[發(fā)明專利]軌跡預(yù)測模型生成方法、裝置、可讀存儲介質(zhì)及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202010467478.0
• 申請日: 2020-05-28
• 公開（公告）號: CN111626219B
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計）人: 范坤;陳邁越
• 申請（專利權(quán)）人: 深圳地平線機器人科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V20/56;G06V10/82;G06N3/0464;G06T7/20
• 代理公司: 北京思源智匯知識產(chǎn)權(quán)代理有限公司 11657
• 代理人: 毛麗琴

本公開實施例公開了一種軌跡預(yù)測模型生成方法和裝置，其中，該方法包括：獲取樣本圖像序列，以及獲取對樣本圖像序列中的目標(biāo)可移動物體預(yù)先標(biāo)注的移動軌跡信息；確定目標(biāo)可移動物體在樣本圖像序列中的狀態(tài)信息；基于狀態(tài)信息，生成樣本圖像序列對應(yīng)的損失權(quán)重；將樣本圖像序列作為預(yù)設(shè)的初始模型的輸入，得到預(yù)測軌跡信息；根據(jù)預(yù)測軌跡信息及預(yù)先標(biāo)注的移動軌跡信息，確定損失函數(shù)；利用損失權(quán)重對損失函數(shù)進(jìn)行加權(quán)，得到損失值；根據(jù)損失值對初始模型進(jìn)行訓(xùn)練，得到軌跡預(yù)測模型。本公開實施例有效地利用了可移動物體的狀態(tài)，提高了訓(xùn)練得到的軌跡預(yù)測模型的預(yù)測精度，并且實現(xiàn)了使用較少的訓(xùn)練樣本訓(xùn)練得到精度較高的模型。

技術(shù)領(lǐng)域

本公開涉及計算機技術(shù)領(lǐng)域，尤其是一種軌跡預(yù)測模型生成方法、裝置、可讀存儲介質(zhì)及電子設(shè)備。

背景技術(shù)

目前的軌跡預(yù)測方法，大多采用深度神經(jīng)網(wǎng)絡(luò)模型為主要結(jié)構(gòu)，它具有表達(dá)能力強、無需手動設(shè)計規(guī)則等顯著優(yōu)點。在訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)時，需要大量的諸如車輛圖像等作為訓(xùn)練樣本。目前的訓(xùn)練方法，不考慮車輛的狀態(tài)(例如靜止、移動速度等狀態(tài))，即直接使用樣本圖像訓(xùn)練。

發(fā)明內(nèi)容

本公開的實施例提供了一種軌跡預(yù)測模型生成方法、裝置、計算機可讀存儲介質(zhì)及電子設(shè)備。

本公開的實施例提供了一種軌跡預(yù)測模型生成方法，該方法包括：獲取樣本圖像序列，以及獲取對樣本圖像序列中的目標(biāo)可移動物體預(yù)先標(biāo)注的移動軌跡信息；確定目標(biāo)可移動物體在樣本圖像序列中的狀態(tài)信息；基于狀態(tài)信息，生成樣本圖像序列對應(yīng)的損失權(quán)重；將樣本圖像序列作為預(yù)設(shè)的初始模型的輸入，得到預(yù)測軌跡信息；根據(jù)預(yù)測軌跡信息及預(yù)先標(biāo)注的移動軌跡信息，確定損失函數(shù)；利用損失權(quán)重對損失函數(shù)進(jìn)行加權(quán)，得到損失值；根據(jù)損失值對初始模型進(jìn)行訓(xùn)練，得到軌跡預(yù)測模型。

根據(jù)本公開實施例的另一個方面，提供了一種軌跡預(yù)測模型生成裝置，該裝置包括：獲取模塊，用于獲取樣本圖像序列，以及獲取對樣本圖像序列中的目標(biāo)可移動物體預(yù)先標(biāo)注的移動軌跡信息；第一確定模塊，用于確定目標(biāo)可移動物體在樣本圖像序列中的狀態(tài)信息；生成模塊，用于基于狀態(tài)信息，生成樣本圖像序列對應(yīng)的損失權(quán)重；預(yù)測模塊，用于將樣本圖像序列作為預(yù)設(shè)的初始模型的輸入，得到預(yù)測軌跡信息；第二確定模塊，用于根據(jù)預(yù)測軌跡信息及預(yù)先標(biāo)注的移動軌跡信息，確定損失函數(shù)；計算模塊，用于利用損失權(quán)重對損失函數(shù)進(jìn)行加權(quán)，得到損失值；訓(xùn)練模塊，用于根據(jù)損失值對初始模型進(jìn)行訓(xùn)練，得到軌跡預(yù)測模型。

根據(jù)本公開實施例的另一個方面，提供了一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有計算機程序，計算機程序用于執(zhí)行上述軌跡預(yù)測模型生成方法。

根據(jù)本公開實施例的另一個方面，提供了一種電子設(shè)備，電子設(shè)備包括：處理器；用于存儲處理器可執(zhí)行指令的存儲器；處理器，用于從存儲器中讀取可執(zhí)行指令，并執(zhí)行指令以實現(xiàn)上述軌跡預(yù)測模型生成方法。

基于本公開上述實施例提供的軌跡預(yù)測模型生成方法、裝置、計算機可讀存儲介質(zhì)及電子設(shè)備，通過確定目標(biāo)可移動物體在樣本圖像序列中的狀態(tài)信息，基于狀態(tài)信息，生成樣本圖像序列對應(yīng)的損失權(quán)重，利用損失權(quán)重對訓(xùn)練模型使用的損失函數(shù)進(jìn)行加權(quán)，得到損失值，最后根據(jù)損失值對初始模型進(jìn)行訓(xùn)練，得到軌跡預(yù)測模型，從而實現(xiàn)了基于可移動物體的狀態(tài)信息自動對損失函數(shù)進(jìn)行加權(quán)，即有效地利用了可移動物體的狀態(tài)，提高了訓(xùn)練得到的軌跡預(yù)測模型的預(yù)測精度，并且實現(xiàn)了使用較少的訓(xùn)練樣本訓(xùn)練得到精度較高的模型。

下面通過附圖和實施例，對本公開的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

附圖說明

通過結(jié)合附圖對本公開實施例進(jìn)行更詳細(xì)的描述，本公開的上述以及其他目的、特征和優(yōu)勢將變得更加明顯。附圖用來提供對本公開實施例的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本公開實施例一起用于解釋本公開，并不構(gòu)成對本公開的限制。在附圖中，相同的參考標(biāo)號通常代表相同部件或步驟。

圖1是本公開所適用的系統(tǒng)圖。