一种可迁移的面向不同几何形状交叉口的行人运动预测模型
机器学习
2018-06-26 v1 人工智能
机器人学
机器学习
摘要
本文提出一种用于交叉口处精确行人意图预测的新框架。在给定路缘几何形状的先验知识后,该框架能准确预测行人轨迹,即便在未经训练的新交叉口上也是如此。这是通过利用轨迹在路缘坐标系中的逆变分量实现的,其确保轨迹在不同交叉口间的变换是仿射的,而与路缘几何形状无关。我们的方法基于增广半非负稀疏编码(ASNSC)公式,并将其作为基线,以展示在剑桥两个具有显著不同路缘与人行横道几何形状的真实行人数据集上预测性能的提升。我们展示了在同训练与测试交叉口情形下预测精度提升 7.2%。此外,我们表明 TASNSC 在不同交叉口训练与测试时,相较在同一交叉口训练与测试的基线具有可比的预测性能。
引用
@article{arxiv.1806.09444,
title = {A Transferable Pedestrian Motion Prediction Model for Intersections with Different Geometries},
author = {Nikita Jaipuria and Golnaz Habibi and Jonathan P. How},
journal= {arXiv preprint arXiv:1806.09444},
year = {2018}
}