利用地图与社会上下文预测城市环境中车辆的行为序列
计算机视觉与模式识别
2020-04-30 v1 机器人学
摘要
本研究探讨了在真实驾驶场景中预测周围车辆未来行为序列的问题。为此，我们做出了三项主要贡献。第一项贡献是一种借助高清地图将真实驾驶场景中记录的运动轨迹自动转换为行为序列的方法。该方法能够从大规模驾驶数据中自动创建用于此任务的数据集。我们的第二项贡献在于将该方法应用于著名的交通智能体跟踪与预测数据集 Argoverse，生成了 228,000 条行为序列。此外，还手动标注了 2,245 条行为序列用于测试。第三项贡献是提出了一种新颖的行为序列预测方法，将交通智能体的历史位置与速度、地图信息以及社会上下文整合到一个端到端可训练的神经网络中。我们的实验证明了数据创建方法的价值以及所创建数据集的意义——预测性能随数据集规模的增大而持续提升，并且表明我们的行为预测方法优于对比模型。
引用
@article{arxiv.2004.14251,
title = {Action Sequence Predictions of Vehicles in Urban Environments using Map and Social Context},
author = {Jan-Nico Zaech and Dengxin Dai and Alexander Liniger and Luc Van Gool},
journal= {arXiv preprint arXiv:2004.14251},
year = {2020}
}