从阴影到安全：城市自动驾驶中的遮挡跟踪与风险缓解
机器人学
2025-08-19 v1 计算机视觉与模式识别
摘要
自动驾驶车辆（AV）必须在动态城市环境中导航，其中遮挡和感知限制引入了显著的不确定性。本研究在风险感知运动规划和遮挡跟踪的现有方法基础上进行构建和扩展，以应对这些挑战。虽然先前的研究已经开发了用于遮挡跟踪和风险评估的单独方法，但尚未充分探索将这些技术整合的综合方法。因此，我们通过引入顺序推理来增强基于幻影智能体的模型，以跟踪遮挡区域并预测潜在危险。我们的模型通过建模具有不同行为特征的多种幻影智能体，实现了逼真的场景表示和上下文感知的风险评估。仿真表明，所提出的方法提高了态势感知能力，并在主动安全性与高效交通流之间取得了平衡。虽然这些结果凸显了我们方法的潜力，但需要在真实场景中进行验证以确认其可行性和泛化能力。通过利用和推进已有方法，本工作有助于在复杂城市环境中实现更安全、更可靠的AV规划。为支持进一步研究，我们的方法以开源软件形式提供，网址为：https://github.com/TUM-AVS/OcclusionAwareMotionPlanning
引用
@article{arxiv.2504.01408,
title = {From Shadows to Safety: Occlusion Tracking and Risk Mitigation for Urban Autonomous Driving},
author = {Korbinian Moller and Luis Schwarzmeier and Johannes Betz},
journal= {arXiv preprint arXiv:2504.01408},
year = {2025}
}
备注
8 Pages. Submitted to the IEEE Intelligent Vehicles Symposium (IV 2025), Romania