【技术实现步骤摘要】
车辆轨迹预测方法、装置、电子设备及存储介质
[0001]本申请涉及自动驾驶
,尤其涉及一种车辆轨迹预测方法
、
多任务轨迹预测模型的训练方法
、
装置
、
电子设备及存储介质
。
技术介绍
[0002]随着自动驾驶领域中技术的发展,如今在自动驾驶中预测车辆轨迹的方案大多具有预测结果不准确
、
预测结果不合理
、
预测方案量产落地困难等缺点
。
例如现有的方案中,由于计算规则本身的限制,可能导致预测轨迹点的位置精度低,使得预测轨迹的结果不准确;由于计算模型本身的限制,可能会将部分预测的轨迹结果预测到道路外侧,导致预测的部分轨迹结果不合理;由于计算模型较为复杂,所需计算资源较多,而由于车辆本身计算资源的限制,可能会导致轨迹预测方案量产落地困难,无法为更多的自动驾驶用户提供车辆轨迹预测服务
。
[0003]因此,亟需提出一种新的车辆轨迹预测方案,以解决上述一个或多个技术问题
。
技术实现思路
[0004]本申请实施例提供一种车辆轨迹预测方法
、
多任务轨迹预测模型的训练方法
、
装置
、
电子设备及存储介质,以解决上述一个或多个技术问题
。
[0005]第一方面,本申请实施例提供了一种车辆轨迹预测方法,所述方法基于多任务轨迹预测模型实现,所述方法包括:
[0006]按照预测数据中的地图数据和车辆历史轨迹分
【技术保护点】
【技术特征摘要】
1.
一种车辆轨迹预测方法,所述方法基于多任务轨迹预测模型实现,所述方法包括:按照预测数据中的地图数据和车辆历史轨迹分别包括的多个路段,将所述地图数据和车辆历史轨迹分别转换为对应的多路段向量数据;将所述多路段向量数据分别连接成所述预测数据中的地图数据和车辆历史轨迹对应的第一图数据,并将所述第一图数据组合为第二图数据;根据所述第二图数据获取所述预测数据中目标车辆的车辆历史轨迹表征的与行车环境相关的特征信息;基于所述特征信息生成目标车辆预测轨迹
。2.
根据权利要求1所述的方法,其中,所述多任务轨迹预测模型训练执行车辆轨迹预测
、
车辆换道预测和图数据处理的多项任务
。3.
根据权利要求1所述的方法,其中,所述多任务轨迹预测模型包括图神经网络和图自注意力网络;所述将所述多路段向量数据分别连接成对应的第一图数据包括:将所述多路段向量数据输入图神经网络,获得所述多路段向量数据分别连接形成的折线子图,将所述折线子图转化为第一图数据;所述将所述地图数据和车辆历史轨迹对应的第一图数据组合为第二图数据包括:将所述地图数据和车辆历史轨迹对应的第一图数据输入图自注意力网络,将每个第一图数据作为一个交互节点,获得所述第一图数据组合后的第二图数据
。4.
根据权利要求2所述的方法,其中,在按照地图数据和车辆历史轨迹分别包括的多个路段,将所述地图数据和车辆历史轨迹分别转换为对应的多路段向量数据之前,所述方法还包括:使用训练数据训练所述多任务轨迹预测模型
。5.
根据权利要求4所述的方法,其中,在所述使用训练数据训练所述多任务轨迹预测模型之前,所述方法还包括:对所述训练数据进行降采样处理和
/
或对所述训练数据进行去噪处理
。6.
根据权利要求5所述的方法,其中,所述对所述训练数据进行去噪处理包括:去除无效异常的训练数据,所述无效异常的训练数据包括不满足轨迹采样持续时长的训练数据
、
不满足车辆运行规律的训练数据和
/
或分布于无效地图区域的训练数据中的至少一种;和
/
或,采用插值算法补齐不符合预设时间间隔的训练数据
。7.
根据权利要求5所述的方法,其中,所述对所述训练数据进行降采样处理包括:采用随机降采样算法对训练数据中的直行数据进行降采样;和
/
或,采用距离降采样算法对训练数据中的非直行数据进行降采样,所述距离降采样算法包括保留式欠采样算法和
/
或删除式欠采样算法中的至少一种
。8.
根据权利要求5所述的方法,其中...
【专利技术属性】
技术研发人员:许泽霖,
申请(专利权)人:华人运通上海自动驾驶科技有限公司,
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。