城市环境中动态感知的时空占据预测
机器人学
2022-09-28 v1 计算机视觉与模式识别
摘要
对移动障碍物的检测与分割，以及对局部环境未来占据状态的预测，对于自动驾驶车辆主动做出安全且明智的决策至关重要。本文提出一种利用深度神经网络架构将这两种能力集成的框架。我们的方法首先检测并分割场景中的移动物体，并利用该信息预测自动驾驶车辆周边环境的时空演化。为解决静态-动态物体分割与环境预测模型直接集成的问题，我们提出在整个框架中使用基于占据的环境表示。我们的方法在真实世界的 Waymo Open Dataset 上得到验证，并展现出比基线方法更高的预测精度。
引用
@article{arxiv.2209.13172,
title = {Dynamics-Aware Spatiotemporal Occupancy Prediction in Urban Environments},
author = {Maneekwan Toyungyernsub and Esen Yel and Jiachen Li and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:2209.13172},
year = {2022}
}
备注
Accepted at 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022)