[发明专利]一种轨迹预测方法、装置及设备

权利要求书

1.一种轨迹预测方法，其特征在于，所述方法包括：

将目标运动对象的已获取的第一目标特征输入给已训练的意图模拟器得到K个未来时刻的第一预测数据；其中，所述目标运动对象是目标场景内的任一运动对象，所述第一目标特征与所述目标运动对象的历史轨迹和目标场景的地图信息匹配，所述第一预测数据包括候选位置的高斯参数；

基于未来时刻对应的候选位置的高斯参数确定该未来时刻的目标位置，基于K个未来时刻的目标位置确定所述目标运动对象的第二目标特征；

将所述第二目标特征输入给已训练的轨迹预测器得到K个未来时刻的第二预测数据，第二预测数据包括每个模态的预测概率和候选位置的高斯参数；

基于未来时刻对应的每个模态的预测概率确定该未来时刻的目标模态，基于未来时刻对应的候选位置的高斯参数确定该未来时刻的预测位置，并基于K个未来时刻的目标模态和预测位置确定所述目标运动对象的预测轨迹。

2.根据权利要求1所述的方法，其特征在于，

所述将目标运动对象的已获取的第一目标特征输入给已训练的意图模拟器得到K个未来时刻的第一预测数据之前，所述方法还包括：

基于所述目标运动对象的历史轨迹确定所述目标运动对象的轨迹初始特征，并基于所述目标场景的地图信息确定地图初始特征；

基于所述目标运动对象的轨迹初始特征和所述目标场景内其它运动对象的轨迹初始特征确定所述目标运动对象的轨迹堆叠特征；

基于所述目标运动对象的轨迹初始特征和所述轨迹堆叠特征确定历史时刻特征，基于所述历史时刻特征和所述地图初始特征确定第一目标特征。

3.根据权利要求2所述的方法，其特征在于，所述基于所述目标运动对象的轨迹初始特征和轨迹堆叠特征确定历史时刻特征，包括：

基于所述目标运动对象的轨迹初始特征和所述轨迹堆叠特征确定所述目标运动对象的时序融合特征，并沿着时间维度对所述时序融合特征进行最大池化操作，得到所述目标运动对象的历史时刻特征。

4.根据权利要求1所述的方法，其特征在于，所述基于未来时刻对应的候选位置的高斯参数确定该未来时刻的目标位置，包括：

针对该未来时刻对应的每个候选位置，基于该候选位置和所述高斯参数确定该候选位置对应的预测概率值；基于每个候选位置对应的预测概率值，将预测概率值最大的候选位置确定为该未来时刻的目标位置。

5.根据权利要求1所述的方法，其特征在于，所述基于K个未来时刻的目标位置确定所述目标运动对象的第二目标特征，包括：

基于所述K个未来时刻的目标位置确定所述目标运动对象的初始未来特征；

基于所述目标运动对象的初始未来特征和权重系数、所述目标场景内其它运动对象的初始未来特征和权重系数，确定所述目标运动对象的目标未来特征；

基于所述目标未来特征确定所述第二目标特征。

6.根据权利要求5所述的方法，其特征在于，

所述基于所述目标未来特征确定所述第二目标特征，包括：

基于所述目标场景的地图信息对应的地图初始特征、所述目标未来特征和所述第一目标特征，确定所述目标运动对象的融合后特征；基于所述目标运动对象的融合后特征和所述目标运动对象的轨迹堆叠特征确定第二目标特征。

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

确定所述目标运动对象的权重系数为固定数值；以所述目标运动对象在未来时刻的目标位置为中心，确定所述其它运动对象在未来时刻的目标位置的高斯分布，并基于所述高斯分布确定所述其它运动对象的权重系数。