[發明專利]基于時間粒度提升的動態目標不確定運動軌跡預測方法有效
| 申請號： | 202010421011.2 | 申請日： | 2020-05-18 |
| 公開（公告）號： | CN111667099B | 公開（公告）日： | 2023-10-10 |
| 發明（設計）人： | 張云洲;夏崇坤;王磊;陳昕;秦操;暴吉寧;李奇 | 申請（專利權）人： | 東北大學 |
| 主分類號： | G06F18/24 | 分類號： | G06F18/24;G06F18/214;G06N3/0442;H04W4/029;G06F30/27;G06F16/29 |
| 代理公司： | 大連理工大學專利中心 21200 | 代理人： | 陳玲玉 |
| 地址： | 110819 遼寧*** | 國省代碼： | 遼寧;21 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 時間 粒度 提升 動態 目標 不確定 運動 軌跡 預測 方法 | ||
1.基于時間粒度提升的動態目標不確定運動軌跡預測方法，其特征在于，包括以下步驟：
S1：通過機器人系統的視覺處理模塊獲取目標物體的歷史運動軌跡，并進行標準化處理，作為軌跡訓練集G；
S2：將軌跡訓練集進行細粒度劃分，即令G＝{G1,G2,…,Gi,…,GN}；這其中，0i≤N，0j≤H；N表示時間粒度集合的數目，H表示歷史軌跡的數量；
S3：設基預測器集合為{ρ1,ρ2,...,ρN}，對應的權重系數集合為{α1,α2,...,αN}；其中，基預測器集合里的每一個元素代表一個標準LSTM網絡單元；將步驟S2中經過細粒度劃分的訓練集分別輸入對應的基預測器進行網絡訓練；每一個基預測器單元對應的訓練誤差如下所示：
其中，E表示數學期望；對每個基預測器來說，當訓練誤差小于0.5時，訓練結束；
S4：根據步驟S3中迭代訓練過程中得出的訓練誤差，利用如下公式，計算基預測器對應的權重系數：
S5：當進行測試時，需先觀察并獲取目標的運動軌跡；假如觀測時間的起始時刻為s，觀測結束時刻為t，那么觀測所用時間為t-s；接著，將觀測所得到的數據進行步驟S2的粒度劃分，并輸入對應的基預測器中，計算每一個基預測器在下一時刻t+1的預測值用公式表示：
S6：根據步驟S4中所計算得出的基預測器權重系數，結合步驟S5中的預測值，利用下式計算下一時刻t+1對應的整體預測值，并將其作為下一時刻t+1對應的預測值
S7：當獲得下一時刻的預測值之后，通過滾動迭代進行多步長期預測，獲得所期望時刻t+x對應的運動軌跡預測值：
即未來一段時間的軌跡預測值
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于東北大學，未經東北大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010421011.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種高耐磨性高精度的柴油齒輪泵
- 下一篇：一種深度信息引導的圖像超分辨率方法
