【技术实现步骤摘要】
本专利技术属于自动驾驶，特别涉及一种基于周车意图学习的多车联合轨迹预测方法。
技术介绍
1、自动驾驶系统主要包括感知、决策规划和控制三大部分。感知系统主要通过摄像头、激光雷达、毫米波雷达和gps等获取车辆运动状态以及周围环境信息，将获取到的信息传递给处理这些信息的识别模块。一般情况下，自动驾驶系统由自适应检测与识别框架、控制系统、车辆偏离预警系统以及未知障碍物识别系统等组成，这些处理过的信息被融合并传递到决策和规划阶段。决策规划系统利用感知过程中收集的数据，结合高精地图信息，对车辆周围交通参与者进行运动预测，包括轨迹预测、行为预测和风险预测，然后结合感知、地图信息和预测结果对车辆进行运动规划。最终，根据决策规划模块的结果，控制系统利用方向盘和加速踏板对车辆的横、纵向运动进行控制。
2、当车辆在道路上行驶时，会频繁与周围交通参与者发生交互作用，它们未来的运动轨迹将会直接影响自动驾驶车辆的决策。如果缺少轨迹预测的能力，自动驾驶车辆的运行效率和安全性将会大大折扣。因此，在自动驾驶的实现中，轨迹预测是一个至关重要的任务，它涉及到如何...
【技术保护点】
1.一种基于周车意图学习的多车联合轨迹预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于周车意图学习的多车联合轨迹预测方法，其特征在于，所述代理特征编码层采用特征金字塔网络。
3.根据权利要求2所述的基于周车意图学习的多车联合轨迹预测方法，其特征在于，所述地图特征编码层由卷积神经网络和多层感知机组成。
4.根据权利要求3所述的基于周车意图学习的多车联合轨迹预测方法，其特征在于，所述全局交互关系编码层采用Transformer编码器。
5.根据权利要求1-4任意一项所述的基于周车意图学习的多车联合轨迹预测方...
【技术特征摘要】
1.一种基于周车意图学习的多车联合轨迹预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于周车意图学习的多车联合轨迹预测方法，其特征在于，所述代理特征编码层采用特征金字塔网络。
3.根据权利要求2所述的基于周车意图学习的多车联合轨迹预测方法，其特征在于，所述地图特征编码层由卷积神经网络和多层感知机组成。
4.根据权利要求3所述的基于周车意图学习的多车联合轨迹预测方法，其特征在于，所述全局交互关系编码层采用transformer编码器。
5.根据权利要求1-4任意一项所述的基于周车意图学习的多车联合轨迹预测方法，其特征在于，在所述步骤二...
【专利技术属性】
技术研发人员：付尧，王鸿林，刘科，王玉海，雷雨龙，朱薛琰，
申请(专利权)人：吉林大学，
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。