【技术实现步骤摘要】
本专利技术涉及汽车自动驾驶，特别是关于一种自动驾驶bev(bird-eyeview,bev，鸟瞰图视角)边界式行驶空间预测方法。
技术介绍
1、为了提高自动驾驶的安全性，对所有交通参与者的未来轨迹进行准确预测至关重要。然而由于复杂的交通状况中交通参与者之间的交互难以评判，精确的轨迹预测是一项十分复杂而困难的任务。
2、在传统的预测模型中，感知系统检测到的环境信息和交通参与者的位置信息被输入到神经网络中，通过一定的方法提取关键特征，最终输出相应的预测轨迹。虽然随着算力的提升、图神经网络等方法的引入及数据集的发展，预测的精度得到了一定提升，但仍无法满足当前较高的自动驾驶安全要求，尤其是对长尾场景中的交通参与者预测存在较大偏差，严重影响后续的决策，存在一定的安全隐患。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种自动驾驶bev边界式行驶空间预测方法，其中使用了边界式预测模型，其基于bev视角下的可行驶空间边界实现不同环境目标的整体表达，进而针对未来的可行驶空间的边界坐标...
【技术保护点】
1.一种自动驾驶BEV边界式行驶空间预测方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的自动驾驶BEV边界式行驶空间预测方法，其特征在于，所述S1中，所述环境目标感知信息，包括所述汽车的环境感知传感器检测到的动静态环境目标的空间位置、语义类别和运动状态。
3.根据权利要求2所述的自动驾驶BEV边界式行驶空间预测方法，其特征在于，所述S1中，边界式预测结果与时间间隔、当前自动驾驶BEV视角下的边界式行驶空间的边界，以及汽车的自车状态相关；其公式为：
4.根据权利要求3所述的自动驾驶BEV边界式行驶空间预测方法，其特征在于，...
【技术特征摘要】
1.一种自动驾驶bev边界式行驶空间预测方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的自动驾驶bev边界式行驶空间预测方法，其特征在于，所述s1中，所述环境目标感知信息，包括所述汽车的环境感知传感器检测到的动静态环境目标的空间位置、语义类别和运动状态。
3.根据权利要求2所述的自动驾驶bev边界式行驶空间预测方法，其特征在于，所述s1中，边界式预测结果与时间间隔、当前自动驾驶bev视角下的边界式行驶空间的边界，以及汽车的自车状态相关；其公式为：
4.根据权利要求3所述的自动驾驶bev边界式行驶空间预测方法，其特征在于，在边界式行驶空间中，边界以各个点的多维设定物理量进行统一组合表示。
5.根据权利要求4所述的自动驾驶bev边界式行驶空间预测方法，其特征在于，边界记为：
6.根据权利要求1所述的自动驾驶bev边界式行驶空间预测方法，其特征在于，s2中，可视化交通场景图...
【专利技术属性】
技术研发人员：江昆，杨殿阁，焦新宇，杨蒙蒙，程前，杨明亮，
申请(专利权)人：清华大学，
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。