摘要
本发明涉及一种跨时间步交互的时空图融合轨迹预测方法,属于轨迹预测技术领域,解决了常规模型对跨时间步相互作用特征提取不足的问题。技术方案为:首先构建跨时间步3D时空关系图以表征场景中各目标在空间域和时间域上的信息交互;然后采用位置前馈网络和图注意力网络提取跨时间步交互信息;同时,通过构建单步时空关系图并引入图卷积网络和时间卷积网络分别提取当前时刻的空间特征及各目标的时间依赖关系,之后采用特征融合网络融合上述两种模型的图特征;最后通过ConvGRU编解码器输出各目标的预测轨迹。本专利相比于近期其他方法在平均ADE和FDE指标上均有明显降低,提高了轨迹预测的准确性。
技术关键词
轨迹预测方法
时间卷积网络
位移误差
关系
轨迹预测技术
时空特征信息
编解码器
交叉注意力机制
多头注意力机制
输出特征
特征融合网络
表征场景
注意力模型
非线性特征
卷积模型
模块
系统为您推荐了相关专利信息
学习推荐方法
编码器
神经网络模型
SVD算法
关系
深度神经网络模型
离子注入机台
变量
参数
训练集数据
原位校准方法
传感器
Akaike信息准则
作物生长监测技术
Pearson相关系数
图像配准误差
轮廓曲线
三维模型
边缘轮廓
闭合轮廓
数据依赖关系
人工智能处理器
内容可寻址存储器
关键性
队列