[发明专利]障碍物轨迹预测方法、系统及计算机存储介质

说明书

本申请提供了一种障碍物轨迹预测方法、系统及计算机存储介质，方法包括：获取起始时刻至观测时刻的历史状态信息，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，以输出障碍物在观测时刻至预测时刻的预测轨迹，并根据障碍物在观测时刻至预测时刻的预测轨迹与障碍物在观测时刻至预测时刻的真实轨迹训练等级图神经网络；通过训练后的等级图神经网络输出障碍物在预测时刻之后的预测轨迹。本申请通过较少的参数和较低的计算消耗，实现对环境特征的有效提取和对障碍物行为轨迹的联合训练，从而达到理想的障碍物轨迹预测效果。

技术领域

本发明涉及无人驾驶技术领域，尤其涉及一种障碍物轨迹预测方法、系统及计算机存储介质。

背景技术

障碍物的轨迹预测指根据障碍物历史的运动路径，预测其未来的轨迹。在自动驾驶场景中，需要对无人驾驶车辆周围，可能对其造成影响的障碍物的运动轨迹进行预测，而障碍物包括：机动车辆、非机动车辆和行人等。面临的具体难点主要包括以下几个方面：1)运动轨迹需同时满足交通规则和物理约束；2)障碍物运动状态，以及周围交通环境等的特征描述；3)需能够提供出多种可能的合理轨迹，以便进行后续筛选；4)交通路况复杂，包含多种可能性，且存在没有明确车道划分范围的区域，增加了障碍物轨迹预测的难度。

发明内容

有鉴于此，本发明提供了一种障碍物轨迹预测方法、系统及计算机存储介质，本申请通过较少的参数和较低的计算消耗，实现对环境特征的有效提取和对障碍物行为轨迹的联合训练，从而达到理想的障碍物轨迹预测效果。

第一方面，本发明提供了一种障碍物轨迹预测方法，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。

其中，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。

其中，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。

其中，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。

其中，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；