基于编码器-解码器架构的轨迹预测方法

    公开(公告)号:CN115719479A

    公开(公告)日:2023-02-28

    申请号:CN202211524442.7

    申请日:2022-11-30

    Abstract: 本发明公开了一种基于编码器‑解码器架构的轨迹预测方法,涉及自动驾驶技术领域,包括:基于卷积神经网络对道路图片进行编码,得到路网特征信息,将其与物体特征信息合并得到提取向量图;将提取向量图输入带有注意力机制的图注意力网络,输出得到具有注意力信息的提取向量图,将该提取向量图输入至第一长短期记忆递归神经网络,输出得到第一结果数据;将第一结果数据输入到解码器图注意力网络之后得到带有注意力的第二结果;将第二结果数据输入至第二长短期记忆递归神经网络,输出得到轨迹预测结果,第二长短期记忆递归神经网络的损失函数包括位置信息损失和碰撞面积约束。本发明轨迹预测效率高,预测精度高,可靠性好。

    基于协同感知和自适应信息融合的互联自动驾驶决策方法

    公开(公告)号:CN117922612A

    公开(公告)日:2024-04-26

    申请号:CN202410097215.3

    申请日:2024-01-24

    Abstract: 本发明公开了一种基于协同感知和自适应信息融合的互联自动驾驶决策方法,主要解决现有自动驾驶决策在复杂的道路结构和交通灯信息条件下适用性较低的问题。该方法考虑在世界坐标系统下的多车道交通环境,其中有互联自动驾驶车辆和人类驾驶车辆组成的混合交通流。每个CAV都可以通过车载传感器和离线高精度地图获得周围的多模态环境特征(如车道信息、HDV车辆信息和红绿交通灯信息)。在车对车通信的帮助下,CAV可以共享其信息,并在指定的时间步长t内做出决策。该方法的目标是为CAV生成速度决策和转向角度决策。有了这样的动作决策,自动驾驶车辆可以安全有效地按特定路线行驶,同时最大限度地提高乘客的舒适度以及减少其对周围HDV的影响。

    基于编码器-解码器架构的轨迹预测方法

    公开(公告)号:CN115719479B

    公开(公告)日:2024-09-17

    申请号:CN202211524442.7

    申请日:2022-11-30

    Abstract: 本发明公开了一种基于编码器‑解码器架构的轨迹预测方法,涉及自动驾驶技术领域,包括:基于卷积神经网络对道路图片进行编码,得到路网特征信息,将其与物体特征信息合并得到提取向量图;将提取向量图输入带有注意力机制的图注意力网络,输出得到具有注意力信息的提取向量图,将该提取向量图输入至第一长短期记忆递归神经网络,输出得到第一结果数据;将第一结果数据输入到解码器图注意力网络之后得到带有注意力的第二结果;将第二结果数据输入至第二长短期记忆递归神经网络,输出得到轨迹预测结果,第二长短期记忆递归神经网络的损失函数包括位置信息损失和碰撞面积约束。本发明轨迹预测效率高,预测精度高,可靠性好。

Patent Agency Ranking