基于第一人称视觉的未来车辆定位用于智能驾驶辅助系统
计算机视觉与模式识别
2019-03-05 v2 机器人学
摘要
预测车辆的未来位置对于高级驾驶辅助系统(ADAS)与自动驾驶等安全关键应用至关重要。本文提出一种新方法,在 ego 车辆的第一人称(以自我为中心)视角中同时预测目标车辆的位置与尺度。我们提出一个多流循环神经网络(RNN)编码器-解码器模型,分别捕捉物体位置与尺度以及像素级观测以用于未来车辆定位。我们表明,融入稠密光流显著改善了预测结果,因其捕捉了关于运动以及外观变化的信息。我们还发现,显式建模 ego 车辆未来运动提高了预测精度,这对于具备运动规划能力的智能与自动化车辆尤其有益。为评估我们方法的性能,我们提出了一个新数据集,包含在道路交叉口多种场景下采集的第一人称视频,这些场景因车辆轨迹多样且动态而尤其具有预测挑战性。
引用
@article{arxiv.1809.07408,
title = {Egocentric Vision-based Future Vehicle Localization for Intelligent Driving Assistance Systems},
author = {Yu Yao and Mingze Xu and Chiho Choi and David J. Crandall and Ella M. Atkins and Behzad Dariush},
journal= {arXiv preprint arXiv:1809.07408},
year = {2019}
}
备注
To appear on ICRA 2019