一种车辆轨迹预测方法、装置、计算机、可读存储介质及机动车制造方法及图纸

本发明专利技术公开了一种车辆轨迹预测方法、装置、计算机、可读存储介质及机动车，涉及自动驾驶技术领域，用于车辆自动驾驶时对车辆轨迹进行预测，包括如下步骤：根据目标车辆及其周围车辆的历史运动信息获得两者的交互特征；根据目标车辆及其邻近车道的车道中心线信息获得两者的场景特征；对交互特征、场景特征和目标车辆的时序特征进行拼接，形成融合特征；根据融合特征计算未来交互特征；对融合特征和未来交互特征进行拼接和解码，形成目标车辆的预测轨迹。本发明专利技术所提供的方法，准确提取周围车辆的交互特征，使周围车辆的轨迹预测结果更加准确，从而保证自动驾驶车辆完成合理的轨迹规划，控制车辆平稳行驶。控制车辆平稳行驶。控制车辆平稳行驶。

【技术实现步骤摘要】
一种车辆轨迹预测方法、装置、计算机、可读存储介质及机动车


[0001]本专利技术涉及自动驾驶
，具体涉及一种车辆轨迹预测方法、装置、计算机、可读存储介质及机动车。

技术介绍

[0002]驾驶员在驾驶机动车辆时，会关注周边的车道信息，同时关注周围临近车道内的其它机动车辆的运动状态，对周围一定范围内机动车辆的行驶路径进行预判，避免发生碰撞。而自动驾驶车辆若要实现完全的无人驾驶，也需要对其车辆本身周围的车辆进行判断，预判其周围车辆在未来一段时间内的轨迹，并根据预判结果规划自动驾驶车辆未来一段时间内的行驶轨迹，完成自动驾驶车辆轨迹的规划与控制，确保不会与周围车辆发生碰撞、冲突。现有技术主要是利用待预测目标车辆和周围车辆的交互信息，以及待预测目标车辆和周围环境的交互信息进行特征的编码，主要考虑的是历史交互信息、场景交互信息。然而，待预测目标车辆的未来轨迹信息，也是一个需要考虑的交互特征，现有技术并未予以考虑，影响了自动驾驶车辆轨迹计算的合理性。

技术实现思路

[0003]为解决前述问题，本专利技术提供了一种车辆轨迹预测方法，准确提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆轨迹预测方法，用于车辆自动驾驶时对车辆轨迹进行预测，其特征在于，所述车辆轨迹预测方法包括如下步骤：根据目标车辆及其周围车辆的历史运动信息获得两者的交互特征；根据目标车辆的历史运动信息及其邻近车道的车道中心线信息获得两者的场景特征；对交互特征、场景特征和目标车辆的时序特征进行拼接，形成融合特征；根据融合特征计算未来交互特征；对融合特征和未来交互特征进行拼接和解码，形成目标车辆的预测轨迹。2.根据权利要求1所述的车辆轨迹预测方法，其特征在于，根据目标车辆及其周围车辆的历史运动信息获得两者的交互特征包括如下步骤：分别获取目标车辆及其周围车辆的历史运动信息；利用时序卷积网络对目标车辆的历史运动信息进行特征编码，获取目标车辆的时序特征；利用时序卷积网络对周围车辆的历史运动信息进行特征编码，获取周围车辆的时序特征；利用若干全连接层中的一层对目标车辆的时序特征进行编码，得到Query特征Q0；利用若干全连接层中的另外两层分别对周围车辆的时序特征进行编码，得到Key特征K0和Value特征V0；根据如下公式对Query特征Q0、Key特征K0、Value特征V0进行融合，得到交互特征：其中，f
interaction
为交互特征，d
o
为Key特征K
o
的特征维度；T表示矩阵转置。3.根据权利要求2所述的车辆轨迹预测方法，其特征在于，根据目标车辆的历史运动信息及其邻近车道的车道中心线信息获得两者的场景特征包括如下步骤：获取目标车辆的邻近车道的车道中心线信息；利用PointNet网络对车道中心线信息进行特征编码，获取车道线特征；利用若干全连接层中的一层对目标车辆的时序特征进行编码，得到Query特征Q1；利用若干全连接层中的另外两层分别对车道线特征进行编码，得到Key特征K1和Value特征V1；根据如下公式对Query特征Q1、Key特征K1、Value特征V1进行融合，得到场景特征：其中，f
scene
为场景特征；d
l
为Key特征K
l
的特征维度；T表示矩阵转置。4.根据权利要求3所述的车辆轨迹预测方法，其特征在于，根据如下公式对交互特征、场景特征和目标车辆的时序特征进行拼接：f
concat
＝[f
target
；f
interaction
；f
scene
]其中，f
concat
为融合特征。5.根据权利要求4所述的车辆轨迹预测方法，其特征在于，根据融合特征计算未来交互特征包括如下步骤：
利用若干全连接层对融合特征进行编码，得到预测初步的未来轨迹；利用时序卷积网络对初步预测的未来轨迹进行时序特征提取，得到预测初步的未来轨迹的时序特征；利用若干全连接层中的一层对融合特征进行编码，得到Query特征Q
f
；利用若干全连接层中的另外两层分别对预测初步的未来轨迹的时序特征进行编码，得到Key特征K
f
和Value特征V
f
；根据如下公式对Query特征Q
f
、Key特征K
f
、Value特征V
f
进行融合，得到未来交互特征：其中，f
future_interact
为未来交互特征，d
f
为Key特征K
f
的特征维度；T表示矩阵转置。6.根据权利要求5所述的车辆轨迹预测方法，其特征在于，对融合特征和未来交互特征进行拼接和解码，形成目标车辆的预测轨迹包括如下步骤：对融合特征和未来交互特征进行拼接，形成编码特征；利用若干全连接层对编码特征进行解码，形成目标车辆的预测轨迹。7.根据权利要求6所述的车辆轨迹预测方法，其特征在于，根据如下公式对融合特征和未来交互特征进行拼接：f
encoder
＝[f
concat
；f
future_interact
]其中，f
encoder
为编码特征。8.一种车辆轨迹预测装置，用于车辆自动驾驶时对车辆轨迹进行预测，其特征在于，所述车辆轨迹预测装置包括：全连接神经网络，用于根据目标车辆及其周围车辆的历史运动信息获得两者的交互特征；根据目标车辆的历史运动信息及其邻近车道的车道中心线信息获得两者的场景特征；拼接模块，用于对交互特征、场景特征和目标车辆的时序特征进行拼接，形成融合特征；以及对融合特征和未来交互特征进行...

【专利技术属性】
技术研发人员：张震，肖钟雯，
申请(专利权)人：浙江零跑科技股份有限公司，
类型：发明
国别省市：