详情

原文传递非结构化道路下小目标轨迹预测方法、设备、介质

专利名称：	非结构化道路下小目标轨迹预测方法、设备、介质
摘要：	本申请提供一种非结构化道路下小目标轨迹预测方法、设备、介质，该方法包括：确定预测对象；推理预测对象的期望意图；确定预测对象当前的速度和位置，并确定预测对象的末态速度和末态位置区间；根据末态速度，在末态位置区间内，按预设采样周期采集预测对象的末状态；根据采集的末状态以及预测对象当前的速度和位置，生成轨迹簇；将轨迹簇中代价最小的轨迹作为预测对象的预测轨迹。本申请先推理预测对象的期望意图，再基于期望意图采集预测对象的末状态，最后根据末状态以及预测对象当前的速度和位置，将代价最小的轨迹作为预测对象的预测轨迹，由于考虑了非结构化道路特征的行为意图可以解决行人、非机动车等小目标的轨迹预测难题。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	蘑菇车联信息科技有限公司
发明人：	胡展溢;潘虎;李成军
专利状态：	有效
申请日期：	2023-10-10T00:00:00+0800
发布日期：	2023-11-10T00:00:00+0800
申请号：	CN202311301061.7
公开号：	CN117037500A
代理机构：	北京科慧致远知识产权代理有限公司
代理人：	王乾旭
分类号：	G08G1/01;G;G08;G08G;G08G1;G08G1/01
申请人地址：	100013 北京市东城区北三环东路36号1号楼6层B603
主权项：	1.一种非结构化道路下小目标轨迹预测方法，其特征在于，所述方法包括：确定预测对象；推理所述预测对象的期望意图；确定所述预测对象当前的速度和位置，并确定所述预测对象的末态速度和末态位置区间；根据所述末态速度，在所述末态位置区间内，按预设采样周期采集所述预测对象的末状态；根据采集的末状态以及所述预测对象当前的速度和位置，生成轨迹簇；将所述轨迹簇中代价最小的轨迹作为所述预测对象的预测轨迹。 2.根据权利要求1所述的方法，其特征在于，所述确定预测对象，包括：获取感知对象集合，其中，i为感知对象标识，i=1，2，...，n，n为感知对象总数量；φi=[pi hi]，pi=[si li vi]为感知对象i的位置信息向量，si为感知对象i在虚拟导航车道Frenet坐标系下的沿车道方向坐标，li为感知对象i在虚拟导航车道Frenet坐标系下的垂直车道方向坐标，vi为感知对象i的速度，/>为感知对象i的历史轨迹点信息向量x为正整数，/>为历史轨迹点采样时间间隔，t为采样时间，/>为感知对象i在采样时间时的轨迹点；从Ψ中选择一个元素；确定选择元素与所述感知对象集合中其他元素之间的距离；将距离小于距离阈值的其他元素和选择的元素均作为合并对象；合并所述合并对象，得到预测对象ωk，其中，k为预测对象标识，ωk=[Pk Hk Mk]，Pk=[Sk Lk Vk]为预测对象k的位置信息向量，Sk为预测对象k在虚拟导航车道Frenet坐标系下的沿车道方向坐标，Lk为预测对象k在虚拟导航车道Frenet坐标系下的垂直车道方向坐标，Sk和Lk根据合并对象的栅格面积、sj和lj确定，Vk为预测对象k的速度，Vk根据Sk、Lk、vj确定，Hk为预测对象k的历史轨迹点向量，Hk根据Sk、Lk、hj确定，Mk为预测对象k的地图属性，若所述预测对象的栅格与虚拟导航车道重合面积占所述预测对象的栅格面积的比例不小于预设比例阈值时，Mk=1；否则，Mk=0，j为合并对象标识，j=1，2，...，m，m为合并对象总数量；将所述合并对象从Ψ中删除，重新执行从Ψ中选择一个元素的步骤及后续步骤，直至Ψ为空集。 3.根据权利要求1所述的方法，其特征在于，所述预测对象的属性包括位置信息向量、历史轨迹点信息向量、地图属性；所述推理所述预测对象的期望意图，包括：基于预先训练的推理模型，根据预测对象的属性推理所述预测对象的意图概率向量，其中，k为预测对象标识，/>为预测对象/>意图为贴边顺行的概率，/>为预测对象k意图为贴边逆行的概率，/>为预测对象k意图为顺向穿行的概率，/>为预测对象k意图为横穿的概率，/>为预测对象k意图为逆向穿行的概率；结合融合侧单元通过路-车通信技术发送的盲区环境信息的静态环境交互特征，依据通行情况约束、安全性约束修正Uk，得到修正后的意图概率向量；将中最大值对应的意图作为所述预测对象的期望意图。 4.根据权利要求1所述的方法，其特征在于，所述期望意图为如下的一种：贴边顺行，贴边逆行，顺向穿行，横穿，逆向穿行；所述确定所述预测对象的末态速度和末态位置区间，包括：根据所述预测对象当前的速度和所述预测对象的历史轨迹点信息，确定所述预测对象的末态速度；若所述期望意图为贴边逆行或逆向穿行，则根据所述预测对象当前的位置和所述预测对象的历史轨迹点信息，确定所述预测对象的末态横向位置；在所述预测对象当前所在虚拟导航车道边界同侧确定所述预测对象的末态纵向位置区间；若所述期望意图为顺向穿行或者横穿或者逆向穿行，则在所述预测对象当前所在虚拟导航车道两侧确定所述预测对象的末态横向位置区间；确定所述预测对象的末态纵向位置为虚拟导航车道边界。 5.根据权利要求4所述的方法，其特征在于，所述根据所述预测对象当前的速度和所述预测对象的历史轨迹点信息，确定所述预测对象的末态速度，包括：根据所述预测对象当前的速度和所述预测对象的历史轨迹点信息，确定预测加速度系数；根据所述预测加速度系数、所述预测对象当前的速度，确定所述预测对象的末态速度。 6.根据权利要求4所述的方法，其特征在于，所述在所述预测对象当前所在虚拟导航车道边界同侧确定所述预测对象的末态纵向位置区间，包括：确定所述预测对象的末态纵向位置区间为；其中，k为预测对象标识，为预测对象k当前在虚拟导航车道Frenet坐标系下的垂直车道方向坐标，/>为贴边纵向位置偏移量。 7.根据权利要求4所述的方法，其特征在于，所述在所述预测对象当前所在虚拟导航车道两侧确定所述预测对象的末态横向位置区间，包括：确定所述期望意图对应的横向位置偏移量；若所述期望意图为顺向穿行，则确定所述预测对象的末态横向位置区间为，其中，k为预测对象标识，/>为预测对象k当前在虚拟导航车道Frenet坐标系下的沿车道方向坐标，/>为顺向穿行横向位置偏移量；若所述期望意图为横穿，则确定所述预测对象的末态横向位置区间为，其中，/>为横穿横向位置偏移量；若所述期望意图为逆向穿行，则确定所述预测对象的末态横向位置区间为，其中，/>为逆向穿行横向位置偏移量。 8.根据权利要求1所述的方法，其特征在于，所述将所述轨迹簇中代价最小的轨迹作为所述预测对象的预测轨迹，包括：确定所述轨迹簇中各轨迹的安全性代价、效率代价和舒适性代价；将安全性代价、效率代价和舒适性代价的加权之和作为各轨迹的最终代价；将最终代价最小的轨迹作为所述预测对象的预测轨迹。 9.一种电子设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-8任一项所述的方法。 10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的方法。
所属类别：	发明专利