优化自车轨迹预测：图增强方法
计算机视觉与模式识别
2024-01-11 v2
摘要
预测自车轨迹是自动驾驶系统的关键组成部分。当前最先进的方法通常依赖深度神经网络（DNN）和序列模型处理前视图像以进行未来轨迹预测。然而，这些方法常受场景中影响物体特征的透视问题困扰。为解决此问题，我们提倡使用鸟瞰图（BEV）视角，其在捕捉空间关系和物体同质性方面具有独特优势。在我们的工作中，我们利用图神经网络（GNN）和位置编码来表示BEV中的物体，与基于传统DNN的方法相比取得了有竞争力的性能。虽然基于BEV的方法丢失了前视图像固有的一些详细信息，我们通过将BEV数据表示为图来平衡这一点，其中场景中物体之间的关系被有效捕捉。
关键词
引用
@article{arxiv.2312.13104,
title = {Optimizing Ego Vehicle Trajectory Prediction: The Graph Enhancement Approach},
author = {Sushil Sharma and Aryan Singh and Ganesh Sistu and Mark Halton and Ciarán Eising},
journal= {arXiv preprint arXiv:2312.13104},
year = {2024}
}
备注
Accepted for publication in the Electronic Imagine Autonomous Vehicles and Machines (EI-AVM) Conference 2024