一种行驶轨迹预测模型的训练方法及行驶轨迹预测方法技术

本发明专利技术涉及自动驾驶技术领域，涉及一种行驶轨迹预测模型的训练方法及行驶轨迹预测方法。该方法通过将样本数据集输入初始行驶轨迹预测模型，由于样本数据集包括目标对象的当前轨迹信息和包含目标对象的多个对象的历史轨迹信息，从而可以基于该初始行驶轨迹预测模型先对多个对象的历史轨迹信息进行轨迹特征提取、图卷积处理、终点和中间点轨迹预测，得到目标对象的目标预测轨迹信息，基于目标对象的当前轨迹信息和目标预测轨迹信息确定目标损失函数；基于目标损失函数对初始行驶轨迹预测模型进行训练，直至满足预设条件结束训练，最终得到训练好的行驶轨迹预测模型。整个训练过程不仅系统资源开销低，且训练好的模型对轨迹的预测准确度也高。

【技术实现步骤摘要】

本专利技术涉及自动驾驶，尤其涉及一种行驶轨迹预测模型的训练方法及行驶轨迹预测方法。

技术介绍

1、随着智能驾驶技术的发展，如何准确的预测车辆的行驶轨迹成为了研究热点。

2、相关技术中，主要是采用以下两种方式来进行车辆轨迹预测，一种是利用光栅化地图数据和卷积神经网络(convolutional neural network，cnn)来进行车辆轨迹的预测，然而光栅化地图数据的捕捉范围有限，导致预测准确度低；另一种是采用循环神经网络(recurrent neural network，rnn)来进行轨迹预测，虽然可以通过融合时间序列上的多个时间维度的特征，从而实现对输入数据较好的特征提取，但由于轨迹预测的输入数据实质上是一种非欧数据，而循环神经网络由于缺乏高级的时空观，不能很好地处理非欧式空间的数据，使得对目标轨迹的预测准确性仍较低。

技术实现思路

1、为了解决现有技术的问题，本申请实施例提供了一种行驶轨迹预测模型的训练方法及行驶轨迹预测方法。所述技术方案如下：

2、一方面，提供了一种行驶轨迹本文档来自技高网...

【技术保护点】

1.一种行驶轨迹预测模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一轨迹预测网络包括依次连接的轨迹特征提取网络、图卷积网络和融合网络；所述目标对象包括多个子目标对象；所述多个子目标对象为存在邻接关系的对象；所述基于所述第一轨迹预测网络对所述多个对象的历史轨迹信息依次进行轨迹特征提取和图卷积处理，得到所述目标对象的准目标预测轨迹特征，包括：

3.根据权利要求2所述的方法，其特征在于，所述轨迹特征提取网络包括依次连接的第一特征提取网络和第二特征提取网络；所述基于所述轨迹特征提取网络对所述多个对象的历史轨迹信息依次进行轨迹特...

【技术特征摘要】

1.一种行驶轨迹预测模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一轨迹预测网络包括依次连接的轨迹特征提取网络、图卷积网络和融合网络；所述目标对象包括多个子目标对象；所述多个子目标对象为存在邻接关系的对象；所述基于所述第一轨迹预测网络对所述多个对象的历史轨迹信息依次进行轨迹特征提取和图卷积处理，得到所述目标对象的准目标预测轨迹特征，包括：

3.根据权利要求2所述的方法，其特征在于，所述轨迹特征提取网络包括依次连接的第一特征提取网络和第二特征提取网络；所述基于所述轨迹特征提取网络对所述多个对象的历史轨迹信息依次进行轨迹特征提取和筛选处理，得到所述目标对象的轨迹特征和所述目标对象的邻接矩阵，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述第二特征提取网络对多个所述对象的初始轨迹特征进行筛选，得到所述目标对象的初始轨迹特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述第二轨迹预测网络包括依次连接的第一终点轨迹预测网络、第二终点轨...

【专利技术属性】
技术研发人员：万烨星，陈玉成，宋永康，邓捷，黄萌，
申请(专利权)人：宁波路特斯机器人有限公司，
类型：发明
国别省市：