基于风险与场景图学习的异质轨迹预测
计算机视觉与模式识别
2023-06-27 v2 人工智能
摘要
异质轨迹预测对于智能交通系统至关重要，但由于难以建模异质道路智能体之间复杂的交互关系及其智能体-环境约束，该任务极具挑战性。在本工作中，我们提出了一种面向异质道路智能体轨迹预测的风险与场景图学习方法，该方法从智能体类别及其可移动语义区域的角度出发，由异质风险图（HRG）与层次化场景图（HSG）组成。HRG对每一类道路智能体进行分组，并基于一种有效的碰撞风险度量计算其交互邻接矩阵。驾驶场景的HSG通过推断道路智能体与由道路场景语法对齐的道路语义布局之间的关系来建模。基于该建模，我们能够在驾驶场景中取得有效的轨迹预测，并且在nuScenes、ApolloScape和Argoverse数据集上的详尽实验证明了其优于其他最先进方法的表现。
引用
@article{arxiv.2211.00848,
title = {Heterogeneous Trajectory Forecasting via Risk and Scene Graph Learning},
author = {Jianwu Fang and Chen Zhu and Pu Zhang and Hongkai Yu and Jianru Xue},
journal= {arXiv preprint arXiv:2211.00848},
year = {2023}
}
备注
accepted by IEEE Transactions on Intelligent Transportation Systems, 2023