轨迹预测方法、装置、电子设备和存储介质制造方法及图纸

本申请提出一种轨迹预测方法、装置、电子设备和存储介质，涉及自动驾驶技术领域，其中，方法包括：获取目标车辆周围的第一障碍物在第一目标采样时段的第一监测轨迹，获取第一障碍物的至少一段历史预测轨迹，历史预测轨迹，是根据第一障碍物在第一目标采样时段之前的历史采样时段的第二监测轨迹，对第一障碍物在第二监测轨迹之后的轨迹进行预测得到的，将第一障碍物的第一监测轨迹和至少一段历史预测轨迹进行特征融合得到融合轨迹特征，根据融合轨迹特征预测得到第一障碍物在第一监测轨迹之后的第一预测轨迹，通过融合轨迹特征预测第一监测轨迹之后的第一预测轨迹，实现了基于历史预测轨迹对第一预测轨迹进行平滑，提高了连续轨迹预测的准确性。轨迹预测的准确性。轨迹预测的准确性。

【技术实现步骤摘要】
轨迹预测方法、装置、电子设备和存储介质


[0001]本申请涉及自动驾驶
，尤其涉及一种轨迹预测方法、装置、电子设备和存储介质。

技术介绍

[0002]轨迹预测是自动驾驶系统中承上启下的重要一环。相关技术中，通过获取上游感知模块对周围障碍物的感知信息，推理出周围障碍物未来数秒钟的行驶轨迹。而实际应用场景下，需要对周围障碍物连续的预测未来的行驶轨迹，而连续轨迹预测时，障碍物的位置和数量并未发生较大的变化，而预测到的轨迹会截然不同，导致连续预测的轨迹存在跳变，准确性较差。

技术实现思路

[0003]本申请提出一种轨迹预测方法、装置、电子设备和存储介质，避免了连续轨迹预测时预测轨迹存在跳变的问题，提高了连续轨迹预测的准确性。
[0004]本申请一方面实施例提出了一种轨迹预测方法，包括：
[0005]获取目标车辆周围的第一障碍物在第一目标采样时段的第一监测轨迹；
[0006]获取所述第一障碍物的至少一段历史预测轨迹；所述历史预测轨迹，是根据所述第一障碍物在所述第一目标采样时段之前的历史采样时段的第二监测轨迹，对所述第一障碍物在所述第二监测轨迹之后的轨迹进行预测得到的；
[0007]将所述第一障碍物的第一监测轨迹和至少一段历史预测轨迹进行特征融合，以确定所述第一障碍物的融合轨迹特征；
[0008]根据所述第一障碍物的融合轨迹特征，预测得到所述第一障碍物在所述第一监测轨迹之后的第一预测轨迹。
[0009]本申请另一方面方面实施例提出了一种轨迹预测装置，包括：r/>[0010]第一获取模块，用于获取目标车辆周围的第一障碍物在第一目标采样时段的第一监测轨迹；
[0011]第二获取模块，用于获取所述第一障碍物的至少一段历史预测轨迹；所述历史预测轨迹，是根据所述第一障碍物在所述第一目标采样时段之前的历史采样时段的第二监测轨迹，对所述第一障碍物在所述第二监测轨迹之后的轨迹进行预测得到的；
[0012]融合模块，用于将所述第一障碍物的第一监测轨迹和所述至少一段历史预测轨迹进行特征融合，以确定所述第一障碍物的融合轨迹特征；
[0013]预测模块，用于根据所述第一障碍物的融合轨迹特征，预测得到所述第一障碍物在所述第一监测轨迹之后的第一预测轨迹。
[0014]本申请另一方面实施例提出了一种车辆，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，实现如前述一方面所述的轨迹预测方法。
[0015]本申请另一方面实施例提出了一种电子设备，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，实现如前述一方面所述的轨迹预测方法。
[0016]本申请另一方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述一方面所述的轨迹预测方法。
[0017]本申请另一方面实施例提出了一种计算机程序产品，其上存储有计算机程序，所述程序被处理器执行时实现如前述一方面所述的轨迹预测方法。
[0018]本申请提出的轨迹预测方法、装置、电子设备和存储介质，获取目标车辆周围的第一障碍物在第一目标采样时段的第一监测轨迹，获取第一障碍物的至少一段历史预测轨迹，其中，历史预测轨迹，是根据第一障碍物在第一目标采样时段之前的历史采样时段的第二监测轨迹，对第一障碍物在第二监测轨迹之后的轨迹进行预测得到的，将第一障碍物的第一监测轨迹和至少一段历史预测轨迹进行特征融合，以确定第一障碍物的融合轨迹特征，根据第一障碍物的融合轨迹特征，预测得到第一障碍物在第一监测轨迹之后的第一预测轨迹，通过将至少一段历史预测轨迹和第一监测轨迹进行特征融合，基于融合轨迹特征预测第一监测轨迹之后的第一预测轨迹，实现了基于历史预测轨迹对第一预测轨迹进行平滑，避免了跳变现象，提高了连续轨迹预测的准确性。
[0019]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0020]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0021]图1为本申请实施例所提供的一种轨迹预测方法的流程示意图；
[0022]图2为本申请实施例提供的一种轨迹预测的时序示意图；
[0023]图3为本申请实施例提供的另一种估计预测方法的流程示意图；
[0024]图4为本申请实施例提供的一种轨迹预测的场景示意图之一；
[0025]图5为本申请实施例提供的一种轨迹预测的场景示意图之二；
[0026]图6为本申请实施例提供的一种预测模型的训练方法的流程示意图；
[0027]图7为本申请实施例提供的另一种预测模型的训练方法的流程示意图；
[0028]图8为本申请实施例提供的一种轨迹预测装置的结构示意图；
[0029]图9为本申请实施例提供的一种电子设备的框图。
具体实施方式
[0030]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
[0031]下面参考附图描述本申请实施例的轨迹预测方法、装置、电子设备和存储介质。
[0032]图1为本申请实施例所提供的一种轨迹预测方法的流程示意图。
[0033]本申请实施例的轨迹预测方法的执行主体为轨迹预测装置，该装置可设置于电子
设备中，电子设备，可以是任意能够进行数据处理的静止或者移动计算设备，例如笔记本电脑、智能手机、可穿戴设备等移动计算设备，或者台式计算机等静止的计算设备，或者服务器，或者其它类型的车载设备等，本公开对此不作限制。其中，上述车载终端是指可以安装在车辆中的终端设备，例如智能车载系统。
[0034]如图1所示，该方法可以包括以下步骤：
[0035]步骤101，获取目标车辆周围的第一障碍物在第一目标采样时段的第一监测轨迹。
[0036]其中，目标车辆即为需要对周围障碍物的轨迹进行预测的一个车辆。
[0037]目标车辆的周围环境中通常包含至少一个障碍物，基于第一目标采样时段对应的感知信息可确定周围的至少一个障碍物，本实施例中以一个障碍物为例进行说明，称为第一障碍物。第一障碍物，可以为目标车辆周围的其它车辆、行人、建筑物等，本实施例中不进行限定。
[0038]本申请实施例的一种实现方式中，获取目标车辆上安装的多个传感器在第一目标采样时刻采集到的周围环境的感知信息，其中，传感器包括图像传感器、激光雷达传感器等。感知信息包含目标车辆周围的至少一个第一障碍物的信息。进而，基于在第一目标采样时刻采集到的周围环境的感知信息，可识别得到周围的第一障碍物，并确定第一障碍物在第一目标采样时刻对应的第一监测轨迹，其中，第一障碍物的本文档来自技高网...

【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：获取目标车辆周围的第一障碍物在第一目标采样时段的第一监测轨迹；获取所述第一障碍物的至少一段历史预测轨迹；所述历史预测轨迹，是根据所述第一障碍物在所述第一目标采样时段之前的历史采样时段的第二监测轨迹，对所述第一障碍物在所述第二监测轨迹之后的轨迹进行预测得到的；将所述第一障碍物的第一监测轨迹和所述至少一段历史预测轨迹进行特征融合，以确定所述第一障碍物的融合轨迹特征；根据所述第一障碍物的融合轨迹特征，预测得到所述第一障碍物在所述第一监测轨迹之后的第一预测轨迹。2.如权利要求1所述的方法，其特征在于，所述将所述第一障碍物的第一监测轨迹和所述至少一段历史预测轨迹进行特征融合，以确定所述第一障碍物的融合轨迹特征，包括：将所述第一障碍物对应的第一监测轨迹和各段所述历史预测轨迹，输入预测模型的融合模块分别进行特征提取，以提取得到第一监测轨迹的第一轨迹特征和各段所述历史预测轨迹的历史预测轨迹特征；将所述第一轨迹特征和各段所述历史预测轨迹特征进行特征融合，得到所述第一障碍物的融合轨迹特征。3.如权利要求1所述的方法，其特征在于，所述根据所述第一障碍物的融合轨迹特征，预测得到所述第一障碍物在所述第一监测轨迹之后的第一预测轨迹，包括：将所述第一障碍物的融合轨迹特征输入预测模型的预测模块，以预测得到所述第一障碍物在所述第一监测轨迹之后的第一预测轨迹。4.如权利要求2或3所述的方法，其特征在于，所述预测模型采用下述方法训练得到：获取训练样本，所述训练样本包含第二障碍物在第二目标采样时段的第三监测轨迹，以及所述第二障碍物的至少一段历史预测轨迹；所述训练样本标注有所述第二障碍物在所述第三监测轨迹之后的目标真实轨迹，以及所述第二障碍物在所述第二目标采样时段之前的历史采样时段的历史真实轨迹；将所述训练样本输入预测模型，预测得到所述第二障碍物在所述第三监测轨迹之后的第二预测轨迹；根据所述第二障碍物的所述第二预测轨迹、所述目标真实轨迹和所述历史真实轨迹，确定所述预测模型的目标损失函数；采用所述目标损失函数，对所述预测模型进行训练。5.如权利要求4所述的方法，其特征在于，所述根据所述第二障碍物的所述第二预测轨迹、所述目标真实轨迹和所述历史真实轨迹，确定所述预测模型的目标损失函数，包括：根据所述第二预测轨迹和所述目标真实轨迹间的差异，确定所述第二障碍物对应的第一损失函数；根据所述第二预测轨迹和所述历史真实轨迹间的相似度，确定所述第二障碍物对应的第二损失函数；根据所述第二障碍物对应的第一损失函数和所述第二...

【专利技术属性】
技术研发人员：赖志懿，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：