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！

龙图腾网获悉同济大学申请的专利一种多模态车辆轨迹预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114372570B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111528362.4，技术领域涉及：G06N3/084；该发明授权一种多模态车辆轨迹预测方法是由田炜;韩帅;王松涛;邓振文;黄禹尧;周斯泓;谭大艺设计研发完成，并于2021-12-14向国家知识产权局提交的专利申请。

本一种多模态车辆轨迹预测方法在说明书摘要公布了：本发明提供一种多模态车辆轨迹预测方法，包括以下步骤：分别获取预测车辆和周围车辆在世界坐标系下的历史运动轨迹，处理为在候选车道中心线坐标系下的历史运动轨迹并进行编码获取历史轨迹特征向量，同时获取当前时刻预测车辆与周围车辆的交互关系特征向量、意图模态编码和运动模态编码；将意图模态编码、运动模态编码、预测车辆的历史轨迹特征向量以及当前时刻预测车辆与周围车辆的交互关系特征向量进行拼接输入LSTM解码器，输出预测车辆的多条预测轨迹以及对应的置信度标签，置信度最高的预测轨迹为最佳轨迹。与现有技术相比，该方法无需标注数据集和采样过程，全面描述车辆运动的预测轨迹分布并可进行长时预测；且具有较强的场景泛化能力。

本发明授权一种多模态车辆轨迹预测方法在权利要求书中公布了：1.一种多模态车辆轨迹预测方法，其特征在于，包括以下步骤： S1：基于道路地图分别获取预测车辆和周围多个车辆在世界坐标系下的历史运动轨迹，并分别处理为预测车辆和各周围车辆在候选车道中心线坐标系下的历史运动轨迹； S2：分别对所述预测车辆和各周围车辆在候选车道中心线坐标系下的历史运动轨迹进行编码，获取预测车辆的历史轨迹特征向量和各周围车辆的历史轨迹特征向量，并根据所述预测车辆的历史轨迹特征向量和各周围车辆的历史轨迹特征向量获取当前时刻预测车辆与周围车辆的交互关系特征向量； S3：对所述候选车道中心线进行采样，获取预测车辆的历史轨迹特征向量对应的意图模态编码，采用独热编码获取预测车辆在不同速度下的运动模态编码； S4：将意图模态编码、运动模态编码、预测车辆的历史轨迹特征向量以及当前时刻预测车辆与周围车辆的交互关系特征向量进行拼接作为LSTM解码器的输入，LSTM解码器解码输出预测车辆的多条预测轨迹以及对应的置信度标签，并通过训练神经网络选取一条与轨迹真值最匹配的预测轨迹； 所述S1包括以下步骤： S1.1：基于道路地图获取预测车辆和周围多个车辆在世界坐标系下的历史运动轨迹； S1.2：根据曼哈顿距离采用广度优先的方式获取预测车辆的候选车道中心线，并将预测车辆和各周围车辆在世界坐标系下的历史运动轨迹中的各轨迹点投影至候选车道中心线上，在候选车道中心线上分别找出距离每个轨迹点最近的点作为匹配点； S1.3：根据所述候选车道中心线和所述匹配点建立候选车道中心线坐标系，并获取在候选车道中心线坐标系下的各轨迹点坐标，进而获取预测车辆和各周围车辆在候选车道中心线坐标系下的历史运动轨迹； 获取意图模态编码的过程具体为：在候选车道中心线上以当前时刻预测车辆在候选车道中心线上的匹配点为起点，按照固定长度间隔采样，将所有采样点相对起点的坐标构成向量，将所述向量通过多层感知器获取意图模态编码； 所述LSTM解码器的输入为： 式中，ψlineM为候选车道中心线的集合；vline为从具体的候选车道中心线上采样n个点构成的向量；MLP为多层感知器，WMLP为其对应参数；τline为预测车辆的历史运动轨迹特征向量对应的意图模态编码，为所有时刻预测车辆的历史运动轨迹特征向量，robs为当前时刻预测车辆与周围车辆的交互关系特征向量，ψmN为N个独热编码的集合，τm为预测车辆的运动模态编码，为LSTM解码器的输入特征向量； 通过仲裁方法从所有输出的预测车辆的预测轨迹中选取一条与轨迹真值最匹配的预测轨迹，所述仲裁方法具体为： 在确定意图模态时，根据预测车辆未来的轨迹真值与候选车道中心线距离在曼哈顿阈值范围内的点的数量从多到少将所有候选车道中心线进行排序，选择在阈值范围内的轨迹真值点数量最多的候选车道中心线作为当前的意图模态；在确定运动模态时，在当前的意图模态下，按照平均位置偏差最小的原则确定与轨迹真值最匹配的预测轨迹。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。