【技术实现步骤摘要】
本专利技术涉及智能驾驶，具体为基于多模态数据的驾驶意图识别方法。
技术介绍
1、智能驾驶技术是集人工智能、视觉计算、雷达和全球定位系统等先进技术于一体的创新应用，它能够实现车辆在部分或完全无人干预情况下自主行驶，提供安全、高效的出行体验，随着传感器技术的发展，多模态数据融合技术逐渐成为提高驾驶意图识别准确性的研究热点，多模态数据融合可以通过结合不同传感器提供的互补信息，更全面地反映驾驶员的行为特征和意图，从而提高识别系统的性能。
2、现有的驾驶意图识别技术多基于单一传感器数据，如方向盘转角、油门踏板位置、车速等，这些方法虽然能够提供一定程度的驾驶意图信息，但难以全面捕捉驾驶员复杂的驾驶行为和瞬时的意图变化，此外，单一传感器容易受到环境噪声和测量误差的影响，导致识别准确性和鲁棒性不足。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于多模态数据的驾驶意图识别方法，解决了现有技术驾驶意图信息单一的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：...
【技术保护点】
1.基于多模态数据的驾驶意图识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态数据的驾驶意图识别方法，其特征在于，所述S2中预处理包括数据清洗、归一化、标准化和特征降维。
3.根据权利要求1所述的基于多模态数据的驾驶意图识别方法，其特征在于，所述深度学习模型进一步包括用于增强模型鲁棒性的对抗性训练或数据增强模块。
4.根据权利要求1所述的基于多模态数据的驾驶意图识别方法，其特征在于，所述驾驶意图分类包括至少一个意图类别，所述类别选自加速、减速、转向、保持直行、变道和停车。
5.根据权利要求1所述的基...
【技术特征摘要】
1.基于多模态数据的驾驶意图识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态数据的驾驶意图识别方法，其特征在于，所述s2中预处理包括数据清洗、归一化、标准化和特征降维。
3.根据权利要求1所述的基于多模态数据的驾驶意图识别方法，其特征在于，所述深度学习模型进一步包括用于增强模型鲁棒性的对抗性训练或数据增强模块。
4.根据权利要求1所述的基于多模态数据的驾驶意图识别方法，其特征在于，所述驾驶意图分类包括至少一个意图类别，所述类别选自加速、减速、转向、保持直行、变道和停车。
5.根据权利要求1所述的基于多模...
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。