[发明专利]一种基于语义一致性的轨迹预测方法及装置

权利要求书

1.一种基于语义一致性的轨迹预测方法，其特征在于，包括：

获取智能体的历史轨迹坐标和场景图像；

通过上下文感知模块编码所述智能体的轨迹坐标和场景图像，获取智能体的迁移图像，再通过第一卷积神经网络提取所述迁移图像的上下文特征；

利用长短记忆网络模块提取智能体的历史轨迹特征，并将提取的历史轨迹特征与所述上下文特征融合，通过上下文解码器解码，获取智能体的预测轨迹。

2.根据权利要求1所述的基于语义一致性的轨迹预测方法，其特征在于，所述上下感知模块包括物理迁移子模块和社会迁移子模块，所述物理迁移子模块用于从场景图像中获得智能体的活动语义，所述社会迁移子模块用于获取智能体的社会交互关系。

3.根据权利要求2所述的基于语义一致性的轨迹预测方法，其特征在于，所述从场景图像中获得智能体的活动语义，具体步骤包括：

在具体场景中，通过核密度估算方法获取数据集中轨迹概率密度；

利用映射关系函数将智能体的场景图像网格化，从而获取每个网格的活动语义的监督标签；

通过物理迁移子模块内的第二卷积神经网络获取网格化场景图像的活动语义。

4.根据权利要求2所述的基于语义一致性的轨迹预测方法，其特征在于，通过能量角度来描述智能体的社会交互关系，所述获取智能体的社会交互关系，具体步骤包括：

选定目标智能体，获取目标智能体能量的影响因子；

通过目标智能体能量的影响因子，定义目标智能体的社会交互能量函数，并获取目标智能体的社会交互关系能量函数的表达式。

5.根据权利要求2所述的基于语义一致性的轨迹预测方法，其特征在于，所述社会交互关系能量函数的表达式为：

其中，Eⁱ表示智能体i的社会交互关系能量，f表示能量函数，是初始能量函数，j表示i周围的智能体，Xⁱ表示智能体i的轨迹，表示j的轨迹，的上标“/i”表示除i外的周围智能体，(g_x，g_y)表示i的网格坐标，表示j的网格坐标，P₀是先验预测器，θ_ij表示智能体i与j之间的相对能量增长因子，{h₁，h₂，h₃}是能量函数f的带宽，{λ₁，λ₂，λ₃}为超参数。

6.根据权利要求4所述的基于语义一致性的轨迹预测方法，其特征在于，所述智能体能量的影响因子包括：目标智能体主观意识的影响、周围智能体对目标智能体的影响，以及周围智能体与目标智能体之间的社交距离的影响中的一种或多种。

7.根据权利要求4所述的基于语义一致性的轨迹预测方法，其特征在于，在获取智能体的预测轨迹后，还包括利用损失函数对整个网络损失进行端到端的训练，获取满足社会规则和物理约束的轨迹，具体为：

损失函数对整个网络进行训练，通过训练对智能体的预测轨迹误差进行弥补，获取智能体合理的轨迹值；

损失函数通过最小化智能体活动语义监督标签和从场景图像推理得到的智能体活动语义的误差，对物理迁移子模块内的第二卷积神经网络进行训练；

在迁移图像的条件下，损失函数对整个网络进行训练，通过训练保证整个网络预测具有较低的社会交互能量。

8.根据权利要求3所述的基于语义一致性的轨迹预测方法，其特征在于，所述利用映射关系函数将智能体的场景图像网格化，具体包括：

获取智能体的轨迹坐标；

利用智能体坐标的换算关系，将智能体轨迹坐标换算成智能体的网格坐标。