[發(fā)明專利]一種獲得平滑預測軌跡的方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202310001357.0
• 申請日: 2023-01-03
• 公開（公告）號: CN116502108A
• 公開（公告）日: 2023-07-28
• 發(fā)明（設計）人: 林仲濤;張忠旭;嚴旭;楊東方;邱利宏
• 申請（專利權(quán)）人: 重慶長安汽車股份有限公司
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06F18/214;G06N3/08;G06N3/0464
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 賴晉儒

1.一種獲得平滑預測軌跡的方法，其特征在于：所述方法包括，

獲取本車運動狀態(tài)、目標運動狀態(tài)和周圍環(huán)境信息；

根據(jù)獲取的所述本車運動狀態(tài)、目標運動狀態(tài)和周圍環(huán)境信息進行預處理，根據(jù)所述預處理結(jié)果生成訓練樣本；

根據(jù)生成的所述訓練樣本采用K-Means算法，通過聚類方式，獲得聚類軌跡；

建立神經(jīng)網(wǎng)絡模型，將獲得的所述聚類軌跡輸入所述神經(jīng)網(wǎng)路模型中，通過所述神經(jīng)網(wǎng)路模型轉(zhuǎn)化輸出，得到訓練軌跡，并與所述聚類軌跡比對，得到預測軌跡。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述方法還包括，

在進行所述預處理時，將獲取的信息通過時間戳對齊，再將所述時間戳對齊的數(shù)據(jù)進行降采樣或插值；

根據(jù)所述降采樣或插值的數(shù)據(jù)獲取BEV鳥瞰圖數(shù)據(jù)、當前位置、歷史位置、當前速度、當前加速度和當前航向變化率信息生成訓練樣本。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于：所述方法還包括，

所述BEV鳥瞰圖數(shù)據(jù)包括以目標當前位置為中心在預設距離內(nèi)的高精地圖信息、目標歷史幀和目標周圍移動對象的歷史幀；

將所述高精地圖信息、目標歷史幀和目標周圍移動對象的歷史幀疊加處理，得到三通道的矩陣圖。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述方法還包括，

在獲取所述聚類軌跡時，根據(jù)設定的閾值，調(diào)整聚類數(shù)量參數(shù)進行重新聚類。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述方法還包括，

在建立所述神經(jīng)網(wǎng)絡模型時，采用ResNet作為骨干網(wǎng)絡，修改第一卷積層的通道數(shù)以適應輸入BEV的維度，添加第一全連接層接受所述骨干網(wǎng)絡的輸出結(jié)果，再添加第二全連接層將所述輸出結(jié)果轉(zhuǎn)化成多軌跡以及對應的概率輸出。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于：所述方法還包括，

在所述第二全連接層將對應的概率輸出時，通過softmax函數(shù)將所述神經(jīng)網(wǎng)絡模型預測的置信度轉(zhuǎn)換成和為1的概率值。

7.一種獲得平滑預測軌跡的裝置，其特征在于，所述裝置包括，

數(shù)據(jù)采集模塊，用于獲取本車運動狀態(tài)、目標運動狀態(tài)和周圍環(huán)境信息；

訓練模塊，用于根據(jù)獲取的所述本車運動狀態(tài)、目標運動狀態(tài)和周圍環(huán)境信息進行預處理，根據(jù)所述預處理結(jié)果生成訓練樣本，根據(jù)訓練樣本，獲取聚類軌跡；

神經(jīng)網(wǎng)絡模塊，用于根據(jù)訓練樣本，生成訓練軌跡，并與所述聚類軌跡比對，得到預測軌跡。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于：所述裝置還包括，

預處理模塊，所述預處理模塊，用于將獲取的信息通過時間戳對齊，再將所述時間戳對齊的數(shù)據(jù)進行降采樣或插值；根據(jù)所述降采樣或插值的數(shù)據(jù)獲取BEV鳥瞰圖數(shù)據(jù)、當前位置、歷史位置、未來位置、當前速度、當前加速度和當前航向變化率信息生成訓練樣本。

9.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)中存儲有計算機程序，當所述計算機程序在計算機上運行時，使得所述計算機執(zhí)行如權(quán)利要求1-6任一項所述的方法。