[发明专利]障碍物轨迹预测方法、系统及计算机存储介质

权利要求书

1.一种障碍物轨迹预测方法，其特征在于，包括：

获取起始时刻至观测时刻的历史状态信息，所述历史状态信息包括车辆周围的静态环境信息和障碍物状态信息；

将所述历史状态信息矢量化后输入等级图神经网络，以输出障碍物在所述观测时刻至所述预测时刻的预测轨迹，并根据障碍物在所述观测时刻至所述预测时刻的预测轨迹与障碍物在所述观测时刻至所述预测时刻的真实轨迹训练所述等级图神经网络；

通过训练后的等级图神经网络输出障碍物在所述预测时刻之后的预测轨迹。

2.根据权利要求1所述的障碍物轨迹预测方法，其特征在于，所述获取起始时刻至观测时刻的历史状态信息，包括：

获取车辆周围预设范围内的障碍物状态信息；

获得起始时刻至观测时刻的车辆位置信息；

根据高精度地图及所述车辆位置信息确定车辆周围预设范围内的静态环境信息。

3.根据权利要求1所述的障碍物轨迹预测方法，其特征在于，所述将所述历史状态信息矢量化后输入等级图神经网络，包括：

对所述历史状态信息进行矢量化编码；

根据矢量化后的历史状态信息提取低阶子图特征和高阶交互特征；

根据所述低阶子图特征建立局部特征图；

根据所述局部特征图和所述高阶交互特征建立全局特征图；

将所述全局特征图输入所述等级图神经网络，以输出障碍物在所述观测时刻至所述预测时刻的预测轨迹。

4.根据权利要求3所述的障碍物轨迹预测方法，其特征在于，所述对所述历史状态信息进行矢量化编码，包括：

提取所述静态环境信息和所述障碍物状态信息中的目标信息，包括出发点坐标、终止点坐标、目标类型、时间戳、道路属性、车道限速中的至少一项；

标记所述目标信息作为所述静态环境信息中各地图元素及所述障碍物状态信息中各障碍物的矢量特征。

5.根据权利要求3所述的障碍物轨迹预测方法，其特征在于，所述将所述全局特征图输入所述等级图神经网络，以输出障碍物在所述观测时刻至所述预测时刻的预测轨迹，包括：

通过全连接层处理所述全局特征图，得到障碍物的行为分类和运动轨迹的输出向量；

将所述行为分类和所述运动轨迹的输出向量输入等级图神经网络，以输出障碍物在所述观测时刻至所述预测时刻的预测轨迹。

6.根据权利要求1或3所述的障碍物轨迹预测方法，其特征在于，所述根据障碍物在所述观测时刻至所述预测时刻的预测轨迹与障碍物在所述观测时刻至所述预测时刻的真实轨迹训练所述等级图神经网络，包括：

根据损失函数计算障碍物在所述观测时刻至所述预测时刻的预测轨迹与所述真实轨迹之间的差异值；

根据所述差异值对所述等级图神经网络进行多任务联合训练以调整所述等级图神经网络，所述多任务联合训练包括对所述障碍物的运动轨迹的回归训练以及对所述障碍物的行为分类训练。

7.根据权利要求6所述的障碍物轨迹预测方法，其特征在于，所述损失函数公式如下：

L＝L_traj+αL_cls (1)

其中，L_traj为回归任务的loss函数；L_cls为分类任务的loss函数，α为权重调节参数。

8.根据权利要求6所述的障碍物轨迹预测方法，其特征在于，所述根据所述差异值对所述等级图神经网络进行多任务联合训练以调整所述等级图神经网络，包括：

根据所述差异值对所述等级图神经网络进行多任务联合训练以调整所述障碍物在所述观测时刻至所述预测时刻的预测轨迹，直至障碍物在所述观测时刻至所述预测时刻的预测轨迹与所述真实轨迹之间的差异值趋于稳定或收敛。