【技术实现步骤摘要】
本申请涉及自动驾驶，特别涉及一种融合预测方法及其装置、计算机设备和存储介质。
技术介绍
1、在相关的自动驾驶技术中，预测模块是自动驾驶系统中的核心模块，而预测模块采用的自动驾驶预测算法的好坏将直接影响自动驾驶系统的安全性、舒适性和行驶效率。然而，目前的自动驾驶预测算法中能同时考虑到障碍物的长期和短期的不同特性而进行障碍物运动轨迹预测的方法主要是长短期记忆神经网络，但是神经网络的训练过程和部署过程比较复杂，需要花费较长计算时间。
技术实现思路
1、有鉴于此，本专利技术旨在至少在一定程度上解决相关技术中的问题之一。为此，本申请的目的在于提供一种融合预测方法及其装置、计算机设备和存储介质。
2、本申请提供一种融合预测方法，应用于预测车类型障碍物的行驶轨迹。所述融合预测方法包括：
3、获取主车辆周边的车道线和车类型障碍物信息，及所述主车辆的自身位置和姿态信息；
4、根据所述自身位置和所述姿态信息构建所述主车辆的车辆坐标系；
5、根据所述车道线和所述车...
【技术保护点】
1.一种融合预测方法，应用于预测车类型障碍物的行驶轨迹，其特征在于，所述融合预测方法包括：
2.根据权利要求1所述的融合预测方法，其特征在于，所述根据所述车道线和所述车类型障碍物信息，确定所述车类型障碍物在预定时间范围内的机动轨迹，并采用预定方法拟合将所述车类型障碍物的机动轨迹转换至所述车辆坐标系上，预测所述车类型障碍物的机动轨迹包括：
3.根据权利要求2所述的融合预测方法，其特征在于，所述根据所述车道线和所述车类型障碍物信息，确定所述车类型障碍物在预定时间范围内的机动轨迹包括：
4.根据权利要求3所述的融合预测方法，其特征在于，所...
【技术特征摘要】
1.一种融合预测方法，应用于预测车类型障碍物的行驶轨迹，其特征在于，所述融合预测方法包括：
2.根据权利要求1所述的融合预测方法，其特征在于，所述根据所述车道线和所述车类型障碍物信息，确定所述车类型障碍物在预定时间范围内的机动轨迹，并采用预定方法拟合将所述车类型障碍物的机动轨迹转换至所述车辆坐标系上，预测所述车类型障碍物的机动轨迹包括：
3.根据权利要求2所述的融合预测方法，其特征在于，所述根据所述车道线和所述车类型障碍物信息，确定所述车类型障碍物在预定时间范围内的机动轨迹包括：
4.根据权利要求3所述的融合预测方法，其特征在于，所述根据所述车道线和所述车类型障碍物信息，确定所述车类型障碍物在预定时间范围内的机动轨迹，并采用预定方法拟合将所述车类型障碍物的机动轨迹转换至所述车辆坐标系上，预测所述车类型障碍物的机动轨迹包括：
5.根据权利要求4所述的融合预测方法，其特征在于，所述根据所述车道线和所述车类型障碍物信息，确定所述车类型障碍物在预定时间范围内的机动轨迹...
【专利技术属性】
技术研发人员：杨兴邦，丁峰，马朋涛，魏守洋，贾世鹏，田山，张东好，
申请(专利权)人：安徽深向科技有限公司，
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。