【技术实现步骤摘要】
本专利技术涉及自动驾驶，具体涉及一种车辆行驶轨迹预测方法、装置、设备、介质及产品。
技术介绍
1、在自动驾驶系统中，对于环境目标的未来轨迹预测对自动驾驶系统能否规划处舒适、安全的自车未来行驶路线起到至关重要的作用。
2、随着以深度学习为代表的ai技术在自动驾驶领域的广泛应用，ai技术在业界的工程化应用也得到发展。由深度神经网络输出环境目标的未来轨迹即是深度学习技术的重要应用。
3、一方面，基于传统规则和运动学的轨迹预测算法难以穷举复杂的道路状况，使得传统算法在复杂路况下的泛化能力受到限制。而深度学习方法通过数据驱动的方式对复杂路况进行建模，避免了条件枚举；另一方面，深度学习预测算法直接拟合训练数据中的未来轨迹得到预测输出，而没有像传统算法一样加入对于轨迹的硬约束，因此，ai算法输出的轨迹可能是不符合道路约束的。
技术实现思路
1、有鉴于此，本专利技术提供了一种车辆行驶轨迹预测方法、装置、设备、介质及产品，以解决现有方法预测的轨迹不符合道路约束、不准确的问题。
2、第一方面，本专利技术提供了一种车辆行驶轨迹预测方法，所述方法包括：获取待预测车辆的位置信息、车道中心线集合，所述车道中心线集合中至少包括每条车道中心线及其对应的后继车道中心线，所述每条车道中心线由多个车道段组成，所述车道段由车道中心线上各个点与相邻点组成的向量段；选取位于所述待预测车辆后方的车道段作为行驶轨迹起始点，遍历所述行驶轨迹起始点所在车道中心线中与所述行驶轨迹起始点有对应后继关系
3、本实施例提供的车辆行驶轨迹预测方法，通过获取待预测车辆的位置信息、车道中心线集合，选取位于待预测车辆后方的车道段作为行驶轨迹起始点，遍历行驶轨迹起始点所在车道中心线中与行驶轨迹起始点有对应后继关系的车道段，以及与行驶轨迹起始点所在车道中心线有对应后继关系的所有车道中心线，组成至少一条参考行驶轨迹，将至少一条参考行驶轨迹和待预测车辆的运动状态的语义特征信息输入到行驶轨迹预测模型中，得到车辆行驶轨迹，预测的轨迹可以很好的符合车道趋势，不会出现偏出车道中心线的情况。
4、在一种可选的实施方式中，所述待预测车辆的位置信息至少包括坐标和航向角，所述选取位于所述待预测车辆后方的车道段作为行驶轨迹起始点，包括：筛选出车道段向量方向和待预测车辆的航向角在预设角度范围内的车道段，得到第一车道段集合；从第一车道段集合中筛选出车道段对应向量起点与待预测车辆当前位置在预设距离范围内的车道段，得到第二车道段集合；基于车道段的向量坐标和待预测车辆的坐标，从所述第二车道段集合中筛选出位于所述待预测车辆后方的车道段作为行驶轨迹起始点。
5、本专利技术通过对车道段基于向量方向和坐标进行筛选，得到第二车道段集合，再从第二车道段集合中选择位于待预测车辆后方的车道段作为行驶轨迹起始点，可保证确定的行驶轨迹起始点与待预测车辆的位姿接近，继而确定的行驶轨迹更加精准，且可减少行驶轨迹生成的计算量。
6、在一种可选的实施方式中，所述从所述第二车道段集合中筛选出位于所述待预测车辆后方的车道段作为行驶轨迹起始点，包括：基于车道段对应所在的车道中心线，从所述第二车道段集合中移除每条车道中心线中与其他车道段具有后继关系的车道段，保留每条车道中心线中最前端的车道段；基于车道中心线之间的前驱后继关系，移除与其他车道中心线具有后继关系的车道中心线以及对应保留的车道段，保留前驱车道中心线中最前端的车道段作为行驶轨迹起始点。
7、本专利技术通过只保留前驱车道中心线上最前端的车道段作为行驶轨迹起始点，可以避免后续基于同一车道中心线上的多个车道段生成的多个行驶轨迹相似重复，浪费计算资源。
8、在一种可选的实施方式中，所述遍历所述行驶轨迹起始点所在车道中心线中与所述行驶轨迹起始点有对应后继关系的车道段，以及与所述行驶轨迹起始点所在车道中心线有对应后继关系的所有车道中心线，组成至少一条参考行驶轨迹，包括：基于所述行驶轨迹起始点创建对应的先进先出队列，将所述行驶轨迹起始点压入队尾，并依次将所述行驶轨迹起始点所在同一车道中心线上的下一车道段压入队尾；从所述先进先出队列中弹出队首，将弹出的队首加入参考行驶轨迹中，直至当前弹出的队首对应的车道段为所在车道中心线的最后车道段；将与所述行驶轨迹起始点所在车道中心线有后继关系的车道中心线的最前端的车道段作为新的行驶轨迹起始点，返回执行将所述行驶轨迹起始点压入队尾，并依次将所述行驶轨迹起始点所在同一车道中心线上的下一车道段压入队尾的步骤，直至遍历完成与所述所在车道中心线有对应后继关系的所有车道中心线，组成至少一条参考行驶轨迹。
9、本专利技术通过bfs搜索方法从行驶轨迹起始点开始沿着车道中心线遍历所有车道段，可同时处理同一层次的多个车道段，比如有分岔的路段，使用bfs搜索可同时得到多条参考行驶轨迹。
10、在一种可选的实施方式中，在将弹出的队首加入参考行驶轨迹中之前，所述方法还包括：判断当前加入参考行驶轨迹中所有车道段拼成的路径长度是否大于预设长度阈值；若所有车道段拼成的路径长度大于预设长度阈值，则将当前加入参考行驶轨迹中所有车道段拼成的路径作为参考行驶轨迹。
11、本专利技术在拼接参考行驶轨迹过程中，实时判断当前拼接参考行驶轨迹的长度是否大于预设长度阈值，若大于预设长度阈值，则可将当前加入参考行驶轨迹中所有车道段拼成的路径作为参考行驶轨迹，可根据实际需求灵活生成。
12、在一种可选的实施方式中，所述行驶轨迹预测模型通过下述步骤训练得到：将笛卡尔坐标系下的测试真值行驶轨迹转换到以测试真值行驶轨迹为参考线的目标坐标系下，所述目标坐标系以地图上参考线的起始点为坐标系原点，坐标轴的纵坐标方向为沿着参考线方向，横坐标表示测试车辆偏离参考线的距离，所述横坐标与纵坐标相互垂直；将转换至目标坐标系下的测试真值行驶轨迹和测试车辆的运动状态的语义特征输入到神经网络模型中，输出目标坐标系下的待测行驶轨迹；计算所述待测行驶轨迹与所述测试真值行驶轨迹的损失函数，并基于所述损失函数优化神经网络模型，得到行驶轨迹预测模型。
13、本专利技术通过采用教师强制的模型训练方式使用真值行驶轨迹对模型训练，可使行驶轨迹预测模型更快地收敛，训练过程更加稳定，且在目标坐标系下对轨迹进行回归，可使训练好的行驶轨迹预测模型预测出的行驶轨迹很好的符合车道约束。
14、在一种可选的实施方式中，所述行驶轨迹预测模型包括编码器和解码器结构，所述分别对所述至少一条参考行驶轨迹和待预测车辆的运动状态信息提取语义特征信息，并对提取的语义特征信息输入行驶轨迹预测模型中，得到车辆行驶轨迹，包括：对参考行驶轨迹提取第一语义特征信息，并对所述第一语义特征信息进行编码后输入行驶轨迹预测本文档来自技高网...
【技术保护点】
1.一种车辆行驶轨迹预测方法，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，所述待预测车辆的位置信息至少包括坐标和航向角，所述选取位于所述待预测车辆后方的车道段作为行驶轨迹起始点，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述第二车道段集合中筛选出位于所述待预测车辆后方的车道段作为行驶轨迹起始点，包括：
4.根据权利要求1所述的方法，其特征在于，所述遍历所述行驶轨迹起始点所在车道中心线中与所述行驶轨迹起始点有对应后继关系的车道段，以及与所述行驶轨迹起始点所在车道中心线有对应后继关系的所有车道中心线，组成至少一条参考行驶轨迹，包括：
5.根据权利要求4所述的方法，其特征在于，在将弹出的队首加入参考行驶轨迹中之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述行驶轨迹预测模型通过下述步骤训练得到：
7.根据权利要求1或6所述的方法，其特征在于，所述行驶轨迹预测模型包括编码器和解码器结构，所述分别对所述至少一条参考行驶轨迹和待预测车辆的运动状态信息提取语义特征
8.根据权利要求1或7所述的方法，其特征在于，所述车辆行驶轨迹为以车辆行驶轨迹为参考线的目标坐标系下的车辆行驶轨迹，所述方法还包括：
9.根据权利要求1-7任一项所述的方法，其特征在于，所述损失函数为Smooth L1损失函数。
10.一种车辆行驶轨迹预测装置，其特征在于，所述装置包括：
11.一种计算机设备，其特征在于，包括：
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至9中任一项所述的车辆行驶轨迹预测方法。
13.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令用于使计算机执行权利要求1至9中任一项所述的车辆行驶轨迹预测方法。
...【技术特征摘要】
1.一种车辆行驶轨迹预测方法，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，所述待预测车辆的位置信息至少包括坐标和航向角，所述选取位于所述待预测车辆后方的车道段作为行驶轨迹起始点，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述第二车道段集合中筛选出位于所述待预测车辆后方的车道段作为行驶轨迹起始点，包括：
4.根据权利要求1所述的方法，其特征在于，所述遍历所述行驶轨迹起始点所在车道中心线中与所述行驶轨迹起始点有对应后继关系的车道段，以及与所述行驶轨迹起始点所在车道中心线有对应后继关系的所有车道中心线，组成至少一条参考行驶轨迹，包括：
5.根据权利要求4所述的方法，其特征在于，在将弹出的队首加入参考行驶轨迹中之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述行驶轨迹预测模型通过下述步骤训练得到：
7.根据权利要求1或6所述的方法，其特征在于，所述行驶轨...
【专利技术属性】
技术研发人员：张忠旭，刘羽丰，
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。