Все статьи автора в журнале: Цзоу Кай

1. Метод прогнозирования траектории на основе графовой модели для беспилотного вождения

   Trajectory prediction method based on a graph model for autonomous driving

   Номер: 2022 / 09

   Деменков Н.П. | Demenkov N.P. | Цзоу Кай | TSzou Kay | zoukaichn@gmail.comzoukaichn@gmail.com

   Авторы статьи

   Authors

   Деменков Н.П.

   Demenkov N.P.

   Цзоу Кай

   TSzou Kay

   zoukaichn@gmail.com

   zoukaichn@gmail.com

   ---

   Метод прогнозирования траектории на основе графовой модели для беспилотного вождения

    

   УДК 004.896

   DOI: 10.36652/0869-4931-2022-76-9-408-413

    

   Разработан метод прогнозирования траектории движения беспилотого автомобиля с использованием графов и сети долгой краткосрочной памяти (LSTM). Модель обучения сети LSTM использует структуру кодера и декодера. На основе графа и механизма внимания кодер кодирует информацию о полученной траектории для формирования вектора признаков, который вводится в декодер для прогнозирования будущих траекторий. Чтобы справиться с мультимодальностью при прогнозировании маневра автомобиля, использован модуль сверточной сети (CNN). Две сети: LSTM и CNN объединены для мультимодального прогнозирования траектории.

   ---

   Ключевые слова

   беспилотный автомобиль, прогнозирование траектории, маневр, граф, LSTM, CNN, механизм внимания

   Trajectory prediction method based on a graph model for autonomous driving

   A method for predicting the trajectory of an unmanned vehicle using graphs and a network of long short-term memory (LSTM) is developed. The learning model of LSTM network uses an encoder and decoder structure. Based on the graph and the attention mechanism, the encoder encodes information about the received trajectory to form a feature vector, which is puted to the decoder to predict future trajectories. To cope with multimodality in predicting vehicle maneuvers, module of convolutional network (CNN) is used. These two networks: LSTM and CNN are integrated for multimodal trajectory prediction.

   ---

   Keywords

   unmanned vehicle, trajectory prediction, maneuver, graph, LSTM, CNN, attention mechanism