一种自动驾驶车辆轨迹预测方法、装置及电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113705636A(43)申请公布日2021.11.26(21)申请号202110922185.1(22)申请日2021.08.12(71)申请人重庆邮电大学地址400065重庆市南岸区南山街道崇文路2号(72)发明人刘期烈赵婷方阳刘倩崔一辉陈澄辛雅楠孙慧婕胡壹屈喜龙刘竟成(74)专利代理机构重庆辉腾律师事务所50215代理人王海军(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06T7/246(2017.01)G08G1/01(2006.01)权利要求书2页说明书7页附图6页(54)发明名称一种自动驾驶车辆轨迹预测方法、装置及电子设备(57)摘要本发明自动驾驶领域，具体是一种自动驾驶车辆轨迹预测方法、装置及电子设备；所述方法包括根据自动驾驶车辆周围的传感器采集其周围交通参与者的一系列连续点云图像，对点云图像进行处理后获得自动驾驶车辆与周围交通参与者的位置关系和鸟瞰图BEV；通过图卷积模型对自动驾驶车辆与周围交通参与者的位置关系建模，提取出自动驾驶车辆与周围交通参与者的交互特征；通过时空金字塔模型对BEV图建模，提取出相应的历史轨迹的场景特征；将场景特征和交互特征进行融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹。本发明考虑了周围交通参与者相互之间的影响，对交通参与者进行分类预测和轨迹预测，减小了运动不确定性对目标轨迹预测的影响。CN113705636ACN113705636A权利要求书1/2页1.一种自动驾驶车辆轨迹预测方法，其特征在于，所述方法包括：根据自动驾驶车辆周围的传感器采集其周围交通参与者的一系列连续点云图像，对所述一系列连续点云图像进行处理后获得自动驾驶车辆与周围交通参与者的位置关系和鸟瞰图BEV；通过图卷积模型对所述自动驾驶车辆与周围交通参与者的位置关系建模，提取出自动驾驶车辆与周围交通参与者的交互特征；通过时空金字塔模型对BEV图建模，提取出该连续点云图所对应的历史轨迹的场景特征；所述场景特征包括时间特征和空间特征；将所述场景特征和所述交互特征进行特征融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹。2.根据权利要求1所述的一种自动驾驶车辆轨迹预测方法，其特征在于，获得周围交通参与者之间的位置关系的方式包括对采集到的一系列连续点云图像进行预处理，得到每一个场景中每一帧点云图像中的周围交通参与者的坐标信息。3.根据权利要求1所述的一种自动驾驶车辆轨迹预测方法，其特征在于，获得自动驾驶车辆与周围交通参与者的BEV图的方式包括将三维的点云图像量化为规则体素并形成三维体素格，使用二进制状态来表示每个体素格的占用情况，并将三维体素格的高度维数对应于二维伪图像的图像通道，从而将三维的点云图像转换成二维伪图像，即所需的BEV图。4.根据权利要求1所述的一种自动驾驶车辆轨迹预测方法，其特征在于，所述通过图卷积模型对所述周围交通参与者之间的位置关系建模，提取出周围交通参与者之间的交互特征包括从一系列坐标信息中构造出周围交通参与者在每个时间步长的相对位置的空间图；从空间图中获取每个周围交通参与者位置信息之间的距离，将该位置信息之间的距离的倒数作为周围交通参与者之间的影响力；利用所述影响力更新加权邻接矩阵，将更新后的邻接矩阵代入图卷积模型中，计算得到自动驾驶车辆与周围交通参与者的交互特征。5.根据权利要求1所述的一种自动驾驶车辆轨迹预测方法，其特征在于，所述通过时空金字塔模型对所述BEV图建模，提取出该连续点云图所对应的历史轨迹的场景特征包括采用时空金字塔模型通过分层方式分别沿着空间维度和时间维度提取出特征，即从所述空间维度中，按照一定比例步计算出不同尺度上的空间特征；从所述时间维度中，在每次时间卷积后逐步降低时间分辨率，从而提取出不同尺度的时间特征；使用全局时间池化来捕捉显著的时间特征，并通过横向连接将捕捉到的时间特征发送到特征解码器的更新采样层，同时使用concat将对应的不同尺度的时间特征和空间特征连接起来，获得融合特征。6.根据权利要求1所述的一种自动驾驶车辆轨迹预测方法，其特征在于，将所述场景特征和所述交互特征进行特征融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹包括对周围交通参与者分类，确定出所述周围交通参与者的类别；判断出所述周围交通参与者的状态，确定出所述周围交通参与者的运动状态即静止状态或运动状态；根据所述融合特征预测出在τ时刻的周围交通参与者的位置坐标，将所述周围交通参与者的类别、状态以及位置坐标共同输出为自动驾驶车辆的轨迹。7.一种自动驾驶车辆轨迹预测装置，其特征在于，所述装置包括：采集单元，用于根据自动驾驶车辆周围的传感器采集其周围交通参与者的一系列连续点云图像；2CN