一种车辆轨迹生成方法及装置制造方法及图纸

本发明专利技术一种车辆轨迹生成方法，将真实多车轨迹和基于多车位置条件得到的生成多车轨迹传递给分类鉴别器得到第一logit向量和第一特征向量，基于第一logit向量采用对抗学习的方式训练分类鉴别器；将真实多车轨迹和生成多车轨迹传递给回归鉴别器得到第二logit向量和第二特征向量，基于第二logit向量训练回归鉴别器；基于第一和第二特征向量、第一和第二logit向量采用对抗学习的方式训练生成器，得到目标生成器；将多车位置条件和高斯过程采样传递给目标生成器得到目标多车轨迹。上述过程，基于多车位置条件、对抗算法对生成器进行训练，目标多车轨迹可生成与真实数据同分布的多车轨迹，提高了多车轨迹生成的准确性和真实性。提高了多车轨迹生成的准确性和真实性。提高了多车轨迹生成的准确性和真实性。

【技术实现步骤摘要】
一种车辆轨迹生成方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种车辆轨迹生成方法及装置。

技术介绍

[0002]随着机械化与智能化水平的不断提高，智能驾驶逐渐成为研究的热点。在智能驾驶研究中，为了进行驾驶算法的设计和验证，或进行驾驶行为的分析与研究，需要大量车辆轨迹。然而，大量车辆轨迹的采集不仅需要昂贵的设备与繁复的轨迹处理步骤，而且也需要考虑到隐私问题。因此，需要实现多车轨迹生成。
[0003]现有的车辆轨迹生成过程中，只能生成单车轨迹，未考虑生成轨迹与周围车辆的交互，导致多车轨迹的生成不准确。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种车辆轨迹生成方法及装置，用以解决现有车辆轨迹生成过程中，只能生成单车轨迹，未考虑生成轨迹与周围车辆的交互，导致多车轨迹的生成不准确的问题。具体方案如下：
[0005]一种车辆轨迹生成方法，包括：
[0006]训练进行时获取多车位置条件和高斯过程采样，将所述多车位置条件和所述高斯过程采样传递给生成器得到生成多车轨迹；<br/>[0007]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆轨迹生成方法，其特征在于，包括：训练进行时获取多车位置条件和高斯过程采样，将所述多车位置条件和所述高斯过程采样传递给生成器得到生成多车轨迹；获取真实多车轨迹，将所述真实多车轨迹和所述生成多车轨迹传递给分类鉴别器得到第一logit向量和第一特征向量，基于所述第一logit向量采用对抗学习的方式训练所述分类鉴别器；训练进行时，将所述真实多车轨迹和所述生成多车轨迹传递给回归鉴别器得到第二logit向量和第二特征向量，基于所述第二logit向量采用对抗学习的方式训练所述回归鉴别器；训练进行时，基于所述第一特征向量、所述第二特征向量、所述第一logit向量以及所述第二logit向量采用对抗学习的方式训练所述生成器，得到目标生成器；训练完成后，将所述多车位置条件和所述高斯过程采样传递给所述目标生成器得到目标多车轨迹。2.根据权利要求1所述的方法，其特征在于，将所述多车位置条件和所述高斯过程采样传递给生成器得到生成多车轨迹，包括：将所述多车位置条件基于MLP编码生成前向顺序表达和逆向顺序表达的初始隐藏状态；将所述初始隐藏状态和所述高斯过程采样经过MLP编码后的结果经过双向GRU得到前向顺序表达和逆向顺序表达；基于所述前向顺序表达和所述逆向顺序表达对经过MLP编码的高斯过程采样的时序特征进行变换，得到时序编码集；将所述时序编码集中时序编码相减得到相对编码集，将所述相对编码集中的相对编码进行MLP变换后再进行平均池化操作，得到目标相对编码集；将所述目标相对编码集和所述时序编码集进行串接后再经过MLP编码得到所述生成多车轨迹。3.根据权利要求1所述的方法，其特征在于，获取真实多车轨迹，将所述真实多车轨迹和所述生成多车轨迹传递给分类鉴别器得到第一logit向量和第一特征向量，包括：将所述真实多车轨迹和所述生成多车轨迹基于MLP编码和双向GRU得到顺序编码；基于所述真实多车轨迹和所述生成多车轨迹确定多车相对轨迹；将所述多车相对轨迹基于MLP编码和平均池化操作得到空间关系编码；基于所述顺序编码和所述空间关系编码确定第一logit向量和第一特征向量。4.根据权利要求1所述的方法，其特征在于，将所述真实多车轨迹和所述生成多车轨迹传递给回归鉴别器得到第二logit向量和第二特征向量，包括：选取目标车辆，在所述真实多车轨迹和所述生成多车轨迹中提取所述目标车辆的历史轨迹和未来轨迹；将所述历史轨迹和所述未来轨迹基于MLP编码后得到第一编码和第二编码；计算所述历史轨迹与周围其余车辆的历史轨迹的相对轨迹，将所述相对轨迹基于MLP编码和平均池化操作后得到第三编码；将所述第一编码、所述第二编码和所述第三编码串接后基于FC层确定第二logit向量
和第二特征向量。5.根据权利要求1所述的方法，其特征在于，基于所述第一特征向量、所述第二特征向量、第一logit向量以及第二logit向量采用对抗学习的方式训练所述生成器，得到目标生成器，包括：基于所述第一logit向量确定与所述生成器匹配的分类鉴别器损失函数；基于所述第二logit向量确定与所述生成器匹配的回归鉴别器损失函数；基于所述第一特征向量、所述第二特征向量、第一logit向量以及第二logit向量确定生成器损失函数；基于反向传播算法令所述分类鉴别器损失函数、所述回归鉴别器损失函数以及所述生成器损失函数达到纳什均衡，得到所述目标生成器。6.一种车辆轨迹...

【专利技术属性】
技术研发人员：陈宗海，包鹏，王纪凯，戴德云，赵皓，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：