联合注意力机制与目标点信息的车辆轨迹预测

• 作者: 刘建铭 陈伟侠 卢仲康
• 来源期刊: 计算机测量与控制
• 关键词: 自动驾驶 轨迹预测 深度学习 门控循环单元 注意力机制
• 年，卷（期）: 2024,（11）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 106-112,118
• 页数: 8页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.11.016

摘要

对周围环境中运动物体未来状态的准确预测是影响自动驾驶车辆做出准确决策的重要影响因素，车辆是最常见也是最需要关注的运动物体之一；针对结构化道路下周围车辆轨迹预测的多模态输入问题，提出了基于注意力机制的深度预测网络；提出交互模块以提取目标车辆与周围车辆及车道线信息存在的交互特征；结合车道线信息对车辆运动的指引作用，加入目标点预测模块以预测目标车辆可能到达的目标点，增加预测准确性；在Argoverse公开数据集上进行实验，所提轨迹预测网络在3秒预测时长实现了1.45 m最小平均距离误差及3.21 m最小最终距离误差的预测精度，优于当前主流的预测算法。