【技术实现步骤摘要】
本专利技术属于无人驾驶车辆，具体涉及一种基于车辆轨迹预测模型的车辆碰撞预警方法。
技术介绍
1、近几年来，随着无人驾驶车辆的逐步推广，其行驶过程中的安全问题也越来越受到关注。美国国家公路安全管理局在2018年发布了一份关于无人驾驶车辆行驶安全的报告，指出无人驾驶车辆在行驶过程中的行驶安全性和避免碰撞事故的能力是无人驾驶车辆大规模普及以及应用的关键因素之一。研究无人驾驶车辆的智能避碰系统，可以对无人驾驶汽车的推广应用提供技术保障，同时还可以避免交通事故的减少，更好地保障道路交通的安全。对于无人驾驶车辆，需要在保证其具备实时的感知和决策能力的前提下，结合无人驾驶车辆自身携带的各种传感器获取周围的环境信息，如摄像头、毫米波雷达、激光雷达等对周围各种车辆做到识别和定位，同时需要能够根据车辆自身决策算法(比如碰撞检测算法(朱鹏程,孙劲光.gjk碰撞检测算法的研究及改进[j]2006.))，输出的控制指令，控制车辆的避让和转向等对应的行驶动作，使车辆在行驶过程中平稳地完成各种任务，完备的碰撞预警机制可以保障车辆行驶的稳定性和安全性。
2、随着对无人驾驶车辆碰撞预警机制的不断深入研究，许多实验机构开始研究如何基于机器学习的方法，进行轨迹预测，来进行碰撞机制的研究并取得了较快的进展和成果。根据所构造图形方式的不同，常用的无人车碰撞检测方法大致可以划分为基于多边形外接圆的碰撞检测方法、基于多个外接圆的碰撞检测方法、基于分离轴定理的碰撞检测方法或者构造多边形是否重叠的碰撞检测方法。其中，基于构造多边形是否重叠的检测方法在近几年的研究中受
3、在现有关于针对车辆的碰撞检测方法中，大多通过aabb的方法进行或者通过obb的方法进行外接圆的设置来达到设置碰撞半径的目的，从现有车辆的碰撞检测方法来看，会存在如下问题：第一，在车辆自身构建外接圆进行碰撞检测的方法会减少很多车辆规划轨迹可以通行的空间，增大误判车辆之间进行碰撞预警的概率。第二，构造外接圆的碰撞检测算法需要考虑外接圆的半径，计算流程较为复杂，构造的外接圆不一定可以包裹住车辆的全部，增大发生碰撞的概率。第三，依据ttc时间作为判断车辆的依据，无法使车辆在短时间内做出预警以及决策，无法估计车辆在未来一段时间内是否发生碰撞的风险。
技术实现思路
1、有鉴于此，本专利技术的目的在于提出一种决策效率高、决策时间充裕、因而行驶安全性好的基于车辆轨迹预测模型的车辆碰撞预警方法。
2、本专利技术提出的基于车辆轨迹预测模型的车辆碰撞预警方法，利用轨迹预测模型对未来一段时间内的行驶轨迹进行预测，同时生成足带轨迹，利用车辆自身的长宽高构造多边形；最后，利用轨迹碰撞检测算法对预测的足带轨迹进行碰撞检测以及计算相对位置关系来判断碰撞类别。具体步骤为：
3、(1)使用所采集的车路协同点云数据集和图片，同时根据人工标注的车辆位置以及偏航角数据，每次采集10帧数据进行平均速度、平均加速度以及平均角速度的计算；
4、(2)采用恒定速度模型(cv)、恒定加速度模型(ca)、恒定转弯速率及速度模型(ctrv)、恒定转弯速率及加速度模型(ctra)进行未来轨迹点的计算，根据所预测车辆的平均速度、加速度以及角速度的不同进行轨迹预测模型的选择；
5、(3)根据轨迹点结合车身的长和宽，计算所占据的空间体积，将计算得到的未来轨迹点转化为立体的足带轨迹；
6、(4)针对所产生的足带轨迹，采用轨迹碰撞检测算法逐帧进行轨迹的碰撞检查；
7、(5)最后依据主车和从车所处的相对位置进行碰撞类型的判断以及释放碰撞预警。
8、步骤(1)中所述平均速度、平均加速度以及平均角速度的计算以及轨迹预测模型的选择，具体步骤为：
9、设当前车辆的运动位置、时间以及偏航角分别为xk,yk,tk,θk，将历史运动轨迹进行时间离散化，然后提取n帧，n代表提取的帧数，则有：
10、
11、设每次提取轨迹点的时间间隔相同，则平均速度、平均加速度等计算结果如下所示：
12、
13、其中，r,vfi,afi分别代表运动物体横向和纵向的速度、运动物体横向和纵向的加速度、车辆运动的角速度，车辆运动的速度以及加速度。随着历史轨迹数据的不断更新，对应更新上述变量。
14、步骤(2)中所述轨迹预测模型选择依据为：
15、
16、当假设物体的偏航角和加速度较小，物体近似可以看作直线的匀速运动，采用恒速度模型进行轨迹的进一步预测。当物体的偏航角较小但是加速度较大时，物体可近似看作恒加速度的直线运动，则采用恒加速度模型进行轨迹预测。当物体的角速度很大时，根据加速度大小不同选择恒定转弯速率及速度模型和恒定转弯速率及加速度模型进行轨迹预测。上述提到的四种模型依次为：
17、cv为恒速度模型，表达形式为：
18、
19、ca为恒加速度模型，表达形式为：
20、
21、ctrv为恒定转弯速率及速度模型，表达形式为：
22、
23、ctra为恒定转弯速率及加速度模型，表达形式为：
24、
25、ctr为恒曲率模型，表达形式为：
26、
27、nctr为变曲率模型，表达形式为：
28、
29、其中，x0,y0,r0,a0为车辆运行的当前位置、当前角速度、当前加速度，rmax,amax为人为设定的角速度阈值和加速度阈值，一般设为0.5rad/s和2m/s2，为预测的第i步轨迹的位置以及偏航角信息，t为预测时间，由上述公式不断更新，得到当前车辆预测的未来一段时间内的轨迹点。
30、进一步地，步骤(3)中所述足带轨迹的获取方式为：
31、将得到的轨迹点结合当前车辆自身的长宽高，进行足带轨迹的计算；计算方式如下所示：
32、
33、其中，xd0,yd0,xd1,yd1,xd2,yd2,xd3,yd3分别为包围车辆凸多面体的四个顶点的坐标，w,l为当前车辆的宽度和长度，为预测的第i步轨迹的偏航角信息；
34、进一步地，步骤(4)中所述针对所产生的足带轨迹，采用轨迹碰撞检测算法逐帧进行轨迹的碰撞检测，具体为：
35、(1)将多条足带轨迹的矩形框分别随机给定一个初始方向；
36、(2)计算足带轨迹在给定方向上的最远点，做两个矩形的闵可夫斯基差，获得第一个顶点，并放到矩形中；
37、(3)以第一个顶点面向原点的方向作为第二次迭代方向，同时两个矩形框根据第二次迭代方向，分别再次计算得到支撑点，再做闵可夫斯基差，获得第二个顶点，此时对第二个顶点做过原点检查，如果没有通过检查则能够断定两条足带轨迹没有重叠；
38、(4)否则继续下面的步骤，将第二个顶点本文档来自技高网...
【技术保护点】
1.一种基于车辆轨迹预测模型的车辆碰撞预警方法，其特征在于，具体步骤为：
2.根据权利要求1所述的基于车辆轨迹预测模型的车辆碰撞预警方法，其特征在于，步骤(3)中所述足带轨迹的获取方式为：
3.根据权利要求1所述的基于车辆轨迹预测模型的车辆碰撞预警方法，其特征在于，步骤(4)中所述针对所产生的足带轨迹，采用轨迹碰撞检测算法逐帧进行轨迹的碰撞检测，具体步骤为：
4.根据权利要求1所述的基于车辆轨迹预测模型的车辆碰撞预警方法，其特征在于，步骤(5)中所述依据主车和从车所处的相对位置进行碰撞类型的判断以及释放碰撞预警，其中，针对足带轨迹有重叠的两车进行碰撞方式的判断形式为：
5.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时，执行权利要求1至4中任一项权利要求所述的基于车辆轨迹预测模型的车辆碰撞预警方法。
6.一种电子装置，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序运行执行所述权利要求1至4中任一项权利要求所述的基于车辆轨迹预测模
...【技术特征摘要】
1.一种基于车辆轨迹预测模型的车辆碰撞预警方法，其特征在于，具体步骤为：
2.根据权利要求1所述的基于车辆轨迹预测模型的车辆碰撞预警方法，其特征在于，步骤(3)中所述足带轨迹的获取方式为：
3.根据权利要求1所述的基于车辆轨迹预测模型的车辆碰撞预警方法，其特征在于，步骤(4)中所述针对所产生的足带轨迹，采用轨迹碰撞检测算法逐帧进行轨迹的碰撞检测，具体步骤为：
4.根据权利要求1所述的基于车辆轨迹预测模型的车辆碰撞预警方法，其特征在于，步骤(5)中所述依据主车和从车所处...
【专利技术属性】
技术研发人员：陈志辉，李龙威，张冠华，
申请(专利权)人：上海全欣智享科技有限公司，
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。