轨迹预测方法及其装置、介质、程序产品和电子设备与流程

本技术涉及智能驾驶，特别涉及一种轨迹预测方法及其装置、介质、程序产品和电子设备。

背景技术：

1、随着经济的发展和人民生活水平的提高，汽车保有量逐年增长，对安全驾驶的要求也越来越高。为提高车辆驾驶的安全性，目前已将智能驾驶技术应用于车辆中，以实现车辆的辅助驾驶和自动驾驶。

2、车辆在智能驾驶过程中，需要进行车辆意图预测，也就是，根据车辆的当前时刻以及历史时刻的行驶轨迹对车辆的未来的行为意图进行预测。在现实环境中，对一个目标车辆进行车辆意图预测时，往往还需要考虑目标车辆受周围车辆的影响，然而现有的通过目标车辆以及周围车辆的历史时刻的行驶轨迹来预测目标车辆未来的行驶轨迹的方法的精确度较差。

技术实现思路

1、有鉴于此，本技术实施例提供了一种轨迹预测方法及其装置、介质、程序产品和电子设备。

2、第一方面，本技术实施例提供了一种车辆轨迹预测方法，应用于电子设备，方法包括：

3、获取目标车辆和目标车辆的关联车辆的历史轨迹信息；

4、基于历史轨迹信息、目标车辆和关联车辆所处行驶环境对应的地图信息，预测目标车辆和关联车辆在预设未来时间段内的位置分布信息；

5、基于位置分布信息确定目标车辆和关联车辆在预设未来时间段内的交互关系；

6、根据交互关系、目标车辆在预设未来时间段内的位置分布信息以及地图信息，确定目标车辆在预设未来时间段内的行驶轨迹。

7、即在本技术的实施例中，这里的目标车辆可以是对其进行行驶轨迹预测的车辆，而关联车辆可以包括与目标车辆所在的车道的相邻车道的车辆、与目标车辆处于同一车道的车辆以及可行驶区域中，如停车场中，位于目标车辆周围的其他车辆。这里的历史轨迹信息可以包括在对目标车辆进行行驶轨迹的时间点之前，即，历史时刻，目标车辆和关联车辆在地图中已经行驶过的行驶路线。这里的行驶环境可以是目标车辆和关联车辆所处的周围环境，而地图信息可以包括但不限于路口类型、车道线、车道数量、可行驶区域、斑马线、道路是否拥塞、车流速度、车流加速度以及车辆与障碍物之间的距离等等地图元素。这里的位置分布信息可以是表示从对目标车辆进行行驶轨迹的时间点开始在未来各时刻目标车辆和关联车辆在地图中的各位置出现的概率。这里的交互关系，即，交互表征，用于表示在行驶过程中，目标车辆与关联车辆之间的相互影响，例如：关联车辆相对于目标车辆实施抢行、让行；目标车辆相对于关联车辆采取加速，避让。这里的预设未来时间段内的行驶轨迹也就是目标车辆的未来轨迹，可以理解为目标车辆在预设未来时间段内的行驶路线。

8、本技术实施例的方法，将预测目标车辆的未来轨迹的过程分成两个阶段来执行，第一阶段，通过目标车辆和关联车辆的历史轨迹，得到目标车辆和关联车辆的未来各时刻的位置分布信息，将位置分布信息作为目标车辆在各时刻(历史时刻和未来各时刻)与关联车辆之间的交互关系；第二阶段，根据各时刻目标车辆与关联车辆之间的交互关系、目标车辆的未来各时刻的位置分布信息和地图的地图信息，预测出目标车辆的预设未来时间段内的行驶轨迹。可以看出，通过未来各时刻目标车辆与关联车辆的之间的交互关系，能够更加精确地表示未来各时刻关联车辆对目标车辆的行驶轨迹的影响，能够更加容易确定关联车辆对目标车辆的行驶轨迹的影响，达到较高的预测精度；同时，目标车辆与关联车辆的位置分布信息还可以被保存下来，在预测目标车辆的行驶轨迹时出现异常结果的情况下，可以根据保存的位置分布信息对异常结果进行回溯，使得轨迹预测方法的预测精度高并具有可回溯性。

9、在上述第一方面的一种可能的实现中，关联车辆包括目标车辆所处行驶环境中所在的车道的相邻车道的车辆以及与目标车辆处于同一车道的车辆。

10、即在本技术的实施例中，关联车辆可以包括与目标车辆所在的车道的相邻车道的车辆、与目标车辆处于同一车道的车辆以及可行驶区域中，如停车场中，位于目标车辆周围的其他车辆。

11、在上述第一方面的一种可能的实现中，历史轨迹信息包括目标车辆通过传感器得到的目标车辆和关联车辆的位置信息或者行驶环境对应的地图中目标车辆和关联车辆的位置信息中的至少一种。

12、即在本技术的实施例中，历史轨迹信息可以包括目标车辆的传感器(gps传感器)中获取的，目标车辆和关联车辆在多个连续时刻于地图中的位置信息；历史轨迹信息可以从包括了目标车辆和关联车辆的视频中获取。

13、在上述第一方面的一种可能的实现中，获取目标车辆和目标车辆的关联车辆的历史轨迹信息，还包括：

14、以历史轨迹信息为输入，通过第一处理方式，得到历史轨迹信息的特征向量。

15、在上述第一方面的一种可能的实现中，第一处理方式包括：将历史轨迹信息，经过lstm算法进行编码，得到表示历史轨迹信息的特征向量。

16、即在本技术的实施例中，将关联车辆的历史轨迹信息转换到目标车辆的坐标系下，使用lstm网络编码，得到关联车辆的特征向量；通过交互池化(social pooling)的方式，将关联车辆的特征向量进行融合，得到融合后的关联车辆的特征向量，即，关联车辆的轨迹特征。在将目标车辆的历史轨迹信息的特征向量与关联车辆的特征向量进行融合。

17、在上述第一方面的一种可能的实现中，基于历史轨迹信息、目标车辆和关联车辆所处行驶环境对应的地图信息，预测目标车辆和关联车辆在预设未来时间段内的位置分布信息，包括：

18、对行驶环境对应的地图信息进行特征提取，得到用于表示地图信息的语义特征，其中，地图信息的语义特征包括行驶环境中的车道，可行驶区域；

19、以地图信息的语义特征和历史轨迹信息为输入，通过第二处理方式，得到目标车辆和关联车辆在预设未来时间段内的位置分布信息。

20、在上述第一方面的一种可能的实现中，第二处理方式包括：将地图信息的语义特征和历史轨迹信息的特征向量进行融合，得到位置分布信息。

21、即在本技术的实施例中，将地图信息的语义特征和目标车辆的历史轨迹信息的语义特征与关联车辆的轨迹特征进行融合后，可以得到预设未来时间段内的各个时刻的目标车辆和关联车辆的位置分布信息。

22、在上述第一方面的一种可能的实现中，交互关系用于表示在预设未来时间段内，关联车辆相对目标车辆实施抢行、让行以及目标车辆相对于关联车辆采取避让，加速中的至少一种。

23、在上述第一方面的一种可能的实现中，基于位置分布信息确定目标车辆和关联车辆在预设未来时间段内的交互关系，包括：

24、根据行驶环境中目标车辆的当前位置与关联车辆的当前位置之间的位置关系，将目标车辆和关联车辆在预设未来时间段内的位置分布信息进行融合，得到目标车辆和关联车辆在预设未来时间段内的交互关系。

25、在上述第一方面的一种可能的实现中，将目标车辆和关联车辆在预设未来时间段内的位置分布信息进行融合，包括：

26、以目标车辆和关联车辆在预设未来时间段内的位置分布信息为输入，经过cnn算法进行编码，得到目标车辆和关联车辆的位置分布信息对应的特征向量；

27、通过融合模型，将目标车辆和关联车辆的位置分布信息对应的特征向量进行融合。

28、即在本技术的实施例中，获取目标车辆和关联车辆的位置分布信息，计算关联车辆到目标车辆的坐标转换，将关联车辆的位置分布信息转换到目标车辆的目标坐标系下，并将预设未来时间段内的各时刻的关联车辆的位置分布信息进行cnn编码后合并，得到合一的位置分布信息，作为目标车辆的交互关系。

29、在上述第一方面的一种可能的实现中，根据交互关系、目标车辆在预设未来时间段内的位置分布信息以及地图信息，预测出目标车辆在预设未来时间段内的行驶轨迹，包括：

30、将交互关系、目标车辆在预设未来时间段内的位置分布信息以及地图信息，通过多头注意力模型进行融合，获得目标车辆在预设未来时间段内的行驶轨迹，其中，行驶轨迹表示行驶环境中目标车辆在预设未来时间段内的位置。

31、即在本技术的实施例中，将预设未来时间段内的各时刻的目标车辆和关联车辆之间的交互关系、目标车辆的位置分布信息以及地图信息的语义特征为输入，使用cnn网络编码，获得预设未来时间段内的各时刻的目标车辆和关联车辆之间的交互关系，目标车辆的位置分布信息以及地图信息的语义特征对应的特征向量。使用多头注意力模型融合上述的特征向量，经过全连接网络，得到目标车辆于预设未来时间段内的各时刻的位置，即，目标车辆在预设未来时间段内的行驶轨迹。

32、第二方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有指令，该指令在电子设备上执行时使电子设备执行上述第一方面的车辆轨迹预测方法。

33、第三方面，本技术实施例提供了一种计算机程序产品，计算机程序产品包括指令，指令当被一个或多个处理器执行时用于实现上述第一方面的车辆轨迹预测方法。

34、第四方面，本技术实施例提供了一种电子设备，包括：

35、存储器，用于存储由电子设备的一个或多个处理器执行的指令，以及

36、处理器，当指令被一个或多个处理器执行时，处理器用于执行上述第一方面的车辆轨迹预测方法。