预测交通参与者的轨迹的方法、装置以及传感器系统制造方法及图纸

本申请涉及一种用于预测交通参与者的轨迹的计算机实现的方法。接收由至少一个车辆传感器在多个获取时间获取的传感器数据。基于所接收的传感器数据，针对每个获取时间确定交通参与者的至少一个运动参数的值。使用随机回归算法来预测交通参与者的轨迹，所述随机回归算法接收所确定的交通参与者的至少一个运动参数的值作为输入。数的值作为输入。数的值作为输入。

【技术实现步骤摘要】
预测交通参与者的轨迹的方法、装置以及传感器系统


[0001]本申请涉及一种用于预测交通参与者的轨迹的方法和装置。本申请还涉及一种传感器系统。

技术介绍

[0002]轨迹预测是现代驾驶员辅助系统的重要组成部分，对于自动驾驶至关重要。主要应用是车道估计、避免碰撞、防止车道偏离等。
[0003]轨迹预测通常在假定某些动态参数恒定的情况下进行。例如，可以假设在预测的时间间隔内速度保持恒定。此外，可以假定恒定的加速度，即，在关注的时间内车辆的加速度恒定。恒定转弯速率模型通过假设车辆的转弯速率或横摆速率恒定，来预测车辆的未来轨迹。
[0004]DE 10 2013 005 362 A1公开了一种用于分析交通状况的方法。以运动轨迹的形式预测未来的运动行为。
[0005]DE 10 2018 210 065 A1涉及一种用于控制车辆速度的装置。基于风险函数来控制车辆的加速。
[0006]EP 3 518 001 A1涉及一种用于提高基于多个检测点确定车辆位置的可靠性的方法。计算代表检测点数量的权重。
[0007]进一步的模型可能会降低测量的噪音，例如使用卡尔曼滤波器，或动态选择看似最合适的模型，例如使用切换的线性动态系统。

技术实现思路

[0008]本申请提供了一种根据本申请的一些方面的用于预测交通参与者的轨迹的方法和装置以及传感器系统。优选的实施例在其他方面中提出。
[0009]根据第一方面，本申请提供了一种用于预测交通参与者的轨迹的计算机实现的方法。接收由至少一个车辆传感器在多个获取时间获取的传感器数据。基于所接收的传感器数据，针对每个获取时间确定交通参与者的至少一个运动参数的值。使用随机回归算法来预测交通参与者的轨迹，所述随机回归算法接收所测量的交通参与者的至少一个运动参数的值作为输入。
[0010]根据第二方面，本申请提供了一种用于预测交通参与者的轨迹的装置，所述装置包括接口、存储器和计算机。所述接口适于接收由至少一个车辆传感器在多个获取时间获取的传感器数据。所述存储器适于存储接收到的传感器数据。所述计算机适于基于所接收的传感器数据来针对每个获取时间确定交通参与者的至少一个运动参数的值，并使用随机回归算法来预测交通参与者的轨迹，所述随机回归算法接收所确定的交通参与者的至少一个运动参数的值作为输入。
[0011]根据第三方面，本申请提供了一种用于车辆的传感器系统，其包括至少一个适于获取传感器数据的传感器，以及根据本申请的用于预测交通参与者的轨迹的装置。
[0012]本申请的优点
[0013]通常，当前测量的动力学参数在将来保持恒定的假设不成立。此外，将动力学参数设为常数的模型中的误差估计是基于探索式方法而不是严格的数学方法。因此，很难证明这些模型的误差估计是可靠的。
[0014]本申请的思想是应用一种随机回归算法，所述随机回归算法可以提供最佳轨迹估计，而无需假设车辆的任何运动参数是恒定的。与在预测过程中使用恒定参数的模型相比，随机回归算法仅利用交通参与者运动参数的概率分布的平稳性和关注的时间间隔。
[0015]根据用于预测交通参与者的轨迹的方法的实施例，交通参与者是车辆，并且车辆传感器是车辆的车辆传感器。根据该实施例，车辆自身的轨迹被预测。
[0016]根据用于预测交通参与者的轨迹的方法的另一实施例，交通参与者是除了具有车辆传感器的车辆之外的车辆、行人、骑自行车的人等。根据该实施例，其它交通参与者的轨迹被预测。
[0017]根据用于预测交通参与者的轨迹的方法的另一实施例，预测交通参与者的轨迹包括以下步骤：使用随机回归算法计算交通参与者的预测加速度，并且对交通参与者的预测加速度进行积分以计算交通参与者的预测轨迹。
[0018]根据用于预测交通参与者的轨迹的方法的另一实施例，随机回归算法是高斯回归算法。
[0019]根据用于预测交通参与者的轨迹的方法的另一实施例，所确定的交通参与者的至少一个运动参数的值包括针对每个获取时间用于交通参与者的位置、交通参与者的速度和交通参与者的加速度的值。
[0020]根据用于预测交通参与者的轨迹的方法的另一实施例，使用随机回归算法来计算交通参与者的预测轨迹的不确定度。随机回归算法的优点在于，不仅可以提供预测轨迹本身，而且可以提供精确且数学上正确的不确定度计算、即误差估计。因此，所述方法可以提供一定程度的确定性。两次接连测量之间的相关性越高，较早测量对较晚测量的影响就越大。换句话说，将来特定时间的动力学特性会受到过去测量的影响。通常，它们之间的时间差越大，影响就越小。高斯回归算法可以量化过去的测量值和未来的估计值之间的确定性。
[0021]根据用于预测交通参与者的轨迹的方法的另一实施例，交通参与者的预测轨迹和交通参与者的预测轨迹的不确定度被用于计算交通参与者发生事故的概率。万一发生事故的概率很高，可以触发自动紧急制动。
[0022]根据用于预测交通参与者的轨迹的方法的另一实施例，预测轨迹和预测轨迹的不确定度被用于估计交通参与者正在行驶的道路的道路拓扑。例如，可以利用至少一个车辆传感器来估计超出车辆视线的道路拓扑。其它交通参与者的预测轨迹可以被用于估计超出转弯、建筑物等的交通环境。
[0023]根据用于预测交通参与者的轨迹的方法的另一实施例，所述方法被针对多个交通参与者执行。多个交通参与者可以包括具有至少一个车辆传感器的车辆。多个交通参与者的轨迹被预测，其中，为了预测多个交通参与者的轨迹，考虑了多个交通参与者之间的可能的相互作用。例如，可以假定通过给事故低优先级来避免交通参与者之间的事故。通过排除可能导致事故的轨迹，从而可以减少多个交通参与者的可能轨迹。因此，交通参与者的驾驶任务被提前识别出。
[0024]根据用于预测交通参与者的轨迹的方法的另一实施例，传感器数据包括摄相机数据或雷达数据中的至少一个。
附图说明
[0025]图1示出了根据本申请的一个实施例的车辆的传感器系统的示意性框图。
[0026]图2示出了示例性交通场景，用于示出用于预测车辆周围的交通参与者的轨迹的方法。
[0027]图3示出了根据本申请的一个实施例的预测交通参与者的轨迹的方法的示意性流程图。
[0028]图4示出了根据图3的方法和恒定转弯速率模型的示例性的以米为单位的估计的平均误差；和
[0029]图5示出了根据图3的方法和恒定转弯速率模型的实际误差与预测的估计的标准偏差之比的标准偏差的示例性误差估计。
具体实施方式
[0030]在附图中，相同的附图标记表示对应的相似部分。
[0031]图1示出了车辆的传感器系统1的示意性框图。传感器系统1包括至少一个传感器3，其可以包括摄相机传感器、雷达传感器、激光雷达传感器、红外传感器等。传感器3在多个获取时间中的每个获取时间获取传感器数据。传感器数据可以包括摄相机图像、雷达图像等。
[0032]传感器系统1还包括用于预测交通参与者的轨迹的装置2。交通参与者可以是车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测交通参与者(4、5)的轨迹(T)的计算机实现的方法，其包括以下步骤：接收(S1)由至少一个车辆传感器(3)在多个获取时间获取的传感器数据；基于所接收的传感器数据，针对每个获取时间确定(S2)交通参与者(4、5)的至少一个运动参数的值；和使用随机回归算法预测(S3)交通参与者(4、5)的轨迹(T)，所述随机回归算法接收所确定的交通参与者(4、5)的至少一个运动参数的值作为输入。2.根据权利要求1所述的方法，其中，预测交通参与者(4、5)的轨迹(T)包括以下步骤：使用随机回归算法计算(S31)交通参与者(4、5)的预测加速度；和对预测加速度进行积分(S32)以计算交通参与者(4，5)的预测轨迹(T)。3.根据权利要求1或2所述的方法，其中，所述随机回归算法是高斯回归算法。4.根据前述权利要求中任一项所述的方法，其中，所确定的交通参与者(4、5)的至少一个运动参数的值包括针对每个获取时间用于交通参与者(4、5)的位置(x)、交通参与者(4、5)的速度(v)和交通参与者(4、5)的加速度(a)的值。5.根据前述权利要求中任一项所述的方法，其中，使用所述随机回归算法来计算交通参与者(4、5)的预测轨迹(T)的不确定度。6.根据权利要求5所述的方法...

【专利技术属性】
技术研发人员：P，
申请(专利权)人：罗伯特，
类型：发明
国别省市：