科研之友
微信
新浪微博
Facebook
分享链接
摘要
有效预测周边多目标的未来轨迹是智能汽车决策和运动规划成功的关键。大多数现有研究考虑车辆个体行为之间的成对交互关系，而忽略异构交通参与者之间不同的反应模式和其他场景因素对预测的影响，使得预测轨迹的合理性低，影响运动控制的安全性。鉴于此，本文提出了一种基于层次图注意的异构多目标轨迹预测方法HGATP，首先创新性地构建类别-目标-车道的3层次图，并使用GRU和GCN分别对不同类型的目标进行独立的类别编码，捕捉不同类别的特征；其次，为强化异构目标交互图的边缘表示，构建层次图注意力机制分别获取类别和类别之间的交互以及目标和车道之间的交互，实现异构多目标间高效交互和共享地图；最后，基于目标轨迹信息和区域的车道信息构建预测网络预测多目标的轨迹。为评估模型性能，分别在INTERACTION和nuScenes数据集上进行实验。实验表明，所提模型在nuScenes数据集上单目标轨迹输出的平均误差损失和最终位移损失均减小了20%以上，在INTERACTION数据集上多目标轨迹输出的ADE损失效果较基线方法减小了2 m误差，提升了复杂道路结构下车辆行驶轨迹预测的合理性。
- 出版日期2023
- 单位南京金龙客车制造有限公司; 江苏大学
