[发明专利]一种障碍物的轨迹预测方法、装置、存储介质及电子设备

权利要求书

1.一种障碍物的轨迹预测方法，其特征在于，包括：

获取各障碍物的历史运动轨迹；

将各障碍物的历史运动轨迹输入预先训练的第一模型，得到所述第一模型输出的各障碍物的全局交互特征；并，确定包含各障碍物的历史运动轨迹的区域，确定至少两种比例尺下所述区域内的地图，将每种比例尺下的地图数据和所述各障碍物中的待预测障碍物的历史运动轨迹输入预先训练的第二模型，得到所述第二模型输出的所述待预测障碍物对应的地图聚合特征；

将所述全局交互特征、所述地图聚合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第三模型，得到所述第三模型输出的所述待预测障碍物的预测运动轨迹。

2.如权利要求1所述的方法，其特征在于，将每种比例尺下的地图数据和所述障碍物中的待预测障碍物的历史运动轨迹输入预先训练的第二模型，得到所述第二模型输出的地图聚合特征，具体包括：

针对每种比例尺下的地图，对该比例尺下的地图中包含的各条道路进行采样；

将采样得到的各道路采样点的位置数据以及所述待预测障碍物的历史运动轨迹输入预先训练的第二模型，得到所述第二模型输出的所述待预测障碍物对应的地图聚合特征。

3.如权利要求2所述的方法，其特征在于，对该比例尺下的地图中包含的各条道路进行采样，具体包括：

针对每个障碍物，根据该比例尺下的地图中该障碍物的历史运动轨迹所在的道路的方向，该比例尺下的地图中包含的各条道路进行采样，得到道路采样点。

4.如权利要求2所述的方法，其特征在于，所述第二模型包括第一处理层和第二处理层；

将采样得到的各道路采样点的位置数据以及所述待预测障碍物的历史运动轨迹输入第二模型，得到所述第二模型输出的所述待预测障碍物对应的地图聚合特征，具体包括：

针对每种比例尺下的地图，将针对该比例尺下的地图进行采样得到的道路采样点的位置数据输入所述第一处理层，得到所述第一处理层输出的该比例尺下的地图对应的地图特征；

将所述待预测障碍物的历史运动轨迹输入所述第二处理层，使第二处理层得到所述待预测障碍物的历史运动轨迹对应的轨迹特征；

将每种比例尺下的地图对应的地图特征与所述待预测障碍物的历史运动轨迹对应的轨迹特征进行聚合，得到所述待预测障碍物对应的地图聚合特征。

5.如权利要求1所述的方法，其特征在于，所述第二模型包括卷积层和全连接层；

将每种比例尺下的地图数据和所述各障碍物中的待预测障碍物的历史运动轨迹输入预先训练的第二模型，具体包括：

针对每种比例尺下的地图，将该比例尺下的地图对应的图像输入所述卷积层，得到所述卷积层输出的该比例尺下的地图对应的图像特征；

将该比例尺下的地图对应的图像特征输入所述全连接层，得到所述全连接层输出的该比例尺下的地图对应的地图特征；

将每种比例尺下的地图对应的地图特征与所述待预测障碍物的历史运动轨迹对应的轨迹特征进行聚合，得到所述待预测障碍物对应的地图聚合特征。

6.如权利要求4或5所述的方法，其特征在于，将每种比例尺下的地图对应的地图特征与所述待预测障碍物的历史运动轨迹对应的轨迹特征进行聚合，得到待预测障碍物对应的地图聚合特征，具体包括：

根据每种比例尺下的地图对应的地图特征以及所述待预测障碍物的历史运动轨迹对应的轨迹特征，确定所述待预测障碍物对应的注意力加权矩阵；并，根据每种比例尺下的地图对应的地图特征，得到地图特征矩阵；

采用所述注意力加权矩阵，对所述地图特征矩阵进行注意力加权，得到所述待预测障碍物对应的地图聚合特征。

7.如权利要求1所述的方法，其特征在于，将所述全局交互特征、所述地图聚合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第三模型，具体包括：

确定所述待预测障碍物的类型；

将所述全局交互特征、所述地图聚合特征以及所述待预测障碍物的历史运动轨迹输入所述类型对应的第三模型。