基于规则的行人目标轨迹预测方法、装置、设备及存储介质与流程

1.本发明属于自动驾驶技术领域，具体涉及一种基于规则的行人目标轨迹预测方法、装置、设备及存储介质。


背景技术：

2.城区内的自动驾驶使用场景中会较多遇到行人目标，例如有行人目标横穿马路、站在路边等待、沿路沿行走，当车辆驶近时，极易发生漏制动或误制动，影响安全与舒适性体验，问题的解决依赖于对行人目标的轨迹预测，例如行人目标横穿马路，在行人横穿时，预测轨迹则应该是一条与道路交叉的连续位置点。决策规划便可参考行人目标预测数秒之后的位置，提前进行减速避让确保安全，并在行人目标已经横穿后，预测位置已经显著远离时及时提速优化自动驾驶体验。
3.中国专利cn110606019a公开了一种用于车辆自动驾驶的行人礼让方法、装置、车辆和存储介质。此专利的技术方案是简单依靠行人目标当前的速度与位置，向前递推，以简单匀速运动模型得到预测点，其缺点是一是行人目标当前速度往往由于感知性能的不准确因素导致预测的效果大打折扣，二是没有充分利用目标的历史时序信息，仅从当前一个点向前预测，稳定性难以保证。


技术实现要素：

4.本发明的目的是：旨在提供一种基于规则的行人目标轨迹预测方法、装置、设备及存储介质，在自动驾驶过程中采集行人目标的历史轨迹，并结合行人目标当前位置，以可靠的方式预测行人目标的移动轨迹，为汽车的后续操作提供可靠的信息。
5.为实现上述技术目的，本发明采用的技术方案如下：
6.第一方面，本技术实施例提供了一种基于规则的行人目标轨迹预测方法，应用于一种基于规则的行人目标轨迹预测设备，包括有第一传感器、第二传感器和处理器，所述处理器用于预测行人目标的行动轨迹，所述预测方法包括：
7.第一传感器采集行人目标在第一预设时间内的历史轨迹，第二传感器采集本车在第一预设时间内的行驶轨迹；
8.根据预设算法，分析所述行人向所述本车的移动趋势，判断所述行人目标的过路意图，得到判断结果；
9.根据所述判断结果，预测所述行人的运动终点，结合所述历史轨迹信息，生成预测轨迹。
10.结合第一方面，在一些可选的实施方式中，第一传感器采集行人目标在第一预设时间内的历史轨迹，第二传感器采集本车在第一预设时间内的行驶轨迹，包括：
11.预设静态数组对所述历史轨迹进行存储，每一时刻将所述静态数组中的历史轨迹点集进行移位，再将当前时刻位置点装入空位；
12.将所述静态数组中的历史轨迹点集以所述本车为参考系进行坐标转换。
13.结合第一方面，在一些可选的实施方式中，将所述静态数组中的历史轨迹点集以所述本车为参考系进行坐标转换，包括：
14.所述第二传感器同步记录所述本车运行信息，计算所述本车每个预设时间步内位移与旋转的量，确定所述本车的位置，然后对行人目标历史轨迹进行逐时间递进的抵消，从最早时刻迭代计算至当前时刻，实现所述历史轨迹点集以所述本车为参考系进行坐标转换；
15.或者，所述第二传感器记录所述本车的定位信息，在所述每个预设时间步内，基于所述本车两次定位位置点的移动与航向角的变化，确定所述本车的位置，将所述历史轨迹点集以所述本车为参考系进行坐标转换。
16.结合第一方面，在一些可选的实施方式中，根据预设算法，分析所述行人向所述本车的靠近趋势，判断所述行人目标的过路意图，得到判断结果，包括：
17.基于所述行人目标的历史轨迹，记录所述行人目标向既定方向移动的幅度，统计每一预设时间步内所述行人目标朝着所述方向靠近的次数；当所述次数达到预设第一定值且所述行人目标的移动幅度超出预设的第一边界，确定所述行人目标有靠近所述方向的移动趋势。
18.结合第一方面，在一些可选的实施方式中，所述方法还包括：
19.在确定所述行人目标有向预设的本车参考线的移动趋势的基础上，所述行人目标的移动距离超过预设的第二边界，判定所述行人目标有过路意图。
20.结合第一方面，在一些可选的实施方式中，据所述判断结果，预测所述行人的运动终点，结合所述历史轨迹信息，生成预测轨迹，包括：
21.判定行人有过路意图时，基于所述行人的移动趋势，确定所述行人目标的运动终点位于穿过所述本车后道路的另一侧；
22.或者，判定所述行人目标无过路意图，但是有向前的移动趋势时，确定所述行人目标的运动终点位于道路上不穿过所述本车的一侧前方某一位置处。
23.结合第一方面，在一些可选的实施方式中，所述方法还包括：
24.选择合适的所述历史轨迹点集内的点、所述终点以及所述行人目标的当前位置点，采用一般三次曲线拟合的方法生成拟合曲线；
25.预设在所述拟合曲线上的模拟点以所述行人目标的当前位置为起点，沿所述拟合曲线上所述当前位置处的切线前进预设的一个步长距离，抵达模拟终点位置处，取所述模拟终点位置处的纵坐标为第一横坐标，根据所述第一横坐标在所述拟合曲线上确定第一终点位置；
26.以所述第一终点位置为起点，所述模拟点重复若干次上述步骤，在所述拟合曲线上确定预测轨迹点集，以平滑曲线将所述预测轨迹点集内的点依次连接，形成所述行人目标的预测轨迹。
27.第二方面，本技术实施例还提供了一种基于规则的行人目标轨迹预测装置，应用于一种基于规则的行人目标轨迹预测设备，包括有第一传感器、第二传感器和处理器，所述处理器用于预测行人目标的行动轨迹，所述装置包括：
28.检测单元：用于收集分析行人目标的历史移动轨迹和本车在路面上的行驶状态信息；
29.处理单元：用于根据行人目标的历史轨迹判断行人目标的移动趋势，根据行人目标的移动趋势判断行人目标的运动终点，拟合生成行人目标的预测轨迹。
30.第三方面，本技术实施例还提供了一种基于规则的行人目标轨迹预测设备，包括有第一传感器、第二传感器、处理器和存储器，所述第一传感器和所述处理器之间电连接，所述第二传感器和所述处理器之间电连接，所述处理器用于预测行人目标的行动轨迹，存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述基于规则的行人目标轨迹预测设备执行上述的方法。
31.第四方面，本技术实施例还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中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
32.采用上述技术方案的发明，具有如下优点：
33.第一传感器感应采集自动驾驶的本车行驶的道路两旁的行人目标的历史轨迹信息，第二传感器采集本车的行驶信息，以行驶中的本车作为参考系转换并形成行人目标的历史轨迹点集；从行人目标的历史轨迹中判断行人的运动终点，将行人目标的历史轨迹信息、当前位置和运动终点以一般三次曲线拟合的方式进行拟合，根据积分的思路，在拟合曲线上确定行人目标的预测轨迹，可靠性更高，本车根据预测曲线做出的操作也更加准确，避免出现误操作。
附图说明
34.本发明可以通过附图给出的非限定性实施例进一步说明；
35.图1为本技术实施例提供的基于规则的行人目标轨迹预测设备的框图。
36.图2为本技术实施例提供的基于规则的行人目标轨迹预测方法的流程示意图。
37.图3为本技术实施例提供的基于规则的行人目标轨迹预测装置的框图。
38.主要元件符号说明如下：
39.10、基于规则的行人目标轨迹预测设备；11、第一传感器；12、第二传感器；13、处理器；200、基于规则的行人目标轨迹预测装置；210、检测单元；220、处理单元。
具体实施方式
40.以下将结合附图和具体实施例对本发明进行详细说明，需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，实施例中提到的方向用语，例如“上”、“下”、“顶”、“底”、“左”、“右”、“前”、“后”等，仅是参考附图的方向，并非用来限制本发明的保护范围。
41.如图1所示，本技术实施例提供一种基于规则的行人目标轨迹预测设备10，所述基于规则的行人目标轨迹预测设备10可以包括第一传感器11、第二传感器12、处理器13和存储器，所述第一传感器11和所述处理器13之间电连接，所述第二传感器12和所述处理器13之间电连接，所述处理器13用于预测行人目标的行动轨迹。
42.其中第一传感器11可以包括但不局限于图像传感器和雷达传感器等元器件，用于收集行人目标的历史移动轨迹和采集行人目标的移动状态。第二传感器12可以是超声波传
感器和测速传感器等元器件，用于收集记录本车的行驶信息。
43.本实施例中，自动驾驶本车在道路上行驶过程中，第一传感器11收集道路上的行人目标的历史轨迹信息，第二传感器12收集本车的行驶信息，在处理器13内以本车为参考系将行人目标的历史轨迹信息转化为历史轨迹点集，根据第一传感器11的收集到的行人目标的移动状态，确定行人目标的终点位置，对行人目标的历史轨迹点集、终点位置以及当前位置采用一般三次拟合的方式形成拟合曲线，在拟合曲线上以“化曲为直”的方式确定得到若干预测轨迹点，将预测轨迹点用平滑曲线依次连接，得到行人目标的预测轨迹。
44.存储器内存储计算机程序，当计算机程序被处理器13执行时，使得基于规则的行人目标轨迹预测设备10能够执行下述基于规则的行人目标轨迹预测方法中的相应步骤。
45.如图2所示，本技术还提供一种基于规则的行人目标轨迹预测方法。其中，基于规则的行人目标轨迹预测方法可以包括如下步骤：
46.步骤110：第一传感器11采集行人目标在第一预设时间内的历史轨迹，第二传感器12采集本车在第一预设时间内的行驶轨迹；
47.步骤120：根据预设算法，分析所述行人向所述本车的移动趋势，判断所述行人目标的过路意图，得到判断结果；
48.步骤130：根据所述判断结果，预测所述行人的运动终点，结合所述历史轨迹信息，生成预测轨迹。
49.通过步骤110采集获得行人目标的历史轨迹，并将行人目标的历史轨迹转化为以本车为参考系下的历史轨迹点集，在步骤120中，通过预设算法，分析得出行人目标的过路意图，并在步骤130中确定行人目标的运动终点，根据行人目标的运动终点、历史轨迹点和当前位置，采用一般的三次拟合得到拟合曲线，在拟合曲线上以“化曲为直”的方式确定得到若干预测轨迹点，将预测轨迹点用平滑曲线依次连接，得到行人目标的预测轨迹。
50.作为一种可选的实施方式，第一传感器11采集行人目标在第一预设时间内的历史轨迹，第二传感器12采集本车在第一预设时间内的行驶轨迹，包括：
51.预设静态数组对所述历史轨迹进行存储，每一时刻将所述静态数组中的历史轨迹点集进行移位，再将当前时刻位置点装入空位；
52.将所述静态数组中的历史轨迹点集以所述本车为参考系进行坐标转换。
53.本实施例中，当本车行驶的道路边存在行人目标时，第一传感器11采集行人目标每一时刻的移动轨迹，储存在静态数组中，当采集到当前时刻的轨迹之后，上一时刻的轨迹点在静态数组中移位，当前时刻点装入空位中，形成行人目标的历史轨迹点集。第二传感器12采集本车的行驶信息。
54.作为一种可选的实施方式，将所述静态数组中的历史轨迹点集以所述本车为参考系进行坐标转换，包括：
55.所述第二传感器12同步记录所述本车运行信息，计算所述本车每个预设时间步内位移与旋转的量，确定所述本车的位置，然后对行人目标历史轨迹进行逐时间递进的抵消，从最早时刻迭代计算至当前时刻，实现所述历史轨迹点集以所述本车为参考系进行坐标转换；
56.或者，所述第二传感器12记录所述本车的定位信息，在所述每个预设时间步内，基于所述本车两次定位位置点的移动与航向角的变化，确定所述本车的位置，将所述历史轨
迹点集以所述本车为参考系进行坐标转换。
57.本实施例中，将第一传感器11采集到的历史轨迹点集转化为以本车为参考系下的行人目标历史轨迹点集的方式可以是：第二传感器12记录下本车在每个预设的时间步内的位移与旋转的量，确定车辆位置，再根据行人目标历史轨迹上相应时刻的位置点，进行坐标的转换。以时间顺序依次转换，得到行人目标以本车为参考系下的历史轨迹点集。
58.其中，确定本车位置的方法还可以是：第二传感器12记录本车在每个预设时间步内的位移量和航向角变化，依次确定本车的位置。
59.作为一种可选的实施方式，根据预设算法，分析所述行人向所述本车的靠近趋势，判断所述行人目标的过路意图，得到判断结果，包括：
60.基于所述行人目标的历史轨迹，记录所述行人目标向既定方向移动的幅度，统计每一预设时间步内所述行人目标朝着所述方向靠近的次数；当所述次数达到预设第一定值且所述行人目标的移动幅度超出预设的第一边界，确定所述行人目标有靠近所述方向的移动趋势。
61.本实施例中，基于行人目标的历史轨迹，若每一预设时间步内，行人目标的朝着既定方向的距离改变。例如：行人目标与本车之间的距离在一个预设时间步内的减小，则行人向本车靠近一次。记录行人朝既定方向靠近的次数；为避免发生误判，还需要记录行人目标在既定方向上的移动幅度，并以移动幅度预设第一边界，只有当行人向既定方向靠近的次数达到预设的第一定值，且移动幅度超过第一预设边界时，才会判定行人目标有朝着既定方向的移动趋势。
62.其中，行人目标移动幅度的标定物可以是行人手臂的摆动幅度、行人身体的前倾角度或者行人在一个预设时间步内在既定方向上的移动距离等。
63.作为一种可选的实施方式，所述方法还包括：
64.在确定所述行人目标有向预设的本车参考线的移动趋势的基础上，所述行人目标的移动距离超过预设的第二边界，判定所述行人目标有过路意图。
65.作为一种可选的实施方式，根据所述判断结果，预测所述行人的运动终点，结合所述历史轨迹信息，生成预测轨迹，包括：
66.判定行人有过路意图时，基于所述行人的移动趋势，确定所述行人目标的运动终点位于穿过所述本车后道路的另一侧；
67.或者，判定所述行人目标无过路意图，但是有向前的移动趋势时，确定所述行人目标的运动终点位于道路上不穿过所述本车的一侧前方某一位置处。
68.其中，本车参考线可以是道路上的车道中心线，也可以是根据本车的轨迹生产的本车轨迹线。预设的第二边界是以本车的轨迹线为中心向两侧扩张一定距离形成的管道边界。
69.本实施例中，如果判定行人目标有向预设的本车参考线位置移动的趋势，则比较行人目标的移动距离是否超过预设的第二边界，若超过第二边界，则判定行人目标有过路意图。由于第一边界的判定具有一定的不确定性，设置第二边界增强决策的鲁棒性。
70.作为一种可选的实施方式，所述方法还包括：
71.选择合适的所述历史轨迹点集内的点、所述终点以及所述行人目标的当前位置点，采用一般三次曲线拟合的方法生成拟合曲线；
72.预设在所述拟合曲线上的模拟点以所述行人目标的当前位置为起点，沿所述拟合曲线上所述当前位置处的切线前进预设的一个步长距离，抵达模拟终点位置处，取所述模拟终点位置处的纵坐标为第一横坐标，根据所述第一横坐标在所述拟合曲线上确定第一终点位置；
73.以所述第一终点位置为起点，所述模拟点重复若干次上述步骤，在所述拟合曲线上确定预测轨迹点集，以平滑曲线将所述预测轨迹点集内的点依次连接，形成所述行人目标的预测轨迹。
74.本实施例中，为增强重点的指向性，还要保证拟合出的曲线具有历史轨迹所携带的一定惯性，在行人目标的历史轨迹点集内选取合适的点进行加密，再经过加权计算，和行人目标的当前位置点以及终点进行拟合得到拟合曲线。在拟合曲线上，模拟点以上述的“化曲为直”的方式确定出预测轨迹点集，以平滑曲线将轨迹点集一次相连，获得行人目标的预测轨迹。
75.如图3所示，本技术还提供一种基于规则的行人目标轨迹预测装置200，基于规则的行人目标轨迹预测装置200包括至少一个可以软件或固件(firmware)的形式存储于存储模块中或固化在基于规则的行人目标轨迹预测设备10的操作系统(operating system，os)中的软件功能模块。处理器13用于执行存储模块中存储的可执行模块，例如基于规则的行人目标轨迹预测装置200所包括的软件功能模块及计算机程序等。
76.基于规则的行人目标轨迹预测装置200包括选择检测单元210及处理单元220：，各单元具有的功能可以如下：
77.处理单元220：用于收集分析行人目标的历史移动轨迹和本车在路面上的行驶状态信息；
78.处理单元220：用于根据行人目标的历史轨迹判断行人目标的移动趋势，根据行人目标的移动趋势判断行人目标的运动终点，拟合生成行人目标的预测轨迹。
79.在本实施例中，存储模块可以是，但不限于，随机存取存储器，只读存储器，可编程只读存储器，可擦除可编程只读存储器，电可擦除可编程只读存储器等。在本实施例中，存储模块可以用于存储第一传感器11采集所得的静态数组、预设时间步、本车参考线、第一边界和第二边界等。当然，存储模块还可以用于存储程序，处理器在接收到执行指令后，执行该程序。
80.可以理解的是，图1中所示的基于规则的行人目标轨迹预测设备10结构仅为一种结构示意图，基于规则的行人目标轨迹预测设备10还可以包括比图1所示更多的组件。图1中所示的各组件可以采用硬件、软件或其组合实现。
81.需要说明的是，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的基于规则的行人目标轨迹预测设备10、基于规则的行人目标轨迹预测装置200的具体工作过程，可以参考前述方法中的各步骤对应过程，在此不再过多赘述。
82.本技术实施例还提供一种计算机可读存储介质。计算机可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述实施例中所述的基于规则的行人目标轨迹预测方法。
83.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本技术可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本申
请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，制动设备，或者网络设备等)执行本技术各个实施场景所述的方法。
84.综上所述，本技术实施例提供一种基于规则的行人目标轨迹预测方法、装置、基于规则的行人目标轨迹预测设备10及存储介质。在本方案中，自动驾驶过程中道路上存在行人目标时，第一传感器11采集行人目标的历史轨迹信息，得出行人目标的移动趋势，处理器13根据行人目标的移动趋势，确定行人目标的移动终点，由行人目标的历史轨迹、当前位置、运动终点得出拟合曲线，再在拟合曲线上进一步确定得出行人目标的预测轨迹。
85.在本技术所提供的实施例中，应该理解到，所揭露的装置、系统和方法，也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
86.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。