【技术实现步骤摘要】
本专利技术涉及自动驾驶。具体而言,涉及一种基于波语义网络的车辆轨迹预测方法。
技术介绍
1、轨迹预测任务的核心在于,通过理解上下文场景语义和交通参与者的历史轨迹,来精准推断智能体的未来运动趋势。作为自动驾驶系统中的重要组成部分,车辆轨迹预测紧密连接了上游的环境感知模块与下游的规划决策模块。然而,在实际部署中,准确预测自动驾驶车辆的未来轨迹却是一项艰巨的挑战。其根源在于如何有效建模错综复杂的交互网络,这需要充分考虑各种必要的约束条件、不断演变的时间依赖性,以及在动态交通环境中持续变化的社会互动模式。基于上述原因,现有技术提出的轨迹预测模块预测得到的轨迹精度低,因此,亟需一种轨迹预测方法,以提高对复杂交通场景的理解能力,从而提升轨迹预测的精度。
技术实现思路
1、本专利技术正是基于现有技术的上述需求而提出的,本专利技术要解决的技术问题是提出一种基于波语义网络的车辆轨迹预测方法以通过波的叠加深入理解交通场景的结构和动态变化,提高轨迹预测的精度。
2、为了解决上述问题,本专利技术是采用
...【技术保护点】
1.一种基于波语义网络的车辆轨迹预测方法,其特征在于,包括:
2.根据权利要求1所述的一种基于波语义网络的车辆轨迹预测方法,其特征在于,对所述第一数据进行全局波融合处理,得到第一特征,包括:
3.根据权利要求1所述的一种基于波语义网络的车辆轨迹预测方法,其特征在于,利用第一多层感知机和第二多层感知机分别对该块输入的嵌入特征进行处理得到第一振幅和第一相位,其表达式为:
4.根据权利要求3所述的一种基于波语义网络的车辆轨迹预测方法,其特征在于,基于第一振幅和第一相位融合任意两个嵌入特征对应的波,得到第二振幅和第二相位,其表达式为:
>5.根据权利...
【技术特征摘要】
1.一种基于波语义网络的车辆轨迹预测方法,其特征在于,包括:
2.根据权利要求1所述的一种基于波语义网络的车辆轨迹预测方法,其特征在于,对所述第一数据进行全局波融合处理,得到第一特征,包括:
3.根据权利要求1所述的一种基于波语义网络的车辆轨迹预测方法,其特征在于,利用第一多层感知机和第二多层感知机分别对该块输入的嵌入特征进行处理得到第一振幅和第一相位,其表达式为:
4.根据权利要求3所述的一种基于波语义网络的车辆轨迹预测方法,其特征在于,基于第一振幅和第一相位融合任意两个嵌入特征对应的波,得到第二振幅和第二相位,其表达式为:
5.根据权利要求4所述的一种基于波语义网络的车辆轨迹预测方法,其特征在于,基于第二振幅和第二相位得到对应的合成波数据,包括:
6.根据权利要求2所述...
【专利技术属性】
技术研发人员:任毅龙,刘灵珊,兰征兴,于海洋,崔志勇,
申请(专利权)人:北京航空航天大学,
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。