DeepUrban：基于航空图像的自动驾驶交互感知轨迹预测与规划
计算机视觉与模式识别
2026-02-04 v2
摘要
自动驾驶系统的效能严重依赖于可靠的轨迹预测与规划能力。然而，当前基准测试因稀缺包含密集交通场景而受限，这些场景对于理解和建模道路用户间的复杂相互作用至关重要。为填补这一空白，我们与产业合作伙伴DeepScenario合作开发了DeepUrban——一个新型无人机数据集，旨在提升聚焦密集城市场景的轨迹预测与规划基准。DeepUrban提供了丰富的3D交通要素，来自约100米高度下城市交叉口处捕获的高分辨率图像。数据集进一步丰富了包含地图与场景信息，以支持高级建模与仿真任务。我们评估了最先进（SOTA）的预测与规划方法，并进行了泛化能力实验。我们的发现表明，将DeepUrban纳入nuScenes可提升车辆预测与规划准确率，在ADE/FDE指标上分别提升了最高可达44.1%/44.3%。网站：https://iv.ee.hm.edu/deepurban
关键词
引用
@article{arxiv.2601.10554,
title = {DeepUrban: Interaction-Aware Trajectory Prediction and Planning for Automated Driving by Aerial Imagery},
author = {Constantin Selzer and Fabian B. Flohr},
journal= {arXiv preprint arXiv:2601.10554},
year = {2026}
}