面向自动驾驶的含未观测车辆安全感知运动预测
计算机视觉与模式识别
2021-09-06 v1
摘要
由于复杂环境中的不确定性以及由遮挡和有限传感器范围引起的有限可见性，车辆运动预测至关重要但具有挑战性。在本文中，我们研究了一项新任务：面向自动驾驶的含未观测车辆安全感知运动预测。与现有的针对已观测车辆的轨迹预测任务不同，我们的目标是预测一张占据图，指示每个位置可被已观测或未观测车辆占据的最早时间。预测未观测车辆的能力对自动驾驶安全至关重要。为应对这一挑战性任务，我们提出了一种安全感知深度学习模型，带有三个新损失函数来预测最早占据图。在大规模自动驾驶 nuScenes 数据集上的实验表明，我们提出的模型在安全感知运动预测任务上显著优于最先进的基线。据我们所知，我们的方法是首个在大多数情况下能够预测未观测车辆存在的方法。项目页面位于 {\url{https://github.com/xrenaa/Safety-Aware-Motion-Prediction}}。
引用
@article{arxiv.2109.01510,
title = {Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving},
author = {Xuanchi Ren and Tao Yang and Li Erran Li and Alexandre Alahi and Qifeng Chen},
journal= {arXiv preprint arXiv:2109.01510},
year = {2021}
}
备注
Accepted to ICCV 2021