车辆轨迹预测方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114742317A(43)申请公布日2022.07.12(21)申请号202210515263.0(22)申请日2022.05.11(71)申请人苏州易航远智智能科技有限公司地址215024江苏省苏州市中国（江苏）自由贸易试验区苏州片区苏州工业园区胜浦兴浦路200号联东U谷7幢301(72)发明人林华东范圣印李雪(74)专利代理机构北京庚致知识产权代理事务所(特殊普通合伙)11807专利代理师韩德凯(51)Int.Cl.G06Q10/04(2012.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书17页附图6页(54)发明名称车辆轨迹预测方法、装置、电子设备及存储介质(57)摘要本公开提供了一种车辆轨迹预测方法，包括：获取目标车辆的第一未来轨迹特征序列；获取目标车辆的观测图像特征以生成特征图；基于特征图获取目标车辆的第二未来轨迹特征序列，基于特征图获取目标车辆的轨迹多模态特征；获得第一未来反转轨迹特征序列和第二未来反转轨迹特征序列；将第一未来反转轨迹特征序列和第二未来反转轨迹特征序列进行第一融合处理，获得未来轨迹融合特征序列；将未来轨迹融合特征序列中的每个未来轨迹融合特征与轨迹多模态特征进行第二融合处理，获得最终未来轨迹特征以用于生成最终未来预测轨迹；基于语义地图中的车道线对最终未来预测轨迹进行修正，获得修正轨迹。本公开还提供了一种车辆轨迹预测装置、电子设备。CN114742317ACN114742317A权利要求书1/4页1.一种车辆轨迹预测方法，其特征在于，包括：S110、基于获取的目标车辆的观测轨迹序列获取目标车辆的第一未来轨迹特征序列；S120、基于以所述目标车辆为中心的语义地图获取所述目标车辆的观测图像特征以生成特征图；S130、基于所述特征图获取所述目标车辆的第二未来轨迹特征序列，基于所述特征图获取所述目标车辆的至少一个轨迹多模态特征；S140、将所述第一未来轨迹特征序列和所述第二未来轨迹特征序列分别进行反转，获得第一未来反转轨迹特征序列和第二未来反转轨迹特征序列；S150、将所述第一未来反转轨迹特征序列和所述第二未来反转轨迹特征序列进行第一融合处理，获得未来轨迹融合特征序列；以及S160、将所述未来轨迹融合特征序列中的每个未来轨迹融合特征与所述至少一个轨迹多模态特征进行第二融合处理，获得至少一个最终未来轨迹特征以用于生成至少一个最终未来预测轨迹。2.根据权利要求1所述的车辆轨迹预测方法，其特征在于，还包括：S170、基于语义地图中的车道线对所述最终未来预测轨迹进行修正，以获得修正轨迹。3.根据权利要求1或2所述的车辆轨迹预测方法，其特征在于，S110、基于获取的目标车辆的观测轨迹序列获取目标车辆的第一未来轨迹特征序列，包括：S111、对目标车辆的观测轨迹序列进行嵌入处理，并进行位置编码处理，生成预编码特征；S112、使用第一Transformer模型的编码器对所述预编码特征进行编码处理，获得第一特征向量；以及S113、使用第一Transformer模型的解码器对所述第一特征向量进行解码处理，获得所述第一未来轨迹特征序列。4.根据权利要求1或2所述的车辆轨迹预测方法，其特征在于，S120、基于以所述目标车辆为中心的语义地图获取所述目标车辆的观测图像特征以生成特征图，包括：使用基于CNN的骨干网络对语义地图进行特征提取获取所述目标车辆的观测图像特征以生成特征图。5.根据权利要求4所述的车辆轨迹预测方法，其特征在于，S130中，基于所述特征图获取所述目标车辆的第二未来轨迹特征序列，包括：S131、将所述特征图分割为多个特征子图，获得特征子图序列；S132、对所述特征子图序列进行位置编码处理，获得预编码特征；S133、使用第二Transformer模型的编码器对预编码特征进行编码处理，获得第二特征向量；以及S134、使用第二Transformer模型的解码器对所述第二特征向量进行解码处理，获得所述第二未来轨迹特征序列。6.根据权利要求5所述的车辆轨迹预测方法，其特征在于，S130中，基于所述特征图获取所述目标车辆的至少一个轨迹多模态特征，包括：S135、使用第三Transformer模型的解码器对所述第二特征向量进行解码处理，获得所述目标车辆的至少一个轨迹多模态特征；2CN114742317A权利要求书2/4页优选地，所述第一Transformer模型的解码器为经过可学习的嵌入初始化并进行了轨迹特征学习的解码器；优选地，所述第二Transformer模型的解码器为经过可学习的嵌入初始化并进行了轨迹特征学习的解码器；优选地，所述第三Transformer模型的解码器为经过可学习的