一种基于条件扩散模型的场景级轨迹预测方法、系统、介质及设备

本发明公开了一种智能驾驶技术领域的基于条件扩散模型的场景级轨迹预测方法、系统、介质及设备，包括：获取当前时刻采集的多智能体轨迹特征与基于自车位置和城市高精度地图数据提取的智能体运动的导航约束条件，输入训练完成的条件扩散模型，输出未来多模态轨迹预测结果。本发明通过深度融合多源异构数据，提升了模型在复杂交通场景中的泛化能力，尤其在训练数据未覆盖的罕见场景中能够保持高预测可靠性，解决了传统方法难以应对多样化场景的瓶颈；本发明采用条件扩散模型，通过迭代去噪过程学习多模态轨迹分布，结合语义概率和方向匹配概率，有效约束预测轨迹符合道路拓扑和交通规则，降低了长期预测的误差累积效应。