轨迹预测方法、装置、介质、设备、芯片和车辆.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115071704A(43)申请公布日2022.09.20(21)申请号202210848278.9(22)申请日2022.07.19(71)申请人小米汽车科技有限公司地址100176北京市大兴区北京经济技术开发区科创十街15号院5号楼6层618室(72)发明人赵燕顺(74)专利代理机构北京英创嘉友知识产权代理事务所(普通合伙)11447专利代理师卢夏子(51)Int.Cl.B60W30/095(2012.01)B60W50/00(2006.01)权利要求书2页说明书13页附图3页(54)发明名称轨迹预测方法、装置、介质、设备、芯片和车辆(57)摘要本公开涉及一种轨迹预测方法、装置、介质、设备、芯片和车辆。该方法包括：获取目标对象的目标历史移动轨迹，将该目标历史移动轨迹输入目标轨迹预测模型，得到目标轨迹预测模型输出的目标对象在第一预设时间段内的目标预测轨迹，其中，该目标轨迹预测模型为根据第一训练样本集，基于待定轨迹预测模型和待定轨迹回溯模型进行互相监督训练后得到的轨迹预测模型，在训练过程中对第一训练样本集进行了扩充，从而提高了训练后得到的目标轨迹预测模型的预测准确度，也提高了自动驾驶车辆的安全性。CN115071704ACN115071704A权利要求书1/2页1.一种轨迹预测方法，其特征在于，所述方法包括：获取目标对象的目标历史移动轨迹；将所述目标历史移动轨迹输入目标轨迹预测模型，得到所述目标轨迹预测模型输出的所述目标对象在第一预设时间段内的目标预测轨迹；其中，所述目标轨迹预测模型是将第一训练样本集中的样本预测轨迹作为待定轨迹回溯模型的输入，得到所述待定轨迹回溯模型输出的第一历史轨迹，所述第一训练样本集包括样本历史轨迹和所述样本预测轨迹；将所述第一历史轨迹作为所述样本预测轨迹对应的新的样本历史轨迹，添加至所述第一训练样本集，得到第二训练样本集，并根据所述第二训练样本集对待定轨迹预测模型进行训练得到的模型；所述待定轨迹回溯模型是将所述第一训练样本集中的所述样本历史轨迹作为所述待定轨迹预测模型的输入，得到所述待定轨迹预测模型输出的第一预测轨迹，将所述第一预测轨迹作为所述样本历史轨迹对应的新的样本预测轨迹，添加至所述第一训练样本集，得到第三训练样本集，并根据所述第三训练样本集进行训练得到的模型。2.根据权利要求1所述的方法，其特征在于，所述目标轨迹预测模型是通过以下方式训练得到的：获取多个所述第一训练样本集；确定所述待定轨迹预测模型和所述待定轨迹回溯模型；循环执行模型训练步骤，直至确定训练后的待定轨迹预测模型满足目标停止迭代条件，根据训练后的待定轨迹预测模型获取所述目标轨迹预测模型；其中，所述模型训练步骤包括：将所述样本预测轨迹输入所述待定轨迹回溯模型，得到所述第一历史轨迹；将所述第一历史轨迹作为所述样本预测轨迹对应的新的样本历史轨迹，添加至所述第一训练样本集，得到第二训练样本集；根据所述第二训练样本集对所述待定轨迹预测模型进行训练，将训练后的待定轨迹预测模型作为新的待定轨迹预测模型。3.根据权利要求2所述的方法，其特征在于，在所述将所述样本预测轨迹输入所述待定轨迹回溯模型，得到第一历史轨迹之前，所述模型训练步骤还包括：将所述样本历史轨迹输入所述待定轨迹预测模型，得到第一预测轨迹；将所述第一预测轨迹作为所述样本历史轨迹对应的新的样本预测轨迹，添加至所述第一训练样本集，得到第三训练样本集；根据所述第三训练样本集对所述待定轨迹回溯模型进行训练，将训练后的待定轨迹回溯模型作为新的待定轨迹回溯模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述第三训练样本集对所述待定轨迹回溯模型进行训练，将训练后的待定轨迹回溯模型作为新的待定轨迹回溯模型包括：将所述第一预测轨迹输入所述待定轨迹回溯模型，得到所述第一预测轨迹对应的一个或多个第二历史轨迹；通过第一损失函数计算得到所述第二历史轨迹与所述样本历史轨迹的第一损失值；其中，该第一损失值用于表征所述第二历史轨迹与所述样本历史轨迹的差异程度；根据所述第一损失值更新所述待定轨迹回溯模型的参数，得到训练后的待定轨迹回溯2CN115071704A权利要求书2/2页模型，并将训练后的待定轨迹回溯模型作为新的待定轨迹回溯模型。5.根据权利要求2所述的方法，其特征在于，所述根据所述第二训练样本集对所述待定轨迹预测模型进行训练，将训练后的待定轨迹预测模型作为新的待定轨迹预测模型包括：将所述第一历史轨迹输入所述待定轨迹预测模型，得到所述第一历史轨迹对应的一个或多个第二预测轨迹；通过第二损失函数计算得到所述第二预测轨迹与所述样本预测轨迹的第二损失值；其中，该第二损失值用于表征所述第二预测轨迹与所述样本预测轨迹的差异程度；在根据所述第二损失值确定所述待