【技术实现步骤摘要】
目标对象的轨迹确定方法、装置、电子设备和存储介质
[0001]本公开涉及计算机视觉技术，尤其是一种目标对象的轨迹确定方法、装置、电子设备和存储介质。
技术介绍
[0002]在自动驾驶、辅助驾驶等场景，行人、骑自行车的人、骑电车的人等动态对象的未来轨迹预测是重要的环节，能够为车辆的规划与控制提供障碍物参考信息。相关技术中，通常基于2D图像域信息，采用基于循环神经网络的轨迹预测模型进行对象的轨迹预测，但是循环神经网络具有较高的延时，导致轨迹预测实时性较低。
技术实现思路
[0003]为了解决上述轨迹预测实时性较低等技术问题，本公开的实施例提供了一种目标对象的轨迹确定方法、装置、电子设备和存储介质，基于轻量级轨迹预测模型实现未来轨迹的预测，有效提高轨迹预测的实时性。
[0004]本公开的第一个方面，提供了一种目标对象的轨迹确定方法，包括：获取目标对象的观测边界框信息序列，所述观测边界框信息序列包括所述目标对象在至少一个时间帧中的各所述时间帧分别应的观测图像中的边界框信息；基于观测边界框信息序列，利用预先训练...
【技术保护点】
【技术特征摘要】
1.一种目标对象的轨迹确定方法，包括：获取目标对象的观测边界框信息序列，所述观测边界框信息序列包括所述目标对象在至少一个时间帧中的各所述时间帧分别应的观测图像中的边界框信息；基于观测边界框信息序列，利用预先训练获得的轨迹预测模型中的轨迹编码网络，确定所述目标对象对应的观测轨迹特征；基于所述观测轨迹特征，利用所述轨迹预测模型中的条件变分自编码器，确定所述目标对象对应的变分编码特征；基于所述变分编码特征，利用所述轨迹预测模型中的轨迹预测网络，确定所述目标对象对应的至少一个未来时间帧的运动轨迹。2.根据权利要求1所述的方法，其中，所述基于所述观测轨迹特征，利用所述轨迹预测模型中的条件变分自编码器，确定所述目标对象对应的变分编码特征，包括：基于所述观测轨迹特征，利用所述条件变分自编码器中的编码网络，生成所述观测轨迹特征对应的观测分布特征；基于预设高斯分布及预设采样规则，生成采样张量；基于所述观测分布特征和所述采样张量，生成观测采样特征；基于所述观测采样特征和所述观测轨迹特征，确定所述变分编码特征。3.根据权利要求2所述的方法，其中，所述至少一个未来时间帧包括第一数量个未来时间帧；所述基于所述观测采样特征和所述观测轨迹特征，确定所述变分编码特征，包括：利用所述条件变分自编码网络中的第一特征融合网络，将所述观测采样特征和所述观测轨迹特征进行融合，获得第一融合特征；利用所述条件变分自编码器中的第一卷积网络，将所述第一融合特征转换为所述变分编码特征。4.根据权利要求1所述的方法，其中，所述基于所述变分编码特征，利用所述轨迹预测模型中的轨迹预测网络，确定所述目标对象对应的至少一个未来时间帧的运动轨迹，包括：利用所述轨迹预测网络中的第二卷积网络对所述变分编码特征进行处理，获得第一中间结果；利用所述轨迹预测网络中的第一全连接网络对所述第一中间特征进行处理，获得第二中间结果；利用所述轨迹预测网络中的预设激活函数，对所述第二中间结果进行处理，获得第三中间结果；基于所述第三中间结果，确定所述目标对象对应的所述运动轨迹。5.根据权利要求4所述的方法，其中，所述第三中间结果为归一化范围内的结果；所述基于所述第三中间结果，确定所述目标对象对应的所述运动轨迹，包括：对所述第三中间结果进行反归一化处理，获得反归一化结果；基于所述反归一化结果，确定各所述未来时间帧分别对应目标边界框信息；基于各所述目标边界框信息，确定所述目标对象对应的所述运动轨迹。6.根据权利要求1所述的方法，其中，所述基于所述观测边界框信息序列，利用预先训练获得的轨迹预测模型中的轨迹编码网络，确定所述目标对象对应的观测轨迹特征，包括：
利用所述轨迹编码网络中的第二全连接网络，对所述观测边界框信息序列进行处理，获得第一处理结果；利用所述轨迹编码网络中的第三卷积网络，对所述第一处理结果进行处理，获得第二处理结果；基于所述第一处理结果和所述第二处理结果，确定所述观测轨迹特征。7.根据权利要求6所述的方法，其中，所述...
【专利技术属性】
技术研发人员：张笑铭，潘铭星，
申请(专利权)人：成都地平线征程科技有限公司，
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。