文档名：基于第一视角的非自回归行人轨迹预测模型
摘要：行人轨迹预测在自动驾驶和监控系统等多个应用中具有重要意义.目前大多数行人轨迹预测模型采用基于循环神经网络的编码器-解码器结构,其自回归的解码结构存在一定的累积误差,而且循环神经网络对序列的长期依赖问题仍然无法很好地解决.本文提出一种基于Transformer网络的非自回归行人轨迹预测模型,非自回归的解码结构能够同时生成所有预测值来减少累积误差,Transformer网络中的自注意力机制能够改善长期依赖问题.本文还设计一个局部信息加强模块来捕获行人运动趋势发生变化的局部特征,同时结合边界框的位置信息和大小信息来编码第一视角下透视投影产生的影响,使得模型提取到的轨迹特征更加有效.实验结果表明,在基于第一视角的公开数据集PIE(PedestrianIntentionEstimation)上,本文提出的模型比PIE预测模型在15、30、45帧的平均位移误差和终点位移误差上分别降低了24%,14.5%,11%和6%.
作者：桑海峰 王金玉 陈旺兴 王海峰Author：SANGHai-feng WANGJin-yu CHENWang-xing WANGHai-feng
作者单位：沈阳工业大学信息科学与工程学院,辽宁沈阳110870
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(5)
分类号：TP391
关键词：行人轨迹预测 第一视角 Transformer网络 非自回归预测 累积误差 局部信息加强
Keywords：pedestriantrajectoryprediction thefirstperspective Transformer non-autoregressiveprediction accu-mulativeerrors localinformationenhancementmodule
机标分类号：TP391TP183TN912.34
在线出版日期：2023年7月27日
基金项目：基于第一视角的非自回归行人轨迹预测模型[
期刊论文] 电子学报--2023, 51(5)桑海峰 王金玉 陈旺兴 王海峰行人轨迹预测在自动驾驶和监控系统等多个应用中具有重要意义.目前大多数行人轨迹预测模型采用基于循环神经网络的编码器-解码器结构,其自回归的解码结构存在一定的累积误差,而且循环神经网络对序列的长期依赖问题仍然无...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于第一视角的非自回归行人轨迹预测模型 Non-Autoregressive Pedestrian Trajectory Prediction Model Based on the First Perspective
基于第一视角的非自回归行人轨迹预测模型.pdf
- 文件大小:
- 1.67 MB
- 下载次数:
- 60
-
高速下载
|
