轨迹预测方法、装置、设备及存储介质制造方法及图纸

本公开还提供了一种轨迹预测方法、装置、电子设备及存储介质。本公开实施例的轨迹预测方法包括：根据目标车辆的历史轨迹确定目标车辆的第一轨迹；根据目标车辆的历史轨迹获得目标车辆的第一轨迹修正量，第一轨迹修正量用于降低碰撞率；根据目标车辆的历史轨迹获得目标车辆的第二轨迹修正量，第二轨迹修正量用于降低违规压线概率；融合目标车辆的第一轨迹和第一轨迹修正量以获得第一融合结果；融合目标车辆的第一轨迹和第二轨迹修正量以获得第二融合结果；利用预训练的解码器对第一融合结果与第二融合结果处理以获得目标车辆的第二轨迹。本公开实施例能够在准确预测车辆轨迹的同时降低诸如碰撞率和违规压线概率。降低诸如碰撞率和违规压线概率。降低诸如碰撞率和违规压线概率。

【技术实现步骤摘要】
轨迹预测方法、装置、设备及存储介质


[0001]本公开涉及一种轨迹预测方法、装置、电子设备及存储介质。

技术介绍

[0002]轨迹预测任务在无人驾驶场景中非常重要，对于实现车辆控制、危险情况预警有重要意义。轨迹预测任务对于提升无人驾驶的安全性包括无人驾驶真正的广泛应用有重要意义，这是无人驾驶技术重点解决的问题。
[0003]为了预测出更准确且更安全的轨迹，在预测轨迹时需要考虑诸如车辆是否会碰撞、车辆是否会违反交通规则等。目前，诸多的已有轨迹预测方法均无法避免诸如碰撞、车辆违反交通规则等情况。因此，如何在实现轨迹预测的同时降低诸如碰撞率、违反交通规则的概率等，是亟待解决的问题。

技术实现思路

[0004]为了解决上述技术问题中的至少一个，本公开提供了一种轨迹预测方法、装置、电子设备及存储介质。
[0005]根据本公开的第一方面，提供了一种轨迹预测方法，包括：
[0006]根据目标车辆的历史轨迹确定目标车辆的第一轨迹；
[0007]根据目标车辆的历史轨迹获得目标车辆的第一轨迹修正量，所述第一轨迹修正量本文档来自技高网...

【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：根据目标车辆的历史轨迹确定目标车辆的第一轨迹；根据目标车辆的历史轨迹获得目标车辆的第一轨迹修正量，所述第一轨迹修正量用于降低碰撞率；根据目标车辆的历史轨迹获得目标车辆的第二轨迹修正量，所述第二轨迹修正量用于降低违规压线概率；融合目标车辆的第一轨迹和第一轨迹修正量以获得第一融合结果；融合目标车辆的第一轨迹和第二轨迹修正量以获得第二融合结果；利用预训练的解码器对第一融合结果与第二融合结果处理以获得目标车辆的第二轨迹。2.根据权利要求1所述的轨迹预测方法，其特征在于，所述第二轨迹中的预测位置与目标车辆周围其他车辆在相应时刻的预测位置不同；和/或，所述第二轨迹中的各轨迹向量与目标车辆所处场景中的道路实线不相交。3.根据权利要求1所述的轨迹预测方法，其特征在于，所述第一融合结果通过第一注意力模型获得，所述第二融合结果通过第二注意力模型获得。4.根据权利要求1所述的轨迹预测方法，其特征在于，所述第一轨迹修正量通过第一特征提取器获得，所述第二轨迹修正量通过第二特征提取器获得，所述第一特征提取器和/或所述第二特征提取器分别通过对比学习训练得到。5.根据权利要求4所述的轨迹预测方法，其特征在于，所述第一特征提取器的训练数据包括样本车辆的历史轨迹、第一正样本和第一负样本，所述第一正样本和所述第一负样本根据样本车辆周围其他车辆的第一轨迹和样本车辆的第一轨迹确定。6.根据权利要求4所述的轨迹预测方法，其特征在于，所述第一正样本包括对样本车辆的第一轨迹中N个预定预测位置增加噪声扰动而获得的N个位置数据，所述第一负样本包括对其他车辆的第一轨迹中N个预定预测位置增加噪声扰动获得的K个位置数据，N与K均为大于1的整数。7.根据权利要求6所述的轨迹预测方法，其特征在于，所述第一负样本包括：样本车辆周围所有其他车辆的第一轨迹中与样本车辆第一轨迹间距最小的前K个预定预测位置。8.根据权利要求6或7所述的轨迹预测方法，其特征在于，K与N的比值等于预先设置的正负样本数量比。9.根据权利要求4所述的轨迹预测方法，其特征在于，第二特征提取器的训练数据包括样本车辆的历史轨迹、第二正样本和第二负样本，所述第二正样本和所述第二负样本根据样本车辆所处场景的地图数据确定。10.根据权利要求8所述的轨迹预测方法，其特征在于，所述第二正样本包括样本车辆的第一轨迹中与道路实线不相交的N个轨迹向量的终点位置，所述第二负样本包括样本车辆的第一轨迹与道路实线的K个交点位置，N与K均为大于1的整数，K小于或等于预设的负样本数量上限。11.根据权利要求1所述的轨迹预测方法，其特征在于，所述利用预训练的解码器对第一融合结果与第二融合结果处理以获得目标车辆的第二轨迹，包括：利用预训练的多层感知器将第一融合结果与第二融合结果融合，以获得第三融合结
果；利用所述解码器对第三融合结果处理以获得目标车辆的第二轨迹。12.一种轨迹预测模型训练方法，其特征在于，所述轨迹预测模型包括：编码器、解码器、融合模块、第一特征提取器、第二特征提取器；其中，所述编码器用于根据目标车辆的历史轨迹确定目标车辆的第一轨迹；所述第一特征提取器用于根据目标车辆的历史轨迹获得目标车辆的第一轨迹修正量，所述第一轨迹修正量用于降低碰撞率；所述第二特征提取器用于根据目标车辆的历史轨迹获得目标车辆的第二轨迹修正量，所述第二轨迹修正量用于降低违规压线概率；融合模块用于融合目标车辆的第一轨迹和第一轨迹修正量以获得第一融合结果、以及融合目标车辆的第一轨迹和第二轨迹修正量以获得第二融合结果；所述解码器用于对第一融合结果与第二融合结果处理以获得目标车辆的第二轨迹；所述轨迹预测模型训练方法包括：利用样本车辆的历史轨迹和样本车辆的真实轨迹训练编码器和解码器，以确定编码器的参数；冻结编码器参数，利用样本车辆及其周围其他车辆的历史轨迹训练第一特征提取器，以确定第一特征提取器的参数；冻结编码器参数，利用样本车辆的历史轨迹和样本车辆所处场景的地图数据训练第二特征提取器，以确定第二特征提取器的参数；冻结编码器参数、第一特征提取器参数和第二特征提取器参数，利用样本车辆的历史轨迹和样本车辆的真实轨迹训练融合模块和解码器，以确定融合模块的参数和解码器的参数。13.根据权利要求12所述轨迹预测模型的训练方法，其特征在于，还包括：根据样本车辆及其周围其他车辆的历史轨迹，抽取用于训练第一特征提取器的第一正样本与第一负样本；其中，第一正样本包括对样本车辆的第一轨迹中N个预定预测位置增加噪声扰动而...

【专利技术属性】
技术研发人员：刘宇，李雪，
申请(专利权)人：北京易航远智科技有限公司，
类型：发明
国别省市：