Es wird ein Verfahren zur Vorhersage von Fahrwegen bereitgestellt. Das Verfahren verkettet (425) Merkmale vergangener Trajektorien und Fahrspurmittellinienmerkmale in einer Kanaldimension bei einem jeweiligen Ort eines Agenten in einer Draufsichtkarte, um darauf bzw. dort verkettete Merkmale zu erhalten. Das Verfahren erhält (430) Faltungsmerkmale, die aus der Draufsichtkarte, den verketteten Merkmalen und einer einzigen Darstellung der Trainingsszene, der Fahrzeug- und Agenten-interaktionen, abgeleitet sind. Das Verfahren extrahiert (435) Hyperspalten-Deskriptorvektoren, die die Faltungsmerkmale von dem jeweiligen Ort des Agenten in der Draufsichtkarte enthalten. Das Verfahren erhält (440) Primär- und Hilfs-Trajektorienvorhersagen aus den Hyperspalten-Deskriptorvektoren. Das Verfahren erzeugt (445) eine jeweilige Auswertung für jede der Primär- und Hilfs-Trajektorienvorhersagen. Das Verfahren trainiert (450) ein neuronales Netzwerk zur Fahrzeugtrajektorienvorhersage unter Verwendung eines Rekonstruktionsverlusts, eines Regularisierungsverlustziels und eines IOC-Verlustziels in Reaktion auf die jeweilige Auswertung für jede der Primär- und Hilfs-Trajektorienvorhersagen.
A method for driving path prediction is provided. The method concatenates past trajectory features and lane centerline features in a channel dimension at an agent's respective location in a top view map to obtain concatenated features thereat. The method obtains convolutional features derived from the top view map, the concatenated features, and a single representation of the training scene the vehicle and agent interactions. The method extracts hypercolumn descriptor vectors which include the convolutional features from the agent's respective location in the top view map. The method obtains primary and auxiliary trajectory predictions from the hypercolumn descriptor vectors. The method generates a respective score for each of the primary and auxiliary trajectory predictions. The method trains a vehicle trajectory prediction neural network using a reconstruction loss, a regularization loss objective, and an IOC loss objective responsive to the respective score for each of the primary and auxiliary trajectory predictions.
TEILE-UND-HERRSCHE-VERFAHREN ZUR FAHRSPURBEWUSSTEN DIVERSEN TRAJEKTORIENVORHERSAGE
2023-09-28
Patent
Electronic Resource
German
Internetworking: Teile und herrsche
IuD Bahn | 1995
|Technik: Mercedes-Rennmotor: Teile und herrsche
Online Contents | 1995
Teile und herrsche. Mercedes-Rennmotor
Automotive engineering | 1995
|Teile und herrsche : Chevrolet Corvette Sting Ray
SLUB | 2005
|Teile und herrsche! - Objektorientierte Konzepte fuer die Softwareentwicklung
Automotive engineering | 2004
|