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！

龙图腾网获悉大连理工大学申请的专利一种基于道路约束的场景一致性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：CN116182880B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202211567433.6，技术领域涉及：G01C21/34；该发明授权一种基于道路约束的场景一致性车辆轨迹预测方法是由李琳辉;王雪成;连静;罗亦扬;赵剑设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本一种基于道路约束的场景一致性车辆轨迹预测方法在说明书摘要公布了：本发明公开了一种基于道路约束的场景一致性车辆轨迹预测方法，包括以下步骤：获取目标车辆和目标车辆周围车辆的历史状态以及局部高精地图；基于目标车辆历史状态、周围车辆历史状态和局部高精地图以及交通规则预测目标车辆的未来轨迹；获取目标车辆周围可行驶的车道中心线并等距离离散化处理，同时判断预测轨迹的端点到可行驶车道中心线的最小距离是否超过设定阈值；将最小距离超过阈值的车道中心线的位置点和预测轨迹的前n个轨迹点作为控制点，利用m阶贝塞尔曲线拟合获得符合场景一致性的预测轨迹。本发明利用车辆应遵守交通规则和在可行驶车道中心线附近行驶的先验知识，对预测的车辆轨迹进行约束，可保证预测轨迹符合交通规则和场景一致性。

本发明授权一种基于道路约束的场景一致性车辆轨迹预测方法在权利要求书中公布了：1.一种基于道路约束的场景一致性车辆轨迹预测方法，其特征在于：包括以下步骤： A、获取车辆历史状态与局部高精地图信息 A1、利用无人驾驶车的环境感知系统和定位系统获得目标车辆的历史状态信息和目标车辆周围车辆的历史状态信息其中上标target表示目标车辆，上标neighbors表示周围车辆，下标t＝-Th,-Th+1,…,0表示不同历史时刻，pt表示t时刻的位置，vt表示t时刻的速度，ht表示t时刻的朝向，lt表示t时刻的长度尺寸，wt表示t时刻的宽度尺寸； A2、利用步骤A1中所述目标车辆当前时刻位置获取其周围局部的高精地图Map＝{Crosswalkinfo,Laneinfo}，其中Crosswalkinfo表示人行横道信息，Laneinfo表示车道中心线信息； B、预测目标车辆的未来轨迹 B1、使用长短时记忆神经网络编码步骤A1获得的目标车辆历史状态和目标车辆周围车辆的历史状态得到目标车辆历史状态特征向量和目标车辆周围车辆历史状态特征向量另外，利用多层感知器编码步骤A2获得的目标车辆周围局部高精地图Map，得到局部高精地图特征向量VMap： VMap＝MLPMap；WMap 式中，LSTM·为长短时记忆神经网络，Wtarget是编码目标车辆历史状态的长短时记忆神经网络的权重参数，Wneighbors是编码周围车辆的历史状态的长短时记忆神经网络的权重参数，MLP·是多层感知器，WMap是多层感知器的权重参数； B2、根据交通规则获取目标车辆当前位置可执行机动集合Mset和红绿灯状态集合Tset，并使用多层感知器编码Mset和Tset，获得融入先验交通规则的嵌入特征Re： Re＝ConcatMLPMset；WM,MLPTset；WT 式中，Concat·是特征拼接操作，WM是编码可执行机动集合Mset的多层感知器的权重参数，WT是编码红绿灯状态集合Tset多层感知器的权重参数； B3、利用多头注意力机制捕获目标车辆和目标车辆周围车辆的交互信息IM，同时利用交叉注意力机制捕获目标车辆与周围交通环境的交互信息IC；最后使用多层感知器得到目标车辆的未来Tf个时刻的预测轨迹点 式中，是目标车辆历史状态特征向量，是融入先验交通规则的目标车辆历史状态特征向量，MultiheadAtt·是多头注意力机制，Wmultihead是多头注意力机制的权重参数，CrossAtt·是交叉注意力机制，Wcross是交叉注意力机制的权重参数，Ft是目标车辆的融合特征，Wdecoder是多层感知器的权重参数； C、判定预测轨迹端点到可行驶车道中心线的最近距离是否超过设定阈值 C1、基于交通规则和道路拓扑关系获取目标车辆周围局部范围内可行驶的车道中心线经等距离离散化处理后为等距车道中心线 式中，Discrete·为等距离离散化函数，δ为等距离间隔； C2、根据目标车辆预测轨迹的端点计算该端点与等距处理后的可行驶车道中心线的欧式距离，并取出距离的最小值dmin： 式中，dist·是求任意两点间欧式距离的函数，min·是取最小值函数； C3、判断步骤C2中距离最小值dmin是否大于设定的阈值ε；如果大于设定阈值ε，则认为目标车辆预测轨迹超出可行驶道路边界，转步骤D；否则，转步骤A； D、对目标车辆的预测轨迹进行约束后处理 D1、获取到预测轨迹端点距离最小的可行驶车道中心线点PointLane，并将该点作为约束端点； D2、利用目标车辆的当前速度，在目标车辆预测的轨迹上确定前n个轨迹点，作为约束基点PointTraj： 式中，是目标车辆当前时刻速度，速度的单位是千米小时，floor·是向下取整函数，max·是取最大值函数，常量α是速度因子，常量β是约束因子； D3、将步骤D1中约束端点PointLane和步骤D2中约束基点PointTraj共同作为贝塞尔曲线的控制点，使用m阶贝塞尔曲线Bx拟合得到约束后的轨迹 式中，m为贝塞尔曲线阶数，m的取值与步骤D2中的n相同，x为贝塞尔曲线自变量，x的增量为

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大连理工大学，其通讯地址为：116024 辽宁省大连市高新园区凌工路2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。