一种预测方法、装置、智能驾驶系统和车辆制造方法及图纸

本申请提供了一种预测方法、装置和车辆，涉及智能驾驶技术领域。其中，所述方法包括：通过获取多帧图像和高精度地图，对多帧图像进行处理，得到每帧图像的特征，然后根据每帧图像的特征，提取出行人的时空特征和交互特征，从而得到更多的环境特征和增加了行人与周围环境的交互信息，使得后续预测行人的运动轨迹更加准确；再利用高精度地图提取出地图特征，使得最后结合行人的时空特征和行人的交互特征预测出的行人轨迹更加精准。预测出的行人轨迹更加精准。预测出的行人轨迹更加精准。

【技术实现步骤摘要】
一种预测方法、装置、智能驾驶系统和车辆


[0001]本专利技术涉及智能驾驶
，尤其涉及一种预测方法、装置、智能驾驶系统和车辆。

技术介绍

[0002]随着智能化的发展和普及，车辆的智能驾驶成为当前比较热门的研究方向。智能驾驶系统根据功能需求，可分为定位、环境感知、路径规划和决策控制四个关键功能模块。其中，预测车辆即将行驶的道路、行人运动轨迹等预测功能主要集中在环境感知模块中。目前实现预测功能的预测算法有基于目标轨迹和地图进行预测、基于视觉图像进行预测等等。
[0003]对于现有的基于目标的历史轨迹和地图进行预测的算法，其利用历史轨迹的空间坐标点来预测未来轨迹。该算法实现预测功能需要大量的历史数据来支撑，如果车辆初次使用、车辆所处的位置为全新环境等情况，该算法预测结果会大打折扣；对于基于视觉图像进行预测的算法，由于拍摄的图像缺乏深度信息，以及行人的机动性强、速度低、目标小等缺陷，根据图像生成的行人的跟踪信息容易受噪音干扰，所以预测出的行人运动轨迹的精度比较低。因此，如何提高预测车辆或行人轨迹的准确性是目前亟需解决的问题。

技术实现思路

[0004]为了解决上述的问题，本申请的实施例提供了一种预测方法、装置、智能驾驶系统和车辆。
[0005]第一方面，本申请提供一种轨迹预测方法，其特征在于，包括：获取至少两帧三维点云图，该至少两帧三维点云图均包括第一目标和第二目标，该至少两帧三维点云图为进行坐标统一后获取的三维点云图；对该至少两帧三维点云图进行目标检测，获取该至少两帧三维点云图各自对应的特征图；根据该特征图，提取出该第一目标的位置特征和动态特征，该位置特征包括该第一目标在该特征图中的位置信息，该动态特征包括该特征图中对应的第一区域特征，该第一区域特征是根据该第一目标在该特征图中的位置信息确定；确定该第一目标的交互特征，该交互特征是通过将该第一目标的该位置特征和该动态特征与该第二目标的位置特征和动态特征输入神经网络模型得到；根据该第一目标的该位置特征和该动态特征、该第一目标的交互特征和该第一目标的地图特征，预测该第一目标的运动轨迹，该第一目标的地图特征是通过对存储的该第一目标当前位置设定范围内的地图进行编码得到的。
[0006]在该实施方式中，以第一目标为行人为例。通过获取多帧图像和高精度地图，对多帧图像进行处理，得到每帧图像的特征，然后根据每帧图像的特征，提取出行人的时空特征和交互特征，从而得到更多的环境特征和增加了行人与周围环境的交互信息，使得后续预测行人的运动轨迹更加准确；再利用高精度地图提取出地图特征，使得最后结合行人的时空特征和行人的交互特征预测出的行人轨迹更加精准。
[0007]在一种实施方式中，对该至少两帧三维点云图进行目标检测，获取该至少两帧三维点云图各自对应的特征图，包括：对该至少两帧三维点云图进行编码，提取出每一帧三维点云图中该第一目标和该第二目标的形状特征；构建该至少两帧三维点云图对应的特征图，该特征图包括该第一目标和该第二目标的形状特征。
[0008]在该实施方式中，三维点云图是一种占内存比较大的图像，通过将三维点云图像转换为占内存比较小的特征图，以便后续使用三维点云图中信息时，可以提升处理速度。
[0009]在一种实施方式中，该根据该特征图，提取出该第一目标的位置特征，包括：将该至少两帧三维点云图各自对应的特征图输入区域提取网络模型，得到该第一目标在每帧的特征图中的位置信息。
[0010]在一种实施方式中，该根据该特征图，提取出该第一目标的位置特征和动态特征，包括：根据该至少两帧三维点云图各自对应的特征图、该第一目标在每帧的特征图中的位置信息和拼接后的特征，确定该第一目标在该拼接后的特征图上的位置信息，该拼接后的特征图通过将该至少两帧三维点云图对应的特征图在特征维度上进行拼接得到；根据该第一目标在该拼接后的特征图上的位置信息，确定该第一目标在该拼接后的特征图上的历史运动轨迹；将该历史运动轨迹输入匀速模型，得到该第一目标在该拼接后的特征图上的第一区域；提取该拼接后的特征图中处在该第一区域内的特征。
[0011]在该实施方式中，通过增加目标行人周围设定范围内的环境特征，使得后续在对目标的未来轨迹预测更加精准。
[0012]在一种实施方式中，该确定该第一目标的交互特征，包括：确定第一类型目标，该第一类型目标为符合设定规则的目标，该至少两帧三维点云图均包括该第一类型目标，该第一类型目标包括该第二目标；将该第一目标和该第一类型目标的位置特征和动态特征输入该神经网络模型，得到该第一目标的交互特征。
[0013]在一种实施方式中，该将该第一目标和该第一类型目标的位置特征和动态特征输入该神经网络模型，得到该第一目标的交互特征，包括：将该第一目标和该第一类型目标的位置特征和动态特征输入该神经网络模型，得到目标与目标之间的交互特征；选择出该第一目标与该第一类型目标的交互特征；将该第一目标与该第一类型目标的交互特征输入该神经网络模型，得到该第一目标的交互特征。
[0014]在一种实施方式中，该至少两帧三维点云图为进行坐标统一后获取的三维点云图，包括：以目标三维点云图的坐标系为基准，将该至少两帧三维点云图中除该目标三维点云图外的其它三维点云图进行坐标转换。
[0015]在一种实施方式中，该根据该第一目标的该位置特征和该动态特征、该第一目标的交互特征和该第一目标的地图特征，预测该第一目标的运动轨迹，包括：将该第一目标的该空间特征、该第一目标的交互特征和该第一目标的地图特征在特征维度进行拼接，得到该第一目标的预测轨迹特征；将该第一目标的预测轨迹特征输入多层感知机，得到该第一目标的运动轨迹。
[0016]在该实施方式中，通过将得到的运动轨迹特征输入到MLP，降低运动轨迹特征的特征维度，以便缩短预测时间，减少冗余特征，噪声小，结果更加准确。
[0017]第二方面，本申请提供一种预测装置，包括：收发单元，用于获取至少两帧三维点云图，该至少两帧三维点云图均包括第一目标和第二目标，该至少两帧三维点云图为进行
坐标统一后获取的三维点云图；处理单元，用于对该至少两帧三维点云图进行目标检测，获取该至少两帧三维点云图各自对应的特征图；根据该特征图，提取出该第一目标的位置特征和动态特征，该位置特征包括该第一目标在该特征图中的位置信息，该动态特征包括该特征图中对应的第一区域特征，该第一区域特征是根据该第一目标在该特征图中的位置信息确定；确定该第一目标的交互特征，该交互特征是通过将该第一目标的该位置特征和该动态特征与该第二目标的位置特征和动态特征输入神经网络模型得到；根据该第一目标的该位置特征和该动态特征、该第一目标的交互特征和该第一目标的地图特征，预测该第一目标的运动轨迹，该第一目标的地图特征是通过对存储的该第一目标当前位置设定范围内的地图进行编码得到的。
[0018]在一种实施方式中，该处理单元，具体用于对该至少两帧三维点云图进行编码，提取出每一帧三维点云图中该第一目标和该第二目标的形状特征；构建该至少两帧三维点云图对应的特征图，该本文档来自技高网...

【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：获取至少两帧三维点云图，所述至少两帧三维点云图均包括第一目标和第二目标，所述至少两帧三维点云图为进行坐标统一后获取的三维点云图；对所述至少两帧三维点云图进行目标检测，获取所述至少两帧三维点云图各自对应的特征图；根据所述特征图，提取出所述第一目标的位置特征和动态特征，所述位置特征包括所述第一目标在所述特征图中的位置信息，所述动态特征包括所述特征图中对应的第一区域特征，所述第一区域特征是根据所述第一目标在所述特征图中的位置信息确定；确定所述第一目标的交互特征，所述交互特征是通过将所述第一目标的所述位置特征和所述动态特征与所述第二目标的位置特征和动态特征输入神经网络模型得到；根据所述第一目标的所述位置特征和所述动态特征、所述第一目标的交互特征和所述第一目标的地图特征，预测所述第一目标的运动轨迹，所述第一目标的地图特征是通过对存储的所述第一目标当前位置设定范围内的地图进行编码得到的。2.根据权利要求1所述的方法，其特征在于，对所述至少两帧三维点云图进行目标检测，获取所述至少两帧三维点云图各自对应的特征图，包括：对所述至少两帧三维点云图进行编码，提取出每一帧三维点云图中所述第一目标和所述第二目标的形状特征；构建所述至少两帧三维点云图对应的特征图，所述特征图包括所述第一目标和所述第二目标的形状特征。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述特征图，提取出所述第一目标的位置特征，包括：将所述至少两帧三维点云图各自对应的特征图输入区域提取网络模型，得到所述第一目标在每帧的特征图中的位置信息。4.根据权利要求1
‑
3任意一项所述的方法，其特征在于，所述根据所述特征图，提取出所述第一目标的位置特征和动态特征，包括：根据所述至少两帧三维点云图各自对应的特征图、所述第一目标在每帧的特征图中的位置信息和拼接后的特征，确定所述第一目标在所述拼接后的特征图上的位置信息，所述拼接后的特征图通过将所述至少两帧三维点云图对应的特征图在特征维度上进行拼接得到；根据所述第一目标在所述拼接后的特征图上的位置信息，确定所述第一目标在所述拼接后的特征图上的历史运动轨迹；将所述历史运动轨迹输入匀速模型，得到所述第一目标在所述拼接后的特征图上的第一区域；提取所述拼接后的特征图中处在所述第一区域内的特征。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，所述确定所述第一目标的交互特征，包括：确定第一类型目标，所述第一类型目标为符合设定规则的目标，所述至少两帧三维点云图均包括所述第一类型目标，所述第一类型目标包括所述第二目标；将所述第一目标和所述第一类型目标的位置特征和动态特征输入所述神经网络模型，
得到所述第一目标的交互特征。6.根据权利要求5所述的方法，其特征在于，所述将所述第一目标和所述第一类型目标的位置特征和动态特征输入所述神经网络模型，得到所述第一目标的交互特征，包括：将所述第一目标和所述第一类型目标的位置特征和动态特征输入所述神经网络模型，得到目标与目标之间的交互特征；选择出所述第一目标与所述第一类型目标的交互特征；将所述第一目标与所述第一类型目标的交互特征输入所述神经网络模型，得到所述第一目标的交互特征。7.根据权利要求1
‑
6任意一项所述的方法，其特征在于，所述至少两帧三维点云图为进行坐标统一后获取的三维点云图，包括：以目标三维点云图的坐标系为基准，将所述至少两帧三维点云图中除所述目标三维点云图外的其它三维点云图进行坐标转换。8.根据权利要求1
‑
7任意一项所述的方法，其特征在于，所述根据所述第一目标的所述位置特征和所述动态特征、所述第一目标的交互特征和所述第一目标的地图特征，预测所述第一目标的运动轨迹，包括：将所述第一目标的所述空间特征、所述第一目标的交互特征和所述第一目标的地图特征在特征维度进行拼接，得到所述第一目标的预测轨迹特征；将所述第一目标的预测轨迹特征输入多层感知机，得到所述第一目标的运动轨迹。9.一种轨迹预测装置，其特征在于，包括：收发单元，用于获取至少两帧三维点云图，所述至少两帧三维点云图均包括第一目标和第二目标，所述至少两帧三维点云图为进行坐标统一后获取...

【专利技术属性】
技术研发人员：张冰，李飞，李向旭，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：