一种多轨迹预测模型的轨迹集成方法技术

本发明专利技术实施例涉及一种多轨迹预测模型的轨迹集成方法，所述方法包括：获取多个第一轨迹预测模型i的第一预测轨迹τ

【技术实现步骤摘要】
一种多轨迹预测模型的轨迹集成方法


[0001]本专利技术涉及数据处理
，特别涉及一种多轨迹预测模型的轨迹集成方法。

技术介绍

[0002]轨迹预测(trajectory prediction)是自动驾驶技术中的重要组成部分。常规情况下都采用基于人工智能技术的轨迹预测模型来处理各个轨迹预测事件。但在实际应用中我们发现，鉴于不同模型的网络结构差异和运算能力差异，仅仅使用单一的轨迹预测模型对不同路况的运动轨迹进行预测，其结果并不十分理想。这种情况下，若能引用多个轨迹预测模型进行同步预测，应是可以起到模型互补的作用，并能进一步提高轨迹预测的准确度与精度。但如何将多个轨迹预测模型的预测结果进行融合，这在目前还没有一种标准的解决办法。

技术实现思路

[0003]本专利技术的目的，就是针对现有技术的缺陷，提供一种多轨迹预测模型的轨迹集成方法、电子设备及计算机可读存储介质，首先对多个轨迹预测模型输出的轨迹进行单轨迹模态和多轨迹模态识别；若为单轨迹模态则直接多条预测轨迹进行算术平均计算从而得到对应的集成轨迹；若为多轨迹模态则进一步对轨迹预测模型是否使用锚点参与预测进行识别，若使用了锚点则基于锚点对各个预测轨迹进行分段聚类得到多个聚类分段集合，若未使用任何锚点则基于K均值聚类算法对各个预测轨迹进行分段聚类得到多个聚类分段集合，再使用上述单轨迹模态的处理方法对各个聚类分段集合进行轨迹集成从而得到对应的分段集成轨迹，再将得到的所有分段集成轨迹组合在一起就得到最后的集成轨迹。通过本专利技术，可以解决多个轨迹预测模型的预测轨迹集成问题。
[0004]为实现上述目的，本专利技术实施例第一方面提供了一种多轨迹预测模型的轨迹集成方法，所述方法包括：
[0005]获取多个第一轨迹预测模型i的第一预测轨迹τ
i
；为所述第一轨迹预测模型i预测出的在时刻t的预测位姿，T为预测轨迹的时域；i为所述第一轨迹预测模型的编号，i的取值从1到第一轨迹预测模型的总数B，B>0；
[0006]对所述多个第一预测轨迹τ
i
的轨迹模态进行识别，生成对应的轨迹模态数据；
[0007]当所述轨迹模态数据为单轨迹模态时，对所述多个第一预测轨迹τ
i
进行单模态轨迹集成处理，生成对应的第一集成轨迹τ
E1
；
[0008]当所述轨迹模态数据为多轨迹模态时，对所述多个第一预测轨迹τ
i
进行多模态轨迹集成处理，生成对应的第二集成轨迹τ
E2
；
[0009]将得到的集成轨迹作为多轨迹预测模型的轨迹集成处理结果输出。
[0010]优选的，所述对所述多个第一预测轨迹τ
i
的轨迹模态进行识别，生成对应的轨迹模态数据，具体包括：
[0011]对所述多个第一预测轨迹τ
i
是否全为单条轨迹进行识别；若所述多个第一预测轨
迹τ
i
全为单条轨迹，则设置所述轨迹模态数据为单轨迹模态；若所述多个第一预测轨迹τ
i
不全为单条轨迹，则设置所述轨迹模态数据为多轨迹模态。
[0012]优选的，所述当所述轨迹模态数据为单轨迹模态时，对所述多个第一预测轨迹τ
i
进行单模态轨迹集成处理，生成对应的第一集成轨迹τ
E1
，具体包括：
[0013]当所述轨迹模态数据为单轨迹模态时，对各个所述第一预测轨迹τ
i
按算数平均方式进行轨迹集成处理，生成所述第一集成轨迹τ
E1
，
[0014]优选的，所述当所述轨迹模态数据为多轨迹模态时，对所述多个第一预测轨迹τ
i
进行多模态轨迹集成处理，生成对应的第二集成轨迹τ
E2
，具体包括：
[0015]当所述轨迹模态数据为多轨迹模态时，对所述多个第一预测轨迹τ
i
是否使用了统一的锚点集合作为轨迹校准参考进行识别，生成对应的锚点状态数据；若所述多个第一预测轨迹τ
i
使用了所述统一的锚点集合作为轨迹校准参考，则设置所述锚点状态数据为启用锚点状态；若所述多个第一预测轨迹τ
i
未使用任何锚点集合作为轨迹校准参考，则设置所述锚点状态数据为未启用锚点状态；
[0016]当所述锚点状态数据为启用锚点状态时，基于所述统一的锚点集合对所述多个第一预测轨迹τ
i
进行轨迹集成处理，生成所述第二集成轨迹τ
E2
；
[0017]当所述锚点状态数据为未启用锚点状态时，基于K均值聚类算法对所述多个第一预测轨迹τ
i
进行轨迹集成处理，生成所述第二集成轨迹τ
E2
。
[0018]进一步的，所述当所述锚点状态数据为启用锚点状态时，基于所述统一的锚点集合对所述多个第一预测轨迹τ
i
进行轨迹集成处理，生成所述第二集成轨迹τ
E2
，具体包括：
[0019]当所述锚点状态数据为启用锚点状态时，获取所述统一的锚点集合作为第一锚点集合；所述第一锚点集合包括多个第一锚点；
[0020]统计所述第一锚点的数量，生成第一数量k；
[0021]根据所述第一数量k个所述第一锚点，对各个所述第一预测轨迹τ
i
进行预测轨迹分段，得到所述第一数量k个第一预测轨迹分段j的取值从1到k；
[0022]将各个所述第一预测轨迹τ
i
中，对应同一个所述第一锚点的所述第一预测轨迹分段纳入同一个轨迹分段集合，从而得到所述第一数量k个第一轨迹分段集合；所述第一轨迹分段集合为
[0023]对各个所述第一轨迹分段集合，按所述单模态轨迹集成处理的处理机制进行轨迹集成处理，生成对应的第一分段集成轨迹
[0024]对得到的所述第一数量k个所述第一分段集成轨迹进行轨迹组合，生成所述第二集成轨迹τ
E2
。
[0025]进一步优选的，在所述生成所述第二集成轨迹τ
E2
之后，所述方法还包括：
[0026]按预设的均值计算模式，对各个所述第一轨迹分段集合中的所有所述第一预测轨迹分段的轨迹概率，进行均值计算生成对应的第一轨迹分段概率p
j
；所述均值计算模式至少包括算术平均计算模式和几何平均计算模式；
[0027]在所述第二集成轨迹τ
E2
中，使用所述第一轨迹分段概率p
j
对与之对应的所述第一分段集成轨迹进行分段轨迹概率标记。
[0028]进一步的，所述当所述锚点状态数据为未启用锚点状态时，基于K均值聚类算法对所述多个第一预测轨迹τ
i
进行轨迹集成处理，生成所述第二集成轨迹τ
E2
，具体包括：
[0029]当所述锚点状态数据为未启用锚点状态时，基于K均值聚类算法对所述多个第一预测轨迹τ
i...

【技术保护点】

【技术特征摘要】
1.一种多轨迹预测模型的轨迹集成方法，其特征在于，所述方法包括：获取多个第一轨迹预测模型i的第一预测轨迹τ
i
；；为所述第一轨迹预测模型i预测出的在时刻t的预测位姿，T为预测轨迹的时域；i为所述第一轨迹预测模型的编号，i的取值从1到第一轨迹预测模型的总数B，B>0；对所述多个第一预测轨迹τ
i
的轨迹模态进行识别，生成对应的轨迹模态数据；当所述轨迹模态数据为单轨迹模态时，对所述多个第一预测轨迹τ
i
进行单模态轨迹集成处理，生成对应的第一集成轨迹τ
E1
；当所述轨迹模态数据为多轨迹模态时，对所述多个第一预测轨迹τ
i
进行多模态轨迹集成处理，生成对应的第二集成轨迹τ
E2
；将得到的集成轨迹作为多轨迹预测模型的轨迹集成处理结果输出。2.根据权利要求1所述的多轨迹预测模型的轨迹集成方法，其特征在于，所述对所述多个第一预测轨迹τ
i
的轨迹模态进行识别，生成对应的轨迹模态数据，具体包括：对所述多个第一预测轨迹τ
i
是否全为单条轨迹进行识别；若所述多个第一预测轨迹τ
i
全为单条轨迹，则设置所述轨迹模态数据为单轨迹模态；若所述多个第一预测轨迹τ
i
不全为单条轨迹，则设置所述轨迹模态数据为多轨迹模态。3.根据权利要求1所述的多轨迹预测模型的轨迹集成方法，其特征在于，所述当所述轨迹模态数据为单轨迹模态时，对所述多个第一预测轨迹τ
i
进行单模态轨迹集成处理，生成对应的第一集成轨迹τ
E1
，具体包括：当所述轨迹模态数据为单轨迹模态时，对各个所述第一预测轨迹τ
i
按算数平均方式进行轨迹集成处理，生成所述第一集成轨迹τ
E1
，4.根据权利要求1所述的多轨迹预测模型的轨迹集成方法，其特征在于，所述当所述轨迹模态数据为多轨迹模态时，对所述多个第一预测轨迹τ
i
进行多模态轨迹集成处理，生成对应的第二集成轨迹τ
E2
，具体包括：当所述轨迹模态数据为多轨迹模态时，对所述多个第一预测轨迹τ
i
是否使用了统一的锚点集合作为轨迹校准参考进行识别，生成对应的锚点状态数据；若所述多个第一预测轨迹τ
i
使用了所述统一的锚点集合作为轨迹校准参考，则设置所述锚点状态数据为启用锚点状态；若所述多个第一预测轨迹τ
i
未使用任何锚点集合作为轨迹校准参考，则设置所述锚点状态数据为未启用锚点状态；当所述锚点状态数据为启用锚点状态时，基于所述统一的锚点集合对所述多个第一预测轨迹τ
i
进行轨迹集成处理，生成所述第二集成轨迹τ
E2
；当所述锚点状态数据为未启用锚点状态时，基于K均值聚类算法对所述多个第一预测轨迹τ
i
进行轨迹集成处理，生成所述第二集成轨迹τ
E2
。5.根据权利要求4所述的多轨迹预测模型的轨迹集成方法，其特征在于，所述当所述锚点状态数据为启用锚点状态时，基于所述统一的锚点集合对所述多个第一预测轨迹τ
i
进行轨迹集成处理，生成所述第二集成轨迹τ
E2
，具体包括：当所述锚点状态数据为启用锚点状态时，获取所述统一的锚点集合作为第一锚点集合；所述第一锚点集合包括多个第一锚点；
统计所述第一锚点的数量，生成第一数量k；根据所述第一数量k个所述第一锚点，对各个所述...

【专利技术属性】
技术研发人员：大方，张雨，何润林，
申请(专利权)人：北京轻舟智航科技有限公司，
类型：发明
国别省市：