详情

原文传递一种目标物轨迹预测方法、装置、存储介质及电子设备

专利名称：	一种目标物轨迹预测方法、装置、存储介质及电子设备
摘要：	本说明书公开了一种目标物轨迹预测方法、装置、存储介质及电子设备，确定需要预测轨迹的目标物以及各障碍物，根据目标物与各障碍物的历史动态信息，确定目标物特征以及各障碍物特征，并将目标物特征以及各障碍物特征输入图神经网络中的有向图的各节点中，通过各节点之间的权重，对各节点的特征进行聚合，将聚合后的目标节点输入图神经网络的处理层，得到目标物的未来轨迹。本方法使用包含有向图的图神经网络对目标物的未来轨迹进行预测，在使用图神经网络的过程中，通过图神经网络中的有向图对目标物的特征以及各障碍物的特征进行聚合，即考虑了目标物自身的历史运动信息，还考虑到了各障碍物的历史运动信息，提高了预测目标物未来轨迹的准确性。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京三快在线科技有限公司
发明人：	傅壮;李鑫;陈汉斌;钱德恒;任冬淳
专利状态：	有效
申请日期：	2021-12-29T00:00:00+0800
发布日期：	2022-03-18T00:00:00+0800
申请号：	CN202111633483.5
公开号：	CN114194213A
代理机构：	北京曼威知识产权代理有限公司
代理人：	方志炜
分类号：	B60W60/00;B60W50/00;B;B60;B60W;B60W60;B60W50;B60W60/00;B60W50/00
申请人地址：	100080 北京市海淀区北四环西路9号2106-030
主权项：	1.一种目标物轨迹预测方法，其特征在于，包括：确定目标物以及各障碍物；获取在预设时长内的所述目标物的历史动态信息以及各障碍物的历史动态信息；根据所述目标物的历史动态信息，确定目标物特征；并，针对每个障碍物，根据该障碍物的历史动态信息，确定该障碍物特征；以所述目标物作为目标节点，将所述目标物特征作为所述目标节点对应的特征；并，针对每个障碍物，以该障碍物作为障碍物节点，将该障碍物特征作为该障碍物节点对应的特征；将各节点对应的特征输入至预先训练的图神经网络所包含的有向图中，以通过所述有向图基于各障碍物节点与所述目标节点之间的权重，将各节点对应的特征进行聚合；将聚合后的目标节点对应的特征输入至所述图神经网络的处理层，得到所述处理层输出的所述目标物的未来轨迹。 2.如权利要求1所述的方法，其特征在于，将各节点对应的特征输入至预先训练的图神经网络所包含的有向图中之前，所述方法还包括：获取所述目标物周围的环境信息，并根据所述环境信息，确定环境特征；以所述环境作为所述有向图中的环境节点，将所述环境特征作为所述环境节点对应的特征；将各节点对应的特征输入至预先训练的图神经网络所包含的有向图中，具体包括：将所述目标物特征输入至预先训练的图神经网络所包含的有向图中的目标节点；并，将各障碍物特征输入至所述有向图中的各障碍物节点；并，将所述环境特征输入至所述有向图中的环境节点。 3.如权利要求2所述的方法，其特征在于，确定目标物以及各障碍物，具体包括：确定所述目标物，并根据各障碍物与所述目标物之间的距离，确定指定数量的障碍物；将各障碍物特征输入至所述有向图中的各障碍物节点，具体包括：针对每个障碍物，根据该障碍物与所述目标物之间的距离以及预设规则，将该障碍物特征输入至障碍物节点。 4.如权利要求1所述的方法，其特征在于，以通过所述有向图基于各障碍物节点与所述目标节点之间的权重，将各节点对应的特征进行聚合，具体包括：针对每个障碍物节点，根据在所述有向图中该障碍物节点与所述目标节点之间的权重，将该障碍物特征传播至所述目标节点；将所述目标物特征以及通过传播所获得的各障碍物特征进行聚合，得到聚合后的所述目标节点对应的特征。 5.如权利要求1所述的方法，其特征在于，预先训练图神经网络模型，具体包括：预先确定样本目标物以及各样本障碍物；获取所述样本目标物的真实轨迹，并将所述样本目标物的真实轨迹在所述预设时长内的轨迹，作为所述样本目标物的初始轨迹，将在所述初始轨迹之后的所述样本目标物的真实轨迹所包含的至少部分轨迹，作为标注轨迹，并针对每个样本障碍物，获取该样本障碍物的真实轨迹；根据所述样本目标物的初始轨迹，确定所述样本目标物的特征信息，作为目标特征样本；并针对每个样本障碍物，根据该样本障碍物的真实轨迹，确定该样本障碍物的特征信息，作为障碍物特征样本；以所述样本目标物作为目标节点，将所述目标物特征样本作为所述目标节点对应的特征；并，针对每个样本障碍物，以该样本障碍物作为障碍物节点，将该障碍物特征样本作为该障碍物节点对应的特征；并，根据任意两个节点之间的关联关系建立包含有向图的图神经网络；基于所述有向图中的各节点之间的权重，将各节点对应的特征进行聚合；将聚合后的目标物节点对应的特征输入至所述图神经网络的处理层，得到所述处理层输出的所述目标物的预测轨迹，以所述预测轨迹与所述标注轨迹之间的差异最小为训练目标，调整所述图神经网络中的模型参数，所述模型参数至少包括所述有向图中各节点之间的权重。 6.如权利要求5所述的方法，其特征在于，根据任意两个节点之间的关联关系建立包含有向图的图神经网络之前，所述方法还包括：获取所述目标物周围的历史环境，并根据所述历史环境所包含的环境信息，确定环境特征，作为环境特征样本；以所述环境作为环境节点，以所述环境特征样本作为所述环境节点对应的特征；将各节点对应的特征输入至预先训练的图神经网络所包含的有向图中，具体包括：将所述环境特征样本输入至所述有向图中的所述环境节点。 7.如权利要求1所述的方法，其特征在于，所述目标物包括：非机动车。 8.一种目标物轨迹预测装置，其特征在于，包括：特征获取模块，用于确定目标物以及各障碍物；获取在预设时长内的所述目标物的历史动态信息以及各障碍物的历史动态信息；根据所述目标物的历史动态信息，确定目标物特征；并，针对每个障碍物，根据该障碍物的历史动态信息，确定该障碍物特征；轨迹预测模块，用于以所述目标物作为目标节点，将所述目标物特征作为所述目标节点对应的特征；并，针对每个障碍物，以该障碍物作为障碍物节点，将该障碍物特征作为该障碍物节点对应的特征；将各节点对应的特征输入至预先训练的图神经网络所包含的有向图中，以通过所述有向图基于各障碍物节点与所述目标节点之间的权重，将各节点对应的特征进行聚合；将聚合后的目标节点对应的特征输入至所述图神经网络的处理层，得到所述处理层输出的所述目标物的未来轨迹。 9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。 10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～7任一项所述的方法。
所属类别：	发明专利