自动驾驶挑战：利用循环神经网络基于运动模式推断动态物体属性
计算机视觉与模式识别
2016-09-13 v2
摘要
在自动驾驶应用中，一个关键挑战是识别为避免碰撞路线上的障碍物而采取的行动。例如，当突然遇到重物时，即使造成其他交通中断，停车或变道也至关重要。然而，在某些情况下，与物体碰撞优于采取行动导致比碰撞物体更严重的事故。例如，应从卡车上掉落的重物需避开，而弹跳球或泡沫箱等软目标则无需避开。我们提出一种新方法，基于物体的物理属性（如弹性、回弹性等）区分这些类型物体的运动特征。在这项初步工作中，我们使用带 LSTM 单元的循环神经网络训练分类器，根据运动轨迹对物体分类。我们在合成数据上测试算法，并作为概念验证，在有限的真实世界数据集上展示其有效性。
引用
@article{arxiv.1609.00361,
title = {Autonomous driving challenge: To Infer the property of a dynamic object based on its motion pattern using recurrent neural network},
author = {Mona Fathollahi and Rangachar Kasturi},
journal= {arXiv preprint arXiv:1609.00361},
year = {2016}
}