买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门大学

摘要：一种无人驾驶汽车对周边车辆切入轨迹预测系统及方法，涉及无人驾驶。系统包括数据集获取模块、模型训练模块和轨迹预测模块。方法：1数据集获取：通过大规模真实驾驶场景采集驾驶数据，处理并构建训练神经网络所需的轨迹数据集；2模型训练：构建切入轨迹预测模型，并利用所得轨迹数据集进行训练；3实时车辆切入轨迹预测：通过自车实时采集行驶数据，经过数据处理，用训练好的切入轨迹预测模型进行在线预测，即可获得相邻车辆未来一段时间内的轨迹预测。采用基于数据驱动的深度学习方法，简单高效。通过构建基于DR‑Connect改进的Bi‑LSTM网络构架，实现对周围车辆切入轨迹的实时长时间准确预测，有效提高交通安全。

主权项：1.一种无人驾驶汽车对周边车辆切入轨迹预测系统，其特征在于包括数据集获取模块、模型训练模块和轨迹预测模块；所述数据集获取模块用于获取车辆相关数据并处理融合后构建轨迹数据集；所述数据集获取模块依次包括实车采集数据模块、数据预处理模块、融合数据模块、提取轨迹片段模块、生成离线数据集模块；所述实车采集数据模块用于利用自车上配备车载传感器采集行驶过程中周边车辆的相关数据，自车的数据从车辆的CAN总线获取；所述数据预处理模块用于采取最近邻填补法和插值法对缺失部分进行填补，使用Savitzky-Golay滤波器对数据进行滤波以消除噪声；所述融合数据模块用于从各传感器获取所需的数据并融合，所需的数据包括但不限于目标车辆的信息、目标车辆与自车的相互作用信息；所述提取轨迹片段模块用于从获得的数据中提取车辆切入和车道保持的轨迹片段；所述生成离线数据集模块用于从车辆切入和车道保持这两种轨迹片段数据类型中抽取数量相同的序列作为离线数据集，并将数据集划分为训练集、验证集和测试集；所述模型训练模块用于根据轨迹数据集对基于DR-Connect改进的Bi-LSTM预测模型进行训练；所述Bi-LSTM预测模型包括：（1）Bi-LSTM层：采用一个前向LSTM层和一个反向LSTM层进行组合构建的双向LSTM层，前向LSTM顺时序提取特征，反向LSTM逆时序提取体征，最后将前向和反向LSTM层的输出进行concat，获得Bi-LSTM层的输出；（2）ResNet与DenseNet：ResNet通过加入shortcutconnection的方法，实现梯度的跨步计算；DenseNet具有密集连接的卷积神经网络，网络中任意两层之间都有直接的连接，网络中每层的输入都是前面所有层输出的并集；（3）在Bi-LSTM的基础上加入DenseNet密集连接，即Bi-LSTM每一层的输入都由前面所有层的输出拼接而成，以缓解梯度消失问题，并引入1层全连接层充当ResNet中shortcutconnection的快捷连接；信息由输入层输入并分为两路：一路通过具有密集连接的多层Bi-LSTM，另一路通过1层全连接层；将两路得到的输出进行add操作，通过Relu激活函数对add结果进行变换，再通过1层全连接层进行线性映射变换在输出层获得预测输出结果，最后对结果进行反归一化获得最终的轨迹输出；所述Bi-LSTM预测模型的输入为包含目标车辆的信息和相互作用的信息；Bi-LSTM预测模型的输出为周边切入本车道车辆的位置坐标；所述轨迹预测模块用于通过处理后的数据在线预测获得相邻车辆未来一段时间内的轨迹，为无人驾驶车辆的决策提供依据；所述轨迹预测模块依次包括实时采集行车数据模块、处理数据模块、切入轨迹预测模型、获得轨迹模块、提供决策依据模块；所述数据集获取模块、模型训练模块和轨迹预测模块依次连接。

全文数据：

权利要求：

百度查询： 厦门大学 一种无人驾驶汽车对周边车辆切入轨迹预测系统及方法