[发明专利]轨迹预测模型的训练方法、装置、设备及存储介质

说明书

本发明实施例公开了一种轨迹预测模型的训练方法、装置、设备及存储介质。该方法包括：对预先获取的训练轨迹点集合中的每个原始训练轨迹点进行平滑预处理，得到对应的目标训练轨迹点，将目标训练轨迹点输入至预先创建的原始轨迹预测模型中，得到对应的目标轨迹预测模型。本发明实施例，通过对预先获取的训练轨迹点集合中的每个原始训练轨迹点进行平滑预处理，得到对应的目标训练轨迹点，将目标训练轨迹点输入至预先创建的原始轨迹预测模型中，以得到对应的目标轨迹预测模型，能够解决自动驾驶系统中轨迹预测值不稳定的问题，使得最终预测的轨迹坐标具有连续性和稳定性，提高预测精度的同时保证预测轨迹的可靠性。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种轨迹预测模型的训练方法、装置、设备及存储介质。

背景技术

在自动驾驶系统的轨迹预测方法中，现有技术主要使用基于规则的动力学方程或者基于深度学习的方法来预测车辆的未来轨迹。基于规则的动力学方程虽然构建简单，但是泛化性不足，无法考虑更多的意外情况；基于深度学习的方法则是通过神经网络来预测车辆的未来轨迹，具有泛化性强等特点，而在预测车辆未来轨迹时，均是采用直接回归车辆的坐标等方式。直接回归车辆轨迹的坐标值严重依赖学习数据的准确性，而实际实施中，车辆的过往轨迹是通过感知模块获取，受限于感知模块的波动，因此所获得的学习数据的轨迹点亦是波动不稳定的，同时也直接预测车辆的轨迹点的方式未考虑车辆轨迹坐标值间的相关连续性，因此导致预测的轨迹点具有波动性大，不连续等特点，使得自动驾驶系统中轨迹预测值出现不稳定且不连续的问题，降低了预测的精度。

公开内容

有鉴于此，本发明提供一种轨迹预测模型的训练方法、装置、设备及介质，能够解决自动驾驶系统中轨迹预测值不稳定的问题，使得最终预测的车辆轨迹坐标具有连续性和稳定性，提高预测精度的同时保证预测轨迹的可靠性。。

根据本发明的一方面，本发明实施例提供了一种轨迹预测模型的训练方法，该方法包括：

对预先获取的训练轨迹点集合中的每个原始训练轨迹点进行平滑预处理，得到对应的目标训练轨迹点，其中，所述训练轨迹点集合包括与目标车辆相对应的目标障碍物的历史行驶轨迹中的多个轨迹点；

将所述目标训练轨迹点输入至预先创建的原始轨迹预测模型中，得到对应的目标轨迹预测模型。

根据本发明的另一方面，本发明实施例还提供了一种轨迹预测模型的训练方法装置，该装置包括：

训练轨迹点获得模块，用于对预先获取的训练轨迹点集合中的每个原始训练轨迹点进行平滑预处理，得到对应的目标训练轨迹点，其中，所述训练轨迹点集合包括与目标车辆相对应的目标障碍物的历史行驶轨迹中的多个轨迹点；

轨迹预测模型获得模块，用于将所述目标训练轨迹点输入至预先创建的原始轨迹预测模型中，得到对应的目标轨迹预测模型。

根据本发明的另一方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的轨迹预测模型的训练方法。

根据本发明的另一方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的轨迹预测模型的训练方法。