[发明专利]一种轨迹预测方法、装置、存储介质及电子设备

权利要求书

1.一种轨迹预测方法，其特征在于，包括：

获取指定目标周围预设范围内各障碍物的轨迹以及所述指定目标的历史轨迹，其中，所述各障碍物的轨迹包括：历史轨迹和规划轨迹；

根据所述各障碍物的历史轨迹以及所述指定目标的历史轨迹，确定所述各障碍物与所述指定目标之间的历史交互特征；

根据所述历史交互特征，对所述指定目标的运动轨迹进行预测，得到初始预测轨迹；

根据所述初始预测轨迹以及所述各障碍物的规划轨迹，确定所述各障碍物与所述指定目标之间的未来交互特征；

根据所述未来交互特征，对所述初始预测轨迹进行调整，得到所述指定目标的最终预测轨迹；

其中，根据所述各障碍物的历史轨迹以及所述指定目标的历史轨迹，确定所述各障碍物与所述指定目标之间的历史交互特征，具体包括：

将所述各障碍物的历史轨迹以及所述指定目标的历史轨迹输入预先训练的预测模型中的历史轨迹特征提取子模型，以获得所述历史轨迹特征提取子模型输出的所述各障碍物与所述指定目标之间的历史交互特征；

根据所述历史交互特征，对所述指定目标的运动轨迹进行预测，得到初始预测轨迹，具体包括：

将所述历史交互特征输入所述预测模型中的自编码器，以获得所述自编码器输出的所述指定目标的初始预测轨迹；

根据所述初始预测轨迹以及所述各障碍物的规划轨迹，确定所述各障碍物与所述指定目标之间的未来交互特征，具体包括：

将所述初始预测轨迹以及所述各障碍物的规划轨迹输入所述预测模型中的规划轨迹特征提取子模型，以获得所述规划轨迹特征提取子模型输出的所述各障碍物与所述指定目标之间的未来交互特征；

根据所述未来交互特征，对所述初始预测轨迹进行调整，得到所述指定目标的最终预测轨迹，具体包括：

将所述未来交互特征输入所述预测模型中的预测子模型，以获得所述预测子模型输出的所述指定目标的最终预测轨迹。

2.如权利要求1所述的方法，其特征在于，所述指定目标为动态的非无人设备。

3.如权利要求2所述的方法，其特征在于，获取指定目标周围预设范围内各障碍物的轨迹，具体包括：

针对指定目标周围预设范围内的每个障碍物，若该障碍物为无人设备，基于车联网获取该障碍物自身规划的规划轨迹；

根据所述初始预测轨迹以及所述各障碍物的规划轨迹，确定所述各障碍物与所述指定目标之间的未来交互特征，具体包括：

若该障碍物为动态的非无人设备，将对该障碍物预测得到的初始预测轨迹，作为该障碍物的规划轨迹。

4.如权利要求1所述的方法，其特征在于，将所述各障碍物的历史轨迹以及所述指定目标的历史轨迹输入预先训练的预测模型中的历史轨迹特征提取子模型，以获得所述历史轨迹特征提取子模型输出的所述各障碍物与所述指定目标之间的历史交互特征，具体包括：

将所述指定目标的历史轨迹输入所述历史轨迹特征提取子模型中的第一提取模型，通过所述第一提取模型，对所述指定目标的历史轨迹进行特征提取，得到第一历史轨迹特征；将所述各障碍物的历史轨迹输入所述历史轨迹特征提取子模型中的第二提取模型，通过所述第二提取模型，对所述各障碍物的历史轨迹进行特征提取，得到第二历史轨迹特征；

将所述第一历史轨迹特征与所述第二历史轨迹特征输入所述历史轨迹特征提取子模型中的第一特征处理模型，通过所述第一特征处理模型，对所述第一历史轨迹特征与所述第二历史轨迹特征进行融合，得到所述各障碍物与所述指定目标之间的历史交互特征。

5.如权利要求4所述的方法，其特征在于，将所述指定目标的历史轨迹输入所述历史轨迹特征提取子模型中的第一提取模型，具体包括：

将所述指定目标的历史轨迹依次输入所述第一提取模型中的嵌入层、长短期记忆网络层和全连接层；

将所述各障碍物的历史轨迹输入所述历史轨迹特征提取子模型中的第二提取模型，具体包括：

将所述各障碍物的历史轨迹依次输入所述第二提取模型的嵌入层和长短期记忆网络层。