【技术实现步骤摘要】
本专利技术涉及模型训练，尤其涉及一种轨迹预测模型的训练方法、装置、设备及介质。
技术介绍
1、运动预测是自动驾驶系统中十分重要的一环，旨在利用过去观察到的运动轨迹，通过建立模型让机器理解周围复杂交通环境中的交互，以准确预测自动驾驶车辆周围障碍物在未来一段时间内的运动轨迹，从而辅助自动驾驶汽车规划出准确安全合理的路线。
2、相关技术中，采用基于深度学习的方法进行轨迹预测。该方法采用了静态训练方式，将每个场景的数据被划分为历史轨迹数据和未来轨迹数据，且每次生成未来运动轨迹使用的历史轨迹都是一段固定长度的历史轨迹。然而，这种静态预测方法可能导致连续预测的不稳定性和不一致性，不能提供连续稳定的预测结果，从而影响自动驾驶系统的安全性和可靠性。
技术实现思路
1、本专利技术提供了一种轨迹预测模型的训练方法、装置、设备及介质，基于根据当前预测轨迹和历史预测轨迹确定的相似度损失对轨迹预测模型进行训练，能够有效地提高轨迹预测在时序上的连贯性和稳定性，有助于提高自动驾驶系统的安全性和可靠性。>
2、根据本专本文档来自技高网...
【技术保护点】
1.一种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，所述轨迹预测模型包括特征提取单元、特征融合单元和轨迹预测单元，所述特征提取单元包括地图特征提取单元和轨迹特征提取单元；
3.根据权利要求2所述的方法，其特征在于，所述地图特征提取单元采用车道图卷积网络；
4.根据权利要求2所述的方法，其特征在于，所述特征融合单元包括第一融合单元、第二融合单元、第三融合单元和第四融合单元；其中，所述第一融合单元用于将轨迹特征融合到地图特征中，所述第二融合单元用于对不同地图特征进行融合，所述第三融合单元...
【技术特征摘要】
1.一种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，所述轨迹预测模型包括特征提取单元、特征融合单元和轨迹预测单元，所述特征提取单元包括地图特征提取单元和轨迹特征提取单元；
3.根据权利要求2所述的方法，其特征在于，所述地图特征提取单元采用车道图卷积网络；
4.根据权利要求2所述的方法，其特征在于，所述特征融合单元包括第一融合单元、第二融合单元、第三融合单元和第四融合单元；其中，所述第一融合单元用于将轨迹特征融合到地图特征中，所述第二融合单元用于对不同地图特征进行融合，所述第三融合单元用于将地图特征融合到轨迹特征中，所述第四融合单元用于对不同轨迹特征进行融合。
5.根据权利要求2所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：王宁，李荣华，李曙光，陈红丽，卢丽婧，周航，修杰，
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：
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。