[发明专利]轨迹预测方法、碰撞检测方法、装置、电子设备及介质

权利要求书

1.一种轨迹预测方法，包括：

基于与目标对象相关联的动态特征序列和静态特征，确定所述目标对象的第一预测轨迹；

基于所述目标对象的历史轨迹，确定所述目标对象的第二预测轨迹；以及

基于所述第一预测轨迹和所述第二预测轨迹，确定所述目标对象的目标预测轨迹；

其中，所述历史轨迹包括多个；

所述基于所述目标对象的历史轨迹，确定所述目标对象的第二预测轨迹包括：

对多个历史轨迹进行网格编码，得到所述多个历史轨迹各自的编码结果；

基于所述多个历史轨迹各自的编码结果，对所述多个历史轨迹进行聚类，确定至少一个目标历史轨迹；

确定所述至少一个目标历史轨迹与所述目标对象的当前时间段内已有轨迹之间的相似度；以及

将所述相似度大于或等于预设相似度阈值的目标历史轨迹确定为所述目标对象的所述第二预测轨迹。

2.根据权利要求1所述的方法，其中，所述基于与目标对象相关联的动态特征序列和静态特征，确定所述目标对象的第一预测轨迹包括：

将与目标对象相关联的动态特征序列和静态特征输入至编码器的卷积模块中，得到抽象特征；

将所述抽象特征输入至编码器的特征提取模块中，得到语义向量；以及

将所述语义向量输入至解码器中，得到所述第一预测轨迹。

3.根据权利要求1所述的方法，其中，所述基于与目标对象相关联的动态特征序列和静态特征，确定所述目标对象的第一预测轨迹包括：

将与所述目标对象相关联的动态特征序列和静态特征分别输入至多个基学习器中，得到所述多个基学习器各自的预测结果；以及

将所述多个基学习器的预测结果输入至次学习器中，得到所述目标对象的第一预测轨迹；

其中，所述次学习器和所述多个基学习器中的每个基学习器分别包括以下至少一项：

包括高斯过程回归网络的编码解码模型、包括灰色网络的编码解码模型、包括多层感知器的编码解码模型、包括卷积神经网络和长短期记忆网络的编码解码模型、包括门控循环单元的编码解码模型。

4.根据权利要求1所述的方法，其中，所述基于所述第一预测轨迹和所述第二预测轨迹，确定所述目标对象的目标预测轨迹包括：

对所述第一预测轨迹和所述第二预测轨迹进行融合处理，确定所述目标对象的目标预测轨迹；

其中，所述融合处理包括以下至少一项：

投票法、求平均法、加权法。

5.根据权利要求1所述的方法，其中，所述动态特征序列包括以下至少一项：

航速、航向、位置、天气、时间、周围环境；

其中，所述静态特征包括目标对象的属性特征。

6.根据权利要求1所述的方法，其中，所述动态特征序列还包括隐式语义特征；

所述方法还包括：

对所述目标对象的已有轨迹进行网格编码，得到编码结果；

对所述编码结果进行处理，得到与所述目标对象的已有轨迹相对应的语义向量；

基于所述语义向量，确定所述目标对象的已有轨迹的隐式语义特征。

7.一种碰撞检测方法，包括：

确定目标区域内的多个对象各自的目标预测轨迹；

确定所述多个对象各自的目标预测轨迹中是否存在至少两条相交的目标预测轨迹；以及

在确定存在至少两条相交的目标预测轨迹的情况下，确定与所述至少两条相交的目标预测轨迹相对应的至少两个对象存在碰撞的风险；

其中，所述目标预测轨迹为利用根据权利要求1至6所述的轨迹预测方法预测得到的。