本申请涉及数据处理,特别是涉及一种轨迹确定方法、装置、设备、存储介质和程序产品。
背景技术:
1、随着智能驾驶技术的不断发展,在道路情况时刻都会发生变化的情况下,尤其是道路上存在多个车辆行驶时,道路情况更加复杂,那么在此情况下,为了保证车辆驾驶的安全性,为车辆提供一个精准的行驶轨迹就非常有必要。
2、相关技术中,一般是将车辆在行驶过程中的位置数据以及传感器采集的其他车辆的数据等,输入至堆叠的神经网络模型中进行数据处理,获得车辆的行驶轨迹。
3、然而,上述技术存在数据处理过程较为复杂的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够降低数据处理过程复杂度的轨迹确定方法、装置、设备、存储介质和程序产品。
2、第一方面,本申请提供了一种轨迹确定方法,该方法包括:
3、获取多个车辆在历史时刻的轨迹;上述多个车辆中包括目标车辆;
4、根据采集的环境图像以及预设的地图数据,确定环境图像中的车道线的边界线;
5、根据多个车辆在历史时刻的轨迹、车道线的边界线和预设的神经网络模型对目标车辆的轨迹进行预测,确定目标车辆在未来时刻的轨迹;其中,上述预设的神经网络模型包括一层变形金刚网络,上述变形金刚网络为对部分特征采用注意力机制的模型。
6、第二方面,本申请还提供了一种轨迹确定装置,该装置包括:
7、历史轨迹获取模块,用于获取多个车辆在历史时刻的轨迹;上述多个车辆中包括目标车辆;
8、边界线确定模块,用于根据采集的环境图像以及预设的地图数据,确定环境图像中的车道线的边界线;
9、目标轨迹确定模块,用于根据多个车辆在历史时刻的轨迹、车道线的边界线和预设的神经网络模型对目标车辆的轨迹进行预测,确定目标车辆在未来时刻的轨迹;其中,上述预设的神经网络模型包括一层变形金刚网络,上述变形金刚网络为对部分特征采用注意力机制的模型。
10、第三方面,本申请还提供了一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
11、获取多个车辆在历史时刻的轨迹;上述多个车辆中包括目标车辆;
12、根据采集的环境图像以及预设的地图数据,确定环境图像中的车道线的边界线;
13、根据多个车辆在历史时刻的轨迹、车道线的边界线和预设的神经网络模型对目标车辆的轨迹进行预测,确定目标车辆在未来时刻的轨迹;其中,上述预设的神经网络模型包括一层变形金刚网络,上述变形金刚网络为对部分特征采用注意力机制的模型。
14、第四方面,本申请还提供了一种计算机可读存储介质,计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
15、获取多个车辆在历史时刻的轨迹;上述多个车辆中包括目标车辆;
16、根据采集的环境图像以及预设的地图数据,确定环境图像中的车道线的边界线;
17、根据多个车辆在历史时刻的轨迹、车道线的边界线和预设的神经网络模型对目标车辆的轨迹进行预测,确定目标车辆在未来时刻的轨迹;其中,上述预设的神经网络模型包括一层变形金刚网络,上述变形金刚网络为对部分特征采用注意力机制的模型。
18、第五方面,本申请还提供了一种计算机程序产品,计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
19、获取多个车辆在历史时刻的轨迹;上述多个车辆中包括目标车辆;
20、根据采集的环境图像以及预设的地图数据,确定环境图像中的车道线的边界线;
21、根据多个车辆在历史时刻的轨迹、车道线的边界线和预设的神经网络模型对目标车辆的轨迹进行预测,确定目标车辆在未来时刻的轨迹;其中,上述预设的神经网络模型包括一层变形金刚网络,上述变形金刚网络为对部分特征采用注意力机制的模型。
22、上述轨迹确定方法、装置、设备、存储介质和程序产品,通过获取包括目标车辆的多个车辆在历史时刻的轨迹,以及根据采集的环境图像和预设的地图数据,确定环境图像中车道线的边界线,并根据多个车辆在历史时刻的轨迹、车道线的边界线以及神经网络模型对目标车辆的轨迹进行预测,确定目标车辆未来时刻的轨迹;其中,神经网络包括一层变形金刚网络且为对部分特征采用注意力机制的模型。在该方法中,通过采用一层的变形金刚网络以及对部分特征采用注意力机制的模型对目标车辆的轨迹进行预测,而不是采用多层堆叠的变形金刚网络进行轨迹预测,这样使得预测网络的结构较为简单,从而可以降低数据处理过程的复杂度;另外,通过环境图像以及地图数据确定车道线的边界线,这样确定的车道线的边界线更加准确,从而后续采用该车道线的边界线、历史轨迹以及神经网络进行目标车辆轨迹预测时,可以提升预测的轨迹的准确性。
1.一种轨迹确定方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个车辆在历史时刻的轨迹、所述车道线的边界线和预设的神经网络模型对所述目标车辆的轨迹进行预测,确定所述目标车辆在未来时刻的轨迹,包括:
3.根据权利要求2所述的方法,其特征在于,所述将所述各个历史时刻的每个轨迹上各个点处的曲率以及所述车道线上各个点处的曲率进行关联匹配后,输入至所述预设的神经网络模型中,得到所述目标车辆在未来时刻的轨迹,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述多个车辆的位置信息以及各车辆的运动信息,计算所述目标车辆与其他车辆之间的博弈数据,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述行驶量化值确定所述博弈数据,包括:
6.根据权利要求1-5任一项所述的方法,其特征在于,所述变形金刚网络包括输入层网络、第一注意力机制网络、第一附加层网络、第二注意力机制网络、第二附加层网络、全连接层网络以及输出层网络;
7.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
8.一种目标轨迹的确定装置,其特征在于,所述装置包括:
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。
11.一种计算机程序产品,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7中任一项所述的方法的步骤。