Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江大学俞小莉获国家专利权

浙江大学俞小莉获国家专利权

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!

龙图腾网获悉浙江大学申请的专利基于多线形参考路径的自动驾驶车辆路口轨迹生成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:CN121316908B

龙图腾网通过国家知识产权局官网在2026-03-20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:202511878124.4,技术领域涉及:B60W60/00;该发明授权基于多线形参考路径的自动驾驶车辆路口轨迹生成方法是由俞小莉;沈佳源;黄瑞;马钦仕;陈俊玄;方怡乐;戴训;陈政宇;戢茗悦设计研发完成,并于2025-12-12向国家知识产权局提交的专利申请。

基于多线形参考路径的自动驾驶车辆路口轨迹生成方法在说明书摘要公布了:本发明公开了一种基于多线形参考路径的自动驾驶车辆路口轨迹生成方法,属于自动驾驶技术领域。该方法首先依据路口信息,提取自车车道进路口点及候选出路口点,利用多组参数控制的三阶贝塞尔曲线生成多车道‑多线形的候选参考路径簇;将路径簇与自车状态、地图及其他交通参与者历史序列输入多路径引导的轨迹预测与规划深度神经网络,提取全局交互特征;通过上层路径决策模块选择概率最高的若干条路径,引导下层自回归的轨迹解码模块生成多模态的自车规划与他车预测轨迹。本方法通过多线形路径引导与分层网络结构,显著提升路口场景下轨迹的丰富性与灵活性,并能够同时输出规划与预测结果,适用于多模态场景推演及下游规划任务。

本发明授权基于多线形参考路径的自动驾驶车辆路口轨迹生成方法在权利要求书中公布了:1.一种基于多线形参考路径的自动驾驶车辆路口轨迹生成方法,其特征在于,包括如下步骤: S1:获取路口场景的地图拓扑信息和车辆导航信息,提取自车所在车道和候选出路口车道的信息,采用多参数组合下的三阶贝塞尔曲线生成多车道-多线形的候选参考路径簇; S2:构建并训练多路径引导的轨迹预测与规划深度神经网络,其包括特征主干网络、路径决策解码模块和自回归轨迹生成网络;其中,特征主干网络用于提取路口场景各交通元素的全局交互特征序列,路径决策解码模块用于得到自车选择各个参考路径的概率,自回归轨迹生成网络用于得到自车规划轨迹和其他交通参与者的预测轨迹; 所述步骤S2中,特征主干网络基于Transformer编码器架构;Transformer编码器架构由多个Transformer编码层堆叠而成,单个Transformer编码层包含一个多头自注意力层和一个前馈神经网络层,两者都采用残差连接的方式从而缓解网络训练的梯度消失问题;特征主干网络的下游采用分层预测的结构,先由路径决策模块预测自车在路口处的参考路径选择,再通过高概率的路径所对应的特征向量,引导自回归轨迹生成网络生成多模态的场景预测; 自回归轨迹生成网络基于Transformer解码器架构;Transformer解码器架构由多个Transformer解码层堆叠而成,单个Transformer解码层包含一个带掩码的多头自注意力层、一个多头交叉注意力层和一个前馈神经网络层,每个子层同样采用残差连接; S3:实时获取路口场景下的自车状态、地图信息、其他交通参与者的历史状态序列,连同步骤S1生成的候选参考路径簇一起编码输入特征主干网络,提取路口场景各交通元素的全局交互特征序列; S4:从全局交互特征序列中分割包含场景交互信息的参考路径特征,并输入路径决策解码模块,得到自车选择各个参考路径的概率; S5:根据步骤S4的结果,提取概率最高的K条路径对应的特征向量,用于引导自回归轨迹生成网络生成K个路径选择下的自车规划轨迹和其他交通参与者的预测轨迹。

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浙江大学,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。