基于深度卷积网络的非结构化道路自主驾驶多模态轨迹预测
人工智能
2024-09-30 v1
摘要
近期，针对实现矿区开采场安全高效矿物运输，开采矿区自主驾驶的应用受到日益关注。与城市结构化道路相比，矿区非结构化道路边界不平整且缺乏明确的车道标线。这导致用于预测其他人工驾驶车辆轨迹的约束信息不足，进而导致轨迹预测问题的不确定性更高。提出一种方法，用于预测目标车辆的多个可能轨迹及其概率。将周围环境和目标车辆的历史轨迹编码为栅格化图像，用作深度卷积网络输入，以预测目标车辆的多个可能轨迹。该方法在专为矿区自主驾驶场景设计的数据集上进行了离线测试，并与基于物理的方法进行了比较和评估。开源代码和数据已在 https://github.com/LLsxyc/mine_motion_prediction.git 提供。
引用
@article{arxiv.2409.18399,
title = {Multimodal Trajectory Prediction for Autonomous Driving on Unstructured Roads using Deep Convolutional Network},
author = {Lei Li and Zhifa Chen and Jian Wang and Bin Zhou and Guizhen Yu and Xiaoxuan Chen},
journal= {arXiv preprint arXiv:2409.18399},
year = {2024}
}
备注
11 pages,6 figures