一种车辆轨迹预测方法、电子设备和存储介质与流程

1.本技术涉及智能驾驶技术领域，特别是涉及一种车辆轨迹预测方法、电子设备和存储介质。


背景技术：

2.智能驾驶车辆在行驶过程中，通过多个传感器感知周围的环境信息，包括道路环境和附近交通参与者。智能驾驶车辆需要预测未来一定时间内附近交通参与者的运动轨迹，再生成自身的轨迹规划方案，实现对自身的自动控制，从而避免与附近交通参与者的碰撞，保证车辆形式过程中的安全性、稳定性与舒适性。
3.然现有技术中预测得到的车辆轨迹准确率较差，从而无法实现对车辆的精准控制，造成车辆与车辆之间或车辆与物体之间的碰撞。


技术实现要素：

4.本技术主要解决的技术问题是提供一种车辆轨迹预测方法、电子设备和存储介质，能够提高车辆轨迹预测的准确性。
5.为解决上述技术问题，本技术第一方面提供了一种车辆轨迹预测方法，该方法包括：获取目标车辆以及目标车辆的周围车辆的第一车辆特征，并获取目标候选车道的车道段的第一车道段特征；其中，目标候选车道为目标车辆通过直行、转弯、变道或掉头能够到达的车道；将任一周围车辆与其他周围车辆的第一车辆特征进行交互，得到对应周围车辆的第二车辆特征；并将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征；将同一目标候选车道上的车道段的第二车道段特征进行融合，得到目标候选车道的第一车道特征；利用周围车辆的第二车辆特征、目标候选车道的第一车道特征以及目标车辆的第一车辆特征进行交互，得到融合特征；基于融合特征进行预测，得到目标车辆的预测轨迹。
6.其中，交互均是基于多头注意力进行交互。
7.其中，将任一周围车辆与其他周围车辆的第一车辆特征进行交互，得到对应周围车辆的第二车辆特征，包括：选择一周围车辆作为第一周围车辆，将其他周围车辆分别作为第二周围车辆；分别以第二周围车辆的第一车辆特征为键元素和值元素、以及第一周围车辆的第一车辆特征为查询元素，进行多头交互注意力处理，得到第一周围车辆的第三车辆特征；对第一周围车辆的第三车辆特征和第一车辆特征进行融合，得到第一周围车辆的第二车辆特征。
8.其中，将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征，包括：将每个目标候选车道均分为第一预设数量个车道段，得到车道段集合；将车道段集合中的任一车道段作为第一车道段，除第一车道段外的车道段分别作为第二车道段；分别以第二车道段的第一车道段特征为键元素和值元素、以及第一车道段的第一车道段特征为查询元素，进行多头交互注意力处理，得到第一车道段
的第三车道段特征；对第一车道段的第一车道段特征和第三车道段特征进行融合，得到对应第一车道段的第二车道段特征。
9.其中，将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互之前，还包括：获取分段集合；其中，分段集合包括多个第一预设数量；
10.将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征，包括：对于分段集合中的每个第一预设数量，均执行下述步骤：将每个目标候选车道均分为第一预设数量个车道段，得到车道段集合；将车道段集合中的任一车道段作为第一车道段，除第一车道段外的车道段分别作为第二车道段；分别以第二车道段的第一车道段特征为键元素和值元素、以及第一车道段的第一车道段特征为查询元素，进行多头交互注意力处理，得到对应第一车道段的第三车道段特征；对第一车道段的第一车道段特征和第三车道段特征进行融合，得到多组对应第一车道段的第二车道段特征；其中，每组对应第一车道段的第二车道段特征是对每个目标候选车道均分为相同的第一预设数量个车道段后得到；
11.将同一目标候选车道上的车道段的第二车道段特征融合，得到目标候选车道的第一车道特征，包括：将每组第二车道段特征中同一目标候选车道上的车道段的第二车道段特征进行拼接，得到目标候选车道的第二车道特征；将多组第二车道段特征中属于同一目标候选车道的第二车道特征进行相加，得到目标候选车道的第一车道特征。
12.其中，利用周围车辆的第二车辆特征、目标候选车道的第一车道特征以及目标车辆的第一车辆特征进行交互，得到融合特征，包括：利用目标车辆的第一车辆特征和目标候选车道的第一车道特征进行多头交互注意力处理，得到目标车辆的第二车辆特征；利用目标车辆的第二车辆特征和周围车辆的第二车辆特征进行多头交互注意力处理，得到融合特征。
13.其中，利用目标车辆的第一车辆特征和目标候选车道的第一车道特征进行多头交互注意力处理，得到目标车辆的第二车辆特征，包括：以目标车辆的第一车辆特征为查询元素、目标候选车道的第一车道特征为键元素和值元素，进行多头交互注意力处理，得到目标车辆的第二车辆特征；
14.和/或，利用目标车辆的第二车辆特征和周围车辆的第二车辆特征进行多头交互注意力处理，得到融合特征，包括：以目标车辆的第二车辆特征为查询元素、周围车辆的第二车辆特征为键元素和值元素，进行多头交互注意力处理，得到融合特征。
15.其中，在获取目标车辆以及目标车辆的周围车辆的第一车辆特征，并获取目标候选车道的车道段的第一车道段特征之前，车辆轨迹预测方法还包括：获取目标车辆和周围车辆的历史轨迹，并获取目标候选车道的车道点集合；其中，车道点集合中的各车道点位于目标候选车道的中心线上；
16.获取目标车辆以及目标车辆的周围车辆的第一车辆特征，包括：基于目标车辆和周围车辆的历史轨迹进行特征提取，得到目标车辆和周围车辆的第一车辆特征；
17.获取目标候选车道的车道段的第一车道段特征，包括：基于车道点集合中各车道点进行特征提取，得到目标候选车道的车道段的第一车道段特征其中，基于车道点集合中各车道点进行特征提取，得到目标候选车道的车道段的第一车道段特征，包括：对车道点集合中各车道点进行分类，得到属于每个车道段的车道点；基于每个车道段的车道点进行特
征提取，得到每个车道段的第一车道段特征。
18.其中，在获取目标候选车道的车道点集合之前，车辆轨迹预测方法还包括：选择距离目标车辆最近的车道点记为起始车道点；利用深度优先遍历算法遍历与起始车道点相邻的车道点，确定初始候选车道；基于初始目标候选车道，确定目标候选车道。
19.其中，基于初始目标候选车道，确定目标候选车道，包括：判断初始候选车道包含的车道点的数量是否达到第二预设数量；响应于初始候选车道包含的车道点的数量达到第二预设数量，将初始候选车道作为目标候选车道；响应于初始候选车道包含的车道点的数量未达到第二预设数量，采用补0的方式补充初始候选车道的车道点，得到目标候选车道；目标候选车道包含的车道点数量等于第二预设数量。
20.为解决上述技术问题，本技术第二方面提供了一种电子设备，该电子设备包括相互耦接的存储器和处理器；存储器存储有程序指令；处理器用于执行存储器中存储的程序指令，以实现上述第一方面提供的方法。
21.为解决上述技术问题，本技术第三方面提供了一种计算机可读存储介质，该存储介质用于存储程序指令，程序指令能够被处理器执行以实现上述第一方面提供的方法。
22.本技术的有益效果是：区别于现有技术的情况，本技术获取目标车辆以及目标车辆的周围车辆的第一车辆特征以及目标候选车道的车道段的第一车道段特征后，首先，将任一周围车辆与其他周围车辆的第一车辆特征进行交互，得到对应任一周围车辆的第二车辆特征，使得对应任一周围车辆的第二车辆特征包含其他周围车辆的特征；并将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应任一车道段的第二车道段特征，使得对应任一车道段的第二车道段特征包含其他车道段的特征；其次，将同一目标候选车道上的车道段的第二车道段特征进行融合，得到目标候选车道的第一车道特征，即可使目标候选车道的第一车道特征也包含其他目标候选车道的特征；再者，利用周围车辆的第二车辆特征、目标候选车道的第一车道特征以及目标车辆的第一车辆特征进行交互，得到融合特征，此时得到的融合特征即可包含目标车辆、所有周围车辆以及所有目标候选车道的特征；最后，基于融合特征进行预测，即可提高车辆轨迹预测的准确性。
附图说明
23.图1是本技术提供的车辆轨迹预测方法第一实施方式的流程示意图；
24.图2是本技术提供的车辆轨迹预测方法第一实施方式中得到对应周围车辆的第二车辆特征一实施方式的流程示意图；
25.图3是本技术提供的车辆轨迹预测方法第一实施方式中得到对应车道段的第二车道段特征一实施方式的流程示意图；
26.图4是本技术提供的车辆轨迹预测方法第一实施方式中得到融合特征一实施方式的流程示意图；
27.图5是本技术提供的车辆轨迹预测方法第二实施方式的流程示意图；
28.图6是本技术提供的电子设备一实施方式的框架示意图；
29.图7是提供的本技术计算机可读存储介质一实施方式的框架示意图。
具体实施方式
30.下面结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
31.需要说明的是，本技术实施例中有涉及“第一”、“第二”等的描述，该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
32.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
33.请参阅图1，图1是本技术提供的车辆轨迹预测方法第一实施方式的流程示意图，该方法包括：
34.s11：获取目标车辆以及目标车辆的周围车辆的第一车辆特征，并获取目标候选车道的车道段的第一车道段特征。
35.在一实施方式中，目标车辆为所要预测的车辆，目标车辆周围会有相应的道路环境和交通参与者，算法根据目标车辆的历史轨迹和周围信息，预测目标车辆的未来轨迹。目标车辆周围给定范围内的车辆一般称为周围车辆，给定范围由用户设定，例如给定范围为以目标车辆为圆心，半径为50米的圆。周围车辆可以位于目标候选车道上，目标候选车道为目标车辆通过直行、转弯、变道或掉头能够到达的车道。
36.目标车辆的第一车辆特征以及周围车辆的第一车辆特征可根据目标车辆的历史轨迹以及周围车辆的历史轨迹得到，具体地，可利用特征提取网络分别基于目标车辆的历史轨迹以及周围车辆的历史轨迹进行特征提取，得到目标车辆的第一车辆特征以及周围车辆的第一车辆特征。目标候选车道的车道段的第一车道段特征可以利用特征提取网络基于车道段包含的车道点的信息进行特征提取得到。特征提取网络可以但不限于lstm(长短期记忆网络，long short-term memory)。其中，目标候选车道可以按照需求分为一个或多个车道段，在一具体实施方式中，若将目标候选车道分为多个车道段，每个车道段包含的车道点的数量相同，以保证每个车道段的特征的维度相同。其中，车道点是位于目标候选车道的中心线上的点。
37.s12：将任一周围车辆与其他周围车辆的第一车辆特征进行交互，得到对应周围车辆的第二车辆特征；并将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征。
38.在一实施方式中，选择任一周围车辆，将该周围车辆的第一车辆特征分别与其他周围车辆的第一车辆特征进行交互，得到对应该周围车辆的第二车辆特征，此时第二车辆特征即包含其他周围车辆的特征；其中，其他周围车辆为除选择的周围车辆外的任一周围车辆。分别对每个周围车辆进行上述操作，即可得到对应各周围车辆的第二车辆特征，即每个周围车辆对应一个第一车辆特征。
39.同样地，对于目标候选车道的各车道段，选择任一车道段，将该车道段的第一车道段特征与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征。其他车道段可以是目标候选车道的车道段中除选择的车道段外的任意一者，即其他车道段和选择的车道段可以属于同一目标候选车道；其他车道段也可以是其他目标候选车道的任一车道段，即其他车道段和选择的车道段属于不同的目标候选车道。
40.s13：将同一目标候选车道上的车道段的第二车道段特征进行融合，得到目标候选车道的第一车道特征。
41.在一实施方式中，对于各目标候选车道可以只进行一次划分车道段的操作，如将每个目标候选车道都划分为3段，每段车道段包含的车道点的数量可以是相同的。获取每个车道段对应的第二车道段特征后，即可将属于同一目标候选车道上的车道段的第二车道段特征按照顺序拼接，得到该目标候选车道的第一车道特征。其中，顺序为车道段在车道内的排列顺序。
42.在另一实施方式中，对于各目标候选车道可以进行多次划分车道段的操作，对同一目标候选车道每次划分得到的车道段数可以不同，例如，第一次将第一目标候选车道划分为3个车道段，第二次将第一目标候选车道划分为5个车道段。同次车道段划分时，将各目标候选车道划分为相同段数的车道段，例如，第一次将各目标候选车道都划分为3个车道段，第二次将各目标候选车道都划分为5个车道段。
43.对各目标候选车道进行一次车道段的划分操作并进行特征交互后，对应可得到一组对应车道段的第二车道段特征，即对同一目标候选车道进行车道段划分的次数与得到的第二车道段特征的组数相同。当得到多组第二车道段特征时，将每组对应车道段的第二车道段特征中属于同一目标候选车道上的车道段的第二车道段特征按照顺序拼接，得到该目标候选车道的第二车道特征；再将多组第二车道段特征中属于同一目标候选车道的第二车道特征进行相加，得到目标候选车道的第一车道特征。
44.s14：利用周围车辆的第二车辆特征、目标候选车道的第一车道特征以及目标车辆的第一车辆特征进行交互，得到融合特征。
45.在一实施方式中，可以先利用目标车辆的第一车辆特征和所有目标候选车道的第一车道特征进行交互，得到目标车辆的第二车辆特征；再利用目标车辆的第二车辆特征和所有周围车辆的第二车辆特征进行交互，得到融合特征。
46.在另一实施方式中，也可以先利用目标车辆的第一车辆特征和所有周围车辆的第二车辆特征进行交互，在利用交互后的特征与所有目标候选车道的第一车道特征进行交互，得到融合特征。
47.s15：基于融合特征进行预测，得到目标车辆的预测轨迹。
48.在一实施方式中，可以将融合特征输入多层感知器(mlp，multi-layer perceptron)，多层感知器输出对融合特征进行特征提取后得到的特征向量，基于特征向量即可得到目标车辆的预测轨迹。例如，多层感知器可以输出一个维度为k*f*2的一维向量，将该向量重组成一个维度为[k,f,2]的三维向量，其中k是模态数，即生成的预测轨迹数量，f是预测的时刻数，2是坐标维度，通过该三维向量即可确定目标车辆的预测轨迹。
[0049]
在一实施方式中，上述提及的交互可以是基于多头注意力进行交互，即利用周围车辆与其他周围车辆的第一车辆特征进行多头交互注意力处理，得到对应周围车辆的第二
车辆特征；和/或，利用目标候选车道的车道段的第一车道段特征进行多头交互注意力处理，得到车道段的第二车道段特征；和/或，利用周围车辆的第二车辆特征、目标候选车道的第一车道特征以及目标车辆的第一车辆特征进行多头交互注意力处理，得到融合特征。
[0050]
在其他实施方式中，上述提及的交互可以是利用神经网络进行，如图神经网络或卷积神经网络，即利用神经网络对特征进行交互。
[0051]
上述方式，获取目标车辆以及目标车辆的周围车辆的第一车辆特征以及目标候选车道的车道段的第一车道段特征后，首先，将任一周围车辆与其他周围车辆的第一车辆特征进行交互，得到对应任一周围车辆的第二车辆特征，使得对应任一周围车辆的第二车辆特征包含其他周围车辆的特征；并将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应任一车道段的第二车道段特征，使得对应任一车道段的第二车道段特征包含其他车道段的特征；其次，将同一目标候选车道上的车道段的第二车道段特征进行融合，得到目标候选车道的第一车道特征，即可使目标候选车道的第一车道特征也包含其他目标候选车道的特征；再者，利用周围车辆的第二车辆特征、目标候选车道的第一车道特征以及目标车辆的第一车辆特征进行交互，得到融合特征，此时得到的融合特征即可包含目标车辆、所有周围车辆以及所有目标候选车道的特征；最后，基于融合特征进行预测，即可提高车辆轨迹预测的准确性。
[0052]
请参阅图2，图2是本技术提供的车辆轨迹预测方法第一实施方式中得到对应周围车辆的第二车辆特征一实施方式的流程示意图，将任一周围车辆与其他周围车辆的第一车辆特征进行交互，得到对应周围车辆的第二车辆特征，包括：
[0053]
s221：选择一周围车辆作为第一周围车辆，将其他周围车辆分别作为第二周围车辆。
[0054]
在一实施方式中，若目标车辆周围存在多个周围车辆，则可以选择任一周围车辆作为第一周围车辆，将剩余的周围车辆分别作为第二周围车辆。
[0055]
s222：分别以第二周围车辆的第一车辆特征为键元素和值元素、以及第一周围车辆的第一车辆特征为查询元素，进行多头交互注意力处理，得到第一周围车辆的第三车辆特征。
[0056]
具体地，以第一周围车辆的第一车辆特征为查询元素，以第一辆第二周围车辆的第一车辆特征为键元素和值元素进行多头交互注意力处理后得到一个特征向量，该特征向量可以是一维向量；再以该特征向量为查询元素，以第二辆第二周围车辆的第一车辆特征为键元素和值元素进行多头交互注意力处理后得到一个新的特征向量，将各第二周围车辆的第一车辆特征轮流作为键元素和值元素进行特征交互后，即可得到第一周围车辆的第三车辆特征。
[0057]
s223：对第一周围车辆的第三车辆特征和第一车辆特征进行融合，得到第一周围车辆的第二车辆特征。
[0058]
在一实施方式中，对第一周围车辆的第三车辆特征和第一车辆特征进行融合可以是将第一周围车辆的第三车辆特征与第一周围车辆的第一车辆特征相加，得到第一周围车辆的第二车辆特征。可以理解地，在其他实施方式中，也可以采用其他方式将两个特征融合。此时得到的第一周围车辆的第二车辆特征包含了所有周围车辆的特征。
[0059]
请参阅图3，图3是本技术提供的车辆轨迹预测方法第一实施方式中得到对应车道
段的第二车道段特征一实施方式的流程示意图，将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征，包括：
[0060]
s321：将每个目标候选车道均分为第一预设数量个车道段，得到车道段集合。
[0061]
在一实施方式中，考虑目标候选车道的各车道段对目标车辆轨迹预测的影响程度不同，故将目标候选车道的分为第一预设数量个车道段，第一预设数量由用户设定，例如第一预设数量为1或3或5。假设第一预设数量为3，目标候选车道也为3，则将每个目标候选车道均分为第一预设数量个车道段后可得到9个车道段。其中，每个车道段包含的车道点的数量相同。
[0062]
s322：将车道段集合中的任一车道段作为第一车道段，除第一车道段外的车道段分别作为第二车道段。
[0063]
具体地，对于车道段集合中的任一车道段，将其作为第一车道段，除第一车道段外的车道段分别作为第二车道段，第二车道段可以与第一车道段属于同一目标候选车道，也可以与第一车道段属于不同的目标候选车道。
[0064]
s323：分别以第二车道段的第一车道段特征为键元素和值元素、以及第一车道段的第一车道段特征为查询元素，进行多头交互注意力处理，得到第一车道段的第三车道段特征。
[0065]
具体地，以第一车道段的第一车道段特征为查询元素，以第一个第二车道段的第一车道段特征为键元素和值元素进行多头交互注意力处理后得到一个特征向量，该特征向量可以是一维向量；再以该特征向量为查询元素，以第二个第二车道段的第一车道段特征为键元素和值元素进行多头交互注意力处理后得到一个新的特征向量，将各第二车道段的第一车道段特征轮流作为键元素和值元素进行特征交互后，即可得到第一车道段的第三车道段特征。
[0066]
s324：对第一车道段的第一车道段特征和第三车道段特征进行融合，得到对应第一车道段的第二车道段特征。
[0067]
在一实施方式中，对第一车道段的第一车道段特征和第三车道段特征进行融合可以是将第一车道段的第一车道段特征和第三车道段特征相加，得到对应第一车道段的第二车道段特征。可以理解地，在其他实施方式中，也可以采用其他方式将两个特征融合。此时得到的第一车道段的第二车道段特征包含了所有车道段的特征。对每个车道段均进行上述操作，即可得到对应各第一车道段的第二车道段特征。
[0068]
本实施方式中，可以对各目标候选车道仅进行一次分段操作，则得到每个第一车道段的第二车道段特征后，将属于同一目标候选车道的第一车道段的第二车道段特征按照对应的车道段的排列顺序进行拼接，即可得到各目标候选车道的第一车道特征。
[0069]
在其他实施方式中，可以对各目标候选车道进行多次分段操作，以充分考虑各目标候选车道的局部特征和全局特征对目标车辆轨迹预测的影响。
[0070]
在一实施方式中，将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互之前，还包括获取分段集合；其中，分段集合包括多个第一预设数量；分段集合中的多个第一预设数量可以由用户设定。当设定了多个第一预设数量，则对应需获取多组第二车道段特征。此时，将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征，包括：对于分段集合中的每个第一预设数量，均
执行下述步骤：将每个目标候选车道均分为第一预设数量个车道段，得到车道段集合；将车道段集合中的任一车道段作为第一车道段，除第一车道段外的车道段分别作为第二车道段；分别以第二车道段的第一车道段特征为键元素和值元素、以及第一车道段的第一车道段特征为查询元素，进行多头交互注意力处理，得到对应第一车道段的第三车道段特征；对第一车道段的第一车道段特征和第三车道段特征进行融合，得到多组对应第一车道段的第二车道段特征；其中，每组对应第一车道段的第二车道段特征是对每个目标候选车道均分为相同的第一预设数量个车道段后得到。
[0071]
获得多组对应第一车道段的第二车道段特征后，将同一目标候选车道上的车道段的第二车道段特征进行融合，得到目标候选车道的第一车道特征。具体地，将每组第二车道段特征中同一目标候选车道上的车道段的第二车道段特征进行拼接，得到目标候选车道的第二车道特征；将多组第二车道段特征中属于同一目标候选车道的第二车道特征进行相加，得到目标候选车道的第一车道特征。
[0072]
为便于理解，举例如下：假设分段集合中包含两个第一预设数量，分别为3和5；目标候选车道的数量为3。当第一预设数量为3时，将每个目标候选车道均分为3个车道段，共得到9个车道段；对于每个车道段，将该车道段的第一车道段特征作为查询元素，其他车道段的第一车道段特征轮流作为键元素和值元素进行多头交互注意力处理，得到对应各车道段的第三车道段特征；将各车道段对应的第三车道段特征和第一车道段特征相加，得到各车道段对应的第二车道段特征，将各车道段对应的第二车道段特征归纳在一个集合中，即可得到第一组第二车道段特征。当第一预设数量为5时，将每个目标候选车道均分为5个车道段，共得到15个车道段；以同样的方式得到第二组第二车道段特征。对于第一组第二车道段特征，将其中属于同一目标候选车道的车道段的第二车道段特征进行拼接，得到3个目标候选车道的第一个第二车道特征；同样地，对于第二组第二车道段特征，将其中属于同一目标候选车道的车道段的第二车道段特征进行拼接，得到3个目标候选车道的第二个第二车道特征；将3个目标候选车道的第一个第二车道特征和第二个第二车道特征中属于同一个目标候选车道的第二车道特征进行相加，即可得到目标候选车道的第一车道特征。
[0073]
本实施方式通过将目标候选车道分为多组车道段，可在目标车辆的轨迹预测过程中充分考虑目标候选车道的局部特征和全局特征，进而提高目标车辆的轨迹预测准确率。
[0074]
请参阅图4，图4是本技术提供的车辆轨迹预测方法第一实施方式中得到融合特征一实施方式的流程示意图，利用周围车辆的第二车辆特征、目标候选车道的第一车道特征以及目标车辆的第一车辆特征进行交互，得到融合特征，包括：
[0075]
s441：利用目标车辆的第一车辆特征和目标候选车道的第一车道特征进行多头交互注意力处理，得到目标车辆的第二车辆特征。
[0076]
在一实施方式中，以目标车辆的第一车辆特征为查询元素、所有目标候选车道的第一车道特征为键元素和值元素，进行多头交互注意力处理，得到目标车辆的第二车辆特征，目标车辆的第二车辆特征融合了各目标候选车道以及目标车辆的特征。
[0077]
s442：利用目标车辆的第二车辆特征和周围车辆的第二车辆特征进行多头交互注意力处理，得到融合特征；
[0078]
具体地，以目标车辆的第二车辆特征为查询元素、所有周围车辆的第二车辆特征为键元素和值元素，进行多头交互注意力处理，得到融合特征，融合特征包含各车道、各周
围车辆和目标车辆的特征。
[0079]
本实施方式，先对分别各周围车辆之间的特征以及各车道段之间的特征进行交互，得到对应周围车辆的第二车辆特征以及对应车道段的第二车道段特征，其中，周围车辆的第二车辆特征包含其他所有周围车辆的特征，车道段的第二车道段特征包含其他所有车道段的特征；利用对应各车道段的第二车道段特征得到目标候选车道的第一车道特征，使得目标候选车道的第一车道特征包含其他车道的特征；最后，利用目标候选车道的第一车道特征、目标车辆的第一车辆特征以及周围车辆的第二车辆特征得到融合特征，融合特征即可包含各车道、各周围车辆和目标车辆的特征。通过利用融合特征进行预测，即可得到准确率较高的目标车辆的预测轨迹。
[0080]
请参阅图5，图5是本技术提供的车辆轨迹预测方法第二实施方式的流程示意图，该方法包括：
[0081]
s51：获取目标车辆和周围车辆的历史轨迹，并获取目标候选车道的车道点集合。
[0082]
其中，车道点集合中的各车道点位于目标候选车道的中心线上。
[0083]
在一实施方式中，可以预先确定所有车辆的历史轨迹以及目标候选车道，所有车辆包含目标车辆和所有周围车辆其中，目标候选车道的确定方法如下：首先，选择距离目标车辆最近的车道点记为起始车道点。其次，利用深度优先遍历算法遍历与起始车道点相邻的车道点，确定初始候选车道。具体地，假设当前候选车道的车道点集合为l1，将起始车道点加入l1，选择与起始车道点连接的车道点pnext，车道点pnext为目标车辆通过直行、转弯、变道或掉头等操作能到达的车道点，若车道点pnext存在多个，则将其中一个车道点pnext加入至l1，并将其作为新的起始车道点，继续寻找与新的起始车道点连接的车道点，一直循环，直至没有与新的起始车道点连接的车道点，遍历与起始车道点连接的所有车道点pnext，即可得到初始候选车道集合，初始候选车道集合中每一个初始候选车道包含的车道点的数量可以相同也可以不同。最后，基于初始候选车道，确定目标候选车道。在一实施方式中，可以判断初始候选车道包含的车道点的数量是否达到第二预设数量；响应于初始候选车道包含的车道点的数量达到第二预设数量，将初始候选车道作为目标候选车道；响应于初始候选车道包含的车道点的数量未达到第二预设数量，采用补0的方式补充初始候选车道的车道点，使目标候选车道包含的车道点数量等于第二预设数量，以得到目标候选车道。其中，当初始候选车道包含的车道点的数量大于第二预设数量，则按照车道点的加入顺序，选择第二预设数量各车道点作为目标候选车道的车道点。确定目标候选车道后，即可得到目标候选车道的车道点集合。
[0084]
车辆的历史轨迹的确定方式如下：考虑当前时刻t0和前h个时刻{th,t(h1),
…
,t2,t1},对于第i个周围车辆，在t时刻其在当前局部坐标系下的位置坐标为v
it
,则该车辆的历史轨迹vi＝{v
ih
,v
i(h-1)
,
…
,v
i1
,v
i0
}；对于目标车辆v0和n个周围车辆{v1,v2,
…
,vn}，所有车辆的历史轨迹是v＝{v0,v1,
…
,vn}。
[0085]
确定所有车辆的历史轨迹和目标候选车道的车道点集合后，可响应于用户的指令，获取所有车辆的历史轨迹和目标候选车道的车道点集合，并将所有车辆的历史轨迹和目标候选车道的车道点集合输入至神经网络，使得神经网络基于目标车辆和周围车辆的历史轨迹进行特征提取，得到目标车辆和周围车辆的第一车辆特征；并基于车道点集合中各车道点进行特征提取，得到目标候选车道的车道段的第一车道段特征。
[0086]
s52：基于目标车辆和周围车辆的历史轨迹进行特征提取，得到目标车辆和周围车辆的第一车辆特征；并基于车道点集合中各车道点进行特征提取，得到目标候选车道的车道段的第一车道段特征。
[0087]
在一实施方式中，可以由神经网络执行步骤s52，在其他实施方式中，也可以由特征提取模型执行步骤s52，此处不做具体限定。
[0088]
在一具体实施方式中，车辆的历史轨迹由维度为[+1,dv]的数组描述，其中dv是车辆在某一时刻的特征维度，包括坐标(两个维度)、速度(两个维度)、加速度(两个维度)、航向角(一个维度)等，可以根据需求任意拓展。目标候选车道的各车道点由维度为[l,d
l
]的数组描述，其中d
l
是车道点的特征维度，包括坐标(两个维度)、该车道点是否有障碍物(一个维度)，该车道点是否在停车线上(一个维度)、该车道点是否在人行横道上(一个维度)等，可以根据需求任意拓展。
[0089]
在一实施方式中，可以直接基于目标候选车道的各车道点进行特征提取，得到目标候选车道的车道特征；也可以将目标候选车道分为若干个车道段，具体地，对目标候选车道的车道点集合中各车道点进行分类，得到属于每个车道段的车道点，先基于每个车道段对应的车道点进行特征提取，得到各车道段的第一车道段特征。假设将目标候选车道分为sj个车道段，目标候选车道共包含l个车道点，则每个车道段均包含sj/l个车道点，车道点的维度为基于车道段的车道点进行特征提取后，可以输出维度为的一维向量，对于目标候选车道，可以得到sj个维度为的一维向量。
[0090]
s53：将任一周围车辆与其他周围车辆的第一车辆特征进行交互，得到对应周围车辆的第二车辆特征；并将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征。
[0091]
在一实施方式中，若对目标候选车道进行了分段，则可以将各车道段的特征进行交互，若未对目标候选车道进行分段，则可以将各目标候选车道的特征进行交互，也可以不进行交互，具体可根据需要选择。
[0092]
s54：将同一目标候选车道上的车道段的第二车道段特征进行融合，得到目标候选车道的第一车道特征。
[0093]
s55：利用周围车辆的第二车辆特征、目标候选车道的第一车道特征以及目标车辆的第一车辆特征进行交互，得到融合特征。
[0094]
s56：基于融合特征进行预测，得到目标车辆的预测轨迹。
[0095]
其中，步骤s53-s56的详细实施方式可以参考本技术提供的车辆轨迹预测方法第一实施方式的步骤s12-s15，此处不再赘述。
[0096]
本实施方式，可以根据原始数据确定各个目标候选车道的车道点集合以及各车辆的历史轨迹，原始数据包括目标车辆附近的所有目标候选车道以及所有周围车辆在当前时刻以及前若干个时刻的世界坐标；并将目标候选车道按不同段数划分，以提取不同长度的车道特征，最终提高车辆轨迹的预测准测度。
[0097]
请参阅图6，图6是本技术提供的电子设备一实施方式的框架示意图。
[0098]
电子设备60包括相互耦接的存储器61和处理器62，存储器61中存储有程序指令，处理器62用于执行程序指令以实现上述任一方法实施例中的步骤。具体地，电子设备60可
以包括但不限于：台式计算机、笔记本电脑、服务器、手机、平板电脑等等，在此不做限定。
[0099]
具体而言，处理器62用于控制其自身以及存储器61以实现上述任一方法实施例中的步骤。处理器62还可以称为cpu(central processing unit，中央处理单元)。处理器62可能是一种集成电路芯片，具有信号的处理能力。处理器62还可以是通用处理器、数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(field-programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器62可以由集成电路芯片共同实现。
[0100]
请参阅图7，图7是本技术提供的计算机可读存储介质一实施方式的框架示意图。计算机可读存储介质70存储有程序指令71，程序指令71被处理器执行时，用以实现上述任一方法实施例中的步骤。
[0101]
计算机可读存储介质70具体可以为u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等可以存储计算机程序的介质，或者也可以为存储有该计算机程序的服务器，该服务器可将存储的计算机程序发送给其他设备运行，或者也可以自运行该存储的计算机程序。
[0102]
若本技术技术方案涉及个人信息，应用本技术技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本技术技术方案涉及敏感个人信息，应用本技术技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
[0103]
以上所述仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。

技术特征：
1.一种车辆轨迹预测方法，其特征在于，包括：获取目标车辆以及所述目标车辆的周围车辆的第一车辆特征，并获取目标候选车道的车道段的第一车道段特征；其中，所述目标候选车道为所述目标车辆通过直行、转弯、变道或掉头能够到达的车道；将任一所述周围车辆与其他所述周围车辆的第一车辆特征进行交互，得到对应所述周围车辆的第二车辆特征；并将所述目标候选车道的任一所述车道段与其他所述车道段的第一车道段特征进行交互，得到对应所述车道段的第二车道段特征；将同一所述目标候选车道上的所述车道段的第二车道段特征进行融合，得到所述目标候选车道的第一车道特征；利用所述周围车辆的第二车辆特征、所述目标候选车道的第一车道特征以及所述目标车辆的第一车辆特征进行交互，得到融合特征；基于所述融合特征进行预测，得到所述目标车辆的预测轨迹。2.根据权利要求1所述的方法，其特征在于，所述交互均是基于多头注意力进行交互。3.根据权利要求2所述的方法，其特征在于，所述将任一所述周围车辆与其他所述周围车辆的第一车辆特征进行交互，得到对应所述周围车辆的第二车辆特征，包括：选择一周围车辆作为第一周围车辆，将其他周围车辆分别作为第二周围车辆；分别以所述第二周围车辆的第一车辆特征为键元素和值元素、以及所述第一周围车辆的第一车辆特征为查询元素，进行多头交互注意力处理，得到所述第一周围车辆的第三车辆特征；对所述第一周围车辆的第三车辆特征和所述第一车辆特征进行融合，得到所述第一周围车辆的第二车辆特征。4.根据权利要求2所述的方法，其特征在于，所述将所述目标候选车道的任一所述车道段与其他所述车道段的第一车道段特征进行交互，得到对应所述车道段的第二车道段特征，包括：将每个所述目标候选车道均分为第一预设数量个车道段，得到车道段集合；将所述车道段集合中的任一所述车道段作为第一车道段，除所述第一车道段外的所述车道段分别作为所述第二车道段；分别以所述第二车道段的第一车道段特征为键元素和值元素、以及所述第一车道段的第一车道段特征为查询元素，进行多头交互注意力处理，得到所述第一车道段的第三车道段特征；对所述第一车道段的第一车道段特征和所述第三车道段特征进行融合，得到对应所述第一车道段的第二车道段特征。5.根据权利要求2所述的方法，其特征在于，所述将所述目标候选车道的任一所述车道段与其他所述车道段的第一车道段特征进行交互之前，还包括：获取分段集合；其中，所述分段集合包括多个第一预设数量；所述将所述目标候选车道的任一所述车道段与其他所述车道段的第一车道段特征进行交互，得到对应所述车道段的第二车道段特征，包括：对于所述分段集合中的每个所述第一预设数量，均执行下述步骤：将每个所述目标候选车道均分为第一预设数量个车道段，得到车道段集合；
将所述车道段集合中的任一所述车道段作为第一车道段，除所述第一车道段外的所述车道段分别作为所述第二车道段；分别以所述第二车道段的第一车道段特征为键元素和值元素、以及所述第一车道段的第一车道段特征为查询元素，进行多头交互注意力处理，得到对应所述第一车道段的第三车道段特征；对所述第一车道段的第一车道段特征和所述第三车道段特征进行融合，得到多组对应所述第一车道段的第二车道段特征；其中，每组对应所述第一车道段的第二车道段特征是对每个所述目标候选车道均分为相同的所述第一预设数量个车道段后得到；所述将同一所述目标候选车道上的所述车道段的第二车道段特征融合，得到所述目标候选车道的第一车道特征，包括：将每组所述第二车道段特征中同一所述目标候选车道上的所述车道段的第二车道段特征进行拼接，得到所述目标候选车道的第二车道特征；将多组所述第二车道段特征中属于同一所述目标候选车道的第二车道特征进行相加，得到所述目标候选车道的第一车道特征。6.根据权利要求2所述的方法，其特征在于，所述利用所述周围车辆的第二车辆特征、所述目标候选车道的第一车道特征以及所述目标车辆的第一车辆特征进行交互，得到融合特征，包括：利用所述目标车辆的第一车辆特征和所述目标候选车道的第一车道特征进行多头交互注意力处理，得到所述目标车辆的第二车辆特征；利用所述目标车辆的第二车辆特征和所述周围车辆的第二车辆特征进行多头交互注意力处理，得到所述融合特征。7.根据权利要求6所述的方法，其特征在于，所述利用所述目标车辆的第一车辆特征和所述目标候选车道的第一车道特征进行多头交互注意力处理，得到所述目标车辆的第二车辆特征，包括：以所述目标车辆的第一车辆特征为查询元素、所述目标候选车道的第一车道特征为键元素和值元素，进行多头交互注意力处理，得到所述目标车辆的第二车辆特征；和/或，所述利用所述目标车辆的第二车辆特征和所述周围车辆的第二车辆特征进行多头交互注意力处理，得到所述融合特征，包括：以所述目标车辆的第二车辆特征为查询元素、所述周围车辆的第二车辆特征为键元素和值元素，进行多头交互注意力处理，得到所述融合特征。8.根据权利要求1所述的方法，其特征在于，在所述获取目标车辆以及所述目标车辆的周围车辆的第一车辆特征，并获取目标候选车道的车道段的第一车道段特征之前，所述方法还包括：获取所述目标车辆和所述周围车辆的历史轨迹，并获取所述目标候选车道的车道点集合；其中，所述车道点集合中的各车道点位于所述目标候选车道的中心线上；所述获取目标车辆以及所述目标车辆的周围车辆的第一车辆特征，包括：基于所述目标车辆和所述周围车辆的历史轨迹进行特征提取，得到所述目标车辆和所述周围车辆的第一车辆特征；所述获取目标候选车道的车道段的第一车道段特征，包括：
基于所述车道点集合中各车道点进行特征提取，得到所述目标候选车道的车道段的第一车道段特征。9.根据权利要求8所述的方法，其特征在于，所述基于所述车道点集合中各车道点进行特征提取，得到所述目标候选车道的车道段的第一车道段特征，包括：对所述车道点集合中各车道点进行分类，得到属于每个车道段的车道点；基于所述每个车道段的车道点进行特征提取，得到每个车道段的所述第一车道段特征。10.根据权利要求8所述的方法，其特征在于，在所述获取所述目标候选车道的车道点集合之前，所述方法还包括：选择距离所述目标车辆最近的车道点记为起始车道点；利用深度优先遍历算法遍历与所述起始车道点相邻的车道点，确定初始候选车道；基于所述初始候选车道，确定目标候选车道。11.根据权利要求10所述的方法，其特征在于，所述基于所述初始候选车道，确定目标候选车道，包括：判断所述初始候选车道包含的车道点的数量是否达到第二预设数量；响应于所述初始候选车道包含的车道点的数量达到所述第二预设数量，将所述初始候选车道作为所述目标候选车道；响应于所述初始候选车道包含的车道点的数量未达到所述第二预设数量，采用补0的方式补充所述初始候选车道的车道点，得到目标候选车道；所述目标候选车道包含的车道点数量等于所述第二预设数量。12.一种电子设备，其特征在于，所述设备包括相互耦接的存储器和处理器；所述存储器存储有程序指令；所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1-11任一项所述的方法。13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序指令，所述程序指令能够被处理器执行以实现如权利要求1-11任一项所述的方法。

技术总结
本申请公开一种车辆轨迹预测方法、电子设备和存储介质，该方法包括：获取目标车辆以及目标车辆的周围车辆的第一车辆特征，并获取目标候选车道的车道段的第一车道段特征；将任一周围车辆与其他周围车辆的第一车辆特征进行交互，得到对应周围车辆的第二车辆特征；并将目标候选车道的任一车道段与其他车道段的第一车道段特征进行交互，得到对应车道段的第二车道段特征；将同一目标候选车道上车道段的第二车道段特征进行融合，得到目标候选车道的第一车道特征；利用第二车辆特征、第一车道特征以及目标车辆的第一车辆特征进行交互，得到融合特征；基于融合特征进行预测，得到目标车辆的预测轨迹。通过上述方式，能够提高车辆轨迹预测的准确性。预测的准确性。预测的准确性。


技术研发人员：黎博轩 肖钟雯
受保护的技术使用者：浙江零跑科技股份有限公司
技术研发日：2023.03.14
技术公布日：2023/8/1