【技术实现步骤摘要】
基于特征交互的障碍物行为预测方法及自动驾驶车辆
[0001]本公开涉及人工智能
,具体为深度学习、图像处理和计算机视觉
,可应用于自动驾驶领域。
技术介绍
[0002]准确地预测障碍物的未来行为状态对于自动驾驶车辆的安全、舒适和高效的运营至关重要。预测未来行为状态需要理解自动驾驶车辆周边多重静态和动态信息,包括但不限于道路拓扑、动态的交通信号灯信息,以及障碍物的历史运动信息等等。
[0003]目前,障碍物行为预测方式通常是利用深度学习模型对自动驾驶车辆周边多重静态和动态信息分别进行处理,再基于各自的处理结果预测障碍物的未来行为状态。
技术实现思路
[0004]本公开实施例提出了一种基于特征交互的障碍物行为预测方法、装置、设备、存储介质、程序产品及自动驾驶车辆。
[0005]第一方面,本公开实施例提出了一种基于特征交互的障碍物行为预测方法,包括:获取车辆周边的障碍物与驾驶环境信息;从障碍物与驾驶环境信息中提取障碍物特征和驾驶环境特征;对障碍物特征和驾驶环境特征进行特征交互,得到交互特征;将交互特征输入至解码器进行运动预测,得到车辆周边的障碍物的未来行为状态;其中,障碍物与驾驶环境信息包括车辆的周边感知信息和周边地图信息,驾驶环境特征包括停止线特征和道路特征;以及从障碍物与驾驶环境信息中提取障碍物特征和驾驶环境特征,包括:从周边感知信息中提取障碍物特征和停止线特征,以及从周边地图信息中提取道路特征。
[0006]第二方面,本公开实施例提出了一种基于特征交互的障碍物行为预
【技术保护点】
【技术特征摘要】
1.一种基于特征交互的障碍物行为预测方法,包括获取车辆周边的障碍物与驾驶环境信息;从所述障碍物与驾驶环境信息中提取障碍物特征和驾驶环境特征;对所述障碍物特征和所述驾驶环境特征进行特征交互,得到交互特征;将所述交互特征输入至解码器进行运动预测,得到所述车辆周边的障碍物的未来行为状态;其中,所述障碍物与驾驶环境信息包括所述车辆的周边感知信息和周边地图信息,所述驾驶环境特征包括停止线特征和道路特征;以及所述从所述障碍物与驾驶环境信息中提取障碍物特征和驾驶环境特征,包括:从所述周边感知信息中提取所述障碍物特征和所述停止线特征,以及从所述周边地图信息中提取所述道路特征。2.根据权利要求1所述的方法,其中,所述对所述障碍物特征和所述驾驶环境特征进行特征交互,得到交互特征,包括:将所述障碍物特征和所述驾驶环境特征输入至编码器进行多层级特征交互,得到所述交互特征。3.根据权利要求2所述的方法,其中,所述将所述障碍物特征和所述驾驶环境特征输入至编码器进行多层级特征交互,得到所述交互特征,包括:对所述障碍物特征、所述停止线特征和所述道路特征进行特征嵌入,得到障碍物嵌入特征和道路嵌入特征;采用注意力机制对所述障碍物嵌入特征和所述道路嵌入特征进行多层级特征交互,得到所述交互特征。4.根据权利要求3所述的方法,其中,所述对所述障碍物特征、所述停止线特征和所述道路特征进行特征嵌入,得到障碍物嵌入特征和道路嵌入特征,包括:将所述障碍物特征、所述停止线特征和所述道路特征分别输入至对应的卷积层,得到障碍物中间特征、停止线中间特征和道路中间特征;将所述障碍物中间特征与所述停止线中间特征进行拼接,得到障碍物嵌入特征,以及将所述道路中间特征作为所述道路嵌入特征。5.根据权利要求4所述的方法,其中,所述卷积层的数量与所述卷积层的输入特征的维度成正比。6.根据权利要求5所述的方法,其中,所述将所述障碍物特征、所述停止线特征和所述道路特征分别输入至对应的卷积层,得到障碍物中间特征、停止线中间特征和道路中间特征,包括:将所述障碍物特征和所述道路特征分别输入至对应的多个串联的卷积层,得到所述障碍物中间特征和所述道路中间特征;将所述停止线特征输入至一个卷积层,得到所述停止线中间特征。7.根据权利要求3所述的方法,其中,所述采用注意力机制对所述障碍物嵌入特征和所述道路嵌入特征进行多层级特征交互,得到所述交互特征,包括:利用注意力机制对所述障碍物嵌入特征和道路嵌入特征进行特征交互,得到车辆对道路的第一交互特征;
利用自注意力机制对所述第一交互特征进行特征交互,得到道路对道路的第二交互特征;利用注意力机制对所述第二交互特征与所述障碍物嵌入特征进行特征交互,得到道路对车辆的第三交互特征;利用自注意力机制对所述第三交互特征进行特征交互,得到车辆对车辆的第四交互特征。8.一种基于特征交互的障碍物行为预测装置,包括获取模块,被配置成获取车辆周边的障碍物与驾驶环境信息;提取模块,被配置成从所述障碍物与驾驶环境信息中提取障碍物特征和驾驶环境特征;交互模块,被配置成...
【专利技术属性】
技术研发人员:孙灏,姚萌,
申请(专利权)人:北京百度网讯科技有限公司,
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。