(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010197477.9
(22)申请日 2020.03.19
(66)本国优先权数据
201911026823.0 2019.10.26 CN
(71)申请人 华为技术有限公司
地址 518129 广东省深圳市龙岗区坂田华
为总部办公楼
(72)发明人 申泽庶
(51)Int.Cl.
G08G 1/16(2006.01)
G08G 1/0967(2006.01)
G06K 9/32(2006.01)
G06K 9/62(2006.01)
H04W 4/46(2018.01)
H04W 4/44(2018.01)
(54)发明名称
(57)摘要
本申请公开了一种预测运动轨迹的方法，涉
获取第一目标的N条运动轨迹，该N条运动轨迹由
N个设备提供，N为正整数；根据N条运动轨迹的类
型，确定第一目标的被应用的运动轨迹，其中，第
一目标的被应用的运动轨迹用于智能汽车的行
驶决策。通过上述方法获得的第一目标的被应用
的运动轨迹准确性更高，进一步地提高了智能汽
车行驶的安全性。权利要求书3页 说明书16页 附图4页CN 112712729 A 2021.04.27
C N 112712729
A
1.一种预测运动轨迹的方法，其特征在于，所述方法应用于智能汽车，包括：
获取第一目标的N条运动轨迹，所述N条运动轨迹由N个设备提供，N为正整数；
根据所述N条运动轨迹的类型，确定所述第一目标的被应用的运动轨迹，所述第一目标的被应用的运动轨迹用于所述智能汽车的行驶决策。
2.如权利要求1所述的方法，其特征在于，所述N条运动轨迹来自所述N个设备提供的N 个运动轨迹集，每个运动轨迹集包含每个设备收集的M个目标的运动轨迹，M为正整数。
3.如权利要求1或2所述的方法，其特征在于，
运动轨迹的类型包括预测轨迹类型和规划轨迹类型，其中，所述预测轨迹类型表示所述运动轨迹为设备根据目标的信息进行预测获得的运动轨迹；所述规划轨迹类型表示所述运动轨迹为所述目标进行轨迹规划获得的运动轨迹。
4.如权利要求1-3任一项所述的方法，其特征在于，
根据所述N条运动轨迹的类型，确定所述第一目标的被应用的运动轨迹，包括：
当所述N条运动轨迹的类型全为预测轨迹类型，且N大于1时，
确定每条运动轨迹的可信度；
根据所述每条运动轨迹的可信度，对所述N条运动轨迹进行融合，获得所述第一目标的被应用的运动轨迹。
5.如权利要求1-3任一项所述的方法，其特征在于，
根据所述N条运动轨迹的类型，确定所述第一目标的被应用的运动轨迹，包括：
当所述N条运动轨迹的类型全为预测轨迹类型，且N等于1时，
获取运动模型对所述第一目标预测的运动轨迹，其中，所述运动模型根据所述第一目标的历史运动轨迹构建得到；
将所述N条运动轨迹和所述运动模型对所述第一目标预测的运动轨迹进行融合，获得所述第一目标的被应用的运动轨迹。
6.如权利要求1-3任一项所述的方法，其特征在于，
根据所述N条运动轨迹的类型，确定所述第一目标的被应用的运动轨迹，包括：
当所述N条运动轨迹的类型中包括规划轨迹类型时，将所述N条运动轨迹中包括的类型为规划轨迹类型的运动轨迹确定为所述第一目标的被应用的运动轨迹。
7.如权利要求1-6任一项所述的方法，其特征在于，在根据所述N条运动轨迹的类型，确定所述第一目标的被应用的运动轨迹之前，所述方法还包括：
对所述N条运动轨迹进行安全检测，丢弃所述第一目标的不可信的运动轨迹。
8.如权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
获取L个运动轨迹集，L大于或等于N；
根据所述智能汽车的行驶信息，确定所述智能汽车的感兴趣区域ROI；
根据所述ROI筛出每个运动轨迹集中不在所述ROI内的运动轨迹；
根据筛选后的L个运动轨迹集，获得所述第一目标的N条运动轨迹。
9.如权利要求4所述的方法，其特征在于，所述每条运动轨迹的可信度为每条运动轨迹所属的运动轨迹集的可信度，
所述方法还包括：
计算上一周期的每个运动轨迹集中的目标的运动轨迹与上一周期的被应用的运动轨
迹集中对应的目标的运动轨迹的匹配程度；
根据所述匹配程度，确定当前周期的每条运动轨迹所属的运动轨迹集的可信度。
10.如权利要求4所述的方法，其特征在于，所述每条运动轨迹的可信度为每条运动轨迹所属的运动轨迹集的可信度，所述每条运动轨迹所属的运动轨迹集的可信度由运动轨迹集对应的设备的属性确定。
11.一种装置，其特征在于，包括：
获取单元，用于获取第一目标的N条运动轨迹，所述N条运动轨迹由N个设备提供，N为正整数；
处理单元，用于根据所述N条运动轨迹的类型，确定所述第一目标的被应用的运动轨迹，所述第一目标的被应用的运动轨迹用于所述智能汽车的行驶决策。
12.如权利要求11所述的装置，其特征在于，所述N条运动轨迹来自所述N个设备提供的N个运动轨迹集，每个运动轨迹集包含每个设备收集的M个目标的运动轨迹，M为正整数。
13.如权利要求11或12所述的装置，其特征在于，
运动轨迹的类型包括预测轨迹类型和规划轨迹类型，其中，所述预测轨迹类型表示所述运动轨迹为设备
根据目标的信息进行预测获得的运动轨迹；所述规划轨迹类型表示所述运动轨迹为所述目标进行轨迹规划获得的运动轨迹。
14.如权利要求11-13任一项所述的装置，其特征在于，
当所述N条运动轨迹的类型全为预测轨迹类型，且N大于1时，
所述处理单元具体用于：确定每条运动轨迹的可信度；根据所述每条运动轨迹的可信度，对所述N条运动轨迹进行融合，获得所述第一目标的被应用的运动轨迹。
15.如权利要求11-13任一项所述的装置，其特征在于，
当所述N条运动轨迹的类型全为预测轨迹类型，且N等于1时，
所述处理单元具体用于：获取运动模型对所述第一目标预测的运动轨迹，其中，所述运动模型根据所述第一目标的历史运动轨迹构建得到；将所述N条运动轨迹和所述运动模型对所述第一目标预测的运动轨迹进行融合，获得所述第一目标的被应用的运动轨迹。
16.如权利要求11-13任一项所述的装置，其特征在于，
当所述N条运动轨迹的类型中包括规划轨迹类型时，
所述处理单元具体用于：将所述N条运动轨迹中包括的类型为规划轨迹类型的运动轨迹确定为所述第一目标的被应用的运动轨迹。
17.如权利要求11-16任一项所述的装置，其特征在于，
所述处理单元还用于：对所述N条运动轨迹进行安全检测，丢弃所述第一目标的不可信的运动轨迹。
18.如权利要求11-17任一项所述的装置，其特征在于，
所述处理单元还用于：获取L个运动轨迹集，L大于或等于N；根据所述智能汽车的行驶信息，确定所述智能汽车的感兴趣区域ROI；根据所述ROI筛出每个运动轨迹集中不在所述ROI内的运动轨迹；根据筛选后的L个运动轨迹集，获得所述第一目标的N条运动轨迹。
19.如权利要求14所述的装置，其特征在于，所述每条运动轨迹的可信度为每条运动轨迹所属的运动轨迹集的可信度，
所述处理单元还用于：计算上一周期的每个运动轨迹集中的目标的运动轨迹与上一周
期的被应用的运动轨迹集中对应的目标的运动轨迹的匹配程度；根据所述匹配程度，确定当前周期的每条运动轨迹所属的运动轨迹集的可信度。
20.如权利要求14所述的装置，其特征在于，所述每条运动轨迹的可信度为每条运动轨迹所属的运动轨迹集的可信度，所述每条运动轨迹所属的运动轨迹集的可信度由运动轨迹集对应的设备的属性确定。
21.一种设备，其特征在于，包括处理器和存储器，所述存储器存储程序代码，所述处理器执行所述程序代码，以使所述设备执行前述权利要求1-10任一项所述的方法。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序代码，当所述计算机程序代码被计算设备执行时，所述计算设备执行上述权利要求1至10中任一项所述的方法。
预测运动轨迹的方法和系统技术领域
[0001]本申请涉及智能驾驶(intelligent driving)领域，尤其涉及一种预测运动轨迹的方法和系统。
背景技术
[0002]智能驾驶在减少交通事故、缓解交通拥堵、提高道路利用率等方面具有巨大潜能，已成为众多企业的竞争热点。智能驾驶是指汽车能够像人一样智能地感知、判断、推理、决策和记忆，并智能地控制或驾驶汽车；具备智能驾驶能力的汽车称为智能汽车。智能汽车能够实施主动预测和控制，并能够进行人机交互与协调。实现智能驾驶的一个重要技术是要对智能汽车周边环境的目标在未来时间的运动轨迹进行预测，进而根据周边目标的运动轨迹对自己的运动轨迹、运行速度等进行决策或调整(例如：根据周
边环境的目标的运动轨迹决定何时改变车道、决定行驶速度、决定是否进行避让等)。对周边的其他目标的运动轨迹进行预测的准确性与智能汽车行驶的安全性极为相关。
[0003]相关的预测周边环境中的目标的运动轨迹的方法，通常基于智能汽车的传感器系统感知周边环境的目标的信息，并根据目标的信息构建运动模型对目标在未来时间的运动轨迹进行预测。这种方法获得的目标的运动轨迹的预测结果存在准确性较低的问题，无法保证智能汽车行驶的安全性。如何更准确地预测运动轨迹成了智能驾驶领域急需解决的问题。
发明内容
[0004]本申请提供了一种预测运动轨迹的方法。该方法通过根据第一目标的N条运动轨迹的类型，确定第一目标的被应用的运动轨迹，使获得的第一目标的被应用的运动轨迹的准确性更高，进一步地提高智能汽车行驶的安全性。
[0005]第一方面，本申请提供一种预测运动轨迹的方法，该方法应用于智能汽车，包括：获取第一目标的N条运动轨迹，该N条运动轨迹由N个设备提供，N为正整数；根据N条运动轨迹的类型，确定第一目标的被应用的运动轨迹，其中，第一目标的被应用的运动轨迹用于智能汽车的行驶决策。通过上述方法获得的第一目标的被应用的运动轨迹准确性更高。
[0006]在第一方面的一种可能的实现中，该N条运动轨迹来自N个设备提供的N个运动轨迹集，每个运动轨迹集包含每个设备收集的M个目标的运动轨迹，M为正整数。
[0007]在第一方面的一种可能的实现中，运动轨迹的类型包括预测轨迹类型和规划轨迹类型，其中，所述预测轨迹类型表示所述运动轨迹为设备根据目标的信息进行预测获得的运动轨迹；所述规划轨迹类型表示所述运动轨迹为所述目标进行轨迹规划获得的运动轨迹。
[0008]在第一方面的一种可能的实现中，根据N条运动轨迹的类型，确定第一目标的被应用的运动轨迹，包括：当N条运动轨迹的类型全为预测轨迹类型，且N大于1时，确定每条运动轨迹的可信度；根据所述每条运动轨迹的可信度，对所述N条运动轨迹进行融合，获得所述
说 明 书
1/16页CN 112712729 A
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议