【技术实现步骤摘要】
本申请涉及车辆控制，尤其涉及自动驾驶，具体涉及一种车辆轨迹预测方法、装置、设备及存储介质。
技术介绍
1、准确预测车辆的行驶轨迹对提高智能驾驶的安全性至关重要。现有技术通常根据高精度地图数据、车辆的历史运动轨迹以及轨迹预测模型，确定车辆的预测行驶轨迹。但是，在地图缺失或者地图未及时进行更新的情况下，预测到的车辆行驶轨迹准确性差。
技术实现思路
1、本申请提供一种车辆轨迹预测方法、装置、设备及存储介质，以至少解决现有技术中在地图缺失或者地图未及时进行更新的情况下，预测到的车辆行驶轨迹准确性差的技术问题。本申请的技术方案如下：
2、根据本申请提供的第一方面，提供一种车辆轨迹预测方法，该方法包括：获取预设区域内多个第一车辆中的每个第一车辆的历史行驶信息、每个第一车辆对应的多个第二车辆中每个第二车辆的历史行驶信息；历史行驶信息包括历史时间段内的速度、历史时间段内的航向角、历史时间段内的位置；多个第二车辆为在第一车辆预设范围内的车辆；预设区域的覆盖范围大于预设范围；针对每个第一车辆，根据第一车辆的历史行驶信息、第一车辆对应的多个第二车辆中每个第二车辆的历史行驶信息和预先构建好的第一编码网络，确定第一车辆的局部特征，以得到多个第一车辆的局部特征；局部特征用于表征每个第一车辆在预设范围内的历史行驶信息对应的行驶特征；根据多个第一车辆的局部特征和预先构建好的第二编码网络，确定多个第一车辆的全局特征；全局特征用于表征每个第一车辆在预设区域内的历史行驶信息对应的行驶特征；将多个第一车辆的全
3、根据上述技术手段，本申请通过第一编码网络可以充分提取第一车辆的局部特征。之后，根据每个第一车辆的局部特征和预先构建好的第二编码网络，确定每个第一车辆的全局特征，并将每个第一车辆的全局特征输入预先构建好的解码网络，得到与多个第一车辆一一对应的多个预测轨迹。其中，全局特征用于表征每个第一车辆在预设区域内的历史行驶信息对应的行驶特征。这样，仅根据第一车辆的历史行驶信息和第二车辆的历史行驶信息就可以确定每个第一车辆的预测轨迹，不依赖于高精度地图。同时，通过第二编码网络可以充分提取第一车辆的全局特征，能够有效提高确定车辆的预测轨迹的准确性。
4、在一种可能的实施方式中，上述根据第一车辆的历史行驶信息、第一车辆对应的多个第二车辆中每个第二车辆的历史行驶信息和预先构建好的第一编码网络，确定第一车辆的局部特征，以得到多个第一车辆的局部特征，包括：根据第一车辆的历史行驶信息，确定第一车辆的节点特征；第一车辆的节点特征为基于第一预设算法对第一车辆的增量信息进行处理得到的；增量信息包括速度在历史时间段内任一时刻与上一时刻的差值和航向角在任一时刻与上一时刻的差值；根据第一车辆对应的多个第二车辆中每个第二车辆的历史行驶信息，确定每个第二车辆的节点特征；每个第二车辆的节点特征为基于第一预设算法对每个第二车辆的增量信息进行处理得到的；根据第一车辆的历史行驶信息、每个第二车辆的历史行驶信息，确定第一车辆与每个第二车辆之间的边特征；边特征为基于第一预设算法对任一时刻每个第二车辆与每个第一车辆的相对位置进行处理得到的；将第一车辆的节点特征、每个第二车辆的节点特征、第一车辆与每个第二车辆之间的边特征输入到第一编码网络中，得到第一车辆的局部特征，以得到多个第一车辆的局部特征。
5、根据上述技术手段，本申请通过第一编码网络可以将第一车辆与多个第二车辆的增量信息和相对位置进行关联，能够建模第一车辆与多个第二车辆在历史时间段内的局部交互，可以充分提取第一车辆的局部特征，从而有效提高获取预测轨迹的准确性。
6、在一种可能的实施方式中，上述将第一车辆的节点特征、每个第二车辆的节点特征、第一车辆与每个第二车辆之间的边特征输入到第一编码网络中，得到第一车辆的局部特征，以得到多个第一车辆的局部特征，包括：将第一车辆的节点特征输入到第一编码网络中的全连接网络层，得到第一查询特征；将每个第二车辆的节点特征输入全连接网络层，得到第一键特征；根据第一查询特征、第一键特征、第一编码网络的预设通道数量和第二预设算法，得到每个第二车辆对第一车辆的注意力值；将第一车辆与每个第二车辆之间的边特征输入全连接网络层，得到第一值特征；根据每个第二车辆对第一车辆的注意力值和第一值特征，确定第一车辆的注意力特征；根据第一车辆的注意力特征、第一车辆的节点特征和预设激活函数，确定门控系数；将第一车辆的注意力特征与第一车辆的节点特征的差值，确定为残差特征；根据门控系数、残差特征和第一车辆的注意力特征，确定第一车辆的局部特征，以得到多个第一车辆的局部特征。
7、根据上述技术手段，本申请通过残差特征，可以使得获取到的第一车辆的注意力特征更加显著，进而可以使得根据第一车辆的注意力特征确定到的第一车辆的局部特征更加显著。同时，通过确定残差特征，可以使得第一编码网络更加稳定。
8、在一种可能的实施方式中，上述第二预设算法满足下述表达式：
9、
10、其中，αj为第j个第二车辆对第i个第一车辆的注意力值，d为预设通道数量，d为当前通道，qi为第i个第一车辆的第一查询特征，kj为第j个第二车辆的第一键特征。
11、根据上述技术手段，本申请可以更直接的获取第二车辆对第一车辆的注意力值，从而提高获取每个第二车辆对第一车辆的注意力值的效率，进一步可以提高后续获取预测轨迹的效率。
12、在一种可能的实施方式中，第二编码网络包括多个网络层，上述根据多个第一车辆的局部特征和预先构建好的第二编码网络，确定多个第一车辆的全局特征，包括：针对当前网络层，根据多个第一车辆的局部特征、时间掩膜特征，确定第二值特征；根据多个第一车辆的局部特征、时间掩膜特征，确定第一注意力系数；根据时间掩膜特征、第二值特征、第一注意力系数，确定多个第一车辆的目标运动特征；基于第三预设算法对目标运动特征进行格式转换，得到第一运动特征；根据第一运动特征、交互掩膜特征，确定第三值特征；根据第一运动特征、交互掩膜特征，确定第二注意力系数；根据交互掩膜特征、第三值特征、第二注意力系数，确定多个第一车辆的目标交互特征；将目标交互特征输入全连接网络层，得到当前网络层的输出特征；根据当前网络层的输出特征确定下一个网络层的输入特征，重复上述过程，直至得到最后一个网络层的输出特征，并将最后一个网络层的输出特征确定为多个第一车辆的全局特征。
13、根据上述技术手段，获取目标时间特征和获取目标交互特征的处理方式一致，这样，使得梯度一致，网络训练过程更加稳定。同时，可以使得目标时间特征和目标交互特征交替更新，能够有效提高第二编码网络对交通场景的感知能力。
14、在一种可能的实施方式中，多个第一车辆的局部特征包括时间序列特征，上述方法还包括：将多个第一车辆的局部特征进行拼接，得到拼接后的多个第一车辆的局部特征；根据拼接后的多个第一车辆的局部特征和第四预设算法，得到规则化后的多个第一车本文档来自技高网...
【技术保护点】
1.一种车辆轨迹预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一车辆的历史行驶信息、所述第一车辆对应的多个第二车辆中每个第二车辆的历史行驶信息和预先构建好的第一编码网络，确定所述第一车辆的局部特征，以得到所述多个第一车辆的局部特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述第一车辆的节点特征、所述每个第二车辆的节点特征、所述第一车辆与所述每个第二车辆之间的边特征输入到所述第一编码网络中，得到所述第一车辆的局部特征，以得到所述多个第一车辆的局部特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述第二预设算法满足下述表达式：
5.根据权利要求1所述的方法，其特征在于，所述第二编码网络包括多个网络层，所述根据所述多个第一车辆的局部特征和预先构建好的第二编码网络，确定所述多个第一车辆的全局特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述多个第一车辆的局部特征包括时间序列特征，所述方法还包括：
7.根据权利要求5所述的方法，其特征在于，所述根
8.根据权利要求5所述的方法，其特征在于，所述多个网络层中相邻两个网络层通过降采样层连接；根据所述当前网络层的输出特征确定下一个网络层的输入特征，包括：
9.一种车辆轨迹预测装置，其特征在于，包括获取单元、确定单元和处理单元；
10.一种电子设备，其特征在于，包括：
11.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中存储的计算机执行指令由电子设备的处理器执行时，所述电子设备能够执行如权利要求1至8中任一项所述的方法。
...【技术特征摘要】
1.一种车辆轨迹预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一车辆的历史行驶信息、所述第一车辆对应的多个第二车辆中每个第二车辆的历史行驶信息和预先构建好的第一编码网络，确定所述第一车辆的局部特征，以得到所述多个第一车辆的局部特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述第一车辆的节点特征、所述每个第二车辆的节点特征、所述第一车辆与所述每个第二车辆之间的边特征输入到所述第一编码网络中，得到所述第一车辆的局部特征，以得到所述多个第一车辆的局部特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述第二预设算法满足下述表达式：
5.根据权利要求1所述的方法，其特征在于，所述第二编码网络包括多个网络层，所述根据所述多个第一车辆的局部特征和预先构建好的第二编码网络，确定所述多个...
【专利技术属性】
技术研发人员：杨东方，李硕贤，高鹏，连静，邱利宏，
申请(专利权)人：重庆长安汽车股份有限公司，
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。