利用 Transformer 网络与增强信息预测城市场景中的车辆轨迹
计算机视觉与模式识别
2021-06-09 v2
摘要
理解道路使用者的行为对于轨迹预测系统的开发至关重要。在此背景下，最新进展聚焦于循环结构，以建立场景中相关智能体之间的社会交互。更近期地，基于 Transformer 网络并利用位置信息的更简单结构也被引入用于预测行人轨迹，其允许在不使用任何复杂交互项的情况下单独建模每个智能体的轨迹。我们的模型利用这些简单结构，添加增强数据（位置与航向），并将其应用适配于城市场景中预测时域长达 5 秒的车辆轨迹预测问题。此外，使用近期数据集（inD、rounD、highD 和 INTERACTION），在不同类型场景（包括高速公路、交叉口和环岛）之间进行了交叉性能分析。我们的模型取得了最先进的结果，并证明能灵活适应不同类型的城市环境。
引用
@article{arxiv.2106.00559,
title = {Predicting Vehicles Trajectories in Urban Scenarios with Transformer Networks and Augmented Information},
author = {A. Quintanar and D. Fernández-Llorca and I. Parra and R. Izquierdo and M. A. Sotelo},
journal= {arXiv preprint arXiv:2106.00559},
year = {2021}
}
备注
This work has been accepted for publication at IEEE Intelligent Vehicles Symposium 2021