【技术实现步骤摘要】
一种行人运动区域的预测方法、装置及设备
[0001]本申请涉及行人轨迹预测领域,尤其涉及一种行人运动区域的预测方法
、
装置
、
及设备
。
技术介绍
[0002]行人的轨迹预测指根据行人历史的运动路径,预测其未来的轨迹,其应用场景广泛,在智能驾驶
、
移动出行和服务机器人导航等领域中都有广泛应用
。
行人轨迹预测对于高级别的自动驾驶系统而言是不可或缺的,网联自动驾驶技术提供的上帝视角可以
360
度无死角的观测到道路上所有行人的运动状态,配合行人轨迹预测可以为高级自动驾驶提供超视觉的信息,是的规划模块可以提前感知危险信息,快人一步做出正确决策
。
[0003]目前,相关技术中,行人的轨迹预测方法是将行人的历史运动轨迹输入到已训练的模型中,输出行人的预测轨迹,模型训练的过程是将大量的行人的轨迹输入到模型中,对模型进行训练
。
但是,通过海量数据生成模型来预测行人轨迹,计算量较大,输出会有不确定性,没有考虑行人轨迹的随机性
。
[0004]因此,如何充分考虑行人轨迹的随机性进行预测,成为了亟待解决的技术问题
。
技术实现思路
[0005]本说明书实施例提供一种行人运动区域的预测方法
、
装置
、
及设备,以解决现有技术中无法充分考虑行人轨迹的随机性的问题
。
[0006]为解决上述技术问题,本说明书实施例是这样实现 ...
【技术保护点】
【技术特征摘要】
1.
一种行人运动区域的预测方法,其特征在于,包括:获取目标行人的行人历史轨迹数据;根据所述行人历史轨迹数据和所述目标行人的当前时刻的轨迹点信息,得到所述目标行人在所述当前时刻之后的预设时间段内的多个预测轨迹点;基于所述多个预测轨迹点,确定各个轨迹点对应的预测轨迹的密度函数;利用各个所述密度函数,基于预设置信区间,得到所述目标行人在所述预设时间段内的运动区域
。2.
根据权利要求1所述的方法,其特征在于,所述行人历史轨迹数据包括所述目标行人的多个轨迹点数据;所述根据所述行人历史轨迹数据和所述目标行人的当前时刻的轨迹点信息,得到所述目标行人在所述当前时刻之后的预设时间段内的多个预测轨迹点,具体包括:根据所述多个轨迹点数据,得到历史轨迹拟合曲线;基于所述历史轨迹拟合曲线,利用所述目标行人的当前时刻的轨迹点信息,得到所述目标行人在所述当前时刻之后的预设时间段内的多个预测轨迹点
。3.
根据权利要求2所述的方法,其特征在于,所述基于所述历史轨迹拟合曲线,利用所述目标行人的当前时刻的轨迹点信息,得到所述目标行人在所述当前时刻之后的预设时间段内的多个预测轨迹点,具体包括:基于所述历史轨迹拟合曲线,对所述多个轨迹点数据进行回归分析处理,利用所述目标行人的当前时刻的轨迹点信息,得到所述多个预测轨迹点
。4.
根据权利要求2所述的方法,其特征在于,所述历史轨迹拟合曲线为其中
w
表示拟合系数,
w
j
表示第
j
个拟合系数,
x
表示所述目标行人的轨迹点的横坐标,
x
j
表示所述目标行人的轨迹点的横坐标的第
j
阶,
y
表示所述目标行人的轨迹点的纵坐标,
M
表示阶数
。5.
根据权利要求3所述的方法,其特征在于,所述回归分析处理包括按照回归分析公式进行计算,其中,回归分析公式为其中,
x
表示所述目标行人的轨迹点的横坐标,
x
i
表示所述目标行人的第
i
个轨迹点的横坐标,
w
表示拟合系数,
y
表示所述目标行人的轨迹点的纵坐标,
t
i
表示所述目标行人位于
x
i
时对应的所述行人历史轨迹数据中的纵坐标,
E
表示误差,
【专利技术属性】
技术研发人员:廖田志浩,
申请(专利权)人:云控智行科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。