[发明专利]一种车辆轨迹预测方法、装置、芯片、终端和计算机设备

说明书

本申请提供了一种车辆轨迹预测方法、装置、芯片、终端和计算机设备，涉及非电变量的控制或调整系统技术领域。该方法包括：根据不同行驶时刻车辆的大地坐标，确定相对于起始时刻的车体坐标系的相对坐标系；获取不同行驶时刻车辆在相对坐标系下的横向位移、纵向速度以及纵向加速度，并根据横向位移、纵向速度以及纵向加速度，生成观测状态序列；基于观测状态序列和不同行驶行为对应的行为识别模型，对车辆的行驶行为进行识别；基于观测状态序列和预设多项式，生成不同行驶行为的轨迹曲线集合，以及在不同行驶行为的轨迹曲线集合中，确定与识别到的车辆的行驶行为对应的目标轨迹曲线集合；根据观测状态序列在目标轨迹曲线集合中确定车辆的轨迹曲线。

技术领域

本申请涉及非电变量的控制或调整系统技术领域，尤其是涉及到一种车辆轨迹预测方法、车辆轨迹预测装置、芯片、终端、计算机设备和计算机可读存储介质。

背景技术

无人驾驶技术是智能矿山的研究热点，无人驾驶技术包括感知、轨迹预测、运动规划、控制等。轨迹预测作为无人驾驶预测的关键技术之一，预测结果的实时性和准确性将直接决定无人驾驶车辆和交通参与者的安全。轨迹预测在结构化道路场景下有比较确定的场景研究，例如换道轨迹预测、十字路口轨迹预测等，并且针对这些特定的场景有高精度地图信息作为预测信息的参考。而在矿山这种非结构化场景下，道路的结构类型复杂，包括S弯、U型弯、装载区、卸载区、不同形状的交叉路口等道路结构，因此车辆的行驶行为也很复杂。

相关技术中，针对矿山这种非结构化场景下的轨迹预测包括：

方法一，基于车辆运动学模型进行轨迹预测的方法，该方法为常用的非结构化轨迹预测方法，但是该方法在短期预测较为有效，长期预测的结果数据波动较大。

方法二，基于虚拟车道、车辆换道数据、车辆轨迹数据等数据和预设估计模型，进行换道估计预测。但是，由于矿区道路宽度和道路边界不确定，并且有装载区、卸载区等空旷场地，无法采用虚拟车道的方式获取换道数据；同时车辆行驶行为不仅有换道行为，还存在U型掉头、S弯行驶等，因此该方法无法覆盖所有矿区车辆的行驶行为。

发明内容

有鉴于此，本申请提供了一种车辆轨迹预测方法、车辆轨迹预测装置、芯片、终端、计算机设备和计算机可读存储介质，实现了在矿区环境下不依赖道路和环境信息，实时、高效、稳定地预测长期车辆的轨迹。

第一方面，本申请实施例提供了一种车辆轨迹预测方法，包括：根据不同行驶时刻车辆的大地坐标和航向角，确定相对于起始时刻的车体坐标系的相对坐标系；获取不同行驶时刻车辆在相对坐标系下的横向位移、纵向速度以及纵向加速度，并根据横向位移、纵向速度以及纵向加速度，生成观测状态序列；基于观测状态序列和不同行驶行为对应的行为识别模型，对车辆的行驶行为进行识别；基于观测状态序列和预设多项式，生成不同行驶行为的轨迹曲线集合，以及在不同行驶行为的轨迹曲线集合中，确定与识别到的车辆的行驶行为对应的目标轨迹曲线集合；根据观测状态序列在目标轨迹曲线集合中确定车辆的轨迹曲线。

根据本申请实施例的上述车辆轨迹预测方法，还可以具有以下附加技术特征：

在上述技术方案中，可选地，根据不同行驶时刻车辆的大地坐标和航向角，确定相对于起始时刻车体坐标系的相对坐标系，包括：获取车辆在大地坐标系下的不同行驶时刻的大地坐标和航向角，并根据大地坐标和航向角生成坐标变换矩阵；根据坐标变换矩阵，得到车辆相对于起始时刻的车体坐标系下的相对坐标和航向角；当航向角在连续时间内的变化量均小于第一阈值时，以当前时刻的车体坐标系为相对坐标系；当航向角在连续时间内的至少一个变化量大于第一阈值时，以当前时刻的前一时刻的车体坐标系为相对坐标系。

在上述任一技术方案中，可选地，获取不同行驶时刻车辆在相对坐标系下的横向位移、纵向速度以及纵向加速度，包括：获取不同行驶时刻车辆在相对坐标系下的相对坐标的横向位移和纵向位移；根据纵向位移和时间间隔，求取不同行驶时刻的纵向速度和纵向加速度。