[发明专利]障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备

权利要求书

1.一种障碍物轨迹预测方法，包括：

获取预设区域内各障碍物的位置信息，并根据所述位置信息确定出不同障碍物之间的实际交互关系；其中，所述位置信息由车载传感器结合高精度地图共同确定得到，所述高精度地图用于提供固定的、静态障碍物的位置信息，所述车载传感器用于提供临时的、动态障碍物的位置信息；

确定受所述实际交互关系影响的各障碍物的初始预测轨迹；

在预设的标准轨迹库中包含的与所述预设区域内各障碍物的运动特性匹配的候选标准轨迹中确定与所述初始预测轨迹匹配的目标标准轨迹；其中，所述标准轨迹库包括多条标准轨迹，每条所述标准轨迹分别对应于障碍物的一种运动状态；

基于所述目标标准轨迹修正所述初始预测轨迹，得到目标预测轨迹；

其中，所述在预设的标准轨迹库中包含的与所述预设区域内各障碍物的运动特性匹配的候选标准轨迹中确定与所述初始预测轨迹匹配的目标标准轨迹，包括：

计算所述初始预测轨迹中的每个轨迹点分别属于所述标准轨迹库中包含的与所述预设区域内各障碍物的运动特性匹配的各候选标准轨迹中的每种候选标准轨迹的实际概率；

对属于每种所述候选标准轨迹的轨迹点的实际概率进行对数求和，得到与每种所述候选标准轨迹对应的匹配概率；

将数值最大的匹配概率对应的候选标准轨迹确定为所述目标标准轨迹。

2.根据权利要求1所述的方法，其中，所述根据所述位置信息确定出不同障碍物之间的实际交互关系，包括：

将各所述障碍物的位置信息输入预设的图神经网络；其中，所述图神经网络基于节点张量和邻接张量构建，所述节点张量表示各所述障碍物的位置信息，所述邻接张量表示各所述障碍物之间的交互关系，所述交互关系基于各所述障碍物之间的距离参数换算得到；

接收所述图神经网络输出的特征向量；其中，所述特征向量为所述实际交互关系的向量表现形式。

3.根据权利要求2所述的方法，还包括：基于各所述障碍物之间的距离参数换算得到所述交互关系，所述基于各所述障碍物之间的距离参数换算得到所述交互关系，包括：

获取第一障碍物的第一位置信息和第二障碍物的第二位置信息；

根据所述第一位置信息和所述第二位置信息计算得到所述第一障碍物与所述第二障碍物之间的欧式距离；

将所述欧式距离的倒数作为所述第一障碍物与所述第二障碍物之间的交互关系。

4.根据权利要求1所述的方法，还包括：根据障碍物的不同运动状态生成不同的标准轨迹，所述根据障碍物的不同运动状态生成不同的标准轨迹，包括：

响应于所述障碍物为行人，根据所述行人的规律运动状态，生成包含以下至少一项的标准轨迹：

标准的均速直行轨迹、减速直行轨迹、加速直行轨迹、均速左转轨迹、减速左转轨迹、加速左转轨迹、均速右转轨迹、减速右转轨迹、加速右转轨迹。

5.根据权利要求1-4任一项所述的方法，所述获取预设区域内各障碍物的位置信息之前，包括：

获取待处理的连续视频帧；

将在所述连续视频帧的各视频帧中出现概率小于预设概率的障碍物，确定为异常障碍物；

所述获取预设区域内各障碍物的位置信息中，所述异常障碍物被排除在获取对象之外。