[发明专利]一种智能体轨迹预测方法及系统

说明书

本发明公开的一种智能体轨迹预测方法及系统，属于智能体轨迹预测技术领域，包括：获取当前场景视频，构建当前场景中智能体的动态时空图；对动态时空图进行识别，获得智能体的轨迹分布信息；通过终点驱动模块对智能体的轨迹分布信息进行识别，获得智能体预测的未来轨迹终点；将轨迹分布信息和预测的未来轨迹终点进行连接后，输入正向解码器中，获得正向隐藏状态，将轨迹分布信息输入反向解码器中，获得反向隐藏状态，将正向隐藏状态和反向隐藏状态相连接后，对智能体未来轨迹进行预测，获得轨迹预测结果。提高了智能体轨迹预测的准确性。

技术领域

本发明涉及复杂交通场景下的多目标轨迹预测技术领域，尤其涉及一种智能体轨迹预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着社会向高度智能化和自动化的方向发展，因此感知、理解和预测场景中智能体的运动轨迹变得越来越重要。具体而言，预测动态智能体的未来位置并根据预测结果进行规划是自动驾驶汽车、城市智能监控系统和移动机器人导航等领域的关键任务。在自动驾驶中，对智能体轨迹的准确预测能够使控制器提前规划车辆的运动，从而有效地避免碰撞和预防交通事故的发生；具有实时决策的城市智能监控系统必须能够了解场景中智能体的行进路线，以帮助识别可疑活动并提前发出警报；具有社交意识的移动机器人在巡航过程中需要准确预测周围智能体的意图，从而规划出合理的路径。

然而，由于智能体行为的复杂性和内外因素影响的多样性，使得准确预测智能体的运动具有较大的挑战性。首先，单个智能体的轨迹依赖于周围场景中的其他智能体，因此如何对智能体之间的交互影响进行建模是一个难点。其次，如何使预测出的未来轨迹，既要符合物理约束，也要符合社会规范也是一个难点。智能体的行为不仅取决于周围的行人、车辆，还高度依赖于周围的物理场景，例如道路上的固定障碍物、人行道、草地等会影响目标的决策；智能体的行为还受到社会规则的约束，有些轨迹在物理上是可行的，但在社会上是不可以接受的。最后，智能体的运动具有多模态性，在真实场景中，生成一条确定性的轨迹是不符合实际的，往往存在着多条合理可行的轨迹。

传统的轨迹预测模型，如卡尔曼滤波、社会力模型、连续体动力学模型、高斯过程动力学模型等，都是基于手工函数和规则的，限制了学习领域之外知识的能力，对于复杂拥挤的环境，也往往无法很好地模拟智能体的运动，并且随着预测时间的增长出现累计误差。

发明内容

本发明为了解决上述问题，提出了一种智能体轨迹预测方法及系统，解决了现有技术在复杂交通场景下对智能体交互信息建模不充分、长时预测性能较差的问题，提高行人、车辆等智能体轨迹预测的准确性。

为实现上述目的，本发明采用如下技术方案：

第一方面，提出了一种智能体轨迹预测方法，包括：

获取当前场景视频，构建当前场景中智能体的动态时空图；

对动态时空图进行识别，获得智能体的轨迹分布信息；

通过终点驱动模块对智能体的轨迹分布信息进行识别，获得智能体预测的未来轨迹终点；

根据轨迹分布信息、预测的未来轨迹终点和解码器对智能体未来轨迹进行预测，获得轨迹预测结果，其中，解码器包括正向解码器和反向解码器，将轨迹分布信息和预测的未来轨迹终点进行连接后，输入正向解码器中，获得正向隐藏状态，将轨迹分布信息输入反向解码器中，获得反向隐藏状态，将正向隐藏状态和反向隐藏状态相连接后，对智能体未来轨迹进行预测，获得轨迹预测结果。

第二方面，提出了一种智能体轨迹预测系统，包括：

动态时空图获取模块，用于获取当前场景视频，构建当前场景中智能体的动态时空图；

轨迹分布信息获取模块，用于对动态时空图进行识别，获得智能体的轨迹分布信息；