一种基于残差学习的边界框预测不确定性建模方法

本发明公开了一种基于残差学习的边界框预测不确定性建模方法，所述方法如下：一、构建基于全连接层和残差模块的边界框预测不确定性网络；二、轨迹预测数据准备；三、预测置信度标签计算；四、预测不确定性网络训练；五、预测网络推理。本发明通过全连接块与残差块融合的网络结构及不确定性标签的设计，实现边界框预测不确定性的精准量化、高效计算与稳定评估，能够显著提升建模精度、降低计算成本；在自动驾驶、机器人导航等场景中，能够为高安全需求应用提供可靠的预测可信度评估，避免因预测不确定性引发的决策风险。该网络具备良好的泛化适配能力，其模块化设计使其可无缝嵌入现有的各类轨迹预测网络，为算法升级提供了灵活高效的解决方案。