一种路口场景下基于规则的目标车道的预测方法与流程

1.本发明属于自动驾驶技术领域，具体涉及到一种路口场景下基于规则的目标车道的预测方法。


背景技术：

2.自动驾驶系统的软件算法功能大致由定位地图、感知、规划控制几大模块组成，其中感知模块负责认知周围环境，规划控制模块负责根据环境信息规划出一条安全可靠的行驶路线，由控制模块做出执行动作。这样的“感知-规划控制”模式能够保证自动驾驶车辆的正常行驶，但面对复杂路况时，该模式容易陷入挣扎，接管与急刹频率陡增。近年来，随着行业对自动驾驶技术与体验的需求提高，更精准、场景理解更丰富的感知能力与更灵活平顺，更及时规避风险的规划控制技术，越来越成为业内研发人员的目标，而为了能够更好地承接感知模块的输出进行分析，并且更及时地为规划控制模块提供与动态物体的交互信息，预测模块逐渐受到重视，成为自动驾驶算法系统中承上启下的关键一环。
3.自动驾驶预测模块主要的功能与作用是分析上游感知融合输出的交通参与者（车辆、行人、非机动车）的当前与历史信息，结合实时的高精地图与环境信息，分析与预测所有在自动驾驶车辆附近的交通参与者的未来行为或未来移动轨迹，并与下游规划模块结合，为其提供包含多种不确定性的交通参与者的未来行为模式，从而使其更好地与环境进行交互。
4.现阶段的预测主要可以分为三种：第一种，基于简单运动学推理的预测方法，该方法仅仅采用感知融合模块输出的朝向角、速度和加速度值，运用简单的运动学模型、匀速模型或加速模型，沿当前朝向角向前延伸5秒或8秒的运动轨迹，该方法较为简易，能够反应当前的运动状态，但缺少对于环境的理解分析；第二种，结合高精地图的环境特征与感知的环境语义特征，提前分析车辆的行为，在环境的限制约束下给出符合物理特性的运动轨迹，该方法功能较为丰富，效果稳定，但需要结合特定场景做特定开发；第三种，结合深度学习模型，进行数据驱动的预测，该方法泛化性较好，但前期的数据采集与模型训练分析以及后续的部署上线需要较大的时间和人力成本。
5.另外，第二种方法能够在有较强解释性的情况下，针对性地解决多种复杂场景下的问题，且能够提供稳定的运行效果，比如车辆换道、轨迹生成，都能在人为规定的约束条件下给出特定的结果。
6.但目前针对路口内的场景，预测模块的他车预测效果往往还不够好，例如车辆是转弯还是直行，转弯之后去哪个车道，依然存在一些预测轨迹跳变，或者目标车道预测不合理的问题。


技术实现要素：

7.针对上述问题，本发明的主要目的在于设计一种路口场景下基于规则的目标车道的预测方法,解决路口场景下车辆预测轨迹跳变及目标车道预测不合理的多种影响车辆稳定性问题。
8.为了实现上述目的本发明采用如下技术方案：一种路口场景下基于规则的目标车道的预测方法，包括：意图预测、目标出口预测、目标车道预测；所述的目标出口预测依赖意图预测的结果，所述的目标车道预测依赖目标出口预测的结果；具体预测步骤如下：步骤1：意图预测，针对已经进入路口的车辆预测其语义行为，并基于不同的语义行为赋予车辆不同的行为标签；步骤2：目标出口预测，通过步骤1获知的语义行为，预测车辆可能前往的目标出口；步骤3：目标车道预测，通过步骤1得到的语义行为以及步骤2预测的目标出口，通过计算得出合理的目标车道。
9.其中，所述的语义行为即为车辆的意图，包括直行、左转、右转、调头中的一种。
10.作为本发明的进一步描述，所述意图预测的实现方式为：通过全局地图确认车辆进入路口，并获取车辆的意图以及车辆意图对应的虚拟车道，通过意图的合理性计算筛选出车辆的行为标签，即意图标签。
11.作为本发明的进一步描述，意图预测的实现方式包括如下步骤：步骤1.1：获取全局地图的功能接口，确认车辆是否已经进入路口；步骤1.2：确认车辆进入路口后，根据全局地图接口，查询车辆在路口内的多条虚拟车道，在虚拟车道的转弯属性中获取所有可能且不重复的路口内的意图集合，记作intention_set，并获取每一个意图对应的一条虚拟车道，记作lane_set；所述虚拟车道的转弯属性即为车辆的转弯意图；步骤1.3：检查意图集合中每个意图的合理性；步骤1.3.1：通过历史信息中获知车辆驶入路口的车道，则根据该车道的转弯属性滤除不属于intention_set的意图，得到车辆的意图，并判定意图的合理性。
12.作为本发明的进一步描述，在步骤1.3.1中，若历史信息中不能获知车辆驶入路口的车道，则直接执行以下步骤判定意图的合理性：步骤1.3.2：获取车辆当前信息与所有历史信息，选择历史信息中的其中一帧作为参考，通过所选择历史信息与当前信息下的全局地图坐标系中的位置坐标计算车辆位置的偏差角度，记作move_heading；若车辆无历史信息，则将车辆的当前朝向角度记作move_heading；步骤1.3.3：获得车辆与lane_set中每条虚拟车道中心线的距离与最近点的朝向，并计算move_heading与虚拟车道最近点朝向的朝向差，将距离与朝向差分别进行排序；步骤1.3.4：若intention_set对应的意图只有一个，则赋予车辆该意图；若intention_set中多于一种意图，当排序后最小的朝向差对应的意图与最短距离对应的意图为同一个意图，则赋予车辆该意图；否则，将同一意图对应的朝向差与距离归
一化后计算得分，将得分进行排序，最高分数对应的意图作为车辆当前时刻的意图。
13.作为本发明的进一步描述，所述目标出口预测的实现方式为：通过意图对应路口内的虚拟车道线，并基于全局地图的功能接口获取目标出口；具体步骤如下：步骤2.1：根据意图预测得到的车辆意图，以及获知的车辆驶入路口时的车道信息，通过全局地图接口查询筛选满足其驶入的前序连接车道，记录筛选出对应前序连接车道的后续连接出口；每个前序连接车道对应若干条后续连接出口；所述的前序连接车道为车辆驶入路口的车道，所述的后续连接出口为车辆驶出路口的车道。
14.作为本发明的进一步描述，在获取目标出口的过程中，若无法获知车辆驶入路口的车道信息，则通过以下步骤进行目标出口预测：步骤2.2：基于车辆的意图，查找路口内的目标出口；步骤2.2.1：根据车辆的意图设置标签，标签包括顺时针查询和逆时针查询；步骤2.2.2：查找车辆所在路口内所有可驶出的道路出口；根据步骤2.2.1中设置的标签，左转或调头时，逆时针查询则选择出口左侧边线的起点，直行或右转时，顺时针查询则选择出口右侧边线的起点；将所选择的起点作为初始点，计算车辆当前位置与初始点之间连线的角度和距离d，计算车辆朝向与连线角度的角度差r；步骤2.2.3：对所有查询到的出口，分别记录d和r，并对所有的d和r分别进行排序，设置角度差阈值范围和存储数量上限；步骤2.2.4：根据意图映射出口；步骤2.2.5：意图为左转或右转：遍历所有排序后的角度差r，角度差r满足在角度差阈值范围之间，则保留该角度差r对应的出口，出口的保留的数量不超过存储数量上限；步骤2.2.6：意图为直行：遍历所有排序后的角度差r，角度差r在角度差阈值范围最小值以内，则选取最小角度差r对应的出口；步骤2.2.7：意图为调头：选择排序后最小距离d对应的出口。
15.作为本发明的进一步描述，所述目标车道预测的实现方式为：根据步骤1得出的行驶意图，以及步骤2筛选出的目标出口，通过计算筛选出合理的目标车道；针对确定性较大的场景，选择一条车道，针对不确定性较大的场景，选择两条车道。
16.作为本发明的进一步描述，目标车道预测的实现方式包括如下步骤：步骤3.1：意图为左转、右转、调头：针对步骤2中获得的目标出口中每一条车道，均计算车辆当前位置与车道中心线起点的距离；步骤3.1.1：筛选出距离车辆最近的车道，最近的车道数量小于三条，则直接退出，并将最近的车道认定为目标车道；
步骤3.2：意图为直行：针对步骤2中获得的目标出口中每一条车道的起点，转换至以车辆为原点，车道平均朝向为y轴方向的坐标系t下，计算车道中心线起点在坐标系t下的横坐标，所述的横坐标表示车道起点到车辆的横向距离；步骤3.2.1：筛选出距离车辆横向距离最近的车道，横向距离最近的车道数量不超过三条；若车道数量为一条，则直接退出，并将横向距离最近的车道认定为目标车道。
17.作为本发明的进一步描述，在步骤3.1中，若距离最近的车道大于等于三条，则通过以下步骤进行意向为左转、右转、调头情况下目标车道的预测：步骤3.1.2：将筛选出的最近车道按地图实际从左到右排列，转换至以车辆为原点，车道平均朝向为y轴方向的坐标系t下，并计算车道起点在坐标系t下的向量v，将车辆朝向的单位向量转换至坐标系t下，记作h，分别计算每个v与h的外积；步骤3.1.3：针对v与h的对比进行目标车道的选择：车辆左转或调头下目标车道的选择方式为：若向量h与最左侧车道起点在坐标系t下的向量横坐标正负相同，则选择左侧的两车道；若向量h指向最左侧车道与最右侧车道之间，则选择距离车辆最近的两条车道；若向量h与左侧两车道起点在坐标系t下的向量横坐标正负均异向，且向量h与最右侧车道起点在坐标系t下向量的外积为正，则选择右侧的两车道；车辆右转下目标车道的选择方式为：若向量h与最右侧车道起点在坐标系t下的向量横坐标正负相同，则选择右侧的两车道；若向量h指向最左侧车道与最右侧车道之间，则选择距离车辆最近的两条车道；若向量h与右侧两车道起点在坐标系t下的向量横坐标正负均异向，且向量h与最左侧车道起点在坐标系t下向量的外积为正，则选择左侧的两车道。
18.作为本发明的进一步描述，在步骤3.2.1中，若横向距离最近的车道大于一条，则通过以下步骤进行意向为直行目标车道的预测：步骤3.2.2：对筛选出的横向距离最近的车道按地图实际从左到右排列，再次计算每条车道左右边线起点分别在坐标系t下的横坐标，针对车道左边线起点横坐标为正，右边线起点横坐标为负的车道进行保留为目标车道；步骤3.2.3：确定是否保留一条目标车道：获取步骤3.2.2中保留车道的朝向，计算车辆当前朝向与保留车道的朝向差，若朝向差小于设定值，并且车辆朝向车道边线起点之间，同时车辆距离边线横向均保持相应的距离，则退出，并仅保留该车道为目标车道；步骤3.2.4：确定是否获取第二条目标车道：若车辆当前朝向与保留车道的朝向差超过设定值，或者当前保留车道边线起点横坐标数值在0.8m以内，或者车辆朝向指向保留车道边线起点的外侧，则将车辆朝向指向保留车道外侧，且紧邻保留车道的车道作为第二条目标车道。
19.相对于现有技术，本发明的技术效果为：本发明提供了一种路口场景下基于规则的目标车道的预测方法，通过高精地图和
感知融合的输出，充分利用地图元素，基于几何计算筛选合理的目标车道，能够依据人为和环境约束，分析感知结果，给出较为稳定且准确的路口目标车道；该预测方法将路口内预测问题细化，将通用的意图预测－轨迹预测，拆解为意图预测－目标出口预测－目标车道预测－轨迹预测，提升预测问题的可解释性；通过目标出口预测和目标车道预测，缩小预测问题的解空间，将较广阔空间内的预测问题转变为限定空间内的预测问题，减少预测轨迹的横向跳变，提升车辆行驶的稳定性。
附图说明
20.图1为本发明的整体预测方法流程示意图；图2为本发明的意图预测与目标出口预测示意图；图3为本发明的左转目标车道预测示意图；图4为本发明的直行目标车道预测示意图。
实施方式
21.下面结合附图对本发明进行详细描述：在本发明公开的实施例中，公开了一种路口场景下基于规则的目标车道的预测方法，参考图1-4所示，该预测方法包括：意图预测、目标出口预测、目标车道预测；所述的目标出口预测依赖意图预测的结果，所述的目标车道预测依赖目标出口预测的结果。
22.本实施例实现具体预测的步骤如下：步骤1：意图预测，针对已经进入路口的车辆预测其语义行为，并基于不同的语义行为赋予车辆不同的行为标签；所述的语义行为即为车辆的意图，包括直行、左转、右转、调头中的一种；步骤2：目标出口预测，通过步骤1获知的语义行为，预测车辆可能前往的目标出口；步骤3：目标车道预测，通过步骤1得到的语义行为以及步骤2预测的目标出口，通过计算得出合理的目标车道。
23.本实施例，基于车辆在左转与直行意图的情况下，针对意图预测、目标出口预测、目标车道预测进行具体分析，分析内容如下：一、意图预测1.意图预测的目的为了对已经进入路口的车辆预测其语义行为，赋予预测车辆某一行为标签，便于后续的目标出口预测、目标车道预测根据不同标签信息进入不同的预测逻辑，语义行为可以定位为直行、左转、右转、调头四种情况，本实施例的语义行为为直行、左转。
24.2.意图预测的实现方式通过全局地图确认车辆进入路口，并获取车辆的意图以及车辆意图对应的虚拟车道，通过意图的合理性计算筛选出车辆的行为标签，即意图标签。
25.3.意图预测实现方式的步骤步骤1.1：获取全局地图的功能接口，确认车辆是否已经进入路口；
若车辆未进入路口内，则退出本实施例的逻辑，若车辆已经进入路口内，则执行以下方式进行车辆的意图预测。
26.步骤1.2：确认车辆进入路口后，根据全局地图接口，查询车辆在路口内的10条虚拟车道，虚拟车道应满足在车辆的八米范围内，并且车道中心线离车辆最近位置点的朝向与车辆朝向的偏差在30
°
以内；在10条虚拟车道的转弯属性中，获取所有可能且不重复的路口内的意图集合，记作intention_set，并获取意图集合中每一个意图对应的一条虚拟车道，记作lane_set；所述虚拟车道的转弯属性即为车辆的转弯意图。
27.步骤1.3：检查意图集合中每个意图的合理性；步骤1.3.1：若车辆历史信息中可以获知车辆从某条车道驶入的路口，则根据该车道的转弯属性滤除不属于intention_set的意图，得到车辆的意图，并判定意图的合理性。
28.在步骤1.3.1中，若历史信息中不能获知车辆驶入路口的车道，则直接执行以下步骤判定意图的合理性：步骤1.3.2：获取车辆当前信息与所有历史信息，若历史信息记录数量多余5帧，则选取过去第5帧的历史信息作为参考，若历史信息记录数量少于5帧，则选择过去最后一帧的历史信息作为参考，使用所选择的历史信息与当前信息下的全局地图坐标系中的位置坐标计算得出车辆位置的偏差角度，记作move_heading；若车辆无历史信息，则将车辆的当前朝向角度记作move_heading；本实施例，以车辆当前位置坐标（xc,yc），历史位置坐标（xh,yh）为例，则：move_hading = arctan((yc
ꢀ–ꢀ
yh)/(xc
ꢀ–ꢀ
xh))，即使用反正切函数计算从历史位置指向当前位置的向量的朝向。
29.步骤1.3.3：获得车辆与lane_set中每条虚拟车道中心线的距离与该条虚拟车道中心线上最近点所在位置的车道朝向，并计算move_heading与虚拟车道最近点朝向的朝向差，将距离与朝向差分别进行排序；上述朝向差可表示为heading_diff = 绝对值(move_heading
ꢀ‑ꢀ
中心线上最近点的朝向)。
30.步骤1.3.4：若排序后最小的朝向差依旧大于15
°
，且最短距离超过1.5米，则表示车辆与所有车道中心线对应的意图都有较大差异，因此车辆可能并未按照虚拟车道标注的转向属性行驶，需要根据车辆真实运动状态重新进行预测。
31.若需要重新进入预测，则将intention_set清空，选取车辆当前信息与前一帧信息，计算位置偏差角度，根据设定的阈值，将偏差角映射至对应的意图，如果车辆不存在历史信息，则默认该车辆意图为直行，跳出步骤1，进入步骤2；若不需要重新进入预测，则通过对intention_set和对应lane_set中的车道进行后处理，得到车辆的单一意图；后处理方式为：若intention_set对应的意图只有一种，则赋予车辆该意图，并跳出步骤1，进入步骤2；若intention_set对应的意图多于一种，则将距离与朝向差分别进行排序，若排序后最小的朝向差对应的意图与最短距离对应的意图为同一个意图，则赋予车辆该意图，并跳出步骤1，进入步骤2；否则，将同一意图对应的朝向差与距离归一化后计算得分，满足距离越短，朝向差越小分数越大即可，将得分进行排序，最高分数对应的意图作为车辆的意图，步骤1结束。
32.本实施例，针对朝向差与距离归一化后计算得分进行具体说明，由于步骤1.3.3中得出的每个朝向差与距离的数量级不同，需要将二者映射至同一数量级，朝向差heading_diff若记录三个，则表示符合该车辆行驶意图的车道中心线的数量可能存在三个（直行、左转、右转、调头中的三种），记为hd1，hd2，hd3，则需要求和sum = hd1+hd2+hd3，并计算p1=hd1/sum,p2=hd2/sum,p3=hd3/sum，转换成比重，完成归一化，则朝向差越大，比重越大，再使用exp(-p)分别计算3个比重的得分，此处exp(-x)满足比重越小得分越高。距离得分计算同理。将二者得分以score=0.5*朝向差得分+0.5*距离得分计算，score最高的车道中心线代表的意图表示车辆最终的意图。
33.通过上述公开的意图预测，并结合如图2所示，路口中长方形代表预测车辆，即为车辆，车辆从车道4驶出进入路口，可以进行左转弯或直行，其周围筛选出的意图合集intention_set包含直行与左转，lane_set则为代表直行意图的虚拟车道r1和代表左转意图的虚拟车道r2，通过上述步骤1.3计算后可筛选出左转意图作为车辆的意图标签。
34.二、目标出口预测1.目标出口预测的目的为了对已经获知其意图的车辆，预测其可能前往的路口的出口，限定其行驶区域，增加环境约束，缩小预测范围，提升预测准确性与稳定性。
35.2.目标出口预测的实现方式通过意图对应路口内的虚拟车道线，并基于全局地图的功能接口获取目标出口。
36.3.目标出口预测实现方式的步骤步骤2.1：根据意图预测得到的车辆意图，以及获知的车辆驶入路口时的车道信息，通过全局地图接口查询筛选满足其驶入的前序连接车道，记录筛选出对应前序连接车道的后续连接出口；每个前序连接车道对应若干条后续连接出口；所述的前序连接车道为车辆驶入路口的车道，所述的后续连接出口为车辆驶出路口的车道。
37.在获取目标出口的过程中，若无法获知车辆驶入路口的车道信息，则通过以下步骤进行目标出口预测：步骤2.2：基于车辆的意图，查找路口内合适的目标出口；步骤2.2.1：根据车辆的意图是否为左转或者调头设置标签，标签包括顺时针查询和逆时针查询。
38.步骤2.2.2：查找车辆所在路口内所有可驶出的道路出口road；根据步骤2.2.1中设置的标签，若逆时针查询，即左转或调头时则选择出口最左侧边线的起点；若顺时针查询，即直行或右转时则选择出口最右侧边线的起点。将所选择的起点作为初始点，计算车辆当前位置与初始点之间连线的角度和距离d，计算车辆当前朝向与连线角度的角度差r；本实施例，将初始点记为begin_point(x,y)，车辆当前位置记为(xc,yc)，则车辆当前位置与初始点之间连线的距离为：d=sqrt((x-xc)^2 + (y-yc)^2)，车辆当前位置与初始点之间连线的角度为：pos_heading =arctan((y-yc)/(x-xc))；车辆当前朝向记为velocity heading，连线角度为pos heading，则车辆当前朝向与连线角度的角度差r=velocity heading
ꢀ–ꢀ
pos heading。
39.步骤2.2.3：对所有查询到的出口，分别记录d和r，并对所有的d和r分别进行排序，
设置角度差阈值范围和存储数量上限；所述的角度差阈值范围设置为10
°
～90
°
，所述的存储数量上限设置为2。
40.步骤2.2.4：根据意图映射出口，若意图为左转或右转，进入步骤2.2.5；若意图为直行，则进入步骤2.2.6；若意图为调头，则进入步骤2.2.7。
41.步骤2.2.5：意图为左转或右转：遍历所有排序后的角度差r，若某一角度差r满足在角度差阈值范围10
°
至90
°
之间，则保留该角度差r对应的出口，出口的保留的数量不超过存储数量上限，若存储数量达到上限或遍历结束，则退出步骤2。
42.步骤2.2.6：意图为直行：遍历所有排序后的角度差r，对角度差r在角度差阈值范围10
°
以内，则选取最小角度差r对应的出口，退出步骤2。
43.步骤2.2.7：意图为调头：选择排序后最小距离d对应的出口，退出步骤2。
44.通过上述公开的目标出口预测，并结合如图2所示，已知待预测车辆意图为左转，且由车道4驶出，可筛选出一系列转弯属性为左转且连接车道4的虚拟车道，以r1为例，r1前序连接车道为4，后续连接出口为车道1，因此，车道1所在的出口e2可以作为车辆的目标出口之一；若已知待预测车辆意图为左转，未知由车道4驶出，则可通过上述的步骤2.2筛选出作为车辆的目标出口。
45.三、目标车道预测1.目标车道预测的目的为了对已经获知目标出口的车辆，预测其可能前往的目标车道，限定其行驶区域，针对确定性较大的场景，如正对着某条车道时，选择一条车道，针对不确定性较大的场景，如转弯或压线时，选择两条车道，尽可能地涵盖风险。
46.2.目标车道预测的实现方式根据步骤1得出的行驶意图，以及步骤2筛选出的目标出口，通过计算筛选出合理的目标车道。
47.3.目标车道预测实现方式的步骤步骤3.1：意图为左转、右转、调头：针对步骤2中获得的目标出口中每一条车道lane，均计算车辆当前位置与车道中心线起点的距离。
48.步骤3.1.1：筛选出距离车辆最近的车道的三条车道，若最近的车道数量小于三条，则直接退出步骤3，并将最近的车道认定为目标车道。
49.在步骤3.1中，若距离最近的车道大于等于三条，则通过以下步骤进行目标车道的预测，本实施例以筛选出的车道数量为三条进行说明；步骤3.1.2：将筛选出的最近的三条车道，按地图实际从左到右排列，连接车道中心线起点与车辆位置，组成向量，建立以车辆为原点，车道平均朝向为y轴方向的坐标系t，并将所有连接的向量转换至坐标系t下，并计算车道起点在车辆坐标系下的向量v，将车辆朝向的单位向量转换至坐标系t下，记作h，分别计算每个v与h的外积；需要说明的是，连接车道起点与车辆当前位置，记为向量a，用（ax，ay）表示，当前
预测车辆朝向用坐标b (cos(heading),sin(heading))表示，heading表示当前车辆的朝向，车道朝向即t坐标系的y轴朝向记为reference heading，转换角度t=reference heading
ꢀ–ꢀ
90度，将a旋转至坐标系t下，则v(vx,vy)其中vx=ax*cos(t)+ay*sin(t), vy=
ꢀ‑
ax*sin(t)+ay*cos(t)；h同理，将b向量旋转角度t至t坐标系下；外积计算，h
ꢀ×ꢀ
v=hx*vy-hy*vx，遵循右手法则，代表车辆朝向的向量h在前，表示h旋转向v，外积为正则h逆时针转向v，反之顺时针。
50.步骤3.1.3：针对v与h的对比进行目标车道的选择，如图3所示，车辆左转或调头下目标车道的选择方式为：若向量h与最左侧车道起点在坐标系t下的向量v1横坐标同向（正负相同），则选择左侧的两车道；若向量h指向最左侧车道v1与最右侧车道v3之间，则选择距离车辆最近的两条车道；若向量h与左侧两车道起点在坐标系t下的向量v1、v2横坐标异向，且向量h与最右侧车道起点在坐标系t下的向量v3的外积为正，则选择最右侧的两车道；通过上述车辆左转或调头目标车道的选择方式，同理可得车辆右转下目标车道的选择方式为：若向量h与最右侧车道起点在坐标系t下的向量横坐标正负相同，则选择右侧的两车道；若向量h指向最左侧车道与最右侧车道之间，则选择距离车辆最近的两条车道；若向量h与右侧两车道起点在坐标系t下的向量横坐标正负均异向，且向量h与最左侧车道起点在坐标系t下向量的外积为正，则选择左侧的两车道。
51.还需要说明的是，在本实施例中，若车辆在左转、右转、调头过程中，自身当前状态均不满足上述条件时，则选择离车辆最近的两条车道作为目标车道。
52.步骤3.2：意图为直行：针对步骤2中获得的目标出口road中每一条车道，连接车道边线起点与车辆位置，组成向量，建立以车辆为原点，车道平均朝向为y轴方向的坐标系t，并将所有连接的向量转换至坐标系t下，如图4所示，计算车道中心线起点在坐标系t下的横坐标，所述的横坐标表示车道起点到车辆的横向距离；上述车辆的横向距离的计算方式为：连接车道起点与车辆当前位置，记为向量a， 用(ax,ay)表示，车道朝向即t坐标系的y轴朝向记为reference heading，转换角度t=reference heading
ꢀ–ꢀ
90度，将a旋转至坐标系t下，则v(vx,vy)即为转换后的车道中心线起点在t坐标系下的坐标，其中vx=ax*cos(t)+ay*sin(t), vy=
ꢀ‑
ax*sin(t)+ay*cos(t)。
53.步骤3.2.1：筛选出距离车辆横向距离最近的车道，横向距离最近的车道数量不超过三条；若车道数量为一条，则直接退出，并将横向距离最近的车道认定为目标车道。
54.在步骤3.2.1中，若横向距离最近的车道大于一条，则通过以下步骤进行意向为直行目标车道的预测：步骤3.2.2：对筛选出的横向距离最近的车道按地图实际从左到右排列，再次计算每条车道左边线起点与右边线起点分别在坐标系t下的横坐标，计算得出的横坐标可以视作为道路出口中每条车道在路口中的虚拟延伸线；若某条车道在坐标系t下的左边线起点
横坐标为负数，右边线起点横坐标为正数，则保留该车道，认为车辆当前正对该车道，为其可能前往的目标车道之一。
55.步骤3.2.3：确定是否保留一条目标车道：获取步骤3.2.2中保留车道pl的朝向，计算车辆当前朝向与保留车道的朝向差heading_diff，若朝向差heading_diff小于设定值，设定值通常为7
°
，并且车辆朝向指向车道左右边线起点之间，同时车辆距离左右边线横向均保持相应的距离，则退出步骤3，并仅保留该车道；为方便计算，选取保留车道的车道线起点的朝向lane heading，与预测车辆当前朝向velocity heading作差，即为heading_diff。
56.步骤3.2.4：确定是否获取第二条目标车道：若车辆当前朝向与保留车道的朝向差heading_diff超过设定值7
°
，且指向左侧，或者当前保留车道pl左边线起点横坐标数值在0.8m以内，即车辆横向上更靠近保留车道pl左边线，或者车辆朝向指向保留车道pl左边线起点的左侧，则选择保留车道pl左侧紧邻的一条车道作为第二条目标车道，若左侧不存在车道，则直接退出步骤3。
57.具体的，车身横向距离左边线0.8米以内，此处因为将车道左边线起点(x,y)转换至t坐标系下，因此，转换后的坐标记为(xt,yt)，且由于t坐标系以车辆自身为原点，因此可以直接使用左边线起点转换后的坐标的横坐标xt；此处绝对值(xt)《0.8。
58.还需要说明的是，本实施例，意图为直行中，选择车辆右侧车道与上述的实现方式相同。
59.通过上述公开的目标车道预测，并结合如图2、3所示，将意图预测和目标出口预测结果抽取看做车辆从车道4左转驶出，目标出口e2由车道1,2,3组成，以车道平均朝向为y轴，车辆自身作为原点建立坐标系t，h为坐标系t下车辆朝向的单位向量；由步骤3.1.1可以得到距离车辆最近的三条车道分别为1,2,3，由步骤3.1.2计算得到坐标系t下，车辆与三条车道起点的连线向量v1，v2，v3，以及车辆自身朝向的单位向量h；当前场景下，由步骤3.1.3得知，h与v1同向，因此当前时刻选择车道1,2；若h指向v1与v3之间，则根据最短距离选择其中两条车道；若车辆x方向上已跨过车道1，即h与v1横坐标异向，并且h指向v3外侧，则选择2,3车道。
60.另外，通过上述公开的目标车道预测，并结合如图2、4所示，车辆直行前往前方目标出口，目标出口右车道1,2,3组成，以车道朝向为y轴，车辆自身为原点建立坐标系t，h为坐标系t下车辆朝向的单位向量；车道1为车辆目标此时面对的车道，将其选为目标车道之一；此时h指向车辆与车道1右边线连线的外侧，因此认为车辆有偏向右侧的趋势，则选中车道1紧邻的右侧车道2作为第二条目标车道。
61.上述目标车道的预测为根据预测的意图，将意图转换为实际物理层面上的道路出口，为本实施例的意图预测提供先验条件；即若能够获取车辆进入路口时所在车道l,则可查询全局地图接口，保留路口内所有前序连接车道为车道l的虚拟车道，在保留的车道中过滤与车辆意图不同的车道行驶属性，保留行驶属性与意图相同的所有虚拟车道，最终选取保留车道的后续连接车道所在的出口信息。
62.本发明相对于现有技术的优势为，通过高精地图和感知融合的输出，充分利用地图元素，基于几何计算筛选合理的目标车道，能够依据人为和环境约束，分析感知结果，给
出较为稳定且准确的路口目标车道；本发明公开的预测方法将路口内预测问题细化，将通用的意图预测－轨迹预测，拆解为意图预测－目标出口预测－目标车道预测－轨迹预测，提升预测问题的可解释性；本发明通过目标出口预测和目标车道预测，缩小预测问题的解空间，将较广阔空间内的预测问题转变为限定空间内的预测问题，减少预测轨迹的横向跳变，提升车辆行驶的稳定性。
63.以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种路口场景下基于规则的目标车道的预测方法，其特征在于，包括：意图预测、目标出口预测、目标车道预测；所述的目标出口预测依赖意图预测的结果，所述的目标车道预测依赖目标出口预测的结果；具体预测步骤如下：步骤1：意图预测，针对已经进入路口的车辆预测其语义行为，并基于不同的语义行为赋予车辆不同的行为标签；步骤2：目标出口预测，通过步骤1获知的语义行为，预测车辆可能前往的目标出口；步骤3：目标车道预测，通过步骤1得到的语义行为以及步骤2预测的目标出口，通过计算得出合理的目标车道；其中，所述的语义行为即为车辆的意图，包括直行、左转、右转、调头中的一种。2.根据权利要求1所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：所述意图预测的实现方式为：通过全局地图确认车辆进入路口，并获取车辆的意图以及车辆意图对应的虚拟车道，通过意图的合理性计算筛选出车辆的行为标签，即意图标签。3.根据权利要求2所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：意图预测的实现方式包括如下步骤：步骤1.1：获取全局地图的功能接口，确认车辆是否已经进入路口；步骤1.2：确认车辆进入路口后，根据全局地图接口，查询车辆在路口内的多条虚拟车道，在虚拟车道的转弯属性中获取所有可能且不重复的路口内的意图集合，记作intention_set，并获取每一个意图对应的一条虚拟车道，记作lane_set；所述虚拟车道的转弯属性即为车辆的转弯意图；步骤1.3：检查意图集合中每个意图的合理性；步骤1.3.1：通过历史信息中获知车辆驶入路口的车道，则根据该车道的转弯属性滤除不属于intention_set的意图，得到车辆的意图，并判定意图的合理性。4.根据权利要求3所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：在步骤1.3.1中，若历史信息中不能获知车辆驶入路口的车道，则直接执行以下步骤判定意图的合理性：步骤1.3.2：获取车辆当前信息与所有历史信息，选择历史信息中的其中一帧作为参考，通过所选择历史信息与当前信息下的全局地图坐标系中的位置坐标计算车辆位置的偏差角度，记作move_heading；若车辆无历史信息，则将车辆的当前朝向角度记作move_heading；步骤1.3.3：获得车辆与lane_set中每条虚拟车道中心线的距离与最近点的朝向，并计算move_heading与虚拟车道最近点朝向的朝向差，将距离与朝向差分别进行排序；步骤1.3.4：若intention_set对应的意图只有一个，则赋予车辆该意图；若intention_set中多于一种意图，当排序后最小的朝向差对应的意图与最短距离对应的意图为同一个意图，则赋予车辆该意图；否则，将同一意图对应的朝向差与距离归一化后计算得分，将得分进行排序，最高分数对应的意图作为车辆当前时刻的意图。5.根据权利要求4所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：所述目标出口预测的实现方式为：通过意图对应路口内的虚拟车道线，并基于全局地图的功能接口获取目标出口；
具体步骤如下：步骤2.1：根据意图预测得到的车辆意图，以及获知的车辆驶入路口时的车道信息，通过全局地图接口查询筛选满足其驶入的前序连接车道，记录筛选出对应前序连接车道的后续连接出口；每个前序连接车道对应若干条后续连接出口；所述的前序连接车道为车辆驶入路口的车道，所述的后续连接出口为车辆驶出路口的车道。6.根据权利要求5所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：在获取目标出口的过程中，若无法获知车辆驶入路口的车道信息，则通过以下步骤进行目标出口预测：步骤2.2：基于车辆的意图，查找路口内的目标出口；步骤2.2.1：根据车辆的意图设置标签，标签包括顺时针查询和逆时针查询；步骤2.2.2：查找车辆所在路口内所有可驶出的道路出口；根据步骤2.2.1中设置的标签，左转或调头时，逆时针查询则选择出口左侧边线的起点，直行或右转时，顺时针查询则选择出口右侧边线的起点；将所选择的起点作为初始点，计算车辆当前位置与初始点之间连线的角度和距离d，计算车辆朝向与连线角度的角度差r；步骤2.2.3：对所有查询到的出口，分别记录d和r，并对所有的d和r分别进行排序，设置角度差阈值范围和存储数量上限；步骤2.2.4：根据意图映射出口；步骤2.2.5：意图为左转或右转：遍历所有排序后的角度差r，角度差r满足在角度差阈值范围之间，则保留该角度差r对应的出口，出口的保留的数量不超过存储数量上限；步骤2.2.6：意图为直行：遍历所有排序后的角度差r，角度差r在角度差阈值范围最小值以内，则选取最小角度差r对应的出口；步骤2.2.7：意图为调头：选择排序后最小距离d对应的出口。7.根据权利要求6所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：所述目标车道预测的实现方式为：根据步骤1得出的行驶意图，以及步骤2筛选出的目标出口，通过计算筛选出合理的目标车道；针对确定性较大的场景，选择一条车道，针对不确定性较大的场景，选择两条车道。8.根据权利要求7所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：目标车道预测的实现方式包括如下步骤：步骤3.1：意图为左转、右转、调头：针对步骤2中获得的目标出口中每一条车道，均计算车辆当前位置与车道中心线起点的距离；步骤3.1.1：筛选出距离车辆最近的车道，最近的车道数量小于三条，则直接退出，并将最近的车道认定为目标车道；步骤3.2：意图为直行：
针对步骤2中获得的目标出口中每一条车道的起点，转换至以车辆为原点，车道平均朝向为y轴方向的坐标系t下，计算车道中心线起点在坐标系t下的横坐标，所述的横坐标表示车道起点到车辆的横向距离；步骤3.2.1：筛选出距离车辆横向距离最近的车道，横向距离最近的车道数量不超过三条；若车道数量为一条，则直接退出，并将横向距离最近的车道认定为目标车道。9.根据权利要求8所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：在步骤3.1中，若距离最近的车道大于等于三条，则通过以下步骤进行意向为左转、右转、调头情况下目标车道的预测：步骤3.1.2：将筛选出的最近车道按地图实际从左到右排列，转换至以车辆为原点，车道平均朝向为y轴方向的坐标系t下，并计算车道起点在坐标系t下的向量v，将车辆朝向的单位向量转换至坐标系t下，记作h，分别计算每个v与h的外积；步骤3.1.3：针对v与h的对比进行目标车道的选择：车辆左转或调头下目标车道的选择方式为：若向量h与最左侧车道起点在坐标系t下的向量横坐标正负相同，则选择左侧的两车道；若向量h指向最左侧车道与最右侧车道之间，则选择距离车辆最近的两条车道；若向量h与左侧两车道起点在坐标系t下的向量横坐标正负均异向，且向量h与最右侧车道起点在坐标系t下向量的外积为正，则选择右侧的两车道；车辆右转下目标车道的选择方式为：若向量h与最右侧车道起点在坐标系t下的向量横坐标正负相同，则选择右侧的两车道；若向量h指向最左侧车道与最右侧车道之间，则选择距离车辆最近的两条车道；若向量h与右侧两车道起点在坐标系t下的向量横坐标正负均异向，且向量h与最左侧车道起点在坐标系t下向量的外积为正，则选择左侧的两车道。10.根据权利要求8所述的一种路口场景下基于规则的目标车道的预测方法，其特征在于：在步骤3.2.1中，若横向距离最近的车道大于一条，则通过以下步骤进行意向为直行目标车道的预测：步骤3.2.2：对筛选出的横向距离最近的车道按地图实际从左到右排列，再次计算每条车道左右边线起点分别在坐标系t下的横坐标，针对车道左边线起点横坐标为正，右边线起点横坐标为负的车道进行保留为目标车道；步骤3.2.3：确定是否保留一条目标车道：获取步骤3.2.2中保留车道的朝向，计算车辆当前朝向与保留车道的朝向差，若朝向差小于设定值，并且车辆朝向车道边线起点之间，同时车辆距离边线横向均保持相应的距离，则退出，并仅保留该车道为目标车道；步骤3.2.4：确定是否获取第二条目标车道：若车辆当前朝向与保留车道的朝向差超过设定值，或者当前保留车道边线起点横坐标数值在0.8m以内，或者车辆朝向指向保留车道边线起点的外侧，则将车辆朝向指向保留车道外侧，且紧邻保留车道的车道作为第二条目标车道。

技术总结
本发明公开一种路口场景下基于规则的目标车道的预测方法，包括意图预测、目标出口预测、目标车道预测；具体为针对已经进入路口的车辆预测语义行为，并基于不同的语义行为赋予不同的行为标签；通过获知的语义行为，预测车辆可能前往的目标出口；通过语义行为及预测的目标出口，通过计算得出合理的目标车道，该方法通过高精地图和感知融合的输出，充分利用地图元素，基于几何计算筛选合理的目标车道，且能够依据人为和环境约束，分析感知结果，给出较为稳定且准确的路口目标车道，将路口内预测问题细化，提升预测问题的可解释性；通过目标出口预测和目标车道预测，缩小预测问题的解空间，减少预测轨迹的横向跳变，提升车辆行驶的稳定性。稳定性。稳定性。


技术研发人员：徐成峰 罗元福
受保护的技术使用者：上海友道智途科技有限公司
技术研发日：2023.03.06
技术公布日：2023/6/26