欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026101753472
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于毫米波雷达的车辆轨迹重构方法,其特征在于,所述基于毫米波雷达的车辆轨迹重构方法包括以下步骤:将相邻的两个毫米波雷达之间的检测盲区,按照预设的车辆轨迹重构规则进行定义,构成车辆轨迹重构区域;

确定所述车辆轨迹重构区域中,目标车辆与相邻车辆之间的速度差、距离差和车道编号,将所述速度差、所述距离差和所述车道编号整合为所述目标车辆在所述车辆轨迹重构区域中的模拟特征向量;

将所述模拟特征向量,与所述目标车辆进入所述检测盲区时采集的历史特征序列以及离开所述检测盲区时采集的未来特征序列进行拼接,得到条件特征序列输入至预设模型中进行预测,获取所述预设模型输出的所述目标车辆在所述车辆轨迹重构区域中的车辆轨迹。

2.如权利要求1所述的基于毫米波雷达的车辆轨迹重构方法,其特征在于,所述预设的车辆轨迹重构规则包括邻车选择规则和虚拟车补充规则中的至少一个;

所述邻车选择规则为:所述目标车辆仅与交互域内的车辆产生交互,所述交互域为各车道中与所述目标车辆之间前/后最近的邻车;

所述虚拟车补充规则为:若所述目标车辆的交互域内无邻车,则在所述交互域边界处设定虚拟车辆,其中,所述虚拟车辆与所述目标车辆之间同速度。

3.如权利要求2所述的基于毫米波雷达的车辆轨迹重构方法,其特征在于,所述邻车选择规则的数学表达式为:;

其中,表示邻车选择规则,表示车道在时刻的车辆集合,表示目标车的纵向位置,表示车道上第辆车在时刻的纵向位置;

所述虚拟车补充规则的数学表达式为:

;

;

;

;

其中,表示车道上位于目标车前方的车辆集合,表示车道上位于目标车后方的车辆集合,为空集,表示该车道在对应方向上没有车辆,为虚拟车的纵向位置,为虚拟车的速度,表示虚拟前车与目标车的设定纵向距离,表示虚拟后车与目标车的设定纵向距离。

4.如权利要求1至3任一项所述的基于毫米波雷达的车辆轨迹重构方法,其特征在于,所述模拟特征向量的数学表达式为:;

其中,;

式中,为目标车辆在时刻的纵向位置,为目标车辆在时刻的速度,为目标车辆在时刻的车道编号,为邻车在时刻的速度,为邻车在时刻的纵向位置,为邻车在时刻的车道编号,表示由6辆邻车的速度差、距离差和车道编号构成的18维实数向量空间。

5.如权利要求1所述的基于毫米波雷达的车辆轨迹重构方法,其特征在于,所述历史特征序列的数学表达式为:;

所述未来特征序列的数学表达式为:

;

式中,表示历史特征序列,表示盲区后的未来特征序列,为车辆在时刻的位置,为车辆在时刻的速度,表示车辆在时刻的交互特征,为检测盲区的起始时刻,为检测盲区的结束时刻,表示固定的上下游长度。

6.如权利要求5所述的基于毫米波雷达的车辆轨迹重构方法,其特征在于,所述预设模型包括生成器,所述预设模型在预测过程中,生成器的执行步骤包括:获取拼接后的条件特征序列:

;

其中,为条件特征序列,表示目标车辆在时刻的模拟特征向量,为历史特征序列和未来特征序列拼接得到的上下游交互特征向量,表示由目标车模拟特征向量与上下游交互特征向量拼接形成的特征向量空间;

对所述条件特征序列进行非线性变换以获得深度语义表示:;

其中,为条件特征经过全连接层非线性变换后的深度语义表示,表示条件特征全连接层的权重,为条件特征全连接层的偏置,为激活函数,表示条件特征经过非线性变换后的深度语义特征向量空间;

从正态分布中采样的随机噪声向量,通过另一个全连接层进行映射,并与条件特征序列连接起来,形成联合特征序列:;

其中,表示由条件特征的深度语义表示与随机噪声特征拼接形成的联合特征向量空间;

将联合特征序列输入到双向GRU层中,得到双向GRU在时刻的隐藏状态:;

其中,表示从时刻1到时刻的联合特征序列,表示双向GRU在时刻输出的隐藏状态向量空间;

通过一个由具有LeakyReLU激活的全连接层组成的解码器,由解码器重构缺失的轨迹片段:;

其中,为在时刻预测得到的轨迹片段,为解码器全连接层的权重矩阵,解码器全连接层的偏置向量,为LeakyReLU激活函数。

7.如权利要求6所述的基于毫米波雷达的车辆轨迹重构方法,其特征在于,所述生成器生成轨迹片段过程的损失函数表示为:;

其中,表示条件输入向量,其中包括历史轨迹、相邻车辆的信息和其他相关特征,参数用于控制生成器的输出与插值速度对齐的程度,参数用于调节发生器输出与实际速度的匹配程度,参数确保生成速度序列的平滑性;表示对生成器生成的轨迹样本分布求数学期望,、和分别表示生成轨迹与真实轨迹之间的均方误差损失、生成轨迹在检测盲区边界处的插值一致性损失以及生成速度序列的平滑性约束损失。

8.如权利要求5所述的基于毫米波雷达的车辆轨迹重构方法,其特征在于,所述预设模型包括判别器,在预测过程中,判别器的执行步骤包括:将条件特征序列和真实采集的轨迹序列经过全连接层映射后得到各自的高维表示:;

;

其中,为条件特征序列经过全连接层映射后的高维表示,为条件特征序列,为轨迹序列经过全连接层映射后的高维表示,为轨迹序列,为条件特征嵌入全连接层的权重,为条件特征嵌入全连接层的偏置,为轨迹特征嵌入全连接层的权重,为轨迹特征嵌入全连接层的偏置;

将所述高维表示拼接并传递到双向GRU中,所述双向GRU对两个方向的时间依赖关系进行建模,捕获跨时间步长的动态关系:;

;

其中,为拼接后的特征向量,为双向GRU的隐藏状态序列;

将所述双向GRU的隐藏状态序列的最终隐藏状态馈入具有非线性变换和LeakyReLU激活函数的多层感知机中,产生一个标量分数,作为判别器的输出分数:;

式中,表示为双向GRU在时刻的最终隐藏状态;

其中:

;

;

式中,为多层感知机的权重矩阵,为多层感知机的偏置向量为LeakyReLU激活函数,为LeakyReLU的负斜率系数,为多层感知机输出的中间表示。

9.如权利要求8所述的基于毫米波雷达的车辆轨迹重构方法,其特征在于,判别器判别生成轨迹片段真实性过程的损失函数表示为:;

其中,表示最大化判别器对真实轨迹的分数,表示最小化生成轨迹的分数,表示梯度惩罚项,通过惩罚梯度范数的偏差来促进平滑度。

10.一种计算机系统,其特征在于,所述计算机系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述的基于毫米波雷达的车辆轨迹重构方法的步骤。