一种轻量级多模态车辆轨迹预测算法

摘要

针对自动驾驶汽车车载嵌入式计算平台存储和计算资源有限、车辆未来轨迹具有不确定性、周围环境信息复杂多变的问题，提出了一种基于MobileNeXt搭建的轻量级多模态车辆轨迹预测算法(CAM-MobileNeXt)。首先，利用MobileNeXt轻量级框架，构建了参数量和计算量均较少的车辆轨迹预测模型；其次，通过将单模态轨迹预测调整为多模态轨迹预测，以预测目标车辆可能存在的多条未来轨迹；最后，引入注意力机制，使其具备从众多输入信息中筛选出重要信息的能力，从而高效分配有限的存储和计算资源。在L5级别自动驾驶车辆轨迹数据集Lyft上开展轨迹预测实验，结果表明：所提算法具备较低的参数量和计算量，预测性能优于Lyft基线方法ResNet50;与MobileNeXt相比，所提算法在Lyft数据集上的损失值降低了11.9%,最终位移误差降低了7.4%,平均位移误差降低了11.4%。所提算法适合部署在自动驾驶汽车的车载嵌入式计算平台上，在对自动驾驶汽车的周围车辆进行准确多模态轨迹预测，以保证自动驾驶汽车安全行驶方面具有良好的应用前景。

关键词

车辆轨迹预测 / 轻量级网络 / 多模态 / 注意力机制

基金资助

国家自然科学基金资助项目(62273078); 辽宁省博士启动基金计划资助项目(2021-BS-054); 中央高校基本科研业务专项资金资助项目(N2204006)