【技术实现步骤摘要】
本申请实施例涉及行人轨迹预测，特别涉及一种行人轨迹预测方法、系统、设备及存储介质。
技术介绍
1、行人轨迹预测任务旨在通过获取场景内行人的历史轨迹来建模其中大量存在的交互行为，并准确预测出未来一段时间内的行人轨迹，为自主移动智能体(比如自动驾驶车辆、机器人等)提供参考信息，从而完成控制决策与路径规划。
2、目前行人轨迹预测方法重在解决场景内行人之间交互的建模，即不同轨迹数据之间的相关性。传统方法使用手工设计的交互特征(如排斥、吸引等)来描述行人的运动，这些特征比较简单，没有利用更深层次的交互信息。近年来长短期记忆网络(long short termmemory，lstm)在处理相关性时间序列问题上得到广泛研究，并应用于轨迹预测技术。然而，这些行人轨迹预测方法只是捕捉了轨迹时序上的相关性，忽略了行人之间在空间上的影响，影响预测精确度。
技术实现思路
1、本申请实施例提供一种行人轨迹预测方法、系统、设备及存储介质，能够融合行人的空间交互和轨迹的时域依赖性，提高行人轨迹预测精确度。<...
【技术保护点】
1.一种行人轨迹预测方法，其特征在于，包括：
2.根据权利要求1所述的行人轨迹预测方法，其特征在于，所述通过边缘特征选择机制，对所述空域图初始邻接矩阵进行处理，得到所述空域图的邻接矩阵，包括：
3.根据权利要求1所述的行人轨迹预测方法，其特征在于，所述时空特征通过注意力机制和图卷积模块，在所述时域图初始邻接矩阵、所述空域图的邻接矩阵中分别提取获得。
4.根据权利要求1所述的行人轨迹预测方法，其特征在于，基于特征融合机制，将所述时空特征与所述节点特征进行特征融合，得到空域特征表达、时域特征表达。
5.根据权利要求1所述的行...
【技术特征摘要】
1.一种行人轨迹预测方法，其特征在于，包括：
2.根据权利要求1所述的行人轨迹预测方法，其特征在于，所述通过边缘特征选择机制，对所述空域图初始邻接矩阵进行处理，得到所述空域图的邻接矩阵，包括：
3.根据权利要求1所述的行人轨迹预测方法，其特征在于，所述时空特征通过注意力机制和图卷积模块，在所述时域图初始邻接矩阵、所述空域图的邻接矩阵中分别提取获得。
4.根据权利要求1所述的行人轨迹预测方法，其特征在于，基于特征融合机制，将所述时空特征与所述节点特征进行特征融合，得到空域特征表达、时域特征表达。
5.根据权利要求1所述的行人轨迹预测方法，其特征在于，所述将所述空域特征表达、所述时域特征表达进行时空特征融合，并解...
【专利技术属性】
技术研发人员：李雪松，张锲石，程俊，宋呈群，高向阳，郭海光，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。