【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于軌跡預(yù)測(cè)，具體涉及一種結(jié)合自監(jiān)督機(jī)制的未知域目標(biāo)軌跡預(yù)測(cè)方法。
技術(shù)介紹
1、隨著自動(dòng)駕駛技術(shù)的蓬勃發(fā)展，軌跡預(yù)測(cè)已成為智能汽車系統(tǒng)不可或缺的關(guān)鍵組成部分。深度學(xué)習(xí)算法在軌跡預(yù)測(cè)領(lǐng)域不斷展現(xiàn)卓越的性能，但傳統(tǒng)的深度學(xué)習(xí)算法普遍存在模型泛化能力不足的問(wèn)題，導(dǎo)致模型在測(cè)試未知域數(shù)據(jù)時(shí)性能的明顯下降。
2、現(xiàn)有大多的深度學(xué)習(xí)軌跡預(yù)測(cè)模型的測(cè)試域與訓(xùn)練域采樣于近似域，例如，基于bev鳥瞰圖的軌跡預(yù)測(cè)方法(公開號(hào)：cn114708723a)、融合多模態(tài)信息的軌跡預(yù)測(cè)方法(公開號(hào)：cn114648551b)、基于lstm多層次運(yùn)動(dòng)特征的軌跡預(yù)測(cè)方法(公開號(hào)：cn115797892a)。上述專利技術(shù)方法中，深度學(xué)習(xí)模型解決軌跡預(yù)測(cè)問(wèn)題的方法均忽略了數(shù)據(jù)分布差異導(dǎo)致的泛化問(wèn)題，當(dāng)這類模型預(yù)測(cè)未知域場(chǎng)景軌跡時(shí)預(yù)測(cè)準(zhǔn)確性下降，隱含巨大的安全隱患。目前也有部分方法針對(duì)性的提升模型泛化能力。公開號(hào)為cn115797892a的中國(guó)專利提出了一種提升車輛軌跡模型泛化能力的方法，通過(guò)結(jié)合不變性原理的終點(diǎn)預(yù)測(cè)模塊實(shí)現(xiàn)。但該方法沒有考慮不變性原理應(yīng)用過(guò)程中的數(shù)據(jù)域劃分問(wèn)題。公開號(hào)為cn116912661a的專利技術(shù)專利使用預(yù)訓(xùn)練的方式提升模型在未知域的準(zhǔn)確性。但預(yù)訓(xùn)練方法伴隨之分布訓(xùn)練，提升了訓(xùn)練難度消耗更多訓(xùn)練資源。因此本專利技術(shù)提出了一種結(jié)合自監(jiān)督機(jī)制的未知域目標(biāo)軌跡預(yù)測(cè)方法。
技術(shù)實(shí)現(xiàn)思路
1、專利技術(shù)目的：為了解決上述存在的問(wèn)題，提升目標(biāo)軌跡模型在未知域下的預(yù)測(cè)效果，增強(qiáng)模型的泛化
2、技術(shù)方案：一種結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，包括以下步驟：
3、(1)獲取目標(biāo)軌跡數(shù)據(jù)以及鄰近目標(biāo)軌跡數(shù)據(jù)、場(chǎng)景地圖數(shù)據(jù)；
4、(2)為了更好的對(duì)軌跡數(shù)據(jù)進(jìn)行域劃分，通過(guò)聚類算法提取軌跡的機(jī)動(dòng)類型；
5、(3)提取鄰近目標(biāo)軌跡及場(chǎng)景地圖信息，將被預(yù)測(cè)目標(biāo)歷史軌跡、目標(biāo)歷史軌跡、場(chǎng)景地圖信息輸入到時(shí)序神經(jīng)網(wǎng)絡(luò)編碼器中提取特征。針對(duì)地圖特征和鄰近車輛特征分別進(jìn)行卷積池化提取高維特征；
6、(4)將鄰近目標(biāo)歷史軌跡特征場(chǎng)景地圖特征、和被預(yù)測(cè)目標(biāo)歷史軌跡特征輸入至機(jī)動(dòng)類型預(yù)測(cè)模塊，獲得預(yù)測(cè)的機(jī)動(dòng)類型標(biāo)簽；
7、(5)獲取預(yù)測(cè)的機(jī)動(dòng)類型后，使用步驟(2)中生成的機(jī)動(dòng)類型共同計(jì)算軌跡機(jī)動(dòng)類型自監(jiān)督子任務(wù)損失。
8、(6)利用數(shù)據(jù)編碼輸入基于不變性原理的條件自編碼器生成軌跡終點(diǎn)獲得預(yù)測(cè)終點(diǎn)，獲取終點(diǎn)后將軌跡終點(diǎn)與數(shù)據(jù)編碼級(jí)聯(lián)輸入時(shí)序神經(jīng)網(wǎng)絡(luò)解碼獲得剩余其余點(diǎn)的軌跡。
9、(7)模型損失計(jì)算，首先通過(guò)終點(diǎn)模塊生成未來(lái)軌跡的端點(diǎn)，生成完成后將端點(diǎn)編碼與特征編碼級(jí)聯(lián)，再補(bǔ)全剩余軌跡點(diǎn)，完成車輛未來(lái)軌跡預(yù)測(cè)，其中模型的損失函數(shù)由五個(gè)部分組成，步驟(5)中的自監(jiān)督子任務(wù)損失、步驟(6)中不變性原理?yè)p失、終點(diǎn)生成偏差損失、剩余軌跡偏差損失和kl散度損失
10、進(jìn)一步地，所述步驟(1)獲取的目標(biāo)軌跡數(shù)據(jù)包括被預(yù)測(cè)目標(biāo)的軌跡坐標(biāo)點(diǎn)集，鄰近目標(biāo)的軌跡坐標(biāo)點(diǎn)集，目標(biāo)所在場(chǎng)景地圖車道中心線，以及車道之間的拓?fù)潢P(guān)系。
11、進(jìn)一步地，所述步驟(2)還包括對(duì)歷史軌跡聚類處理的主要步驟：首先將車輛軌跡坐標(biāo)歸一化與旋轉(zhuǎn)，接著抽取軌跡特征數(shù)據(jù)，最后設(shè)置聚類算法的相關(guān)參數(shù)，進(jìn)行聚類操作，獲取軌跡機(jī)動(dòng)類型的標(biāo)簽。
12、進(jìn)一步地，所述步驟(2)車輛軌跡坐標(biāo)歸一化與旋轉(zhuǎn)還包括：為了將機(jī)動(dòng)類型的坐標(biāo)映射更加集中，先針對(duì)車輛的軌跡進(jìn)行歸一化操作和坐標(biāo)旋轉(zhuǎn)操作。假設(shè)第n個(gè)數(shù)據(jù)域內(nèi)的第m個(gè)被預(yù)測(cè)車輛的歷史軌跡為未來(lái)軌跡為車輛軌跡歸一化操作為平移軌跡，直至以歷史軌跡的終點(diǎn)為原點(diǎn)，坐標(biāo)計(jì)算公式如下：
13、
14、假設(shè)車輛歷史軌跡的起點(diǎn)至終點(diǎn)為軌跡向量v，其坐標(biāo)為(vx,vy)，車輛軌跡的坐標(biāo)旋轉(zhuǎn)操作則是將軌跡向量v旋轉(zhuǎn)至與y軸平行，坐標(biāo)計(jì)算過(guò)程如下，假設(shè)坐標(biāo)旋轉(zhuǎn)矩陣為r，和為旋轉(zhuǎn)后的歷史軌跡和未來(lái)軌跡：
15、
16、
17、
18、
19、進(jìn)一步地，所述步驟(2)抽取軌跡特征數(shù)據(jù)還包括：本專利技術(shù)將機(jī)動(dòng)類型分為["左轉(zhuǎn)"、"直行"、"右轉(zhuǎn)"]和["加速"、"保持速度"、"減速"]，因此抽取兩種軌跡特征，針對(duì)軌跡行進(jìn)方向聚類抽取軌跡橫向位移作為聚類特征，針對(duì)軌跡速度變化抽取該時(shí)刻速度大小作為聚類特征。
20、進(jìn)一步地，所述步驟(2)聚類算法的相關(guān)參數(shù)為聚類類別數(shù)量為3，聚類最大迭代次數(shù)為100，聚類收斂容忍度為0.0001。
21、進(jìn)一步地，所述步驟(2)聚類操作包括：首先獲取軌跡提取的特征數(shù)據(jù)，隨機(jī)選擇3個(gè)數(shù)據(jù)點(diǎn)作為初始聚類中心，對(duì)于特征數(shù)據(jù)的每個(gè)數(shù)據(jù)點(diǎn)，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到聚類中心的距離，將數(shù)據(jù)點(diǎn)分配給距離最近的聚類中心，更新其標(biāo)簽。根據(jù)最新的聚類分配結(jié)果重新計(jì)算每個(gè)類別的中心。如果聚類中心的移動(dòng)聚類小于收斂容忍度，則輸出每條軌跡的類別標(biāo)簽。
22、進(jìn)一步地，所述步驟(4)機(jī)動(dòng)類型預(yù)測(cè)模塊結(jié)構(gòu)輸入為軌跡終點(diǎn)編碼、地圖編碼、歷史軌跡編碼以及鄰近車輛軌跡編碼，輸出為預(yù)測(cè)的行進(jìn)方向類別、軌跡速度類別。機(jī)動(dòng)類型預(yù)測(cè)器共由兩個(gè)預(yù)測(cè)器構(gòu)成，一個(gè)是行進(jìn)類別預(yù)測(cè)器，預(yù)測(cè)軌跡左轉(zhuǎn)、直行或右轉(zhuǎn)；另一個(gè)是軌跡速度預(yù)測(cè)器，預(yù)測(cè)車輛加速，保持速度或減速。
23、進(jìn)一步地，所屬步驟(5)本專利技術(shù)引入的自監(jiān)督機(jī)動(dòng)類型預(yù)測(cè)子任務(wù)損失，假設(shè)為先驗(yàn)行進(jìn)類別機(jī)動(dòng)類型，表示軌跡速度機(jī)動(dòng)類型，分別為預(yù)測(cè)的機(jī)動(dòng)類型標(biāo)簽，則損失計(jì)算公式如下，其中e表示場(chǎng)景編號(hào)：
24、
25、
26、
27、其中表示行進(jìn)方向機(jī)動(dòng)類型自監(jiān)督任務(wù)損失，表示速度變化機(jī)動(dòng)類型自監(jiān)督任務(wù)損失。為自監(jiān)督子任務(wù)損失。
28、進(jìn)一步地，所述步驟(6)中基于不變性原理的終點(diǎn)預(yù)測(cè)模塊由編碼器、解碼器以及隱變量z組成，將不變風(fēng)險(xiǎn)最小化的損失函數(shù)作用于cvae模塊。若歷史編碼與地圖編碼中的不變特征設(shè)為fs＝{hs,cs}，變化的特征設(shè)為fr＝{hr,cr}，則編碼器ecvae通過(guò)kl散度損失的作用，使擬合的qθ(z|yt+α,fs,fr)分布接近pθ(z|yt+α,fs,fr)的分布，解碼器dcvae在訓(xùn)練過(guò)程學(xué)習(xí)pθ(yt+α|z,fs,fr)的分布。不變風(fēng)險(xiǎn)最小化損失促使終點(diǎn)預(yù)測(cè)模塊編碼器最終學(xué)習(xí)到的qθ(z|yt+α,fs,fr)分布會(huì)削弱與fr的相關(guān)性，擬合僅以fs和yt+α為條件的隱變量z的分布。不變風(fēng)險(xiǎn)最小化的損失函數(shù)依照聚類結(jié)果的機(jī)動(dòng)類型計(jì)算,其公式如下：
29、
30、
31、其中e表示場(chǎng)景編號(hào)，me為機(jī)動(dòng)類型，為軌跡終點(diǎn)，te,he,ce為該場(chǎng)景歷史軌跡信息、鄰近車輛信息以及地圖場(chǎng)景信息，φ為終點(diǎn)預(yù)測(cè)模塊，fw為線性分類器，we為該場(chǎng)景特有的分類器，re是環(huán)境e下終點(diǎn)預(yù)測(cè)值與真值的本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(1)獲取的目標(biāo)軌跡數(shù)據(jù)包括被預(yù)測(cè)目標(biāo)的軌跡坐標(biāo)點(diǎn)集，鄰近目標(biāo)的軌跡坐標(biāo)點(diǎn)集，目標(biāo)所在場(chǎng)景地圖車道中心線，以及車道之間的拓?fù)潢P(guān)系。
3.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(2)還包括對(duì)歷史軌跡聚類處理的主要步驟：首先將車輛軌跡坐標(biāo)歸一化與旋轉(zhuǎn)，接著抽取軌跡特征數(shù)據(jù)，最后設(shè)置聚類算法的相關(guān)參數(shù)，進(jìn)行聚類操作，獲取軌跡機(jī)動(dòng)類型的標(biāo)簽，
4.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(2)聚類算法的相關(guān)參數(shù)為聚類類別數(shù)量為3，聚類最大迭代次數(shù)為100，聚類收斂容忍度為0.0001。
5.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(2)聚類操作包括：首先獲取軌跡提取的特征數(shù)據(jù)，隨機(jī)選擇3個(gè)數(shù)據(jù)點(diǎn)作為初始聚類中心，對(duì)于特征數(shù)據(jù)的每個(gè)數(shù)據(jù)點(diǎn)，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到聚類中心的距離，將數(shù)據(jù)
6.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(4)機(jī)動(dòng)類型預(yù)測(cè)模塊結(jié)構(gòu)輸入為軌跡終點(diǎn)編碼、地圖編碼、歷史軌跡編碼以及鄰近車輛軌跡編碼，輸出為預(yù)測(cè)的行進(jìn)方向類別、軌跡速度類別，機(jī)動(dòng)類型預(yù)測(cè)器共由兩個(gè)預(yù)測(cè)器構(gòu)成，一個(gè)是行進(jìn)類別預(yù)測(cè)器，預(yù)測(cè)軌跡左轉(zhuǎn)、直行或右轉(zhuǎn)；另一個(gè)是軌跡速度預(yù)測(cè)器，預(yù)測(cè)車輛加速，保持速度或減速。
7.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，步驟(5)引入的自監(jiān)督機(jī)動(dòng)類型預(yù)測(cè)子任務(wù)損失，假設(shè)為先驗(yàn)行進(jìn)類別機(jī)動(dòng)類型，表示軌跡速度機(jī)動(dòng)類型，分別為預(yù)測(cè)的機(jī)動(dòng)類型標(biāo)簽，則損失計(jì)算公式如下，其中e表示場(chǎng)景編號(hào)：
8.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，步驟(6)中基于不變性原理的終點(diǎn)預(yù)測(cè)模塊由編碼器、解碼器以及隱變量Z組成，將不變風(fēng)險(xiǎn)最小化的損失函數(shù)作用于CVAE模塊，若歷史編碼與地圖編碼中的不變特征設(shè)為Fs＝{Hs,Cs}，變化的特征設(shè)為Fr＝{Hr,Cr}，則編碼器Ecvae通過(guò)KL散度損失的作用，使擬合的qθ(Z|yt+α,Fs,Fr)分布接近Pθ(Z|yt+α,Fs,Fr)的分布，解碼器Dcvae在訓(xùn)練過(guò)程學(xué)習(xí)Pθ(yt+α|Z,Fs,Fr)的分布，不變風(fēng)險(xiǎn)最小化損失促使終點(diǎn)預(yù)測(cè)模塊編碼器最終學(xué)習(xí)到的qθ(Z|yt+α,Fs,Fr)分布會(huì)削弱與Fr的相關(guān)性，擬合僅以Fs和yt+α為條件的隱變量Z的分布，不變風(fēng)險(xiǎn)最小化的損失函數(shù)依照聚類結(jié)果的機(jī)動(dòng)類型計(jì)算,其公式如下：
9.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(7)中，模型的損失函數(shù)如下，n表示數(shù)據(jù)域的個(gè)數(shù)：
...【技術(shù)特征摘要】
1.一種結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(1)獲取的目標(biāo)軌跡數(shù)據(jù)包括被預(yù)測(cè)目標(biāo)的軌跡坐標(biāo)點(diǎn)集，鄰近目標(biāo)的軌跡坐標(biāo)點(diǎn)集，目標(biāo)所在場(chǎng)景地圖車道中心線，以及車道之間的拓?fù)潢P(guān)系。
3.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(2)還包括對(duì)歷史軌跡聚類處理的主要步驟：首先將車輛軌跡坐標(biāo)歸一化與旋轉(zhuǎn)，接著抽取軌跡特征數(shù)據(jù)，最后設(shè)置聚類算法的相關(guān)參數(shù)，進(jìn)行聚類操作，獲取軌跡機(jī)動(dòng)類型的標(biāo)簽，
4.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(2)聚類算法的相關(guān)參數(shù)為聚類類別數(shù)量為3，聚類最大迭代次數(shù)為100，聚類收斂容忍度為0.0001。
5.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(2)聚類操作包括：首先獲取軌跡提取的特征數(shù)據(jù)，隨機(jī)選擇3個(gè)數(shù)據(jù)點(diǎn)作為初始聚類中心，對(duì)于特征數(shù)據(jù)的每個(gè)數(shù)據(jù)點(diǎn)，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到聚類中心的距離，將數(shù)據(jù)點(diǎn)分配給距離最近的聚類中心，更新其標(biāo)簽，根據(jù)最新的聚類分配結(jié)果重新計(jì)算每個(gè)類別的中心，如果聚類中心的移動(dòng)聚類小于收斂容忍度，則輸出每條軌跡的類別標(biāo)簽。
6.根據(jù)權(quán)利要求1所述的結(jié)合自監(jiān)督機(jī)制的未知域軌跡預(yù)測(cè)方法，其特征在于，所述步驟(4)機(jī)動(dòng)類型預(yù)測(cè)模塊結(jié)構(gòu)輸入為軌跡終點(diǎn)編碼、地圖編碼、歷史軌跡編碼以...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李煊鵬，盧一凡，薛啟凡，李晟屹，楊鳳，
申請(qǐng)(專利權(quán))人：東南大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。