[发明专利]基于迁移场景用于预测障碍物轨迹的模型训练方法

说明书

本说明书公开了基于迁移场景用于预测障碍物轨迹的模型训练方法，涉及无人驾驶领域，获取到预先通过预设地理场景下的训练样本进行训练得到的轨迹预测模型后，将迁移场景下的各训练样本，作为各候选训练样本，针对每个候选训练样本，根据该候选训练样本对应的轨迹特征和/或该轨迹预测模型对该候选训练样本的预测结果，确定该候选训练样本对应的参考值。根据各候选训练样本对应的参考值，选取出目标训练样本，以及根据目标训练样本对轨迹预测模型进行训练，以得到在迁移场景下的轨迹预测模型，在提高该轨迹预测模型在迁移场景下进行轨迹预测的准确性的同时，减少了迁移场景下用于训练该轨迹预测模型的训练样本的数据量。

技术领域

本说明书涉及无人驾驶领域，尤其涉及基于迁移场景用于预测障碍物轨迹的模型训练方法。

背景技术

随着信息技术的不断发展，无人驾驶已初步进入人们的生活，而在实际应用中，保证无人驾驶设备的安全行驶，则是通过无人驾驶设备执行各项任务的前提条件。为了无人驾驶设备的安全行驶，需要使无人驾驶设备对周围的障碍物未来的轨迹进行预测，从而无人驾驶设备可以提前制定行驶策略，达到安全行驶的目的。

在现有技术中，可以通过历史上获取到大量障碍物的轨迹数据，并通过这些轨迹数据预先训练出可以预测障碍物轨迹的模型，但是这种方式，往往对无人驾驶设备在不同地理场景行驶时存在不同的效果，例如，可以通过大量的A地的轨迹数据训练出模型，而该模型若应用到无人驾驶设备在B地行驶时的轨迹预测，预测出的轨迹可能会不准确，因此，现有技术这种方式存在一定的不准确性，而若直接通过B地的全部轨迹数据重新训练轨迹预测模型，则所需的数据量较大效率较低。

所以，如何提高在不同地理场景下轨迹预测的准确性以及提高模型训练的效率，则是一个亟待解决的问题。

发明内容

本说明书提供一种基于迁移场景用于预测障碍物轨迹的模型训练方法，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种基于迁移场景用于预测障碍物轨迹的模型训练方法，所述方法应用在无人驾驶领域中，包括：

获取预先通过预设地理场景下的训练样本训练得到的轨迹预测模型，以及获取迁移场景下的各训练样本，作为各候选训练样本，所述迁移场景的地理区域与所述预设地理场景不同，每个候选训练样本中包含指定设备周围障碍物的历史行驶轨迹；

针对每个候选训练样本，根据该候选训练样本对应的轨迹特征，和/或所述轨迹预测模型对该候选训练样本的预测结果，确定该候选训练样本对应的参考值，该候选训练样本对应的参考值用于表征该候选训练样本中包含的历史行驶轨迹的行驶特点与所述预设地理场景对应的行驶特点之间的区别程度；

根据各候选训练样本对应的参考值，从所述各候选训练样本中，选取出目标训练样本；

根据所述目标训练样本，对所述轨迹预测模型进行训练，以得到用于预测迁移场景中各障碍物的行驶轨迹的轨迹预测模型。

可选地，根据该候选训练样本对应的轨迹特征，和/或所述轨迹预测模型对该候选训练样本的预测结果，确定该候选训练样本对应的参考值，具体包括：

根据所述轨迹预测模型对该候选训练样本的预测结果，确定该候选训练样本对应的第一参考值，所述第一参考值用于表征所述轨迹预测模型基于该候选训练样本进行轨迹预测的不确定程度；

根据该候选训练样本对应的轨迹特征，确定该候选训练样本对应的第二参考值，所述第二参考值表征该候选训练样本在用于训练所述轨迹预测模型的训练样本中的多样性；

根据该候选训练样本对应的第一参考值和/或该候选训练样本对应的第二参考值，确定该候选训练样本对应的参考值。

可选地，根据所述轨迹预测模型对该候选训练样本的预测结果，确定该候选训练样本对应的第一参考值，具体包括：