[發明專利]一種基于語義的動態物體自適應軌跡預測方法在審
| 申請號： | 202010922987.8 | 申請日： | 2020-09-04 |
| 公開（公告）號： | CN112183221A | 公開（公告）日： | 2021-01-05 |
| 發明（設計）人： | 米振強;張靖;郭宇 | 申請（專利權）人： | 北京科技大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 北京市廣友專利事務所有限責任公司 11237 | 代理人： | 張仲波 |
| 地址： | 100083*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 語義 動態 物體 自適應 軌跡 預測 方法 | ||
1.一種基于語義的動態物體自適應軌跡預測方法，其特征在于，包括：
實時獲取場景信息；
根據獲取的場景信息，利用語義對場景中的動態物體進行識別和跟蹤，為動態物體分配語義標簽；
基于動態物體的語義標簽，按照運動狀態對動態物體進行分類；
采用自適應預測策略，利用基于最小二乘法的灰色預測模型對不同類別的動態物體的運動軌跡進行相對應的預測。
2.根據權利要求1所述的基于語義的動態物體自適應軌跡預測方法，其特征在于，所述基于動態物體的語義標簽，按照運動狀態對動態物體進行分類包括：
通過動態物體的語義標簽對動態物體進行語義分析，按照運動狀態將動態物體分為隨機運動物體和規律運動物體。
3.根據權利要求1所述的基于語義的動態物體自適應軌跡預測方法，其特征在于，自適應預測策略為根據動態物體的運動狀態自動選擇相對應的預測策略，其中，
對于規律運動物體，采取周期性采樣和多幀預測；
對于隨機運動物體，采取逐幀采樣和逐幀預測。
4.根據權利要求3所述的基于語義的動態物體自適應軌跡預測方法，其特征在于，周期性采樣過程表示為：
其中，表示規律動態物體的運動軌跡中相對于機器人的坐標信息的采樣集合，n代表截止到當前時刻跟蹤到的所有軌跡坐標的個數，ω代表采樣次數，T代表采樣周期。
5.根據權利要求3所述的基于語義的動態物體自適應軌跡預測方法，其特征在于，逐幀采樣過程表示為：
其中，n代表截止到當前時刻跟蹤到的所有軌跡坐標的個數，表示隨機動態物體的運動軌跡中相對于機器人的坐標信息的采樣集合。
6.根據權利要求3所述的基于語義的動態物體自適應軌跡預測方法，其特征在于，所述采用自適應預測策略，利用基于最小二乘法的灰色預測模型對不同類別的動態物體的運動軌跡進行相對應的預測包括：
對隨機動態物體的運動軌跡進行逐幀采樣；
對采樣得到的軌跡數據進行動態篩選，保留與當前時刻最近的軌跡數據，作為生成的動態原始序列xm(0)，m代表新增的軌跡數據個數；
將生成的動態原始序列xm(0)轉化成一次累加序列和鄰近生成序列
將動態原始序列和鄰近生成序列進行最小二乘估計，構建灰色預測模型：
其中，xm(0)(k)表示第k時刻的動態原始序列，表示第k時刻的鄰近生成序列，l代表動態原始序列的長度；
將該灰色預測模型進行白化，生成的白化函數為：
其中，表示第k時刻的一次累加序列；
通過線性回歸對參數a和b進行估計，得到：
[a,b]T＝(BTB)-1BTY
其中，B、Y都表示簡寫形式；
結合鄰近生成序列及估計值a和b，通過灰色預測模型解出第k時刻的累加序列的表達式為：
通過灰色預測模型解出第k+1時刻的累加序列的表達式為：
通過對解出的累加序列和進行一次累減序列生成，得到預測序列
其中，表示在第k時刻預測到的后1幀的運動軌跡；
實現隨機動態物體的運動軌跡的逐幀預測。
7.根據權利要求6所述的基于語義的動態物體自適應軌跡預測方法，其特征在于，采用多幀預測策略預測得到的規律動態物體的運動軌跡表示為：
其中，表示在第k時刻預測到的后第N幀的運動軌跡。
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北京科技大學，未經北京科技大學許可，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/202010922987.8/1.html，轉載請聲明來源鉆瓜專利網。
