【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其涉及一种障碍物轨迹预测方法、装置、程序产品、介质、计算机装置和移动工具。
技术介绍
1、随着高精度地图技术和深度学习技术的发展，在自动驾驶领域中基于地图信息的轨迹预测方法得到了广泛的应用，相比基于规则的传统轨迹预测方法，其预测性能得到了大的提升。
2、在复杂行驶场景下，比如城市繁华地段道路环境，行人密集的住宅区等，现有的障碍物轨迹预测方法通常在深度学习技术的支持下，基于高精度地图信息和环境感知信息对周围目标障碍物进行轨迹预测。这类方法用栅格化地图或向量化地图统一表征高精度地图语义信息，再基于神经网络进行编码，其次与目标障碍物的状态向量合并，最后基于神经网络进行解码，输出目标障碍物的未来轨迹信息。
3、现有的障碍物轨迹预测方法将高精度地图中的各种地图元素信息统一表示为特征图，作为编码器的输入，模型编码器的特征学习能力弱；输入中没有考虑自车运动状态的变化，输出的障碍物预测轨迹无法兼顾轨迹的多模态性和不确定性。
技术实现思路
1、本专利技术的目...
【技术保护点】
1.一种障碍物轨迹预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的轨迹预测方法，其特征在于，所述通过特征解码器将所述障碍物轨迹编码特征进行解码，生成障碍物预测轨迹信息，具体为：
3.根据权利要求2所述的轨迹预测方法，其特征在于，所述多分支的联合学习模型包括多意图模态分支学习模型和不确定性估计分支学习模型；
4.根据权利要求1所述的轨迹预测方法，其特征在于，所述根据环境感知信息的不同属性，对所述环境感知信息编码层进行编码分类，具体为：
5.根据权利要求4所述的轨迹预测方法，其特征在于，所述通过交互编码器将每类...
【技术特征摘要】
1.一种障碍物轨迹预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的轨迹预测方法，其特征在于，所述通过特征解码器将所述障碍物轨迹编码特征进行解码，生成障碍物预测轨迹信息，具体为：
3.根据权利要求2所述的轨迹预测方法，其特征在于，所述多分支的联合学习模型包括多意图模态分支学习模型和不确定性估计分支学习模型；
4.根据权利要求1所述的轨迹预测方法，其特征在于，所述根据环境感知信息的不同属性，对所述环境感知信息编码层进行编码分类，具体为：
5.根据权利要求4所述的轨迹预测方法，其特征在于，所述通过交互编码器将每类环境感知信息进行类内交互编码，生成类内特征，具体为：
6.根据权利要求5所述的轨迹预测方法，其特征在于，所述通过类间特征编码器将所述类内特征进行类间编码，生成第一待聚合特征，具体为：
7.根据权利要求1所述的轨迹预测方法，其特征在于，所述通过状态特征编码器将运动状态信息进行状态特征编码，生成第二待聚合特征，具体为：
8.根据权利要求1所述的轨迹预测方法，其特征在于，所述聚合所述第一待聚合特征...
【专利技术属性】
技术研发人员：请求不公布姓名，徐成，张放，
申请(专利权)人：北京智行者科技股份有限公司，
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。