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！

龙图腾网获悉北京航空航天大学申请的专利一种基于双层车道意图推断的目标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：CN119068693B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411205254.7，技术领域涉及：G01S5/02；该发明授权一种基于双层车道意图推断的目标车辆轨迹预测方法是由余贵珍;陈志发;李政;周彬;陈筱萱;王朋成;王章宇;曹国熙;李磊设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本一种基于双层车道意图推断的目标车辆轨迹预测方法在说明书摘要公布了：本发明涉及结构化道路交叉口区域下的无人驾驶汽车技术领域，具体涉及一种基于双层车道意图推断的目标车辆轨迹预测方法，包括如下步骤：基于扩展卡尔曼滤波，获取目标车辆的短期预测轨迹；基于路径相似度评分模型分析所述短期预测轨迹，获取目标车辆进入交叉路口时选择的道路预测值；基于目标车辆的横向偏移，构建基于交互式多模型的车道选择意图预测模型，所述车道选择意图预测模型基于所述道路预测值，获取车道预测值；基于所述车道预测值，采用五次多项式曲线方法生成目标车辆的预测轨迹；本发明能够在交叉路口场景下对其他驾驶车辆的行驶轨迹进行高精度的预测。

本发明授权一种基于双层车道意图推断的目标车辆轨迹预测方法在权利要求书中公布了：1.一种基于双层车道意图推断的目标车辆轨迹预测方法，其特征在于，包括如下步骤： 步骤S1、基于扩展卡尔曼滤波，获取目标车辆的短期预测轨迹；基于路径相似度评分模型分析所述短期预测轨迹，获取目标车辆进入交叉路口时选择的道路预测值； 步骤S2、基于目标车辆的横向偏移，构建基于交互式多模型的车道选择意图预测模型，所述车道选择意图预测模型基于所述道路预测值，获取车道预测值； 步骤S3、基于所述车道预测值，采用五次多项式曲线方法生成目标车辆的预测轨迹； 步骤S2具体包括： 步骤S2-1、构建基于交互式多模型的车道选择意图预测模型，基于目标车辆横向偏移量及横向偏移速度，获取所述车道预测值内部概率最高的车道作为目标车道； 步骤S2-2、计算预瞄距离，基于所述预瞄距离获取所述目标车道的中心线的锚点，作为所述车道预测值； 步骤S2-1具体包括： 1构建状态转移概率矩阵： 其中，下标i和j表示车道编号，为车道总数，表示k-1时刻的i车道转换到k时刻的j车道的概率，构建为与横向偏移速度相关的时变函数，计算方式为； 其中，是由概率密度函数计算得出的先验过渡概率，是i车道转换到j车道的概率密度函数的累积值，和是从i车道转换到j车道的目标车辆横向偏移速度的均值和协方差； 2交互式多模型的交互部分，进行如下更新计算： 其中，，，和分别是从k-1时刻得出的后验车道模型概率、车道横向偏移和j车道概率模型的协方差，为混合概率，为先验车道模型概率，为j车道的横向偏移的混合状态，为j车道的横向偏移的混合协方差，为i车道的横向偏移的混合状态； 3交互式多模型的滤波部分，对于每个车道模型，都进行标准的线性卡尔曼滤波，计算过程为： 其中，和分别是标准卡尔曼滤波器的预测和更新步骤，A是转移矩阵，Q是过程噪声矩阵，为i车道的横向偏移的混合协方差，和分别为k时刻的先验和后验车道横向偏移，为已有车道横向偏移均值，和分别为车道i的先验和后验协方差； 4交互式多模型的车道模型概率更新，进行如下计算： 其中，是第i个车道模型的滤波器测量的似然度，为k时刻第i个车道模型的滤波器的测量残差，为k时刻第i个车道模型的滤波器的协方差，为k时刻目标车辆偏离车道中心线的横向偏移，R为噪声矩阵，表示更新后验车道模型概率； 5在所述道路预测值的内部的车道中选择具有最高的后验车道模型概率的车道作为目标车道。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。