(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210742575.5 (22)申请日 2022.06.28 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区建新 东路260号 (72)发明人 李开兴　梁斯硕　陆思宇　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 李海华 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/16(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/40(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/56(2022.01) (54)发明名称 多模感知融合的车辆变道预测方法、 计算机 设备及存 储介质 (57)摘要 本发明公开了多模感知融合的车辆变道预 测方法、 计算机设备及存储介质， 该预测方法包 括以下步骤： S1： 同步获取目标车辆的特征信息 和本车前视摄像头采集的序列图像； S2： 将序列 图像输入图像特征提取网络中， 从而获得序列图 像的图像特征； S3： 将 目标车辆的特征信息和S2 得到的图像特征进行拼接， 然后输入基于注意力 机制的特征融合网络中， 从而得到融合后特征； S4： 将融合后特征输入 预先训练好的变道预测模 型中， 从而得到目标车辆的变道意图。 该预测方 法使用注 意力机制方法进行特征融合， 能有效提 高车辆变道预测的准确性。 权利要求书1页 说明书3页 附图2页 CN 115273460 A 2022.11.01 CN 115273460 A 1.一种多模感知融合的车辆变道预测方法， 其特 征在于， 包括以下步骤： S1： 同步获取目标 车辆的特 征信息和本车 前视摄像头采集的序列图像； S2： 将序列图像输入图像特 征提取网络中， 从而获得序列图像的图像特 征； S3： 将目标车辆的特征信息和S2得到的图像特征进行拼接， 然后输入基于注意力机制 的特征融合网络中， 从而得到融合后特 征； S4： 将融合后特 征输入预 先训练好的变道预测模型中， 从而得到目标 车辆的变道意图。 2.根据权利要求1所述的一种 多模感知融合的车辆变道预测方法， 其特征在于， 若S1中 采集序列图像和目标车辆特征信息的时间轴不同步， 则先对采集序列图像和目标车辆特征 信息的采样时间进行同步处理， 使得序列图像和目标车辆特征信息的采样周期一致， 然后 再进行重采样。 3.根据权利要求1所述的一种 多模感知融合的车辆变道预测方法， 其特征在于， 所述特 征信息包括目标 车辆相对本车的横向速度、 纵向速度、 横向加速度和纵向加速度。 4.根据权利要求1或3所述的一种多模感知融合的车辆变道预测方法， 其特征在于， 所 述目标车辆的特 征信息通过本车的多传感器采集。 5.根据权利要求4所述的一种 多模感知融合的车辆变道预测方法， 其特征在于， 所述多 传感器包括毫米波雷达、 激光雷达和超声 波雷达。 6.根据权利要求1所述的一种 多模感知融合的车辆变道预测方法， 其特征在于， 所述图 像特征提取网络为深度残差网络ResNet5 0。 7.根据权利要求1所述的一种 多模感知融合的车辆变道预测方法， 其特征在于， 所述变 道预测模型基于LSTM变道预测算法构建得到 。 8.一种电子设备， 其特征在于， 包括处理器和存储器， 所述存储器用于存储处理器的可 执行指令； 所述处理器用于执行如权利要求1~7中任一项所述的一种多模感知融合的车辆 变道预测方法。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现如权利要求1~7中任一项所述的一种多模感知融合的车辆变道预测方 法。权　利　要　求　书 1/1 页 2 CN 115273460 A 2多模感知融合的车辆变道预测方 法、 计算机设 备及存储介质 技术领域 [0001]本发明属于自动驾驶技术领域， 具体涉及多模感知融合的车辆变道预测方法、 计 算机设备及存 储介质。 背景技术 [0002]随着近年来汽车消费量 的大幅增加， 我国2021的汽车保有量达到3.02亿， 汽车给 生活带来便利的同时， 也增加了交通事故的 隐患，“加塞”是交通事故重要的因素之一。 准确 的预测周围车辆切入本车所在车道意图， 提前给驾驶员发出预警信号， 将有效的降低交通 事故发生的概 率。 [0003]中国CN201910984614.0提出了一种车辆变道意图预测方法， 该方法包括： 将多种 类型的车辆行驶信息输入变道意图预测网络； 其中， 变道意图预测网络包括与多种类型一 一对应的多个子网络， 变道意图预测网络用于对行驶状态下 的车辆的变道意图进行预测； 通过子网络 分 别对各车辆行驶信息进 行特征提取， 输出特征提取结果； 将各子网络输出的 特征提取结果进行特征融合， 并根据特征融合结果预测车辆变道意图。 本公开中的方法能 够在一定程度上解决了车辆变道意图的预测问题， 提升了车辆变道意图预测 准确率。 但是 该方法存在以下不 足： 1、 使用了 路网信息， 路 网信息较为复杂且多变， 且更新存在不及时的 问题， 从而影响车辆变道意图预测的准确性； 2、 未使用 原始视觉图像信息， 影响预测准确 性。 发明内容 [0004]针对现有技术存在的上述不足， 本发明的目的就在于提供多模 感知融合的车辆变 道预测方法、 计算机 设备及存储介质， 该预测方法使用注意力机制方法进 行特征融合， 能有 效提高车辆变道预测的准确性。 [0005]本发明的技 术方案是这样实现的： 一种多模感知融合的车辆变道预测方法， 包括以下步骤： S1： 同步获取目标 车辆的特 征信息和本车 前视摄像头采集的序列图像； S2： 将序列图像输入图像特 征提取网络中， 从而获得序列图像的图像特 征； S3： 将目标车辆的特征信息和S2得到的图像特征进行拼接， 然后输入基于注意力 机制的特 征融合网络中， 从而得到融合后特 征； S4： 将融合后特征输入预先训练好的变道预测模型中， 从而得到目标车辆 的变道 意图。 [0006]进一步地， 若S1中采集序列图像和目标车辆特征信息的时间轴不同步， 则先对采 集序列图像和目标车辆特征信息的采样时间进行同步处理， 使得序列图像和目标车辆特征 信息的采样周期一 致， 然后再进行重采样。 [0007]进一步地， 所述特征信息包括目标车辆相对本车的横向速度、 纵向速度、 横向加速 度和纵向加速度。说　明　书 1/3 页 3 CN 115273460 A 3