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！

龙图腾网获悉重庆大学申请的专利一种融合交互性轨迹预测的自动驾驶协同运动规划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：CN119828690B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411859200.2，技术领域涉及：G05D1/43；该发明授权一种融合交互性轨迹预测的自动驾驶协同运动规划方法是由唐小林;成亮;杨为;李佳承设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种融合交互性轨迹预测的自动驾驶协同运动规划方法在说明书摘要公布了：本发明涉及一种融合交互性轨迹预测的协同运动规划方法，属于自动驾驶汽车领域。该方法包括：S1：构建满足车辆运动学约束的多项式参数化轨迹生成模型，基于环境信息和车辆当前位置状态，生成未来行驶动作集；S2：构建基于深度学习的交互性预测‑决策规划模型，基于自动驾驶车辆与周围车辆的双向交互行为，提取交互隐藏特征，并预测周围车辆轨迹；S3：构建自适应轨迹生成模型，搭建可学习的轨迹选择模组，利用步骤S2的轨迹预测结果，对行驶动作集合进行评分，并结合偏差生成网络优化结果，最终生成最佳轨迹。本发明能够对自车和周围智能体的未来状态进行交互建模，预测出周围车辆不同规划交互下的未来轨迹，从而提升预测精度。

本发明授权一种融合交互性轨迹预测的自动驾驶协同运动规划方法在权利要求书中公布了：1.一种融合交互性轨迹预测的自动驾驶协同运动规划方法，其特征在于，该方法具体包括以下步骤： S1：构建满足车辆运动学约束的多项式参数化轨迹生成模型，基于环境信息和车辆当前位置状态，生成未来行驶动作集； S2：构建基于深度学习的交互性预测-决策规划模型，基于自动驾驶车辆与周围车辆的双向交互行为，提取交互隐藏特征，并预测周围车辆轨迹；具体包括以下步骤： S21：交互性预测-决策规划模型输入：交互性预测-决策规划模型的输入包括周围车辆的历史轨迹特征自车当前所处的局部地图信息以及自车规划轨迹集 其中，Xi和分别表示为第i个智能体即车辆的特征信息和位置特征，th表示历史时域，li,wi分别表示t时刻的横坐标、纵坐标、航向角、横向速度、纵向速度、车辆长度和宽度，Mn表示第n个局部车道信息，分别表示为从第1个路径点到j个路径点的横坐标、纵坐标、航行角、车道类型、速度限制和红绿灯状态； S22：输入特征编码：将步骤S21得到的智能体特征利用LSTM网络进行编码得到隐藏特征地图特征信息利用MLP网络进行编码得到隐藏特征规划轨迹集利用另外一个MLP网络对其进行编码得到隐藏特征 S23：全局特征编码：为了获得智能体与局部地图的全局特征信息，将步骤S22得到的智能体和地图的编码结果，利用2层Transformer的自注意力机制进行全局特征编码； Gfeatrue＝AttentionQF,KF,VF,mask Gfeature＝{Gagent,Gmap} 其中，Gfeatrue为全局特征，能够分解为智能体全局特征Gagent和地图全局特征Gmap，QF,KF,VF,mask分别为注意力机制的查询、键、值和对应的掩码，Attention和concatenate分别表示注意力机制和拼接； S24：交互特征信息建模：结合由步骤S22得到的规划轨迹集隐藏特征与步骤S23得到的智能体全局特征Gagent和地图全局特征Gmap，利用交叉注意力机制对每个被预测智能体i进行交互建模： 其中，Fi,am和Fi,ae分别表示为第i个智能体与地图和与规划轨迹的交互特征，Qi,F,maskm,maske分别表示计算注意力所需要的查询、键、值和对应的掩码，表示第i智能体的全局特征； S25：预测轨迹解码：结合步骤S24的得到的智能体-地图的交互特征Fi,am和智能体-规划轨迹的交互特征Fi,ae，利用一个MLP网络解码出第i个智能体的未来轨迹 其中，tf表示未来时域； S3：构建自适应轨迹生成模型，搭建可学习的轨迹选择模组，利用步骤S2的轨迹预测结果，对行驶动作集合进行评分，并结合偏差生成网络优化结果，最终生成最佳轨迹。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。

以上内容由龙图腾AI智能生成。