[发明专利]基于时间粒度提升的动态目标不确定运动轨迹预测方法

权利要求书

1.基于时间粒度提升的动态目标不确定运动轨迹预测方法，其特征在于，包括以下步骤：

S1：通过机器人系统的视觉处理模块获取目标物体的历史运动轨迹，并进行标准化处理，作为轨迹训练集G；

S2：将轨迹训练集进行细粒度划分，即令G＝{G₁,G₂,…,G_i,…,G_N}；这其中，0i≤N，0j≤H；N表示时间粒度集合的数目，H表示历史轨迹的数量；

S3：设基预测器集合为{ρ₁,ρ₂,...,ρ_N}，对应的权重系数集合为{α₁,α₂,...,α_N}；其中，基预测器集合里的每一个元素代表一个标准LSTM网络单元；将步骤S2中经过细粒度划分的训练集分别输入对应的基预测器进行网络训练；每一个基预测器单元对应的训练误差如下所示：

其中，E表示数学期望；对每个基预测器来说，当训练误差小于0.5时，训练结束；

S4：根据步骤S3中迭代训练过程中得出的训练误差，利用如下公式，计算基预测器对应的权重系数：

S5：当进行测试时，需先观察并获取目标的运动轨迹；假如观测时间的起始时刻为s，观测结束时刻为t，那么观测所用时间为t-s；接着，将观测所得到的数据进行步骤S2的粒度划分，并输入对应的基预测器中，计算每一个基预测器在下一时刻t+1的预测值用公式表示：

S6：根据步骤S4中所计算得出的基预测器权重系数，结合步骤S5中的预测值，利用下式计算下一时刻t+1对应的整体预测值，并将其作为下一时刻t+1对应的预测值

S7：当获得下一时刻的预测值之后，通过滚动迭代进行多步长期预测，获得所期望时刻t+x对应的运动轨迹预测值：

即未来一段时间的轨迹预测值