：本發(fā)明涉及軌跡預(yù)測，具體涉及基于圖神經(jīng)網(wǎng)絡(luò)的行人軌跡預(yù)測。

背景技術(shù)：

0、技術(shù)背景：

1、由于行人運動的不確定性，群體運動的復(fù)雜性以及環(huán)境因素的影響，動態(tài)物體軌跡預(yù)測問題一直項復(fù)雜問題。移動機器人在密集人群上導(dǎo)航行駛過程中，需要考慮當(dāng)下情況下周圍人群的行駛軌跡，對周圍行人的未來行駛軌跡進行預(yù)測，從而對移動機器人的未來路徑進行規(guī)劃，進行安全行駛，可以讓自主移動機器人移動更加安全，規(guī)劃的路徑更加平滑。

2、傳統(tǒng)的行人軌跡預(yù)測方法有通過建立行人間的社會里模型來預(yù)測軌跡，利用行人之間與目的地之間的吸引力以及行人之間的排斥力來驅(qū)動預(yù)測行人大致的方向，但是這個方法無法預(yù)測行人結(jié)伴而行的情況。隨后出現(xiàn)利用循環(huán)神經(jīng)網(wǎng)絡(luò)，如rnn，lstm通過行人的歷史軌跡特征來預(yù)測，這些方法缺乏對行人之間運動互動性。行人的運動不是單個獨立的個體，而是與周圍可能出現(xiàn)的一切物體都存在著交互關(guān)系。同時空間中動態(tài)行人群體之間交互各有差異，考慮行人的步行距離約束，在步行范圍內(nèi)基于距離的更近的行人對于目標行人未來的運動決策具有更大的影響。例如，一個人越靠近目標行人，就會對他/她未來的軌跡產(chǎn)生更大的影響。因此在行人軌跡預(yù)測中可以基于行人步行范圍距離動態(tài)考慮周圍行人對目標預(yù)測個體的影響，從而可以大大提高對軌跡預(yù)測的準確率。

技術(shù)實現(xiàn)思路

0、
技術(shù)實現(xiàn)要素：

1、本發(fā)明是為了克服現(xiàn)有技術(shù)中缺少考慮目標行人與周圍行人的空間交互性的問題和行人歷史軌跡特征提取問題，結(jié)合融合自適應(yīng)加權(quán)融合機制的循環(huán)神經(jīng)網(wǎng)絡(luò)模塊對時序特征提取特性和圖空間注意力神經(jīng)網(wǎng)絡(luò)的空間交互特征提取特性，提出了一種新穎的融合循環(huán)神經(jīng)網(wǎng)絡(luò)機制和圖空間注意力神經(jīng)網(wǎng)絡(luò)機制的行人軌跡預(yù)測方法，利用行人的歷史運動特征與周邊的特征注意力特征，同時結(jié)合生成周邊行人的軌跡交互特征，設(shè)置行人步行規(guī)范影響權(quán)重因子，將周邊行人的運動軌跡和注意力特征添加到軌跡預(yù)測模塊中，進行目標行人的軌跡預(yù)測，以提升行人軌跡預(yù)測算法的精確性。

技術(shù)特征：

1.一種結(jié)合自適應(yīng)加權(quán)融合機制與行人步行行為規(guī)范的空間圖注意力機制行人軌跡預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種結(jié)合自適應(yīng)加權(quán)融合機制與行人步行行為規(guī)范的空間圖注意力機制行人軌跡預(yù)測方法，所述s1包括以下步驟：

3.根據(jù)權(quán)利要求1所述的一種結(jié)合自適應(yīng)加權(quán)融合機制與行人步行行為規(guī)范的空間圖注意力機制行人軌跡預(yù)測方法，所述s2包括以下步驟：

4.根據(jù)權(quán)利要求書1或2所述利用s2步驟中獲取的空間圖注意力特征，在基于行人步行行為規(guī)范約束下，利用空間圖注意力機制對目標行人的空間注意力交互特性二次動態(tài)規(guī)劃，所述s3包括以下步驟：

5.根據(jù)權(quán)利要求書1或2所述的一種利用s1、s2和s3步驟獲取到的行人各項軌跡特征將其特征融合，通過序列到序列模型(seq2seq)將行人在某一段時間內(nèi)的狀態(tài)映射到未來一段時間的軌跡的方法，所述s4中包括以下步驟：

6.一種結(jié)合自適應(yīng)加權(quán)融合機制與行人步行行為規(guī)范的空間圖注意力機制行人軌跡預(yù)測方法系統(tǒng)，包括存儲器、處理器及儲存在存儲器上并能夠在處理器上運行的計算機程序，其特征在于：所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1-4任一項所述的方法。

7.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至4任一種結(jié)合自適應(yīng)加權(quán)融合機制與行人步行行為規(guī)范的空間圖注意力機制行人軌跡預(yù)測方法的步驟。

技術(shù)總結(jié)
本發(fā)明提出了一種結(jié)合自適應(yīng)加權(quán)融合機制與行人步行行為規(guī)范的空間圖注意力機制行人軌跡預(yù)測方法。首先，通過融合自適應(yīng)加權(quán)機制的BiLSTM網(wǎng)絡(luò)，準確提取行人運動軌跡的時序特征，增強了特征提取的靈活性和精度。其次，利用空間圖注意力機制，構(gòu)建目標行人與周圍行人之間的初步交互特征，并通過該機制獲取目標行人和周圍行人的空間圖注意力特征，精準捕捉行人之間的動態(tài)交互關(guān)系。接著，在行人步行行為規(guī)范的約束下，對空間注意力交互特性進行二次動態(tài)規(guī)劃，確保軌跡預(yù)測結(jié)果更符合實際行人行為模式。最后，通過對多種軌跡特征的融合，利用序列到序列模型(Seq2Seq)將行人的當(dāng)前狀態(tài)映射到未來軌跡，從而實現(xiàn)了高精度的行人軌跡預(yù)測。

技術(shù)研發(fā)人員：尤波,何勇,劉鵬飛,程晨晨,李佳鈺
受保護的技術(shù)使用者：哈爾濱理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10