[发明专利]运动信息预测模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种运动信息预测模型训练方法，其特征在于，所述方法包括：

获取样本运动物体前后两个时刻的运动信息；

将前一时刻的运动信息进行编码，得到前一时刻对应的运动向量，并将后一时刻的运动信息进行编码，得到后一时刻对应的运动向量；

将所述前一时刻对应的运动向量作为输入，所述后一时刻对应的运动向量作为输出，对待训练的运动信息预测模型进行训练，所述运动信息预测模型包括多层感知神经网络；

当从所述运动信息预测模型输出的运动向量与所述后一时刻对应的运动向量之间的距离小于预设距离时，确定所述运动信息预测模型所包括的各层感知神经网络对应的权重和偏置系数，得到训练后的运动信息预测模型。

2.根据权利要求1所述的方法，其特征在于，所述运动信息包括：运动物体的位置，运动物体的速度，运动物体的朝向，运动物体的形状，运动物体所在道路的道路信息和周围物体的物体信息。

3.权利要求1或2所述的方法，其特征在于，所述多层感知机神经网络包括输入层、多层隐藏层和输出层，所述输入层和与其连接的隐藏层之间的连接方式为全连接，所述输出层和与其连接的隐藏层之间的连接方式为全连接，所述多层隐藏层之间的连接方式为全连接。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取当前时刻目标运动物体的运动信息；

对所述目标运动物体的运动信息进行编码，得到第一运动向量；

将所述第一运动向量输入到所述训练后的运动信息预测模型，得到第二运动向量；所述第二运动向量用于表征下一时刻所述目标运动物体的运动信息。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

对所述第二运动向量进行解码，得到下一时刻所述目标运动物体的运动信息；

通过当前时刻所述目标运动物体的运动信息和下一时刻所述目标运动物体的运动信息，确定所述目标运动物体的运动轨迹。

6.根据权利要求1或2所述的方法，其特征在于，对所述目标运动物体的运动信息进行编码的编码方式，对所述样本运动物体前一时刻的运动信息进行编码的编码方式，以及，对所述样本运动物体后一时刻的运动信息进行编码的编码方式均相同。

7.一种运动信息预测模型训练装置，其特征在于，所述装置包括：

第一信息获取模块，用于获取样本运动物体前后两个时刻的运动信息；

第一信息编码模块，用于将前一时刻的运动信息进行编码，得到前一时刻对应的运动向量，并将后一时刻的运动信息进行编码，得到后一时刻对应的运动向量；

模型训练模块，用于将所述前一时刻对应的运动向量作为输入，所述后一时刻对应的运动向量作为输出，对待训练的运动信息预测模型进行训练，所述运动信息预测模型包括多层感知神经网络；

模型参数确定模块，用于当从所述运动信息预测模型输出的运动向量与所述后一时刻对应的运动向量之间的距离小于预设距离时，确定所述运动信息预测模型所包括的各层感知神经网络对应的权重和偏置系数，得到训练后的运动信息预测模型。

8.根据权利要求7所述的装置，其特征在于，所述运动信息包括：运动物体的位置，运动物体的速度，运动物体的朝向，运动物体的形状，运动物体所在道路的道路信息和周围物体的物体信息。

9.权利要求7或8所述的装置，其特征在于，所述多层感知机神经网络包括输入层、多层隐藏层和输出层，所述输入层和与其连接的隐藏层之间的连接方式为全连接，所述输出层和与其连接的隐藏层之间的连接方式为全连接，所述多层隐藏层之间的连接方式为全连接。