【技术实现步骤摘要】
本公开涉及计算机，尤其涉及自动驾驶和人工智能，具体涉及一种利用轨迹预测模型实现的轨迹预测方法、轨迹预测模型的训练方法、装置、电子设备、计算机可读存储介质、计算机程序产品和自动驾驶车辆。
技术介绍
1、人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
2、自动驾驶技术融合了识别、决策、定位、通信安全和人机交互等诸多方面的技术。通过人工智能学习能够辅助生成自动驾驶策略。
3、在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
1、本公开提供了一种利用轨迹预测模型实现的轨迹预测方法、轨迹预测模型的训练方法、装置、电子设备、计算机可读存储介质、计算机程序产品和自动驾驶车辆。
2、根据本公开的一方面，提供了一种轨迹预测方法，包括：获取目标车辆的第一信息和多个途经点序列，第一信息包括目标车辆的导航信息和目标车辆周围环境的感知信息，每个途经点序列由未来途径路段内的多个途经点组成
3、根据本公开的另一方面，提供了一种轨迹预测模型的训练方法，方法包括：获取样本数据，样本数据包括样本车辆的第一信息和多个途经点序列，第一信息包括样本车辆的样本导航信息和样本车辆周围环境的样本感知信息，每个途经点序列由未来途径路段内的多个途经点组成并且每个途经点序列标注有相应的得分标签，多个途经点序列中包括一个正样本序列；针对样本数据的每个途径点序列，将该途经点序列和第一信息输入轨迹预测模型，以使轨迹预测模型在该途径点序列的引导下基于第一信息进行轨迹预测，输出该途经点序列对应的预测轨迹以及预测轨迹的得分；以及基于正样本序列和对应的预测轨迹以及每个途径点序列对应的得分和得分标签，调整轨迹预测模型的参数。
4、根据本公开的另一方面，提供了一种轨迹预测装置，包括：第一获取单元，被配置为获取目标车辆的第一信息和多个途经点序列，第一信息包括目标车辆的导航信息和目标车辆周围环境的感知信息，每个途经点序列由未来途径路段内的多个途经点组成；第二获取单元，被配置为针对多个途经点序列中的每个途径点序列，在该途径点序列的引导下基于第一信息进行轨迹预测，以获取该途经点序列对应的预测轨迹以及预测轨迹的得分；以及第一确定单元，被配置为基于多个预测轨迹中各个预测轨迹的得分，在多个预测轨迹确定目标预测轨迹。
5、根据本公开的另一方面，提供了一种轨迹预测模型的训练装置，装置包括：第一获取单元，被配置为获取样本数据，样本数据包括样本车辆的第一信息和多个途经点序列，第一信息包括样本车辆的样本导航信息和样本车辆周围环境的样本感知信息，每个途经点序列由未来途径路段内的多个途经点组成并且每个途经点序列标注有相应的得分标签，多个途经点序列中包括一个正样本序列；第一输入单元，被配置为针对样本数据的每个途径点序列，将该途经点序列和第一信息输入轨迹预测模型，以使轨迹预测模型在该途径点序列的引导下基于第一信息进行轨迹预测，输出该途经点序列对应的预测轨迹以及预测轨迹的得分；以及调整单元，被配置为基于正样本序列和对应的预测轨迹以及每个途径点序列对应的得分和得分标签，调整轨迹预测模型的参数。
6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述利用轨迹预测模型实现的轨迹预测方法或上述轨迹预测模型的训练方法。
7、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述利用轨迹预测模型实现的轨迹预测方法或上述轨迹预测模型的训练方法。
8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述利用轨迹预测模型实现的轨迹预测方法或上述轨迹预测模型的训练方法。
9、根据本公开的另一方面，提供了一种自动驾驶车辆，包括上述电子设备。
10、根据本公开的一个或多个实施例，能够提升自动驾驶车辆的轨迹预测的合理性。
11、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种轨迹预测方法，包括：
2.根据权利要求1所述的方法，其中，所述方法基于轨迹预测模型实现，所述轨迹预测模型包括轨迹预测网络和评分网络，所述针对所述多个途经点序列中的每个途径点序列，在该途径点序列的引导下基于所述第一信息进行轨迹预测，以获取该途经点序列对应的预测轨迹以及所述预测轨迹对应的得分包括：
3.根据权利要求2所述的方法，其中，所述轨迹预测网络包括第一编码网络和第一预测网络，所述针对所述多个途经点序列中的每个途径点序列，利用所述轨迹预测网络，在该途径点序列的引导下基于所述第一信息进行轨迹预测，以获取该途经点序列对应的预测轨迹以及所述预测轨迹对应的预测轨迹特征包括：
4.根据权利要求3所述的方法，其中，所述第一预测网络包括多层预测子网络，所述针对所述多个途经点序列中的每个途径点序列，将该途经点序列以及所述第一特征输入所述第一预测网络，以使所述第一预测网络在该途经点序列的引导下基于所述第一特征进行轨迹预测并输出该途经点序列对应的所述预测轨迹以及所述预测轨迹对应的预测轨迹特征包括：
5.根据权利要求4所述的方法，其中，所述多层预
6.根据权利要求1-5中任一项所述的方法，其中，所述多个途经点序列基于如下操作获得：
7.根据权利要求6所述的方法，其中，所述至少一个途经点包括相应采样位置处的道路截面与至少一个车道中线的交点。
8.根据权利要求1-7中任一项所述的方法，其中，所述第一信息还包括地图信息和所述目标车辆的当前运动状态信息中的至少一者。
9.一种轨迹预测模型的训练方法，所述方法包括：
10.根据权利要求9所述的方法，其中，所述轨迹预测模型包括轨迹预测网络和评分网络，所述针对所述样本数据的每个途径点序列，将该途经点序列和所述第一信息输入所述轨迹预测模型，以使所述轨迹预测模型在该途径点序列的引导下基于所述第一信息进行轨迹预测，输出该途经点序列对应的预测轨迹以及所述预测轨迹的得分包括：
11.根据权利要求10所述的方法，其中，所述轨迹预测网络包括第一编码网络和第一预测网络，所述针对所述样本数据的每个途径点序列，利用所述轨迹预测网络，在该途径点序列的引导下基于所述第一信息进行轨迹预测，以获取该途经点序列对应的预测轨迹以及所述预测轨迹对应的预测轨迹特征包括：
12.根据权利要求11所述的方法，其中，所述第一预测网络包括多层预测子网络，所述针对该样本数据对应的每个途径点序列，将该途经点序列以及所述第一特征输入所述第一预测网络，以使所述第一预测网络在该途经点序列的引导下基于所述第一特征进行轨迹预测并输出该途经点序列对应的预测轨迹以及该预测轨迹对应的预测轨迹特征包括：
13.根据权利要求12所述的方法，其中，在所述途经点序列为正样本序列时，所述多层预测子网络中每层预测子网络的第一轨迹点序列为添加噪声后的所述途经点序列，并且随预测子网络的层数增加，所添加的噪声逐步变小，在所述途经点序列为负样本序列时，所述第一层预测子网络对应的第一轨迹点序列为所述途经点序列，所述其他各层预测子网络的第一轨迹点序列通过对上一层预测子网络输出的第二预测轨迹进行轨迹点采样获得。
14.根据权利要求12或13所述的方法，其中，所述多层预测子网络中的每个预测子网络包括特征交互子网络和解码子网络，所述基于所述多层预测子网络中的每层预测子网络，将所述第一特征以及该层预测子网络对应的第一轨迹特征和第一轨迹点序列输入该层预测子网络，以获取该层预测子网络输出的第二轨迹特征和相应的第二预测轨迹包括：
15.根据权利要求12-14中任一项所述的方法，其中，所述基于所述正样本序列和对应的预测轨迹以及每个途径点序列对应的得分和得分标签，调整所述轨迹预测模型的参数包括：
16.根据权利要求15所述的方法，其中，所述基于所述正样本序列和对应的预测轨迹，计算第一损失包括：
17.根据权利要求12-16中任一项所述的方法，还包括：
18.根据权利要求9-17中任一项所述的方法，其中，所述多个途经点序列基于如下操作获得：
19.根据权利要求18所述的方法，其中，所述至少一个途经点包括相应采样位置处的道路截面与至少一个车道中线的交点。
20.根据权利要求9-19中任一项所述的方法，其中，所述第一信息还包括地图信息和...
【技术特征摘要】
1.一种轨迹预测方法，包括：
2.根据权利要求1所述的方法，其中，所述方法基于轨迹预测模型实现，所述轨迹预测模型包括轨迹预测网络和评分网络，所述针对所述多个途经点序列中的每个途径点序列，在该途径点序列的引导下基于所述第一信息进行轨迹预测，以获取该途经点序列对应的预测轨迹以及所述预测轨迹对应的得分包括：
3.根据权利要求2所述的方法，其中，所述轨迹预测网络包括第一编码网络和第一预测网络，所述针对所述多个途经点序列中的每个途径点序列，利用所述轨迹预测网络，在该途径点序列的引导下基于所述第一信息进行轨迹预测，以获取该途经点序列对应的预测轨迹以及所述预测轨迹对应的预测轨迹特征包括：
4.根据权利要求3所述的方法，其中，所述第一预测网络包括多层预测子网络，所述针对所述多个途经点序列中的每个途径点序列，将该途经点序列以及所述第一特征输入所述第一预测网络，以使所述第一预测网络在该途经点序列的引导下基于所述第一特征进行轨迹预测并输出该途经点序列对应的所述预测轨迹以及所述预测轨迹对应的预测轨迹特征包括：
5.根据权利要求4所述的方法，其中，所述多层预测子网络中的每个预测子网络包括特征交互子网络和解码子网络，所述基于所述多层预测子网络中的每层预测子网络，将所述第一特征以及该层预测子网络对应的第一轨迹特征和第一轨迹点序列输入该层预测子网络，以获取该层预测子网络输出的第二轨迹特征和相应的第二预测轨迹包括：
6.根据权利要求1-5中任一项所述的方法，其中，所述多个途经点序列基于如下操作获得：
7.根据权利要求6所述的方法，其中，所述至少一个途经点包括相应采样位置处的道路截面与至少一个车道中线的交点。
8.根据权利要求1-7中任一项所述的方法，其中，所述第一信息还包括地图信息和所述目标车辆的当前运动状态信息中的至少一者。
9.一种轨迹预测模型的训练方法，所述方法包括：
10.根据权利要求9所述的方法，其中，所述轨迹预测模型包括轨迹预测网络和评分网络，所述针对所述样本数据的每个途径点序列，将该途经点序列和所述第一信息输入所述轨迹预测模型，以使所述轨迹预测模型在该途径点序列的引导下基于所述第一信息进行轨迹预测，输出该途经点序列对应的预测轨迹以及所述预测轨迹的得分包括：
11.根据权利要求10所述的方法，其中，所述轨迹预测网络包括第一编码网络和第一预测网络，所述针对所述样本数据的每个途径点序列，利用所述轨迹预测网络，在该途径点序列的引导下基于所述第一信息进行轨迹预测，以获取该途经点序列对应的预测轨迹以及所述预测轨迹对应的预测轨迹特征包括：
【专利技术属性】
技术研发人员：周尧，王凡，黄际洲，
申请(专利权)人：阿波罗智能技术北京有限公司，
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。