一种路口车辆轨迹预测方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115050184A(43)申请公布日2022.09.13(21)申请号202210667289.7(22)申请日2022.06.13(71)申请人九识智行（北京）科技有限公司地址102211北京市昌平区小汤山镇常兴庄村常后路西100米丝路风情（北京）酒店管理服务有限公司内2层821645(72)发明人崔霄(74)专利代理机构北京德崇智捷知识产权代理有限公司11467专利代理师王欣(51)Int.Cl.G08G1/01(2006.01)权利要求书2页说明书8页附图3页(54)发明名称一种路口车辆轨迹预测方法及装置(57)摘要本发明公开了一种路口车辆轨迹预测方法及装置，涉及自动驾驶技术领域。该方法一具体实施方式包括：将出口车道信息输入第一编码器，获取若干出口车道的高维特征；将路口车辆信息输入第二编码器，获取被预测车辆的高维特征和其他车辆的高维特征；基于交叉注意力机制，获得车辆车道融合特征；基于被预测车辆的高维特征和若干出口车道的高维特征，从若干出口车道中选择出若干目标出口车道；将被预测车辆的高维特征、车辆车道融合特征和各个目标出口车道的高维特征输入解码器，得到被预测车辆的轨迹。该实施方式能够准确地的对路口内的车辆进行轨迹预测。CN115050184ACN115050184A权利要求书1/2页1.一种路口车辆轨迹预测方法，其特征在于，包括：将出口车道信息输入第一编码器，获得若干出口车道的高维特征；将路口车辆信息输入第二编码器，获得被预测车辆的高维特征和其他车辆的高维特征；基于交叉注意力机制融合所述被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征；基于所述交叉注意力机制融合所述车辆融合特征和所述若干出口车道的高维特征，获得车辆车道融合特征；基于所述被预测车辆的高维特征和所述若干出口车道的高维特征，从所述若干出口车道中选择出若干目标出口车道；将所述被预测车辆的高维特征、所述车辆车道融合特征和各个所述目标出口车道的高维特征输入解码器，得到所述被预测车辆的轨迹。2.根据权利要求1所述的方法，其特征在于，所述出口车道信息包括：车道中心线信息、车道宽度和车道类型中任意一种或多种。3.根据权利要求1所述的方法，其特征在于，所述第一编码器包括多层感知器、卷积神经网络、长短时记忆网络、循环神经网络中的一种或两种以上的组合。4.根据权利要求1所述的方法，其特征在于，所述路口车辆信息包括：车辆位置、车辆速度和车辆加速度中任意一种或多种。5.根据权利要求1所述的方法，其特征在于，所述第二编码器包括多层感知器、卷积神经网络、长短时记忆网络、循环神经网络中的一种或两种以上的组合。6.根据权利要求1所述的方法，其特征在于，基于交叉注意力机制融合所述被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征，包括：根据所述被预测车辆的高维特征和所述其他车辆的高维特征，计算第一注意力分数；以所述第一注意力分数为权重，对所述其他车辆的高维特征进行加权求和，得到所述车辆融合特征。7.根据权利要求1所述的方法，其特征在于，基于所述交叉注意力机制融合所述车辆融合特征和所述若干出口车道的高维特征，获得车辆车道融合特征，包括：根据所述车辆融合特征和所述若干出口车道的高维特征，计算第二注意力分数；以所述第二注意力分数为权重，对所述若干出口车道的高维特征进行加权求和，得到所述车辆车道融合特征。8.根据权利要求7所述的方法，其特征在于，基于所述被预测车辆的高维特征和所述若干出口车道的高维特征，从所述若干出口车道中选择出若干目标出口车道，包括：将所述被预测车辆的高维特征和所述若干出口车道的高维特征输入评价网络，得到各个所述出口车道的第一评分；2CN115050184A权利要求书2/2页基于所述第一评分和所述第二注意力分数，计算各个所述出口车道的第二评分；根据所述第二评分，从所述若干出口车道中选择出若干目标出口车道。9.根据权利要求8所述的方法，其特征在于，所述评价网络包括：多层感知器，或者卷积神经网络，或者时间递归神经网络。10.根据权利要求1所述的方法，其特征在于，所述解码器为卷积神经网络，或者时间递归神经网络。11.一种路口车辆轨迹预测装置，其特征在于，包括：编码模块，配置为将出口车道信息输入第一编码器，获得若干出口车道的高维特征；将路口车辆信息输入第二编码器，获得被预测车辆的高维特征和其他车辆的高维特征；交叉注意力模块，配置为基于交叉注意力机制融合所述被预测车辆的高维特征和其他车辆的高维特征，获得车辆融合特征；基于所述交叉注意力机制融合所述车辆融合特征和所述若干出口车道的高维特征，获得车辆车道融合特征；选择模块，配置为基于所述被预测车辆的高维特征和所述若干出口车道的高维特征，从所述若干出口车道中选择出若干