【技术实现步骤摘要】
本专利技术涉及轨迹预测，尤其涉及一种不完整观测下弱势道路使用者轨迹预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、随着交通事业的发展与国民经济水平的提升，车辆保有量稳步增加，然而这也使行人与车辆之间的矛盾更加突出。在道路交通中，尽早发现弱势道路使用者(vulnerableroad user,vru：易受伤害的道路使用者)对于避免碰撞事故具有重大意义。但是，弱势道路使用者的运动轨迹存在很大不确定性，并且非常容易被车辆驾驶员忽略，从而带来安全隐患。
3、第一视角弱势道路使用者轨迹预测是指预测自车观测视角下的行人或骑行人未来几秒的位置，不完整观测是指因遮挡或跟踪算法的局限性等造成的历史观测信息不完整的现象。轨迹预测算法现已广泛应用于自动驾驶系统中，不完整观测是交通场景中较为常见的情况，不完整观测下的第一视角弱势道路使用者的轨迹预测对驾驶安全和自动驾驶系统的规划、决策具有重要意义。
4、现有第一视角弱势道路使用者轨迹预测方法多聚焦于完整观测，使...
【技术保护点】
1.一种不完整观测下弱势道路使用者轨迹预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的不完整观测下弱势道路使用者轨迹预测方法，其特征在于，特征提取网络由基于长短期记忆网络的特征提取模块和基于记忆快的特征存取模块构成。
3.如权利要求1所述的不完整观测下弱势道路使用者轨迹预测方法，其特征在于，利用带有完整运动模式记忆块的特征提取网络对不完整观测信息进行特征提取的具体步骤为：
4.如权利要求3所述的不完整观测下弱势道路使用者轨迹预测方法，其特征在于，基于完整运动模式记忆块的特征存取模块对完整观测特征和不完整观测特征处理得到存...
【技术特征摘要】
1.一种不完整观测下弱势道路使用者轨迹预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的不完整观测下弱势道路使用者轨迹预测方法，其特征在于，特征提取网络由基于长短期记忆网络的特征提取模块和基于记忆快的特征存取模块构成。
3.如权利要求1所述的不完整观测下弱势道路使用者轨迹预测方法，其特征在于，利用带有完整运动模式记忆块的特征提取网络对不完整观测信息进行特征提取的具体步骤为：
4.如权利要求3所述的不完整观测下弱势道路使用者轨迹预测方法，其特征在于，基于完整运动模式记忆块的特征存取模块对完整观测特征和不完整观测特征处理得到存储向量和查询向量的具体步骤为：
5.如权利要求1所述的不完整观测下弱势道路使用者轨迹预测方法，其特征在于，将不完整运动特征、时间记忆向量与伪完整运动特征进行融合，得到融合特征的具体步骤为：
6.如权利要...
【专利技术属性】
技术研发人员：常发亮，刘辉，刘春生，郝鹏辉，黄一鸣，周君，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。