仪器仪表学报

作者：陈熙源，聂姝涵，刘炜焱，经纬铭

单位：陈熙源,东南大学仪器科学与工程学院南京210096,chxiyuan@seu.edu.cn,聂姝涵,东南大学仪器科学与工程学院南京210096,,刘炜焱,东南大学仪器科学与工程学院南京210096,,经纬铭,东南大学仪器科学与工程学院南京210096,

关键词：轨迹预测;注意力机制;终点预测;特征融合

基金：国家自然科学基金(61873064)、江苏省重点研发计划(BE2022139)项目资助

车辆多模态轨迹预测作为感知和决策规划之间的桥梁,在自动驾驶系统中发挥着重要作用。针对现有方法特征融合不充分和难以有效平衡预测精度和效率的问题,提出了一种基于分层特征融合和终点诱导的车辆多模态轨迹预测模型(HFF-EI)。首先，利用一维残差卷积和特征金字塔网络(FPN)编码车辆历史轨迹信息,充分提取特征;其次，构建了一种分层特征融合结构,对车辆和地图分别进行特征融合后再进行全局特征融合,实现场景各元素特征高效且全面融合;然后，引入基于动态权重模式的多层感知机(MLP)进行轨迹终点预测,提高模型在不同交通场景下的自适应能力;最后，提出了一种基于终点信息交互的终点细化模块,使用注意力机制在更长时空范围交互轨迹信息,提高了车辆多模态轨迹预测的准确性。在公开数据集Argoverse1进行消融实验和对比实验,消融实验结果表明:HFF-EI模型的3个模块均有效提升了轨迹预测性能,在最小平均位移误差、最小最终位移误差、丢失率和具有惩罚项的最小最终位移误差上分别降低8.87%、13.52%、31.07%和8.93%;HFF-EI模型在测试集上最小最终位移误差为1.134m,具有惩罚项的最小最终位移误差为1.773m,推理时间为10.22ms,与10个基准模型相比综合性能优势显著,证明了所提模型的有效性。

来源：2025年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第9期