RobustTP：面向密集交通中异质道路参与者且含噪声传感器输入的端到端轨迹预测
机器人学
2019-07-23 v1
摘要
我们提出 RobustTP，一种端到端算法，用于预测密集交通中道路参与者在含噪声传感器输入轨迹下的未来轨迹，这些轨迹通过跟踪算法从 RGB 相机（静止或移动）获得。在此情形下，我们将噪声视为对真实轨迹的偏离。噪声量取决于跟踪算法的精度。我们的方法针对密集异质交通设计，其中道路参与者对应公交车、汽车、踏板车、自行车或行人的混合。RobustTP 是一种首先利用非线性运动模型与基于深度学习的实例分割算法相结合来计算轨迹的方法。接着，这些含噪声轨迹使用 LSTM-CNN 神经网络架构进行训练，该架构对密集异质交通中道路参与者之间的交互进行建模。我们的轨迹预测算法在使用传感器输入的端到端轨迹预测上优于现有最优方法。在预测窗口结束（5秒）时，相较于次优方法，我们在平均位移误差上实现了最高 18% 的提升，在最终位移误差上实现了最高 35.5% 的提升。所有实验在 Nvidia TiTan Xp GPU 上搭建。此外，我们发布了一个软件框架 TrackNPred。该框架包含现有最优跟踪与轨迹预测方法的实现，以及用于在真实世界密集交通数据集上对其基准测试与评估的工具。
引用
@article{arxiv.1907.08752,
title = {RobustTP: End-to-End Trajectory Prediction for Heterogeneous Road-Agents in Dense Traffic with Noisy Sensor Inputs},
author = {Rohan Chandra and Uttaran Bhattacharya and Christian Roncal and Aniket Bera and Dinesh Manocha},
journal= {arXiv preprint arXiv:1907.08752},
year = {2019}
}