[发明专利]一种预测障碍物轨迹以及模型训练的方法及装置

说明书

本说明书公开了一种预测障碍物轨迹以及模型训练的方法及装置，无人设备可确定当前所在的驾驶场景，并确定规划自身轨迹时所需的各障碍物的预测轨迹的预测时长，根据驾驶场景、预测时长等，在预设的各信息类型中，选择至少一种信息类型，针对选择的每个信息类型，获取各障碍物的该信息类型的信息，并根据获取的信息，确定各障碍物对应于该信息类型的特征，针对各障碍物，根据该障碍物的当前位置以及确定的各信息类型的特征，确定该障碍物在预测时长内的预测轨迹。本说明书可选择信息类型，基于选择的信息类型的信息来提升预测障碍物的轨迹效果，也可以平衡无人设备预测障碍物轨迹所消耗的计算力以及障碍物轨迹的精确度关系。

技术领域

本说明书涉及无人驾驶技术领域，尤其涉及一种预测障碍物轨迹以及模型训练的方法及装置。

背景技术

目前，无人设备在运行时，可预测周围环境中各障碍物的轨迹，基于预测的各障碍物的轨迹，合理规划自身未来的轨迹，对控制量进行预先判断和调整。

通常，无人设备可获取诸如障碍物的历史轨迹、电子地图、交通灯、天气和行人姿态等信息，基于获取的信息来预测障碍物的轨迹，获取的信息越多，预测得到的障碍物的轨迹越精确，可靠预测的时间段也会更长。然而，若获取的信息越多，无人设备所需要的计算量越大，预测障碍物的轨迹所耗费的时间越长。因此，需要根据上下游功能模块在预测精度和预测频率需求来动态调整预测模型的输入信息类型。

发明内容

本说明书实施例提供一种预测障碍物轨迹以及模型训练的方法及装置，以部分解决现有技术存在的上述问题。

本说明书实施例采用下述技术方案：

本说明书提供的一种预测障碍物轨迹的方法，所述方法包括：

确定无人设备当前所在的驾驶场景，并且，确定规划所述无人设备的轨迹时所需的各障碍物的预测轨迹的预测时长；

根据所述驾驶场景和/或所述预测时长，在预设的若干种信息类型中，选择至少一种信息类型；

针对选择的每个信息类型，获取各障碍物的该信息类型的信息，并根据获取的各障碍物的该信息类型的信息，确定各障碍物对应于该信息类型的特征；

针对各障碍物，根据该障碍物的当前位置以及确定的各障碍物对应于选择的各信息类型的特征，确定该障碍物在所述预测时长内的预测轨迹。

可选地，根据所述驾驶场景，在预设的若干种信息类型中，选择至少一种信息类型，具体包括：

获取预先确定的各驾驶场景与各信息类型之间的对应关系；

根据所述对应关系以及所述驾驶场景，在各信息类型中，选择至少一种信息类型。

可选地，所述预测时长与选择的信息类型的数量正相关。

可选地，选择的信息类型包括轨迹信息类型；

获取各障碍物的该信息类型的信息，具体包括：

获取各障碍物在过去指定时长内的历史轨迹；

根据获取的各障碍物的该信息类型的信息，确定各障碍物对应于该信息类型的特征，具体包括：

针对过去指定时长内的任一时刻，根据各障碍物在该时刻的位置信息，确定各障碍物在该时刻的空间交互特征，所述空间交互特征表征各障碍物在该时刻的交互信息；

根据各障碍物在过去指定时长内的各时刻的空间交互特征，确定各障碍物在当前时刻的时空交互特征，所述时空交互特征表征各障碍物在过去指定时长内的交互信息。

可选地，选择的信息类型包括行人信息类型；

获取各障碍物的该信息类型的信息，具体包括：