极坐标碰撞网格：基于碰撞检测在共享空间中对行人轨迹预测的有效交互建模
机器人学
2023-08-15 v1 计算机视觉与模式识别
人机交互
机器学习
摘要
预测行人轨迹是自动驾驶车辆安全导航的关键能力，尤其是在与行人共享的空间中。共享空间中的行人运动同时受到车辆和其他行人的影响。因此，有效建模行人-行人和行人-车辆交互能够提高行人轨迹预测模型的准确性。尽管已有大量文献研究如何使用深度学习模型编码交互智能体对行人预测轨迹的影响，但在交互智能体的有效选择方面投入有限。在大多数情况下，所使用的交互特征主要基于相对距离，而较少关注交互构建中速度和接近方向的影响。本文中，我们提出了一种基于碰撞风险计算的启发式交互智能体选择过程。聚焦于潜在碰撞智能体与目标行人的交互，我们提出使用时距（time-to-collision）和两个智能体的接近方向角来编码交互影响。这是通过引入一种新颖的极坐标碰撞网格图来实现的。我们的结果表明，在 HBS 数据集上，相比现有方法（用作基线），预测轨迹更接近于真实值。
引用
@article{arxiv.2308.06654,
title = {Polar Collision Grids: Effective Interaction Modelling for Pedestrian Trajectory Prediction in Shared Space Using Collision Checks},
author = {Mahsa Golchoubian and Moojan Ghafurian and Kerstin Dautenhahn and Nasser Lashgarian Azad},
journal= {arXiv preprint arXiv:2308.06654},
year = {2023}
}
备注
Accepted for publication as a conference paper in IEEE Intelligent Transportation Systems Conference (ITSC), 2023