一种预测车辆运动轨迹的方法及装置与流程

1.本发明涉及车辆技术领域，具体涉及一种预测车辆运动轨迹的方法及装置。


背景技术：

2.智能车辆(指具备l2及以上级别自动驾驶功能的车辆)在行驶过程中，为保证行驶安全，需要识别本车周边车辆的运动轨迹，例如需要识别周边车辆对本车车道的切入切出行为。
3.目前识别车辆运动轨迹的方式主要为：通过采集得到的大量的驾驶数据，以机器学习算法训练得到用于预测运动轨迹的预测模型。但是，一方面，预测模型所涉及的参数量较为庞大，且对搭载预测模型的计算平台也有较高的性能要求，即应用预测模型需要较高的硬件算力，量产的智能车辆的硬件算力无法满足应用预测模型的性能要求；另一方面，当预测模型的计算结果出现异常时，从预测模型中分析异常原因的难度较大，进而无法及时解决异常，安全性较差。


技术实现要素：

4.有鉴于此，本发明实施例提供一种预测车辆运动轨迹的方法及装置，以解决现有预测车辆运动轨迹的方式存在的对硬件算力要求较高和安全性较差等问题。
5.为实现上述目的，本发明实施例提供如下技术方案：
6.本发明实施例第一方面公开一种预测车辆运动轨迹的方法，所述方法应用于搭载在车辆中的预测车辆运动轨迹的装置，所述方法包括：
7.从检测到的目标车辆中确定指定目标车辆；
8.利用在多个历史周期中采集的所述指定目标车辆的绝对运动状态，确定得到平均运动学参数，并基于所述平均运动学参数预测所述指定目标车辆的待处理运动轨迹，所述平均运动学参数用于描述所述指定目标车辆在所述多个历史周期中的平均运动状态；
9.基于所述待处理运动轨迹和所述指定目标车辆的历史运动轨迹，计算所述指定目标车辆的运动特征向量的归一化均值；
10.将所述归一化均值映射到预设数值区间中得到行驶意图数值，并根据所述行驶意图数值预测得到初始行驶意图；
11.扫描所述指定目标车辆的周边环境，得到所述指定目标车辆所在车道的道线类型，及得到与所述指定目标车辆所在车道相邻的车道中的障碍车辆信息；
12.利用所述道线类型和所述障碍车辆信息，对所述初始行驶意图进行滤波处理，预测得到最终行驶意图；
13.基于所述最终行驶意图确定横向目标位置；
14.利用所述横向目标位置和所述平均运动学参数，预测所述指定目标车辆从当前位置到目标位置的车辆运动轨迹。
15.优选的，利用在多个历史周期中采集的所述指定目标车辆的绝对运动状态，确定
得到平均运动学参数，并基于所述平均运动学参数预测所述指定目标车辆的待处理运动轨迹，包括：
16.确定多个历史周期的时间间隔；
17.将在所述多个历史周期中采集的所述指定目标车辆的绝对运动状态除以所述时间间隔，得到平均运动学参数；
18.利用运动学模型对所述平均运动学参数进行处理，预测所述指定目标车辆的待处理运动轨迹。
19.优选的，基于所述待处理运动轨迹和预先存储的所述指定目标车辆的历史运动轨迹，计算所述指定目标车辆的运动特征向量的归一化均值，包括：
20.组合所述待处理运动轨迹和预先存储的所述指定目标车辆的历史运动轨迹，得到输入运动轨迹；
21.利用车道线表达式，计算所述输入运动轨迹对应的车道中心线的中心线横向位置和道线航向角；
22.对于所述输入运动轨迹中所述指定目标车辆的车辆横向位置和车辆航向角，计算所述车辆横向位置与所述中心线横向位置之间的横向位置偏差，以及计算所述车辆航向角与所述道线航向角之间的航向角偏差；
23.将所述横向位置偏差除以车道宽度以归一化所述横向位置偏差，并对所有归一化后的所述横向位置偏差取平均值，确定得到所述横向位置偏差的归一化均值；
24.将所述航向角偏差除以所述指定目标车辆的最大航向角以归一化所述航向角偏差，并对所有归一化后的所述航向角偏差取平均值，确定得到所述航向角偏差的归一化均值，所述指定目标车辆的最大航向角基于所述指定目标车辆的车速计算得到。
25.优选的，将所述归一化均值映射到预设数值区间中得到行驶意图数值，并根据所述行驶意图数值预测得到初始行驶意图，包括：
26.利用基于s型函数得到的非线性映射函数，将所述横向位置偏差的归一化均值映射到预设数值区间中得到第一行驶意图数值，以及将所述航向角偏差的归一化均值映射到所述预设数值区间得到第二行驶意图数值；
27.在所述第一行驶意图数值和所述第二行驶意图数值满足左侧换道规则的情况下，预测初始行驶意图为左侧换道意图，其中，所述左侧换道规则为：所述第一行驶意图数值处于第一左侧换道数值区间内，且所述第二行驶意图数值处于第二左侧换道数值区间内；
28.在所述第一行驶意图数值和所述第二行驶意图数值满足右侧换道规则的情况下，预测初始行驶意图为右侧换道意图，其中，所述右侧换道规则为：所述第一行驶意图数值处于第一右侧换道数值区间内，且所述第二行驶意图数值处于第二右侧换道数值区间内；
29.在所述第一行驶意图数值和所述第二行驶意图数值未满足所述左侧换道规则，且所述第一行驶意图数值和所述第二行驶意图数值未满足所述右侧换道规则的情况下，预测初始行驶意图为保持车道意图。
30.优选的，所述指定目标车辆所在车道的道线类型包括：左侧车道线的道线类型和右侧车道线的道线类型；所述道线类型为：允许变道的道线或不允许变道的道线。
31.优选的，初始行驶意图为左侧换道意图、右侧换道意图或保持车道意图；
32.利用所述道线类型和所述障碍车辆信息，对所述初始行驶意图进行滤波处理，预
测得到最终行驶意图，包括：
33.利用所述道线类型和所述障碍车辆信息，确定所述指定目标车辆所满足的换道条件，所述换道条件至少包括：用于指示允许向右变道的第一条件，用于指示允许向左变道的第二条件；
34.在所述初始行驶意图为左侧换道意图的情况下，在所述指定目标车辆未满足所述第二条件时，预测最终行驶意图为保持车道意图；在所述指定目标车辆满足所述第二条件时，预测最终行驶意图为左侧换道意图；
35.在所述初始行驶意图为右侧换道意图的情况下，在所述指定目标车辆未满足所述第一条件时，预测最终行驶意图为保持车道意图；在所述指定目标车辆满足所述第一条件时，预测最终行驶意图为右侧换道意图。
36.优选的，最终行驶意图为左侧换道意图、右侧换道意图或保持车道意图；
37.基于所述最终行驶意图确定横向目标位置，包括：
38.在最终行驶意图为左侧换道意图的情况下，确定与所述指定目标车辆所在车道左相邻的车道的中心线横向位置为横向目标位置；
39.在最终行驶意图为右侧换道意图的情况下，确定与所述指定目标车辆所在车道右相邻的车道的中心线横向位置为横向目标位置；
40.在最终行驶意图为保持车道意图的情况下，确定所述指定目标车辆所在车道的中心线横向位置为横向目标位置。
41.优选的，利用所述横向目标位置和所述平均运动学参数，预测所述指定目标车辆从当前位置到目标位置的车辆运动轨迹，包括：
42.利用预设的轨迹生成方式，生成所述指定目标车辆移动到所述横向目标位置的横向移动轨迹；
43.根据所述平均运动学参数，生成所述指定目标车辆的纵向移动轨迹；
44.结合所述横向移动轨迹和所述纵向移动轨迹，预测得到所述指定目标车辆从当前位置到目标位置的车辆运动轨迹。
45.优选的，所述预设的轨迹生成方式为等比例衰减方式或多项式曲线拟合方式；
46.在所述轨迹生成方式为等比例衰减方式的情况下，所生成的所述横向移动轨迹中，第k时刻的数据点为yk＝αy
k-1
，yk为第k时刻下所述指定目标车辆的横向位置与所述横向目标位置的差值，0《α《1；
47.所生成的所述纵向移动轨迹中，第k时刻的数据点为xk为第k时刻下所述指定目标车辆的纵向位置，v为速度，a为加速度，t为固定周期的长度，第k时刻下的v为vk＝v
k-1
at；
48.预测得到的所述车辆运动轨迹中，所述目标指定车辆在第k时刻的轨迹位置为(xk，yk)。
49.本发明实施例第二方面公开一种预测车辆运动轨迹的装置，所述装置搭载在车辆中，所述装置包括：
50.第一确定单元，用于从所有检测到的目标车辆中确定指定目标车辆；
51.处理单元，用于利用在多个历史周期中采集的所述指定目标车辆的绝对运动状
态，确定得到平均运动学参数，并基于所述平均运动学参数预测所述指定目标车辆的待处理运动轨迹，所述平均运动学参数用于描述所述指定目标车辆在所述多个历史周期中的平均运动状态；
52.计算单元，用于基于所述待处理运动轨迹和所述指定目标车辆的历史运动轨迹，计算所述指定目标车辆的运动特征向量的归一化均值；
53.第一预测单元，用于将所述归一化均值映射到预设数值区间中得到行驶意图数值，并根据所述行驶意图数值预测得到初始行驶意图；
54.扫描单元，用于扫描所述指定目标车辆的周边环境，得到所述指定目标车辆所在车道的道线类型，及得到与所述指定目标车辆所在车道相邻的车道中的障碍车辆信息；
55.第二预测单元，用于利用所述道线类型和所述障碍车辆信息，对所述初始行驶意图进行滤波处理，预测得到最终行驶意图；
56.第二确定单元，用于基于所述最终行驶意图确定横向目标位置；
57.第三预测单元，用于利用所述横向目标位置和所述平均运动学参数，生成所述指定目标车辆从当前位置到目标位置的车辆运动轨迹。
58.基于上述本发明实施例提供的一种预测车辆运动轨迹的方法及装置，该方法为：确定指定目标车辆；利用在多个历史周期中采集的指定目标车辆的绝对运动状态，确定得到平均运动学参数，并基于平均运动学参数预测指定目标车辆的待处理运动轨迹；基于待处理运动轨迹和指定目标车辆的历史运动轨迹，计算指定目标车辆的运动特征向量的归一化均值；将归一化均值映射到预设数值区间中得到行驶意图数值，并根据行驶意图数值预测得到初始行驶意图；扫描指定目标车辆的周边环境，得到指定目标车辆所在车道的道线类型，及得到与指定目标车辆所在车道相邻的车道中的障碍车辆信息；利用道线类型和障碍车辆信息，对初始行驶意图进行滤波处理，预测得到最终行驶意图；基于最终行驶意图确定横向目标位置；利用横向目标位置和平均运动学参数，预测指定目标车辆从当前位置到目标位置的车辆运动轨迹。采用本方案，通过对指定目标车辆的历史运动轨迹及其它参数进行计算得到行驶意图，再根据行驶意图预测车辆运动轨迹，预测车辆运动轨迹所使用的参数较少，对硬件算力的要求较低；并且采用分层次的方式预测车辆运动轨迹，当预测结果出现异常时，能够快速定位哪一环节出现异常，进而及时解决异常以提高安全性。
附图说明
59.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
60.图1为本发明实施例提供的一种预测车辆运动轨迹的方法的流程图；
61.图2为本发明实施例提供的惯性基准坐标系和本车坐标系的定义示意图；
62.图3为本发明实施例提供的非线性映射函数的示意图；
63.图4为本发明实施例提供的扫描指定目标车辆的周边环境的示意图；
64.图5为本发明实施例提供的计算归一化均值的流程图；
65.图6为本发明实施例提供的一种预测车辆运动轨迹的原理示意图；
66.图7为本发明实施例提供的一种预测车辆运动轨迹的装置的结构框图。
具体实施方式
67.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
68.在本技术中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
69.由背景技术可知，目前通常采用机器学习算法训练得到用于预测运动轨迹的预测模型。但是预测模型所涉及的参数量较为庞大，对智能车辆的硬件算力要求较高，且当预测模型的计算结果出现异常时，从预测模型中分析异常原因的难度较大，进而无法及时解决异常，安全性较差。
70.因此，本发明实施例提供一种预测车辆运动轨迹的方法及装置，通过对指定目标车辆的历史运动轨迹及其它参数进行计算得到行驶意图，再根据行驶意图预测车辆运动轨迹，预测车辆运动轨迹所使用的参数较少，以降低对硬件算力的要求；并且采用分层次的方式预测车辆运动轨迹，当预测结果出现异常时，能够快速定位哪一环节出现异常，进而及时解决异常以提高安全性。
71.参见图1，示出了本发明实施例提供的一种预测车辆运动轨迹的方法的流程图，该方法应用于搭载在车辆中的预测车辆运动轨迹的装置，该方法包括：
72.步骤s101：从检测到的目标车辆中确定指定目标车辆。
73.需要说明的是，在车辆中安装有感知系统，该车辆在驾驶过程中，可通过感知系统检测到各个目标车辆及检测各目标车辆的目标信息，例如：检测目标车辆的位置、速度、加速度、航向角和类别等信息。
74.在具体实现步骤s101的过程中，按照预设的筛选规则，从所有检测到的目标车辆中筛选出指定目标车辆，指定目标车辆即为需要预测车辆运动轨迹的目标车辆。
75.在一些具体实施例中，从所有检测到的目标车辆中，确定距车辆的横向距离小于第一阈值且距该车辆的纵向距离小于第二阈值的目标车辆为指定目标车辆。也就是说，对于某一目标车辆，若该目标车辆距车辆的横向距离小于第一阈值，且该目标车辆距该车辆的纵向距离小于第二阈值，则可确定该目标车辆为指定目标车辆。
76.需要说明的是，以上通过距车辆的横向距离和纵向距离来确定指定目标车辆的方式，仅仅是筛选出指定目标车辆的其中一个示例，也可以按照其它需求来定义筛选指定目标车辆的筛选规则，在本发明实施例中对筛选规则的具体内容不做限定。
77.步骤s102：利用在多个历史周期中采集的指定目标车辆的绝对运动状态，确定得到平均运动学参数，并基于平均运动学参数预测指定目标车辆的待处理运动轨迹。
78.由上述内容可知，通过感知系统可以采集目标车辆的目标信息，具体而言，通过感
知系统所采集得到的目标信息是定义在车辆的坐标系(该坐标系称为本车坐标系)下的相对运动状态，例如：通过感知系统所采集得到的速度为相对速度，所采集到的加速度为相对加速度。在实际应用中，需要将所采集到的目标车辆的相对运动状态转换为绝对运动状态，具体转换方式为：通过车载总线获得车辆(也就是本车)的底盘信息(其中包含了车速、加速度和横摆角速度等信息)；根据所获得的底盘信息，将目标车辆在本车坐标系下的相对运动状态转换到惯性基准坐标系下的绝对运动状态，最终可用获得目标车辆和车辆的绝对运动状态(如绝对速度和绝对加速度等)。
79.需要说明的是，惯性基准坐标系是指当前时刻与本车坐标系原点重合的大地坐标系，请参照图2，图2为惯性基准坐标系和本车坐标系的定义示意图；图2中，将指定目标车辆在本车坐标系下的相对运动状态转换到惯性基准坐标系下的绝对运动状态。值得注意的是，在图2中，编号101至编号104代表车道线，编号200代表指定目标车辆，编号300代表车辆(也就是本车)。
80.可以理解的是，本发明实施例所给出的方案中，相关计算任务是按照某个固定周期运行的，例如以t＝20ms这一固定周期运行；每个历史周期都会采集得到指定目标车辆的绝对运动状态。
81.需要说明的是，平均运动学参数用于描述指定目标车辆在多个历史周期中的平均运动状态。在具体实现步骤s102的过程中，可利用在多个历史周期中采集的指定目标车辆的绝对运动状态，确定平均运动学参数(如平均速度和平均横摆角速度等)，以有效抑制实时检测过程中所导致的异常数据。
82.具体而言，确定多个历史周期的时间间隔，该时间间隔为多个历史周期之和，例如：假设为n个历史周期，每个历史周期的长度为t，则n个历史周期的时间间隔为t＝nt；将在多个历史周期中采集的指定目标车辆的绝对运动状态除以该时间间隔，得到平均运动学参数。例如：将多个历史周期采集得到的位移除以时间间隔，得到平均速度。又例如：将多个历史周期采集得到的角度变化量除以时间间隔，得到平均横摆角速度。
83.在计算得到指定目标车辆的平均运动学参数之后，利用运动学模型对该平均运动学参数进行处理，预测得到指定目标车辆的待处理运动轨迹(也可称之为待处理运动轨迹序列)，或者说，生成指定目标车辆的待处理运动轨迹。
84.需要说明的是，运动学模型可以是常角速度常速度(constant turn rate and velocity,ctrv)模型、常角速度常加速度(constant turn rate and accel eration,ctra)模型和匀速模型等；具体而言，基于指定目标车辆的平均运动学参数，利用运动学模型进行第k周期到第k 1周期的递推，从而生成指定目标车辆的待处理运动轨迹。
85.可以理解的是，由于运动学模型只能反映较短时间的运动状态，因此所生成的待处理运动轨迹的时间长度应小于一定值(如小于0.5s)。
86.步骤s103：基于待处理运动轨迹和指定目标车辆的历史运动轨迹，计算指定目标车辆的运动特征向量的归一化均值。
87.需要说明的是，在实际行驶过程中，实时记录指定目标车辆在过去一段时间内处于惯性基准坐标系下的历史运动轨迹，该历史运动轨迹的时间长度可自定义，例如：可按照一般换道时间，将历史运动轨迹的时间长度定义为1秒至3秒。
88.在具体实现步骤s103的过程中，利用待处理运动轨迹和指定目标车辆的历史运动
轨迹，计算指定目标车辆的运动特征向量的归一化均值。可以理解的是，运动特征向量包括但不仅限于：指定目标车辆的车辆横向位置与车道中心线(指定目标车辆所在车道的车道中心线)的中心线横向位置之间的横向位置偏差，指定目标车辆的车辆航向角与该车道中心线的道线航向角之间的航向角偏差。
89.基于指定目标车辆所在车道的宽度，将横向位置偏差进行归一化并求取均值，得到横向位置偏差的归一化均值；以及，基于指定目标车辆的最大航向角，将航向角偏差进行归一化并求取均值，得到航向角偏差的归一化均值。
90.具体如何计算得到横向位置偏差的归一化均值和航向角偏差的归一化均值，详见以下实施例图5中的内容。
91.步骤s104：将归一化均值映射到预设数值区间中得到行驶意图数值，并根据行驶意图数值预测得到初始行驶意图。
92.在具体实现步骤s104的过程中，利用非线性映射函数，将运动特征向量的归一化均值映射到预设数值区间上，得到行驶意图数值，并根据该行驶意图数值预测得到初始行驶意图；该预设数值区间可以是[-1,1]区间。
[0093]
一些实施例中，预先利用s型函数确定非线性映射函数，具体而言，将s型函数进行缩放和平移，得到非线性映射函数；s型函数可以是sigmoid函数和tanh函数等。
[0094]
以tanh函数为例，对如何确定得到非线性映射函数的过程进行举例说明。tanh函数如公式(1)。对tanh函数进行缩放和平移，所得到的非线性映射函数如公式(2)。
[0095][0096]
对tanh函数进行缩放和平移，所得到的非线性映射函数如公式(2)。
[0097][0098]
在上述公式(1)和公式(2)中，x是自变量，a为缩放系数，b为平移系数。其中，在实际应用中，公式(2)中的x为运动特征向量的归一化均值，公式(2)中的f(x)为归一化均值映射在预设数值区间后的值。
[0099]
一些实施例中，利用基于s型函数得到的非线性映射函数，将横向位置偏差的归一化均值映射到预设数值区间中得到第一行驶意图数值，以及将航向角偏差的归一化均值映射到预设数值区间得到第二行驶意图数值。
[0100]
例如：请参照图3，图3为非线性映射函数的示意图，将归一化均值映射到[-1,1]这一预设数值区间中后，可得到相应的行驶意图数值；该行驶意图数值处于左侧换道数值区间(也就是llc所指示的数值区间)时，表示初始行驶意图为左侧换道意图；该行驶意图数值处于右侧换道数值区间(也就是rlc所指示的数值区间)时，表示初始行驶意图为右侧换道意图；该行驶意图数值即不处于左侧换道数值区间也不处于右侧换道数值区间(也就是处于lk所指示的数值区间)，表示初始行驶意图为保持车道意图。图3中的左侧换道数值区间可以是-0.6至-1，右侧换道数值区间可以是0.6至1。
[0101]
分别将横向位置偏差的归一化均值和航向角偏差的归一化均值映射到预设数值区间后，在第一行驶意图数值和第二行驶意图数值满足左侧换道规则的情况下，预测初始行驶意图为左侧换道意图，其中，该左侧换道规则为：第一行驶意图数值处于第一左侧换道数值区间内，且第二行驶意图数值处于第二左侧换道数值区间内。
[0102]
在第一行驶意图数值和第二行驶意图数值满足右侧换道规则的情况下，预测初始行驶意图为右侧换道意图，其中，右侧换道规则为：第一行驶意图数值处于第一右侧换道数值区间内，且第二行驶意图数值处于第二右侧换道数值区间内。
[0103]
在第一行驶意图数值和第二行驶意图数值未满足左侧换道规则的情况下，且第一行驶意图数值和第二行驶意图数值未满足右侧换道规则的情况下，预测初始行驶意图为保持车道意图。
[0104]
步骤s105：扫描指定目标车辆的周边环境，得到指定目标车辆所在车道的道线类型，及得到与指定目标车辆所在车道相邻的车道中的障碍车辆信息。
[0105]
一些实施例中，指定目标车辆所在车道的道线类型包括：左侧车道线的道线类型和右侧车道线的道线类型；道线类型为：允许变道的道线(如虚线)或不允许变道的道线(如实线)。
[0106]
在具体实现步骤s105的过程中，扫描指定目标车辆的周边环境，如：扫描指定目标车辆所在车道的道线类型，以及扫描与指定目标车辆所在车道相邻的车道(相邻的左车道和/或右车道)中的障碍车辆信息；得到指定目标车辆所在车道的道线类型，及得到与指定目标车辆所在车道相邻的车道中的障碍车辆信息，该障碍车辆信息至少指示：与指定目标车辆所在车道相邻的车道中是否存在障碍车辆。
[0107]
一些实施例中，指定目标车辆的周边环境的横向范围和纵向范围可根据实际情况进行限定；该周边环境的横向范围限定为指定目标车辆所在车道的宽度加上左右相邻的车道的宽度，例如：指定目标车辆所在车道的宽度为l，与指定目标车辆所在车道左相邻及右相邻的车道均为l，则该周边环境的横向范围限定为3l；该周边环境的纵向范围可根据指定目标车辆的车速vx进行自适应调节，例如：周边环境的纵向范围的上阈值dis_y_low＝k*vx，周边环境的纵向范围的下阈值dis_y_high＝m*vx，周边环境的纵向范围为由dis_y_low和dis_y_high所构成的范围，其中，k和m为调节系数，k和m可根据车辆类型和系统设定的敏感程度进行调节。
[0108]
步骤s106：利用道线类型和障碍车辆信息，对初始行驶意图进行滤波处理，预测得到最终行驶意图。
[0109]
在具体实现步骤s106的过程中，扫描得到指定目标车辆所在车道的道线类型，以及扫描得到障碍车辆信息之后，利用该道线类型和该障碍车辆信息，确定指定目标车辆所满足的换道条件，换道条件至少包括：用于指示允许向右变道的第一条件，用于指示允许向左变道的第二条件。其中，第一条件具体可以是：指定目标车辆所在车道的右侧车道线的道线类型为虚线(即可以换道的道线)，且与指定目标车辆所在车道右相邻的车道中没有障碍车辆；第二条件具体可以是：指定目标车辆所在车道的左侧车道线的道线类型为虚线，且与指定目标车辆所在车道左相邻的车道中没有障碍车辆。
[0110]
在初始行驶意图为左侧换道意图的情况下，在指定目标车辆未满足第二条件时(即不能向左变道)，预测最终行驶意图为保持车道意图；在指定目标车辆满足第二条件时
(即能向左变道)，预测最终行驶意图为左侧换道意图。
[0111]
在初始行驶意图为右侧换道意图的情况下，在指定目标车辆未满足第一条件时(即不能向右变道)，预测最终行驶意图为保持车道意图；若指定目标车辆满足第一条件时(即能向右变道)，预测最终行驶意图为右侧换道意图。
[0112]
例如：请参照图4，图4为扫描指定目标车辆的周边环境的示意图，其中，编号201和编号202代表车道线，编号400代表障碍车辆，编号500代表指定目标车辆。
[0113]
如图4所示，指定目标车辆所在车道的右侧车道线的道线类型为实线，且与指定目标车辆所在车道左相邻的车道中存在障碍车辆；在初始行驶意图为左侧换道意图的情况下，由于指定目标车辆所在车道左相邻的车道中存在障碍车辆(即不能向左变道)，预测指定目标车辆的最终行驶意图为保持车道意图(也就是车道内保持)。同时，对于上述步骤s105中提及的所扫描的周边环境，结合图4可知，该周边环境(图4中的环境扫描区域)的纵向范围为由dis_y_low和dis_y_high所构成的范围。
[0114]
步骤s107：基于最终行驶意图确定横向目标位置。
[0115]
由上述步骤s106可知，最终行驶意图为左侧换道意图、右侧换道意图或保持车道意图；在具体实现步骤s107的过程中，基于最终行驶意图，在车道线frenet坐标系中确定横向目标位置，该横向目标位置为：指定目标车辆横向运动需到达的位置。
[0116]
一些实施例中，在最终行驶意图为左侧换道意图的情况下，确定与指定目标车辆所在车道左相邻的车道的中心线横向位置为横向目标位置；在最终行驶意图为右侧换道意图的情况下，确定与指定目标车辆所在车道右相邻的车道的中心线横向位置为横向目标位置；在最终行驶意图为保持车道意图的情况下，确定指定目标车辆所在车道的中心线横向位置为横向目标位置。
[0117]
步骤s108：利用横向目标位置和平均运动学参数，预测指定目标车辆从当前位置到目标位置的车辆运动轨迹。
[0118]
在具体实现步骤s108的过程中，利用预设的轨迹生成方式，生成指定目标车辆移动到横向目标位置的横向移动轨迹，该预设的轨迹生成方式包括但不仅限于：等比例衰减方式和多项式曲线拟合方式等方式；在采用比例衰减方式的情况下，该横向移动轨迹中第k时刻的数据点如公式(3)。
[0119]
yk＝αy
k-1
ꢀꢀ
(3)
[0120]
公式(3)中，yk为第k时刻下指定目标车辆的横向位置与横向目标位置的差值，0《α《1，α越小则yk衰减越快，也就是指定目标车辆的横向位置变化越快，α具体可以在0.90至0.99范围内取值。
[0121]
可以理解的是，指定目标车辆在纵向方向上的加速度设为恒定，根据上述步骤s102中确定得到的平均运动学参数，生成指定目标车辆的纵向移动轨迹，该纵向移动轨迹中第k时刻的数据点如公式(4)。
[0122][0123]
公式(4)中，xk为第k时刻下指定目标车辆的纵向位置，v为速度，a为加速度，t为固定周期的长度。第k时刻下的v的计算方式如公式(5)。
[0124]
vk＝v
k-1
at
ꢀꢀ
(5)
[0125]
利用公式(3)至公式(5)，结合横向移动轨迹和纵向移动轨迹，预测得到指定目标车辆从当前位置到目标位置的车辆运动轨迹，该车辆运动轨迹中目标指定车辆在第k时刻的轨迹位置记为(xk，yk)。
[0126]
结合上述步骤s101至步骤s108的内容可知，本发明实施例所给出的预测车辆运动轨迹的方法，分两层预测指定目标车辆的车辆运动轨迹。第一层为行驶意图预测层，通过对在历史周期中采集得到的指定目标车辆的运动状态进行连续观测，计算得到指定目标车辆相对于车道线的运动特征，并考虑指定目标车辆所处周边环境的动态信息(是否存在障碍车辆)和静态信息(车道线的道线类型)，判断出指定目标车辆的最终行驶意图。第二层为车辆运动轨迹预测层，通过指定目标车辆的最终行驶意图，预测指定目标车辆在未来一定时间段内的车辆运动轨迹。
[0127]
在本发明实施例中，通过对指定目标车辆的历史运动轨迹及其它参数进行计算得到行驶意图，再根据行驶意图预测车辆运动轨迹，预测车辆运动轨迹所使用的参数较少，对硬件算力的要求较低；并且采用分层次的方式预测车辆运动轨迹，当预测结果出现异常时，能够快速定位哪一环节出现异常，进而及时解决异常以提高安全性。
[0128]
上述本发明实施例图1步骤s103中涉及的计算横向位置偏差的归一化均值和航向角偏差的归一化均值的过程，参见图5，示出了本发明实施例提供的计算归一化均值的流程图，包括以下步骤：
[0129]
步骤s501：组合待处理运动轨迹和预先存储的指定目标车辆的历史运动轨迹，得到输入运动轨迹。
[0130]
在具体实现步骤s501的过程中，将指定目标车辆的历史运动轨迹和预测得到的待处理运动轨迹进行组合，得到输入运动轨迹。
[0131]
步骤s502：利用车道线表达式，计算输入运动轨迹对应的车道中心线的中心线横向位置和道线航向角。
[0132]
需要说明的是，输入运动轨迹对应的车道中心线即为指定目标车辆所在道线的车道中心线；车道线表达式包括：左车道线表达式和右车道线表达式。
[0133]
一些实施例中，左车道线表达式如公式(6)，右车道线表达式如公式(7)。
[0134]yl
＝c
0l
c
1l
x c
2l
x2 c
3l
x3ꢀꢀ
(6)
[0135]
yr＝c
0r
c
1r
x c
2r
x2 c
3r
x3ꢀꢀ
(7)
[0136]
在公式(6)中，x为本车坐标系下指定目标车辆的纵向位置，y
l
为本车坐标系下指定目标车辆所在纵向位置的左道线的横向位置，c
0l
、c
1l
、c
2l
和c
3l
为指定目标车辆所在道线的左道线的3次多项式系数。在公式(7)中，x为本车坐标系下指定目标车辆的纵向位置，yr为本车坐标系下指定目标车辆所在纵向位置的右道线的横向位置，c
0r
、c
1r
、c
2r
和c
3r
为指定目标车辆所在道线的右道线的3次多项式系数。
[0137]
结合公式(6)和公式(7)，指定目标车辆所在道线的车道中心线的中心线横向位置为yc如公式(8)；该车道中心线的道线航向角θc如公式(9)。
[0138]
yc＝(y
l
yr)/2
ꢀꢀ
(8)
[0139]
θc≈c1 2c2x 3c3x2ꢀꢀ
(9)
[0140]
在公式(9)中，c1＝(c
1l
c
1r
)/2，c2＝(c
2l
c
2r
)/2，c3＝(c
3l
c
3r
)/2。
[0141]
步骤s503：对于输入运动轨迹中指定目标车辆的车辆横向位置和车辆航向角，计
算车辆横向位置与中心线横向位置之间的横向位置偏差，以及计算车辆航向角与道线航向角之间的航向角偏差。
[0142]
需要说明的是，输入运动轨迹中包含多个轨迹点，每个轨迹点都对应存在指定目标车辆的车辆横向位置和车辆航向角。
[0143]
对于某一轨迹点对应的指定目标车辆的车辆横向位置和车辆航向角，通过公式(10)计算该车辆横向位置与中心线横向位置之间的横向位置偏差dy(即为横向位置偏差向量)，以及通过公式(11)计算该车辆航向角与道线航向角之间的航向角偏差dθ(即为航向角偏差向量)。
[0144]
dy＝y
t-ycꢀꢀ
(10)
[0145]
dθ＝θ
t-θcꢀꢀ
(11)
[0146]
在公式(10)中，y
t
为某一轨迹点对应的车辆横向位置，yc为中心线横向位置。在公式(11)中，θ
t
为某一轨迹点对应的车辆航向角，θc为道线航向角。
[0147]
通过上述公式(10)和公式(11)，可计算得到输入运动轨迹中每个轨迹点对应的车辆横向位置与中心线横向位置之间的横向位置偏差，以及计算得到输入运动轨迹中每个轨迹点对应的车辆航向角与道线航向角之间的航向角偏差；即计算得到多个横向位置偏差和多个航向角偏差。
[0148]
步骤s504：将横向位置偏差除以车道宽度以归一化横向位置偏差，并对所有归一化后的横向位置偏差取平均值，确定得到横向位置偏差的归一化均值。
[0149]
在具体实现步骤s504的过程中，根据实时检测得到的指定目标车辆所在车道的车道宽度，将横向位置偏差进行归一化，得到横向位置偏差的归一化值。具体而言，将横向位置偏差除以车道宽度以归一化横向位置偏差，得到横向位置偏差的归一化值为dy_norm＝dy/l，dy为横向位置偏差，l为车道宽度。
[0150]
由上述内容可知，输入运动轨迹中每个轨迹点都计算得到相应的横向位置偏差，在对横向位置偏差进行归一化后，可得到每个轨迹点对应的横向位置偏差的归一化值，即可得到多个横向位置偏差的归一化值。
[0151]
对所有归一化后的横向位置偏差取平均值，或者说，对所有横向位置偏差的归一化值取平均值，确定得到横向位置偏差的归一化均值。
[0152]
步骤s505：将航向角偏差除以指定目标车辆的最大航向角以归一化航向角偏差，并对所有归一化后的航向角偏差取平均值，确定得到航向角偏差的归一化均值。
[0153]
需要说明的是，指定目标车辆的最大航向角基于指定目标车辆的车速计算得到。具体而言，设定指定目标车辆的最大侧向加速度，根据该指定目标车辆的车速实时计算得到最大航向角。
[0154]
在具体实现步骤s505的过程中，根据实时计算得到的指定目标车辆的最大航向角，对航向角偏差进行归一化，得到航向角偏差的归一化值。具体而言，将航向角偏差除以指定目标车辆的最大航向角以归一化航向角偏差，得到航向角偏差的归一化值dθ_norm＝dθ/θ，dθ为航向角偏差，θ为最大航向角。
[0155]
由上述内容可知，输入运动轨迹中每个轨迹点都计算得到相应的航向角偏差，在对航向角偏差进行归一化后，可得到每个轨迹点对应的航向角偏差的归一化值，即可得到多个航向角偏差的归一化值。
[0156]
对所有归一化后的航向角偏差取平均值，或者说，对所有航向角偏差的归一化值取平均值，确定得到航向角偏差的归一化均值。
[0157]
在本发明实施例中，将待处理运动轨迹和历史运动轨迹进行组合得到输入运动轨迹。根据车道线表达式和输入运动轨迹，计算横向位置偏差和航向角偏差的归一化均值。利用计算得到的归一化均值确定行驶意图，进而基于行驶意图和周边环境的信息预测车辆运动轨迹，预测车辆运动轨迹所使用的参数较少，对硬件算力的要求较低；并且采用分层次的方式预测车辆运动轨迹，当预测结果出现异常时，能够快速定位哪一环节出现异常，进而及时解决异常以提高安全性。
[0158]
为更好解释说明上述各个实施例中关于预测车辆运动轨迹的方法的内容，通过图6示出的一种预测车辆运动轨迹的原理示意图进行举例说明。
[0159]
请参照图6，通过车载总线601采集车辆(也就是本车)的底盘信息，获取本车的车速、加速度和横摆角速度等信息，并将所获取的信息发送至换道意图计算模块603中。
[0160]
通过感知系统602检测车道线信息并将其发送至车辆运动轨迹生成模块604和换道意图计算模块603中；通过感知系统602从检测到的目标车辆中筛选出指定目标车辆，并将指定目标车辆当前的环境信息发送至换道意图计算模块603中，以及将指定目标车辆的历史位置和历史速度等历史信息发送至车辆运动轨迹生成模块604和换道意图计算模块603中，其中历史位置和历史速度等历史信息为在历史周期采集得到。
[0161]
换道意图计算模块603根据所接收的信息，计算得到指定目标车辆的换道意图(也就是上述提及的最终行驶意图)并将其发送给车辆运动轨迹生成模块604；车辆运动轨迹生成模块604根据所接收的信息，预测指定目标车辆的车辆运动轨迹。
[0162]
图6所涉及到数据处理的详细内容，可参见上述本发明实施例图1至图5示出的内容，在此不再赘述。
[0163]
与上述本发明实施例提供的一种预测车辆运动轨迹的方法相对应，参见图7，本发明实施例还提供了一种预测车辆运动轨迹的装置的结构框图，该装置搭载在车辆上，该装置包括：第一确定单元701、处理单元702、计算单元703、第一预测单元704、扫描单元705、第二预测单元706、第二确定单元707和第三预测单元708；
[0164]
第一确定单元701，用于从检测到的目标车辆中确定指定目标车辆。
[0165]
在具体实现中，第一确定单元701具体用于：从所有检测到的目标车辆中，确定距车辆的横向距离小于第一阈值且距车辆的纵向距离小于第二阈值的目标车辆为指定目标车辆。
[0166]
处理单元702，用于利用在多个历史周期中采集的指定目标车辆的绝对运动状态，确定得到平均运动学参数，并基于平均运动学参数预测指定目标车辆的待处理运动轨迹。
[0167]
需要说明的是，平均运动学参数用于描述指定目标车辆在多个历史周期中的平均运动状态。
[0168]
在具体实现中，处理单元702具体用于：确定多个历史周期的时间间隔；将在多个历史周期中采集的指定目标车辆的绝对运动状态除以时间间隔，得到平均运动学参数；利用运动学模型对平均运动学参数进行处理，预测指定目标车辆的待处理运动轨迹。
[0169]
计算单元703，用于基于待处理运动轨迹和指定目标车辆的历史运动轨迹，计算指定目标车辆的运动特征向量的归一化均值。
[0170]
第一预测单元704，用于将归一化均值映射到预设数值区间中得到行驶意图数值，并根据行驶意图数值预测得到初始行驶意图。
[0171]
扫描单元705，用于扫描指定目标车辆的周边环境，得到指定目标车辆所在车道的道线类型，及得到与指定目标车辆所在车道相邻的车道中的障碍车辆信息。
[0172]
一些实施例中，指定目标车辆所在车道的道线类型包括：左侧车道线的道线类型和右侧车道线的道线类型；道线类型为：允许变道的道线或不允许变道的道线。
[0173]
第二预测单元706，用于利用道线类型和障碍车辆信息，对初始行驶意图进行滤波处理，预测得到最终行驶意图。
[0174]
在具体实现中，初始行驶意图为左侧换道意图、右侧换道意图或保持车道意图；第二预测单元706具体用于：利用道线类型和障碍车辆信息，确定指定目标车辆所满足的换道条件，换道条件至少包括：用于指示允许向右变道的第一条件，用于指示允许向左变道的第二条件；
[0175]
在初始行驶意图为左侧换道意图的情况下，在指定目标车辆未满足第二条件时，预测最终行驶意图为保持车道意图；在指定目标车辆满足第二条件时，预测最终行驶意图为左侧换道意图；
[0176]
在初始行驶意图为右侧换道意图的情况下，在指定目标车辆未满足第一条件时，预测最终行驶意图为保持车道意图；在指定目标车辆满足第一条件时，预测最终行驶意图为右侧换道意图。
[0177]
第二确定单元707，用于基于最终行驶意图确定横向目标位置。
[0178]
在具体实现中，最终行驶意图为左侧换道意图、右侧换道意图或保持车道意图；第二确定单元707具体用于：在最终行驶意图为左侧换道意图的情况下，确定与指定目标车辆所在车道左相邻的车道的中心线横向位置为横向目标位置；在最终行驶意图为右侧换道意图的情况下，确定与指定目标车辆所在车道右相邻的车道的中心线横向位置为横向目标位置；在最终行驶意图为保持车道意图的情况下，确定指定目标车辆所在车道的中心线横向位置为横向目标位置。
[0179]
第三预测单元708，用于利用横向目标位置和平均运动学参数，生成指定目标车辆从当前位置到目标位置的车辆运动轨迹。
[0180]
在具体实现中，第三预测单元708具体用于：利用预设的轨迹生成方式，生成指定目标车辆移动到横向目标位置的横向移动轨迹；根据平均运动学参数，生成指定目标车辆的纵向移动轨迹；结合横向移动轨迹和纵向移动轨迹，预测得到指定目标车辆从当前位置到目标位置的车辆运动轨迹。
[0181]
在一些实施例中，预设的轨迹生成方式为等比例衰减方式或多项式曲线拟合方式；在轨迹生成方式为等比例衰减方式的情况下，所生成的横向移动轨迹中的数据点的内容参见上述公式(3)；所生成的纵向移动轨迹中的数据点的内容参见上述公式(4)和公式(5)；结合上述公式(3)至公式(5)，预测得到的车辆运动轨迹中，目标指定车辆在第k时刻的轨迹位置为(xk，yk)。
[0182]
在本发明实施例中，通过对指定目标车辆的历史运动轨迹及其它参数进行计算得到行驶意图，再根据行驶意图预测车辆运动轨迹，预测车辆运动轨迹所使用的参数较少，对硬件算力的要求较低；并且采用分层次的方式预测车辆运动轨迹，当预测结果出现异常时，
能够快速定位哪一环节出现异常，进而及时解决异常以提高安全性。
[0183]
优选的，结合图7，计算单元703包括：组合子单元、第一计算子单元、第二计算子单元、第一处理子单元和第二处理子单元，各个子单元的执行原理如下：
[0184]
组合子单元，用于组合待处理运动轨迹和预先存储的指定目标车辆的历史运动轨迹，得到输入运动轨迹。
[0185]
第一计算子单元，用于利用车道线表达式，计算所述输入运动轨迹对应的车道中心线的中心线横向位置和道线航向角；
[0186]
第二计算子单元，用于对于输入运动轨迹中指定目标车辆的车辆横向位置和车辆航向角，计算车辆横向位置与中心线横向位置之间的横向位置偏差，以及计算车辆航向角与道线航向角之间的航向角偏差。
[0187]
第一处理子单元，用于将横向位置偏差除以车道宽度以归一化横向位置偏差，并对所有归一化后的横向位置偏差取平均值，确定得到横向位置偏差的归一化均值。
[0188]
第二处理子单元，用于将航向角偏差除以指定目标车辆的最大航向角以归一化航向角偏差，并对所有归一化后的航向角偏差取平均值，确定得到航向角偏差的归一化均值，指定目标车辆的最大航向角基于指定目标车辆的车速计算得到。
[0189]
相应的，第一预测单元704具体用于：利用基于s型函数得到的非线性映射函数，将横向位置偏差的归一化均值映射到预设数值区间中得到第一行驶意图数值，以及将航向角偏差的归一化均值映射到预设数值区间得到第二行驶意图数值；
[0190]
在第一行驶意图数值和第二行驶意图数值满足左侧换道规则的情况下，预测初始行驶意图为左侧换道意图，其中，左侧换道规则为：第一行驶意图数值处于第一左侧换道数值区间内，且第二行驶意图数值处于第二左侧换道数值区间内；
[0191]
在所第一行驶意图数值和第二行驶意图数值满足右侧换道规则的情况下，预测初始行驶意图为右侧换道意图，其中，右侧换道规则为：第一行驶意图数值处于第一右侧换道数值区间内，且第二行驶意图数值处于第二右侧换道数值区间内；
[0192]
在第一行驶意图数值和第二行驶意图数值未满足左侧换道规则的情况下，且第一行驶意图数值和第二行驶意图数值未满足右侧换道规则的情况下，预测初始行驶意图为保持车道意图。
[0193]
在本发明实施例中，将待处理运动轨迹和历史运动轨迹进行组合得到输入运动轨迹。根据车道线表达式和输入运动轨迹，计算横向位置偏差和航向角偏差的归一化均值。利用计算得到的归一化均值确定行驶意图，进而基于行驶意图和周边环境的信息预测车辆运动轨迹，预测车辆运动轨迹所使用的参数较少，对硬件算力的要求较低；并且采用分层次的方式预测车辆运动轨迹，当预测结果出现异常时，能够快速定位哪一环节出现异常，进而及时解决异常以提高安全性。
[0194]
综上所述，本发明实施例提供一种预测车辆运动轨迹的方法及装置，通过对指定目标车辆的历史运动轨迹及其它参数进行计算得到行驶意图，再根据行驶意图预测车辆运动轨迹，预测车辆运动轨迹所使用的参数较少，对硬件算力的要求较低；并且采用分层次的方式预测车辆运动轨迹，当预测结果出现异常时，能够快速定位哪一环节出现异常，进而及时解决异常以提高安全性。
[0195]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部
分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0196]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0197]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。