CN115214724B - 一种轨迹预测的方法、装置、电子设备及存储介质 - Google Patents

一种轨迹预测的方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115214724B
CN115214724B CN202211140393.7A CN202211140393A CN115214724B CN 115214724 B CN115214724 B CN 115214724B CN 202211140393 A CN202211140393 A CN 202211140393A CN 115214724 B CN115214724 B CN 115214724B
Authority
CN
China
Prior art keywords
obstacle
vehicle
determining
self
virtual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211140393.7A
Other languages
English (en)
Other versions
CN115214724A (zh
Inventor
顾维灏
艾锐
栾为坚
曹东璞
王聪
张凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haomo Zhixing Technology Co Ltd
Original Assignee
Haomo Zhixing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Haomo Zhixing Technology Co Ltd filed Critical Haomo Zhixing Technology Co Ltd
Priority to CN202211140393.7A priority Critical patent/CN115214724B/zh
Publication of CN115214724A publication Critical patent/CN115214724A/zh
Application granted granted Critical
Publication of CN115214724B publication Critical patent/CN115214724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例涉及轨迹预测技术领域，公开了一种轨迹预测的方法、装置、电子设备及存储介质，方法包括：根据采集的障碍物运动参数和自车运动参数，确定障碍物的速度朝向和自车的速度朝向；根据两者夹角与预设角度范围之间的关系，确定障碍物所属的障碍物类型；在所属障碍物类型为对向障碍物时，确定障碍物与自车之间是否存在交互意图；在障碍物与自车存在交互意图的情况下，通过交互运动模型、障碍物运动参数和自车运动参数，确定属于障碍物的正对自车的虚拟预测轨迹；在障碍物与自车不存在交互意图的情况下，通过无交互运动模型和障碍物运动参数，确定障碍物的虚拟预测轨迹。旨在避免车辆频繁点刹，以提高自车的运行平稳性和运行效率。

Description

一种轨迹预测的方法、装置、电子设备及存储介质
技术领域
本发明涉及轨迹预测技术领域，特别是涉及一种轨迹预测的方法、装置、电子设备及存储介质。
背景技术
车辆与行人和自行车的交互是无法避免的。乘用车的主要运行场景是机动车道，与行人和自行车的交互相对比较有规则。大部分行人和自行车都在路口过斑马线的时候和自车产生交互行为，无规则的穿行马路行为相对来说数量较少。而对于无人驾驶的送快递的物流车主要的运行场景是辅路，其行驶速度较慢（大约20km/h），在辅路上跟物流车交互最多的障碍物就是行人和自行车。行人和自行车具有自由度较高，碰撞成本高等特点。如果不能高质量地预测这两类障碍物，不仅会导致车辆频繁点刹，表现笨重影响运行效率，还会有发生安全事故的风险。
为了解决上述问题，通常的做法都是对行人和自行车障碍物进行运动学建模，如使用匀速直线运动模型或匀加速直线运动模型。或者使用数据驱动模型来生成轨迹，利用网络的复杂性捕获运动特征，生成更复杂的轨迹。虽然普通的匀速直线运动或者匀加速直线运动模型实现简单，效果可控，但无法捕捉障碍物中间的停止或者转向行为，同时匀速直线运动模型本身对于感知的速度误差包容较差，会随着感知的波动而波动，这会导致很多不必要的刹停，也就是异常点刹。而数据驱动模型虽然复杂，在大数据集上指标优秀，但是无法保证一定能解决问题，更无法保证安全性。同时，这两类模型生成的轨迹虽然符合客观运动规律，但未考虑下游规划模块s-t图算法的短板，也就是s-t图算法只对纵向轨迹敏感，对于垂直于自车纵向的横切轨迹几乎没有响应。使用上述两种方法即使很好地预测出横切障碍物未来的运动状况，也会因为规划模块对横切轨迹不敏感，使自车跟障碍物发生碰撞或产生碰撞风险。
发明内容
有鉴于此，本发明提供一种轨迹预测的方法、装置、电子设备及存储介质。旨在避免车辆频繁点刹，以提高自车的运行平稳性和运行效率。
本发明提供的一种轨迹预测的方法，所述方法包括：
根据采集的障碍物运动参数和自车运动参数，确定所述障碍物的速度朝向和所述自车的速度朝向；
根据所述障碍物的速度朝向和所述自车的速度朝向的夹角与预设角度范围之间的关系，确定所述障碍物所属的障碍物类型，所述预设角度范围包括第一预设角度范围、第二预设角度范围和第三预设角度范围；
在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图；
在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；
在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹。
可选地，所述在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图，包括：
在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物的速度朝向与横轴的第一夹角，以及，确定所述障碍物与所述自车的连线与横轴的第二夹角；
在所述第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图；
在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图。
可选地，所述在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹，包括：
通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；
通过所述分速度，构建纵向坐标与所述障碍物当前时刻所在位置的纵向坐标相同，且起始点位于所述障碍物当前时刻所在位置的所述障碍物的虚拟预测轨迹。
可选地，在所述障碍物所属的障碍物类型为横切障碍物时，根据所述障碍物运动参数，确定所述障碍物切入所述自车前方所需的时长；
在所述时长满足第一预设条件时，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；
在所述时长不满足第一预设条件时，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹。
可选地，在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图之前，所述方法还包括：
以所述自车所在位置为原点，对所述自车周围进行预设尺寸的栅格化划分，获得多个栅格区域；
根据所述多个栅格区域分别与所述自车之间的位置关系，确定所述多个栅格区域各自所属的栅格区域类别；
所述在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图，包括：
在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物所处的栅格区域类别；在所述障碍物处于第一栅格区域类别的栅格区域内的情况下，确定所述障碍物与所述自车存在交互意图；在所述障碍物处于第二栅格区域类别的栅格区域内的情况下，确定所述障碍物的速度朝向与横轴的第一夹角，以及，确定所述障碍物与所述自车的连线与横轴的第二夹角；在所述第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图，或，在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图；在所述障碍物处于第三栅格区域类别的栅格区域内的情况下，确定所述障碍物与所述自车存在目标交互意图；
在所述障碍物与所述自车存在交互意图的情况下，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹，以灵敏响应所述障碍物的运动方向。
可选地，所述在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹，包括：
在所述障碍物与所述自车存在交互意图的情况下，通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；
通过所述分速度、所述自车在当前时刻的速度和所述障碍物与所述自车在纵向上的距离，确定所述自车与所述障碍物在自车所在的纵轴上的虚拟交点；
通过所述分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹。
可选地，所述在所述时长满足第一预设条件时，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹，包括：
在所述时长满足第一预设条件时，通过所述障碍物的速度朝向，确定所述障碍物将与所述自车所在纵轴发生交叉的虚拟交点；
通过所述障碍物的预设分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹
针对在先技术，本发明具备如下优点：
本发明所提供的一种轨迹预测的方法，根据采集的障碍物运动参数和自车运动参数，确定所述障碍物的速度朝向和所述自车的速度朝向根据所述障碍物的速度朝向和所述自车的速度朝向的夹角与预设角度范围之间的关系，确定所述障碍物所属的障碍物类型；在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图；在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，构建属于所述障碍物的正对自车的一条虚拟预测轨迹，以使得下游决策端基于该正对自车的一条虚拟预测轨迹及时作出减速避障动作，从而避免自车频繁点刹，提高自车的行驶平稳性和行驶效率。同时在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定一条与自车行驶轨迹平行的属于所述障碍物的虚拟预测轨迹，从而避免自车的下游决策端作出与上游轨迹预测端相违背的决策。
本发明第二方面提供一种轨迹预测的装置。旨在避免车辆频繁点刹，以提高自车的运行平稳性和运行效率。
本发明提供的一种轨迹预测的装置，所述装置包括：
速度朝向确定单元，用于根据采集的障碍物运动参数和自车运动参数，确定所述障碍物的速度朝向和所述自车的速度朝向；
障碍物类型识别单元，用于根据所述障碍物的速度朝向和所述自车的速度朝向的夹角与预设角度范围之间的关系，确定所述障碍物所属的障碍物类型，所述预设角度范围包括第一预设角度范围、第二预设角度范围和第三预设角度范围；
交互意图确定单元，用于在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图；
第一虚拟预测轨迹生成单元，用于在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；
第二虚拟预测轨迹生成单元，用于在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹。
本发明第三方面提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面所述的一种轨迹预测的方法中的步骤。
本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的一种轨迹预测的方法中的步骤。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明实施例提供的一种轨迹预测的方法的流程图；
图2是本发明实施例提供的一种轨迹预测的方法中障碍物与自车之间的位置关系示意图；
图3是本发明实施例提供的一种轨迹预测的方法中预设角度范围的示意图；
图4是本发明实施例提供的一种轨迹预测的方法中交互意图确定的示意图；
图5是本发明实施例提供的一种轨迹预测的方法中存在交互意图的虚拟预测轨迹的示意图；
图6是本发明实施例提供的一种轨迹预测的方法中不存在交互意图的虚拟预测轨迹的示意图；
图7是本发明实施例提供的一种轨迹预测的方法中横向障碍物的虚拟预测轨迹的示意图；
图8是本发明实施例提供的一种轨迹预测的方法中栅格化的示意图；
图9是本发明实施例提供的一种轨迹预测的装置的示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
在对本发明进行说明之前，先说明本发明的应用场景为无人驾驶的送快递的物流车，其主要的运行场景为辅路，其行驶速度较慢，大约20km/h左右，在辅路上与该物流车交互最多的障碍物就是行人和自行车。
图1是本发明实施例提供的一种轨迹预测的方法的流程图，如图1所示，该方法包括：
步骤S101：根据采集的障碍物运动参数和自车运动参数，确定所述障碍物的速度朝向和所述自车的速度朝向；
步骤S102：根据所述障碍物的速度朝向和所述自车的速度朝向的夹角与预设角度范围之间的关系，确定所述障碍物所属的障碍物类型，所述预设角度范围包括第一预设角度范围、第二预设角度范围和第三预设角度范围；
步骤S103：在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图；
步骤S104：在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；
步骤S105：在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹。
在本实施例中，通过自车的传感器采集到障碍物的运动参数，通过对采集到的障碍物运动参数进行解析处理，获得障碍物相对于自车的位置关系，以及障碍物的速度和速度朝向等。通过对自车自身的运动参数进行解析处理，获得自车的速度和速度朝向等。其中，描述自车与障碍物之间的位置关系的坐标系为Frenet坐标系，该坐标系以自车车头中间位置为坐标原点，自车运动方向为纵轴S轴，以垂直于自车运动方向的左侧为横轴L轴。
如图2所示，图中EGO为自车，v1为自车的速度，由于坐标系为纵轴S轴，因此自车的速度朝向与纵轴S轴将一直处于同一方向，圆形为障碍物，v2为障碍物的速度。
通过提前设置三个预设角度范围，包括第一预设角度范围、第二预设角度范围、第三预设角度范围，用于确定障碍物所属于的障碍物类型。
在障碍物的速度朝向与自车的速度朝向之间的夹角处于第一预设角度范围内时，确定障碍物为对向障碍物；在障碍物的速度朝向与自车的速度朝向之间的夹角处于第二预设角度范围内时，确定障碍物为横向障碍物；在障碍物的速度朝向与自车的速度朝向之间的夹角处于第三预设角度范围内时，确定障碍物为同向障碍物。
在本实施例中，第一预设角度范围的取值优选为[110°，180°]，第二预设角度范围的取值优选为[80°，110°)和，第三预设角度范围的取值优选为[0°，80°)，应当理解的是，上述第一预设角度范围、第二预设角度范围和第三预设角度范围的取值只是一种优选的实施方式，上述三个预设角度范围同样可取值为其他范围，在此不做具体限定。
如图3所示，夹角C11和C12组成的范围为第三预设角度范围，夹角C21和C22组成的范围为第二预设角度范围，夹角C31和C32组成的范围为第一预设角度范围。在上述第一预设角度范围、第二预设角度范围和第三预设角度范围的取值为上述一种优选的实施方式时，图3中的夹角C11和C12的取值范围均为[0°，80°)，图3中的夹角C21和C22的取值范围均为[80°，110°)，图3中的夹角C31和C32的取值范围均为[110°，180°]。
在确定障碍物所属于的障碍物类型为对向障碍物时，确定障碍物与自车之间是否存在交互意图，也就是确定该障碍物是否存在于自车相撞的可能性。
在本发明中，所述在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图，包括：在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物的速度朝向与横轴的第一夹角，以及，确定所述障碍物与所述自车的连线与横轴的第二夹角；在所述第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图；在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图。
在本实施例中，在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图的具体实施方式为，确定障碍物的速度朝向与横轴之间的夹角，称之为第一夹角，以及，确定障碍物与自车相连的连线与横轴之间的夹角，称之为第二夹角。
在第一夹角小于等于第二夹角的情况下，确定障碍物与自车之间存在交互意图，而在第一夹角大于第二夹角的情况下，确定障碍物与自车之间不存在交互意图。
示例地，如图4所示，在障碍物A1以V21的速度朝向行进的情况下，此时确定到障碍物A1的速度朝向与横轴之间的第一夹角为C1，障碍物A1与自车相连的连线与横轴之间的第二夹角为C2，此时C1小于C2，因此确定障碍物A1以V21的速度朝向行进的情况下，存在与自车相撞的可能性，障碍物与自车之间存在交互意图。
而在障碍物A1以V22的速度朝向行进的情况下，此时确定到障碍物A1的速度朝向与横轴之间的第一夹角为C3，障碍物A1与自车相连的连线与横轴之间的第二夹角为C2，此时C3大于C2，因此确定障碍物A1以V22的速度朝向行进的情况下，不存在与自车相撞的可能性，障碍物与自车之间不存在交互意图。
在障碍物A2以V31的速度朝向行进的情况下，此时确定到障碍物A2的速度朝向与横轴之间的第一夹角为C5，障碍物A2与自车相连的连线与横轴之间的第二夹角为C4，此时C5小于C4，因此确定障碍物A2以V31的速度朝向行进的情况下，存在与自车相撞的可能性，障碍物与自车之间存在交互意图。
而在障碍物A2以V32的速度朝向行进的情况下，此时确定到障碍物A2的速度朝向与横轴之间的第一夹角为C6，障碍物A2与自车相连的连线与横轴之间的第二夹角为C4，此时C6大于C4，因此确定障碍物A2以V32的速度朝向行进的情况下，不存在与自车相撞的可能性，障碍物与自车之间不存在交互意图。
在本实施例中，在确定障碍物与自车之间存在交互意图的情况下，通过交互运动模型和障碍物运动参数，确定障碍物的虚拟预测轨迹。
在本发明中，所述在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹，包括：在所述障碍物与所述自车存在交互意图的情况下，通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；通过所述分速度、所述自车在当前时刻的速度和所述障碍物与所述自车在纵向上的距离，确定所述自车与所述障碍物在自车所在的纵轴上的虚拟交点；通过所述分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹。
在本实施例中，通过交互运动模型和所述障碍物运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹的具体实施方式为，通过调用交互运动模型，基于障碍物运动参数和自车运动参数为障碍物构建一条虚拟的预测轨迹，其具体实施过程如下。
通过障碍物参数，确定到障碍物在当前时刻的速度朝向和速度大小，根据障碍物的速度朝向和速度大小，确定到障碍物沿与自车运动方向相反的分速度。在获得障碍物的该分速度后，通过障碍物的该分速度，自车在当前时刻的速度和障碍物与自车在纵向上的距离和如下运动学公式（1），确定到自车与障碍物在自车所在的纵轴S轴上的虚拟交点。
Figure 570065DEST_PATH_IMAGE001
其中，vego为自车当前时刻的速度，属于已知量；vs为障碍物沿与自车运动方向相反的分速度，属于已知量；Sdis-S为障碍物与自车在纵向上的距离，属于已知量；a为自车的减速度，属于未知量；t为自车以上述减速度进行行驶，最终在虚拟交点处停下来所需的时长，属于未知量。
由上述两个计算公式进行计算，将获得自车的减速度a和时长t的取值，基于该两个参数，将获得虚拟交点处于自车正前方的距离S=vego×t+1/2at2，由此获得虚拟交点。
在获得该虚拟交点后，以障碍物的该分速度和以该虚拟交点作为虚拟预测轨迹的终点，构建纵向坐标与自车所在纵向坐标相同的障碍物的虚拟预测轨迹。
示例地，如图5所示，对障碍物运动参数进行解析处理，获得障碍物在当前时刻的具有速度朝向的速度V52，通过对障碍物的速度V52进行计算，获得障碍物沿与自车运动方向相反的分速度V52_1。通过障碍物的该分速度，自车在当前时刻的速度和障碍物与自车在纵向上的距离Sdis-S和上述运动学公式（1），确定到自车与障碍物在自车所在的纵轴S轴上的虚拟交点P1。以障碍物的该分速度V52_1和该虚拟交点P1，构建纵向坐标与自车所在纵向坐标相同，同时轨迹终点为虚拟交点P1的障碍物的虚拟预测轨迹，在此过程中预设障碍物一直在以该分速度V52_1沿该虚拟预测轨迹行驶，因此该虚拟预测轨迹的起点为横向坐标与障碍物当前时刻所在位置的横向坐标相同，纵向坐标为与自车所在纵向坐标相同的P2点，如图5所示，该虚拟预测轨迹为如图5中的线段P2-P1。
应当理解的是，上述提到的通过交互运动模型生成的障碍物的虚拟预测轨迹是与障碍物实际运动轨迹并无任何关联的一个虚拟的预测轨迹，而只与障碍物在当前时刻的速度朝向、速度和所处位置坐标有关。上游将该障碍物的虚拟预测轨迹发送给下游决策端后，下游将认为障碍物的运动轨迹为该障碍物的虚拟预测轨迹，并基于该虚拟预测轨迹作出相应的控制策略，而无并不会关注障碍物的实际运动轨迹。
在本实施例中，以往的匀速直线运动模型或匀加速直线运动模型则对于感知的速度误差包容较差，会随着感知的波动而波动，所导致很多不必要的刹停，也就是说只要自车感知到的障碍物的运动参数发生波动，自车就很容易基于感知到的障碍物的运动参数，通过匀速直线运动模型或匀加速直线运动模型生成的预测轨迹在刹车与不刹车之间进行切换，从而导致频繁点刹，进而导致自车的平稳性降低，运行效率也降低。而通过这一实施方式确定的虚拟预测轨迹，由于是在障碍物与自车存在发生交互的意图时，才会生成虚拟预测轨迹，而交互意图的判断是通过一个角度范围来确定的，即使感知到的障碍物的速度和速度朝向存在一定误差，只要是在存在交互意图的合理范围内，就会生成控制自车作出减速避障决策的虚拟预测轨迹，这时自车将不会再像以往一样作出频繁点刹的决策，自车的运动平稳性就会更高，运行效率也会提高。或是在不存在交互意图的合理范围内，就不会生成控制自车作出减速避障决策的虚拟预测轨迹，这样也可以使得自车的运动平稳性更高，运行效率也会更高。
在本实施例中，在确定障碍物与自车之间不存在交互意图的情况下，通过无交互运动模型和障碍物运动参数，确定障碍物的虚拟预测轨迹。
在本发明中，所述在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹，包括：通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；通过所述分速度，构建纵向坐标与所述障碍物当前时刻所在位置的纵向坐标相同，且起始点位于所述障碍物当前时刻所在位置的所述障碍物的虚拟预测轨迹。
在本实施例中，对于该确定为对向障碍物类型的障碍物，虽然通过上述实施方式确定该障碍物与自车之间并不存在交互意图，但如果直接通过匀速直线运动模型生成该障碍物的预测轨迹存在与自车相距较近的轨迹段时，下游在做决策时，同样会考虑对该障碍物进行避障，而实际上在上述实施方式中已经确定该障碍物与自车之间并不存在交互意图，从而导致下游作出与上游相违背的决策。也就是上游已经确定该障碍物是不会与自车发生碰撞的障碍物，而下游在接收到上游通过匀速直线运动模型生成该障碍物的预测轨迹时，下游还是会作出避障的决策。因此，为避免这种情况的发生，本发明通过无交互运动模型和障碍物运动参数，来生成障碍物的虚拟预测轨迹，具体地：
对障碍物运动参数进行解析处理，获得障碍物的速度和速度朝向，通过对障碍物的速度和速度朝向进行计算，将获得障碍物沿与自车运动方向相反的分速度。基于障碍物的分速度，从障碍物当前所在位置出发，构建一条纵向坐标与障碍物当前时刻所在位置的纵向坐标相同的虚拟预测轨迹。
示例地，如图6所示，对障碍物运动参数进行解析处理，获得障碍物的速度和速度朝向，通过对障碍物的速度和速度朝向进行计算，将获得障碍物沿与自车运动方向相反的分速度V62_1。基于障碍物的分速度V62_1，从障碍物当前所在位置出发，构建一条纵向坐标与障碍物当前时刻所在位置的纵向坐标相同的虚拟预测轨迹，如图6中的L2。
通过这一实施方式，在上游确定属于对向障碍物类型的障碍物与自车之间不存在交互意图时，上游将给到下游该障碍物的这一虚拟预测轨迹，无论障碍物的实际运动轨迹如何，下游将认为障碍物始终的轨迹始终与自车保持相同距离，从而不会对该障碍物作出避障决策，从而避免下游作出与上游相违背的决策。
在本发明中，在所述障碍物所属的障碍物类型为横切障碍物时，根据所述障碍物运动参数，确定所述障碍物切入所述自车前方所需的时长；在所述时长满足第一预设条件时，通过交互运动模型和所述障碍物运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；在所述时长不满足第一预设条件时，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹。
在本实施例中，在确定障碍物属于横切障碍物时，也就是从自车前方横向切入自车正前方的障碍物。对于这类障碍物只需关注其中在设定时长内会切入到自车正前方的障碍物。具体地，对障碍物运动参数进行解析处理，获得障碍物的速度和速度朝向，通过对障碍物的速度和速度朝向进行计算，将获得障碍物沿横轴方向的分速度。通过障碍物沿横轴方向的分速度和障碍物的横轴坐标，确定障碍物切入自车前方所需的时长。
而在确定的该时长高于设定时长时，确定障碍物切入自车前方所需的时长不满足第一设定条件，自车可以暂时不关注该障碍物，此时只需通过障碍物的速度和速度朝向，通过匀速直线模型构建该障碍物的预测轨迹即可。
在确定的该时长低于设定时长时，确定障碍物切入自车前方所需的时长满足第一设定条件，此时通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹。
在本发明中，所述在所述时长满足第一预设条件时，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹，包括：在所述时长满足第一预设条件时，通过所述障碍物的速度朝向，确定所述障碍物将与所述自车所在纵轴发生交叉的虚拟交点；通过所述障碍物的预设分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹。
具体地，由于在障碍物属于横切障碍物时，该障碍物几乎并没有沿与自车运动方向相反的纵向分速度，此时无法通过与上述相同的在障碍物属于对向障碍物时，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹的实施方式确定障碍物的虚拟预测轨迹。
此时，对于自车与障碍物在自车所在的纵轴上的虚拟交点，直接确定为障碍物在当前时刻的纵轴取值，也就是直接以障碍物在当前时刻的速度朝向上作辅助线，该辅助线与自车所在的纵轴S轴的交点即为虚拟交点。此时由于自车将在该虚拟交点处减速至停车，因此通过如下公式（2）即可确定到自车从当前时刻开始最终在虚拟交点停下来所需花费的时长：
Figure 221626DEST_PATH_IMAGE002
其中，vego为自车当前时刻的速度，属于已知量；Sdis为自车到虚拟交点的距离，属于已知量；为自车的减速度，属于未知量；t为自车以上述减速度进行行驶，最终在虚拟交点处停下来所需的时长，属于未知量。
由上述公式（2）进行计算，将获得自车的减速度a和时长t的取值。由于障碍物属于横切障碍物，该障碍物几乎并没有沿与自车运动方向相反的纵向分速度，此时为了构建一条纵向坐标与自车所在纵向坐标相同，同时轨迹终点为虚拟交点的障碍物的虚拟预测轨迹，需要预设该横切障碍物的一个沿自车运动方向相反的预设分速度。基于该预设分速度和该虚拟交点，构建纵向坐标与自车所在纵向坐标相同，同时轨迹终点为虚拟交点的障碍物的虚拟预测轨迹。
示例地，如图7所示，对于自车与障碍物在自车所在的纵轴上的虚拟交点，直接确定为障碍物在当前时刻的纵轴取值，也就是直接以障碍物在当前时刻的速度朝向上作辅助线，该辅助线与纵轴S轴的交点即为虚拟交点，如图7中的P3。由上述两个计算公式进行计算，将获得自车的减速度a和时长t的取值。由于障碍物属于横切障碍物，该障碍物几乎并没有沿与自车运动方向相反的纵向分速度，此时为了构建一条纵向坐标与自车所在纵向坐标相同，同时轨迹终点为虚拟交点的障碍物的虚拟预测轨迹，需要预设该横切障碍物的一个沿自车运动方向相反的预设分速度，如图7中的V72_1，实际上障碍物只有沿与横轴L轴相反的V72，并没有这一与自车运动方向相反的分速度V72_1，而是由***提前指定的一个虚拟的分速度。基于该预设分速度和该虚拟交点，构建纵向坐标与自车所在纵向坐标相同，同时轨迹终点为虚拟交点的障碍物的虚拟预测轨迹。该虚拟预测轨迹的起点将由通过上述两个计算公式进行计算，获得的时长t的取值和预设分速度决定，即虚拟预测轨迹P4-P3中起点P4与终点P3的纵向距离为预设分速度与时长t的乘积。
在本实施例中，设定时长可根据实际应用场景进行设定，在此不做具体限定，如设置为10S、5S等，预设分速度的取值可根据实际应用场景进行合理设定，在此不做具体限定。
在本实施例中，由于下游决策端在做决策时所用到的s-t图算法对于横向变化反应迟钝，因此通过以往的技术手段来获得横切障碍物的预测轨迹时，该预测轨迹几乎只有横向变化，而这将导致下游决策端无法对该预测轨迹进行准确避障。而通过本发明的上述实施方式，即使现实中横切障碍物的实际轨迹几乎为横向变化，最终发送给下游决策端的s-t图算法的仍旧是一个纵向变化的虚拟预测轨迹，下游决策端的s-t图算法基于接收到的该纵向变化的虚拟预测轨迹进行减速避障决策可以更为准确灵敏。
在本发明中，在所述障碍物所属的障碍物类型为同向障碍物时，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹。
在本实施例中，在确定障碍物所属于的障碍物类型为同向障碍物时，此时该障碍物对自车的风险角较低，此时直接通过障碍物的速度、速度朝向和匀速直线运动模型构建该障碍物的预测轨迹即可。
在本发明中，在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图之前，所述方法还包括：以所述自车所在位置为原点，对所述自车周围进行预设尺寸的栅格化划分，获得多个栅格区域；根据所述多个栅格区域分别与所述自车之间的位置关系，确定所述多个栅格区域各自所属的栅格区域类别；所述在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图，包括：在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物所处的栅格区域类别；在所述障碍物处于第一栅格区域类别的栅格区域内的情况下，确定所述障碍物与所述自车存在交互意图；在所述障碍物处于第二栅格区域类别的栅格区域内的情况下，确定所述障碍物的速度朝向与横轴的第一夹角，以及，确定所述障碍物与所述自车的连线与横轴的第二夹角；在所述第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图，或，在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图；在所述障碍物处于第三栅格区域类别的栅格区域内的情况下，确定所述障碍物与所述自车存在目标交互意图；在所述障碍物与所述自车存在交互意图的情况下，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹，以灵敏响应所述障碍物的运动方向。
在本实施例中，为了进一步保证自车运行安全性，以及提高自车运行的流畅性，本发明提出对自车车身周围进行栅格化的另一实施方式，具体地：
根据自车所在的坐标位置对车身周围进行实时栅格化。具体为通过提前设定每个栅格的尺寸，从自车车尾开始，将自车前方和车身周围划分为6个区域。将包围自车的一个栅格区域确定为第三栅格区域类别，将包围自车的栅格区域的正前方的一个栅格区域确定为第一栅格区域类别，将包围自车的栅格区域和包围自车的栅格区域的正前方的栅格区域的左右两侧的4个栅格区域确定为第二栅格区域类别。
在对车身周围进行栅格化的过程中，不考虑自车后方的区域是因为在实际情况中，自车后方的障碍物并不会给自车运动带来明显的碰撞问题。同时，对自车周围进行栅格化是因为对于处于同一栅格区域的障碍物中有共同的运动特征，可以进行统一分类考虑，并且这六个区域的拓扑结构可以保证自车运行的平稳性和安全性。
示例地，如图8所示，图中栅格区域5为包围自车的栅格区域，因此将栅格区域5确定为第三栅格区域类别；图中栅格区域2为包围自车的栅格区域的正前方的栅格区域，因此将栅格区域2确定为第一栅格区域类别；图中栅格区域1、3、4、6为包围自车的栅格区域和包围自车的栅格区域的正前方的栅格区域的左右两侧的栅格区域，因此将栅格区域1、3、4、6确定为第二栅格区域类别。
这种对自车周围进行栅格划分只针对运动复杂程度较高的对向障碍物类型。在确定障碍物所属的障碍物类型为对向障碍物时，进一步确定该障碍物所处的栅格区域类别。
在该障碍物处于第一栅格区域类别的栅格区域内的情况下，此时障碍物处于自车正前方，其相对于自车的危险程度较高，此时直接确定处于该第一栅格区域类别的该障碍物与自车之间存在交互意图，而无需对其做进一步判断。然后，直接通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹。应当理解的是，此处通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹的具体实施方式与上述被确定为具有交互意图的对向障碍物的虚拟预测轨迹的生成实施方式相同，在此不再赘述。
在障碍物处于第二栅格区域类别的栅格区域内的情况下，此时障碍物处于自车左右两侧，其相对于自车的危险程度较低，此时通过与上述实施方式相同的方式确定障碍物与自车之间是否存在交互意图，也就是确定障碍物的速度朝向与横轴的第一夹角，以及，确定障碍物与自车的连线与横轴的第二夹角，在第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图，以及，在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图。在存在交互意图时，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹。应当理解的是，此处通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹的具体实施方式与上述被确定为具有交互意图的对向障碍物的虚拟预测轨迹的生成实施方式相同，在此不再赘述。在不存在交互意图时，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹。
而在障碍物处于第三栅格区域类别的栅格区域内的情况下，此时障碍物正处于靠近自车周围的位置，危险程度非常高，此时确定障碍物与自车之间存在目标交互意图，也就是危险程度更高的交互意图，此时上游直接通过匀速直线运动模型和障碍物的速度和速度朝向构建障碍物的预测轨迹。由于此时该障碍物距离自车已经非常接近，所以下游只要接收到的该预测轨迹具有朝向自车的运动方向，下游就会立即作出制动的决策，以避免自车与障碍物发生碰撞，由此达到灵敏响应障碍物运动方向的目的。
在本实施例中，每个栅格区域的尺寸可设置为相同的尺寸，也可设置为不同的尺寸，在此不做具体限定，同时各个栅格区域的尺寸的取值也可根据实际应用场景进行取值，在此不做具体限定。
本发明实施例还提供了一种轨迹预测的装置900，如图9所示，所述装置900包括：
速度朝向确定单元901，用于根据采集的障碍物运动参数和自车运动参数，确定所述障碍物的速度朝向和所述自车的速度朝向；
障碍物类型识别单元902，用于根据所述障碍物的速度朝向和所述自车的速度朝向的夹角与预设角度范围之间的关系，确定所述障碍物所属的障碍物类型，所述预设角度范围包括第一预设角度范围、第二预设角度范围和第三预设角度范围；
交互意图确定单元903，用于在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图；
第一虚拟预测轨迹生成单元904，用于在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；
第二虚拟预测轨迹生成单元905，用于在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹。
可选地，所述交互意图确定单元903，包括：
夹角确定单元，用于在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物的速度朝向与横轴的第一夹角，以及，确定所述障碍物与所述自车的连线与横轴的第二夹角；
交互意图确定子单元，用于在所述第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图；在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图。
可选地，所述第二虚拟预测轨迹生成单元905，包括：
分速度确定单元，用于通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；
第二虚拟预测轨迹生成子单元，用于通过所述分速度，构建纵向坐标与所述障碍物当前时刻所在位置的纵向坐标相同，且起始点位于所述障碍物当前时刻所在位置的所述障碍物的虚拟预测轨迹。
可选地，所述装置900还包括：第三虚拟预测轨迹生成单元；所述第三虚拟预测轨迹生成单元包括：
时长确定单元，用于在所述障碍物所属的障碍物类型为横切障碍物时，根据所述障碍物运动参数，确定所述障碍物切入所述自车前方所需的时长；
第三虚拟预测轨迹生成子单元，用于在所述时长满足第一预设条件时，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；在所述时长不满足第一预设条件时，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹。
可选地，所述装置900还包括：
栅格划分单元，用于以所述自车所在位置为原点，对所述自车周围进行预设尺寸的栅格化划分，获得多个栅格区域；
栅格区域分类单元，用于根据所述多个栅格区域分别与所述自车之间的位置关系，确定所述多个栅格区域各自所属的栅格区域类别；
所述交互意图确定单元903，包括：第一交互意图确定单元，用于在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物所处的栅格区域类别；在所述障碍物处于第一栅格区域类别的栅格区域内的情况下，确定所述障碍物与所述自车存在交互意图；在所述障碍物处于第二栅格区域类别的栅格区域内的情况下，确定所述障碍物的速度朝向与横轴的第一夹角，以及，确定所述障碍物与所述自车的连线与横轴的第二夹角；在所述第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图，或，在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图；在所述障碍物处于第三栅格区域类别的栅格区域内的情况下，确定所述障碍物与所述自车存在目标交互意图；
第四虚拟预测轨迹生成单元，用于在所述障碍物与所述自车存在交互意图的情况下，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹，以灵敏响应所述障碍物的运动方向。
可选地，所述第一虚拟预测轨迹生成单元904，包括：
第一分速度确定单元，用于在所述障碍物与所述自车存在交互意图的情况下，通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；
第一虚拟交点确定单元，用于通过所述分速度、所述自车在当前时刻的速度和所述障碍物与所述自车在纵向上的距离，确定所述自车与所述障碍物在自车所在的纵轴上的虚拟交点；
第一虚拟预测轨迹生成子单元，用于通过所述分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹。
可选地，所述第三虚拟预测轨迹生成子单元，包括：
第二虚拟交点确定单元，用于在所述时长满足第一预设条件时，通过所述障碍物的速度朝向，确定所述障碍物将与所述自车所在纵轴发生交叉的虚拟交点；
第五虚拟预测轨迹生成单元，用于通过所述障碍物的预设分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹。
本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现所述一种轨迹预测的方法中的步骤。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述一种轨迹预测的方法中的步骤。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。
本说明书中的各个实施例均采用相关的方式描述，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***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (9)

1.一种轨迹预测的方法，其特征在于，所述方法包括：
根据采集的障碍物运动参数和自车运动参数，确定所述障碍物的速度朝向和所述自车的速度朝向；
根据所述障碍物的速度朝向和所述自车的速度朝向的夹角与预设角度范围之间的关系，确定所述障碍物所属的障碍物类型，所述预设角度范围包括第一预设角度范围、第二预设角度范围和第三预设角度范围；
在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图；
在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；
在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹；
其中，所述在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹，包括：在所述障碍物与所述自车存在交互意图的情况下，通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；通过所述分速度、所述自车在当前时刻的速度和所述障碍物与所述自车在纵向上的距离，确定所述自车与所述障碍物在自车所在的纵轴上的虚拟交点；通过所述分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹。
2.根据权利要求1所述的一种轨迹预测的方法，其特征在于，所述在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图，包括：
在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物的速度朝向与横轴的第一夹角，以及，确定所述障碍物与所述自车的连线与横轴的第二夹角；
在所述第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图；
在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图。
3.根据权利要求1所述的一种轨迹预测的方法，其特征在于，所述在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹，包括：
通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；
通过所述分速度，构建纵向坐标与所述障碍物当前时刻所在位置的纵向坐标相同，且起始点位于所述障碍物当前时刻所在位置的所述障碍物的虚拟预测轨迹。
4.根据权利要求1所述的一种轨迹预测的方法，其特征在于，在所述障碍物所属的障碍物类型为横切障碍物时，根据所述障碍物运动参数，确定所述障碍物切入所述自车前方所需的时长；
在所述时长满足第一预设条件时，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；
在所述时长不满足第一预设条件时，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹。
5.根据权利要求3所述的一种轨迹预测的方法，其特征在于，在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图之前，所述方法还包括：
以所述自车所在位置为原点，对所述自车周围进行预设尺寸的栅格化划分，获得多个栅格区域；
根据所述多个栅格区域分别与所述自车之间的位置关系，确定所述多个栅格区域各自所属的栅格区域类别；
所述在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图，包括：
在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物所处的栅格区域类别；在所述障碍物处于第一栅格区域类别的栅格区域内的情况下，确定所述障碍物与所述自车存在交互意图；在所述障碍物处于第二栅格区域类别的栅格区域内的情况下，确定所述障碍物的速度朝向与横轴的第一夹角，以及，确定所述障碍物与所述自车的连线与横轴的第二夹角；在所述第一夹角小于等于所述第二夹角的情况下，确定所述障碍物与所述自车之间存在交互意图，或，在所述第一夹角大于所述第二夹角的情况下，确定所述障碍物与所述自车之间不存在交互意图；在所述障碍物处于第三栅格区域类别的栅格区域内的情况下，确定所述障碍物与所述自车存在目标交互意图；
在所述障碍物与所述自车存在交互意图的情况下，通过匀速直线运动模型和所述障碍物运动参数，确定所述障碍物的预测轨迹，以灵敏响应所述障碍物的运动方向。
6.根据权利要求4所述的一种轨迹预测的方法，其特征在于，所述在所述时长满足第一预设条件时，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹，包括：
在所述时长满足第一预设条件时，通过所述障碍物的速度朝向，确定所述障碍物将与所述自车所在纵轴发生交叉的虚拟交点；
通过所述障碍物的预设分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹。
7.一种轨迹预测的装置，其特征在于，所述装置包括：
速度朝向确定单元，用于根据采集的障碍物运动参数和自车运动参数，确定所述障碍物的速度朝向和所述自车的速度朝向；
障碍物类型识别单元，用于根据所述障碍物的速度朝向和所述自车的速度朝向的夹角与预设角度范围之间的关系，确定所述障碍物所属的障碍物类型，所述预设角度范围包括第一预设角度范围、第二预设角度范围和第三预设角度范围；
交互意图确定单元，用于在所述障碍物所属的障碍物类型为对向障碍物时，确定所述障碍物与所述自车之间是否存在交互意图；
第一虚拟预测轨迹生成单元，用于在所述障碍物与所述自车存在交互意图的情况下，通过交互运动模型、所述障碍物运动参数和所述自车运动参数，确定属于所述障碍物的正对所述自车的虚拟预测轨迹；
第二虚拟预测轨迹生成单元，用于在所述障碍物与所述自车不存在交互意图的情况下，通过无交互运动模型和所述障碍物运动参数，确定所述障碍物的虚拟预测轨迹；
其中，所述第一虚拟预测轨迹生成单元，包括：第一分速度确定单元，用于在所述障碍物与所述自车存在交互意图的情况下，通过所述障碍物运动参数，确定与所述自车的运动方向相反的所述障碍物的分速度；第一虚拟交点确定单元，用于通过所述分速度、所述自车在当前时刻的速度和所述障碍物与所述自车在纵向上的距离，确定所述自车与所述障碍物在自车所在的纵轴上的虚拟交点；第一虚拟预测轨迹生成子单元，用于通过所述分速度和所述虚拟交点，构建纵向坐标与所述自车所在纵向坐标相同，且轨迹终点为所述虚拟交点的虚拟预测轨迹。
8.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的一种轨迹预测的方法中的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-6任一所述的一种轨迹预测的方法中的步骤。
CN202211140393.7A 2022-09-20 2022-09-20 一种轨迹预测的方法、装置、电子设备及存储介质 Active CN115214724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211140393.7A CN115214724B (zh) 2022-09-20 2022-09-20 一种轨迹预测的方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211140393.7A CN115214724B (zh) 2022-09-20 2022-09-20 一种轨迹预测的方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115214724A CN115214724A (zh) 2022-10-21
CN115214724B true CN115214724B (zh) 2022-12-09

Family

ID=83616968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211140393.7A Active CN115214724B (zh) 2022-09-20 2022-09-20 一种轨迹预测的方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115214724B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115900697B (zh) * 2022-10-28 2024-03-29 北京百度网讯科技有限公司 对象运动轨迹信息处理方法、电子设备以及自动驾驶车辆

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007265451A (ja) * 2007-07-17 2007-10-11 Matsushita Electric Works Ltd 車両用障害物検知装置
CN111079721A (zh) * 2020-03-23 2020-04-28 北京三快在线科技有限公司 一种障碍物的轨迹预测方法及装置
WO2021135728A1 (zh) * 2019-12-30 2021-07-08 郑州宇通客车股份有限公司 一种自动驾驶车辆碰撞预测判断方法及装置
CN113264066A (zh) * 2021-06-03 2021-08-17 阿波罗智能技术(北京)有限公司 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备
CN114312698A (zh) * 2022-01-24 2022-04-12 岚图汽车科技有限公司 车辆制动方法、装置、设备及可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110550029B (zh) * 2019-08-12 2021-02-09 华为技术有限公司 障碍物避让方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007265451A (ja) * 2007-07-17 2007-10-11 Matsushita Electric Works Ltd 車両用障害物検知装置
WO2021135728A1 (zh) * 2019-12-30 2021-07-08 郑州宇通客车股份有限公司 一种自动驾驶车辆碰撞预测判断方法及装置
CN111079721A (zh) * 2020-03-23 2020-04-28 北京三快在线科技有限公司 一种障碍物的轨迹预测方法及装置
CN113264066A (zh) * 2021-06-03 2021-08-17 阿波罗智能技术(北京)有限公司 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备
CN114312698A (zh) * 2022-01-24 2022-04-12 岚图汽车科技有限公司 车辆制动方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN115214724A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN110834631A (zh) 一种行人避让方法、装置、车辆及存储介质
JP6468261B2 (ja) 自動運転システム
JP7145815B2 (ja) 電子制御装置
WO2021196041A1 (zh) 一种关键目标选取方法、装置及***
CN115214724B (zh) 一种轨迹预测的方法、装置、电子设备及存储介质
WO2021054051A1 (ja) 電子制御装置
CN112631276A (zh) 一种无人车动态障碍决策方法、***、介质及设备
US20220203971A1 (en) Vehicle control method
Park et al. A vehicle speed harmonization strategy for minimizing inter-vehicle crash risks
CN106218612A (zh) 一种汽车安全行驶的方法、装置以及终端
CN102298847A (zh) 一种用于路网信息联动的发布***和方法
CN114734996A (zh) 一种自动驾驶决策方法、装置、车辆及存储介质
CN113538909A (zh) 一种自动驾驶车辆交通事件预测方法及装置
CN113432615A (zh) 基于多传感器融合可驾驶区域的检测方法、***和车辆
CN112365730A (zh) 自动驾驶方法、装置、设备、存储介质以及车辆
CN113682300B (zh) 避让障碍物的决策方法、装置、设备及介质
CN114371015B (zh) 自动驾驶测试方法、装置、计算机设备、存储介质
CN115214722A (zh) 自动驾驶方法、装置、电子设备、存储介质及车辆
CN113486478A (zh) 一种交叉口转弯车辆汇入直行车道仿真方法及***
CN115270999B (zh) 一种障碍物风险等级分类方法、装置、存储介质和车辆
CN111176285A (zh) 一种行进路径规划的方法及装置、车辆、可读存储介质
CN116572994B (zh) 一种车辆速度规划方法、装置及计算机可读介质
CN117184062B (zh) 车辆控制方法、装置、车辆及存储介质
Lin et al. Adaptive trajectory generation of autonomous vehicle in urban environments
CN118072553B (zh) 一种交通安全智能管控***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant