龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：吉林大学
摘要：本发明公开了一种基于深度学习和运动学模型的车辆轨迹融合预测方法，包括：采集目标车辆行驶时的场景信息，使用深度学习预测模型对目标车辆在未来时域内的状态信息进行预测；将预测的目标车辆的状态信息通过卡尔曼滤波器建立目标车辆轨迹预测模型，预测下一时刻目标车辆的运动学状态信息；将当前时刻目标车辆的综合状态信息、预测的下一时刻目标车辆的状态信息、预测的下一时刻目标车辆的运动学状态信息等作为Weight_LSTM网络模型的输入，预测下一时刻深度学习预测模型的权重系数和目标车辆轨迹预测模型的权重系数，对预测的目标车辆的状态信息和预测的目标车辆的运动学状态信息进行加权，预测出下一时刻目标车辆的综合状态信息。
主权项：1.一种基于深度学习和运动学模型的车辆轨迹融合预测方法，其特征在于，具体包括如下步骤：步骤S1、采集目标车辆行驶时的场景信息，所述场景信息包括：目标车辆的状态信息和周围车辆的状态信息；步骤S2、根据采集的场景信息，使用深度学习预测模型对目标车辆在未来时域内的状态信息进行预测，得到在未来时域内每个时刻下目标车辆的状态信息；步骤S3、将在未来时域内每个时刻下目标车辆的状态信息通过卡尔曼滤波器建立目标车辆轨迹预测模型，预测出下一时刻目标车辆的运动学状态信息；步骤S4、将当前时刻目标车辆的综合状态信息、步骤S2预测的下一时刻目标车辆的状态信息、步骤S3预测的下一时刻目标车辆的运动学状态信息、深度学习预测模型的预测不确定系数、目标车辆轨迹预测模型的预测不确定系数、当前时刻深度学习预测模型的权重系数、当前时刻目标车辆轨迹预测模型的权重系数作为Weight_LSTM网络模型的输入，预测下一时刻深度学习预测模型的权重系数和目标车辆轨迹预测模型的权重系数；步骤S5、将步骤S2预测的下一时刻目标车辆的状态信息和步骤S3预测的下一时刻目标车辆的运动学状态信息通过预测的下一时刻深度学习预测模型的权重系数和目标车辆轨迹预测模型的权重系数进行加权，预测出下一时刻目标车辆的综合状态信息。
全文数据：
权利要求：
百度查询： 吉林大学 一种基于深度学习和运动学模型的车辆轨迹融合预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号