轨迹预测方法、装置、车辆、芯片及存储介质与流程

本公开涉及自动驾驶，尤其涉及一种轨迹预测方法、装置、车辆、芯片及存储介质。

背景技术：

1、在自动驾驶场景中，自动驾驶车辆对其他车辆的行驶轨迹进行预测是非常重要的，比如，自动驾驶车辆对其他车辆的行驶轨迹进行预测有助于提前识别潜在的碰撞风险，优化路径规划，确保变道和路口通行的安全性，提高行驶效率和乘客舒适度，同时遵守交通规则并应对突发事件，从而全面提升自动驾驶系统的安全性和可靠性。

2、相关技术中，自动驾驶车辆仅根据变道模型输出的其他车辆的变道概率进行行驶轨迹的预测，但是，变道模型可能由于输入数据和环境因素的影响，导致变道模型对其他车辆的变道误判或漏判，使得变道模型输出的其他车辆的变道概率的准确性较低，从而导致自动驾驶车辆无法准确地对其他车辆的行驶轨迹进行预测。

技术实现思路

1、本公开旨在一定程度上解决相关技术中的技术问题之一。

2、为此，本公开提出一种轨迹预测方法、装置、车辆、芯片及存储介质，首先通过获取目标车辆在当前时刻的上一时刻的历史变道概率分布，可以了解目标车辆过去的变道行为，为当前时刻的变道行为预测提供了重要的参考依据；接着，预测目标车辆在当前时刻的初始变道概率分布，实现了结合当前的交通环境和车辆状态，初步估计目标车辆的变道行为，进而，通过结合历史变道概率分布和初始变道概率分布，生成目标变道概率分布，使得目标变道概率分布的生成不仅考虑了目标车辆过去的变道行为，还融入了当前环境的实时信息，提高了目标变道概率分布的准确性，从而基于目标变道概率分布进行目标车辆行驶轨迹的预测，提高了行驶轨迹预测的准确性。

3、本公开一方面实施例提出了一种轨迹预测方法，包括：获取目标车辆在当前时刻的上一时刻的历史变道概率分布；其中，所述历史变道概率分布用于指示所述目标车辆在所述上一时刻执行不同变道行为的概率；预测所述目标车辆在所述当前时刻的初始变道概率分布；基于所述历史变道概率分布和所述初始变道概率分布，生成所述目标车辆在所述当前时刻的目标变道概率分布；根据所述目标变道概率分布，对所述目标车辆的行驶轨迹进行预测。

4、本公开另一方面实施例提出了一种轨迹预测装置，包括：获取模块，用于获取目标车辆在当前时刻的上一时刻的历史变道概率分布；其中，所述历史变道概率分布用于指示所述目标车辆在所述上一时刻执行不同变道行为的概率；第一预测模块，用于预测所述目标车辆在所述当前时刻的初始变道概率分布；生成模块，用于基于所述历史变道概率分布和所述初始变道概率分布，生成所述目标车辆在所述当前时刻的目标变道概率分布；第二预测模块，用于根据所述目标变道概率分布，对所述目标车辆的行驶轨迹进行预测。

5、本公开另一方面实施例提出了一种车辆，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如上述一方面实施例所述的轨迹预测方法。

6、本公开另一方面实施例提出了一种芯片，包括处理电路，所述处理电路被配置为执行如上述一方面实施例所述的轨迹预测方法。

7、本公开另一方面实施例提出了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述一方面实施例所述的轨迹预测方法。

8、本公开另一方面实施例提出了一种计算机程序产品，其上存储有计算机程序，所述程序被处理器执行时实现如前述一方面实施例所述的轨迹预测方法。

9、本公开提出的轨迹预测方法，通过获取目标车辆在当前时刻的上一时刻的历史变道概率分布；其中，历史变道概率分布用于指示目标车辆在上一时刻执行不同变道行为的概率；预测目标车辆在当前时刻的初始变道概率分布；基于历史变道概率分布和初始变道概率分布，生成目标车辆在当前时刻的目标变道概率分布；根据目标变道概率分布，对目标车辆的行驶轨迹进行预测，由此，通过获取目标车辆在当前时刻的上一时刻的历史变道概率分布，可以了解目标车辆过去的变道行为，为当前时刻的变道行为预测提供了重要的参考依据；预测目标车辆在当前时刻的初始变道概率分布，实现了结合当前的交通环境和车辆状态，初步估计目标车辆的变道行为，进而，通过结合历史变道概率分布和初始变道概率分布，生成目标变道概率分布，使得目标变道概率分布的生成不仅考虑了目标车辆过去的变道行为，还融入了当前环境的实时信息，提高了目标变道概率分布的准确性，从而基于目标变道概率分布进行目标车辆行驶轨迹的预测，提高了行驶轨迹预测的准确性。

10、本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。

技术特征：

1.一种轨迹预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述历史变道概率分布和所述初始变道概率分布，生成所述目标车辆在所述当前时刻的目标变道概率分布，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述初始变道概率分布和所述转换概率分布，生成所述目标变道概率分布，包括：

4.根据权利要求1所述的方法，其特征在于，所述预测所述目标车辆在所述当前时刻的初始变道概率分布，包括：

5.根据权利要求4所述的方法，其特征在于，所述对所述预测变道概率分布进行矫正，以得到所述初始变道概率分布，包括：

6.根据权利要求4所述的方法，其特征在于，所述对所述预测变道概率分布进行矫正，以得到所述初始变道概率分布，包括：

7.根据权利要求4所述的方法，其特征在于，所述对所述预测变道概率分布进行矫正，以得到所述初始变道概率分布，包括：

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

9.一种轨迹预测装置，其特征在于，包括：

10.一种车辆，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

11.一种芯片，其特征在于，所述芯片包括处理电路，所述处理电路被配置为执行如权利要求1-8中任一项所述的方法。

12.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-8中任一项所述的方法。

技术总结本公开提出一种轨迹预测方法、装置、车辆、芯片及存储介质，其中，方法包括：通过获取目标车辆在当前时刻的上一时刻的历史变道概率分布；预测目标车辆的初始变道概率分布；基于历史变道概率分布和初始变道概率分布，生成目标车辆的目标变道概率分布；根据目标变道概率分布，对目标车辆的行驶轨迹进行预测，由此，目标变道概率分布的生成不仅考虑了目标车辆过去的变道行为，还融入了当前环境的实时信息，提高了目标变道概率分布的准确性，从而提高了行驶轨迹预测的准确性。技术研发人员：姜英杰受保护的技术使用者：小米汽车科技有限公司技术研发日：技术公布日：2025/1/6