DIVIDE-AND-CONQUER FOR LANE-AWARE DIVERSE TRAJECTORY PREDICTION

A method for driving path prediction is provided. The method concatenates (425) past trajectory features and lane centerline features in a channel dimension at an agent's respective location in a top view map to obtain concatenated features thereat. The method obtains (430) convolutional features derived from the top view map, the concatenated features, and a single representation of the training scene the vehicle and agent interactions. The method extracts (435) hypercolumn descriptor vectors which include the convolutional features from the agent' s respective location in the top view map. The method obtains (440) primary and auxiliary trajectory predictions from the hypercolumn descriptor vectors. The method generates(445) a respective score for each of the primary and auxiliary trajectory predictions. The method trains (450) a vehicle trajectory prediction neural network using a reconstruction loss, a regularization loss objective, and an IOC loss objective responsive to the respective score for each of the primary and auxiliary trajectory predictions. La présente invention concerne un procédé de prédiction de trajet de conduite. Le procédé concatène (425) des caractéristiques de trajectoire passée et des caractéristiques de ligne médiane de voie de circulation dans une dimension de canal au niveau d'un emplacement respectif d'un agent dans une carte de vue de haut pour obtenir des caractéristiques concaténées au niveau de celle-ci. Le procédé obtient (430) des caractéristiques de convolution dérivées de la carte de vue de haut, des caractéristiques concaténées, et d'une représentation unique de la scène d'apprentissage des interactions de véhicule et d'agent. Le procédé extrait (435) des vecteurs de descripteur d'hypercolonne qui comprennent les caractéristiques de convolution à partir de l'emplacement respectif de l'agent dans la carte de vue de haut. Le procédé obtient (440) des prédictions de trajectoire primaire et auxiliaire à partir des vecteurs de descripteur d'hypercolonne. Le procédé génère (445) un score respectif pour chacune des prédictions de trajectoire primaire et auxiliaire. Le procédé entraîne (450) un réseau neuronal de prédiction de trajectoire de véhicule au moyen d'une perte de reconstruction, d'un objectif de perte de régularisation et d'un objectif de perte d'IOC en réponse au score respectif pour chacune des prédictions de trajectoire primaire et auxiliaire.