GANet：用于运动预测的目标区域网络
计算机视觉与模式识别
2023-02-23 v3
摘要
预测道路参与者的未来运动对自动驾驶至关重要，但由于惊人的运动不确定性而极具挑战。近来，多数运动预测方法诉诸基于目标的策略，即预测运动轨迹的端点作为回归整条轨迹的条件，从而缩小解的搜索空间。然而，准确的目标坐标难以预测与评估。此外，目的地的点表示限制了丰富道路上下文的利用，导致许多情况下预测结果不准确。目标区域，即可能的目的地区域，而非目标坐标，可通过引入更多容差与引导，为搜索潜在轨迹提供更柔性的约束。鉴于此，我们提出一种新颖的基于目标区域的框架，称为目标区域网络(Goal Area Network, GANet)，用于运动预测，其将目标区域而非精确目标坐标建模为轨迹预测的先决条件，表现更鲁棒且准确。具体而言，我们提出GoICrop(感兴趣目标区域)算子，以有效提取目标区域中的语义车道特征并建模参与者的未来交互，这对未来轨迹估计大有裨益。GANet在Argoverse挑战赛的公开文献排行榜上位列第一(截至论文投稿)，其源代码将被发布。
引用
@article{arxiv.2209.09723,
title = {GANet: Goal Area Network for Motion Forecasting},
author = {Mingkun Wang and Xinge Zhu and Changqian Yu and Wei Li and Yuexin Ma and Ruochun Jin and Xiaoguang Ren and Dongchun Ren and Mingxu Wang and Wenjing Yang},
journal= {arXiv preprint arXiv:2209.09723},
year = {2023}
}