原文传递
城市交叉路口场景下智能汽车多模态轨迹预测研究
| 论文题名： | 城市交叉路口场景下智能汽车多模态轨迹预测研究 |
| 关键词： | 智能汽车;交叉路口;轨迹预测;变分自动编码器 |
| 摘要： | 准确预测驾驶场景中周边车辆的未来行驶轨迹可以有效帮助智能汽车理解交通环境同时做出高效且安全的路径规划。目前针对城市交叉路口场景下智能汽车多模态轨迹预测的研究由于高度标注的场景栅格地图无法提取车道与其余车道的连通性，导致智能汽车与交通参与者之间的交互关系建模不充分。同时现有方法难以全面表示车辆未来轨迹的所有模态，而无法实现有效的多模态轨迹预测。本文以智能汽车多模态轨迹预测为主题，提出了适用于城市交叉路口场景的多模态轨迹预测方法，采用了基于矢量化高精地图的方法，采用图神经网络结合自注意力机制的方法解决智能汽车与周边车辆、道路几何之间的交互关系建模不充分的问题，设计了基于条件变分自动编码器的智能汽车多模态轨迹预测模型以针对智能汽车未来轨迹模态表示不完整的问题，实现了城市交叉路口场景下智能汽车多模态轨迹预测。 首先，针对智能汽车与周边车辆、道路几何之间的交互关系建模不充分问题，利用矢量化高精度地图提取驾驶场景语义信息，尤其是车道与车道之间的连。通过统一的矢量化表达形式，将高精地图语义信息和车辆轨迹数据表示为向量集合，将其连接为表示数据之间交互关系的全局交互图。同时引入自注意力机制计算全局交互图中各节点数据的相关性以模拟周边车辆、道路几何之间的交互关系，将编码好后的高精地图语义信息和车辆轨迹数据输入解码器以解码出未来轨迹。 其次，针对无法完整表示智能汽车未来轨迹模态的问题，设计了基于条件变分自动编码器的智能汽车多模态轨迹预测模型，该模型引入随机模型，通过学习未来轨迹的概率分布来捕获车辆驾驶行为中的不确定性，以表示车辆未来轨迹的所有模态。条件变分自动编码器分为训练和测试两个阶段，训练阶段得到隐变量的先验分布，测试阶段使用历史轨迹结合隐变量的方法可多次随机采样生成多种可能的未来轨迹。通过这样学习未来轨迹概率分布的方法，实现智能汽车的多模态轨迹预测。 最后，利用包含多种城市交叉路口场景的INTERACTION数据集，验证本文所设计的基于高精地图编码与条件变分自编码器的融合估计预测模型的性能。结果表明：城市交叉路口场景下，智能汽车未来三秒的平均位移误差为0.48米、0.75米以及0.94米；未来三秒的最终位移误差为0.88米、1.42米和2.01米。本文设计的基于高精地图编码与条件变分自编码器的轨迹预测模型可以有效整合高精地图语义信息和车辆轨迹数据并生成多种可能的未来轨迹，整体预测性能良好。 |
| 作者： | 易虹宇 |
| 专业： | 机械制造及其自动化 |
| 导师： | 杜力 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆工商大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
