本发明专利技术提供一种轨迹预测方法、轨迹预测装置和电子设备，涉及人工智能技术领域。该方法包括：获取目标场景中各检测对象的历史轨迹信息；基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息；确定所述目标场景中各所述检测对象之间的交互特征，基于所述交互特征与所述预测轨迹信息，确定各所述检测对象的未来轨迹信息。本发明专利技术能够提高轨迹的预测准确性。本发明专利技术能够提高轨迹的预测准确性。本发明专利技术能够提高轨迹的预测准确性。
【技术实现步骤摘要】
轨迹预测方法、轨迹预测装置和电子设备
[0001]本专利技术涉及人工智能
，尤其涉及一种轨迹预测方法、轨迹预测装置和电子设备。
技术介绍
[0002]轨迹预测是无人驾驶、智能机器人、智能视频监控等领域的关键技术。比如，在无人驾驶领域中，对行人的行动轨迹进行准确的预测，对于无人汽车规划路径是至关重要的。
[0003]在预测目标的轨迹时，通常依据目标的过去一段时间的轨迹来预测其未来一段时间的轨迹。但是，目标的运动模式随着时间的增加而发生变化，要预测的时间段越长，轨迹的不确定性越大。因此轨迹预测的准确性仍有待提升。
技术实现思路
[0004]本专利技术提供一种轨迹预测方法、轨迹预测装置和电子设备，用以解决现有技术中轨迹预测准确性低的问题。
[0005]本专利技术提供一种轨迹预测方法，包括：获取目标场景中各检测对象的历史轨迹信息；基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息；确定所述目标场景中各所述检测对象之间的交互特征，基于所述交互特征与所述预测轨迹信息，确定各所述检测对象的未来轨迹信息。
[0006]根据本专利技术提供的一种实施方式，所述基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息，包括:基于所述历史轨迹信息预测得到所述检测对象的第1个的预测轨迹点；结合所述第1个预测轨迹点与所述历史轨迹信息，得到第一个轨迹信息；基于所述第一个轨迹信息预测所述检测对象的第2个预测轨迹点；基于所述第1个预测轨迹点、所述第2个预测轨迹点获得所述检测对象的预测轨迹信息。
[0007]根据本专利技术提供的一种实施方式，所述基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息，包括：将所述历史轨迹信息输入轨迹预测模型中，所述轨迹预测模型包括N个串联的条件变分自编码器，每个所述条件变分自编码器输出一个预测轨迹点，N为正整数；将第N
‑
1个轨迹信息输入至第N个条件变分自编码器中，得到第N个预测轨迹点；其中，所述第N
‑
1个轨迹信息基于第N
‑
1个条件变分自编码器输出的第N
‑
1个预测轨迹点与第N
‑
2个轨迹信息连接得到，所述历史轨迹信息为第一个轨迹点信息；将N个所述预测轨迹点按顺序进行连接，得到所述检测对象的预测轨迹信息。
[0008]根据本专利技术提供的一种实施方式，所述确定所述目标场景中各所述检测对象之间
的交互特征，包括：从所述检测对象的所述历史轨迹信息中提取历史轨迹特征，并从所述预测轨迹信息中提取预测轨迹特征；将各个所述检测对象的所述历史轨迹特征以及所述预测轨迹特征输入交互关联图中，基于所述交互关联图获取各所述检测对象之间的交互特征；其中，所述交互关联图为图神经网络模型。
[0009]根据本专利技术提供的一种实施方式，所述从所述检测对象的所述历史轨迹信息中提取历史轨迹特征，并从所述预测轨迹信息中提取预测轨迹特征，包括：对所述历史轨迹信息进行编码，得到历史轨迹特征；对所述预测轨迹信息进行编码，得到预测轨迹特征。
[0010]根据本专利技术提供的一种实施方式，所述基于所述交互特征与所述预测轨迹信息，确定各所述检测对象的未来轨迹信息，包括：对所述交互特征进行解码，得到解码后的轨迹偏移量；基于所述轨迹偏移量对所述预测轨迹信息进行调整，得到未来轨迹信息。
[0011]本专利技术还提供一种轨迹预测装置，包括：历史信息获取模块，用于获取目标场景中各检测对象的历史轨迹信息；轨迹预测模块，用于基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息；轨迹确定模块，用于确定所述目标场景中各所述检测对象之间的交互特征，基于所述交互特征与所述预测轨迹信息，确定各所述检测对象的未来轨迹信息。
[0012]本专利技术还提供一种电子设备，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如上述任一种所述轨迹预测方法。
[0013]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述轨迹预测方法。
[0014]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述轨迹预测方法。
[0015]本专利技术提供的轨迹预测方法、轨迹预测装置和电子设备，通过检测对象的历史轨迹信息来预测检测对象的预测轨迹点。与根据历史一段时间内的轨迹来预测未来一段时间的轨迹相比，预测轨迹点是与检测对象的历史轨迹信息最为接近的点，具有最小的预测不确定性，能够提高预测的准确性。并且，本技术方案中，通过场景中多个对象间的交互特征进一步对预测轨迹信息进行校准，得到最终的未来轨迹信息。考虑到了交互对轨迹的影响，进一步提高了预测的准确性。
附图说明
[0016]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术提供的轨迹预测方法的流程示意图之一；图2是本专利技术提供的轨迹预测方法中轨迹预测模型的结构示意图；图3是本专利技术提供的轨迹预测方法中的系统架构示意图；图4是本专利技术提供的轨迹预测装置的结构示意图；图5是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0018]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]下面结合附图描述本专利技术实施例提供的轨迹预测方法、轨迹预测装置和电子设备。
[0020]首先本专利技术实施例提供一种轨迹预测方法。示例性的，该轨迹预测方法可以应用于手机、平板电脑、个人计算机（personal computer，PC）、可穿戴电子设备（如智能手表）、增强现实（augmented reality，AR）/虚拟现实（virtual reality，VR）设备、车载设备等具有显示功能的电子设备，本申请实施例对此不作任何限制。
[0021]图1示出了本实施例中的轨迹预测方法的一种流程图。如图1所示，该轨迹预测方法可以包括以下步骤：步骤100：获取目标场景中各检测对象的历史轨迹信息。
[0022]目标场景可以包括各种现实场景，如道路上、室内等，也可以包括虚拟场景，例如虚拟现实游戏中的场景等，本实施方式对此不作特殊限定。
[0023]检测对象可以指目标场景中运动的对象，例如行人、车辆等。基于目标场景的地图信息可以确定目标场景中每个检测本文档来自技高网...
【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，包括：获取目标场景中各检测对象的历史轨迹信息；基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息；确定所述目标场景中各所述检测对象之间的交互特征，基于所述交互特征与所述预测轨迹信息，确定各所述检测对象的未来轨迹信息。2.根据权利要求1所述的轨迹预测方法，其特征在于，所述基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息，包括:基于所述历史轨迹信息预测得到所述检测对象的第1个的预测轨迹点；结合所述第1个预测轨迹点与所述历史轨迹信息，得到第一个轨迹信息；基于所述第一个轨迹信息预测所述检测对象的第2个预测轨迹点；基于所述第1个预测轨迹点、所述第2个预测轨迹点获得所述检测对象的预测轨迹信息。3.根据权利要求1所述的轨迹预测方法，其特征在于，所述基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息，包括：将所述历史轨迹信息输入轨迹预测模型中，所述轨迹预测模型包括N个串联的条件变分自编码器，每个所述条件变分自编码器输出一个预测轨迹点，N为正整数；将第N
‑
1个轨迹信息输入至第N个条件变分自编码器中，得到第N个预测轨迹点；其中，所述第N
‑
1个轨迹信息基于第N
‑
1个条件变分自编码器输出的第N
‑
1个预测轨迹点与第N
‑
2个轨迹信息连接得到，所述历史轨迹信息为第一个轨迹点信息；将N个所述预测轨迹点按顺序进行连接，得到所述检测对象的预测轨迹信息。4.根据权利要求1所述的轨迹预测方法，其特征在于，所述确定所述目标场景中各所述检测对象之间的交互特征，包括：从所述...
【专利技术属性】
技术研发人员：杨旭，周浩，樊明宇，刘智勇，乔红，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。