BEVTraj:基于鸟瞰视图特征的无地图自动驾驶轨迹预测框架

《Journal of Computational Design and Engineering》:BEVTraj: Map-Free Multimodal Trajectory Prediction with Sensor-Derived BEV Context and Sparse Goal Reasoning

【字体: 大 中 小 】 时间:2026年10月22日 来源:Journal of Computational Design and Engineering 6.8

编辑推荐:

   摘要 轨迹预测是自动驾驶中的关键任务,模型需要根据动态历史信息和场景上下文来预测周围交通参与者的合理未来运动。许多近期方法使用高精度地图来提供显式的道路拓扑结构和语义约束,但此类地图维护成本高、地理覆盖范围有限,且

  

摘要

轨迹预测是自动驾驶中的关键任务,模型需要根据动态历史信息和场景上下文来预测周围交通参与者的合理未来运动。许多近期方法使用高精度地图来提供显式的道路拓扑结构和语义约束,但此类地图维护成本高、地理覆盖范围有限,且在环境变化时难以更新。本文提出了鸟瞰视图轨迹预测(BEVTraj),一种无地图轨迹预测框架,直接利用从原始多传感器数据构建的鸟瞰视图(BEV)特征。由于传感器衍生的BEV特征密集且仅具有隐式结构,BEVTraj采用可变形注意力从稀疏位置中选择性地聚合与交通参与者相关的空间上下文,而非均匀处理整个BEV网格。此外,稀疏目标候选提议(SGCP)模块将重叠的模态锚点簇与基于注意力的目标预测相结合,以生成紧凑且适应场景的目标假设。这些目标被解码并迭代细化为多模态轨迹,同时结合轨迹感知的模态评分和时间一致性建模来改善置信度估计并抑制突变的、物理上不合理的细化更新。在nuScenes和Argoverse 2 Sensor上的实验表明,BEVTraj在无需预建高精度地图的无地图设置下取得了具有竞争力的结果,消融实验和定性分析说明了BEV上下文聚合和稀疏目标推理的作用。源代码可在 https://github.com/Kongminsang/bevtraj 获取。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号