nuScenes知识图谱——面向轨迹预测的交通场景综合语义表示
计算机视觉与模式识别
2024-01-09 v1 人工智能
机器人学
摘要
交通场景中的轨迹预测涉及准确预测周围车辆的行为。为实现这一目标，考虑上下文信息至关重要，包括车辆的行驶路径、道路拓扑、车道分隔线及交通规则。尽管研究表明利用异构上下文信息有望改善轨迹预测，但最先进的深度学习方法仍仅依赖此类信息的一个有限子集。这主要是由于缺乏综合表示的可用性。本文提出了一种利用知识图谱对交通场景中各种实体及其语义联系进行建模的方法。此外，我们提出了nuScenes知识图谱（nSKG），一种针对nuScenes数据集的知识图谱，它显式地建模了所有场景参与者和道路元素，以及它们的语义和空间关系。为了便于通过图神经网络将nSKG用于轨迹预测，我们以PyG库可直接使用的格式提供数据。所有相关文件可在此找到：https://github.com/boschresearch/nuScenes_Knowledge_Graph
引用
@article{arxiv.2312.09676,
title = {nuScenes Knowledge Graph -- A comprehensive semantic representation of traffic scenes for trajectory prediction},
author = {Leon Mlodzian and Zhigang Sun and Hendrik Berkemeyer and Sebastian Monka and Zixu Wang and Stefan Dietze and Lavdim Halilaj and Juergen Luettin},
journal= {arXiv preprint arXiv:2312.09676},
year = {2024}
}
备注
Accepted to the 2023 IEEE/CVF International Converence on Computer Vision (ICCV) workshop on Scene Graphs and Graph Representation Learning (SG2RL)