D2-TPred：交通灯下基于不连续依赖的轨迹预测
计算机视觉与模式识别
2022-07-22 v1
摘要
在复杂场景中导航时，尤其在城市交通路口，对智能体间关系和运动行为的深刻理解对于实现高质量规划十分重要。我们提出一种针对交通灯的轨迹预测方法 D2-TPred，其使用空间动态交互图（SDG）和行为依赖图（BDG）来处理时空空间中不连续依赖的问题。具体而言，SDG 用于通过在每一帧中为具有动态可变特性的不同智能体重建子图来捕获空间交互。BDG 用于通过对当前状态对先验行为的隐式依赖（尤其是对应于加速、减速或转向的不连续运动）进行建模来推断运动趋势。此外，我们提出了一个用于交通灯下车辆轨迹预测的新数据集 VTP-TL。我们的实验结果表明，与其他轨迹预测算法相比，我们的模型在 VTP-TL 上的 ADE 和 FDE 分别提升了 20.45% 和 20.78%。数据集和代码可在 https://github.com/VTP-TL/D2-TPred 获取。
引用
@article{arxiv.2207.10398,
title = {D2-TPred: Discontinuous Dependency for Trajectory Prediction under Traffic Lights},
author = {Yuzhen Zhang and Wentong Wang and Weizhi Guo and Pei Lv and Mingliang Xu and Wei Chen and Dinesh Manocha},
journal= {arXiv preprint arXiv:2207.10398},
year = {2022}
}
备注
Accepted to ECCV2022, 17 pages, 6 figures. Project page: https://github.com/VTP-TL/D2-TPred