[发明专利]一种无人车位置预测方法及装置

权利要求书

1.一种无人车位置预测方法，其特征在于，包括：

在车辆周围存在参照物的情况下，获取参照物的位置信息和车辆的第一历史行驶状态信息；所述第一历史行驶状态信息包括：车辆的位置和偏航角；

基于参照物与车辆的空间关系构建车辆的观测方程，包括：根据参照物的位置信息，构建车辆与参照物距离的方程，以及车辆与参照物航向角的方程；通过所述车辆的预期车速与实际车速的偏差，构建车速的观测值方程；基于车辆与参照物距离的方程、车辆与参照物航向角的方程以及车速的观测值方程以及非高斯噪声，构建车辆的观测方程；

通过观测方程和车辆的第一历史行驶状态信息进行粒子滤波，预测车辆的未来位置信息；

在车辆周围不存在参照物的情况下，获取车辆在不同历史时刻的第二行驶状态信息，并通过马尔可夫模型和车辆在不同历史时刻的第二行驶状态信息，预测车辆未来位置；所述车辆在不同历史时刻的第二行驶状态信息包括：车辆的纵向车速和偏航角。

2.根据权利要求1所述的方法，其特征在于，所述通过观测方程和车辆的第一历史行驶状态信息进行粒子滤波，预测车辆的未来位置信息，包括：

构建车辆的第一运动学模型；所述第一运动学模型表征车辆质心的坐标、偏航角、期望车速、前轮角以及车辆轴距之间的关系；

通过所述运动学模型和车辆的第一历史行驶状态信息预测粒子的下一步行驶状态，得到每个粒子的行驶状态预测值；所述第一历史行驶状态信息包括车辆的位置和偏航角；

将每个粒子的行驶状态预测值输入到观测方程中，得到每个粒子的观测值；

获取车辆当前的观测值；所述观测值包括：当前车辆与周围物体的距离、当前车辆与周围物体的角度以及实际车速和预期车速的偏差；

通过车辆当前的观测值和粒子的预测值，计算粒子的权重；

基于粒子的权重对粒子进行筛选；

对于筛选后的粒子，返回执行通过所述运动学模型预测粒子的下一步状态，得到每个粒子的状态预测值。

3.根据权利要求1所述的方法，其特征在于，所述车辆周围不存在参照物的情况下，获取车辆在不同历史时刻的第二行驶状态信息，包括：

构建车辆的第二运动学模型；所述第二运动学模型表征车辆质心的坐标、偏航角和偏航角速度、车辆的轴距、车辆速度之间的关系；

通过所述第二运动学模型，获取车辆在不同历史时刻的第二行驶状态信息；所述不同历史时刻的行驶状态信息包括：车辆的纵向车速和偏航角速度。

4.根据权利要求1所述的方法，其特征在于，所述通过马尔可夫模型和车辆在不同历史时刻的第二行驶状态信息，预测车辆未来位置，包括：

通过所述车辆在不同历史时刻的第二行驶状态信息，构建变阶、变预测步长的马尔可夫模型；

通过变阶变预测步长的马尔可夫模型构建转移概率，并且确定约束条件；

依据所述转移概率以及约束条件以及动态滑动窗口理论，构建动态转移概率；

根据动态转移概率确定预测方程；

根据所述预测方程预测车辆的未来位置。