[發明專利]一種基于高斯混合模型的車輛軌跡預測方法、系統

有效

• 申請號: 201710344538.8
• 申請日: 2017-05-16
• 公開（公告）號: CN107298100B
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 劉鵬
• 申請（專利權）人: 開易（北京）科技有限公司
• 主分類號: B60W30/095
• 分類號: B60W30/095;B60W50/00
• 代理公司: 北京卓唐知識產權代理有限公司 11541
• 代理人: 唐海力;韓來兵

本發明公開了一種基于高斯混合模型的車輛軌跡預測方法、系統，方法包括：1)將采集得到的軌跡T表示為由：在車輛坐標系的2D平面中的N對時間t_i以及當前時間速度v_i和角偏量組成，2)采用表示法描述軌跡，獲得軌跡T的統一表示，3)基于高斯混合模型分布進行軌跡T的預測，預測未來時刻的速度c_v和角偏量4)通過計算條件分布p(X_f|X_h)的統計特性預測上述c_v和/或其中X_f為近似的未來軌跡，X_h為歷史軌跡。采用本發明中的方法，能夠提前預測車輛的軌跡情況的同時，還能預測將來的軌跡分布，能及時避免潛在危險。

技術領域

本發明涉及高級駕駛輔助系統的計算機視覺技術和圖像處理領域，特別涉及一種基于高斯混合模型的車輛軌跡預測方法、系統。

背景技術

隨著汽車時代的全面來臨，機動車大量增加，汽車安全技術受到越來越多的重視。其中高級駕駛輔助系統(ADAS)在汽車安全領域中起著至關重要的作用。

在基于計算機視覺技術的高級駕駛輔助系統(ADAS)中，對車輛軌跡的準確和可靠的預測，對于提高系統的舒適性，提前預判潛在威脅保護駕駛者安全，有著重要的意義。目前，交叉口對駕駛員輔助系統仍然是一個很大的挑戰。根據統計顯示，最常見的車輛事故發生在一輛汽車轉向或穿過十字路口時。為了預防這種情況，高級駕駛輔助系統(ADAS)必須應對高度復雜的交通情況，并且通常汽車是否正在過路口或駕駛員計劃轉彎是非常不明確的。為了處理這種情況，ADAS必須要應對兩個主要任務：

首先，系統必須檢測當前場景中的對象，

其次，必須評估對象是否相關。

這種評估越快，類似事故就能更好得避免。到目前為止，潛在危險物體的選擇受到車輛軌跡預測能力的限制。如圖3所示，軌跡本身不僅包含汽車在未來特定時間的位置，即所謂的預測范圍，而且包含與預測位置的確切路線。這等同于在未來幾秒鐘內預測車輛的狀態。用于運動預測的常見方法是標準濾波器方法(例如，卡爾曼濾波器)，其通過對下一時間步長的系統狀態直到達到所需的預測范圍的遞歸預測來進行車輛位置的預測。根據基礎運動學模型的準確性和復雜性，基于模型的預測(例如，假設有恒定速度和偏向角)可導致與真實軌跡的巨大偏差并且預測失敗，特別是在轉向機動的情況下。比如在一些方法中Morzy M.Mining frequent trajectories of moving objects for locationprediction.In:Proc.of the 5th Int’l Conf.on Machine Learning and Data Miningin Pattern Recognition.LNCS 4571,Heidelberg:Springer-Verlag,2007.667-680.是由Morzy等人提出一種結合前綴樹PrefixSpan和頻繁模式挖掘FP-tree算法挖掘移動對象動態運動規則,但是構建前綴樹和FP-tree的時間代價較高。在另外一些方法中Pan TL,Sumalee A,Zhong RX,Indra-Payoong N.Short-Term traffic state prediction basedon temporal-spatial correlation.IEEE Trans.on Intelligent TransportationSystems,2013,14(3):1242-254.Pan等人提出了基于多變元正態分布的最佳線性預測器,這一方法的不足在于預測會產生延遲，不能應用于交通流的實時監控。

發明內容

本發明要解決的技術問題是，提供能夠提前預測車輛的軌跡情況的同時，還能預測將來的軌跡分布，能及時避免潛在危險的基于高斯混合模型的車輛軌跡預測方法。

解決上述技術問題，本發明提供了一種基于高斯混合模型的車輛軌跡預測方法，包括如下步驟：