基于其他交通参与者轨迹的任意时刻车道级交叉口估计
计算机视觉与模式识别
2019-08-08 v2 机器人学
摘要
估计并理解当前场景是自动驾驶车辆不可或缺的能力。通常，地图被用作解释传感器测量的先验以安全舒适地行驶。仅有少数方法考虑到地图可能过时并导致对环境的错误假设。本工作通过观测其他交通参与者的轨迹，在无任何地图先验的情况下估计车道级交叉口拓扑。利用马尔可夫链蒙特卡洛采样，我们既能给出粗粒度的车道级拓扑，也能给出交叉口内外的车道走向。该模型既不限制车道数或岔路数，也不限制交叉口拓扑。我们在1000个模拟交叉口的评估集上展示了结果，在使用跟踪目标检测时，拓扑估计准确率达99.9%且仅需36毫秒。这些交叉口上的精确车道走向在140毫秒后平均误差为15厘米。我们的方法在14个真实世界交叉口上表现出相似的精度，简单交叉口平均偏差18厘米，更复杂场景为27厘米。此处估计总共仅需113毫秒。
引用
@article{arxiv.1906.02495,
title = {Anytime Lane-Level Intersection Estimation Based on Trajectories of Other Traffic Participants},
author = {Annika Meyer and Jonas Walter and Martin Lauer and Christoph Stiller},
journal= {arXiv preprint arXiv:1906.02495},
year = {2019}
}