轨迹预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种轨迹预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取驾驶环境中各交通参与者的历史轨迹数据，并对所述历史轨迹数据进行特征提取，得到轨迹特征；获取感知数据，从所述感知数据中获取包含各交通参与者特征的目标数据；将所述目标数据输入多任务学习模型中，得到环境图像；获取矢量化的地图数据，基于所述矢量化的地图数据得到环境地图特征；将所述轨迹特征、所述环境图像对应的环境图像特征以及所述环境地图特征进行融合，得到融合特征；基于所述融合特征，针对各交通参与者进行轨迹预测。采用本方法能够减少轨迹预测时模型的数据处理量，又可以提升轨迹预测结果准确度。

【技术实现步骤摘要】

本申请涉及计算机，特别是涉及一种轨迹预测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

1、自动驾驶中，轨迹预测至关重要，通过对各交通参与者的轨迹进行预测，可以提前预测交通参与者行动，为自动驾驶提供依据。

2、有些的方法直接使用摄像头或激光雷达传感器的原始数据，将原始数据输入到轨迹预测的模型中进行轨迹规划；或者采取的是输入交通参与者的结果级数据输入到轨迹预测的模型中，然后基于结果级数据进行轨迹预测。目前的两种方式，传感器原始数据信息丰富，但数据量大，存在很多干扰信息，处理复杂，难以提取有效信息。而结果级数据缺失了原始数据中能得到的丰富的语义信息，影响了轨迹预测结果准确度。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够减少轨迹预测时模型的数据处理量，又可以提升轨迹预测结果准确度的轨迹预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本申请提供了一种轨迹预测方法，包括：

3、获取驾驶环境中各交通参与者的历史轨迹数据，本文档来自技高网...

【技术保护点】

1.一种轨迹预测方法，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，所述基于所述矢量化的地图数据得到环境地图特征，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述点云数据以及所述矢量化的地图数据，确定动态障碍物轮廓特征，包括：

4.根据权利要求2所述的方法，其特征在于，所述获取点云特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述从所述感知数据中获取包含各交通参与者特征的目标数据，包括：

6.根据权利要求1所述的方法，其特征在于，所述多任务学习模型的训练过程，包括：

7...

【技术特征摘要】

1.一种轨迹预测方法，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，所述基于所述矢量化的地图数据得到环境地图特征，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述点云数据以及所述矢量化的地图数据，确定动态障碍物轮廓特征，包括：

4.根据权利要求2所述的方法，其特征在于，所述获取点云特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述从所述感知数据中获取包含各交通参与者特征的目标数据，包括：

6.根据权利要求1所述的方法，其特征在于，所述多任务学习模型的训练过程，包括：

7.根据权利要求1所述的方法，其特...

【专利技术属性】
技术研发人员：吕颖，董小瑜，刘秋铮，刘宇杰，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：