(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111404830.7 (22)申请日 2021.11.24 (71)申请人 中国科学技术大学 地址 230026 安徽省合肥市包河区金寨路 96号 (72)发明人 陈宗海　包鹏　王纪凯　戴德云　 赵皓　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 吴晓静 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种车辆 轨迹生成方法及装置 (57)摘要 本发明一种车辆轨迹生 成方法， 将真实多车 轨迹和基于多车位置条件得到的生成多车轨迹 传递给分类鉴别器得到第一logit向量和第一特 征向量， 基于第一logit向量采用对抗学习的方 式训练分类鉴别器； 将真实多车轨迹和生成多车 轨迹传递给回归鉴别器得到第二logit向量和第 二特征向量， 基于第二logit向量训练回归鉴别 器； 基于第一和第二特征向量、 第一和第二logit 向量采用对抗学习的方式训练生 成器， 得到目标 生成器； 将多车位置条件和高斯过程采样传递给 目标生成器得到目标多车轨迹。 上述过程， 基于 多车位置条件、 对抗算法对生成器进行训练， 目 标多车轨迹可生成与真实数据同分布的多车轨 迹， 提高了多车轨 迹生成的准确性和真实性。 权利要求书3页 说明书14页 附图7页 CN 114065870 A 2022.02.18 CN 114065870 A 1.一种车辆 轨迹生成方法， 其特 征在于， 包括： 训练进行时获取多车位置条件和高斯过程采样， 将所述多车位置条件和所述高斯过程 采样传递给生成器得到生成多车轨 迹； 获取真实多车轨迹， 将所述真实多车轨迹和所述生成多车轨迹传递给分类鉴别器得到 第一logit向量和第一特征向量， 基于所述第一logit向量采用对抗学习的方式训练所述分 类鉴别器； 训练进行时， 将所述真实多车轨迹和所述生成多车轨迹传递给回归鉴别器得到第二 logit向量和第二特征向量， 基于所述第二logit向量采用对抗学习的方式训练所述回归鉴 别器； 训练进行时， 基于所述第一特征向量、 所述第二特征向量、 所述第一logit向量以及所 述第二logit向量采用对抗学习的方式训练所述 生成器， 得到目标生成器； 训练完成后， 将所述多车位置条件和所述高斯过程采样传递给所述目标生成器得到目 标多车轨 迹。 2.根据权利要求1所述的方法， 其特征在于， 将所述多车位置条件和所述高斯过程采样 传递给生成器得到生成多车轨 迹， 包括： 将所述多车位置条件基于MLP编码生成前向顺序表达和逆向顺序表达的初始隐藏状 态； 将所述初始隐藏状态和所述高斯过程采样经过MLP编码后的结果经过双向GRU得到前 向顺序表达和逆向顺序表达； 基于所述前向顺序表达和所述逆向顺序表达对经过MLP编码的高斯过程采样的时序 特 征进行变换， 得到时序编码集； 将所述时序编码集中时序编码相减得到相对编码集， 将所述相对编码集中的相对编码 进行MLP变换后再进行平均池化操作， 得到目标相对编码集； 将所述目标相对编码集和所述 时序编码集进行串接后再经过MLP编码得到所述生成多 车轨迹。 3.根据权利要求1所述的方法， 其特征在于， 获取真实多车轨迹， 将所述真实多车轨迹 和所述生成多车轨 迹传递给分类鉴别器得到第一 logit向量和第一特 征向量， 包括： 将所述真实多车轨 迹和所述 生成多车轨 迹基于MLP编码和双向GRU得到顺序编码； 基于所述真实多车轨 迹和所述 生成多车轨 迹确定多车相对轨 迹； 将所述多车相对轨 迹基于MLP编码和平均池化操作得到空间关系编码； 基于所述 顺序编码和所述空间关系编码确定第一 logit向量和第一特 征向量。 4.根据权利要求1所述的方法， 其特征在于， 将所述真实多车轨迹和所述生成多车轨迹 传递给回归鉴别器得到第二 logit向量和第二特 征向量， 包括： 选取目标车辆， 在所述真实多车轨迹和所述生成多车轨迹 中提取所述目标车辆的历史 轨迹和未来轨 迹； 将所述历史轨 迹和所述未来轨 迹基于MLP编码后得到第一编码和第二编码； 计算所述历史轨迹与周围其余车辆的历史轨迹的相对轨迹， 将所述相对轨迹基于MLP 编码和平均池化操作后得到第三编码； 将所述第一编码、 所述第二编码和所述第三编码串接后基于FC层确定第二logit向量权　利　要　求　书 1/3 页 2 CN 114065870 A 2和第二特 征向量。 5.根据权利要求1所述的方法， 其特征在于， 基于所述第一特征向量、 所述第二特征向 量、 第一logit向量以及第二logit向量采用对抗学习的方式训练所述生成器， 得到目标生 成器， 包括： 基于所述第一 logit向量确定与所述 生成器匹配的分类鉴别器损失函数； 基于所述第二 logit向量确定与所述 生成器匹配的回归鉴别器损失函数； 基于所述第一特征向量、 所述第二特征向量、 第一logit向量以及第二logit 向量确定 生成器损失函数； 基于反向传播算法令所述分类鉴别器损失函数、 所述 回归鉴别器损失函数以及所述生 成器损失函数达 到纳什均衡， 得到所述目标生成器。 6.一种车辆 轨迹生成装置， 其特 征在于， 包括： 第一生成模块， 用于训练进行时获取多车位置条件和高斯过程采样， 将所述多车位置 条件和所述高斯过程采样传递给生成器得到生成多车轨 迹； 第一训练模块， 用于获取真实多车轨迹， 将所述真实多车轨迹和所述生成多车轨迹传 递给分类鉴别器得到第一logit向量和第一特征向量， 基于所述第一logit向量采用对抗学 习的方式训练所述分类鉴别器； 第二训练模块， 用于训练进行时， 将所述真实多车轨迹和所述生成多车轨迹传递给回 归鉴别器得到第二logit向量和第二特征向量， 基于所述第二logit向量采用对抗学习的方 式训练所述回归鉴别器； 第三训练模块， 用于训练进行时， 基于所述第一特征向量和所述第二特征向量采用对 抗学习的方式训练所述 生成器， 得到目标生成器； 第二生成模块， 用于训练完成后， 将所述多车位置条件和所述高斯过程采样传递给所 述目标生成器得到目标多车轨 迹。 7.根据权利要求6所述的装置， 其特 征在于， 所述第一 生成模块包括： 第一生成单元， 用于将所述多车位置条件基于MLP编码生成前向顺序表达和逆向顺序 表达的初始隐藏状态； 第一变换单元， 用于将所述初始隐藏状态和所述高斯过程采样经过MLP编码后的结果 经过双向GRU得到前向顺序表达和逆向顺序表达； 第二变换单元， 用于基于所述前向顺序表达和所述逆向顺序表达对经过MLP编码的高 斯过程采样的时序特 征进行变换， 得到时序编码集； 变换和池化单元， 用于将所述时序编码集中时序编码相减得到相对编码集， 将所述相 对编码集中的相对编码进行MLP变换后再进行平均池化操作， 得到目标相对编码集； 第一编码单元， 用于将所述目标相对编码集和所述时序编码集进行串接后再经过MLP 编码得到所述 生成多车轨 迹。 8.根据权利要求6所述的装置， 其特 征在于， 所述第一训练模块包括： 第二生成单元， 用于将所述真实多车轨迹和所述生成多车轨迹基于MLP编码和双向GRU 得到顺序编码； 第一确定单 元， 用于基于所述真实多车轨 迹和所述 生成多车轨 迹确定多车相对轨 迹； 第三生成单元， 用于将所述多车相对轨迹基于MLP编码和平均池化操作得到空间关系权　利　要　求　书 2/3 页 3 CN 114065870 A 3