简介：针对现有轨迹预测方法在车辆与地图交互方面的不足,导致轨迹预测结果不符合道路拓扑结构这一缺陷,提出了一种耦合自车运动趋势的目标锚点驱动的多模态轨迹预测方法(TMTP).该模型通过图模型高效地将交通场景的先验知识引入算法中,以便能精准地描述交通场景中的异构互动关系.同时,该模型充分考虑了动态场景图的车辆历史轨迹、自车未来轨迹和静态场景图中矢量化地图的拓扑信息的交互作用,并通过注意力网络聚合不同节点之间的特征,实现了更好的局部-全局之间的特征融合.此外,TMTP将驾驶意图表征为目标锚点,简化了意图空间的复杂性.本文在大规模Argoverse运动预测基准上对本文方法进行了评估,结果表明:本文模型相比于官方基准模型在min FDE1 和min FDE6 上分别提升56.2%、56.6%,可出色地完成轨迹预测任务.展开
