【技术实现步骤摘要】
本申请设计自动驾驶，具体地，一种行为模态划分方法、多模态轨迹预测模型的训练方法与推理方法。
技术介绍
1、在驾驶场景实现中精确有效的轨迹预测是保障自动驾驶汽车做出安全行为决策与路径规划的重要前提。确定性轨迹预测方法为目标智能体输出单一预测轨迹，没有考虑智能体行为内在的不确定性。主流多模态轨迹预测算法采用生成模型，如条件变分自动编码器(cvae)或者生成对抗网络(gan)，利用隐变量捕捉未来预测中固有的模糊性和多模态性，但是于隐变量模型无法显式获取模态的分布行为，随机采样削弱了轨迹预测结果的可解释性。预测轨迹的模态有可能出现难以控制和修正的不合理行为。
技术实现思路
1、本专利技术的目的在于解决现有技术中存在的不足，针对上述问题，本专利技术提出了一种行为模态划分方法、多模态轨迹预测模型的训练方法与推理方法。通过融合基本驾驶规则约束设计递进式模态构建、训练与解码策略，解决多模态轨迹预测中模态分布合理性和预测性能平衡性的问题。基于高级别控制指令的泛化模态域构建和高细粒度的车道级模态细化实现了采样...
【技术保护点】
1.一种行为模态划分方法，其特征在于，包括如下：
2.根据权利要求1所述的一种行为模态划分方法，其特征在于，包括如下：所述S6中，计算所选目标智能体驾驶行为的方法如下：
3.根据权利要求2所述的一种行为模态划分方法，其特征在于，包括如下：所述S6中，在道路地图的约束下，目标智能体的驾驶行为可以基于高级别控制指令划分为直行、左转、右转、左换道、右换道以及掉头。
4.一种基于权利要求1所述的行为模态划分方法的多模态轨迹预测模型训练方法，其特征在于，包括如下：
5.根据权利要求4所述的多模态轨迹预测模型训练方法，其特征在于，所...
【技术特征摘要】
1.一种行为模态划分方法，其特征在于，包括如下：
2.根据权利要求1所述的一种行为模态划分方法，其特征在于，包括如下：所述s6中，计算所选目标智能体驾驶行为的方法如下：
3.根据权利要求2所述的一种行为模态划分方法，其特征在于，包括如下：所述s6中，在道路地图的约束下，目标智能体的驾驶行为可以基于高级别控制指令划分为直行、左转、右转、左换道、右换道以及掉头。
4.一种基于权利要求1所述的行为模态划分方法的多模态轨迹预测模型训练方法，其特征在于，包括如下：
5.根据权利要求4所述的多模态轨迹预测模型训练方法，其特征在于，所述s4中，基于驾驶行为约束条件下的模态细化与深层信息融合，具体包括...
【专利技术属性】
技术研发人员：蔡英凤，陆子恒，王海，董钊志，陈龙，刘泽，
申请(专利权)人：江苏大学，
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。