NEMO：利用含噪自运动先验进行未来目标定位
计算机视觉与模式识别
2020-07-24 v3 机器人学
图像与视频处理
摘要
从视觉观测预测智能体的未来轨迹，是动态环境中自主系统安全高效导航实现的重要问题。本文关注未来轨迹预测的两个重要方面，它们对移动平台尤为关键：1）建模预测的不确定性，特别是以自我为中心视角下，其他智能体交互反应与行为的不确定性须考虑自运动的不确定性；2）建模问题的多模态本质，这在城市交通场景的交叉口尤为普遍。为以统一方法解决这些问题，我们提出 NEMO（用于未来目标定位的含噪自运动先验）以进行以自我为中心视角下智能体的未来预测。在所提方法中，未来预测的预测分布与预测不确定性联合建模。为此，我们将问题划分为两个任务：未来自运动预测与未来目标定位。我们首先建模具不确定性估计的未来自运动多模态分布。所得的自车行为分布用于采样未来自运动的多个模态。随后，每一模态用作先验以理解自车与目标智能体间的交互。我们从自车的各单独模态预测目标的多模态未来位置，同时建模目标行为的不确定性。为此，我们使用公开基准数据集（HEV-I）并结合来自惯性测量单元（IMU）的里程计数据对所提框架进行了广泛评估。
引用
@article{arxiv.1909.08150,
title = {NEMO: Future Object Localization Using Noisy Ego Priors},
author = {Srikanth Malla and Isht Dwivedi and Behzad Dariush and Chiho Choi},
journal= {arXiv preprint arXiv:1909.08150},
year = {2020}
}