公开(公告)号：CN115082896B

公开(公告)日：2024-08-20

申请号：CN202210741506.2

申请日：2022-06-28

Applicant: 东南大学

Inventor： 孔令悦 ,  孙长银 ,  王远大

IPC: G06V20/58 ,  G06T7/246 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06V10/764 ,  G06N3/049 ,  G06N3/0455 ,  G06N3/08

Abstract: 基于拓扑图结构和深度自注意力网络的行人轨迹预测方法，利用图注意力网络和基于拓扑图的深度自注意力网络提取分别行人运动轨迹中的局部和全局空间交互特征，随后利用原始深度自注意力网络提取时间序列特征。为了模拟行人运动轨迹的固有不确定性和多模态特性，本发明通过在全连接网络解码器中引入高斯噪声的方式来拓展行人运动轨迹的探索空间。为了进一步提高轨迹探索空间及平滑性，将轨迹送入轨迹矫正模块进行矫正。其采用的图神经网络和基于图的深度自注意力网络相较于其他方法更能充分关注到行人运动轨迹中的各种空间交互模式，如并行，潜在避障等。相比于其他行人轨迹预测方法，本发明的社会性交互特征提取能力和多模态探索能力更加突出有效。

公开(公告)号：CN115082896A

公开(公告)日：2022-09-20

申请号：CN202210741506.2

申请日：2022-06-28

Applicant: 东南大学

Inventor： 孔令悦 ,  孙长银 ,  王远大

IPC: G06V20/58 ,  G06T7/246 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 基于拓扑图结构和深度自注意力网络的行人轨迹预测方法，利用图注意力网络和基于拓扑图的深度自注意力网络提取分别行人运动轨迹中的局部和全局空间交互特征，随后利用原始深度自注意力网络提取时间序列特征。为了模拟行人运动轨迹的固有不确定性和多模态特性，本发明通过在全连接网络解码器中引入高斯噪声的方式来拓展行人运动轨迹的探索空间。为了进一步提高轨迹探索空间及平滑性，将轨迹送入轨迹矫正模块进行矫正。其采用的图神经网络和基于图的深度自注意力网络相较于其他方法更能充分关注到行人运动轨迹中的各种空间交互模式，如并行，潜在避障等。相比于其他行人轨迹预测方法，本发明的社会性交互特征提取能力和多模态探索能力更加突出有效。