轨迹预测方法、装置和存储介质制造方法及图纸

本申请实施例公开了一种轨迹预测方法、装置和存储介质；本申请实施例可以获取第一对象的位置信息和行驶特征；根据第一对象的位置信息确定第一对象所在区域；根据第一对象所在区域和行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型；获取与行驶场景类型对应的参考行驶特征；在第一对象对应的对象选择范围内确定与参考行驶特征相匹配的第二对象；基于第二对象当前所在的行驶路径以及第二对象的行驶特征，预测第二对象的行驶轨迹。在本申请实施例中，通过第一对象的行驶场景筛选可能与第一对象碰撞的第二对象，并只预测第二对象的移动轨迹，由此该方案可以降低计算资源消耗，从而提升轨迹预测的效率。

Trajectory prediction methods, devices and storage media

【技术实现步骤摘要】
轨迹预测方法、装置和存储介质
本申请涉及计算机领域，具体涉及一种轨迹预测方法、装置和存储介质。
技术介绍
随着智能化的普及，车辆、轮船、航天器、机器人等机械可以利用计算机技术的辅助来规避碰撞事故，同时提高移动效率。比如，车载计算机除了可以分辨出自身车辆周围的静态障碍物，还可以预测自身车辆周围动态障碍物的行驶轨迹，并根据动态障碍物的行驶轨迹判断出该动态障碍物是否对自身车辆构成潜在的安全威胁。然而，目前轨迹预测的方法需要占用大量计算资源。
技术实现思路
本申请实施例提供一种轨迹预测方法、装置和存储介质，可以降低轨迹预测的计算量。本申请实施例提供一种轨迹预测方法，包括：获取第一对象的位置信息和行驶特征；根据第一对象的位置信息确定所述第一对象所在区域；根据所述第一对象所在区域和所述行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型；获取与所述行驶场景类型对应的参考行驶特征；在所述第一对象对应的对象选择范围内确定与所述参考行驶特征相匹配的第二对象；基于第二对象当前所在的行驶路径以及第二对象的行驶特征，预测第二对象的行驶轨迹。在一些实施例中，根据所述第一对象所在区域和所述行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型，包括：确定第一对象所在区域中的路径指示线；从所述路径指示线中选取与第一对象空间距离最小的路径指示线；根据所述最近路径指示线以及第一对象的行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型。在一些实施例中，根据所述最近的路径指示线以及第一对象的行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型，包括：确定所述最近路径指示线的指示方向；根据所述最近路径指示线的指示方向以及第一对象的行驶方向，分析第一对象的行驶行为；基于第一对象的行驶行为，确定第一对象在所在区域中的行驶场景类型。在一些实施例中，根据所述最近路径指示线的指示方向以及第一对象的行驶方向，分析第一对象的行驶行为，包括：当第一对象的行驶方向与最近路径指示线的指示方向不匹配时，确定第一对象的场景类型为异常行驶行为；当第一对象的行驶方向与最近路径指示线的指示方向相匹配时，确定第一对象的场景类型为正常行驶行为。在一些实施例中，基于第一对象的行驶行为，确定第一对象在所在区域中的行驶场景类型，包括：获取行驶场景分类标准；根据行驶场景分类标准，确定与第一对象在所在区域以及第一对象的行驶行为对应的行驶场景类型。在一些实施例中，在所述第一对象对应的对象选择范围内确定与所述参考行驶特征相匹配的第二对象，包括：基于预设距离范围搜索除第一对象以外的候选对象；采集候选对象的图像信息；采用对象识别网络对所述图像信息进行对象识别，得到所述图像信息中候选对象的行驶特征，其中，所述对象识别网络由图像训练样本训练而成；当所述候选对象的行驶特征与参考行驶特征相匹配时，确定所述候选对象为第二对象。在一些实施例中，基于第二对象当前所在的行驶路径以及第二对象的行驶特征，预测第二对象的行驶轨迹，包括：确定第二对象当前所在的行驶路径以及第二对象的行驶特征；对所述第二对象当前所在的行驶路径进行拓扑分析，得到与所述第二对象当前所在的行驶路径相关联的关联路径；根据所述第二对象的行驶特征从所述关联路径中选取第二对象即将驶入的关联路径；根据所述第二对象的行驶特征以及选取的关联路径，预测第二对象的行驶轨迹。在一些实施例中，确定第二对象当前所在的行驶路径，包括：搜索预设距离范围内的行驶路径；根据第二对象的位置信息确定所述行驶路径与第二对象之间的空间距离；从所述行驶路径中选取与第二对象空间距离最小的行驶路径，得到第二对象当前所在的行驶路径。在一些实施例中，根据所述第二对象的行驶特征从所述关联路径中选取第二对象即将驶入的关联路径，包括：根据所述第二对象的行驶特征计算第二对象即将驶入关联路径的驶入概率；根据所述驶入概率，从所述关联路径中选取第二对象即将驶入的关联路径。在一些实施例中，根据所述第二对象的行驶特征计算第二对象即将驶入关联路径的驶入概率，包括：获取所述关联路径的路径信息；根据所述第二对象的行驶特征以及关联路径的路径信息，计算第二对象与所述关联路径之间的行驶特征变化信息；根据所述行驶特征变化信息计算第二对象驶入所述关联路径的驶入概率。在一些实施例中，根据所述行驶特征变化信息计算第二对象驶入所述关联路径的驶入概率之前，还包括：获取第二对象的位置信息，并根据所述第二对象的位置信息确定第二对象所在区域；根据所述第二对象所在区域和所述行驶特征，对第二对象进行行驶场景分类，得到第二对象当前所处的行驶场景类型；根据所述第二对象的场景类型确定所述关联路径对应的场景类型权重；基于所述场景类型权重对所述行驶特征变化信息进行加权处理。在一些实施例中，根据所述第二对象的行驶特征以及选取的关联路径，预测第二对象的行驶轨迹，包括：采用轨迹预测网络，根据所述第二对象的行驶特征对第二对象在选取的关联路径上的行驶轨迹进行预测，其中，轨迹预测网络由轨迹训练样本训练而成。本申请实施例还提供一种轨迹预测装置，包括：获取单元，用于获取第一对象的位置信息和行驶特征；区域单元，用于根据第一对象的位置信息确定所述第一对象所在区域；场景单元，用于根据所述第一对象所在区域和所述行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型；特征单元，用于获取与所述行驶场景类型对应的参考行驶特征；特征匹配单元，用于在所述第一对象对应的对象选择范围内确定与所述参考行驶特征相匹配的第二对象；预测单元，用于基于第二对象当前所在的行驶路径以及第二对象的行驶特征，预测第二对象的行驶轨迹。本申请实施例还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例所提供的任一种轨迹预测方法中的步骤。本申请实施例可以获取第一对象的位置信息和行驶特征；根据第一对象的位置信息确定第一对象所在区域；根据第一对象所在区域和行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型；获取与行驶场景类型对应的参考行驶特征；在第一对象对应的对象选择范围内确定与参考行驶特征相匹配的第二对象；基于第二对象当前所在的行驶路径以及第二对象的行驶特征，预测第二对象的行驶轨迹。目前需要使用轨迹预测模型来预测周围动态障碍物的行驶轨迹，然而训练该轨迹预测模型的过程需要使用丰富的训练样本，并且在使用该轨迹预测模型进行预测时消耗大量的计算资源，导致了该预测方法的成本过高，由此阻碍了该技术的普及。在本申请实施例中，可以确定第一对象的行驶场景，并根据第一对象的行驶场景筛选可能与第一对象碰撞的第二对象，只对这些给第一对象带来安全风险的第二对象进行轨迹预测，由此该方案可以降低计算量，减少计算资源的消耗。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1a是本申请实施例提供的轨迹预测方法的场景示意图；图1b是本申请实施例提供的轨迹预测方法的流程示意图；图1c是本申请实本文档来自技高网...

【技术保护点】
1.一种轨迹预测方法，其特征在于，包括：获取第一对象的位置信息和行驶特征；根据第一对象的位置信息确定所述第一对象所在区域；根据所述第一对象所在区域和所述行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型；获取与所述行驶场景类型对应的参考行驶特征；在所述第一对象对应的对象选择范围内确定与所述参考行驶特征相匹配的第二对象；基于第二对象当前所在的行驶路径以及第二对象的行驶特征，预测第二对象的行驶轨迹。

【技术特征摘要】
1.一种轨迹预测方法，其特征在于，包括：获取第一对象的位置信息和行驶特征；根据第一对象的位置信息确定所述第一对象所在区域；根据所述第一对象所在区域和所述行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型；获取与所述行驶场景类型对应的参考行驶特征；在所述第一对象对应的对象选择范围内确定与所述参考行驶特征相匹配的第二对象；基于第二对象当前所在的行驶路径以及第二对象的行驶特征，预测第二对象的行驶轨迹。2.如权利要求1所述的轨迹预测方法，其特征在于，根据所述第一对象所在区域和所述行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型，包括：确定第一对象所在区域中的路径指示线；从所述路径指示线中选取与第一对象空间距离最小的路径指示线；根据所述最近路径指示线以及第一对象的行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型。3.如权利要求2所述的轨迹预测方法，行驶特征包括行驶方向，根据所述最近的路径指示线以及第一对象的行驶特征，对第一对象进行行驶场景分类，得到第一对象当前所处的行驶场景类型，包括：确定所述最近路径指示线的指示方向；根据所述最近路径指示线的指示方向以及第一对象的行驶方向，分析第一对象的行驶行为；基于第一对象的行驶行为，确定第一对象在所在区域中的行驶场景类型。4.如权利要求3所述的轨迹预测方法，其特征在于，根据所述最近路径指示线的指示方向以及第一对象的行驶方向，分析第一对象的行驶行为，包括：当第一对象的行驶方向与最近路径指示线的指示方向不匹配时，确定第一对象的场景类型为异常行驶行为；当第一对象的行驶方向与最近路径指示线的指示方向相匹配时，确定第一对象的场景类型为正常行驶行为。5.如权利要求3所述的轨迹预测方法，其特征在于，基于第一对象的行驶行为，确定第一对象在所在区域中的行驶场景类型，包括：获取行驶场景分类标准；根据行驶场景分类标准，确定与第一对象在所在区域以及第一对象的行驶行为对应的行驶场景类型。6.如权利要求1所述的轨迹预测方法，其特征在于，在所述第一对象对应的对象选择范围内确定与所述参考行驶特征相匹配的第二对象，包括：基于预设距离范围搜索除第一对象以外的候选对象；采集候选对象的图像信息；采用对象识别网络对所述图像信息进行对象识别，得到所述图像信息中候选对象的行驶特征，其中，所述对象识别网络由图像训练样本训练而成；当所述对象的行驶特征与参考行驶特征相匹配时，确定所述对象为第二对象。7.如权利要求1所述的轨迹预测方法，其特征在于，基于第二对象当前所在的行驶路径以及第二对象的行驶特征，预测第二对象的行驶轨迹，包括：确定第二对象当前所在的行驶路径以及第二对象的行驶特征；对所述第二对象当前所在的行驶路径进行拓扑分析，得到与所述第二对象当前所在的行驶...

【专利技术属性】
技术研发人员：钱祥隽，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44