本案关于一种车辆运动预测的方法及系统，特别关于一种关于适用于在环境中的车辆的运动预测的方法及系统。
背景技术：
1、在现今轨迹预测以及路径规划的任务中，通常采用图像神经网络获取物体之间的交互关系。所述交互关系有两种主要类型，其分别是车辆对车辆交互关系以及车辆对道路的交互关系。然而，车辆对车辆交互关系以及车辆对道路的交互关系常常是被设计在不同注意力层提取。在这样的情形中，依次计算得出的交互信息可能会出现偏差，这会导致预测结果准确性降低。因此，如何提出一种车辆运动预测方法及系统以解决上述问题为本领域中重要的议题。
技术实现思路
1、本揭示文件提供一种车辆运动预测方法，包含下列步骤。根据原始地图数据，产生道路图形结构。根据多个车辆在多个连续帧幅中的轨迹数据以及道路图形结构，建立与道路图形结构具有同质的数据格式的多个占位流图。根据所述多个车辆在所述多个连续帧幅中的轨迹数据，将多个时间边缘连接在所述多个占位流图之间，以建立时间占位流图。对时间占位流图进行特征聚合以产生多个更新后节点特征，并且根据所述多个更新后节点特征产生自驾车辆的运动预测。
2、在本揭示的一些实施例中，建立所述多个占位流图每一者的步骤包含下列步骤。接收所述多个车辆在帧幅中的多个边界框。继承所述道路图形结构的多个道路段的多个道路段特征以及多个几何边缘。根据所述多个车辆在所述帧幅中的所述多个边界框以及速度信息，计算所述多个道路段的多个车辆占据特征。将所述多个边界框所占据的多个占据道路段相应连接，以建立多个车辆交互边缘。
3、在本揭示的一些实施例中，所述多个道路段特征代表的是所述多个道路段每一者的起始坐标、终点坐标以及中心坐标，并且其中所述多个几何边缘代表的是基于可行驶路径上所述多个道路段中的相邻两者的连接。
4、在本揭示的一些实施例中，计算所述多个道路段的所述多个车辆占据特征的步骤包含下列步骤。根据所述多个边界框，计算所述多个道路段每一者的车辆占位值。根据所述多个车辆在所述帧幅中的所述速度信息，计算所述多个道路段每一者的占位流向量。
5、在本揭示的一些实施例中，建立所述多个占位流图每一者的步骤还包含下列步骤。将所述多个道路段中的第p个道路段与在相同道路上的第(p+q)个道路段连接，以建立多个多尺度几何边缘，其中第p个道路段代表的是所述多个道路段中的每一者，并且q为大于或等于2的整数。
6、在本揭示的一些实施例中，建立所述时间占位流图的步骤包含下列步骤。在相邻两个占位流图中将相同车辆所占据的所述多个占据道路段相应连接，以建立所述多个时间边缘。
7、在本揭示的一些实施例中，对所述时间占位流图进行特征聚合的步骤包含下列步骤。根据所述多个占位流图每一者的所述多个几何边缘以及所述多个车辆交互边缘，同时自所述时间占位流图提取所述多个车辆彼此之间的交互信息以及所述多个车辆至所述多个道路段之间的交互信息。
8、在本揭示的一些实施例中，产生所述自驾车辆的所述运动预测的步骤还包含下列步骤。将所述多个更新后节点特征以及所述自驾车辆在所述多个连续帧幅中的过去轨迹输入至下游模型，以使所述下游模型产生所述自驾车辆的所述运动预测。
9、本揭示文件提供一种车辆运动预测方法，包含下列步骤。根据原始地图数据，产生道路图形结构。将多个车辆在第一帧幅中的多个第一边界框映射至道路图形结构以产生第一占位流图。将所述多个车辆在第二帧幅中的多个第二边界框映射至道路图形结构以产生第二占位流图，并且其中第一帧幅以及第二帧幅为连续帧。在第一占位流图以及第二占位流图之间建立时间边缘以建立时间占位流图。对时间占位流图进行特征聚合以产生多个更新后节点特征，并且根据所述多个更新后节点特征产生自驾车辆的运动预测。
10、本揭示文件提供一种计算系统，包含存储器以及处理电路。存储器用以存储数据以及多个指令。处理电路连接所述存储器，用以存取存储器存储的数据以及所述多个指令以执行下列步骤。根据原始地图数据，产生道路图形结构。根据多个车辆在多个连续帧幅中的轨迹数据以及道路图形结构，建立与道路图形结构具有同质的数据格式的多个占位流图。根据所述多个车辆在所述多个连续帧幅中的轨迹数据，将多个时间边缘连接在所述多个占位流图之间，以建立时间占位流图。对时间占位流图进行特征聚合以产生多个更新后节点特征，并且根据所述多个更新后节点特征产生自驾车辆的运动预测。
11、综上所述，本揭示的车辆运动预测方法基于道路图形结构建立多个占位流图，并且以时间边缘连接这些占位流图以建立时间占位流图。如此，在对时间占位流图进行特征聚合时，能同时提取车辆对车辆交互关系以及车辆对道路的交互关系，从而避免前述两种交互关系在不同注意力层提取所造成的信息偏差，并且提升自驾车辆的车辆运动预测的准确性。
1.一种车辆运动预测方法，其特征在于，包含：
2.根据权利要求1所述的车辆运动预测方法，其特征在于，建立所述多个占位流图每一者的步骤包含：
3.根据权利要求2所述的车辆运动预测方法，其特征在于，所述多个道路段特征代表的是所述多个道路段每一者的起始坐标、终点坐标以及中心坐标，并且其中所述多个几何边缘代表的是基于可行驶路径上所述多个道路段中的相邻两者的连接。
4.根据权利要求2所述的车辆运动预测方法，其特征在于，计算所述多个道路段的所述多个车辆占据特征包含：
5.根据权利要求2所述的车辆运动预测方法，其特征在于，建立所述多个占位流图每一者的步骤还包含：
6.根据权利要求2所述的车辆运动预测方法，其特征在于，建立所述时间占位流图的步骤包含：
7.根据权利要求2所述的车辆运动预测方法，其特征在于，对所述时间占位流图进行特征聚合的步骤包含：
8.根据权利要求1所述的车辆运动预测方法，其特征在于，产生所述自驾车辆的所述运动预测的步骤还包含：
9.一种车辆运动预测方法，其特征在于，包含：
10.一种计算系统，其特征在于，包含：
