一种基于轨迹解耦和Mamba的自动驾驶轨迹预测方法和系统技术方案

本发明专利技术公开了一种基于轨迹解耦和Mamba的自动驾驶轨迹预测方法，包括以下步骤：获取高清地图和驾驶场景中的交通参与者，使用预先训练好的编码器对该高清地图和驾驶场景中的交通参与者进行编码，以获取编码后的高清地图和交通参与者组成的场景上下文特征，将获取的场景上下文特征输入预先训练好的查询解耦的解码器，以获取交通参与者中每个关注的交通参与者所对应的多模态未来轨迹。本发明专利技术能够解决现有自动驾驶轨迹预测方法轨迹预测不够准确，可能会产生次优结果，从而限制了驾驶过程中轨迹预测的精度和实用性的技术问题，以及该方法缺乏将Mamba和注意力机制各自优势进行结合的有效方案的技术问题。

【技术实现步骤摘要】

本专利技术属于深度学习和序列预测，更具体地，涉及一种基于轨迹解耦和mamba的自动驾驶轨迹预测方法和系统。

技术介绍

1、交通参与者的轨迹预测在自动驾驶研究中占据关键地位，准确预测轨迹对下游的自车路径规划至关重要。因此，轨迹预测已成为自动驾驶领域中深度学习研究的核心之一，展现出巨大的研究潜力和应用价值。

2、轨迹预测任务旨在基于高精地图和交通参与者的历史轨迹，预测交通参与者的未来多条可能的运动路径。近年来，该领域的研究进展不仅集中于场景表征和建模技术，同时在精准预测方面也取得了显著突破。随着状态空间模型的发展，一种名为mamba的模型，在序列建模中已经成为transformer的很有前途的替代方案，特别是由于其在捕获长期依赖关系方面的有效性和高效性。

3、现有的轨迹预测方法主要遵循来自目标检测领域启发的主要基于transformer模型的特定范式，即单查询-单轨迹范式。该范式利用若干查询来表示多模态的估计轨迹，涵盖了不同的方向性意图。

4、然而，上述现有的自动驾驶轨迹预测方法存在一些不可忽略的缺陷：</p>

5、第一本文档来自技高网...

【技术保护点】

1.一种基于轨迹解耦和Mamba的自动驾驶轨迹预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于轨迹解耦和Mamba的自动驾驶轨迹预测方法，其特征在于，

3.根据权利要求1或2所述的基于轨迹解耦和Mamba的自动驾驶轨迹预测方法，其特征在于，

4.根据权利要求1至3中任意一项所述的基于轨迹解耦和Mamba的自动驾驶轨迹预测方法，其特征在于，基于轨迹解耦Mamba的自动驾驶轨迹预测模型是通过以下步骤训练得到的：

5.根据权利要求4所述的基于轨迹解耦和Mamba的自动驾驶轨迹预测方法，其特征在于，步骤(2-1)中采用的自动驾驶数...

【技术特征摘要】

1.一种基于轨迹解耦和mamba的自动驾驶轨迹预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于轨迹解耦和mamba的自动驾驶轨迹预测方法，其特征在于，

3.根据权利要求1或2所述的基于轨迹解耦和mamba的自动驾驶轨迹预测方法，其特征在于，

4.根据权利要求1至3中任意一项所述的基于轨迹解耦和mamba的自动驾驶轨迹预测方法，其特征在于，基于轨迹解耦mamba的自动驾驶轨迹预测模型是通过以下步骤训练得到的：

5.根据权利要求4所述的基于轨迹解耦和mamba的自动驾驶轨迹预测方法，其特征在于，步骤(2-1)中采用的自动驾驶数据集是argoverse 2和nuscenes数据集，argoverse 2数据集包括25万个采样频率为10hz的场景，每个场景都有5秒的历史轨迹长度，并预测未来6秒的轨迹长度。nuscenes数据集包含了1000个2hz的场景，预测了过去2s历史中的未来6s轨迹。两个数据集都使用半径150米...

【专利技术属性】
技术研发人员：张力，张柏舟，宋南，
申请(专利权)人：复旦大学，
类型：发明
国别省市：