随着自动驾驶技术的逐步落地,层出不穷的问题显现出来。自动驾驶汽车搭载着众多昂贵的传感器,仅仅是为了能够实现信息冗余,从而提高驾驶的安全性。然而,提高驾驶安全性单从传感器方面考虑是不够的,路面情况瞬息万变,眨眼间就可能发生危险,因而需要更长远的考虑。为了更好地掌握路面情况,为决策提供更多有利信息,人们研究了各种交通场景,开辟了动态轨迹预测和驾驶意图理解等有关驾驶态势理解的研究方向。动态轨迹预测的前提是检测到目标并能够跟踪该目标。利用卡尔曼滤波算法和目标关联算法估计出最新轨迹,结合轨迹曲线特征和概率模型,得到一段较为合理的未来轨迹。驾驶意图理解的方法多种多样,目的在于估计出车辆未来的意图,由于意图无法直接被观测,利用隐马尔科夫模型间接预测会更好。多车辆的路面上,需要及时对危险情况做出预警,达到提高安全性的目的。本文研究成果依托于吉林大学机器人研究组,针对构建驾驶态势理解系统所需的关键技术进行了研究。从实际驾驶场景考虑,结合了课题组的现有研究成果和实验平台,提出了一种构建驾驶态势理解系统的方法,实现了对交通场景中出现的周围车辆的动态轨迹预测和驾驶意图理解,并针对预测结果和自身车辆的情况,在存在危险的场景下进行驾驶态势预警。本文的创新之处在于,与传统的动态轨迹预测算法相比,引入曲线拟合方法计算车辆曲率,完成了对轨迹序列的合理预测,进而提高了驾驶意图理解的准确性。对不同场景下和规模下的数据进行实验,验证了本文通过动态轨迹预测算法和驾驶意图理解算法能够完成驾驶态势理解系统的构建,并能够在危险时给出预警。