一种基于条件融合的交通参与者不确定性轨迹预测方法

本发明提供了一种基于条件融合的交通参与者不确定性轨迹预测方法，涉及自动驾驶车辆轨迹预测领域。该方法通过采集交通场景中各参与者在过去预定时长的状态信息和车道信息并将其打包成嵌入向量序列，将嵌入向量序列映射为潜在数组，将潜在数组和嵌入向量序列输入至编码网络中，得到高维深度表征信息；将高维深度表征信息输入至扩散模型中对其训练；使用训练后的扩散模型生成目标的预测轨迹，多次采样得到考虑不确定性的轨迹预测结果。本方案融合深度神经网络对场景信息的高维表征以及扩散模型多次采样生成的概率特性，刻画车辆在同样历史条件下可能出现的多种未来轨迹分支，为复杂交通场景下的自动驾驶决策和路径规划提供可靠的基础。