[发明专利]一种基于边界框和距离预测的双流车载行人车辆预测方法

权利要求书

1.一种基于边界框和距离预测的双流车载行人车辆预测方法，其特征在于，主要包括行人轨迹预测(一)；贝叶斯建模(二)；循环神经网络(RNN)编码器-解码器(三)；距离的预测(四)；训练和推理(五)。

2.基于权利要求书1所述的行人轨迹预测(一)，其特征在于，在时间步长t，在车辆上观察到的与第i个行人相对应的边界框可以用左上和右下像素坐标来描述预测未来行人边界框序列B_f(其中|B_p|＝m)的分布，调整对过去的边界框序列B_p、过去的测距序列O_p以及车辆的相应未来测距序列O_f的预测；未来的测距序列O_f是根据过去的测距序列O_p和车载视觉观察来预测的；测速序列由车辆的速度s^t和转向角d^t组成，即o^t＝(s^t,d^t)；其中，O_p＝[o^t-m,…,o^t],O_f＝[o^t+1,…,o^t+n]；预测分布p(B_f|B_p)的方差提供了相关不确定性的度量；行人轨迹预测使用了一个基本序列。

3.基于权利要求书2所述的基本序列，其特征在于，首先对循环神经网络(RNN)进行排序，然后将其扩展到预测分布并提供不确定性估计；序列RNN包括两个嵌入层，一个编码器RNN和一个解码器RNN；输入序列由串联的过去边界框B_p和测距序列O_p组成；输入嵌入层将输入序列x_t嵌入到表示中；该嵌入序列由编码器RNN(RNN_enc)读取，其产生摘要向量v_bbox；该摘要向量与预测距离数据O_f连接，并且使用第二嵌入层嵌入该摘要序列；由解码器RNN(RNN_dec)用嵌入的摘要序列(包含关于过去的行人运动、过去和将来的车辆距离信息)进行预测。