路口车辆未来轨迹的预测方法、装置、车辆及存储介质与流程

1.本技术涉及自动驾驶技术领域，特别涉及一种路口车辆未来轨迹的预测方法、装置、车辆及存储介质。


背景技术：

2.自动驾驶系统对本车周围的环境，如地图、目标车辆有很大依赖性，必须准确识别目标车的位置才能有效避免碰撞，保证车辆与乘客的安全，当目标车辆行驶在比较规则的环境下时，可以较为容易的预测其运动轨迹，但如果目标车辆行驶在有多条可通行方向的路口时，则较难准确判断出目标的行驶方向，其未来轨迹也就较难预测。
3.相关技术中，可以采用数据驱动的机器学习算法，通过建立模型进行车辆路口处的意图预测及轨迹判断，然而，相关技术需要依赖大量数据以提高模型的准确性，对数据和算力的要求较高，且模型输出与自身预期不符时，很难主动修正得到想要的结果，有待改进。


技术实现要素：

4.本技术提供一种路口车辆未来轨迹的预测方法、装置、车辆及存储介质，以解决相关技术中，需要依赖大量数据以提高模型的准确性，对数据和算力的要求较高，且模型输出与自身预期不符时，难以进行主动修正的技术问题。
5.本技术第一方面实施例提供一种路口车辆未来轨迹的预测方法，包括以下步骤：确定当前路口处的多条可通行路径；根据每条可通行路径的路径信息计算目标车辆到所述每条可通行路径的至少一个行驶参数；以及基于所述至少一个行驶参数确定具备行驶意图的可通行路径，预测所述目标车辆的多条预测行驶轨迹，并确定每条预测行驶轨迹的代价函数，得到所述多条预测行驶轨迹中最优预测行驶轨迹，将所述最优预测行驶轨迹作为未来轨迹的预测结果。
6.根据上述技术手段，本技术实施例可以将路口信息处理成多条路径的行驶，基于具备行驶意图的可通行路径，预测目标车辆的多条预测行驶轨迹，进而得到最优预测行驶轨迹，实现对路口车辆未来规划轨迹的预测，计算简单可靠，无需依靠大量数据，对算力要求较低，能够全面考虑轨迹的舒适性、时效性与安全性。
7.可选地，在本技术的一个实施例中，所述基于所述至少一个行驶参数确定具备行驶意图的可通行路径，包括：基于所述至少一个行驶参数，预测预设时长后距离所述目标车辆最近的可通行路径，其中，如果所述最近的可通行路径为多条且一条可通行路径存在通行车辆，则所述一条可通行路径为所述具备行驶意图的可通行路径；如果所述最近的可通行路径为多条且至少两条可通行路径均存在通行车辆，则根据所述目标车辆的转向意图确定所述具备行驶意图的可通行路径；如果所述最近的可通行路径为多条、所述至少两条可通行路径均存在通行车辆且不存在所述转向意图，则将与所述目标车辆的原始路径最相近的路径作为所述具备行驶意图的可通行路径；如果所述最近的可通行路径为多条且无可通
行路径存在通行车辆，则根据所述目标车辆的转向意图确定所述具备行驶意图的可通行路径；如果所述最近的可通行路径为多条、无可通行路径存在通行车辆且不存在所述转向意图，则根据所述当前路口处的通行路灯的当前状态确定所述具备行驶意图的可通行路径；如果所述最近的可通行路径为多条、无可通行路径存在通行车辆、不存在所述转向意图且未感知所述当前状态，则将与所述目标车辆的原始路径最相近的路径作为所述具备行驶意图的可通行路径。
8.根据上述技术手段，本技术实施例可以将路口信息处理成多条路径的形式，并基于不同情况，进行可通行路径的判断。
9.可选地，在本技术的一个实施例中，所述将与所述目标车辆的原始路径最相近的路径作为所述具备行驶意图的可通行路径，包括：获取所述原始路径的拟合曲线；计算所述可通行路径与所述拟合曲线之间的距离，并将所述距离的平方均值最小的路径作为所述最相近的路径。
10.根据上述技术手段，本技术实施例可以通过计算获得最相近的路径，计算简单可靠，无需消耗大量算力。
11.可选地，在本技术的一个实施例中，所述预测所述目标车辆的多条预测行驶轨迹，包括：基于所述具备行驶意图的可通行路径建立frenet坐标系；基于所述frenet坐标系和所述具备行驶意图的可通行路径的至少一个行驶参数求解预设5次多项式的轨迹方程，得到不同预测时间的所述多条预测行驶轨迹。
12.根据上述技术手段，本技术实施例可以利用5次多项式的规划方法，从而得到预测时间范围内，多条行驶轨迹的预测。
13.可选地，在本技术的一个实施例中，所述代价函数的公式为：
[0014][0015]
其中，w
t
代表时间维度的权重，ws代表舒适性维度的权重，d(t)
″′
代表目标运动的舒适性及安全性，t代表时间。
[0016]
根据上述技术手段，本技术实施例可以及与代价函数，得到最优目标预测轨迹。
[0017]
本技术第二方面实施例提供一种路口车辆未来轨迹的预测装置，包括：确定模块，用于确定当前路口处的多条可通行路径；计算模块，用于根据每条可通行路径的路径信息计算目标车辆到所述每条可通行路径的至少一个行驶参数；以及预测模块，用于基于所述至少一个行驶参数确定具备行驶意图的可通行路径，预测所述目标车辆的多条预测行驶轨迹，并确定每条预测行驶轨迹的代价函数，得到所述多条预测行驶轨迹中最优预测行驶轨迹，将所述最优预测行驶轨迹作为未来轨迹的预测结果。
[0018]
可选地，在本技术的一个实施例中，所述预测模块包括：预测单元，用于基于所述至少一个行驶参数，预测预设时长后距离所述目标车辆最近的可通行路径，其中，当所述最近的可通行路径为多条且一条可通行路径存在通行车辆时，所述一条可通行路径为所述具备行驶意图的可通行路径；当所述最近的可通行路径为多条且至少两条可通行路径均存在通行车辆时，根据所述目标车辆的转向意图确定所述具备行驶意图的可通行路径；当所述最近的可通行路径为多条、所述至少两条可通行路径均存在通行车辆且不存在所述转向意图时，将与所述目标车辆的原始路径最相近的路径作为所述具备行驶意图的可通行路径；当所述最近的可通行路径为多条且无可通行路径存在通行车辆时，根据所述目标车辆的转
向意图确定所述具备行驶意图的可通行路径；当所述最近的可通行路径为多条、无可通行路径存在通行车辆且不存在所述转向意图时，根据所述当前路口处的通行路灯的当前状态确定所述具备行驶意图的可通行路径；当所述最近的可通行路径为多条、无可通行路径存在通行车辆、不存在所述转向意图且未感知所述当前状态时，将与所述目标车辆的原始路径最相近的路径作为所述具备行驶意图的可通行路径。
[0019]
可选地，在本技术的一个实施例中，所述预测单元包括：获取子单元，用于获取所述原始路径的拟合曲线；计算子单元，用于计算所述可通行路径与所述拟合曲线之间的距离，并将所述距离的平方均值最小的路径作为所述最相近的路径。
[0020]
可选地，在本技术的一个实施例中，所述预测模块包括：建立单元，用于基于所述具备行驶意图的可通行路径建立frenet坐标系；计算单元，用于基于所述frenet坐标系和所述具备行驶意图的可通行路径的至少一个行驶参数求解预设5次多项式的轨迹方程，得到不同预测时间的所述多条预测行驶轨迹。
[0021]
可选地，在本技术的一个实施例中，所述代价函数的公式为：
[0022][0023]
其中，w
t
代表时间维度的权重，ws代表舒适性维度的权重，d(t)
″′
代表目标运动的舒适性及安全性，t代表时间。
[0024]
本技术第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的路口车辆未来轨迹的预测方法。
[0025]
本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的路口车辆未来轨迹的预测方法。
[0026]
本技术实施例的有益效果：
[0027]
(1)本技术实施例可以将路口信息处理成多条路径的形式，进而通过计算获得最优预测行驶轨迹，以满足自动驾驶需求；
[0028]
(2)本技术实施例可以利用5次多项式的规划方法，从而得到预测时间范围内，多条行驶轨迹的预测，并基于代价函数，得到最优预测行驶轨迹，计算简单可靠，无需消耗大量算力，且能够全面考虑轨迹的舒适性、时效性与安全性。
[0029]
本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0030]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0031]
图1为根据本技术实施例提供的一种路口车辆未来轨迹的预测方法的流程图；
[0032]
图2为根据本技术一个实施例的路口车辆未来轨迹的预测方法的路口处可通行路径示意图；
[0033]
图3为根据本技术一个实施例的路口车辆未来轨迹的预测方法的单一路径有车预测示意图；
[0034]
图4为根据本技术一个实施例的路口车辆未来轨迹的预测方法的多条路径有车且目标车辆开启右转灯示意图；
[0035]
图5为根据本技术一个实施例的路口车辆未来轨迹的预测方法的选择与原始路径最相近的路径示意图；
[0036]
图6为根据本技术一个实施例的路口车辆未来轨迹的预测方法的相对于参考路径规划的多条轨迹示意图；
[0037]
图7为根据本技术一个实施例的路口车辆未来轨迹的预测方法的流程图；
[0038]
图8为根据本技术实施例提供的一种路口车辆未来轨迹的预测装置的结构示意图；
[0039]
图9为根据本技术实施例提供的车辆的结构示意图。
[0040]
其中，10-路口车辆未来轨迹的预测装置；100-确定模块、200-计算模块、300-预测模块。
具体实施方式
[0041]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0042]
下面参考附图描述本技术实施例的路口车辆未来轨迹的预测方法、装置、车辆及存储介质。针对上述背景技术中心提到的相关技术中，需要依赖大量数据以提高模型的准确性，对数据和算力的要求较高，且模型输出与自身预期不符时，难以进行主动修正的技术问题，本技术提供了一种路口车辆未来轨迹的预测方法，在该方法中，可以将路口信息处理成多条路径的形式，根据每条可通行路径的路径信息计算目标车辆到每条可通行路径的行驶参数，从而确定具备行驶意图的可通行路径，预测目标车辆的多条预测行驶轨迹，并通过代价函数，得到最优预测行驶轨迹，以实现对路口车辆未来规划轨迹的预测，计算简单可靠，无需依靠大量数据，对算力要求较低，且能够全面考虑轨迹的舒适性、时效性与安全性，从而提高用户的驾乘体验。由此，解决了相关技术中，需要依赖大量数据以提高模型的准确性，对数据和算力的要求较高，且模型输出与自身预期不符时，难以进行主动修正的技术问题。
[0043]
具体而言，图1为本技术实施例所提供的一种路口车辆未来轨迹的预测方法的流程示意图。
[0044]
如图1所示，该路口车辆未来轨迹的预测方法包括以下步骤：
[0045]
在步骤s101中，确定当前路口处的多条可通行路径。
[0046]
在实际执行过程中，本技术实施例可以将路口信息处理成多条路径的形式，确定当前路口处的多条可通行路径。
[0047]
举例而言，如图2所示，本技术实施例可以根据高精地图所给的信息，将地图语义转换成算法可理解的若干可通行路径的形式，其中每条路径可以由若干点组成，其中，点的原始来源为高精地图，当两点之间的距离过大时，本技术实施例可以对点进行线性插值，从而保证两点间的距离不超过预设距离，如1米。
[0048]
在步骤s102中，根据每条可通行路径的路径信息计算目标车辆到每条可通行路径
的至少一个行驶参数。
[0049]
作为一种可能实现的方式，本技术实施例可以基于多条路径信息，计算目标车辆到每条可通行路径的至少一个行驶参数，如利用卡尔曼滤波计算目标车辆到每条路径的切向及法向位置、速度、加速度。
[0050]
具体地，本技术实施例可以根据传感器，如摄像头、雷达等，得到目标车辆的位置信息，进而找到目标车辆在每一条路径上最近的投影点，从而根据投影点与目标位置信息，得到目标车辆相对于每条路径的法向距离。
[0051]
进一步地，基于获得的法向距离，本技术实施例可以利用卡尔曼滤波算法得到目标车辆相对于每条路径的法向速度及加速度，其中，计算公式可以如下：
[0052]
预测过程：
[0053]
xk＝fk*x
k-1
+bk*uk，
[0054][0055]
测量过程：
[0056][0057]
x
′k＝xk+k
′
*(z
k-hk*xk)，
[0058]
p
′k＝p
k-k
′
*hk*pk，
[0059]
其中，xk为目标车的法向距离、速度、加速度组成的三维数组，fk为预测矩阵，bk为控制矩阵，uk为控制向量，pk为协方差矩阵，qk为协方差噪声，hk为传感器数据维度，rk为传感器噪声，zk为传感器数据，k
′
为卡尔曼增益。
[0060]
同时，本技术实施例还可以根据传感器得到的目标车辆的速度信息v
x
与vy，利用勾股定理得到目标车辆相对于每条路径的切向速度，其中，切向速度远大于法向速度，再利用卡尔曼滤波即可得到目标车辆的切向加速度。
[0061]
在步骤s103中，基于至少一个行驶参数确定具备行驶意图的可通行路径，预测目标车辆的多条预测行驶轨迹，并确定每条预测行驶轨迹的代价函数，得到多条预测行驶轨迹中最优预测行驶轨迹，将最优预测行驶轨迹作为未来轨迹的预测结果。
[0062]
在一些实施例中，本技术实施例可以利用获得的至少一个行驶参数，即目标车辆的到每条路径的切向及法向位置、速度、加速度，确定出具备行驶意图的目标车辆的可通行路径，从而预测目标车辆在预设时长范围内的多条预测行驶轨迹，并确定每条预测行驶轨迹的代价函数，进而通过代价函数得到最优预测行驶轨迹，实现全面考虑轨迹的舒适性、时效性与安全性的路口车辆未来轨迹的预测，且保证得到的预测轨迹稳定可靠。
[0063]
可选地，在本技术的一个实施例中，基于至少一个行驶参数确定具备行驶意图的可通行路径，包括：基于至少一个行驶参数，预测预设时长后距离目标车辆最近的可通行路径，其中，如果最近的可通行路径为多条且一条可通行路径存在通行车辆，则一条可通行路径为具备行驶意图的可通行路径；如果最近的可通行路径为多条且至少两条可通行路径均存在通行车辆，则根据目标车辆的转向意图确定具备行驶意图的可通行路径；如果最近的可通行路径为多条、至少两条可通行路径均存在通行车辆且不存在转向意图，则将与目标车辆的原始路径最相近的路径作为具备行驶意图的可通行路径；如果最近的可通行路径为多条且无可通行路径存在通行车辆，则根据目标车辆的转向意图确定具备行驶意图的可通
行路径；如果最近的可通行路径为多条、无可通行路径存在通行车辆且不存在转向意图，则根据当前路口处的通行路灯的当前状态确定具备行驶意图的可通行路径；如果最近的可通行路径为多条、无可通行路径存在通行车辆、不存在转向意图且未感知当前状态，则将与目标车辆的原始路径最相近的路径作为具备行驶意图的可通行路径。
[0064]
在实际执行过程中，本技术实施例可以利用目标车辆到每条路径的法向距离、速度、加速度，预测预设时长，如2s后与目标车辆距离最近的路径，即可以判断为目标车辆的行驶意图。
[0065]
若在路口处存在多条路径距离相同的情况时，本技术实施例可以通过如下判断逻辑进行相应判断：
[0066]
如图3所示，当若干距离相同的路径中，只有其中一条路径有车辆通行，本技术实施例可以默认该目标车辆选择同一条路径前进；
[0067]
如图4所示，当若干距离相同的路径中，有多条路径均有车辆通行时，如果传感器识别到该目标车辆处于左转/右转灯开启的状态，本技术实施例可以在开启左转灯时判定目标车辆选择最左路径，在开启右转灯时判定目标车辆选择最右路径；
[0068]
如图5所示，当若干距离相同的路径中，有多条路径均有车辆通行，且传感器为识别到目标车辆开启转向灯时，本技术实施例可以判断目标车辆选择与原始路径最相近的路径前进；
[0069]
当若干距离相同的路径中，无任何车辆在路径内行驶时，此时，如果传感器识别到该目标车辆处于左转/右转灯开启的状态，本技术实施例可以在开启左转灯时判定其选择最左路径，在开启右转灯时判定其选择最右路径；
[0070]
当若干距离相同的路径中，无任何车辆在路径内行驶时，此时，如果目标车辆未开启转向灯且传感器可以识别到红绿灯状态时，本技术实施例可以判断目标车辆选择处于绿灯状态的路径前进；
[0071]
当若干距离相同的路径中，无任何车辆在路径内行驶时，此时，如果目标车辆未开启转向灯且传感器未感知到红绿灯的状态，本技术实施例可以判断目标车辆选择与原始路径最相近的路径前进。
[0072]
此外，本技术实施例还可以基于高精地图，获取实际车道信息，从而确定目标车辆所处车道的信息，如目标车辆处于左转/掉头车道、直行车道、右转车道等，本技术实施例可以结合车道信息，更进一步地预测目标车辆的路径。
[0073]
可选地，在本技术的一个实施例中，将与目标车辆的原始路径最相近的路径作为具备行驶意图的可通行路径，包括：获取原始路径的拟合曲线；计算可通行路径与拟合曲线之间的距离，并将距离的平方均值最小的路径作为最相近的路径。
[0074]
其中，将与目标车辆的原始路径最相近的路径作为具备行驶意图的可通行路径的过程可以如下：
[0075]
本技术实施例可以基于由高精地图获得的目标车辆的定位数据点，得到目标车辆原始路径的拟合曲线，如图5所示，本技术实施例可以将与原始路径最相近的路径定义可以为与目标车辆历史轨迹拟合曲线距离平方均值最小的路径。
[0076]
可选地，在本技术的一个实施例中，预测目标车辆的多条预测行驶轨迹，包括：基于具备行驶意图的可通行路径建立frenet坐标系；基于frenet坐标系和具备行驶意图的可
通行路径的至少一个行驶参数求解预设5次多项式的轨迹方程，得到不同预测时间的多条预测行驶轨迹。
[0077]
作为一种可能实现的方式，本技术实施例可以在预测目标车辆的行驶路径后，依据该路径建立frenet坐标系，并在弧向上根据获得的切向速度、加速度，匀加速向前预测，法向上根据起始的法向距离、速度、加速度，终止时刻的法向距离、速度、加速度，以及预测时间t，并基于不同的预测时间t，得到不同舒适性与时效性的多条预测行驶轨迹。
[0078]
具体地，如图6所示，本技术实施例可以基于预设5次多项式的轨迹方程求解得到包含6个未知数的5次方程，本技术实施例通过设定不同的时间t，可以得到不同舒适性与时效性的预测轨迹，轨迹方程如下：
[0079]
d(t)＝a0+a1*t+a2*t2+a3*t3+a4*t4+a5*t5，
[0080]
本技术实施例可以通过6个已知量，解出a0～a5全部6个未知数，即确定目标的预测轨迹，本技术实施例可以通过调整不同的时间t，得到不同的目标运动轨迹。
[0081]
可选地，在本技术的一个实施例中，代价函数的公式为：
[0082][0083]
其中，w
t
代表时间维度的权重，ws代表舒适性维度的权重，d(t)
″′
代表目标运动的舒适性及安全性，t代表时间。
[0084]
在实际执行过程中，本技术实施例可以通过上述步骤获得的目标车辆的不同预测时间的多条预测行驶轨迹，进而确定每条预测行驶轨迹的代价函数，以得到多条预测行驶轨迹中最优预测行驶轨迹，并将最优预测行驶轨迹作为未来轨迹的预测结果。
[0085]
其中，代价函数可以如下：
[0086][0087]
其中，w
t
代表时间维度的权重，ws代表舒适性维度的权重，ws得出的结果越小，代表预测轨迹的综合性越好，d(t)
″′
代表目标运动的舒适性及安全性，t代表时间。
[0088]
同时，本技术实施例可以在求解后，取代价函数最小的轨迹作为预测轨迹输出，得到最优预测行驶轨迹。
[0089]
结合图2至图7所示，以一个实施例对本技术实施例的路口车辆未来轨迹的预测方法的工作原理进行详细阐述。
[0090]
如图7所示，本技术实施例可以包括以下步骤：
[0091]
步骤s701：将路口信息处理成多条路径。本技术实施例可以根据高精地图所给的信息，将地图语义转换成算法可理解的若干可通行路径的形式，其中每条路径可以由若干点组成，其中，点的原始来源为高精地图，当两点之间的距离过大时，本技术实施例可以对点进行线性插值，从而保证两点间的距离不超过预设距离，如1米。
[0092]
步骤s702：计算车辆相对于路径的运动信息。本技术实施例可以根据传感器，如摄像头、雷达等，得到目标车辆的位置信息，进而找到目标车辆在每一条路径上最近的投影点，从而根据投影点与目标位置信息，得到目标车辆相对于每条路径的法向距离。
[0093]
进一步地，基于获得的法向距离，本技术实施例可以利用卡尔曼滤波算法得到目标车辆相对于每条路径的法向速度及加速度，其中，计算公式可以如下：
[0094]
预测过程：
[0095]
xk＝fk*x
k-1
+bk*uk，
[0096][0097]
测量过程：
[0098][0099]
x
′k＝xk+k
′
*(z
k-hk*xk)，
[0100]
p
′k＝p
k-k
′
*hk*pk，
[0101]
其中，xk为目标车的法向距离、速度、加速度组成的三维数组，fk为预测矩阵，bk为控制矩阵，uk为控制向量，pk为协方差矩阵，qk为协方差噪声，hk为传感器数据维度，rk为传感器噪声，zk为传感器数据，k
′
为卡尔曼增益。
[0102]
同时，本技术实施例还可以根据传感器得到的目标车辆的速度信息v
x
与vy，利用勾股定理得到目标车辆相对于每条路径的切向速度，其中，切向速度远大于法向速度，再利用卡尔曼滤波即可得到目标车辆的切向加速度。
[0103]
步骤s703：预测目标车辆的行驶路径。在实际执行过程中，本技术实施例可以利用目标车辆到每条路径的法向距离、速度、加速度，预测预设时长，如2s后与目标车辆距离最近的路径，即可以判断为目标车辆的行驶意图。
[0104]
若在路口处存在多条路径距离相同的情况时，本技术实施例可以通过如下判断逻辑进行相应判断：
[0105]
如图3所示，当若干距离相同的路径中，只有其中一条路径有车辆通行，本技术实施例可以默认该目标车辆选择同一条路径前进；
[0106]
如图4所示，当若干距离相同的路径中，有多条路径均有车辆通行时，如果传感器识别到该目标车辆处于左转/右转灯开启的状态，本技术实施例可以在开启左转灯时判定目标车辆选择最左路径，在开启右转灯时判定目标车辆选择最右路径；
[0107]
如图5所示，当若干距离相同的路径中，有多条路径均有车辆通行，且传感器为识别到目标车辆开启转向灯时，本技术实施例可以判断目标车辆选择与原始路径最相近的路径前进；
[0108]
当若干距离相同的路径中，无任何车辆在路径内行驶时，此时，如果传感器识别到该目标车辆处于左转/右转灯开启的状态，本技术实施例可以在开启左转灯时判定其选择最左路径，在开启右转灯时判定其选择最右路径；
[0109]
当若干距离相同的路径中，无任何车辆在路径内行驶时，此时，如果目标车辆未开启转向灯且传感器可以识别到红绿灯状态时，本技术实施例可以判断目标车辆选择处于绿灯状态的路径前进；
[0110]
当若干距离相同的路径中，无任何车辆在路径内行驶时，此时，如果目标车辆未开启转向灯且传感器未感知到红绿灯的状态，本技术实施例可以判断目标车辆选择与原始路径最相近的路径前进。
[0111]
其中，将与目标车辆的原始路径最相近的路径作为具备行驶意图的可通行路径的过程可以如下：
[0112]
本技术实施例可以基于目标车辆的定位数据点，获得目标车辆原始路径的拟合曲线，如图5所示，本技术实施例可以将与原始路径最相近的路径定义可以为与目标车辆历史
轨迹拟合曲线距离平方均值最小的路径。
[0113]
此外，本技术实施例还可以基于高精地图，获取实际车道信息，从而确定目标车辆所处车道的信息，如目标车辆处于左转/掉头车道、直行车道、右转车道等，本技术实施例可以结合车道信息，更进一步地预测目标车辆的路径。
[0114]
步骤s704：利用5次多项式预测多条目标车可能轨迹。本技术实施例可以在预测目标车辆的行驶路径后，依据该路径建立frenet坐标系，并在弧向上根据获得的切向速度、加速度，匀加速向前预测，法向上根据起始的法向距离、速度、加速度，终止时刻的法向距离、速度、加速度，以及预测时间t，并基于不同的预测时间t，得到不同舒适性与时效性的多条预测行驶轨迹。
[0115]
具体地，如图6所示，本技术实施例可以基于预设5次多项式的轨迹方程求解得到包含6个未知数的5次方程，本技术实施例通过设定不同的时间t，可以得到不同舒适性与时效性的预测轨迹，轨迹方程如下：
[0116]
d(t)＝a0+a1*t+a2*t2+a3*t3+a4*t4+a5*t5，
[0117]
本技术实施例可以通过6个已知量，解出a0～a5全部6个未知数，即确定目标的预测轨迹，本技术实施例可以通过调整不同的时间t，得到不同的目标运动轨迹。
[0118]
步骤s705：选择最优轨迹作为预测结果。本技术实施例可以通过上述步骤获得的目标车辆的不同预测时间的多条预测行驶轨迹，进而确定每条预测行驶轨迹的代价函数，以得到多条预测行驶轨迹中最优预测行驶轨迹，并将最优预测行驶轨迹作为未来轨迹的预测结果。
[0119]
其中，代价函数可以如下：
[0120][0121]
其中，w
t
代表时间维度的权重，ws代表舒适性维度的权重，ws得出的结果越小，代表预测轨迹的综合性越好，d(t)
″′
代表目标运动的舒适性及安全性，t代表时间。
[0122]
同时，本技术实施例可以在求解后，取代价函数最小的轨迹作为预测轨迹输出，得到最优预测行驶轨迹。
[0123]
根据本技术实施例提出的路口车辆未来轨迹的预测方法，可以将路口信息处理成多条路径的形式，根据每条可通行路径的路径信息计算目标车辆到每条可通行路径的行驶参数，从而确定具备行驶意图的可通行路径，预测目标车辆的多条预测行驶轨迹，并通过代价函数，得到最优预测行驶轨迹，以实现对路口车辆未来规划轨迹的预测，计算简单可靠，无需依靠大量数据，对算力要求较低，且能够全面考虑轨迹的舒适性、时效性与安全性，从而提高用户的驾乘体验。由此，解决了相关技术中，需要依赖大量数据以提高模型的准确性，对数据和算力的要求较高，且模型输出与自身预期不符时，难以进行主动修正的技术问题。
[0124]
其次参照附图描述根据本技术实施例提出的路口车辆未来轨迹的预测装置。
[0125]
图8是本技术实施例的路口车辆未来轨迹的预测装置的方框示意图。
[0126]
如图8所示，该路口车辆未来轨迹的预测装置10包括：确定模块100、计算模块200和预测模块300。
[0127]
具体地，确定模块100，用于确定当前路口处的多条可通行路径。
[0128]
计算模块200，用于根据每条可通行路径的路径信息计算目标车辆到每条可通行路径的至少一个行驶参数。
[0129]
预测模块300，用于基于至少一个行驶参数确定具备行驶意图的可通行路径，预测目标车辆的多条预测行驶轨迹，并确定每条预测行驶轨迹的代价函数，得到多条预测行驶轨迹中最优预测行驶轨迹，将最优预测行驶轨迹作为未来轨迹的预测结果。
[0130]
可选地，在本技术的一个实施例中，预测模块300包括：预测单元。
[0131]
其中，预测单元，用于基于至少一个行驶参数，预测预设时长后距离目标车辆最近的可通行路径，其中，当最近的可通行路径为多条且一条可通行路径存在通行车辆时，一条可通行路径为具备行驶意图的可通行路径；当最近的可通行路径为多条且至少两条可通行路径均存在通行车辆时，根据目标车辆的转向意图确定具备行驶意图的可通行路径；当最近的可通行路径为多条、至少两条可通行路径均存在通行车辆且不存在转向意图时，将与目标车辆的原始路径最相近的路径作为具备行驶意图的可通行路径；当最近的可通行路径为多条且无可通行路径存在通行车辆时，根据目标车辆的转向意图确定具备行驶意图的可通行路径；当最近的可通行路径为多条、无可通行路径存在通行车辆且不存在转向意图时，根据当前路口处的通行路灯的当前状态确定具备行驶意图的可通行路径；当最近的可通行路径为多条、无可通行路径存在通行车辆、不存在转向意图且未感知当前状态时，将与目标车辆的原始路径最相近的路径作为具备行驶意图的可通行路径。
[0132]
可选地，在本技术的一个实施例中，预测单元300包括：获取子单元和计算子单元。
[0133]
其中，获取子单元，用于获取原始路径的拟合曲线。
[0134]
计算子单元，用于计算可通行路径与拟合曲线之间的距离，并将距离的平方均值最小的路径作为最相近的路径。
[0135]
可选地，在本技术的一个实施例中，预测模块300包括：建立单元和计算单元。
[0136]
其中，建立单元，用于基于具备行驶意图的可通行路径建立frenet坐标系。
[0137]
计算单元，用于基于frenet坐标系和具备行驶意图的可通行路径的至少一个行驶参数求解预设5次多项式的轨迹方程，得到不同预测时间的多条预测行驶轨迹。
[0138]
可选地，在本技术的一个实施例中，代价函数的公式为：
[0139][0140]
其中，w
t
代表时间维度的权重，ws代表舒适性维度的权重，d(t)
″′
代表目标运动的舒适性及安全性，t代表时间。
[0141]
需要说明的是，前述对路口车辆未来轨迹的预测方法实施例的解释说明也适用于该实施例的路口车辆未来轨迹的预测装置，此处不再赘述。
[0142]
根据本技术实施例提出的路口车辆未来轨迹的预测装置，可以将路口信息处理成多条路径的形式，根据每条可通行路径的路径信息计算目标车辆到每条可通行路径的行驶参数，从而确定具备行驶意图的可通行路径，预测目标车辆的多条预测行驶轨迹，并通过代价函数，得到最优预测行驶轨迹，以实现对路口车辆未来规划轨迹的预测，计算简单可靠，无需依靠大量数据，对算力要求较低，且能够全面考虑轨迹的舒适性、时效性与安全性，从而提高用户的驾乘体验。由此，解决了相关技术中，需要依赖大量数据以提高模型的准确性，对数据和算力的要求较高，且模型输出与自身预期不符时，难以进行主动修正的技术问
题。
[0143]
图9为本技术实施例提供的车辆的结构示意图。该车辆可以包括：
[0144]
存储器901、处理器902及存储在存储器901上并可在处理器902上运行的计算机程序。
[0145]
处理器902执行程序时实现上述实施例中提供的路口车辆未来轨迹的预测方法。
[0146]
进一步地，车辆还包括：
[0147]
通信接口903，用于存储器901和处理器902之间的通信。
[0148]
存储器901，用于存放可在处理器902上运行的计算机程序。
[0149]
存储器901可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0150]
如果存储器901、处理器902和通信接口903独立实现，则通信接口903、存储器901和处理器902可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0151]
可选地，在具体实现上，如果存储器901、处理器902及通信接口903，集成在一块芯片上实现，则存储器901、处理器902及通信接口903可以通过内部接口完成相互间的通信。
[0152]
处理器902可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0153]
本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如上的路口车辆未来轨迹的预测方法。
[0154]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0155]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0156]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0157]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0158]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0159]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0160]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0161]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。