自动驾驶路径规划中基于显著性的交通标志分类：基于新数据集的实验探索
计算机视觉与模式识别
2021-12-03 v1 机器人学
摘要
由于静态场景元素与不确定周围智能体之间的相互作用，自动驾驶中的安全路径规划是一项复杂任务。尽管所有静态场景元素都是信息来源，但对于自车可用的信息而言，其重要性并不对称。我们提出了一个具有新特征的数据集，即标志显著性（sign salience），其定义为指示某个标志对于自车在交通法规方面的目标是否具有明确的信息价值。通过在裁剪后的标志上使用卷积网络，并结合按道路类型、图像坐标和规划机动动作进行的实验性数据增强，我们以76%的准确率预测标志显著性属性，发现利用车辆机动动作与标志图像的信息取得了最佳改进。
引用
@article{arxiv.2112.00942,
title = {On Salience-Sensitive Sign Classification in Autonomous Vehicle Path Planning: Experimental Explorations with a Novel Dataset},
author = {Ross Greer and Jason Isa and Nachiket Deo and Akshay Rangesh and Mohan M. Trivedi},
journal= {arXiv preprint arXiv:2112.00942},
year = {2021}
}