利用高精地图与高效卷积网络预测弱势道路使用者运动
机器人学
2020-06-12 v2 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
在检测和跟踪交通参与者之后，预测其未来运动是自动驾驶车辆（SDV）技术的下一个关键组成部分，使 SDV 能够在其环境中安全高效地运行。当涉及弱势道路使用者（VRU），如行人和骑自行车者时，这一点尤为重要。由于受伤风险增加，以及其行为比机动化参与者更不可预测，这些参与者需要被特别小心地处理。为解决此问题，在本研究中我们提出一种基于深度学习的方法来预测 VRU 运动，将高精地图和参与者周边环境栅格化为鸟瞰图图像，作为深度卷积网络的输入。此外，我们提出了一种适用于实时推理的快速架构，并对各种栅格化方法进行了消融研究，以找到准确预测的最优选择。结果强烈表明，所提方法在 VRU 运动预测的准确性和延迟方面均具有优势。
引用
@article{arxiv.1906.08469,
title = {Predicting Motion of Vulnerable Road Users using High-Definition Maps and Efficient ConvNets},
author = {Fang-Chieh Chou and Tsung-Han Lin and Henggang Cui and Vladan Radosavljevic and Thi Nguyen and Tzu-Kuo Huang and Matthew Niedoba and Jeff Schneider and Nemanja Djuric},
journal= {arXiv preprint arXiv:1906.08469},
year = {2020}
}
备注
Accepted for publication at IEEE Intelligent Vehicles Symposium (IV) 2020