[发明专利]一种运动轨迹的预测方法及装置

权利要求书

1.一种运动轨迹的预测方法，其特征在于，包括：

获取各障碍物的历史运动轨迹；

根据所述各障碍物的历史运动轨迹，确定各障碍物的历史交互特征；并基于所述各障碍物的历史运动轨迹，预测各障碍物的未来运动轨迹，作为粗略预测轨迹；各障碍物的历史交互特征用于表征各障碍物按照各自的历史运动轨迹运动时的相互影响；

根据预测的各障碍物的粗略预测轨迹，确定各障碍物的未来交互特征；各障碍物的未来交互特征用于表征各障碍物按照各自的粗略运动轨迹运动时的相互影响；

针对所述各障碍物中的待预测障碍物，根据所述各障碍物的历史交互特征、所述各障碍物的未来交互特征以及所述待预测障碍物的历史运动轨迹，预测所述待预测障碍物的未来运动轨迹，作为所述待预测障碍物的精确预测轨迹。

2.如权利要求1所述的方法，其特征在于，获取各障碍物的历史运动轨迹，具体包括：

获取各障碍物在各历史时刻的分别所处的位置；

根据所述各障碍物的历史运动轨迹，确定各障碍物的历史交互特征，具体包括：

针对各历史时刻，根据各障碍物在该历史时刻分别所处的位置，确定各障碍物在该历史时刻的位置特征；

根据各障碍物在该历史时刻的位置特征，确定各障碍物在该历史时刻的历史交互子特征；

根据各障碍物在每个历史时刻的历史交互子特征，确定各障碍物的历史交互特征。

3.如权利要求2所述的方法，其特征在于，根据各障碍物在该历史时刻的位置特征，确定各障碍物在该历史时刻的历史交互子特征，具体包括：

对各障碍物在该历史时刻的位置特征进行池化操作，得到各障碍物在该历史时刻的历史交互子特征。

4.如权利要求2所述的方法，其特征在于，根据各障碍物在每个历史时刻的历史交互子特征，确定各障碍物的历史交互特征，具体包括：

将各障碍物在每个历史时刻的历史交互子特征进行拼接，得到历史交互子特征矩阵；

采用预先获得的第一注意力矩阵对所述历史交互子特征矩阵进行加权，得到各障碍物的历史交互特征。

5.如权利要求1所述的方法，其特征在于，预测各障碍物的未来运动轨迹，具体包括：

预测各障碍物在各未来时刻分别所处的位置；

根据预测的各障碍物的粗略预测轨迹，确定各障碍物的未来交互特征，具体包括：

针对各未来时刻，根据各障碍物在该未来时刻分别所处的位置，确定各障碍物在该未来时刻的位置特征；

根据各障碍物在该未来时刻的位置特征，确定各障碍物在该未来时刻的未来交互子特征；

根据各障碍物在每个未来时刻的未来交互子特征，确定各障碍物的未来交互特征。

6.如权利要求5所述的方法，其特征在于，根据各障碍物在该未来时刻的位置特征，确定各障碍物在该未来时刻的未来交互子特征，具体包括：

对各障碍物在该未来时刻的位置特征进行池化操作，得到各障碍物在该未来时刻的未来交互子特征。

7.如权利要求5所述的方法，其特征在于，根据各障碍物在每个未来时刻的未来交互子特征，确定各障碍物的未来交互特征，具体包括：

将各障碍物在每个未来时刻的未来交互子特征进行拼接，得到未来交互子特征矩阵；

采用预先获得的第二注意力矩阵对所述未来交互子特征矩阵进行加权，得到各障碍物的未来交互特征。

8.如权利要求1所述的方法，其特征在于，根据所述各障碍物的历史交互特征、所述各障碍物的未来交互特征以及所述待预测障碍物的历史运动轨迹，预测所述待预测障碍物的未来运动轨迹，具体包括：

识别所述待预测障碍物的类型；

根据识别出的类型，将所述各障碍物的历史交互特征、所述各障碍物的未来交互特征以及所述待预测障碍物的历史运动轨迹输入预先训练的与所述类型对应的预测子模型，得到所述预测子模型输出的所述待预测障碍物的未来运动轨迹。