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！

摘要：本发明公开了一种基于波语义网络的车辆轨迹预测方法，包括：获取以目标车辆为中心的高精地图；将高精地图划分为与语义通道的数量相同的多个数据块；将数据块输入至预测模型中，预测得到目标车辆在未来时间段内的轨迹，预测模型的执行过程包括：将数据块输入至第一个第一模块中，并将输出结果输入至下一个第一模块中；对最后一个第一模块的输出数据进行全局平均池化和全连接层处理，得到总特征；将总特征输入至拉普拉斯解码器中预测得到目标车辆在未来时间段内的轨迹。本发明引入“波”来表征复杂的交通场景，利用波的叠加隐式地建模多流社会交互，使模型能够更深入地理解复杂交通场景的结构和动态变化，提高对交通场景中车辆轨迹的预测能力。

主权项：1.一种基于波语义网络的车辆轨迹预测方法，其特征在于，包括：获取以目标车辆为中心的高精地图，所述高精地图具有多个语义通道，所述语义通道包括可行使区域、车道边界和交通信号灯；所述语义通道中存储有目标车辆和其他车辆的历史轨迹数据；将所述高精地图划分为与所述语义通道的数量相同的多个数据块；将数据块输入至预测模型中，预测得到目标车辆在未来时间段内的轨迹，所述预测模型包括依次连接的多个第一模块、全局平均池化层和全连接层、拉普拉斯解码器，所述第一模块包括依次连接的全连接层、波语义交互块和通道学习块，所述预测模型的执行过程包括：将所述数据块输入至第一个第一模块中，并将输出结果输入至下一个第一模块中；对最后一个第一模块的输出数据进行全局平均池化和全连接层处理，得到总特征；将总特征输入至拉普拉斯解码器中预测得到目标车辆在未来时间段内的轨迹；所述第一模块的执行过程包括：将输入数据输入至全连接层中得到嵌入特征；将所述嵌入特征输入至波语义交互块得到时域特征，包括：利用第一多层感知机和第二多层感知机分别对所述嵌入特征进行处理得到第一振幅和第一相位；基于第一振幅和第一相位融合任意两个嵌入特征对应的波，得到第二振幅和第二相位；基于第二振幅和第二相位得到对应的合成波数据；利用第三多层感知机和第四多层感知机分别对合成波数据进行处理得到第一数据和第二数据；对所述第一数据进行全局波融合处理，得到第一特征；对所述第二数据进行局部波融合处理，得到第二特征；基于第一特征和第二特征得到时域特征；将所述时域特征输入至通道学习块得到通道学习特征，包括：对所述时域特征进行转换得到频域特征；利用多层感知机对频域特征进行处理，并对处理后的特征进行逆变换得到通道学习特征。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于波语义网络的车辆轨迹预测方法