基于以智能体为中心的时空栅格的场景合规轨迹预测
计算机视觉与模式识别
2019-09-18 v1 机器人学
摘要
由于未来轨迹的非线性、多模态和固有不确定性，长期人体运动预测是一项具有挑战性的任务。场景背景和智能体的历史运动可为预测其未来运动提供有用线索。然而，这两种输入的异质性对学习场景与历史轨迹的联合表示提出了挑战。为应对该挑战，我们提出了一种基于栅格表示的模型来预测智能体轨迹。我们使用二值二维栅格表示智能体的历史轨迹，并将底层场景表示为 RGB 鸟瞰图（BEV）图像，采用以智能体为中心的参考系。我们使用卷积层对场景和历史轨迹进行编码，并利用卷积 LSTM（ConvLSTM）解码器生成轨迹预测。在公开可用的 Stanford Drone Dataset（SDD）上的结果表明，我们的模型优于先前的方法，并输出符合场景结构和历史运动的真实未来轨迹。
引用
@article{arxiv.1909.07507,
title = {Scene Compliant Trajectory Forecast with Agent-Centric Spatio-Temporal Grids},
author = {Daniela Ridel and Nachiket Deo and Denis Wolf and Mohan Trivedi},
journal= {arXiv preprint arXiv:1909.07507},
year = {2019}
}