CN116424336A - 一种轨迹预测方法、装置及车联网设备 - Google Patents
一种轨迹预测方法、装置及车联网设备 Download PDFInfo
- Publication number
- CN116424336A CN116424336A CN202211669022.8A CN202211669022A CN116424336A CN 116424336 A CN116424336 A CN 116424336A CN 202211669022 A CN202211669022 A CN 202211669022A CN 116424336 A CN116424336 A CN 116424336A
- Authority
- CN
- China
- Prior art keywords
- track
- historical
- point
- vehicle
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012216 screening Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 20
- 238000005315 distribution function Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- 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
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4044—Direction of movement, e.g. backwards
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种轨迹预测方法、装置及车联网设备。方法应用于第一车辆,包括:获取远端的n个第二车辆对应的n条历史轨迹;根据n条历史轨迹,确定至少一个路口节点集合;其中,每个路口节点集合包括至少一条历史轨迹的一个路口节点,一个路口节点集合对应一个路口;确定每条历史轨迹在经过所述路口节点时的行驶方向;根据每条历史轨迹的行驶方向、第一车辆的预估转向状态和至少一个路口节点集合,从n条历史轨迹中确定p条目标历史轨迹;1≤p≤n,且n和p为正整数;根据p条目标历史轨迹,生成第一车辆的预测轨迹。本发明的方案能够在无地图模式下对路口场景中的车辆行驶轨迹进行精确预测。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种轨迹预测方法、装置及车联网设备。
背景技术
V2X(Vehicle to Everything)是车与外界进行信息交换的一种通信方式,包括:车与车之间的直接通信(V2V),车与行人的通信(V2P),车与道路基础设施通信(V2I),车通过移动网络与云端进行通信(V2N)。V2X是未来智能交通***的关键技术,它使得我们有效获得实时路况、道路信息、行人信息等一系列交通信息,从而可以提高驾驶安全性,减少拥堵,提高交通效率。
目前的V2V场景主要包括前向碰撞预警、交叉路口碰撞预警等9个场景。其场景触发均需要根据主车与远车的相对位置关系确定目标分类,当目标分类满足条件时,触发相关预警功能。在无地图场景下,目标分类算法的输入依赖于轨迹预测算法的输出,为了保证目标分类的正确性,必须保证轨迹预测的准确性。
预测车辆的行驶轨迹,是预判车辆是否会有风险或进入危险路段的关键。目前,在无地图的情况下,主要是根据车辆当前的姿态信息,从动力学角度对车辆的行驶轨迹进行预测,无法对路口场景下的车辆轨迹进行精确预测。
发明内容
本发明提供一种轨迹预测方法、装置及车联网设备,解决了在无地图模式中无法对路口场景下的车辆轨迹进行精确预测的问题。
第一方面,本发明的实施例提供一种轨迹预测方法,应用于第一车辆,所述方法包括:
获取历史轨迹集合,所述历史轨迹集合中包括远端的n个第二车辆对应的n条历史轨迹;
根据所述n条历史轨迹,确定至少一个路口节点集合;其中,每个路口节点集合包括至少一条所述历史轨迹的一个路口节点,一个路口节点集合对应一个路口;
确定每条所述历史轨迹在经过所述路口节点时的行驶方向;
根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹;1≤p≤n,且n和p为正整数;
根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹。
可选地,所述根据所述n条历史轨迹,确定至少一个路口节点集合,包括:
对所述n条历史轨迹进行预筛选,得到m条第一历史轨迹;其中,1≤p≤m≤n,且m为正整数;
根据所述m条第一历史轨迹,确定所述至少一个路口节点集合。
可选地,所述对所述n条历史轨迹进行预筛选,得到m条第一历史轨迹,包括:
从所述n条历史轨迹中,筛选得到满足第一预设条件的m个第一历史轨迹;
其中,所述第一预设条件包括以下中的一项或多项:
第一坐标点位于第一轨迹点与第二轨迹点之间,且目标倾斜角的绝对值小于或等于第一预设阈值;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点;所述目标倾斜角为第一直线的方位角与所述第一车辆当前时刻的航向角的差值,所述第一直线为由所述第一轨迹点和所述第二轨迹点确定的直线;
第一距离小于或等于第二预设阈值,且第二距离大于或等于第三预设阈值;其中,所述第一距离为所述第一车辆的当前位置点与所述第一坐标点之间的直线距离;所述第二距离为所述第一坐标点与所述历史轨迹的当前位置之间的折线距离。
可选地,所述根据所述m条第一历史轨迹,确定所述至少一个路口节点集合,包括:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述第一历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述第一历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在确定所述第i个偏移量的绝对值大于或等于第四预设阈值,且第k个偏移量的绝对值小于或等于第五预设阈值的情况下,确定第i-1个历史轨迹点与第k个历史轨迹点之间的折线距离;i≤k,k为整数;
将与所述折线距离的中间位置点距离最近的历史轨迹点,确定为所述第一历史轨迹的路口节点;其中,每条所述第一历史轨迹对应至少一个路口节点;
根据所述m条第一历史轨迹的所述路口节点之间的距离,将多个所述路口节点划分为至少一个所述路口节点集合。
可选地,所述确定每条所述历史轨迹在经过所述路口节点时的行驶方向,包括:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在所述历史轨迹对应的第i个偏移量的绝对值大于或等于第四预设阈值的情况下,判断所述历史轨迹开始转弯,累积计算第i个偏移量至第k个偏移量的偏移量总和;其中,第k个偏移量的绝对值小于或等于第五预设阈值;i≤k,k为整数;
根据每条所述历史轨迹对应的所述偏移量总和,确定每条所述历史轨迹的行驶方向。
可选地,所述根据所述历史轨迹对应的所述偏移量总和,确定每条所述历史轨迹的行驶方向,包括:
根据偏移量范围与所述行驶方向分类的对应关系,确定与所述偏移量总和对应的目标偏移范围;
将与所述目标偏移范围对应的行驶方向分类,确定为所述历史轨迹的行驶方向分类。
可选地,所述根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹,包括:
从所述至少一个路口节点集合中,确定与所述第一车辆的当前位置距离最近的目标路口节点集合;其中,所述目标路口节点集合中包括f个所述历史轨迹的路口节点;0<f≤m;
根据与所述目标路口节点集合对应的f个所述历史轨迹的行驶方向和所述第一车辆的预估转向状态,从f个所述历史轨迹中选择出行驶方向与所述预估转向状态相匹配的p条目标历史轨迹;0<p≤f。
可选地,所述根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹,包括:
对所述第一车辆的历史轨迹和每条所述目标历史轨迹进行插值处理;
确定插值处理后的所述第一车辆的历史轨迹与插值处理后的每条所述目标历史轨迹之间的平均欧式距离;
根据所述平均欧式距离,确定每条所述目标历史轨迹对应的权重;其中,所述p条目标历史轨迹的权重之和等于1;
确定每条所述目标历史轨迹对应的高斯分布函数;
根据每条所述目标历史轨迹对应的权重和高斯分布函数,确定轨迹预测模型;
根据轨迹预测模型,生成预测轨迹。
可选地,所述根据每条所述目标历史轨迹对应的权重和高斯分布函数,确定轨迹预测模型,包括:
其中,f(x,y)为所述轨迹预测模型的公式,fj(x,y)为高斯分布函数,j为插值后所述目标历史轨迹中的第j个轨迹点,π指圆周率,σ2为方差,xj ′为第j个轨迹点的横坐标,yj ′为第j个轨迹点的纵坐标,x为所述第一车辆的预测行驶位置的横坐标,y为所述第一车辆的预测行驶位置的纵坐标,j=1,…,p。
可选地,所述根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹之后,所述方法还包括:
若满足第二预设条件的所述历史轨迹大于0,且所述预测轨迹的长度小于或等于第六预设阈值,则将所述预测轨迹与所述第一车辆的历史轨迹进行拼接,得到更新后的所述第一车辆的历史轨迹,并将满足所述第二预设条件的所述历史轨迹加入至所述历史轨迹集合中,得到更新后的所述历史轨迹集合;
根据更新后的所述第一车辆的历史轨迹和更新后的所述历史轨迹集合,重复执行轨迹预测过程,直至生成的轨迹长度大于所述第六预设阈值为止;
其中,所述第二预设条件包括:
第一坐标点位于所述历史轨迹的第一轨迹点与第二轨迹点所形成线段的延长线上;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点。
第二方面,本发明的实施例提供一种车联网设备,包括:收发机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述轨迹预测方法的步骤。
第三方面,本发明的实施例提供一种轨迹预测装置,应用于第一车辆,包括:
获取模块,用于获取历史轨迹集合,所述历史轨迹集合中包括远端的n个第二车辆对应的n条历史轨迹;
第一确定模块,用于根据所述n条历史轨迹,确定至少一个路口节点集合;其中,每个路口节点集合包括至少一条所述历史轨迹的路口节点,一个路口节点集合对应一个路口;
第二确定模块,用于确定每条所述历史轨迹在经过所述路口节点时的行驶方向;
处理模块,用于根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹;1≤p≤n,且n和p为正整数;
轨迹生成模块,用于根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹。
第四方面,本发明的实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述轨迹预测方法的步骤。
本发明的上述技术方案的有益效果是:
上述方案中,能够在无地图模式下根据远端车辆n条历史轨迹确定出至少一个路口节点集合,基于路口节点集合,实现在无地图模式下绘制道路的有向图,进一步地,根据每条历史轨迹的行驶方向、第一车辆的预估转向状态和至少一个路口节点集合,从n条历史轨迹中确定p条目标历史轨迹,根据p条目标历史轨迹,生成第一车辆的预测轨迹。如此,在无地图模式下,能够实现第一车辆在路口场景下的预测轨迹,解决了在无地图模式下无法对路口场景下的车辆轨迹进行精确预测的问题。
附图说明
图1表示本发明实施例的轨迹预测方法的流程图;
图2表示本发明实施例的远车历史轨迹的示意图;
图3表示本发明实施例的历史轨迹插值示意图;
图4表示本发明实施例的轨迹预测装置的结构框图;
图5表示本发明实施例的车辆的硬件结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
另外,本文中术语“***”和“网络”在本文中常可互换使用。
在本申请所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
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申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
具体地,本发明的实施例提供了一种轨迹预测方法、装置及车辆,解决了在无地图模式中无法对路口场景下的车辆轨迹进行精确预测的问题。
第一实施例
如图1所示,本发明的实施例提供了一种轨迹预测方法,应用于第一车辆,方法具体包括以下步骤:
步骤101:获取历史轨迹集合,所述历史轨迹集合中包括远端的n个第二车辆对应的n条历史轨迹;
具体实现时,第一车辆可通过V2X接收单元获取第二车辆发送的车辆状态信息(如RemoteVehicleInfoList字段中的信息),并从车辆状态信息中提取第二车辆的历史轨迹数据,每个远端的第二车辆对应一条历史轨迹,n个第二车辆的n条历史轨迹形成历史轨迹集合。
步骤102:根据所述n条历史轨迹,确定至少一个路口节点集合;其中,每个路口节点集合包括至少一条所述历史轨迹的一个路口节点,一个路口节点集合对应一个路口;
基于路口节点集合,能够确定道路前方的路口分布,如图2所示,基于5条第二车辆的历史轨迹(如图中的轨迹1至轨迹5),能够确定出路口1和路口2,每条历史轨迹对应至少一个路口节点(如图中的五角星所在节点),路口1对应的路口节点集合中包括4个路口节点,路口2对应的路口节点集合包括2个路口节点。
其中,路口包括如交叉路口、Y型口或匝道汇入口等。
步骤103:确定每条所述历史轨迹在经过所述路口节点时的行驶方向;
其中,行驶方向包括但不限于:左转弯、右转弯、直行、掉头。
如图2所示,轨迹1在路口1处的行驶方向为左转弯,在路口2处的行驶方向为左转弯;轨迹2在路口1处的行驶方向为左转弯,在路口2处的行驶方向为右转弯;轨迹3在路口1处的行驶方向为直行;轨迹4在路口1处的行驶方向为右转弯。
步骤104:根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹;1≤p≤n,且n和p为正整数;
该步骤中,根据自车(第一车辆)的预估转向状态,能够判断自车前方的行驶方向,从而选择与预估转向状态相匹配的历史轨迹,进行正确方向的轨迹预测。
可选地,第一车辆的预估转向状态可以通过第一车辆的转向灯状态确定,但不以此为限。
步骤105:根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹。
需要指出的是,基于确定的路口节点集合,能够一一对应地确定出路口,按照路口与第一车辆的距离远近,对路口进行编号,依据路口的编号能够将道路连接成一个如图2所示的有向图,实现在无地图模式下绘制道路的有向图。
上述实施例中,能够在无地图模式下根据远端车辆的n条历史轨迹确定出至少一个路口节点集合,基于路口节点集合,实现在无地图模式下绘制道路的有向图,进一步地,根据每条历史轨迹的行驶方向、第一车辆的预估转向状态和至少一个路口节点集合,从n条历史轨迹中确定p条目标历史轨迹,根据p条目标历史轨迹,生成第一车辆的预测轨迹。如此,能够实现第一车辆在路口场景下的预测轨迹,解决了在无地图模式下无法对路口场景下的车辆轨迹进行精确预测的问题。
在一实施例中,上述步骤102中,根据所述n条历史轨迹,确定至少一个路口节点集合,包括:
对所述n条历史轨迹进行预筛选,得到m条第一历史轨迹;其中,1≤p≤m≤n,且m为正整数;
根据所述m条第一历史轨迹,确定所述至少一个路口节点集合。
具体实现时,可设置预筛选条件,将满足预设筛选条件的历史轨迹作为第一历史轨迹。该实施例中,预筛选用于将与第一车辆不相关的历史轨迹去除,以提高轨迹预测的准确度。
在一具体实施例中,所述对所述n条历史轨迹进行预筛选,得到m条第一历史轨迹,包括:
从所述n条历史轨迹中,筛选得到满足第一预设条件的m个第一历史轨迹;
其中,所述第一预设条件包括以下中的一项或多项:
条件1:第一坐标点位于第一轨迹点与第二轨迹点之间,且目标倾斜角的绝对值小于或等于第一预设阈值;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点;所述目标倾斜角为第一直线的方位角与所述第一车辆当前时刻的航向角的差值,所述第一直线为由所述第一轨迹点和所述第二轨迹点确定的直线;
条件2:第一距离小于或等于第二预设阈值,且第二距离大于或等于第三预设阈值;其中,所述第一距离为所述第一车辆的当前位置点与所述第一坐标点之间的直线距离;所述第二距离为所述第一坐标点与所述历史轨迹的当前位置之间的折线距离。
例如,第一车辆的当前位置在远车a的历史轨迹上的投影点为G点(第一坐标点);在远车a的历史轨迹上与G点距离最近的两个历史轨迹点分别为第一轨迹点A和第二轨迹点B,第一轨迹点A和第二轨迹点B确定第一直线,标记第一车辆的当前时刻位置点在第一直线上的垂直投影点为ProjectionPoint,计算第一直线的方位角与第一车辆当前时刻位置的航向角的差值,将该差值记为目标倾斜角。若ProjectionPoint在第一轨迹点A和第二轨迹点B组成的线段内而不是在延长线上,且目标倾斜角的绝对值小于或等于第一预设阈值(可配置,如默认值为10度),则认为远车a的历史轨迹满足该条件1。
具体实现时,若ProjectionPoint不在第一轨迹点A和第二轨迹点B组成的线段内而是在延长线上,则将远车a的历史轨迹保存到无重合部分历史轨迹集合NoCoincidencePHList中。
例如,第一车辆的当前位置在远车a的历史轨迹上的投影点为G点(第一坐标点);在远车a的历史轨迹上,与G点距离最近的两个历史轨迹点分别为第一轨迹点A和第二轨迹点B,第一轨迹点A和第二轨迹点B确定第一直线,标记第一车辆的当前时刻位置点在第一直线上的垂直投影点为ProjectionPoint,计算第一车辆的当前位置点到垂直投影点ProjectionPoint的直线距离(指第一距离),并记为Hv2ProjPonitDistance,计算投影点ProjectionPoint到远车a当前位置(头部)的折线距离(指第二距离),并记为ProjPonit2RvDistance,若Hv2ProjPonitDistance小于或等于第二预设阈值,且ProjPonit2RvDistance大于或等于第三预设阈值(可配置,默认值为5米),则可认为远车a的历史轨迹满足条件2。
其中,第二预设距离和第三预设阈值可预先配置,如可设置第二预设距离的默认值为4车道宽度,若根据车道宽度为3.5米计算,第二预设距离的默认值即为14米。例如,可设置第三预设距离的默认值为5米。
需要指出的是,在m<0时,结束轨迹预测流程。
上述实施例中,基于第一预设条件中的条件1,能够筛选得到行驶方向与第一车辆的行驶方向大致相同的历史轨迹;基于第一预设条件中的条件2,通过第一距离小于或等于第二预设距离,能够筛选得到与第一车辆的距离相对较近的历史轨迹,通过第二距离大于或等于第三预设距离,能够筛选得到轨迹足够长的历史轨迹,如此,能够保证轨迹预测效果的准确性。
在一具体实施例中,所述根据所述m条第一历史轨迹,确定所述至少一个路口节点集合,包括:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述第一历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述第一历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在确定所述第i个偏移量的绝对值大于或等于第四预设阈值,且第k个偏移量的绝对值小于或等于第五预设阈值的情况下,确定第i-1个历史轨迹点与第k个历史轨迹点之间的折线距离;i≤k,k为整数;
将与所述折线距离的中间位置点距离最近的历史轨迹点,确定为所述第一历史轨迹的路口节点;其中,每条所述第一历史轨迹对应至少一个路口节点;
根据所述m条第一历史轨迹的所述路口节点之间的距离,将多个所述路口节点划分为至少一个所述路口节点集合。
需要解释的是,对于方位角,以第i-1方位角为例,可以定义为由第i-1个历史轨迹点指向第i个历史轨迹点的方向向量与正北方向的夹角,其他方位角的计算原理相同。
可以理解的是,第k个偏移量为第k-1方位角与第k方位角之间的差值,第k-1方位角为第一历史轨迹中的第k-1个历史轨迹点与第k个历史轨迹点所在直线的方位角,所述第k方位角为第一历史轨迹中的第k个历史轨迹点与第k+1个历史轨迹点所在直线的方位角。
具体实现时,首先,假设待分类元素为历史轨迹O,标记第一车辆的当前位置在历史轨迹O上的投影点作为历史轨迹O的第一个历史轨迹点,计算第i-1个历史轨迹点和第i个历史轨迹点所在直线的方位角,记作第i-1方位角;计算第i个历史轨迹点和第i+1个历史轨迹点所在直线的方位角,记作第i方位角;确定第i-1方位角与第i方位角之间的差值,记作第i个偏移量li。当|li|≥第四预设阈值(可配置参数,如10°)时,记录第i-1个轨迹点,此时判断可能会发生转弯,当|lk|<第四预设阈值,此时判断转弯结束,记录第k个轨迹点。
其次,假设第i-1个历史轨迹点到第k个历史轨迹点之间的折线轨迹长度为d,取与d/2距离最近的一个历史轨迹点作为一个可能的路口节点。这里可以理解为,找历史轨迹O上位于路口区域的中心位置节点,将其作为历史轨迹O的一个路口节点。
进一步地,通过遍历所有路口节点,根据两个路口节点之间的距离,判断两个路口节点是否为对应同一个路口。其中,如果两个路口节点之间的距离小于或等于第四预设阈值,则说明两个路口节点属于同一个路口,将其划分在同一路口节点集合中;如果两个路口节点之间的距离大于阈值,则认为是新的路口节点,则加入新建的路口节点集合中。如图2中,基于确定出的两个路口节点集合,可得到路口1和路口2共两个路口。
上述实施例中,能够实现根据m条第一历史轨迹,确定至少一个路口节点集合,每个路口节点集合可对于一个路口,基于路口节点集合,能够实现在无地图模式下绘制道路的有向图。
由于得到的路口节点集合可能对应的仅仅是一个弯道,并不是一个路口,为了避免此种情况,本申请还提供一实施例,方法包括:
若路口节点集合中包括的各历史轨迹的行驶方向相同,则删除该路口节点集合。
该实施例中,在某个路口节点集合中包括的各历史轨迹的行驶方向相同时,说明只有一个上游路口指向该路口节点集合,判断该路口节点集合对应的并非是路口,而是弯道,因此,删除该路口节点集合。
在一实施例中,上述步骤103中,所述确定每条所述历史轨迹在经过所述路口节点时的行驶方向,包括:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在所述历史轨迹对应的第i个偏移量的绝对值大于或等于第四预设阈值的情况下,判断所述历史轨迹开始转弯,累积计算第i个偏移量至第k个偏移量的偏移量总和;其中,第k个偏移量的绝对值小于或等于第五预设阈值;i≤k,k为整数;
根据每条所述历史轨迹对应的所述偏移量总和,确定每条所述历史轨迹的行驶方向。
具体实现时,首先,假设待分类元素为历史轨迹O,标记第一车辆的当前位置在历史轨迹O上的投影点作为历史轨迹O的第一个历史轨迹点,计算第i-1个历史轨迹点和第i个历史轨迹点所在直线的方位角,记作第i-1方位角;计算第i个历史轨迹点和第i+1个历史轨迹点所在直线的方位角,记作第i方位角;确定第i-1方位角与第i方位角之间的差值,记作第i个偏移量li。当|li|≥第四预设阈值(可配置参数,如10°)时,记录第i-1个轨迹点,此时判断可能会发生转弯,当|lk|<第四预设阈值,此时判断转弯结束。
其次,累计计算转弯过程中第i-1个历史轨迹点到第k个历史轨迹点的方位角偏移总和,并标记为L,此时累加的轨迹方位角偏移总和为:其中,i≥2,i≤k,i和k为整数。进一步地,根据每条历史轨迹对应的偏移量总和,即可确定每条历史轨迹的行驶方向。
此外,还可以将每条历史轨迹的偏移量总和记录到对应路口节点集合中,如:FilterRvPHList(FilterRvPHList_j,totalOffsetAngles,maneuver),其中FilterRvPHList_j表示历史轨迹集合FilterRvPHList中的第j条历史轨迹,maneuver表示第j条历史轨迹的行驶方向分类,可以是左转弯、右转弯、直行、掉头任一状态,totalOffsetAngles表示累加的轨迹方位角偏移总和,需要将L赋值给totalOffsetAngles,并继续遍历远车的历史轨迹。
在一具体实施例中,所述根据所述历史轨迹对应的所述偏移量总和,确定每条所述历史轨迹的行驶方向,包括:
根据偏移量范围与所述行驶方向分类的对应关系,确定与所述偏移量总和对应的目标偏移范围;
将与所述目标偏移范围对应的行驶方向分类,确定为所述历史轨迹的行驶方向分类。
例如,偏移量范围与行驶方向分类的对应关系可以预定义为:行驶方向为左转弯对应的偏移量范围为:﹣157.5~﹣22.5°;行驶方向为掉头对应的偏移量范围为:157.5.5°~﹣157.5°;行驶方向为右转弯对应的偏移量范围为:22.5°~157.5°;行驶方向为直行对应的偏移量范围为:﹣22.5°~22.5°。该示例中,考虑到并不是所有的路口都是十字路口,有可能有类似Y字型的分叉路口,此时左右两条道路与第一车辆的方位角的差值可能小于45°,45°是参考《城市道路交叉口设计规程》对于交叉路口角度最小取值的描述,因此对预筛选后历史轨迹集合中所有的元素,按照45°划分行驶方向,并进行标注轨迹的方向为左转弯、掉头、直行、右转弯。
在一实施例中,上述步骤104中,所述根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹,包括:
从所述至少一个路口节点集合中,确定与所述第一车辆的当前位置距离最近的目标路口节点集合;其中,所述目标路口节点集合中包括f个所述历史轨迹的路口节点;0<f≤m;
根据与所述目标路口节点集合对应的f个所述历史轨迹的行驶方向和所述第一车辆的预估转向状态,从f个所述历史轨迹中选择出行驶方向与所述预估转向状态相匹配的p条目标历史轨迹;0<p≤f。
这里,行驶方向与预估转向状态相匹配可以理解为,预估转向状态为左转弯则与行驶方向为左转弯的历史轨迹匹配,预估转向状态为执行则与行驶方向为执行的历史轨迹匹配,以此类推。
示例性地,若第一车辆的左转灯亮起,则匹配第一个轨迹形态(即目标路口节点集合中的历史轨迹的行驶方向)为左转弯的历史轨迹,若不为空将匹配的历史轨迹的标志位(maneuver)置为左转,若该历史轨迹集合为空,则会匹配第一个轨迹形态为掉头的历史轨迹,若不为空将该历史轨迹的标志位置为掉头。
示例性地,若第一车辆的右转灯亮起,则匹配第一个轨迹形态为右转弯的历史轨迹,若不为空将该历史轨迹的标志位置为右转。
示例性地,若第一车辆无转向灯亮起,则匹配轨迹形态为直行的历史轨迹集合,若不为空将该历史轨迹的标志位置为直行。
特别地,若没有与第一车辆的转向灯相匹配的历史轨迹,则跳过匹配,选择直行轨迹,若无直行轨迹,则在所有轨迹中选择与第一车辆的当前位置距离第二近的路口节点集合对应的历史轨迹作为目标历史轨迹。这样,能够保证得到较远距离的预测轨迹。
上述实施例中,第一车辆能够基于预估转向状态和历史轨迹的行驶方向,从与自身距离最近的目标路口节点集合中选择行驶方向与预估转向状态相匹配的p条目标历史轨迹。由于预估转向状态能够反映车辆在路口的行驶方向,本申请基于预估转向状态筛选得到目标标历史轨迹,能够提高轨迹预测的精确度。
在一实施例中,上述步骤105中,所述根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹,包括:
对所述第一车辆的历史轨迹和每条所述目标历史轨迹进行插值处理;
确定插值处理后的所述第一车辆的历史轨迹与插值处理后的每条所述目标历史轨迹之间的平均欧式距离;
根据所述平均欧式距离,确定每条所述目标历史轨迹对应的权重;其中,所述p条目标历史轨迹的权重之和等于1;
确定每条所述目标历史轨迹对应的高斯分布函数;
根据每条所述目标历史轨迹对应的权重和高斯分布函数,确定轨迹预测模型;
根据轨迹预测模型,生成预测轨迹。
如图3所示,p条历史轨迹中每个车辆分别与第一车辆的历史轨迹上的轨迹点一一对应插值,实现将第二车辆上的轨迹点插值在第一车辆上,将第一车辆上的轨迹点插值在第二车辆上,如此,插值后的一组第一车辆和第二车辆将具有相同数量的轨迹点。
具体实现时,对p条目标历史轨迹进行插值处理的过程可以包括:
首先,每个第二车辆分别与第一车辆对应插值处理。具体地,做第一车辆的当前位置点到第二车辆的历史轨迹的垂线,与第二车辆的历史轨迹相交的投影点作为第二车辆的历史轨迹上***的头部位置点,此为第一次插值位置。
之后,分别确定第一车辆的历史轨迹和第二车辆的历史轨迹中,距离头部位置点到上一个历史轨迹点(即从头部位置点开始,沿朝向轨迹尾部的方向确定的与头部位置相邻的上一个轨迹点)的距离,取间隔最短的轨迹点作为第二次插值距离,以此类推,直到达到第一车辆或第二车辆的历史轨迹的边界处,此边界处可能是第一的第一个历史轨迹点或者第二车辆的第一个历史轨迹点。
具体实现时,确定插值处理后的所述第一车辆的历史轨迹与插值处理后的每条所述目标历史轨迹之间的平均欧式距离可以包括:
根据公式: 计算第一车辆的历史轨迹与每个第二车辆的历史轨迹之间的平均欧式距离;其中,dj(Tsv,Trv)指平均欧式距离,xq指第一车辆的任一轨迹点上的横坐标,xq指第二车辆的任一轨迹点上的横坐标,yq指第一车辆的任一轨迹点上的纵坐标,yq指第二车辆的任一轨迹点上的纵坐标,n为轨迹点总个数,j指p条目标历史轨迹中的第j条目标历史轨迹,1≤j≤q。
具体实现时,根据所述平均欧式距离,确定每条所述目标历史轨迹对应的权重,包括:平均欧式距离越大的目标历史轨迹多对应的权重值越小,通过权重归一化理论,计算第j条目标历史轨迹的权重,其权重值为Wj。
在一具体实施例中,所述根据每条所述目标历史轨迹对应的权重和高斯分布函数,确定轨迹预测模型,包括:
其中,f(x,y)为所述轨迹预测模型的公式,fj(x,y)为所述高斯分布函数,j为插值后所述目标历史轨迹中的第j个轨迹点,π指圆周率,σ2为方差,xj ′为第j个轨迹点的横坐标,yj ′为第j个轨迹点的纵坐标,x为所述第一车辆的预测行驶位置的横坐标,y为所述第一车辆的预测行驶位置的纵坐标,j=1,…,p。
这里,exp指以自然常数e为底的指数函数。(xj ′,yj ′)为历史轨迹中可能的任一轨迹位置点坐标,(x,y)为第一车辆的预测行驶位置坐标,(x,y)是关于时间t的函数。
该实施例中,轨迹预测模型为一种混合高斯分布模型,通过混合高斯分布模型,拟合观测轨迹在预测时刻的轨迹位置服从的概率分布,从而确定第一车辆在未来的预测估计位置,并为其生成预测轨迹。
在一实施例中,上述步骤105之后,所述方法还包括:
若满足第二预设条件的所述历史轨迹大于0,且所述预测轨迹的长度小于或等于第六预设阈值,则将所述预测轨迹与所述第一车辆的历史轨迹进行拼接,得到更新后的所述第一车辆的历史轨迹,并将满足所述第二预设条件的所述历史轨迹加入至所述历史轨迹集合中,得到更新后的所述历史轨迹集合;
根据更新后的所述第一车辆的历史轨迹和更新后的所述历史轨迹集合,重复执行轨迹预测过程,直至生成的轨迹长度大于所述第六预设阈值为止;
其中,所述第二预设条件包括:
第一坐标点位于所述历史轨迹的第一轨迹点与第二轨迹点所形成线段的延长线上;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点。
该实施例中,在预测轨迹的长度不满足需求时,可将预测轨迹与第一车辆的历史轨迹进行拼接,更新第一车辆的历史轨迹,这时,相当于向前更新延长了第一车辆的历史轨迹,此时,满足第二预设条件的历史轨迹极有可能与更新后的第一车辆的历史轨迹有重合,再次重复执行上述实施例中的轨迹预测过程,这样能够实现在轨迹预测过程中迭代拼接历史轨迹,直至得到满足V2X应用所需要的预测轨迹长度。
进一步需要说明的是,在该轨迹预测方法应用于第一车辆的车载单元OBU时,OBU至少包括定位模块、信息处理模块、V2X单元模块。定位模块主要为车载单元OBU提供车辆状态信息;信息处理模块主要是对周围远车的历史轨迹数据进行整理、预筛选、行驶方向分类、插值、混合高斯模型生成和轨迹预测、迭代拼接历史轨迹等处理过程,以及对第一车辆自身包括的历史轨迹的车辆状态信息进行BSM消息封装。V2X单元模块主要是接收周围远车的车辆状态信息,以及广播自车的车辆状态信息。
其中,远车的历史轨迹数据包括以下至少一项:经度(longitude),纬度(latitude),车辆速度(speed),车辆航向角(Ψ),横摆角速度(w)。
第二实施例
如图4所示,本发明实施例提供一种轨迹预测装置400,应用于第一车辆,包括:
获取模块401,用于获取历史轨迹集合,所述历史轨迹集合中包括远端的n个第二车辆对应的n条历史轨迹;
第一确定模块402,用于根据所述n条历史轨迹,确定至少一个路口节点集合;其中,每个路口节点集合包括至少一条所述历史轨迹的路口节点,一个路口节点集合对应一个路口;
第二确定模块403,用于确定每条所述历史轨迹在经过所述路口节点时的行驶方向;
处理模块404,用于根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹;1≤p≤n,且n和p为正整数;
轨迹生成模块405,用于根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹。
可选地,第一确定模块402包括:
第一确定子模块,用于对所述n条历史轨迹进行预筛选,得到m条第一历史轨迹;其中,1≤p≤m≤n,且m为正整数;
第二确定子模块,用于根据所述m条第一历史轨迹,确定所述至少一个路口节点集合。
可选地,第一确定子模块具体用于:
从所述n条历史轨迹中,筛选得到满足第一预设条件的m个第一历史轨迹;
其中,所述第一预设条件包括以下中的一项或多项:
第一坐标点位于第一轨迹点与第二轨迹点之间,且目标倾斜角的绝对值小于或等于第一预设阈值;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点;所述目标倾斜角为第一直线的方位角与所述第一车辆当前时刻的航向角的差值,所述第一直线为由所述第一轨迹点和所述第二轨迹点确定的直线;
第一距离小于或等于第二预设阈值,且第二距离大于或等于第三预设阈值;其中,所述第一距离为所述第一车辆的当前位置点与所述第一坐标点之间的直线距离;所述第二距离为所述第一坐标点与所述历史轨迹的当前位置之间的折线距离。
可选地,第二确定子模块具体用于:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述第一历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述第一历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在确定所述第i个偏移量的绝对值大于或等于第四预设阈值,且第k个偏移量的绝对值小于或等于第五预设阈值的情况下,确定第i-1个历史轨迹点与第k个历史轨迹点之间的折线距离;i≤k,k为整数;
将与所述折线距离的中间位置点距离最近的历史轨迹点,确定为所述第一历史轨迹的路口节点;其中,每条所述第一历史轨迹对应至少一个路口节点;
根据所述m条第一历史轨迹的所述路口节点之间的距离,将多个所述路口节点划分为至少一个所述路口节点集合。
可选地,第二确定模块803,包括:
第三确定子模块,用于确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
第四确定子模块,用于在所述历史轨迹对应的第i个偏移量的绝对值大于或等于第四预设阈值的情况下,判断所述历史轨迹开始转弯,累积计算第i个偏移量至第k个偏移量的偏移量总和;其中,第k个偏移量的绝对值小于或等于第五预设阈值;i≤k,k为整数;
第五确定子模块,用于根据每条所述历史轨迹对应的所述偏移量总和,确定每条所述历史轨迹的行驶方向。
可选地,第五确定子模块具体用于:
根据偏移量范围与所述行驶方向分类的对应关系,确定与所述偏移量总和对应的目标偏移范围;
将与所述目标偏移范围对应的行驶方向分类,确定为所述历史轨迹的行驶方向分类。
可选地,处理模块804具体用于:
从所述至少一个路口节点集合中,确定与所述第一车辆的当前位置距离最近的目标路口节点集合;其中,所述目标路口节点集合中包括f个所述历史轨迹的路口节点;0<f≤m;
根据与所述目标路口节点集合对应的f个所述历史轨迹的行驶方向和所述第一车辆的预估转向状态,从f个所述历史轨迹中选择出行驶方向与所述预估转向状态相匹配的p条目标历史轨迹;0<p≤f。
可选地,轨迹生成模块805,包括:
第一处理子模块,用于对所述第一车辆的历史轨迹和每条所述目标历史轨迹进行插值处理;
第二处理子模块,用于确定插值处理后的所述第一车辆的历史轨迹与插值处理后的每条所述目标历史轨迹之间的平均欧式距离;
第三处理子模块,用于根据所述平均欧式距离,确定每条所述目标历史轨迹对应的权重;其中,所述p条目标历史轨迹的权重之和等于1;
第四处理子模块,用于确定每条所述目标历史轨迹对应的高斯分布函数;
第五处理子模块,用于根据每条所述目标历史轨迹对应的权重和高斯分布函数,确定轨迹预测模型;
第六处理子模块,用于根据轨迹预测模型,生成预测轨迹。
可选地,第五处理子模块具体用于:
其中,f(x,y)为所述轨迹预测模型的公式,fj(x,y)为高斯分布函数,j为插值后所述目标历史轨迹中的第j个轨迹点,π指圆周率,σ2为方差,xj ′为第j个轨迹点的横坐标,yj ′为第j个轨迹点的纵坐标,x为所述第一车辆的预测行驶位置的横坐标,y为所述第一车辆的预测行驶位置的纵坐标,j=1,…,p。
可选地,装置400还包括:
迭代处理模块,用于若满足第二预设条件的所述历史轨迹大于0,且所述预测轨迹的长度小于或等于第六预设阈值,则将所述预测轨迹与所述第一车辆的历史轨迹进行拼接,得到更新后的所述第一车辆的历史轨迹,并将满足所述第二预设条件的所述历史轨迹加入至所述历史轨迹集合中,得到更新后的所述历史轨迹集合;
根据更新后的所述第一车辆的历史轨迹和更新后的所述历史轨迹集合,重复执行轨迹预测过程,直至生成的轨迹长度大于所述第六预设阈值为止;
其中,所述第二预设条件包括:
第一坐标点位于所述历史轨迹的第一轨迹点与第二轨迹点所形成线段的延长线上;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点坐标,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点。
本发明的第二实施例是与上述第一实施例的方法对应的,上述第一实施例中的所有实现手段均适用于该轨迹预测装置的实施例中,也能达到相同的技术效果。
第三实施例
为了更好的实现上述目的,如图5所示,本发明的第三实施例还提供了一种车联网设备,可选地,该车联网设备应用于第一车辆中,包括:
处理器500;以及通过总线接口与所述处理器500相连接的存储器520,所述存储器520用于存储所述处理器500在执行操作时所使用的程序和数据,处理器500调用并执行所述存储器520中所存储的程序和数据。
其中,收发机510与总线接口连接,用于在处理器500的控制下接收和发送数据;处理器500用于读取存储器520中的程序实现如下步骤:
获取历史轨迹集合,所述历史轨迹集合中包括远端的n个第二车辆对应的n条历史轨迹;
根据所述n条历史轨迹,确定至少一个路口节点集合;其中,每个路口节点集合包括至少一条所述历史轨迹的一个路口节点,一个路口节点集合对应一个路口;
确定每条所述历史轨迹在经过所述路口节点时的行驶方向;
根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹;1≤p≤n,且n和p为正整数;
根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹。
其中,在图5中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器500代表的一个或多个处理器和存储器520代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机510可以是多个元件,即包括发送机和收发机,提供用于在传输介质上与各种其他装置通信的单元。针对不同的终端,用户接口530还可以是能够外接内接需要设备的接口,连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。处理器500负责管理总线架构和通常的处理,存储器520可以存储处理器500在执行操作时所使用的数据。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
对所述n条历史轨迹进行预筛选,得到m条第一历史轨迹;其中,1≤p≤m≤n,且m为正整数;
根据所述m条第一历史轨迹,确定所述至少一个路口节点集合。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
从所述n条历史轨迹中,筛选得到满足第一预设条件的m个第一历史轨迹;
其中,所述第一预设条件包括以下中的一项或多项:
第一坐标点位于第一轨迹点与第二轨迹点之间,且目标倾斜角的绝对值小于或等于第一预设阈值;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点;所述目标倾斜角为第一直线的方位角与所述第一车辆当前时刻的航向角的差值,所述第一直线为由所述第一轨迹点和所述第二轨迹点确定的直线;
第一距离小于或等于第二预设阈值,且第二距离大于或等于第三预设阈值;其中,所述第一距离为所述第一车辆的当前位置点与所述第一坐标点之间的直线距离;所述第二距离为所述第一坐标点与所述历史轨迹的当前位置之间的折线距离。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述第一历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述第一历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在确定所述第i个偏移量的绝对值大于或等于第四预设阈值,且第k个偏移量的绝对值小于或等于第五预设阈值的情况下,确定第i-1个历史轨迹点与第k个历史轨迹点之间的折线距离;i≤k,k为整数;
将与所述折线距离的中间位置点距离最近的历史轨迹点,确定为所述第一历史轨迹的路口节点;其中,每条所述第一历史轨迹对应至少一个路口节点;
根据所述m条第一历史轨迹的所述路口节点之间的距离,将多个所述路口节点划分为至少一个所述路口节点集合。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在所述历史轨迹对应的第i个偏移量的绝对值大于或等于第四预设阈值的情况下,判断所述历史轨迹开始转弯,累积计算第i个偏移量至第k个偏移量的偏移量总和;其中,第k个偏移量的绝对值小于或等于第五预设阈值;i≤k,k为整数;
根据每条所述历史轨迹对应的所述偏移量总和,确定每条所述历史轨迹的行驶方向。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
根据偏移量范围与所述行驶方向分类的对应关系,确定与所述偏移量总和对应的目标偏移范围;
将与所述目标偏移范围对应的行驶方向分类,确定为所述历史轨迹的行驶方向分类。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
从所述至少一个路口节点集合中,确定与所述第一车辆的当前位置距离最近的目标路口节点集合;其中,所述目标路口节点集合中包括f个所述历史轨迹的路口节点;0<f≤m;
根据与所述目标路口节点集合对应的f个所述历史轨迹的行驶方向和所述第一车辆的预估转向状态,从f个所述历史轨迹中选择出行驶方向与所述预估转向状态相匹配的p条目标历史轨迹;0<p≤f。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
对所述第一车辆的历史轨迹和每条所述目标历史轨迹进行插值处理;
确定插值处理后的所述第一车辆的历史轨迹与插值处理后的每条所述目标历史轨迹之间的平均欧式距离;
根据所述平均欧式距离,确定每条所述目标历史轨迹对应的权重;其中,所述p条目标历史轨迹的权重之和等于1;
确定每条所述目标历史轨迹对应的高斯分布函数;
根据每条所述目标历史轨迹对应的权重和高斯分布函数,确定轨迹预测模型;
根据轨迹预测模型,生成预测轨迹。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
其中,f(x,y)为所述轨迹预测模型的公式,fj(x,y)为高斯分布函数,j为插值后所述目标历史轨迹中的第j个轨迹点,π指圆周率,σ2为方差,xj ′为第j个轨迹点的横坐标,yj ′为第j个轨迹点的纵坐标,x为所述第一车辆的预测行驶位置的横坐标,y为所述第一车辆的预测行驶位置的纵坐标,j=1,…,p。
可选的,处理器500具体用于读取存储器520中的程序实现如下步骤:
若满足第二预设条件的所述历史轨迹大于0,且所述预测轨迹的长度小于或等于第六预设阈值,则将所述预测轨迹与所述第一车辆的历史轨迹进行拼接,得到更新后的所述第一车辆的历史轨迹,并将满足所述第二预设条件的所述历史轨迹加入至所述历史轨迹集合中,得到更新后的所述历史轨迹集合;
根据更新后的所述第一车辆的历史轨迹和更新后的所述历史轨迹集合,重复执行轨迹预测过程,直至生成的轨迹长度大于所述第六预设阈值为止;
其中,所述第二预设条件包括:
第一坐标点位于所述历史轨迹的第一轨迹点与第二轨迹点所形成线段的延长线上;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点坐标,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点。
本发明提供的第一车辆,能够在无地图模式下根据远端车辆n条历史轨迹确定出至少一个路口节点集合,基于路口节点集合,实现在无地图模式下绘制道路的有向图,进一步地,根据每条历史轨迹的行驶方向、第一车辆的预估转向状态和至少一个路口节点集合,从n条历史轨迹中确定p条目标历史轨迹,根据p条目标历史轨迹,生成第一车辆的预测轨迹。如此,能够实现在路口场景下的预测轨迹,解决了在无地图模式下无法对路口场景下的车辆轨迹进行精确预测的问题。
本领域技术人员可以理解,实现上述实施例的全部或者部分步骤可以通过硬件来完成,也可以通过计算机程序来指示相关的硬件来完成,所述计算机程序包括执行上述方法的部分或者全部步骤的指令;且该计算机程序可以存储于一可读存储介质中,存储介质可以是任何形式的存储介质。
另外,本发明具体实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的第一实施例中的方法的步骤。且能达到相同的技术效果,为避免重复,这里不再赘述。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种轨迹预测方法,其特征在于,应用于第一车辆,所述方法包括:
获取历史轨迹集合,所述历史轨迹集合中包括远端的n个第二车辆对应的n条历史轨迹;
根据所述n条历史轨迹,确定至少一个路口节点集合;其中,每个路口节点集合包括至少一条所述历史轨迹的一个路口节点,一个路口节点集合对应一个路口;
确定每条所述历史轨迹在经过所述路口节点时的行驶方向;
根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹;1≤p≤n,且n和p为正整数;
根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹。
2.根据权利要求1所述的轨迹预测方法,其特征在于,所述根据所述n条历史轨迹,确定至少一个路口节点集合,包括:
对所述n条历史轨迹进行预筛选,得到m条第一历史轨迹;其中,1≤p≤m≤n,且m为正整数;
根据所述m条第一历史轨迹,确定所述至少一个路口节点集合。
3.根据权利要求2所述的轨迹预测方法,其特征在于,所述对所述n条历史轨迹进行预筛选,得到m条第一历史轨迹,包括:
从所述n条历史轨迹中,筛选得到满足第一预设条件的m个第一历史轨迹;
其中,所述第一预设条件包括以下中的一项或多项:
第一坐标点位于第一轨迹点与第二轨迹点之间,且目标倾斜角的绝对值小于或等于第一预设阈值;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点;所述目标倾斜角为第一直线的方位角与所述第一车辆当前时刻的航向角的差值,所述第一直线为由所述第一轨迹点和所述第二轨迹点确定的直线;
第一距离小于或等于第二预设阈值,且第二距离大于或等于第三预设阈值;其中,所述第一距离为所述第一车辆的当前位置点与所述第一坐标点之间的直线距离;所述第二距离为所述第一坐标点与所述历史轨迹的当前位置之间的折线距离。
4.根据权利要求2所述的轨迹预测方法,其特征在于,所述根据所述m条第一历史轨迹,确定所述至少一个路口节点集合,包括:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述第一历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述第一历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在确定所述第i个偏移量的绝对值大于或等于第四预设阈值,且第k个偏移量的绝对值小于或等于第五预设阈值的情况下,确定第i-1个历史轨迹点与第k个历史轨迹点之间的折线距离;i≤k,k为整数;
将与所述折线距离的中间位置点距离最近的历史轨迹点,确定为所述第一历史轨迹的路口节点;其中,每条所述第一历史轨迹对应至少一个路口节点;
根据所述m条第一历史轨迹的所述路口节点之间的距离,将多个所述路口节点划分为至少一个所述路口节点集合。
5.根据权利要求1所述的轨迹预测方法,其特征在于,所述确定每条所述历史轨迹在经过所述路口节点时的行驶方向,包括:
确定第i个偏移量,所述第i个偏移量为第i-1方位角与第i方位角之间的差值;其中,所述第i-1方位角为任一条所述历史轨迹中的第i-1个历史轨迹点与第i个历史轨迹点所在直线的方位角,所述第i方位角为任一条所述历史轨迹中的第i个历史轨迹点与第i+1个历史轨迹点所在直线的方位角;i≥2且i为整数;i=2时,第1个历史轨迹点为所述第一车辆的当前位置点在所述历史轨迹上的投影点;
在所述历史轨迹对应的所述第i个偏移量的绝对值大于或等于第四预设阈值的情况下,判断所述历史轨迹开始转弯,累积计算第i个偏移量至第k个偏移量的偏移量总和;其中,第k个偏移量的绝对值小于或等于第五预设阈值;i≤k,k为整数;
根据每条所述历史轨迹对应的所述偏移量总和,确定每条所述历史轨迹的行驶方向。
6.根据权利要求5所述的轨迹预测方法,其特征在于,所述根据所述历史轨迹对应的所述偏移量总和,确定每条所述历史轨迹的行驶方向,包括:
根据偏移量范围与所述行驶方向分类的对应关系,确定与所述偏移量总和对应的目标偏移范围;
将与所述目标偏移范围对应的行驶方向分类,确定为所述历史轨迹的行驶方向分类。
7.根据权利要求1所述的轨迹预测方法,其特征在于,所述根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹,包括:
从所述至少一个路口节点集合中,确定与所述第一车辆的当前位置距离最近的目标路口节点集合;其中,所述目标路口节点集合中包括f个所述历史轨迹的路口节点;0<f≤m;
根据与所述目标路口节点集合对应的f个所述历史轨迹的行驶方向和所述第一车辆的预估转向状态,从f个所述历史轨迹中选择出行驶方向与所述预估转向状态相匹配的p条目标历史轨迹;0<p≤f。
8.根据权利要求1所述的轨迹预测方法,其特征在于,所述根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹,包括:
对所述第一车辆的历史轨迹和每条所述目标历史轨迹进行插值处理;
确定插值处理后的所述第一车辆的历史轨迹与插值处理后的每条所述目标历史轨迹之间的平均欧式距离;
根据所述平均欧式距离,确定每条所述目标历史轨迹对应的权重;其中,所述p条目标历史轨迹的权重之和等于1;
确定每条所述目标历史轨迹对应的高斯分布函数;
根据每条所述目标历史轨迹对应的权重和高斯分布函数,确定轨迹预测模型;
根据轨迹预测模型,生成预测轨迹。
10.根据权利要求1所述的轨迹预测方法,其特征在于,所述根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹之后,所述方法还包括:
若满足第二预设条件的所述历史轨迹大于0,且所述预测轨迹的长度小于或等于第六预设阈值,则将所述预测轨迹与所述第一车辆的历史轨迹进行拼接,得到更新后的所述第一车辆的历史轨迹,并将满足所述第二预设条件的所述历史轨迹加入至所述历史轨迹集合中,得到更新后的所述历史轨迹集合;
根据更新后的所述第一车辆的历史轨迹和更新后的所述历史轨迹集合,重复执行轨迹预测过程,直至生成的轨迹长度大于所述第六预设阈值为止;
其中,所述第二预设条件包括:
第一坐标点位于所述历史轨迹的第一轨迹点与第二轨迹点所形成线段的延长线上;其中,所述第一坐标点为所述第一车辆的当前位置点在所述历史轨迹上的投影点,所述第一轨迹点和所述第二轨迹点为所述历史轨迹上与所述第一坐标点距离最近的两个轨迹点。
11.一种车联网设备,包括:收发机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至10中任一项所述轨迹预测方法的步骤。
12.一种轨迹预测装置,其特征在于,应用于第一车辆,包括:
获取模块,用于获取历史轨迹集合,所述历史轨迹集合中包括远端的n个第二车辆对应的n条历史轨迹;
第一确定模块,用于根据所述n条历史轨迹,确定至少一个路口节点集合;其中,每个路口节点集合包括至少一条所述历史轨迹的路口节点,一个路口节点集合对应一个路口;
第二确定模块,用于确定每条所述历史轨迹在经过所述路口节点时的行驶方向;
处理模块,用于根据每条所述历史轨迹的所述行驶方向、所述第一车辆的预估转向状态和所述至少一个路口节点集合,从所述n条历史轨迹中确定p条目标历史轨迹;1≤p≤n,且n和p为正整数;
轨迹生成模块,用于根据所述p条目标历史轨迹,生成所述第一车辆的预测轨迹。
13.一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,该计算机程序被处理器执行时实现如权利要求1至10中任一项所述轨迹预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211669022.8A CN116424336A (zh) | 2022-12-23 | 2022-12-23 | 一种轨迹预测方法、装置及车联网设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211669022.8A CN116424336A (zh) | 2022-12-23 | 2022-12-23 | 一种轨迹预测方法、装置及车联网设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116424336A true CN116424336A (zh) | 2023-07-14 |
Family
ID=87089609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211669022.8A Pending CN116424336A (zh) | 2022-12-23 | 2022-12-23 | 一种轨迹预测方法、装置及车联网设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116424336A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576950A (zh) * | 2024-01-16 | 2024-02-20 | 长沙行深智能科技有限公司 | 一种预测车辆选择经过路口入口和路口出口的方法及装置 |
-
2022
- 2022-12-23 CN CN202211669022.8A patent/CN116424336A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576950A (zh) * | 2024-01-16 | 2024-02-20 | 长沙行深智能科技有限公司 | 一种预测车辆选择经过路口入口和路口出口的方法及装置 |
CN117576950B (zh) * | 2024-01-16 | 2024-04-09 | 长沙行深智能科技有限公司 | 一种预测车辆选择经过路口入口和路口出口的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102306939B1 (ko) | V2x 통신 및 이미지 처리를 이용한 정보 융합을 통해 자율 주행의 단기 경로를 플래닝하기 위한 방법 및 장치 | |
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN109931937B (zh) | 高精导航信息模拟方法及*** | |
JP2022020044A (ja) | 自律駐車のための方法と装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム | |
CN110763246A (zh) | 自动驾驶车辆路径规划方法、装置、车辆及存储介质 | |
CN109213153B (zh) | 一种车辆自动驾驶方法及电子设备 | |
CN112595337B (zh) | 避障路径规划方法、装置、电子装置、车辆及存储介质 | |
CN109916422B (zh) | 一种全局路径规划方法及装置 | |
CN108171967B (zh) | 一种交通控制方法及装置 | |
CN106355890B (zh) | 一种对目标车辆分类的判断方法及装置 | |
CN108827335B (zh) | 一种基于单向搜索模型的最短路径规划方法 | |
CN110174110B (zh) | 地图对应的方法和装置、电子设备、计算机可读介质 | |
WO2020125686A1 (zh) | 实时相对地图的生成方法,智能驾驶设备以及计算机存储介质 | |
Jesenski et al. | Generation of scenes in intersections for the validation of highly automated driving functions | |
WO2022121207A1 (zh) | 轨迹规划方法、装置、设备、存储介质和程序产品 | |
CN111177934B (zh) | 参考路径规划的方法、设备和存储介质 | |
WO2023097874A1 (zh) | 用于行驶轨迹规划的方法和装置 | |
CN116424336A (zh) | 一种轨迹预测方法、装置及车联网设备 | |
CN114723903A (zh) | 障碍物风险场环境建模方法及其装置、相关产品 | |
Boubakri et al. | High definition map update for autonomous and connected vehicles: A survey | |
CN117152958A (zh) | 一种车辆轨迹识别方法、装置、识别设备及可读存储介质 | |
CN115892076B (zh) | 车道障碍物筛选方法、装置和域控制器 | |
Karimi et al. | A methodology for predicting performances of map-matching algorithms | |
CN116817950A (zh) | 路径规划方法、装置、设备、***、存储介质和程序产品 | |
CN115810291A (zh) | 一种关联目标识别方法、装置、路侧设备及车辆 |
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 |