[发明专利]用于预测目标车辆的位置的系统和方法

说明书

公开了用于预测目标车辆的位置的系统和方法。处理器接收目标车辆的轨迹信息，并且基于轨迹信息确定轨迹特征。处理器还确定目标车辆的阈值附近区域内的车道的车道特征，并且基于轨迹特征和车道特征确定与车道相关的概率。基于所述概率确认车辆可进入的车道。处理器还可生成目标车辆与其它车辆之间的交互的交互特征。处理器基于车道特征和轨迹特征来预测目标车辆在即将到来的时间段的位置。在一些实施例中，交互特征也用于预测。

本申请要求于2019年12月10日提交的名称为“用于控制自主车辆的系统和方法(SYSTEM AND METHOD FOR CONTROLLING AUTONOMOUS VEHICLE)”的第62/946,284号美国临时申请和于2020年11月20日提交的第17/100,777号美国专利申请的优先权和权益，这些申请的全部内容通过引用包含于此。

技术领域

根据本公开的实施例的一个或多个方面涉及自主车辆，更具体地，涉及预测自主车辆的未来轨迹。

背景技术

自动驾驶车辆(自主车辆)从事各种任务，以在当前环境下安全地进行自我操纵。这样的任务之一是预测其未来轨迹以及周围车辆的轨迹。然而，由于未来的内在不确定性以及由车辆导航的环境的复杂性，轨迹预测通常可具有挑战性。由于驾驶员的意图通常确定轨迹，并且该意图可能被难以估计，因此轨迹预测也可具有挑战性。因此，期望具有一种处理自主车辆的轨迹预测的挑战性任务的系统和方法。

在本背景技术部分中公开的以上信息仅用于增强本公开的背景的理解，因此可包含不形成现有技术的信息。

发明内容

本公开的实施例针对一种用于预测目标车辆的位置的方法。处理器接收目标车辆的轨迹信息，并且基于轨迹信息确定轨迹特征。处理器还确定目标车辆的阈值附近区域内的车道的车道特征，并且基于轨迹特征和车道特征确定与车道相关的概率。基于所述概率确认车道。处理器基于车道特征和轨迹特征来预测目标车辆在即将到来的时间段的位置。

根据一个实施例，轨迹信息包括目标车辆的位置历史和速度历史。

根据一个实施例，确定轨迹特征的步骤包括：将位置历史编码成第一向量；将速度历史编码成第二向量；和联结第一向量和第二向量。

根据一个实施例，车道的信息包括从车道的中心采样的有序点的集合。

根据一个实施例，阈值附近区域包括距目标车辆的阈值半径。

根据一个实施例，确定车道特征的步骤包括：调用用于提取车道的一个或多个特征并将所述一个或多个特征存储在向量中的神经网络。

根据一个实施例，提取车道的所述一个或多个特征的步骤经由卷积神经网络。

根据一个实施例，确定与车道相关的概率的步骤包括：确定目标车辆将进入车道的概率。

根据一个实施例，处理器还接收第二车辆的第二轨迹信息；基于第二轨迹信息确定第二轨迹特征；并且基于轨迹特征和第二轨迹特征确定交互特征。可通过处理器基于车道特征、轨迹特征和交互特征来预测目标车辆的未来位置。

根据一个实施例，处理器还确定目标车辆的阈值附近区域内的第二车道的第二车道特征；并且基于轨迹特征和第二车道特征确定与第二车道相关的第二概率。通过处理器进行的预测可包括基于第二车道特征和轨迹特征来预测目标车辆在即将到来的时间段的第二位置。

本公开的实施例还针对一种用于预测目标车辆的位置的系统。所述系统包括：处理器和存储器。存储器存储指令，所述指令在被执行时使处理器：接收目标车辆的轨迹信息；基于轨迹信息确定轨迹特征；确定目标车辆的阈值附近区域内的车道的车道特征；基于轨迹特征和车道特征确定与车道相关的概率；基于所述概率确认车道；和基于车道特征和轨迹特征来预测目标车辆在即将到来的时间段的位置。