-
题名基于分级包络域适应的行人轨迹预测模型
- 1
-
-
作者
李勇明
李文正
张小恒
王品
胡杰
-
机构
重庆大学微电子与通信工程学院
-
出处
《电子学报》
北大核心
2025年第4期1308-1321,共14页
-
基金
国家自然科学基金(No.U21A20448,No.61771080)。
-
文摘
复杂环境下行人轨迹短时预测在自动驾驶、社交机器人控制、智能安防及智慧城市等领域有着广泛用途.行人与行人、行人与环境之间的交互具有多尺度复杂性和不确定性,具有挑战.现有深度学习模型虽然有助于挖掘行人的复杂交互关系,但都假设行人轨迹在不同场景遵循相同运动模式,未考虑场景间存在的潜在分布差异;域适应模型虽然考虑了这一点,但仍未考虑行人间和行人环境间的多层次特性.为了解决上述问题,本文提出了一种基于分级包络域适应的行人轨迹预测模型.通过构造局部层次行人邻接关系设计局部层次包络样本,通过个体层次行人关系设计个体层次包络样本,并将两者融合形成双级包络样本.基于双级包络样本构造模块,求得行人轨迹的时空特征分布,从而构造全局层次包络样本.基于注意力机制和跨域分布对齐,分别设计了局部层次包络域适应模块和全局层次包络域适应模块,构建加权预测损失函数将两者融合一体,并联合优化.实验部分选取了2个有代表性的公共数据集,并与5个相关代表性算法模型进行对比.通过消融实验、参数分析、方法对比和轨迹可视化等来进行综合验证.在ETH和UCY的实验结果表明,相比于T-GNN,本文方法的平均位移误差降低了22.7%,终点位移误差降低了19.8%.文章完整版参见链接:https://github.com/LWZ9910/MESC-HEDA.git.
-
关键词
行人轨迹预测
分级包络
域适应
多层次
包络样本
-
Keywords
pedestrian trajectory prediction
hierarchical envelopes
domain adaptation
multilevel
envelope samples
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
