一种适用于智能驾驶车辆的关键目标选择方法及装置制造方法及图纸

本发明专利技术公开了一种适用于智能驾驶车辆的关键目标选择方法及装置。所述适用于智能驾驶车辆的关键目标选择方法，包括：根据智能驾驶车辆的运动状态轨迹和智能驾驶车辆所在车道的车道中心线轨迹，生成合成轨迹；分别根据每一融合目标与智能驾驶车辆的重叠度，计算每一融合目标的选择概率，得到各个融合目标的选择概率；根据所有融合目标的选择概率，将选择概率最高的融合目标作为关键目标。本发明专利技术能够在实际驾驶场景下稳定准确地选择关键目标。实际驾驶场景下稳定准确地选择关键目标。实际驾驶场景下稳定准确地选择关键目标。

【技术实现步骤摘要】
一种适用于智能驾驶车辆的关键目标选择方法及装置


[0001]本专利技术涉及智能驾驶
，尤其涉及一种适用于智能驾驶车辆的关键目标选择方法及装置。

技术介绍

[0002]随着高级驾驶辅助系统技术的不断发展，许多高端汽车都具有高级驾驶辅助功能，该类型的车辆一般搭载有摄像头、毫米波雷达、超声波雷达等传感器，这些传感器通常在融合后输出数十个目标的运动信息，往往需要从中筛选出一个最值得关注和持续跟踪的目标作为关键目标。
[0003]常用的关键目标选择方法主要可分为两类，一类是通过根据各个目标相对于本车的纵向距离、横向距离、纵向速度、横向速度来建立概率模型，求得各个目标的威胁度，以选择威胁度最高的目标作为关键目标，另一类是通过本车所在的车道线，或者是在车道线缺失情况下通过本车的运动状态计算本车的行驶边界线，选择行驶边界线内的目标作为关键目标。
[0004]在实际驾驶场景下，如果采用第一类方法，那么当本车沿车道线转弯时，车道线内的目标更具威胁性，而第一类方法没有考虑本车所在的车道线及本车的运动状态，容易选择距本车横向距离最近的正前方目标作为关键目标，出现关键目标选择错误的问题；如果采用第二类方法，那么当车道线内同时存在两辆车，一辆车压着车道线，离本车较近但不阻碍本车通行，一辆车在车道中间，离本车稍远时，容易出现难以选择关键目标的问题，以及当本车急转弯时，继续相信车道线的信息，而忽略急转弯轨迹上的车辆，容易出现关键目标选择错误的问题，发生碰撞风险。
[0005]综上，根据现有的关键目标选择方法，难以在实际驾驶场景下稳定准确地选择关键目标。

技术实现思路

[0006]为了克服现有技术的缺陷，本专利技术提供一种适用于智能驾驶车辆的关键目标选择方法及装置，能够在实际驾驶场景下稳定准确地选择关键目标。
[0007]为了解决上述技术问题，第一方面，本专利技术的实施例提供一种适用于智能驾驶车辆的关键目标选择方法，包括：根据所述智能驾驶车辆的运动状态轨迹和所述智能驾驶车辆所在车道的车道中心线轨迹，生成合成轨迹；分别根据每一融合目标与所述智能驾驶车辆的重叠度，计算每一所述融合目标的选择概率，得到各个所述融合目标的选择概率；根据所有所述融合目标的选择概率，将选择概率最高的所述融合目标作为关键目标。
[0008]进一步地，在所述根据所述智能驾驶车辆的运动状态轨迹和所述智能驾驶车辆所
在车道的车道中心线轨迹，生成合成轨迹之前，还包括：从所述智能驾驶车辆的CAN信号中提取所述智能驾驶车辆的车速和角速度，根据所述车速和所述角速度，得到所述运动状态轨迹；获取所述智能驾驶车辆所在车道的左车道线轨迹和右车道线轨迹，根据所述左车道线轨迹和所述右车道线轨迹，得到所述车道中心线轨迹。
[0009]进一步地，所述根据所述智能驾驶车辆的运动状态轨迹和所述智能驾驶车辆所在车道的车道中心线轨迹，生成合成轨迹，具体为：对所述运动状态轨迹和所述车道中心线轨迹进行动态加权平均，得到所述合成轨迹。
[0010]进一步地，所述分别根据每一融合目标与所述智能驾驶车辆的重叠度，计算每一所述融合目标的选择概率，得到各个所述融合目标的选择概率，具体为：对于每一所述融合目标，根据所述融合目标与所述合成轨迹之间的距离，计算所述融合目标与所述智能驾驶车辆的重叠度，并根据所述融合目标与所述智能驾驶车辆的重叠度，计算所述融合目标的选择概率，得到各个所述融合目标的选择概率。
[0011]进一步地，所述运动状态轨迹为：；其中，v0为所述车速，ω为所述角速度，t为时间；所述车道中心线轨迹为：；其中，c0= (a0+ b0)/2，c1= (a1+ b1)/2，c
2 = (a2+ b2)/2，c
3 = (a3+ b3)/2，a0、a1、a2、a3为所述左车道线轨迹中的系数，b0、b1、b2、b3为所述右车道线轨迹中的系数。
[0012]进一步地，所述合成轨迹为：；其中，Weight(t)为分段可微分函数，
，t0为第一预设时间阈值，t1为第二预设时间阈值，d0、d1、d2、d3满足，v0、ω分别为所述运动状态轨迹中的所述智能驾驶车辆的速度和角速度，c0、c1、c2、c3为所述车道中心线轨迹中的系数，t为时间。
[0013]进一步地，所述融合目标与所述合成轨迹之间的距离为：；其中，x0为所述融合目标在车辆坐标系下的X轴坐标，y0为所述融合目标在车辆坐标系下的Y轴坐标，x_traj(t)为所述合成轨迹在t时间的X轴坐标，y_traj(t)为所述合成轨迹在t时间的Y轴坐标。
[0014]进一步地，所述融合目标与所述智能驾驶车辆的重叠度为：；其中，W
ego
为所述智能驾驶车辆的车宽，W
target
为所述融合目标的车宽，distance_to_traj为所述融合目标与所述合成轨迹之间的距离。
[0015]进一步地，所述融合目标的选择概率为：；其中，f为所述融合目标与所述智能驾驶车辆的重叠度，L为纵向相对距离影响因
子，，x0为所述融合目标在车辆坐标系下的X轴坐标。
[0016]第二方面，本专利技术一实施例提供一种适用于智能驾驶车辆的关键目标选择装置，包括：合成轨迹生成模块，用于根据所述智能驾驶车辆的运动状态轨迹和所述智能驾驶车辆所在车道的车道中心线轨迹，生成合成轨迹；选择概率计算模块，用于分别根据每一融合目标与所述智能驾驶车辆的重叠度，计算每一所述融合目标的选择概率，得到各个所述融合目标的选择概率；关键目标选择模块，用于根据所有所述融合目标的选择概率，将选择概率最高的所述融合目标作为关键目标。
[0017]本专利技术的实施例，具有如下有益效果：通过根据智能驾驶车辆的运动状态轨迹和智能驾驶车辆所在车道的车道中心线轨迹，生成合成轨迹，分别根据每一融合目标与智能驾驶车辆的重叠度，计算每一融合目标的选择概率，得到各个融合目标的选择概率，根据所有融合目标的选择概率，将选择概率最高的融合目标作为关键目标，完成选择关键目标。相比于现有技术，本专利技术的实施例通过根据运动状态轨迹和车道中心线轨迹，生成更符合车辆实际运动路径的合成轨迹，根据融合目标与智能驾驶车辆的重叠度来计算融合目标的选择概率，更好地反映融合目标对智能驾驶车辆的威胁程度，从而能够在实际驾驶场景下稳定准确地选择关键目标。
附图说明
[0018]图1为本专利技术第一实施例中的一种适用于智能驾驶车辆的关键目标选择方法的流程示意图；图2为本专利技术第一实施例中示例的运动状态轨迹、车道中心线轨迹和合成轨迹的示意图；图3为本专利技术第一实施例中示例的车辆坐标系的示意图；图4为本专利技术第二实施例中的一种适用于智能驾驶车辆的关键目标选择装置的结构示意图。
具体实施方式
[0019]下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于智能驾驶车辆的关键目标选择方法，其特征在于，包括：根据所述智能驾驶车辆的运动状态轨迹和所述智能驾驶车辆所在车道的车道中心线轨迹，生成合成轨迹；分别根据每一融合目标与所述智能驾驶车辆的重叠度，计算每一所述融合目标的选择概率，得到各个所述融合目标的选择概率；根据所有所述融合目标的选择概率，将选择概率最高的所述融合目标作为关键目标。2.如权利要求1所述的适用于智能驾驶车辆的关键目标选择方法，其特征在于，在所述根据所述智能驾驶车辆的运动状态轨迹和所述智能驾驶车辆所在车道的车道中心线轨迹，生成合成轨迹之前，还包括：从所述智能驾驶车辆的CAN信号中提取所述智能驾驶车辆的车速和角速度，根据所述车速和所述角速度，得到所述运动状态轨迹；获取所述智能驾驶车辆所在车道的左车道线轨迹和右车道线轨迹，根据所述左车道线轨迹和所述右车道线轨迹，得到所述车道中心线轨迹。3.如权利要求1所述的适用于智能驾驶车辆的关键目标选择方法，其特征在于，所述根据所述智能驾驶车辆的运动状态轨迹和所述智能驾驶车辆所在车道的车道中心线轨迹，生成合成轨迹，具体为：对所述运动状态轨迹和所述车道中心线轨迹进行动态加权平均，得到所述合成轨迹。4.如权利要求1所述的适用于智能驾驶车辆的关键目标选择方法，其特征在于，所述分别根据每一融合目标与所述智能驾驶车辆的重叠度，计算每一所述融合目标的选择概率，得到各个所述融合目标的选择概率，具体为：对于每一所述融合目标，根据所述融合目标与所述合成轨迹之间的距离，计算所述融合目标与所述智能驾驶车辆的重叠度，并根据所述融合目标与所述智能驾驶车辆的重叠度，计算所述融合目标的选择概率，得到各个所述融合目标的选择概率。5.如权利要求2所述的适用于智能驾驶车辆的关键目标选择方法，其特征在于，所述运动状态轨迹为：；其中，v0为所述车速，ω为所述角速度，t为时间；所述车道中心线轨迹为：；其中，c0= (a0+ b0)/2，c1= (a1+ b1)/2，c
2 = (a2+ b2)/2，c
3 = (a3+ b3)/2...

【专利技术属性】
技术研发人员：杨京锟，刘国清，杨广，王启程，
申请(专利权)人：深圳佑驾创新科技有限公司，
类型：发明
国别省市：