用于车辆轨迹预测的卷积社会池化
计算机视觉与模式识别
2018-10-31 v1
摘要
预测周围车辆的运动是部署于复杂交通中的自动驾驶车辆的一项关键能力。场景中全部车辆的运动受交通上下文支配，即相邻车辆的运动与相对空间配置。本文提出一种 LSTM 编码器-解码器模型，使用卷积社会池化作为对社会池化层的改进，以鲁棒地学习车辆运动中的相互依赖关系。此外，我们的模型基于机动类别输出未来轨迹的多模态预测分布。我们使用公开可用的 NGSIM US-101 与 I-80 数据集评估模型。我们的结果显示在预测误差的 RMS 值与真实未来轨迹在模型预测分布下的负对数似然方面均优于当前最优（SOTA）。我们还对模型在各种交通场景下的预测分布给出了定性分析。
引用
@article{arxiv.1805.06771,
title = {Convolutional Social Pooling for Vehicle Trajectory Prediction},
author = {Nachiket Deo and Mohan M. Trivedi},
journal= {arXiv preprint arXiv:1805.06771},
year = {2018}
}
备注
Accepted for publication at CVPR TrajNet Workshop, 2018. arXiv admin note: text overlap with arXiv:1805.05499