[發明專利]一種基于貝葉斯網絡的目標障礙車軌跡預測方法

有效

• 申請號: 202010601327.X
• 申請日: 2020-06-29
• 公開（公告）號: CN111857134B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 江洪;蔣瀟杰
• 申請（專利權）人: 江蘇大學
• 主分類號: G05D1/02
• 分類號: G05D1/02;G06V10/84;G06Q10/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開無人駕駛汽車領域中的一種基于貝葉斯網絡的目標障礙車軌跡預測方法，環境模型分別計算出歷史路徑概率P_A、航向角概率P_B、目標障礙車與其他障礙物距離影響概率P_C、歷史速度概率P_D、歷史避讓障礙物速度概率P_E和目標障礙車速度概率P_F并輸入貝葉斯網絡模型，貝葉斯網絡模型將概率P_A、P_B、P_C、P_D、P_E、P_F作為子節點輸入，下一步路徑柵格概率、下一步柵格速度概率作為根節點構建貝葉斯網絡結構，得到從當前所在柵格到周圍八個柵格的不同的后驗概率以及各柵格對應的速度的后驗概率，比較出后驗概率值最大的柵格及速度作為目標障礙車的下一軌跡點，本發明考慮動態環境下目標障礙車與其周邊其他障礙物之間距離的影響，預測的未來軌跡更加準確。

技術領域

本發明涉及無人駕駛汽車領域，具體是對行駛在無人駕駛汽車周圍的目標障礙車的行駛軌跡進行預測的方法。

背景技術

在無人駕駛領域中，需要對無人駕駛車進行軌跡規劃，從而得到安全平滑的運行軌跡。為了使無人駕駛車能夠更準確的避開周圍的障礙物，通常需要對障礙物未來的軌跡進行預測。一般來說，通常是根據障礙物在當前以及當前之前預設時段內的運動狀態，預測障礙物在未來多個預設時刻的軌跡點，從而得到障礙物未來的軌跡。但是，通過這種方式預測的障礙物未來的軌跡準確度較差，使得無人駕駛車軌跡規劃的結果缺乏準確性。例如，在中國專利申請號為201910034446.9的文獻中公布一種基于障礙物預測與MPC算法的無人駕駛軌跡規劃方法，其通過車載傳感器設備及相應的圖像識別算法得到周圍車輛的運動速度與方向，其假設在預測時域內，周圍車輛沿當前車道按照當前速度行駛，得到周圍車輛運動軌跡，保證了其后期軌跡規劃的安全性，但是其假定在預測時域內，按照當前車道以及當前速度行駛，忽略了周圍其他障礙物對其行駛的影響，與實際動態的行車環境不符。

發明內容

針對現有技術中存在的不足，本發明提出一種基于貝葉斯網絡的目標障礙車軌跡預測方法，構建基于貝葉斯網絡的軌跡預測模型，通過考慮相似環境下歷史軌跡、航向角、目標障礙車與周圍其他障礙物距離、避讓障礙物速度、目標障礙車速度等多種影響因素，提高預測軌跡的準確性。

本發明是通過以下技術手段實現上述技術目的的：信息采集模塊采集當前地圖以及周圍道路環境信息S、當前地點歷史軌跡數據T、目標障礙車當前位置P_s、目標障礙車速度v₀、目標障礙車與其他障礙物之間的相對距離p、其他障礙物速度v₁和目標障礙車的航向角B信息并輸入到環境模型中，歷史軌跡數據T包括歷史路徑A、歷史速度D和歷史避讓障礙物速度E，還包括以下步驟：

步驟(1)環境模型根據當前地圖以及周圍道路環境信息S將整個地圖空間劃分成大小相同的柵格，構建柵格地圖，分別計算出歷史路徑概率P_A、航向角概率P_B、目標障礙車與其他障礙物距離影響概率P_C、歷史速度概率P_D、歷史避讓障礙物速度概率P_E和目標障礙車速度概率P_F并輸入貝葉斯網絡模型；

步驟(2)貝葉斯網絡模型將所述的概率P_A、P_B、P_C、P_D、P_E、P_F作為子節點輸入，下一步路徑柵格概率G、下一步柵格速度概率H作為根節點，構建貝葉斯網絡結構，得到各節點的條件概率分布以及下一步路徑柵格概率G、下一步柵格速度概率H的先驗概率，運用貝葉斯公式得到從當前所在柵格M_k到周圍M₁到M₈號柵格的不同的后驗概率以及各柵格對應的速度的后驗概率；