不确定条件下交通场景中行人的车载长期预测
计算机视觉与模式识别
2018-06-21 v2
摘要
辅助驾驶与自动驾驶先进系统的发展正受益于识别与分割方法的最新进展。然而，由于城市内部场景高度动态且从以相当速度运动的平台观测，我们仍面临将可靠驾驶带入市区的挑战。预判成为及时反应并避免事故的关键要素。本文主张有必要预测至少 1 秒，并由此提出一种新模型，在如此长的时间范围内联合预测自车运动与行人轨迹。我们特别关注对由自然交通场景非确定性本质引起的估计不确定性进行建模。实验结果表明，在期望的时间范围内预测行人轨迹确属可行，且我们的不确定性估计能够反映预测误差的信息。我们还表明，轨迹的序列建模以及我们新颖的长期里程计预测方法对于获得最佳性能均至关重要。
引用
@article{arxiv.1711.09026,
title = {Long-Term On-Board Prediction of People in Traffic Scenes under Uncertainty},
author = {Apratim Bhattacharyya and Mario Fritz and Bernt Schiele},
journal= {arXiv preprint arXiv:1711.09026},
year = {2018}
}
备注
CVPR 2018