一种障碍物的轨迹预测方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种障碍物的轨迹预测方法、装置、存储介质及电子设备，本说明书实施例通过各障碍物的历史运动轨迹输入到第一模型得到全局交互特征，并将两种以上比例尺的地图数据以及待预测障碍物的历史运动轨迹输入第二模型，得到待预测障碍物对应的地图聚合特征，再将全局交互特征、地图聚合特征和待预测障碍物的历史运动轨迹输入第三模型中，使第三模型可以通过待预测障碍物的历史运动轨迹所表达出的待预测障碍物的运动速度，自适应的从聚合了各种比例尺的地图的地图聚合特征中选取与待预测障碍物的运动速度相适应的地图特征，用来辅助预测该待预测障碍物的运动轨迹，使得最后得到的该待预测障碍物的预测运动轨迹更加准确。

【技术实现步骤摘要】
一种障碍物的轨迹预测方法、装置、存储介质及电子设备
本说明书涉及无人驾驶
，尤其涉及一种障碍物的轨迹预测方法、装置、存储介质及电子设备。
技术介绍
目前，在无人驾驶
中，障碍物的轨迹预测是一个重要技术。随着近年来传感器技术的发展，更加精确的地图（如雷达地图、高精地图等）被用来辅助对障碍物的轨迹进行预测。在现有技术中，通过地图辅助障碍物的轨迹预测时，对于不同速度的障碍物，均使用相同比例尺的地图来辅助障碍物的轨迹预测。但事实上，不同速度的障碍物，所需的地图的比例尺也是不同的，例如，如果速度较快，则一般需要看的更远，而低速时只需要观察比较近的场景就可以了。因此，现有技术中使用同一比例尺的地图辅助障碍物轨迹预测的方法会导致预测结果不准确。
技术实现思路
本说明书实施例提供一种障碍物的轨迹预测方法、装置、存储介质及电子设备，以部分解决上述现有技术存在的问题。本说明书实施例采用下述技术方案：本说明书提供的一种障碍物的轨迹预测方法，包括：获取各障碍物的历史运动轨迹；将各障本文档来自技高网...

【技术保护点】
1.一种障碍物的轨迹预测方法，其特征在于，包括：/n获取各障碍物的历史运动轨迹；/n将各障碍物的历史运动轨迹输入预先训练的第一模型，得到所述第一模型输出的各障碍物的全局交互特征；并，确定包含各障碍物的历史运动轨迹的区域，确定至少两种比例尺下所述区域内的地图，将每种比例尺下的地图数据和所述各障碍物中的待预测障碍物的历史运动轨迹输入预先训练的第二模型，得到所述第二模型输出的所述待预测障碍物对应的地图聚合特征；/n将所述全局交互特征、所述地图聚合特征以及所述待预测障碍物的历史运动轨迹输入预先训练的第三模型，得到所述第三模型输出的所述待预测障碍物的预测运动轨迹。/n

【技术特征摘要】
1.一种障碍物的轨迹预测方法，其特征在于，包括：
获取各障碍物的历史运动轨迹；
将各障碍物的历史运动轨迹输入预先训练的第一模型，得到所述第一模型输出的各障碍物的全局交互特征；并，确定包含各障碍物的历史运动轨迹的区域，确定至少两种比例尺下所述区域内的地图，将每种比例尺下的地图数据和所述各障碍物中的待预测障碍物的历史运动轨迹输入预先训练的第二模型，得到所述第二模型输出的所述待预测障碍物对应的地图聚合特征；
将所述全局交互特征、所述地图聚合特征以及所述待预测障碍物的历史运动轨迹输入预先训练的第三模型，得到所述第三模型输出的所述待预测障碍物的预测运动轨迹。


2.如权利要求1所述的方法，其特征在于，将每种比例尺下的地图数据和所述障碍物中的待预测障碍物的历史运动轨迹输入预先训练的第二模型，得到所述第二模型输出的地图聚合特征，具体包括：
针对每种比例尺下的地图，对该比例尺下的地图中包含的各条道路进行采样；
将采样得到的各道路采样点的位置数据以及所述待预测障碍物的历史运动轨迹输入预先训练的第二模型，得到所述第二模型输出的所述待预测障碍物对应的地图聚合特征。


3.如权利要求2所述的方法，其特征在于，对该比例尺下的地图中包含的各条道路进行采样，具体包括：
针对每个障碍物，根据该比例尺下的地图中该障碍物的历史运动轨迹所在的道路的方向，该比例尺下的地图中包含的各条道路进行采样，得到道路采样点。


4.如权利要求2所述的方法，其特征在于，所述第二模型包括第一处理层和第二处理层；
将采样得到的各道路采样点的位置数据以及所述待预测障碍物的历史运动轨迹输入第二模型，得到所述第二模型输出的所述待预测障碍物对应的地图聚合特征，具体包括：
针对每种比例尺下的地图，将针对该比例尺下的地图进行采样得到的道路采样点的位置数据输入所述第一处理层，得到所述第一处理层输出的该比例尺下的地图对应的地图特征；
将所述待预测障碍物的历史运动轨迹输入所述第二处理层，使第二处理层得到所述待预测障碍物的历史运动轨迹对应的轨迹特征；
将每种比例尺下的地图对应的地图特征与所述待预测障碍物的历史运动轨迹对应的轨迹特征进行聚合，得到所述待预测障碍物对应的地图聚合特征。


5.如权利要求1所述的方法，其特征在于，所述第二模型包括卷积层和全连接层；
将每种比例尺下的地图数据和所述各障碍物中的待预测障碍物的历史运动轨迹输入预先训练的第二模型，具体包括：
针对每种比例尺下的地图，将该比例尺下的地图对应的图像输入所述卷积层，得到所述卷积层输出的该比例尺下的地图对应的图像特征；
将该比例尺下的地图对应的图像特征输入所述全连接层，得到所述全连接层输出的该比例尺下的地图对应的地图特征；
将每种比例尺下的地图对应的地图特征与所述待预测障碍物的历史运动轨迹对应的轨迹特征进行聚合，得到所述待预测障碍物对应的地图聚合特征。


6.如权利要求4...

【专利技术属性】
技术研发人员：樊明宇，周浩，任冬淳，夏华夏，王志超，钱德恒，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11