运动轨迹预测方法、装置、计算机设备和存储介质与流程

技术特征：
1.一种运动轨迹预测方法，其特征在于，所述方法包括：获取交通参与者的当前运动轨迹以及与所述当前轨迹相关的当前车道图；根据所述当前运动轨迹上轨迹点的轨迹点数量、各所述轨迹点的第一位置信息、速度信息和对应交通参与者的标识，构造当前交通参与者特征；根据所述当前车道图中各车道图的车道点数量、各所述车道点的第二位置信息、方向信息和对应车道的标识，构造当前车道图特征；对所述当前交通参与者特征和当前车道图特征进行高维嵌入特征处理，得到目标特征数据；所述目标特征数据是指考虑了所述轨迹点与轨迹点，轨迹点与车道点，车道点和车道点之间相关性的特征数据；根据目标特征数据进行轨迹预测，得到交通参与者在指定时长内的预测轨迹。2.根据权利要求1所述的方法，其特征在于，所述根据当前交通参与者特征和当前车道图特征进行高维嵌入特征处理，得到目标特征数据，包括：对所述当前交通参与者特征和所述当前车道图特征进行数据特征提取，得到第一批数据；对所述第一批数据进行高维嵌入特征处理，得到目标特征数据。3.根据权利要求2所述的方法，其特征在于，所述对所述第一批数据进行高维嵌入特征处理，得到目标特征数据，包括：对所述第一批数据进行批数据转化，得到特征维数相同的第二批数据；将第二批数据输入至多层神经网络中进行特征变换，得到变换后的高维嵌入特征；对所述变换后的高维嵌入特征进行矩阵转换，得到矩阵转换后的高维嵌入特征；对所述矩阵转换后的高维嵌入特征进行位置嵌入处理，得到位置嵌入后的高维嵌入特征；对所述位置嵌入后的高维嵌入特征进行特征处理，得到目标特征数据。4.根据权利要求1所述的方法，其特征在于，所述根据所述当前运动轨迹上轨迹点的轨迹点数量、各所述轨迹点的第一位置信息、速度信息和对应交通参与者的标识，构造当前交通参与者特征，包括：获取所述当前运动轨迹上轨迹点的轨迹点数量，以及各所述轨迹点的第一位置信息；根据所述轨迹点中相邻轨迹点的第一位置信息和相邻轨迹点的时间间隔确定各所述轨迹点的速度信息；获取表征交通参与者数据的第一维度特征；根据各所述运动轨迹的轨迹点数量、各所述轨迹点的第一位置信息、速度信息、第一维度特征和对应交通参与者的第一标识，构造当前交通参与者特征。5.根据权利要求1所述的方法，其特征在于，所述根据所述当前车道图中各车道图的车道点数量、各所述车道点的第二位置信息、方向信息和对应车道的标识，构造当前车道图特征，包括：获取所述当前车道图中各车道图的车道点数量，以及各所述车道点的第二位置信息；根据所述车道点中相邻车道点的第四位置信息的矢量差值确定各所述车道点的方向信息；获取表征地图数据的第二维度特征；
根据各所述车道中心线的车道点数量、各所述车道点的第二位置信息、方向信息、第二维度特征和对应车道的第二标识，构造当前车道图特征。6.根据权利要求5所述的方法，其特征在于，所述根据各所述车道中心线的车道点数、各所述车道点的第四位置信息、方向信息、第二维度特征和对应车道的第二标识，构造当前车道图特征，包括：根据各所述车道中心线的车道点数、各所述车道点的第二位置信息、方向信息、第二维度特征和对应车道的第二标识，构造各所述车道中心线的车道线特征；对各所述车道线特征进行拼接，得到当前车道图特征。7.根据权利要求6所述的方法，其特征在于，所述对各所述车道线特征进行拼接，得到当前车道图特征，包括：对各所述车道线特征在车道中心线维度上进行拼接，得到当前车道图特征。8.一种运动轨迹预测装置，其特征在于，所述装置包括：获取模块，用于获取交通参与者的当前运动轨迹以及与所述当前轨迹相关的当前车道图；第一构造模块，用于根据所述当前运动轨迹上轨迹点的轨迹点数量、各所述轨迹点的第一位置信息、速度信息和对应交通参与者的标识，构造当前交通参与者特征；第二构造模块，用于根据所述当前车道图中各车道图的车道点数量、各所述车道点的第二位置信息、方向信息和对应车道的标识，构造当前车道图特征；嵌入特征处理模块，用于对所述当前交通参与者特征和所述当前车道图特征进行高维嵌入特征处理，得到目标特征数据；所述目标特征数据是指考虑了所述轨迹点与轨迹点，轨迹点与车道点，车道点和车道点之间相关性的特征数据；预测模块，用于根据目标特征数据进行轨迹预测，得到交通参与者在指定时长内的预测轨迹。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种运动轨迹预测方法、装置、计算机设备和存储介质。所述方法包括：获取交通参与者的当前运动轨迹以及与当前轨迹相关的当前车道图；根据当前运动轨迹上轨迹点的轨迹点数量、各轨迹点的第一位置信息、速度信息和对应交通参与者的标识，构造当前交通参与者特征；根据当前车道图中各车道图的车道点数量、各车道点的第二位置信息、方向信息和对应车道的标识，构造当前车道图特征；根据当前交通参与者特征和当前车道图特征进行高维嵌入特征学习，得到考虑了轨迹点与轨迹点，轨迹点与车道点，车道点和车道点之间相关性的目标特征数据，根据目标特征数据进行轨迹预测，得到指定时长内的预测轨迹。采用本方法能够提高轨迹预测的准确性。迹预测的准确性。迹预测的准确性。


技术研发人员：许家妙 刘鹏
受保护的技术使用者：东风汽车集团股份有限公司
技术研发日：2021.07.28
技术公布日：2021/11/4