【技術實現步驟摘要】
本專利技術涉及模型訓練，尤其涉及一種軌跡預測模型的訓練方法、裝置、設備及介質。
技術介紹
1、運動預測是自動駕駛系統中十分重要的一環，旨在利用過去觀察到的運動軌跡，通過建立模型讓機器理解周圍復雜交通環境中的交互，以準確預測自動駕駛車輛周圍障礙物在未來一段時間內的運動軌跡，從而輔助自動駕駛汽車規劃出準確安全合理的路線。
2、相關技術中，采用基于深度學習的方法進行軌跡預測。該方法采用了靜態訓練方式，將每個場景的數據被劃分為歷史軌跡數據和未來軌跡數據，且每次生成未來運動軌跡使用的歷史軌跡都是一段固定長度的歷史軌跡。然而，這種靜態預測方法可能導致連續預測的不穩定性和不一致性，不能提供連續穩定的預測結果，從而影響自動駕駛系統的安全性和可靠性。
技術實現思路
1、本專利技術提供了一種軌跡預測模型的訓練方法、裝置、設備及介質，基于根據當前預測軌跡和歷史預測軌跡確定的相似度損失對軌跡預測模型進行訓練，能夠有效地提高軌跡預測在時序上的連貫性和穩定性，有助于提高自動駕駛系統的安全性和可靠性。
2、根據本專利技術的一方面，提供了一種軌跡預測模型的訓練方法，所述方法包括：
3、獲取目標對象在當前時刻的當前環境信息和歷史時刻的歷史環境信息；其中，所述環境信息包括地圖道路信息以及所述目標對象和參考對象的歷史軌跡信息，所述參考對象是指位于所述目標對象預設空間范圍內的其他對象；
4、將所述當前環境信息和所述歷史環境信息分別輸入至軌跡預測模型中，得到當前預測軌跡和歷史
5、根據所述當前預測軌跡和所述歷史預測軌跡確定相似度損失；其中，所述相似度損失用于描述所述當前預測軌跡與所述歷史預測軌跡之間的差異；
6、基于所述相似度損失對所述軌跡預測模型進行訓練，以基于訓練完成的軌跡預測模型對所述目標對象進行運動軌跡預測。
7、根據本專利技術的另一方面，提供了一種軌跡預測模型的訓練裝置，包括：
8、環境信息獲取模塊，用于獲取目標對象在當前時刻的當前環境信息和歷史時刻的歷史環境信息；其中，所述環境信息包括地圖道路信息以及所述目標對象和參考對象的歷史軌跡信息，所述參考對象是指位于所述目標對象預設空間范圍內的其他對象；
9、預測軌跡確定模塊，用于將所述當前環境信息和所述歷史環境信息分別輸入至軌跡預測模型中，得到當前預測軌跡和歷史預測軌跡；
10、相似度損失確定模塊，用于根據所述當前預測軌跡和所述歷史預測軌跡確定相似度損失；其中，所述相似度損失用于描述所述當前預測軌跡與所述歷史預測軌跡之間的差異；
11、模型訓練模塊，用于基于所述相似度損失對所述軌跡預測模型進行訓練，以基于訓練完成的軌跡預測模型對所述目標對象進行軌跡預測模型的訓練。
12、根據本專利技術的另一方面，提供了一種電子設備，所述電子設備包括：
13、至少一個處理器；以及
14、與所述至少一個處理器通信連接的存儲器；其中，
15、所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本專利技術任一實施例所述的軌跡預測模型的訓練方法。
16、根據本專利技術的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現本專利技術任一實施例所述的軌跡預測模型的訓練方法。
17、本專利技術實施例的技術方案，首先獲取目標對象在當前時刻的當前環境信息和歷史時刻的歷史環境信息；其中，環境信息包括地圖道路信息以及目標對象和參考對象的歷史軌跡信息，參考對象是指位于目標對象預設空間范圍內的其他對象；然后將當前環境信息和歷史環境信息分別輸入至軌跡預測模型中，得到當前預測軌跡和歷史預測軌跡；進而根據當前預測軌跡和歷史預測軌跡確定相似度損失；其中，相似度損失用于描述當前預測軌跡與歷史預測軌跡之間的差異；最后基于相似度損失對軌跡預測模型進行訓練，以基于訓練完成的軌跡預測模型對目標對象進行運動軌跡預測。本技術方案，基于根據當前預測軌跡和歷史預測軌跡確定的相似度損失對軌跡預測模型進行訓練，能夠有效地提高軌跡預測在時序上的連貫性和穩定性，有助于提高自動駕駛系統的安全性和可靠性。
18、應當理解，本部分所描述的內容并非旨在標識本專利技術的實施例的關鍵或重要特征，也不用于限制本專利技術的范圍。本專利技術的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網...【技術保護點】
1.一種軌跡預測模型的訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述軌跡預測模型包括特征提取單元、特征融合單元和軌跡預測單元，所述特征提取單元包括地圖特征提取單元和軌跡特征提取單元；
3.根據權利要求2所述的方法，其特征在于，所述地圖特征提取單元采用車道圖卷積網絡；
4.根據權利要求2所述的方法，其特征在于，所述特征融合單元包括第一融合單元、第二融合單元、第三融合單元和第四融合單元；其中，所述第一融合單元用于將軌跡特征融合到地圖特征中，所述第二融合單元用于對不同地圖特征進行融合，所述第三融合單元用于將地圖特征融合到軌跡特征中，所述第四融合單元用于對不同軌跡特征進行融合。
5.根據權利要求2所述的方法，其特征在于，所述軌跡特征提取單元包括卷積單元和特征金字塔單元；所述軌跡預測單元包括殘差單元、線性單元和激活函數單元。
6.根據權利要求1所述的方法，其特征在于，所述當前預測軌跡和所述歷史預測軌跡的數量相同且為至少兩條；
7.根據權利要求1-6任一所述的方法，其特征在于，在將所
8.一種軌跡預測模型的訓練裝置，其特征在于，所述裝置包括：
9.一種電子設備，其特征在于，所述電子設備包括：
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現權利要求1-7中任一項所述的軌跡預測模型的訓練方法。
...【技術特征摘要】
1.一種軌跡預測模型的訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述軌跡預測模型包括特征提取單元、特征融合單元和軌跡預測單元，所述特征提取單元包括地圖特征提取單元和軌跡特征提取單元；
3.根據權利要求2所述的方法，其特征在于，所述地圖特征提取單元采用車道圖卷積網絡；
4.根據權利要求2所述的方法，其特征在于，所述特征融合單元包括第一融合單元、第二融合單元、第三融合單元和第四融合單元；其中，所述第一融合單元用于將軌跡特征融合到地圖特征中，所述第二融合單元用于對不同地圖特征進行融合，所述第三融合單元用于將地圖特征融合到軌跡特征中，所述第四融合單元用于對不同軌跡特征進行融合。
5.根據權利要求2所述的方法，其特征在于，所...
【專利技術屬性】
技術研發人員：王寧，李榮華，李曙光，陳紅麗，盧麗婧，周航，修杰，
申請(專利權)人：中國第一汽車股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。