Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 昆明理工大学殷炬元获国家专利权

昆明理工大学殷炬元获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉昆明理工大学申请的专利基于时空图神经网络的稀疏检测环境车辆轨迹重构方法、系统及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121659245B

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202610160149.9,技术领域涉及:G06F18/25;该发明授权基于时空图神经网络的稀疏检测环境车辆轨迹重构方法、系统及存储介质是由殷炬元;陈子均;刘启远;李冰;覃文文;陈雪剑设计研发完成,并于2026-02-04向国家知识产权局提交的专利申请。

基于时空图神经网络的稀疏检测环境车辆轨迹重构方法、系统及存储介质在说明书摘要公布了:本申请涉及数据处理技术领域,尤其涉及一种基于时空图神经网络的稀疏检测环境车辆轨迹重构方法、系统及存储介质。通过结合上、下游检测器的空间位置划分盲区区域,提出的节点与边特征构建车辆交互图,并引入交互类别编码区分车辆之间的位置关系,最后将车辆交互图结构按照时序进行组合,得到图序列输入至时空图神经网络中,实现车辆轨迹的重构。旨在解决如何在稀疏检测器环境下进行车辆轨迹重构的问题。

本发明授权基于时空图神经网络的稀疏检测环境车辆轨迹重构方法、系统及存储介质在权利要求书中公布了:1.一种基于时空图神经网络的稀疏检测环境车辆轨迹重构方法,其特征在于,所述方法包括以下步骤: S10,将上游检测器采集到的车辆驶入时刻,与下游检测器采集到的车辆驶出时刻之间的时间区间,以及所述上游检测器与所述下游检测器之间的路面区域作为车辆轨迹重构区域; S20,以所述车辆轨迹重构区域中的每一车辆为节点,车辆之间的相对距离、相对速度及交互类别编码为边特征向量,构建车辆交互图,其中,所述交互类别编码由目标车辆和其他车辆之间的车道编号和纵向位置确定; S30,将每一所述车辆交互图按照时序进行组合,得到图序列,并将所述图序列输入至时空图神经网络中,获取所述时空图神经网络预测的车辆轨迹; 所述S30中,所述时空图神经网络在执行车辆轨迹预测的步骤时,包括以下步骤: 步骤S31:在时刻,将车辆交互图的节点特征输入时空图神经网络,时空图神经网络采用H个注意力进行聚合更新: ; 其中,; 式中,为节点对节点的注意力权重,为节点的输入特征向量,为边特征向量,为权重矩阵,为可学习的注意力参数向量,为激活函数,为节点的邻居集合,表示向量的拼接,,为可学习参数; S32,将空间聚合后的作为时间模型的输入,利用门控循环单元对每个车辆节点的隐藏状态按时间更新,其中,若车辆在某些帧缺席时,延续其上一时刻状态: ; ; ; ; 式中,为节点在时刻的隐藏状态,为按位乘积,,,,,,均为可学习参数; S33,基于同时进行连续量回归与车道分类,得到横向偏移预测和车道分布概率: ; ; 式中,为横向偏移预测,为车道分布概率,、分别为速度预测值与加速度预测值,、、、分别为回归头的权重、回归头的偏置、分类头的权重、分类头的偏置; S34,设盲区时间范围为,在窗口起点处,纵向位置可由当前观测轨迹或将车辆投影到候选车道中心线后的弧长得到,在采样间隔下做离散运动学积分,分别对纵向位置、横向偏移预测值和车道分布概率进行前向后向递推: ; ; ; ; ; ; 其中,别为融合后的纵向速度与加速度,可由S33的回归输出与观测值加权得到: ; 其中,为平衡权重,为由历史观测得到的物理速度与加速度; 前向递推从时刻起始,后向递推由时刻起始: ; ; ; 式中,和分别表示由前向递推得到的纵向位置预测和后向递推得到的纵向位置预测,分别为前向与后向递推得到的纵向速度预测值,分别为前向与后向递推得到的纵向加速度预测值,为融合后的纵向速度与加速度,和分别表示由前向递推得到的横向偏移预测和后向递推得到的横向偏移预测值;和分别表示由前向递推得到的车道分布概率和后向递推得到的车道分布概率,为反归一化后的物理速度,为采样间隔; S35,在盲区时间范围内,定义时间权重系数: ; 式中,为窗口内第个采样时刻的时间戳; 输出作为车辆轨迹预测结果的纵向位置预测、纵向速度与加速度预测值,横向偏移预测和车道分布概率: ; ; ; ; 对于车辆在时刻,根据其预测的车道分布概率向量取最大概率对应的类别作为最终车道预测结果,从而实现从连续概率分布到离散车道决策的映射;最终车道类别预测为: ; 其中,为车辆在时刻的预测车道类别标签,为车辆属于第个车道类别的预测概率,为车道类别总数,为取使括号内表达式取最大值的类别索引运算符。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人昆明理工大学,其通讯地址为:650031 云南省昆明市一二一大街文昌路68号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。