行人 3D 边界框预测
计算机视觉与模式识别
2022-06-29 v1 机器人学
摘要
安全性仍是自动驾驶的主要问题，而为了实现全球部署，自动驾驶系统需要足够提前地预测行人的运动。虽然已有大量关于粗粒度（人体中心预测）和细粒度预测（人体关键点预测）的研究，但我们聚焦于 3D 边界框，它是对行人的合理估计，且无需为自动驾驶车辆建模复杂的运动细节。这赋予了在真实场景中预测更长时域的灵活性。我们提出了这一新问题，并给出了一个简单而有效的行人 3D 边界框预测模型。该方法遵循基于循环神经网络的编码器-解码器架构，我们的实验表明其在合成（JTA）和真实世界（NuScenes）数据集上均有效。所学表征含有有用信息，可提升其他任务（如动作预期）的性能。我们的代码在线可用：https://github.com/vita-epfl/bounding-box-prediction
引用
@article{arxiv.2206.14195,
title = {Pedestrian 3D Bounding Box Prediction},
author = {Saeed Saadatnejad and Yi Zhou Ju and Alexandre Alahi},
journal= {arXiv preprint arXiv:2206.14195},
year = {2022}
}
备注
Accepted and published in hEART2022 (the 10th Symposium of the European Association for Research in Transportation): http://www.heart-web.org/