期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CrossFormer的自动驾驶车辆周边行人轨迹预测
1
作者 曹瑞阳 李诗雨 +1 位作者 刘擎超 丁延超 《江苏大学学报(自然科学版)》 北大核心 2025年第3期276-283,308,共9页
在自动驾驶车辆周边行人轨迹预测中,针对现有方法在长时预测任务中表现不足,尤其是对复杂场景适应性较低的问题,提出了一种新方法.给出了行人轨迹预测问题建模流程,构建了基于CrossFormer的行人轨迹预测方法.新方法通过维度分段嵌入技... 在自动驾驶车辆周边行人轨迹预测中,针对现有方法在长时预测任务中表现不足,尤其是对复杂场景适应性较低的问题,提出了一种新方法.给出了行人轨迹预测问题建模流程,构建了基于CrossFormer的行人轨迹预测方法.新方法通过维度分段嵌入技术显式学习相邻时间帧的相关性;结合两阶段注意力机制层,充分学习行人轨迹的长时依赖关系;利用分层编码器-解码器结构,自适应地捕获行人轨迹在不同时间尺度上的依赖性,提高模型在长时预测上的可扩展性.新方法创新性地结合了多模态信息融合、自注意力机制和可扩展性优化,实现了对行人轨迹预测任务的高效解决.在ETH轨迹数据、江苏大学校园内行人轨迹数据(JDD)这两个数据集完成了试验,进行了时间序列的分割性分析以及定量、定性分析.结果表明,在ETH数据集上,新方法的平均位移误差ADE、最终位移误差FDE值分别为0.627、1.32,均显著优于传统方法如LSTM(0.895、1.74)和SR-LSTM(0.728、1.66)等;在JDD数据集上,新方法的ADE、FDE值分别为0.281、0.53,远优于GAN(0.562、1.01)、STGAT(0.673、1.43)等模型;新方法在复杂场景下的鲁棒性和泛化能力也得到了验证. 展开更多
关键词 自动驾驶 行人轨迹预测 CrossFormer TRANSFORMER 注意力机制 深度学习 复杂场景分析 多模态数据融合 预测精度
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部