Examples of the present disclosure describe a method, an apparatus, and a vehicle for trajectory prediction. The method comprises obtaining sensor data for an object surrounding a vehicle from at least one sensor installed on the vehicle (502); feeding the obtained sensor data into a hybrid predictor consisting of a plurality of predictors each with a weight assigned by the hybrid predictor, wherein the plurality of predictors comprise at least a free space predictor and a roadmodel-based predictor (504); for a current time instant, each of the plurality of predictors giving its own predictions for a predetermined period of time from the current time instant based on historical sensor data from the at least one sensor (506); the hybrid predictor determining a reliability of each one of the plurality of predictors (508); the hybrid predictor outputting weighted hybrid predictions for the predetermined period of time from the current time instant based on the respective predictions given by each of the plurality of predictors and the reliability of each one of the plurality of predictors, with assigning a greater weight to the predictor that gave a better prediction in the previous one or more time instants (510); and providing a predicted trajectory based on the weighted hybrid predictions (512).

    Certains exemples de la présente invention concernent un procédé, un appareil, et un véhicule de prédiction de trajectoire. Le procédé consiste : à obtenir des données de capteur concernant un objet environnant un véhicule provenant d'au moins un capteur installé sur le véhicule (502) ; à entrer les données de capteur obtenues dans un prédicteur hybride constitué d'une pluralité de prédicteurs dotés chacun d'un poids attribué par le prédicteur hybride, la pluralité de prédicteurs comprenant au moins un prédicteur d'espace libre et un prédicteur basé sur un modèle de route (504) ; à donner, par chaque prédicteur de la pluralité de prédicteurs, en ce qui concerne un instant actuel, ses propres prédictions pour une période de temps prédéfinie à partir de l'instant actuel en fonction de données de capteur historiques provenant dudit capteur (506) ; à déterminer, par le prédicteur hybride, une fiabilité de chaque prédicteur de la pluralité de prédicteurs (508) ; à délivrer en sortie, par le prédicteur hybride, des prédictions hybrides pondérées concernant la période de temps prédéfinie à partir de l'instant actuel en fonction des prédictions respectives données par chaque prédicteur de la pluralité de prédicteurs et de la fiabilité de chaque prédicteur de la pluralité de prédicteurs, tout en attribuant un poids supérieur au prédicteur ayant donné la meilleure prédiction audit instant précédent (510) ; et à fournir une trajectoire prédite basée sur les prédictions hybrides pondérées (512).


    Access

    Download


    Export, share and cite



    Title :

    TRAJECTORY PREDICTION FOR DRIVING STRATEGY


    Additional title:

    PRÉDICTION DE TRAJECTOIRE SERVANT À UNE STRATÉGIE DE CONDUITE


    Contributors:
    XU GAOWEI (author) / GE YAO (author) / DOEMLING MAXIMILIAN (author) / NOTZ DOMINIK (author)

    Publication date :

    2020-08-20


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    English


    Classification :

    IPC:    B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion / G05D SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES , Systeme zum Steuern oder Regeln nichtelektrischer veränderlicher Größen / G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS



    TRAJECTORY PREDICTION FOR DRIVING STRATEGY

    GE YAO / DOEMLING MAXIMILIAN / NOTZ DOMINIK et al. | European Patent Office | 2022

    Free access

    TRAJECTORY PREDICTION FOR DRIVING STRATEGY

    DOMLING MAXIMILIAN / GE YAO / NOTZ DOMINIK et al. | European Patent Office | 2021

    Free access

    Intention-Driven Trajectory Prediction for Autonomous Driving

    Fan, Shiwei / Li, Xiangxu / Li, Fei | IEEE | 2021


    INTENTION-DRIVEN TRAJECTORY PREDICTION FOR AUTONOMOUS DRIVING

    Fan, Shiwei / Li, Xiangxu / Li, Fei | British Library Conference Proceedings | 2021


    Trajectory-Based Failure Prediction for Autonomous Driving

    Kuhn, Christopher B. / Hofbauer, Markus / Petrovic, Goran et al. | British Library Conference Proceedings | 2021