【技术实现步骤摘要】
本专利技术属于车辆自动驾驶，具体地说，本专利技术涉及一种自动驾驶预测技术。
技术介绍
1、自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车，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。
2、自动驾驶汽车为了完成自动驾驶任务，必须实时感知周围环境，并对其进行理解，不断地规划行驶路径、执行控制动作，自动驾驶汽车通过各种传感器(如摄像头、毫米波雷达和激光雷达等)感知周围环境信息，车辆行驶的环境信息分为动态信息和静态信息。
3、自动驾驶汽车环境感知的结果是建立一个车辆行驶环境模型，模型中本车和所有其他道路使用者的动态信息由一个动态运动方程描述，车辆环境模型也包含静态信息，包括所有相关基础设施要素，如交通标志和交通灯、道路标线等，在自动驾驶系统可获得车辆的精确位置信息的情况下，静态环境信息大部分可通过高精度电子地图获取。
4、但是现有的预测轨迹方法，常常未能够做到充分地考虑多个特征之间的关联信息，在空间里，多个特征之间往往不是独立的存在，而是存在了一定的关联，而且，多个特征的信息，常常没有被充分地利用，尤其是在现实生活中，行人-场景之间的交互、行人-行人之间的交互非常复杂，而且抽象，这些因素都可能导致行人轨迹预测精度不是很好。
技术实现思路
1、本专利技术提供一种自动驾驶预测技术，解决了上述
技术介绍
中所提出的问题
2、为了实现上述目的，本专利技术采取的技术方案为：一种自动驾驶预测技术，包括以下步骤：
3、步骤s10，获取输入，通过感知模块感知周围的自行车、行人、车辆、未知障碍物以及交互标志位，然后将车辆及人过去的状态和位置作为输入；
4、步骤s20，进行预测，将输入信息放在神经网络中，得到一个未来的预测；
5、步骤s30，进行编码，将道路之类的信息进行结构化数据存储信息编码；
6、步骤s40，抽象成图，信息编码完成后，将其转化为便于理解的彩虹图。
7、优选的，所述步骤s20具体包括以下步骤：
8、步骤s21，判断障碍后侧的位置是否属于交互式的车辆，若是则针对交互式的车辆使用交互式模型，再进行步骤s23，若否则进行步骤s22；
9、步骤s22，判断车辆是否处于道路上，若是则使用巡航mlp评估器及路口mlp评估器，若否则使用卡尔曼滤波器；
10、步骤s23，将上述采集的障碍物信息及场景信息输入评估器，然后输出障碍物的轨迹或意图；
11、步骤s24，预测器在evaluator获取预测轨迹或意图后，进行轨迹的延伸或者生成，最终生成8秒的预测轨迹。
12、优选的，s30中具体的结构化数据存储信息编码过程如下：
13、设置(xs，ys)为起始点的横纵坐标，(xe，ye)为结束点的横纵坐标，attr是需要额外放置的属性，lane_type是判断线端属于虚线、实线、双黄线或单黄线，id是指每条路的标识，障碍物中的(l，w)，对应路网的(0，0)，指障碍物的长和宽。
14、优选的，具体的技术方式如下所示：
15、①先将障碍物信息及场景信息转化以矢量的方式形成，具体表现公式为：
16、
17、简化公式为：
18、
19、②再根据上述的矢量值假设障碍物过去的状态：
20、past states sp＝[s-t′+1,s-t′+2，...,s0]；
21、以及预测障碍物未来的状态：
22、future states sf＝[s1,s2，...,st]；
23、③定义cp代表此时的背景，x＝(sp，cp)表示所有的过去状态，τ(cp)表示目标空间的候选点位置，p(τ|x)表示候选点分布，从而尝试估计p(sf|x)：给定过去状态未来状态的边缘概率，公式表达为：
24、
25、④定义n表示广义的正态分布，huber作为距离函数，平均值表示为v，再根据上述坐标计算预测障碍物的离散分布及其最可能的偏移量，具体公式为：
26、
27、
28、π(τn|x)＝exp f(τn,x)/στ′exp f(τ′,x)；
29、⑤定义lcls是交叉熵，loffset是huberloss，u是预测选中点离最近的真值选中点的距离，并通过计算得到障碍物预测轨迹值ls1，表现公式为：
30、
31、⑥最后通过预测轨迹值与的位置真值计算出损失函数ls2，具体表现公式为：
32、
33、采用以上技术方案的有益效果是：
34、一、通过对自动驾驶车辆行驶轨迹的车辆道路模型，采用多种感知输入，然后基于周围其他车辆和行人的历史轨迹信息，再通过本专利技术中的多步计算，预测其未来可能性最大的运行轨迹，充分考虑车辆周围多个运动物体对于自我车辆运动轨迹的影响，保证了自我车辆的安全运行。
本文档来自技高网...【技术保护点】
1.一种自动驾驶预测技术，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种自动驾驶预测技术，其特征在于：所述步骤S20具体包括以下步骤：
3.根据权利要求1所述的一种自动驾驶预测技术，其特征在于：S30中具体的结构化数据存储信息编码过程如下：
4.根据权利要求3所述的一种自动驾驶预测技术，其特征在于：具体的技术方式如下所示：
【技术特征摘要】
1.一种自动驾驶预测技术，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种自动驾驶预测技术，其特征在于：所述步骤s20具体包括以下步骤：
3.根据权利要求...
【专利技术属性】
技术研发人员：姜文娟，刘佳雨，徐礼成，王刃，郭宾，
申请(专利权)人：浙江飞碟汽车制造有限公司，
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。