[发明专利]一种车辆轨迹预测方法及系统

说明书

本申请提供一种车辆轨迹预测方法及系统，包括：获取地图信息以及目标车辆的状态信息，其中所述状态信息包括所述目标车辆的航向角；根据所述地图信息和所述目标车辆的航向角生成行车场景的光栅图；将所述状态信息和所述光栅图输入预训练的预测模型，得到多条预测轨迹以及每条预测轨迹的置信度，将置信度最高的预测轨迹作为预测结果输出。本申请基于地图和车辆状态生成光栅图进行车辆多模态轨迹预测，可有效提高预测效率。

技术领域

本申请涉及无人驾驶领域，尤其涉及一种车辆轨迹预测方法及系统。

背景技术

在无人车的实际道路行驶中，无人车会与其它交通参与者进行频繁的交互，在这种交互过程中对环境信息进行分析理解可以为下游的决策规划和运动控制系统提供依据，在环境信息理解环节中，对自车及周报车辆未来行驶轨迹的预测是行业目前亟待解决的痛点。通过预测出车辆未来一定时间内的轨迹，可以对自车与周报车辆未来的交互行为(如碰撞、擦挂)进行预知，从而对本车的决策规划系统争取预判时间，避免危险的交互行为。同时对自车未来的安全驾驶路线给出建议，对决策规划系统提供分析辅助。因此，预测轨迹的算法研究对提示决策规划和运动控制系统的性能和安全性有着重要意义。

目前，车辆未来轨迹的预测方法主要分为两大类：

1)基于运动学模型的轨迹预测方法，该方法基于物理定律考虑了车辆的惯性、转向和施加的力，通过模拟车辆进行满足特定运动学模型的运动得到车辆未来短时间内的运动轨迹，比如将车辆在瞬时的转向看作匀速圆周运动来求解。该类方法完全基于物理自车和目标车辆的物理规律，而无视道路环境和与周边车辆的交互是该方法的致命缺陷，这导致了基于运动学模型的方法无法适应有复杂交互的真实路况，在复杂场景下的性能和安全性急剧下降。

2)基于深度学习的轨迹预测方法，现有单模态的深度学习轨迹预测方法在遇到交叉路口时，模型为了减少损失值会倾向于取两个出口路口方向的平均值作为输出轨迹，这使得无人车陷入危险的情况，因为上述取平均值生成的轨迹通常都会到达车辆不可行驶的区域。

发明内容

鉴于以上现有技术存在的问题，本申请提出一种车辆轨迹预测方法及系统，主要解决传统方法难以适应复杂的实际路况，难以满足实际驾驶需求的问题。

为了实现上述目的及其他目的，本申请采用的技术方案如下。

本申请提供一种车辆轨迹预测方法，包括：

获取地图信息以及目标车辆的状态信息，其中所述状态信息包括所述目标车辆的航向角；

根据所述地图信息和所述目标车辆的航向角生成行车场景的光栅图；

将所述状态信息和所述光栅图输入预训练的预测模型，得到多条预测轨迹以及每条预测轨迹的置信度，将置信度最高的预测轨迹作为预测结果输出。

在本申请一实施例中，根据所述地图信息和所述目标车辆的航向角生成行车场景的光栅图，包括：

获取所述地图信息中三层语义层，所述三层语义层包括可行驶区域层、人行道层以及交通参与者层；

为每一层语义层分配一个RGB值，不同层语义层的RGB值不同；

通过颜色空间对所述地图信息中的车道进行编码，为每个车道配置一个HSV颜色值，其中，根据所述目标车辆的航向角对应车道的航向角的差值确定所述HSV颜色值中的色调值；

将车道的HSV颜色值转换到RGB空间与所述三层语义层进行叠加，得到所述光栅图。

在本申请一实施例中，所述预测模型的预训练过程包括：

根据实际行车数据构建训练样本集，所述训练样本集中包含基于地图信息和车辆状态信息进行编码得到的样本光栅图；