一种车辆轨迹的预测方法、设备及存储介质与流程
本技术涉及自动驾驶控制,具体涉及一种车辆轨迹的预测方法、设备及存储介质。
背景技术:
1、在自动驾驶系统中,实时且准确地预测车辆未来的行驶轨迹,是路径规划、安全决策与车辆控制的基础。
2、相关技术中,为了实现自车轨迹预测,常采用数据驱动模型,例如基于深度学习的轨迹预测,但是深度学习模型通常处理的计算量大、对硬件资源要求较高,并且比较依赖对道路结构的刻画,针对车道线缺失或识别不准的场景,对于轨迹预测准确性降低。
技术实现思路
1、有鉴于此,本技术致力于提供一种车辆轨迹的预测方法、设备和存储介质,以便提高轨迹预测的准确性。
2、第一方面,本技术提供了一种车辆轨迹的预测方法,所述方法包括:
3、获取车辆的状态信息和车道线检测结果;
4、基于所述车道线检测结果确定所述车辆处于车道线可用场景还是车道线不可用场景;
5、当处于车道线可用场景时,基于所述状态信息、所述车道线检测结果和车道线几何约束,确定所述车辆的第一预测轨迹;当处于车道线不可用场景时,基于所述状态信息和车辆运动学模型,确定所述车辆的第二预测轨迹。
6、在一种可能的实现方式中,所述获取车辆的车道线检测结果,包括:
7、基于拍摄的行驶环境进行车道线检测,获取当前车道的第一车道线检测结果和相邻车道的第二车道线检测结果,所述第一车道线检测结果包括:所述当前车道的第一左车道线、第一右车道线分别对应的有效性标志、置信度、车道线模型中的至少一种,所述第二车道线检测结果包括:所述相邻车道的第二左车道线、第二右车道线分别对应的有效性标志、置信度、车道线模型中的至少一种。
8、在一种可能的实现方式中,所述状态信息包括:速度、航向角和转向灯状态,所述基于所述状态信息、所述车道线检测结果和车道线几何约束,确定所述车辆的第一预测轨迹,包括:
9、确定所述航向角与所述第一左车道线方向的偏差角;
10、当所述偏差角小于第一阈值时,确定所述车辆处于当前车道行驶状态;基于所述速度和所述当前车道的第一车道中心线模型进行预测,确定当前车道行驶轨迹为所述第一预测轨迹;
11、当所述偏差角大于或等于所述第一阈值,且所述转向灯处于开启状态时,确定所述车辆处于变道行驶状态;基于所述第一车道中心线模型和所述相邻车道的第二车道中心线模型进行预测,确定变道行驶轨迹为所述第一预测轨迹。
12、在一种可能的实现方式中,所述基于所述速度和所述当前车道的第一车道中心线模型进行预测,确定当前车道行驶轨迹为所述第一预测轨迹,包括:
13、基于所述速度对所述当前车道进行纵向距离采样,确定多个纵向采样点;
14、将多个所述纵向采样点代入所述第一车道中心线模型,确定多个对应的第一预测轨迹点;
15、对多个所述第一预测轨迹点进行平滑处理,确定所述当前车道行驶轨迹。
16、在一种可能的实现方式中,所述基于所述第一车道中心线模型和所述相邻车道的第二车道中心线模型进行预测,确定变道行驶轨迹为所述第一预测轨迹,包括:
17、基于所述第一车道中心线模型和所述第二车道中心线模型,确定变道对应的预设横向偏移距离;
18、基于所述预设横向偏移距离构造横向轨迹模型,使得所述车辆基于所述横向轨迹模型从所述当前车道行驶至所述相邻车道;
19、基于所述横向轨迹模型确定所述变道行驶轨迹。
20、在一种可能的实现方式中,所述横向轨迹模型的确定过程包括:
21、以所述车辆的当前位置为原点、所述当前车道的方向为纵轴方向确定车道参考坐标系;
22、以所述车辆在所述车道参考坐标系的纵向行驶距离为自变量,通过多项式函数关系描述所述车辆在所述车道参考坐标系的横向偏移距离;
23、将所述原点处对应的初始纵向行驶距离和初始横向偏移距离代入所述多项式函数关系,确定所述多项式函数关系的第一系数;
24、在所述原点处对所述多项式函数关系进行一阶求导,得到原点一阶求导结果;
25、基于所述车辆在所述原点处的横向速度和纵向速度的比值,建立与所述一阶求导结果的等式关系,确定所述多项式函数关系的第二系数;
26、基于所述预设横向偏移距离、所述横向速度以及横向加速度约束,确定变道时间;
27、基于所述变道时间和所述纵向速度,确定终点纵向距离,并将所述终点纵向距离代入所述多项式函数关系,得到终点约束关系;
28、获取所述车辆在所述终点纵向距离对应的终点位置处的目标航向角;
29、在所述终点位置处对所述多项式函数进行一阶求导,得到终点一阶求导结果,并建立所述终点一阶求导结果与所述目标航向角的终点等式关系;
30、基于所述终点约束关系和所述终点等式关系,确定所述多项式函数关系的第三系数和第四系数,从而确定所述多项式函数关系为所述横向轨迹模型。
31、在一种可能的实现方式中,所述状态信息包括:速度和横摆角速度,所述当处于车道线不可用场景时,基于所述状态信息和车辆运动学模型,确定所述车辆的第二预测轨迹,包括:
32、基于所述速度和所述横摆角速度,确定瞬时转弯半径;
33、在恒定曲率假设下,基于所述瞬时转弯半径,确定恒定曲率曲线模型;
34、基于所述恒定曲率曲线模型确定预设时间范围内的多个第二预测轨迹点;
35、对多个所述第二预测轨迹点进行平滑处理,确定所述第二预测轨迹。
36、在一种可能的实现方式中,所述车道线可用场景包括:所述第一左车道线和所述第一右车道线均有效,且所述第一左车道线和所述第一右车道线的置信度均高于或等于预设阈值;
37、所述车道线不可用场景包括:所述第一左车道线、所述第一右车道线中至少一者无效,或者所述第一左车道线、所述第一右车道线中至少一者的置信度低于所述预设阈值。
38、第二方面,本技术提供了一种车辆轨迹的预测装置,所述装置包括:
39、获取单元,用于获取车辆的状态信息和车道线检测结果;
40、确定单元,用于基于所述车道线检测结果确定所述车辆处于车道线可用场景还是车道线不可用场景;
41、预测单元,用于当处于车道线可用场景时,基于所述状态信息、所述车道线检测结果和车道线几何约束,确定所述车辆的第一预测轨迹;当处于车道线不可用场景时,基于所述状态信息和车辆运动学模型,确定所述车辆的第二预测轨迹。
42、第三方面,本技术提供了一种电子设备,所述设备包括:存储器以及处理器;
43、所述存储器用于存储相关的程序代码;
44、所述处理器用于调用所述程序代码,执行上述第一方面任意一种实现方式所述的车辆轨迹的预测方法。
45、第四方面,本技术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用于存储计算机程序,所述计算机程序用于执行上述第一方面任意一种实现方式所述的车辆轨迹的预测方法。
46、第五方面,本技术提供了一种计算机程序产品,所述计算机程序产品包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述第一方面任意一种实现方式所述的车辆轨迹的预测方法。
47、在本技术的上述实现方式中,在车辆行驶过程中,获取车辆的状态信息和车道线检测结果。其中,状态信息可以表示车辆当前行驶状态或者驾驶员操作意图的数据。通过车道线检测结果确定车辆当前处于车道线可用场景还是车道线不可用场景,例如,车道线不可用场景可以为车道线缺失或者不清晰。当处于车道线可用场景时,基于车辆的状态信息、车道线检测结果并利用车道线几何约束,确定车辆的第一预测轨迹。当处于车道线不可用场景时,利用车辆的状态信息和车辆运动学模型,确定车辆的第二预测轨迹。从而实现在有无车道线场景下均可以预测车辆行驶轨迹,以便后续基于预测的行驶轨迹对车辆进行规划控制。通过本技术所提供的方法,实现了在有无车道线的场景下,切换使用不同的方法实现轨迹预测,提高了轨迹预测的鲁棒性和准确性,并且相比于已有的深度学习方法,可以减少计算量和对硬件资源的要求,提高轨迹预测的效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com