Euro-PVI：密集城市中心的行人-车辆交互
计算机视觉与模式识别
2021-06-24 v1 机器学习
机器人学
摘要
准确预测行人与骑行者的路径对于在密集城市环境中开发可靠的自动驾驶车辆至关重要。车辆与行人或骑行者之间的交互对交通参与者的轨迹有显著影响，例如停车或转弯以避免碰撞。尽管近期的数据集与轨迹预测方法推动了自动驾驶车辆的发展，但所建模的车辆-行人（骑行者）交互仍较为稀疏。本工作中，我们提出Euro-PVI，一个行人与骑行者轨迹数据集。具体而言，与现有数据集相比，我们的数据集涵盖了密集城市场景中更多样且复杂的交互。为应对密集交互下未来轨迹预测的难题，我们开发了一种联合推断模型，学习城市场景中跨智能体的具表达力的多模态共享潜空间。这使得我们的Joint-β-cVAE方法能更好地建模未来轨迹的分布。我们在nuScenes与Euro-PVI数据集上取得了SOTA结果，证明了捕获自车与行人（骑行者）之间交互对于准确预测的重要性。
引用
@article{arxiv.2106.12442,
title = {Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers},
author = {Apratim Bhattacharyya and Daniel Olmeda Reino and Mario Fritz and Bernt Schiele},
journal= {arXiv preprint arXiv:2106.12442},
year = {2021}
}
备注
To appear at CVPR 2021