一种高精地图矢量化编码构建及车辆轨迹预测方法与流程

本发明涉及自动驾驶，尤其涉及一种高精地图矢量化编码构建及车辆轨迹预测方法。

背景技术：

1、在自动驾驶领域，高精地图作为先验环境信息的服务提供者，在高精度定位、辅助环境感知以及规划与决策过程中起着至关重要的作用。高精地图也称高精地图，可由自动驾驶车辆使用。高精地图，拥有精确的车辆位置信息和丰富的道路元素数据信息，可以帮助自动驾驶车辆预知路面复杂信息，如坡度、曲率、航向等，更好地规避潜在的风险。

2、现有技术中，通常采用栅格化编码的方式对高精地图进行编码，即将高精地图的交通要素按照颜色进行编码，将车辆和环境呈现为一个语义图像，然后用cnn进行特征提取。

3、但是，栅格化编码方法在将高精地图编码为栅格数据的时候不可避免地存在信息丢失，因为地图是具有复杂拓扑结构的图形结构，二维卷积很难完全捕获其特征。

技术实现思路

1、有鉴于此，有必要提供一种高精地图矢量化编码构建方法及车辆轨迹预测方法，用以解决现有技术中因为地图是具有复杂拓扑结构的图形结构，二维卷积很难完全捕获其特征，栅格化编码不可避免地存在信息丢失的问题。

2、为达到上述技术目的，本发明采取了以下技术方案：

3、第一方面，本发明提供了一种高精地图矢量化编码构建方法，包括：

4、对交通要素和交通参与者的轨迹进行采样，得到交通采样点和轨迹采样点；

5、将交通采样点按照第一规则连接得到局部矢量地图，将轨迹采样点按照第二规则连接得到轨迹图；

6、根据局部矢量地图和轨迹图建立高精地图。

7、在一些可能的实现方式中，对交通要素和交通参与者的轨迹进行采样，得到交通采样点和轨迹采样点，包括：

8、确定交通环境中交通要素和交通参与者的元素属性；

9、以预设时间间隔对交通环境进行采样，获取所有元素属性的三维空间坐标；

10、将元素属性与三维空间坐标的关联关系，得到交通采样点和轨迹采样点。

11、在一些可能的实现方式中，将交通采样点按照第一规则连接得到局部矢量地图，包括：将元素属性相同的所有交通采样点顺序连接构成局部矢量地图。

12、在一些可能的实现方式中，将轨迹采样点按照第二规则连接得到轨迹图，包括：将元素属性相同的所有轨迹采样点按照采样时间顺序连接构成轨迹图。

13、在一些可能的实现方式中，根据局部矢量地图和轨迹图建立高精地图，包括：

14、基于实际地图的道路关系，根据局部矢量地图建立道路-道路拓扑图；

15、根据与交通参与者有关的局部矢量地图和轨迹图建立参与者-道路交互图；

16、根据轨迹图建立参与者-参与者交互图；

17、将道路-道路拓扑图、参与者-道路交互图和参与者-参与者交互图组合得到高精地图。

18、第二方面，本发明还提供了一种车辆轨迹预测方法，包括：

19、基于上述实现方式中任一项的高精地图矢量化编码构建方法构建高精地图；

20、建立并训练图神经网络模型；

21、基于图神经网络模型和高精地图，对目标车辆轨迹进行预测。

22、在一些可能的实现方式中，基于图神经网络和高精地图，对目标车辆轨迹进行预测，包括：

23、根据高精地图确定待预测节点；

24、通过图神经网络模型提取待预测节点的特征信息；

25、对特征信息进行解码得到目标车辆的预测轨迹。

26、第三方面，本发明还提供了一种高精地图矢量化编码构建装置，包括：

27、采样模块，用于对交通要素和交通参与者的轨迹进行采样，得到交通采样点和轨迹采样点；

28、连接模块，用于将交通采样点按照第一规则连接得到局部矢量地图，将轨迹采样点按照第二规则连接得到轨迹图；

29、建立模块，用于根据局部矢量地图和轨迹图建立高精地图。

30、第四方面，本发明还提供了一种电子设备，包括存储器和处理器，其中，

31、存储器，用于存储程序；

32、处理器，与存储器耦合，用于执行存储器中存储的程序，以实现上述任一种实现方式中的高精地图矢量化编码构建方法中的步骤，和/或，以实现上述任一种实现方式中的车辆轨迹预测方法中的步骤。

33、第五方面，本发明还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，程序或指令被处理器执行时，能够实现上述任一种实现方式中的高精地图矢量化编码构建方法中的步骤，和/或，以实现上述任一种实现方式中的车辆轨迹预测方法中的步骤。

34、采用上述实施例的有益效果是：本发明涉及一种高精地图矢量化编码构建方法及车辆轨迹预测方法，所述高精地图矢量化编码构建方法包括：对交通要素和交通参与者的轨迹进行采样，得到交通采样点和轨迹采样点；将所述交通采样点按照第一规则连接得到局部矢量地图，将所述轨迹采样点按照第二规则连接得到轨迹图；根据所述局部矢量地图和所述轨迹图建立高精地图。本发明通过对交通要素和交通参与者的轨迹进行采样，得到交通采样点和轨迹采样点，可以获取交通环境和交通参与者的三维信息，通过交通采样点和轨迹采样点建立矢量化地图，可以更加真实地表达道路和交通参与者之间的实际交互关系，最大限度的保留了环境的原始信息，从而避免了在编码过程中的信息丢失，再根据局部矢量地图和轨迹图组合得到的高精地图更能准确反映实际的交通情况。

技术特征：

1.一种高精地图矢量化编码构建方法，其特征在于，包括：

2.根据权利要求1所述的高精地图矢量化编码构建方法，其特征在于，所述对交通要素和交通参与者的轨迹进行采样，得到交通采样点和轨迹采样点，包括：

3.根据权利要求2所述的高精地图矢量化编码构建方法，其特征在于，所述将所述交通采样点按照第一规则连接得到局部矢量地图，包括：

4.根据权利要求1所述的高精地图矢量化编码构建方法，其特征在于，所述将所述轨迹采样点按照第二规则连接得到轨迹图，包括：

5.根据权利要求1所述的高精地图矢量化编码构建方法，其特征在于，所述根据所述局部矢量地图和所述轨迹图建立高精地图，包括：

6.一种车辆轨迹预测方法，其特征在于，包括：

7.根据权利要求6所述的车辆轨迹预测方法，其特征在于，所述基于所述图神经网络和所述高精地图，对目标车辆轨迹进行预测，包括：

8.一种高精地图矢量化编码构建装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和处理器，其中，

10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时，能够实现上述权利要求1至7中任一项所述高精地图矢量化编码构建方法中的步骤，和/或，如权利要求6-7中任一项所述车辆轨迹预测中的步骤。

技术总结
本发明涉及一种高精地图矢量化编码构建及车辆轨迹预测方法，所述高精地图矢量化编码构建方法包括：对交通要素和交通参与者的轨迹进行采样，得到交通采样点和轨迹采样点；将所述交通采样点按照第一规则连接得到局部矢量地图，将所述轨迹采样点按照第二规则连接得到轨迹图；根据所述局部矢量地图和所述轨迹图建立高精地图。本发明通过对交通要素和交通参与者的轨迹进行采样，可以获取环境的三维信息，通过交通采样点和轨迹采样点建立地图，更加真实地表达道路和交通参与者之间的实际交互关系，最大限度的保留了环境的原始信息，避免了在编码过程中的信息丢失，得到的高精地图更能准确反映实际的交通情况。

技术研发人员：陈新海,王戡,吴超,张莹
受保护的技术使用者：招商局检测车辆技术研究院有限公司
技术研发日：
技术公布日：2024/1/15