【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预测模型的训练方法，所述方法包括：
3、获取样本数据集；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；
4、构建初始行驶轨迹预测模型；初始行驶轨迹预测模型包括依次连接的第一轨迹预测网络和第二轨迹预测网络；
5、基于第一轨迹预测网络对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，得到目标对象的准目标预测轨
6、基于第二轨迹预测网络对目标对象的准目标预测轨迹特征依次进行终点轨迹预测和中间点轨迹预测，得到目标对象的目标预测轨迹信息；目标预测轨迹信息包括终点预测轨迹信息和中间点预测轨迹信息；
7、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；
8、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，并将训练结束时的初始行驶轨迹预测模型作为目标行驶轨迹预测模型。
9、在一个示例性的实施例中，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；目标对象包括多个子目标对象；多个子目标对象为存在邻接关系的对象；基于第一轨迹预测网络对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，得到目标对象的准目标预测轨迹特征，包括：
10、基于轨迹特征提取网络对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，得到目标对象的轨迹特征和目标对象的邻接矩阵；邻接矩阵表征目标对象中的多个子目标对象之间的邻接关系；轨迹特征包括目标对象中每个子目标对象的轨迹特征和目标对象中多组子目标对象的距离特征；每组子目标对象的距离特征为两个子目标对象的位置差特征；
11、基于目标对象的邻接矩阵，利用图卷积网络对目标对象的轨迹特征进行图卷积处理，得到目标对象的初始预测轨迹特征；
12、基于融合网络，对目标对象的初始预测轨迹特征依次进行特征提取和拼接操作，得到目标对象的准目标预测轨迹特征。
13、在一个示例性的实施例中，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；基于轨迹特征提取网络对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，得到目标对象的轨迹特征和目标对象的邻接矩阵，包括：
14、基于第一特征提取网络对多个对象的历史轨迹信息进行特征提取，得到多个对象的初始轨迹特征；每个对象的初始轨迹特征包括位置特征和航向角特征；
15、基于第二特征提取网络对多个对象的初始轨迹特征进行筛选，得到目标对象的初始轨迹特征，以及对目标对象的初始轨迹特征依次进行特征提取和特征拼接操作，得到目标对象的轨迹特征；目标对象中存在直接邻近关系的任意两个子目标对象之间的欧式距离小于或者等于第一预设距离；
16、基于目标对象中各子目标对象的直接邻接子目标对象确定目标对象的邻接矩阵。
17、在一个示例性的实施例中，基于第二特征提取网络对多个对象的初始轨迹特征进行筛选，得到目标对象的初始轨迹特征，包括：
18、针对每个对象，基于多个对象的位置特征，确定对象与多个对象中其他对象的欧式距离；
19、将与对象的欧式距离小于或者等于第一预设距离的对象确定为对象的直接邻接对象；
20、基于多个对象中各对象的直接邻接对象，从多个对象中确定出目标对象；目标对象中的任意两个子目标对象存在直接邻接关系或者间接邻接关系；
21、基于目标对象，从多个对象的初始轨迹特征中筛选出目标对象的初始轨迹特征。
22、在一个示例性的实施例中，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、第二终点轨迹预测网络、中间点轨迹预测网络和结果预测网络；基于第二轨迹预测网络对目标对象的准目标预测轨迹特征依次进行终点轨迹预测和中间点轨迹预测，得到目标对象的目标预测轨迹信息，包括：
23、基于第一终点轨迹预测网络对目标对象的准目标预测轨迹特征进行特征提取，得到目标对象的预测终点的位置特征；
24、基于目标对象的预测终点的位置特征确定目标对象的预测终点的坐标，以及基于目标对象的预测终点的坐标，从预设地图信息中确定出目标对象的目标点的坐标；目标点与预测终点的距离小于或者等于第二预设距离；
25、基于第二终点轨迹预测网络，对目标对象的预测终点的坐标和目标点的坐标依次进行拼接和特征提取处理，得到目标对象的更新预测终点的位置特征；
26、基于中间点轨迹预测网络对目标对象的更新预测终点的位置特征和目标对象的准目标预测轨迹特征依次进行融合和卷积处理，得到目标对象的预测中间点的位置特征；
27、将融合后的目标对象的预测中间点的位置特征和目标对象的更新预测终点的位置特征，输入结果预测网络，得到目标对象的目标预测轨迹信息。
28、在一个示例性的实施例中，目标对象的目标预测轨迹信息包括多个子目标预测轨迹的坐标和每个子目标预测轨迹的轨迹评分；子目标预测轨迹的轨迹评分表征子目标预测轨迹与当前轨迹的接近程度值；目标对象的当前轨迹信息包括目标对象的当前轨迹的坐标和目标对象的当前轨迹的评分；当前轨迹的评分为1；基于目标对象的当前轨迹信息和当前预测轨迹信息确定目标损失函数，包括：
29、基于目标对象的子目标对象的数量、预测目标轨迹的坐标和当前轨迹的坐标确定回归损失函数；
30、基于目标对象的子目标对象的数量、预测目标轨迹的评分和当前轨迹的评分确定分类损失函数；
31、基于回归损失函数和分类损失函数确定目标损失函数。
32、在一个示例性的实施例中，第一特征提取网络由依次连接的第一残差网络、1×1卷积层和第二残差网络构成。
33、于另一方面，提供了一种行驶轨迹预测方法，所述方法包括：
34、获取目标对象的目标轨迹信息；目标轨迹信息包括历史轨迹信息和当前轨迹信息本文档来自技高网...
【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、第二终点轨迹预测网络、中间点轨迹预测网络和结果预测网
6.根据权利要求2所述的方法，其特征在于，所述目标对象的目标预测轨迹信息包括多个子目标预测轨迹的坐标和每个所述子目标预测轨迹的轨迹评分；所述子目标预测轨迹的轨迹评分表征所述子目标预测轨迹与所述当前轨迹的接近程度值；所述目标对象的当前轨迹信息包括所述目标对象的当前轨迹的坐标和所述目标对象的当前轨迹的评分；所述当前轨迹的评分为1；所述基于所述目标对象的当前轨迹信息和当前预测轨迹信息确定目标损失函数，包括：
7.根据权利要求3所述的方法，其特征在于，所述第一特征提取网络由依次连接的第一残差网络、1×1卷积层和第二残差网络构成。
8.一种行驶轨迹预测方法，其特征在于，所述方法包括：
9.一种行驶轨迹预测模型的训练装置，其特征在于，所述装置包括：
10.一种行驶轨迹预测装置，其特征在于，所述装置包括：
...【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：
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。