【技术实现步骤摘要】
自车轨迹预测方法、系统和存储介质
[0001]本专利技术涉及汽车领域,特别是涉及一种用于车辆智能驾驶或先进驾驶辅助系统的自车轨迹预测方法。
技术介绍
[0002]在智能驾驶或先进驾驶辅助系统中,智能车辆需要对自车轨迹进行预测以评估道路环境中可能的碰撞风险,长期自车轨迹预测是一项关键技术。现有自车轨迹预测方法可分为三类:基于物理模型的方法、基于驾驶员行为的方法和基于机器学习的方法。
[0003]基于物理模型的方法采用诸如匀速、匀加速、匀横摆角速度等物理运动模型或者汽车两轮模型、汽车动力学模型等模型对自车未来运动轨迹进行预测。匀速、匀加速、匀横摆角速度等物理运动模型实现相对简单,但仅考虑车辆运动惯性,未考虑驾驶员操作的影响,在较长预测时间上与实际轨迹相差较大。汽车两轮模型、汽车动力学模型等对车辆运动进行了建模,考虑了驾驶员操作的影响,对自车轨迹预测相对物理运动模型精确,但由于驾驶员操作可能发生变化,在较长预测时间上仍与实际轨迹相差较大,且高自由度汽车动力学模型增加了算法复杂度。
[0004]基于驾驶员行为的方法首先对驾驶员行为进行预测,如变道、加速、刹车等,而后根据驾驶员行为对自车轨迹进行预测,该方法由于考虑了驾驶员行为,提高了自车轨迹预测精度。但对驾驶员行为的预测需要增加驾驶员监测系统,增加了系统复杂度,且驾驶员行为预测准确率不高会导致更大的轨迹预测偏差。
[0005]基于机器学习的方法采用线性回归、支持向量机、长短期记忆网络等方法,通过提取自车运动特征对自车轨迹进行预测,此类方法能够从大数据中 ...
【技术保护点】
【技术特征摘要】
1.一种自车轨迹预测方法,其特征在于,包括以下步骤:S1,根据当前车辆运动状态采用匀加速模型预测时间t
i
处车速v
i
;S2,计算预测时间t
i
处车辆横摆角速度ω
i
;S3,计算预测时间t
i
自车的坐标和朝向角,获得基于运动学模型的第一自车预测轨迹;S4,根据车道中心线方程计算自车预测点的坐标,获得基于车道中心线的第二自车预测轨迹;S5,最终预测轨迹坐标采用第一自车预测轨迹和第二自车预测轨迹的加权平均值。2.如权利要求1所述的自车轨迹预测方法,其特征在于:K为通过实车标定确定的一阶惯性系统的时间常数,α
i
为预测时间t
i
处方向盘转角,L为车辆轴距,r为转向传动比,k为滤波系数。3.如权利要求1所述的自车轨迹预测方法,其特征在于,步骤S3包括:时刻t
i
第一自车预测轨迹预测位置坐标和朝向角分别为从时间t
i
到t
i+1
,车辆运动距离增量d
i
和转向角度增量θ
i
分别为:坐标增量Δx
i
,Δy
i
为:转换到自车坐标系下得到t
i+1
时刻的坐标和朝向角为:计算可得任意预测时间点的坐标和朝向角,得到基于运动学模型的第一自车预测轨迹。4.如权利要求1所述的自车轨迹预测方法,其特征在于,步骤S4包括:车道中心线方程为:y=a0+a1x+a2x2+a3x3,a0,a1,a2,a3为车道中心线方程的系数;时刻t
i
第二自车预测轨迹预测位置坐标为车辆运动距离增量为d
i
=v
i
Δt,此处车道中心线切线方向角β
i
为:时刻t
i+1
处车辆预测位置横坐标为:时刻t
i+1
处车辆预测位置纵坐标为:计算可得任意预测点的坐标,得到基于车道中心线的第二自车预测轨迹。5.如权利要求1所述的自车轨迹预测方法,其特征在于,步骤S5包括:
为最终预测轨迹坐标,为时刻t
i
第一自车预测轨迹位置坐标,时刻t
i
自车预测位置坐标,T
p
为预测时间,Δt为离散时间间隔,w
i
为权重系数。6.如权利要求5所述的自车轨迹预测方法,其特征在于:T
M
,T
L
为标定的时间阈值。7.一种计算机可读存储介质,其特征在于:其内部存储有一程序,所述程序被执行时,实现权利要求1
‑
6任意一项所述自车轨迹预测方法中的步骤。8.一种自车轨...
【专利技术属性】
技术研发人员:寇胜杰,许英,管登诗,杨静宁,田贺,芦畅,
申请(专利权)人:联创汽车电子有限公司,
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。