【技术实现步骤摘要】
本申请涉及车辆轨迹预测领域，具体是涉及一种轨迹预测模型优化方法、轨迹预测方法、装置及介质。
技术介绍
1、在现有技术中，自动驾驶的主要目的就是要对自车规划出安全舒适的未来行驶轨迹，为此就需要对自车周围的交通参与者的未来轨迹做出准确的预测。因此，轨迹预测算法的研究对于自动驾驶的安全性和舒适性都有着至关重要的作用。目前在学术界常用深度学习对车辆轨迹进行预测，随着数据量和计算机算力的不断增长，这种方法也逐渐应用到汽车工程领域。深度学习方法以数据为驱动，同时考虑车辆周边地图感知信息和周边车辆历史轨迹的特征信息，使得模型能够较好的适应复杂路况。但是，图神经网络模型将基于目标车、其他交通参与者的时间序列以及道路地图中包含的每个节点中的空间序列的编码结果，直接全部输入解码器并一次性输出完整的未来多条长轨迹及其对应的置信概率。这一结构导致对目标未来每一帧的预测都是仅仅基于目标车和其他交通参与者的当前和历史状态来做的，故而模型只能准确的预测未来较短时间内的轨迹，离当前时刻稍远的未来帧可能会有很大的误差。
2、因此，现有技术还有待改进和提高。<
【技术保护点】
1.一种基于未来轨迹迭代的轨迹预测模型优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述对所述原始数据集进行处理，得到目标训练集，包括：
3.如权利要求2所述的方法，其特征在于，所述车辆状态包括所述帧信息时刻的车辆大小、车辆位置、车辆速度和车辆航向角。
4.如权利要求2所述的方法，其特征在于，所述基于所述目标序列信息组获取所述目标训练集，包括：
5.如权利要求4所述的方法，其特征在于，所述基于所述目标训练集对所述车辆预测模型进行训练，得到目标预测模型，包括：
6.如权利要求5所...
【技术特征摘要】
1.一种基于未来轨迹迭代的轨迹预测模型优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述对所述原始数据集进行处理，得到目标训练集，包括：
3.如权利要求2所述的方法，其特征在于，所述车辆状态包括所述帧信息时刻的车辆大小、车辆位置、车辆速度和车辆航向角。
4.如权利要求2所述的方法，其特征在于，所述基于所述目标序列信息组获取所述目标训练集，包括：
5.如权利要求4所述的方法，其特征在于，所述基于所述目标训练集对所述车辆预测模型进行训练，得到目标预测模型，包括：
6.如权利要求5所述的方法，其特征在于，所述基于所述目标编码器对所述目标训练组和所述目标道路图进行编...
【专利技术属性】
技术研发人员：陈卓，张忠旭，
申请(专利权)人：重庆长安科技有限责任公司，
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。