本发明涉及车辆、尤其是自动驾驶车辆领域，具体地涉及一种目标对象预测系统、一种目标对象预测方法、一种自动泊车系统以及一种自动泊车方法。
背景技术：
目前，车辆可依靠从车载传感器(如激光雷达、雷达和摄像装置)收集的测量数据来感知和理解其周围的驾驶环境。一方面，在复杂的驾驶场景下，车载传感器往往在有效检测超视距对象和准确预测其他交通参与者的意图方面面临着挑战。因为在混合交通流下，车载传感器的感知质量并不令人满意。另一方面，为了得到高度可靠的检测系统，传感器的数量应该足够多，传感器的性能也应该足够高，这将导致极高的成本。因此，仅基于车载传感器的车辆感知系统的技术不稳定性和高成本阻碍了自动驾驶车辆的商业化。
这尤其体现在现在的自动泊车(automatic/automatedparking)或自动代客泊车(automatedvaletparking,avp)系统(下文中将二者统称为自动泊车系统)中。已知一种自动泊车系统配置为基于车载传感器、高精度定位技术和高清地图。如果自动泊车系统依赖gps信号来定位，由于gps信号的精度通常无法到达5米以内，仅依赖于gps信号难以进行精确定位。此外，在室内情况下、例如在常见的室内停车场中，gps信号可能会丢失。除了不可靠的gps定位外，当情况复杂时，车载传感器在检测和预测目标对象的行为方面经常面临挑战。例如，在可见度较低的情况下，摄像装置的可靠性将明显下降。
另外，已知一种基于基础设施的自动泊车系统。这种基于基础设施的自动泊车系统需要对每个停车场的感知、计算和通信基础设施进行大量投资。感知和通信基础设施可以为车辆提供周围环境信息、目标对象的行为信息和驾驶决策信息。计算基础设施可以分析驾驶意图，并结合地图做出本车辆的驾驶决策。为了覆盖整个停车场，需要部署足够多的基础设施。例如，两个感知基础设施之间的距离可以是6-7米。因此，基于基础设施的自动泊车系统的成本很高。
现有技术在感知和预测目标对象以及进而的自动泊车的可靠性、准确性和成本方面仍然存在不足。
技术实现要素：
本发明的目的在于提供一种改进的目标对象预测系统和方法以及一种改进的自动泊车系统和方法，以至少克服一个上述现有技术的不足。
根据本发明的第一方面，提供了一种车辆的目标对象预测系统，其中，所述目标对象预测系统包括：用于获取关于所述车辆周围的至少一个目标对象的运动状态的原始数据的多个车载传感器单元和至少一个v2x(vehicletoanything)通信单元；以及与车载传感器单元和v2x通信单元通信连接的计算单元，其中，所述多个车载传感器单元中的每一个和所述至少一个v2x通信单元中的每一个配置成能够分别将原始数据与由计算单元确定的关于目标对象的预测值进行初次融合并跟踪，所述计算单元配置成能够将通过跟踪获得的航迹数据相互关联并进行再次融合，并且确定目标对象的当前状态值和下一时刻的预测值。
由此，通过在传感器层面由车载传感器单元和v2x通信单元分别将原始数据与预测值进行初次融合和跟踪，可整合各种不同来源的不同类型的道路环境信息，从而提高自动驾驶系统的可靠性。特别是，通过整合来自v2x通信单元的数据可减少车载传感器的数量，从而可降实现自动驾驶的成本。另外，在车载传感器无法检测到目标对象、例如目标对象被遮挡或在视线范围之外的情况下，或者在车载传感器出现可靠性下降的情况下、例如在gps信号较弱的室内环境的情况下，v2x通信单元可弥补车载传感器的不足。
另外，通过由车载传感器单元和v2x通信单元分别进行初次融合和跟踪，还能降低对数据传输带宽的要求。因为只需将较少的数据发送到计算单元。另外，还能降低计算的复杂度。
在本发明的一个示例性实施例中，v2x通信单元设置成能够进行下述通信中的至少一者、尤其是全部：车与车通信、车与基础设施通信、车与人通信、车与云通信。
在本发明的一个示例性实施例中，v2x通信单元设置成基于蜂窝移动通信系统的c-v2x式通信单元。
在本发明的一个示例性实施例中，所述多个车载传感器单元包括下述中的至少一者、尤其是全部：雷达传感器、激光雷达传感器和摄像装置。
在本发明的一个示例性实施例中，车载传感器单元和v2x通信单元设置成能够通过跟踪获得局部航迹数据和相关的不确定系数，并将局部航迹数据和相关的不确定系数发送至计算单元。
在本发明的一个示例性实施例中，计算单元配置成能够根据历史数据为每一个目标对象创建预测模型，并基于预测模型计算出目标对象在下一时刻的可能状态作为下一时刻的预测值。
在本发明的一个示例性实施例中，计算单元配置成能够将下一时刻的预测值发送至各车载传感器单元和v2x通信单元，以用于与下一时刻的原始数据进行初次融合。
根据本发明的第二方面，提供了一种通过根据本发明的目标对象预测系统执行的目标对象预测方法，其中，所述目标对象预测方法包括下述步骤：
步骤s1：通过所述多个车载传感器单元和所述至少一个v2x通信单元获取关于所述车辆周围的至少一个目标对象的运动状态的原始数据；
步骤s2：将所述多个车载传感器单元中的每一个的和所述至少一个v2x通信单元中的每一个的原始数据分别与由计算单元确定的关于目标对象的预测值进行初次融合并跟踪；以及
步骤s3：通过计算单元将通过跟踪获得的航迹数据相互关联并进行再次融合，并且确定目标对象的当前状态值和下一时刻的预测值。
根据本发明的第三方面，提供了一种自动泊车方法，其中，所述自动泊车方法包括：通过根据本发明的目标对象预测方法确定目标对象的当前状态值和下一时刻的预测值；以及通过决策单元基于目标对象的当前状态值和下一时刻的预测值生成自动泊车指令。
相对于现有的自动泊车系统，根据本发明的自动泊车方法以较低的成本实现了更准确可靠的自动泊车。即使在室内情况下或者在恶劣的天气条件下，v2x通信单元仍然能够提供可靠的关于目标对象的信息，以帮助处理自动泊车。另外，在基础设施不足的情况下，v2x通信单元还能通过车与车通信、车与人通信和/或车与云通信获取信息。由此，可降低对基础设施的需求，从而降低成本。
根据本发明的第四方面，提供了一种自动泊车系统，其中，所述自动泊车系统包括根据本发明的目标对象预测系统以及决策单元，所述决策单元设置成能够基于由计算单元确定的目标对象的当前状态值和下一时刻的预测值生成自动泊车指令。
在本发明的一个示例性实施例中，v2x通信单元设置成能够获取周围环境信息，所述周围环境信息包括所述车辆周围的其它车辆和道路使用者的运动状态。
在本发明的一个示例性实施例中，v2x通信单元设置成能够获取停车场地图和/或可用的泊车位信息。
附图说明
下面，通过参看附图更详细地描述本发明，可以更好地理解本发明的原理、特点和优点。附图包括：
图1示出了根据本发明的一个示例性实施例的目标对象预测系统的示意图
图2示出了根据本发明的一个示例性实施例的目标对象预测方法的示意图；以及
图3示出了根据本发明的一个示例性实施例的自动泊车方法的示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案以及有益的技术效果更加清楚明白，以下将结合附图以及多个示例性实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，而不是用于限定本发明的保护范围。
本发明适用于各种车辆，尤其适用于自动驾驶车辆。
图1示出了根据本发明的一个示例性实施例的目标对象预测系统的示意图。所述目标对象预测系统包括：用于获取关于所述车辆周围的至少一个目标对象的原始数据的多个车载传感器单元1和至少一个v2x通信单元2(所述目标对象的原始数据可以包括例如目标对象的位置、距离、运动状态等)；以及与车载传感器单元1和v2x通信单元2通信连接的计算单元3。所述多个车载传感器单元1中的每一个和所述至少一个v2x通信单元2中的每一个配置成能够分别将其所获取的目标对象的原始数据与由计算单元3确定的关于目标对象的预测值进行初次融合并跟踪，所述计算单元3配置成能够将通过初次融合与跟踪获得的各航迹数据(trackeddata)相互关联并进行再次融合，并且确定目标对象的当前状态值和下一时刻的预测值。所述原始数据与预测值的初次融合与跟踪可以在单独的初次融合单元与跟踪单元中进行，也可以在计算单元3中进行。
所述目标对象可以包括例如车辆周围的其它车辆和道路使用者，特别是可能影响到车辆的驾驶的其它车辆和道路使用者，其中，所述其它车辆包括机动车和非机动车。所述目标对象还可以包括与车辆周围的交通环境相关的其它对象，例如交通标志、车道标记线、停车位标线等。
通过在传感器层面由车载传感器单元1和v2x通信单元2分别将原始数据与预测值进行初次融合和跟踪，可整合各种道路环境信息，提高自动驾驶系统的可靠性。特别是，通过整合来自v2x通信单元2的数据可减少车载传感器的数量，从而可降低实现自动驾驶的成本。另外，在车载传感器无法检测到目标对象、例如目标对象被遮挡或在视线范围之外的情况下，或者在车载传感器可能出现可靠性下降的情况下、例如在gps信号较弱的室内环境的情况下，v2x通信单元可弥补车载传感器的这种不足。
通过v2x通信单元2，车辆可与其周围的车、人、物进行通信交流，进而可根据收集到的信息进行分析和决策。例如，车辆可通过v2x通信单元2与车辆周围的摩托车、紧急服务车辆、交通灯、数字路标和行人等通信，即使通信的对象不在直接视线范围内。
可选地，v2x通信单元2设置成能够进行下述通信中的至少一者、尤其是全部：车与车(v2v)通信、车与基础设施(v2i)通信、车与人(v2p)通信、车与云(v2n)通信。
v2x通信单元2例如可设置成基于蜂窝移动通信系统的c-v2x式通信单元。替代地，v2x通信单元2也可设置成专用短距离通信(dsrc)单元。
通过由车载传感器单元1和v2x通信单元2分别进行初次融合和跟踪，还能降低对数据传输带宽的要求。因为只需将较少的数据，例如航迹数据发送到计算单元3。另外，还能降低计算的复杂度。
例如，所述多个车载传感器单元1可包括下述中的至少一者、尤其是全部：雷达传感器11、激光雷达传感器12和摄像装置13。应理解，所述多个车载传感器单元1也可替代地或附加地包括其他类型的自主式传感器。例如，通过雷达传感器11获得的原始数据包括大量的点迹数据。如果将传感器单元1(例如雷达传感器11)的原始数据直接与其它车载传感器或v2x通信单元2的原始数据进行融合，则需要将大量的原始数据发送至计算单元3，这对数据传输带宽要求很高。在将传感器单元1(例如雷达传感器11)的原始数据与预测值进行融合后，可排除掉干扰点迹数据。经过跟踪之后，雷达传感器11仅需将得到的较少的局部航迹数据发送至计算单元3。
通过v2x通信单元2，也将获得大量的数据。通过初次融合，v2x通信单元2可从中筛选出于车辆的驾驶决策相关的数据、例如目标对象的速度和加速度等，并且排除掉无关的数据。
可选地，车载传感器单元1和v2x通信单元2设置成能够通过初次融合与跟踪获得局部航迹数据和相关的不确定系数，并将局部航迹数据和相关的不确定系数发送至计算单元3。
来自车载传感器单元1和v2x通信单元2的局部航迹数据可在计算单元3中进行航迹关联(tracktotrackassociation)和再次融合。通过航迹关联，可匹配和整合来自多种数据源的不同类型的数据，使得来源不同的数据之间能够以相同的标准进行计算。通过融合局部航迹数据，可确定系统航迹数据，进而得到确定的下一时刻的预测值。
在一个示例性实施例中，计算单元3配置成能够根据历史数据为每一个目标对象创建预测模型，并基于预测模型计算出目标对象在下一时刻的可能状态作为下一时刻的预测值。由此，可通过计算单元3预测目标对象的轨迹或路径，并采取行动以避免碰撞。
计算单元3可配置成能够将下一时刻的预测值发送至各车载传感器单元1和v2x通信单元2，以用于与下一时刻的原始数据进行初次融合。
计算单元3可选地集成至车辆的中央计算单元。
图2示出了根据本发明的一个示例性实施例的目标对象预测方法的示意图。所述目标对象预测方法由根据本发明的目标对象预测系统来执行。
所述目标对象预测方法包括下述步骤：
步骤s1：通过所述多个车载传感器单元1和所述至少一个v2x通信单元2获取关于所述车辆周围的至少一个目标对象的原始数据；所述目标对象的原始数据可以包括例如目标对象的位置、距离、运动状态等；
步骤s2：将所述多个车载传感器单元1中的每一个和所述至少一个v2x通信单元2中的每一个所获取的原始数据分别与由计算单元3确定的关于目标对象的预测值进行初次融合并跟踪；以及
步骤s3：通过计算单元3将通过初次融合与跟踪获得的各航迹数据相互关联并进行再次融合，并且确定目标对象的当前状态值和下一时刻的预测值。
应理解，本文中针对目标对象预测系统所描述的特征和优势同样适用于目标对象预测方法。
图3示出了根据本发明的一个示例性实施例的自动泊车方法的示意图。所述自动泊车方法包括：通过本发明的目标对象预测方法确定目标对象的当前状态值和下一时刻的预测值；以及通过决策单元基于目标对象的当前状态值和下一时刻的预测值生成自动泊车指令。决策单元例如可集成至车辆的中央计算单元。
根据本发明的自动泊车方法和系统能够克服背景技术部分所述的基于车载传感器的自动泊车系统和基于基础设施的自动泊车系统的各自的缺点。例如，即使在室内情况下、例如在常见的地下停车场，或者在恶劣的天气条件下，v2x通信单元2仍然能够提供可靠的关于目标对象的信息。另外，在基础设施不足的情况下，v2x通信单元2还能通过车与车通信、车与人通信和/或车与云通信获取信息。由此，可降低对基础设施的需求，从而降低成本。
可选地，可以将根据本发明的自动泊车方法整合到基于车载传感器的自动泊车系统或基于基础设施的自动泊车系统中，可明显降低成本，提高性能。
可选地，v2x通信单元2可设置成能够获取周围环境信息，所述周围环境信息例如包括所述车辆周围的其它车辆和道路使用者的运动状态。周边环境信息可有利地帮助自动驾驶车辆找到合适的路径而不发生碰撞。
可选地，v2x通信单元2设置成能够获取停车场地图和/或可用的泊车位信息。由此，可帮助自动驾驶车辆找到合适的停车位并导航。
根据本发明的自动泊车方法尤其有利于实现小规模的车队管理，例如可在没有gps支持和/或无高清地图的情况下在车队内的车辆之间合作，以帮助实现整个车队的自动停车。
本发明还涉及一种自动泊车系统，其中，所述自动泊车系统包括根据本发明的目标对象预测系统以及决策单元，所述决策单元设置成能够基于由计算单元3确定的目标对象的当前状态值和下一时刻的预测值生成自动泊车指令。所述决策单元例如可将自动泊车指令发送至车辆的相关执行单元，以实现自动泊车。
应理解，本文中针对自动泊车方法所描述的特征和优势同样适用于自动泊车系统。
尽管这里详细描述了本发明的特定实施方式，但它们仅仅是为了解释的目的而给出的，而不应认为它们对本发明的范围构成限制。在不脱离本发明精神和范围的前提下，各种替换、变更和改造可被构想出来。
1.一种车辆的目标对象预测系统，其中，所述目标对象预测系统包括：
用于获取关于所述车辆周围的至少一个目标对象的原始数据的多个车载传感器单元(1)和至少一个v2x通信单元(2)；以及
与车载传感器单元(1)和v2x通信单元(2)通信连接的计算单元(3)，
其中，所述多个车载传感器单元(1)中的每一个和所述至少一个v2x通信单元(2)中的每一个配置成能够分别将其所获取的目标对象的原始数据与由计算单元(3)确定的关于目标对象的预测值进行初次融合并跟踪，所述计算单元(3)配置成能够将通过初次融合与跟踪获得的各航迹数据相互关联并进行再次融合，并且确定目标对象的当前状态值和下一时刻的预测值。
2.根据权利要求1所述的目标对象预测系统，其中，
v2x通信单元(2)设置成能够进行下述通信中的至少一者：车与车通信、车与基础设施通信、车与人通信、车与云通信；和/或
v2x通信单元(2)设置成基于蜂窝移动通信系统的c-v2x式通信单元。
3.根据权利要求1或2所述的目标对象预测系统，其中，所述多个车载传感器单元(1)包括下述中的至少一者：雷达传感器(11)、激光雷达传感器(12)和摄像装置(13)。
4.根据权利要求1-3中任一项所述的目标对象预测系统，其中，车载传感器单元(1)和v2x通信单元(2)设置成能够通过初次融合与跟踪获得局部航迹数据和相关的不确定系数，并将局部航迹数据和相关的不确定系数发送至计算单元(3)。
5.根据权利要求1-4中任一项所述的目标对象预测系统，其中，计算单元(3)配置成能够根据历史数据为每一个目标对象创建预测模型，并基于预测模型计算出目标对象在下一时刻的可能状态作为下一时刻的预测值。
6.根据权利要求1-5中任一项所述的目标对象预测系统，其中，计算单元(3)配置成能够将下一时刻的预测值发送至各车载传感器单元(1)和v2x通信单元(2)，以用于与下一时刻的原始数据进行初次融合。
7.一种通过根据权利要求1-6中任一项所述的目标对象预测系统执行的目标对象预测方法，其中，所述目标对象预测方法包括下述步骤：
步骤s1：通过所述多个车载传感器单元(1)和所述至少一个v2x通信单元(2)获取关于所述车辆周围的至少一个目标对象的原始数据；
步骤s2：将所述多个车载传感器单元(1)中的每一个和所述至少一个v2x通信单元(2)中的每一个所获取的目标对象的原始数据分别与由计算单元(3)确定的关于目标对象的预测值进行初次融合并跟踪；以及
步骤s3：通过计算单元(3)将通过初次融合与跟踪获得的航迹数据相互关联并进行再次融合，并且确定目标对象的当前状态值和下一时刻的预测值。
8.一种自动泊车方法，其中，所述自动泊车方法包括：
通过根据权利要求7所述的目标对象预测方法确定目标对象的当前状态值和下一时刻的预测值；以及
通过决策单元基于目标对象的当前状态值和下一时刻的预测值生成自动泊车指令。
9.一种自动泊车系统，其中，所述自动泊车系统包括权利要求1-6中任一项所述的目标对象预测系统以及决策单元，所述决策单元设置成能够基于由计算单元(3)确定的目标对象的当前状态值和下一时刻的预测值生成自动泊车指令。
10.根据权利要求9所述的自动泊车系统，其中，
v2x通信单元(2)设置成能够获取周围环境信息，所述周围环境信息包括所述车辆周围的其它车辆和道路使用者的运动状态；和/或
v2x通信单元(2)设置成能够获取停车场地图和/或可用的泊车位信息。
技术总结