一种引入车辆运动学约束的深度学习轨迹预测方法

本文提出一种引入车辆运动学约束的深度学习轨迹预测方法，为解决轨迹预测缺乏物理一致性问题。本发明涉及自动驾驶领域。本发明包括深度学习预测模块、物理模型预测模块和模型优化训练模块。深度学习预测模块接收车辆与地图信息，利用门控循环单元GRU和图卷积子图网络提取特征并交互，输出第一预测轨迹。物理模型预测模块利用PID控制器根据参考位置状态计算控制量，驱动运动学模型闭环推演生成符合运动学约束的第二预测轨迹。模型优化训练模块基于预测误差和两轨迹间的物理一致性误差构建联合损失，反向传播优化网络参数，最终加载最优模型输出轨迹。