-
公开(公告)号:CN114169241B
公开(公告)日:2024-08-23
申请号:CN202111495731.4
申请日:2021-12-09
Applicant: 北京邮电大学
IPC: G06V10/62 , G06N3/0464 , G06N3/0442 , G06N3/098 , G06N3/042 , G06N3/045 , G06V10/82 , G06N3/084 , G06V10/74
Abstract: 本发明公开了一种端到端的多目标识别、追踪与预测方法,属于车联网、智能汽车技术领域。本发明方法包括:建立端到端的多目标识别、追踪和预测模型,包括目标检测器、目标追踪模块和轨迹预测模块;目标检测模块使用基于中心点的多目标检测器;目标追踪模块采用基于图卷积神经网络对多目标追踪;轨迹预测模块基于图网络对多目标进行运动轨迹预测,包括轨迹目的点的预测,智能体间信息传递,生成未来轨迹;本发明将端到端的多目标识别、追踪和预测模型作为一个整体,采用联合训练框架进行同时训练。本发明三个模块同时训练、相互促进,进一步提高了最终的轨迹预测精度,可以更优对多目标轨迹预测,预测轨迹更加合理。
-
公开(公告)号:CN114169241A
公开(公告)日:2022-03-11
申请号:CN202111495731.4
申请日:2021-12-09
Applicant: 北京邮电大学
Abstract: 本发明公开了一种端到端的多目标识别、追踪与预测方法,属于车联网、智能汽车技术领域。本发明方法包括:建立端到端的多目标识别、追踪和预测模型,包括目标检测器、目标追踪模块和轨迹预测模块;目标检测模块使用基于中心点的多目标检测器;目标追踪模块采用基于图卷积神经网络对多目标追踪;轨迹预测模块基于图网络对多目标进行运动轨迹预测,包括轨迹目的点的预测,智能体间信息传递,生成未来轨迹;本发明将端到端的多目标识别、追踪和预测模型作为一个整体,采用联合训练框架进行同时训练。本发明三个模块同时训练、相互促进,进一步提高了最终的轨迹预测精度,可以更优对多目标轨迹预测,预测轨迹更加合理。
-