基于视野域机制的行人轨迹预测

摘要：

为提高行人在复杂交通场景中交互的安全性,提出一种基于social-GAN(social-generative adversarial net-work)的行人轨迹预测算法SAN-GAN(social angle norm-GAN).该算法首先以行人历史位置信息与头部信息为输入,通过轨迹生成器LSTM网络(long short term memory networks)获取行人隐藏特征信息,并基于行人视野域模块捕捉行人视野域动态变化,对所有行人建立扇形视野域并筛选有效信息,从而驱动神经网络模型预测行人未来轨迹变化.将SAN-GAN与LSTM、social-LSTM(social-long short term memory networks)、social-GAN等轨迹预测算法进行对比实验,结果表明SAN-GAN算法相较于其他算法,在预测3.2 s的行人轨迹时,ADE分别平均降低65.8％、51.2％、10.7％,FDE分别平均降低73.6％、60.9％、10.4％.SAN-GAN能够有效地预测行人在复杂交通环境中进行交互的未来轨迹.

关键词：轨迹预测、深度学习、行人视野域、生成对抗网络

所属期刊栏目：40

分类号：TP183;TP391.41(自动化基础理论)

资助基金：重庆市研究生科研创新项目;重庆市巴南区科技成果转化;产业化专项;重庆市自然科学基金面上项目;重庆市留学人员回国创业创新支持计划资助项目

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：80-85