申请/专利权人：清华大学

申请日：2023-12-20

公开（公告）日：2024-03-19

公开（公告）号：CN117726652A

主分类号：G06T7/246

分类号：G06T7/246;G06N3/0442;G06N3/0464;G06N3/0455;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明涉及运动预测技术领域，特别涉及一种结合空间域特征可覆盖多场景的行人轨迹预测方法及装置，其中，方法包括：获取车辆的车载图像、自车运动信息和行人历史轨迹；将车载图像输入预先构建的空间域提取与行人意图识别模型中，以预测未来行人穿行意图；将自车运动信息输入预先构建的自车速度补偿模型中，以预测未来自车速度；将行人历史轨迹、未来行人穿行意图和未来自车速度向量输入预先构建的行人轨迹预测模型中，以预测未来行人轨迹。由此，解决了行人运动层特征、周围的交通环境特征和轨迹时序相关信息提取和运用不充足不完备等问题，可对行人运动轨迹进行较高精度的预测。

主权项：1.一种结合空间域特征可覆盖多场景的行人轨迹预测方法，其特征在于，包括以下步骤：获取车辆的车载图像、自车运动信息和行人历史轨迹；将所述车载图像输入预先构建的空间域提取与行人意图识别模型中，以预测未来行人穿行意图，其中，所述空间域提取与行人意图识别模型采用二维人体姿态估计算法OpenPose、卷积神经网络CNN和卷积长短期记忆神经网络ConvLSTM构建得到；将所述自车运动信息输入预先构建的自车速度补偿模型中，以预测未来自车速度，其中，所述自车速度补偿模型采用第一长短期记忆神经网络LSTM、第一双向长短期记忆神经网络Bi-LSTM、第一时间注意力机制和第二时间注意力机制构建得到；将所述行人历史轨迹、所述未来行人穿行意图和所述未来自车速度向量输入预先构建的行人轨迹预测模型中，以预测未来行人轨迹，其中，所述行人轨迹预测模型采用第二长短期记忆神经网络LSTM、第二双向长短期记忆神经网络Bi-LSTM、第三时间注意力机制和第四时间注意力机制构建得到。

全文数据：

权利要求：

百度查询： 清华大学 结合空间域特征可覆盖多场景的行人轨迹预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD