车辆轨迹的预测方法、装置、车辆、设备及介质制造方法及图纸

本公开提供了一种车辆轨迹的预测方法、装置、车辆、电子设备及计算机可读存储介质，涉及自动驾驶技术领域。该方法包括：根据恒定转率和加速度模型CTRA获取车辆的第一轨迹；根据隐马尔可夫模型HMM获取所述车辆的驾驶意图；根据所述车辆的驾驶意图通过高斯混合模型GMM获取所述车辆的换道结束点坐标；根据所述车辆当前坐标和所述车辆的换道结束点坐标通过五次多项式获取所述车辆的第二轨迹；根据所述第一轨迹和所述第二轨迹获取所述车辆的合成轨迹。本公开实施例提供的方法，可以实现对车辆轨迹的更准确预测。的更准确预测。的更准确预测。

【技术实现步骤摘要】
车辆轨迹的预测方法、装置、车辆、设备及介质


[0001]本公开涉及自动驾驶
，尤其涉及一种车辆轨迹的预测方法、装置、车辆、电子设备及计算机可读存储介质。

技术介绍

[0002]目前，随着感知技术的快速发展，为自动驾驶技术的落地奠定了基础。感知系统作为自动驾驶汽车的重要组成部分，承担着感知交通/道路环境的重要任务。通过感知周围交通车辆的运动信息，使车辆能够“理解”交通/道路环境，自动驾驶汽车才能做出合理的决策，并完成具体的驾驶任务。然而，制约自动驾驶技术落地的主要技术难点之一是汽车无法深入“了解”交通环境，尤其是无法准确预测周围交通车辆的运动轨迹，导致自动驾驶的驾驶行为与真实驾驶员的驾驶行为不一致，降低了周围的驾驶员和车内乘客对自动驾驶技术的信任度。

技术实现思路

[0003]本公开实施例提供了一种车辆轨迹的预测方法、装置、车辆、电子设备及计算机可读存储介质，涉及车辆
，可以实现对车辆轨迹的预测。
[0004]本公开实施例提供了一种车辆轨迹的预测方法，包括：根据恒定转率和加速度模型CTRA获取车辆的第一轨迹；根据隐马尔可夫模型HMM获取所述车辆的驾驶意图；根据所述车辆的驾驶意图通过高斯混合模型GMM获取所述车辆的换道结束点坐标；根据所述车辆当前坐标和所述车辆的换道结束点坐标通过五次多项式获取所述车辆的第二轨迹；根据所述第一轨迹和所述第二轨迹获取所述车辆的合成轨迹。
[0005]在一个实施例中，根据恒定转率和加速度模型CTRA获取车辆的第一轨迹包括：获取所述车辆的纵向坐标、横向坐标、横摆角、纵向速度、加速度和横摆角速度；根据所述车辆的纵向坐标、横向坐标、横摆角、纵向速度、加速度和横摆角速度，基于所述CTRA获取所述车辆的第一轨迹。
[0006]在一个实施例中，根据隐马尔可夫模型HMM获取所述车辆的驾驶意图包括：获取所述车辆的横向坐标和横向速度；根据所述车辆的横向坐标和横向速度基于所述HMM获取所述车辆的驾驶意图。
[0007]在一个实施例中，根据所述车辆的驾驶意图通过高斯混合模型GMM获取所述车辆的换道结束点坐标包括：根据采集得到的真实驾驶员数据集，采用所述GMM进行统计得到驾驶员的驾驶行为模型；根据驾驶员的驾驶行为模型获取随速度变化的最大概率的车辆纵向坐标以及横向坐标曲线；根据所述车辆速度和随速度变化的最大概率的车辆纵向坐标以及横向坐标曲线获取所述车辆的换道结束点坐标。
[0008]在一个实施例中，根据所述车辆当前坐标和所述车辆的换道结束点坐标通过五次多项式获取所述车辆的第二轨迹包括：根据所述车辆的换道结束点坐标获取所述五次多项式的系数矩阵；根据所述五次多项式的系数矩阵和所述五次多项式确定所述第二轨迹。
[0009]在一个实施例中，根据所述第一轨迹和所述第二轨迹获取所述车辆的合成轨迹包括：在所述车辆的驾驶意图为左转或右转且预测时间小于意图识别的滞后时间时，以所述第一轨迹为主合成所述车辆的合成轨迹；在所述车辆的驾驶意图为左转或右转且预测时间大于等于意图识别的滞后时间时，以所述第二轨迹为主合成所述车辆的合成轨迹。
[0010]本公开实施例提供了一种车辆轨迹的预测装置，包括：获取单元，用于根据恒定转率和加速度模型CTRA获取车辆的第一轨迹；所述获取单元，还用于根据隐马尔可夫模型HMM获取所述车辆的驾驶意图；所述获取单元，还用于根据所述车辆的驾驶意图通过高斯混合模型GMM获取所述车辆的换道结束点坐标；所述获取单元，还用于根据所述车辆当前坐标和所述车辆的换道结束点坐标通过五次多项式获取所述车辆的第二轨迹；合成单元，用于根据所述第一轨迹和所述第二轨迹获取所述车辆的合成轨迹。
[0011]本公开实施例提供了一种车辆，包括如上实施例的所述车辆轨迹的预测装置。
[0012]本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，配置为存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上实施例中任一项所述的方法。
[0013]本公开实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如如上实施例中任一项所述的方法。
[0014]本申请的车辆轨迹的预测方法，通过根据恒定转率和加速度模型CTRA获取车辆的第一轨迹；根据隐马尔可夫模型HMM获取所述车辆的驾驶意图；根据所述车辆的驾驶意图通过高斯混合模型GMM获取所述车辆的换道结束点坐标；根据所述车辆当前坐标和所述车辆的换道结束点坐标通过五次多项式获取所述车辆的第二轨迹；根据所述第一轨迹和所述第二轨迹获取所述车辆的合成轨迹，能够对车辆轨迹的更准确预测。
附图说明
[0015]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本公开实施例提供的车辆轨迹的预测方法的流程图；
[0017]图2是本公开实施例提供的根据恒定转率和加速度模型CTRA获取车辆的第一轨迹方法的流程图；
[0018]图3是本公开实施例提供的根据隐马尔可夫模型HMM获取所述车辆的驾驶意图方法的流程图；
[0019]图4本公开实施例基于HMM的驾驶意图识别模型；
[0020]图5是本公开实施例提供的根据所述车辆的驾驶意图通过高斯混合模型GMM获取所述车辆的换道结束点坐标方法的流程图；
[0021]图6示出了本申请一个实施例的LCL场景下的驾驶数据；
[0022]图7示出了本申请一个实施例的LK场景下的驾驶数据；
[0023]图8示出了本申请一个实施例的LCR场景下的驾驶数据；
[0024]图9示出了本申请一个实施例的D
x
，D
y
的含义示意图；
[0025]图10示出了本申请一个实施例的D
x
，D
y
统计规律示意图；
[0026]图11是本公开实施例提供的根据所述车辆当前坐标和所述车辆的换道结束点坐标通过五次多项式获取所述车辆的第二轨迹方法的流程图；
[0027]图12是本公开实施例提供的根据所述第一轨迹和所述第二轨迹获取所述车辆的合成轨迹方法的流程图；
[0028]图13示出了本申请一个实施例加权系数随预测时间的变化示意图；
[0029]图14示出了本申请一个实施例的LCL场景下的预测结果对比示意图；
[0030]图15示出了本申请一个实施例的LCR场景下的预测结果对比示意图；
[0031]图16是本公开实施例提供的一种车辆轨迹的预测装置的结构示意图；
[0032]图17是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0033]下面将结合本公开实施例中的附图，对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆轨迹的预测方法，其特征在于，包括：根据恒定转率和加速度模型CTRA获取车辆的第一轨迹；根据隐马尔可夫模型HMM获取所述车辆的驾驶意图；根据所述车辆的驾驶意图通过高斯混合模型GMM获取所述车辆的换道结束点坐标；根据所述车辆当前坐标和所述车辆的换道结束点坐标通过五次多项式获取所述车辆的第二轨迹；根据所述第一轨迹和所述第二轨迹获取所述车辆的合成轨迹。2.根据权利要求1所述的方法，其特征在于，根据恒定转率和加速度模型CTRA获取车辆的第一轨迹包括：获取所述车辆的纵向坐标、横向坐标、横摆角、纵向速度、加速度和横摆角速度；根据所述车辆的纵向坐标、横向坐标、横摆角、纵向速度、加速度和横摆角速度，基于所述CTRA获取所述车辆的第一轨迹。3.根据权利要求1所述的方法，其特征在于，根据隐马尔可夫模型HMM获取所述车辆的驾驶意图包括：获取所述车辆的横向坐标和横向速度；根据所述车辆的横向坐标和横向速度基于所述HMM获取所述车辆的驾驶意图。4.根据权利要求1所述的方法，其特征在于，根据所述车辆的驾驶意图通过高斯混合模型GMM获取所述车辆的换道结束点坐标包括：根据采集得到的真实驾驶员数据集，采用所述GMM进行统计得到驾驶员的驾驶行为模型；根据驾驶员的驾驶行为模型获取随速度变化的最大概率的车辆纵向坐标以及横向坐标曲线；根据所述车辆速度和随速度变化的最大概率的车辆纵向坐标以及横向坐标曲线获取所述车辆的换道结束点坐标。5.根据权利要求4所述的方法，其特征在于，根据所述车辆当前坐标和所述车辆的换道结束点坐标通过五次多项式获取所述车辆的第二轨迹包...

【专利技术属性】
技术研发人员：孙宁，许男，
申请(专利权)人：吉林大学，
类型：发明
国别省市：