1.一种用于预测多个行人的移动的系统,包括:
一个或多个处理器;
与所述一个或多个处理器通信的存储器,所述存储器具有初始轨迹模块、退出点预测模块、路径规划模块和调整模块;
其中所述初始轨迹模块包括当由所述一个或多个处理器执行时,使所述一个或多个处理器获得所述多个行人的轨迹的指令;
其中所述退出点预测模块包括当由所述一个或多个处理器执行时,使所述一个或多个处理器基于所述多个行人的轨迹,预测所述多个行人离开场景的未来退出点的指令;
其中所述路径规划模块包括当由所述一个或多个处理器执行时,使所述一个或多个处理器基于所述未来退出点和地图的至少一个场景元素,确定所述多个行人的轨迹路径的指令,其中所述轨迹路径是预测所述多个行人为到达所述未来退出点所要采用的路径;和
其中所述调整模块包括当由所述一个或多个处理器执行时,使所述一个或多个处理器基于所述多个行人中的至少两个行人之间的至少一个预测的相互作用,调整所述轨迹路径的指令。
2.按照权利要求1所述的系统,其中至少一个预测的相互作用是碰撞。
3.按照权利要求2所述的系统,其中所述调整模块还包括当由所述一个或多个处理器执行时,使所述一个或多个处理器调整所述多个行人中的所述至少两个行人的轨迹路径,以避免所述多个行人中的所述至少两个行人之间的碰撞的指令。
4.按照权利要求1所述的系统,其中所述初始轨迹模块还包括当由所述一个或多个处理器执行时,使所述一个或多个处理器通过使用混合密度网络模型,获得所述多个行人的轨迹的指令。
5.按照权利要求1所述的系统,其中所述调整模块还包括当由所述一个或多个处理器执行时,使所述一个或多个处理器通过利用图神经网络模型,基于所述多个行人中的至少两个行人之间的所述至少一个预测的相互作用,调整轨迹路径的指令。
6.按照权利要求5所述的系统,其中所述多个行人的轨迹作为图神经网络模型的节点特征被嵌入图神经网络模型中。
7.按照权利要求1所述的系统,其中所述场景是固定场景。
8.按照权利要求1所述的系统,其中所述场景基于自我车辆的移动而移动。
9.一种用于预测多个行人的移动的方法,所述方法包括以下步骤:
获得所述多个行人的轨迹;
基于所述多个行人的轨迹,预测所述多个行人离开场景的未来退出点;
基于所述未来退出点和地图的至少一个场景元素,确定所述多个行人的轨迹路径,其中所述轨迹路径是预测所述多个行人为到达所述未来退出点所要采用的路径;和
基于所述多个行人中的至少两个行人之间的至少一个预测的相互作用,调整所述轨迹路径。
10.按照权利要求9所述的方法,其中至少一个预测的相互作用是碰撞。
11.按照权利要求10所述的方法,还包括调整所述多个行人中的所述至少两个行人的轨迹路径,以避免所述多个行人中的所述至少两个行人之间的碰撞的步骤。
12.按照权利要求9所述的方法,其中获得所述多个行人的轨迹的步骤是通过混合密度网络模型进行的。
13.按照权利要求9所述的方法,其中基于所述多个行人中的至少两个行人之间的所述至少一个预测的相互作用调整轨迹路径的步骤是通过图神经网络模型进行的。
14.按照权利要求13所述的方法,其中所述多个行人的轨迹作为图神经网络模型的节点特征被嵌入图神经网络模型中。
15.按照权利要求9所述的方法,其中所述场景是固定场景。
16.按照权利要求9所述的方法,其中所述场景基于自我车辆的移动而移动。
17.一种用于预测多个行人的移动的非临时性计算机可读介质,所述非临时性计算机可读介质包含指令,当由一个或多个处理器执行时,所述指令使所述一个或多个处理器:
获得所述多个行人的轨迹;
基于所述多个行人的轨迹,预测所述多个行人离开场景的未来退出点;
基于所述未来退出点和地图的至少一个场景元素,确定所述多个行人的轨迹路径,其中所述轨迹路径是预测所述多个行人为到达所述未来退出点所要采用的路径;和
基于所述多个行人中的至少两个行人之间的至少一个预测的相互作用,调整所述轨迹路径。
18.按照权利要求17所述的非临时性计算机可读介质,其中至少一个预测的相互作用是碰撞。
19.按照权利要求18所述的非临时性计算机可读介质,其中所述非临时性计算机可读介质还包括当由一个或多个处理器执行时,使所述一个或多个处理器调整所述多个行人中的所述至少两个行人的轨迹路径,以避免所述多个行人中的所述至少两个行人之间的碰撞的指令。
20.按照权利要求17所述的非临时性计算机可读介质,其中所述场景基于自我车辆的移动而移动。