CN114140553B 一种基于条件变分自编码器的路口引导线生成方法及系统 （武汉中海庭数据技术有限公司）

发区软件园东路1号软件园4.1期B6栋一种基于条件变分自编码器的路口引导线本发明涉及基于条件变分自编码器的路口将每个所述非引导线轨迹中的采样点编码为固学习中的生成模型从历史轨迹数据中挖掘了隐2获取目标路口的一个或多个非引导线轨迹，利用神经网络将每个根据一个或多个所述非引导线轨迹的类别和语义特征卷积神经网络，用于根据一个或多个所述非引导线轨迹的类别和语义特征输出风格向量；所述第二卷积神经网络，用于根据LSTM输出的预测轨迹点序列，生成轨迹点；所述所述利用神经网络将每个所述非引导线轨迹中的采样点编码为固定维度通过全连接的神经网络实现特征交叉和编码成固定获取LSTM输出的预测轨迹点序列及其对应路口利用所述训练集对所述第二卷积神经网络进获取模块，用于获取目标路口的一个或多个非引导线轨迹生成模块，用于根据一个或多个所述非引导线轨迹的类别和3要求1至3中任一项所述的基于条件变分自编码器的路口引时实现如权利要求1至3中任一项所述的基于条件变分自4习的发展，利用众包数据中的大量轨迹数据来进行轨迹规划和轨迹生成已有大量的研究。述卷积神经网络，用于根据一个或多个所述非引导线轨迹的类别和语义特征输出风格向非引导线轨迹的起点和终点生成预测的轨迹点序列。5[0011]本发明的第二方面，提供了一种基于条件变分自编码器卷积神经网络，用于根据一个或多个所述非引导线轨迹的类别和语义特征输出风格向量；引导线轨迹的起点和终点生成预测的轨迹点一个或多个处理器实现本发明第一方面提供的基于条件变分自编码器的路口引导线生成所述计算机程序被处理器执行时实现本发明第一方面提供的基于条件变分自编码器的路[0016]1.本发明基于深度学习中的生成模型从众包中历史轨迹数据中挖掘了隐含的道从采集端到决策端(例如自动驾驶端)的数据驱动的轨迹生[0018]图1为本发明的一些实施例中的基于条件变分自编码器的路口引导线生成方法的[0019]图2为本发明的一些实施例中的基于条件变分自编码器的路口引导线生成方法的[0020]图3为本发明的一些实施例中的基于条件变分自编码器生成的路口引导线效果示[0021]图4为本发明的一些实施例中的基于条件变分自编码器的路口引导线生成系统的6述非引导线轨迹中的采样点编码为固定维度的向量；S200.提取所述固定维度的向量的语转换方法在此不再赘述；S102.轨迹中采样点的编码；轨迹中采样点的特征主要经度和纬[0027]为了便于条件变分自编码器的特征提取和生成，在本发明的一些实施例的S3007i[0037]示意性地，图3示出了利用本发明的基于条件变分自编码器的路口引导线生成方述卷积神经网络，用于根据一个或多个所述非引导线轨迹的类别和语义特征输出风格向非引导线轨迹的起点和终点生成预测的轨迹点序列。据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)8者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，[0047]可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网9