一种障碍物的轨迹预测方法及装置制造方法及图纸

本说明书公开了一种障碍物的轨迹预测方法及装置，根据所采集到的环境信息、目标障碍物的历史轨迹，以及各预先确定出的参考轨迹，通过该轨迹预测模型，能够输出目标障碍物在每种意图类型下的预测轨迹，及目标障碍物以每条预测轨迹运动的预测概率，能够提高对复杂情况下障碍物运动倾向的刻画精度，从而指导无人车更好地避障。更好地避障。更好地避障。

【技术实现步骤摘要】
一种障碍物的轨迹预测方法及装置


[0001]本说明书涉及计算机
，尤其涉及一种障碍物的轨迹预测方法及装置。

技术介绍

[0002]轨迹预测是无人驾驶技术中的重要一环，根据对无人驾驶设备周围障碍物未来的轨迹进行预测，能够为该无人驾驶设备提供所处环境的合理认知，从而指导无人驾驶设备的决策、规划和控制。
[0003]现有的轨迹预测方法，通常是根据所要预测障碍物的历史轨迹，预测该障碍物在未来一段时间的轨迹，作为预测轨迹。
[0004]但该现有的轨迹预测方法，只能生成对于障碍物的一种预测轨迹，而由于现实中障碍物存在着各种行驶倾向，一种预测轨迹显然无法刻画出障碍物在面对存在不同路径的复杂环境时，其可能存在的各种运动倾向。

技术实现思路

[0005]本说明书提供一种障碍物的轨迹预测方法及装置，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：本说明书提供了一种障碍物的轨迹预测方法，包括：获取目标障碍物周围的环境信息，以及所述目标障碍物的历史轨迹数据；将所述目标障碍物周围的环境信息、所述目标障碍物的历史轨迹数据，以及预先确定的各意图类型下的参考轨迹输入预先训练的轨迹预测模型；针对每个意图类型，通过所述轨迹预测模型，根据所述目标障碍物周围的环境信息、所述目标障碍物的历史轨迹数据以及预先确定的各参考轨迹，预测所述目标障碍物的意图属于该意图类型的概率，以及在该意图类型下所述目标障碍物的预测轨迹。
[0007]可选地，预测该意图类型下所述目标障碍物的预测轨迹，具体包括：根据所述目标障碍物的历史轨迹数据，针对每个未来时刻，确定所述目标障碍物在该未来时刻，相对于该意图类型下的参考轨迹的偏移距离；根据所述目标障碍物在该未来时刻，相对于该意图类型下的参考轨迹的偏移距离，确定所述目标障碍物在该未来时刻的预测点；根据所述目标障碍物在各未来时刻的预测点，确定所述目标障碍物在该意图类型下的预测轨迹。
[0008]可选地，所述环境信息，具体包括：静态环境信息和动态环境信息；将所述目标障碍物周围的环境信息输入预先训练的轨迹预测模型，具体包括：确定用于表征所述静态环境信息的静态环境图以及用于表征动态环境信息的动态时空图；输入所述静态环境图及所述动态时空图到所述预先训练的轨迹预测模型。
[0009]可选地，确定用于表征所述静态环境信息的静态环境图，具体包括：根据所述静态环境信息，确定出由至少一层矢量层构成的图像，作为静态环境图。
[0010]可选地，预先确定各意图类型下的参考轨迹，具体包括：获取预先采集到的若干个障碍物的真实轨迹，根据各真实轨迹周围的环境信息，将各真实轨迹划分为若干环境类型；针对每个环境类型，聚类该环境类型下的各真实轨迹，并将聚类得到的各轨迹，作为该环境类型下的各参考轨迹，其中，每个参考轨迹对应于一个意图类型。
[0011]可选地，将聚类得到的各轨迹，作为该环境类型下的各参考轨迹之后，所述方法还包括：针对每个环境类型，针对该环境类型下的每个真实轨迹，预测该真实轨迹对应的障碍物的意图类型，作为该真实轨迹的预测意图类型；根据该真实轨迹与各参考轨迹之间的距离，确定出该真实轨迹的标注意图类型；以各真实轨迹的预测意图类型与标注意图类型之间的差异最小为优化目标，调整各意图类型对应的参考轨迹。
[0012]可选地，预先训练轨迹预测模型，具体包括：确定若干个作为训练样本的真实轨迹，将各真实轨迹对应的障碍物，作为待预测障碍物，针对每个真实轨迹，将该真实轨迹在预设时长内的历史轨迹，作为该待预测障碍物的初始轨迹；将所述初始轨迹作为输入，通过所述轨迹预测模型，根据各初始轨迹，针对每个意图类型，预测所述待预测障碍物的意图属于该意图类型的概率，以及在该意图类型下所述待预测障碍物的预测轨迹；以各真实轨迹与对应的各预测轨迹之间的差异最小为目标，调整所述轨迹预测模型的模型参数。
[0013]可选地，以各真实轨迹与对应的各预测轨迹之间的差异最小为目标，调整所述轨迹预测模型的模型参数，具体包括：针对每个初始轨迹，根据该初始轨迹对应的待预测障碍物的意图属于各意图类型的概率，确定该初始轨迹的预测意图类型；根据该初始轨迹对应的真实轨迹，以及各意图类型下的参考轨迹，确定出该初始轨迹的标注意图类型；将各初始轨迹的预测意图类型与标注意图类型之间的差异作为第一损失，并以第一损失最小为目标，调整所述轨迹预测模型的模型参数。
[0014]可选地，以各真实轨迹与对应的各预测轨迹之间的差异最小为目标，调整所述轨迹预测模型的模型参数，具体包括：针对每个初始轨迹，根据该初始轨迹对应的真实轨迹，以及各意图类型下的参考轨迹，确定出该初始轨迹的标注意图类型；确定该初始轨迹的各预测轨迹，相对于所述标注意图类型下的参考轨迹的偏移距离；确定出该初始轨迹对应的真实轨迹，相对于所述标注意图类型下的参考轨迹的偏移距离；以各初始轨迹的各预测轨迹相对于所述标注意图类型下的参考轨迹的偏移距离，与各
对应的真实轨迹相对于所述标注意图类型下的参考轨迹的偏移距离之间的差异，作为第二损失，并以第二损失最小为目标，调整所述轨迹预测模型的模型参数。
[0015]可选地，以各真实轨迹与对应的预测轨迹之间的差异最小为目标，调整所述轨迹预测模型的模型参数，具体包括：以各预测轨迹与真实轨迹所在的道路之间的差异最小为目标，调整所述轨迹预测模型的模型参数；和/或，以所述预测轨迹与其他各障碍物的行驶轨迹，不同时处于同一位置为目标，调整所述轨迹预测模型的模型参数；和/或，针对每个初始轨迹，将根据该初始轨迹预测出所述待预测障碍物的意图属于各意图类型的概率，作为各意图类型下预测轨迹的预测终点的预测概率；以各初始轨迹的各预测终点与对应的真实轨迹的真实终点距离越近，预测终点的预测概率越高为目标，调整所述轨迹预测模型的模型参数。
[0016]本说明书提供的一种障碍物的轨迹预测装置，包括：信息获取模块：用于获取目标障碍物周围的环境信息，以及所述目标障碍物的历史轨迹数据；信息输入模块：用于将所述目标障碍物周围的环境信息、所述目标障碍物的历史轨迹数据，以及预先确定的各意图类型下的参考轨迹输入预先训练的轨迹预测模型；轨迹预测模块：用于针对每个意图类型，通过所述轨迹预测模型，根据所述目标障碍物周围的环境信息、所述目标障碍物的历史轨迹数据以及预先确定的各参考轨迹，预测所述目标障碍物的意图属于该意图类型的概率，以及在该意图类型下所述目标障碍物的预测轨迹。
[0017]本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述障碍物的轨迹预测方法。
[0018]本说明书提供了一种无人驾驶设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述障碍物的轨迹预测方法。
[0019]本说明书采用的上述至少一个技术方案能够达到以下有益效果：在本说明书提供的障碍物的轨迹预测方法中，根据所采集到的环境信息、目标障碍物的历史轨迹，以及各预先确定出的参考轨迹，通本文档来自技高网...

【技术保护点】

【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：获取目标障碍物周围的环境信息，以及所述目标障碍物的历史轨迹数据；将所述目标障碍物周围的环境信息、所述目标障碍物的历史轨迹数据，以及预先确定的各意图类型下的参考轨迹输入预先训练的轨迹预测模型；针对每个意图类型，通过所述轨迹预测模型，根据所述目标障碍物周围的环境信息、所述目标障碍物的历史轨迹数据以及预先确定的各参考轨迹，预测所述目标障碍物的意图属于该意图类型的概率，以及在该意图类型下所述目标障碍物的预测轨迹。2.如权利要求1所述的方法，其特征在于，预测该意图类型下所述目标障碍物的预测轨迹，具体包括：根据所述目标障碍物的历史轨迹数据，针对每个未来时刻，确定所述目标障碍物在该未来时刻，相对于该意图类型下的参考轨迹的偏移距离；根据所述目标障碍物在该未来时刻，相对于该意图类型下的参考轨迹的偏移距离，确定所述目标障碍物在该未来时刻的预测点；根据所述目标障碍物在各未来时刻的预测点，确定所述目标障碍物在该意图类型下的预测轨迹。3.如权利要求1所述的方法，其特征在于，所述环境信息，具体包括：静态环境信息和动态环境信息；将所述目标障碍物周围的环境信息输入预先训练的轨迹预测模型，具体包括：确定用于表征所述静态环境信息的静态环境图以及用于表征动态环境信息的动态时空图；输入所述静态环境图及所述动态时空图到所述预先训练的轨迹预测模型。4.如权利要求3所述的方法，其特征在于，确定用于表征所述静态环境信息的静态环境图，具体包括：根据所述静态环境信息，确定出由至少一层矢量层构成的图像，作为静态环境图。5.如权利要求1所述的方法，其特征在于，预先确定各意图类型下的参考轨迹，具体包括：获取预先采集到的若干个障碍物的真实轨迹，根据各真实轨迹周围的环境信息，将各真实轨迹划分为若干环境类型；针对每个环境类型，聚类该环境类型下的各真实轨迹，并将聚类得到的各轨迹，作为该环境类型下的各参考轨迹，其中，每个参考轨迹对应于一个意图类型。6.如权利要求5所述的方法，其特征在于，将聚类得到的各轨迹，作为该环境类型下的各参考轨迹之后，所述方法还包括：针对每个环境类型，针对该环境类型下的每个真实轨迹，预测该真实轨迹对应的障碍物的意图类型，作为该真实轨迹的预测意图类型；根据该真实轨迹与各参考轨迹之间的距离，确定出该真实轨迹的标注意图类型；以各真实轨迹的预测意图类型与标注意图类型之间的差异最小为优化目标，调整各意图类型对应的参考轨迹。7.如权利要求1所述的方法，其特征在于，预先训练轨迹预测模型，具体包括：确定若干个作为训练样本的真实轨迹，将各真实轨迹对应的障碍物，作为待预测障碍
物，针对每个真实轨迹，将该真实轨迹在预设时长内的历史轨迹，作为该待预测障碍物的初始轨迹；将所述初始轨迹作为输入，通过所述轨迹预测模型，根据各初始轨迹，针对每个意图类型，预测所述待预测障碍物的意图属于该意图类型的概率，以及在该意图类型下所述待预测障碍物的预测轨迹；以各真实轨迹与对应的各预测轨迹之间的差异最小为目标，调...

【专利技术属性】
技术研发人员：代亚暄，钱德恒，任冬淳，樊明宇，夏华夏，
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：