摘要
本发明公开了一种基于改进的Transformer模型和目标点引导的车辆轨迹预测方法、模型及电子设备,首先以本地时空参考系处理所有场景元素,使每个场景元素生成唯一不变的表示。其次,在基于因子化注意力的场景上下文编码模块中,提出沿目标车辆查询交叉注意力的特征融合方法,通过注入多种键值对引导增强目标车辆的信息获取,实现场景上下文全局特征融合。接着,采用一个基于目标点为条件的多模态运动预测模块,从场景上下文中生成密集目标候选点及其概率,设计目标点预测器来选择高度潜在的车道段上的候选目标,并引入多模态目标解码器进一步捕获高质量目标状态。最后,利用轨迹生成模块获得紧凑多样的预测,实现高可靠性和可解释性的多模态轨迹输出。
技术关键词
车辆轨迹预测方法
场景上下文
车道
注意力
特征融合方法
多模态
解码器
地图元素
多层感知器
运动信息编码
全局特征融合
损失函数设计
网络结构
系统为您推荐了相关专利信息
分级预警方法
风险评估模型
场景
模糊隶属函数
后验概率
蛋白质三维结构
深度学习方法
深度学习模型
矩阵
坐标
词语依存关系
双向长短期记忆网络
注意力机制
训练预测模型
构建预测模型
融合算法
多头注意力机制
高斯核函数
融合特征
多模态传感器