利用局部地图上下文与社会交互的基于异构图的多模态轨迹预测
机器学习
2023-12-01 v1 计算机视觉与模式识别
机器人学
摘要
精确预测周围交通参与者的未来轨迹是自动驾驶中一个关键但具挑战性的问题,原因在于交通智能体、地图上下文与交通规则之间复杂的交互。基于向量的方法近来在轨迹预测基准上展现出最佳性能之一。这些方法对交通智能体间简单交互建模,但不区分关系类型与诸如沿道路距离等属性。此外,它们仅用表示中心线的向量序列表示车道,忽略车道分隔线与其他道路要素等上下文信息。我们提出一种新颖的基于向量的轨迹预测方法,通过利用三个关键信息源来解决这些缺陷:首先,我们通过语义场景图对交通智能体间交互建模,考虑其关系的性质与重要特征;其次,我们提取以智能体为中心基于图像的地图特征来建模局部地图上下文;最后,我们生成锚定路径以在多模态预测中将策略约束于仅允许的轨迹。这三项增强均相对于基线模型 HoliGraph 展现出优势。
引用
@article{arxiv.2311.18553,
title = {Heterogeneous Graph-based Trajectory Prediction using Local Map Context and Social Interactions},
author = {Daniel Grimm and Maximilian Zipfl and Felix Hertlein and Alexander Naumann and Jürgen Lüttin and Steffen Thoma and Stefan Schmid and Lavdim Halilaj and Achim Rettinger and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2311.18553},
year = {2023}
}
备注
Accepted on IEEE ITSC 2023