OOSTraj：基于视觉定位去噪的视野外轨迹预测
计算机视觉与模式识别
2024-04-04 v1 人工智能
机器学习
机器人学
摘要
轨迹预测在计算机视觉和自动驾驶中至关重要，特别是对于理解行人行为和实现主动决策。该领域现有方法通常假设观测数据精确且完整，忽略了与视野外物体相关的挑战，以及由于相机范围有限、物理遮挡和缺乏用于传感器数据去噪的真值而导致的传感器数据固有噪声。这种疏忽是关键的安全隐患，因为它们可能导致遗漏重要的不可见物体。为了弥补这一差距，我们提出了一种利用视觉定位技术的视野外轨迹预测新方法。我们的方法以无监督方式对含噪传感器观测进行去噪，并将视野外物体的基于传感器的轨迹精确映射为视觉轨迹。该方法在 Vi-Fi 和 JRDB 数据集上的视野外含噪传感器轨迹去噪与预测中展现了 SOTA 性能。通过提高轨迹预测精度并应对视野外物体的挑战，我们的工作显著有助于提升复杂环境中自动驾驶的安全性与可靠性。我们的工作代表了对视野外轨迹预测 (OOSTraj) 的首次倡议，为未来研究设定了新基准。代码可在 \url{https://github.com/Hai-chao-Zhang/OOSTraj} 获取。
引用
@article{arxiv.2404.02227,
title = {OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising},
author = {Haichao Zhang and Yi Xu and Hongsheng Lu and Takayuki Shimizu and Yun Fu},
journal= {arXiv preprint arXiv:2404.02227},
year = {2024}
}
备注
In Proceedings of IEEE/CVF Conference on Computer Vision and Pattern Recognition 2024 (CVPR)