CN116128930B 一種基于圖時空金字塔的自動軌跡預測方法 （重慶郵電大學）

一種基于圖時空金字塔的自動軌跡預測方法括對實時收集到的雷達點云數據進行預處理獲入到transformer網絡，輸出自動駕駛車輛周圍字塔網絡相結合增加了輸入的可解釋性與魯棒2S3.對自動駕駛車輛所載傳感器收集到的常規歷史軌跡數據進行篩選和處理，獲得原S4.對原始數據進一步處理獲取輸入表示和固定圖，將輸入表示與固定圖同時輸入到S52.將二維特征與固定圖輸入第一圖卷積層得到第一特3S22.將第四時空特征和第三時空特征分別經過時間池化后進行特征融合得到第一融合特征；將第二時空特征經過時間池化后與第一融合特征進行特征融合得到第二融合特鳥瞰圖經過時間池化后與第三融合特征進行特征融合得到最4.根據權利要求1或3任一一項所述的一S43.將S42得到的所有周圍車輛的偏移量按照4圍交通參與者進行選擇。然而這兩類方法都是只考慮固定數量的交通參與者之間的交互，[0004]上述利用深度學習來進行軌跡預測的方法不能同時滿足對交通參與者預測軌跡絡和transformer網絡；以提高預測自動駕駛車輛周圍交通參與者軌跡的準確度和實現對[0007]S1.對自動駕駛車輛所載傳感器實時收集[0009]S3.對自動駕駛車輛[0010]S4.對原始數據進一步處理獲取輸軌跡以及類別。5[0015]S22.將第四時空特征和第三時空特征分別經過時間池化后進行特征融合得到第特征；將第一時空特征經過時間池化后與第二融合特征進行特征融合得到第三融合特征；將鳥瞰圖經過時間池化后與第三融合特征進行特征融合得到最[0029]進一步的，步驟S4將輸入表示與固定圖同時輸入到圖卷6網絡和圖卷積網絡進行合并，然后利用Transformer機制對自動駕駛汽車周圍交通參與者[0043]本發明利用Transformer對位置關系進行建模，彌補了時空金字塔網絡缺少的位[0046]圖3為本發明提供的一種基于圖時空金字塔的自動駕駛軌跡預測方法中時空金字[0047]圖4為本發明提供的一種基于圖時空金字塔的自動駕駛軌跡預測方法中圖卷積網[0048]圖5為本發明提供的一種基于圖時空金字塔的自動駕駛軌跡預測方法中圖注意網7[0052]S1.對自動駕駛車輛所載傳感器實時收集[0055]S3.對自動駕駛車輛[0060]S34.從S33數據清理后的數據框[0062]S4.對原始數據進一步處理獲取輸軌跡以及類別。[0072]在一實施例中，本發明構建的基于圖時空金字塔的自動軌跡預測模型，如圖2所8二時空卷積塊的輸出經過時間池化得到第二時空特征；將第二入第三時空卷積塊，第三時空卷積塊的輸出經過時間池化得到第三時空特征；將第三時空特征輸入第四時空卷積塊，第四時空卷積塊的輸出經過時間池化得到[0075]S22.將第四時空特征和第三時空特征分別經過時間池化后進行特征融合得到9[0090]S512.將S511獲取的二維特征的圖特征[0098]S62.將歸一化特征輸入圖注意力網絡頭進行卷積運算，將卷積運算結果通過[0099]S63.將Dropout層的輸出結果輸入到[0102]S72.將歷史軌跡高維特征表示輸入到transfor