摘要
本发明公开了结合分布式查询以及融合时空信息的不确定性端到端自动驾驶方法、模型及设备,为解决确定性的静态表征问题,运用拉普拉斯概率分布建模不确定性地图元素并将概率分布传递给规划。为解决确定性的动态表征问题,将预测和规划统一建模,利用规划词汇群和概率场建模运动规划,使自车与环境高阶交互以降低不确定性的影响。为解决确定性的维度贡献问题,提出多尺度空洞聚合,从通道和空间动态调整不同特征的重要性权重,利用多空洞率卷积扩大感受野以增强整体与局部联系。为解决规划对上游先验信息的依赖,提出分布式查询直接解码原始特征以解耦任务间依赖关系,扩充规划信息的来源。采用端到端流式时序策略和稀疏表征方式提高资源效率。
技术关键词
地图元素
规划
融合时空信息
解码器
运动
场景特征
拉普拉斯
分支
卷积神经网络提取图像特征
自动驾驶方法
空洞
记忆
全局平均池化
轨迹
多尺度
检测损失
机制
查询特征
多层感知机
系统为您推荐了相关专利信息
检测建筑垃圾
巡检图像
垃圾智能
节点
无人机巡检
时空大数据
运动员
选材方法
数据存储模块
选材系统
学生
多准则决策分析
路径搜索算法
数据
GIS系统
智能识别系统
控制执行模块
图像处理模块
路径规划单元
特征提取单元