公开(公告)号：CN116495007A

公开(公告)日：2023-07-28

申请号：CN202310272329.2

申请日：2023-03-21

Applicant: 吉林大学

Inventor： 许芳 ,  韩帅 ,  郭中一 ,  曲婷 ,  陈虹

IPC: B60W60/00 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/084 ,  B60W40/10

Abstract: 本发明适用于车辆的轨迹预测技术领域，提供了一种考虑物理约束的车辆轨迹深度学习预测方法，在经典恒转向速度和加速度模型的基础上，考虑换道场景下的车辆的汽车运动学特点，建立了恒横摆角速度、变加速度汽车运动学模型。同时，选取长短时记忆网络作为基础的数据模型。将恒横摆角速度、变加速度汽车运动学模型作为物理约束嵌入长短时记忆网络中，搭建物理约束长短时记忆网络。仿真结果表明，本发明提出的轨迹预测方法适用于车辆轨迹的长期预测，相较于传统基于深度学习的轨迹预测方法，在保证预测准确性的前提下，增强了预测过程的可解释性和预测结果的可靠性。

公开(公告)号：CN117571011A

公开(公告)日：2024-02-20

申请号：CN202311599051.6

申请日：2023-11-28

Applicant: 吉林大学

Inventor： 许芳 ,  韩帅 ,  陈虹 ,  林佳眉 ,  郭露露 ,  孙吉

IPC: G01C21/34

Abstract: 本发明适用于车辆自动驾驶技术领域，提供了一种基于规则增强轨迹预测的自动驾驶车辆运动规划方法，首先将交通参与者轨迹和高精地图统一为矢量形式，并进行中心化和归一化，以提取其空间特征。其次，通过特征编码和分层交互捕捉交通参与者之间、交通参与者与地图之间的时空依赖关系，通过解码器生成多模态轨迹和意图，并进行评价，最终得到符合交通规则的预测轨迹。最后，考虑车辆动力学、可行驶区域、障碍物和不确定性约束，求解约束优化问题，生成安全可靠的规划轨迹。该方法考虑了交通规则对预测轨迹的影响，以及来自周车意图的不确定性约束，同时充分利用了上游模块的信息，轨迹预测和运动规划的效率高，更具有实际应用价值。