预测车辆轨迹的模型训练方法和装置及存储介质制造方法及图纸

本申请公开了一种预测车辆轨迹的模型训练方法和装置及存储介质。其中，该方法包括：获取多个历史车辆轨迹，其中，历史车辆轨迹由连续采集到的多帧车辆行驶图像组成；获取多个历史车辆轨迹中各个历史车辆轨迹对应的帧间抖动信息，其中，帧间抖动信息用于度量多帧车辆行驶图像中各个帧间间隔发生的抖动；对多个历史车辆轨迹中帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹，其中，轨迹补偿用于补偿历史车辆轨迹缺失的轨迹部分；利用多个目标车辆轨迹训练轨迹预测模型。本申请解决了车辆轨迹的预测准确性较低的技术问题。性较低的技术问题。性较低的技术问题。

【技术实现步骤摘要】
预测车辆轨迹的模型训练方法和装置及存储介质


[0001]本申请涉及计算机领域，具体而言，涉及一种预测车辆轨迹的模型训练方法、装置和存储介质及电子设备。

技术介绍

[0002]在车辆轨迹的预测场景中，使用模型的方式进行轨迹预测，但低质量的样本训练出的模型是无法保证轨迹预测准确性的，且车辆轨迹这一场景，更容易出现低质量样本，进而导致车辆轨迹的预测准确性较低的问题出现。因此，存在车辆轨迹的预测准确性较低的问题。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种预测车辆轨迹的模型训练方法、装置和存储介质及电子设备，以至少解决车辆轨迹的预测准确性较低的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种预测车辆轨迹的模型训练方法，包括：获取多个历史车辆轨迹，其中，上述历史车辆轨迹由连续采集到的多帧车辆行驶图像组成；获取上述多个历史车辆轨迹中各个历史车辆轨迹对应的帧间抖动信息，其中，上述帧间抖动信息用于度量上述多帧车辆行驶图像中各个帧间间隔发生的抖动；对上述多个历史车辆轨迹中上述帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹，其中，上述轨迹补偿用于补偿历史车辆轨迹缺失的轨迹部分；利用上述多个目标车辆轨迹训练轨迹预测模型，并使用训练好的上述轨迹预测模型进行车辆轨迹的预测。
[0006]根据本申请实施例的另一方面，还提供了一种预测车辆轨迹的模型训练装置，包括：第一获取单元，用于获取多个历史车辆轨迹，其中，上述历史车辆轨迹由连续采集到的多帧车辆行驶图像组成；第二获取单元，用于获取上述多个历史车辆轨迹中各个历史车辆轨迹对应的帧间抖动信息，其中，上述帧间抖动信息用于度量上述多帧车辆行驶图像中各个帧间间隔发生的抖动；补偿单元，用于对上述多个历史车辆轨迹中上述帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹，其中，上述轨迹补偿用于补偿历史车辆轨迹缺失的轨迹部分；训练单元，用于利用上述多个目标车辆轨迹训练轨迹预测模型，并使用训练好的上述轨迹预测模型进行车辆轨迹的预测。
[0007]作为一种可选的方案，上述装置还包括：第三获取单元，用于在上述对上述多个历史车辆轨迹中上述帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹之前，获取上述各个历史车辆轨迹中的各对相邻车辆行驶图像帧；第四获取单元，用于在上述对上述多个历史车辆轨迹中上述帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹之前，获取上述各对相邻车辆行驶图像帧之间的帧间间隔时长；确定单元，用于在上述对上述多个历史车辆轨迹中上述帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹之前，在上
述帧间间隔时长小于或等于预设时长阈值的情况下，确定上述帧间抖动信息满足上述轨迹稳定条件。
[0008]作为一种可选的方案，上述补偿单元，包括：第一获取模块，用于获取满足上述轨迹稳定条件的候选车辆轨迹；第二获取模块，用于获取上述候选车辆轨迹中的、上述帧间间隔时长大于或等于补偿时长阈值的备选车辆轨迹，其中，上述补偿时长阈值小于上述预设时长阈值；补偿模块，用于利用线性插值补偿算法，对上述备选车辆轨迹中的、上述帧间间隔时长大于或等于上述补偿时长阈值的至少一对相邻车辆行驶图像帧进行补偿，得到上述目标车辆轨迹。
[0009]作为一种可选的方案，上述训练单元，包括：第三获取模块，用于获取上述多个目标车辆轨迹中各个目标车辆轨迹对应的帧间车辆距离，其中，上述帧间车辆距离用于度量上述多帧车辆行驶图像中相邻帧内第一目标车辆之间的位置差；筛选模块，用于从上述多个目标车辆轨迹中筛选出上述帧间车辆距离满足第一轨迹校验条件的至少一个第一车辆轨迹；训练模块，用于利用上述至少一个第一车辆轨迹训练上述轨迹预测模型。
[0010]作为一种可选的方案，上述装置还包括：第四获取模块，用于在上述从上述多个目标车辆轨迹中筛选出上述帧间车辆距离满足第一轨迹校验条件的至少一个第一车辆轨迹之前，获取上述各个目标车辆轨迹中的各对相邻车辆行驶图像帧；第五获取模块，用于在上述从上述多个目标车辆轨迹中筛选出上述帧间车辆距离满足第一轨迹校验条件的至少一个第一车辆轨迹之前，获取上述各对相邻车辆行驶图像帧内上述第一目标车辆之间的横向距离差和纵向距离差；第一确定模块，用于在上述从上述多个目标车辆轨迹中筛选出上述帧间车辆距离满足第一轨迹校验条件的至少一个第一车辆轨迹之前，在上述横向距离差小于或等于第一预设阈值、且上述纵向距离差小于或等于第二预设阈值的情况下，确定上述帧间车辆距离满足上述第一轨迹校验条件，其中，上述第一预设阈值与上述第一目标车辆的横向车速呈正相关关系，上述第二预设阈值与上述第一目标车辆的纵向车速呈正相关关系。
[0011]根据本申请实施例的另一方面，还提供了一种车辆轨迹的预测装置，包括：预测单元，用于利用上述所述预测车辆轨迹的模型训练装置训练轨迹预测模型，使用训练好的上述轨迹预测模型进行车辆轨迹的预测。
[0012]作为一种可选的方案，上述预测单元，包括：第六获取模块，用于获取上述多个目标车辆轨迹中各个目标车辆轨迹对应的帧间车辆角度，其中，上述帧间车辆航向角用于度量上述多帧车辆行驶图像中相邻帧内第二目标车辆的转向角度；第二确定模块，用于从上述多个目标车辆轨迹中筛选出上述帧间车辆角度满足第二轨迹校验条件的至少一个第二车辆轨迹；训练模块，用于利用上述至少一个第二车辆轨迹训练上述轨迹预测模型。
[0013]作为一种可选的方案，上述装置还包括：第七获取模块，用于在上述从上述多个目标车辆轨迹中筛选出上述帧间车辆角度满足第二轨迹校验条件的至少一个第二车辆轨迹之前，获取上述各个目标车辆轨迹中的各对相邻车辆行驶图像帧；第八获取模块，用于在上述从上述多个目标车辆轨迹中筛选出上述帧间车辆角度满足第二轨迹校验条件的至少一个第二车辆轨迹之前，获取上述各对相邻车辆行驶图像帧内上述第二目标车辆对应的航向角之差；第三确定模块，用于在上述从上述多个目标车辆轨迹中筛选出上述帧间车辆角度满足第二轨迹校验条件的至少一个第二车辆轨迹之前，在上述航向角之差小于或等于第三
预设阈值的情况下，确定上述帧间车辆角度满足上述第二轨迹校验条件，其中，上述第三预设阈值与上述目标车辆的限制车速呈负相关关系。
[0014]作为一种可选的方案，上述预测单元，包括：第九获取模块，用于响应于对第三目标车辆触发的轨迹预测请求，获取上述第三目标车辆关联的历史行驶轨迹，其中，上述历史行驶轨迹为上述第三目标车辆在历史时间段内在目标区域内行驶过的车辆轨迹；输入模块，用于将上述历史行驶轨迹，以及上述第三目标车辆在上述目标区域内关联的区域信息输入训练好的上述轨迹预测模型，其中，上述区域信息为上述第三目标车辆在上述历史时间段内途径上述目标区域内各个区域的位置和属性；第十获取模块，用于获取上述轨迹预测模型输出的、上述第三目标车辆对应的车辆预测轨迹。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测车辆轨迹的模型训练方法，其特征在于，包括：获取多个历史车辆轨迹，其中，所述历史车辆轨迹由连续采集到的多帧车辆行驶图像组成；获取所述多个历史车辆轨迹中各个历史车辆轨迹对应的帧间抖动信息，其中，所述帧间抖动信息用于度量所述多帧车辆行驶图像中各个帧间间隔发生的抖动；对所述多个历史车辆轨迹中所述帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹，其中，所述轨迹补偿用于补偿历史车辆轨迹缺失的轨迹部分；利用所述多个目标车辆轨迹训练轨迹预测模型。2.根据权利要求1所述的方法，其特征在于，在所述对所述多个历史车辆轨迹中所述帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹之前，所述方法还包括：获取所述各个历史车辆轨迹中的各对相邻车辆行驶图像帧；获取所述各对相邻车辆行驶图像帧之间的帧间间隔时长；在所述帧间间隔时长小于或等于预设时长阈值的情况下，确定所述帧间抖动信息满足所述轨迹稳定条件。3.根据权利要求2所述的方法，其特征在于，所述对所述多个历史车辆轨迹中所述帧间抖动信息满足轨迹稳定条件的历史车辆轨迹进行轨迹补偿，得到多个目标车辆轨迹，包括：获取满足所述轨迹稳定条件的候选车辆轨迹；获取所述候选车辆轨迹中的、所述帧间间隔时长大于或等于补偿时长阈值的备选车辆轨迹，其中，所述补偿时长阈值小于所述预设时长阈值；利用线性插值补偿算法，对所述备选车辆轨迹中的、所述帧间间隔时长大于或等于所述补偿时长阈值的至少一对相邻车辆行驶图像帧进行补偿，得到所述目标车辆轨迹。4.根据权利要求1所述的方法，其特征在于，所述利用所述多个目标车辆轨迹训练轨迹预测模型，包括：获取所述多个目标车辆轨迹中各个目标车辆轨迹对应的帧间车辆距离，其中，所述帧间车辆距离用于度量所述多帧车辆行驶图像中相邻帧内第一目标车辆之间的位置差；从所述多个目标车辆轨迹中筛选出所述帧间车辆距离满足第一轨迹校验条件的至少一个第一车辆轨迹；利用所述至少一个第一车辆轨迹训练所述轨迹预测模型。5.根据权利要求4所述的方法，其特征在于，在所述从所述多个目标车辆轨迹中筛选出所述帧间车辆距离满足第一轨迹校验条件的至少一个第一车辆轨迹之前，所述方法还包括：获取所述各个目标车辆轨迹中的各对相邻车辆行驶图像帧；获取所述各对相邻车辆行驶图像帧内所述第一目标车辆之间的横向距离差和纵向距离差；在所述横向距离差小于或等于第一预设阈值、且所述纵向距离差小于或等于第二预设阈值的情况下，确定所述帧间车辆距离满足所述第一轨迹校验条件，其中，所述第一预设阈值与所述第一目标车辆的横向车速呈正相关关系，所述第二预设阈值与所述第一目标车辆
的纵向车速呈正相关关系。6.根据权利要求1所述的方法，其特征在于，所述利用所述多个目标车辆轨迹训练轨迹预测模型，包括：获取所述多个目标车辆轨迹中各个目标车辆轨迹对应的帧间车辆角度，其中，所述帧间车辆航向角用于度量所述多帧车辆行驶图像中相邻帧内第二目标车辆的转向角度；从所述多个目标车辆轨迹中筛选出所述帧间车辆角度满足第二轨迹校验条件的至少一个第二车辆轨迹；利用所述至少一个第二车辆轨迹训练所述轨迹预测模型。7.根据权利要求6所述的方法，其特征在于，在所述从所述多个目标车辆轨迹中筛选出所述帧间车辆角度满足第二轨迹校验条件的至少一个第二车辆轨迹之前，所述方法还包括：获取所述各个目标车辆轨迹中的各对相邻车辆行驶图像帧；获取所述各对相邻车辆行驶图像帧内所述第二目标车辆对应的航向角之差；在所述航向角之差小于或等于第三预设阈值的情况下，确定所述帧间车辆角度满足所述第二轨迹校验条件，其中，所述第三预设阈值与所述目标车辆的限制车速呈负相关关系。8.一种车辆轨迹的预测...

【专利技术属性】
技术研发人员：朱明旭，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：