基于双向注意力网络的轨迹跟踪与预测
赵鹏越
刘华军
南京理工大学 南京 210094
摘要：数据驱动的轨迹跟踪和预测(TTP)方法,如长短期记忆网络(LSTM)、双向LSTM(Bi-LSTM)等深度神经网络模型,已经取得了明显的改进,克服了传统基于模型的方法对传感器和运动不确定性建模不足的缺陷.论文提出了一个双向注意力网络(BiAN),用于长距离轨迹和机动目标运动的表示,以及从传感器的噪声测量中学习物理运动预测.论文建立了一个包括行人和车辆案例的大规模轨迹跟踪和预测(TTP)数据集,作为深度神经网络训练和验证的新TTP基准.论文提出的BiAN模型在公共数据集(ETH+UCY)和新的基准TTP数据集上进行了验证,结果表明论文提出的BiAN模型在RMSE、ADE、FAD等方面优于现有最先进的深度模型.
关键词：机动目标跟踪轨迹跟踪轨迹预测深度学习
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1293-1300,1374 )
英文信息