智能体的轨迹预测方法、轨迹预测装置与处理器制造方法及图纸

本申请提供了一种智能体的轨迹预测方法、轨迹预测装置与处理器。该轨迹预测方法包括：至少基于第一编码器和第二编码器，构建预设网络，第一编码器用于对第一区域中的目标智能体进行跨时空单向交互建模；第二编码器用于对第二区域中的目标智能体进行跨时空双向交互建模；采用目标数据集，对预设网络进行训练，得到目标网络，目标数据集包括多组训练数据和各训练数据对应的目标结果；至少采用目标网络和实时感知信息，对实时目标智能体进行轨迹预测，实时感知信息为自动驾驶车辆在行驶的过程中感知到的目标区域中的环境信息和智能体信息，从而解决现有轨迹预测技术对交通中智能体之间交互建模信息损失大以及计算量较大的问题。间交互建模信息损失大以及计算量较大的问题。间交互建模信息损失大以及计算量较大的问题。

【技术实现步骤摘要】
智能体的轨迹预测方法、轨迹预测装置与处理器


[0001]本申请涉及自动驾驶领域，具体而言，涉及一种智能体的轨迹预测方法、轨迹预测装置、计算机可读存储介质与处理器。

技术介绍

[0002]对于自动驾驶车辆，其主要包括感知模块、定位模块、轨迹预测模块、决策规划模块以及控制模块等五大核心模块。其中，自动驾驶车辆的轨迹预测主要是基于感知模块和定位模块输入的智能体(即交通参与者)的历史状态信息、上下文语义信息以及高精地图等等，对高度动态的交通场景建立复杂的交互模型，预测目标智能体在未来几秒的运动轨迹。再将预测的目标智能体的运动轨迹，输出给自动驾驶车辆的决策规划模块，从而对自动驾驶车辆的轨迹进行决策和规划。
[0003]其中，预测目标智能体在未来的运动轨迹可以分为目标智能体选取、智能体序列交互建模以及未来轨迹解码。具体地，智能体序列交互建模是对选取的目标智能体进行交互特征编码，未来轨迹解码是基于编码的交互特征，对交互特征进行解码。而高度动态的场景中，目标智能体之间以及目标智能体与环境之间存在着复杂的交互，且也影响着目标智能体在未来的运动轨迹的精准度，从而影响自动驾驶车辆预测其他交通参与者轨迹的性能。

技术实现思路

[0004]本申请的主要目的在于提供一种智能体的轨迹预测方法、轨迹预测装置、计算机可读存储介质与处理器，以至少解决现有轨迹预测技术对交通中智能体之间交互建模信息损失以及计算量均较大的问题。
[0005]为了实现上述目的，根据本申请的一个方面，提供了一种智能体的轨迹预测方法，包括：至少基于第一编码器和第二编码器，构建预设网络，所述第一编码器用于对第一区域中的目标智能体进行跨时空单向交互建模，所述第二编码器用于对第二区域中的所述目标智能体进行跨时空双向交互建模，所述第一区域为所述第二区域中的部分区域，所述预设网络用于对所述目标智能体进行轨迹预测；采用目标数据集，对所述预设网络进行训练，得到目标网络，所述目标数据集包括多组训练数据和各所述训练数据对应的目标结果；至少采用所述目标网络和实时感知信息，对实时目标智能体进行轨迹预测，所述实时感知信息为自动驾驶车辆在行驶的过程中感知到的目标区域中的环境信息和智能体信息。
[0006]可选地，所述第一编码器对所述第一区域中的所述目标智能体进行跨时空单向交互建模的过程包括：评估步骤，采用优先级评估器，对所述第一区域中的多个所述目标智能体进行优先级评估，得到任意两个所述目标智能体之间的优先级顺序；建模步骤，基于任意两个所述目标智能体之间的优先级顺序，对对应的两个所述目标智能体进行跨时空单向交互建模；重复步骤，依次重复所述评估步骤和所述建模步骤至少一次，直到对所有目标时刻的所述第一区域中的所述目标智能体进行跨时空单向交互建模。
[0007]可选地，在对所有目标时刻的所述第一区域中的所述目标智能体进行跨时空单向交互建模之后，所述轨迹预测方法还包括：将多个所述目标时刻中的多个所述目标智能体，分别与高精地图进行跨时空单向交互建模。
[0008]可选地，所述第二编码器对所述第二区域中的所述目标智能体进行跨时空双向交互建模的过程包括：对所述第二区域中各所述目标智能体进行特征信息建模，所述特征信息至少包括速度信息、方向信息、位置信息以及类别信息；对各目标时刻的所述第二区域中的任意两个所述目标智能体进行跨时空双向交互建模。
[0009]可选地，确定所述优先级评估器的过程：基于预定规则和高精地图，确定各预定区域中的所述目标智能体的优先级顺序，得到优先级训练集；基于所述优先级训练集，对预设优先级评估器进行训练，得到所述优先级评估器，所述预设优先级评估器是基于多层感知机进行构建的。
[0010]可选地，确定所述第二区域中的所述目标智能体的过程包括：获取自动驾驶车辆的目标感知信息，所述目标感知信息为目标设备获取的所述第二区域的环境信息和智能体信息，所述目标设备包括以下至少之一：图像采集设别、雷达设备，所述智能体信息为所述第二区域中多个智能体的信息；采用目标智能体选取算法以及所述目标感知信息，对所述第二区域中的所述智能体进行筛选，得到所述目标智能体，所述目标智能体选取算法为基于神经网络训练得到的，所述目标智能体为在所述自动驾驶车辆的感知范围内，与所述自动驾驶车辆存在交互的人或者车辆。
[0011]可选地，至少基于第一编码器和第二编码器，构建预设网络，包括：基于所述第一编码器、所述第二编码器和目标解码器，构建所述预设网络，所述目标解码器用于基于所述第一编码器和所述第二编码器输出的目标交互信息，对所述目标智能体进行轨迹预测。
[0012]根据本申请的另一方面，提供了一种智能体的轨迹预测装置，包括：构建单元，用于至少基于第一编码器和第二编码器，构建预设网络，所述第一编码器用于对第一区域中的目标智能体进行跨时空单向交互建模，所述第二编码器用于对第二区域中的所述目标智能体进行跨时空双向交互建模，所述第一区域为所述第二区域中的部分区域，所述预设网络用于对所述目标智能体进行轨迹预测；训练单元，用于采用目标数据集，对所述预设网络进行训练，得到目标网络，所述目标数据集包括多组训练数据和各所述训练数据对应的目标结果；预测单元，用于至少采用所述目标网络和实时感知信息，对实时目标智能体进行轨迹预测，所述实时感知信息为自动驾驶车辆在行驶的过程中感知到的目标区域中的环境信息和智能体信息。
[0013]根据本申请的又一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的智能体的轨迹预测方法。
[0014]根据本申请的再一方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的智能体的轨迹预测方法。
[0015]应用本申请的技术方案，所述的轨迹预测方法中，首先，构建至少具有第一编码器和第二编码器的预设网络，其中，第一编码器用于对第一区域中的目标智能体进行跨时空单向交互建模，第二编码器用于对第二目标区域中的目标智能体进行跨时空双向交互建模；然后，采用目标数据集，对预设网络进行训练，得到目标网络；最后，至少采用训练得到
的目标网络和实时感知信息，对对应的实时目标智能体进行轨迹预测。与现有技术中，对第一区域中的目标智能体进行跨时空双向交互建模相比，本申请中，采用第一编码器对第一区域中的目标智能体进行跨时空单向交互建模，即对局部区域中的目标智能体进行跨时空单向交互建模，以及采用第二编码器对第二区域中的目标智能体进行跨时空双向交互建模，即对整体区域中的目标智能体进行跨时空双向交互建模，而不是对第一区域和第二区域中的所有的智能体进行交互建模，这样使得本申请的轨迹预测方法整体的计算量较小以及交互建模过程中的信息损失较少，保证了对目标智能体(以及在实际的应用过程中的实时目标智能体)的轨迹预测的准确性较高，从而解决了现有轨迹预测技术对交通中智能体之间交互建模信息损失以及计算量均较大的问题，进而保证了自动驾驶车辆后续基于预测的实时目标智能体的轨迹，对自身的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能体的轨迹预测方法，其特征在于，包括：至少基于第一编码器和第二编码器，构建预设网络，所述第一编码器用于对第一区域中的目标智能体进行跨时空单向交互建模，所述第二编码器用于对第二区域中的所述目标智能体进行跨时空双向交互建模，所述第一区域为所述第二区域中的部分区域，所述预设网络用于对所述目标智能体进行轨迹预测；采用目标数据集，对所述预设网络进行训练，得到目标网络，所述目标数据集包括多组训练数据和各所述训练数据对应的目标结果；至少采用所述目标网络和实时感知信息，对实时目标智能体进行轨迹预测，所述实时感知信息为自动驾驶车辆在行驶的过程中感知到的目标区域中的环境信息和智能体信息。2.根据权利要求1所述的轨迹预测方法，其特征在于，所述第一编码器对所述第一区域中的所述目标智能体进行跨时空单向交互建模的过程包括：评估步骤，采用优先级评估器，对所述第一区域中的多个所述目标智能体进行优先级评估，得到任意两个所述目标智能体之间的优先级顺序；建模步骤，基于任意两个所述目标智能体之间的优先级顺序，对对应的两个所述目标智能体进行跨时空单向交互建模；重复步骤，依次重复所述评估步骤和所述建模步骤至少一次，直到对所有目标时刻的所述第一区域中的所述目标智能体进行跨时空单向交互建模。3.根据权利要求2所述的轨迹预测方法，其特征在于，在对所有目标时刻的所述第一区域中的所述目标智能体进行跨时空单向交互建模之后，所述轨迹预测方法还包括：将多个所述目标时刻中的多个所述目标智能体，分别与高精地图进行跨时空单向交互建模。4.根据权利要求1所述的轨迹预测方法，其特征在于，所述第二编码器对所述第二区域中的所述目标智能体进行跨时空双向交互建模的过程包括：对所述第二区域中各所述目标智能体进行特征信息建模，所述特征信息至少包括速度信息、方向信息、位置信息以及类别信息；对各目标时刻的所述第二区域中的任意两个所述目标智能体进行跨时空双向交互建模。5.根据权利要求2所述的轨迹预测方法，其特征在于，确定所述优先级评估器的过程：基于预定规则和高精地图，确定各预定区域中的所述目标智能体的优先级顺序，得到优先级训练集；基于所述优先级训练集，对预设优先级评估器进行训练，得到所述优先级评估器，...

【专利技术属性】
技术研发人员：刘恩光，程帅，刘威，胡骏，曹斌，
申请(专利权)人：东软睿驰汽车技术沈阳有限公司，
类型：发明
国别省市：