行人轨迹预测方法及装置制造方法及图纸

本申请提供了一种行人轨迹预测方法及装置。其中，所述方法实现了一种基于隐性虚拟交互力场的行人轨迹预测方法，将虚拟交互力场的计算要素作为特征输入，并结合图神经网络计算邻接矩阵以进行轨迹预测；另外，本申请实施例利用多头注意力机制和图神经网络等深度学习模型，构建行人轨迹预测模型。相较于传统的基于学习的行人轨迹预测技术，本申请实施例拥有更强的可解释性；同时，隐性的虚拟交互立场计算方式，减少了不必要的计算量，提高模型运算效率和轨迹预测的实时性。

【技术实现步骤摘要】

本申请涉及自动驾驶与机器学习，具体涉及一种行人轨迹预测方法及装置。

技术介绍

1、随着自动驾驶技术的发展，其涉及的场景愈发丰富。其中，在城市场景中，存在大量具体的交互场景，包含车辆与人类交互的过程。所以，预测待交互行人轨迹，便成为了自动驾驶技术的一项基础需求。相关技术中的行人轨迹预测技术，主要包括以下两种类型：基于规则的轨迹预测技术和基于学习的轨迹预测技术。

2、其中，基于规则的轨迹预测技术，主要利用线性函数等方法对行人轨迹进行拟合，并预测其未来轨迹。但考虑到行人轨迹较为灵活，且存在周围行人、环境等多种因素影响行人的具体行进方向，该技术难以处理强交互下的行人轨迹预测问题。基于学习的轨迹预测技术，主要利用深度神经网络，基于现有的数据集，学习行人行动的特征，并预测行人的未来轨迹。该技术能较为有效地预测复杂条件下的行人轨迹，但其缺乏可解释性，容易出现难以理解的轨迹预测结果。

3、同时，目前也存在大量针对行人及其交互关系的研究。其中，较为常见的技术主要是虚拟交互力场(参考wang,jianqiang,jian wu,and yang li.本文档来自技高网...

【技术保护点】

1.一种行人轨迹预测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，

3.如权利要求2所述的方法，其特征在于，

4.如权利要求3所述的方法，其特征在于，所述周围行人的隐性虚拟交互力向量是由所述目标行人与周围行人之间的相对距离的平方和相对速度的平方构成的向量。

5.如权利要求1所述的方法，其特征在于，在获取目标行人的待预测数据之前，所述方法还包括：

6.如权利要求5所述的方法，其特征在于，所述行人轨迹预测模型包括行人轨迹特征提取模块、虚拟交互特征提取模块、行人交互特征提取模块和模型损失计算模块；基于所述训练数据集...

【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.如权利要求1所述的方法，其特征在于，

3.如权利要求2所述的方法，其特征在于，

4.如权利要求3所述的方法，其特征在于，所述周围行人的隐性虚拟交互力向量是由所述目标行人与周围行人之间的相对距离的平方和相对速度的平方构成的向量。

5.如权利要求1所述的方法，其特征在于，在获取目标行人的待预测数据之前，所述方法还包括：

6.如权利要求5所述的方法，其特征在于，所述行人轨迹预测模型包括行人轨迹特征提取模块、虚拟交互特征提取模块、行人交互特征提取模块和模型损失计算模块；基于所述训练数据集训练所述行人轨迹预测模型，包括：

7.如权利要求6所述的方法，其特征在于，通过所述模型损失计算模块计算得到训练损失，包括：

8.如...

【专利技术属性】
技术研发人员：王建强，许庆，邢益宁，松本贵士，耿璐，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：