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：获取对目标环境进行采集所得的环境数据样本，以及对所述环境数据样本进行下采样所得的下采样环境数据样本；分别对所述环境数据样本以及所述下采样环境数据样本进行运动感知处理，得到所述目标环境中各目标物体对应的第一运动数据样本以及第二运动数据样本；基于所述第一运动数据样本以及所述第二运动数据样本，对预训练的机器学习模型进行训练，得到预测模型；通过所述预测模型对由下采样环境数据所得的运动数据进行预测，得到物体的运动轨迹。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一运动数据样本以及所述第二运动数据样本，对预训练的机器学习模型进行训练，得到预测模型包括：在所述第二运动数据样本中，提取所述目标环境中的目标物体在第一时间段内的第一目标数据样本；在所述第一运动数据样本中，提取所述目标物体在所述第二时间段内的第二目标数据样本；所述第二时间段是所述第一时间段相邻的下一时间段；根据由所述第一目标数据样本与所述第二目标数据样本组成的样本集合，对预训练的机器学习模型进行训练，得到预测模型。3.根据权利要求2所述的方法，其特征在于，所述在所述第一运动数据样本中，提取所述目标物体在所述第二时间段内的第二目标数据样本包括：在所述第一运动数据样本中，提取所述目标物体对应的第一跟踪标识；在所述第二运动数据中，查找所述第一跟踪标识匹配的第二跟踪标识；根据所述第二跟踪标识，在所述第二运动数据样本中，提取所述目标物体在所述第二时间段内的第二目标数据样本。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：基于所述第一运动数据，确定所述目标环境中各物体的运动时长；在所述目标环境内的各物体中，若所述物体对应的运动时长大于预设时长，将所述物体作为目标物体；所述预设时长大于所述第一时间段的长度与所述第二时间段的长度之和。5.根据权利要求1所述的方法，其特征在于，所述基于所述第一运动数据样本以及所述第二运动数据样本，对预训练的机器学习模型进行训练，得到预测模型包括：通过所述预训练的机器学习模型，根据所述第二运动数据样本进行预测，得到预测轨迹数据；根据所述第一运动数据样本进行计算，得到轨迹标签数据；基于所述预测轨迹数据与所述轨迹标签数据计算损失值；根据所述损失值对所述预训练的机器学习模型的参数进行调整，得到预测模型。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：在自动驾驶过程中，获取采集驾驶环境所得的环境数据；对所述环境数据进行下采样，得到下采样环境数据；所述通过所述预测模型对由下采样环境数据所得的运动数据进行预测，得到物体的运
动轨迹包括：根据所述下采样环境数据进行运动感知处理，得到运动数据；通过所述预测模型对所述运动数据进行预测，得到所述驾驶环境中各物体的运动轨迹。7.一种运动轨迹预测装置，其特征在于，所述装置包括：获取模块，用于获取对目标环境进行采集所得的环境数据样本，以及对所述环境数据样本进行下采样所得的下采样环境数据样本；处理模块，用于分别对所述环境数据样本以及所述下采样环境数据样本进行运动感知处理，得到所述目标环境中各目标物体对应的第一运动数据样本以及第二运动数据样本；训练模块，用于基于所述第一运动数据样本以及所述第二运动数据样本，对预训练的机器学习模型进行训练，得到预测模型；预测模块，用于通过所述预测模型对由下采样环境数据所得的运动数据进行预测，得到物体的运动轨迹。8.一种计算机设备，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6中任一项所述的方法的步骤。9.一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6中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6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、存储介质和计算机程序产品。所述方法包括：获取对目标环境进行采集所得的环境数据样本，以及对所述环境数据样本进行下采样所得的下采样环境数据样本；分别对所述环境数据样本以及所述下采样环境数据样本进行运动感知处理，得到所述目标环境中各目标物体对应的第一运动数据样本以及第二运动数据样本；基于所述第一运动数据样本以及所述第二运动数据样本，对预训练的机器学习模型进行训练，得到预测模型；通过所述预测模型对由下采样环境数据所得的运动数据进行预测，得到物体的运动轨迹。采用本方法能够提高预测所得的运动轨迹的准确性。的准确性。的准确性。


技术研发人员：许家妙
受保护的技术使用者：深圳元戎启行科技有限公司
技术研发日：2022.04.01
技术公布日：2022/6/28