[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

说明书

本发明中提出的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，其主要内容包括：行人轨迹预测、贝叶斯建模、循环神经网络(RNN)编码器‑解码器、距离的预测、训练和推理，其过程为，测距流将预测最有可能的车辆距离序列，边界框流由贝叶斯RNN编码器‑解码器架构组成，用于预测行人轨迹上的姿态分布，捕捉认知和任意的不确定性，由于测距法预测流用于预测点估计，所以通过最小化训练集上的均方误差来训练它，通过估计和最小化其近似权重分布的KL散度来训练贝叶斯边界框预测流。本发明使用了包括行人边界框预测和车辆距离预测的双流体系结构，大大减少了预测所需时间，而不确定性估计也显著提高了模型的预测准确性。

技术领域

本发明涉及行人车辆预测领域，尤其是涉及了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。

背景技术

随着国内汽车市场的快速发展，汽车已经成为人们出行的主要方式，给人们的生活带来 了很大的便利，但与此同时，交通事故发生率也逐年增加。因此，如何提高汽车的性能，降 低事故发生率是许多汽车生产厂商和研究者一直致力解决的问题。近年来，计算机视觉技术 快速发展，高级驾驶辅助系统也正在成为一种发展趋势。通过车载系统预测道路情况，如预 测与障碍物的距离、检测车辆前方或道路两旁的行人并发出警报、预测车辆距离、盲点检测 等，这些都可以帮助驾驶员进行快速有效的决策，及时调整行车路线或控制汽车的减速、刹 车甚至是启动安全气囊等，从而增加驾驶的舒适性，降低危险的发生率。这种行人预测和车 辆距离预测的技术还有望运用到自动驾驶系统中，在未来的无人驾驶汽车中发挥重要作用。 然而，现有的车载行人车辆预测技术在预测时并不及时，当驾驶员收到相应提示时，很有可 能已经来不及做出反应措施。

本发明提出了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，测距流将预测 最有可能的车辆距离序列，边界框流由贝叶斯RNN编码器-解码器架构组成，用于预测行人 轨迹上的姿态分布，捕捉认知和任意的不确定性，由于测距法预测流用于预测点估计，所以 通过最小化训练集上的均方误差来训练它，通过估计和最小化其近似权重分布的KL散度来 训练贝叶斯边界框预测流。本发明使用了包括行人边界框预测和车辆距离预测的双流体系结 构，大大减少了预测所需时间，而不确定性估计也显著提高了模型的预测准确性。

发明内容

针对预测时间太长的问题，本发明的目的在于提供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，测距流将预测最有可能的车辆距离序列，边界框流由贝叶斯RNN编码 器-解码器架构组成，用于预测行人轨迹上的姿态分布，捕捉认知和任意的不确定性，由于测 距法预测流用于预测点估计，所以通过最小化训练集上的均方误差来训练它，通过估计和最 小化其近似权重分布的KL散度来训练贝叶斯边界框预测流。

为解决上述问题，本发明提供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， 其主要内容包括：

(一)行人轨迹预测；

(二)贝叶斯建模；

(三)循环神经网络(RNN)编码器-解码器；

(四)距离的预测；

(五)训练和推理。