摘要
在自动驾驶领域,行人轨迹预测一直是研究热点之一,行人行为的不确定性给轨迹预测带来很大的挑战。目前大部分轨迹预测方法只专注于行人之间的信息交互,忽略了行人意图和场景中其他语义信息对行人轨迹的影响。为此,本文提出一种融合行人姿态以及多种空间语义信息辅助行人轨迹预测的方法,该方法包含基于卷积、长短时记忆网络的编码器-解码器模型和能够学习当前时刻与过去时刻轨迹相关性的注意力机制。所提方法在MOT16、MOT17和MOT20公开数据集上进行了相关测试,与Linear、LSTM、Social-LSTM、Social-GAN、SR-LSTM和M_(sgtv)等主流方法相比,在保证预测速度不降低的前提下,平均误差降低约36%。
- 单位