1.本发明涉及轨迹预测技术领域，具体是一种基于多线激光雷达的行人轨迹预测系统及其预测方法。
背景技术：2.伴随着大数据时代的到来，人工智能的不断发展，汽车无人驾驶不再是遥不可及的，逐渐在我们的日常生活中崭露头角。无人驾驶作为高新技术领域，不仅推动了实体经济的发展，为全世界人民出行提供了极大的便利，现在为了优化无人驾驶感知系统，提高驾驶稳定性以及安全性，在汽车无人驾驶研究中采用多线激光雷达来实现行人轨迹预测是必不可少的。
3.行人轨迹预测是无人驾驶领域研究中一个关键的课题，是人机交互的重要研究方向之一，尤其是在一些复杂的室外场景中，如有行人的道路、园区、景区等，行人是影响无人驾驶技术能否大范围投入使用的重要因素，因此，在无人驾驶实际应用研究中，行人轨迹预测被广泛地认为是汽车无人驾驶应具备的重要功能之一。
4.目前基于深度学习的行人轨迹预测方法一般不需要假设固定的数学模型，其网络可以凭借大规模的数据集来学习更加合理的映射关系，近几年，随着深度学习的兴起，使得基于神经网络的轨迹预测算法流行起来，且这些算法的预测效果较传统算法有了较大的提升。但是，深度学习不能对数据的规律进行无偏差的估计，深度学习中图模型的复杂化导致算法的时间复杂度急剧提升，为了保证算法的实时性，需要更高超的编程能力以及性能更好的硬件来支撑；因此，针对上述问题提出一种基于多线激光雷达的行人轨迹预测系统及其预测方法。
技术实现要素：5.为了弥补现有技术的不足，解决上述至少一个问题，本发明提出的一种基于多线激光雷达的行人轨迹预测系统及其预测方法。
6.一种基于多线激光雷达的行人轨迹预测系统，该系统包括获取单元、计算与处理单元以及显示输出单元；
7.所述获取单元具体为多线激光雷达，且该多线激光雷达通过以太网电性连接计算处理单元进行通讯；所述获取单元用于获取行人的行走信息；
8.所述计算与处理单元用于采集行人轨迹数据，记录行人历史轨迹信息并预测行人的未来轨迹；
9.所述显示输出单元通过hdmi协议与计算处理单元电性连接，且所述显示输出单元用于输出计算与处理单元的行人未来轨迹。
10.优选的，所述计算与处理单元包括行人点云采集模块、点云预处理模块、行人信息处理模块、行人轨迹数据库模块、轨迹相似度检索模块、卡尔曼滤波模块以及行人轨迹预测输出模块；
11.所述行人点云采集模块用于采集行人的点云数据，同时能够将采集到的点云数据电性传递至点云预处理模块；所述行人信息处理模块用于将点云预处理模块中经过预处理后的数据进行进一步处理；
12.所述轨迹相似度检索模块用于比对经行人信息处理模块处理后的数据与行人轨迹数据库模块的相似度，进一步检索分析出行人轨迹数据库模块中最相似轨迹信息，并利用卡尔曼滤波预测行人轨迹，通过行人轨迹预测输出模块输出至显示输出单元。
13.优选的，所述行人轨迹数据库模块，用于储存通过多线激光雷达监测采集以及记录不同行人在不同场景下的行走信息，其中行走信息包括行人的起始位置坐标、速度、方向、终点、行走轨迹以及轨迹的变化曲率。
14.优选的，所述多线激光雷达采集的行走信息，其中行人需要采集不同身高、体积、不同行走习惯以及乘骑载具的行走信息，而场景则需要包括晴天、雨雪天、岔路口、直行车道以及弯道。
15.优选的，所述卡尔曼滤波可根据各测量量在不同时间下的值，考虑各时间下的联合分布，产生仅基于单个测量值更精确的位置变量的估计值。
16.优选的，所述计算与处理单元避免安装于暴露区域，以免造成损坏，显示输出单元可安装在操作者以及使用者的可视范围内，用于直观输出行人轨迹预测结果。
17.优选的，所述多线激光雷达安装于载体前部、后部等视野开阔位置，尽可能避免存在盲区，其中载体可以为车辆或是机器人。
18.优选的，所述多线激光雷达包括雷达本体以及保护壳体；所述雷达本体活动连接在保护壳体的底部，且所述保护壳体呈“c”型结构布置；所述保护壳体的底部固接有连接片，且所述连接片底部铰接有底座；所述底座上对应于连接片的位置固接有铰接座；所述连接片与铰接座经转轴转动连接。
19.优选的，所述保护壳体的内壁表面对应于雷达本体底部的位置转动连接有输出齿轮，且所述雷达本体底部固接在输出齿轮上；所述输出齿轮的另一侧啮合连接有传动齿轮，且所述传动齿轮的底部转动连接在保护壳体上；所述传动齿轮的顶部固接有微型电机，且所述微型电机固定于保护壳体侧壁上；所述保护壳体内壁表面固接有机械罩，且所述传动齿轮、输出齿轮均设置在机械罩内；所述微型电机、雷达本体与传动齿轮、输出齿轮的连接轴贯穿在机械罩上；
20.所述保护壳体的侧壁上固接有对称布置的弹性支架，且所述弹性支架呈三角结构；所述弹性支架靠近于雷达本体的一侧转动连接有清洁滚刷；所述清洁滚刷的内部开设有上下对称布置的活动腔，且所述活动腔的底部固接有弹簧；所述弹簧的另一端固接有卡块，且所述卡块卡接于弹性支架的端部。
21.一种基于多线激光雷达的行人轨迹预测方法，该预测方法包括以下步骤：
22.s1：通过多线激光雷达采集行人点云信息，得到原始的行人点云数据；
23.s2：通过点云预处理模块，对原始的行人点云数据进行直通滤波、体速滤波进行预处理，得到预处理数据；
24.s3：利用行人信息处理模块对预处理数据进行处理，得到行人的位置坐标、速度、加速度以及历史轨迹；
25.s4：通过轨迹检索模块，将得到的行人历史轨迹与行人轨迹数据库进行相似度匹
配，并从中获取相似度程度最高的三条轨迹信息；
26.s5：利用三条轨迹信息作为卡尔曼滤波的先验估计来共同预测行人轨迹，得到准确率更高且更符合行人行为习惯的预测轨迹。
27.本发明的有益之处在于：
28.1.本发明通过行人轨迹数据库与卡尔曼滤波结合的方法，大幅度提升行人轨迹预测的准确率，尤其是针对违反道路边界以及不遵守交通规则的行人，可以更好的应对道路突发状况。
29.2.本发明通过采用多线激光雷达作为核心感知设备，相比于相机类传感器，其感知范围广，不受光照影响，即使在黑夜也可以正常工作。
30.3.本发明通过设置保护壳体对雷达本体起到一定的保护效果，特别是在恶劣的环境下，还可通过固接在保护壳体内侧壁上的清洁滚刷与旋转的雷达本体接触，从而实现对雷达本体的清洁效果，使得雷达本体的可视部分能够得到一定的清洁效果，同时利用输出齿轮与传动齿轮的配合，可实现雷达本体的旋转效果，而连接片与铰接座的铰接可实现雷达本体的上下翻转效果。
附图说明
31.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
32.图1为本发明一种实施例的预测系统流程图；
33.图2为本发明一种实施例的行人轨迹预测方法流程图；
34.图3为本发明一种实施例中轨迹检索模块检索最相似轨迹信息的示意图；
35.图4为本发明一种实施例中多线激光雷达的第一立体图；
36.图5为本发明一种实施例中多线激光雷达的爆炸视图；
37.图6为本发明一种实施例中多线激光雷达的第二立体图；
38.图7为本发明一种实施例中多线激光雷达的剖面立体图；
39.图8为图7的a部分结构放大示意图；
40.图中：1、底座；11、铰接座；2、保护壳体；21、连接片；3、机械罩；31、传动齿轮；32、微型电机；33、输出齿轮；4、弹性支架；41、清洁滚刷；42、活动腔；43、卡块；44、弹簧；5、雷达本体。
具体实施方式
41.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
42.请参阅图1-8所示，一种基于多线激光雷达的行人轨迹预测系统，该系统包括获取单元、计算与处理单元以及显示输出单元；
43.所述获取单元具体为多线激光雷达，且该多线激光雷达通过以太网电性连接计算处理单元进行通讯；所述获取单元用于获取行人的行走信息；
44.所述计算与处理单元用于采集行人轨迹数据，记录行人历史轨迹信息并预测行人的未来轨迹；
45.所述显示输出单元通过hdmi协议与计算处理单元电性连接，且所述显示输出单元用于输出计算与处理单元的行人未来轨迹。
46.具体的，显示输出单元包含显示屏和扬声器。
47.作为本发明的一种实施方式，所述计算与处理单元包括行人点云采集模块、点云预处理模块、行人信息处理模块、行人轨迹数据库模块、轨迹相似度检索模块、卡尔曼滤波模块以及行人轨迹预测输出模块；
48.所述行人点云采集模块用于采集行人的点云数据，同时能够将采集到的点云数据电性传递至点云预处理模块；所述行人信息处理模块用于将点云预处理模块中经过预处理后的数据进行进一步处理；
49.所述轨迹相似度检索模块用于比对经行人信息处理模块处理后的数据与行人轨迹数据库模块的相似度，进一步检索分析出行人轨迹数据库模块中最相似轨迹信息，并利用卡尔曼滤波预测行人轨迹，通过行人轨迹预测输出模块输出至显示输出单元。
50.作为本发明的一种实施方式，所述行人轨迹数据库模块，用于储存通过多线激光雷达监测采集以及记录不同行人在不同场景下的行走信息，其中行走信息包括行人的起始位置坐标、速度、方向、终点、行走轨迹以及轨迹的变化曲率。
51.作为本发明的一种实施方式，所述多线激光雷达采集的行走信息，其中行人需要采集不同身高、体积、不同行走习惯以及乘骑载具的行走信息，而场景则需要包括晴天、雨雪天、岔路口、直行车道以及弯道。
52.作为本发明的一种实施方式，所述卡尔曼滤波可根据各测量量在不同时间下的值，考虑各时间下的联合分布，产生仅基于单个测量值更精确的位置变量的估计值。
53.作为本发明的一种实施方式，所述计算与处理单元避免安装于暴露区域，以免造成损坏，显示输出单元可安装在操作者以及使用者的可视范围内，用于直观输出行人轨迹预测结果。
54.作为本发明的一种实施方式，所述多线激光雷达安装于载体前部、后部等视野开阔位置，尽可能避免存在盲区，其中载体可以为车辆或是机器人。
55.作为本发明的一种实施方式，所述多线激光雷达包括雷达本体5以及保护壳体2；所述雷达本体5活动连接在保护壳体2的底部，且所述保护壳体2呈“c”型结构布置；所述保护壳体2的底部固接有连接片21，且所述连接片21底部铰接有底座1；所述底座1上对应于连接片21的位置固接有铰接座11；所述连接片21与铰接座11经转轴转动连接。
56.具体的，由于在雷达使用过程中常受到环境影响而导致雷达对行人点云信息的采集效率降低，影响试验结构，而该装置在使用时，通过对多线激光雷达的整体进行重新设计，在雷达本体5的顶部增加一个“c”型结构的保护壳体2，使得雷达本体5在转动运行过程中，不受遮挡，同时能够在恶劣环境下免受影响，且该装置利用保护壳体2底部的连接片21与底座1上的铰接座11铰接，实现了雷达本体5随着保护壳体2一起偏转的效果。
57.作为本发明的一种实施方式，所述保护壳体2的内壁表面对应于雷达本体5底部的
位置转动连接有输出齿轮33，且所述雷达本体5底部固接在输出齿轮33上；所述输出齿轮33的另一侧啮合连接有传动齿轮31，且所述传动齿轮31的底部转动连接在保护壳体2上；所述传动齿轮31的顶部固接有微型电机32，且所述微型电机32固定于保护壳体2侧壁上；所述保护壳体2内壁表面固接有机械罩3，且所述传动齿轮31、输出齿轮33均设置在机械罩3内；所述微型电机32、雷达本体5与传动齿轮31、输出齿轮33的连接轴贯穿在机械罩3上；
58.所述保护壳体2的侧壁上固接有对称布置的弹性支架4，且所述弹性支架4呈三角结构；所述弹性支架4靠近于雷达本体5的一侧转动连接有清洁滚刷41；所述清洁滚刷41的内部开设有上下对称布置的活动腔42，且所述活动腔42的底部固接有弹簧44；所述弹簧44的另一端固接有卡块43，且所述卡块43卡接于弹性支架4的端部。
59.具体的，雷达本体5除了能够随着保护壳体2进行前后方向的偏转外，还可进行左右方向上的旋转，具体为在微型电机32的带动下，传动齿轮31会产生转动，同时输出动力至啮合连接的输出齿轮33上，伴随着输出齿轮33的转动，雷达本体5会随之发生转动，因此可驱动雷达本体5旋转，而在雷达本体5旋转的过程中，可与保护壳体2内侧壁上固接的清洁滚刷41接触，并受到清洁滚刷41的清洁效果，特别是在恶劣的环境下，若是迎面的雨雪遮蔽了雷达本体5的部分视野，可在驱动雷达本体5旋转后，利用清洁滚刷41对雷达本体5的可视窗部分进行清洁，从而保证了雷达本体5的正常工作，防止由于恶劣天气影响而导致雷达本体5失效，具体的，清洁滚刷41使用一段时间后需要对其进行更换，其中在清洁滚刷41内开设有两组活动腔42，利用卡块43能够收缩在活动腔42内，可轻松将清洁滚刷41取出并更换新的清洁滚刷41。
60.一种基于多线激光雷达的行人轨迹预测方法，该预测方法包括以下步骤：
61.s1：通过多线激光雷达采集行人点云信息，得到原始的行人点云数据；
62.s2：通过点云预处理模块，对原始的行人点云数据进行直通滤波、体速滤波进行预处理，得到预处理数据；
63.s3：利用行人信息处理模块对预处理数据进行处理，得到行人的位置坐标、速度、加速度以及历史轨迹；
64.s4：通过轨迹检索模块，将得到的行人历史轨迹与行人轨迹数据库进行相似度匹配，并从中获取相似度程度最高的三条轨迹信息；
65.s5：利用三条轨迹信息作为卡尔曼滤波的先验估计来共同预测行人轨迹，得到准确率更高且更符合行人行为习惯的预测轨迹。
66.具体的，步骤s2中，需要利用点云预处理模块对原始点云数据进行条件滤波，即仅选取行驶路径范围内的点云数据，车头前部0-50m、车身附近0-5m以及底面高度0-3m内的范围，紧接着通过体速滤波进行降采样，通过体速滤波减少点的数量，即减少点云数据，同时保持点云的形状特征使用pcl库中的voxelgrid类，通过输入的点云数据创建一个三维体素栅格，然后在每个体素内，用体素中所有点的重心来近似显示体素中其他点，这样该体素内所有点就用一个重心点最终表示，对于所有体素处理后得到过滤后的点云大幅度减少需要处理点云数据，提高处理效率。紧接着过滤孤立点，剔除杂点以及小点簇，紧接着通过地面分割来获取行人点云信息，地面分割即将地面点云给剔除，只保留地面以上的点云，进一步减少点云数据，提高计算速度，提高感知系统鲁棒性；
67.步骤s3中，将经过预处理之后的点云数据传递给行人信息处理模块，来对点云信
息进行处理，从而获得行人的位置坐标、速度以及轨迹。具体过程如下：根据点云数据反馈，得到行人相距激光雷达的距离，然后通过坐标变换，将行人位置由雷达坐标系转换到车体坐标系下，获取每一帧行人相对于车体的坐标p(x，y)，得到行人的历史轨迹坐标序列p(p1,...,pn)，紧接着将上一帧与当前帧的点云信息进行处理，通过公式计算行人的当前速度vo、加速度ao以及方向，公式如下：
[0068][0069][0070]
步骤s4中，根据上述公式计算结果进行判断，即是否把得到的行人历史轨迹与行人轨迹数据库一起作为输入传递给轨迹相似度检索模块进行检索。如果已经完成检索，进行下一步的卡尔曼滤波，否的话就需要将得到的行人历史轨迹与行人轨迹数据库通过轨迹相似度检索模块进行检索，检索方法如下：
[0071]
根据已经获得的每个时刻行人的位置坐标p(x，y)、速度v以及加速度a，由此可以得到在该观测时间行人的运动轨迹，首先将行人的位置坐标记作序列p(p1,...,pn)，数据库的位置坐标记作l(l1,...,lq)，其中q≥n，计算各个序列点之间的欧氏距离，公式如下：
[0072][0073]
通过计算得到距离矩阵m，如下表所示，此处仅选取了p(p1，p2，p3，p4，p5，p6)和l(l1，l1，l3，l4，l5，l6，l7)；
[0074]
p/ll1l1l3l4l5l6l7p10334522p22112344p33221255p44110166p54110166p62556700
[0075]
再根据得到的距离矩阵，计算累计距离矩阵mc，公式如下：
[0076]
mc(i,j)＝min(mc(i-1,j-1),mc(i-1,j),mc(i,j-1))+m(i,j)
[0077]
最后，两个序列的距离，根据累计距离矩阵mc矩阵的最后一行和最后一列，在本实施例中为2，如下表所示：
[0078]
p/ll1l1l3l4l5l6l7p103610151719p2212471115p354124914p462212814p5133312814p615887822
[0079]
计算行人的历史轨迹与其他行人轨迹数据库中的轨迹之间的距离，选出三个最小值，即为步骤s4中所需要的相似度程度最高的三条轨迹信息，如图3所示。
[0080]
步骤s5中，将轨迹相似度检索模块中得到的三条轨迹作为卡尔曼滤波的先验估计，得出最终预测的行人轨迹。将行人信息处理模块获取的行人信息，其中包括行人的位置坐标p、速度v以及加速度a，通过公式得出估计值公式如下：
[0081][0082]
其中，ft是状态转移矩阵，表示如何从上一状态来推测当前状态，而bt是控制矩阵，表示控制量u如何作用于当前状态；ut是控制参数；
[0083]
随后将行人轨迹数据库中检索的三条轨迹与作为卡尔曼滤波的先验估计，从而推出后验估计，其中kt称之为卡尔曼系数，它是对残差的加权矩阵；观测到的值用yt来表示，此处为多线激光雷达所观测的行人距离；表示预估的观测值，则表示实际观察值与预估的观测值之间的残差，这个残差再乘以系数kt可以用来对估计值进行修正；表示数据库中的轨迹与估计值的残差，可以通过权重系数q来修正，公式如下：
[0084][0085]
从而得到最符合该行人行为特征的一条预测轨迹。
[0086]
工作原理：由于在雷达使用过程中常受到环境影响而导致雷达对行人点云信息的采集效率降低，影响试验结构，而该装置在使用时，通过对多线激光雷达的整体进行重新设计，在雷达本体5的顶部增加一个“c”型结构的保护壳体2，使得雷达本体5在转动运行过程中，不受遮挡，同时能够在恶劣环境下免受影响，且该装置利用保护壳体2底部的连接片21与底座1上的铰接座11铰接，实现了雷达本体5随着保护壳体2一起偏转的效果；
[0087]
雷达本体5除了能够随着保护壳体2进行前后方向的偏转外，还可进行左右方向上的旋转，具体为在微型电机32的带动下，传动齿轮31会产生转动，同时输出动力至啮合连接的输出齿轮33上，伴随着输出齿轮33的转动，雷达本体5会随之发生转动，因此可驱动雷达本体5旋转，而在雷达本体5旋转的过程中，可与保护壳体2内侧壁上固接的清洁滚刷41接触，并受到清洁滚刷41的清洁效果，特别是在恶劣的环境下，若是迎面的雨雪遮蔽了雷达本体5的部分视野，可在驱动雷达本体5旋转后，利用清洁滚刷41对雷达本体5的可视窗部分进行清洁，从而保证了雷达本体5的正常工作，防止由于恶劣天气影响而导致雷达本体5失效，具体的，清洁滚刷41使用一段时间后需要对其进行更换，其中在清洁滚刷41内开设有两组活动腔42，利用卡块43能够收缩在活动腔42内，可轻松将清洁滚刷41取出并更换新的清洁滚刷41。
[0088]
由于雷达本体5、微型电机32的结构属于现有技术，所以本发明文件中未做描述。
[0089]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0090]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术
人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
技术特征：1.一种基于多线激光雷达的行人轨迹预测系统，其特征在于：该系统包括获取单元、计算与处理单元以及显示输出单元；所述获取单元具体为多线激光雷达，且该多线激光雷达通过以太网电性连接计算处理单元进行通讯；所述获取单元用于获取行人的行走信息；所述计算与处理单元用于采集行人轨迹数据，记录行人历史轨迹信息并预测行人的未来轨迹；所述显示输出单元通过hdmi协议与计算处理单元电性连接，且所述显示输出单元用于输出计算与处理单元的行人未来轨迹。2.根据权利要求1所述的一种基于多线激光雷达的行人轨迹预测系统，其特征在于：所述计算与处理单元包括行人点云采集模块、点云预处理模块、行人信息处理模块、行人轨迹数据库模块、轨迹相似度检索模块、卡尔曼滤波模块以及行人轨迹预测输出模块；所述行人点云采集模块用于采集行人的点云数据，同时能够将采集到的点云数据电性传递至点云预处理模块；所述行人信息处理模块用于将点云预处理模块中经过预处理后的数据进行进一步处理；所述轨迹相似度检索模块用于比对经行人信息处理模块处理后的数据与行人轨迹数据库模块的相似度，进一步检索分析出行人轨迹数据库模块中最相似轨迹信息，并利用卡尔曼滤波预测行人轨迹，通过行人轨迹预测输出模块输出至显示输出单元。3.根据权利要求2所述的一种基于多线激光雷达的行人轨迹预测系统，其特征在于：所述行人轨迹数据库模块，用于储存通过多线激光雷达监测采集以及记录不同行人在不同场景下的行走信息，其中行走信息包括行人的起始位置坐标、速度、方向、终点、行走轨迹以及轨迹的变化曲率。4.根据权利要求3所述的一种基于多线激光雷达的行人轨迹预测系统，其特征在于：所述多线激光雷达采集的行走信息，其中行人需要采集不同身高、体积、不同行走习惯以及乘骑载具的行走信息，而场景则需要包括晴天、雨雪天、岔路口、直行车道以及弯道。5.根据权利要求4所述的一种基于多线激光雷达的行人轨迹预测系统，其特征在于：所述卡尔曼滤波可根据各测量量在不同时间下的值，考虑各时间下的联合分布，产生仅基于单个测量值更精确的位置变量的估计值。6.根据权利要求5所述的一种基于多线激光雷达的行人轨迹预测系统，其特征在于：所述计算与处理单元避免安装于暴露区域，以免造成损坏，显示输出单元可安装在操作者以及使用者的可视范围内，用于直观输出行人轨迹预测结果。7.根据权利要求6所述的一种基于多线激光雷达的行人轨迹预测系统，其特征在于：所述多线激光雷达安装于载体前部、后部等视野开阔位置，尽可能避免存在盲区，其中载体可以为车辆或是机器人。8.根据权利要求7所述的一种基于多线激光雷达的行人轨迹预测系统，其特征在于：所述多线激光雷达包括雷达本体(5)以及保护壳体(2)；所述雷达本体(5)活动连接在保护壳体(2)的底部，且所述保护壳体(2)呈“c”型结构布置；所述保护壳体(2)的底部固接有连接片(21)，且所述连接片(21)底部铰接有底座(1)；所述底座(1)上对应于连接片(21)的位置固接有铰接座(11)；所述连接片(21)与铰接座(11)经转轴转动连接。9.根据权利要求8所述的一种基于多线激光雷达的行人轨迹预测系统，其特征在于：所
述保护壳体(2)的内壁表面对应于雷达本体(5)底部的位置转动连接有输出齿轮(33)，且所述雷达本体(5)底部固接在输出齿轮(33)上；所述输出齿轮(33)的另一侧啮合连接有传动齿轮(31)，且所述传动齿轮(31)的底部转动连接在保护壳体(2)上；所述传动齿轮(31)的顶部固接有微型电机(32)，且所述微型电机(32)固定于保护壳体(2)侧壁上；所述保护壳体(2)内壁表面固接有机械罩(3)，且所述传动齿轮(31)、输出齿轮(33)均设置在机械罩(3)内；所述微型电机(32)、雷达本体(5)与传动齿轮(31)、输出齿轮(33)的连接轴贯穿在机械罩(3)上；所述保护壳体(2)的侧壁上固接有对称布置的弹性支架(4)，且所述弹性支架(4)呈三角结构；所述弹性支架(4)靠近于雷达本体(5)的一侧转动连接有清洁滚刷(41)；所述清洁滚刷(41)的内部开设有上下对称布置的活动腔(42)，且所述活动腔(42)的底部固接有弹簧(44)；所述弹簧(44)的另一端固接有卡块(43)，且所述卡块(43)卡接于弹性支架(4)的端部。10.一种基于多线激光雷达的行人轨迹预测方法，其特征在于：该预测方法包括以下步骤：s1：通过多线激光雷达采集行人点云信息，得到原始的行人点云数据；s2：通过点云预处理模块，对原始的行人点云数据进行直通滤波、体速滤波进行预处理，得到预处理数据；s3：利用行人信息处理模块对预处理数据进行处理，得到行人的位置坐标、速度、加速度以及历史轨迹；s4：通过轨迹检索模块，将得到的行人历史轨迹与行人轨迹数据库进行相似度匹配，并从中获取相似度程度最高的三条轨迹信息；s5：利用三条轨迹信息作为卡尔曼滤波的先验估计来共同预测行人轨迹，得到准确率更高且更符合行人行为习惯的预测轨迹。
技术总结本发明公开了一种基于多线激光雷达的行人轨迹预测系统及其预测方法，该系统包括获取单元、计算与处理单元以及显示输出单元；所述获取单元具体为多线激光雷达，且该多线激光雷达通过以太网电性连接计算处理单元进行通讯；所述获取单元用于获取行人的行走信息；所述计算与处理单元用于采集行人轨迹数据，记录行人历史轨迹信息并预测行人的未来轨迹；所述显示输出单元通过HDMI协议与计算处理单元电性连接，且所述显示输出单元用于输出计算与处理单元的行人未来轨迹。通过行人轨迹数据库与卡尔曼滤波结合的方法，大幅度提升行人轨迹预测的准确率，尤其是针对违反道路边界以及不遵守交通规则的行人，可以更好的应对道路突发状况。可以更好的应对道路突发状况。可以更好的应对道路突发状况。
技术研发人员：朱茂飞 刘军杰 张春鹏 付晟 刘罡
受保护的技术使用者：合肥学院
技术研发日：2022.06.23
技术公布日：2022/11/1
