CN116128930B 一种基于图时空金字塔的自动轨迹预测方法 （重庆邮电大学）

一种基于图时空金字塔的自动轨迹预测方法括对实时收集到的雷达点云数据进行预处理获入到transformer网络，输出自动驾驶车辆周围字塔网络相结合增加了输入的可解释性与鲁棒2S3.对自动驾驶车辆所载传感器收集到的常规历史轨迹数据进行筛选和处理，获得原S4.对原始数据进一步处理获取输入表示和固定图，将输入表示与固定图同时输入到S52.将二维特征与固定图输入第一图卷积层得到第一特3S22.将第四时空特征和第三时空特征分别经过时间池化后进行特征融合得到第一融合特征；将第二时空特征经过时间池化后与第一融合特征进行特征融合得到第二融合特鸟瞰图经过时间池化后与第三融合特征进行特征融合得到最4.根据权利要求1或3任一一项所述的一S43.将S42得到的所有周围车辆的偏移量按照4围交通参与者进行选择。然而这两类方法都是只考虑固定数量的交通参与者之间的交互，[0004]上述利用深度学习来进行轨迹预测的方法不能同时满足对交通参与者预测轨迹络和transformer网络；以提高预测自动驾驶车辆周围交通参与者轨迹的准确度和实现对[0007]S1.对自动驾驶车辆所载传感器实时收集[0009]S3.对自动驾驶车辆[0010]S4.对原始数据进一步处理获取输轨迹以及类别。5[0015]S22.将第四时空特征和第三时空特征分别经过时间池化后进行特征融合得到第特征；将第一时空特征经过时间池化后与第二融合特征进行特征融合得到第三融合特征；将鸟瞰图经过时间池化后与第三融合特征进行特征融合得到最[0029]进一步的，步骤S4将输入表示与固定图同时输入到图卷6网络和图卷积网络进行合并，然后利用Transformer机制对自动驾驶汽车周围交通参与者[0043]本发明利用Transformer对位置关系进行建模，弥补了时空金字塔网络缺少的位[0046]图3为本发明提供的一种基于图时空金字塔的自动驾驶轨迹预测方法中时空金字[0047]图4为本发明提供的一种基于图时空金字塔的自动驾驶轨迹预测方法中图卷积网[0048]图5为本发明提供的一种基于图时空金字塔的自动驾驶轨迹预测方法中图注意网7[0052]S1.对自动驾驶车辆所载传感器实时收集[0055]S3.对自动驾驶车辆[0060]S34.从S33数据清理后的数据框[0062]S4.对原始数据进一步处理获取输轨迹以及类别。[0072]在一实施例中，本发明构建的基于图时空金字塔的自动轨迹预测模型，如图2所8二时空卷积块的输出经过时间池化得到第二时空特征；将第二入第三时空卷积块，第三时空卷积块的输出经过时间池化得到第三时空特征；将第三时空特征输入第四时空卷积块，第四时空卷积块的输出经过时间池化得到[0075]S22.将第四时空特征和第三时空特征分别经过时间池化后进行特征融合得到9[0090]S512.将S511获取的二维特征的图特征[0098]S62.将归一化特征输入图注意力网络头进行卷积运算，将卷积运算结果通过[0099]S63.将Dropout层的输出结果输入到[0102]S72.将历史轨迹高维特征表示输入到transfor