System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自动驾驶,具体涉及轨迹预测方法、装置、计算机设备及存储介质。
技术介绍
1、自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。在整个自动驾驶软件系统中,预测算法的重要性不言而喻,一个优秀的预测算法能够准确预测周围车辆未来的运行轨迹,并判断与自车未来行驶轨迹有何种交互,这对控制自车未来的行为模式具有重要作用。
2、目前,已存在多种车辆轨迹预测算法,这些预测算法在单一的车辆交互场景中都能够取得不错的预测结果。然而,对于一些特殊的城区场景,车辆会有复杂的左右转弯和上下匝道,再通过传统的预测方法进行预测会导致预测轨迹准确率较低。
技术实现思路
1、有鉴于此,本专利技术提供了一种轨迹预测方法、装置、计算机设备及存储介质,以解决传统预测算法在复杂场景下进行预测时,预测结果准确率较低的问题。
2、第一方面,本专利技术提供了一种轨迹预测方法,该方法包括:
3、获取第一先验概率矩阵,第一先验概率矩阵的元素为预设的多个轨迹预测算法分别在不同道路场景下的置信度;
4、在当前道路场景下,通过多个轨迹预测算法分别对多个目标车辆的轨迹进行预测,得到轨迹集和轨迹信息集;轨迹集包括各目标车辆在不同轨迹预测算法下的预测轨迹,轨迹信息集包括各目标车辆在不同预测轨迹中各轨迹点的车辆运行参数;
5、基于各目标车辆在不同预测轨迹中各轨迹点的车辆运行参数,得到各目标车
6、基于各目标车辆的不同预测轨迹对应的偏差总值对第一先验概率矩阵进行更新,得到第二先验概率矩阵;
7、针对每一目标车辆,基于第二先验概率矩阵和不同预测轨迹对应的偏差总值得到不同预测轨迹对应的评估分值;
8、根据不同预测轨迹对应的评估分值对轨迹集进行筛选,确定目标车辆的目标预测轨迹。
9、从而通过对不同预测轨迹相对于参考轨迹的偏差进行衡量,基于数据驱动的方式对不同预测算法的置信度进行优化,使其性能持续提升。同时,在不损失实时性的前提下,对多种轨迹预测算法输出的预测轨迹进行评估,在不同道路场景下针对目标车辆筛选出其最有可能的轨迹。
10、在一种可选的实施方式中,车辆运行参数包括车辆在轨迹点的速度、位姿和航向角;参考轨迹的特征参数包括横向加速度参考值、速度参考值、位姿变化参考值和航向角变化参考值;
11、基于各目标车辆在不同预测轨迹中各轨迹点的车辆运行参数,得到各目标车辆的不同预测轨迹相对于参考轨迹的偏差总值,包括:
12、针对每一目标车辆的每一预测轨迹,基于目标车辆在该预测轨迹中各轨迹点的速度、位姿和航向角,得到该预测轨迹对应的横向加速度特征值、速度特征值、位姿变化特征值和航向角变化特征值;
13、针对每一目标车辆的每一预测轨迹,根据该预测轨迹对应的横向加速度特征值相对于横向加速度参考值的第一偏差值、速度特征值相对于速度参考值的第二偏差值、位姿变化特征值相对于位姿变化参考值的第三偏差值以及航向角变化特征值相对于航向角变化参考值的第四偏差值,得到该预测轨迹相对于参考轨迹的偏差总值。
14、从而通过对不同预测轨迹的多个特征值相对于参考轨迹的特征参数的偏差进行衡量,基于数据驱动的方式对不同预测算法的置信度进行优化,使其性能持续提升。同时,在不损失实时性的前提下,对多种轨迹预测算法输出的预测轨迹进行评估,在不同道路场景下针对目标车辆筛选出其最有可能的轨迹。
15、在一种可选的实施方式中,基于目标车辆在该预测轨迹中各轨迹点的速度、位姿和航向角,得到该预测轨迹对应的横向加速度特征值、速度特征值、位姿变化特征值和航向角变化特征值,包括:
16、基于目标车辆在该预测轨迹中多个连续时刻的轨迹点对应的速度和位姿,得到第一预设数量的横向加速度;
17、计算第一预设数量的横向加速度之间的平均值,得到横向加速度特征值。
18、从而根据目标车辆在预测轨迹中各轨迹点的速度和位姿,得到横向加速度特征值,来对预测轨迹的横向加速度特征进行评估。
19、在一种可选的实施方式中,基于目标车辆在该预测轨迹中各轨迹点的速度、位姿和航向角,得到该预测轨迹对应的横向加速度特征值、速度特征值、位姿变化特征值和航向角变化特征值,包括:
20、基于目标车辆在该预测轨迹中多个连续时刻的轨迹点对应的航向角,得到第二预设数量的航向角变化率;
21、计算第二预设数量的航向角变化率之间的平均值,得到航向角变化特征值。
22、从而根据目标车辆在预测轨迹中各轨迹点的航向角,得到航向角变化特征值,来对预测轨迹的航向角变化特征进行评估。
23、在一种可选的实施方式中,基于各目标车辆的不同预测轨迹对应的偏差总值对第一先验概率矩阵进行更新,得到第二先验概率矩阵,包括:
24、基于各目标车辆的不同预测轨迹对应的偏差总值,对第一先验概率矩阵中不同轨迹预测算法分别在当前道路场景下对应的置信度进行更新,得到更新后的第二先验概率矩阵。
25、从而使用先验概率矩阵对预测轨迹进行约束,基于车辆运行参数对预测轨迹算法的准确性进行评估,再通过数据驱动的方法优化先验概率矩阵,提升轨迹选择的正确性。
26、在一种可选的实施方式中,针对每一目标车辆,基于第二先验概率矩阵和偏差总值得到不同预测轨迹对应的评估分值,包括:
27、针对当前目标车辆的每一预测轨迹,计算预设分值与该预测轨迹对应的偏差总值之间的差值;
28、根据差值和第二先验概率矩阵中与该预测轨迹对应轨迹预测算法的置信度之间的乘积,得到该预测轨迹对应的评估分值。
29、由此,根据不同预测算法对应的置信度,将预设分值减去偏差总值后再与该置信度相乘得到最终的评估分,从而对不同预测轨迹的准确性进行评估。
30、在一种可选的实施方式中,根据不同预测轨迹对应的评估分值对轨迹集进行筛选,确定目标车辆的目标预测轨迹,包括:
31、根据当前目标车辆的不同预测轨迹分别对应的评估分值,确定最大评估分;
32、将轨迹集中与最大评估分相对应的预测轨迹作为当前目标车辆的目标预测轨迹。
33、从而对评估分值进行排序后输出评估分值最高的预测轨迹,以对目标车辆未来一段时间内的行为模式控制提供指导。
34、第二方面,本专利技术提供了一种轨迹预测装置,该装置包括:
35、获取模块,用于获取第一先验概率矩阵,第一先验概率矩阵的元素为预设的多个轨迹预测算法分别在不同道路场景下的置信度;
36、第一处理模块,用于在当前道路场景下,通过多个轨迹预测算法分别对多个目标车辆的轨迹进行预测,得到轨迹集和轨迹信息集;轨迹集包括各目标车辆在不同轨迹预测算法下的预测轨迹,轨迹信息集包括各目标车辆在不同预测轨迹中各轨迹点的车辆运行参数;
本文档来自技高网...【技术保护点】
1.一种轨迹预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述车辆运行参数包括车辆在轨迹点的速度、位姿和航向角;所述参考轨迹的特征参数包括横向加速度参考值、速度参考值、位姿变化参考值和航向角变化参考值;
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标车辆在所述预测轨迹中各轨迹点的速度、位姿和航向角,得到所述预测轨迹对应的横向加速度特征值、速度特征值、位姿变化特征值和航向角变化特征值,包括:
4.根据权利要求2所述的方法,其特征在于,所述基于所述目标车辆在所述预测轨迹中各轨迹点的速度、位姿和航向角,得到所述预测轨迹对应的横向加速度特征值、速度特征值、位姿变化特征值和航向角变化特征值,包括:
5.根据权利要求1-4任一项所述的方法,其特征在于,所述基于各目标车辆的不同预测轨迹对应的偏差总值对所述第一先验概率矩阵进行更新,得到第二先验概率矩阵,包括:
6.根据权利要求5所述的方法,其特征在于,所述针对每一目标车辆,基于所述第二先验概率矩阵和偏差总值得到不同预测轨迹对应的评估分值,包
7.根据权利要求6中所述的方法,其特征在于,所述根据不同预测轨迹对应的评估分值对所述轨迹集进行筛选,确定所述目标车辆的目标预测轨迹,包括:
8.一种轨迹预测装置,其特征在于,所述装置包括:
9.一种计算机设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的轨迹预测方法。
...【技术特征摘要】
1.一种轨迹预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述车辆运行参数包括车辆在轨迹点的速度、位姿和航向角;所述参考轨迹的特征参数包括横向加速度参考值、速度参考值、位姿变化参考值和航向角变化参考值;
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标车辆在所述预测轨迹中各轨迹点的速度、位姿和航向角,得到所述预测轨迹对应的横向加速度特征值、速度特征值、位姿变化特征值和航向角变化特征值,包括:
4.根据权利要求2所述的方法,其特征在于,所述基于所述目标车辆在所述预测轨迹中各轨迹点的速度、位姿和航向角,得到所述预测轨迹对应的横向加速度特征值、速度特征值、位姿变化特征值和航向角变化特征值,包括:
5.根据权利要求1-4任一项...
【专利技术属性】
技术研发人员:张鸿杰,杨东方,邱利宏,张忠旭,
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。