T2FPV：用于纠正行人轨迹预测中第一人称视角误差的数据集与方法
计算机视觉与模式识别
2023-03-03 v2 机器人学
摘要
预测行人运动对于开发在拥挤环境中交互的具社会感知能力的机器人至关重要。尽管社会交互场景的自然视觉视角为以自我为中心的视角，但现有轨迹预测工作大多仅在俯视轨迹空间中开展。为支持第一人称视角轨迹预测研究，我们提出 T2FPV，一种在给定真实世界俯视轨迹数据集下构建高保真第一人称视角（FPV）数据集的方法；我们在 ETH/UCY 行人数据集上展示了该方法，生成所有交互行人的以自我为中心视觉数据，创建了 T2FPV-ETH 数据集。在此设定下，由于不完美的检测与跟踪、遮挡以及相机视场（FOV）限制，会产生 FPV 特有误差。为解决这些误差，我们提出 CoFE，一种以端到端方式结合轨迹预测算法进一步精炼缺失数据插补的模块。我们的方法降低了此类 FPV 误差对下游预测性能的影响，使位移误差平均降低超过 10%。为促进研究参与，我们发布了 T2FPV-ETH 数据集与软件工具。
引用
@article{arxiv.2209.11294,
title = {T2FPV: Dataset and Method for Correcting First-Person View Errors in Pedestrian Trajectory Prediction},
author = {Benjamin Stoler and Meghdeep Jana and Soonmin Hwang and Jean Oh},
journal= {arXiv preprint arXiv:2209.11294},
year = {2023}
}