面向自动驾驶的规划启发式分层轨迹预测
机器人学
2023-04-25 v1
摘要
近年来，基于锚点的轨迹预测方法展现出良好性能，其直接在时空耦合空间中选取最终一组锚点作为未来意图。然而，此类方法通常忽略对路径意图更深层的语义解释，并且在高清（HD）地图不完美时性能较差。为应对该挑战，我们提出一种新颖的规划启发式分层（PiH）轨迹预测框架，通过横向与纵向分解的分层结构来选取路径与速度意图。特别地，提出一种混合横向预测器，从基于地图的道路跟随和基于聚类的自由移动路径候选中选取一组固定距离的横向路径。随后，后续的纵向预测器从一组横向路径中采样出合理目标作为速度意图。最后，给出轨迹解码器，以横向-纵向意图上的类别分布为条件生成未来轨迹。实验表明，在 Argoverse 运动预测基准上，PiH 相较于最先进方法取得了具有竞争力且更均衡的结果，并在不完美 HD 地图下具有最强的鲁棒性。
引用
@article{arxiv.2304.11295,
title = {Planning-inspired Hierarchical Trajectory Prediction for Autonomous Driving},
author = {Ding Li and Qichao Zhang and Zhongpu Xia and Kuan Zhang and Menglong Yi and Wenda Jin and Dongbin Zhao},
journal= {arXiv preprint arXiv:2304.11295},
year = {2023}
}
备注
9 pages, 4 figures