面向安全的行人运动与场景占据预测
计算机视觉与模式识别
2021-01-08 v1 机器学习
机器人学
摘要
在本文中，我们解决了自动驾驶中一个重要的预测问题：预测多行人运动及其共享的场景占据图，这对于安全导航至关重要。我们的贡献有两点。首先，我们主张同时预测个体运动以及场景占据图，以有效应对由后处理（例如置信度阈值化和非极大值抑制）引起的漏检。其次，我们提出了一种场景-行为体图神经网络（SA-GNN），它通过二维卷积保留行人的相对空间信息，并通过消息传递捕获同一场景内行人之间的交互，包括那些未被检测到的行人。在 nuScenes 和 ATG4D 两个大规模真实世界数据集上，我们展示了我们的场景占据预测比最先进的（SOTA）运动预测方法更准确且校准更好，同时在行人运动预测指标上也与其性能相当。
引用
@article{arxiv.2101.02385,
title = {Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting},
author = {Katie Luo and Sergio Casas and Renjie Liao and Xinchen Yan and Yuwen Xiong and Wenyuan Zeng and Raquel Urtasun},
journal= {arXiv preprint arXiv:2101.02385},
year = {2021}
}