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

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。