摘要
本发明提出一种基于多模态数据融合的行人轨迹预测方法,通过构建行人轨迹预测模型;将预处理后的数据集输入至轨迹处理模块通过编码器获取行人历史轨迹的特征向量和地面真实目标的特征向量;将行人历史轨迹的特征向量和地面真实目标的特征向量输入条件生成扩散模块生成潜在变量,降低模型的运算复杂度;目标生成模块根据行人历史轨迹的特征向量和潜在变量预测行人的潜在目标点,对行人轨迹生成提供方向性指导,增强多模态性,提高预测模型长期预测的准确性;将预测出的行人的潜在目标点、潜在变量、行人历史轨迹的特征向量和地面真实目标的特征向量输入轨迹生成模块通过双向轨迹解码器得到最终行人预测轨迹,提升行人轨迹预测的准确性和预测效率。
技术关键词
行人轨迹预测方法
多模态数据融合
变量
解码器
网络
表达式
地面
模块
编码器
交叉注意力机制
参数
噪声
复杂度
分辨率
序列
系统为您推荐了相关专利信息
异构平台
模型部署方法
芯片
神经网络处理器
前馈神经网络
医疗图像识别
医疗图像数据
胶囊网络
联合损失函数
注意力机制
并行加速方法
多项式乘法
数据并行计算
客户端
私钥
车辆运动状态
条件生成对抗网络
引导装置
生理
隐马尔可夫模型
电流估算方法
神经网络模型
电机台架测试
母线
实时数据