轨迹预测方法、轨迹预测装置及存储介质制造方法及图纸

本公开是关于一种轨迹预测方法、装置及存储介质。轨迹预测方法包括：获取地图图像，地图图像中包括车道中心线，车道中心线上具有等间距设置的若干个节点，每一节点具有距离特征，节点的距离特征中融合有与节点具有不同距离的其他车道中心线节点的距离特征；基于车辆在地图图像中的位置，确定与车辆位置最近的车道中心线节点，作为目标节点；将目标节点的距离特征与车辆的历史轨迹特征进行向量合并，得到轨迹预测向量；基于轨迹预测向量，预测车辆在地图图像中的行驶轨迹。通过本公开实施例，将距离特征与车辆历史轨迹合并得到轨迹预测向量，以基于轨迹预测向量预测车辆行驶轨迹，能够保留地图图像中车道线的拓扑结构，提高轨迹预测的准确性。预测的准确性。预测的准确性。

【技术实现步骤摘要】
轨迹预测方法、轨迹预测装置及存储介质


[0001]本公开涉及智能驾驶
，尤其涉及轨迹预测方法、轨迹预测装置及存储介质。

技术介绍

[0002]在机器人导航、自动驾驶等领域中，在动态变化的交通环境中进行预测，规划实体对象的行驶路线，对实体对象的行驶进行引导。
[0003]当前对象的移动轨迹会受到交通场景下其他实体对象行为的影响。故，在对实体对象的驾驶行为进行引导的过程中，需要对周围实体的行驶轨迹进行预测，作为对于当前对象行驶指引的基础，对当前对象的行驶进行合理避障。

技术实现思路

[0004]为克服相关技术中存在的问题，本公开提供轨迹预测方法、轨迹预测装置及存储介质。
[0005]根据本公开实施例的第一方面，提供轨迹预测方法，轨迹预测方法包括：获取地图图像，所述地图图像中包括车道中心线，所述车道中心线上具有等间距设置的若干个节点，每一节点具有距离特征，所述节点的距离特征中融合有与所述节点具有不同距离的其他车道中心线节点的距离特征；基于车辆在所述地图图像中的位置，确定与所述车辆位置最近的车道中心线节点，作为目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨迹预测方法，其特征在于，所述方法包括：获取地图图像，所述地图图像中包括车道中心线，所述车道中心线上具有等间距设置的若干个节点，每一节点具有距离特征，所述节点的距离特征中融合有与所述节点具有不同距离的其他车道中心线节点的距离特征；基于车辆在所述地图图像中的位置，确定与所述车辆位置最近的车道中心线节点，作为目标节点；将所述目标节点的距离特征与所述车辆的历史轨迹特征进行向量合并，得到轨迹预测向量；基于所述轨迹预测向量，预测所述车辆在所述地图图像中的行驶轨迹。2.根据权利要求1所述的轨迹预测方法，其特征在于，每一节点的距离特征，采用如下方式确定：在所述地图图像上确定第一节点；基于所述第一节点的位置，确定区域地图图像，所述区域地图图像中包括所述第一节点，以及与所述第一节点之间具有不同距离的多个第二节点；基于所述多个第二节点与所述第一节点之间的距离，提取所述多个第二节点的距离特征，并将所述多个第二节点的距离特征进行合并，得到所述第一节点的距离特征。3.根据权利要求2所述的轨迹预测方法，其特征在于，基于所述多个第二节点与所述第一节点之间的距离，提取所述多个第二节点的距离特征，并将所述多个第二节点的距离特征进行合并，得到所述第一节点的距离特征，包括：将所述多个第二节点，按照与所述第一节点之间的距离，划分为多个类别，其中，同一类别中的第二节点与所述第一节点之间的距离相同；分别提取所述多个类别中同一类别的第二节点的距离特征，并将提取到的不同类别的距离特征拼接后，得到所述第一节点的距离特征。4.根据权利要求2或3所述的轨迹预测方法，其特征在于，基于所述第一节点的位置，确定区域地图图像，包括：以所述第一节点为中心，确定具有预设范围的区域地图图像，在所述预设范围内至少包括与所述第一节点直接相邻的第二节点，以及与所述第一节点间接相邻的第二节点。5.根据权利要求4所述的轨迹预测方法，其特征在于，提取所述多个第二节点的距离特征，包括：基于点云数据的深度学习模型提取所述多个第二节点的距离特征。6.根据权利要求4所述的轨迹预测方法，其特征在于，所述车辆的历史轨迹特征采用如下方式确定：获取所述车辆的历史轨迹；基于长短时记忆回归神经网络提取所述历史轨迹的特征，得到所述车辆的历史轨迹特征。7.一种轨迹预测装置，其特征在于，所述装置包括：获取单元，用于获取地图图像，所述地图图像中包括车道中心线，所述车道中心线上具有等间距设置的若干个节点，每一节点具有距离特征，所述节点的距离特征中融合有与所述节点具有不同距离的其他车...

【专利技术属性】
技术研发人员：段志祥，杨奎元，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：