用于行人轨迹预测的时空块与 LSTM 网络

Xiong Dan

用于行人轨迹预测的时空块与 LSTM 网络

计算机视觉与模式识别 2020-09-24 v2 人工智能

作者: Xiong Dan

摘要

行人轨迹预测对于避免自动驾驶碰撞至关重要。但由于社会力与杂乱场景，该预测是一个具有挑战性的问题。此类人-人及人-空间交互导致了许多社会可行的轨迹。在本文中，我们提出了一种基于 LSTM 的新算法。我们通过考虑静态场景与行人来解决该问题，结合图卷积网络与时域卷积网络从行人中提取特征。场景中的每位行人被视为一个节点，我们可以通过图嵌入获得每个节点与其邻域之间的关系。正是 LSTM 对该关系进行编码，使我们的模型能同时预测人群场景中的节点轨迹。为有效预测多种可能的未来轨迹，我们进一步引入时空卷积块以使网络灵活。在两个公开数据集（即 ETH 和 UCY）上的实验结果证明了我们所提 ST-Block 的有效性，并且我们在人体轨迹预测中达到了最先进的性能。

关键词

行人轨迹预测 LSTM 图卷积网络时域卷积网络时空块人群场景自动驾驶

引用

@article{arxiv.2009.10468,
  title  = {Spatial-Temporal Block and LSTM Network for Pedestrian Trajectories Prediction},
  author = {Xiong Dan},
  journal= {arXiv preprint arXiv:2009.10468},
  year   = {2020}
}

备注

12 pages, 5 figures

用于行人轨迹预测的时空块与 LSTM 网络

摘要

关键词

引用

备注

相关论文