買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉魔門塔(蘇州)科技有限公司申請的專利一種運動軌跡的預測方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114792148B 。

龍圖騰網通過國家知識產權局官網在2025-09-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202110099754.7，技術領域涉及：G06F18/27；該發明授權一種運動軌跡的預測方法及裝置是由蔣竺希;張馳設計研發完成，并于2021-01-25向國家知識產權局提交的專利申請。

本一種運動軌跡的預測方法及裝置在說明書摘要公布了：本發明實施例公開一種運動軌跡的預測方法及裝置，該方法包括：獲得目標對象對應的各交通參與對象的歷史軌跡和運動屬性信息以及對應的當前地圖信息；利用目標軌跡預測模型的特征提取層以及各交通參與對象對應的初始特征，確定各交通參與對象對應的軌跡預測特征；利用目標軌跡預測模型的特征提取層以及各交通參與對象對應的軌跡預測特征，確定各交通參與對象對應的隱隨機變量多模態概率分布；利用目標軌跡預測模型的特征回歸層、各交通參與對象對應的軌跡預測特征以及各交通參與對象對應的隱隨機變量多模態概率分布，確定各交通參與對象對應的多模態預測軌跡，以實現降低運動軌跡預測的局限性，以更好的適應比較復雜的自動駕駛場景。

本發明授權一種運動軌跡的預測方法及裝置在權利要求書中公布了：1.一種運動軌跡的預測方法，其特征在于，所述方法包括： 獲得目標對象對應的各交通參與對象的歷史軌跡和運動屬性信息以及對應的當前地圖信息； 利用目標軌跡預測模型的特征提取層以及各交通參與對象對應的初始特征，確定各交通參與對象對應的軌跡預測特征，其中，交通參與對象對應的初始特征包括：交通參與對象的歷史軌跡和運動屬性信息，及其對應的其他交通參與對象和目標對象的歷史軌跡和運動屬性信息以及所述當前地圖信息； 利用目標軌跡預測模型的特征提取層以及各交通參與對象對應的軌跡預測特征，確定各交通參與對象對應的隱隨機變量多模態概率分布，包括：針對每一交通參與對象，利用目標軌跡預測模型的特征提取層以及該交通參與對象對應的軌跡預測特征，確定該交通參與對象對應的隱隨機變量單模態概率分布，針對每一交通參與對象，利用規范化流映射算法以及該交通參與對象對應的隱隨機變量單模態概率分布，得到該交通參與對象對應的隱隨機變量多模態概率分布，其中，隱隨機變量表征各交通參與對象的行為隨機性； 利用所述目標軌跡預測模型的特征回歸層、各交通參與對象對應的軌跡預測特征以及各交通參與對象對應的隱隨機變量多模態概率分布，確定各交通參與對象對應的多模態預測軌跡； 在所述利用目標軌跡預測模型的特征提取層以及各交通參與對象對應的初始特征，確定各交通參與對象對應的軌跡預測特征的步驟之前，所述方法還包括： 訓練得到目標軌跡預測模型的過程，其中，所述過程，包括： 獲得初始軌跡預測模型； 獲得各樣本交通對象對應的樣本訓練信息以及各樣本交通對象對應的樣本未來軌跡，其中，樣本交通對象對應的樣本訓練信息包括：該樣本交通對象的樣本歷史軌跡和樣本運動屬性信息、其對應的樣本動態對象的樣本歷史軌跡、樣本運動屬性信息和樣本靜態對象信息； 針對每一樣本交通對象，利用所述初始軌跡預測模型的特征提取層以及該樣本交通對象對應的初始樣本特征，確定該樣本交通對象對應的樣本預測特征，其中，該樣本交通對象對應的初始樣本特征包括：樣本交通對象樣本歷史軌跡和樣本運動屬性信息，其對應的樣本動態對象的樣本歷史軌跡、樣本運動屬性信息和樣本靜態對象信息； 針對每一樣本交通對象，利用所述初始軌跡預測模型的特征提取層以及該樣本交通對象對應的樣本預測特征，確定該樣本交通對象對應的隱隨機變量多模態概率分布； 針對每一樣本交通對象，利用所述初始軌跡預測模型的特征回歸層、該樣本交通對象對應的樣本預測特征以及該樣本交通對象對應的隱隨機變量多模態概率分布，確定該樣本交通對象對應的多模態預測軌跡； 針對每一樣本交通對象，利用預設變分算法對該樣本交通對象對應的樣本未來軌跡進行處理，得到該樣本交通對象對應的隱隨機變量變分概率分布； 針對每一樣本交通對象，利用該樣本交通對象對應的隱隨機變量多模態概率分布以及該樣本交通對象對應的隱隨機變量變分概率分布，確定該樣本交通對象對應的隱隨機變量KL散度值； 針對每一樣本交通對象，利用該樣本交通對象對應的多模態預測軌跡以及該樣本交通對象對應的樣本未來軌跡，確定該樣本交通對象對應的軌跡重構損失值； 針對每一樣本交通對象，利用該樣本交通對象對應的隱隨機變量KL散度值、該樣本交通對象對應的軌跡重構損失值，構建最大化似然函數的變分下界；判斷所構建的最大化似然函數的變分下界是否達到最大化； 若所構建的最大化似然函數的變分下界未達到最大化，則調整所述初始軌跡預測模型的特征提取層與特征回歸層的模型參數，并返回所述針對每一樣本交通對象，利用所述初始軌跡預測模型的特征提取層以及該樣本交通對象對應的初始樣本特征，確定該樣本交通對象對應的樣本預測特征的步驟； 若所構建的最大化似然函數的變分下界達到最大化，確定所述初始軌跡預測模型收斂，得到包含特征提取層與特征回歸層的所述目標軌跡預測模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人魔門塔(蘇州)科技有限公司，其通訊地址為：215131 江蘇省蘇州市相城區高鐵新城南天成路88號天成信息大廈601-A33室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。