城市交叉口中基于上下文的行人运动预测
机器学习
2018-06-26 v1 人工智能
计算机视觉与模式识别
机器人学
机器学习
摘要
本文提出了一种新颖的基于上下文的方法，用于在拥挤的城市交叉口进行行人运动预测，并具备在相似但全新的环境中进行预测的额外灵活性。此前，Chen 等人结合了基于马尔可夫和基于聚类的方法，在基于网格的世界中学习运动基元，随后通过将学习到的基元之间的转移建模为高斯过程（GP）来预测行人轨迹。本工作扩展了该先前方法，在 GP 公式中融入来自环境的语义特征（到路缘的相对距离和行人交通灯状态），以在相同时间尺度上更准确地预测行人轨迹。我们在使用 MIT Mobility On Demand 车队中一辆车收集的真实世界数据上评估了新方法。结果显示预测精度提升 12.5%，曲线下面积（AUC）减少 2.65 倍，AUC 被用作量化预测轨迹集跨度的指标，使得更低的 AUC 对应行人运动未来方向更高的置信度。
引用
@article{arxiv.1806.09453,
title = {Context-Aware Pedestrian Motion Prediction In Urban Intersections},
author = {Golnaz Habibi and Nikita Jaipuria and Jonathan P. How},
journal= {arXiv preprint arXiv:1806.09453},
year = {2018}
}