运动预测

摘要： 人工智能发展至今正逐渐进入认知时代,计算机对真实物理世界的认知与推理能力亟待提高。有关物体物理属性与运动预测的现有工作多局限于简单的物体和场景,因此尝试拓展常识推理至仿真场景下物体场景流的预测。首先,为了弥补相关领域数据集的短缺,提出了一个基于仿真场景的数据集ModernCity,从常识推理的角度出发还原了现代都市的街边景象,并提供了包括RGB图像、深度图、场景流数据和语义分割图在内的多种标签;此外,设计了一个物体描述子解码模型(ODD),通过物体属性辅助预测场景流。通过消融实验证明,该模型可以在仿真的场景下通过物体的属性准确地预测物体未来的运动趋势,通过与其他SOTA模型的对比实验验证了该模型的性能及ModernCity数据集的可靠性。

摘要： 北极航道海冰运动的准确预测对于保证航行安全、评估航道可通行性和动态修正航线具有重要的指导意义。传统的光流法无法满足海冰运动预测任务中“时空预测+语义分割”的要求。为此,基于MERSI-Ⅱ影像制作了海冰运动数据集SeaiceMoving,提出了一种基于Multiloss-SAM-ConvLSTM的海冰运动预测算法,该算法在SAM ConvLSTM的基础上引入加权的FDWloss,强化了各节点空间语义的获取。针对样本分布不平衡,讨论了后端分割阈值的偏移效应,通过网格搜索确定最佳分割阈值,提高了海冰整体预测结果。实验结果表明,该方法的Kappa系数为0.75,IOU为0.61,Dice系数为0.76,相较于SAM-ConvLSTM,分别提高了0.1、0.12和0.1,对运动后海冰的位置预测和形状提取能力均有提升,减少了海冰“黏连”的情况。此外,该算法对薄云干扰下的海冰运动依然具备良好的预测能力,可以为北极航线的动态规划和航线修正提供较为准确的技术支撑。

摘要： 针对移动机器人局部动态避障路径规划问题开展优化研究.基于动态障碍物当前历史位置轨迹,提出动态障碍物运动趋势预测算法.在移动机器人的动态避障路径规划过程中,考虑障碍物当前的位置,评估动态障碍物的移动轨迹;提出改进的D*Lite路径规划算法,大幅提升机器人动态避障算法的效率与安全性.搭建仿真验证环境,给出典型的单动态障碍物、多动态障碍物场景,对比验证了避障路径规划算法的有效性.

摘要： 借助监督式机器学习(ML)方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据.基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限.因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程(SPGP)回归方法进行空间翻滚目标的运动预测.给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级.此外,利用马尔科夫链蒙特卡洛(MCMC)法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题.利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性.

摘要： 为了提高立体视频的渲染效率,设计了基于云计算的立体视频流处理框架.首先,介绍了该云计算框架的架构以及其主要组成部件.然后,分析了网络传输和云端处理延迟,并探讨了编码器对延时的影响.为了降低时延对流处理框架的影响,设计了面向立体视频的物体运动预测模型.实验结果表明,该预测模型能够降低由延迟引起的渲染错误.

摘要： 小鹏汽车官方表示,NGP基于小鹏汽车全球唯二的全栈自研打造,相比同类型功能实现了更高场景的覆盖率、更低人工接管率及更高的换道效率。除了由感知、定位、传感器融合、运动控制与运动规划组成的行业一般标准的自动驾驶架构,小鹏汽车还在此基础上增加了地图管理与融合、行为规划以及行为/运动预测等技术,打造出了当前量产车中最强的自动驾驶架构。

摘要： 为了提高立体视频的渲染效率,设计了基于云计算的立体视频流处理框架。首先,介绍了该云计算框架的架构以及其主要组成部件。然后,分析了网络传输和云端处理延迟,并探讨了编码器对延时的影响。为了降低时延对流处理框架的影响,设计了面向立体视频的物体运动预测模型。实验结果表明,该预测模型能够降低由延迟引起的渲染错误。

摘要： 空间非合作目标的运动预测是航天器在轨服务中的一个重要问题.在获得非合作目标的运动预测结果后,追踪星即可规划运动轨迹以接近目标并对其进行捕获.该文提出了一种自由漂浮空间非合作目标的运动预测方法.该方法的核心思想是首先辨识出目标的姿态动力学参数和目标的质心运动学参数,然后利用参数辨识结果和目标的动力学方程实现对目标的运动预测.在姿态动力学参数的辨识过程中,首先对目标的惯性参数进行初步辨识,然后采用自适应无迹Kalman滤波器对姿态动力学参数进行粗略辨识,最后通过最优化方法进一步提高姿态动力学参数的辨识精度•该文通过数值仿真验证了所提运动预测方法的有效性.仿真结果表明,无论目标是做单轴旋转还是翻滚运动,所提运动预测方法都能够实现对目标的长时间高精度的运动预测.

摘要： 运用多星在海洋中搜索动目标,当动目标失去联系或者目标存在战术意图时,这种不确定动目标搜索将变得极为困难.建立搜索图描述搜索的环境模型,提出了一种解决多星搜索动目标问题的方法.利用信息融合的信息更新搜索图,并根据目标的运动预测方法再次更新搜索图,动态规划整个多星搜索动目标过程.卫星搜索策略是最大化目标发现概率.仿真实验结果验证了所提方法的有效性,能够有效地解决多星搜索动目标问题.

摘要： 本文提出了一种用于消防员的新型人体运动预测方法.此方法中,人体运动采用混合模型进行预测,此混合模型根据人体运动中双腿的运动形式将人体运动描述为"单腿支撑"和"双腿支撑"两个阶段,采用不同的数学模型分别描述这两个阶段的运动.所得预测的结果分别采用卡尔曼滤波(Kalman filter)和无迹卡尔曼滤波(Unscented Kalman filter)进行修正.试验结果充分证明了所提预测方法的精确性,为未来开发消防员辅助作业机器人系统打下了坚实的基础.

摘要： 在基于视频的目标跟踪中,基于运动预测的跟踪算法是指利用被跟踪目标的运动信息如位置、速度、加速度等对目标的运动轨迹进行预测,其核心是滤波预测算法.常用的滤波预测算法包括卡尔曼滤波算法(Kalman Filter,KF)、扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)、Unscented卡尔曼滤波算法(Unscented Kalman Filter,UKF)和粒子滤波算法(Particle Filter,PF).然而,目前的滤波预测算法都存在模型依赖的缺点,而随着目标机动性的增强,对目标运动模型的建立已变得越来越困难.针对机动目标的运动预测问题,从不依赖于目标运动模型这一新角度出发,运用自抗扰控制技术中的非线性函数作为滤波器,通过提取目标的运动信号来实现对目标的跟踪,以解决运动目标建模困难的问题.

摘要： 地面移动目标运动预测是地面移动目标打击过程中需要解决的一个重要技术问题,为了提高目标运动预测的精度和准确性,可以通过道路、地形等数字地理信息对地面移动目标运动范围的约束来对其运动进行预测.文章给出了基于数字地理信息的地面移动目标运动预测方法步骤,通过模糊理论和航位推算方法来确定待匹配路段以及寻找最佳匹配路段,采用交互式多模型算法进行目标运动预测.

摘要： 在基于视频的目标跟踪中,基于运动预测的跟踪算法是指利用被跟踪目标的运动信息如位置、速度、加速度等对目标的运动轨迹进行预测,其核心是滤波预测算法.常用的滤波预测算法包括卡尔曼滤波算法(Kalman Filter,KF)、扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)、Unscented卡尔曼滤波算法(Unscented Kalman Filter,UKF)和粒子滤波算法(Particle Filter,PF).然而,目前的滤波预测算法都存在模型依赖的缺点,而随着目标机动性的增强,对目标运动模型的建立已变得越来越困难.针对机动目标的运动预测问题,从不依赖于目标运动模型这一新角度出发,运用自抗扰控制技术中的非线性函数作为滤波器,通过提取目标的运动信息来实现对目标的跟踪,以解决运动目标建模困难的问题.

摘要： 本文提出一种快速Snake算法，该算法定义了一种新的能量函数，并且采用运动预测的方法得到初始轮廓；该算法能解决传统Snake方法的搜索范围小的问题；另外，与GVF方法相比，运算速度大大提高；我们将该算法应用到肺部Fluoroscopic序列横膈膜的跟踪中，取得了满意的效果。

摘要： 在对足球机器人运动性能分析、球在场地的运动预测分析的基础上,提出了足球机器人抢点射门的技术动作实现方案,分析说明了动作实现的条件与范围.在实际系统实验中证实了方案的可行性.

摘要： 该文论述了适于窄带低码率活动图象的编码方案，着重探讨了四种先进的视频压缩模式，并对其作出计算机模拟仿真及分析。

摘要： 该文论述了适于窄带低码率活动图象的编码方案，着重探讨了四种先进的视频压缩模式，并对其作出计算机模拟仿真及分析。

摘要： 该文论述了适于窄带低码率活动图象的编码方案，着重探讨了四种先进的视频压缩模式，并对其作出计算机模拟仿真及分析。

摘要： 公开了一种对视频进行编码的方法和设备，所述方法包括：基于根据最大编码单元的至少一个划分的区域的分层结构的较深层编码单元，对最大编码单元的视频数据进行编码，并使用通过根据任意比例划分编码单元而获得的分区执行帧间预测，来确定编码深度；输出比特流，所述比特流包括与根据最大编码单元的编码深度相应的编码视频数据以及关于编码深度和编码模式的信息。

摘要： 公开了一种对视频进行编码的方法和设备，所述方法包括：基于根据最大编码单元的至少一个划分的区域的分层结构的较深层编码单元，对最大编码单元的视频数据进行编码，并使用通过根据任意比例划分编码单元而获得的分区执行帧间预测，来确定编码深度；输出比特流，所述比特流包括与根据最大编码单元的编码深度相应的编码视频数据以及关于编码深度和编码模式的信息。

摘要： 本发明涉及一种骨骼运动预测处理方法、装置和肢体运动预测处理方法，该骨骼运动预测处理方法包括：将历史观测的多个连续的骨骼运动状态向量输入预训练的机器学习模型中，以分别进行特征编码得到相应的骨骼运动特征向量；确定当前时刻的上一时刻的骨骼运动隐含状态向量；所述上一时刻的骨骼运动隐含状态向量，是针对所述上一时刻对所述骨骼运动特征向量进行运动意图提取得到；获取当前时刻的骨骼运动状态向量；根据所述上一时刻的骨骼运动隐含状态向量和当前时刻的骨骼运动状态向量进行解码，以计算下一时刻的骨骼运动状态向量。本申请的方案实现了对目标对象本身的骨骼运动的预测这一细节的运动预测处理。

摘要： 提供了使用隐式运动预测进行预测精细化的方法和装置。一种装置包括编码器，其使用显式运动预测以生成对图像块的粗略预测(920)并且使用隐式运动预测精细化该粗略预测(925)来编码该图像块。

摘要： 本发明涉及一种骨骼运动预测处理方法、装置和肢体运动预测处理方法，该骨骼运动预测处理方法包括：将历史观测的多个连续的骨骼运动状态向量输入预训练的机器学习模型中，以分别进行特征编码得到相应的骨骼运动特征向量；确定当前时刻的上一时刻的骨骼运动隐含状态向量；所述上一时刻的骨骼运动隐含状态向量，是针对所述上一时刻对所述骨骼运动特征向量进行运动意图提取得到；获取当前时刻的骨骼运动状态向量；根据所述上一时刻的骨骼运动隐含状态向量和当前时刻的骨骼运动状态向量进行解码，以计算下一时刻的骨骼运动状态向量。本申请的方案实现了对目标对象本身的骨骼运动的预测这一细节的运动预测处理。

摘要： 本发明实施例公开了一种基于深度学习的运动预测方法和运动预测装置，用于在人体器官临床诊断过程中提高对感兴趣区域定位的准确性和可靠性，从而提高医学图像的分辨率和信噪比，最终提高医学图像在疾病的诊断与治疗中的准确度。该运动预测方法包括：在模型训练阶段，利用基于注意力机制的序列到序列seq2seq模型进行数据训练得到运动预测目标模型，序列到序列seq2seq模型包括编码单元和解码单元，注意力机制用于确定编码单元的隐含层状态和解码单元的隐含层状态之间的相关性；在实时预测阶段，将实时采集到的感兴趣区域的实时运动数据输入运动预测目标模型，得到感兴趣区域的运动预测目标曲线，感兴趣区域包括人体器官临床诊断过程中进行诊断与治疗的身体部位。

摘要： 本发明涉及一种骨骼运动预测处理方法、装置和肢体运动预测处理方法，该骨骼运动预测处理方法包括：将历史观测的多个连续的骨骼运动状态向量输入预训练的机器学习模型中，以分别进行特征编码得到相应的骨骼运动特征向量；确定当前时刻的上一时刻的骨骼运动隐含状态向量；所述上一时刻的骨骼运动隐含状态向量，是针对所述上一时刻对所述骨骼运动特征向量进行运动意图提取得到；获取当前时刻的骨骼运动状态向量；根据所述上一时刻的骨骼运动隐含状态向量和当前时刻的骨骼运动状态向量进行解码，以计算下一时刻的骨骼运动状态向量。本申请的方案实现了对目标对象本身的骨骼运动的预测这一细节的运动预测处理。

摘要： 本发明公开了一种云层运动预测系统、预测方法及存储介质，该预测系统包括传感器模块、单片机、云服务器和光伏发电站，光伏发电站内设有备用电池；传感器模块用于将跟随光照强度的变化而变化的电压信号发送给单片机；单片机用于将电压信号转化为光照强度信号进行本地保存并上传到云服务器；云服务器用于将云层到达光伏发电站的时间和启用备用电池的信号发送到光伏发电站；光伏发电站通过启动所述备用电池来稳定光伏发电站的供电电压。本发明能够在云层到达光伏发电站上方前对云层的运动速度和方向进行预测，在需求启用备用电池时提前向光伏发电站发送信号，以减小云层即将到来对光伏发电站造成的电压波动，提高光伏发电站的使用寿命。

摘要： 本发明公开了一种基于BP神经网络预测模型的洋流运动预测算法，包括如下步骤：S1.收集历史影响洋流运动因素变量的数据样本，并对所述数据样本进行分类，以得到训练样本和测试样本；S2.设置所述训练样本的初始权重和初始阈值后进行训练，将训练得到的权重和阈值进行优化，得到优化的BP神经网络预测模型；S3.对优化后的BP神经网络预测模型进行测试，根据测试结果评价优化后的BP神经网络预测模型的洋流运动预测精度和预测性能；S4.将待预测的洋流的参数输入到优化后的BP神经网络预测模型中进行洋流运动预测。本发明能够快速对洋流运动进行预测，提高洋流运动预测精度，提升洋流运动预测的准确度。

摘要： 本发明揭露了一种用于结合了基于视图间运动预测的子块的三维编码或解码系统的方法。所述系统利用与当前纹理预测子PU相对应的参考视图的参考图片的参考子块的相关联的运动或视差参数来预测当前纹理PU的运动或视差参数，其中当前纹理子PU是由当前的纹理PU切分出来的。用于当前纹理PU的候选运动或视差参数可包括从所有当前纹理子PU导出的候选运动或视差参数，其中当前纹理子PU是由当前的纹理PU切分出来的。用于当前纹理PU的候选运动或视差参数可用作合并模式中用于当前纹理PU的基于子块的视图间合并候选。基于子块的视图间合并候选可被插入到候选列表的第一位置。