面向车辆轨迹预测的结构感知车道图变换模型
人工智能
2024-05-31 v1
摘要
准确预测周围车辆未来轨迹对于自动驾驶车辆的安全运行至关重要。本研究提出了具备结构感知能力的车道图变换器(LGT)模型。其关键贡献在于将地图拓扑结构编码到注意力机制中。为解决来自不同方向的车道信息存在差异的问题，引入四个相对位置编码(RPE)矩阵以捕获地图拓扑结构的局部细节。此外，采用两个最短路径距离(SPD)矩阵来捕获两个可达车道之间的距离信息。数值结果表明，所提出的LGT模型在Argoverse 2数据集上实现了显著更高的预测性能。具体而言，与Argoverse 2基线模型（最近邻模型）相比，minFDE指标降低了60.73%；与基线LaneGCN模型相比，b-minFDE指标降低了2.65%。此外，ablation实验表明，考虑地图拓扑结构导致b-minFDE指标下降4.24%，验证了该模型的有效性。
引用
@article{arxiv.2405.20121,
title = {A Structure-Aware Lane Graph Transformer Model for Vehicle Trajectory Prediction},
author = {Sun Zhanbo and Dong Caiyin and Ji Ang and Zhao Ruibin and Zhao Yu},
journal= {arXiv preprint arXiv:2405.20121},
year = {2024}
}