全局最优路径；从所述全局最优路径中截取出待规划部分并生成若干条候选路径，继而基于多传感器融合预测的障碍物轨迹，对所有候选路径分别进行可通行性评估和时间代价评估得到各条候选路径的综合评估结果；根据所述综合评估结果从所有候选路径中选取出局部最优路径作为无人车预测行驶轨迹。2.根据权利要求1所述的无人车轨迹预测方法，其特征在于，所述根据激光雷达绘制的点云地图构建矢量地图，包括：根据激光雷达绘制的点云地图，识别出所述点云地图中车道标识，并根据所述车道标识进行构建得到所述矢量地图；其中，所述车道标识包括车道线、马路边缘和交通矢量标识。3.根据权利要求1所述的无人车轨迹预测方法，其特征在于，所述当判断当前起始点和目标点分别与所述矢量地图的车道线相距的距离均小于预设的距离阈值时，基于所述矢量地图生成变道代价最小的全局最优路径，包括：当判断当前起始点和目标点分别与所述矢量地图的车道线相距的距离均小于预设的距离阈值时，基于所述矢量地图生成若干条符合车辆运动学约束的候选全局路径；对所有候选全局路径进行变道代价评估，继而从所述候选全局路径中选取出变道代价最小的全局最优路径。4.根据权利要求3所述的无人车轨迹预测方法，其特征在于，所述对所有候选全局路径进行变道代价评估，并从所述候选全局路径中选取出变道代价最小的全局最优路径，包括：从所述候选全局路径的起始点开始进行广度优先搜索，并当遇到障碍物时进行变道搜索，到达目标点后根据距离评估参数计算该候选全局路径的变道代价，继而选取出变道代价最小的候选全局路径作为所述全局最优路径；其中，所述障碍物为由激光雷达和相机进行融合感知获得。5.根据权利要求1所述的无人车轨迹预测方法，其特征在于，所述从所述全局最优路径中截取出待规划部分并生成若干条候选路径，继而基于多传感器融合预测的障碍物轨迹，对所有候选路径...

【专利技术属性】
技术研发人员：姚松涛，何军强，季华，王其超，沈林强，
申请(专利权)人：杭州鸿泉物联网技术股份有限公司，
类型：发明
国别省市：