车辆轨迹的预测方法、装置制造方法及图纸

本发明专利技术公开了一种车辆轨迹的预测方法、装置。其中，该方法包括：在车辆运行时，触发用于预测车辆行驶轨迹的预测程序；调取高精地图的地图特征信息，并加载至内存，其中，地图特征信息为静态数据；响应预测指令，捕获车辆运行过程中的动态感知信息；基于车辆的定位信息，从内存中查询得到车辆当前所在区域的地图特征信息；将查询到的地图特征信息和动态感知信息输入至预测模型，预测得到车辆的预测轨迹。本发明专利技术解决了相关技术中无法实时预测车辆轨迹的技术问题。的技术问题。的技术问题。

【技术实现步骤摘要】
车辆轨迹的预测方法、装置


[0001]本专利技术涉及智能网联自动驾驶领域，具体而言，涉及一种车辆轨迹的预测方法、装置。

技术介绍

[0002]自动驾驶车辆在行驶时，需要提前对所行驶的道路及周边环境进行预测，避免发生安全事故。而目前自动驾驶车的车辆轨迹预测，主要依赖于对历史轨迹的计算,且仅适用于较短预测范围的简单驾驶情况。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种车辆轨迹的预测方法、装置，以至少解决相关技术中无法实时预测车辆轨迹的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种车辆轨迹的预测方法，包括:在车辆运行时，触发用于预测车辆行驶轨迹的预测程序；调取高精地图的地图特征信息，并加载至内存，其中，地图特征信息为静态数据；响应预测指令，捕获车辆运行过程中的动态感知信息，其中，动态感知信息至少包括：车辆的定位信息；基于车辆的定位信息，从内存中查询得到车辆当前所在区域的地图特征信息；将查询到的地图特征信息和动态感知信息输入至预测模型，预测得到车辆的预测轨迹。
[0006]可选地，在调取高精地图的地图特征信息之前，该方法还包括：获取至少一种版本的高精地图，并对任意一种或多种高精地图进行离线预处理；遍历每种高精地图中的每条车道，提取车道的车道中心点的特征信息，其中，特征信息包括如下至少之一：与车辆相邻的前后邻特征、左右邻特征；将车道的车道中心点的特征信息存储至目标磁盘。
[0007]可选地，调取高精地图的地图特征信息，并加载至内存，包括：启动预测程序后，基于高精地图的版本，从目标磁盘的磁盘存储文件中读取对应的地图特征信息；将调取到的地图特征信息以树状数据结构的形式加载至内存。
[0008]可选地，在将查询到的地图特征信息和动态感知信息输入至预测模型之前，该方法还包括：将内存中的地图特征信息进行张量计算，得到显存计算需要的张量信息。
[0009]可选地，该方法还包括：获取车辆在历史时间内的历史行车数据和当前定位信息；基于历史行车数据中包括的历史定位信息和当前定位信息，计算得到车辆的历史行车轨迹。
[0010]根据本专利技术实施例的另一方面，还提供了一种车辆轨迹的预测装置，包括：触发模块，用于在车辆运行时，触发用于预测车辆行驶轨迹的预测程序；处理模块，用于调取高精地图的地图特征信息，并加载至内存，其中，地图特征信息为静态数据；捕获模块，用于响应预测指令，捕获车辆运行过程中的动态感知信息，动态感知信息至少包括：车辆的定位信息；查询模块，用于基于车辆的定位信息，从内存中查询得到车辆当前所在区域的地图特征
信息；预测模块，用于将查询到的地图特征信息和动态感知信息输入至预测模型，预测得到车辆的预测轨迹。
[0011]可选地，获取模块，用于获取至少一种版本的高精地图；预处理模块，用于对任意一种或多种高精地图进行离线预处理；提取模块，用于遍历每种高精地图中的每条车道，提取车道的车道中心点的特征信息，特征信息包括如下至少之一：与车辆相邻的前后邻特征、左右邻特征；存储模块，用于将车道的车道中心点的特征信息存储至目标磁盘。
[0012]可选地，该装置还包括：读取模块，用于启动预测程序后，基于高精地图的版本，从目标磁盘的磁盘存储文件中读取对应的地图特征信息；加载模块，用于将调取到的地图特征信息以树状数据结构的形式加载至内存。
[0013]根据本专利技术实施例的另一方面，还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器执行上述的车辆轨迹的预测方法。
[0014]根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制所在设备的处理器中执行上述的车辆轨迹的预测方法。
[0015]在本专利技术实施例中，采用在车辆运行时，触发用于预测车辆行驶轨迹的预测程序；调取高精地图的地图特征信息，并加载至内存，其中，地图特征信息为静态数据；响应预测指令，捕获车辆运行过程中的动态感知信息；基于车辆的定位信息，从内存中查询得到车辆当前所在区域的地图特征信息；将查询到的地图特征信息和动态感知信息输入至预测模型，预测得到车辆的预测轨迹的方式，通过部署预测模型，达到了实时响应的目的，从而实现了对车辆的运动轨迹实时性预警的技术效果，进而解决了相关技术中无法实时预测车辆轨迹的技术问题。
附图说明
[0016]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0017]图1是根据本专利技术实施例的一种车辆轨迹的预测方法的流程示意图；
[0018]图2是根据本专利技术实施例的一种可选的LaneGCN网络动静态数据划分的示意图；
[0019]图3是根据本专利技术实施例的一种可选的对高精地图数据进行离线预处理的流程示意图；
[0020]图4是根据本专利技术实施例的一种可选的torch张量算法的流程示意图；
[0021]图5是根据本专利技术实施例的一种车辆预测装置的结构示意图。
具体实施方式
[0022]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0023]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0024]实施例1
[0025]根据本专利技术实施例，提供了一种车辆轨迹的预测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0026]图1是根据本专利技术实施例的一种车辆轨迹的预测方法的流程示意图，如图1所示，该方法包括如下步骤：
[0027]步骤S102，在车辆运行时，触发用于预测车辆行驶轨迹的预测程序；
[0028]上述步骤中的车辆可以是用户驾驶的车辆，也可以是自动驾驶车辆，在本专利技术实施例中以自动驾驶车辆为例进行说明。为了实现预测车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆轨迹的预测方法，其特征在于，包括：在车辆运行时，触发用于预测车辆行驶轨迹的预测程序；调取高精地图的地图特征信息，并加载至内存，其中，所述地图特征信息为静态数据；响应预测指令，捕获所述车辆运行过程中的动态感知信息，其中，所述动态感知信息至少包括：所述车辆的定位信息；基于所述车辆的定位信息，从所述内存中查询得到所述车辆当前所在区域的地图特征信息；将查询到的所述地图特征信息和所述动态感知信息输入至预测模型，预测得到所述车辆的预测轨迹。2.根据权利要求1所述的方法，其特征在于，在调取高精地图的地图特征信息之前，所述方法还包括：获取至少一种版本的高精地图，并对任意一种或多种高精地图进行离线预处理；遍历每种高精地图中的每条车道，提取所述车道的车道中心点的特征信息，其中，所述特征信息包括如下至少之一：与所述车辆相邻的前后邻特征、左右邻特征；将所述车道的车道中心点的特征信息存储至目标磁盘。3.根据权利要求2所述的方法，其特征在于，调取高精地图的地图特征信息，并加载至内存，包括：启动所述预测程序后，基于所述高精地图的版本，从所述目标磁盘的磁盘存储文件中读取对应的地图特征信息；将调取到的所述地图特征信息以树状数据结构的形式加载至所述内存。4.根据权利要求3所述的方法，其特征在于，在将查询到的所述地图特征信息和所述动态感知信息输入至预测模型之前，所述方法还包括：将所述内存中的所述地图特征信息进行张量计算，得到显存计算需要的张量信息。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述车辆在历史时间内的历史行车数据和当前定位信息；基于所述历史行车数据中包括的历史定位信息和所述当前定位信息，计算得到所述车辆的所述历史行车轨迹。6.一种车辆轨迹的预测装置，其特征在于，包括：触发模块，用于在车辆运行时，触发...

【专利技术属性】
技术研发人员：李荣华，陈红丽，王宁，卢丽婧，
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：