一种路口车辆轨迹预测方法及装置制造方法及图纸

本发明专利技术公开了一种路口车辆轨迹预测方法及装置，涉及自动驾驶技术领域。该方法一具体实施方式包括：将出口车道信息输入第一编码器，获取若干出口车道的高维特征；将路口车辆信息输入第二编码器，获取被预测车辆的高维特征和其他车辆的高维特征；基于交叉注意力机制，获得车辆车道融合特征；基于被预测车辆的高维特征和若干出口车道的高维特征，从若干出口车道中选择出若干目标出口车道；将被预测车辆的高维特征、车辆车道融合特征和各个目标出口车道的高维特征输入解码器，得到被预测车辆的轨迹。该实施方式能够准确地的对路口内的车辆进行轨迹预测。辆进行轨迹预测。辆进行轨迹预测。

【技术实现步骤摘要】
一种路口车辆轨迹预测方法及装置


[0001]本专利技术涉及自动驾驶
，尤其涉及一种路口车辆轨迹预测方法及装置。

技术介绍

[0002]轨迹预测技术，即预测道路交通参与者在未来一段时间内的行驶轨迹，是确保自动驾驶安全性和舒适性的重要技术之一。如，预测路口内车辆的轨迹，在路口内，交通环境较为复杂，车辆行驶不受车道线的约束，具有一定的随机性，因此，路口内交通事故频发。鉴于此，对路口内的车辆进行轨迹预测是保障行车安全至关重要的一环。
[0003]由于现有的轨迹预测方法是不区分路口和非路口场景，该方法的实现严重依赖车道线，对于复杂的路口交通场景，该方法的轨迹预测结果较差。

技术实现思路

[0004]鉴于上述情况，本专利技术提供一种路口车辆轨迹预测方法及装置，用以实现在复杂路口场景内对车辆的行驶轨迹进行有效预测，提高轨迹预测的准确性。
[0005]第一方面，本说明书提供了一种路口车辆轨迹预测方法，包括：
[0006]将出口车道信息输入第一编码器，获得若干出口车道的高维特征；
[0007]将路口车辆信息输入第二编码器，获得被预测车辆的高维特征和其他车辆的高维特征；
[0008]基于交叉注意力机制融合所述被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征；
[0009]基于所述交叉注意力机制融合所述车辆融合特征和所述若干出口车道的高维特征，获得车辆车道融合特征；
[0010]基于所述被预测车辆的高维特征和所述若干出口车道的高维特征，从所述若干出口车道中选择出若干目标出口车道；
[0011]将所述被预测车辆的高维特征、所述车辆车道融合特征和各个所述目标出口车道的高维特征输入解码器，得到所述被预测车辆的轨迹。
[0012]第二方面，本说明书实施例提供了一种路口车辆轨迹预测装置，包括：
[0013]编码模块，配置为将出口车道信息输入第一编码器，获得若干出口车道的高维特征；将路口车辆信息输入第二编码器，获得被预测车辆的高维特征和其他车辆的高维特征；
[0014]交叉注意力模块，配置为基于交叉注意力机制融合所述被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征；基于所述交叉注意力机制融合所述车辆融合特征和所述若干出口车道的高维特征，获得车辆车道融合特征；
[0015]选择模块，配置为基于所述被预测车辆的高维特征和所述若干出口车道的高维特征，从所述若干出口车道中选择出若干目标出口车道；
[0016]解码模块，配置为将所述被预测车辆的高维特征、所述车辆车道融合特征和各个所述目标出口车道的高维特征输入解码器，得到所述被预测车辆的轨迹。
[0017]第三方面，本说明书实施例提供一种电子设备，包括：
[0018]一个或多个处理器；
[0019]存储装置，用于存储一个或多个程序，
[0020]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的方法。
[0021]第四方面，本专利技术实施例提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任一实施例所述的方法。
[0022]上述专利技术中的一个实施例具有如下优点或有益效果：本专利技术引用两次交叉注意力机制，可以使自动驾驶车辆更加专注和有效的根据出口车道和路口车辆的主要信息，对车辆的行驶轨迹进行准确预测。第一次，基于交叉注意力机制融合被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征，能够区分路口场景下其它车辆对被预测车辆的影响程度；第二次，基于交叉注意力机制融合车辆融合特征和若干出口车道的高维特征，获得车辆车道融合特征，能够在预测过程中考虑不同车道对车辆的影响。本专利技术实施例将被预测车辆的高维特征、车辆车道融合特征和目标出口车道的高维特征输入解码器，考虑了三种不同维度的特征对车辆轨迹的影响，能够进一步提高路口场景下轨迹预测的准确性。
附图说明
[0023]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图做简单地介绍，构成本专利技术的一部分，本专利技术的示意性实施例及其说明解释本专利技术，并不构成对本专利技术的不当限定，在附图中：
[0024]图1为本专利技术一个实施例提供的路口车辆轨迹预测方法的流程图；
[0025]图2为本专利技术一个实施例提供的路口车辆轨迹预测方法的流程图；
[0026]图3为本专利技术一个实施例提供的路口车辆轨迹预测装置的示意图；
[0027]图4为适于用来实现本专利技术实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
[0028]以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本专利技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0029]路口路况复杂，虽然交通信号灯、停车标志、车道线等可有效解决交通流，但是其道路安全和交通效率的性能仍不能令人满意。在路口处，路口车辆预测具有以下难点：
[0030](1)路口没有车道线约束，车辆行为意图具有多样性；
[0031](2)路口形状各异，有标准的十字型，也有各种各样不规则的形状；
[0032](3)路口车辆行为具有较大的随机性。
[0033]而现有的轨迹预测方法主要依靠车道线实现对车辆轨迹预测，针对以上路口难点，现有的轨迹预测还不能做到准确预测。
[0034]鉴于此，根据图1，本说明书提供一种路口车辆轨迹预测方法，包括：
[0035]步骤100，将出口车道信息输入第一编码器，获得若干出口车道的高维特征；
[0036]步骤101，将路口车辆信息输入第二编码器，获得被预测车辆的高维特征和其他车辆的高维特征；
[0037]在本说明书中路口指道路分叉的地方，即两条或两条以上道路在同一个平面相交的部位，也称为交叉路口。按照车辆行驶方向，进入交叉路口的车道叫进口车道，离开交叉口的车道叫出口车道，简称进口、出口。
[0038]路口包括但不限于十字路口、T型路口、Y型路口。
[0039]高维特征是由低维特征组合而成的更结构化、更复杂的特征表示方法，例如，在本说明书中低维特征表征的是出口车道的车道线形状、尺寸、类型等信息，以及路口车辆的大小、颜色、形状等信息；再通过编码器将上述低维特征组合后获取高维特征向量，由于高维特征包含的信息更丰富，同时有效地减少信息冗余，有利于提高轨迹预测准确率。
[0040]步骤102，基于交叉注意力机制融合被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征；
[0041]步骤103，基于交叉注意力机制融合车辆融合特征和若干出口车道的高维特征，获得车辆车道融合特征；
[0042]步骤104，基于被预测车辆的高维特征和若干出口车道的高维特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路口车辆轨迹预测方法，其特征在于，包括：将出口车道信息输入第一编码器，获得若干出口车道的高维特征；将路口车辆信息输入第二编码器，获得被预测车辆的高维特征和其他车辆的高维特征；基于交叉注意力机制融合所述被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征；基于所述交叉注意力机制融合所述车辆融合特征和所述若干出口车道的高维特征，获得车辆车道融合特征；基于所述被预测车辆的高维特征和所述若干出口车道的高维特征，从所述若干出口车道中选择出若干目标出口车道；将所述被预测车辆的高维特征、所述车辆车道融合特征和各个所述目标出口车道的高维特征输入解码器，得到所述被预测车辆的轨迹。2.根据权利要求1所述的方法，其特征在于，所述出口车道信息包括：车道中心线信息、车道宽度和车道类型中任意一种或多种。3.根据权利要求1所述的方法，其特征在于，所述第一编码器包括多层感知器、卷积神经网络、长短时记忆网络、循环神经网络中的一种或两种以上的组合。4.根据权利要求1所述的方法，其特征在于，所述路口车辆信息包括：车辆位置、车辆速度和车辆加速度中任意一种或多种。5.根据权利要求1所述的方法，其特征在于，所述第二编码器包括多层感知器、卷积神经网络、长短时记忆网络、循环神经网络中的一种或两种以上的组合。6.根据权利要求1所述的方法，其特征在于，基于交叉注意力机制融合所述被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征，包括：根据所述被预测车辆的高维特征和所述其他车辆的高维特征，计算第一注意力分数；以所述第一注意力分数为权重，对所述其他车辆的高维特征进行加权求和，得到所述车辆融合特征。7.根据权利要求1所述的方法，其特征在于，基于所述交叉注意力机制融合所述车辆融合特征和所述若干出口车道的高维特征，获得车辆车道融合特征，包括：根据所述车辆融合特征和所述若干出口车道的高维特征，计算第二注意力分数；以所述第二注意力分数为权重，对所述若干出口车道的高维特征进行加权求和，得...

【专利技术属性】
技术研发人员：崔霄，
申请(专利权)人：九识智行北京科技有限公司，
类型：发明
国别省市：