[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

权利要求书

1.一种模型训练的方法，其特征在于，所述方法包括：

针对各障碍物，获取该障碍物在历史上的指定时长内的轨迹，以及该障碍物在指定时长内对应于预设的各信息类型的信息；

确定指定时刻，将获取的该障碍物在所述指定时刻之后的轨迹作为样本轨迹；

针对每个训练过程，在该训练过程中，在各障碍物在所述指定时刻之前的轨迹以及各障碍物在指定时长内对应于各信息类型的信息中，选择至少一种信息，并将选择的信息输入待训练的预测模型，得到所述待训练的预测模型输出的待优化预测轨迹；

根据所述样本轨迹以及所述待优化预测轨迹，对所述待训练的预测模型进行训练。

2.如权利要求1所述的方法，其特征在于，在各障碍物在所述指定时刻之前的轨迹以及各障碍物在指定时长内对应于各信息类型的信息中，选择至少一种信息，具体包括：

确定该障碍物在所述指定时刻的驾驶场景，并且，确定该障碍物的待优化预测轨迹的预测时长；

根据该障碍物在所述指定时刻的驾驶场景和/或所述待优化预测轨迹的预测时长，在各障碍物在所述指定时刻之前的轨迹以及各障碍物在指定时长内对应于各信息类型的信息中，选择至少一种信息。

3.如权利要求2所述的方法，其特征在于，根据该障碍物在所述指定时刻的驾驶场景，在各障碍物在所述指定时刻之前的轨迹以及各障碍物在指定时长内对应于各信息类型的信息中，选择至少一种信息，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该障碍物在所述指定时刻的驾驶场景，在各信息类型中，确定至少一种信息类型；

根据确定的信息类型，在各障碍物在所述指定时刻之前的轨迹以及各障碍物在指定时长内对应于各信息类型的信息中，选择至少一种信息。

4.如权利要求2所述的方法，其特征在于，所述待优化预测轨迹的预测时长与选择的信息类型的数量正相关。

5.如权利要求1所述的方法，其特征在于，将选择的信息输入待训练的预测模型，得到所述待训练的预测模型输出的待优化预测轨迹，具体包括：

将选择的信息输入所述待训练的预测模型，通过所述待训练的预测模型，确定各障碍物对应于选择的信息的特征；

根据各障碍物对应于选择的信息的特征，通过所述待训练的预测模型，对各障碍物对应于选择的各信息类型的特征进行处理，得到指导特征；

针对各障碍物，获取该障碍物的当前位置信息，将该障碍物的当前位置信息输入所述待训练的预测模型，得到所述待训练的预测模型确定的该障碍物的待优化预测轨迹。

6.如权利要求1所述的方法，其特征在于，根据所述样本轨迹以及所述待优化预测轨迹，对所述待训练的预测模型进行训练，具体包括：

根据所述样本轨迹以及所述待优化预测轨迹，确定损失；

以损失最小化为训练目标，优化所述待训练的预测模型的参数，对所述待训练的预测模型进行训练。

7.一种预测障碍物轨迹的方法，其特征在于，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；

针对各障碍物，将选择的信息输入预先训练的预测模型，得到所述预测模型输出的预测轨迹，其中，所述预测模型通过权利要求1-6任一所述的方法进行预先训练。