驾驶意图预测方法、装置、终端设备以及存储介质与流程

本发明涉及汽车，尤其涉及一种驾驶意图预测方法、装置、终端设备以及存储介质。

背景技术：

1、驾驶意图预测是指通过分析驾驶员的行为、车辆状态和周围环境等信息，预测驾驶员未来一段时间内可能采取的行驶路线、速度和转向等行为。这一技术在自动驾驶、智能交通系统等领域具有重要应用价值。

2、在传统的驾驶意图预测算法中，车内外特征被简单拼接融合，没有充分考虑驾驶员对外部环境的认知过程，导致驾驶意图预测的精度较低。

3、因此，有必要提出一种提高驾驶意图预测的精度的解决方案。

4、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种驾驶意图预测方法、装置、终端设备以及存储介质，旨在提高驾驶意图预测的精度。

2、为实现上述目的，本发明提供一种驾驶意图预测方法，所述驾驶意图预测方法包括：

3、获取当前车辆对应的目标车辆轨迹序列；

4、基于预先训练的驾驶意图预测模型，对所述目标车辆轨迹序列进行处理，确定所述当前车辆对应的用户的驾驶意图；

5、其中，所述驾驶意图预测模型基于认知驱动算法训练得到。

6、可选地，所述基于预先训练的驾驶意图预测模型，对所述目标车辆轨迹序列进行处理，确定所述当前车辆对应的用户的驾驶意图的步骤之前还包括：

7、基于空洞卷积和/或因果卷积构建神经网络框架；

8、基于认知驱动算法对所述神经网络框架进行训练，得到所述驾驶意图预测模型。

9、可选地，所述神经网络框架包括卷积层、编码器以及解码器中的至少一项，所述基于认知驱动算法对所述神经网络框架进行训练，得到所述驾驶意图预测模型的步骤包括：

10、获取车辆轨迹样本数据及对应的真实数据；

11、通过所述卷积层对所述车辆轨迹样本数据进行特征提取及池化操作，得到样本特征图；

12、通过所述编码器对所述样本特征图进行处理，得到样本输出特征图；

13、基于所述认知驱动算法中的注意力机制，通过所述解码器对所述样本输出特征图进行特征重建，得到样本轨迹分割结果；

14、根据所述样本轨迹分割结果与所述真实数据计算损失函数；

15、根据所述损失函数对所述神经网络框架的网络参数进行更新，并返回执行通过所述卷积层对所述车辆轨迹样本数据进行特征提取的步骤及后续步骤，直至所述神经网络框架收敛，终止训练，得到所述驾驶意图预测模型。

16、可选地，所述获取当前车辆对应的目标车辆轨迹序列的步骤包括：

17、通过设置在所述当前车辆上的至少一传感器采集驾驶场景视频；

18、对所述驾驶场景视频进行分割处理，得到所述目标车辆轨迹序列。

19、可选地，所述基于预先训练的驾驶意图预测模型，对所述目标车辆轨迹序列进行处理，确定所述当前车辆对应的用户的驾驶意图的步骤包括：

20、通过所述卷积层对所述目标车辆轨迹序列进行特征提取及池化操作，得到目标特征图；

21、通过所述编码器对所述目标特征图进行处理，得到目标输出特征图；

22、基于所述认知驱动算法中的注意力机制，通过所述解码器对所述目标输出特征图进行特征重建，得到目标轨迹分割结果；

23、生成所述目标轨迹分割结果对应的驾驶意图。

24、可选地，所述编码器包括空洞卷积层、因果卷积层以及跳跃连接层中的至少一项，所述通过所述编码器对所述目标特征图进行处理，得到目标输出特征图的步骤包括：

25、通过所述空洞卷积层对所述目标特征图进行深度可分离空洞卷积，得到目标提取特征；和/或，通过所述因果卷积层对所述目标特征图进行因果卷积操作，得到目标提取特征；

26、通过所述跳跃连接层对所述目标提取特征进行求和操作和/或拼接操作，得到所述目标输出特征图。

27、可选地，所述基于所述认知驱动算法中的注意力机制，通过所述解码器对所述目标输出特征图进行特征重建，得到目标轨迹分割结果的步骤包括：

28、计算所述目标输出特征图对应的注意力值，以及，对所述目标输出特征图进行注意力处理，得到注意力处理后的特征图；

29、对所述注意力值进行归一化处理，得到归一化后的注意力分布；

30、根据所述归一化后的注意力分布与注意力处理后的特征图确定所述目标轨迹分割结果。

31、此外，为实现上述目的，本发明还提供一种驾驶意图预测装置，所述驾驶意图预测装置包括：

32、获取模块，用于获取当前车辆对应的目标车辆轨迹序列；

33、预测模块，用于基于预先训练的驾驶意图预测模型，对所述目标车辆轨迹序列进行处理，确定所述当前车辆对应的用户的驾驶意图；

34、其中，所述驾驶意图预测模型基于认知驱动算法训练得到。

35、此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的驾驶意图预测程序，所述驾驶意图预测程序被所述处理器执行时实现如上所述的驾驶意图预测方法的步骤。

36、此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有驾驶意图预测程序，所述驾驶意图预测程序被处理器执行时实现如上所述的驾驶意图预测方法的步骤。

37、本发明实施例提出的一种驾驶意图预测方法、装置、终端设备以及存储介质，通过获取当前车辆对应的目标车辆轨迹序列；基于预先训练的驾驶意图预测模型，对所述目标车辆轨迹序列进行处理，确定所述当前车辆对应的用户的驾驶意图；其中，所述驾驶意图预测模型基于认知驱动算法训练得到，通过认知驱动算法训练得到驾驶意图预测模型，可以帮助模型自动调节对输入数据的关注程度，从而提高驾驶意图预测模型的学习效果和鲁棒性，采用训练后的驾驶意图预测模型对目标车辆轨迹序列进行处理，确定当前车辆对应的用户的驾驶意图，提高了驾驶意图预测的精度，进而提前做出相应的控制决策，有助于提升车辆行驶过程中的安全性和/或舒适性。

技术特征：

1.一种驾驶意图预测方法，其特征在于，所述驾驶意图预测方法包括以下步骤：

2.如权利要求1所述的驾驶意图预测方法，其特征在于，所述基于预先训练的驾驶意图预测模型，对所述目标车辆轨迹序列进行处理，确定所述当前车辆对应的用户的驾驶意图的步骤之前还包括：

3.如权利要求2所述的驾驶意图预测方法，其特征在于，所述神经网络框架包括卷积层、编码器以及解码器中的至少一项，所述基于认知驱动算法对所述神经网络框架进行训练，得到所述驾驶意图预测模型的步骤包括：

4.如权利要求1所述的驾驶意图预测方法，其特征在于，所述获取当前车辆对应的目标车辆轨迹序列的步骤包括：

5.如权利要求3所述的驾驶意图预测方法，其特征在于，所述基于预先训练的驾驶意图预测模型，对所述目标车辆轨迹序列进行处理，确定所述当前车辆对应的用户的驾驶意图的步骤包括：

6.如权利要求5所述的驾驶意图预测方法，其特征在于，所述编码器包括空洞卷积层、因果卷积层以及跳跃连接层中的至少一项，所述通过所述编码器对所述目标特征图进行处理，得到目标输出特征图的步骤包括：

7.如权利要求5所述的驾驶意图预测方法，其特征在于，所述基于所述认知驱动算法中的注意力机制，通过所述解码器对所述目标输出特征图进行特征重建，得到目标轨迹分割结果的步骤包括：

8.一种驾驶意图预测装置，其特征在于，所述驾驶意图预测装置包括：

9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的驾驶意图预测程序，所述驾驶意图预测程序被所述处理器执行时实现如权利要求1-7中任一项所述的驾驶意图预测方法的步骤。

10.一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驾驶意图预测程序，所述驾驶意图预测程序被处理器执行时实现如权利要求1-7中任一项所述的驾驶意图预测方法的步骤。

技术总结
本发明公开了一种驾驶意图预测方法、装置、终端设备以及存储介质，通过获取当前车辆对应的目标车辆轨迹序列；基于预先训练的驾驶意图预测模型，对所述目标车辆轨迹序列进行处理，确定所述当前车辆对应的用户的驾驶意图；其中，所述驾驶意图预测模型基于认知驱动算法训练得到，通过认知驱动算法训练得到驾驶意图预测模型，可以帮助模型自动调节对输入数据的关注程度，从而提高驾驶意图预测模型的学习效果和鲁棒性，采用训练后的驾驶意图预测模型对目标车辆轨迹序列进行处理，确定当前车辆对应的用户的驾驶意图，提高了驾驶意图预测的精度，进而提前做出相应的控制决策，有助于提升车辆行驶过程中的安全性和/或舒适性。

技术研发人员：徐鑫
受保护的技术使用者：广州小鹏自动驾驶科技有限公司
技术研发日：
技术公布日：2024/3/24