[发明专利]车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法

说明书

本发明公开了一种车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法，基于车辆动力学模型，设计传感器滤波融合估计算法和卡尔曼预报器，估计、预测车辆的运动和位姿；结合目标轨迹，根据实际轨迹控制器设计预测用的轨迹控制算法、预测下一步控制动作，输入卡尔曼预报器，获得下一步预测结果，然后估计和预测车辆模型干扰，进一步修正轨迹预测结果，并重复直至完成剩余步数的轨迹预测；根据车辆位姿预测和目标轨迹，计算车辆角点与目标轨迹车道线距离的预测值与预测误差的方差，评估得到车辆轨迹偏离危险度。本发明可克服传统算法限定条件严格、未考虑闭环控制引起的准确度不足，提高车辆轨迹预测精度，得到的轨迹偏离危险度可用于自动驾驶紧急干预的依据。

技术领域

本发明属于智能网联车辆技术领域，尤其涉及一种车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法。

背景技术

车辆以安全、舒适的状态行驶在预期车道位置，是驾驶中的核心任务，是目前车道偏离预警系统(LDW，Lane Departure Warning)、车道保持辅助系统(LKA，Lane KeepingAssist)、车道中心保持辅助系统(LCA，Lane CenteringAssist)等先进驾驶辅助系统(ADAS，Advanced Driving Assistance System)的目标，也是自动驾驶(ADS，AutomatedDriving system)中的核心目标之一。在这些ADAS、ADS系统中，车辆行驶轨迹的估计或预测方法是系统能按照预期计划实现偏离预警、纠偏干预、自动循迹驾驶的关键。

目前在车辆的车道偏离预警系统或者车道保持辅助系统的研究内容中，对于车辆是否会在未来一段时间内有驶离车道风险的决策手段主要有：基于车辆轮胎跨越车道线的时间TLC(Time to Line Crossing)的方法、基于未来偏移量差异FOD(Future OffsetDifference)的方法，以及基于车道线夹角大小关系的方法。其中，基于TLC的方法假设车辆保持现有的航向角不变或保持现有的前轮转角不变，使用直线轨迹或者圆轨迹来近似车辆未来的行驶轨迹，并计算车辆当前位置距离轨迹与车道线的交点的距离，用这个距离除以车辆的当前车速得到TLC，当TLC小于阈值时发出报警。基于FOD的方法考虑了驾驶人的个人驾车习惯，在绘制虚拟的车道边界时添加了驾驶人自然转向时习惯的偏移量。基于车道线夹角大小关系的方法主要基于对图像的处理，首先将摄像头拍摄的图片经过一定的后处理获得左右车道线在图像中的位姿信息，然后比较左右车道线与水平线的夹角，若左车道线与水平线的夹角持续增大且右车道线与水平线的夹角持续减小，则说明车辆正在向左偏离车道中心，当左车道线与水平线的夹角增大到某一阈值时，则判定车辆将要驶离车道，同理对右车道线亦然。

比较而言，基于TLC的方法的假设条件过于理想，若车辆的航向角或者车速在预测时域内发生改变，则该方法决策的结果就会出现误差；对于基于FOD的方法，虽然该方法考虑了驾驶人的驾驶习惯，实验也证明了这个方法能有效地降低预警地误报率，但是该方法与基于TLC方法相似，基于车速保持不变的假设，与实际可能不符；对于基于车道线夹角大小关系的方法，该方法的有效性依赖于车辆的位姿、车道线形状等因素，通用性差，而且无法对未来的情况进行预测。

总结来看，已有的轨迹预测方法存在上述诸多不足，此外均未考虑包括车道保持控制、车道循迹控制等车辆自有ADAS/ADS系统所搭载的闭环控制算法，因此在实际精度方面存在严重不足，无法作为ADAS/ADS高精度轨迹预测所用，更无法用于监督ADAS/ADS系统是否安全运行。

另一方面，车载传感器的发展趋势表明，未来车辆将会搭载除了摄像头之外的高精地图、组合惯性导航、高精度定位等先进传感器，这为更精确、及时的车辆轨迹预测算法开发提供了新的可能。利用自动驾驶车辆搭载的高精地图、摄像头与GNSS/IMU(组合惯性导航，Global Navigation Satellite System/Inertial Measurement Unit))共同对车道线、本车位置进行感知，并进行一定的数据融合，就可以获得较为准确的车道线位姿信息与车辆位置的一个置信区域。

发明内容