本申請涉及自動駕駛，尤其涉及一種車輛行駛信息的處理方法。

背景技術(shù)：

1、隨著人工智能技術(shù)以及現(xiàn)代制造業(yè)的發(fā)展，自動駕駛技術(shù)已經(jīng)逐漸走進人們的日常生活，潛移默化的改變著人們的出行方式。自動駕駛技術(shù)在軍用及民用上均具有巨大的應(yīng)用前景。軍用上，它不僅能夠作為無人運輸平臺，還能用作無人爆破車、無人作戰(zhàn)平臺、無人巡邏與監(jiān)視車輛等，民用中，除了為人類生活帶來便捷之外，還能夠降低交通事故發(fā)生率與提高道路通行效率，但也使得能源消耗劇增，交通事故頻發(fā)。而自動駕駛技術(shù)的更新迭代，正是解決上述問題的關(guān)鍵。因此，自動駕駛技術(shù)已經(jīng)成為汽車工業(yè)領(lǐng)域和學(xué)術(shù)界的關(guān)注焦點。

2、為了進一步提高自動駕駛的安全性，最重要的技術(shù)之一是自動駕駛汽車應(yīng)該能夠像人類駕駛員一樣實時預(yù)測周圍環(huán)境的未來狀態(tài)，并根據(jù)預(yù)測結(jié)果提前做出合理的決策和規(guī)劃，以規(guī)避潛在的危險。目前預(yù)測結(jié)果的準(zhǔn)確性還有待進一步提高。

技術(shù)實現(xiàn)思路

1、本申請實施例提供一種車輛行駛信息的處理方法、電子設(shè)備、存儲介質(zhì)及計算機程序產(chǎn)品，以實現(xiàn)上述一個或多個技術(shù)問題。

2、第一方面，本申請實施例提供了一種車輛行駛信息的處理方法，包括：

3、獲取當(dāng)前交通場景中多個動態(tài)對象和場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)；

4、根據(jù)多個動態(tài)對象和場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)，生成用于表征當(dāng)前交通場景的場景特征；

5、從場景特征中抽取與目標(biāo)車輛相關(guān)的自車特征，以及與多個動態(tài)對象中除目標(biāo)車輛之外的其他動態(tài)對象相關(guān)的非自車特征；

6、將自車特征、非自車特征和導(dǎo)航數(shù)據(jù)輸入預(yù)測模型，獲得預(yù)測模型生成的目標(biāo)車輛的第一行駛路線；預(yù)測模型包括用于規(guī)劃目標(biāo)車輛的第二行駛路線的第一預(yù)測頭以及用于預(yù)測其他動態(tài)對象的運動軌跡的第二預(yù)測頭，第一行駛路線依據(jù)第二行駛路線以及其他動態(tài)對象的運動軌跡生成。

7、第二方面，本申請實施例提供了一種用于車輛行駛路線預(yù)測的模型訓(xùn)練方法，包括：

8、獲取多個歷史交通場景中多個動態(tài)對象和場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)樣本；

9、基于相關(guān)數(shù)據(jù)樣本訓(xùn)練預(yù)測模型，預(yù)測模型用于根據(jù)與目標(biāo)車輛相關(guān)的自車特征、與多個動態(tài)對象中除目標(biāo)車輛之外的其他動態(tài)對象相關(guān)的非自車特征和導(dǎo)航數(shù)據(jù)預(yù)測目標(biāo)車輛的第一行駛路線，預(yù)測模型包括用于規(guī)劃目標(biāo)車輛的第二行駛路線的第一預(yù)測頭以及用于預(yù)測其他動態(tài)對象的運動軌跡的第二預(yù)測頭，第一行駛路線依據(jù)第二行駛路線以及其他動態(tài)對象的運動軌跡生成；自車特征以及非自車特征從場景特征中抽取場景特征中抽取，場景特征根據(jù)多個動態(tài)對象和場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)生成。

10、第三方面，本申請實施例提供了一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上的計算機程序，處理器在執(zhí)行計算機程序時實現(xiàn)上述任一項的方法。

11、第四方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)內(nèi)存儲有計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)上述任一項的方法。

12、第五方面，本申請實施例提供了一種計算機程序產(chǎn)品，該計算機程序產(chǎn)品包括計算機程序/指令，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)本申請任一實施例提供的方法。

13、與現(xiàn)有技術(shù)相比，本申請具有如下優(yōu)點：

14、在本申請實施例中，通過獲取當(dāng)前交通場景中多個動態(tài)對象和場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)，進一步根據(jù)多個動態(tài)對象和場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)，生成用于表征當(dāng)前交通場景的場景特征，從場景特征中抽取與目標(biāo)車輛相關(guān)的自車特征，以及與多個動態(tài)對象中除目標(biāo)車輛之外的其他動態(tài)對象相關(guān)的非自車特征；最后將自車特征、非自車特征和導(dǎo)航數(shù)據(jù)輸入預(yù)測模型，獲得預(yù)測模型生成的目標(biāo)車輛的第一行駛路線。

15、其中，預(yù)測模型包括用于規(guī)劃目標(biāo)車輛的第二行駛路線的第一預(yù)測頭以及用于預(yù)測其他動態(tài)對象的運動軌跡的第二預(yù)測頭，第一行駛路線依據(jù)第二行駛路線以及其他動態(tài)對象的運動軌跡生成。由此可見，本申請將非自車物體的軌跡預(yù)測和自車的運動軌跡規(guī)劃統(tǒng)一在一個模型中，使得模型同時可以輸出非自車物體的軌跡預(yù)測和自車的運動軌跡規(guī)劃兩個預(yù)測結(jié)果，無需分別調(diào)用兩個模型，使得自動駕駛場景中結(jié)果輸出更快，時效性更高，有效保證了駕駛的安全性；還有助于學(xué)習(xí)非自車物體和自車行為的交互行為，減少非自車預(yù)測軌跡和自車規(guī)劃軌跡的不合理沖突（如碰撞）。并且訓(xùn)練過程中多個預(yù)測頭的任務(wù)可以相互促進，使得預(yù)測結(jié)果更為準(zhǔn)確，提升了模型訓(xùn)練效率，降低了在自動駕駛領(lǐng)域內(nèi)對車端芯片的算力要求。

16、另外，在獲取當(dāng)前交通場景中多個動態(tài)對象的對應(yīng)相關(guān)數(shù)據(jù)后，采用新型的時空特征融合技術(shù)將時間維度的特征進行特征融合處理，壓縮時間特征至一維，然后對不同的動態(tài)對象信息進行空間維度融合特征，從而使得時間維度的信息盡可能得到了保留，因為在處理中將時間維度從t維壓縮融合到一維，可以顯著減少數(shù)據(jù)的維度，同時保留最重要的信息，進一步同時保證了預(yù)測過程的高效運行，避免了信息處理導(dǎo)致的時間延遲，降低了對車端芯片的算力要求，適應(yīng)性更廣；特征交叉處理可以使得動態(tài)對象的信息在多個維度上進行充分融合，融合后，每個維度對應(yīng)的動態(tài)對象特征都包含有別的動態(tài)對象特征，從而使得每個維度都可以表征多個動態(tài)對象的特征。

17、此外，本申請針對自車運動規(guī)劃設(shè)計了一種新型的先驗運動模式設(shè)計思路，在預(yù)測自車時使用對應(yīng)于具體語義信息的運動模式，從而使得輸出的軌跡規(guī)劃可解釋，可直接使用，在預(yù)測非自車時使用對應(yīng)有先驗值的不表征具體語義的運動模式，由于其采用的先驗值（即隨機數(shù)）不局限于統(tǒng)計的數(shù)據(jù)，從而可以使得預(yù)測結(jié)果更為豐富，不僅可以更好的對齊人類駕駛行為，提高規(guī)劃的自然性和可接受性，還可以適用更多駕駛風(fēng)格。在預(yù)測自車時還可以混合使用具有具體語義的運動模式和對應(yīng)有先驗值的不表征具體語義的運動模式。這樣做的好處是，在滿足輸出的軌跡規(guī)劃可解釋的前提下，提高預(yù)測的結(jié)果的自然性，從而使其預(yù)測結(jié)果更為豐富。

18、上述說明僅是本申請技術(shù)方案的概述，為了能夠更清楚了解本申請的技術(shù)手段，可依照說明書的內(nèi)容予以實施，并且為了讓本申請的上述和其他目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本申請的具體實施方式。

技術(shù)特征：

1.一種車輛行駛信息的處理方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述場景特征通過融合所述動態(tài)對象的對象特征和場景地圖對應(yīng)的地圖特征獲得；所述根據(jù)所述多個動態(tài)對象的場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)，生成用于表征當(dāng)前交通場景的場景特征包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述動態(tài)對象的對象特征通過對時間維度特征和空間維度特征進行融合獲得；所述對所述多個動態(tài)對象對應(yīng)的相關(guān)數(shù)據(jù)進行特征提取，獲得用于表征動態(tài)對象的對象特征包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述時間維度特征和空間維度特征進行融合包括：

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述空間維度特征經(jīng)過特征交叉處理，所述特征交叉處理包括：

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，不同動態(tài)對象特征與所述地圖特征進行融合時具有不同的融合權(quán)重，所述融合權(quán)重依據(jù)所對應(yīng)的動態(tài)對象與其他動態(tài)對象之間的相似度確定；

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述將所述自車特征、非自車特征和導(dǎo)航數(shù)據(jù)輸入預(yù)測模型之前，所述方法還包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述目標(biāo)車輛為獨立行駛的車輛，或在編隊中在前行駛的前車時，所述導(dǎo)航信息為所述目標(biāo)車輛的導(dǎo)航系統(tǒng)中導(dǎo)航應(yīng)用提供的導(dǎo)航路線；

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，行駛路線和運動軌跡由至少一種運動模式構(gòu)成，所述預(yù)測模型中用于規(guī)劃目標(biāo)車輛的第二行駛路線的第一預(yù)測頭，在訓(xùn)練時部分使用表征語義信息的運動模式；

10.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一預(yù)測頭包括輸出單種運動模式的第一子預(yù)測頭、輸出多種運動模式的第二子預(yù)測頭、輸出縱向加減速運行模式的第三子預(yù)測頭以及輸出橫向避讓運行模式的第四子預(yù)測頭。

11.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述動態(tài)對象為編隊行駛的車輛、行人或單獨行駛的車輛，對應(yīng)的相關(guān)數(shù)據(jù)包括位置、行駛朝向、對象尺寸、行駛速度和對象類別中至少一種；所述場景地圖對應(yīng)的相關(guān)數(shù)據(jù)包括車道線位置信息和道路邊緣位置信息中至少一種。

12.一種用于車輛行駛路線預(yù)測的模型訓(xùn)練方法，包括：

13.一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器在執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1-12中任一項所述的方法。

14.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)內(nèi)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-12中任一項所述的方法。

15.一種計算機程序產(chǎn)品，所述計算機程序產(chǎn)品包括計算機程序/指令，所述計算機程序/指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-12中任一項所述的方法。

技術(shù)總結(jié)
本申請?zhí)峁┝艘环N車輛行駛信息的處理方法，該方法包括：獲取當(dāng)前交通場景中多個動態(tài)對象和場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)；根據(jù)所述多個動態(tài)對象和場景地圖分別對應(yīng)的相關(guān)數(shù)據(jù)，生成用于表征當(dāng)前交通場景的場景特征；從所述場景特征中抽取與目標(biāo)車輛相關(guān)的自車特征，以及與所述多個動態(tài)對象中除目標(biāo)車輛之外的其他動態(tài)對象相關(guān)的非自車特征；將所述自車特征、非自車特征和導(dǎo)航數(shù)據(jù)輸入預(yù)測模型，獲得所述預(yù)測模型生成的目標(biāo)車輛的第一行駛路線。依據(jù)本申請實施例，使得自動駕駛場景中結(jié)果輸出更快，保證了駕駛的安全性；不僅保證了預(yù)測過程的高效運行，降低了對車端芯片的算力要求；還提高預(yù)測的結(jié)果的自然性，使其預(yù)測結(jié)果更為豐富。

技術(shù)研發(fā)人員：張志鵬,何園,王珂,許聞達
受保護的技術(shù)使用者：卡爾動力（北京）科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10