买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京理工大学

摘要：本发明公开了一种面向自动驾驶汽车的过街行人群体多模态轨迹预测方法，依据自动驾驶车获取的多源信息构建人车社会交互图；基于人车社会交互图，运用图团体检测算法实现行人结伴识别；运用朴素贝叶斯模型实现行人从众识别与人车交互识别，完成人车时空信息的社会交互标签嵌入，确定行人的不同交互方式与交互对象；基于输入信息与交互标签，经由多模态轨迹预测模块，计算未来短期行人及行人群体轨迹；基于未来短时轨迹，更新未来人车时空状态信息；储存未来短时轨迹，拼接为长时轨迹序列。本发明在轨迹短时预测中，加入了对过街场景语义信息的特征提取，更适用于泛化要求高、场景复杂、计算实时性强的自动驾驶应用场景。

主权项：1.一种面向自动驾驶汽车的过街行人群体多模态轨迹预测方法，其特征在于，包括以下步骤：步骤1、依据自动驾驶车获取的多源信息构建人车社会交互图，所述多源信息包括自动驾驶车路径规划信息、人车时空状态信息以及行人过街意图信息；步骤2、基于人车社会交互图，运用图团体检测算法实现行人结伴识别；步骤3、运用朴素贝叶斯模型实现行人从众识别与人车交互识别，完成人车时空信息的社会交互标签嵌入，确定行人的不同交互方式与交互对象；步骤4、基于输入信息与交互标签，经由多模态轨迹预测模块，计算未来短期行人及行人群体轨迹；所述多模态轨迹预测模块包括CNN场景模块、轨迹预测模块、社会交互模块以及轨迹输出模块，由CNN场景模块提供场景语义信息，轨迹预测模块结合上层场景语义信息对行人过街运动趋势编码，通过社会交互模块对行人过街运动趋势赋予社交特征，由轨迹输出模块输出多模态行人短时轨迹预测结果；由多模态轨迹预测模块，计算未来短期行人及行人群体轨迹的具体过程为：步骤4-1、通过CNN场景模块提供场景语义信息，具体为：基于对自动驾驶车行车图像分割及坐标转换后的图像数据，运用卷积神经网络，经卷积层与池化层联合特征提取，对机动车道、非机动车道、人行道、斑马线及障碍区域进行像素级编码，获得场景语义信息；步骤4-2、以LSTM为模型骨架，建立轨迹预测模型；以社会交互图中各智能团体为单位，基于自动驾驶车目标检测及跟踪获取的行人历史轨迹数据，运用长短时记忆网络，经记忆单元与门控单元实现时间序列间的信息共享与传递，结合上层场景语义信息，编码行人过街趋势信息；步骤4-3、通过社会交互模块对行人过街运动趋势赋予社交特征；步骤4-4、基于上层网络提取的空间语义信息、过街趋势信息以及社会交互信息，经混合密度网络，计算未来可能的多种轨迹范围，并以此生成多模态轨迹，同时基于高斯混合模型实现轨迹概率的输出；步骤5、基于未来短时轨迹，更新未来人车时空状态信息；储存未来短时轨迹，拼接为长时轨迹序列。

全文数据：

权利要求：

百度查询： 南京理工大学 一种面向自动驾驶汽车的过街行人群体多模态轨迹预测方法