[发明专利]一种轨迹预测方法和装置

说明书

本申请公开一种轨迹预测方法和装置、存储介质和计算机程序，以解决已有技术中的轨迹预测方法存在的预测结果准确性低、可靠性低的问题。在运动主体在当前环境中执行运动的过程中，轨迹预测神经网络获取输入的当前轨迹数据、和当前环境的当前地图数据；将当前轨迹数据和当前地图数据表达为高维空间中的当前轨迹点集和当前地图点集；根据当前轨迹点集和当前地图点集提取得到全局场景特征，其中，全局场景特征具有当前环境的地图特征和轨迹特征；根据全局场景特征预测输出运动主体的多个预测轨迹点集以及每个预测轨迹点集对应的概率。

技术领域

本申请涉及计算机技术领域，特别涉及一种轨迹预测方法和装置、存储介质和计算机程序。

背景技术

在人工智能得到研究和发展的基础上，很多技术领域结合人工智能得到了更广泛的应用和发展，例如机器人技术和无人驾驶技术。

在机器人领域和无人驾驶领域中，一个重要的环节就是轨迹预测。轨迹预测在很大程度上决定了无人驾驶系统的安全性能。以无人驾驶为例，在车辆行驶过程中，需要通过轨迹预测技术来实时地预测周围车辆在未来一段时间内的行驶轨迹，以便无人驾驶系统基于此预测结果做出安全的路径规划，从而避免碰撞发生。

发明内容

本申请实施例提供了一种轨迹预测方法和装置、存储介质和计算机程序，以解决已有技术中的轨迹预测方法存在的预测结果准确性低、可靠性低的问题。

根据本申请实施例的一个方面，提供了一种轨迹预测方法，包括：在运动主体在当前环境中执行运动的过程中，轨迹预测神经网络获取输入的当前轨迹数据、和当前环境的当前地图数据；其中，当前轨迹数据包括运动主体和当前环境中其它一个或多个运动物体在过去预定时间段内的多个轨迹点，每个轨迹点包括在一个对应时间点上的空间位置，当前地图数据包括在该预定时间段内当前环境中道路要素的多个地图点的空间位置；

将当前轨迹数据和当前地图数据表达为高维空间中的当前轨迹点集和当前地图点集，当前轨迹点集包括当前轨迹数据中每个轨迹点对应的高维轨迹点，当前地图点集包括当前地图数据中每个地图点对应的高维地图点；

根据当前轨迹点集和当前地图点集提取得到全局场景特征，其中，全局场景特征具有当前环境的地图特征和轨迹特征；

根据全局场景特征预测输出运动主体的多个预测轨迹点集以及每个预测轨迹点集对应的概率，每个预测轨迹点集均包括运动主体在未来预定时间段内多个时间点的空间位置。

根据本申请实施例的另一个方面，提供了一种轨迹预测装置，包括编码器和解码器；

编码器用于在运动主体在当前环境中执行运动的过程中，获取输入的当前轨迹数据、和当前环境的当前地图数据；其中，当前轨迹数据包括运动主体和当前环境中其它一个或多个运动物体在过去预定时间段内的多个轨迹点，每个轨迹点包括在一个对应时间点上的空间位置，当前地图数据包括在该预定时间段内当前环境中道路要素的多个地图点的空间位置；将当前轨迹数据和当前地图数据表达为高维空间中的当前轨迹点集和当前地图点集；根据当前轨迹点集和当前地图点集提取得到全局场景特征，其中，全局场景特征具有当前环境的地图特征和轨迹特征；

解码器用于根据全局场景特征预测输出运动主体的多个预测轨迹点集以及每个预测轨迹点集对应的概率，每个预测轨迹点集均包括运动主体在未来预定时间段内多个时间点的空间位置。

根据本申请实施例的另一个方面，提供了一种轨迹预测装置，包括至少一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，至少一个处理器执行至少一条机器可执行指令后执行如上所述的轨迹预测方法。

根据本申请实施例的另一个方面，提供了一种计算机程序，该计算机程序具有被配置用于执行以下轨迹预测处理的代码段，该处理包括如上所述的轨迹预测方法。