基于单目视觉与LSTM网络的切入 maneuvers 预测
计算机视觉与模式识别
2022-03-22 v1 机器学习
摘要
高级驾驶辅助与自动驾驶系统应能够预测并避免危险情况。本研究提出一种方法，用于预测发生在自车道内的潜在危险切入机动。我们采用基于计算机视觉的方法，仅使用车载单目RGB相机，并基于近期的视频帧对目标车辆的机动进行分类。我们的算法包含基于CNN的车辆检测与跟踪步骤，以及基于LSTM的机动分类步骤。该方法比其他基于视觉的方法计算效率更高，因为它在分类步骤中仅利用少量特征，而非将RGB帧输入CNN。我们在公开驾驶数据集与车道变换检测数据集上评估了该方法。在考虑侧别感知的二分类（切入 vs. 车道通过）模型中，我们取得了0.9585的准确率。实验结果还表明，在车道变换检测任务中，我们的方法优于SOTA方法。
引用
@article{arxiv.2203.10707,
title = {Monocular Vision-based Prediction of Cut-in Maneuvers with LSTM Networks},
author = {Yagiz Nalcakan and Yalin Bastanlar},
journal= {arXiv preprint arXiv:2203.10707},
year = {2022}
}