数据处理方法、装置、设备及存储介质制造方法及图纸

本申请提出一种数据处理方法、设备及存储介质，该方法中场景表示集合为基于统一特征空间下的待预测物体的历史运动数据、预测视野范围内的道路图和每个邻近运动物体相对于待预测物体的相对运动数据得到，统一的特征空间使得对历史运动数据、相对运动数据和道路图转换的网络具有简洁的网络架构，从而简化了计算量。而且，统一特征空间下的场景表示集合有助于后续轨迹预测采用简洁的网络实现，从而提高轨迹预测的效率。轨迹预测的效率。轨迹预测的效率。

【技术实现步骤摘要】
数据处理方法、装置、设备及存储介质


[0001]本申请属于人工智能
，具体涉及一种数据处理方法、装置、设备及存储介质。

技术介绍

[0002]目前，自动驾驶已经成为热点技术，在自动驾驶场景中，自动驾驶的车辆需要对场景中其他车辆的轨迹进行预测，以利用预测的其他车辆的轨迹来规划自身的运动轨迹。
[0003]相关技术中提出了一种轨迹预测方法，该方法采用多个复杂的网络对自动驾驶场景中的多源异构数据分别进行处理，网络架构复杂，计算量大，导致轨迹预测的效率较低。而且，由于不同的网络的特征空间不同，这也加剧了异构信息之间的差距。

技术实现思路

[0004]本申请提出一种数据处理方法、装置、设备及存储介质，能够缓解相关技术中网络架构复杂导致的计算量大的问题，同时减小异构信息之间的差距。
[0005]第一方面，提供一种数据处理方法，包括：
[0006]获取待预测物体的历史运动数据，预测视野范围内的道路图，以及每个邻近运动物体相对于所述待预测物体的相对运动数据，所述预测视野范围为以所述待预测物体为中心的可视范围，所述邻近运动物体为所述预测视野范围内除所述待预测物体外的运动物体；
[0007]将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成统一特征空间下的数据；
[0008]基于转换后的所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，生成场景表示集合，所述场景表示集合用于表征所述待预测物体在当前时刻的运动场景中的场景上下文信息。r/>[0009]在一些实施例中，将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成统一特征空间下的数据，包括：
[0010]将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成以当前时刻的所述待预测物体为中心的坐标系下的数据；
[0011]采用预设编码算法分别对转换到所述坐标系下的所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图进行编码，得到所述待预测物体的历史运动编码数据、所述每个邻近运动物体的相对运动编码数据和道路图编码数据；
[0012]确定所述历史运动编码数据、所述相对运动编码数据和所述道路图编码数据为所述统一特征空间下的数据。
[0013]在一些实施例中，基于转换后的所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，生成场景表示集合，包括：
[0014]基于所述历史运动编码数据中当前时刻的数据、所述相对运动编码数据中当前时
刻的数据和所述道路图编码数据中当前时刻的数据，生成所述场景表示集合。
[0015]在一些实施例中，将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成以当前时刻的所述待预测物体为中心的坐标系下的数据，包括：
[0016]基于所述历史运动数据中当前时刻所述待预测物体的位置和航向，构建以当前时刻的所述待预测物体为中心的坐标系；
[0017]将所述相对运动数据、所述道路图和所述历史运动数据均转换到所述坐标系下。
[0018]在一些实施例中，基于转换后的所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，生成场景表示集合之后，还包括：
[0019]基于所述场景表示集合，通过自注意力模块，生成多个锚点向量，所述锚点向量用于表征所述待预测物体在当前预测周期内运动的终点。
[0020]在一些实施例中，获取待预测物体的历史运动数据之后，还包括：
[0021]基于所述历史运动数据和预设轨迹查询向量集，通过交叉注意力模块，生成假设轨迹集合，所述假设轨迹集合包括基于所述历史运动数据预测的所述待预测物体在当前预测周期内所有可能的运动轨迹。
[0022]在一些实施例中，基于所述历史运动数据，通过交叉注意力模块，生成假设轨迹集合之前，还包括：
[0023]对所述预设轨迹查询向量集进行正交初始化。
[0024]第二方面，提供一种数据处理装置，包括：
[0025]获取模块，用于获取待预测物体的历史运动数据，预测视野范围内的道路图，以及每个邻近运动物体相对于所述待预测物体的相对运动数据，所述预测视野范围为以所述待预测物体为中心的可视范围，所述邻近运动物体为所述预测视野范围内除所述待预测物体外的运动物体；
[0026]转换模块，用于将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成统一特征空间下的数据；
[0027]生成模块，用于基于转换后的所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，生成场景表示集合，所述场景表示集合用于表征所述待预测物体在当前时刻的运动场景中的场景上下文信息。
[0028]第三方面，提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序以实现第一方面所述的方法。
[0029]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现第一方面所述的方法。本申请实施例中提供的技术方案，至少具有如下技术效果或优点：
[0030]在本申请实施例中，场景表示集合为基于统一特征空间下的待预测物体的历史运动数据、预测视野范围内的道路图和每个邻近运动物体相对于待预测物体的相对运动数据得到，统一的特征空间使得对历史运动数据、相对运动数据和道路图转换的网络具有简洁的网络架构，从而简化了计算量。而且，统一特征空间下的场景表示集合有助于后续轨迹预测采用简洁的网络实现，从而提高轨迹预测的效率。
[0031]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变
的明显，或通过本申请的实践了解到。
附图说明
[0032]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。
[0033]在附图中：
[0034]图1示出了本申请一实施例所提供的一种数据处理方法的一种流程图；
[0035]图2示出了本申请一实施例所提供的预测视野范围的示意图；
[0036]图3示出了本申请一实施例所提供的一种数据处理方法的又一种流程图；
[0037]图4示出了本申请一实施例所提供的锚点向量的示意图；
[0038]图5示出了本申请一实施例所提供的假设轨迹集合中的运动轨迹的示意图；
[0039]图6示出了本申请一实施例所提供的预测轨迹集合中的运动轨迹的示意图；
[0040]图7示出了本申请一实施例所提供的数据处理装置的结构示意图；
[0041]图8示出了本申请一实施例所提供的一种数据处理装置的结构示意图；
[0042]图9示出了本申请一实施例所提供的一种电子设备的结构示意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取待预测物体的历史运动数据，预测视野范围内的道路图，以及每个邻近运动物体相对于所述待预测物体的相对运动数据，所述预测视野范围为以所述待预测物体为中心的可视范围，所述邻近运动物体为所述预测视野范围内除所述待预测物体外的运动物体；将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成统一特征空间下的数据；基于转换后的所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，生成场景表示集合，所述场景表示集合用于表征所述待预测物体在当前时刻的运动场景中的场景上下文信息。2.根据权利要求1所述的方法，其特征在于，将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成统一特征空间下的数据，包括：将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成以当前时刻的所述待预测物体为中心的坐标系下的数据；采用预设编码算法分别对转换到所述坐标系下的所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图进行编码，得到所述待预测物体的历史运动编码数据、所述每个邻近运动物体的相对运动编码数据和道路图编码数据；确定所述历史运动编码数据、所述相对运动编码数据和所述道路图编码数据为所述统一特征空间下的数据。3.根据权利要求2所述的方法，其特征在于，基于转换后的所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，生成场景表示集合，包括：基于所述历史运动编码数据中当前时刻的数据、所述相对运动编码数据中当前时刻的数据和所述道路图编码数据中当前时刻的数据，生成所述场景表示集合。4.根据权利要求2所述的方法，其特征在于，将所述历史运动数据、所述每个邻近运动物体的相对运动数据和所述道路图，均转换成以当前时刻的所述待预测物体为中心的坐标系下的数据，包括：基于所述历史运动数据中当前时刻所述待预测物体的位置和航向，构建以当前时刻的所述待预测物体为中心的坐标系；将所述相对运动数据、...

【专利技术属性】
技术研发人员：王喜顺，宿桐，大方，杨晓东，
申请(专利权)人：苏州轻舟智航智能技术有限公司，
类型：发明
国别省市：