轨迹预测方法、装置、电子设备及可读存储介质与流程

本技术涉及轨迹规划，特别是涉及一种轨迹预测方法、装置、电子设备及可读存储介质。

背景技术：

1、目前，障碍物的轨迹预测是无人驾驶领域中一个重要技术。在现有技术中，利用传感器采集障碍物的位置、航向、速度等行驶数据，来生成预测轨迹。然而，仅以障碍物的实时行驶数据预测轨迹，容易忽略路口等道路结构对行驶轨迹的影响，难以预判障碍物在路口行驶情况，使得轨迹预测可靠性较差，进而导致无人驾驶风险增加。

技术实现思路

1、有鉴于此，本技术提供了一种轨迹预测方法、装置、电子设备及可读存储介质，主要目的在于解决现有技术中仅以障碍物的实时行驶数据预测轨迹，难以预判障碍物在路口行驶情况，使得轨迹预测可靠性较差的技术问题。

2、依据本技术第一方面，提供了一种轨迹预测方法，该方法包括：

3、获取障碍物的实时行驶数据、障碍物在上一轮预测动作中的历史行驶数据和历史预测数据；

4、根据障碍物的实时行驶数据、历史行驶数据和历史预测数据，确定障碍物在多个目标车道上的多个有效预测轨迹；

5、获取每个有效预测轨迹对应的轨迹置信度；

6、在多个有效预测轨迹中，确定最大轨迹置信度对应的有效预测轨迹为障碍物的最优预测轨迹。

7、可选地，获取障碍物的实时行驶数据、障碍物在上一轮预测动作中的历史行驶数据和历史预测数据的步骤，具体包括：

8、获取行驶车辆在高精度地图上的位置信息；

9、以行驶车辆的所在位置为原点，预设距离为半径，在高精度地图上生成目标圆形区域；

10、获取目标圆形区域内的多个目标车道的多个曲率值；

11、获取多个目标车道上的障碍物的身份标识、第一位置坐标数据和实时行驶数据，其中，实时行驶数据包括：实时行驶速度、实时加速度和实时航向角；

12、根据身份标识，在上一轮预测动作对应的多个存储数据中，获取障碍物在上一轮预测动作中的历史行驶数据和历史预测数据；

13、其中，历史行驶数据包括障碍物在上一轮预测动作中的历史行驶速度、历史加速度和历史航向角；历史预测数据包括障碍物在上一轮预测动作中的多个历史预测轨迹，以及每个历史预测轨迹的历史轨迹置信度。

14、可选地，根据障碍物的实时行驶数据、历史行驶数据和历史预测数据，确定障碍物在多个目标车道上的多个有效预测轨迹的步骤，具体包括：

15、将障碍物的实时行驶数据、历史行驶数据和历史预测数据输入预设轨迹预测模型中，输出障碍物在多个目标车道上的多个预测轨迹，以及每个预测轨迹对应的预测置信度；

16、获取每个预测轨迹的意图类型；

17、对于任一预测轨迹，若意图类型为直行类型，确定预测轨迹为有效轨迹；

18、若意图类型为转弯类型或掉头类型，获取障碍物在预测轨迹中的最小减速距离、障碍物与预测轨迹上距离最近的转弯点之间的欧式距离、障碍物在转弯前的最大纵向减速度；

19、若障碍物与转弯点之间的欧式距离小于最小减速距离和/或障碍物的实时加速度大于障碍物在转弯前的最大纵向减速度，确定预测轨迹为无效预测轨迹；

20、若障碍物与转弯点之间的欧式距离大于或等于最小减速距离，且障碍物的实时加速度小于或等于障碍物在转弯前的最大纵向减速度，确定预测轨迹为有效预测轨迹。

21、可选地，获取障碍物在预测轨迹中的最小减速距离、障碍物与预测轨迹上距离最近的转弯点之间的欧式距离、障碍物在转弯前的最大纵向减速度的步骤，具体包括：

22、获取预测轨迹上，与障碍物距离最近的转弯点的第二位置坐标；

23、根据第一位置坐标和第二位置坐标，确定障碍物到转弯点之间的欧式距离；

24、获取障碍物在预测轨迹上的转弯处的最大向心加速度和转弯前的最大纵向减速度；

25、根据转弯处的最大向心加速度、预测轨迹所在车道的曲率值、实时行驶速度、转弯前的最大纵向减速度，确定障碍物在预测轨迹上的转弯速度和最小减速距离。

26、可选地，根据转弯处的最大向心加速度、预测轨迹所在车道的曲率值、实时行驶速度、转弯前的最大纵向减速度，确定障碍物在预测轨迹上的转弯速度和最小减速距离的步骤，具体包括：

27、利用转弯向心加速度和预测轨迹所在车道的曲率值，计算障碍物在预测轨迹上的转弯速度；

28、若转弯速度大于障碍物的实时行驶速度，将实时行驶速度作为障碍物在预测轨迹上的转弯速度；

29、利用障碍物的转弯速度、实时行驶速度和转弯前最大纵向减速度，计算障碍物在预测轨迹上的最小减速距离。

30、可选地，获取每个有效预测轨迹对应的轨迹置信度的步骤，具体包括：

31、对于任一有效预测轨迹，获取预设航向角偏差计算权重值，有效预测轨迹上预设时刻对应的目标位置的目标航向角；

32、利用障碍物的实时航向角、历史航向角、目标航向角和预设航向角偏差计算权重值，计算出有效预测轨迹对应的航向角偏差置信度；

33、获取预设速度偏差计算权重值；

34、利用障碍物的实时行驶速度、历史行驶速度、实时加速度、历史加速度和障碍物与转弯点之间的欧式距离，计算出障碍物到达转弯点的行驶速度；

35、利用障碍物在有效预测轨迹上的转弯速度、障碍物到达转弯点的行驶速度和预设速度偏差计算权重值，计算出有效预测轨迹对应的速度偏差置信度；

36、获取障碍物在上一轮预测动作中的预设置信度计算权重值；

37、获取有效预测轨迹与多个历史预测轨迹之间的多个相似度；

38、在多个历史预测轨迹中，确定相似度最高的目标历史预测轨迹；

39、利用有效预测轨迹对应的预测置信度、目标历史预测轨迹的历史轨迹置信度和预设置信度计算权重值，计算有效预测轨迹对应的连续预测置信度；

40、将航向角偏差置信度、速度偏差置信度和连续预测置信度相加，得到有效预测轨迹的轨迹置信度。

41、可选地，根据身份标识，在上一轮预测动作对应的多个存储数据中，获取障碍物在上一轮预测动作中的历史行驶数据和历史预测数据之前，还包括：

42、根据障碍物的身份标识，判断多个存储数据中是否存储障碍物的历史数据；

43、若多个存储数据中未存储障碍物的历史数据，将障碍物的实时行驶速度、实时加速度和实时航向角输入预设轨迹预测模型，输出多个预测轨迹，以及每个预测轨迹的预测置信度；

44、在多个预测轨迹中，确定最大预测置信度对应的预测轨迹为障碍物的最优预测轨迹。

45、依据本技术第二方面，提供了一种轨迹预测装置，该装置包括：

46、第一获取模块，用于获取障碍物的实时行驶数据、障碍物在上一轮预测动作中的历史行驶数据和历史预测数据；

47、第一确定模块，用于根据障碍物的实时行驶数据、历史行驶数据和历史预测数据，确定障碍物在多个目标车道上的多个有效预测轨迹；

48、第二获取模块，用于获取每个有效预测轨迹对应的轨迹置信度；

49、第二确定模块，用于在多个有效预测轨迹中，确定最大轨迹置信度对应的有效预测轨迹为障碍物的最优预测轨迹。

50、依据本技术第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述方法的步骤。

51、依据本技术第四方面，提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

52、借由上述技术方案，本技术提供的一种轨迹预测方法、装置、电子设备及可读存储介质，具体地，监测到自动驾驶车辆附近的障碍物车辆后，采集障碍物的实时行驶数据的同时，结合障碍物在前一轮预测动作中的历史行驶数据和历史轨迹数据，生成障碍物在本轮预测动作中的多条预测轨迹，对多条预测轨迹进行有效性验证，得到多条有效预测轨迹。其后，基于每条有效预测轨迹对应的意图类型，确定每条有效预测轨迹的轨迹置信度，最终将轨迹置信度最大的有效预测轨迹作为本轮预测动作的最优预测轨迹。相较于现有技术中仅以障碍物的实时行驶数据进行轨迹预测的预测方式，本技术获取障碍物在复杂道路环境中多种意图类型下的多条预测轨迹的有效性和轨迹置信度，进而根据多条预测轨迹的有效性和轨迹置信度，确定障碍物的最优预测轨迹，确保预测的移动轨迹符合复杂的道路情况，提高预测轨迹的准确性和可靠性。

53、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。