研究背景与问题:

在现代复杂动态场景中，行人的轨迹预测面临着两大难题：一是交互建模的精度问题，由于场景中的多个行人在运动中会产生复杂的交互作用，现有的轨迹预测方法难以精准捕捉这种交互信息；二是多模态不确定性表征的不足，即在融合视觉、音频等多源模态信息进行行人轨迹预测时，难以全面准确地刻画不同模态数据的特性和动态变化。

研究方法:

为解决上述问题，本文提出了一种基于几何约束稀疏图的行人多模态轨迹预测方法GCSG-Traj。该方法的核心思想是利用视野范围、距离阈值和运动趋近性等三重约束来构建行人间的稀疏交互图，通过这一方式，将复杂的动态场景抽象成一个更加简洁和高效的图结构。在此基础上，结合图卷积网络（GCN）和Transformers等先进模型，实现了对行人多模态轨迹的高效预测。具体方法如下： 1. 提取行人轨迹的多源模态特征，包括视觉特征和运动学特征。 2. 根据特征数据计算行人之间的相互作用关系，通过几何约束筛选出有意义的交互，从而构建稀疏交互图。 3. 将构建的稀疏交互图输入GCN，进行图上的特征聚合和学习，以增强模型对交互信息的理解和建模能力。 4. 引入Transformers结构，用于处理时序序列的编码，提高预测的动态适应性。 5. 结合图上的学习和序列建模，预测未来行人轨迹的走势。

核心结果:

本文所提出的GCSG-Traj方法在多个公共数据集上进行了测试，与现有方法相比，无论是在单模态预测还是在多模态融合的情况下，GCSG-Traj方法都能展现出更好的性能。特别是在复杂交互场景和动态不确定性条件下，GCSG-Traj方法的预测准确性和鲁棒性显著提高，充分证明了该方法的可行性和优越性。

结论与意义:

本研究提出的基于几何约束稀疏图的行人多模态轨迹预测方法，通过结合几何约束、图神经网络和Transformer模型，有效提高了行人轨迹预测的准确性和适应性。该方法在复杂动态场景中具有较强的鲁棒性，对于自动驾驶、人机交互等领域具有潜在的应用价值。同时，本研究的成果也为相关领域的学者提供了新的思路和理论基础。