一种车辆行驶意图预测方法、装置、电子设备和车辆制造方法及图纸

本申请涉及自动驾驶技术领域，特别涉及一种车辆行驶意图预测方法、装置、电子设备和车辆。该方法包括：获取目标车辆在多个历史时刻的行驶状态信息；根据多个历史时刻中每个历史时刻的行驶状态信息，确定每个历史时刻对应的历史意图结果；确定每个历史时刻对应的遗忘因子；遗忘因子用于表征相应的历史时刻的历史意图结果对目标预测结果的影响程度；目标预测结果用于表征目标车辆的行驶意图；根据多个历史时刻中每个历史时刻对应的历史意图结果和遗忘因子，确定目标预测结果。通过上述方法降低了对计算机算力和图片清晰度的要求，其相关参数的分析和调整更加便利。其中采用多个历史时刻的行驶状态数据和遗忘因子，可提高车辆行驶意图预测的准确性。意图预测的准确性。意图预测的准确性。

【技术实现步骤摘要】
一种车辆行驶意图预测方法、装置、电子设备和车辆


[0001]本申请涉及自动驾驶
，特别涉及一种车辆行驶意图预测方法、装置、电子设备和车辆。

技术介绍

[0002]目前车辆的自动驾驶技术的快速发展，自动驾驶技术的安全性一直是需要改进的难题。通常自动驾驶车辆(简称自车)基于当前周围的目标车辆的行驶意图(如变道意图)来规划未来一定时间内自车的行驶轨迹，如此可以有效提升自车行驶的安全性能。例如，自车基于目标车辆切入自车前方的变道意图，提前规划好未来一定时间内的行驶轨迹，并及时调整自车的运动决策，避免与目标车辆发生碰撞。然而，在室外复杂的环境下，目标车辆的行驶意图存在高度不确定性。
[0003]基于深度学习模型获得的行驶意图的准确率较高，现有技术中通常采用深度学习模型对目标车辆进行意图预测。但是，一方面，深度学习模型通常包括几十万至上千万的参数，使得深度学习模型的训练需要消耗高的计算机算力；另一方面，深度学习模型通常基于图像RGB卷积神经网络得到，需要从高清晰度的地图图像，以提取目标车辆行驶意图预测所需的特征信息(如车道线信息)。并且，由于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆行驶意图预测方法，其特征在于，所述方法包括：获取目标车辆在多个历史时刻的行驶状态信息；根据所述多个历史时刻中每个历史时刻的所述行驶状态信息，确定每个所述历史时刻对应的历史意图结果；确定每个所述历史时刻对应的遗忘因子；所述遗忘因子用于表征相应的所述历史时刻的所述历史意图结果对目标预测结果的影响程度；所述目标预测结果用于表征所述目标车辆的行驶意图；根据所述多个历史时刻中每个所述历史时刻对应的所述历史意图结果和所述遗忘因子，确定所述目标预测结果。2.根据权利要求1所述的方法，其特征在于，所述确定每个所述历史时刻对应的遗忘因子，包括：依照时间先后顺序，确定每个所述历史时刻对应的所述遗忘因子；各所述遗忘因子所表征的所述影响程度依照所述时间先后顺序依次增加。3.根据权利要求1或2所述的方法，其特征在于，每个历史时刻的所述行驶状态信息包括所述目标车辆的横向速度、所述目标车辆的航向角、所述目标车辆的车辆宽度、所述目标车辆所在的当前车道的车道宽度、所述目标车辆相对于所述当前车道的横向位置；所述确定每个所述历史时刻对应的历史意图结果，包括：基于每个所述历史时刻对应的车辆宽度、车道宽度和横向位置，确定横向偏移比；基于所述横向偏移比、所述横向速度和所述航向角，确定所述每个所述历史时刻对应的历史意图结果。4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取当前时刻所述目标车辆与所述目标车辆的周车的交互信息；所述周车包括距离所述目标车辆预设距离内的车辆；根据所述交互信息，确定第一辅助行驶意图结果；根据所述第一辅助行驶意图结果和所述目标预测结果，输出所述目标车辆的所述行驶意图。5.根据权利要求4所述的方法，其特征在于，所述交互信息包括所述周车的动量相关信息、所述周车的周车纵向速度、所述周车与所述目标车辆之间的周车纵向间距、所述目标车辆的目标纵向速度和所述目标车辆的目标纵向加速度中的...

【专利技术属性】
技术研发人员：白颖，邹欣，潘文博，李小刚，朱科引，吴鹏，陈永春，周陆杰，邓晟伟，刘翎予，李清越，计晨，唐杰，徐承乾，
申请(专利权)人：福思杭州智能科技有限公司，
类型：发明
国别省市：