本发明专利技术公开了一种交通对象行为预测方法、装置、设备及存储介质。选定目标交通对象，并以目标交通对象为中心，选取第一预设范围内的若干点作为感知点，针对目标交通对象第二预设范围内的参考交通对象，以参考交通对象为有向距离场的场源，计算每一感知点在有向距离场中的距离和梯度值，将感知点在有向距离场中的距离和梯度值转换为参考交通对象对目标交通对象的行为影响的影响因子，基于所有参考交通对象对目标交通对象的影响因子，确定目标交通对象与所有参考交通对象的交互特征，基于交互特征预测目标交通对象的行为，能够提高预测准确度，并学习到具有高泛化性的交互预测能力。并学习到具有高泛化性的交互预测能力。并学习到具有高泛化性的交互预测能力。
【技术实现步骤摘要】
交通对象行为预测方法、装置、设备及存储介质
[0001]本专利技术涉及自动驾驶技术，尤其涉及一种交通对象行为预测方法、装置、设备及存储介质。
技术介绍
[0002]自动驾驶技术通过搭载的传感器对其周围环境进行感知，采集环境信息，通过控制装置(即，车载智能大脑)中预先训练的无人驾驶模型对环境信息进行精准的计算分析，并最终通过向ECU(Electronic Control Unit，电子控制单元)发出指令来分别控制自动驾驶车辆中的不同设备，从而实现车辆的全自动运行，达到动驶的目的。
[0003]在自动驾驶技术中，为了更好地预测交通对象的行为，作出正确的决策，需要对交通对象之间交互进行建模，提取交互特征。
[0004]现有的行为预测方案大多基于深度神经网络，将交通对象之间交互行为的建模问题转化为了对交通对象交互行为的特征提取和融合问题。但是，深度神经网络提取的特征包含对外界而言不可观测的信息，如该交通对象的意图，导致深度神经网络无法有效学习到交通对象之间的交互机制，无法准确预测交通对象的行为。
技术实现思路
[0005]本专利技术提供一种交通对象行为预测方法、装置、设备及存储介质，能够提高预测准确度，并学习到具有高泛化性的交互预测能力。
[0006]第一方面，本专利技术提供了一种交通对象行为预测方法，包括：
[0007]选定目标交通对象，并以所述目标交通对象为中心，选取第一预设范围内的若干点作为感知点；
[0008]针对所述目标交通对象第二预设范围内的参考交通对象，以所述参考交通对象为有向距离场的场源，计算每一所述感知点在所述有向距离场中的距离和梯度值；
[0009]将所述感知点在所述有向距离场中的距离和梯度值转换为所述参考交通对象对所述目标交通对象的行为影响的影响因子；
[0010]基于所有参考交通对象对所述目标交通对象的影响因子，确定所述目标交通对象与所有参考交通对象的交互特征；
[0011]基于所述交互特征预测所述目标交通对象的行为。
[0012]可选的，以所述目标交通对象为中心，选取第一预设范围内的若干点作为感知点，包括：
[0013]确定所述目标交通对象的包络盒；
[0014]选取所述包络盒上的四个顶点作为感知点。
[0015]可选的，以所述参考交通对象为有向距离场的场源，计算每一所述感知点在所述有向距离场中的距离和梯度值，包括：
[0016]以所述参考交通对象为有向距离场的场源，构建有向距离场中的点到所述场源的
距离函数；
[0017]将所述感知点的坐标代入所述距离函数，计算所述感知点在所述有向距离场中的距离；
[0018]计算所述距离函数在所述感知点处的梯度值。
[0019]可选的，将所述感知点在所述有向距离场中的距离和梯度值转换为所述参考交通对象对所述目标交通对象的行为影响的影响因子，包括：
[0020]采用预设的单调递减且可微的变换函数对所述距离和所述梯度值进行变换，将所述距离和所述梯度值变换为第一影响因子和第二影响因子；
[0021]在只考虑参考交通对象在全局坐标中运动的情况下，计算所述感知点在全局坐标系下第一影响因子的时间偏导数作为第三影响因子；
[0022]在考虑参考交通对象和目标交通对象在全局坐标中相对运动的情况下，计算所述感知点在全局坐标系下第一影响因子的时间全导数作为第四影响因子。
[0023]可选的，采用预设的单调递减且可微的变换函数对所述距离和所述梯度值进行变换，将所述距离和所述梯度值变换为第一影响因子和第二影响因子，包括：
[0024]将所述距离代入所述变换函数，得到第一影响因子；
[0025]计算所述变换函数在所述距离处的导数；
[0026]计算所述导数与所述梯度的乘积，得到所述第二影响因子。
[0027]可选的，基于所有参考交通对象对所述目标交通对象的影响因子，确定所述目标交通对象与所有参考交通对象的交互特征，包括：
[0028]针对每一所述参考交通对象，将所述影响因子和表征所述参考交通对象的本征属性的属性向量组合成特征向量；
[0029]提取每一所述特征向量的高维特征；
[0030]聚合所有所述特征向量的高维特征，得到所述目标交通对象与所有参考交通对象的交互特征。
[0031]可选的，聚合所有所述特征向量的高维特征，得到所述目标交通对象与所有参考交通对象的交互特征，包括：
[0032]将所有所述特征向量的高维特征组合成特征矩阵；
[0033]对所述特征矩阵中的每一维度的多个元素作池化操作，得到所述目标交通对象与所有参考交通对象的交互特征。
[0034]可选的，所述池化操作包括最大池化、最小池化和平均池化。
[0035]第二方面，本专利技术还提供了一种交通对象行为预测装置，包括：
[0036]感知点确定模块，用于选定目标交通对象，并以所述目标交通对象为中心，选取第一预设范围内的若干点作为感知点；
[0037]计算模块，用于针对所述目标交通对象第二预设范围内的参考交通对象，以所述参考交通对象为有向距离场的场源，计算每一所述感知点在所述有向距离场中的距离和梯度值；
[0038]转换模块，用于将所述感知点在所述有向距离场中的距离和梯度值转换为所述参考交通对象对所述目标交通对象的行为影响的影响因子；
[0039]交互特征确定模块，用于基于所有参考交通对象对所述目标交通对象的影响因
子，确定所述目标交通对象与所有参考交通对象的交互特征；
[0040]行为预测模块，用于基于所述交互特征预测所述目标交通对象的行为。
[0041]第三方面，本专利技术还提供了一种电子设备，包括：
[0042]一个或多个处理器；
[0043]存储器，用于存储一个或多个程序；
[0044]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术第一方面提供的交通对象行为预测方法。
[0045]第四方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术第一方面提供的交通对象行为预测方法。
[0046]本专利技术提供的交通对象行为预测方法，包括：选定目标交通对象，并以目标交通对象为中心，选取第一预设范围内的若干点作为感知点，针对目标交通对象第二预设范围内的参考交通对象，以参考交通对象为有向距离场的场源，计算每一感知点在有向距离场中的距离和梯度值，将感知点在有向距离场中的距离和梯度值转换为参考交通对象对目标交通对象的行为影响的影响因子，基于所有参考交通对象对目标交通对象的影响因子，确定目标交通对象与所有参考交通对象的交互特征，基于交互特征预测目标交通对象的行为，本专利技术以参考交通对象为有向距离场的场源，计算目标交通对象的感知点在有向距离场中的距离和梯度值，将距离和梯度值转换为参考交通对象对目标交通对象的行为影响的影响因子，并基于影响因子确定目标本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交通对象行为预测方法，其特征在于，包括：选定目标交通对象，并以所述目标交通对象为中心，选取第一预设范围内的若干点作为感知点；针对所述目标交通对象第二预设范围内的参考交通对象，以所述参考交通对象为有向距离场的场源，计算每一所述感知点在所述有向距离场中的距离和梯度值；将所述感知点在所述有向距离场中的距离和梯度值转换为所述参考交通对象对所述目标交通对象的行为影响的影响因子；基于所有参考交通对象对所述目标交通对象的影响因子，确定所述目标交通对象与所有参考交通对象的交互特征；基于所述交互特征预测所述目标交通对象的行为。2.根据权利要求1所述的交通对象行为预测方法，其特征在于，以所述目标交通对象为中心，选取第一预设范围内的若干点作为感知点，包括：确定所述目标交通对象的包络盒；选取所述包络盒上的四个顶点作为感知点。3.根据权利要求1所述的交通对象行为预测方法，其特征在于，以所述参考交通对象为有向距离场的场源，计算每一所述感知点在所述有向距离场中的距离和梯度值，包括：以所述参考交通对象为有向距离场的场源，构建有向距离场中的点到所述场源的距离函数；将所述感知点的坐标代入所述距离函数，计算所述感知点在所述有向距离场中的距离；计算所述距离函数在所述感知点处的梯度值。4.根据权利要求1
‑
3任一所述的交通对象行为预测方法，其特征在于，将所述感知点在所述有向距离场中的距离和梯度值转换为所述参考交通对象对所述目标交通对象的行为影响的影响因子，包括：采用预设的单调递减且可微的变换函数对所述距离和所述梯度值进行变换，将所述距离和所述梯度值变换为第一影响因子和第二影响因子；在只考虑参考交通对象在全局坐标中运动的情况下，计算所述感知点在全局坐标系下第一影响因子的时间偏导数作为第三影响因子；在考虑参考交通对象和目标交通对象在全局坐标中相对运动的情况下，计算所述感知点在全局坐标系下第一影响因子的时间全导数作为第四影响因子。5.根据权利要求4所述的交通对象行为预测方法，其特征在于，采用预设的单调递减且可微的变换函数对所述距离和所述梯度值进行变换，将所述距离和所述梯度值变换为第一影响因子和第二影响因子，包括：将所述距离代入所述变换函数，得到第一影响因子；计算所述变换函数在所述距离处的导...
【专利技术属性】
技术研发人员：马力克，
申请(专利权)人：广州文远知行科技有限公司，
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。