非结构化交通环境下行人意图与轨迹预测基于 IDD-PeD
计算机视觉与模式识别
2025-06-30 v1 人机交互
摘要
随着自动驾驶技术的快速发展，准确预测行人行为对于确保复杂且不可预测交通环境下的安全性已成为关键。对这一挑战日益关注的背景下，亟需全面捕获非结构化环境的综合数据集，以便开发更稳健的预测模型以提升行人安全性和车辆导航能力。本文引入一个印度驾驶行人数据集，以解决建模行人行为在非结构化环境（如照明变化、行人遮挡、非信号化场景类型以及车辆-行人交互）中的复杂性。该数据集提供高层和详细低层全面注释，聚焦于需要注意 ego 车辆的行人。对最先进的意图预测方法在我们的数据集上进行评估显示，性能下降最高可达 ，而轨迹预测方法则表现下降，均方根误差（MSE）增长最高可达 ，甚至超越标准行人数据集。此外，我们对意图和轨迹基线进行详尽的定量与定性分析。我们相信，该数据集将为行人行为研究社区提供新的挑战，以构建更稳健的模型。项目页面: https://cvit.iiit.ac.in/research/projects/cvit-projects/iddped
关键词
引用
@article{arxiv.2506.22111,
title = {Pedestrian Intention and Trajectory Prediction in Unstructured Traffic Using IDD-PeD},
author = {Ruthvik Bokkasam and Shankar Gangisetty and A. H. Abdul Hafez and C. V. Jawahar},
journal= {arXiv preprint arXiv:2506.22111},
year = {2025}
}