[发明专利]障碍物轨迹预测方法、装置、设备和介质

权利要求书

1.一种障碍物轨迹预测方法，其特征在于，包括：

获取在无人驾驶设备的行驶过程中识别的至少一个动态障碍物的类型以及图像或点云数据；

根据所述动态障碍物的类型，从相同类型的多个级别预测模型中，选择第一级别预测模型；

根据所述第一级别预测模型的预测时长和值与时长阈值的关系，对所述预测模型级别或者动态障碍物数量进行调整，得到所述预测模型的最佳级别或者所述动态障碍物的最佳数量；

控制最佳级别预测模型，基于所述动态障碍物的图像或点云数据，对所述动态障碍物的运动轨迹进行预测；或者，控制所述预测模型，基于所述最佳数量动态障碍物的图像或点云数据，对所述最佳动态障碍物的运动轨迹进行预测。

2.根据权利要求1所述的方法，其特征在于，如果所述动态障碍物数量为多个，则根据每个动态障碍物的类型，从相同类型的多个级别预测模型中，分别为每个动态障碍物选择第一级别预测模型，且在所述选择第一级别预测模型之前，还包括：

根据每个动态障碍物的障碍物信息，确定每个动态障碍物的障碍分数，并对多个动态障碍物的障碍分数进行排序；

相应的，所述根据每个动态障碍物的类型，从相同类型的多个级别预测模型中，分别为每个动态障碍物选择第一级别预测模型，包括：

根据排序结果及每个所述动态障碍物的类型，从相同类型的多个级别预测模型中，分别为每个动态障碍物选择第一级别预测模型。

3.根据权利要求2所述的方法，其特征在于，所述障碍物信息包括：动态障碍物相对无人驾驶设备速度、动态障碍物与所述无人驾驶设备间的直线距离，以及动态障碍物与所述无人驾驶设备间的垂直距离；

所述根据每个动态障碍物的障碍物信息，确定每个动态障碍物的障碍分数之前，还包括：

获取位置系数和方向系数；

相应的，根据每个动态障碍物的障碍物信息，确定每个动态障碍物的障碍分数，包括：

根据每个动态障碍物与所述无人驾驶设备间的直线距离和位置系数，确定每个动态障碍物的位置分数；

根据每个动态障碍物相对无人驾驶设备速度、每个动态障碍物与所述无人驾驶设备间的垂直距离以及方向系数，确定每个动态障碍物的方向分数；

根据每个动态障碍物的位置分数和方向分数，确定每个障碍物的障碍分数。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一级别预测模型的预测时长和值与时长阈值的关系，对所述预测模型级别或者动态障碍物数量进行调整，包括：

当所述多个第一级别预测模型的预测时长和值小于所述时长阈值时，将所述排序结果中动态障碍物的预测模型进行依次升级，直到所述多个预测模型的预测时长和值大于或等于所述时长阈值，或者直到所有动态障碍物的预测模型级别均为最高级别；

当所述多个第一级别预测模型的预测时长和值大于所述时长阈值时，删除所述排序结果中位于末尾位置的动态障碍物以及所述动态障碍物的第一级别预测模型，直到剩余第一级别预测模型的预测时长和值小于或等于所述时长阈值。