[發明專利]一種預測障礙物軌跡的方法及裝置

有效

• 申請號: 202010172799.8
• 申請日: 2020-03-13
• 公開（公告）號: CN111062372B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 任冬淳;夏華夏;樊明宇;錢德恒;丁曙光
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

本說明書公開了一種預測障礙物軌跡的方法及裝置，可根據獲取的障礙物的歷史真實軌跡與軌跡規劃算法輸出的障礙物的若干個歷史預測軌跡，確定歷史真實軌跡與各歷史預測軌跡的軌跡誤差，歷史預測軌跡的數量越多，則軌跡誤差越小，同時確定各歷史預測軌跡所占的總面積，歷史預測軌跡的數量越多，則總面積越大。因此，可根據軌跡誤差與總面積，確定預測軌跡評分，其中，預測軌跡評分與軌跡誤差負相關，預測軌跡評分與總面積負相關。可確定預測軌跡評分最大時軌跡預測算法輸出的歷史預測軌跡的數量，根據確定的數量，預測障礙物的軌跡。上述方法解決了現有技術中障礙物的預測軌跡的精度與障礙物的預測軌跡對無人設備規劃自身軌跡的影響的平衡問題。

技術領域

本申請涉及無人駕駛技術領域，尤其涉及一種預測障礙物軌跡的方法及裝置。

背景技術

隨著對無人駕駛領域的深入研究，無人設備的軌跡規劃越來越重要，在規劃無人設備的軌跡時，需要避開無人設備周圍環境中的障礙物，以免發生事故。

無人設備在運動狀態下進行軌跡規劃時，障礙物（主要包括車輛、行人等動態障礙物）也在不斷的運動。因此，無人設備可根據障礙物的歷史軌跡以及周圍環境，預測障礙物的預測軌跡，通過避開障礙物的預測軌跡，規劃出無人設備自身的軌跡。無人設備可使用不同的障礙物軌跡預測方法來預測障礙物的預測軌跡。例如，可將障礙物的歷史軌跡輸入長短期記憶模型（long-short term memory，LSTM），得到LSTM模型輸出的障礙物的若干個預測軌跡，又如，可將障礙物的歷史軌跡描述為軌跡圖像，將軌跡圖像輸入卷積神經網絡（Convolutional Neural Networks，CNN），得到CNN模型輸出的障礙物的若干個預測軌跡。

若無人設備預測出障礙物的預測軌跡數量越多，則在預測軌跡中越可能存在一個預測軌跡與障礙物未來運動的真實軌跡重合，也即，無人設備預測障礙物的軌跡的精度越高，無人設備規劃出自身的軌跡越好。但是，無人設備預測出障礙物的預測軌跡數量越多，無人設備可規劃自身軌跡的區域越小，對無人設備規劃自身軌跡的影響越大。

因此，如何平衡障礙物的預測軌跡的精度與障礙物的預測軌跡對無人設備規劃自身軌跡的影響，則是一個亟需解決的問題。

發明內容

本說明書實施例提供一種預測障礙物軌跡的方法及裝置，以部分解決現有技術存在的上述問題。

本說明書實施例采用下述技術方案：

本說明書提供的一種預測障礙物軌跡的方法，所述方法包括：

獲取障礙物的歷史真實軌跡，以及歷史上通過軌跡預測算法對所述障礙物進行一次預測的結果，所述結果中包含所述軌跡預測算法輸出的若干個歷史預測軌跡；

確定所述歷史真實軌跡與各歷史預測軌跡的軌跡誤差，以及各歷史預測軌跡所占的總面積，其中，所述軌跡誤差與所述軌跡預測算法輸出的歷史預測軌跡的數量負相關，所述總面積與所述軌跡預測算法輸出的歷史預測軌跡的數量正相關；

根據確定的所述軌跡誤差以及所述總面積，確定預測軌跡評分，其中，所述預測軌跡評分與所述軌跡誤差負相關，所述預測軌跡評分與所述總面積負相關；

確定所述預測軌跡評分最大時所述軌跡預測算法輸出的歷史預測軌跡的數量，作為預測數量；

根據確定的所述預測數量，預測所述障礙物的軌跡。

可選地，確定所述歷史真實軌跡與各歷史預測軌跡的軌跡誤差，具體包括：

針對每個歷史預測軌跡，確定所述歷史真實軌跡與該歷史預測軌跡的誤差，作為參考誤差；

將針對每個歷史預測軌跡確定的參考誤差中的最小值，作為所述歷史真實軌跡與各歷史預測軌跡的軌跡誤差。

可選地，具體包括：