车辆轨迹的预测方法技术

本申请提供一种车辆轨迹的预测方法

【技术实现步骤摘要】
车辆轨迹的预测方法、装置、设备、存储介质及产品


[0001]本申请涉及无人驾驶技术，尤其涉及一种车辆轨迹的预测方法
、
装置
、
设备
、
存储介质及产品
。

技术介绍

[0002]随着无人驾驶技术的飞速发展，车辆的智能化程度不断提高，车辆在复杂的环境中行驶时，通过对车辆的运行轨迹进行预测，能够更好的行驶车辆
。
[0003]现有技术中，在对车辆轨迹进行预测时，通常是基于卡尔曼滤波算法的运动学模型，根据采集的车辆的运动状态信息以及用户设置固定的系统噪声和测量噪声，来预测车辆的轨迹
。
[0004]但是现有技术中，预测的车辆轨迹不够准确，偏差较大
。

技术实现思路

[0005]本申请提供一种车辆轨迹的预测方法
、
装置
、
设备
、
存储介质及产品，用以解决现有技术中，预测的车辆轨迹不够准确，偏差较大的问题
。
[0006]第一方面，本申请提供一种车辆轨迹的预测方法，包括：
[0007]采集目标车辆的运动状态信息；
[0008]基于预设的第一模糊控制器算法及所述运动状态信息，确定第一模糊控制器的第一系统噪声方差和第一测量噪声方差；
[0009]根据所述第一系统噪声方差
、
所述第一测量噪声方差及所述运动状态信息，确定所述目标车辆的预测朝向角度和预测角速度；
[0010]基于预设的第二模糊控制器算法<br/>、
所述预测朝向角度
、
所述预测角速度及所述运动状态信息，确定第二模糊控制器的第二系统噪声方差和第二测量噪声方差；
[0011]根据预设的车辆轨迹预测模型
、
所述第二系统噪声方差
、
所述第二测量噪声方差及所述运动状态信息，预测所述目标车辆的运动轨迹
。
[0012]可选地，所述基于预设的第一模糊控制器算法及所述运动状态信息，确定第一模糊控制器的第一系统噪声方差和第一测量噪声方差，包括：
[0013]获取所述第一模糊控制器的输入数据，所述输入数据包括所述目标车辆的所述运动状态信息
、
预先存储的运动状态信息模糊子集及预先存储的运动状态信息隶属度函数；
[0014]获取所述第一模糊控制器的输出数据，所述输入数据包括所述第一系统噪声方差的调整系数
、
所述第一测量噪声方差的调整系数
、
预先存储的第一系统噪声方差的调整系数模糊子集
、
预先存储的第一测量噪声方差的调整系数模糊子集
、
预先存储的第一系统噪声方差的调整系数隶属度函数及预先存储的第一测量噪声方差的调整系数隶属度函数；
[0015]基于所述输入数据与所述输出数据之间预设的第一模糊规则，确定所述第一模糊控制器的第一系统噪声方差和第一测量噪声方差
。
[0016]可选地，所述根据所述第一系统噪声方差
、
所述第一测量噪声方差及所述运动状
态信息，确定所述目标车辆的预测朝向角度和预测角速度，包括：
[0017]获取所述目标车辆采集的朝向角度和角速度；
[0018]根据所述第一系统噪声方差确定第一误差协方差矩阵；
[0019]根据所述第一误差协方差矩阵及所述第一测量噪声方差确定第一卡尔曼增益；
[0020]根据所述采集的朝向角度
、
所述角速度及所述第一卡尔曼增益，确定所述目标车辆的预测朝向角度和预测角速度
。
[0021]可选地，所述基于预设的第二模糊控制器算法
、
所述预测朝向角度
、
所述预测角速度及所述运动状态信息，确定第二模糊控制器的第二系统噪声方差和第二测量噪声方差，包括：
[0022]获取所述第二模糊控制器的输入数据，所述输入数据包括所述预测朝向角度
、
所述预测角速度
、
所述目标车辆的所述运动状态信息
、
预先存储的预测朝向角度模糊子集
、
预先存储的预测朝向角度隶属度函数
、
预先存储的预测角速度模糊子集
、
预先存储的预测角速度隶属度函数
、
预先存储的运动状态信息模糊子集及预先存储的运动状态信息隶属度函数；
[0023]获取所述第二模糊控制器的输出数据，所述输入数据包括所述第二系统噪声方差的调整系数
、
所述第二测量噪声方差的调整系数
、
预先存储的第二系统噪声方差的调整系数模糊子集
、
预先存储的第二测量噪声方差的调整系数模糊子集
、
预先存储的第二系统噪声方差的调整系数隶属度函数及预先存储的第二测量噪声方差的调整系数隶属度函数；
[0024]基于所述输入数据与所述输出数据之间预设的第二模糊规则，确定所述第二模糊控制器的第二系统噪声方差和第二测量噪声方差
。
[0025]可选地，所述根据预设的车辆轨迹预测模型
、
所述第二系统噪声方差
、
所述第二测量噪声方差及所述运动状态信息，预测所述目标车辆的运动轨迹，包括：
[0026]获取所述目标车辆采集的所述运动状态信息，所述运动状态信息包括以下一种或多种：速度
、
车辆位置信息
、
角速度
、
朝向角度；
[0027]根据所述车辆轨迹预测模型及采集的所述运动状态信息，确定所述目标车辆的状态转移函数和状态转移雅可比矩阵；
[0028]根据所述第二系统噪声方差及所述状态转移雅可比矩阵，确定第二误差协方差矩阵；
[0029]根据所述第二误差协方差矩阵及所述第二测量噪声方差确定第二卡尔曼增益；
[0030]根据采集的所述运动状态信息及所述第二卡尔曼增益，确定所述目标车辆预测的运动状态信息；
[0031]根据所述预测的运动状态信息，预测所述目标车辆的运动轨迹
。
[0032]可选地，所述采集目标车辆的运动状态信息，包括：
[0033]采集所述目标车辆的初始运动状态信息；
[0034]对所述初始运动状态信息进行预处理，得到预处理后的所述运动状态信息
。
[0035]第二方面，本申请提供一种车辆轨迹的预测装置，包括：
[0036]采集模块，用于采集目标车辆的运动状态信息；
[0037]确定模块，用于基于预设的第一模糊控制器算法及所述运动状态信息，确定第一模糊控制器的第一系统噪声方差和第一测量噪声方差；
[0038]所述确定模块，还用于根据所述第一系统噪声方差
、
所述第一测量噪声方差及所述运动状态信息，确定所述目标车辆的预测朝向角度和预测角速度；
[0039]所述确定模块，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：采集目标车辆的运动状态信息；基于预设的第一模糊控制器算法及所述运动状态信息，确定第一模糊控制器的第一系统噪声方差和第一测量噪声方差；根据所述第一系统噪声方差
、
所述第一测量噪声方差及所述运动状态信息，确定所述目标车辆的预测朝向角度和预测角速度；基于预设的第二模糊控制器算法
、
所述预测朝向角度
、
所述预测角速度及所述运动状态信息，确定第二模糊控制器的第二系统噪声方差和第二测量噪声方差；根据预设的车辆轨迹预测模型
、
所述第二系统噪声方差
、
所述第二测量噪声方差及所述运动状态信息，预测所述目标车辆的运动轨迹
。2.
根据权利要求1所述的方法，其特征在于，所述基于预设的第一模糊控制器算法及所述运动状态信息，确定第一模糊控制器的第一系统噪声方差和第一测量噪声方差，包括：获取所述第一模糊控制器的输入数据，所述输入数据包括所述目标车辆的所述运动状态信息
、
预先存储的运动状态信息模糊子集及预先存储的运动状态信息隶属度函数；获取所述第一模糊控制器的输出数据，所述输入数据包括所述第一系统噪声方差的调整系数
、
所述第一测量噪声方差的调整系数
、
预先存储的第一系统噪声方差的调整系数模糊子集
、
预先存储的第一测量噪声方差的调整系数模糊子集
、
预先存储的第一系统噪声方差的调整系数隶属度函数及预先存储的第一测量噪声方差的调整系数隶属度函数；基于所述输入数据与所述输出数据之间预设的第一模糊规则，确定所述第一模糊控制器的第一系统噪声方差和第一测量噪声方差
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述第一系统噪声方差
、
所述第一测量噪声方差及所述运动状态信息，确定所述目标车辆的预测朝向角度和预测角速度，包括：获取所述目标车辆采集的朝向角度和角速度；根据所述第一系统噪声方差确定第一误差协方差矩阵；根据所述第一误差协方差矩阵及第一测量噪声误差确定第一卡尔曼增益；根据所述采集的朝向角度
、
所述角速度及所述第一卡尔曼增益，确定所述目标车辆的预测朝向角度和预测角速度
。4.
根据权利要求3所述的方法，其特征在于，所述基于预设的第二模糊控制器算法
、
所述预测朝向角度
、
所述预测角速度及所述运动状态信息，确定第二模糊控制器的第二系统噪声方差和第二测量噪声方差，包括：获取所述第二模糊控制器的输入数据，所述输入数据包括所述预测朝向角度
、
所述预测角速度
、
所述目标车辆的所述运动状态信息
、
预先存储的预测朝向角度模糊子集
、
预先存储的预测朝向角度隶属度函数
、
预先存储的预测角速度模糊子集
、
预先存储的预测角速度隶属度函数
、
预先存储的运动状态信息模糊子集及预先存储的运动状态信息隶属度函数；获取所述第二模糊控制器的输出数据，所述输入数据包括所述第二系统噪声方差的调整系...

【专利技术属性】
技术研发人员：孙心洁，刘阳，田磊，王鹏程，
申请(专利权)人：中国重汽集团济南动力有限公司，
类型：发明
国别省市：