目标轨迹预测方法、系统、设备及介质技术方案

本申请提供一种目标轨迹预测方法、系统、设备及介质，该方法包括：获取车辆周围障碍物的数据集；分别对数据集内的运行状态信息、环境信息进行特征提取，得到目标状态特征与环境特征；根据目标状态特征与环境特征依次对运行状态信息、环境信息进行标注，得到样本数据集；对样本数据集进行聚类处理，得到目标障碍物的轨迹集；构建卷积神经网络，根据样本数据集与轨迹集的映射关系对卷积神经网络进行联合训练，得到轨迹预测模型；将待测目标的数据集输入轨迹预测模型进行预测，确定目标障碍物的预测轨迹，通过对车辆周围的目标障碍物的轨迹进行预测，能够有效避免的碰撞风险，可为车辆提供应对安全建议，保障了车辆行驶安全。保障了车辆行驶安全。保障了车辆行驶安全。

【技术实现步骤摘要】
目标轨迹预测方法、系统、设备及介质


[0001]本申请涉及车辆目标轨迹预测领域，具体涉及一种目标轨迹预测方法、系统、设备及介质。

技术介绍

[0002]在无人车中，对车辆、行人等移动障碍物的预测是自动驾驶技术中的关键技术，它衔接感知与决策，是智能决策的重要前提。因此，移动障碍物目标轨迹预测算法研究对提升自动驾驶系统的性能有着重要的意义。
[0003]现有的目标轨迹预测方法一般是基于物理模型或是基于驾驶意图预测的，基于物理模型的目标轨迹预测假设车辆的运动仅受物理定律影响，通常会考虑车辆的物理状态(例如转向角与加速度)，车辆本身的物理特性以及一些环境因素(如轮胎与道路之间的摩擦系数)。在标准的结构化道路下，由于其所用的模型相对简单，计算实时性高，该方法依然是最常用的目标轨迹预测方法。基于机动意图的目标轨迹预测方法首先识别驾驶员的操纵意图(例如，换道、转向等)，然后，基于识别得到的机动意图进行运动预测。驾驶意图识别一般采用机器学习模型进行，而后续的目标轨迹预测则采用高斯过程或是快速随机树等算法完成。
[0004]然而，现有的目标轨迹预测方法未考虑车辆周围环境(目标障碍物周围环境)、当前状态和历史状态，导致确定目标轨迹预测准确度不高。
[0005]申请内容
[0006]鉴于以上所述现有技术的缺点，本申请提供一种目标轨迹预测方法、系统、设备及介质，以解决现有车辆周围的目标障碍物的轨迹预测准确度不高的问题。
[0007]在第一方面，本申请提供的一种目标轨迹预测方法，包括：
[0008]获取车辆周围障碍物的数据集，所述数据集包括目标障碍物的运行状态信息与所述目标障碍物对应的环境信息；
[0009]分别对所述运行状态信息、所述环境信息进行特征提取，得到所述目标障碍物的目标状态特征与环境特征；
[0010]根据所述目标状态特征与环境特征依次对所述运行状态信息、所述环境信息进行标注，得到样本数据集；
[0011]对所述样本数据集进行聚类处理，得到所述目标障碍物的轨迹集；
[0012]构建卷积神经网络，根据所述样本数据集与轨迹集的映射关系对所述卷积神经网络进行联合训练，得到轨迹预测模型；
[0013]将待测目标的数据集输入所述轨迹预测模型进行预测，确定目标障碍物的预测轨迹。
[0014]于本申请的一实施例中，所述环境特征包括道路结构、道路上目标障碍物的位置信息、所述目标障碍物的行驶轨迹，所述目标状态特征包括所述目标障碍物的运行状态，其中，所述道路结构包括路口道路与非路口道路，所述目标障碍物包括机动车、非机动车以及
行人。
[0015]于本申请的一实施例中，分别对所述运行状态信息、所述环境信息进行特征提取，得到所述目标障碍物的目标状态特征与环境特征，还包括：
[0016]利用特征提取网络对数据集内的信息数据进行特征提取，得到所述信息数据的特征信息；
[0017]对所述特征信息进行特征识别，确定所述特征信息的特征类别；
[0018]根据所述特征类别对所述特征信息进行分类，确定所述目标障碍物的目标状态特征与环境特征。
[0019]于本申请的一实施例中，根据所述目标状态特征与环境特征依次对所述运行状态信息、所述环境信息进行标注，得到样本数据集，还包括：
[0020]根据所述环境特征与目标状态特征的获取时间或/和获取位置信息将所述环境特征与目标状态特征进行关联，结合所述环境特征与目标状态特征的特征类别确定目标障碍物对应的环境特征与目标状态特征的关联关系；
[0021]根据所述环境特征与目标状态特征的关联关系对数据集进行标注，分别得到采用不同标签表征的车辆在路口道路、非路口道路以及所述目标障碍物为机动车、非机动车或行人的样本数据集。
[0022]于本申请的一实施例中，对所述样本数据集进行聚类处理，得到所述目标障碍物的轨迹集，还包括：
[0023]将所述样本数据集内标注的环境特征与目标状态特征按照时间顺序进行排列，得到目标障碍物所对应的轨迹序列；所述轨迹序列由一系列轨迹点组成，每个轨迹点包括车辆标识、经度、纬度和时间所对应的特征；
[0024]将所述轨迹序列中经纬度为零值或空值的轨迹点、以及重复轨迹点进行删除，得到目标轨迹数据；
[0025]所述目标轨迹数据进行聚类处理，得到候选轨迹簇；基于预设策略对所述候选轨迹簇进行筛选，得到所述目标障碍物的轨迹集。
[0026]于本申请的一实施例中，构建卷积神经网络，根据所述样本数据集与轨迹集的映射关系对所述卷积神经网络进行训练，得到轨迹预测模型，还包括：
[0027]利用所述样本数据集所对应的轨迹确定所述样本数据集与轨迹集之间的映射关系；
[0028]构建卷积神经网络，利用所述样本数据集对卷积神经网络进行一次训练，得到所述目标障碍物的初始轨迹预测模型；
[0029]基于所述样本数据集的映射关系匹配所述轨迹集对初始轨迹预测模型进行二次训练，得到所述目标障碍物的轨迹预测模型。
[0030]于本申请的一实施例中，还包括：将输出的预测轨迹与实际轨迹进行比对，将预测轨迹在目标预测时间后的位置与实际轨迹在目标预测时间后的位置进行连接，以使初始位置与两轨迹构成完整的闭合图形，通过对闭合图形进行面积计算，确定所述轨迹预测模型的评价指标。
[0031]在第二方面，本申请提供的一种目标轨迹预测系统，包括：
[0032]获取模块，用于获取车辆周围障碍物的数据集，所述数据集包括目标障碍物的运
行状态信息与所述目标障碍物对应的环境信息；
[0033]特征提取模块，用于分别对所述运行状态信息、所述环境信息进行特征提取，得到所述目标障碍物的目标状态特征与环境特征；
[0034]样本确定模块，用于根据所述目标状态特征与环境特征依次对所述运行状态信息、所述环境信息进行标注，得到样本数据集；
[0035]数据处理模块，用于对所述样本数据集进行聚类处理，得到所述目标障碍物的轨迹集；
[0036]模型构建模块，用于构建卷积神经网络，根据所述样本数据集与轨迹集的映射关系对所述卷积神经网络进行联合训练，得到轨迹预测模型；
[0037]目标轨迹预测模块，用于将待测目标的数据集输入所述轨迹预测模型进行预测，确定目标障碍物的预测轨迹。
[0038]在第三方面，本申请提供的一种电子设备，包括：
[0039]一个或多个处理器；
[0040]存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述的目标轨迹预测方法。
[0041]在第四方面，本申请提供的一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行上述的目标轨迹预测方法。
[0042]本申请的有益效果：本申请通过对车辆周围的目标障碍物的轨迹进行预测，在确定预测轨迹前提下，能够有效避免的碰撞风险，可为车辆提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标轨迹预测方法，其特征在于，包括：获取车辆周围障碍物的数据集，所述数据集包括目标障碍物的运行状态信息与所述目标障碍物对应的环境信息；分别对所述运行状态信息、所述环境信息进行特征提取，得到所述目标障碍物的目标状态特征与环境特征；根据所述目标状态特征与环境特征依次对所述运行状态信息、所述环境信息进行标注，得到样本数据集；对所述样本数据集进行聚类处理，得到所述目标障碍物的轨迹集；构建卷积神经网络，根据所述样本数据集与轨迹集的映射关系对所述卷积神经网络进行联合训练，得到轨迹预测模型；将待测目标的数据集输入所述轨迹预测模型进行预测，确定目标障碍物的预测轨迹。2.根据权利要求1所述的目标轨迹预测方法，其特征在于，所述环境特征包括道路结构、道路上目标障碍物的位置信息、所述目标障碍物的行驶轨迹，所述目标状态特征包括所述目标障碍物的运行状态，其中，所述道路结构包括路口道路与非路口道路，所述目标障碍物包括机动车、非机动车以及行人。3.根据权利要求2所述的目标轨迹预测方法，其特征在于，分别对所述运行状态信息、所述环境信息进行特征提取，得到所述目标障碍物的目标状态特征与环境特征，还包括：利用特征提取网络对数据集内的信息数据进行特征提取，得到所述信息数据的特征信息；对所述特征信息进行特征识别，确定所述特征信息的特征类别；根据所述特征类别对所述特征信息进行分类，确定所述目标障碍物的目标状态特征与环境特征。4.根据权利要求1至3任一所述的目标轨迹预测方法，其特征在于，根据所述目标状态特征与环境特征依次对所述运行状态信息、所述环境信息进行标注，得到样本数据集，还包括：根据所述环境特征与目标状态特征的获取时间或/和获取位置信息将所述环境特征与目标状态特征进行关联，结合所述环境特征与目标状态特征的特征类别确定目标障碍物对应的环境特征与目标状态特征的关联关系；根据所述环境特征与目标状态特征的关联关系对数据集进行标注，分别得到采用不同标签表征的车辆在路口道路、非路口道路以及所述目标障碍物为机动车、非机动车或行人的样本数据集。5.根据权利要求1至3任一所述的目标轨迹预测方法，其特征在于，对所述样本数据集进行聚类处理，得到所述目标障碍物的轨迹集，还包括：将所述样本数据集内标注的环境特征与目标状态特征按照时间顺序进行排列，得到目标障碍物所对应的轨迹序列；所述轨迹序列由一系列轨迹点组成，每个轨迹点包括车辆标...

【专利技术属性】
技术研发人员：李振，杨东方，孔周维，邱利宏，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：