一种基于异构图聚合网络的高密度复合场景轨迹预测方法

摘要

本发明公开了一种基于异构图聚合网络的高密度复合场景轨迹预测方法，构建了包含自适应邻居选择器、编码器和解码器三个子结构的异构图聚合网络，通过首先自适应邻居选择器来自动选择目标物体的邻居，并生成异构图的结构；然后通过编码器使用两阶段聚合器来聚合不同类型的邻居之间的异构特征信息，然后解码器使用基于LSTM的历史信息残差连接技术进行解码，利用输入的历史轨迹时序信息特征获得了目标物体未来的二维坐标时序预测信息输出。本发明能显著提升高密度复合场景轨迹预测的准确率，实现了在复杂交通场景下的多类别物体的高精度轨迹预测。