【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其涉及一种基于概率的行人位置预测方法及装置。
技术介绍
1、在车辆的自动驾驶过程中，主车需要根据环境变化不断的对自己的轨迹和自己的速度进行规划。并且，因为是对未来时刻的规划，也就涉及到考虑未来时刻中主车与周边动态障碍物的交互行为，因此，自车规划控制流程中的重要一环，就是预测周边障碍物的行为。在现实中，行人是一种各个场景(除高速外)都很常见的动态类型障碍物，因此，行人的轨迹是重要的预测对象。
2、目前，对于行人的轨迹预测采用的方法是使用障碍物历史位置，结合地图以及其他行人轨迹组成一个多维度的输入信息，通过训练好的神经网络模型计算出未来一段时间内每个时刻的行人位置。在计算好行人的预测轨迹后，主车规划模块会将该轨迹绘制成st/sl图(速度时间曲线/横向纵向位置图)，并在该图上规划自车未来应该采用哪种轨迹以及轨迹上每个点的速度。
3、但是，采用上述预测方法，由于是使用多个位置点/概率点连接组成的轨迹来表示一个行人的运动路线，其不能很好地表示行人未来所在位置的不确定性，例如：当一个行人在t时刻被预测会处在位置a时，行人其实可能处在a附近的区域，或者，行人也可能在其他的时刻到达了a位置。这种时刻上和位置上表达的不准确，不但会带来安全性问题，还会带来舒适性问题，例如：自车可能会在某些场景里离行人过近，也可能在某些场景里因为不准确的预测线而做出减速或刹车去避让实际没有碰撞风险的障碍物。
技术实现思路
1、鉴于上述问题，本专利技术提供一种基于概率的行
2、为解决上述技术问题，本专利技术提出以下方案：
3、第一方面，本专利技术提供一种基于概率的行人位置预测方法，包括：
4、获取目标地理范围内的所有行人的目标历史位置数据；其中，所述目标地理范围为以车辆当前所在位置为原点，根据预设距离获取的地理范围；所述目标历史位置数据为行人当前时刻的位置数据和以行人当前时刻为起点按照预设时间间隔获取的预设数量的历史位置数据；
5、基于所述目标历史位置数据，利用预设lstm神经网络模型获取对应的二维高斯分布参数数值；
6、基于所述二维高斯分布参数数值，利用二维概率密度分布曲面获取地图全局上的预设置信度对应的概率区域作为所述行人在预设时间范围内的预测位置。
7、第二方面，本专利技术提供一种基于概率的行人位置预测装置，包括：
8、第一获取单元，用于获取目标地理范围内的所有行人的目标历史位置数据；其中，所述目标地理范围为以车辆当前所在位置为原点，根据预设距离获取的地理范围；所述目标历史位置数据为行人当前时刻的位置数据和以行人当前时刻为起点按照预设时间间隔获取的预设数量的历史位置数据；
9、第二获取单元，用于基于所述目标历史位置数据，利用预设lstm神经网络模型获取对应的二维高斯分布参数数值；
10、第三获取单元，用于基于所述二维高斯分布参数数值，利用二维概率密度分布曲面获取地图全局上的预设置信度对应的概率区域作为所述行人在预设时间范围内的预测位置。
11、为了实现上述目的，根据本专利技术的第三方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述第一方面所述基于概率的行人位置预测方法。
12、为了实现上述目的，根据本专利技术的第四方面，提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第二方面所述用于基于概率的行人位置预测装置的全部或部分步骤。
13、为了实现上述目的，根据本专利技术的第五方面，提供了一种车辆，包括上述第二方面所述基于概率的行人位置预测装置。
14、借由上述技术方案，本专利技术提供的基于概率的行人位置预测方法及装置，是由于目前的行人预测方法不能很好地表示行人未来所在位置的不确定性。为此，本专利技术通过将车辆周围的行人的一段时间内的历史位置数据通过训练好的lstm神经网络模型变换为二维高斯分布参数，然后构建二维概率密度分布曲面，再利用二维概率密度分布曲面获取地图全局上的预设置信度对应的概率区域作为该行人在预设时间范围内的预测位置。本专利技术可以实现利用行人的位置概率圈把行人预测里时间和空间的二维表示降维成一维的空间表示，即一个较大的需要避让的静态区域，能够实现充分表示行人未来所在位置的不确定性，同时提高了安全性和舒适性。
15、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种基于概率的行人位置预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述变换函数F(Input)＝OUT，式中，所述Input为(x，y)t-1，(x，y)t-2，(x，y)t-3，...(x，y)t-8∈R2*8，所述OUT为μx，μy，σx，σy，ρ∈R5；所述变换函数通过2*8个数字表示的历史位置信息输入计算出5个数字表示的高斯分布参数；
4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于所述目标历史位置数据，利用预设LSTM神经网络模型获取对应的二维高斯分布参数数值，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述二维高斯分布参数数值，利用二维概率密度分布曲面获取地图全局上的预设置信度对应的概率区域作为所述行人在预设时间范围内的预测位置，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.一种基于概率的行人位置预测装置，其特征在于，包括：
8.一种车
9.一种存储介质，所述存储介质包括存储的程序，其特征在于，在所述程序运行时控制所述存储介质所在设备执行权利要求1至权利要求6中任一项所述基于概率的行人位置预测方法。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至权利要求6中任一项所述基于概率的行人位置预测方法。
...【技术特征摘要】
1.一种基于概率的行人位置预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述变换函数f(input)＝out，式中，所述input为(x，y)t-1，(x，y)t-2，(x，y)t-3，...(x，y)t-8∈r2*8，所述out为μx，μy，σx，σy，ρ∈r5；所述变换函数通过2*8个数字表示的历史位置信息输入计算出5个数字表示的高斯分布参数；
4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于所述目标历史位置数据，利用预设lstm神经网络模型获取对应的二维高斯分布参数数值，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述二维高斯分布参数数值，利用二...
【专利技术属性】
技术研发人员：凌霄，
申请(专利权)人：合众新能源汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。