[發(fā)明專利]一種運動軌跡預測方法及裝置

有效

• 申請?zhí)枺?/td>: 201910232415.4
• 申請日: 2019-03-26
• 公開（公告）號: CN109885066B
• 公開（公告）日: 2021-08-24
• 發(fā)明（設計）人: 葛彥悟;萬國強;朱明;劉祥
• 申請（專利權）人: 北京經(jīng)緯恒潤科技股份有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 北京集佳知識產(chǎn)權代理有限公司 11227
• 代理人: 王寶筠

1.一種運動軌跡預測方法，其特征在于，包括：

對毫米波雷達和攝像頭分別采集的目標障礙物的初始障礙物運動信息進行信息融合，得到障礙物運動信息；

對所述攝像頭檢測的道路車道線信息和高精地圖輸出的道路車道線信息進行信息融合，得到車道線信息；

基于所述障礙物運動信息，確定所述目標障礙物在第一預設時間內(nèi)的短時行駛軌跡；

根據(jù)所述障礙物運動信息和所述車道線信息，確定所述目標障礙物在第二預設時間內(nèi)的長時行駛軌跡；所述第二預設時間大于所述第一預設時間；

對所述短時行駛軌跡和所述長時行駛軌跡進行軌跡融合，得到所述目標障礙物的預測行駛軌跡。

2.根據(jù)權利要求1所述的運動軌跡預測方法，其特征在于，所述對所述短時行駛軌跡和所述長時行駛軌跡進行軌跡融合，得到所述目標障礙物的預測行駛軌跡，包括：

預測行駛軌跡Trajectory_final(t)的計算公式為：

Trajectory_final(t)＝f(t)·Trajectory_model(t)+(1-f(t))·Trajectory_maneuver(t)；

其中，f_(t)為融合權重系數(shù)；Trajectory_model(t)為短時行駛軌跡；Trajectory_maneuver(t)為長時行駛軌跡。

3.根據(jù)權利要求2所述的運動軌跡預測方法，其特征在于，所述基于所述障礙物運動信息，確定所述目標障礙物在第一預設時間內(nèi)的短時行駛軌跡，包括：

獲取車輛運動學模型；所述車輛運動學模型用于對所述目標障礙物的行駛軌跡進行預測；

根據(jù)所述障礙物運動信息和所述車輛運動學模型，確定所述短時行駛軌跡Trajectorymodel(t)；

Trajectory_model(t)＝(x_mdl(t)，y_mdl(t))

其中，x_mdl為預測得到的短時行駛軌跡縱向距離；y_mdl為預測得到的短時行駛軌跡橫向距離。

4.根據(jù)權利要求2所述的運動軌跡預測方法，其特征在于，所述根據(jù)所述障礙物運動信息和所述車道線信息，確定所述目標障礙物在第二預設時間內(nèi)的長時行駛軌跡，包括：

基于所述車道線信息和所述障礙物運動信息，確定所述目標障礙物的行駛軌跡狀態(tài)信息X^path、以及與所述目標障礙物距離最近的目標車道線上的目標點；

X^path＝[Dis2LineRatio_obj,θ_obj,Υ_obj]^T

其中，Dis2LineRatio_obj為所述目標障礙物距所述目標障礙物所在的當前車道中心線的距離與車道寬的比值；θobj為所述目標障礙物的航向，T為向量/矩陣的轉置；

軌跡曲率Υ_obj為所述目標障礙物的角速度ω_obj與所述目標障礙物的速度v_obj的比值；

Υ_obj＝ω_obj/v_obj

確定所述目標車道線上的目標點的目標車道線狀態(tài)信息X^lane＝[0,θ_lane,Υ_lane]^T其中，θlane是所述目標點處的航向，Υ_lane是所述目標點處的曲率，T為向量/矩陣的轉置；

根據(jù)所述目標車道線狀態(tài)信息和所述行駛軌跡狀態(tài)信息，確定所述目標障礙物的當前行駛軌跡與所述目標障礙物所在的當前車道的中心線的當前軌跡偏差值；

基于所述當前軌跡偏差值，確定所述目標障礙物的目標行駛車道；

基于所述目標行駛車道和所述障礙物運動信息，確定所述目標障礙物的長時行駛軌跡。