基于轨迹与表观数据的自动驾驶行人预测模型比较
计算机视觉与模式识别
2023-05-26 v1 机器人学
摘要
预判行人运动变化的能力是自动驾驶车辆的关键能力。在城市环境中，行人可能进入道路区域并带来高驾驶风险，识别此类情况十分重要。典型的预测器利用轨迹历史预测未来运动，然而在运动启动情形下，轨迹中的运动可能仅在延迟后才清晰可见，这可能导致在作出准确预测前行人已进入道路区域。表观数据包含有用信息，如步态变化，其作为运动变化的早期指标，可为轨迹预测提供信息。本工作对仅使用轨迹与基于表观的行人预测方法进行比较评估，并引入一项利用表观进行预测的新数据集实验。我们基于流行 NuScenes 数据集的图像与轨迹序列组合创建了两个轨迹与图像数据集，并考察利用观测表观影响未来轨迹的预测。这显示出相较单纯轨迹预测的一些优势，尽管数据集的问题阻碍了基于表观模型优势的显现。我们描述了改进数据集与实验的方法，以捕获基于表观模型的益处。
引用
@article{arxiv.2305.15942,
title = {Comparison of Pedestrian Prediction Models from Trajectory and Appearance Data for Autonomous Driving},
author = {Anthony Knittel and Morris Antonello and John Redford and Subramanian Ramamoorthy},
journal= {arXiv preprint arXiv:2305.15942},
year = {2023}
}