[发明专利]一种获得平滑预测轨迹的方法、装置及存储介质

权利要求书

1.一种获得平滑预测轨迹的方法，其特征在于：所述方法包括，

获取本车运动状态、目标运动状态和周围环境信息；

根据获取的所述本车运动状态、目标运动状态和周围环境信息进行预处理，根据所述预处理结果生成训练样本；

根据生成的所述训练样本采用K-Means算法，通过聚类方式，获得聚类轨迹；

建立神经网络模型，将获得的所述聚类轨迹输入所述神经网路模型中，通过所述神经网路模型转化输出，得到训练轨迹，并与所述聚类轨迹比对，得到预测轨迹。

2.根据权利要求1所述的方法，其特征在于：所述方法还包括，

在进行所述预处理时，将获取的信息通过时间戳对齐，再将所述时间戳对齐的数据进行降采样或插值；

根据所述降采样或插值的数据获取BEV鸟瞰图数据、当前位置、历史位置、当前速度、当前加速度和当前航向变化率信息生成训练样本。

3.根据权利要求2所述的方法，其特征在于：所述方法还包括，

所述BEV鸟瞰图数据包括以目标当前位置为中心在预设距离内的高精地图信息、目标历史帧和目标周围移动对象的历史帧；

将所述高精地图信息、目标历史帧和目标周围移动对象的历史帧叠加处理，得到三通道的矩阵图。

4.根据权利要求1所述的方法，其特征在于：所述方法还包括，

在获取所述聚类轨迹时，根据设定的阈值，调整聚类数量参数进行重新聚类。

5.根据权利要求1所述的方法，其特征在于：所述方法还包括，

在建立所述神经网络模型时，采用ResNet作为骨干网络，修改第一卷积层的通道数以适应输入BEV的维度，添加第一全连接层接受所述骨干网络的输出结果，再添加第二全连接层将所述输出结果转化成多轨迹以及对应的概率输出。

6.根据权利要求5所述的方法，其特征在于：所述方法还包括，

在所述第二全连接层将对应的概率输出时，通过softmax函数将所述神经网络模型预测的置信度转换成和为1的概率值。

7.一种获得平滑预测轨迹的装置，其特征在于，所述装置包括，

数据采集模块，用于获取本车运动状态、目标运动状态和周围环境信息；

训练模块，用于根据获取的所述本车运动状态、目标运动状态和周围环境信息进行预处理，根据所述预处理结果生成训练样本，根据训练样本，获取聚类轨迹；

神经网络模块，用于根据训练样本，生成训练轨迹，并与所述聚类轨迹比对，得到预测轨迹。

8.根据权利要求7所述的装置，其特征在于：所述装置还包括，

预处理模块，所述预处理模块，用于将获取的信息通过时间戳对齐，再将所述时间戳对齐的数据进行降采样或插值；根据所述降采样或插值的数据获取BEV鸟瞰图数据、当前位置、历史位置、未来位置、当前速度、当前加速度和当前航向变化率信息生成训练样本。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-6任一项所述的方法。