基于图交互与场景感知融合的轨迹预测方法

在自动驾驶中，精确的环境感知和对周围交通参与者的轨迹预测对道路安全至关重要。基于此，提出了基于鸟瞰图(Bird Eye View, BEV)的实时端到端轨迹预测框架来同时学习交互和场景信息。该框架主要由图交互网络和金字塔感知网络两个模块组成，前者通过时空图卷积网络对交通参与者之间的交互模式进行编码，后者采用时空金字塔网络对周围信息进行场景建模以获取场景特征。然后，对交互特征和场景特征进行单一尺度融合，从而进行分类和轨迹预测任务。在大规模开源数据集NuScenes上的实验和分析表明，与当前先进算法(MotionNet)相比，所提框架平均类别准确度提高了3.1%,轨迹预测平均误差在行驶速度>5m/s时降低了1.43%。此实验结果表明，所提模型具有更好的泛化性和鲁棒性，更符合实际自动驾驶环境中的轨迹预测需求。