LiRaNet：基于时空雷达融合的端到端轨迹预测
计算机视觉与模式识别
2020-11-16 v3 机器人学
摘要
本文提出 LiRaNet，一种利用雷达传感器信息以及广泛使用的激光雷达（lidar）和高清（HD）地图的新型端到端轨迹预测方法。车载雷达提供丰富、互补的信息，允许更远距离的车辆检测以及瞬时径向速度测量。然而，存在一些因素使得激光雷达与雷达信息的融合具有挑战性，例如雷达测量相对低的角度分辨率、其稀疏性以及与激光雷达缺乏精确时间同步。为克服这些挑战，我们提出一种高效的时空雷达特征提取方案，在多个大规模数据集上达到最先进（state-of-the-art）性能。此外，通过引入雷达信息，我们对高加速度物体的预测误差降低了 52%，对更远距离物体的预测误差降低了 16%。
引用
@article{arxiv.2010.00731,
title = {LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion},
author = {Meet Shah and Zhiling Huang and Ankit Laddha and Matthew Langford and Blake Barber and Sidney Zhang and Carlos Vallespi-Gonzalez and Raquel Urtasun},
journal= {arXiv preprint arXiv:2010.00731},
year = {2020}
}
备注
Accepted to Conference on Robot Learning (CoRL) 2020