行人轨迹预测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术实施例涉及行人轨迹预测技术领域，公开了一种行人轨迹预测方法，该方法包括：基于获取的感知数据，得到行人的跟踪检测结果，所述跟踪检测结果包括行人的运动姿态信息、外观特征、社交特征、障碍物特征和场景特征；将所述跟踪检测结果输入预测模型，生成行人预测轨迹；输出所述行人的跟踪检测结果以及对应的预测轨迹。应用本发明专利技术的技术方案，能够提高实际场景中行人预测轨迹的准确率。场景中行人预测轨迹的准确率。场景中行人预测轨迹的准确率。

【技术实现步骤摘要】
行人轨迹预测方法、装置及计算机可读存储介质


[0001]本专利技术实施例涉及行人轨迹预测
，具体涉及一种行人轨迹预测方法、装置及计算机可读存储介质。

技术介绍

[0002]目前自动驾驶中的行人轨迹预测方法大多参考行人所处位置和历史轨迹来识别行人的运动趋势，或者将历史运动信息转换为自我视角的轨迹信息，基于各个行人自我视角轨迹信息获取各个行人的运动趋势特征，以此来推理行人的预测运动状态。
[0003]但现有技术存在以下缺点：对感知输出的结果要求极高，感知结果出现异常会给预测带来未知的问题；感知预测松耦合，但是其关系密切联系，需要同时提高多个模块的准确率，才能使得预测结果符合预期。
[0004]因此，本专利技术提出了一种行人轨迹预测方法、装置及计算机可读存储介质。

技术实现思路

[0005]鉴于上述问题，本专利技术实施例提供了一种行人轨迹预测方法、装置及计算机可读存储介质，用于解决现有技术中存在的感知带来噪声引起预测结果不准确的问题。
[0006]根据本专利技术实施例的一个方面，提供了一种行人轨迹预测方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人轨迹预测方法，其特征在于，所述方法包括：基于获取的感知数据，得到行人的跟踪检测结果，所述跟踪检测结果包括行人的运动姿态信息、外观特征、社交特征、障碍物特征和场景特征；将所述跟踪检测结果输入预测模型，生成行人预测轨迹；输出所述行人的跟踪检测结果以及对应的预测轨迹。2.根据权利要求1所述的方法，其特征在于，所述基于获取的感知数据，得到行人的跟踪检测结果，进一步包括：通过预设模型对所述感知数据进行处理，得到行人的跟踪检测结果，并存储至数据库中，所述预设模型包括深度学习模型。3.根据权利要求2所述的方法，其特征在于，所述将所述跟踪检测结果输入预测模型，生成行人预测轨迹，进一步包括：基于前后时序信息对所述跟踪检测结果进行处理，得到行人的历史轨迹特征；根据所述跟踪检测结果和历史轨迹特征，生成行人预测轨迹。4.根据权利要求3所述的方法，其特征在于，所述基于前后时序信息对所述跟踪检测结果进行处理，得到行人的历史轨迹特征，进一步包括：基于前后时序信息和跟踪检测结果对目标行人的感知结果进行连续性检测；在所述目标行人的感知结果连续时，生成所述目标行人对应的历史轨迹特征。5.根据权利要求1所述的方法，其特征在于，所述基于获取的感知数据，得到行人的跟踪检测结果之前，进一步包括：预先设置感知目标区域；获取所述感知目标区域内的感知数据。6.根据权利要求5所述的...

【专利技术属性】
技术研发人员：王茂瑞，吕川，王佩生，王若琪，刘传林，刘涵，龚建宇，
申请(专利权)人：重庆赛力斯新能源汽车设计院有限公司，
类型：发明
国别省市：