[go: up one dir, main page]

CN112534483B - 预测车辆驶出口的方法和装置 - Google Patents

预测车辆驶出口的方法和装置 Download PDF

Info

Publication number
CN112534483B
CN112534483B CN202080004203.1A CN202080004203A CN112534483B CN 112534483 B CN112534483 B CN 112534483B CN 202080004203 A CN202080004203 A CN 202080004203A CN 112534483 B CN112534483 B CN 112534483B
Authority
CN
China
Prior art keywords
exit
target
exits
probability
target vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202080004203.1A
Other languages
English (en)
Other versions
CN112534483A (zh
Inventor
鲁浩
陶永祥
丁洁云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yinwang Intelligent Technology Co ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN112534483A publication Critical patent/CN112534483A/zh
Application granted granted Critical
Publication of CN112534483B publication Critical patent/CN112534483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种预测车辆驶出口的方法和装置，涉及自动驾驶领域，用于实现对目标路口处目标车辆的驶出口进行预测。预测车辆驶出口的方法包括：获取目标车辆在目标路口内的第一位置和目标车辆的行驶方向(步骤S401)；获取与目标路口的N个驶出口分别关联的N个参考点，N为正整数(步骤S402)；根据第一位置、目标车辆的行驶方向和N个参考点，获取N个驶出口各自对应的似然度，似然度表示目标车辆从其对应的驶出口驶出目标路口的概率(步骤S403)；获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口(步骤S404)。

Description

预测车辆驶出口的方法和装置
技术领域
本申请涉及自动驾驶领域，尤其涉及一种预测车辆驶出口的方法和装置。
背景技术
对于其他车辆的行驶行为进行预测是自动驾驶领域中非常重要的一项技术，尤其在路口处对其他车辆的行驶行为进行准确预测更是至关重要。由于在路口处车流复杂并且缺少车道标识，所以在路口处对其他车辆向哪个驶出口行驶进行预测非常困难。
示例性的，如图1所示，假设本车辆11将在路口左转，目标车辆12可能在路口左转从而从右侧驶出口离开路口，也可能直行从而从下方驶出口离开路口，如果目标车辆12实际是直行而被预测成左转，则本车辆11可能并不会减速让直行车辆先行，就有可能与目标车辆12相撞。如果目标车辆实际上左转而被预测成直行，则本车辆11可能会提前减速，降低通行效率并且频繁加减速会带来不好的乘坐体验。
发明内容
本申请实施例提供一种预测车辆驶出口的方法和装置，用于实现对目标路口处目标车辆的驶出口进行预测。
为达到上述目的，本申请的实施例采用如下技术方案：
第一方面，提供了一种预测车辆驶出口的方法，包括：获取目标车辆在目标路口内的第一位置和目标车辆的行驶方向；获取与目标路口的N个驶出口分别关联的N个参考点，N为正整数；根据第一位置、目标车辆的行驶方向和N个参考点，获取N个驶出口各自对应的似然度，似然度表示目标车辆从其对应的驶出口驶出目标路口的概率；其中，针对驶出口K，驶出口K表示N个驶出口中的第K个驶出口，K为小于等于N的正整数，通过以下方法获得驶出口K对应的似然度：以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向生成预测轨迹；根据第一位置和第二位置，获取预测轨迹上与第二位置对应的轨迹点，第二位置为目标车辆在目标路口内的第二位置；计算轨迹点与第二位置之间距离；根据距离计算似然度；获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口。
本申请实施例提供的预测车辆驶出口的方法，获取目标车辆在目标路口内的第一位置和目标车辆的行驶方向；获取与目标路口的N个驶出口分别关联的N个参考点，N为正整数；根据第一位置、目标车辆的行驶方向和N个参考点，获取N个驶出口各自对应的似然度，似然度表示目标车辆从其对应的驶出口驶出目标路口的概率；获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口。通过计算目标车辆从各个驶出口驶出的似然度，从而确定目标车辆从最高似然度的驶出口驶出，实现了对目标路口处目标车辆的驶出口进行预测。
下面提供了两种方式来计算似然度。
在一种可能的实施方式中，根据距离计算驶出口K对应的似然度包括：
Figure GDA0003145934310000011
其中，l表示距离，p表示似然度，μ，δ均为通过统计方法得到的值。
在另一种可能的实施方式中，根据距离计算驶出口K对应的似然度之前，还包括：计算轨迹点的切线方向与目标车辆行驶方向的夹角；其中，根据距离计算驶出口K对应的似然度包括：根据距离和夹角计算驶出口K对应的似然度。
其中，根据距离和夹角计算驶出口K对应的似然度包括：
Figure GDA0003145934310000021
其中，l表示距离，θ表示夹角，PK表示似然度，μ1，δ1，μ2和δ2均为通过统计方法得到的值。
在一种可能的实施方式中，根据距离计算驶出口K对应的似然度之后，还包括：根据似然度和N个驶出口各自对应的历史后验概率，计算驶出口K对应的后验概率，历史后验概率表示上一次计算得到的驶出口对应的后验概率；其中，获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口包括：获取N个驶出口中对应的后验概率最大的驶出口作为目标车辆的驶出口。
在一种可能的实施方式中，根据似然度和N个驶出口各自对应的历史后验概率，计算驶出口K对应的后验概率包括：根据N个驶出口各自对应的历史后验概率预测得到中间概率；根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率。
在一种可能的实施方式中，根据N个驶出口各自对应的历史后验概率预测得到中间概率包括：
Figure GDA0003145934310000022
其中，x表示目标车辆选择驶出口的事件，t表示与第二位置对应的时刻，t-1表示与第一位置对应的时刻，j表示N个驶出口中第j个驶出口，
Figure GDA0003145934310000023
表示中间概率，η表示归一化系数，
Figure GDA0003145934310000024
表示由t-1时目标车辆选择第j个驶出口到t时目标车辆选择驶出口K的第一状态转移概率，
Figure GDA0003145934310000025
表示t-1时第j个驶出口对应的后验概率(即表示N个驶出口中第j个驶出口对应的历史后验概率)；根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率包括：
Figure GDA0003145934310000026
其中，
Figure GDA0003145934310000027
表示后验概率，Pt K表示似然度，P(zK)表示关联概率，
Figure GDA0003145934310000028
表示中间概率。
在一种可能的实施方式中，根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率之前，还包括：通过下面公式计算关联概率：
Figure GDA0003145934310000029
其中，P(zK)表示关联概率，N表示N个驶出口的数量。
在一种可能的实施方式中，获取与目标路口的N个驶出口分别关联的N个参考点包括：获取N个驶出口中各驶出口处的位置点作为与各自关联的参考点。
在一种可能的实施方式中，获取与目标路口的N个驶出口分别关联的N个参考点包括：获取从目标驶入口到N个驶出口中各个驶出口的N个参考车道，目标驶入口为目标车辆驶入目标路口的驶入口；获取N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点。
在一种可能的实施方式中，获取N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点包括：针对N个参考车道中任一个参考车道H，获取参考车道H的车道中心点序列H，选取车道中心点序列H中一个点作为与参考车道H所对应的驶出口关联的参考点。
在一种可能的实施方式中，获取从目标驶入口到N个驶出口中各个驶出口的N个参考车道包括：从地图数据的先验参考车道中获取N个参考车道；或者，根据目标路口内的车流生成的从目标驶入口到N个驶出口中各个驶出口的动态参考车道，得到N个参考车道；或者，根据目标路口内的车流生成从目标驶入口到N个驶出口中各个驶出口的动态参考车道；获取地图数据的先验参考车道；利用动态参考车道修正先验参考车道，得到N个参考车道。
在一种可能的实施方式中，根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率之前，还包括：根据目标车辆与参考车道的横向距离、相对角度，以及，目标车辆与目标路口的中心点的距离，得到关联概率，参考车道为从目标驶入口到驶出口K的参考车道。
在一种可能的实施方式中，根据目标车辆与参考车道的横向距离、相对角度，以及，目标车辆与目标路口的中心点的距离，得到关联概率包括：P(zK)＝f(l,θ,D)，其中，P(zK)表示驶出口K对应的关联概率，f表示函数，l表示目标车辆与参考车道的横向距离，θ表示目标车辆与参考车道的相对角度，D表示目标车辆与目标路口的中心点的距离。本申请实施例中，对于计算关联概率的函数f的计算方法不限。比如可通过机器学习的方法得到也可以通过假设密度函数服从高斯分布的方法得到。
在一种可能的实施方式中，以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向生成预测轨迹包括：以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向，使用贝塞尔曲线生成预测轨迹。本申请不限定绘制预测轨迹的方式，还可以采用其他方式来绘制预测轨迹。
第二方面，提供了一种预测车辆驶出口的装置，包括：获取模块和计算模块，获取模块，用于获取目标车辆在目标路口内的第一位置和目标车辆的行驶方向；获取模块，还用于获取与目标路口的N个驶出口分别关联的N个参考点，N为正整数；获取模块，还用于根据第一位置、目标车辆的行驶方向和N个参考点，获取N个驶出口各自对应的似然度，似然度表示目标车辆从其对应的驶出口驶出目标路口的概率；其中，针对驶出口K，驶出口K表示N个驶出口中的第K个驶出口，K为小于等于N的正整数，通过以下方法获得驶出口K对应的似然度：获取模块，还用于以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向生成预测轨迹；获取模块，还用于根据第一位置和第二位置，获取预测轨迹上与第二位置对应的轨迹点，第二位置为目标车辆在目标路口内的第二位置；计算模块，用于计算轨迹点与第二位置之间距离；计算模块，还用于根据距离计算驶出口K对应的似然度；获取模块，还用于获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口。
在一种可能的实施方式中，获取模块根据距离计算驶出口K对应的似然度包括：
Figure GDA0003145934310000031
其中，l表示距离，p表示似然度，μ，δ均为通过统计方法得到的值。
在一种可能的实施方式中，计算模块，还用于在获取模块根据距离计算驶出口K对应的似然度之前，计算轨迹点的切线方向与目标车辆行驶方向的夹角；其中，获取模块根据距离计算驶出口K对应的似然度包括：根据距离和夹角计算驶出口K对应的似然度。
在一种可能的实施方式中，计算模块根据距离和夹角计算驶出口K对应的似然度包括：
Figure GDA0003145934310000032
其中，l表示距离，θ表示夹角，PK表示似然度，μ1，δ1，μ2和δ2均为通过统计方法得到的值。
在一种可能的实施方式中，计算模块在根据距离计算驶出口K对应的似然度之后，还用于根据似然度和N个驶出口各自对应的历史后验概率，计算驶出口K对应的后验概率，历史后验概率表示上一次计算得到的驶出口对应的后验概率；其中，获取模块获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口包括：获取N个驶出口中对应的后验概率最大的驶出口作为目标车辆的驶出口。
在一种可能的实施方式中，计算模块根据似然度和N个驶出口各自对应的历史后验概率，计算驶出口K对应的后验概率包括：根据N个驶出口各自对应的历史后验概率预测得到中间概率；根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率。
在一种可能的实施方式中，计算模块根据N个驶出口各自对应的历史后验概率预测得到中间概率包括：
Figure GDA0003145934310000041
其中，x表示目标车辆选择驶出口的事件，t表示与第二位置对应的时刻，t-1表示与第一位置对应的时刻，j表示N个驶出口中第j个驶出口，
Figure GDA0003145934310000042
表示中间概率，η表示归一化系数，
Figure GDA0003145934310000043
表示由t-1时目标车辆选择第j个驶出口到t时目标车辆选择驶出口K的第一状态转移概率，
Figure GDA0003145934310000044
表示t-1时第j个驶出口对应的后验概率；计算模块根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率包括：
Figure GDA0003145934310000045
其中，
Figure GDA0003145934310000046
表示后验概率，Pt K表示似然度，P(zK)表示关联概率，
Figure GDA0003145934310000047
表示中间概率。
在一种可能的实施方式中，计算模块在根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率之前，还用于：通过下面公式计算关联概率：
Figure GDA0003145934310000048
其中，P(zK)表示关联概率，N表示N个驶出口的数量。
在一种可能的实施方式中，获取模块获取与目标路口的N个驶出口分别关联的N个参考点包括：获取N个驶出口中各驶出口处的位置点作为与各自关联的参考点。
在一种可能的实施方式中，获取模块获取与目标路口的N个驶出口分别关联的N个参考点包括：获取从目标驶入口到N个驶出口中各个驶出口的N个参考车道，目标驶入口为目标车辆驶入目标路口的驶入口；获取N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点。
在一种可能的实施方式中，获取模块获取N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点包括：针对N个参考车道中任一个参考车道H，获取参考车道H的车道中心点序列H，选取车道中心点序列H中一个点作为与参考车道H所对应的驶出口关联的参考点。
在一种可能的实施方式中，获取模块获取从目标驶入口到N个驶出口中各个驶出口的N个参考车道包括：从地图数据的先验参考车道中获取N个参考车道；或者，根据目标路口内的车流生成的从目标驶入口到N个驶出口中各个驶出口的动态参考车道，得到N个参考车道；或者，根据目标路口内的车流生成从目标驶入口到N个驶出口中各个驶出口的动态参考车道；获取地图数据的先验参考车道；利用动态参考车道修正先验参考车道，得到N个参考车道。
在一种可能的实施方式中，计算模块根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率之前，获取模块还用于：根据目标车辆与参考车道的横向距离、相对角度，以及，目标车辆与目标路口的中心点的距离，得到关联概率，参考车道为从目标驶入口到驶出口K的参考车道。
在一种可能的实施方式中，获取模块根据目标车辆与参考车道的横向距离、相对角度，以及，目标车辆与目标路口的中心点的距离，得到关联概率包括：P(zK)＝f(l,θ,D)，其中，P(zK)表示驶出口K对应的关联概率，f表示函数，l表示目标车辆与参考车道的横向距离，θ表示目标车辆与参考车道的相对角度，D表示目标车辆与目标路口的中心点的距离。
在一种可能的实施方式中，获取模块以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向生成预测轨迹包括：以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向，使用贝塞尔曲线生成预测轨迹。
第三方面，提供了一种预测车辆驶出口的装置，包括处理器和存储器，其中：存储器中存储有计算机指令，处理器执行计算机指令，以实现第一方面及其可能的实现方式的方法。
第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，当计算机可读存储介质中的计算机指令在计算机或处理器上运行时，使得计算机或处理器执行第一方面及其可能的实现方式的方法。
第五方面，提供了一种包含指令的计算机程序产品，当指令在计算机或处理器上运行时，使得计算机或处理器执行上述第一方面及其可能的实现方式的方法。
第二方面至第五方面的技术效果可以参照第一方面的各种可能实施方式所述内容。
附图说明
图1为本申请实施例提供的一种目标路口交通复杂情况的示意图；
图2为本申请实施例提供的一种车辆的结构示意图；
图3为本申请实施例提供的一种车辆的处理器的结构示意图；
图4为本申请实施例提供的一种预测车辆驶出口的方法的流程示意图；
图5为本申请实施例提供的一种驶出口处的参考点的示意图；
图6为本申请实施例提供的另一种预测车辆驶出口的方法的流程示意图；
图7为本申请实施例提供的一种参考车道中的参考点的示意图；
图8为本申请实施例提供的又一种预测车辆驶出口的方法的流程示意图；
图9为本申请实施例提供的一种通过显示屏显示本车辆和目标车辆的预测轨迹的示意图；
图10本申请实施例提供的另一种通过显示屏显示本车辆和目标车辆的预测轨迹的示意图；
图11为本申请实施例提供的又一种通过显示屏显示目标车辆的行驶意图的示意图；
图12为本申请实施例提供的再一种通过显示屏显示目标车辆的行驶意图的示意图；
图13为本申请实施例提供的一种预测轨迹与实际轨迹之间的误差的示意图；
图14为本申请实施例提供的一种轨迹点的切线方向与目标车辆行驶方向的夹角的示意图；
图15为本申请实施例提供的一种目标车辆与参考车道的横向距离和相对角度的示意图；
图16为本申请实施例提供的一种目标路口的中心点的示意图；
图17为本申请实施例提供的一种较严格的发射概率的示意图；
图18为本申请实施例提供的一种较宽松的发射概率的示意图；
图19为本申请实施例提供的一种采用高斯分布的发射概率的示意图；
图20为本申请实施例提供的一种预测车辆驶出口的装置的示意图；
图21为本申请实施例提供的另一种预测车辆驶出口的装置的示意图。
具体实施方式
如本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
图2为本申请实施例提供的一种车辆的结构示意图。可以将车辆100配置为全自动驾驶模式、半自动驾驶模式、手动驾驶模式。
在全自动驾驶模式，车辆100依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，可以在没有任何人类主动操作的情况下，自动安全地行驶。
在半自动驾驶模式，车辆100与全自动驾驶模式相比需要人工少量干预，即可自动安全地行驶。
在手动驾驶模式，车辆100可以将采集的环境信息、地图、定位信息等呈现给驾驶员，由驾驶员完全控制车辆100的行驶。
车辆100可以包括各种子系统，例如行进系统110、传感器系统120、控制系统130、一个或多个外围设备140、电源150、计算机系统160。可选地，车辆100可以包括更多或更少的子系统，并且每个子系统可以包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。
行进系统110可以包括为车辆100提供动力运动的组件。在一个实施例中，行进系统110可以包括引擎111、能量源112、传动装置113和车轮114。引擎111可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎111将能量源112转换成机械能量。
能量源112的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源112也可以为车辆100的其他系统提供能量。
传动装置113可以将来自引擎111的机械动力传送到车轮114。传动装置113可以包括变速箱、差速器和驱动轴。在一个实施例中，传动装置113还可以包括其他器件，比如离合器。其中，驱动轴可以包括可耦合到一个或多个车轮114的一个或多个轴。
传感器系统120可以包括感测关于车辆100周边的环境的信息的若干个传感器。例如，传感器系统120可以包括定位系统121(例如、全球定位系统(global positioningsystem，GPS)系统、北斗系统或者其他定位系统)、惯性测量单元(inertial measurementunit，IMU)122、雷达123、激光测距仪124以及摄像头125。传感器系统120还可以包括监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是车辆100的安全操作的关键功能。
定位系统121可用于估计车辆100的地理位置。
IMU 122用于基于惯性加速度来感测车辆100的位置和行驶方向变化。在一个实施例中，IMU 122可以是加速度计和陀螺仪的组合。
雷达123可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达123还可用于感测物体的速度和/或行驶方向。
激光测距仪124可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪124可以包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。
摄像头125可用于捕捉车辆100的周边环境的多个图像。摄像头125可以是静态摄像头或视频摄像头。
控制系统130可以控制车辆100及其组件的操作。控制系统130可以包括转向系统131、油门132、制动单元133、计算机视觉系统134、路线控制系统135以及障碍规避系统136。
转向系统131可操作来调整车辆100的行驶方向。在一个实施例中可以为方向盘系统。
油门132用于控制引擎111的转速并进而控制车辆100的速度。
制动单元133用于控制车辆100减速。制动单元133可使用摩擦力来减慢车轮114。在其他实施例中，制动单元133可将车轮114的动能转换为电流。制动单元133也可采取其他形式来减慢车轮114转速从而控制车辆100的速度。
计算机视觉系统134可以处理和分析由摄像头125捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可以包括交通信号、道路边界和障碍物。计算机视觉系统134可以使用物体识别算法、运动中恢复结构(structure from motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统134可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。
路线控制系统135用于确定车辆100的行驶路线。在一些实施例中，路线控制系统135可结合来自传感器、定位系统121和一个或多个地图数据来为车辆100确定行驶路线。
障碍规避系统136用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。
当然，在一个实施例中，控制系统130可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
车辆100通过外围设备140与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备140可以包括无线通信系统141、触摸显示屏142、麦克风143、扬声器144。
在一些实施例中，外围设备140(例如，触摸显示屏142、麦克风143、扬声器144)可以提供用户与车辆100之间进行交互的手段。示例性的，触摸显示屏142可以向用户显示车辆信息、环境信息、地图等，还可以接收用户的指令。麦克风143可以接收用户的音频，例如，语音控制命令、通话内容或其他音频输入。扬声器144可以向用户输出音频。
外围设备140(例如，无线通信系统141)还可以提供车辆100与其它通信设备之间通信的手段。例如，无线通信系统141可以使用第三代(3rd generation，3G)移动通信技术、第四代(4th generation，4G)移动通信技术、第五代(5th generation，5G)移动通信技术与其他通信设备进行通信。例如码分多址(code division multiple access，CDMA)、全球移动通信系统(global system for mobile communications，GSM)、通用无线分组业务(general packet radio service，GPRS)、长期演进(long term evolution，LTE)、物联网(the internet of things，IOT)等。
无线通信系统141还可以使用无线保真(wireless fidelity，Wi-Fi)与无线局域网(wireless localarea network，WLAN)通信，使用红外链路、蓝牙或ZigBee或其他无线通信协议与其他通信设备直接通信。
电源150可向车辆100的各种组件提供电力，例如，电源150可以为一个或多个可再充电锂离子或铅酸电池。示例性的，在全电动车中，电源150和能量源112可以为一体设计。
车辆100的部分或所有功能受计算机系统160控制。计算机系统160可以包括至少一个处理器161以及数据存储装置162，数据存储装置162可包含指令163(例如，程序逻辑)和数据。
处理器161可以执行存储在例如数据存储装置162这样的计算机可读存储介质中的指令163，并对数据进行处理。处理器161可以是任何常规的处理器，诸如商业可获得的中央处理单元(central processing unit，CPU)。或者，该处理器可以是诸如专用集成电路(application specific integrated circuit，ASIC)或其它基于硬件的处理器的专用设备。尽管图2功能性地图示了处理器、存储器、和在相同物理外壳中的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机系统、或存储器实际上可以包括可以存储在相同的物理外壳内的多个处理器、计算机系统、或存储器，或者包括可以不存储在相同的物理外壳内的多个处理器、计算机系统、或存储器。例如，存储器可以是硬盘驱动器，或位于不同于物理外壳内的其它存储介质。因此，对处理器或计算机系统的引用将被理解为包括对可以并行操作的处理器或计算机系统或存储器的集合的引用，或者可以不并行操作的处理器或计算机系统或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。
指令163可被处理器161执行来执行车辆100的各种功能。数据存储装置162也可包含额外的指令，包括向行进系统110、传感器系统120、控制系统130和外围设备140中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令163以外，数据存储装置162还可以存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它车辆数据。这些数据可以在车辆100的全自动驾驶模式、半自动驾驶模式、手动驾驶模式中被计算机系统160使用。
比如，在本申请实施例中，数据存储装置162从传感器系统120或车辆100的其他组件获取环境信息，环境信息例如可以为车辆当前所处环境附近是否有绿化带、车道、行人等。比如，车辆通过机器学习算法计算当前所处环境附近是否存在绿化带、行人等。数据存储装置162还可以存储该车辆自身的状态信息，以及与该车辆有交互的其他车辆的状态信息。状态信息包括但不限于车辆的速度、加速度、航向角等。比如，车辆基于雷达123的测速、测距功能，得到其他车辆与自身之间的距离、其他车辆的速度等。如此，处理器161可从数据存储装置162获取这些信息，并基于车辆所处环境的环境信息、车辆自身的状态信息、其他车辆的状态信息，以及传统的基于规则的驾驶策略，得到最终的驾驶策略，以控制车辆进行自动驾驶。
用户接口170，用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口170可以包括在外围设备140的集合内的一个或多个输入/输出设备，例如无线通信系统141、触摸显示屏142、麦克风143和扬声器144中的一个或多个。
计算机系统160可基于从各种子系统(例如，行进系统110、传感器系统120和控制系统130)以及从用户接口170接收的输入来控制车辆100的功能。例如，计算机系统160可利用来自控制系统130的输入，以便控制转向系统131，从而规避由传感器系统120和障碍规避系统136检测到的障碍物。在一些实施例中，计算机系统160可操作来对车辆100及其子系统的许多方面提供控制。
可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，数据存储装置162可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图2不应理解为对本申请实施例的限制。
在道路行进的自动驾驶汽车，如上面的车辆100，可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定自动驾驶汽车所要调整的速度。
可选地，自动驾驶汽车车辆100或者与自动驾驶车辆100相关联的计算设备(如图2的计算机系统160、计算机视觉系统134、数据存储装置162)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此，还可以将所识别的所有物体全部一起考虑来预测单个所识别的物体的行为。车辆100能够基于预测的所识别的物体的行为来调整自身的速度和方向。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到什么稳定状态，例如，加速、减速、转向或者停止。在这个过程中，也可以考虑其它因素来确定车辆100的速度和方向，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆100的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车和手推车等，本申请实施例不做特别的限定。
在本申请的另一些实施例中，车辆还可以包括硬件结构和/或软件模块，以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行，取决于技术方案的特定应用和设计约束条件。
如图3所示，车辆100的处理器161可以包括以下模块：
感知模块31，用于对车载传感器(例如前文所述的雷达123、激光测距仪124、摄像头125等)接收到的各种原始数据(例如，原始视频流、点云数据)进行处理，例如，进行车道线识别以得到车道线信息、进行交通标志识别以得到交通标志、进行障碍物识别以得到障碍物列表等功能。
融合模块32，用于对感知模块31的处理结果(例如对车道线信息、交通标志、障碍物列表)进行平滑处理，输出结构化道路特征数据，例如，可行驶区域，障碍物的类型、位置、速度等。
预测模块33，用于基于车辆的定位信息、地图以及融合模块32的处理结果，执行本申请实施例提供的预测车辆驶出口的方法，以实现对目标车辆对目标路口处选择的驶出口进行预测。
如图4所示，本申请实施例提供的预测车辆驶出口的方法包括S401-S404：
S401、获取目标车辆在目标路口内的第一位置和目标车辆的行驶方向。
本申请实施例涉及的目标路口指至少两条道路汇合的地方。包括但不限于十字路口、丁字路口、米字路口、环岛及各种异型路口等。
本申请实施例涉及的目标路口包括驶出口和驶入口。驶出口指车流或人流离开目标路口的区域，驶入口指车流或人流进入目标路口的区域。目标车辆向驶入口行驶可以判定为目标车辆逆行，目标车辆向驶出口行驶可以判定为目标车辆正常行驶。
目标车辆的位置(x，y)可以为绝对位置，例如经纬度，也可以为目标车辆在地图中的相对位置。目标车辆的行驶方向θ可以为目标车辆的行驶方向相对于某一方向(例如北方)的相对角度，也可以为目标车辆的行驶方向相对于本车辆的相对角度。
S402、获取与目标路口的N个驶出口分别关联的N个参考点。
N为正整数。
在一种可能的实施方式中，如图5中的实心点B1-B8，可以获取N个驶出口中各驶出口处的位置点作为与各自关联的参考点。例如，可以取各驶出口的中点作为各自关联的参考点。
在另一种可能的实施方式中，如图6所示，步骤S402包括S4021-S4022：
S4021、获取从目标驶入口到N个驶出口中各个驶出口的N个参考车道。
目标驶入口为目标车辆驶入目标路口的驶入口，参考车道指未在真实道路上绘制的，具有限制行驶范围功能的车道。
在一种可能的实施方式中，可以从地图数据的先验参考车道中获取N个参考车道。
或者，在另一种可能的实施方式中，可以根据目标路口内的车流生成的从目标驶入口到N个驶出口中各个驶出口的动态参考车道，得到所述N个参考车道。
可以对从同一驶入口进入目标路口并且从同一驶出口离开目标路口的其他车辆的移动轨迹进行拟合得到参考车道。
具体的，首先判断目标路口是否有移动的车辆，如果有移动的车辆，则将各个车辆相对于本车辆的相对坐标转换为相对于地面的绝对坐标，并投影到地图上，并记录每个车辆在地图上的移动轨迹。
确定地图上目标路口的各个驶入口的位置坐标和驶出口的位置坐标，将从同一驶入口进入道路并且从同一驶出口离开道路的车辆的移动轨迹归为一组，对同一组的移动轨迹进行拟合得到参考车道。
具体的，可以根据多项式函数对同一组的移动轨迹进行拟合得到一条参考车道。
假设同一组的移动轨迹上的采样点构成的集合为(x1,y1),(x2,y2),…(xn,yn)，定义多项式拟合函数为：
Figure GDA0003145934310000101
其中，w1、w2…wn为多项式系数，n为多项式阶数。
使用正则化最小二乘法确定多项式系数的取值，也就是说，找到一组W(w0,w1…wn)使得
Figure GDA0003145934310000102
的取值最小，即求解
Figure GDA0003145934310000103
其中，||W||2＝w0 2+w1 2+w2 2+…+wn 2为防止过拟合而增加的惩罚项。
或者，在另一种可能的实施方式中，可以根据目标路口内的车流生成从目标驶入口到N个驶出口中各个驶出口的动态参考车道(具体见前面描述)。获取地图数据的先验参考车道。利用动态参考车道修正先验参考车道，得到N个参考车道。例如，可以动态参考车道和先验参考车道取平均，或者，直接将生成的动态参考车道替代事先存储的先验参考车道。
S4022、获取N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点。
具体的，如图7所示，可以针对N个参考车道中任一个参考车道H，获取参考车道H的车道中心点序列H，选取车道中心点序列H中一个点作为与参考车道H所对应的驶出口关联的参考点。
S403、根据第一位置、目标车辆的行驶方向和N个参考点，获取N个驶出口各自对应的似然度。
似然度表示目标车辆从其对应的驶出口驶出目标路口的概率。
如图8所示，针对驶出口K，驶出口K表示N个驶出口中的第K个驶出口，K为小于等于N的正整数，通过以下方法获得驶出口K对应的似然度：
S4031、以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向生成预测轨迹。
在一种可能的实施方式中，可以以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向，使用贝塞尔曲线(Bézier curve)生成预测轨迹。本申请不限定绘制预测轨迹的方式，还可以采用其他方式来绘制预测轨迹。
示例性的，如图5和图7所示，可以通过二阶贝塞尔曲线绘制预测轨迹，A为起点，B为终点，C为控制点，控制点C与起点A之间的直线为控制线，目标车辆的行驶方向即为起点A到控制点C的方向。
如图9和图10所示，可以在显示屏上显示虚拟的目标路口的图像。例如，显示从地图中获取的目标路口的平面示意图。通过定位系统获取本车辆的位置信息，并转换为本车辆在图像中的位置坐标，以虚拟图形显示本车辆。通过雷达、激光测距仪等采集目标车辆(例如其他车辆)相对于本车辆的距离和角度，从而转换为目标车辆在图像中的位置坐标，并以虚拟图形显示目标车辆。本车辆的显示方式可以与目标车辆的显示方式不同以示区别，例如本车辆的图形可以大于目标车辆的图形，或者，本车辆的图形与目标车辆的图形颜色不同，本申请不作限定。
可以在显示屏上显示目标路口的参考点，可以在显示屏上显示参考车道，还可以在显示屏上显示目标车辆的预测轨迹。
其中，图9中描绘的是以目标车辆的第一位置为起点A，以在参考车道的车道中心点序列中的参考点为终点(例如B1、B2)绘制的预测轨迹。图10中描绘的是以目标车辆的第一位置为起点A，以驶出口处的位置点为终点(例如B1-B8)绘制的预测轨迹。
如图11和图12所示，还可以在显示屏上显示真实的目标路口的图像。图11中参考车道上的位置点作为与各自所对应的驶出口关联的参考点，图12中各驶出口处的位置点作为与各自所对应的驶出口关联的参考点。例如，通过摄像头采集目标路口处的实时图像，通过目标检测或目标识别技术检测图像中的目标车辆，并在图像中显示目标车辆的标注信息，例如通过方框、箭头等方式标注图像中的目标车辆。
同样可以在显示屏上显示目标路口的参考点(例如出驶入口处的点)，可以在显示屏上显示参考车道，还可以在显示屏上显示目标车辆的预测轨迹。例如，其中，图11中描绘的以在第一时刻目标车辆的位置为起点，以在参考车道上的与目标车辆的行驶方向在一定夹角范围内的一点为终点绘制的预测轨迹。
需要说明的是，无论是通过哪种显示方式，可以仅显示与目标车辆关联的参考车道或者出驶入口处的点，而不必显示所有的参考车道或者出驶入口处的点，当目标路口处的车辆较少时，使得显示更简洁清楚。
S4032、根据第一位置和第二位置，获取预测轨迹上与第二位置对应的轨迹点。
第二位置为目标车辆在目标路口内的第二位置。
示例性的，如图13所示，第一时刻目标车辆位于第一位置A，第二时刻目标车辆位于第二位置B，目标车辆从第一位置A移动至第二位置B的轨迹即为实际轨迹。
以三条预测轨迹一条实际轨迹为例，实际轨迹和预测轨迹的公共起点为目标车辆的第一位置A。计算目标车辆在实际轨迹上从第一位置A向第二位置B移动的第一距离S。将从公共起点A开始沿预测轨迹移动第一距离S的点确定为轨迹点(例如C1、C2、C3)。
S4033、计算轨迹点与第二位置之间距离。
示例性的，如图13所示，轨迹点C1与第二位置B之间的距离表示从A至C1的预测轨迹与从A至B的实际轨迹之间的误差E1，轨迹点C2与第二位置B之间的距离表示从A至C1的预测轨迹与从A至B的实际轨迹之间的误差E2，轨迹点C3与第二位置B之间的距离表示从A至C1的预测轨迹与从A至B的实际轨迹之间的误差E3。
可选的，还可以计算轨迹点的切线方向与目标车辆行驶方向的夹角，示例性的，如图14所示，轨迹点C1的切线方向与目标车辆行驶方向的夹角为θ1，轨迹点C2的切线方向与目标车辆行驶方向的夹角为θ2，轨迹点C3的切线方向与目标车辆行驶方向的夹角为θ3。
S4034、根据距离计算驶出口K对应的似然度。
在一种可能的实施方式中，如果目标车辆的行驶意图为某一特定方式，例如调头、直行、左转或右转，则其实际轨迹与该行驶意图的预测轨迹的误差E(即轨迹点与第二位置之间距离)服从高斯分布，因此，驶出口K对应的似然度为：
Figure GDA0003145934310000121
其中，l表示轨迹点与第二位置之间距离，p表示似然度，μ，δ均为通过统计方法得到的值。例如，可以离线对μ和δ进行统计，事先可以获取一段时间内经过目标路口的所有车辆的预测轨迹和实际轨迹，进而得到各车辆对应的轨迹点与第二位置之间的距离，对这些车辆对应的距离求均值即得到μ，对这些车辆对应的距离求方差即得到δ。
在另一种可能的实施方式中，可以根据轨迹点与第二位置之间的距离和轨迹点的切线方向与目标车辆行驶方向的夹角计算驶出口K对应的似然度为：
Figure GDA0003145934310000122
其中，l表示轨迹点与第二位置之间距离，θ表示夹角，PK表示驶出口对应的似然度，μ1，δ1，μ2和δ2均为通过统计方法得到的值。例如，可以离线对μ1，δ1，μ2和δ2进行统计，事先可以获取一段时间内经过目标路口的所有车辆的预测轨迹和实际轨迹，进而得到各车辆对应的轨迹点与第二位置之间的距离，以及轨迹点的切线方向与目标车辆行驶方向的夹角，对这些车辆对应的距离求均值即得到μ1，对这些车辆对应的距离求方差即得到δ1，对这些车辆对应的夹角求均值即得到μ2，对这些车辆对应的夹角求方差即得到δ2。
可选的，还可以根据驶出口K对应的似然度和N个驶出口各自对应的历史后验概率，计算驶出口K对应的后验概率。
其中，历史后验概率表示上一次计算得到的驶出口对应的后验概率。
根据贝叶斯定理中，后验概率＝条件概率*先验概率。
首先，可以根据N个驶出口各自对应的历史后验概率预测得到中间概率。
Figure GDA0003145934310000123
其中，x表示目标车辆选择驶出口的事件，t表示与第二位置对应的时刻，t-1表示与第一位置对应的时刻，j表示N个驶出口中第j个驶出口，
Figure GDA0003145934310000124
表示中间概率，η表示归一化系数，
Figure GDA0003145934310000125
表示由t-1时目标车辆选择第j个驶出口到t时目标车辆选择驶出口K的第一状态转移概率，
Figure GDA0003145934310000131
表示t-1时第j个驶出口对应的后验概率(即表示N个驶出口中第j个驶出口对应的历史后验概率)。
然后，可以根据驶出口K对应的似然度和驶出口K对应的关联概率，更新中间概率得到驶出口K对应的后验概率。
Figure GDA0003145934310000132
其中，
Figure GDA0003145934310000133
表示驶出口K对应的后验概率，Pt K表示驶出口K对应的似然度，P(zK)表示驶出口K对应的关联概率，
Figure GDA0003145934310000134
表示驶出口K对应的中间概率。
下面描述如何计算驶出口K对应的关联概率。
在一种可能的实施方式中，对于获取N个驶出口中各驶出口处的位置点作为与各自所对应的驶出口关联的参考点来说，驶出口K对应的关联概率为：
Figure GDA0003145934310000135
其中，P(zK)表示驶出口K对应的关联概率，N表示N个驶出口的数量。
在另一种可能的实施方式中，对于获取N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点来说，可以根据目标车辆与参考车道的横向距离、相对角度，以及，目标车辆与目标路口的中心点的距离，得到关联概率。
参考车道为从目标驶入口到驶出口的参考车道。可以将目标车辆的位置(x，y)和目标车辆的行驶方向θ由全局坐标转为车道坐标，从而得到目标车辆与参考车道的横向距离l和相对角度θ。
示例性的，如图15所示，目标车辆与参考车道1的横向距离为l1，相对角度为θ1；目标车辆与参考车道2的横向距离为l2，相对角度为θ2。
目标路口的中心点指目标路口的几何中心点。具体的，可以根据地图确定目标路口的边界，然后根据目标路口的边界计算目标路口的中心点C，然后计算目标车辆与目标路口的中心点的距离D。
示例性的，如图16所示，目标路口的边界为包括N个顶点(xi,yi)的多边形，i为小于N的整数，则目标路口的中心点C的位置(xC,yC)为：
Figure GDA0003145934310000136
Figure GDA0003145934310000137
其中，
Figure GDA0003145934310000138
时，xN＝x0，yN＝y0。
假设目标车辆的坐标为(x,y)，则目标车辆与目标路口的中心点的距离D为：
Figure GDA0003145934310000139
则驶出口K对应的关联概率为：
P(zK)＝f(l,θ,D)公式10
其中，P(zK)表示驶出口K对应的关联概率，f表示函数，l表示目标车辆与参考车道的横向距离，θ表示目标车辆与参考车道的相对角度，D表示目标车辆与目标路口的中心点的距离。
关联概率表示目标车辆与参考车道的关联度，目标车辆与参考车道的横向距离l或相对角度θ越小则关联度越大，否则，关联度越小。
本申请实施例中，对于计算关联概率的函数f的计算方法不限。比如可通过机器学习的方法得到也可以通过假设密度函数服从高斯分布的方法得到。
例如，函数f可以为服从横向距离l和相对角度θ的二维高斯分布函数，即P＝N(μl,μθ,δl,δθ)。其中，N表示高斯函数，μl，μθ，δl和δθ均为通过统计方法得到的值。例如，例如，可以离线对μl，μθ，δl和δθ进行统计，事先可以获取目标路口的参考车道以及一段时间内经过目标路口的所有车辆的实际轨迹，进而得到各车辆与参考车道的横向距离l或相对角度θ，对这些车辆对应的横向距离求均值即得到μl，对这些车辆对应的横向距离求方差即得到δl，对这些车辆对应的相对角度θ求均值即得到μθ，对这些车辆对应的相对角度θ求方差即得到δθ。
进一步地，方差δl以及方差δθ可以和目标车辆与目标路口的中心点的距离D正相关，即P＝N(μl,μθ,δl(D),δθ(D))。具体原因如下：
目标车辆在目标路口内不同位置其驾驶自由度是不同的，因此参考车道对目标车辆的约束力也是不同的，例如越靠近口中的驶入口处或驶出口处(即越远离目标路口的中心点)，目标车辆越可能靠近参考车道，越靠近目标路口的中心点，目标车辆越可能远离参考车道，所以可以根据目标车辆与目标路口的中心点的距离D调整发射概率。
示例性的，如图17所示，为较严格(即一倍方差δl且与距离D无关)的发射概率的示意图。实线为参考车道，虚线为与参考车道横向距离为一倍方差δl的包络线(相当于发射概率门限)，目标车辆在包络线内，表示目标车辆与参考车道的关联度在发射概率门限内，即目标车辆与参考车道相关联，否则二者不关联。从中可以看出，在发射概率较严格时，目标车辆在目标路口的中心点附近与参考车道的关联度低，甚至无法关联到参考车道。
示例性的，如图18所示，为较宽松(即两倍方差2δl且与距离D无关)的发射概率的示意图。实线为参考车道，虚线为与参考车道横向距离为两倍方差2δl的包络线(相当于发射概率门限)。从中可以看出，在发射概率较宽松时，目标车辆在目标路口的中心点附近关联到多条参考车道，即无法对参考车道进行区分。
示例性的，如图19所示，为采用高斯分布(即方差δl与距离D相关)的发射概率的示意图。实线为参考车道，虚线为方差δl的包络线，参考车道的包络线与参考车道的距离，在越远离目标路口的中心点时越小，在越靠近目标路口的中心点时越大。从而可以正确地将目标车辆与参考车道关联。
S404、获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口。
例如图13中的驶出口1、驶出口2和驶出口3，其中驶出口1的似然度最大，则可以将驶出口1作为目标车辆的驶出口。
可选的，可以获取N个驶出口中对应的后验概率最大的驶出口作为目标车辆的驶出口。
例如图13中的驶出口1、驶出口2和驶出口3，其中驶出口1的后验概率最大，则可以将驶出口1作为目标车辆的驶出口。
进一步地，可以根据目标车辆的驶出口获取目标车辆的行驶意图。
例如图13中的驶出口1对应的行驶意图为直行，驶出口2对应的行驶意图为左转，驶出口3对应的行驶意图为右转，则可以确定目标车辆的行驶意图为直行。
在确定目标车辆的行驶意图后，还可以通过显示屏显示目标车辆的行驶意图。
示例性的，如图9-图12所示，可以以箭头等方式显示目标车辆的行驶意图。
针对根据目标车辆的行驶意图确定与本车辆相向行驶或有相撞风险的目标车辆，可以通过标注警示色、闪烁标注信息、提高标注信息的闪烁频率等方式进行着重提醒。
针对根据目标车辆的行驶意图确定与本车辆同行行驶或无相撞风险的目标车辆，可以通过标注非警示色、不显示标注信息、降低标注信息的闪烁频率等方式弱化提醒，使得显示更简洁清楚。
另外，还可以通过扬声器播放提示音，以提示目标车辆的行驶意图，例如播放“右前方有车辆左转，请注意避让”等。
本申请实施例提供的预测车辆驶出口的方法，获取目标车辆在目标路口内的第一位置和目标车辆的行驶方向；获取与目标路口的N个驶出口分别关联的N个参考点，N为正整数；根据第一位置、目标车辆的行驶方向和N个参考点，获取N个驶出口各自对应的似然度，似然度表示目标车辆从其对应的驶出口驶出目标路口的概率；获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口。通过计算目标车辆从各个驶出口驶出的似然度，从而确定目标车辆从最高似然度的驶出口驶出，实现了对目标路口处目标车辆的驶出口进行预测。
本申请实施例还提供了一种预测车辆驶出口的装置，该预测车辆驶出口的装置用于实现上述各种方法。预测车辆驶出口的装置可以为无人机、汽车、电动车或其中的硬件装置。
可以理解的是，该预测车辆驶出口的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法实施例对预测车辆驶出口的装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图20示出了一种预测车辆驶出口的装置200的结构示意图。该预测车辆驶出口的装置200包括获取模块2001、计算模块2002。获取模块2001用以实现上述方法实施例中图4中的步骤S401-S404，图6中的步骤S401-S404，图8中的步骤S401、S402、S4031、S4032、S404。计算模块2002用以实现上述方法实施例中图8中的步骤S4033、S4034。
示例性的，获取模块2001，用于获取目标车辆在目标路口内的第一位置和目标车辆的行驶方向；获取模块2001，还用于获取与目标路口的N个驶出口分别关联的N个参考点，N为正整数；获取模块2001，还用于根据第一位置、目标车辆的行驶方向和N个参考点，获取N个驶出口各自对应的似然度，似然度表示目标车辆从其对应的驶出口驶出目标路口的概率；其中，针对驶出口K，驶出口K表示N个驶出口中的第K个驶出口，K为小于等于N的正整数，通过以下方法获得驶出口K对应的似然度：获取模块2001，还用于以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向生成预测轨迹；获取模块2001，还用于根据第一位置和第二位置，获取预测轨迹上与第二位置对应的轨迹点，第二位置为目标车辆在目标路口内的第二位置；计算模块2002，用于计算轨迹点与第二位置之间距离；计算模块2002，还用于根据距离计算驶出口K对应的似然度；获取模块2001，还用于获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口。
在一种可能的实施方式中，获取模块2001根据距离计算驶出口K对应的似然度包括：
Figure GDA0003145934310000151
其中，l表示距离，p表示似然度，μ，δ均为通过统计方法得到的值。
在一种可能的实施方式中，计算模块2002，还用于在获取模块2001根据距离计算驶出口K对应的似然度之前，计算轨迹点的切线方向与目标车辆行驶方向的夹角；其中，获取模块2001根据距离计算驶出口K对应的似然度包括：根据距离和夹角计算驶出口K对应的似然度。
在一种可能的实施方式中，计算模块2002根据距离和夹角计算驶出口K对应的似然度包括：
Figure GDA0003145934310000161
其中，l表示距离，θ表示夹角，PK表示似然度，μ1，δ1，μ2和δ2均为通过统计方法得到的值。
在一种可能的实施方式中，计算模块2002在根据距离计算驶出口K对应的似然度之后，还用于根据似然度和N个驶出口各自对应的历史后验概率，计算驶出口K对应的后验概率，历史后验概率表示上一次计算得到的驶出口对应的后验概率；其中，获取模块2001获取N个驶出口中对应的似然度最大的驶出口作为目标车辆的驶出口包括：获取N个驶出口中对应的后验概率最大的驶出口作为目标车辆的驶出口。
在一种可能的实施方式中，计算模块2002根据似然度和N个驶出口各自对应的历史后验概率，计算驶出口K对应的后验概率包括：根据N个驶出口各自对应的历史后验概率预测得到中间概率；根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率。
在一种可能的实施方式中，计算模块2002根据N个驶出口各自对应的历史后验概率预测得到中间概率包括：
Figure GDA0003145934310000162
其中，x表示目标车辆选择驶出口的事件，t表示与第二位置对应的时刻，t-1表示与第一位置对应的时刻，j表示N个驶出口中第j个驶出口，
Figure GDA0003145934310000163
表示中间概率，η表示归一化系数，
Figure GDA0003145934310000164
表示由t-1时目标车辆选择第j个驶出口到t时目标车辆选择驶出口K的第一状态转移概率，
Figure GDA0003145934310000165
表示t-1时第j个驶出口对应的后验概率；计算模块2002根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率包括：
Figure GDA0003145934310000166
其中，
Figure GDA0003145934310000167
表示后验概率，Pt K表示似然度，P(zK)表示关联概率，
Figure GDA0003145934310000168
表示中间概率。
在一种可能的实施方式中，计算模块2002在根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率之前，还用于：通过下面公式计算关联概率：
Figure GDA0003145934310000169
其中，P(zK)表示关联概率，N表示N个驶出口的数量。
在一种可能的实施方式中，获取模块2001获取与目标路口的N个驶出口分别关联的N个参考点包括：获取N个驶出口中各驶出口处的位置点作为与各自关联的参考点。
在一种可能的实施方式中，获取模块2001获取与目标路口的N个驶出口分别关联的N个参考点包括：获取从目标驶入口到N个驶出口中各个驶出口的N个参考车道，目标驶入口为目标车辆驶入目标路口的驶入口；获取N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点。
在一种可能的实施方式中，获取模块2001获取N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点包括：针对N个参考车道中任一个参考车道H，获取参考车道H的车道中心点序列H，选取车道中心点序列H中一个点作为与参考车道H所对应的驶出口关联的参考点。
在一种可能的实施方式中，获取模块2001获取从目标驶入口到N个驶出口中各个驶出口的N个参考车道包括：从地图数据的先验参考车道中获取N个参考车道；或者，根据目标路口内的车流生成的从目标驶入口到N个驶出口中各个驶出口的动态参考车道，得到N个参考车道；或者，根据目标路口内的车流生成从目标驶入口到N个驶出口中各个驶出口的动态参考车道；获取地图数据的先验参考车道；利用动态参考车道修正先验参考车道，得到N个参考车道。
在一种可能的实施方式中，计算模块2002根据似然度和驶出口K对应的关联概率，更新中间概率得到后验概率之前，获取模块2001还用于：根据目标车辆与参考车道的横向距离、相对角度，以及，目标车辆与目标路口的中心点的距离，得到关联概率，参考车道为从目标驶入口到驶出口K的参考车道。
在一种可能的实施方式中，获取模块2001根据目标车辆与参考车道的横向距离、相对角度，以及，目标车辆与目标路口的中心点的距离，得到关联概率包括：P(zK)＝f(l,θ,D)，其中，P(zK)表示驶出口K对应的关联概率，f表示函数，l表示目标车辆与参考车道的横向距离，θ表示目标车辆与参考车道的相对角度，D表示目标车辆与目标路口的中心点的距离。
在一种可能的实施方式中，获取模块2001以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向生成预测轨迹包括：以第一位置为起点，以驶出口K关联的参考点为终点，结合目标车辆的行驶方向，使用贝塞尔曲线生成预测轨迹。
在本实施例中，该预测车辆驶出口的装置200以采用集成的方式划分各个功能模块的形式来呈现。这里的“模块”可以指数字信号处理器(digital signal processor，DSP)，专用集成电路(application specific integrated circuit，ASIC)，电路，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。
由于本实施例提供的预测车辆驶出口的装置200可执行上述方法，因此其所能获得的技术效果可参考上述方法实施例，在此不再赘述。
如图21所示，本申请实施例还提供了一种预测车辆驶出口的装置，该预测车辆驶出口的装置210包括处理器2102和存储器2101，处理器2102与存储器2101通过总线2103耦合，存储器2101中存储有计算机指令，当处理器2102执行存储器2101中的计算机指令时，执行图4、图6、图8中的预测车辆驶出口的方法。
本申请实施例还提供了一种芯片，包括：处理器和接口，用于从存储器中调用并运行存储器中存储的计算机程序，执行图4、图6、图8中的预测车辆驶出口的方法。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当计算机可读存储介质中的指令在计算机或处理器上运行时，使得计算机或处理器执行图4、图6、图8中的预测车辆驶出口的方法。
本申请实施例还提供了一种包含指令的计算机程序产品，当指令在计算机或处理器上运行时，使得计算机或处理器执行图4、图6、图8中的预测车辆驶出口的方法。
本申请实施例提供了一种芯片系统，该芯片系统包括处理器，用于预测车辆驶出口的装置执行图4、图6、图8中的预测车辆驶出口的方法。
在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该芯片系统，可以包括芯片，集成电路，也可以包含芯片和其他分立器件，本申请实施例对此不作具体限定。
其中，本申请提供的预测车辆驶出口的装置、芯片、计算机存储介质、计算机程序产品或芯片系统均用于执行上文所述的方法，因此，其所能达到的有益效果可参考上文所提供的实施方式中的有益效果，此处不再赘述。
本申请实施例涉及的处理器可以是一个芯片。例如，可以是现场可编程门阵列(field programmable gate array，FPGA)，可以是专用集成芯片(application specificintegrated circuit，ASIC)，还可以是系统芯片(system on chip，SoC)，还可以是中央处理器(central processor unit，CPU)，还可以是网络处理器(network processor，NP)，还可以是数字信号处理电路(digital signal processor，DSP)，还可以是微控制器(microcontroller unit，MCU)，还可以是可编程控制器(programmable logic device，PLD)或其他集成芯片。
本申请实施例涉及的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (32)

1.一种预测车辆驶出口的方法，其特征在于，包括：
获取目标车辆在目标路口内的第一位置和所述目标车辆的行驶方向；
获取与所述目标路口的N个驶出口分别关联的N个参考点，N为正整数；
根据所述第一位置、所述目标车辆的行驶方向和所述N个参考点，获取所述N个驶出口各自对应的似然度，所述似然度表示所述目标车辆从其对应的驶出口驶出所述目标路口的概率；
其中，针对驶出口K，所述驶出口K表示所述N个驶出口中的第K个驶出口，K为小于等于N的正整数，通过以下方法获得所述驶出口K对应的似然度：
以所述第一位置为起点，以驶出口K关联的参考点为终点，结合所述目标车辆的行驶方向生成预测轨迹；
根据所述第一位置和第二位置，获取所述预测轨迹上与所述第二位置对应的轨迹点，所述第二位置为所述目标车辆在所述目标路口内的第二位置；
计算所述轨迹点与所述第二位置之间距离；
根据所述距离计算所述似然度；
获取所述N个驶出口中对应的似然度最大的驶出口作为所述目标车辆的驶出口。
2.根据权利要求1所述的方法，其特征在于，所述根据所述距离计算所述驶出口K对应的似然度包括：
Figure FDA0003145934300000011
其中，l表示所述距离，p表示似然度，μ，δ为通过以下方式得到的值：获取一段时间内经过所述目标路口的所有车辆的预测轨迹和实际轨迹，得到各车辆对应的轨迹点与所述第二位置之间的距离，对所述车辆对应的距离求均值得到μ，对所述车辆对应的距离求方差得到δ。
3.根据权利要求1所述的方法，其特征在于，所述根据所述距离计算所述驶出口K对应的似然度之前，还包括：
计算所述轨迹点的切线方向与所述目标车辆行驶方向的夹角；
其中，所述根据所述距离计算所述驶出口K对应的似然度包括：
根据所述距离和所述夹角计算所述驶出口K对应的似然度。
4.根据权利要求3所述的方法，其特征在于，所述根据所述距离和所述夹角计算所述驶出口K对应的似然度包括：
Figure FDA0003145934300000012
其中，l表示所述距离，θ表示所述夹角，PK表示所述似然度，μ1，δ1，μ2和δ2为通过以下方式得到的值：获取一段时间内经过所述目标路口的所有车辆的预测轨迹和实际轨迹，进而得到各车辆对应的轨迹点与第二位置之间的距离，以及轨迹点的切线方向与目标车辆行驶方向的夹角，对所有车辆对应的距离求均值即得到μ1，对所有车辆对应的距离求方差即得到δ1，对所有车辆对应的夹角求均值即得到μ2，对所有车辆对应的夹角求方差即得到δ2。
5.根据权利要求1所述的方法，其特征在于，所述根据所述距离计算所述驶出口K对应的似然度之后，还包括：
根据所述似然度和所述N个驶出口各自对应的历史后验概率，计算所述驶出口K对应的后验概率，所述历史后验概率表示上一次计算得到的驶出口对应的后验概率；
其中，所述获取所述N个驶出口中对应的似然度最大的驶出口作为所述目标车辆的驶出口包括：
获取所述N个驶出口中对应的后验概率最大的驶出口作为所述目标车辆的驶出口。
6.根据权利要求5所述的方法，其特征在于，所述根据所述似然度和所述N个驶出口各自对应的历史后验概率，计算所述驶出口K对应的后验概率包括：
根据所述N个驶出口各自对应的历史后验概率预测得到中间概率；
根据所述似然度和所述驶出口K对应的关联概率，更新所述中间概率得到所述后验概率。
7.根据权利要求6所述的方法，其特征在于，所述根据所述N个驶出口各自对应的历史后验概率预测得到中间概率包括：
Figure FDA0003145934300000021
其中，x表示所述目标车辆选择驶出口的事件，t表示与所述第二位置对应的时刻，t-1表示与所述第一位置对应的时刻，j表示所述N个驶出口中第j个驶出口，
Figure FDA0003145934300000022
表示中间概率，η表示归一化系数，
Figure FDA0003145934300000023
表示由t-1时所述目标车辆选择第j个驶出口到t时所述目标车辆选择所述驶出口K的第一状态转移概率，
Figure FDA0003145934300000024
表示t-1时第j个驶出口对应的后验概率；
所述根据所述似然度和所述驶出口K对应的关联概率，更新所述中间概率得到所述后验概率包括：
Figure FDA0003145934300000025
其中，
Figure FDA0003145934300000026
表示所述后验概率，
Figure FDA0003145934300000027
表示所述似然度，P(zK)表示所述关联概率，
Figure FDA0003145934300000028
表示所述中间概率。
8.根据权利要求7所述的方法，其特征在于，所述根据所述似然度和所述驶出口K对应的关联概率，更新所述中间概率得到所述后验概率之前，还包括：
通过下面公式计算所述关联概率：
Figure FDA0003145934300000029
其中，P(zK)表示所述关联概率，N表示所述N个驶出口的数量。
9.根据权利要求8所述的方法，其特征在于，所述获取与所述目标路口的N个驶出口分别关联的N个参考点包括：
获取所述N个驶出口中各驶出口处的位置点作为与各自关联的参考点。
10.根据权利要求7所述的方法，其特征在于，所述获取与所述目标路口的N个驶出口分别关联的N个参考点包括：
获取从目标驶入口到所述N个驶出口中各个驶出口的N个参考车道，所述目标驶入口为所述目标车辆驶入所述目标路口的驶入口；
获取所述N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点。
11.根据权利要求10所述的方法，其特征在于，所述获取所述N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点包括：
针对所述N个参考车道中任一个参考车道H，获取所述参考车道H的车道中心点序列H，选取所述车道中心点序列H中一个点作为与所述参考车道H所对应的驶出口关联的参考点。
12.根据权利要求10所述的方法，其特征在于，所述获取从目标驶入口到所述N个驶出口中各个驶出口的N个参考车道包括：
从地图数据的先验参考车道中获取所述N个参考车道；
或者，
根据所述目标路口内的车流生成的从目标驶入口到所述N个驶出口中各个驶出口的动态参考车道，得到所述N个参考车道；
或者，
根据所述目标路口内的车流生成从目标驶入口到所述N个驶出口中各个驶出口的动态参考车道；
获取地图数据的先验参考车道；
利用所述动态参考车道修正所述先验参考车道，得到所述N个参考车道。
13.根据权利要求10所述的方法，其特征在于，所述根据所述似然度和所述驶出口K对应的关联概率，更新所述中间概率得到所述后验概率之前，还包括：
根据所述目标车辆与参考车道的横向距离、相对角度，以及，所述目标车辆与所述目标路口的中心点的距离，得到关联概率，所述参考车道为从所述目标驶入口到所述驶出口K的参考车道。
14.根据权利要求13所述的方法，其特征在于，所述根据所述目标车辆与参考车道的横向距离、相对角度，以及，所述目标车辆与所述目标路口的中心点的距离，得到关联概率包括：
P(zK)＝f(l,θ,D)
其中，P(zK)表示所述关联概率，f表示函数，l表示所述目标车辆与参考车道的横向距离，θ表示所述目标车辆与参考车道的相对角度，D表示所述目标车辆与所述目标路口的中心点的距离。
15.根据权利要求1-14中任一项所述的方法，其特征在于，所述以所述第一位置为起点，以驶出口K关联的参考点为终点，结合所述目标车辆的行驶方向生成预测轨迹包括：
以所述第一位置为起点，以驶出口K关联的参考点为终点，结合所述目标车辆的行驶方向，使用贝塞尔曲线生成所述预测轨迹。
16.一种预测车辆驶出口的装置，其特征在于，包括：获取模块和计算模块，
所述获取模块，用于获取目标车辆在目标路口内的第一位置和所述目标车辆的行驶方向；
所述获取模块，还用于获取与所述目标路口的N个驶出口分别关联的N个参考点，N为正整数；
所述获取模块，还用于根据所述第一位置、所述目标车辆的行驶方向和所述N个参考点，获取所述N个驶出口各自对应的似然度，所述似然度表示所述目标车辆从其对应的驶出口驶出所述目标路口的概率；
其中，针对驶出口K，所述驶出口K表示所述N个驶出口中的第K个驶出口，K为小于等于N的正整数，通过以下方法获得所述驶出口K对应的似然度：
所述获取模块，还用于以所述第一位置为起点，以驶出口K关联的参考点为终点，结合所述目标车辆的行驶方向生成预测轨迹；
所述获取模块，还用于根据所述第一位置和第二位置，获取所述预测轨迹上与所述第二位置对应的轨迹点，所述第二位置为所述目标车辆在所述目标路口内的第二位置；
所述计算模块，用于计算所述轨迹点与所述第二位置之间距离；
所述计算模块，还用于根据所述距离计算所述驶出口K对应的似然度；
所述获取模块，还用于获取所述N个驶出口中对应的似然度最大的驶出口作为所述目标车辆的驶出口。
17.根据权利要求16所述的装置，其特征在于，所述获取模块根据所述距离计算所述驶出口K对应的似然度包括：
Figure FDA0003145934300000041
其中，l表示所述距离，p表示似然度，μ，δ为通过以下方式得到的值：获取一段时间内经过所述目标路口的所有车辆的预测轨迹和实际轨迹，得到各车辆对应的轨迹点与所述第二位置之间的距离，对所述车辆对应的距离求均值得到μ，对所述车辆对应的距离求方差得到δ。
18.根据权利要求16所述的装置，其特征在于，
所述计算模块，还用于在所述获取模块所述根据所述距离计算所述驶出口K对应的似然度之前，计算所述轨迹点的切线方向与所述目标车辆行驶方向的夹角；
其中，所述获取模块根据所述距离计算所述驶出口K对应的似然度包括：
根据所述距离和所述夹角计算所述驶出口K对应的似然度。
19.根据权利要求18所述的装置，其特征在于，所述计算模块根据所述距离和所述夹角计算所述驶出口K对应的似然度包括：
Figure FDA0003145934300000042
其中，l表示所述距离，θ表示所述夹角，PK表示所述似然度，μ1，δ1，μ2和δ2为通过以下方式得到的值：获取一段时间内经过所述目标路口的所有车辆的预测轨迹和实际轨迹，进而得到各车辆对应的轨迹点与第二位置之间的距离，以及轨迹点的切线方向与目标车辆行驶方向的夹角，对所有车辆对应的距离求均值即得到μ1，对所有车辆对应的距离求方差即得到δ1，对所有车辆对应的夹角求均值即得到μ2，对所有车辆对应的夹角求方差即得到δ2。
20.根据权利要求16所述的装置，其特征在于，
所述计算模块在根据所述距离计算所述驶出口K对应的似然度之后，还用于根据所述似然度和所述N个驶出口各自对应的历史后验概率，计算所述驶出口K对应的后验概率，所述历史后验概率表示上一次计算得到的驶出口对应的后验概率；
其中，所述获取模块获取所述N个驶出口中对应的似然度最大的驶出口作为所述目标车辆的驶出口包括：获取所述N个驶出口中对应的后验概率最大的驶出口作为所述目标车辆的驶出口。
21.根据权利要求20所述的装置，其特征在于，所述计算模块根据所述似然度和所述N个驶出口各自对应的历史后验概率，计算所述驶出口K对应的后验概率包括：
根据所述N个驶出口各自对应的历史后验概率预测得到中间概率；
根据所述似然度和所述驶出口K对应的关联概率，更新所述中间概率得到所述后验概率。
22.根据权利要求21所述的装置，其特征在于，所述计算模块根据所述N个驶出口各自对应的历史后验概率预测得到中间概率包括：
Figure FDA0003145934300000043
其中，x表示所述目标车辆选择驶出口的事件，t表示与所述第二位置对应的时刻，t-1表示与所述第一位置对应的时刻，j表示所述N个驶出口中第j个驶出口，
Figure FDA0003145934300000051
表示中间概率，η表示归一化系数，
Figure FDA0003145934300000052
表示由t-1时所述目标车辆选择第j个驶出口到t时所述目标车辆选择所述驶出口K的第一状态转移概率，
Figure FDA0003145934300000053
表示t-1时第j个驶出口对应的后验概率；
所述计算模块根据所述似然度和所述驶出口K对应的关联概率，更新所述中间概率得到所述后验概率包括：
Figure FDA0003145934300000054
其中，
Figure FDA0003145934300000055
表示所述后验概率，
Figure FDA0003145934300000056
表示所述似然度，P(zK)表示所述关联概率，
Figure FDA0003145934300000057
表示所述中间概率。
23.根据权利要求22所述的装置，其特征在于，所述计算模块在根据所述似然度和所述驶出口K对应的关联概率，更新所述中间概率得到所述后验概率之前，还用于：
通过下面公式计算所述关联概率：
Figure FDA0003145934300000058
其中，P(zK)表示所述关联概率，N表示所述N个驶出口的数量。
24.根据权利要求23所述的装置，其特征在于，所述获取模块获取与所述目标路口的N个驶出口分别关联的N个参考点包括：
获取所述N个驶出口中各驶出口处的位置点作为与各自关联的参考点。
25.根据权利要求22所述的装置，其特征在于，所述获取模块获取与所述目标路口的N个驶出口分别关联的N个参考点包括：
获取从目标驶入口到所述N个驶出口中各个驶出口的N个参考车道，所述目标驶入口为所述目标车辆驶入所述目标路口的驶入口；
获取所述N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点。
26.根据权利要求25所述的装置，其特征在于，所述获取模块获取所述N个参考车道中各参考车道上的位置点，作为与各自所对应的驶出口关联的参考点包括：
针对所述N个参考车道中任一个参考车道H，获取所述参考车道H的车道中心点序列H，选取所述车道中心点序列H中一个点作为与所述参考车道H所对应的驶出口关联的参考点。
27.根据权利要求25所述的装置，其特征在于，所述获取模块获取从目标驶入口到所述N个驶出口中各个驶出口的N个参考车道包括：
从地图数据的先验参考车道中获取所述N个参考车道；
或者，
根据所述目标路口内的车流生成的从目标驶入口到所述N个驶出口中各个驶出口的动态参考车道，得到所述N个参考车道；
或者，
根据所述目标路口内的车流生成从目标驶入口到所述N个驶出口中各个驶出口的动态参考车道；
获取地图数据的先验参考车道；
利用所述动态参考车道修正所述先验参考车道，得到所述N个参考车道。
28.根据权利要求25所述的装置，其特征在于，在所述计算模块根据所述似然度和所述驶出口K对应的关联概率，更新所述中间概率得到所述后验概率之前，所述获取模块还用于：
根据所述目标车辆与参考车道的横向距离、相对角度，以及，所述目标车辆与所述目标路口的中心点的距离，得到关联概率，所述参考车道为从所述目标驶入口到所述驶出口K的参考车道。
29.根据权利要求28所述的装置，其特征在于，所述获取模块根据所述目标车辆与参考车道的横向距离、相对角度，以及，所述目标车辆与所述目标路口的中心点的距离，得到关联概率包括：
P(zK)＝f(l,θ,D)
其中，P(zK)表示所述关联概率，f表示函数，l表示所述目标车辆与参考车道的横向距离，θ表示所述目标车辆与参考车道的相对角度，D表示所述目标车辆与所述目标路口的中心点的距离。
30.根据权利要求16-29中任一项所述的装置，其特征在于，所述获取模块以所述第一位置为起点，以驶出口K关联的参考点为终点，结合所述目标车辆的行驶方向生成预测轨迹包括：
以所述第一位置为起点，以驶出口K关联的参考点为终点，结合所述目标车辆的行驶方向，使用贝塞尔曲线生成所述预测轨迹。
31.一种预测车辆驶出口的装置，其特征在于，包括处理器和存储器，其中：所述存储器中存储有计算机指令，所述处理器执行所述计算机指令，以实现如权利要求1-15任一项所述的预测车辆驶出口的方法。
32.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机可读存储介质中的计算机指令在计算机或处理器上运行时，使得所述计算机或所述处理器执行如权利要求1-15任一项所述的预测车辆驶出口的方法。
CN202080004203.1A 2020-03-04 2020-03-04 预测车辆驶出口的方法和装置 Active CN112534483B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/077801 WO2021174445A1 (zh) 2020-03-04 2020-03-04 预测车辆驶出口的方法和装置

Publications (2)

Publication Number Publication Date
CN112534483A CN112534483A (zh) 2021-03-19
CN112534483B true CN112534483B (zh) 2021-12-14

Family

ID=74977395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080004203.1A Active CN112534483B (zh) 2020-03-04 2020-03-04 预测车辆驶出口的方法和装置

Country Status (4)

Country Link
US (1) US20220398920A1 (zh)
EP (1) EP4030403A4 (zh)
CN (1) CN112534483B (zh)
WO (1) WO2021174445A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113879295B (zh) * 2020-07-02 2024-04-12 华为技术有限公司 轨迹预测方法及装置
CN113968243B (zh) * 2021-11-11 2024-02-23 北京三快在线科技有限公司 一种障碍物轨迹预测方法、装置、设备及存储介质
CN114973166B (zh) * 2022-07-26 2022-10-25 中诚华隆计算机技术有限公司 一种交通信息追踪方法、系统及计算机设备
CN115953752B (zh) * 2023-03-07 2023-07-21 中汽创智科技有限公司 一种车道参考线的提取方法、装置、电子设备及存储介质
CN116542402B (zh) * 2023-07-06 2023-10-03 北京大学 居民出行方式预测方法
CN116968733B (zh) * 2023-09-22 2024-02-27 国汽(北京)智能网联汽车研究院有限公司 车辆安全风险评估方法及其装置、设备、介质
CN117746640B (zh) * 2024-02-20 2024-04-30 云南省公路科学技术研究院 一种道路交通车流量滚动预测方法、系统、终端及介质

Family Cites Families (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008256620A (ja) * 2007-04-06 2008-10-23 Matsushita Electric Ind Co Ltd 地図データ修正装置、地図データ修正方法、及び地図データ修正プログラム
JP5124874B2 (ja) * 2008-03-12 2013-01-23 本田技研工業株式会社 車両走行支援装置、車両、車両走行支援プログラム
JP2010033352A (ja) * 2008-07-29 2010-02-12 Toyota Central R&D Labs Inc 車線変更警報装置及びプログラム
US8296065B2 (en) * 2009-06-08 2012-10-23 Ansaldo Sts Usa, Inc. System and method for vitally determining position and position uncertainty of a railroad vehicle employing diverse sensors including a global positioning system sensor
DE102012103134A1 (de) * 2011-04-12 2012-10-18 Conti Temic Microelectronic Gmbh Verfahren zur Warnung eines Fahrers eines Fahrzeugs vor rückwärtigem Verkehr
JP5831290B2 (ja) * 2012-02-28 2015-12-09 株式会社デンソー 分岐確率予測装置
CN103281742B (zh) * 2013-05-17 2016-03-09 南京邮电大学 基于自主获取道路信息车载自组织网络路由方法
US11036238B2 (en) * 2015-10-15 2021-06-15 Harman International Industries, Incorporated Positioning system based on geofencing framework
JP2014241036A (ja) * 2013-06-11 2014-12-25 三菱電機株式会社 車両運転支援装置
JP6299484B2 (ja) * 2014-06-26 2018-03-28 株式会社デンソー 衝突緩和装置、および衝突緩和プログラム
US9248834B1 (en) * 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
US9610945B2 (en) * 2015-06-10 2017-04-04 Ford Global Technologies, Llc Collision mitigation and avoidance
US9933269B2 (en) * 2015-06-22 2018-04-03 Here Global B.V. Midpoint-based map-agnostic navigation routing
WO2017002258A1 (ja) * 2015-07-02 2017-01-05 三菱電機株式会社 経路予測装置
US9784592B2 (en) * 2015-07-17 2017-10-10 Honda Motor Co., Ltd. Turn predictions
US9751506B2 (en) * 2015-10-27 2017-09-05 GM Global Technology Operations LLC Algorithms for avoiding automotive crashes at left and right turn intersections
US10152882B2 (en) * 2015-11-30 2018-12-11 Nissan North America, Inc. Host vehicle operation using remote vehicle intention prediction
KR102503253B1 (ko) * 2015-12-14 2023-02-22 현대모비스 주식회사 주변 차량 인지 시스템 및 방법
US11640168B2 (en) * 2016-08-31 2023-05-02 Faraday & Future Inc. System and method for controlling a driving system
KR101866075B1 (ko) * 2016-10-20 2018-06-08 현대자동차주식회사 차선 추정 장치 및 방법
EP3555876A4 (en) * 2016-12-19 2020-08-19 Thrugreen, LLC CONNECTED AND ADAPTIVE VEHICLE TRAFFIC MANAGEMENT SYSTEM WITH DIGITAL PRIORITIZATION
EP3573035A4 (en) * 2017-01-20 2020-01-08 Nissan Motor Co., Ltd. VEHICLE BEHAVIOR PREDICTION METHOD AND VEHICLE BEHAVIOR PREDICTION APPARATUS
KR102215325B1 (ko) * 2017-02-28 2021-02-15 현대자동차주식회사 차량의 위치 추정 장치 및 방법과 이를 이용한 차량
JP6610585B2 (ja) * 2017-03-13 2019-11-27 トヨタ自動車株式会社 衝突回避制御装置
CN108871355A (zh) * 2017-05-12 2018-11-23 北京搜狗科技发展有限公司 一种导航方法和装置、一种用于导航的装置
EP3667639A4 (en) * 2017-08-08 2021-05-19 Pioneer Corporation DEVICE AND METHOD OF DETERMINATION AS WELL AS PROGRAM
KR20190035159A (ko) * 2017-09-26 2019-04-03 삼성전자주식회사 차량 움직임 예측 방법 및 장치
KR101889085B1 (ko) * 2017-12-07 2018-08-16 렉스젠(주) 차량 궤적을 이용한 통행 정보 생성 장치 및 그 방법
JP6601696B2 (ja) * 2018-01-19 2019-11-06 本田技研工業株式会社 予測装置、予測方法、およびプログラム
US11126873B2 (en) * 2018-05-17 2021-09-21 Zoox, Inc. Vehicle lighting state determination
CN112203918B (zh) * 2018-05-31 2023-11-21 北美日产公司 轨迹规划
US11169531B2 (en) * 2018-10-04 2021-11-09 Zoox, Inc. Trajectory prediction on top-down scenes
US11195418B1 (en) * 2018-10-04 2021-12-07 Zoox, Inc. Trajectory prediction on top-down scenes and associated model
KR102132899B1 (ko) * 2018-10-08 2020-07-21 주식회사 만도 교차로에서의 경로 생성 장치 및 교차로에서의 차량 제어 장치 및 방법
US10553117B1 (en) * 2018-11-06 2020-02-04 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for determining lane occupancy of surrounding vehicles
DK201970148A1 (en) * 2018-12-10 2020-07-06 Aptiv Tech Ltd Motion graph construction and lane level route planning
US11505181B2 (en) * 2019-01-04 2022-11-22 Toyota Motor Engineering & Manufacturing North America, Inc. System, method, and computer-readable storage medium for vehicle collision avoidance on the highway
CN109878515B (zh) * 2019-03-12 2021-03-16 百度在线网络技术（北京）有限公司 预测车辆轨迹的方法、装置、存储介质和终端设备
CN109885066B (zh) * 2019-03-26 2021-08-24 北京经纬恒润科技股份有限公司 一种运动轨迹预测方法及装置
WO2020194017A1 (ja) * 2019-03-27 2020-10-01 日産自動車株式会社 移動体の挙動予測方法、挙動予測装置及び車両
CN110111566B (zh) * 2019-04-19 2021-07-06 腾讯科技（深圳）有限公司 轨迹预测方法、装置和存储介质
CN110211404B (zh) * 2019-06-30 2021-11-05 湖南华咨工程咨询有限公司 一种基于wifi无线的智能交通系统
US12077154B2 (en) * 2019-07-25 2024-09-03 Hitachi Astemo, Ltd Vehicle motion control device, vehicle motion control method, and vehicle motion control system
CN110400490B (zh) * 2019-08-08 2022-02-25 腾讯科技（深圳）有限公司 轨迹预测方法和装置
CN110789528B (zh) * 2019-08-29 2022-03-25 腾讯科技（深圳）有限公司 一种车辆行驶轨迹预测方法、装置、设备及存储介质
US11619945B2 (en) * 2019-09-30 2023-04-04 GM Cruise Holdings LLC. Map prior layer
US11529961B2 (en) * 2019-09-30 2022-12-20 GM Cruise Holdings LLC. Tracking object path in map prior layer
US11230285B2 (en) * 2019-10-14 2022-01-25 Pony Ai Inc. System and method for determining a vehicle action
CN110780289B (zh) * 2019-10-23 2021-07-30 北京信息科技大学 基于场景雷达的多目标车辆跟踪方法及装置
CN110796858A (zh) * 2019-10-24 2020-02-14 山东科技大学 一种基于视频过车数据的车辆轨迹预测方法及系统
KR20220168061A (ko) * 2021-06-15 2022-12-22 현대자동차주식회사 차량 제어 장치, 그를 포함한 시스템 및 그 방법

Also Published As

Publication number Publication date
CN112534483A (zh) 2021-03-19
EP4030403A4 (en) 2022-10-19
EP4030403A1 (en) 2022-07-20
US20220398920A1 (en) 2022-12-15
WO2021174445A1 (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN112534483B (zh) 预测车辆驶出口的方法和装置
CN110550029B (zh) 障碍物避让方法及装置
WO2022001773A1 (zh) 轨迹预测方法及装置
CN112512887B (zh) 一种行驶决策选择方法以及装置
CN113168708B (zh) 车道线跟踪方法和装置
US11120688B2 (en) Orientation-adjust actions for autonomous vehicle operational management
WO2021102955A1 (zh) 车辆的路径规划方法以及车辆的路径规划装置
WO2021238306A1 (zh) 一种激光点云的处理方法及相关设备
CN113492830B (zh) 一种车辆泊车路径规划方法及相关设备
JP2021504825A (ja) 自律走行車両運行管理計画
CN113460033A (zh) 一种自动泊车方法以及装置
CN113631452B (zh) 一种变道区域获取方法以及装置
CN110789533A (zh) 一种数据呈现的方法及终端设备
WO2022089577A1 (zh) 一种位姿确定方法及其相关设备
JP7604528B2 (ja) 車線境界線を検出するための方法、装置、およびコンピュータプログラム
CN112429016A (zh) 一种自动驾驶控制方法及装置
WO2022127502A1 (zh) 控制方法和装置
CN113954858A (zh) 一种规划车辆行驶路线的方法以及智能汽车
WO2022062825A1 (zh) 车辆的控制方法、装置及车辆
US20240017719A1 (en) Mapping method and apparatus, vehicle, readable storage medium, and chip
CN113963535B (zh) 行驶决策确定方法、装置、电子设备存储介质
WO2022022284A1 (zh) 目标物的感知方法及装置
CN114802250A (zh) 数据处理方法、装置、设备、自动驾驶车辆及介质
WO2023153083A1 (ja) 情報処理装置、情報処理方法、情報処理プログラム及び移動装置
WO2022041820A1 (zh) 换道轨迹的规划方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20241108

Address after: 518129 Huawei Headquarters Office Building 101, Wankecheng Community, Bantian Street, Longgang District, Shenzhen, Guangdong

Patentee after: Shenzhen Yinwang Intelligent Technology Co.,Ltd.

Country or region after: China

Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen

Patentee before: HUAWEI TECHNOLOGIES Co.,Ltd.

Country or region before: China