1.一种自动驾驶车辆轨迹预测方法，其特征在于，所述方法包括：

根据自动驾驶车辆周围的传感器采集其周围交通参与者的一系列连续点云图像，对所述一系列连续点云图像进行处理后获得自动驾驶车辆与周围交通参与者的位置关系和鸟瞰图BEV；

通过图卷积模型对所述自动驾驶车辆与周围交通参与者的位置关系建模，提取出自动驾驶车辆与周围交通参与者的交互特征；

所述通过图卷积模型对所述周围交通参与者之间的位置关系建模，提取出周围交通参与者之间的交互特征包括从一系列坐标信息中构造出周围交通参与者在每个时间步长的相对位置的空间图；从空间图中获取每个周围交通参与者位置信息之间的距离，将该位置信息之间的距离的倒数作为周围交通参与者之间的影响力；利用所述影响力更新加权邻接矩阵，将更新后的邻接矩阵代入图卷积模型中，计算得到自动驾驶车辆与周围交通参与者的交互特征；通过时空金字塔模型对BEV图建模，提取出该连续点云图所对应的历史轨迹的场景特征；所述场景特征包括时间特征和空间特征；

所述通过时空金字塔模型对所述BEV图建模，提取出该连续点云图所对应的历史轨迹的场景特征包括采用时空金字塔模型通过分层方式分别沿着空间维度和时间维度提取出特征，即从所述空间维度中，按照一定比例步计算出不同尺度上的空间特征；从所述时间维度中，在每次时间卷积后逐步降低时间分辨率，从而提取出不同尺度的时间特征；使用全局时间池化来捕捉显著的时间特征，并通过横向连接将捕捉到的时间特征发送到特征解码器的更新采样层，同时使用concat将对应的不同尺度的时间特征和空间特征连接起来，获得融合特征；将所述场景特征和所述交互特征进行特征融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹；

将所述场景特征和所述交互特征进行特征融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹包括对周围交通参与者分类，确定出所述周围交通参与者的类别；判断出所述周围交通参与者的状态，确定出所述周围交通参与者的运动状态即静止状态或运动状态；根据所述融合特征预测出在 时刻的周围交通参与者的位置坐标，将所述周围交通参与者的类别、状态以及位置坐标共同输出为自动驾驶车辆的轨迹。

2.根据权利要求1所述的一种自动驾驶车辆轨迹预测方法，其特征在于，获得周围交通参与者之间的位置关系的方式包括对采集到的一系列连续点云图像进行预处理，得到每一个场景中每一帧点云图像中的周围交通参与者的坐标信息。

3.根据权利要求1所述的一种自动驾驶车辆轨迹预测方法，其特征在于，获得自动驾驶车辆与周围交通参与者的BEV图的方式包括将三维的点云图像量化为规则体素并形成三维体素格，使用二进制状态来表示每个体素格的占用情况，并将三维体素格的高度维数对应于二维伪图像的图像通道，从而将三维的点云图像转换成二维伪图像，即所需的BEV图。

4.一种自动驾驶车辆轨迹预测装置，其应用如权利要求1 3任一所述的方法，其特征在~

于，所述装置包括：

采集单元，用于根据自动驾驶车辆周围的传感器采集其周围交通参与者的一系列连续点云图像；

处理单元，对所述一系列连续点云图像进行处理后获得自动驾驶车辆与周围交通参与者的位置关系和鸟瞰图BEV；

第一提取单元，用于通过图卷积模型对所述自动驾驶车辆与周围交通参与者的位置关系建模，提取出自动驾驶车辆与周围交通参与者的交互特征；

第二提取单元，用于通过时空金字塔模型对BEV图建模，提取出该连续点云图所对应的历史轨迹的场景特征；所述场景特征包括时间特征和空间特征；

预测单元，用于将所述场景特征和所述交互特征进行特征融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹。

5.一种电子设备，其特征在于，所述电子设备包括处理器、存储器、通信接口以及总线；

其中，所述存储器、所述处理器及所述通信接口通过所述总线连接，所述存储器上存储有可编程指令，所述处理器调用所述存储器上存储的可编程指令用于执行如权利要求1至3中任一项所述的方法。