利用机器标注训练数据预测行人轨迹
计算机视觉与模式识别
2019-05-10 v1 机器人学
摘要
对行人轨迹的可靠预测对于自动驾驶车辆的运行至关重要，并可显著增强先进驾驶辅助系统的功能。尽管在行人检测领域已取得显著进展，但由于行人的不可预测性以及潜在有用特征的巨大空间，预测行人轨迹仍是一个具有挑战性的问题。在这项工作中，我们提出了一种使用单个车载摄像头的深度学习方法来预测行人轨迹。已在计算机视觉其他领域带来革新的深度学习模型在轨迹预测中的应用有限，部分原因是缺乏丰富标注的训练数据。我们通过引入一种可扩展的机器标注方案来解决训练数据缺乏的问题，该方案使我们的模型能够使用大型数据集进行训练而无需人工标注。此外，我们提出了动态轨迹预测器（DTP），一种可预测未来长达一秒行人轨迹的模型。DTP使用人工与机器标注数据进行训练，并能预测线性模型未能捕捉的动态运动。实验评估证实了所提模型的优势。
引用
@article{arxiv.1905.03681,
title = {Forecasting Pedestrian Trajectory with Machine-Annotated Training Data},
author = {Olly Styles and Arun Ross and Victor Sanchez},
journal= {arXiv preprint arXiv:1905.03681},
year = {2019}
}
备注
6 pages, 5 figures. To appear in the proceedings of the 2019 IEEE Intelligent Vehicles Symposium (IV)