轨迹预测方法、装置、设备及计算机可读存储介质与流程

1.本技术涉及控制技术领域，特别涉及一种轨迹预测方法、装置、设备及计算机可读存储介质。


背景技术：

2.随着自动驾驶技术的日渐成熟，使得物流配送、共享出行、环卫作业等应用更加安全高效。自动驾驶汽车需要实时感知周围环境信息，根据行人、其它车辆等障碍物的运动状态，及时作出交互决策，确保行驶安全，因此，自动驾驶汽车需要利用多种信息，对障碍物未来的运动轨迹做出较为准确的预测，并做出如减速让行、停车等待等合理的交互动作。
3.在自动驾驶系统中，预测交互系统接收上游模块提供的障碍物状态、地图语义与结构、交通规则等多种信息，使用数学模型与规则等方式，实现自动驾驶车辆周围其它障碍物未来运动轨迹的预测，以及自动驾驶车辆与障碍物交互方式的选择，帮助自动驾驶车辆在复杂的运行环境下规划合理的行驶轨迹，实现必要时的安全躲避。
4.在现有技术中，通常使用数学模型或规则完成障碍物轨迹预测与交互决策。记录自动驾驶车辆周围障碍物的历史信息，包括位置坐标、速度、时间戳等，将信息输入模型进行回归分析或根据规则进行求解，从而得到障碍物未来的运动轨迹，并且，根据障碍物的位置、速度、未来轨迹等信息，完成自动驾驶车辆与障碍物的交互。但是，采用现有技术方案对障碍物轨迹进行预测时，其预测轨迹多为单一数目、且预测方法的结构层次较为简单，导致轨迹预测结果的准确性较低。


技术实现要素：

5.有鉴于此，本技术提供了一种轨迹预测方法、装置、设备及计算机可读存储介质，在对障碍物的运行轨迹进行预测时，能够提升轨迹预测结果的准确性。
6.具体地，本技术是通过如下技术方案实现的：
7.一种轨迹预测方法，包括：
8.获取目标车辆在当前时刻的车辆周围信息；
9.根据所述车辆周围信息中的关于障碍物的信息，按照至少一种预设分类方式，对所述目标车辆周围的目标障碍物进行分类；
10.基于所述目标障碍物的分类结果，确定所述目标障碍物的轨迹预测策略；
11.根据所述轨迹预测策略，预测出所述目标障碍物的至少一条未来运行轨迹，并预测出每条未来运行轨迹被所述目标障碍物选择的可能性。
12.一种轨迹预测装置，包括：
13.信息获取单元，用于获取目标车辆在当前时刻的车辆周围信息；
14.障碍物分类单元，用于根据所述车辆周围信息中的关于障碍物的信息，按照至少一种预设分类方式，对所述目标车辆周围的目标障碍物进行分类；
15.策略确定单元，用于基于所述目标障碍物的分类结果，确定所述目标障碍物的轨
迹预测策略；
16.轨迹预测单元，用于根据所述轨迹预测策略，预测出所述目标障碍物的至少一条未来运行轨迹，并预测出每条未来运行轨迹被所述目标障碍物选择的可能性。
17.一种电子设备，包括：处理器、存储器；
18.所述存储器，用于存储计算机程序；
19.所述处理器，用于通过调用所述计算机程序，执行上述轨迹预测方法。
20.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述轨迹预测方法。
21.在以上本技术提供的技术方案中，对于目标车辆周围的每一目标障碍物，可以预测出目标障碍物的一条或多条未来运行轨迹，并预测出每条未来运行轨迹被目标障碍物选择的可能性，这些预测轨迹能够较好地表达出目标障碍物实际运动时的不确定性，全面描述了目标障碍物可能的轨迹空间，提升了障碍物轨迹预测结果的准确性。而且，通过对轨迹空间更完善的预测，可以使目标车辆提前获得目标障碍物未来运动轨迹的估算结果，可以帮助目标车辆与目标障碍物之间实现更合理的交互，从而实现目标车辆的安全运行。
附图说明
22.图1为本技术示出的一种轨迹预测方法的流程示意图；
23.图2为本技术示出的一种轨迹预测装置的组成示意图；
24.图3为本技术示出的一种电子设备的结构示意图。
具体实施方式
25.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
26.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
27.应当理解，尽管在本技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
28.需要说明的是，在现有的一些轨迹预测方法中，当对障碍物轨迹进行预测时，其预测轨迹多为单一数目，实际中，对于不同类别的障碍物，运动方式多有区别，比如行人可以沿路边直行或横穿马路、车辆可以直行通过路口或转入其它方向，因此，障碍物未来的运动轨迹往往具有较强的不确定性，而现有技术方案仅采用单轨迹来描述障碍物未来的运动方式，无法准确估计障碍物的空间位置，造成自动驾驶车辆与障碍物交互上的困难。此外，现
有技术方案中的预测方法结构层次简单，无法根据自动驾驶车辆与障碍物所处的环境、障碍物的类别以及交通状况等进行层次化的预测，细致化程度较低，导致较低的轨迹预测准确度。
29.为此，本技术实施例提供了一种轨迹预测方法，参见图1，为本技术实施例提供的轨迹预测方法的流程示意图，该方法包括以下步骤s101-s104：
30.s101：获取目标车辆在当前时刻的车辆周围信息。
31.可以将任一自动驾驶汽车定义为目标车辆，目标车辆在实际运行过程中，可以利用自己的感知模块在一定频率范围内，持续获取车辆周围信息，然后，由目标车辆的预测交互系统接收上游感知模块提供的车辆周围信息。
32.在本技术实施例中，车辆周围信息可以包括目标车辆周围的障碍物状态信息，还可以包括但不限于目标车辆周围的地图环境信息、交通规则限制信息、以及其它信息等。
33.其中，关于障碍物状态信息，其涉及目标车辆周围的一个或多个障碍物的状态信息，这里，将每一障碍物定义为目标障碍物，而为了获取目标障碍物的状态信息，涉及的相关计算包括但不限于目标障碍物的位置坐标、速度、加速度的坐标转换，以及姿态角的计算等。对于障碍物状态信息，在完成计算后，可以按顺序存储起来，成为障碍物的历史特征。
34.其中，关于地图环境信息，可以通过对车道信息进行缓存得到，涉及的相关计算包括但不限于车道缓存构建、车道中心曲线拟合等数据预处理。对于地图相关信息，可以仅维持一份缓存数据以减少重复计算。
35.其中，关于交通规则限制信息，是指对目标车辆周围车道的交通规则限制，包括但不限于车速限制、直行限制、拐弯限制等。
36.s102：根据车辆周围信息中的关于障碍物的信息，按照至少一种预设分类方式，对目标车辆周围的目标障碍物进行分类。
37.在本技术实施例中，对于目标车辆周围的每一目标障碍物，目标车辆的预测交互系统可以从车辆周围信息中提取出该目标障碍物的状态信息，并根据该目标障碍物的状态信息，对目标障碍物进行类型判断。其中，对目标障碍物的分类方式包括但不限于障碍物类别(比如车辆、行人、自行车等)、障碍物速度(比如高速、低速等)、障碍物运行意图(比如变道、调头、停车等)。当按照一种或多种预设分类方式，对该目标障碍物进行分类时，可以对应得到该目标障碍物的一种或多种分类结果。
38.s103：基于目标障碍物的分类结果，确定目标障碍物的轨迹预测策略。
39.在本技术实施例中，可以根据目标障碍物的分类结果，选择适用于目标障碍物的轨迹预测算法(也即轨迹预测策略)，选择时依据的规则可以通过配置文件进行设置，配置文件中需标注障碍物的分类结果与轨迹预测算法之间的对应关系，比如障碍物分类结果a对应轨迹预测算法甲、障碍物分类结果b对应轨迹预测算法乙，等等。读取配置文件时，可以根据目标障碍物的分类结果，依据配置文件中的规则选择对应的轨迹预测算法。
40.此外，本技术实施例还可以基于目标障碍物和车辆周围环境的组合分类结果，确定目标障碍物的轨迹预测策略。具体的，在本技术实施例的一种实现方式中，步骤s103可以包括以下步骤a1-a2：
41.步骤a1：根据车辆周围信息中的关于车辆所处环境的信息，按照至少一种预设分类方式，对目标车辆的车辆周围环境进行分类。
42.在本步骤中，目标车辆的预测交互系统可以从车辆周围信息中提取出目标车辆所处的位置坐标、地图环境信息等，以便根据目标车辆所处的位置坐标、地图环境信息等，对目标车辆的车辆周围环境进行类型判断。其中，对车辆周围环境的分类方式包括但不限于区域类型(比如城市、乡村等)、交通状况(比如通畅、拥堵等)、道路场景(比如高速公路、十字路口、停车场等)。当按照一种或多种预设分类方式，对目标车辆的车辆周围环境行分类时，可以对应得到车辆周围环境的一种或多种分类结果。
43.步骤a2：根据目标障碍物和车辆周围环境的分类结果，确定目标障碍物的轨迹预测策略。
44.在本步骤中，可以针对障碍物轨迹预测，预先设置不同的模型、不同的规则等，基于此，当确定了目标障碍物以及车辆周围环境的分类结果时，调用相应的模型、规则等，形成轨迹预测策略，用于分层次地对目标障碍物的运行轨迹进行预测。
45.在本技术实施例的一种实现方式中，步骤a2可以包括：基于配置文件中预先设置的障碍物和周围环境的分类结果、与障碍物轨迹预测策略之间的对应关系，根据目标障碍物和车辆周围环境的分类结果，选择目标障碍物的轨迹预测策略。
46.在本实现方式中，可以根据目标障碍物和车辆周围环境的分类结果，选择适用于目标障碍物与其周围环境的轨迹预测算法(也即轨迹预测策略)，选择时依据的规则可以通过配置文件进行设置，配置文件中需标注障碍物的分类结果、车辆周围环境的分类结果与轨迹预测算法之间的对应关系，比如障碍物和周围环境的分类结果a对应轨迹预测算法甲、障碍物和周围环境的分类结果b对应轨迹预测算法乙，等等。读取配置文件时，可以根据目标障碍物和车辆周围环境的分类结果，依据配置文件中的规则选择对应的轨迹预测算法。
47.进一步地，本技术实施例还可以包括：根据目标障碍物和车辆周围环境的分类结果，确定目标车辆与目标障碍物之间的交互策略。具体实现时，可以基于配置文件中预先设置的障碍物和周围环境的分类结果、与车辆交互策略之间的对应关系，根据目标障碍物和车辆周围环境的分类结果，选择目标车辆与所述目标障碍物之间的交互策略。
48.与上述轨迹预测算法的选择类似，可以根据目标障碍物和车辆周围环境的分类结果，选择适用于目标车辆与目标障碍物的交互方案(也即交互策略)，选择时依据的规则可以通过配置文件进行设置，配置文件中需标注障碍物的分类结果、车辆周围环境的分类结果与交互方案之间的对应关系，比如障碍物和周围环境的分类结果a对应交互方案甲、障碍物和周围环境的分类结果b对应交互方案乙，等等。读取配置文件时，可以根据目标障碍物和车辆周围环境的分类结果，依据配置文件中的规则选择对应的交互方案。
49.s104：根据目标障碍物的轨迹预测策略，预测出目标障碍物的至少一条未来运行轨迹，并预测出每条未来运行轨迹被目标障碍物选择的可能性。
50.在本技术实施例中，当通过上述步骤确定了目标障碍物的轨迹预测策略、以及目标车辆与目标障碍物之间的交互策略后，需要计算对应策略所需的相关特征信息。可以理解的是，由于不同策略方法所需的输入信息不尽相同，可以利用上述步骤s101获取的车辆周围信息，将车辆周围信息作为基础信息，完成对应策略所需输入信息的计算，其中，输入信息包括但不限于目标障碍物自身的特征(比如平均速度、平均加速度等)，目标障碍物与地图之间的特征(比如障碍物与最近车道的距离、方向夹角等)，地图的特征(比如车道的拓扑关系、形状特征等)，等等。
51.然后，利用上述所提供的多种输入信息，使用包括但不限于规则、优化算法、机器学习模型的轨迹预测策略，预测出目标障碍物的多条未来运行轨迹，其中，每种预测算法可以均被实现、封装成为一种预测器，通过预测器管理器简单、高效地实现多种算法的参数加载、初始化、预测等相关功能。需要说明的是，在一些特殊道路环境下，可能只能预测出一条运行轨迹。
52.实际上，多条预测轨迹能够较好地表达出障碍物实际运动时的不确定性，相比单预测轨迹有更高的概率得到正确的轨迹预测结果，具有更高的准确性，从而帮助自动驾驶车辆实现更合理的交互。
53.此外，当求解出目标障碍物可能的多条未来运行轨迹后，本技术实施例可以进一步求解出目标障碍物选择每条未来运行轨迹的概率值，该概率值反应了目标障碍物选择对应未来运行轨迹的可能性，其可以更全面地描述目标障碍物可能的轨迹空间。
54.在本技术实施例的一种实现方式中，s104中的“预测出每条运行轨迹被目标障碍物选择的可能性”，可以包括：根据历史障碍物的历史运行轨迹、目标车辆的车辆周围信息、预测得到的目标障碍物的各个未来运行轨迹，预测出每条未来运行轨迹被目标障碍物选择的可能性。
55.在本实现方式中，可以利用历史障碍物的历史运行轨迹(比如与目标障碍物类型相同的历史障碍物)、目标车辆的车辆周围信息(比如车辆周围信息中的地图环境信息)、预测得到的目标障碍物的各个未来运行轨迹等信息，使用包括但不仅限于lambdamart的机器学习排序算法，求得各未来运行轨迹被目标障碍物选择的概率。例如，在实际预测时，当目标障碍物临近路口区域时，预测器将求得直行、转向、调头等多种可能的预测轨迹，轨迹分布较为发散，然而，当目标障碍物表现出明显的意图之后，预测器则会给出相对集中的预测轨迹，如上由发散到收敛的过程，可以表现出多轨迹预测对目标障碍物轨迹空间较为完整且准确的覆盖。
56.可见，在本技术实施例中，通过对目标障碍物的轨迹空间进行更完善的预测，可以使目标车辆较早获得目标障碍物未来运动轨迹的估算，从而可以使目标车辆提前做出与目标障碍物的交互动作，进而呈现更安全的交互结果。
57.进一步地，本技术实施例还可以包括：对目标障碍物的未来运行轨迹进行有效性验证，其中，有效性验证包括对轨迹几何特性是否合理、轨迹是否满足运动学约束、轨迹是否与地图结构冲突中的至少一项进行验证。
58.具体来讲，可以对预测出的目标障碍物的每一条未来运行轨迹进行有效性验证，以确保提供给下游系统的未来运行轨迹是有效且合理的，保证目标车辆的安全运行。对于目标障碍物的每一条未来运行轨迹，当对该条未来运行轨迹进行有效性验证时，若该条未来运行轨迹的轨迹几何特性合理、轨迹满足运动学约束、轨迹与地图结构不冲突，则该条未来运行轨迹是有效的，那么，目标车辆可以基于该条未来运行轨迹，实现与目标障碍物的正常交互。
59.其中，对“轨迹几何特性是否合理”的验证内容，可以包括：运行轨迹是否自身成环、运行轨迹是否平滑中的至少一项。通常来讲，当对某条未来运行轨迹进行验证时，如果该条轨迹是自身成环的，则该条轨迹是不合理的，反之则合理；如果该条轨迹不是平滑的，则该条轨迹是不合理的，反之则合理。
60.其中，对“轨迹是否满足运动学约束”的验证内容，可以包括：运行轨迹所需加速度是否超出车辆正常行驶时的最大加速度、轨迹曲率是否超出车辆转向角度范围中的至少一项。通常来讲，当对某条未来运行轨迹进行验证时，如果该条轨迹所需加速度超出车辆正常行驶时的最大加速度，则该条轨迹是不合理的，反之则合理；如果该条轨迹的轨迹曲率超出车辆转向角度范围，则该条轨迹是不合理的，反之则合理。
61.其中，对“轨迹是否与地图结构冲突”的验证内容，可以包括：轨迹是否跨越多条车道、轨迹是否逆行、轨迹是否脱离地图区域中的至少一项。通常来讲，当对某条未来运行轨迹进行验证时，如果该条轨迹是跨越多条车道的，则该条轨迹是不合理的，反之则合理；如果该条轨迹是逆行的，则该条轨迹是不合理的，反之则合理；如果该条轨迹是脱离地图区域的，则该条轨迹是不合理的，反之则合理。
62.进一步地，本技术实施例还可以包括：基于目标车辆周围的静态障碍物，确定目标车辆的参考行驶路线；基于目标车辆周围的动态障碍物的未来运行轨迹，判断目标车辆是否会在预设时间内与动态障碍物发生碰撞；根据判断结果，确定目标车辆的实际行驶路线。
63.具体来讲，可以以“让速不让道”的原则实现目标车辆与障碍物之间的交互。由目标车辆的路径规划模块考虑车辆周围的各个静态障碍物后，计算生成目标车辆的参考行驶路线，目标车辆可以沿该参考行驶路线进行行驶，在行驶过程中，当遇到动态障碍物(即前述内容中提及的目标车辆周围的某个目标障碍物)时，由交互逻辑进行处理；在进行处理时，根据预测出的动态障碍物的各个未来运行轨迹，确定目标车辆是否会与该动态障碍物在预设时间内(比如10秒内)发生碰撞，以此来形成一系列的动态约束，并结合车辆运动学的加速度约束，最终为目标车辆选择出一个无碰撞的合适的加速度值，从而确定目标车辆最终的实际运行轨迹。在实际运行过程中，基于前述内容提及的交互策略，实现目标车辆与动态障碍物之间的交互，其中，这里的交互策略可以对跟随、切入、横穿、逆向等运行状态下的动态障碍物，采取比如保守、激进等不同的策略。
64.在以上本技术实施例提供的轨迹预测方法中，对于目标车辆周围的每一目标障碍物，可以预测出目标障碍物的一条或多条未来运行轨迹，并预测出每条未来运行轨迹被目标障碍物选择的可能性，这些预测轨迹能够较好地表达出目标障碍物实际运动时的不确定性，全面描述了目标障碍物可能的轨迹空间，提升了障碍物轨迹预测结果的准确性。而且，通过对轨迹空间更完善的预测，可以使目标车辆提前获得目标障碍物未来运动轨迹的估算结果，可以帮助目标车辆与目标障碍物之间实现更合理的交互，从而实现目标车辆的安全运行。
65.需要说明的是，本技术实施例提供的轨迹预测方法，更适用于低速场景下的目标车辆。
66.参见图2，为本技术实施例提供的一种轨迹预测装置的组成示意图，该装置包括：
67.信息获取单元210，用于获取目标车辆在当前时刻的车辆周围信息；
68.障碍物分类单元220，用于根据所述车辆周围信息中的关于障碍物的信息，按照至少一种预设分类方式，对所述目标车辆周围的目标障碍物进行分类；
69.策略确定单元230，用于基于所述目标障碍物的分类结果，确定所述目标障碍物的轨迹预测策略；
70.轨迹预测单元240，用于根据所述轨迹预测策略，预测出所述目标障碍物的至少一
条未来运行轨迹，并预测出每条未来运行轨迹被所述目标障碍物选择的可能性。
71.在本技术实施例的一种实现方式中，策略确定单元230，包括：
72.环境分类子单元，用于根据所述车辆周围信息中的关于车辆所处环境的信息，按照至少一种预设分类方式，对所述目标车辆的车辆周围环境进行分类；
73.轨迹策略确定子单元，用于根据所述目标障碍物和所述车辆周围环境的分类结果，确定所述目标障碍物的轨迹预测策略。
74.在本技术实施例的一种实现方式中，轨迹策略确定子单元，具体用于：
75.基于配置文件中预先设置的障碍物和周围环境的分类结果、与障碍物轨迹预测策略之间的对应关系，根据所述目标障碍物和所述车辆周围环境的分类结果，选择所述目标障碍物的轨迹预测策略。
76.在本技术实施例的一种实现方式中，策略确定单元230，还包括：
77.交互策略确定子单元，用于根据所述目标障碍物和所述车辆周围环境的分类结果，确定所述目标车辆与所述目标障碍物之间的交互策略。
78.在本技术实施例的一种实现方式中，交互策略确定子单元，具体用于：
79.基于配置文件中预先设置的障碍物和周围环境的分类结果、与车辆交互策略之间的对应关系，根据所述目标障碍物和所述车辆周围环境的分类结果，选择所述目标车辆与所述目标障碍物之间的交互策略。
80.在本技术实施例的一种实现方式中，轨迹预测单元240，具体用于：
81.根据历史障碍物的历史运行轨迹、所述目标车辆的车辆周围信息、预测得到的所述目标障碍物的各个未来运行轨迹，预测出每条未来运行轨迹被所述目标障碍物选择的可能性。
82.在本技术实施例的一种实现方式中，所述装置还包括：
83.轨迹验证单元，用于对所述目标障碍物的未来运行轨迹进行有效性验证，其中，所述有效性验证包括对轨迹几何特性是否合理、轨迹是否满足运动学约束、轨迹是否与地图结构冲突中的至少一项进行验证。
84.在本技术实施例的一种实现方式中，对轨迹几何特性是否合理的验证内容，包括：运行轨迹是否自身成环、运行轨迹是否平滑中的至少一项；对轨迹是否满足运动学约束的验证内容，包括：运行轨迹所需加速度是否超出车辆正常行驶时的最大加速度、轨迹曲率是否超出车辆转向角度范围中的至少一项；对轨迹是否与地图结构冲突的验证内容，包括：轨迹是否跨越多条车道、轨迹是否逆行、轨迹是否脱离地图区域中的至少一项。
85.在本技术实施例的一种实现方式中，所述装置还包括：
86.参考路线确定单元，用于基于所述目标车辆周围的静态障碍物，确定所述目标车辆的参考行驶路线；
87.碰撞判断单元，用于基于所述目标车辆周围的动态障碍物的未来运行轨迹，判断所述目标车辆是否会在预设时间内与动态障碍物发生碰撞；
88.实际路线确定单元，用于根据判断结果，确定所述目标车辆的实际行驶路线。
89.上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
90.对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实
施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本技术方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
91.本技术实施例还提供了一种电子设备，该电子设备的结构示意图如图3所示，该电子设备3000包括至少一个处理器3001、存储器3002和总线3003，至少一个处理器3001均与存储器3002电连接；存储器3002被配置用于存储有至少一个计算机可执行指令，处理器3001被配置用于执行该至少一个计算机可执行指令，从而执行如本技术中任意一个实施例或任意一种可选实施方式提供的任意一种轨迹预测方法的步骤。
92.进一步，处理器3001可以是fpga(field－programmable gate array，现场可编程门阵列)或者其它具有逻辑处理能力的器件，如mcu(microcontroller unit，微控制单元)、cpu(central process unit，中央处理器)。
93.应用本技术实施例，可以预测出目标障碍物的一条或多条未来运行轨迹，并预测出每条未来运行轨迹被目标障碍物选择的可能性，这些预测轨迹能够较好地表达出目标障碍物实际运动时的不确定性，全面描述了目标障碍物可能的轨迹空间，提升了障碍物轨迹预测结果的准确性。而且，通过对轨迹空间更完善的预测，可以使目标车辆提前获得目标障碍物未来运动轨迹的估算结果，可以帮助目标车辆与目标障碍物之间实现更合理的交互，从而实现目标车辆的安全运行。
94.本技术实施例还提供了另一种计算机可读存储介质，存储有计算机程序，该计算机程序用于被处理器执行时实现本技术中任意一个实施例或任意一种可选实施方式提供的任意一种轨迹预测方法的步骤。
95.本技术实施例提供的计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、cd-rom、和磁光盘)、rom(read-only memory，只读存储器)、ram(random access memory，随即存储器)、eprom(erasable programmable read-only memory，可擦写可编程只读存储器)、eeprom(electrically erasable programmable read-only memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，可读存储介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。
96.应用本技术实施例，可以预测出目标障碍物的一条或多条未来运行轨迹，并预测出每条未来运行轨迹被目标障碍物选择的可能性，这些预测轨迹能够较好地表达出目标障碍物实际运动时的不确定性，全面描述了目标障碍物可能的轨迹空间，提升了障碍物轨迹预测结果的准确性。而且，通过对轨迹空间更完善的预测，可以使目标车辆提前获得目标障碍物未来运动轨迹的估算结果，可以帮助目标车辆与目标障碍物之间实现更合理的交互，从而实现目标车辆的安全运行。
97.以上所述仅为本技术的较佳实施例而已，并不用以限制本技术，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术保护的范围之内。