[發明專利]一種汽車軌跡預測方法

在審

• 申請號: 202211073010.9
• 申請日: 2022-09-02
• 公開（公告）號: CN115384527A
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 裘海濤;朱愛軍
• 申請（專利權）人: 裘海濤
• 主分類號: B60W50/00
• 分類號: B60W50/00;B60W60/00;B60W40/10
• 代理公司: 北京沁優知識產權代理有限公司 11684
• 代理人: 楊敏

本發明公開了一種汽車軌跡預測方法，包括如下步驟：將當前幀的所述環境狀態圖片和當前時刻中所述樣本車輛的車輛狀態信息作為輸入數據輸入預測模型；獲取自動駕駛車輛最近時間內的轉向偏移數據，所述轉向偏移數據包括t時刻前輪的目標偏轉角和真實偏轉角；獲取t時刻自動駕駛車輛的車輛狀態信息；基于t時刻的車輛狀態信息、轉向偏移數據生成基準偏移補償函數；根據當前時刻的樣本車輛的車輛狀態信息及基準偏移補償函數生成對應樣本車輛的樣本偏移補償函數；根據所述樣本偏移補償函數對預測模型進行修正；從修正后的預測模型的輸出端獲取所述樣本車輛的預測軌跡。本發明具有提高了預測精度的優點。

技術領域

本發明涉及自動駕駛技術領域，特別涉及一種汽車軌跡預測方法。

背景技術

隨著科技的進步和時代的發展，智能化產品越來越普遍，汽車行業也迎來了新勢力的發展。智能汽車越來越被人們熟知和認可，目前傳統汽車還是占據主要的市場，現實中傳統汽車任然占比是最大的。隨著汽車的智能化的發展，汽車行業逐漸改變自己的技術，大力發展研究無人駕駛的智能化汽車。

車輛軌跡預測是自動駕駛中的一個重要部分，是實現自動駕駛規劃與決策的前提。在一些車輛軌跡的技術路線中，有的是基于專家規則，利用高精地圖路網信息，目標檢測跟蹤結果，以及預測車輛的動力學模型，基于合理駕駛行為人為設計車輛未來的行駛路線。有的采用深度學習方法，完全基于目標檢測跟蹤得到的車輛行駛軌跡數據，對深度神經網絡模型進行訓練，由訓練完成的模型輸出預測的車輛未來行駛軌跡。但是這些技術路線的方案往往忽略了道路情況對車輛軌跡的影響，例如在較潮濕容易打滑的道路上預測的軌跡往往會有偏差。

發明內容

本發明的目的是提供一種汽車預測方法，其具有提高軌跡預測的準確度，提高了安全性的優點。

本發明的上述技術目的是通過以下技術方案得以實現的：

一種汽車軌跡預測方法，包括如下步驟：

基于地圖數據生成以樣本車輛為圖片中心的環境狀態圖片；

基于所述目標檢測跟蹤結果獲取所述樣本車輛的車輛狀態信息；

將當前時刻的所述環境狀態圖片和當前時刻中所述樣本車輛的車輛狀態信息作為輸入數據輸入預測模型；

所述預測模型的輸出端輸出所述樣本車輛的初測軌跡；

獲取自動駕駛車輛最近時間內的轉向偏移數據，所述轉向偏移數據包括t時刻前輪的目標偏轉角和真實偏轉角；

獲取t時刻自動駕駛車輛的車輛狀態信息；

基于t時刻的車輛狀態信息、轉向偏移數據生成基準偏移補償函數；

根據當前時刻的樣本車輛的車輛狀態信息及基準偏移補償函數生成對應樣本車輛的樣本偏移補償函數；

根據所述樣本偏移補償函數對初測軌跡進行修正得到樣本車輛的預測軌跡。

進一步設置：所述車輛狀態信息包括t時刻自動駕駛車輛前進方向、車速；

所述基于t時刻的車輛狀態信息、轉向偏移數據生成基準偏移補償函數具體包括：

根據t時刻前輪的目標偏轉角和真實偏轉角及t時刻自動駕駛車輛的車速生成偏移參數；

根據偏移參數、自動駕駛車輛的前進方向及基準軸距生成基準偏移補償函數，其中所述基準軸距為自動駕駛車輛前輪和后輪之間的軸距。

進一步設置：在所述從修正后的預測模型的輸出端獲取所述樣本車輛的預測軌跡之后還包括以下步驟：

根據所述初測軌跡及預測軌跡生成預測區域，所述預測區域為所述初測軌跡與預測軌跡所為何成的平面區域；