申请/专利权人：清华大学

申请日：2022-03-16

公开（公告）日：2024-03-19

公开（公告）号：CN114898550B

主分类号：G08G1/01

分类号：G08G1/01;G06N3/04

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.08.30#实质审查的生效;2022.08.12#公开

摘要：本发明涉及一种行人轨迹预测方法和系统，包括：对行人数据集中坐标进行插值，并计算此时行人速度；基于行人的位置和速度构建场景图，按照时间戳对场景图进行拆分，从而生成过去编码器和未来编码器的输入数据；通过过去编码器和未来编码器的输入数据对过去编码器和未来编码器进行训练，使下一时刻速度和位置与地面真值的欧式距离最小，且过去编码器和未来编码器的KL散度最小；将历史数据输入训练好的过去编码器，获得预测的行人位置和速度，将预测的行人位置和地面真值输入训练好的未来编码器，得到隐变量；将隐变量输入解码器获得下一时刻行人的位置和速度。其不仅可以提高智能体轨迹预测的精度和多模态的预测能力，还能够加快模型训练的速度。

主权项：1.一种行人轨迹预测方法，其特征在于，包括：对行人数据集中坐标进行插值，并计算此时行人速度；基于行人的位置和速度构建场景图，按照时间戳对所述场景图进行拆分，从而生成过去编码器和未来编码器的输入数据；通过所述过去编码器和未来编码器的输入数据对过去编码器和未来编码器进行训练，使下一时刻速度和位置与地面真值的欧式距离最小，且过去编码器和未来编码器的KL散度最小；训练过程中的损失函数如下： 将历史数据输入训练好的所述过去编码器，获得预测的行人位置和速度，将预测的行人位置和地面真值输入训练好的所述未来编码器，得到隐变量；将所述隐变量输入解码器获得下一时刻行人的位置和速度；所述过去编码器获得隐变量的方法为：对所述过去编码器的输入数据施加多头注意力机制，其通过多个矩阵取平均的方式对场景施加注意力机制，使得智能体能够充分与其他智能体交互，经过多头注意力机制编码交互后，将得到的向量与特征编码的向量相加并做标准化；通过线性层结合ReLU函数激活，将上一步获得的注意力向量映射到隐藏层向量；将得到的隐藏层向量映射到隐变量的概率分布，得到隐变量的概率分布后，对其进行采样得到隐变量；所述未来编码器获得隐变量的方法为：获得历史信息的隐藏层向量；根据已知的行人未来信息，得到未来信息的注意力向量；将所述隐藏层向量作为查询和键矩阵，将所述未来信息的注意力向量作为值矩阵，输入所述多头注意力机制中，并通过线性层结合ReLU函数激活，获得过去与未来的联合隐藏向量；将得到的联合隐藏层向量映射到隐变量的概率分布，得到隐变量的概率分布后，对其进行采样得到未来编码器的隐变量；将所述隐变量输入解码器获得下一时刻行人的位置和速度的方法为：对所述未来编码器的隐变量进行编码，施加多头注意力机制后得到注意力向量；将所述隐藏层向量作为查询和键矩阵，将上一步获得的注意力向量作为值矩阵，再次输入所述多头注意力机制中，获得与所述隐变量交互的隐藏向量；将上一步获得的隐藏向量通过一线性层映射为行人的加速度；设运动为匀加速运动，通过单积分器，由所述加速度以及前一时刻的速度和位置计算出行人下一时刻的速度和位移。

全文数据：

权利要求：

百度查询： 清华大学 一种行人轨迹预测方法和系统

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