买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学深圳国际研究生院;深圳市普渡科技有限公司申请的专利一种跨场景自适应行人轨迹预测方法及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117011939B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310978922.9，技术领域涉及：G06V40/20；该发明授权一种跨场景自适应行人轨迹预测方法及设备是由曾龙;李文湛;张涛;吴翔;冯平法设计研发完成，并于2023-08-04向国家知识产权局提交的专利申请。

本一种跨场景自适应行人轨迹预测方法及设备在说明书摘要公布了：本发明公开了一种跨场景自适应行人轨迹预测方法及设备，该方法包括：S11：将源域真实轨迹数据转换为目标域对齐轨迹数据，并将目标域真实轨迹数据转换为源域对齐轨迹数据；S12：分别计算目标域对齐轨迹数据、目标域真实轨迹数据、源域对齐轨迹数据与源域真实轨迹数据的真伪得分；S13：结合上述真伪得分计算生成损失，得到最优生成模型；S21：从目标域数据集中采样目标域数据，最优生成模型根据目标域数据生成行人的未来预测轨迹，用于自主移动机器人或自动驾驶汽车的跨场景预测任务。本发明能够使数据级完成有效的知识迁移，使最优生成模型学习到目标域信息，提高模型在目标域上的适应力，从而解决了因场景差异带来的模型适应性问题。

本发明授权一种跨场景自适应行人轨迹预测方法及设备在权利要求书中公布了：1.一种跨场景自适应行人轨迹预测方法，其特征在于，包括以下步骤： S11：将源域真实轨迹数据转换为目标域对齐轨迹数据，并将目标域真实轨迹数据转换为源域对齐轨迹数据； S12：分别计算所述目标域对齐轨迹数据、目标域真实轨迹数据、源域对齐轨迹数据与源域真实轨迹数据的真伪得分； S13：结合所述目标域对齐轨迹数据的真伪得分、目标域真实轨迹数据的真伪得分计算目标域生成损失，并结合所述源域对齐轨迹数据的真伪得分与源域真实轨迹数据的真伪得分计算源域生成损失，迭代更新得到最优生成模型； S21：从目标域数据集中采样目标域数据，所述最优生成模型根据所述目标域数据生成行人的未来预测轨迹，从而用于自主移动机器人或自动驾驶汽车的跨场景预测任务； 步骤S13中，所述最优生成模型还生成源域对齐轨迹数据，将所述源域对齐轨迹数据与源域真实轨迹数据混合得到增强源域数据；将所述增强源域数据划分为增强源域历史观测数据和源域未来真值数据，将目标域真实轨迹数据划分为目标域历史观测数据和目标域未来真值数据； 还包括以下步骤： S14：将所述增强源域历史观测数据和所述目标域历史观测数据映射到同一高维特征空间，并分别生成参与域对齐的增强源域历史观测数据中间特征和目标域历史观测数据中间特征，再计算得到所述增强源域历史观测数据中间特征的真伪得分和所述目标域历史观测数据中间特征的真伪得分； S15：结合所述增强源域历史观测数据中间特征的真伪得分和所述目标域历史观测数据中间特征的真伪得分训练得到包含最优编码器、最优解码器的最优生成模型，所述最优编码器输出在不同域通用的域不变特征，所述最优解码器根据所述域不变特征生成行人预测轨迹； 步骤S14中包括构建特征级对齐嵌入判别器；所述特征级对齐嵌入判别器根据所述增强源域历史观测数据中间特征和所述目标域历史观测数据中间特征输出所述源域历史观测数据中间特征的真伪得分和所述目标域历史观测数据中间特征的真伪得分；所述特征级对齐嵌入判别器的网络结构为至少为三层，第n层的输出为： 其中，rn代表第n层的输出张量，所述网络结构的前两层多层感知机后都具有批量标准化层，所述网络结构最终输出所述源域历史观测数据中间特征的真伪得分IS和所述目标域历史观测数据中间特征的真伪得分IT： 其中，DE代表特征级对齐嵌入判别器，We代表特征级对齐嵌入判别器中所有可学习参数，hS代表增强源域历史观测数据中间特征，hT代表目标域历史观测数据中间特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学深圳国际研究生院;深圳市普渡科技有限公司，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。