本公开实施例提供一种交通参与者的轨迹预测方法、装置、设备和介质。交通参与者的轨迹预测方法包括：获取感知数据；采用循环神经网络处理感知数据中的第一目标数据，得到第一移动轨迹；采用运动模型处理感知数据中的第二目标数据，得到第二移动轨迹；对第一移动轨迹和第二移动轨迹进行融合，得到目标交通参与者的预测轨迹。采用本公开实施例提供的方案，能够兼具循环神经网络预测方法对各种场景具有良好适应性的优点，以及基于运动模型预测方法因计算效率高而适用于实时性要求较高场景的优点，使得确定的预测轨迹兼具了场景适应性和实时性，减小轨迹预测在准确性和实时性之间的冲突。突。突。
【技术实现步骤摘要】
交通参与者的运动轨迹预测方法、装置、设备和介质
[0001]本公开涉及自动驾驶
，具体涉及一种交通参与者的移动轨迹预测方法、装置、设备和介质。
技术介绍
[0002]自动驾驶技术中，为了制定合理的车辆控制决策，需要预测临近目标交通参与者在未来时段的移动轨迹，并且移动轨迹的预测结果需要满足实时性、可靠性的要求。
[0003]相关技术以提出基于感知交互的轨迹预测方法。基于感知交互的轨迹预测方法将临近交通参与者看作是相互依赖、彼此之间深度交互的运动实体，通过交互感知模型融合主车和临近目标交通参与者的运动特征预测目标交通参与者的移动轨迹。但是，对临近交通参与者的交互关系建模比较困难，基于交互关系构建的交互感知模型结构复杂，在实际执行时处理耗时较长。
技术实现思路
[0004]为了解决上述技术问题，本公开实施例提供一种交通参与者的轨迹预测方法、装置、设备和介质。
[0005]第一方面，本公开实施例提供一种交通参与者的轨迹预测方法，包括：
[0006]获取感知数据；
[0007]采用循环神经网络处理所述感知数据中的第一目标数据，得到目标交通参与者的第一移动轨迹；
[0008]采用运动模型处理所述感知数据中的第二目标数据，得到所述目标交通参与者的第二移动轨迹；
[0009]对所述第一移动轨迹和第二移动轨迹进行融合，得到所述目标交通参与者的预测轨迹。
[0010]可选的，采用循环神经网络处理所述感知数据中的第一目标数据，包括：
[0011]采用基于长短期记忆的循环神经网络处理所述第一目标数据。
[0012]可选的，在采用循环神经网络处理所述感知数据中的第一目标数据之前，所述方法还包括：
[0013]确定所述目标交通参与者的第一类型，所述第一类型为弱势交通参与者或者非弱势交通参与者；
[0014]根据所述第一类型，确定所述循环神经网络中的目标网络，其中在所述第一类型为非弱势交通参与者的情况下，所述目标网络为用于非弱势交通参与者移动轨迹预测的第一循环神经网络，在所述第一类型为弱势交通参与者的情况下，所述目标网络为用于弱势交通参与者移动轨迹预测的第二循环神经网络；
[0015]所述采用循环神经网络处理所述感知数据中的第一目标数据，得到目标交通参与者的第一移动轨迹，包括：采用所述目标网络处理所述第一目标数据，得到所述第一移动轨
迹。
[0016]可选的，在所述第一类型为非弱势交通参与者的情况下，所述第一目标数据包括所述目标交通参与者的横向速度、纵向速度和相对于主车的第一相对位置，车道线目标点相对于所述主车的第一横向距离和相对于所述目标交通参与者的第二横向距离，以及所述主车的移动速度和横摆角速度，所述车道线目标点根据所述目标交通参与者的位置确定；
[0017]所述采用所述目标网络处理所述第一目标数据，得到所述第一移动轨迹包括：采用所述第一循环神经网络处理所述横向速度、所述纵向速度、所述第一相对位置、所述第一横向距离、所述第二横向距离、所述移动速度和所述横摆角速度，得到所述第一移动轨迹。
[0018]可选的，在所述第一类型为弱势交通参与者的情况下，所述第一目标数据包括所述目标交通参与者的横向速度、纵向速度和相对于主车的第一相对位置，以及所述主车的横摆角速度；
[0019]所述采用所述目标网络处理所述第一目标数据，得到所述第一移动轨迹包括：采用所述第二循环神经网络处理所述横向速度、所述纵向速度、所述第一相对位置和所述横摆角速度，得到所述第一移动轨迹。
[0020]可选的，在采用运动模型处理所述感知数据中的第二目标数据之前，所述方法还包括：
[0021]确定所述目标交通参与者的第二类型，所述第二类型为行人、弱势交通车辆或者非弱势车辆；
[0022]根据所述第二类型，在多个可选运动模型中选择对应的目标运动模型，所述可选运动模型包括行人运动模型、弱势交通车辆运动模型或者非弱势车辆运动模型；
[0023]所述采用运动模型处理所述感知数据中的第二目标数据，得到所述目标交通参与者的第二移动轨迹，包括：采用所述目标运动模型处理所述第二目标数据，得到所述第二移动轨迹。
[0024]可选的，在所述第二类型为行人的情况下，所述第二目标数据包括所述行人的当前位置和当前速度；
[0025]所述采用所述目标运动模型处理所述第二目标数据，得到所述第二移动轨迹，包括：采用所述行人运动模型处理所述当前位置和所述当前速度，得到所述第二移动轨迹。
[0026]可选的，在所述第二类型为弱势交通车辆的情况下，所述第二目标数据包括所述弱势交通车辆的当前位置、当前速度、当前横摆角和预测横摆角速度；
[0027]所述采用所述目标运动模型处理所述第二目标数据，得到所述第二移动轨迹，包括：
[0028]采用所述弱势交通车辆运动模型处理所述当前速度、所述当前位置、所述当前横摆角和所述预测横摆角速度，得到所述第二移动轨迹。
[0029]可选的，在所述第二目标数据包括所述预测横摆角速度的情况下，所述获取M个临近周期采集到的感知数据，包括：
[0030]确定所述弱势交通车辆的在前横摆角和当前横摆角，并根据所述在前横摆角和所述当前横摆角计算第一横摆角速度；和/或，
[0031]获取所述弱势交通车辆的历史轨迹，根据历史轨迹确定第二横摆角速度；和/或，
[0032]确定所述弱势交通车辆的移动意图；
[0033]根据所述移动意图从推荐移动轨迹中选择目标推荐轨迹；
[0034]基于所述目标推荐轨迹确定第三横摆角速度；
[0035]对所述第一横摆角速度、所述第二横摆角速度和所述第三横摆角速度中的至少两个进行加权求和，确定所述预测横摆角速度。
[0036]可选的，在所述第二类型为非弱势车辆的情况下，所述采用所述目标运动模型处理所述第二目标数据，得到所述第二移动轨迹，包括：采用所述非弱势车辆运动模型处理所述第二目标数据，得到所述第二移动轨迹。
[0037]可选的，所述非弱势车辆运动模型包括路口运动模型和路段运动模型；
[0038]在所述采用所述非弱势车辆运动模型处理所述第二目标数据之前，所述方法还包括：
[0039]确定所述非弱势车辆当前所在位置的道路类型，所述道路类型为路口或者路段；
[0040]根据所述道路类型在所述非弱势车辆运动模型中选择目标运动模型，其中在所述道路类型为路口的情况下所述目标运动模型为所述路口运动模型，在所述道路类型为路段的情况下所述目标运动模型为所述路段运动模型。
[0041]可选的，在所述道路类型为所述路口的情况下，所述第二目标数据包括所述非弱势车辆的当前位置、当前速度、当前横摆角和预测横摆角速度；
[0042]所述采用所述目标运动模型处理所述第二目标数据，包括：
[0043]采用所述路口运动模型处理所述当前位置、当前速度、当前横摆角和所述预测横摆角速度。
[0044]可选本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交通参与者的轨迹预测方法，其特征在于，包括：获取感知数据；采用循环神经网络处理所述感知数据中的第一目标数据，得到目标交通参与者的第一移动轨迹；采用运动模型处理所述感知数据中的第二目标数据，得到所述目标交通参与者的第二移动轨迹；对所述第一移动轨迹和第二移动轨迹进行融合，得到所述目标交通参与者的预测轨迹。2.根据权利要求1所述的方法，其特征在于，采用循环神经网络处理所述感知数据中的第一目标数据，包括：采用基于长短期记忆的循环神经网络处理所述第一目标数据。3.根据权利要求1或2所述的方法，其特征在于，在采用循环神经网络处理所述感知数据中的第一目标数据之前，所述方法还包括：确定所述目标交通参与者的第一类型，所述第一类型为弱势交通参与者或者非弱势交通参与者；根据所述第一类型，确定所述循环神经网络中的目标网络，其中在所述第一类型为非弱势交通参与者的情况下，所述目标网络为用于非弱势交通参与者移动轨迹预测的第一循环神经网络，在所述第一类型为弱势交通参与者的情况下，所述目标网络为用于弱势交通参与者移动轨迹预测的第二循环神经网络；所述采用循环神经网络处理所述感知数据中的第一目标数据，得到目标交通参与者的第一移动轨迹，包括：采用所述目标网络处理所述第一目标数据，得到所述第一移动轨迹。4.根据权利要求3所述的方法，其特征在于，在所述第一类型为非弱势交通参与者的情况下，所述第一目标数据包括所述目标交通参与者的横向速度、纵向速度和相对于主车的第一相对位置，车道线目标点相对于所述主车的第一横向距离和相对于所述目标交通参与者的第二横向距离，以及所述主车的移动速度和横摆角速度，所述车道线目标点根据所述目标交通参与者的位置确定；所述采用所述目标网络处理所述第一目标数据，得到所述第一移动轨迹包括：采用所述第一循环神经网络处理所述横向速度、所述纵向速度、所述第一相对位置、所述第一横向距离、所述第二横向距离、所述移动速度和所述横摆角速度，得到所述第一移动轨迹。5.根据权利要求3所述的方法，其特征在于，在所述第一类型为弱势交通参与者的情况下，所述第一目标数据包括所述目标交通参与者的横向速度、纵向速度和相对于主车的第一...
【专利技术属性】
技术研发人员：张世娟，孙卓，
申请(专利权)人：驭势上海汽车科技有限公司，
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。