本发明专利技术属于自动驾驶技术领域，提供一种本车道前向目标切出概率预测方法、装置及存储介质，预测方法包括：步骤S1、筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；步骤S2、根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；步骤S3、筛选出影响所述目标车辆切出概率的交互车辆。本申请的预测方法既考虑了目标车辆周边的复杂交通环境，划分了交互车辆的多种语义行为，并且还考虑了目标车辆基于物理运动的实际情况，使得最终计算出的目标车辆的切出概率更加准确，并且可快速响应，具有较高的灵敏性。具有较高的灵敏性。具有较高的灵敏性。
【技术实现步骤摘要】
本车道前向目标切出概率预测方法、装置及存储介质
[0001]本专利技术属于自动驾驶
，具体涉及本车道前向目标切出概率预测方法、装置及存储介质。
技术介绍
[0002]自动驾驶系统采用先进的通信、计算机、网络和控制技术，对列车实现实时、连续控制。采用现代通信手段，直接面对列车，可实现车地间的双向数据通信，传输速率快，信息量大，后续追踪列车和控制中心可以及时获知前行列车的确切位置，使得运行管理更加灵活，控制更为有效，更加适应列车自动驾驶的需求。
[0003]自动驾驶技术主要包括环境感知、决策规划和控制执行三个部分。在当前传感器能力不足，环境感知精度有限的情况下，决策规划是保障自动驾驶车辆安全可靠行驶的最关键步骤。为提高复杂交通场景下的决策规划能力，需要对交通状况，特别是对本车周边其他目标的行为(如图1所示)进行预测，这样才能保证决策规划的合理性，为控制执行部分预留充足的处理时间并提高舒适性。
[0004]现目前对于目标行为的预测算法主要有两种，第一种是基于单个目标的预测，第二种是基于周围车辆交互行为的预测。但是在预测本车道前向目标车辆切出概率的过程中，这两种预测方法均具有一定的缺陷，没有同时兼顾考虑目标本身的运动规律以及周边车辆的驾驶行为，导致预测结果准确率较低。
技术实现思路
[0005]本专利技术的目的是：旨在提供本车道前向目标切出概率预测方法、装置及存储介质，用来解决
技术介绍
中指出的，现有技术中预测本车道前向目标车辆切出概率的过程中，没有同时兼顾考虑目标本身的运动规律以及周边车辆的驾驶行为，导致预测结果准确率较低的问题。
[0006]为实现上述技术目的，本专利技术采用的技术方案如下：
[0007]第一方面，提供一种本车道前向目标切出概率预测方法，所述预测方法包括：
[0008]步骤S1、筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；
[0009]步骤S2、根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；
[0010]步骤S3、筛选出影响所述目标车辆切出概率的交互车辆；
[0011]步骤S4、对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；
[0012]步骤S5、基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；
[0013]步骤S6、对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所
述相对横向速度，并基于目标物理运动计算出所述目标车辆的在预测时长内的预测横向相对位置；
[0014]步骤S7、根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；
[0015]步骤S8、根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；
[0016]步骤S9、根据所述第一变化速率、所述第二变化速率以及所述目标车辆上一周期的切出概率，计算出所述目标车辆的切出概率。
[0017]结合第一方面，在步骤S3中，所述交互车辆包括目标前向的车辆、本车道相邻车道上的车辆和本车。
[0018]结合第一方面，在步骤S4中，所述语义行为根据所述交互车辆相对于所述目标车辆的纵向位置、速度和加速度进行划分；在步骤S5中，所述第一变化速率由划分后的所述语义行为组合后进行树形检索得到。
[0019]结合第一方面，在步骤S6中，所述预测横向相对位置的计算公式如下：
[0020]L_Lat_Pred＝L_Lat+V_Lat*Time，
[0021]其中，L_Lat_Pred表示预测横向相对位置，L_Lat表示所述目标车辆的当前横向相对位置，V_Lat为卡尔曼滤波处理后的所述相对横向速度，Time表示预测时长。
[0022]结合第一方面，在步骤S8中，所述第二变化速率的计算公式如下：
[0023]P_Rate_Lat＝(P_Lat_Pred
‑
P_Lat)/Time，
[0024]其中，P_Rate_Lat表示第二变化速率，P_Lat_Pred表示预测切出概率值，P_Lat表示初始切出概率值，Time表示预测时长。
[0025]结合第一方面，在步骤S9中，所述目标车辆的切出概率的计算公式如下：
[0026]P＝P_Pre+P_Rate，
[0027]P_Rate＝P_Rate_Lat+P_Rate_Beh，
[0028]其中，P表示所述目标车辆的切出概率，P_Pre表示所述目标车辆上一周期的切出概率，P_Rate表示变化速率，P_Rate_Lat表示第一变化速率，P_Rate_Beh表示第二变化速率。
[0029]结合第一方面，当所述变化速率P_Rate大于O时，设置当前时刻所述目标车辆的切出概率P的上限为所述预测切出概率值P_Lat_Pred，下限为所述初始切出概率值P_Lat；
[0030]当所述变化速率P_Rate小于O时，设置当前时刻所述目标车辆的切出概率P的上限为所述初始切出概率值P_Lat，下限为所述预测切出概率值P_Lat_Pred；
[0031]所述切出概率P的初始化值为0，并且当所述切出概率P超过上限或者下限时，所述切出概率P等于限值。
[0032]第二方面，提供一种本车道前向目标切出概率预测装置，所述预测装置包括：
[0033]第一筛选模块，用于筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；
[0034]规划模块，用于根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；
[0035]第二筛选模块，用于筛选出影响所述目标车辆切出概率的交互车辆；
[0036]行为划分模块，用于对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；
[0037]第一获取模块，用于基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；
[0038]第一处理模块，用于对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所述相对横向速度，计算出所述目标车辆的在预测时长内的预测横向相对位置；
[0039]第二获取模块，用于根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；
[0040]第二处理模块，用于根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；
[0041]第三处理模块，用于根据所述第一变化速率、所述第二本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种本车道前向目标切出概率预测方法，其特征在于，所述预测方法包括：步骤S1、筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；步骤S2、根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；步骤S3、筛选出影响所述目标车辆切出概率的交互车辆；步骤S4、对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；步骤S5、基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；步骤S6、对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所述相对横向速度，并基于目标物理运动计算出所述目标车辆的在预测时长内的预测横向相对位置；步骤S7、根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；步骤S8、根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；步骤S9、根据所述第一变化速率、所述第二变化速率以及所述目标车辆上一周期的切出概率，计算出所述目标车辆的切出概率。2.根据权利要求1所述的预测方法，其特征在于，在步骤S3中，所述交互车辆包括目标前向的车辆、本车道相邻车道上的车辆和本车。3.根据权利要求2所述的预测方法，其特征在于，在步骤S4中，所述语义行为根据所述交互车辆相对于所述目标车辆的纵向位置、速度和加速度进行划分；在步骤S5中，所述第一变化速率由划分后的所述语义行为组合后进行树形检索得到。4.根据权利要求3所述的预测方法，其特征在于，在步骤S6中，所述预测横向相对位置的计算公式如下：L_Lat_Pred＝L_Lat+V_Lat*Time，其中，L_Lat_Pred表示预测横向相对位置，L_Lat表示所述目标车辆的当前横向相对位置，V_Lat为卡尔曼滤波处理后的所述相对横向速度，Time表示预测时长。5.根据权利要求4所述的预测方法，其特征在于，在步骤S8中，所述第二变化速率的计算公式如下：P_Rate_Lat＝(P_Lat_Pred
‑
P_Lat)/Time，其中，P_Rate_Lat表示第二变化速率，P_Lat_Pred表示预测切出概率值，P_Lat表示初始切出概率值，Time表示预测时长。6.根据权利要求5所述的预测方法，其特征在于，在步骤S9中，...
【专利技术属性】
技术研发人员：王晟，周晓宇，任凡，陶小松，邱利宏，
申请(专利权)人：重庆长安汽车股份有限公司，
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。