科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了准确、合理地预测车辆未来轨迹并且理解周围交通流的变化，提出了一种图注意力模式下融合高精地图的轨迹预测方法。设计了基于长短期记忆（LSTM）网络的编码-解码框架，建立了以车辆历史状态和高精地图信息为输入的模型结构，提出了结合车辆局部特征和全局特征的图查询机制输出车辆预测轨迹。在公开数据集nuScenes上的实验结果表明，该模型的综合预测性能优于Traj++、CoverNet等其他先进方法，且具有良好的抗干扰性。
-
单位吉林大学; 汽车仿真与控制国家重点实验室
