SGNetPose+：结合姿态信息的逐步目标驱动网络及其在自动驾驶轨迹预测中的应用
计算机视觉与模式识别
2025-03-12 v1
摘要
预测行人轨迹对于自动驾驶系统至关重要，因为它能显著提高安全性并支持知情决策。准确的预测能够防止碰撞、预判横穿意图，并提高系统整体效率。在本研究中，我们提出了 SGNetPose+，这是 SGNet 架构的增强版，旨在将骨架信息或身体分段角度与边界框相结合，从视频数据中预测行人轨迹，以避免自动驾驶中的危险。使用姿态估计模型提取骨架信息，并根据提取的关节数据计算关节角度。我们还通过水平翻转视频帧应用时间数据增强，以增加数据集规模并提高性能。我们的方法在 JAAD 和 PIE 数据集上利用姿态数据和边界框取得了最先进的结果，优于 SGNet 模型。代码可在 Github 上获取：SGNetPose+。
引用
@article{arxiv.2503.08016,
title = {SGNetPose+: Stepwise Goal-Driven Networks with Pose Information for Trajectory Prediction in Autonomous Driving},
author = {Akshat Ghiya and Ali K. AlShami and Jugal Kalita},
journal= {arXiv preprint arXiv:2503.08016},
year = {2025}
}