俯视轨迹:来自受控实验与拥挤校园的车辆-人群交互行人数据集
计算机视觉与模式识别
2019-04-23 v2
摘要
预测一群行人(人群)在车辆影响下的集体运动,对于开发自动驾驶车辆以应对行人间交互与车辆-人群交互(VCI)显著的混合城市场景至关重要。这通常需要一个能描述附近行人与车辆影响下的个体行人运动模型。本研究提出两个行人轨迹数据集,CITR 数据集与 DUT 数据集,以进一步标定与验证行人运动模型,尤其在车辆对行人影响起重要作用时。CITR 数据集由实验设计的基元 VCI 场景(前向、后向与侧向 VCI)组成,并为每名行人提供唯一 ID,适用于探索 VCI 的特定方面。DUT 数据集给出拥挤大学校园中两种普通自然的 VCI 场景,可用于更通用的 VCI 探索。行人与车辆轨迹通过处理来自悬停无人机上朝下安装摄像机的视频帧提取。最终行人与车辆轨迹分别通过线性质点模型与非线性自行车模型的卡尔曼滤波精炼,其中估计了行人的 xy 速度与车辆的纵向速度及朝向。速度幅值分布的统计证明了所提数据集的有效性。总计,CITR 数据集约有 340 条行人轨迹,DUT 数据集有 1793 条行人轨迹。该数据集发布于 GitHub。
引用
@article{arxiv.1902.00487,
title = {Top-view Trajectories: A Pedestrian Dataset of Vehicle-Crowd Interaction from Controlled Experiments and Crowded Campus},
author = {Dongfang Yang and Linhui Li and Keith Redmill and Ümit Özgüner},
journal= {arXiv preprint arXiv:1902.00487},
year = {2019}
}
备注
This paper was accepted into the 30th IEEE Intelligent Vehicles Symposium. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses