[发明专利]障碍物轨迹预测方法、装置、存储介质及电子设备

权利要求书

1.一种障碍物轨迹预测方法，其特征在于，包括：

获取障碍物在历史上第一时长内的行驶数据，所述行驶数据包括所述第一时长内若干时刻的状态数据；

以不同时刻的状态数据作为行数据，以所述状态数据的不同数据维度的数据作为列数据，构建状态矩阵；

将所述状态矩阵输入预先训练的轨迹预测模型的时间编码层，对所述状态矩阵进行列卷积，使同一数据维度在不同时刻的特征融合，得到所述障碍物在时间维度上的关联特征；

将所述状态矩阵输入预先训练的轨迹预测模型的空间编码层，对所述状态矩阵进行行卷积，使不同数据维度在同一时刻的特征融合，得到所述障碍物在空间维度上的关联特征；

根据所述障碍物分别在时间维度和空间维度上的关联特征，通过所述轨迹预测模型的解码层，确定所述障碍物的预测行驶轨迹。

2.如权利要求1所述的方法，其特征在于，将所述状态矩阵输入预先训练的轨迹预测模型的时间编码层和/或空间编码层之前，所述方法还包括：

针对所述第一时长内的每个时刻，根据所述障碍物对应该时刻的状态数据，以及所述障碍物对应各其它时刻的状态数据，确定该时刻对应的关联矩阵，所述关联矩阵表征各其它时刻的状态数据与该时刻的状态数据之间的相关性；

根据所述第一时长内各时刻对应的关联矩阵，确定注意力权值矩阵；

根据所述注意力权值矩阵，对所述状态矩阵进行注意力加权，确定加权后的状态矩阵。

3.如权利要求1所述的方法，其特征在于，所述时间编码层包括标准卷积层和空洞卷积层；

将所述状态矩阵输入预先训练的轨迹预测模型的时间编码层，对所述状态矩阵进行列卷积，使同一数据维度在不同时刻的特征融合，得到所述障碍物在时间维度上的关联特征，具体包括：

将所述状态矩阵输入预先训练的轨迹预测模型中时间编码层的标准卷积层，对所述状态矩阵进行标准列卷积，使同一数据维度在相邻时刻的特征进行融合，得到所述障碍物在时间维度上的第一子关联特征；

将所述状态矩阵输入预先训练的轨迹预测模型中时间编码层的空洞卷积层，对所述状态矩阵进行空洞列卷积，使同一数据维度在间隔时刻的特征进行融合，得到所述障碍物在时间维度上的第二子关联特征，所述间隔时刻之间间隔预设时长；

根据所述第一子关联特征以及所述第二子关联特征，进行特征融合，得到所述障碍物在时间维度上的关联特征。

4.如权利要求1所述的方法，其特征在于，所述空间编码层包括标准卷积层和空洞卷积层；

将所述状态矩阵输入预先训练的轨迹预测模型的空间编码层，对所述状态矩阵进行行卷积，使不同数据维度在同一时刻的特征融合，得到所述障碍物在空间维度上的关联特征，具体包括：

将所述状态矩阵输入预先训练的轨迹预测模型中空间编码层的标准卷积层，对所述状态矩阵进行标准行卷积，使相邻数据维度在同一时刻的特征进行融合，得到所述障碍物在空间维度上的第一子关联特征；

将所述状态矩阵输入预先训练的轨迹预测模型中空间编码层的空洞卷积层，对所述状态矩阵进行空洞行卷积，使间隔数据维度在同一时刻的特征进行融合，得到所述障碍物在空间维度上的第二子关联特征；

根据所述第一子关联特征以及所述第二子关联特征，进行特征融合，得到所述障碍物在空间维度上的关联特征。

5.如权利要求1所述的方法，其特征在于，所述轨迹预测模型还包括全编码层；

根据所述障碍物分别在时间维度和空间维度上的关联特征，通过所述轨迹预测模型的解码层，确定所述障碍物的预测行驶轨迹，具体包括：

将所述状态矩阵输入所述轨迹预测模型的全编码层，确定所述障碍物的综合关联特征；

根据所述障碍物在时间维度上的关联特征、在空间维度上的关联特征以及所述综合关联特征，进行特征融合，得到融合特征；

将所述融合特征输入所述轨迹预测模型的解码层，确定所述障碍物的预测行驶轨迹。